基于蒙特卡洛生存分析探究东北森林物候的影响因素

植被是生态环境变化的指示器,分析植被物候的影响因素不仅有助于气候变化分析,提高区域气候模式的模拟精度,而且对于准确评估植被生长趋势、生产力以及全球碳收支均具有重要意义。基于遥感的植物物候监测已取得了长足的发展和进步,但当前利用大范围、长时间序列的遥感数据分析植被物候影响因素的研究尚不多,采用线性回归模型对非线性的植被物候影响因素进行分析可能存在偏误。因此,本文提出一种基于蒙特卡洛模拟的生存分析方法,对东北森林物候的影响因素进行量化分析。首先利用东北森林地区1982-2009年间AVHRR GIMMS NDVI数据,应用双Logistic曲线拟合方法对植被春季返青期（SOS）、秋季落叶期（EOS）及植被生长期（GSL）进行提取;然后基于蒙特卡洛模拟和生存分析构建植被物候影响因素分析模型;最后运用所构建模型探讨了东北森林区春季返青期、秋季落叶期的可能影响因素。结果发现：温度、降水和风力对中国东北森林关键物候期有一定影响,其中温度是春季返青期和秋季落叶期的最主要驱动因素,长期平均温度比短期内的温度突变对物候影响更显著,落叶期前的风速增加有可能使落叶时间提前;除了环境因素,春季返青早的年间秋季落叶倾向于更晚。研究表明,结合蒙特卡洛方法的生存分析可以较好地对物候期的影响因素进行定量分析,可为物候现象的归因分析提供一种新的方法。     

生态系统模型中物候的参数化方法研究进展

物候和叶面积指数的季节动态在落叶林中是决定生态系统净生产力的关键因素。尽管物 候对能量和CO2 通量的影响可以简单地通过描述发芽和落叶的时间以及叶面积指数的季节动态 来表示, 但是由于对驱动物候的物理过程缺乏全面正确的理解, 在陆地生态系统模型中物候就成 为最难以参数化的一个过程。目前, 在陆地生态系统模型中描述物候主要有两种不同的方法: 一 种是基于气候变量( 主要是温度或积温) 的经验方法, 即是通过建立物候不同阶段与气候变量的 经验关系来预测关键物候事件发生的时间。另一种方法是基于碳吸收的物候参数化方案, 物候的 任何阶段都和当前的碳平衡相联系。在生态系统模型中, 基于碳吸收的物候参数化方法可以大大 降低物候模拟的经验性, 提高模型的适用性和模拟精度, 比基于气候变量的经验模型更适于模拟 未来气候变化影响。未来随着生理和分子水平上, 对控制物候和LAI 动态过程机理的揭示, 建立 基于过程的物候参数化方案和LAI 动态模拟模型就成为生态系统模型或气候模型的发展方向。     

基于Sentinel-2遥感时间序列植被物候特征的盐城滨海湿地植被分类

滨海湿地是具有重要功能的特殊海陆过渡带生态系统,精准获取滨海湿地植被时空分布信息具有重要意义。传统的湿地遥感观测研究集中于高空间、高光谱分辨率影像分类,往往受限于数据成本和覆盖范围,仅适用于小区域湿地监测。Sentinel-2A/B卫星影像时空分辨率高且免费共享,为大区域滨海湿地动态监测提供了可能。本文采用2018年Sentinel-2影像,提出像元级SAVI时间序列及双Logistic植被物候特征拟合重构模型,采用随机森林算法进行盐城滨海湿地植被分类,探讨Sentinel-2遥感时间序列植被物候特征分类方法的适用性。结果显示,分类总体精度达87.61%,Kappa系数为0.8358,分类结果与湿地实况相吻合,比常规单一时相分类精度总体提高19.57%。植被判别物候特征参数可为影像数据缺失或不足的滨海湿地分类提供不同植被的判别依据。研究表明,基于像元级时间序列植被物候特征的分类方法能实现植被群落混生带的精准分类以及对“异物同谱”植被的有效区分,对大区域滨海湿地植被分类具有很好的适用性,有效提高了滨海湿地植被分类精度。     

水稻发育期模型研究进展

物候是气候变化的重要指示物.随着全球变化研究的开展,已经有越来越多的研究表明,随着气象条件的变化,植物的物候期发生了明显的变化,因此,对物候的精准模拟可以帮助我们准确理解作物对全球变化的响应机制,强大的物候模型已经逐渐成为提高植物对气候变化响应的模拟精度的一个关键工具.同时作物物候的模拟也是作物模型的一个重要组成部分.水稻是最重要的粮食作物之一,水稻发育期模型研究对水稻生长模型有着重要的意义.本文对国内外水稻发育模型的发展进行了综述,并提出了目前水稻发育期模型研究中存在的问题以及发展的方向,以期后续的水稻发育期模型乃至作物模型的研究提供借鉴.     

