中国草原区植被变化及其对气候变化的响应

利用1982~2006年GIMMS NDVI和气象数据,探究中国草原区植被变化及对气候的响应。结果表明,近25 a中国草原区植被覆盖总体呈上升趋势,但季节变化空间差异明显。春季温度对温带典型草原、高寒草甸草原和高寒典型草原植被生长有重要影响,而夏季和秋季温度同样对高寒草甸草原影响显著;夏季降水增多能明显促进夏季温带荒漠草原植被生长。除8月份以外,温带草原5~9月NDVI均与前一个月降水显著正相关;在生长季内,高寒草原NDVI与同期温度显著正相关,但8月份除外。此外高寒草原植被在生长最旺盛时期对降水变化存在1~3个月滞后期。     

石羊河流域上游植被时空变化及其对区域气候的响应

利用1999-2013年的SPOT-VEGETATION NDVI时间序列数据和降水、气温数据,对石羊河流域上游近15年的植被变化特征及其对降水和气温的响应关系进行了研究。结果表明:研究区NDVI的空间分布具有明显的垂直地带性;近15年中,81.3%的地区植被生长季NDVI呈增长趋势;研究区平均NDVI在春、夏、秋季及植被生长季的增长幅度分别为11.75%、9.62%、5.98%和7.75%,植被生长季在延长。气候变化对研究区植被的影响随植被类型及其生长季节的不同而具有明显差异,体现出较大的时空异质性;降水是影响研究区植被变化的主要因素。     

洞庭湖流域植被动态变化的小波多分辨率分析

将离散小波多分辨率分析（MRA）应用于归一化植被指数（NDVI）时间序列研究,分解NDVI原数据序列成不同时间尺度的子序列,从而进行植被动态变化分析。针对洞庭湖流域的NDVI时间序列进行多尺度分解,挖掘这些数据中潜在的植被季节性和年际变化,对其进行评估,并结合土地覆盖变化与降水趋势变化分析引起该变化的可能原因。结果表明：小波多分辨率分析能提取洞庭湖流域植被动态的相关信息,如NDVI的年际成分均值、最低值、植被年内变化的振幅、NDVI最大值出现的月份和土地覆盖变化的趋势及幅度,这些信息有效刻画了流域植被动态变化特征。此外,将土地覆盖变化分析结果与降水数据相结合进行分析,发现流域植被覆盖的变化与降水变化有明显的关联性,其中西部地区和西北部地区植被动态变化对降水响应最为明显。但是有些地区降水没有明显减少趋势,而植被覆盖却存在减少趋势,则可能与该地地势较高、城镇化建设等其他因素相关。     

基于生态地理分区的青藏高原植被覆被变化及其对气候变化的响应

基于1982~2006年GIMMS NDVI数据集和地面气象台站观测数据,分析了青藏高原整个区域及各生态地理分区年均NDVI的变化趋势,并通过偏相关分析研究不同生态地理分区植被覆被变化对气温和降水响应的空间分异特征。研究表明:(1)近25年来,高原植被覆盖变化整体上趋于改善;高原东北部、东中部以及西南部湿润半湿润及部分半干旱地区植被趋于改善,植被覆盖较差的北部、西部半干旱和干旱地区呈现退化趋势;(2)高原植被变化与气温变化的相关性明显高于与降水变化的相关性,说明高原植被年际变化对温度变化更为敏感;(3)高原植被年际变化与气温和降水的相关性具有明显的区域差异,植被覆盖中等区域全年月NDVI与气温和降水的相关性最强,相关性由草甸向草原、针叶林逐步减弱,荒漠区相关性最弱。生长季植被覆盖变化与气温的相关性和全年相关性较一致,降水则不同,生长季期间高原大部分地区植被变化与降水相关性不显著。     

中国东部植被NDVI对气温和降水的旬响应特征

利用中国东部SPOT VGT-NDVI数据和气象站点的日平均气温和降水资料,分析了1998-2007年中国东部植被NDVI在全年、春季、夏季和秋季对气温和降水变化的旬时空响应特征.结果表明,中国东部植被总体上对气温变化的响应大于降水,植被对气温变化的最大响应滞后1旬左右,对降水变化的最大响应滞后3旬左右.秋季植被NDVI对气温和降水变化响应最大,夏季NDVI对气温和降水响应的滞后期较长.在空间上,植被对气温变化的最大响应总体表现为北部和中部大于南部,对降水变化的最大响应表现为北部大于中部和南部.植被对气温变化最大响应的滞后期呈现出北部较长-中部短-南部最长的空间分布,对降水变化最大响应的滞后期则随着纬度降低由北到南逐渐延长.     

