论文部分内容阅读
摘要：植被结构是影响植被水土保持效应的重要因素之一，遥感技术是监测区域尺度植被结构动态变化的最有效工具。本文将植被叶面积指数分解为植被覆盖度与垂直维叶面积指数2个参数指标，分别表示植被的水平维结构和垂直维结构。本文利用2000-2014年的MOD44B和MOD15A2H产品，基于Mann-Kendall趋势检验与Sen斜率分析方法，由大空间尺度到像素尺度，分析黄河流域、黄河源区、黄土高原以及黄河各子流域和不同坡度上的植被水平维与垂直维结构的时空分异特征。结果表明：（1）2000-2014年黄河流域植被覆盖度变化趋势不显著，而垂直维LAI呈显著上升趋势。在大空间尺度上，树木覆盖度与垂直维LAI呈显著正相关关系，黄土高原退耕还林还草工程对植被垂直维结构的影响大于对植被水平维结构的影响。（2）黄土高原植被结构参数增加面积比重大，河源区变化面积比重小。黄土高原植被垂直维结构相对变化率最大。（3）黄河源区5°以下区域植被结构变化面积比和相对变化率最大，黄土高原15°-25°区域内的变化面积比重最大。植被结构参数的相对变化率呈现随坡度的增加而逐渐降低的趋势。
关键字：MODIS产品；植被覆盖度；垂直维LAI；树木覆盖度；时空分异规律
Abstract： Vegetation structural characteristic is an important factor determining soil and water conservation effect of vegetation. Remote sensing technology is the most effective tool to monitor vegetation dynamics at regional scale. In this paper， the spatio-temporal variation characteristics of vegetation structure in the horizontal and vertical dimensions including fractional vegetation coverage （FVC）， tree coverage and leaf area index （LAI） in the vertical dimension were analyzed from large regional scale to MODIS pixel scale using Mann-Kendall trend test and Sen’s slope analysis methods based on MOD44B and MOD15A2H products during 2000 to 2014. The results show that 1） The variation trend of FVC is not significant， and vertical-dimension LAI have significant increasing trend. Tree cover is positively and significantly related to LAI in the vertical dimension at large spatial scale. 2） The proportion of areas where vegetation structural parameters increase significantly is highest in the loess plateau， and lowest in the source region. Relative change ratio of vertical-dimension LAI in the loess plateau is largest. 3） The ratio of changed area and relative change ratio of vegetation structural parameters within the area with slope less than 5° in the source region is highest. The ratio of change area of vegetation structural parameters within the area with slope between 15° and 25° in the loess plateau is highest. It is also observed that variation density of vegetation structural parameters will decrease with slope increase.
Key words： MODIS products； Yellow River Basin； vegetation fractional coverage； tree cover； LAI in the vertical dimension； Spatio-temporal change analysis.
1 引言
过去几十年中，在中国人口快速增长和经济迅猛发展的背景下，土地生产力退化、沙漠化及水土流失已严重影响农业生产和经济社会的可持续发展。2010年首度发布的《黄河流域水土保持公报》，黄河流域水土流失面积46.5万平方千米，占总流域面积的62%，其中强烈、极强烈、剧烈水力侵蚀面积分别占全国相应等级水力侵蚀面积的39%、64%、89%，是我国乃至世界上水土流失最严重的地区。黄河上中游地区人类活动对自然植被的破坏是造成该生态问题的主要原因 [1-3]。为解决这一生态环境问题，中国政府于1999年启动了“退耕还林还草”重点生态修复工程，通过在原坡耕地上植树植草来改变坡耕地植被类型和植被覆盖度从而减少水土流失的风险 [4，5]。但目前，该工程的效益及影響存在争议[6-15]。因此，对近十几年黄河流域的植被变化进行时空变化分析有助于全面了解黄河流域以及各子流域内植被变化面积与变化程度，并对科学评价流域生态环境和制定科学有效的水土保持措施具有重要的科学意义。 大量研究已经表明，植被的结构特征是影响植被水土保持效益的重要因素[16，17]。目前植被覆盖度（Fractional Vegetation Coverage ，FVC）、叶面积指数（Leaf Area Index， LAI）、植被高度等是表述植被结构特征的重要指标。植被覆盖度是指植被的整体（包括叶、茎、枝）在地面的垂直投影面积占统计区域总面积的百分比，该参数仅能代表植被的水平结构特征。LAI是指单位土地面积上植物叶片总面积占土地面积的倍数，该参数能够同时反映植被水平与垂直结构特征。垂直维LAI是指单位植被覆盖面积上植物叶片总面积占植被覆盖面积的倍数，该参数可以消除植被覆盖度对LAI的影响，从而可以有效反映出区域植被的垂直结构特征[18]。本文主要选用植被覆盖度、垂直维LAI等植被结构参数进行统计分析。
遥感技术是监测区域尺度植被动态变化的最有效工具。大多数研究均直接利用长时间序列遥感卫星NDVI植被指数数据集（如：AVHRR[19]，SPOT[20]，MODIS[8，21]）对区域植被进行时空变化分析，但NDVI植被指数主要反映地表植被绿度信息，且所用遥感数据空间尺度较大，难以反映地表植被结构真实变化情况。目前针对黄河流域植被结构时空分异特征分析还相对较少。本文选用MODIS最新发布的高分辨率LAI产品与对黄河流域2000-2014年植被结构特征进行时空变化分析研究。
2 研究区概况与研究方法
2.1 研究区概况
