1982—2015年中国北方归一化植被指数(NDVI)变化特征及对气候变化的响应

何 航,张 勃 ,侯 启,李 帅,马 彬,马尚谦

(西北师范大学地理与环境科学学院,甘肃 兰州 730070)

作为生态系统的重要组成部分,植被沟通并连接了大气圈、水圈和土壤圈,促使各圈层间进行物质、能量及信息的流通和交换[1]。植被覆盖对气候变化极为敏感,气候变化特别是气温和降水的变化导致植被生境发生变化,植被的生长状况随之改变[2]。近些年来,关于气候变化如何影响植被覆盖的问题受到广泛关注[3]。此外,植被覆盖与气候变化的相互关系研究也成为全球变化研究的主流内容之一[4-5]。

归一化植被指数(normalized difference vegetation index,NDVI)能反映地表植被覆盖变化状况,常用于植被覆盖变化及对气候变化响应的研究。基于GIMMS NDVI数据对植被覆盖变化进行研究由来已久[6-8]。这些研究利用GIMMS NDVI数据集研究了不同地区植被覆盖动态变化,并结合气候资料分析气候变化对植被的影响;研究发现GIMMS NDVI数据能代表全球范围内植被对气候变率的真实响应,中国多数地区的植被覆盖以不同的速率呈增加趋势。尽管这些研究利用GIMMS NDVI数据噪声小、时间和空间方面相对连续性强的特点开展了大量研究,但受限于数据时长,未能对植被覆盖变化情况做更连续而深入的分析。

气候变化可以分为波动变化、趋势变化和极端事件3类[9-10]。以往植被覆盖对气候变化的响应研究多集中于波动变化和趋势变化2个方面,近年来,极端气候对植被覆盖变化的影响研究逐渐增多。在全球气候变暖背景下,植被生态系统对极端气候事件的脆弱性逐渐增强[10]。YAO等[11]分析了新疆干旱区NDVI对气候极值的响应情况,发现NDVI变化趋势与极端降水趋势密切相关,气温极值的升高影响植被生产力,气温极值和降水极值的共同增加导致新疆植被覆盖减少。王晓利等[12]发现中国沿海地区NDVI与极端气温冷指数呈负相关,极端暖指数和极端降水指数以黄淮为界,南北各不相同。可见,不同区域气温和降水极值对植被的影响具有多样性和差异性。因此,研究中国北方长时间尺度植被生长对气候变化的响应不能仅研究对常规气候变化的响应,极端气候对植被生长变化的影响也应纳入研究范围。多数学者基于线性趋势法分析气候因子和NDVI的时间变化趋势,但线性趋势主要反映要素的整体变化,不能较好地反映要素非线性、非平稳的复杂变化趋势[13]。2013年极点对称模态分解(extreme-point symmetric mode decomposition,ESMD)方法的提出[14],为刻画各要素时间序列的非线性趋势变化特征提供了新的研究思路。

中国北方是全球气候变化的敏感区和影响显著区,地表植被类型大致可分为东部湿润森林区和西部草原荒漠区,生态环境脆弱。近年来,中国北方气温上升幅度高于全国平均气温,干燥和变暖是区域内气候变化的突出趋势[15]。基于此,笔者利用最新的GIMMS NDVI 3g V1.0数据和气象数据,运用趋势分析、ESMD、Mann-Kendall(M-K)趋势检验法、相关分析以及极端气候指数等方法,对中国北方植被覆盖时空变化特征、植被对气候因子特别是极端气候的响应进行分析,这对了解中国北方近34 a植被覆盖演变规律、促进区域生态环境建设和健康发展具有重要意义。

1 研究区概况

广义的中国北方地区指淮河-秦岭及其西线延伸及以北地区,包括东北、华北和西北地区共15个省级行政单位,位于31°23′～53°31′ N、73°40′～135°5′ E范围。土地面积为578万km2,占全国总面积的60.1%。区内人口共计5.61亿人,占全国总人口的40.36%。研究区绝大部分地区位于温带,气候区自东向西依次为湿润、半湿润、半干旱及干旱气候区。区内包括山地、高原、盆地、丘陵和平原在内的地貌形态独特复杂,植被类型种类繁多(图1)。

