基于GEE平臺的1986—2021年黃土高原植被覆蓋度時空演變及影響因素

趙安周，田新樂

河北工程大學礦業與測繪工程學院，河北 邯鄲 056038

植被是陸地生態系統的第一性生產者和主要組成成分，不僅在全球物質循環和能量流動等方面具有關鍵的作用，而且對氣候變化和人類活動響應敏感（李依璇等，2021；田智慧等，2022）。監測長時間序列植被的時空格局變化及其驅動機制對區域生態恢復及可持續發展具有重要的意義（趙安周等，2017；袁和第，2020）。

遙感技術具有宏觀性、快速性、準確性以及能夠進行動態監測等優勢，目前已被廣泛應用在長時間序列和不同空間尺度的植被動態監測中（Xu et al.，2022）。諸多遙感數據中，NDVI由于計算簡單且與葉面積指數（Leaf Area Index，LAI）和凈初級生產力（Net Primary Productivity，NPP）等植被指數密切相關而被廣泛應用在區域及全球植被動態變化監測中（張寶慶等，2011；張園等，2020；黃棟等，2021）。如張園等（2020）利用 2001—2018年 MODIS NDVI數據，探究長白山自然保護區植被對溫度和降水變化的響應。張寶慶等（2011）結合SPOT NDVI和GIMMS NDVI兩種數據集對近30年黃土高原植被變化趨勢及空間分布進行監測。黃棟等（2021）使用SPOT NDVI數據集，從區域和像元兩個角度分析了環渤海地區植被空間動態演變趨勢及其對氣候和土地利用變化的響應。需要指出的是，NDVI會受到大氣和土壤等背景信息的影響，不僅在高植被區域存在過飽和現象，而且難以區分低植被覆蓋區的植被信息（楊嘉等，2008）。因此也有學者利用像元二分法模型估算植被覆蓋度（Fraction of Vegetation Coverage，FVC）監測植被的時空演變格局及驅動因素（張家政等，2022）。目前的研究表明該指標可以更加準確表征植被狀況，反映陸地生態系統的健康情況（易浪等，2014）。

黃土高原地處黃河中游，是構建國家“兩屏三帶”生態安全格局和落實黃河流域高質量發展的主體區域（李依璇等，2021）。長期以來，由于氣候變化和不合理的人類活動，使該地區水土流失嚴重，是黃河主要的泥沙輸入地（趙安周等，2017）。自1999年實施生態工程建設以來，該地區的植被得到了快速恢復，生態環境明顯改善（袁和第，2020）。目前已有諸多研究利用NDVI、FVC和NPP等指標對該地區的植被時空演變格局及其影響因素進行了分析，易浪等（2014）、Han et al.（2022）和張家政等（2022）分別采用MODSI NDVI、SPOT NDVI和GIMMS NDVI等數據分析了黃土高原植被時空演變及影響因素，認為該地區植被呈顯著增加的趨勢，且對氣候變化敏感。受限于本地計算資源和數據分發的方法，目前研究采用的 MODIS NDVI時間從2000年開始，空間分辨率為250 m、500 m或1 km；SPOT NDVI時間從1998年開始，其空間分辨率為1 km；而GIMMS數據的獲取時間雖從1981年開始，但其空間分辨率僅為0.08333°（約8 km），這些數據都無法精確評估退耕還林前后黃土高原植被的動態演變。

谷歌地球引擎（Google Earth Engine）平臺是基于云計算技術用于處理和分析大型地理空間數據集的大規模計算設施，為海量遙感數據的快速處理分析提供了前所未有的發展機遇（寧曉剛等，2022）。目前GEE已被廣泛應用在大尺度的植被監測、土地利用分類以及碳循環等諸多領域。雖然也有研究利用 GEE平臺對黃土高原的植被覆蓋時空演變及其影響因素進行了分析（郭永強等，2019；常錚，2022），但較少考慮植被類型、地形因子等因素對FVC的影響，對退耕還林（草）前后其FVC的動態變化分析略顯不足。

基于此，借助GEE平臺，利用1986—2021年30 m空間分辨率的Landsat地表反射率數據計算長時間序列黃土高原NDVI和FVC，分析退耕還林（草）工程實施前后（1986—1999、2000—2021和1986—2021年）FVC的時空演變趨勢，揭示地形因子對植被的影響。在此基礎上，采用偏相關分析和殘差分析等方法，定量探討氣候因子和人類活動對FVC的影響。研究結果可為黃土高原后續生態工程建設方案的制定提供科學依據和數據支撐。

