首页 > 分享 > Spatial and temporal changes of vegetation phenology and its response to urbanization in the Beijing

Spatial and temporal changes of vegetation phenology and its response to urbanization in the Beijing

花匠小妙招
2024-09-17 02:48

摘要: 温度在调节植被物候的变化中起着重要作用，气候变暖和城市化均会对温度产生影响进而影响植被物候。基于京津冀地区2001—2020年的归一化植被指数（NDVI）时间序列影像，参照物候观测站点监测数据，采用动态阈值法提取出研究区关键物候参数，即生长季始期（SOG）、生长季结束期（EOG）和生长季的长度（LOG），分析近20年京津冀地区耕地、林地、草地不同植被的物候时空变化特征及其城乡差异，从而探讨植被物候对城市化的响应。结果表明：（1）耕地SOG分布呈现双波峰现象，林地和草地的SOG相对集中，3种植被的EOG的分布均较为集中；2001—2020年京津冀大部分地区的SOG提前，EOG推迟，LOG呈现延长的态势。（2）从城乡梯度物候差异的空间分布特征来看，整体而言耕地、林地、草地3种植被类型的城区物候与农村相比都存在SOG提前，EOG推迟的情况，并且城区与农村的物候差异幅度要明显大于城乡过渡带与农村的物候差异。（3）从城乡梯度物候差异的时间分布特征来看，2001—2020年间，研究区中新老城区、城乡过渡带和农村的SOG提前，EOG推迟，LOG延长，但耕地、林地、草地3种植被物候参数的城乡差异在逐年减小。（4）城乡温度差异越大，SOG提前的幅度越大，EOG推迟的幅度也越大。城乡春季温差每增加1℃，林地和草地的城乡SOG差异将分别增加9.44d（P < 0.05）、10.66d（P < 0.01）；城乡秋季温差每增加1℃，林地和草地的城乡EOG差异将分别增加13.03d（P < 0.05）、7.15d（P < 0.01）。

Spatial and temporal changes of vegetation phenology and its response to urbanization in the Beijing-Tianjin-Hebei region

Abstract: Temperature plays an important role in regulating the changes of vegetation phenology. Both climate warming and urbanization will affect temperature and thus affect vegetation phenology. Based on the Normalized Difference Vegetation Index(NDVI) time series images of the Beijing-Tianjin-Hebei (BTH) region from 2001 to 2020, referring to the monitoring data of phenological observation stations, the dynamic threshold method was used to extract the key phenological parameters of the study area, namely the Start of Growing Season (SOG) and the End of Growing Season (EOG), and the Length of Growing Season (LOG). This paper discussed the response of vegetation phenology to urbanization by analyzing the temporal and spatial variation characteristics and urban-rural differences of different vegetation in cropland, forestland and grassland in BTH in recent 20 years. The results showed that: (1) the distribution of SOG dates in cropland showed a double peaks phenomenon, the SOG dates of forestland and grassland were relatively concentrated, and the distribution of EOG dates of the three types of vegetation were relatively concentrated; from 2001 to 2020, SOG dates in most areas of BTH were advanced and EOG dates were delayed. LOG presented an extended trend. (2) The spatial distribution characteristics of phenological differences in urban-rural gradients indicated that on the whole, there were SOG advanced and EOG delayed in urban phenology of cropland, forestland and grassland compared with rural areas, and the phenological difference between urban and rural areas was significantly greater than that between suburban transitional zones and rural areas. (3) The temporal distribution characteristics of the phenological difference of urban-rural gradient during 2001-2020 showed that the SOG was advanced, the EOG was delayed and the LOG was prolonged in the study area including the new and old urban areas, suburban transitional zones and rural areas, but the urban-rural difference of phenological parameters of cropland, forestland and grassland was decreasing year by year. (4) The greater the temperature difference between urban and rural areas, the greater the advance of SOG and the delay of EOG. When the temperature difference between urban and rural areas in spring increased by 1℃, the urban-rural SOG difference of forestland and grassland would increase by 9.44d (P < 0.05) and 10.66d (P < 0.01), respectively; When the temperature difference between urban and rural areas in autumn increases by 1℃, the urban-rural EOG difference of forestland and grassland would increase by 13.03d (P < 0.05) and 7.15d (P < 0.01) respectively.

物候学是研究自然界植物、动物和环境条件的周期性变化之间相互关系的科学[1]。大多数植物的生长周期是与温度、降水和光照的季节性变化紧密相联的。植被物候是检测气候变化对植被影响的一个主要指标。城市地区的物候变化会影响许多生态过程, 比如净初级生产[2]、花期变化[3]、群落演替等, 也会对人类健康产生巨大影响[4]。

目前已有大量研究聚焦于植被物候与气候变化[5]、城市化进程之间的关系。气候变量(如温度、降水和日照等)[6—7]在调节物候的变化中起主导作用[8—9]。在控制了气候因素的影响后, 生长季始期(SOG)的提前和生长季结束期(EOG)的推迟与城市化的幅度(即不透水面积的增加)显著相关, 距城区10km范围内, 城市化对物候有明显影响[10]。城市化的幅度, 可以补偿负效应(延迟的SOG或提前的EOG)并放大气候变化对大多数气候区(干燥气候除外)物候变化的正效应(提前的SOG或延迟的EOG)[11]。东北地区植被春季物候可能主要受温度影响, 而秋季物候很可能主要受降水控制[12]。全球变暖使植被物候呈现植物开始生长的日期提前, 结束的日期推迟的倾向[13], 城市化通过地表变暖, 加剧了气候变化对植被物候的影响[14], 随着热岛强度等级的提高, SOG提前, EOG推迟, 生长季长度(LOG)延长[15]。植被物候和平均气温相关性并不显著, 但EOG和LOG受气温年平均日较差影响显著, 降水主要影响SOG和LOG[16]。

