Spatiotemporal dynamic variation of temperate grassland classes in Inner Mongolia in the last 20 years

doi:10.11686/cyxb2022405

Abstract

Abstract:

Grassland classification is essential for rational utilization and effective protection of grassland resources and also crucial for maintaining sustainable development of grassland ecosystems. There has been considerable achievement in documenting spatio-temporal changes in land use types， but few reports on the spatio-temporal dynamic variation of grassland classes at the regional scale. Hence， this study explored the spatio-temporal variation of temperate grassland classes in Inner Mongolia. Several grassland class identification methods were constructed based on remote sensing vegetation index， meteorology， soil， topography， unmanned aerial vehicle （UAV） data and machine learning algorithms. Then the spatio-temporal variation was analyzed based on the optimal classification method. It was found that： 1） Among all the remote sensing classification characteristics and indexes evaluated， the importance values of precipitation and normalized difference vegetation index （NDVI） for grassland classification were higher than those of other indexes in the study area， and the cumulative contribution of the importance values of first 18 classification characteristics and indexes was more than 85%； 2） The random forest （RF） model gave the highest classification accuracy and was superior to other methods in grassland class identification in Inner Mongolia， with an overall accuracy of 82.16% and Kappa coefficient of 0.76； 3） In the past 20 years， the transition between grassland classes in Inner Mongolia has been intense， and has mainly occurred through transition among the classes typical steppe， desert steppe and desert. Compared with the grassland types in the 1980s， the grassland types in 2000-2009 changed from wet to dry， while the grassland types in 2010-2019 changed from dry to wet. The results of this study provide a scientific evaluation of the changes in grassland type in Inner Mongolia under global climate change and as a result of human activities， and provide a theoretical basis and technical support for planning sustainable grassland development in Inner Mongolia.

Key words: grassland classes, characteristic index, machine learning, spatio-temporal variation

Zhi-gui YANG, Jian-guo ZHANG, Jin-rong LI, Hong-yan YU, Li CHANG, Shu-hua YI, Yan-yan LYU, Yu-zhuo ZHANG, Bao-ping MENG. Spatiotemporal dynamic variation of temperate grassland classes in Inner Mongolia in the last 20 years[J]. Acta Prataculturae Sinica, 2023, 32(9): 1-16.

