内蒙古地表冻融指数动态变化与驱动因素分析

张昊琛， 萨楚拉， 孟凡浩， 罗 敏， 王牧兰，高红豆， ADIYA Saruulzaya

（1.内蒙古师范大学地理科学学院，内蒙古 呼和浩特 010022；2.内蒙古自治区遥感与地理信息系统重点实验室，内蒙古 呼和浩特 010022；3.蒙古科学院地理与地球生态研究所，蒙古 乌兰巴托 15170）

冻土一般是指温度在0 ℃或0 ℃以下，并含有冰的各种岩土和土壤，包括永久冻土(PF)和季节性冻土(SFG)。我国是世界冻土大区，多年冻土和季节冻土分别占国土面积的22%和53.5%［1］。IPCC 第5次评估显示，全球地表温度在1880—2012年期间升高了0.85 ℃［2］。全球变暖在高纬度和高海拔区域加剧，对冻土的形成有较大的影响，尤其是在我国北方高纬度，温度升高幅度大于全国平均升温水平［3-5］。随着气候变化，我国冻土大致体现在：最大冻土深度下降、冻结日期推迟、消融日期提前、冻土下限上升［6-7］。20 世纪70 年代至21 世纪初，我国冻土面积减少约18.6%，面积由2.15×106km2减少到1.75×106km2［8］。按照对未来的天气情况预报，未来冰冻圈各组成部分面积将持续减少，而多年冻土的活动层厚度将会进一步增加，季节冻土的冻结深度也将进一步下降［9-10］。

冻融指数是研究冻土特性的重要参数，也是判定其存在和长期变化的一个重要指标［11］。冻土研究中冻融指数有助于绘制和预测永久冻土分布，估算土壤冻结深度，并计算活跃层厚度，冻结指数的下降和融化指数的上升在一定程度上说明冻土环境的退化［12］。利用季节冻土区的冻结指数，可以预测季节冻融深度［13］；利用多年冻土区的冻融指数，不仅能够绘制出冻土的分布图，还能对多年冻土的活动层厚度进行预测［14-15］；Peng 等［12］的研究结果显示，北半球高纬度和高海拔地区的冻结指数下降幅度最大，冻结指数的下降速率要比融化指数的上升速率快得多；Shi 等［16］研究表明，从1901—2015 年，环北极地区的冻结和融化指数分别呈现降低、上升趋势，在1988年之后，其变化趋势更为明显；Liu等［17］基于地面温度观测资料和再分析产品计算了雅鲁藏布江上游冻融指数，并基于冻融指数模拟了冻土面积的变化，效果良好；Wu等［18］对青藏高原冻融指数的变化规律进行了分析，发现多年冻土区的冻结指数比季节冻土区的冻结指数降低速度要快，而融化指数上升速率更慢；Wang 等［19］研究认为，黄河源区海拔高度对冻融指数的空间分布有一定的影响，地表冻融指数的变化比空气冻融指数的变化要大。

内蒙古地区的气象观测站数量较少，有些站点建设时间较晚，总体分布稀疏，个别站点存在数据缺失问题，气候变化条件下的冻融指数变化研究较为欠缺。仅有的研究主要聚焦在典型草原或多年冻土区，且研究对象为空气冻融指数［20-21］，不能完全代表内蒙古全区的地表冻融特征，并且研究区地表冻融指数变化的驱动因素有待探究。鉴于此，本文基于内蒙古气象站1980—2019 年日均地表温度数据、结合中国第一代全球陆面再分析产品（CRA）数据以及NDVI 数据，对内蒙古近40 a 地表冻融指数时空变化特征及驱动因素进行分析，该研究能够为下一步估算内蒙古季节冻土冻结深度、多年冻土活动层厚度、模拟冻土面积变化等提供重要参数数据，以及为内蒙古农牧业生产布局、草场生态评价及冻害防治等方面提供一定的科学依据。

