毛乌素沙地植被物候变化及其对气候的响应_王鑫.pdf filename-=utf-8''毛乌素沙地植被物候变化及其对气候的响应_王鑫.pdf

DOI:10.12171/j.10001522.20220443毛乌素沙地植被物候变化及其对气候的响应王鑫1刘新月1母艳梅1刘鹏1,2,3贾昕1,2,3(1.北京林业大学水土保持学院，北京100083；2.宁夏盐池毛乌素沙地生态系统国家定位观测研究站，北京100083；3.北京林业大学水土保持国家林业和草原局重点实验室，北京100083)摘要:【目的】探讨毛乌素沙地植被物候长期趋势特征和年际波动及其与气象因素的关系。【方法】本研究利用20012020 年的 MODISMOD13Q1 归一化植被指数（NDVI），在 TIMESAT3.3 软件中利用动态阈值法提取毛乌素沙地植被物候指标，包括生长季开始日期（SOS）、生长季结束日期（EOS）和生长季长度（LOS），分析 SOS 与 EOS 的长期趋势与年际波动的时间特征和空间分布特征，并利用偏相关性分析法探究其与气温和降水量的关系。【结果】（1）物候指标的多年均值表现出显著的空间变异：SOS 平均在第（14015）天（儒略日），从西到东以及从北向南逐渐提前；EOS 平均在第（2916）天，从北向南逐渐推迟；LOS 平均在（15118）d，从西到东以及从北向南长度逐渐延长。（2）物候指标在研究期内整体趋势：SOS 呈现提前趋势（0.58d/a）；EOS 呈现推迟趋势（0.25d/a）；LOS 呈现显著延长趋势（0.83d/a）。物候长期趋势也表现出显著的空间变异，总体上由西向东逐渐变慢。（3）毛乌素沙地植被物候（SOS、EOS）的长期趋势与年际波动都受同样的气象因子影响。毛乌素沙地 SOS 的长期趋势与年际波动都与季前第一个月的温度与降水呈负相关，EOS 的长期趋势与年际波动都与季前第一个月的温度与季前累计降水呈正相关。【结论】随经度和纬度的增加，毛乌素沙地 SOS 与 LOS 分别呈现提前和延长的趋势。SOS 的提前和 EOS 的推迟导致 LOS 呈现延长的趋势，且西部区域LOS 延长的速率高于东部区域；SOS 与 EOS 的长期趋势与年际波动在降水较多的中东部地区主要受温度影响而分别提前和推迟，而在降水偏少的西部地区，SOS 和 EOS 的长期趋势与年际波动主要受降水影响而分别提前和推迟。关键词：毛乌素沙地；植被物候；长期趋势；年际波动中图分类号：S716；Q142.2文献标志码：A文章编号：10001522(2023)07006115引文格式：王鑫，刘新月，母艳梅，等.毛乌素沙地植被物候变化及其对气候的响应 J.北京林业大学学报，2023，45(7)：6175.WangXin,LiuXinyue,MuYanmei,etal.ChangesinvegetationphenologyanditsresponsestoclimaticfactorsintheMuUsDesertJ.JournalofBeijingForestryUniversity,2023,45(7):6175.Changes in vegetation phenology and its responses to climaticfactors in the Mu Us DesertWangXin1LiuXinyue1MuYanmei1LiuPeng1,2,3JiaXin1,2,3(1.SchoolofSoilandWaterConservation,BeijingForestryUniversity,Beijing100083,China;2.YanchiEcologyResearchStationofMuUsDesert,Beijing100083,China;3.KeyLaboratoryforSoilandWaterConservation,NationalForestryandGrasslandAdministration,BeijingForestryUniversity,Beijing100083,China)Abstract:ObjectiveThisstudyaimedtoquantifythelong-termtrendsandinterannualvariability(IAV)ofvegetationphenologyintheMuUsDesertduring20012020,andtoexaminethephenologicalresponsestoclimaticfactors.MethodWeextractedvegetationphenologyfromthenormalizeddifferencevegetationindex(NDVI)timeseries,whichwascalculatedfromtheMODISMOD13Q1product,usingthedynamic收稿日期:20221103修回日期:20221205基金项目:国家自然科学基金项目(32071843)，中央高校基本科研业务费专项(PTYX202122、PTYX202123)。