1982-2012年中国NDVI变化及其与气候因子的关系

王 茜， 陈 莹， 阮玺睿， 李小冬， 王小利， 史健宗， 王志伟，，3*

(1. 贵州省草业研究所 贵州省农业科学院， 贵州 贵阳 550006； 2. 青藏高原冰冻圈观测研究站 冰冻圈科学国家重点实验室中国科学院寒区旱区环境与工程研究所， 甘肃 兰州730000； 3. 中国科学院大学， 北京 100049)

2013年发布的IPCC (Intergovernmental Panel on Climate Change) 第5次评估报告[1]指出，到2100年全球变暖将会是气候变化的主要形式。而生态系统中不同植被类型的生长变化又会对气候变化产生显著影响[2]。我国幅员辽阔，生态系统中的植被类型多种多样，因此，探讨其变化状况对于研究气候变化具有重要指示意义。然而，受自然和经济条件限制，在全国范围内通过常规观测手段获得所有植被的生态状况却很难实现。

随着遥感技术的发展，凭借其实时、连续、大范围的获取研究区信息的优点，遥感数据已经越来越多地被应用于大范围植被变化状况研究。其中，NOAA AVHRR (The National Oceanic and Atmospheric Administration，Advanced Very High Resolution Radiometer) 数据集中的GIMMS NDVI (Global Inventory Modeling and Mapping Studies，Normalize Difference Vegetation Index) 资料，因其覆盖时间范围广 (1981年7月到2012年12月)，在植被与气候变化关系方面受到广泛应用[3-4]。

NDVI (归一化植被指数) 是一种测量植被生态状况的系数[5]，通过近红外、红外波段的差与和的比值得到。利用NDVI产品的研究，已取得了大量成果。例如，栾海军[6]选用ETM (Enhanced Thematic Mapper Plus) + NDVI产品完成了空间尺度转换；王龑[7]应用HJ星的NDVI数据构建了落叶阔叶林识别模型；于树梅等[8]通过SPOT-VGT NDVI研究了羊卓雍错流域地表覆盖变化。与此同时，众多研究学者亦将NDVI与气候因子进行关联研究：在东北地区，罗玲等[9]发现气温对植被生长影响更明显，而毛德华[10]在该区域的多年冻土区发现降水量是影响植被NDVI的主要因子，同时王宗明[11]也发现除生长季时的降水量与植被NDVI的相关性大于气温与植被NDVI的相关性以外，其他季节以及全年的气温与植被NDVI的相关性均明显高于降水与植被NDVI的相关性；在东部地区，崔林丽[12]发现草地NDVI与气温和降水变化的相关系数大于林地；在华北地区的锡林郭勒草原，辜智慧[13]发现草原植被的生长对同期的降水反应最为敏感，而非前期；而在西南的藏北草原上，赵玉萍[14]发现草地NDVI与气候因子的相关性受植被类型、海拔、降水量等影响。可见NDVI在不同地区对不同气候因子有着不同的响应，然而针对全国范围内，NDVI的时间及空间变化规律却知之甚少。

因此，在前人研究的基础上，本文利用1982-2012年GIMMS NDVI第三代产品提供的数据和全国756个气象站点的6个气候因子资料 (年降水量/mm、平均气温/°C、平均风速/m·s-1、平均水汽压/hPa、平均相对湿度/%和日照时数/h)，计算了全国NDVI逐半月和逐年平均分布状况及从1982年到2012年31年空间NDVI平均分布状况和NDVI的变化率，进一步分析了逐年NDVI与逐年气候因子之间的相关关系，同时在不同植被类型区域中亦分析了各自气候因子在该植被类型植物生长中的作用。

1 材料与方法

1.1 数据来源

GIMMS NDVI数据集资料来源于NOAA卫星的AVHRR传感器[15]，当前NDVI产品已发展到第三代，可以从http://ecocast.arc.nasa.gov/data/pub/gimms/3g/网站获取，通常简称为AVHRR NDVI3g产品[16]。该产品于2014年发布，NDVI数据集序列从1981年7月开始，到2012年12月结束，每半月1景全年包括24景影像，采用最大合成法[17]，最小化气溶胶和云的影响。

