全 文 ：植物生态学报 2010, 34 (3): 316–329 doi: 10.3773/j.issn.1005-264x.2010.03.009
Chinese Journal of Plant Ecology http://www.plant-ecology.com
——————————————————
收稿日期Received: 2009-07-14 接受日期Accepted: 2009-09-12
* 通讯作者Author for correspondence (E-mail: sunpsen@forestry.ac.cn)
中国东部南北样带主要植被类型物候期的变化
余 振1 孙鹏森1* 刘世荣2
1中国林业科学研究院森林生态环境与保护研究所, 北京 100091; 2中国林业科学研究院, 北京 100091
摘 要 植被物候期的变化是全球变化研究的热点问题, 因为物候过程是反映植被对气候变化响应的最直接和最敏感的生
态学过程之一, 大尺度植被物候学过程主要以植被的季节动态体现其对气候变化的长期适应过程。基于NOAA/AVHRR从
1982年至2006年的双周归一化植被指数NDVI (Normalized Difference Vegetation Index)数据, 依托中国东部南北样带, 对主要
植被类型的物候过程进行模拟, 并计算了主要物候现象(包括返青起始期、休眠起始期和生长季长度)的发生时间和演变趋势。
结果表明: 返青起始期显著提前的植被有温带针叶林(TCF, 0.56 d·a–1)、温带草丛(TG, 0.66 d·a–1)、亚热带热带针叶林(STCF,
0.46 d·a–1)、亚热带落叶阔叶林(SDBF, 0.58 d·a–1)和亚热带热带草丛(STG, 0.89 d·a–1); 休眠起始期显著推迟的植被有寒温带温
带针叶林(TCTCF, 0.32 d·a–1)、SDBF (0.80 d·a–1)和温带落叶阔叶林(TDBF, 0.18 d·a–1); 此外, 大部分植被类型的生长季长度都
有所延长, 但延长的方式不同: TCF (0.77 d·a–1)是由于返青起始期显著提前造成的; TCTCF (0.38 d·a–1)和TDBF (0.36 d·a–1)是
由于休眠起始期显著推迟造成的; TG (0.76 d·a–1)、STCF (0.83 d·a–1)、SDBF (1.40 d·a–1)和STG (1.30 d·a–1)等是由于返青起始期
提前和休眠起始期推迟共同造成的。对温度和降水的变化进行分析发现, 温度对南北样带上植被物候的影响较大, 而降水对
物候的影响相对较小, 不同植被类型对温度的响应各异。在南北样带上存在的热量梯度, 使得整条样带上植被的物候现象也
表现出时间梯度, 从返青起始期发生的时间上比较, 从北向南逐渐推迟, 即寒温带植被>温带植被>亚热带植被; 休眠起始期
和生长季长度则正好相反, 亚热带植被>温带植被>寒温带植被。
关键词 归一化植被指数, 中国东部南北样带, 物候期, 植被类型
Phenological change of main vegetation types along a North-South Transect of Eastern China
YU Zhen1, SUN Peng-Sen1*, and LIU Shi-Rong2
1Institute of Forest Ecology, Environment and Protection, Chinese Academy of Forestry, Beijing 100091, China; and 2Chinese Academy of Forestry, Beijing
100091, China
Abstract
Aims Vegetation phenology is a sensitive indicator of ecological response to climate change that is usually used
as an important component of dynamic vegetation models and reflects dynamic of carbon and water exchange
between the land surface and the atmosphere.
Methods Based on the biweekly dataset of NOAA/AVHRR NDVI (Normalized Difference Vegetation Index) for
1982–2006, the phenological curves of main vegetation types along the North-South Transect of Eastern China
(NSTEC) were extracted using remote sensing software ENVI (ver4.3, RSI). A smooth-splin method was used to
simulate and develop smooth phonological curves, which were used to determine timing of main phenological
events by the first derivative method.
Important findings Earlier onsets of green-up were found in Temperate Coniferous Forest (TCF, 0.56 d·a–1),
Temperate Grassland (TG, 0.66 d·a–1), Subtropical and Tropical Coniferous Forest (STCF, 0.46 d·a–1), Subtropical
Deciduous Broadleaf Forest (SDBF, 0.58 d·a–1), Subtropical and Tropical Grassland (STG, 0.89 d·a–1). Delays of
dormancy were found in Temperate and Cold Temperate Coniferous Forest (TCTCF, 0.32 d·a–1), Subtropical De-
ciduous Broadleaf Forest (SDBF, 0.80 d·a–1) and Temperate Deciduous Forest (TDF, 0.18 d·a–1). Prolonged grow-
ing season lengths (GSL) were also found in most vegetation types in the transect; however, these differed in their
onsets dates of green-up or dormancy. Prolonged GSL in TCF (0.77 d·a–1) was caused by earlier onset of
green-up, prolonged GSL in TCTCF (0.38 d·a–1) and TDBF (0.36 d·a–1) were caused by delays of dormancy and
prolonged of GSL in TG (0.76 d·a–1), STCF (0.83 d·a–1), SDBF (1.4 d·a–1) and STG (1.3 d·a–1) were due to both
advances of green-up and delays of dormancy. Correlations among precipitation, temperature and NDVI were
余振等: 中国东部南北样带主要植被类型物候期的变化 317

doi: 10.3773/j.issn.1005-264x.2010.03.009
analyzed to further explore the causes of phenological variation. The result showed that temperature has greater
influence on variations of phonological events than precipitation. Heat gradient along NSTEC caused a phono-
logical events gradient, i.e., a time sequence of cold temperate zone > temperate zone > subtropical zone in the
onset dates of green-up and subtropical zone > temperate zone > cold temperate zone in the onset dates of dor-
mancy and growing season lengths.
Key words Normalized Difference Vegetation Index (NDVI), North-South Transect of Eastern China (NSTEC),
phenology, vegetation types

