论文部分内容阅读
摘要 以浙江省杭州市临安区森林植被作为研究对象，选择火灾、泥石流和滑坡3种典型森林干扰类型，利用1984—2016年所有可用Landsat遥感影像，采用分段谐波模型拟合方法，对干扰发生前后植被的生长状况进行表征，对不同干扰类型导致的植被生长状况及干扰后恢复过程进行评估。结果表明：3种干扰事件均导致植被归一化指数（NDVI）呈现显著下降，火灾和泥石流导致植被的变化程度分别为22.7%和20.5%，而滑坡则导致植被的下降程度达42.7%。灾后植被均呈现快速恢复，但过程存在一定差异，火灾、泥石流和滑坡对植被所造成的破坏分别需要4、6和5年恢复到灾前植被覆盖水平。时间序列Landsat数据能够较好地表征干扰植被变化过程，可为监测和评估不同干扰事件对植被生长的影响提供依据。
关键词 地质灾害;森林火灾;植被干扰;NDVI;时间序列
中图分类号 S 771.8 文献标识码 A 文章编号 0517-6611（2021）14-0106-04
Abstract Using all available Landsat images between 1984 and 2016， this study selected three typical forest disturbance types （fire， mudslide and landslide） to assess their impacts on vegetation coverage in Lin’an District， Hangzhou City， Zhejiang Province. The piecewise harmonic model was used to fit the time series Landsat Normalized Difference Vegetation Index （NDVI）， which can characterize the vegetation coverage condition before and after the disturbance. The results showed that the NDVI decreased significantly after the three disturbance events occurred. The change degrees in the fire， mudflow and landslide areas were 22.7%， 20.5% and 42.7%， respectively. Vegetation recovered rapidly after the disasters， but there were some differences in the processes. The areas disturbed by fire， mudflow and landslide needed 4， 6 and 5 years to recover to the predisturbance coverage level， respectively. Dense time series Landsat data can represent the vegetation change process， and provide a basis for evaluating the impact of different disturbances on vegetation coverage.
Key words Geological disasters;Forest fire;Vegetation disturbance;NDVI;Time series
基金項目 国家自然科学基金（41701490）;国家重点研发计划（2016YFC0503302）。
作者简介 蒋宇威（1995—），男，浙江台州人，从事灾害评估与时间序列遥感数据分析研究。*通信作者，副教授，博士，从事时间序列遥感森林变化监测研究。
收稿日期 2020-11-06
