第1章绪论
1.1研究背景与意义
植被是生态系统的重要组成部分，在大气能量交换以及碳水循环过程中起着至关重要的作用，其物候特征与全球气候变化息息相关。植被物候因对气候变化敏感而被视为生态环境变化的综合“指标”，*为显著的就是春季植被物候。植被返青期（植被开始生长和恢复绿色的过程，即植物生长季开始时间）是植被生长过程中的重要阶段之一，对植被后期的生长产生重要影响。近年来的研究表明，北半球植被返青期会随着温度的不断升高而呈现出不同程度的提前趋势。然而21世纪后，虽然温度呈持续升高趋势，但是植被返青期却表现出不显著推迟或持续平稳的趋势，发生变化的原因被认为是春季温度改变或冬季温度升高。
国内外学者从不同角度对植被变化及其影响因素进行了大量研究，温度常常被认为是影响植被物候的主要控制因素。而Shen等（2011）的研究表明，水分条件（如降水和土壤含水量）对干旱地区植被的返青更为重要，能够使返青期的开始时间提前。此外，植被返青期与积雪覆盖密切相关。积雪对地面植被具有保温保湿的作用，可以减少地面风力，有利于翌年植被返青。反之，如果积雪较多，积雪时间过长也会抑制植被的返青。随着全球温度的不断升高，积雪融化时间改变，理想情况下，当积雪开始融化时，土壤中就有足够的液态水供植物生长利用，温度与降水共同促进植被生长。由此可以看出，植被对温度、降水、积雪均存在明显的响应。当前针对植被返青期的多数研究集中在探讨温度和降水对其的影响机制，而将积雪与温度、降水等结合，探讨植被返青期影响机制的研究还比较少，植被返青期的变化及其驱动机制仍存在较大的不确定性，因此，量化其对积雪、气候因子的敏感程度具有重要意义。
长期观测记录报道了1980～2020年国内外气候条件和植被的显著变化。*新的研究表明，气候变化可能会影响植被的长势、物候、碳源、碳汇。积雪会改变地表反照率和植被生产力，并会影响气候条件和能量平衡。积雪作为一种常见的自然现象，可以带来大量的水，并影响当地的自然环境。具体而言，土壤和植被上的积雪或融化可以直接影响植被生长发育的水热条件。同时，积雪保护植被和土壤免受高太阳辐射、风蚀和冰冻等破坏性自然因素的影响。
1.2国内外研究进展
1.2.1积雪遥感信息监测
（1）积雪面积监测
20世纪80年代Harrison和Lucas（1989）利用AVHRR遥感数据的通道1、通道2的反照率之差进行监测积雪的分类和识别（Kidder and Wu，1987）。还有一些研究基于AVHRR数据，采用线性插值法以及线性混合光谱分解原理来研究森林地区的积雪覆盖面积估算方法（Simpson et al.，1998；Metsmki et al.，2002）。随着地球观测系统系列卫星发射，大量的研究采用时间、空间分辨率更高的中分辨率成像光谱仪（MODIS）积雪数据产品。Hall等（1995）提出归一化差分积雪指数（normalized difference snow index，NDSI）来识别积雪，该方法是MODIS积雪数据产品使用的积雪识别方法（Hall et al.，1996；Riggs et al.，2015）。光学遥感容易受到云层的干扰，因此很多研究者进行了MODIS影像每日Terra-Aqua合成、多日产品合成、光学和被动微波积雪信息融合等去云方面的研究，以提高积雪分类的精度（王增艳和车涛，2012；陈文倩等，2018；Hall et al.，2010）。张颖等（2013）利用拥有更高的空间分辨率的Landsat-TM数据对MODIS积雪数据产品进行验证，并重建算法。
