俎佳星, 楊　健

1 中國科學院沈陽應用生態(tài)研究所森林與土壤生態(tài)國家重點實驗室, 沈陽　110016 2 中國科學院大學, 北京　100049

?

東北地區(qū)植被物候時序變化

俎佳星1,2, 楊健1,*

1 中國科學院沈陽應用生態(tài)研究所森林與土壤生態(tài)國家重點實驗室, 沈陽110016 2 中國科學院大學, 北京100049

摘要:植被與氣候的關系非常密切，植被物候可作為氣候變化的指示器。東北地區(qū)位于我國最北部，是氣候變化的敏感區(qū)域，研究該區(qū)植被物候對氣候變化的響應對闡明陸地生態(tài)體統(tǒng)碳循環(huán)具有重要意義。利用GIMMS AVHRR遙感數(shù)據(jù)集得到了東北地區(qū)闊葉林、針葉林、草原和草甸4種植被25a(1982—2006年) 的物候時序變化，得出4種植被春季物候都表現(xiàn)出先提前后推遲的現(xiàn)象，秋季物候的變化則比較復雜，闊葉林和針葉林整體上呈現(xiàn)出秋季物候推遲的趨勢，草原和草甸則表現(xiàn)為提前-推遲-提前的趨勢。應用偏最小二乘(Partial Least Squares)回歸分析了該區(qū)域植被物候與氣候因子之間的關系，結果表明：春季溫度與闊葉林、針葉林和草甸春季物候負相關，前一年冬季溫度與草原春季物候正相關，降水與植被春季物候的關系有點復雜；4種植被秋季物候與夏季溫度均呈正相關，除草原外，其余3種植被秋季物候均與夏季降水負相關。植被春季物候可能主要受溫度影響，而秋季物候很可能主要受降水控制。

關鍵詞：氣候變化；遙感；物候；偏最小二乘回歸

物候學主要是研究自然界的植物(包括農(nóng)作物)、動物和環(huán)境條件(氣象、水文、土壤條件)的周期變化之間相互關系的科學[1]。植被物候對于氣候的波動性非常敏感，而且還是陸面過程模型及全球碳循環(huán)的重要參數(shù)，物候的變化可以作為全球環(huán)境變化的強有力證據(jù)[2- 4]。植被物候的研究不僅有助于增進植被對氣候變化響應的理解，而且對提高氣候-植被之間物質與能量交換模型的模擬精度、準確評估植被生產(chǎn)力與全球碳收支具有重要意義[5]。

目前常用的物候觀測方法以地面定點觀測和遙感觀測為主。傳統(tǒng)的地面定點觀測雖然客觀準確但不能形成大尺度面狀觀測數(shù)據(jù)[6-7]，但可以作為遙感觀測的驗證。遙感衛(wèi)星主要有NOAA，SPOT，MODIS，Landsat等傳感器，這些衛(wèi)星不僅能夠獲取連續(xù)的面狀數(shù)據(jù)，有的還具有很高的時間分辨率，能夠為地面定點觀測提供補充和支持。國內外學者針對不同數(shù)據(jù)源對植被物候變化做了大量研究，如樸世龍用遙感數(shù)據(jù)分析了中國溫帶植被1982—1999年物候變化，結果表明春季物候提前，秋季物候推遲，生長時間延長；張戈麗等用3種遙感數(shù)據(jù)分析了青藏高原植被物候，發(fā)現(xiàn)該區(qū)植被春季物候近30年來持續(xù)提前；在歐洲和北美，植被的春季物候在過去幾十年內也呈現(xiàn)提前趨勢[8- 10]。這些都得到了地面觀測結果的支持，如在我國，葛全勝等對于我國許多地區(qū)的近半個世紀的物候數(shù)據(jù)研究表明，春季溫度升高使得這些地區(qū)的植被春季物候不斷提前，且不同地區(qū)增速也不一樣，存在顯著區(qū)域差異[11- 12]。

東北地區(qū)位于我國中高緯度，是全球變化的敏感區(qū)域[13]。已有學者對該區(qū)開展了物候研究，但大部分研究的時間序列較短，且沒有考慮植被受氣候因子影響所表現(xiàn)出的非線性[5,14- 15]，因此，使用非線性的分段線性回歸方法研究植被的長時間序列年際變化很有必要。此外，植被生長季開始或結束前幾個月的溫度與降水對于植被物候有著不同的貢獻，研究二者之間的關系有助于深入認識陸地生態(tài)系統(tǒng)對氣候變化的響應[16]。本研究的目的是在氣候變化背景下，分析東北地區(qū)植被物候的時序變化，并探索該區(qū)植被物候與氣候因子(氣溫、降水)之間的關系。

