|
|
梁博毅1,2
,
刘素红1,2
,
瞿瑛1,2
周公器1,2
何小雷1,2
|
收稿日期: 2014-12-17; 修订日期: 2015-08-04; 优先数字出版日期: 2014-08-11
基金项目: 国家自然科学基金(编号：41171262); 国家高技术研究发展计划(863计划)(编号：2013aa122801)
中图分类号: TP701
文献标识码: A
文章编号: 1007-4619(2016)01-0149-08
|
摘要
利用1982—2012年的GLASS LAI数据，结合世界粮农组织(FAO)2000年发布的全球生态环境分类图，对亚马逊热带雨林31年的植被变化进行了综合分析，采用点与面相结合的分析方法，全面地反映雨林植被的变化情况。不同于过去研究中固定研究范围或直接研究整个南美洲区域，本文采用动态静态边界相结合的方法，在考虑热带雨林动态范围变化的同时也强调研究区域的内部变化。结果显示，亚马逊热带雨林叶面积指数在31年中整体呈现波动变化，进入2000年以后，热带雨林范围内平均叶面积指数先下降后增加，整体相对稳定。在空间分布上，由于人类毁林开荒，巴西境内的热带雨林以及热带雨林部分边缘地带的叶面积指数在31年中明显下降，热带雨林东南边界持续收缩；除此之外，雨林内部的叶面积指数波动上升，这是受到全球气候变暖的影响。结果与过去的研究进行对比，具有较好的一致性。研究论证了利用具有中国自主知识产权的GLASS LAI数据可以进行长时间序列大尺度的地表植被状况监测。
关键词
亚马逊热带雨林; 叶面积指数; 遥感; 生态环境; 变化监测
1 引 言
亚马逊热带雨林(Amazon Rain Forest)位于南美洲的亚马逊盆地，占地700万km2。雨林横越了8个国家：巴西(占森林面积60%)、哥伦比亚、秘鲁、委内瑞拉、厄瓜多尔、玻利维亚、圭亚那及苏里南，占据了世界雨林面积的一半，森林面积的20%，是全球最大及物种最多的热带雨林，被誉为“地球之肺”。因此，对亚马逊热带雨林的研究成为生态学、动植物学以及全球变化等领域研究的重点(Chen和Cihlar，1996)。
过去的研究表明，亚马逊热带雨林的植被状况经历了先破坏后恢复的过程，20世纪90年代中期之前，由于人类砍伐和生态破坏，亚马逊热带雨林的植被遭到严重破坏，叶面积指数(LAI)、植被覆盖度(FVC)等有明显下降；20世纪90年代中期以后，随着人们对于热带雨林重要性的逐渐重视，开展了大量的退耕还林、植树造林等工作，亚马逊热带雨林获得一定程度上的恢复(Moran等，1996)。另外随着全球气候的变化，年平均降水量逐渐减少，热带雨林的面积也在呈现缩小趋势(Cook和Vizy，2008)。
近些年来遥感技术的飞速发展使得利用遥感数据对热带雨林进行的研究取得很大进展。目前采用植被指数特别是归一化植被指数(NDVI)来研究植被动态变化的应用比较广泛，例如Atkinson等人(2011)利用多种植被指数研究了亚马逊热带雨林21世纪两次干旱情况。研究结果表明，干旱在NDVI上有较好的相应，长时间序列更有利于反映热带雨林植被的年际变化。然而植被指数如NDVI在植被高覆盖区容易饱和，这除了红光通道本身特性外，还与NDVI算式存在容易饱和的问题有关(王正兴等，2003)。相比植被指数而言，LAI影响着植被冠层内的许多生物化学过程，在生态过程、大气生态系统的交互作用以及全球变化中具有更重要的意义，且利用多种方式进行反演，可以有效避免饱和性(周宇宇等，2003)。Myneni等人(2007)使用MODIS LAI数据研究了2000—2006年中亚马逊热带雨林LAI的季节性变化。结果表明，亚马逊热带雨林LAI水平与太阳辐射和干湿水平有很强一致性。然而，其研究区域是固定范围的亚马逊河流域，并没有考虑到热带雨林的动态范围变化，也没有明确热带雨林划分标准。过去亚马逊热带雨林相关研究成果大部分局限在短时间序列下，缺乏利用长时间序列数据的研究(Zhang等，2001;Cox等，2004;Cook和Vizy，2008)。
本文利用1982—2012年长达31年的时间序列GLASS LAI数据，研究亚马逊热带雨林以及与其交界的热带山地、热带季雨林植被边界变化和热带雨林内部植被变化，并对原因进行了进一步分析。
2 数据与方法
2.1 研究数据
世界粮农组织(FAO)于2000年发布了全球生态系统分类图，将全球按照不同的植被类型划分成了20个生态分区。其中，与亚马逊热带雨林交界的生态系统类型有热带山地、热带季雨林两种，三者空间分布如图 1所示。
GLASS(Global L and Surface Satellite)LAI的生产所得产品的时间序列从1982—2012年，空间分辨率为1 km，时间分辨率是8天。首先是利用MODIS反射率数据，经过了大气校正、几何校正、云雪阴影的去除等预处理，并且对缺失像元进行填补及滤波处理，获得了时间和空间连续的反射率数据；然后选择高精度的LAI数据作为广义回归神经网络的训练数据(孙晨曦等，2013；Zhao等，2013；Liang等，2013)，建立高精度LAI的反演模型，得到LAI数据。验证结果表明GLASS LAI具有较高的可靠性(Xiao等，2011，2014)。
2.2 分析方法
(1)热带雨林空间变化
