基于时序指数西北植被物候时空变化特征

杨 光，宋 戈，2，韦振锋，刘 晗

（1.东北农业大学 资源与环境学院，哈尔滨150030；2.东北大学 文法学院，哈尔滨110819；3.广西财经大学，南宁530003；4.哈尔滨市水务局，哈尔滨150030）

植被物候是指植被在生长过程中出现的一种周期现象［1］，是植被生长发育随着季节变化而形成的节律［2］。物候是植被模型的重要参数［3－6］，可以解释植被对气候变化响应程度、提高植被与其影响因子之间能量交换的模拟精度，对农作物的选种和种植有着重要意义［7］。在生态系统研究中，植被在监测气候变化中起到指示器的作用，而植被物候已成为重点研究领域［8］。近几十年来，北半球植被生长季呈延长趋势［9－12］，与地面观测数据相一致。欧洲和北美大部分植被春季物候提前［8，13－14］。20世纪80年代以后中国华北地区植被春季物候也呈提前趋势［15－16］。随着全球变暖，温度升高，20世纪90年代北半球多地植被春季物候出现转折，春季物候出现推迟现象［17－18］。Yu等［17］认为随着温度升高，温带、寒带及高海拔地区春季植被物候开始时间与冬、春季气温变化相关，尤其冬季气温偏高会使春季物候推迟。鉴于此，本文以中国西北植被为研究对象，分析是否也有相应的变化趋势，以期为西北农业选种、播种和生产等提供理论依据。

1 研究区概况及数据来源

1.1 研究区概况

本文以西北五省为研究区域，主要包括新疆、青海、甘肃、宁夏和陕西。地形以盆地和高原为主，包括青藏高原、渭河平原、柴达木盆地、塔里木盆地、秦巴山地等。植被覆盖稀疏，从东到西大致划分为森林—草原—荒漠。干燥少雨、蒸发强烈、昼夜温差大，属于温带大陆性气候，降水自东向西依次递减。沙漠地区植被变化不明显，因此只研究沙漠以外区域植被物候变化特征，本文对其进行掩膜处理。

1.2 数据来源

文中使用的数据是1999—2010年SPOT VEG－ETATION采用最大合成法合成的旬数据集，空间分辨率为1km，经过校正处理，误差较小、精度较高，已被广泛应用于大尺度植被变化的研究中，是目前分析植被时间变化的数据源［19－20］，数据来源互联网（http：∥free.vgt.vito.be/home.php）。

2 研究方法

2.1 NDVI时间序列数据的预处理

虽然SPOT VEGETATION使用最大合成法，但数据处理过程受各种因素干扰，数据的亚像元内残余云、长时间云霾或其他负面影响，而且这些因素在时间上出现随机性，造成数据节律趋势不明显，因此需要对其进一步平滑处理。常用的数据平滑方法［21－23］只是简单地描述曲线的一般特征，忽略曲线内部蕴涵的周期性。时间序列谐波分析法（HANTS）是一种新的植物物候分析手段，该方法重新构建时间序列数据，能够真实反映数据的周期性变化规律［24］。本研究应用该平滑方法，具体步骤如下：首先通过HANTS对原始的时间序列数据进行平滑处理，然后通过傅里叶插值法进行插值生成1d分辨率的NDVI数据（图1）。由于中国西北地区地形复杂，植被种类繁多，本研究根据植被类型掩膜消除沙漠戈壁、稀疏植被和常绿林的影响，剔除异常值象元，只研究NDVI最大值出现在3—10月的有效像元，对城市、河流、湖泊和冰川等像元不作研究。

图1 HANST处理后的NDVI时间序列数据

2.2 物候时间确定

目前物候提取方法主要有以下几种：①最大比率法［18，25］；②阈值法［26－27］；③是方法①和②的整合，根据比率最大值来确定某一物候阈值，再根据阈值确定每年该物候出现的日期［28－29］；④利用 Logistic函数或谐波分解函数来确定NDVI时间序列的拐点，根据拐点估计某一物候特征［30－31］。