1研究區(qū)概況

東北地區(qū)地處亞歐大陸東緣，地理坐標38°40′—53°34′N，115°05′—135°02′E，自南向北跨越暖溫帶、中溫帶和寒溫帶，屬溫帶季風性氣候。包括遼寧省、吉林省、黑龍江省以及內蒙古自治區(qū)東四盟市(呼倫貝爾市、通遼市、赤峰市、興安盟)，自然資源豐富。該區(qū)是中國最大的林區(qū)，也是中國林木的重要生產(chǎn)基地[17]。森林主要分布于北部的大小興安嶺以及東南部的長白山。主要森林類型包括以落葉松、紅松、樟子松、云杉等為主的針葉林和以白樺、水曲柳、蒙古櫟、山楊等為主的闊葉林。草原主要分布在內蒙古所屬區(qū)域，耕地則位于東北部和中部的平原地帶(三江平原和東北平原)。

2數(shù)據(jù)來源與研究方法

2.1數(shù)據(jù)獲取及預處理

本研究采用的遙感數(shù)據(jù)來源于寒區(qū)旱區(qū)科學數(shù)據(jù)中心(http://westdc.westgis.ac.cn/)的GIMMS數(shù)據(jù)集，時間分辨率是15 d，空間分辨率是8 km。雖然該數(shù)據(jù)集經(jīng)過最大值合成(Maximum Value Composite)之后在一定程度上降低了云的影響，但太陽高度角、觀測角度，臭氧、氣溶膠等一些隨機性因素，使得時間序列數(shù)據(jù)的變化呈不規(guī)則狀態(tài)，造成時間序列數(shù)據(jù)波動很大，曲線季節(jié)變化趨勢不明顯，因此有必要對這些NDVI曲線進行平滑處理，即對曲線進行重構[10,18- 19]。本文采用公式(1)所示的Savitzky-Golay濾波[20- 22]對NDVI進行平滑，最終得到趨于真值的NDVI時序曲線：

(1)

其他輔助數(shù)據(jù)有：來源于中國氣象科學數(shù)據(jù)共享服務網(wǎng)的104個氣象站點的月均溫和月降水量數(shù)據(jù)；以及中國科學院中國植被圖編輯委員會主編的1∶1000000植被類型圖矢量數(shù)據(jù)，如圖1所示。對每一種植被類型，選取離它最近的氣象站點，將氣象站點的月均溫和月降水量分別合成逐年的月均溫和月降水量。

2.2物候參數(shù)提取

當前，國內外學者已提出多種遙感物候提取方法，常見的有閾值法，移動平均法，導數(shù)法，logistic函數(shù)擬合法以及多種方法的綜合等等[23- 26]，但目前沒有一種方法被普遍接受。本文采用導數(shù)加閾值的方法來進行物候參數(shù)的提取，具體做法如下：用公式(2)所示的double logistic函數(shù)[27- 29]對每一個像元的年NDVI時間序列進行Savitzky-Golay濾波并做函數(shù)擬合，然后對該函數(shù)求導，將NDVI變化率最大的點定義為生長季始期(SOS)；對于生長季末期(EOS)則將其定義為double logistic函數(shù)在下降的過程中NDVI值達到年NDVI整體增幅的80%，即0.8×(NDVImin+NDVIdfiff)；生長季長度(LOS)則是前二者的差值(圖2)。

(2)

式中， NDVImin和NDVIdfiff分別為年NDVI的最小值和年NDVI差值；ri和rd分別為NDVI在左右兩拐點的最大變化率；SOG和EOG各為理論上的SOS和EOS。以上所有數(shù)據(jù)處理均在R軟件中進行。