基于FAO生态系统分类图，对2000年热带雨林及与其交界的两种生态系统(热带山地、热带季雨林)平均叶面积指数ALAI(Average Leaf Area Index)的直方图进行统计，并选取一个ALAI值，能够较好地拟合出3种生态系统的边界，以此作为划分热带雨林和热带山地、热带季雨林两种生态系统的边界值，并将该值作为热带雨林LAI的“标准阈值”(以下称为标准值)应用到其他年份，从而得到31年亚马逊热带雨林面积增减以及边界扩展情况。该标准值虽然不能完全代表热带雨林的边界，但在一定程度上可以反映出热带雨林范围的动态变化。
(2)固定边界下热带雨林的时间变化。利用FAO发布的生态系统分类图中热带雨林矢量边界，研究热带雨林内部LAI在31年的变化情况，处理流程如图 3所示。
3 结果与分析
3.1 热带雨林LAI边界
由于FAO所发布的全球生态系统采用的数据是2000年的，因此将GLASS LAI 2000年全球ALAI图作为底图，统计3种生态系统ALAI直方图(图 4)。
利用计算机自动选取3.69作为热带雨林标准值，LAI大于3.69则视为热带雨林地区。用此标准值对2000年的3种生态系统进行拟合(图 5)，图 5 中灰色部分是利用标准值拟合的热带雨林范围，矢量图为FAO公布的热带雨林边界。通过验证，3种生态系统的正确拟合范围均在80%以上，尤其在热带雨林中心地区拟合精度较高。
3.2 31年亚马逊热带雨林LAI变化
采用动态边界及静态边界两种方式对31年亚马逊热带雨林LAI变化进行分析。其中动态分析侧重于亚马逊热带雨林地区的LAI质变情况，例如某像元前一年的LAI值大于标准值，而后一年的LAI值下降到标准值以下，则反映该区域LAI从热带雨林水平下降到热带山地和热带季雨林水平，反之则上升为热带雨林水平，同时还可以反映出热带雨林边界的扩展情况。静态分析则重点研究在FAO发布的生态系统矢量图中热带雨林边界范围内热带雨林LAI随时间的变化情况。
3.2.1 标准像元数量动态变化
对2000年以后13年中每一年ALAI达到标准值的像元面积进行统计，结果如图 6所示。
不难看出，13年中达到标准值的像元面积呈现波动态势，进入2000年以后，亚马逊热带雨林中的标准像元面积经历了先减少后增加的过程，2008年以前，面积逐年下降，其中2006以及2009年较前一年下降最为明显；2010年以后，面积有所回升，2012年恢复到2006年以前的水平。总的来说，13年中标准值像元面积比较平稳，基本保持在500万km2以上。
3.2.2 动态边界整体变化
提取31年中变化比较明显的时间段，利用标准值范围，做出对应时间段的LAI变化示意图。具体方法是：若前一年的LAI未达到标准值而后一年大于标准值，则将该像元赋绿色，反之则赋红色。因此，成图后，若某个像元为绿色，则表示在变化时间段内，该像元LAI呈上升趋势，达到了热带雨林的水平，反之则下降为热带山地或热带季雨林水平。
可以看出，进入21世纪后，标准值的像元数量整体比较稳定(如图 7(a))。其中，增加区域主要集中在东部地区，而在玻利维亚、秘鲁境内靠近安第斯山的地区下降比较明显。另外，亚马逊河(包括干流和支流)沿岸地区，标准像元数量出现下降。31年中亚马逊热带雨林标准像元数量整体呈现上升态势，特别是在亚马逊河上游以及沿岸地区，东北部圭亚那等国境内和大西洋沿岸亚马逊河入海地区的上升也比较显著。下降区域主要集中在巴西西北部地区，距亚马逊河有一定距离，地理位置属于亚马逊热带雨林边缘地区(图 7(c))。
3.2.3 动态边界各方向变化
选取31年中1982年、1990年、2000年以及2012年等4个时间节点，分别测量4个时间节点上亚马逊热带雨林中心像元(64.84°E，2.78°S)与8个方向(北、东北、东、东南、南、西南、西、西北)热带雨林边界像元的距离。这里边界像元指的是在某个方向上位于热带雨林主体区域内且距离中心点最远的像元。通过测量8个方向的距离，研究31年中热带雨林边界的扩展或退化情况，结果如图 8所示，负号表示缩减，正号为扩张。
图 8中3种颜色分别>表 3个时间段内热带雨林边界在8个方向上的扩展情况。从图 8中可以看出，31年中热带雨林在不同方向上扩展趋势差异较大。首先在北、东北、东、南、西五个方向上，热带雨林边界在不同时间段内交替出现扩展或收缩，且变化幅度较小，均在10 km以内；在西南和西北两个方向上边界变化较大，例如1990—2000年间，热带雨林西南部边界扩展了近30 km，在1982—1990年间，西部边界扩展了近20 km。于此同时，西部边界的收缩也同样严重，在1990—2000年间，西部边界收缩超过了20 km；另外，东南边界是31年热带雨林边界中唯一一个持续收缩的区域，尤其在1990—2000年间，东南方向的边界收缩距离将近35 km，进入21世纪后，该方向上的边界收缩幅度有所下降，但依旧没有改变整体收缩的趋势。31年中东南方向的热带雨林边界收缩总计达到47.2 km。
3.2.4 2011年、2012年与背景值静态边界变化
统计1982—2012年每年的平均叶面积指数ALAI，并以此作为背景值，分别将2011年与2012年的ALAI与该背景值求差并制图(图 9)，其中热带雨林的边界使用FAO的生态矢量图。图 9在固定范围中探讨亚马逊热带雨林系统内部LAI的变化，主要反映雨林内部的植被状况。
2011年与2012年的LAI与31年背景值差异图所反映的增减趋势比较一致：整体呈上升趋势，上升最为明显的地区集中在亚马逊河(干流及支流)沿岸地区，其中上下游地区较中游地区上升更为显著。随着雨林距亚马逊河距离的增加，LAI上升幅度有所降低；下降区则主要集中在雨林东南部地区，尤其是巴西境内的热带雨林。另外东部大西洋沿岸地区以及西北部少部分地区LAI也出现少许下降。
