中國東北植被動態變化及其與氣候因子的關系

劉向培,劉烈霜,史小康,佟曉輝，賈慶宇

(1.解放軍65061部隊,遼寧 沈陽 110027;2.中國科學院 寒區旱區環境與工程研究所 寒旱區陸面過程與氣候變化重點實驗室,甘肅 蘭州 730000;3.北京大學 物理學院 大氣與海洋科學系,北京 100871;4.民航貴州空管分局,貴州 貴陽 550012;5.空軍裝備研究院 航空氣象防化研究所,北京 100085;6.中國氣象局 沈陽大氣環境研究所,遼寧 沈陽 110016)

?

中國東北植被動態變化及其與氣候因子的關系

劉向培1,2,劉烈霜3,4,史小康2,5,佟曉輝1，賈慶宇6

(1.解放軍65061部隊,遼寧 沈陽 110027;2.中國科學院 寒區旱區環境與工程研究所 寒旱區陸面過程與氣候變化重點實驗室,甘肅 蘭州 730000;3.北京大學 物理學院 大氣與海洋科學系,北京 100871;4.民航貴州空管分局,貴州 貴陽 550012;5.空軍裝備研究院 航空氣象防化研究所,北京 100085;6.中國氣象局 沈陽大氣環境研究所,遼寧 沈陽 110016)

歸一化植被指數;小波變換;植被覆蓋;溫度;降水;中國東北

0 引言

受自然及人為因素的影響,地表植被在各種時間及空間尺度上發生變化(Martínez and Gilabert,2009)。它是聯結土壤、大氣和水分的自然“紐帶”,在一定程度上能代表土地覆蓋的變化,在全球變化研究中充當著“指示器”的作用(孫紅雨等,1998)。在過去的20余年,我國一方面通過植樹造林、引水灌溉增加綠洲、農業集約經營等手段,使植被活動朝著增強的方面發展;另一方面,由于迅速擴展的城市化和工業化以及過度放牧等人類活動導致植被退化(Fang et al.,2004)。地表植被通過影響陸面能量和水分的平衡而對區域氣候造成影響(李巧萍和丁一匯,2004;Foley et al.,2005;顧婷婷等,2011;李婧華等,2013),其作用與溫室氣體排放相當(Pielke,2005);同時它也受到溫度、降水等因素的影響(俞淼等,2010;Yang et al.,2012;黃玨等,2013)。

觀測數據是制約地表植被時空動態變化研究的重要因素(Yang et al.,2012)。基于地表植被的動態變化特征,具有較高時空分辨率的衛星遙感資料在研究大尺度地表覆蓋和植被活動中得到廣泛應用(Fang et al.,2004;Martínez and Gilabert,2009;Yang et al.,2012)。歸一化植被指數(normalized difference vegetation index,NDVI)與植被吸收光合有效百分率、葉綠素密度、葉面積指數、植被覆蓋率和蒸散率等許多參數密切相關,是指示大尺度植被覆蓋和植被生產力的良好指標(Myneni et al.,2001;Martínez and Gilabert,2009;李根等,2014),NDVI時間序列數據在大尺度地表植被動態變化遙感研究中起著重要作用(Lambin and Linderman,2006)。選取有效方法,基于長時間序列衛星遙感數據研究地表植被在不同時間尺度上的變化特征是地表植被覆蓋動態變化研究的重點之一(Lambin and Linderman,2006)。

地表植被的改變由年內尺度的物候變化和年際尺度的發展趨勢變化等部分組成(Lambin and Linderman,2006;Bradley et al.,2007)。長時間序列、高時間分辨率的NDVI數據包含了年內、年際等不同尺度的分量,使得在不同時間尺度上研究NDVI的變化成為可能。小波變換是研究有限時間、空間區域中多尺度、非靜態過程的有效工具(Furon et al.,2008),它在不同尺度或分辨率上對信號進行分析(Martínez and Gilabert,2009),廣泛應用于衛星遙感資料的影像配準(Fonseca and Costa,1997)、空間、光譜合成(Zhou et al.,1998)、噪聲去除(Hamed and Rao,1998)等。小波變換能夠將NDVI時間序列數據在不同時間尺度上進行分解,進而在不同尺度上研究NDVI的變化。

本文基于GIMMS/NDVI數據,采用小波分析方法,在年內、年際時間尺度上研究以林地、耕地、草地為主要地表植被類型的我國東北區域1982—2006年地表植被的動態變化,并從溫度、降水對地表植被生長影響的角度在不同時間尺度上分析氣候因子對地表植被變化的影響。

