兩代AVHRR GIMMS NDVI數據集的對比分析——以新疆地區為例

杜加強,舒儉民,趙晨曦,賈爾恒·阿哈提,王麗霞,香 寶,方廣玲,劉偉玲,何 萍,*

1 中國環境科學研究院, 北京 100012 2 中國環境科學研究院環境基準與風險評估國家重點實驗室, 北京 100012 3 新疆環境保護科學研究院, 烏魯木齊 830011 4 環境保護部南京環境科學研究所, 南京 210042

兩代AVHRR GIMMS NDVI數據集的對比分析
——以新疆地區為例

杜加強1,2,舒儉民1,2,趙晨曦3,賈爾恒·阿哈提3,王麗霞4,香 寶1,2,方廣玲1,2,劉偉玲1,2,何 萍1,2,*

1 中國環境科學研究院, 北京 100012 2 中國環境科學研究院環境基準與風險評估國家重點實驗室, 北京 100012 3 新疆環境保護科學研究院, 烏魯木齊 830011 4 環境保護部南京環境科學研究所, 南京 210042

最新發布的1981—2012年的AVHRR GIMMS NDVI3g數據為了解區域植被的近期變化狀況提供了數據基礎。深入理解該版本與老版本GIMMS NDVIg(1981—2006年)之間的關系,對于使用新數據時充分利用已有老版本的研究結果具有重要意義。以我國西北干旱區的典型區域——新疆為例,研究了兩個數據集在反映生長季、春季、夏季和秋季植被現狀,植被變化趨勢及其對氣候變化響應方面的異同。研究結果表明:兩個數據集在描述植被活動空間分布、變化趨勢及其與氣候的相關性方面大體相似,但在數值、動態變化率及其對氣候變化響應強度等方面存在的差異也不容忽略。NDVI3g數據生長季和各季節NDVI數值多大于NDVIg,尤其是在夏季和在植被覆蓋較好的區域。區域尺度,NDVI3g所反映的植被變化趨勢更為平穩,尤其是在夏季和較長的時段,這可能與像元尺度NDVI3g顯著增加范圍小于NDVIg,而顯著減少范圍多于NDVIg有關。兩個數據集對氣溫、降水量、潛在蒸散發和濕潤指數的響應具有大體一致的空間格局,但對氣候因子變化的敏感性存在差異,哪一個數據集更為靈敏依賴于不同的氣候因子和時段。一般規律是NDVI3g與熱量因子顯著正相關的區域小于NDVIg,而與水分因子顯著正相關的區域則大于NDVIg。利用長期的生態數據集,盡快理清兩個數據集在表征植被變化之間的異同并建立兩者的轉換關系,對于合理開展植被變化、碳平衡、生態系統服務功能評估等廣泛利用NDVI數據的相關研究十分重要。

GIMMS NDVI3g；GIMMS NDVIg；植被活動；氣候變化；比較分析；新疆

植被是陸地生態系統最重要的組成部分,聯接了土壤圈、水圈和大氣圈的物質循環和能量流動,在調節陸地碳平衡和氣候系統方面發揮了重要作用[1- 3],監測植被動態變化具有重要的科學價值和現實意義。植被覆蓋變化受到氣候變化、人類活動的強烈影響[4- 9],地表植被對外界干擾的響應已經成為國內外學術界研究的熱點。開展大范圍的野外實地調查無疑是理論上監測植被狀況的最優方法[10],但該方法需要耗費大量人力、財力,同時由點上的結果擴展到面上時也可能產生偏差[11]。因此,在大尺度監測植被變化的最有效的方法是基于衛星的植被監測[10,12],其具有時間連續、空間范圍廣、可重復、廉價等特點[10,13- 14]。

