1982

您所在的位置：网站首页 › 中国植被的特点 › 1982

1982

2024-06-19 00:00| 来源: 网络整理| 查看: 265

1 引言

植被覆盖在区域气候调节、固碳释氧、水土保持、生物多样性保护、原材料和食物生产以及景观旅游等生态服务功能中扮演了极其重要的角色[1]。中国沿海地区地处西太平洋和欧亚大陆之间,海陆属性兼备,自然环境复杂多变,生态脆弱性较高[2]。近些年来,在全球气候变化和区域社会经济迅猛发展的背景下,沿海地区植被覆盖发生了深刻的变化[3,4,5]。与气候平均态相比,极端气候对植被覆盖的影响具有敏感度高、破坏性强、地域差异性更突出等特点[6,7]。中国沿海地区南北纬度跨距大,水热条件和地表基质等植被生长影响因素具有明显的地带性和区域性,因此,开展中国沿海植被动态及其对极端气候变化的响应研究对该地区生态系统演变的认识、生态环境的保护以及防灾减灾等具有重要意义。

归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9]。研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化。植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素。前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18]。近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高。例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19]。日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20]。纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21]。极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22]。西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23]。华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24]。可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性。迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确。因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据。

2 研究方法与数据来源 2.1 研究区概况

根据省级行政区划,将中国东部临海的14个省、市、区确定为研究区（未包括台湾、南海诸岛和海域;北京市也列入研究范围之内以确保研究区在空间上的完整性和连贯性）,简称为中国沿海地区。中国沿海地区南北纬度跨距大,气候和下垫面因子等复杂多变,因此,依据中国气象局预测减灾司和国家气象中心发布的中国气象地理区划标准对沿海地区进行分区[25],从北至南依次分为东北（I区）、华北（II区）、黄淮（III区）、江淮（IV区）、江南（V区）和华南（VI区）共6个沿海子区域[26]（图1）。其中,黄淮（含）以北的子区域属于温带和暖温带,黄淮以南的属于亚热带和热带地区。研究区年平均气温从东北沿海的8.6 ℃逐渐增至华南沿海的21.5 ℃。年降水量北低南高,其中,以华南沿海地区的1660.7 mm居首,华北沿海地区的537.7 mm最小。年均日照时数和相对湿度分别从东北沿海的1800 h和60%增至华南沿海的2600 h和80%。沿海地区的地形以平原和丘陵为主,两者分别主要位于北方和南方沿海,海拔一般分别在200 m和500 m以下。

显示原图| 下载原图ZIP| 生成PPT

图1 中国沿海地区地理位置、气象地理分区及地面气象站点注：基于国家测绘地理信息局标准地图服务系统的标准底图（审图号：GS(2016)2885号）制作,底图无修改。

Fig. 1 Location of the coastal area of China, meteorological and geographical zones, and meteorological stations

2.2 数据来源与预处理

NDVI数据来自美国克拉克实验室的NASA GIMMS AVHRR Global NDVI3g 1/12 degree数据集。选用该数据集中全球范围内1982—2014年GIMMS NDVI3g的月值数据,其空间分辨率为0.0833°×0.0833°（https://clarklabs.org/additional-products/global-archive-2-avhrr/）。原始数据已完成了辐射校正、几何校正等处理以消除非植被因素的干扰。基于aml宏语言进行NDVI数据投影和格式转换、裁剪以及真实值计算,并利用均值法获取中国沿海地区及各子区域生长季内（4—10月）各月和整个生长季的历年值以及多年均值。

气象资料来源于中国气象局国家气象信息中心。通过真实值计算、缺测值处理以及均一化检验[27]等,共选取出中国沿海地区1982—2014年156个地面气象站（图1）的日平均气温、日最高（低）气温和日降水量数据;利用RClimDex模型[28]计算获得冷（暖）昼日数、气温日较差和日最高（低）气温的极高（低）值共5个极端气温指数,以及单日最大降水量和连续5日最大降水量共2个极端降水指数。上述7个极端气候指数由ETCCDMI（Expert Team on Climate Change Detection and Indices）推荐,可反映气温事件昼夜和温差的边缘态,以及降水事件短期和较长期的极端态[29]。同时,为了突出NDVI与极端气候和与气候平均态的响应差异,文中也分析了NDVI与月平均气温、年平均气温、月降水量以及年降水量之间的相关性。文中所选取的气候指数如表1所示。

Tab. 1 表1

表1 气候指数的定义与分类

Tab. 1 Definition and classification of climate indices

分类代码名称定义单位气温类指数TX10p冷昼日数日最高气温90%分位值的日数dDTR气温日较差年内日最高气温与最低气温的差值oCTXx日最高气温的极高值每月内日最高气温的最大值oCTNn日最低气温的极低值每月内日最低气温的最小值oCTm月平均气温每月所有日数的平均气温oCTy年平均气温每年所有月份的平均气温oC降水类指数RX1day单日最大降水量每月最大1日降水量mmRX5day连续5日最大降水量每月连续5日最大降水量mmTPm月降水量每月所有降水日数的总降水量mmTPy年降水量全年所有降水日数的总降水量mm

新窗口打开

2.3 研究方法

采用一元线性回归法[30]计算NDVI时序数据的线性斜率,并将10倍斜率值定义为变化幅度以分析NDVI的时空变化特征。基于R/S法计算区域尺度上NDVI变化趋势的Hurst指数H以反映其变化趋势的持续性[31],H的取值介于[0, 1]之间,其中,当0≤H

图2a表明,沿海大部分地区生长季NDVI的年均值在0.5以上。其中,东北沿海东部和江淮（含）以南大部分地区NDVI的年均值在0.7以上,植被覆盖状况相对较好,而东北和华北沿海的西北部、渤海湾和黄河三角洲的近岸地区、珠江三角洲以及整个沿海地区临海一带NDVI的年均值多在0.3~0.5之间,植被覆盖相对较低。

由图2b可知,1982—2014年沿海地区生长季NDVI多呈上升趋势,上升率介于0~0.37/10 a之间。其中,沿海大部分地区NDVI的上升幅度较小,变化幅度在0~0.02/10 a之间,仅东北沿海西部、华北沿海东北和南部、江淮沿海北部以及广西西南部NDVI的上升幅度在0.02/10 a~0.05/10 a之间,变化率相对较大。生长季NDVI呈下降趋势的区域主要集中分布在长江三角洲和珠江三角洲地区,下降幅度介于-0.06/10 a~0/10 a之间。

3.2 NDVI对极端气候的响应

3.2.1 极端气温指数（1）年尺度相关性分析

NDVI与极端气温指数之间年尺度相关系数的空间分布特征如图3a~图3e所示。总体而言,沿海大部分站点区域NDVI与极端气温指数年尺度相关系数的绝对值在0.3以下,普遍呈弱相关程度,部分站点区域相关系数的绝对值介于0.5~0.67之间,达到强相关程度。具体来看,年尺度上,NDVI与冷昼日数之间以负相关为主（图3a）,站点区域比例约为65%,该类站点广泛分布在整个沿海地区,与之相反,NDVI与暖昼日数之间多呈正相关（图3b）,占比约为61%,该类站点多分布在黄淮以南各子区域。NDVI与气温日较差之间呈正、负相关的站点区域具有显著的南北分布格局。其中,约57%的站点区域表现为正相关,多分布在江淮及其以南各沿海子区域,呈负相关的站点区域主要分布在江淮以北（图3c）。约56%的站点区域的NDVI与日最高气温的极高值之间呈正相关,主要分布在除东北沿海西部和华北沿海以外的其他地区（图3d）。NDVI与日最低气温的极低值之间以正相关为主,占比约为65%,该类站点区域在整个沿海地区广泛分布（图3e）。

显示原图| 下载原图ZIP| 生成PPT

图3 1982—2014年中国沿海地区生长季NDVI与气温类指数之间年尺度相关系数的空间分布特征注：基于国家测绘地理信息局标准地图服务系统的标准底图（审图号：GS(2016)2885号）制作,底图无修改。

Fig. 3 Spatial distribution of correlation coefficient between growing season NDVI and the temperature indices at annual scale in the coastal area of China during 1982-2014

NDVI与年平均气温之间相关系数的绝对值多在0.3以下,普遍呈弱相关程度,仅少数站点区域相关系数的绝对值介于0.5~0.63之间,达到了强相关程度（图3f）。约71%的站点区域NDVI与年平均气温之间呈正相关,该类站点区域广泛分布在整个沿海地区,其余呈负相关的主要分布在东北沿海西部和华北沿海境内。