1 數據與方法

1.1 數據

GIMMS(Global Inventory Modeling and Mapping Studies)/NDVI數據是2003年11月推出的全球植被指數數據(Tucker et al.,2004)。該數據采用經過輻射校正和幾何校正的NOAA-AVHRR數據計算而來,由每15 d最大化NDVI數據合成,空間分辨率為8 km。Slayback et al.(2003)對比分析了5種不同的NDVI數據,指出GIMMS/NDVI數據的變化平穩,傳感器的改變對其變化趨勢的影響不顯著。相對于其他NDVI數據源,GIMMS/NDVI時間序列數據更適合用于大尺度植被活動變化分析。

理論上,NDVI變化于-1～1之間,NDVI數值越大,表明植被的覆蓋程度越高。在冰雪覆蓋的區域,NDVI通常為負值,戈壁沙漠地區,受下墊面信息的影響較大,其值不穩定,常常不能真正反映植被的覆蓋狀況。因此,人們常采用年或月平均NDVI的某一界限作為閾值,來排除非植被因素的影響(Zhou et al.,2001;Fang et al.,2004)。本文基于我國東北部的黑龍江、吉林、遼寧和內蒙古等省區1982—2006年年平均NDVI值大于0.1區域的NDVI數據,研究1982—2006年林地、耕地、草地等不同地表植被的動態變化。

本文采用來源于美國LPDAAC(Land Process Distributed Active Archive Center)的MODIS/MCD12地表植被分類數據,該數據采用集合監督分類的方法獲得,空間分辨率為500 m,時間分辨率為1 a(Friedl et al.,2010)。本文選用2001年的數據進行相關研究,并基于MODIS/MCD12數據中IGBP分類標準數據集,對相關類別進行歸并,研究林地、草地、耕地等地表類型植被的動態變化。本文的研究區域及各種地表植被類型的空間分布如圖1所示。

圖1 研究區域植被類型及站點分布Fig.1 Vegetation types in study area and the stations

氣象觀測數據采用中國氣象局信息中心整理的我國月平均近地面溫度、降水資料。選取分別位于內蒙古東部草原區域的東、中、西部的3個站點,位于松嫩平原、遼河平原、三江平原等耕地區域的3個站點,以及位于大興安嶺、小興安嶺及長白山森林區域的3個站點,以研究溫度、降水等氣象要素對地表植被覆蓋變化的影響。各站點的空間分布如圖1所示,表1為各站點的具體信息。

表1 站點信息

Table 1 Station information

站名經度/°E緯度/°N海拔高度/m平均溫度/℃平均降水/mm地表類型四子王旗111.6841.531490.14.026.4草地錫林浩特116.1243.951003.03.022.2草地烏蘭浩特122.0546.08274.75.536.6草地四平124.3343.17165.77.150.6耕地富錦131.9847.2366.43.442.5耕地克山125.8848.05234.62.243.6耕地東崗127.5742.10774.24.068.1林地伊春128.9247.73240.91.652.6林地圖里河121.6850.48732.6-4.138.0林地

1.2 方法

小波分析被譽為“數學顯微鏡”,可以將時間信號按尺度不同展開為小波函數族的線性疊加(王存忠等,2009;張宇等,2010)。同譜分析相比,小波分析不僅能夠研究長時間序列數據的多尺度特征,而且能夠再現不同尺度信號隨時間的演變,從而深入研究時間序列數據的變化特征。小波分析在許多領域都有廣泛的應用。Martínez and Gilabert(2009)采用小波分析方法,研究了1989—2002年西班牙地表植被動態變化;Galford et al.(2008)采用小波變換方法,在不同的時間尺度上分析了地表植被的變化。

設時間序列f(t)及一組由參數a、b構成的母小波g(a,b,t),其形式為

(1)

式中:a(>0)、b為實數,分別稱為尺度參數和平移因子。由f(t)與g(a,b,t)的卷積構成小波變換

(2)

(2)式的意義在于,將一維時間函數展開為一個二維參數空間(a,b),從而形成一種能在時間或空間坐標位置b和尺度a上具有變化的小波系數Tg(a,b)的一種度量(劉德等,2003)。其離散形式為

(3)

其中:Δt為取樣間隔;n為樣本量。小波方差為

var(a)=∑(Tg)2(a,b)。

(4)