歸一化植被指數NDVI是公認的陸地植被生長狀況的最佳表征指標,廣泛地應用于從全球到區域尺度的植被動態及其對氣候變化響應、土地退化區域識別、植被生產力和碳平衡等領域的研究之中。AVHRR GIMMS NDVI數據集具有時間序列長、覆蓋范圍廣、時空可比、較強地植被動態變化表征能力[15]等特點,被證明是描述植被生長動態變化最好的數據集之一[7,16- 18],得到了非常廣泛的應用,取得了大量的研究成果。目前,最常用的NDVI數據集是時間序列為1981—2006年的GIMMS NDVIg數據集,有關最近幾年植被變化及其與過去30年比較的研究需要擴展GIMMS NDVIg數據集的時間序列[14,19- 22]。國內外已經有學者開始進行GIMMS NDVIg和與其他傳感器NDVI數據集的比較與數據插補工作[3,12,23- 30]。最近,最新版本的GIMMS NDVI數據集發布[31],被稱作GIMMS NDVI3g,時間跨度為1981—2012年,其數據處理目標旨在提高高緯度地區的數據質量[32- 33],以便于更適合北半球生態系統植被活動變化的研究[23,34]。作為新一代的長時間序列數據集,該數據集可以為地表植被30多年來的整體變化趨勢提供基礎數據,勢必得到廣泛的應用。然而,由于AVHRR傳感器設計之初并不是以植被研究為目的,獲取NDVI之前需要進行一系列的校正處理工作,導致GIMMS NDVI數據集本質上是動態變化的,每一次有更新的數據加入必須要重新計算[35],這就使得即使是重疊年份1981—2006年的GIMMS NDVI3g與GIMMD NDVIg也不相同。因此,最新的GIMMS NDVI3g與過去應用最為廣泛的GIMMS NDVIg版本之間的對比研究勢在必行,這也是連接已有研究和未來利用GIMMS NDVI3g監測植被活動的橋梁。目前有關兩代數據的對比研究剛剛開始,尚未檢索到有關我國干旱區兩代數據集對比研究的相關報道。

為此,本文以中國西北干旱區的主體——新疆地區為例,利用生長季(3—11月)、春季(3—5月)、夏季(6—8月)和秋季(9—11月)4個合成時段,評價兩代數據集在表征植被時空變化趨勢及其對氣候變化響應的量級和空間模式上存在的差異和相似性,以期為未來利用GIMMS NDVI3g數據集評估干旱區植被動態變化趨勢時,如何合理利用GIMMS NDVIg的研究結果提供支撐和參考。

1 材料和方法

1.1 研究區域

新疆位于我國西北邊陲,介于73°20′—96°25′E,34°15′—49°10′N之間,總面積約1.66×106km2。境內大致呈緯向伸展的三大山系阿爾泰山、天山和昆侖山分割著準噶爾和塔里木盆地,形成了獨特的山體、盆地相間的地貌格局。山體垂直地帶性差異明顯,天山、阿爾泰山、昆侖山發育有大面積的森林和草地植被,準噶爾盆地和塔里木盆地分布有典型的溫帶荒漠植被,綠洲和城市則分布在河谷平原區。由于新疆南北跨度大,形成了以天山為界,南疆、北疆自然地理狀況差異較大的格局,分別屬于溫帶大陸性干旱半干旱氣候和暖溫帶大陸性干旱氣候。區域干旱、少雨、多大風的氣候特點,形成了廣布的沙漠戈壁景觀,植被覆蓋率總體較低,生態系統較為脆弱、敏感,是研究植被變化及其對氣候變化響應的理想區域。

1.2 數據來源與處理

GIMMS NDVIg和GIMMS NDVI3g數據集均來源于NASA戈達德航天中心,合成時段均為15 d。GIMMS NDVIg的空間分辨率為8km×8km(約為0.072°×0.072°),時間跨度是1981—2006年；GIMMS NDVI3g則分別為0.083°×0.083°,1981—2012年。

氣象數據來源于中國氣象科學數據共享服務網,包含53個站點的月氣溫、月降水量數據(氣象站點分布見圖1)。1∶1000000矢量化植被類型圖來自中國植被類型圖[36],將新疆地區的植被分為森林、灌叢、草地、耕地、荒漠和無植被6大類。

兩種NDVI數據經過子集提取、圖像鑲嵌、裁剪、數據格式轉換、投影轉換及質量檢驗等預處理過程,形成新疆GIMMS NDVIg和GIMMS NDVI3g數據集。采用最大值合成方法得到月尺度GIMMS NDVI數據,以進一步去除云的影響,并減少月內物候循環的影響[35]。參考相關研究[3,7- 8],采用0.05的NDVI值作為的植被閾值,排除非植被因素的影響。

1.3 研究方法

數值比較[15,29- 30]、相關性分析[17- 18]、趨勢一致性分析[15,35]以及NDVI對氣候變化響應[32]被認為是評價NDVI數據集之間一致性的有效方法。本文從NDVI數值、變化趨勢及其與氣候變化的相關性3個方面,來評價重疊年份(1982—2006年)GIMMS NDVIg和GIMMS NDVI3g數據集的一致性,以期在靜態、動態、空間格局、對外部干擾反映等多方面綜合反映兩個數據集的相似性。為了更好地利用兩代數據集的優勢與特點,以及方便利用已有NDVIg成果和未來NDVI3g數據處理,保留兩代數據集各自的分辨率。

