EN中文

地球信息科学学报 >

2015 , Vol. 17 >Issue 10: 1249 - 1259

DOI: https://doi.org/10.3724/SP.J.1047.2015.01249

亚热带福建省森林生长季与气温、降水相关性的遥感分析

  • 徐凯健 , 1, 2 ,
  • 曾宏达 , 1, 2, * ,
  • 张仲德 3 ,
  • 谢锦升 1, 2 ,
  • 杨玉盛 1, 2
展开
  • 1. 湿润亚热带山地生态国家重点实验室培育基地,福州 350007
  • 2. 福建师范大学地理研究所,福州 350007
  • 3. 国立台湾大学地理环境资源学系,中国台北 10617
*通讯作者：曾宏达(1981-),男,讲师,研究方向为生态遥感与应用。E-mail:

作者简介：徐凯健(1991-),男,硕士生,研究方向为森林生态与环境遥感。E-mail:

收稿日期: 2014-11-13

  要求修回日期: 2015-03-26

  网络出版日期: 2015-10-10

基金资助

国家自然科学基金重点项目(31130013);国家“973”前期研究课题(2012CB722203)

收起

Relating Forest Phenology to Temperature and Precipitation in the Subtropical Region of Fujian Based on Time-Series MODIS-NDVI

  • XU Kaijian , 1, 2 ,
  • ZENG Hongda , 1, 2, * ,
  • CHANG Chungte 3 ,
  • XIE Jinsheng 1, 2 ,
  • YANG Yusheng 1, 2
Expand
  • 1. State Key Laboratory of Humid Subtropical Mountain Ecology, Fuzhou 350007, China
  • 2. Institute of Geographical Sciences, Fujian Normal University, Fuzhou 350007, China
  • 3. Department of Geography, National Taiwan University, Chinese Taipei 10617, China
*Corresponding author: ZENG Hongda, E-mail:

Received date: 2014-11-13

  Request revised date: 2015-03-26

  Online published: 2015-10-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

植物生长季的变化反映了全球气候变化对生态环境的影响。本研究以2000-2006年间MODIS-NDVI影像数据集,使用TIMESAT软件从归一化植被指数（NDVI）时间序列中,分别提取福建省不同森林植被的生长季开始日期（Start of Season,SOS）、生长季结束日期（End of Season,EOS）和生长季长度（Length of season,LOS）等物候参数,并与全省尺度的气温与降水量进行相关分析。结果表明：不同森林类型NDVI与当月月均气温之间具有较显著的相关性（R2为0.72-0.79,p<0.01）,同期温度变化对植被生长的影响相对于降水量更重要;而植被生长对降水量的响应存在大约2个月的时滞效应（R2为0.54-0.75,p<0.01）,说明前期的降水累积对于后续植被生长有较显著影响。福建省森林植被生长季持续时间约213~223 d,开始于每年4月初到4月中旬（第98~103 d）,结束于11月中旬前后（第316~321 d）。其中,南亚热带森林生长季长于中亚热带森林,相同气候条件下的阔叶林生长季时间略长于针叶林。另外,春季（2-4月）气温变化是导致福建省内2个气候带森林生长季开始时间、生长季结束时间及生长季长度变化的关键因素,而伴随春季温度升高,植被生长季开始时间提前（R2为0.83,p<0.01）,同时生长季长度延长（R2为0.80,p<0.01）。7 a间,生长季持续时间呈现微弱延长趋势,总体延长幅度为2.4~3.1 d。

关键词： 遥感分析; 植被物候; TIMESAT; 亚热带森林; 春季气温

本文引用格式

徐凯健 , 曾宏达 , 张仲德 , 谢锦升 , 杨玉盛 . 亚热带福建省森林生长季与气温、降水相关性的遥感分析[J]. 地球信息科学学报, 2015 , 17(10) : 1249 -1259 . DOI: 10.3724/SP.J.1047.2015.01249

