基于MODIS EVI的大興安嶺多年凍土區(qū)植被物候研究

王雪梅， 溫理想， 李佳諾， 郭 蒙

（1. 東北師范大學(xué) 地理科學(xué)學(xué)院 長白山地理過程與生態(tài)安全教育部重點實驗室，吉林 長春 130024；2. 北京師范大學(xué) 環(huán)境學(xué)院 水環(huán)境模擬國家重點實驗室，北京 100875）

0 引言

植被物候是植物生命周期中季節(jié)變化的節(jié)律，由于其對氣候變化敏感以及對生態(tài)系統(tǒng)功能的重要性，在過去幾十年中受到國內(nèi)外學(xué)者們的廣泛關(guān)注［1］。IPCC 第六次評估報告［2］指出，自1850 至1900年以來，全球地表平均溫度已上升約1 ℃，未來20年全球溫升將達到或超過1.5 ℃。氣候變暖能夠引起植物發(fā)芽、展葉、開花、落葉和葉顏色等特征的變化，直接影響植被生產(chǎn)力、生物多樣性和全球碳循環(huán)等［3-4］。作為冰凍圈的重要組成部分，多年凍土對氣候變化極為敏感。準(zhǔn)確監(jiān)測多年凍土區(qū)植被物候特征對于研究寒區(qū)生態(tài)系統(tǒng)對氣候變化的響應(yīng)具有重要意義。

傳統(tǒng)的物候觀測方法是以物候觀測網(wǎng)絡(luò)為主的地面觀測，這種基于植物個體尺度的觀測難以滿足生態(tài)系統(tǒng)、區(qū)域乃至全球尺度的物候研究［5］。隨著遙感技術(shù)的發(fā)展，基于植被指數(shù)（VIs）的監(jiān)測方法已廣泛應(yīng)用于植被物候研究［6-8］。目前常用的植被指數(shù)包括歸一化植被指數(shù)（NDVI）和增強型植被指數(shù)（EVI）等［9］。然而，地面陰影、雪和云等背景的干擾以及惡劣的大氣觀測條件等因素都會降低NDVI和EVI 監(jiān)測植被物候的準(zhǔn)確性。例如，Hmimina等［10］使用中分辨率成像光譜儀（MODIS）提取的NDVI監(jiān)測了不同類型植被的季節(jié)變化，發(fā)現(xiàn)NDVI無法準(zhǔn)確反演常綠森林的物候模式。此外，落葉林中喬木通常比草本和灌木的返青時間晚，這意味著由植被指數(shù)確定的生長季開始日期可能反映的是草本和灌木，而非優(yōu)勢樹種的物候信息［11］。作為植被指數(shù)的補充，太陽誘導(dǎo)葉綠素?zé)晒猓⊿IF）為衛(wèi)星監(jiān)測植物功能提供了新的可能性［12-13］。SIF 是光合作用的副產(chǎn)品，包含代謝、生化等與植被生長密切相關(guān)的信息，與傳統(tǒng)的植被指數(shù)相比，SIF 具有更強的植物生理基礎(chǔ)［14］。

植被指數(shù)的時間序列可以表征季節(jié)或年際尺度上的植物生長發(fā)育的周期變化［15］。然而受氣溶膠、水汽、傳感器退化等因素的影響，衛(wèi)星遙感獲取的VIs 時間序列含有明顯的數(shù)據(jù)噪聲，難以進行物候信息提取和趨勢分析［16］，因此需要采用去噪和平滑等處理來重構(gòu)時序數(shù)據(jù)。常用的重構(gòu)方法包括Savitzky-Golay（S-G）濾波法［17］、雙邏輯斯蒂函數(shù)（Double-logistic）［18］、非對稱高斯函數(shù)（Asymmetric Gaussian）擬合法［19］、傅里葉變換（Fourier transformation）［20-21］和小波變換（Wavelet transformation）［22］等。預(yù)處理后的VIs 時序曲線采用閾值法、拐點法和曲線斜率法等算法提取植被物候參數(shù)［23］。目前遙感時序數(shù)據(jù)預(yù)處理的方法較多，通常根據(jù)研究區(qū)植被生長特點和數(shù)據(jù)源質(zhì)量采用最適用的方法［24］。

