2. 中国林业科学研究院 湿地研究所,北京 100091;
3. 中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室,北京 100038
2. Inst. of Wetland Research, Chinese Academy of Forestry, Beijing 100091, China;
3. State Key Lab. of Simulation and Regulation of Water Cycle in River Basin, China Inst. of Water Resources and Hydropower Research, Beijing 100038, China
陆生植被是陆地生态系统的重要组成部分。植被生长对气候变化较为敏感,分析气候变化背景下植被物候的响应已成为当今研究热点[1–2]。位于青藏高原东缘的若尔盖湿地,地处长江和黄河上游源区,是中国重要的水源涵养地和生态功能保护区。由于人类疏干沼泽、过度放牧,导致若尔盖区域面临着草地沙化、生态退化等一系列问题[3]。
21世纪以来,通过遥感监测获取植被物候信息已成为分析植被变化特征的重要手段[4]。与以野外考察为主的传统物候监测方法相比,遥感技术的应用发展大大解决了传统方法的时间限制、周期限制、面积限制等问题。遥感技术广泛应用于农业研究、生态监测、区域规划等方面,实现了高分辨率、由点及面的植物物候观测[5]。归一化植被指数(normalized difference vegetation index,NDVI)能够在大范围内较为精确地反映区域植被光和作用强度、新陈代谢等过程的季节和年际变化。Dunn等[6]通过NDVI数据对北美山区的植被物候进行研究,发现海拔和纬度是影响山地植被物候的主要因素。Walker等[7]利用NDVI数据对美国亚利桑那州不同海拔梯度的植被物候进行研究,结果表明NDVI数据能很好地反映旱地植被在不同海拔对降水的响应。侯学会等[8]基于NDVI数据提取了近十年中国东北森林植被物候。Piao[9]、Zhang[10]等通过遥感NDVI数据发现气候变暖使得中国青藏高原地区的植被返青期提前,生育期延长。通过NDVI遥感数据对植被变化进行监测已经成为国内外研究热点。
以往研究都是基于站点式考察和观测,在大尺度大区域内较难实现。作者通过卫星遥感技术实现了若尔盖的区域性植被变化特征监测。基于MODIS卫星获取的NDVI遥感数据,重建了若尔盖区域2001—2015年NDVI时间序列,并从中提取植被生育期特征(生育期起始时间、生育期长度、生育期NDVI峰值),得出2001—2015年植被生育期特征的年际变化趋势及空间分布规律,分析了该地区植被对气温和降水等主要气候因子的响应。对于若尔盖区域植被动态监测及若尔盖国家湿地公园的生态保护具有重要意义,同时对青藏高原地区近年来植被变化研究有一定参考价值。
1 研究区域和数据 1.1 研究区域概况若尔盖湿地是中国第一大高原沼泽湿地,位于青藏高原东缘,101°36′~103°30′E,32°20′~34°00′N;西起巴颜喀拉山脉,东抵岷山,北自尕海,南达邛崃山,海拔高度为3 400~3 800 m(图1),平均高程3 500 m;气候寒冷,年平均气温约为0~2℃,年降水量约为600~700 mm。若尔盖草原水源充足,主要河流有嘎曲、墨曲和热曲,从南往北汇入黄河,河湖众多。该区生物多样性极为丰富,分布有国家湿地保护区、黑颈鹤保护区、梅花鹿保护区等,同时也是国内3大牧区草原之一,亚洲最好的天然牧场之一。研究区域典型草原覆盖率达95%以上,植被生育期变化明显,遥感数据能较为准确地反映植被生长变化情况。
![]() |
图1 若尔盖区域位置与高程 Fig. 1 Location and topography of Zoigê area |
1.2 数据来源及预处理
中分辨率成像光谱仪MODIS是美国宇航局NASA发射的卫星Terra和Aqua上搭载的主要传感器之一,主要应用于地球大气、海洋和陆地的综合观测研究。研究数据NDVI源于MODIS植被指数产品MOD13Q1,时间分辨率为16 d,空间分辨率250 m,时间范围为2001—2015年。NDVI取值范围为–1~1,植被覆盖区域NDVI一般大于0。MODIS的NDVI已扩大10 000倍,转化为整型数据–10 000~10 000,对应常用的NDVI值为–1~1。卫星遥感数据易受云层、大气、冰雪覆盖等干扰。若尔盖地处高原地带,11月至次年3月雪覆盖率较高,植被NDVI受雪影响较大,故拟合前需去除雪覆盖的干扰。冰雪覆盖数据下载于MODIS陆地产品MOD10A2,时间分辨率为8 d,空间分辨率500 m。拟合NDVI时序曲线前需利用ArcGIS除去雪覆盖下的NDVI值,消除雪覆盖干扰。
2 研究方法 2.1 植被生育期提取TIMESAT是用于植被指数时间序列重建及提取植被物候信息的软件,已广泛应用于遥感NDVI数据的拟合计算[11–12]。从MODIS下载长时间序列的植被指数,通过TIMESAT拟合处理,可得到植被的生育期特征参数,包括生育期的开始、结束、长度、峰值等。如图2所示,A为生育期的开始,B为生育期的结束,C为生育期NDVI峰值,g为生育期的长度。
![]() |