黄河发源于中国青海省巴颜喀拉山脉，流经9个省区，于山东东营市垦利县注入渤海，全长5464公里，是中国第二长河。黄河干流河道可分为上、中、下游和11个河段。从青海卡日曲至龙羊峡为河源段。河源至内蒙古自治区托克托县的河口镇为上游，河道长3471.6公里，流域面积42.8万平方公里，占全河流域面积53.8%。河口镇至河南郑州市的桃花峪为中游，河段长1206.4公里，流域面积34.4万平方公里，占全流域面积的43.3%。中游河段流经黄土高原地区，支流带入大量泥沙，使黄河成为世界上含沙量最多的河流。黄土高原海拔一般在1000-1300米，地貌起伏不平，坡陡沟深，沟谷面积占40-50%。黄河桃花峪至入海口为下游。流域面积2.3万平方公里，仅占全流域面积的3%，河道长785.6公里。黄河主要支流有白河、黑河、湟水、祖厉河、清水河、大黑河、窟野河、无定河、汾河、渭河、延河、北洛河、泾河、沁河、大汶河等。黄河流域地理位置如图1所示。
2.2 数据获取与处理
本研究使用2000-2014年的MODIS植被覆盖度产品（MOD44B）、NDVI产品（MOD13A1）和2015年最新发布的LAI产品（MOD15A2H）（http：//ladsweb.nascom.nasa.gov/data/search.html）对黄河流域的植被结构参数进行时空变化分析。利用MRT（MODIS Reprojection Tools）进行数据提取、批量拼接、投影转换，并对拼接后的影像进行裁剪得到黄河流域范围内数据。
MOD13A1产品空间分辨率为500米，时间分辨率为16天。MOD44B产品空间分辨率为250米，时间分辨率1年。该产品综合利用混合像元分解法和决策树回归分析方法对木本植被、草本植被、非植被的亚像元丰度信息进行反演 [22]。MOD15A2H产品空间分辨率为500米，时间分辨率8天。该产品综合利用植被指数与LAI的经验关系和三维辐射传输模型查找表法对植被真实LAI进行反演 [23]。为有效去除由云和大气条件引起的数据噪声，客观的反映地表真实LAI，本文采用Chen等[24]提出的基于Savitzky-Golay滤波的时间序列重构方法。在多个产品分辨率不一致的情况下，考虑到尺度下推方法精度较低的问题，本文采用聚合平均法将MOD44B数据尺度上推到500米分辨率。
本文使用整个黄河流域的30米空间分辨率ASTER-DEM数据对黄河流域植被结构参数在不同坡度上的变化情况进行分析。先基于30米分辨率DEM计算得到坡度数据，再采用聚合平均值法将30米坡度数据尺度上推到500米分辨率尺度上。
2.3 区域尺度植被结构参数指标
2.3.1 植被覆盖度
本文选取MOD13A1 NDVI时序产品数据对植被覆盖度进行反演。由于完全覆盖的不同植被类型具有不同的NDVI值，因此本文选用了结合土地覆盖类型的像元二分法计算植被覆盖度，计算公式如式（1）所示。
其中，VFCij表示第j类土地覆盖类型中的第i个像素的植被覆盖度。NDVImaxj为2000-2014年时间内第j类土地覆盖类型中对应的所有年最大NDVI像元中95%下分位数，NDVImin为2000-2014年时间内裸地类型对应的所有年最小NDVI像元中5%下分位数。
2.3.2 垂直维LAI
由于LAI的定义是单位土地面积上植物叶片总面积占土地面积的倍数，因此LAI综合反映了植被水平和垂直维的结构特征。尤其对于植被覆盖稀疏区域，植被水平结构对LAI的影响较大。为了能够更准确的反映植被垂直维结构特征，本文参考王志慧等[18]垂直维LAI的概念，具体计算公式如式（2）所示。垂直维LAI总是大于等于LAI，当植被覆盖度为100%时，垂直维LAI与LAI相等。
式中，LAIver表示垂直维LAI，Sisaf、Sveg和Siand分别表示植物叶片总面积、植被覆盖面积和土地面积，LAI为植被叶面积指数，VFC为植被覆盖度。
2.4 研究方法
2.4.1 Mann-Kendall趋勢检验与Sen斜率分析
本研究采用Mann-Kendall非参数检验方法对黄河流域植被结构参数时间序列的时空变化趋势进行统计分析，利用下式计算Mann-Kendall检验统计量[25]： 2.4.2 变化面积比重与相对变化率计算
为了描述植被结构的变化特征，本文采用变化面积比重和相对变化率来反映植被结构参数的时空分异特征。植被结构变化面积比重（D）是指某个区域范围内植被结构参数显著增加或减少（α<0.05）面积占该区域范围总面积的比重，该参数可揭示植被结构参数变化的剧烈程度。计算公式如式（6）所示：
式中，A是特定区域内植被参数显著增加或显著减少区域面积（km2），S是该区域范围的面积（km2），D值越大，说明该区域内植被结构变化范围越大。
植被结构相对变化率（R）是指植被结构参数15年变化幅度与15年平均水平的比值，该参数可以揭示植被结构参数变化的强度信息，计算公式见式（7）、（8）所示：
式中，T表示时间跨度，△X表示时间跨度内绝对变化幅度。但由于不同△X的基数不同，不能直接用△X来对不同像素的变化程度进行比较，因此本文利用相对变化率R来表示趋势变化的程度大小。该值按照年均值大小对β进行了标准化，能够充分表示趋势变化的强度，使得不同像素的趋势变化强度具有可比性[26]。
2.4.3 植被覆盖度和垂直维LAI变化原因分析
利用MODIS产品可得到2000-2014年期间每8天的LAI时间序列数据和每年的植被覆盖度、树木覆盖度时间序列数据。利用式（2）对年际垂直维LAI进行计算。最终可得到2000-2014年的年际植被覆盖度（包括林草与农田）、树木覆盖度、垂直维LAI时间序列数据集。首先将树木覆盖度与2种植被参数（植被覆盖度FVC和垂直维LAI）分别进行线性回归。
3结果与分析
3.1 黄河流域植被结构时空变化总体特征
3.1.1 黄河流域、黄河源区、黄土高原植被结构时空变化特征
因篇幅限制，在黄河流域的四大区域（河源、上、中、下游區）中，本文仅选择生态意义重大的黄河源区及水土流失严重的中游区（黄土高原区）及整个黄河流域进行分析。2000-2014年间整个黄河流域和流域内两大区域（黄河源区、黄土高原区）的植被覆盖度及垂直维LAI年际变化曲线和统计结果如图2和表1所示。在本文中，若时间序列数据的M-K检验显著性水平小于0.05则认为该趋势变化具有显著性统计学意义，若显著性水平大于0.05则认为该趋势没有统计学意义，表示没有发生显著性变化。
表1 黄河流域与流域两大区域2000-2014年植被结构参数平均值及其变化特征统计结果
从图2中可以看出，整个黄河流域和两大区域的的植被覆盖度及植被覆盖垂直维LAI均呈现上升变化趋势，表明2000-2014年间黄河流域植被结构在水平维和垂直维上均得到了不同程度的改善。从表1中的统计结果可知，1）近15年期间黄河流域的平均植被覆盖度及平均垂直维LAI分别为56%和3.07。其中，植被覆盖度的相对变化率仅为5.1%，且变化不显著（p>0.05）；但垂直维LAI的相对变化率均超过了30%，且变化趋势均达到显著性水平（p<0.01）。2）植被覆盖度及垂直维LAI，河源区均大于黄土高原。总体来说，黄土高原的植被生长状况最差。与黄河源区相比，黄土高原的植被覆盖度、垂直维LAI的相对变化率均为最大，分别为6%、40%，说明黄土高原区域植被格局在过去15年期间发生了剧烈变化，其中植被总覆盖度变化并不显著（p>0.05），垂直维LAI发生了显著变化（p<0.01），表明黄土高原区域的植被垂直结构发生了显著变化。黄河源区植被结构参数的相对变化率最低，表明黄河源区的植被结构较黄土高原相对稳定。
3.1.2 大空间尺度树木覆盖度与植被覆盖度、垂直维LAI相关性分析
大量研究已经表明，自1999年国家实施退耕还林生态修复工程以来，黄土高原乃至整个黄河流域内树木覆盖度显著提高，但退耕还林还草活动对大空间尺度植被结构的影响尚未被分析。本文利用大尺度年际树木覆盖度与植被覆盖度、垂直维LAI分别进行回归分析，结果如图3所示。从图中可以表明，对于整个黄河流域，树木覆盖度与植被覆盖度、垂直维LAI的回归决定系数分别为0.232和0.766，对于黄土高原区域，回归决定系数分别为0.10和0.88。可见，树木覆盖度与垂直维LAI的相关性远远高于其与植被覆盖度的相关性，表明在大空间尺度上，退耕还林还草活动对黄河流域植被的垂直维结构的影响大于对水平维结构的影响。
