中国温带地区植被物候期时空变化特征及对总初级生产力的影响

doi:10.11873/j.issn.1004-0323.2019.2.0377

遥感技术与应用

2019, Vol. 34

Issue (2): 377-388 DOI: 10.11873/j.issn.1004-0323.2019.2.0377

物候遥感专栏

中国温带地区植被物候期时空变化特征及对总初级生产力的影响

王莹莹^1，2，袁金国^1，2，张莹^1，2，吴朝阳³

(1.河北师范大学资源与环境科学学院，河北石家庄 050024； 
2.河北省环境演变与生态建设省级重点实验室，河北石家庄 050024； 
3.中国科学院地理科学与资源研究所，北京 100101)

Temporal and Spatial Variation of Vegetation Phenology in Temperate China and Its Impact on Gross Primary Productivity

Wang Yingying^1，2，Yuan Jinguo^1，2，Zhang Ying^1，2，Wu Chaoyang³

(1.College of Resources and Environmental Sciences，Hebei Normal University，Shijiazhuang 050024，China;
2.Laboratory of Environmental Evolution and Ecological Construction in Hebei Province，Shijiazhuang 050024，China;
3.Institute of Geographic Sciences and Natural Resources Research，Chinese Acdemy of Sciences，Beijing 100101，China)

全文: PDF(12334 KB)

摘要： 陆地表面物候(Land Surface Phenology，LSP)被定义为陆地表面植被的生命周期事件在区域或全球尺度上的各季节时间，对于中国温带地区的植被物候，已有研究大多仅针对某一地区的单一植被类型，对长时间、大尺度的陆表物候时空变化的研究较为少见，植被物候对总初级生产力(Gross Primary Productivity，GPP)的影响也有待明确。采用2001~2014年中等分辨率成像光谱仪MODIS的MCD12Q2数据以及MOD17A3 GPP数据，利用回归分析以及相关分析的方法对中国温带地区(>30°N)植被物候期时空变化特征进行分析，并研究物候变化对GPP的影响。结果表明：我国温带地区整体植被生长季开始日期(Start of the Season，SOS)、结束日期(End of the Season，EOS)和生长季长度(Length of the Season，LOS)的14 a平均值和标准差分别为第121±10 d、第270±12 d和153±12 d；SOS提前趋势(r=-0.36，p=0.21)、EOS滞后趋势(r=0.41，p=0.15)与LOS增长趋势(r=0.51，p=0.06)均不明显；但是年均LOS与GPP相关性显著(r=0.74，p=0.002 5)，且呈正相关关系。2001~2014年LOS与GPP年均值的空间分布均呈现出由西北向东南增加的趋势；研究区SOS、EOS与LOS的年际变化呈现显著变化(p<0.05)的地区分别占研究区的13%、21%、13.2%。SOS、EOS、LOS与GPP显著相关(p<0.05)的地区分别占研究区的8.31%、9.33%、8.72%，三者与GPP的相关关系均以中度相关为主(p<0.05，0.5<|r|<0.8)，二者高度相关(p<0.05，|r|≥0.8)的地区很少。研究区植被物候期变化显著影响(p<0.05)植被年均GPP的地区仅有4.29%。

关键词： 物候期; 总初级生产力(GPP); MODIS; 时空变化; 中国温带地区

Abstract: Land surface phenology is defined as the seasonal timing of life cycle events of vegetated land surface on local or global scale.Most studies of vegetation phenology in China’s temperate zone are focused on single vegetation type in certain area，the studies about long-time vegetation phenology on large scale is rare.The influence of vegetation phenology on GPP(gross primary productivity) remains to be determined.Using Moderate Resolution Imaging Spectroradiometer(MODIS) MCD12Q2 data from 2001 to 2014，start of growing season(SOS)，end of growing season(EOS) and length of growing season(LOS) in temperate China(>30°N) are obtained.GPP from MODIS MOD17A3 data for the same period is also obtained.Using regression analysis and correlation analysis methods，spatial and temporal patterns of SOS，EOS and LOS are analyzed.The impacts of SOS，EOS and LOS on interannual variability of GPP are also analyzed.Results show that the average and standard deviation of SOS，EOS and LOS from 2001 to 2014 are 121±10，270±12 and 153±12 days，respectively.The trend of earlier SOS，delayed EOS and increased LOS are not significant(p>0.05)，but LOS shows positively correlated to GPP.The spatial distribution of annual average LOS and GPP from 2001 to 2014 presents an increase trend from northwest to southeast.Regions with significant interannual variation(p<0.05) of SOS，EOS and LOS are 13%，21% and 13.2%，respectively.Regions of significant correlation(p<0.05) of SOS，EOS and LOS to GPP account for 8.31%，9.33% and 8.72% of the study area.GPP has mainly medium correlations(p<0.05，0.5<|r|<0.8) to SOS，EOS and LOS.

