基于GIMMS NDVI 3g.v1的近34年青海省植被生长季NDVI时空变化特征

引用本文

代子俊, 赵霞, 李冠稳, 王兴春, 庞龙辉. 基于GIMMS NDVI 3g.v1的近34年青海省植被生长季NDVI时空变化特征. 草业科学, 2018,35(4): 713-725
Dai Zi-jun, Zhao Xia, Li Guan-wen, Wang Xing-chun, Pang Long-hui. Spatial-temporal variations in NDVI in vegetation-growing season in Qinghai based on GIMMS NDVI 3g.v1 in past 34 years. Pratacultural Science, 2018,35(4): 713-725. 复制到剪切板

Doi: 10.11829/j.issn.1001-0629.2017-0387
Permissions

《草业科学》编辑部

基于GIMMS NDVI 3g.v1的近34年青海省植被生长季NDVI时空变化特征

代子俊¹, 赵霞¹, 李冠稳¹, 王兴春², 庞龙辉¹

1.青海师范大学中美合作(青海师范大学&普渡大学)自然资源与环境建模实验室青海省自然地理与环境过程重点实验室,青海西宁 810008;

2.青海省测绘局,青海西宁 810001

通讯作者:赵霞(1975-),女,青海贵德人,副教授,硕导,博士,主要从事水土资源研究。E-mail:zhaoxia@qhnu.edu.cn

第一作者:代子俊(1989-),女,山西大同人,在读硕士生,主要从事资源环境与生态评估研究。E-mail:18609788368@163.com

收稿日期: 2017-07-14 接受日期: 2017-09-26

资助项目: 青海省科技厅项目(2013-Z-936Q); 青海省地理空间信息技术与重点实验室2017年度开放课题(QDXS-2017-03); 2016年青海省重点实验室项目

摘要

在气候变化和人类活动的综合影响下,青海省生态环境发生了明显变化。在此背景下,以GIMMS NDVI 3g.v1为数据源,采用Sen+Mann-Kendal方法研究青海省1982-2015年植被覆盖区域NDVI时空变化,将趋势分析和R/S(rescaled range analysis)分析叠加,研究植被生长季NDVI变化的持续性特征,并揭示植被对气候变化及人类活动的响应规律。结果表明:1)近34年青海省植被NDVI整体呈从西北到东南的增加趋势;且变异系数显示,波动性较大地区集中在柴达木盆地周边和青南牧区西北部等植被NDVI较低的区域,波动性较小地区集中在祁连山东部、东部农业区和青南牧区东南部等植被NDVI较高的区域。2)近34年青海省植被NDVI整体呈增加趋势,增长率为0.38%·10 a^-1;且NDVI变化具有明显的阶段性,存在1994年和2000年两个突变点。3)近34年青海省植被改善区域(75.4%)远大于退化区域(24.6%),其中显著改善面积占植被覆盖区域面积的40.9%,退化区随时间变化在空间上表现出明显的转移现象。4)Hurst指数表明,青海省植被变化反持续性较强,趋势分析与Hurst指数叠加得出,由退化转为改善的区域占植被覆盖区面积的13.7%,由改善转为退化的区域占植被覆盖区面积的44.3%,另41.5%的区域无法确定未来变化趋势。5)青海省植被生长季NDVI受气候变化和人类活动的双重影响,且不同植被类型对气候变化的响应存在较大差异。

关键词: GIMMS NDVI 3g.v1; Sen+Mann-Kendall; R/S; 生长季NDVI; 时空变化; 变化响应

中图分类号:Q945.3 文献标志码:A 文章编号:1001-0629(2018)04-0713-13

Spatial-temporal variations in NDVI in vegetation-growing season in Qinghai based on GIMMS NDVI 3g.v1 in past 34 years

Dai Zi-jun¹, Zhao Xia¹, Li Guan-wen¹, Wang Xing-chun², Pang Long-hui¹

1.Qinghai Normal University, China-U.S. Joint Laboratory (Qinghai Normal University & Purdue University) for Natural Resource and Environment Modelling, Physical Geography and Environmental Process Key Laboratory of Qinghai Province, Xining 810008, Qinghai, China;

2.Qinghai Bureau of Surveying and Mapping, Xining 810001, Qinghai, China

Corresponding author: Zhao Xia E-mail:zhaoxia@qhnu.edu.cn

Abstract

Under the influence of climate change and human activities, the ecological environment in Qinghai Province has changed markedly. In this context, taking GIMMS NDVI3g.v1 as the data source, we analyzed temporal and spatial changes in NDVI of the vegetation coverage area in Qinghai Province from 1982 to 2015, using the Theil-Sen Median trend analysis and Maan-Kendall test. Both the trend analysis and R/S analysis were superimposed to study the persistent characteristics of NDVI change during the vegetation growth season, and reveal the regularity of vegetation response to climate change and human activities. The results showed that: 1) Vegetation NDVI in Qinghai Province increased from the Northwest to Southeast in the past 34 years, and the coefficient of variation indicated that a larger volatility region was concentrated in the lower NDVI region of the Qaidam Basin and northwest of the Qingnan pastoral area; the volatility was concentrated in the eastern part of the Qilian Mountains, eastern agricultural area, and southwest of Qingnan pasture area with high vegetation NDVI. 2) In the past 34 years, the overall NDVI of vegetation in Qinghai showed an increasing trend; growth rate was 0.38%·10 a^-1, the change in NDVI was obvious in phases, and there were two abrupt changes in 1994 and 2000. 3) The area of vegetation improvement in Qinghai Province (75.4%) from 1982 to 2015 was much larger than that of vegetation degradation (24.6%), of which the significant improvement area represented 40.9% of the area covered by vegetation, and the degradation zone showed a significant shift in space over time. 4) The Hurst index showed that the reverse trend of vegetation change in Qinghai Province was remarkably persistent; the trend analysis and Hurst index obtained by superposition showed that 13.7% of the area affected by degradation was enhanced from degradation to improvement, and 44.3% of the area from improvement to degradation; future trends of 41.5% of the area could not be determined, and only 0.2%-0.3% of area was between continuous improvement and sustained degradation. 5) The NDVI of vegetation growth in Qinghai Province was affected by climate change and human activities, and the response of different vegetation types to climate change was quite different.

Key words: GIMMS NDVI 3g.v1; Sen+Mann-Kendall; R/S; growing-season NDVI; Spatial-temporal variations; change response

文章图片

植被具有显著的季节变化和年际变化, 是连接各个生态系统的“ 纽带” , 对生态系统的稳定起着重要作用^[1]。同时植被的生长活动对气候变化非常敏感, 气候的变化必然会引起植被生长环境的变化, 从而影响植被的生长状况^[2]。气温和降水是影响植被生长主要的自然因素, 目前有关植被生长与水热因子的相关性已有大量研究^{[3, 4, 5, 6]}, 但结果不尽一致, 孙艳玲等^[3]和Sun等^[4]认为降水量是影响植被生长状况的主要因子; 然而罗玲等^[5]及Zhang等^[6]认为气温较降水对植被生长的作用更强; 并且不同植被类型对水热因子的响应不同。因此, 不同区域和不同生态环境下植被对气候变化的响应存在差异。青海省位于青藏高原的东北部, 生态环境比较脆弱, 是气候变化及人类活动的敏感区, 也是国家“ 退耕还林还草” 和“ 生态保护与生态建设” 的重点试验区。研究青海省植被生长动态变化及其对气候变化的响应对该区的生态环境保护和建设具有重要意义。

植被生长是一个地区植被长期适应环境变化的动态平衡过程, 具有明显的地域性, 研究植被生长活动需要从长时间序列角度进行^[7]。监测长时间序列植被的时空变化特征有助于理解和掌握该区植被生长与环境变化的相互作用。然而, 目前有关青海省植被生长的报道中, 主要利用GIMMS NDVI数据^{[8, 9]}研究1982-2006年植被生长变化, 利用MODIS数据^{[10, 11, 12]}分析2000年以来的植被生长变化, 缺少30年以上长时间序列的研究; 有学者^{[13, 14]}将GIMMS NDVI数据与MODIS数据结合起来研究长时间序列植被生长变化, 但由于传感器之间分辨率和数据质量不同, 对研究结果产生一定影响甚至出现了研究结论截然相反的问题^[15]。GIMMS NDVI 3g(AVHRR传感器第三代GIMMS NDVI产品), 时间跨度为1981-2013年, 已被证实是研究长时间序列植被生长动态变化最好的数据之一^{[16, 17, 18]}, 成功解决了由传感器不一致带来的误差; 其最新GIMMS NDVI 3g.V1数据集跨度为1981-2015年, 有关该数据集在青海省的应用还鲜有报道。基于此, 本研究利用GIMMS NDVI 3g.v1数据, 辅以Sen+Mann-Kendall分析和R/S方法分析研究青海省植被生长时空变化特征及未来变化趋势, 并揭示植被生长对气候变化的响应规律, 以期深入了解青海省植被生长变化过程, 为青海省的生态建设及恢复工程提供有益参考。

1 数据与方法

1.1 研究区概况

青海省地域辽阔, 位于世界屋脊青藏高原的东北部(89° 35'-103° 04' E和31° 39'-39° 19' N)。全省地势总体呈西高东低、南北高中部低的态势, 西部海拔高峻, 向东倾斜, 呈梯型下降。参考中国气象地理区划手册^[19], 将青海省分为4个分区:环湖(青海湖)和祁连山区处在祁连山地和阿尼玛卿山地之间, 地形起伏较大, 以牧业为主, 农牧结合, 处在东部农业区向西部牧业区过渡地带; 东部农业区处于黄土高原向青藏高原和西北干旱区的过渡地带, 平均海拔1 700~3 500 m, 气候条件相对较好, 占全省总面积的4.85%; 西北部的柴达木盆地, 降水稀少, 年均温1.1~5.1 ℃, 光能资源丰富, 形成干旱、极干旱的自然地理景观; 青南牧区海拔在4 200 m以上, 为青藏高原的腹心地带, 以高寒草原畜牧业为主, 是长江、黄河、澜沧江的发源地。青海省年降水量的分布趋势是由东南向西北逐渐减少, 绝大部分地区年降水量在400 mm以下, 柴达木盆地年降水量在17~182 mm, 盆地西北部少于50 mm。统计1:1 000 000植被类型图得到, 青海省植被类型为草甸、草原、荒漠、高山植被、灌丛、针叶林、栽培植被、阔叶林和沼泽9大类, 分别占全省植被覆盖面积的42.15%、20.02%、9.36%、6.89%、5.61%、0.89%、0.50%、0.15%和0.05%, 除栽培植被外其他类型均属自然植被, 占植被覆盖面积的90%以上。青海省研究区概况及植被类型如图1所示。

	Figure Option View Download New Window
	图1 研究区概况(a)及植被类型(b)Fig. 1 Study area (a) and vegetation types (b)

1.2 数据来源及预处理

GIMMS NDVI 3g数据为NASA’ s Goddard Space Flight Center 15 d合成数据, 空间分辨率0.083° × 0.083° , 是目前研究植被NDVI变化时间序列最长的数据集, 其最新GIMMS NDVI 3g.v1数据集, 是GIMMS NDVI 3g数据的升级产品, 减少了数据中的噪声, 数据为ncd格式, 每年有两个nc4文件, 每个nc4文件包含6个月NDVI数据, 共12景(时间分辨率为15 d), 数据下载网址:(https://ecocast.arc.nasa.gov/data/pub/gimms)。本研究通过格式转换、投影变换、行政区矢量裁剪及质量检验等预处理过程, 最后得到研究青海省植被NDVI变化的数据集。为消除云、大气和月内物候的影响, 采用最大值合成法(MVC)^[20], 使得每一像元为该月最大NDVI值。青海省植被一般5月份开始明显生长, 持续到9月份中旬^[21], 故选取5-9月作为青海省植被生长季节; 为排除非植被因素对分析结果的影响^[7], 采用1982-2015年生长季NDVI平均值大于0.1的区域作为植被覆盖区域, 剔除NDVI小于0.1的非植被区域。植被类型图数据(1:1 000 000)源于中国科学院资源环境科学数据中心(http://www.resdc.cn)。气象数据为青海省1982-2015年的逐月平均气温和降水量数据, 来自中国气象数据网(http://data.cma.cn)。

