自然资源遥感, 2022, 34(4): 225-234 doi: 10.6046/zrzyyg.2021400

技术应用

2002—2020年秦岭—黄淮平原交界带植被物候特征遥感监测分析

王雅婷,1, 朱长明,1, 张涛2, 张新3, 石智宇1

1．江苏师范大学地理测绘与城乡规划学院,徐州 221116

2．中国地质调查局长沙自然资源综合调查中心,长沙 410600

3．中国科学院空天信息创新研究院遥感科学国家重点实验室,北京 100101

Remote sensing monitoring and analysis of the vegetation phenological characteristics of the Qinling Mountains-Huanghuai Plain ecotone from 2002 to 2020

WANG Yating,1, ZHU Changming,1, ZHANG Tao2, ZHANG Xin3, SHI Zhiyu1

1. School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China

2. Changsha Natural Resources Comprehensive Survey Center, China Geological Survey, Changsha, 410600, China

3. State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, CAS, Beijing 100101, China

通讯作者: 朱长明(1983-),男,博士,教授,硕士生导师,研究方向为遥感信息智能提取、生态环境遥感研究。Email:zhuchangming@jsnu.edu.cn。

收稿日期: 2021-11-22   修回日期: 2022-04-14  

基金资助: 国家重点研发计划重点专项项目“北斗智能精准定位技术集成及区域服务业创新示范”(2021YFB1407004)
科技基础性工作专项计划项目“大别山地区生态修复支撑调查”(DD20208074)
农业产业数字化地图项目(21C00346)
江苏师范大学研究生科研与实践创新计划校级项目“2000—2020年秦淮交错带植被物候变化分析”(2021XKT0084)

Received: 2021-11-22   Revised: 2022-04-14  

作者简介 About authors

王雅婷(1998-),女,硕士研究生,研究方向为生态环境遥感、植被物候对全球变化的响应等。Email: wangyatingQYZ@163.com。

摘要

针对植被物候对全球变化的响应存在非线性、区域差异性以及秦岭南北气候典型差异性,选取秦岭—黄淮平原交界带为研究区,利用2002—2020年MOD09Q1遥感数据,通过自适应动态阈值法提取秦岭—黄淮平原交界带物候特征关键参数,详细刻画区域植被物候时空变化过程,分析时空分异特征,并结合气温数据探究区域植被物候对气候变化的响应。研究结果表明: ①秦淮交界带植被物候特征空间分异明显,森林植被物候始期和末期均晚于农田植被,森林植被物候始期为第67—116天,末期为第280—340天; 农田植被物候始期位于第49—92天,末期为第195—328天; 森林植被生长期长度为215~262 d,农田植被为147~261 d; 且森林植被物候受到海拔影响,海拔越高物候始期越晚、物候末期越早。②2002—2020年秦淮交界带植被物候始期和物候末期时间总体呈现提前的变化趋势、生长期长度变短; 森林和农田的物候始期变化趋势分别为: -0.14 d·a-1和0.1 d·a-1,末期变化趋势分别为-0.78 d·a-1和-1.43 d·a-1。③秦淮交界带地区物候变化特征与区域气温(3月与9月气温)显著相关,根据现有站点观测数据分析表明气温上升导致了区域的物候期提前。

关键词： 植被物候; 秦岭—黄淮平原; 交界带; 时空变化; 遥感

Abstract

Vegetation phenology shows non-linear and regionally different responses to global changes. Typical differences exist in the climates between the north and the south of the Qinling Mountains. Accordingly, this study investigated the Qinling Mountains - Huanghuai Plain ecotone zone. Based on the MOD09Q1 remote sensing data from 2002 to 2020, this study extracted key parameters of the phenological characteristics of the Qinling Mountains-Huaihe Plain ecotone zone using the adaptive dynamic threshold method. Then, it described in detail the spatio-temporal change process of vegetation phenology in the study area to reveal the spatio-temporal differentiation characteristics. Furthermore, the responses of vegetation phenology to climate changes in the study area were analyzed by combining the temperature data. The study results show that: Significant spatial differentiation characteristics of vegetation phenology existed in the Qinling Mountains - Huanghuai Plain ecotone. Both the start of the growing season (SOS) and the end of the growing season (EOS) of the forest vegetation were later than those of farmland vegetation. Specifically, the SOS and EOS were Day 67-Day 116 and Day 280-Day 340 for forest vegetation and were Day 49-Day 92 and Day 195-Day 328 for farmland vegetation. The length of the growing season (LOS) was 215~262 days for forest vegetation and was 147~261 days for farmland vegetation. In addition, the forest vegetation phenology was affected by altitude. A higher altitude corresponds to a later SOS and an earlier EOS. From 2002 to 2020, the Qinling Mountains-Huaihe Plain ecotone zone generally had early SOS and EOS and shortened LOS. The changing trends of SOS and EOS were -0.14 d·a-1and -0.78 d·a-1, respectively for forest vegetation and 0.1 d·a-1 and -1.43 d·a-1, respectively for farmland vegetation. The vegetation phenological characteristics of the Qinling Mountains-Huaihe Plain ecotone were significantly correlated with regional temperature, especially the temperatures in March and September. The analysis of the data from the existent observation sites shows that the rising temperature advanced the regional phenophases.

Keywords： vegetation phenology; Qinling Mountains-Huanghuai Plain; ecotone; spatio-temporal change; remote sensing

PDF (4381KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

王雅婷, 朱长明, 张涛, 张新, 石智宇. 2002—2020年秦岭—黄淮平原交界带植被物候特征遥感监测分析[J]. 自然资源遥感, 2022, 34(4): 225-234 doi:10.6046/zrzyyg.2021400

WANG Yating, ZHU Changming, ZHANG Tao, ZHANG Xin, SHI Zhiyu. Remote sensing monitoring and analysis of the vegetation phenological characteristics of the Qinling Mountains-Huanghuai Plain ecotone from 2002 to 2020[J]. Remote Sensing for Land & Resources, 2022, 34(4): 225-234 doi:10.6046/zrzyyg.2021400

0 引言

植被物候是区域生态环境变化指示因子,研究植被物候变化对全球气候变化的响应,对了解气候变化带来的消极影响,认识气候变化的影响过程具有重要意义。物候变化现象中最为显著的就是春季物候,目前在全球、区域不同尺度上都对春季物候进行了研究,结果表明多数植被春季物候具有提前的趋势[1],秋季物候期呈现推迟趋势,但是变化趋势不明显[2]。虽然物候变化趋势普遍相同,受到区域气候或植物进化变异等因素的影响,研究结果的变化幅度却存在差异[3]。Walkovszky[4]通过比较1851—1994年匈牙利地区洋槐树的开花日期发现开花期提前了3~8 d; Sparks 等[5]在气候变暖背景下分析了英国13种植物在58 a间的开花期与当地温度的关系,发现气温每上升1 ℃,花期会提前2~10 d; Tucker等[6]利用归一化植被指数(normalized difference vegetation index,NDVI)数据分析高纬度植被生长情况,发现随着气温增加,纬度越高,物候始期提前的时间越早; 郑景云等[7]根据我国26个站点物候观测资料分析得到植被物候对气温变化的响应为非线性关系,气温每上升1 ℃,春季物候平均提前3.5 d。随着遥感技术的发展,利用遥感数据反演的物候信息与实际测量的数据差异较小,逐渐被应用到植被物候分析领域,实现了从微观观测到宏观观测不同尺度的转换[8-9]。Wu等[10]利用NOAA/AVHRR NDVI数据通过导数法获取我国1982—2006年6个生物群落的春季物候并与气候数据进行分析,结果表明在春季气温的主要影响下,春季物候在这25 a间呈现先提前后推迟的趋势; 刘玲玲等[11]利用GIMMS AVHRR NDVI数据通过动态阈值法提取了1982—2006年亚欧大陆上植被的物候始期,得到25 a间植被物候始期主要呈现提前趋势; Ge等[12]利用NOAA/AVHRR NDVI数据通过经验正交函数分析法得到1982—2012年中国植被的物候始、末期,以1996年和2009年为时间点,物候始期呈现出先提前后推迟的趋势,而物候末期在1993年后才表现出推迟的趋势。