2.3分段線性回歸

國內外已有很多學者在不同尺度上對于物候開展了研究[30- 31]，發(fā)現(xiàn)北半球中高緯度1980s到1990s之間，春季物候明顯提前，之后春季物候則出現(xiàn)推遲現(xiàn)象。因此，本文也采用分段線性回歸(公式(3))來分析過去25a物候年際變化趨勢[9]。首先用1∶1000000的植被類型圖掩膜提取東北地區(qū)4種植被類型(闊葉林、針葉林、草原、草甸)逐年的物候參數(shù)，對每一種植被類型求取其年均SOS和EOS值。其次，對4種植被25a的年均SOS和EOS值均采用滑動窗口為3的滑動平均方法來消除統(tǒng)計上的不確定性。最后進行分段線性回歸。

(3)

式中,x表示時間序列的年份，y是年均物候參數(shù)值(SOS或EOS)，α是時間序列趨勢轉折點，β1和β1+β2分別表示轉折點前后的變化率，ε代表殘差項。用F檢驗來檢驗分段線性回歸的顯著性，P值<0.05認為具有顯著性。

2.4偏最小二乘回歸

簡單的相關分析在分析自變量與因變量的關系時，沒有考慮自變量之間的相關性，得到的相關系數(shù)具有一定的偏差。偏最小二乘(PLS)回歸能很好的解決這一問題[32]。偏最小二乘回歸分析有兩個主要的輸出結果：變量重要性值(VIP)和標準化的相關系數(shù)，VIP閾值一般采用0.8，小于該閾值的相關系數(shù)認為不顯著。由于研究區(qū)植被的生長季始期平均出現(xiàn)在5月份(第140天)，生長季末期平均出現(xiàn)在9月份(第253天)。因此選取4種植被生長季始期和末期前8個月的溫度和降水，應用偏最小二乘回歸來分析其與物候參數(shù)之間的關系[33- 34]。

3結果與分析

3.1物候年際變化特征

根據(jù)圖3可以看出，闊葉林和針葉林的平均SOS開始最早，大約出現(xiàn)在第130天，草甸的SOS次之，約為140d，最晚的則是草原，平均出現(xiàn)在第155天。1982—2006年，4種植被的SOS變化趨勢均表現(xiàn)出先提前后推遲的現(xiàn)象。不同植被在轉折點前后的變化率也不一樣。闊葉林和針葉林的變化趨勢相對一致，轉折點大約出現(xiàn)在1997年，但二者在該轉折點之前的變化率有很大差別，闊葉林的變化率為-0.028 d/a，針葉林的變化率為-0.26 d/a。草原和草甸的變化趨勢也相對一致，轉折點大約出現(xiàn)在1993年，但二者SOS均值相差近15 d，轉折點之前的變化率也相差很大，草原的變化率為-1.15 d/a，草地的變化率僅為-0.5 d/a。4種植被在轉折點之后變化率最大的是針葉林，約為1.2 d/a。對于EOS而言，4種植被類型均表現(xiàn)出分段形式。其中，闊葉林和針葉林EOS整體上表現(xiàn)出推遲趨勢，分為先提前后推遲兩段；草原和草甸則表現(xiàn)為提前-推遲-提前，整體上也可以分為兩段。闊葉林先經(jīng)歷了短暫的提前，而后一直呈推遲態(tài)勢。針葉林、草原和草甸3種植被類型在1997年之前的變化趨勢大體一致，但在1997年之后表現(xiàn)出截然不同的變化：針葉林秋季物候緩慢推遲，變化率為0.13 d/a；草原秋季物候急劇提前，變化率達到了-1.24 d/a；草甸雖然也有提前趨勢，但變化率僅為-0.18 d/a。4種植被的秋季物候均值差異不大，都集中在第250天前后。

3.2物候與氣候因子關系

由偏最小二乘回歸所得圖4可知，闊葉林、針葉林和草甸的春季物候與春季(2—5月份)溫度呈負相關，這說明春季溫度上升會使得SOS出現(xiàn)提前趨勢，反之亦然。草原前一年10—11月份的溫度也與來年春季物候負相關，但12月份的溫度卻與之表現(xiàn)出正相關，相關系數(shù)明顯高于其他月份，表明上年冬季溫度上升會導致下年春季物候推遲，這和Yu等人研究結果一致：即對于溫帶區(qū)域而言，冬季溫度升高會減緩植被的低溫需求的累積，從而推遲了這些植被的春季物候[35]。降水對于春季物候的影響規(guī)律性不強。闊葉林和草原春季物候主要受前一年12月份的降水影響，與之表現(xiàn)出很強的負相關，這也驗證了前人的結論：在半濕潤半干旱區(qū)域，冬季降水的增加可能會使來年春季物候提前[31]。對于針葉林和草甸而言，春季(3—4月份)降水的變化也會作用于春季物候，降水增加會使春季物候推遲，反之則會使物候提前。

