江西省植被NDVI变化及其对气候变化的响应

2016-01-27 23:48郭梦媚郭胜利周佳雯等
江苏农业科学 2015年11期
关键词:气候变化植被

郭梦媚++郭胜利++周佳雯等

摘要:利用MODIS数据插补GIMMS NDVI数据,基于S-G滤波法重构长时间序列的NDVI数据集,反演了江西省1982—2013年植被动态变化特征,并结合研究区及其周边25个气象站点的气温、降水、日照时数和相对湿度数据,分别从年际变化和月变化出发,分析植被NDVI动态变化及其与气候因子之间的关系。结果表明:江西省植被NDVI年际变化整体呈缓慢波动上升趋势,从空间尺度分析,得出21世纪初植被覆盖率>20世纪90年代植被覆盖率>20世纪80年代植被覆盖率,3个年代NDVI变化呈增加趋势,这与江西省近30年平均气温逐年上升、降水量和相对湿度逐年缓慢下降,整体呈暖干化的气候条件密不可分;日照时数及气温对江西植被 NDVI 年变化起着决定性作用。进一步分析植被与气候要素年变化相关性发现,NDVI 与日照时数、气温的关系较之与降水、相对湿度的关系更为密切;植被与气候因子月变化分析表明日照时数对NDVI响应最为显著,气温次之,且两者皆有1个月、3个月的滞后效应。降水量与相对湿度对NDVI的响应相对不显著,且无滞后性。

关键词:植被;NDVI;气候变化

中图分类号: S181;S127文献标志码: A文章编号:1002-1302(2015)11-0421-06

收稿日期:2014-11-22

基金项目:国家重大科学研究计划“973”项目(编号:2012CB955200);国家自然科学基金(编号:41375044)。

作者简介:郭梦媚(1990—),女,江苏南京人,硕士研究生,研究方向为生态遥感。E-mail:gmm414@sina.com。

通信作者:郭胜利,教授,博士生导师,研究方向为生态遥感。E-mail:shlguo@nuist.edu.cn。植被作为地表状况的重要表征,是陆地地表生态系统的核心部分,研究植物与气候之间的相互关系、植物对气候变化的响应与适应对策,对了解植物演化、预测植物在未来气候变化条件下的变化特征具有重要意义[1-3]。植被不仅与气温、降水、相对湿度等主要气候因子相互适应,还受地质地貌以及人类活动等影响,同时植被覆盖也对地理环境产生很高的依赖性,对全球能量平衡、水循环、生物化学循环起着重要的调控作用[4]。遥感以其覆盖范围广、信息量大、能连续观测等特点,在植被动态监测中有着广阔的应用前景。归一化植被指数NDVI是植被生长状态和植被的指示因子[4-5]。近年来,国内外许多学者尝试利用不同精度的遥感数据在不同时空尺度上分析植被动态变化和NDVI之间的关系。孙红雨等利用1985—1990年连续69个月的NDVI时间序列数据和同时期的月平均气温、降水数据对中国植被动态变化与气候因子相关性进行分析,结果表明,中国植被指数沿经线有明显的季相推移[6]。李晓兵等分析了1983—1992 年中国北方几种典型植被 NDVI 与降水年际变化、季节变化之间关系以及降水的空间差异对植被的影响[7]。王宏等综合利用 Kriging 插值方法对降水、气温数据插值生成中国东北地区二维气象因子影像,再与之相对应的 NDVI 数据进行相关性分析[8]。王宗明等结合1982—2003年GIMMS-NDVI数据集和GIS技术,应用基于像元的相关分析方法,分析了东北地区植被NDVI对气候变化的响应[9]。白淑英等利用1982—2006年GIMMS NDVI 数据和气象站点资料,结合中国地形的三大阶梯分布,分析长江流域植被NDVI时空变化特征及其对气候变化响应的时滞效应[10]。虽然目前有不同时间、空间分辨率的遥感数据类型可利用,但单一遥感数据源在时间序列上有一定的局限性,如AVHRR-GIMMS数据时间序列为1981—2006年,MODIS数据为2000年至今,2个数据集不一致。近年来,国内已有学者通过融合不同遥感数据源,延长NDVI时间序列,研究植被动态变化与气候因子间的关系。李运刚等利用红河流域1981—2006年GIMMS数据、2006年SPOT-VEGETATION数据以及1981—2001年逐日气象数据,使用GIS方法和地统计学方法,探讨河谷和山脉地形的通道-阻隔作用下红河流域NDVI时空变化及与气候因子的关系[11]。韩佶兴等利用1982—2010年GIMMS、MODIS 2种遥感数据集的NDVI数据,分析了松花江流域植被NDVI时空特征及其与气候因子的关系[12]。何月等利用GIMMS、MODIS 2种NDVI资料研究1982—2010年浙江省植被覆盖状况,结合同期气温、降水、湿润指数等气候指标,分析了该地区植被年际变化、月际变化及其对气候要素的响应特征[13]。毛德华等基于逐像元一元线性回归模型,应用MODIS NDVI数据对GIMMS NDVI进行时间序列拓展,拓展序列通过一致性检验,基于1982—2009年植被年最大NDVI数据集,在GIS平台上进行了植被NDVI变化和NDVI与年平均气温、年降水量之间的相关分析[14]。本研究利用MODIS数据对GIMMS NDVI数据进行插补,构成长时间序列的NDVI数据集,对江西省1982—2013年植被动态变化特征进行分析,并结合研究区及其周边25个气象站点的气温、降水、日照时数、相对湿度数据,分别从年际变化和月变化出发,分析植被NDVI动态变化及其与气候因子之间的关系,旨在为研究植物对气候变化适应对策提供依据。

