-
地表植被物候是全球气候变化的敏感指示器[1-2]，其年际变化强烈地影响全球生态系统的碳平衡以及氮和水循环[3-4]。在全球变暖的趋势下，过去30年全球和区域范围的植被物候特别是春季物候，已经发生了明显的变化。植被物候的研究不仅有助于加深对植被-气候变化关系的理解，而且对于人类未来应对全球气候变化等方面具有重要意义。因此，植被物候变化及其对气候变化的响应越来越引起生态和环境研究学者的关注[5]。
过去几十年，遥感技术和计算机的快速发展，为植被物候的宏观研究提供了新手段。遥感获取的全球地表植被时空动态信息已经被广泛应用于监测植被物候[6-7]。基于遥感反演的NDVI数据集，国内外学者对全球不同区域的植被春季物候做了大量研究。利用1982—1999年GIMMS NDVI，Piao等估算的中国温带地区植被生长季开始日期(SOS)表现出显著提前趋势[8]。Fu等分析1982—2011年欧洲中西部地区SOS，发现该地区SOS以0.45 d·a-1的速率显著提前[9]。Jeong等提取了1982—2008年北半球中高纬度地区SOS，并对比分析了欧洲、东亚和美国3个地区SOS的变化趋势[10]。研究指出春季物候的变化与温度、降水和日照数等气候因子的变化相关[8, 11-12]。温度升高和降水增多导致SOS提前[13-14]，但也有研究发现冬季升温会相应地减少寒冷的积累而推迟SOS[15-16]。
中国温带草原和荒漠区域主要位于干旱和半干旱气候地区，以草甸、草原和荒漠植被为主，是全球气候变化的敏感区域。该区域春季物候的变化影响着草原和荒漠生态系统的物质循环和能量流动，在维持全球生态系统稳定方面发挥着重要作用。目前，针对中国温带草原和荒漠区域SOS的研究相对缺乏，过去的研究主要集中在探讨内蒙古典型草原地区SOS的变化趋势及其与月气候数据的相关关系[17-19]，较少从季前气候的角度以及SOS对季前温度和季前降水的敏感性等方面分析SOS与气候变化的关系。此外，先前研究中使用的NDVI数据时间范围较短，主要集中在1982—2006年，SOS对气候变化的长期响应仍然不清楚。因此，本文利用1982—2015年GIMMS NDVI数据提取中国温带草原和荒漠区域SOS，并将其与季前平均温度和季前降水进行偏相关和多元线性回归分析，以量化1982—2015年中国温带草原和荒漠区域SOS趋势及其与季前平均温度和季前降水之间的关系，分析SOS对气候变化敏感性的空间变化规律，为研究该区域物候对气候变化的响应提供科学依据。
-
中国温带草原和荒漠区域位于34°54′51°00′N、73°51′127°36′E之间(图 1)，行政区划上包括宁夏全部，新疆、甘肃、内蒙古大部和黑龙江、吉林、辽宁、河北、山西、陕西、青海部分地区。研究区东南部受东亚季风影响为温带季风性气候，西部和北部为温带大陆性气候。年平均温度为-7℃14℃，具有冬寒夏暖的特点，且日温差较大[20]。东西横跨半湿润、半干旱和干旱3个气候区，年降水量为20650 mm，由东向西减少。中国温带草原和荒漠区域包括温带草原区和温带荒漠区，自然植被以温带草甸、温带草原和荒漠植被为主(图 1)。本文只分析这3种自然植被春季物候的变化特征。另外，还排除了1982—2015年平均NDVI小于0.1的像元，以消除稀疏植被和非植被像元对NDVI趋势的影响[8]。
图 1 中国温带草原和荒漠区域植被类型的空间分布
Figure 1. Spatial distribution of vegetation types in the temperate grassland and desert zones of China
-
本研究采用Global Inventory Modeling and Mapping Studies(GIMMS)制作的最新一代归一化植被指数(NDVI)数据集(简称GIMMS NDVI 3g v1)，时间分辨率为15 d，空间分辨率为8 km，时间范围为1982—2015年，由https://ecocast.arc.nasa.gov/data/pub/gimms/3g.v1/网站提供免费下载。数据集已经过多次校正和最大值合成法(MVC)处理，来消除云、轨道漂移、大气干扰和太阳天顶角等引起的污染和噪声[8, 21]。
-
气象栅格数据集来源于国家生态系统观测研究网络科技资源服务系统(http://www.cnern.org.con)，空间分辨率为1 km，时间范围为1980—2015年，时间分辨率为8 d。依次按日序1—8 d、9—16 d、…、361至年最后一天划分，合计每年46个时相。该数据集是对中国气象数据网(http://data.cma.cn/)提供的全国气象站日降水和日均温两个要素读取、检查、求均值及求和处理，最后利用ANUSPLINE软件插值生成[22]。气象数据需要投影转换和重采样以匹配NDVI数据。
-
中国植被类型图和中国植被区划图都来自《1:1 000 000中国植被图集》[23]，由中国科学院资源环境科学数据中心(http://www.resdc.cn)提供下载。中国植被区划图将全国划分成8大植被区。结合中国植被类型图 11种植被型组，将研究区重新分成6种植被类型(栽培植被、温带草甸、温带草原、温带荒漠、其他自然植被和无植被地段)(图 1)。中国植被类型图为矢量数据，需栅格化、投影转换和重采样转变成与NDVI空间参考和空间分辨率一致的栅格数据。
-
本研究采用Polyfit-Maximum(PM)[8]方法提取植被春季物候。该方法通过识别NDVI季节曲线上NDVI增加最快的时期提取植被生长季开始日期(SOS)[8, 24]。首先，使用公式(1)计算每个像元34年(1982—2015)平均NDVI季节曲线上NDVI的相对变化率NDVIratio。
$ NDV{I_{ratio}}(t) = \frac{{NDVI(t + 1) - NDVI(t)}}{{NDVI(t)}} $
(1) 其中:t是时间(时间分辨率15 d)。其次，寻找最大NDVIratio的时间t，并将时间t对应的NDVI(t)作为提取SOS的阈值[8, 24]。最后，采用一元六次多项式函数(公式(2))拟合每年1—9月NDVI时间序列数据，重建时间分辨率为1 d的NDVI季节曲线。NDVI季节曲线与SOS的阈值第一次相交对应的日期，即为SOS。
$ NDVI{\rm{ = }}{a_0} + {a_1}x + {a_2}{x^2} + \ldots + {a_6}{x^6} $