图2 TIMESAT提取植被生育期原理 Fig. 2 Schematic of extracting by TIMESAT |
基于Savitzky−Golay、Asymmetric Gaussian和Double Logistic这3种方法滤除时序噪音,每种方法都基于最小二乘法得到最合适的拟合函数。其中:基于多项式函数的Savitzky−Golay滤波法是对连续数据做移动平均,在移动窗口内求得加权平均值的算法,其加权系数由窗口内最高阶多项式的最小二乘法拟合得出;Asymmetric Gaussian函数拟合法首先把时间序列划分区间,分区间用Asymmetric Gaussian函数拟合,再平滑连接各区间曲线,即从局部拟合到整体拟合;Double Logistic函数拟合法为一种半局部拟合法,与Asymmetric Gaussian拟合法类似,将时间序列按各点对应的值分区进行Double Logistic拟合,再整体平滑各区间拟合曲线。
以上3种方法都能不同程度地提高NDVI时序曲线拟合效果。若尔盖区域内植被生长受地形气候影响,不同区域NDVI时序噪音差异较大,以位于区域东南部的第202行229列栅格(102°6′E,33°30′N)为例,对比分析3种拟合方法的平滑效果,结果见图3。图3中,3种拟合方法结果比较接近,均能不同程度地滤去噪音,提高NDVI时序曲线平滑度。Asymmetric Gaussian和Double Logistic曲线与原始数据吻合度较Savitzky−Golay曲线更高,且3种方法中Double Logistic拟合上包络线与原始数据最接近。经过各区域多点拟合对比,选用Double Logistic函数拟合NDVI时间序列,并从中提取生育期起始时间、生育期长度、生育期NDVI峰值3个典型植被生育期特征信息进行分析。
![]() |
图3 点(202,229)3种方法拟合结果对比 Fig. 3 Fitting results of point (202,229) bythree methods |
2.2 影响植被生长的气候因子分析
气温和降水是影响植被的主要气候因子,植被生长对气温和降水的变化响应敏感[13–14]。由于研究区内只有1个气象站点,即位于东南部的红原站(102°55′E,32°8′N,编号56173,见图1),该站点气象数据并不能很好地代表整个若尔盖草原气候。因此在分析植被生育期影响因素时,只选取红原站周围半径10 km范围内植被为研究对象,研究植被生长对积温和降水等主要气候因素的响应。
2.2.1 积温自20世纪80年代以来,若尔盖区域年平均气温呈逐渐升高趋势(图4)。植被生长一般与当地热量积累有关,植被生育期的起始时间受前期气温影响较大。对于若尔盖盆地的高原草甸,只有当不低于0℃的活动积温高于积温阈值时,植被才开始生长[15]。前人研究多关注于春季积温与春季植被生育期开始时间的关系,较少分析区域范围内温度对生育期长度和生物量的影响。本研究除探讨植被生育期起始时间与春季(4、5月)积温的关系外,还分析了秋季(9、10月)积温对植被生育期长度的影响,以及从生育期起始至NDVI峰值出现的时间段内积温对NDVI峰值的影响。根据红原气象站周围10 km范围内植被生育期起始时间、生育期长度及生育期内NDVI峰值的出现时间,分别统计了2001—2015年红原气象站4、5月积温和9、10月积温,以及生育期起始至出现NDVI峰值的积温(均为≥0℃积温)3个变量,再进行生育期信息与积温信息的相关性分析。通过相关系数R判断植被生长与积温变量的相关程度,|R|越大则相关性越强。
![]() |
图4 1986—2015年若尔盖区域年均气温变化 Fig. 4 Interannual variation of mean temperature in the Zoigê area from 1986 to 2015 |
2.2.2 降水
标准化降水指数(standardized precipitation index,SPI)为表征某时段降水量出现概率多少的指标。该指数假设某时段降水量服从Gamma分布,先计算出该时段内降水量的Gamma分布概率,再进行标准正态化处理,最后用标准化降水累积分布频率评估干旱等级。SPI能应用于不同时间尺度的干旱评估(SPI1、SPI2表示短期1~2个月的降水状况,SPI3、SPI6表示中长期3和6个月的降水状况,SPI9、SPI12表示长期9和12个月降水状况)。由于不同气候区植被对降水变化的敏感性不同,且考虑到土壤水分“记忆”效应,植被对降水的响应可能存在一定滞后性[16]。分析不同时间尺度的SPI与NDVI相关性能较真实地反映植被对各时间尺度累计降水量的响应[17]。利用红原气象站观测的1961—2015年共55年逐日降水量数据,统计得出月累积降水量,在此基础上计算出SPI1、SPI2、SPI3、SPI6、SPI9、SPI12;通过皮尔逊相关性分析方法,计算TIMESAT拟合过后的NDVI月平均值与对应的SPI值相关性。P<0.05时结果显著,R取值范围(–1,1),|R|越大则相关性越强。
皮尔逊相关性计算公式为:
$ R\left( {X,Y} \right) = \frac{{C\left( {X,Y} \right)}}{{\sqrt {C\left( {X,Y} \right)C\left( {X,Y} \right)} }} $ | (1) |