相比于春季物候，溫度對于秋季物候的影響基本上都為正相關，但不同植被間也有差異。具體來看，闊葉林的秋季物候與各月溫度的偏相關系數(shù)大體一致，均為正相關；針葉林和草甸秋季物候主要受6—7月份的溫度影響，呈正相關，表明夏季溫度升高會使這兩種植被的秋季物候推遲；草原除了受4月份與7月份溫度正相關的影響外，還與8月份的溫度負相關。3種植被(闊葉林、針葉林和草甸)中，3月份的降水均與秋季物候正相關，表明該月降水的增加可使植被秋季物候推遲。而該3種植被的春夏季降水卻與秋季物候負相關，說明夏季降水的減少會推遲秋季物候。分析原因可能是因為：研究區(qū)域雨熱同期降水充沛，春夏季降水量的增多會使土壤濕度迅速增加，進而通過影響植被羥化作用來增強植被的光合作用，植被就會加速生長提前完成其整個生長季，反之就會推遲植被的秋季物候[36- 37]。而對于降水偏少的半濕潤半干旱地區(qū)，8月份降水與秋季物候正相關，可能是由于該區(qū)植被易受到水分脅迫的影響，降水的增加會延長其生長，否則會因缺水而提早進入衰落期。

由圖5可知，植被類型不同，物候對于溫度與降水的敏感性也不同。草原的春季物候隨著上年12月份溫度的降低而提前。對于闊葉林、針葉林和草甸而言，春季物候隨著春季2—5月均溫的降低而推遲，3種植被春季物候隨溫度降低而推遲的幅度草甸最大，闊葉林次之，針葉林最小。降水方面，雖然闊葉林和草原隨冬季降水量的降低都有推遲趨勢，但草原隨降水量降低而推遲的幅度要遠大于闊葉林推遲的幅度。針葉林和草甸的春季物候隨春季降水量的增加而推遲，針葉林推遲的幅度大于草甸推遲的幅度。由圖5中EFGH 4圖可知，4種植被秋季物候隨夏季溫度的升高而逐漸推遲，針葉林推遲的幅度最大，闊葉林次之，最后是草原和草甸。除草原外，其余3種植被的秋季物候均隨夏季降水的增加而推遲，草原秋季物候的推遲主要受8月份降水增加的影響。將各個圖中數(shù)據(jù)歸一化并分析其斜率發(fā)現(xiàn)，植被春季物候可能主要受氣溫影響，而秋季物候很可能主要受降水控制。

4結論與討論

本文利用GIMMS AVHRR數(shù)據(jù)集，模擬得到了東北地區(qū)1982—2006年4種植被類型的物候參數(shù)，結合溫度降水數(shù)據(jù)利用偏最小二乘(PLS)回歸分析了物候參數(shù)與二者之間的關系，得到如下結論：

(1)4種植被的春季物候在研究時間段內均表現(xiàn)為先提前后推遲的變化趨勢，秋季物候的變化則比較復雜，闊葉林和針葉林整體上呈現(xiàn)出秋季物候推遲的趨勢，草原和草甸則表現(xiàn)為提前-推遲-提前的趨勢。

(2)除草原外，春季物候前幾個月的溫度對闊葉林、針葉林和草甸的生長季始期有顯著的負相關性。前一年12月份的溫度與草原的春季物候正相關。降水對于4種植被春季物候的影響較復雜。對于秋季物候，生長季末期前幾個月的溫度對4種植被秋季物候均有較強的正相關性。除草原外，秋季物候前幾個月的降水對闊葉林、針葉林和草甸的生長季末期有顯著的負相關性。雖然，6月份的降水也對草原秋季物候有負相關性，但8月份降水的正相關性似乎更明顯一些。