1.3 分析方法

1.3.1 变异系数变异系数(coefficient of variation, CV), 也称“ 离散系数” , 是衡量各观测值变异程度的一个统计量, 可以消除测量尺度和量纲的影响。现已被广泛用于反映植被年际变化波动情况^{[22, 23]}, 公式如下:

CV= $\begin{matrix} \frac{\sqrt[]{\overset{n}{\sum_{i = 1}} (x_{i} {- \bar{x})}^{2} n}}{\bar{x}} \end{matrix}$ (1)

式中:x_i表示1982-2015年逐年生长季节NDVI值, $\begin{matrix} \bar{x} \end{matrix}$ 为1982-2015年多年NDVI平均值, n为统计年数。CV值越大, 数据越分散, 植被年际变化越大; CV值越小, 数据越紧凑, 植被年际变化越稳定^[24]。

1.3.2 Sen+Mann-Kendall 趋势分析 Theil-Sen斜率也被称为“ Kendall斜率” 或“ 非线性参数回归斜率” 。Theil-Sen基于聚群和排序方法来计算变化趋势, 与常规的线性回归相比, 规避误差能力较强^[25]。公式为:

β =Median $\begin{matrix} (\frac{NDV I_{j} - NDV I_{i}}{j - i}) \end{matrix}$ , 1982≤ i< j≤ 2015。 (2)

式中:NDVI_j和NDVI_i为各像元第j年和第i年NDVI最大合成值, 当β > 0 时, 反映NDVI呈上升趋势, 反之为下降趋势。

Theil-Sen趋势变化的显著性不能通过自身判断, 而Mann-Kendall是一种非参数秩次检验方法, 其优点是无需对数据进行特定的分布检验, 也不受少数极端值的影响^[25]。公式如下:

设 {NDVI_i}, i=1982, 1983, …, 2015,

定义Z统计量为: Z= $\begin{matrix} \{\begin{matrix} \frac{S - 1}{\sqrt[]{V (S)}} 。 \\ 0 。 \\ \frac{S - 1}{\sqrt[]{V (S)}} 。 \end{matrix} \end{matrix}$ (3)

式中:S= $\begin{matrix} \overset{n - 1}{\sum_{i = 1}} \end{matrix}$ $\begin{matrix} \overset{n}{\sum_{j = i + 1}} \end{matrix}$ ƒ (NDVI_j-NDVI_i);

ƒ (NDVI_j-NDVI_i)= $\begin{matrix} \{\begin{matrix} 1, NDV I_{j} - NDV I_{i} > 0 。 \\ 0, NDV I_{j} - NDV I_{i} = 0 。 \\ - 1, NDV I_{j} - NDV I_{i} < 0 。 \end{matrix} \end{matrix}$

方差V(S)=n(n-1)(2n+5)/18。

式中:NDVI_i和NDVI_j分别为研究区像元第i年和第j年的生长季NDVI值, ƒ 为符号函数, n表示研究植被变化的时间长度。Z采用双边检验, 取值范围为(-∞ , +∞ ), 通过查找正态分布表, 本研究中取0.05置信水平即在∣Z∣> 1.96上判断植被NDVI变化趋势的显著性。

Theil-Sen斜率和Mann-Kendall趋势检验结合已经被广泛运用到植被趋势分析中^{[26, 27, 28]}, 是研究长时间序列植被NDVI数据的一种重要方法。为使结果准确可靠, 应用MATLAB 2016年生成Sen+Mann-Kendall函数。

1.3.3 R/S分析 R/S分析法, 也称重标极差分析(rescaled range analysis)^[29]。该方法由Hurst于1965年最先提出, 在水文学、气候学、经济学等各种时间序列数据的分析中有着广泛应用, 近期在植被生长变化趋势的预测中也得以应用^{[30, 31]}。为使结果准确可靠, 采用IDL8.5生成Hurst函数, 最后运用最小二乘法拟合得到H值。公式如下:

给定时间序列{NDVI₍_t₎}, t=1, 2, …, n。对于任意正整数τ , 定义均值序列:

$\begin{matrix} {\bar{NDVI}}_{(τ)} \end{matrix}$ = $\begin{matrix} \frac{1}{τ} \end{matrix} \begin{matrix} \overset{τ}{\sum_{t = 1}} \end{matrix}$ NDVI₍_t₎, τ =1, 2, …, n。 (4)

累积差:

X(t, τ )= $\begin{matrix} \overset{τ}{\sum_{t = 1}} \end{matrix}$ (NDVI₍_t₎- $\begin{matrix} {\bar{NDVI}}_{(τ)} \end{matrix}$ ), (5)

1≤ t≤ τ 。

极差:

R₍_τ₎=max1≤ t≤ τ X₍_t_,_τ₎-min1≤ t≤ τ X₍_t_,_τ₎。(6)

标准差:

S₍_τ₎= $\begin{matrix} \sqrt[]{\frac{1}{τ} \overset{τ}{\sum_{t = 1}} (NDV I_{(t)} - NDV I_{(τ)})^{2}} \end{matrix}$ 。 (7)

若存在R/S∝ τ ^H, 则表示时间序列{NDVI₍_t₎}存在Hurst现象, H值称为Hurst指数。当0< H< 0.5, 时间序列的前后变化趋势相反, 即NDVI时间序列具有反持续性, 且H值越接近于0, 反持续性作用越强; 当0.5< H< 1时, 时间序列的前后变化趋势一致, 即NDVI时间序列具有持续性, 且H值越接近于1, 持续性越强; 当H=0.5, 表明时间序列前后的变化具有随机性, 即NDVI时间序列为随机序列。

2 结果与分析

2.1 青海省植被生长季NDVI空间分布特征

生长季NDVI是计算最大值合成后5-9月份NDVI平均值, 利用1982-2015年的逐年植被生长季节NDVI平均值, 得到青海省近34 年间植被NDVI空间分布特征图(图2)。青海省植被NDVI整体呈西部低、东部高, 从西北到东南逐渐上升趋势, 植被NDVI大于0.3区域占整个区域的46.4%。NDVI高值区主要分布在环湖和祁连山区、东部农业区及三江源区东南部, 这些地区植被类型主要为针叶林、阔叶林、栽培植被、草甸; 低值区主要分布在柴达木盆地及可可西里荒漠区, 这些地区植被类型主要为高山植被、草原及荒漠。

	Figure Option View Download New Window
	图2 近34年青海省植被生长季平均NDVI空间分布Fig. 2 Spatial distribution of NDVI in vegetation-growth season in Qinghai Province in the past 34 years

2.2 青海省植被生长季NDVI变异性分析

变异系数反映了植被变化的稳定性, 基于34年青海省植被NDVI的变异系数分析结果, 采用几何间隔分割法分为5个层次(图3)。极低波动(0.013~0.061)区、低波动(0.061~0.077)区分别占植被覆盖区域面积的55.4%和17.2%, 主要分布在环湖和祁连山区、东部农业区及青南牧区。可见青海省大部分地区植被生长变化较稳定; 中度波动(0.077~0.125)区、较高(0.125~0.275)区和高波动(0.275~0.729)区分别占植被覆盖区域面积的22.6%、4.4%和0.3%, 主要分布在祁连山地区、鄂拉山地区、茶卡-共和盆地、东部河湟谷地、东昆仑山区及唐古拉山地区。青海省植被NDVI变化表现出了明显的地域差异性, 呈现“ 东南稳定、柴达木盆地边缘波动” 的现象。青海省东南部地势较低, 向西北部逐渐增高, 印度洋孟加拉湾湿热气流从东南向西北部爬升^[32], 造成东南部地区降水充沛, 气候条件适宜, 因此青海省东南部植被生长变化较稳定。而青海东部中低山区、丘陵、盆地和谷地以及东昆仑山区等柴达木盆地边缘地区降水相对较少, 同时受人为因素影响较大, 故柴达木盆地边缘植被覆盖变化波动性较强。

	Figure Option View Download New Window
	图3 近34年青海省生长季植被NDVI波动性空间分布图Fig. 3 Distribution pattern of NDVI in vegetation-growth season in Qinghai Province in the past 34 years

2.3 青海省植被生长季NDVI年际变化特征

取青海省1982-2015年逐年植被生长季NDVI均值制作植被年际NDVI变化图(图4)。1982-2015年植被NDVI整体呈波动上升趋势, 增速为0.38%· 10 a^-1, 并通过了显著性检验(P< 0.01)。其中1994-1995年植被NDVI急剧下降, 将两年NDVI值相减, 约有86%的像元NDVI值在下降; 1995-2000年植被NDVI持续增长, 到2001年突然下降, 统计两幅影像得出, 79%的像元NDVI值在下降。已有研究发现, 在20世纪90年代NDVI的趋势发生了重大变化, 例如Piao等^[33]发现, 1997年是欧亚大陆25年(1982-2006年)的转折点, 可能由于该时期的厄尔尼诺事件导致气候突变, 从而影响了植被生长变化。而Zhang等^[6]在喜马拉雅山科西河流域发现1994年和2000年两个植被生长突变点, 与本研究一致。1994年青海省植被生长突变点比欧亚大陆早了3年, 可能是由于高原和低海拔地区植被生长对气候响应的差异造成的。

	Figure Option View Download New Window
	图4 1982-2015年青海省植被生长季NDVI年际变化图Fig. 4 Interannual variation in NDVI in vegetation-growing season from 1982 to 2015

植被生长活动是一个不断适应气候变化和人为影响的动态过程, 而研究长时间序列植被生长变化的整体趋势忽略了这个过程, 同时由于1994和2000年NDVI值对后续植被变化趋势有明显影响, 因此有必要对整体进行分段拟合, 分为1982-1994年、1995-2000年、2001-2015年3个阶段。如图4所示, 各阶段植被NDVI的增长率均超过了整体水平, 且都通过了显著性检验(P< 0.05); 其中1995-2000年增速最快, 达到了4.5%· 10 a^-1。1982年植被生长季NDVI均值为0.28, 到2015年上升到0.298, 增长了6.3%。

2.4 近34年青海省植被生长变化趋势

将Theil-Sen趋势分析和Mann-Kendall显著性检验结果叠加, 并将耦合结果分为4个层次^[30](表1)。1982-2015年, β > 0且|Z|> 1.96, 植被呈显著改善趋势, 占全省植被覆盖面积的40.9%; β > 0且|Z|≤ 1.96, 植被呈轻微改善趋势, 占植被覆盖面积的34.5%; β < 0且|Z|> 1.96, 植被呈显著退化趋势, 占植被覆盖面积的4.9%; β < 0且|Z|≤ 1.96, 植被呈轻微退化趋势, 占植被覆盖面积的19.7%。植被改善区占植被覆盖区的绝大部分(75.4%), 表明青海省近34年来大部分地区植被以改善为主。分段结果显示, 1982-1994年轻微改善面积占植被覆盖面积的最大部分(54.3%), 其次是显著改善面积(占24.4%)、轻微退化面积, 占20.6%, 显著退化面积, 仅占0.7%; 1995-2000年轻微改善面积占植被覆盖面积的绝大部分(76.6%), 显著改善和显著退化面积分别占12.9%、0.1%, 轻微退化面积占12.9%; 2001-2015年改善面积占植被覆盖面积的大部分(48.9%), 显著改善面积占27.7%, 轻微退化面积占21.7.1%, 显著退化面积仅占1.8%。

表1 近34年青海省植被生长变化趋势 Table 1 Trend of vegetation change in Qinghai Province in the past 34 years

