基于MODIS數(shù)據(jù)的呼倫貝爾生態(tài)功能區(qū)典型植被物候變化研究

劉睿 熊若妃 冀琴 何夢玥

摘要?采用MODIS和GPS實測數(shù)據(jù)，結(jié)合NDVI時間序列特征，分析2000—2018年呼倫貝爾市植被（林地、牧草、馬鈴薯、油菜花、小麥）的物候變化特征，同時結(jié)合區(qū)域氣象數(shù)據(jù)，探討植被物候變化與氣候因子之間的關系。結(jié)果表明，研究時段內(nèi)各類植被曲線形態(tài)基本相似，但變化幅度不同，具體表現(xiàn)為牧草>馬鈴薯>林地>小麥>油菜花。近19年來研究區(qū)溫度和降水整體呈升高趨勢，隨著降水增加，植被物候期表現(xiàn)為先提前后推遲的趨勢。結(jié)合溫度變化趨勢可知，除馬鈴薯和牧草外，溫度升高會導致次年植被物候期提前。此外，通過對5類植被進行分析發(fā)現(xiàn)油菜花是最適宜呼倫貝爾地區(qū)的農(nóng)作物。

關鍵詞?植被;物候;變化特征;遙感;MODIS;呼倫貝爾生態(tài)功能區(qū)

中圖分類號?Q948?文獻標識碼?A

文章編號?0517-6611（2021）09-0079-09

doi：10.3969/j.issn.0517-6611.2021.09.021

Abstract?Using the measured data of MODIS and GPS， combined with the characteristics of the NDVI time series， the phenological changes of vegetation （woodland， pasture， potatoes， rape flower， wheat） in Hulunbeier City from 2000 to 2018 were analyzed， and combined with regional meteorological data， the phenological changes of vegetation and the relationship between climate factors. The results showed that during the study period， various types of vegetation curves were basically similar in form， but the variation ranges were different， specifically expressed as pasture>potato>forest land>wheat>rape flower. Over the past 19 years， the overall temperature and precipitation in the study area had shown an upward trend. With the increase in precipitation， the phenological period of vegetation had shown a trend of advancing first and then postponing. Combined with the trend of temperature changes， except for potatoes and pastures， the increase in temperature would lead to an advance in the phenology of vegetation the following year. In addition， through analysis of five types of vegetation， it was found that rapeseed was the most suitable crop in Hulunbeier area.

Key words?Vegetation;Phenology;Change characteristics;Remote sensing;MODIS;Hulunbuir ecological function zone

物候是植被在不同的生育期內(nèi)表現(xiàn)出相似的變化現(xiàn)象[1]，是長期適應氣候環(huán)境變化而形成的生長發(fā)育規(guī)律[2]。植物物候現(xiàn)象是環(huán)境條件、季節(jié)和年際變化最直接、最敏感的指示器，其發(fā)生時間可以反映陸地生態(tài)系統(tǒng)短期變化的特征[3]。傳統(tǒng)的物候觀測方法主要是通過設立觀測站點，并利用人工目視或相機拍攝進行，這在很大程度上受到空間因素的限制，且精度不高，數(shù)據(jù)采集過程緩慢，時效性不強[4]。相比而言，由于遙感的植被物候分析具有連續(xù)且同時觀測、覆蓋面廣、更新快等優(yōu)勢，已成為全球氣候變化背景下植被生理物理變化研究的重要手段[5]。與其他地物類型相比，農(nóng)作物在光譜上具有更高的相似度[6]，僅利用遙感影像難以對其進行識別。但由于不同農(nóng)作物類型有其獨特的物候特征，并且可以利用遙感的植被指數(shù)長時序變化充分體現(xiàn)出來，因此利用長時序的遙感影像進行農(nóng)作物類型的識別是一種行之有效的方法[7]。