$ {C\left( {X,Y} \right) = \frac{{\displaystyle\sum\limits_{i = 1}^n {\left( {{X_i} -{\overline {X}}} \,\right)\left( {{Y_i} -{\overline {Y}}} \,\right)} }}{{n - 1}}} $ | (2) |
$ {{\overline {X}} = \frac{{\displaystyle\sum\limits_{i = 1}^n {{X_i}} }}{n}} $ | (3) |
$ {{\overline {Y}} = \frac{{\displaystyle\sum\limits_{i = 1}^n {{Y_i}} }}{n}} $ | (4) |
式中,
图5为若尔盖区域2001—2015年植被生育期年际变化趋势。
![]() |
图5 若尔盖地区2001—2015年植被生育期年际变化 Fig. 5 Interannual variation of vegetation growth period in the Zoigê area from 2001 to 2015 |
由图5(a)可知,该区域植被生育期起始时间从6月上旬提前至5月下旬,多年平均起始时间在5月下旬(第150天,从1月1日起开始计算的年序日,下文同)。图5(b)显示,多年平均生育期长度在140 d左右,年际差异较大,2002年最短(小于120 d),2009年最长(近150 d),整体上有缓慢延长趋势。图5(c)中,生育期NDVI峰值多在8 000~9 000,无明显年际变化趋势。若尔盖地区植被覆盖多为牧草,牧草生长的起始和结束时间受环境影响较大。近年来,气候变化和人类活动的影响加剧,15年间植被生育期起始时间和生育期长度年际波动较大。Piao[9]和Zhang[10]等对青藏高原地区的长时间观测结果均发现了植被生育期起始时间提前。宋春桥等[18]对藏北高原植被物候的动态监测结果也发现了近60%区域的植被生育期起始时间提前,且大部分地区生育期长度延长。本文所研究的若尔盖地区位于青藏高原东缘,所发现的植被生育期变化情况与Piao[9]、Zhang[10]和宋春桥[18]等的研究结果有相似变化趋势。
3.1.2 植被物候空间分布若尔盖地区2001—2015年多年平均植被生育期起始时间、生育期长度及NDVI峰值的空间分布如图6所示。
![]() |
图6 若尔盖地区2001—2015年植被平均生育期 Fig. 6 Average vegetation growth period in Zoigê area from 2001 to 2015 |
由图6(a)可知,北部纬度较高区域平均生育期起始时间在6月下旬(约第180天),向南生育期起始时间逐渐提前,中部海拔高度较低处生育期起始时间提前至4月下旬至5月上旬(111~140 d),南部低纬度地区生育期起始时间平均在6月中下旬(第170天)。由图6(b)可知,较高纬度区域生育期长度较短,较低纬度区域生育期长度较长,区域生育期长度跨度大(103~212 d)。由图6(c)可知,NDVI峰值较高值(大于9 000)多出现在河流两岸低海拔地区,在高海拔的局部地区出现了极低值(小于6 000)。
此外,空间垂直分布上海拔梯度对植被生育期的影响如图7所示。随着海拔梯度的递增,多年平均的植被生育期起始时间延迟,生育期长度缩短,NDVI峰值递减。在海拔低于4 000 m的区域,植被生育期起始时间多在6月上旬以前(第170天前),生育期长度均在120 d以上。在海拔4 000 m以上的高寒区域,植被生育期起始随海拔升高而延迟至7月上旬(第185天),相应的生育期长度缩短为100 d左右。随着海拔的升高,植被覆盖率降低,NDVI峰值相应减小。Shen等[19]对近年来青海–西藏地区不同海拔梯度植被春季物候的研究发现,高海拔地区的植被生育期起始时间更晚,海拔越高的区域,植被生长变化受环境影响越大。Piao等[9]的研究结果也发现青藏高原植被生育期起始时间随海拔梯度升高而推迟,但在海拔3 600 m左右区域出现拐点,植被生育期起始时间最早,低于和高于3 600 m海拔地区的植被生育期起始时间均较晚。与之相似的是,本文研究结果也表明在若尔盖海拔梯度为3 500~3 600 m的区域,植被平均生育期起始时间最早,平均生育期长度最长,平均生育期内NDVI峰值最大。
![]() |
图7 若尔盖地区各海拔梯度植被平均生育期 Fig. 7 Average vegetation growth period at different altitudes in Zoigê area |
3.2 植被生长影响因素 3.2.1 积温
图8为2001—2015年红原站周围半径10 km范围内积温与植被生育期年际变化。如图8(a)所示:植被生育期起始时间与4、5月积温有较强相关关系(相关系数|R|=0.79),4、5月积温的升高促使植被生育期起始时间提前。在4、5月积温较低的年份,生育期起始时间延后,如2001年的4、5月积温较平均值(343℃)低了近70℃,当年的植被生育期起始时间推迟至6月上旬(第155天),比平均起始时间(第146天)延后了9 d。在4、5月积温明显升高的2009、2012年,相应的植被生育期起始时间均有提前。即该区域植被对4、5月积温较为敏感,4、5月积温升高会使得植被生长在一定程度上提前。
