自然资源遥感, 2024, 36(2): 218-228 doi: 10.6046/zrzyyg.2023040

技术应用

基于MODIS时序数据的北京市植被物候时空变化特征分析

姚家慧,, 丁海勇,

南京信息工程大学遥感与测绘工程学院,南京 211800

Analysis of the spatio-temporal variations in vegetation phenology in Beijing based on MODIS time series data

YAO Jiahui,, DING Haiyong,

School of Remote Sensing & Geomatics Engineering, Nanjing University of Information Science & Technology, Nanjing 211800, China

通讯作者: 丁海勇(1974-),男,博士,教授,主要研究方向为植被物候、土地利用变化监测。Email:hyongd@163.com。

责任编辑: 李瑜

收稿日期: 2023-02-22   修回日期: 2023-05-23  

基金资助: 高分辨率对地观测系统重大专项资助项目(30-Y60B01-9003-22/23)

Received: 2023-02-22   Revised: 2023-05-23  

作者简介 About authors

姚家慧(1999-),女,硕士研究生,主要研究方向为植被物候。Email: nxdyjh1999@163.com。

摘要

植被是生态环境变化的指示器,分析植被物候的时空变化特征及其影响因素对分析陆地生态系统的碳、水和能量平衡具有重要意义。该文利用MOD13Q1 EVI数据集,采用D-L拟合法和动态阈值法提取了北京市2001—2020年植被生长季开始期(start of season,SOS)、植被生长季长度(growing season length,GSL)和植被生长季结束期(end of season,EOS)。通过构建城乡梯度带,分析了北京市城乡区域植被物候的时空变化特征。利用回归分析和趋势分析方法探讨了植被物候参数对气温、降水、日照、风速等气候因子以及城市热岛强度和城市化影响因子的响应。研究表明: 2001—2020年间北京市植被物候呈现出SOS提前、GSL延长和EOS推迟的趋势。林地和灌木的SOS比草地早,EOS较草地晚,说明木本植物生长季开始期早,结束期晚。通过分析气候因子与物候之间的关系发现气温、降水、日照和风速都对北京市植被物候有一定的影响,其中SOS对日照的变化最为敏感,EOS对风速的变化最为敏感。植被物候沿城区—郊区—农村方向呈现明显的梯度变化,城区SOS比农村平均提前12.2 d、EOS平均推迟18.9 d。城市夜晚热岛强度与SOS在城乡梯度带上具有显著相关性(p<0.01),SOS,GSL和EOS与人口密度、城市建成区面积、地均GDP均存在显著相关关系(p<0.01),说明城市化发展对北京市SOS提前、GSL延长和EOS推迟具有重要作用。

关键词： 植被物候; 气候变化; 城市化; 城市热岛效应

Abstract

Vegetation can indicate the changes in ecological environments. Analyzing the spatio-temporal variations and influencing factors of vegetation phenology holds critical significance for exploring the carbon, water, and energy balance of terrestrial ecosystems. In this study, the MOD13Q1 EVI dataset was employed to extract the start of season (SOS), the growing season length (GSL), and the end of season (EOS) for vegetation in Beijing from 2001 to 2020 using the double logistic (D-L) function fitting method and the dynamic threshold method. The spatio-temporal variations of vegetation phenology in urban and rural areas of Beijing were analyzed by constructing an urban-rural gradient zone. The response of vegetation phenological parameters to climate factors like temperature, precipitation, sunshine, and wind speed, as well as urban heat island intensity and urbanization, was investigated through regression and trend analyses. The results show that from 2001 to 2020, the vegetation phenology of Beijing manifested a trend of earlier SOS, extended GSL, and delayed EOS. Compared to grassland, woodland and shrubs manifested earlier SOS and later EOS, suggesting that the phenology of woody plants started earlier and ended later. As revealed by the relationship between climate factors and phenology, temperature, precipitation, sunshine, and wind speed all displayed certain effects on vegetation phenology in Beijing, with SOS and EOS being the most sensitive to sunshine and wind speed, respectively. The vegetation phenology was characterized by a significant gradient change along the urban-suburban-rural direction. Compared to the rural area, the urban area showed SOS 12.2 d earlier and EOS 18.9 d later on average. The urban nighttime heat island intensity was significantly correlated with the SOS of vegetation in the urban-rural gradient zone (p<0.01). Moreover, the SOS, GSL, and EOS were significantly linearly correlated with population density, urban built-up area, and GDP per square kilometer of land (p<0.01). Therefore, urbanization played a significant role in advancing SOS, extending GSL, and delaying EOS of vegetation phenology in Beijing.

Keywords： vegetation phenology; climate change; urbanization; urban heat island effect

PDF (15072KB) 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

姚家慧, 丁海勇. 基于MODIS时序数据的北京市植被物候时空变化特征分析[J]. 自然资源遥感, 2024, 36(2): 218-228 doi:10.6046/zrzyyg.2023040

YAO Jiahui, DING Haiyong. Analysis of the spatio-temporal variations in vegetation phenology in Beijing based on MODIS time series data[J]. Remote Sensing for Land & Resources, 2024, 36(2): 218-228 doi:10.6046/zrzyyg.2023040

0 引言

植被物候是指一年中植物周期性的自然变化过程[1],是应对气候变化和外界环境变化的敏感生物指标[2- 3]。植被物候与陆地生态系统碳循环过程、植被生长趋势、植被净生产力水平等密切相关[4],在调节自然生态系统的能量流和碳循环方面发挥着不可替代的作用。

遥感技术的快速发展,使长时间的物候监测成为可能。目前,国内外学者基于不同数据源、不同提取方法对物候参数的提取做了大量研究。Jonsson等[5]通过动态设置阈值的方式将植被指数曲线在上升和下降阶段达到曲线振幅的一定比例作为植被生长季开始期或结束期,该方法被广泛运用于植被物候参数的提取。孙梦鑫等[6]运用S-G滤波方法从MODIS NDVI数据中提取川西高原地区森林物候,分析该地区植被物候变化特征及其对季节性气候变化的响应。张仁平等[7]分别利用A-G拟合、D-L拟合、S-G滤波和MCD12Q2数据对新疆省草地物候参数进行提取,结果发现利用A-G拟合方法提取的草地返青期效果最佳。

随着气候变暖,大量的学者开始关注气候变化对植被物候产生的影响。植被的生长发育与温度、降水等紧密相关[8⇓-10],全球气候变暖使北半球大部分植被呈现开始期提前、结束期推迟的趋势[11-12]。Gao等[13]利用GIMMS NDVI 3 g数据研究整个中亚大湖地区植被物候的时空变化,结合气候数据分析不同气候带内植被物候对气候变化的响应,结果表明,植被生长季开始期和结束期都明显提前。除了温度和降水外,风速、日照时长等气候因子也对植被物候产生了一定的影响,钟巧等[14]发现风速是影响植被蒸散发的主要因素,风速会加速土壤界面的水分耗散,从而影响植被的生长。胡明新等[15]发现在相同水分条件下,温度升高、光周期缩短使春季物候推迟,反之则促进物候期提前。目前大部分研究更关注于年尺度或季度尺度的气候变化,忽略了物候的发生是一个累积的过程,而各季前因子的动态变化也对植被物候产生重要的影响[16]。因此,选用季前气候因子分析气候变化对植被物候产生的影响更具有代表性。