Abstract

Vegetation phenology reflects the response of a terrestrial ecosystem to climate change. It is critical to quantitatively explore the relationships between vegetation dynamics and temperature as well as precipitation. We examined the vegetation-climate relationship using the monthly maximum values of normalized difference vegetation index (NDVI) derived from the Moderate Resolution Imaging Spectroradiometer (MODIS) between 2000 and 2006 in the subtropical region of Fujian. The dataset was also used to calculate phenoloical metrics including the start of season (SOS), the end of season (EOS) and the length of season (LOS) for each year using TIMESAT. The results indicates that the NDVI of each forest types were significantly positive correlated to the monthly mean temperature under no time-lag condition (R2=0.72-0.79, p<0.01). This suggests that the current temperature condition dominated over rainfall amount in affecting vegetation growth. There were significant log-linear relationships between NDVI and rainfall with a 2-month time-lag for each forest types (R2=0.54-0.75, p<0.01), implying that the vegetation growth does not respond immediately to rainfall but to the precedent cumulative rainfall. The phenoloical analysis showed that the SOS began from early to mid April (calendar day 98~103), the EOS appeared in mid-November (calendar day 316~321) and the LOS lasted 213~223 days. The LOS of southern subtropical forests was longer compared to the central subtropical forests; and the LOS of hardwood forests was longer than the conifer forests under similar climate regime. It is possible that the stability of hardwood forests was generally higher and the fluctuations of environmental factors did not limit the growth of hardwood forests compared to the conifer forests. The inter-annual varieties of SOS and LOS were significantly related to spring temperature (February-April), in which the higher spring temperature was related to the earlier SOS (R2=0.83, p<0.01) and consequently the longer LOS (R2=0.80, p<0.01). The trend analysis of LOS for four forest types revealed a significant weak increase between 2.4 days to 3.1 days during the study period.

Key words： remote sensing analysis; vegetation phenology; TIMESAT; subtropical forest; spring temperature

1 引言

植物生长动态研究是探讨植物抽芽、展叶、开花、结果、落叶等生长过程循环出现的时间,以及影响其变化的生物与非生物因素[1]。植物生长季的变化记录了全球环境变化的过程,反映出气候变化对生态系统的影响,堪称全球变化的指示器[2]。因此,研究植物的生长季变化,对了解植被与全球气候变化的响应具有重要意义。传统的植被生长过程观测多采用野外目视观察法,通过定点的直接观测,记录植物的季节变化和年际变异。这种方法准确性较高,但难以开展对较大尺度区域的监测。近30 a来,遥感技术的发展为植被生长监测提供了相对即时而连续的信息,有助于分析气候条件变动对陆域生态系统的影响。大量研究表明,使用遥感手段观测植被生长动态的方法可行[3-4],目前,常用的监测方式是通过对植被指数的提取计算以获取植被生长季节动态的信息。
植被季节动态反映了植被与气候响应的综合信息,而气候条件又与植被所在纬度、海陆位置和地形条件等因素紧密关联。在众多环境气候因子中,温度、降水作为植物生长发育的必要环境条件,对植被的物候时空形态及变化产生重要影响[5-6]。许多研究探讨了不同地区的植物物候变化与气温、降水之间的关联性[7-10],并且发现了一系列植被指数适合用于植被物候的提取,如NDVI[11]、EVI[12]及WDRVI[13]等。影响全球物候变化的因素很多,一般来说,在寒带温带地区影响物候变化的主导因素是气温[8,14];干旱和半干旱地区的植被物候,则因降水量的变动而发生改变[10,15];而对于热带和亚热带区域的研究相对较少,Chang等[16-17]对台湾热带和亚热带岛屿地区植被物候的研究具有一定代表性,但目前针对我国大陆东南沿海地区的观测仍较为缺乏,亚热带及海陆交界的地表植被对气候响应的特性仍需进一步深入分析。

2 地理背景与数据源

2.1 地理背景

福建省位于中国东南部,东邻东海,西接亚欧大陆,与台湾岛隔海相望。全省东西跨度约480 km,南北跨度约530 km,地形以山地为主。年平均气温在16~20 ℃之间,冬暖夏热;年降水量约1350~2150 mm,降水季节分配不均,有较明显的干季和雨季,降水多集中于4-8月,其中,6月的多年月均降水量位列全年第一,降水在整体上呈现出由东南向西北递增的格局（图1）。福建省属于亚热带湿润季风性气候,为中亚热带和南亚热带的过渡区,区域气候差异显著。其中,中亚热带1月均温在10 ℃以下,土壤主要是红壤和黄壤,pH值多在5.5以下;南亚热带1月均温在10 ℃以上,且土壤成土过程以富铝化作用为主,较中亚热带地带强烈[18]。另外,2种气候带下不同季节的气候特征也存在较明显差异,如研究时段内南亚热带的春季（2-4月）平均气温比中亚热带高出约2~3 ℃,因此,中、南亚热带区域内植被的生长过程有明显的差异。独特的气候条件和复杂的环境类型,使福建省孕育了丰富的森林资源,其森林覆盖面积高达65.95%（2013年）,在内陆各省中位列第一。其中,全省的森林植被以常绿阔叶林（主要是米槠、甜槠、栲树）、常绿针叶林（主要是杉木、马尾松、黄山松）,以及部分二者的混交林为主。
Fig. 1 Maps of annual mean temperature , mean annual precipitation and topography