(2) 其中:x为每年的第几日(儒略历)，回归系数(a0, a1, a2, a3...an)由最小二乘法回归确定。
-
偏相关分析是指研究某一变量与另一变量相关时，将其他变量的影响剔除(即其他变量作为控制变量)[25]，偏相关系数R表示相关程度。该方法已经普遍应用于生态学和地理学研究[25]。本文计算SOS与季前平均温度(季前降水)的偏相关系数时，将季前降水(季前平均温度)设置为控制变量。季前是指多年平均SOS之前的时期，接近于非生长季时期[8, 26]，大致处于5月至上一年11月之间。为了分析季前气候因子与SOS的关系以及确定最相关的季前时期，本文计算SOS与12个季前(季前长度分别为24，40，56，72，88，104，120，136，152，168，184和200 d)平均温度(降水)的偏相关系数。34年平均SOS(第129 d)处于气象数据的第17时相(第129136 d)，由于气象数据的时间分辨率为8 d，所有的季前时期均以第17时相的最后一天(第136 d，对应五月中旬)作为季前的结束日期。12个季前时期的划分如下：第15—17时相(即第113—136 d)为第一个季前时期(24 d)，然后往前增加2个时相(第13—17时相即第97—136 d)作为第二个季前时期(40 d)，以此下去，一直增加到上一年第39时相(上一年第39时相—当年第17时相即上一年第305 d—当年第136 d)作为第十二个季前时期(200 d)。其中每年第46时相的天数为5 d或者6 d(闰年)，求季前平均温度和季前降水时按实际天数计算，但文中叙述时均以8 d代替。
-
一元线性回归用于分析SOS的变化趋势，斜率为负表示SOS提前，反之延迟。多元线性回归用于分析SOS对季前平均温度和季前降水的敏感性(SOS温度/降水敏感性)，其斜率代表SOS温度/降水敏感性(d·℃-1，d·(10 mm)-1)的值。斜率为负表示季前平均温度增加1℃(季前降水增加10 mm)SOS提前多少天；斜率为正表示季前平均温度增加1℃(季前降水增加10 mm)SOS延迟多少天。回归分析中的季前选择SOS与季前平均温度和季前降水之间最大偏相关系数(绝对值最大)对应的时期[27-28](最相关的季前时期)。本文提到的最大偏相关系数均为绝对值最大。
-
图 2a显示1982—2015年中国温带草原和荒漠区域SOS呈显著提前趋势(P < 0.01)，提前速率为0.14 d·a-1。不同植被类型表现出一致的提前趋势，但提前速率存在差异(图 2b-d)。草原SOS以0.17 d·a-1的速率提前最快(P < 0.01)，草甸SOS以0.08 d·a-1的速率提前最慢(P=0.04)，荒漠SOS以0.10 d·a-1的速率提前但不显著(P=0.07)。
图 2 1982—2015年研究区总体(a)、草甸(b)、草原(c)和荒漠(d)植被生长季开始日期(SOS)的年际变化
Figure 2. Inter-annual variations of start date of the vegetation growing season(SOS)from 1982 to 2015 for the entire study area(a), meadow(b), steppe(c), and desert(d)
1982—2015年中国温带草原和荒漠区域SOS趋势的空间分布如图 3。1982—2015年间，68%的地区表现提前趋势，37%的地区表现显著性提前(P < 0.05)。32%的地区表现延迟趋势，只有11%的地区表现显著性延迟。相对较大的SOS提前趋势发生在研究区中部地区，而延迟趋势发生在研究区东南部地区。
图 3 1982—2015年中国温带草原和荒漠区域SOS趋势(a)和趋势显著性P值(b)的空间分布
Figure 3. Spatial distribution of SOS trend(a)and the significance P values of trend(b)in temperate grassland and desert zones of China from 1982 to 2015
-
1982—2015年中国温带草原和荒漠区域SOS与不同季前时期的平均温度和降水的偏相关系数如图 4。结果显示研究区总体平均SOS与季前平均温度呈显著负相关(图 4a)，表明季前平均温度增加会导致SOS提前。SOS与前5个季前(24，40，56，72和88 d)平均温度的相关性较大(R < -0.50)，且与季前40 d平均温度的相关性最大(R=-0.61)(图 4a)，说明季前1—3个月平均温度对SOS影响较大。相比季前平均温度，SOS与季前降水的相关性较弱。但当季前长度延长至184 d和200 d时，SOS与季前降水呈显著负相关，表明SOS变化仍与季前降水有关。SOS与季前200 d降水的相关性最大(R=-0.38)(图 4a)，表明季前200 d降水对SOS影响较大。植被类型尺度上，草甸SOS与12个季前平均温度均呈显著负相关，草原SOS与前5个季前平均温度呈显著负相关，而荒漠SOS仅与季前40 d和季前72 d平均温度呈显著负相关(图 4b-d)。与总体平均相似，三种植被类型SOS均与前5个季前平均温度的相关性较大。草原和草甸SOS与季前40 d平均温度的相关性最大(R=-0.56，R=-0.64)，而荒漠SOS与季前72 d平均温度的相关性最大(R=-0.38)。草原SOS与后3个季前(168，184和200 d)降水呈显著负相关，草甸和荒漠SOS与所有季前降水的相关性均不显著，说明季前降水对草原SOS作用较强。三种植被类型SOS均与季前200 d降水的相关性最大。
图 4 研究区总体(a)、草甸(b)、草原(c)和荒漠(d)SOS与不同季前时期的平均温度和降水之间的偏相关系数(R < -0.34或R>0.34对应于P < 0.05)
Figure 4. Partial correlation coefficient between the SOS and preseason mean temperature(circles)and preseason precipitation(squares) indifferent preseason periodsforthe entire study area(a), meadow(b), steppe(c) and temperate desert(d)(R < -0.34 or R>0.34 corresponding to P < 0.05)
-