1材料与方法

1.1研究区概况

江西省地处中国东南、长江中下游以南,位于24°29′~ 30°04′N、113°34′~ 118°28′E之间。省境东、南、西三面环山,中南部丘陵绵延起伏,盆地谷地相间,北部为鄱阳湖及滨湖平原。全省面积16.69×104km2,其中山地面积约占全省面积的36%,丘陵占 42%。属于中亚热带湿润季风气候区,气候温暖,雨量充沛,适宜植物生长,植被覆盖率高。

1.2数据源与预处理

1.2.1NDVI数据本研究使用AVHRR-GIMMS、MODIS 2种数据集的NDVI遥感数据。其中,1982—2006年GIMMS NDVI数据来自于中国西部环境与生态科学数据中心。GIMMS NDVI数据是美国航空航天局(NASA)全球监测与模型研究组(global inventory monitoring and modeling studies)提供的NOAA/AVHRR-NDVI数据集,投影格式为ALBERS等面积投影,时间分辨率为15 d,空间分辨率为8 km。该数据集消除了火山爆发、太阳高度角、传感器灵敏度随时间变化等影响,误差小、精度高。采用国际通用的最大化合成法MVC(maximum value composites)获得月最大NDVI,以减少云、大气、太阳高度角等因素的影响。MODIS数据采用NASA提供的MOD13A 3植被指数产品集,时间分辨率为1个月,空间分辨率为1 km,时间序列为2000年2月至2013年12月。用MRT (MODIS reprojection tools)软件对所获产品数据批处理进行影像拼接、裁剪、投影、坐标系转换,将其统一转换成ALBERS等面积投影和WPS-84坐标系。

1.2.2气象数据同期气象数据来源于中国气象科学数据共享服务网,中国地面气候资料月值数据集。用Excel软件筛选出江西省及其周边25个气象站点1982—2013年逐月平均气温、降水、相对湿度、日照时数等气象要素数据。气象站点分布如图1所示。江西省行政区划图包括江西省边界、省内县边界、周边省份的矢量图。

