馬勇剛，陳曦，牛新民，張馳

基于GIMMS與SPOT vegetation的中亞物候變化趨勢及對比

馬勇剛1,2，陳曦2，牛新民1，張馳2

1. 新疆科技發(fā)展戰(zhàn)略研究院，新疆 烏魯木齊 830011；2. 中國科學(xué)院新疆生態(tài)與地理研究所，新疆 烏魯木齊 830011

植被物候是反映生態(tài)系統(tǒng)受全球氣候變化影響的重要證據(jù)。作為生態(tài)與水資源系統(tǒng)最為脆弱的地區(qū)之一，中亞干旱區(qū)植被物候?qū)夂蜃兓捻憫?yīng)情況是當(dāng)前的全球環(huán)境變化研究熱點。文章以GIMMS和SPOT vegetation數(shù)據(jù)為基礎(chǔ)，在TIMESAT物候信息提取軟件的支持下，以動態(tài)閾值法提取了1982─2006年和1999─2012年中亞地區(qū)植被物候空間信息。結(jié)合Mann-Kendall趨勢分析方法，對中亞地區(qū)2個時期的植被開始期，停止期和生長季長度的3種典型物候參數(shù)的歷史變化情況和空間分布進(jìn)行識別；同時，通過二維散點圖和最小二乘一維線性回歸的統(tǒng)計分析方法，開展了對1999─2006年8年重疊期期間GIMMS和SPOT vegetation所提取的3種物候數(shù)據(jù)對比分析。結(jié)果表明：①中亞研究區(qū)在1982─2006年和1999─2012年2個分段時期沒有發(fā)生顯著的整體性植被物候變化，其未發(fā)生顯著性變化面積分別占研究區(qū)總面積的90%和95%；②農(nóng)作物種植區(qū)域是中亞地區(qū)植被物候發(fā)生顯著變化的主要區(qū)域；③對GIMMS與SPOT vegetation數(shù)據(jù)提取3種物候參數(shù)進(jìn)行空間相關(guān)性分析結(jié)果表明，GIMMS和SPOT vegetation在提取的物候數(shù)據(jù)存在差異，開始期，停止期和生長季長度的相關(guān)性分別為[0.36,0.56]，[0.32,0.49]和[0.28,0.45]，且植被覆蓋度高的區(qū)域要比覆蓋度低的區(qū)域差異小，這也說明了不同遙感數(shù)據(jù)源在中亞干旱區(qū)植被物候信息提取一致性較差，其原因可能尺度差異和土壤背景值的嚴(yán)重影響。

中亞；遙感；物候；GIMMS；SPOT vegetation

植物物候是反映環(huán)境條件對氣候變化響應(yīng)的最直觀、最敏感的生物指示器。近年來，遙感物候觀測因具有多時相、覆蓋范圍廣、空間連續(xù)、時間序列較長等特點，成為揭示植被動態(tài)對全球氣候變化響應(yīng)的重要手段。遙感技術(shù)的發(fā)展為在全球和大區(qū)域尺度，以及高緯度地區(qū)、高寒山區(qū)、沙漠和一些地形特別復(fù)雜，很難進(jìn)行地面實際植物調(diào)查或建立長期的監(jiān)測點的區(qū)域開展植被物候研究提供了可能性（Cleland等，2007）。國內(nèi)外學(xué)者已經(jīng)通過遙感手段對北美，歐洲，亞洲乃至全球開展了較為廣泛的研究（Delbart等，2005；Delbart等，2006；Menzel等，1999；Schwartz等，2000；Julien等，2009；)。亞洲中部干旱區(qū)是全球最大的非地帶性干旱區(qū)，是全球生態(tài)系統(tǒng)和水資源系統(tǒng)最脆弱的地區(qū)之一。氣候變化背景下中亞區(qū)域的生態(tài)環(huán)境問題已嚴(yán)重制約了中亞各國經(jīng)濟與社會的發(fā)展。中亞干旱區(qū)是當(dāng)前全球植被物候研究較為薄弱的區(qū)域，在植被物候變化、植被物候模型及物候與氣候變化的關(guān)系等方面的研究成果都非常有限。在中亞干旱區(qū)開展空間尺度植物物候研究對理解區(qū)域陸地生態(tài)系統(tǒng)對氣候變化響應(yīng)程度具有重要的意義。一些研究已經(jīng)對中亞地區(qū)植被物候變化開展了研究（Kariyeva等，2011；Lu等，2014），但由于中亞干展區(qū)土壤背景影響嚴(yán)重，物候驗證數(shù)據(jù)嚴(yán)重缺乏，而采用多種數(shù)據(jù)或多種方法綜合分析中亞干旱區(qū)植被物候區(qū)域變化的研究仍比較欠缺。

