陕西省植被覆盖时空变化及其对极端气候的响应

高 滢, 孙 虎, 徐崟尧, 张世芳

陕西师范大学地理科学与旅游学院, 西安 710119

植被作为陆地生态系统的主体,是各个圈层进行物质能量交换和信息传递的关键[1],在气候调节、水土保持以及生物多样性保护等生态服务功能中发挥着重要作用[2]。植被指数是宏观表征地表植被覆盖变化的有力度量,目前常用植被指数包括:归一化植被指数(Normalized Difference Vegetation Index,NDVI),增强型植被指数(Enhanced Vegetation Index,EVI)和叶面积指数(Leaf Area Index,LAI)等[3—5]。其中,NDVI不仅能明显指示地表植被生长状况和生态环境的演变,而且与植被覆盖度存在显著的线性相关关系[6],能够较好地反映区域内植被覆盖情况,因此,NDVI常用于反映区域内植被覆盖变化对生态因子(如气候、土地利用、人类活动等)的响应[7—8]。

在全球气候变暖的背景下,研究气候变化与陆地生态系统之间的关系是国际社会较为关注的问题,其中监测植被动态并量化植被生长对气候的响应成为全球变化研究的重要领域[9—10]。目前,国外学者分别在全球尺度[11]、全国尺度[12]和区域尺度[13]研究了不同植被类型NDVI变化特征与气候因素的相关关系,结果表明植被生长对气温和降水非常敏感；国内学者也通过应用NDVI数据分析表明气候变化对植被生长具有明显影响[3,7—8,14]。但上述研究多集中于植被对气候平均态的响应,相较而言,植被对极端气候的响应研究相对欠缺[15]。极端气候事件由于其突发性强且强度较大[16],影响着陆地生态系统的植被动态变化,并具有一定的区域差异性[17],因此有必要开展植被对极端气候的响应研究。由于气候变化对植被影响具有累积效应,所以植被的反馈通常会出现时滞[18]。Arnone等通过对照实验表明,草地生态系统中的极端气候事件会导致当前和随后几年的净生态系统生产力下降,时滞为两年[19]。同时,在我国沿海[20]、黄土高原[21]、内蒙古[22]等生态敏感区研究发现,植被对极端气候的响应也具有一定的时滞性,说明当气候变化超过植被的承受能力时,在一段时间后植被生长才趋于对气候做出反应[23—24]。所以,在探索植被对极端气候的响应研究中应该考虑滞后效应,对于更好地了解地表生态环境对气候变化的脆弱性具有重要意义。

在大区域的研究中,地表生态环境的差异会使植被对气候变化的响应程度不同[25],所以从更细致的角度分析大区域内各类型生态系统的植被时空变化及气候变化特征尤为重要。生态分区是按照地形地貌、水热组合、植被特征等自然条件,将大区域划分或合并形成不同等级的区域系统[26],所以从生态分区视角分析能够更好地揭示极端气候对植被的影响。陕西省地处西部内陆,南北纬度跨度大,水热条件与地表生境异质性显著,又是中国水土流失、沙化等环境问题比较严重的地区之一,所以众多学者在陕西省开展了植被对气候变化的响应研究[27—28],而关于极端气候对植被的影响尚不明确。因此,本文基于生态分区,利用2001—2018年MODIS NDVI数据,结合同期日气温和降水数据,分析陕西省植被覆盖的年际变化趋势及其对极端气候的时空响应,并在多年月尺度上探讨陕西省植被覆盖对极端气候的滞后效应,对于认识该地区生态系统演变、进行生态环境保护具有一定的理论与现实意义。

1 研究区概况

图1 研究区位置及其气象站点Fig.1 The location of the study area and meteorological stations

陕西省(105°29′—111°15′E,31°42′—39°35′N)位于中国西部内陆地区,总面积20.56万km2。陕西省海拔在500—2000 m,地表高程差异较大,呈南北高中部低的地势格局；省内地貌类型复杂多样,兼具高原、山地、平原和盆地等地形。年降水量576.9 mm,年均气温13.0℃,无霜期218 d左右[29],陕西省纵跨3个气候带,自北向南依次为中温带、暖温带、北亚热带,南北气候类型多样且差异显著,即长城沿线以北为温带干旱半干旱气候、陕北黄土丘陵沟壑区和关中平原为暖温带半干旱和半湿润气候、陕南盆地则为北亚热带湿润气候、山地大部分为暖温带湿润气候[30]。