与全球气候背景相比, 城市诱发的小气候变化对城市及周边地区植被生长的影响可能更大[17—18]。在长三角地区植被物候沿城区-郊区-农村方向呈现明显的梯度变化, 长三角地区的城市化使城区植被始绿期提前、终绿期推后、生长季节加长[19—20]。城市引起的气温升高令冬小麦的返青期提前, 提前的程度与城市规模呈正相关[21]。城市化对植被物候的影响与该地区城市扩张类型存在相关性[22]。城市化效应随着纬度的增加而增加, 总体上遵循城市热岛效应的模式[23]。北方城市SOG和EOG的温度敏感性高于南方城市[24]。

近年来, 随着城市的发展, 改变和破坏了原有的自然环境, 城市热岛效应加重, 而城市化导致的城市小气候变化及气候变暖都会影响植被物候, 区分二者的影响, 将有利于深入了解植被物候与城市化的关系。以往的研究常常是将研究区范围内所有植被类型的平均物候作为研究对象, 但不同植被类型的物候会存在差异。因此, 本研究将京津冀地区耕地、林地、草地作为研究对象, 拟通过分析不同植被类型在新老城区、城乡过渡带和农村物候的差异, 分析2001—2020年间京津冀地区植被物候的时空变化特征及其对城市化的响应, 加强植被物候响应机理的研究。

1 研究区与数据源1.1 研究区概况

京津冀地区地处东经113°27′—119°50′, 北纬36°05′—42°40′之间, 横跨华北、东北两大地区, 是我国人口最密集、经济最发达、城市化水平最高的地区之一。本文选取北京、天津两个直辖市和河北省的保定、廊坊、唐山、石家庄、邯郸、秦皇岛、张家口、承德、沧州、邢台、衡水11个地级市, 共13个城市为研究对象。

京津冀地区地势西北高、东南低, 由西北向东南倾斜。西北部为山区、丘陵和高原, 中部和东南部为广阔的平原。本区四季分明, 夏季炎热多雨, 冬季寒冷干燥, 属华北平原暖温带大陆性湿润、半湿润气候。植被类型主要为林地、草地、耕地和灌丛, 草地多分布在坝上高原地区, 林地主要分布在燕山和太行山山区, 灌丛主要分布在北部燕山地区, 农田多分布在华北平原地区。京津冀地区粮食作物类型以小麦和玉米为主, 兼有谷子、高粱和大豆的种植, 除河北省张家口和承德地区外, 其它地区均有种植, 种植区主要集中在平原, 在平原向山地过渡的丘陵地带也有种植[25]。研究区总面积为21.85万km2, 根据中国统计年鉴, 研究区2019年的城市面积为2.54万km2, 耕地、林地、草地面积分别为6.46万km2、1.98万km2、7.54万km2。研究区2020年土地覆盖如图 1所示。

图 1 研究区2020年土地覆盖图Fig. 1 Land cover of the study area in 2020

1.2 数据来源

本文用到的研究数据包括MOD13Q1、土地利用数据、城市边界数据、物候站点数据、数字高程模型(DEM)数据、气温数据等, 详见表 1。

表 1 数据来源及用途Table 1 Data source and application

本文采用2001年、2005年、2010年、2015年、2020年的MOD13Q1的NDVI数据进行物候期的提取, 时间分辨率为16d, 共115期数据, 空间分辨率为250m。MODIS产品数据具有良好的时间连续性、较高的空间分辨率等优点, 被广泛应用于植被生长监测、土地覆被检测、植被物候变化研究。在Google earth engine(GEE)导入京津冀矢量边界, 调用NDVI数据, 坐标系设置为EPSG: 4326 (WGS84), 批量导出下载。

本文采用2000年和2020年的土地利用数据, 该数据来自GlobeLand 30数据集, GlobeLand 30的空间分辨率达到30m, 是世界上第一套高空间分辨率的全球地表覆盖产品。GlobeLand30数据共包括10个一级类型, 分别是: 耕地、林地、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪。本文选取耕地、林地和草地3种植被覆盖区, 并且在2000—2020年间植被类型未发生变化的区域用于城乡植被物候时空变化分析。

城市的边界通过宫鹏研究组发布的全球城市边界确定[26]。全球城市边界(GUB)数据集基于已开发的全球高分辨率(30m)人造不透水面制图产品(GAIA)提取。GUB数据集采用全球一致的边界定义和绘制方法, 通过算法能自动地根据不透水面的分布进行划定。通过对比人工解译的结果, GUB数据集能够很好地捕获到城乡边缘地区的轮廓特征。选取2000年和2018年的城市边界, 以2000年的城区范围作为老城区, 2018年的城区范围与2000年相比变化的部分作为新城区, 在新城区外围以0—5km、5—10km、10—15km、15—20km、20—25km建缓冲区, 0—20km作为城乡过渡带, 20—25km设定为农村地区。

3种植被覆盖类型与城乡梯度带空间分布如图 2所示。

图 2 3种植被覆盖类型与城乡梯度带空间分布叠加图Fig. 2 Overlay of three vegetation types and spatial distribution of urban-rural gradients

