EN中文

地理科学 >

2024 , Vol. 44 >Issue 9: 1676 - 1683

DOI: https://doi.org/10.13249/j.cnki.sgs.20230394

黄河中游不同地貌条件下植被干旱时空特征及影响因素

  • 郭宇星 ,
  • 孙从建 , * ,
  • 陈伟 ,
  • 张齐飞
展开
  • 山西师范大学地理科学学院/山西师范大学黄河中游生态环境研究中心，山西 太原 030031 College of Geography, Shanxi Normal University/ Shanxi Normal University Yellow River Middle Reaches Ecological Environment Research Center, Taiyuan 030031, Shanxi, China
孙从建。E-mail:

郭宇星（1997—），男，山西汾西人，硕士研究生，研究方向为土壤水分反演。E-mail:

收稿日期: 2023-05-18

  修回日期: 2023-12-05

  网络出版日期: 2024-10-04

版权

版权所有©《地理科学》编辑部 2024
郭宇星, 孙从建, 陈伟, 等. 黄河中游不同地貌条件下植被干旱时空特征及影响因素[J]. 地理科学,2024,44(9):1676-1683 Guo Yuxing, Sun Congjian, Chen Wei et al. Spatio-temporal characteristics and driving factors of vegetation drought in the middle Yellow River under different geomorphic conditions. Scientia Geographica Sinica,2024,44(9):1676-1683
收起

Spatio-temporal characteristics and driving factors of vegetation drought in the middle Yellow River under different geomorphic conditions

  • Guo Yuxing ,
  • Sun Congjian , * ,
  • Chen Wei ,
  • Zhang Qifei
Expand

Received date: 2023-05-18

  Revised date: 2023-12-05

  Online published: 2024-10-04

Copyright

Copyright ©2024 Scientia Geographica Sinica. All rights reserved.
Fold

摘要

利用归一化植被指数、地表温度和降水数据构建温度植被降水干旱指数（TVPDI）分析黄河中游2000—2021年植被干旱时空特征及影响因素，论证了黄河中游退耕还林还草工程实施与区域植被干旱特征间的关系。结果表明：① 黄河中游2000—2021年多年平均TVPDI值呈不显著上升趋势，TVPDI多年均值为0.708，对应干旱等级为轻旱。 ② 黄河中游2000—2021年TVPDI有较强的空间分异性，呈现“东北、西南部地区旱情较轻，西北、东南部地区旱情较重”的空间分布格局；从各地貌分区来看，黄土高塬沟壑区旱情较轻，风沙区与河谷平原区旱情较重。 ③ 黄河中游TVPDI空间分异的主要影响因子为气温、蒸散发和降雨量，且与TVPDI存在显著线性关系。黄河中游2000—2021年植被覆盖度与蒸散发量均呈增加趋势，土壤水分呈下降趋势。

关键词： 退耕还林还草工程; 黄河中游; 植被干旱; TVPDI

本文引用格式

郭宇星 , 孙从建 , 陈伟 , 张齐飞 . 黄河中游不同地貌条件下植被干旱时空特征及影响因素[J]. 地理科学, 2024 , 44(9) : 1676 -1683 . DOI: 10.13249/j.cnki.sgs.20230394

Abstract

Drought is a type of natural disaster that lasts for a long time and causes a lot of damage. It has a negative impact on the security of the water supplies in the region, human production and life, and economic growth. In order to analyze the spatial-temporal characteristics and underlying causes of vegetation drought in the middle Yellow River from 2000 to 2021, the temperature vegetation Precipitation Drought Index (TVPDI) was developed in this study using normalized vegetation index, surface temperature, and precipitation data. Additionally, the relationship between the implementation of the project to convert farmland in the middle Yellow River to forest and grassland and regional vegetation drought was examined. The findings revealed that: 1) The multi-year average TVPDI value in the middle reaches of the Yellow River from 2000 to 2021 showed an insignificant upward trend, and the average multi-year TVPDI value was 0.708, corresponding to a light drought grade. 2) TVPDI in the middle reaches of the Yellow River from 2000 to 2021 has a strong spatial differentiation, showing a spatial distribution pattern of “drought is lighter in the northeast and southwest regions and heavier in the northwest and southeast regions”; From the perspective of each geomorphic region, the drought in the loess plateau gully area is light, and the drought in the wind-sand area and the valley plain area is heavy. 3) The main factors affecting the spatial differentiation of TVPDI in the middle Yellow River are temperature, evapotranspiration and rainfall, and there is a significant linear relationship with TVPDI. In the middle reaches of the Yellow River from 2000 to 2021, vegetation coverage and evapotranspiration showed an increasing trend, while soil moisture showed a decreasing trend.

