EN中文

Journal of Geo-information Science >

2019 , Vol. 21 >Issue 6: 958 - 968

DOI: https://doi.org/10.12082/dqxxkx.2019.180686

Forest Vegetation Dynamics and Responses to Climate Change in a Southern Subtropical Monsoon Region in Jangle County

  • ZUO Bingjie ,
  • SUN Yujun , *
Expand
  • State Forestry Administration Key Laboratory of Foresrty Resources & Environmental Management, Beijing Forestry University, Beijing 100083, China
*Corresponding author: SUN Yujun, E-mail:

Received date: 2018-12-27

  Request revised date: 2019-02-22

  Online published: 2019-06-15

Supported by

National Natural Science Foundation of china, No.31870620

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Vegetation dynamics and responses to climate change is a hot research topic in the fields of ecology and geography. This paper analyzed and compared the difference in the response of different forest vegetation to different time scales in a Southern subtropical monsoon region. We assessed the dynamics characteristics of forest vegetation and relevant meteorological factors, analyzed the differences in the response of different forest vegetation to climate change. We used the 2000-2017 MODIS-EVI data and meteorological site data, and conducted the maximum value composite (MVC), liner trends, and correlation analyses. We have five major findings. Firstly, in the 18 years, the forest vegetation coverage, EVI, precipitation, and humidity increased significantly, indicating that the forest vegetation has been growing better. Secondly, at the beginning and end of the growing season, there was a significant positive correlation (p<0.1) between EVI and precipitation, so was temperature. At the beginning of the growing season, EVI was more affected by precipitation; while at the end of the growing season, it was more affected by temperature. Thirdly, climate change in the January to March and over the whole year is critically important to forest growth. With increasing time scale, the correlation with EVI and SPEI also increased. The increase of humidity on long-term scales has a positive effect on forest growth. Fourthly, broadleaf-conifer mixed forests have larger correlation coefficients with EVI and meteorological factors than other forest types do. Their correlation with SPEI at different time scales is relatively larger than with meteorological factors. Broadleaf-conifer mixed forests are climate-sensitive; more attention should be paid to their production and management to prevent damages induced by climate change. Fifthly, the correlations of forest cover change with precipitation and with SPEI_24 are extremely significant, indicating that the long-term precipitation change is an important factor affecting the change of forest vegetation coverage.

Key words： forest vegetation type; MODIS-EVI; meteorological factors; change trend; correlation analysis; Southern Subtropical Monsoon Region; Jiangle county

Cite this article

ZUO Bingjie , SUN Yujun . Forest Vegetation Dynamics and Responses to Climate Change in a Southern Subtropical Monsoon Region in Jangle County[J]. Journal of Geo-information Science, 2019 , 21(6) : 958 -968 . DOI: 10.12082/dqxxkx.2019.180686

1 引言

植被是全球地表覆盖的重要组成部分,是陆地生态系统的核心成分,是连接土壤和大气的重要纽带,在气候变化的研究中充当着指示剂的作用[1]。植被通过光合作用固碳,具有调节全球碳平衡、缓和全球气候变化的重要作用[2]。植被生长与其生境的气温和水分密切相关,温度、降水以及区域内的旱涝情况成为限制植被生长的主要因素。在全球气候变化加剧,人类活动和温室气体增加的背景下,分析植被动态变化以及植被对气候变化的响应方式已经成为该研究领域的热点。
植被指数是常用的遥感监测指数,可对地表植被状况进行简单有效度量[3],近年来学者多用植被指数来研究植被动态变化及植被与气候因子的相关性。目前国际上应用较多的是归一化植被指数（Normalized Difference Vegetation Index, NDVI）[4,5],它能够精确地反映植被绿度、光合作用强度,植被代谢强度及其季节和年际变化,可用于植被的监测、分类和物候分析[6]。胡君德等[7]利用2000-2012年生长季MODIS-NDVI数据与同期温度、降水和帕尔默干旱指数进行相关分析,得到鄂尔多斯高原植被生长季归一化植被指数主要受到降水控制和干旱制约,夏季干旱与NDVI的相关性最强;曲学斌等[8]对呼伦贝尔草原NDVI时空变化特征及其对气候变化响应进行了分析,其总结呼伦贝尔草原NDVI整体呈上升趋势,NDVI的年变化主要受降水驱动,生长季内典型草原与降水的相关性明显大于草甸草原。为了研究植被对气候响应的时滞性,杨思遥等[9]以归一化植被指数NDVI、植被状态指数VCI、净初级生产力NPP作为植被状态表征与多时间尺度标准化降水蒸散指数（SPEI）进行响应分析,结果表明选取的SPEI时间尺度越长,华北地区的干旱化趋势越明显,NPP与SPEI的相关性强于NDVI与SPEI的相关性,且相关程度在草原地区及中高海拔地区最高,植被生长季的多数月份对SPEI-3响应最明显。
MODIS-NDVI在对地面植被遥感应用中颇有成效,但是也存在一些缺陷,如在高植被区出现饱和、易受到土壤背景和大气噪声干扰等。针对这些缺点,在NDVI的基础上开发了一系列新的植被指数,Liu等[10]开发了增强型植被指数（Enhanced Vegetation Index, EVI）引入了一个反馈项来订正土壤背景和大气,提高了高生物区植被的敏感度,削弱了背景和大气影响。孙立双等[11]基于MODIS数据,研究辽宁地区4种不同地表覆盖类型下两种植被指数EVI和NDVI随时间的变化规律,发现在林地覆盖区,NDVI出现饱和现象,受噪声影响较大,EVI能克服了这些缺点,并且在林地覆盖区、水体覆盖区和城区,EVI均能够很好地监测植被长势。对NDVI和EVI这2种指数对气候响应的差异进行分析[12,13,14],发现2种指数都能较好地反映森林生长期变化,并且对干旱和半湿润环境下低覆盖植被的描述能力相似,但对湿润环境下高植被覆盖区的森林变化监测及对抗云干扰的能力来说,两种指数有明显差别。NDVI在对植被变化的监测过程中,年时间过程的季节性不明显,表现为全年高平的曲线;而EVI有明显的季节性,表现为钟形曲线,且除日照外,EVI与其他气候因子的相关性明显高于NDVI,对气候响应的滞后性也明显弱于NDVI,因此EVI更适合大区域范围和多类型的森林植被变化监测。EVI的这一系列特征也为湿润区的高植被覆盖森林的季节性变化研究提供了新的思路。
基于EVI的优点,一些学者使用EVI对植被动态变化及其与气候响应进行了研究。Luo等[15]用MODIS-EVI和1~30个月尺度的标准化降水蒸散指数SPEI比较天然林和人工林对干旱响应的差别,确定了云南省5个月和6个月时间尺度的SPEI对EVI的响应最大,不同的林型对干旱的响应差异明显,天然林较人工林对干旱的响应更加敏感。在使用MODIS-EVI对分析森林对干旱干扰的响应特征时,也有研究表明气温和降水对植被生长季的影响具有一定的时效性和滞后性[16],不同的地理条件的区域的时效性和滞后性会有一定的差别[17]。
目前已有的植被的动态变化及气候响应研究中,研究区多集中在全国及省域范围内的干旱区和半干旱区,并大多使用NDVI,较少使用EVI。在南方亚热带季风湿润区,对不同类型森林与气候变化响应的差别方面的研究鲜有报道。基于以上研究背景,本文以南方亚热带季风区水热条件充足的福建省三明市将乐县森林植被为研究对象,选择在高植被区适用的MODIS-EVI表征植被状态,利用2000-2017年逐月的温度和降水量数据,讨论南方亚热带季风区森林植被动态变化特征,分析不同森林植被对不同时间尺度的干旱响应的差别。旨在全面了解旱涝变化对不同森林类型被的影响机制,确定气候敏感型林型,为湿润区的植被气候响应研究和气候变化下森林生产经营策略的制定提供参考依据。

2 研究区概况、数据源与研究方法

2.1 研究区概况

南方亚热带季风气候区分布在南北纬25-35°之间,气候特点是夏季高温多雨冬季温和少雨,冬夏干湿差别不大。将乐县属于典型的南方亚热带季风气候,位于福建省三明市西北部（117°05'E-117°40'E,26°25′N-27°04'N）,为低山丘陵地貌,海拔400~800 m,地势呈西南向东北延伸的山间盆谷。该地区年平均温19.8 ℃,年平均降水量2027 mm,自然条件优越。全县土地面积2246.7 km2,森林资源丰富,是全省之最,森林覆盖率高达84.8%[18]。主要的植被类型有：常绿阔叶林、落叶阔叶林、常绿针叶林、毛竹林、针阔混交林、经济林、灌丛草地7大类[18]。

2.2 数据源及预处理

本研究的数据主要有气象数据、MODIS-EVI数据和小班数据。气象数据来源于中国气象数据网①（ http://data.cma.gov.cn/）的将乐县站点2000-2017年的逐月降水和温度资料。MODIS-EVI数据是采用美国宇航局（NASA）②（https://ladsweb.modaps.eosdis.nasa.gov/）的MOD13Q1植被指数产品,轨道号为h28v6,该产品包含NDVI和EVI两个数据集,时间和空间分辨率分别为16 d和250 m,时间跨度2000-2017年,18年共计411幅影像。小班数据是2010-2013年将乐县森林资源清查结果[29,30],因为植被覆盖类型在短期内的变化不大,小班数据的调查时间刚好在研究时间区间中间,能够代表研究区研究时间段内植被类型的平均分布状态。
增强植被指数EVI可以反映植被的覆盖度、生长状态等信息,采用最大值合成法（Maximum Value Composite, MVC）[19]合成月度EVI数据,转换为Albers投影。用将乐县矢量边界进行裁剪。根据二类资源清查的小班属性数据,将林分类型相同的小班进行合并,分别提取针叶林、阔叶林、针阔混交林和竹林4种林分类型,得到将乐县的森林植被类型分布,如图1所示。
Fig. 1 Distribution of forest vegetation types in Jiangle County

图1 将乐县森林植被类型分布

2.3 研究方法

2.3.1 气象干旱指数的计算
考虑到影响植被生长的最主要的2个气象因子（温度和降水）,本文采用标准化降水蒸散指数（SPEI）作为气象干旱监测指标。SPEI是由Vicente-Serrano等[20,21]提出,用降水量和蒸散量之差来表征旱涝程度,综合考虑降水和温度2个因素对干旱的影响。该指数综合了标准化降水指数（SPI）的多尺度特征和Palmer干旱指数对温度敏感的优点[22]。
利用将乐站点的2000-2017年气象数据,计算1、2、3、4、5、6、7、8、9、10、11、12、15、18、21、24个月16个时间尺度的逐月SPEI值,分别用SPEI_1、SPEI_2、SPEI_3、SPEI_4、SPEI_5、SPEI_6、SPEI_7、SPEI_8、SPEI_9、SPEI_10、SPEI_11、SPEI_12、SPEI_15、SPEI_18、SPEI_21、SPEI_24表示。干旱指数的计算方法见《气象干旱等级》[23],SPEI干旱等级划分见表1。
Tab. 1 SPEI drought levels

表1 SPEI干旱等级

干旱指数数值 等级 干旱指数数值 等级
≥ 2 特涝 (-1,-0.5] 轻旱
(1.5,2] 重涝 (-1.5,-1] 中旱
(1.0,1.5] 中涝 (-2,-1.5] 重旱
(0.5,1] 轻涝 ≤-2 特旱
(-0.5,0.5] 正常
2.3.2 森林植被动态变化分析
（1）森林植被覆盖度。混合像元分解模型在植被覆盖度的计算中经常用到,其中最常用的线性模型是像元二分模型[24]。其原理是假设一个像元是由土壤和植被组成,混合像元所表达的信息是由植被成分贡献的信息和由土壤成分贡献的信息的加权平均,二者的权重是由面积比例来确定,表达式如下：
EVI = f veg × EV I veg + 1 - f veg × EV I soil （1）
式中：EVI为混合像元植被指数;EVIveg为纯净植被像元的植被指数;EVIsoil为纯净土壤像元的植被指数;fveg为植被覆盖度。
混合像元求覆盖度的计算公式为：
f veg = EVI - EV I soil EV I veg - EV I soil （2）
式中：EVIsoil为纯净土壤像元的植被指数最小值,理论上接近于零,但是由于地表的理化性质不同,该值会随时空而变化;EVIveg为纯净植被像元的植被指数最大值,理论上该值为1,但是由于植被的类型和时间变化,该值也会有所不同。
实际中EVIsoil和EVIveg的取值方法有多种,本文选择预处理过的研究区的EVI作为混合像元的植被指数,在每年植被生长最旺盛的6-8月采用最大合成法作为该年的EVI分布图。参数根据0.5%置信区间的平均值来确定,即EVIveg是由EVI最大的0.5%的像元值作平均,EVIsoil是由EVI最小的0.5%的像元值作平均[25]。
（2）趋势分析。通过一元线性回归计算EVI,fveg、SPEI、温度、降水量的变化率,计算公式如下：
θ slope = n × ∑ i = 1 n i × MEV I i - ∑ i = 1 n i ∑ i = 1 n MEV I i n × ∑ i = 1 n i 2 - ∑ i = 1 n i 2 （3）
式中：以EVI的线性变化斜率为例,n为监测时间段的年数,n=18,EVIi为第i年的平均EVI值。θslope>0,表示EVI在n年间呈增加趋势;θslope<0,表示EVI在n年间呈退化趋势;θslope=0,表示EVI在n年间没有变化。
2.3.3 EVI与气候响应分析
相关分析：通过相关系数R计算不同森林植被对气候变化的响应[26],计算公式为：
R xy = ∑ i = 1 n ( x i - x ̅ ) ( y i - y ̅ ) ∑ i = 1 n ( x i - x ̅ ) ∑ i = 1 n ( y i - y ̅ ) （4）
式中：n为监测时间段的年数,n=18;x、y为相关分析的2个变量; x ̅ 、 y ̅ 为研究时间段内样本值的平均。Rxy>0,表示x、y变量之间正相关;Rxy<0,表示x、y变量之间负相关;Rxy=0,表示x、y变量之间不相关。

3 结果及分析

3.1 森林植被与气候的时间序列变化特征分析

由2000-2017年月度EVI及气候因子变化趋势（图2）得知,增强植被指数、降水和温度呈单峰变化趋势。3-9月EVI呈上升趋势,最高值出现在6-8月,最低值在2月,这与罗文玮等[27]的研究结果一致,据此本文将森林植被的生长季定义为3-9月。降水量和温度的月度变化趋势与EVI的变化趋势基本相同,温度曲线的峰值和EVI曲线的峰值较为一致,降水量曲线的峰值在EVI曲线峰值前,导致此现象的原因是植被对降水的滞后性。
Fig. 2 Trends of the monthly EVI and climate factors in Jiangle County from 2000 to 2017

图2 2000-2017年将乐县月度EVI及气候因子变化趋势

本文生长季的EVI值由每年3-9月的EVI平均值表示,同时规定EVI<0.1的像元表示稀有植被或者裸地,不参与计算。2000-2017年生长季EVI整体呈上升趋势,其年际变化为0.00378/a（R2=0.57276,P<0.01）,达到极显著水平（图3）。阔叶林生长季EVI值最大,针阔混交林和针叶林生长季的EVI值基本相近,竹林最小。EVI是用于监测植被盖度和生长状况的指标,生长季阔叶林的盖度和绿度要大于其他3种林型。生长季EVI的年际变化 与温度的年际变化趋势高度一致。在研究时间段内温度略微呈下降趋势,年均下降0.01275 ℃ （R2=0.1211,P>0.1）,变化趋势不显著;降水的年均增长8.51218mm,上升趋势明显（R2=0.3083,P<0.01）;SPEI_1呈不明显上升趋势,平均值基本在-0.5~0.6之间浮动,表明研究时间内南方亚热带季风区基本无旱并且在生长季逐渐向涝发展,这种变化趋势也与降水量逐年增加相呼应。
Fig. 3 Interannual variations of EVI, temperature, precipitation, and SPEI_1 during the growing season in Jiangle County from 2000 to 2017

图3 2000-2017年将乐县森林植被生长季EVI、温度、降水、SPEI_1的年际变化

对将乐县18年的覆盖度进行平均和趋势分析,将非森林植被区进行掩膜,得到将乐县森林覆盖度的多年平均和变化情况,如图4所示。2000-2017年将乐县森林覆盖度的多年平均值在0.172~0.702之间,平均值为0.504,植被覆盖度高。覆盖度变化的斜率范围为-0.038~0.057之间,全区内斜率的平均值为0.0078,（R2=0.689,P<0.05）,呈显著增长趋势,对比图4（a）和图4（b）发现,图4（b）的覆盖度变化斜率小于零的区域与图4（a）的低植被覆盖区域基本重合,且多分布在居民区和流域附近,因此该区域的覆盖度下降是由于水土流失和人为活动引起。
Fig. 4 Average and change trend of forest coverage in Jiangle County from 2000 to 2017

图4 2000-2017将乐县森林覆盖度多年平均值及其变化趋势

3.2 森林植被对气候的响应分析

3.2.1 生长季不同森林植被EVI与温度和降水偏
相关分析
树木的展叶期和始花期的发生都受到气温和降水的共同作用[28],为了消除变量之间的相互影响,采用偏相关方法分析月平均EVI与当月降水、温度之间的关系[29],如表2所示。
Tab. 2 Partial correlation coefficients between EVI and precipitation/temperature during the growing season, per forest vegetation in Jiangle county from 2000 to 2017

表2 2000-2017年将乐县生长季不同森林植被EVI与降水和温度偏相关系数

月份 类别 阔叶林 针阔混交林 针叶林 竹林
3 温度 0.242 0.302* 0.3* 0.277*
降水 0.452** 0.438** 0.438** 0.494**
4 温度 0.165 0.160 0.15 0.173
降水 -0.235 -0.254 -0.247 -0.232
5 温度 -0.354* -0.38* -0.325* -0.354*
降水 -0.307* -0.37* -0.325* -0.335*
6 温度 0.419** 0.366* 0.384* 0.393*
降水 -0.185 -0.093 -0.112 -0.162
7 温度 -0.037 -0.031 0.006 -0.035
降水 0.053 0.145 0.169 0.032
8 温度 0.043 -0.102 -0.019 0.039
降水 -0.084 -0.103 -0.033 -0.1
9 温度 0.362* 0.361* 0.347* 0.374*
降水 0.286* 0.307* 0.343* 0.294*

注：*表示0.1水平显著相关;**表示0.05水平显著相关。

（1）不同月份的温度、降水与EVI的偏相关
3月是植被的萌芽和展叶期,该月EVI与降水在α=0.05水平显著正相关,除阔叶林外,与温度在α=0.1水平也呈显著正相关,说明降水和气温变化与森林植被的萌芽和展叶息息相关,并且森林植被受降水的影响程度较气温更加明显,有研究表明[30]这一时期温度和降水的升高有利于促进树木对土壤养分的吸收和形成层的分裂,与本文的研究结果相符。4-6月,EVI与降水呈负相关,与温度呈正相关,该时期是森林的快速生长期,温度的上升对植被的生长仍有明显的促进作用,但是降水对植被生长则抑制作用,特别在5月,温度和降水与森林的相关性在α=0.1水平都达到了显著负相关,这与许多研究结论相悖[31,32],主要是因为南方亚热带季风区在该时期处于梅雨期,降水量和温度都比较高,所以该时期近十几年森林植被生长下降是由于温度和降水超过了树木生长的最适温度和降水阈值。7-8月植被EVI与当月的降水和温度的相关性均不显著,该时期的水热条件比较充足,是植被生长的稳定期,所 以当月的气候变化对森林植被的生长影响比较小。9月是森林的生长末期,9月中下旬以后植被停止生长进入休眠,EVI与降水和温度均在α=0.1水平都达到了显著正相关,该月份的降水量为全年最低（图2（b））,降水量成为胁迫植被生长的主要因素,因此降水的增加对森林植被的生长有明显的促进作用。
（2）不同森林植被的EVI与温度、降水的偏相关
在生长季,4种林型与温度和降水的相关系数：针阔混交林>竹林>阔叶林>针叶林。相关系数大小反映了植被变化对当月气候变化的敏感性,针阔混交林对当前月的气候变化最敏感;竹林生长速度比较快,在生长季前期和后期与温度和降水的相关性均比较高;阔叶林相对于针叶林对水分和温度的需求更大,耐旱性比较差,因此阔叶林对温度、降水的响应比针叶林好。
3.2.2 生长季不同森林植被EVI与多时间尺度SPEI
相关分析
由于植被对气候因子的响应具有“滞后效应”,本文采用具有多时间尺度的SPEI,基于月尺度分析不同森林植被生长对多时间尺度气象旱涝的响应差别。从时间序列的相关性考虑,以每月不同森林植被的EVI均值表征该月森林生长状况,与16个时间尺度的SPEI指数进行相关分析,各月份不同森林植被的EVI值与多时间尺度SPEI的相关分析如图5所示,以及生长季内不同森林植被类型EVI对SPEI的最佳响应尺度如表3所示。
Tab. 3 Time scales of the maximum response of EVI to SPEI during the growing season, per forest vegetation in Jiangle county from 2000 to 2017

表3 2000-2017年将乐县生长季不同森林植被EVI对SPEI最大响应的时间尺度

月份 阔叶林 针叶林 针阔混交林 竹林
3 1(0.390*) 1(0.354*) 1(0.328*) 1(0.421**)
4 3(-0.376*) 3(-0.377*) 3(-0.404*) 3(0.389*)
5 21（0.410**） 21(0.447**) 21(0.391*) 21(0.403*)
6 1(-0.283) 1(-0.196) 1(-0.183) 1(-0.260)
7 24(0.575***) 24(0.606***) 24(0.608***) 24(0.534***)
8 21(0.377*) 12(0.361*) 12(0.342*) 15(0.395*)
9 4(-0.207) 4(-0.147) 3(0.129) 4(-0.193)

注：括号内为相关系数,*表示0.1水平显著相关;**表示0.05水平显著相关;***表示0.01水平显著相关。

Fig. 5 Correlation between EVI and multi-time scale SPEI during the growing season, per forest vegetation type in Jiangle county from 2000 to 2017

图5 2000-2017年将乐县生长季不同森林植被各月份EVI与多时间尺度SPEI相关分析
注：图中蓝色虚线表示0.05水平显著相关;黑色虚线表示0.1水平显著相关。

从不同森林植被对多时间尺度SPEI的响应趋势来看,不同的森林植被随着时间尺度的增加响应大小的变化趋势基本相同,大小略有差别。春季（3-5月）针叶林对在长时间尺度（12-24个月）对SPEI的响应优于其他林型,并且随着时间尺度的增加,所有林型EVI与SPEI的相关系数都由负相关逐渐变为正相关,相关系数增大,说明植被生长初期较易受到短时间序列的（SPEI_1-3）和长时间尺度（SPEI_21-24）旱涝的影响。夏季6月不同森林植被对多时间尺度的SPEI响应均不明显,7-8月处于生长后期,对15~24个月尺度的SPEI响应明显增大,且都达到0.1的显著水平,相较与其他林型,阔叶林和竹林在1~12个月尺度的相关系数明显低于其他林型,而在15~24个月尺度响应明显增大,混交林的响应在各个时间尺度一直都较优,说明在夏季,混交林对气象旱涝的变化比较敏感,阔叶林和竹林在生长的后期对长时间尺度的气象旱涝响应大。秋季森林基本停止生长,森林植被EVI对各个时间尺度的旱涝变化响应均不显著。
从相关性系数的大小值来看,不同森林类型均在夏季对干旱响应最明显,7月EVI对SPEI_24的响应均在0.53以上（P<0.01）,达到极显著程度,8月阔叶林的最佳响应尺度为21个月（r=0.377）,针叶林和针阔混交林的最佳响应尺度均为12个月,相关系数分别为0.361和0.342,竹林则在15个月响应最佳（r=0.395）,说明森林在生长期内,长时间的旱涝对森林的生长影响比较大。
3.2.3 覆盖度的年际变化与气候变化的相关分析
为了探究森林覆盖度变化与气候因子的相关性,将2000-2017年每年的区域内覆盖度均值与当年的降水量总和及年平均温度做偏相关分析。由于覆盖度是以年际为单位,为了使SPEI的时间尺度与覆盖度的时间间隔匹配,本文在对SPEI与EVI进行相关分析时,选择SPEI时间尺度大于或者等于年际尺度的时间尺度与覆盖度做相关分析。本文分别选择当年最后一个月12月份的12个月、15 个月、18 个月、21 个月、24 个月共5 个时间尺度的SPEI与森林覆盖度做相关分析,结果见表4。
Tab. 4 Correlation coefficients between vegetation coverage and the climatic factors in Jiangle county from 2000 to 2017

表4 2000-2017年将乐县覆盖度与气候因子相关系数

温度 降水 SPEI_12 SPEI_15 SPEI_18 SPEI_21 SPEI_24
R 0.33* 0.262 0.2 0.259 0.311* 0.403* 0.408*

注：R为相关系数,*表示0.1水平显著相关,温度和降水与覆盖度采用偏相关分析,其余为Pearson相关分析。

植被覆盖度变化与当年温度显著相关,南方亚热带季风区覆盖度与气温因子的相关性明显高于降水,这与彭代亮[34]的研究结果相符。不同时间尺度旱涝状况对森林覆盖度的影响也存在差异,随着时间尺度大的增加,相关系数大小也逐渐增加,在24个月时,森林覆盖度与当前两年的旱涝程度呈显著正相关,由此可知南方亚热带季风区向涝发展的趋势是导致覆盖度增加的原因之一。

4 结论与讨论

4.1 结论

（1）南方亚热带季风区森林植被与气候的动态变化特征：2000-2017年森林平均覆盖度、EVI和降水均显著增加,SPEI_1不明显上升,部分区域覆盖度下降是由于水土流失和人为活动引起。生长季EVI值：阔叶林>针阔混交林>针叶林>竹林,生长季阔叶林的盖度和绿度最大。
（2）南方亚热带季风区森林植被在生长季的不同时期EVI与气候的响应差别：在生长初期和末期与同期的降水、温度均存在显著正相关（P<0.1）关系,初期森林受降水因子的影响更大,末期则受温度因子的影响大。生长中期植被EVI与降水和温度的则表现为弱相关。随着时间尺度增大,SPEI与森林植被EVI的相关系数随之增大,因此长时间尺度的湿度增加对森林生长具有促进作用。
（3）不同森林类型对气候的响应差别：生长季,EVI对3个月、21个月、24个月尺度的旱涝变化响应最大,说明前3个月的气候变化和周年的气候变化对森林的生长至关重要。针阔混交林与同期温度、降水的相关系数最高,且与不同时间尺度的SPEI相关性均比较好,属于气候敏感型林型,在生产经营中要谨慎预防气候变化对该林型带来的伤害。
（4） 植被覆盖度对气候的响应：森林覆盖度与气温因子的相关性明显高于降水,并且与长时间序列的旱涝变化存在显著的相关性。长时间的降水变化是影响覆盖率变化的重要因素之一。

4.2 讨论

植被对干旱响应的时间长度随森林类型的变化而变化,水分盈亏对森林生长的影响大小也与森林植被类型紧密相关[35]。如果人为选择固定的时间尺度的干旱指数,忽略森林植被类型的差别,就不能准确地反映植被对干旱响应的差异,从而影响预测和评估此类干旱响应的准确性。本文基于MODIS-EVI遥感数据和将乐县站点的气象数据,通过构建线性模型,表示1~24个月时间尺度SPEI与反映森林生长状况的EVI之间的关系,通过相关系数R和显著性选择最佳时间尺度,对南方亚热带季风区的森林植被动态变化以及气候变化进行评价,并分析不同林型在生长季对气温、降水以及不同时间尺度SPEI的响应特征。在植被对干旱的响应研究中,不同林型在生长季的不同阶段对干旱响应的滞后时间及对干旱强度变化的敏感性都有所不同。因此,准确描述不同阶段森林生长和不同林型对干旱强度的响应差别,对气候变化大环境下森林的经营管理至关重要。
本文的研究结果表明,南方亚热带季风区的降水有明显增多的趋势,研究区内的湿度变大,温度下降,该结果与全球气候变暖的趋势相反。有学者在热带季风区和高原高山气候区的研究发现[36,37,38], 2个区域的温度和降水均呈增加趋势,热带季风区的湿度下降,呈“暖干化”,而高原高山气候区则向“暖湿化”发展。这说明不同的气候区气候的变化的大趋势基本相同,但是也会存在差异。南方亚热带地区境内地形复杂,高山耸立,且多分布在沿海地区,使其形成了比较独特的气候变化特点。南方亚热带季风区不同林型EVI与气象因子的计算得到的相关系数的大小来看,部分月份的相关系数的数值并不是很高,没有达到显著性水平,并且植被在生长季不同月份与前1-3个月的SPEI均呈负相关或者弱相关关系。而刘世梁[39]在云南省的研究结果则表明SPEI与NDVI呈正相关关系,湿度增加会促进NDVI的增加。本研究出现这种结果是由于在南方亚热带季风区水热条件充足,土壤水分和大气水分不是限制植被生长的主要因素,植被对前1-3个月的区域内的干湿变化并不敏感,并且该区域过高的降水对植被生长产生了抑制作用[39],因此出现了与其他区域不一样的低相关性甚至是负相关。植被生长受气温因子的影响较降水显著,研究结果与徐凯健等[40]的研究结果一致。李霞等[41]和张煦庭[42]在温带地区对植被气候响应研究表明温带地区降水是制约植被生长的根本原因。此结果与本研究的差异比较大,主要是因为南方亚热带季风区的降雨充沛,并且降水量逐年增加而气温则逐年下降,所以相较于降水,气温对森林植被生长的限制性更大。不同月份的相关系数的也存在比较大的差别,3月降水成为限制森林生长的主要因素,在非生长季,南方亚热带季风区的降水量急剧减少,生长前期森林处于长期缺水状态,因此生长初期的降水对于植被的萌芽十分重要。5月EVI与温度、降水和SPEI的相关性均比较好,该时期是生长的关键时期,受气候因子的影响比较大,在林分经营中也要着重关注该时期森林的生长。
对比不同气候区域的植被对气候响应特点,发现在不同的气候区,气候的变化特点和森林植被对气候的响应方式各有差异,因此在对不同的区域进行植被动态变化研究时需要结合气候的地域特性。这也说明在不同的区域进行植被气候响应研究有重要的科学意义,对于气候变化下特定区域的植被的经营管理具有重要的指导意义。
影响EVI值得因素比较复杂,由于条件限制,本文只选用气温和降水因子以及气象干旱指数SPEI与EVI进行相关分析,缺乏对所有因子的全面分析,其次所使用的EVI均为区域内对应林型的EVI均值,会导致结果有一部分偏差。同时,人类活动对植被的变化的影响也是巨大的,如退耕还林、植树造林等活动在进一步的研究中也应纳入考虑。本文的研究时间区间为2000-2017年,相对来说较短,并且研究区域比较小,在后续的研究中应加深树木生长对气候变化响应的生理机理研究,结合地形因子综合多气象因素,扩长时间尺度和扩大研究区域更准确的分析森林与气候的相关性,构建一个综合的植被气侯响应的监测模型。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Sun H, Wang C, Zheng N, et al.Analysis of the vegetation cover change and the relationship between NDVI and environmental factors by using NOAA time series data[J]. Journal of Remote Sensing, 1998,266(2):153-161.

[2]
吴庆标,王效科,段晓男,等.中国森林生态系统植被固碳现状和潜力[J].生态学报,2008,28(2):517-524根据近3次森林资源普查资料和六大林业工程规划估算了中国森林植被的固碳现状和潜力。我国森林植物的碳贮量从第4次森林清查(1989~1994年)的4220.45&nbsp;Tg&nbsp;C增加到第6次森林清查(1999~2003年)的5156.71Tg&nbsp;C，平均年增长率为16%,&nbsp;年固碳量为85.30&nbsp;~&nbsp;101.95Tg&#8226;a-1，主要集中在西藏、四川、内蒙古、云南、江西、广东、广西、福建和湖南等省份。根据我国林业工程建设规划，到2010年规划完成时，林业工程每年新增的固碳潜力为115.46&nbsp;Tg&#8226;a-1，其中天然林资源保护工程、退耕还林工程、三北、长江流域等重点防护林建设工程、环北京地区防沙治沙工程和重点地区速生丰产用材林基地建设工程到2010年新增的固碳潜力分别为16.25、48.55、32.59、3.75和14.33&nbsp;Tg&#8226;a-1。

[ Wu Q B, Wang X K, Duan X N, et al.Carbon sequestration and its potential by forest ecosystems in China[J]. Acta Ecologica Sinica, 2008,28(2):517-524. ]

[3]
李红军,郑力,雷玉平,等.基于EOS/MODIS数据的NDVI与EVI比较研究[J].地理科学进展,2007,26(1):26-32lt;p>作为NOAA/AVHRR 归一化植被指数(NDVI) 的延续和发展, EOS/MODIS 归一化植被指 数(NDVI) 和增强植被指数( EVI) 在许多领域得到广泛应用。应用数理统计和地统计学方法对二 者进行的对比研究表明: NDVI 在植被生长旺盛期容易达到饱和, 而EVI 则能克服这一现象, 比 较真实地反映植被的生长变化过程; 相同空间分辨率下, EVI 取值范围、标准差与变异系数均高 于NDVI, NDVI 数据比较均一, 其空间相关性高于EVI, EVI 更能反映研究区域内植被空间差异。 关键词:MODIS; 归一化植被指数(NDVI) ; 增强植被指数( EVI) ; 对比</p>

DOI

[ Li H J, Zheng L, Lei Y P, et al.Comparison of NDVI and EVI based on EOS/MODIS data[J]. Progress in Geography, 2007,26(1):26-32. ]

[4]
张晓东,朱文博,张静静,等.伏牛山地森林植被物候及其对气候变化的响应[J].地理学报,2018,73(1):41-53

[ Zhang X D, Zhu W B, Zhang J J, et al.Phenology of forest vegetation and its response to climate change in the Funiu Mountains[J]. Acta Geographica Sinica, 2018,73(1): 41-53. ]

[5]
张戈丽,徐兴良,周才平,等.近30年来呼伦贝尔地区草地植被变化对气候变化的响应[J].地理学报,2011,66(1):47-58

[ Zhang G L, Xu X L, Zhou C P, et al.Responses of vegetation changes to climate variations Hulun Buir grassland in past 30 years[J]. Acta Geographica Sinica, 2011,66(1):47-58. ]

[6]
于信芳,庄大方.基于MODIS NDVI数据的东北森林物候期监测[J].资源科学,2006,28(4):111-117物候是指示气候与自然环境变化的重要指标。遥感技术的发展为物候监测和研究提供了新的手段。本文研究对象是中国东北森林，森林分布范围由Landsat TM影像解译得到的2000年土地利用数据确定。遥感数据源是2003年500m空间分辨率的MODIS NDVI 8天合成时间序列数据。通过分析东北主要森林树种的NDVI时间序列特征，表明不同树种的同一遥感参数时间序列基本形状近似，在关键物候期和变化振幅上存在差异，这为根据遥感参数时间序列曲线监测森林物候期奠定了理论基础。将MODIS NDVI 8天合成时间序列数据应用时间序列谐波分析法（HANTS）重构成每天的NDVI时间序列数据影像。基于每天的NDVI时间序列数据，研究采用动态阈值法获取了东北森林物候期及其空间分布格局。研究表明东北大部分地区树木在第100天～150天开始生长，到第260天～290天逐渐停止生长，生长季长度集中在140天～180天。通过与部分物候观测数据的比较验证，表明基于MODIS NDVI数据获取的树木生长始末日期与调查资料具有可比性，获取的森林物候期具有一定的可靠性。

[ Yu X F, Zhuang D F.Monitoring forest phenophases of Northeast China based on MODIS NDVI data[J]. Resources Science, 2006,28(4):111-117.]

[7]
胡君德,李百岁,萨楚拉,等. 2000-2012年鄂尔多斯高原植被动态及干旱响应[J].测绘科学,2018,43(4):49-58

[ Hu J D, Li B S, Sa C L, et al.Vegetation dynamics and its response to drought in Ordos Plateau[J]. Science Surveying and Mapping, 2018,43(4):49-58. ]

[8]
曲学斌,孙小龙,冯建英,等.呼伦贝尔草原NDVI时空变化及其对气候变化的响应[J].干旱气象,2018,36(1):97-103

[ Qu X B, Sun X L, Feng J Y, et al.Temporal and spatial variation of NDVI in Hulun Buir grassland and its response to climate change[J]. Journal of Arid Meteorology, 2018,36(1):97-103. ]

[9]
杨思遥,孟丹,李小娟,等.华北地区2001-2014年植被变化对SPEI气象干旱指数多尺度的响应[J].生态学报,2018,38(3):1028-1039

[ Yang S Y, Meng D, Li X J, et al.Multi-scale responses of vegetation changes relative to the SPEI meteorological drought index in North China in 2001-2014[J]. Acta Ecologica Sinica, 2018,38(3):1028-1039. ]

[10]
Liu Q H, Huete A.A feedback based modification of the NDVI to minimize canopy background and atmospheric noise[J]. IEEE Transactions on Geoscience and Remote Sensing,1995,2(33):457-465.

[11]
孙立双,马运涛,毕天平,等.辽宁地区不同地表覆盖类型EVI和NDVI特征[J].沈阳建筑大学学报(自然科学版),2013,29(6):1024-1029

[ Sun L S, Ma Y T, Bi T P, et al.Analysis of EVI and NDVI characteristics in different land cover types in Liaoning province[J]. Journal of Shenyang Jianzhu University Natural Science, 2013,29(6):1024-1029. ]

[12]
陈燕丽,罗永明,莫伟华,等. MODIS NDVI与MODIS EVI对气候因子响应差异[J].自然资源学报,2014,29(10):1802-1812

[ Chen Y L, Luo Y M, Mo W H, et al.Differences between MODIS NDVI and MODIS EVI in response to climatic factors[J]. Journal of Natural Resources,2014,29(10):1802-1812. ]

[13]
廖靖,覃先林,周汝良.利用2种植被指数监测中国6种典型森林生长期的比较研究[J].西南林业大学学报,2014,34(3):57-61

[ Liao J, Qin X L, Zhou R L.Comparative analysis of the growing season of typical forest using two vegetation indices[J]. Journal of Southwest Forestry College, 2014,34(3):57-61. ]

[14]
王正兴,刘闯,陈文波,等. MODIS增强型植被指数EVI与NDVI初步比较[J].武汉大学学报·信息科学版,2006,31(5):407-410

[ Wang Z X, Liu C, Chen W B, et al.Preliminary comparison of MODIS-NDVI and MODIS-EVI in eastern Asia[J]. Geomatics and Information Science of Wuhan University, 2006,31(5):407-410. ]

[15]
Luo H, Zhou T, Wu H, et al.Contrasting responses of planted and natural forests to drought intensity in Yunnan, China[J]. Remote Sensing, 2016,8(8):635.

[16]
曹雪佳,沈欣悦,沈亲,等.云南省墨江县森林对虫害和干旱干扰的响应特征[J].中南林业科技大学学报,2018,38(7):57-63

[ Cao X J, Shen X Y, Shen Q, et al.Responses of forests to pest and drought disturbance in Mojiang county, Yunnan province[J]. Journal of Central South University of Forestry & Technology, 2018,38(7):57-63. ]

[17]
翟雅倩,张翀,周旗,等.秦巴山区植被覆盖与土壤湿度时空变化特征及其相互关系[J].地球信息科学学报,2018,20(7):967-977

[ Zhai Y Q, Zhang C, Zhou Q, et al.Spatio-temporal variation and interrelationship of vegetation cover and soil moisture in Qinling-Daba mountains[J]. Journal of Geo-information Science, 2018,20(7):967-977. ]

[18]
周来,张博,陈丽萍,等.基于GIS的福建省将乐县土壤侵蚀及保持定量分析[J].西北农林科技大学学报(自然科学版),2019,47(6):1-8

[ Zhou L, Zhang B, Chen L P, et al.GIS-based quantitative analysis of soil erosion and conservation in Jiangle, Fujian[J]. Journal of Northwest A & F University(Natural Science Edition),2019,47(6):1-8. ]

[19]
贾文雄,陈京华. 1982-2014年祁连山植被生长季NDVI变化及其对气候的响应[J].水土保持研究,2018,25(2):264-268

[ Jia W X, Chen J H.Variations of NDVI and its response to climate changes in the growing season of vegetation in Qilianshan moutains from 1982 to 2014[J].Research of Soil and Water Conservation,2018,25(2):264-268. ]

[20]
Vicente-Serrano S M, Beguería S, Lorenzo-Lacruz J, et al. Performance of drought indices for ecological, agricultural, and hydrological applications[J]. Earth Interactic, 2012,16(10):1-27.

[21]
Vicente-serrano S M, Beguería S, Lópezmoreno J I, et al. A new global 0.5° gridded dataset (1901-2006) of a Multiscalar drought Index: Comparison with current drought index datasets based on the Palmer drought severity Index[J]. Journal of Hydrometeorology, 2010,11(4):1033-1043.

[22]
杨庆,李明星,郑子彦,等. 7种气象干旱指数的中国区域适应性[J].中国科学:地球科学,2017,47(3):337-353.

[ Yang Q, Li M X, Zheng Z Y, et al.Regional applicability of seven meteorological drought indices in China[J]. Science China Earth Sciences, 2017,47(3):337-353. ]

[23]
张强,邹旭恺,肖风劲,等.气象干旱等级(GB/T20481-2016) [s].北京,2006

[ Zhang Q, Zou X K, Xiao F J, et al.Grades of meteorological drought(GB /T20481-2016)[s]. Beijing, 2006. ]

[24]
李登科,范建忠,王娟.陕西省植被覆盖度变化特征及其成因[J].应用生态学报,2010,21(11):2896-2903<p>基于像元分解模型，利用2000&mdash;2009年MODIS NDVI数据（250 m分辨率）定量分析了陕西省植被覆盖度的时空变化特征及其成因.结果表明：2000&mdash;2009年，陕西省植被覆盖度在波动中呈极显著增加趋势（<em>P</em>&lt;0.001），变化率为35.0%，植被覆盖度由2000年的56.9%增至2009年的68.9%，其中，陕北地区植被覆盖度的增幅尤为显著，榆林市、延安市植被覆盖度分别增加了21.6%和22.0%.研究期间，陕西植被覆盖整体改善、局地退化，改善极显著（<em>P</em>&lt;0.01）、显著（<em>P</em>&lt;0.05）的面积比例分别为37.8和11.9%，变化趋势不明显的面积占46.1%，退化的面积仅占4.2%；植被覆盖度变化率&gt;200%、100%～200%、10%～100%、-10%～10%和&lt;-10%的面积分别占研究区总国土面积的12.2%、13.3%、38.8%、29.3%和6.4%.2000&mdash;2009年，陕西省植被覆盖结构转好，高覆盖植被所占的面积呈极显著上升趋势（<em>P</em>&lt;0.001），增幅为10.0%；中覆盖植被所占的面积呈显著上升趋势（<em>P</em>&lt;0.05），增幅为8.4%；低覆盖植被所占的面积呈极显著下降趋势（<em>P</em>&lt;0.001），降幅为18.4%.陕西省植被覆盖度的增加是人类活动和自然因素共同作用的结果，封山育林、退耕还林等一系列生态建设工程的实施是陕北地区植被覆盖度增加的主要原因.</p>

[ Li D K, Fan J Z, Wang J.Change characteristics and their causes of fractional vegetation coverage (FVC) in Shaanxi Province[J]. Chinese Journal of Applied Ecology, 2010,21(11):2896-2903. ]

[25]
赵舒怡,宫兆宁,刘旭颖. 2001-2013年华北地区植被覆盖度与干旱条件的相关分析[J].地理学报,2015,70(5):717-729

[ Zhao S Y, Gong Z N, Liu X Y.Correlation analysis between vegetation coverage and climate drought conditions in North China during 2001-2003[J]. Acta Geographica Sinica, 2015,70(5):717-729. ]

[26]
纪迪,张慧,沈渭寿,等.太湖流域下垫面改变与气候变化的响应关系[J].自然资源学报,2013,28(1):51-62<p>运用两种NDVI数据集(Pathfinder AVHRR和SPOT VEGETATION)和卫星遥感数据,采用3S技术,通过人机交互式目视方法解译出1979、1984、2000和2009年太湖流域的土地利用数据,结合1956&mdash;2007年太湖流域主要气象站点的气象资料,研究了太湖流域下垫面(NDVI和土地利用)变化与各主要气候因子的响应关系。结果表明:①近30 a太湖流域NDVI变化呈先增后减的趋势,空间上呈由东北向西南递增的趋势,浙江省区域植被覆盖较好,其次为苏锡常镇地区,上海植被较为稀少;②太湖流域耕地面积显著减少,城镇用地显著增加,林地与草地呈缓慢增长趋势,其中上海和苏州城市化进程速度最快,其次是无锡、常州,而杭州、嘉兴、湖州和镇江城市化进程较为缓慢;③20世纪80年代初期太湖流域出现显著的增温,并在近20 a增温幅度显著增加,平均相对湿度呈波动下降趋势,其下降速率为-1.25%/10 a,近50 a降水总量呈现小幅上升趋势,但近20 a降水量呈减少趋势,速率达到-37.31 mm/10 a,日照时数呈现下降趋势,其下降速率为-56.66 h/10 a;④与太湖流域NDVI变化响应最为显著的气候因子为气温,其次为平均相对湿度以及日照时数,降水总量与NDVI的相关性比较弱;⑤城市化进程迅速的地区相较于城市化缓慢的地区,其增温更快、相对湿度降幅更大、降水量增加更为缓慢,日照时数减少越快。</p>

DOI

[ Ji D, Zhang H,Shen W S, et al.The response relationship between underlying surface changing and climate change in the Taihu Basin[J]. Journal of Natural Resources, 2013,28(1):51-62.]

[27]
罗文玮,赖日文,陈思雨,等.基于NDVI的福建省植被变化特征分析[J].森林与环境学报,2016,36(2):141-147

[ Luo W W, Lai R W, Chen S Y, et al.Analysis of vegetation variation characteristics in Fujian based on NDVI[J]. Journal of Forest and Environment, 2016,36(2):141-147. ]

[28]
许格希,罗水兴,郭泉水,等.海南岛尖峰岭12种热带常绿阔叶乔木展叶期与开花期对气候变化的响应[J].植物生态学报,2014,38(6):585-598<p>为了探讨我国热带地区植物物候与气候变化的关系, 利用海南岛尖峰岭热带树木园12种热带常绿阔叶乔木植物2003&ndash;2011年物候观测资料结合同期月平均气温和降水数据, 运用积分回归分析方法, 筛选出影响海南岛12种乔木(8种本地种、4种引入种)展叶始期与开花始期的气象因素以及不同气象因素月值变化(月平均气温和月降水量)综合作用对这些树种物候期的动态影响, 最终建立积分回归-物候预测模型, 对气候变化背景下我国热带地区植物物候变化趋势进行了预测。结果表明: 海南岛12种热带常绿阔叶乔木展叶始期与开花始期均对气候变化做出较明显的响应, 几乎所有的树种展叶始期与开花始期的发生都受到气温和降水的共同影响。多数树种展叶始期受展叶前冬季及春季气温影响显著, 且在临近展叶始期的月份, 气温的影响更显著。上一年秋季月降水量对各树种开花始期的影响比其他时段显著, 这验证了降水的滞后性假说。本地种展叶始期对气候变化的响应比其开花始期对气候变化的响应更敏感, 引入种则相反。各树种展叶和开花在受气温和降水综合影响最明显的月份(假设其余11个月份月平均气温和月降水量不变), 月平均气温升高0.1 ℃、月降水量增加10 mm可使展叶始期和开花始期提前或推迟1&ndash;3天。积分回归分析方法为解释海南岛热带常绿阔叶乔木物候与气温和降水的动态关系提供了有效的途径, 基于气温和降水与物候资料建立的积分回归-物候预测模型具有对气温和降水变化影响下物候响应的解释率和预测精度高(<em>R</em><sup>2</sup> &ge; 0.943)的优点, 对于预测气候变化影响下的植物物候变化趋势有一定的适用性。</p>

DOI

[ Xu G X, Luo S X, Guo Q S, et al.Responses of leaf unfolding and flowering to climate change in 12 tropical evergreen broadleaf tree species in Jianfengling, Hainan Island[J].Chinese Journal of Plant Ecology, 2014,38(6):585-598. ]

[29]
谢宝妮,秦占飞,王洋,等.基于遥感的黄土高原植被物候监测及其对气候变化的响应[J].农业工程学报,2015,31(15):153-160为了分析黄土高原地区植被物候特征，该文基于AVHRR传感器获取的陆地长期数据记录（land long term data record，LTDR）V4 NDVI数据，对黄土高原1982－2011年间植被物候的时空变化进行分析，并借助偏相关分析方法对物候与气温和降雨的关系进行量化分析。结果表明：黄土高原近30 a间春季物候提前显著（0.54 d/a，P＜0.001），主要集中在北部草地和灌木植被；秋季物候推迟显著（0.74 d/a，P＜0.001），主要分布在甘肃、陕北、内蒙古和山西北部等地。不同植被的春秋物候稍有差异，稀疏灌木林春季物候提前趋势最多（1.31 d/a），常绿针叶林最小（0.19 d/a）；秋季物候推迟最多的为乔木园地（1.18 d/a），最少的是水田（0.17 d/a）。黄土高原植被物候主要受气温影响，降雨的变化也会对物候产生一定影响。冬季和前年秋季气温上升是春季物候提前的主要驱动因子；夏季和秋季降雨则对秋季物候休眠期延迟起着重要作用。该研究可为黄土高原生态环境评价及气候变化预测模型提供一定依据。

[ Xie B N, Qin Z F, Wang Y, et al.Monitoring vegetation phenology and their response to climate change on Chinese Loess Plateau based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015,31(15):153-160. ]

[30]
吴秀臣,裴婷婷,李小雁,等.树木生长对气候变化的响应研究进展[J].北京师范大学学报(自然科学版),2016,52(1):109-116

[ Wu X C, Pei T T, Li X Y, et al.Tree growth responding to climate changes[J]. Journal of Beijing Normal University Natural Sciences,2016,52(1):109-116.]

[31]
刘敏,毛子军,厉悦,等.不同纬度阔叶红松林红松径向生长对气候因子的响应[J].应用生态学报,2016,27(5):1341-1352<div style="line-height: 150%">运用树木年轮气候学方法,研究了不同纬度阔叶红松林红松径向生长趋势及其与气候因子的关系，以期揭示不同纬度红松径向生长对气候因子响应的差异以及气候变化影响下红松的动态特征、适应性及敏感性.结果表明： 不同纬度红松径向生长对当地气候因子的响应存在差异，最南部的白石砬子自然保护区红松径向生长与生长季的平均相对湿度呈显著正相关，与平均最高气温呈显著负相关.中部的长白山自然保护区的低海拔区域红松径向生长与生长季的水分因子(降水、相对湿度和帕尔默干旱指数PDSI)呈显著正相关，而与平均最高气温呈显著负相关；凉水自然保护区红松径向生长与生长季的水分因子(相对湿度和PDSI)呈显著正相关，与气温因子(平均气温和平均最高气温)呈显著负相关.而最北部的胜山自然保护区红松径向生长则与大部分月份的气温因子呈显著正相关.当年6月气候因子是影响所有纬度红松径向生长的关键气候因子，4个样地都与当年6月平均最高气温呈显著负相关.在气温不断上升的近40年，最南部的红松径向生长呈显著下降趋势，最北部呈显著上升趋势，中部的变化不显著.如果未来气温升高而降水不变，红松分布区可能缩小.</div><div style="line-height: 150%">&nbsp;</div>

[ Liu M, Mao Z J, Li Y, et al.Response of radial growth of Pinus koraiensis in broad-leaved Korean pine forests with different latitudes to climatical factors[J]. Chinese Journal of Applied Ecology, 2016,27(5):1341-1352. ]

[32]
张晓,潘磊磊,Kwon S, 等.沙地天然樟子松径向生长对干旱的响应[J].北京林业大学学报,2018,40(7):27-35

[ Zhang X, Pan L L, Kwon S, et al.Climatological response of radial growth for Pinus sylvestris var. mongolica to drought in Hulun Buir Sandland, Inner Mongolia of northern China[J]. Journal of Beijing Forestry University, 2018,40(7):27-35. ]

[33]
彭代亮,黄敬峰,王秀珍.基于MODIS-EVI区域植被季节变化与气象因子的关系[J].应用生态学报,2007,18(5):983-989以浙江省为研究区域，利用2001—2004年MODIS-EVI和52个气象站点的日平均气温和日降水量，结合区域土地利用现状数据，采用时滞互相关分析方法，分析耕地、林地、园地增强型植被指数(EVI)季节变化与气温、降水的相关性.结果表明:浙江省大部分地区EVI对气温的最大响应没有时滞性，而对降水最大响应时滞为1个月左右.气温、降水对大部分地区植被生长季节变化有显著影响的时效均约为50 d.不同滞后时间，3种用地类型植被EVI与气温、降水的相关系数大小不同，在零时滞时，林地最大，园地次之，耕地最小；在非零时滞时，耕地最大，园地次之，林地最小.3种用地类型植被EVI与气温的相关系数均大于降水，说明气温对植被EVI季节变化的影响比降水明显.

[ Peng D L, Huang J F, Wang X Z.Correlation analysis of regional vegetation seasonal fluctuation and climate factors based on MODIS-EVI[J]. Chinese Journal of Applied Ecology, 2007,18(5):983-989. ]

[34]
Wu X, Liu H, Li X, et al.Differentiating drought legacy effects on vegetation growth over the temperate Northern Hemisphere[J]. Glob Chang Biol, 2017,24(1):1-13.

[35]
郑海亮,房世峰,刘成程,等.青藏高原月NDVI时空动态变化及其对气候变化的响应[J].地球信息科学学报,2019,21(2):1-14

[ Zheng H L, Fang S F, Liu C C, et al.Dynamics of monthly vegetation activity and its responses to climate change in the Qinghai-Tibet Plateau[J]. Journal of Geo-information Science, 2019,21(2):1-14. ]

[36]
孔冬冬,张强,顾西辉,等.植被对不同时间尺度干旱事件的响应特征及成因分析[J].生态学报,2016,36(24):7908-7918

[ Kong D D, Zhang Q, Gu X H, et al.Vegetation responses to drought at different time scales in China[J].Acta Ecologica Sinica, 2016,36(24):7908-7918. ]

[37]
Huang K, Yi C, Wu D, et al.Tipping point of a conifer forest ecosystem under severe drought[J]. Environment Research Letters, 2015,10(2):24011.

[38]
罗红霞,戴声佩,李茂芬,等.海南岛1959-2015年气候变化特征分析[J].江苏农业科学,2018,46(15):261-268.

[ Luo H X, Dai S P, Li M F, et al.Analysis of climatic change characteristics on Hainan island from 1959 to 2015[J]. Jiangsu Agricultural Sciences, 2018,46(15):261-268.]

[39]
刘世梁,田韫钰,尹艺洁,等.云南省植被NDVI时间变化特征及其对干旱的响应[J].生态学报,2016,36(15):4699-4707

[ Liu S L, Tian W Y, Yin Y J, et al.Temporal dynamics of vegetation NDVI and its response to drought conditions in Yunnan Province[J]. Acta Ecologica Sinica ,2016,36(15):4699-4707. ]

[40]
徐凯健,曾宏达,张仲德,等.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（<em>R</em><sup>2</sup>为0.72-0.79，<em>p</em>&#x0003C;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（<em>R</em><sup>2</sup>为0.54-0.75，<em>p</em>&#x0003C;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（<em>R</em><sup>2</sup>为0.83，<em>p</em>&#x0003C;0.01），同时生长季长度延长（<em>R</em><sup>2</sup>为0.80，<em>p</em>&#x0003C;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。

DOI

[ Xu K J, Zeng H D, Zhong Z D, et al.Relating forest phenology to temperature and precipitation in the subtropical region of Fujian based on Time-Series MODIS-NDVI[J]. Journal of Geo-information Science, 2015,17(10):1249-1259. ]

[41]
李霞,李晓兵,王宏,等.气候变化对中国北方温带草原植被的影响[J].北京师范大学学报(自然科学版),2006(6):618-623

[ Li X, Li X B, Wang H, et al.Impact of climate change on temperate grassland in Northern China[J]. Journal of Beijing Normal University (Natural Science), 2006(6):618-623. ]

[42]
张煦庭. 中国温带地区草地植被动态时空特征及其对气候变化的响应[D].北京:中国农业大学,2018

[ Zhang X T, Spatial-temporal variation of grassland vegetation dynamics and its response to climate change in China's temperate zone[D]. Beijing: China Agricultural University, 2018. ]

Options
Outlines

/

〈 〉