廣西壯族自治區植被覆蓋度時空變化及多元化因子分析

楊君楠 狄光智

摘 要：旨在利用MODIS遙感數據集對研究區19年植被覆蓋度的時空變化及多元化因子進行分析，研究表明：（1）廣西近19年植被覆蓋度整體較高，空間分布呈四周高、中間低的特征；（2）2001-2019年FVC呈上升趨勢，且上升趨勢的面積占比達到61.50%，上升速率為每10年0.091，且波動變化相對穩定；（3）由氣溫、降水量與FVC偏相關性結果可知，植被覆蓋度與氣候因子之間存在相關性，氣溫以每10年0.38℃的上升速率呈上升趨勢，降水量呈緩慢下降趨勢，降水量及氣溫對植被覆蓋度的影響存在空間異質性；隨著海拔的升高植被覆蓋度呈先增后減的趨勢；坡向對植被類型的布局影響較大，陽坡主要以林地類型為主，陰坡主要以草地和林地為主；不同坡度植被覆蓋變化顯著，在坡度≤15°時植被覆蓋度較高，當坡度越大時植被覆蓋度呈下降狀態；（4）隨著土地利用類型的變化植被覆蓋度有明顯差異，轉為林地和草地的面積及植被覆蓋度都呈逐年增加趨勢，耕地植被覆蓋度呈先增后降的趨勢。

關鍵詞： 植被覆蓋度； MODIS；FVC； 像元二分模型； 一元線性趨勢分析； 偏相關性分析

中圖分類號：Q 948.1? ???文獻標志碼：A ??文章編號：0253-2301（2023）01-0058-08

DOI： 10.13651/j.cnki.fjnykj.2023.01.009

Analysis on the Temporal and Spatial Variation and Diversification Factors ofVegetation Coverage in Guangxi Zhuang Autonomous Region

YANG Jun-nan， DI Guang-zhi*

（Southwest Forestry University， Kunming， Yunnan 650224， China）

Abstract： This paper aimed to use the MODIS remote sensing data set to analyze the temporal and spatial variation and diversification factors of vegetation coverage in the study area in the past 19 years. The research showed that： （1） In the recent 19 years， the vegetation coverage in Guangxi was higher on the whole， and the spatial distribution was characterized by higher in the periphery and lower in the middle. （2） From 2001 to 2019， FVC showed an increasing tendency， and the area of the increasing tendency accounted for 61.50%. The raising rate was 0.091 per 10 years， and the fluctuation was relatively stable. （3） According to the partial correlation results of temperature， precipitation and FVC， there was a correlation between vegetation coverage and climatic factors. The temperature increased at a rate of 0.38℃ every 10 years， and the precipitation decreased slowly. The influence of precipitation and temperature on the vegetation coverage had spatial heterogeneity. With the increase of altitude， the vegetation coverage increased first and then decreased. The slope aspect had a great influence on the layout of vegetation types. The sunny slope was mainly dominated by forest land types， while the shady slope was mainly dominated by grassland and forest land types.The vegetation coverage changed significantly at different slopes. When the slope was less than 15°， the vegetation coverage was higher， and when the slope was larger， the vegetation coverage decreased. （4） With the change of land use types， there was significant difference in the vegetation coverage. The area converted to forestland and grassland and the vegetation coverage increased year by year， while the vegetation coverage of cultivated land increased first and then decreased.

Key words： Vegetation coverage； MODIS； FVC； Dimidiate pixel model； Unitary linear trend analysis； Partial correlation analysis

植被是人類賴以生存和發展的物質基礎，對地表生態環境的建設發揮著相當重要的作用，同時植被也是陸地生態系統的重要組成部分［1］。植被覆蓋度是指植被（包括葉、莖、枝）在地面的垂直投影面積占統計區總面積的百分比［2］，是衡量植被生長和植物群落覆蓋等健康狀況與否的綜合指標之一。由于社會的發展，特別是人類活動在很大程度上影響了陸地生態系統的平衡，引起全球變暖、植被生境的破壞等問題，而植被覆蓋度變化的同時也影響著區域氣候、水文、生態等環境因子的變化。植被覆蓋度的獲取方法過去一直采用的是實地測量法，比如目估法、采樣法、儀器法、模型法等［3］，傳統方法不管在人力、物力、財力還是時間成本上都消耗過大，具有一定的局限性。近些年來遙感技術不斷發展與應用，國內外很多學者就利用遙感數據對不同尺度區域的植被覆蓋度進行了反演和驅動因子分析［4-9］。從最開始傳統實地估量植被覆蓋度到現在通過遙感影像以數學模型為基礎進行估算，用遙感估算得方法節省了大量得人力、物力以及時間，這為進一步估算碳匯和評估區域生態環境提供了科學的數據支撐。