黄土高原不同生态类型NDVI时空变化及其对气候变化响应

了解植被的时空变化及其气候主控因子可为植被保护和恢复提供重要的理论依据。基于MOD13A1和气象数据,分析了黄土高原Normalized Difference Vegetation Index （NDVI）时空变化特征,探讨了NDVI对水热条件在不同时间尺度的响应特征。结果表明：黄土高原植被覆盖状态正在不断的改善,气候呈暖湿的发展趋势;83.77%的植被退化区（退化区面积占研究区总面积的5.79%）海拔<2000 m且退化类型以不显著减少为主,不同覆被类型的退化区海拔分布及退化比例差异明显,湿地的退化面积比最高（23.91%）、其次耕地（11.88%）。年尺度上,NDVI与降水呈正相关的面积高于气温,约75.06%的区域受水分条件控制;灌木地（海拔分布<2200 m）、耕地（<3000 m）、草地（<3000 m）和裸地（600~3700 m）等植被生长受水分条件影响;森林（<1000 m、1700~3700 m）和湿地（>2500 m）的植被生长受热量影响。月尺度上,黄土高原植被NDVI对热量响应以滞后1个月为主,不同植被对水热响应的滞后性差异明显,草地、湿地、耕地和裸地对热量响应以滞后1个月为主;森林和灌木地则表现水热同期的特征。伴随滞后时间的推移,水分主控面积逐渐降低,热量成为影响植被生长的主要因素,水热主控及响应滞后性分布受海拔影响明显。     

NDVI对降水季节性和年际变化的敏感性

利用气候变量实现对NDVI所表示的植被绿度信息的预测,以表达生物圈过去和未来状态,对全球变化研究是非常重要的.分析了1983～1992年降水的年际动态、季节动态与中国北方几种典型植被类型NDVI的关系,以及降水的空间分异对植被的影响.结果表明,降水的年际变化对植被生长的影响存在着明显的区域差异;在不同植被类型分布区,10年间降水的季节分配动态不同,降水季节分配的变化对不同类型植被生长有重要的影响;地表植被NDVI对降水的时空变化敏感.     

2000—2014年甘肃省NDVI时空变化特征

基于甘肃省2000—2014年MODIS-NDVI遥感数据及气象数据,采用趋势分析法及相关分析法,对甘肃省归一化植被指数(NDVI)的时空变化特征进行研究,探讨了植被变化对区域气候变化的响应。结果表明:近15年,生长季及春、夏、秋季NDVI均呈增加趋势。区域尺度上,夏季NDVI增加趋势最显著,增速为0.071/10a(P<0.01);像元尺度上,生长季NDVI呈增加趋势的面积最大,呈极显著增加(P<0.01)和显著增加(0.01相似文献   

青藏高原植被覆盖对水热条件年内变化的响应及其空间特征

利用1982-2000年NOAA/AVHRR卫星的NDVI数据(时间分辨率旬,空间分辨率8 km×8 km),结合同时期的气温和降水资料,基于时滞互相关方法和GIS工具,分析了青藏高原植被覆盖对水、热条件年内变化的时滞响应及其空间特征。结果如下:①除高寒荒漠、森林外,青藏高原植被NDVI与同期旬均温和旬降水相关性均呈高度正相关。其中,中等覆盖度的植被受水、热影响表现更为强烈。②青藏高原植被NDVI对气温和降水有滞后效应,且滞后水平存在空间差异,高原北部(柴达木盆地、昆仑山北冀)和高原南部植被对降水、和温度的响应比较迟缓,而高原中、东部地区植被对温度和降水的响应比较敏感。③不同植被类型对水热条件的响应程度也存在差异,由高到低依次是草甸、草原、灌丛、高寒垫状植被、荒漠,最后是森林。     