为了分析季前气候变化对SOS的影响程度，将SOS与季前(最相关的季前时期，图 4)平均温度和降水多元线性回归的斜率作为春季物候对气候变化的敏感性(SOS温度/降水敏感性)，如图 5所示。图 5显示中国温带草原和荒漠区域季前40 d平均温度上升1℃会导致SOS显著提前1.31 d，季前200 d降水增加10 mm会导致SOS提前0.44 d。植被类型尺度上，草甸SOS对季前温度的敏感性最大，季前40 d平均温度上升1℃，SOS提前1.47 d；荒漠SOS对季前温度的敏感性最小，季前72 d平均温度上升1℃，SOS提前0.93 d。研究区总体和3种植被类型SOS对季前平均温度的敏感性都是显著的。相比季前平均温度，SOS对季前降水的敏感性较弱。除草原SOS对季前降水的敏感性显著外，其他两种植被类型SOS对季前降水的敏感性都不显著。草原、草甸和荒漠SOS对季前200 d降水的敏感性分别为-0.68 d·(10 mm)-1，-0.10 d·(10 mm)-1，-0.40 d·(10 mm)-1。
图 5 研究区总体和3种植被类型SOS对季前平均温度(d·℃-1)和季前降水(d·(10 mm)-1)的敏感性
Figure 5. Temperature sensitivity of the SOS(d·℃-1)and precipitation sensitivity of the SOS(d·(10 mm)-1) for the entire study area and three vegetation types
中国温带草原和荒漠区域SOS温度敏感性和SOS降水敏感性的空间分布如图 6。回归分析中每个像元的温度(降水)季前均采用研究区总体SOS与季前平均温度(季前降水)最大偏相关系数(绝对值)所对应的时期如图 4a(温度：季前40 d；降水：季前200 d)。中国温带草原和荒漠区域86%的SOS温度敏感性为负值，且33%的SOS温度敏感性小于-1.5 d·℃-1；只有14%的SOS温度敏感性为正值(图 6a)。新疆北部和西部SOS温度敏感性较大(小于-2.5 d·℃-1)，研究区东南局部地区SOS温度敏感性表现正值。对于SOS降水敏感性，中国温带草原和荒漠区域59%的SOS降水敏感性为负值，且13%的SOS降水敏感性小于-1.0 d·(10 mm)-1；41%的SOS降水敏感性为正值，只有7%的SOS降水敏感性大于1.0 d·(10 mm)-1(图 6b)。研究区中部陕西和甘肃部分地区出现了正值和负值相对较大的SOS降水敏感性。
图 6 中国温带草原和荒漠区域SOS温度敏感性(d·℃-1)(a)和SOS降水敏感性(d·(10 mm)-1)(b)的空间分布
Figure 6. Spatial distribution of temperature sensitivity of the SOS(d·℃-1) (a) and precipitation sensitivity of the SOS(d·(10 mm)-1)(b)in temperate grassland and desert zonesof China
从图 7a观察到，越湿润的地区(长期平均季前200 d降水越多)SOS对季前(40 d)平均温度越敏感。空间上，长期平均季前降水(范围为10180 mm)增加10 mm相应的SOS对季前平均温度的敏感性显著增加0.093 d·℃-1(R2=0.76，P < 0.01)(图 7a)。SOS对季前降水的敏感性随着长期平均季前降水的增加而降低，长期平均季前降水增加10 mm相应的SOS降水敏感度会减少0.019 d·(10 mm)-1(R2=0.44，P < 0.01)(图 7b)。表明SOS在相对干旱的区域对季前降水更加敏感。总体来看，季前降水控制SOS对气候变化响应的空间格局。
图 7 中国温带草原和荒漠区域SOS温度敏感性(d·℃-1)(a)和SOS降水敏感性(d·(10 mm)-1)(b)沿着长期平均季前降水梯度(1982—2015年平均季前200 d降水)的变化
Figure 7. Changes in temperature sensitivity of SOS(d·℃-1)(a)and precipitation sensitivity of SOS(d·(10 mm)-1) (b)in the temperate grassland and desert zones of China along the spatial gradient of long-term average preseason precipitation(average preseason 200-day cumulative precipitation from 1982 to 2015)
-
1982—2015年中国温带草原和荒漠区域SOS呈现提前趋势，其提前速率(0.14 d·a-1)小于Shen等的结果(0.18 d·a-1)[29]，也小于Piao等的结果(0.79 d·a-1)[8]。研究之间SOS趋势的差异，可能是由于各研究中植被类型，研究区域和研究时间范围的不同造成的[30]。Shen等研究的是1982—2015年中国温带草原区，其植被类型数据通过土地利用和覆盖图获取[29]。Piao等的研究区为中国温带地区，研究时间范围为1982—1999年，且分析中未排除栽培植被[8]。若仅考虑中国温带草原区SOS的年际变化趋势，其结果(-0.17 d·a-1)与Shen等的相近[29]。Wu等发现1982—2006年中国温带6个植被区春季物候的趋势并不连续，1982—1990s末期表现提前趋势，1990s末期—2006年表现延迟趋势[24]。2007—2015年中国温带草原和荒漠区域以0.50 d·a-1的速率提前(P=0.06)。Cong等估算的1982—2010年中国温带地区SOS以0.13 d·a-1的速率显著提前(P < 0.01)[13]。这说明中国温带地区1990s末期发生的延迟趋势没有持续。
-
研究表明季前(5月—上一年11月)温度升高是导致北半球中高纬度地区春季物候提前的主要原因[10, 24, 31-32]。中国温带草原和荒漠区域SOS与不同季前时期的平均温度均呈负相关(图 4a)，这与以往的研究结果是一致的[8, 13]。中国温带草原和荒漠区域SOS与前5个季前(24，40，56，72和88 d)平均温度的相关性较大。Wu等发现中国温带地区SOS与季前13个月平均温度的相关性较大[24]。这说明春季温度(3月—5月初)是驱动中国温带地区春季物候变化的主要因素。温暖的春季可以提前解冻表土，带来早期融雪，使得早春植被萌发[33-34]。较高的温度还可以加速植被的生长发育过程[35]，因为生物化学反应的速率通常随着温度的升高而加快[36]。回归分析显示中国温带草原和荒漠区域季前40 d平均温度升高1℃，SOS提前1.31d(图 5)。Cong等发现中国温带地区季前60 d平均温度上升1℃，SOS提前1.20 d[13]。
