2021, Vol. 41文章信息
- 吉珍霞, 裴婷婷, 陈英, 秦格霞, 侯青青, 谢保鹏, 吴华武
- JI Zhenxia, PEI Tingting, CHEN Ying, QIN Gexia, HOU Qingqing, XIE Baopeng, WU Huawu
- 黄土高原植被物候变化及其对季节性气候变化的响应
- Vegetation phenology change and its response to seasonal climate changes on the Loess Plateau
- 生态学报. 2021, 41(16): 6600-6612
- Acta Ecologica Sinica. 2021, 41(16): 6600-6612
- http://dx.doi.org/10.5846/stxb202006301704
-
文章历史
- 收稿日期: 2020-06-30
- 网络出版日期: 2021-05-21
Abstract
PDF
Figures
Tables
引用本文 |
,
,
,
,
,
2. 甘肃农业大学管理学院, 兰州 730070;
3. 草业生态系统教育部重点实验室(甘肃农业大学), 兰州 730070;
4. 中国科学院南京地理与湖泊研究所, 南京 210008
,
,
,
,
,
2. College of Management, Gansu Agricultural University, Lanzhou 730070, China;
3. Key Laboratory of Grassland Ecosystem (Gansu Agricultural University), Ministry of Education, Lanzhou 730070, China;
4. Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China
物候通常是指生物受其所处环境(气候、水文、土壤等)影响, 出现以年为周期的自然现象[ 1- 2]。而植被物候变化影响植被生产力、陆地生态系统碳循环过程及碳储备, 清楚地掌握植被物候动态变化, 对植被恢复、生态系统保护及区域内畜牧业的发展等具有重要意义[ 3- 5]。
目前, 国内外学者基于不同数据源、不同提取方法对不同环境因子(海拔、温度、降水、太阳辐射等)与物候的相互关系做了大量研究, 早期Jönsson等提出动态阈值法, 以植被指数曲线年振幅的百分比作为生长季开始或结束的阈值来提取物候[ 6], 现有大多数学者基于此方法利用遥感数据探讨了物候与气象因子和非气象因子之间的关系[ 7- 8], 如王重洋基于MODIS EVI数据集, 采用小波分析、动态阈值法等方法发现中国植被物候空间格局可以很好地体现自然地域分异规律[ 9]；孔冬冬等根据GIMMIS NDVI3g数据运用偏最小二乘法回归研究得到青藏高原植被物候变化主要受温度的影响[ 10]。同时也有学者根据实地监测数据分析物候受气候变化的影响, 早期Chmielewski等通过研究欧洲4种木本植被地面观测数据与不同气候变化的关系, 提出温度每升高1℃, 植被生长季始期(SOS, Start of Growing Season)提前7 d, 植被生长季末期(EOS, End of Growing Season)推迟5 d[ 11], 而近期Huang等对内蒙古16种草本植被SOS受多因素影响的研究中发现温度升高会提前植被SOS[ 12]。在黄土高原的研究中, 雷俊等、李强等和谢宝妮等分别以不同类型数据对黄土高原物候进行量化分析[ 13- 15], 均发现近年来黄土高原植被SOS提前和植被EOS推迟是受气温和降水的共同调控。这些与现有的认知一致, 即物候变化与温度和降水密切相关, 但Chen等根据内蒙古地面实测物候数据证明[ 16], 草本植被SOS在气候变暖的气候下没有显著的变化, 可能的原因是植被物候受到关键时期气候的影响, 而不是整年度气候调节植被物候变化, Wang等也提出内蒙古地区植被SOS对关键时期的气候变化明显[ 17]。
以往关于气候变化对物候影响的研究大部分是以年尺度的气候来分析, 忽略了物候对季节性气候的响应, 而各季节的温度和降水变化也对植被物候产生重要的影响[ 18- 20]。因此, 本文基于2001—2019年250 m分辨率的MOD13Q1数据, 提取黄土高原植被物候期, 包括植被SOS和植被EOS。运用Sen′s斜率估计对植被物候时空变化特征进行分析[ 21], 并结合R/S分析法对植被物候变化趋势进行预测, 采用高阶偏相关分析法探讨季节性气候变化对物候的影响, 以期探究黄土高原植被物候水平地带分布的时空变化规律及其对季节性气候变化的响应, 为当地生态环境恢复与建设提供参考和依据[ 22]。
1 研究地区与研究方法 1.1 研究区概况黄土高原地处中国西北地区, 范围在100°52′—114°33′ E、33°41′—41°16′ N之间, 海拔在83—5010 m之间, 是世界上分布最集中且面积最大的黄土区( 图 1)。地势西北高, 东南低, 气候受经纬度和地形的双重制约, 由东南湿润季风气候向西北内陆干旱气候过渡, 冬季寒冷干燥多风沙, 夏季炎热多暴雨, 年均温3.6—14.3 ℃, 年降雨量300—800 mm, 降水量从西北向东南增加。植被受气候的影响呈东南—西北走向水平地带性分布[ 15], 根据中国植被区划数据, 主要划分为5个植被分区：Ⅰ(温带南部荒漠草原区)、Ⅱ(温带南部典型草原区)、Ⅲ(温带南部森林(草甸)草原区)、Ⅳ(暖温带北部落叶栎林区)、Ⅴ(暖温带南部落叶栎林亚区)。根据美国国家航空航天局(National Aeronautics and Space Administration, NASA)提供的土地利用覆盖图, 只提取2001—2018年土地利用覆盖类型未发生变换的区域( 图 1), 在此基础上去除受人类活动干扰严重和植被不稳定的耕地、湿地、荒漠、城镇用地、水体以及农田和植被交互区域[ 23], 将剩余植被覆盖区域定义为植被活跃区[ 1]( 图 1)。
|