小波變換實際上是將一個一維信號在時間和頻率兩個方向上展開,這樣就可以對長時間序列數據的時間—頻率結構做細致分析,進而提取有價值的信息。Sakamoto et al.(2005)采用不同母小波,對MODIS/EVI數據進行小波變換,對比采用不同母小波研究地表植被生長周期及物候變化的性能;結果表明,采用Coiflet4小波所得結果的誤差最小。因此本文選取該小波進行相關分析。

2 植被覆蓋變化

2.1 NDVI動態變化周期分析

NDVI的空間分布及時間變化反映了不同地表植被的分布情況及其生長、發育、成熟、枯竭的生命周期。利用小波方差,可以獲取NDVI數據中強度較大的周期分量(Yang et al.,2012)。圖2為研究區域中具有不同植被類型的9個站點處NDVI時間序列數據的小波方差。可見,在不同站點處,NDVI時間序列數據小波方差的分布形勢基本一致,除地表類型為草地的四子王旗站點處NDVI最強周期的時間尺度為20(300 d)外,地表類型為草地、耕地、林地的其他各站點處的NDVI最強振動周期的時間尺度均為19(285 d)。這一方面表明不同植被的生命周期基本相同;另一方面也表明,受溫度、降水等氣象要素的影響,地理位置相對偏南的四子王旗處的植被動態變化具有較長的周期,但是受小波分析方法及NDVI數據時間分辨率等因素的限制,沒有能夠有效反映出其他站點間植被動態變化周期的差異,這需要進一步研究。

圖2 NDVI歸一化小波方差Fig.2 Normalized wavelet variances of NDVI at different stations

此外,對比不同站點處的NDVI小波方差可以發現,在四子王旗、錫林浩特和烏蘭浩特等地表類型為草地的站點處,最強周期處的小波方差總體上較小;地表類型為耕地的四平、富錦、克山等站點處的其次;地表類型為林地的東崗、伊春、圖里河等站點處的最大。這反映了不同植被類型NDVI變化幅度的總體差異,林地最大,耕地其次,草地最小。其中部分位于草地和耕地站點處的NDVI小波方差分布有所重疊,表明部分草地與耕地區域NDVI變化幅度的差異不明顯。

2.2 NDVI動態變化的多尺度分析

為了在年內、年際尺度上對NDVI數據進行分析,本文將1982—2006年的NDVI數據在表2所示的幾個層次上進行小波分解,并分別提取近似系數和細節系數(圖略)。在30 d時間尺度上,NDVI時間序列數據的近似分量保留了原始數據的主要特征,NDVI的季節變化顯著,同時,該數據比原始NDVI時間序列數據更平滑,而細節分量主要表現為不規則噪聲。這是因為雖然在GIMMS/NDVI數據的生成過程中采用多種方法消除云、大氣和太陽高度角等因素的干擾,但是它們的影響仍然存在,從而使得NDVI數據呈鋸齒狀的不規則波動變化,這些干擾主要體現在細節分量中,它們的存在將導致NDVI時間序列數據的變化趨勢減弱(J?nsson and Eklundh,2004)。

表2 小波分析尺度

Table 2 Scales and days corresponding to different levels of wavelet analysis

層次尺度時間/d011512302360341204524056480

圖3 NDVI年際尺度及年內尺度分量 a.錫林浩特;b.克山;c.圖里河Fig.3 Intraannual and interannual scale components of NDVI at different stations a.Xilinhot;b.Keshan;c.Tulihe

圖3為地表植被類型分別為草地、耕地和林地的錫林浩特、克山和圖里河站的年內和年際尺度NDVI數據的變化情況。NDVI的年內尺度變化主要反映了地表植被季節間的物候變化,在草地、耕地、林地三種植被中,林地區域NDVI的變化幅度最大,這與前文NDVI動態變化周期分析得到的結果一致。1982—2006年圖里河站年內尺度NDVI的標準差為0.27,其次為耕地,克山站處年內尺度NDVI標準差為0.22,草地最小,為0.11。由于草地的自我調節能力相對較弱,受各種外部條件的影響較大,因此雖然其NDVI標準差較小,但在不同年份年內尺度NDVI變化的差異較顯著;而在耕地和林地處,由于耕地的人為耕種、灌溉以及林地較強的自我調節能力使得它們受其他外界因素的影響較小,不同年份年內尺度NDVI變化的差異較小。

NDVI的年際尺度變化主要反映了不同植被類型NDVI的平均狀況及在較長時間尺度上的發展變化。在3個站點所處地表植被類型中,林地的NDVI值最高,圖里河站處1982—2006年年際尺度NDVI平均為0.38;其次為耕地,克山站處平均NDVI為0.29;草地最低,錫林浩特站處NDVI平均值為0.18。草地受外部條件的影響最大,在1987—1990年及1997—2005年,在年際尺度上NDVI表現出較顯著的波動,耕地和林地的波動幅度相對較小。總體上研究區域的3種地表植被均表現出較穩定的發展變化趨勢。

