文摘
的基础上增强MODIS植被指数时间序列数据和多源数据,如夜间灯光数据和中国城市统计年鉴数据,我们调查了不同植被物候学沿城乡梯度在城市地区之间的不同大小的辽宁省沿海和内陆城市,中国。结果表明,以下:(1)城市楼宇密集地区使用的迭代提取阈值方法基于夜间灯光数据结合的定义城市组合地区有很高的准确性。(2)此外,我们发现,生长季节的开始(SOS)辽宁省发生在100年和180年,天在生长季节的结束(EOS) 260年和330年发生在天。SOS沿海城市之间的差异(即。,Dalian, Yingkou, Panjin, Jinzhou, Huludao, and Dandong) and inland cities (i.e., Chaoyang, Fuxin, Tieling, Shenyang, Fushun, Liaoyang, Benxi, and Anshan) was 1.70 days. However, the difference in the EOS was more significant, i.e., the EOS in coastal cities occurred 4.47 days later than that in the inland cities. (3) In urban areas of different sizes, the ∆SOS and ∆EOS of inland cities had negative correlations with urban size. Specifically, when the urban size increased 10-fold, the ∆SOS and ∆EOS advanced by 10.03 and 5.71 days, respectively. In contrast, the ∆SOS and ∆EOS of coastal cities had positive and negative correlations with the urban size, respectively. Specifically, when urban size increased 10-fold, ∆SOS was delayed by 11.29 days while EOS was advanced by 8.83 days.
1。介绍
植被物候学是指循环季节性植被生长和其他季节性变化等现象。物候学可以作为气候变化的一个重要指标,在生态环境中作为一个重要的参数对全球变化(1- - - - - -3]。这座城市是一个开放的、大规模和复杂的系统(4- - - - - -6]。城市化是人类生产和生活方式的转换活动,从农村向城市,从而导致物种丰富度的变化,生物同质化特征、气候环境、地表温度、水质、城市通风,有限公司2排放(7- - - - - -15]。最近,全球城市化的发展,城市生态环境问题变得尤为重要。因此,考试的影响,城市化进程对植被物候学是至关重要的,当试图理解城市化引起的生态环境的变化。
与遥感技术的快速进步,遥感数据已经成为一个重要工具对于大规模植被物候学的抽取,由于特征如广阔的覆盖范围和延长时间序列(16]。基于遥感技术的当前研究植被物候学都集中在植被变化表明植被指数的变化(归一化植被指数(NDVI)、增强型植被指数(增强型植被指数),和叶面积指数(LAI));这样的研究检查了时空变化的模式在植被生长季节,与气候变化和城市化的关系,不同植被类型、植被物候学的差异和植被生产力趋势(17- - - - - -22]。研究城市化对植被物候学的影响主要是建立在城市规模。我们使用一个城市或地区的几个城市为研究对象研究沿城乡梯度植被物候学的差异。通常情况下,城市地区有一个生长季节开始之前(SOS)和生长季节结束后(EOS)比农村地区。早期的研究(23]调查在美国大城市的城市生长季节持续显著长于在农村地区。城市化导致城市地表温度高于农村地表温度,和城市热岛效应影响植被物候学和一个指数函数。周et al。24)还发现,增加地表温度在32个大中城市导致了早期SOS和延迟EOS。其他因素如降水、阳光、植被类型、气候区,地形也可以影响植被物候学(25- - - - - -29日]。
“建筑面积”这个词指的是城市,是由行政区划内的土地开发和土地在建的城市;这些领域通常包含市政公用设施和公共设施。城市规模(注意调整分类标准http://www.gov.cn/)明确规定城市分为五类和七个等级符合城市规模分类的标准,这是基于在城市居住人口的统计口径。然而,由于人口流动等因素,城市的大小根据人口标准分类有些不准确(30.]。组合的程度地区,城市规模的代表,已被广泛应用于分类(31日,32]。不同的城市大小对植被物候学可以有不同的影响。例如,一项研究[33)调查4500多个大小不一的城市群在美国,和the results revealed that the SOS advanced by 1.3 days and the EOS was delayed by 2.4 days with a 10-fold increase in urban size.