随着城市化的快速发展,城市化已被确定为影响陆地生态系统的重要因素[17⇓-19]。城市化进程使城市热岛效应急剧加重,而城市化导致的局部小气候变化也在一定程度上影响植被物候[20-21],同时城市化通过地表温度变暖进一步加剧了气候变化对植被物候的影响。城市化与气候变化相互作用、交互影响,这就使得城市植物物候对城市化发展和气候变化的响应更加复杂[22]。北京市是中国经济发展的中心,城市化发展迅速,但随之产生的城市热岛、城市内涝、极端干旱等问题也较为突出,对北京市植被物候变化进行研究分析更有利于理解城市化发展对陆地生态系统的影响。

综上,本研究旨在利用2001—2020年的MOD13Q1 EVI数据,提取北京市植被物候参数,即植被生长季开始期(start of season,SOS)、生长季长度(growing season length,GSL)和生长季结束期(end of season,EOS),分析植被物候的时空变化特征及其对气候变化和城市化发展的响应。

1 研究区概况与数据源

1.1 研究区概况

北京市位于115.7°~117.4°E,39.4°~41.6°N之间,位于华北平原北部,毗邻渤海湾,上靠辽东半岛,下临山东半岛。北京地势西北高、东南低,三面环山,气候为暖温带半湿润大陆性季风气候,有明显的季节分异性。主要植被类型有暖温带落叶阔叶林、暖温带针叶林、灌木林和草地,图1为北京市2020年土地覆盖类型图。北京市作为中国的经济中心,经济发展迅速,城市化水平远远超过其他城市,城市热岛效应明显,对城市植被物候产生了一定的影响,对北京市的植被物候进行研究具有重要意义。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   北京市2020年土地覆盖类型图

Fig.1   Land cover type map of Beijing in 2020


1.2 数据源

本研究选取MOD13Q1数据集中EVI数据进行植被物候相关信息的提取,MOD13Q1数据具有良好的时间连续性和空间分辨率,EVI数据一定程度上消除了云和气溶胶等的影响,被广泛应用于不同尺度植被的动态监测和研究。MCD12Q2为土地覆盖动态产品,提供了全球范围内的植被表征时间估计,可用于植被物候参数的验证。MOD11A2产品记录了8 d内晴好天气下的地表温度的平均值,适用于城市热岛强度分析。采用克里金插值法将气象站点数据插值形成栅格数据集。利用土地利用覆盖数据集分别提取研究区内有植被覆盖的耕地、草地、灌木地和林地[23]。以2000年城市建成区为城市中心[24],建立5 km间隔的缓冲区,其中[0,20) km为郊区,[20,25) km代表农村地区,如图2所示。城市统计数据来源于中国城市建设统计年鉴,选取人口密度、城市建成区面积、地均GDP作为城市化影响指标,具体信息如表1所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   北京市2000年城区及各缓冲区

Fig.2   Urban area and buffer zones of Beijing in 2000


表1   数据来源及说明

Tab.1  Data sources and descriptions

数据集数据来源数据属性数据类型时间范围
MOD13Q1美国国家航空航天局时间分辨率为16 d,空间分辨率为250 mEVI数据2001—2020年
MOD11A2美国国家航空航天局时间分辨率为8 d,空间分辨率为1 000 m白天地表温度和夜晚地表温度2001—2020年
MCD12Q2美国国家航空航天局空间分辨率为500 m植被生长季开始期和结束期2001—2019年
气候数据中国地面气候资料日值数据集V3.0中国地面699个国家级基准、基本站气温、降水、日照、风速2001—2020年
土地利用覆盖数据中国逐年土地覆盖数据集CLCD空间分辨率为30 m耕地、草地、灌木林、林地2001—2020年
城市建成区数据全球城市边界(Global Urban Boundary-GUB)数据集空间分辨率为30 m————2000年
城市统计数据中国城市建设统计年鉴————人口密度、城市区建成区面积、地均GDP2001—2020年

新窗口打开| 下载CSV


2 研究方法

2.1 植被物候参数提取

由于传感器自身及其他外界因素(云层、大气气溶胶等)的影响,植被指数数据与真实植被物候季节生长规律出现偏差,因此需要对原始EVI数据进行时间序列重建[25-26]。本研究选用双逻辑斯蒂函数拟合法(double logistic,D-L)对EVI时间序列数据进行拟合,公式为:

f(t)=m1+m2(11+em3-m4t-11+em5-m6t)

式中: f(t)为第t日拟合的EVI值; m1,m2,…,m6为拟合参数。

D-L拟合法无需确定阈值,其局部拟合基于EVI曲线的变化特征,拟合后峰值贴近于原始EVI曲线峰值,适用于区域乃至全球尺度上不同植被物候监测[27-28]。

目前针对植被物候参数的提取主要有3种提取方法: 拐点法、斜率法以及阈值法[29]。动态阈值法使用灵活,被广泛应用于物候参数的提取[30],动态阈值法是通过动态比例的形式分别设定植被指数曲线在上升和下降阶段达到曲线振幅的一定比例为植被生长季开始期和结束期,二者的差即为植被生长季长度。本研究结合前人研究和实际情况,将提取SOS的阈值设置为0.2,提取EOS的阈值设置为0.4。

2.2 趋势分析及检验

本研究采用Theil-Sen Median趋势分析计算北京市植被物候的变化趋势,分析植被生长季开始期、生长季长度和生长季结束期的时空变化特征[31],并通过Mann-Kendall统计检验法对北京市植被物候的变化趋势进行显著性检验[32],公式为:

β=Median(xj-xi)j-i, ∀j>i>1,

式中: xj和xi分别为时间序列中第j项和第i项的值; β的正负表示植被物候变化的趋势方向。当β>0时,说明物候呈推迟或延长趋势; 反之,则反映为提前或缩短趋势。

Mann-Kendall显著性检验是一种非参数检验方法,不需要样本服从正态分布,并且分析结果不受异常值的干扰,适用于植被的长时间序列分析[33],公式为:

S=∑i=1n-1∑j=i+1nf(xj- xi),
f(xj-xi) =+1xj-xi>00xj-xi=0-1xj-xi<0,
Var(S)=n(n-1)(2n-5)18
Z=SVar(S)　S>00S=0SVar(S)　S<0

式中: xj和xi分别为时间序列中第j项和第i项的值; n为样本数; S为检验统计量; Z为标准化检验统计量,本研究给定显著性水平(p<0.05),即当|Z|>1.96时,表示变化趋势通过了0.05置信水平的显著性检验。