依據(jù)中高分辨率衛(wèi)星（Landsat、SPOT、HJ-1/2等）數(shù)據(jù)包含的紋理信息、光譜信息等對于農(nóng)作物的識別有一定的可行性[8-9]，如利用多時相TM衛(wèi)星遙感影像，在主要地物光譜特征的基礎上，結(jié)合植被生長狀態(tài)及NDVI構(gòu)建決策樹，提取大豆、玉米、水稻等農(nóng)作物的種植信息[10];根據(jù)小麥和苜蓿表現(xiàn)出的光譜差異，并利用Landsat數(shù)據(jù)區(qū)分和判斷苜蓿的收獲時間[11]。盡管中分辨率衛(wèi)星在農(nóng)作物識別上發(fā)揮了重要作用，但由于其時間分辨率較低、覆蓋范圍較小、成本較高等，在很大程度上限制了其在農(nóng)業(yè)遙感方面的應用，而低空間分辨率影像如MODIS數(shù)據(jù)因其更新快、易獲取、覆蓋范圍廣等優(yōu)勢，可在大范圍進行作物空間分布監(jiān)測。前人研究表明MODIS數(shù)據(jù)在植被長時間監(jiān)測等方面發(fā)揮著不可替代的優(yōu)勢[12]，但目前尚未有學者基于MODIS數(shù)據(jù)就呼倫貝爾主要農(nóng)作物展開相關綜合研究。因此，筆者利用MODIS與GPS實測數(shù)據(jù)，以呼倫貝爾地區(qū)的牧草、林地、油菜花、馬鈴薯、小麥分布為研究對象，結(jié)合作物的生理特性和曲線的形態(tài)特征的相對位置進行分析和判定，以期更加客觀、準確、快速地提取農(nóng)作物物候信息。通過掌握物候變化規(guī)律，可以對作物進行估產(chǎn)、預報農(nóng)時、監(jiān)測生態(tài)環(huán)境以及間接預測氣候變化趨勢[3]。

1?資料與方法

1.1?研究區(qū)概況

呼倫貝爾位于亞歐大陸的東部（圖1），由呼倫貝爾高平原、大興安嶺山地和嫩江西岸山前平原3部分組成，該區(qū)屬溫帶大陸性氣候，冬季寒冷漫長，夏季溫涼短促[13];降水量較多，無霜期長，光照充足，雨熱同季，適宜農(nóng)牧業(yè)生產(chǎn)發(fā)展[14]。呼倫貝爾總面積為7.5萬km2，其中草地、濕地、耕地和林地面積所占比例分別為80.12%、8.50%、3.59% 和4.89%[15]，構(gòu)成了目前中國規(guī)模最大、最為完整的生態(tài)系統(tǒng)。世界四大牧草之一的呼倫貝爾草原被稱為世界上最好的草原[16]。研究區(qū)主要種植馬鈴薯、小麥、牧草、油菜花等農(nóng)作物[14]。

1.2?數(shù)據(jù)來源

1.2.1?MODIS數(shù)據(jù)。

選取2000—2018年MODIS傳感器1 km 分辨率16 d合成的MOD13A2產(chǎn)品，利用其歸一化差值植被指數(shù)（NDVI）。該數(shù)據(jù)采用正弦投影，可用于檢測植被狀態(tài)和土地覆蓋利用變化。使用2000—2018年覆蓋呼倫貝爾采樣點區(qū)域的420期影像，平均每年22期。

1.2.2?GPS實測數(shù)據(jù)。

利用手持GPS進行定位（表1），在油菜花開花季節(jié)，調(diào)查采用沿路驅(qū)車定點，盡可能覆蓋研究區(qū)。調(diào)查內(nèi)容涉及作物的類型，使用攝像工具獲取圖片，在GIS支持下生成與遙感影像完全匹配的樣本數(shù)據(jù)，為更新作物種植區(qū)和物候信息提取提供支持。