这个城市是当前研究的主要目标沿城乡梯度植被物候学的差异,而缺乏比较研究在沿海和内陆城市,城市大小不同。在这项研究中,我们使用中国的辽宁省为研究主题。基于MODIS增强型植被指数时间序列数据和多源数据,如夜间灯光数据,中国城市统计年鉴数据,和土地利用数据,我们调查的规律性变化沿城乡梯度植被物候学在城市地区之间不同大小的沿海和内陆城市,以量化植被物候学城市化的响应模式。我们进行了以下分析:首先,我们获得了一系列城市组合地区利用夜间灯光数据和验证结果的准确性;接下来,我们检查了辽宁省植被物候学的空间分布特征;最后,我们探讨了不同植被物候学沿城乡梯度在不同大小的城市沿海和内陆城市之间揭示城市化响应模式,植被物候学。
2。数据和方法
2.1。研究区域
辽宁省(图1)位于中国东北地区南部(38°43 26′N′-43°和118°53′-125°46′E)。辽宁是中国最北部的沿海省份,它包括两个subprovincial城市(沈阳、大连)和12个地市级城市(即。、营口、盘锦、锦州、葫芦岛,丹东,朝阳,阜新市,铁岭、抚顺、辽阳、本溪、鞍山)。辽宁省有温带季风气候,漫长的冬天,短暂的夏天,和四个不同的季节。自2003年提议的国家战略在中国东北振兴老工业基地,辽宁省城市化进展迅速。因此,这是一个代表地区考试的时空变化沿城乡梯度植被物候学在不同的城市地区。
2.2。数据处理
考虑到研究的需求和数据可用性,数据包括在本研究遥感图像数据和中国城市统计年鉴数据,详细表1。数据处理包括以下方法:(1)遥感数据的批处理,即。,splicing, projection, resampling, and cropping by administrative division and (2) summary and analysis of statistical data using the built-up area data in the China City Statistical Yearbook.
2.3。研究方法
2.3.1。使用阈值法提取城市建筑物多的地区
介绍本研究的时间范围(2001 - 2018),国防气象卫星计划操作行扫描系统(DMSP / OLS)和国家极地轨道Partnership-Visible红外成像辐射计(NPP-VIIRS)图像被用作数据源的组合区域。考虑夜间灯光数据的连续性和传感器之间的差异DMSP / OLS和NPP-VIIRS图像,我们整合这两个数据类型和提取的边界城市组合区域,参照组合地区报道在中国城市统计年鉴》(34- - - - - -36]。具体方法如下:(1)DMSP / OLS和使用技术,如拼接NPP-VIIRS数据预处理,投影,重采样和裁剪。(2)NPP-VIIRS数据处理通过消除消极和年平均合成获得年度NPP-VIIRS夜间灯光数据,2013年,2015年和2018年。(3)DMSP / OLS和NPP-VIIRS数据为2013,DMSP数据与数字号码(DN)值0到50之间被用作一个面具来计算相应区域的均值NPP-VIIRS数据。这些区域被用作常数目标区域适合NPP-VIIRS 2013年数据。拟合结果被用来纠正NPP-VIIRS数据在2015年和2018年。(4)极高的和不稳定的值被移除从纠正NPP-VIIRS数据获得夜间光遥感图像的连续序列。(5)参照的统计区域城市居民区周围的辽宁省,迭代阈值方法应用于提取城市建筑物多的地区。
2.3.2。使用振幅方法提取植被物候学
Savitzky-Golay (s g)过滤器可以描述复杂的和小的变化NDVI时间序列数据和抑制噪声等,由于云污染和大气变化(37,38]。MODIS增强型植被指数是MODIS NDVI的发展和延续,我们使用s g滤波器来平滑MODIS增强型植被指数时间序列数据。方法获取植被物候学通过TIMESAT包括阈值和振幅的方法。我们使用了振幅的方法提取植被物候变化幅度30%。作为人类活动导致植被物候学的异常值,我们设置的有效范围SOS和EOS天50 - 180天240 - 330,分别以确保数据的准确性(39,40]。
2.3.3。不同的植被物候变化沿城乡梯度