1.3研究方法

1.3.1NDVI时间序列数据插补2类数据集虽然都经过几何精确校正、辐射校正、大气校正等预处理,但仍不可避免存在云、气溶胶的噪音影响,所以分别对2类数据集进行Savizky-Golay滤波[15],该算法基于TIMESAT软件,能够有效平滑降噪的同时,保持时间序列NDVI变化趋势。

1.3.2植被与气候因子变化趋势分析本研究采用一元线性回归和多项式拟合江西省多年年均NDVI、气候因子随时间变化的趋势。一元线性回归方程为:

yi=bit+a。

式中:i为年份,a为回归常数,b为线性趋势斜率,yi为待分析变量。b>0 (<0)表示变量在时间t内呈上升(下降)趋势。同理分析气温、降水、日照、相对湿度的变化趋势,b×10则为气候倾向率[16-17]。

1.3.3NDVI对气候变化的响应特征分析采用相关分析和偏相关分析法进行植被变化与气候因子之间关系研究,通过计算年均NDVI与年均气温、年降水、年均日照时数、年均相对湿度之间的相关系数和偏相关系数表征全区整体植被NDVI动态变化对气候因子的年际响应。通过计算NDVI月值和月平均气温、月降水量、月平均日照时数、月平均相对湿度的相关系数和二项式线性拟合来分析植被与气温、降水、日照时数、相对湿度的年内关系。

2结果与分析

2.1NDVI时间序列数据的插补延长

由于GIMMS、MODIS数据集所用传感器不同,波段范围存在差异,在延长时间序列分析NDVI动态变化前,需对2种数据进行一致性检验。首先将MODIS NDVI的1 km分辨率数据重采样至8 km,并统一投影格式为Albers等面积投影和WPS-84坐标系,使两者空间上相匹配。在重构NDVI长时间序列分析动态变化前,有必要对重叠的7年数据分别从全区域大尺度进行一致性检验。首先利用2000—2006年每月最大值数据的全区平均值进行相关分析,建立回归模型,两者相关系数为0.985(P<0.001,n=83),建立线性回归方程:

NDVIGIMMS=0.819 5×NDVIMODIS+0.220 6。

利用MODIS插补GIMMS数据在全区域大尺度可以实现,再基于拟合的线性回归方程对GIMMS NDVI缺失的2007—2013年的数据进行插补, 从而达到延长NDVI时间序

列的目的(图2)。

2.1.1植被的时空变化分析用年平均NDVI值代表全区植被覆盖状况,进行年际变化趋势分析。由图3可见,1982—2013年间江西省植被NDVI整体呈缓慢波动上升趋势。过去32年平均NDVI值在0.492~0.535之间浮动,总体线性变化趋势不明显,大致分3个阶段:1982—1990年植被覆盖在波动中缓慢增加,1990年达到高峰0.531,随后缓慢下降;1993—2002年波动下降,2005年达到低谷0.493后开始波动上升,2007年出现NDVI最大值0.535。根据NDVI年均变化曲线及政府对生态文明建设的重视程度,未来几年内江西省植被覆盖变化趋势会继续上升。

为从空间尺度探讨32年间江西省植被NDVI动态变化情况,将32年分为3个时期:1982—1990年,以9年年均 NDVI 值代表80年代江西省植被NDVI状况;1991—2000年,以10年年均NDVI值代表20世纪90年代江西省植被NDVI状况;2001—2013年,以13年年均NDVI值代表21世纪初江西省植被NDVI状况。ARCGIS软件中,分别对3个阶段的NDVI数据进行栅格计算,得出20世纪80年代、90年代和21世纪初植被NDVI年代际的动态变化情况。1982—1990年,NDVI在0.08~0.30间的像元占1.3%,0.30~0.41间的像元占6%,0.41~0.47间的占8%,0.47~0.53间和0.53~058间的各占15%,0.58~0.67间的占10%;1991—2000年,NDVI在0.07~0.31间的像元占1.30%,0.31~0.42间的占6%,0.42~0.48间的占11%,0.48~0.54间的占16%,0.54~0.58间的占12%,0.58~0.66间的占9%;2001—2013年,NDVI在0.17~0.35间的像元占4.8%,0.35~0.44间的占9.4%,0.44~0.52间的占13.0%,0.52~0.59间的占15%,0.59~0.69间的占12%。可以明显看出21世纪初植被覆盖率>20世纪90年代植被覆盖率>20世纪80年代植被覆盖率(图4)。