Key words： the project to return farmland to forest and grassland; the middle reaches of the Yellow River; vegetation drought; TVPDI

植被干旱是反映植被生长状况的重要体现，也是区域生态环境状况的重要指标，可对区域生态系统、农业发展、水资源安全等方面带来巨大危害。因此，全面分析不同地貌条件下植被干旱的时空特征和驱动因素，对区域制定科学有效的抗旱方针提供了参考[1-2]。
传统干旱监测主要是基于地面实测站点观测的气象数据来进行干旱监测，这种方法耗费大量人力物力且监测范围有限，难以满足大尺度空间范围干旱监测[3]。近年来，随着遥感技术快速发展，其凭借数据易获取、监测范围广、受下垫面条件影响小等优点，已逐渐发展为干旱监测的主要手段[4]。目前，基于遥感监测干旱主要有单一遥感干旱监测指数[如NDVI（归一化植被指数）、VCI（植被状况指数）、TCI（温度条件指数）][5-6]、综合遥感干旱监测指数[如CWSI（作物缺水指数）、TVDI（温度植被干旱指数）、VHI（植被健康指数）、TVPDI（温度植被降水干旱指数）][7-9]、微波遥感干旱指数[如PCI（降水指数）、TRMM-Z（卫星降水数据）、MTVDI（温度植被干旱指数）][10-11]3种类型。随着研究不断深入，利用多源遥感数据构建新型综合遥感干旱指数，可以实现对干旱特征更科学、更准确的表征，这为新形势下更好解决干旱问题提供技术支撑。
黄河中游是中国典型生态脆弱区，水土流失严重，生态环境脆弱，降水波动频繁，是中国干旱发生频率较高的地区之一。为了改善当地水土流失严重局面，中国实施了一系列生态环境修复举措，如修建淤地坝和梯田、退耕还林还草等。随着生态恢复工程规模化实施，黄河中游地区植被覆盖度显著上升，水土流失状况得到缓解，区域生态环境显著改善[12-13]。同时，生态修复工程在取得显著成效的同时也产生了新的问题。如随着植被覆盖度的增加，植物耗水增加，蒸散能力变强，过度消耗浅层地下水会使表层土壤含水量下降，进而诱发土壤干燥化，加剧区域水资源短缺甚至会导致区域极端干旱事件的发生[14]。通过分析退耕还林还草工程实施前后黄土高原退耕区蒸散发的时空变化特征，发现退耕还林还草工程实施后黄土高原退耕区蒸散发升高趋势明显，但其变率空间差异显著[15]；而退耕还林还草工程实施后退耕区土壤水分呈下降趋势，各站点平均径流量呈逐年下降趋势[16]。此外，亦有研究表明退耕还林后发现林地下平均土壤水分深度远低于耕地，土壤水分下降限制了植被生长，甚至出现植被退化[17]。而随着植被恢复、冠层蒸腾作用的提高，黄土高原地区蒸散发以4.39 mm/a速率增长[18]。这些负面效应对区域生态环境产生严重影响。因此，基于退耕还林还草工程引发的土壤水分下降、蒸散发增加、土壤干燥化等一系列环境问题背景下，植被覆盖度显著增加是否会加剧区域植被干旱值得进一步探讨。目前已有诸多学者对黄河中游干旱进行研究，但大多研究是基于VCI、TCI等单一遥感干旱指数，综合考虑降水、植被、地表温度等综合遥感干旱指数以及从退耕还林还草工程实施是否会诱发区域植被干旱等方面的研究较少[19]。Wei 等[20]利用降水量、植被指数、地表温度数据构建新的温度植被降水干旱指数（TVPDI），通过与其他干旱指数对比分析，发现TVPDI的监测结果具有可靠性，但植被恢复显著的黄河中游地区缺乏相关方面的研究。
基于此，本研究基于MODIS产品提供的MOD11A2-LST和MOD13A3-NDVI数据、ERA5-land数据，通过建立LST-NDVI-P三维空间，构建温度植被降水干旱指数（TVPDI）[20]，分析黄河中游2000—2021年植被干旱时空分布特征和影响因素，并对退耕还林还草工程实施是否会影响区域植被干旱进行研究，以期为黄河中游水资源安全、生态环境治理、社会经济发展提供参考依据。

