王志偉，吳曉東，岳廣陽，趙 林*，王 茜, 3，南卓銅，秦 彧，吳通華，史健宗，鄒德富, 2

1.青藏高原冰凍圈觀測研究站，冰凍圈科學(xué)國家重點實驗室，中國科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所，甘肅 蘭州 730020 2. 中國科學(xué)院大學(xué)，北京 100049 3. 貴州省農(nóng)業(yè)科學(xué)院貴州省草業(yè)研究所，貴州 貴陽 550006

基于光譜反演的青藏高原1982年到2014年植被生長趨勢分析

王志偉1, 2, 3，吳曉東1，岳廣陽1，趙 林1*，王 茜1, 3，南卓銅1，秦 彧1，吳通華1，史健宗1，鄒德富1, 2

1.青藏高原冰凍圈觀測研究站，冰凍圈科學(xué)國家重點實驗室，中國科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所，甘肅 蘭州 730020 2. 中國科學(xué)院大學(xué)，北京 100049 3. 貴州省農(nóng)業(yè)科學(xué)院貴州省草業(yè)研究所，貴州 貴陽 550006

植被在陸地碳循環(huán)和氣候系統(tǒng)中發(fā)揮著重要作用，近幾十年來眾多研究集中于分析植被生長狀況的動態(tài)變化。擁有大面積高海拔區(qū)域的青藏高原是“世界的第三極”，其植被生長狀況對全球變暖現(xiàn)象十分敏感。而由光譜的可見光紅波段和近紅外波段反演產(chǎn)生的NDVI，則是監(jiān)測植被生長狀況的最有效工具之一。通過一元線性回歸模型，在青藏高原地區(qū)利用2000年到2014年的MODIS資料將GIMMS NDVI數(shù)據(jù)集從1982到2006年的時間序列擴(kuò)展至2014年。相比已有的研究，因考慮了尺度變化引起的殘差，NDVI擴(kuò)展數(shù)據(jù)集的精度得到進(jìn)一步提高。該方法可以為今后不同NDVI數(shù)據(jù)集耦合提供一種新的思路。利用1982年到2014年的NDVI新數(shù)據(jù)集可以發(fā)現(xiàn)以下結(jié)果： 青藏高原植被生長季的生長存在明顯的增長趨勢(0.000 4 yr-1,r2=0.585 9,p<0.001)，春、夏和秋季的增長率分別為0.000 5(r2=0.295 4，p=0.001)，0.000 3(r2=0.105 3，p=0.065)和0.000 6(r2=0.436 7，p<0.001)。因高原植被生長，促進(jìn)該區(qū)域碳積累效應(yīng)，故青藏高原植被在1982到2014年間是一個穩(wěn)定的碳吸收區(qū)。結(jié)合高原溫度和降水資料分析植被生長狀況增長的原因，雖二者都具有增長趨勢，不過生長季及春、夏和秋季的NDVI變化狀況同溫度的相關(guān)性顯著高于降水。在空間分布上，各區(qū)域植被增長趨勢同溫度、降水變化都具有明顯的空間異質(zhì)性。

植被變化； 青藏高原； NDVI； 溫度； 降水

引 言

從18世紀(jì)中葉至今，全球大氣層中CO2的濃度一直在顯著增長，造成這種現(xiàn)象的主要原因除了化石燃料的燃燒和工業(yè)生產(chǎn)中的排放，陸地、海洋和大氣之間的碳交換過程也占據(jù)其極大比重，目前有關(guān)陸地碳匯數(shù)量和時空分布動態(tài)狀況的研究已經(jīng)越來越受到關(guān)注[1]。植被不僅通過生物量的增長來固定碳，也因其粗糙度、反照率、蒸騰和蒸散等特性，能夠調(diào)節(jié)氣候的變化。因此，監(jiān)測植被生長并分析其變化緣由，已經(jīng)成為全球變化研究中的一個重要領(lǐng)域[1]。

