中國東北城鄉植被物候時空變化及其對地表溫度的響應

胡召玲,戴 慧,侯 飛,李二珠

江蘇師范大學地理測繪與城鄉規劃學院, 徐州 221116

植被物候是指植被受環境因子和人類活動影響出現的以年為周期的自然現象,是植被長期適應環境季節性變化的結果[1-2]。全球氣候變化、地域差異及人類活動都會影響植被關鍵物候期。因此,植被物候是陸地生態系統過程的重要測度指標,它不僅是探索植被生長周期及其與氣候變化響應之間的一個重要參數、環境變化的指示器[3- 5],也是研究諸如能量交換、動物棲息地、糧食短缺等生態過程的重要指標[6]。

遙感技術使得受自然環境制約無法到達地區可以進行植被物候動態監測,也使得物候觀測對象從植被個體轉變為植被生態系統,實現由點向面的空間尺度轉換[1]。近年來中分辨率成像光譜儀(Moderate-resolution Imaging Spectroradiometer, MODIS)歸一化差值植被指數(Normalized Differential Vegetation Index, NDVI)和增強植被指數(Enhanced Vegetation Index, EVI)數據已經被用于植被物候參數指標的提取[7-9]。已有研究表明：植被的生長發育與溫度間的關系密切,物候期持續的時期與活動積溫有顯著的相關性[10-12]。在某些地區植被物候對氣溫的敏感程度高于降水,植物的春季物候與春季溫度呈顯著負相關[13-14]。目前,對植被物候時空變化方面的研究多集中于一些典型生態區域[15-19],而對城區及其周邊鄉村的植被物候差異研究相對較少。隨著城市化進程的加劇,城市熱島所引起的局地小氣候改變,不僅會對生態系統格局、過程及功能產生影響,也會對當地的植被物候期產生影響[20- 21]。植被物候沿城鄉梯度的變化反映城市化過程對局地水熱條件的調節作用[22]。此外,在城市環境下,由于關系到公眾健康如人們對某些植物花粉的過敏性反應,因此,研究植被物候具有更重要的意義[23]。

中國東北地區自南向北跨中溫帶與寒溫帶,是對氣候變化最敏感的區域之一[24],該區域植被物候動態變化對全球氣候變化的響應具有重要的指示作用。本文選擇中國東北地區的沈陽、長春、哈爾濱3個省會大城市及其周邊的鄉村為研究單元,利用2009—2016年MODIS EVI數據,計算像元尺度上的植被關鍵物候期參數指標,即生長季開始時間(Start of Growing Season, SOS)和生長季結束時間(End of Growing Season, EOS),研究年均城鄉植被物候期的空間分布特征與差異、各研究單元平均植被物候期及城鄉植被物候期隨時間的變化趨勢、年均地表溫度(Land Surface Temperature, LST)與SOS、EOS的相關關系。本研究對于監測和保護東北地區生態環境、建設生態文明城市、指示農時以及預測氣候變化趨勢等方面都具有重要意義。

1 數據來源與處理

1.1 數據來源

以2009—2016年長時間序列的MODIS EVI和LST數據為主要數據源。MODIS數據集來源于MOD13A1和MYD13A1產品,空間分辨率為500 m,平均每8天掃描一次。數據集中包含2種植被指數數據,即MODIS NDVI和MODIS EVI數據,EVI作為改進的植被指數數據,已經經過大氣校正和土壤背景校正,相對于NDVI而言,其動態取值范圍較大。該數據集全年共46景,研究區域包括編號為H26V04、H26V05、H27V04和H27V05的四景分幅影像,全部時間段內共計1472景數據。

MODIS的MOD11A2地表溫度產品是3級數據產品,空間分辨率為1000 m,主要提供每8天的LST數據,產品包括白天LST、夜晚LST、各LST的晴天數量、質量評估數據、觀測日期、視角、波段31與32反射率。選用8天的平均周期能有效去除由于觀測角度差異帶來的誤差,且缺值情況較日數據少,其反演得到的地表溫度精度的絕對誤差在±1K左右,能夠滿足本研究的需求。本文的LST影像數據共計1472景。

1.2 數據預處理

首先對H26V04、H26V05、H27V04和H27V05四景分幅影像進行影像拼接,獲得整個研究區的影像。然后,查詢谷歌地圖獲得這3個城市的邊界,計算出每個城市的城區面積,設置網格尺寸為1000 m×1000 m。根據各個城市的中心點坐標確定城市中心位置,沿此中心上下左右各自平移相同數目的網格,使得裁剪出的影像中心城區面積與其周邊面積大致相等,進而分別對各個研究單元范圍進行裁剪。

由于本文所采用的原始影像的時間分辨率為8天,采用線性插值的方法補充在時間上缺失的數據。盡管MODIS數據產品已經經過前期預處理,但是處理后的影像仍然會受到電子噪聲干擾等的影響,導致EVI數據曲線局部具有尖銳的信號值,這些噪聲數據均屬于無效數據,對于植被物候指標的提取會產生嚴重影響,不利于時間序列分析。為消除這些噪聲信號,本文選取demy小波作為小波基對EVI時序數據進行小波變換,濾除噪聲數據后重建平滑的EVI時間序列數據。

