大兴安岭地区2001—2019年地表温度时空分布及影响因素分析

都彦廷　张冬有

摘 要：作為分析区域尺度上气候变化特征的重要参数，地表温度（Land Surface Temperature，LST）可反映地表能量及水分循环过程。研究地处我国高纬度且对于生态环境敏感的大兴安岭地区，选取2001—2019年期间LST的相关数据进行分析。利用MODIS LST产品和研究区内气象站点实测值，通过线性回归及皮尔森相关分析等方法，探讨LST时空分布情况及其与地形和气象因子的关系。结果表明，研究区近19 a的LST具有由西北向东南递增的趋势，年均值在1～3 ℃的区域占63 %，月均最高和最低值分别为38.93 ℃和-27.80 ℃。LST具有“升高—降低—升高—降低”波动上升的特征，秋、冬两季气候倾向率相对于春夏季高，为0.265 ℃/a和0.871 ℃/a，呈现干暖化的趋势。LST的升降过程会受到地形、空气湿度、污染物含量和太阳辐射等因子综合影响，其中海拔、气温和降水量为主控因素，平均水气压和日照时数次之。研究结果可为大兴安岭地区气候资源利用和维护生态平衡提供科学依据。

关键词：地表温度;时空变化;大兴安岭;影响因子

中图分类号：K909;S771    文献标识码：A   文章编号：1006-8023（2020）06-0009-010

Spatio-temporal Distribution of Surface Temperature and Its Influencing

Factors in Daxingan Mountains from 2001 to 2019

DU Yanting， ZHANG Dongyou*

（Heilongjiang Province Key Laboratory of Geographical Environment Monitoring and Spatial Information

Service in Cold Regions， Harbin Normal University， Harbin 150025， China）

Abstract：As an important parameter to analyze the characteristics of climate change on the regional scale， land surface temperature （LST） can reflect the process of surface energy and water cycle. In order to study climate change in Daxing an Mountains， which is located in high latitude and sensitive to ecological environment in China， LST data from 2001 to 2019 were selected for analysis. Using MODIS LST products and the measured values of meteorological stations in the study area， the temporal and spatial distribution of LST and its relationship with topography and meteorological factors were discussed by means of linear regression and Pearson correlation analysis. The results showed that the LST of the study area had a trend of increasing from northwest to southeast in the past 19 years. The area with an average annual value of 1-3 ℃ accounts for 63%， and the highest and lowest monthly average values were 38.93 ℃ and - 27.80 ℃， respectively. LST had the characteristics of “increase -decrease-increase-decrease”. The climate tendency rate of autumn and winter was higher than that of spring and summer， which was 0.265 ℃/a and 0.871 ℃/a， showing the trend of dry and warm. The rise and fall process of LST would be affected by terrain， air humidity， pollutant content and solar radiation， among which altitude， temperature and precipitation were the main control factors， and the average water pressure and sunshine hours took second places. The results provide scientific basis for the utilization of climate resources and the maintenance of ecological balance in Daxingan Mountains.

Keywords：Land surface temperature; spatio-temporal variation; Daxingan Mountains; impact factor

收稿日期：2020-06-03

基金项目：国家自然科学基金项目（41671064）

第一作者简介：都彦廷，硕士研究生。研究方向：3S技术与地学应用研究。E-mail：dyting325@163.com

通信作者：张冬有，博士，教授。研究方向：3S技术与森林生态研究。E-mail：zhangdy@163.com

引文格式：都彦廷，张冬有.大兴安岭地区2001—2019年地表温度时空分布及影响因素分析 [J]. 森林工程，2020，36（6）：9-18.

DU Y T， ZHANG D Y. Spatio-temporal distribution of surface temperature and its influencing factors in Daxingan Mountains from 2001 to 2019[J]. Forest Engineering，2020，36（6）：9-18.

