利用NDVI分析不同时间序列长度下的植被覆盖变化趋势：对比Theil–Sen检验和Mann–Kendall检验与分段回归方法 吴敏（Min Wu）、 黄志恒（Ziheng Huang）、 刘双（Shuang Liu）、 吴志龙（Zhilong Wu）、 洪涛（Tao Hong）和 胡希生（Xisheng Hu）

《Forests》：Vegetation-Cover Change Trends Across Different Lengths of Time Series Using NDVI: Contrasting Theil–Sen and Mann–Kendall with Piece-Wise Regression Min Wu, Ziheng Huang, Shuang Liu, Zhilong Wu, Tao Hong and Xisheng Hu

　　

摘要

量化植被动态已成为全球生态系统恢复计划（特别是针对退化森林的恢复计划）中的关键科学任务。以往的研究使用Theil–Sen (TS) 估计量和Mann–Kendall (MK) 检验方法，探讨了全球不同空间尺度上的植被覆盖变化趋势，但很少有研究考虑不同长度时间序列数据集之间趋势的不确定性。以中国东南部福建省的沿海地区为案例研究，我们利用归一化差异植被指数（NDVI）数据集（分别为20年、15年和10年），通过TS估计量和MK检验方法分析了植被覆盖变化趋势的不确定性。此外，还采用了分段回归方法来检测2001年至2020年间植被趋势的转折点和变化。研究结果表明，不同长度数据集之间的趋势估计存在显著差异，20年、15年和10年序列之间的一致性比率介于46.1%至64.7%之间。MK检验对时间序列长度的敏感性高于TS估计量，当数据集长度从20年缩短到10年时，显著变化区域减少了50%以上。趋势变化的空间分布呈现出明显的“沿海-内陆”极化模式，2010年是一个转折点。根据转折点前后的动态变化，识别出了八种植被趋势变化模式。分段回归方法将趋势预测的准确性提高了约15%。这项研究有助于深入理解植被动态的时空变化机制，并为适应性生态系统管理策略提供支持。