植被是陆地生态系统的主体，在地圈-生物圈-大气圈交叉研究中具有特殊作用, 被认为是人类环境评价和监测的重要参数。植物及其群体对自然要素所施加的影响反应最灵敏, 并具有最充分的表现能力。这些表现不仅反映在植被及其群体的种群变化以及覆盖度与生物量的变化上, 而且反映在植被特有的年际和季节的变化上^[1]。

许多学者根据植被的这一特点，利用宏观遥感数据监测的植被变化来反演气候的变化及影响，同时由于地球表层的高度差异性，植被对全球变化的响应具有明显的地域分异规律并表现出不同的时间尺度^[2]。研究表明，随着全球气候变暖，植物物候正在发生改变，许多植物通过改变与春天到来和秋天开始相关的同步活动以适应变暖，而带来更长的生长季。但对于某些农业植被来讲，可能会使生长季缩短^[3-4]。在20世纪80年代以来，北半球中高纬度地区尤其是亚洲和北美40°~70°N地区的植被活动显著增强，北半球高纬度地区1981—1991年植被生长季提早了8 d，而生长季结束时间推迟了4 d，认为春季温度增加给高纬度地区植被带来了更长的生长季^[2]。随着全球变暖，不仅植被生长活动增强，而且生长季节的开始时间也有显著提前^[5]。这些地区的植被变化一是受大气CO₂浓度上升、温度增加以及氮、磷沉降的影响，植被活动在季节变化中的振幅加大；二是受气候变暖影响，使植物的生长季提前或延长^[6-9]，即植被活动在不同季节有不同的响应。目前的研究大多是围绕全球或某一区域植被的平均活动状况，而利用遥感资料研究植被活动年际变化的季节差异相对较少，从而无法阐明不同地区植被对气候变化响应的具体表现形式。黄淮海地区作为我国最大的农耕区之一，其植被类型以农业植被为主，约占整个植被面积的62.15%，同时自然植被也占有相当的比例^[10]。了解在气候变化大背景下，农业植被与自然植被混杂区的植被变化规律及对气候变化的响应，对研究气候变化对农业的影响与适应具有重要意义。为此，本文利用1982—2000年10 d最大合成法生成的NOAA/AVHRR探路者数据库I_NDV(归一化植被指数) 数据，研究这近20年时段内黄淮海地区植被生长季变化规律及其对气候变化的响应。

黄淮海平原 (32°~42°N，110°~123°E)，位于我国东部，东濒渤海、黄海，西倚太行山、伏牛山，北以长城为界，南至淮河，包括海河、黄河、淮河流域中下游的京、津、冀、鲁、豫大部，苏北、皖北、黄河支流的汾渭盆地。从《中国自然地理》丛书中的中国气候区划图看，黄淮海地区主要属于华北类的暖温带亚湿润大区^[11]；从中国植被覆盖图上看，研究区主要植被为温带落叶阔叶林和温带落叶灌丛，农业植被主要是一年两熟或两年三熟连作、落叶果园区^[12]。

植被指数是利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。各种植被指数中，归一化植被指数I_NDV能够较准确地反映植被地覆盖状况、生长状况、生物量以及光合作用强度，因此，常被直接或间接地用于研究植被活动^[13-18]。其定义为

(1)

式 (1) 中，R_NI为物体在近红外波段附近的反射率，R为物体在红光波段附近的反射率。

本研究所用遥感数据为NOAA的I_NDV数字影像，由于NOAA/AVHRR数据对光谱的红光及近红外的敏感性导致其被大量应用于地表研究^[19]。由于I_NDV与绿色植物生物量有密切关系，同时，NOAA数据不仅时间分辨率高，而且校准有效而统一，保证了数据质量^[20]，因此目前该数据不仅被广泛应用于农作物种植面积估算、作物长势监测和单产估算，而且用于森林、草地等自然植被监测，如物候生长季及对气候变化响应的监测^[21]，NOAA归一化植被指数数据在全球及区域植被活动变化研究中具有其他数据所无法替代的作用^[22-23]。

原始数据为GOODE投影，空间分辨率为8 km，数据为重采样生成的等经纬度的格点资料，主要记录的是植被指数格点信息，信息值域为0~255，分辨率为0.072°×0.072°；数据量纲为1，信息值用于表示该陆表格点植被情况，其动态范围为3~253；数据的时间分辨率为旬，经过最大值合成和滤波处理，时间序列为1981年7月—2000年12月，其中，缺失的1994年10—12月数据由1993年和1995年对应月份的平均值替代，并用其他月份的值进行了订正，为进行年际间的比较，本文选择1982—2000年的数据。