应用遥感数据研究中国植被生态系统与气候的关系

应用1982-1994年NOAA/AVHRR的归一化植被指数（NDVI）资料和587个气象台站的数据对我国不同类型植被生态系统和气候的关系进行研究，首先将我国的植被类型划分为21类，在此基础上分别研究了不同时间尺度下我国不同区域，不同植被类型和气候的关系。结果表明：在多年平均状态下，植被生态系统NDVI水平主要受水分条件的影响；年内变化上，温度对植被生态系统季相变化化起着比降水略大的作用，年降水量造成了植被季相响应的差异，在年际变化上，分别研究了4个季节和整个生长期尺度上的关系，一般情形为温度和降水对植被的年际波动起着大致相反的作用，不同植被类型在不同的生长时期（季节）对气候的变化响应方式也不同，发现在植被的生长期，我国南方和北方的植被生态系统对温度和降水的响应方式相反；同时存在2个植被-气候敏感区，分别为我国北方的典型草原到森林的过渡区和云南中部部分区域。     

中国东部植被NDVI对气温和降水的时空响应(英文)

Temporal and spatial response characteristics of vegetation NDVI to the variation of temperature and precipitation in the whole year,spring,summer and autumn was analyzed from April 1998 to March 2008 based on the SPOT VGT-NDVI data and daily temperature and precipitation data from 205 meteorological stations in eastern China.The results indicate that as a whole,the response of vegetation NDVI to the variation of temperature is more pronounced than that of precipitation in eastern China.Vegetation NDVI maxi...     

Temporal and spatial response of vegetation NDVI to temperature and precipitation in eastern China

Temporal and spatial response characteristics of vegetation NDVI to the variation of temperature and precipitation in the whole year, spring, summer and autumn was analyzed from April 1998 to March 2008 based on the SPOT VGT–NDVI data and daily temperature and precipitation data from 205 meteorological stations in eastern China. The results indicate that as a whole, the response of vegetation NDVI to the variation of temperature is more pronounced than that of precipitation in eastern China. Vegetation NDVI maximally responds to the variation of temperature with a lag of about 10 days, and it maximally responds to the variation of precipitation with a lag of about 30 days. The response of vegetation NDVI to temperature and precipitation is most pronounced in autumn, and has the longest lag in summer. Spatially, the maximum response of vegetation NDVI to the variation of temperature is more pronounced in the northern and middle parts than in the southern part of eastern China. The maximum response of vegetation NDVI to the variation of precipitation is more pronounced in the northern part than in the middle and southern parts of eastern China. The response of vegetation NDVI to the variation of temperature has longer lag in the northern and southern parts than in the middle part of eastern China. The response of vegetation NDVI to the variation of precipitation has the longest lag in the southern part, and the shortest lag in the northern part of eastern China. The response of vegetation NDVI to the variation of temperature and precipitation in eastern China is mainly consistent with other results, but the lag time of vegetation NDVI to the variation of temperature and precipitation has some differences with those results of the monsoon region of eastern China.     

长白山区植被生长季NDVI时空变化及其对气候因子敏感性

本文利用长白山区SPOT/VGT NDVI 数据和气象数据,分析该区不同植被类型NDVI时空变化特征以及与气候因子的相关关系,并探讨了植被对气候变化响应的滞后性。结果表明：①2000-2009 年,长白山区植被NDVI 逐年变化总体呈增长趋势,增长区域的面积占全区面积的83.91%,在空间上主要集中在北坡和西坡,NDVI减少区域集中在南坡;②NDVI变化率随季节和植被类型变化而不同,NDVI增长主要集中在5 月和9 月,而7 月NDVI变化较小,甚至出现下降趋势;③植被NDVI与温度和降水存在着显著的正相关性（p<0.01）,且NDVI与温度的相关性高于与降水的相关性,且随海拔升高,NDVI与温度相关性增强;④NDVI对气温和降水变化的响应存在滞后期, 不同植被类型,滞后期存在差异。苔原NDVI对温度和降水响应的滞后期大约10 天,而针阔混交林和针叶林NDVI 对温度和降水响应的滞后期约为20 天。     

基于因子分析方法的中国植被NDVI与气候关系研究

利用1982~2000年NDVI数据和气象台站资料,对我国几种植被型组和气候的相关关系进行了研究。首先利用NDVI结合植被类型图将我国植被划分为9种植被型组;然后利用因子分析方法进行了气候指标的选择并采用相对湿度、平均最高温度和平均风速作为本研究的气候因子;最后对7种植被型组NDVI值同相应季节及其前三个季节的气候指标进行了相关分析。结果表明,利用因子分析方法选择的气候指标可以较好地进行植被气候关系分析;在我国温度条件比水分条件更明显地影响植被的生长,水分条件较其他气候因素对植被生长表现了更明显的滞后效应;而平均风速则对我国荒漠植被生长有较大的影响。     