为了对2000-2014年期间不同流域植被结构的时空变化特征进行有效评价，本文对黄河流域内91个子流域和黄河沿岸地区的植被覆盖度、树木覆盖度、垂直维LAI的空间平均值和相对变化率分别进行统计，统计结果如图4所示。从图4中选择14个主要产流产沙流域和黄河沿岸作为重点分析对象，结果表明，1）白河的植被覆盖度最高，无定河的植被覆盖度最低。黄土高原内的支流植被覆盖度均较低，但伊洛河和沁河流域植被覆盖度较高。黄河沿岸、洮河、伊洛河的植被覆盖度显著增加，但相对变化率均小于5%，且其余的支流植被覆盖度均无显著变化；2）沁河的树木覆盖度最高，无定河的树木覆盖度最低。流域树木覆盖度的相对变化率随着流域树木覆盖度水平的增加而呈现出减少的趋势。表明无定河、窟野河、延河流域开展了大规模的植树造林工程，使得这些原本树木覆盖度较低的流域的树木覆盖度显著增加，其中，窟野河的树木覆盖度变化量是近15年覆盖度平均水平的1.73倍。河龙区间陕西境内流域的植树造林强度大于山西境内流域；3）黑河的垂直维LAI最高，窟野河的垂直维LAI最低。黄土丘陵沟壑区的无定河、窟野河、延河流域的垂直维LAI均较低，表明半干旱区域植被的垂直分层结构特征不明显，而位于气候湿润区域的黑河、白河、洮河流域内植被垂直分层结构较为复杂，垂直维LAI均大于4.5。经过长期的退耕还林还草工程的实施，位于河龙区间的无定河、窟野河、延河、汾河等支流的垂直维LAI相对变化率均位于整个黄河流域的前列，均超过50%。值得注意的是，黄河沿岸植被结构参数也显著增加，表明黄河主河道岸边的植被正在逐步恢复。 3.3 基于像素尺度的植被结构时空变化分析
3.3.1 区域/流域范围内部植被结构变化差异
为了对黄河流域内植被结构参数的空间分布特征进行评价分析，本文将2000-2014年的年际植被结构参数进行均值化处理，该数据则代表了黄河流域植被结构参数近15年的平均水平，如图5（a1）、（a2）所示。基于像素尺度的显著变化区域相对变化率如图5（b1）、（b2）所示，同时根据公式（6）对不同区域内的植被结构参数变化面积比重进行统计。分析结果表明：1）在空间分布上，整个黄河流域植被水平维和垂直维结构参数均呈现出由西北干旱地区向东南湿润地区逐渐增大的总体趋势。其中，垂直维LAI的变化梯度要大于植被覆盖度的变化梯度，大部分干旱/半干旱地区植
被覆盖度仍然大于35%，仅有少部分地区的植被覆盖度小于25%。然而，干旱/半干旱地区的垂直维LAI保持在较低水平，小于2.0。两种植被结构参数较高值主要出现在子午岭、黄龙山、秦岭山脉、吕梁山脉、关山、麦积山等山区的森林覆盖区域（图5（a1）、（a2））；2）在时空变化上，植被覆盖度显著增加的区域占整个黄河流域的3.5%，而显著减少的面积比例为12.6%，其主要分布在内蒙古砒沙岩地区、吕梁山脉北端、黄河源区内扎陵湖、鄂陵湖周边等地区（图5（b1））。表征植被垂直结构的垂直维LAI显著增加区域所占面积比重为31.8%，是植被覆盖度增加面积的近十倍，其零星分布在黄土高原河龙区间各子流域内部（图5（b2））。对于河源区、黄土高原两大区域来说，黄土高原的植被结构参数（植被覆盖度、垂直维LAI）显著增加区域面积比重最大，分别为15.1%、39%，这正反映了黄土高原实施的大规模退耕还林还草、植树造林等生态修复工程成效。黄河源区植被结构参数显著变化区域面积比重最小。
3.3.2 不同坡度范围内部植被结构变化差异
坡度是影响土壤侵蝕强度的重要因子[27]，不同坡度上植被结构的变化程度对流域尺度的水土流失有着明显的控制作用。为了评估不同坡度上植被结构变化程度，本文按照水利部颁布的土壤侵蚀分类分级标准SL190-2007，将黄河流域的坡度划分为6个等级：<5°，5°–8°，8°–15°，15°–25°，25°–35°，>35°。在500米空间尺度上，黄河流域35°以上区域只占0.8%，25°–35°区域占6.7%，15°–25°区域占27.6%，8°–15°区域占22.7%，5°–8°区域占7.2%，5°以下区域占35%。
本文将研究区2000-2014年植被结构参数的时空变化图与研究区的坡度图进行空间叠加，分别统计获取黄河流域两大区域不同坡度上的植被水平与垂直结构参数变化面积比重、结构参数的平均相对增加率等信息，进行分析黄河流域不同区域的不同坡度植被水平与垂直结构参数变化特征。图6表示河源区、黄土高原的不同坡度植被水平与垂直结构参数的变化情况，统计结果表明：1）河源区5°以下区域内的植被覆盖度和垂直维LAI的变化面积比重和相对增加率最大，且植被结构参数变化面积比重随坡度逐渐增加而减少，表明随着坡度的增加植被结构参数也随之越来越稳定；2）黄土高原15°-25°区域内的植被覆盖度和垂直维LAI的增加面积比重最大，各坡度的植被覆盖度增加面积比重依次降序排列为15°-25°（19.7%）>25°-35°（15.5%）>8°-15°（14.5%）>5°以下（13%）>5°-8°（11.6%），垂直维LAI的增加面积比重依次降序排列为15°-25°（53%）>8°-15°（49.3%）>25°-35°（30.1%）>5°-8°（28.2%）>5°以下（25.5%）。表明黄土高原8°以上区域的植被结构变化发生显著变化的区域较大，15°-25°区域植被结构变化面积比重最大； 3）不同区域的不同坡度上的植被垂直结构比水平结构的变化强度大，且植被结构的变化强度会随着坡度的增加而逐渐减弱，表明较低坡度地形具有较好的水、热、土等自然条件，适合植被生长。
4结论与讨论
4.1 结论
（1）2000-2014年，黄河流域的平均植被覆盖度、平均垂直维LAI分别为56%、和3.07。其中，植被覆盖度变化趋势不显著，而垂直维LAI呈显著上升趋势，且相对变化率均超过30%。植被覆盖度（包括：林草与农田）显著增加的区域占整个黄河流域的3.5%，而显著减少的面积比为12.6%；表征植被垂直结构的垂直维LAI显著增加区域面积比重为31.8%。在大空间尺度上，黄土高原的植被垂直结构发生了显著变化，这说明退耕还林还草工程造成了黄河流域地表覆盖类型发生了剧烈变化，导致林草植被覆盖面积与覆盖度急剧增加，因此植被的垂直维结构的影响大于对水平维结构的影响。
（2）植被结构的变化受到自然条件和人类活动共同影响。黄河流域不同区域植被结构变化存在明显差异。黄土高原植被结构参数（植被覆盖度、垂直维LAI）显著增加面积比重大，黄河源区植被结构参数变化面积比重小。黄土高原植被结构发生显著变化的区域主要分布在河龙区间的皇甫川、窟野河流域、无定河流域、延河流域、清涧河流域等。表明黄土丘陵沟壑区实施的大规模退耕还林等生态修复工程已有成效，黄河源区的植被结构较为稳定。
（3）综合各坡度的变化面积比和相对变化率分析结果，可看出黄河源区内5°以下区域植被结构参数变化面积比和相对变化率大，且会随着坡度的增加而逐渐减少。黄土高原内15°-25°区域内的植被覆盖度和垂直维LAI的变化面积比重最大，有效降低黄土丘陵沟壑区的潜在土壤侵蚀风险。植被结构参数的相对变化率会随着坡度的增加而逐渐减弱。
4.2 讨论
（1）本文分析得到的植被结构参数时空变化特征与国家退耕还林还草政策的有效实施密不可分。但该研究是在500米空间分辨率尺度下进行的，因此时空变化分析结论也具有一定的尺度效应问题，但本文分析结果已经比AVHRR 8km、SPOT 1km、MODIS 1km数据分析结果更为精细。今后可利用多尺度、多源遥感数据对黄河流域的植被结构参数变化进行多尺度分析研究。 （2）植被结构参数发生剧烈变化的流域的径流和产沙量均显著减少，说明植被结构参数对陆地水循环和坡面产沙过程都具有重要影响作用，今后可对植被水平维与垂直维结构参数的变化对流域产流产沙的影响进行分析研究。
参考文献：
[1]Yang X， Zhang K， Jia B， et al. Desertification assessment in China： An overview[J]. Journal of Arid Environments， 2005， 63： 517-531.