0 引言

地表温度（Land Surface Temperature，LST）是陆气相互作用过程中的重要因子，包括下垫面温度及各种深度的土壤热量状况[1-3]。LST受太阳辐射、植被、地形、湿度、气温和降水等因素共同影响，其年际与季节的变化直接影响到作物的生长和土壤质量的优劣[4-6]。为了解气候变动及预测未来趋势，指导大兴安岭地区农业生产和分析城市热岛效应，本文对大兴安岭地区的LST时空变化进行探究。

已有多名学者探讨了LST的时空演变规律，如李帅等[7]研究黑龙江省LST变化时发现，由于近年气候变暖，春季出现浅层LST偏低的现象有所减少;王萍等[8]研究得到黑龙江粮食主产区LST的变化范围，并建立了研究区内各城市适用的地气模型;胡召玲等[9]在研究东北城乡植被物候变化时发现，LST与植被生长季开始和结束时间均有显著的相关性;于晓静等[10]在研究黑龙江黑土区LST的过程中，得到土地利用类型和土壤类型是影响LST的重要因素;帅晨等[11]利用提取的归一化植被指数来解释莆田市都市区LST的时空特征，并构建出二者的最小二乘拟合模型;王会等[12]选取1965—2011年黑龙江的生长季进行研究，发现与其他深度LST相比，0 cm LST与气温相关性更为显著。

大兴安岭地区森林资源丰富，位于高纬度地区，且该区域为国有重点林区分布地之一，严寒周期较长，对于生态环境变化也较为敏感[13-15]。以上研究多是从植被与LST关系的角度分析，而有关地形、气候和地气温差等因子对大兴安岭地区LST影响的研究较少。因此本文选取海拔、坡度、坡向、气温和降水量等因素，以不同时间尺度，利用气候倾向率和像元统计分析法获取大兴安岭地区MODIS LST时空分布特征，并通过皮尔森（Pearson）相关分析进一步揭示不同影响因子与LST的关系。旨在了解东北高纬度山区地表能量状况及气候变化趋势，为应对大兴安岭地区的生态危机和进行环境监测提供参考。

1 研究区概况

大兴安岭地区位于我国东北部，是中国纬度最高的行政区，横跨黑龙江省和内蒙古自治区两个区域。选取其在黑龙江省辖区内的部分进行研究，地理位置为121°12′ ～127°00′ E，50°11′ ～53°33′ N，北部临近俄罗斯并以黑龙江为界，总面积约为835万hm2。该区属寒温带季风性针叶林气候，春秋少雨，年均降水量约460 mm，年均温为-2.6 ℃。平均海拔573 m，山地丘陵较多，森林覆盖率高达79.83%，树木以樟子松、白桦和兴安落叶松为主。

2 数据与方法

2.1 数据源与处理

MODIS数据来自美国航天航空局（NASA）提供的MOD11A2产品，此数据集空间分辨率为1 km，合成时期为8 d，每年45期，编号为h25v03和h26v03的两幅影像位于研究区范围内，2001—2019年总计855景数据。利用MRT、ENVI5.3以及ArcGIS10.2软件进行拼接、投影转换、重采样和剪裁等预处理工作，并使用最大值合成法降低大气、太阳和云的不利影响后，再将生成的逐月数据分别按年、月和季节计算白天LST的平均值，从而分析LST的年度、月份及四季变化规律。

气象站LST数据来源于国家基准气象观测站的逐日气象资料，选取大兴安岭地区内的漠河、塔河、呼玛、新林和呼中5个站点，对2001—2019年的每日LST统计分析得到19 a间各月平均值。

2.2 研究方法

2.2.1 气候倾向率

利用气候倾向率表示某一要素的变化趋势，通常地温和降水等气象要素使用一元线性回归方程表示，公式如下：

ni=a+bti。（1）

式中： ni为第i年的要素值; ti为时间;a为常数;b为回归系数。

趋势率变化方程即为：b=dnidt，将b扩大10倍作为气候倾向率。

2.2.2 像元统计分析

对于一年或者季节中的各月LST进行统计时，使用均值法获取年度和四季的LST平均数据（用LST表示），公式为：

LST=∑LSTa，b/N。（2）

式中：LST表示研究區LST的平均值;LSTa，b表示第a行第b列的LST像元值;N代表区域内像元总数。

2.2.3 相关分析法

选取Pearson系数法计算19 a间LST与各类因子的相关程度，相关系数r的范围为[-1，1]，其值大于0时表示为正相关关系，反之则为负相关，公式为：

r=∑i=1（LSTi-LST）（Mi-M）∑i=1（LSTi-LST）2∑i=1（Mi-M）2。（3）

式中：LSTi、LST分别表示研究区LST的统计值和平均值;Mi、M分别为影响因子的统计值和平均值;i为时间段。

2.2.4 MODIS LST数据精度检验

利用2001—2019年大兴安岭地区内5个气象站的逐日LST数据合成月均温，并在MODIS LST产品中提取相应点的各月数据值，二者相关分析得到表1和图2。从图表可以看出，两种数据相关性较强且具有一定的线性关系，表明MODIS LST对于大兴安岭地区的LST变化有较好的指示作用。