NDVI的變化趨勢采用其與年份的最小二乘法回歸進行分析,得到回歸方程的斜率(Slope)和Pearson相關系數,分別用來表示植被生長的變化速率和變化趨勢。定義(SlopeGIMMS NDVI3g-SlopeGIMMS NDVIg)/ SlopeGIMMS NDVIg×100為兩個數據集變化趨勢的差值比率(ratio of difference between NDVI3g slope and NDVIg slope, RDNS)。NDVI對氣候變化的響應,采用NDVI與同期氣候要素的相關性來表征。氣象數據采用Kriging方法插值到GIMMS NDVIg和GIMMS NDVI3g數據集的空間分辨率。為了更好地表征植被與干濕條件之間的關系,計算了蒸散發和濕潤指數。蒸散發是唯一一個即出現在在水量平衡方程又出現在地表能量平衡方程中的要素[37- 38],與生態系統水分利用密切相關[8,38],尤其是在干旱和半干旱地區。參考相關研究[8],研究區域潛在蒸散發(ET)采用Thornthwaite方法計算,濕潤指數(HI)采用降水量與潛在蒸散發之比計算。

時段不同植被變化趨勢不同,時段長度也可能會對結果產生影響。因此,為深入探討兩個數據集所反映的新疆植被變化及其對氣候變化響應的動態過程,分別在1982—1999年、1982—2000年、…、1982—2006年8個時段計算NDVI變化趨勢及其與氣候因子的相關性。顯著增加、顯著減少區域面積在8個時段的變化趨勢、強度,采用其與1999—2006年年份的Pearson相關系數、斜率來計算。根據顯著性檢驗結果,將變化趨勢分為如下3個等級：極顯著(P<0.01)；顯著(P<0.05)；不顯著(P>0.05)。

2 結果

2.1 數值差異與相關性

生長季多年平均NDVI3g和NDVIg數據的數值分布顯示(圖1),≤0.20區間NDVIg的分布區域均大于NDVI3g,在大于0.20區間則相反。兩者之間逐像元的差值結果顯示(圖1),66%的研究區域NDVI3g均大于NDVIg,生長季多年平均的平均偏差為0.0230,且植被覆蓋度較高的天山南北、阿爾泰山以及塔里木盆地西北邊緣、西南邊緣偏差較大。

圖1 NDVI3g與NDVIg生長季多年平均值分布與差值Fig.1 Distribution and differences between NDVIg and NDVI in growing season

分別統計1982—2006年植被區域NDVI3g和NDVIg生長季、各季節的區域平均年NDVI值,并計算相關系數、平均偏差、均方根誤差和相對偏差(表1,圖2)。各季節兩者之間的相關性均達到了0.01的顯著性水平,秋季相關性最強,春季最弱；數值差異方面,植被區域NDVI3g數值比NDVIg高19%—28%,秋季相對差異最小,夏季較大。

表1 區域尺度各季節NDVI3g與NDVIg的關系

2.2 變化趨勢的一致性

區域尺度,盡管兩個數據集NDVI的變化趨勢十分相似(圖2,表2),兩者在8個時段均多呈顯著增加趨勢；除夏季所有時段NDVI3g變化量小于NDVIg(約低10%—43%),生長季、春季和秋季均呈前幾個時段NDVI3g變化量大于NDVIg,而后幾個時段NDVIg大于NDVI3g,春季趨勢變化幅度差異最大,達到-34%—55%,秋季最小為-15%—13%。兩個數據集夏季變化趨勢的差異呈隨時段延長而增加趨勢,生長季、春季和秋季多呈隨時段延長先減小后增加趨勢。

像元尺度,兩者生長季、春夏秋3個季節NDVI變化趨勢的空間分布大致較為相似(圖3),但不同時段呈顯著變化的區域大小明顯不同(表3)。夏季、秋季NDVI3g呈增加、顯著增加趨勢的范圍8個時段均小于NDVIg,面積差值的多時段平均值范圍為-6.31% —3.15%；生長季和春季也多小于NDVIg,面積差值的多時段平均值范圍為-6.91%—1.13%；而NDVI3g呈顯著減少趨勢的區域則多大于NDVIg,面積差值的多時段平均值范圍為0.96%—3.08%。兩個數據集除生長季顯著增加、春季顯著增加區域的差值呈先減少后增加趨勢外,生長季、夏季和秋季兩者呈增加、顯著增加和顯著減小區域面積差值均呈隨時段延長而明顯快速擴大。

