中国生态功能保护区归一化植被指数动态及气候因子驱动

为揭示生态功能保护区归一化植被指数(NDVI)与气候因子相关性, 为今后该区域植被动态监测提供有用的信息, 该研究基于2000-2015年MODIS NDVI数据和逐月格点降水与气温数据, 采用生态功能保护区和像元两种空间尺度, 应用线性倾向分析、偏相关分析、复相关分析等方法研究了46个生态功能保护区NDVI变化及其与气候因子的关系, 在此基础上基于相关系数显著性水平对生态功能保护区NDVI动态进行了气候因子驱动分区。主要结果: (1)生态功能保护区NDVI总体呈增加趋势, 其增率加权平均值为0.045·a^-1。像元分析表明, NDVI显著增加的区域主要分布在中部和东北部。(2)生态功能保护区NDVI与降水的偏相关系数在-0.30-0.72之间, 在32个分区呈正相关关系。NDVI与气温的偏相关性在-0.36-0.92之间, 在39个分区呈正相关关系。像元分析表明, 50.6%的像元NDVI与降水呈显著正偏相关关系, 主要分布在东北及西北地区。64.6%的像元NDVI与气温呈显著正偏相关关系, 主要分布在东北及青藏高原北缘地区。(3)气温-降水强驱动型是主要驱动类型, 占总面积的38.7%; 气温驱动型为次要驱动类型, 占27.3%; 非气候因子驱动型占17.6%。以上结果表明, 生态功能保护区NDVI与气温、降水气候因子改变具有显著相关性, 气候因子驱动的地区共占82.4%。研究气候变暖背景下生态功能保护区NDVI变化及其对气候因子的响应, 对于认识该区植被动态变化规律具有重要作用。     

锡林郭勒植被NDVI时空变化及其驱动力定量分析

定量评价归一化植被指数(NDVI)变化特征及其驱动机制, 对了解区域生态变化特征, 促进区域生态与社会经济的可持续发展具有重要作用。该文利用MODIS-NDVI数据, 采用趋势分析法探讨了锡林郭勒2000-2015年生长季植被NDVI时空格局; 然后, 将各驱动因子的空间影响面积与植被显著增加/减少区域进行空间叠加分析, 二者比例即为贡献率大小。结果表明: 研究区植被NDVI整体缓慢增加, 呈现“东北高西南低”的分布格局。NDVI显著增加面积大约是显著减少面积的2倍, 且在气候和人类活动的双重作用下, 植被NDVI表现出显著的空间异质性。在NDVI显著增加区域, 气候影响比例为47.79%, 且降水和气温影响比例相当; 禁牧及草畜平衡政策是最主要的人为影响因素, 占比69.55%。在NDVI显著减少区域, 气候因素占比52.55%, 且以降水影响为主; 人类活动占比24.73%。在NDVI显著增加区域, 人类活动的影响大于气候因素, 且二者耦合作用较突出。     

青藏高原草地植被覆盖变化及其与气候因子的关系

为揭示气候变化对青藏高原草地生态系统的影响及其生态适应机制,利用1982~1999年间的NOAA/AVHRR NDVI数据和对应的气候资料,研究了近20年来青藏高原草地植被覆盖变化及其与气候因子的关系。结果表明,18年来研究区生长季NDVI显著增加(p=0.015),其增加率和增加量分别为0.41% a^-1和0.001 0 a^-1。生长季提前和生长季生长加速是青藏高原草地植被生长季NDVI增加的主要原因。春季为NDVI增加率和增加量最大的季节,其增加率和增加量分别为0.92% a^-1和0.001 4 a^-1;夏季NDVI的增加对生长季NDVI增加的贡献相对较小,其增加率和增加量分别为0.37% a^-1和0.001 0 a^-1。3种草地(高寒草甸、高寒草原、温性草原)春季NDVI均显著增加(p<0.01;p=0.001; p=0.002); 高寒草甸夏季NDVI显著增加(p=0.027),而高寒草原和温性草原夏季NDVI呈增加趋势,但都不显著(p=0.106; p=0.087);3种草地秋季NDVI则没有明显的变化趋势(p=0.585; p=0.461; p=0.143)。3种草地春季NDVI的增加是由春季温度上升所致。高寒草地(高寒草甸和高寒草原)夏季NDVI的增加是夏季温度和春季降水共同作用的结果。温性草原夏季NDVI变化与气候因子并没有表现出显著的相关关系。高寒草地植被生长对气候变化的响应存在滞后效应。     