2.3 回归和相关性分析

本研究使用一元线性回归分析方法计算研究期内的植被物候变化趋势,公式为:

y=kt+b

式中: y为植被物候; t为时间序列; k为系数。

为分析城市化和气候变化对植被物候的影响,本研究采用Pearson相关系数分析城市化因子和气候因子与植被物候之间的相关关系,公式为:

r=∑i=1n(xi-x-)(yi-y-)∑i=1n(xi-x-)2∑i=1n(yi-y-)2　

式中: r为两变量之间的相关系数,xi为第i年的植被物候参数(SOS,GSL,EOS),yi为第i年城市化以及气候因子; x-,y-为对应变量的平均值。

2.4 城乡梯度带的物候与热岛强度差异分析

城市热岛效应严重扰乱了气流的动态过程,使得城市生态系统与其他自然生态系统产生了很明显的区别; 其次,城市热岛效应导致的局部温度上升幅度较全球气候变暖更加明显。研究表明,地表温度升高将导致植被生长发育速度加快,从而使生长季开始期提前,生长季延长[34-35]。

本研究选用城区、郊区各缓冲区及农村之间的地表温度差值来表示城市热岛强度(urban heat island intensity, UHII),计算公式为:

ΔTUHIIi=T城区-Ti

式中: ΔTUHIIi为各缓冲区内的UHII; T城区为城区的年均地表温度; Ti为对应的郊区各缓冲区及农村的年均地表温度。

按照城乡梯度带上各缓冲区域的分布,计算SOS,GSL和EOS的差值,公式为:

ΔSOSi=SOS城区-SOSi
ΔGSLi=GSL城区-GSLi
ΔEOSi=EOS城区-EOSi

式中: SOS城区,GSL城区和EOS城区分别为城区的植被生长季开始期、生长季长度和结束期; SOSi,GSLi和EOSi为对应的各缓冲区内的植被生长季开始期、生长季长度和结束期; ΔSOSi,ΔGSLi和ΔEOSi分别为城区与各缓冲区间植被生长季开始期、生长季长度和结束期差。

3 结果与分析

3.1 物候参数验证

将通过D-L拟合法和动态阈值法提取得到的物候参数SOS和EOS分别与MCD12Q2中植被生长季开始期和结束期进行验证,结果见图3。图3(a)中SOSMCD12Q2和SOS之间的相关性显著(r=0.865,p<0.01,RMSE=4.529 d),图3(b)中EOSMCD12Q2和EOS之间的相关性显著(r=0.771,p<0.01,RMSE=4.918 d)。总体而言,通过MCD12Q2数据与提取的物候参数间的比较验证了物候参数提取结果的准确性,可用于接下来的植被物候时空变化特征分析。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   物候参数验证

Fig.3   Phenological parameter validation


3.2 植被物候时空变化特征及趋势分析

由图4北京市不同植被物候参数的空间分布特征可知,总体空间分布上植被物候在东南和西北间存在差异,考虑是受到北京市地势西北高、东南低的影响。2001—2020年间北京市的SOS多集中在110~125 d,东南部SOS出现日期较早,整体分布特征为SOS由东南向西北推迟; GSL多集中在170~185 d,西南和北部地区GSL较短,整体分布特征为GSL从东南向西北延长; EOS多集中在290~300 d,且分布规律与SOS,GSL大致相同,西南和北部地区EOS较早,由东南向西北EOS逐渐提前。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   北京市植被物候2001—2020年均值空间分布

Fig.4   Spatial distribution of the mean values of vegetation phenology in Beijing from 2001 to 2020


通过一元线性回归分析得到北京市植被物候年际变化(图5)。北京市整体呈现出SOS提前、GSL延长、EOS推迟的状态,2001—2020年北京市的SOS范围为103—137 d,多年平均SOS为117.2 d,平均每年提前0.9 d。其中,2017年的SOS最早,小于110 d,2006年的SOS最晚,大于130 d; GSL范围为154~194 d,多年平均GSL为176.6 d,平均每年延长1.9 d; EOS范围为280~303 d,多年平均EOS为294.0 d,平均每年推迟0.9 d。GSL的年际变化幅度较SOS和EOS明显,由此也可推断出植被生长季长度对外部环境的变化响应更强烈。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   2001—2020年北京市植被物候年际变化

Fig.5   Interannual variation of vegetation phenology in Beijing from 2001 to 2020


通过Theil-Sen Median趋势分析和Mann-Kendall显著性检验计算得到了北京市植被物候的变化趋势以及通过95%显著性检验的植被物候空间变化趋势图,如图6所示。由图可知,2001—2020年间北京市植被物候有明显的变化趋势,且靠近城市中心的区域物候变化的幅度较大,说明城市化进程对植被物候产生了一定的影响。SOS基本呈提前趋势,有89.6%的像元表现为提前趋势,10.4%的像元呈推迟趋势(图6(a)),其中有27.7%像元显著提前(p<0.05)(图6(d)); GSL基本呈延长趋势,有93.9%像元表现为延长趋势,6.1%像元呈缩短趋势(图6(b)),其中有62.3%像元显著延长(p<0.05) (图6(e)); EOS基本呈推迟趋势,有93.6%像元表现为推迟趋势,6.4%像元呈提前趋势(图6(c)),其中有60.8%像元显著推迟(p<0.05)(图6(f))。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   2001—2020年北京市植被物候空间变化趋势及其显著性区域

Fig.6   Spatial variation trend and significant area of vegetation phenology in Beijing from 2001 to 2020


利用2001—2020年土地覆盖类型得到北京市不同植被覆盖的物候统计(图7)。2001—2020年间,北京市各植被类型的物候参数都呈现出明显的变化趋势,其中农田区域的变化趋势最大,考虑到人为因素的影响,在此主要分析草地、灌木林和林地的物候生长变化趋势。林地和灌木的SOS比草地早,两者主要集中在110~120 d之间,即4月中下旬; 草地SOS在115~135 d,即5月中旬左右。造成这种差异的原因可能是木本植物具有较深的根系,能够从更深层的土壤中吸收水分,使得植被生长发育对温度变暖反应更迅速。草地SOS平均每年提前0.7 d,灌木SOS平均每年提前0.8 d,林地SOS平均每年提前0.7 d。草地多年平均GSL为168.9 d,而灌木林、林地多年平均GSL为170.4 d和174.6 d; 草地GSL平均每年延长1.5 d,灌木林GSL平均每年延长1.7 d,林地GSL平均每年延长1.4 d。草地较灌木、林地的GSL短,EOS较林地、灌木林早,主要集中在11月中旬,平均EOS为289.9 d,而林地和灌木多年平均EOS分别为290.5 d和290.1 d。草地EOS平均每年推迟0.8 d,灌木林EOS平均每年推迟0.9 d,林地EOS平均每年推迟0.8 d。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   2001—2020年北京市不同植被覆盖类型物候年际变化

Fig.7   Interannual variation of phenology in different vegetation cover types in Beijing from 2001 to 2020