2.3 對氣候變化響應的差異

區域平均尺度,兩個NDVI數據集與同期氣溫、降水量、ET和HI的相關性見表4。兩個數據集在生長季和各季節對不同氣候因子變化響應的差異基本一致。除秋季NDVI3g與降水量和HI的相關系數絕對值在多數時段大于NDVIg以外,NDVIg與氣候因子的相關性總體高于NDVI3g,僅在少數時段NDVI3g與氣候因子的相關性高于NDVIg。

圖2 兩個數據集1982—2006年的NDVI變化趨勢Fig.2 NDVI dynamics of two datasets during 1982—2006

圖3 兩個數據集NDVI變化量與趨勢顯著性Fig.3 Spatial distribution of NDVI trends over Xinjiang with two datasets

季節Seasons指標Indicators1982—19991982—20001982—20011982—20021982—20031982—20041982—20051982—2006生長季NDVI3g0．0010??0．0010??0．0009??0．0009??0．0007??0．0006??0．0005??0．0004?GrowingseasonNDVIg0．0010??0．0009??0．0009??0．0009??0．0008??0．0007??0．0007??0．0006??RDNS/%1．216．493．70-2．96-10．46-16．67-21．69-33．02春季SpringNDVI3g0．0006?0．0008??0．0008??0．0007??0．00050．00040．00030．0002NDVIg0．00050．00050．0006?0．0006?0．00050．00040．00040．0004RDNS/%40．0555．1427．7216．244．81-7．98-21．16-33．56夏季SummerNDVI3g0．0014??0．0013??0．0011??0．0010??0．0008??0．0007?0．0006?0．0005NDVIg0．0016??0．0014??0．0013??0．0012??0．0011??0．0010??0．0010??0．0009??RDNS/%-12．06-9．60-13．67-20．62-26．98-30．87-35．71-43．30秋季AutumnNDVI3g0．0011??0．0009??0．0009??0．0009??0．0008??0．0007??0．0006??0．0005?NDVIg0．0010??0．0008??0．0008??0．0008??0．0008??0．0007??0．0006??0．0006??RDNS/%4．364．4813．239．264．71-0．57-1．64-14．67

**代表顯著性水平小于0.01,*代表小于0.05; RDNS: NDVI變化趨勢的差值比率

表3 兩個數據集各季節8個時段不同變化趨勢的面積比例(%)

P為相關系數為正值區域面積比例，SN、SP分別為顯著水平達到0.05的負值和正值區域面積比例

圖4 兩個數據集生長季NDVI與氣候因子的相關性Fig.4 Spatial distribution of correlations between NDVI and climatic factors

像元尺度,兩個NDVI數據集與同期氣溫、降水量、ET和HI相關性的空間格局(圖4)表明,總體上,兩個數據集在反映植被對氣候變化響應方面基本一致,NDVI與氣候因子相關性的空間格局較為相似,顯著、極顯

表4 兩個數據集與4種氣候因子的相關系數

①、②、③、④分別為生長季、春季、夏季和秋季

表5 兩個數據集與4種氣候變量不同相關性的區域比例(%)

Tem和Pre分別為氣溫temperature和降水量precipitation

著相關區域的分布、規模大體一致(表4)。縱觀8個時段的計算結果(表5),與NDVIg相比,生長季與各季節NDVI3g與氣溫、ET顯著正相關的區域相對較小,顯著負相關的區域范圍則在多數時段相對較大。生長季和各季節NDVI3g與降水量、HI呈顯著正相關的區域范圍在多數時段大于NDVIg,而在春季和秋季NDVI3g與降水量和HI呈顯著負相關的區域范圍在各時段均小于NDVIg,生長季和夏季則在多數時段大于NDVIg。隨著時段延長,兩個數據集與氣候相關性位于同一顯著性水平的面積差距多有擴大趨勢。

3 討論和結論

本文的研究結果與北半球高緯度地區研究得出的NDVI3g的變化量是NDVIg兩倍[32]的結果不盡相同,新疆地區NDVI3g與NDVIg在表征植被活動動態變化趨勢的量級方面,變化量相對大小無固定模式,哪一個數據集的動態變化趨勢更強,依賴于時段和季節。與北美地區的研究結果[10]一致,NDVI值較小的區間(約<0.2)NDVIg大于NDVI3g,較大的區間相反,表明在植被低覆蓋度區域NDVIg可能高估了植被NDVI值,而在植被高覆蓋區域則低估了植被NDVI值。值的說明的是,NDVI3g和NDVIg哪一個更符合新疆的實際情況,則需要采用其他衛星數據或大量的地面長期觀測數據集、渦度通量塔觀測數據集等來評判,超出了本文的研究范疇。