相關(guān)研究表明，隨著全球溫度的升高，北半球高緯度地區(qū)的植被物候顯示出春季提前和秋季延遲的趨勢［25-26］。然而，由于溫度、降水和土壤濕度等非生物因素的影響，植被物候的變化呈現(xiàn)出復(fù)雜的時空格局［27］。大興安嶺多年凍土區(qū)位于歐亞大陸多年凍土區(qū)的南部邊緣，是中國唯一的高緯度多年凍土區(qū)，對全球氣候變化高度敏感［28-29］。為了探究氣候變化對大興安嶺多年凍土區(qū)植被的影響，本文基于MODIS EVI 時間序列數(shù)據(jù)，評估了研究區(qū)近20 年植被物候的時空變化特征及其對氣候變化的響應(yīng)，以期豐富寒區(qū)生態(tài)系統(tǒng)植被物候的研究。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

大興安嶺多年凍土區(qū)位于我國最北部（49°01′～53°54′ N，119°12′～125°29′ E），海拔在220～1 487 m之間（圖1）。該區(qū)屬于寒溫帶大陸性季風(fēng)氣候，年平均氣溫介于-5～2 ℃之間，年平均降水量為460 mm。大興安嶺多年凍土區(qū)可分為大片連續(xù)多年凍土、島狀融區(qū)多年凍土和島狀多年凍土三部分［30-31］，本文以大片連續(xù)多年凍土區(qū)和島狀融區(qū)多年凍土區(qū)為研究區(qū)，面積約為11.2×104km2，其中大片連續(xù)多年凍土區(qū)面積約為6.8×104km2，65%～75%的面積分布有多年凍土；島狀融區(qū)多年凍土區(qū)面積約為4.4×104km2，50%～60%的面積分布有多年凍土。大興安嶺多年凍土區(qū)主要林型包括針葉林、闊葉林以及針闊混交林等森林類型［32］，其中興安落葉松（Larix gmelinii）分布范圍最廣，屬于頂級演替樹種。主要的闊葉樹種白樺（Betula platyphylla）是林火、砍伐等干擾后的先鋒樹種，分布范圍僅次于落葉松。研究區(qū)還以斑塊狀散布著少量草原、草甸以及沼澤等覆被類型。

圖1 研究區(qū)地理位置［30］（a）及植被類型［32］（b）Fig. 1 Location and vegetation cover of the study area

1.2 數(shù)據(jù)來源及預(yù)處理

1.2.1 MODIS NDVI和EVI數(shù)據(jù)

由Terra 和Aqua 兩顆衛(wèi)星攜帶的MODIS 傳感器是目前觀測全球生態(tài)過程和環(huán)境變化的重要數(shù)據(jù)源。美國國家航空航天局（NASA）的官方網(wǎng)站（https：//search. earthdata. nasa. gov）上發(fā)布了多種不同時空尺度的MODIS 產(chǎn)品，本研究使用MODIS13Q1 數(shù)據(jù)集。MOD13Q1 是使用正弦投影方法的MODIS 三級網(wǎng)格數(shù)據(jù)產(chǎn)品，已經(jīng)根據(jù)大氣和地形的影響對其進行了系統(tǒng)糾正。從MOD13Q1中提取的NDVI 和EVI 具有250 m 的空間分辨率和16 d的時間分辨率。對每期數(shù)據(jù)執(zhí)行鑲嵌、掩膜和投影變換等操作，得到研究區(qū)2000—2019 年NDVI 和EVI的時間序列數(shù)據(jù)。