Key words: Phenology Gross Primary Productivity(GPP) MODIS Spatio-temporal change China’s temperate zone

收稿日期: 2018-02-06 出版日期: 2019-05-13

ZTFLH:

TP79

基金资助: 国家自然科学基金项目(41522109、41471091)，国家重点研发计划项目（2016YFD0801005-3）,河北师范大学重点基金项目(130539)，河北省高校重点学科建设项目。

作者简介: 王莹莹(1994-)，女，河北石家庄人，硕士研究生，主要从事遥感应用研究。Email：wangyy94022@163.com。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

引用本文:

王莹莹, 袁金国, 张莹, 吴朝阳. 中国温带地区植被物候期时空变化特征及对总初级生产力的影响[J]. 遥感技术与应用, 2019, 34(2): 377-388.

Wang Yingying, Yuan Jinguo, Zhang Ying, Wu Chaoyang. Temporal and Spatial Variation of Vegetation Phenology in Temperate China and Its Impact on Gross Primary Productivity. Remote Sensing Technology and Application, 2019, 34(2): 377-388.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2019.2.0377 或 http://www.rsta.ac.cn/CN/Y2019/V34/I2/377

[1]	尹思阳, 吴文瑾, 李新武. 基于遥感和气象数据的东南亚森林动态变化分析[J]. 遥感技术与应用, 2019, 34(1): 166-175.
[2]	金点点, 宫兆宁. 基于Landsat 系列数据地表温度反演算法对比分析—以齐齐哈尔市辖区为例[J]. 遥感技术与应用, 2018, 33(5): 830-841.
[3]	冯姣姣, 王维真, 李净, 刘雯雯. 基于BP神经网络的华东地区太阳辐射模拟及时空变化分析[J]. 遥感技术与应用, 2018, 33(5): 881-889.
[4]	茹皮亚·西拉尔, 杨辽. 新疆棉花物候时空变化遥感监测及气温影响分析[J]. 遥感技术与应用, 2018, 33(5): 923-931.
[5]	郝斌飞，韩旭军，马明国，刘一韬，李世卫. Google Earth Engine在地球科学与环境科学中的应用研究进展[J]. 遥感技术与应用, 2018, 33(4): 600-611.
[6]	汪航，师茁. 基于MODIS时间序列数据的春尺蠖虫害遥感监测方法研究—以新疆巴楚胡杨为例[J]. 遥感技术与应用, 2018, 33(4): 686-695.
[7]	拉巴卓玛，次珍. 2002~2015年西藏雅鲁藏布江流域积雪变化及影响因子分析研究[J]. 遥感技术与应用, 2018, 33(3): 508-519.
[8]	张帅，师春香，梁晓，贾炳浩，吴捷. 风云三号积雪覆盖产品评估[J]. 遥感技术与应用, 2018, 33(1): 35-46.
[9]	郝建盛，张飞云，赵鑫，刘云霄，李兰海. 基于GRACE监测数据的伊犁—巴尔喀什湖盆地水储量变化特征及影响因素[J]. 遥感技术与应用, 2017, 32(5): 883-892.
[10]	孙晓，吴孟泉，何福红，张安定，赵德恒，李勃 . 2015年黄海海域浒苔时空分布及台风“灿鸿”影响研究[J]. 遥感技术与应用, 2017, 32(5): 921-930.
[11]	黎微微，胡斯勒图，陈洪滨，尚华哲. 利用MODIS资料计算不同云天条件下的地表太阳辐射[J]. 遥感技术与应用, 2017, 32(4): 643-650.
[12]	姜涛，朱文泉，詹培，唐珂，崔雪锋，张天一. 一种抗时序数据噪声的冬小麦识别方法研究[J]. 遥感技术与应用, 2017, 32(4): 698-708.
[13]	许青云，顾伟伟，谢涛，刘锐. 秸秆焚烧火点遥感监测算法实现[J]. 遥感技术与应用, 2017, 32(4): 728-733.
[14]	马敏娜，袁文平. 青藏高原总初级生产力估算的模型差异[J]. 遥感技术与应用, 2017, 32(3): 406-418.
[15]	唐志光，王建，王欣，彭焕华，梁继. 近15年天山地区积雪时空变化遥感研究[J]. 遥感技术与应用, 2017, 32(3): 556-563.

Viewed

Full text

Abstract

Cited

Shared

Discussed