青藏高原南部基本尺度植被对气候变化的响应外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

Vegetation Response to Climate Change in the southern part of Qinghai-Tibet Plateau at Basinal Scale

青藏高原南部基本尺度植被对气候变化的响应

摘要：全球气候变化显着影响了世界第三极地-青藏地区的植被变化。作为植被变化（生长，覆盖和时空变化）的最重要指标之一，植被覆盖指数（NDVI）被广泛用于研究植被对气候变化的响应。但是，由于单个数据受时间序列约束，因此无法实现长期分析。因此，以雅鲁藏布江——青藏高原最重要的流域之一为例，为扩展每月NDVI产品，本文引入了一个了新的框架。NDVI产品来自两个开源资料处。资料来源：Global Inventory Modeling and Mapping Studies（GIMMS）Advanced Very High Resolution Radiometer（AVHRR）和Moderate-Resolution Imaging spectro radiometer（MODIS）。在使用新框架进行扩展后，新的NDVI系列涵盖384个月（1982-2013），比以前的NDVI产品系列长84个月，大大促进了NDVI相关的科学研究。在新的框架中，采用高斯滤波方法滤除NDVI产品里的噪声。接下来，引入标准方法以增强两个数据源的可比性，并且使用基于像素的回归方法来构建具有一个接一个像素的NDVI扩展模型。NDVI的扩展系列与原始AVHRR-NDVI非常吻合。随着时间序列的扩展，可以研究区域内NDVI的时间趋势和空间异质性。进一步确定了NDVI的主要影响因素后。根据气候变化，每月NDVI与气温和降水高度相关，其中空间平均NDVI在夏季略有增加，并且在32年期间温度升高和降水减少。NDVI的空间异质性与两种气候变化因子的季节变化一致。所有这些发现都可以为世界第三极地区的水土资源勘探提供宝贵的科学支持。

关键词：NDVI，植被，气候变化，青藏高原

1.引言

植被作为陆地生态系统最重要的组成部分，从根本上调节了能源预算，即通过光合作用，呼吸作用，蒸腾作用，表面反照率和粗糙度的地表水循环、生物地球化学循环(Chenet al.2014;Randersonet al.2008)植被的增长受到气候变化的强烈影响(Goetzet al.2005;Myneniet al.1997;Pengetal.2011;Shilonget al.2010;Zhouet al.2001)气候变化在推动全球和区域尺度的植被动态方面发挥着关键作用。(Braswellet al.1997;Nemanie al.2003;Nezlinet al.2005;Wolfganget al.2002;ZengandYang2009).由于近年来陆地生态环境恶化，气候变化迅速增加，植被对气候变化的响应变得越来越重要(Cannoneetal.2007;Wangetal.2011)植被脆弱，对温度和降水的变化高度敏感，特别是在高海拔，寒冷地区和中高纬度干旱地区的部分地区(Diazetal.2003;Gottfried1998)因此，植被动态及其与气候变率的关系已成为全球变化研究的热门话题(Huangetal.2014;Reesetal.2001).

植被覆盖指数（NDVI）是植被的重要描述，广泛应用于植物生长和植物物候研究，并在大范围的区域范围内被认为是生态条件的重要指标。(Weishouetal.2011)NDVI已被有效地用于植被动态监测和过去几年中不同尺度的植被对气候变化的响应研究(Zhouetal.2001)利用遥感NDVI数据研究植被变化以及植被与气候之间的关系已取得丰硕成果（Maoetal.2012）然而，很少有研究关注从20世纪80年代到近年的长时间序列，因为NDVI数据序列相对较短并且在其分析中仅基于一种类型的数据源。

