近30年中國(guó)陸地生態(tài)系統(tǒng)NDVI時(shí)空變化特征

劉　可,杜靈通,*,侯　靜,胡　悅,朱玉果,宮　菲

1 寧夏大學(xué)西北土地退化與生態(tài)恢復(fù)省部共建國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地, 銀川　750021 2 寧夏大學(xué)西北退化生態(tài)系統(tǒng)恢復(fù)與重建教育部重點(diǎn)實(shí)驗(yàn)室, 銀川　750021

氣候變化已影響到陸地生態(tài)系統(tǒng)的生物、物理和化學(xué)過程[1- 2],植被作為陸地生態(tài)系統(tǒng)的重要組成部分,對(duì)氣候變化比較敏感[3- 4],氣候變化引起的植被變化已直接影響到區(qū)域陸—?dú)饨换ミ^程的物質(zhì)與能量平衡[5]。因此,開展區(qū)域及全球尺度的植被變化研究對(duì)認(rèn)識(shí)氣候變化與陸地生態(tài)系統(tǒng)的相互作用有重要意義[6]。大尺度植被變化的連續(xù)觀測(cè)對(duì)傳統(tǒng)生態(tài)學(xué)研究技術(shù)提出了挑戰(zhàn),隨著全球變化生態(tài)學(xué)的發(fā)展[7],遙感技術(shù)逐漸成為大尺度生態(tài)問題連續(xù)觀測(cè)的重要手段。衛(wèi)星傳感器通過探測(cè)陸表的光譜反射信息來識(shí)別植被的變化,利用植被在可見光與近紅外波段的反射特征構(gòu)建的歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI),常作為植被生長(zhǎng)狀況及覆蓋度變化的最佳指示因子[8],已在不同尺度植被變化研究中廣泛應(yīng)用[9-10],特別是時(shí)間序列的NDVI能較好的反映陸表植被活動(dòng)的時(shí)間演化和空間變異特征[11]。Myneni等[12]利用1982—1991年的AVHRR-NDVI數(shù)據(jù)對(duì)全球植被活動(dòng)進(jìn)行了研究,提出了北半球中高緯地區(qū)植被活動(dòng)增強(qiáng)的觀點(diǎn)；Piao等[13]利用Global Inventory Modeling and Mapping Studies (GIMMS)第二代NDVI產(chǎn)品研究了1982—2006年亞歐大陸生長(zhǎng)季的植被活動(dòng),指出NDVI存在兩個(gè)明顯的變化階段,1997之前顯著上升,1997年之后NDVI上升趨勢(shì)減緩；Park等[14]同樣利用該GIMMS產(chǎn)品研究了東亞地區(qū)的植被活動(dòng),得出NDVI增加趨勢(shì)在20世紀(jì)90年代中期發(fā)生明顯轉(zhuǎn)折；杜家強(qiáng)[15]等利用AVHRR和MODIS兩個(gè)傳感器構(gòu)建的連續(xù)NDVI數(shù)據(jù)對(duì)新疆近30年的植被活動(dòng)展開研究,認(rèn)為NDVI的變化趨勢(shì)在20世紀(jì)90年代末存在拐點(diǎn)。此外,諸多學(xué)者關(guān)于不同地理單元[16-17]乃至全國(guó)范圍[18- 20]的植被活動(dòng)研究認(rèn)為,研究區(qū)的植被活動(dòng)總體增強(qiáng)。

然而,以上研究存在幾方面的問題,一是大多研究基于上一代GIMMS NDVI[21](1982—2006)、SPOT-VGT NDVI(1998—)或MODIS NDVI(2000—至今)等數(shù)據(jù),往往研究時(shí)間序列較短；盡管有學(xué)者延續(xù)不同傳感器的NDVI數(shù)據(jù)開展植被變化研究[22],但不同傳感器的性能差異又增加了NDVI數(shù)據(jù)的不確定性。二是傳統(tǒng)的線性分析方法對(duì)時(shí)序較短的非平穩(wěn)NDVI序列開展變化趨勢(shì)研究,會(huì)忽略非平穩(wěn)數(shù)據(jù)的非線性波動(dòng)特征,致使研究結(jié)論和規(guī)律存在局限性,而集合經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)因其良好的自適應(yīng)性可彌補(bǔ)該缺陷。三是前人研究多從自然單元和行政區(qū)劃的角度探討植被活動(dòng)特征,忽視了不同陸地生態(tài)系統(tǒng)內(nèi)部的植被活動(dòng)規(guī)律,而我國(guó)類型多樣的陸地生態(tài)系統(tǒng)往往鑲嵌分布,不同陸地生態(tài)系統(tǒng)的植被活動(dòng)對(duì)氣候變化的響應(yīng)存在明顯差異[23]。為此,本研究將利用1981—2012年的第三代GIMMS NDVI數(shù)據(jù)(GIMMS NDVI3g)和集合經(jīng)驗(yàn)?zāi)B(tài)分解等非線性分析方法,從生態(tài)系統(tǒng)的視角出發(fā),開展近30年中國(guó)陸地生態(tài)系統(tǒng)NDVI時(shí)空變化特征研究,以期揭示氣候變化背景下各生態(tài)系統(tǒng)的響應(yīng),為我國(guó)制定應(yīng)對(duì)氣候變化的策略和生態(tài)文明建設(shè)提供科學(xué)依據(jù)。

1　數(shù)據(jù)與方法

1.1　數(shù)據(jù)資料

1.1.1GIMMS NDVI3g數(shù)據(jù)

美國(guó)國(guó)家航空航天局(National Aeronautics and Space Administration,NASA)基于NOAA-AVHRR系列數(shù)據(jù)開發(fā)出的GIMMS NDVI3g產(chǎn)品是一種長(zhǎng)時(shí)序的全球植被指數(shù)數(shù)據(jù)集[24](1981—2012年),空間分辨率為8km,時(shí)間分辨率是15d。該數(shù)據(jù)集消除了大氣水汽、火山爆發(fā)、太陽高度角和傳感器靈敏度的變化等因素的影響[25],精度得到有效提高,良好的數(shù)據(jù)質(zhì)量及連續(xù)的時(shí)間序列使其在大尺度生態(tài)過程模擬研究中得到廣泛應(yīng)用。本研究從NASA網(wǎng)站(http://ecocast.arc.nasa.gov/)獲取了1982—2012年覆蓋全球的GIMMS NDVI3g數(shù)據(jù),運(yùn)用IDL軟件編程對(duì)遙感影像進(jìn)行讀取、配準(zhǔn)、格式轉(zhuǎn)換以及研究區(qū)裁剪等預(yù)處理。

1.1.2中國(guó)陸地生態(tài)系統(tǒng)類型數(shù)據(jù)