3 结果与分析

3.1 地表温度空间格局

利用MODIS影像处理得到大兴安岭地区多年LST的空间分布格局如图3所示，结合气象站实测地温数据，采用等间距法划分出6个温度等级。总体上看，研究区0 cm LST因受纬度和地形影响，大体呈现西北低东南高的趋势。LST的最低值（-1.47 ℃）出现在最北端漠河市，高值集中在较为平坦的东南部区域，年均最高值为5.33 ℃。在北部、西南部达到地温较低值的主要地形为山区，大布勒山、卡尔加山和霍洛台山等地具有约1 000 m的较高海拔，使得该区域的LST偏低，其中低于1 ℃的区域占大兴安岭地区总体的8.4 %; 1～3 ℃大致位于海拔约600～700 m的中部地区，所占比重为63.0 %;温度在3 ℃以上的地区占28.6 %，主要位于塔河县、呼玛县及二者的周边区域，这些地区除了具有地势较低的特点，人口聚集度还相对较高，受到的土地耕作、建筑物修建等人类活动影响较强烈。

通过图4可以看出LST平均值的逐月变化情况， 从11月份开始到次年的3月份，整个地区的月均LST一直在0 ℃以下。1月出现的最低值为-27.80 ℃，所在区域为纬度最高的大兴安岭北部地区。自3月末太阳直射点北移开始，研究区由东南部逐渐回暖，后蔓延到东北部和南部地区，直至7月达到最高温度38.93 ℃。在8月和9月时稍有降低，大部分地区LST值为6～24 ℃。此后LST逐步下降，10月已有小部分地区低于0 ℃。

3.2 地表温度时序变化

2001—2019年大兴安岭地区年际和季节的LST变化如图5所示，总体上看LST具有“升高—降低—升高—降低”的走向，近19 a呈现出以每十年2.5 ℃的上升走势。当地LST的年均值为2.39 ℃，2014年达到4.45 ℃的最高值， 最低值则位于2001年（-2.56 ℃），其中的波动与气候关系较密切，如2012年受西伯利亚高压的影响出现寒潮，2014年厄尔尼诺现象使得春天温度偏高。LST除了受到全球变暖的大趋势而逐渐上升外，其他因素如近地层空气污染的加重、空气湿度、太阳辐射量的变化及地温本身的滞后性也会综合影响其变化幅度和趋势[16]。

按12—次年2月、3—5月、6—8月和9—11月划分冬季、春季、夏季和秋季，以获取逐年的LST季节变化。总体上看，不同季节间LST年均值差别较大，冬季平均LST值为-15.79 ℃，而夏季高达20.60 ℃，二者相差36.39 ℃，春、秋两季平均地温分别为2.86 ℃和-0.02 ℃。可以看出近19 a间同一季节的LST值大体呈阶段性变化，且具有逐年上升的趋势。春、夏季年均LST呈现轻微波动上升的特征，倾向率为0.087 ℃/ a和0.003 ℃/ a，而秋、冬季倾向率较高，分别为0.265 ℃/ a和0.871 ℃/ a，倾向率由大到小为冬季、秋季、春季、夏季。由此可以看出2014年研究区的LST变化较为异常，春季和秋季LST与前一年相比变幅明显。2018—2019年期间均出现LST冬季偏高而春季偏低的现象，这与研究区该时间段的气温变化特征相一致[17]。

3.3 地气温差变化分析

人类活动会影响大气中二氧化碳等温室气体的含量，进而影响大气温度的变化[18]。而气温与平均LST关系密切[19]，据漠河气象站和MODIS LST数据显示，漠河2001—2019年间气温和LST均增加，且地气温差呈0.23 ℃/ a幅度上升。综合图5和图6可以看出，LST与地气温差的年变化趋势相近。地气温差通常大于0，从2005年开始大兴安岭地区地气温差的值显著增加，由此可知，在此期间地气系统能量收支不平衡，近地面空气流动性较低造成污染物集聚。同时，随着研究区冻土退化现象的发生，浅层冻土吸收的地表热量也会逐渐减少，可能会导致LST不断升高[20-21]。