1.2.2 SIF數(shù)據(jù)

OCO-2 是NASA 于2014 年7 月發(fā)射的專門用于監(jiān)測大氣中CO2濃度的衛(wèi)星，重訪周期為16 d，赤道過境時間為13：30（當(dāng)?shù)貢r間），每天可獲取全球尺度的不連續(xù)點文件，每個點文件的空間分辨率為1.3×2.25 km2。本研究SIF 數(shù)據(jù)采用OCO-2 衛(wèi)星的二級產(chǎn)品OCO-2_L2_Lite_SIF. 8r，它以NetCDF 格式存儲，將其轉(zhuǎn)換為Shapefile 格式。為了保證與NDVI、EVI時間分辨率的一致性，按照MODIS 數(shù)據(jù)合成規(guī)則將16 d 的SIF 數(shù)據(jù)合為一期，每年23 期數(shù)據(jù)。計算研究區(qū)SIF 的平均值，得到2015—2019 年SIF的時間序列數(shù)據(jù)。

1.2.3 氣象數(shù)據(jù)

氣溫和降水?dāng)?shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http：//data. cma. cn/）提供的大興安嶺多年凍土區(qū)及其周圍的18個氣象站點（圖1）的日值數(shù)據(jù)集。將該數(shù)據(jù)集進行統(tǒng)計得到月均溫和月累積降水量，利用ArcGIS 10.6 軟件的克里金插值法進行空間插值得到250 m分辨率的柵格數(shù)據(jù)。

1.3 研究方法

1.3.1 時間序列重建

原始數(shù)據(jù)不可避免地存在不同程度的異常值、噪聲或空值，這可能導(dǎo)致物候指標(biāo)提取中的錯誤［33-34］。因此在物候提取之前，有必要對時間序列數(shù)據(jù)進行降噪濾波處理。本文采用Savitzky-Golay（S-G）濾波法［35］進行時間序列重建，S-G濾波法是一種基于局部多項式最小二乘法擬合的濾波方法，其計算公式如下：

式中：yj*為濾波后的數(shù)據(jù)；yj+i代表原始時間序列數(shù)據(jù)；wi為濾波系數(shù)，表示濾波器開始處理的第i個值的權(quán)重；m為濾波窗口的大??；N為滑動窗口，其值為2m+1。

1.3.2 物候參數(shù)提取

基于TIMESAT 3.3軟件，采用動態(tài)閾值法來提取SOS、EOS 和LOS 等關(guān)鍵物候指標(biāo)。由于地表覆被類型、研究方法以及研究區(qū)的差異，目前沒有統(tǒng)一的閾值標(biāo)準(zhǔn)。軟件的開發(fā)者J?nsson 等［36］綜合多地研究建議將SOS 和EOS 的閾值設(shè)定為20%，而Zhao 等［37］在我國東北地區(qū)植被物候研究中采用30%閾值取得了很好的效果，同樣，F(xiàn)u 等［38］和Tang等［39］在研究大興安嶺地區(qū)植被物候時也將閾值設(shè)為30%。參考已有研究，本文使用30%作為植被物候提取的閾值。結(jié)果采用年序日（DOY）的形式表示，即從每年第一天算起的實際日數(shù)。

1.3.3 趨勢分析

Mann-Kendall（MK）趨勢檢驗法和Sen 斜率法的結(jié)合已廣泛用于植被變化趨勢的分析，是長時間序列數(shù)據(jù)分析的重要方法［40］。MK 檢驗法可以有效地檢測時間序列數(shù)據(jù)的變化趨勢，而無需遵循特定分布的樣本，也不會受到少數(shù)異常值的干擾［41］，Sen斜率估計（Theil-Sen Median）是由Sen 提出和開發(fā)的一種非參數(shù)統(tǒng)計的趨勢計算方法［42］，計算公式如下：