1 研究區概況

黃土高原地處黃河中游（33°43′—41°16′N，100°54′—114°33′E），包含山西省、寧夏回族自治區的全部地區以及陜西省、甘肅省、內蒙古自治區、青海省和河南省的部分地區，總面積約 6.48×105km2（趙安周等，2017；張家政等，2022）。該地區地勢由西北向東南傾斜，海拔差異超過3000 m（圖1a）。氣候類型屬溫帶大陸性季風氣候，冬季寒冷干旱，夏季炎熱多雨，年平均氣溫 3.6—14.3 ℃，多年平均降水150—800 mm（易浪等，2014）。植被類型以草地、栽培植被和林地為主，其面積占研究區總面積的85%以上，中部區域為退耕還林（草）的重點區域（圖 1b）（Zheng，2019；Zhao et al.，2022）。受地形地貌、氣候變化以及不合理的人類活動，黃土高原是世界上水土流失最嚴重的地區之一（郭永強等，2019）。

圖1 研究區位置和植被類型圖Figure 1 Location and vegetation type of Loess Plateau

2 數據和方法

2.1 數據來源與預處理

2.1.1 遙感影像數據

1986—2021年 Landsat（5，7和 8）地表反射率數據集（Surface Reflectance，SR）來自于美國地質調查局，由 GEE平臺獲?。╤ttps://code.earthengine.google.com/），該數據產品已經過大氣校正，可以消除大氣散射、吸收以及反射引起的誤差，其時間分辨率為16 d，空間分辨率為30 m×30 m。其中 1986—2011、2012、2013—2021年分別使用Landsat 5（19301景）、Landsat 7（786景）、Landsat 8（8800景）數據，黃土高原共計使用28887景數據（圖2）。

圖2 1986—2021年Landsat 5/7/8用于年合成采用的影像數量Figure 2 Number of scenes of Landsat 5/7/8 used for annual composite formation in 1986-2021

借助 GEE平臺對黃土高原范圍內遙感影像的QA質量波段做按位與運算，根據需求設定掩膜值去除受到云、陰影和雪等較大影響的像元以實現對像元的質量控制，進而達到去云的效果。在此基礎上計算其NDVI，同時為進一步消除大氣及傳感器角度的影響，采用最大值合成法合成年 NDVI數據，獲取1986—2021年黃土高原年最大NDVI數據集。

2.1.2 氣象、植被類型和地形數據

1986—2021年黃土高原年平均氣溫和降水數據來源于中國科學院資源環境科學數據中心（http://www.resdc.cn），該數據是基于全國2400多個氣象站點觀測數據，利用 ANUSPLIN插值軟件插值而成，空間分辨率為 1 km×1 km。太陽輻射（Solar Radiation，RAD）年合成數據來源于 ERA5再分析數據集（https://cds.climate.copernicus.eu/），其時間跨度為 1981—2021年，空間分辨率為0.1°×0.1°。

植被類型來自于中國科學院等單位編制的 1∶100萬中國植被類型圖（侯學煜，2001），依據該類型圖將黃土高原分為栽培植被、林地、草地、灌叢、荒漠以及其他6種類型（圖1b）。在計算FVC與降水、氣溫和RAD的偏相關系數以及殘差分析前，利用GEE平臺將FVC和RAD數據重采樣為1 km×1 km。

數字高程模型（Digital Elevation Model，DEM）數據來自地理空間數據云平臺（https://www.gscloud.cn/），該數據空間分辨率為30 m，利用該數據對黃土高原的坡向、高程、坡度3種地形因子進行提取。通過使用等間距分類法（李晶等，2021）對上述得到的地形因子進行重分類，統計不同地形因子的FVC等級占比及其均值變化。

黃土高原矢量邊界數據來自于中國科學院資源環境科學數據中心（https://www.resdc.cn/），退耕還林重點區域的界線來源于Zheng et al.（2019）和Zhao et al.（2022）。

2.2 研究方法

2.2.1 像元二分模型

FVC的估算采用像元二分模型，該方法假定植被區的混合像元僅由植被和土壤構成，植被覆蓋部分所占像元面積比例即為該像元的 FVC值（李苗苗等，2004；徐勇等，2022）。其計算公式如下：