根据中国生态区划分标准(http://www.ecosystem.csdb.cn/),同时结合省内自然条件,陕西省可分为四个生态区(图1),从北向南依次为:陕北北部典型草原生态区(I)、黄土高原农业与草原生态区(II)、汾渭盆地农业生态区(III)、秦巴山地落叶与阔叶林生态区(IV)。其中,秦巴山地落叶与阔叶林生态区所占面积最大,陕北北部典型草原生态区所占面积最小。

2 材料与方法

2.1 数据来源与预处理

NDVI数据来源于美国国家航空航天局(NASA)数据中心提供的2001—2018年MODISQ1数据产品,空间分辨率为250 m,时间分辨率为16 d。陕西省在全球正弦投影系统中编号为h26v05和h27v05,选取全年1—12月的影像资料,该产品已进行去云、辐射校正、大气校正等处理。由于最大值NDVI能够更好地表示地表植被覆盖状况,故采用最大合成法(MVC)[31]得到逐月NDVI数据,用于分析陕西省植被覆盖时空变化以及与极端气候的相关性。

气象数据来源于国家气象科学数据中心(https://data.cma.cn),选取陕西省内时间序列完整一致的31个气象站点(2000—2018年),利用日气温和日降水量数据在RClimdex 1.0计算出15个极端气候指数,包括11个极端气温指数和4个极端降水指数,上述极端气候指数是结合陕西省气候条件,从ETCCDI(Expert Team for Climate Change Detection and Indices)所提供的指标体系中选取,可以表征气温温差的边缘态,以及降水的极端态过程[32],能够捕获极端气候,并能够有效地反映极端气候对植被动态变化的影响[33],具体定义见表1。

2.2 研究方法

2.2.1趋势分析

Theil-Sen斜率估计是用于分析长时间序列变化趋势的一种非参数估计方法[34]。计算公式如下:

(1)

式中,median表示中位数函数；i和j为时间序列数据，NDVIi和NDVIj表示第i、j年份的NDVI值。当β>0时,表示NDVI呈上升趋势；β<0时,表示NDVI呈下降趋势。

2.2.2Mann-Kendal检验

Mann-Kendall是一种非参数统计检验方法[35—36],由于其不受缺失值和异常值的影响,在水文、气象时间序列分析中广泛应用,检验方法如下:

表1 极端气温指数与极端降水指数定义

假设序列{NDVIi}，其中i=1，2，…，i，…j，…，n。定义检验统计量S:

(2)

(3)

式中,NDVIi和NDVIj为第i、j年份的NDVI值,n为数据个数,sgn为符号函数。当n≥10时,统计量S近似服从正态分布,所以定义标准化检验统计量Z:

(4)

(5)

当|Z|>1.65、1.96和2.58时,表示趋势分别通过了置信度90%、95%和99%的显著性检验,说明NDVI存在显著变化趋势。

结合β值和|Z|值,将NDVI变化趋势分为4个等级[37]:0.01置信水平下,极显著增加(β≥0,|Z|>2.58)、极显著减少(β<0,|Z|>2.58)；0.05置信水平下,显著增加(β≥0,|Z|>1.96)、显著减少(β<0,|Z|>1.96)。

2.2.3相关分析

本文利用Pearson相关分析来研究NDVI与极端气候的相关性,计算公式如下[38]:

(6)

3 结果与分析

3.1 NDVI时空变化特征

3.1.1时间变化趋势

2001—2018年间陕西省NDVI显著增长,增长速率为 0.06/10a(P<0.001),说明陕西省植被覆盖整体呈上升趋势。同时,陕西省各生态区NDVI变化趋势与年NDVI变化趋势相近,均呈显著上升趋势(图2)。其中,II区NDVI增长最快,增长速率达0.1/10a,说明该区域的植被恢复治理具有显著成效,而III区植被变化速率最小,为0.031/10a。

3.1.2空间分布特征

在空间分布上,陕西省年NDVI呈自南向北逐渐降低的空间格局(图3),表现为IV区(0.86)>III区(0.71)>II区(0.61)>I区(0.38)。其中,II区和III区的NDVI空间分布具有明显差异,II区年NDVI高值主要分布于区内南部黄土丘陵区,北部黄土沟壑区的NDVI值相对较低；III区植被覆盖整体较好,年NDVI高值主要分布于区内西部。