式中：Q為Sen 的斜率；Xj和Xi分別為時間j和i處的序列值，中位數(shù)是根據(jù)時間序列中所有的觀測值對計算得出的，最終的Q由N來決定，具體如下：

本研究采用MK趨勢檢驗法識別出通過顯著性檢驗（P<0.05）的像元，同時采用Sen 斜率法量化物候的變化趨勢，Sen>0 時表明物候期的趨勢是推遲或延長；Sen<0 時，則表明物候期趨勢是提前或縮短。

1.3.4 偏相關(guān)分析

偏相關(guān)分析是指當(dāng)兩個變量同時與第三個變量相關(guān)時，將第三個變量的影響剔除，只分析另外兩個變量之間相關(guān)程度的過程。當(dāng)控制變量個數(shù)為一時，偏相關(guān)系數(shù)稱為一階偏相關(guān)系數(shù)；控制變量個數(shù)為二時，偏相關(guān)系數(shù)稱為二階相關(guān)系數(shù)［43］。本研究采用一階偏相關(guān)系數(shù)分析物候與氣溫、降水的關(guān)系，計算公式如下：

式中：Rxy·z是控制變量z后x和y的相關(guān)系數(shù)；rxy、ryz、rxz分別是變量x和y、y和z、x和z的相關(guān)系數(shù)。

通過MATLAB 軟件將SOS 與3—5月平均氣溫和降水、EOS 和8—10 月平均氣溫和降水分別進行偏相關(guān)分析以及顯著性檢驗，其中顯著正相關(guān)為r>0且P<0.05；顯著負相關(guān)為r<0且P<0.05。

2 結(jié)果分析

2.1 NDVI、EVI和SIF時間序列特征分析

2015—2019 年NDVI、EVI 和SIF 的濾波結(jié)果及其平均值如圖2 所示。整體來看，可以發(fā)現(xiàn)三條曲線整體變化特征基本一致，生長季數(shù)值都遠高于非生長季且均表現(xiàn)出明顯的季節(jié)性變化規(guī)律。NDVI與EVI 波形相近，但EVI 進入生長階段的時間滯后于NDVI，而結(jié)束生長階段的時間早于NDVI。EVI整體分布更加集中，能更加準(zhǔn)確反映植被生長季的變化特征。相比于NDVI，SIF 進入生長階段的時間滯后于NDVI，而結(jié)束生長階段的時間早于NDVI。SIF 與EVI 幾乎同一時間開始快速增長，SIF 到達峰值后快速下降，比EVI 先結(jié)束生長季，所以SIF 整體分布更加集中。與NDVI和EVI相比，SIF 具有植物生理基礎(chǔ)，并且與植被的生化過程直接相關(guān)。但是目前能獲取到的SIF 數(shù)據(jù)時空分辨率較低，無法滿足長時序和小區(qū)域植被物候的研究需求。SIF 和NDVI 的時間序列特征差異很大，而和EVI 的基本一致。已有研究表明NDVI在高植被覆蓋區(qū)域會出現(xiàn)過飽和現(xiàn)象［44］，因此，本研究采用EVI開展大興安嶺多年凍土區(qū)的植被物候研究。

圖2 2015—2019年大興安嶺多年凍土區(qū)NDVI、EVI和SIF的時間序列曲線（a）及其均值（b）［（b）圖中的點代表植被指數(shù)的快速升高點和降低點］Fig. 2 Time series curves （a） and average value （b） of NDVI、EVI and SIF from 2015 to 2019 in permafrost regions of Greater Khingan Mountains ［The points in （b） figure indicate rapid increases and decreases in the vegetation index］

