近三十年全球陆地表面物候的变化与演化(1982-2012)外文翻译资料

 2022-01-30 09:01

近三十年全球陆地表面物候的变化与演化(1982-2012)

摘要：陆地表面物候(LSP)监测对于理解生态系统对气候系统的响应和反馈，以及在陆地生物圈模型中准确表达这些响应和反馈具有重要意义。此外，通过揭示各种尺度的物候趋势，LSP有潜力填补传统物候(现场)观测和全球模型的大规模视图之间的空白。在这项研究中，我们回顾和评估了卫星生长季节长度(GSL)的变化和演变，在全球和过去三十年。我们使用了迄今为止全球范围内最长的归一化植被指数(NDVI)数据连续记录，得出了1982-2012年期间所有植被覆盖地区的LSP指标。我们测试了GSL、季节开始和季节结束指标(SOS和EOS，分别)的线性趋势以及研究期间的显著趋势变化。我们使用全球环境分层信息代替常用的土地覆盖图来评估趋势，以避免循环发现。我们的研究结果证实了1982-2012年间，全球的生长期平均延长了0.22-0.34天/年，但在空间上呈现出不同的趋势。全球13-19%的陆地区域表现出显著的GSL变化，超过30%的趋势发生在北半球的北方/高山生物群落中，这表明近30年来GSL的进化存在差异。在该生物群落中，“冷中生”环境带是LSP变化的热点。我们还研究了SOS和EOS对整体变化的相对贡献，发现EOS趋势总体上比SOS趋势更强、更普遍。这些发现为确定植被覆盖土地表面的大规模物候驱动因素迈出了一步，这对于改进陆地生物圈模型中的物候表示是必要的。

关键词：地表物候、GIMMS3g、植被活动、生长期、春秋物候

引言

监测植被物候不仅对了解植被对气候变化的响应很重要，而且对确定植被响应对气候本身可能产生的反馈机制也很重要(Cleland et al., 2007; Morisette et al.,2009; Pentilde;uelas et al., 2009)。例如,植被活动的时间和持续时间在一年的核心的理解陆地碳汇的变化和分布,以及最近增加陆地碳吸收与植被物候学改变,除了二氧化碳和土地管理效果(Schimel etal., 2001; Sitch et al., 2015)。

除了植被物候在碳循环中所起的关键作用外，它对调节反照率、表面粗糙度和水通量(以及其他)的年内动态也很重要。因此，植被物候被认为是耦合气候模型中生物圈与大气相互作用的一个基本过程(Richardson et al.，2013)。然而,准确地代表生物气候学在陆地生物圈模型仍然是一个挑战(Richardson et al., 2012)的原因,在宽的或存在于植物物候变化和空间变化水平(Ibantilde;ez etal., 2010),和我们的知识有限的物理过程启动叶片发病和衰老(Arora amp; Boer, 2005)。因此，有必要提高我们对大规模植被活动季节性的认识(Richardson et al.， 2012)。大规模物候数据可以让我们量化物候对气候的响应，反之亦然，从而为弥合植物水平和模拟物候研究之间的鸿沟提供了可能(Morisette et al.， 2009)。

卫星获得的植被指数(VIs)的现有记录提供了一个机会，可以回溯地获得植被覆盖的土地表面物候学的资料，并产生了土地表面物候学(LSP; Reed et al.,2003)。近年来，关于LSP的研究有了很大的增长:例如，LSP的年度出版物数量在10年内增加了10倍(2004-2014) (Scopus, October 2015, data not shown)。ethodologies不同的复杂性提出了获得LSP描述符,如开始、结束和生长季节的长度(分别SOS, EOS和GSL)从VI时间序列,和常用的方法包括基于阈值、衍生和model-fitting方法(调查的方法,请参阅Reed et al., 1994;de Beurs amp; Henebry, 2010)。所使用方法的范围有助于报告趋势的变化，所使用的LSP指标和遥感数据集的变化构成了比较不同研究的挑战。