2.1.2气候因子的动态变化对江西省及其周边25个气象站点过去32年的年均气温、降水量、年均日照时数、年均湿度统计可知,1982—2013年江西省32年年均温为18.22 ℃,最高值为19.03 ℃(1998年),最低值为17.18 ℃,升温趋势明显,增暖幅度(气候倾向率)达0.35 ℃/10年。年累积降水量在32年间平均值达1 676.73 mm,最高值为2 144.86 mm(2012年),最低值为1 285.51 mm(2011年),整体32年降水量呈波动性下降趋势,但变化不显著。年均日照时数最长日照年份在2003年,最短在1997年,总体32年内下降趋势不明显。过去32年年均相对湿度平均值为77.93%,最高值为81.04%(1997年),最低值为73.34%(2004年),整体以1.59%/10年的下降速率波动变化(图5)。

2.2NDVI对气候因子年变化的响应

为了从全区域角度定量分析植被对气候因子年变化的响应特征,对1982—2013年NDVI与各气候因子作了相关、偏相关分析,如表1所示,NDVI与气温和日照变化的相关性及偏相关性在0.250左右,NDVI与降水量和相对湿度的相关性呈负相关,偏相关性在0.1左右,说明从全区角度分析,NDVI均值和气候因子的相关性不显著。表11982—2013年江西省NDVI与气候因子的相关系数

NDVI-TNDVI-PNDVI-SNDVI-HrNDVI-TrNDVI-T/PSHrNDVI-PrNDVI-P/TSHrNDVI-SrNDVI-S/TPHrNDVI-HrNDVI-H/TPS0.2830.237-0.0420.1410.2120.228-0.1870.021注:T代表气温;P代表降水;S代表日照时数;H代表相对湿润;rNDVI-T、rNDVI-T/PSH分别表示NDVI 与气温的相关系数和偏相关系数,依此类推。

2.2.1植被的月变化由图6可以看出,3—8月江西省植被NDVI值逐渐增加,因为3月份各种植物开始生长,到8月NDVI达到一年中的顶峰,各类植被均处于生长旺盛阶段,9月份植被减少不明显,这与植被NDVI对气候变化的响应具有“时滞效应”密不可分。10月NDVI开始迅速下降,植被渐渐停止生长,枯萎落叶,植被覆盖率降低,NDVI减少,至次年1月降到全年最低值。

2.2.2气候因子的月变化不同月份的气候因子变化会对植被全年各个生长阶段有不同的贡献特征,通过计算32年各月份的月NDVI值与年份的相关系数,得出1982—2013年江西省气温、降水、日照时数、相对湿度的月变化率。如图7所示,各气象因子不同月份的环比年变化趋势不同。除了1月份,全年各月均呈环比增温趋势,2、3、7—9月均通过0.05水平的置信度检验,这与全年温度变化趋势基本一致。从降水量32年环比变化来看,2—4月、7、9、10月均呈减少趋势。32年日照时数环比变化则与降水量呈完全相反趋势,2—4月、

7、9、10月均呈增加趋势,其中3、9、10月的增加率通过了0.05水平的置信度检验。全年的相对湿度均呈下降趋势,3、4、9、10月通过0.01水平的置信度检验,表现为极显著减少,5、7月通过0.05水平的置信度检验,下降明显。