秦岭—黄淮平原交界带(以下简称交界带)位于我国大陆中东部重要的地理过渡带,属于我国的地理南北分界过渡带和亚热带与温带气候过渡区。交界带生态系统相对脆弱、植被物候对气候条件变化的响应也更加敏感,对监测气候变化起到很好的指示作用[13-14]。秦岭作为我国重要的自然体,尤其是秦岭南北坡气候具有典型差异性[15-16],其植被物候变化特征已被众多学者研究[17⇓-19]。郭少壮等[20]利用MODIS EVI2数据通过曲线拟合法计算得到2000—2015年秦岭太白红杉林的物候始、末期,结果表明物候始期主要受到气温的影响呈提前趋势,而末期主要在气温、降水和潜在蒸散的影响下呈推迟趋势; 李健豪等[21]利用2001—2018年MODIS数据提取植被春季物候期并研究了不同海拔上的物候变化特征,研究表明海拔每升高100 m,春季物候期推迟1.82 d。但是,植被物候对全球气候变化的响应存在时间尺度非线性和区域显著差异性,交界带形成了不同于秦岭山地与平原气候的独特边际气候效应[22],植被类型复杂多样、植被物候的空间分布与时间变化都存在着显著的空间差异性。虽然学者已对秦岭物候展开了相关研究,但是利用遥感技术手段,在区域尺度通过植被NDVI年度时序特征,反演物候关键特征,分析交界带地区植被物候变化时空特征及其对环境响应的研究还较少。因此厘清区域植被物候变化过程和时空分异,揭示全球变暖背景下交界带关键物候特征演化规律,对于认识过渡带植被物候变化对全球变暖的响应、区域粮食生产安全等具有重要意义。

为此,本文充分利用2002—2020年MOD09Q1遥感数据构建密集时序NDVI遥感数据,以秦岭—黄淮平原交界带为研究区,利用自适应动态阈值法反演陆地表面物候并研究其变化趋势,从大尺度上了解气候交界带植被物候时空格局及变化趋势,进而利用相关分析量化植被物候与气温之间的响应关系,为研究全球变化对区域植被生态系统的影响提供了支撑。

1 研究区及其数据源

1.1 研究区概况

研究区主要位于河南省、湖北省交界处,地处我国二、三阶梯之间,是重要的地理过渡带,如图 1所示。参考管华等[23]对于秦岭—黄淮平原交界带地理位置的界定以及我国行政区划范围,划定研究区的西北部为秦岭余脉,东北部处于黄淮平原,西南部为南阳盆地,东南部为大别山区[24]。研究区总面积约为8万 km2,海拔为14~2 127 m,气候以温带落叶阔叶林气候、亚热带常绿阔叶林气候为主。交界带地形从平原到山脉起伏较大,植被类型也更加丰富,生态系统包括了农田、草地和森林,地理环境兼具有水平梯度性和垂直梯度性。其中,耕地主要分布在海拔较低的西部、东部以及东北部,种植作物包括水稻、小麦、玉米等; 林草资源主要分布在海拔较高的西北、中部以及南部地区,主要以亚热带常绿落叶阔叶混交林为主; 城镇等建设用地则零星分布于耕地之间,交界带土地利用类型具有明显的空间分异性。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区示意图

Fig.1   Study area


1.2 数据源及预处理

本文所使用的数据来自美国国家航空航天局官方网站(https://ladsweb.modaps.eosdis.nasa.gov/)下载的MOD09Q1的8 d合成数据,文件格式为HDF,包括红光和近红外2个波段。数据覆盖的时间范围为2002—2020年,空间分辨率为250 m。虽然官网提供免费的16 d合成的NDVI数据产品,但是植被物候关键期的提取极易受到数据时间间隔的影响,数据时间间隔过大会增加结果的不准确性; 此外,官网也提供每日的数据资料,但是其空间分辨率较小,像元内地物混杂现象严重。因此,综合现有数据的时间、空间分辨率以及波段范围,本文选取了MOD09Q1的8 d合成数据作为原始数据。

植被叶片能够吸收太阳光线中的蓝光和红光,而对绿光和近红外波段具有反射作用,利用NDVI能够表征植被对红光和近红外波段的辐射强度,进而反映出植被在不同生长阶段的光合作用强度和绿度,是量度植被生长状况和季节变化的良好指标[11,25]。原始数据为三级MODIS数据产品,投影方式为正弦函数投影,对原始数据进行预处理,包括拼接、投影、格式转换、裁剪等。

土地利用类型数据来自资源环境科学与数据中心。气象数据则来自国家气象信息中心制作的中国地面气候资料日值数据第三版,数据集中包括2001—2019年的气象站点号、站点所在经纬度、海拔、观测日期、当日的最高、最低和平均温度以及质量控制代码。

2 研究方法

2.1 遥感物候反演方法

传感器精度、云等因素影响使得密集NDVI时间序列存在噪声,模糊了NDVI的变化趋势,因此需要重构NDVI时间序列[26]。多项式拟合法计算简单、快速,何月等[27]利用分段二次多项式拟合了浙江省的植被指数曲线,而与二次多项式相比,六次多项式能够拟合整个生长季曲线[28],因此本文利用六次多项式对NDVI时序曲线进行拟合,公式为:

NDVI=a1+a2x+a3x2+…+a7x6

式中: X为生长季始期的儒略日; a1,…,a7分别为拟合系数。

考虑到密集NDVI时间序列的变化特征,本文采取自适应动态阈值法提取物候关键参数。动态阈值法是在阈值法的基础上进行改进、不需要考虑土壤属性和土地覆被类型的物候参数提取算法,其阈值设置更加灵活。动态阈值法认为当NDVI值达到时序曲线变化幅值的某一百分比时植被生长期开始,当NDVI值下降到幅值的某一百分比时生长期结束。该方法以动态比值的形式与植被指数的季节变化幅度相联系,能够降低土壤与植被类型的影响,具有较好的时空适应性[18,29-30]。根据动态阈值提出者Jönsson等[31]的建议,将动态阈值设为20%,即NDVI值上升(下降)至幅值20%的日期为生长始期(生长末期)。具体公式为:

NNDVI=(NNDVImax-NNDVImin)S

式中: NNDVI为生长始期(生长末期)NDVI的提取阈值; NNDVImax为年NDVI最大值; NNDVImin为NDVI上升下降阶段的最小值; S为百分比系数,设置为20%。物候始期和末期分别定义为首次高于和低于该阈值的日期。生长期为生长末期与始期的时间间隔。遥感影像获取的植被物候参数与传统人工观测的物候参数不同,遥感影像能够识别到的是达到了一定程度的植被绿度,反映的是大尺度的陆地表面物候特征[27,32],因此,这里得到的生长始、末期是指观测单元内足够多的植被开始展叶、生长或进入衰亡、休眠的日期[33]。此外,考虑到研究区内可能存在多季农田植被,计算物候末期时寻找的NDVI最大(小)值从时间序列的最末端首个曲线变化阶段开始寻找。由于本文缺少实地观测数据,故不进行精度验证,但参考其他学者的以往经验,以20%的阈值提取物候信息,都获得了较好的精度[34⇓-36]。

2.2 分析方法

2.2.1 趋势分析

采用一元线性回归分析来模拟交界带物候关键参数的年际变化趋势,统计其变化趋势的变化速率,计算公式[37]为:

θ=n∑i=1n(ipi)-∑i=1ni∑i=1npin∑i=1ni2-(∑i=1ni)2

式中: θ为物候关键参数的变化速率; n为时间序列的年份跨度; i为当年的序列号; pi为植被i年物候始、末期或者生长期的时间长度。当θ>0时,植被物候期的变化趋势为推迟或延长; 当θ<0时,植被物候期的变化趋势为提前或收缩。

2.2.2 相关分析

为了分析气温变化对物候期的影响,本文利用相关分析探究交界带地区物候始、末期与气温的相关关系r,计算公式为:

r=∑i=1n(Ti-T—)(Xi-X—)(Ti-T—)2∑i=1n(Xi-X—)2

式中: Ti为第i年的气温数据; Xi为第i年的物候数据(包括物候始期与物候末期); T—和X—分别为多年气温和物候的均值。相关系数的取值范围为[-1,1],当相关系数的绝对值越大表明气温对物候的影响越大,反之则越小。

