基于多源数据的区域植被物候变化模拟与影响机制研究

发布时间：2020-08-14 09:45

【摘要】：气候变化显著改变了区域乃至全球的生态系统。植被物候作为植被生态系统的关键参数之一,在全球变暖的背景下,也发生了显著的变化。植被物候变化直接反映了生物圈对气候变化的响应。同时,植被物候期的改变会影响植被的蒸腾、光合作用以及植被生产力,进而影响整个陆地生态系统的能量流动、碳循环与水循环等。地面和遥感观测均表明,在过去的几十年,植被春季物候表现出了明显的提前趋势。然而,针对秋季物候的研究还较为缺乏,影响植被秋季物候的因素还尚未探明。为此,论文利用GIMMS NDVI3g数据和MODIS的NDVI、EVI数据,基于中点法和double logistic曲线拟合法分别反演了北半球1982-2015年和2001-2015年的植被生长结束期(end of growing season,EOS),对比了不同方法和数据源计算出的EOS的差异,分析了EOS的空间分布特征和时间变化趋势,以及EOS与季前温度、降水的相关性。并且,从不同尺度详细探讨了植被秋季物候期对昼夜温度的响应差异,建立了基于昼夜温度的生长度日(DN_(GDD))模型,并对2081-2100年的北半球植被秋季物候期的变化趋势进行了预测。另外,随着气候变暖,青藏高原的积雪环境发生了显著的变化,而这些变化势必会对高寒植被的整个生态系统产生影响。因此,研究还基于MODIS遥感数据提取了青藏高原2000-2015年的植被生长开始期(start of growing season,SOS)、生长季长度(length of growing season,LOS)和NDVI最大值(NDVI_(max)),以及积雪持续时间(snow cover duration,SCD)和融雪期(snow cover melt date,SCM),分析了高寒植被生长对积雪变化的响应。所得主要结论如下:(1)基于不同植被指数和不同方法计算的生长结束期存在差异,整体上利用NDVI提取的生长结束期要晚于EVI的提取结果,拟合法计算的生长结束期要早于中点法的结果,并且MODIS数据的计算结果整体上要早于GIMMS3g数据的结果。但从年际变化来看,在两者重合的时间范围内(2001-2015年),表现出一致的变化趋势(R~2=0.63)。(2)季前温度和降水对EOS的影响较大,但在不同气候条件和植被类型中存在明显的差异。北方寒冷地区的植被EOS与温度有显著的相关性,但在2000年以前负相关的区域居多,而2000年以后则表现为正相关。降水与干旱地区EOS有显著的正相关,而在寒冷地区则以负相关为主。(3)地面站点以及基于GIMMS3g和MODIS的遥感观测均表明,绝大部分植被的秋季物候期对白天温度和夜间温度的变化存在相反的响应,但在热带地区,秋季物候与昼夜温度同为正相关或负相关的情况较多。在较为湿润和寒冷地区,植被生长结束期与白天温度正相关、与夜晚温度负相关;而在相对干旱的地区,白天温度升高会使生长结束期提前,夜晚温度升高会使生长结束期推迟。(4)建立了基于昼夜温度的生长度日(DN_(GDD))模型,与阈值模型和传统GDD模型相比,DN_(GDD)模型考虑了植被对昼夜温度变化响应的差异性,对植被秋季物候期的预测精度显著提高。分别利用GDD模型和DN_(GDD)模型对北半球2081-2100年的秋季物候进行了预测,在不同的排放情景下,DN_(GDD)模型的预测结果均早于GDD模型,并且在热带植被和地中海植被中表现得更为明显。(5)青藏高原地区高寒植被的物候期受积雪变化影响显著。在高原的东部地区,积雪持续时间的增加和融雪期的推迟会导致植被生长开始期延后,生长季长度缩短。但是,在东北部、中部和西南边缘地区却表现出相反的关系。积雪也会在一定程度上影响夏季植被的长势,在大部分地区,冬季积雪持续时间的增加会使NDVI_(max)增大,而融雪期提前则会导致NDVI_(max)的减小。不同植被类型和不同水热条件是导致植被生长对积雪变化响应差异的主要原因。积雪持续日数对高寒草原生长开始期和生长季长度的影响要比其他植被类型显著,但融雪期对高寒草原的影响在不同气候条件下会存在相反的效果。干旱地区植被的NDVI_(max)受积雪变化影响明显,而湿润地区的NDVI_(max)与积雪的相关性不大。
【学位授予单位】：中国科学院大学(中国科学院遥感与数字地球研究所)
【学位级别】：博士
【学位授予年份】：2018
【分类号】：P467;Q948
【图文】：

技术路线图,物候,植被物候,物候期

变化的响应机制。1.3.2 技术路线根据上述研究内容，本研究的技术路线包含两部分内容。对于北半球秋季物候的研究，首先利用 GIMMS NDVI3g 数据和 MOD13C1 植被指数数据，提取北半球长时间序列的植被生长结束期。同时，筛选地面物候观测资料，剔除异常值，整理出叶变色期数据。然后研究秋季物候期的空间分布特征和时间变化趋势，以及影响因素，并分析在不同气候分区和不同植被类型中的差异。最后建立秋季物候模型，对未来秋季物候的变化趋势进行预测。对于青藏高原植被物候对积雪变化响应的研究，首先利用 MODIS 数据分别获取青藏高原 2001 到 2015 年的植被物候信息和积雪物候信息，然后分析高寒植被物候期对积雪变化的响应，并分析在不同植被类型、不同生态地理单元和不同水热条件下的响应差异。技术路线如图 1.1 所示。

物候观测,站点,地面

且经过了较为严格的预处理，一定程度上消除了云、水、大气、阴影等的影响。在研究青藏高原植被物候对积雪变化的响应时，使用的则是 MOD13A1 产品（第六版本），该产品的空间分辨率提高到了 500m。2.1.2 地面物候观测数据本研究搜集了欧洲、中国和韩国的叶变色期数据，站点分布如图 2.1 所示。欧洲物候观测网从 1868 年开始进行物候观测，覆盖 25 个国家共 19608 个站点，包括 78 个物种。中国物候观测网始建于 1963 年，分布在 42 个地区，观测植被超过 100 种。韩国物候数据获取自 Park et al.（2017）的研究论文中，包括鸡爪槭（Acer palmatum）和银杏（Ginkgo biloba）两种植被，观测时间范围为 1989 2007。我们首先根据 Schaber 和 Badeck（2002）提出的方法对异常数据进行剔除，而后选取观测时间至少有 15 年的物种和站点。最终，包含 24 个物种共 14536 条叶变色期数据被用于本研究中。

气候分类

数据可从 http://digital.csic.es/handle/10261/153475 免费获取。2.1.7 其他辅助数据（1）气候分区数据北半球气候类型复杂多变，为了研究不同气候条件下植被物候的变化，本研究使用了 K ppen-Geiger 气候分类图（图 2.2）。全球尺度系统性的气候分类系统最早是由 Wladimir K ppen 在 1918 年提出的，虽然过去了 100 年，但这套分类系统仍然被气候变化领域的研究人员广泛使用。本研究中使用的是最新版本的K ppen-Geiger 气候分类图，该版本基于 1986 2010 年的气象要素制作而成（Kotteketal.，2006），K ppen-Geiger 气候分类符号及其所代表的气候类型如表2.2 所示。K ppen-Geiger 气候分类系统具有标准严格、界限明确、应用方便的优点，其根据简单的温度和降水指标就可以确定不同的气候类型，并且基本适用于森林、草原、苔原、沙漠等各种景观带。

【参考文献】