干扰普遍存在于森林生态系统，是森林群落演替的驱动力之一[1]。根据干扰起因，森林干扰可分为自然干扰和人为干扰2种类型[2]。地质灾害与火灾是森林自然干扰的重要组成部分，地质灾害是指由于自然或人为作用在地球表层比较强烈地破坏人类生命财产和生存环境的岩土体移动事件，地质灾害的发生往往会导致森林被掩埋毁坏。森林火灾是指失去人为控制，在林地内自由蔓延和扩展，直接减少森林面积，破坏森林结构和森林环境，导致森林生态系统失衡、森林生物量下降、生产力减弱的自然灾害。准确表征森林干扰的破坏程度以及植被恢复过程，对于保护和管理森林生态系统具有重要意义[3-4]。
随着遥感技术的发展，时间序列遥感已成为森林动态监测的重要手段[5-8]。目前，基于时间序列遥感数据对植被变化监测已有大量研究[9]，如罗火钱等[10]采用多时相遥感影像评价了火烧迹地的森林恢复情况;梁超等[11]以灾害前后2期中分辨率成像光谱仪（moderateresolution imaging spectroradiometer，MODIS）归一化植被指数（normalized difference vegetation index，NDVI）数据提取了灾害导致的植被破坏区，发现泥石流对植被的破坏程度最严重，崩塌次之，滑坡的破坏程度相对最低，且植被的破坏程度与海拔、坡度均有关系。侍昊等[12]基于2005—2008年MODIS NDVI构建了森林灾害评估体系，以探测森林资源损失的空间分布范围和灾害等级。不同灾害对植被干扰程度不同，植被覆盖度对灾后损害响应存在滞后性，受损植被恢复率与水系距离、海拔等相关，且存在明显的空间差异[13-14]。长时间序列遥感能够持续地监测森林变化特征，为森林生产力与森林碳储量评估提供有效的数据支撑[15]，但目前相关研究较多集中于单一的森林干扰，且多以中分辨率成像光谱仪（MODIS）等低分辨率或多期Landsat数据为主，对于我国亚热带森林地区小尺度、破碎化的干扰事件难以进行有效监测，且仅依靠多期遥感数据难以有效表征植被干扰和恢复过程。笔者基于历史可用Landsat NDVI数据和分段谐波模型，分析滑坡、泥石流和火灾3种干扰类型对亚热带森林植被的干扰程度以及灾后植被恢复过程。 1 材料与方法
1.1 地质灾害与火灾数据
以浙江省杭州市临安区为调查区域，临安区森林覆盖率达78.2%，森林资源丰富，且气候季节性明显，是森林火灾易发区域。临安区以中低山丘陵为主要地貌，雨量充沛季节，易发生滑坡、泥石流等地质灾害，尤以山核桃种植区清凉峰镇与昌化镇为主要易发区域。基于野外调查及历史数据确定3个典型干扰区域，包括1个火灾区域、1个滑坡区域及1个泥石流区域（表1）。结合野外调查数据、Google Earth以及Landsat历史影像，明确每个干扰事件的影响范围（图1），用于计算每期Landsat影像干扰区域NDVI平均值。
1.2 时间序列Landsat NDVI数据
Landsat卫星是由美国航空航天局（NASA）发射的用于探测地球资源与环境的系列地球观测卫星系统，自1972年7月23日以来，已发射8颗卫星。该研究通过USGS下载了覆盖研究区的1984—2016年云量小于80%的所有Landsat TM/ETM+/OLI数据（图2），共收集1 045幅Landsat L1T影像数据（其中，轨道P119/R039 483幅，轨道P118/R041 563幅）。Landsat L1T产品已经经过大气校正、几何校正、云和阴影的检测，采用式（1）对每景数据计算NDVI，来表征植被生长状况。NDVI能够综合反映植物生长、覆盖、生物量和植被种类等情况，通过植被NDVI值的变化，可以分析区域内植被的生长及其变化特征，并能监测干扰后的植被恢复情况。
NDVI=（NIR- R ）/（NIR+ R ）（1）
式中，NIR为近红外波段反射率， R 为红波段反射率。
1.3 研究方法
根据每个干扰事件的发生范围和1984—2016年每期Landsat NDVI数据，利用R语言提取出每景影像中干扰区域的NDVI平均值，采用时间序列谐波模型对每个干扰事件发生前后时间序列NDVI进行拟合[式（2）]，模型系数由普通最小二乘法估計，采用公式（3）～（5）评估干扰对森林植被的影响。在时间序列模型中， βi是表征植被生长的总体特征，ai和bi 代表了物候学和日照角差异引起的NDVI的年内变化， ci 捕获NDVI的年际变化。