當(dāng)前開展遙感物候研究主要是通過以具有一定時間跨度和較高時間分辨率的遙感時間序列為數(shù)據(jù)支撐，當(dāng)前國內(nèi)外遙感物候研究的主要時間序列數(shù)據(jù)來源有4種（表1），其中AVHRR GIMMS時間跨度最大，但空間分辨率較粗；SPOT Vegetation，ENVISAT以及MODIS等空間分辨率有較顯著提高，但時間跨度較短。在干旱區(qū)由于植被覆蓋度低，土壤背景對植被光譜信號影響程度嚴(yán)重，不同的遙感數(shù)據(jù)在反映干旱區(qū)荒漠植被狀況也存在差異，已有的許多研究工作已經(jīng)對GIMMS和SPOT vegetation和MODIS等植被指數(shù)在反映植被年際變化特征（侯美亭等，2013），時空相關(guān)性

（Fensholt等，2012）等方面的研究，而對不同植被指數(shù)在進(jìn)行物候信息提取上的異同較少研究。

表1 長時間序列植被指數(shù)一覽表Table 1 long time series vegetation index

為綜合監(jiān)測中亞地區(qū)過去30年來物候變化狀況，本研究擬采用GIMMS數(shù)據(jù)和SPOT vegetation數(shù)據(jù)，獲取中亞干旱區(qū)在1982─2006年期間和1998─2012年期間的物候變化情況，嘗試獲取其空間變化情況和主要特征；同時嘗試對GIMMS和SPOT vegetation 2套數(shù)據(jù)在物候信息提取上存在的異同進(jìn)行提取，對2套數(shù)據(jù)在1999─2006年的8年重疊期的物候提取信息進(jìn)行對比，分析2種數(shù)據(jù)在反映中亞物候信息上的差異。

1 數(shù)據(jù)與方法

1.1研究區(qū)

本論文研究區(qū)范圍（圖1）包括中亞哈薩克斯坦、吉爾吉斯斯坦、烏茲別克斯坦、塔吉克斯坦、土庫曼斯坦和中國新疆，東西橫跨50°，南北橫跨20°，總面積約56×105km2。

圖1 研究區(qū)示意圖（中亞五國及中國新疆）Fig. 1 The plot of study area (Central Asia five country and Xinjiang, CHINA)

1.2GIMMS數(shù)據(jù)

GIMMS（Global Inventory Modeling and Mapping Studies）數(shù)據(jù)是由UMD根據(jù)NOAA7，9，11，14，16和17等系列衛(wèi)星搭載的AVHRR傳感器數(shù)據(jù)通過一系列定標(biāo)和地理校正過程開發(fā)的具有25 a時間跨度，16 d時間分辨率和8 km空間分辨率的NDVI數(shù)據(jù)集，通過下載和在IDL下批量解壓和裁剪，最終獲得研究區(qū)內(nèi)24景/年×25年，合計600景NDVI數(shù)據(jù)。

1.3SPOT vegetation 數(shù)據(jù)

SPOT vegetation數(shù)據(jù)為1998年4月─2012年 12月的SPOT vegetation逐旬NDVI數(shù)據(jù)。由歐洲聯(lián)盟委員會贊助的VEGETATION傳感器于1998年3月由SPOT-4搭載升空，從1998年4月開始接收用于全球植被覆蓋觀測的SPOT VGT數(shù)據(jù)，該數(shù)據(jù)由瑞典的Kiruna地面站負(fù)責(zé)接收，由位于法國Toulouse的圖像質(zhì)量監(jiān)控中心負(fù)責(zé)圖像質(zhì)量并提供相關(guān)參數(shù)（如定標(biāo)系數(shù)），最終由（Flemish Institute for Technological Research, Vito）VEGETATION影像處理中心（VEGETATION processing Centre, CTIV）負(fù)責(zé)預(yù)處理成逐日1 km全球數(shù)據(jù)。預(yù)處理包括大氣校正，輻射校正，幾何校正，生成了10 d最大化合成的NDVI數(shù)據(jù)。