（2）月尺度相关性分析

NDVI与极端气温指数之间月尺度相关系数的空间分布特征如图4a~图4e所示。各站点区域NDVI与极端气温指数之间月尺度相关系数的绝对值均在0.4以下,普遍小于年尺度相关系数,属于中等以下相关程度。月尺度上,NDVI与冷昼日数约在80%的站点区域呈负相关（图4a）,相反,NDVI与暖昼日数在65%的站点区域呈正相关,仅在东北沿海西部和华北沿海表现为负相关（图4b）。NDVI与气温日较差约在77%的站点区域呈月尺度正相关,该类站点区域主要位于江淮及其以南各子区域内,其余呈月尺度负相关的站点区域多分布在东北沿海西部、华北和黄淮沿海境内（图4c）。月尺度上,NDVI与日最高气温的极高值多在东北沿海西部、华北和黄淮沿海境内表现为负相关（占比约为47%）,在其余区域多呈正相关（图4d）。NDVI与日最低气温的极低值之间以月负相关为主,占比达68%,该类站点区域在整个沿海地区广泛分布（图4e）。

显示原图| 下载原图ZIP| 生成PPT

图4 1982—2014年中国沿海地区生长季NDVI与气温类指数之间月尺度相关系数的空间分布特征注：基于国家测绘地理信息局标准地图服务系统的标准底图（审图号：GS(2016)2885号）制作,底图无修改。

Fig. 4 Spatial distribution of correlation coefficient between growing season NDVI and the temperature indices at monthly scale in the coastal area of China during 1982-2014

NDVI与月平均气温之间的相关系数介于-0.19~0.36之间,相关性总体较低（图4f）。其中,68%的站点区域表现为正相关,多分布在江淮、江南和华南沿海等子区域内,呈负相关的站点区域主要位于东北沿海西部、华北和黄淮沿海境内。

考虑一个月延迟（指用本月的NDVI数据与前一个月的气候数据作相关性分析）的情况下（图略）,月尺度上,NDVI与气温类指数的相关系数均在0.44以下,为中等以下相关程度。约58%的站点区域的NDVI与冷昼日数为月正相关,结合当月NDVI与冷昼日数的负相关性可知,冷昼日数对NDVI具有滞后效应。此外,日最低气温的极低值对NDVI也存在一个月尺度的滞后效应,而其他气温类指数对NDVI的时滞效应不明显。

3.2.2 极端降水指数（1）年尺度相关性分析

NDVI与极端降水指数之间年尺度相关系数的空间分布特征如图5a~图5b所示。NDVI与单日最大降水量（图5a）和连续5日最大降水量（图5b）的年相关系数分别介于-0.41~0.53和-0.58~0.57之间,多处于中等以下相关程度,仅少数站点区域达到了强相关程度。NDVI与单日最大降水量和连续5日最大降水量为年正相关的站点区域比例分别约为52%和47%,该类站点区域均主要分布在黄淮（含）以北各子区域内,呈负相关的站点区域均主要分布在黄淮以南。

显示原图| 下载原图ZIP| 生成PPT

图5 1982-2014年中国沿海地区生长季NDVI与降水类指数之间年尺度相关系数的空间分布特征注：基于国家测绘地理信息局标准地图服务系统的标准底图（审图号：GS(2016)2885号）制作,底图无修改。

Fig. 5 Spatial distribution of correlation coefficient between growing season NDVI and the precipitation indices at annual scale in the coastal area of China during 1982-2014

NDVI与年降水量之间相关系数的空间分布特征如图5c所示。NDVI与年降水量的相关系数在-0.57~0.61之间,其中,约45%的站点区域表现为年正相关,主要分布在黄淮、华北和东北沿海等子区域,黄淮以南多分布呈负相关的站点区域。

（2）月尺度相关性分析

NDVI与极端降水指数之间月尺度相关系数的空间分布特征如图6a~图6b所示。NDVI与单日最大降水量（图6a）和连续5日最大降水量（图6b）的月相关系数分别介于-0.25~0.16和-0.32~0.25之间,相关程度总体偏弱。月尺度上,NDVI与单日最大降水量和连续5日最大降水量之间均以负相关为主,区域占比分别约为65%和69%,主要分布在黄淮及其以南各子区域内,而黄淮以北的站点区域多呈正相关,但值得注意的是,月尺度上,东北沿海中东部少数站点区域的NDVI与极端降水量之间呈负相关。

显示原图| 下载原图ZIP| 生成PPT

图6 1982—2014年中国沿海地区生长季NDVI与降水类指数之间月尺度相关系数的空间分布特征注：基于国家测绘地理信息局标准地图服务系统的标准底图（审图号：GS(2016)2885号）制作,底图无修改。

Fig. 6 Spatial distribution of correlation coefficient between growing season NDVI and the precipitation indices at monthly scale in the coastal area of China during 1982-2014

NDVI与月降水量之间相关系数的空间格局特征如图6c所示。NDVI与月降水量的相关系数在-0.34~0.26之间,基本为弱相关程度。约68%的站点区域NDVI与月降水量呈负相关,主要分布在黄淮（含）以南和东北沿海中东部,正相关的站点主要分布黄淮以北。

延迟一个月的情况下,NDVI与极端降水量和月降水量之间相关系数的绝对值均在0.3以下（图略）,相关性整体较低。NDVI与前一个月单日最大降水量、连续5日最大降水量和月降水量之间分别在约64%、53%和60%的站点区域表现为正相关,该类站点均主要分布在黄淮（含）以北各子区域,结合当月NDVI与降水量的相关性可知,黄淮及其以北沿海地区的NDVI对降水量的响应具有一定的滞后性。

4 讨论 4.1 NDVI变化动态

1982—2014年,中国沿海地区生长季NDVI总体呈上升趋势,与全球[10]、全球干旱区[13]、欧亚大陆[11]、中国[12]以及中国东部地区[7]等不同空间尺度上关于NDVI变化趋势的研究结果相一致。从空间分布特征来看,江淮（含）以南各子区域生长季NDVI年均值比江淮以北的更高,表明南方沿海地区植被覆盖状况相对更好,但NDVI变化率为负的区域在江淮以南（例如,长江三角洲和珠江三角洲地区）更为多见。可见,研究时段内,南方沿海地区植被覆盖总体虽好却在部分地区呈下降趋势,与之相反,北方沿海地区植被覆盖相对较差但基本呈上升趋势。近几十年来,中国沿海地区城市化进程、人口增长以及经济发展等均较快,从而导致人地矛盾突出与升级,土地利用方式也发生了相应的转变[36],尤其是在长江三角洲和珠江三角洲等区域内,社会经济发展速度远超生态环境保护脚步,导致区域植被覆盖呈下降趋势[37,38]。北方沿海特别是黄淮和华北沿海等子区域,因退耕还林还草、天然林保护以及京津冀风沙源治理等大规模的植被保护与恢复工程的实施,促使该区域植被覆盖得到了一定程度的恢复[39,40,41]。

4.2 NDVI对气候变化的响应

从NDVI与气候指数的相关性计算结果来看,与年尺度的响应特征相比,沿海地区NDVI对气温类和降水类指数的月尺度响应在空间分布上更具有区域集中性。究其原因,一方面,NDVI与气候因子的年尺度相关性反映的是两者长期变化趋势之间的相关关系,这种相关性未能“剥离”其他因素,例如城市化、灌溉、人工造林以及太阳辐射等对植被生长的影响作用;另一方面,月尺度响应是基于去季节化之后的近平稳数据序列进行的相关性分析,可能在一定程度上消除了气温、降水、太阳辐射以及规律性农业生产等具有季节变化特征的信号,在探讨NDVI对气候因子的响应机制方面更具科学性和合理性[33,34,35]。因此,本文着重针对月尺度上NDVI与气温类和降水类指数的响应特征展开讨论。

4.2.1 对气温类指数的响应 NDVI与东北沿海西部、华北和黄淮沿海等子区域的平均气温和极端气温暖指数（暖昼日数、日最高气温的极高值）多呈负相关,表明气温的增加会限制上述地区植被的生长。东北沿海西部、华北和黄淮沿海地区水资源相对匮乏,气温升高导致树木的蒸散发增加,进而引起土壤水分的过度消耗,最终影响植被的正常生长[24,42],因此,NDVI与平均气温和极端气温暖指数在这些地区一般表现为负相关。比较发现,NDVI与暖昼日数和日最高气温的极高值在东北沿海西部、华北和黄淮沿海等子区域的负相关程度明显高于NDVI与均态气温在这些地区的负相关程度,显著性也更明显,表明与平均气温相比较,极端高温对上述水资源匮乏地区植被生长的抑制性更强烈、更显著。