其中， βi和ci 代表截距和年际变化（斜率）系数， t start， i 和 t end， i 代表干扰前（后）时间序列NDVI起始点（儒略日）和终止点（儒略日）。NDVIstart， i 和NDVIend， i 代表干扰前（后）时间序列起始点和终止点剔除季节影响后的NDVI。 A 表示干扰导致的NDVI净变化， Ar 表示干扰导致的NDVI相对变化程度。
2 结果与分析
2.1 火灾对植被的干扰过程
时间序列Landsat NDVI和谐波模型拟合结果表征了火灾对植被的影响过程（图3），火灾发生前，该区域以杉木林为主，NDVI处于较稳定的季节波动状态，拟合曲线的斜率接近于0，表明在未遭受明显干扰的情况下，植被变化主要表现为季节波动。火灾后发生后（2008年），时间序列NDVI表现出明显的转折点，NDVI在火灾发生后显著降低，由灾害前的0.61降低为0.47（表2），植被在受到干扰后恢复过程明显，NDVI呈现显著上升趋势，且2008—2016年一直处于快速恢复状态，在2012年基本恢复到干扰前水平，但干扰后植被NDVI的波动幅度强于干扰发生前，主要原因在于火灾发生后，部分森林转变为农田、苗木，使得植被季节变化增强。
2.2 地质灾害对植被的干扰过程
2.2.1 泥石流对植被的干扰过程。
图4表征了泥石流对植被的影响及其恢复过程，灾害发生前，植被覆盖度相对较好，NDVI围绕0.7呈现季节性波动，该地点由于突降特大暴雨造成山体塌方，由此引发泥石流，泥石流导致NDVI显著下降，由灾害前的0.70降低为0.56（表2），与火灾干扰相类似，泥石流发生后植被呈现快速恢复，于2011年左右恢复至灾前水平，与灾害发生前相比NDVI季节性波动无明显差异。
2.2.2 山体滑坡对植被的干扰过程。
图5为滑坡对植被的影响过程，该地区地势较陡（坡度达到30～50°），土层厚度达3～8 m，地质环境条件脆弱;存在人类工程活动影响，切坡修路改变了坡面的原始状况，降低了山体的稳定性，加上受“莫拉克”台风影响导致的持续降雨，使土体水分处于过饱和状态，从而引发滑坡。相比于火灾发生范围，滑坡发生区域面积较小，在Landsat上仅表现为2个像元，滑坡发生前NDVI均值处于0.5左右，NDVI呈现一定的增加趋势，滑坡导致NDVI下降较为显著，由灾害前的0.59降低为0.33，变化率达42.7%（表2），滑坡发生后植被恢复速度显著，灾害发生后NDVI于2014年恢复到灾前水平。
3 结论与讨论
该研究通过长时间序列密集遥感数据表征植被长期变化及干扰事件对植被生长过程的影响，基于谐波模型拟合能够较好地消除时间序列异常值和季节波动对植被变化监测的不利影响，通过对火灾、泥石流和滑坡3种典型干扰事件影响下的时间序列NDVI分析，发现3种干扰事件均导致NDVI显著降低，其中火灾和泥石流导致植被的变化程度分别为22.7%和20.5%，滑坡则导致植被的下降程度达42.7%。灾后植被均呈现快速的恢复，但恢复过程存在一定差异，火灾、泥石流和滑坡对植被所造成的破坏分别需要4、6和5年恢复到灾前植被覆盖水平。
该研究中火灾所导致的干扰面积较大，而泥石流和滑坡则仅发生在有限的几个像元内，且存在一定的混合像元，可能会低估地质灾害对植被的破坏能力。泥石流发生的区域，虽然NDVI表明植被覆盖良好，但由于处于山核桃种植区，林下植被多被清理，水土流失严重，是发生泥石流的重要原因。在火灾发生区域，部分像元灾后土地利用类型发生了变化，由森林转为农田、苗木和建设用地，使得整个火灾区域的植被恢复更为复杂，更为详细地评估火灾对植被的影响需要在像元尺度开展。此外，部分像元干扰发生后，NDVI呈现持续下降的趋势，表明干扰发生后植被呈现持续恶化，这些特征需在具体的灾害评估中进一步明确其影响因素。 参考文献
[1] 于立忠，朱教君，张艳红，等.森林干扰度评价[J].生态学杂志，2009，28（5）：976-982.
[2] 高伟，韩孟孟，辛秀，等.干扰理论及其对森林资源的影响[J].中国城市林业，2009，7（5）：16-18.
[3] 刘孝富，王文杰，李京，等.灾后生态恢复评价研究进展[J].生态学报，2014，34（3）：527-536.