本文采用90m分辨率的DEM数据, 该数据来源于地理空间数据云。为了排除高程对物候产生的影响[27—28], 本文统计了各城市城区DEM的平均值, 分别筛选了与各城区高程差在50m内的区域。

本文选取了来源于国家生态科学数据中心的北京和栾城的物候站点数据, 用于遥感数据提取物候期时确定动态阈值。

本文采用气温数据来自中国气象数据网的“中国地面气温日值0.5°×0.5°格点数据集(V2.0)”, 空间分辨率0.5°, 通过ArcGIS合成为春季平均气温(3—5月)和秋季平均气温(9—11月)。

2 研究方法2.1 动态阈值法提取植被关键物候期指标

采用动态振幅阈值法提取SOG、EOG、LOG3个重要的物候参数, 以MOD13Q1的NDVI遥感数据为主、辅以实地调查及站点物候数据进行验证, 确定物候参数提取的最佳阈值。动态阈值法示意图如图 3所示, 在像元尺度上采用Savitzky-Golay滤波重建平滑的NDVI时间序列, 在动态阈值法中, 将NDVI拟合曲线的左右两个最低值(NDVIMIN)距峰值(NDVIMAX)一定百分比(n)处对应的时间作为物候关键期。在拟合曲线上升阶段, 当NDVI到达设定百分比n所对应的NDVI值时, 该点对应的时间即为生长季开始的时间(SOG)；在拟合曲线下降阶段, 当NDVI到达设定比例所对应的NDVI值时, 该点对应的时间即为生长季结束的时间(EOG)；生长季长度(LOG)则为生长季结束时间减去生长季开始时间。

图 3 动态阈值法示意图(以林地阈值为例)Fig. 3 Schematic diagram of dynamic threshold method (take forestland threshold as an example) SOG: 生长季始期Start of Growing Season；EOG: 生长季结束期End of Growing Season；LOG: 生长季长度Length of Growing Season; NDVImax: 归一化植被指数的最大值Maximum value of Normalized Difference Vegetation Index；NDVImin: 归一化植被指数的最小值Minimum value of Normalized Difference Vegetation Index

2.2 城市化对植被物候的影响

使用距离城市区域的范围将研究区依次划分为老城区、新城区、城乡过渡带(新城区边缘外0—20km)和农村(新城区边缘外20—25km), 然后分析这些区域物候特点以期了解不同城市化水平的物候响应差异。为了探索植被物候随城市化梯度的变化, 将城乡过渡带进一步划分为从新城区边缘延伸的4个缓冲区(0—5、5—10、10—15、15—20km)。物候对城市化的响应定义为受城市化影响的地区(即城区和城乡过渡带)与农村地区之间的物候差异。因此, 物候差异的定义如下:

(1)

式中, △P为新老城区和城乡过渡带各缓冲区与农村物候的差异, P城为受城市化影响的地区(即老城区、新城区和城乡过渡带)的物候参数, P村为农村的物候参数, 物候参数包括SOG、EOG、LOG。

2.3 Theil-Sen趋势计算和Mann-Kendall检验(TS-MK) 趋势分析

本研究选择TS-MK趋势检验分析2001—2020年物候的变化趋势。TS-MK趋势分析法包括Theil-Sen趋势计算与Mann-Kendall趋势检验两部分, 前者只能计算序列的斜率值, 无法进行显著性检验分析, 而后者则是一种趋势显著性检验的非参数统计方法。结合二者的TS-MK趋势检验法是一种时间序列趋势分析的优良方法, 近年来被广泛应用于气候与水文等变化趋势研究中。

Theil-Sen趋势值β的计算公式(2)如下:

(2)

式中, xi和xj为时间序列数据, β＞0表示时间序列呈现上升的趋势；β＜0表示时间序列呈现下降的趋势。

Mann-Kendall趋势检验计算过程如下:

计算统计量S:

(3)

式中, n为时间序列长度, sgn(xj-xi)为符号函数, 计算方法如下:

(4)

式中, n为时间序列长度, 当n≤10时, 通过S判断显著性[29], 本文中n=5, 本文取显著性水平α=0.05, |S|≥8, S为正表示变化趋势增加, S为负代表变化趋势减少。

3 结果与分析3.1 植被关键物候期的空间分布特征

本文利用S-G滤波拟合植被生长曲线, 使用动态阈值法提取了京津冀地区的物候参数。动态阈值法提取物候参数的关键步骤是确定阈值。北京和栾城物候观测站点的物候参数箱型图(图 4)展示了各植被类型的物候范围, 其中北京物候观测站记录了草地和林地的物候期, 栾城站记录了小麦和玉米的物候期。北京物候观测站记录有白桦、蒿柳、华北落叶松等32种木本植物, 龙芽草、歪头菜、银背风毛菊等27种草本植物, 栾城站记录了石麦12、科农199、科农1066等11个品种的小麦, 掖单20、蠡玉16、先玉335等17个品种的玉米的物候参数。通过所有木本植物确定林地SOG范围(第92—149天)和EOG的范围(第213—299天)；通过所有草本植物的物候参数确定草地SOG范围(第90—132天)和EOG的范围(第236—300天)；该区域农作物主要为冬小麦、夏玉米轮作, 通过所有小麦的物候参数确定耕地SOG的范围(第55—73天), 通过所有玉米的物候参数确定耕地EOG的范围(第260—272天)。根据站点数据记录的物候期范围, 确定了耕地SOG和EOG的阈值参数分别为0.2和0.5；林地SOG和EOG的阈值参数分别为0.2和0.4；草地SOG和EOG的阈值参数分别为0.15和0.45。