| 图 1 黄土高原站点空间分布图和2001—2018年未变化土地利用类型图 Fig. 1 Spatial distribution map of sites on the Loess Plateau and map of unchanged land use type types from 2001 to 2018 Ⅰ：温带南部荒漠草原区(Desert steppe in the southern temperate zone)、Ⅱ：温带南部典型草原区(Typical steppe pressure areas in the southern temperate zone)、Ⅲ：温带南部森林(草甸)草原区(Temperate southern forest(meadow)grassland area)、Ⅳ：暖温带北部落叶栎林区(Deciduous oak forest in the warm temperate north)、Ⅴ：暖温带南部落叶栎林亚区(Warm temperate southern deciduous oak forest subregion) |
|
图选项
|
研究采用归一化差值植被指数(Normalization Difference Vegetation Index, NDVI)提取植被物候指标。NDVI数据来源于NASA提供的MODIS土地覆盖动态产品(MOD13Q1), 空间分辨率为250 m, 时间分辨率为16 d, 时间跨度为2001—2019年( https://lpdaacsvc.cr.usgs.gov/appeears), 研究将NDVI mean= 0.05作为排除非植被覆盖的阈值[ 24- 26]。
物候验证数据：数据来源于国家生态科学数据中心( http://rs.cern.ac.cn/order), 包括沙坡头、鄂尔多斯、海北站3个站点物候观测数据, 记录有草地萌芽期、开花期、结实期、种子散布期和枯黄期。因地面观测的物候期是从植物个体尺度观测的, 为增加验证数据的可比性, 根据侯学会[ 27]的建议剔除记录时间与其他数据相差30天以上的记录, 并将3个地面观测站点数据的萌芽期和枯黄期定义为植被SOS和植被EOS。
30 m分辨率的数字高程模型数据、植被区划数据：来源于中国科学院资源环境科学数据平台( http://www.resdc.cn), 在ArcGIS 10.2中利用重分类和按掩膜提取等工具, 对数据进行处理。
土地利用覆盖数据来源于由NASA提供的MODIS土地利用覆盖图(MCD12Q1产品), 数据的空间分辨率为500 m( https://lpdaacsvc.cr.usgs.gov/appeears), 时间节点为2001年和2018年两期。黄土高原土地利用类型主要有常绿针叶林、落叶阔叶林、混交林、郁闭灌木、稀疏灌木、草地、镶嵌林地、镶嵌草地、草地、水体、湿地、耕地、城镇用地、稀疏草原、荒漠以及农田与自然植被混交16种类型, 在ArcGIS 10.2中只提取2001—2018年土地利用覆盖类型未发生变换的区域[ 23]。
温度和降水数据：来源于中国气象数据网的日值数据集( http://data.cma.cn), 时间跨度为2000—2018年, 利用MATLAB 10.2软件进行处理, 得到研究区135个站点气象数据的季节数据, 将12月份、1月份、2月份定义为冬季(年初冬季), 3月份、4月份、5月份定义为春季(当年春季), 6月份、7月份、8月份定义为夏季(上年夏季和当年夏季), 9月份、10月份、11月份定义为秋季(上年秋季和当年秋季), 最后利用专业气象插值软件ANUSPLINE将季节性气象数据插值为空间分辨率为250 m的栅格数据集。
1.3 研究方法 1.3.1 时间序列重构方法由于遥感影像获取时受云和大气的影响很大, 需对NDVI时序数据进行降噪和平滑处理[ 25], 利用S-G滤波法对NDVI数据进行时间序列重构去除噪声, 首先在曲线重构过程中采用Spike Method剔除原始NDVI曲线的无效点, 其次在原始NDVI数据上构建窗口, 最后通过对原始NDVI时序数据窗口平滑实现对整条曲线的拟合[ 26]。经参考文献和反复测试设置窗口大小为3[ 25- 26], 有理多项式次数为3。公式为：
|
(1) |
式中, Yj为拟合之后的序列数据, Yj+i为原始序列数据, Ci为滤波系数, N为滑动窗口的大小(2m+1)。
1.3.2 植被物候信息提取方法物候期提取的方法常有阈值法、滑动平均法、最大比率法等[ 6]。采用Jönsson等提出的动态阈值法在像元尺度上设定不同的NDVI阈值来获得每个像元的植被SOS和植被EOS, 由于不同学者在提取物候的过程中根据不同研究区设定的阈值各有不同[ 15, 25- 26], 故本文设置了20%、50%和80%的阈值, 再根据实地记录的物候相关信息, 在反复试验的基础上将植被SOS和植被EOS的动态阈值设定为20%和80%。将NDVI曲线上升阶段, 距离最小值为最大值与最小值间距离的20%的时间点定义为植被SOS, 将NDVI曲线下降阶段, 距离最大值为最大值与最小值间距离的80%的时间点定义为植被EOS[ 27], 由于Timesat3.2软件只能从n年数据中提取到n-1年的物候参数[ 26], 故本文根据2001—2019年的NDVI数据最终得到2001—2018年的物候数据。
1.3.3 植被物候变化趋势分析Sen′s斜率估计法：采用Sen′s斜率估计法分析18年间植被SOS和植被EOS的变化趋势和变化速率。Sen′s斜率的计算公式为[ 21]：
|
(2) |
式中, β为植被物候变化趋势；Median为中值函数；当β < 0时, 物候呈提前趋势；β>0时, 物候呈推迟趋势[ 20]。
Mann-Kendall趋势检验法：主要用来判断物候序列的突变点, 实现物候序列的显著性判断, 从而分析物候变化趋势[ 1], 详细公式见文献[ 21]。
1.3.4 植被物候变化持续性分析由于Hurst指数(H)能够有效的描述自相似性和长期依赖性, 因此被广泛运用于水文、气候、地质和地震等领域。本文基于重标极差(R/S)分析法逐像元计算物候的变化趋势, 反映其变化趋势的持续性[ 28]。H值域介于[0, 1]之间, 根据H的大小可以判断物候序列是完全随机还是存在持续性。当H值大于0.5表示物候的时间序列是一个持续性序列, 表明物候未来变化趋势与过去一致。如果H等于0.5, 则说明物候的时间序列为随机序列。当H值小于0.5则表明物候的时间序列数据具有反持续性, 也就是说物候过去变化趋势与未来变化趋势相反[ 29]。植被物候时间序列为Ai, i=1, 2, 3, …, n, 对于任意正整数m, 定义该时间序列[ 28]：