中國(guó)陸地生態(tài)系統(tǒng)類型宏觀結(jié)構(gòu)數(shù)據(jù)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn/)。基于遙感解譯獲取的1∶10萬土地利用/土地覆蓋數(shù)據(jù)對(duì)各生態(tài)系統(tǒng)類型進(jìn)行辨識(shí)、研究和重新分類,形成中國(guó)陸地生態(tài)系統(tǒng)類型數(shù)據(jù)集(分別為農(nóng)田生態(tài)系統(tǒng)、森林生態(tài)系統(tǒng)、草地生態(tài)系統(tǒng)、水體與濕地生態(tài)系統(tǒng)、荒漠生態(tài)系統(tǒng)、聚落生態(tài)系統(tǒng)和其他生態(tài)系統(tǒng))。本研究采用2010年的數(shù)據(jù)集,提取不同生態(tài)系統(tǒng)類型,因聚落生態(tài)系統(tǒng)和其他生態(tài)系統(tǒng)類型所占比例較低,同時(shí)考慮到聚落生態(tài)系統(tǒng)的碎小斑塊很難在8km分辨率的GIMMS NDVI3g數(shù)據(jù)中反映出來,其他生態(tài)系統(tǒng)主要為裸土地或裸巖石質(zhì)地,其NDVI指標(biāo)無實(shí)際生態(tài)學(xué)意義,故研究中未對(duì)這兩類生態(tài)系統(tǒng)類型進(jìn)行分析。

1.1.3其他數(shù)據(jù)

多變量厄爾尼諾-南方濤動(dòng)指數(shù)(The Multivariate ENSO Index, MEI)來源于美國(guó)國(guó)家海洋與大氣管理局地球系統(tǒng)研究實(shí)驗(yàn)室(http://www.cdc.noaa.gov/people/klaus.wolter/MEI/),集合了海平面氣壓、海表溫度、海面氣溫、地面緯向風(fēng)和徑向風(fēng)、總云量等參數(shù),能夠全面地監(jiān)測(cè)和反映厄爾尼諾-南方濤動(dòng)(El Nio-Southern Oscillation, ENSO)事件[26]。太陽黑子數(shù)據(jù)采用比利時(shí)皇家天文臺(tái)太陽活動(dòng)數(shù)據(jù)分析中心(http://www.sidc.be/silso/datafiles)發(fā)布的月太陽黑子數(shù)序列,該數(shù)據(jù)已采用13個(gè)月滑動(dòng)窗口平滑處理。本研究截取1982—2012年的時(shí)間序列,并用集合經(jīng)驗(yàn)?zāi)B(tài)分解提取不同時(shí)間尺度的周期分量。

1.2　研究方法

1.2.1年植被指數(shù)合成方法

中國(guó)植被類型豐富多樣,同一生態(tài)系統(tǒng)往往兼有多個(gè)自然帶的不同植被型,且部分植被型存在明顯的季相特征。為更全面描述年際植被活動(dòng)特征,本研究合成了年平均歸一化植被指數(shù)(ANDVI)和年最大歸一化植被指數(shù)(MNDVI)兩種指標(biāo)[27],分析1982—2012年中國(guó)陸地生態(tài)系統(tǒng)植被活動(dòng)的空間變化。其中,ANDVI反映年內(nèi)植被生長(zhǎng)的平均狀態(tài),MNDVI反映當(dāng)年最優(yōu)水熱組合下的植被最佳生長(zhǎng)狀態(tài),即最佳植被長(zhǎng)勢(shì)。

(1)

MNDVI=max(NDVIij)(1≤i≤24,1982≤j≤2012)

(2)

1.2.2回歸分析

采用最小二乘法逐像元擬合1981—2012年間的GIMMS NDVI3g數(shù)據(jù)序列,求取各像元近30年的變化斜率。一元線性回歸斜率值的正、負(fù)分別表示NDVI升高或降低的趨勢(shì),斜率的大小則反映了NDVI值上升或下降的程度,回歸趨勢(shì)的顯著性采用F檢驗(yàn)判定。將NDVI變化趨勢(shì)和不同顯著性水平(P=0.05和P=0.01)疊加分析,可得到極顯著上升、顯著上升、上升(但不顯著)、下降(但不顯著)、顯著性下降和極顯著性下降6種變化趨勢(shì)組合。

1.2.3集合經(jīng)驗(yàn)?zāi)B(tài)分解

集合經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition, EEMD)[28-29]是近年來發(fā)展的一種適應(yīng)于非線性、非平穩(wěn)序列的信號(hào)分析方法,該法在EMD(Empirical Mode Decomposition)的基礎(chǔ)上,引入輔助白噪聲,繼承了EMD的自適性,有效地解決了尺度混合問題；它將原始信號(hào)中不同時(shí)間尺度的周期特征分解開,形成具有不同尺度周期的本征模態(tài)函數(shù)分量(Intrinsic Mode Function, IMF)和一個(gè)殘差分量(Residual Standard Error, RSE)。其中,所添加白噪聲對(duì)原始信號(hào)的影響將遵循如下統(tǒng)計(jì)規(guī)律[30]：

(3)

式中,σ為標(biāo)準(zhǔn)偏差,即輸入信號(hào)與相應(yīng)IMF分量的偏差,ε為白噪聲幅度,N為集合樣本數(shù)。

經(jīng)蒙特卡羅法驗(yàn)證,當(dāng)自由度趨于無窮,添加白噪聲的序列經(jīng)過分解后,IMF的能量譜平均密度與平均周期具有如下關(guān)系：

(4)

(5)

EEMD分解15d合成的GIMMS NDVI3g序列及標(biāo)準(zhǔn)差序列時(shí),輔助白噪聲與原始信號(hào)的標(biāo)準(zhǔn)差比率為0.2,集合樣本數(shù)為1000,并借助白噪聲的集合擾動(dòng)對(duì)IMF分量進(jìn)行顯著性檢驗(yàn),獲取不同IMF的信度水平。其中,IMF分量表征從高頻到低頻不同時(shí)間尺度的NDVI周期波動(dòng)特征,RSE反映了NDVI時(shí)間序列的殘余變化趨勢(shì)。

