沿中国陆地边境线植被绿度的变化外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

沿中国陆地边境线植被绿度的变化

WANG XunMing1,2*, MA WenYong1, HUA Ting3 amp; LI DanFeng1

1 Key Laboratory of Water Cycle amp; Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research,

Chinese Academy of Sciences, Beijing 100101, China;

2 University of Chinese Academy of Sciences, Beijing 100049, China;

3 Key Laboratory of Desert and Desertification, Cold amp; Arid Regions Environmental amp; Engineering Research Institute,

Chinese Academy of Sciences, Lanzhou 730000, China

Received February 6, 2017; accepted June 27, 2017; published online August 18, 2017

摘要：中国与十四个国家有着大约22000公里的陆地边界，但是对这样一个面积大且多样化地区的植被绿度变化了解甚少。 我们通过采用遥感植被指数，讨论了边界植被的绿度。研究结果表明，自21世纪初以来，中国大部分边界植被绿度变化出现了类似趋势，但在边界两侧出现了差异。 在与朝鲜和南亚国家的边界上，中国边境内植被绿度呈现出更大的增长趋势，这表明中国的植被保护项目取得了成功。 中国与俄罗斯，蒙古和中亚国家的边界，观察到植被绿度趋势的时空变化。 中国与俄罗斯边境和中国与蒙古的东部边界的植被变化较低。 中国与中亚国家的大部分边界，在生长季节期间，中国边境内的植被变化率高于边界外。 结果表明，社会习俗，资源开发模式和国家环境保护项目可能会深刻影响植被绿度。

关键词：政治边界；植被绿度；环境；中国。

1.引言

国家边界对研究人员，外交官，政治家和国际组织非常重要，因为他们明确界定了国家主权的范围（Jones，2012）。 沿边界生态环境的变化一直引起他们的兴趣，包括公众的兴趣（Sternberg，2008）。中国的陆地边界与14个国家（朝鲜，俄罗斯，蒙古，哈萨克斯坦，吉尔吉斯斯坦，塔吉克斯坦，阿富汗，巴基斯坦，印度，尼泊尔，不丹，缅甸，老挝和越南）共享，并延伸穿过潮湿，半湿润，半干旱和干旱地区（Zheng，2012）。由于历史和政治原因，这些边界通常是沿着地貌边界建立的被河流，山脊和沙漠，高原和平原的边缘所勾画（Niu 等，1990）。虽然中国陆地边界的环境条件不尽相同，但边界任何一段的景观和潜在植被类型都相似（图S1）（Zhou，2015）。

具体的沿边界土地管理活动取决于社会习俗，国家政策，土地利用和环境保护计划。这些活动在边界两侧的差异通常表现为植被覆盖类型，物种组成或植被结构的跨界差异（Haberl等，2007;Krouml;el-Dulay等，2015）。 目前，利用遥感植被指数（VIs）量化的植被绿度广泛用于评估植被与单位面积周围环境相互作用的能力（De Jong等，2013; Zhou等，2014）。 尽管我们有时很难确定人类活动和气候变化对植被绿色变化的相对贡献，但跨界差异反映了土地管理和土地开发强度的差异。近几十年来，中国经济快速发展带来的生态和环境问题引发了对其生态环境保护政策的批评（Liu等，2008;Cao等，2011）。然而，审查中国（及邻国）的环境保护政策带来的困难使得评估中国政府发起的环保项目的有效性以及这些政策如何影响中国的经济发展变得困难。为了解决这个缺点，本研究使用VIs来评估中国边境植被绿度的差异。假设气候变化对边界的任何部分造成类似的环境影响，则植被模式的跨界差异被认为是土地管理活动不同的结果。