1 数据与方法

1.1 研究区概况

内蒙古位于126°04′～97°12′E，37°24′～53°23′N之间（图1），地处北部边疆，总面积118.3×104km2，占全国总面积的12.3%。地貌以高原为主，兼有平原、沙地、丘陵与山地，大部分地区海拔在1000 m以上［22］。气候属温带大陆性季风气候，处于干旱与半干旱气候带，年平均气温0～8 ℃，且由东北向西南递增；全区降水量少且分布不均，年总降水量50～450 mm，由东北向西南递减［23］。气候分异明显使得研究区域从东北向西南呈现出寒温带针叶林、落叶阔叶林、草甸草原、典型草原、荒漠草原等植被分布［22］。研究区位于环北极地区多年冻土区欧亚大陆多年冻土南界。冬季严寒，夏季高温，且局地日夜温差大，春冬季土壤冻融现象突出，夏秋季土壤干湿交替明显［24］。多年冻土主要分布于呼伦贝尔地区，其余地区广泛分布季节冻土，浅层表层土壤冬季结冰，夏季完全解冻。

图1 内蒙古气象站点/冻土区分布及土地覆盖类型Fig.1 Distribution of meteorological stations/permafrost regions and land cover types in Inner Mongolia

1.2 数据来源与处理

使用的45 个气象台站1980—2019 年日平均0 cm 地表温度观测数据来自于国家气象信息中心的中国地面气候资料日值数据集（http://data.cma.cn/）。为更好地体现研究区的冻融特征，尽量采用过去40 a来不同观测站的共同时间数据来求取地表冻融指数。对缺测数据采用如下方式内插［25］：缺测1 d，对其前后各1 d数据的平均值内插；缺测2 d，在缺测当天选择该日前2 d 的数值取平均，缺测第2 d选取该日后2 d的数值取平均；如果有连续2 d以上的缺测，可以利用对相邻站同一月份的温度平均值做线性相关性检查，再选取温度相关性最佳的站点用线性回归的温度估计值内插。采用反距离插值法(inverse distance weighted)对内蒙古45个气象站点的地表冻融指数进行空间插值，插值分辨率为34 km。

冻土类型分区依据青藏高原科学数据中心(http://data.tpdc.ac.cn)提供的1:1000冻土分区和类型地图资料进行划分，通过对冻土类型整合，整体划分为多年冻土区和季节冻土区，用来对地表冻融指数和影响因素分区讨论。0.1 m和0.4 m表层土壤含水量、降水量、雪深数据均源自我国国家气象信息中心的中国第一代全球大气和陆面再分析产品CRA/Land-逐月陆面产品（http://data.cma.cn/），空间分辨率为34 km，用来分析内蒙古地表冻融指数影响因素时空变化。

GIMMS NDVI3g 数据由美国马里兰大学GLCF(Global Land Cover Facility)研究组生产的15 d 合成产 品 数 据 (https://ecocast.arc.nasa.gov/data/pub/gimms/)，MODIS NDVI 数据为美国国家航天航空局(NASA)提供的MODIS 16 d合成产品数据(https://mo⁃dis.gsfc.nasa.gov/data/)。在GIMMS NDVI 和MODIS NDVI 的基础上，采用线性回归分析，对2 种数据进行时间序列的重建，从而使数据重采样到同一个时空尺度上。使用重合时间的GIMMS NDVI 和MO⁃DIS NDVI 进行建模，根据建模结果对GIMMS 数据作延长，获取1982—2019年NDVI数据。对于NDVI数据的预处理，主要分为坐标变换、数值裁剪、数据转换、异常值删除、月最大值获取等过程，使参与计算的所有NDVI 值在0～1 范围内，根据研究区土地覆盖分类图（图1），结合研究区实际情况，认为ND⁃VI＜0.15 的地区无植被覆盖。考虑到数据空间分辨率的一致性，对NDVI数据重采样为34 km。

1.3 研究方法

（1）地表冻融指数计算。基于Klene 等［26］和Frauenfeld等［15］对冻结期和融化期的限制，界定冻结期介于每年7 月1 日至次年6 月30 日，融化期介于每年1月1日至12月31日，以最大可能统计一年中寒冷期（温度＜0 ℃）和温暖期（温度＞0 ℃）的温度累加值，并确保负温和正温计算分别在整个寒冷期和温暖期内。年冻结指数计算如下：