廣西位于中國地勢第二級階梯，地處云貴高原的東南部。目前利用遙感技術對廣西植被覆蓋度以及相關因子分析的研究較少。由于NDVI（Normalized Difference Vegetation Index，歸一化植被指數）是依據地表反射率監測地表植被變化的指標［10-11］，植被覆蓋度（Fractional Vegetation Coverage，FVC）是指植被垂直投影到地表的面積占研究區總面積的分布比例，是植被生長信息的直觀反映，是研究生態和氣象等環境變化的重要影像因子。因此，本研究以廣西為研究區域，以MODIS植被指數NDVI數據集為基礎，利用像元二分模型反演出植被覆蓋度，運用相關分析方法探討廣西FVC的時空變化，同時對多元驅動因子進行相關分析，為廣西區域生態環境的建設和中國南部植被覆蓋度的研究提供現實依據。

1 研究區概況及數據來源

1.1 研究區概況

廣西是少數民族自治區，也是中國沿海自治區。屬于中國華南地區西部，省界與廣東、湖南、貴州及云南相接壤，并與越南相毗鄰，南瀕北部灣海峽，總面積為23.67 hm2，位處中國地勢的第二級階梯。因其不同的地形地貌，研究區北部以中亞熱帶季風氣候為主，南部以南亞熱帶季風氣候為主，多地年降水量均≥1 000 mm，多數地區年降水量≥1 500 mm。各地年平均氣溫＞16℃，氣溫隨緯度的變化由北向南遞增，由山地丘陵向平原盆地遞增。整個地勢為中間低四周高，平均海拔在750 m以上，總體來說山地、高原及丘陵為研究區主體地貌。

1.2 數據來源與預處理

研究選用3種數據：（1）遙感數據，源于NASA官方遙感數據網站（https：//ladsweb.modaps.eosdis.nasa.gov）MODIS衛星產品中的MOD13Q1 NDVI數據［12-13］和MCD12Q1土地利用數據，利用MODIS預處理軟件（MODIS reprojection tool，MRT）將MOD13Q1 NDVI數據以及MCD12Q1土地利用數據分別進行重采樣、重投影及拼接等預處理，使其空間分辨率達到一致；（2）DEM高程數據，源于地理空間數據云（http：//www.gscloud.cn/），利用ArcGIS 10.8軟件對廣西DEM數據進行鑲嵌、裁剪等處理，然后將其統一為與NDVI數據相同的坐標系和投影坐標，提取地形因子并分級；（3）氣候數據，源于中國氣象數據共享服務網（http：//data.cma.cn/），將氣候基礎數據插值處理，最后按照研究區域矢量圖進行掩膜提取出研究區域柵格化的逐年逐月的氣候影像。

2 研究方法

2.1 像元二分模型

NDVI可以體現植被健康生長狀況，是目前被廣泛應用的植被指數［15-17］。其估算公式如下：

NDVI=NIP-RNIR+R（1）

式（1）中：NDVI為歸一化植被指數，其中R為紅波段，NIR為近紅外波段。

像元二分模型假設是將像元光譜信息分為純植被有效貢獻信息（S1）和裸土有效貢獻信息（S2）兩部分混合而成，即：

S=S1+S2（2）

若某一像元的裸土覆蓋像元用Ss表示，純植被覆蓋像元用Sv 表示，則這一像元的植被覆蓋度（FVC）將以植被覆蓋度的面積占比來表示，裸土覆蓋度可以表述為（1-FVC），此時計算S1、S2和FVC的表達式為：

S1=Sv×FVC （3）

S2=SS ×（1-FVC） （4）

FVC=S-SSSv-SS（5）

由于NDVI和FVC之間存在顯著的相關性，結合上述公式（1）和公式（5），FVC的計算公式即為：

FVC=NDVI-NDVISNDVIv-NDVIS（6）

式（6）中：NDVIS為純土壤覆蓋的像元NDVI值，NDVIv為純植被覆蓋像元NDVI值。

2.2 線性回歸模型

線性回歸分析方法將模擬植被覆蓋度的變化趨勢［18］。本研究基于最小二乘法逐個像元采用線性回歸模型擬合斜率，以單個像元FVC隨時間變化特征進行分析19年間廣西植被覆蓋度（FVC ）的變化趨勢和變化速率，其公式如下：