将植被变化趋势和显著性检验结果在GIS10.3叠加显示(图5), 图5 a为青海省近34年植被变化趋势, 图5b、5c、5d为各阶段植被变化趋势。整体与分段显示结合, 可以清楚地了解青海省近34年植被覆盖区的植被变化情况。可以看出, 1982-2015年间植被改善区主要分布在东昆仑山区、东部柴达木盆地小区、中祁连山地小区、茶卡-共和盆地及部分河湟谷地; 退化区主要位于阿尼玛卿山-黄南高原小区。1982-1994年植被覆盖变化趋势, 显著改善区主要位于东昆仑山区、可可西里区; 轻微改善区占大部分, 除曲麻莱-杂多高原小区出现轻微退化外, 基本均有分布。1995-2000年植被覆盖变化趋势, 显著改善区零星分布于曲麻莱-杂多高原小区小区, 轻微改善占植被覆盖区域的绝大部分; 轻微退化区主要分布在东部农业区, 基本无显著退化。2001-2015年植被覆盖变化趋势, 显著改善区域主要分布在中祁连山地小区、东昆仑山区、茶卡-共和盆地及河湟谷地, 轻微改善区约占植被覆盖面积的50%, 全省基本都有分布, 轻微退化和显著退化区主要位于玉树-囊谦高山深谷小区及阿尼玛卿山-黄南高原小区。通过分段分析可得, 随时间变化植被NDVI在空间上存在转移现象, 其中退化区转移较明显, 1982-1994年主要分布在青南牧区西南部的曲麻莱-杂多高原小区, 1995-2000年转移到了东部农业区, 2001-2015年转移到青南牧区南部的玉树-囊谦高山深谷小区及阿尼玛卿山-黄南高原小区。

	Figure Option View Download New Window
	图5 1982-2015年青海省各阶段生长季植被变化趋势空间分布图Fig. 5 Spatial distribution of vegetation trends at various stages in the growing season in Qinghai Province from 1982 to 2015

2.5 青海省植被变化持续性分析

上述分析主要反映了近34年青海省植被变化情况, 对其未来变化趋势尚不清楚, 为此将植被变化结果与R/S分析结果叠加(图6), 用以揭示青海省植被未来的变化趋势。H值越接近于0.5, 表明时间序列前后的变化无关联, 即无法确定其变化趋势, 借鉴刘焱序等^[31]经验, 本研究将H值介于0.4~0.6的视为不能判定其持续性。根据R/S分析结果得出, 青海省植被NDVI的H值平均为0.39(0.045~0.733), 其中H值小于0.4的区域占植被覆盖区面积的58%, 介于0.4~0.6间的占41.5%, 大于0.6的仅占0.5%, 说明青海省植被变化反持续性较强。如图6b所示, 由退化转为改善的区域占植被覆盖区域的13.7%, 主要分布在玉树-囊谦高山深谷原小区、黄河源头-巴颜喀拉山地小区及阿尼玛卿山-黄南高原小区; 由改善转为退化的区域占44.3%, 主要分布在东部柴达木盆地小区、中祁连山地小区、曲麻莱-杂多高原小区、玉树-囊谦高山深谷原小区及黄河源头-巴颜喀拉山地小区; 未来变化趋势不确定的区域占41.5%, 主要分布在东部农业区及青南牧区; 持续性改善和持续性退化的区域仅分别占0.2%和0.3%。

	Figure Option View Download New Window
	图6 青海省植被Hurst指数(a)及未来变化趋势(b)Fig. 6 Hurst index of vegetation (a) and future trends in Qinghai Province (b)

3 讨论

3.1 植被NDVI对气候变化的响应

3.1.1 像元尺度青海省内降水量较大的区域主要集中在东南部, 东北部的祁连山地区次之, 可可西里及西北的柴达木盆地降水量最少, 总的趋势是由东南向西北递减; 年均温较高的地区主要分布在中部的湟水谷地及柴达木盆地, 较低的区域主要分布在祁连山中西部及青南高原, 总的趋势是南北低中间高^[32]。近34年青海省植被生长季节气温和降水总体呈增长趋势, 气温增长率为0.7 ℃· 10 a^-1, 降水量增长率为7.7 mm· 10 a^-1(图7), 将生长季节NDVI与气温和降水量进行相关分析, 发现NDVI与气温相关系数为0.56, 并通过了显著性检验(P< 0.01), 但与降水量变化相关不显著(P> 0.05); 因此气温对植被覆盖变化的影响更明显。

	Figure Option View Download New Window
	图7 植被生长季NDVI与气温和降水的关系Fig. 7 Relationship of NDVI with temperature and precipitation in growth season

3.1.2 植被类型尺度每种植被类型都具有独特的生理结构和生长所需的环境条件, 使得不同植被类型对气候变化的响应存在差异^{[33, 34]}。由于自然植被占全省植被覆盖面积的90%以上, 且Chen等^[35]认为, 土地覆被变化、火灾、植被病虫害等对GIMMS NDVI 3g数据影响可以忽略不计, 因此可以利用该植被类型图获得用于本研究中各植被类型生长季NDVI的数据集。从不同植被类型的NDVI变化规律分析(图8), 近34年各植被类型NDVI均呈增加趋势, 只是增加速率和幅度不一致, 其中栽培植被和草原增长最快, 增速分别为0.73%· 10 a^-1、0.58%· 10 a^-1, 下来依次为阔叶林(0.47%· 10 a^-1)、高山植被(0.41%· 10 a^-1)、草甸(0.34%· 10 a^-1)、荒漠(0.36%· 10 a^-1)、针叶林(0.34%· 10 a^-1)、沼泽(0.30%· 10 a^-1)和灌丛(0.24%· 10 a^-1), 除阔叶林、针叶林、灌丛外其他类型均通过了显著性检验(P< 0.05)。

	Figure Option View Download New Window
	图8 各植被类型生长季NDVI年际变化图Fig. 8 Interannual variation in NDVI of each vegetation type

1982-2015年, 阔叶林、灌丛及针叶林生长季NDVI分别介于0.516~0.585、0.508~0.545、0.500~0.544, 其中1982年值最小, 2013年值最大, 将3种植被生长季NDVI均值与生长季平均气温和降水量进行相关分析发现, 阔叶林、灌丛及针叶林均未通过0.05水平显著性检验; 草甸、高山植被及草原生长季NDVI均值分别在0.383~0.431、0.282~0.323和0.211~0.256, 其中1995年值最小, 2010年值最大, 将其生长季NDVI均值与生长季平均气温和降水量进行相关分析发现, 3种植被生长季NDVI均与生长季平均气温呈现较好的相关性, 相关系数分别为0.46、0.52和0.51, 且通过了0.01水平显著性检验; 栽培植被生长季NDVI在0.350~0.367, 34年来NDVI变化幅度较大, 增长了14.1%, 其中1982年值最小, 2012年值最大, 将栽培植被生长季NDVI均值与生长季平均气温和降水量做相关分析得, 其与生长季平均气温和降水量均相关, 相关系数分别为0.38和0.35, 均通过了0.05水平显著性检验; 沼泽和荒漠生长季NDVI较低, 生长季NDVI均值分别为0.142和0.103, 二者生长季NDVI增长幅度都较大, 分别增长了8.5%和13.7%, 将沼泽和荒漠生长季NDVI与生长季平均气温和降水量进行相关分析得, 其均与生长季平均气温呈现较好的相关性, 相关系数分别为0.56和0.51, 均通过了0.01水平显著性检验。以上分析表明, 不同植被类型对气候变化干扰的反映存在较大差异, 生理结构和生长所需环境较稳定的针叶林、灌木、阔叶林相对生理结构简单的荒漠、沼泽等类型的抗干扰能力强。

3.2 植被NDVI对人类活动的响应

植被覆盖变化与人类活动息息相关, 尤其是国家退耕还林还草等大型生态恢复政策。本研究统计了从1983-2015年逐年的营造林和草地建设面积(1995-1999年青海省封山育林面积缺失)^[36], 营造林面积主要为当年的人工造林面积和封山(沙)育林面积, 草地建设面积主要为栽培草地面积和围栏草地面积(图9)。1983-2015年青海省营造林面积和草地建设面积整体均呈增长趋势, 1999年以后显著增长, 这与青海省1999年实行退耕还林还草生态恢复政策有关, 同时植被NDVI也呈增长趋势, 说明营造林和草地建设对植被NDVI变化起到一定的促进作用, 但植被覆盖变化并未与营造林和草地建设趋势完全一致, 这可能是由于气候变化等其他因子也对植被覆盖造成了影响。将逐年生长季节NDVI与逐年营造林和草地建设进行相关性分析, 发现植被覆盖变化与逐年营造林面积呈极显著正相关(P< 0.01), 但与逐年草地建设的相关性不显著。综上所述, 青海省植被覆盖面积是在气候和人为因子共同作用下呈现波动上升趋势。

	Figure Option View Download New Window
	图9 生长季节NDVI与逐年营造林面积和逐年草地建设的关系Fig. 9 Relationship of NDVI in growing season with annual afforestation and grassland establishment

4 结论

本研究利用最新发布的时间跨度最长的1982-2015年GIMMS NDVI 3g.v1数据集, 从空间、时间、植被类型3个尺度上, 研究了青海省近34年植被NDVI的时空变化特征及植被变化趋势的可持续性。得出以下结论:

1)近34年青海省植被NDVI整体呈从西北到东南逐渐增加趋势, 且变异系数表明, 波动较大部分主要分布在柴达木盆地周边和青南高原西北部植被NDVI较低区, 波动较小部分主要分布在祁连山东部、东部农业区和青南牧区东南部植被NDVI较高区。

2)近34年青海省植被NDVI呈增加趋势, 增长率为0.38%· 10 a^-1; 不同植被类型NDVI均呈增加趋势, 但增加速率和幅度不一致, 其中栽培植被增速最快。植被变化存在1994年和2000年两个植被生长突变点, 1982-1994年、1995-2000年、2001-2015年均呈增加趋势, 增长率分别为1.1%· 10 a^-1、4.5%· 10 a^-1和1.0%· 10 a^-1。

3)近34年青海省植被改善区(75.4%)远大于退化区(24.6%), 其中显著改善面积占植被覆盖区面积的40.9%; 1982-1994年、1995-2000年和2001-2015年改善面积均在植被覆盖区面积的78%以上, 通过分段研究可以清楚地了解青海省近34年植被覆盖区的植被变化情况。

4) Hurst指数分析表明, 58%的植被覆盖区域H值小于0.4, H值在0.4~0.6占植被覆盖区域的41.5%, 青海省植被变化反向特征显著。趋势变化与变化持续性耦合得出, 由退化转为改善的区域占植被覆盖区面积的13.7%; 由改善转为退化的区域占44.3%; 未来变化趋势不确定的区域占41.5%; 持续性改善和持续性退化区域仅占0.2%和0.3%。

5)不同植被类型对气候变化的反映存在较大差异, 阔叶林、灌丛及针叶林与生长季平均气温和降水量进行相关分析, 均未通过0.05水平显著性检验; 草甸、高山植被、草原、沼泽和荒漠与生长季平均气温和降水量进行相关分析, 均通过了0.01水平显著性检验; 栽培植被与生长季平均气温和降水量进行相关分析, 均通过了0.05水平显著性检验。

青海省现有的草原、灌丛、森林等植被是在长期严酷的自然环境下形成的, 一旦遭到破坏短期内难以恢复。本研究结果较常规回归斜率方法更能反映青海省植被覆盖变化的趋势及变化程度, 对近34年植被NDVI进行R/S分析, 给出了青海省未来植被变化趋势的可持续性特征, 对研究区生态环境保护等工程的具体实施具有一定的参考意义, 且以GIMMS NDVI 3g.v1为数据源, 研究近34年青海省植被覆盖变化, 尽量减少了传感器不一致对结果的影响。本研究仍存在一些不确定性, 首先研究数据分辨率(0.083° × 0.083° )较低, 对区域细节的解释能力有限, 但对于植被宏观变化仍具有一定的指示意义; 其次, 本研究只选用了GIMMS NDVI 3g.v1一种数据集, 缺乏对多源NDVI数据集的相互比较和验证, 今后将进一步分析多种NDVI数据集在植被覆盖变化评估中的一致性, 以期得到更精准的结论。

(责任编辑王芳)

The authors have declared that no competing interests exist.