I_NDV按照式 (2) 转换成-1~1之间：

(2)

式 (2) 中，n_n为用于表示植被状况的信息值。

对数据预处理时，首先将原始数据转换成栅格图像，根据式 (2)，用-1~1之间的数值表示归一化植被指数值，然后提取研究所需区域的I_NDV旬、月、年值。基于ArcGIS软件提取研究区域内经向与纬向样度带逐像元I_NDV数据与植被类型数据，依照时间序列进行组合样度带，得到所需图层。

目前，基于NOAA/AVHRR I_NDV数据划分生长季的方法有多种，比较常用的有利用I_NDV阈值确定植被生长季^[24]、平滑移动平均法^[25]、平均值法^[26]、最大变化斜率模型法^[27]、主分量分析法^[28]、基于曲线拟合法等，各方法有不同的优缺点。本文根据研究区域大小及研究区内I_NDV变化特征，主要采用最大变化斜率模型法及分段曲线拟合来确定黄淮海区域植被生长季。

对研究区1982—2000年的I_NDV逐旬数据进行平均，得到植被生长多年旬平均变化曲线，如图 1a所示。从图 1a中可以看出，一年中平均I_NDV值有两个峰值，分别在第14旬和第23旬，即5月中旬和8月中旬，说明此时是植被生长最旺盛的时期。对该曲线进行分段多项式拟合，分别找出生长季开始和结束的时间以及相应的I_NDV临界值。

图 1

图 1. 多年旬平均INDV变化曲线 (a) 及变化斜率曲线 (b) Fig 1. Multi-year average NDVI ten-day changing curve (a) and changing slope curve (b)

利用线性回归方法拟合多年平均I_NDV旬变化曲线，分别对1—5月中旬和9—12月的I_NDV进行线性回归，从拟合结果 (图 2) 可以看出，拟合值与实际值的相关系数分别为0.9872，0.9944，均通过了α=0.001的显著性检验。对I_NDV时间变化曲线进行速度变化分析，一阶导数表明物候变化的速度，二阶导数表明物候变化速度的变化情况。根据曲线斜率的变化 (图 1b) 以及实际变化曲线的转折点，确定研究区植被生长季的开始时间为第9旬，即3月下旬，生长季结束的时间为第31旬，即11月上旬，这与温刚等利用AVHRR I_NDV资料在EOF分析基础上得出的华北区生长季的结果相吻合^[28]。由此确定黄淮海地区植被生长季开始和结束时的多年平均I_NDV临界值分别为0.19604和0.22899。

图 2

图 2. 多年旬平均INDV变化曲线多项式拟合 Fig 2. Multi fitting of multi-year average NDVI ten-day changing curve

提取1982—2000年植被I_NDV达到生长季临界值所在的时间，做出生长季开始和结束时间变化曲线，如图 3a(其中1995年温度偏高、雨量丰沛，全年各旬I_NDV均大于0.2，故该年生长季开始时间按比统计中最早的年份还提前1旬计算)、图 3b(1990，1995，1996年秋、冬季各旬I_NDV均大于临界值，故将这3年生长季结束时间按比统计中最晚的年份还晚1旬计算) 所示。图 3a中，旬序值呈下降趋势，说明生长季开始的时间越来越早，生长季有提前的趋势，趋势线与年份的单相关系数为0.3373。从图 3b可以看出，生长季结束的旬序值呈上升趋势，即生长季结束的时间出现了推迟的现象，趋势线与年份的单相关系数为0.3483。尽管线性趋势未通过α=0.1的显著性检验，但近20年来生长季开始的时间呈提前趋势，而结束的时间呈推迟趋势，即植被生长季的时间间隔呈延长趋势。线性变化趋势分析表明：生长季开始时间每10年提前0.89旬，即8.9 d；生长季结束时间每10年延迟1.1旬，即11 d，也就是说在这20年间，生长季每10年延长了约20 d。这与柳晶等^[30]、陈彬彬等^[31]分析的自然植被物候期变化相一致，但由于本研究中有农业植被，所以生长季延长天数上有所差别。

图 3

图 3. 1982—2000年生长季开始时间 (a) 和结束时间 (b) 变化曲线 Fig 3. Changing curve on the beginning time (a) and ending time (b) of growth season from 1982 to 2000