2.2 SOS、EOS和LOS空間分布格局

為了分析研究區(qū)植被物候的空間特征，逐像元計算2000—2019 年大興安嶺多年凍土區(qū)植被SOS、EOS 和LOS 等物候參數(shù)的均值（圖3）。結(jié)果顯示，SOS 主要集中在96～144 d，即研究區(qū)的植被在4 月上旬到5 月下旬進入生長季，占總面積的97.67%。植被SOS 的空間分布差異比較明顯，高值區(qū)域主要集中在島狀融區(qū)多年凍土區(qū)，低值則主要分布在大片連續(xù)多年凍土區(qū)。研究區(qū)SOS 的平均值為129.46 d，大片連續(xù)多年凍土區(qū)平均值為127.29 d，島狀融區(qū)多年凍土區(qū)平均值為132.78 d，大片連續(xù)多年凍土區(qū)的SOS 平均值小于島狀融區(qū)多年凍土區(qū)（表1）。EOS 主要集中在272～320 d，研究區(qū)生長季結(jié)束的范圍為10 月初到11 月中旬，占總面積的93.77%。研究區(qū)EOS 的平均值為295.11 d，大片連續(xù)多年凍土區(qū)平均值為297.96 d，島狀融區(qū)多年凍土區(qū)平均值為290.73 d。大片連續(xù)多年凍土區(qū)的EOS 平均值大于島狀融區(qū)多年凍土區(qū)（表1）。研究區(qū)LOS 絕大部分都集中在128～224 d 范圍內(nèi)，占到總面積的98.60%。研究區(qū)全區(qū)LOS 的平均值為165.65 d，大片連續(xù)多年凍土區(qū)平均值為170.67 d，島狀融區(qū)多年凍土區(qū)平均值為157.95 d（表1）。大片連續(xù)多年凍土區(qū)植被LOS 大于島狀融區(qū)多年凍土區(qū)。

表1 2000—2019年植被物候參數(shù)空間分布的平均值Table 1 Average value of vegetation phenology parameters from 2000 to 2019

圖3 2000—2019年大興安嶺多年凍土區(qū)植被物候參數(shù)的空間分布圖Fig. 3 The spatial distribution of phenological parameters in permafrost regions of the Greater Khingan Mountains from 2000 to 2019

2.3 SOS、EOS和LOS變化趨勢

2.3.1 SOS、EOS和LOS年際變化趨勢

大興安嶺多年凍土區(qū)2000—2019 年SOS、EOS、LOS 整體上年際變化（圖4）的趨勢不明顯，且研究全區(qū)和大片連續(xù)多年凍土區(qū)、島狀融區(qū)多年凍土區(qū)的變化規(guī)律基本一致，即同步升高和降低。SOS 在2002 年和2014 年有兩次明顯低值，在2004年有一處明顯的高值；EOS 在2002 年有一處低值，在2012 年和2015 年有兩處明顯高值；LOS 在2015年左右有一處明顯的高值，其他年份則無明顯變化幅度。

圖4 2000—2019年大興安嶺多年凍土區(qū)植被物候參數(shù)的年際變化Fig. 4 Inter-annual variation of vegetation phenology parameters in the permafrost zone of Greater Khingan Mountains from 2000 to 2019

2.3.2 SOS、EOS和LOS變化趨勢的空間格局

結(jié)合MK 檢驗和Sen斜率法計算2000—2019年SOS、EOS 和LOS 在像元尺度的空間變化趨勢，將不具有顯著性（P>0.05）和變化趨勢為0 的像元排除，如圖5所示，只有少部分的像元通過了顯著性檢驗。研究區(qū)SOS 顯著變化的像元數(shù)為4.5×104個，僅占全部像元的2.24%。其中位于大片連續(xù)多年凍土區(qū)的像元有2.54×104個，位于島狀融區(qū)多年凍土區(qū)的像元有1.96×104個。20 年來SOS 變化趨勢的范圍從提前6.67 d 和推遲5.33 d 不等，變化趨勢的平均值為-1.23 d·（20a）-1（表2），整體SOS 呈提前趨勢。分區(qū)來看，大片連續(xù)多年凍土區(qū)的變化趨勢范圍為-6.67～3.56 d，平均值為-1.19 d·（20a）-1，島狀融區(qū)多年凍土區(qū)的變化趨勢范圍為-6.58～5.33 d，平均值為-1.28 d·（20a）-1，二者的SOS 均呈提前趨勢。