图1显示了对SOS、EOS和GSL在大规模(至少是大陆)纬度LSP研究中的长期变化(10年或更长时间)的估计。一般大型太阳能发电的方向变化是在协议的研究:结果通常指向相关的延长生长季节SOS推进和EOS延迟,但定量估计相关研究之间的大规模趋势相差很大(图1),特别是存在年代际变化趋势发现,最近的一些研究显示改变衰老GSL总体趋势的重要贡献(Jeong et al., 2011; Zhao et al., 2012; Zhu et al., 2012; Garonna et al., 2014)。之前的大规模研究也主要考虑了北半球(如图1所示)，尽管过去十年南半球(SH)的生产率趋势(Zhao amp; Running, 2010)的指标存在对比(尽管最常用的传感器(AVHRR)具有全球范围)。总而言之，现有大规模LSP研究的时空覆盖仍然不平衡，已经认识到需要对VIs季节模式的长期变化进行全面的全球分析(Buitenwerf et al.， 2015)。

在这篇论文中，我们通过对迄今为止最广泛的(时间和空间上的)VI时间序列的分析，在全球范围内评估了生长季长度(GSL)在过去30年的演变和变化。我们对过去30年LSP趋势的描述为图1中最广泛的全球研究增加了10年(Julien amp; Sobrino, 2009)，并追求两个主要目标:(1)确定发生LSP变化的特定生物气候区;(2)评价季节开始和结束(SOS和EOS)对总体变化的相对贡献。考虑到这一主题的文献，我们的分析试图提供过去30年大规模LSP趋势的一致和全面的估计，适合全球研究。

数据和方法

采用两种常用的SOS描述符EOS和GSL来提取年际和逐像素的LSP指标。我们研究了1982-2012年间这些指标的时间变化，并使用独立的全球环境分层来解释现有的趋势。该方法是基于之前在区域尺度上的工作(Garonna et al.， 2014)，其进一步发展如下部分所述。

植被活动时序数据

NDVI3g数据集由NOAA的高级甚高分辨率辐射计(AVHRR)数据生成，由NASA的全球库存监测和建模系统(GIMMS)小组开发，是目前全球范围内最长的连续时间序列植被活动(Tucker et al., 2005;Pinzon amp; Tucker, 2014)。每个月提供两个数据点，空间分辨率为0.0833度。整个AVHRR连续体的总体不确定度估计为plusmn;0.005个NDVI单位(Pinzon amp; Tucker, 2014)，与我们在分析中施加的最小年变化量(0.1个NDVI单位)相比可以忽略不计。最新版本(NDVI3g)的开发目标是在AVHRR时间范围内提供一个连续的、非平稳的全球数据记录，尤其适用于趋势分析(Zeng et al.， 2013;Pinzon amp; Tucker, 2014)。NDVI3g已经重新校准，以改善北纬地区的数据质量(Pinzon amp; Tucker, 2014)

在NDVI3g记录中，不到0.01%的陆地像素在其时间序列中包含标记为“丢失数据”的值。Pinzon amp; Tucker(2014)从平均季节剖面或样条插值中提取了在北方高纬度地区非常常见的标记为“可能下雪”的数据点。我们认为这些值是受雪影响数据的LSP季节性的一部分，因此没有从我们的时间序列中删除它们。然而，为了校正云干扰，我们每年使用NDVI3g数据(1981-2012)作为NDVI时间序列(HANTS)算法谐波分析的输入(version 1.3, Fast Fourier implementation, Roerink et al., 2000; Roerink et al., 2003; de Wit amp; Su, 2005)该方法利用傅里叶分析和时间序列内异常值的迭代标记，生成平滑的年度曲线。我们将HANTS following参数化(Garonna et al.， 2014)。对于HANTS的实现以及以下所有步骤，我们考虑了北半球(NH)像素的日历年(1月到12月)和南半球(SH)像素的7月到6月NDVI时间序列。

LSP指数的提取

在White et al.(2009)和Garonna et al.(2014)之后，我们使用了SOS和EOS的两个常用定义，分别称为Midpointpixel和Max-Increase方法(MP和MI)。MP方法使用相对阈值来定义SOS: SOS是NDVI在向上达到其年幅值一半的那一天。MI方法将SOS定义为一年中NDVI增长最大的一天。对于MP和MI, EOS都定义为在SOS的NDVI值低于或等于当年NDVI值的第一天(SOS之后)。SOS和EOS用day-of-year (DOY)表示，GSL是SOS和EOS在一年内的天数。

我们采用了Garonna等人(2014)的算法，并添加了标志，以便更好地解释生长季节的异常情况，识别需要特别注意的各种情况。表1总结并描述了这些标志。每个像素有超过15个标记的度量(即总可用年数的50%)被从进一步的分析中丢弃。