但目前没有一种方法被普遍接受。本文采用最大比率法和阈值法提取物候的生长季始期（SOG）、生长季末期（EOG）和生长季长度（LOG）。步骤如下：首先，利用时间序列谐波分析法平滑1999—2010年每个像元NDVI旬值，然后通过傅里叶插值法把平滑后的旬数据插值成天数据，计算每个像元两相邻时间点上的NDVI差值，差值的最大值和最小值用来分别确定SOG和EOG的NDVI阈值（图2）。SOG的NDVI阈值对应的天数为SOG出现的天数，EOG的NDVI阈值对应的天数为EOG出现的天数。EOG和SOG的差值即为LOG，对应天数的差即LOG物候天数。

2.3 物候期变化趋势

采用普通最小二乘法分析SOG，EOG和LOG的年际变化趋势，进行显著性检验。

图2 根据平滑后的旬NDVI数据多年均值的最大相对变化值来确定SOG和EOG的NDVI阈值

3 结果与分析

3.1 西北植被NDVI物候多年平均值的空间分布特征

如图3所示，由东南向西北，西北植被NDVI物候多年平均SOG逐渐推迟，EOG逐渐提前，LOG缩短。SOG早于第80天主要分布在陕西关中和陕南以及陕西和甘肃交界地区，这些地区的植被主要以农业植被和灌丛为主，说明到2—3月耕作开始，农业植被逐步返青。而在三江源、宁夏和陕北地区的SOG出现于第120～160d，有的甚至晚于第160天，这些地区海拔相对较高，植被以草地为主，说明高海拔地区草地返青时间主要在4—5月；图3B为西北植被EOG多年平均值空间分布，可以看出，55.24%的区域植被EOG出现在第260～280天，主要分布在海拔较高的地区，尤其在青海地区比较明显。而29.46%地区植被EOG出现晚于第280天，主要分布在陕西省，且呈南北递增规律。陕南地区EOG推迟延长，甚至大于第320天。关中以南地区植被物候EOG出现推迟主要在10月左右，主要原因是该地区植被大部分属于一年两熟的农业植被，延长了植被物候EOG。而秦岭以灌丛为主，植被物候周期较长，因此EOG出现推迟现象；海拔高，EOG提前，农业植被和灌丛EOG出现要晚于草地；在高海拔地区（如青海省三江源地区），草地LOG较短，为3～4个月，而青海西南地区物候LOG较长，生长周期大概为5个月，说明在高寒植被周期相对较长。而在海拔较低的陕西和宁夏地区，植被物候LOG变化呈南北递减规律，主要原因：一方面是南北纬度温度呈下降趋势，另一方面是植被类型不同，一年两熟农作物生长周期要比草地植被长。

图3 西北植被物候多年平均值的空间分布特征

海拔每升高1km，SOG推迟2d，但推迟不显著（图4A）。海拔2km以下为人类活动区域，农业植被SOG提前，主要分布在陕南地区。在2～5km，SOG随温度降低而推迟。海拔大于5km地区，植被物候SOG出现提前趋势，主要是在低纬度高寒地区，温度升高，高山冰雪融水补给降水，使得高寒植被逐步返青。

海拔每升高1km，EOG推迟7d（R2＝0.7459，p＜0.01，图4B）。在2km以下，主要是一年两熟的农业植被，因此EOG变化相对平缓，植被生长周期相对较长。在2km以上，海拔越高，EOG越提前。

海拔每升高1km，SOG缩短5d（R2＝0.233 3，p＜0.01，图4C）。海拔2km以下为人类活动以种植农业为主，由于种植农作物不同，收割季节也不同期，因此在这个海拔范围内植被物候LOG波动较大。在海拔2～5km，植被LOG逐渐缩短，而海拔5 km以上，主要分布在低纬度高寒地带植被的SOG提前。