表2 2000—2019年研究區(qū)物候參數(shù)的變化趨勢Table 2 The change trend of phenology parameters in the study area from 2000 to 2019

研究區(qū)EOS 顯著變化的像元數(shù)為12.1×104個，占全部像元的6.04%，其中位于大片連續(xù)多年凍土區(qū)的像元有8.12×104個，占顯著變化像元的67.12%，島狀融區(qū)多年凍土區(qū)的像元有3.98×104個，占顯著變化像元的32.88%。20 年來EOS 趨勢變化的范圍為-10.00～9.33 d，變化趨勢的平均值為-0.46 d·（20a）-1（表2），整體EOS 變化趨勢呈提前趨勢。分區(qū)來看，大片連續(xù)多年凍土區(qū)像元的變化趨勢范圍為-9.14～9.33 d，平均值為-0.32 d·（20a）-1，島狀融區(qū)多年凍土區(qū)像元的變化趨勢范圍為-10.0～8.73 d，平均值為-0.76 d·（20a）-1。研究區(qū)LOS變化趨勢的平均值為2.39 d·（20a）-1，大片連續(xù)多年凍土區(qū)為1.91 d·（20a）-1，島狀融區(qū)多年凍土區(qū)為2.78 d·（20a）-1，過去20 年大興安嶺多年凍土區(qū)植被的LOS呈延長的趨勢。

2.4 氣溫和降水對植被物候的影響

2.4.1 氣溫和降水的變化趨勢

圖6 為研究區(qū)2000—2019 年氣溫和降水量的變化情況。全年和3—5 月氣溫呈波動上升，8—10月氣溫波動變化呈微弱下降趨勢，總體上無顯著趨勢。全年和3—5 月、8—9 月降水量呈波動變化，呈微弱上升趨勢。

圖6 2000—2019年氣溫和降水量的變化Fig. 6 Changes in temperature （a） and precipitation （b） from 2000 to 2019

2.4.2 氣溫和降水對SOS的影響

由于研究區(qū)SOS多年平均值為129.46 d（表1），植被開始生長的時間與3—5 月氣溫和降水密切相關(guān)。本文將SOS 與3—5 月的平均氣溫和總降水量進行逐像元偏相關(guān)分析（圖7）?？傮w上看，植被SOS 受氣溫的影響較降水明顯（面積比例分別為15.51%和3.15%）。大興安嶺多年凍土區(qū)植被SOS與3—5 月氣溫的顯著偏正負相關(guān)的面積占比分別為0.48%和15.03%，表明大部分區(qū)域隨著氣溫升高，SOS 呈提前的趨勢。SOS 與3—5 月降水的顯著偏正負相關(guān)的面積占比相對較少，分別為2.20%和0.95%。降水對SOS 的影響有很強的空間異質(zhì)性，呈正相關(guān)部分多分布于研究區(qū)北部，大部分區(qū)域的降水增多會導(dǎo)致SOS的推遲。

圖7 植被SOS與3—5月氣溫和降水的偏相關(guān)分析結(jié)果Fig. 7 Skewed correlation analysis of vegetation SOS and March—May temperature （a） and precipitation （b）

2.4.3 氣溫和降水對EOS的影響

研究區(qū)多年平均EOS 值為295.11 d（表1），植被結(jié)束生長的時間與8—10 月氣溫和降水密切相關(guān)。本文將EOS與8—10月的平均氣溫與總降水量進行逐像元偏相關(guān)分析（圖8）?？梢钥闯觯脖籈OS 受氣溫和降水的影響較大，且受氣溫影響較降水顯著（顯著相關(guān)的面積比例分別為7.35%和3.96%）。EOS 與8—10 月的氣溫呈明顯的正相關(guān)性，其中顯著偏正負相關(guān)的面積占比分別是6.81%和0.54%，即降水一定的情況下，氣溫升高，EOS 將推遲。EOS 與8—10月降水量的顯著偏正負相關(guān)的面積占比分別為3.46%和0.50%，表明研究區(qū)的EOS 與降水量主要表現(xiàn)為正相關(guān)，即溫度一定時，降水增加，EOS推遲。