氣候變化對全球陸地生態(tài)系統(tǒng)的意義深遠(yuǎn)。青藏高原作為“世界第三極”，具有日照強(qiáng)、溫度低、氣壓低等獨特的地理、氣候特點[2]，其植被對全球氣候變化的響應(yīng)尤為敏感[3]。目前，針對氣候變化的植被趨勢分析方法主要利用兩種數(shù)據(jù)： 第一種是野外植被調(diào)查資料，該方法耗時耗力，不適宜應(yīng)用于大面積區(qū)域的植被研究； 另一種是遙感產(chǎn)品，憑借其大面積重復(fù)觀測的特點，已越來越廣泛的應(yīng)用于多學(xué)科研究中。其中最具代表性的數(shù)據(jù)集，正是能夠反應(yīng)植被光合作用的歸一化植被指數(shù)(normalized difference vegetation index, NDVI)產(chǎn)品。它是紅外波段與近紅外波段的比率(單位為無量綱，數(shù)值在0～1之間)，同植被吸收的光合有效輻射具有極強(qiáng)的相關(guān)性，常被作為代表植被生長狀況或者生物量等的遙感參數(shù)[4]，其計算方式如下所示

NDVI=(NIR-red)/(NIR+red)

(1)

式中NIR表示近紅外波段，red代表紅波段。成熟的NDVI產(chǎn)品主要包括以下幾種：MODIS(moderateresolutionimagingspectroradiometer)NDVI,SPOT(satellitepourobservationterre)NDVI,AVHRR(advancedveryhighresolutionradiometer)GIMMS(globalinventorymonitoringandstudies)NDVI和TM(thematicmapper)NDVI。然而，單一的NDVI產(chǎn)品在時間序列上存在限制。MODISNDVI獲取時間從2000年開始。常用的SPOTNDVI則多從1998年后獲取。GIMMSNDVI-2g的區(qū)間為1981到2006年，之后的GIMMSNDVI-3g也只將時間序列擴(kuò)展到2012年。雖然TMNDVI具有足夠長的時間序列，但由于受云層厚度的影響而存在嚴(yán)重的缺失，進(jìn)而制約其對穩(wěn)定長時間植被生長趨勢的分析。因此，有必要結(jié)合兩種或者兩種以上的NDVI，完成更長時間序列的產(chǎn)品，以應(yīng)用于植被生長趨勢研究，進(jìn)而分析氣候變化同植物生長的關(guān)系，同時為以后長時間植被序列產(chǎn)品的分析提供依據(jù)。

基于此，以GIMMSNDVI-2g產(chǎn)品為例，通過一元線性回歸預(yù)測模型，利用MODISNDVI重采樣數(shù)據(jù)對其進(jìn)行擴(kuò)展，首先將其從1982到2006年的時間尺度擴(kuò)展到2014年。隨后，利用擴(kuò)展后的產(chǎn)品闡述了青藏高原植被植物生長季及春、夏、秋三個季節(jié)的生長變化趨勢，并分析了該區(qū)域溫度、降水的變化趨勢同植物生長狀況的相互關(guān)系。目的是通過分析青藏高原植被對氣候的響應(yīng)，為全球氣候變暖背景下高原植被適應(yīng)性對策提供基礎(chǔ)的科學(xué)理論依據(jù)。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)概況

青藏高原包括西藏藏族自治區(qū)和青海省的全部，新疆維吾爾自治區(qū)、甘肅、四川和云南省的部分區(qū)域。其平均海拔在4 000m以上，面積約為2.57×106km2，該區(qū)域分布廣袤的山川、山脈。植被類型包括草地、森林和灌木等[5]，植物生長季從4月份開始到10月份結(jié)束[3]。

1.2 數(shù)據(jù)來源及處理

NDVI資料包括兩種： 來源于美國馬里蘭大學(xué)的GLCF項目組(UniversityofMaryland,GlobalLandCoverFacility)的GIMMSNDVI-2g和NASA的MOD13A3-v005。以上兩種NDVI產(chǎn)品都是通過NDVI最大合成法計算得到，經(jīng)過大氣、幾何校正[1]。