NDVI与东北沿海东部和江淮及其以南各子区域的平均气温和极端气温暖指数多呈正相关,表明气温的升高有利于这些区域植被的生长。东北沿海东部和江淮（含）以南各子区域的水资源相对丰富,气温升高引起的蒸散发会带走多余的水分,继而促进植被的生长。与平均气温相比较,NDVI与极端气温暖指数的正相关程度在上述区域略低,但NDVI与极端气温暖指数呈正相关的显著性在江南和华南沿海境内相对更明显,进一步说明了极端高温对水资源丰富的南方沿海地区的植被生长产生更显著的促进作用。

NDVI与极端气温冷指数（冷昼日数、日最低气温的极低值）在中国沿海地区基本呈负相关。冷昼日数和日最低气温的极低值分别代表白天和夜晚的低温状态,气温过低,会导致积温不足,甚至引发低温灾害,进而影响植被生长。但考虑一个月延迟的情况下,沿海大部分站点区域的NDVI与极端气温冷指数表现为正相关,说明这些区域的极端气温冷事件对植被生长的影响具有一定的滞后效应。

NDVI与气温日较差一般在江淮及其以南各子区域呈正相关,在江淮以北呈负相关,表明昼夜温差越大越有利于江淮、江南和华南等南方沿海地区植被的生长,但对黄淮、华北和东北等北方沿海地区的植被生长起一定的抑制作用。气温日较差是日最高气温（白天气温）与日最低气温（夜间气温）的差值,可表征为促进植被生长发育的有效气温[43]。在不考虑降水、土壤等其他影响因素的前提下,若某地区白天气温越高,植物的光合作用也会越高,夜间气温越低,植物的呼吸作用（消耗）也相对较低,则植物的净光合积累会较高,即有利于植被的生长发育,反之亦反[43,44]。江淮及其以南各子区域的白天气温普遍高于江淮以北各子区域,而夜间气温的差别在南、北方沿海地区之间要小于白天气温的差别,因此,江淮（含）以南各子区域植被的净光合累积一般高于江淮以北各子区域,气温对植被生长的有效性在南方沿海地区就更为明显。

4.2.2 对降水类指数的响应 NDVI与极端降水量和月降水量之间一般在黄淮以北各子区域呈正相关,在黄淮（含）以南和东北沿海中东部少数地区呈负相关,表明降水对华北沿海和东北沿海大部分地区的植被生长一般起促进作用,但对黄淮（含）以南各子区域和东北沿海中东部地区的植被生长产生一定的负面影响。华北、黄淮等北方沿海地区水资源相对匮乏,土壤含水量相对较低,植被对水分的需求较高,降水总体有利于植被的生长。在延迟一个月的情况下,黄淮及其以北沿海子区域的NDVI对降水量表现出明显的滞后性,进一步说明了降水是影响北方沿海地区植被生长的重要胁迫因子。南方沿海地区雨量充沛,土壤水分含量普遍较高,降水异常增加还可能引发洪水灾害,植被淹水时,其根系进行无氧呼吸,直接影响植被的养分和水分吸收效率,从而导致植被的生长发育受抑制[45]。此外,东北沿海中东部地区位于辽河流域境内,水资源相对丰富,但可能因积温相对不足,降水的增加会减少光照,进而影响植被光合作用,也会导致植被生长受阻[40],因此,东北沿海中东部少数站点区域的NDVI与月降水量之间表现为负相关。

比较发现,NDVI与极端降水量和与平均降水量的相关程度相近、相关系数的空间分布特征也较相似,表明降水量的极端态对中国沿海地区植被生长的影响特征与降水量的平均态对其的影响程度较接近、影响特征也相似。该结果产生的原因可能主要是因为单日降水量、连续5日降水量和月降水量均表征一段时期内降水的多少,NDVI对它们的响应特征难以区分出三者在降水时间上的差异,因此对三种降水量产生了相似的响应特征。然而,极端降水事件还包括降水强度、降水日数、降水频率等的极端情况,欲更清晰、更明确地认识NDVI与降水极端态的响应机制及其与均态降水的差异,还需进一步深入开展NDVI与更多类极端降水事件的相关研究。

5 结论

本文分析了中国沿海地区1982—2014年NDVI的时空变化特征,并结合气温和降水数据,探讨了NDVI对极端气温和极端降水的响应特征,主要结论包括：

（1）中国沿海地区及其子区域的NDVI均呈上升趋势,且该趋势具有一定的持续性。江南及其以南各子区域的NDVI高于江南以北,但长江三角洲、珠江三角洲等地区NDVI的下降趋势较明显,而江南以北沿海地区的NDVI总体呈上升趋势。

（2）NDVI与极端气温暖指数（暖昼日数、日最高气温的极高值）在东北沿海西部、华北和黄淮沿海等子区域多呈负相关,在其他沿海地区多呈正相关;NDVI与极端气温冷指数（冷昼日数、日最低气温的极低值）之间多呈负相关,NDVI对极端冷指数的响应具有一定的滞后性;NDVI与气温日较差一般在江淮（含）以南的各子区域内呈正相关,以北呈负相关。

（3）NDVI与极端降水量在黄淮以北的各子区域内基本呈正相关,在黄淮（含）以南和东北沿海中东部等地区多呈负相关,黄淮（含）以北各子区域的NDVI对极端降水的响应具有明显的滞后性。

植被覆盖受气候变化和人类活动的共同影响,去季节变化可能从一定程度上消除了气温、降水、规律性农业生产等具有季节性特征的信号,但NDVI与气候要素数据序列的自相关性仍会对两者之间的相关程度产生一定的影响。此外,GIMMS NDVI3g数据空间分辨率不高,可能也会对气候要素的响应程度有所影响。值得说明的是,城市化、灌溉、植树造林等人类活动对植被的影响仍然存在,而本研究尚未能对其进行分离并量化。未来时期,将致力于较高分辨率植被指数数据集的构建,并将继续深入探讨区域植被覆盖变化的归因,重点开展植被覆盖变化影响因素的量化研究。

The authors have declared that no competing interests exist.

参考文献原文顺序文献年度倒序文中引用次数倒序被引期刊影响因子 [1] Costanza R, d'Arge R, d. Groot R, et al.

The value of the world's ecosystem services and natural capital

. Nature, 1997, 387: 253-260.

[本文引用: 1]

[2] 伊飞, 张训华, 胡克.

海岸带陆海相互作用研究综述

. 海洋地质前沿, 2012, 27(3): 28-34.

[本文引用: 1]

[Yi Fei, Zhang Xunhua, Hu Ke.

A review of research on land-ocean interaction in the coastal zone

. Marine Geology Frontiers, 2012, 27(3): 28-34.]

[本文引用: 1]

[3] Piao Shilong, Fang Jingyun, Ji Wei, et al.

Variation in a satellite-based vegetation index in relation to climate in China

. Journal of vegetation science, 2004, 15: 219-226.

https://doi.org/10.1658/1100-9233(2004)015[0219:VIASVI]2.0.CO;2 URL [本文引用: 1]

[4] 侯西勇, 应兰兰, 高猛, 等.

1998—2008年中国东部沿海植被覆盖变化特征

. 地理科学, 2010, 30(5): 735-741.

[本文引用: 1]

[Hou Xiyong, Ying Lanlan, Gao Meng, et al.

Character of vegetation cover change in China's eastern coastal areas 1998-2008

. Scientia Geographica Sinica, 2010, 30(5): 735-741.]

[本文引用: 1]

[5] Zhu Yali, Wang Huijun, Zhou Wen, et al.

Recent changes in the summer precipitation pattern in East China and the background circulation

. Climate Dynamics, 2011, 36(7-8): 1463-1473.

https://doi.org/10.1007/s00382-010-0852-9 URL [本文引用: 1]

[6] Zhong Lei, Ma Yaoming, Salama M S, et al.

Assessment of vegetation dynamics and their response to variations in precipitation and temperature in the Tibetan Plateau

. Climate Chang, 2010, 103: 519-535.

https://doi.org/10.1007/s10584-009-9787-8 URL [本文引用: 1]

[7] Jiang Dejuan, Zhang Hua, Zhang Yong, et al.

Interannual variability and correlation of vegetation cover and precipitation in Eastern China

. Theoretical and Applied Climatology, 2014, 118: 93-105.

https://doi.org/10.1007/s00704-013-1054-2 URL [本文引用: 3]

[8] 王永锋, 靖娟利.

广西近15a植被覆盖变化及其对气候因子的响应

. 农业现代化研究, 2017, 38(6): 1086-1096.

[本文引用: 1]

[Wang Yongfeng, Jing Juanli.

Spatial-temporal variations of vegetation cover and its response to climate factors in Guangxi over past 15 years

. Research of Agricultural Modernization, 2017, 38(6): 1086-1096.]

[本文引用: 1]

[9] 李小燕, 任志远, 张翀.

