黄河流域1982—2015年不同气候区植被时空变化特征及其影响因素

陈 晨，王义民，黎云云，周 帅

(西安理工大学 省部共建西北旱区生态水利国家重点实验室，西安 710000)

1 研究背景

植被是生态系统中重要的组成部分，也是生态环境质量的主要指标之一[1]，对改善生态环境、减少水土流失等方面有着不可代替的作用。遥感监测植被能准确地反映广大地区的植被动态变化，是研究植被变化的重要手段，已经成为全球变化研究中的重要应用方向之一[2]。黄河流域位于干旱、半干旱、半湿润3个气候区，不同气候区气候变化敏感，人类活动剧烈，植被种类丰富多样，植被对不同气候变化的响应具有差异性[3]。因此，研究黄河流域不同气候区的植被覆盖时空演变特征及对气候变化和人类活动的响应可以更好地理解黄河流域生态系统现状，有助于黄河流域生态保护。

20世纪90年代以来，国内外众多学者在黄河流域植被覆盖变化特征等方面展开了大量研究，并取得了许多良好的研究成果。例如，Xin等[4]利用GIMIMS和SPOT VGT归一化植被指数(NDVI)资料对黄土高原1981—2006年植被覆盖时空变化进行了研究，分析了气候变化和人类活动引起的植被覆盖变化的原因。杨尚武[5]揭示了季节植被覆盖的时空变化特征，结合同期降水、气温，分析了植被覆盖变化的影响因素。贺振等[6]以GIMMS-NDVI为时序数据，采用趋势分析、Hurst指数等方法，分析了黄河流域植被覆盖时空格局和演化趋势。在黄河流域植被覆盖研究方面，大多选定整个面或者局部区域的植被进行的，针对不同典型气候区植被演变特征的研究尚未开展，而划分气候区有助于更好地解释不同水分条件下植被对气候变化响应的空间异质；再者，在考虑其他气候因素的影响下，日照时数也是驱动植被变化的重要因素之一[7]，研究大多关于植被与降水、气温的关系，日照时数对植被的影响研究相对较少。因此，基于像元尺度研究黄河流域不同气候区生长季植被的时空动态变化以及气候因子、人类活动对NDVI的贡献，对区域生态环境的改善与保护提供了理论依据。

在植被研究中，NDVI由于具有植被空间覆盖度广、监测灵敏度高、消除大气辐射干扰、数据更精准等特点，是目前研究陆地植被覆盖变化的首选指标[8]。鉴于此，本文利用1982—2015年第三代GIMMS NDVI 3g数据集及同时期基于站点观测的降水、气温及日照时数数据，运用Sen+Mann-Kendall 趋势方法对黄河流域不同气候区34 a生长季植被时空变化特征进行探究，采用二阶偏相关系数法研究不同气候区降水、气温、日照时数对植被变化的综合影响，结合残差法定量分析了人类活动对植被变化的影响。

2 研究区概况

黄河流域发源于青藏高原巴颜喀拉山北麓，是我国第二大长河，西界巴颜喀拉山，北抵阴山，南至秦岭，东注渤海。地理坐标为95°35′E—119°5′E，32°10′N—41°50′N，流域面积约为75.24万km2[9]。黄河流域地形地貌差异显著，地势高差悬殊，降水年际变化大且空间分配不均匀，植被分布规律和降水分布相似，从东南到西北成条状带分布，源区地处高海拔寒冷地区，高寒植被分布广泛；中游多分布着草丛与灌丛；下游混合分布着针叶林和阔叶林[10]。流域的年、季气候呈规律性变化，在气候和人类活动的双重驱动下，生态环境脆弱，植被变化情况复杂，因此，本研究采用郑景云等[11]的气候分区方案把黄河流域划分为干旱区、半干旱区、半湿润区(分别简称为Ⅰ、Ⅱ、Ⅲ)，流域地理位置及气象站点空间分布见图1。

图1 黄河流域地理位置及气象站分布Fig.1 Geographical location and distribution of metorological stations in the Yellow River Basin