参考文献

文献选项

[1]	Menzel A, Fabian P. Growing season extended in Europe. Nature, 1999, 397: 659-659. [本文引用:1]
[2]	周伟, 刚成诚, 李建龙, 章超斌, 穆少杰, 孙政国. 1982-2010年中国草地覆盖度的时空动态及其对气候变化的响应. 地理学报, 2014, 69(1): 15-30. Zhou W, Gang C C, Li J L, Zhang S B, Mu S J, Sun Z G. Spatial-temporal dynamics of grassland coverage and its response to climate change in China during 1982-2010. Acta Geographica Sinica, 2014, 69(1): 15-30. (in Chinese) [本文引用:1]
[3]	孙艳玲, 郭鹏, 延晓冬, 赵天宝. 内蒙古植被覆盖变化及其与气候、人类活动的关系. 自然资源学报, 2010, 25(3): 407-414. Sun Y L, Guo P, Yan X D, Zhao T B. Dynamics of vegetation cover and its relationship with climate change and human activities in Inner Mongolia. Journal of Natural Resources, 2010, 25(3): 407-414. (in Chinese) [本文引用:2]
[4]	Sun J, Cheng G W, Li W P, Sha Y, Yang Y. On the variation of NDVI with the principal climatic elements in the Tibetan Plateau. Remote Sensing, 2013, 5(4): 1894-1911. [本文引用:2]
[5]	罗玲, 王宗明, 宋开山, 张柏, 刘殿伟, 仁春颖, 张素梅. 1982-2003年中国东北地区不同类型植被NDVI与气候因子的关系研究. 西北植物学报, 2009, 29(4): 800-808. Luo L, Wang Z M, Song K S, Zhang B, Liu D W, Ren C Y, Zhang S M. Research on the correlation between NDVI and climatic factors of different vegetations in the Northeast China. Acta Botanica Boreali-Occidentalia Sinica, 2009, 29(4): 800-808. (in Chinese) [本文引用:2]
[6]	Zhang Y L, Gao J G, Liu L H, Yang X C. NDVI-based vegetation changes and their responses to climate change from 1982 to 2011: A case study in the Koshi River Basin in the middle Himalayas. Global & Planetary Change, 2013, 108(3): 139-148. [本文引用:3]
[7]	杜加强, 贾尔恒·阿哈提, 赵晨曦, 房世峰, 刘伟玲, 阴俊齐, 袁新杰, 徐延达, 舒俭民, 何萍. 三江源区近30年植被生长动态变化特征分析. 草业学报, 2016, 25(1): 1-12. Du J Q, Jiaerheng·Ahati, Zhao C X, Fang S F, Liu W L, Yin J Q, Yuan X J, Xu Y D, Shu J M, He P. Analysis of vegetation dynamics using GIMMS NDVI 3g in the Three-Rivers Head-water Region from 1982 to 2012. Acta Prataculturae Sinica, 2016, 25(1): 1-12. (in Chinese) [本文引用:2]
[8]	陈京华, 贾文雄, 赵珍, 张禹舜, 刘亚荣. 1982-2006年祁连山植被覆盖的时空变化特征研究. 地球科学进展, 2015, 30(7): 834-845. Chen J H, Jia W X, Zhao Z, Zhang Y S, Liu Y R. Research on temporal and spatial variation characteristics of vegetation cover of Qilian Mountains from 1982 to 2006. Advances in Earth Science, 2015, 30(7): 834-845. (in Chinese) [本文引用:1]
[9]	杜加强, 舒俭民, 张林波. 1982-2006年黄南州NDVI年际变化及其与气候的关系. 水土保持通报, 2010, 30(4): 229-234. Du J Q, Shu J M, Zhang L B. Relationship between NDVI and climate factors in Huangnan City in recent 25 years. Bulletin of Soil and Water Conservation, 2010, 30(4): 229-234. (in Chinese) [本文引用:1]
[10]	王林林, 刘普幸, 王允. 近14年来柴达木盆地NDVI时空变化及其影响因素. 生态学杂志, 2015, 34(6): 1713-1722. Wang L L, Liu P X, Wang Y. Spatial and temporal variations of NDVI and its influencing factors in Qaidam Basin in the last 14 years. Chinese Journal of Ecology, 2015, 34(6): 1713-1722. (in Chinese) [本文引用:1]
[11]	刘宪锋, 任志远, 林志慧, 刘焱序, 张东海. 2000-2011年三江源区植被覆盖时空变化特征. 地理学报, 2013, 68(7): 897-908. Liu X F, Ren Z Y, Lin Z H, Liu Y X, Zhang D H. The spatial-temporal changes of vegetation coverage in the Three-River Headwater Region in recent 12 years. Acta Geographica Sinica, 2013, 68(7): 897-908. (in Chinese) [本文引用:1]
[12]	Kern A, Marjanovic H, Barcza Z. Evaluation of the Quality of NDVI 3g Dataset against Collection 6 MODIS NDVI in Central Europe between 2000 and 2013. Remote Sensing, 2016, 8(11): 955. [本文引用:1]
[13]	王玮, 冯琦胜, 郭铌, 沙莎, 胡蝶, 王丽娟, 李耀辉. 基于长时间序列NDVI资料的我国西北干旱区植被覆盖动态监测. 草业科学, 2015, 32(12): 1969-1979. Wang W, Feng Q S, Guo N, Sha S, Hu D, Wang L J, Li Y H. Dynamic monitoring of vegetation coverage based on long time-series NDVI data sets in northwest arid region of China. Pratacultural Science, 2015, 32(12): 1969-1979. (in Chinese) [本文引用:1]
[14]	许玉凤, 杨井, 陈亚宁, 杨雅雪. 近32年来新疆地区植被覆盖的时空变化. 草业科学, 2015, 32(5): 702-709. Xu Y F, Yang J, Chen Y N, Yang Y X. The spatial-temporal variations of vegetation cover in Xinjiang from 1982 to 2013. Pratacultural Science, 2015, 32(5): 702-709. (in Chinese) [本文引用:1]
[15]	刘宪锋, 朱秀芳, 潘耀忠, 李宜展, 赵安周. 1982-2012年中国植被覆盖时空变化特征. 生态学报, 2015, 35(16): 5331-5342. Liu X F, Zhu X F, Pan Y Z, Li Y Z, Zhao A Z. Spatiotemporal changes in vegetation coverage in China during 1982 to 2012. Acta Ecologica Sinica, 2015, 35(16): 5331-5342. (in Chinese) [本文引用:1]
[16]	Ibrahim Y Z, Balzter H, Kaduk J, Tucker C. Land degradation assessment using residual trend analysis of GIMMS NDVI 3g, soil moisture and rainfall in Sub-Saharan West Africa from 1982 to 2012. Remote Sensing, 2015, 7(5): 5471-5494. [本文引用:1]
[17]	Wang J, Dong J, Liu J, Huang M, Li G C, Running S W, Smith W K, Harris W, Saigusa N, Kondo H, Liu Y F, Hirano T, Xiao X M. Comparison of gross primary productivity derived from GIMMS NDVI 3g, GIMMS, and MODIS in Southeast Asia. Remote Sensing, 2014, 6(3): 2108-2133. [本文引用:1]
[18]	杜加强, 王跃辉, 师华定, 房世峰, 何萍, 刘伟玲, 阴俊齐. 基于MODIS和Land sat的青藏高原两代GIMMS NDVI性能评价. 农业工程学报, 2016, 32(22): 192-199. Du J Q, Wang Y H, Shi H D, Fang S F, He P, Liu W L, Yin J Q. Performance evaluation of GIMMS NDVI 3g and GIMMS NDVI g based on MODIS and Land sat in Tibetan Plateau. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(22): 192-199. (in Chinese) [本文引用:1]
[19]	中国气象局国家气象中心. 中国气象地理区划手册. 北京: 气象出版社, 2011: 34-35. China Meteorological Administration National Meteorological Center of CMA. Meteorological and Geographical Regionalization Hand book. Beijing: China Meteorological Press, 2011: 34-35. (in Chinese) [本文引用:1]
[20]	Holben B N. Characteristics of maximum-value composite images from temporal AVHRR data. International Journal of Remote Sensing, 1986, 7(11): 1417-1434. [本文引用:1]
[21]	赵健赟, 彭军还. 基于MODIS NDVI的青海高原植被覆盖时空变化特征分析. 干旱区资源与环境, 2016, 30(4): 67-73. Zhao J B, Peng J H. Spatio-temporal variation of the vegetation coverage in Qinghai Plateau based on MODIS NDVI data. Journal of Arid Land Resources and Environment, 2016, 30(4): 67-73. (in Chinese) [本文引用:1]
[22]	Shang H. *NDVI reconstruction based on tree-ring width of Sabina tibetica* Kom in Central Tibet*. Journal of Cell Biology*, 2015, 190(6): 1093-1106. [本文引用:1]
[23]	Oindo B O, Skidmore A K. Interannual variability of NDVI and species richness in Kenya. International Journal of Remote Sensing, 2002, 23(2): 285-298. [本文引用:1]
[24]	Cao R, Jiang W G, Yuan L H, Wang W J, Lv Z L, Chen Z. Inter-annual variations in vegetation and their response to climatic factors in the upper catchments of the Yellow River from 2000 to 2010. Journal of Geographical Sciences, 2014, 24(6): 963-979. [本文引用:1]
[25]	蔡博峰, 于嵘. 基于遥感的植被长时序趋势特征研究进展及评价. 遥感学报, 2009, 13(6): 1170-1186. Cai B F, Yu R. Advance and evaluation in the long time series vegetation trends research based on remote sensing. Journal of Remote Sensing, 2009, 13(6): 1170-1186. (in Chinese) [本文引用:2]
[26]	袁丽华, 蒋卫国, 申文明, 刘颖慧, 王文杰, 陶亮亮, 郑华, 刘孝富. 2000-2010年黄河流域植被覆盖的时空变化. 生态学报, 2013, 33(24): 7798-7806. Yuan L H, Jiang W G, Shen W M, Liu Y H, Wang W J, Tao L L, Zheng H, Liu X F. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010. Acta Ecologica Sinica, 2013, 33(24): 7798-7806. (in Chinese) [本文引用:1]
[27]	黄聪. 基于GIMMS NDVI 3g数据东北地表物候变化研究. 长春: 东北师范大学硕士学位论文, 2015. Huang C. The variation of land surface phenology based on GIMMS NDVI 3g Dataset. Master Thesis. Changchun: Northeast Normal University, 2015. (in Chinese) [本文引用:1]
[28]	袁沫汐. 湖北省植被动态变化与物候对气候变化的响应. 武汉: 武汉大学硕士学位论, 2017. Yuan M X. Dynamic change of vegetation and phenology response to climate change in Hubei Province. Master Thesis. Wuhan: Wuhan University, 2017. (in Chinese) [本文引用:1]
[29]	Rao A R, Bhattacharya D, Rao A R, Bhattacharya D. Hypothesis testing for long-term memory in hydrologic series. Journal of Hydrology, 1999, 216(3): 183-196. [本文引用:1]
[30]	Peng J, Liu Z H, Liu Y H, Wu J S, Han Y N. Trend analysis of vegetation dynamics in Qinghai-Tibet Plateau using Hurst Exponent. Ecological Indicators, 2012, 14(1): 28-39. [本文引用:2]
[31]	刘焱序, 王仰麟, 彭建, 魏海, 宋治清, 张小飞. 耦合恢复力的林区土地生态适宜性评价: 以吉林省汪清县为例. 地理学报, 2015, 70(3): 476-487. Liu Y X, Wang Y L, Peng J, Wei H, Song Z Q, Zhang X F. Land ecological suitability assessment for forest coupled withthe resilience perspective: A case study in Wangqing County, Jilin Province, China. Acta Geographica Sinica, 2015, 70(3): 476-487. (in Chinese) [本文引用:2]
[32]	张忠孝. 青海地理. 北京: 科学出版社, 2009. Zhang Z X. Geography of Qinghai. Beijing: Science Press, 2009. (in Chinese) [本文引用:2]
[33]	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. [本文引用:2]
[34]	王志伟, 王茜, 李世歌, 王普昶, 刘秀峰, 谢彩云, 史健宗, 吴佳海, 王小利, 陆瑞霞, 莫本田. 贵州喀斯特近30年植被生长特征分析. 草业科学, 2016, 33(11): 2180-2188. Wang Z W, Wang Q, Li S G, Wang P C, Liu X F, Xie C Y, Shi J Z, Wu J H, Wang X L, Lu R X, Mo B T. The growth characteristics of vegetation in the Karst regions of Guizhou from 1981-2012. Pratacultural Science, 2016, 33(11): 2180-2188. (in Chinese) [本文引用:1]
[35]	Chen B H, Xu G, Coops N C, Ciais P, Innes J L, Wang G Y, Myneni R B, Wang T L, Krzyzanowski J, Li Q L, Cao L, Liu Y. Changes in vegetation photosynthetic activity trends across the Asia-Pacific region over the last three decades. Remote Sensing of Environment, 2014, 144(4): 28-41. [本文引用:1]
[36]	青海省统计局编. 青海省统计年鉴1984-2016. 北京: 中国统计出版社. Statistics Bureau of Qinghai Province. Statistical Yearbook of Qinghai Province 1984-2016. Beijing: China Statistics Press. (in Chinese) [本文引用:1]

