研究论文 网络优先出版 版本 1
下载
20世纪初以来沂蒙山区森林植被动态及其对气候变化的响应——基于遥感和树轮的研究
Combining Remote Sensing and Tree Ring Techniques to Investigate Forest Vegetation Dynamics and its Response to Climate Change in Yimeng Mountainous Area from the Early 20th Century
: 2019 - 09 - 15
: 2020 - 02 - 12
: 2020 - 03 - 03
43 0 0
摘要&关键词
摘要:遥感能够直接反映植被生长信息,但目前观测时间较短;树轮资料可以弥补遥感手段的不足,但往往缺乏与植被生长状况(如植被生产力)的直接关联。已有研究往往计算不同植被指数指标和树轮指数的相关性,并基于此来重建长时间尺度的植被动态信息。但基于相关性所选取的指标在不同地区存在较大差异,不利于空间对比研究。本研究以沂蒙山区为研究区,选取能够有效表征植被年初级生产力的生长季NDVI累积值指标,利用Bootstrap法建立了其与树轮宽度的关系,重建了20世纪初期以来植被动态时间序列,并分析了变化特征及其与气候变化的关系。结果表明:沂山地区生长季NDVI累积值的多年平均值为7.36,低于蒙山和塔山地区;蒙山地区植被状况呈现好转趋势,特别是1990s后植被好转趋势更加明显,而塔山和沂山地区植被无显著变化。小波分析结果表明研究区植被动态存在较显著的2年、4年或8年尺度的周期变化,与生长季帕尔默干旱指数及平均温度的周期变化相一致,但干旱指数与植被动态具有更高的相关性。本研究综合运用树轮与遥感技术发展了长时间尺度植被动态时间序列重建方法,有助于更好地理解植被动态及对气候变化响应。
关键词:树轮;遥感;NDVI;沂蒙山区;森林植被动态
Abstract & Keywords
Abstract: Background, aim, and scope Remote sensing is an effective approach of vegetation monitoring, and remote sensing-based vegetation indices can well capture vegetation growth curve. However, the longest remote sensing observations are only available for about 40 years, which limits their use in research on long-term vegetation dynamics. Tree ring data usually have longer records, which overcomes the limitations of remote sensing observations, but there is no direct link between tree ring and vegetation properties (e.g., gross primary productivity, biomass). Previous studies combine tree ring width and satellite-based vegetation index to reconstruct vegetation dynamics for a long period. However, the selection of indicators depends much on correlation, and thus different indicators might be chosen for different regions, which is not suitable for comparison spatially. Here, we took Yimeng Mountainous area as the study area, reconstructed long-term accumulative NDVI values of the growing season, an effective indicator of annual gross primary productivity, from the earlier 20th century, and characterized their temporal changes. Materials and methods (1) 225 tree ring cores were collected from three sites within our study area: Meng Mountain, Ta Mountain and Yi Mountain. The ring widths of all the cores were measured using MeasureJ2X professional measurement software under the LINTAB tree ring width meter (measuring accuracy 0.01 mm), and then COFECHA program was used to test the cross-dating quality. Finally, the standardized chronology (STD), difference chronology (RES) and autoregressive standardized chronology (ARS) were established by the ARSTAN program. (2) To derive the time series of accumulative NDVI of the growing season, we extracted NDVI time series at 15-day interval for each sampling site, used the TIMESAT software to determine the start, end, and length of the growing season, and finally get the sum of NDVI values within the range of the growing season. (3) The Bootstrap method was used to establish the empirical relationships between tree ring width and accumulative NDVI, and reconstruct the time series of accumulative NDVI from early 20th century. (4) Wavelet analysis was utilized to identify the underlying periods within the long-term time series of climate variables and accumulative NDVI. Results The mean accumulative NDVI of growing season for Yi Mountain area is 7.36, which was lower than that in Meng and Ta Mountain areas. Vegetation productivity in Meng Mountain area showed an increasing trend, and the magnificence of increase was particularly large after 1980s, but there was no significant trend in Ta and Yi Mountain areas. There were 2 years, 4 years and 8 years of period underlying the time series of accumulative NDVI for three sites. Variations in mean wavelet power between 2 to 8 years for accumulative NDVI was more consistent with those for PDSI than temperature. Discussion Our research found that tree ring width significantly correlated with accumulative NDVI of growing season, an effective indicator of