Open Journal of Soil and Water Conservation
Vol. 07  No. 04 ( 2019 ), Article ID: 33514 , 9 pages
10.12677/OJSWC.2019.74010

Spatial and Temporal Variations of LAI in Huaihe River Basin during 2000~2016

Xinchuan Li, Jinmeng Xu, Lingyu Zhu, Lulu Peng, Caixin Xue

School of Urban and Environmental Sciences, Huaiyin Normal University, Huai’an Jiangsu

Received: Nov. 27th, 2019; accepted: Dec. 11th, 2019; published: Dec. 18th, 2019

ABSTRACT

The aim of this study was to adopt the leaf area index (LAI) product with one kilometer to assess vegetation spatial-temporal variations in Huaihe River basin from 2000 to 2016. The results showed that: 1) The annual mean LAI in Huaihe River basin was 1.16, and the distribution of LAI was characterized by high south and low north. 2) The average annual LAI showed a significant increase in Huaihe River basin from 2000 to 2016 (P value = 0.003), and the annual trends of LAI in Jiangsu Province of the basin was not significant. 3) Summer LAI in each province showed a very significant increase trend in all provinces. The trend of winter LAI in each province was not significant showed a very significant increase trend in all provinces, while LAI in each province had different trends in the summer and autumn.

Keywords:LAI, Huaihe River Basin, Trend Analysis, Temporal and Spatial Variation

2000~2016年淮河流域叶面积指数时空变化 特征

李鑫川,徐金梦,朱玲玉,彭露露,薛彩欣

淮阴师范学院城市与环境学院,江苏 淮安

收稿日期:2019年11月27日;录用日期:2019年12月11日;发布日期:2019年12月18日

摘 要

采用1 km的叶面积指数(leaf area index, LAI)产品数据,研究淮河流域2000~2016年的植被时空变化。结果表明:1) 淮河流域年均LAI为1.16,空间分布整体呈现南高北低的趋势。2) 2000~2016年淮河流域LAI整体呈现极显著增长趋势(P值为0.003),但流域内江苏省LAI年变化趋势并不显著。3) 各省的春季LAI都呈现极显著增加趋势,各省的冬季LAI变化趋势都不显著,而各省夏季和秋季的LAI变化趋势存在差异。

关键词 :叶面积指数,淮河流域,趋势分析,时空变化

Copyright © 2019 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY).

http://creativecommons.org/licenses/by/4.0/

1. 引言

叶面积指数(leaf area index, LAI)通常定义为单位地表面积上绿叶总面积的一半 [1],它与植被蒸腾、光合作用、呼吸和能量交换等诸多生态过程密切相关,作为表征植被冠层结构的关键参数,已经成为众多生物地球化学模型、动态植被模型和陆面过程模型中的重要状态变量或关键输入数据 [2] [3] [4]。研究叶面积指数的时空动态变化,将有助于理解生态系统平衡、气候变化、水循环和能量流动的变化规律 [5] [6]。

随着遥感技术的快速发展,许多传感器生产出了多种LAI产品,如CYCLOPES [7]、MOD15 [8]、AVHRR LAI [9] 以及GLASS [10] 等,为全球及区域LAI变化研究提供了重要途径 [11] [12]。梁博毅等 [13] 利用GLASS LAI数据对亚马逊热带雨林31年的植被变化进行了综合分析。柳艺博等 [14] 利用MODIS数据反演生成的500 m LAI产品,分析了2000~2010年间我国森林叶面积指数的时空分布特征。董金房等 [15] 基于2001~2014年MODIS叶面积指数产品,分析陕西省叶面积指数的年际和年内空间格局变化特征。

淮河流域地处中国南北气候过渡带,具有南北气候的典型特征,并且地表覆被类型丰富,但还未利用LAI产品对淮河流域植被变化进行研究。为此,本文利用2000~2016年淮河流域LAI产品数据,分析淮河流域及其流域内主要省份(江苏省、安徽省、河南省和山东省)的LAI时空变化特征,包括LAI的年变化和季节变化的空间分布及变化趋势,以期为流域经济可持续发展和生态环境保护提供理论基础。

2. 研究区概况

淮河流域地处我国东部,位于东经111˚55'~121˚20',北纬30˚55'~36˚20'之间,流域面积27万平方公里。淮河发源于河南省桐柏山区,由西向东,流经河南、湖北、安徽、江苏四省。淮河流域地处我国南北气候过渡带,北部属于暖温带半湿润季风气候区,南部属于亚热带湿润季风气候区,流域多年平均降水量为875毫米。淮河流域西部、南部和东北部为山丘区,面积约占流域总面积的1/3,其余为平原。流域植被类型主要为各类农作物、灌丛、森林及草甸等。