(1) 差分序列：
|
(3) |
(2) 均值序列：
|
(4) |
(3) 累计离差：
|
(5) |
(4) 极差：
|
(6) |
(5) 标准差：
|
(7) |
对于比值R(m)/S(m)
本文采用高阶偏相关分析法研究黄土高原植被物候与不同季节温度、降水之间的关系。假设有k(k>2)个变量x1, x2, …, xk, 则任意两个变量xi和xj的n(n≤k-2)阶样本偏相关系数计算公式如下：
|
(8) |
式中, rij为物候i和气候因子j之间的偏相关系数, 控制变量为其他季节的气候变量。
2 结果与分析 2.1 植被物候的时空演变特征 2.1.1 植被物候平均值空间差异黄土高原植被SOS主要集中在第96—144天(占整体像元90.8%), 即3月初到4月底, 但各区植被之间的物候参数具有较大差异, 随着地势由西北向东南方向, 植被SOS逐渐提前( 图 2)。子植被分区Ⅰ(荒漠草原)和Ⅱ(典型草原)的植被SOS主要发生在第90—150天；子植被分区Ⅲ(森林草原)植被SOS主要从第90天开始；子植被分区Ⅳ(落叶栎林)植被SOS主要集中在第90—120天, 即三月初到三月末；子植被分区Ⅴ(落叶栎林亚区)植被SOS与其它植被有较大差异( 图 2), 第100天之前像元占比85%, 即植被SOS主要在三月左右。
|
| 图 2 2001—2018年黄土高原植被生长季始期均值空间分布 Fig. 2 The Start of Growing Season mean value spatial distribution of vegetation on the Loess Plateau from 2001 to 2018 SOS: 生长季始期Start of growing season |
|
图选项
|
黄土高原植被EOS主要集中在第288—304天(占整体像元84.0%), 但九月下旬像元占比较大, 不同植被分区之间的物候参数差异较小, 各子植被分区主要集中在第280—290天( 图 3)。从整个研究区来看, 黄土高原的后套高原、宁夏高原以及青海境内植被EOS较早, 主要从第270天开始；子植被分区Ⅰ(荒漠草原)和Ⅴ(落叶栎林亚区)部分植被EOS较为推迟, 到第310天结束( 图 3)。
|
| 图 3 2001—2018年黄土高原植被生长季末期均值空间分布 Fig. 3 The End of Growing Season mean value spatial distribution of vegetation on the Loess Plateau from 2001 to 2018 EOS: 生长季末期End of growing season |
|
图选项
|
根据Sen′s的空间趋势分析得知( 图 4), 研究区在2001—2018年间植被SOS整体呈现显著提前趋势(通过Mann-Kendall显著性检验占整体像元71.0%, α=0.05), 变化速率在0—2 d/10a的像元占比86.8%, 大范围分布在黄土高原区域, 仅有13.2%的植被SOS呈现推迟趋势, 零散分布在Ⅰ(荒漠草原)和Ⅱ(典型草原)区域, 主要包括宁夏高原和后套高原部分区域。其中, 子植被分区Ⅴ(落叶栎林亚区)、Ⅳ(落叶栎林)、Ⅲ(森林草原)、Ⅱ(典型草原)和Ⅰ(荒漠草原)提前趋势占0—2 d/10a的像元占比分别为92.3%、97.5%、89.3%、83.5%和75.3%。黄土高原植被EOS整体呈现推迟趋势, 87.6%的像元植被EOS表现为显著推迟趋势(通过Mann-Kendall显著性检验占整体像元75.6%, α=0.05), 变化速率为0—3 d/10a, 子植被分区Ⅴ(落叶栎林亚区)、Ⅳ(落叶栎林)、Ⅲ(森林草原)、Ⅱ(典型草原)和Ⅰ(荒漠草原)占0—3 d/10a的像元占比依次为88.2%、89.2%、89.9%、90.0%和81.5%。从黄土高原植被物候年际变化来讲( 图 5), 黄土高原植被SOS呈提前趋势, 变化斜率为-0.38 d/a, 植被EOS呈推迟趋势, 变化斜率为2.83 d/a, 植被EOS推迟较植被SOS提前变化明显。
|
| 图 4 2001—2018年黄土高原植被物候空间变化趋势分析 Fig. 4 Spatial variation trend analysis of vegetation phenology on the Loess Plateau from 2001 to 2018 |
|
图选项
|
|
| 图 5 2001—2018年黄土高原植被物候年际变化图 Fig. 5 Interannual change of vegetation phenology on the Loess Plateau from 2001 to 2018 |
|
图选项
|
利用研究区2001—2018年的植被SOS和植被EOS数据计算Hurst指数, 分别获得研究区植被SOS和植被EOS变化持续性空间分布( 图 6)。研究区植被SOS变化趋势的H值介于0.5—0.75像元在总像元中占比66%, 主要大范围分布在各子植被分区, 植被SOS这种大范围持续性, 进一步说明未来黄土高原子植被分区Ⅴ(落叶栎林亚区)、Ⅳ(落叶栎林)、Ⅲ(森林草原)和Ⅰ(荒漠草原)仍将延续过去18年间的平均变化状态, 继续呈提前的趋势。介于0.35—0.5像元在总像元中占比32%, 主要分布在Ⅱ(典型草原)的宁夏高原和鄂尔多斯高原, 表现为反持续性, 预示Ⅱ(典型草原)未来一段时间植被SOS有40%的像元变化趋势与过去相反, 将呈现推迟趋势。研究区植被EOS变化趋势的H值介于0.5—0.75像元在总像元中占比81%, 主要大范围分布在各子植被分区, 植被EOS这种大范围持续性, 进一步说明未来黄土高原各子植被区仍将延续过去18年间的平均变化状态, 继续呈缓慢推迟的趋势。介于0.35—0.5像元在总像元中占比17%, 主要在Ⅲ(森林草原)中零散分布, 表现为反持续性, 预示Ⅲ(森林草原)未来一段时间植被EOS有21%的像元变化趋势与过去相反, 将呈现提前趋势。
