黄土高原植被物候变化及其对季节性气候变化的响应

吉珍霞,裴婷婷,陈 英,,秦格霞,侯青青,谢保鹏,吴华武

1 甘肃农业大学资源与环境学院,兰州 730070 2 甘肃农业大学管理学院,兰州 730070 3 草业生态系统教育部重点实验室(甘肃农业大学),兰州 730070 4 中国科学院南京地理与湖泊研究所, 南京 210008

物候通常是指生物受其所处环境(气候、水文、土壤等)影响,出现以年为周期的自然现象[1- 2]。而植被物候变化影响植被生产力、陆地生态系统碳循环过程及碳储备,清楚地掌握植被物候动态变化,对植被恢复、生态系统保护及区域内畜牧业的发展等具有重要意义[3- 5]。

目前,国内外学者基于不同数据源、不同提取方法对不同环境因子(海拔、温度、降水、太阳辐射等)与物候的相互关系做了大量研究,早期Jönsson等提出动态阈值法,以植被指数曲线年振幅的百分比作为生长季开始或结束的阈值来提取物候[6],现有大多数学者基于此方法利用遥感数据探讨了物候与气象因子和非气象因子之间的关系[7- 8],如王重洋基于MODIS EVI数据集,采用小波分析、动态阈值法等方法发现中国植被物候空间格局可以很好地体现自然地域分异规律[9]；孔冬冬等根据GIMMIS NDVI3g数据运用偏最小二乘法回归研究得到青藏高原植被物候变化主要受温度的影响[10]。同时也有学者根据实地监测数据分析物候受气候变化的影响,早期Chmielewski等通过研究欧洲4种木本植被地面观测数据与不同气候变化的关系,提出温度每升高1°C,植被生长季始期(SOS, Start of Growing Season)提前7 d,植被生长季末期(EOS, End of Growing Season)推迟5 d[11],而近期Huang等对内蒙古16种草本植被SOS受多因素影响的研究中发现温度升高会提前植被SOS[12]。在黄土高原的研究中,雷俊等、李强等和谢宝妮等分别以不同类型数据对黄土高原物候进行量化分析[13-15],均发现近年来黄土高原植被SOS提前和植被EOS推迟是受气温和降水的共同调控。这些与现有的认知一致,即物候变化与温度和降水密切相关,但Chen等根据内蒙古地面实测物候数据证明[16],草本植被SOS在气候变暖的气候下没有显著的变化,可能的原因是植被物候受到关键时期气候的影响,而不是整年度气候调节植被物候变化,Wang等也提出内蒙古地区植被SOS对关键时期的气候变化明显[17]。

以往关于气候变化对物候影响的研究大部分是以年尺度的气候来分析,忽略了物候对季节性气候的响应,而各季节的温度和降水变化也对植被物候产生重要的影响[18- 20]。因此,本文基于2001—2019年250 m分辨率的MOD13Q1数据,提取黄土高原植被物候期,包括植被SOS和植被EOS。运用Sen′s斜率估计对植被物候时空变化特征进行分析[21],并结合R/S分析法对植被物候变化趋势进行预测,采用高阶偏相关分析法探讨季节性气候变化对物候的影响,以期探究黄土高原植被物候水平地带分布的时空变化规律及其对季节性气候变化的响应,为当地生态环境恢复与建设提供参考和依据[22]。