1999

0.0

... ,对生态系统的稳定起着重要作用^[1] ...

2014

0.0

周伟, 刚成诚, 李建龙, 章超斌, 穆少杰, 孙政国. 1982-2010年中国草地覆盖度的时空动态及其对气候变化的响应. 地理学报, 2014, 69(1): 15-30.

Zhou

, Gang C

, Li J

, Zhang S

, Mu S

, Sun Z

. Spatial-temporal dynamics of grassland coverage and its response to climate change in China during 1982-2010. Acta Geographica Sinica, 2014, 69(1): 15-30. (in Chinese)

基于1982-2006年的GIMMS NDVI数据和2001-2010年的MODIS NDVI数据反演中国草地覆盖度的空间格局和变化趋势,结合1982-2010年中国气象站点气温和降水数据,分别从不同时空尺度和不同草地类型上分析中国草地覆盖度的年际和月际变化对气候变化的响应.结果表明:(1)1982-2010年间中国草地分布区气温呈上升趋势(0.04℃/年),降水量呈减少趋势(-0.39 mm/年),西北干旱区气候暖湿化趋势明显.(2)中国草地覆盖度空间上呈现东南高西北低的特征,29年间草地覆盖度平均值为34％,坡面草地覆盖度最高为61.4％,荒漠草地覆盖度最低为17.1％.(3) 29年间中国草地覆盖度总体呈现上升趋势,平均为0.17％/年,西北干旱和青藏高原地区草地覆盖度增加趋势明显.坡面草地覆盖度增加趋势最明显,平均值为0.27％/年,平原草地和草甸增加趋势较小,平均值仅为0.11％/年和0.10％/年.总体上,中国草地覆盖度呈极显著增加(46.03％)和显著增加的面积比例(1 1％)大于极显著减少(4.1％)和显著减少的面积比例(3.24％).(4)从年际变化上,草地覆盖度与气温和降水量均呈不显著正相关(R=0.21; R=0.1);从不同草地类型上,荒漠草地和平原草地覆盖度受降水量影响较大,而高山亚高山草甸、高山亚高山草地、坡面草地和草甸覆盖度与温度相关性较大.(5)从月际变化上,草地覆盖度与当月气温、降水量具有显著的相关性(R=0.80; R=0.76),表明水热因子的季节波动对牧草生长的影响更大;并且所有类型植被覆盖度与前一月气温和降水量的相关系数最大,表现出明显的时滞效应.

... 同时植被的生长活动对气候变化非常敏感,气候的变化必然会引起植被生长环境的变化,从而影响植被的生长状况^[2] ...

2010

0.0

孙艳玲, 郭鹏, 延晓冬, 赵天宝. 内蒙古植被覆盖变化及其与气候、人类活动的关系. 自然资源学报, 2010, 25(3): 407-414.

Sun Y

, Guo

, Yan X

, Zhao T

. Dynamics of vegetation cover and its relationship with climate change and human activities in Inner Mongolia. Journal of Natural Resources, 2010, 25(3): 407-414. (in Chinese)

... 气温和降水是影响植被生长主要的自然因素,目前有关植被生长与水热因子的相关性已有大量研究^[3,4,5,6],但结果不尽一致,孙艳玲等^[3]和Sun等^[4]认为降水量是影响植被生长状况的主要因子 ...

2013

0.0

2009

0.0

罗玲, 王宗明, 宋开山, 张柏, 刘殿伟, 仁春颖, 张素梅. 1982-2003年中国东北地区不同类型植被NDVI与气候因子的关系研究. 西北植物学报, 2009, 29(4): 800-808.

Luo

, Wang Z

, Song K

, Zhang

, Liu D

, Ren C

, Zhang S

. Research on the correlation between NDVI and climatic factors of different vegetations in the Northeast China. Acta Botanica Boreali-Occidentalia Sinica, 2009, 29(4): 800-808. (in Chinese)

利用1982～2003年GIMMS NDVI遥感数据集和气象数据,运用GIS技术提取气象站点周围的NDVI值,结合统计分析方法对东北地区不同类型植被NDVI与气候因子的关系进行研究.结果显示:(1)东北地区不同区域植被NDVI与气温和降水均极显著相关(P 沼泽>森林>草地>农田;降水对同期植被NDVI的影响按:灌丛>森林>草地>农田>沼泽的顺序依次降低.(3)过去22年中,东北地区不同植被夏季NDVI变化趋势不明显,针叶林、草丛和草原NDVI呈上升趋势,沼泽、灌丛、阔叶林、草甸和农田NDVI则表现为下降趋势,其中针叶林NDVI变化幅度最大(R2=0.114 2).(4)夏季气温变化对同期各植被夏季生长状况影响不大,同期降水除灌丛和沼泽外则主要表现为促进作用.研究表明,气候变化和人为保护共同导致东北地区草地NDVI增加;降水是促进针叶林和农作物生长的决定性因素,但却是灌丛和沼泽夏季生长的抑制因子,人类活动是过去22年东北地区沼泽退化的主要原因.

... 然而罗玲等^[5]及Zhang等^[6]认为气温较降水对植被生长的作用更强 ...

2013

0.0

... 然而罗玲等^[5]及Zhang等^[6]认为气温较降水对植被生长的作用更强 ...

... 而Zhang等^[6]在喜马拉雅山科西河流域发现1994年和2000年两个植被生长突变点,与本研究一致 ...

2016

0.0

杜加强, 贾尔恒·阿哈提, 赵晨曦, 房世峰, 刘伟玲, 阴俊齐, 袁新杰, 徐延达, 舒俭民, 何萍. 三江源区近30年植被生长动态变化特征分析. 草业学报, 2016, 25(1): 1-12.

Du J

, Jiaerheng·Ahati, Zhao C X, Fang S F, Liu W L, Yin J Q, Yuan X J, Xu Y D, Shu J M, He P. Analysis of vegetation dynamics using GIMMS NDVI 3g in the Three-Rivers Head-water Region from 1982 to 2012. Acta Prataculturae Sinica, 2016, 25(1): 1-12. (in Chinese)

The Three-Rivers Headwater Region (TRHR) refers to the source area of the Yangtze River, Yellow River and Lancang River, an important water resource. Vegetation activities in this region are closely related to water and ecological security in China. As a critical component of terrestrial ecosystems, vegetation has become one of the important issues in global climate change. Numerous case studies have been conducted on vegetation dynamic trends over relatively short study periods however, few long-term studies from the 1980s to recent years have been completed because the normalized difference vegetation index (NDVI) datasets limited. Additionally there are few quantitative analyses of the consistency of vegetation trends over time. In this study, the latest GIMMS NDVI3g datasets from 1982 to 2012 were used to identify any spatiotemporal patterns in vegetation changes over the growing season and seasonal NDVI at regional, biome and pixel scales in the TRHR. To explore the change process linear regression over progressively longer periods from the initial year of the study was applied to detect vegetation growth changes in TRHR. At the regional scale, although a positive trend of growing season and seasonal NDVI were found during past three decades, there were two distinct periods with opposite trends in spring NDVI, a significant increase and a significant decrease before and after 1998, respectively. As the study period increases, the rates of NDVI increase in the spring and summer growing season markedly reduced, but in autumn the NDVI increased. However, significant NDVI increases were found in most seasons. The season and period with significant trend in NDVI differed among vegetation types. Significant increases in NDVI were observed in spring during the first few periods for coniferous forest and shrub and in spring and summer during the first few periods for desert and meadow areas. The difference in persistence of NDVI trends caused variation in the contribution of seasonal vegetation activity to plant growth. During the first few periods, the largest NDVI increase and the largest contribution were generally found in spring and in summer, respectively. During the last few periods, both the largest NDVI increase and contribution were found in autumn. It can be inferred that increases in NDVI during the growing season was mainly due to both the earlier start of vegetation growth and accelerated vegetation activity during previous periods and from both the accelerated vegetation growth and a delay in the end of the growing season during latter periods.

1.Chinese Research Academy of Environmental Sciences,Beijing 100012,China; 2.State Key Laboratory of Environmental Criteria and RiskAssessment,Chinese Research Academy of Environmental Sciences,Beijing 100012,China; 3.Xinjiang Academy of Environmental Protection Science,Urumqi 830011,China; 4.The State Key Laboratory of Resources and Environmental In formation System,Institute of Geographic Sciences and Natural Resources Research,ChineseAcademyofSciences,Beijing 100101,China

三江源区为长江、黄河、澜沧江提供了丰富的水资源,其地表植被状况与我国水安全和生态安全密切相关。由于所使用的数据时间序列长度有限,以往研究缺乏近30年整体视角的连续时间序列研究,也很少分析多时段变化趋势的持续性。为此,本文利用最新发布的1982-2012年的GIMMS NDVI3g数据集,采用多个嵌套时间序列的分析方法,在多个空间尺度上,研究了近30年来三江源区各季节植被活动的变化趋势和过程。研究表明,1)三江源区生长季和各季节NDVI在近30年均呈增强趋势,春季植被变化具有明显的阶段性,1998年前后NDVI分别呈显著增加、减少趋势。2)生长季、春季和夏季NDVI的增加随时段延长而趋缓,尤其是春季减缓迅速甚至停滞,而秋季植被活动持续增强。3)尽管区域尺度生长季、春季和夏季NDVI变化趋缓,但在像元尺度显著变化的区域范围却多呈增加趋势。4)不同植被类型显著变化的季节、时段存在差异。针叶林和灌丛NDVI主要在春季前几个时段增加显著,荒漠、草甸的增加主要集中在春季、夏季前几个时段。5)各季节NDVI在14个时段增加趋势持续性的差异,引起各季节对生长季植被活动变化贡献的变化。总的趋势是,前几个时段,春季NDVI变化较为剧烈,夏季NDVI的贡献最大,而随时段延长,逐渐过渡到秋季NDVI变化幅度、变化量最大,夏季次之。

... 植被生长是一个地区植被长期适应环境变化的动态平衡过程,具有明显的地域性,研究植被生长活动需要从长时间序列角度进行^[7] ...