NDVI3g與反映水分狀況的氣候因子(降水量、HI)正相關性多強于NDVIg,而與反映熱量的氣溫、ET則多呈相反規律,表明不同時段兩個數據集對不同氣候因子變化的敏感性存在差異；不同季節之間,兩個數據對各種氣候因子變化的響應量級也不盡相同。

NDVI長期數據為研究植被活動提供了所必需的關鍵歷史視角[28]。但若想獲得任何有意義的陸表植被監測,連續的、相互校準的植被指數長期時間序列是關鍵需求[10,15,17,28]。NDVI3g和NDVIg之間的數值差異有可能對利用NDVI數據集的各種研究結果產生影響。比如,生長季和夏季兩個數據集的不同,有可能對基于NDVI的植被生產力估算、碳匯潛力分析、農作物估產、生態系統服務功能評估等產生較大影響；尤其是植被覆蓋更高的地區和生長旺盛的夏季,較大的NDVI數值差異,可能對結果產生實質性的影響。特別是NDVI被廣泛用于評估碳匯,NDVI數據集之間的差異可能影響國家碳賬戶的平衡,從而進一步影響與碳排放相關國際履約和國際談判。春季、秋季NDVI的不同,則可能影響動植物物候變化的研究結論,從而對預報農事、指導農牧業和林業生產、指示病蟲害、引種和選種等方面產生誤導。

本文比較了最新的GIMMS NDVI3g和老版本GIMMS NDVIg在監測植被動態變化及其對氣候變化響應方面的異同,主要發現歸納如下：

(1)兩個數據集在描述植被活動空間分布方面較為一致,但有一定的數量差異。66%的研究區域生長季NDVI3g均大于NDVIg,生長季NDVI3g與NDVIg的平均偏差為0.0230。空間上,植被覆蓋度較高的天山南北、阿爾泰山以及塔里木盆地部分邊緣地帶偏差較大；季節上,夏季兩個數據集的數值差異較大。

(2)總體上,NDVI3g與NDVIg在反映區域植被變化趨勢及其空間格局方面基本一致,但變化強度差異明顯。盡管在較短的時段,生長季、春季和秋季NDVI3g的增加量大于NDVIg,但總體上NDVI3g的變化更為平穩,尤其是在夏季和較長的時段,其年際增加量均小于NDVIg,這與像元尺度NDVI3g顯著增加范圍小于NDVIg,而顯著減少范圍多于NDVIg有關。春季NDVI3g與NDVIg變化趨勢差異最大,達到-34%—55%,秋季最小為-15%—13%。

(3)NDVI3g和NDVIg對氣溫、降水量、ET和HI的響應具有大體一致的空間格局,但是顯著相關的區域范圍具有一定差異。一般來說,NDVI3g與表征熱量的氣溫、ET顯著正相關的區域小于NDVIg,顯著負相關的區域則相反；NDVI3g與表征水分狀況的降水量、HI顯著正相關的區域則大于NDVIg；兩個數據集與降水量、HI呈顯著負相關區域的相對大小則依賴于季節和時段。

(4)NDVI3g數據對于了解地表植被歷史狀況以及近年的趨勢具有重要作用。鑒于NDVIg得到了廣泛應用并取得了大量研究成果,評估NDVI3g和NDVIg數據的一致性、建立兩者的轉換關系,以及利用長期生態數據集評判哪一個數據集更接近實際情況,是必要而緊迫的。

[1] Piao S L, Wang X H, Ciais P, Zhu B, Wang T, Liu J. Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006. Global Change Biology, 2011, 17(10): 3228- 3239.

[2] Peng J, Liu Z H, Liu Y H, Wu J S, Han Y N. Trend analysis of vegetation dynamics in Qinghai-Tibet Plateau using Hurst Exponent. Ecological Indicators, 2012, 14(1): 28- 39.

[3] Bao G, Qin Z H, Bao Y H, Zhou Y, Li W J, Sanjjav A. NDVI-Based long-term vegetation dynamics and its response to climatic change in the Mongolian Plateau. Remote Sensing, 2014, 6(9): 8337- 8358.

[4] Myneni R B, Keeling C D, Tucker C J, Asrar G, Nemani R R. Increased plant growth in the northern high latitudes from 1981 to 1991. Nature, 1997, 386(6626): 698- 702.