vegetation productivity. Meanwhile, our used nonparametric method, Bootstrap regression, was more robust than traditional statistical method, which could address the situations when the sample size was small or the distribution of samples was not normal. Therefore, our research provides a framework which accurately reconstructs vegetation dynamics for a long time period. We also found that vegetation dynamics within our study area were determined by combined water and temperature, as indicated by the highly consistence between variations in accumulative NDVI and PDSI. Conclusions We concluded that integrating remote sensing and tree ring techniques could effective reconstruct long-term vegetation dynamics, and accumulative NDVI of growing season was useful indicator to be chosen for reconstruction given its high correlation with tree ring width and its close link with vegetation productivity. Vegetation dynamics in the Yimeng Mountainous areas were determined by water and temperature factors. Recommendations and perspectives We develop a framework to accurately reconstruct vegetation dynamics by combined remotely sensed data and tree ring materials, which could be extended to other research areas. Our findings that both water and temperatures are important to determine vegetation productivity are useful for explaining and predicting vegetation dynamics under climate change especially in the warm temperate Yimeng Mountainous regions.
Keywords: tree ring; remote sensing; NDVI; Yimeng Mountainous area; Forest vegetation dynamics
植被是联结土壤、大气和水分等要素的自然纽带,其时空格局变化对于全球气候变化、碳循环和水循环过程具有重要影响。遥感是植被动态监测的有效手段之一,植被指数能有效反映森林植被动态,是森林植被动态定量化表达的重要途径(Turner, et al., 2003; Kerr, et al., 2003)。其中,基于GIMMS(Global Inventory Monitoring and Modeling Studies)的归一化植被指数(Normalized Difference Vegetation Index,NDVI)消除了传感器灵敏度、太阳高度角、云覆盖及火山喷发产生的气溶胶等随时间变化的影响(Fensholt and Proud, 2012),有较好的时相和空间适应性,因而已成为植被覆盖度 (Myneni et al., 1997; Los et al., 2001; Zhou et al., 2001)、生物量 (Haripriya, 2000; Myneni et al., 2001; Dong et al., 2003)、区域净初级生产力 (Paruelo et al., 1997; Li et al., 2004)、生物气候学 (Myneni et al., 1997; Slayback et al., 2003)及光合作用(Tucker et al., 1986)等研究领域应用最为广泛的数据(Tucker et al., 2001; Liang et al., 2009; Vicente-Serrano et al., 2016)。但遥感数据时间序列较短,往往无法满足长时间尺度植被动态研究。
树轮能够很好反映较长时间尺度植被生长状况及其环境变化过程(Levesque et al., 2017)。已有研究证实树轮指数与植被指数(如NDVI)之间有较好的相关性(Berner,et al., 2011; Malmstrm,et al.,1997),为重建过去长时段植被动态变化提供了重要前提。Berner等(2011)针对俄罗斯和加拿大高纬度地区云杉和松树树轮研究时发现树轮宽度与1982-2008年夏季 NDVI显著正相关。在西伯利亚地区(Shishov et al., 2002)、俄罗斯北方泰加林区(Lopatin et al., 2006;Bunn et al., 2013)、美国阿拉斯加内地(Beck et al., 2011)及西北部地区(Berner et al., 2011)的研究也发现树木年轮宽度与NDVI有较强的相关性。Wulder 等(2004) 针对美国中部平原堪萨斯州东部地区的研究发现橡树(Quecrusspp.)树轮宽度指数与生长季早期的NDVI指数具有较强的相关性; Kaufmann等(2008)则发现欧亚大陆中高纬地区树轮宽度指数与6、7月的NDVI有较强的相关性。
国内学者综合树轮资料和遥感植被指数数据对中国不同地区植被动态进行了系统研究(陈峰等,2005;何吉成等,2006;尚华明等,2016)。何吉成等(2005)发现东北漠河地区的樟子松(Pinus sylvestris var. mongolica)树轮最大密度、晚材密度与生长季NDVI具有显著相关性。在祁连山地区,已有研究建立了树轮资料与不同季节NDVI的经验关系,重建了长时间尺度的植被动态变化,发现存在2-3a、5a、13a和15a左右的振荡周期(王文志 等,2010;王亚军 等,2016)。汪青春等(2012)发现青海湖布哈河流域树轮宽度与6-8月草地NDVI显著相关,并重建了近1000年来8月份草地NDVI时间序列。朱显亮等(2018)发现秦岭太白山自然保护区太白红杉树轮宽度与NDVI间存在显著正相关,并重建了历史时期7月NDVI变化序列,发现存在 60年左右的准周期变化。王瑞丽等(2011)针对中低纬度地区的陕西省南郑县和河南省鸡公山自然保护区的马尾松( Pinus massoniana) 的研究发现树轮和NDVI的相关性不显著,并指出在北亚热带地区年轮宽度数据不能很好地反映NDVI的变化。
已有研究计算不同植被指数指标与树轮指数的相关性,并基于显著相关的经验关系来重建特定指标长时段植被动态序列。然而,不同地区与树轮指数显著相关的指标往往不同,导致所选取的重建指标存在较大差异,不利于空间对比研究。同时,树轮指数与植被指数关系研究多集中在中高纬度地区,低纬度地区研究较少。例如,本文选取的地处暖温带的沂蒙山区,尚缺乏基于树轮资料的长时段植被动态变化研究。基于此,本文以沂蒙山区为研究区,选取能够有效表征植被年初级生产力的生长季NDVI累积值指标,利用Bootstrap法建立了其与树轮宽度的关系,重建了20世纪初期以来植被动态时间序列,并分析了变化特征及其与气候变化的关系。
1   研究区概况
沂蒙山区位于山东省中、南部(35°10′N-36°13'N,117°35′E-118°40'E)(图1),是鲁沂山脉和蒙山山脉的泛称,为山东省鲁中南山地丘陵区的主要山地;气候为暖温带大陆性季风气候,属亚热带与温带间的过渡地带和气候变化的敏感区。全区年均气温10.8℃-13.4℃,年总降水量约850-990mm,气候温和,雨热同期,四季分明。土壤以山地棕壤和淋溶褐色土为主,土壤质地以砂壤土为主,结构疏松,发生层次不明显。森林植被类型为麻栎林及油松、黑松和赤松等针叶林,植被覆盖度为85%-98%(高远等,2009)。蒙山山脉地处鲁南,呈西北东南走向绵延100余km,总面积约1330km2,其中,蒙山地区位于蒙山山脉西北部,主峰龟蒙顶,海拔1156m;塔山地区位于蒙山山脉东南部,主峰玉柱峰,海拔1073m。