图 4 北京和栾城物候观测站点的物候参数箱形图(绿色图形代表SOG, 橙色图形代表EOG)Fig. 4 Box plots of phenological parameters of Beijing and Luancheng phenological observation stations (green figure represents SOG, yellow figure represents EOG) SOG: 生长季始期Start of growing season; EOG: 生长期结束期End of growing season

2001—2020年五期研究区植被SOG、EOG、LOG的空间分布格局均值和耕地、林地和草地3种地表覆盖类型物候参数像元统计分布直方图结果如图 5所示。

图 5 关键物候参数(SOG、EOG和LOG) 多年均值空间分布图和像元统计分布直方图Fig. 5 The spatial distribution map and pixel statistical distribution histogram of multi-year mean value for key phenological parameters (SOG, EOG and LOG)

京津冀的SOG呈现西北晚、东南早的空间分布情况。整体来看, SOG偏早的区域主要集中在植被类型为耕地的区域, 但张家口地区的耕地SOG要明显晚于南部地区, 这与京津冀西北高、东南低的地势有一定关系, 张家口海拔高, 随着海拔的升高, 温度会随之降低, 而温度是影响物候的一个重要因素, 因此出现了耕地SOG差异大的情况。耕地区域由于种植作物的多样性, 且各作物生长期不一致而显示出了较大的SOG范围(标准差为28d), 并出现的双波峰现象。林地和草地的SOG相对集中(标准差分别为10d、12d)。从图 5中标记的平均值来看, 林地和草地SOG平均值分别为第99天和第102天, 皆在站点数据记录的SOG范围内；耕地SOG选取阈值时是以研究区NDVI拟合曲线最早上升阶段计算, 对应冬小麦的返青期, 但耕地区域存在其他作物的SOG晚于小麦的情况, 因此在对SOG进行像元统计时, 会出现平均值为第105天, 晚于站点数据的情况。

2001—2020年研究区EOG的分布情况均值及耕地、林地和草地3种地表覆盖类型EOG的像元统计结果, 京津冀EOG分布呈现中部和西南部偏晚, 东南部偏早的情况。其中林地EOG偏晚, 耕地EOG偏早。耕地、林地和草地的平均EOG分别为第272天、第287天和第279天, 均在物候观测站点数据的EOG范围内。3种植被类型的EOG都是单波峰的情况, 说明在生长季结束时各物种的EOG较为集中。

2001—2020年研究区LOG的分布情况均值及耕地、林地和草地3种地表覆盖类型LOG的像元统计结果, 整体呈现城市周边LOG偏长, 随着与城市距离的增加, LOG逐渐变短的情况。LOG较短的区域位于张家口、秦皇岛、唐山、天津和廊坊的耕地区域, 与刘金龙等的研究一致[22]。

3.2 植被关键物候期的时间变化趋势分析

为了识别物候特征参数随时间变化特征, 本研究对2001—2020年间SOG、EOG和LOG在像元尺度的时间变化趋势及其显著性进行制图, 见图 6。由趋势分布图可知, 京津冀大部分地区的SOG以提前为主, SOG提前的区域面积占比为78.62%(其中的18.09%通过α=0.05显著性检验), 提前趋势值主要集中在-1-0 d/a(占研究区总面积的36.70%)；EOG以推迟为主, EOG推迟的区域面积占比为67.29%(其中的14.89%通过α=0.05显著性检验), 推迟的趋势值主要集中在0—1d/a(占研究区总面积53.95%)；LOG以延长为主, LOG延长的区域面积占比为78.21%(其中的26.08%通过α=0.05显著性检验), 延长的趋势值主要集中在0—2d/a(占研究区总面积54.75%)。在通过α=0.05显著性检验的物候变化区域中, 87.31%的区域SOG提前, 84.56%的区域EOG推迟, 92.20%的区域LOG延长。

图 6 2001—2020年关键物候参数(SOG、EOG和LOG) 的变化趋势空间分布图Fig. 6 The spatial distribution map of the change trend of key phenological parameters (SOG, EOG and LOG) from 2001 to 2020 LOG: 生长季长度Length of growing season

将物候变化趋势空间分布图与植被类型数据进行叠加分析, 显示在京津冀中西部地区, 有SOG推迟的现象, 且推迟的大部分是耕地, 小部分是林地和草地；而EOG提前的区域位于京津冀西北部和南部地区, 提前的大部分是耕地, 小部分是林地和草地。作物物候期的变化是由气候变化、品种更替、栽培管理措施演变共同作用的综合结果[30], 所以部分耕地可能会出现SOG推迟或EOG提前的情况。

3.3 城市化对植被物候的影响分析3.3.1 城乡梯度物候差异的空间分布特征分析

统计2001—2020年老城区、新城区、城乡过渡带(新城区外围0—5km、5—10km、10—15km、15—20km)与农村(新城区外围20—25km)物候参数的差值均值(见图 7), 对京津冀地区耕地、林地和草地在城乡梯度下的物候差异进行分析。由图 7可知, 不同的植被类型的物候参数在城乡梯度上存在差异。整体而言耕地、林地、草地3种植被类型新老城区的物候与农村相比都存在SOG提前, EOG推迟的情况。

图 7 城乡梯度下耕地、林地及草地的物候差异Fig. 7 Phenological differences of cropland, forestland and grassland along the urban-rural gradients