中国植被类型图 (1: 1 000 000) 选用张新时院士主编的《中华人民共和国植被图》[18]，其电子地图格式文件由寒区旱区科学数据中心提供，反映我国除裸地外的11个植被类型组，包括草丛、草甸、草原、高山植被、灌丛、荒漠、阔叶林、栽培植被、沼泽、针阔叶混交林和针叶林 (http://westdc.westgis.ac.cn/)。

气象观测数据自中国气象科学数据共享服务网 (http://cdc.cma.gov.cn/home.do) 获取，共包括756个气象站从1982年到2012年的年降水量、平均气温、平均风速、平均水汽压、平均相对湿度和日照时数6个气候因子的数据资料。

1.2 数据分析

GIMMS NDVI3g数据是VI3g格式的，其数据是翻转过来的文本格式，并不适合常用地理信息系统软件操作。因此，本研究使用地理校准方法 (误差控制在万分之一以内)，通过左上纬度 (90.0-1/24°)、左上经度 (-180.0+1/24°)、右下纬度 (-90.0+1/24°)和右下经度 (180.0-1/24°) 4个基准点将所有范围为全球尺度的VI3g格式文件转化成投影类型为WGS-84，分辨率为1/12°的TIF文件。新生成的TIF数据可以在常用地理信息系统软件中进行操作，同时该部分数据共享于寒区旱区科学数据中心。新生成的TIF数据中除NDVI的值之外，还包括FLAG VALUES数值。在使用NDVI前，首先分别计算NDVI和FLAG VALUES，计算方法如下：

FLAG VALUES=NDVI3g-floor(NDVI3g/10)*10+1

(1)

NDVI=floor (NDVI3g/10)/1000

(2)

式中，NDVI3g的值为新生成的TIF文件数值，floor () 表示向下取整函数。计算得到的FLAG VALUES取值范围从1到7，具体含义如下所示：1～2代表该点像元值是优良值，3～6代表该点像元值是插值后的数值，7代表缺失的值。在使用前要结合FLAG VALUES来选取适合的NDVI像元值。本文中的NDVI数据全部选取FLAG VALUES数值为1和2的像元值。

1.3 研究方法

首先，利用中国行政边界从全球NDVI中切割出中国部分，NDVI数值的计算依据公式 (1) 得到，并结合公式 (2) 将FLAG VALUES大于2的影像像元值剔除。然后，统计分析全国NDVI时间和空间的变化特点。主要包括一年内24个半月尺度和从1982年到2012年平均每年的变化状况，以及31年来NDVI平均的空间分布状况和空间NDVI变化率。其中，NDVI变化率在影像中每个像元尺度的计算公式如下所示：

式中，Slope表示NDVI的变化率，Akave代表k年NDVI的平均值。最后，在分析NDVI变化与气候因子的关系时，先将NDVI产品采用最大合成法得到全国每年NDVI数据；然后在NDVI影像上以气象站点位置为中心，选取周围9个网格点的平均值 (24 km×24 km) 作为该气象站点的NDVI值，计算全国范围气象站点 (如图1所示) NDVI与气候因子的相关系数。

图1 全国气象站点分布图Fig.1 The location of meteorological stations in China

2 结果与分析

2.1 NDVI时间变化特点

全国NDVI 31年逐月变化显著，变化幅度在0.1841到0.4922之间。其中2月下半月是NDVI数值最小的时期，从4月上半月开始NDVI急速增长，在8月上半月达到峰值，随后开始急剧下降直到次年 (图2A)。1982到2012年间NDVI的逐年变化如图2B所示，31年NDVI的平均值为0.3147。将逐年NDVI与平均值进行比较，呈现出不同程度或增或减的无规则变化趋势，尽管如此，NDVI整体变化在31年间呈现每年0.0003的增长率。由此可见，NDVI在年内的变化趋势符合植物生长规律，即春季开始植物进入生长期，伴随着NDVI急剧增加，并于夏季生长旺盛期达到最大值，随后因秋季进入枯黄期而下降，到最终冬季休眠期达到稳定最低值。然而，自1982年到2012年NDVI年际间变化规律呈现出缓慢增加的趋势，说明植被的生长状况在这31年间逐年得到改善。