3.2.5 31年静态边界变化趋势分析
31年变化趋势指的是利用31年LAI数据，根据每个像元每8天的LAI值，采用最小二乘法原理，求出该像元位置31年LAI的拟合曲线，该曲线的斜率则为31年LAI的变化速率，反映该像元位置LAI的增减情况(图 10)。在分析变化趋势时，同样在FAO发布的生态矢量图中的亚马逊热带雨林范围内进行研究。
31年中，亚马逊西部流域的LAI上升趋势要大于东部地区，东北部大西洋沿岸的雨林增长幅度较大，河流沿岸地区的增长幅度也要大于边远地区。下降区则主要集中在亚马逊热带雨林东南部地区也就是巴西境内的热带雨林，下降最明显的地区LAI降速超过了0.06/a。
3.2.6 下降区单点分析
如图 10所示31年中LAI下降最为明显的地区在亚马逊热带雨林东南部区域，这部分区域基本在巴西境内，因此在此区域中选择位于中心地区的单点进行逐年的LAI变化分析，具体选择点位坐标为(2566，1933)，对应的经纬度为(6.575°S，51.775°W)。
31年间，该像元点呈现波动下降态势，尤其在2000之前，波动比较明显，例如在1991—1995年之间，ALAI最大年变化量达到2左右(图 11)；2000以后，变化趋于缓和，但从10年的趋势中可以看出，ALAI还是呈现缓慢下降的趋势。31年中，ALAI从1982年的接近5降为3.4左右。
3.3 总结与成因分析
3.3.1 总结
3.2节对31年亚马逊热带雨林LAI的变化进行了统计分析，从6个方面展示了LAI在时间和空间两个方面的增减态势。总体上，31年中亚马逊热带雨林的LAI呈现波动变化，进入2000年以后趋于稳定。变化比较突出的地区主要集中在亚马逊热带雨林的东南部区域，即巴西境内的热带雨林。在上文分析中可以看出，很多时间段内巴西热带雨林与亚马逊热带雨林的其他区域的变化趋势相反，但这一地区的变化往往左右着亚马逊热带雨林在整体上LAI的增减态势，这说明在巴西境内的LAI变化更加显著，这也体现在东南方向热带雨林的边界持续收缩。静态边界分析中，从31年的LAI趋势图(图 10)可以看出，亚马逊热带雨林的LAI的增减状况在空间上分布很不均匀，亚马逊河流沿岸呈现明显的上升趋势；下降区仍集中在巴西境内的热带雨林，局部地区的LAI最高降幅在0.06/a。另外，2011年与2012年的LAI与31年背景值差异比较一致，说明这两年LAI水平比较稳定。
研究结果与以往利用遥感数据研究亚马逊热带雨林的相关成果图体现出较高的一致性，即亚马逊热带雨林中间植被水平有所上升，而周边特别是东南部地区植被水平则有所下降(Wu等，2014；Kim等，2014)。
3.3.2 分析
近些年来特别是进入21世纪之后，亚马逊热带雨林成为被持续关注的焦点，国际上出现很多针对亚马逊热带雨林特别是雨林破坏与保护的研究，本文利用其中部分结论，与本文的研究结果进行了对比分析。
首先是巴西境内的亚马逊热带雨林。这部分区域占整个亚马逊地区总面积的70%和总人口的70%，包括巴西的9个州，主要分布在巴西北部地区。林业是巴西经济增长的基础，占巴西GDP的4%和出口的8%。亚马逊地区人民的生活与林业资源密切相关，它为巴西提供了近200万个直接就业机会。因此，热带雨林的保护不仅关系到巴西的切身利益，而且影响到全球的未来。近些年来，由于过度毁林开荒以及兴修公路等问题，巴西境内的热带雨林遭受大面积破坏。亚马逊热带雨林的采伐量经历了先增加后减少的过程，在20世纪90年代中期以后，采伐数量逐渐降低。热带雨林状况的改善，得益于近些年来巴西的相关举措，包括加大立法、建立自然保护区和国有林(吕银春，1992)。从前文的研究中也可以发现，20世纪90年代中期以前，巴西境内热带雨林的LAI降幅非常明显，到了90年代中期以后特别是进入21世纪，通过各种措施的实施，热带雨林的LAI状况有很大改善(Nolte等，2013)。
除了巴西境内的热带雨林LAI有明显下降外，亚马逊热带雨林的西北部地区以及北部、西部少量地区也出现了热带雨林LAI下降的情况，这些区域大多集中在热带雨林边缘。人类活动是雨林破坏的主要原因，而雨林内部人类涉足的地区要相对较少，目前主要的采伐工作还是在雨林周边，但如果这种行为不能被及时遏制，雨林内部也会出现大面积的破坏。
从整体上看，亚马逊热带雨林大部分区域LAI在31年中都呈现上升态势，尤其是亚马逊河沿岸地区。LAI的上升除了政策人为因素进行保护的作用以外，更重要的是全球变暖的影响。张佳华等人(2002)利用NOAA-AVHRR反演的LAI数据和生物气候数据，建立了全球尺度的LAI与降水及温度的总体相关和距平相关，用以揭示全球尺度的植被季节和年际的变化对气候变化的响应特征。最大的LAI与温度的正距平相关(0.4—0.6)出现在东南亚南部、非洲Sahel地区的南部和巴西东部等热带地区。
4 结 论
本文利用GLASS LAI数据，对1982—2012年共31年的亚马逊热带雨林状况进行了变化分析。分析过程采用动态分析以及静态边界分析两种方式，前者倾向于雨林的区域范围变化，后者重点反映雨林内部LAI的变化状况。相比过去的研究，利用更长时间序列的数据能够更加准确的反映热带雨林的真实变化情况。结果显示，31年中，亚马逊热带雨林的LAI整体呈现波动变化，在20世界90年代中期以前LAI变化幅度较大，进入2000年以后，LAI先减少后增加且整体水平基本保持稳定。在空间分布上，巴西境内的热带雨林以及热带雨林部分边缘地带的LAI 在31年中明显下降，将热带雨林的空间变化分为8个方向进行分析，并将31年时间序列划分为三个时间段，其中东南方向在31年内收缩比较严重，在北、东北、东、南、西五个方向上，热带雨林边界在不同时间段内则交替出现扩展或收缩态势。热带雨林东南区域林边界不断收缩，这是由于人类毁林开荒、大兴土木的结果；雨林内部的LAI呈现波动上升，整体受到全球变暖的影响。