2 数据来源与研究方法

2.1 数据来源

遥感数据来自最新的GIMMS NDVI 3g V1.0数据集,时间跨度为1981年7月至2015年12月,是目前研究NDVI变化时间序列最长的数据集,时间分辨率为15 d,空间分辨率为0.083°×0.083°,下载网址为https:∥ecocast.arc.nasa.gov/data/pub/gimms/3g.v1/。考虑到中国北方各地区植被生长季始期与末期不同,且冬季大部分植被停止生长或被冰雪覆盖,故确定5—9月为植被生长季。为分析季节差异,将生长季分为春季(5月)、夏季(6—8月)和秋季(9月)。采用最大值合成法(maximum value composite,MVC)获得月NDVI,对月NDVI求平均得到季节NDVI和生长季NDVI。笔者研究认为NDVI小于0.1的地区为“无植被区”,不做分析[4]。

图1 研究区植被类型示意

气象数据源自中国气象科学数据共享服务网(http:∥cdc.cma.gov.cn),选取中国北方共408个站点的逐日气象资料。出于分析目的,计算得到研究区生长季及各季节降水量和平均气温。

植被类型数据(1∶100万)来自2001年中国科学院中国植被图编辑委员会发布的中国植被数据集,下载网址为http:∥www.resdc.cn。为便于研究,将类似的植被类型合并为1个类型,最终将主要植被类型分为针叶林、针阔混交林、落叶阔叶林、灌丛、荒漠植被、草地、高山植被和栽培植被。

2.2 研究方法

2.2.1ESMD方法

ESMD方法是一种自适应信号分解方法,将数据从高频到低频分解成一系列的本征模式函数(intrinsic mode function,IMF)和1个余量R。ESMD方法在气候数据分析方面具有较大优势:擅长寻找变化趋势,能够从观测序列中分离出年际变化趋势和气候变化总趋势,有助于探究全球气候变暖问题[13-14]。

除了使用最小二乘线性趋势拟合方法分析1982—2015年中国北方气候因子和植被NDVI趋势以外,还利用ESMD方法提取分析过去34 a气候因子和植被NDVI的长期变化趋势。

2.2.2M-K趋势检验

M-K趋势检验法是一种非参数统计方法,其优点是样本不必遵从特定的分布,也不受少数异常值干扰,适用性强,计算过程简便[16]。基于M-K趋势检验法对气候因子和植被NDVI数据变化趋势的显著性进行检验。

2.2.3趋势分析

一元线性回归趋势分析法用于模拟每个栅格的变化趋势,反映不同时期NDVI变化趋势的空间特征[17],计算公式为

(1)

式(1)中,i为年序号;n为总年数;INDV,i为第i年生长季或季节NDVI;θslope为各像元NDVI变化趋势的斜率,采用F检验进行趋势显著性检验。根据检验结果将变化趋势分为显著减少(θslope<0,P<0.05)、显著增加(θslope>0,P<0.05)和变化不显著(P>0.05)3种情况。

2.2.4相关性分析

为提高研究结果的精度上,在气象站点区域尺度上研究NDVI与气候要素相关性的空间分布特征。根据气象站点的空间位置,提取站点所在栅格NDVI作为其NDVI。由于GIMMS NDVI数据空间分辨率约为8 km,像元面积约为64 km2,共有28个气象站点不在显示范围内,未能提取NDVI,最终共有380个站点可提取NDVI用于相关分析。采用Pearson相关系数计算各站点NDVI与气候要素的相关性。

2.2.5极端气候指数

对极端气候指数的定义和计算采用基于世界气象组织(WMO)、气候委员会(CCI)、全球气候研究计划(WCRP)、气候变化和可预测性计划(CLIVAR)以及气候变化检测、监测和指标专家组(ETCCDMI)确定的“气候变化检测和指标”,该方法广泛应用于极端气候事件研究。