综合分析西北地区植被物候多年平均值特征，在海拔较高、山地地区主要以自然植被为主；在海拔较低、地势平坦、水资源丰富地区，主要以农业植被为主（小麦），有些地区以冬小麦为主，有些地区以春小麦为主，不同区域熟制也不同，有的一年一熟，有的一年两熟，有的两年三熟。因此，相对自然植被物候而言，农业植被物候SOG比较提前（如春小麦）、EOG推迟（如冬小麦），LOG延长（如一年两熟）。

3.2 西北植被物候年际变化特征

3.2.1 物候年际变化空间分布特征 SOG提前1～4d的占区域的39%，主要分布在陕西以及甘肃南部地区（图5A）。由于这些地区以种植农作物为主，加上全球温度升高，人们开始种植作物的时间提前。海拔较高的地区，温度相对较低，植被物候SOG推迟1～2 d的占区域面积的28%，主要分布在青海等地。大部分地区SOG年际变化空间差异不显著（图5D），只有少数地区植被物候提前和推迟，其中显著提前（p＜0.05）的区域占整个研究区域的4.31%，提前（0.05＜p＜0.2）的区域占整个研究区域的10.36%，无显著变化区域占整个研究区域的78.31%；显著推迟（p＜0.05）的区域占整个研究区域的5.71%，推迟（0.05＜p＜0.2）的区域占整个研究区域的1.30%。整体来看，SOG年际变化幅度较小，海拔较高地区略有推迟。

图4 1999－2010年西北植被物候多年平均值与海拔之间的关系

EOG年际变化率呈东南向西北递减，EOG年际变化率推迟区域明显大于提前区域（图5B）。提前1～2d，占整个研究区域的38.15%，分布在青海西南地区。EOG推迟区占整个区域的54.81%，主要分布在研究区的东部，尤其在陕南地区EOG出现推迟比较明显，主要是农业作物一年两熟所致。EOG显著推迟区域明显大于变化显著提前区域，推迟（p＜0.2）区占整个研究区域的15.48%，分布在黄河青海河段以及青海湖周边区域，提前（p＜0.2）区只有6.29%。EOG年际无显著变化的区域占整个区域的78.23%，主要分布在青海三江源地区。

41.03%的地区植被物候LOG缩短，其中缩短1～4d的占整个研究区域的34.18%，主要分布在青海高原地区（图5C）。LOG增长1～4d的占整个研究区域的39.31%，主要分布在地表水资源丰富地区以及农业区。LOG显著缩短区域相对较少，只有整个研究区域的6.12%（图5F）。LOG显著增长占整个研究区域的14.17%，主要分布在水资源丰富地区。大部分地区是无显著变化，占整个区域的79.72%。整体来看，西北地区植被物候年际变化东部明显高于西部。

随着全球变暖，冰川融化加速，草原内陆湖泊面积增加，草地植被物候SOG提前，EOG提前，LOG变化不大，但草场植被增加的面积相对整个西北来讲较小，变化不明显，而整个研究区域的植被物候SOG，EOG，LOG变化不显著，面积要远远大于显著区域，整体来看，整个研究区域植被物候变化不显著。

图5 西北植被物候变化趋势的空间分布特征

3.2.2 西北植被物候年际变化随海拔的变化特征 如图6A所示，海拔2km以下，SOG变化波动较大，是人类活动区域，不确定因素较多；海拔2～4km，SOG相对较平稳；全球变暖，在4～6km，SOG出现提前趋势，海拔高于6km的高寒植被SOG出现推迟。

如图6B所示，海拔2km以下，植被物候EOG推迟，主要是人类活动较频繁，植被类型以农作物为主，一年两熟；在2～6km，EOG年际变化率随海拔增高而减少，其中在2～4km，植被EOG变化率属于正值呈推迟趋势，只是推迟的趋势逐渐变小，而全球变暖，在4～6km，植被EOG变化率是负值，呈提前趋势，提前趋势逐渐增大。海拔超过6km，属于高寒植被，EOG呈推迟趋势。如图6C所示，研究区植被LOG整体随海拔升高年际变化率逐步降低。海拔在2km，LOG年际变化率波动较大，主要与人类种植农作物有关，在2～6km，LOG年际变化率随海拔升高而降低。