研究區域的地理范圍廣闊,僅若干個站點處的NDVI數據不能完全反映各種地表植被的發展變化及其空間分布情況,因此,對研究區域中各NDVI數據點分別進行小波分析,并提取出如表3所列的變量,以分析研究區域地表植被的總體變化情況。

表3 描述地表植被狀況的特征量

Table 3 Key characteristics of vegetation

變量名描述含義INDV年際尺度NDVI平均值INDV=A描述NDVI的年際尺度平均狀況ΔINDV年內尺度NDVI變化的90%減去10%ΔINDV=V×90%-V×10%描述NDVI的年內變化變化趨勢由年際尺度NDVI數據線性擬合的斜率得到的ND-VI年變化描述長時間尺度NDVI的發展變化趨勢

圖4 地表植被狀況特征的空間分布b.ΔINDV;c.變化趨勢Fig.4 b.ΔINDV;c.trend

3 植被覆蓋變化與氣象要素的相關性分析

植被覆蓋變化主要是地球內部因素(土壤母質、土壤類型等)和外部因素(氣溫、降水)綜合作用的結果(孫紅雨等,1998)。通常在一定的歷史時期內,地球內部因素基本保持不變,因此溫度、降水等氣象要素對地表植被覆蓋變化的影響更顯著。圖5為地表植被類型分別為草地、耕地和林地的錫林浩特、克山和圖里河站觀測地面溫度、降水在年內和年際尺度的變化情況。可見,3個站點處溫度年內變化明顯,各站點不同年份變化幅度的差異較小,其中以圖里河站的標準差最大,為16.08。地理位置的差異導致各站點溫度年際尺度分量間的差異顯著,圖里河站處的平均溫度最低,為-4.05 ℃,而克山站和錫林浩特站處平均溫度較接近,分別為2.23 ℃和3.04 ℃。各站點溫度年際尺度分量的發展變化較平穩,且雖然各站點處溫度年際尺度分量的平均值有一定差異,但其發展變化趨勢基本一致,例如2002—2006年各站點處地面溫度的年際尺度分量均表現出較強的波動。

圖5 溫度(a,b,c)、降水(d,e,f)年際尺度及年內尺度分量 a,d.錫林浩特;b,e.克山;c,f.圖里河Fig.5 (a,b,c)Temperature and (d,e,f)precipitation at intra-annual and inter-annual scalesa,d.Xilinhot;b,e.Keshan;c,f.Tulihe

各站點處降水的季節變化顯著,不同年份的年內尺度分量也表現出較明顯的差異,其中分別位于林地和耕地的圖里河站和克山站處的年內尺度降水的波動幅度較大,標準差分別為42.78和57.47。在年際尺度上,林地和耕地的降水較多,圖里河站和克山站的月平均降水分別為37.96和43.60 mm,而草地的降水相對較少。在年際尺度上,降水的波動幅度較大,但是位于不同植被類型處的錫林浩特、克山和圖里河站間標準差的差異較小,分別為5.72、8.60和7.91。與各站點處溫度的年際變化趨勢基本一致不同,不同站點處降水年際尺度變化表現出各自不同的特征,這也表明在研究區域,降水比溫度具有更強的局地性。

為了研究氣象要素對地表植被變化的影響,本文在年內、年際兩個時間尺度上計算地表植被類型為草地、林地和耕地的站點處NDVI與溫度、降水數據的相關系數。由于溫度、降水資料的時間分辨率為月,而GIMMS/NDVI數據的時間分辨率為15 d,因此本文首先計算研究時間段內各月平均NDVI,然后再分別對NDVI數據、溫度數據和降水數據進行小波變換,提取年內、年際尺度的變化,并進行相關分析,結果如表4所示。可見,總體上,NDVI與溫度及降水的相關系數均較高,且NDVI與溫度的相關系數總體上大于其與降水的相關系數,這與趙茂盛等(2001)的研究結論一致。溫度、降水在年內尺度的變化主要表現為季節循環,這種變化的幅度大于描述其總體變化情況的年際變化,其對地表植被的影響也更顯著,從而導致在年內尺度上溫度、降水與NDVI的相關系數大于年際尺度。

表4 NDVI與溫度及降水的相關系數

Table 4 Correlation coefficients between NDVI and temperature,precipitation

站點NDVI與溫度相關系數NDVI與降水相關系數年際尺度年內尺度年際尺度年內尺度地表類型四子王旗0.450.750.490.73草地錫林浩特0.620.810.260.66草地烏蘭浩特0.300.790.500.67草地四平0.700.790.041)0.70耕地富錦0.550.840.200.71耕地克山0.550.850.160.77耕地東崗0.460.930.041)0.76林地伊春0.510.90-0.111)0.77林地圖里河0.590.880.021)0.79林地

注：1)表示在0.01水平上不顯著,其余均顯著.