式中：

FVC——植被覆蓋度，其值介于0—1之間；

NDVIsoil和 NDVIveg——分別表示無植被覆蓋和純植被覆蓋時其地表的NDVI值，其中，裸地像元值NDVIsoil和純植被覆蓋像元值NDVIveg的理論值應分別接近0和1；

RNI和 R——分別表示近紅外和紅光波段的反射率。參考已有的文獻如李苗苗等（2004）和徐勇等（2022），本文取當年NDVI累計頻率的5%和95%分別作為當年的NDVIsoil和NDVIveg。

2.2.2 趨勢分析

采用非參數化趨勢度（Sen）方法從像元尺度上計算黃土高原 FVC的變化趨勢，該方法是一種穩健的非參數統計的趨勢計算方法，計算效率高，且對測量誤差和離群數據不敏感（Yu et al.，2020；Zhao et al.，2022），其具體計算公式如下（解晗等，2022）：

式中：

β——FVC的時間變化趨勢，β＞0表示FVC呈現上升趨勢，β＜0表示FVC呈現下降的趨勢；

a和b——時間序數；

xa和xb——第a和b時間的FVC值。為進一步分析FVC變化的顯著性，采用Mann-Kendall檢驗方法對其變化的顯著性進行檢驗（徐建華，2014）。

2.2.3 偏相關分析

為探究氣溫、降水和RAD對植被生長的影響，對1986—2021年黃土高原FVC值與年平均氣溫、年降水和年RAD進行逐像元偏相關分析（Evans et al.，2004），其公式如下：

式中：

rxyz——變量 z固定后變量 x和 y的偏相關系數，即xy相關中剔除z的影響；

rxy——變量x與變量y的相關系數；

rxz——變量x與變量z的相關系數；

ryz——變量y與變量z的相關系數。

2.2.4 殘差分析

采用殘差分析區分氣候變化和人類活動對FVC的影響，該方法是由Evans et al.（2004）提出。通過對降水、溫度和 RAD進行逐像元多元線性回歸分析，擬合得到FVC的預測值，將其視為氣候因素對FVC的影響，進而對利用FVC真實值與預測值之差來區分氣候變化和人類活動對 FVC變化的影響（李晶等，2021；楊燦等，2021；常錚等，2022），其公式如下：

式中：

x1、x2和x3——年平均氣溫、年降水和RAD 3個氣候因子；

a、b和c——FVC與氣候因子的回歸系數；

d——回歸常數項；

ε——殘差值，ε的值域為[-1—1]，ε＞0和ε＜0的時候分別表示人類活動對FVC起促進和抑制作用，ε=0表示人類活動對FVC無影響；

FVCCC和FVCobs——FVC模擬值和實際值；

Trend(ε)——人類活動影響下FVC變化趨勢；

Trend(FVCCC)——實際FVC變化趨勢；

H——人類活動的貢獻率。

3 結果分析

3.1 黃土高原FVC年際變化特征

1986—2021年黃土高原FVC呈波動上升的趨勢，其值由 1986年的 0.3901上升到 2021年的0.5421，增速為 0.0044 a-1（P ＜0.01，圖 3）。分時間段看，1986—1999年期間，其FVC值由0.3901增至 0.4369，增速為 0.0038 a-1（P＜0.01，圖 3）；2000—2021期間，FVC值由0.4612增至0.5421，增速為0.0058 a-1（P＜0.01），增速明顯快于前一階段（圖 3）。從不同的植被類型看（表 1），1986—2021年期間黃土高原各個類型植被FVC均呈顯著上升趨勢（P＜0.01），其中草地的上升速率最快（Trend=0.0055 a-1）。從不同時間段看，2000—2021年的耕地、林地、草地和灌叢的上升速率均高于1986—1999年。

表1 1986—1999、2000—2021和1986—2021年黃土高原不同植被類型的FVC變化趨勢Table 1 Trends of FVC changes between different vegetation types in the Loess Plateau in 1986-2021, 1986-1999 and 2000-2021

圖3 1986—1999、2000—2021和1986—2021年黃土高原FVC年際變化Figure3 The variation of average annual vegetation cover of the Loess Plateau in 1986-2021,1986-1999 and 2000-2021

