2001~2021年海南岛植被覆盖时空动态变化与驱动力分析

Analysis of the characteristics of temporal and spatial changes and driving forces of vegetation cover on Hainan Island from 2001 to 2021

摘要

目的 了解海南岛植被动态变化特征与驱动力，预测未来植被覆盖度的演变趋势，为海南岛绿色生态系统保护提供科学依据，为政府部门的决策和科研机构的研究提供参考。 方法 利用2001~2021年的MODIS NDVI植被指数产品，估算海南岛年最大植被覆盖度，并用Theil-Sen Median斜率估计、Mann-Kendall显著性检验、变异系数、Hurst指数等研究方法，在时间和空间上对植被覆盖度进行分析，用相关性分析和主成分分析揭示植被覆盖度变化的驱动力。 结果 21 a间海南岛年均植被覆盖度为0.87，中部山区的植被覆盖度较高，年际变化整体呈上升趋势（速率为0.001 6/a）；植被覆盖度变异系数均值仅为0.04；未来植被覆盖度呈现减少趋势的面积占比60.82%；人类活动因素中，人均国内生产总值与植被覆盖度变化的相关性系数最高。 结论 21 a间海南岛植被覆盖度整体呈上升趋势，且较稳定；未来植被覆盖度将呈减少趋势；人均国内生产总值是影响植被覆盖度变化的主要人类活动因素。

Abstract

Objective Understanding the characteristics and driving forces of vegetation dynamic changes in Hainan Island from 2001 to 2021 and predicting the evolution trend of fractional vegetation cover (FVC) in the future can provide a scientific basis for the protection of Hainan Island’s green ecosystem，and provide a theoretical reference for government decision-making and research institutions. Method By using the MODIS NDVI vegetation index products from 2001 to 2021，the annual maximum FVC of Hainan Island was estimated，and the FVC of Hainan Island was analyzed in time and space by using the research methods of Theil-Sen median trend analysis，Mann-Kendall test，coefficient of variation and Hurst index，etc.，and the driving force of FVC change was revealed by correlation analysis and principal component analysis. Result In the last 21 years，the average annual FVC of Hainan Island was 0.87，and the FVC of the central mountainous area was relatively high.The annual FVC of Hainan Island showed an increasing trend (the rate was 0.001 6/ year).The mean coefficient of variation of FVC was only 0.04.The area with a decreasing trend of FVC in the future accounted for 60.82% of the total area. Among human activities，the correlation coefficient between GDP per capita and FVC was the highest. Conclusion Over the past 21 years，the change in FVC in Hainan Island has shown an overall upward trend and has been relatively stable. In the future，the FVC will mainly show a decreasing trend.GDP per capita was the main human activity factor influencing the change in FVC.

Graphical abstract

关键词

植被覆盖度 / NDVI / 动态变化特征 / 海南岛 / 人类活动因素

Key words

vegetation coverage / NDVI / dynamic characteristic / Hainan Island / human activity factors

植被覆盖度（fractional vegetation cover，FVC）是描述生态系统特征的基础数据^［1-2］，是反映区域植被生长的重要指标^［3］，是研究区域植被的重要参数。探究长时序的植被覆盖变化对研究中观尺度的生态格局变化具有重要意义；对区域的生态保护与修复具有重要的参考意义，探究区域植被覆盖时空动态变化的驱动力，对区域的生态文明建设、城市和谐发展具有重要意义^［4-6］。