在草地區域,溫度、降水對植被生長的制約作用均較強。由表4可見,在年內尺度上,NDVI與溫度和降水的相關系數分別為0.79和0.69。溫度和降水在年內尺度的變化幅度大于年際尺度,對地表植被的影響更顯著,其與NDVI的相關系數表現為年內尺度大于年際尺度。在研究區域的3種植被類型中,草地區域NDVI與溫度、降水等氣象要素的相關性相對較小,這是因為除氣象要素外,土壤母質、土壤類型等因素同樣對植被生長具有較顯著地影響(徐興奎等,2003);同時,草地較弱的自我調節能力也導致其與溫度、降水的相關系數相對較低。

溫度是制約耕地區域農作物生長的主要因素,NDVI與溫度的相關性較強。在年際尺度上,二者的相關系數為3種地表類型中最大的,達0.60;年內尺度的相關系數大于年際尺度,為0.83。NDVI與降水在年際尺度的相關性很弱,這是由于在耕地區域人為的灌溉緩解了農作物對自然降水的依賴,但是在年內尺度上降水的增加有利于農作物的生長,二者的相關系數達0.72,表現出比較強的相關性。

在林地區域,總體上降水更加充沛,多年月平均降水達52.9 mm,同時森林較發達的根系結構使其具有較強的自我調節能力,因此其在年際尺度上與降水的相關性不顯著,在年內尺度上表現出一定的相關性,相關系數為0.77。溫度對森林的生長具有較強的制約作用,尤其是在年內尺度上,相關系數高達0.91。在年際尺度上,森林植被的生長受溫度影響的程度低于年內尺度,NDVI與溫度的相關系數為0.52。

在不同的地理區域,植被生長受到不同氣象要素的制約(孫紅雨等,1998)。在草地區域,溫度較低,降水較少,因此二者的變化均對草地的生長具有一定的影響;而在耕地區域,肥料、灌溉充足,林地區域植被自我調節能力較強,水分較充沛,溫度是影響這兩種植被生長的主要因素。

溫度和降水是影響地表植被覆蓋狀況的兩個重要因素,地表植被的生長對它們的響應又存在一定的滯后效應(徐興奎等,2003)。將NDVI數據滯后1～3個月,并在年內和年際尺度上與溫度和降水進行相關分析,以研究溫度、降水對地表植被生長的影響隨著時間的變化。由圖6a可見:在年際尺度上,NDVI與溫度的相關系數在不滯后時最大,并隨著時間的延長而以接近線性的趨勢減小;其中地表植被為林地的區域相關系數減小最快,NDVI滯后3個月后,其與溫度的相關系數由0.52減小至0.33;草地區域減小最慢,經過3個月的滯后,二者的相關系數由0.46減小為0.38。在年內尺度上,總體上表現為相關系數的減小隨著滯后時間的延長而加快,在不同地表植被類型處表現出一定的差異。在草地和耕地區域,經1個月滯后的NDVI與溫度的相關系數最大,分別為0.81和0.84,此后,隨著滯后時間的延長,相關系數迅速降低,NDVI滯后三個月后與溫度的相關系數分別為0.30和0.29。在林地區域,NDVI不滯后時的相關系數最大,隨著滯后時間的延長,相關系數以較快的速度降低,滯后3個月后NDVI與溫度的相關系數為0.16。

在NDVI與降水的相關性方面,在年內尺度上,相關系數隨著滯后時間的變化表現出與溫度類似的規律,但在不同植被覆蓋區域具有各自不同的特征。在草地區域,NDVI滯后1個月時與降水的相關系數最大,為0.76;在耕地和林地區域,NDVI不滯后時與降水的相關系數最大。此外,在各種植被覆蓋下,NDVI滯后3個月與降水間的相關性均已不顯著。在年際尺度上,僅草地區域NDVI與降水具有較顯著的相關性,且相關系數隨著滯后時間延長的變化不明顯。