图1 研究区多年平均气温、平均年降水量及地形概况

2.2 数据源

（1）遥感数据：在国际科学数据服务平台地理空间数据云（http://www.gscloud.cn）下载的MODIS陆地2级标准数据产品MODIS-NDVI（MOD13）影像共192幅（2000-2006年）,内容为基于16 d最大合成法（Maximum Value Composites,MVC）合成的250 m分辨率NDVI数据,该产品已经过标准几何校正和大气校正。使用MRT（MODIS Reprojection Tools）将下载的MODIS-NDVI数据数据进行格式转换和重投影,并完成图像的拼接与裁剪工作。再进一步以MVC合成得到2000-2006年间各月份影像数据（共84幅）,以减少大气干扰,并能与月份气象数据比对分析。
（2）气象数据：选取福建省气象局气象资料室提供的福建全省68个气象观测站2000-2006年的月均气温及降水量,作为气候指标计算的基本资料。由于研究所获取的2007年以后气象数据为国家气象科学数据共享中心提供,其在福建全省分布的站点仅有24个,以此进行全省气象的空间差值显然不够严谨,且与之前年份的计算口径不同,故未纳入文中。同时,利用7 a的气象及遥感数据分析,相对于过去的研究结果仍具有代表性[17,19]。使用气象数据时,利用ArcGIS10.0分析工具,根据各气象站点的经纬度信息,并结合全省30 m DEM数据,运用多元统计回归方法,分别得到气温和降水方程模型,并对逐月的降水量和气温进行IDW插值运算[20],获取像元大小与遥感数据一致、投影方式相同的气象要素栅格图像,通过行政区数据掩膜,剪取福建地区月平均温度和月降水量的栅格图像。同时以插值运算结果计算出各地区春季（2-4月）、夏季（5-7月）、秋季（8-10月）和冬季（11-次年1月）的平均气温与累积降水量。

3 森林生长季与气温、降水相关性遥感分析

3.1 典型样区选取

本文根据国家林业局发布的全省土地覆盖数据（2005年）,以及部分县市林业部门提供的2003-2007年间森林小班数据确定与遥感影像对应的地面森林类型,结合海拔与坡向因子,在全省分散选取92个纯林像元样区作为典型研究区（图2）。其分属于中亚热带针叶林（28个）、南亚热带针叶林（22个）、中亚热带阔叶林（27个）和南亚热带阔叶林（15个）4种森林类型。使用Moran'I指数对所选森林样区进行空间自相关分析表明,其各自分布均接近随机分布（I为-0.14~-0.12）。为尽量减小误差,所选像元区均采用3×3,即采样点周围9个像元的平均值作为该点的像元值[21]。
Fig. 2 The distribution of sampling sites