时序变化分析

对于每个像素，我们使用线性回归检验了GSL、SOS和EOS的趋势，并使用t检验检验了非零斜率的显著性。我们的结果中只考虑了5%水平的统计显著趋势。为了阐明LSP的几十年变化，我们使用10年移动窗口分析了全球平均GSL趋势的变化。为了比较我们的全球趋势估计数与以往的全球研究，我们进一步测试了1982-1991年和1982- 2003年期间的重大趋势的重要性和程度。此外，对于每个GSL时间序列，我们使用f检验来检验在31年长的时间序列中是否存在趋势转移，f检验考虑了时间序列中潜在的未知时间序列的单次转移(Andrews amp; Ploberger, 1994; Hansen, 2002; Andrews, 2003; Zeileis et al., 2003)。这种方法——如图2所示——使用迭代过程，最小化残差平方和来估计指定数据窗口内的最优断开位置。在我们的示例中,我们指定最小段长度的5年之前/之后一个断点(对应于大约15%的总时间),先前的研究后建议(Bai amp; Perron, 2003; Verbesselt et al., 2010; de Jong et al., 2012)。虽然时间序列可能包含不止一个显著的趋势变化，但是f检验只确定时间序列中(存在的)最相关的变化。当发现回归系数中存在结构变化的证据时，采用(Zeileis et al.， 2003)的方法对回归系数进行定时。

环境分层

我们使用全球环境分层(GEnS)对我们的结果进行分层(Metzger et al.， 2013b)。这张高分辨率的地球生物气候地图可以通过地球观测组织(GEO)门户网站(http://www.geosortal.org)获得。GEnS使用多变量统计聚类方法对125层、18个环境带(GEnZ)和7个生物群落中的所有陆地区域进行分类(Metzger et al.， 2013a;Metzger等，2013b)。在Winkel Tripel投影(Metzger et al.， 2013b)中，其原始分辨率为30 arcsec(赤道处约为1km2)。我们使用最大面积准则对gen进行栅格化和重采样，以匹配NDVI3g空间分辨率(Verburg et al., 2011)。换句话说，一个像素中覆盖最大区域的类决定了像素类的属性。这种聚合方法的一个含义是，在重新采样的数据中，不太流行的类的总体表示进一步减少(Verburg et al., 2011)。

检查发现的空间分布趋势,我们认为是一个“热点”的LSP改变任何一族气候带比例最高的重要GSL的趋势,以及在方法之间协议的这一比例都很和的平均变化估计发现(绝对差lt; 0.1天/年)。为了评估所发现的LSP变化所覆盖的区域，我们将结果以及氏族分层重新投影到等面积MODIS正弦投影中。

1982-2012年GLS物候学

我们的算法成功地从GIMMS NDVI3g分辨率(约2 x 106像素)所有可用土地像素的71%中捕获SOS、EOS和GSL指标，从而为大多数植被覆盖的土地区域提供了年度LSP指标。其余即废弃区域如下:NDVI季节性不明显的像素点和/或植被覆盖少的像素点占陆地像素点的14%(图3中白色部分);和像素标记为有两个或两个以上的生长季节在每年15%的土地覆盖像素(图3中灰色)。后者覆盖部分的亚马逊和中非森林地区,以及埃塞俄比亚和索马里大部分地区,印度北部,中国东北,美国阿根廷北部和中部。

大部分NH在31年的NDVI3g时间序列中，对每个像素成功提取出的LSP度量值中，变异系数(CV)值(lt; 0.2)和比例较高(gt;80%)，说明提取出的LSP度量值在这些区域是一致的。这对于几乎所有gt; 40°N的区域都是如此。相反，旱地和热带生物群落通常呈现低比例的非标记观测以及GSL估计值的高年际变异性(即图3中的高CV值)，我们在解释我们的结果时特别谨慎地考虑了这些区域

1982-2012年生长季长度变化趋势

我们发现重要趋势(alpha;= 5%)在GSL 13 -占全球陆地面积的19%(分别来自MI和议员)。大多数呈现显著趋势的地区(MP占63%，MI占54%)的生长期都有所延长。在全球范围内，我们的结果表明全球平均每年延长0.34-0.22天(根据MP和MI分别)。表2显示了1981-1991年(在Myneni等人1997年的研究之后)和1982-2003年(如Julien amp; Sobrino 2009年的研究)以及1982-2012年(整

全文共14401字，剩余内容已隐藏，支付完成后下载完整资料

英语原文共 38 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[140]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章