本研究利用中国自主发布的GLASS LAI研究热带雨林变化，并将结果与其他研究的结果进行对照，得出了较好的一致性，这进一步验证了GLASS LAI数据的可靠性，说明GLASS LAI可以一定程度上反映热带雨林的变化情况，该产品可用于全球大尺度地区植被的遥感监测。目前研究只是针对叶面积指数一种遥感数据进行分析，具有一定的片面性，以后的研究工作可以将叶面积指数与气候数据相结合，分析热带雨林变化背后的机理。
参考文献
-
Atkinson P M, Dash J and Jeganathan C. 2011. Amazon vegetation greenness as measured by satellite sensors over the last decade. Geophysical Research Letters, 38:L19105[DOI:10.1029/2011GL049118]
-
Chen J M and Cihlar J. 1996. Retrieving leaf area index of boreal conifer forests using Landsat TM images. Remote sensing of Environment, 55(2):153-162[DOI:10.1016/0034-4257(95)00195-6]
-
Cook K H and Vizy E K. 2008. Effects of twenty-first-century climate change on the Amazon rain forest. Journal of Climate, 21(3):542-560[DOI:10.1175/2007JCLI1838.1]
-
Cox P M, Betts R A, Collins M, Harris P P, Huntingford C and Jones C D. 2004. Amazonian forest dieback under climate-carbon cycle projections for the 21st century. Theoretical and Applied Climatology, 78(1/3):137-156[DOI:10.1007/s00704-004-0049-4]
-
Kim D H, Sexton J O, Noojipady P, Huang C Q, Anand A, Channan S, Feng M and Townshend J R. 2014. Global, Landsat-based forest-cover change from 1990 to 2000. Remote Sensing of Environment, 155:178-193[DOI:10.1016/j.rse.2014.08.017]
-
Liang S L, Zhao X, Liu S H, Yuan W P, Cheng X, Xiao Z Q, Zhang X T, Liu Q, Cheng J, Tang H R, Qu Y H, Bo Y C, Qu Y, Ren H Z, Yu K and Townshend J. 2013. A long-term Global Land Surface Satellite (GLASS) data-set for environmental studies. International Journal of Digital Earth, 6(Sup1):5-33[DOI:10.1080/17538947.2013.805262]
-
Lv Y C. 1992. Brazil's economic development and ecological protection. Latin American Studies, (4):45-46, 56 (吕银春. 1992. 巴西的经济发展与生态环境保护. 拉丁美洲研究, (4):45-46, 56)
-
Moran E F, Packer A, Brondizio E and Tucker J. 1996. Restoration of vegetation cover in the eastern Amazon. Ecological Economics, 18(1):41-54[DOI:10.1016/0921-8009(96)00034-1]
-