1.2.3?氣象數(shù)據(jù)。氣象數(shù)據(jù)為2000—2018年呼倫貝爾境內(nèi)距離采樣點最近的4個氣象站點（表2）的月平均溫度、月平均降水量。

1.3?研究方法

1.3.1?數(shù)據(jù)預處理。

采用MODIS 重投影工具（MODIS reprojection tool，MRT）從2000—2018年的MODIS數(shù)據(jù)中提取NDVI數(shù)據(jù)，配合使用Cygwin完成MRT軟件對數(shù)據(jù)的批量提取。

1.3.2?地物識別。

在Google Earth中基于圖片信息識別采樣點所代表的植被類型，同時結(jié)合其經(jīng)緯度信息和植被類型信息（表3）進行識別。其中，林地有采樣點60個，馬鈴薯10個，牧草126個，油菜花11個，小麥16個?；谝延兄脖活愋偷?23個采樣點，在ArcGIS中提取各類植被的NDVI時間序列，生成NDVI時間序列曲線;由于有多個采樣點，因此每年的NDVI時間序列曲線不止一條，該研究采用求平均值的方法獲取一條曲線;判別每年的NDVI開始增長點和最高點，得出各類植物的開始增長點和最高點時間隨年份變化的折線圖。

2?結(jié)果與分析

2.1?NDVI時間序列曲線

考慮到2000—2018年的時間跨度較長，因此該研究只顯示2000、2006、2012和2018年的NDVI時間序列曲線圖。在處理過程中發(fā)現(xiàn)遙感影像存在噪聲，因而需要在粗略平滑的基礎上對NDVI時間序列曲線進行判讀。由林地、馬鈴薯、牧草、油菜花、小麥歷年來的NDVI時間序列（圖2～6）可知，5種類型植被均為一年一季種植模式，生長曲線整體形狀均呈倒“V”型曲線。

2.1.1?林地的NDVI時間序列曲線。

由圖2可知，林地NDVI的變化更為平緩，生長周期時間跨度最長，約為130 d;約在每年的第60天開始生長;NDVI在最高點停留的時間最長，即成熟期約80 d;其衰落期持續(xù)的時間較長，在這期間也存在一定時間的緩沖期;約在第340天進入休眠期，其休眠期的NDVI值不完全為0。

2.1.2?馬鈴薯的NDVI時間序列曲線。由圖3可知，馬鈴薯的生長周期時間跨度在120 d左右，略低于林地;其NDVI最大值處于0.75左右，且持續(xù)時間較短;在100～140、240～300 d NDVI無明顯變化，分別處于生長期和衰落期的緩沖階段，其余階段NDVI變化速率保持恒定;而林地的衰落期緩沖階段略微長于生長期（圖2），證明其衰落期所耗時間更長;馬鈴薯歷年NDVI開始生長的時間在第70天左右，進入休眠的時間在第320天左右。

2.1.3?牧草的NDVI時間序列曲線。由圖4可知，牧草的生長跨度為240 d左右，NDVI開始生長的時間在第70天左右，進入休眠期的時間在第320天左右;DNVI最大值處于0.75左右，同時最大值持續(xù)時間較短。

2.1.4?油菜花的NDVI時間序列曲線。

由圖5可知，油菜花的生長跨度為250 d左右，高于林地、馬鈴薯、牧草;NDVI最大值處于0.80左右，且存在一定的持續(xù)時間，大致與呼倫貝爾油菜花開花期（7月初至8月初）相吻合;大約在第330天進入休眠期。

2.1.5?小麥的NDVI時間序列曲線。由圖6可知，小麥NDVI開始上升的時間，即開始生長的時間與林地（圖2）基本一致，而與其他植被相比（圖3～5），平均僅提早3 d左右;