式中：FI和TI分别为冻结指数和融化指数(℃·d)；Ti和Tj分别为负值逐日地表温度和正值逐日地表温度，单位为℃；Nf和NT为年内地表温度小于和大于0 ℃的天数，单位为d。

（2）趋势分析。利用一元线性回归方法计算冻融指数和影响因素的年际变化趋势，并通过最小二乘法拟合的斜率反映，当斜率大于0时，说明有增大的倾向，当斜率小于0时，说明有下降的倾向。其变化趋势的计算公式为：

式中：Slope表示地表冻融指数或影响因素的变化趋势；n为时间序列长度；为研究对象X第i年的平均值。

（3）相关分析法。通过计算地表冻融指数与对应的影响因素相关系数，表示其与地表冻融指数的相关性。计算公式如下：

式中：n表示研究时间段的累计年数；rxy表示x和y的相关系数；xi和yi分别表示第i年x和y的值；和表示2 个要素样本值的平均值；rxy在-1～1 之间，随着绝对值的增大，地表冻融指数与影响因素的变化关系也相应较好；反之越差，当rxy＞0 表示相关性为正，rxy＜0，表示相关性为负［27］。最后采用T检验法进行显著性检验，将地表冻融指数与影响因素的相关程度划分为显著相关（0.01≤P＜0.05）和不显著相关（P≥0.05）。

（4）灰色关联分析。采用灰色关联分析法，研究影响地表冻融指数的主要因子及重要性。灰色关联度可以测量2 个系统之间的关系，并确定相关因子中的主控因子［28］。地表冻融指数的时间序列作为目标变量，将0.1 m土壤含水量、0.4 m土壤含水量、降水量等影响因素作为影响变量。灰色关联系数表达为：

2 结果与分析

2.1 内蒙古地表冻融指数时空变化

2.1.1 地表冻融指数的时间变化特征 通过对内蒙古地区1980—2019 年的45 个观测站SFI（地表冻结指数）和STI（地表融化指数）进行分析，得到研究区40 a 整体和不同冻土区SFI 与STI 的时间变化特征。如图2a和图2b所示，整体上SFI近40 a呈现显著下降趋势，多年冻土区SFI 下降速率高于季节冻土区，内蒙古SFI 多年变化范围介于956.1～1848.3 ℃·d，最低值和最高值分别发生于2016年和1984年，年均值为1457.0 ℃·d，变化率为-156.4 ℃·d·（10a）-1(P＜0.01)，表明土壤的季节冻结潜力有连续降低的趋势［30］。进一步分析各站点SFI 变化特征，近40 a 所有站点的SFI 均呈下降趋势，但各站SFI变化特征差异也较大，变化最小值和最大值分别出现于阿拉善盟阿拉善右旗站点［-20.7 ℃·d·（10a）-1]和兴安盟阿尔山站点［-711.1 ℃·d·（10a）-1]。如图2c 和图2d 所示，整体上STI 近40 a 呈现显著上升趋势，多年冻土区STI上升速率高于季节冻土区，内蒙古STI 多年变化范围介于3717.6～4442.3 ℃·d，最低值和最高值分别发生于1984 年和2007 年，年均值为4040.9 ℃·d，上升速率为152.4 ℃·d·（10a）-1(P＜0.01)，说明土壤融化期间最大融化深度增加［30］。1980—2019年间，所有站点的STI均呈上升趋势，各站STI 变化特征存在差异，变化特征最小值和最大值分别出现于赤峰市赤峰站点［43.1 ℃·d·（10a）-1］和赤峰市巴林左旗站点［221.1 ℃·d·（10a）-1］。

图2 1980—2019年内蒙古整体和不同冻土区地表冻融指数年际变化趋势Fig.2 Interannual variation trend of surface freezing-thawing indices in Inner Mongolia and different permafrost regions from 1980 to 2019

