خلاصه

فنولوژی پوشش گیاهی به تغییرات آب و هوایی بسیار حساس است و واکنش های فنولوژیکی پوشش گیاهی به عوامل آب و هوایی در طول زمان و مکان متفاوت است. تحقیق در مورد فنولوژی پوشش گیاهی در رژیم های آب و هوایی مختلف به روشن شدن عوامل کلیدی موثر بر تغییرات پوشش گیاهی کمک می کند. در این مقاله، بر اساس بازسازی سری زمانی داده‌های طیف‌سنجی تصویربرداری با وضوح متوسط ​​(MODIS) با استفاده از روش فیلترینگ ساویتزکی-گولای، پارامترهای فنولوژی پوشش گیاهی استخراج و تغییرات فضایی-زمانی از سال 2001 تا 2016 مورد تجزیه و تحلیل قرار گرفت. علاوه بر این، ویژگی‌های واکنش فنولوژی پوشش گیاهی به تغییرات آب و هوایی، مانند تغییرات دما، بارش و ساعات آفتابی مورد بحث قرار گرفت. نتایج نشان داد که واکنش‌های فنولوژی پوشش گیاهی به عوامل اقلیمی در رژیم‌های اقلیمی مختلف متفاوت است و پاسخ‌های مکانی-زمانی عمدتاً توسط شرایط اقلیمی و توپوگرافی محلی کنترل می‌شوند. موارد زیر سه یافته کلیدی بودند. (1) شروع فصل رشد (SOS) با عرض جغرافیایی یک تغییر منظم دارد و در شمال دیرتر از جنوب است. (2) در مناطق خشک در شمال، SOS عمدتاً تحت تأثیر دما قرار می گیرد و پایان فصل رشد (EOS) تحت تأثیر بارش است، در حالی که در مناطق مرطوب در جنوب، SOS عمدتاً تحت تأثیر بارش است. و EOS تحت تأثیر دما قرار می گیرد. (3) فعالیت های انسانی نقش مهمی در تغییرات فنولوژی پوشش گیاهی دارند. این یافته ها به پیش بینی و ارزیابی پایداری اکوسیستم های مختلف کمک می کند.

کلید واژه ها:

فنولوژی گیاهی ; تغییر مکانی – زمانی ; عوامل آب و هوایی ؛ MODIS NDVI ; شکل زمین

1. معرفی

فنولوژی مطالعه دوره‌ها یا فنوفازهای چرخه زندگی گیاهان و جانوران است که فصلی تکرار می‌شوند، مانند برگ‌دهی و گلدهی گیاهان، بلوغ محصولات کشاورزی، ظهور حشرات و مهاجرت پرندگان [ 1 ]. فنولوژی به عنوان نبض سیاره ما در نظر گرفته می شود ( www.usanpn.org ). برنامه بین المللی بیولوژیکی (IBP) فنولوژی را به عنوان یک رویداد تکرار شونده تعریف کرد که اجداد ما از آن برای هدایت تولیدات کشاورزی برای هزاران سال استفاده می کردند [ 2 ]. فنولوژی می تواند تغییرات آب و هوایی و محیطی را منعکس کند و یک شاخص مهم از تغییرات در محیط طبیعی است [ 3 ، 4 ]]. علاوه بر این، گیاهان بخش مهمی از اکوسیستم هستند و بخش های اصلی ماده و انرژی را تامین می کنند [ 5 ]. فنولوژی نقش مهمی در تعادل کربن اکوسیستم های زمینی ایفا می کند [ 6 ]. بنابراین، مطالعه فنولوژی گیاهی بسیار مهم است. تغییر در فنولوژی پوشش گیاهی پیامدهای زیادی برای فرآیندهای اکولوژیکی، کشاورزی، جنگلداری، سلامت انسان و اقتصاد جهانی دارد [ 7 ]. روشن کردن روندهای فنولوژی پوشش گیاهی می تواند درک ما از تأثیرات تغییرات آب و هوایی بر بهره وری اکوسیستم و چرخه کربن و بازخورد مرتبط با آب و هوا را بهبود بخشد [ 8 ].
در دهه‌های اخیر، روند افزایشی گرمایش و رویدادهای شدید مکرر ناشی از تغییرات آب و هوایی تأثیرات قابل‌توجهی بر بسیاری از اکوسیستم‌ها ایجاد کرده و فنولوژی پوشش گیاهی را تغییر داده است [ 9 ، 10 ]. فنولوژی پوشش گیاهی به تغییرات آب و هوایی بسیار حساس است و به عنوان یک شاخص مهم تغییر اقلیم در نظر گرفته می شود [ 11 ، 12 ، 13 ، 14 ، 15 ]. عوامل مختلف زیستی و غیرزیستی بر فنولوژی پوشش گیاهی تأثیر می گذارند، از جمله دما، دوره نوری، بارش/رطوبت، ترکیب پوشش گیاهی و تغییرات آب و هوایی [ 16 ، 17 ، 18 ، 19 ، 20 ].]. در مطالعه ای که در 21 کشور اروپایی انجام شد، منزل و همکاران. دریافتند که شرایط برگ زنی 2.5 روز زودتر رسیده است و شرایط برگی به ازای هر 1 درجه سانتیگراد افزایش دما به ترتیب 1 روز به تاخیر می افتد [ 21 ]. در نیمکره شمالی، دمای بهار بالاترین همبستگی را با شروع فصل رشد (SOS) دارد [ 22 ، 23 ، 24 ]. شواهدی مبنی بر اثرات بارندگی، مواد مغذی، و خواص فیزیکی خاک بر فنولوژی بهاره کمیاب است، و در جایی که اثرات مشاهده شده است، تأثیرات نسبت به تأثیر دما در انگلستان ناچیز است. 25 ].]. با این حال، با توسعه تحقیقات، دما تنها عامل محدود کننده فنولوژی پوشش گیاهی نیست [ 26 ]. بارش همچنین یک عامل مهم تأثیرگذار بر تغییرات در فنولوژی پوشش گیاهی است [ 27 ]. همچنین مشخص شده است که بارش در طول زمستان و بهار بر فنولوژی بهار به شیوه ای پیچیده در عرض های جغرافیایی متوسط ​​و بالا در نیمکره شمالی تأثیر می گذارد [ 28 ، 29 ، 30 ]. تابش خورشیدی (مجموع تابش، اوج تابش و دوره نوری) نیز به عنوان یک نشانه اصلی دخیل بوده و بر فنولوژی در هر دو دوره فصلی و فصلی تأثیر می گذارد [ 31 , 32]. در برخی از گونه‌های درختان معتدل، دوره نوری و نیازهای سرمای زمستان نیز نقش مهمی در فنولوژی بهاره دارند [ 11 ]. علاوه بر این، مطالعات نشان داده اند که سطوح CO 2 بالا می تواند طول عمر برگ را افزایش دهد و بر فنولوژی پوشش گیاهی در پاییز تأثیر بگذارد [ 33 ].
تغییرات آب و هوایی ممکن است در آینده تسریع شود، بنابراین نیاز فوری به درک نیروهای محرک فنولوژیکی مکانی-زمانی در پشت این تغییرات وجود دارد [ 34 ]. پیشرفت در فناوری سنجش از دور قابلیت مشاهده فنولوژی را بسیار گسترش داده است [ 5 ]. شاخص سبزی به طور گسترده ای در تحقیقات فنولوژی گیاهی در سراسر جهان استفاده شده است و از داده های سنجش از دور ماهواره ای مختلف، مانند شاخص گیاهی تفاوت نرمال شده (NDVI) [ 35 ] بازیابی شده است. پیائو و همکاران از روش بیشترین افزایش در NDVI برای استخراج پارامترهای فنولوژیکی پوشش گیاهی در مناطق معتدل چین استفاده کرد. 36 ]]. تغییرات فنولوژیکی در نیمکره شمالی طی 30 سال گذشته با روش حداکثر نسبت [ 3 ] مورد بحث قرار گرفته است. روش حداکثر تغییر انحنا برای تخمین فنولوژی پاییز استفاده شده است که برای مقایسه داده‌های مشاهدات زمینی با داده‌های NDVI طیف‌سنجی تصویربرداری با وضوح متوسط ​​(MODIS) مناسب است [ 37 ]. با این حال، در حال حاضر، بیشتر مطالعات فنولوژیکی بر روی فلات ها، حوضه های آبخیز، جنگل ها و دیگر فضاهای بزرگ متمرکز شده است [ 38 ، 39 ، 40 ، 41 ، 42 .]. مطالعات کمی در مورد مکانیسم های واکنش فنولوژی پوشش گیاهی به تغییرات آب و هوایی تحت شرایط مختلف آب و هوایی در مقیاس متوسط ​​و کوچک وجود دارد. علاوه بر این، حساسیت فنولوژیکی به تغییرات آب و هوایی در همه گونه‌ها و مقیاس‌ها متفاوت است و ناهمزمانی اکولوژیکی بالقوه وجود دارد [ 43 ]. به دلیل تفاوت در توپوگرافی و ژئومورفولوژی، ریزاقلیم‌های منطقه‌ای منحصربه‌فردی تشکیل می‌شوند و مدل‌های محلی فنولوژی پوشش گیاهی به وجود می‌آیند [ 37 ]. ما انتظار داریم که حتی در مناطقی با موقعیت های جغرافیایی مشابه، شرایط توپوگرافی محلی متفاوت تاثیر قابل توجهی بر فنولوژی پوشش گیاهی داشته باشد. هدف اصلی این پژوهش پرداختن به سوالات زیر بود:
(1)
الگوی تغییرات مکانی-زمانی فنولوژی پوشش گیاهی چیست؟
(2)
عوامل اقلیمی مانند دما، بارندگی و نور چگونه بر تغییرات فنولوژیک تأثیر می گذارند؟
شفاف سازی این مسائل به پیش بینی و ارزیابی پایداری جوامع مختلف بوم شناختی کمک می کند و یک مبنای علمی مهم برای توسعه پایدار محلی فراهم می کند.