θslope=n×∑ni=1i×FVCi-∑ni=1i∑ni=1FVCi∑ni=1i2×n-（∑ni=1i）2（7）

式（7）中：θslope為19年以來FVC的變化斜率；n為年份，i為年變量，FVCi代表第i年的FVC。當FVC＞0時，說明植被覆蓋度呈上升趨勢，反之下降。其計算公式如下：

R2=［∑ni=1（i-）×（FVCi-FVC）］2∑ni=1（i-）2×∑ni=1（FVC-FVC）2（8）

式（8）中：i為2001-2019年的年份號1～19；n為年份；為這19年的植被覆蓋度平均值；FVCi為第i年的FVC值，FVC為2001-2019年FVC的平均值。根據檢驗結果和θslope值的大小將FVC分為7個等級，并統計相應區間的面積占比。

2.3 FVC變異系數分析法

變異系數（coefficient of variation，Cv）可以反映植被覆蓋度多年的變化波動狀況［19］，其計算公式如下：

Cv=∑ni=1（i-）×（FVCi-FVC）2n-1

FVC（9）

式（9）中：Cv是FVC的變異系數；n為年份；FVCi為第i年的FVC值，FVC表示2001-2019年的FVC平均值；若Cv≤0.15，則FVC波動變化較小，植被生長處于穩定狀況；若Cv＞0.15，則FVC波動變化較大，植被生長處于非穩定狀況；根據前人的研究，根據變異系數值的大小，將植被FVC波動大小進行分等并統計相應區間的面積占比。

2.4 FVC相關系數模型

偏相關分析是用于研究多個因子之間的相關性［20］，依據研究區域的植被覆蓋度，利用Matlab軟件進行分析其與同區域年均氣溫和年降水量之間的偏向性，并進行偏相關性假設檢驗，其計算公式如下：

rij，k=rij，k-rik×rjk（1-r2ik）-（1-r2jk）（10）

式（10）中：rij，k表示對i和j這2個變量因子進行偏相關分析獲取的偏相關系數；其中，rij、rik、rjk為2個變量因子的簡單相關系數，rij

，k取值范圍在［-1，1］之間，若rij，k＞0時，則說明2個變量因子之間呈正相關；若rij，k＜0，則說明2個變量因子之間呈負相關；若

rij，k的絕對值接近1時，說明2個變量因子之間的偏相關性較好，若rij，k的絕對值接近0時，說明2個變量因子之間的偏相關性越低。

2.5 馬爾科夫模型

馬爾科夫模型是一種統計模型，本文對研究區域的土地利用覆蓋變化情況采用此模型進一步分析研究在生態政策實施開始時和研究結束時土地利用變化情況以及不同土地利用類型的變化方向［21］。其計算公式如下：

Sij=S11 ?S12 ?… ?S1n

S21 ?S22 ?… ?S2n

┇ ┇ ┇ ┇

Sn1 ?Sn2 ?… ?Snn? （11）

式（11）中：S表示土地面積，n表示土地利用類型的數量，i表示研究開始初的土地利用類型，取值1，2，…，n；j表示研究結束末的土地利用類型，取值1，2，…，n。3 結果與分析

3.1 廣西植被覆蓋度時空分布特征

3.1.1 廣西植被覆蓋度空間分布特征

2001-2019年廣西平均植被覆蓋度的均值為0.77，并依據《土壤侵蝕分類分級標準》將計算出來的FVC遙感影像基于目前的植被覆蓋度分類研究進行等級劃分［22］，分為5個等級，分別為較高、高、中等、較低及低。該研究以2001、2005、2010、2015、2019年為代表年份，對其進行植被覆蓋度面積占比統計（表1），其中，較高植被覆蓋度和高植被覆蓋度總和多年超過80%；低、較低、中等3個等級的植被覆蓋面積百分比呈減少趨勢，而較高、高2個等級的植被覆蓋區域面積占比呈顯著增加趨勢，說明研究區植被覆蓋度整體較高，呈增加趨勢，與中國西北地區相比較，植被覆蓋度明顯偏高［23］。在空間分布上，研究區域植被覆蓋度整體呈現四周高，中間低。