3 结果与分析

3.1 样区NDVI值拟合曲线特征

秦岭—黄淮平原交界带地区植被以森林和农田植被为主,2类植被的NDVI时序数据如图 2所示,时间范围为第49—361天,共40期数据。原始NDVI时序数据有明显的变化特征,具有波峰与波谷,但是存在许多噪声,使得曲线具有不规则的波动,不利于植被物候期的计算。经过拟合后的曲线变的平滑且更加连续,原始数据的波峰、波谷位置没有明显的移动。一般森林植被(图2(a))在11—12月时NDVI值应呈现连续下降或不变的趋势特征,但拟合后的曲线呈现先下降后上升的趋势,出现了局部过拟合的现象,可能会影响部分像元的物候末期反演结果。农田植被(图2(b))的NDVI时序数据变化更为复杂,由于研究区内多为2季作物,因此,农田植被的拟合曲线存在2个较完整波型。2月下旬,天气回暖,NDVI值逐渐上升; 6月初第一季农田植被成熟,NDVI值逐渐下降至波谷; 第二季农田植被于6月开始播种,NDVI值再次上升,至10月份收割,NDVI值再次下降至波谷,由此循环再开始种植第一季农田植被。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   样区典型植被NDVI时序拟合曲线

Fig.2   Typical sample fitting curve of NDVI


3.2 植被物候空间分布特征

研究区植被物候空间分布特征如图3所示。从图3中可以看出,区域植被物候始期时间为第50—125天; 区域植被物候末期时间为第230—320天; 区域植被生长期长度为180~260 d。由于交界带地理位置的特殊性,森林与农田植被在该区都有分布,2类植被对气候条件的响应具有空间差异性。西北、东南和中部森林植被覆盖区进入物候始期时间明显晚于农田植被区,且与海拔高度相适应,从交界带边界向内部逐渐随着海拔的降低而提前。而西部、东北以及东部农田植被区的物候末期早于森林。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   研究区植被物候空间分布

Fig.3   Spatial distribution of vegetation phenology in the study area


进一步根据区域土地利用数据,分别统计计算森林植被区和农田植被区物候空间分布特征。结果显示森林植被物候始期在第67—116天,均值为第77天,农田植被物候始期在第49—92天,均值为第62天; 森林植被物候末期在第280—340天,均值为第323天,农田植被物候末期在第195—328天,均值为第279天; 森林植被生长期长度为215~262 d,均值为248 d,农田植被生长期长度为147~261 d,均值为218 d。农田植被受到田间管理的影响较大,其生长发育期与森林植被具有差异性。农田植被进入物候始期的时间约早于森林植被15 d,进入物候末期的时间也早于森林植被44 d,生长期长度比森林植被短30 d,其生命进程要快于森林植被。

3.3 植被物候年际变化趋势

研究区植被物候变化趋势如图4所示,该区物候始期变化率主要集中在-0.9~1 d/a之间,63.2%的区域呈提前趋势,主要分布在东部农田、南部森林,交界带总体变化率为0.046 d/a; 物候末期变化率主要集中在-4.6~1 d/a之间,其中78.5%的区域呈现提前趋势,主要分布在西部农田植被区和西北、东南部的森林植被区,交界带总体变化率为-1.3 d/a; 生长期长度变化速率集中在-4.5~1 d/a,75.8%的区域生长期长度呈缩短趋势,主要分布在西部和东部农田植被区,交界带总体变化率为-1.3 d/a。从显著性来看,森林植被与农田植被具有不同的特点。森林植被的物候始期比农田植被提前的趋势更显著,而农田植被的物候末期提前趋势更显著。这是因为森林植被在春季进入物候始期时,树木大范围变绿,易于探测。进入物候末期时,森林植被颜色变化过程缓慢,色彩混杂,不易探测,而农田植被成熟与收割过程变化十分明显。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   研究区植被物候期年际变化趋势

Fig.4   Spatial distribution of interannual change trend of vegetation phenology in the study area


根据区域土地利用数据统计计算森林植被区和农田植被区物候多年变化趋势特征。结果显示,森林植被区物候始期变化范围为-1.5~1.5 d/a,农田植被区物候始期变化的范围为-2.3~2.8 d/a; 森林植被与农田植被物候末期的变化范围分别为-7~1.5 d/a和-8.4~4.6 d/a,森林植被区生长期长度变化的范围为-5.2~1.9 d/a,农田植被区的变化范围是-7.8~4.3 d/a。农田植被的变化幅度要大于森林植被。从均值来看,森林和农田的物候始期变化趋势分别为: -0.14 d/a和0.1 d/a,末期变化趋势分别为-0.78 d/a和-1.43 d/a。除农田植被区物候始期的变化趋势呈推迟趋势外,其余植被物候均呈提前趋势。

3.4 植被物候与气温响应关系

从图5中可以看出,春季、夏季、秋季气温均呈上升趋势,变化率分别为0.06 ℃/a, 0.07 ℃/a, 0.04 ℃/a,其中夏季升温趋势明显(p<0.01),而冬季气温以-0.001 ℃/a的变化率呈下降趋势,变化速率极缓,但总体上交界带地区气温呈波动上升的趋势,年均气温的变化率为0.04 ℃/a(p<0.05)。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   研究区气温年、季变化

Fig.5   Annual and seasonal changes of temperature in study area


植物物候对于气温有良好的响应作用,且响应关系存在1—2个月的滞后效应[17],结合交界带物候关键参数范围,选择冬季(12—2月)、春季(3—5月)、1月、2月、3月均温以及夏季(6—8月)、秋季(9—11月)、8月、9月、10月均温分别与物候始、末期进行相关分析[18,38⇓-40],以探究物候对气温的响应关系。常用的气温空间插值方法虽能获取大范围的温度特征,但受到模型自身误差与外界条件的影响,不同方法的结果存在一定差异,插值精度有待提高[41],因此,为准确研究植被物候对气温的响应关系,采用8个气象站点记录数据与当地的物候参数进行相关分析,由于缺少2020年研究区域的气温统计数据,本文仅统计分析2002—2019年间研究区植被物候始、末期与相应时期气温的相关关系,如表1所示。

表1   植被物候与各时期气温的相关关系

Tab.1  Correlation coefficient of phenology and temperature at each period

站点物候始期物候末期
冬季春季1月2月3月夏季秋季8月9月10月
固始-0.1440.229-0.008-0.208-0.1500.0190.012-0.221-0.404-0.488*
信阳-0.096-0.642**0.1000.099-0.286-0.337-0.356-0.607**-0.604**-0.364
许昌0.317-0.0590.5090.4030.262-0.171-0.349-0.0510.201-0.158
宝丰0.1570.3760.0370.2250.1310.2980.0240.1600.114-0.026
桐柏0.006-0.4070.2360.027-0.1170.1190.093-0.037-0.304-0.306
驻马店-0.463-0.739**0.027-0.158-0.811**-0.233-0.428-0.1400.261-0.512*
南阳-0.111-0.152-0.294-0.014-0.129-0.053-0.342-0.369-0.244-0.287
西峡-0.034-0.165-0.083-0.145-0.201-0.121-0.150-0.282-0.669**0.090

注: *表示p<0.05; **表示p<0.01。

新窗口打开| 下载CSV


近十几年来,秦岭—黄淮平原交界带植被物候期受到气温的影响较一致,但仍存在区域差异。气温与物候始期主要呈负相关关系,尤其与3月、春季气温呈显著的负相关关系,相关系数分别可以达到-0.811以及-0.739,这说明,气温升高对植被的生命活动有促进作用。部分地区物候参数与气温的相关关系如图6所示,信阳地区植被对春季气温敏感,气温每升高1 ℃,物候始期提前7.1 d; 3月气温与驻马店植被物候始期有显著的负相关关系,3月气温每上升1 ℃,物候始期提前0.5 d。其余地区受到气温的影响不显著。信阳地区物候末期与8月气温存在显著负相关关系,气温每升高1 ℃,物候末期提前5 d、西峡地区物候末期与9月气温存在显著负相关关系,气温每升高1 ℃,物候末期提前12.06 d。固始和驻马店地区物候末期对10月气温的响应较显著,气温每升高1 ℃,物候末期分别提前13.3 d和21.6 d。其他地区物候末期受到气温影响较小。物候参数与气温数据主要呈负相关关系,这与植被物候变化趋势一致,研究区气温波动上升,导致物候始、末期主要为提前趋势。由于气温升高,促进了植被生命活动速率,作物生长期缩短、提前成熟。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   物候参数与气温的相关关系