GIMMSNDVI選取1982年1月到2006年12月，時間分辨率為半月尺度，每個月份前半個月產(chǎn)生一個產(chǎn)品，當(dāng)月16日到28、30或31日的時間間隔內(nèi)生成另一個產(chǎn)品，一年共24個產(chǎn)品，空間分辨率為8km×8km。月尺度數(shù)據(jù)通過最大合成法計算得到，每月的NDVI值選取該月兩個半月數(shù)據(jù)中的最大值作為最終結(jié)果。

MOD13A3-v005數(shù)據(jù)選取2000年2月到2014年10月的范圍，時間分辨率為月尺度，空間分辨率為1km×1km，版本v005[6]數(shù)據(jù)可以滿足本研究需要。為匹配GIMMSNDVI的空間分辨率，將其重采樣至8km×8km。為避免水體等因素對植被生長趨勢的影響，兩種產(chǎn)品都剔除了小于零的象元值。

氣象資料選取東英吉利亞大學(xué)的CRU-TS(ClimaticResearchUnittime-series)月尺度數(shù)據(jù)產(chǎn)品，最新版本為v3.22[7]。時間范圍選取1982年到2013年，氣象要素選取溫度和降水。

因其空間分辨率為0.5°，通過最鄰近法將其尺度重采樣為8km×8km以匹配NDVI數(shù)據(jù)[3]。

1.3 研究方法

青藏高原的植被生長季為每年的四月到十月，根據(jù)已有研究[1]： 該區(qū)域春季為四月和五月，夏季為六月、七月和八月，秋季為九月和十月。每個生長季及春、夏和秋季的NDVI、溫度和降水?dāng)?shù)值以月平均值計算。

雖然GIMMS和MODISNDVI紅波段和近紅外波段的波長范圍不同，不過在2000年到2006年之間，二者存在一段數(shù)據(jù)重疊期，并且變化趨勢基本相似。GIMMSNDVI在2000年到2006年生長季有每年0.001 4的增長(r2=0.574 2，p=0.048)，MODIS NDVI在同一時間間隔每年有0.002 2的增長(r2=0.643 3，p=0.030)。已有研究[8]指出在不同的遙感產(chǎn)品之間存在確定的相關(guān)關(guān)系。因此通過兩種NDVI產(chǎn)品重疊期的相關(guān)關(guān)系，可以利用一元線性回歸預(yù)測模型將GIMMS和MODIS兩種NDVI產(chǎn)品整合到一起[9]，其具體計算公式如下

NDVIgi=a+bNDVImi+εi

(2)

b=∑i(NDVIgi-MODave)(NDVIgi-AVHave)/

∑i(NDVImi-MODave)

i=1, 2, 3, …,n

(3)

a=AVHave-bMODave

(4)

式中，a和b代表線性回歸中的參數(shù)；εi是2000年2月到2006年12月第i個月的殘差，主要來源于MODIS NDVI尺度變化； NDVIgi和NDVImi分別代表第i個月GIMMS 和MODIS的NDVI值； AVHave和MODave則分別為2000年2月到2006年12月GIMMS和MODIS的NDVI平均值，n為2000年2月到2006年12月期間的所有月份數(shù)量總和。其中εi通過以下公式計算得出

a+bNDVImi=NDVIlri

(5)

εi=NDVIgi-NDVIlri

(6)

εave=∑i(εi) /ni=1, 2, 3, …,n

(7)

式中，NDVIlri是用于計算的中間過渡產(chǎn)品，n為2000年2月到2006年12月期間的所有月份數(shù)量總和，εave是2000年2月到2006年12月的平均殘差。最終，通過式(8)計算獲得2007到2014年擴(kuò)展后的GIMMS NDVI數(shù)據(jù)集，如下所示

NDVIcj=NDVIlri+εave=a+bNDVImj+εave

(8)

其中，NDVIcj表示2006年之后擴(kuò)展的第j個月NDVI影像，NDVIlri是用于計算的中間過程影像，是第j個月的MODIS NDVI影像，參數(shù)a，b和εave由式(2)—式(7)計算獲得。

