2016, Vol. 36文章信息
- 杜加强, 高云, 贾尔恒·阿哈提, 赵晨曦, 方广玲, 袁新杰, 阴俊齐, 舒俭民
- DU Jiaqiang, Gao Yun, JIAERHENG Ahati, ZHAO Chenxi, Fang Guangling, YUAN Xinjie, YIN Junqi, SHU Jianmin
- 近30年新疆植被生长异常值时空变化及驱动因子
- Spatio-temporal patterns and driving factors of vegetation growth anomalies in Xinjiang over the last three decades
- 生态学报, 2016, 36(7): 1915-1927
- Acta Ecologica Sinica, 2016, 36(7): 1915-1927
- http://dx.doi.org/10.5846/stxb201409191853
-
文章历史
- 收稿日期: 2014-09-19
- 网络出版日期: 2015-08-05
2. 中国环境科学研究院环境基准与风险评估国家重点实验室, 北京 100012;
3. 新疆昌吉州环境监测站, 昌吉 831100;
4. 新疆环境保护科学研究院, 乌鲁木齐 830011
2. State Key Laboratory of Environmental Criteria and Risk Assessment, Chinese Research Academy of Environmental Sciences, Beijing 100012, China;
3. Xinjiang Changji environmental monitoring center, Changji 831100, China;
4. Xinjiang Academy of Environmental Protection Science, Urumqi 830011, China
植被是陆地生态系统最重要的组成部分，联接了土壤圈、水圈和大气圈的物质循环和能量流动，在调节陆地碳平衡和气候系统方面发挥了重要作用[1, 2]，监测植被动态变化具有重要的科学价值和现实意义。植被覆盖变化强烈地受到气候变化、人类活动的影响[3, 4, 5, 6]，地表植被对外界干扰的响应已经成为国内外学术界研究的热点。基于先进甚高分辨率辐射仪(Advanced Very High Resolution Radiameter,AVHRR)的GIMMS NDVI数据集具有时间序列长、覆盖范围广、时空可比、较强地植被动态变化表征能力[7]等特点，被证明是描述植被生长动态变化最好的数据集之一[6, 8, 9, 10]，广泛地应用于从全球到区域尺度的植被动态变化及其对气候变化响应、土地退化区域识别、植被生产力和碳平衡等领域的研究之中。然而，由于AVHRR传感器设计之初并不是以植被研究为目的，计算NDVI之前需要进行一系列的校正工作，导致GIMMS NDVI数据集本质上是动态变化的，每一次有更新的数据加入必须要重新计算[11]。目前，应用最为广泛的GIMMS NDVI数据集的时间序列为1982—2006年，有关最近几年植被变化及其与过去30年比较的研究需要扩展GIMMS NDVI数据集的时间序列[12, 13, 14, 15, 16]。MODIS NDVI被认为是AVHRR NDVI的完善[1]，提高了空间分辨率和叶绿素敏感度，排除了大气水汽的干扰，调整了合成方法，是AVHRR NDVI的延续和升级[17]。国内外已经有学者开始进行GIMMS NDVI和MODIS NDVI的比较与数据插补工作[11, 13, 18, 19, 20, 21, 22, 23]。
新疆深居欧亚大陆中心，远离大洋，是中国干旱区的主体、欧亚大陆干旱区的典型代表。复杂的地形地貌，干旱的大陆性气候，以及荒漠性土壤植被，共同作用形成了多样的生物群落。像MA定义的那样，在很多半干旱区域作物和牲畜生产是主要的经济活动和关键的生态系统支持服务[9]。植被生产力的生态意义重大[9]，是土地退化的关键度量指标(不是唯一一个)[9, 24, 25]，也是生态系统服务功能的综合测量[26]，而NDVI是植被生产力的代理指标之一[24, 25, 27]。气候变化对干旱区脆弱生态系统的影响更为显著[28, 29]。因此，在典型干旱区——新疆开展植被动态变化及其与气候变化的响应研究，意义更为重大。
最近的气候变化已经对陆地生态系统产生显著影响，并且在未来影响可能更强[28]。新疆近几十年来气候变化明显，平均气温、极端气温升高趋势显著[30, 31]，降水量、蒸发量有所增加[32]，气候变化对植被的影响得到了广泛关注。Ren等[33]研究了天山北麓1982—2000年NDVI变化及其气候驱动因素，认为NDVI增加主要是由于降水量增加减缓了干旱压力引起的。Zhao等[32.34]对1982—2003年新疆NDVI的研究表明，区域NDVI主要呈增加趋势，且与降水量和ET的增加有关。Wang等[35]的研究认为新疆植被覆盖在1982—1995年为剧烈波动期，1996—2006年为相对平稳期，总体呈显著上升趋势；Nemani等[6]研究发现1981—1999年北半球高纬度地区植被生长增加，中国的趋势与此一致[36]。Mohammat等[37]研究了亚洲内陆地区1982—2009年生长季、各季节的NDVI变化，认为区域尺度的变绿趋势在1990s中止，春季变冷和夏季干旱是主要原因。Piao等[1]得出了欧亚大陆1982—1997年NDVI显著增加，1997—2006年减少，整个研究时段增加的结论。与世界范围半干旱区域正在发生土地退化的判断不同，Fensholt等[9]基于1981—2007年的GIMMS NDVI分析结果表明，在遥感尺度植被绿度呈增加趋势。同时，多名学者[1, 8, 27, 38]认识到研究时段总体的线性趋势不能准确地显示植被生长变化的实际动态模式。
上述研究多在更大空间尺度或较小典型区开展研究，多针对整个时段的变化，对时段内的变化过程关注相对不足，且缺乏对政策制定、生态恢复更为重要的近几年新疆植被变化趋势的探讨。本文融合GIMMS NDVI和MODIS NDVI数据，研究了1982—2012年新疆植被生长动态变化及其与气温、降水量、潜在蒸散发和湿润指数的相关性。