且5類植被達到成熟期的時間基本處于每年的第200天，說明5類植被開始生長和達到成熟期的時間差別不大;NDVI最大值處于0.75～0.80，低于油菜花和林地，高于牧草和馬鈴薯;大約在第330天進入休眠期，而對比其他植被，林地最晚進入休眠期。對比各類植被歷年來的NDVI最大值，可看出林地的NDVI最大值整體偏高，基本介于0.80～0.90，證明其生長期內(nèi)覆蓋情況良好;各類植被曲線形態(tài)基本類似，在NDVI開始上升階段和下降階段或多或少存在一個緩沖區(qū)間，說明生長周期基本一致。

2.2?物候變化的特征分析

2.2.1?林地物候的變化特征。

林地歸一化植被指數(shù)開始生長點變化的結(jié)果（圖7a）顯示，2000—2003年的上升時間提前，2004年顯著推遲，為33 d，2004—2012年在一定范圍內(nèi)小幅度波動，2014年經(jīng)歷一個峰值，2014—2018年推遲一段時間后再提前，2018年的開始生長時間比2000年提前26 d。林地歸一化植被指數(shù)最高點變化的結(jié)果（圖7b）顯示，2000—2009年有小幅度間歇性的提前和推遲，但總體變化在幾天之內(nèi);2009—2018年的變化較為明顯，但變化范圍依舊限制在十幾天之內(nèi)，最后趨于平穩(wěn)。除2003—2004年提前33 d，林地整體上波動幅度不大。

2.2.2?馬鈴薯物候的變化特征。

馬鈴薯歸一化植被指數(shù)開始生長點變化的結(jié)果（圖8a）顯示，2000—2003年馬鈴薯開始生長時間提前28 d;2003—2015年經(jīng)歷4個峰值，2015—2018年趨于平緩;整體而言，其間歇性變化較大。馬鈴薯歸一化植被指數(shù)最高點變化的結(jié)果（圖8b）顯示，2000—2001年推遲3 d;2001—2018年有4個峰值，差距在10 d左右;2018年時，其NDVI達到最高點的時間與2000年相比無明顯變化。

2.2.3?牧草物候的變化特征。

牧草歸一化植被指數(shù)開始生長點變化的結(jié)果（圖9a）顯示，2000—2004年牧草開始生長的時間提前15 d，直到2005年陡然變回;2004—2018年總體緩慢提前;2018年的開始生長時間相比2000年有比較明顯的提前，提前25 d。牧草歸一化植被指數(shù)最高點變化的結(jié)果（圖9b）顯示，1年的變化限制在10 d以內(nèi)，但整體升降幅度較明顯。

2.2.4?油菜花物候的變化特征。

油菜花歸一化植被指數(shù)開始生長點變化的結(jié)果（圖10a）顯示，2000—2003年勻速提前20 d;2003—2012年經(jīng)歷3個變化峰值;2012—2018年一個輕微的推移后，向前趨于平緩。油菜花歸一化植被指數(shù)最高點變化的結(jié)果（圖10b）顯示，整體平緩，歷年來都比較穩(wěn)定，1年內(nèi)的變動維持在2～11 d;2000—2004、2008—2010、2016—2018年每年基本處于10 d左右的變化，其余年份內(nèi)變動幅度不超過4 d。從搜集到的資料中可知，油菜花的開花期處于NDVI達到最大值之后，一般處于在7月10—25日，而研究中發(fā)現(xiàn)NDVI達到最大值的時間基本穩(wěn)定在6月份以后。

2.2.5?小麥物候的變化特征。

小麥歸一化植被指數(shù)開始生

長點變化的結(jié)果（圖11a）顯示，2000—2002年提前31 d;2002—2018年波動較為頻繁，峰值較高，推遲和提前的時間變動較明顯。小麥NDVI最高點變化的結(jié)果（圖11b）顯示，2000—2010年年與年之間是10 d之內(nèi)的變化，總體上緩慢提前11 d;2014—2018年總體變化經(jīng)歷一個峰值。小麥NDVI后半段時間波動十分頻繁，峰值也比較高，推遲和提前的時間變動也很明顯;其開始生長時間與其他植物類似，但NDVI最高點略微提前，這一點與油菜花類似。

