2001−2016 年祁连山地区植被覆盖度对干旱的响应

刘佳茹，赵 军，王建邦

（1. 西北师范大学地理与环境科学学院，甘肃 兰州 730070；2. 兰州大学资源环境学院，甘肃 兰州 730030）

植被覆盖度(fractional vegetation cover，FVC)是表示地表植被数量的参数，能够在一定程度上反映地表植被覆盖的生长状况和趋势[1]。作为评价气候变化影响与区域生态系统环境状况的重要指标[2]，FVC在生态系统评价、土地荒漠化、水文、大气污染等领域广泛应用[3-6]，研究FVC 的方法包括逐点调查法[7]、经验模型[8]、像元二分模型[9]、人工神经网络[10]等。

干旱是长时间水分匮缺导致的自然灾害，具有发生频率高、持续时间长、影响范围广的特点[11]。在全球气候变暖的条件下，干旱对农业生产的影响最大[12]，呈现出常态化趋势，极端干旱发生频率和强度不断增加，由此导致的损失也随之增加[13]。标准化降水蒸散发指数(standardized precipitation evaportranspiration index，SPEI )常用来表征气候的干旱程度。计算多尺度SPEI 有利于判断不同时间段的干旱状况，能更有效地监测和评估区域干旱程度[14]。

植被在生长过程中需要良好的气候条件，因此FVC与区域气候干旱条件和干旱程度密切相关[15]，它们之间的关系成为研究热点。很多学者利用不同类型的遥感数据分析FVC 在不同时间尺度上的变化趋势[16-18]，结合气象数据研究FVC 对干旱的响应[19]。大部分研究成果中显示，FVC 与干旱程度呈正相关关系[20]。干旱半干旱地区FVC 对土地荒漠化极为敏感，因此研究FVC 对干旱程度的响应具有重要意义[21]。

祁连山地区是西北干旱半干旱地区的生态保护功能区及河西多条内陆河的发源地，近年来社会经济的快速发展使人地关系紧张，人类活动对祁连山地区生态环境的影响加剧，加之祁连山大陆性气候特征，降水量少，气候干燥，加剧了干旱的影响。21世纪以来，伴随着全球气温升高等气候变化，祁连山地区气温升高降水量增加，极端气候事件频发，冷暖夜日数增加、强降水日数增加，导致冰川消融加快、河川径流量增加，FVC 增加，干旱程度变小，气候向暖湿化发展[22]。因此，从不同尺度深入研究SPEI 对FVC 的影响对了解祁连山地区FVC 与干旱之间的关系十分必要。本研究利用MODIS NDVI 产品通过像元二分模型计算得到祁连山地区FVC，结合气象数据计算得到SPEI，分析植被覆盖时空变化趋势以及对多尺度干旱的响应关系，以期了解祁连山地区生态环境状况，为生态环境保护提供依据。

1 研究区概况与研究方法

1.1 研究区概况

图1 研究区概况图Figure 1 Overview of the study area

祁连山地区位于青藏高原、蒙新高原和黄土高原交汇地带，跨越甘肃省西部和青海省东北部边境(35.5° − 40° N，95° − 104° E)，由多条西北至东南走向平行山脉和其形成的宽阔谷地组成(图1)。祁连山地区地理位置特殊，东起乌鞘岭，南靠茶卡−共和盆地及柴达木盆地，西至当金山口，北临河西走廊，东西长约800 km，南北宽约300 km[23-24]，地势险峻，由东北向西南逐渐升高。祁连山地区是典型高原大陆性荒漠气候，年均温0.6 ℃，年降水量为400～700 mm，由东向西逐渐减少，夏季降水多且湿润，冬季降水少且干燥，为西北地区多条内陆河提供水源补给。植被类型多种多样呈垂直地带性规律[25]。