3.1.2 廣西植被覆蓋度時間分布特征

2001-2019年研究區植被覆蓋度隨時間變化趨勢如圖1所示，該區域植被覆蓋度呈緩慢上升趨勢，每10年

增加8%（P＜0.05），該研究區域2005年植被覆蓋度最低為0.69，這是由于該區域自2000年開始實施退耕還林等生態恢復等相關政策的過程中，土地利用類型面積發生相應的改變以及人類活動會對植被覆蓋度造成一定的影響［24］。隨著時間的變化，尤其是2012年之后的7年，2013-2019年該研究區域平均植被覆蓋度FVC值為0.81。由于受到植被生長季節的影響，2001-2019年植被覆蓋度月變化顯著（圖2），1月、2月、11月、12月植被覆蓋度相對較低，3月、4月、5月、6月是植物生長季節，植被覆蓋度顯著上升，7月、8月、9月、10月達到全年植被覆蓋度頂峰狀態，其中9月FVC最大為0.51，2月FVC最低為0.30，月平均FVC值達到0.42，FVC總體呈現春冬較低，夏秋較高的穩定趨勢。

3.2 植被覆蓋度變化趨勢分析

變化趨勢分析結果表明：2001-2019年廣西省多數地區FVC呈上升趨勢，通過對Slope進行F檢驗，根據前人對植被覆蓋度變化趨勢的分級研究［25］，對該研究區FVC變化趨勢進行分級，并統計其不同等級的FVC面積占比（表2）。結果顯示，呈下降趨勢的面積占研究區域總面積的13.67%；呈上升趨勢的面積占研究區域總面積的61.50%；呈穩定趨勢的面積占研究區域總面積的24.84%；從空間分布上來看，呈下降趨勢的地區主要分布在南寧、崇左、貴港；呈上升趨勢的地區主要分布在河池、百色、桂林、欽州、北海、來賓；呈穩定趨勢的地區主要分布在桂林、梧州、賀州等區域。

3.3 植被覆蓋度與相關氣候因子的分析

3.3.1 降水、氣溫分布特征

通過克里金插值法對研究區多年降水量、氣溫進行處理，根據2001-2019年研究區降水、氣溫空間分布特征可得：研究區19年的降水量表現為從西北向東南遞增，年降水量多的區域主要分布在桂林、賀州、防城港、欽州、北海等地區；研究區近19年的氣溫由于緯度的不同呈自北向南遞增的趨勢，年均氣溫20.91℃，年均氣溫隨著緯度的增加而降低，氣溫較高的地區主要分布在欽州、防城港、北海等地區。圖3為研究區年降雨量、年均氣溫值的時間變化趨勢圖，由此可以得出，2001-2019年廣西省降雨量與氣溫均值呈波動上升趨勢，其中，2015年降雨量值為168.91 mm，為多年最高值，2011年降雨量為多年最低，值為107.83 mm；2001-2019年其氣溫最高值為21.38℃，2015年是研究區多年氣溫均值最高得年份，2011年研究區年均氣溫為研究年份最高，值為20.26℃，廣西壯族自治區2001-2019年年均氣溫與年降雨量呈正相關。

3.3.2 植被覆蓋度與降水、氣溫的偏相關性分析

研究區長時間序列植被覆蓋度與年氣溫的偏相關系數為0.12，FVC與年氣溫呈正相關面積占整個研究區面積的70%。呈正相關的地區分別是百色、河池、南寧；FVC同年降雨量的偏相關系數為0.27，研究區內FVC年均值與年降雨量呈正相關的面積占18%，主要分布在東部地區；通過對植被覆蓋度與年降水量和年均氣溫的偏相關性分析可得降雨量對植被覆蓋度的影響比氣溫對其的影響大。

3.4 地形因子對植被覆蓋度的相關分析

3.4.1 海拔對植被覆蓋度的影響

植被被覆蓋度隨海拔的升高呈現出不同的變化［26］，80%以上的區域其海拔主要在750 m以內，僅有20%的地區其海拔高于750 m；海拔不同導致植被覆蓋度存在明顯的空間異質性。從圖4可以看出，海拔＜200 m時，植被覆蓋度最低為0.72，當海拔在1 000～1 250 m時，FVC的值最高為0.81，植被覆蓋度隨海拔的上升呈現逐漸增高的趨勢。