Figures/Tables 12

References 50

1	Ren J Z， Hu Z Z， Mou X D， et al. Comprehensive sequential classification of grassland and its significance in grassland genesis. Chinese Journal of Grassland， 1980（1）： 12-24， 38.
	任继周，胡自治，牟新待，等. 草原的综合顺序分类法及其草原发生学意义. 中国草原， 1980（1）： 12-24， 38.
2	Ren J Z. Classfication and cluster applicable for grassland type. Acta Agrestia Sinica， 2008， 16（1）： 4-10.
	任继周. 分类、聚类与草原类型. 草地学报， 2008， 16（1）： 4-10.
3	Ren J Z， Hu Z Z， Zhao J， et al. A grassland classification system and its application in China. The Rangeland Journal， 2008， 30（2）： 199-209.
4	Ma X L， Li W J， Chen Q G. Preliminary exploration of native grassland classification of Gansu Province based on GIS and comprehensive and sequential grassland classification method. Pratacultural Science， 2009， 26（5）： 7-13.
	马轩龙，李文娟，陈全功. 基于GIS与草原综合顺序分类法对甘肃省草地类型的划分初探. 草业科学， 2009， 26（5）： 7-13.
5	Su D X. The compilation and study of the grassland resource map of China on the scale of 1∶1000000. Journal of Natural Resources， 1996， 11（1）： 75-83.
	苏大学. 1∶1000000中国草地资源图的编制与研究. 自然资源学报， 1996， 11（1）： 75-83.
6	Yue R W， Zhang N， Wang J J， et al. Spatiotemporal variation of grassland aboveground biomass in Inner Mongolia from 2000 to 2019. Journal of University of Chinese Academy of Sciences， 2022， 39（1）： 21-33.
	乐荣武，张娜，王晶杰，等. 2000-2019年内蒙古草地地上生物量的时空变化特征. 中国科学院大学学报， 2022， 39（1）： 21-33.
7	Xu B， Yang X C， Tao W G， et al. Remote sensing monitoring upon the grass production in China. Acta Ecologica Sinica， 2007， 27（2）： 405-413.
	徐斌，杨秀春，陶伟国，等. 中国草原产草量遥感监测. 生态学报， 2007， 27（2）： 405-413.
8	Sun M， Shen W S， Xie M， et al. The identification of grassland types in the source region of the Yarlung Zangbo River based on spectral features. Remote Sensing for Land & Resources， 2012， 24（1）： 83-89.
	孙明，沈渭寿，谢敏，等. 基于光谱特征的雅鲁藏布江源区草地类型识别. 国土资源遥感， 2012， 24（1）： 83-89.
9	Yang J L， Zhou Z F， Zhao Z L， et al. Research of the grassland types extraction by ALOS image in Karst mountainous area. Chinese Journal of Agricultural Resources and Regional Planning， 2013， 34（6）： 81-85.
	杨尽利，周忠发，赵正隆，等. 基于ALOS影像的喀斯特山区草地类型提取研究. 中国农业资源与区划， 2013， 34（6）： 81-85.
10	Guo F F， Fan J R， Tang X G， et al. Comparison of methods for grassland classification based on HJ-1A hyperspectral image data in North Tibet. Remote Sensing Information， 2013， 28（1）： 77-82.
	郭芬芬，范建容，汤旭光，等. 基于HJ-1A高光谱数据的藏北高原草地分类方法对比. 遥感信息， 2013， 28（1）： 77-82.
11	Qian Y R， Yu J， Jia Z H， et al. The classification strategy of desert grassland based on decision tree using remote sensing image. Journal of Northwest A & F University （Natural Science Edition）， 2013， 41（2）： 159-166.
	钱育蓉，于炯，贾振红，等. 基于决策树的典型荒漠草地遥感分类策略. 西北农林科技大学学报（自然科学版）， 2013， 41（2）： 159-166.
12	Navin M S， Agilandeeswari L. Multispectral and hyperspectral images based land use/land cover change prediction analysis： An extensive review. Multimedia Tools and Applications， 2020， 79（11）： 1-24.
13	Meng B P， Yang Z G， Yu H Y， et al. Mapping of Kobresia pygmaea community based on unmanned aerial vehicle technology and Gaofen remote sensing data in alpine meadow grassland： A case study in eastern of Qinghai-Tibetan Plateau. Remote Sensing， 2021， 13（13）： 2483.
14	Yang C， Wu G F， Li Q Q， et al. Research progress on remote sensing classification of vegetation. Geography and Geo-Information Science， 2018， 34（4）： 24-32.
	杨超，邬国锋，李清泉，等. 植被遥感分类方法研究进展. 地理与地理信息科学， 2018， 34（4）： 24-32.
15	You X B， Wang L. Application of auxiliary information to improve forest classification capability and forest division. Journal of Beijing Forestry University， 2003， 25（S1）： 41-42.
	游晓斌，王蕾. 应用辅助信息提高森林分类和森林区划能力的研究. 北京林业大学学报， 2003， 25（S1）： 41-42.
16	Elumnoh A， Shrestha R P. Application of DEM data to Landsat image classification： Evaluation in a tropical wet-dry landscape of Thailand. Photogrammetric Engineering & Remote Sensing， 2000， 66（3）： 297-304.
17	Huo H T， Wang R H， You X X. Vegetation classification of TM imagery using ancillary data. Journal of Beijing Forestry University， 2001， 23（2）： 28-31.
	霍宏涛，王任华，游先祥. 三维及相关辅助信息在提高图像分类精度中的研究. 北京林业大学学报， 2001， 23（2）： 28-31.
18	Li D F， Tian Y， Hao F H. NDVI data based study on complex classification of vegetation cover of Yellow River Basin. Research of Soil and Water Conservation， 2003， 10（4）： 88-91.
	李道峰，田英，郝芳华. 基于NDVI数据的黄河流域地表植被覆盖综合分类研究. 水土保持研究， 2003， 10（4）： 88-91.
19	Zhen Y， Wu Z P， Yin Z H， et al. Study on spatio-temporal change of land use in Zoige County， Sichuan Province. Ecological Science， 2022， 41（2）： 41-49.
	甄艳，吴宗攀，尹志恒，等. 四川省若尔盖县土地利用时空变化研究. 生态科学， 2022， 41（2）： 41-49.
20	Xiao Y F， Chen W Y， Wang B J， et al. Study on temporal and spatial change of land use and its relationship with climate factors in Qilian Mountain National Nature Reserve. Acta Agrestia Sinica， 2021， 29（9）： 2049-2057.
	肖云飞，陈文业，王斌杰，等. 祁连山国家级自然保护区土地利用时空变化及与气候因子关系研究.草地学报， 2021， 29（9）： 2049-2057.
21	Zhang Y M， Zhao S D. Temporal and spatial change of land use in Horqin Desert and its outer area. Chinese Journal of Applied Ecology， 2004， 15（3）： 429-435.
	张永民，赵士洞. 科尔沁沙地及其周围地区土地利用的时空动态变化研究. 应用生态学报， 2004， 15（3）： 429-435.
22	Ge J， Meng B P， Yang S X， et al. Dynamic monitoring of alpine grassland coverage based on UAV technology and MODIS remote sensing data-A case study in the headwaters of the Yellow River. Acta Prataculturae Sinica， 2017， 26（3）： 1-12.
	葛静，孟宝平，杨淑霞，等. 基于UAV技术和MODIS遥感数据的高寒草地盖度动态变化监测研究——以黄河源东部地区为例. 草业学报， 2017， 26（3）： 1-12.
23	Li F X. Application and discussion of UAV technology in ecological remote sensing monitoring of grassland. Bulletin of Surveying and Mapping， 2017（7）： 99-102.
	李风贤. 无人机技术在草原生态遥感监测中的应用与探讨. 测绘通报， 2017（7）： 99-102.
24	Yi S H， Chen J J， Qin Y， et al. The burying and grazing effects of plateau pika on alpine grassland are small： A pilot study in a semiarid basin on the Qinghai-Tibet Plateau. Biogeosciences， 2016， 13（22）： 6273-6284.
25	Guo Q H， Wu F F， Hu T Y， et al. Perspectives and prospects of unmanned aerial vehicle in remote sensing monitoring of biodiversity. Biodiversity Science， 2016， 24（11）： 1267-1278.