Fig.6   Relationship between the vegetation phenology and the temperature in study area


4 讨论

由于研究区内尚未建立物候观测站点,无法直接获取物候资料与本文结果进行验证,因此,本文将研究结果与其他学者研究结果进行对比分析,以验证结果的正确性。研究区西部为秦岭余脉,夏浩铭等[19]研究表明该区域物候始期集中在第70—100天; 李建豪等[21]研究结果进一步表明秦岭东部物候始期均值为第85天,本文研究结果为物候始期主要分布在第79—95天,均值为第77天,与已有研究结果相差较小; 张晓东等[42]研究结果表明该区域物候末期主要集中在第300—315天,本文结果表示物候末期均值为第323天,相较于张晓东等研究,末期时间有所推迟,但是相差结果在7 d内,可能是由于研究时间、区域不同导致的略微差异,此外,本文的拟合方法出现局部过拟合现象,也会对结果造成影响,但是仍具有可比性。侯学会等[43]研究结果表明研究区作物物候始期集中在2月下旬; 崔耀平等[44]研究结果表示该区域作物物候末期主要集中在9月下旬,本文结果表示物候始、末期均值分别为第62天和第279天,与已有研究结果时间相似。因此,结合之前有关学者研究,可以认为利用动态阈值法获取的植被物候具有一定可靠性。

需要指出的是,物候提取精度受到研究方法、研究尺度、植被类型、数据质量等多种因素的影响,研究结果存在一定差异。本文采用六次多项式对原始NDVI时序数据进行拟合,高次多项式和低次多项式相比能够更好地对整个生长季曲线进行拟合,但是不可避免的出现了局部过拟合现象,这会对物候提取结果造成一定影响。本文重点探究了植被物候对气温变化的响应关系,但是受到观测手段和尺度的差异,拟合分析效果不是特别好,且物候是气温(积温)、降水等多要素共同影响的结果,可进一步通过因子分析从多要素综合角度去探究影响物候的关键因素。此外,土地利用方式和轮作方式的改变会对研究结果产生干扰,尤其是对物候末期。近20 a来,研究区内由林地、草地转为耕地的面积占5%,由于农田植被的物候末期要早于森林植被导致了本文所计算的物候末期提前速率过快; 河南省粮食种植结构受到政策等人为因素影响,秋季作物播种面积大于夏季作物且逐年增加,作物选种为早播、生育期长的种类[45],在计算物候期时,受到秋播时间提前的影响,进一步影响了农田植被物候末期的提前速率。

5 结论

基于2002—2020年密集时序MOD09Q1遥感数据,通过年度NDVI自适应动态阈值法,提取了秦岭—黄淮平原交界带植被物候关键特征参数,分析物候特征参数的时空变化特征及变化趋势,并结合区域气象站点观测数据探究了各地气温对物候变化的影响关系。研究得到以下结论:

1)秦淮交界带植被的物候始期主要在第50—125天,物候末期主要集中在第230—320天,生长期长度180~260 d; 交界带地区森林植被与农田植被物候分布差异显著,森林植被与农田植被的物候始期分别在第67—116天和第49—92天; 森林植被与农田植被的物候末期分别在第280—340天和第195—328天; 森林植被与农田植被的生长期长度分别为215~262 d和147~261 d。森林植被物候始、末期均晚于农田植被,分别推迟了15 d和44 d,生长期长度则长于农田植被约30 d。

2)2002—2020秦淮交界带植被物候始期和物候末期时间总体呈现提前的变化趋势、生长期长度变短; 森林和农田的物候始期变化趋势分别为-0.14 d/a和0.1 d/a,森林和农田的物候末期变化趋势分别为-0.78 d/a和-1.43 d/a,森林植被物候始期提前的趋势更明显,而农田植被物候末期提前更显著。

3)秦淮交界带地区植被物候变化与区域气温显著相关,其中物候始期与3月气温关系最显著,物候末期与9月气温关系显著。根据区域气候变化特征得到,气温上升导致了物候期的提前。

参考文献

Parmesan C, Gary Y.

A globally coherent fingerprint of climate change impacts across natural systems

[J]. Nature, 2003, 421(6918):37-42.

DOI:10.1038/nature01286      URL     [本文引用: 1]

Ge Q S, Wang H J, Rutishauser T, et al.

Phenological response to climate change in China:A meta-analysis

[J]. Global Change Biology, 2015, 21(1):265-274.

DOI:10.1111/gcb.12648      URL     [本文引用: 1]

代武君, 金慧颖, 张玉红, 等.

植物物候学研究进展

[J]. 生态学报, 2020, 40(19):6705-6719.

[本文引用: 1]

Dai W J, Jin H Y, Zhang Y H, et al.

Advances in plant phenology

[J]. Acta Ecologica Sinica, 2020, 40(19):6705-6719.

[本文引用: 1]

Walkovszky A.

Changes in phenology of the locust tree (Robinia pseudoacacia L.) in Hungary

[J]. International Journal of Biometeorology, 1998, 41(4):155-160.

DOI:10.1007/s004840050069      URL     [本文引用: 1]

Sparks T H, Jeffree E P, Jeffree C E.

An examination of the relationship between flowering times and temperature at the national scale using long-term phenological records from the UK

[J]. International Journal of Biometeorology, 2000, 44(2):82-87.

PMID:10993562      [本文引用: 1]

This paper examines the mean flowering times of 11 plant species in the British Isles over a 58-year period, and the flowering times of a further 13 (and leafing time of an additional 1) for a reduced period of 20 years. Timings were compared to Central England temperatures and all 25 phenological events were significantly related (P<0.001 in all but 1 case) to temperature. These findings are discussed in relation to other published work. The conclusions drawn from this work are that timings of spring and summer species will get progressively earlier as the climate warms, but that the lower limit for a flowering date is probably best determined by examining species phenology at the southern limit of their distribution.

Tucker C J, Slayback D A, Pinzon J E, et al.

Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999

[J]. International Journal of Biometeorolo-gy, 2001, 45(4):184-190.

[本文引用: 1]

郑景云, 葛全胜, 郝志新.

气候增暖对我国近40年植物物候变化的影响

[J]. 科学通报, 2002 (20):1582-1587.

[本文引用: 1]

Zheng J Y, Ge Q S, Hao Z X.

Effects of global warming on plant phenological changes for the last 40 years in China

[J]Chinese Science Bulletin, 2002 (20):1582-1587.

[本文引用: 1]

Maignan F, Bréon F M, Bacour C, et al.

Interannual vegetation phenology estimates from global AVHRR measurements

[J]. Remote Sensing of Environment, 2008, 112(2):496-505.

DOI:10.1016/j.rse.2007.05.011      URL     [本文引用: 1]

范德芹, 赵学胜, 朱文泉, 等.

植物物候遥感监测精度影响因素研究综述

[J]. 地理科学进展, 2016, 35(3):304-319.

DOI:10.18306/dlkxjz.2016.03.005      [本文引用: 1]

基于植物物候的遥感监测对于研究植被对气候变化的响应具有重要的科学价值。本文在阐述植物物候遥感监测原理及其通用技术流程的基础上,分别从植被类型及其所处的地理条件、遥感数据源及其预处理、植物物候遥感识别方法和植物物候遥感监测结果评价4个方面分析了影响植物物候遥感监测精度的因素,并针对当前研究中存在的不足,探讨了提高植物物候遥感监测精度的可行性途径,即建立高分辨率的近地面遥感定点观测及数据共享网络,发展普适性更强的卫星遥感时序数据去噪及植被指数曲线重建方法,寻求稳定性更高的植物物候期遥感识别方法,探索综合运用地面观测、遥感监测与模型模拟实现物候观测空间尺度拓展的可能性。

Fan D Q, Zhao X S, Zhu W Q, et al.