1 材料和方法 1.1 研究区域新疆位于我国西北边陲，介于73°20′——96°25′E，34°15′—49°10′N之间，总面积1.66×106 km2。境内大致呈纬向伸展的三大山系阿尔泰山、天山和昆仑山分割着准噶尔和塔里木盆地，形成了独特的山体、盆地相间的地貌格局。山体垂直地带性差异明显，天山、阿尔泰山、昆仑山发育有大面积的森林和草地植被，准噶尔盆地和塔里木盆地分布有典型的温带荒漠植被，绿洲和城市则分布在河谷平原区(图 1)。区域大陆性气候强烈，干旱、少雨、多大风，形成了广布的沙漠戈壁景观。总体上，区域植被覆盖率较低，生态系统较为脆弱、敏感。
|
| 图 1 研究区域植被类型分布 Fig.1 Distribution of vegetation types and climate stations |
GIMMS NDVI数据来源于NASA戈达德航天中心全球监测与模拟研究组制作的15 d最大化合成的8 km NDVI数据集，时间跨度是1982—2006年。该数据集消除了火山爆发、太阳高度角和传感器灵敏度随时间变化等的影响，在全球范围得到了广泛的应用。MODIS NDVI数据来源于NASA MODIS陆地产品组根据统一算法开发的MODIS植被指数产品，本文所应用的是MOD13A3，即1 km分辨率月合成的植被指数产品，时间跨度是2000—2012年。气象数据来源于中国气象科学数据共享服务网，包括53个站点的月气温、降水量数据。
两种NDVI数据经过子集提取、图像镶嵌、裁剪数据、格式转换、投影转换及质量检验等预处理过程，形成新疆GIMMS NDVI和MODIS NDVI数据集。为了消除GIMMS NDVI和MOD13A3时间分辨率的差异，采用最大值合成方法得到月尺度GIMMS NDVI数据，并进一步去除云的影响，减少月内物候循环的影响[11]。MOD13A3数据重采样到8 km，以匹配GIMMS NDVI的空间分辨率。参考相关研究[3, 32, 37]，采用0.05的NDVI值作为的植被阈值，排除非植被因素的影响。
1.3 研究方法两种NDVI数据集是从不同的遥感传感器获取的，波段范围、过境时间等存在差异，NDVI存在数值差异，联合使用前需要进行转换和一致性检验[12, 14, 21]。采用MVC方法合成GIMMS NDVI月数据。基于2000—2006年的GIMMS NDVI与MODIS NDVI月值数据，建立逐月、逐像元的一元线性回归方程。利用该方程和2000—2012年的MODIS数据，得到模拟NDVI，称为模拟GIMMS NDVI。利用1982—2006年的GIMMS NDVI和2007—2012年模拟的GIMMS NDVI构成新疆1982—2012年长时间数据序列。采用2000—2006年重叠时段GIMMS NDVI与模拟GIMMS NDVI之间的相关性、差值等统计方法，以及沙漠地区NDVI的变化趋势检验构建的长期NDVI时间序列的准确性。利用HANTS方法对时间序列数据进行滤波平滑。
为反映植被变化的年际和年内特征，采用生长季、春季(3—5月)、夏季(6—8月)和秋季(9—11月)4个NDVI合成值来表征植被生长，各季节NDVI分别为时段内月NDVI的平均值。在区域尺度对4个NDVI指标、气候要素与年份进行最小二乘法回归分析，得到回归方程的斜率和Pearson相关系数，分别用来表示植被生长、气候的变化速率和变化趋势。采用NDVI异常值、5年滑动平均来表征植被、气候变化过程，相关计算方法及异常程度划分标准，参见相关文献[37, 39, 40]。A+(正异常值)为AM+(一般正异常值)、AL+(较大正异常值)和AE+(极端正异常值)之和，A-(负异常值)同理，AM为AM+(一般正异常值)和AM-(一般负异常值)之和。
采用NDVI与同期气候要素的相关性来表征NDVI对气候变化的响应。气象数据采用Kriging方法插值。参考相关研究[32, 34]，潜在蒸散发采用Thornthwaite方法计算，湿润指数采用降水量与潜在蒸散发之比计算。根据显著性检验结果[32]，将变化趋势分为如下3个等级：极显著(P<0.01)；显著(P<0.05)；不显著(P>0.05)。
2 结 果 2.1 数据一致性检验逐像元计算2000—2006年GIMMS和MODIS NDVI月值的Pearson相关系数，结果见图 2。两者呈显著正相关的区域达到56%，且54%的区域显著性水平达到0.01。相关性较差的区域主要集中在南疆的3个生态地理区，尤其是昆仑山高原和昆仑山北翼生态地理区，仅在东南部呈显著正相关，其它区域多呈不相关或负相关。相关性较差的区域主要发生在荒漠和高山植被两种植被类型。尽管南疆两者的相关性较差，为了保持区域的完整性，后续分析仍然包括该区域。
|
| 图 2 2000—2006年GIMMSNDVI与MODIS NDVI的逐像元相关性 Fig.2 Correlation relationship between GIMMS and MODIS monthly NDVI during 2000—2006 per pixels |
2000年2月至2006年12月区域平均的GIMMS和模拟GIMMS NDVI的对比显示，两者相关系数为0.9938(P<0.001,n=83)，回归斜率、截距、均显著优于GIMMS与MODIS的相关性(图 3)。
|
| 图 3 模拟数据的一致性检验：GIMMS与MODIS、模拟GIMMS对比和差值统计结果 Fig.3 Consistency check of simulated results: spatial mean and difference statistics |
GIMMS与模拟GIMMS所有像元差值的平均绝对误差是0.0011，相对误差为0.88%，差值在±0.05之间的占94.83%，在±0.02之间的占84.60%。GIMMS与MODIS所有像元差值的相应值分别为0.0044、3.59%、71.20%和45.80%(图 3)。
NDVI在沙漠地区是否存在变化趋势，是检验数据集时间序列合理性的方法之一[1, 7, 31]。塔克拉玛干沙漠腹地NDVI变化趋势均不明显，变化速率多在±0.8×10-4之间，明显低于周边结果。
2.2 NDVI变化 2.2.1 生长季NDVI动态变化生长季区域平均年NDVI、5a滑动平均NDVI均呈极显著增加趋势(R2=0.38,P<0.01,n=31; R2=0.55,P<0.01,n=27)(图 4)，增加量分别为4.1×10-4/a、3.7×10-4/a。生长季NDVI并非持续增加，1982—1998年呈极显著增加趋势(R2=0.55,P<0.01,n=17)，而1998—2012年呈显著减少趋势(R2=0.30,P<0.05,n=15)。NDVI异常值A+的区域面积比例在整个时段呈显著增加趋势(R2=0.20,P<0.05,n=31)(图 4和表 1)，其中AM+贡献最大，呈极显著增加趋势(R2=0.60,P<0.01,n=31)，而AL+、AE+呈不显著的减少趋势(R2<0.06,P>0.05)。A-的区域与A+的趋势相反，其中AL-、AE-对A-减少趋势的贡献最大，均为极显著减少趋势(R2=0.52,P<0.01,n=31; R2=0.35,P<0.01,n=31)，AM-呈不显著增加趋势(R2=0.07,P>0.05)。AM呈极显著增加趋势(R2=0.69,P<0.01,n=31)。