Inter-annual variability and interaction of remote-sensed vegetation index and atmospheric precipitation in the Aral Sea region

The remotely sensed Normalized Difference Vegetation Index (AVHRR NDVI) and precipitation data were analysed in the Aral Sea region in Central Asia during two recent decades. Both variables exhibited pronounced seasonal variation, with maximum precipitation in March and maximum NDVI in May–June. The regions of synchronous seasonal and inter-annual variability between the vegetation index and precipitation were distinguished using the Empirical Orthogonal Functions (EOF) method and time-lagged correlations between EOF modes. At a seasonal scale, precipitation and the vegetation index were correlated with a time lag from 1 to 6 months in different regions with peak plant growth following precipitation maxima.     

2000-2012年祁连山植被覆盖变化及其与气候因子的相关性

研究祁连山地区植被覆盖变化及其与气候因子的响应关系对这一地区土地利用总体特征以及对区域及全球气候和环境变化都将产生深远的意义。利用2000-2012年美国国家航空航天局提供的MODIS NDVI数据并结合相应的气候资料,通过对逐像元信息的提取和分析,运用均值法、斜率分析法、相关分析法,研究了2000-2012年不同季节祁连山植被覆盖的时空变化及其与气候因子的相关性。结果表明:13 a来祁连山植被覆盖整体上呈增加趋势,其中春季植被改善最为明显,秋季次之;植被覆盖变化在不同季节都存在明显的空间差异;不同季节植被与气温、降水的时滞效应不尽相同;祁连山春季大部分地区NDVI与气温呈显著正相关,夏季NDVI与降水呈显著正相关,秋、冬季NDVI与降水、气温的相关性不明显。     

生态保护工程和气候变化对长江源区植被变化的影响量化

分析长江源区生态保护工程和气候变化对植被变化的影响程度,对于长江源区生态工程的生态效益评估,以及区域植被适应性生态管理政策的制定具有重要意义。因此,本文基于1982-2015年的归一化植被指数数据(Normalized Difference Vegetation Index, NDVI)和气象数据,分析长江源区植被NDVI的时空变化规律,构建预测植被NDVI对气候因子响应的人工神经网络模型,在此基础上,在年和季节尺度上量化气候变化和生态保护工程对长江源区植被变化的影响程度。结果表明:①在长江源区气候条件变化和生态保护工程影响下,长江源区植被退化得到遏制,植被生长呈好转趋势;②海拔相对较低的通天河附近植被NDVI增加幅度较大,高海拔的沱沱河和当曲流域的植被NDVI增加幅度相对较小;③长江源区植被NDVI对气候因子响应存在1～2月的滞后性。构建的人工神经网络模型的拟合优度参数人工神经网模型具有较高的预测精度,可以用来模拟植被NDVI对气候因子的响应;④年尺度的植被NDVI增加受到生态保护工程的影响程度(58.5%)大于气候变化的影响程度(41.5%)。生长季生态保护工程对NDVI的影响程度(63.3%)大于气候变化对NDVI的影响程度(36.7%),而非生长季气候变化是影响长江源区植被生长的关键要素(52.8%)。研究结果有助于为长江源区植被生态系统恢复、管理和利用战略的科学制定提供决策依据。     

Response Differences of MODIS-NDVI and MODIS-EVI to Climate Factors

To evaluate and provide an appropriate theoretical direction for research into climate-vegetation interactions using meteorological station data at different time scales, we examined differences between the Normalized Difference Vegetation Index (NDVI) and Enhanced Vegetation Index (EVI) and their responses to climate factors. We looked for correlations between data extracted from MOD13Q1 remote sensing images and meteorological station data for the two indexes. The results showed that even though NDVI and EVI are derived from the same remote sensing image, their response to climate factors was significantly different. In the same meteorological station, the correlation coefficients for NDVI, EVI and climate factors were different; correlation coefficients between NDVI, EVI and climate factors varied with meteorological station. In addition, there was a lag effect for responses of NDVI to average minimum temperature, average temperature, average vapor pressure, minimum relative humidity, extreme wind speed, maximum wind speed, average wind speed and average station air-pressure. EVI had a lag only for average minimum temperature, average vapor pressure, extreme wind speed, maximum wind speed and average station air-pressure. The lag period was variable, but most were in the -3 period. Different vegetation types had different sensitivities to climate. The correlation between meteorological stations and vegetation requires more attention in future research.