植物物候是植被响应区域气候变化的最敏感
的特征指标之一(Chmielewski & Rötzer, 2001)。从20
世纪80年代以来, 北半球部分区域的增温显著, 使
人们越来越关注植被物候期变化及其对气候变化
的响应研究(Chmielewski et al., 2004)。植物物候期
的提前可能会导致植被初级生产力的提高(Lucht et
al., 2002), 并且会对大气中CO2的季节性变化产生
影响(Myneni et al., 1997), 植被物候期的变化甚至
会对陆地生态系统以及人类社会产生十分广泛的
影响(Piao et al., 2006)。许多资料证实了中、高纬度
区域春季物候都有提前的趋势(Schwarz & Reiter,
2000; Defila & Clot, 2001; Parmesan, 2007), 个别研
究发现, 过去20多年来, 在低纬度区域也出现这种
趋势(Xiao et al., 2006; Heumann et al., 2007)。
目前, 物候变化研究主要基于3种方法, 第一
种是基于地面观测, 第二种是基于遥感观测, 第三
种方法是基于气候经验模型进行计算。基于地面观
测的方法能获得精确的物候数据, 例如开花期、展
叶期等详细的时间记录, 但是尺度比较小; 基于遥
感卫星的观测以及模型计算主要是为便于区域尺
度的应用, 面向大面积植被的变化, 这种研究目前
还无法确定精确的物候时间, 但根据植被(通常用
光谱指数, 例如归一化植被指数(NDVI)的绿度变化
特点, 确定植被总体上的物候变化。考虑到南方和
北方植被的差异以及常绿和落叶树种的差异, 利用
遥感获得的主要的物候事件包括: 返青起始期、休
眠起始期和生长季长度。 Karlsen等 (2007)用
GIMMS-NDVI数据分析了北欧地区1982–2002年的
植物物候, 发现春季温度升高1 ℃会导致该区域生
长季提前5–6 d, 而在海洋性气候主导的区域, 春季
温度升高导致生长季比大陆性气候主导的区域显
著提前。关于热带和亚热带常绿植物的物候研究资
料较少。Xiao等(2005, 2006)应用遥感手段对南美洲
亚马逊流域常绿植物物候进行分析后, 认为降水和
光照也可能是植被物候的决定因素。而Piao等
(2006)对中国温带地区的物候研究发现, 生长季有
明显延长的趋势。对于亚热带以南的植被类型, 我
们则缺乏了解, 同时, 目前我国还缺乏详细区分不
同植被类型的有关物候期及对气候变化的响应特
点的深入探索。本研究将基于我国东部南北样带上
12种不同的植被类型, 应用遥感数据结合样条平滑
方法计算物候事件, 在南北样带提供的温度梯度和
降水变异条件下, 模拟并分析主要物候事件的发生
及演变规律。
1 研究区域自然概况
中国东部南北样带 (North-South Transect of
Eastern China, NSTEC)的主体从中国东部108°–
118° E沿经线由海南岛北上到40° N, 然后向东错位
8°, 再由118°–128° E往北到国界, 总面积约占国土
面积的1/3 , 覆盖17个省市(彭少麟等, 2002)。样带
南北距离超过3 500 km, 有明显的热量梯度与水热
组合梯度, 同时还有土地利用强度的变化(滕菱等,
2000)。南北样带是地圈、生物圈计划(IGBP)在2000
年设立的国际标准样带, 目标在于研究全球变化的
科学问题(Gao et al., 2003)。
南北样带主要为季风气候, 水分和热量资源十
分充足, 从低纬度到高纬度, 温度和降水呈递减趋
势。样带的主要植被分布从南至北依次为: 热带雨
林、亚热带常绿阔叶林、亚热带落叶阔叶林、亚热
带热带针叶林、亚热带热带草丛、温带落叶灌丛、
温带草甸、温带草丛、温带草原、温带针阔混交林、
温带落叶阔叶林、温带针叶林、寒温带温带针叶林
等(图1)。
2 资料来源和研究方法
2.1 资料来源
本研究使用的植被分类图来自中国科学院植
物研究所编制的1 : 100万植被图(中国科学院中国
植被图编辑委员会, 2001)。使用的遥感数据是由美
318 植物生态学报 Chinese Journal of Plant Ecology 2010, 34 (3): 316–329

www.plant-ecology.com


图1 中国东部南北样带植被类型及分布图。TCTCF, 寒温
带温带针叶林; TCF, 温带针叶林; TMF, 温带针阔叶混交林;
TDBF, 温带落叶阔叶林; TDS, 温带落叶灌丛; TMS, 温带
草甸草原; TG, 温带草丛; TGS, 温带禾草草原; STCF, 亚热
带热带针叶林; SDBF, 亚热带落叶阔叶林; SEBF, 亚热带常
绿阔叶林; STG, 亚热带热带草丛。
Fig. 1 Vegetation types and distribution in North-South Tran-
sect of Eastern China (NSTEC). TCTCF, temperate and cold
temperate coniferous forest; TCF, temperate coniferous forest;
TMF, temperate mixed forest; TDBF, temperate decidu-
ous-broadleaved forest; TDS, temperate deciduous shrubland;
TMS, temperate meadow steppe; TG, temperate grassland;
TGS, temperate grass steppe; STCF, subtropical and tropical
coniferous forest; SDBF, subtropical deciduous-broadleaved
forest; SEBF, subtropical evergreen-broadleaved forest; STG,
subtropical and tropical grassland.