3种植被类型在城乡过渡带的变化存在差异, 耕地的SOG在城乡过渡带出现了推迟的情况, EOG在城乡过渡带范围内出现了提前的情况, 这种情况可能是由于耕地受人为影响较大, 作物物候变化的驱动因子主要是气候变化和农业管理措施变化(品种变化、作物播种期变化等)两大类影响因子[31], 调整农业管理措施, 会在一定程度上影响作物的物候期。

随着距离城区的增加, 林地表现出较为明显的梯度特征。城乡过渡带的林地SOG与农村相比是提前的, 总体而言随着距离城市越近, SOG提前的天数越大。郊区林地EOG与农村相比是推迟的, 在城乡过渡带上EOG推迟的天数有所波动, 总体而言距离城市越近, EOG推迟的天数越大, 说明EOG受城市化影响明显。

与农村相比, 城区和城乡过渡带的草地整体呈现SOG提前, EOG推迟的情况, 但新城区SOG与农村的差异要小于0—10km范围内与农村的差异, 这种情况可能与物种差异有关, 城市的草本植物多为观赏性植物, 受人为影响较大, 而城乡过渡带与农村的草本植物多为自然生长的优势物种。此外, 新城区作为城市化逐渐增强的一个区域, 一直处于一个不断建设的过程中, 也会对植被的生长造成影响。

3.3.2 城乡梯度物候差异的时间变化特征分析

统计2001—2020年老城区、新城区、城乡过渡带与农村各个区域物候参数自身的年际变化, 以及新老城区、城乡过渡带与农村物候参数差值的年际变化, 对京津冀地区耕地、林地和草地在城乡梯度下的物候差异的年际变化趋势进行分析。

为了分析城市化对物候的影响, 选取了新老城区物候及完全不受城市化影响的农村进行对比分析。新老城市、农村的耕地、林地、草地3种地表覆盖类型物候参数在2001—2020年的均值变化如图 8—10所示, 关键物候期的整体趋势与前人研究一致[32—33]；城乡梯度物候差异的年际变化趋势见统计表 2—4。

图 8 2001—2020年京津冀地区城区及农村地区SOG年际变化Fig. 8 Interannual changes of SOG in urban and rural areas in the BTH region from 2001 to 2020

图 9 2001—2020年京津冀地区城区及农村地区EOG年际变化Fig. 9 Interannual changes of EOG in urban and rural areas in the BTH region from 2001 to 2020

图 10 2001—2020年京津冀地区城区及农村地区LOG年际变化Fig. 10 Interannual changes of LOG in urban and rural areas in the BTH region from 2001 to 2020

表 2 2001—2020年京津冀地区SOG城乡梯度物候差异的年际变化趋势统计表/(d/a)Table 2 Statistical table of interannual variation trends of SOG differences in the BTH urban-rural gradients from 2001 to 2020

城乡梯度带/km
Urban-rural gradients 耕地Cropland 林地Forestland 草地Grassland SOG △SOG SOG △SOG SOG △SOG 老城区Old urban area -0.12 0.83** -1.21** 0.09 -1.08 0.10 新城区New urban area -0.31 0.64** -0.88* 0.19 -0.46 0.72 0—5 -0.46 0.49* -0.64 0.32 -0.47 0.72 5—10 -0.65 0.29 -0.49 0.55* -0.39 0.79 10—15 -0.72 0.23 -0.44 0.42* -0.32 0.86 15—20 -0.72 0.23 -0.91* -0.10 -0.71 0.47 农村Rural -0.95 — -0.95* — -1.81** —*表示P＜0.05；**表示P＜0.01；—表示无数据; SOG: 生长季始期Start of Growing Season；△SOG: SOG在城乡梯度下的差异Difference of SOG along urban-rural gradients

表 3 2001—2020年京津冀地区EOG城乡物候差异的年际变化趋势统计表/(d/a)Table 3 Statistical table of interannual variation trends of EOG differences in the BTH urban-rural gradients from 2001 to 2020

城乡梯度带/km
Urban-rural gradients 耕地Cropland 林地Forestland 草地Grassland EOG △EOG EOG △EOG EOG △EOG 老城区Old urban area 0.34 -0.04 0.97* 0.17 0.36 -0.20 新城区New urban area 0.45 0.08 0.86* 0.06 0.73* 0.18 0—5 0.33 -0.04 0.66* -0.14 0.63* 0.07 5—10 0.28 -0.10 0.57 -0.23 0.44 -0.11 10—15 0.25 -0.12 0.61 -0.19 0.42 -0.13 15—20 0.30 -0.07* 0.87* 0.07 0.53* -0.02 农村Rural 0.37* — 0.80* — 0.55** —EOG: 生长季结束期End of Growing Season；△EOG: EOG在城乡梯度下的差异Difference of EOG along urban-rural gradients

表 4 2001—2020年京津冀地区LOG城乡物候差异的年际变化趋势统计表/(d/a)Table 4 Statistical table of interannual variation trends of LOG differences in the BTH urban-rural gradients from 2001 to 2020

城乡梯度带/km
Urban-rural gradients耕地Cropland 林地Forestland 地Grassland LOG △LOG LOG △LOG LOG △LOG 老城区Old urban area 0.45 -0.87* 2.18** 0.08 1.43* -0.30 新城区New urban area 0.76 -0.56* 1.97* -0.13 1.19 -0.54 0—5 0.79 -0.53* 1.64** -0.46* 1.09 -0.64 5—10 0.93 -0.39 1.32** -0.78* 0.83 -0.90 10—15 0.97 -0.34 1.48** -0.62** 0.75 -0.98 15—20 1.02 -0.30* 2.27** 0.17 1.24* -0.49 农村Rural 1.32 — 2.10** — 1.73** —LOG: 生长季长度Length of Growing Season; △LOG: LOG在城乡梯度下的差异Difference of LOG along urban-rural gradients