[2]Fu Bojie， Meng Q H， Qiu Y， et al. Effects of land use on soil erosion and nitrogen loss in the hilly area of the Loess Plateau， China[J]. Land Degradation & Development， 2003， 15（1）： 87–96.
[3]Maeda E E， Pellikka P K E， Siljander M， et al. Potential impacts of agricultural expansion and climate change on soil erosion in the Eastern Arc Mountains of Kenya[J]. Geomorphology， 2010， 123（3）： 279-289.
[4]Chen Lichao， Wei Wet， Fu Bojie， et al. Soil and water conservation on the Loess Plateau in China： review and perspective[J]. Progress in Physical Geography， 2007， 31（4）： 389-403.
[5]Lü Yihe， Fu Bojie， Feng Xiaoming. A policy-driven large scale ecological restoration： quantifying ecosystem services changes in the Loess Plateau of China[J]. Plos One， 2012， 7（2）： e31782.
[6]Liu Yu， Fu Bojie， Lü Yihe， et al. Hydrological responses and soil erosion potential of abandoned cropland in the Loess Plateau， China[J]. Geomorphology， 2012， 138（1）： 404-414.
[7]Sun Wenyi， Shao Quanqin， Liu Jiyuan. Soil erosion and its response to the changes of precipitation and vegetation cover on the Loess Plateau[J]. Journal of Geographical Sciences， 2013， 23（6）： 1091-1106.
[8]Sun Wenyi， Song Xiaoyan， Mu Xingmin， et al. Spatiotemporal vegetation cover variations associated with climate change and ecological restoration in the Loess Plateau[J]. Agricultural & Forest Meteorology， 2015： 87–99.
[9]Xin Z， Ran L， Lu X. Soil Erosion Control and Sediment Load Reduction in the Loess Plateau： Policy Perspectives[J]. International Journal of Water Resources Development， 2012， 28（2）： 325-341.
[10]劉晓燕， 杨胜天， 王富贵 等. 黄土高原现状梯田和林草植被的减沙作用分析[J]. 水利学报， 2014（11）： 1293-1300.
[11]刘晓燕， 刘昌明， 杨胜天 等. 基于遥感的黄土高原林草植被变化对河川径流的影响分析[J]. 地理学报， 2014， 69（11）：1595-1603.
[12]Wang Xunming， Chen Fahu， Hasi E， et al. Desertification in China： An assessment[J]. Earth-Science Reviews， 2008， 88（3）：188-206.
[13]Zhang Qiang， Xu Chongyu， Yang Tao. Variability of Water Resource in the Yellow River Basin of Past 50 Years， China[J]. Water Resources Management， 2009， 23（6）：1157-1170.
[14]Wang Yunqiang， Shao Mingan， Liu Zhipeng. Vertical distribution and influencing factors of soil water content within 21-m profile on the Chinese Loess Plateau[J]. Geoderma， 2013， 193-194（2）：300–310. [15]Jiao Juying， Zhang Zhenguo， Bai Wenjuan， et al. Assessing the Ecological Success of Restoration by Afforestation on the Chinese Loess Plateau[J]. Restoration Ecology， 2012， 20（2）：240-249.
[16]冯强， 赵文武. USLE/RUSLE中植被覆盖与管理因子研究进展[J]. 生态学报， 2014， 34（16）：4461-4472.
[17]Panagos P， Borrelli P， Meusburger K， et al. Estimating the soil erosion cover-management factor at the European scale[J]. Land Use Policy， 2015：38–50.
[18]王志慧， 姚文藝， 汤秋鸿，等. 2000—2014年黄土高原植被叶面积指数时空变化特征[J]. 中国水土保持科学， 2017， 15（1）：71-80.
[19]杨胜天，刘昌明，孙睿. 近20年来黄河流域植被覆盖变化分析[J]. 地理学报， 2002， 57（6）：679-684.
[20]Cao Lei， Xu Jianhua， Chen Yaning， et al. Understanding the dynamic coupling between vegetation cover and climatic factors in a semiarid region—a case study of Inner Mongolia[J]， China. Ecohydrology， 2012， 6.
[21]Wang Jing， Wang Kelin， Zhang Mingyang， et al. Impacts of climate change and human activities on vegetation cover in hilly southern China[J]. Ecological Engineering， 2015， 81：451-461.
[22]Zhan Xiwu， DeFries R， Hansen M， et al. MODIS Enhanced Land Cover and Land Cover Change Product Algorithm Theoretical Basis Documents Version 2. 1999. http：//modis.gsfc.nasa.gov/data/atbd/atbd_mod29.pdf.
[23]Myneni R， Knyazikhin Y， Park T. MOD15A2H MODIS/Terra Leaf Area Index/FPAR 8-Day L4 Global 500m SIN Grid V006. NASA EOSDIS Land Processes DAAC. 2015. http：//doi.org/10.5067/MODIS/MOD15A2H.006.
[24]Chen Jin， Jonsson P， Tamura M， et al. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky–Golay filter[J]. Remote Sensing of Environment， 2004， 91：332–344.
[25]李占玲， 徐宗学. 黑河上游山区径流变化特征分析[J]. 干旱区资源与环境， 2012， 26（9）： 51-56.