3.3 城市化对植被物候年际变化的影响

以2000年城市建成区为城市中心,[0,20) km缓冲带内设为郊区,[20,25) km为农村区域,分析北京市城乡梯度带上的植被物候年际变化特征,结果如图8所示。城区SOS比农村平均提前12.2 d、EOS平均推迟18.9 d。农村SOS最晚,主要分布在107~141 d,多年平均SOS在120.6 d,在2001—2020年间整体呈现出提前的趋势,平均每年提前1 d;GSL最短,平均时间长度为169.1 d; EOS最早,主要集中在10月中下旬。相反,城区的植被生长表现出不同的趋势,城区的SOS最早,主要集中在95~120 d之间; GSL最长,平均时间长度为206.2 d; EOS最晚,主要集中在11月上旬。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   2001—2020年北京市不同缓冲区内植被物候年际变化

Fig.8   Interannual variation of vegetation phenology in different buffer zones in Beijing from 2001 to 2020


3.3.1 植被物候与城市热岛UHII的关系

分别统计城乡梯度带上不同缓冲区的白天、夜晚平均地表温度,如图9所示。随着距城区距离的增加,白天和夜晚的地表温度也逐渐下降,平均每从城市中心向外扩展1 km,白天地表温度下降0.16 ℃,夜晚地表温度下降0.14 ℃,平均地表温度下降0.15 ℃。进一步探讨城市热岛效应对城乡梯度带上植被物候的影响,分析城乡梯度带上不同缓冲区内植被物候与白天、夜晚UHII之间的关系,如图10所示。2001—2020年间,沿城乡梯度,白天UHII平均每上升1 °C,SOS提前2.4 d,GSL延长7.7 d,EOS推迟4.5 d; 夜晚UHII平均每上升1 °C,SOS提前2.7 d,GSL延长8.7 d,EOS推迟5.0 d。平均来看,UHII每上升1 °C,SOS提前2.6 d,GSL延长8.2 d,EOS推迟4.8 d,由此可见城市热岛效应对植被物候变化具有一定影响。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   城乡梯度带上的地表温度变化

Fig.9   Variation of land surface temperature along the urban-rural gradient


图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   城乡梯度带上各区域植被物候差异与UHII差异之间的关系

Fig.10   Relationship between vegetation phenology differences and UHII differences in each region on urban-rural gradient zones


分别统计城乡梯度带上白天和夜晚UHII对植被物候的影响,如表2和表3所示。从表中可以看出,城乡梯度带上的SOS与白天UHII、夜间UHII始终呈负相关,GSL,EOS与夜间UHII始终呈正相关。城市周边区域UHII与植被物候参数的相关性较强。在城乡梯度带上,夜晚UHII的变化与植被物候参数的相关性较白天时更强,说明植被生长发育对夜晚地表温度变化的敏感性更强。

表2   各区域白天城市热岛强度(UHII)与植被物候的相关关系

Tab.2  Correlation between daytime UHII and vegetation phenology in each region

UHII城区郊区农村年均
[0,5) km[5,10) km[10,15) km[15,20) km
SOS-0.508*①-0.389-0.307-0.254-0.228-0.257-0.324
GSL0.4270.3560.1400.021-0.045-0.0400.123
EOS0.3140.250-0.013-0.159-0.239-0.277-0.053

①: *表示在0.05的置信水平下显著,**表示在0.01的置信水平下显著。

新窗口打开| 下载CSV


表3   各区域夜晚城市热岛强度(UHII)与植被物候的相关关系

Tab.3  Correlation between night UHII and vegetation phenology in each region

UHII城区郊区农村年均
[0,5) km[5,10) km[10,15) km[15,20) km
SOS-0.675**①-0.679**-0.626**-0.626**-0.593**-0.573**-0.630**
GSL0.643**0.604**0.499*0.487*0.473*0.4030.490*
EOS0.494*0.4170.2530.2460.2290.1540.262

①: *表示在0.05的置信水平下显著,**表示在0.01的置信水平下显著。

新窗口打开| 下载CSV


3.3.2 植被物候与城市化影响因子的关系

本文将城市化影响因子和北京市植被物候参数进行相关分析,如图11和表4所示。城乡梯度带上各缓冲区内的物候参数与人口密度、城市建成区面积、地均GDP均表现为显著相关(p<0.01),SOS与人口密度、城市建成区面积、地均GDP存在显著负相关关系 (p<0.01),GSL,EOS与人口密度、城市建成区面积、地均GDP存在显著正相关关系 (p<0.01),表明该地区城市化的发展对SOS提前、GSL延长和EOS推迟具有重要作用。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11   北京市植被物候与城市化因子的关系

Fig.11   Relationship between vegetation phenology and urbanization factors in Beijing


表4   城市化因子与植被物候参数SOS,GSL,EOS的相关关系

Tab.4  Correlation between urbanization factors and vegetation phenology in urban, suburban and rural areas

植被物
候参数		缓冲区人口密度城市建成区面积地均GDP
SOS城区-0.634**①-0.639**-0.624**
郊区-0.650**-0.587**-0.654**
农村-0.624**-0.584**-0.627**
GSL城区0.696**0.738**0.673**
郊区0.852**0.786**0.855**
农村0.765**0.728**0.748**
EOS城区0.673**0.685**0.665**
郊区0.784**0.751**0.788**
农村0.765**0.728**0.748**

①: *表示在0.05的置信水平下显著,**表示在0.01的置信水平下显著。

新窗口打开| 下载CSV


3.4 气候变化对植被物候年际变化的影响

本研究将影响植被物候时段定义为: 以每年的1月1日起始,1—4月为影响SOS的时段,7—10月为影响EOS的时段,并选择了最高气温、最低气温、降水、日照和风速作为影响因子,分析这些因子与植被物候的相关关系,并确定显著性。从表5中可以看出,城乡梯度带上的SOS与气温、降水、风速和日照均呈负相关,其中SOS与日照的相关性最强,说明北京市城乡梯度带上的SOS对日照的变化最敏感。SOS与风速、气温和降水相关性较低,其中SOS与最高气温的相关系数更大,说明最高气温较风速、降水和最低气温,更能对春季物候的发生起到促进作用。

表5   气候因子与不同缓冲区内SOS的相关关系

Tab.5  Correlation between climate factors and SOS in different buffer zones

气候因子城区郊区农村
[0,
5) km		[5,
10) km		[10,
15) km		[15,
20] km
最高气温-0.448*①-0.375-0.367-0.340-0.357-0.377
最低气温-0.256-0.137-0.116-0.166-0.150-0.177
降水-0.291-0.374-0.257-0.315-0.361-0.389
日照-0.372-0.451*-0.512*-0.475*-0.456*-0.426
风速-0.168-0.261-0.323-0.246-0.161-0.179

①: *表示为在0.05的置信水平下显著,**表示为在0.01的置信水平下显著。

新窗口打开| 下载CSV


最高气温、最低气温、降水和风速与不同缓冲区内的EOS表现为正相关(表6),其中风速与EOS的相关性最强,在0.01的置信水平上显著相关,说明北京市城乡梯度带上的EOS对风速的变化最敏感。日照与不同缓冲区内的EOS表现为负相关,但相关性较低,且不显著。