|
| 图 4 生长季、春季、夏季和秋季NDVI及其异常值的年际变化 Fig.4 Interannual variations in growing and seasonal NDVI over Xinjiang during 1982—2012 |
| 季节Seasons | AE- | AL- | AM- | AM+ | AL+ | AE+ | A+ | AM |
| AE-为极端负异常值，AL-为较大负异常值，AM-为一般负异常值，AM+为一般正异常值，AL+为较大正异常值，AE+为极端正异常值，A+为正异常值，即AM+、AL+和AE+之和，AM为一般异常值之和，即AM+和AM-之和;*为变化趋势达到了0.05的显著性水平，**为达到了0.01的显著性水平 | ||||||||
| 生长季Growing season | -0.1917 ** | -0.8287 ** | 0.2151 | 0.9511 ** | -0.0788 | -0.0719 | 0.8109 * | 1.1627 ** |
| 春季Spring | -0.1817 * | -0.7212 ** | -0.0651 | 1.0862 ** | -0.0696 | -0.0486 | 0.9679 ** | 1.0211 ** |
| 夏季Summer | -0.1514 ** | -0.6491 ** | 0.5031 ** | 0.6192 ** | -0.2109 | -0.1109 | 0.2974 | 1.1223 ** |
| 秋季Autumn | -0.1091 * | -0.6896 ** | 0.2395 | 0.7155 ** | -0.0934 | -0.0629 | 0.5593 * | 0.9551 ** |
春季区域平均NDVI、滑动平均NDVI分别呈显著、极显著增加趋势(R2=0.20,P<0.05,n=31; R2=0.69,P<0.01,n=27)(图 4)，增加量分别为3.1×10-4/a、3.5×10-4/a。与生长季NDVI的变化过程不同，春季NDVI在1998年前后均呈不显著的增加趋势。春季NDVI异常值A+的区域面积比例在整个时段呈极显著增加趋势(R2=0.24,P<0.01,n=31)，AM+贡献最大，呈极显著增加趋势(R2=0.54,P<0.01,n=31)，而AL+、AE+呈不显著的减少趋势(R2<0.02,P>0.05,n=31)。AL-对A-的减少贡献最大(R2=0.40,P<0.01,n=31)，AE-次之(R2=0.16,P<0.05,n=31)，AM-呈略有减少(R2=0.01,P>0.05,n=31)。AM呈极显著增加趋势(R2=0.50,P<0.01,n=31)。
夏季区域平均NDVI、滑动平均NDVI均呈极显著增加趋势(R2=0.23,P<0.01,n=31; R2=0.35,P<0.01,n=27)(图 4)，增加量分别为5.1×10-4/a、4.1×10-4/a。夏季NDVI变化的阶段性明显，呈1982—1998年极显著增加(R2=0.45,P<0.01,n=17)、1998—2012年极显著减少趋势(R2=0.43,P<0.01,n=15)。夏季NDVI异常值A+的区域面积呈不显著的增加趋势(R2=0.04,P>0.05,n=31)，其中AM+极显著增加(R2=0.57,P<0.01,n=31)，而AL+、AE+呈不显著的减少趋势(R2<0.09,P>0.05,n=31)。AL-、AE-均呈极显著减少趋势(R2=0.51,P<0.01,n=31; R2=0.56,P<0.01,n=31)，AM-呈极显著增加趋势(R2=0.28,P<0.01,n=31)。AM呈极显著增加趋势(R2=0.73,P<0.01,n=31)。
秋季区域平均NDVI、滑动平均NDVI均呈极显著增加趋势(R2=0.31,P<0.01,n=31; R2=0.56,P<0.01,n=27)(图 4)，增加量分别为3.9×10-4/a、3.5×10-4/a。秋季NDVI呈1998年之前极显著增加(R2=0.48,P<0.01,n=17)，而1998年之后不显著的减少趋势(R2=0.18,P>0.05,n=15)。秋季NDVI异常值A+的区域呈显著增加趋势(R2=0.13,P<0.05,n=31)，其中，AM+增加趋势极显著(R2=0.51,P<0.01,n=31)，而AL+、AE+呈不显著的减少趋势(R2<0.03,P>0.05,n=31)。AL-呈极显著减少趋势(R2=0.49,P<0.01,n=31)，AE-呈显著减少趋势(R2=0.16,P<0.05,n=31)，AM-呈不显著的增加趋势(R2=0.08,P>0.05,n=31)。AM呈极显著增加趋势(R2=0.53,P<0.01,n=31)。
2.3 气候变化 2.3.1 生长季气候动态变化1982—2012年，区域生长季气温、滑动平均气温呈波动中极显著增加趋势(R2=0.50,P<0.01,n=31; R2=0.90,P<0.01,n=27)，增加速率分别为0.05、0.07 ℃/a。1998年前后气温均呈增加趋势，且前一段的增加速率大于后一时段。A+区域呈极显著增加趋势(R2=0.51,P<0.01,n=31)，斜率为3.09%/a，其中，AE+呈不显著增加趋势(R2=0.06,P>0.05,n=31)，AM+和AL+均呈极显著增加趋势(R2=0.24,P<0.01,n=31; R2=0.33,P<0.01,n=31)，增加速率分别为1.48%/a、1.51%/a(图 5)。生长季降水量，除滑动平均呈极显著增加趋势(R2=0.24,P<0.01,n=27)外，年均值、各等级异常值的变化趋势均不显著，年均值略有增加。1998年之前呈不显著的增加趋势，之后呈不显著的减少趋势。AE-、AL-和AL+略有减少，其余几个异常值等级略有增加(图 6)。
|
| 图 5 生长季、春季、夏季、秋季的气温异常值的年际变化 Fig.5 Interannual variations of temperature anomaly in growing season, spring, summer and autumn |
|