汉江流域NDVI与水热指数时空变化及相关性分析

. 地理研究, 2013, 32(9): 1623-1633.

[本文引用: 1]

[Li Xiaoyan, Ren Zhiyuan, Zhang Chong.

The correlation analysis and space-time changes of NDVI and hydro-thermal index in Hanjiang basin

. Geographical Research, 2013, 32(9): 1623-1633.]

[本文引用: 1]

[10] Eastman J R, Sangermano F, Machado E A, et al.

Global trends in seasonality of normalized difference vegetation index (NDVI), 1982-2011

. Remote Sensing, 2013, 5(10): 4799-4818.

https://doi.org/10.3390/rs5104799 URL [本文引用: 2]

[11] Piao Shilong, Wang Xuhui, Ciais P, et al.

Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006

. Global Change Biology, 2011, 17(10): 3228-3239.

https://doi.org/10.1111/gcb.2011.17.issue-10 URL [本文引用: 2]

[12] Peng Shushi, Chen Anping, Xu Liang, et al.

Recent change of vegetation growth trend in China

. Environmental Research Letters, 2011, 6(4): 44027-44029.

https://doi.org/10.1088/1748-9326/6/4/044027 URL [本文引用: 2]

[13] 郑艺, 张丽, 周宇, 等.

1982—2012年全球干旱区植被变化及驱动因子分析

. 干旱区研究, 2017, 34(1): 59-66.

[本文引用: 2]

[Zheng Yi, Zhang Li, Zhou Yu, et al.

Vegetation change and its driving factors in global drylands during the period of 1982-2012

. Arid Zone Research, 2017, 34(1): 59-66.]

[本文引用: 2]

[14] 殷刚, 孟现勇, 王浩, 等.

1982—2012年中亚地区植被时空变化特征及其与气候变化的相关分析

. 生态学报, 2017, 37(9): 3149-3163.

[本文引用: 1]

[Yin Gang, Meng Xianyong, Wang Hao, et al.

Spatial-temporal variation of vegetation and its correlation with climate change in Central Asia during the period of 1982-2012

. Acta Ecologica Sinica, 2017, 37(9): 3149-3163.]

[本文引用: 1]

[15] 阿多, 赵文吉, 宫兆宁, 等.

1981—2013年华北平原气候时空变化及其对植被覆盖的影响

. 生态学报, 2017, 37(2): 576-592.

[本文引用: 1]

[A Duo, Zhao Wenji, Gong Zhaoning, et al.

Temporal analysis of climate change and its relationship with vegetation cover on the north china plain from 1981 to 2013

. Acta Ecologica Sinica, 2017, 37(2): 576-592.]

[本文引用: 1]

[16] 田义超, 梁铭忠.

北部湾沿海地区植被覆盖对气温和降水的旬响应特征

. 自然资源学报, 2016, 31(3): 488-205.

[本文引用: 1]

[Tian Yichao, Liang Mingzhong.

The NDVI characteristics of vegetation and its ten-day response to temperature and precipitation in Beibu Gulf coastal region

. Journal of Natural Resources, 2016, 31(3): 488-205.]

[本文引用: 1]

[17] 周伟, 刚成诚, 李建龙, 等.

1982—2010年中国草地覆盖度的时空动态及其对气候变化的响应

. 地理学报, 2014, 69(1): 15-30.

[本文引用: 1]

[Zhou Wei, Gang Chengcheng, Li Jianlong, et al.

Spatial-temporal dynamics of grassland coverage and its response to climate change in China during 1982-2010

. Acta Geographica Sinica, 2014, 69(1): 15-30.]

[本文引用: 1]

[18] 侯美婷, 赵海燕, 王筝, 等.

基于卫星遥感的植被NDVI对气候变化响应的研究进展

. 气候与环境研究, 2013, 18(3): 353-364.

[本文引用: 2]

[Hou Meiting, Zhao Haiyan, Wang Zheng, et al.

Vegetation responses to climate change by using the satellite-derived normalized difference vegetation index: A review

. Climatic and Environmental Research, 2013, 18(3): 353-364.]

[本文引用: 2]

[19] Bokhorst S, Tømmervik H, Callaghan T V, et al.

Vegetation recovery following extreme winter warming events in the sub-Arctic estimated using NDVI from remote sensing and handheld passive proximal sensors

. Environmental and Experimental Botany, 2012, 81: 18-25.

https://doi.org/10.1016/j.envexpbot.2012.02.011 URL [本文引用: 1]

[20] Piao Shilong, Tan Jianguang, Chen Anping, et al.

Leaf onset in the northern hemisphere triggered by daytime temperature

. Nature Communications, 2015, 6: 1-8.

[本文引用: 1]

[21] 纪迪, 张慧, 沈渭寿, 等.

太湖流域下垫面改变与气候变化的响应关系

. 自然资源学报, 2013, 28(1): 51-62.

https://doi.org/10.11849/zrzyxb.2013.01.006 Magsci [本文引用: 1] 摘要

运用两种NDVI数据集(Pathfinder AVHRR和SPOT VEGETATION)和卫星遥感数据,采用3S技术,通过人机交互式目视方法解译出1979、1984、2000和2009年太湖流域的土地利用数据,结合1956—2007年太湖流域主要气象站点的气象资料,研究了太湖流域下垫面(NDVI和土地利用)变化与各主要气候因子的响应关系。结果表明:①近30 a太湖流域NDVI变化呈先增后减的趋势,空间上呈由东北向西南递增的趋势,浙江省区域植被覆盖较好,其次为苏锡常镇地区,上海植被较为稀少;②太湖流域耕地面积显著减少,城镇用地显著增加,林地与草地呈缓慢增长趋势,其中上海和苏州城市化进程速度最快,其次是无锡、常州,而杭州、嘉兴、湖州和镇江城市化进程较为缓慢;③20世纪80年代初期太湖流域出现显著的增温,并在近20 a增温幅度显著增加,平均相对湿度呈波动下降趋势,其下降速率为-1.25%/10 a,近50 a降水总量呈现小幅上升趋势,但近20 a降水量呈减少趋势,速率达到-37.31 mm/10 a,日照时数呈现下降趋势,其下降速率为-56.66 h/10 a;④与太湖流域NDVI变化响应最为显著的气候因子为气温,其次为平均相对湿度以及日照时数,降水总量与NDVI的相关性比较弱;⑤城市化进程迅速的地区相较于城市化缓慢的地区,其增温更快、相对湿度降幅更大、降水量增加更为缓慢,日照时数减少越快。

[Ji Di, Zhang Hui, Shen Weishou, et al.

The response relationship between underlying surface changing and climate change in the Taihu Basin

. Journal of Natural Resources, 2013, 28(1): 51-62.]

https://doi.org/10.11849/zrzyxb.2013.01.006 Magsci [本文引用: 1] 摘要

[22] Sun Jian, Cheng Genwei, Li Weipeng, et al.

On the variation of NDVI with the principal climatic elements in the Tibetan Plateau

. Remote Sensing, 2013, 5: 1894-1911.

https://doi.org/10.3390/rs5041894 URL [本文引用: 1]

[23] 祝稳.

西北干旱区植被覆盖动态及其对极端气温和降水过程的响应

. 兰州: 西北师范大学硕士学位论文, 2015.

[本文引用: 1]

[Zhu Wen.

Spatial-temporal dynamics of vegetation coverage and its response to extreme temperature and precipitation processes over the arid region of northwest China

. Lanzhou: Master Dissertation of Northwest Normal University, 2015.]

[本文引用: 1]

[24] 葛非凡, 毛克彪, 蒋跃林, 等.

华东地区夏季极端高温特征及其对植被的影响

. 中国农业气象, 2017, 38(1): 42-51.

[本文引用: 2]

[Ge Feifan, Mao Kebiao, Jiang Yuelin, et al.

Extreme high-temperature in summer and its impacts on vegetation in East China

. Chinese Journal of Agrometeorology, 2017, 38(1): 42-51.]

[本文引用: 2]

[25] 中国气象局预测减灾司, 中国气象局国家气象中心. 中国气象地理区划手册. 北京: 气象出版社, 2006.

[本文引用: 1]

[China Meteorological Administration Forecast Disaster Reduction Division, China Meteorological Administration National Meteorological Center. China Meteorological and Geographical Division Manual. Beijing: China Meteorological Press, 2006.]

[本文引用: 1]

[26] 王晓利, 侯西勇.

1961—2014年中国沿海极端气温事件变化及区域差异分析

. 生态学报, 2017, 37(21): 7098-7113.

[本文引用: 1]

[Wang Xiaoli, Hou Xiyong.

Analysis of spatiotemporal variations and regional differences in extreme temperature events in the coastal area of China during 1961-2014

. Acta Ecologica Sinica, 2017, 37(21): 7098-7113.]

