社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

桂林理工大学晏红波教授团队International Journal of Digital Earth新研究!

生态遥感前沿 • 5 天前 • 66 次点击  

导  读

近日,桂林理工大学晏红波教授团队在《International Journal of Digital Earth》上发表了全球气候变化背景下植被对干旱响应方面的研究成果,论文题为“Quantifying global vegetation recovery speed in response to extreme drought using multi-dimensional spatiotemporal data”,本研究通过融合多源遥感数据构建了植被恢复评估框架,量化了全球植被旱后恢复能力,解析了全球植被干旱恢复的时空格局,识别了土壤水分与地表温度的关键驱动作用,并揭示了纬度梯度上主导因子的空间分异规律。




研究背景与意义

图片


Digi-Water

研究背景

植被作为地球生态系统的基础单元,不仅维系着生物多样性,更通过光合固碳功能调控全球碳循环。然而,近十年来气候变化引发的干旱事件频发且强度递增,不断冲击全球生态平衡。气候变化背景下,干旱对植被的胁迫已超越单一生理损伤层面,其引发的"水分限制-光合抑制-群落解体"连锁反应,正在重塑全球生态系统稳定性阈值。这种由干旱胁迫触发的级联效应,凸显出解析植被恢复机制的紧迫性。


Digi-Water

研究意义

本研究揭示全球植被恢复时空格局及其关键驱动因子有助于完善生态韧性理论和优化生态管理策略,从而提升未来气候情景下植被动态预测能力。



研究内容

图片

1


Digi-Water

研究方法

本研究基于标准化降水蒸散指数(SPEI)与多源植被指数(LAI/NDVI/SIF),量化了全球气象干旱事件后的植被恢复时间;结合空间相关分析与分区统计模型解析了植被恢复影响因子的空间分异规律及纬度梯度主导机制。

2


Digi-Water

研究结论


在2018-2021年间,基于SPEI阈值检测方法筛选的持续时长大于3个月的干旱事件,其全球平均发生频次为2次,约30%的陆地生态系统经历的干旱次数不少于3次(图1 a)。干旱事件的强度表现出明显的空间差异,其中三分之一为重旱等级(图1 b)。全球范围内,干旱事件的平均持续时长为5.06个月(图1 c)。全球生态系统的平均恢复时间为3.25个月(图1 d)。尽管大多数地区能够在4个月内恢复到正常状态,但一些地区如西南北美、南美洲南部、非洲南部、欧洲中南部和澳大利亚需要5个月或更长时间才能恢复。总体而言,植被恢复时长随纬度变化明显,随着纬度的增加,植被恢复时长会呈现一个先上升后下降的趋势,北半球变化较为微弱,南半球变化明显。

图片

图1 全球干旱特征与植被恢复时长的空间分布

在全球植被旱后恢复事件中,土壤水分和地表温度是影响植被恢复的最主要因素,分别有72%、68%的显著相关区域与植被恢复时间表现出负相关,相较于降雨和饱和水汽压差(VPD),土壤水分和地表温度在更广泛的区域上对植被恢复产生显著影响。


图片

图2 关键影响因子与植被恢复时间的空间相关性

在划分的5个纬度亚区(北高纬、北中纬、北低纬、南低纬和南中纬)上,计算了各关键影响因子对植被恢复的影响力。温度北高纬、南低纬和南中纬地区的影响最大,分别为0.43、0.34和0.43,且 温度越高越有利于植被恢复土壤水分则是北中纬地区的主要影响因子,其影响值为0.41;VPD北低纬地区的纬度影响值最大,为0.35,表明其在该纬度亚区对植被恢复影响最显著;降雨在所有各亚区均未起主导作用。

图片

图3 关键影响因子对植被恢复时间的纬度梯度影响



资助信息

图片

本文第一作者是桂林理工大学测绘地理信息学院卢献健副教授,通讯作者是桂林理工大学晏红波教授,中国科学院空天信息创新研究院赵天杰研究员、硕士研究生董书良、徐发俊等为共同作者。

本项研究得到国家自然科学基金(No. 42361052)、广西自然科学基金(No. 2025GXNSFAA069733)、广西自动检测技术与仪器重点实验室开放基金(No. YQ24202)、“广西高等学校千名中青年骨干教师培育计划”(桂教教师[2022]60号),共同资助。


参考文献:

[1]Lu, X., Dong, S., Yan, H., Zhao, T., Zhao, F., & Xu, F. (2025). Quantifying global vegetation recovery speed in response to extreme drought using multi-dimensional spatiotemporal data. International Journal of Digital Earth,18(1).

全文链接

https://www.tandfonline.com/doi/full/10.1080/17538947.2025.2507195

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/183087
 
66 次点击