2　結(jié)果與分析

2.1　近30年中國(guó)NDVI總體空間變化特征

1982—2012年,中國(guó)ANDVI整體呈上升趨勢(shì)(0.0029/10a,P<0.05)。從圖1看出,全國(guó)有59.31%的國(guó)土區(qū)域ANDVI呈上升趨勢(shì),其中僅44.69%的區(qū)域超過5%顯著性水平；全國(guó)有40.69%的國(guó)土區(qū)域ANDVI呈下降趨勢(shì),其中有46.43%的區(qū)域超過5%顯著性水平。從空間上看,大興安嶺、嫩江流域上游、三江平原、長(zhǎng)白山、長(zhǎng)三角地區(qū)和珠三角地區(qū)的ANDVI顯著下降,降幅達(dá)到0.0080/10a以上(P<0.01),說明這些區(qū)域的年平均植被活動(dòng)在減弱；此外,西北地區(qū)的準(zhǔn)噶爾盆地、塔里木盆地、柴達(dá)木盆地、甘肅西部和內(nèi)蒙古西部廣大地區(qū)的ANDVI降幅不大,但下降趨勢(shì)極為明顯,這與上述地區(qū)NDVI本底值較低有關(guān)。華北平原、黃土高原、秦巴山區(qū)、臺(tái)灣山脈、東南丘陵局部、海南島局部和橫斷山區(qū)的ANDVI極顯著上升,增幅達(dá)到0.0080/10a以上(P<0.01),局部地區(qū)增幅遠(yuǎn)超0.0240/10a,說明這些地區(qū)的年平均植被活動(dòng)在增強(qiáng)；此外,藏北高原及天山局部地區(qū)的ANDVI雖然增幅不高,但上升趨勢(shì)極為明顯。

圖1　最大歸一化植被指數(shù)(ANDVI)、平均歸一化植被指數(shù)(MNDVI)變化趨勢(shì)及顯著性檢驗(yàn)Fig.1　Trend and significance test of ANDVI and MDNVI

近30年全國(guó)MNDVI整體也呈上升趨勢(shì),且上升幅度比ANDVI更強(qiáng)(0.0076/10a,P<0.01)。如圖1所示,占比65.24%的國(guó)土區(qū)域MNDVI呈增加趨勢(shì),其中46.85%的區(qū)域超過5%顯著性水平；占比34.76%的國(guó)土區(qū)域MNDVI呈下降趨勢(shì),其中超過5%顯著性水平的區(qū)域僅占39.27%。從空間上看,極顯著下降的區(qū)域主要分布在以荒漠生態(tài)系統(tǒng)為代表的內(nèi)蒙古高原西部、準(zhǔn)噶爾盆地和塔里木盆地,說明這些地區(qū)年最佳植被長(zhǎng)勢(shì)在逐年減弱；而東北平原、華北平原、黃土高原、天山南北兩側(cè)綠洲區(qū)、大巴山脈、兩廣丘陵及云貴高原局部的MNDVI呈極顯著上升趨勢(shì),增幅達(dá)到0.0240/10a以上(P<0.01),說明這些地區(qū)年最佳植被長(zhǎng)勢(shì)在逐年增強(qiáng)。

由于MNDVI和ANDVI代表的植被活動(dòng)意義不同,導(dǎo)致兩者的變化幅度差異較大,尤其在東部季風(fēng)區(qū),MNDVI的變化幅度明顯高于ANDVI。同時(shí),二者的變化趨勢(shì)在一些區(qū)域存在差異,甚至截然相反,其中東南沿海的浙閔丘陵、臺(tái)灣島和海南島地區(qū)的年平均植被活動(dòng)在增強(qiáng),但年最佳植被長(zhǎng)勢(shì)卻在變差,人類活動(dòng)持續(xù)增強(qiáng)導(dǎo)致森林植被破壞可能是重要原因[31]；東北松嫩平原的年平均植被活動(dòng)在減弱,這與東北地區(qū)農(nóng)田NDVI下降趨勢(shì)一致,但年最佳植被長(zhǎng)勢(shì)卻在變好,這種分異可能是暖干化趨勢(shì)下松嫩平原農(nóng)田生態(tài)系統(tǒng)的種植結(jié)構(gòu)和作物熟制變化引起的。結(jié)合ANDVI和MNDVI來看,全國(guó)植被活動(dòng)顯著增強(qiáng)的區(qū)域主要是分布在東部季風(fēng)區(qū)的農(nóng)田和森林生態(tài)系統(tǒng),而西北地區(qū)的荒漠生態(tài)系統(tǒng)和東北森林區(qū)的植被活動(dòng)則顯著減弱。

2.2　不同陸地生態(tài)系統(tǒng)的NDVI線性變化趨勢(shì)分析

中國(guó)各生態(tài)系統(tǒng)面積占比由高到低依次是草地、森林、農(nóng)田、荒漠和水體與濕地生態(tài)系統(tǒng)；ANDVI和MNDVI最高的是森林生態(tài)系統(tǒng),分別為0.5297和0.8437,荒漠生態(tài)系統(tǒng)最低,分別為0.0789和0.1543。線性趨勢(shì)(表1)表明,除荒漠生態(tài)系統(tǒng)外,各生態(tài)系統(tǒng)的植被活動(dòng)主要表現(xiàn)出上升趨勢(shì)。農(nóng)田生態(tài)系統(tǒng)的植被活動(dòng)顯著增強(qiáng),ANDVI的增幅為0.0061/10a(P<0.01),MNDVI達(dá)到0.0162/10a(P<0.05),這與模型模擬的中國(guó)農(nóng)業(yè)植被凈初級(jí)生產(chǎn)力增加趨勢(shì)一致[32],近30年中國(guó)農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整、化肥用量增加、大氣CO2濃度升高和氣候變暖[33]。森林生態(tài)系統(tǒng)的ANDVI、MNDVI均呈不同幅度的上升趨勢(shì),但ANDVI表現(xiàn)出了較強(qiáng)的空間差異,東北地區(qū)森林生態(tài)系統(tǒng)的ANDVI顯著下降,而南方亞熱帶森林生態(tài)系統(tǒng)的ANDVI則顯著上升,這與森林生態(tài)系統(tǒng)的碳源/匯空間分布格局較為一致[34]；MNDVI極顯著上升,年最好植被長(zhǎng)勢(shì)顯著增強(qiáng)可能與氣候變化有關(guān),氣溫和大氣CO2濃度的升高促進(jìn)了森林植被年內(nèi)最茂盛時(shí)期的長(zhǎng)勢(shì)。草地生態(tài)系統(tǒng)的ANDVI顯著上升(0.0022/10a,P<0.05),MNDVI極顯著上升(0.0067/10a,P<0.01),說明我國(guó)草地地上生物量顯著增加,這與沈海花等[35]的研究結(jié)果一致,盡管草地生物量在近30年的變化趨勢(shì)存在兩個(gè)拐點(diǎn),但總體依然呈增加趨勢(shì)。水體與濕地生態(tài)系統(tǒng)的NDVI值是二者的混合信息,NDVI變化主要源于濕地植被變化,由于近30年我國(guó)濕地大面積萎縮[36],特別是水體面積的萎縮和濕地植物由水生向陸生的演替,均會(huì)造成該生態(tài)系統(tǒng)植被蓋度和生物量的增加,導(dǎo)致NDVI升高。荒漠生態(tài)系統(tǒng)與前4類生態(tài)系統(tǒng)截然相反,ANDVI和MNDVI都處于下降趨勢(shì),這與中國(guó)西北日益嚴(yán)重的荒漠化現(xiàn)狀比較吻合[37]。