2. داده ها و روش ها

2.1. منطقه مطالعه

استان شانشی ( شکل 1 ) در محل اتصال منطقه مرطوب شرقی و منطقه خشک غربی در چین واقع شده است و مساحت آن تقریباً 205600 کیلومتر مربع است. آب و هوا از شمال به جنوب متفاوت است و شکل زمین از فلات ها، کوه ها، دشت ها و حوضه ها تشکیل شده است. با توجه به انواع شکل زمین، استان را می توان به شش بخش تقسیم کرد: صحرای مو اوس (MUD)، فلات لس (LP)، دشت گوانژونگ (GZP)، کوه های Qinling (QLM)، حوضه هانجیانگ (HJB) و کوه های دابا. (DBM) [ 44]. تنها شکل زمین بیابانی گل و لای است که آب و هوای آن خشک و سرد است و انواع پوشش گیاهی عمدتاً پوشش گیاهی بیابانی مانند درمنه و سالیکس است. در سال های اخیر، محیط زیست محیطی به دلیل برنامه Grain for Green تغییر کرده است. LP ضعیف‌ترین منطقه زیست‌محیطی است، جایی که رودخانه زرد به شاخه‌های کوچک متعددی تقسیم می‌شود و انواع پوشش گیاهی آن عمدتاً علفزار و درختچه است. GZP بزرگترین منطقه دشت و تولید غلات است و انواع پوشش گیاهی آن جنگل های برگریز و محصولات زراعی مخلوط است. مرتفع ترین منطقه QLM است که عمدتاً جنگلی است و گونه های جانوری و گیاهی فراوانی دارد. HJB سرچشمه رودخانه هان جیانگ است که در آن انواع پوشش گیاهی جنگل های پهن برگ و محصولات زراعی است. دره های کوهستانی زیادی وجود دارد که از DBM عبور می کنند،

2.2. منبع داده و پیش پردازش

2.2.1. NDVI

این مقاله از داده‌های شاخص تفاوت نرمال شده گیاهی (NDVI)به عنوان داده‌های پایه برای تولید تحلیل‌های فنولوژی پوشش گیاهی سنجش از دور استفاده کرد. NDVI با وضوح زمانی 16 روزه و وضوح فضایی 250 متری (MOD13Q1، مجموعه v006) از وب‌سایت مرکز بایگانی فعال توزیع‌شده سطح 1 و اتمسفر (LAADS) به‌دست آمد https:/ /ladsweb.modaps.eosdis.nasa.gov/. دو کاشی (h26v05 و h27v05) منطقه مورد مطالعه را پوشش دادند. دوره شانزده ساله بین سال های 2001 تا 2016 مورد استفاده قرار گرفت. پس از به دست آوردن داده ها، لایه داده NDVI و قابلیت اطمینان پیکسل را با استفاده از ابزار طرح ریزی MODIS (MRT) که توسط مرکز بایگانی فعال توزیع شده Land Processes (LP DAAC) ارائه شده است، استخراج، موزاییک، قالب بندی مجدد و بازپخش کردیم. متعاقبا، طبق روش‌های موجود در (SONG Chun-qiao 2011) [45 ]، از قابلیت اطمینان پیکسل برای پردازش داده های NDVI برای بهبود قابلیت اطمینان استفاده شد. به طور جزئی، برای همان موقعیت تک پیکسلی، مقادیر NDVI با مقادیر پایایی پیکسلی 0 و 1 به ترتیب با 1 و 0.8 و پیکسل‌های با داده‌های قابلیت اطمینان پیکسل 2 و 3 با 0.2 وزن شدند. ما این فرآیند را در Matlab انجام دادیم و NDVI پردازش شده بر اساس داده های قابلیت اطمینان پیکسل را به عنوان pNDVI علامت گذاری کردیم ( شکل 2 ).
2.2.2. داده های هواشناسی
داده های هواشناسی مورد استفاده در این مطالعه شامل میانگین ماهانه دما، بارندگی ماهانه و ساعات آفتابی ماهانه بود. این داده‌ها از مقادیر روزانه محاسبه شده‌اند که از داده‌های روزانه هواشناسی زمینی چین (V3.0) که از وب‌سایت داده‌های هواشناسی چین ( https://cdc.cma.gov.cn/ ) دانلود شده است، به دست آمده‌اند. داده های هواشناسی به صورت ماهانه یا پس از درونیابی فضایی با استفاده از روش معکوس وزنی فاصله (IDW) در ArcGIS جمع آوری شدند و داده های هواشناسی مکانی-زمانی در مقیاس زمانی ماهانه با وضوح 250 متر که از سال 2001 تا 2016 را پوشش می دهد، به دست آمد.
2.2.3. داده های توپوگرافی
از آنجایی که انواع لندفرم های زیادی در منطقه مورد مطالعه وجود دارد ( شکل 1 ) و با توجه به تفاوت های ارتفاعی بین انواع مختلف لندفرم، رابطه بین ارتفاع و فنولوژی با استفاده از داده های مدل رقومی ارتفاع (DEM) با وضوح فضایی 30 متر مورد تجزیه و تحلیل قرار گرفت. بررسی تأثیر ارتفاع بر پارامترهای فنولوژیکی داده‌های DEM از مجموعه داده‌های ASTER GDEM V2، که از ابر داده‌های مکانی ( https://www.gscloud.cn ) مرکز اطلاعات شبکه کامپیوتری، آکادمی علوم چین دانلود شده است، مشتق شده‌اند. در ArcMap، داده‌های DEM در کاشی‌های جداگانه به‌دست آمدند، که متعاقباً موزاییک‌سازی شدند، نمونه‌برداری مجدد به 250 متر انجام شد و سپس در استان Shaanxi (منطقه مورد مطالعه) قرار گرفتند.
داده‌های کاربری زمین با وضوح فضایی 30 متر از مرکز داده‌های علمی منابع و محیط، آکادمی علوم چین، برای استخراج NDVI در مناطق با پوشش گیاهی در منطقه مورد مطالعه با نمونه‌برداری مجدد و پوشاندن در ArcMap استفاده شد. پیکسل های با NDVI<0.05 حذف شدند تا اطمینان حاصل شود که هر پیکسل NDVI دارای پوشش گیاهی است.

