黄河流域植被时空变化及其对气候要素的响应

李晴晴,曹艳萍,2,*,苗书玲

1 河南大学地理与环境学院,开封 475004 2 黄河中下游数字地理技术教育部重点实验室,开封 475004

在2019年黄河流域生态保护和高质量发展座谈会上,习近平总书记强调加强黄河治理保护、推动黄河流域高质量发展是国家战略[1]。黄河流域生态保护与治理是实现美丽中国的关键一步,关注黄河流域植被覆盖动态变化是黄河流域生态保护与治理的重要前提。

针对黄河流域的生态环境时空变化及其与气象、水文以及人类活动的关系已开展很多研究。已有研究表明近些年来黄河流域植被覆盖度呈增加趋势[2—4],气温上升和降水增多对流域植被绿化发挥重要的积极作用[3]。而采用不同数据源、不同方法,从不同角度分析不同时段得出的结论有些许差异。Wei Zhang等[5]采用1982—2015年黄河流域NDVI数据,分析发现黄河流域气候变化对植被的影响大于人类活动对植被的影响。孙睿、田智慧等[6—7]分别采用1982—1999年黄河流域NDVI数据和2000—2015年黄河流域NPP数据,分析发现降水量是影响黄河流域植被覆盖年际变化的主要因素,而且植被变化滞后降水量[8]；杨尚武等[9]采用1999—2013年黄河流域NDVI数据,分析发现气温对黄河流域高寒地带的植被覆盖度影响比较大。除气象要素外,人类活动对黄河流域植被覆盖的贡献亦引起广泛关注。张丹丹、Yang Li等[10—11]分别采用1998—2015年黄河流域NDVI数据和2000—2015年黄河流域NPP数据,分析发现黄河流域植被覆盖度的显著增加主要与人类活动的积极影响有关；如黄土高原等中下游植被增长与天然林工程和退耕还林还草工程的实施密切相关[12]。何勇等[13]采用2000—2005年MODIS GPP资料分析了气候因子对植被生长的影响,发现太阳辐射对中国大陆植被生长影响较小。

叶面积指数(Leaf Area Index, LAI)一般定义为单位地表面积上绿叶总面积的一半,是表征植被数量和结构特征的最基本参量[14—15]。叶面积指数(LAI)随时间的动态变化可以较好地反映植被数量和结构特征的变化,且可以更好地反映出植被和气候要素的相互作用[15—17]。目前针对黄河流域植被动态的研究多基于植被指数数据(如NDVI)或净初级生产力NPP数据,且主要集中于早些年份且跨度小,基于AVHRR LAI数据集的研究不足,气候要素对植被LAI的影响缺乏系统分析,尤其是太阳辐射对黄河流域植被LAI动态的影响不清楚,且前人所用气候要素数据多为气象站点数据,基于卫星、气象站点等多源数据合成的气候要素数据在黄河流域的应用有待进一步探究。研究分析气候驱动背景下黄河流域近期长时序植被LAI时空动态变化特征,对于认知黄河流域生态环境至关重要。

本文基于1981—2017年AVHRR LAI数据集,气温、降水量、太阳辐射等卫星气象数据资料,采用一元线性趋势、相关性分析等统计方法,研究近37年间的黄河流域LAI的时空变化规律,探讨LAI与流域气候因子的关系,以期为黄河流域的生态环境保护提供科学依据。

1 数据与方法

1.1 研究区概况

黄河流域位于纬度25°N—50°N,经度90°E—125°E之间(图1),南起秦岭,北至阴山,西到巴颜喀拉山,东达渤海,从西到东横跨多个地貌单元,包括黄河源头巴颜喀拉山与贵德之间的青藏高原,贵德到河南孟津江段的黄土高原,孟津以下的华北平原[18—19]。黄河流域植被覆盖总体上呈现东南高、西高、东北少、北少的分布特点,2018年的草地、农田、林地、裸地、城镇和湿地等6种生态系统类型分别占总面积的41%、31%、16%、6%、4%和2%。该流域温差悬殊,自西向东由冷变暖；降水集中且分布不均,年平均降水量470 mm[5]。流域内地形千沟万壑,水土流失严重、生态环境日益恶化。