(3)溫度和降水對于植物物候具有時滯效應，不同植被對于這種時滯效應的響應也不一樣。例如，本文的研究結果表明草原春季物候不僅受冬季溫度影響外，還受冬季降水的控制。

(4)植被的春季物候可能主要受溫度控制，而秋季物候則主要受降水的影響。

由于本研究時間序列從1982至2006年，而文中所用植被類型圖雖然編制時間跨度也很大，但基本上反應20世紀80—90年代中期的植被分布狀況。20世紀80年代末至2000年，東北地區(qū)土地類型轉變主要是大小興安嶺林草地向耕地轉變，東北東部林草地向耕地轉變以及農(nóng)牧交錯帶草地向耕地轉變；2000年至2006年期間，東北地區(qū)土地利用類型也有轉變，但主要集中在東北平原旱地向水田交錯轉換區(qū)以及東北中部草地向耕地轉化區(qū)，其他區(qū)域變化不大，研究時段內的土地利用類型轉變勢必給本文結果帶來了一定誤差和不確定性[38]。除此之外，文中的針葉林僅考慮了常綠針葉林和落葉針葉林，針闊混交林不屬于此列。雖然常綠針葉林和落葉針葉林在季相上有一定差別，但是由于常綠針葉林的比重非常小，故本文認為對最終結果的影響不大。

參考文獻(References):

[1]竺可楨, 宛敏渭. 物候學. 長沙: 湖南教育出版社, 1999: 1- 131.

[2]Cleland E E, Chuine I, Menzel A, Mooney H A, Schwartz M D. Shifting plant phenology in response to global change. Trends in Ecology & Evolution, 2007, 22(7): 357- 365.

[3]Wu C Y, Gonsamo A, Gough C M, Chen J M, Xu S G. Modeling growing season phenology in North American forests using seasonal mean vegetation indices from MODIS. Remote Sensing of Environment, 2014, 147: 79- 88.

[4]Richardson A D, Keenan T F, Migliavacca M, Ryu Y, Sonnentag O, Toomey M. Climate change, phenology, and phenological control of vegetation feedbacks to the climate system. Agricultural and Forest Meteorology, 2013, 169: 156- 173.

[5]國志興, 張曉寧, 王宗明, 方偉華. 東北地區(qū)植被物候期遙感模擬與變化規(guī)律. 生態(tài)學雜志, 2010, 29(1): 165- 172.

[6]陳效逑, 王林海. 遙感物候學研究進展. 地理科學進展, 2009, 28(1): 33- 40.

[7]宛敏渭, 劉秀珍. 中國物候觀測方法. 北京: 科學出版社, 1979: 1- 136.

[8]Piao S L, Fang J Y, Zhou L M, Ciais P, Zhu B. Variations in satellite-derived phenology in China′s temperate vegetation. Global Change Biology, 2006, 12(4): 672- 685.

[9]Zhang G L, Zhang Y J, Dong J W, Xiao X M. Green-up dates in the Tibetan Plateau have continuously advanced from 1982 to 2011. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(11): 4309- 4314.

[10]劉玲玲, 劉良云, 胡勇. 1982—2006年歐亞大陸植被生長季開始時間遙感監(jiān)測分析. 地理科學進展, 2012, 31(11): 1433- 1442.

[11]鄭景云, 葛全勝, 趙會霞. 近40年中國植物物候對氣候變化的響應研究. 中國農(nóng)業(yè)氣象, 2003, 24(1): 28- 32.

[12]戴君虎, 王煥炯, 葛全勝. 近50年中國溫帶季風區(qū)植物花期春季霜凍風險變化. 地理學報, 2013, 68(5): 593- 601.

[13]李潔, 張遠東, 顧峰雪, 黃玫, 郭瑞, 郝衛(wèi)平, 夏旭. 中國東北地區(qū)近50年凈生態(tài)系統(tǒng)生產(chǎn)力的時空動態(tài). 生態(tài)學報, 2014, 34(6): 1940- 1502.

[14]李明, 吳正方, 杜海波, 宗盛偉, 孟祥君, 張蓮芝. 基于遙感方法的長白山地區(qū)植被物候期變化趨勢研究. 地理科學, 2011, 31(10): 1242- 1248.

[15]侯學會, 牛錚, 高帥. 近十年中國東北森林植被物候遙感監(jiān)測. 光譜學與光譜分析, 2014, 34(2): 515- 519.

[16]孫鳳華, 楊素英, 陳鵬獅. 東北地區(qū)近44年的氣候暖干化趨勢分析及可能影響. 生態(tài)學雜志, 2005, 24(7): 751- 755.