SPOT vegetation數(shù)據(jù)按照全球區(qū)域劃分成不同大區(qū)，通過下載1999年─2012年N-ASIA和W-ASIA兩區(qū)域每年36期，共計1008景數(shù)據(jù)。通過比利時佛萊芒技術(shù)研究所開發(fā)的VGTExtract工具進(jìn)行批量鑲嵌和裁剪。最終完成研究區(qū)SPOT vegetation的處理工作。

1.4物候提取方法

從遙感植被指數(shù)時間序列數(shù)據(jù)中獲取植被物候參數(shù)的方法有很多(White等，2009)，但根據(jù)其原理可以主要分為3種：（1）閾值法（White等，1997）；（2）拐點法（Reed等，1994）；（3）曲線求導(dǎo)法（Zhang等，2003）。其中，曲線求導(dǎo)法則更適應(yīng)于多生長季地區(qū)，中亞干旱區(qū)以一年生植物為主，拐點法易受到融雪因素的干擾（Delbert等，2006）。采用閾值法能夠有效降低物候反演方法的不確定性對物候變化總體趨勢計算結(jié)果造成的影響（Kariyeva等，2011）。因此，本研究采用閾值法計算植被生長季開始期和停止期。

公式表示為：

式中：NDVIdoy為一年中的第doy天對應(yīng)的NDVI值，NDVImin為一年中NDVI最小值，NDVImax為一年中NDVI最大值。

1.5趨勢分析方法

Mann-Kendall是一種非參數(shù)統(tǒng)計檢驗方法，最初由Mann在1945年提出，后由Kendall和Sneyers進(jìn)一步完善，在長時間序列數(shù)據(jù)的趨勢檢驗和分析中得到了廣泛應(yīng)用，其優(yōu)點是不需要遵從一定的分布，也不受少數(shù)異常值的干擾，計算起來比較方便（Sen，1968；Helsel等，2006）。研究采用Man-Kendall（M-K）趨勢分析對GIMMS每個象元1982─2006

年25個數(shù)據(jù)值和SPOT vegetation每個象元1999─2012年25個數(shù)據(jù)值進(jìn)行計算，獲得研究區(qū)植被物候變化趨勢Z統(tǒng)計值，繼而獲取變化顯著的空間分布情況，并進(jìn)行相關(guān)的統(tǒng)計。

設(shè)有時間序列X

式3中：S為M-K相關(guān)系數(shù)，設(shè)各變量獨立同分布，則統(tǒng)計量S近似服從正態(tài)分布，其均值E(S)、方差Var(S)分別為：

式6中：q為序列中秩次相同的組數(shù)；tk為第k組秩次相同所包含觀測值的個數(shù)，當(dāng)樣本數(shù)量大于10時，用公式7來計算Z統(tǒng)計量：

Z統(tǒng)計量越大，則變化趨勢越顯著，其中±1.96和±2.58分別為正負(fù)向變化趨勢下P＜0.05和P＜0.01的臨界值。

2 結(jié)果與分析

2.11982─2006年變化情況

開始期：研究區(qū)內(nèi)植被開始期變化在空間上分布是不均勻，大部分地區(qū)的開始期的變化并不顯著（圖2）。其中開始期顯著提前并且提前幅度較高的地區(qū)主要是集中在土庫曼斯坦南部穆爾加布-捷詹綠洲耕作區(qū)、烏茲別克斯坦東南部澤拉夫尚河谷地的撒馬爾罕-布哈拉耕作區(qū)和塔什干綠洲地區(qū)以及費爾干納盆地、阿姆河下游土庫曼-烏茲別克斯坦的烏爾根奇地區(qū)，哈薩克斯坦北部和天山北坡部分區(qū)域也有小部分區(qū)域存在顯著提前區(qū)域。而開始期顯著推遲的地區(qū)則集中分布在新疆天山北坡以及塔里木盆地北緣綠洲區(qū)域。