中国东部南北样带主要植被类型归一化植被指数对气候变化的响应及不同时间尺度的差异性

植被的动态变化及其与环境的关系已成为全球变化研究的热点问题。陆地样带是进行全球变化驱动因素梯度分析的有效途径。该研究依托中国东部南北样带(NSTEC), 对南北样带不同时间尺度的气候因子和植被活动变化特征进行了分析, 并重点阐述了具有代表性的12种植被类型对气候因子的响应方式。研究结果表明: 南北样带植被的归一化植被指数(NDVI)的变化同时受控于气温和降水, 但是在不同的空间和时间尺度上植被NDVI的响应方式各异。在年时间尺度上, 只有温带落叶灌丛(TDS)的NDVI受气温控制; 而温带禾草草原(TGS)和亚热带和热带针叶林(STCF)的NDVI同时受气温和降水调控。其他植被类型的年NDVI与年平均气温和年总降水量没有直接显著的联系, 而受年内气温变化和降水分配状况的影响更大。在月时间尺度上, NDVI与气温的关系在不同类型植被之间存在很大差异。一般而言, 植被NDVI与前4个月内的气温关系最为密切, 并且从1月份到4月份气温的滞后时长在缩短。其中, 温带针叶林(TCF)、温带落叶阔叶林(TDBF)、TDS、STCF和亚热带热带草丛(STG)等植被类型, 5-8月的NDVI与气温普遍呈负相关关系。草原和灌丛植被类型当月NDVI与当月降水量主要以正相关为主, 而森林类型当月NDVI与当月降水量主要以负相关为主。     

中国北方草原植被对气象因子的时滞响应

利用1982~1997年的气温、降水和1983~1997年生长季的NOAA/AVHRR的归一化植被指数(Normalized differential vegetation index, NDVI)遥感数据,分析了中国北方温带草原植被生长对气象因子的时滞响应。根据4个时间尺度(1~4个月)和4个时滞期(前0~3个月)将降水数据进行16种组合方式,计算了植被的NDVI与同期及前期(前1~6个月)降水之间的相关系数。同时,计算了植被的NDVI与同期和前一个月气温之间的相关系数。结果表明:1)中国北方温带草原植被的NDVI与同期降水和气温的显著相关。2)植被的NDVI对前一个月降水的时滞响应最强烈,植被的NDVI与当月降水和前两个月降水的累积量相关性最强。3)在生长季的起始阶段,去冬、今春的降水总量对草甸草原植被的生长有重要的作用。在生长季的中期和后期,当月和前一、二个月的降水对典型草原和荒漠草原的植被有显著影响。4)在草甸草原、典型草原区,生长季早期的气温均对植被生长的影响较为显著。在荒漠草原区,气温不仅在生长季初期与植被的NDVI呈现正相关,而且在生长季的中后期,气温与植被的NDVI呈现负相关性。     

1982-2012年中亚植被变化及其对气候变化的响应

归一化植被指数(NDVI)能够反映植被生长状况, 被广泛应用于区域乃至全球的植被变化研究中。该文利用1982-2012年GIMMS-NDVI数据, 通过基于像元的线性趋势分析、偏相关分析, 基于场域的经验正交分解(EOF)、奇异值分解(SVD), 综合时间和空间两个维度上的信息, 研究了近31年来中亚植被的变化及其变化中的区域差异, 分析了植被对气候变化的响应关系。线性趋势分析发现, 34%的中亚植被NDVI显著增长(p < 0.05), 山区植被NDVI的增长速率可达到每年0.004。偏相关分析表明, 63%的中亚植被受到降水的显著影响(p < 0.05, 仅4%为负相关), 而32%的植被受到气温的显著影响(p < 0.05, 仅9%为正相关)。EOF分析发现, 中亚植被NDVI的变化表现出较大的空间差异: 山区及东北部的植被NDVI变化主要分为3个阶段, 即先增长(1982-1994年)、后波动(1994-2002年)、然后继续增长(2002-2012年); 而西北部平原区的植被NDVI变化主要表现为两个阶段, 即先增长(1982-1994年)而后减少(1994-2012年)。SVD分析表明: 1982-2012年间中亚植被受到降水和气温的共同影响, 植被NDVI的空间变化特征与降水的空间变化特征较为一致, 但西北部和山区的植被NDVI对气温的响应存在差异。     