2.3. استخراج فنولوژی گیاهی با سنجش از دور

2.3.1. بازسازی منحنی سری زمانی شاخص گیاهی

منحنی سری زمانی شاخص پوشش گیاهی ( شکل 2 ) رشد پوشش گیاهی را منعکس می کند و مبنایی برای استخراج پارامترهای لازم برای ارزیابی فنولوژی پوشش گیاهی از طریق سنجش از دور است. مقادیر NDVI از همان سال در ArcGIS به صورت لایه‌ای روی هم قرار گرفتند تا تصاویر چند باندی از 23 دوره در آن سال به دست آید که هر باند نشان دهنده NDVI برای یک دوره معین بود و سپس تصاویر چند باندی به‌عنوان یک چند باند خوانده شدند. ماتریس ابعادی در Matlab، پیکسل به پیکسل. پس از آن، ماتریس چند بعدی به یک دنباله 1 بعدی تبدیل شد تا سری زمانی NDVI پیکسل را به دست آورد، همانطور که در شکل 2 NDVI نشان داده شده است. با این حال، منحنی سری زمانی NDVI اصلی ( شکل 2، NDVI) به دلیل تداخل شرایط جوی نامناسب، ابرها و سایر عوامل نامطلوب [ 46 ] ناهموار و ناگهانی است و برای استفاده در استخراج مستقیم پارامترهای فنولوژیکی پوشش گیاهی مناسب نیست. بنابراین، روش فیلتر ساویتزکی-گولای (SG) برای بازسازی منحنی سری زمانی قبل از استخراج پارامترهای فنولوژیکی پوشش گیاهی استفاده شد.
روش فیلتر SG توسط Savitzky و Golay در سال 1964 پیشنهاد شد و یک الگوریتم وزنی برازش برای پنجره های متحرک است. ضرایب وزن از برازش حداقل مربعات یک چند جمله ای مرتبه بالا در پنجره متحرک [ 47 ] به دست می آید. بنابراین، در طول فرآیند هموارسازی و حذف نویز داده های سری زمانی NDVI با فیلتر SG، ایجاد دو پارامتر بسیار مهم است. اولین پارامتر m است که نصف عرض پنجره هموارسازی است و بین 3 تا 7 تنظیم شده است [ 47 ]. معمولاً یک مقدار m بزرگ به بهای مسطح کردن قله های تیز، نتیجه صافی ایجاد می کند. پارامتر دوم یک عدد صحیح ( d) که درجه هموارسازی چند جمله ای را مشخص می کند که معمولاً بین 2 تا 4 تنظیم می شود [ 47 ]. یک مقدار d کوچک یک نتیجه صاف ایجاد می‌کند اما ممکن است بایاس ایجاد کند، در حالی که مقدار d بالا بایاس فیلتر را کاهش می‌دهد اما ممکن است داده‌ها را «بیش از حد» کند و نتیجه پر سر و صدایی به همراه داشته باشد. بنابراین، پس از مقایسه نتایج ترکیب‌های مختلف ( m, d ) پارامترها، مقدار پنجره متحرک ( m ) برابر 5، مرتبه چند جمله‌ای ( d ) روی 2 تنظیم شد و از فیلتر SG برای بازسازی NDVI استفاده شد. سری زمانی ( شکل 2 ، sgNDVI).
2.3.2. استخراج پارامترهای فنولوژیکی
استخراج فنولوژی گیاهی فرض می‌کند که تنها یک فصل رشد در سال وجود دارد (برای مناطقی با دو یا چند فصل رشد در یک سال، این مقاله فصل رشد را با بیشترین مقدار NDVI در طول فصل‌های رشد گیاهی در منطقه استخراج کرد). سه معیار رایج مورد استفاده برای ارزیابی رشد پوشش گیاهی، یعنی SOS، پایان فصل رشد (EOS)، و طول فصل رشد (LOS)، استخراج شد. SOS به تاریخ شروع فعالیت فتوسنتزی اشاره دارد و EOS به تاریخی اشاره دارد که در آن فعالیت فتوسنتزی و سطح برگ سبز شروع به کاهش سریع می کند [ 48 ]. LOS به عنوان تفاوت بین EOS و SOS محاسبه می شود.

مطالعات بوم شناختی مبتنی بر مزرعه نشان داده است که پس از ظهور برگ، گیاه برای مدتی به سرعت رشد می کند تا زمانی که در یک مرحله نسبتاً پایدار به اوج رشد برسد و سپس وارد یک الگوی مشابه اما مخالف، یعنی کاهش سریع می شود [ 48 ]. ]. هنگامی که این الگو در منحنی رشد گیاهان منعکس می شود، با مشاهده شکل منحنی می توان وضعیت رشد گیاهان را تعیین کرد. روش های زیادی برای استخراج فنولوژی پوشش گیاهی بر اساس سری های زمانی شاخص پوشش گیاهی سنجش از دور وجود دارد. روش های رایج مورد استفاده عبارتند از: روش آستانه، روش حداکثر شیب، روش نسبت حداکثر و روش فرکانس تجمعی [ 36 ، 49 ، 50 ، 51 .]. با توجه به کارایی محاسباتی و ویژگی‌های عملکردی روش‌ها، از روش حداکثر نسبت برای استخراج فنولوژی پوشش گیاهی منطقه مورد مطالعه استفاده شد. حداکثر نسبت حداکثر نرخ تغییر شاخص پوشش گیاهی را توصیف می کند که به صورت [ 3 ] محاسبه می شود:

NDVIنسبت(من)=NDVIمن+1-NDVIمنNDVIمن

جایی که i عدد توالی زمانی است. ما مقدار i را با حداکثر نسبت NDVI تعیین کردیم و سپس از روز جولیان مربوطه به عنوان SOS استفاده کردیم. به همین ترتیب، مقدار i را با حداقل نسبت NDVI تعیین کردیم و از روز جولیان مربوطه در i + 1 به عنوان EOS استفاده کردیم. ما پارامترهای فنولوژیکی پوشش گیاهی منطقه مورد مطالعه را پیکسل به پیکسل استخراج کردیم و نتایج را به عنوان یک تصویر با فرمت TIF در Matlab ذخیره کردیم. در نهایت، همانطور که در شکل 3 نشان داده شده است، یک نقشه موضوعی در ArcGIS ساختیم .

2.4. تحلیل روند و همبستگی

در بررسی تغییرات زمانی و مکانی در فنولوژی در منطقه مورد مطالعه، ما یک رگرسیون خطی از پارامترهای فنولوژیکی در برابر SOS، EOS و LOS انجام دادیم و از ضرایب رگرسیون حاصل برای تجزیه و تحلیل روندهای مکانی-زمانی فنولوژی استفاده کردیم. فرمول ریاضی را می توان به صورت زیر بیان کرد:

روند=n×∑تی=1nتی×yتی-∑تی=1nتی∑تی=1nyتیn×∑تی=1nتی2-(∑تی=1nتی)2

که در آن n سال در طول دوره پایش است، t یک سال مشخص است، و y t مقدار پارامتر فنولوژیکی پوشش گیاهی برای سال t است. روند > 0 نشان دهنده روند تاخیری است، در حالی که روند < 0 نشان دهنده روند پیشرفت است.

به منظور بررسی واکنش فنولوژی به دما، بارش و ساعات آفتابی، از تحلیل همبستگی پیرسون استفاده کردیم. به طور خاص، (1) همبستگی SOS با دما و بارش از فوریه تا آوریل مورد ارزیابی قرار گرفت. (2) همبستگی بین EOS و دما و بارندگی از سپتامبر تا نوامبر و همبستگی بین EOS و ساعات آفتابی از مه تا جولای مورد ارزیابی قرار گرفت. و (3) همبستگی بین LOS و دما و بارندگی از آوریل تا سپتامبر و همبستگی بین LOS و ساعات آفتابی ماهانه از مه تا جولای مورد ارزیابی قرار گرفت. مقدار R به صورت زیر محاسبه شد:

r=∑تی=1n(ایکستی-ایکس¯)(yتی-y¯)∑تی=1n(ایکستی-ایکس¯)2∑تی=1n(yتی-y¯)2

که در آن x t داده های هواشناسی سال t است. y t مقدار پارامتر فنولوژیکی برای سال t است. ما تجزیه و تحلیل همبستگی پیرسون را انجام دادیم و نتایج را به عنوان یک تصویر با فرمت TIF در Matlab ذخیره کردیم که برای ساختن یک نقشه موضوعی در ArcGIS استفاده شد.

3. نتایج

3.1. الگوهای توزیع فضایی فنولوژی گیاهی میانگین چند ساله

شکل 3 توزیع فضایی SOS، EOS و LOS را در مناطق مختلف ژئومورفیک منطقه مورد مطالعه طی سال‌های 2001-2016 نشان می‌دهد. همانطور که در شکل نشان داده شده است، فنولوژی پوشش گیاهی در سراسر منطقه مورد مطالعه با عرض جغرافیایی از شمال به جنوب متفاوت است، اما به دلیل تفاوت در توپوگرافی و آب و هوا در هر زون ژئومورفیک، فنولوژی پوشش گیاهی ناهمگونی فضایی را نشان داد. در مقایسه با ناحیه جنوبی، ناحیه شمالی دارای SOS و EOS بعدی و LOS کوتاه‌تر بود. تفاوت SOS بین شمال و جنوب آشکارترین بود، با SOS در اوایل در جنوب و اواخر در شمال رخ می دهد.
جدول 1 تجزیه و تحلیل آماری از توزیع فضایی فنولوژی پوشش گیاهی را نشان می دهد که در شکل 3 نشان داده شده است. در Shaanxi، میانگین سالانه SOS 120 روز، میانگین سالانه EOS 280 روز، و میانگین سالانه LOS 160 روز بود. در LP شمالی، میانگین سالانه SOS 134 روز بود که بیشتر از سایر مناطق ژئومورفیک بود. SOS برای اولین بار در HJB ظاهر شد، جایی که آب و هوا در تمام سال مرطوب است و ارتفاع نسبتاً کم است، با میانگین سالانه 88 روز. EOS جدیدترین در MUD با میانگین سالانه 291 روز و اولین در DBM با 267 روز بود. HJB طولانی ترین LOS 183 روزه را داشت. در سایر مناطق ژئومورفیک، LOS تفاوت کمی از 155 روز تا 173 روز از خود نشان داد.
رابطه نزدیکی بین فنولوژی پوشش گیاهی و ارتفاع در شانشی وجود داشت. تجزیه و تحلیل همبستگی پیرسون نشان داد که این رابطه معنادار است. ویژگی های تغییرات در فنولوژی پوشش گیاهی با ارتفاع در شکل 3 نشان داده شده است. SOS به طور قابل توجهی با افزایش ارتفاعات به تعویق افتاد و وسعت تاخیر تقریباً 1.4 d/100 m ( r = 0.92، P <0.01) بود. LOS به طور قابل توجهی با سرعت تقریباً 2 روز در 100 متر کوتاه شد ( r = -0.97، P <0.01). EOS با افزایش ارتفاعات هم به تعویق افتاد و هم پیشرفت کرد، اما به طور کلی روند پیشرفت قابل توجهی را نشان داد، با سرعت پیشروی تقریباً 0.6 d/100 m ( r= -0.80، P <0.01).