圖2 1982─2006年中亞植被開始期、停止期和生長季長度MK趨勢分析(＊ P≤0.05，＊＊ P≤0.01)Fig. 2 M-K trend analysis for SOS ,EOS, LOS in Central Asia from 1982 to 2006 based on GIMMS data

停止期：與開始期相對比，植被停止期的變化趨勢則較為不同，其顯著變化的區(qū)域呈現(xiàn)零星分布，且面積和強度比開始期要小。研究區(qū)內(nèi)的大部分區(qū)域植被停止期的變化是不顯著的，只有少部分區(qū)域存在著顯著變化的情況。其中顯著推遲的區(qū)域

零星分布于在哈薩克北部和新疆北部區(qū)域，而停止期顯著提前的地區(qū)則零星分布在土庫曼斯坦和烏茲別克斯坦東部及塔吉克斯坦西部的綠洲耕作區(qū)域和天山北部綠洲耕作區(qū)區(qū)域。

生長季長度：受開始期和停止期變化影響，生長季長度的變化表現(xiàn)出較大的空間變異性。開始期顯著提前的區(qū)域，包括土庫曼斯坦南部穆爾加布-捷詹綠洲耕作區(qū)、烏茲別克斯坦東南部澤拉夫尚河谷地的撒馬爾罕-布哈拉耕作區(qū)和塔什干綠洲地區(qū)以及費爾干納盆地、和阿姆河下游土庫曼-烏茲別克斯坦的烏爾根奇等，生長期長度均有顯著延長，而生長季長度縮短的地區(qū)則主要分布在克孜勒庫姆沙漠東南地區(qū)和天山北坡綠周耕作區(qū)的部分區(qū)域。

2.21999─2012年變化情況

基于SPOT vegetation提取的1999─2012年的中亞干旱區(qū)開始期變化趨勢的空間分布情況（圖3）。

開始期顯著提前的區(qū)域主要是集中在哈薩克斯坦西部博斯坦庫姆沙地和雷恩沙漠，烏茲別克斯坦的卡拉庫姆沙漠及其與烏茲別克斯坦交界的烏爾根奇地區(qū)。而顯著推遲的區(qū)域則主要集中在新疆天山北坡西段及庫爾勒、庫車、阿克蘇等部分綠洲耕作區(qū)，烏茲別克斯坦的艾達(dá)湖與奇姆肯特地區(qū)，以及土庫曼斯坦的庫吉唐套山區(qū)和卡拉比爾高地。

整個中亞植被停止期在1999─2012年期間的分布情況說明，停止期顯著提前的區(qū)域主要還是集中在卡拉庫里沙漠區(qū)域，哈薩克斯坦西部博斯坦庫姆沙地以及新疆北部的部分區(qū)域。而顯著推遲的區(qū)域則主要分布在烏茲別克的艾達(dá)湖和塔什干區(qū)域，塔吉克斯坦南部庫爾干秋別部分區(qū)域，以及新疆南部喀什和葉爾羌流域。

綜合看來，研究區(qū)在1999─2012年期間的生長季長度發(fā)生顯著縮短的地區(qū)主要集中在哈薩克斯坦西部烏拉爾、土庫曼斯坦中部以及新疆天山北坡部分區(qū)域。而顯著延長地區(qū)主要集中在新疆阿爾泰山區(qū)北部。

2.3統(tǒng)計對比

對整體中亞區(qū)域1982─2006年期間3種物候參數(shù)的顯著性及非顯著性變化的區(qū)域面積比例（表2）進(jìn)行統(tǒng)計發(fā)現(xiàn)，90%的區(qū)域沒有發(fā)生顯著地變化；在存在顯著變化的地區(qū)：開始期顯著提前占6.19%，顯著推遲占3.21%，停止期顯著提前占3.38%，顯著推遲占5.04%，生長季長度顯著縮短占了2.78%，顯著延長占8.22%，這表明開始期提前、停止期推遲和整個生長季的延長在10%的顯著變化范圍內(nèi)是占主導(dǎo)地位的。

表2 1982─2006年物候顯著性變化比例統(tǒng)計Table 2 the proportion of phenological metrics change in 1982─2006

圖3 1999─2012年中亞植被開始期、停止期和生長季長度MK趨勢分析(＊P≤0.05，＊＊P≤0.01)Fig. 3 M-K trend analysis for SOS ,EOS, LOS in Central Asia from 1999 to 2012 based SPOT vegetation