气候因子和人类活动对松辽流域植被叶面积指数动态的影响

了解气候变化和人类活动对植被的影响对陆地生态系统可持续发展具有重要意义。基于月尺度MODIS LAI、气象等数据,采用基于像元的趋势及偏相关分析、时滞与累积效应分析和改进的残差分析等方法,评估松辽流域2001-2021年生长季植被叶面积指数(LAI)动态,在顾及时滞与累积效应的情况下探究气候与人为驱动因素对植被的影响。结果表明:(1)松辽流域LAI总体呈"平原低,山地高"的空间分布格局。近21年植被LAI在波动中呈上升趋势,未来植被变化以持续改善为主,但内蒙古西部草原及大、小兴安岭局部地区仍存在退化风险。(2)LAI总体上与气温、降水呈正相关,相较气温植被生长对降水更敏感。LAI变化的时间效应随气候因子、覆被类型及植被分区的不同而发生变化。LAI对气温的主要时间效应为2个月滞后和0-1个月累积,而对降水主要为无显著滞后和1个月累积。(3)气候变化和人类活动的联合作用是影响松辽流域植被LAI动态的主要原因,两者对植被变化的贡献分别占41.7%和58.3%,同时考虑时滞和累积效应时,提升了气候因子对植被生长的解释度。     

中国西南部地区植被对极端气候事件的响应

在全球气候变化背景下, 极端气候事件频发。中国西南部地区植被对于气候变化及极端气候事件的响应较为敏感。为探究西南部地区植被对极端气候事件的响应程度, 该文采用Pettitt检验、趋势分析法对数据进行分析, 并对数据进行去趋势处理, 分析去趋势前后极端气候指数与归一化植被指数(NDVI)的相关关系。结果表明: (1) 1982-2015年西南部地区植被NDVI呈现显著上升的趋势, NDVI在1994年发生突变, 突变前上升不显著, 突变后呈现显著上升的趋势; (2)去趋势前, 1982-2015年间, 极端降水指数与NDVI显著相关的仅有1日最大降水量, 其与NDVI显著正相关; 除气温日较差外, 其他极端温度指数均与NDVI显著相关。1994-2015年间, 1日最大降水量与NDVI显著正相关, 降水日数与NDVI显著负相关; 在极端温度指数中, 日最低气温最大值、暖昼日数、夏季日数、生长季长度和气温日较差与NDVI显著正相关, 冷昼日数、冰冻日数、冷夜日数和霜冻日数与NDVI显著负相关。1982-2015年间NDVI对年平均气温的响应最强, 而在1994-2015年间NDVI对夏季日数和气温日较差的响应强于对年平均气温的响应。(3)去趋势后, 极端降水指数与NDVI的相关性在两个时段都不显著; 而日最高气温最大值、暖昼日数、夏季日数和气温日较差在这两个时段与NDVI显著正相关, 但其与NDVI的相关系数都在1994-2015年间更高。气温日较差在两个时段与NDVI的相关系数都最高。只在1982-2015年冷昼日数与NDVI显著负相关。     

内蒙古草原生态系统净初级生产力及其与气候的关系

该文在利用朱文泉等(2007)构建的基于光能利用率的净初级生产力(NPP)遥感估算模型对内蒙古草原生态系统1982-2006年的NPP进行估算的基础上, 选取包括降水量、温度、有效降水、有效温度和3种地表干湿度指数在内的气候指标, 充分考虑地表覆盖状况和气候因子的时滞和累积效应, 探讨了内蒙古草原生态系统NPP与气候因子之间的相互作用关系。结果表明, 以年为时间单位, 在年际水平上, 温度相关的各指标与年NPP的关系并不明显, 当年的气候条件对草原区植被的生长影响最大。以月为时间单位, 年内月气温和降水是影响NPP的重要因素。且所有植被类型区在年内月际水平上气候各指标对NPP的影响时效最大为1个月, NPP和各气候参量的关系时效也为1个月; 在年际水平上5-9月的NPP与降水、地表干湿度指数的互相关系数明显高于同温度各指标的互相关系数, 表明降水是影响内蒙古草原NPP的主要气候因子, 且降水的累积效应影响显著。不同植被类型区年际月NPP与降水指标之间的关系也各不相同。     