3.2. الگوهای توزیع فضایی تغییرات فنولوژیکی بین سالانه

همانطور که در شکل 4 نشان داده شده استدر سراسر منطقه مورد مطالعه، بیش از 66.39٪ از پیکسل ها نشان دادند که SOS روندی رو به پیشرفت دارد (0.89 روز در سال)، و روند 6.89٪ از پیکسل ها معنی دار بود. در LP، درصد پیکسل‌های با روندهای پیشرو در این زمینه 78.39 درصد و روندها در 11.47 درصد پیکسل‌ها با نرخ پیشرفت 1.51 روز در سال معنی‌دار بود. با این حال، در شمال MUD، پیکسل‌های SOS تاخیری بیشترین را به خود اختصاص دادند و 71.97 درصد از پیکسل‌ها را پوشش دادند. در برخی از مناطق ژئومورفیک، پیشرفت SOS به تدریج از شمال به جنوب ضعیف شد – برای مثال، در LP، روند در شمال بزرگتر از جنوب بود. تفاوت قابل توجهی در EOS از نظر پیشرفت و تاخیر وجود نداشت و 53.81٪ از پیکسل ها تاخیر داشتند، در حالی که 2.48٪ از پیکسل ها تاخیر قابل توجهی را با میانگین نرخ تاخیر 0 نشان دادند. 18 روز در سال این پیکسل ها عمدتاً در QLM، HJB و LP توزیع شده اند. بالاترین میزان تاخیر 64.54% در QLM با نرخ تاخیر 0.83 روز در سال رخ داد. مناطق دارای پیشرفت عمدتاً در MUD، DBM، و GZP با نرخ پیشرفت 0.34 روز در سال توزیع شدند. LOS روند کلی گسترش را نشان داد، که 65.05٪ از پیکسل ها را پوشش داد، که 5.57٪ آن گسترش قابل توجهی را نشان داد، با نرخ گسترش 1.07 روز در سال، که بیشتر از تغییرات SOS و EOS بود. روند طولانی شدن منطقه بیشتر در LP و QLM بود، جایی که 73.03٪ و 72.32٪ از پیکسل ها تاخیر داشتند. در LP، 7.32٪ از پیکسل ها طولانی شدن قابل توجهی را نشان دادند و میزان طولانی شدن در QLM به طور قابل توجهی بالاتر از میانگین بود و به 1.88 روز در سال رسید. کوتاه شدن LOS عمدتاً در MUD متمرکز بود،