图1   研究区概况及采样区位置
Fig. 1 Geographical location of the study area and the spatial distribution of sampling sites and meteorological stations
2   材料与方法
2.1   树轮数据
2.1.1   野外采样
本研究所用树轮样品分别采集于蒙山、塔山和沂山三个地区(如图1),采样区均属国家森林公园,人类活动影响相对较小。三个采样地区的基本信息见表 1。
表1   采样区基本信息
采样区Sampling area树种Tree species采集样芯数 (定年样芯数)Total cores ( cores for dating)采样点地理坐标Geographical coordinates海拔
(m)
Altitude
(m)
坡向/坡度
(°)
Aspect/Slope (°)
采样时间Sampling time时段(年) Period (year)
蒙山
地区Meng Mountain area
油松Pinus tabulaeformis Carr57(49) 35°32′-35°33′N
117°50′E-117°51′E
760-1135南坡-西坡
20-40
South slope –West slope
20-40
2015.12
2016.04
1886-2015
塔山
地区TaMountain area
黑松Pinus thunbergii Parl128(111) 35°26′-35°27′N
 118°02′E
430-772东坡-南坡-西坡
20-40
East slope-South slope-West slope
20-40
2010.061938-2009
沂山
地区Yi Mountain area
油松Pinus tabulaeformis Carr.40(30)36°11′N,118°37′E 780-785东坡-南坡
20-40
East slope-South slope
20-40
2011.111831-2011
2.1.2 交叉定年及年表建立
将所采样芯风干后,固定在样槽中,打磨到年轮清晰为止。然后利用用骨架示意图方法进行交叉定年(马利民等,2003)。采用TSAPWin专业测量软件,在LINTAB树轮宽度仪(测量精度0. 01mm)下按照规范准确测量树芯年轮宽度,测量后对所测结果进行随机抽样检验至合格,并采用COFECHA程序进行交叉定年质量检验。蒙山地区所采样本,剔除8个交叉定年达不到要求的样芯,最后有49个油松样芯用于年表建立。塔山所采样本经交叉定年与COFECHA程序检验后,剔除了与主序列相关性小于0.5的17个样芯,最后用于生成年表的样芯111个。沂山地区经COFECHA软件检验后,舍弃与主序列相关性低的树芯,最终选取12棵树的30根样芯用于年表建立。作为生长量订正,去除树木自身生长趋势,并将部分树木之间非一致性扰动滤掉,采用了步长为32年的样条函数对各个样本序列进行曲线拟合。最终用ARSTAN程序建立了三个地区标准化年表(STD)、差值年表 ( RES) 和自回归年表 (ARS) 。图2-图4为蒙山、塔山及沂山三个地区的树轮年表及年表样芯数。