表6   气候因子与不同缓冲区内EOS的相关关系

Tab.6  Correlation between climate factors and EOS in different buffer zones

气候因子城区郊区农村
[0,
5) km		[5,
10) km		[10,
15) km		[15,
20] km
最高气温0.3970.4030.4180.452*①0.461*0.459*
最低气温0.1660.1340.1710.1760.2010.220
降水0.494*0.641**0.593**0.533*0.516*0.527*
日照-0.0019-0.0330.0370.0540.0290.070
风速0.690**0.833**0.822**0.782**0.754**0.768**

①: *表示在0.05的置信水平下显著,**表示在0.01的置信水平下显著。

新窗口打开| 下载CSV


4 结论

本文基于MODIS数据,使用D-L拟合法和动态阈值法提取2001—2020年北京市植被物候参数SOS,GSL和EOS,在此基础上,构建城乡梯度带,分析植被物候的变化特征。选取城市热岛强度和城市化影响因子分析城市化对植被物候的影响,同时选取气候因子,分析探讨了降水、气温、日照和风速等气候因素对SOS和EOS的影响。2001—2020年间,北京市植被物候表现为SOS提前、GSL延长和EOS推迟,不同植被覆盖类型差异使得不同植被物候期分布范围也存在差异。北京市植被物候具有明显的城乡空间梯度差异,城区SOS最早,EOS最晚,郊区次之,农村植被物候变化受城市化影响最小。植被物候与城市热岛强度相关性明显,其中,SOS与UHII呈负相关,GSL,EOS与夜间UHII呈正相关。北京市植被物候参数与城市化影响因子间的相关系数值大于其与气候因子间的值,表明城市化进程对植被物候产生的影响可能较气候变化对植被物候产生的影响强。

参考文献

曹沛雨, 张雷明, 李胜功, 等.

植被物候观测与指标提取方法研究进展

[J]. 地球科学进展, 2016, 31(4):365-376.

DOI:10.11867/j.issn.1001-8166.2016.04.0365.      [本文引用: 1]

植被物候直接反映了植被生理生态过程对环境变化的响应,在气候变化研究中受到了越来越多的关注,并形成了不同的物候观测技术和指标提取方法。基于文献调研,首先分类评述了当前常用的植被物候观测技术,其次系统介绍了基于不同类型观测数据的植被物候指标提取方法,最后基于实测数据综合比较了多源数据和多种提取方法获取的植被物候指标之间的差异。分析表明,不同植被物候观测技术具有各自适宜的时间和空间尺度,而各种方法的相互补充将有助于完善植被物候观测体系;同时,利用不同观测技术和提取方法所获取的植被物候指标之间存在明显差异,尤其是对于植被秋季物候指标。因此,合理评估多源数据和多种方法间植被物候的差异,并建立可相互比较与转换的处理方法体系,对于改进和完善植被物候观测具有重要的意义。

Cao P Y, Zhang L M, Li S G, et al.

Review on vegetation phenology observation and phenological index extraction

[J]. Advances in Earth Science, 2016, 31(4):365-376.

DOI:10.11867/j.issn.1001-8166.2016.04.0365.      [本文引用: 1]

Vegetation phenology directly reflects the response of ecosystem physiological and ecological processes to environmental changes and has received increasing attention in climate change, which leads to the development of various phenology monitoring techniques and methods of extracting the phenological index. Based on relevant literatures, the monitoring techniques of vegetation phenology were reviewed. Second, the methods of extracting phenological index using different techniques were introduced systematically. Thirdly, the differences from multi-source data and from multi-methods were evaluated based on ground phenology record, flux observation and vegetation index. Although various methods have been adopted in current vegetation phenological studies, it should be aware of their appropriately spatiotemporal scales for different methods, and the mutual complementation will help to improve the system for phenology monitoring. Meanwhile, the comparison indicated the obvious differences in derived vegetation phenological index using various observation techniques and extraction methods, especially for the autumn vegetation phenological index. Such results highlight the importance to assess reasonably these differences from multi-source data and from multi-methods, and to establish a rational processing system for the mutual comparison and conversion from different methods.

付永硕, 李昕熹, 周轩成, 等.

全球变化背景下的植物物候模型研究进展与展望

[J]. 中国科学:地球科学, 2020, 50(9):1206-1218.

[本文引用: 1]

Fu Y S, LI X X, Zhou X C, et al.

Progress in plant phenology modeling under global climate change

[J]. Scientia Sinica(Terrae), 2020, 63:1237-1247.

[本文引用: 1]

卜亚勤, 丁海勇.

北京植被物候时空变化及其对城市化的响应

[J]. 遥感信息, 2022, 37(2):112-118.

[本文引用: 1]

Bu Y Q, Ding H Y.

Spatiotemporal variation of vegetation phenology and its response to urbanization in Beijing

[J]. Remote Sensing Information, 2022, 37(2):112-118.

[本文引用: 1]

李婷婷, 郭增长, 马超.

中国第二、三级阶梯地形过渡带山前植被物候时空变化探析

[J]. 地理研究, 2022, 41(11):3000-3020.

DOI:10.11821/dlyj020211206      [本文引用: 1]

基于1982—2015年GIMMS NDVI 3g V1.0数据、3小时温度、逐日降水和日太阳辐射数据集、数字高程模型、中国植被区划数据及实测物候验证数据，利用季节性植被物候提取法、Theil-Sen median趋势分析法和偏最小二乘回归分析等方法，研究中国第二、三级阶梯地形过渡带植被物候的时空变化规律，探讨植被物候对海拔、经纬度和气候变化的响应。结果表明：① 34 a间过渡带山前植被物候时空变化显著。时间上，植被物候呈返青期（Start Of Season, SOS）提前（-0.3187 d/a, p<0.01）、枯黄期（End Of Season, EOS）推迟（0.1171 d/a, p>0.1）和生长季长度（Length Of Growing Season, LOS）延长（0.4358 d/a, p<0.01）趋势；空间上，按SOS像元的86.24%提前、EOS像元的69.66%推迟和LOS像元的84.42%延长分布。② 34 a间过渡带山前植被物候地带性特征明显。垂直地带性方面，在中低纬度地区的物候始末期受以400 m等高线为界的海拔梯度影响，由平原到山地产生SOS平均提前8d，EOS提前25~36 d的分段式变化；水平地带性方面，低纬度和中高纬度地区的植被物候以35°N（秦岭-淮河一线，中国南北方的分界线）、43.5°N（暖温带落叶阔叶林区与温带草原区的分界）为转折点，由南向北SOS以-0.78 d/°、4.89 d/°和-1.56 d/°分段变化，EOS以-3.96 d/°、-1.85 d/°和0.89 d/°分段变化。③ 34 a间过渡带植被物候受气象因素驱动。对于植被返青期，气温对中纬度地区SOS的影响最大，降水的贡献随着纬度的降低而增大，太阳辐射在中纬度地区的贡献力大于低纬度地区；对于植被枯黄期，中纬度地区对EOS的多因素贡献力为太阳辐射>气温>降水（太阳辐射对草原区无贡献力），低纬度地区贡献力排序与之相反；本研究对宏观地理带中不同植被区划的物候变化认知有学术意义，也为地理因素与气候因素共同影响的植被物候变化提供了新的认识。

Li T T, Guo Z Z, Ma C.