3.3. پاسخ فنولوژی پوشش گیاهی به عوامل اقلیمی

3.3.1. پاسخ SOS به بارش و دما

از شکل 5 مشاهده می کنیم ، برای کل منطقه مورد مطالعه، میانگین بارندگی از فوریه تا آوریل با SOS همبستگی منفی دارد، با همبستگی منفی در 61.88٪ از پیکسل ها، نشان می دهد که با افزایش بارش، SOS پیشرفت می کند. . بیشترین تأثیر بارش بر SOS در ماه مارس رخ داد که 7.5٪ از پیکسل ها همبستگی منفی قابل توجهی را نشان دادند. میانگین دما از فوریه تا آوریل نیز در 58.14 درصد پیکسل ها با SOS همبستگی منفی داشت، جایی که SOS با افزایش دما پیشرفت کرد. با این حال، بیشترین تأثیر دما بر SOS در ماه فوریه رخ داد که همبستگی منفی تنها در 3.17٪ از پیکسل ها معنی دار بود.
تأثیر بارش و دما بر SOS در مناطق مختلف ژئومورفیک منطقه مورد مطالعه از شمال به جنوب متفاوت است. MUD و LP در شمال عمدتاً تحت تأثیر دما قرار گرفتند. در ماه فوریه، دما بیشترین تأثیر را در MUD و LP داشت، جایی که نسبت پیکسل های قابل توجه به ترتیب به 14.42٪ و 11.83٪ رسید که عمدتاً همبستگی مثبت را نشان دادند. بارش یک همبستگی عمدتا منفی با SOS در MUD و LP داشت، اما تعداد پیکسل‌های کمتری نسبت به دما تحت‌تاثیر بارش قرار گرفتند. GZP و QLM در منطقه مرکزی تحت تأثیر دما و بارش قرار گرفتند. بارش و دما عمدتاً در QLM همبستگی منفی داشتند. در GZP، بارش و دما در بهمن و اسفند همبستگی عمدتا مثبت و در فروردین همبستگی منفی داشتند. HJB و DBM در جنوب به شدت تحت تاثیر بارش قرار گرفتند. بارش بیشترین تأثیر را بر SOS در ماه مارس در DBM داشت، با پیکسل های قابل توجهی که 12.16 درصد از منطقه را تشکیل می دادند، که در آن همبستگی ها مثبت بود. تاخیر در این مناطق ممکن است به دلیل افزایش بارندگی باشد که ممکن است منجر به کاهش دما و تاخیر SOS شود. با این حال، پاسخ به دما در DBM ضعیف بود، و بیشترین نسبت پیکسل های قابل توجه در ماه مارس تنها 2.74٪ بود که بسیار کمتر از پیکسل های دیگر بود. بارش بیشترین تأثیر را بر SOS در ماه مارس در DBM داشت، با پیکسل های قابل توجهی که 12.16 درصد از منطقه را تشکیل می دادند، که در آن همبستگی ها مثبت بود. تاخیر در این مناطق ممکن است به دلیل افزایش بارندگی باشد که ممکن است منجر به کاهش دما و تاخیر SOS شود. با این حال، پاسخ به دما در DBM ضعیف بود، و بیشترین نسبت پیکسل های قابل توجه در ماه مارس تنها 2.74٪ بود که بسیار کمتر از پیکسل های دیگر بود. بارش بیشترین تأثیر را بر SOS در ماه مارس در DBM داشت، با پیکسل های قابل توجهی که 12.16 درصد از منطقه را تشکیل می دادند، که در آن همبستگی ها مثبت بود. تاخیر در این مناطق ممکن است به دلیل افزایش بارندگی باشد که ممکن است منجر به کاهش دما و تاخیر SOS شود. با این حال، پاسخ به دما در DBM ضعیف بود، و بیشترین نسبت پیکسل های قابل توجه در ماه مارس تنها 2.74٪ بود که بسیار کمتر از پیکسل های دیگر بود.
3.3.2. پاسخ EOS به بارش، دما و ساعات آفتابی
همانطور که در شکل 6 نشان داده شده استدر مقایسه با SOS، تأثیرات تغییرات مکانی-زمانی در آب و هوا بر روی EOS پیچیده‌تر بود. همبستگی های مثبت و منفی محدودی بین EOS و بارش در ماه های سپتامبر و اکتبر وجود داشت و تعداد کمی از پیکسل های معنی دار وجود داشت. بارش بیشترین تأثیر را بر EOS در ماه نوامبر داشت. همبستگی مثبت 64.88 درصد از منطقه را پوشش می دهد و تأثیر در 10.73 درصد از پیکسل ها معنی دار بود، که نشان می دهد EOS در بیشتر مناطق با افزایش بارندگی به تاخیر افتاده است. همبستگی های مثبت و منفی محدودی بین EOS و دما از سپتامبر تا نوامبر وجود داشت. بیشترین تأثیر دما بر EOS در سپتامبر رخ داد و 10.13 درصد از پیکسل ها همبستگی مثبت قابل توجهی را نشان دادند. تأثیر ساعات آفتابی بر EOS از ماه می تا جولای مثبت بود. این نتیجه نشان داد که EOS با افزایش ساعات آفتابی به تأخیر افتاده است. در ماه مه و ژوئیه، تفاوت معنی داری در تأثیر ساعات آفتابی بر EOS وجود نداشت و تأثیرات به ترتیب در 8.75٪ و 9.63٪ از پیکسل ها در مقایسه با 4.58٪ در ژوئن معنی دار بود.
مشابه SOS، پاسخ EOS به آب و هوا نیز تفاوت هایی را بین شمال و جنوب نشان داد. با این حال، برخلاف SOS، دما در نواحی مرکزی و جنوبی منطقه مورد مطالعه در جنوب GZP همبستگی مثبت داشت. دما در ماه سپتامبر بیشترین تأثیر را در GZP و QLM با 15.97٪ داشت، در حالی که 12.61٪ از پیکسل ها همبستگی مثبت قابل توجهی را نشان دادند. در مقابل، در DBM و HJB، دما بیشترین تأثیر را در ماه اکتبر داشت، زمانی که نسبت پیکسل‌ها با همبستگی مثبت معنی‌دار به ترتیب به 12.97 درصد و 10.82 درصد رسید. بارش عمدتاً بر MUD و LP در شمال منطقه مورد مطالعه تأثیر گذاشت. بیشترین تأثیر بارش بر EOS در MUD و LP در ماه نوامبر رخ داده است. زمانی که همبستگی مثبت معنادار به ترتیب در 17.85% و 16.11% از پیکسل ها رخ داد. این یافته نشان داد که EOS با افزایش بارندگی به تاخیر افتاد. در تابستان بیشتر گیاهان سرسبز هستند. ساعات آفتابی با تأثیر بر فتوسنتز بر تغییرات در EOS و LOS تأثیر می گذارد.52 ]. بیشترین اثرات ساعات آفتابی بر EOS در MUD و LP رخ داد و همبستگی ها عمدتاً مثبت بود. این یافته نشان داد که EOS با تشدید آفتاب به تأخیر افتاده است. بیشترین نسبت پیکسل های قابل توجه 16.61٪ بود که در MUD در ماه مه رخ داد، در حالی که 13.61٪ در LP در ماه جولای قابل توجه بود. در مناطق دیگر، تأثیر ساعات آفتابی بر EOS عمدتاً مثبت بود، اما تعداد پیکسل‌های قابل توجه کم بود.
3.3.3. پاسخ LOS به بارش، دما و آفتاب
شکل 7جهت ضریب همبستگی بین بارندگی و LOS تغییر یافته از آوریل تا سپتامبر را نشان می دهد. همبستگی مثبت 70.12 درصد از منطقه را از آوریل تا ژوئن و همبستگی منفی 74.18 درصد از منطقه را در تیر و مرداد پوشش داده است. در ماه سپتامبر، حدود 57.6٪ از منطقه یک همبستگی مثبت بین LOS و بارش نشان داد. بیشترین تأثیر بارش بر LOS در ماه جولای به 12.62 درصد رسید که یک همبستگی منفی معنی دار بود. این نتیجه نشان داد که LOS در اکثر مناطق با افزایش بارندگی در ماه جولای کوتاه می شود. نسبت همبستگی مثبت و منفی LOS با درجه حرارت از آوریل تا سپتامبر 45.03٪ و 54.97٪ بود. بیشترین تأثیر دما بر LOS در ماه می به 72.41 درصد رسید که همبستگی منفی بود. در حالی که 12.03٪ از پیکسل ها همبستگی مثبت نشان دادند. تأثیر ساعات آفتابی بر LOS کمتر از تأثیر بارش و دما بود. تأثیر ساعات آفتابی بر LOS در ماه مه که نسبت پیکسل های قابل توجه 6.85٪ بود، مهم ترین بود. همبستگی مثبت در اردیبهشت و تیر و همبستگی منفی در خرداد مشاهده شد.
بر خلاف SOS و EOS، تأثیر آب و هوا بر LOS ناهمگنی مکانی-زمانی و بدون نظم را نشان داد. بارش بیشترین تأثیر را بر LOS در اکثر مناطق در ماه جولای داشت و همبستگی ها عمدتاً منفی بود. بیشترین همبستگی در HJB رخ داد که در آن 17.41 درصد از پیکسل ها همبستگی قابل توجهی را نشان دادند. در LP، بیشترین اثرات بارش بر LOS در ماه آگوست رخ داد، زمانی که 10.19٪ از پیکسل ها همبستگی قابل توجهی را نشان دادند. در ماه آوریل، دما بیشترین تأثیر را در DBM داشت و نسبت پیکسل قابل توجه 8.55٪ بود که اکثر آنها همبستگی مثبت داشتند. در ماه مه، دما بیشترین تأثیر را در LP و QLM داشت و نسبت پیکسل‌های معنی‌دار به ترتیب 13.66% و 14.23% بود که عمدتاً همبستگی منفی را نشان دادند. GZP بیشتر تحت تأثیر دما در ماه سپتامبر قرار گرفت، زمانی که نسبت پیکسل های قابل توجه 8.98٪ بود. LOS در MUD تحت تأثیر دما قرار نگرفت و میانگین نسبت پیکسل های قابل توجه تنها 2.29٪ بود که بسیار کمتر از سایر مناطق بود. تأثیر ساعات آفتابی بر هر ناحیه ژئومورفیک مثبت بود و بیشترین تأثیر در اردیبهشت ماه مشاهده شد. بیشترین نسبت پیکسل های قابل توجه 9.93 درصد در DBM بود. تأثیر ساعات آفتابی در سایر مناطق تفاوت معنی داری نداشت و نسبت پیکسل های قابل توجه از ماه می تا جولای کمتر از 6 درصد بود. 29 درصد که بسیار کمتر از سایر مناطق بود. تأثیر ساعات آفتابی بر هر ناحیه ژئومورفیک مثبت بود و بیشترین تأثیر در اردیبهشت ماه مشاهده شد. بیشترین نسبت پیکسل های قابل توجه 9.93 درصد در DBM بود. تأثیر ساعات آفتابی در سایر مناطق تفاوت معنی داری نداشت و نسبت پیکسل های قابل توجه از ماه می تا جولای کمتر از 6 درصد بود. 29 درصد که بسیار کمتر از سایر مناطق بود. تأثیر ساعات آفتابی بر هر ناحیه ژئومورفیک مثبت بود و بیشترین تأثیر در اردیبهشت ماه مشاهده شد. بیشترین نسبت پیکسل های قابل توجه 9.93 درصد در DBM بود. تأثیر ساعات آفتابی در سایر مناطق تفاوت معنی داری نداشت و نسبت پیکسل های قابل توجه از ماه می تا جولای کمتر از 6 درصد بود.