第一作者:王鑫。主要研究方向：干旱半干旱区生态系统植被物候。Email：地址：100083北京市海淀区清华东路35 号北京林业大学水土保持学院。责任作者:贾昕，博士，教授。主要研究方向：干旱半干旱区生态系统碳水循环。Email：地址：同上。本刊网址:http:/；http:/第45卷第7期北京林业大学学报Vol.45，No.72023年7月JOURNALOFBEIJINGFORESTRYUNIVERSITYJul.，2023thresholdmethodinTIMESAT3.3.Extractedphenologicalindicesincludedthestartofgrowingseason(SOS),the end of growing season(EOS),and the length of growing season(LOS).Partial correlationanalysis was used to examine the relationships between phenological indices and climatic factors.ResultMulti-yearmeanphenologicalindicesshoweddistinctspatialvariations:averageSOSwasthe(14015)thdayofyear(Julianday),displayinganadvancingpatternfromwesttoeastandfromnorthtosouth;averageEOSwasthe(2916)thdayofyear,displayingadelayingpatternfromnorthtosouth;andLOSaveraged(15118)d,displayinganextendingpatternfromwesttoeastandnorthtosouth.Allphenologicalindicesshowedlong-termtrendsduringthestudyperiod:meanregionalSOSacrosstheMuUsDesertshowedanadvancingtrend(0.58d/year);meanregionalEOSshowedadelayingtrend(0.25d/year);andLOSshowedanextendingtrend(0.83d/year).Temporaltrendsinphenologicalindicesalsoshowedsignificantspatialvariations,weakeningfromwesttoeast.Thedecadaltrendsandinterannualvariabilityofvegetation phenology(SOS and EOS)were influenced by the same set of climate factors:SOS wasnegatively correlated with the previous-month temperature and precipitation;while EOS was positivelycorrelatedwiththetemperatureinthepreviousmonthandcumulativeprecipitationoverthepreviousmonths.ConclusionSignificantlongitudinalandlatitudinalpatternsareobservedforSOSandLOSintheMuUsDesert,andthetemporalphenologicaltrendsarestrengthenedfromeasttowest.ThetemporaltrendsofphenologicalindicesaremainlyreflectedbyadvancingSOSandextendingLOS.AdvancesinSOSanddelaysinEOSaremainlyattributabletorisingtemperatureincentralandeasternMuUsDesert,butaremainlyexplainedbyprecipitationinthewesternregionswithlessprecipitation.Key words:MuUsDesert;vegetationphenology;long-termtrend;interannualvariability植被物候是指植物受所处环境影响而出现的以年为周期的自然现象，植被物候的时空动态变化决定生态系统过程的季节变化，对生态系统碳水循环、能量平衡和区域气候具有重要的调节作用14。气候变化对物候时序动态的影响表现在两个方面：长期趋势（long-termtrends）和年际波动（interannualvariability，IAV）511，植被物候在长时间序列中往往表现出定向的长期趋势，研究表明：在全球气候变暖的背景下，植被的返青期提前，枯黄期推迟，生长季延长1216。