1 研究区概况

本文选取黄河中游作为典型研究区，本研究区位于103°56′E~113°34′E、33°39′N~40°34′N。该区域总面积34.4×104km2，地形起伏大，地貌类型多样，地形主要以山地、丘陵为主，属于大陆性季风气候，昼夜温差大，年平均气温为9.1℃，多年平均降水量介于308.6~756.57 mm，降雨主要集中在夏季且年内降雨分配不均，降雨空间分布差异明显，总体由西北向东南递增[21]。依据金钊等[22]人方法，结合黄河中游地貌和地形特征，研究区分为风沙区、黄土丘陵沟壑区、黄土高塬沟壑区、河谷平原区和土石山区（图1）。由于该区域水土流失严重，生态环境脆弱，为了改善当地自然环境，1999年以来，黄河中游地区实施了大规模退耕还林还草工程，提高了该区域植被覆盖度，水土流失状况得到改善，河流泥沙含量锐减，退耕还林还草工程取得显著成效，今后发展方向主要是合理控制黄河中游地区植树造林面积，选择适合该区域的低耗水物种，更好实现该区域生态环境治理与社会经济协调发展[23]。
图1 黄河中游基本信息

Fig.1 Overview of basic information on the middle reaches of the Yellow River

2 数据和方法

2.1 数据来源

本研究选用的MODIS遥感数据来自地理空间数据云 1，从中选取归一化植被指数（NDVI）数据和地表温度（LST）数据，其中NDVI数据源于MODIS13A3数据集，空间分辨率为1 km，时间分辨率为月，LST数据源于MODIS11A2 数据集（National Earth System Science Data Center），空间分辨率为1 km，时间分辨率为8 d。通过Python软件对MODIS数据进行格式变换、镶嵌、重采样、裁剪等。利用平均值合成法将8 d的LST数据合成为月，使之与NDVI数据的像元栅格匹配；DEM数据来自地理空间数据云 2，空间分辨率为90 m；降水量、气温数据选自国家地球系统科学数据中心 3，空间分辨率为1 km；人口密度数据选自LandScan（https://landscan.ornl.gov），空间分辨率为1 km；蒸散发量与土壤水分数据选自GLEAM 4，空间分辨率为0.25°×0.25°；CHIRPS数据为美国地质调查局与加利福尼亚大学气候灾害小组共同开发 5，空间分辨率为0.05°×0.05°。

2.2 研究方法

1） 温度植被降水干旱指数（TVPDI）。 通过建立NDVI-LST-P三维空间，利用SDM构建了TVPDI指数[24]。
$ \begin{split}TVPDI=\; & [(NNDVI-NDVI_{\rm{min}})^2+(NLST_{\rm{max}}- \\ & NLST)^2+\left(NP-NP_{\rm{min}}\right)^2]^{\frac{1}{2}}\end{split} $
$ NNDVI=\dfrac{NDVI-NDVI_{\rm{min}}}{NDVI_{\rm{max}}-NDVI_{\rm{min}}} $
$NLST= \frac{{LST - LS{T_{{\rm{min}}}}}}{{LS{T_{{\rm{max}}}} - LS{T_{{\rm{min}}}}}}$
$NP = \frac{{P - {P_{{\rm{min}}}}}}{{{P_{{\rm{max}}}} - {P_{{\rm{min}}}}}}$
式中，NDVI为归一化植被指数；LST为地表温度；P为降水量；NNDVI、NLST、NP分别表示每个像元上每个月的归一化植被指数、地表温度、降水量的值， NNDVI min、 NLST max、 NP min分别为0、1、0。
2） 多元线性回归模型。多元线性回归（MLR）[25-27]是多个自变量X与因变量Y之间的线性关系。多元线性回归表达式为：
$ Y={a}_{1}{X}_{1}+{a}_{2}{X}_{2}+{a}_{3}{X}_{3}+\cdots +{a}_{n}{X}_{n}+b $
式中，Y为因变量； X 1、X 2、X 3…X n为气温、土壤水分、蒸散发量等自变量；a 1、a 2、a 3…a n为回归系数；b为截距。