|
| 图 6 黄土高原植被物候持续性分析 Fig. 6 Analysis of phenological continuity of vegetation on the Loess Plateau |
|
图选项
|
根据ANUSPLINE插值的季节总降水和平均温度数据, 采用高阶偏相关分析法对植被物候和不同季节降水、温度的气候数据进行逐像元偏相关分析。从总体来讲( 图 7和 图 8), 植被SOS对各季节温度的响应较植被SOS对各季节降水的响应明显。植被SOS与当年春季降水表现出负相关性(通过P=0.05显著性检验的像元占比为10.82%), 表明植被SOS受当年春季降水的影响提前, 且主要分布在Ⅱ(典型草原)、Ⅲ(森林草原)和Ⅳ(落叶栎林)区域, 集中于黄土高原中部；植被SOS对上年夏季和上年秋季降水表现出正相关性像元占比较大, 零散分布在整个区域(通过P=0.05显著性检验的像元占比分别为4.38%和2.04%), 表明植被SOS受上年夏季和上年秋季降水的影响推迟, 尤其是Ⅰ(荒漠草原)区域。植被SOS与上年秋季、年初冬季和当年春季温度呈现负相关性(通过P=0.05显著性检验的像元占比分别为1.86%、6.16%和7.7%), 表明当年春季、上年秋季和年初冬季的温度升高均会导致植被SOS提前, 尤其是当年春季温度；上年夏季温度与植被SOS呈正相关性(通过P=0.05显著性检验的像元占比为9.33%), 表明上年夏季温度升高导致植被SOS延迟。从不同植被分区来看( 图 8), 各子植被分区植被SOS对不同季节降水表现出差异, 而对不同季节温度响应具有一致性。
|
| 图 7 黄土高原植被物候与季节性气候的偏相关分析 Fig. 7 Partial correlation analysis between phenology and seasonal climate on the Loess Plateau |
|
图选项
|
|
| 图 8 黄土高原植被物候与季节性气候的平均相关系数分布图 Fig. 8 Distribution diagram of mean correlation coefficient between vegetation phenology and seasonal climate on the Loess Plateau |
|
图选项
|
同理, 从总体来讲( 图 7和 图 8), 植被EOS对各季节降水, 以及当年秋季温度的响应较大。植被EOS对不同季节降水呈正相关性(通过P=0.05显著性检验的像元占比根据 图 7从左到右依次为6.72%、3.77%、15.97%、2.62%), 表明植被EOS受不同季节降水的影响会推迟, 只有部分区域对季节降水表现出负相关性, 主要表现在当年春季降水增加会导致子植被分区Ⅰ(荒漠草原)和Ⅱ(典型草原)区域物候提前。子植被分区Ⅱ(典型草原)、Ⅲ(森林草原)和Ⅳ(落叶栎林)区域植被EOS对年初冬季和当年春季温度表现出负相关性(通过P=0.05显著性检验的像元占比分别为0.85%和1.1%), 表明年初冬季和当年春季温度升高会导致这些区域植被EOS提前；植被EOS对当年秋季温度呈正相关性(通过P=0.05显著性检验的像元占比为11.69%), 分布在整个区域, 表明植被EOS受当年秋季温度的影响会推迟, 且各子植被区植被EOS对当年秋季温度响应具有一致性。
3 讨论研究采用空间分辨率为250 m、时间分辨率为16天的MODIS遥感归一化植被指数数据, 这相比于以往研究, 空间分辨率精度更大[ 1, 10, 25]。另外, 研究考虑到黄土高原区域的差异性, 根据植被分区数据, 将黄土高原分为五个植被分区。从不同植被分区角度进行对比, 分析近18年研究区植被物候变化趋势, 全区域所反映出的结果与谢宝妮等、秦格霞等和黄文琳等研究结果大致相同[ 1, 15, 25]( 表 1)。此外, 研究利用地面站点观测物候数据对计算的物候结果进行验证。如 图 9所示, 遥感识别的植被SOS与地面实测的植被SOS相关系数为0.60(P < 0.05), 偏差(Bias)为0.29, 而遥感识别的植被EOS与地面实测的植被EOS相关系数为0.76(P < 0.05), 偏差(Bias)为0.75, 两者除个别观测数据外, 植被SOS和植被EOS与观测数据误差基本在16天之内[ 25- 26], 考虑到遥感图像的时间分辨率, 故这些误差仍在可接受的范围内, 验证结果表明研究提取的物候参数具有较高的可靠性, 能够反映该区域物候的基本特征。
| 文献来源 Literature sources |
研究区 Region |
类型 Types |
SOS | EOS | 研究时段 Study phase |
分辨率 Resolution |
| 本文This paper | 黄土高原 | 自然植被 | 96—144 | 288—304 | 2010—2018 | 250 m |
| [ 15] | 黄土高原 | 自然植被 | 96—150 | 283—305 | 1982—2011 | 5 km |
| [ 25] | 中国北方 | 草地植被 | 90—150 | 270—300 | 1983—2015 | 8 km |
| [ 1] | 内蒙古 | 自然植被 | 120—160 | 275—295 | 1982—2013 | 8 km |
|
| 图 9 黄土高原物候监测结果与站点实测数据的比较 Fig. 9 Comparison of phenological monitoring results and site measured data on the Loess Plateau |
|
图选项
|