我们计算均值SOS和EOS在城市和农村相比,一步一步,沿城乡梯度植被物候学的差异通过使用以下表达式: 在哪里和代表的意思是SOS城市地区缓冲区,分别代表了不同的SOS沿城乡梯度(24]。当负面,农村地区的SOS是晚于市区。积极的时候,农村地区的SOS是早于市区。计算方法的差异EOS沿城乡梯度的SOS是一样的。
3所示。结果
3.1。提取结果组合区域
迭代阈值法应用于提取辽宁省14个城市的居民区周围的2001年,2005年,2010年、2015年和2018年。此外,每年组合领域的交集作为城市区域。市区为中心,10缓冲区1公里直径的建立为城市中心周围的农村地区(图2)。的空间分布特征、组合在沈阳地区是最大的。包括各种土地利用类型组合区域,如城市建设用地、水体,和公园,表现出明显的连续性和,因此,是与一个城市建筑密集区的定义一致。表2列出了错误率与提取的城市居民区周围的2001年,2005年,2010年,2015年和2018年,低于7%。指的是以前的结果和研究需求41,42),这些数据符合我们的研究的精度要求。
3.2。提取植被物候学的结果
我们检查了植被的空间分布特征在辽宁省生物气候学计算意味着SOS和EOS 2001年,2005年,2010年,2015年和2018年(图3)。在辽宁,SOS发生在100 - 180天,平均147.28天,EOS发生在260 - 330天,平均290.12天。基于空间格局的异质性,SOS在辽宁东部和西部的一部分,即。,它发生在110 - 130天;相比之下,SOS中部和西部的一部分,辽宁、大连北部以及后来在辽宁东部,即。,它主要发生在150 - 180天。EOS的分布差异小于SOS。EOS在东部和中部辽宁大连发生在300 - 330天的一部分,晚于辽宁西部和中部的一部分,主要发生在270 - 290天。SOS的差异是次要的沿海城市与内陆城市,的意思是SOS前是146.22天、147.92天为后者。相比之下,EOS的差异是重要的沿海和内陆城市之间,的意思是EOS前是292.89天,而后者是288.42天。
(一)
(b)
3.3。不同的植被物候学沿城乡梯度在不同大小的城市
与农村相比,城市地区有一个早些时候SOS,后来EOS(图4)。与距离市区,所有城市的SOS显示逐渐推迟趋势,特别是在沈阳、营口,SOS推迟36.53天、35.55天,分别。EOS展出一个逐步推进的趋势越来越距离市区,特别是在锦州,朝阳,阜新市,EOS的先进的18.65,17.99,和17.35天。不同程度的SOS和EOS沿城乡梯度变化明显沿海和内陆城市。SOS沿城乡梯度差异的沿海城市略小于内陆城市。具体地说,与市区,距离的增加意味着延迟SOS的沿海城市是20.40天,而在内陆城市21.25天。EOS的差异以及城乡梯度之间的沿海和内陆城市明显小于SOS的差异。EOS沿城乡梯度之差小于,沿海城市的内陆城市。与市区的距离的增加,平均在沿海城市的EOS是10.48天,而在内陆城市13.33天。
(一)
(b)
(c)
(d)
沿城乡梯度植被物候学的差异在不同的城市之间的显著改变了沿海和内陆城市。代表不同的组合区域,城市大小,绘制的x设在,而生物气候学在城市和农村地区之间的差异是策划y设在在图5。城市之间的相关性模型大小和不同物候学建立了代表不同的城市化过程的影响在沿海和内陆城市植被物候学。∆SOS之间有显著负相关,城市规模在内陆城市,即。,一个更大的城市规模更大的∆SOS。当城市规模增加了10倍,∆SOS先进了10.03天。相比之下,之间存在着负相关∆EOS和城市的大小。当城市规模增加了10倍,∆EOS先进了5.71天。之间的相关性的差异沿城乡梯度植被物候学和城市规模在沿海城市与内陆城市的不同。在沿海城市,有一个积极的∆SOS和城市之间的相关性大小,即。,一个更大的城市规模较小的∆SOS。当城市规模增长了10倍,∆SOS推迟11.29天。相比之下,之间存在着负相关∆EOS和城市的大小。 When the urban size increased by 10-fold, the ∆EOS advanced by 8.83 days.