但受短期气候波动的影响，在较短的时间间隔内植被物候的变化方向和变化幅度往往不尽相同，表现出较大的年际波动。有学者认为：植被物候的长期趋势掩盖了较短时间间隔的物候波动，长期趋势由较短的时间序列中的物候年际波动组成，但是长期趋势往往会掩盖短期的物候年际波动1720。研究表明：控制长期趋势与年际波动的调控因子有时并不相同，如日本和德国地区的研究表明植物物候的长期趋势与年际波动都受季前升温的强烈影响表现出春季物候提前，秋季物候推迟2122；而格陵兰岛地区的植被物候的长期趋势受温度降水共同主导，其年际波动仅受降水影响19；也有学者认为植被物候尤其是农作物物候的长期趋势受作物管理等人类活动影响，年际波动主要受温度影响2324。植被物候长期趋势和年际波动调控因素在不同区域存在着较大的不确定性。同时，随着气候变暖，降水时空分布格局、土壤蒸散发以及植被类型也不尽相同。有研究表明生长季结束日期（endofthegrowingseason，EOS）除受温度影响较大外，森林群落受光照影响较大，干旱草地受降水影响较大25。此外，大多数研究表明季前升温导致植被返青期提前，枯黄期推迟2631。而植被物候对降水的响应在不同水分条件下有较大差距，在干旱半干旱等水分匮乏的地区，植被物候对水分的敏感性较高3233，降水减少以及干旱使得春季物候推迟，秋季物候提前，生长季缩短3436。而在降水丰沛的地区，植被物候对季前温度比降水更敏感23,3738。毛乌素沙地是我国重要的生态屏障和植被恢复区，地处我国农牧交错带，生态环境较为脆弱且对气候变化高度敏感，探究毛乌素沙地植被物候变化及其对气象因子的响应关系有利于进一步研究毛乌素沙地植被动态以及加强对农牧业生产生活的指导。有研究表明：毛乌素沙地植被物候生长季开始日期（startofthegrowingseason，SOS）呈提前趋势，EOS呈推迟趋势，植被物候 SOS 和 EOS 多受降水量的影响3940，但也有研究认为：毛乌素沙地植被 SOS 受季前累积温度影响，EOS 受季前累积降水影响41。由此可见，当前毛乌素沙地植被物候的主要气候影响因子仍存在分歧，对毛乌素沙地植被物候的年际波动及其对水热条件的响应规律也不清楚。基于62北京林业大学学报第45卷此，本文通过 Sen 趋势和 MK 检验以及偏相关等方法，探究（1）毛乌素沙地近 20 年植被物候及其长期趋势与年际波动的时空分布格局；（2）毛乌素沙地近 20 年植被物候长期趋势与年际波动的影响因子。旨在探明不同水热条件下植被物候长期趋势与年际波动对气候变化的响应规律，为毛乌素沙地生态环境建设提供科学依据。1研究区概况及研究方法 1.1 研究区概况毛乌素沙地（36494011N，1062011100E）位于鄂尔多斯高原向陕北黄土高原的过渡地区（图 1），包括内蒙古自治区的伊金霍洛旗、乌审旗、鄂托克旗、鄂托克前旗，陕西省的定边县、榆林县、神木县、靖边县、横山县及宁夏回族自治区的盐池县。毛乌素沙地近 20 年平均气温 7.910.3，多年年平均气温由东北向西南递减；年平均降水为146.0486.8mm，降水量分配不均，多年平均降水量由东南部向西北递减，全区最大降水量集中在69 月42。1.2 NDVI 数据本研究所使用的 20012020 年 NDVI 长时序遥感数据来源于美国国家航空航天局（NASA）的MOD13Q1 数据产品（https:/ladsweb.modaps.eosdis.nasa.gov/search/order）。MOD13Q1 数据的时间分辨率为 16d，空间分辨率为 250m。通过 HEG 软件对40N39N38N37N40N39N38N37N106E107E108E109E110E111E106E107E108E109E110E111E0100 km0100 kmN40N39N38N37N40N39N38N37N106E107E108E109E110E111E106E107E108E109E110E111E0100 km0100 kmNNNa 20012020 年未变化的土地覆盖类型Land cover that hasnt changed from 2001 to 2020b 植被活跃区与气象站点分布Active vegetated zone and meteorological stationc 年均温空间分布Spatial distribution in mean annual temperatured 年降水空间分布Spatial distribution in mean annual precipitation草地 Grassland农田 Cropland裸地 Bare land建筑 Building水域 Water body植被活跃区Active vegetated zone温度Temperature/降水Precipitation/mm气象站点Meteorological station10.97.9486.8146图1毛乌素沙地近 