表1　各陸地生態(tài)系統(tǒng)近30年ANDVI、MNDVI基本特征及變化趨勢(shì)

*為趨勢(shì)通過5%顯著性檢驗(yàn),**為趨勢(shì)通過1%顯著性檢驗(yàn)

圖2表明,農(nóng)田、森林和草地生態(tài)系統(tǒng)的ANDVI均以上升為主,農(nóng)田生態(tài)系統(tǒng)上升像元比例達(dá)70.69%,森林和草地生態(tài)系統(tǒng)分別為68.69%和63.49%。然而,上升像元中,農(nóng)田、森林和草地生態(tài)系統(tǒng)分別僅有39.86%、27.31%和27.19%的像元通過了5%顯著性檢驗(yàn),可見,各生態(tài)系統(tǒng)ANDVI近30年的上升態(tài)勢(shì)并非穩(wěn)定的線性趨勢(shì),而是在上升過程中伴隨著較大的波動(dòng)。近30年,荒漠生態(tài)系統(tǒng)有73.61%的像元呈下降趨勢(shì),其中有54.47%的像元通過了5%顯著性檢驗(yàn),荒漠生態(tài)系統(tǒng)的植被存在明顯的退化過程。水體與濕地生態(tài)系統(tǒng)的上升與下降像元比例幾乎相當(dāng)。各生態(tài)系統(tǒng)MNDVI近30年的趨勢(shì)分析結(jié)果基本與ANDVI的結(jié)果一致,即農(nóng)田、森林和草地生態(tài)系統(tǒng)的植被呈波動(dòng)上升態(tài)勢(shì),且顯著性更強(qiáng),荒漠生態(tài)系統(tǒng)呈現(xiàn)較明顯的退化趨勢(shì),區(qū)別在于水體與濕地生態(tài)系統(tǒng)的MNDVI有64.29%的像元表現(xiàn)為上升趨勢(shì)。

圖2　各生態(tài)系統(tǒng)ANDVI和MNDVI不同變化趨勢(shì)的面積比例Fig.2　Area proportion of different trends on ANDVI and MNDVI in different terrestrial ecosystemsFLE, 農(nóng)田生態(tài)系統(tǒng) farmland ecosystem; FOE, 森林生態(tài)系統(tǒng) forest ecosystem; GLE, 草地生態(tài)系統(tǒng)grassland ecosystem; WWE, 水體與濕地生態(tài)系統(tǒng)water and wetland ecosystem; DE, 荒漠生態(tài)系統(tǒng)desert ecosystem. Ⅰ:極顯著下降,Ⅱ:顯著下降,Ⅲ:下降但不顯著,Ⅳ:上升但不顯著,Ⅴ:顯著上升,Ⅵ:極顯著上升

2.3　不同陸地生態(tài)系統(tǒng)的NDVI波動(dòng)特征及殘余趨勢(shì)

對(duì)近30年中國(guó)各陸地生態(tài)系統(tǒng)的NDVI時(shí)間序列進(jìn)行集合經(jīng)驗(yàn)?zāi)B(tài)分解,均可得到8個(gè)本征模態(tài)函數(shù)分量(IMF)及1個(gè)殘差分量(RSE),高頻分量(IMF1—IMF3/4)主要為模型添加的白噪聲和植被年內(nèi)季節(jié)性生長(zhǎng)波動(dòng)信息,低頻分量(IMF4/5—IMF8)為年際、年代際的植被波動(dòng)周期(表2)。同時(shí),利用白噪聲的集合擾動(dòng),檢驗(yàn)不同波動(dòng)周期IMF分量的物理意義。

表2　1982—2012年不同陸地生態(tài)系統(tǒng)NDVI序列各分量的平均周期

*表明P<0.05,**表明P<0.01；/表明該IMF不具有相應(yīng)尺度的周期

圖3　不同陸地生態(tài)系統(tǒng)低頻分量顯著性檢驗(yàn)　Fig.3　Significance test of low frequency component of NDVI in different terrestrial ecosystemsE,能量密度energy density；T,平均周期averaged period

由于大氣與海洋環(huán)流的脈動(dòng)和人類活動(dòng)間接作用于陸地生態(tài)系統(tǒng),導(dǎo)致植被活動(dòng)可能存在周期性特征。各生態(tài)系統(tǒng)低頻分量的平均周期(表2)和顯著性檢驗(yàn)(圖3)表明,農(nóng)田生態(tài)系統(tǒng)的IMF分量除了IMF8外,均通過了5%顯著性檢驗(yàn),可見農(nóng)田生態(tài)系統(tǒng)的NDVI具有從年際到年代際的多重波動(dòng)周期,但隨著波動(dòng)周期的增長(zhǎng),其顯著性逐漸下降,農(nóng)業(yè)生產(chǎn)對(duì)市場(chǎng)規(guī)律的適應(yīng)和長(zhǎng)周期的氣候波動(dòng)都可能是影響因素。森林生態(tài)系統(tǒng)1.9a、5.3a和6.9a的波動(dòng)周期通過了1%顯著性檢驗(yàn),但長(zhǎng)周期的年代際波動(dòng)顯著性很低,可能由于森林生態(tài)系統(tǒng)的群落環(huán)境相對(duì)比較優(yōu)越,漫長(zhǎng)的群落演替過程受氣候波動(dòng)影響較小。由于草地生態(tài)系統(tǒng)包含了北方溫帶草地、青藏高原高寒草地及南方和東部次生草地,區(qū)域氣候條件差異大,植被活動(dòng)的氣候波動(dòng)痕跡不明顯,該生態(tài)系統(tǒng)僅6.8a和22.2a的波動(dòng)周期通過了5%的顯著性檢驗(yàn)。水體與濕地生態(tài)系統(tǒng)的植被活動(dòng)更易受到氣候波動(dòng)的影響,主要表現(xiàn)出兩個(gè)短周期的波動(dòng)。荒漠生態(tài)系統(tǒng)的NDVI可能包含了大量非植被的背景信息,僅9.6a周期通過了5%顯著性檢驗(yàn),可以認(rèn)為荒漠生態(tài)系統(tǒng)的周期特性不具有明確的物理意義。上述分析表明,以上5類生態(tài)系統(tǒng)主要存在1.9—7.6a的年際波動(dòng)周期特征和9.6—11.7a、22.2a的年代際波動(dòng)周期特征；其中年際波動(dòng)周期特征普遍比較顯著,年代際波動(dòng)周期特征顯著性相對(duì)較差。由此推論,各生態(tài)系統(tǒng)植被活動(dòng)的周期性變化可能與海洋和大氣環(huán)流的脈動(dòng)有一定聯(lián)系。