图2 全国植被31年逐月 (A) 及逐年 (B) 平均归一化植被指数 ( NDVI) 变化曲线Fig.2 Monthly (B) and yearly (A) mean normalized difference vegetation index(NDVI) variation curves during the past 31 years in China

2.2 NDVI空间变化特点

根据全国NDVI的变化率可知，31年来全国NDVI年变化率减少、不变和增加的区域分别占全国面积的35%，13%和52% (图3A)。年变化率的具体范围如下所示：小于-0.0020每年的区域为1%，在-0.0020～-0.0010每年之间的区域为4%，在-0.0010～-0.0001每年之间的区域为30%，在-0.0001～0.0001每年之间的区域为13% (此区域定义为是NDVI变化率不变的区域)，在0.0001～0.0010每年之间的区域为33%，在0.0010～0.0020每年之间的区域为14%，大于0.0020每年的区域为5% (图3B)。其中安徽北部、河南东部、重庆北部和台湾岛的增长率最明显；东三省大部分地区，内蒙古与黑龙江接壤的部分区域，上海市和浙江北部附近区域，四川与贵州接壤的部分区域以及澳门地区减少率最为显著 (图3B)。由此可见，NDVI的空间变化具有显著的地域性。总体来说，全国范围内东南部植被明显优于西北部，且31年间NDVI变幅因地域不同而存在明显差异。

图3 1982-2012年全国NDVI空间分布状况：(A)平均值(B)年变化率Fig.3 The spatial distribution of NDVI: (A) Mean NDVI (B) NDVI slope from 1982 to 2012 in China

2.3 全国气候因子时间变化特点

1982年到2012年，全国6种气候因子 (年降水量/mm、平均气温/°C、平均风速/m·s-1、平均水汽压/hPa、平均相对湿度/%和日照时数/h) 的年变化状况如图4所示，6个气候因子中，气温的增长趋势最显著，每年有0.049°C的增长率；平均水汽压则以每年0.0089 hPa的速度缓慢增加；日照时数、年降水量、平均相对湿度和平均风速则均呈现逐年下降的趋势，其年降幅依次为2.317 h，0.0712 mm，0.1023%及0.0114 m·s-1。

图4 1982-2012年全国气候因子变化曲线Fig.4 Climatic factors variation curves in China from 1982 to 2012

2.4 全国不同植被类型NDVI对气候因子的响应

本研究选用双变量相关和偏相关2种不同的方法对全国不同植被类型NDVI与6种气候因子的相关性进行了分析。结果如表1所示，针对草丛、草甸及草原而言，在2种不同的相关性分析结果中，均表现为植被NDVI与6种气候因子具有极显著相关关系 (P<0.01)。其中草丛NDVI与平均气温和平均相对湿度的相关性较高，且均呈现正相关关系，而与降水量和日照时数的相关性较低。草甸NDVI与降水量和平均相对湿度均有较高的正相关关系，而与平均气温具有较低的负相关关系。与草丛及草甸不同，草原NDVI与6个气候因子的相关性因选用的分析方法不同而存在较大的差异：双变量相关性分析结果显示，草原NDVI与平均相对湿度 (r=0.508) 和降水量 (r=0.420) 相关性最高，且呈正相关关系；而偏相关分析结果显示，草原NDVI与平均气温呈最高的负相关关系 (r=-0.408)。针对灌丛而言，除利用偏相关分析方法，灌丛NDVI与日照时数在P<0.05水平下显著相关外，其余分析结果均表现为灌丛NDVI与各气候因子具有极显著相关关系 (P<0.01)。同时，2种相关性分析结果均显示灌丛NDVI与降水量、平均气温、平均水汽压及平均相对湿度具有较高的相关性，而与平均风速和日照时数的相关性较低。