	郭庆华，吴芳芳，胡天宇，等. 无人机在生物多样性遥感监测中的应用现状与展望. 生物多样性， 2016， 24（11）： 1267-1278.
26	Yang H， Zhou W， Huang L. Temporal and spatial patterns of grassland coverage and responses to hydrothermic factors in Inner Mongolia from 2001 to 2016. Pratacultural Science， 2019， 36（2）： 359-367.
	杨晗，周伟，黄露. 2001-2016年内蒙古草地覆盖度时空格局及其对水热因子的响应. 草业科学， 2019， 36（2）： 359-367.
27	Hua Y C， Sa R L， Wang B. Spatial and temporal variation of grassland NPP and its driving forces in Inner Mongolia. Journal of Desert Research， 2021， 41（5）： 130-139.
	滑永春，萨如拉，王冰. 内蒙古草原NPP时空变化及驱动力. 中国沙漠， 2021， 41（5）： 130-139.
28	Su L D， Yang J， Wan Z Q， et al. Climate change and its impacts on distribution pattern of grassland types in Inner Mongolia. Chinese Journal of Agrometeorology， 2015， 36（2）： 139-148.
	苏力德，杨劼，万志强，等. 内蒙古地区草地类型分布格局变化及气候原因分析. 中国农业气象， 2015， 36（2）： 139-148.
29	Gao H， Pan X B， Fu Y. Influence of climate change on potential climate productivity in grassland of central Inner Mongolia. Chinese Journal of Agrometeorology， 2009， 30（3）： 277-282.
	高浩，潘学标，符瑜. 气候变化对内蒙古中部草原气候生产潜力的影响. 中国农业气象， 2009， 30（3）： 277-282.
30	Liu H， Guo W L， Quan W J. Climatic division of the types and yields of grassland in Inner Mongolia. Journal of Applied Meteorological Science， 2011， 22（3）： 329-335.
	刘洪，郭文利，权维俊. 内蒙古草地类型与生物量气候区划. 应用气象学报， 2011， 22（3）： 329-335.
31	Yi S H. FragMAP： A tool for long-term and cooperative monitoring and analysis of small-scale habitat fragmentation using an unmanned aerial vehicle. International Journal of Remote Sensing， 2017， 38（10）： 2686-2697.
32	Gong J M. Spatial distribution of grassland classes in Dalhanmaomingan Union Banner. Inner Mongolia Prataculture， 2011， 23（3）： 53-56.
	贡吉玛. 达尔罕茂明安联合旗草原类型空间分布的特征. 内蒙古草业， 2011， 23（3）： 53-56.
33	Wang C L， Sa R， Tu L G E， et al. Remote sensing investigation and analysis of grassland resources in Wuhai City. Inner Mongolia Prataculture， 2009， 21（3）： 18-24.
	王春兰，萨仁，图力古尔，等. 乌海市草地资源遥感调查分析. 内蒙古草业， 2009， 21（3）： 18-24.
34	Zhang Y P， Man L， Jin S， et al. Types of Xilinguole grassland——Based on the Honggeergaole ecological experimental area. Journal of Beijing Institute of Education （Natural Science Edition）， 2010， 5（3）： 4-9.
	张玉平，满良，金山，等. 锡林郭勒草原草地类型研究——以洪格尔高勒生态建设试验区为例. 北京教育学院学报（自然科学版）， 2010， 5（3）： 4-9.
35	Meng B P. Estimation grassland above ground biomass based on UAV technology and machine learning methods in alpine grassland， Gannan Region. Lanzhou： Lanzhou University， 2018.
	孟宝平. 基于UAV和机器学习方法的甘南地区高寒草地地上生物量遥感估测研究. 兰州：兰州大学， 2018.
36	Du J X， Sun Y， Xiang B， et al. Potential distribution of plateau pika and its influence factors in the source region of the Yellow River Basin using BIOMOD. Pratacultural Science， 2019， 36（4）： 1074-1083.
	杜嘉星，孙义，向波，等. 基于BIOMOD的黄河源区高原鼠兔潜在分布及其影响因子. 草业科学， 2019， 36（4）： 1074-1083.
37	Breiman L. Random forests. Machine Learning， 2001， 45（1）： 5-32.
38	Wang D J， Jiang Q G， Li Y H， et al. Land use classification of farming areas based on time series Sentinel-2A/B data and random forest algorithm. Remote Sensing for Land & Resources， 2020， 32（4）： 236-243.
	王德军，姜琦刚，李远华，等. 基于Sentinel-2A/B时序数据与随机森林算法的农耕区土地利用分类. 国土资源遥感， 2020， 32（4）： 236-243.
39	Yang C K， Wang C C， Zhang D K， et al. Classification of GF-1 satellite image based on SVM. Geomatics & Spatial Information Technology， 2015， 38（9）： 142-146.
	杨长坤，王崇倡，张鼎凯，等. 基于SVM的高分一号卫星影像分类. 测绘与空间地理信息， 2015， 38（9）： 142-146.
40	Du P J， Xia J S， Xue Z H， et al. Review of hyperspectral remote sensing image classification. Journal of Remote Sensing， 2016， 20（2）： 236-256.
	杜培军，夏俊士，薛朝辉，等. 高光谱遥感影像分类研究进展. 遥感学报， 2016， 20（2）： 236-256.
41	Luo J C， Zhou C H， Yang Y. ANN remote sensing classification model and its integration approach with geo-knowledge. Journal of Remote Sensing， 2001， 5（2）： 122-129.
	骆剑承，周成虎，杨艳. 人工神经网络遥感影像分类模型及其与知识集成方法研究. 遥感学报， 2001， 5（2）： 122-129.
42	Xiu L N， Liu X N. Current status and future direction of the study on artificial neural network classification processing in remote sensing. Remote Sensing Technology and Application， 2003， 18（5）： 339-345.
	修丽娜，刘湘南. 人工神经网络遥感分类方法研究现状及发展趋势探析. 遥感技术与应用， 2003， 18（5）： 339-345.
43	Qiao W F， Sheng Y H， Fang B， et al. Land use change information mining in highly urbanized area based on transfer matrix： A case study of Suzhou， Jiangsu Province. Geographical Research， 2013， 32（8）： 1497-1507.
	乔伟峰，盛业华，方斌，等. 基于转移矩阵的高度城市化区域土地利用演变信息挖掘——以江苏省苏州市为例. 地理研究， 2013， 32（8）： 1497-1507.
44	Su Y J， Guo Q H， Hu T Y， et al. An updated vegetation map of China （1∶1000000）. Science Bulletin， 2020， 65（13）： 1125-1136.
	苏艳军，郭庆华，胡天宇，等. 中国植被图（1∶1000000）现实性更新. 科学通报， 2020， 65（13）： 1125-1136.
45	Wang Z X， Liu C， Zhao B R. Potentials and limitation of AVHRR for grassland classification in Xilingol， Inner Mongolia. Journal of Natural Resources， 2003， 18（6）： 704-711.
	王正兴，刘闯，赵冰茹. AVHRR草地分类的潜力和局限：以锡林郭勒草原为例. 自然资源学报， 2003， 18（6）： 704-711.
46	Zhao B R， Liu C， Liu A J， et al. Estimate the yield of grassland using MODIS-NDVI——A case study of the grassland in Xilinguole in Inner Mongolia. Pratacultural Science， 2004， 21（8）： 12-15.
	赵冰茹，刘闯，刘爱军，等. 利用MODIS-NDVI进行草地估产研究——以内蒙古锡林郭勒草地为例. 草业科学， 2004， 21（8）： 12-15.
47	Guo Q H， Guan H C， Hu T Y， et al. Remote sensing-based mapping for the new generation of Vegetation Map of China （1∶500，000）. Scientia Sinica Vitae， 2021， 51（3）： 229-241.
	郭庆华，关宏灿，胡天宇，等. 新一代1∶50万中国植被图绘制方法探讨. 中国科学：生命科学， 2021， 51（3）： 229-241.
48	Zhang J G， Liu D W， Meng B P， et al. Using UAVs to assess the relationship between alpine meadow bare patches and disturbance by pikas in the source region of Yellow River on the Qinghai-Tibetan Plateau. Global Ecology and Conservation， 2021， 26（6）： e01517.
49	Meng B P， Gao J L， Liang T G， et al. Modeling of alpine grassland cover based on unmanned aerial vehicle technology and multi-factor methods： A case study in the east of Tibetan Plateau， China. Remote Sensing， 2018， 10（2）： 320.
50	Wen Q K， Zhang Z X， Liu S， et al. Classification of grassland types by MODIS time-series images in Tibet， China. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing， 2010， 3（3）： 404-409.