目前，有各种遥感NDVI数据集：MODISNDVI，AVHRRNDVI，SPOTVGTNDVI和TMNDVI。这些数据集来自不同的传感器并具有不同的分辨率和时间顺序。例如，AVHRRGIMMSNDVI的时间序列是从1982年到2006年，而MODISNDVI的时间序列是从2000年到现在。单一数据源对于植被对气候变化的响应研究来说太短，无法实现长期的系列分析。由于AVHRRNDVI和MODISNDVI具有许多相似的特征，并且MODIS数据集需要更新，因此需要开发一种方法，将用于监测植被动态的传统NDVI-AVHRR数据集与新的MODIS数据相结合(GitelsonandKaufman1998)对于两个NDVI数据集，在许多研究中已经讨论了它们的光谱差异和一致性。(Brownetal.2006;Fensholtetal.2009;Tuckeretal.2005)同时采用了几种方法来组合来自不同传感器的数据(Stevenetal.2003)。这些方法可以分为两组：一组基于光谱机制创建简单的线性方程，将NDVI数据从一个传感器转换到另一个传感器，另一组基于遥感产品分析NDVI数据，构建一个积分方法，如神经网络和线性回归方法。使用逐像素一元线性回归模型来构建来自AVHRR和MODIS的NDVI时间序列。然而，云、雪和诸如遥感中的大气气溶胶之类的其他效应可能使植被信息模糊，并且不考虑这些因素的每像素一元线性回归模型可能在结果中引入误差。因此，在使用逐像素一元线性回归模型来整合AVHRRNDVI和MODISNDVI之前，采用非对称高斯滤波方法平滑过滤NDVI过程并最小化我们研究中的误差。作为世界第三极地，青藏高原已吸引了全世界的广泛研究。高原近几十年来经历了大幅度的变暖(LiuandChen2000;Zhangetal.2014)，预计这种变暖在21世纪继续(Gray2007)。以往的研究揭示了青藏高原近期气候变化可能引起的植被变化(JunhuiandJix2009;Weietal.2003;XUetal.2008)。雅鲁藏布江流域位于青藏高原南部，具有特殊的陆地生态系统，对全球气候变化极为敏感（Guoetal.2014;Songetal.1998）盆地的生态效应长期以来一直是全球变化领域的研究热点之一（AnyambaandTucker，2005;Raynolds等，2006）。因此，对该地区植被变化的研究以及NDVI与气候参数之间的关系具有重要意义。根据该地区的NDVI时间序列数据，发表了许多关于植被对气候变化反应的文章（Guoetal.2014;XUetal.2013）。然而，这些研究基于一个遥感数据源的研究持续时间很短。在较长的时间序列中，这些结果是否有任何差异？到目前为止，为了揭示雅鲁藏布江流域植被响应对气候变化的规律，需要对NDVI进行长期系列分析，以及NDVI与气候参数之间的关系。

本研究的内容是通过整合AVHRRGIMMSNDVI和MODISNDVI，在雅鲁藏布江流域建立1982-2013年的长期NDVI时间序列;利用构建的NDVI展示植被，温度和降水的线性趋势，并研究其在1982-2013年生长季和不同季节的关系，以发现植被对气候变化的响应;并且对NDVI温度和NDVI-降水的相关性进行比较，以找出哪个因子是植被变化的决定因素。

2.资料与方法

2.1研究区域

雅鲁藏布江流域位于南部青藏高原地区（28°00-31°16N，82°00-97°07E）位于Gangdese-Nyainqentanglha山脉之间和喜马拉雅山脉，面积242,000平方公里。它起源于海拔5,590米的冰川，流经中国的Pasighat到印度。这条河是世界上最高的河流，平均海拔更高超过4,000米（图1）雅鲁藏布江流域以气候类型为主高寒温带半干旱，高原温带半干旱，山地亚热带和热带从上到下由于地形复杂，海拔高，盆地差异（从147米到7261米不等）。

均值年降水量从上游的200毫米到雅鲁藏布江最东端5000毫米在6月至6月期间发生高峰期的盆地九月（Lietal.2013）。年平均气温是整个盆地的5.92℃范围从-20℃到上层在下游达到40℃（Youetal.2007）。该流域可分为三个生态区：河流的上游，中游和下游（图1）。

气候因素（尤其是降水和气候因子）的差异温度）造成巨大的环境差异流域的三个区域

图1 青藏高原南部雅鲁藏布江谷地的河网与位置

2.2资料集

本研究使用GIMMSAVHRRNDVI和MODISNDVI数据集。GIMMSNDVI数据集基于NOAA的气象卫星数据，由全球清单建模和制图研究复合材料制作，空间分辨率为8kmtimes;8km和15d。对GIMMSNDVI数据集进行了校正，以最大限度地减少火山爆发，太阳角度和传感器误差和变化的影响。1982年至2006年的月度GIMMSNDVI数据集是使用最大值综合（MVC）方法获得的。每月MODISNDVI数据集从2000年至2013年从NASA的地球观测系统获得，空间分辨率为1kmtimes;1km。这两个数据集在2000年至2006年期间具有相同的时间序列。覆盖研究区域的区域数据由ENVI软件提取。