4. بحث

میزان تأثیر عوامل اقلیمی بر فنولوژی پوشش گیاهی به مراحل مختلف رشد وقایع فنولوژیکی بستگی دارد [ 5 ]. علاوه بر این، واکنش‌های فنولوژی پوشش گیاهی به تغییرات محیطی در مناطق مختلف غیریکنواخت است [ 52 ].]، که در آن آب و هوا و نوع پوشش گیاهی می تواند بسیار متفاوت باشد. در شرایط عادی، منطقه خشک شمالی نسبت به جنوب در پاییز بارش کمتر و دمای کمتری را تجربه می کند، بنابراین EOS باید زودتر باشد. با این حال، جالب است که EOS در ناحیه شمالی در مطالعه ما به طور قابل توجهی دیرتر از منطقه جنوبی است. این تفاوت ممکن است به این دلیل باشد که پوشش گیاهی در شمال بیشتر درمنه و گیاهان علفی است، که EOS برای آنها در اواخر اکتبر یا اواسط نوامبر رخ می دهد، که دیرتر از EOS برای ذرت، گندم و سایر محصولات در جنوب است. . این یافته نشان داد که پاسخ های EOS به تغییرات آب و هوایی پیچیده تر از پاسخ های SOS بود و این دو روند نامتقارن هستند [ 3 ، 11 ].
فنولوژی پوشش گیاهی تحت تأثیر فعالیت های انسانی قرار گرفت. تغییرات بین سالانه در فنولوژی نشان داد که SOS تحت یک روند پیشرفت است، در حالی که LOS طولانی شده است. با این حال، در دو منطقه اقلیمی مجاور در شمال، نتایج برعکس بود. در LP، SOS مهم ترین پیشرفت را تجربه کرد، در حالی که LOS گسترش یافت. برای MUD، SOS به تعویق افتاد و LOS کوتاه شد. این روند عمدتاً به این دلیل رخ می دهد که پوشش گیاهی اصلی شامل بوته ها و علفزارها در LP است که نسبت به سایر انواع پوشش گیاهی به تغییرات دما حساس تر هستند. از آنجا که در دهه گذشته درختانی برای کنترل بیابان زایی در گل و لای کاشته شده اند، محیط زیست محیطی بهبود یافته است و پوشش گیاهی از 9.9 درصد در سال 2000 به 38.03 درصد در سال 2018 افزایش یافته است.https://www.shaanxi.gov.cn ). نوع پوشش گیاهی نیز از سالیکس و سایر گیاهان بادشکن به محصولات زراعی مانند سیب زمینی و ذرت (که در ماه مه جوانه می زنند و در ماه اکتبر برداشت می شوند) تغییر کرده است که دارای SOS دیرتر و LOS کوتاه تری نسبت به گیاهان جنگلی و چمن هستند.
اکثر مطالعات دریافته اند که دما عامل اصلی کنترل کننده فنولوژی پوشش گیاهی است [ 53 و 54]. در این مطالعه نشان داده شد که بارش به اندازه دما نقش مهمی دارد. برای SOS، بیشتر مناطق MUD و LP عمدتاً تحت تأثیر دما در شمال قرار گرفتند. GZP مرکزی و QLM تحت تأثیر دما و بارش قرار گرفتند و بارش در HJB و DBM عامل کلیدی در جنوب بود. با این حال، برای EOS، بارش عمدتاً بیشتر مناطق شمالی را تحت تأثیر قرار داد، در حالی که مناطق مرکزی و جنوبی عمدتاً تحت تأثیر دما قرار گرفتند. این نتایج نشان داد که اثرات تغییرات اقلیمی بر فنولوژی پوشش گیاهی پیچیده است. این تاثیرات بر اساس منطقه متفاوت بود و عوامل آب و هوایی که فنولوژی پوشش گیاهی را کنترل می‌کنند در مناطق مختلف ژئومورفیک متفاوت بود. به طور مشابه، ما متوجه شدیم که ساعات آفتابی با EOS از ماه می تا جولای همبستگی مثبت دارد.55 ]. هنگامی که تابستان به پاییز تبدیل می شود، روز به تدریج کوتاه می شود (ساعات آفتابی کاهش می یابد)، که باعث غروب جوانه و پیری برگ می شود [ 56 ].
فنولوژی پوشش گیاهی تحت تأثیر عوامل مختلف آب و هوایی قرار گرفت. در MUD شمالی، SOS به طور قابل توجهی تحت تأثیر دما قرار گرفت. در مقابل، در DBM جنوبی، بارش بیشترین تأثیر را بر SOS داشت، در حالی که دما کمترین تأثیر را داشت. این پدیده ممکن است به دلیل کاهش دما در فصل بهار در شمال باشد و افزایش دما کلید شکستن خواب گیاهان بوده است. برای جنوب گرم، تأثیر بارندگی مهمتر از دما برای رشد گیاهان بود. علاوه بر این، در مناطق مختلف ژئومورفیک، روابط پاسخ و ضرایب همبستگی بین فنولوژی پوشش گیاهی و تغییرات آب و هوایی متفاوت بود. در ماه فوریه، دما در LP و MUD با SOS همبستگی مثبت داشت، در حالی که در HJB و DBM، آنها همبستگی منفی داشتند. بارش در ماه اکتبر با EOS در QLM، HJB، DBM و GZP همبستگی منفی داشت، در حالی که در LP و MUD، آنها در ماه نوامبر همبستگی مثبت داشتند. در برخی از مناطق خشک شمالی، افزایش دما در فصل بهار ممکن است منجر به کاهش رطوبت خاک و تأثیر منفی بر رشد گیاه شود، در حالی که در مناطق مرطوب جنوبی، افزایش بارندگی در پاییز منجر به کاهش رطوبت خاک می شود. دما و رشد گیاه زود متوقف می شود.

5. نتیجه گیری ها

در زمینه گرمایش جهانی، کمی کردن واکنش های فنولوژی به محرک های آب و هوا برای توسعه پایدار اکوسیستم ها ضروری است. این مطالعه تمایز فضایی فنولوژی و تغییرات مکانی-زمانی فنولوژی را در شش منظر ژئومورفولوژیکی مختلف در شانشی، چین تجزیه و تحلیل کرد و پاسخ‌های فنولوژی به تغییرات آب و هوایی را مورد بحث قرار داد. نتایج اصلی به شرح زیر است:
(1)
فنولوژی با عرض جغرافیایی متفاوت بود. SOS در جنوب زودتر بود، در حالی که در شمال دیرتر بود.
(2)
در کل منطقه، SOS به تدریج در حال پیشرفت بود، در حالی که LOS طولانی می شد، اما در MUD، SOS به تأخیر می افتاد و LOS در حال کوتاه شدن بود. تنوع در فنولوژی دارای ناهمگونی فضایی در بین مناطق مختلف ژئومورفولوژیکی بود.
(3)
پاسخ فنولوژی به عوامل اقلیمی بسیار پیچیده بود. در شمال، SOS عمدتاً تحت تأثیر دمای ماه فوریه قرار گرفت و EOS عمدتاً تحت تأثیر بارش در نوامبر قرار گرفت. در جنوب، SOS عمدتاً تحت تأثیر بارش در ماه مارس قرار گرفت و EOS تحت تأثیر دمای ماه اکتبر قرار گرفت.
نتایج ما نشان داد که فنولوژی به اقلیم بسیار حساس است و به دلیل توپوگرافی و انواع پوشش گیاهی ممکن است انواع فنولوژی متفاوتی وجود داشته باشد. این یافته‌ها ممکن است به آشکار کردن الگوهای فنولوژیکی محلی مرتبط با اقلیم‌های کوچک و درک فنولوژی در مقیاس‌های مختلف کمک کند.