图1 黄河流域及其生态系统类型图Fig.1 Map of the Yellow River Basin and its ecosystem types

1.2 数据

本文采用的LAI数据(1981—2017)来源于国家科技基础条件平台—国家地球系统科学数据中心(http://www.geodata.cn)的全球陆表特征参量产品(GLASS)。该套产品数据是基于AVHRR地表反射率数据,采用广义回归神经网络(GRNNs)算法和滚动处理方式反演得到[20]。空间分辨率为0.05°,时间分辨率为8d,数据格式为HDF,地理投影为WGS84。数据获取后,本文基于Python进行批量转换和裁剪得到TIFF格式的黄河流域LAI栅格数据；并基于最大值合成法得到月LAI数据资料。

黄河流域气温、降水量和太阳辐射数据来源于国家青藏高原科学数据中心(http://data.tpdc.ac.cn)的中国区域地面气象要素驱动数据集(1979—2017)。该套数据时间分辨率为3h,空间分辨率为0.1°,是以国际上现有的Princeton再分析资料、GLDAS资料、GEWEX-SRB辐射资料,以及TRMM降水资料为背景场,融合了中国气象局常规气象观测数据制作而成[21—23]。该套气象驱动数据集的降水数据单位为0.1mm,气温数据单位为0.1℃,太阳辐射单位为W/m2。基于Python完成批量转换和裁剪后得到TIFF格式的黄河流域气温、降水量和太阳辐射栅格数据；之后用Matlab软件进行批量提取处理,采用月平均值法生成1981—2017年黄河流域范围的逐月栅格平均气温、降水量、太阳辐射数据,并通过批量统计导出黄河流域时序上的逐年、逐月的降水量、气温、太阳辐射数据集。

1.3 方法

1.3.1最大值合成法

基于1981—2017年黄河流域逐月LAI栅格数据,根据最大值合成法(Maximum Value Composite,MVC)批量计算得到黄河流域1981—2017年逐年LAI最大值序列图谱,代表生长旺季的植被状态[24]。公式如下：

LAImaxi=max(LAIij)

(1)

式中,LAImaxi指i(i=1981—2017)年LAI最大值,LAIij指i年j(j=1—12)月的LAI数据。

1.3.2一元回归趋势分析

一元回归趋势分析是对一组随时间变化的变量进行回归分析的方法,可以预测变量的变化趋势,计算公式如下[4]：

(2)

式中,SlopeLAI是斜率；n代表总年数；i代表第i年；Ai表示第i年对应的数值。本文使用此方法分析1981—2017年黄河流域每个栅格年内的LAI最大值(LAImax)在时序上的变化趋势。并采用Manner-Kendall(M-K)方法对变化速率进行显著性检验分析。

1.3.3相关分析

本文借助SPSS软件采用Pearson相关性分析方法分别分析植被LAI与气温、降水、太阳辐射的月相关性和季节相关性。进一步采用基于像元的时滞互相关分析方法分析植被LAI与气温、降水、太阳辐射的相关关系,其计算公式如下[25—26]：

(3)

1.3.4地理探测器

本文采用王劲峰等人[27]开发的地理探测器来探究气候要素对植被LAI的贡献率,其原理如下：

(4)

2 结果与分析

2.1 黄河流域LAI时空变化特征

2.1.1LAI年内变化

分析黄河流域1981—2017年内多年月平均LAI值(图2)发现：多年月平均LAI值呈“双峰”季节特征,在1月达到最小值0.19,之后缓慢上升到4月形成第一个高峰值(0.45)；5月LAI值相对4月LAI明显降低,与5月份黄河流域农作物(例如冬小麦)等收割造成流域LAI值降低有关；6月起LAI显著上升,直至8月形成第二个高峰值(1.51),9—12月LAI逐月缓慢下降。整体上,黄河流域LAI的年内变化规律符合植被的季节变化规律。该结果在一定程度上说明基于LAI数据资料研究植被覆盖率和生态环境变化是可靠的。

图2 1981—2017年黄河流域多年月平均LAI变化曲线图 Fig.2 Curve of annual mean LAI variation in the Yellow River Basin from 1981 to 2017LAI：叶面积指数 Leaf Area Index

图3 1981—2017年黄河流域LAI四季变化曲线图 Fig.3 Graph of seasonal variation of LAI in the Yellow River Basin from 1981 to 2017