而1999─2012年3種物候參數(shù)的發(fā)生顯著變化和未發(fā)生顯著變化的比例結(jié)果（表3）則說明：在1999─2012年期間，研究區(qū)95%以上的區(qū)域的開始

期和停止期沒有發(fā)生顯著地變化，93%以上的區(qū)域生長季長度沒有顯著變化。而在不到5%發(fā)生顯著變化的區(qū)域內(nèi)，開始期和停止期顯著提前的比例要多于顯著推遲的比例，最終生長季長度中發(fā)生顯著縮短的比例達(dá)到了5.27%，相對高于生長季長度中發(fā)生顯著延長的比例。

表3 3種物候參數(shù)1999─2012年變化情況Table 3 the proportion of phenological metrics change in 1999─2012

2.42種數(shù)據(jù)提取物候信息對比

已有研究表明，在不同的數(shù)據(jù)來源情況下，除非有可靠地匹配方法，否則直接對各種植被指數(shù)數(shù)據(jù)進(jìn)行分辨率融合來拓展時間跨度的做法是不可靠的（Fensholt等，2012；Song等，2010）?；诖它c，我們在利用不同數(shù)據(jù)源進(jìn)行植被物候信息的提取過程中，為了防止產(chǎn)生不可靠的結(jié)果，沒有將GIMMS和SPOT VEGETATION直接進(jìn)行空間分辨率的統(tǒng)一來增加時間跨度。但將二者提取的相同年度的空間物候數(shù)據(jù)進(jìn)行對比分析，有利于今后發(fā)展對不同遙感數(shù)據(jù)源的片段式分布進(jìn)行統(tǒng)一的解決方案。

同時，由于在物候反演方法和閾值的采用上存在一致，對比二者的物候反演數(shù)據(jù)也將有助于了解不同尺度下植被指數(shù)在反映植被物候信息上的差異。我們將SPOT與GIMMS所提取的各項物候數(shù)據(jù)進(jìn)行兩兩空間相關(guān)性分析。

開始期對比分析（圖4）可以看出，在利用GIMMS和SPOT 2套數(shù)據(jù)提取的開始期數(shù)據(jù)在二維散點圖上表現(xiàn)出一定的一致性，其相關(guān)系數(shù)在[0.36,0.56]區(qū)間范圍內(nèi)，而高頻次樣本點群趨近于1∶1的回歸斜率。同時由于受到大量離散點的影響，最小二乘斜率所擬合的回歸線均與高頻度的樣本點群相偏離，且斜率總是小于1。

利用GIMMS和SPOT 2套數(shù)據(jù)提取的停止期數(shù)據(jù)在二維散點圖（圖5）上表現(xiàn)出的一致性明顯較弱，其相關(guān)系數(shù)在[0.32,0.49]區(qū)間范圍內(nèi)。各年擬合的一維回歸線均與高頻度的樣本點群相偏離，高頻次樣本點群的分布沒有表現(xiàn)出與開始期相似的沿1∶1線的橢圓形分布。

生長季長度的散點圖（圖6）表現(xiàn)出GIMMS和SPOT提取的生長季長度沒有出現(xiàn)與開始期和停止期相似的高頻次的樣本群，整體樣本分布相對更加分散，各年的擬合斜率也處在[0.28,0.45]之間，低于開始期和停止期的擬合斜率的平均水平。

為進(jìn)一步分析GIMMS和SPOT提取的生長季開始期，停止期和生長季長度的差異情況，我們分析了1999年的開始期和停止期二維散點圖在影像空間上分布情況。

圖4 GIMMS和SPOT VEGETATION提取的開始期之間的線性回歸關(guān)系Fig. 4 Linear regression of SOS extract from NDVI of GIMMS and SPOT vegetation

利用不同色彩表示GIMMS與SPOT VEGETATION反演獲得的開始期和停止期的比率區(qū)間（圖7），藍(lán)色區(qū)域為二者的比值在[0.5,1]區(qū)間范圍，而紅色與綠色區(qū)域則為二者之間的比值＜0.5。這意味藍(lán)色區(qū)間為二者相關(guān)性較好，而紅色與綠色