图2 典型样区分布图

3.2 利用TIMESAT提取森林物候参数和统计分析

NDVI反映植被生长过程的时间序列曲线理论上是连续且平滑的,但由于传感器性能、观测条件差异等干扰,使得到的观测值包含一些噪音,导致植被覆盖变化分析和信息提取等研究结果混入干扰因素[22-23]。因此,需对卫星数据进行时间序列重构,以提高数据质量及可信度。本研究利用Jönsson和Eklundh[24]发展的TIMESAT软件（TIMEAT V.3.0,http://www.nateko.lu.se/TIMESAT/timesat.asp）,先对各植被典型研究区时间序列数据进行重建,再利用重建后的长期数据提取不同年份的物候参数,当归一化植被指数的增加达到当年幅度一定百分比的时间点,将其定义为生长季开始,而当植生指标降低到当年幅度的一定百分比的时间点,定义为生长季结束时间[25]。此方法在进行多年数据的物候分析时,不同年度的归一化植被指数变异不会相互影响,能得到较适当的结果。TIMESAT对不同时空尺度的遥感时间序列数据能做有效处理,从数据中提取季节性植被生长规律。该软件已被应用到许多领域中,如Seaquist等[15]研究了1982-2003年非洲环境因子和植被物候变化,Tottrup等[26]使用SEVIRI数据,反演高纬度森林生物气候变化,Verbesselt等[27]利用卫星数据评估了稀树草原生态系统气候主导下火灾风险指数变化等。其作为一款专业分析卫星传感器时间序列数据的辅助工具,具有很高的应用价值。
TIMESAT内部封装了多项式滤波函数Savitzky-Golay（S-G）,非对称高斯函数（A-G）和双Logistic曲线函数（D-L）等多种拟合算法。其中,S-G滤波是一种移动窗口的加权平均算法,此加权系数并不是简单的常数窗口,而是通过活平滑窗口内对给定高阶多项式的最小二乘拟合得出。其计算公式[28]如式（1）所示。
Y j * = ∑ i = - m m C i Y j + 1 N （1）
式中,Y为NDVI原始值;Y*为NDVI平滑后的值;Ci为NDVI平滑窗口系数值;N为卷积维数,其大小等于滑动窗口的尺寸;系数j为滑动窗口内纵向上原始数据的滑动指数;m是平滑窗口宽度的一半。侯美亭等[29]对这3种方法进行了比较,发现用S-G滤波进行相等间隔NDVI时序数据的重构能获得较好的效果。李儒等[30]在研究中发现S-G滤波更能灵敏地反映NDVI序列的微小变化。本文根据研究区特点,经过实际典型样区数据检验,最终采用平滑窗口值改设为4,卷积维数设为1的S-G滤波方法。
为了解不同地区及森林类型的NDVI值和月均气温及月降水量之间的关联,利用不同植被各典型样区,每个月的平均NDVI及月均温和月降水量进行回归分析。已有的物候分析表明,地表植被生长和温度及降水量的响应通常具有1~3个月的时间延滞[31-32],因此,本研究同时考虑当月NDVI与前1、2及3个月的温度和降水量的移动平均,以了解二者之间是否具有时间延滞效应,并以决定系数（R2）来评估回归效果。

3.3 福建省森林植被生长季与气温、降水关系分析

3.3.1 森林植被生长季特征与变化分析
福建省中亚热带和南亚热带阔叶林的NDVI年变化曲线表现出单峰型（图3）,且在每年6-8月达到生长峰值。中亚热带和南亚热带针叶林的NDVI年变化曲线则表现出较为显著的双峰趋势,第1个峰值出现在4-5月,第2个峰值出现在7-8月,而在6月左右则存在一个明显的低值区,这可能是由于6月降水较集中,且全省以杉木、马尾松为主的针叶林的年凋落物量峰值出现在6-7月,而米槠、阿丁枫和栲树等阔叶林的年凋落物量峰值则多出现在3-4月[33]。另外,中、南亚热带针叶林和中、南亚热带阔叶林NDVI多年平均基值分别为0.264、0.327和0.492、0.554;峰值分别为0.754、0.799和0.835、0.868。表明南亚热带森林的NDVI略高于中亚热带森林,而阔叶林的NDVI明显高于针叶林。从NDVI变化幅度（计算为最大值与最小值之差除以平均值）来看,4类植被的多年平均顺序为中亚热带针叶林（0.98）>南亚热带针叶林（0.87）>中亚热带阔叶林（0.59）>南亚热带阔叶林（0.47）。其中,不同气候带下阔叶林的振幅均小于针叶林,结果表明,阔叶植被生长过程的稳定性更好,而针叶植被生长过程的季节波动性更明显,受到环境因子的影响较大[33]。
Fig. 3 The temporal dynamics of original NDVI values (blue lines) and fitting curves utilizing the Savitzky-Golay (gold lines) filter between 2000 and 2006