[4] MENG Y Y，LIU X N，WU L，et al.Spatiotemporal variation indicators for landscape structure dynamics monitoring using dense normalized difference vegetation index time series[J/OL].Ecological indicators，2019，107[2020-04-28].https：//doi.org/10.1016/j.ecolind.2019.105607.
[5] 李洛晞，沈润平，李鑫慧，等.基于MODIS时间序列森林扰动监测指数比较研究[J].遥感技术与应用，2016，31（6）：1083-1090.
[6] MUNROE D K，SOUTHWORTH J，TUCKER C M.Modeling spatially and temporally complex landcover change：The case of western Honduras[J].Professional geographer，2004，56（4）：544-559.
[7] KENNEDY R E，COHEN W B，SCHROEDER T A.Trajectorybased change detection for automated characterization of forest disturbance dynamics[J].Remote sensing of environment，2007，110（3）：370-386.
[8] POTAPOV P V，TURUBANOVA S A，HANSEN M C，et al.Quantifying forest cover loss in Democratic Republic of the Congo，2000-2010，with Landsat ETM + data[J].Remote sensing of environment，2012，122：106-116.
[9] ZHU Z，ZHANG J X，YANG Z Q，et al.Continuous monitoring of land disturbance based on Landsat time series[J/OL].Remote sensing of environment，2020，238[2020-04-28].https：//doi.org/10.1016/j.rse.2019.03.009.
[10] 羅火钱，陈文惠.火烧迹地森林恢复的植被指数时间序列特征谱研究[J].四川林勘设计，2012（1）：23-30.
[11] 梁超，赵廷宁，史常青，等.基于NDVI的汶川大地震前后北川县次生地质灾害区植被破坏评估[J].中国水土保持科学，2013，11（4）：86-92.
[12] 侍昊，王笑，薛建辉，等.基于MODIS/NDVI时间序列的森林灾害快速评估方法：以贵州省为例[J].生态学报，2012，32（11）：3359-3367.
[13] 李京忠，曹明明，邱海军，等.汶川地震区灾后植被恢复时空过程及特征：以都江堰龙溪河流域为例[J].应用生态学报，2016，27（11）：3479-3486.
[14] 王爱爱，臧淑英，王翠珍，等.重建NDVI时间序列及火后森林恢复时空动态分析[J].哈尔滨师范大学自然科学学报，2017，33（4）：54-61.
[15] 沈文娟，李明诗.基于长时间序列Landsat影像的南方人工林干扰与恢复制图分析[J].生态学报，2017，37（5）：1438-1449.
关键词 地质灾害;森林火灾;植被干扰;NDVI;时间序列
中图分类号 S 771.8 文献标识码 A 文章编号 0517-6611（2021）14-0106-04
Abstract Using all available Landsat images between 1984 and 2016， this study selected three typical forest disturbance types （fire， mudslide and landslide） to assess their impacts on vegetation coverage in Lin’an District， Hangzhou City， Zhejiang Province. The piecewise harmonic model was used to fit the time series Landsat Normalized Difference Vegetation Index （NDVI）， which can characterize the vegetation coverage condition before and after the disturbance. The results showed that the NDVI decreased significantly after the three disturbance events occurred. The change degrees in the fire， mudflow and landslide areas were 22.7%， 20.5% and 42.7%， respectively. Vegetation recovered rapidly after the disasters， but there were some differences in the processes. The areas disturbed by fire， mudflow and landslide needed 4， 6 and 5 years to recover to the predisturbance coverage level， respectively. Dense time series Landsat data can represent the vegetation change process， and provide a basis for evaluating the impact of different disturbances on vegetation coverage.