2.材料与方法

为提高中国边境植被绿色度评价的准确性，采用三种遥感数据来源：植被指数（VGT），归一化差值植被指数（NDVI），中分辨率成像光谱仪（MODIS）NDVI，和增强型植被指数（EVI）。SPOT-VGT NDVI数据来自电磁波长为0.61-0.68mu;m的红色波段和波长为0.78-0.89mu;m的近红外波段。MODIS NDVI数据来自红色（0.62-0.67mu;m）和近红外波段（0.84-0.88mu;m）。SPOT-VGT从1999年到2013年的10天合成VGT-S10产品的NDVI时间序列数据来自比利时佛兰芒技术研究所（http://free.vgt.vito.be/） 与1公里的空间分辨率。对数据集进行校正以消除卫星移动和传感器退化的影响，采用每月3个10天间隔的最大值复合值（MVC）来获得每月的最大NDVI值。（Holben，1986）从2001年到2014年的MODIS时间序列产品（MOD13A3; Collection 5，C5）是每月从美国地质调查局陆地过程分布式活动档案中心以正弦投影方式采用1公里的空间分辨率获得的，作为网格化的3级产品（LPDAAC，http://ladsweb.nascom.nasa.gov/data/search.html）。MOD13A3 C5植被产品是一个大气校正和最低点调节数据集与数据质量评估产品（QA数据）的月度组合，其中包含以像素为单位的总体有用性，像素可靠性和云状况的信息。这个产品包括一个使用蓝色波段的新EVI，以消除由烟雾和薄（细小）子像素云造成的任何残留大气污染（Anderso等，2010; Didan等，2010）。为了能够与SPOT-VGT NDVI进行比较，数据采用几何方法进行镶嵌，并使用NASA提供的MRT软件（ftp://e4ftl01u.ecs.nasa.gov/MOLT/）将其转换为相同的坐标系。

NDVI和EVI都是植被活动的有效指标。 先前的研究（Brown等，2006; Tian等，2015）已经证明，Terra MODIS和SPOT-VGT NDVI是用于表征中国北方大部分半干旱和干旱地区植被状况的相对稳健的数据集。MODIS NDVI趋势呈现轻微变化，而SPOT-VGT NDVI在中国南方大部分地区呈现出正变化（An等，2015）。 与MODIS NDVI相比，MODIS EVI使冠层背景变化和大气气溶胶散射最小化，并且仍然对密集植被条件敏感（Gao等，2000; Huete等，2002）。 考虑到每个植被指数的优势，需要使用各种植被指数数据产品（NDVI和EVI）或不同的传感器（MODIS和SPOT-VGT）进行交叉验证，以验证各种植被类型的评估准确性（Chen等，2006; Fensholt等，2009），其一致的趋势将为进一步的研究提供更多的信心（Chen等。，2006）。

1999年至2014年植被绿度的时间趋势表现为每个像元的VIs（包括NDVI和EVI）特征的变化。 在这项研究中，生长季节是从4月到10月（Zhou等，2001; Liu等，2015）。 年度生长季和非生长季VI分别定义为1月至12月，4月至10月，11月至次年3月的平均值（Piao等，2011）。 此外，尽管在南部地区（北纬23°N），从11月到次年3月的这段时间不能被定义为“非生长季节”，但为了便于描述，我们仍然在整个讨论中使用该术语。 使用基于普通最小二乘法的线性回归模型来确定每个像素的变化，采用以下等式（Santer等，2000）：

VI = SLOPEtimes;YEAR b， (1)

， (2)

其中VI是指第i年的年度生长季或非生长季NDVI或EVI，n是监测的总年数，i是指第i年。 斜率的绝对值反映了植被变化的速率（Ma等，012），而斜率方向（正或负）表示时间方向（增加或减少）植被指数的趋势。

为了确定植被绿度变化的趋势，在边界设置了一个50公里的缓冲区。 然后，沿边界放置相邻的100kmtimes;100km正方形，并通过目视将每个正方形分成两个大致相等的部分（中国边境内外各一个，图S1）。 最后，使用Arcgis（版本10.1）软件中的带状统计方法（Papes和Gaubert，2007; Soysal等，2012），利用平均VI线性回归斜率值（1 kmtimes;1 km像素）计算每个方形的植被绿度趋势。 沿着中国陆地边界共分析了125个广场（图S1）全年生长季节和非生长季节植被绿度变化的平均趋势。此外，根据国家测绘组织的全球土地覆盖数据（GLCNMO）全球版的数据，估计了2003年至2013年期间沿边界土地覆盖的时间变化（图S2）。 因为在估计植被绿度变化的趋势时可能会导致一些不确定性（Zhu等，2016），这里我们只是估计中国边境内外土地覆盖的趋势。