随着气候和水文模型的发展，需要不断提高积雪覆盖范围识别精度，使用NDSI和监督分类法制作的积雪分类图像已不能满足研究需求，而积雪覆盖率算法可以识别亚像元的积雪面积，提高积雪面积监测精度（Dobreva and Klein，2011）。因此，开展积雪覆盖率方面的研究越来越受到国内外研究者的关注。国外利用混合像元分解方法选取合适的端元提取积雪覆盖率算法（施建成，2012；郝晓华等，2012）。国内利用混合像元分解方法来研究像元内的积雪覆盖率。这些算法虽然精度较高，但复杂性影响了其业务化的快速监测推广及其在全球尺度下的应用。刘良明等（2012）提出了基于NDSI的非线性积雪覆盖率回归模型，并利用建立的回归模型对提取的天山地区和祁连山地区的积雪覆盖率进行了验证。张颖等（2013）针对MODIS逐日积雪覆盖率产品（MOD10A1）存在精度差、地域限制等问题，利用MODIS地表反射率产品（MOD09GA），提出了分段建模的方法，生成了精度更高的积雪覆盖率产品，并采用Landsat资料对该产品进行了验证。大量的研究利用遥感数据，研究积雪覆盖率和积雪植被指数之间的多元回归关系，反演不同区域的积雪覆盖率，并利用真实的值验证精度，使精度显著提高（李云等，2015；郭建平等，2016；Chen et al.，2016）。
（2）积雪深度监测
被动微波遥感时间分辨率高并且可以穿透云层、地表有效获取积雪深度信息，使得被动微波遥感在获取雪深参数上有很大优势（Metsmki et al.，2002）。在国外，研究者开展了基于被动微波遥感的雪水当量以及积雪厚度反演算法等积雪遥感模型方面的大量研究，其中大多数积雪厚度模型都是基于Chang等（1987）提出的不同通道亮温特征建立的“亮温梯度”算法来反演积雪深度。之后大量的研究对该算法进行了修正，采用动态算法和静态算法相结合的算法反演雪深，提出了不同下垫面类型敏感的积雪厚度反演算法。但是，在积雪深度探测方面，仍有不少问题待研究。
在国内，高峰等（2003）利用多通道微波扫描辐射仪（SMMR）获得的被动微波亮温数据和我国西部气象台站的雪深资料对我国西部地区的反演雪深模型修正了Chang等（1987）的算法。车涛等（2004）以Chang等（1987）的算法为基础，利用被动微波SMMR不同频率水平极化亮温差和实测雪深数据建立线性回归的雪深反演模型，进行东西部地区雪深反演。李晓静等（2007）利用被动微波辐射计SSM/I数据开发了在我国及周边地区判识积雪的优化方法，大大减小了我国区域的冻土对被动微波遥感积雪识别分类的影响。延昊和张佳华（2008）对地球表面不同地物在被动微波辐射计SSM/I不同频率下的亮温值的差异特性进行波谱分析，建立了基于SSM/I微波检测积雪识别算法。仲桂新和张佳华（2010）、延昊和张佳华（2008）研究表明利用光学遥感和被动微波遥感积雪产品对比分析以及光学和被动微波融合可以提高积雪识别精度。多项研究基于星载微波辐射计的亮温数据，发现在青藏高原和新疆北部地区，当雪深超过一定深度时，被动微波遥感反演的雪深存在偏差，低估了雪深。如何选取微波辐射计的不同频率和不同极化的亮温值，提高基于被动微波遥感雪深反演模型精度成为雪深监测的瓶颈。
国内学者进行积雪研究时，主要关注的区域包括青藏高原、新疆北部、东北地区等典型积雪区域，国外学者进行北半球积雪研究时，关注的区域集中在北美洲、欧洲北部及北极地区，对蒙古高原积雪时空特征研究匮乏，本研究选择蒙古高原作为研究区，分析其积雪时空分布变化。
1.2.2植被生长遥感监测
归一化植被指数（normalized difference vegetation index，NDVI）是反映大范围植被覆盖程度和生产力的重要遥感参数，广泛用于大范围植被生长变化的研究。
植物物候是指植物受气候变化、生物因子和非生物因子等影响而出现的以年为周期的各种生物学现象，如萌芽、发叶、开花、结果、叶黄和叶落等现象及其发生时间，是生态环境变化的综合“指示器”。植被物候变化与气候变化密切相关，在气候上的任一微小的变化都能被植被物候信息记录下来，被广泛认为是全球变化的“积分仪”和生态环境变化的综合“指示器”（侯学会等，2014；孔冬冬等，2017），已成为全球变化和碳循环研究的核心问题（Piao et al.，2006；Shen et al.，2014）。