2.1.2LAI年际变化

将3—5月的LAI取平均值得到春季的LAI,同理求出夏季(6—8月份)、秋季(9—11月份)和冬季(12—2月份)的LAI,进而分析1981—2017年间黄河流域四季的LAI分布规律(图3)。1981—2017年间黄河流域四季的LAI均呈不同程度的上升趋势,其中夏季LAI上升幅度和年际波动最大,年增加速率为0.015/a,冬季LAI呈缓慢平稳上升,波动最小,增加速率为0.001/a。从1981—2017年黄河流域四季LAI平均值分布数据看,夏季LAI均值介于0.96—1.69,其中最低值出现在1982年,最高值出现在2016年；秋季LAI均值介于0.60—0.93,其中最低和最高值出现的年份与夏季的一致；春季LAI均值介于0.23—0.37,其中最低值出现在1989年,最高值出现在2017年；冬季LAI均值介于0.16—0.22,最低和最高值出现的年份与春季的一致。

2.1.3LAI年时空变化

根据最大值合成法(式1)得到黄河流域1981—2017年逐年LAI(LAImax),之后求出年LAImax序列图谱在37年间流域内各个栅格的均值,得到1981—2017年黄河流域多年平均LAImax分布图,可以显示黄河流域植物生长旺季的LAI空间分布情况(图4)。黄河流域植被覆盖总体上呈东南高、西北低的趋势,这与前人所得结论一致[11,29]。植物生长旺季的LAI均值分布在0—5.15之间,空间上由西向东、由北向南递增。流域西部的青海部分地区,中北部的甘肃、宁夏、内蒙古和陕西北部等地区,LAI均值偏低,在0—1.94之间,生态系统类型主要为草地和裸地；流域东部的山东、河南、陕西、山西以及流域西部的四川、甘肃西南部和青海东部等地区LAI均值比较高,在1.94—5.15之间,生态系统类型主要为农田和林地。

基于一元回归趋势分析方法分析黄河流域1981—2017年每个栅格LAImax序列的长时序年变化趋势(SlopeLAI)。研究时段内,黄河流域年LAI变化速率分布在-0.08—0.09之间,对一元回归趋势分析结果进行显著性检验,利用P值进行划分,若P值小于0.05则通过显著性检验,否则没有通过。根据LAI变化速率的正负值及是否通过显著性检验,将黄河流域LAI的变化趋势分为：显著减少(SlopeLAI<0且P<0.05)；不显著减少(SlopeLAI<0且P>0.05)；不变(SlopeLAI=0)；不显著增加(SlopeLAI>0且P>0.05)；显著增加(SlopeLAI>0且P<0.05),分别对应黄河流域生态环境状况的显著恶化、不显著恶化、基本不变、不显著改善、显著改善(图5)。

1981—2017年间,黄河流域生态环境显著恶化、不显著恶化、基本不变、不显著改善、显著改善的区域分别占总区域的4%、13%、0.3%、30.6%、52.1%。1981—2017年黄河流域生态环境状况显著改善的区域明显多于显著恶化的区域,这与袁丽华等[30]所得结果相一致。生态环境状况恶化的区域生态系统类型以草地、裸地以及林地为主；生态环境不显著改善的区域分散分布于黄河流域各个省区,生态系统类型以草地为主；生态环境显著改善的区域分布范围比较广泛,其中甘肃的中部和东部、陕西北部、宁夏以及内蒙古的部分区域分布比较集中,主要是农田和草地生态系统；生态环境不变的区域很少,零星分布在流域内,主要是湿地生态系统。

从整体来看,1981—2017年黄河流域植被LAI呈显著增加趋势,尤其是中东部的甘肃、宁夏、陕西等地植被LAI增加趋势明显；流域内大多数省区的植被LAI并非单一的变化趋势,而是多种变化趋势共存,但总的变化趋势是增加的。

图4 1981—2017年黄河流域多年平均LAImax分布图 Fig.4 Distribution map of perennial average LAImaxin the Yellow River Basin from 1981 to 2017

图5 1981—2017年黄河流域LAI变化趋势空间分布 Fig.5 Spatial distribution of LAI variation trend in the Yellow River Basin from 1981 to 2017

2.2 黄河流域气候要素与LAI的相关性

2.2.1LAI与气温的相关性

图6 1981—2017年黄河流域多年月平均LAI、气温变化图 Fig.6 Annual mean LAI and temperature variation chart of the Yellow River Basin from 1981 to 2017