在空间变化趋势上,基于Theil-Sen斜率估计与M-K检验的方法,估算了2001—2018年植被覆盖的空间变化趋势(图3)。结果表明,研究区年NDVI整体呈增长趋势,增长趋势面积占总面积93.07%,远大于减少趋势的面积(6.93%),说明近18年陕西省内植被覆盖状况明显改善。其中,I区和II区NDVI增加趋势显著,说明区内植被生态恢复工程取得明显成效。值得注意的是,III区中部地区NDVI呈极显著的减少趋势,可能因为该地区人口密集,植被易受人类活动影响,随着该区城镇化进程的加快,部分农田和草地转为建筑用地,一定程度上加剧了植被退化,致使植被覆盖有所降低[28]。

图3 2001—2018年陕西省各生态区NDVI空间分布及变化趋势Fig.3 Spatial distribution and variation trend of NDVI in different ecological areas in Shaanxi Province from 2001 to 2018

3.2 NDVI对极端气候的响应

3.2.1年NDVI与极端气温的相关性

图4表明整个研究区内,NDVI与冷极值的平均相关系数绝对值在0.2以下,普遍呈弱相关关系；NDVI与暖极值相关性较好,其中与TN90p呈正相关的区域占85.30%,且有11.17%的区域呈显著正相关(P<0.05)；NDVI与DTR的相关系数在-0.896—0.860之间,呈正相关与负相关区域分别占47.57%和52.43%,这说明植被覆盖与极端气温之间存在一定程度的联系。

同时,NDVI与极端气温相关系数的分布规律具有明显的差异性。其中,NDVI与冷极值TMINmean在秦岭以北相关性较弱；在IV区内则多呈正相关,其中呈正相关区域占78.66%,且有17.59%呈显著正相关(P<0.05),说明日最低温升高,在一定程度上降低了该区植被日间受低温伤害的风险,更好地促进植被生长发育。除III区中部地区以外,NDVI与暖极值TN90p多呈正相关,说明随着暖夜日数的增加,夜间积温充足,为植被创造了适宜的生长条件。NDVI与暖极值TNx呈负相关的区域主要分布于I区和II区北部,平均相关系数分别为-0.25和-0.20,分别有16.81%和18.58%区域呈显著负相关(P<0.05),而NDVI与DTR在II区中部多呈正相关,平均相关系数为0.14,在其他3个生态区则多呈负相关。

图4 陕西省年NDVI与极端气温指数的相关性Fig.4 Correlation between annual NDVI and extreme temperature indices in Shaanxi Province TMINmean:最低气温 Monthly average value of daily minimum temperature；TN10p:冷夜日数 Percentage of days when TN<10th percentile；TX10p:冷昼日数 Percentage of days when TX<10th percentile；TNn:日最低气温的极低值 Monthly minimum value of daily minimum temperature；TXn:日最高气温的极低值 Monthly minimum value of daily maximum temperature；TMAXmean:最高气温 Monthly average value of daily maximum temperature；TN90p:暖夜日数 Percentage of days when TN>90th percentile；TX90p:暖昼日数 Percentage of days when TX>90th percentile；TNx:日最低气温的极高值 Monthly maximum value of daily minimum temperature；TXx:日最高气温的极高值 Monthly minimum value of daily maximum temperature；DTR:气温日较差 Daily temperature range

3.2.2年NDVI与极端降水的相关性

图5结果表明,NDVI与极端降水指数PRCPTOT、Rx1day、Rx5day和SDII的平均相关系数分别为0.20、0.13、0.12和0.20,呈正相关的区域分别占整个区域的77.57%、66.80%、64.68%和78.56%,其中分别有15.99%、12.54%、11.12%和15.07%的区域呈显著正相关(P<0.05)。同时,NDVI与极端降水的相关性具有明显的空间异质性,主要表现为:呈显著正相关的区域多分布于I区和II区东北部,说明在半干旱地区降水能够有效地促进植被生长。而III区和IV区NDVI与极端降水呈正相关关系,平均相关系数在0—0.2之间,但大多未通过显著性检验,相关性总体较弱。