| 图 6 生长季、春季、夏季、秋季降水量异常值的年际变化 Fig.6 Interannual variations of precipitation anomaly in growing season, spring, summer and autumn |
1982—2012年生长季年潜在蒸散发、滑动平均潜在蒸散发均呈极显著增加(R2=0.53,P<0.01,n=31; R2=0.85,P<0.01,n=31)，增加速率分别达到2.13、2.48 mm/a。1998年前后，年潜在蒸散发均呈不显著的增加趋势。潜在蒸散发A-区域呈极显著减少趋势(R2=0.52,P<0.01,n=31)，其中AM-和AL-贡献最大(R2=0.36,P<0.01,n=31; R2=0.27,P<0.01,n=31)，变化速率分别达到-1.50%/a和-1.38%/a。AL+和AM+也呈极显著增加趋势(R2=0.48,P<0.01,n=31; R2=0.21,P<0.01,n=31)，AE+呈不显著增加趋势(图 7)。1982—2012年、1982—1998年和1998—2012年3个时段，生长季HI变化均不显著，除后一时段减少外，前两个时段呈增加趋势。HI各等级的异常值变化也均不显著(图 8)。
|
| 图 7 生长季、春季、夏季、秋季潜在蒸散发异常值的年际变化 Fig.7 Interannual variations of ET anomaly in growing season, spring, summer and autumn |
|
| 图 8 生长季、春季、夏季、秋季湿润指数异常值的年际变化 Fig.8 Interannual variations of HI anomaly in growing season, spring, summer and autumn |
春季气温、滑动平均气温均呈极显著增加趋势(R2=0.27,P<0.01,n=31; R2=0.86,P<0.01,n=27)，增加速率分别为0.07、0.09 ℃/a。1998年前后两个时段春季气温均呈不显著的增加趋势，且增加强度基本相同。A+区域呈极显著增加趋势(R2=0.39,P<0.01,n=31)，其中，AM+显著增加(R2=0.18,P<0.05,n=31)，AL+极显著增加(R2=0.38,P<0.01,n=31)，而AE+呈不显著增加(R2=0.02,P<0.05,n=31)。AM-呈极显著减少趋势(R2=0.36,P<0.01,n=31)，AL-和AE-变化趋势不显著(图 5)。夏季气温、滑动平均气温分别以0.04、0.05 ℃/a的速率极显著增加(R2=0.47,P<0.01,n=31; R2=0.80,P<0.01,n=27)。1998年前后两个时段夏季气温均呈不显著的增加趋势，且增加强度基本相同。A+极显著增加(R2=0.53,P<0.01,n=31)，AM+和AL+均呈极显著增加趋势(R2=0.32,P<0.01,n=31; R2=0.39,P<0.01,n=31)，AE+增加趋势不显著；各等级的A-均呈减少趋势，AM-和AL-减少趋势极显著(R2=0.37,P<0.01,n=31; R2=0.25,P<0.01,n=31)(图 5)。秋季气温与春季、夏季变化趋势类似，年均气温、滑动平均气温均呈显著增加趋势(R2=0.29,P<0.01,n=31; R2=0.56,P<0.01,n=27)，增加速率分别为0.05、0.07 ℃/a。1998年前后秋季气温均呈不显著的增加趋势，但前一时段增加幅度更大(分别为0.05、0.01 ℃/a)。A+与各等级正异常均呈增加趋势，A+和AL+极显著增加(R2=0.32,P<0.01,n=31; R2=0.26,P<0.01,n=31)，AM+呈显著增加(R2=0.15,P<0.05,n=31)，AE+趋势不显著(P>0.05)；各等级的A-均呈减少趋势，AM-和AL-减少趋势极显著(R2=0.25,P<0.01,n=31; R2=0.15,P<0.01,n=31)(图 5)。
春季、夏季和秋季的年降水量均呈不显著的增加趋势，变化量较小，为0.14—0.31 mm/a。对于滑动平均，除春季呈显著增加趋势(R2=0.19,P<0.05,n=31)外，夏季和秋季均呈不显著增加趋势。春季、夏季降水量1998年前后先增加后减少，但趋势均不显著，秋季降雨量则呈先减少后增加，趋势也不显著。异常值方面，除夏季降水量AE-显著减少(R2=0.13,P<0.05,n=31)外，其他各等级异常值变化均不显著，且除夏季AM-略有增加外，其他各季节、各等级的A-均减少，A+均略有增加(图 6)。
春季、夏季和秋季的年潜在蒸散发在整个时段均呈极显著增加(R2=0.30,P<0.01,n=31; R2=0.45,P<0.01,n=31; R2=0.28,P<0.01,n=31)，增加速率分别达到0.88 mm/a、0.81 mm/a和0.44 mm/a。滑动平均增加趋势更为显著、增加幅度更大。1998年前后，三个季节的潜在蒸散发均呈不显著的增加趋势。异常值方面，除春季AE-略有增加外，三个季节负的异常值均呈减少趋势，其中AL-和AM-减少趋势多显著；而正的异常值均呈增加趋势，其中AL+、AM+多呈增加趋势(图 7)。除秋季HI呈1998年之前减少，之后增加趋势外，春季、夏季HI变化趋势与生长季一致，均先增加后减少，总体变化不大。3个季节异常值变化也均不显著(图 8)。
2.4 NDVI与气候要素相关性分析1982—2012年，生长季、春季和秋季NDVI与同期的气温均极显著相关(R2=0.24,R2=0.38,R2=0.21,n=31)，而夏季NDVI与气温相关性不显著。1982—1998年，仅春季NDVI与气温的相关性达到了统计显著性水平(R2=0.31,P<0.05,n=17;)；1998—2012年，春季、秋季NDVI与气温显著正相关(R2=0.33,P<0.05,n=15; R2=0.27,P<0.05,n=15)，生长季、夏季相关性不显著。
生长季NDVI与同时期降水量在整个时段显著相关(R2=0.21,P<0.05,n=31)，夏季则极显著相关(R2=0.35,P<0.01,n=31)，春季和秋季NDVI与降水量的相关性不显著。1998年前后两个时段，仅有夏季NDVI与降水量呈极显著相关(R2=0.39,P<0.01,n=17; R2=0.52,P<0.01,n=15)。
NDVI与潜在蒸散发相关性的季节差异，与气温一致，生长季、春季和秋季显著正相关(R2=0.22,P<0.01,n=31; R2=0.38,P<0.01,n=31; R2=0.17,P<0.05,n=31)，夏季的相关性不显著。1998年前后两个时段，只有春季NDVI与潜在蒸散发的显著相关(R2=0.54,P<0.05,n=17; R2=0.61,P<0.05,n=15)。