近年来，许多学者从不同的角度出发对不同地区的长时序植被覆盖变化特征进行了研究，并取得了一定的成果。刘可等^［7］利用1981~2012年的GIMMS NDVI3G数据研究了中国范围内各生态系统植被活动对气候变化的响应规律，指出近30 a来我国NDVI总体呈非稳定性上升；刑愿等^［8］利用MODIS NDVI数据分析了贵州省2001~2018年不同土地覆盖类型的NDVI的变化特征，指出在植被生长季，林地的NDVI值最大。在植被覆盖度变化驱动力的研究中，多以自然因素的研究为主，如江萍等^［9］使用SPOT/VEGETATION NDVI数据分析了新疆1998~2018年植被NDVI时空变化特征和驱动力，指出水分是影响新疆植被生长的主导因素；张圳等^［10］利用MODIS NDVI数据分析了太湖2000~2015年水生植被NDVI的时空特征，指出不同植被类型NDVI变化的主导气候因素不同；Zhang 等^［11］利用MODIS NDVI数据分析了2000~2018年三江源地区植被覆盖的时空变化特征，指出气候变化是影响该地区植被变化的主要因素。目前针对海南岛植被覆盖的研究较少，对影响植被覆盖因素的探究也相对较少。罗红霞等^［12］通过研究指出气温对海南岛植被覆盖的影响强于降水，但未深入分析人为活动因素对植被覆盖的影响。

海南岛是我国热带季雨林和热带雨林的分布地之一，是热带雨林主要区和典型代表区，2021年，海南热带雨林国家公园被列入中国首批国家公园名单。随着海南热带雨林国家公园的成立，海南岛也将成为我国热带雨林生态保护和修复的重点区域。因此，本研究探究海南岛植被覆盖的时空变化特征及驱动因素，分析海南岛植被覆盖未来演变趋势，研究人类活动与植被覆盖变化的相关性，以期能为海南岛生态保护与修复工作提供理论依据和参考。

1 材料与方法

1.1 研究区概况

海南岛位于中国南部（N 18°10′~20°10′，E 108°37′~111°05′），中间高，四周低，以中部山区为核心，向四周逐级下降，陆地面积3.44万 km²，处于热带，属于热带季风性气候，年日照时数1 793~2 590 h，年平均气温22.5~25.6 ℃，各地的年降雨量923~2 459 mm。

1.2 数据来源与处理

1.2.1 遥感数据

本文所使用的数据来自美国国家航天局（national aeronautics and apace admini-stration，NASA）发布的MOD13Q1植被指数产品，时间分辨率为16 d，空间分辨率为250 m，时间序列为2001~2021年。使用MRT（MODIS repro-jection tool）工具进行影像数据的镶嵌和地图投影转换，利用ArcGIS10.6结合海南岛的矢量地图数据得到海南岛区域的NDVI数据来计算海南岛的植被覆盖度，用最大值合成法（maximum value composite，MVC）获取海南岛2001~2021年每年的植被覆盖度^［13］。

1.2.2 相关统计数据

人类活动数据来自于2002~2021年《海南统计年鉴》。实际获取的数据范围为2001~2020年，选取国内生产总值（亿元）、人均国内生产总值（万元/人）、年末常住人口（万人）、城镇化率（%）、接待游客总人数（万人）和累计造林面积（万hm²）作为研究用的人类活动数据。

1.3 研究方法

1.3.1 植被覆盖度计算

植被覆盖度（FVC）与NDVI存在极显著的线性相关关系，采用像元二分模型可将NDVI数据转换为植被覆盖度^［14-15］，计算公式如下：

FVC=\frac{(NDVI-NDV{I}_{\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}})}{(NDV{I}_{\mathrm{v}\mathrm{e}\mathrm{g}}-NDV{I}_{\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}})}（1）

式中：NDVI_veg为纯植被像元的NDVI值；NDVI_soil为纯裸地像元的NDVI值。根据频率统计表，选取累计频率为0.5%的NDVI值作为NDVI_soil，选取累计频率为99.5%的NDVI值作为NDVI_veg。

1.3.2 Theil-Sen Median斜率估计与Mann-Kendall显著性检验法

Theil-Sen Median斜率估计是常用的非参数统计研究变化趋势的方法，适用于检验长时间序列的植被覆盖度变化趋势^［16-17］，计算公式如下：

Slope=Median\left(\frac{FV{C}_j-FV{C}_i}{j-i}\right)，\forall j>i（2）

式中：FVC_j 和FVC_i 分别为第j年和第i年植被覆盖度；Median为中值函数。若Slope<0，表示在该时间段内植被覆盖度呈下降趋势；若Slope>0，表示在该时间段内植被覆盖度呈上升趋势。Slope的绝对值越大，植被覆盖度下降或上升的趋势越明显。