草地类型 Grassland classes	生活型 Vegetation life form	优势种 Dominant grass species	草地盖度 Coverage （%）
荒漠 Desert	超旱生小灌木、小半灌木Extremely xerophytic short shrubs， short semishrubs	珍珠、松叶猪毛菜、红砂、盐爪爪、沙蒿、沙竹Lyonia ovalifolia， Salsola laricifolia，Reaumuria songarica， Kalidium foliatum，Artemisia desertorum， Psammochloa villosa	0~20
草原化荒漠 Steppe desert	强旱生半灌木和灌木、旱生草本Super xerophytic semishrubs， shrubs， and xerophytic grasses	纤细绢蒿、白茎绢蒿、博洛塔绢蒿、合头草、琵琶柴、短叶假木贼、沙生针茅Seriphidium gracilescens， Seriphidium terrae-albae，Seriphidium borotalense， Sympegma regelii，Reaumuria soongorica， Anabasis brevifolia，Stipa glareosa	20~30
荒漠化草原 Desert steppe	强旱生多年生草本植物、旱生小半灌木Super xerophytic perennial grasses， xerophytic short semishrubs	石生针茅、戈壁针茅、短花针茅、无芒隐子草、冷蒿、多茎葱、蒙古葱Stipa tianschanica var. klemenzii， Stipa tianschanica var. gobica， Stipa breviflora， Cleistogenessongorica， Artemisia frigida， Allium mongolicum，Allium aflatunense	30~40
典型草原 Typical steppe	旱生多年生丛生禾草、旱生小灌木Xerophytic perennial tufted grasses， xerophytic short shrubs	大针茅、克氏针茅、本氏针茅、糙隐子草、冰草、冷蒿、锦鸡儿Stipa grandis， Stipa krylovii， Stipa bungeana，Cleistogenes squarrosa， Agropyron cristatum，A. frigida， Caragana sinica	60~70
草甸草原 Meadow steppe	中旱生多年生丛生禾草及根茎禾草Mesoxerophytic perennial tufted grasses and root grasses	贝加尔针茅、羊草、线叶菊Stipa baicalensis， Leymus chinensis，Filifolium sibiricum	70~90