驗證通過2000到2006年間，擴(kuò)展后的NDVI和原始GIMMS NDVI計算得到，此處選取該時間區(qū)段內(nèi)NDVI最小的2005年三月和最高的2002年8月，驗證參數(shù)包括以下三種

r2=[∑i(GNi-GNiave)(CNi-CNiave)]2/

[∑i(GNi-GNiave)2]×

[∑i(CNi-CNiave)2]i=1, 2, 3, …,n

(9)

B=∑i(GNi)/∑i(CNi)-1i=1, 2, 3, …,n

(10)

RMSE=[∑i(CNi-GNi)2/n]1/2i=1, 2, 3, …,n

(11)

式中，i是象元序列號，n是象元總個數(shù)，GNi和CNi指原始GIMMS和擴(kuò)展后的NDVI第i個象元值，GNiave和CNiave分別是GN是CN影像的平均值。其中，r2代表相關(guān)系數(shù)，原始GIMMS和擴(kuò)展后的NDVI越相關(guān)，其數(shù)值越接近1。B為擴(kuò)展后的NDVI值相比原始數(shù)據(jù)高估或者低估的具體數(shù)據(jù)。RMSE是均方根誤差(root mean square error)，反應(yīng)擴(kuò)展后NDVI的偏差。

最后，用于說明植物生長、溫度、降水等因子的趨勢(slope)通過下面的公式統(tǒng)計

Slope=[n×∑i(i×Aiave)-∑i(i)×(∑iAiave)]/

{n×∑i(i2)-[∑i(i)]2}i=1, 2, 3, …,n

(12)

式中，slope是特定因子的趨勢，Aiave是該因子在i年間的平均值，n為研究時段的年份總和。

2 結(jié)果與分析

2.1 青藏高原1982—2014年擴(kuò)展后NDVI數(shù)據(jù)集及其精度評價

僅將MODIS NDVI重采樣成8 km×8 km的分辨率，存在低估GIMMS NDVI數(shù)值的現(xiàn)象，如圖1所示。因此需要結(jié)合式(2)—式(7)的方法完成擴(kuò)展，具體過程以隨機(jī)選取的2005年8月份NDVI數(shù)據(jù)的生成為例說明。

Fig.1 The consistency between GIMMS (8 km resolution) and resampled MODIS (8 km resolution) average annual NDVI from 2000 to 2006

Fig.2 Overview of the constructing results (the sampling NDVI imaging time is August 2005)

NDVI-lr is a transition product using constructed algorithm in a low resolution with residuals, NDVI mean residuals is a mean residuals imagine from 2000 to 2006, and NDVIc is the constructed GIMMS NDVI result, all maps have a resolution of 8 km

圖2(a)展示的NDVI分布狀況是該月MODIS重采樣為8 km×8 km后的結(jié)果。然后使用式(2)—式(5)計算得到研究區(qū)該月中間過渡數(shù)據(jù)，如圖2(b)所示。計算殘差時，利用式(6)將圖2(c)中該月GIMMS NDVI同圖2(b)中的過渡數(shù)據(jù)相減得到，結(jié)果如圖2(d)所示。接著，通過式(7)可以計算2000年2月到2006年12月整體的NDVI平均殘差[圖2(e)所示]。最終，在得到平均殘差[圖2(e)]的基礎(chǔ)上，利用式(8)計算2006年12月之后每一個月的擴(kuò)展NDVI產(chǎn)品。其中，圖2(f)為擴(kuò)展后2005年8月份NDVI結(jié)果，該結(jié)果僅作為方法示例中的展示，并不參與NDVI趨勢分析。

擴(kuò)展后的NDVI相比重采樣后的MODIS數(shù)據(jù)同GIMMS NDVI具有更好的相關(guān)關(guān)系，擴(kuò)展后的NDVI同GIMMS產(chǎn)品的相關(guān)系數(shù)為0.897(p<0.001)。同時擴(kuò)展后的數(shù)據(jù)集具有更高的精度，如圖2(e)所示，雖然平均殘差的數(shù)值較小(大部分區(qū)域為-0.05～0.05之間)，不過它可以解釋因尺度變化效應(yīng)帶來的部分誤差。