分析1981—2017年间黄河流域多年月平均LAI和多年月平均气温的关系(图6),整体上,黄河流域多年月平均LAI与多年月平均气温的变化趋势大体一致,LAI高峰值出现在8月份,而气温高峰值出现在7月份。5月份LAI的低谷值与气温相悖,是由于5月份黄河流域农作物(例如冬小麦)等收割造成流域LAI值减少。LAI与气温相关系数值为0.82,且通过显著性检验,表明：整体上,黄河流域LAI与气温在年内具有极显著的相关性。

分析1981—2017年间黄河流域各个季节的LAI与气温的变化趋势(图7)发现：春夏秋冬四季的平均气温变化速率不同,冬季气温在多年间的增高趋势最显著,增高速率达到0.07℃/a,夏季气温增高趋势最不显著,增高速率只有0.04℃/a。总体上,1981—2017年黄河流域各个季节气温都呈增高趋势。在气温上升背景下,春夏秋冬四季LAI均呈上升趋势。在冬季气温快速上升背景下,黄河流域冬季LAI呈增加趋势,但受植物生理限制,增长速率最弱；而在夏季气温缓慢上升背景下,流域夏季LAI快速增长。此外,春季和秋季的LAI对极端气温响应敏感。例如,1988年黄河流域春季气温达到多年来最低水平,而同时期LAI也呈低值状态；1998年黄河流域秋季气温出现多年来最高水平,而同时期LAI也呈高值状态,整体上春秋两季气温对LAI的影响较大。

对1981—2017年黄河流域各个季节平均LAI和对应季节平均气温数据进行Pearson相关性分析(表1),结果发现春、夏、秋和冬季平均LAI与春、夏、秋和冬季平均气温均在0.01水平上显著相关,相关系数分别为0.83、0.56、0.64和0.57。以上说明LAI与气温具有显著的年际季节相关性。

为进一步说明气温与LAI的年际相关性,使用1981—2017年黄河流域多年各月LAI平均值与对应的多年各月平均气温数据进行Pearson相关性分析(表1),发现二者在1月份和11月份表现出0.05水平上的弱相关,相关系数在0.2—0.4之间；在3、4月份表现出0.01水平上的强相关,相关系数在0.6—0.8之间；在5月份表现出弱相关,相关系数为0.11,且未通过显著性检验,这一现象与该月份人类活动(农作物收割)息息相关；其余月份均表现出0.01或0.05水平上的中度相关,相关系数在0.4—0.6之间。以上说明LAI与气温具有显著的年际月相关性。

图7 1981—2017年黄河流域各个季节平均LAI和平均气温变化曲线图Fig.7 Variation curves of average LAI and average temperature in different seasons in the Yellow River Basin from 1981 to 2017

表1 1981—2017年黄河流域LAI与气温/降水年际相关性

2.2.2LAI与气温的时滞互相关性

图8 1981—2017年黄河流域LAI与气温最大互相关空间分布图Fig.8 Spatial distribution Diagram of maximum LAI and temperature cross-correlation in the Yellow River Basin from 1981 to 2017

图9 1981—2017年黄河流域LAI与气温时间滞后空间分布图Fig.9 Spatial distribution map of time lag between LAI and temperature in the Yellow River Basin from 1981 to 2017

经过以上分析可知,LAI与气温的相关性在时序上很显著,但在空间上的相关性如何还未可知,为进一步探讨LAI与气温的空间相关性,本文进一步探讨LAI与气温在像元尺度上的时滞互相关性。根据互相关法原理,计算像元尺度气温与LAI在各个时滞下的互相关系数,之后计算得到黄河流域每个像元LAI与气温的最大互相关系数及其对应的滞后时间。

LAI与气温的最大互相关空间分布表明(图8),气温与植被LAI的最大互相关系数在空间分布上差异显著。流域内约38.4%的区域的气温与LAI呈很强的负相关,互相关系数小于-0.8,主要分布在青海东部、甘肃西部、陕西中部以及山西的大部分地区,生态系统类型主要是草地、农田和林地；约38.1%的区域的气温与LAI呈较强的负相关,互相关系数为-0.8—-0.3,主要分布在流域内的陕西北部、内蒙古西部和甘肃北部等,主要的生态系统类型为草地和农田；内蒙古部分区域的气温与植被LAI的最大互相关程度最低,互相关系数为-0.3—0.3,所占比例0.8%,生态系统类型以裸地为主；气温与LAI的最大互相关程度较强且为正相关的区域约22.3%,系数为0.3—0.8,主要分布在流域内的内蒙古中部、甘肃东部以及陕西南部等,生态系统类型以农田、草地和裸地为主；流域内约0.4%的区域的气温和LAI呈很强的正相关关系,互相关系数大于0.8,主要分布在陕西南部,主要是农田生态系统。