2.1.2 地表冻融指数空间分布与变化 内蒙古SFI多年平均值的空间分布特征如图3a 所示，受经度、纬度和海拔的综合影响，SFI 均值总体呈现西低东高、由西南向东北逐渐增加的特征，其中SFI受纬度的影响最大（表1），相关系数达到0.92（P＜0.01），每上升1°，SFI 增加165.2 ℃·d，该分布特征同环北极冻融指数分布变化特征一致［12,16］。SFI 高值区位于呼伦贝尔北部地区，SFI 低值区位于阿拉善西部地区，与冻土区分布状况类似，多年冻土区SFI 普遍大于季节冻土区。内蒙古SFI 年际变化率空间分布特征见图3b，SFI 年际变化率的变化范围介于-10.3～-710.6 ℃·d·（10a）-1，SFI 变化率在空间上自西南向东北呈增加趋势，表明内蒙古东北地区SFI 下降速率较西南地区更快。

内蒙古STI 多年平均值的空间分布特征见图3c，STI 均值的空间分布特征呈现西部高，东部低，由西南向东北逐渐减小的趋势，多年冻土区的STI普遍小于季节冻土区，在呼和浩特、赤峰等地出现了点状高值区，这与近几年农业开发、城市扩张、工业发展等社会经济活动密切相关。同时，上述地区处于生态环境较为脆弱，人为活动对环境的影响更加敏感。STI同纬度的相关系数最高（表1），为-0.73（P＜0.01），每上升1°STI 减少141.1 ℃·d，STI 高值区位于阿拉善西北部地区，STI 低值区位于呼伦贝尔中部地区。内蒙古STI年际变化率空间分布特征见图3d，STI上升速率较高的地区（Slope＞150 ℃·d·（10a）-1）主要分布在研究区中部、中东部和东北部分地区，可能是因为STI 上升速率较高的地区受人类活动等因素的影响，其次，呼伦贝尔高原大部分地区的冻融指数变化率最大，这也证实了该区域（原岛状冻土区）目前处于季节性冻土的状态［31］。

表1 地表冻融指数与地理因子的相关系数Tab.1 Correlation coefficient between surface freezingthawing index and geographical factors

图3 1980—2019年内蒙古地表冻融指数均值和变化趋势Fig.3 Mean value and variation trend of surface freezing-thawing index in Inner Mongolia from 1980 to 2019

2.2 内蒙古地表冻融指数影响因素时空变化

2.2.1 内蒙古地表冻融指数影响因素时间变化 如图4 所示，近40 a 研究区0.1 m 和0.4 m 土壤含水量年均值分别介于0.1401～0.1673 m3·m-3和0.1388～0.1779 m3·m-3之间，0.4 m 土壤含水量略大于0.1 m土壤含水量，不同深度土壤含水量的总体变化趋势均显示出向上态势，平均年际变化率为0.001 m3·m-3·（10a）-1，而0.1 m 和0.4 m 土壤含水量并不是呈现一致性的向上态势，而是随气候波动经历了“上升-下降-上升”3 个波动性变化阶段，且0.1 m 和0.4 m 深度的土壤含水量年际变化趋势大体相同：1980—1998年为波动上升阶段，1998—2007年呈波动下降趋势，2007—2019 年又呈波动上升趋势；降水量以10.0 mm·（10a）-1的速率呈不显著增加趋势(P＞0.05)，年均值介于240.1～415.9 mm 之间，降水量与0.1 m和0.4 m土壤含水量的年际波动变化趋势极为相似，同样经历了“上升-下降-上升”3 个波动变化阶段，1980—1998 年、2007—2019 年属于降水偏丰的年代；1998—2007 年属于降水偏枯的年代；研究区雪深以11.4～32.8 mm 的起伏趋势为主，多年积雪厚度为22.1 mm，年平均雪深以-0.82 mm·（10a）-1的速率呈微弱减少趋势(P＞0.05)；基于1982—2019年内蒙古NDVI 数据，发现内蒙古NDVI 总体以0.007·（10a）-1的速率呈显著增加趋势(P＜0.05)，年均值介于0.41～0.47之间。

图4 1980—2019年影响因素年际变化趋势Fig.4 Interannual variation trend of impact factors from 1980 to 2019