3.2 黃土高原FVC空間格局演變

3.2.1 空間分布特征

將FVC劃分為低覆蓋度[0, 0.20]、中低覆蓋度（0.20, 0.40]、中等覆蓋度（0.40, 0.60]、中高覆蓋度（0.60, 0.80]和高覆蓋度（0.80, 1.00] 5個等級，并提取FVC值為0.60的分界線（李輝霞等，2011）。圖4顯示了 1986—1999、2000—2021和 1986—2021年黃土高原 FVC多年均值的空間分布?？傮w上，1986—2021年黃土高原FVC均值呈西北向東南遞增的分布格局，低值區主要分布在北部的內蒙古自治區、寧夏回族自治區和甘肅省等地，這些地區多為草地和荒漠沙地；高值區域主要分布在東南部的山西和陜西省，這些地區的植被類型以灌溉農業、灌叢和林地為主（圖4a）。與1986—1999年相比，2000—2021年FVC=0.60曲線呈向西北方向移動的趨勢，表明生態工程建設以后，其FVC＞0.60的像元呈增多的態勢（圖4b和4c）。從1986—2021年的像元分布頻率看，FVC處于中等覆蓋度的像元占比最大（23.61%），其中1986—1999年黃土高原地區FVC以中等及以下覆蓋度占比達67.20%，2000—2021年 FVC以中等及以下覆蓋度占比減少至57.36%，表明生態工程建設以后黃土高原植被得到恢復（圖4d）。

圖4 1986—1999、2000—2021和1986—2021年黃土高原FVC均值空間分布及不同等級FVC像元占比Figure 4 Spatial distribution and the frequencies of FVC on the Loess Plateau in 1986-2021,1986-1999 and 2000-2021

3.2.2 空間趨勢特征

圖5顯示了1986—2021、1986—1999和2000—2021年黃土高原像元尺度FVC的變化趨勢。從圖中可以看出，黃土高原FVC整體趨勢以增加為主。1986—2021年 FVC呈增加和減小的面積分別占67.19%和32.81%，其中顯著上升的面積占53.66%，主要位于黃土高原的中北部；顯著退化的面積僅占8.68%，主要位于南部的西安等城市的周邊以及西北部的內蒙古自治區和寧夏回族自治區等地（圖5a和5d）。從不同時間段看，1986—1999年FVC值呈顯著上升和顯著減少的分別占18.38%和6.43%（圖5b和5d）；到2000—2021年，FVC值呈顯著上升的比例上升至48.12%，主要位于黃土高原中部地區（圖5c和5d）。

圖5 1986—1999、2000—2021 和1986—2021 年黃土高原FVC 空間趨勢Figure 5 Spatial distribution of FVC trends on the Loess Plateau in 1986-2021, 1986-1999 and 2000-2021

3.3 FVC影響因素分析

3.3.1 FVC的地形效應

圖6顯示了1986—2021年黃土高原FVC隨地形因子的變化情況。從圖中可以看出，FVC值隨高程的變化呈“下降—上升—下降”的變化趨勢，最高值（0.7793）出現在 3.0—3.5 km，最低值（0.4285）出現在 1.0—1.5 km。FVC各等級面積占比隨高程不同差異明顯，其中低等級FVC和中低等級FVC面積占比隨高程變化起伏較大，當海拔超過 4 km時，中高等級FVC和高等級FVC占比僅為2.41%，而中低等級FVC及低等級FVC的比例達到75.01%（圖6a），主要原因是由于該海拔高度已遠超林線，隨著海拔升高氣溫和空氣密度都會降低，不利于植被生長，使得植被覆蓋情況較差（李輝霞等，2011；王曉蕾等，2022）。從不同坡向FVC的變化看，其均值在0.4571—0.4828之間，各等級FVC占比差異不大，表明坡向對黃土高原 FVC影響效果并不明顯（圖6b）。從不同的坡度等級看，FVC值隨坡度的增加呈增加的趨勢，其值從0°—5°的0.4282上升到 25°—45°的 0.7025（圖 6c），具體而言，15°—25°中高等級 FVC和高等級 FVC比例最大（73.93%）；0°—5°的低等級FVC和中低等級FVC比例最大（42.82%），主要是由于城市等人口密集區域主要集中在坡度較小的地方，受城市擴張等人類活動的干擾，其低等級 FVC占比較高（馬士彬等，2019）。

圖6 黃土高原不同地形因子的FVC等級占比及其均值變化Figure 6 Proportion and FVC means of vegetation cover at different levels of terrain factors