基于HASM的中国森林植被碳储量空间分布模拟

当前区域尺度上森林碳储量估算主要依据森林资源清查数据,整个过程不仅消耗大量人力、物力,而且十分耗时,严重影响了森林碳储量估算的时效性。针对这一问题,本文提出了基于HASM的森林植被碳储量模拟方法,该方法以全球植被动态模型LPJ-Guess 输出的植被碳储量为驱动场,以森林清查样地数据为精度控制点,模拟生成中国陆地森林碳储量分布情况。研究以第7 次中国森林资源清查数据作为精度控制点数据源,同时作为本文模拟方法的精度验证。结果表明,中国森林碳储量为9.2405 Pg,考虑到森林资源清查是基于一定的郁闭度进行的,因此HASM模拟的结果与根据森林资源清查结果计算得出的7.8115 Pg 相比更符合实际情况,西南山区和东北林区是中国森林最主要的碳库,其碳储量分别占中国森林植被碳储量的39.82%和20.46%。同时与之前(1975-1995 年) 相比具有较大幅度的增长,表明近几十年来中国坚持大规模植树造林的碳汇效果显著。同时也表明基于HASM的森林植被碳储量空间分布模拟方法是有效的,模拟结果合理且精度较高,表明该方法在全球尺度上森林植被碳储量模拟及其它生态系统中碳储量模拟中具有应用潜力。     

东西伯利亚苔原—泰加林过渡带植被遥感物候时空特征及其对气温变化的响应

物候变化是气候变化的重要指示器,通过对植被物候时空变化的研究可以为进一步分析全球气候变化提供依据。基于2000—2017年MODIS-NDVI时间序列数据,利用不对称高斯函数和动态阈值法,提取、分析了东西伯利亚苔原—泰加林过渡带植被生长季起始期（SOS）、结束期（EOS）、中期（MOS）和长度（LOS）4种植被遥感物候参数的时空变化格局。同时结合同期CRU（Climate Research Unit）气温观测数据,分析了4种物候参数对气温变化的响应关系。结果表明：遥感物候参数可以直接、有效地反映气温的变化：研究区64°N以南区域4—5月气温升高,对应区域SOS提前5~15 d;64°N~72°N之间5—6月气温升高,对应区域SOS提前10~25 d;最北端北冰洋沿岸6月气温升高幅度较小且7月气温降低,对应区域SOS推后15~25 d;西北部8月、西南部9月气温降低,对应地区EOS提前15~30 d;67°N以南区域9—10月气温升高,对应区域EOS推后5~30 d;EOS的变化对气温变化较SOS更为敏感,较小的气温波动即引起EOS较大的变动;研究区内植被生长季整体呈前移趋势,且西北部LOS缩短,中部、南部LOS延长。     

基于群落类型的寒区旱区物候特征及其对气候因子的响应——以2000-2019年柴达木盆地为例

植被物候反映了植被对环境的适应策略,物候研究对理解植被的生长机制及其对生态因子的响应有重要意义.以柴达木盆地植被为对象,基于2000-2019年NDVI数据,采用双逻辑函数法和STL时序分解算法,从区域和群落层面研究了物候的静态(空间异质性)、动态(时空变化)及其对气候的响应.结果表明:①柴达木盆地植被生长季始期(SO...     

基于数码照片的植被物候提取多方法比较研究

植被物候能反映植被生长状况及其对气候变化的响应,在景观或更小尺度上自动化观测分析植被物候的演化是对大尺度遥感分析和单株植物人工观测的有效补充。基于物候相机观测网络(PhenoCam)中3种典型植被类型(森林、草地和农作物)站点数据,首先在群落尺度的感兴趣区(region of interesting,ROI)和像素2个尺度上计算植被指数,然后利用多种曲线拟合植被生长轨迹,提取关键物候参数,最后对相机物候参数进行了不确定性分析和卫星遥感物候的比较验证。结果表明:自定义ROI区域可以精确划定植被聚集区域,减少天空、地面等非植被要素的干扰;多方法的生长曲线拟合实验表明双逻辑斯蒂拟合法比较适用于单生长期植被,样条法较适用于多生长期植被;单生长期植被可直接采用多种物候参数提取方法(Klosterman,Gu,TRS,Derivatives)从生长曲线上提取关键物候参数,而多生长期植被可先用样条法拟合生长轨迹,然后采用变化点方法提取关键物候参数;生长曲线拟合与物候参数提取组合方法的不确定性分析发现,Klosterman方法具有较好的鲁棒性,各组合方法模拟实验的均方根误差均小于0.005;相机物候参数与MODIS EVI提取的遥感物候参数对比验证表明,二者在森林、农作物上的物候参数比较一致;像素级返青期参数的探索性分析发现,在像素尺度上能够识别群落内物种及个体间的物候差异,未来经过更深入的不确定性分析后,可尝试作为自动化分析群落尺度生物多样性的方法。     