[26]Tang Qiuhong， Okil T.， Kanael S.， Taikan Okil， et al. A spatial analysis of hydro-climatic and vegetation condition trends in the Yellow River basin[J]. Hydrological Process， 2008， 22（3）：451-458.
[27]Quan Bin， R？mkens M J M， Li Rui et al. Effect of land use and land cover change on soil erosion and the spatio-temporal variation in Liupan Mountain Region， southern Ningxia， China[J]. Frontiers of Environmental Science & Engineering in China， 2011， 5（4）： 564-572.
（作者单位：四川省自贡市水利电力建筑勘测设计院1 黄河水利委员会 黄河水利科学研究院2 河海大学 水文水资源学院3）
关键字：MODIS产品；植被覆盖度；垂直维LAI；树木覆盖度；时空分异规律
Abstract： Vegetation structural characteristic is an important factor determining soil and water conservation effect of vegetation. Remote sensing technology is the most effective tool to monitor vegetation dynamics at regional scale. In this paper， the spatio-temporal variation characteristics of vegetation structure in the horizontal and vertical dimensions including fractional vegetation coverage （FVC）， tree coverage and leaf area index （LAI） in the vertical dimension were analyzed from large regional scale to MODIS pixel scale using Mann-Kendall trend test and Sen’s slope analysis methods based on MOD44B and MOD15A2H products during 2000 to 2014. The results show that 1） The variation trend of FVC is not significant， and vertical-dimension LAI have significant increasing trend. Tree cover is positively and significantly related to LAI in the vertical dimension at large spatial scale. 2） The proportion of areas where vegetation structural parameters increase significantly is highest in the loess plateau， and lowest in the source region. Relative change ratio of vertical-dimension LAI in the loess plateau is largest. 3） The ratio of changed area and relative change ratio of vegetation structural parameters within the area with slope less than 5° in the source region is highest. The ratio of change area of vegetation structural parameters within the area with slope between 15° and 25° in the loess plateau is highest. It is also observed that variation density of vegetation structural parameters will decrease with slope increase.
Key words： MODIS products； Yellow River Basin； vegetation fractional coverage； tree cover； LAI in the vertical dimension； Spatio-temporal change analysis.
1 引言
过去几十年中，在中国人口快速增长和经济迅猛发展的背景下，土地生产力退化、沙漠化及水土流失已严重影响农业生产和经济社会的可持续发展。2010年首度发布的《黄河流域水土保持公报》，黄河流域水土流失面积46.5万平方千米，占总流域面积的62%，其中强烈、极强烈、剧烈水力侵蚀面积分别占全国相应等级水力侵蚀面积的39%、64%、89%，是我国乃至世界上水土流失最严重的地区。黄河上中游地区人类活动对自然植被的破坏是造成该生态问题的主要原因 [1-3]。为解决这一生态环境问题，中国政府于1999年启动了“退耕还林还草”重点生态修复工程，通过在原坡耕地上植树植草来改变坡耕地植被类型和植被覆盖度从而减少水土流失的风险 [4，5]。但目前，该工程的效益及影響存在争议[6-15]。因此，对近十几年黄河流域的植被变化进行时空变化分析有助于全面了解黄河流域以及各子流域内植被变化面积与变化程度，并对科学评价流域生态环境和制定科学有效的水土保持措施具有重要的科学意义。 大量研究已经表明，植被的结构特征是影响植被水土保持效益的重要因素[16，17]。目前植被覆盖度（Fractional Vegetation Coverage ，FVC）、叶面积指数（Leaf Area Index， LAI）、植被高度等是表述植被结构特征的重要指标。植被覆盖度是指植被的整体（包括叶、茎、枝）在地面的垂直投影面积占统计区域总面积的百分比，该参数仅能代表植被的水平结构特征。LAI是指单位土地面积上植物叶片总面积占土地面积的倍数，该参数能够同时反映植被水平与垂直结构特征。垂直维LAI是指单位植被覆盖面积上植物叶片总面积占植被覆盖面积的倍数，该参数可以消除植被覆盖度对LAI的影响，从而可以有效反映出区域植被的垂直结构特征[18]。本文主要选用植被覆盖度、垂直维LAI等植被结构参数进行统计分析。
遥感技术是监测区域尺度植被动态变化的最有效工具。大多数研究均直接利用长时间序列遥感卫星NDVI植被指数数据集（如：AVHRR[19]，SPOT[20]，MODIS[8，21]）对区域植被进行时空变化分析，但NDVI植被指数主要反映地表植被绿度信息，且所用遥感数据空间尺度较大，难以反映地表植被结构真实变化情况。目前针对黄河流域植被结构时空分异特征分析还相对较少。本文选用MODIS最新发布的高分辨率LAI产品与对黄河流域2000-2014年植被结构特征进行时空变化分析研究。
2 研究区概况与研究方法
2.1 研究区概况