Review of influencing factors of accuracy of plant phenology monitoring based on remote sensing data

[J]. Progress in Geography, 2016, 35(3):304-319.

DOI:10.18306/dlkxjz.2016.03.005      [本文引用: 1]

Monitoring plant phenology with remote sensing data has important scientific value for studying the response of vegetation to climate change. A comprehensive analysis on the influencing factors of accuracy of plant phenology estimation based on principles and general technical processes of remote sensing application in vegetation monitoring was carried out by taking into account the following four aspects: the specific vegetation type and its geographical conditions; remote sensing data and pre-processing; techniques used to identify plant phenometrics; and evaluation of satellite-derived plant phenometrics. Potential methods for improving the accuracy of plant phenology monitoring are thoroughly discussed. These include: building high-resolution near-surface sensor-derived phenology observation and sharing network; developing universally applicable methods for noise removal of satellite remote sensing time-series data and reconstruction of vegetation index curves; searching more stable methods to estimate plant phenology; and exploring the possibility of synthesizing ground-based observation, remote sensing monitoring, and model simulation to achieve the spatial scaling-up of phenometrics.

Wu X C, Liu H Y.

Consistent shifts in spring vegetation green-up date across temperate biomes in China,1982—2006

[J]. Global Change Biology, 2013, 19(3):870-880.

DOI:10.1111/gcb.12086      URL     [本文引用: 1]

刘玲玲, 刘良云, 胡勇.

1982—2006年欧亚大陆植被生长季开始时间遥感监测分析

[J]. 地理科学进展, 2012, 31(11):1433-1442.

[本文引用: 2]

Liu L L, Liu L Y, Hu Y.

Assessment and intercomparison of satellite-derived start-of-season (SOS) measures in Eurasia for 1982—2006

[J]. Progress in Geography, 2012, 31(11):1433-1442.

[本文引用: 2]

Ge Q S, Dai J H, Cui H J, et al.

Spatiotemporal variability in start and end of growing season in China related to climate variability

[J]. Remote Sensing, 2016, 8(5):433.

DOI:10.3390/rs8050433      URL     [本文引用: 1]

高洪文.

生态交错带(Ecotone)理论研究进展

[J]. 生态学杂志, 1994, 13(1):32-38.

[本文引用: 1]

Gao H W.

Advancement of theoretical research in Ecotone

[J]. Chinese Journal of Ecology, 1994, 13(1):32-38.

[本文引用: 1]

朱芬萌, 安树青, 关保华, 等.

生态交错带及其研究进展

[J]. 生态学报, 2007(7):3032-3042.

[本文引用: 1]

Zhu F M, An S Q, Guan B H, et al.

A review of ecotone:Concepts,attributes,theories and research advances

[J]. Acta Ecological Sinica, 2007(7):3032-3042.

[本文引用: 1]

高翔, 白红英, 张善红, 等.

1959—2009年秦岭山地气候变化趋势研究

[J]. 水土保持通报, 2012, 32(1):207-211.

[本文引用: 1]

Gao X, Bai H Y, Zhang S H, et al.

Climatic change tendency in Qinling Mountains from 1959 to 2009

[J]. Bulletin of Soil and Water Conservation, 2012, 32(1):207-211.

[本文引用: 1]

邓晨晖, 白红英, 马新萍, 等.

2000—2017年秦岭山地植被物候变化特征及其南北差异

[J]. 生态学报, 2021, 41(3):1068-1080.

[本文引用: 1]

Deng C H, Bai H Y, Ma X P, et al.

Variation characteristics and its north-south differences of the vegetation phenology by remote sensing monitoring in the Qinling Mountains during 2000—2017

[J]. Acta Ecologica Sinica, 2021, 41(3):1068-1080.

[本文引用: 1]

邓晨晖, 白红英, 高山, 等.

1964—2015年气候因子对秦岭地区植物物候的综合影响效应

[J]. 地理学报, 2018, 73(5):917-931.

DOI:10.11821/dlxb201805011      [本文引用: 2]

以1964-2015年物候观测数据和逐日气象资料为基础,运用相关分析和PLS回归法,研究了秦岭地区植物物候变化与气候变化的响应关系。结果表明：① 1964-2015年,秦岭地区物候始末期的气候均呈干暖化趋势,且始期的暖化趋势较末期显著,物候突变后（1985年之后）尤为显著。② 就单一因素而言,物候始末期对气温、降水、日照等气候因子的响应程度存在差异,突变前（1985年之前）,除物候始期的日均温外,其他气候因子对物候的影响均不显著,但突变后影响显著,始期与末期的日均温每升高1 ℃,始期提前3.0 d,末期推迟12.0 d;始期的累积降水每减少1 mm始期提前1.3 d,末期的每增加1 mm末期推迟1.0 d;始期与末期的日均日照时数每增加1 h,始期提前4.3 d,末期推迟18.3 d。③ 气候因子对物候始末期的影响存在滞后效应,物候始期,气温影响的滞后时效约1~2个月,降水的滞后时效约1~3个月,而日照几乎无滞后效应;物候末期,气温的滞后时效约1~3个月,降水几乎无滞后效应,而日照影响的滞后时效约1~2个月。④ 物候始期与末期均受气温、日照、降水的综合影响,气温是影响物候变化最重要的因素,特别是同期日均温的升高对物候始期的提前及末期的推迟具有主导控制作用。

Deng C H, Bai H Y, Gao S, et al.

Comprehensive effect of climatic factors on plant phenology in Qinling Mountains region during 1964—2015

[J]. Acta Geographica Sinica, 2018, 73(5):917-931.

[本文引用: 2]

马新萍, 白红英, 贺映娜, 等.

基于NDVI的秦岭山地植被遥感物候及其与气温的响应关系——以陕西境内为例

[J]. 地理科学, 2015, 35(12):1616-1621.

DOI:10.13249/j.cnki.sgs.2015.012.1616      [本文引用: 3]

基于MODIS NDVI时间序列数据,利用动态阈值法提取秦岭山地2000~2010年的物候参数,并结合实测物候资料进行验证,在宏观尺度上量化了气温升高对植物物候的影响程度。研究得出：基于NDVI的物候变化趋势与实测物候资料结果一致;2000~2010年间物候始期提前的速率为0.165 6 d/a,末期推后速率为0.109 1 d/a;空间上,秦岭山地北部区域的植被物候始期主要发生在第120~130 d,相对于南坡较晚,物候末期主要发生在第300~325 d,北部区域物候末期的到来较迟,南部区域相对较早;物候始期NDVI与有效气温、春季、生长期气温相关性较好,末期NDVI与夏、秋季节气温相关性较好;气温对生长季开始阶段的NDVI在时间上存在2~3旬的滞后效应。

Ma X P, Bai H Y, He Y N, et al.

The vegetation remote sensing phenology of Qinling Mountains based on NDVI and it’s response to temperature:Taking within the territory of Shaanxi as an example

[J]. Scientia Geographica Sinica, 2015, 35(12):1616-1621.

[本文引用: 3]

夏浩铭, 李爱农, 赵伟, 等.

2001—2010年秦岭森林物候时空变化遥感监测

[J]. 地理科学进展, 2015, 34(10):1297-1305.