Myneni R B, Yang W Z, Nemani R R, Huete A R, Dickinson R E, Knyazikhin Y, Didan K, Fu R, Negron Juarez R I, Saatchi S S, Hashimoto H, Ichii K, Shabanov N V, Tan B, Ratana P, Privette J L, Morisette J T, Vermote E F, Roy D P, Wolfe R E, Friedl M A, Running S W, Votava P, El-Saleous N, Devadiga S, Su Y and Salomonson V V. 2007. Large seasonal swings in leaf area of Amazon rainforests. Proceedings of the National Academy of Sciences of the United States of America, 104(12):4820-4823[DOI:10.1073/pnas.0611338104]
-
Nolte C, Agrawal A, Silvius K M and Soares-Filho B S. 2013. Governance regime and location influence avoided deforestation success of protected areas in the Brazilian Amazon. Proceedings of the National Academy of Sciences of the United States of America, 110(13):4956-4961[DOI:10.1073/pnas.1214786110]
-
Sun C X, Liu L Y and Guan L L. 2013. Validation of the GLASS LAI products in Xilinhot grassland. Remote Sensing Technology and Application, 28(6):949-954 (孙晨曦, 刘良云, 关琳琳. 2013. 内蒙古锡林浩特草原GLASS LAI产品的真实性检验. 遥感技术与应用, 28(6):949-954)
-
Wang Z X, Liu C and Huete A. 2003. From AVHRR-NDVI to MODIS-EVI:advances in vegetation index research. Acta Ecologica Sinica, 23(5):979-987 (王正兴, 刘闯, Huete A. 2003. 植被指数研究进展:从AVHRR-NDVI到MODIS-EVI. 生态学报, 23(5):979-987)
-
Wu D H, Wu H, Zhao X, Zhou T, Tang B J, Zhao W Q and Jia K. 2014. Evaluation of spatiotemporal variations of global fractional vegetation cover based on GIMMS NDVI Data from 1982 to 2011. Remote Sensing, 6(5):4217-4239[DOI:10.3390/rs6054217]
-
Xiao Z Q, Liang S L, Wang J D, Jiang B and Li X J. 2011. Real-time retrieval of Leaf Area Index from MODIS time series data. .Remote Sensing of Environment, 115(1):97-106[DOI:10.1016/j.rse.201008.009]
-
Xiao Z Q, Liang S L, Wang J D, Chen P, Yin X J, Zhang L Q and Song J L. 2014. Use of general regression neural networks for generating the GLASS leaf area index product from time-series MODIS surface reflectance. IEEE Transactions on Geoscience and Remote Sensing, 52(1):209-223[DOI:10.1109/TGRS.2013.2237780]
-
Zhang J H, Fu C B, Yan X D, Emori S and Kanzawa H. 2002. Global respondence analysis of Lai versus surface air temperature and precipitation variations. Chinese Journal of Geophysics, 45(5):631-637 (张佳华, 符淙斌, 延晓冬, Emori S, Kanzawa H. 2002. 全球植被叶面积指数对温度和降水的响应研究. 地球物理学报, 45(5):631-637)
-
Zhang L, Dawes W R and Walker G R. 2001. Response of mean annual evapotranspiration to vegetation changes at catchment scale. Water Resources Research, 37(3):701-708[DOI:10.1029/2000WR900325]