2.2.6?5類植被物候的變化特征對比分析。

植被在長期適應氣候條件的周期性變化后形成與之相適應的相對穩(wěn)定的物候期，而氣候的變化也會導致其物候期在區(qū)域之間以及年際之間存在變化。由圖7～11可知，各類植物物候信息雖然較為穩(wěn)定，在一定范圍內(nèi)浮動，但波動范圍各不相同。從長時間尺度來看，即使是同一地區(qū)同一作物的物候也存在差異，大約為10 d;該研究19年的監(jiān)測結(jié)果顯示，同一物候期年際間的差異最高可達20 d左右。整體來說，各類植物的變化幅度從大到小依次為牧草、馬鈴薯、林地、小麥、油菜花。

對于各類植物而言（圖12a），2018年植物的開始生長時間比2000年的有比較明顯的提前，約25 d。說明與2000年相比，2018年氣候變得適宜植物生長，同時它們的生長對于氣候的需求是比較類似的;每一類植物開始生長的時間與NDVI到達最高值的時間（圖12b）呈正相關，表明各類植物生長發(fā)育的時間跨度并不因為開始生長時間的不同而有所變化;所有植物開始生長的時間和生長達到峰值的時間近似，且歷年來的差距都不會很大。因此，對于同處于呼倫貝爾地區(qū)的這5類植物，他們擁有類似的生長時間和生長規(guī)律;牧草、馬鈴薯、油菜花、小麥、林地在呼倫貝爾都比較適宜生長（相似的生長規(guī)律）。但油菜花的物候變化相比其他各類植物來說，要明顯穩(wěn)定一些，表明油菜花是相對而言最適宜呼倫貝爾地區(qū)的農(nóng)作物。

2.3?溫度和降水因子對植被的影響

各氣候因子對植被生長的影響程度不同，其中王根緒等[17-18]研究指出在江河源區(qū)10～40 cm地溫與NDVI的相關性最高，其次為氣溫和降水。

馬鈴薯是喜歡冷涼氣候的作物，既怕霜凍，又怕高溫;其生長期需要一定數(shù)量的充足水分，一般在馬鈴薯生長期有300～400 mm的降水量，就可以滿足對水分的要求[19]。在應對氣候變化方面，草原生態(tài)系統(tǒng)比較脆弱，對氣候變化十分敏感[20];溫度是影響牧草物候期最為關鍵的因子，與物候期的相關系數(shù)達0.942，降水量次之[21]。油菜性喜冷涼，具有較強的抗寒能力[22]。呼倫貝爾小麥雖然是屬于北方春小麥品種，但與南方地區(qū)的春小麥相比，沒有污染且品質(zhì)好，具有較大的優(yōu)勢[23];春小麥性喜溫涼怕熱、耐干燥、適應范圍廣;其生長季主要氣象災害包括潮塌、風沙、冰雹、干熱風、干旱[24]。

整體來看，降水量的變化（圖13a）呈上升趨勢，研究時段內(nèi)呼倫貝爾地區(qū)平均降水量的變化幅度為395.3 mm，增長率為72.85 mm/10 a;年與年之間的變化處于121.3 mm以內(nèi)，2000—2010年有4個變化的波峰，并緩慢上升;2010—2013年變化明顯，上升了343.4 mm;2013—2018年變化較明顯，逐步降低325.1 mm。從氣溫變化曲線（圖13b）可知，2000—2018年呼倫貝爾地區(qū)年平均氣溫整體呈略微上升趨勢，變化不明顯，年與年之間的變化處于0.7 ℃以內(nèi);考慮到2017—2018年溫度陡增，研究時段內(nèi)呼倫貝爾地區(qū)平均氣溫的變化幅度為6.4 ℃，增溫率為 0.7 ℃/10 a，其中，2012年的年均氣溫是近45年來的最低值，僅為2.9 ℃;2006—2007年變化較明顯，升高了1.8 ℃;2017—2018年變化最為明顯，升高了2.1 ℃;2000—2012年溫度有4個變化的峰值;2012—2018年溫度一直處于上升狀態(tài)。在一定范圍內(nèi)，溫度的變化與降水量的變化基本成反比;當降水量超出一定限度，溫度隨降水量的升高而升高。