图3 2000-2006年间福建省不同森林植被原始NDVI数据（蓝线）及S-G滤波拟合重建结果（金线）

物候分析结果表明,全省植被生长期开始时间（多年均值）发生在4月初到4月中旬（表1）,其中,南亚热带阔叶林最早生长,而中亚热带针叶林最晚生长。在相同气候带内,阔叶林生长季开始时间均早于针叶林;而南亚热带植被的生长季开始日期早于中亚热带。在生长季结束时间上,南亚热带植被一般持续至11月中下旬,中亚热带森林多集中于11月中上旬,阔叶林略晚于针叶林。全省尺度植被平均生长季长度为213~223 d,先后顺序为中亚热带针叶林<中亚热带阔叶林<南亚热带针叶林<南亚热带阔叶林,南亚热带显著长于中亚热带,阔叶植被略长于针叶植被。由植被生长季的空间分布特性来看,显然纬度增加及沿海往内陆气候梯度变化,对中亚热带及南亚热带植被物候差异具有关键的影响。
Tab. 1 The mean values of the start of growing season, the end of growing season and the length of growing season during 2000-2006 for four major vegetation types in Fujian Province

表1 2000-2006年间福建省不同植被类型的平均生长季参数

不同植被类型 生长季开始（SOS） 生长季结束（EOS） 生长季长度（LOS）（d）
累积日序 对应日期 累积日序 对应日期
中亚热带针叶林 103 4.13 316 11.12 213
中亚热带阔叶林 102 4.12 317 11.13 215
南亚热带针叶林 99 4.9 320 11.18 221
南亚热带阔叶林 98 4.8 321 11.19 223

3.3.2 NDVI和气温、降水的相关性

回归分析结果表明,不同气候带的针、阔叶林NDVI与月均气温的R2均在0.72以上（图4）,呈强显著相关（p<0.01）;但NDVI与当月降水量则均呈弱相关,说明实时气温对森林植被生长过程的影响作用大于降水量。进一步以当月之前1~3个月的累积降水量与当月NDVI进行拟合分析,发现无论是针叶林还是阔叶林,当月的NDVI与前2个月的降水量呈显著对数相关（R2=0.54-0.75,p<0.01）（图5）,此结果说明,降水量对植被的生长影响具有一定滞后性。通常在经过一段气候干旱的时间或前期累积降水量不足时,降水会显著影响植被生长过程[34],但过多的降水对植物生长的促进作用亦十分有限。定量分析表明,当研究区内不同季节之间气温每升高1 ℃,NDVI会随之增加0.01左右,其中,南亚热带植被对温度的响应水平略高于中亚热带植被（图4）。而当月份累积降水量大于200 mm时,对大部分植被生长及生产力增加的需求已经足够[35],因此,多余的降水对植被生长的作用变得不明显或趋于停滞（图5）。
Fig. 4 The linear relationships between monthly mean temperature and monthly mean NDVI across all study pixels of each vegetation type

图4 月均气温与月NDVI值的线性拟合

Fig. 5 The log-linear relationships between monthly precipitation (with 2-month time lag) and monthly mean NDVI across all study pixels of each vegetation type

图5 前2月降水量与月NDVI的对数拟合

分析表明,福建省中、南亚热带森林与降水关系存在时间上的滞后性,植被生长并不能实时反映出当前实际的降水情况。因此,在较短的时间内,温度具有比降水量更大的影响力,能更好地指示植被生长动态特征。这一结论与其他亚热带地区（如台湾[16-17]及浙江[19]）森林的分析结果相符;而印度热带地区森林绿度变化与气候关系的研究发现,降水量是NDVI变化的主导因素[34]。
Fig. 6 The spring (February-April) temperatures (squared dot) and precipitation (black bar) in the central subtropical and south subtropical regions of Fujian

图6 福建省中亚热带与南亚热带地区春季（2-4月）气温（点图）与降水量（柱状图）多年变化图

3.3.3 春季气候因子对植被生长的影响
对福建省2000-2006年春季（2-4月）均温和累积降水量,进行线性趋势分析（图6）发现,在研究时段内,中亚热带和南亚热带地区的春季气温均呈波动微弱上升的趋势,升高速率接近0.1 ℃/a,春季降水量在总体上呈上升趋势。将典型研究区春、夏、秋及冬季气候因子与植物生长季开始时间、生长季结束时间及生长季长度进行线性回归拟合,发现生长季开始时间与植被生长前的春季气温具有最高的相关性（R2=0.83,p<0.01,图7（a））,生长季结束时间则与春季（R2=0.68,p<0.01,图7（b））、夏季（R2=0.60,p<0.01）及秋季（R2=0.29,p<0.01）分别具有高、中、低的显著关系;同样,生长季长度也与春季（R2=0.80, p<0.01,图7（c））、夏季（R2=0.66,p<0.01）及秋季（R2=0.37,p<0.01）,分别具有高、中、低的显著关系。但各季节的降水与生长季参数间的相关性偏低（R2< 0.30）或不显著（p>0.05）（图7（d）、（e）、（f））。结果表明,不同年间春季温度对所有物候参数具有关键的影响,而夏季及秋季温度的变化对生长季结束时间及生长季长度也有一部分持续性的作用。在本研究时段内,春季气温每上升1 ℃,会使生长季开始时间提前1.3 d,同时生长季持续时间延长2 d。
Fig. 7 The relationships between spring (February-April) temperature and the relationships between the precipitation, and the start of growing season , end of growing season , and the length of growing season