SOG的城乡梯度差异随时间变化如图 8和表 2所示, 虽然耕地在2000—2010年间SOG呈现推迟, 整体来看SOG呈现提前的趋势, 大部分年份城区内耕地、林地和草地的SOG要早于农村, 其中林地的SOG变化最大, 以-1.21d/a(P＜0.01)的速率提前。除林地15—20km的△SOG为负, 其余区域△SOG变化趋势整体为正, 结合△SOG城乡梯度的空间差异, 说明大部分地区城乡物候差异逐渐缩小。这种情况可能与城市化范围逐渐扩大有关, 随着经济的发展, 老城区的城市化水平逐渐增强, 新城区的城市化范围逐渐扩大, 城乡过渡带受到的城市化影响也会逐年增加, 因此会促进SOG提前。但通过表 2可以看出耕地的SOG在5km外的区域提前趋势要大于5km内的区域, 而除老城区的林地和草地以外, 新城区15km外的区域SOG的提前趋势大于新城区外0—15km的区域, 这表明在城市化与气候变暖的双重影响下, 可能会造成对SOG提前的抑制, 导致物候的城乡差异出现缩小的情况。

如图 9和表 3所示, EOG整体呈现推迟的趋势。城区内耕地、林地和草地的EOG要晚于农村, 老城区林地的EOG变化最大, 以0.97d/a(P＜0.05)的速率推迟。△EOG变化趋势大部分为负, 结合△EOG城乡梯度的空间差异, 说明大部分区域的EOG城乡差异在缩小。但是耕地的△EOG在新城区呈现增加的状态, 草地在新城区及0—5km范围内△EOG呈现增加的状态, 林地则在新老城区及15—20km范围内呈现增加的状态, 3种植被覆盖类型出现△EOG增加状态的区域并不完全相同, 说明不同的植被类型在不同区域的EOG变化对城市化的响应并不一致。

如图 10和表 4所示, LOG整体呈现延长的趋势。城区内耕地、林地和草地的LOG要长于农村, 林地的LOG变化最为明显, 新城区外15—20km的林地以2.27d/a(P＜0.01)的速率延长, 老城区林地以2.18d/a(P＜0.01)的速率延长。由表 2—4可知, 受SOG提前和EOG推迟的影响, 耕地、林地、草地的LOG都呈现延长的趋势；除老城区林地与新城区外15—20km林地的△LOG分别以0.08d/a和0.17d/a的趋势增加外, 其余区域的林地以及全部区域的耕地和草地的△LOG都呈现缩小的态势, 说明城郊植被的生长季长度差异在逐年缩小, 此结果与刘金龙等人对北京周边缓冲区LOG的变化研究结果一致[22]。

3.3.3 城乡梯度下气温与植被物候的响应关系

统计新老城区、城乡过渡带和农村2001、2005、2010、2015、2020年春季(3—5月)和秋季(9—11月)的平均气温, 如图 11所示。可以发现随着距新老城区的距离的增加, 气温逐渐下降。

图 11 城乡梯度下的气温变化情况Fig. 11 Temperature variation along urban-rural gradients

为了进一步研究城乡温度差异对物候的影响, 本研究对城乡梯度下的温度差异和城乡物候差异△SOG、△EOG进行相关分析(结果如图 12所示), 探讨城乡梯度下植被物候与温度的关系, 由于耕地受人为因素影响较多, 所以仅对林地和草地的物候参数进行分析。由图 12可知, 城乡梯度下春季的温度差值与△SOG的相关性为负, 城乡温度差异每增加1℃, 林地的城乡物候差异扩大9.44d(P＜0.05), 草地的城乡物候差异扩大10.66d(P＜0.01)；城乡梯度下秋季的温度差值与△EOG的相关性为正, 城乡温度差异每增加1℃, 林地的城乡物候差异扩大13.03d(P＜0.05), 草地的城乡物候差异扩大7.15d(P＜0.01)。由此可知, 城乡温度差异越大, SOG提前的幅度越大, EOG推迟的幅度也越大。

图 12 城乡梯度下植被物候与温度的响应关系Fig. 12 Response of vegetation phenology to temperature along urban-rural gradients △SOG: SOG在城乡梯度下的差异Difference of SOG along urban-rural gradients；△EOG: EOG在城乡梯度下的差异Difference of EOG along urban-rural gradients