1.2 研究数据

本研究选取2001−2016 年MODIS NDVI 数据，空间分辨率为250 m，时间分辨率为16 d，来源于美国国家航天局(https://modis.gsfc.nasa.gov/)。采用最大值合成法，排除云、大气和太阳高度角的干扰，得到月NDVI。选取植被生长季5 月 − 9 月的NDVI 求平均值得到年NDVI。气象数据选取祁连山地区及周边35 个气象站点2001−2016 年月平均气温和降水量数据，数据来源于中国气象科学数据网(https://cdc.cma.gov.cn)。

1.3 研究方法

1.3.1 计算植被覆盖度

采用像元二分模型[15,26]计算植被覆盖度(FVC)。假设一个像元的地表由有植被覆盖部分与无植被覆盖部分组成，传感器观测到的光谱信息也由这两个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率[27]。由于不同的影像在计算过程中的权重也不相同，本研究采用在5%置信度范围内累计频率为95%对应的NDVI 作为NDVIv，累计频率为5%对应的NDVI 作为NDVIs值[9]。公式如下：

式中：NDVI 为像元植被覆盖部分和非植被覆盖部分的加权平均值，NDVIs为无植被覆盖像元或纯裸土像元的NDVI，NDVIv为全植被覆盖区域像元NDVI。

1.3.2 计算标准化降水蒸散发指数

评估和监测干旱程度的方法有标准化降水指数(standardized precipitation index, SPI)[28]、标准化降水蒸散发指数(SPEI)等，SPEI 结合了SPI 多尺度和温度变化影响[29]，是研究气候变暖条件下干旱的有效工具。采用Thornthwaite 方法，公式如下[30-31]:

1)计算潜在蒸散量(potential evapotranspiration,PET)：

式中：PET 为潜在蒸散量；Ti为月平均温度；i 为月；H 为年热量指数；A 为常数，由H 决定，A = 0.492 +0.179H − 0.000 077 1H2+ 0.000 000 675H3。

2)计算水平衡(D)：

式中：Pi为月降水量；PETi为月潜在蒸散量。

3)采用三参数的log-logistic 概率分布对Di数据序列进行正态化，计算相应的SPEI 指数：

参数α、β、γ 计算公式如下：

式中：Γ 为阶乘函数，ω0、ω1、ω2为数据序列Di的概率加权矩。

式中：N 为参与计算的月份数量，ωs为概率加权矩。

对累计概率密度进行标准化：

式中：常数c0= 2.515 517，c2= 0.802 853，c3= 0.010 328，d1= 1.432 788，d2= 0.189 269，d3= 0.001 208。

根据国家气象局制定的SPEI 干旱等级划分标准对祁连山区域干旱等级进行划分，SPEI ＞ −0.5 为无旱，−1 ＜ SPEI ≤ −0.5 为轻旱，−1.5 ＜ SPEI ≤ −1 为中旱，−2 ＜ SPEI ≤ −1.5 为重旱，SPEI ≤ −2 为特旱。

1.3.3 Theil-Sen 趋势分析和Mann-Kendall 检验

利用非参数化趋势度(Sen)[32]分析方法计算植被覆盖度变化趋势，并通过Mann-Kendall 统计检验方法[33]检验变化趋势显著性[34-35]。

1) Sen 趋势分析方法不需要样本服从一定的分布，且不受异常值干扰，具有一定的规避性。公式如下：

式中：β 为植被覆盖度变化趋势；i、j 为时间序列；FVCH(j)、FVCH(i)分别为第j 年和第i 年植被覆盖度。

2) Mann-Kendall 检验是判断Sen 趋势显著性。

设定时间序列：FVCH(i)，i = 1，2，···，n，标准化检验统计量Z 定义为：

S 统计量定义为：

式中：FVCH(i)和FVCH(j)分别为第i 年和第j 年植被覆盖度。

在给定显著性水平α 下，当|Z| ＞ Z(1−α)/2时，表示研究序列在α 水平上存在显著变化。若通过置信度95%的显著性检验视为显著，若通过置信度90%的显著性检验则视为弱显著。

