《Remote Sensing》:Seasonal and Elevational Variations of Forest Greenness in Changbai Mountain During 2000–2024
编辑推荐:
山地森林绿度随季节变化,但生长季平均值可能掩盖与气候变率相关的季节特异性关联。研究人员评估了2000—2024年长白山2024年森林分类区域内历史森林绿度的季节与海拔变化、春季NDVI–气候关系的时空变化,以及夜间灯光(NTL)强度与森林绿度之间的关联。研究人
山地森林绿度随季节变化,但生长季平均值可能掩盖与气候变率相关的季节特异性关联。研究人员评估了2000—2024年长白山2024年森林分类区域内历史森林绿度的季节与海拔变化、春季NDVI–气候关系的时空变化,以及夜间灯光(NTL)强度与森林绿度之间的关联。研究人员使用了MODIS(中分辨率成像光谱仪)衍生的归一化植被指数(NDVI)、1 km气温和降水数据集、海拔分区以及年度夜间灯光(NTL)数据,并应用基于2024年中国年度土地覆盖数据集(CLCD)构建的森林掩膜,保留了森林覆盖度至少为70%的1 km像元。在整体生长季(斜率 = 0.0011 NDVI yr?1,R2 = 0.584,p < 0.001)、夏季(斜率 = 0.0006 NDVI yr?1,R2 = 0.188,p = 0.030)和秋季(斜率 = 0.0019 NDVI yr?1,R2 = 0.280,p = 0.007),NDVI显著增加。秋季显示出最大的估计斜率,但仅凭这一排序并不能确立各季节斜率之间的统计差异。春季未呈现显著的长期趋势(斜率 = 0.0011 NDVI yr?1,R2 = 0.087,p = 0.152),但在区域尺度上,春季NDVI与气温呈强正相关(r = 0.760,p < 0.001),且在所有海拔分区均保持正相关。在春季回归模型中,各海拔分区气温的标准化系数幅度均大于降水,所有方差膨胀因子(VIF)均≤ 1.22。探索性五年滑动窗口相关分析提示春季NDVI–气候关系存在时间变化,尽管每个估计值仅基于五个年度观测值。在低海拔地区,NTL–NDVI回归显著(R2 = 0.198,p = 0.026),而中、高海拔地区的关联未达统计显著;由于两个变量可能同时包含并行的时间趋势,该原始关联应谨慎解读。这些结果描述了2024年森林掩膜内森林绿度的季节与海拔格局,突显了春季与气温的独特关联,以及NTL强度与森林绿度之间的海拔依赖关系。
长白山森林绿度动态的季节与海拔分异及其气候与人类活动指示因子的关联——基于2000—2024年遥感数据的解读
山地森林对气候变率高度敏感,因为地形在短距离内压缩了温度、湿度、积雪和生长季长度等环境梯度。卫星观测虽已记录到广泛的植被绿化趋势,但生长季平均值可能掩盖植被在特定季节与气候变率之间的响应差异;在长白山这一具有明显垂直森林带谱的山地生态系统中,季节性和海拔依赖性尤为突出。以往研究多关注东北地区或长白山整体的植被动态,较少将季节、海拔、时间动态和景观尺度人类活动指标纳入同一固定空间框架联合分析。为此,研究人员以2024年中国年度土地覆盖数据集(CLCD)定义的森林掩膜为固定空间框架,围绕四个问题开展研究:季节NDVI趋势、季节与海拔分区的气候关联、春季气候关联的时间变化,以及夜间灯光(NTL)强度与森林绿度的海拔依赖关系。这项研究的意义在于揭示生长季平均所掩盖的季节不对称响应,并强调对NTL–NDVI关联应结合空间背景谨慎解读。