... 为排除非植被因素对分析结果的影响^[7],采用1982-2015年生长季NDVI平均值大于0 ...

2015

0.0

陈京华, 贾文雄, 赵珍, 张禹舜, 刘亚荣. 1982-2006年祁连山植被覆盖的时空变化特征研究. 地球科学进展, 2015, 30(7): 834-845.

Chen J

, Jia W

, Zhao

, Zhang Y

, Liu Y

. Research on temporal and spatial variation characteristics of vegetation cover of Qilian Mountains from 1982 to 2006. Advances in Earth Science, 2015, 30(7): 834-845. (in Chinese)

Based on GIMMS NDVI data of Qilian Mountains region during 1982-2006, using the maximum synthesis, mean method, slope analysis and correlation analysis, the spatial and temporal changes of vegetation cover and its correlations with climatic factors were studied in Qilian Mountains. The results showed that: ①Vegetation NDVI of Qilian Mountains increases from west to east in general, showing the distribution pattern of much more vegetation in east regions than in west regions; ②Vegetation NDVI of Qilian Mountains has generally increased in the past twenty five years, but there are obvious spatial differences, especially vegetation NDVI of middle and east regions increase obviously; ③There have been obvious differences on spatial variation of seasonal NDVI in the past twenty five years in Qilian Mountains, and the increased area of vegetation NDVI is the largest in summer, followed by autumn, spring, but the most reduced area of vegetation NDVI is in winter. The regions of increased vegetation NDVI concentrate on southern mountain of Qinghai Province and in Buha River Basin, while the regions of reduced vegetation NDVI concentrate on Wushaoling, Lenglongling and Daban mountain in each season; ④The correlations between monthly average vegetation NDVI and temperature and precipitation are very significant, which indicates that temperature and precipitation are the main factors affecting the change of vegetation NDVI in Qilian Mountains, but intensive human activities are also important factors affecting the change of vegetation NDVI in some areas.

... 然而,目前有关青海省植被生长的报道中,主要利用GIMMS NDVI数据^[8,9]研究1982-2006年植被生长变化,利用MODIS数据^[10,11,12]分析2000年以来的植被生长变化,缺少30年以上长时间序列的研究 ...

2010

0.0

杜加强, 舒俭民, 张林波. 1982-2006年黄南州NDVI年际变化及其与气候的关系. 水土保持通报, 2010, 30(4): 229-234.

Du J

, Shu J

, Zhang L

. Relationship between NDVI and climate factors in Huangnan City in recent 25 years. Bulletin of Soil and Water Conservation, 2010, 30(4): 229-234. (in Chinese)

2015

0.0

王林林, 刘普幸, 王允. 近14年来柴达木盆地NDVI时空变化及其影响因素. 生态学杂志, 2015, 34(6): 1713-1722.

Wang L

, Liu P

, Wang

. Spatial and temporal variations of NDVI and its influencing factors in Qaidam Basin in the last 14 years. Chinese Journal of Ecology, 2015, 34(6): 1713-1722. (in Chinese)

2013

0.0

刘宪锋, 任志远, 林志慧, 刘焱序, 张东海. 2000-2011年三江源区植被覆盖时空变化特征. 地理学报, 2013, 68(7): 897-908.

Liu X

, Ren Z

, Lin Z

, Liu Y

, Zhang D

. The spatial-temporal changes of vegetation coverage in the Three-River Headwater Region in recent 12 years. Acta Geographica Sinica, 2013, 68(7): 897-908. (in Chinese)

基于MODIS-NDVI数据,辅以线性趋势分析、Hurst指数及偏相关系数等方法,本文从三个尺度分析了近12年三江源区植被覆盖时空变化特征、未来趋势及其驱动因素。结果表明:(1)近12年三江源区植被覆盖呈现增加趋势,增速为1.2%/10a,其中长江源区、黄河源区植被均呈增加趋势,而澜沧江源区植被呈下降趋势。(2)三江源区植被覆盖具有显著的区域差异,且NDVI频度呈现"双峰"结构。(3)近12年三江源区植被覆盖呈增加趋势和减少趋势的面积分别占64.06%和35.94%,且表现为源区北部增加、南部减少的空间格局。(4)三江源区植被变化的反向特征显著,植被变化由改善趋势转为退化趋势的区域主要分布在长江源区和黄河源区的北部,而由退化趋势转为改善趋势的区域主要分布在澜沧江源区。(5)三江源区植被对降水和潜在蒸散的响应存在时滞现象,而对气温的响应不存在时滞现象。(6)三江源区植被覆盖的增加主要归因于气候暖湿化以及生态保护工程的实施。

2016

0.0

2015

0.0

王玮, 冯琦胜, 郭铌, 沙莎, 胡蝶, 王丽娟, 李耀辉. 基于长时间序列NDVI资料的我国西北干旱区植被覆盖动态监测. 草业科学, 2015, 32(12): 1969-1979.

Wang

, Feng Q

, Guo

, Sha

, Hu

, Wang L

, Li Y

. Dynamic monitoring of vegetation coverage based on long time-series NDVI data sets in northwest arid region of China. Pratacultural Science, 2015, 32(12): 1969-1979. (in Chinese)

Vegetation is an important indicator of terrestrial ecosystem, and is a sensitive indicator for climate change. Although MODIS NDVI has higher accuracy, the length of time-series is limited. Therefore, it is necessary to expand and improve the time-series AVHRR NDVI data sets. According to the linear regression models between MODIS NDVI and AVHRR NDVI for each month, we produced a long time-series NDVI data sets (1981-2013). Using the NDVI as an indicator of vegetation activity, this study analyzed vegetation dynamic changes in northwest arid region of China for recent 33 years. The results showed that: 1) MODIS NDVI and LTDR NDVI have linear correlations with a high determination coefficient (>0.8). 2) In recent 33 years, vegetation activity has been enhancing in whole study area, in which area of the sparse vegetation has been increasing continuously, and area of grassland vegetation has not been changed greatly. 3) The climate of this area has been becoming warmer and wetter than before. There are significant correlation among NDVI data, mean annual temperature and annual precipitation. Vegetation activity is sensitive for climate change, topography and human activities.

植被是表征陆地生态系统的重要指标,气候变化对植被具有显著影响。虽然MODIS NDVI具有较高的精度,但时间序列长度有限,在年代际尺度的变化趋势研究中,仍然需要对AVHRR NDVI数据集进行时间序列的扩展和完善。本研究通过建立MODIS NDVI与AVHRR NDVI逐月线性回归模型,生成了长时间序列(1981-2013年)NDVI数据集;并以NDVI作为植被活动的指标,分析研究了近33年来西北干旱区的植被动态变化。结果表明:1)MODIS NDVI与LTDR NDVI数据具有较好的线性相关性,两者之间线性回归模型的决定系数均在0.7以上;2)近33年以来,西北干旱区的植被活动均呈现出增强的态势,其中稀疏植被区的植被活动在持续增强,植被整体状况在好转,而草地区的植被活动较为稳定,并未出现较大的变化;3)西北干旱区的气候呈现出暖湿化的特点,植被活动对气候变化较为敏感,NDVI与年平均温度和年降水量之间呈显著相关关系( P <0.05)。

... 有学者^[13,14]将GIMMS NDVI数据与MODIS数据结合起来研究长时间序列植被生长变化,但由于传感器之间分辨率和数据质量不同,对研究结果产生一定影响甚至出现了研究结论截然相反的问题^[15] ...

2015

0.0

许玉凤, 杨井, 陈亚宁, 杨雅雪. 近32年来新疆地区植被覆盖的时空变化. 草业科学, 2015, 32(5): 702-709.

Xu Y

, Yang

, Chen Y

, Yang Y

. The spatial-temporal variations of vegetation cover in Xinjiang from 1982 to 2013. Pratacultural Science, 2015, 32(5): 702-709. (in Chinese)

The spatialtemporal dynamic change of vegetation was monitored based on the modeled longterm Normalized Difference Vegetation Index (NDVI) data in Xinjiang. The results showed that vegetation increased overall in the last 32 years, while there was stages difference and spatial heterogeneity. The NDVI values in growing season were high in the west and northwest and low in the south and southeast. The area with increased NDVI values was much larger than the area with decreased NDVI values during the study period in Xinjiang. The values of NDVI in the cropland area significantly increased whereas the values of NDVI in the grassland area significantly decreased. The center of vegetation moved from north to south in the whole study area, moved from southwestnortheast in the north to the Tianshan mountain and moved from west to east in the south to the Tianshan mountain

2015

0.0

刘宪锋, 朱秀芳, 潘耀忠, 李宜展, 赵安周. 1982-2012年中国植被覆盖时空变化特征. 生态学报, 2015, 35(16): 5331-5342.

Liu X

, Zhu X

, Pan Y

, Li Y

, Zhao A

. Spatiotemporal changes in vegetation coverage in China during 1982 to 2012. Acta Ecologica Sinica, 2015, 35(16): 5331-5342. (in Chinese)

Vegetation, the main component of terrestrial ecosystems, is not only a sensitive indicator of global climate change, but also regulates the climate through energy, water, and carbon exchange between the terrestrial environment and the atmosphere. Understanding the mechanisms of growth responses of vegetation to climate change is of great significance for projecting future vegetation change and its implications. Using the satellite-derived normalized difference vegetation index (NDVI) and climate data of the period between 1982 and 2012, we investigated changes in the growing season NDVI and its response to climate change in China based on trend analysis, piecewise regression model, and correlation analysis. Our results indicate that (1) In the past thirty years, the NDVI of the study area increased, with the linear tendency being 0.2%/10a. There exists two distinct periods with different increasing trends, with the linear tendency being 1.2%/10a and 0.6%/10a during 1982-1997 and 1997-2012, respectively, the two periods of which all through the inspection by a significant level of 0.05. (2) In spatial, the areas with increased vegetation NDVI are mainly distributed in the Loess Plateau of Shanxi, the middle and western regions of Xizang, and the Junggar basin, whereas the regions with decreased vegetation NDVI are mainly distributed in the Da Hinggan Mountain, Xiao Hinggan Mountain, and Changbai Mountain in the northeast of China, the Altai mountain and the Tianshan Mountain in the north of Xinjiang Province, the Yellow River source region, and the Qinba Mountain, of which, the magnitude of decrease in the northeast of China, the Tianshan Mountain, the Altai Mountains is particularly remarkable. This phenomenon indicates that vegetation activities in mid-and high latitude mountain regions declined. (3) Spatial differences occur in response to temperature and precipitation from vegetation in different regions. Longer response duration of vegetation to temperature was detected in the north of China, whereas vegetation in the south of China showed not more than one month time lag. In contrast, vegetation in the north of China showed not more than one month time lag, but in the south of China, except for Yunnan Province, more than one month time lag was observed, and the correlation increased with the extension of time lag. (4) The increased vegetation coverage is mainly attributed to climate change and the implementation of the ecological protection project, the latter especially strengthened the impact of human activities on the vegetation increase after 1999. Of which, the decrease in vegetation in the northeast of China, the Tianshan Mountain, and the Altai Mountains can be attributed to the decline in precipitation, whereas the deterioration in the southeast of China may be more related to urbanization. Over the last decade, the project on the conversion of degraded farm land into forests and grass land in China has achieved encouraging results. However, the most drastic climate change also occurred during the same period. Although climate change probably played a key role in the trends of vegetation growth on a long time scale, human activities are also an important factor driving vegetation change. However, the exact influences of climate change and human activities on vegetation growth remain unclear; further studies are necessary to obtain accurate conclusions.