图2   蒙山地区三个树轮宽度年表及各时段参与年表的样本量
Fig.2 The three tree rings chronology and sample sizes in each time period for Meng Mountain area


图3   塔山地区三个树轮宽度年表及各时段参与年表的样本量
塔山地区三个树轮宽度年表及各时段参与年表的样本量


图4   沂山地区三个树轮宽度年表及各时段参与年表的样本量
Fig.4 The three tree rings chronology and sample sizes in each time period for Yi Mountain area
2.2 NDVI数据与气象数据
本文选取GIMMS NDVI数据表征植被生长状况,并重建长时段植被动态。该数据空间分辨率为 8 km × 8 km,时间跨度为1982年1月至2013年12月,15天间隔,共32年,768幅。该数据在植被动态变化研究中得到了最为广泛的应用。本文采用的气象指标包括气温和帕尔默干旱指数(Palmer Drought Severity Index,PDSI),来自Climate Research Unit(CRU)。气象指标均为月值,空间分辨率为0.5o×0.5o,时间段为1901年1月至2016年12月(下载网址:http://www.cru.uea.ac.uk/data) 。本研究还选取了位于研究区内的平邑、费县、蒙阴、沂水和临朐5个气象站1960年以来的气温、降水、相对湿度数据进行分析。
2.3 研究方法
2.3.1 生长季NDVI累积值时间序列获取
本研究利用Timesat软件对NDVI时间序列进行拟合并识别出逐年生长季开始期、结束期和生长季时长,进而计算蒙山、塔山和沂山地区1982-2013年生长季NDVI累积值时间序列。为了使遥感数据和采样点较好的匹配,本研究对每一个采样区进行20km缓冲区分析,利用监督分类法对缓冲区进行土地覆盖分类,获取1982-2013年逐年土地覆盖图,最终确定缓冲区内研究时段未发生变化的森林像元。我们提取了各稳定森林像元15天间隔的NDVI时间序列并计算平均值代表该采样区NDVI变化状况(图5a)。利用Timesat软件对NDVI时间序列进行拟合并识别出逐年生长季开始期、结束期和生长季时长,然后计算生长季范围内NDVI的总和作为生长季NDVI累积值(图5b),进而获取采样区1982-2013年生长季NDVI累积值时间序列(图5c)。