雖然利用式(8)獲取的2000年2月到2006年12月NDVI影像，未應(yīng)用于植被生長趨勢分析。不過，因擴(kuò)展后的產(chǎn)品同原始GIMMS NDVI存在重疊，故在此區(qū)段選取影像同原GIMMS數(shù)據(jù)對比分析其精度。選擇NDVI值的月平均(2000年2月到2006年12月)、最小月(2005年3月)和最大月(2002年8月)結(jié)果，結(jié)合式(9)—式(11)進(jìn)行評價。三種評價因子都顯示出(如表1所示)，擴(kuò)展計算后的NDVI相比MODIS重采樣后的結(jié)果明顯更具有優(yōu)勢。

Table 1 Validation results of the mean, lowest (March 2005) and highest (August 2002) NDVI by reconstructing

NDVIcNDVIlrResampledMODISNDVImeanr×r(-)0.91270.89260.8112Bias(-)0.04130.0507-0.1261RMSE(-)0.02360.03600.0873Marchr×r(-)0.84310.82010.66042005Bias(-)0.06630.07800.1568RMSE(-)0.03680.04830.0933Augustr×r(-)0.88150.83940.7635 2002Bias(-)-0.0447-0.04920.0857RMSE(-)0.08190.09410.1259

Note: NDVIc and NDVIlr reconstructed data sets without and with residuals respectively

2.2 NDVI反演植被生長趨勢狀況

青藏高原植被生長趨勢狀況由式(12)計算得到，其結(jié)果如圖3所示。1982年到2014年之間，NDVI每年的增長率為0.000 4(r2=0.585 9，p<0.001)，除1988年，1990年和1994年有異常增大，2001年和2008年有異常減小現(xiàn)象外，整體表現(xiàn)穩(wěn)定的增長趨勢。其中最大值出現(xiàn)在2007年。春季NDVI年增長率為0.000 5(r2=0.295 4，p=0.001)，夏季年增長率為0.000 3(r2=0.105 3，p=0.065)，而秋季年增長率為0.000 6(r2=0.436 7，p<0.001)。整體上NDVI的生長趨勢都表現(xiàn)增加的現(xiàn)象，如圖3(b)—(d)所示。不過與生長季植被生長狀況最相關(guān)的季節(jié)為夏季0.446 5(p<0.001)，之后是秋季0.404 2(p<0.001)和春季0.392 0(P<0.001)。

2.3 植被生長與氣候因子的關(guān)系

CRU-TS數(shù)據(jù)只更新至2013年12月，因此圖3中溫度和降水的趨勢只能分析到2013年。在1982到2013年之間，溫度在植被生長季及春、夏和秋季存在極強(qiáng)的增長趨勢，而且溫度的增長趨勢顯著性明顯高于降水，如圖3(a)—(d)中顯示。

其中，整個生長季NDVI同溫度的相關(guān)性(r2=0.546 8，p<0.001)明顯高于降水(r2=0.087 4，p=0.100)。春季溫度同NDVI的相關(guān)性(r2=0.320 4，p=0.001)高于降水(r2=0.091 5，p=0.092)。夏季溫度同NDVI的相關(guān)性(r2=0.291 7，p=0.001)高于降水(r2=0.005 2，p=0.696)。同樣，在秋季蚊度同NDVI的相關(guān)性(r2=0.239 1，p=0.005)也高于降水(r2=0.017 3，p=0.473)。

2.4 植被生長趨勢與氣候因子變化趨勢的空間差異性

雖然青藏高原NDVI、溫度和降水在1982到2013年生長季及春、夏和秋季都存在增長的趨勢，不過在空間分布上卻存在明顯的異質(zhì)性(圖4所示)。在整個植被生長季，植被生長狀況大多數(shù)區(qū)域表現(xiàn)出增長趨勢，如圖4(a)所示。在整個區(qū)域溫度都顯示出增長趨勢的情況下[如圖4(b)]，植被生長狀況增長的區(qū)域同降水的增長區(qū)域比較接近，如圖4(c)所示。

