基于GIMMS NDVI3g(the third generation of Global Inventory Modeling and Mapping Studies Normalized Difference Vegetation Index)数据,结合趋势分析、Mann-Kendall检验和Pearson相关分析等方法,识别了渭河流域1982~2015年不同时...基于GIMMS NDVI3g(the third generation of Global Inventory Modeling and Mapping Studies Normalized Difference Vegetation Index)数据,结合趋势分析、Mann-Kendall检验和Pearson相关分析等方法,识别了渭河流域1982~2015年不同时间尺度(年、月及季节)植被NDVI的动态变化特征及气候因素影响。结果表明,近34年渭河流域NDVI呈现增长趋势,且2000~2015年NDVI较1982~1999年显著增长,趋势线斜率分别为0.003和0.001,退耕还林后植被覆盖状况明显改善;年均NDVI与气温呈显著正相关,与降水的正相关性较弱;月均NDVI与气温和降水都表现为显著正相关,相关系数分别为0.926,0.743;春秋季NDVI与气温呈现显著正相关,夏季NDVI与气温、降水的相关性不明显,冬季NDVI与前期气温存在滞后相关。展开更多
文摘基于GIMMS NDVI3g(the third generation of Global Inventory Modeling and Mapping Studies Normalized Difference Vegetation Index)数据,结合趋势分析、Mann-Kendall检验和Pearson相关分析等方法,识别了渭河流域1982~2015年不同时间尺度(年、月及季节)植被NDVI的动态变化特征及气候因素影响。结果表明,近34年渭河流域NDVI呈现增长趋势,且2000~2015年NDVI较1982~1999年显著增长,趋势线斜率分别为0.003和0.001,退耕还林后植被覆盖状况明显改善;年均NDVI与气温呈显著正相关,与降水的正相关性较弱;月均NDVI与气温和降水都表现为显著正相关,相关系数分别为0.926,0.743;春秋季NDVI与气温呈现显著正相关,夏季NDVI与气温、降水的相关性不明显,冬季NDVI与前期气温存在滞后相关。