3 结果与分析

3.1 植被干旱时间变化特征

图2为黄河中游2000—2021年TVPDI年际、生长季及4季植被干旱变化趋势，通过观察年际尺度，发现TVPDI年际间有较大波动，2003年TVPDI值最大，为0.773，说明该年份旱情较小。黄河中游2000—2021年TVPDI值为0.661~0.773，多年平均值0.708，说明黄河中游2000—2021年植被干旱整体较轻。通过对年均TVPDI进行线性拟合，发现倾向率为0.002/10a，表明2000—2021年黄河中游植被干旱整体呈不显著上升趋势。2000—2021年黄河中游生长季TVPDI均值0.696~0.796，TVPDI最大值出现在2003年，最大值为0.796，表明2003年生长季相较于其他年份生长季旱情更轻。通过对生长季TVPDI进行线性拟合，发现倾向率为–0.0006/a，表明2000—2021年黄河中游生长季植被干旱整体呈略微上升趋势，旱情有轻微严重趋势。
图2 2000—2021年黄河中游TVPDI（温度植被降水干旱指数）年际、生长季及四季变化

Fig.2 Inter-annual, growing season and four-season variation of TVPDI in the middle reaches of the Yellow River from 2000 to 2021

从季节尺度看，黄河中游22 a间春、冬季TVPDI呈轻微下降趋势，秋季呈上升趋势，说明春、冬季植被干旱有增强趋势，秋季干旱呈减轻趋势。春季TVPDI值整体低于其他季节，干旱较其他季节严重。夏季TVPDI多年均值0.720，高于其他季节，旱情较轻。秋季TVPDI多年均值0.634~0.760，旱情较轻。冬季TVPDI年际间变化较小，说明各年份间干旱差别不大，冬季倾向率变化大于其他季节。

3.2 植被干旱空间分布特征

由图3可知，黄河中游年际植被干旱空间差异明显，黄河中游春、夏、秋、冬四季中旱及以上级别的干旱分别占研究区面积的比重为71.54%，44.61%，30.35%，63.74%，说明春季黄河中游植被干旱情况比其他季节更加严重，秋季整体上干旱情况要好于其他季节。从各地貌分区来看，河谷平原区各季节旱情都以中旱为主，旱情较其他分区严重，风沙区、黄土高塬沟壑区、黄土丘陵沟壑区、河谷平原区、土石山区春季旱情都较严重，主要以中旱为主，春季由于黄河中游气温回升快，此时降水稀少，蒸发旺盛，再加上农作物生长耗水量大，导致供需矛盾，进而加剧了黄河中游春季干旱。
图3 2000—2021年黄河中游各季节及年际的空间分布

Fig.3 Spatial distribution of each season and inter-annual in the middle reaches of the Yellow River from 2000 to 2021

4 讨论

4.1 植被覆盖变化与区域植被干旱特征关系分析

为了进一步分析黄河中游自1999年退耕还林还草工程实施以来植被覆盖变化与黄河中游植被干旱之间的关系，本文将从以下几方面进行分析。
1） 植被覆盖时间变化特征。图4a为黄河中游退耕还林还草工程实施前后植被覆盖变化，通过对比退耕还林还草工程实施前后植被覆盖度状况，发现2000—2021年黄河中游地区植被覆盖度增长速率（0.089/10a）高于1980—1999年（0.052/10a），说明随着退耕还林还草工程的实施，黄河中游地区植被覆盖度有显著上升。
图4 黄河中游2000—2021年植被覆盖度（a）、蒸散发量（b）、土壤水分（c）、降水量（d）、气温变化（e）

Fig.4 Changes in vegetation coverage (a), evapotranspiration (b), soil moisture (c), precipitation (d), temperature (e) in the middle reaches of the Yellow River from 2000 to 2021