殘差分量RSE反映NDVI序列的內(nèi)在發(fā)展趨勢(shì),圖4可以看出,近30年來,雖然農(nóng)田、森林、草地和水體與濕地生態(tài)系統(tǒng)的NDVI呈總體上升趨勢(shì),荒漠生態(tài)系統(tǒng)的NDVI總體下降,但內(nèi)在包含了“上升—下降”兩個(gè)階段,由之前的明顯上升趨勢(shì)轉(zhuǎn)變?yōu)椴煌潭鹊南陆第厔?shì),這與傳統(tǒng)線性趨勢(shì)顯然不同[18,20]。暖干化趨勢(shì)下,尤其是生長(zhǎng)季降水減少引起的干旱脅迫是植被活動(dòng)發(fā)生轉(zhuǎn)折的重要原因[38-39]。農(nóng)田、森林、草地、水體與濕地和荒漠生態(tài)系統(tǒng)NDVI趨勢(shì)轉(zhuǎn)折的節(jié)點(diǎn)有所差異,主要集中在20世紀(jì)90年代和本世紀(jì)初,植被活動(dòng)轉(zhuǎn)折期的差異在相關(guān)文獻(xiàn)[14, 38-39]有所印證,這可能是氣候變化響應(yīng)的差異和生態(tài)系統(tǒng)分類精度共同作用的結(jié)果。

圖4　各陸地生態(tài)系統(tǒng)NDVI殘差分量與線性趨勢(shì)Fig.4　Linear trends and residual standard error on NDVI of every terrestrial ecosystem

2.4　不同生態(tài)系統(tǒng)的NDVI空間異質(zhì)特征分析

對(duì)于單一生態(tài)系統(tǒng)的NDVI圖像,各像元NDVI之間的標(biāo)準(zhǔn)差越大,則表明該生態(tài)系統(tǒng)植被長(zhǎng)勢(shì)的空間異質(zhì)性越強(qiáng),植被活動(dòng)的地域差異越大。從表3看出,各生態(tài)系統(tǒng)空間異質(zhì)性也存在2.1—7.1a的年際波動(dòng)周期特征和10.7a、30.2a的年代際波動(dòng)周期特征,但各生態(tài)系統(tǒng)空間異質(zhì)性的年代際周期波動(dòng)普遍不具有物理意義,主要表現(xiàn)為2.1—7.1a的年際周期節(jié)律,這可能反映了短周期氣候波動(dòng)對(duì)生態(tài)系統(tǒng)植被活動(dòng)的影響。

表3　1982—2012年中國(guó)陸地生態(tài)系統(tǒng)NDVI標(biāo)準(zhǔn)差序列各分量的平均周期

*表明P<0.05,**表明P<0.01；/表明該IMF不具有相近尺度的周期

標(biāo)準(zhǔn)差序列的殘差分量(RSE)表明(圖5),近30年中國(guó)各陸地生態(tài)系統(tǒng)植被長(zhǎng)勢(shì)的空間異質(zhì)性總體增強(qiáng),植被活動(dòng)的區(qū)域差異越來越大。荒漠生態(tài)系統(tǒng)NDVI的空間異質(zhì)性持續(xù)增強(qiáng),直到本世紀(jì)后才逐漸減弱,這與亞洲沙漠邊緣植被活動(dòng)變化的趨勢(shì)比較一致[40],沙漠邊緣有效水分的變化直接影響到植被活動(dòng),進(jìn)而反映到空間異質(zhì)性的變化趨勢(shì)。森林生態(tài)系統(tǒng)植被長(zhǎng)勢(shì)的空間異質(zhì)性在20世紀(jì)90年代觸底后持續(xù)增強(qiáng),農(nóng)田、草地和水體與濕地生態(tài)系統(tǒng)的空間異質(zhì)性一直處于增強(qiáng)趨勢(shì),區(qū)域差異加大,Peng等[38]指出,近30年中國(guó)南、北方的植被長(zhǎng)勢(shì)存在明顯差異,暖干化趨勢(shì)對(duì)中國(guó)北方植被長(zhǎng)勢(shì)的季節(jié)性抑制可能是中國(guó)陸地生態(tài)系統(tǒng)植被活動(dòng)空間異質(zhì)性增強(qiáng)的重要原因。

圖5　陸地生態(tài)系統(tǒng)NDVI標(biāo)準(zhǔn)差序列的殘差分量Fig.5　Linear trends and residual standard error on spatial heterogeneity of every terrestrial ecosystemFLE, 農(nóng)田生態(tài)系統(tǒng) farmland ecosystem; FOE, 森林生態(tài)系統(tǒng) forest ecosystem; GLE, 草地生態(tài)系統(tǒng)grassland ecosystem; WWE, 水體與濕地生態(tài)系統(tǒng)water and wetland ecosystem; DE, 荒漠生態(tài)系統(tǒng)desert ecosystem. 圖中右側(cè)縱軸僅代表荒漠生態(tài)系統(tǒng)DE,左側(cè)縱軸代表其他4類生態(tài)系統(tǒng)

2.5　NDVI變化周期與氣候事件關(guān)系分析

前述分解的周期與ENSO事件2—7a的變化周期、太陽活動(dòng)有關(guān)的黑子周期(11—12a)、海爾周期(22a)、準(zhǔn)35a的布呂克納周期在時(shí)間上存在某種契合,可能表明不同陸地生態(tài)系統(tǒng)植被活動(dòng)與引起海洋和大氣環(huán)流脈動(dòng)的ENSO事件、太陽活動(dòng)和海氣相互作用等存在一定聯(lián)系。Propastin[41]和Nagai[42]等指出陸表植被活動(dòng)與ENSO事件顯著相關(guān),Lü等利用GIMMS數(shù)據(jù)研究發(fā)現(xiàn)中國(guó)各陸地生態(tài)系統(tǒng)有32.34%的區(qū)域的植被對(duì)ENSO事件響應(yīng)敏感[43]。本研究將MEI指數(shù)進(jìn)行EEMD分解,并與各主要生態(tài)系統(tǒng)NDVI具有相近波動(dòng)周期的IMF分量進(jìn)行相關(guān)分析,發(fā)現(xiàn)ENSO事件存在2.1a、5.3a和7.1a的波動(dòng)周期,生態(tài)系統(tǒng)NDVI的波動(dòng)周期與ENSO事件存在不同程度的相關(guān)性(表4)。農(nóng)事生產(chǎn)通過有目的的水分調(diào)節(jié)適應(yīng)農(nóng)時(shí),明顯掩蓋了自然氣候系統(tǒng)對(duì)農(nóng)田生態(tài)系統(tǒng)的周期性影響,僅IMF6分量與ENSO事件的7.1a周期極顯著相關(guān)；森林生態(tài)系統(tǒng)受人類活動(dòng)干擾較少,IMF4、IMF5和IMF6分量分別與ENSO事件的2.1a、5.3a和7.1a周期極顯著相關(guān),有著明顯的氣候短周期脈動(dòng)痕跡；草地生態(tài)系統(tǒng)的周期性特征不明顯,震蕩周期與ENSO事件無關(guān)；水體與濕地生態(tài)系統(tǒng)的IMF6分量與ENSO事件7.1a周期極顯著相關(guān),濕地植被活動(dòng)存在明顯振蕩周期；荒漠生態(tài)系統(tǒng)植被信息不足,波動(dòng)周期與ENSO事件無顯著相關(guān)性。