相比其他時期，春季的植被生長狀況有一個顯著的不同點，位于青藏高原中部的植被生長狀況明顯有下降的趨勢，如圖4(d)所示。在此期間，其溫度在中部區(qū)域增長也較快(圖4E)。但是其降雨變化狀況基本同整個生長季相似，如圖4(f)。

如圖4(i)所示，夏季降水增加速度超過0.5 mm·yr-1的區(qū)域廣泛分布于青藏高原中部和東部區(qū)域，而春、秋季的降水趨勢分布狀況中僅有很少部分區(qū)域增幅超過這個數(shù)值。不過在降水和溫度[圖4(h)]同時增長的趨勢下，草原生長狀況表現(xiàn)增長，而位于青藏高原東南部的森林區(qū)植被生長狀況卻存在減少的趨勢。

秋季，高原東北區(qū)域的植被生長處于明顯增長的狀況，許多區(qū)域的增長率甚至超過0.002 0 yr-1，如圖4(j)所示。而此區(qū)域的溫度卻呈現(xiàn)下降趨勢[圖4(k)]，此時植被生長趨勢增長可能是受降水增加影響，如圖4(l)所示。在東南區(qū)域的植被增長則表現(xiàn)相反的特點，與降水負(fù)相關(guān)，而與溫度正相關(guān)。

3 討 論

因為MODIS NDVI和AVHRR NDVI象元值存在0.100的偏差[9]，所以重采樣后的MODIS數(shù)據(jù)并不能直接用于長時間序列的研究。將MODIS和GIMMS NDVI數(shù)據(jù)進(jìn)行了整合，最終將NDVI的時間序列擴(kuò)展為1982年到2014年。MAO[9]利用一元線性回歸模型分析了中國東北的NDVI變化狀況，本研究在此模型基礎(chǔ)上加入因尺度變化引起的殘差，精度進(jìn)一步的提高(表1)。

Fig.3 Inter-annual variations of NDVI, temperature and precipitation in Qinghai-Tibet Plateau of (a) growing season (April—October); (b) spring season (April and May); (c) summer season (June—August) and (d) autumn season (September and October)

擴(kuò)展后的青藏高原NDVI產(chǎn)品在1982到2014年的增長率為0.000 4(p<0.001)。同時，Piao[1]點明在歐亞大陸尺度上，NDVI從1982到2006年之間，每年有0.0050(p=0.03)的增長； Jian[10]在青藏高原尺度上指出從1982到2003年間，NDVI增長為0.000 5 yr-1(p=0.007)。因此，以上研究都說明青藏高原的NDVI在增長，植被生長情形則處于逐步轉(zhuǎn)好狀況。

已有研究表明，植被生長狀況的變化主要是由氣候變化引起[11]。整體上，青藏高原的植被狀況在生長季與春、夏、秋季都有明顯的增長現(xiàn)象。同時，溫度和降水也存在相似的升高和增加。不過，溫度作為各季的主導(dǎo)因子明顯同NDVI的相關(guān)性高于降水，與Dragoni[12]的結(jié)論即溫度變化在植被生長返青期和枯黃期發(fā)揮出巨大作用一致。通過圖3(a)中的NDVI、溫度和降水年度變化曲線可知，青藏高原NDVI從1982到2014年之間有4個異常年份，分別為1988，1994，2001和2008年。同時圖3也說明，相比降雨，NDVI發(fā)生突變的年份與氣溫更相似。在生長季尺度上，NDVI值在1988年和1994年增高時，溫度也在增高； NDVI值在2001和2008年減少時，溫度同樣也在減少。此外，由春季和秋季溫度增長引起的植物生長期延長現(xiàn)象[13]，會產(chǎn)生碳在植物體內(nèi)的積累增加[14]。因此，在1982到2014年之間青藏高原地區(qū)的植被是全球變化中一個重要的碳匯。

Fig.4 Trends of NDVI, temperature and precipitation in Qinghai-Tibet Plateau from 1982 to 2013