另外, 研究通过R/S方法对植被物候进行趋势预测, 发现大部分区域植被物候皆呈持续性变化趋势, 即植被SOS提前、植被EOS推迟, 这种趋势可能与全球气候持续变暖有关, 但仍有一些区域呈现反持续状态, 这种持续性较差的区域, 应该在后续植被治理过程中重点关注, 以加强区域生态系统的稳定性[ 22]。由于植被物候变化的监测是一个长期动态过程, 本文获取的MOD13Q1数据相比于GIMMS等数据的时间序列较短, 利用Hurst指数进行预测可以使获取的物候数据在趋势分析上更为完整一些, 且作为一种随机性预测的新途径, 可以较大程度提高预测结果的准确性[ 28], 但在接下来的研究中如何将站点数据与遥感监测数据相结合进行准确的预测, 克服Hurst指数仅能反映现有趋势是否有转折的缺点有待进一步研究。
植被物候变化是一个周期性、持续性的动态过程, 制约其变化的影响因素众多, 且各因素之间相互影响[ 10]。其中温度和降水作为气候最重要的两个因素[ 30], 研究通过高阶偏相关分析法逐像元计算它们与植被物候的相关性, 发现各季节温度对植被SOS的影响占主导位置, 除了上年夏季温度会导致植被SOS延迟外, 其他季节温度均会导致植被SOS提前, 尤其是当年春季温度。该结论与之前许多研究相符, 即认为温度是影响物候的主要因素[ 10, 15], 当年春季温度的升高会增加植被发芽和叶片扩张的热量提前植被SOS[ 31], 且当温度升高时会增加土壤有机质的分解速率, 促使土壤中的养分更容易矿化并提供给植物, 从而促进植被的生长[ 32]。当然, 也有研究认为早期植被SOS会受到蒸散量的影响[ 33], 当温度升高时会增加蒸散量减少水的可利用性[ 34], 从而可能延迟植被的发芽, 但这取决于温度、降水和蒸散发等因子对植被物候的共同调控[15, 35]。本研究还发现上年夏季和上年秋季降水的增加均会导致植被SOS延迟, 可能的原因是植被SOS受上一年植被EOS的影响[ 36- 37], 当上年夏季和上年秋季降水导致上年植被EOS延迟时, 间接导致下一年植被SOS延迟[ 10]。Zhao等研究结果表明干旱对黄土高原地区植被的生长存在时滞效应和积累效应, 且积累效应发生在5到10个月份的不同时间范围内[ 38]。因此, 物候发生前的各季节气候对植被SOS也具有重要影响。另外, 不同植被分区植被SOS对不同季节气候的响应存在空间差异, 可能的原因是不同植被分区中的植被在植被功能性状(如根系深度、叶表面积等)、生理生态过程及其对气候变化响应的敏感性均存在差异[ 35, 39]。
Piao等认为在干旱和半干旱地区, 植被主要以旱生和强旱生植被为主, 温度和降水均会影响植被的生长[ 40], 且在热量充足的条件下, 降水对植被EOS的影响显得更为重要[ 41]。降水可以缓解水分胁迫, 使得植被EOS延迟[ 42- 43]。本研究发现黄土高原各季节降水和秋季温度对植被EOS的影响占主导位置, 即除了秋季温度外, 不同季节降水是影响植被EOS延迟的主要因素, 这一结果与Che等和刘静等的观点一致[ 23, 44], 同时Liu等研究认为植被在秋季时需水量会减少, 温度增高会增加光合酶的活性、减缓叶绿素的降解[ 42]。因此, 不同季节温度升高也是推迟植被EOS的重要因子[ 45], 尤其是当年秋季温度。另外, 由于不同植被分区中植被的生理特性不同[ 39], 及其对气候变化的敏感程度不同[ 15], 导致不同植被分区植被SOS相比于植被EOS对各季节降水的响应更为复杂, 以及不同植被分区植被EOS相比于植被SOS对各季节温度的响应更为复杂。因而未来的研究需关注植被个体特性受气候变化的影响差异, 以及植被物候变化受其他更多因素的影响, 比如Cong等和Jin等提出的降水时间、土壤持水量等对植被生长的影响程度和影响机制[ 46- 47]。此外, 在全球变暖的情况下, 西风急流加强, 一些极端气候的出现[ 48], 有可能在一定程度上制约了植被SOS和植被EOS, 在接下来的研究中还应该关注极端气候对植被物候的影响[ 39]。
4 结论本研究基于MODIS NDVI数据及站点插值的气象数据, 分析了黄土高原2001—2018年植被物候的时空格局和变化趋势, 以及探讨了季节性气候因子对物候的影响。结果表明：
(1) 黄土高原植被SOS主要集中在第96—144天, 子植被分区由西北向东南方向, 逐渐呈现提前趋势, 且植被SOS增加速率在0—2 d/10a的像元占比71.0%；植被EOS主要集中在第288—304天, 各子植被分区基本保持一致, 且有87.6%的像元植被EOS整体延迟0—3 d/10a。
(2) Hurst指数预测分析显示, 植被SOS大范围呈持续提前趋势, 其中只有32%的像元与过去呈现相反的变化趋势, 呈现植被SOS推迟趋势区域主要集中分布在Ⅰ(荒漠草原)、Ⅱ(典型草原)区域中的宁夏高原和鄂尔多斯高原；植被EOS呈大范围持续推迟趋势, 17%的像元呈现反持续性, 呈现植被EOS提前趋势区域主要分布在子植被分区Ⅰ(荒漠草原)和Ⅲ(森林草原)的宁夏高原和后套高原。
(3) 黄土高原植被SOS主要受各季节温度的影响。当年春季降水导致植被SOS提前, 主要分布在黄土高原中部；上年夏季和上年秋季降水增加会导致植被SOS推迟, 尤其是Ⅰ(荒漠草原)区域；当年春季、上年秋季和年初冬季的温度升高均会导致植被SOS提前, 尤其是当年春季温度；上年夏季温度升高会导致植被SOS延迟。从不同植被分区来看, 各子植被分区植被SOS对不同季节降水的响应存在差异, 而对不同季节温度的响应具有一致性。
(4) 黄土高原植被EOS主要受各季节降水和秋季温度的影响。除当年春季降水增加会导致子植被分区Ⅰ(荒漠草原)和Ⅱ(典型草原)区域植被EOS提前外, 不同季节降水增加均会导致植被EOS推迟；年初冬季和当年春季温度升高会导致子植被分区Ⅱ(典型草原)、Ⅲ(森林草原)和Ⅳ(落叶栎林)区域植被EOS提前；植被EOS受当年秋季温度的影响会推迟, 分布在整个区域, 且各子植被区植被EOS对当年秋季温度响应具有一致性。
| [1] |
黄文琳, 张强, 孔冬冬, 顾西辉, 孙鹏, 胡畔. 1982-2013年内蒙古地区植被物候对干旱变化的响应. 生态学报, 2019, 39(13): 4953-4965. |
| [2] |
张学霞, 葛全胜, 郑景云. 北京地区气候变化和植被的关系——基于遥感数据和物候资料的分析. 植物生态学报, 2004, 28(4): 499-506. DOI:10.3321/j.issn:1005-264X.2004.04.008 |
| [3] |