图6 物候年际变化率在海拔上的分异特征

4 结论与讨论

海拔在2km以下，陕西、宁夏以及甘肃南部地区人类活动频繁，植被类型以农业植被为主，物候SOG相对提前，EOG推迟，LOG延长。在海拔较高的青海地区，青海西南地区属于高寒，全球变暖、冰雪融化补给降水会使得植被物候SOG相对三江源有所提前。1999—2010年西北植被物候东部SOG提前、EOG推迟、LOG延长，西部物候SOG逐步推迟、EOG提前、LOG缩短。一方面是从陕西到青海海拔不断上升，另一方面陕西一带农业区集中，青海地区主要以草地植被为主。

由于西北地区地形复杂，经纬跨度大，植被种类多，西北植被物候期变化波动较大。本文研究粗略得出研究区植被物候和经纬度、海拔以及人类种植作物有关。农业区植被物候变化波动较大，SOG提前，EOG推迟，LOG延长；随海拔升高，植被物候SOG推迟，LOG提前，LOG缩短；从东南往西北，植被物候SOG逐渐推迟，EOG提前，LOG呈缩短趋势。

西北农业（小麦）种植，应结合当地气候和地形条件选种种植。甘肃和宁夏小麦生长主要靠黄河及祁连山雪水灌溉，种植制度应为一年一熟，3月上旬播种，8月上旬左右成熟。增产关键措施为修筑梯田，平整地面，防止水土流失，增施肥料，培肥地力。灌区渠系配套、防渗节约用水。陕北种植制度旱地可以为一年一熟，水浇地为一年两熟或者两年三熟。播期旱地为9月上、中旬，水浇地9月下旬。成熟期通常为6月中、下旬。应加强农田基本建设。搞好水土保持，兴修水利，增施肥料，选用耐旱耐瘠品种。精耕细种，划畦灌溉，增施肥料，均为有效的增产措施。

［1］ 张学霞，葛全胜，郑景云.北京地区气候变化和植被的关系：基于遥感数据和物候资料的分析［J］.植物生态学报，2004，28（4）：499－506.

［2］ 陆佩玲，于强，贺庆棠.植物物候对气候变化的响应［J］.生态学报，2006，26（3）：923－929.

［3］ Van Vliet A J H，de Groot R S，Bellens Y，et al.The European Phenology network［J］.Int.J.Biometeorol，2003，47（4）：202－212.

［4］ White M A，Thornton P E，Running S W.A continental phenology model for monitoring vegetation responses to inter－annual climatic variability［J］.Glob.Biogeochem.Cycles，1997，11：217－234.

［5］ Chuine I.A unified model for budburst of trees［J］.Journal of Theoretical Biology，2000，207（3）：337－347.

［6］ 王连喜，陈怀亮，李琪，等.植物物候与气候研究进展［J］.生态学报，2010，30（2）：447－454.

［7］ Menzel A.Phenology：It′s importance to the global change community［J］.Clim Change，2002，54：379－385.

［8］ Myneni R B，Keeling C D，Tucker C J，et al.Increased plant growth in the northern high latitudes from1981—1991［J］.Nature，1997，386：698D701.

［9］ 朴世龙，方精云.1982—1999年我国陆地植被活动对气候变化响应的季节差异［J］.地理学报，2003，58（1）：119－125.

［10］ 陈效逑，喻蓉.1982—1999年我国东部暖温带植被生长季节的时空变化［J］.地理学报，2007，62（1）：41－51.

［11］ 国志兴，张晓宁，王宗明，等.东北地区植物物候对气候变化的响应［J］.生态学杂志，2010，29（3）：578－585.