圖8 植被EOS與8—10月氣溫和降水的偏相關(guān)分析結(jié)果Fig. 8 Skewed correlation analysis of vegetation EOS and August—October temperature （a） and precipitation （b）

3 討論

本研究中EVI 比NDVI 更適合大興安嶺多年凍土區(qū)的物候研究，這是由于NDVI 算法僅使用紅光和近紅外波段，當(dāng)植被覆蓋率很高時，紅光波段會迅速飽和，從而產(chǎn)生飽和效應(yīng)［45］。EVI 在NDVI 的基礎(chǔ)上改進了算法，使用了藍光波段并改進了殘留氣溶膠的處理方法，減少了大氣和土壤背景的影響，避免了植被覆蓋率高的地區(qū)出現(xiàn)飽和的問題［46-49］。所以EVI在大興安嶺地區(qū)的性能優(yōu)于NDVI。目前，已有一些學(xué)者采用不同的數(shù)據(jù)和方法開展東北地區(qū)植被物候研究。Tang 等［39］估算了1982—2012 年大興安嶺地區(qū)的SOS 和EOS，發(fā)現(xiàn)SOS 主要分布在第90～150 d 之間，而EOS 的范圍則是第245～305 d之間。Yu 等［50］計算了1982—2015 年中國東北地區(qū)的SOS，范圍從一年中的第100～140 d 不等，而EOS的范圍為280～320 d。Liu等［51］計算了中國溫帶植被的平均EOS 值，其結(jié)果主要分布在第270～310 d。本文SOS 分布在第96～144 d，EOS 的范圍為第272～320 d，與已有結(jié)果基本一致。像元空間分辨率越高，越能夠減少混合像素對物候信息提取的干擾。本文使用的EVI 數(shù)據(jù)像元大小為250 m，高于大多數(shù)已有研究的空間分辨率，其物候提取的精度也會有所提高。

不同區(qū)域植被物候特征的差異主要取決于植被類型、高程和氣候等因素［52］。本研究發(fā)現(xiàn)大片連續(xù)多年凍土區(qū)的SOS 均值小于島狀融區(qū)多年凍土區(qū)，EOS 的均值大于島狀融區(qū)多年凍土區(qū)，這與Fu等［38］和Yu 等［50］的研究結(jié)果一致。島狀融區(qū)多年凍土區(qū)西南部為森林與草原的過渡地帶，主要植被類型包括草原、闊葉林和農(nóng)田等，不同植被類型生長習(xí)性不同，物候差異較大。草原和農(nóng)田的LOS 小于森林的LOS，闊葉林的LOS 小于針葉林［53］。不難發(fā)現(xiàn)SOS、EOS 和LOS 等物候參數(shù)的空間格局與植被類型密不可分。高程差異帶來最明顯的影響是水熱條件不同，從而導(dǎo)致不同海拔的物候差異。通常隨著海拔的升高溫度降低，而本研究區(qū)位于西伯利亞冷高壓的邊緣，冷高壓中心空氣下沉使得高壓邊緣上空空氣不足，因此空氣絕熱增溫上升，從而出現(xiàn)低海拔處的溫度低于高海拔地區(qū)“逆溫”現(xiàn)象，這種現(xiàn)象在大興安嶺地區(qū)一年四季均存在［54-55］。將圖3結(jié)果與DEM（圖1）疊加發(fā)現(xiàn)LOS 高值和高海拔區(qū)域基本對應(yīng)，大片連續(xù)多年凍土區(qū)的海拔高于島狀融區(qū)多年凍土區(qū)，大片連續(xù)多年凍土區(qū)的LOS 大于島狀融區(qū)多年凍土區(qū)。大興安嶺多年凍土區(qū)逆溫現(xiàn)象的存在以及植被類型的不同是導(dǎo)致不同類型凍土區(qū)植被物候差異的主要原因。