DOI:10.18306/dlkxjz.2015.10.010      [本文引用: 2]

植被物候是陆地生态系统对全球气候变化响应的最佳指示器,研究其时空变化对深入理解陆面水热过程、碳循环过程及预测陆地生态系统的时空变化具有重要意义。本文采用2001-2010年MODIS MOD09A1产品,通过引入MOD09A1的时间控制层DOY(Day of Year)提高EVI的时间精度;采用最大变化速率法和阈值法相结合提取秦岭森林物候期。结果表明,随着水热条件变化,由低海拔至高海拔,东南向西北,生长季始期(Start of Growth Season, SOG)逐渐推迟,集中在第81~120 d(即从3月下旬-4月末);生长季末期(End of Growth Season, EOG)逐渐提前,集中在第270~311 d(10月初-11月上旬);生长季长度(Length of Growth Season, LOG)逐渐缩短,集中在150~230 d。秦岭森林物候期与海拔关系密切,海拔每升高100 m,SOG推迟2 d,EOG提前1.9 d,LOG缩短3.9 d。2001-2010年,森林SOG提前、EOG延后和LOG延长主要分布于秦岭中高海拔区;SOG延后、EOG提前和LOG缩短主要分布在海拔1000 m以下部分区域。高海拔区物候的年际变化要比低海拔区复杂,2000 m以上区域SOG提前、EOG提前、LOG缩短。上述研究结果量化了不同海拔梯度森林的物候差异,揭示了近10年秦岭森林物候的时空格局,可为秦岭地区生态环境评价和保护提供科学依据。

Xia H M, Li A N, Zhao W, et al.

Spatiotemporal variations of forest phenology in the Qinling zone based on remote sensing monitoring,2001—2010

[J]. Progress in Geography, 2015, 34(10):1297-1305.

[本文引用: 2]

郭少壮, 白红英, 黄晓月, 等.

秦岭太白红杉林遥感物候提取及对气候变化的响应

[J]. 生态学杂志, 2019, 38(4):1123-1132.

[本文引用: 1]

Guo S Z, Bai H Y, Huang X Y, et al.

Remote sensing phenology of Larix chinensis forest in response to climate change in Qinling Mountains

[J]. Chinese Journal of Ecology, 2019, 38(4):1123-1132.

[本文引用: 1]

李建豪, 陶建斌, 程波, 等.

秦岭山区植被春季物候的海拔敏感性

[J]. 应用生态学报, 2021, 32(6):2089-2097.

DOI:10.13287/j.1001-9332.202106.016      [本文引用: 2]

植被物候作为自然界规律性、周期性的现象,对自然环境尤其是气候变化有着重要的指示作用,研究其时空变化特征对陆地植被生态环境监测具有重要意义。本研究采用Savitzky-Golay滤波法重建秦岭山区2001—2018年MODIS增强植被指数时间序列影像,利用动态阈值法提取研究区春季物候信息(返青期),并对返青期多年平均值和年际变化与海拔、坡度进行相关分析。结果表明: 海拔每升高100 m,植被返青期推迟1.82 d;返青期的年际变化趋势主要集中在0~5 d·(10 a)<sup>-1</sup>。其中,呈推迟趋势的像元主要分布在低海拔地区,呈提前趋势的像元主要分布在高海拔地区。高海拔地区返青期的年际变化比低海拔地区复杂;秦岭山区植被返青期存在南北差异。北坡植被返青期多年平均值较南坡早2.9 d,南坡植被返青期的推迟程度大于北坡。南北坡植被返青期的年际变化在低海拔地区呈推迟趋势,且南北坡相差不大,而提前趋势在中高海拔地区存在显著差异。

Li J H, Tao J B, Cheng B, et al.

Sensitivity of spring phenology to elevation in Qinling Mountains,China

[J]. Chinese Journal of Applied Ecology, 2021, 32(6):2089-2097.

[本文引用: 2]

钟兆站, 李克煌.

秦岭—黄淮平原交界带气候边际效应初探

[J]. 地理研究, 1996, 15(4):66-73.

DOI:10.11821/yj1996040009      [本文引用: 1]

本文基于地理学和生态学中边际效应的观点,论述山地与平原两大系统在一定条件下相互作用,形成一些既不同于山地又异于平原的特殊气候现象──气候边际效应。分析指出,气候边际效应在秦岭-黄淮平原交界带中主要表现为坡地暖带、强降水效应和干旱效应,并对这三种气候边际效应的特征及成因进行了探讨。

Zhong Z Z, Li K H.

A primary study on the climatic boundary effect of the join zone between Qinling Mountain and Huanghuai Plain

[J]. Geographical Research, 1996, 15(4):66-73.

DOI:10.11821/yj1996040009      [本文引用: 1]

Based on the boundary effect theory in geography and ecology, this paper discussed the climatic boundary effects resulted from the interaction between Qinling Mountain and Huanghuai Plain systems, and analyzed the main expressions and causes of three kinds of climatic boundary effects that appear in this area.1.Warm slope zone is one of obvious climatic boundary effects distributed extensively in mountain areas.In the join zone between Qinling Mountain and Huanghuai Plain, it is mainly showed by the air temperature, the growth and distribution of plants, soils and human activities, etc..The separation of cold air by mountains on the west and the north of the join zone, slope radiation and advection, etc.were thought to be the main causes of the warm slope zone.2.The steady topographic wind field-cyclonic shear is often formed in this special terrain, and then rainstorm centers are produced which result in the strong precipitation effect in this join zone.Frequent rainstorm, high precipitation intensity and strong precipitation belt (at about 100-200m altitude) are the main shows of the strong precipitation effect.3.The main show of drought effect is the relatively drought-frequent belt formed at about 300-400m altitude in the high hilly areas, with a monthly drought frequency of 6%-17% which is higher than that of plain and mountain areas.The relative rare precipitation belt formed in the high hilly areas, the warm slope zone, the ecotone of the join zone between mountain and plain, and their interactions should be the main causes of this boundary effect.To study the climatic boundary effect of the join zone between mountain and plain, which is a special climatic phenomenon, helps us to obtain a better understanding of the natural resources and environments in the join zone between mountain and plain, which is very important for the valuation and exploitation and utilization of natural resources, and for the prevention and treatment of natural disasters.

管华, 马建华.

秦岭—黄淮平原交界带土壤物质强淋溶效应分析

[J]. 地域研究与开发, 2008, 27(3):117-120.

[本文引用: 1]

Guan H, Ma J H.

Analysis of soil matrial strong leaching effect in the transitional region of Qinling Mountains and Huang-Huai Plain

[J]. Areal Research and Development, 2008, 27(3):117-120.

[本文引用: 1]

何太蓉, 庄红娟, 刘存东.

秦岭—黄淮平原交界带中东部近50年气候变化特征与趋势

[J]. 安徽农业科学, 2009, 37(14):6532-6534.

[本文引用: 1]

He T R, Zhuang H J, Liu C D.

Charateristics and trend of climatic change in the east of transitional region between Qinling Mountains and Huanghuai Plain in resent 50 years

[J]. Journal of Anhui Agricultural Sciences, 2009, 37(14):6532-6534.

[本文引用: 1]

王正兴, 刘闯, Huete A.

植被指数研究进展:从AVHRR-NDVI到MODIS-EVI

[J]. 生态学报, 2003, 23(5):979-987.

[本文引用: 1]

Wang Z X, Liu C, Huete A.

From AVHRR-NDVI to MODIS-EVI advances in vegetation index research

[J]. Acta Ecologica Sinica, 2003, 23(5):979-987.

[本文引用: 1]

项铭涛, 卫炜, 吴文斌.

植被物候参数遥感提取研究进展评述

[J]. 中国农业信息, 2018, 30(1):55-66.

[本文引用: 1]

Xiang M T, Wei W, Wu W B.

Review of vegetation phenology estimation by using remote sensing

[J]. China Agricultural Informatics, 2018, 30(1):55-66.

[本文引用: 1]

何月, 樊高峰, 张小伟, 等.

浙江省植被物候变化及其对气候变化的响应

[J]. 自然资源学报, 2013, 28(2):220-233.

[本文引用: 2]

He Y, Fan G F, Zhan X W, et al.

Vegetation phenological variation and its response to climate changes in Zhejiang Province

[J]. Journal of Natural Resources, 2013, 28(2):220-233.

[本文引用: 2]

李净, 刘红兵, 李彩云, 等.

基于GIMMS 3g NDVI的近30年中国北部植被生长季始期变化研究

[J]. 地理科学, 2017, 37(4):620-629.