传统的物候学通常采用野外定点目视观察法记录生物物候现象的季节变化和年际变化。该方法费时费力，不易开展长时间大范围的监测。随着遥感技术的发展与应用，大范围的长时间序列观测能够弥补传统物候观测手段的不足，使得观测角度由对植株个体的观测转变为对整体植被生态系统的观测，为实现植物物候观测由点到面的空间转换提供了现实可能。植被物候生长季的传统定义不再适用物候遥感监测，基于遥感技术的植被物候遥感监测侧重于植物物候生长季开始和结束日期的确定（武永峰等，2008；Reed et al.，1994）。目前，遥感植被物候监测方法主要包括阈值法、滑动平均法、拟合法、*大斜率法、累积频率法和主成分分析法。阈值法简单、有效，比值阈值（White et al.，1997）和多参量阈值（DallOlmo and Karnieli，2002）更为稳定、可靠，但是阈值需要针对不同情况设定，影响算法精度。拟合法通过平滑模型函数拟合时间序列遥感数据提取物候信息，其中平滑模型函数主要包括逻辑斯谛（Logistic）函数法、非对称高斯函数法和谐波函数法。Zhang等（2003）提出用分段式Logistic函数拟合法来拟合每年NDVI数据。谐波函数拟合*线没有固定的形状，适合于提取各种植被类型的物候参数。该拟合法能有效抑制噪声影响，并且不需设置阈值或经验性限制条件。因此，全球范围的植被遥感物候产品广泛采用了拟合法（Wu et al.，2016；包刚等，2017；Hou et al.，2014；Zhao et al.，2015）。*大斜率法充分考虑参数时序*线变化特征，增加限定条件可提高精度，但是需要结合实际情况设定阈值或限定条件，会限制其大尺度应用。累积频率法是遥感与观测数据有机结合的一种新途径，但是在缺少地面物候观测数据时无法使用。主成分分析法是基于贡献率*大的**主分量的变化特征来监测物候变化，如果**主分量的方差贡献率较小，则不能用于生长季估测。
NDVI监测能够很好地反映植被生长态势，确定植被生长时期，本研究结合前人研究方法，利用NDVI数据计算蒙古高原植被生长时间，研究其物候时空分布变化及变化趋势。
1.2.3积雪变化对植被生长的影响
植被物候对环境变化非常敏感，受环境变化影响表现出周期性变化。多数研究认为，温度和降水的变化是植被物候变化的主要原因（李夏子等，2013；Wang et al.，2014；Jiang et al.，2016）。Piao等（2011）利用遥感和气象数据开展的研究表明受夏季降水减少影响，1982～2006年植被生长季NDVI有两个截然相反的趋势，其中1986～1997年呈显著上升趋势，1997～2006年呈下降趋势。遥感监测发现，北极地区苔原和灌木覆盖度增长，苔原和灌木呈长期绿化趋势，而在北美洲北方森林生产力下降，呈现“褐变”趋势（Beck and Goetz，2011；Peng et al.，2011）。这些趋势被广泛认为是气候变暖使得低温对植被物候的限制得到释放以及生长季变暖的干旱胁迫的结果。近年来，国内外许多学者的实验和观测研究表明，冬季积雪会影响生长季的植物的生长以及生产力（Peng et al.，2010；Mark et al.，2015；Matsumura and Yamazaki，2012；Trujillo et al.，2012）。Peng等（2010）研究表明在中国，冬季积雪在调节沙漠植被生长中发挥着至关重要的作用，冬季雪深与草原NDVI之间也存在显著的正相关关系，但在森林、灌丛、高山草原中却并无此种相关性。Dorji等（2013）认为高寒地区温度和融雪时间是影响植物发育的主要因素。Shen等（2014）认为土壤解冻的时间及其后期的土壤含水量而不是融雪时间是植被物候的主要影响因素。这些结论表明中高
展开