由NDVI經過1～3個月的滯后與溫度和降水的相關分析可知,在年際尺度上,隨著滯后時間的延長,溫度對NDVI的影響以近似線性的趨勢降低,降水對耕地和林地的影響不顯著,草地區域降水的影響隨著滯后時間延長的變化不明顯。在年內尺度上,溫度、降水對地表植被的影響隨著滯后時間的延長而加速減小,林地對溫度和降水變化的響應均較快,草地的響應最慢;降水對NDVI的影響較溫度持續的時間更短。

圖6 溫度(a)和降水(b)的滯后相關系數Fig.6 Lag correlation coefficients of (a)temperature and (b)precipitation

4 結論

基于GIMMS/NDVI數據,采用小波分析方法,在年內、年際時間尺度上研究了1982—2006年我國東北區域林地、草地、耕地等地表植被的動態變化,分析了溫度、降水等氣象要素對地表植被動態變化的影響,得到以下主要結論:

2)溫度、降水是影響地表植被動態變化的重要因素。NDVI與溫度及降水的相關系數均較高,其中NDVI與溫度的相關系數總體上大于其與降水的相關系數,年內尺度的相關系數大于年際尺度的相關系數。在年際尺度上,NDVI與溫度的相關系數以耕地最大,平均為0.60,草地最小;草地區域NDVI與降水的相關性為0.42,在耕地和林地區域,NDVI與降水的相關性較低或不顯著。在年內尺度上,NDVI與溫度和降水的相關系數以林地最大,分別為0.90和0.75,與草地的相關系數均最小。

3)滯后相關分析表明,在年際尺度上,溫度對地表植被的影響以近似線性的趨勢降低;在年內尺度上,溫度、降水的影響隨著滯后時間的延長而加速減小,林地對溫度和降水的響應均較快,降水對NDVI的影響較溫度的持續時間更短。

受研究資料的限制,本文僅在林地、耕地和草地等3種地表植被類型處各選取了3個氣象臺站的觀測資料,研究東北區域溫度、降水等氣象要素對地表植被動態變化的影響,存在樣本數偏小的問題,因此,尚需增加各種地表植被類型處的站點數量,以進一步提高研究結果的準確性。

Bradley B A,Jacob R W,Hermance J F,et al.2007.A curve fitting procedure to derive inter-annual phenologies from time series of noisy satellite NDVI data[J].Remote Sens Environ,106(2):137-145.

Fang Jingyun,Piao Shilong,He Jinsheng,et al.2004.Increasing terrestrial vegetation activity in China,1982—1999[J].Science in China Ser C Life Sciences,47(3):229-240.

Foley J A,DeFries R,Asner G P,et al.2005.Global consequences of land use[J].Science,309(5734):570-574.doi:10.1016/0021-9150(95)05544-7.

Fonseca L M G,Costa M H M.1997.Automatic registration of satellite images[C]//Computer Graphics and Image Processing.IEEE:219-226.

Friedl M A,Sulla-Menashe D,Tan B,et al.2010.MODIS collection 5 global land cover:Algorithm refinements and characterization of new datasets[J].Remote Sens Environ,114(1):168-182.

Furon A C,Wagner-Riddle C,Smith C R,et al.2008.Wavelet analysis of wintertime and spring thaw CO2and N2O fluxes from agricultural fields[J].Agricultural and Forest Meteorology,148(8/9):1305-1317.

Galford G L,Mustard J F,Melillo,et al.2008.Wavelet analysis of MODIS time series to detect expansion and intensification of row-crop agriculture in Brazil[J].Remote Sens Environ,112(2):576-587.

顧婷婷,周鎖銓,駱月珍,等.2011.植被氣孔阻抗對區域氣候影響的數值試驗[J].氣象科學,31(3):290-297. Gu Tingting,Zhou Suoquan,Luo Yuezhen,et al.2011.Numerical experiments of stomatal resistance variation effects on regional climate[J].Journal of the Meteorological Sciences,31(3):290-297.(in Chinese).

Hamed K H,Rao A R.1998.A modified Mann-Kendall trend test for auto correlated data[J].Journal of Hydrology,204(1/4):182-196.

黃玨,陳海山,俞淼.2013.1981—2008年中國陸地植被NPP對氣候變化影響的敏感性試驗[J].大氣科學學報,36(3):316-322. Huang Jue,Chen Haishan,Yu Miao.2013.Sensitivity experiments on response of terrestrial net primary productivity in China to climate change during 1981—2008[J].Transcations of Atmospheric Sciences,36(3):316-322.(in Chinese).