4 讨论

4.1 地形因子与LST的相关关系

从图1和图3综合来看，大兴安岭地区海拔西南向东北递减而LST变化趋势相反，通过Pearson相关分析计算出二者之间的相关系数为-0.368，发现研究区内LST与海拔呈负相关关系。将该区海拔分为 <380、380～540、540～700、700～860、>860 m 5级，各级区域的多年平均LST计算结果分别为2.84、2.63、2.24、2.05、1.60 ℃，结果表明，LST随海拔上升而逐渐降低。研究区西南部高山区（>540 m）占大兴安岭地区总面积的49.4 %，空气、云层较少以及低矮苔藓类植被的覆盖造成该区域出现LST偏低的现象，其中年均LST最低至9.92 ℃。中部区域（380～540 m）约为26.3%，兴安落叶松和樟子松等树种的繁茂广布是维持当地LST相对稳定的重要因素。平原低地的范圍相对较少（24.3%），位于大兴安岭东北部人口相对较密集的区域，植被类型主要为耕地和已开垦草地，日常农业、工商业活动和交通等因素均会不同程度地作用于当地LST。除此之外，地形因子中的坡度和坡向与LST相关性分别为0.031和0.021，可知LST随坡度或坡向的上升而升高，但二者影响程度均较弱，海拔对于LST的升降变化仍具有重要意义。

4.2 气象因子与LST的相关关系

提取MODIS LST中LST数据平均值与漠河气象站的逐月日照时数、空气水气压、平均气温和降水量数据，分别以年和季节尺度进行Pearson相关分析。通过表3可以看出，气温和地气温差与LST的年相关性均较强，相关系数分别为0.966和0.947。从季节尺度来看，四季的地气温差与LST全部呈极显著正相关，春、夏、秋三季的气温与LST相关性也极为显著。此外，夏季的降水量相关系数为-0.552，通过了p<0.05的顯著性检验。这是由于研究区内的降水主要由夏季风带来，夏季较多的降水量对LST的影响较大。

夏季日照时数和春秋季的空气水汽压与LST相关关系相对较弱，但对于LST的变化也起到一定的作用。白天LST的直接来源为太阳辐射，而日照时数与晴朗的天数呈正相关，因此日照时数能够作为直接衡量太阳辐射高低的标准[22]。在复杂的能量传输过程中，空气中水汽的存在不仅会产生一定的反射、折射和散射作用来减弱太阳辐射，还会造成大气逆辐射的现象，通过多个过程综合影响LST。

气温会受到太阳辐射和人类活动所排放的二氧化碳的共同影响，随着漠河地区旅游业的发展，旅游人数的增长会提升森林资源需求量，但与此同时也增加了空气中二氧化碳含量，使得当地气温逐年上升。虽然气温与LST均在上升过程中，但研究区处于秋冬季节时，地表会存在较多积雪的累积，使得LST的上升速率与气温相比相对较慢。地气温差的倾向率在秋、冬季较高，分别为0.25 ℃/ a和0.83 ℃/ a。另外，在冰雪覆盖情况下得到的LST可能存在一定的误差，冰雪也会与其他气候因素共同作用导致地气温差上升。21世纪初期LST的增长原因，可能是由于气温和地气温差升高导致的降水量及水气压的相对偏低，进而使得日照时数增幅较大，已有研究也提出2006年漠河的日照总时数高达2 691.8 h[23]。到2010年之后，由于气温升高、森林火灾的有效管控和人工降雨等因素使得降水量大体呈现上升趋势[24-25]。漠河市年降水量的最高值出现在2013年，达到507.8 mm。

据相关研究[26]显示，研究区的降水是处于“丰—枯—丰—枯”变化过程中的，未来降水量仍会呈现下降趋势。可能出现的这种气温偏高和降水量偏低的暖干气候，会导致LST不断升高，当地的冻土退化速度也将提升。这种气候变化作用于土壤之后，可能会破坏森林生态系统的稳定性，促使森林衰退和火灾等现象的发生。因此在林区水分的调控和火灾的预警方面还应予以重视。在春季播种期间，应合理利用气温来提升LST估算值的精确性，从而提高农业生产效率。对于人类活动较强烈的区域，应加强管控，并适当调整经济发展方式，保证生态资源的健康及可持续性。在指导大兴安岭地区发展与资源利用方面，将充分考虑到LST的时空特征作为前提，以保障林下经济模式的合理规划、草地资源的开发和可持续利用、自然保护区生物多样性等为现实目标推进地区发展。