1961—2017年呼倫貝爾市的年平均氣溫、年平均最高氣溫、年平均最低氣溫均呈現(xiàn)上升趨勢且最低氣溫上升趨勢顯著，上升率為0.054 ℃/a。全市年平均降水量為398.0 mm，微有上升[25]。溫度和降水因子（圖13）結(jié)合5類植被物候的整體變化的結(jié)果顯示（圖12），2000—2018年溫度和降水量有所增長，但相比而言降水量的增長更明顯;降水量升高時，植被整體的物候期提前;降水量越過一定界限（如2003年），物候期推后。某年溫度的變化會影響植被整體物候下一年的變化，即某一年溫度升高會使得下一年植被整體物候期的提前，但馬鈴薯和牧草的物候變化與溫度沒有直接關系，可見林地、油菜花、小麥3類植被對于溫度的變化比較敏感。各類植被最高點的NDVI與溫度和降水量都有一定的關系，當溫度上升，最高點的NDVI降低;降水量上升，最高點的NDVI升高。

3?結(jié)論

該研究利用時間分辨率為16?d的MODIS NDVI時間序列數(shù)據(jù)，盡管采取非高精度的平滑，但能夠有效地消除噪音對提取結(jié)果的影響，可以更好地提取作物重要物候信息。結(jié)合呼倫貝爾地區(qū)主要農(nóng)作物和牧草的NDVI時間序列曲線的變化、生長周期的基本信息及已知歷年來的氣候變化，實現(xiàn)對呼倫貝爾市農(nóng)作物物候變化的分析。結(jié)論如下：

（1）各類植物生長發(fā)育的時間跨度并不因為開始生長的時間不同而有所變化，且生長期到達NDVI最大值時，歷年的NDVI都近似相等，這與開始生長時間和到達最高點時間是否提前或延遲并無直接關系;其開始生長的時間在一定范圍內(nèi)與降水量成反比。

（2）林地總體波動幅度不大，覆蓋情況良好;林地、油菜花、小麥對于溫度的變化比較敏感;油菜花的物候變化相比其他各類植物來說，要明顯穩(wěn)定一些。

（3）對于同處于呼倫貝爾地區(qū)的林地、牧草、馬鈴薯、油菜花和小麥這5類植物，其擁有類似的生長時間和生長規(guī)律。

（4）隨著降水量和溫度的上升，植被整體歷年來開始生長和到達成熟期的時間有所提前，且NDVI最大值有所上升。

參考文獻

[1] 徐巖巖，張佳華. 基于MODIS-EVI數(shù)據(jù)和Symlet11小波識別東北地區(qū)水稻主要物候期[J].生態(tài)學報，2012，32（7）：2091-2098.

[2] 曹沛雨，張雷明，李勝功，等.植被物候觀測與指標提取方法研究進展[J].地球科學進展，2016，31（4）：365-376.

[3] 肖江濤. 基于MODIS植被指數(shù)的水稻物候提取與地面驗證[D].成都：電子科技大學，2011.

[4] 張喜旺，陳云生，孟琪，等. 基于時間序列MODIS NDVI的農(nóng)作物物候信息提取[J].中國農(nóng)學通報，2018，34（20）：158-164.

[5] 周玉科，劉建文. 基于MODIS NDVI和多方法的青藏高原植被物候時空特征分析[J].遙感技術(shù)與應用，2018，33（3）：486-498.