3.4.2 坡度對植被覆蓋的影響

從圖5可以得出，研究區域坡度≤15°時，土地利用類型覆蓋面積最廣泛的是城市和草地，面積占比分別為19.29%、63.49%；隨著坡度的增加，林地的覆蓋面積隨坡度的上升呈顯著增加趨勢，耕地、城市的覆蓋面積呈顯著降低趨勢，耕地的覆蓋面積在坡度≤15°時，覆蓋面積占比最高為15.10%；草地的覆蓋度隨坡度的增加呈緩慢降低趨勢；由此可知，坡度越大，林地的植被覆蓋度逐漸升高，反之降低；耕地和草地的植被覆蓋度隨之降低；由于水分在海拔較低，坡度較為平緩的區域較為充沛，因此坡度對于水體沒有較大的意義。

3.4.3 坡向對植被覆蓋度的影響

由圖6可知，當研究區域坡向為平坡時，將土地利用類型的面積占比進行比較，其面積占比從高到低依次為草地＞林地＞城市＞耕地＞水域＞未利用分類；坡向為陽坡和陰坡時，覆蓋面積最廣的土地利用類型林地和草地；在陰坡范圍內，林地和草地的覆蓋面積占比分別為27.23%、58.48%，在陽坡范圍內，林地和草地的覆蓋面積占比分別為18.83%、65.37%；林地覆蓋面積占比值在平坡中最高，耕地覆蓋面積占比值在陽坡中最高，說明陽坡水熱光照條件相比其他坡向更為充足，適合當地居民經營農業，發展相關經濟林。

3.5 土地利用變化對植被覆蓋度的相關分析

土地利用面積的變化如表3、表4所示，結合相關代表年份（2001、2010、2019年）的各土地利用類型植被覆蓋度的變化可知：林地面積逐年增長，林地類型植被覆蓋度年均增幅為0.67%；2001-2010年各土地利用類型轉為耕地的面積逐年增加，2010-2019年轉入耕地的面積顯著減少，該土地類型植被覆蓋度年均降幅為11%；草地為研究區域典型的地表覆蓋類型，草地植被覆蓋度的年均增幅為1.63%，草地覆蓋面積總體呈增長趨勢；隨著社會發展的需要各土地類型轉為城市的面積呈逐漸增加的趨勢，該土地類型植被覆蓋度逐年降低，植被覆蓋度年均降幅為8.8%，由此可知，城市的發展對未來植被覆蓋度產生重要影響。

4 結論與討論

（1）廣西2001-2019年植被覆蓋度較好，分布較為均勻，空間分布呈中間低四周高的特征。（2）研究區FVC總體呈緩慢上升趨勢，植被覆蓋度隨物候的變化季節性變化明顯，7月至10月份植被覆蓋度達到年高峰階段，1月至2月份植被覆蓋度達到年最低值。（3）植被覆蓋度的變化與氣候因子之間存在相關性，分析得出在研究區降雨量對植被覆蓋度的影響大于氣溫對其的影響。（4）植被主要分布在海拔≤1 250 m以內；植被覆蓋度也隨不同坡度發生變化；植被覆蓋度在坡向為陽坡時草地和林地的植被覆蓋度偏高，在陰坡主要以耕地分布為主。（5）近年來土地利用類型發生了明顯的變遷，由于研究區2001年根據《國務院關于進一步做好退耕還林還草試點工作的若干意見》采取了有利措施，有效實施了相關生態政策，植被覆蓋度發生了明顯的變化，耕地的利用面積逐漸減少，林地和草地的利用面積逐年上升。

參考文獻：

［1］朱文泉，張錦水，潘耀忠，等.中國陸地生態系統生態資產測量及其動態變化分析［J］.應用生態學報，2007（3）：586-594.

［2］李晶，劉乾龍，劉鵬宇.1998-2018年呼倫貝爾市植被覆蓋度時空變化及驅動力分析［J］.生態學報，2022，42（1）：220-235.

［3］張云霞，李曉兵，陳云浩.草地植被蓋度的多尺度遙感與實地測量方法綜述［J］.地球科學進展，2003（1）：85-93.