1 研究地区与研究方法

1.1 研究区概况

黄土高原地处中国西北地区,范围在100°52′—114°33′ E、33°41′—41°16′ N之间,海拔在83—5010 m之间,是世界上分布最集中且面积最大的黄土区(图1)。地势西北高,东南低,气候受经纬度和地形的双重制约,由东南湿润季风气候向西北内陆干旱气候过渡,冬季寒冷干燥多风沙,夏季炎热多暴雨,年均温3.6—14.3 ℃,年降雨量300—800 mm,降水量从西北向东南增加。植被受气候的影响呈东南—西北走向水平地带性分布[15],根据中国植被区划数据,主要划分为5个植被分区：Ⅰ(温带南部荒漠草原区)、Ⅱ(温带南部典型草原区)、Ⅲ(温带南部森林(草甸)草原区)、Ⅳ(暖温带北部落叶栎林区)、Ⅴ(暖温带南部落叶栎林亚区)。根据美国国家航空航天局(National Aeronautics and Space Administration,NASA)提供的土地利用覆盖图,只提取2001—2018年土地利用覆盖类型未发生变换的区域(图1),在此基础上去除受人类活动干扰严重和植被不稳定的耕地、湿地、荒漠、城镇用地、水体以及农田和植被交互区域[23],将剩余植被覆盖区域定义为植被活跃区[1](图1)。

图1 黄土高原站点空间分布图和2001—2018年未变化土地利用类型图Fig.1 Spatial distribution map of sites on the Loess Plateau and map of unchanged land use type types from 2001 to 2018Ⅰ：温带南部荒漠草原区(Desert steppe in the southern temperate zone)、Ⅱ：温带南部典型草原区(Typical steppe pressure areas in the southern temperate zone)、Ⅲ：温带南部森林(草甸)草原区(Temperate southern forest(meadow)grassland area)、Ⅳ：暖温带北部落叶栎林区(Deciduous oak forest in the warm temperate north)、Ⅴ：暖温带南部落叶栎林亚区(Warm temperate southern deciduous oak forest subregion)

1.2 数据来源与处理

研究采用归一化差值植被指数(Normalization Difference Vegetation Index, NDVI)提取植被物候指标。NDVI数据来源于NASA提供的 MODIS土地覆盖动态产品(MOD13Q1),空间分辨率为250 m,时间分辨率为16 d,时间跨度为2001—2019年(https://lpdaacsvc.cr.usgs.gov/appeears), 研究将NDVImean= 0.05作为排除非植被覆盖的阈值[24-26]。

物候验证数据：数据来源于国家生态科学数据中心(http://rs.cern.ac.cn/order),包括沙坡头、鄂尔多斯、海北站3个站点物候观测数据,记录有草地萌芽期、开花期、结实期、种子散布期和枯黄期。因地面观测的物候期是从植物个体尺度观测的,为增加验证数据的可比性,根据侯学会[27]的建议剔除记录时间与其他数据相差30天以上的记录,并将3个地面观测站点数据的萌芽期和枯黄期定义为植被SOS和植被EOS。

30 m分辨率的数字高程模型数据、植被区划数据：来源于中国科学院资源环境科学数据平台(http://www.resdc.cn),在ArcGIS 10.2中利用重分类和按掩膜提取等工具,对数据进行处理。

土地利用覆盖数据来源于由NASA 提供的MODIS土地利用覆盖图(MCD12Q1产品),数据的空间分辨率为500 m(https://lpdaacsvc.cr.usgs.gov/appeears),时间节点为2001年和2018年两期。黄土高原土地利用类型主要有常绿针叶林、落叶阔叶林、混交林、郁闭灌木、稀疏灌木、草地、镶嵌林地、镶嵌草地、草地、水体、湿地、耕地、城镇用地、稀疏草原、荒漠以及农田与自然植被混交16种类型,在ArcGIS 10.2中只提取2001—2018年土地利用覆盖类型未发生变换的区域[23]。

温度和降水数据：来源于中国气象数据网的日值数据集(http://data.cma.cn),时间跨度为2000—2018年,利用MATLAB 10.2软件进行处理,得到研究区135个站点气象数据的季节数据,将12月份、1月份、2月份定义为冬季(年初冬季),3月份、4月份、5月份定义为春季(当年春季),6月份、7月份、8月份定义为夏季(上年夏季和当年夏季),9月份、10月份、11月份定义为秋季(上年秋季和当年秋季),最后利用专业气象插值软件ANUSPLINE将季节性气象数据插值为空间分辨率为250 m的栅格数据集。