2.2.2 内蒙古地表冻融指数影响因素空间分布与变化 如图5 所示，研究区内各影响因素空间分布整体上存在明显的纬度地带性和区域性规律，且均呈现出由西南向东北递减的发展趋势，与SFI 空间分布特征一致，与STI 空间分布特征相反。但上述要素在部分地区空间分布和空间变化存在一定差异：0.1 m和0.4 m土壤含水量呈现出东北部和中西部土壤水分相对较高、西部相对较低的空间格局，可能受到不同土地覆盖类型、积雪分布及人为活动等多重因素的共同作用；由于大兴安岭、阴山、贺兰山等地势因素的阻碍，东南地区的水汽抬升，容易造成降雨，西北山区的水汽含量偏低，因此东南地区的降水量比西北地区大；雪深与降水量分布特征基本一致，但与温度相反，研究区东北部降水量较多、年均地表温度较低且森林覆盖率高，有利于积雪的形成和积累，中部和西部地区降水较少，平均地表温度较高，植被覆盖率较低，不利于积雪的形成与累积，使得雪深较浅且分布均匀；内蒙古NDVI由西南向东北呈增加趋势，部分地区NDVI 存在区域性特征和空间异质性较明显，可能与灌溉和开垦农田等人类活动有关。

图5 1980—2019年地表冻融指数影响因素多年平均Fig.5 Annual average of surface freezing-thawing index influencing factors from 1980 to 2019

如图6所示，近40 a来内蒙古大部分地区0.1 m和0.4 m 土壤含水量年际变化呈上升态势，0.1 m 和0.4 m 土壤含水量呈减少态势的区域分别仅占研究区整体的19.9%和36.1%，且大部分集中在研究区西北部和东北部的多年冻土区；内蒙古中部和西部的年降水量有所增加，特别是中偏南地区降水量增加较多，东部降水量则有所减少，特别是在呼伦贝尔西北部、赤峰中部以及通辽中部地区降水量减少情况较为突出；研究区38.5%的区域雪深呈下降态势，且10.8%的区域雪深平均下降速度在0.5 mm·（10a）-1以上，主要分布在呼伦贝尔东北部，并位于多年冻土区；61.5%的区域雪深呈现增加趋势，主要分布于西南部的沙漠及中部和东部的部分草原，多位于季节冻土区，且以上区域的雪深平均增加速率仅为0.4 mm·（10a）-1，这一变化特征可能与研究区近年来温度和降水变化有关；研究时段内蒙古有75.2%区域的NDVI 呈现增长的趋势，仅24.8%的区域呈现下降的趋势，下降区域以锡林郭勒盟大部、赤峰市北部、通辽市北部、兴安盟南部、呼伦贝尔市林区为主，这一变化特征可能与上述地区近年来温度升高、降水减少及人类活动有关。

图6 1980—2019年地表冻融指数影响因素年际变化Fig.6 Interannual variation of surface freezing-thawing index influencing factors from 1980 to 2019

2.3 地表冻融指数与影响因素相关分析

地表冻融指数的变化受多种因素的影响，具有较强的随机性，适于进行灰色关联度分析。如表2所示，内蒙古地表冻融指数年均值与0.1 m 土壤含水量、0.4 m土壤含水量、降水量、雪深、NDVI的灰色关联度系数皆大于0.65，说明地表冻融指数变化与各影响因素存在较大的相关性。SFI与影响因素的灰色关联序为：0.4 m 土壤含水量＞0.1 m 土壤含水量＞NDVI＞降水量＞雪深，说明了0.4 m 土壤含水量对SFI变化的影响较大，是影响内蒙古整体SFI变化的主控因素，0.1 m 土壤含水量、NDVI、降水量次之，最后是雪深；STI 与影响因素的灰色关联序为：NDVI＞0.1 m 土壤含水量＞0.4 m 土壤含水量＞降水量＞雪深，表明NDVI 对STI 变化的影响较大，是影响内蒙古整体STI变化的主控因素，0.1 m土壤含水量、0.4 m土壤含水量、降水量次之，最后是雪深。

表2 地表冻融指数与影响因素灰色关联系分析Tab.2 Grey correlation analysis between surface freezing-thawing index and influencing factors