2 研究方法

2.1 動態閾值法提取植被關鍵物候期指標

閾值法通過對植被指數設定閾值條件來確定植被生長季的關鍵物候期指標SOS和EOS,采用儒略日計數方法,將SOS和EOS出現的日期轉化為距1月1日的儒略日序數。而動態閾值法則是由于植被指數在植被各階段生長過程中的變化強度不同,從而可以設定不同的閾值來提取植被的關鍵物候指標,該方法可以根據研究區植被不同的生理特點,在不計地表的覆蓋類型和人為活動的影響程度下,形象地描述植被的生長發育過程。由于研究區所包括的3個大城市的生態環境存在差異,故選擇動態閾值法提取SOS和EOS值。結合研究區的實際情況,參考相關文獻[17,22]及與地面觀測數據相比,將提取SOS的植被閾值設定在植被生長過程的25%左右,提取EOS的植被閾值設定在植被衰敗過程的25%左右,其計算公式如下：

EVI(SOS)=(EVImax-EVImin1)×25%

(1)

EVI(EOS)=(EVImax-EVImin2)×25%

(2)

式(1)中EVI(SOS)表示提取SOS的植被指數閾值,EVImax表示植被指數最大值,EVImin1表示EVI曲線上升階段植被指數最小值；式(2)中EVI(EOS)表示提取EOS的植被指數閾值,EVImin2表示EVI曲線下降階段植被指數最小值,當動態閾值達到最大與最小EVI差值的25%時,提取出SOS和EOS值。

2.2 趨勢分析法

采用一元線性回歸法擬合線性函數用以表示植被物候指標的時序變化趨勢,其公式為：

y=kx+b

(3)

其中,

(4)

式(3)中自變量x表示年份,即為2009—2016年的計數,因變量y表示SOS和EOS,n表示年份數。k為研究時段內某一個像元SOS和EOS的變化趨勢,若k>0時,表明植被物候期具有上升趨勢,即植物物候期時間推遲；若k<0時,表明該植被物候期具有下降趨勢,即植被物候期具有提前趨勢。

3 結果分析

3.1 植被關鍵物候期的空間分布特征

根據濾波重建后的EVI指數時間序列數據,由動態閾值法計算出2009—2016年間各個城市植被物候的年均生長日期SOS和結束日期EOS,獲得各城市植被關鍵物候期空間分布圖(圖1)。

圖1 各城市植被關鍵物候期空間分布圖Fig.1 Spatial distribution maps of vegetation phenology in major citiesSOS:生長季開始時間Start of growing season; EOS:生長季結束時間End of growing season

由圖1可見,雖然各研究單元的植被關鍵物候期分布形態有所不同,但SOS和EOS的空間分布均呈現出相似的分布特征,每個城市SOS取較小值所在的區域與EOS取較大值所在的區域相一致,而SOS較大時,EOS較小。植被物候指標的空間分布與所處位置屬于城區還是鄉村具有高度的一致性,距離城區中心越近,其SOS越早,EOS越晚,變化也越明顯。2009—2016年間這3個城市的年均SOS形成一個以城區為中心的早期中心,并呈現出由城區向鄉村SOS逐漸延后的變化特征；年均EOS形成一個以城區為中心的晚期中心,同時呈現出由城區向鄉村逐漸提前的變化特征。這種變化特征表明植被物候的梯度分布和下墊面覆蓋類型密切相關。

從圖1中還可以看出,各大城市的植被關鍵物候期空間分布存在明顯的城鄉差異,城區的SOS均早于鄉村,城區的EOS均比鄉村晚。對每個城市的植被物候參數指標進行統計分析,得到年均城鄉植被物候參數指標(表1)。從表1中可以看出,城區SOS大多集中在第99—112天左右,鄉村的SOS主要集中在第125—135天左右,城區和鄉村大致相差20 d的時間；城區EOS主要集中在第293—300天左右,鄉村EOS主要集中在第284—286天左右,城區的EOS大致比鄉村推遲14 d左右,城區植被生長季長度(Length of Growing Season, LGS)比鄉村長32—44 d。長春市城區的SOS值最小,沈陽市鄉村的SOS值最小,表明其植被生長季開始得最早。