1.3 研究方法

1.3.1时间序列重构方法

由于遥感影像获取时受云和大气的影响很大,需对NDVI时序数据进行降噪和平滑处理[25],利用S-G滤波法对NDVI数据进行时间序列重构去除噪声,首先在曲线重构过程中采用Spike Method剔除原始NDVI曲线的无效点,其次在原始NDVI数据上构建窗口,最后通过对原始NDVI时序数据窗口平滑实现对整条曲线的拟合[26]。经参考文献和反复测试设置窗口大小为3[25-26],有理多项式次数为3。公式为：

(1)

式中,Yj为拟合之后的序列数据,Yj+i为原始序列数据,Ci为滤波系数,N为滑动窗口的大小(2m+1)。

1.3.2植被物候信息提取方法

物候期提取的方法常有阈值法、滑动平均法、最大比率法等[6]。采用Jönsson 等提出的动态阈值法在像元尺度上设定不同的NDVI阈值来获得每个像元的植被SOS和植被EOS,由于不同学者在提取物候的过程中根据不同研究区设定的阈值各有不同[15,25-26],故本文设置了20%、50%和80%的阈值,再根据实地记录的物候相关信息,在反复试验的基础上将植被SOS和植被EOS的动态阈值设定为20%和80%。将NDVI曲线上升阶段,距离最小值为最大值与最小值间距离的20%的时间点定义为植被SOS,将NDVI曲线下降阶段,距离最大值为最大值与最小值间距离的80%的时间点定义为植被EOS[27],由于Timesat3.2软件只能从n年数据中提取到n-1年的物候参数[26],故本文根据2001—2019年的NDVI数据最终得到2001—2018年的物候数据。

1.3.3植被物候变化趋势分析

Sen′s斜率估计法：采用Sen′s斜率估计法分析18年间植被 SOS和植被EOS的变化趋势和变化速率。Sen′s斜率的计算公式为[21]：

(2)

式中,β为植被物候变化趋势；Median为中值函数；当β<0时,物候呈提前趋势；β>0时,物候呈推迟趋势[20]。

Mann-Kendall趋势检验法：主要用来判断物候序列的突变点,实现物候序列的显著性判断,从而分析物候变化趋势[1],详细公式见文献[21]。

1.3.4植被物候变化持续性分析

由于Hurst指数(H)能够有效的描述自相似性和长期依赖性,因此被广泛运用于水文、气候、地质和地震等领域。本文基于重标极差(R/S)分析法逐像元计算物候的变化趋势,反映其变化趋势的持续性[28]。H值域介于[0, 1]之间,根据H的大小可以判断物候序列是完全随机还是存在持续性。当H值大于0.5表示物候的时间序列是一个持续性序列,表明物候未来变化趋势与过去一致。如果H等于0.5,则说明物候的时间序列为随机序列。当H值小于0.5则表明物候的时间序列数据具有反持续性,也就是说物候过去变化趋势与未来变化趋势相反[29]。植被物候时间序列为Ai,i=1,2,3,…,n,对于任意正整数m,定义该时间序列[28]：

(1)差分序列：

ΔAi=ΔAi-ΔAi-1

(3)

(4)

(5)

(4)极差：R(m)=maxX(t)1≤m≤n-minX(t)1≤m≤n

(6)

(7)

对于比值R(m)/S(m)≅R/S,若存在如下关系R/S∝mH,则说明分析的时间序列存在Hurst现象,在双对数坐标系(lni,lnR/S)中用最小二乘法拟合式得到[27-28]。

1.3.5植被物候与气候关系分析

本文采用高阶偏相关分析法研究黄土高原植被物候与不同季节温度、降水之间的关系。假设有k(k>2)个变量x1,x2,…,xk,则任意两个变量xi和xj的n(n≤k-2)阶样本偏相关系数计算公式如下：

(8)