Mann-Kendall显著性检验法是常用的非参数趋势检验的工具之一，可用于长时间序列下的数据变化趋势检验^［18-19］。本次研究所使用的是修正后的Mann-Kendall显著性检验法，排除了数据间的自相关性，提高了检验结果的准确性^［20］。通过计算P值进行显著性检验，计算公式如下：

对于任意待检序列X_t （t=1，2，…，n），可定义统计量S：

S={\sum }_{i=\mathrm{1}}^{n-\mathrm{1}}{\sum }_{j=i+\mathrm{1}}^n\mathrm{s}\mathrm{g}\mathrm{n}(x_j-x_i)（3）

式中：x_i 和x_j 为时间序列相应数据；sgn（x_j -x_i ）为符号函数。

当n≥0时，统计量S近似服从正态分布，其期望为0，方差为：

Var(S)=\frac{n(n-\mathrm{1})(\mathrm{2}n+\mathrm{5})}{\mathrm{18}}\times \frac{n}{n_S^{\mathrm{*}}}（4）

\begin{array}{l}\frac{n}{n_S^{\mathrm{*}}}=(\mathrm{1}+\frac{\mathrm{2}}{n(n-\mathrm{1})(n-\mathrm{2})})\times \\ {\sum }_{i=\mathrm{1}}^{n-\mathrm{1}}(n-i)(n-i-\mathrm{1})(n-i-\mathrm{2})\rho s(i)\end{array}（5）

式中：\rho s(i)为观测值秩的自相关函数。

构造标准化的检验统计量Z：

（6）

P值：

P=\mathrm{2}\left[\mathrm{1}-\mathrm{c}\mathrm{d}\mathrm{f}(\left|Z\right|)\right]（7）

式中：\left|Z\right|为Z值的绝对值，cdf为累计分布函数。

若P<0.01为极显著，0.01≤P<0.05为显著，若P≥0.05为不显著。结合Slope值与P值，将植被覆盖度变化趋势分为：极显著性减少、显著性减少、不显著性减少、不显著性增加、显著性增加、极显著性增加。

1.3.3 变异系数

变异系数（CV）能反映数据的相对离散程度^［21-22］，通过计算植被覆盖度的变异系数，可以研究植被覆盖度变化的稳定性情况，计算公式如下：

CV=\frac{\sigma }{\overline{FVC}}（8）

式中：\sigma为植被覆盖度的标准差，\overline{FVC}为植被覆盖度的平均值。CV值越大，植被覆盖度年际变化越大；反之，植被覆盖度年际变化越小。根据海南岛植被覆盖度稳定性的实际情况，可将稳定性等级分为：低波动变化、相对较低波动变化、中度波动变化、相对较高波动变化、高波动变化。

1.3.4 Hurst指数

Hurst指数是定量描述时间序列信息长期依赖性的主要方法之一，广泛应用于气象、水文等领域^［23-26］。本文利用Hurst指数定量描述海南岛植被覆盖度长时间序列下的持续性或反持续性，研究海南岛植被覆盖度未来的演变趋势，计算公式如下：

存在时间序列｛\zeta（t）｝，t=1，2，…，对于任意正整数τ≥1，定义其均值序列为：

{〈\zeta 〉}_{\tau }=\frac{\mathrm{1}}{\tau }{\sum }_{t=\mathrm{1}}^{\tau }(\zeta t)，\tau=1，2，…（9）

累计离差序列：

X（t，\tau）={\sum }_{\mu =\mathrm{1}}^t(\zeta (\mu )-{〈\zeta 〉}_{\tau })，1≤t≤\tau（10）