3 数据来源与研究方法

3.1 数据及处理

GIMMS NDVI 3g数据集由美国航空航天局(NASA)全球监测与模型研究组(GIMMS)发布[12]。本文所用的是最新 GIMMS NDVI 3g.v1版本的全球尺度数据集，时间跨度为1982—2015年，时间分辨率为15 d，其空间分辨率为0.083 3°(8 km)，是目前时间跨度最长的NDVI数据集产品[13]。该数据在区域大尺度植被变化研究中具有不可代替的作用，每年两期nc4文件，运用MatLab软件解析得到半月一幅，34 a共816幅半月tiff图像。为了进一步减少大气、云和太阳高度角变化等因素的影响，采用最大值合成法(Maximum Value Composite，MVC)得到月NDVI栅格数据集，运用ArcGIS软件批量按掩膜提取得到黄河流域不同气候区1982—2015年月NDVI数据集，使用ArcGIS中的Python窗口编写程序得到各气候区年生长季NDVI平均值。

气象数据来源于中国气象科学数据共享服务网(http:∥data.cma.cn/)，本文选取流域内部及周边93个气象站1982—2015年共34 a月降水、月气温、月日照时数数据，对缺失数据进行插补延长，并将月资料转化为年资料。由于气象因子存在空间差异，故采用克里金插值法将研究区站点降水、气温、日照时数数据插值成与NDVI数据集相同空间分辨率的栅格影像，以便后续求空间相关。

3.2 研究方法

3.2.1 NDVI最大合成法及均值法

月NDVI数据集是通过最大合成法构建的，Holben[14]提出的MVC是指在指定的合成周期内选取最大值作为新的NDVI值，其被广泛应用在NDVI数据处理中，其公式为

NDVIi=Max(NDVIij) 。

(1)

式中：NDVIi是第i月的NDVI值；NDVIij是第i月第j个半月的NDVI值。

NDVI平均值是计算研究时间段年度NDVI总和的平均值[15]，以多年平均NDVI反映黄河流域不同气候区植被覆盖的空间分布特征，其计算公式为

(2)

根据NDVI值将研究区域分为极低植被区(0

3.2.2 Sen+Mann-Kendall 趋势分析

Sen+Mann-Kendall 方法是Sen趋势与Mann-Kendall检验结合，被广泛地应用在植被等方面的趋势分析中[16]，该方法不仅可以很好地减少噪声的干扰，且实现了序列趋势显著性判断，提高结果准确性。Sen趋势度计算公式为

式中：10时，NDVI呈上升趋势，β值越大表示上升趋势越明显；当β<0时，NDVI呈下降趋势，β值越小表示下降趋势越明显。

本文使用Mann-Kendall对NDVI序列进行趋势检验，检验的统计量S的计算公式为：

(4)

Sgn(NDVIj-NDVIk)=

(5)

式中Sgn为符号函数， 1

S为正态分布，其均值为0，方差Var(S)=n·(n-1)(2n+5)/18。当n>10时，S的标准正态检验统计量Z计算公式为

(6)

式中l表示平均值。

当显著性检验统计量S近似服从标准正态分布时[17]，使用Z进行双侧趋势检验。在给定显著性水平α下，在正态分布表中查临界值Z1-α/2，当|Z|Z1-α/2，则认为趋势显著。

3.2.3 偏相关分析

影响NDVI的因素较多，为了控制其他变量的影响，衡量2个因素的相关关系，本文采用二阶偏相关分析法。二阶偏相关是指当两个变量同时与第3、第4个变量相关时，将第3、第4个变量的影响剔除，只分析这两个变量之间相关程度的过程，以偏相关系数R值为判定指标[18]，其计算公式为

(7)

式中Rxy,z、Rxw,z、Ryw,z分别为变量x、y，变量x、w，变量y、w的一阶偏相关系数。

3.2.4 多元线性回归模型+残差法

建立NDVI和气候因子之间理想的回归方程，理论上需选择完全没有人类活动干扰的植被资料，但在实际操作中具有较大的难度[19]，“回归残差法”是当前该领域使用的主要方法之一[20]。本文采用多元线性回归的方法研究植被变化中的气候影响机制并通过建立不同气候区的NDVI与降水、气温、日照时数的回归模型，逐栅格以降水、气温、日照线性回归方程的预测值为气候控制部分，实测值与预测值之间的残差，即为人类活动所贡献的部分。其公式为：