LAI对气温的时间滞后空间分布表明(图9),黄河流域大部分地区植被LAI滞后气温7个月或1个月,二者所占比例分别达到77.0%和20.4%,仅有2.6%地区的植被LAI与气温同期。植被LAI滞后气温7个月的区域主要分布在黄河流域西部和东部,涉及的生态系统类型主要有草地、农田、林地和裸地等；植被LAI滞后气温1个月的区域主要分布在流域内的内蒙古中部、宁夏南部、甘肃东部以及陕西南部等,生态系统类型以农田、草地和裸地为主；植被LAI与气温同期的区域主要分布在流域内的陕西南部和河南东部,主要的生态系统类型是农田。

研究图8和图9发现,LAI与气温的时滞达7个月的区域大多与LAI与气温呈负相关的区域相吻合,LAI与气温的时滞为1或0的区域大多与LAI和气温呈正相关的区域相吻合,说明LAI对气温的积极影响响应比较敏感；而对消极影响的响应在半年后方才显现出来。

图10 1981—2017年黄河流域多年月平均LAI、降水量变化图Fig.10 Variation Map of Monthly Average LAI and Precipitation in Yellow River Basin from 1981 to 2017

2.2.3LAI与降水的相关性

1981—2017年黄河流域多年月平均LAI与多年月平均降水量的变化趋势大体一致(图10),降水量的高峰值出现在7月份,而LAI高峰值出现在8月份。多年月平均LAI和降水量在0.01水平上显著相关,相关系数为0.93,黄河流域LAI与降水量在年内具有极显著的相关性。

求出1981—2017年间黄河流域各个季节平均LAI和平均降水量(图11)。由图11可以看出各个季节降水量都呈增多趋势,其中秋季增多趋势最为显著,增多速率达到0.32mm/a,夏季降水量多年来增多趋势最小,增多速率仅0.01mm/a。在降水量增多背景下,流域LAI整体呈上升趋势。但是春夏季植被LAI对极端降水量响应并不敏感。例如1998年黄河流域春季降水量达到多年来最高水平,而同时期LAI与往年相比却没有明显变化；2015年黄河流域夏季降水量出现多年来最低水平,而同时期LAI与往年相比下降趋势不明显。秋季植被LAI对降水量响应敏感。例如,1996年黄河流域秋季降水量出现小高峰,同期LAI出现相同的趋势。冬季植被LAI对极端降水量响应敏感,且呈相反趋势。例如,1989年黄河流域冬季降水量出现多年来最高水平,而同时期LAI呈最低值状态；1999年黄河流域冬季降水量出现多年来最低水平,而同时期LAI呈现较高值状态；正常年份两者的相关性不明显。

对1981—2017年黄河流域各个季节平均LAI和各个季节平均降水量数据进行Pearson相关性分析(表1),结果发现秋季的平均LAI与平均降水量在0.05水平上显著相关,相关系数为0.36；春夏冬三季平均LAI与同期降水量不具有显著的相关性,相关系数分别为0.06、0.14和0.07。以上说明LAI与降水不具有显著的年际季节相关性。

图11 1981—2017年间黄河流域各个季节平均LAI和平均降水变化曲线图Fig.11 Variation curves of average LAI and average precipitation in different seasons in the Yellow River Basin from 1981 to 2017

为了进一步说明降水量与LAI的年际相关性,使用1981—2017年黄河流域多年各月LAI平均值与对应的多年各月平均降水量数据进行Pearson相关性分析(表1),发现二者在10月份表现出弱相关,相关系数为0.34；在9月份表现出弱相关,相关系数为0.29；在12月份、1月份和3月份表现出负相关；其余月份均表现出弱相关或无相关,相关系数在0—0.2之间。除10月份的弱相关关系通过0.05水平上的显著性检验,其余月份的相关性均未通过显著性检验。以上说明LAI与降水不具有显著的年际月相关性。