(a): NDVI in growing season; (b): Temperature in growing season; (c): Precipitation in growing season; (d): NDVI in spring season; (e): Temperature in spring season; (f): Precipitation in spring season; (g): NDVI in summer season; (h): Temperature in summer season; (i): Precipitation in summer season; (j): NDVI in autumn season; (k): Temperature in autumn season; (l): Precipitation in autumn season

在空間分布上，青藏高原植被生長趨勢同溫度和降水的變化趨勢存在明顯的差異性。植物生長季中，溫度除在東北部一小片區(qū)域呈減小趨勢，在整個高原都表現(xiàn)出增長[圖4(b)]。而此時植被生長的增長趨勢空間分布狀況就同降水增長趨勢的分布比較相似，如圖4(a)和(c)所示。植被生長減少的區(qū)域為高原西北部，降水趨勢在該區(qū)域為無增長。這也說明在滿足主導(dǎo)因子溫度增加的前提下，植被生長在很大程度上受降水作用的影響。春季[圖4(d)]，高原中下部區(qū)域植物生長狀況表現(xiàn)明顯的減少趨勢，而在其他季節(jié)該區(qū)域的植被生長狀況以增長為主，這也是引起春季同生長季NDVI相關(guān)性低的原因。這可能由于春季溫度在中部區(qū)域增長過快所致[圖4(e)]。值得注意的是，在夏季溫度[圖4(h)]和降雨[圖4(i)]都增加的情況下，草原生長情況變好，但是東南部森林區(qū)存在減少的趨勢，這與Fensholt[15]在全球尺度上分析NDVI變化趨勢相一致。

4 結(jié) 論

結(jié)合MODIS和GIMMS NDVI產(chǎn)品，發(fā)現(xiàn)青藏高原在1982年—2014年間生長季及春、夏、秋各季植被都有顯著的增加，這可能導(dǎo)致高原植被生態(tài)系統(tǒng)在過去的幾十年中的碳積累效應(yīng)增加。此外，分析溫度和降水資料同NDVI的相關(guān)性后發(fā)現(xiàn)，高原植被生長變化的主導(dǎo)因子是溫度。因此，在考慮青藏高原地區(qū)的碳的源匯效應(yīng)時，植被在其變暖的過程中發(fā)揮的效應(yīng)應(yīng)該給予重視。不過，植被生長趨勢同溫度和降水的變化趨勢同樣存在明顯的空間異質(zhì)性。在生長季，研究區(qū)域在滿足溫度增長的前提下，植被增長區(qū)域同降水增加區(qū)域相似。春季，在高原中西部區(qū)域植被生長狀況甚至同溫度出現(xiàn)了負(fù)相關(guān)。同時，夏季草原植被生長增加，而森林則表現(xiàn)為植被生長趨于減少狀況。

[1] Piao S L, Wang X H, Ciais P, et al. Global Change Biology, 2011, 17: 3228.

[2] ZHANG Xue-fei, ZHENG Mian-ping(張雪飛，鄭綿平). Spctroscopy and Spectral Analysis(光譜學(xué)與光譜分析), 2014, 34(10): 3119.

[3] Che M L, Chen B Z Innes J L, et al. Agricultural and Forest Meteorology, 2014, 189: 81.

[4] Jia S F, Zhu W B, Lu A F, et al. Remote Sensing of Environment, 2011, 115: 3069.

[5] YE Hui, WANG Jun-bang, HUANG Mei, et al(葉 輝, 王軍邦, 黃 玫, 等). Chinese Journal of Plant Ecology(植物生態(tài)學(xué)報), 2013, 36: 1237.

[6] Román M O, Schaaf C B, Woodcock C E, et al. Remote Sensing of Environment, 2009, 113: 2476.

[7] Harris I, Jones P D, Osborn T J, et al. International Journal of Climatology, 2013, 34: 623.

[8] Immerzeel W W, Rutten M M, Droogers P. Remote Sensing of Environment, 2009, 113: 362.

[9] Mao D H, Wang Z M, Luo L, et al. International Journal of Applied Earth Observation and Geoinformation, 2012, 18: 528.