利用GIMMS NDVI、MODIS NDVI和气象数据,辅以趋势分析、分段回归以及相关分析等方法,分析了1982-2012年我国植被NDVI时空变化特征及其驱动因素。结果表明:(1)近30年我国植被NDVI呈缓慢增加趋势,增速为0.2%/10a;植被覆盖变化阶段性特征明显:即1982-1997年和1997-2012年植被覆盖均呈显著增加趋势,增速分别为1.2%/10a和0.6%/10a,均通过显著水平0.05的检验。(2)空间上,我国陕北黄土高原、西藏中西部以及新疆准格尔盆地等地区植被NDVI呈显著增加趋势;而东北地区的大、小兴安岭和长白山、新疆北部的天山和阿尔泰山以及黄河源和秦巴山区等地区植被NDVI呈显著下降趋势,其中东北地区和新疆北部山区下降尤为显著,说明近年来我国中高纬度山区植被活动呈下降趋势。(3)不同区域植被对气温和降水的响应存在差异,我国北方地区植被对气温具有较长的响应持续时间;而除云南外,南方地区植被对降水的响应时间存在1-3个月的响应时间,且随着滞后时间的延长,相关性逐渐增大。(4)我国植被覆盖增加是气候变化和人类活动共同驱动的结果,尤其是1999年之后人类活动影响逐渐加强。而我国东北地区和新疆北部山区植被覆盖的下降可能是由于该区降水减少所致,东南沿海地区植被退化则受城市化影响显著。

2015

0.0

... GIMMS NDVI 3g(AVHRR传感器第三代GIMMS NDVI产品),时间跨度为1981-2013年,已被证实是研究长时间序列植被生长动态变化最好的数据之一^[16,17,18],成功解决了由传感器不一致带来的误差 ...

2014

0.0

2016

0.0

杜加强, 王跃辉, 师华定, 房世峰, 何萍, 刘伟玲, 阴俊齐. 基于MODIS和Land sat的青藏高原两代GIMMS NDVI性能评价. 农业工程学报, 2016, 32(22): 192-199.

Du J

, Wang Y

, Shi H

, Fang S

, He

, Liu W

, Yin J

. Performance evaluation of GIMMS NDVI 3g and GIMMS NDVI g based on MODIS and Land sat in Tibetan Plateau. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(22): 192-199. (in Chinese)

摘　要：由于AVHRR NDVI数据集本质上具有动态变化的特点,使得数据重叠时段（1981-2006年）的第1代GIMMS NDVIg（简称NDVIg）数据集与第3代GIMMS NDVI3g（简称NDVI3g）数据集也不完全相同。如何理解、对待这些差异,是综合利用两代数据集的研究成果、科学客观地评估地表植被历史变化状况、预测未来变化趋势、指导生态保护与建设工作的前提和基础。该文利用MODIS NDVI和Landsat数据,评估了青藏高原两代GIMMS数据集的性能,并对比分析了区域尺度和像元尺度两代数据集在监测植被长期动态变化方面的异同。结果表明,NDVI3g捕获植被物候变化的能力与NDVIg相当,但NDVI数值明显大于NDVIg,甚至大于MODIS NDVI;与NDVI3g相比,在NDVI分布格局和动态变化方面,NDVIg与MODIS NDVI和Landsat更为相似;尽管两代GIMMS数据集1982-2006年生长季NDVI变化趋势类似,但GIMMS NDVIg倾向于检测到更多的显著变化区域;夏季和秋季的结果与生长季类似,但春季GIMMS NDVI3g则检测到了更大范围的NDVI显著增加,与NDVIg结果的差异主要集中在青藏高原腹地。NDVI数据集是众多生态模型的基础数据,NDVI数据集之间的差异可能会导致模拟结果出现偏差。在使用NDVI数据之前,对NDVI数据的适用性进行评估,是获取更符合当地实际情况、更为客观真实结果的前提。

2011

0.0

... 参考中国气象地理区划手册^[19],将青海省分为4个分区:环湖(青海湖)和祁连山区处在祁连山地和阿尼玛卿山地之间,地形起伏较大,以牧业为主,农牧结合,处在东部农业区向西部牧业区过渡地带 ...

1986

0.0

... 为消除云、大气和月内物候的影响,采用最大值合成法(MVC)^[20],使得每一像元为该月最大NDVI值 ...

2016

0.0

赵健赟, 彭军还. 基于MODIS NDVI的青海高原植被覆盖时空变化特征分析. 干旱区资源与环境, 2016, 30(4): 67-73.

Zhao J

, Peng J

. Spatio-temporal variation of the vegetation coverage in Qinghai Plateau based on MODIS NDVI data. Journal of Arid Land Resources and Environment, 2016, 30(4): 67-73. (in Chinese)

以2000-2014年MODIS NDVI数据为基础,综合利用MVC、SG滤波、Mann-Kendall检验等方法,对青海高原植被覆盖时空变化特征及其驱动因子进行了分析和研究。结果表明,受水资源、地形地貌类型等因素影响,研究区植被覆盖程度从东南向西北方向递减,植被生长发育周期区域差异性大,2000m以下的河湟谷地生长期最长,温度、降水量是其季节变化的重要驱动因子。15年间植被覆盖显著下降区域占11.3%,主要分布在柴达木盆地中部和青海高原东北部地区,32.1%的区域植被覆盖显著上升,分布在研究区中东部、青海湖、青南高原中部等地区,降雨量的增加和人类的改造活动是青海高原植被覆盖改善的重要影响因素。

... 青海省植被一般5月份开始明显生长,持续到9月份中旬^[21],故选取5-9月作为青海省植被生长季节 ...

2015

0.0

... 现已被广泛用于反映植被年际变化波动情况^[22,23],公式如下: ...

2002

0.0

... 现已被广泛用于反映植被年际变化波动情况^[22,23],公式如下: ...

2014

0.0

... CV值越小,数据越紧凑,植被年际变化越稳定^[24] ...

2009

0.0

蔡博峰, 于嵘. 基于遥感的植被长时序趋势特征研究进展及评价. 遥感学报, 2009, 13(6): 1170-1186.

Cai B

, Yu

. Advance and evaluation in the long time series vegetation trends research based on remote sensing. Journal of Remote Sensing, 2009, 13(6): 1170-1186. (in Chinese)

The long time series vegetation trends (LTSVT) research based on remote sensing in large area is the core field of vegetation ecology and an important direction in the global change study. AVHRR, SPOT VGT and MODIS are currently the main data resources of LTSVT research. With volumes of remote sensing data, the analysis and evaluation methods for LTSVT study emerged as an urgent issue. Algebra calculation, Fourier transformation, PCA analysis, wavelet transform, linear trend analysis (LTA), correlation analysis (CA), etc., are the main methods. After the assessing and grouping of the methods, we focused on comparing the LTA and CA, which were well accepted methods, with the newly introduced Sen＋Mann-Kendall method. Our review showed Sen＋Mann-Kendall had a strong strength of errors resistance and was not constrained by the data statistical distribution.

基于遥感的植被长时序变化特征是植被生态学研究的核心领域, 也是全球变化研究的重点方向。AVHRR、SPOT VGT和MODIS是当前研究植被长时序趋势变化的主要数据源。海量数据不断积累的同时, 植被长时序趋势特征研究方法却缺乏对比评价和分析。当前常用的方法有代数运算法、傅里叶变换、主成分分析、小波变换法、回归分析法和相关系数分析法等。在对各种方法评述和分析的基础上, 重点讨论和对比了主流方法中的回归分析法和相关系数分析与新兴方法Sen＋Mann-Kendall法。结果表明, Sen＋Mann-Kendall能克服主流方法的不足, 不需要数据服从某一特定分布, 并且对数据的误差具有较强的抵抗能力。

... Theil-Sen基于聚群和排序方法来计算变化趋势,与常规的线性回归相比,规避误差能力较强^[25] ...

... Theil-Sen趋势变化的显著性不能通过自身判断,而Mann-Kendall是一种非参数秩次检验方法,其优点是无需对数据进行特定的分布检验,也不受少数极端值的影响^[25] ...

2013

0.0

袁丽华, 蒋卫国, 申文明, 刘颖慧, 王文杰, 陶亮亮, 郑华, 刘孝富. 2000-2010年黄河流域植被覆盖的时空变化. 生态学报, 2013, 33(24): 7798-7806.

Yuan L

, Jiang W

, Shen W

, Liu Y

, Wang W

, Tao L

, Zheng

, Liu X

. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010. Acta Ecologica Sinica, 2013, 33(24): 7798-7806. (in Chinese)

Vegetation cover is one of the primary indicators of changes to ecosystems. Large scale vegetation cover observations will indicate the effect of natural factors and human activities on the ecological environment, so it is one of the hot topics in global change research. The Yellow River Basin is located in an arid, semi-arid and semi-humid area and its ecological environment is vulnerable. In recent years, the vegetation in the Yellow River Basin has had a relatively large variance in spatial and temporal patterns, affected by changes in climatic conditions and perturbations from human activities. Therefore, improving the observation of vegetation will provide us with more information about vegetation status and make us better able to understand the variations of ecological environment characteristics. With this background, this paper provides an analysis of spatio-temporal variations of MODIS/NDVI in the vegetation covered area of the Yellow River Basin. The MODIS product, which is assumed to be suitable for large scale observations of vegetation variation, was used, and MOD13Q1 data with a spatial resolution of 250 m×250 m from 2000 to 2010 was utilized as the data source. NDVI was used as a proxy for vegetation cover and the Theil-Sen Median trend analysis with the Mann-Kendall test were both used to analyze NDVI trends as they are new methods in the long term series analysis of NDVI. Theil-Sen Median trend analysis was used to describe the trend of NDVI and the Mann-Kendall test was used to estimate the significance of trend. The combination of the result of Theil-Sen Median trend analysis and Mann-Kendall test, as well as the result of Hurst index were conducted to analyze the sustainability in NDVI trend. The results indicate that: 1) From the distribution of the annual NDVI in the Yellow River Basin, the NDVI values are high in the west and the southeast, but low in the north; 2) From the time variation of annual NDVI in the vegetation covered area in the Yellow River Basin, the values of NDVI fluctuate between 0.3 and 0.4, from 2000 to 2010, and NDVI from 2000-2004 shows high fluctuations, but rapid upward trend since 2005; 3) From the spatial trends of NDVI, the area where the values of NDVI increase is much larger than the area where the values of NDVI decrease and the area where the values of NDVI increase occupies 62.9% of the vegetation covered area, while the area where the values of NDVI decrease accounts for 27.7%. 9.4% of the vegetation covered area remained unchanged, during the period of 2000-2010; 4) From the spatial sustainability of NDVI trend, the overlaid result of the Theil-Sen Median trend analysis, Mann-Kendall test and Hurst index indicates that 86.0% of the area presents a positive sustainable development. From the overlaid result of the Theil-Sen Median trend analysis and Mann-Kendall map and Hurst index map, it can be concluded that 53.7% of the vegetation-covered area presents a sustainable-increased state, 7.8% of the vegetation-covered area presents a sustainable-unchanged state, 24.5% of the vegetation-covered area shows a sustainable-decreased state and 14.0% of vegetation-covered area cannot be identified in the future. These areas need to be focused upon and further researched.