2） 黄河中游地区2000—2021年降雨量、气温变化。从图4d-e发现，2000—2021年黄河中游降雨量整体呈升高状态，年均降雨量介于424.4~634.1 mm，多年平均值为492.01 mm，变化速率为3.560 1 mm/a，最大值出现在2003年（634.1 mm），最小值出现在2005年（424.4 mm），2000—2021年气温整体呈上升状态，年均气温介于9.50~10.81℃，多年均值为10.14℃，变化速率为0.004 5℃/a。
3） 植被覆盖度增加对蒸散发的影响。由图4b可知，黄河中游地区1980—1999年与2000—2021年蒸散发均呈波动上升趋势，但2000—2021年增长速率（4.5547 mm/a）高于1980—1999年（0.1427 mm/a），最高年份（2016年）蒸散发量（483.39 mm）比最低年份2003年蒸散发量（343.76 mm）增加139.63 mm，这反映出黄河中游地区退耕前后蒸散发量有显著增加趋势。
4） 植被覆盖度增加对土壤水分的影响。图4c可知，1980—1999年黄河中游地区土壤水分整体呈上升趋势趋势，2000—2021年黄河中游地区土壤水分呈下降趋势，1980—1999年增长速率0.013/10 a，2000—2021年下降速率−0.008/10a，最高年份（1998年）土壤水分0.218 m3/m3比最低年份（2019年）土壤水分0.145 m3/m3增加0.073 m3/m3，黄河中游地区土壤水分在退耕前后有明显变化。
综上，退耕还林还草工程实施以来，黄河中游地区植被覆盖度显著增加，减轻了当地水土流失状况，流域泥沙量有效缓解，对当地防风固沙、生态环境均有较好改善。但是，大面积生态恢复也会产生一定不利影响。植被覆盖度上升使黄河中游地区植物消耗水量增多，随着21世纪以来气候变化，蒸散发量导致土壤水分下降，土壤更干燥化，引起区域水资源不足，引发诸如植被干旱等一系列生态环境问题，从水量平衡角度看，虽然降水量呈增加趋势，但降水量的增长速率（3.5601 mm/a）低于蒸散发量增长速率（4.5547 mm/a），水量消耗要高于水量输入。因此，目前应因地制宜选择适合当地的合适物种来进行种植，否则会使得地区产生诸如植被干旱、极端干旱事件、土壤更加干燥化等问题。

4.2 影响因素分析

基于黄河中游地理位置、地形地貌等基本状况，结合前人相关方面研究[28]，本文选取黄河中游2000—2021年年均气温、土壤水分、蒸散发、年均降雨量、人口密度、坡度、植被覆盖度作为自变量，利用多元线性回归模型来分析影响黄河中游地区TVPDI空间分布的影响因素。
由图5可知，气温、蒸散发、降雨量与TVPDI相关性均超过0.55，而人口密度、坡度、植被覆盖度与TVPDI相关性较低，低于0.21，说明气温、蒸散发、降雨量3者与TVPDI相关关系较强，影响程度较大，人口密度、坡度、植被覆盖度与TVPDI相关关系较低，影响程度较小，各自变量与TVPDI相关性主要以负相关为主，仅土壤水分、降雨量与因变量TVPDI呈正相关关系，主要是由于土壤水分越高、降雨量越大，对于干旱缓解状况越好，越有利于减轻干旱，图中也反映了其他自变量之间的关系，降雨量与土壤水分之间相关性较高，为0.923，说明降雨量对土壤水分有至关重要影响。
图5 各自变量与因变量TVPDI相关系数矩阵热力图

X 1~X 7分别代表气温、土壤水分、蒸散发量、降雨量、人口密度、坡度和植被覆盖度；Y 1代表TVPDI（温度植被降水干旱指数）

Fig.5 Thermal diagram of TVPDI correlation coefficient matrix between respective variables and dependent variables