4 结论与讨论4.1 讨论

本研究综合利用土地利用数据、城市边界数据、DEM数据等, 研究区各市划分为老城区、新城区、缓冲区梯度带和农村, 初步建立城乡梯度；筛选了高程差在50m内的区域, 力图剔除高程对物候产生不确定性的影响；分别分析了京津冀地区耕地、林地、草地3种不同植被类型的物候对城市化的响应。但是植被物候的影响因素众多, 除了城乡梯度之外如植被物种差异、水文状况、CO2浓度等都可能会影响植被物候。农作物的生长更易受到作物类型、人工播种和灌溉等因素的影响, 因此会导致提取的物候值与真实值存在偏差, 但从前人研究所得变化趋势来看, 温度和降水的变化会对农作物的生长产生影响[34—35], 因此在趋势分析中并未剔除耕地像元。京津冀农作物虽以冬小麦、夏玉米轮作为主, 但是也有种植一季粮的区域, 并且种植作物类型多样, 包括棉花、谷物等, 而本文并未对作物种类及种植结构进行详细分类, 因此耕地SOG的分布较为分散且会出现两个波峰的情况。在后续的研究中, 应当全面考虑物候的影响因子, 对耕地物候也应划分作物类型及种植结构, 或针对京津冀主要的农作物玉米和小麦进行分析。京津冀地区地势西北高、东南低, 受自然环境影响京津冀南部和北部的植物物种也会有所不同。此外各城市规模、城市发展水平和人口密度等条件也存在差异, 这些情况都会造成各市之间的物候差异, 因此, 为了更深入的了解植被物候对城市化的响应机制, 应对京津冀各市进行更详细的划分, 从而得到不同的城市化环境下植被物候的变化情况。

4.2 结论

本文利用MOD13Q1中的NDVI数据, 参照北京、栾城物候观测站点数据, 使用动态阈值法提取了京津冀地区2001—2020年的植被物候参数, 并分别对耕地、林地、草地的物候参数的时空变化及其对城市化的响应进行了分析, 得到以下主要结论:

(1) 由于京津冀地区耕地作物种植差异较大使得SOG分布范围较大, 而林地和草地的SOG相对集中, 3种植被的EOG的分布均较为集中, 耕地、林地和草地SOG平均值分别为第105天、第99天、第102天, EOG平均值分别为第272天、第287天和第279天, LOG平均值分别为第171天、第188天和第178天。从空间分布来看, 京津冀的SOG呈现西北晚、东南早的分布情况, EOG分布呈现中部和西南部偏晚, 东南部偏早的情况, LOG则在城区周边较长, 随着距城区越远, LOG逐渐缩短。

(2) 为了识别物候特征参数随时间变化特征, 本研究对2001—2020年间SOG、EOG和LOG在像元尺度的时间变化趋势及其显著性进行制图, 在通过α=0.05显著性检验的物候变化区域中, 87.31%的地区的SOG提前, 84.56%的地区EOG推迟, 92.20%的区域LOG延长。

(3) 城乡梯度物候差异的空间分布特征结果表明林地新老城区与农村的物候差异幅度要明显大于城乡过渡带与农村的差异, 草地新老城区的EOG和老城区的SOG与农村的物候差异幅度要明显大于城乡过渡带与农村的差异。城乡梯度物候差异的时间变化特征结果显示新老城区内耕地、林地和草地大部分年份的SOG要早于农村, LOG要长于农村, EOG要晚于农村。随着时间的推移, 京津冀地区的耕地、林地、草地呈现SOG提前、EOG推迟、LOG延长的趋势；从城乡物候差异的年际变化来看, △SOG、△EOG和△LOG的城乡差异在逐年缩小。

(4) 随着距新老城区的距离的增加, 气温逐渐下降。城乡梯度下的春季温度差异与城乡物候差异△SOG呈负相关, 城乡梯度下的秋季温度差异与△EOG呈正相关, 即城乡温度差异越大, SOG提前的幅度越大, EOG推迟的幅度也越大。

参考文献

[1]

竺可桢, 宛敏渭. 物候学: 增订本. 北京: 科学出版社, 1980.

[2]

Imhoff M L, Bounoua L, DeFries R, Lawrence W T, Stutzer D, Tucker C J, Ricketts T. The consequences of urban land transformation on net primary productivity in the United States. Remote Sensing of Environment, 2004, 89(4): 434-443. DOI:10.1016/j.rse.2003.10.015

[3]

王静, 常青, 柳冬良. 早春草本植物开花物候期对城市化进程的响应——以北京市为例. 生态学报, 2014, 34(22): 6701-6710.

[4]

Neil K, Wu J G. Effects of urbanization on plant flowering phenology: a review. Urban Ecosystems, 2006, 9(3): 243-257. DOI:10.1007/s11252-006-9354-2

[5]

杨雪梅, 杨太保, 刘海猛, Mihretab G.Ghebrezgabher, 王倩, 魏怀东. 气候变暖背景下近30a北半球植被变化研究综述. 干旱区研究, 2016, 33(2): 379-391. DOI:10.13866/j.azr.2016.02.21

[6]

Li X X, Fu Y H, Chen S Z, Xiao J F, Yin G D, Li X, Zhang X, Geng X J, Wu Z F, Zhou X C, Tang J, Hao F H. Increasing importance of precipitation in spring phenology with decreasing latitudes in subtropical forest area in China. Agricultural and Forest Meteorology, 2021, 304-305(5184): 108427.

[7]

胡召玲, 戴慧, 侯飞, 李二珠. 中国东北城乡植被物候时空变化及其对地表温度的响应. 生态学报, 2020, 40(12): 4137-4145.

[8]

Tao Z X, Dai J H, Wang H J, Huang W J, Ge Q S. Spatiotemporal changes in the bud-burst date of herbaceous plants in Inner Mongolia grassland. Journal of Geographical Sciences, 2019, 29(12): 2122-2138. DOI:10.1007/s11442-019-1708-9

[9]

杨琪, 李书恒, 李家豪, 王嘉川. 秦岭森林植被物候及其对气象因子的响应. 干旱区研究, 2021, 38(4): 1065-1074.

[10]

Zhang X Y, Friedl M A, Schaaf C B, Strahler A H, Schneider A. The footprint of urban climates on vegetation phenology. Geophysical Research Letters, 2004, 31(12): 179-206.