与草原分析结果相似，荒漠和沼泽NDVI与6种气候因子的相关性同样因选用的分析方法不同而存在较大的差异。利用双变量相关性分析结果显示，荒漠NDVI与平均水汽压具有最高的正相关关系 (r=0.620)，与日照时数具有最低的负相关关系 (r=-0.180)；而利用偏相关分析结果却显示，荒漠NDVI与平均相对湿度 (r=0.261) 和日照时数 (r=-0.226) 分别具有最高的正、负相关关系，尽管如此，两种分析结果均显示荒漠NDVI与降水量无显著相关性，表明在荒漠地区，植被生长状况不受降水量的影响。利用双变量相关性分析结果显示，沼泽NDVI与降水量具有最高的正相关关系 (r=0.778)，而在偏相关分析结果中，沼泽NDVI则与降水量无显著相关性。尽管如此，2种分析结果中，沼泽NDVI分别与平均水汽压及平均风速均具有较高的正、负相关性，可见相对较高的平均水汽压和低的风速均有益于沼泽地植被生长。

针对阔叶及针叶林而言，在两种不同的相关性分析结果中，其NDVI与6种气候因子的相关性表现出较为一致的变化趋势。无论在阔叶或针叶林中，其NDVI与降水量、平均气温、平均水汽压及平均相对湿度均具有较高的相关性，而与平均风速和日照时数的相关性较低或无相关关系，表明阔叶及针叶林中植被生长状况主要受水分和温度的调节，而日照时数特别是平均风速的变化对其无显著影响作用。

利用双变量及偏相关方法分析全国植被生长状况对气候因子响应的结果表明，在6种气象因子中，平均气温和降水是影响植被生长的主要正向调控因子，日照时数对植被生长影响最小，但仍具有与显著负相关系，平均风速则是唯一与全国植被NDVI无显著相关性的气象因素 (表1)。

表1 1982-2012年全国不同植被类型NDVI与气候因子的双变量相关性和偏相关性Table 1 Bivariate and partial correlation between NDVI and climatic factors in China from 1982 to 2012

综上所述，针对同一种植被类型，利用偏相关分析方法获得的植被NDVI与6种气候因子的相关系数始终低于双变量相关分析下两者的相关系数；针对不同的植被类型，两种分析方法获得的植被NDVI与6种气候因子的相关性变化趋势存在一定的差异；针对不同的植被类型，其NDVI与6种气候因子的相关性程度不同，总体而言，在以上8种植被类型中，NDVI与降水量、平均气温、平均水汽压及平均相对湿度大多都有正相关性，而与平均风速和日照时数多具有负相关性。

3 讨论与结论

3.1 1981-2012年全国NDVI时空变化规律

本文根据1981年7月到2012年12月的GIMMS NDVI3g产品，以及全国的气象站点气候因子资料和全国植被类型图，首先分析了全国NDVI的时空变化规律。首先，就时间范围而言，从1982年到2012年期间，全国NDVI在每一年的2月下半月开始是数值最小的时期，从4月上半月开始急速增长，在8月上半月达到最大，其变化曲线符合植物生长规律；同时存在年际间0.0003的增长率。其次，就空间范围而言，从1982年到2012年期间，全国NDVI年变化率减少、不变和增加的区域分别占全国面积的35%，13%和52%。其中年变化率小于-0.0020每年的区域为1%，在-0.0020和-0.0010每年之间的区域为4%，在-0.0010到-0.0001每年之间的区域为30%，在-0.0001到0.0001每年之间的区域为13%，在0.0001到0.0010每年之间的区域为33%，在0.0010到0.0020每年之间的区域为14%，大于0.0020每年的区域为5%。总体来说，全国范围内东南部植被明显优于西北部。众所周知，我国东南地区气候条件明显优于西北部，其年降水量及平均气温均显著高于西北部，为植被的生长发育提供了有利的基础条件。与此同时，良好的植被生长状况又可反馈于环境，进而改善环境，优化环境，如丰富的植被盖度可增加该地区的降水量，增加空气湿度，降低风速等[19]。