[本文引用: 1]

[27] Su B D, Jiang T, Jin W B.

Recent trends in observed temperature and precipitation extremes in the Yangtze River basin, China

. Theoretical and Applied Climatology, 2006, 83: 139-151.

https://doi.org/10.1007/s00704-005-0139-y URL [本文引用: 1]

[28] Zhang Xuebin, Yang Feng.RClimDex (1.0), User Manual. Climate Research Branch, Environment Canada. 2004.

[本文引用: 1]

[29] Frich P L, Alexander L V, Della-Marta P M, et al.

Observed coherent changes in climate extremes during 2nd half of the 20th century

. Climate Research, 2002, 19: 193-212.

https://doi.org/10.3354/cr019193 URL [本文引用: 1]

[30] 李明杰, 侯西勇, 应兰兰, 等.

近十年黄河三角洲NDVI时空动态及其对气温和降水的响应特征

. 资源科学, 2011, 33(2): 322-327.

Magsci [本文引用: 1] 摘要

本文基于SPOT-VGT S10产品(1998年4月-2008年12月)以及相应时段东营站点的气温、降水数据，利用一元线性回归方法、Hurst指数方法分析近10年黄河三角洲NDVI时空动态，并探讨NDVI与气温、降水因子的年际、季节、月际响应特征。研究表明：①NDVI变化以良性发展为主，但NDVI长期无变化区及弱持续性中度改善区值得关注，且NDVI弱、中、强持续性退化区面积较广，理应尤为关注，并探讨和寻找原因；②NDVI变化与气温、降水均有较高的相关性，相关系数分别为0.81、0.63，若考虑1个月的时间延迟，则相关系数分别为0.89、0.75；③延迟1个月的NDVI与气温、降水的相关性研究更具科学性和准确性。.春季(2月-4月)、夏季(5月-7月)气温对植物生长起决定作用，秋季(8月-10月)气温无明显变化趋势，NDVI值变化受降水强度影响较大；不同月份气温、降水对NDVI的影响主导作用不同，延迟程度不同。

[Li Mingjie, Hou Xiyogn, Ying Lanlan, et al.

Spatial-temporal dynamics of NDVI and its response to temperature and precipitation in the Yellow River Delta during the period 1998-2008

. Resources Science, 2011, 33(2): 322-327.]

Magsci [本文引用: 1] 摘要

Long-term Storage: An Experimental Study

. London: Constable, 1965.

[本文引用: 1]

[32] 张晓东, 朱文博, 崔耀平, 等.

伏牛山地区森林植被动态变化对水热条件的响应

. 地理研究, 2016, 35(6): 1029-1040.

[本文引用: 1]

[Zhang Xiaodong, Zhu Wenbo, Cui Yaoping, et al.

The response of forest dynamics to hydro-thermal change in Funiu Mountain

. Geographical Research, 2016, 35(6): 1029-1040.]

[本文引用: 1]

[33] Pieter H A J M, Van Gelder, Cong V Mai, et al.

Data management of extreme marine and coastal hydro-meteorological events

. Journal of Hydraulic Research, 2008, 46: s2, 191-210.

[本文引用: 3]

[34] 郭秀英, 尹兴国, 张艳云.

季节性波动时间序列预测的分解季节指数法

. 数理统计与管理, 2000, 19(6): 60-64.

[本文引用: 2]

[Guo Xiuying, Yin Xingguo, Zhang Yanyun.

The analysis method of seasonal index number of time sequence of seasonal fluctuation

. Journal of Applied of Statistics and Management, 2000, 19(6): 60-64.]

[本文引用: 2]

[35] 李莎, 舒红, 徐正全.

利用时空Kriging进行气温插值研究

. 武汉大学学报: 信息科学版, 2012, 37(2): 237-241.

[本文引用: 2]

[Li Sha, Shu Hong, Xu Zhengquan.

Interpolation of temperature based on spatial-temporal Kriging

. Geomatics and Information Sciences of Wuhan University, 2012, 37(2): 237-241.]

[本文引用: 2]

[36] 李侠祥, 张学珍, 张丽娟, 等.

中国东部土地利用/覆盖变化对夏季降水影响的不稳定性研究

. 地理研究, 2017, 36(7): 1233-1244.

[本文引用: 1]

[Li Xiaxiang, Zhang Xuezhen, Zhang Lijuan, et al.

The varied impacts of land use/cover change on summer precipitation over eastern China

. Geographical Research, 2017, 36(7): 1233-1244.]

[本文引用: 1]

[37] 韩贵锋, 徐建华.

长江三角洲地区城市化与植被活动之间的时空相关性

. 生态科学, 2008, 27(1): 1-5.

Magsci [本文引用: 1] 摘要

利用时间序列NDVI数据和统计资料,以长江三角洲地区为例,研究城市化与植被生长活力之间的时空相关性。在总体上,NDVI与人口和GDP之间均呈显著的负相关性;空间相关场进一步表明,在人口和GDP分布较高的地区,植被的生长活力越低,相关系数均在-1.0～0.5之间。选择地市行政单元为研究粒度,使用面板数据分析方法,研究单位面积NDVI与城市化率之间相关性的演变,结果表明,在时间序列上负相关性越来越强,两者之间有明显线性关系,这在一定程度上反映了区域社会发展与生态环境之间未达到双赢。

[Han Guifeng, Xu Jianhua.

Spatio-temporal correlation between urbanization and vegetation vigor in the delta of Yangtze River

. Ecological Science, 2008, 27(1): 1-5.]

Magsci [本文引用: 1] 摘要

[38] 王行汉, 丛沛桐, 刘超群, 等.

2004—2013年珠江流域植被变化及其胁迫分析

. 生态学报, 2017, 37(19): 6494-6503.

[本文引用: 1]

[Wang Xinghan, Cong Peitong, Liu Chaoqun, et al.

Analysis of vegetation variation and stress factors in the Pearl River Basin from 2004 to 2013

. Acta Ecologica Sinica, 2017, 37(19): 6494-6503.]

[本文引用: 1]

[39] 刘斌, 孙艳玲, 王中良, 等.

华北地区植被覆盖变化及其影响因子的相对作用分析

. 自然资源学报, 2015, 30(1): 12-23.

[本文引用: 1]

[Liu Bin, Sun Yanling, Wang Zhongliang, et al.

Analysis of the vegetation cover change and the relative role of its influencing factors in North China

. Journal of Natural Resources, 2015, 30(1): 12-23.]

[本文引用: 1]

[40] 李钰溦, 贾坤, 魏香琴, 等.

中国北方地区植被覆盖度遥感估算及其变化分析

. 国土资源遥感, 2015, 27(2): 112-117.

https://doi.org/10.6046/gtzyyg.2015.02.18 Magsci [本文引用: 2] 摘要

为了分析中国北方地区2000年之后植被覆盖度的时空分布及其变化,利用MODIS光谱反射率数据计算归一化植被指数,采用像元二分模型对中国北方地区2000—2012年植被覆盖度进行定量估算,分析研究区13 a间植被覆盖度的时空变化特征。研究结果表明: 植被覆盖度年内变化特征体现在最大植被覆盖度一般出现在7和8月份,与中国北方地区植被的生长季相一致; 整个中国北方地区年最大植被覆盖度呈现缓慢增长的趋势,其增长速率为每年0.2%; 年最大植被覆盖度变化的空间分布具有较大差异,其中东北、华北和黄土高原等三北防护林工程建设区的年最大植被覆盖度有较明显的增长。

[Li Yuwei, Jia Kun, Wei Xiangqin, et al.

Fractional vegetation cover estimation in northern China and its change analysis

. Remote Sensing for Land & Resources, 2015, 27(2): 112-117.]

https://doi.org/10.6046/gtzyyg.2015.02.18 Magsci [本文引用: 2] 摘要

我国三北地区植被变化的动因分析

. 生态学报, 2017, 37(15): 5023-5030.

[本文引用: 1]

[Cao Shixiong, Liu Guanchu, Ma Hua.

Dynamic analysis of vegetation change in north China

. Acta Ecologica Sinica, 2017, 37(15): 5023-5030.]

[本文引用: 1]

[42] Wang Xunming, Chen Fahu, Hasi E, et al.

Desertification in China: An assessment

. Earth-Science Reviews, 2008, 88(3-4): 188-206.

https://doi.org/10.1016/j.earscirev.2008.02.001 URL [本文引用: 1]

[43] 江爱良, 陈沈斌, 宫世贤.

西双版纳气温日较差的特点及其在农业上的意义

. 中国农业气象, 1990, 11(1): 44-46, 15.