20 年未变化的土地覆盖类型，植被活跃区与气象站点分布，年均温与年降水的空间分布Fig.1LandcoveroftheMuUsDesertthathasntchangedduringthepast20years,activevegetatedzoneandmeteorologicalstations,andspatialdistributioninmeanannualtemperatureandprecipitation第7期王鑫等：毛乌素沙地植被物候变化及其对气候的响应63以上数据进行了拼接，并重投影到墨卡托坐标系（WGS84/UTMzone49N，EPSG:32649），提取出毛乌素沙地 20012020 年长时序的 NDVI 数据。1.3 气象数据本研究在国家青藏高原数据中心（http:/ 21 个气象站点 20012020 年长时序的气温和降水数据43。为了将站点数据处理为与植被数据分辨率一致的空间栅格数据，使用经验贝叶斯克里金插值法在ArcGISPro2.8 软件中对气温和降水量数据进行空间插值4445。插值空间分辨率和 NDVI 栅格保持相同（250m），投影为墨卡托坐标系（WGS84/UTMzone49N，EPSG:32649）。1.4 土地覆盖数据利 用 R 语 言 MODIStsp 包 下 载 MODIS 的MCD12Q1 产品，空间分辨率为 500m，每年 1 期，共 20 期。由于农牧生产、植树造林等人类活动影响，某些像元的土地覆盖类型在 20012020 年间发生了数次变化，这些区域的物候变化波动大，受外部因素影响较多，难以分析水热条件对其的影响，在ArcGISPro2.8 软件中只提取 20012020 年土地覆盖类型未发生变化的区域，并去除受人类活动干扰和植被不稳定的农田、湿地、裸地、城镇用地、水体等区域46，将其余像元定义为植被活跃区（图 1）。1.5 NDVI 时间序列的重建下载的 MODISNDVI 图像虽然经过了 NASA官方的预处理，但仍然有噪点的存在，因此在TIMESAT3.3 软件中将偏离正常轨迹的噪声去除4748，并认为 NDVI0.05 的像元为非植被区域将其去除。TIMESAT3.3 软件包括非对称高斯函数拟合法（A-G）、双 logistic 函数拟合法（D-L）、Savitzky-Golay滤波法（S-G）等，本文基于 S-G 滤波法以及其他方法结果的平均值对原始 NDVI 时间序列进行拟合重建4950。因此，为了减少噪点对结果的影响，本文首先逐像元计算毛乌素沙地植被的 NDVI 时间序列曲线，再利用 A-G、D-L、S-G 等方法对 NDVI 曲线进行拟合，经过多次测试以及参照文献5152后，使其拟合的时间序列曲线逼近实际曲线。1.6 物候参数的提取提取植被物候参数是研究区域范围内长时间序列植被生长状态的重要环节。本研究采用最具有普适性，适合大尺度区域的动态阈值法提取植被的SOS、EOS，动态阈值法的原理是：当NDVI 增长或降低达到当年 NDVI 变幅一定百分比的时间分别定义为生长季的起始时间与生长季的结束时间46,5355。在经过反复试验不同阈值并参考他人研究后将SOS 和 EOS 的阈值设定为 20%和 50%（图 2）。生长 季 长 度（length of the growing season，LOS）由TIMESAT3.3 软件提取后的 EOS 和 SOS 在 R 语言中利用 terra 包对应相减获得。1.7 统计分析为了去除时间变化对气候物候关系的潜在混杂影响，通过提取以年份为预测变量的独立回归中的残差对植被物候和气象因子进行去趋势处理，得到物候和气象因子的年际波动8,19。在 R 语言中利用 trend 包的 Sen 斜率以及 MK 检验法分析计算毛乌素沙地植被物候的变化速率，分析其长期趋势并对其进行显著性检验；利用 raster 包的 cv 函数计算毛乌素沙地植被物候年际波动的变异系数，变异系数是标准差与平均值的比值，可以用来比较数据的离散程度以及波动的大小8,54。通过 Sen 斜率的C 指数计算了 SOS 和 EOS 长期趋势与年际波动对LOS 的相对贡献（式1）56。C=1+2|SOS|SOS|+|EOS|(1)式中：C 表示 SOS 和 EOS 对 LOS 的相对贡献，C 大于 0 且越趋向于 1 表示 LOS 的变化越受 SOS 影响，C 小于 0 且越趋向于1 表示 LOS 越受 EOS 影响。计算长期趋势或年际波动 C 值时，分别表示物候的 Sen 斜率或变异系数。为探究毛乌素沙地植被物候受气象因素的影响程度，将物候与当月，前两个月，以及累月的气象因子（温度、降水）在 R 语言中利用 terra 包和 ppcor 包进行逐像元偏相关分析，并以此来探究气象因子对物候的长期趋势与年际波动的影响因素。定义每个像元中偏相关系数绝对值最高的气象因子为该像元0.40.30.20.1归一化植被指数Normalized difference vegetation index拟合 NDVI Fitted NDVI遥感 NDVI Remotely-sensed NDVI100%100%50%20%0100200300365日序Days of year(DOY)SOSEOSSOS 表示植被生长季开始日期，EOS 表示植被生长季结束日期。