黄河发源于中国青海省巴颜喀拉山脉，流经9个省区，于山东东营市垦利县注入渤海，全长5464公里，是中国第二长河。黄河干流河道可分为上、中、下游和11个河段。从青海卡日曲至龙羊峡为河源段。河源至内蒙古自治区托克托县的河口镇为上游，河道长3471.6公里，流域面积42.8万平方公里，占全河流域面积53.8%。河口镇至河南郑州市的桃花峪为中游，河段长1206.4公里，流域面积34.4万平方公里，占全流域面积的43.3%。中游河段流经黄土高原地区，支流带入大量泥沙，使黄河成为世界上含沙量最多的河流。黄土高原海拔一般在1000-1300米，地貌起伏不平，坡陡沟深，沟谷面积占40-50%。黄河桃花峪至入海口为下游。流域面积2.3万平方公里，仅占全流域面积的3%，河道长785.6公里。黄河主要支流有白河、黑河、湟水、祖厉河、清水河、大黑河、窟野河、无定河、汾河、渭河、延河、北洛河、泾河、沁河、大汶河等。黄河流域地理位置如图1所示。
2.2 数据获取与处理
本研究使用2000-2014年的MODIS植被覆盖度产品（MOD44B）、NDVI产品（MOD13A1）和2015年最新发布的LAI产品（MOD15A2H）（http：//ladsweb.nascom.nasa.gov/data/search.html）对黄河流域的植被结构参数进行时空变化分析。利用MRT（MODIS Reprojection Tools）进行数据提取、批量拼接、投影转换，并对拼接后的影像进行裁剪得到黄河流域范围内数据。
MOD13A1产品空间分辨率为500米，时间分辨率为16天。MOD44B产品空间分辨率为250米，时间分辨率1年。该产品综合利用混合像元分解法和决策树回归分析方法对木本植被、草本植被、非植被的亚像元丰度信息进行反演 [22]。MOD15A2H产品空间分辨率为500米，时间分辨率8天。该产品综合利用植被指数与LAI的经验关系和三维辐射传输模型查找表法对植被真实LAI进行反演 [23]。为有效去除由云和大气条件引起的数据噪声，客观的反映地表真实LAI，本文采用Chen等[24]提出的基于Savitzky-Golay滤波的时间序列重构方法。在多个产品分辨率不一致的情况下，考虑到尺度下推方法精度较低的问题，本文采用聚合平均法将MOD44B数据尺度上推到500米分辨率。
本文使用整个黄河流域的30米空间分辨率ASTER-DEM数据对黄河流域植被结构参数在不同坡度上的变化情况进行分析。先基于30米分辨率DEM计算得到坡度数据，再采用聚合平均值法将30米坡度数据尺度上推到500米分辨率尺度上。
2.3 区域尺度植被结构参数指标
2.3.1 植被覆盖度
本文选取MOD13A1 NDVI时序产品数据对植被覆盖度进行反演。由于完全覆盖的不同植被类型具有不同的NDVI值，因此本文选用了结合土地覆盖类型的像元二分法计算植被覆盖度，计算公式如式（1）所示。
其中，VFCij表示第j类土地覆盖类型中的第i个像素的植被覆盖度。NDVImaxj为2000-2014年时间内第j类土地覆盖类型中对应的所有年最大NDVI像元中95%下分位数，NDVImin为2000-2014年时间内裸地类型对应的所有年最小NDVI像元中5%下分位数。
2.3.2 垂直维LAI
由于LAI的定义是单位土地面积上植物叶片总面积占土地面积的倍数，因此LAI综合反映了植被水平和垂直维的结构特征。尤其对于植被覆盖稀疏区域，植被水平结构对LAI的影响较大。为了能够更准确的反映植被垂直维结构特征，本文参考王志慧等[18]垂直维LAI的概念，具体计算公式如式（2）所示。垂直维LAI总是大于等于LAI，当植被覆盖度为100%时，垂直维LAI与LAI相等。
式中，LAIver表示垂直维LAI，Sisaf、Sveg和Siand分别表示植物叶片总面积、植被覆盖面积和土地面积，LAI为植被叶面积指数，VFC为植被覆盖度。
2.4 研究方法
2.4.1 Mann-Kendall趋勢检验与Sen斜率分析
本研究采用Mann-Kendall非参数检验方法对黄河流域植被结构参数时间序列的时空变化趋势进行统计分析，利用下式计算Mann-Kendall检验统计量[25]： 2.4.2 变化面积比重与相对变化率计算
为了描述植被结构的变化特征，本文采用变化面积比重和相对变化率来反映植被结构参数的时空分异特征。植被结构变化面积比重（D）是指某个区域范围内植被结构参数显著增加或减少（α<0.05）面积占该区域范围总面积的比重，该参数可揭示植被结构参数变化的剧烈程度。计算公式如式（6）所示：
式中，A是特定区域内植被参数显著增加或显著减少区域面积（km2），S是该区域范围的面积（km2），D值越大，说明该区域内植被结构变化范围越大。
植被结构相对变化率（R）是指植被结构参数15年变化幅度与15年平均水平的比值，该参数可以揭示植被结构参数变化的强度信息，计算公式见式（7）、（8）所示：
式中，T表示时间跨度，△X表示时间跨度内绝对变化幅度。但由于不同△X的基数不同，不能直接用△X来对不同像素的变化程度进行比较，因此本文利用相对变化率R来表示趋势变化的程度大小。该值按照年均值大小对β进行了标准化，能够充分表示趋势变化的强度，使得不同像素的趋势变化强度具有可比性[26]。
2.4.3 植被覆盖度和垂直维LAI变化原因分析
利用MODIS产品可得到2000-2014年期间每8天的LAI时间序列数据和每年的植被覆盖度、树木覆盖度时间序列数据。利用式（2）对年际垂直维LAI进行计算。最终可得到2000-2014年的年际植被覆盖度（包括林草与农田）、树木覆盖度、垂直维LAI时间序列数据集。首先将树木覆盖度与2种植被参数（植被覆盖度FVC和垂直维LAI）分别进行线性回归。
3结果与分析
3.1 黄河流域植被结构时空变化总体特征
3.1.1 黄河流域、黄河源区、黄土高原植被结构时空变化特征
因篇幅限制，在黄河流域的四大区域（河源、上、中、下游區）中，本文仅选择生态意义重大的黄河源区及水土流失严重的中游区（黄土高原区）及整个黄河流域进行分析。2000-2014年间整个黄河流域和流域内两大区域（黄河源区、黄土高原区）的植被覆盖度及垂直维LAI年际变化曲线和统计结果如图2和表1所示。在本文中，若时间序列数据的M-K检验显著性水平小于0.05则认为该趋势变化具有显著性统计学意义，若显著性水平大于0.05则认为该趋势没有统计学意义，表示没有发生显著性变化。
表1 黄河流域与流域两大区域2000-2014年植被结构参数平均值及其变化特征统计结果
从图2中可以看出，整个黄河流域和两大区域的的植被覆盖度及植被覆盖垂直维LAI均呈现上升变化趋势，表明2000-2014年间黄河流域植被结构在水平维和垂直维上均得到了不同程度的改善。从表1中的统计结果可知，1）近15年期间黄河流域的平均植被覆盖度及平均垂直维LAI分别为56%和3.07。其中，植被覆盖度的相对变化率仅为5.1%，且变化不显著（p>0.05）；但垂直维LAI的相对变化率均超过了30%，且变化趋势均达到显著性水平（p<0.01）。2）植被覆盖度及垂直维LAI，河源区均大于黄土高原。总体来说，黄土高原的植被生长状况最差。与黄河源区相比，黄土高原的植被覆盖度、垂直维LAI的相对变化率均为最大，分别为6%、40%，说明黄土高原区域植被格局在过去15年期间发生了剧烈变化，其中植被总覆盖度变化并不显著（p>0.05），垂直维LAI发生了显著变化（p<0.01），表明黄土高原区域的植被垂直结构发生了显著变化。黄河源区植被结构参数的相对变化率最低，表明黄河源区的植被结构较黄土高原相对稳定。
3.1.2 大空间尺度树木覆盖度与植被覆盖度、垂直维LAI相关性分析
大量研究已经表明，自1999年国家实施退耕还林生态修复工程以来，黄土高原乃至整个黄河流域内树木覆盖度显著提高，但退耕还林还草活动对大空间尺度植被结构的影响尚未被分析。本文利用大尺度年际树木覆盖度与植被覆盖度、垂直维LAI分别进行回归分析，结果如图3所示。从图中可以表明，对于整个黄河流域，树木覆盖度与植被覆盖度、垂直维LAI的回归决定系数分别为0.232和0.766，对于黄土高原区域，回归决定系数分别为0.10和0.88。可见，树木覆盖度与垂直维LAI的相关性远远高于其与植被覆盖度的相关性，表明在大空间尺度上，退耕还林还草活动对黄河流域植被的垂直维结构的影响大于对水平维结构的影响。