3结论

3.1边界的空间变化

图1显示了中国陆地边境100kmtimes;100km正方形面积年植被绿度的空间变化趋势。表1列出了不同国家边境内外植被绿度变化趋势。尽管SPOT NDVI，MODIS NDVI和EVI数据集之间存在一些差异，但都显示出沿边界植被绿度的空间变化。例如，MODIS NDVI和EVI数据集的结果表明，与俄罗斯边界相比，缅甸，老挝与越南三国的边界植被绿度平均变化趋势的速率相对较大，甚至相反，全部主要位于半湿润和潮湿地带。相比之下，中国与蒙古和中亚国家大部分边界的植被绿度平均趋势空间变化较少，主要集中在半干旱和干旱地区。然而，与俄罗斯，缅甸和越南的边界出现明显不同的平均趋势，这表明土地利用活动不同导致边界两侧植被绿化的差异。尽管在平均趋势上存在差异（图1），但大多数中国边境的外部和内部之间的植被绿度存在一定的联系。每个100 kmtimes;100 km的正方形可被视为由1 kmtimes;1 km网格组成，这是NDVI和EVI数据集的空间分辨率。从1999年到2014年，在每个网格（图2c）中，所有格点的NDVI（图2a和b）或EVI的平均增长率一般都是边界内部区域的一半。 此外，所有网格的三个数据集的内部部分与外部部分平均趋势的线性拟合都有0.01水平显著（图2）。

图1中国陆地边界上每100 kmtimes;100 km正方形面积的年植被绿度变化趋势的空间变化（a）SPOT NDVI数据（1999-2013），（b）MODIS NDVI数据（2001-2014）和（c）MODIS EVI数据（2001-2014）。 湿润，半湿润，半干旱和干旱地带的限制分别由年平均降水量800,400和200毫米决定。

图2中国边境一年生植被绿度趋势的关系（a）SPOT NDVI（1999-2013）（b）MODIS NDVI（2001-2014）（c）MODIS EVI（2001-2014）。

3.2中国边境两侧的植被绿化差异

尽管沿边界大部分地区的植被变化趋势类似，但在边界两侧植被的绿化程度有所不同（图3和S3）。 例如，沿朝鲜边界，MODIS和SPOT NDVI结果显示，在生长季节，中国境内的NDVI增长率高于边界外。与俄罗斯交界处，中部地区的植被绿度变化速率高于东部和西部地区。在与蒙古和中亚国家的边界上，中国边境内的植被绿度变化率在生长季内相对较高，但在非生长季内，植被绿度变化率低于中国边境外。 在尼泊尔边界，缅甸北部以及缅甸和越南的南部地区，在生长期和非生长期，植被绿度变化率比中国境内要高得多。

3.3沿中国边境的土地覆盖空间差异

中国边境的土地覆盖类型（类别）主要由森林，草本植被，农田，流动沙/砾石，灌木和稀疏植被组成;这些类型的特征因气候区域而异（S5）。从2003年到2013年，耕地，森林，灌木，草本，稀疏植被和流动沙/砾石地区的平均变化率分别为0.39％，0.10％，-0.92％，-0.29％，-0.20％和0.22％，在中国边境的一侧，分别为0.48％，0.03％，-0.90％，中国边境外部分别为-0.22％，-0.19％和0.19％（图4和S4）。在边境较潮湿的地区，农田面积增加主要来自沿朝鲜边界的灌木丛，沿俄罗斯和一些中亚国家边界的草本植被，以及与南亚边界部分地区的稀疏植被（图4和S4）。 但在南亚部分地区，如缅甸，老挝和越南的边界地区（图4）发现沿边境的农田流失，表明这些地段的开垦活动减少。 此外，沿蒙古边界，草本植被面积减少，而流动沙/砾石面积增加（图S4），这表明在过去的十年里，在此地区的沙漠化已经增加。中国边境内外大部分地区的土地覆盖类型时间变化都很相似（图S5）。 这表明从2003年到2013年，中国和邻国的政府鼓励类似的植被保护和土地管理政策，或者说气候变化主要是中国边境大部分地区植被绿度变化的主要原因。

图3生长季内中国边境植被平均绿度变化趋势的差异。不同之处在于在每个100kmtimes;100km正方形面积内，由中国边境内部的植被绿度变化的趋势减去外部植被绿度变化的趋势。（a）SPOT NDVI数据（1999-2013）（b）MODIS NDVI数据（2001-2014）和（c）MODIS EVI数据（2001-2014）。

图4 2003年至2013年中国陆地边界土地覆盖（农田和森林）的空间差异（数据来自国家测绘组织（GLCNMO）的土地覆盖全球版本，更多细节如图S2所示）。 变化率为（X₂₀₁₃-X₂₀₀₃）/X，其中X₂₀₁₃和X₂₀₀₃分别是2013年和2003年某一土地覆被面积，X是2013年的边界剖面总面积的分析平均值，其他土地覆盖类别的空间趋势如图S4所示。 补充材料提供了数据源的其他详细信息。

4.讨论

气候变化包括温度，降水，

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22426]，资料为PDF文档或Word文档，PDF文档可免费转换为Word