下同。SOSrepresentsstartofthegrowingseason,whileEOSrepresentsendofthegrowingseason.Sameasbelow.图2用动态阈值法从重构后的时间序列中提取植被物候Fig.2VegetationphenologicalindicesextractedfromreconstructedNDVItimeseriesusingdynamicthresholdmethod64北京林业大学学报第45卷的主要气象驱动因子34,57。2结果与分析 2.1 毛乌素沙地植被物候多年均值空间格局毛乌素沙地 SOS 具有显著的空间差异，呈现自西向东以及自北向南逐渐提前的趋势（图 3），经度每向东变化 1，SOS 提前 6.7d，纬度每向南变化1，SOS 提前 1.8d。LOS 也存在与 SOS 空间分布相对应的空间差异，经度每向东变化 1，LOS 延长6.2d，纬度每向南变化 1，LOS 延长 4.9d。EOS 从东西方向上看，东部和西部边缘地区较晚，集中在第 300310 天；中部地区较早，集中在第 285295天。从南北方向上看，纬度每向南变化 1，EOS推迟 3.2d。2.2 毛乌素沙地植被物候时空变化特征2.2.1毛乌素沙地植被物候时间特征从毛乌素沙地总体尺度上看，在近 20 年的长期趋势上，毛乌素沙地 SOS 呈不显著提前趋势，提前速率为 0.58d/a；EOS 推迟速率为 0.25d/a，但趋势并不显著，LOS 显著延长，延长速率为 0.82d/a（图 4a、b、c）。在年际波动上，EOS 的年际波动较为剧烈。SOS 的年际波动与 LOS 的年际波动相关系数为0.77（P0.05）（图 4d、e、f）。SOS 的提前速率远大于 EOS 的推迟速率以及 SOS 的年际波动与 LOS 的年际波动偏相关系数远大于 EOS 与LOS 偏相关系数表明 LOS 的变化主要依赖于 SOS 的变化。2.2.2毛乌素沙地植被物候空间特征从毛乌素沙地像元尺度上看，SOS 呈提前趋势的像元占整个毛乌素沙地的 78.5%，显著提前的像元占 19.5%并集中在西部地区。SOS 在西部地区提前速率最大，向东递减（图 5a、e）。LOS 呈延长趋势的像元占毛乌素沙地的 78.1%，显著延长的像元占22.6%。LOS 延长与 SOS 提前的空间分布一致，并且变化速率由西到东递减（图 5b、f）。EOS 呈推迟趋势的像元占毛乌素沙地的 70.4%，显著推迟的像元仅占 10.3%。EOS 西部地区推迟速率最大，向中东abcSlope=6.7 d/()P 0.01Slope=6.2 d/()P 0.01Slope=0.27 d/()P 0.01Slope=1.8 d/()P 0.01Slope=4.9 d/()P 0.01Slope=3.2 d/()P 0.01DOY158127170135DOY304287107E108E109E110ENNN107E108E109E110E107E108E109E110E107E108E109E110E107E108E109E110E107E108E109E110E40N39N38N37N40N39N38N37N40N39N38N37N40N39N38N37N40N39N38N37N40N39N38N37NDOY131170108171DOY279303空间分布Spatial distribution天数 Days/d像元比例Pixel percentage/%0100 km0100 km0100 km100120140160180100120140160200280285290295300180SOS 日序DOY of SOSSOS 日序DOY of SOSEOS 日序DOY of EOSLOS 天数Days of LOS/d50d4030201006.0%48.0%35.4%10.6%160LOS 天数Days of LOS/d50e40302010012.12%32.57%42.53%12.77%170EOS 日序DOY of EOS6050f4030201003.1%37.8%52.0%7.1%300天数 Days/da、b、c图周边的灰色折线图表示植被物候在经度和纬度上的变化。Marginalplotsalongsidetheaxesofpanela,b,andcrepresentchangesinvegetationphenologyalonglongitudeandlatitude.图3毛乌素沙地 20012020 年平均物候空间格局与像元比例Fig.3SpatialpatternsofvegetationphenologicalindicesandtheirclassificationintopixelpercentageintheMuUsDesert第7期王鑫等：毛乌素沙地植被物候变化及其对气候的响应65部递减（图 5c、g）。