3.2 1981-2012年全国植被NDVI与气候因子的关系

一般自然环境变化和人类活动干扰是植被变化的主要因素，其中气候变化更是植被变化的主要驱动力[20]。本研究指出从1982年到2012年间，NDVI在全国637个气象站位置上每年有0.0003的增长率 (图2B)。与此同时，6个气候因子中，平均气温的增长趋势最显著，每年有0.049℃的增长率；平均水汽压则以每年0.0089 hPa的速度轻度增加；日照时数 (h)、年降水量 (mm)、平均相对湿度 (%) 和平均风速 (m·s-1) 则均呈现逐年下降的趋势，其年降幅依次为2.317 h，0.0712 mm，0.1023 %及0.0114 m·s-1(图4)。进一步统计全国植被NDVI与各气候因子的相关性结果表明，其与年降水量、平均气温、平均水汽压及平均相对湿度均呈现较高的正相关关系，在双变量相关性分析结果中，其相关系数均高达近0.8，此外，全国植被NDVI与日照时数亦具有高达0.747的相关性，但两者呈显著负相关关系，却与平均风速无显著相关性 (表1)。可见，从1982年到2012年，全国NDVI年际间0.0003的增长率主要归功于气温和平均水汽压的显著提升。

3.3 1981-2012年全国不同植被类型NDVI对气候因子的响应

经过漫长地进化过程，不同的地域环境形成不同的植被类型，而不同的植被类型对不同的气候存在着不同的响应。全国756个气象站点中，有119个站点的NDVI小于0.1，中国植被图将其定义为无植被区域，因此将这些站点作为非植被变化站点剔除，最终保留637个气象站点用来分析不同植被类型NDVI与气候因子的关系。各植被类型中气象站的个数分别为：草丛29个、草甸50个、草原45个、高山植被0个、灌丛56个、荒漠12个、阔叶林30个、栽培植被348个、沼泽10个、针阔叶混交林1个和针叶林56个。其中，由于高山植被和针阔叶混交林的气象站个数偏低，不具备统计意义，同时栽培植被因人为干扰较大，在此不讨论该3种植被类型NDVI与气候因子的关系。

本研究同时选用双变量相关与偏相关2种方法对比分析了8种植被类型NDVI与气候因子的相关性。双变量相关又称简单相关，它是指不考虑并忽略其他因素干扰，仅单纯地反映两个变量间的相关情况；而偏相关又称纯相关，它是考虑并消除其他变量的影响后反映2个变量间的相关情况。本研究结果首先发现针对同一种植被类型，利用偏相关分析方法获得的植被NDVI与6种气候因子的相关系数大多低于双变量相关分析下两者的相关系数 (表1)。如：依次对比草丛NDVI与降水量、平均气温、平均风速、平均水汽压及平均相对湿度的相关系数，双变量相关系数均高于括号内偏相关系数0.368 (0.118)，0.644 (0.475)，0.404 (0.318)，0.634(0.381) 和0.615 (0.555)。由此可见，无论何种植被类型，其最终呈现的生长状况并非由单一的气象因子决定，与之相反，是受多种气象因子互作而产生。

尽管如此，针对不同的植被类型，其NDVI对不同的气象因子具有不同程度的响应。研究发现，就草丛而言，双变量相关分析结果显示，其NDVI与不同气候因子的相关性表现出平均气温 > 平均水汽压 > 平均相对湿度 > 平均风速 > 降水量 > 日照时数的变化趋势；偏相关分析结果则显示，平均相对湿度 > 平均气温 > 平均水汽压 > 平均风速 > 日照时数 > 降水量 (表1)。可见，关于草丛NDVI与不同气候因子的相关程度，经2种不同的相关性分析方法，获得相似的结果，温度和湿度对草丛植被生长影响较大，而降水量的影响则相对较小。在全国植被类型分类图中，草丛主要分布在我国南方地区，该地区常年处于暖湿气候，降雨量充沛，因此，湿热条件成为决定草丛植被生长的主要气候因子，而降水量则对其影响相对减弱。与草丛相似，草甸NDVI与气候因子的相关程度，在2种不同的相关性分析结果中亦表现出相似的变化趋势。但与草丛不同，影响草甸NDVI的主要气象因子是降水量和平均相对湿度，与平均气温的相关性则最小。我国草甸地区主要分布在西部，相对我国南方，西部地区降水量显著下降。而草甸通常生长发育在中等湿度的条件下，对气温的要求相对不高，因此降水量和平均湿度成为影响草甸NDVI的主要气象因素。与草丛和草甸不同，草原NDVI与气候因子的相关性因选用的分析方法不同而存在明显的差异。双变量相关分析结果显示，草原NDVI与不同气候因子的相关性表现出平均相对湿度 > 降水量 > 日照时数 > 平均气温 > 平均风速 > 平均水汽压的变化趋势；而偏相关分析结果则显示，平均气温 > 平均水汽压 > 平均风速 > 降水量 > 平均相对湿度 >日照时数 (表1)。与草丛和草甸生态系统相比，草原生态系统较为脆弱，因此自我调节能力较差，易受外界因素干扰， 导致多种气候因子的互作效应显著高于单个气候因子对植被生长的影响。基于此，了解此类植被NDVI与气候因子的相关性应优先选择偏相关分析方法。本研究结果表明，草原NDVI与平均气温具有最高的正相关关系，而与平均相对湿度呈现负相关关系。草原是温带半干旱、半湿润气候下，由旱生或半旱生多年生草本植物组成的植被类型，在我国多分布于西北地区，因此，在一定范围内，气温升高，平均相对湿度降低能显著促进草原地区植被的生长。