區(qū)域相關(guān)性較差?？梢园l(fā)現(xiàn)，GIMMS和SPOT VEGETATION提取的開始期和停止期在研究區(qū)北部的以及新疆天山山區(qū)均存在較好的相關(guān)性，開始期差異主要分布在研究區(qū)中部的里海東岸博斯坦庫姆沙地、克孜勒庫姆沙漠以及薩雷耶西克阿特勞沙漠的區(qū)域；停止期差異則主要分布在土庫曼斯坦的卡拉庫姆沙漠和烏茲別克斯坦的克孜勒庫姆沙漠部分區(qū)域。這些結(jié)果說明二者在植被覆蓋較好的區(qū)域的相關(guān)性可能要高于在植被稀疏區(qū)域的相關(guān)。

圖5 GIMMS和SPOT vegetation提取的停止期之間的線性回歸關(guān)系Fig. 5 Linear regression of EOS extracted from NDVI of GIMMS and SPOT vegetation

圖6 GIMMS和SPOT vegetation提取的生長季長度回歸關(guān)系Fig. 6 Linear regression of LOS extracted from NDVI of GIMMS and SPOT vegetation

圖7 GIMMS與SPOT vegetation開始期（A）與停止期（B）二維散點在影像上的分布Fig. 7 The distribution in image for SOS(A) and EOS(B) 2D scatter plot

3 結(jié)論與討論

3.1討論

本研究所得出的中亞干旱區(qū)物候變化結(jié)論與

一些學(xué)者在相近或有重疊區(qū)域的研究結(jié)論有所不同。劉玲玲采用1981─1999年的GIMMS AVHRR NDVI數(shù)據(jù)得到歐亞大陸40～70°地區(qū)植被開始期提早了3.5 d/10a植被、生長季延長9.4 d/10a的結(jié)論（劉玲玲等，2012）；Delbert利用1982─2004年AVHRR和SPOT-VGT數(shù)據(jù)分析歐亞大陸北部50～72°N植物生長季節(jié)的變化（Delbert等，2006）時得出開始期平均提前3.5天；Lu等在利用30%作為動態(tài)閾值對中亞五國物候進(jìn)行線性回歸的趨勢分析則發(fā)現(xiàn)中亞地區(qū)農(nóng)作物生長提前明顯，而稀疏灌木休眠期推遲顯著（Lu等，2014）；而本文采用20%閾值法對2種不同數(shù)據(jù)源基礎(chǔ)上所得到的研究結(jié)果則顯示研究區(qū)內(nèi)顯著變化的區(qū)域主要集中在農(nóng)田區(qū)域。這意味著利用同種遙感數(shù)據(jù)在不同的分析方法下所得出的結(jié)果會產(chǎn)生較大差異。從變化顯著性分析來看，本研究對整個中亞五國及新疆研究區(qū)的分析反映出研究區(qū)的植被物候并未發(fā)生整體變化，這一結(jié)論與（Julien等，1999）在對1981─2003年全球植被物候顯著性分析結(jié)果中中亞部分的分布情況基本一致。

對比研究表明，利用GIMMS和SPOT植被指數(shù)數(shù)據(jù)提取的各項物候參數(shù)中，生長季開始期相關(guān)程度最好，而停止期和生長季長度相關(guān)性較差，這種區(qū)別可能與各種植被的開始期相對集中而停止期分布較為離散有關(guān)。利用二維散點圖識別二者相關(guān)性的空間分布情況發(fā)現(xiàn)植被覆蓋度高的區(qū)域要高于植被覆蓋度低的區(qū)域，然而，GIMMS和SPOT vegetation在本研究區(qū)內(nèi)的相關(guān)性要遠(yuǎn)低于（劉玲玲等，2012）研究中落葉林和草地時GIMMS與MODIS物候參數(shù)0.9的相關(guān)系數(shù)，這說明長時間序列遙感數(shù)據(jù)在對物候等植被狀況進(jìn)行監(jiān)測的過程中，對高覆蓋度植被區(qū)域的變化情況反映較為一致，但在干旱區(qū)等土壤背景影響較嚴(yán)重的低覆蓋植被區(qū)域，表現(xiàn)差異明顯，空間一致性較差。其原因一方面可能是由于不同傳感器特征、像元尺度、幾何校正和合成時間等的差異，另一方面可能是由于沙漠地區(qū)植被稀疏，土壤背景反射強烈，NDVI本身可靠性較差以及傳感器校正方法的不同造成的(劉玲玲等，2012；沙莎等，2013)；此外研究區(qū)特殊的氣候條件會造成植被生長或衰老迅速，繼而引起植被指數(shù)在短時劇烈變化，而由于在獲得地表植被覆蓋信息發(fā)生迅速變化的能力可能存在差異，同時近年來氣候波動和氣候變化引起的物候頻繁變化,也增加了物候過渡期遙感監(jiān)測結(jié)果的不確定性，最終造成了兩種數(shù)據(jù)的一致性減弱青（Du等，2014）。