Key words Geological disasters;Forest fire;Vegetation disturbance;NDVI;Time series
基金項目 国家自然科学基金（41701490）;国家重点研发计划（2016YFC0503302）。
作者简介 蒋宇威（1995—），男，浙江台州人，从事灾害评估与时间序列遥感数据分析研究。*通信作者，副教授，博士，从事时间序列遥感森林变化监测研究。
收稿日期 2020-11-06
干扰普遍存在于森林生态系统，是森林群落演替的驱动力之一[1]。根据干扰起因，森林干扰可分为自然干扰和人为干扰2种类型[2]。地质灾害与火灾是森林自然干扰的重要组成部分，地质灾害是指由于自然或人为作用在地球表层比较强烈地破坏人类生命财产和生存环境的岩土体移动事件，地质灾害的发生往往会导致森林被掩埋毁坏。森林火灾是指失去人为控制，在林地内自由蔓延和扩展，直接减少森林面积，破坏森林结构和森林环境，导致森林生态系统失衡、森林生物量下降、生产力减弱的自然灾害。准确表征森林干扰的破坏程度以及植被恢复过程，对于保护和管理森林生态系统具有重要意义[3-4]。
随着遥感技术的发展，时间序列遥感已成为森林动态监测的重要手段[5-8]。目前，基于时间序列遥感数据对植被变化监测已有大量研究[9]，如罗火钱等[10]采用多时相遥感影像评价了火烧迹地的森林恢复情况;梁超等[11]以灾害前后2期中分辨率成像光谱仪（moderateresolution imaging spectroradiometer，MODIS）归一化植被指数（normalized difference vegetation index，NDVI）数据提取了灾害导致的植被破坏区，发现泥石流对植被的破坏程度最严重，崩塌次之，滑坡的破坏程度相对最低，且植被的破坏程度与海拔、坡度均有关系。侍昊等[12]基于2005—2008年MODIS NDVI构建了森林灾害评估体系，以探测森林资源损失的空间分布范围和灾害等级。不同灾害对植被干扰程度不同，植被覆盖度对灾后损害响应存在滞后性，受损植被恢复率与水系距离、海拔等相关，且存在明显的空间差异[13-14]。长时间序列遥感能够持续地监测森林变化特征，为森林生产力与森林碳储量评估提供有效的数据支撑[15]，但目前相关研究较多集中于单一的森林干扰，且多以中分辨率成像光谱仪（MODIS）等低分辨率或多期Landsat数据为主，对于我国亚热带森林地区小尺度、破碎化的干扰事件难以进行有效监测，且仅依靠多期遥感数据难以有效表征植被干扰和恢复过程。笔者基于历史可用Landsat NDVI数据和分段谐波模型，分析滑坡、泥石流和火灾3种干扰类型对亚热带森林植被的干扰程度以及灾后植被恢复过程。 1 材料与方法
1.1 地质灾害与火灾数据
以浙江省杭州市临安区为调查区域，临安区森林覆盖率达78.2%，森林资源丰富，且气候季节性明显，是森林火灾易发区域。临安区以中低山丘陵为主要地貌，雨量充沛季节，易发生滑坡、泥石流等地质灾害，尤以山核桃种植区清凉峰镇与昌化镇为主要易发区域。基于野外调查及历史数据确定3个典型干扰区域，包括1个火灾区域、1个滑坡区域及1个泥石流区域（表1）。结合野外调查数据、Google Earth以及Landsat历史影像，明确每个干扰事件的影响范围（图1），用于计算每期Landsat影像干扰区域NDVI平均值。
1.2 时间序列Landsat NDVI数据
Landsat卫星是由美国航空航天局（NASA）发射的用于探测地球资源与环境的系列地球观测卫星系统，自1972年7月23日以来，已发射8颗卫星。该研究通过USGS下载了覆盖研究区的1984—2016年云量小于80%的所有Landsat TM/ETM+/OLI数据（图2），共收集1 045幅Landsat L1T影像数据（其中，轨道P119/R039 483幅，轨道P118/R041 563幅）。Landsat L1T产品已经经过大气校正、几何校正、云和阴影的检测，采用式（1）对每景数据计算NDVI，来表征植被生长状况。NDVI能够综合反映植物生长、覆盖、生物量和植被种类等情况，通过植被NDVI值的变化，可以分析区域内植被的生长及其变化特征，并能监测干扰后的植被恢复情况。
NDVI=（NIR- R ）/（NIR+ R ）（1）
式中，NIR为近红外波段反射率， R 为红波段反射率。
1.3 研究方法