图5 陕西省年NDVI与极端降水指数的相关性Fig.5 Correlation between annual NDVI and extreme precipitation indices in Shaanxi ProvincePRCPTOT:年总降水量 Annual total precipitation in wet days；Rx1day:单日最大降水量 Monthly maximum 1-day precipitation；Rx5day:连续5日最大降水量 Monthly maximum consecutive 5-day precipitation；SDII:年均雨日降水强度 Simple precipitation intensity index

3.3 NDVI对极端气候的滞后响应

3.3.1NDVI与极端气温的滞后性分析

从图6中可以看出,各生态区极端气温指数与同期NDVI总体呈显著正相关,仅有TX10p和TX90p未通过显著性检验,整体反应出气温对于陕西省植被恢复起正向促进作用。I区和II区内极端气温指数TMINmean、TNn、TXn、TMAXmean、TNx和TXx与同期、滞后1月、2月和3月的NDVI均呈显著正相关,表明区域NDVI对极端气温的滞后响应显著；DTR与同期NDVI则呈显著负相关,相关系数分别为-0.438和-0.305,这说明随着气温日较差的减小,能够增强草地植被生态系统的碳固定能力[39],从而促进植被生长；而与滞后2月和3月NDVI呈显著正相关,可以说明植被生长对极端气温的响应需要一定的时间周期,滞后期可达3个月。

III区和IV区内极端气温指数TMINmean、TNn、TXn、TMAXmean、TNx和TXx与滞后1月和2月的NDVI呈显著正相关,具有明显的滞后效应,DTR与NDVI的滞后时间则达3个月。值得注意的是,III区NDVI与同期TN10p呈显著负相关,说明夜间气温过低容易造成积温不足,影响植被生长。

图6 不同生态区极端气温指数与同期、滞后1个月、2个月和3个月的NDVI相关性统计Fig.6 Correlation coefficients between NDVI and extreme temperature indices for time lags in different ecological areas **在0.01水平(双侧)上显著相关; *在0.05水平(双侧)上显著相关;滞后2个月2 months later

3.3.2NDVI与极端降水的滞后性分析

由于极端降水指数PRCPTOT和SDII为年总降水量和年均雨日降水强度,所以选取Rx1day和Rx5day进行多年月尺度上的滞后性分析。由图7可知,各生态区极端降水指数Rx1day和Rx5day与同期NDVI呈显著正相关,反映降水总体有利于植被生长。同时,极端降水指数与滞后1月和2月的NDVI均呈显著正相关,表明NDVI对降水具有一定的滞后性。值得注意的是,III区和IV区极端降水与滞后3月的NDVI呈显著负相关,表明极端降水对植被生长起一定的抑制作用。

图7 不同生态区极端降水指数与同期、滞后1个月、2个月和3个月NDVI的相关性统计Fig.7 Correlation coefficients between NDVI and extreme precipitation indices for time lags in different ecological areas**在0.01水平(双侧)上显著相关; *在0.05水平(双侧)上显著相关

4 讨论

4.1 NDVI的动态变化

2001—2018年间,陕西省内NDVI值总体呈显著上升趋势,整体植被覆盖状况改善明显,与岳辉等[28]、钱琛[29]关于陕西省NDVI变化趋势研究结果一致。从空间分布特征来看,陕西省NDVI分布的空间异质性明显(图3),呈现出南高北低的空间分布格局,这可能是由于南部水热条件较好,植被类型主要是阔叶林,而北部植被类型主要是草原,体现出不同植被类型导致了NDVI值的空间差异[40],而II区和III区NDVI空间分布差异明显,还可能是由于受土地利用类型、人类活动的影响[3]。但从NDVI的空间变化趋势来看(图3),北部NDVI呈极显著增加趋势,尤其是府谷、神木、佳县、子长以及安塞等地区,因退耕还林还草、“三北”防护林工程和防沙治沙等大规模的植被保护与恢复工程的实施,使得该区域植被覆盖得到了明显恢复。