为探讨地表冻融指数对影响因素变化的动态响应，基于像元尺度逐像元计算了内蒙古地表冻融指数与影响因素的相关关系。SFI 与各影响因素（除雪深外）相关关系有超过65%的地区呈负相关（表3），如图7所示，从空间分布来看，在多年冻土区大部分地区呈现正相关关系，但在季节冻土区大部分地区却呈现负相关关系，造成不同冻土区SFI 与影响因素相关性差异的原因可能与影响因素的时空变化差异有关。其中，0.1 m土壤含水量与SFI显著负相关(P＜0.05)的区域大部分在季节冻土区的中部和东南部，显著正相关(P＜0.05)区域集中分布在多年冻土区北部小部分地区，0.4 m 土壤含水量与SFI 显著负相关(P＜0.05)的地区在季节冻土区的南部和东南部均有分布，显著正相关(P＜0.05)的地区则在多年冻土区北部呈现片状分布；降水量与SFI显著负相关(P＜0.05)的地区主要在鄂尔多斯市以东、呼和浩特市和锡林郭勒盟以南，呈正相关关系的区域主要在多年冻土区北部和阿拉善中西部；NDVI 与SFI显著负相关(P＜0.05)的区域主要在鄂尔多斯东部、呼和浩特市南部和多年冻土区部分林地，显著正相关(P＜0.05)区域主要在多年冻土区部分林地和湿地地区；雪深与SFI显著负相关(P＜0.05)的区域主要在阿拉善西南部和季节冻土区中部地区零星分布，显著正相关(P＜0.05)区域集中在多年冻土区北部和阿拉善西北部小片地区。

图7 SFI与影响因素相关性T检验Fig.7 Correlation T test between SFI and influencing factors

表3 SFI与影响因素相关系数面积占比Tab.3 Area ratio of correlation coefficient between SFI and influencing factors

STI 与影响因素的相关关系以负相关为主（表4）。如图8所示，虽然STI与各影响因素在多年冻土区及大部分地区呈现负相关关系，但在季节冻土区部分地区却呈现正相关关系，造成不同冻土区STI与影响因素相关性差异的原因可能与影响因素的时空变化差异有关。其中，0.1 m 土壤含水量与STI显著负相关(P＜0.05)区域集中在多年冻土区东部和多年冻土区周围的盟市，显著正相关(P＜0.05)的区域在黄河流域内蒙古地区有所分布；0.4 m土壤含水量与STI 显著负相关(P＜0.05)区域主要在多年冻土区北部和阿拉善西部零星地区，显著正相关(P＜0.05)的区域主要在阿拉善东部、巴彦淖尔市大部和鄂尔多斯市周边；降水量与STI显著负相关(P＜0.05)区域主要在锡林郭勒盟东部、兴安盟东部及多年冻土区东北部，呈正相关关系的区域主要在季节冻土区中部和西部；雪深与STI显著负相关(P＜0.05)区域主要在锡林郭勒盟西北部、赤峰市北部及多年冻土区东北部，显著正相关(P＜0.05)的区域集中在巴彦淖尔市中部。NDVI 与SFI 显著负相关(P＜0.05)的区域主要在赤峰市北部、兴安盟、多年冻土区部分林地和锡林郭勒盟荒漠草原地区，显著正相关(P＜0.05)的区域主要在黄河流域内蒙古地区、通辽市和多年冻土区北部。

图8 STI与影响因素相关性T检验Fig.8 Correlation T test between STI and influencing factors

表4 STI与影响因素相关系数面积占比Tab.4 Area ratio of correlation coefficient between STI and influencing factors