主要选取包括6个极端气温指数和5个极端降水指数在内的共11个极端气候指数,所选指数计算原理见表1。

表1 极端气候指标的定义

Table 1 Definition of extreme climate indices

缩写 极端气候指数 定义单位 FD0霜冻日数年内日最低温度低于0 ℃的日数d GSL生物生长季日数年内日均温连续6 d高于5 ℃及连续6 d低于5 ℃间的时间跨度d TMAXmean最高气温日最高气温的月均值℃ TMINmean最低气温日最低气温的月均值℃ TN90p暖夜日数年日最低气温大于90%分位值的日数d WSDI暖持续日数连续6 d年日最高气温大于90%分位值的日数d CDD连续干旱日数年日降水量<1 mm持续日数的最大值d CWD连续湿润日数年日降水量≥1 mm持续日数的最大值d PRCPTOT年总降水量年全部雨(雪)日降水量之和mm Rx1day1日最大降水量每月内连续1 d的最大降水量mm R95p异常降水总量年内日降水量高于95%分位值的总降水量mm

3 结果与分析

3.1 基于气候变化背景下的NDVI时空变化特征

3.1.1时间变化特征

1982—2015年中国北方生长季及春、夏、秋3季气温、降水及NDVI时间变化见图2。2种趋势分析方法均显示过去34 a生长季气温呈上升趋势,线性升温速率为0.356 ℃·(10 a)-1(P<0.001)。生长季降水以-1.396 mm·(10 a)-1速率减少;ESMD方法显示生长季降水呈先减少后增加趋势。随着生长季温度升高,降水减少,生长季NDVI以0.002 (10 a)-1速率增加(P<0.05)。这表明过去34 a来中国北方植被覆盖处于良性改善状态。ESMD方法显示1982—1992年生长季NDVI逐渐增加〔线性速率为0.002 (10 a)-1,P<0.05〕;1992—2005年NDVI缓慢下降〔线性速率为-0.008 (10 a)-1〕,2005年之后逐渐上升〔线性速率为0.018 (10 a)-1,P<0.001〕。

春、夏和秋季气温极显著增加,气温线性增长率分别为0.397、0.358和0.311 ℃·(10 a)-1(P<0.001)。春、夏季降水分别以-0.362和-2.954 mm·(10 a)-1速率减少,秋季降水则以2.245 mm·(10 a)-1速率增加。NDVI在春季小幅下降,夏、秋两季呈现增加趋势,其中,秋季增速最快且增加显著(P<0.01)。ESMD方法也显示秋季NDVI呈波动上升。

3.1.2空间变化特征

为分析NDVI的空间变化格局,将中国北方划分为东北(黑龙江、吉林、辽宁、内蒙古东部)、西北(陕西、甘肃、宁夏、青海、新疆、内蒙古西部)和华北(河北、河南、山东、山西、北京、天津)3个区域,探究其空间差异(图3)。

过去34 a气温呈升高趋势:西北地区柴达木盆地、祁连山北部、疏勒河流域、阿拉善高原及东北地区内蒙古高原均是升温幅度较高的区域,升温幅度大于0.4 ℃·(10 a)-1。各分区降水变化趋势不同:东北地区、华北地区降水分别以-2.42和-1.23 mm·(10 a)-1速率减少;西北地区降水以0.655 mm·(10 a)-1速率缓慢增加。在此背景下,中国北方生长季大部分地区NDVI呈增加趋势,生长季NDVI增加区域面积占比超过62.8%,其中,显著增加区域面积占比超过33%;减少区域面积约占37.2%,显著减少区域面积约占12%。西北地区NDVI显著增加区域面积占该区域面积的41.91%,主要集中在新疆天山及塔里木盆地北缘,甘肃祁连山区及陇南山地,以及黄土高原和河套平原;显著减少区域面积仅占7.46%,分布分散且多集中在山地边缘。这说明近年来西北地区植被覆盖情况转好。华北地区植被呈良性改善状态:NDVI显著增加区域面积约占44.7%,主要集中于山西的吕梁山及太行山区;显著减少区域面积仅占6.2%且分布分散。东北地区NDVI显著增加区域面积仅占4.8%,主要位于辽西低山丘陵区;显著减少区域面积占24%,主要位于东北大、小兴安岭及长白山一带。这表明近34 a来东北植被呈逐渐退化状态。