منابع

  1. میلر راشینگ، ای جی. Weltzin، J. فنولوژی به عنوان ابزاری برای پیوند اکولوژی و تصمیم گیری پایدار در یک محیط پویا. فیتول جدید. 2009 ، 184 ، 743-745. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  2. هلموت، فنولوژی LPD و مدلسازی فصلی. Ecol. گل میخ. 1974 ، 120 ، 461. [ Google Scholar ]
  3. جئونگ، اس جی. چانگ هوی، HO; Gim, HJ; براون، ME فنولوژی در شروع به پایان فصل رشد در پوشش گیاهی معتدل در نیمکره شمالی برای دوره 1982-2008 تغییر می کند. گلوب. چانگ. بجوشانید. 2011 ، 17 ، 2385-2399. [ Google Scholar ] [ CrossRef ]
  4. ژنگ، جی. Ge، Q. Hao, Z. تأثیرات گرمایش آب و هوا بر فنوفازهای گیاهان در چین در 40 سال گذشته. چانه. علمی گاو نر 2002 ، 47 . [ Google Scholar ]
  5. پیائو، اس ال. لیو، کیو. چن، AP; Janssens، IA; فو، YS؛ دای، جی اچ. لیو، LL; لیان، ایکس. شن، ام جی; Zhu، XL فنولوژی گیاهی و تغییرات آب و هوایی جهانی: پیشرفت‌ها و چالش‌های کنونی گلوب. چانگ. بجوشانید. 2019 ، 25 ، 1922-1940. [ Google Scholar ] [ CrossRef ]
  6. کیلینگ، سی دی; چانه، JFS; Whorf، TP افزایش فعالیت پوشش گیاهی شمال استنباط از اندازه گیری CO2 اتمسفر . طبیعت 1996 ، 382 ، 146-149. [ Google Scholar ] [ CrossRef ]
  7. Pe?Uelas, J.; فیللا، I. فنولوژی. پاسخ به گرم شدن جهان Science 2001 , 294 , 793-795. [ Google Scholar ] [ CrossRef ]
  8. وانگ، ایکس. شیائو، جی. لی، ایکس. چنگ، جی. ما، م. زو، جی. Arain، MA; سیاه، TA; Jassal، RS هیچ روندی در فنولوژی بهار و پاییز در طول دوره گرمایش جهانی وجود ندارد. نات. اشتراک. 2019 ، 10 ، 2389. [ Google Scholar ] [ CrossRef ]
  9. ویلیامز، SE; بولیتو، EE; فاکس، جنوبی. تغییر آب و هوا در جنگل های بارانی استوایی استرالیا: یک فاجعه زیست محیطی قریب الوقوع. Proc. بجوشانید. علمی 2003 ، 270 ، 1887-1892. [ Google Scholar ] [ CrossRef ]
  10. لی، اس.-دی. گرمایش جهانی منجر به واکنش های فنولوژیکی در فرآیند شهرنشینی، کره جنوبی. پایداری 2017 ، 9 ، 2203. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  11. ریچاردسون، AD; کینان، TF; میگلیاواکا، م. ریو، ی. سوننتگ، او. تومی، ام. تغییرات آب و هوا، فنولوژی، و کنترل فنولوژیکی بازخوردهای پوشش گیاهی به سیستم آب و هوا. کشاورزی برای. هواشناسی 2013 ، 169 ، 156-173. [ Google Scholar ] [ CrossRef ]
  12. Badeck، FW; Bondeau، AK; دکتر، دی. لوچت، دبلیو. شابر، جی. پاسخ های فنولوژی بهار به تغییرات آب و هوایی [مرور]. فیتول جدید. 2004 ، 162 ، 295-309. [ Google Scholar ] [ CrossRef ]
  13. شوارتز، MD فنولوژی موج سبز. طبیعت 1998 ، 394 ، 839-840. [ Google Scholar ] [ CrossRef ]
  14. بردلی، NL; لئوپولد، AC; راس، جی. Huffaker, W. تغییرات فنولوژیکی منعکس کننده تغییرات آب و هوایی در ویسکانسین است. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 1999 ، 96 ، 9701-9704. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. منزل، ع. Fabian, P. فصل رشد در اروپا تمدید شد. Nature 1999 , 397 , 659. [ Google Scholar ] [ CrossRef ]
  16. ساکس، اچ. جانسن، Ø. رایان، ام جی؛ Vourlitis، G. Tansley بررسی شماره 123. درخت و جنگل در پاسخ به گرمایش جهانی. فیتول جدید. 2010 ، 149 ، 369-399. [ Google Scholar ] [ CrossRef ]
  17. لینکوسالو، تی. هاکینن، آر. ترهیوو، جی. توومنویرتا، اچ. Hari, P. سری زمانی گلدهی و ترکیدن جوانه برگ درختان شمالی (1846-2005) مشاهدات دمایی مستقیم گرم شدن آب و هوا را پشتیبانی می کند. کشاورزی برای. هواشناسی 2009 ، 149 ، 453-461. [ Google Scholar ] [ CrossRef ]
  18. دلبارت، ن. پیکارد، جی. Toan، TL; کرگوات، ال. کوگان، اس. وودوارد، آی. رنگ، D.; Fedotova، V. فنولوژی بهار در اوراسیا شمالی در مقیاس زمانی نزدیک به قرن. گلوب. چانگ. بجوشانید. 2010 ، 14 ، 603-614. [ Google Scholar ] [ CrossRef ]
  19. نوردلی، او. ویلگولاسکی، FE; باکن، AK; Hjeltnes، SH; Mage، F. سیوله، ا. Skre, O. روندهای منطقه ای برای جوانه زدن و گلدهی گیاهان چوبی در نروژ در ارتباط با تغییرات آب و هوایی. بین المللی J. Biometeorol. 2008 ، 52 ، 625-639. [ Google Scholar ] [ CrossRef ]
  20. پوداس، ای. Leppälä، ​​M. تولوانن، ا. پویکلاینن، جی. Venäläinen، A. Kubin، E. روندها در فنولوژی Betula pubescens در سراسر منطقه شمالی در فنلاند. بین المللی J. Biometeorol. 2008 ، 52 ، 251-259. [ Google Scholar ] [ CrossRef ]
  21. منزل، ع. Sparks، TH; استرلا، ن. کوچ، ای. آسا، ا. آحاس، ر. الم-کوبلر، ک. بیسلی، پی. براسلاوسکا، او. برید، ا. و همکاران واکنش فنولوژیکی اروپا به تغییرات آب و هوایی با الگوی گرمایش مطابقت دارد. گلوب. چانگ. بجوشانید. 2006 ، 12 ، 1969-1976. [ Google Scholar ] [ CrossRef ]
  22. فو، YH; شیلونگ، پی. هانگ فانگ، ز. سو-جونگ، جی. خوهوی، دبلیو. یان، وی. فیلیپ، سی. Janssens، IA نقش غیرمنتظره بارش زمستانی در تعیین نیاز گرمایی برای سبز شدن پوشش گیاهی بهاره در عرض های جغرافیایی متوسط ​​و بالا شمالی. گلوب. چانگ. Biol. 2015 ، 20 ، 3743-3755. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  23. ویتاس، ی. دلزون، اس. دوفرنه، ای. پونتیلر، جی. Louvet, JM; کرمر، ا. Michalet، R. حساسیت فنولوژی برگ به دما در درختان اروپایی: آیا جمعیت های درون گونه پاسخ های مشابهی را نشان می دهند؟ کشاورزی برای. هواشناسی 2009 ، 149 ، 735-744. [ Google Scholar ] [ CrossRef ]
  24. میلر راشینگ، ای جی. Primack، RB گرم شدن کره زمین و زمان گلدهی در کنکورد ثورو: دیدگاه جامعه. اکولوژی 2008 ، 89 ، 332-341. [ Google Scholar ] [ CrossRef ]
  25. اسپارکس، تی. کری، PD; Combes, J. اولین تاریخ برگ دهی درختان در ساری بین سالهای 1947 و 1996. لندن. نات. 1997 ، 76 ، 15-20. [ Google Scholar ]
  26. کنگ، ن. وانگ، تی. نان، اچ. ممکن است.؛ وانگ، ایکس. Myneni، RB; Piao, S. تغییرات در تاریخ سبز شدن پوشش گیاهی بهاره حاصل از ماهواره و ارتباط آن با آب و هوا در چین از سال 1982 تا 2010: یک تحلیل چند روشی. گلوب. چانگ. بجوشانید. 2013 ، 19 ، 881-891. [ Google Scholar ]
  27. سلیمان، س. کین، دی. منینگ، ام. چن، ز. مارکیز، م. Averyt، KB; تیگنور، ام. میلر، اچ ال. سلیمان، س. Qin, D. تغییر آب و هوا 2007: پایه علوم فیزیکی. مشارکت گروه کاری I در گزارش ارزیابی چهارم هیئت بین دولتی در مورد تغییرات آب و هوا. خلاصه ای برای سیاستگذاران Intergov. پانل اقلیم. چانگ. صعود چانگ. 2007 ، 18 ، 95-123. [ Google Scholar ]
  28. یون، جی. جئونگ، اس جی. هو، CH; پارک، CE; کیم، جی. تأثیر بارش زمستانی بر فنولوژی بهاره در جنگل های شمالی. گلوب. چانگ. بجوشانید. 2018 ، 24 ، 5176–5187. [ Google Scholar ] [ CrossRef ]
  29. فو، YH; پیائو، اس. ویتاس، ی. ژائو، اچ. De Boeck، HJ; لیو، کیو. یانگ، اچ. وبر، یو. Janssens، IA افزایش نیاز به گرما برای فلاشینگ برگ در گونه‌های چوبی معتدل طی سال‌های 1980-2012: اثرات سرما، بارش و تابش آفتاب. گلوب. چانگ. Biol. 2015 ، 21 ، 2687-2697. [ Google Scholar ] [ CrossRef ]
  30. جین، اچ. جانسون، AM; اولسون، سی. لیندستروم، جی. جانسون، پی. برآوردهای جدید مبتنی بر ماهواره روندهای قابل توجهی را در فنولوژی بهاره و حساسیت های پیچیده به دما و بارندگی در عرض های جغرافیایی اروپای شمالی نشان می دهد. بین المللی J. Biometeorol. 2019 ، 63 ، 763-775. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  31. رایت، اس جی. Schaik، CPV Light و فنولوژی درختان گرمسیری. صبح. نات. 1994 ، 143 ، 192-199. [ Google Scholar ] [ CrossRef ]