表1可知，R 2=0.709，说明多元线性回归模型与原始数据拟合程度较好，回归方程的Durbin-Watson检验值为1.246，说明残差存在一定程度正相关，F检验的P值[Prob（F-统计）]为0.003，小于0.05，说明气温、蒸散发、降雨量等自变量与因变量TVPDI间线性关系显著，用多元线性回归模型来解释气温、蒸散发、降雨量等自变量与因变量TVPDI线性关系合理。多元线性回归方程的截距和各自变量的回归系数均已得出，除了X 5回归系数P值大于0.05，其余自变量回归系数P值均小于0.05，通过了显著性检验。该模型的条件数结果为1.02e+05，结果较大，说明该模型可能存在自变量之间的多重共线性问题。
表1 各自变量与因变量多元线性回归分析结果

Table 1 Multiple linear regression analysis results of individual variables and dependent variables

回归系数 标准误差 T检验 显著性
　　注: X 1~X 7分别代表气温、土壤水分、蒸散发量、降雨量、人口密度、坡度和植被覆盖度。
截距 40.967 23.575 1.738 0.000
X 1 −0.096 0.055 −1.734 0.000
X 2 13.496 19.915 0.338 0.000
X 3 −64.015 10.749 −1.841 0.000
X 4 0.107 0.351 0.306 0.000
X 5 −0.634 0.674 −0.940 0.363
X 6 1.162 5.938 0.916 0.000
X 7 −0.002 0.006 −0.214 0.000
R-squared 0.709
Durbin-Watson 1.246
Prob（F-统计） 0.003
条件数 1.02e+05
综上所述，该模型拟合度较好，建立合理，在之后的研究中，我们将考虑更合适的模型，来解决多重共线性问题，从而增强模型的稳定性。

5 结论

本文基于2000—2021年MODIS数据和降水数据，通过计算不同时间尺度和空间变化的温度植被降水干旱指数（TVPDI），分析了黄河中游植被干旱时空变化特征，并对黄河中游地区植被干旱影响因素以及退耕还林还草工程实施以来植被覆盖变化与黄河中游植被干旱之间关系进行分析，结论如下：
1） 2000—2021年黄河中游TVPDI年均值呈不显著上升趋势，植被干旱程度呈轻微下降趋势。
2） 2000—2021年黄河中游植被干旱程度各地貌区差异显著，黄土高塬沟壑区旱情较轻，风沙区与河谷平原区旱情较重。
3） 气温、蒸散发和降雨量是影响黄河中游TVPDI空间分异的主要影响因子，气温、蒸散发、降雨量等自变量与TVPDI线性关系显著，拟合度较好。
4） 退耕还林还草工程实施以来黄河中游植被覆盖呈增加趋势，植被覆盖增加引起的环境变化进一步加剧黄河中游植被干旱风险。

1 http://www.gscloud.cn [2022-10-06]

2 hhttp://www.gscloud.cn [2022-10-06]

3 http://www.geodata.cn [2022-10-10]

4 https://www.gleam.eu [2022-10-15]

5 http://chg.geog.ucsb.edu/data/chirps/ [2022-10-16]

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
Hateren T C, Chini M, Matgen P et al Ambiguous agricultural drought: Characterising soil moisture and vegetation droughts in Europe from earth observation Remote Sensing 2021 13 10 1990

DOI

2
张华, 徐存刚, 王浩 2001—2018年西北地区植被变化对气象干旱的响应 地理科学 2020 40 6 1029 1038

Zhang Hua, Xu Cungang, Wang Hao Response of vegetation change to meteorological drought in Northwest China from 2001 to 2018 Scientia Geographica Sinica 2020 40 6 1029 1038

3
李明, 葛晨昊, 邓宇莹, 等 黄土高原气象干旱和农业干旱特征及其相互关系研究 地理科学 2020 40 12 2105 2114

Li Ming, Ge Chenhao, Deng Yuying et al Meteorological and agricultural drought characteristics and their relationship across the Loess Plateau Scientia Geographica Sinica 2020 40 12 2105 2114

4
李菁, 任义方, 戴竹君, 等 基于MODIS干旱指数与RBFNN方法的江苏冬小麦需水关键期土壤水分遥感监测应用 干旱地区农业研究 2022 40 6 251 257

Li Jing, Ren Yifang, Dai Zhujun et al Retrieval of soil moisture at critical period of water demand of winter wheat in Jiangsu Province using MODIS drought index and RBFNN Agricultural Research in the Arid Areas 2022 40 6 251 257