极差序列：

R(\tau )=\underset{\mathrm{0}\le t\le \tau }{\mathrm{m}\mathrm{a}\mathrm{x}}X(t,\tau )-\underset{\mathrm{0}\le t\le \tau }{\mathrm{m}\mathrm{i}\mathrm{n}}X(t,\tau )，\tau=1，2，…（11）

标准差序列：

S(\tau )={\left[\frac{\mathrm{1}}{\tau }{\sum }_{t=\mathrm{1}}^{\tau }(\zeta (t)-{〈\zeta 〉}_{\tau }{)}^{\mathrm{2}}\right]}^{\frac{\mathrm{1}}{\mathrm{2}}}，\tau=1，2，…（12）

如果关系R（\tau）/S（\tau）α{\tau }^H成立，则说明时间序列｛\zeta（t）｝，t=1，2，…存在Hurst现象，式中H值即为Hurst指数，取值范围为（0，1），当0<H<0.5时，该时间序列未来的变化趋势与过去的变化趋势呈负相关；H=0.5时，该时间序列未来的变化趋势与现在的变化趋势无关；0.5<H<1时，该时间序列未来的变化趋势与过去的变化趋势呈正相关^［27］。结合Slope值和H值预测海南岛植被覆盖度未来的演变趋势，可将植被覆盖度未来的演变趋势分为：强持续性增加、强持续性减少、弱持续性增加、弱持续性减少、弱反持续性增加、弱反持续性减少、强反持续性增加、强反持续性减少。

在MATLAB R2018b中，利用海南岛近21 a每年的植被覆盖度的栅格数据，根据公式，分别计算Slope值、P值和H值，并在ArcGIS10.6中进行统计分析。

1.3.5 相关分析和主成分分析

在R 3.6.1软件中用Pearson相关性分析的方法，确定海南岛植被覆盖度和各人类活动因素之间的相关性，并通过主成分分析（PCA），进一步确定主要的影响因素。

2 结果与分析

2.1 植被覆盖度动态变化特征

2.1.1 空间分布特征

海南岛的植被覆盖度整体较高，多年平均植被覆盖度为0.87。其中，年均植被覆盖度大于0.8的区域占总面积的87.77%，集中分布在海南岛的中部山区，大部分地区属于热带雨林国家公园范围内，属于海南岛的自然保护区域，人为因素影响小，植被的生长状况较好；年均植被覆盖度小于0.4的区域占总面积的0.09%，分布于沿海的鱼塘、沙滩区域和正在进行开发建设的区域；年均植被覆盖度介于0.4~0.8的区域主要位于城市区域和城乡交界处，占总面积的12.14%（图2）。

2.1.2 时序变化特征

海南岛植被覆盖度2001年为0.852，2021年为0.881，近21 a植被覆盖度整体呈上升趋势，上升的速率为0.001 6/a（图3），增长率为3.40%。2006年增长速率最快，海南加大生态环境建设力度，积极建设自然保护区，加大造林的力度，全省造林面积3.12万 hm²，森林覆盖率达55.6%。2002~2005、2009~2010、2013~2014、2017~2019年4个时段植被覆盖度呈下降趋势，2005年的植被覆盖度为近21 a来的最低值。其中，2004~2005年，出现了全岛大范围的春冬连旱现象，全年降水明显减少^［28］，造成植被覆盖度严重减少；2009~2010年减少速率最快，可能是因为国际旅游岛的建设促进了旅游业和房地产业的快速发展，建筑用地面积的快速增长，导致植被覆盖度减少速率加快。

2.2 植被覆盖度动态变化规律

海南岛2001~2021年植被覆盖度主要呈增加趋势，增加区域占总面积的81.15%，主要增加区域集中分布在儋州、澄迈中部和临高南部（图4）。其中，极显著性增加和显著性增加的区域占总面积的47.54%，主要分布在儋州、临高、澄迈、白沙、五指山、琼中西部、乐东北部和昌江南部，这可能是因为2002年“退耕还林”政策实施以来，该地区的林地面积显著增加，使该地区的植被覆盖度亦随之增加（图5）。