图2 中国北方1982—2015年生长季及春、夏和秋季气温、降水和NDVI的年际变化及趋势

不同季节NDVI、气温和降水的空间变化各不相同。春季NDVI增幅较大的区域主要集中在华北平原和黄土高原,降幅最大的区域主要在东北平原。NDVI显著减少区域面积占研究区面积的15%,显著增加区域面积占21%。春季整个区域气温呈升高趋势,降水增幅最大的区域主要集中在东北地区,但气温升温慢、降水增加可能造成东北地区春季日照时数减少，太阳辐射减弱,植被生长的热量条件不足,植被生长受限,NDVI降低。夏季NDVI、气温和降水的空间变化趋势与生长季类似,NDVI显著减少区域面积占13.1%,显著增加区域面积占29.9%。秋季NDVI减少区域主要位于甘陕南部的秦巴山区以及内蒙古中部地区,NDVI显著减少区域面积占5%;NDVI增加区域主要分布于黄土高原和东北平原,显著增加区域面积占比超过30%。

图3 NDVI、气温和降水趋势以及NDVI趋势显著性空间分布

3.1.3不同植被类型NDVI空间变化特征

中国北方及3个分区不同植被类型NDVI增减变化情况见表2。中国北方生长季NDVI增加和减少最多的均是栽培植被和草地,且栽培植被和草地NDVI增加面积远大于减少面积,说明这2种植被覆盖情况明显改善。除这2种植被以外,荒漠植被NDVI增加面积大于减少面积,植被覆盖状况也有所改善。

西北地区植被NDVI增加面积大于减少面积,各类植被覆盖状况呈良性增加趋势。除栽培植被和草地以外,荒漠植被生长季NDVI增加面积最多,荒漠植被逐年增加。东北地区生长季植被NDVI减少面积大于增加面积,植被活动呈下降趋势；春季植被覆盖退化最为严重,而秋季植被覆盖转为良好,NDVI增加面积大于减少面积。东北地区草地和针叶林植被覆盖增加最多,落叶阔叶林和栽培植被覆盖减少最多,植被退化严重;但秋季2种植被NDVI增加面积远大于减少面积,说明近年来秋季气温升高有利于延长植被生长季,秋季2种植被覆盖呈良性增加；华北地区植被NDVI增加面积大于减少面积,说明华北地区植被覆盖状况改善,各类植被覆盖呈良性增加；除栽培植被和草地以外,灌丛植被NDVI增加面积最多。

3.2 植被NDVI对气候变化的响应

3.2.1对气候变化的响应

NDVI对气候变化的响应见表3。中国北方生长季NDVI与气温和降水均呈正相关,但植被生长对气温的响应更强。各季节NDVI与气候变量的相关性分析表明,NDVI与夏季降水的相关性强于夏季气温,说明夏季植被增多主要受中国北方雨季来临、降水量增加的影响;秋季NDVI与气温呈显著正相关,相关性强于降水,说明秋季气温升高有利于延长植被生长季,促进植被生长。

NDVI与气温和降水相关系数的空间分布特征见图4。整体而言,大部分站点NDVI与气温和降水相关不显著,部分站点相关性达到显著水平。

表2 中国北方及3个分区不同植被类型生长季及春、夏和秋季NDVI变化率占比

Table 2 Increase and decrease ratio of the NDVI for different vegetation types during the growing season and different seasons in three regions and northern China%