式中,rij为物候i和气候因子j之间的偏相关系数,控制变量为其他季节的气候变量。

2 结果与分析

2.1 植被物候的时空演变特征

2.1.1植被物候平均值空间差异

黄土高原植被SOS主要集中在第 96—144天(占整体像元90.8%),即3月初到4月底,但各区植被之间的物候参数具有较大差异,随着地势由西北向东南方向,植被SOS逐渐提前(图2)。子植被分区Ⅰ(荒漠草原)和Ⅱ(典型草原)的植被SOS主要发生在第90—150天；子植被分区Ⅲ(森林草原)植被SOS主要从第90天开始；子植被分区Ⅳ(落叶栎林)植被SOS主要集中在第90—120天,即三月初到三月末；子植被分区Ⅴ(落叶栎林亚区)植被SOS与其它植被有较大差异(图2),第100天之前像元占比85%,即植被SOS主要在三月左右。

图2 2001—2018年黄土高原植被生长季始期均值空间分布Fig.2 The Start of Growing Season mean value spatial distribution of vegetation on the Loess Plateau from 2001 to 2018SOS: 生长季始期Start of growing season

黄土高原植被EOS主要集中在第288—304天(占整体像元84.0%),但九月下旬像元占比较大,不同植被分区之间的物候参数差异较小,各子植被分区主要集中在第280—290天(图3)。从整个研究区来看,黄土高原的后套高原、宁夏高原以及青海境内植被EOS较早,主要从第270天开始；子植被分区Ⅰ(荒漠草原)和Ⅴ(落叶栎林亚区)部分植被EOS较为推迟,到第310天结束(图3)。

图3 2001—2018年黄土高原植被生长季末期均值空间分布Fig.3 The End of Growing Season mean value spatial distribution of vegetation on the Loess Plateau from 2001 to 2018EOS: 生长季末期End of growing season

图4 2001—2018年黄土高原植被物候空间变化趋势分析Fig.4 Spatial variation trend analysis of vegetation phenology on the Loess Plateau from 2001 to 2018

2.1.2植被物候多年动态分析

根据Sen′s的空间趋势分析得知(图4),研究区在2001—2018年间植被SOS整体呈现显著提前趋势(通过Mann-Kendall显著性检验占整体像元71.0%,α=0.05),变化速率在0—2 d/10a的像元占比86.8%,大范围分布在黄土高原区域,仅有13.2%的植被SOS呈现推迟趋势,零散分布在Ⅰ(荒漠草原)和Ⅱ(典型草原)区域,主要包括宁夏高原和后套高原部分区域。其中,子植被分区Ⅴ(落叶栎林亚区)、Ⅳ(落叶栎林)、Ⅲ(森林草原)、Ⅱ(典型草原)和Ⅰ(荒漠草原)提前趋势占0—2 d/10a的像元占比分别为92.3%、97.5%、89.3%、83.5%和75.3%。黄土高原植被EOS整体呈现推迟趋势,87.6%的像元植被EOS表现为显著推迟趋势(通过Mann-Kendall显著性检验占整体像元75.6%,α=0.05),变化速率为0—3 d/10a,子植被分区Ⅴ(落叶栎林亚区)、Ⅳ(落叶栎林)、Ⅲ(森林草原)、Ⅱ(典型草原)和Ⅰ(荒漠草原)占0—3 d/10a的像元占比依次为88.2%、89.2%、89.9%、90.0%和81.5%。从黄土高原植被物候年际变化来讲(图5),黄土高原植被SOS呈提前趋势,变化斜率为-0.38 d/a,植被EOS呈推迟趋势,变化斜率为2.83 d/a,植被EOS推迟较植被SOS提前变化明显。

图5 2001—2018年黄土高原植被物候年际变化图Fig.5 Interannual change of vegetation phenology on the Loess Plateau from 2001 to 2018