5
张淑怡, 尤怡靖, 朱泓恺, 等 长三角地区植被覆盖演变城乡差异及原因解析 生态学报 2023 43 14 1 14

Zhang Shuyi, You Yijing, Zhu Hongkai et al Analysis of urban-rural differences and reasons for vegetation cover evolution in the Yangtze River Delta region Acta Ecologica Sinica 2023 43 14 1 14

6
张瑾, 王斌, 白建军 基于植被状态指数的甘肃省2000—2019年干旱时空特征分析 水土保持研究 2022 29 6 167 173+182

Zhang Jin, Wang Bin, Bai Jianjun Spatio-temporal characteristics of drought in Gansu Province from 2000 to 2019 based on vegetation state index Research of Soil and Water Conservation 2022 29 6 167 173+182

7
梁任刚, 周旭, 李松, 等 基于CWSI的贵州省干旱时空变化特征及影响因素分析 水土保持研究 2022 29 3 284 291

Liang Rengang, Zhou Xu, Li Song et al Analysis of spatiotemporal changes and influencing factors of drought in Guizhou Province based on CWSI Research of Soil and Water Conservation 2022 29 3 284 291

8
王雪琴, 张翔, 陈能成, 等 基于时空变异性的土壤水分观测网设计 遥感技术与应用 2022 37 6 1437 1446

Wang Xueqin, Zhang Xiang, Chen Nengcheng et al Design of soil moisture network based on temporal and spatial variability Remote Sensing Technology and Application 2022 37 6 1437 1446

9
孙南沙, 陈琼, 刘峰贵, 等 2000—2020年河湟谷地农业干旱研究 干旱区地理 2023 46 3 437 447

Sun Nansha, Chen Qiong, Liu Fenggui et al Agricultural drought research in Yellow River-Huangshui River Valley from 2000 to 2020 Arid Land Geography 2023 46 3 437 447

10
陈洁, 刘玉洁, 潘韬, 等 1961—2010年中国降水时空变化特征及对地表干湿状况影响 自然资源学报 2019 34 11 2440 2453

DOI

Chen Jie, Liu Yujie, Pan Tao et al Spatiotemporal variation of precipitation in China and its impact on surface dry-wet conditions during 1961—2010 Journal of Natural Resources 2019 34 11 2440 2453

DOI

11
陈诚, 赵书河 基于TRMM降雨数据的中国黄淮海地区干旱监测分析 国土资源遥感 2016 28 1 122 129

Chen Cheng, Zhao Shuhe Drought monitoring and analysis of Huanghuai Hai Plain based on TRMM precipitation data Remote Sensing for Natural Resources 2016 28 1 122 129

12
陈哲璐, 黄万里, 叶士琳, 等 基于不同TVDI指数的福建省2018年农业干旱监测差异分析 自然灾害学报 2021 30 6 233 243

Chen Zhelu, Huang Wanli, Ye Shilin et al Analysis of differences in agricultural drought monitoring based on different TVDI indices in Fujian Province in 2018 Journal of Natural Disasters 2021 30 6 233 243

13
Feng X M, Fu B J, Piao S L et al Revegetation in China’s Loess Plateau is approaching sustainable water resource limits Nature Climate Change 2016 6 1019 1022

DOI

14
Li X F, Tian Y C, Gao T et al Trade-offs analysis of ecosystem services for the Grain for Green Program: Informing reforestation decisions in a mountainous headwater region Northeast China Sustainability 2020 12 6 17

15
王雅舒, 李小雁, 石芳忠, 等 退耕还林还草工程加剧黄土高原退耕区蒸散发 科学通报 2019 64 Z1 588 599

Wang Yashu, Li Xiaoyan, Shi Fangzhong et al The Grain for Green Project intensifies evapotranspiration in the revegetation area of the Loess Plateau in China Chinese Science Bulletin 2019 64 Z1 588 599

16
王晓峰, 杨丹, 冯晓明, 等 黄河中游地区生态恢复对流域水资源的影响 水土保持通报 2020 40 6 205 212

Wang Xiaofeng, Yang Dan, Feng Xiaoming et al Impacts of ecological restoration on water resources in middle reaches of Yellow River Bulletin of Soil and Water Conservation 2020 40 6 205 212