此外,太陽活動(dòng)與全球氣候變化關(guān)系密切[44],盡管太陽活動(dòng)峰、谷值年的太陽總輻射變化極小,但施加大氣系統(tǒng)的影響可以通過熱帶地區(qū)海-氣耦合作用得到強(qiáng)化,Hadley/Walker環(huán)流隨著類La Nia事件的出現(xiàn)而減弱[45],這對(duì)東亞地區(qū)大氣環(huán)流異常和中國(guó)南北地區(qū)反向降水變化影響顯著[46],而降水、氣溫和輻射等氣候變量則通過光合作用等生理過程影響植被的生長(zhǎng)狀況和群落演替。太陽活動(dòng)11a周期與不同生態(tài)系統(tǒng)的NDVI變化存在不同程度的極顯著負(fù)相關(guān)關(guān)系(表4),這可能與太陽活動(dòng)峰值年我國(guó)南方和東北夏季降水偏少有關(guān),而生長(zhǎng)季尤其是夏季降水對(duì)植被生長(zhǎng)極為重要,顯然植被活動(dòng)11a左右的震蕩周期含有明顯的太陽活動(dòng)信息。上述分析表明,氣候系統(tǒng)的脈動(dòng)會(huì)引起陸地生態(tài)系統(tǒng)的NDVI波動(dòng),海洋與大氣環(huán)流的脈動(dòng)與各生態(tài)系統(tǒng)植被活動(dòng)的周期性節(jié)律有著一定關(guān)聯(lián),ENSO事件和太陽活動(dòng)是推動(dòng)植被活動(dòng)周期性振蕩的因素之一。

表4　各生態(tài)系統(tǒng)與ENSO、太陽黑子相應(yīng)周期分量相關(guān)分析

ENSO,厄爾尼諾-南方濤動(dòng)El Nio-Southern Oscillation；*顯著相關(guān)(P<0.05),**極顯著相關(guān)(P<0.01)；-表明該生態(tài)系統(tǒng)不具有相近尺度的周期

3　結(jié)論

基于1982—2012年的GIMMS NDVI3g和中國(guó)陸地生態(tài)系統(tǒng)分布數(shù)據(jù),利用一元線性回歸、集合經(jīng)驗(yàn)?zāi)B(tài)分解和相關(guān)分析等手段,研究了近30年中國(guó)各陸地生態(tài)系統(tǒng)NDVI的時(shí)空變化特征,初步分析了NDVI變化與氣候事件的關(guān)系,研究取得如下幾點(diǎn)結(jié)論：

(1)我國(guó)近30年來NDVI主要以上升為主,ANDVI的上升幅度為0.0029/10a(P<0.05),MNDVI的上升幅度為0.0076/10a(P<0.01)。植被活動(dòng)顯著增強(qiáng)的區(qū)域主要是分布在東部季風(fēng)區(qū)的農(nóng)田和森林生態(tài)系統(tǒng),顯著下降的區(qū)域主要是分布于西北的荒漠生態(tài)系統(tǒng)和東北森林區(qū)。

(2)從線性特征來看,盡管各ANDVI和MNDVI變化趨勢(shì)的顯著性有所差異,但農(nóng)田、森林、草地和水體與濕地生態(tài)系統(tǒng)的NDVI總體呈現(xiàn)非穩(wěn)定的上升趨勢(shì),上升過程中伴隨著較大波動(dòng),荒漠生態(tài)系統(tǒng)的NDVI呈下降趨勢(shì),植被退化顯著。

(3)5類生態(tài)系統(tǒng)的植被活動(dòng)主要存在1.9—7.6a的年際周期波動(dòng)特征和10.7a、22.2a的年代際周期波動(dòng)特征,其中1.9—7.6a的年際周期特征普遍比較顯著,年代際周期的顯著性相對(duì)較差。與線性趨勢(shì)不同,各生態(tài)系統(tǒng)植被活動(dòng)的殘差趨勢(shì)包含“上升—下降”兩個(gè)階段,并相繼于20世紀(jì)90年代到本世紀(jì)初發(fā)生轉(zhuǎn)折。

(4)近30年來,我國(guó)各生態(tài)系統(tǒng)植被活動(dòng)的空間異質(zhì)性存在2.1—7.1a的年際周期節(jié)律；隨著NDVI的上升,農(nóng)田、森林、草地和水體與濕地生態(tài)系統(tǒng)的NDVI空間異質(zhì)性持續(xù)增強(qiáng),生態(tài)系統(tǒng)內(nèi)部植被活動(dòng)的區(qū)域差異逐漸加大,荒漠生態(tài)系統(tǒng)植被活動(dòng)的空間異質(zhì)性增強(qiáng)的趨勢(shì)于本世紀(jì)初后逐漸減弱。

(5)氣候系統(tǒng)的脈動(dòng)會(huì)引起陸地生態(tài)系統(tǒng)的NDVI波動(dòng),海洋與大氣環(huán)流的短周期脈動(dòng)與各生態(tài)系統(tǒng)植被活動(dòng)的周期性節(jié)律有一定關(guān)聯(lián),ENSO事件和太陽活動(dòng)可能是推動(dòng)植被活動(dòng)周期性振蕩的因素之一。