1.3.4 Hurst 指数

通过Hurst 指数[36-37]来分析祁连山地区FVC 未来演变趋势。R/S(重标极差)分析方法是一种定量描述时间序列信息的长程相关思想的分析方法，其原理是根据时间序列{FVCH(t)}(t = 1，2，3，···，n)定义均值序列：

1)累计离差：

2)极差：

3)标准差：

考虑比值R(τ)/S(τ)≌R/S，若存在R/S∝τH，说明时 间 序 列{FVCH(t)}，t = 1，2，3，···，n 存 在Hurst 现象。H 为Hurs 指数，当0.5 ＜ H ＜ 1，表明该时间序列为持续性序列，且未来变化趋势与过去一致；当H =0.5，表明时间序列为随机序列，不存在长期相关性；当0 ＜H ＜ 0.5，表明该时间序列为反持续性，且未来变化趋势与过去趋势相反。

1.3.5 FVC 与SPEI 相关性分析

基于像元尺度，进行FVC 与SPEI 的相关性分析，公式如下：

式中：R 为FVC、SPEI 两变量的相关系数；FVCi为第i 年植被覆盖度；SPEIi为第i 年年平均标准化降水蒸散发指数。

2 结果分析

2.1 祁连山地区植被覆盖度时空变化趋势

2.1.1 祁连山地区植被覆盖度时间变化分析

2001−2016 年祁连山地区FVC 整体呈增加趋势，增长速率为每10 年0.019，速度缓慢。2001 年FVC 最低，为0.420 4；2011 年FVC 最大，为0.469 5。2001−2016 年FVC 动 态 变 化 波 动 明 显，2002−2008年波动幅度较小，2008−2016 年波动较大，16 年间FVC 平均值为0.452 2 (图2)。2001−2009年与16 年间植被覆盖FVC 平均值差值为−0.031 7～0.001 2，表明在此期间植被生长状况虽有所好转，但较为缓慢，可能与受人类活动影响以及气温和降水有关，与2001−2009 年SPEI 指数变化趋势相近；除2014 年外，2010−2016 年FVC 均高于16 年间平均值，表明FVC 长势开始好转，与国家建立自然保护区以及退耕还林还草等相关政策的实施有关。从FVC 季节变化来看(图2)，季节变化明显，夏季FVC 最高，秋季和春季次之。

图2 2001−2016 年植被覆盖度年际和季节变化趋势Figure 2 The change of inter-annual and seasonal fractional vegetation cover from 2001 to 2016

2.1.2 祁连山地区植被覆盖度空间变化分析

图3 2001−2016 年植被覆盖度空间动态Figure 3 Spatial distribution and variation of fractional vegetation cover from 2001 to 2016

2001−2016 年祁连山地区FVC 整体格局呈现出东南高西北低的分布特征，FVC 区域差异性明显，达坂山、大通山、青海南山以及青海湖周边FVC 较高，党河南山、野马南山、柴达木山以及宗务隆山FVC 较低(图3)。由2001−2016 年祁连山地区FVC的变化趋势可以看出，77.13%的区域植被覆盖度呈改善趋势，最大改善速率为0.04·a−1，22.87%的区域植被覆盖度呈退化趋势，最大退化速率为0.06·a−1。为检验FVC 的变化趋势，本研究计算了2001−2016年祁连山地区FVC 的Sen 趋势度，并进行了MK 检验。将MK 检验结果划分为显著变化(Z ≥ 1.96 或Z ≤ −1.96)、弱显著变化(−1.96 ＜ Z ≤ −1.65 或1.65 ＜Z ＜ 1.96)和无显著变化(−1.65 ＜ Z ≤ 1.65)，Sen 趋势度结果划分改善区域(Sen ≥ 0)和退化区域(Sen ＜0)。将Sen 趋势分析和MK 检验分级结果进行叠加，得到像元尺度上FVC 变化趋势数据，并将结果分为6 种变化类型(表1)，可以看出，得到改善的区域占总面积的77.13%，发生退化的区域占22.87%。