根据每个干扰事件的发生范围和1984—2016年每期Landsat NDVI数据，利用R语言提取出每景影像中干扰区域的NDVI平均值，采用时间序列谐波模型对每个干扰事件发生前后时间序列NDVI进行拟合[式（2）]，模型系数由普通最小二乘法估計，采用公式（3）～（5）评估干扰对森林植被的影响。在时间序列模型中， βi是表征植被生长的总体特征，ai和bi 代表了物候学和日照角差异引起的NDVI的年内变化， ci 捕获NDVI的年际变化。
其中， βi和ci 代表截距和年际变化（斜率）系数， t start， i 和 t end， i 代表干扰前（后）时间序列NDVI起始点（儒略日）和终止点（儒略日）。NDVIstart， i 和NDVIend， i 代表干扰前（后）时间序列起始点和终止点剔除季节影响后的NDVI。 A 表示干扰导致的NDVI净变化， Ar 表示干扰导致的NDVI相对变化程度。
2 结果与分析
2.1 火灾对植被的干扰过程
时间序列Landsat NDVI和谐波模型拟合结果表征了火灾对植被的影响过程（图3），火灾发生前，该区域以杉木林为主，NDVI处于较稳定的季节波动状态，拟合曲线的斜率接近于0，表明在未遭受明显干扰的情况下，植被变化主要表现为季节波动。火灾后发生后（2008年），时间序列NDVI表现出明显的转折点，NDVI在火灾发生后显著降低，由灾害前的0.61降低为0.47（表2），植被在受到干扰后恢复过程明显，NDVI呈现显著上升趋势，且2008—2016年一直处于快速恢复状态，在2012年基本恢复到干扰前水平，但干扰后植被NDVI的波动幅度强于干扰发生前，主要原因在于火灾发生后，部分森林转变为农田、苗木，使得植被季节变化增强。
2.2 地质灾害对植被的干扰过程
2.2.1 泥石流对植被的干扰过程。
图4表征了泥石流对植被的影响及其恢复过程，灾害发生前，植被覆盖度相对较好，NDVI围绕0.7呈现季节性波动，该地点由于突降特大暴雨造成山体塌方，由此引发泥石流，泥石流导致NDVI显著下降，由灾害前的0.70降低为0.56（表2），与火灾干扰相类似，泥石流发生后植被呈现快速恢复，于2011年左右恢复至灾前水平，与灾害发生前相比NDVI季节性波动无明显差异。
2.2.2 山体滑坡对植被的干扰过程。
图5为滑坡对植被的影响过程，该地区地势较陡（坡度达到30～50°），土层厚度达3～8 m，地质环境条件脆弱;存在人类工程活动影响，切坡修路改变了坡面的原始状况，降低了山体的稳定性，加上受“莫拉克”台风影响导致的持续降雨，使土体水分处于过饱和状态，从而引发滑坡。相比于火灾发生范围，滑坡发生区域面积较小，在Landsat上仅表现为2个像元，滑坡发生前NDVI均值处于0.5左右，NDVI呈现一定的增加趋势，滑坡导致NDVI下降较为显著，由灾害前的0.59降低为0.33，变化率达42.7%（表2），滑坡发生后植被恢复速度显著，灾害发生后NDVI于2014年恢复到灾前水平。
3 结论与讨论
该研究通过长时间序列密集遥感数据表征植被长期变化及干扰事件对植被生长过程的影响，基于谐波模型拟合能够较好地消除时间序列异常值和季节波动对植被变化监测的不利影响，通过对火灾、泥石流和滑坡3种典型干扰事件影响下的时间序列NDVI分析，发现3种干扰事件均导致NDVI显著降低，其中火灾和泥石流导致植被的变化程度分别为22.7%和20.5%，滑坡则导致植被的下降程度达42.7%。灾后植被均呈现快速的恢复，但恢复过程存在一定差异，火灾、泥石流和滑坡对植被所造成的破坏分别需要4、6和5年恢复到灾前植被覆盖水平。
该研究中火灾所导致的干扰面积较大，而泥石流和滑坡则仅发生在有限的几个像元内，且存在一定的混合像元，可能会低估地质灾害对植被的破坏能力。泥石流发生的区域，虽然NDVI表明植被覆盖良好，但由于处于山核桃种植区，林下植被多被清理，水土流失严重，是发生泥石流的重要原因。在火灾发生区域，部分像元灾后土地利用类型发生了变化，由森林转为农田、苗木和建设用地，使得整个火灾区域的植被恢复更为复杂，更为详细地评估火灾对植被的影响需要在像元尺度开展。此外，部分像元干扰发生后，NDVI呈现持续下降的趋势，表明干扰发生后植被呈现持续恶化，这些特征需在具体的灾害评估中进一步明确其影响因素。 参考文献
[1] 于立忠，朱教君，张艳红，等.森林干扰度评价[J].生态学杂志，2009，28（5）：976-982.