地区植被类型生长季春季夏季秋季增减增减增减增减 中国北方针叶林1.380.630.950.401.180.981.580.23针阔混交林0.040.110.010.130.050.100.200.01落叶阔叶林2.322.281.932.241.763.324.470.76灌丛2.130.822.120.631.740.922.230.43荒漠植被4.010.812.400.663.390.993.310.36草地12.772.857.064.3113.753.2313.382.46高山植被0.760.200.010.160.840.160.420.06栽培植被13.143.819.867.5011.274.0116.931.23 西北地区针叶林0.610.330.860.130.540.430.290.38针阔混交林————————落叶阔叶林1.040.652.030.140.810.630.420.91灌丛1.700.721.720.481.590.680.940.48荒漠植被8.861.734.861.297.412.136.990.71草地19.492.109.684.6122.733.3619.492.10高山植被1.690.440.050.331.840.340.900.13栽培植被12.700.737.192.4112.430.9011.420.87 东北地区针叶林1.821.290.170.781.931.892.910.11针阔混交林0.110.280.010.320.120.270.510.03落叶阔叶林3.346.390.515.232.927.209.441.13灌丛0.991.220.530.920.861.381.660.49荒漠植被0.020.080.070.080.010.050.490草地7.223.833.054.866.404.187.423.63高山植被————————栽培植被5.386.760.0512.675.996.0912.720.98 华北地区针叶林2.320.142.690.091.170.301.700.05针阔混交林————————落叶阔叶林3.340.824.190.161.631.562.930.23灌丛6.200.236.220.144.240.515.740.06荒漠植被————————草地7.330.136.280.375.640.517.730.13高山植被————————栽培植被34.015.6534.536.4520.699.0339.812.58

增减占比指在0.05水平上通过显著性检验的植被NDVI增减变化的像元与整个区域像元之比;“—”表示该植被类型NDVI在某区域增减占比变化极小,可忽略不计,或区域内没有此类植被分布。

表3 1982—2015年中国北方生长季及春、夏和秋季归一化植被指数(NDVI)与气温(Rt)和降水(Rp)的相关系数

Table 3 Correlation coefficients between the NDVI and temperature (Rt) and precipitation (Rp) for the growing season and different seasons in northern China from 1982 to 2015

指标NDVI生长季春季夏季秋季Rt0.41∗∗0.160.200.33∗ Rp0.210.110.37∗0.15

*和**分别表示在0.05和0.01水平上通过显著性检验。

生长季NDVI与气温以正相关为主,站点比例为69.7%,其中,19.2%的站点对气温呈显著正响应,该类站点广泛分布于中国北方。春季51.8%的站点NDVI与气温呈正相关,10.5%的站点与气温呈显著正相关,主要分布于东北地区的森林植被区;6.3%的站点与气温呈显著负相关,主要分布于35°～39° N范围。夏季多数站点与气温呈负相关,站点比例为61.1%,其中,13.4%的站点对气温呈显著负响应,该类站点主要分布于东北地区的草地和栽培植被区以及华北地区的栽培植被区。秋季8.2%的站点对气温呈显著正响应,仅1.8%的站点呈显著负响应,该类站点分布广泛。

生长季NDVI与降水的相关性以正相关为主,站点比例为58.9%,其中,11.1%的站点对降水呈显著正响应,该类站点分布广泛。春季53.4%的站点与降水呈正相关,呈显著正相关的站点占6.8%,主要分布于内蒙古中部、甘肃南部、青海东部及新疆的塔里木盆地北缘。夏季76.6%的站点对降水呈正响应,14.2%的站点呈显著正响应,广泛分布于中国北方。秋季6.3%的站点对降水呈显著正响应,该类站点主要分布于甘肃、陕西的栽培植被区;5.3%的站点呈显著负响应,主要分布于东北的长白山区。