国航空航天局 (NASA)全球监测与模型研究组
(Global Inventor Modeling and Mapping Studies,
GIMMS)发布的空间分辨率为8 km × 8 km、时间范
围从1982年到2006年共25年的数据, 该数据已经过
几何精纠正、辐射校正、大气校正等预处理, 且都
已采用最大值合成法(Maximum Value Composite,
MVC), 以减少云、大气和太阳高度角等的影响
(McVicar & Bierwirth, 2001; Tucker et al., 2005; Sun
et al., 2008)。
2.2 研究方法
基于遥感方法描述大尺度物候变化与基于单
个植物或物种的物候监测有很大的不同。传统的生
长季定义已经不再适用于遥感技术研究, 许多学者
进行了重新界定(Reed et al., 1994)。基于遥感技术
的开始日期和结束日期, 指的是较大尺度宏观区域
地表植物物候生长季的开始和结束日期, 而不是传
统意义上基于定点、定株观测的单一植物或植株生
长季的开始和结束日期。区域的个别植株出现绿色
并不意味着遥感生长期的开始; 只有当地面绿度达
到一定界限时, 才能被遥感传感器所识别(武永峰
等, 2005)。因此, 遥感手段提取出的返青起始期(或
休眠起始期)是指区域植被的整体活动强度提高(或
降低)最快的日期, 该生长季描述的是整个植物群
体在一年中的活跃状态。
本研究的具体处理步骤和过程包括气象数据
插值、像元除噪、物候曲线模拟和物候期的确定等。
2.2.1 气象数据插值
利用Anusplin (Ver. 4.1; Australian National
University, Center for Resources and Environmental
Studies, Canberra, Australia) 软件, 引入经度、纬度、
高程信息作为协变量, 采用三变量薄板光顺样条插
值法(阎洪, 2004; McVicar et al., 2007; Sun et al.,
2008), 对全国752个气象站点1982–2006年逐月的
温度和降水数据进行插值。
SMK (Seasonal Mann-Kendall) 趋势检验: 对温
度数据的趋势检验采用Mann-Kendall (SMK)检验
法。该检验方法最早是由Mann (1945)和Kendall
(1975)提出的, 经过补充增加了季节性(Hirsch et al.,
1982)、多观测点(Lettenmaier, 1988)以及协变量代表
自然波动(Libiseller & Grimvall, 2002)。 SMK趋势
性分析纠正了时间上的自相关, 能直接计算出季节
性数据的趋势显著性, 而无须将数据转换为年均
值。 Beurs 和 Henebry (2004, 2005)提供了关于
SMK方法对时间序列数据检验的更详尽说明(Sun
et al., 2008)。
2.2.2 像元除噪
植被类型分布图的边缘区域受土地利用等多
种因素的影响, 是NDVI提取后产生噪音的主要原
因之一, 因此, 首先应进行像元纯化处理。由于
余振等: 中国东部南北样带主要植被类型物候期的变化 319

doi: 10.3773/j.issn.1005-264x.2010.03.009
NDVI数据空间分辨率为8 km × 8 km, 所以植被图
处理中, 首先删除小于64 km2的细小斑块; 其次,
对植被图进行缓冲处理, 剔除像元边缘影响, 进一
步提高像元纯度。缓冲阈值偏大会造成数据不具代
表性甚至植被类型的缺失, 缓冲区偏小则无法有效
地提高目标像元纯度。利用ENVI软件对植被图和
NDVI数据进行匹配计算, 该软件在匹配的过程中
默认剔除面积小于50%的斑块, 所以最后确定2 km
作为缓冲区最适宜。
2.2.3 利用样条平滑技术进行物候曲线模拟
采用基于样条平滑的最大斜率法计算植被物
候。首先, 应用平滑样条模拟中国东部南北样带12
种自然植被(各种植被编号及缩写见表1) 25 a 来的
NDVI变化曲线(图2); 然后, 应用最大斜率法确定
各种植被每一年的物候期(图3); 最后, 计算每一种
植被各年的生长季长度。样条平滑法由参数t构成,
使得下式最小化:
( )( ) ( ) 222 21i i
i
d st y s x t dx
dx
⎛ ⎞− + − ⎜ ⎟⎝ ⎠∑ ∫
式中, t定义在0–1之间, 如果t = 0, 则为直线拟合;
如果t = 1, 则为三次方平滑。先根据计算机自动给


表1 1982–2006年不同植被类型温度Mann-Kendall检验值
Table 1 Mann-Kendall Tests of data series of temperature in different types of vegetation from 1982 to 2006
植被类型 Vegetation type 月
Month
TCTCF TCF TMF TDBF TDS TMS TGS TG STCF STG SDBF SEBF
1 0.3 1.0 1.4 1.3 1.1 0.7 0.8 1.9 1.4 1.3 0.3 1.3
2 1.5 3.5** 2.2* 2.0* 2.8** 1.8 2.7** 3.6** 3.0** 2.1* 2.9** 2.0*
3 1.1 3.7** 1.3 1.0 2.0* 0.8 1.7 3.3** 3.4** 2.8** 3.4** 2.0*
4 0.4 2.2* 1.3 0.9 1.5 1.5 1.8 2.2* 1.9 2.6** 2.2* 2.7**
5 0.5 1.6 1.3 1.3 2.0* 1.4 2.0* 2.0* 0.8 0.9 1.0 1.5
6 0.4 3.1** 3.0** 1.7 2.4* 1.5 2.5** 3.1** 3.3** 2.0* 3.3** 0.8
7 2.5** 3.1** 3.1** 2.1* 2.8** 2.9 3.6** 3.0** 3.5** 1.7 2.4* 0.1
8 1.3 1.7 –0.3 –0.7 0.7 1.8 2.2* 1.5** 0.4 0.6 –0.2 0.1
9 1.4 1.7 3.2** 3.1** 3.1** 3.3 3.5** 2.6** 1.7 1.8 1.5 0.8
10 1.1 0.4 1.5 1.0 1.1 1.5 0.9 1.2 0.4 0.5 0.7 0.6
11 –0.6 1.8 1.1 0.7 0.8 –0.3 0.5 1.9 1.4 1.6 0.7 2.0*
12 –0.6 1.3 –0.3 –0.4 –0.2 –1.5 –0.2 1.5 0.9 0.9 0.6 0.8
年 Annual 1.1 4.0** 2.7** 4.2** 4.1** 3.7** 2.6** 3.5** 3.5** 3.7** 4.1** 3.7**
*, p<0.05; **, p<0.01; 植被类型缩写同图1。 MK检验值为正表示上升趋势, 为负表示下降趋势。
*, p<0.05; **, p<0.01; The abbreviations of vegetation types are the same as in Fig.1. A positive MK statistic value denotes an upward trend and a
negative one denotes a downward trend.


图2 利用样条平滑技术进行物候曲线模拟。NDVI, 归一化植被指数。
Fig. 2 Simulation of phonological curve by smooth spline. NDVI, Normalized Difference Vegetation Index.
320 植物生态学报 Chinese Journal of Plant Ecology 2010, 34 (3): 316–329

www.plant-ecology.com


图3 最大斜率法确定植被物候期。
Fig. 3 Identifying the onset dates of vegetation green-up and
dormancy by the greatest change slope method.