太陽活動(dòng)、地球軌道變化、造山運(yùn)動(dòng)和人類活動(dòng)等都是影響地球氣候變化的重要原因,而太陽活動(dòng)和地球軌道變化表現(xiàn)的周期性節(jié)律可能是植被活動(dòng)周期性振蕩的重要來源。但太陽活動(dòng)和地球軌道變化與氣候系統(tǒng)的聯(lián)系集中在相似周期的比較層面[47],其影響氣候系統(tǒng)的物理機(jī)制并不十分明確。盡管本研究基于集合經(jīng)驗(yàn)?zāi)B(tài)分解初步揭示了各生態(tài)系統(tǒng)植被活動(dòng)的周期性振蕩特征,豐富了植被活動(dòng)響應(yīng)氣候變化的認(rèn)識(shí),但該方法計(jì)算的平均波動(dòng)周期[29]與傅里葉譜密度的結(jié)果有所差異,且生態(tài)系統(tǒng)內(nèi)部植被類型對(duì)氣候變化的響應(yīng)差異也對(duì)周期的顯著性檢驗(yàn)存在干擾,這對(duì)深入解釋植被活動(dòng)的周期特征帶來困難。近30年來,中國(guó)大范圍實(shí)施了退耕還林、還草等人工生態(tài)治理工程,同時(shí)還經(jīng)歷了快速的城市化,人為因素引起的土地利用類型轉(zhuǎn)變也對(duì)各生態(tài)系統(tǒng)的植被活動(dòng)有著深刻的影響。因此,在氣候變化背景下剝離生態(tài)系統(tǒng)轉(zhuǎn)換區(qū)域植被活動(dòng)的變化,既有助于準(zhǔn)確量化人為因素對(duì)植被活動(dòng)的影響,也有利于解釋氣候變化影響植被活動(dòng)的機(jī)制。

參考文獻(xiàn)(References):

[1]秦大河, 羅勇, 陳振林, 任賈文, 沈永平. 氣候變化科學(xué)的最新進(jìn)展: IPCC第四次評(píng)估綜合報(bào)告解析. 氣候變化研究進(jìn)展, 2007, 3(6): 311- 314.

[2]王濤. 干旱區(qū)主要陸表過程與人類活動(dòng)和氣候變化研究進(jìn)展. 中國(guó)沙漠, 2007, 27(5): 711- 718.

[3]Xu L, Myneni R B, Chapin III F S, Callaghan T V, Pinzon J E, Tucker C J, Zhu Z, Bi J, Ciais P, T?mmervik H, Euskirchen E S, Forbes B C, Piao S L, Anderson B T, Ganguly S, Nemani R R, Goetz S J, Beck P S A, Bunn A G, Cao C, Stroeve J C. Temperature and vegetation seasonality diminishment over northern lands. Nature Climate Change, 2013, 3(6): 581- 586.

[4]Piao S L, Ciais P, Huang Y, Shen Z H, Peng S S, Li J S, Zhou L P, Liu H Y, Ma Y C, Ding Y H, Friedlingstein P, Liu C Z, Tan K, Yu Y Q, Zhang T Y, Fang J Y. The impacts of climate change on water resources and agriculture in China. Nature, 2010, 467(7311): 43- 51.

[5]Piao S L, Ciais P, Friedlingstein P, Peylin P, Reichstein M, Luyssaert S, Margolis H, Fang J Y, Barr A, Chen A P, Grelle A, Hollinger D Y, Laurila T, Lindroth A, Richardson A D, Vesala T. Net carbon dioxide losses of northern ecosystems in response to autumn warming. Nature, 2008, 451(7174): 49- 52.

[6]周廣勝, 王玉輝, 白莉萍, 許振柱, 石瑞香, 周莉, 袁文平. 陸地生態(tài)系統(tǒng)與全球變化相互作用的研究進(jìn)展. 氣象學(xué)報(bào), 2004, 62(5): 692- 707.

[7]田漢勤, 萬師強(qiáng), 馬克平. 全球變化生態(tài)學(xué): 全球變化與陸地生態(tài)系統(tǒng). 植物生態(tài)學(xué)報(bào), 2007, 31(2): 173- 174.

[8]趙英時(shí). 遙感應(yīng)用分析原理與方法. 北京: 科學(xué)出版社, 2003: 368- 369.

[9]Wang X H, Piao S L, Ciais P, Li J S, Friedlingstein P, Koven C, Chen A P. Spring temperature change and its implication in the change of vegetation growth in North America from 1982 to 2006. Proceedings of the National Academy of Sciences of the United States of America, 2011, 108(4): 1240- 1245.

[10]Tucker C J, Slayback D A, Pinzon J E, Los S O, Myneni R B, Taylor M G. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999. International Journal of Biometeorology, 2001, 45(4): 184- 190.

[11]Cai B F, Yu R. Advance and evaluation in the long time series vegetation trends research based on remote sensing. Journal of Remote Sensing, 2009, 13(6): 1170- 1186.

[12]Myneni R B, Keeling C D, Tucker C J, Asrar G, Nemani R R. Increased plant growth in the northern high latitudes from 1981 to 1991. Nature, 1997, 386(6626): 698- 702.

[13]Piao S L, Wang X H, Ciais P, Zhu B, Wang T, Liu J. Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006. Global Change Biology, 2011, 17(10): 3228- 3239.

[14]Park H S, Sohn B J. Recent trends in changes of vegetation over East Asia coupled with temperature and rainfall variations. Journal of Geophysical Research, 2010, 115(D14): D14101.

[15]杜加強(qiáng), 賈爾恒·阿哈提, 趙晨曦, 房世峰, 劉偉玲, 陰俊齊, 袁新杰, 徐延達(dá), 舒儉民, 何萍. 三江源區(qū)近30年植被生長(zhǎng)動(dòng)態(tài)變化特征分析. 草業(yè)學(xué)報(bào), 2016, 25(1): 1- 12.

[16]白建軍, 白江濤, 王磊. 2000—2010年陜北地區(qū)植被NDVI時(shí)空變化及其與區(qū)域氣候的關(guān)系. 地理科學(xué), 2014, 34(7): 882- 888.

[17]Peng J, Liu Z H, Liu Y H, Wu J S, Han Y N. Trend analysis of vegetation dynamics in Qinghai-Tibet Plateau using Hurst Exponent. Ecological Indicators, 2012, 14(1): 28- 39.

[18]劉憲鋒, 朱秀芳, 潘耀忠, 李宜展, 趙安周. 1982—2012年中國(guó)植被覆蓋時(shí)空變化特征. 生態(tài)學(xué)報(bào), 2015, 35(16): 5331- 5342.

[19]方精云, 樸世龍, 賀金生, 馬文紅. 近20年來中國(guó)植被活動(dòng)在增強(qiáng). 中國(guó)科學(xué)(C輯), 2003, 33(6): 554- 565.

[20]李飛, 曾源, 李曉松, 趙千鈞, 吳炳方. 近30年中國(guó)陸地植被活動(dòng)遙感監(jiān)測(cè). 中國(guó)科學(xué): 地球科學(xué), 2014, 44(8): 1671- 1678.