![]() |
图8 2001—2015年红原站积温与植被生育期年际变化 Fig. 8 Variation of accumulated temperature and interannual vegetation growth period in Hongyuan from 2001 to 2015 |
植被的生育期长度与9、10月积温有较强相关性(|R|=0.73)。图8(b)中,9、10月积温平均值为418℃,积温较高的年份,如2005、2009年积温分别达到了447、464℃,相应的生育期长度比平均值延长了7、16 d;积温较低的年份,如2002、2011年低至277、325 ℃,生育期长度相应缩减14、6 d。对于高原草甸,一般较暖的年份植被返青期较早,枯黄期较迟,生长期较长。秋季9、10月份积温的升高使得植被枯黄期延后,生育期长度相应延长。
图8(c)中,若尔盖区域植被NDVI峰值与生育期起始至出现峰值的积温有较强相关关系(|R|=0.68),即积温越高则NDVI峰值越大。若尔盖地处高原地带,植被生长对光热依赖较大,较高的气温有利于植被延长生长时间,提高光合作用效率,累计更多生物量。在积温高至近900 ℃的2005年、2009年和2012年,植被生长状况较好,NDVI峰值较高;在积温明显降低的2004年、2008年和2011年,植被NDVI峰值明显降低。生育期起始至出现峰值时段内的积温对植被生物量累计有明显影响。
3.2.2 降水表1、2分别为若尔盖红原站周围半径10 km范围内植被NDVI与SPI相关性系数P、R平均值,其中,P1、R1表示SPI1与对应NDVI值的相关性系数,以此类推。整体来看,P值过大,R值较小,说明该区域植被NDVI对降水无明显响应,植被生长对降水的变化不敏感。从植被生长阶段来看,5、6和10月NDVI与SPI相关性比其他月份更高,即降水对区域内植被生长初期和末期有一定影响。5、6月的降水促进了植被生长的起始,NDVI开始逐渐增大;在温暖湿润的夏季,降水对植被生长的影响减小,直至10月植被进入生育期后期,NDVI逐渐减小,此时植被对降水较为敏感,10月以后植被生长基本结束,SPI与NDVI相关性最低。从SPI1、SPI2、SPI3、SPI6、SPI9、SPI12与NDVI的相关性分析结果来看,SPI与NDVI整体相关性较差,说明该区域植被对累计降水无明显响应。在植被生长旺盛的5—10月,NDVI与SPI9相关性最高,与SPI1相关性最低,即前9个月的累积降水情况对植被NDVI影响最大,前1个月降水对植被NDVI影响最小。综上,降水不是若尔盖植被生长的主要限制性因子,且植被对降水的响应有一定滞后性。
表1 NDVI与SPI相关性分析平均P值 Tab. 1 Average P of correlation analysis between NDVI and SPI |
![]() |
表2 NDVI与SPI相关性分析平均R值 Tab. 2 Average R of correlation Analysis between NDVI and SPI |
![]() |
4 结 论
基于2001—2015年若尔盖区域MODIS卫星获取的NDVI遥感数据,经时间序列滤波软件TIMESAT除去噪音并重建NDVI时序曲线,由Double Logistic模型获取2001—2015年关键植被生育期特征信息,即生育期起始时间、生育期长度、生育期NDVI峰值,得到了若尔盖地区2001—2015年植被生育期特征时空变化规律,分析了气温和降水对植被生长的影响。
受全球变暖和人类活动等的影响,2001—2015年若尔盖地区植被生育期起始时间提前了近10天,平均在5月下旬;生育期长度年际变化波动较大,平均生育期长度在140 d左右,整体上有缓慢延长的趋势;平均NDVI峰值无明显变化。在空间垂直分布上,随着海拔梯度的升高,若尔盖地区植被生育期起始时间推迟,生育期长度缩短,生育期NDVI峰值减小。不同海拔梯度植被生长差异大,海拔越高的区域植被生长变化受环境影响越大。同时,对红原站周围10 km范围内植被生育期和气候因子的分析结果表明,积温是影响植被生育期的主要气候因子,4、5月积温升高使得植被生育期起始时间提前(|R|=0.79),9、10月积温升高使相应生育期长度延长(|R|=0.73),生育期起始至出现NDVI峰值时段内的积温越高越有利于生物量的积累(|R|=0.68)。植物生长对降水变化不敏感,植被NDVI与SPI整体相关性不高。降水对区域内植被生长初期和末期有一定影响,其中,NDVI与SPI9相关性最高,与SPI1相关性最低;即前9个月的累积降水情况对植被NDVI影响最大,前1个月降水对植被NDVI影响最小,植被NDVI对降水的响应有一定滞后性。
研究结果较为真实地反映了2001—2015年若尔盖区域植被的变化特征,对若尔盖区域的植被监测研究有一定参考意义;研究方法对于遥感技术监测大区域范围内植被变化特征,具有一定参考价值。但通过卫星遥感数据分析的植物生育期特征缺乏实地验证。对于植被的不同生育期信息与对应时间段内积温的分析,研究样本较小,还需要更多研究。
[1] |
Korner C,Basler D. Phenology under global warming[J]. Science, 2010, 327(5972): 1461. DOI:10.1126/science.1186473 |