出的 t值进行模拟, 再以较小步长逐步调整 t值使
拟合曲线平滑至适当值, 在该模拟状态下, 既有效
地保留了物候变化信息, 又较小地受到NDVI时间
序列噪声的影响。
采用基于样条平滑的最大斜率法, 进一步降低
了NDVI时间序列中的噪声, 生成平滑的拟合曲线。
同时, 该方法可以将25年的NDVI时间序列作为一
个连续的整体进行模拟, 可以解决亚热带植被物候
期波动大、物候期可能出现于次年的难点。同时, 对
整体数据序列进行拟合, 可以充分考虑相邻年份之
间NDVI的关联, 很好地包含整体变化趋势的信息,
避免单年拟合可能出现数据不充分、孤立拟合的情
况出现。
2.2.4 物候期确定
最大斜率法假设返青起始期是植物开始迅速
生长即NDVI急剧升高的时期, 休眠起始期是植物
叶片脱落即NDVI迅速减小的时期(图3)。NDVI变化
最显著的点, 即拟合曲线斜率最大和最小的点, 定
为返青起始期和休眠起始期。
3 结果和分析
3.1 不同植被类型所在区域温度和降水的趋势变化
从1982年以来, 南北样带上存在着普遍增温的
现象, 降水也出现了北部减少、南部增加的趋势。
基于Anusplin软件插值出的数据, 提取出样带上每
一种植被类型12个月的温度和降水数据, 并通过
Mann-Kendall检验分析各个月份的变化趋势。温度
的检验结果见表1。
通过Mann-Kendall检验可以发现, 南北样带上
增温主要出现在2–9月, 集中于春季初、秋季初和夏
季。其中温带区域的温带针叶林(TCF)、温带落叶
灌丛(TDS)、温带草丛(TG)、温带禾草草原(TGS)、
亚热带落叶阔叶林(SDBF)和亚热带针叶林(STCF)
都出现了至少5个月的显著增温; 而寒温带温带山
地针叶林(TCTCF)和温带草甸草原(TMS)只有个别
月份出现显著增温。
对降水进行SMK检验, 结果如表2所示。

表2 1982–2006年不同植被类型降水Mann-Kendall检验
Table 2 Mann-Kendall Tests of data series of precipitation in different types of vegetation from 1982 to 2006
植被类型 Vegetation type 月
Month TCTCF TCF TMF TDBF TDS TMS TGS TG STCF STG SDBF SEBF
1 –0.3 0.8 0.0 0.4 0.0 1.0 0.9 0.7 0.0 1.0 0.5 0.4
2 0.1 0.8 –0.8 –1.3 –0.3 –0.5 –0.1 0.1 0.8 –1.9 0.7 –1.3
3 0.2 –2.5** 0.0 1.1 –1.5 0.8 –0.9 –2.2* –2.2* 0.3 –1.2 –1.3
4 –0.2 0.1 –0.8 –0.7 –0.4 0.4 0.2 0.1 –0.7 –0.5 0.6 0.0
5 0.5 –1.7 0.0 –0.5 –1.4 –0.6 –0.4 –1.1 –0.6 1.4 –0.9 0.4
6 –0.5 0.5 –0.7 –0.3 0.6 –0.9 –0.7 0.7 –0.6 1.4 0.5 1.8
7 –1.0 –0.3 –0.7 –0.2 –0.5 –1.0 –1.4 –0.7 –1.0 0.7 0.7 2.1*
8 –2.7** –0.4 –1.4 –0.9 –1.6 –1.8 –1.9 –0.7 –0.8 0.5 –0.2 1.1
9 –1.5 0.1 –2.4* –2.6** –2.8** –2.6** –1.7 –0.8 –1.0 –2.0* –0.4 –2.3*
10 0.3 –0.6 0.9 1.3 0.6 0.5 –0.1 –0.2 0.1 –0.4 –0.6 –1.3
11 0.4 –0.6 –0.7 –0.3 –0.4 0.0 0.1 –0.2 –1.4 –1.3 –0.3 0.5
12 0.5 0.5 –0.2 0.3 0.6 0.8 1.1 0.3 0.1 1.1 0.6 –0.3
年 Annual –2.2* –1.7 –2.1* –1.3 –2.2* –2.2* –1.1 –2.4* 0.9 0.2 –2.1* –0.8
表注同表1。
Notes see Table 1.
余振等: 中国东部南北样带主要植被类型物候期的变化 321