J?nsson P,Eklundh L.2004.TIMESAT—A program for analyzing time-series of satellite sensor data[J].Computers and Geosciences,30(8):833-845.

Lambin E F,Linderman M.2006.Time series of remote sensing data for land change science[J].IEEE Transactions on Geoscience and Remote Sensing,44(7):1926-1928.

李根,景元書,王琳,等.2014.基于MODIS時序植被指數和線性光譜混合模型的水稻面積提取[J].大氣科學學報,37(1):119-126. Li Gen,JingYuanshu,Wang Lin,et al.2014.Extraction of paddy planting areas based on MODIS vegetation index time series and linear spectral mixture model[J].Transcations of Atmospheric Sciences,37(1):119-126.(in Chinese).

李婧華,陳海山,華文劍.2013.大尺度土地利用變化對東亞地表能量、水分循環及氣候影響的敏感性試驗[J].大氣科學學報,36(2):184-191. Li Jinghua,Chen Haishan,Hua Wenjian.2013.Sensitivity experiments on impacts of large scale land use change on surface energy balance,hydrological cycle and regional climate over East Asia[J].Transcations of Atmospheric Sciences,36(2):184-191.(in Chinese).

李巧萍,丁一匯.2004.植被覆蓋變化對區域氣候影響的研究進展[J].南京氣象學院學報,27(1):131-140. Li Qiaoping,Ding Yihui.2004.Research progress in the effect of vegetation change on regional climate[J].Journal of Nanjing Institute of Meteorology,27(1):131-140.(in Chinese).

劉德,李永華,何卷雄.2003.重慶市夏季氣溫及降水變化的小波分析[J].高原氣象,22(2):173-178. Liu De,Li Yonghua,He Juanxiong.2003.Wavelet analysis of variations of summer temperature and precipitation in Chongqing[J].Plateau Meteorology,22(2):173-178.(in Chinese).

Martínez B,Gilabert M A.2009.Vegetation dynamics from NDVI time series analysis using the wavelet transform[J].Remote Sens Environ,113:1823-1842.

Myneni R B,Dong J,Tucker C J,et al.2001.A large carbon sink in the woody biomass of Northern forests[J].Proc Natl Acad Sci USA,98(26):14784-14789.

Pielke R A Sr.2005.Land use and climate change[J].Science,310(5754):1625-1626.doi:10.1126/science.1120529.

Sakamoto T,Yokozawa M,Toritani H,et al.2005.A crop phenology detection method using time-series MODIS data[J].Remote Sens Environ,96(3/4):366-374

Slayback D A,Pinzon J E,Los S O,et al.2003.Northern Hemisphere photosynthetic trends 1982-99[J].Global Change Biology,9(1):1-15.

孫紅雨,王長耀,牛錚,等.1998.中國地表植被覆蓋變化及其與氣候因子關系——基于NOAA時間序列數據分析[J].遙感學報,2(3):204-210. Sun Hongyu,Wang Changyao,Niu Zheng,et al.1998.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,2(3):204-210.(in Chinese).

Tucker C J,Pinzon J E,Brown M E.2004.Global inventory modeling and mapping studies[C].College Park,Maryland:Global Land Cover Facility,University of Maryland.

王存忠,牛生杰,王蘭寧.2009.50年來中國沙塵暴的多時間尺度變化特征[J].大氣科學學報,32(4):507-512. Wang Cunzhong,Niu Shengjie,Wang Lanning.2009.Multi-timescale variation of sand-dust storm in China during 1958—2007[J]. Transcations of Atmospheric Sciences,32(4):507-512.(in Chinese).

徐興奎,林朝暉,薛峰,等.2003.氣象因子與地表植被生長相關性分析[J].生態學報,23(2):221-230. Xu Xingkui,Lin Zhaohui,Xue Feng,et al.2003.Correlation analysis between meteorological factors and the ratio of vegetation cover[J].Acta Ecologica Sinica,23(2):221-230.(in Chinese).

Yang Y,Xu J,Hong Y,et al.2012.The dynamic of vegetation coverage and its response to climate factors in Inner Mongolia,China[J].Stoch Environ Res Risk Assess,26(3):357-373.doi:10.1007/s00477-011-0481-9.

俞淼,陳海山,孫照渤,等.2010.全球植被年際尺度動態過程的數值模擬及其評估[J].大氣科學學報,33(3):365-374. Yu Miao,Chen Haishan,Sun Zhaobo,et al.2010.Numerical simulation and assessment of interannual variation in vegetation at global scale[J].Transcations of Atmospheric Sciences,33(3):365-374.(in Chinese).