灌丛生境较为良好，其株系多以较草类高的灌木为主，且根系较草类粗壮发达，保水固沙能力较强。因此本研究中，在不同相关性分析方法下，灌丛NDVI与气温、降水量和平均相对湿度均具有较高的正相关关系，而与平均风速的相关性较低 (表1)。与此不同，荒漠和沼泽均属于极端生境，因此，NDVI与气候因子的偏相关性分析结果均与双变量相关性分析结果存在极大的差异。考虑到多变量互作对脆弱生态系统的强烈作用，我们以偏相关分析结果为主，分别探讨荒漠和沼泽NDVI对气候因子的响应。针对荒漠而言，由于该地区常年严重缺乏降雨，因此本研究中，荒漠NDVI与降水量无显著相关性 (表1)。然而植被生长发育离不开良好的水热条件，致使平均相对湿度和平均气温成为决定荒漠NDVI的主要正相关因子 (表1)。除此之外，由于受降雨量严重制约，要保证较高的平均相对湿度，最有效的途径就是减少有限水分的蒸发，因此，缩短日照时数直接上升为继增加平均相对湿度之后，提高荒漠NDVI的重要气象因素。与荒漠不同，沼泽地区水分充沛，导致沼泽NDVI与降水量无显著相关性，却与平均水汽压呈现主要正相关关系 (表1)。水汽压的大小与蒸发的快慢有密切关系。沼泽地区水汽压的增加，可促进蒸腾作用，从而避免沼泽地植物体内水分过量聚集引发根系缺氧。同时沼泽地多为阴湿地，降低气温能显著促进植被的生长，正如本研究结果显示，气温是沼泽NDVI的主要负调控因子 (表1)。阔叶和针叶林由于拥有丰富的植被盖度，而具有良好的生态环境。因此本研究结果中，通过两种不同相关性分析方法获得了相似的NDVI对气候因子的响应程度。无论是阔叶林NDVI，还是针叶林NDVI，均与降水量、平均气温和平均相对湿度有较高的正相关关系 (表1)。同时，由于该植被类型均为高大的木本植物，故而平均风速对植被生长无显著影响作用。

本研究从时间及空间角度分析了全国NDVI近从1982年到2012年的变化，及其对各类气候因子的响应，特别分析了不同植被类型NDVI与多种气候因子的关系，发现各类植被生长状况是多种气候因子共同作用的结果；不同植被类型NDVI与年降水量、平均气温、平均水汽压及平均相对湿度多具有正相关性，而与平均风速和日照时数多具有负相关性，但针对不同植被类型，其NDVI与不同气候因子的相关程度存在一定的差异；其中，对于生态系统较为良好的植被类型区，NDVI与气候因子相关性的变化趋势受外界因素干扰较小，反之，生态系统脆弱的植被类型区，NDVI 与气候因子相关性受外界因素扰动较大。该结果初步为NDVI变化的自然及人为驱动原因和选择分析方法提供了理论依据。