doi: 10.3773/j.issn.1005-264x.2010.03.009
样带上各种植被类型所在区域在大多数月份
的降水变化较小, 显著变化的月份主要为3月与9
月。3月降水出现显著减少的植被为TCF、TG和
STCF; 9月降水出现显著减少的植被为温带混交林
(TMF)、温带落叶阔叶林(TDBF)、TDS、TMS、亚
热带热带草原(STG)和亚热带常绿阔叶林(SEBF)。
降水出现显著减少的主要为温带植被类型所分布
的区域。
3.2 不同植被类型返青起始期的变化情况
温带寒温带植被的返青起始期多年平均发生
时间为(126 ± 12) d, 热带亚热带植被类型返青起始
期发生时间为(110 ± 13) d。可以看出, 返青起始期
的发生时间从4月初到5月中旬变化。
从长期时间趋势看, 不同植被类型返青起始期
的逐年变化情况各异, 大部分植被的返青起始期都
有不同程度的提前, 比如温带针叶林(TCF)、温带草
丛(TG)、亚热带热带针叶林(STCF)、亚热带落叶阔
叶林(SDBF)、亚热带热带草丛(STG)等, 分别提前
0.56 (p < 0.01)、0.66 (p < 0.01)、0.46 (p = 0.01)、0.58
(p < 0.01)、0.89 (p = 0.02) d·a–1; 此外, 其他植被类
型, 诸如TCTCF、TMS、TGS、TDS、SEBF、TMF、
TDBF等变化趋势相对较小。在这些返青起始期比
较显著提前的植被类型中, 2种分布在温带区域, 3
种分布于亚热带区域(图4)。
3.3 不同植被类型休眠起始期的变化
相比之下, 温带寒温带植被的休眠起始期波动
较小, 波动范围为(260 ± 7) d, 比较集中在9月份。
热带亚热带植被类型休眠起始期波动较大, 波动范
围为(290 ± 25) d, 主要发生在10–11月。
从25年的时间序列上看, 大部分植被类型的休
眠起始期都有不同程度的推迟, 其中比较明显的类
型有TCTCF、TDBF和SDBF等, 分别推迟0.32 (p <
0.01)、0.18 (p = 0.08)、0.80 (p = 0.02) d·a–1; 此外,
TCF、TMF、TDS、TMS、TGS、TG、STCF、SEBF
和STG等类型, 休眠起始期的整体变化趋势不显
著。在这些休眠起始期推迟比较明显的植被类型中,
一种类型分布在亚热带区域, 两种分布于温带寒温
带区域(图5)。
3.4 不同植被生长季长度的变化情况
根据不同植被返青起始期和休眠起始期的数
据, 计算每种植被类型各年的生长季长度, 分析物
候期的变化情况。生长季长度定义为返青期开始至
休眠期开始的日期长度。
从图6可以看出, 1982–2003年, 中国东部南北
样带上大部分植被类型生长季长度都有所延长。在
这些生长季显著延长的植被类型中, 分布在亚热带
区域的有STCF、SDBF和STG等, 分别延长0.83、
1.40和1.30 d·a–1; 而分布在温带寒温带的植被生长
季有显著延长趋势的为TCTCF、TCF、TG和TDBF
等植被类型, 分别延长了0.38 (p = 0.08)、0.77 (p <
0.01)、0.76 (p < 0.01)和0.36 (p = 0.08) d·a–1; 此外,
TGS的生长季长度有所缩短(0.37 d·a–1, p = 0.07)。
温带寒温带植被类型的生长季长度一般都在
3–5个月, 大部分为4个月, 波动范围为(134 ± 15) d;
而热带亚热带植被类型生长季长度在5–7个月, 波
动范围为(180 ± 25) d。
生长季长度的变化是由返青起始期和休眠起
始期的变化造成的, 根据生长季延长的不同方式,
划分为3种类型: 第一种由返青起始期显著提前造
成生长季延长, 如TCF; 第二种由于休眠起始期显
著推迟而造成生长季延长, 如TCTCF和TDBF; 第
三种由于返青起始期提前和休眠起始期推迟共同
造成生长季延长, 如TG、STCF、SDBF和STG。
3.5 不同植被类型物候发生时间与温度和降水的
关系
为了探索温度和降水对植被物候的影响, 结合
样带上1982–2006年的气象数据对物候数据进行分
析研究。计算不同植被类型对温度和降水的响应情
况, 各种植被类型的物候现象发生时间与温度及降
水的相关系数及其显著性数据见表3。
从表3可以看出, 温度对返青起始期的影响较
大, 不论是温带植被还是亚热带植被, 返青起始期
与温度几乎都呈负相关。对于样带上的大部分植被
类型而言, 返青起始期受降水的影响较小。对于休
眠起始期, 不论是温带还是亚热带, 温度和降水的
影响都相对较小。但是休眠起始期与温度几乎都呈
正相关。
由于温度对样带上植被的物候影响较大, 以下
着重分析样带上不同植被类型物候现象对温度的
响应差异。对每种植被类型的物候发生时间和温度
做散点图(图7)。
从图7可以看出, 随着温度的升高, 返青起始
期提前, 休眠起始期延迟, 生长季延长。不同植被
类型对温度的响应各异, 但是各个温度带的植被类
322 植物生态学报 Chinese Journal of Plant Ecology 2010, 34 (3): 316–329

www.plant-ecology.com



图4 不同植被类型返青起始期的变化趋势。图注同图1。
Fig. 4 Trend of onset dates of different vegetation green-up. Notes see Fig.1.


余振等: 中国东部南北样带主要植被类型物候期的变化 323

doi: 10.3773/j.issn.1005-264x.2010.03.009



图5 不同植被类型休眠起始期的变化趋势。图注同图1。
Fig. 5 Trend of onset dates of different vegetation dormancy. Notes see Fig.1.



324 植物生态学报 Chinese Journal of Plant Ecology 2010, 34 (3): 316–329

www.plant-ecology.com



图6 不同植被生长季长度变化图。图注同图1。
Fig. 6 Trend of growing season length of different vegetation. Notes see Fig.1.



余振等: 中国东部南北样带主要植被类型物候期的变化 325

doi: 10.3773/j.issn.1005-264x.2010.03.009
表3 各种植被类型的物候变化与温度及降水的相关系数
Table 3 Correlation coefficients among phenological events, temperature and precipitation
返青起始期
Green-up
休眠起始期
Dormancy
生长季长度
Length of growing season
植被类型
Vegetation type
温度
Temperature
降水
Precipitation
温度
Temperature
降水
Precipitation
温度
Temperature
降水
Precipitation
TCTCF –0.64** 0.08 0.08 –0.14 0.47* 0.02
TCF –0.52** –0.11 0.49* 0.17 0.64* –0.11
TMF –0.48* 0.22 0.19 0.19 0.14 0.23
TDBF –0.71* –0.02 0.38 –0.01 0.43* 0.20
TDS –0.50* –0.41* 0.19 0.03 0.39 0.29
TMS –0.08 –0.28 –0.07 0.14 0.10 0.38
TG –0.40* –0.16 –0.12 –0.04 –0.10 –0.02
TGS 0.16 –0.28 –0.09 0.12 0.50 –0.01
STCF –0.47* 0.31 0.13 0.18 0.53** –0.06
SDBF –0.52** 0.01 0.30 –0.29 0.52** –0.01
SEBF –0.36 0.28 0.11 –0.20 0.34 –0.01
STG –0.38 –0.06 0.03 –0.06 0.38 0.06
*, p < 0.05; **, p < 0.01; 植被类型缩写同图1。
*, p < 0.05; **, p < 0.01; The abbreviations of vegetation types are the same as in Fig. 1.