图4 1982—2015年中国北方生长季及春、夏和秋季NDVI与气温和降水相关性的空间分布

3.2.2对极端气候变化的响应

为评价极端温度和降水对中国北方NDVI的影响,选取11个极端气候指数,使用Pearson相关系数研究植被生长对极端气候变化的响应(表4)。M-K趋势检验法显示极端气温指数呈极显著增加或减少趋势,所有指数均达0.001显著性水平。过去34 a内,霜冻日数(FD0)呈现极显著减少趋势,线性速率为-4.70 d·(10 a)-1;生物生长季日数(GSL)、最高气温(TMAXmean)、最低气温(TMINmean)、暖夜日数(TN90p)和暖持续日数(WSDI)均呈现极显著增加趋势,线性速率依次为4.49 d·(10 a)-1、0.35 ℃·(10 a)-1、0.44 ℃·(10 a)-1、4.59 d·(10 a)-1和1.63 d·(10 a)-1。极端降水指数中,仅1日最大降水量(RX1day)和异常降水总量(R95p)达0.05显著性水平,分别以1.425和1.25 mm·(10 a)-1速率增加。

表4 极端气候指数趋势检验结果及与NDVI的相关系数

Table 4 The trend test results of the extreme climatic indices and its correlation coefficient with NDVI

指标变化趋势单位相关系数 极端气温指数 霜冻日数(FD0)-4.70∗∗∗d·(10 a)-1-0.35∗ 生物生长季日数(GSL)4.49∗∗∗d·(10 a)-10.34∗ 最高气温(TMAXmean)0.35∗∗∗℃·(10 a)-10.41∗ 最低气温(TMINmean)0.44∗∗∗℃·(10 a)-10.51∗∗ 暖夜日数(TN90p)4.59∗∗∗d·(10 a)-10.48∗∗ 暖持续日数(WSDI)1.63∗∗∗d·(10 a)-10.37∗ 极端降水指数 连续干旱日数(CDD)-3.06d·(10 a)-1-0.10 连续湿润日数(CWD)-0.03d·(10 a)-1-0.16 年总降水量(PRCPTOT)1.13mm·(10 a)-10.24 1日最大降水量(RX1day)1.425∗mm·(10 a)-10.40∗ 异常降水总量(R95p)1.25∗mm·(10 a)-10.30

*、**和***分别表示在0.05、0.01和0.001水平上通过显著性检验。

NDVI与极端气候指数的相关系数表明,气温极值和降水极值对植被覆盖变化有影响,且气温极值与NDVI之间的相关性强于降水极值。气候变暖增强了中国北方的植被活动,相关系数表明最低气温(TMINmean)和暖夜日数(TN90p)与NDVI关系最密切。PENG等[18]研究发现北方干燥的温带生态系统中NDVI与最低气温呈正相关,相关性强于TMAXmean。暖夜日数增多、夜间变暖主要通过2种不同的方式影响植被生长:增强植物自养呼吸;降低霜冻风险，并在白天刺激植物光合作用，调节植物生理机制[11,18-19]。极端降水指数中,仅RX1day与NDVI的相关系数通过0.05显著性水平检验,其他极端降水指数与NDVI之间的相关性较弱或无意义,这意味着降水增加特别是降水极值增加对植被覆盖有影响,但影响相对弱于气温极值对植被生长的影响。

4 讨论

研究结果表明,随着气候趋于暖干,近34 a中国北方植被覆盖变化呈小幅增长趋势,NDVI增加最多的主要是栽培植被、草地和荒漠植被。近几十年植被增加的结果与已有研究中欧亚大陆及中国北方各地区植被动态转绿的趋势[4,20-22]一致,这表明近年来中国北方生态环境在不断改善。20世纪90年代至2006年NDVI降低趋势也与PIAO等[4]观测到的趋势结果一致。笔者研究发现在空间分布上植被覆盖变化呈现差异性,西北地区和华北地区植被改善面积大于植被退化面积,东北地区反之。但曾有研究显示,西北地区植被覆盖有所恶化,华北地区植被退化面积大于改善面积,东北地区植被覆盖增加[23-25]。究其原因,主要是由于研究时段不同造成研究结果有差异,研究数据的空间尺度不同也会对研究结果造成影响。