2001−2016 年祁连山地区植被覆盖度改善的区域远远大于植被覆盖度退化的区域(图4)，显著改善的区域零星分布在祁连山边缘区域及高海拔地区，这是由于降水的明显增加及祁连山自然保护区的设立，同时大力开展退耕还林、封山育林等保护措施，还有高海拔地区人为影响较小，利于植被生长。弱显著改善区域主要分布在青海南山、党河南山、疏勒南山及走廊南山。弱显著退化区域主要分布在各城市区域周边及青海湖和大通河附近，表明城市扩张及人类活动对植被覆盖度有影响。显著退化区域零星分布在祁连山中东段。

表1 植被覆盖度变化趋势分类Table 1 stype of trend of fractional vegetation cover change

2.2 祁连山地区植被覆盖度未来趋势特征

祁连山地区植被覆盖度的Hurst 指数均值为0.471 2，其中Hurst 指数小于0.5 的区域面积比例为63.36%，大于0.5 的区域面积比例为36.64%，表明祁连山地区植被覆盖度的负向特征较强。通过将植被覆盖度变化趋势结果和Hurst 指数结果进行叠加得到耦合信息。将结果划分为持续退化、由退化到改善、持续改善、由改善到退化4 种类型。

持续改善的面积比例为28.10%，主要分布在大雪山、冷龙岭附近及青海省乌兰县西北部的柴达木山；持续退化的面积比例为8.59%，零散分布在各城市周边区域、宗务隆山、拉脊山附近和乌鞘岭以南部分区域；由退化到改善的面积比例为14.08%，零星分布在祁连山中东段的门源县境内、达坂山以及拉脊山部分地区；由改善到退化的面积比例最大，为49.23%，主要分布在祁连山西段鱼卡河、柴达木山西南部和疏勒河上游区域以及青海湖以西(图5)。由改善到退化的区域需要政府部门持续关注并加大力度进行保护。

图4 2001−2016 年年均植被覆盖度变化趋势Figure 4 Trend of inter-annual fractional vegetation coverage from 2001 to 2016

图5 植被覆盖度未来变化空间分布Figure 5 Spatial distribution of future changes in fractional vegetation cover

2.3 祁连山地区SPEI 时空变化趋势

2.3.1 不同时间尺度的祁连山地区SPEI 年际变化分析

图6 祁连山地区多时间尺度SPEI 长期动态特征Figure 6 Long-term dynamic characteristics of multi-time scale SPEI in Qilian Mountains

根据2001−2016 年祁连山地区不同尺度的SPEI变化趋势(图6)可以看出，1、3、6、12 个月尺度的SPEI 均呈现下降趋势，且下降速度与时间尺度呈正比，干旱化趋势增强。根据不同时间尺度SPEI 年际变化来看，时间尺度越短，干湿交替周期越频繁，时间尺度越大，干湿变化越平缓，周期越大。1 和3 个月尺度的SPEI对短期降水和温度都较为敏感，SPEI 波动周期较短，体现了祁连山地区旱涝无常的特性；6 个月尺度的SPEI 干旱持续半年之久的频率较大，数值波动也较大。1 个月尺度上，2001−2002 和2013−2014 年干旱频率较高且干旱持续时间较长，2013 年全年8 个月时间处于轻度干旱状态；3 个 月 尺 度 上， 2001−2003 年， 2006−2007、 2008−2009 和2012−2013 年干旱频率也较高，2006 年全年9 个月处于干旱状态，2011 年全年10 个月处于干旱状态；6 个月尺度上，2001−2002、2006−2007 和2011−2012 年干旱频率较高且持续时间较长，2013 年全年处于轻度和中度干旱状态；12 个月尺度上，2006−2007 和2008−2010 年，2011−2012 和2013−2014 年干旱频率较高且持续时间较长，2009 年全年处于轻度干旱状态。由此得出，根据不同时间尺度的 SPEI 反映的干旱程度及周期，可以判断不同干旱类型的干湿交替状况。1 个月和3 个月的SPEI 对短期气温和降水较敏感，3 个月SPEI 可以反映区域的气象干旱，如空气湿度；6 个月SEPI 可以反映区域农业生态干旱，如土壤水分含量情况；12 个月SPEI 可以反映水文干旱，如河流径流量状况。