长期趋势 C 指数大于 0 的像元占比为 75.3%，分布在毛乌素沙地大部分区域，表明LOS 的长期趋势的变化主要来源于 SOS 的长期趋势的变化（图 5d、h）。长期趋势 C 指数值小于 0 的像元占比为 34.7%，分布在毛乌素沙地东北部和西南部以及中部零散区域，表明 LOS 的长期趋势的变化主要来源于 EOS 的长期趋势的变化（图 5d、h）。而去趋势后的植被物候年际波动变异系数在空间上呈现东部地区波动大，然后向西部递减的梯度格局（图 6a、b、c）。年际波动 C 指数大于 0 的像元主要分布在毛乌素沙地中部和东部，占比为 58%，表明 LOS 年际波动的变化主要来源于 SOS 年际波动的变化。年际波动 C 指数小于 0 的像元主要分布在毛乌素沙地中部和西部，占比为 42%，表明 LOS 年际波动的变化主要来源于 EOS 年际波动的变化（图 6e、f）。2.3 气象因子对物候长期趋势的影响2.3.1温度、降水对 SOS 长期趋势的影响对毛乌素沙地 20012020 年间的植被 SOS 与降水、温度进行偏相关分析，结果如图 7 所示。从整体上来看，SOS 与各月份温度的偏相关系数比与降水的偏相关系数略高，并且通过显著性的像元也更多，说明 SOS 对各月份温度的响应更为明显。从温度上看，4 月、45 月、35 月的温度与 SOS 呈偏负相关关系，表明 SOS 受季前温度影响表现出提前趋势。在空间分布上，各个月份偏相关系数的绝对值自西向东逐渐升高（图 7），说明温度对 SOS 的影响逐渐加强。从降水上看，4 月的降水与 SOS 长期趋势的显著偏负相关像元比例和不显著偏负相关像元比例分别为 13.30%和 70.06%，表明 SOS 受 4 月降水影响表现出提前趋势，且通过显著性的像元主要分布在西部地区，偏相关系数绝对值较高。其余月份通过显著性检验的像元较少，表明这些月份的降水对 SOS 影响较弱。2.3.2温度、降水对 EOS 长期趋势的影响对毛乌素沙地 20012020 年间的植被 EOS 与降水、温度进行偏相关分析，结果图 7 所示。从整体上来看，9 月以及 910 月的温度与 EOS 的偏正相关系数最大，通过显著性的像元也最多，表明 EOS对季前温度的响应比降水更为明显。从温度上看，EOS9 月、910 月温度与 EOS 呈偏正相关关系，表明 EOS 受季前温度影响表现出推迟趋势。在空间分布上，与温度对 SOS 的影响相似，各个月份温度与 EOS 的偏正相关系数自西向东逐渐升高，说明温度对 EOS 的影响也逐渐加强。从降水上看，EOS 与各月份降水呈偏正相关关系，但偏相关系数与温度相比偏小且通过显著性的像元也更少。通过显著性像元最多的时段为 810 月，显著偏正相关像元比例和不显著偏正相关像元比例分别为 8.23%和72.44%，表明 EOS 受降水影响表现出推迟趋势，且通过显著性的像元主要分布在西部地区，偏相关系数绝对值较高。2.4 气象因子对去趋势物候年际波动的影响2.4.1温度、降水对 SOS 年际波动的影响对毛乌素沙地 20012020 年间的植被 SOS 与降水、温度在去趋势后进行偏相关分析，结果如图 8 和图 9 所示。从整体上来看，SOS 年际波动与年份 YearSslope=0.58,P=0.07Var=1.26DOY16015515014514013513012512020002005201020152020年份 Year20002005201020152020年份 Year20002005201020152020SOS去趋势 SOS Detrended SOS20151050510152015105051015去趋势DetrendedEOS去趋势DetrendedLOS去趋势DetrendedSslope=0.82,P=0.01Var=1.29LOS 天数 LOS days/d去趋势 LOS Detrended LOS151050510去趋势 EOS Detrended EOS175170165160155150145140135130DOY310300290280Sslope=0.25,P=0.25Var=1.33Sslope是 Sen 斜率；Var 是去趋势化数据的变异系数.SslopeisSensslope;Variscoefficientofvariationfordetrendeddata.