图7 春季（2-4月）气温、降水量与植物生长季开始时间、生长季结束时间和生长季长度的相关性

春季是植被生长季开始时期,其对植被全年的生长季有重要的影响[36]。近年来,越来越多的学者开始关注植被生长与其生长季起始时间的气候因子之间的关系。曹艳芳等[37]在对内蒙古小叶杨近30 a的物候变化研究中发现春季气温越高,小叶杨芽开放越早,而秋季气温越高小叶杨叶全变色越迟。Chang等[38]研究台湾地区多年的植被物候特征后认为,当春季（2-3月）降水量小于40 mm时,植被生长季开始时间会明显的延迟。本研究的物候分析则表明,春季（2-4月）的温度变化是决定中国东南沿海（福建）地区森林生长季开始及生长季长度的关键因素。
3.3.4 不同典型森林样区植被生长季的年际波动特征
根据全球地表温度的数据资料,1995-2006年中有11个年份位列近百年全球最暖的12个年份之中[39]。植被生长动态的年际变化直观地反映了植物对于气候波动的响应。本研究表明（图8）,不同气候条件和不同植被类型的物候变化具有较明显的差异。2000-2006年间,福建省中亚热带森林生长季开始日期发生在4月中旬（第94~108 d）,南亚热带森林生长季开始日期集中在4月上旬（第90~101 d）。运用线性拟合方法对7 a的植被生长季开始日期进行拟合,发现大部分地区森林生长季开始时间有微弱提前趋势（p<0.01）,平均提前幅度为1.1~1.5 d。其中,中亚热带针叶林、中亚热带阔叶林、南亚热带针叶林和南亚热带阔叶林的变化量,分别为-1.1、-1.2、-1.5和-1.3 d。研究区内森林生长季结束日期出现在11月中旬前后（第311~325 d）,且有微弱推迟的迹象。其中,中亚热带针叶林、中亚热带阔叶林、南亚热带针叶林和南亚热带阔叶林推迟幅度,分别为1.3、1.4、1.9和1.8 d。从总体上看,7 a来研究区植被总体的生长季长度在215~220 d之间,其中,2000年生长季长度最短,2002年最长,而全省中亚热带针叶林、中亚热带阔叶林、南亚热带针叶林和南亚热带阔叶林,分别延长了2.4、2.9、3.1和3 d。年际之间温度的变化会对植被物候的波动产生重要影响,例如,2002年的年平均气温最高,其不同森林生长季开始时间最早、结束时间最迟及生长季长度最长;反之,2000年的年平均气温最低,各森林生长季开始时间最晚、结束时间最早且生长季长度最短（图6、8）。
Fig. 8 The dynamics of the start of growing season, length of growing season and the end of growing season for each vegetation types between 2000 and 2006