减少区域占总面积的18.85%，重点分布在各市县的沿海区域和城市建设区域。其中，显著性减少和极显著性减少的区域共占总面积的5.09%，主要分布在海口北部、陵水南部、文昌西部沿海区域、乐东南部和西部、三亚南部和中部，这些区域目前多为城市开发区和建成区，受人为干扰影响较大，植被覆盖度各类变化程度所占的比重如表1所示。

2.3 植被覆盖度稳定性分析

海南岛2001~2021年植被覆盖度变异系数（CV）的平均值为0.04，整体波动幅度较低。低波动变化主要集中分布在中部山区，占总面积的48.00%；相对较低波动变化分布在城市和乡镇的开发边界外，占总面积的43.40%；中度波动变化、高度波动变化和相对较高波动变化的区域分布在人为活动频繁且开发较大的沿海区域、城镇开发区域和城市建设区域（图6）。由此推断，海南岛的植被覆盖受人为因素的影响可能大于自然因素的影响。植被覆盖度稳定性各类所占的比重如表2所示。

2.4 植被覆盖度演变趋势预测

海南岛2001~2021年植被覆盖度Hurst指数的平均值为0.47，以弱反持续性为主，占总面积的65.20%（图7）。未来植被覆盖度以减少为主，反持续性增加和持续性减少的面积占总面积的60.82%，其中，弱反持续性增加占总面积的53.56%，该区域绝大部分的植被覆盖度较高；持续性增加和反持续性减少的面积占总面积的39.18%，以弱反持续性减少和弱持续性增加为主，在空间上与弱反持续性增加交错分布（图8）。植被覆盖度各类变化趋势持续性所占的比重如表3所示。

总体来说，海南岛的植被覆盖度在未来有60.82%的区域呈减少的趋势，这是人为活动与气候变化共同影响的结果，人类活动范围的增加和全球极端天气频繁爆发都将导致植被覆盖度的减少。因此，若不通过人为活动进行积极引导，加强对生态环境的保护与修复，海南岛整体植被覆盖度水平将面临降低的风险。

2.5 人类活动对植被覆盖度影响分析

通过相关性分析，各人类活动因素与海南岛植被覆盖度的相关性强弱顺序依次为：人均国内生产总值>国内生产总值>累计造林面积>年末常住人口>城镇化>接待游客总人数（图9~10）。

人均国内生产总值与植被覆盖度的相关系数为0.904，呈极显著正相关（P<0.01），随着人均国内生产总值的提高，人民的物质生活水平随之提高，对生态文明建设的力度也随之加大。累计造林面积与植被覆盖度相关系数为0.887，呈极显著正相关（P<0.01）。城镇化与植被覆盖度的相关系数分别为0.847，呈极显著正相关（P<0.01）。随着城镇化的提高，人们也越来越重视城市绿地的建设，城市绿地系统建设工作也取得重大成效，2020年海南省城市绿地面积共223.28 km²。主成分分析表明，人均国内生产总值和累计造林面积为主要的驱动因素，二者的累计贡献率为99.3%。

3 讨论

海南岛近21 a的植被覆盖度呈上升趋势，这与罗红霞等^［29］和李伟光等^［30］的研究结果一致。本文回归分析得到的植被覆盖上升的速率低于前人的研究结果，可能是因为本文研究所用的NDVI的时间序列更长，在研究过程中将NDVI数据转化为植被覆盖度，减少了异常值的影响，更能体现植被覆盖度变化的规律。

海南岛2001~2021年植被覆盖度的变化趋势以增加为主。近年来海南省坚持生态立省，积极进行植树造林和退耕还林工程，2001~2021年，全省累计人工造林50.55万 hm²。在城市建设过程中，人们的生态保护意识不断加强，对城市绿地系统的建设也更加重视，目前海南省城市建成区的绿化覆盖率达到了41.10%。同时，植被覆盖度呈减少趋势的面积占总面积的18.85%，大部分面积集中在沿海区域，人类的开发利用是造成沿海区域植被覆盖度减少的重要原因之一。研究表明，近年来，海南岛海岸线利用程度综合指数大幅度提高^［31］。未来植被覆盖的变化以减少为主要趋势，人为活动的干扰是植被覆盖度减少的原因之一，自然灾害、气候变化等在一定程度上也减少了区域的植被覆盖度。