1982—2012年，NDVI与HI的相关性与降水量相似，生长季显著相关(R2=0.14 P<0.05,n=31)，夏季极显著相关(R2=0.32,P<0.01,n=31)，春季和秋季相关性较差。1998年前后两个时段，也仅有夏季达到了显著相关(R2=0.35,P<0.05,n=17; R2=0.55,P<0.01,n=15)。
3 讨 论 3.1 两类数据集的集成应用AVHRR和MODIS传感器用于计算NDVI的可见光红波段和近红外的波段宽度和光谱响应函数是不同的，因此，在联合应用两种数据时，必需进行连续性和一致性检验[14, 23, 41]。数据比较是评价两个传感器数据连续性的有效方法[25, 42]。已有研究显示，干旱、半干旱地区GIMMS和MODIS NDVI数据具有更好的一致性[19, 20, 25]。新疆地区两个数据之间的相关性、误差均优于全球干旱地区[9]和中国东北地区[13, 14]的相应结果，表明总体上新疆地区GIMMS和MODIS NDVI数据具有较高的一致性，采用MODIS延伸GIMMS的时间序列长度是可行的。塔克拉玛干沙漠NDVI几乎没有变化也表明1982—2012年的数据质量稳定、可靠，2007—2012年插补结果与1982—2006年的GIMMS NDVI数据连续较好。南疆地区多年平均降水量低于100 mm，NDVI值多小于0.1，分布着荒漠和稀疏的高山植被，可能是造成南疆地区逐像元GIMMS与MODIS相关性较差的原因，与Fensholt等在全球极度干旱稀疏植被区域[9, 11]的结果一致。
3.2 NDVI变化趋势分析总体上，区域植被显著增加的结果与全球干旱区[9]、欧亚大陆[1]及其它研究[5, 32, 34, 35, 43]得出的NDVI变绿的趋势一致。1998年之前极显著增加、1998年之后显著减少的生长季NDVI变化过程也与朴世龙等[1, 36]、Mohammat等[36]的欧亚地区的结果基本一致，与中国大陆NDVI变化发生转变的时间一致[5, 38]。但由于本文研究时段延长，后一时期的减少更为明显。1998—2006年，生长季NDVI变化趋势不显著(R2=0.38,P>0.05,n=9)，与亚洲内陆[37]和欧亚大陆[1]的研究结果相同，而1998—2012年则显著减少(R2=0.30,P<0.05,n=15)。生长季NDVI在1998年前后这种相反的变化趋势主要是由于夏季NDVI的相应变化造成，其次是秋季，春季NDVI对此贡献较小。这与欧亚大陆NDVI变化趋势相反很大程度是由春季和夏季变化造成[1]的结果不同，本研究发现春季NDVI在1998年前后均为增加趋势，并未出现拐点。究其原因，主要是研究时段不同，新疆1998—2006也呈减少趋势，但1998—2012年则呈增加趋势。研究空间尺度的不同，对研究结果也有部分影响。
生长季、夏季和秋季的A+的变化过程也呈现清晰的阶段性：1998年之前显著增加，1998年之后明显减少，与NDVI逐年变化趋势的结果和相关研究[37]一致。生长季、季节NDVI异常值在AL、AE极端异常水平多呈减少趋势，而AM水平均呈极显著增加趋势(P<0.01)，表明在区域尺度NDVI的变化逐渐趋于稳定。尤其是AL-、AE-多呈显著减少，是整个时段NDVI增加的原因之一。从研究区域的结果来看，朴世龙等[1]观测到的1990s末期至2006年的生长季NDVI降低趋势，在2007-2012年依然在持续。
3.3 NDVI对气候变化的响应尽管已有研究认为干旱区、半干旱区NDVI变化主要受生长季降水量和蒸散发的影响，与气温关联性较小[6, 32]，但我们的研究显示，新疆植被的生长同时受到水热条件的共同限制。这一点通过区域尺度生长季NDVI与气候要素的相关性得到了验证，尤其是受气温的影响更为显著。与相关研究不一致的原因主要是研究时段不同。基于有限时间序列的植被动态监测，常常会发生不同的起点、结束点、突变点，产生不同结果的现象[27, 38]。
植被对气候响应的季节差异显著。春季、秋季NDVI与气温、潜在蒸散发的相关性更为显著，与降水量相关性较差，而夏季NDVI则与降水量、湿润指数的相关性更强。1998年前后，夏季NDVI变化趋势的差异，主要与降水量、湿润指数变化密切相关，夏季降水量、湿润指数1998年之前呈增加趋势，1998之后呈减少趋势，与NDVI变化趋势一致，进一步说明夏季NDVI主要受到水分的影响。此外，生长季、夏季和秋季1990s后半段开始大多数年份气温A+的区域面积比例较大(图 5)，气温偏高也导致蒸散发迅速增加(图 5)，干旱压力增大[37]，导致植被NDVI下降。
4 结 论研究结果显示，在区域尺度和像元尺度GIMMS与MODIS NDVI之间的一致性较强，仅新疆南部植被稀疏的荒漠地区相对较差。总体上，两者之间的一致性较好，利用MODIS NDVI模拟的GIMMS NDVI结果可靠，以此拓展GIMMS NDVI时间序列可行。
与NDVI异常值A+的变化趋势一致，1982—2012年研究区域生长季、各季节植被生长呈显著增加趋势，除春季外，生长季、夏季和秋季存在1998年之前显著增加，1998年之后减少的阶段性。总体上，生长季与各季节NDVI的AE+、AL+异常值呈不显著减少趋势，AE-、AL-则呈显著减少趋势；而AM+、AM呈显著增加趋势，NDVI呈极端变化的区域越来越少。
研究区域气温普遍显著升高，尤其是1990s后半段之后，正异常值占绝对优势。降水量呈略有增加趋势，潜在蒸散发增加趋势非常显著，湿润指数变化不明显。水热条件共同影响植被生长，但季节不同起主导作用的气候要素不同，气温、潜在蒸散发主要在春秋季限制植被生长，与水分状况有关的降水量、湿润指数主要影响夏季植被生长。
| [1] | Piao S L, Wang X H, Ciais P, Zhu B, Wang T, Liu J. Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006. Global Change Biology, 2011, 17(10): 3228-3239. |
| [2] | Peng J, Liu Z H, Liu Y H, Wu J S, Han Y N. Trend analysis of vegetation dynamics in Qinghai-Tibet Plateau using Hurst Exponent. Ecological Indicators, 2012, 14(1): 28-39. |