17
Jia X, Zhu Y, Luo Y Soil moisture decline due to afforestation across the Loess Plateau, China Journal of Hydrology 2017 546 113 122

DOI

18
张宝庆, 邵蕊, 赵西宁, 等 大规模植被恢复对黄土高原生态水文过程的影响 应用基础与工程科学学报 2020 28 3 594 606

Zhang Baoqing, Shao Rui, Zhao Xining et al The impact of large-scale vegetation restoration on ecological and hydrological processes in the Loess Plateau Journal of Basic Science and Engineering 2020 28 3 594 606

19
李丽丽, 杜军, 李亚徽, 等 2000—2020年祁连山冻土区植被水分利用效率变化特征及其对干旱的响应 冰川冻土 2023 45 2 688 698

Li Lili, Du Jun, Li Yahui et al Changes of water use efficiency and responding to scPDSI in frozen ground area of Qilian Mountain from 2000 to 2020, Northwestern China Journal of Glaciology and Geocryology 2023 45 2 688 698

20
Wei W, Pang S, Wang X, et al Temperature vegetation precipitation dryness index (TVPDI)-based dryness-wetness monitoring in China Remote Sensing of Environment 2020 248 111957

DOI

21
林依雪, 李艳忠, 余文君, 等 植被恢复工程对黄河中游12个典型流域水热平衡的影响研究 地理研究 2020 39 11 2593 2606

Lin Yixue, Li Yanzhong, Yu Wenjun et al Quantitative assessment of the impact of the vegetation restoration project on water-energy balance in 12 typical basins of the middle Yellow River Geographical Research 2020 39 11 2593 2606

22
金钊. 走进新时代的黄土高原生态恢复与生态治理[J]. 地球环境学报, 2019, 10(3): 316-322

Jin Zhao. Ecological restoration and governance of the Loess Plateau in the new era. Journal of Earth Environment, 2019, 10(3): 316-322.

23
Feng X, Fu B, Lu N et al How ecological restoration alters ecosystem services: An analysis of carbon sequestration in China’s Loess Plateau Scientific Reports 2013 3 1 1 5

24
Wei W, Zhang H, Ma L et al Reconstruction and application of the temperature-vegetation-precipitation drought index in China based on remote sensing datasets and a spatial distance model Journal of Environmental Management 2022 323 116208

DOI

25
程军, 李云祯, 邹渝 新疆干旱时空动态及其对气候变化的响应 自然资源遥感 2022 34 4 216 224

Cheng Jun, Li Yunzhen, Zou Yu The spatial and temporal dynamics of drought in Xinjiang and its response to climate change Remote Sensing for Natural Resources 2022 34 4 216 224

26
宋春桥, 游松财, 刘高焕, 等 基于TVDI的藏北地区土壤湿度空间格局 地理科学进展 2011 30 5 569 576

DOI

Song Chunqiao, You Songcai, Liu Gaohuan et al The spatial pattern of soil moisture in northern Tibet based on TVDI method Progress in Geography 2011 30 5 569 576

DOI

27
张文强, 罗格平, 郑宏伟, 等. 基于随机森林模型的内陆干旱区植被指数变化与驱动力分析: 以北天山北坡中段为例[J]. 植物生态学报, 2020, 44(11): 1113-1126

Zhang Wenqiang, Luo Geping, Zheng Hongwei et al. Analysis of vegetation index changes and driving forces in inland arid areas based on random forest models: A case study of the middle section of the northern slope of the North Tianshan Mountains. Journal of Plant Ecology, 2020, 44(11): 1113-1126.

28
王椰, 史海静, 姜艳敏, 等. 基于TVDI的黄土高原干旱时空变化与其影响因素[J]. 农业机械学报, 2023, 54(7): 184-195

Wang Ye, Shi Haijing, Jiang Yanmin et al. The spatiotemporal changes and influencing factors of drought in the Loess Plateau based on TVDI. Transactions of the Chinese Society for Agricultural Machinery, 2023, 54(7): 184-195.

Options
文章导航

/

〈 〉