[6] 趙子娟，劉東，杭中橋.作物遙感識別方法研究現(xiàn)狀及展望[J].江蘇農(nóng)業(yè)科學，2019，47（16）：45-51.

[7] 彭光雄，宮阿都，崔偉宏，等. 多時相影像的典型區(qū)農(nóng)作物識別分類方法對比研究[J].地球信息科學學報，2009，11（2）：225-230.

[8] LIU J Y，LIU M L，TIAN H Q，et al.Spatial and temporal patterns of Chinas cropland during 1990-2000： An analysis based on Landsat TM data[J]. Remote sensing of environment，2005，98（4）：442-456.

[9] VERBEIREN S，EERENS H，PICCARD I，et al.Sub-pixel classification of SPOT-VEGETATION time series for the assessment of regional crop areas in Belgium[J]. International journal of applied earth observations and geoinformation，2008，10（4）：486-497.

[10] 馬麗，徐新剛，賈建華，等. 利用多時相TM影像進行作物分類方法[J].農(nóng)業(yè)工程學報，2008，24（S2）：191-195.

[11] 李存軍，王紀華，劉良云，等. 利用多時相Landsat近紅外波段監(jiān)測冬小麥和苜蓿種植面積[J].農(nóng)業(yè)工程學報，2005，21（2）：96-101.

[12] 苗翠翠.基于NDVI時間序列的水稻面積提取研究——結(jié)合物候關鍵值分析法[D].南京：南京林業(yè)大學，2010.

[13] 蔣玉華. 基于游客感知的呼倫貝爾旅游形象營銷[J].干旱區(qū)資源與環(huán)境，2016，30（1）：203-208.

[14] 萬華偉，高帥，劉玉平，等.呼倫貝爾生態(tài)功能區(qū)草地退化的時空特征[J].資源科學，2016，38（8）：1443-1451.

[15] 馮方祥，陳寶瑞，朱偉峰，等. 呼倫貝爾綠色產(chǎn)業(yè)發(fā)展SWOT分析[J].中國農(nóng)業(yè)資源與區(qū)劃，2013，34（2）：74-80.

[16] 申遠. 呼倫貝爾市生態(tài)城市發(fā)展模式研究[D].北京：中央民族大學，2012.

[17] 王根緒， 李元壽， 王一博， 等.青藏高原河源區(qū)地表過程與環(huán)境變化[M].北京：科學出版社， 2010：240-244.

[18] 陳世強， 文莉娟， 呂世華， 等.黃河上游瑪曲縣植被指數(shù)與氣候變化研究[J].冰川凍土，2007，29（1）：131-136.

[19] 姜偉.馬鈴薯適宜生長條件的探析[J].黑龍江科技信息，2014（31）：277.

[20] 李夏子，趙放，林偉楠.氣候變化對牧草生長發(fā)育的影響研究綜述[J].中國農(nóng)學通報，2018，34（25）：145-152.

[21] 趙雪雁，萬文玉，王偉軍.近50年氣候變化對青藏高原牧草生產(chǎn)潛力及物候期的影響[J].中國生態(tài)農(nóng)業(yè)學報，2016，24（4）：532-543.

[22] 楊統(tǒng)勝.油菜生長條件及栽培技術(shù)[J].現(xiàn)代化農(nóng)業(yè)，2018（10）：26-27.

[23] 郭紅霞.呼倫貝爾小麥特點及種植管理[J].農(nóng)業(yè)與技術(shù)，2012，32（11）：89.

[24] 武曉磊.內(nèi)蒙古小麥生長的氣候條件分析[J].北京農(nóng)業(yè)，2014（33）：33-34.

[25] 娜仁夫，那仁滿都拉，郭恩亮，等.呼倫貝爾市1961年～2017年氣候變化特征分析[J].內(nèi)蒙古科技與經(jīng)濟，2020（5）：50-52.