[2] |
Walker J,de Beurs K M,Wynne R H. Phenological response of an arizona dryland forest to short-term climatic extremes[J]. Remote Sensing, 2015, 7(8): 10832-10855. DOI:10.3390/rs70810832 |
[3] |
Li Z W,Wang Z Y,Brierley G,et al. Shrinkage of the Zoigê Swamp and changes to landscape connectivity,Qinghai–Tibet Plateau[J]. Catena, 2015, 126: 155-163. DOI:10.1016/j.catena.2014.10.035 |
[4] |
Xia C F,Li J,Liu Q H. Review of advances in vegetation phenology monitoring by remote sensing[J]. Journal of Remote Sensing, 2013, 17(1): 1-16. |
[5] |
Hou Meiting,Zhao Haiyan,Wang Zheng,et al. Vegetation responses to climate change by using the satellite-derived normalized difference vegetation index:A review[J]. Climatic & Environmental Research, 2013, 18(3): 353-364. [侯美婷,赵海燕,王筝,等. 基于卫星遥感的植被NDVI对气候变化响应的研究进展[J]. 气候与环境研究, 2013, 18(3): 353-364.] |
[6] |
Dunn A H,de Beurs K M. Land surface phenology of North American mountain environments using moderate resolution imaging spectroradiometer data[J]. Remote Sensing of Environment, 2011, 115(5): 1220-1233. DOI:10.1016/j.rse.2011.01.005 |
[7] |
Walker J J,de Beurs K M,Wynne R H. Dryland vegetation phenology across an elevation gradient in Arizona,USA,investigated with fused MODIS and Landsat data[J]. Remote Sensing of Environment, 2014, 144(1): 85-97. |
[8] |
Hou Xuehui,Niu Zheng,Gao Shuai. Phenology of forest vegetation in Northeast of China in ten years using remote sensing[J]. Spectroscopy and Spectral Analysis, 2014, 34(2): 515-519. [侯学会,牛铮,高帅. 近十年中国东北森林植被物候遥感监测[J]. 光谱学与光谱分析, 2014, 34(2): 515-519. DOI:10.3964/j.issn.1000-0593(2014)02-0515-05] |
[9] |
Piao S L,Cui M D,Chen A P,et al. Altitude and temperature dependence of change in the spring vegetation green-up date from 1982 to 2006 in the Qinghai–Xizang Plateau[J]. Agricultural and Forest Meteorology, 2011, 151(12): 1599-1608. DOI:10.1016/j.agrformet.2011.06.016 |
[10] |
Zhang G L,Zhang Y J,Dong J W,et al. Green-up dates in the Tibetan Plateau have continuously advanced from 1982 to 2011[J]. Processing of the National Academy of Science of the United States of America, 2013, 110(11): 4309-4314. DOI:10.1073/pnas.1210423110 |
[11] |