4 结论

1） 海南岛近21 a植被覆盖度总体呈上升趋势，植被覆盖度变化趋势具有明显的空间异质性，全岛植被覆盖度主要呈增加趋势，以不显著性增加为主。海南岛西北部增加趋势较大，以极显著性增加为主；东北部和西南部区域增加不明显，且城市建设区域和部分沿海区域呈负增加；中部和东部地区植被覆盖度增加不明显，仍保持在较高的水平。

2） 海南岛2001~2021年的植被覆盖度最稳定的区域主要集中分布在中部和东部，西北部地区植被覆盖度变化波动中等，东北部和西南部的城市建设区、沿海区域植被覆盖度的变化波动较大。Hurst分析表明，海南岛60.82%面积的植被覆盖度有减少的趋势，以弱反持续性增加为主，主要分布在海口南部和东部、澄迈南部、儋州、白沙、昌江东南部、琼中、屯昌和定安。

3） 人均国内生产总值与植被覆盖度的相关性最强，累计造林面积和人均国内生产总值是影响植被覆盖度变化的主要人类活动因素。

参考文献

[1] Jing X， Yao W Q， Wang J H，et al.A study on the relationship between dynamic change of vegetation coverage and precipitation in Beijing's mountainous areas during the last 20 years［J］.Mathematical & Computer Modelling An International Journal，2011，54（3-4）：1079-1085.

[2] Li S J， Wang J M， Zhang M，et al.Characterizing and attributing the vegetation coverage changes in North Shanxi coal base of China from 1987 to 2020［J］.Resources Policy，2021，74（5）：102331.

[3] 杨淑萍，韩海东.基于地理探测器的甘肃省NDVI驱动因子定量分析［J］.甘肃农业大学学报，2019，54（4）：115-123.

[4] Zhang M， Wang J M， Li S J.Tempo-spatial changes and main anthropogenic influence factors of vegetation fractional coverage in a large-scale opencast coal mine area from 1992 to 2015［J］.Journal of Cleaner Production，2019，232：940-952.

[5] 冯娴慧，曾芝琳，张德顺.基于MODIS NDVI数据的粤港澳大湾区植被覆盖时空演变［J］.中国城市林业，2022，20（1）：1-6.

[6] 郑维龙，刘珺.基于NDVI的黄淮海平原2001~2010年植被覆盖变化分析［J］.太原理工大学学报，2018，49（3）：433-439.

[7] 刘可，杜灵通，侯静，等.近30年中国陆地生态系统NDVI时空变化特征［J］.生态学报，2018，38（6）：1885-1896.

[8] 邢愿，贺中华.基于NDVI的贵州省植被覆盖时空特征分析［J］.华南师范大学学报（自然科学版），2021，53（2）：84-95.

[9] 姜萍，胡列群，肖静，等.新疆植被NDVI时空变化及定量归因［J］.水土保持研究，2022，29（2）：212-220.

[10] 张圳，张弥，肖薇，等.太湖水生植被NDVI的时空变化特征分析［J］.遥感学报，2018，22（2）：324-334.

[11] Zhang X C， Jin X M.Vegetation dynamics and responses to climate change and anthropogenic activities in the Three-River Headwaters Region，China［J］.Ecological Indicators，2021，131：108223.

[12] 罗红霞，王玲玲，曹建华，等.海南岛2001—2014年植被覆盖变化及其对气温降水响应特征研究［J］.西南农业学报，2018，31（4）：856-861.

[13] 张一然，文小航，罗斯琼，等.近20年若尔盖湿地植被覆盖变化与气候因子关系研究［J］.高原气象，2022，41（2）：317-327.