图 5   生长季NDVI累积值的计算过程
Fig. 5 Data processing procedure to derive accumulative NDVI of the growing season
(a)15天间隔的原始NDVI值;(b)单一年份生长季NDVI累积值的获取;(c)1982-2013年塔山地区生长季NDVI时间序列。(a) Raw NDVI time series at 15-day interval; (b) Calculation of accumulative NDVI of the growing season for a single year; (c) Derived time series of accumulative NDVI of the growing season for Meng Mountain area from 1982-2013.
2.3.2 NDVI累积值时间序列构建
本研究利用Bootstrap法获取研究区NDVI累积值与树轮宽度序列经验关系,重建20世纪初期以来研究区各采样区长时段生长季NDVI累积值序列。Bootstrap是一种非参数统计方法,它利用多次随机可重复抽样来获取要估算统计量的分布特征。相比于传统统计方法,该方法更加适用于样本量较小和样本数据不满足正态分布时的情况。图6显示了基于Bootstrap法获取的用于NDVI累积值重建的截距和斜率值(以蒙山地区为例)。


图6   基于Bootstrap法的NDVI累积值与树轮宽度线性关系统计量的分布特征 (a)截距(b)斜率
Fig. 6 Distribution of parameters showing the linear relationships between accumulative NDVI and tree ring width based on the Bootstrap method (a) Intercept (b) Slope
本研究采用误差缩减法对重建结果进行精度验证。检验误差缩减值(RE)是精确检验估计重建值可靠性的统计量(Wu, 1990),其表达式为:


 
式中yi与y︿i分别是原始值和重建值,RE值取值范围为- ∞到1 .0。一般认为RE≥0.3,即通过验证。本研究计算了三个采样区的RE值。其中,蒙山地区RE值为0.995,塔山地区RE值为0.992,沂山地区RE值为0.993,均远大于 0.3,表明重建结果具有较高的可靠性。
3   结果分析
3.1 树轮宽度年表特征
表2显示了研究区三个采样区各自3种年表的主要统计特征。三个地区各种年表的平均值基本一致,标准差也较为接近;平均敏感度均以RES为最大。年表的一阶自相关系数以RES最小,ARS次之,而STD最大。通过对比分析,本研究选择了标准年表(STD)用于生长季NDVI累积值重建。
表2   蒙山、塔山和沂山3个采样区所建 3 种年表的统计特征
特征参数Characteristic paramerer蒙山地区年表Chronology of Meng mountain area塔山地区年表Chronology of Ta mountain area沂山地区年表Chronology of Yi mountain area
STDRESARSSTDRESARSSTDRESARS
平均值(Mean)0.9690.9950.9910.9850.9860.9890.9850.9910.991
一阶自相关系数First-order autocorrelation0.3110.1420.3070.474-0.0380.4550.278-0.0020.102
平均敏感度Mean sensitivity0.2970.3190.2870.1730.1790.1560.1790.1960.187
标准差Standard deviation0.3110.2920.3060.2100.1560.1940.1840.1770.178
年表时段Period1886-20151938-20091831-2011
年表长度(年)Length (year)13072181
可靠年表时段Reliable period1928-20151956-20091876-2011
公共区间Shared interval1962-20151960-20091937-2011
信噪比Signal-to-noise ratio10.82135.30637.96
样本量总体代表性Representativeness of samples0.9150.9720.792
第一特征向量方差(%)Variance of first eigenvector (%)32.85%51.7%82.7%
树与树间平均相关系数Mean correlations between trees0.2360.4580.328
各序列与主序列相关系数平均值Mean correlations radii vs mean0.4680.4950.394
3.2 树轮宽度与NDVI累积值的相关性 
针对三个地区的标准化树轮宽度年表与对应地区1982-2013年生长季NDVI累积值序列相关分析,发现蒙山与塔山地区的树轮宽度序列与生长季NDVI累积值具有显著的相关性(p<0.05),而沂山地区的相关性不显著(表 3)。针对树轮宽度及生长季NDVI累积值作二次平滑并进行相关分析,发现相关系数均达到了0.01的显著性水平。本研究采用平滑后的时间序列建立经验关系,重建长时段植被动态序列。图7为三个地区标准化年表序列及其九点二次平滑序列图。
表3   平滑前后树轮年表与生长季NDVI累积值的相关系数对比
采样区
Sampling area
平滑前相关系数
Correlation coefficient before smoothing
平滑后相关系数Correlation coefficient with smoothed data
蒙山地区
Meng Mountain area
0.47**0.76**
塔山地区
Ta Mountain area
0.38*0.58**
沂山地区
Yi Mountain area
0.120.55**
注:*表示显著性水平p<0.05,**表示显著性水平p<0.01
Note: * indicates significance level of 0.05, ** indicates significance level of 0.01.