DOI:10.13249/j.cnki.sgs.2017.04.016      [本文引用: 1]

基于全球库存建模与绘图研究第三代归一化差值植被指数（GIMMS 3g NDVI）、土地利用和气温降水数据,利用NDVI时间序列谐波分析法(HANTS)重构了中国北部地区原始植被NDVI,用一元六次多项式拟合了植被生长曲线并结合逐像元动态阈值法提取了中国北部地区1983~2012年植被生长季始期并分析了其时空变化及对气温和降水的响应情况。结果表明：①GIMMS 3g NDVI具有较长的时序特征和较好的数据质量,经HANTS时间序列谐波分析后能很好的表现植被生长季曲线特征,可用于后续植被生长季的研究。② 北部地区生长季始期均值主要集中分布在80~150βd之间,全区30βa平均为111.6βd,东北平原、华北平原、河套平原、新疆天山和阿尔泰地区生长季始期早于其它区域。③ 研究时段内北部地区生长季始期总体上呈提前趋势（R<sup>2</sup>=0.19）,空间上由西北向东北逐渐推移,明显提前的区域主要分布在内蒙古中东部、东北平原、陕西南部和新疆天山的部分地区,明显推迟的区域主要分布在青藏高原高寒地区。④ 因植被类型的不同和区域的差异,生长季始期对气温和降水的响应程度不同,春季气温是影响生长季始期变化的主要自然因素。

Li J, Liu H B, Li C Y, et al.

Changes of green-up day of vegetation growing season based on GIMMS 3g NDVI in Northern China in recent 30 years

[J]. Scientia Geographica Sinica, 2017, 37(4):620-629.

DOI:10.13249/j.cnki.sgs.2017.04.016      [本文引用: 1]

Based on GIMMS 3g NDVI, landuse, temperature, precipitation and vegetation type data, the paper fitted the current year vegetation growing season curve and extracted the yearly green-up day of vegetation growing season in northern China in recent 30 years (from 1983 to 2012), analyzed its spatio-temporal changes and also the relationship between temperature and precipitation. In order to meet the actual vegetation growth, we used harmonic analysis of time-series method to reconstruct vegetation NDVI, dynamic threshold and a sixpolynomial fitting method. Some conclusions were as follows. 1) With longer time-series features and better data quality, GIMMS 3g NDVI data with time-series harmonic data analysis was very good to fit and show the actual characteristics of vegetation growing season curve in northern China and can be well used to further study of vegetation growing season in the future. 2) During the study period, green-up day of vegetation growing season mainly distributed from 80 days to 150 days, and the regional averaged value reached 111.6 days.Green-up day of vegetation growing season in regions such as northeast Plain, north China Plain, Hetao Plain, Tianshan, the Altai were earlier. 3) Green-up day of vegetation growing season in northern China showed an advanced tend in general and gradually transitioned from the northwest to the northeast. The significantly advanced regions mainly distributed in the eastern of Inner Mongolia, northeast China Plain, southern Shanxi and the Tianshan Mountains of Xinjiang section area, while the significantly delayed regions were in Qinghai-Tibet Plateau alpine regions. 4) Due to various vegetation types and regional differences and so on,green-up day of vegetation growing season responded to temperature and precipitation distinctly and temperature was the main factor that affecting green-up day of vegetation growing season changes.

宋春桥, 游松财, 柯灵红, 等.

藏北高原典型植被样区物候变化及其对气候变化的响应

[J]. 生态学报, 2012, 32(4):1045-1055.

[本文引用: 1]

Song C Q, You S C, Ke L H, et al.

Phenological variation of typical vegetation types in northern Tibet and its response to climate changes

[J]. Acta Ecologica Sinica, 2012, 32(4):1045-1055.

DOI:10.5846/stxb201101050014      URL     [本文引用: 1]

李正国, 唐华俊, 杨鹏, 等.

植被物候特征的遥感提取与农业应用综述

[J]. 中国农业资源与区划, 2012, 33(5):20-28.

[本文引用: 1]

Li Z G, Tang H J, Yang P, et al.

Progress in remote sensing of vegetation phenology and its application in agriculture

[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2012, 33(5):20-28.

[本文引用: 1]

Jönsson P, Eklundh L.

Seasonality extraction by function fitting to time-series of satellite sensor data

[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(8):1824-1832.

DOI:10.1109/TGRS.2002.802519      URL     [本文引用: 1]

武永峰, 何春阳, 马瑛, 等.

基于计算机模拟的植物返青期遥感监测方法比较研究

[J]. 地球科学进展, 2005, 20(7):724-731.

DOI:10.11867/j.issn.1001-8166.2005.07.0724      [本文引用: 1]

植物返青期变化与气象和气候因素密切相关，已成为研究全球变化对陆地生态系统影响和反馈机理的一个重要参数。利用遥感手段及时准确地监测区域及全球尺度植物返青期变化，是当前地学、生态学研究的一个前沿课题。但是目前国内外对植物返青期遥感监测方法缺乏有效比较，还没有形成统一认识。因此，在综述植物返青期传统测量方法和遥感监测方法最新研究进展的基础上，利用计算机模拟手段，对目前常用的4种遥感监测方法（滑动平均方法、NDVI比率阈值方法、最大变化斜率方法及Logistic函数拟合方法）进行了比较研究。模拟结果表明：4种方法的返青期计算值最大相差20天，突出反映了它们在构建原理方面的差别，即滑动平均方法将NDVI突增点对应的时期作为植物返青期；NDVI比率阈值方法将最大上升斜率点对应的时期作为植物返青期；最大变化斜率方法将NDVI数据斜率角变化最大的点对应的时期作为植物返青期；Logistic函数拟合方法则将拟合曲线上曲率变化最大的点对应的时期作为植物返青期；同时，4种方法所得返青期均满足一个共同的特点，即返青期之后NDVI曲线应保持最大持续增长。该研究也表明计算机模拟技术在帮助认识和理解植物返青期遥感监测方法中的巨大潜力。

Wu Y F, He C Y, Ma Y, et al.

The comparison of the current remote sensing - based vegetation greenup detection methods with the computer simulation

[J]. Advances in Earth Science, 2005, 20(7):724-731.

[本文引用: 1]

李铮, 柏延臣, 何亚倩.

遥感叶面积指数产品提取自然植被物候期对比

[J]. 遥感技术与应用, 2015, 30(6):1103-1112.

[本文引用: 1]

Li Z, Bo Y C, He Y Q.

Comparison of natural vegetation phenology metrics from remote sensing LAI products

[J]. Romte Sensing Technology and Application, 2015, 30(6):1103-1112.

[本文引用: 1]

侯学会, 隋学艳, 梁守真, 等.

几种物候提取方法的小麦物候提取

[J]. 遥感信息, 2017, 32(6):65-70.

[本文引用: 1]

Hou X H, Sui X Y, Liang S Z, et al.

Comparison of five methods for phenology extraction of winter wheat

[J]. Remote Sensing Information, 2017, 32(6):65-70.

[本文引用: 1]

吴文斌, 杨鹏, 唐华俊, 等.

基于NDVI数据的华北地区耕地物候空间格局

[J]. 中国农业科学, 2009, 42(2):552-560.

[本文引用: 1]

Wu W B, Yang P, Tang H J, et al.

Monitoring spatial patterns of cropland phenology in North China based on NOAA NDVI data

[J]. Scientia Agricultura Sinica, 2009, 42(2):552-560.

[本文引用: 1]

于信芳, 庄大方.

基于MODIS NDVI数据的东北森林物候期监测

[J]. 资源科学, 2006(4):111-117.

[本文引用: 1]

物候是指示气候与自然环境变化的重要指标。遥感技术的发展为物候监测和研究提供了新的手段。本文研究对象是中国东北森林，森林分布范围由Landsat TM影像解译得到的2000年土地利用数据确定。遥感数据源是2003年500m空间分辨率的MODIS NDVI 8天合成时间序列数据。通过分析东北主要森林树种的NDVI时间序列特征，表明不同树种的同一遥感参数时间序列基本形状近似，在关键物候期和变化振幅上存在差异，这为根据遥感参数时间序列曲线监测森林物候期奠定了理论基础。将MODIS NDVI 8天合成时间序列数据应用时间序列谐波分析法（HANTS）重构成每天的NDVI时间序列数据影像。基于每天的NDVI时间序列数据，研究采用动态阈值法获取了东北森林物候期及其空间分布格局。研究表明东北大部分地区树木在第100天～150天开始生长，到第260天～290天逐渐停止生长，生长季长度集中在140天～180天。通过与部分物候观测数据的比较验证，表明基于MODIS NDVI数据获取的树木生长始末日期与调查资料具有可比性，获取的森林物候期具有一定的可靠性。

Yu X F, Zhuang D F.