2.2.3NDVI对气候因子月变化的响应如表2所示,从气温因子变化分析,除了10—12月,其他月份植被与当月温度成正相关,3、5月份尤为显著,相关性达到0.05显著性水平检验。这是因为植被生长主要集中在春季,受温度影响较大,温度的上升促进了植物的生长。反之,冬季温度下降对植物生长起到抑制作用。3月份植被NDVI与前1月温度,5月份植被NDVI与前1月、前3月温度相关性均达到0.05显著性水平检验,说明 2、4 月份温度虽然与当月NDVI相关性不显著,但对后1~3个月植被生长状况具有促进作用,因为2月的气温偏高会引起暖春,植物生长偏早。从降水量因子变化分析,除了11月份,其他月份植被与当月降水量成负相关性,1、7月份与当月降水量相关性达到0.05显著性水平检验,无滞后性,这主要因为江西省全年降水量丰富,季节性变化大,7月正值雨季降水量顶峰,暴雨内涝,抑制植物生长;1月正值冬季枯水期,水源不足,都对植被生长造成抑制作用。从日照时数变化分析,1、7、10、12月与当月日照相关性达到0.01显著性水平检验,3、4月与当月日照相关性达到0.05显著性水平检验,其中7月与6月日照相关性也达到0.01显著性水平检验,受日照影响最为明显。2、9月与前3个月日照相关性均达到0.05显著性水平检验,说明6月、12月份日照时数对后3个月植被生长有滞后影响,这可能是植物生长接受光合作用需要时间的表现。日照时数对植被生长影响明显主要是由于江西省地形以丘陵山地为主,大大增加了植被冠层对入射光有效辐射的吸收系数(FPAR)、最大光能利用率,使得陆地植被最大有效化地进行光合作用。从相对湿度变化分析,除了6、12月,其他月份植被与当月相对湿度都成负相关,4月比其他月更为显著,负相关性通过0.01显著性水平检验,无滞后性,这可能是因为相对湿度影响蒸腾作用,相对湿度大,导致植物蒸腾作用弱,植物运输矿物质营养和调节叶片温度的能力下降,叶片就有可能被重力向下拖拽。此外,相对湿度过大或过小都会导致气孔关闭,植物气孔关闭,CO2不能进入叶肉细胞,光合作用减慢甚至停止,这些都是抑制植被生长的重要因素。

3结论与讨论

本研究以江西省为研究区,利用GIMMS NDVI和MODIS NDVI数据分析了1982—2013年期间江西省植被动态变化特征及其对气温、降水、日照时数和相对湿度变化的响应,结果表明,1982—2013年间江西省植被NDVI年际变化整体呈缓慢波动上升趋势。每年的3—8月植被NDVI值逐渐增加,8月达到顶峰,9月份植被减少不明显,10月NDVI开始迅速下降,至次年1月降到全年最低值。从空间尺度分析,21世纪初植被覆盖率>20世纪90年代植被覆盖率>20世纪80年代植被覆盖率,3个年代NDVI变化呈增加趋势,一方面是由于江西省近30年平均气温逐年上升、降水量和相对湿度逐年缓慢下降,整体呈暖干化的气候条件对植被生长起到正反馈作用;另一方面也与政府重视生态文明建设、人们环境保护意识增强有关。从时间变化趋势上分析,江西省32年间年际升温趋势明显,增暖幅度(气候倾向率)达0.35 ℃/10年,除1月份,全年各月均呈增温趋势。年累积降水量整体环比呈波动性下降趋势,但变化不显著。年均日照时数总体32年内下降趋势不明显,月变化与降水量呈完全相反的趋势。年均相对湿度整体以10年1.59%的下降速率波动变化,每年的3、4、9、10月表现为极显著减少,5、7月下降明显。从年际尺度分析表明,气温和日照时数对NDVI均值的响应比降水量和相对湿度明显,从月际尺度分析,日照时数对植被生长起主导作用,气温次之,且两者皆有1个月、3个月的滞后效应,表明江西省的丘陵山地地形大大增加了植被冠层对入射光有效辐射的吸收系数(FPAR)和最大光能利用率,使陆地植被有效进行光合作用,加大了植物的生长势,有助于植物能量储备,产生累积效应,从而有滞后性。降水量与相对湿度对NDVI的响应相对不显著,无滞后性。

参考文献:

[1]Wright I J,Reich P B,Westoby M,et al. The worldwide leaf economics spectrum[J]. Nature,2004,428:821-827.