黄河流域位于干旱、半干旱和半湿润地区，生态环境脆弱，近年来，在气候变化和人类活动影响下，植被覆盖状况发生了变化。因此需要对黄河流域植被覆盖的变化进行监测，进而掌握流域植被的动态变化特征。在此背景下，利用2000-2010年的250 m分辨率的MOD13Q1数据来研究黄河流域植被覆盖区域的NDVI时空变化特征。采用Theil-Sen Median趋势分析和Mann-Kendall检验来研究NDVI的变化趋势特征，通过对Theil-Sen Median趋势分析和Mann-Kendall检验的结果和Hurst指数的结果的叠加，来研究NDVI的可持续特征。研究表明：1）从空间分布上看，黄河流域NDVI呈现出西部和东南部高，北部低的特征；2）从时间变化特征上看，2000-2010年植被覆盖区域年均NDVI均值在0.3-0.4之间波动，其中2000-2004年NDVI波动较大，但自2005年以来NDVI呈现快速增长的趋势；3）从变化趋势上看，2000-2010年黄河流域植被改善的区域远远大于退化的区域，改善的区域占植被覆盖区域总面积的62.9%，退化的区域占27.7%，9.4%的区域NDVI稳定不变；4）从可持续性来看，86.0%的植被覆盖区域NDVI呈现正向可持续性，即NDVI的可持续性较强；由变化趋势与Hurst指数的耦合信息得出，持续改善的面积占植被覆盖区域总面积的53.7%，持续稳定不变的区域占7.8%，持续退化的区域占24.5%，另外14.0%的区域未来变化趋势无法确定，持续退化和未来变化趋势无法确定区域的植被变化状况需要研究人员继续关注。

... Theil-Sen斜率和Mann-Kendall趋势检验结合已经被广泛运用到植被趋势分析中^[26,27,28],是研究长时间序列植被NDVI数据的一种重要方法 ...

2015

0.0

黄聪. 基于GIMMS NDVI 3g数据东北地表物候变化研究. 长春: 东北师范大学硕士学位论文, 2015.

Huang

. The variation of land surface phenology based on GIMMS NDVI 3g Dataset. Master Thesis. Changchun: Northeast Normal University, 2015. (in Chinese)

植物物候变化与气象因素密切相关。气温、降水是引发植被变化的主要原因会直接到影响植被的生长,反过来植被物候的变化也会影响局地小气候。植被物候变化研究在全球变化研究中具有重要意义。东北地区属于中国较高纬度地区,对气候变化较为敏感,研究该地植被物候的时空变化可以更深入的理解气候变化。本文利用目前时间序列最长的GIMMS NDVI3g数据对东北地区地表物候特征进行了分析,同时对气候变化特征并探讨了地表物候对气候变化的响应程度。结果表明:(1)GIMMS 3g数据提取的植被物候参数与之前研究结果一致且与地面物候观测站进行了对比验证,具有一定的参考价值和可靠性,可以更新研究区31年的植被物候监测;(2)除EOS东部长白山地普遍开始早以外,研究区SOS和EOS大体上呈现由南向北逐渐提前的趋势。(3)31年不同植被类型下植被生长季的变化趋势分析得出,除栽培植被生长季长度呈微弱的缩短趋势及阔叶林生长季长度变化趋势不明显以外,其他植被类型生长季长度均出现延长的趋势;(4)温度升高促使SOS提前,EOS推迟,从而生长季变长,降水对SOS既有促进也有抑制作用,冬季和春季降水会使EOS推迟,降水对LOS作用不明显。

... Theil-Sen斜率和Mann-Kendall趋势检验结合已经被广泛运用到植被趋势分析中^[26,27,28],是研究长时间序列植被NDVI数据的一种重要方法 ...

2017

0.0

袁沫汐. 湖北省植被动态变化与物候对气候变化的响应. 武汉: 武汉大学硕士学位论, 2017.

Yuan M

. Dynamic change of vegetation and phenology response to climate change in Hubei Province. Master Thesis. Wuhan: Wuhan University, 2017. (in Chinese)

近年来全球变暖趋势越发严峻,气候变化引发的一系列环境事件也成为了人类社会可持续发展亟待解决的重要问题。植被通过光合作用、地表反射率以及粗糙度调节生物圈层中的能量转换、碳循环和气候变化。从不同空间、时间尺度上理解植被变化及其与气候变量之间的关系不仅能揭示植被对气候变化的响应机制,还能预测植被未来生长趋势。文章根据1982-2015年湖北省气象数据对湖北省近34年气候时空变化趋势进行分析,并结合长时间序列GIMMS NDVI3g遥感数据,探究全球气候变暖的背景下,湖北省近34年来NDVI时间变化规律及空间分布特征。同时在GIS、Matlab平台下使用时间序列谐波分析法反演地表物候参数,基于Sen趋势法和MK检验法从空间和时间的角度定量地描述湖北省植被整体和不同植被类型地表物候参数的时空演变规律,进一步深入地探讨研究区内地表植被覆盖NDVI和地表物候参数与主要的气候因子的之间的相互作用关系。探索湖北省植被覆盖与气候变化之间时空耦合关系有利于充分理解气候变化对当地植被动态变化的影响,为当地自然资源利用和保护提供有利的科学依据,而且对于增强适应和减缓气候变化的能力也有重要的指导作用。主要结论如下:(1)1982-2015年期间,湖北省多年平均温度总体上呈现出逐渐增加的趋势,其中鄂中部、南部及鄂东北部温度增加趋势明显快于其他区域。而湖北省多年年均降水量表现出逐渐减少的趋势,仅有鄂西部竹溪县、竹山县以及鄂南部荆州市降水呈上升趋势。(2)1982-2015年湖北省NDVI空间分布表现为自东向西逐渐增加的态势,全省植被NDVI总体变化趋势以增加为主,但80、90年代时期NDVI上涨的速率相对较低。春夏秋三季植被NDVI整体均呈增加趋势,冬季NDVI呈下降趋势。就不同植被类型而言,灌丛和草丛的增加幅度最大,表现最为显著。(3)从整个研究区来看,年均NDVI与气温呈正相关关系而与年均降水量表现为负相关性;春、夏、秋、冬季均NDVI与气温的相关性都明显高于与降水的相关性。研究区域内所有的植被类型的年均NDVI与气温均呈正相关关系,仅针叶林和灌丛与降水呈正相关关系,其余的植被类型均与降水呈不明显负相关关系。(4)湖北省植被的生长季开始时间平均值在第109天,生长季结束日期在第286天,生长季长度范围为177天。在不同植被类型的物候参数变化中,只有沼泽植被生长季开始日期有所延迟,其余植被类型均呈现提前趋势。而所有植被类型的生长季结束日期均发生提前的趋势,因此也导致了所有的植被类型的生长季长度均缩短的趋势。(5)整体而言1982-2015年期间,温度对植被的物候参数影响比降水强烈,当温度升高时会促使SOS提前,EOS延迟;降水增多会导致SOS延迟,EOS推后。纬度较高或海拔较高地区植被的SOS对温度更敏感,降水对植被生长作用不明显,但秋季和冬季降水对植被生长发挥了较强的抑制作用。

... Theil-Sen斜率和Mann-Kendall趋势检验结合已经被广泛运用到植被趋势分析中^[26,27,28],是研究长时间序列植被NDVI数据的一种重要方法 ...

1999

0.0

... 3 R/S分析 R/S分析法,也称重标极差分析(rescaled range analysis)^[29] ...

2012

0.0

... 该方法由Hurst于1965年最先提出,在水文学、气候学、经济学等各种时间序列数据的分析中有着广泛应用,近期在植被生长变化趋势的预测中也得以应用^[30,31] ...

... 4 近34年青海省植被生长变化趋势将Theil-Sen趋势分析和Mann-Kendall显著性检验结果叠加,并将耦合结果分为4个层次^[30](表1) ...

2015

0.0

刘焱序, 王仰麟, 彭建, 魏海, 宋治清, 张小飞. 耦合恢复力的林区土地生态适宜性评价: 以吉林省汪清县为例. 地理学报, 2015, 70(3): 476-487.

Liu Y

, Wang Y

, Peng

, Wei

, Song Z

, Zhang X

. Land ecological suitability assessment for forest coupled withthe resilience perspective: A case study in Wangqing County, Jilin Province, China. Acta Geographica Sinica, 2015, 70(3): 476-487. (in Chinese)

本研究试图将植被变化与恢复能力纳入林区土地生态适宜性评价中,从空间动态的角度对典型林业县土地生境进行生态适宜性评价;并综合应用人工神经网络、趋势分析与偏相关分析、R/S分析等手段,分别进行生境质量评价、植被变化与驱动分析、趋势可持续性判断。基于流域单元的评价结果良好展示了研究区土地生态适宜性分异,即自然生境本底条件较差、人类活动强度较大的低适宜区域,和有较好生态本底条件、可持续生态恢复能力的高适宜区域。在研究整体概念框架上,本研究提出将判定持续性的Hurst指数作为恢复力的空间表达手段,可以有效对具体区域林业管理进行实际应用;在具体方法上,研究所采用的SOFM神经网络聚类、Theil-Sen Median趋势分析、Mann-Kendall检验等数理计量手段可以有效降低主观评价导致的不确定性。

... 5,表明时间序列前后的变化无关联,即无法确定其变化趋势,借鉴刘焱序等^[31]经验,本研究将H值介于0 ...

2009

0.0

... 青海省东南部地势较低,向西北部逐渐增高,印度洋孟加拉湾湿热气流从东南向西北部爬升^[32],造成东南部地区降水充沛,气候条件适宜,因此青海省东南部植被生长变化较稳定 ...

... 年均温较高的地区主要分布在中部的湟水谷地及柴达木盆地,较低的区域主要分布在祁连山中西部及青南高原,总的趋势是南北低中间高^[32] ...

2011

0.0

... 已有研究发现,在20世纪90年代NDVI的趋势发生了重大变化,例如Piao等^[33]发现,1997年是欧亚大陆25年(1982-2006年)的转折点,可能由于该时期的厄尔尼诺事件导致气候突变,从而影响了植被生长变化 ...

... 2 植被类型尺度每种植被类型都具有独特的生理结构和生长所需的环境条件,使得不同植被类型对气候变化的响应存在差异^[33,34] ...

2016

0.0

王志伟, 王茜, 李世歌, 王普昶, 刘秀峰, 谢彩云, 史健宗, 吴佳海, 王小利, 陆瑞霞, 莫本田. 贵州喀斯特近30年植被生长特征分析. 草业科学, 2016, 33(11): 2180-2188.

Wang Z

, Wang

, Li S

, Wang P

, Liu X

, Xie C

, Shi J

, Wu J

, Wang X

, Lu R

, Mo B

. The growth characteristics of vegetation in the Karst regions of Guizhou from 1981-2012. Pratacultural Science, 2016, 33(11): 2180-2188. (in Chinese)

摘　要：贵州省地处南方喀斯特地区的中心,其生物学过程严重影响到环境变化。植物做为生物圈中的生产者,对陆地生态系统的贡献同样不容忽视。先进型分辨率辐射仪的归一化植被指数AVHRR GIMMS NDVI 3g数据集作为一种有效的植被状况监测工具,可以提供全球范围内从20世纪80年代到21世纪初的资料。本研究使用该数据分析贵州省植被变化状况,发现近30年来贵州省的植被整体上趋于生长增加的情形,其归一化植被指数（NDVI）年增长率为0.002 1。不过,也存在两个植被突变点（turing point,TP）,分别出现在1985年和1993年。在月NDVI数据中,各月整体变化率和TP与贵州省全省植被、栽培植物、草地和林地的NDVI变化趋势则明显不同。从空间分布角度分析,贵州省植被增长速度呈明显的东南地区变化速率优于西北地区,全球变暖是其中一方面的原因。同时,降水分布状况也和植被变化状况存在明显的一致性。此外,人类活动对植被变化造成的影响也不容忽视。

... 2 植被类型尺度每种植被类型都具有独特的生理结构和生长所需的环境条件,使得不同植被类型对气候变化的响应存在差异^[33,34] ...

2014

0.0

... 由于自然植被占全省植被覆盖面积的90%以上,且Chen等^[35]认为,土地覆被变化、火灾、植被病虫害等对GIMMS NDVI 3g数据影响可以忽略不计,因此可以利用该植被类型图获得用于本研究中各植被类型生长季NDVI的数据集 ...

0.0

... 本研究统计了从1983-2015年逐年的营造林和草地建设面积(1995-1999年青海省封山育林面积缺失)^[36],营造林面积主要为当年的人工造林面积和封山(沙)育林面积,草地建设面积主要为栽培草地面积和围栏草地面积(图9) ...