[2] 高伟，韩孟孟，辛秀，等.干扰理论及其对森林资源的影响[J].中国城市林业，2009，7（5）：16-18.
[3] 刘孝富，王文杰，李京，等.灾后生态恢复评价研究进展[J].生态学报，2014，34（3）：527-536.
[4] MENG Y Y，LIU X N，WU L，et al.Spatiotemporal variation indicators for landscape structure dynamics monitoring using dense normalized difference vegetation index time series[J/OL].Ecological indicators，2019，107[2020-04-28].https：//doi.org/10.1016/j.ecolind.2019.105607.
[5] 李洛晞，沈润平，李鑫慧，等.基于MODIS时间序列森林扰动监测指数比较研究[J].遥感技术与应用，2016，31（6）：1083-1090.
[6] MUNROE D K，SOUTHWORTH J，TUCKER C M.Modeling spatially and temporally complex landcover change：The case of western Honduras[J].Professional geographer，2004，56（4）：544-559.
[7] KENNEDY R E，COHEN W B，SCHROEDER T A.Trajectorybased change detection for automated characterization of forest disturbance dynamics[J].Remote sensing of environment，2007，110（3）：370-386.
[8] POTAPOV P V，TURUBANOVA S A，HANSEN M C，et al.Quantifying forest cover loss in Democratic Republic of the Congo，2000-2010，with Landsat ETM + data[J].Remote sensing of environment，2012，122：106-116.
[9] ZHU Z，ZHANG J X，YANG Z Q，et al.Continuous monitoring of land disturbance based on Landsat time series[J/OL].Remote sensing of environment，2020，238[2020-04-28].https：//doi.org/10.1016/j.rse.2019.03.009.
[10] 羅火钱，陈文惠.火烧迹地森林恢复的植被指数时间序列特征谱研究[J].四川林勘设计，2012（1）：23-30.
[11] 梁超，赵廷宁，史常青，等.基于NDVI的汶川大地震前后北川县次生地质灾害区植被破坏评估[J].中国水土保持科学，2013，11（4）：86-92.
[12] 侍昊，王笑，薛建辉，等.基于MODIS/NDVI时间序列的森林灾害快速评估方法：以贵州省为例[J].生态学报，2012，32（11）：3359-3367.
[13] 李京忠，曹明明，邱海军，等.汶川地震区灾后植被恢复时空过程及特征：以都江堰龙溪河流域为例[J].应用生态学报，2016，27（11）：3479-3486.
[14] 王爱爱，臧淑英，王翠珍，等.重建NDVI时间序列及火后森林恢复时空动态分析[J].哈尔滨师范大学自然科学学报，2017，33（4）：54-61.
[15] 沈文娟，李明诗.基于长时间序列Landsat影像的南方人工林干扰与恢复制图分析[J].生态学报，2017，37（5）：1438-1449.