  32. زیمرمن، جی کی. رایت، SJ فنولوژی های گلدهی و باردهی جنگل های نو استوایی فصلی و فصلی: نقش تغییرات سالانه در تابش. جی تروپ. Ecol. 2007 ، 23 ، 231-251. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. رایش، PB فنولوژی جنگل های استوایی: الگوها، علل و پیامدها. می توان. جی. بات. 1995 ، 73 ، 164-174. [ Google Scholar ] [ CrossRef ]
  34. موریست، جی تی. ریچاردسون، AD; Knapp، AK; فیشر، جی. گراهام، EA; آباتزغلو، ج. ویلسون، BE; Breshears، DD; Henebry، جنرال موتورز; هانس، جی.ام. و همکاران ردیابی ریتم فصول در مواجهه با تغییرات جهانی: تحقیقات فنولوژیکی در قرن بیست و یکم جلو. Ecol. محیط زیست 2009 ، 7 ، 253-260. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  35. Ge، Q. دای، جی. ژنگ، جی. پیشرفت مطالعات فنولوژی و چالش های تحقیقات فنولوژی مدرن در چین. گاو نر چانه. آکادمی علمی 2010 ، 25 ، 310-316. [ Google Scholar ] [ CrossRef ]
  36. پیائو، اس. نیش، جی. ژو، ال. سیایس، پی. Zhu، B. تغییرات در فنولوژی مشتق شده از ماهواره در پوشش گیاهی معتدل چین. گلوب. چانگ. بجوشانید. 2006 ، 12 ، 672-685. [ Google Scholar ] [ CrossRef ]
  37. لیو، LL; لیانگ، ال. شوارتز، دکتر. دانلی، آ. وانگ، ز. Schaaf، CB; لیو، LY ارزیابی پتانسیل داده های ماهواره ای MODIS برای ردیابی دینامیک زمانی فنولوژی پاییز در یک جنگل مخلوط معتدل. سنسور از راه دور محیط. 2015 ، 160 ، 156-165. [ Google Scholar ] [ CrossRef ]
  38. لی، اچ. وانگ، سی. ژانگ، ال. لی، ایکس. Zang, S. پایش ماهواره ای فنولوژی جنگل های شمالی و پاسخ های اقلیمی آن در اوراسیا. بین المللی J. Remote Sens. 2017 , 38 , 5446–5463. [ Google Scholar ] [ CrossRef ]
  39. یوان، م. وانگ، ال. لین، ا. لیو، ز. Qu، S. تغییرات در فنولوژی سطح زمین و پاسخ آنها به تغییرات آب و هوایی در حوضه رودخانه یانگ تسه طی سالهای 1982-2015. نظریه. Appl. صعود 2019 ، 137 ، 1659-1674. [ Google Scholar ] [ CrossRef ]
  40. رن، اس. یی، اس. پیچل، ام. وانگ، ایکس. پاسخ‌های متنوع فنولوژی گیاهی به تغییر آب و هوا در علفزارهای مختلف در مغولستان داخلی طی سال‌های 2000-2016. Remote Sens. 2018 , 10 , 17. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  41. زو، دبلیو. ژنگ، ز. جیانگ، ن. ژانگ، دی. تجزیه و تحلیل مقایسه ای از تنوع مکانی-زمانی در فنولوژی دو گونه علفی و عوامل محرک آب و هوایی مرتبط در فلات تبت. کشاورزی برای. هواشناسی 2018 ، 248 ، 177-184. [ Google Scholar ] [ CrossRef ]
  42. چنگ، م. جین، جی. ژانگ، جی. جیانگ، اچ. وانگ، آر. تأثیر تغییر اقلیم بر روی فنولوژی پوشش گیاهی انواع مختلف پوشش زمین در فلات تبت. بین المللی J. Remote Sens. 2018 , 39 , 470–487. [ Google Scholar ] [ CrossRef ]
  43. ویلیامز، جی دبلیو. جکسون، ST; Kutzbach، JE توزیع آب و هوای جدید و در حال ناپدید شدن را تا سال 2100 پس از میلاد پیش بینی کرد. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2007 ، 104 ، 5738-5742. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  44. شاووی، ز. یونگ، جی. Honghua، Q. انواع امداد بنیادی و شاخص طبقه بندی آنها در پایش شرایط جغرافیایی استانی در شانشی استفاده می شود. ایستادن. Surv. نقشه 2012 ، 28 ، 13-16. [ Google Scholar ]
  45. آهنگ، C.-Q. Ke، L.-H. شما، S.-C. لیو، جی.-اچ. ژونگ، X.-K. مقایسه سه روش برازش سری زمانی NDVI بر اساس TIMESAT – در نظر گرفتن علفزار در تبت شمالی به عنوان مورد. فناوری سنسور از راه دور. Appl. 2011 ، 26 ، 147-155. [ Google Scholar ]
  46. گووارد، SN; مارکهام، بی. رنگ، DG; دولنی، دبلیو. یانگ، جی. اندازه‌گیری‌های شاخص پوشش گیاهی متفاوت از رادیومتر پیشرفته با وضوح بسیار بالا. سنسور از راه دور محیط. 1992 ، 35 ، 257-277. [ Google Scholar ] [ CrossRef ]
  47. چن، جی. جانسون، پی. تامورا، م. گو، ز. ماتسوشیتا، بی. یک روش ساده برای بازسازی مجموعه داده های سری زمانی NDVI با کیفیت بالا بر اساس فیلتر Savitzky-Golay. سنسور از راه دور محیط. 2004 ، 91 ، 332-344. [ Google Scholar ] [ CrossRef ]
  48. ژانگ، ایکس. فریدل، MA; Schaaf، CB; استراهلر، ق. هاجز، JCF; گائو، اف. رید، ق.م. Huete, A. پایش فنولوژی گیاهی با استفاده از MODIS. سنسور از راه دور محیط. 2003 ، 84 ، 471-475. [ Google Scholar ] [ CrossRef ]
  49. ژو، ال. تاکر، سی جی; کافمن، RK; Slayback، D.; Myneni، RB تنوع در فعالیت پوشش گیاهی شمال استنباط از داده های ماهواره ای از شاخص پوشش گیاهی در طول 1981 تا 1999. J. Geophys. Res. اتمس. 2001 ، 106 ، 20069-20084. [ Google Scholar ] [ CrossRef ]
  50. هایینگ، ی. ایکه، ال. Jianchu، X. گرم شدن زمستان و بهار منجر به تأخیر در فنولوژی بهار در فلات تبت می شود. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2010 ، 107 ، 22151–22156. [ Google Scholar ]
  51. کفاکی، SB; متاجی، ع. هاشمی، س.ال.: پایش طول فصل رویش جنگل های پهن برگ برگرفته از داده های ماهواره ای در ایران. صبح. جی. محیط زیست. علمی 2009 ، 5 ، 647-652. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  52. Keenan، TF Phenology: سبز شدن بهاری در جهان در حال گرم شدن. طبیعت 2015 ، 526 ، 48-49. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  53. ریچاردسون، AD; اندرسون، آر اس؛ Arain، MA; Barr, AG; بوهرر، جی. چن، جی. چن، جی.ام. سیایس، پی. دیویس، کی جی. Desai، AR مدل‌های بیوسفر زمینی به نمایش بهتری از فنولوژی گیاهی نیاز دارند: نتایج حاصل از سنتز سایت برنامه کربن آمریکای شمالی. گلوب. چانگ. بجوشانید. 2012 ، 18 ، 566-584. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  54. وولکوویچ، ای.ام. کوک، BI; آلن، جی.ام. Crimmins، TM; Betancourt، JL; تراورس، SE; پائو، اس. رگتز، جی. دیویس، تی جی; کرافت، NJB؛ و همکاران آزمایش‌های گرمایش واکنش‌های فنولوژیکی گیاهان به تغییرات آب و هوایی را کمتر پیش‌بینی می‌کنند. طبیعت 2012 ، 485 ، 494-497. [ Google Scholar ] [ CrossRef ]
  55. کوک، JEKE; ماریا، ای. Juntila، O. ماهیت پویا خواب جوانه در درختان: کنترل محیطی و مکانیسم های مولکولی. محیط سلول گیاهی 2012 ، 35 ، 1707-1728. [ Google Scholar ] [ CrossRef ]
  56. Wareing، PF Photoperiodism در گیاهان چوبی. آنو. Rev. Plant Physiol. 1956 ، 7 ، 191-214. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00111 g001 550
شکل 1. منطقه مطالعه.
Ijgi 09 00111 g002 550
شکل 2. منحنی های سری زمانی شاخص تفاوت نرمال شده گیاهی (NDVI) یک پیکسل معین در سال 2001 در منطقه مورد مطالعه.
Ijgi 09 00111 g003a 550 Ijgi 09 00111 g003b 550
شکل 3. توزیع فضایی فنولوژی گیاهی میانگین چند ساله در شانشی و رابطه آن با ارتفاع از 2001 تا 2016.
Ijgi 09 00111 g004 550
شکل 4. توزیع فضایی تنوع بین سالیانه فنولوژی پوشش گیاهی در شانشی از سال 2001 تا 2016 (d/a: روز در سال).
Ijgi 09 00111 g005 550
شکل 5. توزیع فضایی ضرایب همبستگی بین شروع فصل رشد (SOS) و بارش/دما. ( الف – ج ) میزان بارش را از فوریه تا آوریل نشان می دهد. ( d – f ) دما را از فوریه تا آوریل نشان می دهد.
Ijgi 09 00111 g006 550
شکل 6. توزیع فضایی ضرایب همبستگی بین پایان فصل رشد (EOS) و بارش / دما / آفتاب و هیستوگرام آنها در شانشی. ( الف – ج ) میزان بارش را از سپتامبر تا نوامبر نشان می دهد. ( d – f ) به ترتیب دما را از سپتامبر تا نوامبر نشان می دهد. ( g – i ) تابش خورشید را از ماه می تا جولای نشان می دهد.
Ijgi 09 00111 g007 550
شکل 7. توزیع فضایی ضرایب همبستگی بین LOS و بارش / دما / آفتاب و هیستوگرام آنها در شانشی. ( a – f ) میزان بارش را از آوریل تا سپتامبر نشان می دهد. ( g – l ) دما را از آوریل تا سپتامبر نشان می دهد. ( m – o ) تابش خورشید را از ماه می تا جولای نشان می دهد.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید