基于GIMMS與SPOT vegetation的中亞物候變化趨勢及對比

馬勇剛，陳曦，牛新民，張馳

基于GIMMS與SPOT vegetation的中亞物候變化趨勢及對比

馬勇剛1,2，陳曦2，牛新民1，張馳2

1. 新疆科技發展戰略研究院，新疆 烏魯木齊 830011；2. 中國科學院新疆生態與地理研究所，新疆 烏魯木齊 830011

植被物候是反映生態系統受全球氣候變化影響的重要證據。作為生態與水資源系統最為脆弱的地區之一，中亞干旱區植被物候對氣候變化的響應情況是當前的全球環境變化研究熱點。文章以GIMMS和SPOT vegetation數據為基礎，在TIMESAT物候信息提取軟件的支持下，以動態閾值法提取了1982─2006年和1999─2012年中亞地區植被物候空間信息。結合Mann-Kendall趨勢分析方法，對中亞地區2個時期的植被開始期，停止期和生長季長度的3種典型物候參數的歷史變化情況和空間分布進行識別；同時，通過二維散點圖和最小二乘一維線性回歸的統計分析方法，開展了對1999─2006年8年重疊期期間GIMMS和SPOT vegetation所提取的3種物候數據對比分析。結果表明：①中亞研究區在1982─2006年和1999─2012年2個分段時期沒有發生顯著的整體性植被物候變化，其未發生顯著性變化面積分別占研究區總面積的90%和95%；②農作物種植區域是中亞地區植被物候發生顯著變化的主要區域；③對GIMMS與SPOT vegetation數據提取3種物候參數進行空間相關性分析結果表明，GIMMS和SPOT vegetation在提取的物候數據存在差異，開始期，停止期和生長季長度的相關性分別為[0.36,0.56]，[0.32,0.49]和[0.28,0.45]，且植被覆蓋度高的區域要比覆蓋度低的區域差異小，這也說明了不同遙感數據源在中亞干旱區植被物候信息提取一致性較差，其原因可能尺度差異和土壤背景值的嚴重影響。

中亞；遙感；物候；GIMMS；SPOT vegetation

植物物候是反映環境條件對氣候變化響應的最直觀、最敏感的生物指示器。近年來，遙感物候觀測因具有多時相、覆蓋范圍廣、空間連續、時間序列較長等特點，成為揭示植被動態對全球氣候變化響應的重要手段。遙感技術的發展為在全球和大區域尺度，以及高緯度地區、高寒山區、沙漠和一些地形特別復雜，很難進行地面實際植物調查或建立長期的監測點的區域開展植被物候研究提供了可能性（Cleland等，2007）。國內外學者已經通過遙感手段對北美，歐洲，亞洲乃至全球開展了較為廣泛的研究（Delbart等，2005；Delbart等，2006；Menzel等，1999；Schwartz等，2000；Julien等，2009；)。亞洲中部干旱區是全球最大的非地帶性干旱區，是全球生態系統和水資源系統最脆弱的地區之一。氣候變化背景下中亞區域的生態環境問題已嚴重制約了中亞各國經濟與社會的發展。中亞干旱區是當前全球植被物候研究較為薄弱的區域，在植被物候變化、植被物候模型及物候與氣候變化的關系等方面的研究成果都非常有限。在中亞干旱區開展空間尺度植物物候研究對理解區域陸地生態系統對氣候變化響應程度具有重要的意義。一些研究已經對中亞地區植被物候變化開展了研究（Kariyeva等，2011；Lu等，2014），但由于中亞干展區土壤背景影響嚴重，物候驗證數據嚴重缺乏，而采用多種數據或多種方法綜合分析中亞干旱區植被物候區域變化的研究仍比較欠缺。

當前開展遙感物候研究主要是通過以具有一定時間跨度和較高時間分辨率的遙感時間序列為數據支撐，當前國內外遙感物候研究的主要時間序列數據來源有4種（表1），其中AVHRR GIMMS時間跨度最大，但空間分辨率較粗；SPOT Vegetation，ENVISAT以及MODIS等空間分辨率有較顯著提高，但時間跨度較短。在干旱區由于植被覆蓋度低，土壤背景對植被光譜信號影響程度嚴重，不同的遙感數據在反映干旱區荒漠植被狀況也存在差異，已有的許多研究工作已經對GIMMS和SPOT vegetation和MODIS等植被指數在反映植被年際變化特征（侯美亭等，2013），時空相關性

（Fensholt等，2012）等方面的研究，而對不同植被指數在進行物候信息提取上的異同較少研究。

表1 長時間序列植被指數一覽表Table 1 long time series vegetation index

為綜合監測中亞地區過去30年來物候變化狀況，本研究擬采用GIMMS數據和SPOT vegetation數據，獲取中亞干旱區在1982─2006年期間和1998─2012年期間的物候變化情況，嘗試獲取其空間變化情況和主要特征；同時嘗試對GIMMS和SPOT vegetation 2套數據在物候信息提取上存在的異同進行提取，對2套數據在1999─2006年的8年重疊期的物候提取信息進行對比，分析2種數據在反映中亞物候信息上的差異。

1 數據與方法

1.1研究區

本論文研究區范圍（圖1）包括中亞哈薩克斯坦、吉爾吉斯斯坦、烏茲別克斯坦、塔吉克斯坦、土庫曼斯坦和中國新疆，東西橫跨50°，南北橫跨20°，總面積約56×105km2。

圖1 研究區示意圖（中亞五國及中國新疆）Fig. 1 The plot of study area (Central Asia five country and Xinjiang, CHINA)

1.2GIMMS數據

GIMMS（Global Inventory Modeling and Mapping Studies）數據是由UMD根據NOAA7，9，11，14，16和17等系列衛星搭載的AVHRR傳感器數據通過一系列定標和地理校正過程開發的具有25 a時間跨度，16 d時間分辨率和8 km空間分辨率的NDVI數據集，通過下載和在IDL下批量解壓和裁剪，最終獲得研究區內24景/年×25年，合計600景NDVI數據。

1.3SPOT vegetation 數據

SPOT vegetation數據為1998年4月─2012年 12月的SPOT vegetation逐旬NDVI數據。由歐洲聯盟委員會贊助的VEGETATION傳感器于1998年3月由SPOT-4搭載升空，從1998年4月開始接收用于全球植被覆蓋觀測的SPOT VGT數據，該數據由瑞典的Kiruna地面站負責接收，由位于法國Toulouse的圖像質量監控中心負責圖像質量并提供相關參數（如定標系數），最終由（Flemish Institute for Technological Research, Vito）VEGETATION影像處理中心（VEGETATION processing Centre, CTIV）負責預處理成逐日1 km全球數據。預處理包括大氣校正，輻射校正，幾何校正，生成了10 d最大化合成的NDVI數據。

SPOT vegetation數據按照全球區域劃分成不同大區，通過下載1999年─2012年N-ASIA和W-ASIA兩區域每年36期，共計1008景數據。通過比利時佛萊芒技術研究所開發的VGTExtract工具進行批量鑲嵌和裁剪。最終完成研究區SPOT vegetation的處理工作。

1.4物候提取方法

從遙感植被指數時間序列數據中獲取植被物候參數的方法有很多(White等，2009)，但根據其原理可以主要分為3種：（1）閾值法（White等，1997）；（2）拐點法（Reed等，1994）；（3）曲線求導法（Zhang等，2003）。其中，曲線求導法則更適應于多生長季地區，中亞干旱區以一年生植物為主，拐點法易受到融雪因素的干擾（Delbert等，2006）。采用閾值法能夠有效降低物候反演方法的不確定性對物候變化總體趨勢計算結果造成的影響（Kariyeva等，2011）。因此，本研究采用閾值法計算植被生長季開始期和停止期。

公式表示為：

式中：NDVIdoy為一年中的第doy天對應的NDVI值，NDVImin為一年中NDVI最小值，NDVImax為一年中NDVI最大值。

1.5趨勢分析方法

Mann-Kendall是一種非參數統計檢驗方法，最初由Mann在1945年提出，后由Kendall和Sneyers進一步完善，在長時間序列數據的趨勢檢驗和分析中得到了廣泛應用，其優點是不需要遵從一定的分布，也不受少數異常值的干擾，計算起來比較方便（Sen，1968；Helsel等，2006）。研究采用Man-Kendall（M-K）趨勢分析對GIMMS每個象元1982─2006

年25個數據值和SPOT vegetation每個象元1999─2012年25個數據值進行計算，獲得研究區植被物候變化趨勢Z統計值，繼而獲取變化顯著的空間分布情況，并進行相關的統計。

設有時間序列X

式3中：S為M-K相關系數，設各變量獨立同分布，則統計量S近似服從正態分布，其均值E(S)、方差Var(S)分別為：

式6中：q為序列中秩次相同的組數；tk為第k組秩次相同所包含觀測值的個數，當樣本數量大于10時，用公式7來計算Z統計量：

Z統計量越大，則變化趨勢越顯著，其中±1.96和±2.58分別為正負向變化趨勢下P＜0.05和P＜0.01的臨界值。

2 結果與分析

2.11982─2006年變化情況

開始期：研究區內植被開始期變化在空間上分布是不均勻，大部分地區的開始期的變化并不顯著（圖2）。其中開始期顯著提前并且提前幅度較高的地區主要是集中在土庫曼斯坦南部穆爾加布-捷詹綠洲耕作區、烏茲別克斯坦東南部澤拉夫尚河谷地的撒馬爾罕-布哈拉耕作區和塔什干綠洲地區以及費爾干納盆地、阿姆河下游土庫曼-烏茲別克斯坦的烏爾根奇地區，哈薩克斯坦北部和天山北坡部分區域也有小部分區域存在顯著提前區域。而開始期顯著推遲的地區則集中分布在新疆天山北坡以及塔里木盆地北緣綠洲區域。

圖2 1982─2006年中亞植被開始期、停止期和生長季長度MK趨勢分析(＊ P≤0.05，＊＊ P≤0.01)Fig. 2 M-K trend analysis for SOS ,EOS, LOS in Central Asia from 1982 to 2006 based on GIMMS data

停止期：與開始期相對比，植被停止期的變化趨勢則較為不同，其顯著變化的區域呈現零星分布，且面積和強度比開始期要小。研究區內的大部分區域植被停止期的變化是不顯著的，只有少部分區域存在著顯著變化的情況。其中顯著推遲的區域

零星分布于在哈薩克北部和新疆北部區域，而停止期顯著提前的地區則零星分布在土庫曼斯坦和烏茲別克斯坦東部及塔吉克斯坦西部的綠洲耕作區域和天山北部綠洲耕作區區域。

生長季長度：受開始期和停止期變化影響，生長季長度的變化表現出較大的空間變異性。開始期顯著提前的區域，包括土庫曼斯坦南部穆爾加布-捷詹綠洲耕作區、烏茲別克斯坦東南部澤拉夫尚河谷地的撒馬爾罕-布哈拉耕作區和塔什干綠洲地區以及費爾干納盆地、和阿姆河下游土庫曼-烏茲別克斯坦的烏爾根奇等，生長期長度均有顯著延長，而生長季長度縮短的地區則主要分布在克孜勒庫姆沙漠東南地區和天山北坡綠周耕作區的部分區域。

2.21999─2012年變化情況

基于SPOT vegetation提取的1999─2012年的中亞干旱區開始期變化趨勢的空間分布情況（圖3）。

開始期顯著提前的區域主要是集中在哈薩克斯坦西部博斯坦庫姆沙地和雷恩沙漠，烏茲別克斯坦的卡拉庫姆沙漠及其與烏茲別克斯坦交界的烏爾根奇地區。而顯著推遲的區域則主要集中在新疆天山北坡西段及庫爾勒、庫車、阿克蘇等部分綠洲耕作區，烏茲別克斯坦的艾達湖與奇姆肯特地區，以及土庫曼斯坦的庫吉唐套山區和卡拉比爾高地。

整個中亞植被停止期在1999─2012年期間的分布情況說明，停止期顯著提前的區域主要還是集中在卡拉庫里沙漠區域，哈薩克斯坦西部博斯坦庫姆沙地以及新疆北部的部分區域。而顯著推遲的區域則主要分布在烏茲別克的艾達湖和塔什干區域，塔吉克斯坦南部庫爾干秋別部分區域，以及新疆南部喀什和葉爾羌流域。

綜合看來，研究區在1999─2012年期間的生長季長度發生顯著縮短的地區主要集中在哈薩克斯坦西部烏拉爾、土庫曼斯坦中部以及新疆天山北坡部分區域。而顯著延長地區主要集中在新疆阿爾泰山區北部。

2.3統計對比

對整體中亞區域1982─2006年期間3種物候參數的顯著性及非顯著性變化的區域面積比例（表2）進行統計發現，90%的區域沒有發生顯著地變化；在存在顯著變化的地區：開始期顯著提前占6.19%，顯著推遲占3.21%，停止期顯著提前占3.38%，顯著推遲占5.04%，生長季長度顯著縮短占了2.78%，顯著延長占8.22%，這表明開始期提前、停止期推遲和整個生長季的延長在10%的顯著變化范圍內是占主導地位的。

表2 1982─2006年物候顯著性變化比例統計Table 2 the proportion of phenological metrics change in 1982─2006

圖3 1999─2012年中亞植被開始期、停止期和生長季長度MK趨勢分析(＊P≤0.05，＊＊P≤0.01)Fig. 3 M-K trend analysis for SOS ,EOS, LOS in Central Asia from 1999 to 2012 based SPOT vegetation

而1999─2012年3種物候參數的發生顯著變化和未發生顯著變化的比例結果（表3）則說明：在1999─2012年期間，研究區95%以上的區域的開始

期和停止期沒有發生顯著地變化，93%以上的區域生長季長度沒有顯著變化。而在不到5%發生顯著變化的區域內，開始期和停止期顯著提前的比例要多于顯著推遲的比例，最終生長季長度中發生顯著縮短的比例達到了5.27%，相對高于生長季長度中發生顯著延長的比例。

表3 3種物候參數1999─2012年變化情況Table 3 the proportion of phenological metrics change in 1999─2012

2.42種數據提取物候信息對比

已有研究表明，在不同的數據來源情況下，除非有可靠地匹配方法，否則直接對各種植被指數數據進行分辨率融合來拓展時間跨度的做法是不可靠的（Fensholt等，2012；Song等，2010）?；诖它c，我們在利用不同數據源進行植被物候信息的提取過程中，為了防止產生不可靠的結果，沒有將GIMMS和SPOT VEGETATION直接進行空間分辨率的統一來增加時間跨度。但將二者提取的相同年度的空間物候數據進行對比分析，有利于今后發展對不同遙感數據源的片段式分布進行統一的解決方案。

同時，由于在物候反演方法和閾值的采用上存在一致，對比二者的物候反演數據也將有助于了解不同尺度下植被指數在反映植被物候信息上的差異。我們將SPOT與GIMMS所提取的各項物候數據進行兩兩空間相關性分析。

開始期對比分析（圖4）可以看出，在利用GIMMS和SPOT 2套數據提取的開始期數據在二維散點圖上表現出一定的一致性，其相關系數在[0.36,0.56]區間范圍內，而高頻次樣本點群趨近于1∶1的回歸斜率。同時由于受到大量離散點的影響，最小二乘斜率所擬合的回歸線均與高頻度的樣本點群相偏離，且斜率總是小于1。

利用GIMMS和SPOT 2套數據提取的停止期數據在二維散點圖（圖5）上表現出的一致性明顯較弱，其相關系數在[0.32,0.49]區間范圍內。各年擬合的一維回歸線均與高頻度的樣本點群相偏離，高頻次樣本點群的分布沒有表現出與開始期相似的沿1∶1線的橢圓形分布。

生長季長度的散點圖（圖6）表現出GIMMS和SPOT提取的生長季長度沒有出現與開始期和停止期相似的高頻次的樣本群，整體樣本分布相對更加分散，各年的擬合斜率也處在[0.28,0.45]之間，低于開始期和停止期的擬合斜率的平均水平。

為進一步分析GIMMS和SPOT提取的生長季開始期，停止期和生長季長度的差異情況，我們分析了1999年的開始期和停止期二維散點圖在影像空間上分布情況。

圖4 GIMMS和SPOT VEGETATION提取的開始期之間的線性回歸關系Fig. 4 Linear regression of SOS extract from NDVI of GIMMS and SPOT vegetation

利用不同色彩表示GIMMS與SPOT VEGETATION反演獲得的開始期和停止期的比率區間（圖7），藍色區域為二者的比值在[0.5,1]區間范圍，而紅色與綠色區域則為二者之間的比值＜0.5。這意味藍色區間為二者相關性較好，而紅色與綠色

區域相關性較差?？梢园l現，GIMMS和SPOT VEGETATION提取的開始期和停止期在研究區北部的以及新疆天山山區均存在較好的相關性，開始期差異主要分布在研究區中部的里海東岸博斯坦庫姆沙地、克孜勒庫姆沙漠以及薩雷耶西克阿特勞沙漠的區域；停止期差異則主要分布在土庫曼斯坦的卡拉庫姆沙漠和烏茲別克斯坦的克孜勒庫姆沙漠部分區域。這些結果說明二者在植被覆蓋較好的區域的相關性可能要高于在植被稀疏區域的相關。

圖5 GIMMS和SPOT vegetation提取的停止期之間的線性回歸關系Fig. 5 Linear regression of EOS extracted from NDVI of GIMMS and SPOT vegetation

圖6 GIMMS和SPOT vegetation提取的生長季長度回歸關系Fig. 6 Linear regression of LOS extracted from NDVI of GIMMS and SPOT vegetation

圖7 GIMMS與SPOT vegetation開始期（A）與停止期（B）二維散點在影像上的分布Fig. 7 The distribution in image for SOS(A) and EOS(B) 2D scatter plot

3 結論與討論

3.1討論

本研究所得出的中亞干旱區物候變化結論與

一些學者在相近或有重疊區域的研究結論有所不同。劉玲玲采用1981─1999年的GIMMS AVHRR NDVI數據得到歐亞大陸40～70°地區植被開始期提早了3.5 d/10a植被、生長季延長9.4 d/10a的結論（劉玲玲等，2012）；Delbert利用1982─2004年AVHRR和SPOT-VGT數據分析歐亞大陸北部50～72°N植物生長季節的變化（Delbert等，2006）時得出開始期平均提前3.5天；Lu等在利用30%作為動態閾值對中亞五國物候進行線性回歸的趨勢分析則發現中亞地區農作物生長提前明顯，而稀疏灌木休眠期推遲顯著（Lu等，2014）；而本文采用20%閾值法對2種不同數據源基礎上所得到的研究結果則顯示研究區內顯著變化的區域主要集中在農田區域。這意味著利用同種遙感數據在不同的分析方法下所得出的結果會產生較大差異。從變化顯著性分析來看，本研究對整個中亞五國及新疆研究區的分析反映出研究區的植被物候并未發生整體變化，這一結論與（Julien等，1999）在對1981─2003年全球植被物候顯著性分析結果中中亞部分的分布情況基本一致。

對比研究表明，利用GIMMS和SPOT植被指數數據提取的各項物候參數中，生長季開始期相關程度最好，而停止期和生長季長度相關性較差，這種區別可能與各種植被的開始期相對集中而停止期分布較為離散有關。利用二維散點圖識別二者相關性的空間分布情況發現植被覆蓋度高的區域要高于植被覆蓋度低的區域，然而，GIMMS和SPOT vegetation在本研究區內的相關性要遠低于（劉玲玲等，2012）研究中落葉林和草地時GIMMS與MODIS物候參數0.9的相關系數，這說明長時間序列遙感數據在對物候等植被狀況進行監測的過程中，對高覆蓋度植被區域的變化情況反映較為一致，但在干旱區等土壤背景影響較嚴重的低覆蓋植被區域，表現差異明顯，空間一致性較差。其原因一方面可能是由于不同傳感器特征、像元尺度、幾何校正和合成時間等的差異，另一方面可能是由于沙漠地區植被稀疏，土壤背景反射強烈，NDVI本身可靠性較差以及傳感器校正方法的不同造成的(劉玲玲等，2012；沙莎等，2013)；此外研究區特殊的氣候條件會造成植被生長或衰老迅速，繼而引起植被指數在短時劇烈變化，而由于在獲得地表植被覆蓋信息發生迅速變化的能力可能存在差異，同時近年來氣候波動和氣候變化引起的物候頻繁變化,也增加了物候過渡期遙感監測結果的不確定性，最終造成了兩種數據的一致性減弱青（Du等，2014）。

3.2結論

本文采用動態閾值法，利用1982─2006年 GIMMS NDVI和1999─2012年SPOT vegetation 2種植被指數，提取了中亞干旱區植被物候參數，結果表明中亞干旱區在1982─2006年和1999─2012年2個時段分別有90%和95%的區域沒有發生顯著的整體性植被物候變化，在不到5%和10%的區域中發生顯著變化的主要是耕地。

由GIMMS和SPOT vegetation 2種數據提取的3種物候參數在8年重疊期的空間對比分析表明：基于動態閾值法由GIMMS和SPOT vegetation所提取的中亞干旱區植被開始期，停止期和生長季長度相關性分別為[0.36,0.56]，[0.32,0.49]和[0.28,0.45]，相關性程度從高到底依次為開始期、停止期和生長季長度；從二維空間分布上看，植被覆蓋度高的區域比植被覆蓋度低的區域相關性程度高。

CLELAND E E, CHUINE I, MENZEL A, et al. 2007. Shifting plant phenology in response to global change [J]. Trends in ecology & evolution, 22(7): 357-65.

DELBART N, KERGOAT L, LE TOAN T, et al. 2005. Determination of phenological dates in boreal regions using normalized difference water index [J]. Remote Sensing of Environment, 97(1): 26-38.

DELBART N, LE TOAN T, KERGOAT L, et al. 2006. Remote sensing of spring phenology in boreal regions: A free of snow-effect method using NOAA-AVHRR and SPOT-VGT data (1982—2004) [J]. Remote Sensing of Environment, 101(1): 52-62.

DU J Q, SHU J M, WANG Y H, et al. 2014. Comparison of GIMMS and MODIS normalized vegetation index composite data for Qinghai-Tibet Plateau [J]. Chinese Journal of Applied Ecology, 25(2): 533-544.

FENSHOLT R, PROUD S R. 2012. Evaluation of earth observation based global long term vegetation trends—Comparing GIMMS and MODIS global NDVI time series [J]. Remote sensing of Environment, 119: 131-147.

HELSEL D R, FRANS L M. 2006. Regional Kendall Test for Trend [J]. Environmental science & technology, 40(13): 4066-4073.

JULIEN Y, SOBRINO J A. 2009. Global land surface phenology trends from GIMMS database [J]. International Journal of Remote Sensing, 30(13): 3495-3513.

KARIYEVA J, VAN LEEUWEN W J D. 2011. Environmental Drivers of NDVI-Based Vegetation Phenology in Central Asia [J]. Remote Sensing, 3(2): 203-246.

LU L, GUO H, KUENZER C, et al. 2014. Analyzing phenological changes with remote sensing data in Central Asia[C].proceedings of the IOP Conference Series: Earth and Environmental Science, F. IOP Publishing.

MENZEL A, FABIAN P. 1999. Growing season extended in Europe [J]. Nature, 397(6721): 659.

REED B C, BROWN J F, VANDERZEE D, et al. 1994. Measuring phenological variability from satellite imagery [J]. Journal of vegetation science : official organ of the International Association for Vegetation Science, 5(5): 703-714.

SCHWARTZ M D, REITER B E. 2000. Changes in North American spring [J]. International Journal of Climatology, 20(8): 929-932.

SEN P K. 1968. Estimates of the Regression Coefficient Based on Kendall's Tau [J]. Journal of the American Statistical Association, 63(324): 1379-1389.