图4毛乌素沙地区域尺度植被物候长期趋势与去趋势后的年际波动Fig.4Long-termtrendsandinterannualvariability(IAV)ofvegetationphenologyintheMuUsDesert66北京林业大学学报第45卷40N39N38N37N40N39N38N37N107E109E0NNNNNNNN111E107E109E111E40N39N38N37N40N39N38N37N40N39N38N37N40N39N38N37N40N39N38N37N40N39N38N37N107E109E111E107E109E111E107E109E111E107E109E111E107E109E111E107E109E111E50 km050 km050 km01.00.50.51.050 km050 km050 km050 km050 kma SOS 长期趋势SOS long-term trende SOS 长期趋势显著性Significance for SOSlong-term trend显著推迟(2.5%)Significant delay(2.5%)不显著推迟(18.2%)Nonsignificant delay(18.2%)不显著提前(59.4%)Nonsignificant advance(59.4%)显著提前(19.8%)Significant advance(19.8%)f LOS 长期趋势显著性Significance for LOSlong-term trendg EOS 长期趋势显著性Significance for EOSlong-term trendh LOS 相对贡献Relative contributionto LOSb LOS 长期趋势LOS long-term trendc EOS 长期趋势EOS long-term trendd C 指数C-index变化速率/(da1)Changing rate/(dyear1)变化速率/(da1)Changing rate/(dyear1)变化速率/(da1)Changing rate/(dyear1)C 指数C-index21012210110120显著推迟(10.5%)Significant delay(10.5%)不显著推迟(60.5%)Nonsignificant delay(60.5%)不显著提前(27.9%)Nonsignificant advance(27.9%)显著提前(1.2%)Significant advance(1.2%)EOS 贡献(24.5%)Contribution of EOS(24.5%)SOS 贡献(75.5%)Contribution of SOS(75.5%)显著延长(23.1%)Significant extension(23.1%)不显著延长(56.1%)Nonsignificant extension(56.1%)不显著缩短(18.5%)Nonsignificant shortening(18.5%)显著缩短(2.3%)Significant shortening(2.3%)LOS 表示植被生长季长度。LOSrepresentslengthofthegrowingseason.图5毛乌素沙地像元尺度植被物候长期趋势速率大小（ac）及显著性空间分布（eg）与 C 指数大小（d）及对 LOS 的相对贡献空间分布（h）Fig.5Long-termtrendsofvegetationphenology(ac)anditssignificantdistribution(eg),C-index(d)anditsrelativecontributiontoLOSdistribution(h)intheMuUsDesertSlope=0.03P 0.01Slope=0.02P 0.01Slope=0.01P 0.01Slope=0.02P 0.01Slope=0.004P 0.01Slope=0.01P 0.01CV1.61.2CV1.51.3CV1.41.3107E109ECV1.31.4CV1.31.4CV1.21.440N39N38N37N40N39N38N37NNN107E109E0 50 km0100 km107E109E40N39N38N37N40N39N38N37NN107E109E0 50 km107E109E40N39N38N37N40N39N38N37NN107E109E0 50 km变异系数CVC 指数 C-index1.1 1.2 1.3 1.4 1.5 1.6变异系数CV1.1 1.2 1.3 1.4 1.5 1.6变异系数CV1.1 1.2 1.3 1.4 1.5 1.6a SOS 年际波动的变异系数空间分布Spatial distribution of IAV for SOSd 年际波动的 C 指数空间分布Spatial distribution of IAVs C-indexe SOS 与 EOS 的年际波动对 LOS 年际波动的相对贡献Relative contribution of IAV from SOS and EOS to LOSb LOS 年际波动的变异系数空间分布Spatial distribution of IAV for LOSc EOS 年际波动的变异系数空间分布Spatial distribution of IAV for EOS40N39N38N37N107E108E109E110EN0100 km40N39N38N37N107E108E109E110E0.150.100.050.050.100.150EOS(42%)SOS(58%)a、b、c图周边的灰色折线图表示植被物候在经度和纬度上的变化。