[5] Goetz S J, Bunn A G, Fiske G J, Houghton R A. Satellite-observed photosynthetic trends across boreal North America associated with climate and fire disturbance. Proceeding of the National Academy of Sciences of the United States of America, 2005, 102(38): 13521- 13525.

[6] Peng S S, Chen A P, Xu L, Cao C X, Fang J Y, Myneni R B, Pinzon J E, Tucker C J, Piao S L. Recent change of vegetation growth trend in China. Environmental Research Letters, 2011, 6(4): 044027.

[7] Nemani R R, Keeling C D, Hashimot H, Jolly W M, Piper S C, Tucker C J, Myneni R B, Running S W. Climate-Driven increases in global terrestrial net primary production from 1982 to 1999. Science, 2003, 300(5625): 1560- 1563.

[8] Zhao X, Tan K, Zhao S, Fang J. Changing climate affects vegetation growth in the arid region of the northwestern China. Journal of Arid Environments, 2011, 75(10): 946- 952.

[9] Mohammat A, Wang X H, Xu X T, Peng L Q, Yang Y, Zhang X P, Myneni R B, Piao S L. Drought and spring cooling induced recent decrease in vegetation growth in Inner Asia. Agricultural and Forest Meteorology, 2013, 178- 179: 21- 30.

[10] Scheftic W, Zeng X B, Broxton P, Brunke M. Intercomparison of seven NDVI products over the United States and Mexico. Remote Sensing, 2014, 6(2): 1057- 1084.

[11] 卓莉, 曹鑫, 陳晉, 陳仲鑫, 史培軍. 錫林郭勒草原生態恢復工程效果的評價. 地理學報, 2007, 62(5): 471- 480.

[12] Piao S L, Cui M D, Chen A P, Wang X H, Ciais P, Liu J, Tang Y H. Altitude and temperature dependence of change in the spring vegetation green-up date from 1982 to 2006 in the Qinghai-Xizang Plateau. Agricultural and Forest Meteorology, 2011, 151(12): 1599- 1608.

[13] Pettorelli N, Chauvenet A L M, Duffy J P, Cornforth W A, Meillere A, Baillie J E M. Tracking the effect of climate change on ecosystem functioning using protected areas: Africa as a case study. Ecological Indicators, 2012, 20: 269- 276.

[14] De Jong R, De Bruin S, Schaepman M, Dent D. Quantitative mapping of global land degradation using Earth observations. International Journal of Remote Sensing, 2011, 32(21): 6823- 6853.

[15] Beck H E, McVicar T R, van Dijk A I J M, Schellekens J, de Jeu R A M, Bruijnzeel L. Global evaluation of four AVHRR-NDVI data sets: Intercomparison and assessment against Landsat imagery. Remote Sensing of Environment, 2011, 115(10): 2547- 2563.

[16] Beck P S A, Goetz S J. Satellite observations of high northern latitude vegetation productivity changes between 1982 and 2008: ecological variability and regional differences. Environmental Research Letters, 2011, 6(4): 045501.

[17] Fensholt R, Langanke T, Rasmussen K, Reenberg A, Prince S D, Tucker C, Choles R J, Le Q B, Bondeau A, Eastman R, Epstein H, Gaughan A E, Hellden U, Mbow C, Olsson L, Paruelo J, Schweitzer C, Seaquist J, Wessels K. Greenness in semi-arid areas across the globe 1981- 2007——an Earth Observing Satellite based analysis of trends an drivers. Remote Sensing of Environment, 2012, 121: 144- 158.

[18] Alcaraz-Segura D, Liras E, Tabik S, Paruelo J, Cabello J. Evaluating the consistency of the 1982- 1999 NDVI trends in the Iberian Peninsula across four time-series derived from the AVHRR sensor: LTDR, GIMMS, FASIR, and PAL-II. Sensor, 2010, 10(2): 1291- 1314.

[19] 毛德華, 王宗明, 宋開山, 劉殿偉, 張柏, 張素梅, 羅玲, 張春華. 東北多年凍土區植被NDVI變化及其對氣候變化和土地覆被變化的響應. 中國環境科學, 2011, 31(2): 283- 292.

[20] Mao D H, Wang Z M, Luo L, Ren C Y. Integrating AVHRR and MODIS data to monitor NDVI changes and their relationships with climatic parameters in Northeast China. International Journal of Applied Earth Observation and Geoinformation, 2012, 18: 528- 536.