[21]Tucker C J, Pinzon J E, Brown M E, Slayback D A, Pak E W, Mahoney R, Vermote E F, Saleous N E. An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data. International Journal of Remote Sensing, 2005, 26(20): 4485- 4498.

[22]杜加強(qiáng), 舒儉民, 王躍輝, 李盈昌, 張林波, 郭楊. 青藏高原MODIS NDVI與GIMMS NDVI的對(duì)比. 應(yīng)用生態(tài)學(xué)報(bào), 2014, 25(2): 533- 544.

[23]於琍, 曹明奎, 陶波, 李克讓, 董文杰, 劉洪濱, 劉長(zhǎng)友. 基于潛在植被的中國(guó)陸地生態(tài)系統(tǒng)對(duì)氣候變化的脆弱性定量評(píng)價(jià). 植物生態(tài)學(xué)報(bào), 2008, 32(3): 521- 530.

[24]Pinzon J E, Tucker C J. A non-stationary 1981- 2012 AVHRR NDVI3gtime series. Remote Sensing, 2014, 6(8): 6929- 6960.

[25]Zeng F W, Collatz G J, Pinzon J E, Ivanoff A. Evaluating and quantifying the climate-driven interannual variability in global inventory modeling and mapping studies (GIMMS) normalized difference vegetation index (NDVI3g) at global scales. Remote Sensing, 2013, 5(8): 3918- 3950.

[26]Wolter K, Timlin M S. El Nio/Southern Oscillation behaviour since 1871 as diagnosed in an extended multivariate ENSO index (MEI.ext). International Journal of Climatology, 2011, 31(7): 1074- 1087.

[27]廖小罕, 施建成. 全球生態(tài)環(huán)境遙感監(jiān)測(cè)2013年度報(bào)告. 北京: 中華人民共和國(guó)科學(xué)技術(shù)部國(guó)家遙感中心, 2014.

[28]Wu Z H, Huang N E. A study of the characteristics of white noise using the empirical mode decomposition method. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2004, 460(2046): 1597- 1611.

[29]Huang N E, Shen S S P. Hilbert-Huang Transform and Its Applications. 2nd ed. Singapore: World Scientific Publishing Company, 2014: 107- 127.

[30]Wu Z H, Huang N E. Ensemble empirical mode decomposition: a noise-assisted data analysis method. Advances in Adaptive Data Analysis, 2009, 1(1): 1- 41.

[31]何月, 樊高峰, 張小偉, 柳苗, 高大偉. 浙江省植被NDVI動(dòng)態(tài)及其對(duì)氣候的響應(yīng). 生態(tài)學(xué)報(bào), 2012, 32(14): 4352- 4362.

[32]王彧, 黃耀, 張穩(wěn), 于永強(qiáng), 王平. 中國(guó)農(nóng)業(yè)植被凈初級(jí)生產(chǎn)力模擬(Ⅱ)——模型的驗(yàn)證與凈初級(jí)生產(chǎn)力估算. 自然資源學(xué)報(bào), 2006, 21(6): 916- 925.

[33]杜靈通, 宋乃平, 王磊, 侯靜, 胡悅. 近30年氣候變暖對(duì)寧夏植被的影響. 自然資源學(xué)報(bào), 2015, 30(12): 2095- 2106.

[34]劉雙娜, 周濤, 魏林艷, 舒陽. 中國(guó)森林植被的碳匯/源空間分布格局. 科學(xué)通報(bào), 2012, 57(11): 943- 950.

[35]沈海花, 朱言坤, 趙霞, 耿曉慶, 高樹琴, 方精云. 中國(guó)草地資源的現(xiàn)狀分析. 科學(xué)通報(bào), 2016, 61(2): 139- 154.

[36]牛振國(guó), 張海英, 王顯威, 姚文博, 周德民, 趙魁義, 趙惠, 李娜娜, 黃華兵, 李叢叢, 楊軍, 柳彩霞, 劉爽, 王琳, 李展, 楊鎮(zhèn)鐘, 喬飛, 鄭姚閩, 陳炎磊, 盛永偉, 高小紅, 朱衛(wèi)紅, 王文卿, 王紅, 翁永玲, 莊大方, 劉紀(jì)遠(yuǎn), 羅志才, 程曉, 郭子琪, 宮鵬. 1978—2008年中國(guó)濕地類型變化. 科學(xué)通報(bào), 2012, 57(16): 1400- 1411.

[37]慈龍駿, 楊曉暉, 陳仲新. 未來氣候變化對(duì)中國(guó)荒漠化的潛在影響. 地學(xué)前緣, 2002, 9(2): 287- 294.

[38]Peng S S, Chen A P, Xu L, Cao C X, Fang J Y, Myneni R B, Pinzon J E, Tucker C J, Piao S L. Recent change of vegetation growth trend in China. Environmental Research Letters, 2011, 6(4): 044027.

[39]Zhao M S, Running S W. Drought-induced reduction in global terrestrial net primary production from 2000 through 2009. Science, 2010, 329(5994): 940- 943.

[40]Jeong S J, Ho C H, Brown M E, Kug J S, Piao S L. Browning in desert boundaries in Asia in recent decades. Journal of Geophysical Research, 2011, 116(D2): D02103.

[41]Propastin P, Fotso L, Kappas M. Assessment of vegetation vulnerability to ENSO warm events over Africa. International Journal of Applied Earth Observation and Geoinformation, 2010, 12 Suppl 1: S83-S89.

[42]Nagai S, Ichii K, Morimoto H. Interannual variations in vegetation activities and climate variability caused by ENSO in tropical rainforests. International Journal of Remote Sensing, 2007, 28(6): 1285- 1297.

[43]Lü A, Zhu W, Jia S. Assessment of the sensitivity of vegetation to El-Nio/Southern Oscillation events over China. Advances in Space Research, 2012, 50(10): 1362- 1373.

[44]Lockwood M. Solar-induced climate effects // Meyers R A, ed. Encyclopedia of Sustainability Science and Technology. New York: Springer, 2012: 9795- 9810.

[45]Meehl G A, Arblaster J M. A lagged warm event-like response to peaks in solar forcing in the Pacific Region. Journal of Climate, 2009, 22(13): 3647- 3660.

[46]周群, 陳文. 太陽活動(dòng)11年周期對(duì)ENSO事件海溫異常演變和東亞降水的影響. 大氣科學(xué), 2012, 36(4): 851- 862.

[47]肖子牛, 鐘琦, 尹志強(qiáng), 周立旻, 宋燕, 韓延本, 黃聰, 潘靜, 趙亮. 太陽活動(dòng)年代際變化對(duì)現(xiàn)代氣候影響的研究進(jìn)展. 地球科學(xué)進(jìn)展, 2013, 28(12): 1335- 1348.