在我国，植被类型受热量影响呈南北经向带状分布，同时受东亚季风影响，同一纬向热量带内，又受水分因素影响，使得植被类型大致沿经线方向延伸，形成由东向西依次更替的经向地带性分布规律。此外，在高山地区，植被类型随海拔升高而呈垂直地带性分布。因此，对黄淮海地区来说，生长季开始时植被绿度指数由东南向西北推移，将这种带状分布称为绿波，生长季结束时植被绿度指数由北向南推移，称之为褐波。

为研究黄淮海区域植被生长季推移的空间变化，选取研究区中部的116°E经向带和36°N纬向带作为典型样带，利用1982—2000年月平均I_NDV资料，制作逐像元植被指数剖面图 (图 4)，分析月平均变化情况。从图 4可以看出，在经向带上，1—7月，绿波由南向北逐渐推移；8月，南、北区域植被指数均达到最大值；9月后逐渐降低。在纬向带上，从114°E附近及向东大部植被类型为一年两熟农作区，因此植被I_NDV明显不同于其他地区，出现两个峰值，即4月和8月；110°E，112°E附近为阔叶林林区，其植被I_NDV在5—9月值最高；在一些针叶林山区，I_NDV最高值在7—8月。

图 4

图 4. 1982—2000年116°E经向带 (a) 和36°N纬向带 (b) 上常年月平均植被指数变化剖面图 Fig 4. Cross section of vegetation index changing in 116°E meridional band (a) and 36°N zonal band (b) during 1982—2000

由图 4可知，区域内植被季节变化明显，植被指数最大值出现在夏季，为体现植被的季节变化特征以及地理分布差异，进一步从空间角度分析，利用ArcGIS空间分析功能选取1982年1月—2000年12月116°E经向带 (32°~42°N) 和36°N纬向带 (110°~120°E) 的两个典型样带，基于植被覆盖类型，逐像元制作月最大植被指数剖面图，以分析黄淮海区域植被指数在这近20年期间的变化状况。

图 5为1982—2000年植被指数变化剖面图，其中每年从左到右代表 1—12月I_NDV变化。由图 5可知，平均I_NDV最低值出现在冬季，最高值出现在夏季，秋、春季的值介于夏、冬季之间。从春到夏，植被指数逐渐升高，而从夏到秋，植被指数逐渐降低，到冬季，植被指数降至最低，从冬季到春季，植被指数又开始缓慢上升，随着纬度的北移，这种交替现象更加明显，同时，植被非生长期变长，相应的生长期变短。从植被覆盖类型来看，草原、灌木丛草原混合区、农牧混合区以及落叶阔叶林季节变化明显，而灌溉农牧区几乎没有明显的季节变化。引起这一现象的原因主要在于草原等季节变化明显的植被覆盖类型主要随自然环境的变化而变化，植被指数对气候的响应关系明显，而灌溉农田受人为因素的影响，通过人类的农业生产活动等，可以改变陆表的植被状况，植被指数对气候的响应关系相对较小^[32]。

图 5

图 5. 1982—2000年116°E经向带 (a) 和36°N纬向带 (b) 上植被指数变化剖面图 Fig 5. Cross section of vegetation index changing in 116°E meridional band (a) and 36°N zonal band (b) during 1982—2000

从经向带和纬向带剖面图还发现以下特征：年内两个峰值从1982—2000年表现越来越清晰，在平原农耕区表现更明显，但在38.5°N以北，京、津市区及其山区没有明显表现，且初夏峰值低于秋季峰值；夏季区域内峰值有向南部扩展的趋势，北京市植被随年代推移生长季明显变长；区域内农作区绿度峰值随年代间隙变宽，由南向北更加明显。

1982—2000年，黄淮海地区植被四季平均I_NDV均呈上升趋势 (图 6)。其中，春季I_NDV上升趋势最为显著；夏季和秋季I_NDV上升趋势不显著；冬季I_NDV上升趋势较为显著。

图 6

图 6. 1982—2000年不同季节植被平均INDV变化趋势 Fig 6. Average INDV changes of vegetations in different seasons from 1982 to 2000

春季不仅是四个季节中平均I_NDV上升趋势最为显著的季节 (通过0.1的显著性检验)，而且是上升速率最快的季节，平均I_NDV以0.022/10 a的速度增加。由此说明1982—2000年黄淮海地区植被生长季提前了^[28]，与前面分析的生长季变化情况相符；夏季、秋季平均I_NDV呈波动上升趋势，但上升的显著性水平较低。