黄文洁. 青藏高原高寒草地植被物候及其对气候变化的响应[D]. 兰州: 兰州大学, 2019.
|
| [4] |
玛地尼亚提·地里夏提, 玉素甫江·如素力, 海日古丽·纳麦提, 肉克亚木·艾克木. 天山新疆段植被物候特征及其气候响应. 气候变化研究进展, 2019, 15(6): 624-632. |
| [5] |
Lloyd D. A phenological classification of terrestrial vegetation cover using shortwave vegetation index imagery. International Journal of Remote Sensing, 1990, 11(12): 2269-2279. DOI:10.1080/01431169008955174 |
| [6] |
Jonsson P, Eklundh L. Seasonality extraction by function fitting to time-series of satellite sensor data. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(8): 1824-1832. DOI:10.1109/TGRS.2002.802519 |
| [7] |
Miao L J, Müller D, Cui X F, Ma H M. Changes in vegetation phenology on the Mongolian Plateau and their climatic determinants. PLoS One, 2017, 12(12): e0190313. DOI:10.1371/journal.pone.0190313 |
| [8] |
Schaffrath D, Barthold F K, Bernhofer C. Spatiotemporal variability of grassland vegetation cover in a catchment in Inner Mongolia, China, derived from MODIS data products. Plant and Soil, 2011, 340(1-2): 181-198. DOI:10.1007/s11104-010-0465-4 |
| [9] |
王重洋. 中国植被物候时空变化特征研究[D]. 福州: 福州大学, 2014.
|
| [10] |
孔冬冬, 张强, 黄文琳, 顾西辉. 1982-2013年青藏高原植被物候变化及气象因素影响. 地理学报, 2017, 72(1): 39-52. |
| [11] |
Chmielewski F M, Rötzer T. Response of tree phenology to climate change across Europe. Agricultural and Forest Meteorology, 2001, 108(2): 101-112. DOI:10.1016/S0168-1923(01)00233-7 |
| [12] |
Huang W J, Ge Q S, Wang H J, Dai J H. Effects of multiple climate change factors on the spring phenology of herbaceous plants in Inner Mongolia, China: evidence from ground observation and controlled experiments. International Journal of Climatology, 2019, 39(13): 5140-5153. DOI:10.1002/joc.6131 |
| [13] |
雷俊, 姚玉璧, 孙润, 郭继平, 牛海洋. 黄土高原半干旱区物候变化特征及其对气候变暖的响应. 中国农业气象, 2017, 38(1): 1-8. DOI:10.3969/j.issn.1000-6362.2017.01.001 |
| [14] |
李强, 张翀, 任志远. 近15年黄土高原植被物候时空变化特征分析. 中国农业科学, 2016, 49(22): 4352-4365. DOI:10.3864/j.issn.0578-1752.2016.22.008 |
| [15] |
谢宝妮, 秦占飞, 王洋, 常庆瑞. 基于遥感的黄土高原植被物候监测及其对气候变化的响应. 农业工程学报, 2015, 31(15): 153-160. DOI:10.11975/j.issn.1002-6819.2015.15.021 |
| [16] |
Chen X Q, Li J, Xu L, Liu L, Ding D. Modeling greenup date of dominant grass species in the Inner Mongolian Grassland using air temperature and precipitation data. International Journal of Biometeorology, 2014, 58(4): 463-471. DOI:10.1007/s00484-013-0732-1 |
| [17] |
Wang G C, Huang Y, Wei Y R, Zhang W, Li T T, Zhang Q. Inner Mongolian grassland plant phenological changes and their climatic drivers. Science of the Total Environment, 2019, 683: 1-8. DOI:10.1016/j.scitotenv.2019.05.125 |
| [18] |
温刚, 符淙斌. 中国东部季风区植被物候季节变化对气候响应的大尺度特征: 年际比较. 气候与环境研究, 2001, 6(1): 1-11. |
| [19] |