草地类型 Grassland classes	生活型 Vegetation life form	优势种 Dominant grass species	草地盖度 Coverage （%）
荒漠 Desert	超旱生小灌木、小半灌木Extremely xerophytic short shrubs， short semishrubs	珍珠、松叶猪毛菜、红砂、盐爪爪、沙蒿、沙竹Lyonia ovalifolia， Salsola laricifolia，Reaumuria songarica， Kalidium foliatum，Artemisia desertorum， Psammochloa villosa	0~20
草原化荒漠 Steppe desert	强旱生半灌木和灌木、旱生草本Super xerophytic semishrubs， shrubs， and xerophytic grasses	纤细绢蒿、白茎绢蒿、博洛塔绢蒿、合头草、琵琶柴、短叶假木贼、沙生针茅Seriphidium gracilescens， Seriphidium terrae-albae，Seriphidium borotalense， Sympegma regelii，Reaumuria soongorica， Anabasis brevifolia，Stipa glareosa	20~30
荒漠化草原 Desert steppe	强旱生多年生草本植物、旱生小半灌木Super xerophytic perennial grasses， xerophytic short semishrubs	石生针茅、戈壁针茅、短花针茅、无芒隐子草、冷蒿、多茎葱、蒙古葱Stipa tianschanica var. klemenzii， Stipa tianschanica var. gobica， Stipa breviflora， Cleistogenessongorica， Artemisia frigida， Allium mongolicum，Allium aflatunense	30~40
典型草原 Typical steppe	旱生多年生丛生禾草、旱生小灌木Xerophytic perennial tufted grasses， xerophytic short shrubs	大针茅、克氏针茅、本氏针茅、糙隐子草、冰草、冷蒿、锦鸡儿Stipa grandis， Stipa krylovii， Stipa bungeana，Cleistogenes squarrosa， Agropyron cristatum，A. frigida， Caragana sinica	60~70
草甸草原 Meadow steppe	中旱生多年生丛生禾草及根茎禾草Mesoxerophytic perennial tufted grasses and root grasses	贝加尔针茅、羊草、线叶菊Stipa baicalensis， Leymus chinensis，Filifolium sibiricum	70~90