Spatiotemporal changes of piedmont phenology in the transitional zone between the second and third steps,China

[J]. Geographical Research, 2022, 41(11):3000-3020.

[本文引用: 1]

Jonsson P, Eklundh L.

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

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

[本文引用: 1]

孙梦鑫, 张岳, 辛宇, 等.

川西高原近20 a植被物候变化及其对气候变化的响应

[J]. 生态环境学报, 2022, 31(7):1326-1339.

DOI:10.16258/j.cnki.1674-5906.2022.07.005      [本文引用: 1]

植被物候是植被生长发育、枯萎凋落的周期性变化现象,揭示植被物候变化及其对水热因子的响应机制具有重要的生态意义。采用两种动态阈值分别提取川西高原近20 a森林植被、草地的生长季开始期（Start of Growing Season,SOS）和生长季结束期（End of Growing Season,EOS）,利用Theil-Sen Median（Sen）趋势分析、偏相关系数分析植被物候的变化特征及其对季节性气温、降水的响应。结果表明,（1）川西高原植被平均SOS以70—130 d为主,平均EOS以260—290 d为主;植被SOS整体呈提前趋势、EOS整体呈推迟趋势,SOS的平均变化速率大于EOS;植被SOS平均提前速率为2.4 d∙(10 a)-1（α=0.05）,EOS平均推迟速率为1.4 d∙(10 a)-1（α=0.05）;草地和森林植被SOS平均提前速率大致相同,分别为2.4 d∙(10 a)-1、2.3 d∙(10 a)-1;草地EOS平均推迟速率1.4 d∙(10 a)-1,小于森林植被2.2 d∙(10 a)-1。（2）温度是影响植被SOS、EOS变化的主要因素。春季温度上升导致大部分植被SOS提前,这种现象在草地和森林植被间都很常见;冬季温度上升并不能使植被SOS出现普遍提前,且由于冬季温度升高可能会影响植被的春化作用,部分植被SOS甚至与冬季温度呈正相关;秋季温度上升是植被EOS推迟的主要因素,对草地的影响尤其显著;部分植被EOS与夏季温度呈负相关,这可能与夏季温度上升产生的水分胁迫以及植被生长周期的提前结束有关。（3）冬春季降水对植被SOS的影响不明显;夏季降水减少虽然对EOS有提前效应,但秋季降水增加以及升温对植被EOS的推迟作用强于夏季降水减少所带来的影响。

Sun M X, Zhang Y, Xin Y, et al.

Changes of vegetation phenology and its response to climate change in the west Sichuan Plateau in the past 20 years

[J]. Ecology and Environmental Sciences, 2022, 31(7):1326-1339

[本文引用: 1]

张仁平, 郭靖, 马晓芳, 等.

基于MODIS数据的新疆草地物候提取方法及变化趋势分析

[J]. 草业学报, 2022, 31(1):1-12.

DOI:10.11686/cyxb2020510      [本文引用: 1]

基于遥感手段监测植被物候涉及两个重要步骤，一是植被指数的重构方法，二是植被物候参数提取方法的选择。不同区域植被物候重构与提取方法的优劣尚无定论，有必要开展不同方法之间的对比分析，从而找到适合某区域最优的遥感提取方法。本研究基于非对称性高斯函数拟合法（asymmetric gaussian，A-G）、双逻辑斯蒂函数拟合法（double logistic，D-L）、Savitzky-Golay滤波法（S-G）和土地覆盖动态产品（MCD12Q2）4种方法反演了2001-2019年新疆地区草地的返青期（start of growing season，SOS），通过4种方法提取结果对比，找到了适合提取新疆地区返青期的最优模型，并以此对新疆草地返青期时空变化进行研究。结果表明：1）A-G方法反演的新疆草地返青期的结果最佳。A-G和实测点的返青期相关性（R=0.879）较高，均方根误差较小（RMSE=16.395 d）。空间上，A-G方法提取的返青期标准差（<30 d）的面积比例最多，达到82.19%。2）近19年，新疆草地返青期主要集中在第60~140天，且具有自北向南逐渐推迟的明显地域差异。北部准噶尔盆地和伊犁河谷区域的草地返青时间最早，早于第80天，而阿尔泰山、天山中部及昆仑山等区域的草地返青时间最晚，晚于第140天。不同草地类型返青期存在明显的差异，高寒草甸与高寒草原的返青时间最晚，而温性荒漠返青时间最早。3）2001-2019年新疆草地返青期总体呈现微弱的推迟趋势，推迟的面积比例约为53.07%。其中，低地草甸、温性荒漠和高寒荒漠的返青期呈现推迟的变化趋势，而温性草原、高寒草原及高寒草甸的返青期表现为提前趋势。

Zhang R P, Guo J, Ma X F, et al.

Grassland phenology extraction for Xinjiang Province and trend analysis using MODIS data

[J]. Acta Prataculturae Sinica, 2022, 31(1):1-12.

[本文引用: 1]

Shen M G, Piao S L, Cong N, et al.

Precipitation impacts on vegetation spring phenology on the Tibetan Plateau

[J]. Global Change Biology, 2015, 21(10):3647-3656.

DOI:10.1111/gcb.12961      PMID:25926356      [本文引用: 1]

The ongoing changes in vegetation spring phenology in temperate/cold regions are widely attributed to temperature. However, in arid/semiarid ecosystems, the correlation between spring temperature and phenology is much less clear. We test the hypothesis that precipitation plays an important role in the temperature dependency of phenology in arid/semiarid regions. We therefore investigated the influence of preseason precipitation on satellite-derived estimates of starting date of vegetation growing season (SOS) across the Tibetan Plateau (TP). We observed two clear patterns linking precipitation to SOS. First, SOS is more sensitive to interannual variations in preseason precipitation in more arid than in wetter areas. Spatially, an increase in long-term averaged preseason precipitation of 10 mm corresponds to a decrease in the precipitation sensitivity of SOS by about 0.01 day mm(-1). Second, SOS is more sensitive to variations in preseason temperature in wetter than in dryer areas of the plateau. A spatial increase in precipitation of 10 mm corresponds to an increase in temperature sensitivity of SOS of 0.25 day °C(-1) (0.25 day SOS advance per 1 °C temperature increase). Those two patterns indicate both direct and indirect impacts of precipitation on SOS on TP. This study suggests a balance between maximizing benefit from the limiting climatic resource and minimizing the risk imposed by other factors. In wetter areas, the lower risk of drought allows greater temperature sensitivity of SOS to maximize the thermal benefit, which is further supported by the weaker interannual partial correlation between growing degree days and preseason precipitation. In more arid areas, maximizing the benefit of water requires greater sensitivity of SOS to precipitation, with reduced sensitivity to temperature. This study highlights the impacts of precipitation on SOS in a large cold and arid/semiarid region and suggests that influences of water should be included in SOS module of terrestrial ecosystem models for drylands. © 2015 John Wiley & Sons Ltd.