3.3.2 氣候變化對FVC的響應

除地形因子外，植被還會受到氣候因子的影響（Feng et al.，2016；Liu et al.，2020；Gao et al.，2022；肖強等，2016；聶桐等，2022）。1986—2021年黃土高原FVC與年降水量、年平均氣溫和RAD的偏相關系數分別為0.239、0.093和-0.006，其中呈顯著正相關（P＜0.05）像元比例分別為48.50%、22.51%和5.96%（圖7）。FVC與年降水的偏相關系數整體上大于年均氣溫和RAD，表明降水是影響黃土高原植被變化的主要氣候因素（圖 7a）。黃土高原地處干旱半干旱區域，降水的增多會提高土壤含水量，促進植被生長（郭永強等，2019；張家政等，2022）。FVC與氣溫呈顯著負相關的比例為6.15%，主要位于西北部的甘肅省、寧夏回族自治區以及內蒙古自治區（圖7b）。此外，FVC和太陽輻射呈顯著負相關的比例為7.81%，主要位于西北部的青海省、寧夏回族自治區、內蒙古自治區等地（圖 7c），這些地區的太陽輻射過強，過度紅外或紫外輻射不利于植被的生長（何亮，2021；孫高鵬等，2021）。

圖7 1986—2021 年FVC 與氣候因子偏相關系數的空間分布 Figure 7 Spatial distribution of partial correlation coefficients between FVC and climate factors in 1986-2021

3.3.3 人類活動對于FVC的影響

人類活動也是該區 FVC變化的重要驅動因素之一（Kou et al.，2021；張寶慶等，2021）。殘差分析結果表明，人類活動是 FVC變化的主要貢獻因子（80.92%），并將黃土高原FVC的殘差趨勢值分為顯著負向影響（Trend＜0，P＜0.05）、輕微負向影響（Trend＜0，P＞0.05）、輕微正向影響（Trend＞0，P＞0.05）和顯著正向影響（Trend＞0，P＜0.05）4 個等級。從圖中可以看出，人類活動對黃土高原植被生長起正向和負向作用的像元比例分別為 73.20%和 26.80%，其中呈顯著正向影響像元面積占比為26.99%，主要位于中部的陜西、甘肅等退耕還林（草）工程重點區域（圖 8）。殘差趨勢為負值的區域主要分布在黃土高原東南部的西安、太原以及西北部的銀川等省會城市附近，這些地區大多經濟相對發達，人口密集，城市擴張較快，對植被生長起消極作用（圖8）?？傮w上，人類活動對該地區植被呈積極影響，但應關注城市擴張等人類活動對植被的消極影響。

圖8 1986—2021年黃土高原人類活動對FVC影響的空間分布Figure 8 Spatial distribution of human activities impacts on FVC in the Loess Plateau in 1986-2021

4 討論

目前的研究表明近幾十年黃土高原的植被呈改善的趨勢，如Kou et al.（2021）利用SPOT NDVI和GIMMS NDVI分析了黃土高原1998—2018年黃土高原 FVC的時空演變及影響因素，結果表明近80%的區域呈變綠的趨勢；Zhao et al.（2017）利用GIMMS NDVI數據分析了1982—2013年黃土高原生長季NDVI的時空演變，認為90%以上的區域呈變綠的趨勢；李依璇等（2021）采用MODIS數據分析了 2000—2018年黃土高原植被動態變化，認為70%以上的區域被覆蓋度呈增加趨勢。上述研究存在差異的原因可能是數據源以及研究時間尺度的不同造成的。本研究結果表明，1986—2021年黃土高原FVC呈增加的面積占67.19%，2000—2021年黃土高原FVC的增加速率明顯快于1986—1999年（圖2和圖5），尤其在生態工程重點建設區尤為顯著（圖5a），表明退耕還林（草）等生態工程建設對植被有積極影響，這與趙安周等（2017）、郭永強等（2019）的研究結果類似。本文采用GEE平臺的Landsat地表反射率數據計算的FVC同時兼顧了高空間分辨率和長時間序列，不僅彌補了 MODIS、SPOT等數據時間跨度較短的不足，而且避免了GIMMS數據空間分辨率較低的問題，因此可以更加清晰地表征黃土高原，尤其是城市擴張區域植被的時空演變（圖5）。黃土高原多為半干旱地區，水資源匱乏，但是水分作為光合作用的主要原料之一，降水的增加會促進植被的快速生長。1986—2021年黃土高原降水呈顯著增加的趨勢（Trend=1.975 mm·a-1，P=0.015，圖 9），黃土高原FVC與降水呈正相關的面積比例達到 79.73%（圖7a），進一步表明降雨的增多會促進該地區植被的生長。同時，由于生態系統的反饋機制，植被的快速增加會影響下墊面條件，進而會對陸面與大氣間的交互作用機制產生影響，進一步增加局部降水（Gao et al.，2022；張寶慶等，2021）。此外黃土高原東南部的關中平原及北部的河套平原 FVC值較高，主要是由于這些地方主要為灌溉農業區，人為灌溉會對植被生長產生積極作用（Kou et al.，2021；金凱等，2020）。本研究結果也表明，在西安、太原、銀川等城市周邊的植被出現顯著退化的趨勢，主要是由于快速的城市擴張將草地、農田以及林地等轉變成城市不透水表面，使得植被減少（Kou et al.，2021）。不同的地形條件下其FVC值不同主要是由于不同的海拔和坡度其土壤所含水分、熱量條件以及礦物質含量與種類的不同，使得植被生長存在差異，進而產生空間異質性（王曉蕾等，2022）。