图7   蒙山、塔山和沂山三个地区标准化年表序列及其九点二次平滑序列
Fig.7 The standardized chronology and nine-point quadratic smoothed time series for Meng Mountain, Ta Mountain and Yi Mountain
3.3 植被动态变化
3.3.1 植被动态的波动性特征
图9—11显示三个地区NDVI累积值序列都具有较明显的波动。整体上看,蒙山地区生长季NDVI累积值多年平均值为7.69,植被动态呈现略微上升的趋势,但阶段性变化较显著,特别是1990s后植被变化呈现明显好转的趋势(图8)。相比之下,塔山和沂山地区植被趋势变化不明显。塔山地区生长季NDVI累积值多年平均值为7.63,无明显的趋势,但波动性较大(图9)。沂山地区生长季NDVI累积值的多年平均值为7.36,低于蒙山和塔山地区,波动明显,但无明显变化趋势(图 10)。


图8   蒙山地区1982-2015年生长季NDVI累积值、1900-2015年生长季NDVI累积值重建序列 及其九点二次平滑序列
Fig. 8 Accumulative NDVI of the growing season from 1982 to 2013,the reconstructed accumulative NDVI from 1900 to 2015 and its nine-point quadratic smoothed time series in Meng Mountain area


图9   塔山地区1982-2013年生长季NDVI累积值、1938-2009年生长季NDVI累积值重建序列 及其九点二次平滑序列
Fig. 9 Accumulative NDVI of the growing season from 1982 to 2013,the reconstructed accumulative NDVI from 1938 to 2009 and its nine-point quadratic smoothed time series in Ta Mountain area


图10   沂山地区1982-2013年生长季NDVI累积值、1900-2011年生长季NDVI累积值重建序列 及其九点二次平滑序列
Fig.10 Accumulative NDVI of the growing season s from 1982 to 2013,the reconstructed accumulative NDVI from 1900 to 2011 and its nine-point quadratic smoothed time series in Yi Mountain area
3.3.2 植被动态的周期性特征
利用小波分析对长时段生长季NDVI累积值重建序列进行多尺度分解,得到植被动态变化的周期性和不同尺度植被变化趋势特征。蒙山地区植被动态在2年和8年尺度上周期性波动显著(图11c);由小波功率时间序列发现,1930s之前和1990s之后植被长势较好,而在1930s-1990s之间植被长势较差,但波动较小(图11b)。


图11   蒙山地区生长季NDVI累积值时间序列的小波分析
Fig. 11Wavelet analysis of growth season cumulative NDVI time series in Meng Mountain area
塔山地区生长季NDVI累积值在8年尺度上周期性波动显著(图12c);小波功率时间序列显示1938-1955年塔山植被长势较好,1955-1975年植被长势较差,波动较小,1975年以后植被长势有所好转,但波动性较大(图12b)。


图12   塔山地区生长季NDVI累积值时间序列的小波分析
Fig. 12 Wavelet analysis of growth season acumulative NDVI time series in Ta Mountain area
沂山地区生长季NDVI累积值在2年和4年尺度上周期性波动显著(图13c);小波功率时间序列显示1980年之前植被长势较差,变化较平稳,1980年以后植被长势好转,但波动性明显变大(图13b)。


图13   沂山地区生长季NDVI累积值时间序列的小波分析
Fig.13 Wavelet analysis of growth season acumulative NDVI time series in Yi Mountain area
3.4 生长季NDVI累积值与气候变化的关系
图14和图15显示了研究区1900-2016年生长季PDSI和平均气温序列的小波分析结果。小波全谱图显示PDSI在4年和8年尺度上周期性波动显著(图14c),小波功率时间序列显示,在1960-1970年和1980-1995年,气候相对湿润,而其它时段相对干旱(图14b)。小波分析的全谱图显示生长季平均气温呈现明显的波动上升趋势(图 15a),在4年尺度上周期性波动显著(图15c),小波功率时间序列显示,在1920年、1935年、1954年、1978年和1994年气温相对较高(图15c)。


图14   研究区生长季帕尔默干旱指数(PDSI)时间序列的小波分析
Fig. 14 Wavelet analysis of growth season PDSI time series for the whole study area