2.2.4LAI与降水的时滞互相关性

经过以上分析可知,LAI与降水的相关性在年内月尺度上显著,但在年际季节尺度和年际月尺度上却不明显。根据前人经验[25],这种现象应该与LAI和降水之间的时滞性有关,因此本文进一步探讨LAI与降水的时滞互相关性。根据互相关法原理,计算像元尺度降水与LAI在各个时滞下的互相关系数,之后计算得到黄河流域每个像元LAI与降水的最大互相关系数及其对应的滞后时间。

LAI与降水的最大互相关空间分布表明(图12),降水与植被LAI的最大互相关系数在空间分布上差异显著。流域内约96.1%的区域的降水与植被LAI的最大互相关程度较高且为正相关,互相关系数分布在0.3—0.8之间。其中青海省内部分区域的降水与植被LAI的最大互相关程度最高,为正相关,互相关系数大于0.8,所占比例2.1%,生态系统类型主要为草地；四川和陕西的小部分区域的降水与植被LAI的最大互相关程度为较强负相关,互相关系数为-0.74—-0.3,所占比例0.4%,生态系统类型主要是草地和农田；内蒙古部分区域的降水与植被LAI的最大互相关程度最低,互相关系数为-0.3—0.3,所占比例1.4%,主要的生态系统类型为裸地和林地。总体上,黄河流域绝大多数区域LAI与降水呈正相关关系。

LAI对降水的时间滞后空间分布表明(图13),黄河流域大部分地区植被LAI与降水同期或植被LAI滞后降水1个月,二者所占比例分别达到45.1%和45.7%。LAI与降水同期的区域主要的生态系统类型是农田和林地,植被LAI滞后降水1个月的区域主要的生态系统类型是草地、裸地和农田。植被LAI与降水同期的区域主要分布在黄河流域东南部,时滞为一个月的区域主要分布在黄河流域西部和北部。

图12 1981—2017年黄河流域LAI与降水最大互相关空间分布图Fig.12 Spatial distribution map of maximum cross-correlation between LAI and precipitation in the Yellow River Basin from 1981 to 2017

图13 1981—2017年黄河流域LAI与降水时间滞后空间分布图Fig.13 Spatial distribution map of time lag between LAI and precipitation in the Yellow River Basin from 1981 to 2017

2.2.5LAI与太阳辐射的相关性

图14 1981—2017年黄河流域多年月平均LAI、太阳辐射变化图Fig.14 Variation Map of Monthly Average LAI and Solar radiation in Yellow River Basin from 1981 to 2017

1981—2017年黄河流域多年月平均LAI与多年月平均太阳辐射的变化趋势大体一致(图14),太阳辐射的高峰值出现在5月份,而LAI高峰值出现在8月份。多年月平均LAI和太阳辐射的相关系数为0.50,两者在年内不具有显著的相关性。

对1981—2017年黄河流域各个季节平均LAI和各个季节平均太阳辐射数据进行Pearson相关性分析(表1),结果发现春夏秋冬四季平均LAI与同期太阳辐射不具有显著的相关性,相关系数分别为-0.05、0.27、-0.22和-0.18,且在春秋冬三季呈负相关。以上说明LAI与太阳辐射不具有显著的年际季节相关性。

为了进一步说明太阳辐射与LAI的年际相关性,使用1981—2017年黄河流域多年各月LAI平均值与对应的多年各月平均太阳辐射数据进行Pearson相关性分析(表1),发现二者在3月份表现出弱相关,相关系数为0.36,其余月份均表现出弱相关或无相关,且5—11月呈负相关。除3月份的弱相关关系通过0.05水平上的显著性检验,其余月份的相关性均未通过显著性检验。以上说明LAI与太阳辐射不具有显著的年际月相关性。

2.2.6LAI与太阳辐射的时滞互相关性

经过以上分析可知,LAI与太阳辐射的相关性不明显,本文进一步探讨LAI与太阳辐射的时滞互相关性。根据互相关法原理,计算像元尺度太阳辐射与LAI在各个时滞下的互相关系数,之后计算得到黄河流域每个像元LAI与太阳辐射的最大互相关系数及其对应的滞后时间。

太阳辐射与植被LAI的最大互相关系数在空间分布上差异显著(图15)。流域内约55.9%区域的太阳辐射与植被LAI的最大互相关程度较高且为负相关,互相关系数分布在-0.8—-0.3之间。其中青海省和山西省部分区域的太阳辐射与植被LAI的最大互相关程度最高,为负相关,互相关系数小于-0.8,所占比例16.3%,生态系统类型主要为草地和农田；甘肃东部和陕西中部地区太阳辐射与植被LAI的最大互相关程度为较强正相关,互相关系数大于0.8,所占比例10.9%；强正相关周围部分区域太阳辐射与LAI呈弱正相关性,相关系数分布在0.3—0.8之间,所占比例16.0%。总体上,黄河流域大多数区域LAI与太阳辐射呈负相关关系。