夏季平均I_NDV变化曲线中，有4个明显的波峰 (1984，1990，1994，1998年) 和1个明显的波谷 (1992年)。1984年是20世纪80年代中夏季降水量最多的年份，1989年夏、秋两季降水较多，1998年黄淮海地区降水量也是达到90年代最高值，而1994年平均温度在1982—2000年中最高，这些因素可能是这4年I_NDV出现明显峰值的原因。1992年全国平均温度和降水量均低于其他年份，这可能是导致1992年夏季 (春季、秋季) 植被平均I_NDV低于其他年份的原因。

资料表明，1983—2007年冬季平均气温上升趋势比较显著^[8]，由于冬季温度是限制植被生长的主要因子，温度升高有利于植被生长，因此黄淮海地区植被平均I_NDV在1982—2000年呈上升趋势。

为了更好地研究黄淮海地区植被的季相变化规律及其对气候变化的响应，根据中国气候区划^[11]以及中国植被覆盖类型图^[12]等选取研究区南部的农田、温带落叶阔叶林两种植被类型作为研究对象，每种植被类型选取5个典型样区，各样区大小为3×3像元，以像元平均值作为该样区的值，以确保样区的代表性。

对两种植被类型1982—2000年各旬I_NDV进行平均，做出样区植被的年变化曲线 (图 7a所示)。从图 7a可以看出，农田植被的I_NDV变化波动较大，有两个明显的周期，两个峰值分别出现在第12旬和第22旬，即农田植被I_NDV在4月底和8月中旬左右达到最大值，这与下垫面的农作物类型密切相关，所选样区的农作物主要为冬小麦 (油菜)、夏稻等一年两熟的粮食作物，生长季开始的时间较早 (2月底)，4月底和8月中旬是农作物生长最为旺盛的时期，因此，此时I_NDV也最高。对于落叶阔叶林来说，自3月下旬开始进入生长季，5月下旬达到一个峰值，期间为快速生长阶段，此后进入缓慢生长阶段，至8月上旬达到最旺盛时期。两种植被类型长年平均I_NDV的年际变化与整个黄淮海地区植被I_NDV年际变化整体趋势相同。

图 7

图 7. 典型样区植被旬变化曲线 (a) 及3月下旬植被INDV年际变化曲线 (b) Fig 7. Annual INDV changing curve of vegetations (a) and vegetations in the last 10 days of March (b) in target areas

图 7b为典型样区农田和落叶阔叶林3月下旬植被I_NDV的年际变化曲线。从总体上看，样区农田植被生长季开始时I_NDV高于落叶阔叶林植被相应值，随着时间的推移，植被I_NDV均有逐渐升高的趋势，农田和大部分林地植被I_NDV高于黄淮海地区生长季开始临界值，说明样区生长季相对于研究区其他地区来说开始较早。曲线整体上呈波动上升的趋势，表明生长季呈提前趋势，1984—1990年尤为明显。

植被在陆地生态系统中对其他要素所增加的影响反映最为敏感，对于气候变化的响应，主要表现在植被生长季的变化。上述研究表明，黄淮海地区植被对气候变化的响应主要表现为生长季提前。为进一步研究植被和气候变化的关系，本文选取了典型样区内 (或临近) 气象站1982—2000年逐旬气象资料，用多年旬平均气象资料与样区植被I_NDV做相关统计分析 (表 1)。结果表明：植被I_NDV与温度和降水均密切相关，相关性均通过显著性为0.01的检验，且对温度的反应尤为敏感。

表 1

表 1 样区植被旬平均INDV与旬气候因子相关系数 Table 1 Relativity index of each ten-day average INDV of vegetations in target areas and the ten-day climate factors 植被类型 温度 降水 农田 0.538* 0.304* 落叶阔叶林 0.894* 0.435*  注：*表示通过α＝0.01的显著性检验。

表 1 样区植被旬平均INDV与旬气候因子相关系数 Table 1 Relativity index of each ten-day average INDV of vegetations in target areas and the ten-day climate factors

利用1982—2000年NOAA归一化植被指数数据和同期气象资料，分析了黄淮海地区植被生长季的变化及其对气候变化的响应，研究发现：黄淮海地区植被生长季为3月下旬至11月上旬。在这近20年时段内，随着气候的变化，生长季开始时间出现了提前的趋势，结束时间呈延迟趋势，即生长季有所延长，每10年约延长20 d；黄淮海地区植被四季平均I_NDV均呈上升趋势。其中，春季不同类型植被平均I_NDV显著增加，且增加速率大于其他季节，植被I_NDV与温度和降水关系密切，生长季提前是黄淮海地区植被对气候变化响应的主要方式。