2.2 植被物候变化的持续性分析

利用研究区2001—2018年的植被SOS和植被EOS数据计算Hurst指数,分别获得研究区植被SOS和植被EOS变化持续性空间分布(图6)。研究区植被SOS变化趋势的H值介于0.5—0.75像元在总像元中占比66%,主要大范围分布在各子植被分区,植被SOS这种大范围持续性,进一步说明未来黄土高原子植被分区Ⅴ(落叶栎林亚区)、Ⅳ(落叶栎林)、Ⅲ(森林草原)和Ⅰ(荒漠草原)仍将延续过去18年间的平均变化状态,继续呈提前的趋势。介于0.35—0.5像元在总像元中占比32%,主要分布在Ⅱ(典型草原)的宁夏高原和鄂尔多斯高原,表现为反持续性,预示Ⅱ(典型草原)未来一段时间植被SOS有40%的像元变化趋势与过去相反,将呈现推迟趋势。研究区植被EOS变化趋势的H值介于0.5—0.75像元在总像元中占比81%,主要大范围分布在各子植被分区,植被EOS这种大范围持续性,进一步说明未来黄土高原各子植被区仍将延续过去18年间的平均变化状态,继续呈缓慢推迟的趋势。介于0.35—0.5像元在总像元中占比17%,主要在Ⅲ(森林草原)中零散分布,表现为反持续性,预示Ⅲ(森林草原)未来一段时间植被EOS有21%的像元变化趋势与过去相反,将呈现提前趋势。

图6 黄土高原植被物候持续性分析Fig.6 Analysis of phenological continuity of vegetation on the Loess Plateau

图7 黄土高原植被物候与季节性气候的偏相关分析Fig.7 Partial correlation analysis between phenology and seasonal climate on the Loess Plateau

2.3 植被物候对季节性气候变化的响应

根据ANUSPLINE插值的季节总降水和平均温度数据,采用高阶偏相关分析法对植被物候和不同季节降水、温度的气候数据进行逐像元偏相关分析。从总体来讲(图7和图8),植被SOS对各季节温度的响应较植被SOS对各季节降水的响应明显。植被SOS与当年春季降水表现出负相关性(通过P=0.05显著性检验的像元占比为10.82%),表明植被SOS受当年春季降水的影响提前,且主要分布在Ⅱ(典型草原)、Ⅲ(森林草原)和Ⅳ(落叶栎林)区域,集中于黄土高原中部；植被SOS对上年夏季和上年秋季降水表现出正相关性像元占比较大,零散分布在整个区域(通过P=0.05显著性检验的像元占比分别为4.38%和2.04%),表明植被SOS受上年夏季和上年秋季降水的影响推迟,尤其是Ⅰ(荒漠草原)区域。植被SOS与上年秋季、年初冬季和当年春季温度呈现负相关性(通过P=0.05显著性检验的像元占比分别为1.86%、 6.16%和7.7%),表明当年春季、上年秋季和年初冬季的温度升高均会导致植被SOS提前,尤其是当年春季温度；上年夏季温度与植被SOS呈正相关性(通过P=0.05显著性检验的像元占比为9.33%),表明上年夏季温度升高导致植被SOS延迟。从不同植被分区来看(图8),各子植被分区植被SOS对不同季节降水表现出差异,而对不同季节温度响应具有一致性。

图8 黄土高原植被物候与季节性气候的平均相关系数分布图Fig.8 Distribution diagram of mean correlation coefficient between vegetation phenology and seasonal climate on the Loess Plateau

同理,从总体来讲(图7和图8),植被EOS对各季节降水,以及当年秋季温度的响应较大。植被EOS对不同季节降水呈正相关性(通过P=0.05显著性检验的像元占比根据图7从左到右依次为6.72%、3.77%、15.97%、2.62%),表明植被EOS受不同季节降水的影响会推迟,只有部分区域对季节降水表现出负相关性,主要表现在当年春季降水增加会导致子植被分区 Ⅰ(荒漠草原)和 Ⅱ(典型草原)区域物候提前。子植被分区 Ⅱ(典型草原)、Ⅲ(森林草原)和Ⅳ(落叶栎林)区域植被EOS对年初冬季和当年春季温度表现出负相关性(通过P=0.05显著性检验的像元占比分别为0.85%和1.1%),表明年初冬季和当年春季温度升高会导致这些区域植被EOS提前；植被EOS对当年秋季温度呈正相关性(通过P=0.05显著性检验的像元占比为11.69%),分布在整个区域,表明植被EOS受当年秋季温度的影响会推迟,且各子植被区植被EOS对当年秋季温度响应具有一致性。