圖9 1986—2021、1986—1999和2000—2021年黃土高原年降水量及趨勢Figure 9 Trends of precipitation in the Loess Plateau in 1986-2021, 1986-1999 and 2000-2021

考慮到本地計算機的性能難以滿足大空間尺度的數據處理，本研究利用 GEE平臺對黃土高原的Landsat數據進行了處理得到了1986—2021年黃土高原逐年的 FVC數據，該平臺可以在線高效處理大范圍長時間序列的遙感數據，快速實現影像統計、趨勢分析等方面的研究，對大區域環境下的植被變化進行實時監測，極大的縮短影像處理時間，提高工作效率。應該指出的是，雖然本文利用30 m空間分辨率的Landsat數據對1986—2021年黃土高原 FVC的時空演變格局及影響因素進行了分析，但仍存在一定的不確定性。首先，考慮到Landsat數據的可獲取性，本研究僅對年尺度的 FVC變化進行了分析，并未分析其年內變化特征，已有研究表明植被對氣候因子的響應具有季節性（閻世杰等，2019）。其次，FVC的變化對多種自然和人為要素具有較強的依賴性和敏感性，其變化會受到多因子間的交互作用，本研究雖采用殘差法剝離了氣候干擾，但人類活動影響因子多樣，如何選擇人類活動因子更詳細地劃分不同類型的人類活動（農業灌溉和城市擴張等）對FVC的影響是今后的研究重點。最后，雖然退耕還林（草）等生態工程提高了黃土高原的FVC，有效抑制入黃的泥沙量，但另一方面植被覆蓋度的提高會增加該地區水資源的壓力，進而帶來土壤干化等問題（Wang et al.，2021），因此，如何因地制宜選擇合適的植物進行植樹造林值得進一步研究。

5 結論

（1）時間上，1986—2021年黃土高原FVC均值整體上呈波動上升趨勢，2000—2021年的增加趨勢快于1986—1999年?？臻g上，1986—2021年黃土高原多年 FVC均值總體呈從西北向東南遞增的分布格局，其中呈顯著上升面積主要集中在陜西省北部、山西省西部等地。

（2）對FVC變化進行地形效應響應分析可知，坡度和高程對FVC的影響較顯著。FVC值隨高程呈“下降—上升—下降”的變化趨勢；FVC隨坡度的增加呈增加的趨勢。

（3）在黃土高原地區人類活動對 FVC變化的貢獻程度高于氣候的影響。在人類活動方面，73.20%的區域對 FVC變化起積極作用；在氣候因子方面，年降水量對FVC變化影響最大。

GEE平臺具有海量共享的遙感影像和地理數據，依托谷歌云平臺和強大的后臺處理器計算可處理大范圍、長時間序列的遙感影像數據，極大的縮短影像處理時間，提高工作效率。因此本研究GEE平臺的30 m空間分辨率的Landsat地表反射率數據計算了黃土高原地區 30 m分辨率、長時間序列（1986—2021年）的FVC數據，可以從更精細尺度分析黃土高原地區的植被覆蓋變化及對氣候變化和人類活動的響應，其研究結果可為黃土高原生態環境保護及未來退耕還林（草）政策的制定提供決策和建議。