植被覆盖变化不仅受到气候的影响,人类活动的作用也不容忽视。随着国家生态保护建设工程,如三北防护林、退耕还林等工程的大规模实施,区域生态环境得到改善,植被覆盖面积增加,生态效益逐渐呈现[26-27]。但也有研究提出植树造林可能存在弊端,这个负面影响可能是21世纪初黄土高原植被覆盖率急剧下降的重要原因之一,在干旱和半干旱地区过度依赖植树造林并实施大规模生态规划有一定风险[20]。因此,未来对植被生长变化进行研究时不仅要分析气候因素,还要考虑人类活动对植被生长的促进和阻碍作用,定量区分气候变化与人类活动对植被覆盖变化的正负贡献率。

笔者研究中,植被生长受到水热条件的共同影响,并且受气温的影响更加显著,不同季节植被生长对气候响应存在差异。春季和秋季植被NDVI对气温的响应强于降水,而夏季NDVI对降水的响应更强。这与其他学者对亚欧大陆和中亚地区的研究结果[4,28]一致。极端气候对植被的影响更为复杂,受到国内外学者的广泛关注。笔者研究中,相关分析显示NDVI对气温极值的响应更强,TMINmean和TN90p与NDVI关系最为密切。YAO等[11]也发现新疆NDVI变化与TMINmean和TN90p的相关性更强。但TAN等[29]在鄱阳湖流域发现NDVI分别与日最高气温极低值(TXn)、日最低气温极低值(TNn)、日最低气温极高值(TNx)和日最高气温极高值(TXx)的相关性更强;王晓利等[12]则发现中国北方沿海地区NDVI与暖昼日数(TX90p)和TXx呈负相关。可见,不同地区植被覆盖对极端气候的响应是复杂的,目前对这两者之间的响应还缺乏大量系统的分析和研究。笔者选取11个极端气候指数,揭示了中国北方植被对极端气候的响应情况,对植被覆盖与极端气候响应研究进行补充。但笔者研究仅选取部分极端气候指数,植被数据空间分辨率也有不足,未来应该使用更高分辨率遥感数据和更先进的数值模型工具定量研究植被覆盖对气候极端指数的响应,以便更系统地研究这种响应机制。

5 结论

基于GIMMS NDVI 3g V1.0数据以及1982—2015年气象数据,分析了1982—2015年中国北方植被NDVI时空变化特征以及植被NDVI对气候变化及极端气候变化的响应情况,得出以下结论。

(1)中国北方近34 a植被生长季NDVI整体呈上升趋势,植被覆盖状况呈良性改善状态。线性趋势显示植被NDVI以0.002 (10 a)-1速度小幅度增加(P<0.05);ESMD方法显示生长季NDVI从1982年逐渐增加至1992年,之后缓慢下降,2005年后逐渐上升。

(2)中国北方NDVI显著增加区域面积占比超过33%。西北地区新疆北部天山及塔里木盆地北缘、甘肃祁连山区及陇南山地、黄土高原和河套平原NDVI显著增加。东北地区辽西低山丘陵一带NDVI显著增加。华北地区吕梁山及太行山区NDVI显著增加。NDVI显著减少地区主要集中在东北地区大、小兴安岭及长白山一带。

(3)中国北方植被覆盖增加最多的是栽培植被、草地和荒漠植被。西北地区栽培植被、草地和荒漠植被覆盖增加最多;东北地区草地和针叶林植被覆盖增加最多,落叶阔叶林和栽培植被覆盖减少最多;华北地区栽培植被、草地和灌丛植被覆盖增加最多。

(4)中国北方生长季NDVI与温度和降水均呈正相关,但对气温的响应更强。夏季NDVI与降水的相关性强于气温，秋季NDVI与气温的相关性强于降水。中国北方NDVI空间响应存在异质性,生长季NDVI对气温和降水响应强的站点广泛分布于中国北方,多数站点对气温响应强烈。不同季节NDVI对气温和降水响应的空间差异性大。

(5)在极端气候指数中,1982—2015年极端气温指数均呈极显著增加或减少趋势,极端降水指标中仅1日最大降水量、异常降水总量呈显著增加趋势。气温极值和降水极值对植被覆盖变化有影响,且气温极值与NDVI之间的相关性强于降水极值与NDVI之间的相关性。最低气温和暖夜日数与NDVI关系最密切。