4.2 NDVI对极端气温的响应

从NDVI与极端气温指数的相关系数计算结果来看,不同时间尺度上各生态区NDVI对极端气温响应程度不同。年际尺度上,I区NDVI与TN90p呈正相关,说明随着夜间气温升高,夜间积温充足,可以避免植被受极端低温危害,有利于植被生长；与TNx呈负相关,多是由于该区为温带草原区,随着日间气温升高,增加了植被蒸腾和土壤水分蒸发,抑制了该区灌草植被的生长[41]。II区中部NDVI与DTR多呈正相关,这可能是因为日高温或日低温的升高,增加了地表蒸发量,从而加快了土壤水分的挥发,当气温超过了适宜植被生长的最佳温度时,植被的净光合作用下降[42],随着夜间气温的升高,植物夜间呼吸作用增强,不利于有机质的积累,进而减缓了植被生长。III区内中部地区NDVI与暖极值多呈负相关,这可能由于该区中部气温升高导致植被的蒸散发增加,从而加快了土壤水分的消耗,影响植被的正常生长状态[43]。IV区NDVI与TMINmean和TN90p呈显著正相关,这与黄土高原地区的研究结果一致[21]。

多年月尺度上,各生态区在考虑滞后三个月的情况下,NDVI与极端气温指数TMINmean、TNn、TXn、TMAXmean、TNx、TXx和DTR均呈显著正相关,说明植被生长对极端气温的响应具有明显的滞后效应,进而可以反映出植被生长反馈于气温需要一定的时间,可能是由于受到土壤温度变化和土壤有机质分解过程的影响[44]。

4.3 NDVI对极端降水的响应

不同生态区内,NDVI对极端降水的响应具有差异性。I区和II区年NDVI与极端降水呈显著正相关,说明降水能够促进植被生长,这可能是由于两个生态区较为干旱,水资源相对匮乏,使得水分为植被生长的主要限制条件[11,14]。多年月尺度上,极端降水对植被的影响滞后两个月,这可能是由于在干旱和半干旱地区植物生长受到水分胁迫,降水通过土壤渗透被植被根系吸收的过程需要一定的时间间隔[18],致使植被对降水的响应有所延迟。

III区和IV区年NDVI与极端降水相关性并不显著,与极端气温相比较,这两个生态区植被生长对降水相对不敏感,可能是由于区域内气候湿润,植被有足够的生长所需水分,气温一定程度上成为植被生长的主要影响因素[7]。多年月尺度上,在考虑滞后两个月的情况下,NDVI与极端降水呈显著正相关,反映出植被对累积降水的滞后响应,这与降水丰沛地区的鄱阳湖流域结果较一致[33]。

极端气温与极端降水均影响着研究区植被生长,且存在一定的区域差异性,同时NDVI对极端气候的响应具有明显的滞后效应,这与气候平均态对植被的影响规律一致[24]。极端气候对植被覆盖的影响是一个复杂的过程,会受到其他非气候因素干扰。文章以极端气候指数分析了极端气候对NDVI的影响,但尚未考虑具体的极端气候事件,今后研究中可着重分析NDVI对具体极端事件的响应关系。

5 结论

本文分析了陕西省2001—2018年NDVI的时空变化特征,并结合日最高低气温和降水数据,探讨了NDVI对极端气温和极端降水的响应特征,得到以下结论:

(1)陕西省及其各生态区的NDVI变化均呈显著上升趋势(P<0.001),省内总体增长速率为0.06/10a；空间上NDVI呈南高北低的分布特点,其中陕北北部典型草原生态区(I)NDVI值最低为0.38,秦巴山地落叶与阔叶林生态区(IV)的NDVI值最高为0.86。

(2)年际尺度上,NDVI对极端气候的响应具有明显的空间差异,陕北北部典型草原生态区(I)和黄土高原农业与草原生态区(II)气候较干旱,NDVI对极端降水响应敏感。汾渭盆地农业生态区(III)和秦巴山地落叶与阔叶生态区(IV)NDVI与极端气温的相关性更为显著。

(3)多年月尺度上,NDVI对极端气候的响应具有一定的滞后效应。其中,各生态区NDVI与极端气温TMINmean、TNn、TXn、TMAXmean、TNx和TXx均呈显著正相关,滞后期可达3个月。各生态区NDVI对DTR存在滞后2月和3月的显著响应,但陕北北部典型草原生态区(I)和黄土高原农业与草原生态区(II)NDVI与同期DTR呈显著负相关。同时,各生态区NDVI对极端降水Rx1day和Rx5day均呈显著正相关,且滞后期可达2个月。