3 讨论

研究采用空间分辨率为250 m、时间分辨率为16天的MODIS遥感归一化植被指数数据,这相比于以往研究,空间分辨率精度更大[1,10,25]。另外,研究考虑到黄土高原区域的差异性,根据植被分区数据,将黄土高原分为五个植被分区。从不同植被分区角度进行对比,分析近18年研究区植被物候变化趋势,全区域所反映出的结果与谢宝妮等、秦格霞等和黄文琳等研究结果大致相同[1,15,25](表1)。此外,研究利用地面站点观测物候数据对计算的物候结果进行验证。如图9所示,遥感识别的植被SOS与地面实测的植被SOS相关系数为0.60(P<0.05),偏差(Bias)为0.29,而遥感识别的植被EOS与地面实测的植被EOS相关系数为0.76(P<0.05),偏差(Bias)为0.75,两者除个别观测数据外,植被SOS和植被EOS与观测数据误差基本在16天之内[25-26],考虑到遥感图像的时间分辨率,故这些误差仍在可接受的范围内,验证结果表明研究提取的物候参数具有较高的可靠性,能够反映该区域物候的基本特征。

表1 本文物候结果与其他研究结果的比较

图9 黄土高原物候监测结果与站点实测数据的比较Fig.9 Comparison of phenological monitoring results and site measured data on the Loess Plateau

另外,研究通过R/S方法对植被物候进行趋势预测,发现大部分区域植被物候皆呈持续性变化趋势,即植被SOS提前、植被EOS推迟,这种趋势可能与全球气候持续变暖有关,但仍有一些区域呈现反持续状态,这种持续性较差的区域,应该在后续植被治理过程中重点关注,以加强区域生态系统的稳定性[22]。 由于植被物候变化的监测是一个长期动态过程,本文获取的MOD13Q1数据相比于GIMMS等数据的时间序列较短,利用Hurst指数进行预测可以使获取的物候数据在趋势分析上更为完整一些,且作为一种随机性预测的新途径,可以较大程度提高预测结果的准确性[28],但在接下来的研究中如何将站点数据与遥感监测数据相结合进行准确的预测,克服Hurst指数仅能反映现有趋势是否有转折的缺点有待进一步研究。

植被物候变化是一个周期性、持续性的动态过程,制约其变化的影响因素众多,且各因素之间相互影响[10]。其中温度和降水作为气候最重要的两个因素[30],研究通过高阶偏相关分析法逐像元计算它们与植被物候的相关性,发现各季节温度对植被SOS的影响占主导位置,除了上年夏季温度会导致植被SOS延迟外,其他季节温度均会导致植被SOS提前,尤其是当年春季温度。该结论与之前许多研究相符,即认为温度是影响物候的主要因素[10,15],当年春季温度的升高会增加植被发芽和叶片扩张的热量提前植被SOS[31],且当温度升高时会增加土壤有机质的分解速率,促使土壤中的养分更容易矿化并提供给植物,从而促进植被的生长[32]。当然,也有研究认为早期植被SOS会受到蒸散量的影响[33],当温度升高时会增加蒸散量减少水的可利用性[34],从而可能延迟植被的发芽,但这取决于温度、降水和蒸散发等因子对植被物候的共同调控[15,35]。本研究还发现上年夏季和上年秋季降水的增加均会导致植被SOS延迟,可能的原因是植被SOS受上一年植被EOS 的影响[36-37],当上年夏季和上年秋季降水导致上年植被EOS延迟时,间接导致下一年植被SOS延迟[10]。Zhao等研究结果表明干旱对黄土高原地区植被的生长存在时滞效应和积累效应,且积累效应发生在5到10个月份的不同时间范围内[38]。因此,物候发生前的各季节气候对植被SOS也具有重要影响。另外,不同植被分区植被SOS对不同季节气候的响应存在空间差异,可能的原因是不同植被分区中的植被在植被功能性状(如根系深度、叶表面积等)、生理生态过程及其对气候变化响应的敏感性均存在差异[35,39]。