Xie J, Jonas T, Rixen C, de Jong R, Garonna I, Notarnicola C, Asam S, Schaepman M E, Kneubühler M. Land surface phenology and greenness in Alpine grasslands driven by seasonal snow and meteorological factors. Science of the Total Environment, 2020, 725: 138380. DOI:10.1016/j.scitotenv.2020.138380 |
| [20] |
Marchin R M, Salk C F, Hoffmann W A, Dunn R R. Temperature alone does not explain phenological variation of diverse temperate plants under experimental warming. Global Change Biology, 2015, 21(8): 3138-3151. DOI:10.1111/gcb.12919 |
| [21] |
汪攀, 刘毅敏. Sen's斜率估计与Mann-Kendall法在设备运行趋势分析中的应用. 武汉科技大学学报, 2014, 37(6): 454-457, 472-472. DOI:10.3969/j.issn.1674-3644.2014.06.012 |
| [22] |
严恩萍, 林辉, 党永峰, 夏朝宗. 2000-2012年京津风沙源治理区植被覆盖时空演变特征. 生态学报, 2014, 34(17): 5007-5020. |
| [23] |
刘静, 温仲明, 刚成诚. 黄土高原不同植被覆被类型NDVI对气候变化的响应. 生态学报, 2020, 40(2): 678-691. |
| [24] |
Piao S L, Wang X H, Ciais P, Zhu B, Wang T, Liu J. Changes in satellite-derived vegetation growth trend in temperate and Boreal Eurasia from 1982 to 2006. Global Change Biology, 2011, 17(10): 3228-3239. DOI:10.1111/j.1365-2486.2011.02419.x |
| [25] |
秦格霞, 吴静, 李纯斌, 秦安宁, 倪璐, 姚小强. 中国北方草地植被物候变化及其对气候变化的响应. 应用生态学报, 2019, 30(12): 4099-4107. |
| [26] |
倪璐, 吴静, 李纯斌, 秦格霞, 李政, 孔婕. 近30年中国天然草地物候时空变化特征分析. 草业学报, 2020, 29(1): 1-12. |
| [27] |
侯学会, 牛铮, 高帅. 近十年中国东北森林植被物候遥感监测. 光谱学与光谱分析, 2014, 34(2): 515-519. DOI:10.3964/j.issn.1000-0593(2014)02-0515-05 |
| [28] |
王晓利, 侯西勇. 1982-2014年中国沿海地区归一化植被指数(NDVI)变化及其对极端气候的响应. 地理研究, 2019, 38(4): 807-821. |
| [29] |
姜丽霞, 王晾晾, 吕佳佳, 高明, 王萍, 王秋京, 宫丽娟, 赵慧颖. 基于Hurst指数的黑龙江省作物生长季降水趋势研究. 气象与环境学报, 2020, 36(2): 70-77. DOI:10.3969/j.issn.1673-503X.2020.02.009 |
| [30] |
Peñuelas J, Rutishauser T, Filella I. Phenology feedbacks on climate change. Science, 2009, 324(5929): 887-888. DOI:10.1126/science.1173004 |
| [31] |
He Z B, Du J, Chen L F, Zhu X, Lin P F, Zhao M M, Fang S. Impacts of recent climate extremes on spring phenology in arid-mountain ecosystems in China. Agricultural and Forest Meteorology, 2018, 260-261: 31-40. DOI:10.1016/j.agrformet.2018.05.022 |
| [32] |
Toledo M, Poorter L, Peña-Claros M, Alarcón A, Balcázar J, Leaño C, Licona J C, Llanque O, Vroomans V, Zuidema P, Bongers F. Climate is a stronger driver of tree and forest growth rates than soil and disturbance. Journal of Ecology, 2011, 99(1): 254-264. DOI:10.1111/j.1365-2745.2010.01741.x |
| [33] |
Yu H Y, Luedeling E, Xu J C. Winter and spring warming result in delayed spring phenology on the Tibetan Plateau. Proceedings of the National Academy of Sciences of the United States of America, 2010, 107(51): 22151-22156. DOI:10.1073/pnas.1012490107 |
| [34] |
王彦颖. 中国东北植被时空动态变化及其对气候响应研究[D]. 长春: 东北师范大学, 2016.