Monitoring forest phenophases of northeast China based on MODIS NDVI data

[J]. Resources Science, 2006 (4):111-117.

[本文引用: 1]

宋怡, 马明国.

基于GIMMS_AVHRR_NDVI数据的中国寒旱区植被动态及其与气候因子的关系

[J]. 遥感学报, 2008, 12(3):499-505.

[本文引用: 1]

Song Y, Ma M G.

Variation of AVHRR NDVI and its relationship with climate in Chinese arid and cold regions

[J]. Journal of Remote Sensing, 2008, 12(3):499-505.

[本文引用: 1]

李登科, 王钊.

基于MCD12Q2的秦岭植被物候时空变化及对气候的响应

[J]. 生态环境学报, 2020, 29(1):11-22.

[本文引用: 1]

Li D K, Wang Z.

Spatiotemporal variation of vegetation phenology and its response to climate in Qinling Mountains based on MCD12Q2

[J]. Ecology and Environmental Sciences, 2020, 29(1):11-22.

[本文引用: 1]

李丹, 吴秀芹, 张靖宙, 等.

西南喀斯特断陷盆地植被物候动态变化及其与气候因子的响应

[J]. 水土保持研究, 2020, 27(6):168-173.

[本文引用: 1]

Li D, Wu X Q, Zhang J Z, et al.

Vegetation phenology change and response to climate change in the Karst faulted basin of Southwest China

[J]. Research of Soil and Water Conservation, 2020, 27(6):168-173.

[本文引用: 1]

陈丽, 杨秋萍, 徐长春, 等.

2001—2017年开都—孔雀河流域植被物候特征及其对气候变化的响应

[J]. 干旱区研究, 2020, 37(3):729-738.

[本文引用: 1]

Chen L, Yang Q P, Xu C C, et al.

Phenological characteristics of vegetation and its response to climatic change in the Kaidu—Kongqi River basin,Xinjiang,during 2001—2017

[J]. Arid Zone Research, 2020, 37(3):729-738.

[本文引用: 1]

李叶, 张艳红, 陈子琦, 等.

中高纬度山区气温空间化的方法比较研究——以大兴安岭北麓为例

[J]. 山地学报, 2021, 39(2):174-182.

[本文引用: 1]

Li Y, Zhang Y H, Chen Z Q, et al.

Comparative study on spatialization methods of air temperature in middle and high latitude mountainous areas:A case study of northern foot of the Daxing’anling Mountains

[J]. Mountain Research, 2021, 39(2):174-182.

[本文引用: 1]

张晓东, 朱文博, 张静静, 等.

伏牛山地森林植被物候及其对气候变化的响应

[J]. 地理学报, 2018, 73(1):41-53.

DOI:10.11821/dlxb201801004      [本文引用: 1]

研究植被物候是理解植被与气候关系的重要途径。在植被对气候变化响应的敏感地区,开展植被物候研究有助于揭示气候变化对植被的影响机制。基于2000-2015年MODIS EVI时间序列影像数据,利用Savitzky-Golay （S-G）滤波方法和动态阈值法提取伏牛山地2000-2015年森林植被物候参数,结合气温、降水数据,运用Man-Kendall趋势检验、Sen斜率、ANUSPLIN插值和相关性分析等方法,研究伏牛山地森林植被物候对气候要素（气温、降水）变化的响应。结果表明：① 伏牛山地森林植被生长季始期主要集中在第105~120 d,生长季末期主要集中在第285~315 d,生长季长度主要集中在165~195 d。从海拔梯度看,随海拔升高,生长季始期、末期和长度整体上分别呈显著推迟、提前及缩短趋势。② 生长季始期和生长季末期整体上呈推迟趋势,推迟的像元分别占森林植被的76.57%和83.81%。生长季长度整体呈延长趋势,延长的像元占比为61.21%。生长季始期变化特征主要是由该地区的春季气温降低所导致的。③ 研究区森林植被生长季始期与3月平均气温呈显著偏相关,且呈负相关的区域最多,即3月平均气温降低,导致生长季始期推迟;生长季末期与9月降水呈显著偏相关区域最多,且两者主要呈正相关,即9月降水增加,使生长季末期推迟。植被生长季长度由整个生长期的气温和降水来共同作用,对大多数的区域而言,8月的平均气温和降水与生长季长度的关系最为密切。

Zhang X D, Zhu W B, Zhang J J, et al.

Phenology of forest vegetation and its response to climate change in the Funiu Mountains

[J]. Acta Geographica Sinica, 2018, 73(1):41-53.

DOI:10.11821/dlxb201801004      [本文引用: 1]

The study on vegetation phenology is of great importance to understand the relationship between vegetation and climate. In areas where the vegetation is sensitive to climate change, a phenological study is helpful to reveal the response mechanism of vegetation to climate change. Based on Moderate Resolution Imaging Spectro radiometer (MODIS) Enhanced Vegetation Index (EVI) time-series images from 2000 to 2015, we utilized Savitzky-Golay (S-G) filter and dynamic threshold method to extract the phenological parameters of forest vegetation in the Funiu Mountains. Combining temperature and precipitation data, we used Mann-Kendall (M-K) trend test, Theil-Sen estimator, ANUSPLIN interpolation, and correlation analysis methods to analyze phenological changes of vegetation in response to climate factors (temperature/precipitation) in the Funiu Mountains. The results showed that: (1) The start and end of growing season ranged mainly from 105 d to 120 d and from 285 d to 315 d, respectively. The length of the growth season ranged mainly from 165 d to 195 d. There is an evident correlation between forest phenology and altitude. With increasing altitude, the start, end and length of the growing season presented a significantly delayed, advanced and shortened trend, respectively. (2) In terms of the interannual variations, both the start and end of the growing season mainly displayed a delayed trend in 76.57% and 83.81% of the total area, and the length of the growing season exhibited a lengthened trend of 61.21%. The start of forest growing season is mainly affected by the decrease of spring temperature in the region. (3) A significant correlation was found between the start of growing season and mean temperature in March. The negative correlation coefficient indicated that a delayed start of the growing season was primarily due to the temperature decrease in March. The end of growing season was mainly influenced by September precipitation, and their correlation was positive, that is, the increased precipitation in September can delay the end of the growing season. In addition, the length of the growing season was influenced by temperature and precipitation during the whole growing season, for most parts of the region, the mean temperature and precipitation in August were obviously correlated with the length of forest growing season.

侯学会, 隋学艳, 姚慧敏, 等.

中国北方麦区冬小麦物候期对气候变化的响应

[J]. 麦类作物学报, 2019, 39(2):202-209.

[本文引用: 1]

Hou X H, Sui X Y, Yao H M, et al.

Response of winter phenology to climate in northern China

[J]. Journal of Triticeae Crop, 2019, 39(2):202-209.

[本文引用: 1]

崔耀平, 肖登攀, 刘素洁, 等.

中国夏玉米和冬小麦近年生育期变化及其与气候的关系

[J]. 中国生态农业学报, 2018, 26(3):388-396.

[本文引用: 1]

Cui Y P, Xiao D P, Liu S J, et al.

Growth periods variation of summer maize and winter wheat and their correlations with hydrothermal conditions in recent years in China

[J]. Chinese Journal of Eco-Agriculture, 2018, 26(3):388-396.

[本文引用: 1]

孙新素, 龙致炜, 宋广鹏, 等.

气候变化对黄淮海地区夏玉米-冬小麦种植模式和产量的影响

[J]. 中国农业科学, 2017, 50(13):2476-2487.

[本文引用: 1]

Sun X S, Long Z W, Song G P, et al.

Effects of climate change on cropping pattern and yield of summer maize-winter wheat in Huang-Huai-Hai Plain

[J]. Scientia Agricultura Sinica, 2017, 50(13):2476-2487.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发