3.2結(jié)論

本文采用動態(tài)閾值法，利用1982─2006年 GIMMS NDVI和1999─2012年SPOT vegetation 2種植被指數(shù)，提取了中亞干旱區(qū)植被物候參數(shù)，結(jié)果表明中亞干旱區(qū)在1982─2006年和1999─2012年2個時段分別有90%和95%的區(qū)域沒有發(fā)生顯著的整體性植被物候變化，在不到5%和10%的區(qū)域中發(fā)生顯著變化的主要是耕地。

由GIMMS和SPOT vegetation 2種數(shù)據(jù)提取的3種物候參數(shù)在8年重疊期的空間對比分析表明：基于動態(tài)閾值法由GIMMS和SPOT vegetation所提取的中亞干旱區(qū)植被開始期，停止期和生長季長度相關(guān)性分別為[0.36,0.56]，[0.32,0.49]和[0.28,0.45]，相關(guān)性程度從高到底依次為開始期、停止期和生長季長度；從二維空間分布上看，植被覆蓋度高的區(qū)域比植被覆蓋度低的區(qū)域相關(guān)性程度高。

CLELAND E E, CHUINE I, MENZEL A, et al. 2007. Shifting plant phenology in response to global change [J]. Trends in ecology & evolution, 22(7): 357-65.

DELBART N, KERGOAT L, LE TOAN T, et al. 2005. Determination of phenological dates in boreal regions using normalized difference water index [J]. Remote Sensing of Environment, 97(1): 26-38.

DELBART N, LE TOAN T, KERGOAT L, et al. 2006. Remote sensing of spring phenology in boreal regions: A free of snow-effect method using NOAA-AVHRR and SPOT-VGT data (1982—2004) [J]. Remote Sensing of Environment, 101(1): 52-62.

DU J Q, SHU J M, WANG Y H, et al. 2014. Comparison of GIMMS and MODIS normalized vegetation index composite data for Qinghai-Tibet Plateau [J]. Chinese Journal of Applied Ecology, 25(2): 533-544.

FENSHOLT R, PROUD S R. 2012. Evaluation of earth observation based global long term vegetation trends—Comparing GIMMS and MODIS global NDVI time series [J]. Remote sensing of Environment, 119: 131-147.

HELSEL D R, FRANS L M. 2006. Regional Kendall Test for Trend [J]. Environmental science & technology, 40(13): 4066-4073.

JULIEN Y, SOBRINO J A. 2009. Global land surface phenology trends from GIMMS database [J]. International Journal of Remote Sensing, 30(13): 3495-3513.

KARIYEVA J, VAN LEEUWEN W J D. 2011. Environmental Drivers of NDVI-Based Vegetation Phenology in Central Asia [J]. Remote Sensing, 3(2): 203-246.

LU L, GUO H, KUENZER C, et al. 2014. Analyzing phenological changes with remote sensing data in Central Asia[C].proceedings of the IOP Conference Series: Earth and Environmental Science, F. IOP Publishing.

MENZEL A, FABIAN P. 1999. Growing season extended in Europe [J]. Nature, 397(6721): 659.

REED B C, BROWN J F, VANDERZEE D, et al. 1994. Measuring phenological variability from satellite imagery [J]. Journal of vegetation science : official organ of the International Association for Vegetation Science, 5(5): 703-714.

SCHWARTZ M D, REITER B E. 2000. Changes in North American spring [J]. International Journal of Climatology, 20(8): 929-932.

SEN P K. 1968. Estimates of the Regression Coefficient Based on Kendall's Tau [J]. Journal of the American Statistical Association, 63(324): 1379-1389.