图15   研究区生长季平均气温时间序列的小波分析
Fig.15 Wavelet analysis of growth season average temperature time series for the whole study area
图16为2-8年尺度上气候指标和三个地区生长季NDVI累积值序列平均小波功率变化。相比于温度,生长季PDSI与NDVI累积值具有更好的对应关系。1920年前后气候相对湿润,生长季平均气温较高,该时段蒙山地区植被生势较好;在1980-1990年间,气温呈下降趋势且气温较低,但干旱指数显示气候相对湿润,三个地区的植被状况均较好。在1960年前后,虽然干旱指数显示气候相对湿润,但该时段植被长势均较差。上述对比分析表明,本研究以温带季风区气候为背景,将干旱指数作为重要气候变化指标研究植被动态变化是更为科学合理的。


图16   2-8年尺度上气候指标与NDVI累积值平均小波功率的对比分析
Fig. 16 Comparisons of mean wavelet power at 2- to 8- year scales for climatic variables and accumulative NDVI of the three sampling sites 
4   讨论
本研究发现经过平滑处理后的树轮宽度年表与生长季NDVI累积值间的相关性明显增强。沂蒙山区暖温带季风气候区,树木年轮中的缺轮和伪轮等现象出现比较频繁,导致树轮宽度与NDVI累积值序列不一致,从而降低了原始时间序列之间的相关性。同时,遥感获取的NDVI指数序列往往受到云、霾等因素的干扰,导致异常值的出现,也有可能降低序列之间的相关性。本研究证明平滑处理可以有效降低树轮资料和遥感观测中存在的误差,从而更加精确的重建NDVI累积值时间序列。本研究发现生长季NDVI累积值指标与树轮宽度具有显著的相关性。该指标已被证明与植被年总初级生产力、生物量有密切关系。同时,从构建的三个地区的回归模型看,NDVI累积值与树轮宽度指标的线性关系相对稳定。而以往研究则通过尝试不同指标,选取相关性最大的指标进行重建,导致不同地区重建指标差异较大,不利于对比。因而,本研究为植被动态监测指标的选取和重建提供科学参考。
沂蒙山区地处暖温带大陆性季风气候区,大尺度气候背景变化与研究区内各地区植被动态变化具有很好的一致性。然而,与采样区各自附近气象站气象资料相关性分析发现,不同区域植被动态与不同气候指标的相关性强度有所差别。蒙山地区NDVI与单一气候因子(年均温和年降水量)的相关性不显著,与生长季前期的温度及降水的相关性略高,但仍未达到显著性水平;塔山地区NDVI与单一年均温度、年降水指标的相关性同样不显著。三个地区NDVI与相对湿度的相关性高于与气温、降水的相关性。 在暖温带季风气候的沂蒙山区,影响植被生长的因素不是单一的,而是多因素综合作用的结果。PDSI能够综合反映水分和热量状况。本研究也发现相比于气温,PDSI与植被动态变化具有较好的一致性。王文志等(2010)研究发现祁连山地区植被生长与本区帕尔默干旱指数的变化趋势有很好的一致性,且相关性较高。
本研究发现在水热条件较好的1960s年代森林植被状况却较差,这可能与社会因素有关。从清朝末期直到建国前,研究区因战争、民用砍伐薪柴等原因,植被破坏严重,致使NDVI指数不断下降,并维持在低水平状态下变化。建国后从50年代初到60年代初,研究区开始建立林场,组织群众大规模植树造林,到60年代初期,基本完成山场绿化。60年代到70年代初期,由于国家战略、政策等因素导致森林砍伐破坏,加之松毛虫危害,导致植被指数较低。在80年代初封山育林、病虫害防治及90年代末旅游业开发的影响下,研究区的植被得到较好恢复,植被NDVI指数呈现上升趋势。
5     5 结论
本研究基于非参数化统计模型重建了沂蒙山区20世纪初以来生长季NDVI累积值时间序列,并通过小波分析揭示了植被生产力波动性和周期性特征。结果表明,研究区树轮宽度指数与生长季NDVI累积值之间存在显著相关性。塔山地区和沂山地区植被变化趋势不显著,而蒙山地区20世纪70年代后期以来植被长势呈明显好转趋势。相比于气温指标,干旱指标可以更好地反映该地区的气候变化情况,并能更好地解释沂蒙山区植被动态变化。本研究综合运用了树轮与遥感技术,揭示了沂蒙山区森林植被动态及其与气候因子的关系,避免了单一方法的局限性,研究结果有助于预测未来气候变化对植被的影响。本研究综合运用树轮与遥感技术发展了长时间尺度植被动态时间序列重建方法,为理解未植被动态及对气候变化响应提供参考依据。
致谢
感谢树轮采样中王照波、孙敬省给予的指导帮助,感谢商志远在树轮定年中给予的帮助。
陈峰, 袁玉江, 张瑞波, 喻树龙. 2015. 基于树轮宽度的巴丹吉林沙漠南缘山地NDVI重建与分析[J]. 沙漠与绿洲气象, 9(4): 1-7. [Chen F, Yuan Y J, Zhang R B, Yu S L. 2015. Reconstruction of regional NDVI using tree-ring width chronology in the southern edge of the Badain Jaran Desert, Northwestern China[J]. Desert and Oasis Meteorology, 9(4): 1-7.]
高远, 慈海鑫, 邱振鲁, 等. 2009. 山东蒙山植物多样性及其海拔梯度格局[J]. 生态学报, 29(12): 6377-6384. [Gao Y, Ci H X, Qiu Z L, et al. 2009. Plant diversity and its elevational gradient patterns in Mengshan Mountain, Shandong, China [J]. Acta Ecologica Sinica, 29(12): 6377-6384.]
何吉成, 邵雪梅. 2006. 德令哈地区树轮宽度指数与草地植被指数的关系[J]. 科学通报, 51 (9): 1083-1090. [He J C, Shao X M. 2006. Relationship between tree-wheel width index and grassland vegetation index in Delingha areaChinese[J]. Science Bulletin, 51(9) : 1083-1090.]
何吉成, 王丽丽, 邵雪梅. 2005. 漠河樟子松树轮指数与标准化植被指数的关系研究[J]. 第四纪研究, 25(2): 252-257. [He J C,Wang L L, Shao X M. 2005. The relationships between Mongolian scotch pine tree ring indices normalized difference vegetation index in Mohe, China. Quaternary Sciences, 25(2): 252-257.]
马利民, 刘禹, 赵建夫. 2003. 交叉定年技术及其在高分辨率年代学中的应用[J]. 地学前缘, (2): 351-355. [Ma L M, Liu Y, Zhao J F. 2003. Cross-dating and its application in high resolving chronological research [J]. Earth Science Frontiers, (2): 351-355.]
尚华明, 魏文寿, 袁玉江, 等. 2016. 利用树轮宽度重建西藏中部地区植被指数变化. 兰州大学学报(自然科学版), 52(1): 18-23+30. [Shang H M, Wei W S, Yuan Y J, et al. 2016. Normalized vegetation variation index reconstruction based on the tree-ring width in central Tibet [J]. Journal of Lanzhou University: Natural Sciences, 52(1): 18-23+30.]
汪青春, 时兴合, 刘义花, 等. 2013. 青海湖布哈河流域树轮宽度指数与NDVI植被指数的关系[J]. 冰川冻土, 34(6): 1424-1432. [Wang Q C, Shi X H, Liu Y H, et al. 2013. Relationship between tree ring indices and vegetation index (NDVI) in Bu ha river Basin, Qinghai [J]. Journal of Glaciology and Geocryology, 34(6): 1424-1432.]
王瑞丽, 程瑞梅, 肖文发, 等. 2011. 北亚热带马尾松年轮宽度与NDVI的关系[J]. 生态学报, 31(19): 5762-5770. [Wang R L, Cheng R M, Xiao W F, et al. 2011. Relationship between massonpine tree-ring width and NDVI in North Subtropical Region [J]. Acta Ecologica Sinica, 31(19) : 5762-5770.]
王文志, 刘晓宏, 陈拓, 等. 2010. 基于祁连山树轮宽度指数的区域NDVI重建.植物生态学报, 34(9): 1033–1044. [Wang W Z, Liu X H, Chen T, et al. 2010. Reconstruction of regional NDVI using tree-ring width chronologies in the Qilian Mountains, northwestern China [J]. Chinese Journal of Plant Ecology, 34(9): 1033-1044.]
王亚军, 马玉贞, 鲁瑞洁, 等. 2016. 祁连山东延余脉—兴隆山树木径向生长记录的公元1845年来夏季NDVI变化. 地理研究, 35(04): 653-663. [Wang Y J, Ma Y Z, Lu R J, et al. 2016. Summer NDVI variability recorded by tree radial growth in the Xinglong Mountain, the eastward extension of the Qilian Mountains, since 1845 AD [J]. Geographical Research, 35(4): 653-663. ]
朱显亮, 李书恒, 白红英, 等. 2018. 基于太白红杉树轮宽度重建近172年太白山自然保护区7月NDVI[J]. 应用生态学报, 29(7): 2382-2390. [Zhu X L, Li S H, Bai H Y, et al. 2018. Reconstruction of July NDVI over 172 years based on tree-ring width of Larix chinensis in Taibai Mountain Nature Reserve, China [J]. Chinese Journal of Applied Ecology, 29(7) : 2382-2390.]
Beck H E, Mcvicar T R, Albert I J M V Dijk, et al. 2011. Global evaluation of four AVHRR-NDVI data sets: intercomparison and assessment against Landsat imagery [J]. Remote Sensing of Environment, 115, 2547-2563.