为了对2000-2014年期间不同流域植被结构的时空变化特征进行有效评价，本文对黄河流域内91个子流域和黄河沿岸地区的植被覆盖度、树木覆盖度、垂直维LAI的空间平均值和相对变化率分别进行统计，统计结果如图4所示。从图4中选择14个主要产流产沙流域和黄河沿岸作为重点分析对象，结果表明，1）白河的植被覆盖度最高，无定河的植被覆盖度最低。黄土高原内的支流植被覆盖度均较低，但伊洛河和沁河流域植被覆盖度较高。黄河沿岸、洮河、伊洛河的植被覆盖度显著增加，但相对变化率均小于5%，且其余的支流植被覆盖度均无显著变化；2）沁河的树木覆盖度最高，无定河的树木覆盖度最低。流域树木覆盖度的相对变化率随着流域树木覆盖度水平的增加而呈现出减少的趋势。表明无定河、窟野河、延河流域开展了大规模的植树造林工程，使得这些原本树木覆盖度较低的流域的树木覆盖度显著增加，其中，窟野河的树木覆盖度变化量是近15年覆盖度平均水平的1.73倍。河龙区间陕西境内流域的植树造林强度大于山西境内流域；3）黑河的垂直维LAI最高，窟野河的垂直维LAI最低。黄土丘陵沟壑区的无定河、窟野河、延河流域的垂直维LAI均较低，表明半干旱区域植被的垂直分层结构特征不明显，而位于气候湿润区域的黑河、白河、洮河流域内植被垂直分层结构较为复杂，垂直维LAI均大于4.5。经过长期的退耕还林还草工程的实施，位于河龙区间的无定河、窟野河、延河、汾河等支流的垂直维LAI相对变化率均位于整个黄河流域的前列，均超过50%。值得注意的是，黄河沿岸植被结构参数也显著增加，表明黄河主河道岸边的植被正在逐步恢复。 3.3 基于像素尺度的植被结构时空变化分析
3.3.1 区域/流域范围内部植被结构变化差异
为了对黄河流域内植被结构参数的空间分布特征进行评价分析，本文将2000-2014年的年际植被结构参数进行均值化处理，该数据则代表了黄河流域植被结构参数近15年的平均水平，如图5（a1）、（a2）所示。基于像素尺度的显著变化区域相对变化率如图5（b1）、（b2）所示，同时根据公式（6）对不同区域内的植被结构参数变化面积比重进行统计。分析结果表明：1）在空间分布上，整个黄河流域植被水平维和垂直维结构参数均呈现出由西北干旱地区向东南湿润地区逐渐增大的总体趋势。其中，垂直维LAI的变化梯度要大于植被覆盖度的变化梯度，大部分干旱/半干旱地区植
被覆盖度仍然大于35%，仅有少部分地区的植被覆盖度小于25%。然而，干旱/半干旱地区的垂直维LAI保持在较低水平，小于2.0。两种植被结构参数较高值主要出现在子午岭、黄龙山、秦岭山脉、吕梁山脉、关山、麦积山等山区的森林覆盖区域（图5（a1）、（a2））；2）在时空变化上，植被覆盖度显著增加的区域占整个黄河流域的3.5%，而显著减少的面积比例为12.6%，其主要分布在内蒙古砒沙岩地区、吕梁山脉北端、黄河源区内扎陵湖、鄂陵湖周边等地区（图5（b1））。表征植被垂直结构的垂直维LAI显著增加区域所占面积比重为31.8%，是植被覆盖度增加面积的近十倍，其零星分布在黄土高原河龙区间各子流域内部（图5（b2））。对于河源区、黄土高原两大区域来说，黄土高原的植被结构参数（植被覆盖度、垂直维LAI）显著增加区域面积比重最大，分别为15.1%、39%，这正反映了黄土高原实施的大规模退耕还林还草、植树造林等生态修复工程成效。黄河源区植被结构参数显著变化区域面积比重最小。
3.3.2 不同坡度范围内部植被结构变化差异
坡度是影响土壤侵蝕强度的重要因子[27]，不同坡度上植被结构的变化程度对流域尺度的水土流失有着明显的控制作用。为了评估不同坡度上植被结构变化程度，本文按照水利部颁布的土壤侵蚀分类分级标准SL190-2007，将黄河流域的坡度划分为6个等级：<5°，5°–8°，8°–15°，15°–25°，25°–35°，>35°。在500米空间尺度上，黄河流域35°以上区域只占0.8%，25°–35°区域占6.7%，15°–25°区域占27.6%，8°–15°区域占22.7%，5°–8°区域占7.2%，5°以下区域占35%。
本文将研究区2000-2014年植被结构参数的时空变化图与研究区的坡度图进行空间叠加，分别统计获取黄河流域两大区域不同坡度上的植被水平与垂直结构参数变化面积比重、结构参数的平均相对增加率等信息，进行分析黄河流域不同区域的不同坡度植被水平与垂直结构参数变化特征。图6表示河源区、黄土高原的不同坡度植被水平与垂直结构参数的变化情况，统计结果表明：1）河源区5°以下区域内的植被覆盖度和垂直维LAI的变化面积比重和相对增加率最大，且植被结构参数变化面积比重随坡度逐渐增加而减少，表明随着坡度的增加植被结构参数也随之越来越稳定；2）黄土高原15°-25°区域内的植被覆盖度和垂直维LAI的增加面积比重最大，各坡度的植被覆盖度增加面积比重依次降序排列为15°-25°（19.7%）>25°-35°（15.5%）>8°-15°（14.5%）>5°以下（13%）>5°-8°（11.6%），垂直维LAI的增加面积比重依次降序排列为15°-25°（53%）>8°-15°（49.3%）>25°-35°（30.1%）>5°-8°（28.2%）>5°以下（25.5%）。表明黄土高原8°以上区域的植被结构变化发生显著变化的区域较大，15°-25°区域植被结构变化面积比重最大； 3）不同区域的不同坡度上的植被垂直结构比水平结构的变化强度大，且植被结构的变化强度会随着坡度的增加而逐渐减弱，表明较低坡度地形具有较好的水、热、土等自然条件，适合植被生长。
4结论与讨论
4.1 结论
（1）2000-2014年，黄河流域的平均植被覆盖度、平均垂直维LAI分别为56%、和3.07。其中，植被覆盖度变化趋势不显著，而垂直维LAI呈显著上升趋势，且相对变化率均超过30%。植被覆盖度（包括：林草与农田）显著增加的区域占整个黄河流域的3.5%，而显著减少的面积比为12.6%；表征植被垂直结构的垂直维LAI显著增加区域面积比重为31.8%。在大空间尺度上，黄土高原的植被垂直结构发生了显著变化，这说明退耕还林还草工程造成了黄河流域地表覆盖类型发生了剧烈变化，导致林草植被覆盖面积与覆盖度急剧增加，因此植被的垂直维结构的影响大于对水平维结构的影响。
（2）植被结构的变化受到自然条件和人类活动共同影响。黄河流域不同区域植被结构变化存在明显差异。黄土高原植被结构参数（植被覆盖度、垂直维LAI）显著增加面积比重大，黄河源区植被结构参数变化面积比重小。黄土高原植被结构发生显著变化的区域主要分布在河龙区间的皇甫川、窟野河流域、无定河流域、延河流域、清涧河流域等。表明黄土丘陵沟壑区实施的大规模退耕还林等生态修复工程已有成效，黄河源区的植被结构较为稳定。
（3）综合各坡度的变化面积比和相对变化率分析结果，可看出黄河源区内5°以下区域植被结构参数变化面积比和相对变化率大，且会随着坡度的增加而逐渐减少。黄土高原内15°-25°区域内的植被覆盖度和垂直维LAI的变化面积比重最大，有效降低黄土丘陵沟壑区的潜在土壤侵蚀风险。植被结构参数的相对变化率会随着坡度的增加而逐渐减弱。
4.2 讨论
（1）本文分析得到的植被结构参数时空变化特征与国家退耕还林还草政策的有效实施密不可分。但该研究是在500米空间分辨率尺度下进行的，因此时空变化分析结论也具有一定的尺度效应问题，但本文分析结果已经比AVHRR 8km、SPOT 1km、MODIS 1km数据分析结果更为精细。今后可利用多尺度、多源遥感数据对黄河流域的植被结构参数变化进行多尺度分析研究。 （2）植被结构参数发生剧烈变化的流域的径流和产沙量均显著减少，说明植被结构参数对陆地水循环和坡面产沙过程都具有重要影响作用，今后可对植被水平维与垂直维结构参数的变化对流域产流产沙的影响进行分析研究。
参考文献：
[1]Yang X， Zhang K， Jia B， et al. Desertification assessment in China： An overview[J]. Journal of Arid Environments， 2005， 63： 517-531.