Wang C, Cao R Y, Chen J, et al.

Temperature sensitivity of spring vegetation phenology correlates to within-spring warming speed over the Northern Hemisphere

[J]. Ecological Indicators, 2015, 50:62-68.

[本文引用: 1]

魏晓帅, 高永龙, 范雅倩, 等.

北京植被净初级生产力对物候变化的响应

[J]. 农业工程学报, 2022, 38(18):167-175.

[本文引用: 1]

Wei X S, Gao Y L, Fan Y Q, et al.

Responses of the net primary productivity of vegetation to phenological changes in Beijing of China

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(18):167-175.

[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]

Zhang Q, Kong D D, Shi P J, et al.

Vegetation phenology on the Qinghai-Tibetan Plateau and its response to climate change(1982-2013)

[J]. Agricultural and Forest Meteorology, 2018, 248:408-417.

[本文引用: 1]

Gao X, Zhao D.

Impacts of climate change on vegetation phenology over the Great Lakes Region of Central Asia from 1982 to 2014

[J]. The Science of the Total Environment, 2022, 845:157227.

[本文引用: 1]

钟巧, 焦黎, 李稚, 等.

博斯腾湖流域潜在蒸散发时空演变及归因分析

[J]. 干旱区地理, 2019, 42(1):103-112.

[本文引用: 1]

Zhong Q, Jiao L, Li Z, et al.

Spatial and temporal changes of potential evapotranspiration and its attribution in the Bosten Lake Basin

[J]. Arid Land Geography, 2019, 42(1):103-112.

[本文引用: 1]

胡明新, 周广胜, 吕晓敏, 等.

温度和光周期协同作用对蒙古栎幼苗春季物候的影响

[J]. 生态学报, 2021, 41(7):2816-2825.

[本文引用: 1]

Hu M X, Zhou G S, Lyu X M, et al.

Interactive effects of different warming and changing photoperiod on spring phenology of Quercus mongolicus seedlings

[J]. Acta Ecologica Sinica, 2021, 41(7):2816-2825.

[本文引用: 1]

李耀斌, 张远东, 顾峰雪, 等.

中国温带草原和荒漠区域春季物候的变化及其敏感性分析

[J]. 林业科学研究, 2019, 32(4):1-10.

[本文引用: 1]

Li Y B, Zhang Y D, Gu F X, et al.

Changes of spring phenology and sensitivity analysis in temperate grassland and desert zones of China

[J]. Forest Research, 2019, 32(4):1-10.

[本文引用: 1]

Zhou D C, Zhao S Q, Zhang L X, et al.

Remotely sensed assessment of urbanization effects on vegetation phenology in China’s 32 major cities

[J]. Remote Sensing of Environment, 2016, 176:272-281.

[本文引用: 1]

Li X C, Zhou Y Y, Asrar G R, et al.

Response of vegetation phenology to urbanization in the conterminous United States

[J]. Global Change Biology, 2017, 23(7):2818-2830.

DOI:10.1111/gcb.13562      PMID:27988975      [本文引用: 1]

The influence of urbanization on vegetation phenology is gaining considerable attention due to its implications for human health, cycling of carbon and other nutrients in Earth system. In this study, we examined the relationship between change in vegetation phenology and urban size, an indicator of urbanization, for the conterminous United States. We studied more than 4500 urban clusters of varying size to determine the impact of urbanization on plant phenology, with the aids of remotely sensed observations since 2003-2012. We found that phenology cycle (changes in vegetation greenness) in urban areas starts earlier (start of season, SOS) and ends later (end of season, EOS), resulting in a longer growing season length (GSL), when compared to the respective surrounding urban areas. The average difference of GSL between urban and rural areas over all vegetation types, considered in this study, is about 9 days. Also, the extended GSL in urban area is consistent among different climate zones in the United States, whereas their magnitudes are varying across regions. We found that a tenfold increase in urban size could result in an earlier SOS of about 1.3 days and a later EOS of around 2.4 days. As a result, the GSL could be extended by approximately 3.6 days with a range of 1.6-6.5 days for 25th ~ 75th quantiles, with a median value of about 2.1 days. For different vegetation types, the phenology response to urbanization, as defined by GSL, ranges from 1 to 4 days. The quantitative relationship between phenology and urbanization is of great use for developing improved models of vegetation phenology dynamics under future urbanization, and for developing change indicators to assess the impacts of urbanization on vegetation phenology.© 2016 John Wiley & Sons Ltd.

Mathew A, Khandelwal S, Kaul N.

Investigating spatial and seasonal variations of urban heat island effect over Jaipur city and its relationship with vegetation,urbanization and elevation parameters

[J]. Sustainable Cities and Society, 2017, 35:157-177.

[本文引用: 1]

张聪聪, 孟丹, 李小娟.

京津冀地区植被物候时空变化及其对城市化的响应

[J]. 生态学报, 2023, 43(1):249-262.

[本文引用: 1]

Zhang C C, Meng D, Li X J.

Spatial and temporal changes of vegetation phenology and its response to urbanization in the Beijing-Tianjin-Hebei region

[J]. Acta Ecologica Sinica, 2023, 43(1):249-262.

[本文引用: 1]

胡召玲, 戴慧, 侯飞, 等.

中国东北城乡植被物候时空变化及其对地表温度的响应

[J]. 生态学报, 2020, 40(12):4137-4145.

[本文引用: 1]

Hu Z L, Dai H, Hou F, et al.

Spatio-temporal change of urban-rural vegetation phenology and its response to land surface temperature in Northeast China

[J]. Acta Ecologica Sinica, 2020, 40(12):4137-4145.

[本文引用: 1]

蔡红艳, 杨小唤, 张树文.

植物物候对城市热岛响应的研究进展

[J]. 生态学杂志, 2014, 33(1):221-228.

[本文引用: 1]

城市热岛引起的局地小气候改变对生态系统格局、过程及功能的影响加剧。植物物候是检测这种影响的敏感且易观测的生物指示器，其对城市热岛的响应研究成为城市生态学及全球变化科学关注的热点。本文系统综述近年来相关研究成果，指出物候地面观测、模型模拟及遥感监测是获取城市植物物候的主要途径，联合公众并充分结合照片、多分辨率影像等可丰富物候资料获取；由于城市热岛的影响，城市春季物候早于周围乡村地区，但对于驱动机制仍没有定论；随着城市增温，城市春季物候提前，秋季物候延后，但如何定量区分致使城市增温的热岛效应与气候增暖的影响成为难点；同时，植物功能型、外来种等生物因素及地理区位因素对植物物候响应产生影响。为此，提出未来应抽丝剥茧去除干扰因素，加强植物物候响应机理的研究。&nbsp;

Cai H Y, Yang X H, Zhang S W.