SONG Y, MA M, VEROUSTRAETE F. 2010. Comparison and conversion of AVHRR GIMMS and SPOT VEGETATION NDVI data in China [J]. International Journal of Remote Sensing, 31(9): 2377-2392.

WHITE M A, DE BEURS K M, DIDAN K, et al. 2009. Intercomparison, interpretation, and assessment of spring phenology in North America estimated from remote sensing for 1982─2006 [J]. Global Change Biology, 15(10): 2335-2359.

WHITE M A, THORNTON P E, RUNNING S W. 1997. A continental phenology model for monitoring vegetation responses to interannual climatic variability[J]. Global Biogeochem Cycles, 11(2): 217-234.

ZHANG X Y. MARK A F, Crystal B S. et al. 2003. Monitoring vegetation phenology using modis [J]. Remote Sensing of Environment, 84: 471-475.

侯美亭, 趙海燕, 王箏, 等. 2013. 基于GIMMS、VGT和MODIS的中國東部植被指數對比分析[J]. 遙感技術與應用, 2013, 28(2): 290-299.

劉玲玲, 劉良云, 胡勇. 2012. 基于AVHRR和MODIS數據的全球植被物候比較分析[J]. 遙感技術與應用, 27(5): 754-762.

沙莎, 郭鈮, 李耀輝, 等. 2013. 三套NDVI長時間序列植被指數的對比——以瑪曲為例[J]. 干旱氣象, 31(4): 657-665.

The Trend and Comparison of Vegetation Phenological Change in Central Asia Based GIMMS and SPOT Vegetation

MA Yonggang1,2, CHEN Xi2, NIU Xinmin1, ZHANG Chi2
1. Xinjiang Remote Sensing Center, Urumqi 830011, China 2. Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, China

Vegetation phenology is the most compelling evidence that ecosystems are being influenced by global climate change. The response of vegetation phenology on climate change in Central Asia, which is one of regions with the most fragile ecological and hydrological system, has become a hot issue in global environmental research worldwide. Based on GIMMS (Global Inventory Modeling and Mapping Studies) data from 1982 to 2006 and SPOT vegetation S10 data from 1998 to 2012, the vegetation phenology information was extracted by dynamic threshold method with Timesat phenology extract software. Mann-Kendall trend analysis method was used to assess spatial-temporal change trend of Start of Season (SOS), End of Season (EOS) and Length of Season (LOS). Moreover, combined the 2 d scatterplot and linear regression algorithm of least square, The three metrics in the overlapped 8 year was compared for examining the difference between two set of vegetation phenology data derived from GIMMS and SPOT vegetation. The result indicated that, (1) vegetation phenology characters in 90% and 95% area of Central Asia did not shown a significant change trend for 1982─2012; (2) agriculture land was found as a main land cover type with a significant change of SOS, EOS and LOS; (3) there are obvious difference between two set of phonological data based on GIMMS and SPOT vegetation; the range of correlation coefficients between tow set of SOS, EOS and LOS are [0.36,0.56]，[0.32,0.49] and [0.28,0.45], and in the area with sparse vegetation, two set of the three metrics show a lower consistency than the area with higher vegetation coverage. It suggested the consistency can be influenced by different scale and soil background.

Central Asia; remote sensing; phenology; GIMMS; SPOT vegetation

Q948

A

1674-5906（2014）12-1889-08

國家重大國際合作項目（2010DFA92720-18）

馬勇剛（1981年生），男，副研究員，博士，主要研究方向為環境遙感應用研究。E-mail：thank5151@163.com

2014-09-09

馬勇剛，陳曦，牛新民，張馳. 基于GIMMS與SPOT vegetation的中亞物候變化趨勢及對比[J]. 生態環境學報, 2014, 23(12): 1889-1896.

MA Yonggang, CHEN Xi, NIU Xinmin, ZHANG Chi. The Trend and Comparison of Vegetation Phenological Change in Central Asia Based GIMMS and SPOT Vegetation [J]. Ecology and Environmental Sciences, 2014, 23(12): 1889-1896.