基于多源信息的区域尺度山地植被带数字化提取

山地植被带的提取及分析是地学和生态学研究的基础问题之一.利用野外点/线调查和历史文献资料,可以对局域尺度山体的植被带进行归纳和描绘,而在区域乃至全球尺度上更多依赖于学者的经验和知识.利用内蒙古大青山地区1∶100万植被图、1∶10万土地利用图、1∶25万DEM等,设计逻辑判别规则,提取典型的山地植被带斑块;然后基于贝叶斯识别算法,利用地形、水热和太阳辐射等因子对区域尺度山地植被带进行空间分布模拟,最终提取的植被带具有较高的精度,总体精度为74.53％,Kappa系数为0.69.研究表明,利用多源数据可以提取和模拟区域尺度山地植被带连续分布格局,中小比例尺空间数据的集成应用使得该方法的推广具有较大的可行性,为进一步获取大陆及全球尺度的山地植被带数据奠定了基础.     

基于高光谱遥感的土壤有机碳含量估算研究进展

土壤有机碳库是人类可以对其施加影响的最大生物圈碳库,其储量的估算和动态变化研究是全球碳循环研究中的重要内容．传统的各种估算和监测方法存在一定的问题,而利用高光谱遥感估算土壤有机碳含量具有便捷快速、节约成本、非破坏性和准确度高的优势,同时,从机载高光谱传感器获取的土壤图像数据对于估算大尺度区域土壤有机碳含量和跨时空动态研究具有相当大的潜力．但是,基于高光谱遥感数据的监测受到很多因素的影响,包括土壤有机碳含量的差异、成土母质、土壤含水量、土壤质地等以及与土壤有机碳光谱响应特性较为接近的氧化铁的影响．另外,野外土壤表面状态（如植被覆盖、表面粗糙度、土壤含水量和沙石等）以及大气、光照和辐射条件等也都对研究结果和估算精度产生较大的影响．今后该领域的研究应致力于对各影响因素的深入研究,同时寻求更多有效的计量方法提高估算模型的稳定性,并最终应用高光谱遥感数据开展区域尺度土壤有机碳含量的估算．     

Greenness Index from Phenocams Performs Well in Linking Climatic Factors and Monitoring Grass Phenology in a Temperate Prairie Ecosystem

Near-surface remote sensing (e.g., digital cameras) has played an important role in capturing plant phenological metrics at either a focal or landscape scale. Exploring the relationship of the digital image-based greenness index (e.g., Gcc, green chromatic coordinate) with that derived from satellites is critical for land surface process research. Moreover, our understanding of how well Gcc time series associate with environmental variables at field stations in North American prairies remains limited. This paper investigated the response of grass Gcc to daily environmental factors in 2018, such as soil moisture (temperature), air temperature, and solar radiation. Thereafter, using a derivative-based phenology extraction method, we evaluated the correspondence between key phenological events (mainly including start, end and length of growing season, and date with maximum greenness value) derived from Gcc, MODIS and VIIRS NDVI (EVI) for the period 2015-2018. The results showed that daily Gcc was in good agreement with ground-level environmental variables. Additionally, multivariate regression analysis identified that the grass growth in the study area was mainly affected by soil temperature and solar radiation, but not by air temperature. High frequency Gcc time series can respond immediately to precipitation events. In the same year, the phenological metrics retrieved from digital cameras and multiple satellites are similar, with spring phenology having a larger relative difference. There are distinct divergences between changing rates in the greenup and senescence stages. Gcc also shows a close relationship with growing degree days (GDD) derived from air temperature. This study evaluated the performance of a digital camera for monitoring vegetation phenological metrics and related climatic factors. This research will enable multiscale modeling of plant phenology and grassland resource management of temperate prairie ecosystems.     