相比季前平均温度，SOS与不同季前时期降水的偏相关系数较小且多数不显著(图 4a)。然而当季前长度延长至184 d时，中国温带草原和荒漠区域SOS与季前降水呈现显著负相关。Piao等也发现季前时期为5个月时，中国温带地区SOS与季前降水呈现显著负相关[8]。说明中国温带草原和荒漠区域的冬季累积降水(积雪)在改变植被春季物候方面仍发挥着作用。研究表明中国干旱和半干旱地区植被生长季早期的水分供应很大程度上依靠融雪[37-38]。土壤湿度越大，植被的光合效率越高[39]，使得叶绿素合成加快，促进叶片的生长。我们的结果显示季前200 d降水增加10 mm，SOS提前0.44 d(图 5)。过去34年中国温带草原和荒漠区域季前(最相关的季前时期，图 4)平均温度和降水均呈现增加趋势(表 1)，导致了该地区SOS提前，但增加趋势(包括季前温度和季前降水)在三种植被之间并不存在显著性差异(表 2)。
表 1 1982—2015年研究区总体、草甸、草原和荒漠季前(最相关的季前时期)平均温度(T，℃·a-1)和季前降水(P，mm·a-1)的线性趋势
Table 1. Linear trends in preseason (the most relevant preseason period)mean temperature(T, ℃·a-1)and preseason precipitation(P, mm·a-1) from 1982 to 2015 for the entire study area, meadow, steppe, and desert
研究区总体Entire study area 草甸Meadow 草原Steppe 荒漠Desert T P T P T P T P 0.042* 0.822*** 0.040* 0.700** 0.044* 0.940*** 0.055* 0.428 注：最相关的季前时期，见图 4。 P < 0.05是显著的，*：0.01 < P < 0.05，**：0.01 < P < 0.001，***：P < 0.001。
Notes：The most relevant preseason period, see Fig. 4.P < 0.05 is significant, *：0.01 < P < 0.05, **：0.01 < P < 0.001, ***：P < 0.001.表 2 草甸、草原和荒漠季前平均温度(季前降水)线性趋势的比较
Table 2. Comparison of linear trends in preseason mean temperature(preseason precipitation) among meadow, steppe and desert
项目
Items草甸-草原
Meadow-Steppe草甸-荒漠
Meadow-Desert草原-荒漠
Steppe-Desert季前平均温度
preseason mean
temperatureP=0.888 P=0.566 P=0.680 季前降水
preseason
precipitationP=0.394 P=0.448 P=0.124 注：P < 0.05表示趋势的差异是显著的
Notes：P < 0.05 indicates that thedifference in trend is significant回归分析表明中国温带草原和荒漠区域随着季前降水的增加，SOS温度敏感性增加，SOS降水敏感性降低(图 7)。Shen等研究青藏高原地区也发现季前降水控制SOS温度(降水)敏感性的空间格局[12]。植被类型尺度上，也表现相似的特征。草甸SOS对季前平均温度的响应强于草原和荒漠，对季前降水的响应弱于草原和荒漠(图 5)。这可能与植被的生存环境有关[40]，草甸生长在降水相对丰富的地区，草原和荒漠植被则分布在相对干旱的地区。在湿润地区，植被生长开始时不受缺水的限制，较低的干旱风险使得SOS对季前温度具有更高的敏感性；在相对干旱的地区，植被会最大限度的利用水分使得SOS对季前降水具有更高的敏感性[12, 29]。这也解释了不同植被类型SOS对气候变化响应的差异。Cong等也发现温度对降水较多的落叶阔叶林和草甸比降水较少的草原和荒漠植被控制更强[13]。此外，春季物候的变化可能还受到季前降水其他特征的影响，比如第一次降水时间[41]。Jolly等研究南非干旱、半干旱地区落叶植被发现第一次降水时间与春季物候有较好的相关性[42]。因此，研究中国温带草原和荒漠区域春季物候变化时季前降水仍然是不可忽略的因素。
-
本研究利用GIMMS NDVI数据集，提取1982—2015年中国温带草原和荒漠区域植被春季物候，并分析SOS趋势及SOS对季前温度和季前降水敏感性的空间变化规律，得到以下结论：1982—2015年中国温带草原和荒漠区域SOS呈提前趋势。草原和荒漠SOS呈显著提前趋势，草甸SOS提前不显著。SOS与季前平均温度和季前降水均呈负相关。SOS分别与季前40 d平均温度和季前200 d降水的相关性最大。SOS的变化主要受季前平均温度的驱动，季前88 d平均温度对草甸、草原和荒漠SOS的作用相对较大。季前平均温度升高和季前降水增加会导致SOS提前。季前降水控制中国温带草原和荒漠区域SOS对气候变化响应的空间格局。空间上，SOS温度敏感性随着长期平均季前降水的增加而增大，SOS降水敏感性却与之相反。
中国温带草原和荒漠区域春季物候的变化及其敏感性分析
Changes of Spring Phenology and Sensitivity Analysis in Temperate Grassland and Desert Zones of China
-
摘要:
目的 在全球气候变化背景下，分析中国温带草原和荒漠区域春季物候变化趋势，探索该区域春季物候与气候因子之间的关系。 方法 利用1982-2015年归一化植被指数（NDVI）数据集，提取中国温带草原和荒漠区域植被生长季开始日期（SOS），评估整个研究区及草甸、草原和荒漠SOS的线性趋势。利用偏相关和多元线性回归方法，分析SOS与季前（5月-上一年11月）温度和季前降水的关系，并分析SOS对气候变化响应的空间模式。 结果 1982-2015年中国温带草原和荒漠区域SOS以0.14 d·a-1的速率显著提前。空间上，68%的地区呈提前趋势，32%的地区呈延迟趋势。SOS与不同季前时期的平均温度和降水均呈负相关，且与季前平均温度的相关性更显著。SOS分别与季前40 d平均温度和季前200 d降水的相关性最大。1982-2015年，季前（40 d）平均温度上升1℃，SOS显著提前1.31 d；季前（200 d）降水增加10 mm，SOS提前0.44 d。空间上，长期平均季前（200 d）降水增加10 mm，SOS温度敏感性增加0.093 d·℃-1，SOS降水敏感性降低0.019 d·10 mm-1。 结论 过去34年中国温带草原和荒漠区域SOS表现提前趋势。季前平均温度是控制SOS变化的主要因子。季前平均温度升高和季前降水增加会导致SOS提前。季前降水决定SOS温度敏感性和SOS降水敏感性的空间格局。季前降水越多的地区，SOS对季前平均温度越敏感；季前降水越少的地区，SOS对季前降水越敏感 -
关键词:
- 植被生长季开始日期(SOS)
- / 季前平均温度
- / 季前降水
- / 敏感性
- / 中国温带草原和荒漠区域
Abstract:Objective To analyze the trends of spring phenology in temperate grassland and desert zones of China under the context of global climate change, and to explore the relationship between spring phenology and climate factors. Method Using the Normalized Difference Vegetation Index (NDVI) dataset from 1982 to 2015, the start date of the vegetation growing season (SOS) in temperate grassland and desert zones of China was extracted, and the linear trends of SOS for the entire study area, meadow, steppe and desert were evaluated. The relationship between SOS and preseason (May through October of last year) temperature and preseason precipitation was analyzed with partial correlation and multiple linear regressions, along with the spatial pattern of SOS response to climate change. Result Over the temperate grassland and desert zones of China, the SOS was significantly advanced by 0.14 d·a-1 from 1982 to 2015. Spatially, 68% of natural vegetation pixels showed an advancing trend in SOS, whereas 32% of pixels displayed a delay trend. It showed the SOS was negatively correlated with preseason mean temperature and preseason precipitation for different preseason periods, and was more significantly correlated with preseason mean temperature. SOS was most correlated with mean temperature during 40 days of preseason period and precipitation during 200 days of preseason period, respectively. From 1982 to 2015, a warming of 1℃ in preseason (40 days) mean temperature would significantly advance SOS by 1.31 days over the temperate grassland and desert zones of China, whereas an increase of 10 mm in preseason precipitation would advance SOS by 0.44 days. Spatially, an increase of 10 mm in the long-term average preseason (200 days) precipitation would increase temperature sensitivity of SOS by 0.093 d·℃-1, and would decrease the precipitation sensitivity of SOS by 0.019 d·(10 mm)-1. Conclusion SOS showed an advancing trend in temperate grassland and desert zones of China in the past 34 years. Preseason mean temperature is the dominant factor driving variations of SOS. Increase in preseason mean temperature and preseason precipitation will lead to SOS advance. Preseason precipitation determines the spatial pattern of temperature sensitivity of SOS and precipitation sensitivity of SOS. SOS is more sensitive to preseason mean temperature in the areas with more preseason precipitation; and is more sensitive to preseason precipitation in the areas with less preseason precipitation. -