張宇,郭振海,張文煜,等.2010.中尺度模式不同分辨率下大氣多尺度特征模擬能力分析[J].大氣科學,34(3):653-660. Zhang Yu,Guo Zhenhai,Zhang Wenyu,et al.2010.Analysis of mesoscale numerical model’s ability of atmospheric multi-scale characteristics simulation in variety resolution[J].Chinese Journal of Atmospheric Sciences,34(3):653-660.(in Chinese).

趙茂盛,符淙斌,延曉冬,等.2001.應用遙感數據研究中國值被生態系統與氣候的關系[J].地理學報,56(3):287-296. Zhao Maosheng,Fu Congbin,Yan Xiaodong,et al.2001.Study on the relationship between different ecosystems and climate in China using NOAA/AVHRR data[J].Acta Geographica Sinica,56(3):287-296.(in Chinese).

Zhou J,Civco D L,Silander J A.1998.A wavelet transform method to merge Landsat TM and SPOT panchromatic data[J].Int J Remote Sens,19(4):743-757.

Zhou L M,Tucker C J,Kaufmann R K,et al.2001.Variations in Northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999[J].J Geophys Res,106(D17):20069-20083.

(責任編輯：倪東鴻)

Dynamic variation of vegetation over Northeast China and its relationship with climate factors

LIU Xiang-pei1,2,LIU Lie-shuang3,4,SHI Xiao-kang2,5,TONG Xiao-hui1,JIA Qing-yu6

(1.Unit No.65061 of PLA,Shenyang 110027,China;2.Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions,Cold and Arid Regions Environmental and Engineering Research Institute,Chinese Academy of Sciences,Lanzhou 730000,China;3.Department of Atmospheric and Oceanic Sciences,School of Physics,Peking University,Beijing 100871,China;4.Guizhou Air Traffic Control Bureau of CAAC,Guiyang 550012,China;5.Institute of Aeronautical Meteorology,Air Force Academy of Equipment,Beijing 100085,China;6.Institute of Atmospheric Environment,China Meteorological Administration,Shenyang 110016,China)

Based on the GIMMS/NDVI data,the wavelet transform technique is used to analyze the dynamic variation of normalized difference vegetation index(NDVI) and its relationship with climate factors such as temperature and precipitation from 1982 to 2006 over Northeast China on intra-and inter-annual scales.Results show that the dynamic variation characteristic of vegetation is remarkable,theNDV(descripting the mean value of inter-annual scale NDVI) decreases from northeast to southwest over Northeast China,theNDVand ΔINDV(descripting the variation of intra-annual scale NDVI) of forest are the largest,which are 0.41 and 0.70,respectively,and those of grass land are the smallest.TheNDVincreases 6.21% over grass land,increases a little over arable land,and decreases over forest.The correlation coefficients between temperature,precipitation and NDVI are remarkable with the former larger than the latter,and the intra-annual scale correlation coefficient is larger than the inter-annual one.On inter-annual scale,the correlation coefficient between NDVI and temperature over arable land is the largest,which is 0.60,and the coefficients between NDVI and precipitation over arable land and forest are not significant.On the intra-annual scale,the correlation coefficients between NDVI and temperature,precipitation over forest are the largest,which are 0.90 and 0.75,respectively.The impact of temperature on NDVI decreases with a nearly linear trend when the lag time is extended on the inter-annual scale.The effects of temperature and precipitation on NDVI decrease more and more fast with the extension of lag time on the intra-annual scale.The responses of forest to temperature and precipitation are quick,and that of grass land is slow.The duration of precipitation influencing NDVI is shorter than that of temperature.

NDVI;wavelet transform;vegetation cover;temperature;precipitation;Northeast China

2012-05-09;改回日期:2014-05-08

國家自然科學基金資助項目(41205009);中國科學院陸面過程與氣候變化重點實驗室開放基金項目(LPCC201102)

劉向培,博士,研究方向為區域氣候模擬和全球變化,xp_Liu@foxmail.com.

10.13878/j.cnki.dqkxxb.20120509001.

1674-7097(2015)02-0222-10

P463.22

A

10.13878/j.cnki.dqkxxb.20120509001

劉向培,劉烈霜,史小康,等.2015.中國東北植被動態變化及其與氣候因子的關系[J].大氣科學學報,38(2):222-231.

Liu Xiang-pei,Liu Lie-shuang,Shi Xiao-kang，et al.2015.Dynamic variation of vegetation over Northeast China and its relationship with climate factors[J].Trans Atmos Sci,38(2):222-231.(in Chinese).