图8 2000-2006年各典型森林区生长季的开始时间、结束时间和持续时间动态

4 结论

本研究使用TIMESAT软件,获取了亚热带福建省不同森林植被的多年生长季参数,并分析了典型研究区内植被生长季与气温、降水的相关性,以及不同季节下植被生长季对气候因子的响应。得出以下结论：
（1）福建省不同气候类型下森林植被的NDVI变化,具有明显的季节特征,针叶林的NDVI年变化曲线表现出显著的双峰型,而阔叶林的年变化曲线基本呈现单峰型,从变化幅度上看,中亚热带针叶林最大,南亚热带阔叶林最小。
（2）全省植被生长季开始时间（多年均值）发生在4月初到4月中旬,结束时间出现在11月中旬前后,其中南亚热带森林生长季持续时间长于中亚热带森林,在相同气候条件下,阔叶林生长季时间略长于针叶林。
（3）分析表明植被生长变化对实时气温的响应十分显著,而降水对植被生长季的影响具有一定程度的滞后性,研究区内前2月累积降水量,对当月植被生长的影响作用最明显,另外当累积降水量超过200 mm时,过多的降水对植被生长的作用不明显。
（4）2000-2006年间,全省典型样区森林植被生长季持续时间呈微弱的延长趋势,植被生长季开始时间总体提前了1.58 d,结束时间延后了1.26 d,植被生长季持续时间年均增长幅度为0.41 d。
（5）春季（2-4月）的气温变化是导致研究区内森林生长季开始时间及生长季长度变化的重要因素之一。在气候变暖的趋势下,极端气候造成的季节性升温及干旱等气候事件,对地表植被生长、生产力及碳循环的变动,是极为重要的研究热点。
在气候变化的背景下,位处大陆及海洋交界并深受海洋调节的中国东南沿海人口稠密地区,人为活动加上气候变暖使得该区域森林所受到的影响仍需得到更多的关注和监测。因此,未来的研究工作还需进一步考量植被物候随不同地形因子及人类活动强度的变化特征,若能同时获取更长时期而完整的遥感及气象数据,那将能更好地发现植被物候的时空变化规律。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
竺可桢,宛敏渭.物候学(第二版)[M].长沙:湖南教育出版社,1999:1-11.

[2]
Li M, Wu Z F, Qin L J, et al.Extracting vegetation phenology metrics in Changbai Mountains using an improved logistic model[J]. Chinese Geographical Science, 2011,21(3):304-311.

[3]
夏传福,李静,柳钦火.植被物候遥感监测研究进展[J].遥感学报,2013,17(1):1-16.

[4]
陈效逑,王林海.遥感物候学研究进展[J].地理科学进展,2009,28(1):33-40.

[5]
Kawabata A, Ichii K, Yamaguchi Y, et al.Global monitoring of interannual changes in vegetation activities using NDVI and its relationships to temperature and precipitation[J]. International Journal of Remote Sensing, 2001,22(7):1377-1382.

[6]
Walther G R, Post E, Convey P, et al.Ecological responses to recent climate change[J]. Nature, 2002,416:389-395.

[7]
张峰,周广胜,王玉辉.内蒙古克氏针茅草原植物物候及其与气候因子关系[J].植物生态学报,2008,32(6):1312-1322.

[8]
Stöckli R, Vidale P L.European plant phenology and climate as seen in a 20-year AVHRR land-surface parameter dataset[J]. International Journal of Remote Sensing, 2004,25(17):3303-3330.

[9]
张学霞,葛全胜,郑景云,等.近150年北京春季物候对气候变化的响应[J].中国农业气象,2005,26(3):263-267.

[10]
Heumann B W, Seaquist J W, Eklundh L, et al.AVHRR derived phenological change in the Sahel and Soudan, Africa, 1982-2005[J]. Remote Sensing of Environment, 2007,108:385-392.

[11]
González L M M, Menenti M. Impact of rainfall anomalies on Fourier parameters of NDVI time series of northwestern Argentina[J]. International Journal of Remote Sensing, 2008,29(4):1125-1152.

[12]
Fatih E, Onder G.Deriving vegetation dynamics of natural terrestrial ecosystems from MODIS NDVI/EVI data over Turkey[J]. Sensors, 2008,8(9):5270-5302.

[13]
Andrés V, Anatoly A G.New developments in the remote estimation of the fraction of absorbed photosynthetically active radiation in crops[J]. Geophysical Research Letters, 2005,32(17):1-4.

[14]
Bradley N L, Leopold A C, Ross J, et al.Phenological changes reflect climate change in Wisconsin[J]. Proceedings of the National Academy of Sciences of the United States of America, 1999,96:9701-9704.

[15]
Seaquist J W, Hickler T, Eklundh L.Disentangling the effects of climate and people on Sahel vegetation dynamics[J]. Biogeosciences, 2009,6:469-477.

[16]
Chang C T, Wang S F, Vadeboncoeur M A, et al.Relating vegetation dynamics to temperature and precipitation at monthly and annual timescales in Taiwan using MODIS vegetation indices[J]. International Journal of Remote Sensing, 2014,35(2):598-620.