(一)
(b)
4所示。讨论
4.1。原因的差异植被物候学沿海城市与内陆城市
不同气候区和植被类型会影响植被物候学(43- - - - - -47]。根据气候带结果从数据中心的资源和环境科学的中国科学院,辽宁省14个城市位于五个不同气候区。根据统计结果,不同气候区有不同的SOS和EOS *(图6(一))。Sanjiang-Changbai区域包含更多的森林,早先SOS,后来EOS。不同气候区域差异导致城市植被物候变化(图6 (b))。作为不同地区植被类型多样,农业用地的平均生物气候学(水田和旱地),林地(林地、灌木林地、稀疏林地和其他林地),和草原(high-cover、midcover low-cover草原)计算使用基于遥感数据进行土地利用分类标准(表3)。结果表明,林地的SOS是早于农田和草地EOS后来,结果密切相关的综合影响,人类和气候因素对农业用地(48]。
(一)
(b)
这些气候的差异导致了不同的植被物候学之间的沿海和内陆城市。沿海和内陆城市之间温度和降水的差异是影响植被物候学的关键因素(26,49,50]。基于之前的研究,在春天温度的增加会导致早期SOS,而秋天温度的增加会导致后面的EOS。降水梯度也影响植被物候学,但有一个明显的滞后效应45,51,52]。沿海城市与内陆城市相比,有更高的温度和降水,这可能导致植被物候学的差异。继续城市化、城市土地利用的类型有明显变化,从而导致增加的面积不透水表面(53]。其他的研究已经发现,有一个明显的植被物候学和城市化之间的相关性(例如、城市化导致了SOS后来EOS)早些时候,和城市化的大小(即。,the area of impervious surfaces) has a significant relationship with the advanced SOS and delayed EOS [54- - - - - -56];这与本研究的结果是一致的。考虑气候的差异之间的沿海和内陆城市,我们使用了城市人口密集的地区代表城市规模和研究植被物候学城市和农村地区之间的差异对不同城市的大小。结果不同,在一定程度上,从这些报告(33),和数据是研究区密切相关,数据、方法和时间(57,58]。
4.2。不确定性
本研究探讨了植被物候学沿城乡梯度的响应模式为不同规模的城市在沿海和内陆城市,结果提供依据预测城市化对生态环境的影响。尽管如此,本研究有以下限制:(1)使用MOD13Q1获取植被物候学影响植被物候学结果的准确性由于发生混合像素数据产品(59)和(2)的异常波动和不连续的DN像素值,有一定的主观性,使用夜间灯光数据获取的范围城市组合地区基于阈值迭代法,这影响了精度(41,60]。
未来的研究应考虑的全面影响气候背景、地理位置、植被物候学和城市化。此外,高分辨率的遥感数据产品应该应用为了更逼真地反映植被物候学城市化的响应,因此,城市化对生态环境的影响可以量化。
5。结论
本研究使用在中国的辽宁省为研究主题。与MODIS增强型植被指数时间序列数据从2001年开始,2005年,2010年,2015年和2018年,以及多源数据,如夜间灯光数据和中国城市统计年鉴数据,我们城市组合地区分为不同的城市大小和调查了不同的植被物候学沿城乡梯度在不同大小的城市地区之间的沿海和内陆城市。基于这些分析,我们的结论显示如下:(1)城市建筑密集区迭代提取利用阈值方法基于夜间灯光数据包含各种土地利用类型。有明显的不同类型之间的连续性,出错率低于7%。(2)SOS的辽宁省100 - 180年发生在天,在EOS发生在260 - 330天。的差异之间的SOS沿海和内陆城市是微不足道的(1.70天),但这对EOS是重要的(4.47天)。(3)与农村相比,城市地区SOS后来EOS早些时候。差异的SOS和EOS沿城乡梯度沿海城市小于内陆城市,不同的分别为0.85和2.85天,。在不同大小的城市地区,∆SOS和∆EOS的内陆城市与城市规模的负相关性。∆SOS和∆EOS的沿海城市显示出积极的与城市规模负相关,分别。
我们的研究提供了一个参考的量化影响城市化对植被物候学。此外,比较研究不同植被物候学沿城乡梯度之间的沿海和内陆城市促进我们理解不同的城市化过程在沿海和内陆城市,这对改善生态环境是至关重要的。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究得到了国家自然科学基金(批准号。41771178,41771178,41471140),辽宁高校创新人才项目(批准号LR2017017),辽宁省优秀青年项目(批准号LJQ2015058)。作者想感谢所有咨询专家的评论物候提取。