图 1 中国温带草原和荒漠区域植被类型的空间分布
Figure 1. Spatial distribution of vegetation types in the temperate grassland and desert zones of China
图 2 1982—2015年研究区总体(a)、草甸(b)、草原(c)和荒漠(d)植被生长季开始日期(SOS)的年际变化
Figure 2. Inter-annual variations of start date of the vegetation growing season(SOS)from 1982 to 2015 for the entire study area(a), meadow(b), steppe(c), and desert(d)
图 3 1982—2015年中国温带草原和荒漠区域SOS趋势(a)和趋势显著性P值(b)的空间分布
Figure 3. Spatial distribution of SOS trend(a)and the significance P values of trend(b)in temperate grassland and desert zones of China from 1982 to 2015
图 4 研究区总体(a)、草甸(b)、草原(c)和荒漠(d)SOS与不同季前时期的平均温度和降水之间的偏相关系数(R < -0.34或R>0.34对应于P < 0.05)
Figure 4. Partial correlation coefficient between the SOS and preseason mean temperature(circles)and preseason precipitation(squares) indifferent preseason periodsforthe entire study area(a), meadow(b), steppe(c) and temperate desert(d)(R < -0.34 or R>0.34 corresponding to P < 0.05)
图 5 研究区总体和3种植被类型SOS对季前平均温度(d·℃-1)和季前降水(d·(10 mm)-1)的敏感性
Figure 5. Temperature sensitivity of the SOS(d·℃-1)and precipitation sensitivity of the SOS(d·(10 mm)-1) for the entire study area and three vegetation types
图 6 中国温带草原和荒漠区域SOS温度敏感性(d·℃-1)(a)和SOS降水敏感性(d·(10 mm)-1)(b)的空间分布
Figure 6. Spatial distribution of temperature sensitivity of the SOS(d·℃-1) (a) and precipitation sensitivity of the SOS(d·(10 mm)-1)(b)in temperate grassland and desert zonesof China
图 7 中国温带草原和荒漠区域SOS温度敏感性(d·℃-1)(a)和SOS降水敏感性(d·(10 mm)-1)(b)沿着长期平均季前降水梯度(1982—2015年平均季前200 d降水)的变化
Figure 7. Changes in temperature sensitivity of SOS(d·℃-1)(a)and precipitation sensitivity of SOS(d·(10 mm)-1) (b)in the temperate grassland and desert zones of China along the spatial gradient of long-term average preseason precipitation(average preseason 200-day cumulative precipitation from 1982 to 2015)
表 1 1982—2015年研究区总体、草甸、草原和荒漠季前(最相关的季前时期)平均温度(T，℃·a-1)和季前降水(P，mm·a-1)的线性趋势
Table 1. Linear trends in preseason (the most relevant preseason period)mean temperature(T, ℃·a-1)and preseason precipitation(P, mm·a-1) from 1982 to 2015 for the entire study area, meadow, steppe, and desert
研究区总体Entire study area 草甸Meadow 草原Steppe 荒漠Desert T P T P T P T P 0.042* 0.822*** 0.040* 0.700** 0.044* 0.940*** 0.055* 0.428 注：最相关的季前时期，见图 4。 P < 0.05是显著的，*：0.01 < P < 0.05，**：0.01 < P < 0.001，***：P < 0.001。
Notes：The most relevant preseason period, see Fig. 4.P < 0.05 is significant, *：0.01 < P < 0.05, **：0.01 < P < 0.001, ***：P < 0.001.