Seasonal changes in camera-based indices from an open canopy black spruce forest in Alaska,and comparison with indices from a closed canopy evergreen coniferous forest in Japan

Evaluation of the carbon, water, and energy balances in evergreen coniferous forests requires accurate in situ and satellite data regarding their spatio-temporal dynamics. Daily digital camera images can be used to determine the relationships among phenology, gross primary productivity (GPP), and meteorological parameters, and to ground-truth satellite observations. In this study, we examine the relationship between seasonal variations in camera-based canopy surface indices and eddy-covariance-based GPP derived from field studies in an Alaskan open canopy black spruce forest and in a Japanese closed canopy cedar forest. The ratio of the green digital number to the total digital number, hue, and GPP showed a bell-shaped seasonal profile at both sites. Canopy surface images for the black spruce forest and cedar forest mainly detected seasonal changes in vegetation on the floor of the forest and in the tree canopy, respectively. In contrast, the seasonal cycles of the ratios of the red and blue digital numbers to the total digital numbers differed between the two sites, possibly due to differences in forest structure and leaf color. These results suggest that forest structural characteristics, such as canopy openness and seasonal forest-floor changes, should be considered during continuous observations of phenology in evergreen coniferous forests.     

基于Whittaker滤波的陕西省植被物候特征

运用Whittaker滤波重构MODIS NDVI时序数列,利用地理探测器对比滤波前后影像信噪比,采用动态阈值法获取2000-2012年陕西省植被的3个关键物候参数(返青期、枯黄期和生长周期),在此基础上分析了该区植被物候参数空间分布特征。结果表明:(1)Whittaker滤波能够平滑原始NDVI曲线,有效减少原始影像的噪声,提高影像辨识度,并且参数设置简单;(2)陕西省植被物候地区分异明显,不同气候区划类植被物候表现出中温带半干旱区-暖温带半干旱区-暖温带半湿润区-北亚热带湿润区的递变规律:返青期逐步提前,枯黄期逐步推迟;(3)植被物候受高程和纬度影响,并且纬度影响更显著。海拔每升高200 m,返青期推迟1.3 d,枯黄期提前0.6 d;纬度每升高0.5°,返青期推迟3.6 d,枯黄期提前1.2 d。     

A dynamic relationship between the leaf phenology and rainfall regimes of Hawaiian tropical ecosystems: A remote sensing approach

Hypertemporal MODIS time series data provide a unique opportunity to investigate a dynamic relationship between leaf phenology and the climatic pattern of diverse, cloud‐prone Hawaiian ecosystems. Harmonic analysis summarized the complex greenness signals of Hawaiian tropical ecosystems into two main phenological wave forms – a moisture‐limited and a light‐limited type. Greenness maximums occurred during the wet season in dry and mesic ecosystems, and during the dry season in wet forests. The magnitude and periodicity of greenness fluctuations were also rainfall‐dependent. The annual greenness amplitude increased with increasing mean annual precipitation (MAP) in dry and mesic ecosystems. In wetter environments where MAP was greater than 3000 mm, however, annual greenness amplitude decreased with MAP. Annual greenness periodicity was stronger in drylands than in wet forests, and it weakened as annual precipitation increased. This result shows that rainfall is less important as a limiting factor in wet forests than it is in drylands. Therefore, leaf phenology is not governed by rainfall seasonality as forest wetness increases in the region.     

中国第二、三级阶梯地形过渡带山前植被物候时空变化探析

基于1982—2015年GIMMS NDVI 3g V1.0数据、3小时温度、逐日降水和日太阳辐射数据集、数字高程模型、中国植被区划数据及实测物候验证数据,利用季节性植被物候提取法、Theil-Sen median趋势分析法和偏最小二乘回归分析等方法,研究中国第二、三级阶梯地形过渡带植被物候的时空变化规律,探讨植被物候对海拔、经纬度和气候变化的响应。结果表明：① 34 a间过渡带山前植被物候时空变化显著。时间上,植被物候呈返青期（Start Of Season, SOS）提前（-0.3187 d/a, p<0.01）、枯黄期（End Of Season, EOS）推迟（0.1171 d/a, p>0.1）和生长季长度（Length Of Growing Season, LOS）延长（0.4358 d/a, p<0.01）趋势;空间上,按SOS像元的86.24%提前、EOS像元的69.66%推迟和LOS像元的84.42%延长分布。② 34 a间过渡带山前植被物候地带性特征明显。垂直地带性方面,在中低纬度地区的物候始末期受以400 m等高线为界的海拔梯度影响,由平原到山地产生SOS平均提前8d,EOS提前25~36 d的分段式变化;水平地带性方面,低纬度和中高纬度地区的植被物候以35°N（秦岭-淮河一线,中国南北方的分界线）、43.5°N（暖温带落叶阔叶林区与温带草原区的分界）为转折点,由南向北SOS以-0.78 d/°、4.89 d/°和-1.56 d/°分段变化,EOS以-3.96 d/°、-1.85 d/°和0.89 d/°分段变化。③ 34 a间过渡带植被物候受气象因素驱动。对于植被返青期,气温对中纬度地区SOS的影响最大,降水的贡献随着纬度的降低而增大,太阳辐射在中纬度地区的贡献力大于低纬度地区;对于植被枯黄期,中纬度地区对EOS的多因素贡献力为太阳辐射>气温>降水（太阳辐射对草原区无贡献力）,低纬度地区贡献力排序与之相反;本研究对宏观地理带中不同植被区划的物候变化认知有学术意义,也为地理因素与气候因素共同影响的植被物候变化提供了新的认识。     