黄河流域大部分地区植被LAI滞后太阳辐射2个月或8个月(图16),二者所占比例分别达到26.7%和70.5%。植被LAI滞后太阳辐射2个月的区域主要的生态系统类型是草地和农田,分布在甘肃中东部和陕西中部。植被LAI滞后太阳辐射8个月的区域主要的生态系统类型是草地、裸地和农田,分布于内蒙古和青海等地。

研究图15和图16发现,LAI与太阳辐射的时滞达2个月的区域大多与LAI与太阳辐射呈正相关的区域相吻合,LAI与太阳辐射的时滞为8个月的区域大多与LAI和太阳辐射呈负相关的区域相吻合,说明太阳辐射对LAI的正面影响在2个月后显现,而负面影响在8个月后方才显现出来。

图15 1981—2017年黄河流域LAI与太阳辐射最大互相关空间分布图Fig.15 Spatial distribution map of maximum cross-correlation between LAI and solar radiation in the Yellow River Basin from 1981 to 2017

图16 1981—2017年黄河流域LAI与太阳辐射时间滞后空间分布图Fig.16 Spatial distribution map of time lag between LAI and solar radiation in the Yellow River Basin from 1981 to 2017

2.3 黄河流域气候要素对LAI变化的贡献率

黄河流域的植被变化是气候因素与人类活动综合作用的结果,本文仅考虑气候因素对LAI的影响,却未剥离其中人类活动的影响,在此情况下进行的相关分析不能完全代表真实的驱动情况,为了深入了解LAI变化的驱动机制,应用地理探测器软件对LAI时空变化规律做归因分析,剥离出气候因素的影响,并进一步区分各气候因子的贡献率。本文所用LAI、气温、降水量和太阳辐射数据栅格大小一致,进行空间叠加可以实现在空间上匹配。地理探测器要求自变量X应为类型量,所以采用自然断点法分别对气温、降水和太阳辐射数据进行分类[27]。结果表明(表2),年时间尺度上,气温和降水对LAI变化的贡献率较高,分别为0.72,0.71,而太阳辐射贡献率较低(0.31)；春夏秋冬四季上,气温对对应季节LAI变化的贡献率最高,降水和太阳辐射量均较低,尤其是春季气温对其LAI变化的贡献率高达0.71。空间尺度上,分别取每个栅格植被生长旺季(LAImax)所对应的气温、降水、太阳辐射平均值,并将4个图层进行空间叠加,基于空间格网分析气象要素对LAI动态的贡献率,可知降水对LAI变化的贡献率最高(0.34),气温对LAI变化的贡献率最低(0.20)。整体上,LAI在时间上的变化受气温影响较大,空间上的变化受降水影响较大,这与相关性分析结论一致,可相互印证。

表2 1981—2017年黄河流域气温/降水对LAI的贡献率

3 讨论与结论

3.1 讨论

整体上,黄河流域植被覆盖变化呈增加趋势,且与气温降水呈正相关,这与前人结论一致[2—11],但本文基于植被LAI数据的研究结论与前人基于NDVI、NPP等植被指标所得结论有些许差异(表3),例如本文发现黄河流域月均LAI呈“双峰”曲线状分布,而杨尚武等[9]发现黄河流域月均NDVI呈单峰曲线状分布；已有研究发现降水是影响黄河流域植被变化的主要因素,而本文发现时间上,气温是影响黄河流域植被LAI变化的主要因素,空间上,降水对黄河流域植被LAI变化起主导作用；本文在前人研究的基础上验证了太阳辐射对黄河流域植被LAI变化的影响有限。以上结论产生差异主要由研究时段、植被指标不同造成的。黄河流域LAI与气温在时间上呈显著正相关关系,与降水量具有正相关关系,即气温上升,降水量增多均促进流域LAI上升；而与太阳辐射的关系微弱可以忽略不计。定量评估发现年尺度上,气温和降水对LAI变化的贡献率高,而太阳辐射贡献率低；季节尺度上气温贡献率高,降水和太阳辐射贡献率低；空间尺度上降水贡献率较高,气温和太阳辐射贡献率较低。