[17]張清, 任茹, 趙亮. 東北地區(qū)森林的空間分布格局及影響因素. 東北林業(yè)大學學報, 2013, 41(2): 25- 28.

[18]Cong N, Piao S L, Chen A P, Wang X H, Lin X, Chen S P, Han S J, Zhou G S, Zhang X P. Spring vegetation green-up date in China inferred from SPOT NDVI data: A multiple model analysis. Agricultural and Forest Meteorology, 2012, 165: 104- 113.

[19]于信芳, 莊大方. 基于MODIS NDVI數(shù)據(jù)的東北森林物候期監(jiān)測. 資源科學, 2006, 28(4): 111- 117.

[20]Chen J, J?nsson P, Tamura M, Gu Z H, Matsushita B, Eklundh L. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky—Golay filter. Remote Sensing of Environment, 2004, 91(3/4): 332- 344.

[21]邊金虎, 李愛農(nóng), 宋孟強, 馬利群, 蔣錦剛. MODIS植被指數(shù)時間序列Savitzky-Golay濾波算法重構. 遙感學報, 2010, 14(4): 725- 741.

[22]宮攀, 陳仲新. 基于MODIS數(shù)據(jù)的東北地區(qū)植被物候參數(shù)提取. 土壤通報, 2009, 40(2): 213- 217.

[23]Justice C O, Townshend J R G, Holben B N, Tucker C J. Analysis of the phenology of global vegetation using meteorological satellite data. International Journal of Remote Sensing, 1985, 6(8): 1271- 1318.

[24]Schwartz M, Reed B, White M. Assessing satellite-derived start-of-season measures in the conterminous USA. International Journal of Climatology, 2002, 22(14): 1793- 1805.

[25]Zhang X Y, Friedl M A, Schaaf C B, Strahler A H, Hodges J C F, Gao F,Reed B C, Huete A. Monitoring vegetation phenology using MODIS. Remote Sensing of Environment, 2003, 84(3): 471- 475.

[26]Jonsson P, Eklundh L. Seasonality extraction by function fitting to time-series of satellite sensor data. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(8): 1824- 1832.

[27]Beck P S A, Atzberger C, H?gda K A, Johansen B, Skidmore A K. Improved monitoring of vegetation dynamics at very high latitudes: A new method using MODIS NDVI. Remote Sensing of Environment, 2006, 100(3): 321- 334.

[28]Butt B, Turner M D, Singh A, Brottem L. Use of MODIS NDVI to evaluate changing latitudinal gradients of rangeland phenology in Sudano-Sahelian West Africa. Remote Sensing of Environment, 2001, 115(12): 3367- 3376.

[29]Busetto L, Colombo R, Migliavacca M, Cremonese E, Meroni M, Galvagno M, Rossini M, Siniscalco C, Di Cella U M, Pari E. Remote sensing of larch phenological cycle and analysis of relationships with climate in the Alpine region. Global Change Biology, 2010, 16(9): 2504- 2517.

[30]Wang X H, Piao S L, Ciais P, Li J S, Friedlingstein P, Koven C, Chen A P. Spring temperature change and its implication in the change of vegetation growth in North America from 1982 to 2006. Proceedings of the National Academy of Sciences of the United States of America, 2011, 108(4): 1240- 1245.

[31]Wu X C, Liu H Y. Consistent shifts in spring vegetation green-up date across temperate biomes in China, 1982—2006. Global Change Biology, 2013, 19(3): 870- 880.

[32]Guo L, Dai J H, Ranjitkar S, Xu J C, Luedeling E. Response of chestnut phenology in China to climate variation and change. Agricultural and Forest Meteorology, 2013, 180: 164- 172.

[33]周偉, 剛成誠, 李建龍, 章超斌, 穆少杰, 孫政國. 1982—2010年中國草地覆蓋度的時空動態(tài)及其對氣候變化的響應. 地理學報, 2014, 69(1): 15- 30.

[34]陳強, 陳云浩, 王萌杰, 蔣衛(wèi)國, 侯鵬, 李營. 2001—2010年黃河流域生態(tài)系統(tǒng)植被凈第一性生產(chǎn)力變化及氣候因素驅動分析. 應用生態(tài)學報, 2014, 25(10): 2811- 2818.

[35]Yu H Y, Luedeling E, Xu J C. Winter and spring warming result in delayed spring phenology on the Tibetan Plateau. Proceedings of the National Academy of Sciences of the United States of America, 2010, 107(51): 22151- 22156.