[21] 信忠保, 許炯心, 鄭偉. 氣候變化和人類活動對黃土高原植被覆蓋變化的影響. 中國科學 D輯: 地球科學, 2007, 37(11): 1504- 1514.

[22] 丁明軍, 張鐿鋰, 劉林山, 王兆鋒. 1982- 2009年青藏高原草地覆蓋度時空變化特征. 自然資源學報, 2010, 25(12): 2114- 2122.

[23] 陳燕麗, 龍步菊, 潘學標, 鐘仕全, 莫偉華. MODIS NDVI和AVHRR NDVI對草原植被變化監測差異. 遙感學報, 2011, 15(4): 831- 845.

[24] Fensholt R, Rasmussen K, Nielsen T T, Mbow C. Evaluation of earth observation based long term vegetation trends——Intercomparing NDVI time series trend analysis consistency of Sahel from AVHRR GIMMS, Terra MODIS and SPOT VGT data. Remote Sensing of Environment, 2009, 113(9): 1886- 1898.

[25] Gallo K, Ji L, Reed B, Eidenshink J, Dwyer J. Multi-platform comparisons of MODIS and AVHRR normalized difference vegetation index data. Remote Sensing of Environment, 2005, 99(3): 221- 231.

[26] 何月, 樊高峰, 張小偉, 柳苗, 高大偉. 浙江省植被NDVI動態及其對氣候的響應. 生態學報, 2012, 32(14): 4352- 4362.

[27] Tucker C J, Pinzon J E, Brown M E, Slayback D A, Pak E W, Mahoney R, Vermonte E F, El Saleous N. An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation data. International Journal of Remote Sensing, 2005, 26(20): 4485- 4498.

[28] Brown M E, Pinzon J E, Didan K, Morisette J T, Tucker C J. Evaluation of the consistency of long-term NDVI time series derived from AVHRR, SPOT-Vegetation, SeaWiFS, MODIS, and Landsat ETM+ Sensors. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(7): 1787- 1793.

[29] Steven M D, Malthus T J, Baret F, Xu H, Chopping M J. Intercalibration of vegetation indices from different sensor systems. Remote Sensing of Environment, 2003, 88(4): 412- 422.

[30] Fontana F M A, Coops N C, Khlopenkov K V, Trishchenko A P, Riffler M, Wulder M A. Generation of a novel 1km NDVI data set over Canada, the northern United States, and Greenland based on historical AVHRR data. Remote Sensing of Environment, 2012, 121: 171- 185.

[31] Pinzon J E, Tucker C J. A non-stationary 1981- 2012 AVHRR NDVI3gtime series. Remote Sensing, 2014, 6(8): 6929- 6960.

[32] Jiang N, Zhu W Q, Zheng Z T, Chen G S, Fan D Q. A comparative analysis between GIMSS NDVIg and NDVI3g for monitoring vegetation activity change in the northern hemisphere during 1982- 2008. Remote Sensing, 2013, 5(8): 4031- 4044.

[33] Zhu Z C, Bi J, Pan Y Z, Ganguly S, Anav A, Xu L, Samanta A, Piao S L, Nemani R R, Myneni R B. Global data sets of vegetation leaf area index (LAI)3g and fraction of photosynthetically active radiation (FPAR)3g derived from global inventory modeling and mapping studies (GIMMS) normalized difference vegetation index (NDVI3g) for the period 1981 to 2011. Remote Sensing, 2013, 5(2): 927- 948.

[34] Xu L, Myneni R B, Chapin III F S, Callaghan T V, Pinzon J E, Tucker C J, Zhu Z, Bi J, Ciais P, T?mmervik H, Euskirchen E S, Forbes B C, Piao S L, Anderson B T, Ganguly S, Nemani R R, Goetz S J, Beck P S A, Bunn A G, Cao C, Stroeve J C. Temperature and vegetation seasonality diminishment over northern lands. Nature Climate Change, 2013, 3(6): 581- 586.

[35] Fensholt R, Proud S R. Evaluation of Earth Observation based global long term vegetation trends——Comparing GIMMS and MODIS global NDVI time series. Remote Sensing of Environment, 2012, 119: 131- 147.

[36] CVAEC, CAS. Vegetation Atlas of China (1:1,000,000), 2001. Beijing: Science Press, 2001.

[37] Xu C Y, Singh V P. Evaluation of three complementary relationship evapotranspiration models by water balance approach to estimate actual regional evapotranspiration in different climatic regions. Journal of Hydrology, 2005, 308(1/4): 105- 121.