[14] 穆少杰，李建龙，陈奕兆，等.2001~2010年内蒙古植被覆盖度时空变化特征［J］.地理学报，2012，67（9）：1255-1268.

[15] Liu C X， Zhang X D， Wang T，et al.Detection of vegetation coverage changes in the Yellow River Basin from 2003 to 2020［J］.Ecological Indicators，2022，138：108818.

[16] 袁丽华，蒋卫国，申文明，等.2000~2010年黄河流域植被覆盖的时空变化［J］.生态学报，2013，33（24）：7798-7806.

[17] Li J， Wang J L， Zhang J，et al.Dynamic changes of vegetation coverage in China-Myanmar economic corridor over the past 20 years［J］.International Journal of Applied Earth Observation and Geoinformation，2021，102：102378.

[18] 曾旭婧，邢艳秋，单炜，等.基于Mann-Kendall法的北黑高速沿线岛状冻土区植被退化分析［J］.西北林学院学报，2017，32（2）：22-29.

[19] Zoungrana B J B， Conrad C， Thiel M，et al.MODIS NDVI trends and fractional land cover change for improved assessments of vegetation degradation in Burkina Faso，West Africa［J］.Journal of Arid Environments，2018，153：66-75.

[20] Liu S Y， Huang S Z， Xie Y Y，et al.Spatial-temporal changes in vegetation cover in a typical semi-humid and semi-arid region in China： Changing patterns，causes and implications［J］.Ecological indicators，2019，98：462-475.

[21] 易扬，胡昕利，史明昌，等.基于MODIS NDVI的长江中游区域植被动态及与气候因子的关系［J］.生态学报，2021，41（19）：7796-7807.

[22] Jiang W G， Yuan L H， Wang W J，et al.Spatio-temporal analysis of vegetation variation in the Yellow River Basin［J］.Ecological Indicators，2015，51：117-126.

[23] 涂又，姜亮亮，刘睿，等.1982~2015年中国植被NDVI时空变化特征及其驱动分析［J］.农业工程学报，2021，37（22）：75-84.

[24] Zhou Z Q， Ding Y B， Shi H Y，et al.Analysis and prediction of vegetation dynamic changes in China： past，present and future［J］.Ecological Indicators，2020，117：106642.

[25] Gu Z J， Duan X W， Shi Y D，et al.Spatiotemporal variation in vegetation coverage and its response to climatic factors in the Red River Basin，China［J］.Ecological Indicators，2018，93：54-64.

[26] Bai Y.Analysis of vegetation dynamics in the Qinling-Daba Mountains region from MODIS time series data［J］.Ecological Indicators，2021，129（8）：108029.

[27] 桑国庆，唐志光，邓刚，等.基于MODIS NDVI时序数据的湖南省植被变化研究［J］.长江流域资源与环境，2021，30（5）：1100-1109.

[28] 李伟光，易雪，蔡大鑫，等.基于MOD16蒸散量的海南岛干旱特征分析［J］.自然灾害学报，2016，25（5）：176-183.

[29] 罗红霞，戴声佩，刘恩平，等.2001—2014年海南岛植被覆盖时空变化特征［J］.水土保持研究，2018，25（5）：343-350.

[30] 李伟光，田光辉，邹海平，等.海南岛典型植被区EVI特征及其对气象因子的响应［J］.中国农学通报，2014，30（35）：190-194.

[31] 张丽，廖静娟，袁鑫，等.1987—2017年海南岛海岸线变化特征遥感分析［J］.热带地理，2020，40（4）：659-674.

基金资助

海南省自然科学基金项目“城市绿地空间结构与鸟类栖息地关系研究—以海口市典型绿地为例”(421MS013)

海南省教育厅项目“‘一流本科’建设背景下的园林专业虚拟仿真教学改革与实践”(Hnjg2021ZD⁃9)

海南大学科研启动基金（KYQD（ZR）1863）（KYQD（ZR）20057）

海南大学教育教学改革研究项目(hdjy2111)