[36]季勁鈞, 黃玫, 劉青. 氣候變化對中國中緯度半干旱草原生產(chǎn)力影響機理的模擬研究. 氣象學報, 2005, 63(3): 257- 266.

[37]華維, 范廣洲, 陳權亮, 董一平, 周定文. 改則地區(qū)氣候變化對植被生理過程的影響及反饋效應的模擬研究. 高原氣象, 2010, 29(4): 875- 883.

[38]劉紀遠, 匡文慧, 張增祥, 徐新良, 秦元偉, 寧佳, 周萬村, 張樹文, 李仁東, 顏長珍, 吳世新, 史學正, 江南, 于東升, 潘賢章, 遲文峰. 20世紀80年代末以來中國土地利用變化的基本特征與空間格局. 地理學報, 2014, 69(1): 3- 14.

Temporal variation of vegetation phenology in northeastern China

ZU Jiaxing1,2, YANG Jian1,*

1StateKeyLaboratoryofForestandSoilEcology,InstituteofAppliedEcology,ChineseAcademyofSciences,Shenyang110016,China2UniversityofChineseAcademyofSciences,Beijing100049,China

Key Words:climate change; remote sensing; phenology; partial least squares regression

Abstract：Climate change is a very important issue in the natural sciences, and has received much attention in various research fields. Vegetation phenology may be a good indicator of climate change at the regional or global scale, because of the close relationship between vegetation and climate. In this study, we analyzed the trend of vegetation phenology from 1982 to 2006 and its driving climatic factors in northeastern China, which has experienced a rapid climate change in the past three decades partially due to its high latitude. We used a time series of 15-day averaged NDVI derived from the daily GIMMS AVHRR dataset to analyze the trend of vegetation phenology. We first used a Savitzky-Golay filter to reduce the noise in the NDVI curve to account for data contamination by random factors, then conducted a double logistic fitting to extract phonological parameters. To account for varied phenology responses to climate change among different vegetation types, we analyzed time series of those phonological parameters for the four major vegetation types in northeastern China, including broad-leaved forest, coniferous forest, steppe, and meadow. In addition, we performed a Partial Least Squares (PLS) regression to examine the relationship between vegetation phenology and climatic variables. Results showed that spring phenology exhibited an advancing trend followed by a delay for all four vegetation types, but different vegetation types had different turning points. In contrast, the autumn phenology was somewhat complicated with inconsistent patterns across the four vegetation types. Broad-leaved forest and coniferous forest had an overall delayed trend, but the other two types showed a delay-advancing-delay trend. During the study period of 25 years, the spring phenology advanced 11 days for meadow, 7 days for coniferous forest, 5 days for broad-leaved forest, and 3 days for steppe. Autumn phenology was delayed 6 days for broad-leaved forest, 4 days for coniferous forest, and 1 day for meadow, while the steppe showed an advance of 8 days. Partial Least Squares (PLS) regressions indicated that spring temperature was negatively correlated with the spring phenology of broad-leaved forest, coniferous forest and meadow, while previous year winter temperature was positively correlated with the spring phenology of steppe. The relationship between precipitation and spring phenology was complex without any evident patterns. Except for steppe, the autumn phenology of all vegetation types had a negative correlation with summer precipitation. Spring phenology maybe mainly driven by temperature, while autumn phenology was mainly controlled by precipitation. Our study demonstrated strong effects of rapid climate warming on vegetation phenology in northeastern China, which may exert cascading influences on ecosystem processes and functions such as carbon sequestration and ecosystem productivity.

基金項目:國家自然科學基金優(yōu)秀青年科學基金項目(41222004); 中國科學院“百人計劃”項目(09YBR211SS); 國家“十二五”長白山森林景觀恢復項目(Y2KJB631G2)

收稿日期:2014- 09- 23; 網(wǎng)絡出版日期:2015- 08- 05

*通訊作者

Corresponding author.E-mail: yangjian@iae.ac.cn

DOI:10.5846/stxb201409231884

俎佳星, 楊健.東北地區(qū)植被物候時序變化.生態(tài)學報,2016,36(7):2015- 2023.

Zu J X, Yang J.Temporal variation of vegetation phenology in northeastern China.Acta Ecologica Sinica,2016,36(7):2015- 2023.