型物候现象都相对集中在特定的区域, 可以从物候
发生时间图上看出明显的3个温度带分异。
从整个样带尺度上看, 随着纬度由亚热带经温
带到寒温带逐渐升高, 相应纬度植被的返青起始期
有比较明显的梯度, 发生时间先后顺序为: 寒温带
植被→温带植被→亚热带植被。随着纬度的升高,
不同纬度带植被的休眠起始期和生长季长度也有
一个梯度, 具体表现为: 亚热带植被>温带植被>寒
温带植被。对于返青起始期而言, 寒温带和温带植
被都集中在4–5月份, 亚热带植被集中在3–4月份
(图7A、7B); 对于休眠起始期而言, 寒温带和温带
植被都集中在8–9月份, 亚热带植被集中在9–11月
份; 对于生长季长度而言, 寒温带和温带植被一般
为4–5个月, 亚热带植被一般为5–7个月。
由图7A、7B、7C也可以看出, 在南北样带上,
寒温带植被物候现象主要发生在–5 – 0 ℃之间; 温
带植被物候现象主要发生在0–18 ℃之间; 亚热带
植被物候现象主要发生在15–20 ℃之间。从高纬度
到低纬度, 物候现象触发的温度阈值在升高。
从物候现象的时间跨度上比较, 寒温带和温带
植被物候现象发生的时间比较集中, 而亚热带植被
物候现象的发生时间波动很大, 这也造成了亚热带
植被生长季长度的波动比寒温带和温带的植被大。
不同植被返青起始期与春季温度、休眠起始期
与秋季温度和生长季长度与生长季温度的回归关
系及显著性见表4。
温带植被返青起始期、休眠起始期和生长季长
度变化的标准差比亚热带热带植被小的多。不同植
被类型对温度的响应也不一样, 温带植被类型中,
森林和灌丛物候变化与温度的关系比草地要显著。
其中, 温带针叶林(TCF)对温度的响应最敏感, 每
上升1 ℃, 温带针叶林的返青起始期、休眠起始期
和生长季长度各提前或推迟0.45、0.30和0.93 d·a–1。
对温度敏感程度为 : TCF>TDBF>TCTCF>TMF>
TDS>TG。
亚热带植被类型的返青起始期、休眠起始期和
生长季长度变化的标准差较大, 其中, 亚热带热带
草丛对温度的响应最敏感, 每上升1 ℃, 亚热带热
带草丛的返青起始期、休眠起始期和生长季长度各
提前或推迟1.20、0.27和2.5 d·a–1。其他3种亚热带热
带植被对温度的敏感程度比较接近。
4 讨论和结论
4.1 本研究表明, 基于样条平滑的最大斜率法可
以有效地模拟和提取大尺度、连续时间序列的物候
信息。传统的拟合方法(包括六次方拟合的阈值法和
逻辑斯蒂拟合法等)只能拟合植被1年的NDVI数据,
这些方法将一个连续的NDVI时间序列数据分割开,
而样条平滑法可以把25年植被的NDVI长时间序列
数据作为一个整体进行拟合, 这样有效地保留了植
326 植物生态学报 Chinese Journal of Plant Ecology 2010, 34 (3): 316–329

www.plant-ecology.com
被连续变化的信息, 可以最大限度地提取整体物候
特征。另外, 由于物候年与自然年在时间上不重叠,
有些植被比较难以界定NDVI数据拟合的时间段,
这种现象在亚热带和热带植被中尤为明显, 这种缺
陷使得单年拟合NDVI的方法一般不适用于亚热带
区域的物候计算, 而样条平滑法可以有效地利用延
续的NDVI数据进行拟合, 解决了物候年与自然年
在时间上不重叠的难题, 同时对NDVI噪音比较大
的亚热带和热带植被也能较好地解决提取物候信

息的难题。
4.2 本研究证实了国内外有关专家发现的植被生
长季长度延长的现象(Beaubien & Freeland, 2000;
Menzel, 2000), 但与大多数早期的观点不同的是,
本研究发现个别类型生长季长度延长是由于返青
起始期提前(如温带针叶林)或休眠起始期推迟(如
寒温带温带山地针叶林和温带落叶阔叶林), 而另
外一些类型则是返青起始期提前和休眠起始期推
迟共同造成的(如温带草丛、亚热带热带针叶林、 亚
热带落叶阔叶林和亚热带热带草丛)。这是由于近几
十年来, 北方高纬度地区温度上升导致了适宜植被
生长的日期延长, 植被的返青起始期提前而休眠起
始期延后。
Piao等(2006)对中国温带区域植被1982–1999
年物候期进行研究后发现, 1982–1999年返青期显
著提前的有TCF、TG、TMS和TDS等。本研究的时
间范围在1982–2006年, 得出的结论也证实了这一
点, 在1999年之前温带植被的返青期显著提前的类
型与Piao等(2006)的研究结果相同。
许多研究依靠遥感手段发现, 从20世纪80年代
初至90年代末, 全球各个区域植被的返青起始期提
前、生长季长度延长。Stockli和Vidale (2004)研究发
现, 欧洲大陆植被返青起始期提前0.5 d·a–1; Zhou等
(2001)的研究认为, 北美大陆植被返青起始期提前
0.4 d·a–1, 而在同一时期, 我国南北样带上的植被返
青起始期提前幅度为0.8 d·a–1。就生长季延长的幅度
而言, 欧洲大陆为1.0 d·a–1, 北美大陆为0.7 d·a–1
(Zhou et al., 2001; Stockli & Vidale, 2004), 我国南
北样带上植被的生长季长度延长幅度则为1.3 d·a–1。
可以看出, 我国南北样带上植被的物候变化幅度皆
大于欧洲和北美大陆。
4.3 与温带植被类型的物候发生时间相比, 亚热
___________________________________________
←
图7 物候期与温度的相关关系。散点颜色表示不同植被类
型。A, 春季温度与返青起始期。B, 秋季温度与休眠起始期。
C, 生长季温度与生长季长度。红色椭圆内为寒温带植被;
绿色椭圆内为温带植被; 蓝色椭圆内为亚热带热带植被。
Fig. 7 Correlation between phonological events and tempera-
ture. Colors of scatter dots indicate different types of vegeta-
tion. A, Temperature and onset date of green-up. B, Tempera-
ture and onset date of dormancy. C, Temperature of growing
season and length of growing season. Red ellipse indicates the
vegetation of cold temperate zone; Green ellipse indicates the
vegetation of temperate zone; Blue ellipse indicates the vegeta-
tion of tropical and subtropical zone.
余振等: 中国东部南北样带主要植被类型物候期的变化 327