3 讨论

气候变暖背景下，内蒙古1980—2019年间地表冻结和融化指数分别显著上升和下降，多年冻土区地表冻融指数变化速率较季节冻土区更快。研究结果基本与Peng等［12］、Wu等［18］、李昀赟等［32］分别在北半球、青藏高原、东北地区的结论相吻合，说明在内蒙古整体冻土环境退化明显，多年冻土区冬季温度变暖趋势更为显著，其冻土退化更严重，该区地表冻融指数的显著变化可能导致多年冻土区面积缩减，冻结深度减少，活动层厚度增加等一系列冻土退化现象的发生［12］；季节冻土区的地表冻融指数变化速率同样不容忽视，该区是内蒙古农牧业生产主要布局地区，冻融指数的变化同农作物的种植，畜牧业的发展息息相关。气候变暖虽然是造成该区多年冻土区冻土退化显著的根本性因素，但是多种人为经济活动对研究区多年冻土退化起到了加速促进作用［24］。近40 a研究区表层土壤含水量、降水量的增加趋势表明，内蒙古地区的冻土环境正向暖湿化发展，与马梓策等［33］得出的研究结论相一致。但是基于本文研究发现，不同冻土区的发展情况存在较大差异，多年冻土区正向暖干化发展，与研究区整体和季节冻土区大部分地区变化趋势相反。地面温度升高、降水减少、潜在蒸发量增加是导致土壤含水量下降的主要因素［34］。地表冻融指数是根据地表温度计算所得，与气温和地表温度有密切的联系，但表层土壤含水量、降水量、雪深和NDVI 同样对冻融指数的变化起着至关重要的作用，总体上，表层土壤含水量和NDVI对地表冻融指数的变化起主导作用。此外，冻土环境退化对生物多样性的作用是负面的。温度增高、雨量减少的情况对草原植物生长发育不利，对森林、湿地植物有促进作用［35］；季节冻土地带冬季增温明显，农作物冻害损失减少，从而促进了粮食作物单产的增加和质量提高，利于家畜健康过冬度春，同时也会使病虫害及虫卵易于过冬，容易造成病虫害的防治困难［36］。

20世纪80年代前研究区气象数据缺测较多，本研究只采用了1980—2019年的气象资料，下一步还需依据更长时间序列和更多的站点数据开展研究。在对地表冻融指数处理后，需要根据冻融指数，进一步确定研究区多年冻土空间分布范围和活动层厚度及季节冻土冻结深度的时空变化特征，对内蒙古地区冻土对气候变化的响应作出较为全面、精确的预测。目前，由于中国全球陆面再分析产品(CRA/Land)数据在冻土研究中仍具有空间分辨率略小的缺陷，在今后冻土变化研究中，拟将与空间分辨率更高的再分析资料及实际观测资料相结合，以尽可能降低研究结论的不确定性。

4 结论

本文基于内蒙古气象站1980—2019 年日均地表温度数据、结合中国第一代全球陆面再分析产品（CRA）数据以及NDVI 数据，借助GIS 空间分析功能，通过RStudio编程处理分析了内蒙古近40 a地表冻融指数时空变化格局及关键影响要素，主要结论如下：

（1）1980—2019年间，内蒙古SFI与STI分别呈现明显减少与增加的态势，纬度是制约内蒙古地表冻融指数空间分布的重要因素，与SFI 呈现极明显正相关的关系，则与STI 相反。多年冻土区地表冻融指数变化速率较季节冻土区更为剧烈，对气候变暖的响应更为敏感。

（2）近40 a 研究区0.1 m 和0.4 m 土壤含水量、降水量、NDVI 均呈增加趋势，仅雪深呈减少趋势。其中不同深度土壤含水量平均年际变化率为0.001 m3·m-3·（10a）-1；降水量以10.0 mm·（10a）-1的速率呈不显著增加趋势；NDVI总体以0.007·（10a）-1的速率呈显著增加趋势；年平均雪深以-0.82 mm·（10a）-1的速率呈微弱减少趋势。

（3）多年冻土区0.1 m 和0.4 m 土壤含水量、降水量、NDVI 及雪深的多年均值普遍大于季节冻土区，同样影响因素在年际变化上也表现出不同的空间差异性，多年冻土区呈暖干化发展趋势，季节冻土区呈暖湿化发展趋势。

（4）地表冻融指数与影响因素以负相关关系为主，SFI 与影响因素在多年冻土区大部呈正相关关系，在季节冻土区大部呈负相关关系，STI反之。内蒙古地表冻融指数变化受影响因素共同驱动，而0.4 m土壤含水量是影响SFI变化的主导因素，NDVI是影响STI变化的主导因素。