［12］ Menzel A，Sparks T H，Estrella N，et al.European phenological response to climate change matches the warming pattern［J］.Global Change Biology，2006，12（10）：1969－1976.

［13］ 韦振锋，任志远，张翀，等.西北地区植被覆盖变化及其与降水和气温的相关性［J］.水土保持通报，2014，34（3）：283－289.

［14］ 郑景云，葛全胜，郝志新.气候增暖对我国近40年植物物候变化的影响［J］.科学通报，2002，47（20）：1582－1587.

［15］ 李荣平，周广胜.1980—2005年中国东北木本植物物候特征及其对气候的响应［J］.生态学杂志，2010，29（12）：2317－2326.

［16］ Piao S L，Cui M D，Chen A P，et al.Altitude and temperature dependence of change in the spring vegetation green－up date from1982to2006in the Qinghai－Xizang Plateau［J］.Agricultural Lnd Forest Meteorology，2011，151（12）：1599－1608.

［17］ Yu H Y，Luedeling E，Xu J C.Winter and spring warming result in delayed spring phenology on the Tibetan Plateau［J］.Proc.Natl.Acad.Sci.USA，2010，107（51）：22151－22156.

［18］ Beck H E，McVicar T R，van Dijk A I J M，et al.Global evaluation of four AVHRR－NDVI data sets：Intercomparison and assessment against Landsat imagery［J］.Remote Sensing of Environment，2011，115（10）：2547－2563.

［19］ Goetz S J，Fiske G J，Bunn A G.Using satellite timeseries data sets to analyze fire disturbance and forest recovery across Canada［J］.Remote Sensing of Environment，2006，101（3）：352－365.

［20］ Malingreau J R.Global vegetation dynamics：Satellite observations over Asia［J］.Int J Remote Sens，1986，7：1121－1146.

［21］ 侯英雨，王石立.基于作物植被指数和温度的产量估算模型研究［J］.地理学与国土研究，2002，18（3）：105－107.

［22］ 辛景峰，宇振荣，Driessen P M.利用 NOAA－NDVI数据集监测冬小麦生育期的研究［J］.遥感学报，2001，6（6）：442－447.

［23］ Roerink G J，Menenti M，Verhoef W.Reconstructing cloud free NDVI composites using Fourier analysis of time series［J］.Int J Remote Sens，2000，21（9）：1911－1917.

［24］ Shen M G，Tang Y H，Chen J，et al.Influences of temperature and precipitation before the growing season spring phenology in grasslands of the central and eastern Qinghai－Tibetan Plateau［J］.Agri Forest Meteorol，2011，151（12）：1711－1722.

［25］ Lloyd D A.Phenological classification of terrestrial vegetation cover using shortwave vegetation index imagery［J］.Int.J.Remote Sens.，1990，11：2269－2279.

［26］ Zhou L M，Tucker C J，Kaufmann R K，et al.Variation in northern vegetation activity inferred from satellite data of vegetation index during1981to1999［J］.J.Geophys Res.，2001，106（D17）：20069－20083.

［27］ Zhang X Y，Friedl M A，Schaaf C B，et al.Monitoring vegetation phenology using MODIS［J］.Remote Sens.Environ.，2003，84：471－475.

［28］ 韦振锋，任志远，张翀，等.1999—2010年陕甘宁黄土高原区荒漠化空间特征［J］.中国沙漠，2014，34（5）：1230－1236.

［29］ Piao S L，Fang J Y，Zhou L M，et al.Variations in satellite－derived phenology in China′s temperate vegetation［J］.Glob.Change Biol.，2006，12：672－685.

［30］ Stckli R，Vidale P L.European plant phenology and climate as seen in a20－year AVHRR land－surface parameter dataset［J］.Int.J.Remote Sens.，2004，25：3303－3330.

［31］ Kaduk J，Heimann M A.Prognostic phenology scheme for global terrestrial carbon cycle models［J］.Clim.Res.，1996，6：1－19.