[10] Peng J, Liu Z H, Liu Y H, et al. Ecological Indicators, 2012, 14: 28.

[11] Angert A, Biraud S, Bonfils C, et al. Proceedings of the National Academy of Sciences, 2005, 102: 10823.

[12] Dragoni D, Schmid H P, Wayson C A, et al. Global Change Biology, 2011, 17: 886.

[13] Richardson A D, Andy B T, Ciais P, et al. Philosophical Transactions of the Royal Society B: Biological Sciences, 2010, 365: 3227.

[14] Piao S, Ciais P, Friedlingstein P, et al. Nature, 2008, 451: 49.

[15] Fensholt R, Proud S R. Remote Sensing of Environment, 2012, 119: 131.

*Corresponding author

Spatial and Temporal Variations in Spectrum-Derived Vegetation Growth Trend in Qinghai-Tibetan Plateau from 1982 to 2014

WANG Zhi-wei1,2,3, WU Xiao-dong1, YUE Guang-yang1, ZHAO Lin1*, WANG Qian1, NAN Zhuo-tong1, QIN Yu1,WU Tong-hua1, SHI Jian-zong1, ZOU De-fu1，2

1. Cryosphere Research Station on the Qinghai-Tibet Plateau, State Key Laboratory of Cryosheric Sciences, Cold and Arid Regions Environmental and Engineer Research Institute, Chinese Academy of Sciences, Lanzhou 730020, China 2. University of Chinese Academy of Sciences, Beijing 100049, China 3. Guizhou Institute of Prataculture, Guizhou Academy of Agricultural Sciences, Guiyang 550006, China

Recently considerable researches have focused on monitoring vegetation changes because of its important role in regulating the terrestrial carbon cycle and the climate system. There were the largest areas with high-altitudes in the Qinghai-Tibet Plateau (QTP), which is often referred to as the third pole of the world. And vegetation in this region is significantly sensitive to the global warming. Meanwhile NDVI dataset was one of the most useful tools to monitor the vegetation activity with high spatial and temporal resolution, which is a normalized transform of the near-infrared radiation (NIR) to red reflectance ratio. Therefore, an extended GIMMS NDVI dataset from 1982—2006 to 1982—2014 was presented using a unary linear regression by MODIS dataset from 2000 to 2014 in QTP. Compared with previous researches, the accuracy of the extended NDVI dataset was improved again with consideration the residuals derived from scale transformation. So the model of extend NDVI dataset could be a new method to integrate different NDVI products. With the extended NDVI dataset, we found that in growing season there was a statistically significant increase (0.000 4 yr-1,r2=0.585 9,p<0.001) in QTP from 1982 to 2014. During the study period, the trends of NDVI were significantly increased in spring (0.000 5 yr-1,r2=0.295 4，p=0.001), summer (0.000 3 yr-1,r2=0.105 3，p=0.065) and autumn respectively (0.000 6 yr-1,r2=0.436 7，p<0.001). Due to the increased vegetation activity in Qinghai-Tibet Plateau from 1982 to 2014, the magnitude of carbon sink was accumulated in this region also at this same period. Then the data of temperature and precipitation was used to explore the reason of vegetation changed. Although the trends of them are both increased, the correlation between NDVI and temperature is higher than precipitation in vegetation growing season, spring, summer and autumn. Furthermore, there is significant spatial heterogeneity of the changing trends for NDVI, temperature and precipitation at Qinghai-Tibet Plateau scale.

Vegetation change; Qinghai-Tibet plateau; NDVI; Temperature; Precipitation

Dec. 12, 2014; accepted Apr. 5, 2015)

2014-12-12，

2015-04-05

國家重大科學(xué)研究計劃項目(2013CBA01803)，國家自然科學(xué)基金面上項目(41471059)，國家自然科學(xué)青年基金項目(41101055)資助

王志偉，1983年生，中國科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所博士研究生 e-mail: wzw1206@163.com *通訊聯(lián)系人 e-mail： linzhao@lzb.ac.cn

TP75

A

10.3964/j.issn.1000-0593(2016)02-0471-07