| [3] | Myneni R B, Keeling C D, Tucker C J, Asrar G, Nemani R R. Increased plant growth in the northern high latitudes from 1981 to 1991. Nature, 1997, 386(6626): 698-702. |
| [4] | Goetz S J, Bunn A G, Fiske G J, Houghton R A. Satellite-observed photosynthetic trends across boreal North America associated with climate and fire disturbance. Proceedings of the National Academy of Sciences of the United States of America, 2005, 102(38): 13521-13525. |
| [5] | Peng S S, Chen A P, Xu L, Cao C X, Fang J Y, Myneni R B, Pinzon J E, Tucker C J, Piao S L. Recent change of vegetation growth trend in China. Environmental Research Letters, 2011, 6(4): 4027-4039. |
| [6] | Nemani R R, Keeling C D, Hashimot H, Jolly W M, Piper S C, Tucker C J, Myneni R B, Running S W. Climate-Driven increases in global terrestrial net primary production from 1982 to 1999. Science, 2003, 300(5625): 1560-1563. |
| [7] | Beck H E, McVicar T R, Dijk A, Schellekens J, Jeu R, Bruijnzeel L. Global evaluation of four AVHRR-NDVI data sets: Intercomparison and assessment against Landsat imagery. Remote Sensing of Environment, 2011, 115(10): 2547-2563. |
| [8] | Beck P S A, Goetz S J. Satellite observations of high northern latitude vegetation productivity changes between 1982 and 2008: ecological variability and regional differences. Environmental Research Letters, 2011, 6(4): 5501-5511. |
| [9] | Fensholt R, Langanke T, Rasmussen K, Reenberg A, Prince S D, Tucker C, Choles R J, Le Q B, Bondeau A, Eastman R, Epstein H, Gaughan A E, Hellden U, Mbow C, Olsson L, Paruelo J, Schweitzer C, Seaquist J, Wessels K. Greenness in semi-arid areas across the globe 1981-2007 an Earth Observing Satellite based analysis of trends and drivers. Remote Sensing of Environment, 2012, 121(6): 144-158. |
| [10] | Alcaraz-Segura D, Liras E, Tabik S, Paruelo J, Cabello J. Evaluating the consistency of the 1982-1999 NDVI trends in the Iberian Peninsula across four time-series derived from the AVHRR sensor: LTDR, GIMMS, FASIR, and PAL-II. Sensor, 2010, 10(2): 1291-1314. |
| [11] | Fensholt R, Proud S R. Evaluation of Earth Observation based global long term vegetation trends-Comparing GIMMS and MODIS global NDVI time series. Remote Sensing of Environment, 2012, 119(16): 131-147. |
| [12] | De J R, De B S, Schaepman M, Dent D. Quantitative mapping of global land degradation using Earth observations. International Journal of Remote Sensing, 2011, 32(21): 6823-6853. |
| [13] | 毛德华, 王宗明, 宋开山, 刘殿伟, 张柏, 张素梅, 罗玲, 张春华. 东北多年冻土区植被NDVI变化及其对气候变化和土地覆被变化的响应. 中国环境科学, 2011, 31(2): 283-292. |
| [14] | Mao D H, Wang Z M, Luo L, Ren C Y. Integrating AVHRR and MODIS data to monitor NDVI changes and their relationships with climatic parameters in Northeast China. International Journal of Applied Earth Observation and Geoinformation, 2012, 18(8): 528-536. |