表1 年均城鄉植被物候參數指標

3.2 植被關鍵物候期的時間變化分析

計算出每一年份各研究單元城區及其周邊鄉村整體的SOS平均值和EOS平均值后,以年份為自變量,SOS平均值、EOS平均值為因變量分別進行一元線性回歸,獲得植被物候指標的整體年際變化趨勢圖(圖2)。從圖2中可以看出,各個城市的SOS均呈提前趨勢。2012年哈爾濱和長春的SOS值均是一個峰值,即生長季開始得最晚,通過查閱氣象資料,可知受西伯利亞強冷空氣影響,這兩個城市所在區域出現寒潮、暴雪、低溫等極端天氣現象,導致植被延遲生長。2012年是這兩個城市8年中最冷的一年,SOS恰好印證了這一氣候現象。相比其他年份而言,沈陽2012年的SOS取值也較大,表明其在一定程度上也受到寒潮的影響。哈爾濱EOS呈延遲趨勢,而長春和沈陽則表現為提前結束的趨勢,哈爾濱和長春的EOS在2011年達到這8年中的最低值。這些現象說明了各大城市植被物候年際變化與當地的氣候條件密不可分,由于各城市植被物候受區域氣候差異的影響,從而表現出不同的變化趨勢。

圖2 2009—2016年整體SOS和EOS的年際變化圖Fig.2 The annual change of overall SOS and EOS from 2009 to 2016

計算出每一年份3個研究單元即各城市的城區及其周邊鄉村植被物候參數SOS、EOS平均值,利用趨勢分析法獲得2009—2016年間城鄉物候年際變化曲線圖(圖3)。

圖3 2009—2016年城區和鄉村SOS和EOS的年際變化Fig.3 The annual change of SOS and EOS in urban and rural areas from 2009 to 2016

從圖3中可以看出,所有城市城區的SOS值都比鄉村的小,表明其植被物候期早,并且城鄉的SOS年際變化都呈下降趨勢,植被物候表現為一致提前。城區SOS的年際變化速率均大于鄉村的變化速率。這3個城市的城區和鄉村在2014年的SOS取值均較小,說明這一年的春天是研究時段內較暖的一年。這是由于2014年東北地區受到中強度厄爾尼諾的影響,春天普遍溫暖,從而促使植被提早進入生長。盡管所有城市城區的EOS都比鄉村晚,但是同一城市的城鄉EOS的年際變化趨勢表現并不一致。這一現象說明,城鄉EOS年際變化不僅與當地氣候條件有關,還可能與各城市不同地理位置的植被種類有關,不同的植被種類,其生長結束期也不相同。

3.3 地表溫度與植被物候的響應關系

為了研究地表溫度與植被物候指標之間的關系,根據各研究單元每個網格的年均LST、年均SOS和EOS,分別計算出LST與SOS、LST與EOS相關系數r如表2所示。r反映了年均地表溫度對植被物候指標的響應程度,r為正值時,表示植被物候期推遲,其值越接近于1,推遲越顯著；r為負值時,表示植被物候期提前,其絕對值越接近于1,則表明植被物候期提前愈明顯。

從表2可以看出,植被的SOS與LST呈顯著負相關,即一個時間段內的城市的平均溫度越高,植被物候期的起始時間越早。不同城市年均地表溫度與SOS的相關系數不同,表明年均地表溫度對SOS的響應程度不同,由高到低依次為哈爾濱、長春、沈陽。EOS與LST呈高度正相關,即植被物候同期的地表溫度越高,植被物候結束時間越晚。年均地表溫度對EOS的響應程度由高到低依次為長春、哈爾濱、沈陽。不同城市的年均地表溫度對SOS和EOS的響應程度并不相同,這與各城市所在的區域氣候有關。

表2 LST與SOS、EOS的相關系數

4 結論

(1)各研究單元SOS與EOS的空間分布均呈現出相似的分布特征。植被物候空間分布與城區和鄉村的分布具有高度的一致性。植被物候參數指標空間分布存在明顯的城鄉差異,城區的SOS均早于鄉村,EOS則晚于鄉村。每一個像元所對應的實際位置,距離城區中心越近,其SOS值越小,EOS值越大,表明植被生長季開始日期早結束日期晚,整個植被物候生長期時間變長。各研究單元植被物候指標的年際變化具有一定的相似性,即SOS隨時間均呈現出提前趨勢,且城區和鄉村的SOS年際變化趨勢保持一致,變化速率各不相同。

(2)2012年哈爾濱和沈陽的SOS值均是研究時段內的最大值,從植被物候期反映來看,該年是一個最冷年,這與當年的氣候現象相吻合,由于受寒潮影響,出現暴雪,低溫等極端天氣,導致植被相比較于其他年份延遲生長。

(3)各研究單元年均地表溫度與對應的植被關鍵物候期均有顯著的相關性,SOS與LST呈顯著負相關,即與植被物候同期的平均溫度越高,植被物候期的起始時間越早。EOS與LST呈高度正相關,即與植被物候同期的地表溫度越高,植被物候期結束時間晚,因此,東北地區植被物候對溫度變化的響應更為顯著、更具代表性。不同城市的年均地表溫度與植被關鍵物候期的相關性并不相同,這主要是受到全球氣候變化、區域氣候變化及城市熱島效應共同影響作用的結果。

致謝：感謝中國科學院地理科學與資源研究所張學珍副研究員提供部分研究數據。