下载: 导出CSV
表 2 草甸、草原和荒漠季前平均温度(季前降水)线性趋势的比较
Table 2. Comparison of linear trends in preseason mean temperature(preseason precipitation) among meadow, steppe and desert
项目
Items草甸-草原
Meadow-Steppe草甸-荒漠
Meadow-Desert草原-荒漠
Steppe-Desert季前平均温度
preseason mean
temperatureP=0.888 P=0.566 P=0.680 季前降水
preseason
precipitationP=0.394 P=0.448 P=0.124 注：P < 0.05表示趋势的差异是显著的
Notes：P < 0.05 indicates that thedifference in trend is significant
下载: 导出CSV
-
[1] Schwartz M D. Green-wave phenology[J]. Nature, 1998, 394(6696):839-840. [2] Menzel A, Fabian P. Growing season extend in Europe[J]. Nature, 1999, 397(6721):659-659. doi: 10.1038/17709 [3] Shen M G, Tang Y H, Chen J, et al. Earlier-season vegetation has greater temperature sensitivity of spring phenology in Northern Hemisphere[J].Plos One, 2014, 9(2):e88178. doi: 10.1371/journal.pone.0088178 [4] Piao S L, Tan J G, Chen A P, et al. Leaf onset in the northern hemisphere triggered by daytime temperature[J]. Nature Communications, 2015, 6:6911. doi: 10.1038/ncomms7911 [5] 方修琦, 余卫红.物候对全球变暖响应的研究综述[J].地球科学进展, 2002, 17(5):714-719. doi: 10.3321/j.issn:1001-8166.2002.05.013 [6] 武永峰, 李茂松, 刘布春, 等.基于NOAA NDVI的中国植被绿度始期变化[J].地理科学进展, 2008, 27(6):32-40. [7] Yang Y T, Guan H D, Shen M G, et al. Changes in autumn vegetation dormancy onset date and the climate controls across temperate ecosystems in China from 1982 to 2010[J]. Global Change Biology, 2015, 21(2):652-665. [8] Piao S L, Fang J Y, Zhou L M, et al. Variations in satellite-derived phenology in China's temperate vegetation[J]. Global Change Biology, 2006, 12(4):672-685. doi: 10.1111/j.1365-2486.2006.01123.x [9] Fu Y H, Piao S L, Beeck M O D, et al. Recent spring phenology shifts in western Central Europe based on multiscale observations[J]. Global Ecology and Biogeography, 2014, 23(11):1255-1263. doi: 10.1111/geb.12210 [10] Jeong S J, Ho C H, Gim H J, et al. Phenology shifts at start vs. end of growing season in temperate vegetation over the Northern Hemisphere for the period 1982-2008[J]. Global Change Biology, 2011, 17(7):2385-2399. doi: 10.1111/j.1365-2486.2011.02397.x [11] 陈效逑, 王林海.遥感物候学研究进展[J].地理科学进展, 2009, 28(1):33-40. [12] Shen M G, Piao S L, Cong N, et al. Precipitation impacts on vegetation spring phenology on the Tibetan Plateau[J]. Global Change Biology, 2015, 21(10):3647-3656. doi: 10.1111/gcb.12961 [13] Cong N, Wang T, Nan H J, et al. Changes in satellite-derived spring vegetation green-up date and its linkage to climate in China from 1982 to 2010:a multimethod analysis[J]. Global Change Biology, 2013, 19(3):881-891. doi: 10.1111/gcb.12077 [14] Fu Y H, Piao S L, Zhao H F, et al. Unexpected role of winter precipitation in determining heat requirement for spring vegetation green-up at northern middle and high latitudes[J]. Global Change Biology, 2014, 20(12):3743-3755. doi: 10.1111/gcb.12610 [15] Zhang X Y, Tarpley D, Sullivan J T. Diverse responses of vegetation phenology to a warming climate[J]. Geophysical Research Letters, 2007, 34(19):L19405. doi: 10.1029/2007GL031447 [16] Yu H Y, Luedeling E, Xu J C. Winter and spring warming result in delayed spring phenology on the Tibetan Plateau[J]. Proceedings of the National Academy of Sciences, 2010, 107(51):22151-22156. doi: 10.1073/pnas.1012490107 [17] 范德芹, 赵学胜, 郑周涛.内蒙古羊草草原物候及其对气候变化的响应[J].地理与地理信息科学, 2016, 32(6):81-86. doi: 10.3969/j.issn.1672-0504.2016.06.014 [18] Ren S L, Chen X Q, An S. Assessing plant senescence reflectance index-retrieved vegetation phenology and its spatio temporal response to climate change in the Inner Mongolian Grassland[J]. International Journal of Biometeorology, 2017, 61(4):601-612. doi: 10.1007/s00484-016-1236-6 [19] 顾润源, 周伟灿, 白美兰, 等.气候变化对内蒙古草原典型植物物候的影响[J].生态学报, 2012, 32(3):767-776. [20] 李珍存, 马明国, 张峰, 等. 1982-2003年中国西北地区植被动态变化格局分析[J].遥感技术与应用, 2006, 21(4):332-337. doi: 10.3969/j.issn.1004-0323.2006.04.012 [21] Myneni R B, Dong J, Tucker C J, et al. A large carbon sink in the woody biomass of Northern forests[J]. Proceedings of the National Academy of Sciences of the United States of America, 2001, 98(26):14784-14789. doi: 10.1073/pnas.261555198 [22] 王军邦, 王居午, 叶辉, 等. 2000-2012年全国气温和降水1 km网格空间插值数据集. [DB/OL]Science Data Bank. DOI: 10.11922/sciencedb.319. [23] 中国科学院中国植被图编辑委员会. 