综合来看，海拔、气温和夏季降水量是影响LST变化的重要因子，近19 a来年均LST的变化受到了人类活动导致的气温升高、夏季降水量的波动以及地气温差升高导致的地表感热度增强等影响，从而使得研究区气候趋向于干暖化。对于土壤中含水量升降、土壤有机质累积和分解过程、树木种类变化、所选站点的差异性及出现特殊事件等情况造成的LST变化，有待于进一步研究。此外，自然界中的气候变化通常由多因子共同作用、综合影响，目前已有研究[27]利用地理探测器探测所研究要素的主要驱动力，未来的研究可以从利用多种研究方法探究多因子综合作用机制的方向来进行。

5 结论

（1）经过对5个气象站点实测数据进行精度验证发现，MODIS LST数据适用于大兴安岭地区LST的研究。

（2）大兴安岭地区2001—2019年LST空间上呈现出西北至东南逐渐增加的趋势，63.0 %的地区年均LST在1～3 ℃范围内，月平均LST在1月达到最低值-27.80 ℃。从时序角度上看，LST值在19 a以0.25 ℃/ a的倾向率波动上升;季节尺度上来看，冬季LST升幅最大，其次为秋季和春季;2018—2019年期间LST具有冬暖夏凉的特征。

（3）地形因子中海拔与LST呈负相关关系，坡度和坡向对LST的影响不明显。气象因子中，地气温差在年际和季节时段内均为主控因素，其升幅为0.23 ℃/ a。日照时数、平均水气压和降水量与LST在年尺度上相关性较弱，但夏季的降水量相关系数较高（-0.552），通过了显著性检验。海拔、气温和夏季降水的变化对于LST的升降起到重要作用。

【参 考 文 献】

[1]FREY C M， KUENZER C. Land-surface temperature dynamics in the Upper Mekong Basin derived from MODIS time series[J]. International Journal of Remote Sensing， 2014， 35（8）： 2780-2798.

[2]刘强军，梁赟，宋军芳，等.近42年山西省晋城市地温与气温时空特征研究[J].江苏农业科学，2020，48（6）：240-245.

LIU Q J， LIANG Y， SONG J F， et al. Temporal and spatial characteristics of ground temperature and air temperature in Jincheng City of Shanxi Province in recent 42 years and their correlation analysis[J]. Jiangsu Agricultural Sciences， 2020， 48（6）： 240-245.

SHUAI C， SHA J M， LIN J H， et al. Spatial difference of the relationship between remote sensing index and land surface temperature under different underlying surfaces[J]. Journal of Geo-information Science， 2018， 20（11）： 1657-1666.

[12]王会，刘滨辉.黑龙江省近47年生长季浅层地温变化特征[J].防护林科技，2016，34（12）：13-17.

WANG H， LIU B H. Change characteristics of surface temperature in growing season in Heilongjiang Province in recent 47 Years[J]. Protection Forest Science and Technology， 2016， 34（12）： 13-17.

[13]张树森，贾炜玮，王玉霞，等.大兴安岭地区天然兴安落叶松疏开木冠幅预测模型[J].森林工程，2017，33（3）：33-38.

ZHANG S S， JIA W W， WANG Y X， et al. Modeling crown width for the opening-grown trees of natural Larix gmelini plantation in Daxingan Mountains[J]. Forest Engineering， 2017， 33（3）： 33-38.

[14]刘琼玉，程全国，魏建兵，等.大兴安岭地区生态系统完整性动态评价[J].应用生态学报，2019，30（9）：3119-3125.

LIU Q Y， CHENG Q G， WEI J B， et al. Dynamic evaluation of ecosystem integrity in Greater Khingan Range area， China [J]. Chinese Journal of Applied Ecology， 2019， 30（9）： 3119-3125.

[15]王瑞璋，黎建强，杨关吕，等.磨盘山典型森林生态系统土壤营养元素储量及其价值量评估[J].西部林业科学，2019，48（6）：93-99.

WANG R Z，LI J Q，YANG G L，et al.Soil nutrient storage and its value assessment of typical forest ecosystems in the Mopan Mountains[J].Journal of West China Forestry Science，2019，48（6）：93-99.

[16]高学芹，张珊，常成，等.寿光市1961—2017年地表温度变化特征及成因分析[J].中国农学通报，2020，36（14）：113-118.