3. 材料与方法

3.1. 数据来源与处理

本文采用的LAI数据为Yuan等 [16] 提出的改进LAI数据产品(http://globalchange.bnu.edu.cn/research/lai)。该数据集基于MODIS LAI产品(MODIS15 A2),首先采用改进的瞬时空间滤波算法和数据质量信息获取高质量数据,然后利用SG滤波算法生成改进的MODIS LAI产品,修正了原产品在时空上的不连续、不一致等问题。该数据产品的时间跨度为2000~2016年,时间分辨率为8天,每年获取46景影像,空间分辨率为1 km。通过MODIS Reprojection Tools (MRT)进行投影和拼接,经过裁剪获取研究区的LAI数据集(2000~2016年),采用均值法,分别计算各年及其四季(春季为3~5月、夏季为6~8月、秋季为9~11月、冬季为12月~次年2月)的平均LAI,计算公式为:

LAI = i = 1 n LAI i n (1)

其中,LAIi为第i景LAI值,n为研究的时间序列内LAI的数量。

3.2. 变化趋势分析

采用线性回归的方法拟合各像元LAI在年和季节的变化趋势。以时间t作为自变量,LAI作为因变量y,拟合的直线方程为y = a + bt,b为LAI随时间t变化的线性回归系数 [15],计算公式为:

b = i = 1 n i × LAI i ( i = 1 n i ) ( i = 1 n LAI i ) / n i = 1 n i 2 ( i = 1 n LAI i ) 2 / n (2)

式中n为研究时段影像数量,LAI为第i年(或季节)的LAI。其中,b > 0表示LAI变化为增加趋势,b < 0表示LAI变化为减少趋势。采用P值进行显著性检验,P < 0.01为极显著,P < 0.05为显著。结合基于像元的趋势分析法模拟LAI空间变化趋势斜率b值和P值,将变化趋势分为5个等级(表1)。

Table 1. Change trends of LAI

表1. LAI变化趋势

4. 结果与分析

4.1. 淮河流域多年平均LAI分析

根据淮河流域17年的LAI数据,计算了基于像元尺度的淮河流域年均和季均LAI结果(图1),并对流域和流域内四省结果进行统计(表2)。淮河流域多年平均LAI的空间分布整体呈现南高北低的趋势(图1(1)),主要分布在0.4~3.2之间,淮河流域年均LAI为1.16。其中南部的山区为流域年均LAI最高值区域,北部地区的年均LAI偏低。从四季来看,夏季LAI > 春季LAI > 秋季LAI > 冬季LAI,春季和夏季的LAI空间差异较为明显。从分省特征来看,安徽省LAI最大,山东省LAI最小,江苏省LAI和河南省LAI较为接近。淮河流域南部的桐柏大别山区和淮河流域西部的伏牛山区植被覆盖好、LAI值较高,而流域北部的沂蒙山区LAI林草植被覆盖率相对较低、LAI值较小。流域内平原地区LAI季节特征变化与农作物种植特点相关,且高于坡耕地的植被LAI。

4.2. 淮河流域LAI年变化分析

根据淮河流域2000~2016年年均LAI结果,绘制LAI变化曲线(图2),并对进行变化趋势进行线性拟合(表3)。淮河流域2000~2016年各年平均LAI在0.99到1.31之间呈现上升趋势,年平均LAI最大值和最小值分别出现在2000年和2007年,线性回归拟合斜率为0.011,线性拟合方程的决定系数为0.46,呈极显著水平(P = 0.003),整个淮河流域植被恢复得到显著改善,其中2000~2007年LAI增加较迅速,而2008~2016年LAI波动明显,且对江苏省和山东省的较大影响。而流域内四省变化略有差异,安徽省和河南省LAI为极显著增加趋势(P < 0.01),山东省LAI为显著增加趋势(P = 0.049),而江苏省LAI年变化趋势并不显著(P > 0.05),研究结果与相关学者 [17] [18] [19] [20] 的结论一致。

进一步对淮河流域LAI年变化趋势进行空间特征分析(图3),并对变化趋势面积进行统计(表4)。全流域LAI年变化不显著变化的面积比例为41.2%,显著增加和极显著增加的面积比例为13.8%和38.0%,进一步表明淮河流域植被总体呈现较好增长趋势,其主要增加的区域为河南的西部和南部、安徽全省、

Figure 1. Spatial distributions of annual and seasonal mean LAI in Huaihe River basin