黄土高原泾河流域长时间序列的归一化植被指数动态变化及其驱动因素分析

泾河流域土地开发历史悠久, 是黄土高原水土流失的典型区域。研究气候变化和人类活动影响下泾河流域的植被覆盖变化及其原因, 对黄土高原的植被恢复、水土保持和景观管理等都具有重要意义。该研究应用GIMMS归一化植被指数NDVI、土地覆盖分类数据和气候数据, 采用趋势分析和相关分析方法, 研究了泾河流域1982-2005年植被覆盖变化趋势及其驱动因素。研究表明: 泾河流域24年间79.64%的区域NDVI无显著变化趋势, NDVI趋势显著增加的区域占16.33%, 主要集中在流域中部和南部, NDVI趋势显著减小的区域占4.03%, 主要集中在流域北部。流域所有气象站点的降水量均无显著变化趋势, 气温均呈显著升高趋势。分析发现气候变化不能很好地解释NDVI趋势的空间分异, 人为因素更为重要。从土地利用分析结果来看, NDVI不同趋势下各土地利用类型比例无明显变化, 但NDVI显著增加区以耕地为主, 显著减小区以草地为主, 由此推断NDVI的显著增加趋势主要由耕地NDVI增加引起, 显著减小趋势可能与林地减少和草地退化有关。通过分析不同分区的土地利用数据和社会经济资料, 着重探讨了造成植被覆盖显著变化趋势的人为因素。     

基于物候相机归一化植被指数估算高寒草地植物地上生物量的季节动态

准确评估地上生物量对优化草地资源管理和理解草地碳、水和能量平衡具有重要意义。该文通过近地遥感归一化植被指数(NDVI)构建最优经验模型, 对青藏高原高寒草地地上生物量进行估算。该文利用2018-2019年5-9月野外实测的地上生物量和植物冠层光谱仪(RapidSCAN)测定的NDVI_RS数据, 构建了生长季不同时期地上生物量的估算模型; 并结合2018年NetCam物候相机测定的NDVI_Cam时间序列数据, 实现地上生物量季节动态的模拟。主要结果: (1) NDVI_Cam、NDVI_RS与地上生物量具有相似的单峰型季节变化格局, 但NDVI峰值出现的时间(7月)较地上生物量(8月)更早; (2)基于NDVI的生物量估算最优经验模型在5、7和9月是幂函数, 在6和8月是二次多项式, 估算精度为0.29-0.77; (3)基于NDVI_Cam时间序列数据, 生长季不同时期建模(R² = 0.91)较单一时期(9月)建模(R² = 0.49)对地上生物量季节动态的估算更为准确。这些结果表明, 近地遥感是估算高寒草地植物地上生物量的有效手段, 开展季节性植物生长调查将有助于准确评估草地资源。     

青藏高原植被绿度变化及其对干湿变化的响应

青藏高原是全球气候变化的敏感区,特殊的自然环境孕育了极端脆弱的植被及其生态系统,已成为研究植被对气候变化响应的一个理想区域。植被易受气候变化的影响且响应可能因季节和植被类型而异。该研究将标准化降水蒸散指数(SPEI)和MODIS归一化植被指数(NDVI)分别作为干湿度和植被绿度指标,采用Sen’s斜率估计、BFAST模型和相关分析,分析了2000–2018年青藏高原植被绿度变化的时空格局特征,并探讨了植被绿度对干湿变化的响应。结果表明:2000–2018年青藏高原植被绿度呈上升趋势,但变化速率空间差异显著。大部分高原地区植被绿度于2012–2015年间存在突变,突变后普遍呈上升趋势,以藏北地区最为突出。青藏高原植被生长季NDVI与不同时间尺度SPEI整体呈正相关关系,且在生长季的中后期相关性逐渐增强。青藏高原植被对SPEI的响应表现出一定的年内周期性,草本植被(草甸和草原)区尤为显著。相对于森林和灌丛植被,草本植被对SPEI响应更为敏感,且在生长季的不同阶段对不同时间尺度的SPEI的响应存在明显差异。     

青藏高原地区气候图解数据集

气候图解可以直观反映气象台站基本信息和气温、降水等气象数据,是研究植被与气候关系的有效方式。为便于了解青藏高原不同植被区域气候特征,进一步认识青藏高原植被与气候关系,该文基于1951–1980年与1981–2010年青藏高原地区国家地面气象台站基本信息和各30年平均观测数据,依据《中国植被》所述标准制作每个气象台站的气候图解。论文提供了青藏高原地区主要台站气候图解集,包括两个30年时间段共计205幅图解。研究表明:(1)青藏高原地区气温和降水总体水平偏低,前后30年年平均气温和年降水量整体呈上升趋势;(2)青藏高原地区各气象台站记录值随植被区域不同表现出较大差异。虽然青藏高原西部地区的气象台站数量很少,但该数据集仍涵盖了高原面上的不同植被地带,可有效运用于高原植被与气候关系研究,为展示高原气候环境等提供便利。     