GAO X X， ZHANG S， CHANG C， et al. Surface temperature variation of Shouguang city from 1961 to 2017： characteristics and causes[J]. Chinese Agricultural Science Bulletin， 2020， 36（14）： 113-118.

[17]支蓉，高辉.2018/2019年冬季北半球大气环流特征及对我国冬季气温异常的影响[J].气象，2019，45（7）：1019-1027.

ZHI R， GAO H. Northern hemisphere atmospheric circulation characteristics in winter 2018/2019 and its impact on temperature anomalies in China[J]. Meteorological Monthly， 2019， 45（7）： 1019-1027.

[18]张可扬，李天权，曲延浩，等.大兴安岭地区降水量和气温变化趋势分析[J].森林工程，2018，34（5）：8-14.

ZHANG K Y， LI T Q， QU Y H， et al. Analysis of precipitation and temperature change in the Daxinganling area[J]. Forest Engineering， 2018， 34（5）： 8-14.

[19]譚艳立，罗菊英，向远.近50年恩施市气温与浅层地温变化特征及其相关性分析[J].高原山地气象研究，2018，38（2）：42-48.

TAN Y L， LUO J Y， XIANG Y. Analysis on variation characteristics and correlation of air and shallow ground temperatures in recent 50 years of Enshi City[J]. Plateau and Mountain Meteorology Research， 2018， 38（2）： 42-48.

[20]SONG J Y， WANG Z H， MYINT S W， et al. The hysteresis effect on surface-air temperature relationship and its implications to urban planning： an examination in Phoenix， Arizona， USA[J]. Landscape and Urban Planning， 2017， 167： 198-211.

[21]廖要明，陈德亮，刘秋锋.中国地气温差时空分布及变化趋势[J].气候变化研究进展，2019，15（4）：374-384.

LIAO Y M， CHEN D L， LIU Q F. The spatio-temporal characteristics and long-term trends of surface-air temperatures difference in China[J]. Climate Change Research， 2019， 15（4）： 374-384.

[22]曹永强，郭明，刘思然.1964—2015年辽宁省日照时数演变特征及归因分析[J].水电能源科学，2018，36（2）：1-5.

CAO Y Q， GUO M， LIU S R. Characteristics and attribution analysis of sunshine duration in Liaoning Province during 1964-2015 years[J]. Water Resources and Power， 2018， 36（2）： 1-5.

[23]张秀红，桂翰林，王春华，等.近40年漠河日照变化特征分析[J].现代化农业，2009，31（5）：23-25.

ZHANG X H， GUI H L， WANG C H， et al. Analysis of sunshine change characteristics of Mohe River in recent 40 years[J] Modernizing Agriculture， 2009， 31（5）： 23-25.

[24]任柬宇，刘滨辉，廉陆鹞，等.大兴安岭地区降水量变化及干湿期特征分析[J].森林工程，2020，36（5）：16-23.

REN J Y， LIU B H， LIAN L Y， et al. Analysis of the variation of precipitation in the Daxingan Mountains and the characteristics of the dry and wet periods[J]. Forest Engineering， 2020， 36（5）： 16-23.

[25]李雪楠，霍嘉新，杨柳，等.木札岭华山松树轮宽度年表的建立及其气候响应[J].南京林业大学学报（自然科学版），2020，44（3）：157-162.

LI X N，HUO J X，YANG L， et al.Development and climatic response of the tree ring width chronology of Pinus armandii at Muzhaling Mountain[J].Journal of Nanjing Forestry University（Natural Science Edition），2020，44（3）：157-162.

[26]边玉明，代海燕，王冰，等.内蒙大兴安岭林区年降水量变化特征及周期分析[J].水土保持研究，2017，24（3）：146-150.

BIAN Y B， DAI H Y， WANG B， et al. Spatiotemporal distribution and periodicity of annual precipitation in Daxinganling forest region of Inner Mongolia[J]. Research of Soil and Water Conservation， 2017， 24（3）： 146-150.

[27]陶帥，邝婷婷，彭文甫，等.2000—2015年长江上游NDVI时空变化及驱动力分析——以宜宾市为例[J].生态学报，2020，40（14）：1-15.

TAO S， KUANG T T， PENG W P， et al. Analyzing the spatio - temporal variation and drivers of NDVI in upper reaches of Yangtze River from 2001 to 2015 ： a case study of Yibin[J]. Acta Ecologica Sinica， 2020，40（14）： 1-15.