| [15] | 信忠保, 许炯心, 郑伟. 气候变化和人类活动对黄土高原植被覆盖变化的影响. 中国科学 D辑: 地球科学, 2007, 37(11): 1504-1514. |
| [16] | 丁明军, 张镱锂, 刘林山, 王兆锋. 1982-2009年青藏高原草地覆盖度时空变化特征. 自然资源学报, 2010, 25(12): 2114-2122. |
| [17] | Huete A, Didan K, Miura T, Rodriguez E P, Gao X, Ferreira L G. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 2002, 83(1/2): 195-213. |
| [18] | 陈燕丽, 龙步菊, 潘学标, 钟仕全, 莫伟华. MODIS NDVI和AVHRR NDVI对草原植被变化监测差异. 遥感学报, 2011, 15(4): 831-845. |
| [19] | Fensholt R, Rasmussen K, Nielsen T T, Mbow C. Evaluation of earth observation based long term vegetation trends——Intercomparing NDVI time series trend analysis consistency of Sahel from AVHRR GIMMS, Terra MODIS and SPOT VGT data. Remote Sensing of Environment, 2009, 113(9): 1886-1898. |
| [20] | Gallo K, Ji L, Reed B, Eidenshink J, Dwyer J. Multi-platform comparisons of MODIS and AVHRR normalized difference vegetation index data. Remote Sensing of Environment, 2005, 99(3): 221-231. |
| [21] | 何月, 樊高峰, 张小伟, 柳苗, 高大伟. 浙江省植被NDVI动态及其对气候的响应. 生态学报, 2012, 32(14): 4352-4362. |
| [22] | Tucker C J, Pinzon J E, Brown M E, Slayback D A, Pak E W, Mahoney R, Vermote E F, Saleous N E. An extended AVHRR 8-km NDVI dataset, compatible with MODIS and SPOT vegetation NDVI data. International Journal of Remote Sensing, 2005, 26(20): 4485-4498. |
| [23] | Brown M E, Pinzon J E, Brown M E, Didan K, Morisette J T, Tucker C J. Evaluation of the consistency of long-term NDVI time series derived from AVHRR, SPOT-Vegetation, SeaWiFS, MODIS, and Landsat ETM+ Sensors. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(7): 1787-1793. |
| [24] | Bai Z G, Dent D. Recent land degradation and improvement in China. AMBIO: A Journal of the Human Environment, 2009, 38(3): 150-156. |
| [25] | Fensholt R, Rasmussen K. Analysis of trend in the Sahelian ‘rain-use efficiency’ using GIMMS NDVI, RFE and GPCP rainfall data. Remote Sensing of Environment, 2011, 115(2): 438-451. |
| [26] | Pettorelli N, Chauvenet A L M, Duffy J P, Cornforth W A, Meillere A, Baillie J E M. Tracking the effect of climate change on ecosystem functioning using protected areas: Africa as a case study. Ecological Indicators, 2012, 20(9): 269-276. |
| [27] | Wessels K J, Prince S D, Malherbe J, Small J, Frost P E, VanZyl D. Can human-induced land degradation be distinguished from the effects of rainfall variability? A case study in South Africa. Journal of Arid Environments, 2007, 68(2): 271-297. |
| [28] | Intergovernmental Panel on Climate Change(IPCC). Climate Change 2007: The Physical Science Basis//Solomon S, Qin D, Manning M, Z Chen, Marquis M, Averyt K B, Tignor M, Miller H L, eds. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, U K: Cambridge University Press, 2007. |
| [29] | Li A, Wu J G, Huang J H. Distinguishing between human-induced and climate-driven vegetation changes: a critical application of RESTREND in inner Mongolia. Landscape Ecology, 2012, 27(7): 969-982. |