doi: 10.3773/j.issn.1005-264x.2010.03.009
表4 1982–2006年温度升高1 ℃南北样带上各种植被类型物候事件变化的天数(d·a–1)
Table 4 Changes of phenological events in different vegetation types during 1982 to 2006 along North-South Transect of Eastern
China (NSTEC) (d·a–1)
返青起始期
Green-up
休眠起始期
Dormancy
生长季长度
Length of growing season
植被类型
Vegetation
type 每年变化天数
Day of change
per year (d·a–1)
儒略日
Julian day
标准误差
Standard
error
每年变化天数
Day of change
per year (d·a–1)
儒略日
Julian day
标准误差
Standard
error
每年变化天数
Day of change
per year (d·a–1)
儒略日
Julian day
标准误差
Standard
error
TCTCF –0.36* 123 6.2 0.15 250 4.5 0.67* 127 7.8
TCF –0.45* 118 7.0 0.30* 268 5.6 0.93* 150 10.5
TMF –0.34* 119 6.4 0.17 260 4.7 0.38 142 9.5
TDBF –0.36* 117 5.1 0.24* 262 3.6 0.76* 145 7.3
TDS –0.25* 127 5.0 0.03 260 2.5 0.45* 134 6.5
TMS –0.06 138 6.1 –0.01 254 3.4 0.08 116 6.1
TGS 0.10 145 7.6 –0.10 260 3.7 –0.25 115 7.6
TG –0.29 122 9.0 0.01 265 3.6 0.72* 143 9.7
STCF –0.55* 108 7.0 0.67* 270 11.6 1.3* 162 14.2
SDBF –0.53* 100 6.9 0.79* 277 12.8 1.6* 177 26.2
SEBF –0.86* 119 14.2 0.51 316 22.5 1.6 197 26.7
STG –1.2* 114 14.2 0.27 297 19.7 2.5* 183 27.1
*, p < 0.05; 植被类型缩写同图1。
*, p < 0.05; The abbreviations of vegetation types are the same as in Fig. 1.


带热带植被的物候期波动明显较大(表4), 这可能是
由于亚热带区域的遥感信息中噪声和水热条件年
际波动较大造成。由于亚热带植被物候现象波动大,
国内对于亚热带植被的物候变化研究较少, 样条平
滑技术可以比较有效地去除植被NDVI的噪声, 本
研究基于这种方法计算了亚热带热带植被的物候
变化, 发现STCF、SDBF和STG等类型的返青起始
期有所提前 ; SDBF的休眠起始期有所推迟 ;
STCF、SDBF和STG的生长季长度有所延长。
4.4 引入温度和降水对植被的物候期进行分析的
结果发现, 整体而言, 温度对中国东部南北样带植
被物候的影响大于降水对其影响。温度对返青起始
期的影响较大, 不论是温带植被还是亚热带植被,
返青起始期与温度几乎都呈负相关。对于休眠起始
期, 不论是温带还是亚热带, 温度和降水的影响都
相对较小, 但是休眠起始期与温度几乎都呈正相
关。
从统计显著性上看, 降水对样带上植被物候的
影响不如温度明显。多数研究也只发现降水与NDVI
的绝对值大小有明显相关性, 但是对于物候期的发
生时间的影响程度有限, 且不同植被类型之间的差
异很大, 这可能是由于降水在不同季节波动较大,
植被在不同季节对水分的需求不同以及水分利用
有效性差异所致。因此样带上不同植被类型对降水
响应的机制更复杂, 需要做进一步的探索研究。
4.5 1982年以来, 温带植被中返青、休眠和生长季
长度变化最大的分别为TG (提前0.66 d·a–1)、
TCTCF (推迟0.32 d·a–1)和TCF (延长0.77 d·a–1); 亚
热带植被返青、休眠和生长季长度变化最大的为
STG (0.89 d·a–1)、SDBF (推迟0.80 d·a–1)和SDBF (延
长1.4 d·a–1)。这些植被也是样带上对温度响应较敏
感的几种类型, 在未来气候变化的条件下, 这些植
被类型的物候变化将对南北样带上初级生产力、碳
水交换以及人类社会产生巨大影响。以热带亚热带
草丛为例, 该植被类型通常被认为具有较高的净初
级生产力, 因而具有较高的固碳潜力, 并且对温度
的响应非常敏感, 其物候期和生长季长度的变化可
能对区域的碳平衡产生一定影响。
4.6 从中国东部南北样带的空间上看, 温度梯度
对样带上的植被物候起着关键控制作用, 随着温度
由低纬度到高纬度的升高, 分布在相应纬度带上的
植被类型表现出明显的物候梯度, 具体表现在纬度
升高, 返青起始期提前, 休眠起始期推迟, 生长季
长度延长。由于温带和亚热带区域水热条件差异较
大, 不同植被类型的物候现象发生时间也随之波
动, 在水热条件年际波动比较小的温带区域, 植被
328 植物生态学报 Chinese Journal of Plant Ecology 2010, 34 (3): 316–329