-
Zhao X, Liang S L, Liu S H, Yuan W P, Xiao Z Q, Liu Q, Cheng J, Zhang X T, Tang H R, Zhang X, Liu Q, Zhou G Q, Xu S and Yu K. 2013. The Global Land Surface Satellite (GLASS) remote sensing data processing system and products. Remote Sensing, 5(5):2436-2450[DOI:10.3390/rs5052436]
-
Zhou Y Y, Tang S H, Zhu Q J, Li J T, Sun R and Liu S H. 2003. Measurement of Lai in Changbai mountains nature reserve and its result. Resources Science, 25(6):38-42 (周宇宇, 唐世浩, 朱启疆, 李江涛, 孙睿, 刘素红. 2003. 长白山自然保护区叶面积指数测量及结果. 资源科学, 25(6):38-42)
LIANG Boyi1,2
,
LIU Suhong1,2
,
QU Ying1,2
ZHOU Gongqi1,2
HE Xiaolei1,2
Abstract
This paper analyzed changes in the Amazon rainforest from 1982 to 2012 by combining GLASS LAI data with a global ecological classification map published by FAO in 2000. This approach harnesses the advantages of previous studies in terms of precision and time resolution. Moreover, the combination of single-point and analytical methods in the present work can fully reflect the changing status of rainforest vegetation. Previous studies regarded the entire area of South America as a study area; by contrast, the present research applies dynamic and static boundaries and considers the changes in the dynamic range of the rainforest. At the same time, the changes in the targeted research area are emphasized. Results show that the leaf area index of the Amazon rainforest fluctuated over a period of 31 years; after 2000, this index first decreased first and then increased smoothly. In terms of spatial distribution, the leaf area index of the tropical rainforest in Brazil and of other parts of the rainforest margins declined significantly over the same period. Meanwhile, the boundary in the southeast shrank constantly because of the deforestation attributed to human development activities, and the leaf area index of the rainforest interior increased considerably because of global warming. The results of the present work were consistent with those of previous studies; therefore, the current study shows that GLASS LAI, which is subject to the independent intellectual rights of China, can be used to monitor the long-term status of surface vegetation in large areas.
Key words
Amazon rainforest, LAI, remote sensing, ecological environment, change monitoring