[11]

Qiu T, Song C H, Zhang Y L, Liu H S, Vose J M. Urbanization and climate change jointly shift land surface phenology in the northern mid-latitude large cities. Remote Sensing of Environment, 2020, 236: 111477. DOI:10.1016/j.rse.2019.111477

[12]

俎佳星, 杨健. 东北地区植被物候时序变化. 生态学报, 2016, 36(7): 2015-2023.

[13]

方修琦, 余卫红. 物候对全球变暖响应的研究综述. 地球科学进展, 2002, 17(5): 714-719. DOI:10.3321/j.issn:1001-8166.2002.05.013

[14]

Ding H Y, Xu L M, Elmore A J, Shi Y L. Vegetation phenology influenced by rapid urbanization of the Yangtze delta region. Remote Sensing, 2020, 12(11): 1783. DOI:10.3390/rs12111783

[15]

孟丹, 刘芯蕊, 张聪聪. 北京市植物物候对热岛效应的响应. 生态学杂志, 2021, 40(3): 844-854.

[16]

陈珂, 李星华, 管小彬, 沈焕锋. 武汉市植被物候变化规律及影响因素分析. 华中师范大学学报: 自然科学版, 2019, 53(3): 433-442.

[17]

Meng L, Mao J F, Zhou Y Y, Richardson A D, Lee X H, Thornton P E, Ricciuto D M, Li X C, Dai Y J, Shi X Y, Jia G S. Urban warming advances spring phenology but reduces the response of phenology to temperature in the conterminous United States. Proceedings of the National Academy of Sciences of the United States of America, 2020, 117(8): 4228-4233. DOI:10.1073/pnas.1911117117

[18]

Wohlfahrt G, Tomelleri E, Hammerle A. The urban imprint on plant phenology. Nature Ecology & Evolution, 2019, 3(12): 1668-1674.

[19]

韩贵锋, 徐建华, 袁兴中. 城市化对长三角地区主要城市植被物候的影响. 应用生态学报, 2008, 19(8): 1803-1809.

[20]

丁海勇, 卜亚勤, 徐路明. 长三角地区植被物候时空变化及其对城市化的响应. 安全与环境学报, 2021, 21(3): 1352-1360.

[21]

Tian J Q, Zhu X L, Shen Z Y, Wu J, Xu S, Liang Z C, Wang J T. Investigating the urban-induced microclimate effects on winter wheat spring phenology using Sentinel-2 time series. Agricultural and Forest Meteorology, 2020, 294: 108153. DOI:10.1016/j.agrformet.2020.108153

[22]

刘金龙, 郭华东, 张露, 鹿琳琳. 京津唐地区城市化对植被物候的影响研究. 遥感技术与应用, 2014, 29(2): 286-292.

[23]

Zhou D C, Zhao S Q, Zhang L X, Liu S G. Remotely sensed assessment of urbanization effects on vegetation phenology in China's 32 major cities. Remote Sensing of Environment, 2016, 176: 272-281.

[24]

Jia W X, Zhao S Q, Zhang X Y, Liu S G, Henebry G M, Liu L L. Urbanization imprint on land surface phenology: the urban-rural gradient analysis for Chinese cities. Global Change Biology, 2021, 27(12): 2895-2904.

[25]

王涛, 吕昌河, 于伯华. 基于WOFOST模型的京津冀地区冬小麦生产潜力评价. 自然资源学报, 2010, 25(3): 475-487.

[26]

Li X, Gong P, Zhou Y, Wang J, Bai Y, Chen B, Hu T, Xiao Y, Xu B, Yang J. Mapping global urban boundaries from the global artificial impervious area (GAIA) data. Environmental Research Letters, 2020, 15(9).

[27]

李兰晖, 刘林山, 张镱锂, 丁明军, 李士成, 陈倩. 青藏高原高寒草地物候沿海拔梯度变化的差异分析. 地理研究, 2017, 36(1): 26-36.

[28]

夏浩铭, 李爱农, 赵伟, 边金虎, 雷光斌. 2001-2010年秦岭森林物候时空变化遥感监测. 地理科学进展, 2015, 34(10): 1297-1305.

[29]

Lambert D, Gilbert R O. Statistical methods for environmental pollution monitoring. Journal of the American Statistical Association, 1988, 83(404): 1226.

[30]

王占彪. 气候变化背景下华北麦-玉两熟生产的风险评价及低碳策略[D]. 北京: 中国农业大学, 2015.

[31]

赵彦茜, 肖登攀, 柏会子, 陶福禄. 中国作物物候对气候变化的响应与适应研究进展. 地理科学进展, 2019, 38(2): 224-235.

[32]

Ren Q, He C Y, Huang Q X, Zhou Y Y. Urbanization impacts on vegetation phenology in China. Remote Sensing, 2018, 10(12): 1905.

[33]

Piao S L, Liu Q, Chen A P, Janssens I A, Fu Y S, Dai J H, Liu L L, Lian X, Shen M G, Zhu X L. Plant phenology and global climate change: current progresses and challenges. Global Change Biology, 2019, 25(6): 1922-1940.

[34]

侯学会, 隋学艳, 姚慧敏, 梁守真, 王猛. 中国北方麦区冬小麦物候期对气候变化的响应. 麦类作物学报, 2019, 39(2): 202-209.

[35]

张宸赫, 王琳, 赵天良, 苏航. 气候变暖背景下中国冬小麦物候期的时空特征. 江苏农业科学, 2016, 44(4): 448-452.