土地覆盖 Land cover	MCD12Q1产品类型 Types of MCD12Q1
草地Grassland	稠密灌丛Dense shrub （6）、稀疏灌丛Sparse shrubs （7）、草地Grassland （10）、永久湿地Permanent wetland （11）、稀疏植被Sparse vegetation （16）
林地Forest	常绿针叶林Evergreen coniferous forest （1）、常绿阔叶林Broad-leaved evergreen forest （2）、落叶针叶林Deciduous needle-leaf forest （3）、落叶阔叶林Deciduous broadleaved forest （4）、混交林Mixed forest （5）、木本热带稀树草原Woody tropical savanna （8）、热带稀树草原Tropical savanna （9）
水体Water bodies	水Water （17）
永久冰雪Permanent snow and ice	雪和冰Snow and ice （15）
其他Others	农用地Agricultural land （12）、城市和建筑区Cities and building areas （13）、农用地和自然植被Agricultural land and natural vegetation （14）

土地覆盖 Land cover	MCD12Q1产品类型 Types of MCD12Q1
草地Grassland	稠密灌丛Dense shrub （6）、稀疏灌丛Sparse shrubs （7）、草地Grassland （10）、永久湿地Permanent wetland （11）、稀疏植被Sparse vegetation （16）
林地Forest	常绿针叶林Evergreen coniferous forest （1）、常绿阔叶林Broad-leaved evergreen forest （2）、落叶针叶林Deciduous needle-leaf forest （3）、落叶阔叶林Deciduous broadleaved forest （4）、混交林Mixed forest （5）、木本热带稀树草原Woody tropical savanna （8）、热带稀树草原Tropical savanna （9）
水体Water bodies	水Water （17）
永久冰雪Permanent snow and ice	雪和冰Snow and ice （15）
其他Others	农用地Agricultural land （12）、城市和建筑区Cities and building areas （13）、农用地和自然植被Agricultural land and natural vegetation （14）

指标Index	重要性Importance	累计贡献度Cumulative contribution	指标Index	重要性Importance	累计贡献度Cumulative contribution
Pre_max	8.46	8.46	Pre_mea	2.91	82.43
Tem_med	8.07	16.53	NDVI_min	2.30	84.72
Pre_ran	7.05	23.57	Pre_min	1.99	86.72
Tem_max	6.98	30.56	NDVI_ran	1.88	88.60
Tem_mea	6.31	36.86	Tem_std	1.75	90.35
Tem_sum	6.30	43.17	Slope	1.52	91.87
Tem_min	5.87	49.04	NDVI_std	1.49	93.36
Pre_std	4.90	53.94	Tem_ran	1.48	94.84
NDVI_mea	4.22	58.16	Clay1	1.15	95.99
NDVI_sum	4.07	62.23	Sand1	1.08	97.06
Pre_sum	3.77	66.00	Aspect	0.96	98.03
NDVI_max	3.63	69.63	Sand2	0.95	98.98
NDVI_med	3.42	73.05	Clay2	0.80	99.77
DEM	3.39	76.44	Posi	0.23	100.00
Pre_med	3.08	79.52