NDVIC=aP+bT+cR+d；

(8)

NDVIH=NDVIA-NDVIC。

(9)

式中：P为年降水；T为年均气温；a、b、c、d分别为年降水、年均气温、年日照、常数项的回归系数；NDVIC为模型预测值；NDVIA为遥感NDVI实测值；NDVIH为残差值，NDVIH>0表示人类活动对植被生长产生好的影响，生态环境得到改善，反之则表示人类活动对植被产生不好的影响，植被退化加剧。

4 结果与分析

4.1 植被NDVI的时间变化特征

以黄河流域及3个气候区1982—2015年多年月平均值来表征在一年内NDVI的变化情况，了解一年内植被从返青到枯竭的过程，如图2所示。

图2 黄河流域及各气候区月际NDVI变化曲线Fig.2 Curves of monthly NDVI in Yellow River Basin and its various climate regions

从图2可以看出，黄河流域及3个气候区多年月均值变化过程基本一致，均呈现先上升后下降的趋势，NDVI半湿润区> NDVI黄河流域> NDVI半干旱区> NDVI干旱区。植被返青从4月份开始，在5月处于加速生长阶段，这可能是因为5月份各区域的温度刚达到植被生长需要的热量条件，到8月份达到峰值，即NDVImax_半湿润区(0.61)> NDVImax_黄河流域(0.5)> NDVImax_半干旱区(0.34)> NDVImax_干旱区(0.26)；8—10月份NDVI值处于下降趋势，其中10月份下降最剧烈。由于10月气温下降，开始进入冬季，植被开始枯萎，因此，本文年生长季NDVI值选择每年的4—10月份，年NDVI值为生长季NDVI均值。

图3为黄河流域及各气候区生长季NDVI的年际变化趋势。从图3可以看出，在过去34 a间黄河流域及各气候区生长季NDVI呈缓慢的上升趋势且趋势基本一致，半湿润区上升最快，干旱区上升最慢，这是因为降水的多寡对植被生长造成了直接影响。NDVI最大值出现在2012年，最小值出现在1982年。相比上一年增长速度最快的一年都是2012年， 但在2012年后各区域的NDVI值均呈下降趋势，植被退化，据相关研究表明，可能与2013年和2014年黄河流域气温升高及降水明显减少有较大关系[10]。2015年黄河流域整体上和半湿润区的NDVI值增加，生态环境稍微改善。

图3 1982—2015年黄河流域及各气候区生长季NDVI年际变化趋势Fig.3 Changes of NDVI in growing season in Yellow River Basin and its various climate regions from 1982 to 2015

4.2 植被NDVI的空间分布特征

为了更直观地反映不同气候区NDVI的空间分布特征，本文基于像元尺度计算了1982—2015年不同气候区年生长季NDVI均值,并根据该值将各区域植被划分为极低植被区、较低植被区、中植被区、高植被区4个等级(图4)。从图4可以看出，黄河流域植被总体上呈东南高西北低的特点，干旱区、半干旱区、半湿润区的NDVI空间分布存在比较明显的差异。干旱区的低植被分布范围最广，约占干旱区面积的88%，基本上不存在高植被区域，这是因为干旱区有较多荒漠，降水稀少，气候干燥，旱灾频繁，风蚀严重[21]，不适宜植被生长；半干旱区中的较低植被区范围较广，约占半干旱区总面积的71.7%，其次是中植被区、极低植被区、高植被区，分别占9.7%、17.9%、0.7%；中、高植被区基本分布在半湿润区，分别占半湿润区总面积的54.6%、25.5%，而低植被区域只占19.9%，这说明半湿润区降水量多，气温适宜，能促进植被的生长，植被覆盖率高。

图4 1982—2015年黄河流域及各气候区植被覆盖等级空间分布Fig.4 Spatial distribution of vegetation coverage in Yellow River Basin and its various climatic regions from 1982 to 2015