近20 年植被物候參數(shù)在研究區(qū)尺度上沒有顯著的變化趨勢。在像元尺度上，大部分的像元不具備顯著性的變化趨勢，只有少部分像元通過了顯著性檢驗。對顯著變化的像元進行分析發(fā)現(xiàn)，研究區(qū)SOS 和EOS 整體上呈提前趨勢，EOS 呈微弱的提前趨勢，LOS 整體上呈增長趨勢。大片連續(xù)多年凍土區(qū)和島狀融區(qū)多年凍土區(qū)SOS、EOS、LOS變化趨勢同研究區(qū)一致。通過對植被物候與氣溫和降水進行偏相關(guān)分析發(fā)現(xiàn)大興安嶺多年凍土區(qū)植被物候主要受到氣溫的顯著影響。研究區(qū)全年溫度和降水呈增加趨勢，不同月份表現(xiàn)不同的變化趨勢，3—5月氣溫上升，降水下降，都有利于SOS 的提前。而8—10月氣溫呈下降趨勢，降水上升，導(dǎo)致EOS 呈現(xiàn)微弱的提前趨勢。與EOS 相比，SOS 對氣溫的響應(yīng)更為顯著，SOS 提前與氣溫升高密切相關(guān)，這與俎佳星等［56］和叢楠等［57］結(jié)果基本一致。

4 結(jié)論

本文基于SIF、NDVI 和EVI 等植被指數(shù)開展大興安嶺多年凍土區(qū)植被物候的研究。首先比較了三種指數(shù)提取物候的差異和適應(yīng)性，發(fā)現(xiàn)EVI 最適用于大興安嶺地區(qū)的物候研究。采用MODIS EVI提取SOS、EOS 和LOS 等關(guān)鍵植被物候參數(shù)，分析大興安嶺多年凍土區(qū)植被物候的時空變化及其對氣候變化的響應(yīng)。主要結(jié)論如下。

（1）大興安嶺多年凍土區(qū)NDVI、EVI 和SIF 的時間序列能夠反映植被的季節(jié)變化，可用于植被物候信息的提取。EVI 在高植被覆蓋區(qū)性能優(yōu)于NDVI，同時EVI 與SIF 曲線更加一致。EVI 最適合大興安嶺多年凍土區(qū)植被物候的研究。

（2）由于逆溫現(xiàn)象的存在和植被類型的差異，大興安嶺大片連續(xù)多年凍土區(qū)的SOS 均值小于島狀融區(qū)多年凍土區(qū)，大片連續(xù)多年凍土區(qū)的EOS 均值大于島狀融區(qū)多年凍土區(qū)，大片連續(xù)多年凍土區(qū)的LOS大于島狀融區(qū)多年凍土區(qū)。

（3）過去20 年大興安嶺多年凍土區(qū)植被的SOS呈提前趨勢，EOS 呈微弱提前趨勢，SOS 提前的趨勢大于EOS，因此研究區(qū)LOS 呈延長的趨勢。大片連續(xù)多年凍土區(qū)和島狀融區(qū)多年凍土區(qū)呈現(xiàn)相同的變化趨勢。

（4）大興安嶺多年凍土區(qū)氣溫對植被物候的影響程度高于降雨量，部分區(qū)域植被SOS 和EOS 分別受到3—5 月、8—10 月氣溫的影響。3—5 月氣溫升高，對SOS 有提前作用；8—10 月氣溫降低，對EOS有提前作用。