图1. 淮河流域年均和季均LAI空间分布

Table 2. Statistical average values of annual mean LAI in Huaihe River basin

表2. 淮河流域多年LAI均值统计

Figure 2. Trends of the annual average LAI change in Huaihe River basin

图2. 淮河流域LAI年变化趋势

Table 3. Regression equations of LAI change trends in Huaihe River basin

表3. 淮河流域LAI年变化趋势的回归方程

Figure 3. Spatial distribution of the annual average LAI change trend in Huaihe River basin

图3. 淮河流域LAI年变化趋势空间分布

Table 4. Proportions of the annual average LAI change trend in Huaihe River basin

表4. 淮河流域LAI年变化趋势面积比例

山东西部以及江苏东北部沿海地区。全流域未呈现LAI呈现极显著减小的区域,极显著减小的面积比例为7.0%,主要分布于江苏省和山东省,特别是在江苏省的扬州、泰州和盐城地区存在较大面积的显著减小区域,研究表明近年来这些地区由于受到当地工商业经济发展的影响,农业耕作活动收到很大的影响。

4.3. 淮河流域LAI季节变化分析

根据淮河流域2000~2016年每年春夏秋冬的LAI数据,计算流域LAI季节变化趋势(图4),并对各季节LAI变化趋势面积进行统计(表5)。LAI变化趋势的季节性和区域性差异较为显著。春季全流域LAI 面积都呈现极显著增加趋势,其中显著增加和极显著增加的面积比例为14.8%和40.9%,主要分布于各省

Figure 4. Spatial distribution of the seasonal LAI change trend in Huaihe River basin

图4. 淮河流域LAI季节变化趋势空间分布

Table 5. Proportions of the seasonal LAI change trend in Huaihe River basin

表5. 淮河流域LAI季节变化统计结果

农业用地和林区。淮河流域是我国的主要农业生产基地,小麦产量占到全国的一半,随着近年来国家在农业方面的投入不断加大,使得春季农作物的长势质量不断增强。同时退耕还林政策的推行,农业用地逐渐向草地、林地转化,植被覆盖率得到一定改善。夏季流域LAI面积近年来总体变化不大,不显著变化的面积占72.9%,安徽省和山东省不显著变化的面积占全流域的21.4%和15.4%,而河南南部和西部地区的夏季LAI呈现增长趋势,但在江苏东南部地区存在较大范围的显著减小的区域,其可能是由于当地经济的发展,对农作物的夏季管理较差。秋季流域LAI呈现显著增加趋势,江苏省和安徽省呈现极显著增加趋势,主要分布于江苏中部和安徽南部地区,而河南省和山东省则总体变化不大。冬季全流域LAI都呈现不显著变化趋势,不显著变化的面积占82.8%,但在江苏北部和东南部以及河南东南部的小部分地区呈现显著下降趋势。

5. 结论

本研究利用2000~2016年LAI产品数据,探讨了淮河流域及其流域内四省(河南、江苏、安徽和山东)的LAI时空变化特征。研究结论如下:

1) 从2000~2016年年均和季均LAI来看,淮河流域年均LAI的空间分布整体呈现南高北低的趋势,淮河流域年均LAI为1.16。夏季LAI > 春季LAI > 秋季LAI > 冬季LAI,春季和夏季的LAI空间差异较为明显。从分省特征来看,安徽省LAI最大,山东省LAI最小。

2) 从年变化趋势来看,2000~2016年淮河流域LAI整体呈现极显著增长趋势(P = 0.003),年增长率为0.011,显著增加和极显著增加的面积比例为13.8%和38.0%,说明整个淮河流域植被恢复得到显著改善。安徽省和河南省年LAI为极显著增加趋势,山东省年LAI为显著增加趋势,而江苏省年LAI年变化趋势并不显著。

3) 从季节变化趋势来看,流域春季LAI呈现极显著增加趋势,流域秋季LAI呈现显著增加趋势,而流域夏季和秋季LAI变化并不显著。各省LAI春季和冬季变化趋势基本一致,但夏季和冬季变化不一致。

基金项目

江苏省高等学校大学生创新创业训练计划项目(201810323034Y,201810323035Y,201810323090X)支持。

文章引用

李鑫川,徐金梦,朱玲玉,彭露露,薛彩欣. 2000~2016年淮河流域叶面积指数时空变化特征
Spatial and Temporal Variations of LAI in Huaihe River Basin during 2000~2016[J]. 水土保持, 2019, 07(04): 71-79. https://doi.org/10.12677/OJSWC.2019.74010

参考文献

  1. 1. Chen, J.M. and Black, T.A. (1992) Defining Leaf Area Index for Non-Flat Leaves. Plant Cell and Environment, 15, 421-429. https://doi.org/10.1111/j.1365-3040.1992.tb00992.x

  2. 2. 王纪华, 赵春江, 黄文江. 农业定量遥感基础与应用[M]. 北京: 科学出版社, 2008.