为进一步探究黄河流域干旱区、半干旱区、半湿润区NDVI在空间上的动态变化，本文分析了不同气候区NDVI年际变化趋势及显著性的空间分布特征。由图5(a)可知，黄河流域生长季NDVI在1982—2015年整体上呈增加趋势，约占总区域面积的90.9%左右，大部分地区呈显著性增加，植被状况有很大改善(见图5(b))。各气候区的植被增加趋势与黄河流域整体上保持一致，干旱区、半干旱区、半湿润区通过95%显著性水平且具有增加趋势的区域面积分别占各自区域总面积的70.4%、72.3%、70.0%，而不显著性增加的面积都各占约20%，基本上没有区域呈显著减少及稳定趋势，各气候区表现为不显著减少趋势占9%左右，半湿润区植被不显著减少主要集中在西南部及南部，超载放牧、城市扩张等人类活动频繁导致高寒植被退化，黄河源区生态环境恶化[22]。

图5 1982—2015年黄河流域及各气候区NDVI变化趋势及显著性的空间分布Fig.5 Spatial distribution of NDVI change trend and significance in Yellow River Basin and its various climate regions from 1982 to 2015

4.3 植被NDVI与气候因子的关系

植被的变化过程较为复杂，受到多种气候因子的综合影响，单一的气候因子往往不能解释这一过程，因此本文引入二阶偏相关系数分析法，进一步分析降水、气温和日照对黄河流域干旱区、半干旱区、半湿润区生长季植被的影响，得到研究结果如图6、图7所示。由图6(a) 、图7(a)可知，干旱区、半干旱区内90%的地区NDVI与降水呈正相关，而半湿润区内与降水呈负相关的面积约占33.5%，主要分布在半湿润西部及中南部，这些地区降水过多对植被生长产生抑制作用。在干旱区、半干旱区、半湿润区内，偏相关系数在-0.3～0.3之间的区域所占面积最大，分别为44.8%、33.9%、73.8%，这表明在半湿润区NDVI与降水关系较弱，植被对降水的响应不显著，人类活动对植被生长影响较大；偏相关系数>0.5的区域所占面积分别为29.6%、23.7%、5.6%，主要分布在干旱区北部、半干旱区西南部及北部、半湿润区中西部，降水与NDVI在干旱区、半干旱区关系较好， NDVI随降水量的增加而增加，但在半湿润区，有时降水过多是植被生长的限制因素之一，过多的降水使得土壤水分长期处于充足状态，会导致植被根系及微生物由于过多水分而缺氧，部分必要的氮磷等营养物质缺失，对植被生长造成威胁[23]。

图6 1982—2015年黄河流域各气候区NDVI与降水、气温、日照时数偏相关系数的空间分布Fig.6 Spatial distribution of partial correlation coeffi-cients between NDVI and precipitation,temperature,and sunshine time in climatic regions of Yellow River Basin from 1982 to 2015

图7 1982—2015年黄河流域各气候区降水、气温、日照时数对NDVI影响的面积百分比Fig.7 Percentage of the area affected by precipitation,temperature, and sunshine time in climatic regions of Yellow River Basin from 1982 to 2015

由图6(b)、图7(b)可知，干旱区、半干旱区、半湿润区内大部分地区NDVI与气温呈正相关，分别占各自面积的76.1%、87.1%、91.6%，各气候区大部分地区的植被随温度升高而增加。半湿润区内偏相关系数在0.3～0.5之间的区域所占面积最大约为39.3%，且气温与NDVI呈负相关的区域仅占8.4%，表明半湿润区相比其他气候区，NDVI与气温相关关系较高。偏相关系数>0.5的区域面积在干旱区占比最小，仅为10.5%，说明适宜的温度会促进植被生长，温度过高或过低会对植被生长产生抑制作用。

由图6(c)、图7(c)可知，干旱区、半干旱区、半湿润区内91%以上的地区NDVI与日照时数呈正相关，其中偏相关系数在0.5～0.8之间的区域在干旱区、半干旱区、半湿润区所占面积比例均达到最大，分别为52.3%、50.9%、46.8%，主要集中在干旱区北部、半干旱区中部及半湿润西北部，这些地区受日照影响大，且同期NDVI呈显著增加趋势(见图5(b))。NDVI与日照呈负相关的区域主要集中在半干旱区西南部及半湿润区西南、南部，随日照增加，植被呈减少趋势，这是因为西南部海拔高，日照强度大且时间长，蒸腾作用变大，植被为保存体内水分而关闭有些气孔，光合作用反而减弱。