[2]Fu Bojie， Meng Q H， Qiu Y， et al. Effects of land use on soil erosion and nitrogen loss in the hilly area of the Loess Plateau， China[J]. Land Degradation & Development， 2003， 15（1）： 87–96.
[3]Maeda E E， Pellikka P K E， Siljander M， et al. Potential impacts of agricultural expansion and climate change on soil erosion in the Eastern Arc Mountains of Kenya[J]. Geomorphology， 2010， 123（3）： 279-289.
[4]Chen Lichao， Wei Wet， Fu Bojie， et al. Soil and water conservation on the Loess Plateau in China： review and perspective[J]. Progress in Physical Geography， 2007， 31（4）： 389-403.
[5]Lü Yihe， Fu Bojie， Feng Xiaoming. A policy-driven large scale ecological restoration： quantifying ecosystem services changes in the Loess Plateau of China[J]. Plos One， 2012， 7（2）： e31782.
[6]Liu Yu， Fu Bojie， Lü Yihe， et al. Hydrological responses and soil erosion potential of abandoned cropland in the Loess Plateau， China[J]. Geomorphology， 2012， 138（1）： 404-414.
[7]Sun Wenyi， Shao Quanqin， Liu Jiyuan. Soil erosion and its response to the changes of precipitation and vegetation cover on the Loess Plateau[J]. Journal of Geographical Sciences， 2013， 23（6）： 1091-1106.
[8]Sun Wenyi， Song Xiaoyan， Mu Xingmin， et al. Spatiotemporal vegetation cover variations associated with climate change and ecological restoration in the Loess Plateau[J]. Agricultural & Forest Meteorology， 2015： 87–99.
[9]Xin Z， Ran L， Lu X. Soil Erosion Control and Sediment Load Reduction in the Loess Plateau： Policy Perspectives[J]. International Journal of Water Resources Development， 2012， 28（2）： 325-341.
[10]劉晓燕， 杨胜天， 王富贵 等. 黄土高原现状梯田和林草植被的减沙作用分析[J]. 水利学报， 2014（11）： 1293-1300.
[11]刘晓燕， 刘昌明， 杨胜天 等. 基于遥感的黄土高原林草植被变化对河川径流的影响分析[J]. 地理学报， 2014， 69（11）：1595-1603.
[12]Wang Xunming， Chen Fahu， Hasi E， et al. Desertification in China： An assessment[J]. Earth-Science Reviews， 2008， 88（3）：188-206.
[13]Zhang Qiang， Xu Chongyu， Yang Tao. Variability of Water Resource in the Yellow River Basin of Past 50 Years， China[J]. Water Resources Management， 2009， 23（6）：1157-1170.
[14]Wang Yunqiang， Shao Mingan， Liu Zhipeng. Vertical distribution and influencing factors of soil water content within 21-m profile on the Chinese Loess Plateau[J]. Geoderma， 2013， 193-194（2）：300–310. [15]Jiao Juying， Zhang Zhenguo， Bai Wenjuan， et al. Assessing the Ecological Success of Restoration by Afforestation on the Chinese Loess Plateau[J]. Restoration Ecology， 2012， 20（2）：240-249.
[16]冯强， 赵文武. USLE/RUSLE中植被覆盖与管理因子研究进展[J]. 生态学报， 2014， 34（16）：4461-4472.
[17]Panagos P， Borrelli P， Meusburger K， et al. Estimating the soil erosion cover-management factor at the European scale[J]. Land Use Policy， 2015：38–50.
[18]王志慧， 姚文藝， 汤秋鸿，等. 2000—2014年黄土高原植被叶面积指数时空变化特征[J]. 中国水土保持科学， 2017， 15（1）：71-80.
[19]杨胜天，刘昌明，孙睿. 近20年来黄河流域植被覆盖变化分析[J]. 地理学报， 2002， 57（6）：679-684.
[20]Cao Lei， Xu Jianhua， Chen Yaning， et al. Understanding the dynamic coupling between vegetation cover and climatic factors in a semiarid region—a case study of Inner Mongolia[J]， China. Ecohydrology， 2012， 6.
[21]Wang Jing， Wang Kelin， Zhang Mingyang， et al. Impacts of climate change and human activities on vegetation cover in hilly southern China[J]. Ecological Engineering， 2015， 81：451-461.
[22]Zhan Xiwu， DeFries R， Hansen M， et al. MODIS Enhanced Land Cover and Land Cover Change Product Algorithm Theoretical Basis Documents Version 2. 1999. http：//modis.gsfc.nasa.gov/data/atbd/atbd_mod29.pdf.
[23]Myneni R， Knyazikhin Y， Park T. MOD15A2H MODIS/Terra Leaf Area Index/FPAR 8-Day L4 Global 500m SIN Grid V006. NASA EOSDIS Land Processes DAAC. 2015. http：//doi.org/10.5067/MODIS/MOD15A2H.006.
[24]Chen Jin， Jonsson P， Tamura M， et al. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky–Golay filter[J]. Remote Sensing of Environment， 2004， 91：332–344.
[25]李占玲， 徐宗学. 黑河上游山区径流变化特征分析[J]. 干旱区资源与环境， 2012， 26（9）： 51-56.
[26]Tang Qiuhong， Okil T.， Kanael S.， Taikan Okil， et al. A spatial analysis of hydro-climatic and vegetation condition trends in the Yellow River basin[J]. Hydrological Process， 2008， 22（3）：451-458.
[27]Quan Bin， R？mkens M J M， Li Rui et al. Effect of land use and land cover change on soil erosion and the spatio-temporal variation in Liupan Mountain Region， southern Ningxia， China[J]. Frontiers of Environmental Science & Engineering in China， 2011， 5（4）： 564-572.
（作者单位：四川省自贡市水利电力建筑勘测设计院1 黄河水利委员会 黄河水利科学研究院2 河海大学 水文水资源学院3）