  3. 3. 蔡福, 周广胜, 李荣平, 等. 陆面过程模型对下垫面参数动态变化的敏感性分析[J]. 地球科学进展, 2011, 26(3): 300-310.

  4. 4. 何晴, 吕达仁. 陆面过程中植被的描述及其卫星遥感反演——从定性描述向定量描述的发展[J]. 地球科学进展, 2008, 23(10): 1050-1060.

  5. 5. Leuning, R., Zhang, Y.Q., Rajaud, A., Cleugh, H. and Tu, K. (2008) A Simple Surface Conductance Model to Estimate Regional Evaporation Using MODIS Leaf Area Index and the Penman-Monteith Equation. Water Resources Research, 44, 1-17. https://doi.org/10.1029/2007WR006562

  6. 6. 陈洪萍, 贾根锁, 冯锦明, 董燕生. 气候模式中关键陆面植被参量遥感估算的研究进展[J]. 地球科学进展, 2014, 29(1): 56-67.

  7. 7. Baret, F., Hagolle, O., Geiger, B., et al. (2007) LAI, fAPAR and fCover CYCLOPES Global Products Derived from VEGETATION-Part 1: Principles of the Algorithm. Remote Sensing of Environment, 110, 275-286. https://doi.org/10.1016/j.rse.2007.02.018

  8. 8. Myneni, R.B., Hoffman, S., Knyazikhin, Y., et al. (2002) Global Products of Vegetation Leaf Area and Fraction Absorbed PAR from Year One of MODIS Data. Remote Sensing of Environment, 83, 214-231. https://doi.org/10.1016/S0034-4257(02)00074-3

  9. 9. Ganguly, S., Schull, M.A., Samanta, A., et al. (2008) Generating Vegetation Leaf Area Index Earth System Data Record from Multiple Sensors. Part 1: Theory. Remote Sensing of En-vironment, 112, 4333-4343. https://doi.org/10.1016/j.rse.2008.07.014

  10. 10. Xiao, Z.Q., Liang, S.L., Wang, J.D., et al. (2014) Use of General Regression Neural Networks for Generating the GLASS Leaf Area Index Product from Time-Series MODIS Surface Reflectance. IEEE Transactions on Geoscience and Remote Sensing, 52, 209-223. https://doi.org/10.1109/TGRS.2013.2237780

  11. 11. Aleixandre, V., Iolanda, F., Frédéric, B. and Peñuelas, J. (2016) Vegetation Baseline Phenology from Kilometric Global LAI Satellite Products. Remote Sensing of Environment, 178, 1-14. https://doi.org/10.1016/j.rse.2016.02.057

  12. 12. 谢军飞, 许蕊. 基于MODIS数据的北京植被叶面积指数的时空变化[J]. 生态学杂志, 2014, 33(5): 1374-1380.

  13. 13. 梁博毅, 刘素红, 瞿瑛, 等. 利用GLASS LAI数据分析1982-2012年亚马逊热带雨林变化[J]. 遥感学报, 2016, 20(01): 149-156.

  14. 14. 柳艺博, 居为民, 陈镜明, 等. 2000-2010年中国森林叶面积指数时空变化特征[J]. 科学通报, 2012, 57(16): 1435-1445.

  15. 15. 董金芳, 袁媛, 何慧娟, 等. 基于MODIS的陕西省叶面积指数时空变化特征分析[J]. 西北林学院学报, 2016, 31(3): 79-85.

  16. 16. Yuan, H., Dai, Y., Xiao, Z., Ji, D.Y. and Wei, S.G. (2011) Reprocessing the MODIS Leaf Area Index Products for Land Surface and Climate Modelling. Remote Sensing of Environment, 115, 1171-1187. https://doi.org/10.1016/j.rse.2011.01.001

  17. 17. 邓凯, 黄长江, 袁慧慧, 等. 基于MODIS的2007-2017安徽省植被指数时空变化特征研究[J]. 黑龙江工程学院学报, 2018, 32(6): 28-31.

  18. 18. 李新鸽, 朱连奇, 陈超男. 2000-2015年河南省植被NDVI时空变化特征分析[J]. 河南大学学报(自然科学版), 2018, 48(5): 53-63.

  19. 19. 于泉洲, 梁春玲, 刘煜杰, 等. 基于MODIS的山东省植被覆盖时空变化及其原因分析[J]. 生态环境学报, 2015, 24(11): 47-55.

  20. 20. 徐勇, 奚砚涛, 刘欣婷. 2000-2013年江苏省植被覆盖度时空变化特征[J]. 西南农业学报, 2016, 29(2): 236-243.

期刊菜单