www.plant-ecology.com
的物候周期相对比较固定地集中在一个时期内; 而
亚热带区域的水热条件年际差异很大, 植被的物候
现象对这种水热条件的响应也表现出大的波动。随
着近几十年来高纬度地区明显的增温, 南北样带上
的水热分布格局也发生了改变, 同时极端气候出现
的频率也升高, 这些因子对样带上植被的物候变化
产生了重要的影响。例如, 由图4–6可以看出, 各种
植被类型1998年的返青起始期都明显提前, 休眠起
始期明显推迟, 生长季长度明显延长。这可能与
1998年发生的20世纪最严重的厄尔尼诺现象有关。
1998年的厄尔尼诺现象使得温带区域出现了40多
年以来的最高平均气温, 并且降水也相应地增多。
由此可见, 植被的物候现象包含着气候变化的信
息, 其机理值得进一步探究。
致谢 国家自然科学基金重大研究项目 (30590-
383)、国家科技支撑项目(2006BAD03A0401)、林业
公益性行业科研专项(200804001)和中国林业科学
研究院院所基金海外人才专项(CAFYBB2008- 007)
资助项目。
参考文献
Beaubien EG, Freeland HJ (2000). Spring phenology trends in
Alberta, Canada: links to ocean temperature. International
Journal of Biometeorology, 44, 53–59.
Beurs KM, Henebry GM (2004). Trend analysis of the path-
finder AVHRR Land (PAL) NDVI data for the deserts of
central Asia. IEEE Geoscience and Remote Sensing Let-
ters, 1, 282–286.
Beurs KM, Henebry GM (2005). A statistical framework for
the analysis of long image time series. International
Journal of Remote Sensing, 26, 1551–1573.
Chmielewski FM, Müller A, Bruns E (2004). Climate changes
and trends in phenology of fruit trees and field crops in
Germany, 1961–2000. Agricultural and Forest Meteorol-
ogy, 121, 69–78.
Chmielewski FM, Rötzer T (2001). Response of tree phenology
to climate change across Europe. Agricultural and Forest
Meteorology, 108, 101–112.
Compiling Committee of Vegetation Maps of 1:1,000,000 in
China (中国科学院中国1:100万植被图编辑委员会)
(2001). Atlas of Vegetation Maps of 1:1,000,000 in China
(中国植被图集1: 100万). Science Press, Beijing.
Defila C, Clot B (2001). Phytophenological trends in Switzer-
land. International Journal of Biometeorology, 45,
203–207.
Gao Q, Li XB, Yang XS (2003). Responses of vegetation and
primary production in North-South Transect of Eastern
China to global change under land use constraint. Acta
Botanica Sinica, 45, 1274–1284.
Heumann BW, Seaquist JW, Eklundh L, Jönsson P (2007).
AVHRR derived phenological change in the Sahel and
Soudan, Africa, 1982–2005. Remote Sensing of Environ-
ment, 108, 385–392.
Hirsch RM, Slack JR, Smith RA (1982). Techniques of trend
analysis for monthly water quality data. Water Resources
Research, 18, 107–121.
Karlsen SR, Solheim I, Beck PSA, Høgda1 KA, Wielgolaski
FE, Tømmervik H (2007). Variability of the start of the
growing season in Fennoscandia, 1982–2002. Interna-
tional Journal of Biometeorology, 51, 513–524.
Kendall MG (1975). Rank Correlation Methods. Charles Grif-
fin, London.
Lettenmaier DP (1988). Multivariate nonparametric tests for
trend in water quality. Water Resources Bulletin, 24,
505–512.
Libiseller C, Grimvall A (2002). Performance of partial Mann-
Kendall test for trend detection in the presence of covari-
ates. Environmetrics, 13, 71–84.
Lucht W, Prentice IC, Myneni RB, Sitch S, Friedlingstein P,
Cramer W, Bousquet P, Buermann W, Smith B (2002).
Climatic control of the high-latitude vegetation greening
trend and Pinatubo effect. Science, 296, 1687–1689.
Mann HB (1945). Nonparametric tests against trend. Econo-
metrica, 13, 245–259.
McVicar TR, Bierwirth PN (2001). Rapidly assessing the 1997
drought in Papua New Guinea using composite AVHRR
imagery. International Journal of Remote Sensing, 22,
2109–2128.
McVicar TR, Van Niel TG, Li LT, Hutchinson MF, Mu XM,
Liu ZH (2007). Spatially distributing monthly reference
evapotranspiration and pan evaporation considering to-
pographic influences. Journal of Hydrology, 338,
196–220.
Menzel A (2000). Trends in phenological phases in Europe
between 1951 and 1996. International Journal of Biome-
teorology, 44, 76–81.
Myneni RB, Keeling CD, Tucker CJ, Asrar G, Nemani RR
(1997). Increased plant growth in the northern high lati-
tudes from 1981 to 1991. Nature, 386, 698–702.
Parmesan C (2007). Influences of species, latitudes and meth-
odologies on estimates of phenological response to global
warming. Global Change Biology, 13, 1860–1872.
Peng SL (彭少麟), Zhao P (赵平), Ren H (任海), Zheng FY
(郑凤英) (2002). The possible heat-driven pattern varia-
tion of zonal vegetation and agricultural ecosystems along
the North-South Transect of China under the global
change. Earth Science Frontiers (地学前缘), 9, 217–226.
(in Chinese with English abstract)
Piao SL, Fang JY, Zhou LM, Ciais P, Zhu B (2006). Variations
in satellite-derived phenology in China’s temperate vege-
tation. Global Change Biology, 12, 672–685.
余振等: 中国东部南北样带主要植被类型物候期的变化 329

doi: 10.3773/j.issn.1005-264x.2010.03.009
Reed BC, Brown JF, VanderZee D, Loveland TR, Merchant
JW, Ohlen DO (1994). Measuring phenological variability
from satellite imagery．Journal of Vegetation Science, 5,
703–714.
Schwarz MD, Reiter BE (2000). Changes in north American
spring. International Journal of Biometeorology, 20,
929–932.
Stockli R, Vidale PL (2004). European plant phenology and
climate as seen in a 20-year AVHRR land-surface pa-
rameter dataset. International Journal of Remote Sensing,
25, 3303–3330.
Sun PS, Liu SR, Jiang H, Liu YL, Liu JT, Lin Y, Liu XL
(2008). Hydrologic effects of NDVI time series in a con-
text of climatic variability in an upstream catchment of the
Minjiang River. Journal of the American Water Resources
Association, 44, 1132–1143.
Teng L (滕菱), Ren H (任海), Peng SL (彭少麟) (2000). The
natural situation of North South Transect of Eastern
China. Ecologic Science (生态科学), 19(4), 1–10. (in
Chinese with English abstract)
Tucker CJ, Pinzon JE, Brown ME, Slayback D, Pak E, Ma-
honey R, Vermote E, Saleous N (2005). An extended
AVHRR 8-km NDVI data set compatible with MODIS
and SPOT vegetation NDVI data. International Journal of
Remote Sensing, 26, 4485–4498.
Wu YF (武永峰), He CY (何春阳), Ma Y (马瑛), Li J (李京),
Zhang YL (张业利) (2005). The comparison of the current
remote sensing-based vegetation greenup detection meth-
ods with the computer simulation. Advances in Earth Re-
search (地球科学进展) 20, 724–731. (in Chinese with
English abstract)
Xiao XM, Hagen S, Zhang QY, Keller M, Moore B (2006).
Detecting leaf phenology of seasonally moist tropical for-
ests in South America with multi-temporal MODIS im-
ages. Remote Sensing of Environment, 103, 465–473.
Xiao XM, Zhang QY, Saleska S, Hutyra L, de Camargo P,
Wofsy S, Frolking S, Boles S, Keller M, Moore B (2005).
Satellite-based modeling of gross primary production in a
seasonally moist tropical evergreen forest. Remote Sensing
of Environment, 94, 105–122.
Yan H (阎洪) (2004). Modeling spatial distribution of climate
in China using thin plate smoothing spline interpolation.
Scientia Geographica Sinica (地理科学), 24, 163–169. (in
Chinese with English abstract)
Zhou L, Tucker CJ, Kaufmann RK, Slayback D, Shabanov NV,
Myneni RB (2001). Variations in northern vegetation ac-
tivity inferred from satellite data of vegetation index dur-
ing 1981–1999. Journal of Geophysics Research, 106,
20069–20083.


责任编委: 黄建辉 责任编辑: 王 葳