| [30] | Wu Z T, Zhang H J, Krause C M, Cobb N S. Climate change and human activities: a case study in Xinjiang, China. Climate Change, 2010, 99(3/4): 457-472. |
| [31] | Wang H J, Chen Y N, Xun S, Lai D M, Fan Y T, Li Z. Changes in daily climate extremes in the arid area of northwestern China. Theoretical and Applied Climatology, 2013, 112(1/2): 15-28. |
| [32] | Zhao X, Tan K, Zhao S, Fang J. Changing climate affects vegetation growth in the arid region of the northwestern China. Journal of Arid Environments, 2011, 75(10): 946-952. |
| [33] | Ren J, Liu H Y, Yin Y, He S Y. Drivers of greening trend across vertically distributed biomes in temperate arid Asia. Geophysical Research Letters, 2007, 34(7): L07707. |
| [34] | Zhao X, Tan K, Fang J Y. NDVI-based interannual and seasonal variations of vegetation activity in Xinjiang during the period of 1982-2006. Arid Zone Research, 2011, 28(1): 10-16. |
| [35] | 王智, 师庆三, 王涛, 师庆东, 常顺利, 张履冰. 1982-2006年新疆山地-绿洲-荒漠系统植被覆盖变化时空特征. 自然资源学报, 2011, 26(4):609-618. |
| [36] | Piao S L, Fang J Y, Zhou L M, Guo Q H, Henderson M, Ji W, Li Y, Tao S. Interannual variations of monthly and seasonal normalized difference vegetation index (NDVI) in China from 1982 to 1999. Journal of Geophysical Research, 2003, 108(D14): 4401. |
| [37] | Mohammat A, Wang X H, Xu X T, Peng L Q, Yang Y, Zhang X P, Myneni R B, Piao S L. Drought and spring cooling induced recent decrease in vegetation growth in Inner Asia. Agricultural and Forest Meteorology, 2013, 178-179: 21-30. |
| [38] | De Jong R, Verbesselt J, Schaepman M E, de Bruin S. Trend changes in global greening and browning: contribution of short-term trends to longer-term change. Global Chang Biology, 2012, 18(2): 642-655. |
| [39] | Lotsch A, Friedl M A, Anderson B T, Tucker C J. Response of terrestrial ecosystems to recent Northern Hemispheric drought. Geophysical Research Letters, 2005, 32(6): L06705. |
| [40] | Xu X T, Piao S L, Wang X H, Chen A P, Ciais P, Myneni R B. Spatio-temporal patterns of the area experiencing negative vegetation growth anomalies in China over the last three decades. Environmental Research Letters, 2012, 7(3): 35701. |
| [41] | Steven M D, Malthus T J, Baret F, Xu H, Chopping M J. Intercalibration of vegetation indices from different sensor systems. Remote Sensing of Environment, 2003, 88(4): 412-422. |
| [42] | Fontana F M A, Coops N C, Khlopenkov K V, Trishchenko A P, Riffler M, Wulder M A. Generation of a novel 1km NDVI data set over Canada, the northern United States, and Greenland based on historical AVHRR data. Remote Sensing of Environment, 2012, 121(6): 171-185. |
| [43] | Dai S P, Zhang B, Wang H J, Wang Y M, Guo L X, Wang X M, Li D. Vegetation cover change and the driving factors over northwest China. Journal of Arid Land, 2011, 3(1): 25-33. |