研究人员利用MODIS/Terra NDVI月产品(MOD13A3)、1 km气温和降水数据集、ASTER GDEM V003高程及年度NTL数据。以2024年CLCD(由Jie Yang和Xin Huang等开发)构建森林掩膜,保留森林覆盖度≥70%的像元,按海拔分低(<1100 m)、中(1100–1700 m)、高(>1700 m)三带。研究区位于长白山保护开发区,涉及安图县、抚松县和长白朝鲜族自治县,面积约3500 km2,最终纳入4344个森林像元、森林面积3223.62 km2。分析方法包括普通最小二乘(OLS)趋势回归、Pearson相关、标准化多元回归、方差膨胀因子诊断、5年和10年滑动窗口相关,以及NTL–NDVI回归。
3.1 2000—2024年季节NDVI趋势。在固定森林掩膜内,生长季NDVI显著增加(斜率=0.0011 NDVI yr
?1,R
2=0.584,p<0.001),夏季显著增加(斜率=0.0006,R
2=0.188,p=0.030),秋季增加最陡(斜率=0.0019,R
2=0.280,p=0.007),春季趋势正但不显著(斜率=0.0011,R
2=0.087,p=0.152)。年×季节交互模型未显示季节斜率间存在显著差异(F=1.131,p=0.341),因此秋季最大的估计斜率不代表统计意义上的差异,但揭示了季节间不同的趋势幅度。
3.2 季节NDVI与气温和降水量的相关性。春季NDVI与气温的相关性在各季节中最强(r=0.760,p<0.001),与降水量相关不显著(r=?0.299,p=0.146);生长季NDVI与气温显著正相关(r=0.405,p=0.045),与降水正相关但不显著(r=0.342,p=0.094);夏季和秋季的NDVI–气候相关均未达显著。可见长白山森林绿度与气候的同步关联具有明显季节差异,春季温度是主要关联因子。
3.3 海拔分区的季节森林绿度与气候关系。春季NDVI–气温相关在所有海拔分区均为正且显著:低海拔r=0.543(p<0.01),中海拔r=0.846(p<0.001),高海拔r=0.769(p<0.001),呈非单调海拔格局。春季回归模型中,气温标准化系数幅度在各海拔均大于降水(低、中、高分别为97.8%、93.6%、84.1%),所有VIF≤1.22,表明气温与降水共线性低。其他季节的气候相关多不显著,且随海拔变化。
3.4 春季NDVI–气候关系的时间变化。5年滑动窗口相关分析显示,春季NDVI–气温相关在多数窗口中保持正值但强度随时间波动,高海拔在2010年代中期多个窗口偏低;春季NDVI–降水相关从早期以负值为主,后期在低、中海拔向零或正值转变。10年滑动结果与5年部分一致,但高海拔降水相关在10年窗口中始终为负,而最后5年窗口转为正值。由于窗口短且重叠,这些结果被解释为探索性时间变异。
3.5 夜间灯光强度与生长季NDVI的海拔依赖关联。低海拔区NTL强度与生长季NDVI呈显著正相关(斜率=0.159,R
2=0.198,p=0.026);中海拔为正但不显著(斜率=0.438,R
2=0.049,p=0.288);高海拔为负且不显著(斜率=?0.514,R
2=0.002,p=0.853)。标准化时间序列显示低海拔NTL在研究后期明显上升,而NDVI增幅较弱。该原始关联被谨慎解读为空间–时间对应关系而非因果关系,因为NTL整合了居民点、道路、旅游设施等多种人工光源,且两变量可能包含同步长期趋势。
讨论部分指出,春季NDVI的强温度关联主要反映年际波动而非长期趋势;秋季长期增幅最大却与同期气候无显著相关,可能涉及物候调整、前期季节环境滞后效应或森林结构变化等过程。中海拔最强的春季温度关联表明,海拔、雪动态和局地森林特征共同影响植被–气候耦合。NTL–NDVI仅在低海拔显著,说明人类活动指示因子应结合海拔环境异质性解读。方法学上,固定2024年森林掩膜避免了土地覆盖年际变化的干扰,但无法区分历史森林持续性与土地覆盖转变;1 km分辨率也可能掩盖更细尺度的空间变异。研究结论可翻译为:长白山森林绿度动态是季节不对称、海拔依赖且对时间尺度敏感的;应联合季节、海拔、时间尺度和景观尺度人类活动指标的空间背景来解读山地森林绿度变化。