[2]Wright I J,Reich P B,Cornelissen J H,et al. Assessing the generality of global leaf trait relationships[J]. The New Phytologist,2005,166(2):485-496.

[3]张井勇,董文杰,叶笃正,等. 中国植被覆盖对夏季气候影响的新证据[J]. 科学通报,2003,48(1):91-95.

[4]孔次芬. 金沙江流域(云南段)植被覆盖变化与气候因子相关性研究[D]. 重庆:重庆师范大学,2012.

[5]纪迪. 青藏高原气候变化及其NDVI的响应[D]. 南京:南京信息工程大学,2012.

[6]孙红雨,王长耀,牛铮,等. 中国地表植被覆盖变化及其与气候因子关系——基于NOAA时间序列数据分析[J]. 遥感学报,1998,2(3):204-210.

[7]李晓兵,史培军. 中国典型植被类型NDVI动态变化与气温、降水变化的敏感性分析[J]. 植物生态学报,2000,24(3):379-382.

[8]王宏,李霞,李晓兵,等. 中国东北森林气象因子与NDVI的相关关系[J]. 北京师范大学学报:自然科学版,2005,41(4):425-430.

[9]王宗明,国志兴,宋开山,等. 中国东北地区植被NDVI对气候变化的响应[J]. 生态学杂志,2009,28(6):1041-1048.

[10]白淑英,王莉,史建桥. 长江流域NDVI对气候变化响应的时滞效应[J]. 中国农业气象,2012,33(4):579-586.

[11]李运刚,何大明. 红河流域NDVI时空变化及其与气候因子的关系[J]. 山地学报,2009,27(3):333-340.

[12]韩佶兴,王宗明,毛德华,等. 1982—2010年松花江流域植被动态变化及其与气候因子的相关分析[J]. 中国农业气象,2011,32(3):430-436.

[13]何月,樊高峰,张小伟,等. 浙江省植被NDVI动态及其对气候的响应[J]. 生态学报,2012,32(14):4352-4362.

[14]毛德华,王宗明,罗玲,等. 基于MODIS和AVHRR数据源的东北地区植被NDVI变化及其与气温和降水间的相关分析[J]. 遥感技术与应用,2012,27(1):77-85.

[15]Jnsson P,Eklundh L. Seasonality extraction by function fitting to time-series of satellite sensor data[J]. IEEE Transactions on Geoscience and Remote Sensing,2002,40(8):1824-1832.

[16]李英年,赵新全,周华坤,等. 长江黄河源区气候变化及植被生产力特征[J]. 山地学报,2008,26(6):678-683.

[17]高祺,缪启龙,岳艳霞. 河北省木本植物物候变化特征及其对气候变暖的响应[J]. 中国农业气象,2011,32(1):17-22.牛明芬,梁文涓,武肖媛,等. 复合微生物菌剂在牛粪堆肥中的应用效果[J]. 江苏农业科学,2015,43(11

:427-429.

猜你喜欢
气候变化植被
北极熊如何适应气候变化
基于植被复绿技术的孔植试验及应用
《应对气候变化报告(2022)》发布
保护生物多样性 积极应对气候变化
与生命赛跑的“沙漠植被之王”——梭梭
气候变化与环保法官
气候变化:法官的作用
绿色植被在溯溪旅游中的应用
公路水土保持与植被恢复新技术
基于原生植被的长山群岛植被退化分析