4.4 人类活动对植被NDVI的影响

气候因子对黄河流域各气候区植被的变化起着至关重要的作用， 但植树造林、 居民建设用地等人类活动对植被也会产生重要影响， 本文通过残差分析法将气候因子对植被变化的综合影响分离来量化人类活动的影响， 得到2015年各气候区NDVI残差及34 a变化趋势的空间分布， 如图8、 图9所示。

图8 2015年黄河流域各气候区NDVI的残差值Fig.8 Residual values of NDVI in each climate region of Yellow River Basin in 2015

图9 1982—2015年残差变化趋势Fig.9 Change trend of residual value in 1982—2015

从空间上看，2015年黄河流域干旱区、半干旱区、半湿润区大部分区域NDVI残差值为正，分别占各气候区面积的74.2%、80.9%、75.9%，主要分布在干旱区、半干旱区、半湿润区的中部、东北部及东南部，表明这些区域人类活动对植被变化产生了积极影响，例如退耕还林促进植被覆盖变化；NDVI残差值为负主要分布在干旱、半干旱区西南部及半湿润区的西南部、南部，说明人类活动阻碍了这些地区的植被生长，例如黄河源区的过度放牧引起植被退化。人类活动影响下各气候区34 a来NDVI残差趋势基本上呈持续正向增加，极少数地区呈下降趋势，仅占各气候区的9.9%、11.7%、16.4%，空间分布情况与NDVI残差值基本相似。

5 结 论

本文基于GIMMS NDVI数据，采用均值法、Sen+Mann-Kendall 趋势分析、偏相关系数、多元线性回归分析+残差法等方法，对1982—2015年黄河流域不同气候区生长季植被时空变化特征进行分析，结合同时期的降水、气温、日照时数3种气候数据，探究了各气候区的气候因子和人类活动等因素对植被的影响，得出以下结论：

(1)从时间上看，黄河流域及3个气候区的植被年内变化均呈现先上升后下降的趋势，4月份返青，10月份枯竭，NDVI峰值出现在8月份，干旱区植被年内变化规律最不明显，年际变化呈缓慢上升趋势；半湿润区植被年内变化规律最明显，年际变化呈显著上升趋势，这可能与干旱区降水少、气候干燥而半湿润区雨水充足、气温适宜有关。

(2)不同气候区植被在空间上呈现明显的地带差异，植被覆盖度由西北向东南依次递增，半湿润区的中、高植被区分布范围较广，植被覆盖率最高。从NDVI变化趋势上看，各气候区近34 a来植被状况得到了明显改善，干旱区、半干旱区、半湿润区具有显著性增加的区域分别占各自区域总面积的70.4%、72.3%、70.0%，不显著减少主要集中在半湿润区的黄河源区，这与人类活动频繁有关。

(3)各气候区植被生长受降水、气温和日照时数的共同驱动且大部分地区均呈正相关，日照时数对NDVI的影响更为明显，尤其在干旱区，NDVI与日照关系最为密切；NDVI与降水相关关系在半湿润区最差，在半干旱区最好；而NDVI与气温在半湿润区相关程度最高，在干旱区相关程度最低。

(4)1982—2015年，人类活动对各气候区大部分地区植被产生正影响，人类活动对植被变化产生负影响的区域主要分布在干旱、半干旱区西南部及半湿润区的西南部、南部，荒漠、寒地等人类活动相对较少的地区，NDVI残差值还受其他线性因素影响。

本研究采用的NDVI数据时间序列长，可以很好地反映植被在时间上的变化，但空间分辨率较低，不能详细精确地反映植被空间状况。不同区域气候因子对植被有不同时间的滞后作用，本文未进行NDVI与气候因子的年内、季节性相关及滞后性研究，在今后的研究中将进一步完善。