但是黄河流域人口密集,人类活动频繁,例如农田面积约占流域总面积的31%,故人类活动对流域LAI的影响不能忽略。1982年3月、8月份黄河流域发生严重的冰塞、特大洪水导致大面积植被农田被淹没,造成1982年黄河流域植被LAI异常偏低。2011年夏秋两季LAI异常偏低,与该年8、9月份黄河上、中游发生多次洪水泛滥相关。

针对黄河流域的生态环境分析,人造植被,包括农作物,人造林等等的生长周期及状态必须考虑。1990年夏秋两季黄河流域LAI达到一个小的高峰值,与大型商品粮基地和“三北”防护林体系二期工程等国家重大生态建设项目有关。2000年黄河流域发生严重旱情[31],但该年的平均LAI不降反升,也与该区域实施的退耕还林还草等生态恢复工程密切相关。

结合图4、图5可看出,LAI均值较低的大部分区域(如宁夏和内蒙古)的LAI均呈不同程度的增加趋势；而LAI均值较高的部分区域(如四川)的LAI却呈不同程度的降低趋势,说明我国生态治理与环境保护的战略举措在生态脆弱的区域取得很大的成就,但原本生态环境良好地区的生态维护工作有待加强。

表3 黄河流域植被动态研究现状及重要结论

由气温和LAI的时空交互相关性分析可知：77.0%像元的LAI滞后气温7个月,且LAI与气温呈强负相关性； 70.5%像元的LAI滞后太阳辐射 8个月,且LAI与太阳辐射呈较强负相关。该结果说明一个区域的气温上升和太阳辐射增加可能会导致该区域2个月之内的LAI增加,但也可能会使该区域7或8个月后的LAI值减少。在人类活动的影响下,植被LAI的增加会使地面反照率下降,进而导致温度降低[32]。

3.2 结论

本文采用一元线性趋势分析方法,利用1981—2017年黄河流域AVHRR_LAI、气温、降水、太阳辐射等数据,从年内变化、年际变化、空间变化、相关性、贡献率等角度分析37年间的黄河流域植被覆盖动态变化,探讨其与流域气候要素的关系,主要结论如下：

(1)1981—2017年黄河流域多年月平均LAI呈明显“双峰”季节特征,分别出现在4月和8月。春夏秋冬四季的LAI均呈增加趋势,变化速率分别为：0.003/a、0.015/a、0.007/a和0.001/a,即夏季LAI上升速率最大,冬季最小。1981—2017年黄河流域植被覆盖度在格网尺度上以显著增加为主,约占流域总面积的52.1%,集中分布在流域中东部地区。整体上,LAI低值区域在时序上呈不同程度的增加趋势,而LAI高值区域呈不同程度的降低趋势。

(2)黄河流域LAI与气温呈显著正相关关系。春季LAI与其气温的相关性最强(r=0.83),夏季最弱(r=0.56)；月份上,5月份LAI与气温的相关性最弱(r=0.11),这主要是由于黄河流域农作物干扰造成的。空间上,交互相关性分析发现黄河流域77.0%格网的气温与LAI呈负相关关系,且LAI滞后气温7个月。

(3)黄河流域LAI与降水呈弱正相关关系。春夏秋冬四季LAI与降水量的相关系数分别为0.06、0.14、0.36和0.07。交互相关性分析发现黄河流域96.1%格网的降水与LAI呈较强正相关关系,互相关系数分布在0.3—0.8之间,流域45.1%格网的LAI与降水同步,45.7%格网的LAI滞后降水1个月。

(4)黄河流域太阳辐射对LAI变化的影响较弱,两者的相关关系仅在3月份经过显著性检验(r=0.36)。空间上,交互相关性分析发现黄河流域超过72.2%格网的太阳辐射与LAI呈负相关关系,且多达70.5%格网的LAI滞后太阳辐射8个月。

(5)经相关性分析和因子探测分析发现：在时间尺度上温度是影响黄河流域植被LAI变化的主要因素,在空间尺度上降水对植被LAI变化起主导作用。本文通过分析黄河流域近37年植被覆盖变化及其与气候因子的关系,发现在全球变暖背景下,黄河流域气温亦呈显著上升趋势,且气温上升与区域植被好转关系显著,而流域降水量的增多与区域植被好转关系不显著,且人类活动(如生态工程等)的影响不可忽略。