[17]
Chang C T, Lin T C, Wang S F, et al.Assessing growing season beginning and end dates and their relation to climate in Taiwan using satellite data[J]. International Journal of Remote Sensing, 2011,32(18):5035-5058.

[18]
赵昭炳. 自然地理与生态[M].北京:中国环境科学出版社,2008:78-82.

[19]
Deng F P, Su G, Liu C.Seasonal variation of MODIS vegetation indexes and their statistical relationship with climate over the subtropical evergreen forest in Zhejiang, China[J]. IEEE Geoscience and Remote Sensing Letters, 2007,4(2):236-240.

[20]
邬宏,张称意,王立新,等.近50年中国东部林区最高气温序列[J].林业科学,2013,49(8):1-9.

[21]
Jain S K, Keshri R, Goswami A, et al.Application of meteorological and vegetation indices for evaluation of drought impact: A case study for Rajasthan, India[J]. Nature Hazards, 2010,54:643-656.

[22]
Eklundh L, Jonsson P.Timesat 3.0 Software Manual[R]. Sweden: Lund University, 2009:1-82.

[23]
穆少杰,李建龙,陈奕兆,等.2001-2010年内蒙古植被覆盖度时空变化特征[J].地理学报,2012,67(9):1255-1268.

[24]
Jönsson P, Eklundh L.Seasonality extraction by function fitting to time-series of satellite sensor data[J]. IEEE Transactions Geoscience and Remote Sensing, 2002,40:1824-1832.

[25]
Jönsson P, Eklundh L.TIMESAT-a program for analyzing time-series of satellite sensor data[J]. Computer and Geosciences, 2004,30:833-845.

[26]
Tottrup C, Rasmussen M S, Eklundh L.Mapping fractional forest cover across the highlands of mainland Southeast Asia using MODIS data and regression tree modelling[J]. International Journal of Remote Sensing, 2007,28(1):23-46.

[27]
Verbesselt J, Hyndman R, Zeileis A.Phenological change detection while accounting for abrupt and gradual trends in satellite image time series[J]. Remote Sensing of Environment, 2010,114(12):2970-2980.

[28]
宋春桥,柯灵红,游松财.基于TIMESAT的3种时序NDVI拟合方法比较研究——以藏北草地为例[J].遥感技术与应用,2011,26(2):147-155.

[29]
侯美亭,延晓冬.中国东部植被物候变化及其对气候的响应[J].气象科技进展,2012,2(4):39-47.

[30]
李儒,张霞,刘波,等.遥感时间序列数据滤波重建算法发展综述[J].遥感学报,2009,13(2):335-341.

[31]
Piao S L, Fang J Y, Zhou L M, et al.Interannual variations of monthly and seasonal normalized difference vegetation index (NDVI) in China from 1982 to 1999[J]. Journal of Geophysical Research, 2003,108(D14):4401.

[32]
Chen X Q, Hu B, Yu R.Spatial and temporal of phenological growing season and climate change impacts in temperate Eastern China[J]. Global Change Biology, 2005,11(7):1118-1130.

[33]
刘东霞. 万木林主要群落凋落物的动态研究[D].福州:福建农林大学,2004:1-5.

[34]
Prasad V K, Badarinath K V S, Eaturu A. Spatial patterns of vegetation phenology metrics and related climatic controls of eight contrasting forest types in India: Analysis from remote sensing datasets[J]. Theoretical and Applied Climatology, 2007,89(1-2):95-107.

[35]
Knapp A K, Smith M D.Variation among biomes in temporal dynamics of aboveground primary production[J]. Science, 2001,291:481-484.

[36]
Abu-Asab M S, Peterson P M, Shelter S G, et al. Earlier plant flowering in spring as a response to global warming in the Washington, DC, area[J]. Biodiversity & Conservation, 2001,10:597-612.

[37]
曹艳芳,魏玉荣,尤莉,等.内蒙古小叶杨近30年物候变化特征及其对气温变化的响应[J].中国农业气象,2012,4:538-542.

[38]
Chang C T, Wang H C, Huang C Y.Impacts of vegetation onset time on the net primary productivity in a mountainous island in Pacific Asia[J]. Environmental Research Letters, 2013,8:045030.

[39]
IPCC. Climate change 2007: The physical science basis[R]. Contribution of Working Group I to the IPCC Fourth Assessment Report, 2007:1-20.

Options
文章导航

/

〈 〉