Research advances in plant phenological responses to urban heat island

[J]. Chinese Journal of Ecology, 2014, 33(1):221-228.

[本文引用: 1]

Yang J, Huang X.

The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019

[J]. Earth System Science Data, 2021, 13(8):3907-3925.

[本文引用: 1]

Li X C, Gong P, Zhou Y Y, et al.

Mapping global urban boundaries from the global artificial impervious area (GAIA) data

[J]. Environmental Research Letters. 2020. 15(9):094044.

[本文引用: 1]

丁海勇, 卜亚勤, 徐路明.

长三角地区植被物候时空变化及其对城市化的响应

[J]. 安全与环境学报, 2021, 21(3):1352-1360.

[本文引用: 1]

Ding H Y, Bu Y Q, Xu L M.

Spatial and temporal variation of the plant phenology and its response to the urbanization trend in the Yangtze River delta

[J]. Journal of Safety and Environment, 2021, 21(3):1352-1360.

[本文引用: 1]

韩红珠, 白建军, 张波, 等.

基于 MODIS 时序的陕西省植被物候时空变化特征分析

[J]. 国土资源遥感, 2018, 30(4):125-131.doi:10.6046/gtzyyg.2018.04.19.

[本文引用: 1]

Han H Z, Bai J J, Zhang B, et al.

Spatial-temporal characteristics of vegetation phenology in Shaanxi Province based on MODIS time series

[J]. Remote Sensing for Natural Resources, 2018,(4):125-131.doi:10.6046/gtzyyg.2018.04.19.

[本文引用: 1]

周稳, 迟永刚, 周蕾.

基于日光诱导叶绿素荧光的北半球森林物候研究

[J]. 植物生态学报, 2021, 45(4):345-354.

[本文引用: 1]

Zhou W, Chi Y G, Zhou L.

Vegetation phenology in the Northern Hemisphere based on the solar-induced chlorophyll fluorescence

[J]. Chinese Journal of Plant Ecology, 2021, 45(4):345-354.

[本文引用: 1]

周玉科, 刘建文.

基于MODIS NDVI和多方法的青藏高原植被物候时空特征分析

[J]. 遥感技术与应用, 2018, 33(3):486-498.

[本文引用: 1]

Zhou Y K, Liu J W.

Spatio-temporal analysis of vegetation phenology with multiple methods over the Tibetan Plateau based on MODIS NDVI data

[J]. Remote Sensing Technology and Application, 2018, 33(3):486-498.

[本文引用: 1]

White M A, DeBEURS K M, Didan K, et al.

Intercomparison,interpretation, and assessment of spring phenology in North America estimated from remote sensing for 1982-2006

[J]. Global Change Biology, 2009, 15(10):2335-2359.

[本文引用: 1]

吉珍霞, 裴婷婷, 陈英, 等.

黄土高原植被物候变化及其对季节性气候变化的响应

[J]. 生态学报, 2021, 41(16):6600-6612.

[本文引用: 1]

Ji Z X, Pei T T, Chen Y, et al.

Vegetation phenology change and its response to seasonal climate changes on the Loess Plateau

[J]. Acta Ecologica Sinica, 2021, 41(16):6600-6612.

[本文引用: 1]

覃嘉佳, 张继红, 张勇, 等.

季节性气候对不同草地植被物候变化的影响

[J]. 遥感信息, 2022, 37(4):10-15.

[本文引用: 1]

Qin J J, Zhang J H, Zhang Y, et al.

Grassland vegetation phenology change and its response to seasonal climate

[J]. Remote Sensing Information, 2022, 37(4):10-15.

[本文引用: 1]

石智宇, 王雅婷, 赵清, 等.

2001-2020年中国植被净初级生产力时空变化及其驱动机制分析

[J]. 生态环境学报, 2022, 31(11):2111-2123.

DOI:10.16258/j.cnki.1674-5906.2022.11.002      [本文引用: 1]

植被净初级生产力（NPP）是表征生态系统物质和能量循环的基础，也是区域和全球碳循环的重要组成部分。为揭示2001-2020年中国净初级生产力时空变化特征及其驱动机制，基于MOD17A3HGF数据产品，运用Sen趋势分析、Mann-Kendall检验以及Hurst指数等方法分析了中国植被NPP时空变化与未来发展趋势，并通过相关性、残差分析等方法定量分析了气候变化和人类活动在植被NPP变化过程中的相对作用。研究结果表明，（1）中国植被NPP空间上呈现东南高西北低的分布格局，时间上呈波动增加趋势，变化速率为2.86 g·m-2·a-1；空间变化以基本不变为主，NPP呈显著增加的面积明显大于显著减少的面积，未来中国84.38%的地区植被NPP将持续增加或由减少转为增加。（2）植被NPP与降水、气温总体上均呈正相关，其中降水对植被NPP影响更为显著；植被NPP与降水显著正相关的区域主要分布在长江以北地区，与气温显著正相关的区域主要分布在青藏高原中部和北部、云贵高原东南部、东南沿海地区以及山东南部等地。（3）气候变化和人类活动对中国植被NPP的增加均产生了重要作用，但两者在植被NPP改善区中的相对作用存在显著的空间差异性；气候变化主导的植被改善区主要集中在东北、华北、四川盆地及长江中下游平原等地区，人类活动主导植被改善区主要集中在华中、西南以及西北地区；而气候变化和人类活动对植被退化的影响在空间分布上较为一致，且气候变化对NPP退化区的影响较小，人类活动是植被NPP退化的主要因素。

Shi Z Y, Wang Y T, Zhao Q, et al.

The spatiotemporal changes of NPP and its driving mechanisms in China from 2001 to 2020

[J]. Ecology and Environmental Sciences, 2022, 31(11):2111-2123.

[本文引用: 1]

Guo M, Li J, He H S, et al.

Detecting global vegetation changes using mann-kendal (MK) trend test for 1982-2015 time period

[J]. Chinese Geographical Science, 2018, 28(6):907-919.

[本文引用: 1]

赖小红, 李名扬, 刘聪, 等.

植物物候对重庆主城区热岛效应的响应

[J]. 生态学报, 2019, 39(19):7025-7034.

[本文引用: 1]

Lai X H, Li M Y, Liu C, et al.

The phenological responses of plants to the heat island effect in the main urban area of Chongqing

[J]. Acta Ecologica Sinica, 2019, 39(19):7025-7034.

[本文引用: 1]

王彦超, 朱一丹, 徐丹丹.

基于Landsat 8影像的南京市热岛效应对植物物候的影响

[J]. 南京林业大学学报(自然科学版), 2018, 61(6):99-105.

[本文引用: 1]

Wang Y C, Zhu Y D, Xu D D.

The impact of urban heat island of Landsat 8 OLI on plant phenology in Nanjing

[J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2018, 42(6):99-105.

[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