Piao等认为在干旱和半干旱地区,植被主要以旱生和强旱生植被为主,温度和降水均会影响植被的生长[40],且在热量充足的条件下,降水对植被EOS的影响显得更为重要[41]。降水可以缓解水分胁迫,使得植被EOS延迟[42-43]。本研究发现黄土高原各季节降水和秋季温度对植被EOS的影响占主导位置,即除了秋季温度外,不同季节降水是影响植被EOS延迟的主要因素,这一结果与Che等和刘静等的观点一致[23,44],同时Liu等研究认为植被在秋季时需水量会减少,温度增高会增加光合酶的活性、减缓叶绿素的降解[42]。因此,不同季节温度升高也是推迟植被EOS的重要因子[45],尤其是当年秋季温度。另外,由于不同植被分区中植被的生理特性不同[39],及其对气候变化的敏感程度不同[15],导致不同植被分区植被SOS相比于植被EOS对各季节降水的响应更为复杂,以及不同植被分区植被EOS相比于植被SOS对各季节温度的响应更为复杂。因而未来的研究需关注植被个体特性受气候变化的影响差异,以及植被物候变化受其他更多因素的影响,比如Cong等和Jin等提出的降水时间、土壤持水量等对植被生长的影响程度和影响机制[46-47]。此外,在全球变暖的情况下,西风急流加强,一些极端气候的出现[48],有可能在一定程度上制约了植被SOS和植被EOS,在接下来的研究中还应该关注极端气候对植被物候的影响[39]。

4 结论

本研究基于MODIS NDVI数据及站点插值的气象数据,分析了黄土高原2001—2018年植被物候的时空格局和变化趋势,以及探讨了季节性气候因子对物候的影响。结果表明：

(1) 黄土高原植被SOS主要集中在第96—144天,子植被分区由西北向东南方向,逐渐呈现提前趋势,且植被SOS增加速率在0—2 d/10a的像元占比71.0%；植被EOS主要集中在第288—304天,各子植被分区基本保持一致,且有87.6%的像元植被EOS整体延迟0—3 d/10a。

(2) Hurst指数预测分析显示,植被SOS大范围呈持续提前趋势,其中只有32%的像元与过去呈现相反的变化趋势,呈现植被SOS推迟趋势区域主要集中分布在Ⅰ(荒漠草原)、Ⅱ(典型草原)区域中的宁夏高原和鄂尔多斯高原；植被EOS呈大范围持续推迟趋势,17%的像元呈现反持续性,呈现植被EOS提前趋势区域主要分布在子植被分区Ⅰ(荒漠草原)和Ⅲ(森林草原)的宁夏高原和后套高原。

(3)黄土高原植被SOS主要受各季节温度的影响。当年春季降水导致植被SOS提前,主要分布在黄土高原中部；上年夏季和上年秋季降水增加会导致植被SOS推迟,尤其是Ⅰ(荒漠草原)区域；当年春季、上年秋季和年初冬季的温度升高均会导致植被SOS提前,尤其是当年春季温度；上年夏季温度升高会导致植被SOS延迟。从不同植被分区来看,各子植被分区植被SOS对不同季节降水的响应存在差异,而对不同季节温度的响应具有一致性。

(4)黄土高原植被EOS主要受各季节降水和秋季温度的影响。除当年春季降水增加会导致子植被分区 Ⅰ(荒漠草原)和 Ⅱ(典型草原)区域植被EOS提前外,不同季节降水增加均会导致植被EOS推迟；年初冬季和当年春季温度升高会导致子植被分区 Ⅱ(典型草原)、Ⅲ(森林草原)和Ⅳ(落叶栎林)区域植被EOS提前；植被EOS受当年秋季温度的影响会推迟,分布在整个区域,且各子植被区植被EOS对当年秋季温度响应具有一致性。