SONG Y, MA M, VEROUSTRAETE F. 2010. Comparison and conversion of AVHRR GIMMS and SPOT VEGETATION NDVI data in China [J]. International Journal of Remote Sensing, 31(9): 2377-2392.

WHITE M A, DE BEURS K M, DIDAN K, et al. 2009. Intercomparison, interpretation, and assessment of spring phenology in North America estimated from remote sensing for 1982─2006 [J]. Global Change Biology, 15(10): 2335-2359.

WHITE M A, THORNTON P E, RUNNING S W. 1997. A continental phenology model for monitoring vegetation responses to interannual climatic variability[J]. Global Biogeochem Cycles, 11(2): 217-234.

ZHANG X Y. MARK A F, Crystal B S. et al. 2003. Monitoring vegetation phenology using modis [J]. Remote Sensing of Environment, 84: 471-475.

侯美亭, 趙海燕, 王箏, 等. 2013. 基于GIMMS、VGT和MODIS的中國東部植被指數(shù)對比分析[J]. 遙感技術(shù)與應(yīng)用, 2013, 28(2): 290-299.

劉玲玲, 劉良云, 胡勇. 2012. 基于AVHRR和MODIS數(shù)據(jù)的全球植被物候比較分析[J]. 遙感技術(shù)與應(yīng)用, 27(5): 754-762.

沙莎, 郭鈮, 李耀輝, 等. 2013. 三套NDVI長時間序列植被指數(shù)的對比——以瑪曲為例[J]. 干旱氣象, 31(4): 657-665.

The Trend and Comparison of Vegetation Phenological Change in Central Asia Based GIMMS and SPOT Vegetation

MA Yonggang1,2, CHEN Xi2, NIU Xinmin1, ZHANG Chi2
1. Xinjiang Remote Sensing Center, Urumqi 830011, China 2. Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, China

Vegetation phenology is the most compelling evidence that ecosystems are being influenced by global climate change. The response of vegetation phenology on climate change in Central Asia, which is one of regions with the most fragile ecological and hydrological system, has become a hot issue in global environmental research worldwide. Based on GIMMS (Global Inventory Modeling and Mapping Studies) data from 1982 to 2006 and SPOT vegetation S10 data from 1998 to 2012, the vegetation phenology information was extracted by dynamic threshold method with Timesat phenology extract software. Mann-Kendall trend analysis method was used to assess spatial-temporal change trend of Start of Season (SOS), End of Season (EOS) and Length of Season (LOS). Moreover, combined the 2 d scatterplot and linear regression algorithm of least square, The three metrics in the overlapped 8 year was compared for examining the difference between two set of vegetation phenology data derived from GIMMS and SPOT vegetation. The result indicated that, (1) vegetation phenology characters in 90% and 95% area of Central Asia did not shown a significant change trend for 1982─2012; (2) agriculture land was found as a main land cover type with a significant change of SOS, EOS and LOS; (3) there are obvious difference between two set of phonological data based on GIMMS and SPOT vegetation; the range of correlation coefficients between tow set of SOS, EOS and LOS are [0.36,0.56]，[0.32,0.49] and [0.28,0.45], and in the area with sparse vegetation, two set of the three metrics show a lower consistency than the area with higher vegetation coverage. It suggested the consistency can be influenced by different scale and soil background.

Central Asia; remote sensing; phenology; GIMMS; SPOT vegetation

Q948

A

1674-5906（2014）12-1889-08

國家重大國際合作項目（2010DFA92720-18）

馬勇剛（1981年生），男，副研究員，博士，主要研究方向為環(huán)境遙感應(yīng)用研究。E-mail：thank5151@163.com

2014-09-09

馬勇剛，陳曦，牛新民，張馳. 基于GIMMS與SPOT vegetation的中亞物候變化趨勢及對比[J]. 生態(tài)環(huán)境學(xué)報, 2014, 23(12): 1889-1896.

MA Yonggang, CHEN Xi, NIU Xinmin, ZHANG Chi. The Trend and Comparison of Vegetation Phenological Change in Central Asia Based GIMMS and SPOT Vegetation [J]. Ecology and Environmental Sciences, 2014, 23(12): 1889-1896.