［4］易浪，任志遠，張翀，等.黃土高原植被覆蓋變化與氣候和人類活動的關系［J］.資源科學，2014，36（1）：166-174.

［5］熊俊楠，彭超，范春捆，等.基于MODIS時序數據的汶川地震災區植被覆蓋變化監測［J］.應用基礎與工程科學學報，2018，26（1）：60-69.

［6］趙麗紅，王屏，歐陽勛志，等.南昌市植被覆蓋度時空演變及其對非氣候因素的響應［J］.生態學報，2016，36（12）：3723-3733.

［7］鄭勇，楊武年，劉沖，等.川西高原近20 a植被覆蓋變化遙感動態監測及驅動力分析［J］.遙感技術與應用，2020，35（6）：1447-1456.

［8］趙舒怡，宮兆寧，劉旭穎.2001-2013年華北地區植被覆蓋度與干旱條件的相關分析［J］.地理學報，2015，70（5）：717-729.

［9］張靜，朱夢娜，宋佳佳，等.基于歸一化植被指數的小浪底庫區植被覆蓋度時空變化研究［J］.科學技術創新，2021（13）：66-69.

［10］易雪，楊森，劉鳴彥，等.遼寧省植被覆蓋度時空變化特征及其對氣候變化的響應［J］.干旱氣象，2021，39（2）：252-261.

［11］SUN Y L， GUO P， YAN X D， et al.Dynamics of vegetation cover and its relationship with climate change and human activities in Inner Mongolia［J］.Journal of Natural Resources， 2010， 25（3）：407-414.

［12］YAN E， WANG G， LIN H， et al.Phenology-based classification of vegetation cover types in Northeast China using MODIS NDVI and EVI time series［J］.International Journal of Remote Sensing， 2015， 36（2）：489-512.

［13］周夢遙，何東進，游巍斌，等.基于MODIS數據的福建省植被覆蓋度時空變化分析［J］.福建林業科技，2018，45（2）：6-12.

［14］史曉亮，王馨爽.黃土高原草地覆蓋度時空變化及其對氣候變化的響應［J］.水土保持研究，2018，25（4）：189-194.

［15］FUNG T， SIU W.Environmental quality and its changes， an analysis using NDVI［J］.International Journal of Remote Sensing， 2000， 21（5）： 1011-1024.

［16］WARDLOW B D， EGBERT S L.Large-area crop mapping using time-series MODIS 250 m NDVI data： An assessment for the US Central Great Plains［J］.Remote sensing of environment， 2008， 112（3）： 1096-1116.

［17］樸世龍，方精云.最近18年來中國植被覆蓋的動態變化［J］.第四紀研究，2001（4）：294-302.

［18］熊俊楠，彭超，程維明，等.基于MODIS-NDVI的云南省植被覆蓋度變化分析［J］.地球信息科學學報，2018，20（12）：1830-1840.

［19］何寶忠，丁建麗，張喆，等.新疆植被覆蓋度趨勢演變實驗性分析［J］.地理學報，2016，71（11）：1948-1966.

［20］阿榮，畢其格，董振華.基于MODIS/NDVI的錫林郭勒草原植被變化及其歸因［J］.資源科學，2019，41（7）：1374-1386.

［21］郭力宇，李雨思，王濤，等.氣候變化與人類活動對植被覆蓋的影響［J］.西安科技大學學報，2020，40（1）：148-156.

［22］原麗娟，畢如田，徐立帥，等.沁河流域植被覆蓋時空分異特征［J］.生態學雜志，2019，38（4）：1093-1103.

［23］張含玉，方怒放，史志華.黃土高原植被覆蓋時空變化及其對氣候因子的響應［J］.生態學報，2016，36（13）：3960-3968.

［24］湯巧英，戚德輝，宋立旺，等.基于GIS和RS的延河流域植被覆蓋度與地形因子的相關性研究［J］.水土保持研究，2017，24（4）：198-203.

［25］王琳，李娜，文廣超，等.黃河流域河南段植被覆蓋度變化及驅動力分析［J/OL］.水土保持通報：1-7［2023-01-05］.DOI：10.13961/j.cnki.stbctb.20221017.002.

［26］蔡宏，何政偉，安艷玲，等.基于RS和GIS的赤水河流域植被覆蓋度與各地形因子的相關強度研究［J］.地球與環境，2014，42（4）：518-524.

（責任編輯：陳文靜）