1982-2006 年欧亚大陆植被生长季开始时间遥感监测分析

植被物候是环境条件季节和年际变化最直观、最敏感的生物指示器,物候变化可以反映陆地生态系统对气候变化的快速响应.论文基于1982-2006 年连续25 年的GIMMS AVHRR NDVI数据,采用动态阈值法、延迟滑动平均法,双Logistic 和Savitzky-Golay 方法提取欧亚大陆植被的生长季开始时间,并对不同方法的提取结果进行比较和分析.然后以动态阈值法的物候提取结果,研究了1982-2006 年期间植被物候变化趋势以及物候对温度变化的响应情况.结果表明：动态阈值法在欧亚大陆地区生长季开始时间提取率高,在纬度上的变化趋势稳定;北方森林/针叶林和苔原地区的生长季开始时间提取结果最稳定,低纬度区域的变率最大.1982-2006 年,大部分植被类型的生长季开始时间表现出提早趋势,其中森林覆盖区域提早趋势明显,变化幅度为11.45~15.61 d/25a;除了郁闭式至开放式( > 15%) 灌木丛( < 5 m)植被类型外,植被物候和温度表现出负相关关系,变化幅度为1.32~3.47d/℃,这也验证了近几十年气候变暖的趋势.     

物候学方法在历史气候变化重建中的应用

利用历史物候记录重建的气候变化结果,显著地增进了人类对过去气候变化特征的认识。但现有研究在历史物候记录的提取与处理、重建方法的选择、重建结果的精度评估等方面需要进一步总结梳理。通过归纳历史物候记录的资料源以及在历史物候记录预处理过程中需要解决的物种鉴别和物候期确定问题,对现有重建方法进行总结,发现较早的研究采用了古今对比法,而近年来的研究多采用更为复杂的回归和过程模型法。上述物候学方法的重建结果对认识中世纪暖期、小冰期和近百年等典型时段的历史气候变化特征提供了重要依据,同时物候学方法重建结果与其他代用资料重建结果往往表现出较高的一致性。未来研究可在历史物候记录的整编与利用、重建方法的准确性评估与改进以及不同重建结果比对等方面,进一步深入开展工作。     

古尔班通古特沙漠灌木冠幅预测模型

古尔班通古特沙漠是中国第二大沙漠,也是中国固定和半固定沙丘主要分布区,固沙灌木种较多。冠幅不仅是反映固沙灌木可视化的重要参数,也是反映沙漠植被生长情况的重要变量。以3种沙丘（固定沙丘、半固定沙丘和流动沙丘）上主要固沙灌木为研究对象,利用12种基础模型、BP(Backpropagation Neural Network)神经网络和支持向量机（Support Vector Machine,SVM）机器学习算法建立了基于固沙灌木株高和冠长率的冠幅预测模型,同时将两种机器学习算法拟合结果与基础模型进行比较,最终选出了适合研究区的冠幅预测模型。结果表明：（1）不同沙丘类型和不同灌木种类的最优冠幅预测模型不同,且固定沙丘和半固定沙丘模型优于流动沙丘。3种沙丘类型最优拟合为M2(Quadratic Model)模型;（2）白梭梭（Haloxylon persicum）在半固定沙丘和流动沙丘上拟合的最优模型分别为M2、M7(Gompertz),沙拐枣（Calligonum mongolicum）最优模型为M2,蛇麻黄（Ephedra distachya）和油蒿（Artemisia ordosica）在...