URL Magsci [本文引用: 2] 摘要

植物的生长发育和产品的产量和质量以及化学成份不但受平均气温和气温年变化的影响,而且还受气温日变化的影响,这已经为许多学者所证实了。本文分析西双版纳以及其它地点气温日较差的各月平均值的变化特征及其与农业生产的关系,为合理利用农业气候资源提供参考。此外气温日较差的研究在气候学的理论研究上也还有一定意义。

[Jiang Ailiang, Chen Shenbin, Gong Shixian.

Characteristics of diurnal temperature range in Xishuangbanna and its significance in Agriculture

. Chinese Journal of Agrometeorology, 1990, 11(1): 44-46, 15.]

URL Magsci [本文引用: 2] 摘要

基于熵权物元模型的黄芩适宜生境区划

. 水土保持通报, 2015, 35(1): 153-158.

[本文引用: 1]

[Zhu Linan, Wei Haiyan, Guo Yanlong, et al.

Suitable habitat division of scutellaria baicalensis georgi baesd on entropy weight and matter element model

. Bulletin of Soil and Water Conservation, 2015, 35(1): 153-158.]

[本文引用: 1]

[45] 张彬, 朱建军, 刘华民, 等.

极端降水和极端干旱事件对草原生态系统的影响

. 植物生态学报, 2014, 38(9): 1008-1018.

https://doi.org/10.3724/SP.J.1258.2014.00095 URL Magsci [本文引用: 1] 摘要

当前人类活动的加剧显著地影响着全球大气循环的格局。大气循环的多个模型均预测未来全球气候变化的显著特征是极端降水事件和极端干旱事件发生的频率会显著增加。水分是干旱、半干旱区草原植物生长发育的限制性资源, 而草原生态系统是陆地生态系统中对降水格局变化非常敏感的系统。但是, 关于极端降水事件和极端干旱事件对草原生态系统结构和功能的影响还是以分散的个案研究为主, 甚至关于极端气候事件的定义迄今也不尽相同。为此, 该文在分析极端气候事件定义及其研究方法的基础上, 总结了极端降水事件和极端干旱事件对草原生态系统土壤水分和养分状况、植物生长发育和生理特性、群落结构、生产力和碳循环过程的影响, 并提出了未来极端气候事件研究中应重点关注的5个重要方向, 以及控制试验研究的2个关键科学问题, 对开展全球变化背景下草原生态系统对极端气候事件响应机制的研究具有指导意义。

[Zhang Bin, Zhu Jianjun, Liu Huamin, et al.

Effects of extreme rainfall and drought events on grassland ecosystems

. Chinses Journal of Plant Ecology, 2014, 38(9): 1008-1018.]

https://doi.org/10.3724/SP.J.1258.2014.00095 URL Magsci [本文引用: 1] 摘要

The value of the world's ecosystem services and natural capital 1 1997 ... 植被覆盖在区域气候调节、固碳释氧、水土保持、生物多样性保护、原材料和食物生产以及景观旅游等生态服务功能中扮演了极其重要的角色[1].中国沿海地区地处西太平洋和欧亚大陆之间,海陆属性兼备,自然环境复杂多变,生态脆弱性较高[2].近些年来,在全球气候变化和区域社会经济迅猛发展的背景下,沿海地区植被覆盖发生了深刻的变化[3,4,5].与气候平均态相比,极端气候对植被覆盖的影响具有敏感度高、破坏性强、地域差异性更突出等特点[6,7].中国沿海地区南北纬度跨距大,水热条件和地表基质等植被生长影响因素具有明显的地带性和区域性,因此,开展中国沿海植被动态及其对极端气候变化的响应研究对该地区生态系统演变的认识、生态环境的保护以及防灾减灾等具有重要意义. ... 海岸带陆海相互作用研究综述 1 2012 ... 植被覆盖在区域气候调节、固碳释氧、水土保持、生物多样性保护、原材料和食物生产以及景观旅游等生态服务功能中扮演了极其重要的角色[1].中国沿海地区地处西太平洋和欧亚大陆之间,海陆属性兼备,自然环境复杂多变,生态脆弱性较高[2].近些年来,在全球气候变化和区域社会经济迅猛发展的背景下,沿海地区植被覆盖发生了深刻的变化[3,4,5].与气候平均态相比,极端气候对植被覆盖的影响具有敏感度高、破坏性强、地域差异性更突出等特点[6,7].中国沿海地区南北纬度跨距大,水热条件和地表基质等植被生长影响因素具有明显的地带性和区域性,因此,开展中国沿海植被动态及其对极端气候变化的响应研究对该地区生态系统演变的认识、生态环境的保护以及防灾减灾等具有重要意义. ... 海岸带陆海相互作用研究综述 1 2012 ... 植被覆盖在区域气候调节、固碳释氧、水土保持、生物多样性保护、原材料和食物生产以及景观旅游等生态服务功能中扮演了极其重要的角色[1].中国沿海地区地处西太平洋和欧亚大陆之间,海陆属性兼备,自然环境复杂多变,生态脆弱性较高[2].近些年来,在全球气候变化和区域社会经济迅猛发展的背景下,沿海地区植被覆盖发生了深刻的变化[3,4,5].与气候平均态相比,极端气候对植被覆盖的影响具有敏感度高、破坏性强、地域差异性更突出等特点[6,7].中国沿海地区南北纬度跨距大,水热条件和地表基质等植被生长影响因素具有明显的地带性和区域性,因此,开展中国沿海植被动态及其对极端气候变化的响应研究对该地区生态系统演变的认识、生态环境的保护以及防灾减灾等具有重要意义. ... Variation in a satellite-based vegetation index in relation to climate in China 1 2004 ... 植被覆盖在区域气候调节、固碳释氧、水土保持、生物多样性保护、原材料和食物生产以及景观旅游等生态服务功能中扮演了极其重要的角色[1].中国沿海地区地处西太平洋和欧亚大陆之间,海陆属性兼备,自然环境复杂多变,生态脆弱性较高[2].近些年来,在全球气候变化和区域社会经济迅猛发展的背景下,沿海地区植被覆盖发生了深刻的变化[3,4,5].与气候平均态相比,极端气候对植被覆盖的影响具有敏感度高、破坏性强、地域差异性更突出等特点[6,7].中国沿海地区南北纬度跨距大,水热条件和地表基质等植被生长影响因素具有明显的地带性和区域性,因此,开展中国沿海植被动态及其对极端气候变化的响应研究对该地区生态系统演变的认识、生态环境的保护以及防灾减灾等具有重要意义. ... 1998—2008年中国东部沿海植被覆盖变化特征 1 2010 ... 植被覆盖在区域气候调节、固碳释氧、水土保持、生物多样性保护、原材料和食物生产以及景观旅游等生态服务功能中扮演了极其重要的角色[1].中国沿海地区地处西太平洋和欧亚大陆之间,海陆属性兼备,自然环境复杂多变,生态脆弱性较高[2].近些年来,在全球气候变化和区域社会经济迅猛发展的背景下,沿海地区植被覆盖发生了深刻的变化[3,4,5].与气候平均态相比,极端气候对植被覆盖的影响具有敏感度高、破坏性强、地域差异性更突出等特点[6,7].中国沿海地区南北纬度跨距大,水热条件和地表基质等植被生长影响因素具有明显的地带性和区域性,因此,开展中国沿海植被动态及其对极端气候变化的响应研究对该地区生态系统演变的认识、生态环境的保护以及防灾减灾等具有重要意义. ... 1998—2008年中国东部沿海植被覆盖变化特征 1 2010 ... 植被覆盖在区域气候调节、固碳释氧、水土保持、生物多样性保护、原材料和食物生产以及景观旅游等生态服务功能中扮演了极其重要的角色[1].中国沿海地区地处西太平洋和欧亚大陆之间,海陆属性兼备,自然环境复杂多变,生态脆弱性较高[2].近些年来,在全球气候变化和区域社会经济迅猛发展的背景下,沿海地区植被覆盖发生了深刻的变化[3,4,5].与气候平均态相比,极端气候对植被覆盖的影响具有敏感度高、破坏性强、地域差异性更突出等特点[6,7].中国沿海地区南北纬度跨距大,水热条件和地表基质等植被生长影响因素具有明显的地带性和区域性,因此,开展中国沿海植被动态及其对极端气候变化的响应研究对该地区生态系统演变的认识、生态环境的保护以及防灾减灾等具有重要意义. ... Recent changes in the summer precipitation pattern in East China and the background circulation 1 2011 ... 植被覆盖在区域气候调节、固碳释氧、水土保持、生物多样性保护、原材料和食物生产以及景观旅游等生态服务功能中扮演了极其重要的角色[1].中国沿海地区地处西太平洋和欧亚大陆之间,海陆属性兼备,自然环境复杂多变,生态脆弱性较高[2].近些年来,在全球气候变化和区域社会经济迅猛发展的背景下,沿海地区植被覆盖发生了深刻的变化[3,4,5].与气候平均态相比,极端气候对植被覆盖的影响具有敏感度高、破坏性强、地域差异性更突出等特点[6,7].中国沿海地区南北纬度跨距大,水热条件和地表基质等植被生长影响因素具有明显的地带性和区域性,因此,开展中国沿海植被动态及其对极端气候变化的响应研究对该地区生态系统演变的认识、生态环境的保护以及防灾减灾等具有重要意义. ... Assessment of vegetation dynamics and their response to variations in precipitation and temperature in the Tibetan Plateau 1 2010 ... 植被覆盖在区域气候调节、固碳释氧、水土保持、生物多样性保护、原材料和食物生产以及景观旅游等生态服务功能中扮演了极其重要的角色[1].中国沿海地区地处西太平洋和欧亚大陆之间,海陆属性兼备,自然环境复杂多变,生态脆弱性较高[2].近些年来,在全球气候变化和区域社会经济迅猛发展的背景下,沿海地区植被覆盖发生了深刻的变化[3,4,5].与气候平均态相比,极端气候对植被覆盖的影响具有敏感度高、破坏性强、地域差异性更突出等特点[6,7].中国沿海地区南北纬度跨距大,水热条件和地表基质等植被生长影响因素具有明显的地带性和区域性,因此,开展中国沿海植被动态及其对极端气候变化的响应研究对该地区生态系统演变的认识、生态环境的保护以及防灾减灾等具有重要意义. ... Interannual variability and correlation of vegetation cover and precipitation in Eastern China 3 2014 ... 植被覆盖在区域气候调节、固碳释氧、水土保持、生物多样性保护、原材料和食物生产以及景观旅游等生态服务功能中扮演了极其重要的角色[1].中国沿海地区地处西太平洋和欧亚大陆之间,海陆属性兼备,自然环境复杂多变,生态脆弱性较高[2].近些年来,在全球气候变化和区域社会经济迅猛发展的背景下,沿海地区植被覆盖发生了深刻的变化[3,4,5].与气候平均态相比,极端气候对植被覆盖的影响具有敏感度高、破坏性强、地域差异性更突出等特点[6,7].中国沿海地区南北纬度跨距大,水热条件和地表基质等植被生长影响因素具有明显的地带性和区域性,因此,开展中国沿海植被动态及其对极端气候变化的响应研究对该地区生态系统演变的认识、生态环境的保护以及防灾减灾等具有重要意义. ...

... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ...

... 1982—2014年,中国沿海地区生长季NDVI总体呈上升趋势,与全球[10]、全球干旱区[13]、欧亚大陆[11]、中国[12]以及中国东部地区[7]等不同空间尺度上关于NDVI变化趋势的研究结果相一致.从空间分布特征来看,江淮（含）以南各子区域生长季NDVI年均值比江淮以北的更高,表明南方沿海地区植被覆盖状况相对更好,但NDVI变化率为负的区域在江淮以南（例如,长江三角洲和珠江三角洲地区）更为多见.可见,研究时段内,南方沿海地区植被覆盖总体虽好却在部分地区呈下降趋势,与之相反,北方沿海地区植被覆盖相对较差但基本呈上升趋势.近几十年来,中国沿海地区城市化进程、人口增长以及经济发展等均较快,从而导致人地矛盾突出与升级,土地利用方式也发生了相应的转变[36],尤其是在长江三角洲和珠江三角洲等区域内,社会经济发展速度远超生态环境保护脚步,导致区域植被覆盖呈下降趋势[37,38].北方沿海特别是黄淮和华北沿海等子区域,因退耕还林还草、天然林保护以及京津冀风沙源治理等大规模的植被保护与恢复工程的实施,促使该区域植被覆盖得到了一定程度的恢复[39,40,41]. ... 1982—2012年中亚地区植被时空变化特征及其与气候变化的相关分析 1 2017 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 1982—2012年中亚地区植被时空变化特征及其与气候变化的相关分析 1 2017 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 1981—2013年华北平原气候时空变化及其对植被覆盖的影响 1 2017 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 1981—2013年华北平原气候时空变化及其对植被覆盖的影响 1 2017 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 北部湾沿海地区植被覆盖对气温和降水的旬响应特征 1 2016 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 北部湾沿海地区植被覆盖对气温和降水的旬响应特征 1 2016 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 1982—2010年中国草地覆盖度的时空动态及其对气候变化的响应 1 2014 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 1982—2010年中国草地覆盖度的时空动态及其对气候变化的响应 1 2014 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 基于卫星遥感的植被NDVI对气候变化响应的研究进展 2 2013 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ...

... 一般而言,植被活动对气温、降水等气候因子的响应具有一定的滞后特征[18].考虑到中国沿海地区气候、下垫面等类型多样,影响植被生长的气候胁迫因子存在差异等因素,本文针对NDVI对气候要素一个月的滞后效应进行了分析,因此,对历年3—9月的气候指数数据序列也进行了去季节化处理. ... 基于卫星遥感的植被NDVI对气候变化响应的研究进展 2 2013 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ...

... 一般而言,植被活动对气温、降水等气候因子的响应具有一定的滞后特征[18].考虑到中国沿海地区气候、下垫面等类型多样,影响植被生长的气候胁迫因子存在差异等因素,本文针对NDVI对气候要素一个月的滞后效应进行了分析,因此,对历年3—9月的气候指数数据序列也进行了去季节化处理. ... Vegetation recovery following extreme winter warming events in the sub-Arctic estimated using NDVI from remote sensing and handheld passive proximal sensors 1 2012 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... Leaf onset in the northern hemisphere triggered by daytime temperature 1 2015 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 太湖流域下垫面改变与气候变化的响应关系 1 2013 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 太湖流域下垫面改变与气候变化的响应关系 1 2013 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... On the variation of NDVI with the principal climatic elements in the Tibetan Plateau 1 2013 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 西北干旱区植被覆盖动态及其对极端气温和降水过程的响应 1 2015 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 西北干旱区植被覆盖动态及其对极端气温和降水过程的响应 1 2015 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ... 华东地区夏季极端高温特征及其对植被的影响 2 2017 ... 归一化植被指数（Normalized Difference Vegetation Index,NDVI）能表征地表植被覆盖和植被生长状况,可用于监测植被变化和解释天气/气候事件对生物圈的影响[8,9].研究表明,全球范围内的植被活动呈现为上升趋势[10],欧亚大陆[11]、中国[12]及其东部地区[7]的植被覆盖均表现出一定程度的变化.植被动态受自然因素和人类活动的共同影响,其中,气温和降水是影响植被生长的主要自然因素.前人研究多侧重于分析均态气温和降水与植被覆盖之间的相关性,认为气温一般有利于湿润的温带或寒温带地区的植被生长,降水则通常对干旱半干旱地区或者干湿季差异较明显地区的植被活动具有显著的胁迫性[13,14,15,16,17,18].近年来,关于植被动态与极端态气温和降水之间的相关性的认识得到了提高.例如,Bokhorst等研究发现,亚北极冬季极端气温暖事件频繁发生,对该区域的植被生长和生态环境保护产生了严重影响[19].日最高气温的增加是欧洲和美国植被展叶日期提前的主要影响因素[20].纪迪等研究表明,太湖流域的NDVI与年平均最低、最高气温均呈显著负相关,其中,前者对植被的影响大于后者[21].极端态降水对青藏高原植被覆盖的影响虽小于均态降水的影响,但其对植被的生长也起到了一定的促进作用[22].西北干旱区极端降水有益于大部分区域的植被生长,但极端气温仅对小范围区域的植被生长产生积极影响[23].华东地区夏季极端高温事件发生频次与NDVI存在显著相关性[24].可见,不同尺度不同区域气温和降水的极端态对植被的影响呈现出了多样性和差异性.迄今为止,中国沿海地区长时间尺度的植被动态及其对极端气候变化的响应尚不明确.因此,本文基于1982—2014年GIMMS NDVI3g数据,分析中国沿海地区NDVI的时空动态及其对极端气候的响应,以期为认识区域植被覆盖状况和气候变化背景下区域生态成果维持和生态环境保护等提供科学依据. ...