2.3.2 季节、年尺度的祁连山地区SPEI 年际变化

季节尺度上的SPEI 可以反映季节干旱变化。选取35 个气象站点的2 月、5 月、8 月的SPIE 值分别代表春、夏、秋3 个季节的干旱情况。2001−2016 年祁连山地区16 年间有9 年春季处于干旱状态，2001 年为中度干旱，其他8 年为轻度干旱；夏季有一半年份处于干旱状态，2001 年也为中度干旱，其他年份为轻度干旱；秋季也有一半年份处于干旱状态，均为轻度干旱；2006 年、2011 年和2013 年春、夏、秋3 个季节均处于轻度干旱(图7)。秋季SPEI年际变化呈现下降趋势，干旱加强，春季和夏季SPEI呈现上升趋势，干旱度降低。年尺度干旱变化如图8所示，2001−2016 年祁连山地区SPEI 呈线性下降趋势，下降速率为每10 年0.059，干旱趋势增强，16 年间接近一半年份处于干旱状态，2013 年为最干旱年为中度干旱(结果通过α = 0.05置信度检验)。

图7 祁连山地区季节尺度SPEI 长期动态特征Figure 7 Long-term seasonal dynamic characteristics of SPEI

图8 2001−2016 年祁连山地区年尺度SPEI 年际变化Figure 8 Inter-annual variation of SPEI from 2001 to 2016

2.3.3 祁连山地区SPEI 动态分析

2001−2016 年祁连山绝大多数地区处于湿润状态，中段和东段部分地区处于轻度干旱状态(图9a)。中段、西段西北部和东段西部SPEI呈增加趋势，干旱化程度降低，湿润度增加；剩余区域SPEI 呈下降趋势，趋于干旱，干旱化程度增加(图9b)。总体上来看，2001−2016 年祁连山地区干旱化程度呈降低趋势，说明气候条件往好的方向发展。

图9 2001−2016 年祁连山地区标准化降水蒸散发指数(SPEI)空间动态Figure 9 Spatial distribution and variation of standardized precipitation evapotranspiration index (SPEI)in Qilian Mountains from 2001 to 2016

2.4 植被覆盖度对干旱指数的响应

2.4.1 年尺度SPEI 与植被覆盖度的相关分析

2001−2016 年祁连山地区年均FVC 和年均SPEI相关性分析表明(图10a)，整个研究区平均相关系数为0.039，正相关区域占55.2%，其中通过P ＜ 0.05和P ＜ 0.01 检验的区域面积占比分别为18.8%和2.3%，负相关区域占44.8%，其中通过P ＜ 0.05 和P ＜ 0.01 检验的区域面积占比分别为4%和0.8%。由此可以看出，SPEI 与FVC 之间具有一定的相关性，即年尺度上FVC 与SPEI 之间呈正相关关系，SPE 值越大，干旱程度越低，FVC 越高，通过显著性水平检验的区域越大。

2.4.2 季节尺度SPEI 与FVC 的相关分析

图10 2001−2016 年祁连山地区不同时间尺度植被覆盖度(FVC)与标准化蒸散发指数(SPEI)的相关关系Figure 10 Correlation between fractional vegetation cover(FVC) and standardized precipitation evapotranspiration(SPEI)index at different times in Qilian Mountains from 2001 to 2016