Berner LT, Beck P S A, Bunn A G, et al. 2011. High-latitude tree growth and satellite vegetation indices: Correlations and trends in Russia and Canada (1982-2008) [J]. Journal of Geophysical Research, 116: 321-342.
Bunn A G, Hughes M K, Kirdyanov A V, et al. 2013. Comparing forest measurements from tree rings and a space-based index of vegetation activity in Siberia [J]. Environmental Research Letters. 8, 035034. doi: 10.1088/1748-9326/8/3/035034
Deng M I, Zhang Y L, Liu L S, Zhang W, Wang Z F, Bai W Q. 2007. The relationship between NDVI and precipitation on Tibetan Plateau [J]. Journal of Geographical Sciences, 17, 259-268.
Dong J, Kaufmann R K, Myneni R B, Tucker C J, Kauppi P E, Liski J, Buermann W, Alexeyev V, Hughes M K. 2003. Remote sensing estimates of boreal and temperate forest woody biomass, carbon pools, sources and sinks [J]. Remote Sensing of Environment, 84, 393-410.
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.
Haripriya, G S. 2000. Estimates of biomass in Indian forests [J]. Biomass and Bioenergy, 19(4): 245-258.
Kaufmann R K, D’Arrigo R D, Paletta L F, et al. 2008. Identifying climatic controls on ring width: The timing of correlations between tree rings and NDVI [J]. Earth Interactions, 12: 1-14.
Kerr J, Ostrovsky M. 2003. From space to species-ecological applications for remote sensing[J]. Trends in Ecology and Evolution, 18(6): 299-305.
Levesque, M., Andreu-Hayles, L. & Pederson, N. 2017. Water availability drives gas exchange and growth of trees in northeastern US, not elevated CO2 and reduced acid deposition [J]. Scientific Reports, 7, 1-9.
Li Y, Liao S D, Chi G B, Liao Q F. 2004. NPP distribution related to the terrains along the North- South Transect of Eastern China [J]. Chinese Science Bulletin, 49(7): 679-685.
Liang E Y, Eckstein D, Liu H Y. 2009. Assessing the recent grassland greening trend in a long-term context based on tree-ring analysis: a case study in North China[J]. Ecological Indicators, 9, 1280-1283.
Lopatin E, Kolstrm T, Spiecker H. 2006. Determination of forest growth trends in Komi Republic (northwestern Russia) : combination of tree-ring analysis and remote sensing data[J]. Boreal Environment Research, 11(5): 341-353.
Los S O, Collatz G J, Bounoua L O, Sellers P J, Tucker C J. 2001. Global interannual variations in sea surface temperature and land surface vegetation, air temperature and precipitation[J]. Journal of Climate, 14, 1535-1549.
Malmstrom C M, Thompson M V, Juday G P, et al. 1997. Inter-annual variation in global-scale net primary production: Testing model estimates[J]. Global Biogeochemical Cycles, 11: 367-392.
Myneni R B, Dong J, Tucker C J, Kaufmann R K, Kauppi P E, Liski J, Zhou L, Alexeyev V, Hughes M K. 2001. 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, 98, 4784-4789.
Myneni R B, Keeling C D, Tucker C J, Asrar G, Nemani R R. 1997. Increased plant growth in the northern high latitudes from 1981 to 1991[J]. Nature, 386, 698-702.
Paruelo J M, Epstein H E, Lauenroth W K, Burke I C.1997. A NPP estimates from NDVI for the central grassland region of the United States[J]. Ecology, 78, 953-958.
Shishov V V, Vaganov E A, Hughs M K, et al. 2002. Spatial variation in the annual tree-ring growth in Siberia in the past century[J]. Doklady Earth Sciences, 387 A: 1088-1091.
Slayback D A, Pinzon J E, Los S O, Tucker C J. 2003. Northern hemisphere photosynthetic trends 1982-99[J]. Global Change Biology, 9, 1-15.
Tucker C J, Fung I Y, Keeling C D, et al.1986. Relationship between at mospheric CO2 variations and a satellite-derived vegetation index [J]. Nature, 319: 195-199.
Tucker C J, Slayback D A, Pinzon J E, Los S O, Myneni R B, Taylor M G. 2001. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to1999 [J]. International Journal of Biometeorology, 45, 184-190.
Turner W, Spector S, Gardiner N, Fladeland M, Sterling E, Steininger M. 2003. Remote sensing for biodiversity science and conservation [J]. Trends in Ecology and Evolution, 18(6): 306-313.
Vicente-Serrano S M, Camarero J J, Olano J M , et al. 2016. Diverse relationships between forest growth and the Normalized Difference Vegetation Index at a global scale [J]. Remote Sensing of Environment, 187, 14-29.
Wulder M, White J, Niemann K, Nelson T. 2004. Comparison of airborne and satellite high spatial resolution data for the identification of individual trees with local maxima filtering [J]. International Journal of Remote Sensing, 25(11): 2225-2232.
Zhou L M, Tucker C J, Kaufmann R K, Slayback D, Shabanov N V, Myneni R B. 2001. Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to1999[J]. Journal of Geophysical Research, 106, 20069-20083.
稿件与作者信息
赵兴云
ZHAO Xingyun
郭媛媛
GUO yuanyuan
yygpku@163.com
朱利凯
ZHU Likai
田金梅
TIAN jinmei
曲晓倩
QU Xiaoqian
任佳璇
REN Jiaxuan
李文静
LI Wenjing
卜祥凤
BU Xiangfeng
王树鑫
WANG Shuxin
国家自然科学基金项目(41541020,41701220,41072139)
National Natural Science Foundation of China(41072139, 41701220,41541020)
出版历史
出版时间: 2020年3月3日 (版本1
参考文献列表中查看
地球环境学报
Journal of Earth Environment