1:1000000中国植被图集[M].北京:科学出版社, 2001. [24] Wu X C, Liu H Y. Consistent shifts in spring vegetation green-up date across temperate biomes in China, 1982-2006[J]. Global Change Biology, 2013, 19(3):870-880. doi: 10.1111/gcb.12086 [25] Peng S S, Piao S L, Ciais P, et al. Asymmetric effects of daytime and night-time warming on Northern Hemisphere vegetation[J]. Nature, 2013, 501(7465):88-92. doi: 10.1038/nature12434 [26] Yu F F, Price K P, Ellis J, et al. Response of seasonal vegetation development to climatic variations in eastern central Asia[J]. Remote Sensing of Environment, 2003, 87(1):42-54. doi: 10.1016/S0034-4257(03)00144-5 [27] Shen M G, Piao S L, Chen X Q, et al. Strong impacts of daily minimum temperature on the green-up date and summer greenness of the Tibetan Plateau[J]. Global Change Biology, 2016, 22(9):3057-3066. doi: 10.1111/gcb.13301 [28] Cong N, Shen M G, Piao S L. Spatial variations in responses of vegetation autumn phenology to climate change on the Tibetan Plateau[J]. Journal of Plant Ecology, 2017, 10(5):744-752. [29] Shen X J, Liu B H, Henderson M, et al. Asymmetric effects of daytime and nighttime warming on spring phenology in the temperate grasslands of China[J]. Agricultural and Forest Meteorology, 2018, 259:240-249. doi: 10.1016/j.agrformet.2018.05.006 [30] Walther G R, Post E, Convey P, et al. Ecological responses to recent climate change[J]. Nature, 2002, 416(6879):389-395. doi: 10.1038/416389a [31] Chen X Q, Hu B, Yu R. Spatial and temporal variation of phenological growing season and climate change impacts in temperate eastern China[J]. Global Change Biology, 2005, 11(7):1118-1130. doi: 10.1111/j.1365-2486.2005.00974.x [32] 丛楠, 沈妙根. 1982-2009年基于卫星数据的北半球中高纬地区植被春季物候动态及其与气候的关系[J].应用生态学报, 2016, 27(9):2737-2746. [33] Richardson A D, Bailey A S, Denny E G, et al. Phenology of a northern hardwood forest canopy[J]. Global Change Biology, 2006, 12(7):1174-1188. doi: 10.1111/j.1365-2486.2006.01164.x [34] Parmesan C, Yohe G. A globally coherent fingerprint of climate change impacts across natural systems[J]. Nature, 2003, 421(6918):37-42. doi: 10.1038/nature01286 [35] Saxe H, Cannell M G R, Johnsen Ø, et al. Tree and forest functioning in response to global warming[J]. New Phytologist, 2001, 149(3):369-399. [36] Badeck F W, Bondeau A, Bottcher K, et al. Responses of spring phenology to climate change[J]. New Phytologist, 2004, 162(2):295-309. doi: 10.1111/j.1469-8137.2004.01059.x [37] Barnett T P, Adams J C, Lettenmaier D P. Potential impacts of a warming climate on water availability in snow-dominated regions[J]. Nature, 2005, 438(7066):303-309. doi: 10.1038/nature04141 [38] Adam J C, Hamlet A F, Lettenmaier D P. Implications of global climate change for snowmelt hydrology in the twenty-first century[J]. Hydrological Processes, 2009, 23(7):962-972. doi: 10.1002/hyp.7201 [39] Tezara W, Mitchell V J, Driscoll S D, et al. Water stress inhibits plant photosynthesis by decreasing coupling factor and ATP[J]. Nature, 1999, 401(6756):914-917. doi: 10.1038/44842 [40] Kramer K, Leinonen I, Loustau D. The importance of phenology for the evaluation of impact of climate change on growth of boreal, temperate and Mediterranean forests ecosystems:an overview[J]. International Journal of Biometeorology, 2000, 44(2):67-75. doi: 10.1007/s004840000066 [41] Xu J C, Grumbine R E, Shrestha A B, et al. The Melting Himalayas:Cascading Effects of Climate Change on Water, Biodiversity, and Livelihoods[J]. Conservation Biology, 2009, 23(3):520-530. doi: 10.1111/j.1523-1739.2009.01237.x [42] Jolly W M, Running S W. Effects of precipitation and soil water potential on drought deciduous phenology in the Kalahari[J]. Global Change Biology, 2004, 10(3):303-308. doi: 10.1046/j.1365-2486.2003.00701.x -
点击查看大图
计量
- 文章访问数: 5374
- HTML全文浏览量: 2703
- PDF下载量: 108
- 被引次数: 0