Song Chunqiao,Ke Linghong,You Songcai,et al. Comparison of three NDVI time-series fitting methods based on TIMESAT—Taking the grassland in Northern Tibet as case[J]. Remote Sensing Technology & Application, 2011, 26(2): 147-155. [宋春桥,柯灵红,游松财,等. 基于TIMSAT的3种时序NDVI拟合方法比较研究——以藏北草原为例[J]. 遥感技术与应用, 2011, 26(2): 147-155.] |
[12] |
Li Ming,Wu Zhengfang,Du Haibo,et al. Growing-season trends determined from SPOT NDVI in Changbai mountains,China,1999—2008[J]. Scientia Geographica Sinica, 2011, 31(10): 1242-1248. [李明,吴正方,杜海波,等. 基于遥感方法的长白山地区植被物候期变化趋势研究[J]. 地理科学, 2011, 31(10): 1242-1248.] |
[13] |
Martiny N,Camberlin P,Richard Y,et al. Compared regimes of NDVI and rainfall in semi-arid regions of Africa[J]. International Journal of Remote Sensing, 2006, 27(23): 5201-5223. DOI:10.1080/01431160600567787 |
[14] |
Wang X H,Piao S L,Philippe C,et al. Spring temperature change and its implication in the change of vegetation growth in North America from 1982 to 2006[J]. Processing of the National Academy of Science of the United States of America, 2011, 108(4): 1240-1245. DOI:10.1073/pnas.1014425108 |
[15] |
Qing Qingtao,Hou Meiting,Wang Mingtian,et al. Influences of meteorological conditions on growing period of kentucky bluegrass in Zoigê grassland[J]. Chinese Journal of Agrometeorology, 2010, 31(1): 69-73. [卿清涛,侯美婷,王明田,等. 气象条件对若尔盖草地早熟禾生育期的影响[J]. 中国农业气象, 2010, 31(1): 69-73. DOI:10.3969/j.issn.1000-6362.2010.01.014] |
[16] |
Xu K,Yang D W,Yang H B,et al. Spatio-temproal variation of drought in China during 1961—2012:A climate perspective[J]. Journal of Hydrology, 2015, 526(3): 253-264. |
[17] |
Richard Y,Martiny N,Fauchereau N,et al. Interannual memory effects for spring NDVI in semi-arid South Africa[J]. Geophysical Research Letters, 2008, 35(350): 195-209. |
[18] |
Song Chunqiao,You Songcai,Ke Linghong,et al. Spatio-temporal variation of vegetation phenology in the Northern Tibetan Plateau as detected by MODIS remote sensing[J]. Chinese Journal of Plant Ecology, 2011, 35(8): 853-863. [宋春桥,游松财,柯灵红,等. 藏北高原植被物候时空动态变化的遥感监测研究[J]. 植物生态学报, 2011, 35(8): 853-863.] |
[19] |
Shen M G,Zhang G X,Nan C,et al. Increasing altitudinal gradient of spring vegetation phenology during the last decade on the Qinghai−Tibetan Plateau[J]. Agricultural and Forest Meteorology, 2014, 189/190: 71-80. DOI:10.1016/j.agrformet.2014.01.003 |