[38] Gao G, Chen D L, Xu C Y, Simelton E. Trend of estimated actual evapotranspiration over China during 1960- 2002. Journal of Geophysical Research, 2007, 112(D11): D11120.

Comparison of GIMMS NDVI3g and GIMMS NDVIg for monitoring vegetation activity and its responses to climate changes in Xinjiang during 1982—2006

DU Jiaqiang1,2, SHU Jianmin1,2, ZHAO Chenxi3, JIAERHENG Ahati3, WANG Lixia4, XIANG bao1,2, FANG Guangling1,2, LIU Weiling1,2, HE Ping1,2,*

1ChineseResearchAcademyofEnvironmentalSciences,Beijing100012,China2StateKeyLaboratoryofEnvironmentalCriteriaandRiskAssessment,ChineseResearchAcademyofEnvironmentalSciences,Beijing100012,China3XinjiangAcademyofEnvironmentalProtectionScience,Urumqi830011,China4NanjingInstituteofEnvironmentalSciences,MinistryofEnvironmentalProtectionofthePeople′sRepublicofChina,Nanjing210042,China

The released third-generation NDVI datasets in 2014, GIMMS NDVI3g, provide a data basis for quantifying recent regional vegetation dynamics over a sufficiently long term. The comparison between the new and old versions (GIMMS NDVIg, from 1981 to 2006) is necessary to link previous studies with future applications of GIMMS NDVI3g in monitoring vegetation activity trends and their responses to climate change. In this study, GIMMS NDVI3g was initially compared with GIMMS NDVIg in an evaluation of spatio-temporal patterns of seasonal vegetation changes in Xinjiang Province, China, at regional and pixel scales during overlapping periods from 1982 to 2006. The influences of climate change (including temperature, precipitation, potential evapotranspiration, and humidity index) on vegetation growth were then analyzed based on GIMMS NDVI3g and GIMMS NDVIg. To better understand the relationships between GIMMS NDVI3g and GIMMS NDVIg, NDVI trends and correlations between NDVI and climatic factors were calculated over multiple nested time series from 18 to 25 starting in 1982. The results indicated that most areas showed an approximate consistency in overall changing trends and correlations with climate variables for both datasets, but differences in many aspects should not be ignored. In most pixels, numerical values of GIMMS NDVI3g were larger than those of GIMMS NDVIg in the growing season, spring, summer, and autumn, particularly in summer, and also in those areas with dense vegetation. At a regional scale, the NDVI trends of GIMMS NDVI3g were smoother than those of GIMMS NDVIg in the growing season and all seasons, particularly in summer and longer periods. At the pixel scale, areas with a significant increase in GIMMS NDVI3g were less than those in GIMMS NDVIg, whereas this was not true in those areas with a significant decrease. The spatial patterns of correlations between GIMMS NDVI3g and four climate variables were approximately similar to those between GIMMS NDVIg and the climate variables, but there were some differences in the sensitivity of both datasets to climate change. Which dataset is more sensitive depends on climate variables and periods. In general, areas with significantly positive correlations between GIMMS NDVI3g and thermal factors were fewer than those of GIMMS NDVIg, whereas positive correlations between NDVI and moisture factors were greater in GIMMS NDVI3g than in GIMMS NDVIg. Integrated other ecological datasets, it is urgent to identify the similarities and differences between the two datasets and to establish a connection between them for reasonably monitoring vegetation dynamics using NDVI datasets.

GIMMS NDVI3g; GIMMS NDVIg; vegetation; climate change; comparison; Xinjiang

國家自然科學基金資助項目(41001055)；國家環保公益性行業科研專項經費資助(201209027- 5)；中國環境科學研究院中央級公益性科研院所改革啟動專項(2012-YSGQ-05)

2015- 04- 19;

日期:2016- 03- 03

10.5846/stxb201504190805

*通訊作者Corresponding author.E-mail: heping@craes.org.cn

杜加強,舒儉民,趙晨曦,賈爾恒·阿哈提,王麗霞,香寶,方廣玲,劉偉玲,何萍.兩代AVHRR GIMMS NDVI數據集的對比分析——以新疆地區為例.生態學報,2016,36(21):6738- 6749.

Du J Q, Shu J M, Zhao C X, Jiaerheng Ahati, Wang L X, Xiang B, Fang G L, Liu W L, He P.Comparison of GIMMS NDVI3g and GIMMS NDVIg for monitoring vegetation activity and its responses to climate changes in Xinjiang during 1982—2006.Acta Ecologica Sinica,2016,36(21):6738- 6749.