黑河中游荒漠生态系统归一化植被指数对降水的响应

降水是荒漠生态系统主要的水分来源, 是植被结构和功能变化的根本驱动力。该研究以黑河中游砾质荒漠(砾漠)和沙质荒漠(沙漠)为研究对象, 基于2000-2012年中分辨率成像光谱仪(MODIS)获取的归一化植被指数(NDVI)数据以及日降水数据, 运用多元线性回归法, 分析了砾漠和沙漠植被生长季(5-9月)、生长季早期(5-6月)和晚期(7-9月)累积NDVI (NDVI_INT, INT表示某时间段的累积值)对冷季降水(P_c, 前一年9月至当年2月累积降水)、暖季降水(P_w, 当年3月至8月累积降水)、前一年生长季NDVI_INT (NDVI_INT-pys)以及干湿气候期(干旱期: 2001-2003; 湿润期: 2004-2007年)的响应。研究结果表明: (1)砾漠植被生长季NDVI_INT年际变化的影响因素排序为NDVI_INT-pys > P_c > P_w, 沙漠植被NDVI_INT则为P_w > NDVI_INT-pys; 砾漠生长季NDVI_INT早期NDVI_INT年际变化的影响因素排序为NDVI_INT-pys > P_c, 晚期则为NDVI_INT-pys > P_c = P_w; 而沙漠生长季早期NDVI_INT年际变化的影响因素为NDVI_INT-pys, 晚期是P_w。(2)在干湿气候期内, 降水量并非是影响荒漠NDVI_INT变化的关键因子。干湿气候期交替时, 砾漠NDVI_INT较沙漠增加明显; 湿润期内, 湿润期持续的长短是影响两种生境植被NDVI_INT的关键因子, 以沙漠较为明显。黑河中游砾漠和沙漠植被生产力对冷暖季降水及干湿气候期响应具有明显的差异, 但总体显示出荒漠植被生产力对降水响应具有滞后性特征。以上结论可为揭示荒漠植被生产力对降水的响应机理提供参考。     

Changes in normalized difference vegetation index of deserts and dunes with precipitation in the middle Heihe River Basin

AimsPrecipitation is the major water source for desert ecosystems, with its temporal dynamics significantly driving the changes of ecosystem structure and function in desert regions. The objectives of this study are to evaluate the changes in normalized difference vegetation index (NDVI) with seasonal precipitation and different climate years in two cover types (desert and dune).MethodsBased on the daily rainfall dataset of 2000-2012 in the middle Heihe River Basin in Northwest China and the NDVI extracted from the moderate resolution imaging spectroradiometer (MODIS) images, we performed linear regression analysis to examine the correlation of NDVI_INT (accumulated NDVI) with precipitation in two cover types (desert and dune). Two measures of the precipitation are P_c (cool-season precipitation from last September to late February) and P_w (warm-season precipitation in between March and August), while NDVI was characterized with NDVI_INT-pys (previous-year during the different climate years (dry: 2001-2003, wet: 2004-2007)) and the different periods of a growing season (i.e. whole growing season from May through September, early growing season in between May and June, and late growing season in between July and September).Important findings We found that: (1) the determinants of growing season NDVI_INT and their order were NDVI_INT-pys > P_c > P_w for the deserts, while the order was P_w > NDVI_INT-pys for the dunes. The determinants and their order of NDVI_INT in early growing season were NDVI_INT-pys > P_c for the desert, while they were NDVI_INT-pys > P_c = P_w for the late growing season. However, for the dunes, NDVI_INT of the early and late growing season appeared determined by NDVI_INT-pys and P_w, respectively. (2) During the dry and wet periods, precipitation was not a significant factor influencing NDVI_INT for the desert and dune. However, significant increases in NDVI_INTwere observed at dune under wet condition. With the wet years continued, the length of the wet years become an important determinant of NDVI_INT at both cove types, particularly at dune. In addition, it appeared that different changes in NDVI with precipitation existed between the two cover types, but with very similar effects of time-lag. These findings provide useful references for further understanding the mechanisms of NDVI changes with precipitation.