植被类型分布信息来自中国植被地图，中国植被编辑委员会，中国科学院地理研究所数字化1：1,000,000。雅鲁藏布江的植被分为五种类型：森林，草地，灌木，高山植被，文化植被。1982年至2013年的气象数据来自中国国家气象中心，包括月降水量和月度降雨量、平均温度。数据包括分布在雅鲁藏布江及其周围的27个气象站的调查结果。不同类型的植被和气象站的分布如图2所示。ENVI4.8图像处理，ArcGIS-10.2和TIMESAT 3.1软件（Jouml;nsson和Eklundh 2004）用于数据处理。 为了消除非植被因素对AVHRR GIMMS NDVI和MODIS NDVI（如气溶胶，冰雪），太阳照射角度和传感器观察视角的影响，采用非对称高斯滤波器方法（方程1）进行平滑处理过滤处理NDVI。

对于此函数，x1确定相对于独立时间变量t的最小最大值的位置，而x2和x3则确定右侧的宽度和平直度(峰度)。功能停止。同样，x4和x5决定左半部的宽度和平直度。

图2 雅鲁藏布江河谷植被类型与气象站点分布

过滤后，MODIS NDVI数据通过最近邻方法重新采样到8 kmtimes;8 km分辨率，以匹配AVHRR GIMMS数据，因为这两个数据集来自不同的远程传感器，并且对植被有不同的频谱响应。 我们使用每像素一元线性回归模型构建了1982年至2013年的每月NDVI序列，该模型基于Mao等人提出的2000年至2006年两个数据集的每月NDVI数据。（2012年）。 新的2000-2013 NDVI被指定为扩大的NDVI。 接下来，通过几个统计和相关分析检查两个数据集的一致性和构建的长期NDVI时间序列的准确性。 每元素一元线性回归模型结构如下：

为了研究雅鲁藏布江流域植被对气候变化的响应，我们选择温度和降水作为主要气候因子，并计算了雅鲁藏布江每年的NDVI，平均气温和总降水量的空间平均值。 因为夏季（7月至9月）是植被生长的最佳季节，尤其是雅鲁藏布江。 夏季平均NDVI代表最佳植物生长。 因此，NDVI，温度和降水量在夏季和年份进行计算。 接下来，平均每月NDVI，温度和32年不同月份的降水量。 然后根据年度和月度数据，通过将其作为1982年至2013年的时间函数进行回归来估计线性时间趋势。 同时，分析了每月NDVI与气候因子之间的相关性。 为了进一步研究年NDVI趋势的空间分布，研究了1982年至2013年每个像素的线性趋势。

为了分析植被对季节气候变化的响应，计算了四季的NDVI与温度和降水之间的相关性。 接下来，我们分析了亚龙藏布江流域不同地区的相关性，以了解植被对整个流域气候变化的响应。

为了研究哪种气候因素在影响不同植被中起主要作用，每月NDVI与气候参数之间的关系分析是基于台站进行的。 我们从站点周围3times;3像素的平均值中提取每个气象站的NDVI时间序列，并计算研究区内每个站点的NDVI与月平均温度和月降水量之间的相关系数。

3.结果

3.1精度验证

图3 空间平均数据的精确验证结果：（a）原始数据；（b）扩充数据

对于关注植被对气候变化的响应的应用，两个NDVI数据集的连续性和一致性是必不可少的（Steven等，2003）。 MODIS NDVI和AVHRR GIMMS NDVI数据来自不同的传感器，因此它们具有不同的光谱和空间分辨率。扩大的NDVI从2000年到2013年的精确验证是必不可少的。 每月空间平均NDVI的2000年至2006年AVHRR NDVI和MODIS NDVI的对比如图3a所示。 相关系数为0.9671（p lt;0.0001），但相对误差为0.4249。 AVHRR NDVI和扩展NDVI的对比度如图3b所示。 相关系数与以前相同; 但相对误差降至0.0816。扩展的NDVI与AVHRR NDVI几乎相同，因此结合AVHRR和MODIS的NDVI可以很好地描述雅鲁藏布江流域的植被变化特征。

3.2 植被变化及相关分析

3.2.1空间平均年/夏季NDVI和气候参数温度/降水的趋势

1982年至2013年雅鲁藏布江流域的年NDVI，降水和温度如图4所示.NDVI和温度是年平均值 每年，降水量是每年的总价值。NDVI呈现明显的增加趋势，发生率为0.008 / 10a（图4a）。 在过去32年中，年降水量略有增加，速率为11.42 mm / 10a（图4b）。 然而，空气温度在过去32年中显着增加，上升率为0.61 / 10a（图4c）。

由于相对较高的温度和较高的降水量，夏季是植被生长的最佳季节，尤其是青藏高原的南部。 考虑到青藏高原植被的季节特征，我们调查了32年来夏季NDVI的变化。 空间平均NDVI呈现轻微增

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[20596]，资料为PDF文档或Word文档，PDF文档可免费转换为Word