|
| [35] |
Park H, Jeong S J, Ho C H, Park C E, Kim J. Slowdown of spring green-up advancements in boreal forests. Remote Sensing of Environment, 2018, 217: 191-202. DOI:10.1016/j.rse.2018.08.012 |
| [36] |
Keenan T F, Richardson A D. The timing of autumn senescence is affected by the timing of spring phenology: implications for predictive models. Global Change Biology, 2015, 21(7): 2634-2641. DOI:10.1111/gcb.12890 |
| [37] |
Fu Y S H, Campioli M, Vitasse Y, De Boeck H J, Van den Berge J, Abdelgawad H, Asard H, Piao S L, Deckmyn G, Janssens I A. Variation in leaf flushing date influences autumnal senescence and next year's flushing date in two temperate tree species. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(20): 7355-7360. DOI:10.1073/pnas.1321727111 |
| [38] |
Zhao A Z, Yu Q Y, Feng L L, Zhang A B, Pei T. Evaluating the cumulative and time-lag effects of drought on grassland vegetation: a case study in the Chinese Loess Plateau. Journal of Environmental Management, 2020, 261: 110214. DOI:10.1016/j.jenvman.2020.110214 |
| [39] |
Ying H, Zhang H Y, Zhao J J, Shan Y, Zhang Z X, Guo X Y, Wu R H, Deng G R. Effects of spring and summer extreme climate events on the autumn phenology of different vegetation types of Inner Mongolia, China, from 1982 to 2015. Ecological Indicators, 2020, 111: 105974. DOI:10.1016/j.ecolind.2019.105974 |
| [40] |
Piao S L, Fang J Y, Zhou L M, Ciais P, Zhu B. Variations in satellite-derived phenology in China's temperate vegetation. Global Change Biology, 2006, 12(4): 672-685. DOI:10.1111/j.1365-2486.2006.01123.x |
| [41] |
Dreesen F E, De Boeck H J, Janssens I A, Nijs I. Do successive climate extremes weaken the resistance of plant communities? An experimental study using plant assemblages. Biogeosciences Discussions, 2013, 10(6): 9149-9177. |
| [42] |
Liu Q, Fu Y H, Zeng Z Z, Huang M T, Li X R, Piao S L. Temperature, precipitation, and insolation effects on autumn vegetation phenology in temperate China. Global Change Biology, 2016, 22(2): 644-655. DOI:10.1111/gcb.13081 |
| [43] |
Zhang W, Wang L C, Xiang F F, Qin W M, Jiang W X. Vegetation dynamics and the relations with climate change at multiple time scales in the Yangtze River and Yellow River Basin, China. Ecological Indicators, 2020, 110: 105892. DOI:10.1016/j.ecolind.2019.105892 |
| [44] |
Che M L, Chen B Z, Innes J L, Wang G Y, Dou X M, Zhou T M, Zhang H F, Yan J W, Xu G, Zhao H W. Spatial and temporal variations in the end date of the vegetation growing season throughout the Qinghai-Tibetan Plateau from 1982 to 2011. Agricultural and Forest Meteorology, 2014, 189-190: 81-90. DOI:10.1016/j.agrformet.2014.01.004 |
| [45] |
Zhang Q, Kong D D, Shi P J, Singh V P, Sun P. Vegetation phenology on the Qinghai-Tibetan Plateau and its response to climate change (1982-2013). Agricultural and Forest Meteorology, 2018, 248: 408-417. DOI:10.1016/j.agrformet.2017.10.026 |
| [46] |
Cong N, Wang T, Nan H J, Ma Y C, Wang X H, Myneni R B, Piao S L. Changes in satellite-derived spring vegetation green-up date and its linkage to climate in China from 1982 to 2010:a multimethod analysis. Global Change Biology, 2013, 19(3): 881-891. DOI:10.1111/gcb.12077 |
| [47] |
Jin H J, He R X, Cheng G D, Wu Q B, Wang S L, Lü L Z, Chang X L. Changes in frozen ground in the Source Area of the Yellow River on the Qinghai-Tibet Plateau, China, and their eco-environmental impacts. Environmental Research Letters, 2009, 4(4): 045206. DOI:10.1088/1748-9326/4/4/045206 |
| [48] |
黄浩, 张勃, 黄涛, 王怀军, 马尚谦, 马彬, 王晓丹, 崔艳强. 近30 a甘肃省河东地区极端气温指数时空变化特征及趋势预测. 干旱区地理, 2020, 43(2): 319-328. |
PHP网站源码沙井企业网站设计南山网站改版福永网站改版双龙百度seo双龙网站推广横岗模板网站建设布吉营销型网站建设荷坳企业网站改版丹竹头营销网站荷坳网站搜索优化石岩网络营销大浪建网站龙岗百度网站优化龙华网站优化按天收费罗湖网络广告推广南澳网络广告推广松岗seo横岗英文网站建设民治优化西乡网站制作同乐网站优化按天扣费沙井网站优化排名同乐关键词按天计费深圳网页制作惠州模板网站建设罗湖百度网站优化丹竹头网站优化按天收费龙岗企业网站设计龙华百度网站优化坂田设计公司网站歼20紧急升空逼退外机英媒称团队夜以继日筹划王妃复出草木蔓发 春山在望成都发生巨响 当地回应60岁老人炒菠菜未焯水致肾病恶化男子涉嫌走私被判11年却一天牢没坐劳斯莱斯右转逼停直行车网传落水者说“没让你救”系谣言广东通报13岁男孩性侵女童不予立案贵州小伙回应在美国卖三蹦子火了淀粉肠小王子日销售额涨超10倍有个姐真把千机伞做出来了近3万元金手镯仅含足金十克呼北高速交通事故已致14人死亡杨洋拄拐现身医院国产伟哥去年销售近13亿男子给前妻转账 现任妻子起诉要回新基金只募集到26元还是员工自购男孩疑遭霸凌 家长讨说法被踢出群充个话费竟沦为间接洗钱工具新的一天从800个哈欠开始单亲妈妈陷入热恋 14岁儿子报警#春分立蛋大挑战#中国投资客涌入日本东京买房两大学生合买彩票中奖一人不认账新加坡主帅：唯一目标击败中国队月嫂回应掌掴婴儿是在赶虫子19岁小伙救下5人后溺亡 多方发声清明节放假3天调休1天张家界的山上“长”满了韩国人？开封王婆为何火了主播靠辱骂母亲走红被批捕封号代拍被何赛飞拿着魔杖追着打阿根廷将发行1万与2万面值的纸币库克现身上海为江西彩礼“减负”的“试婚人”因自嘲式简历走红的教授更新简介殡仪馆花卉高于市场价3倍还重复用网友称在豆瓣酱里吃出老鼠头315晚会后胖东来又人满为患了网友建议重庆地铁不准乘客携带菜筐特朗普谈“凯特王妃P图照”罗斯否认插足凯特王妃婚姻青海通报栏杆断裂小学生跌落住进ICU恒大被罚41.75亿到底怎么缴湖南一县政协主席疑涉刑案被控制茶百道就改标签日期致歉王树国3次鞠躬告别西交大师生张立群任西安交通大学校长杨倩无缘巴黎奥运