对2001−2016 年季节尺度上祁连山地区FVC和SPEI 进行相关性分析得出，祁连山地区春季、夏季、秋季的平均相关系数分别为0.056、0.212 和0.058，呈正相关关系。春季(图10b) FVC 与SPEI 正相关区域占62.7%，其中通过P ＜ 0.05 和P ＜ 0.01 检验的区域面积占比分别为2.9%和1.1%，负相关区域占37.3%，其中通过P ＜ 0.05 和P ＜ 0.01 检验的区域面积占比分别为1.3%和0.4%；夏季(图10c) FVC与SPEI 正相关区域占76.6%，其中通过P ＜ 0.05 和P ＜ 0.01 检验的区域面积占比分别为12.1%和4.6%，负相关区域占23.4%，其中通过P ＜ 0.05 和P ＜ 0.01 检验的区域面积占比分别为1%和0.3%；秋季(图10d)FVC 与SPEI 正相关区域占59.2%，其中通过P ＜ 0.05和P ＜ 0.01 检验的区域面积占比分别为4%和1%，负相关区域占40.8%，其中通过P ＜ 0.05 和P ＜ 0.01检验的区域面积占比分别为2.3%和0.7%。季节尺度上夏季祁连山地区FVC 对干旱的响应程度最为明显，春季和秋季次之，说明FVC 与SPEI 之间显著性越高，FVC 对干旱的响应也就越明显。

3 讨论与结论

陈京华[38]对2000−2014 年祁连山植被指数NDVI 与降水和气温进行了研究，结果显示夏季NDVI 与降水和气温的相关性较高，春季和秋季次之。本研究通过对不同时间尺度的FVC 和SPEI 进行分析，在年尺度上，FVC 与SPEI 呈正相关关系，表明SPEI 越大，FVC 越高；在季节尺度上，夏季相关性最大，其次是春季、秋季，FVC 对干旱的响应程度与年尺度相同，FVC 与SPEI 相关系数越大，表明FVC 对干旱的响应也就越明显。本研究在季节尺度上得到的结果与以往研究结果基本一致。了解FVC 对干旱的响应程度，对祁连山地区的生态环境保护具有一定的实用性。但是，本研究只是分析了FVC 对SPEI 的响应，没有考虑不同土地利用类型的FVC 对SPEI 的响应，而且只考虑了气象因素对FVC 的影响，没有综合人为因素以及社会经济因素对FVC 的影响；还有关于SPEI 的计算，受数据的限制性采用了比较简单实用的Thornthwaite 方法，在后续的研究中可以采用更为精确的FAO Penman-Monteith 方法提高SPEI 计算精度，以便更好地反映祁连山地区FVC 对干旱的响应程度。

本研究得出以下结论：

1) 2001−2016 年 祁 连 山 地 区FVC 年 均 值 为0.452 2，整体上属于中覆盖度，分布特征为东南高西北低，区域差异明显，整体上呈增加趋势。季节尺度上，夏季FVC 最高，秋季和春季次之。16 年间，FVC 改善区域远大于退化区域，FVC 未来由改善到退化的面积为49.23%，主要分布在祁连山西段鱼卡河、柴达木山西南部和疏勒河上游区域以及青海湖以西，在后续的发展中要加大力度进行保护。

2) 2001−2016 年祁连山地区不同尺度的SPEI 均呈现出下降趋势，大部分区域处于湿润状态，总体上祁连山地区干旱化程度呈降低趋势。季节尺度上，祁连山地区秋季SPEI 呈下降趋势，干旱加强，春季和夏季SPEI 成上升趋势，干旱度降低。

3)年尺度上，祁连山地区FVC 与SPEI 整体上呈正相关关系。季节尺度上，夏季FVC 与SPEI 相关性最大，春季和秋季次之。说明FVC 与SPEI 之间显著性越高，FVC 对干旱的响应也就越明显。