... 4.2.1 对气温类指数的响应 NDVI与东北沿海西部、华北和黄淮沿海等子区域的平均气温和极端气温暖指数（暖昼日数、日最高气温的极高值）多呈负相关,表明气温的增加会限制上述地区植被的生长.东北沿海西部、华北和黄淮沿海地区水资源相对匮乏,气温升高导致树木的蒸散发增加,进而引起土壤水分的过度消耗,最终影响植被的正常生长[24,42],因此,NDVI与平均气温和极端气温暖指数在这些地区一般表现为负相关.比较发现,NDVI与暖昼日数和日最高气温的极高值在东北沿海西部、华北和黄淮沿海等子区域的负相关程度明显高于NDVI与均态气温在这些地区的负相关程度,显著性也更明显,表明与平均气温相比较,极端高温对上述水资源匮乏地区植被生长的抑制性更强烈、更显著. ... 1 2006 ... 根据省级行政区划,将中国东部临海的14个省、市、区确定为研究区（未包括台湾、南海诸岛和海域;北京市也列入研究范围之内以确保研究区在空间上的完整性和连贯性）,简称为中国沿海地区.中国沿海地区南北纬度跨距大,气候和下垫面因子等复杂多变,因此,依据中国气象局预测减灾司和国家气象中心发布的中国气象地理区划标准对沿海地区进行分区[25],从北至南依次分为东北（I区）、华北（II区）、黄淮（III区）、江淮（IV区）、江南（V区）和华南（VI区）共6个沿海子区域[26]（图1）.其中,黄淮（含）以北的子区域属于温带和暖温带,黄淮以南的属于亚热带和热带地区.研究区年平均气温从东北沿海的8.6 ℃逐渐增至华南沿海的21.5 ℃.年降水量北低南高,其中,以华南沿海地区的1660.7 mm居首,华北沿海地区的537.7 mm最小.年均日照时数和相对湿度分别从东北沿海的1800 h和60%增至华南沿海的2600 h和80%.沿海地区的地形以平原和丘陵为主,两者分别主要位于北方和南方沿海,海拔一般分别在200 m和500 m以下. ... 1 2006 ... 根据省级行政区划,将中国东部临海的14个省、市、区确定为研究区（未包括台湾、南海诸岛和海域;北京市也列入研究范围之内以确保研究区在空间上的完整性和连贯性）,简称为中国沿海地区.中国沿海地区南北纬度跨距大,气候和下垫面因子等复杂多变,因此,依据中国气象局预测减灾司和国家气象中心发布的中国气象地理区划标准对沿海地区进行分区[25],从北至南依次分为东北（I区）、华北（II区）、黄淮（III区）、江淮（IV区）、江南（V区）和华南（VI区）共6个沿海子区域[26]（图1）.其中,黄淮（含）以北的子区域属于温带和暖温带,黄淮以南的属于亚热带和热带地区.研究区年平均气温从东北沿海的8.6 ℃逐渐增至华南沿海的21.5 ℃.年降水量北低南高,其中,以华南沿海地区的1660.7 mm居首,华北沿海地区的537.7 mm最小.年均日照时数和相对湿度分别从东北沿海的1800 h和60%增至华南沿海的2600 h和80%.沿海地区的地形以平原和丘陵为主,两者分别主要位于北方和南方沿海,海拔一般分别在200 m和500 m以下. ... 1961—2014年中国沿海极端气温事件变化及区域差异分析 1 2017 ... 根据省级行政区划,将中国东部临海的14个省、市、区确定为研究区（未包括台湾、南海诸岛和海域;北京市也列入研究范围之内以确保研究区在空间上的完整性和连贯性）,简称为中国沿海地区.中国沿海地区南北纬度跨距大,气候和下垫面因子等复杂多变,因此,依据中国气象局预测减灾司和国家气象中心发布的中国气象地理区划标准对沿海地区进行分区[25],从北至南依次分为东北（I区）、华北（II区）、黄淮（III区）、江淮（IV区）、江南（V区）和华南（VI区）共6个沿海子区域[26]（图1）.其中,黄淮（含）以北的子区域属于温带和暖温带,黄淮以南的属于亚热带和热带地区.研究区年平均气温从东北沿海的8.6 ℃逐渐增至华南沿海的21.5 ℃.年降水量北低南高,其中,以华南沿海地区的1660.7 mm居首,华北沿海地区的537.7 mm最小.年均日照时数和相对湿度分别从东北沿海的1800 h和60%增至华南沿海的2600 h和80%.沿海地区的地形以平原和丘陵为主,两者分别主要位于北方和南方沿海,海拔一般分别在200 m和500 m以下. ... 1961—2014年中国沿海极端气温事件变化及区域差异分析 1 2017 ... 根据省级行政区划,将中国东部临海的14个省、市、区确定为研究区（未包括台湾、南海诸岛和海域;北京市也列入研究范围之内以确保研究区在空间上的完整性和连贯性）,简称为中国沿海地区.中国沿海地区南北纬度跨距大,气候和下垫面因子等复杂多变,因此,依据中国气象局预测减灾司和国家气象中心发布的中国气象地理区划标准对沿海地区进行分区[25],从北至南依次分为东北（I区）、华北（II区）、黄淮（III区）、江淮（IV区）、江南（V区）和华南（VI区）共6个沿海子区域[26]（图1）.其中,黄淮（含）以北的子区域属于温带和暖温带,黄淮以南的属于亚热带和热带地区.研究区年平均气温从东北沿海的8.6 ℃逐渐增至华南沿海的21.5 ℃.年降水量北低南高,其中,以华南沿海地区的1660.7 mm居首,华北沿海地区的537.7 mm最小.年均日照时数和相对湿度分别从东北沿海的1800 h和60%增至华南沿海的2600 h和80%.沿海地区的地形以平原和丘陵为主,两者分别主要位于北方和南方沿海,海拔一般分别在200 m和500 m以下. ... Recent trends in observed temperature and precipitation extremes in the Yangtze River basin, China 1 2006 ... 气象资料来源于中国气象局国家气象信息中心.通过真实值计算、缺测值处理以及均一化检验[27]等,共选取出中国沿海地区1982—2014年156个地面气象站（图1）的日平均气温、日最高（低）气温和日降水量数据;利用RClimDex模型[28]计算获得冷（暖）昼日数、气温日较差和日最高（低）气温的极高（低）值共5个极端气温指数,以及单日最大降水量和连续5日最大降水量共2个极端降水指数.上述7个极端气候指数由ETCCDMI（Expert Team on Climate Change Detection and Indices）推荐,可反映气温事件昼夜和温差的边缘态,以及降水事件短期和较长期的极端态[29].同时,为了突出NDVI与极端气候和与气候平均态的响应差异,文中也分析了NDVI与月平均气温、年平均气温、月降水量以及年降水量之间的相关性.文中所选取的气候指数如表1所示. ... 1 2004 ... 气象资料来源于中国气象局国家气象信息中心.通过真实值计算、缺测值处理以及均一化检验[27]等,共选取出中国沿海地区1982—2014年156个地面气象站（图1）的日平均气温、日最高（低）气温和日降水量数据;利用RClimDex模型[28]计算获得冷（暖）昼日数、气温日较差和日最高（低）气温的极高（低）值共5个极端气温指数,以及单日最大降水量和连续5日最大降水量共2个极端降水指数.上述7个极端气候指数由ETCCDMI（Expert Team on Climate Change Detection and Indices）推荐,可反映气温事件昼夜和温差的边缘态,以及降水事件短期和较长期的极端态[29].同时,为了突出NDVI与极端气候和与气候平均态的响应差异,文中也分析了NDVI与月平均气温、年平均气温、月降水量以及年降水量之间的相关性.文中所选取的气候指数如表1所示. ... Observed coherent changes in climate extremes during 2nd half of the 20th century 1 2002 ... 气象资料来源于中国气象局国家气象信息中心.通过真实值计算、缺测值处理以及均一化检验[27]等,共选取出中国沿海地区1982—2014年156个地面气象站（图1）的日平均气温、日最高（低）气温和日降水量数据;利用RClimDex模型[28]计算获得冷（暖）昼日数、气温日较差和日最高（低）气温的极高（低）值共5个极端气温指数,以及单日最大降水量和连续5日最大降水量共2个极端降水指数.上述7个极端气候指数由ETCCDMI（Expert Team on Climate Change Detection and Indices）推荐,可反映气温事件昼夜和温差的边缘态,以及降水事件短期和较长期的极端态[29].同时,为了突出NDVI与极端气候和与气候平均态的响应差异,文中也分析了NDVI与月平均气温、年平均气温、月降水量以及年降水量之间的相关性.文中所选取的气候指数如表1所示. ... 近十年黄河三角洲NDVI时空动态及其对气温和降水的响应特征 1 2011 ... 采用一元线性回归法[30]计算NDVI时序数据的线性斜率,并将10倍斜率值定义为变化幅度以分析NDVI的时空变化特征.基于R/S法计算区域尺度上NDVI变化趋势的Hurst指数H以反映其变化趋势的持续性[31],H的取值介于[0, 1]之间,其中,当0≤H

【本文地址】

1982

1982

今日新闻

推荐新闻