区域植被对不同时间尺度气象干旱的响应——以贵州省为例

皮贵宁, 贺中华, 张 浪, 杨铭珂, 游 漫

(贵州师范大学 地理与环境科学学院, 贵阳 550025)

探索陆地植被与气侯变化间的相互关系研究已经成为全球动态变化的重要研究内容之一，并在不同的区域研究尺度上取得了重大的突破性成果[1-3]。地面植被在陆地生态系统中具有极强的不可替代性，同时也是对于全球气候变化的天然反馈器[4-6]，更是人类评判干旱严重程度的重要指标之一。不同的生态系统对于干旱的响应方式并不一致，而陆地生态系统干旱的发生在一定程度上与净初级生产力的减少有着密切的联系，且其具有持续时间长、发生范围广及产生不同程度的滞后效应等特点[7-8]。严重的干旱会导致人体免疫力下降、促使生态环境进一步恶化并引发其他自然灾害发生。因此针对于全球干旱区域逐步增长与干旱化程度逐渐加重的现象，干旱化趋势研究成为全球研究的重点与热点，探究植被生长状况对气象干旱的响应也已经成为必不可少的研究项目。

区域范围内发生干旱的程度及变化趋势一般是通过干旱指标进行定量评判的，由气象站点所获得的单一干旱因子如温度、降水等难以全面评判气候的干湿发展状况；因此通过计算潜在蒸散发量等获取标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index，SPEI)对研究区内的气象干旱发生程度及变化趋势进行评价，该指数在继承了帕默尔干旱指数(PDSI)和标准化降水指数(SPI)优点的同时，克服了它们主观性强、适用范围较小以及干旱指标过于单一的缺点，具有更好的应用前景。归一化植被指数(Normalized Difference Vegetation Index，NDVI)在全球范围内的使用越来越成熟，它也是表征植被生长状况的重要指标之一[9]；并且利用NDVI进行植被覆盖度计算、土地植被类型提取、生物量定量估算及变化趋势分析等到目前已经发展得十分成熟[10-12]。而增强型植被指数(Enhanced Vegetation Index，EVI)则在NDVI的基础上改进了算法和合成方法[13-14]，进一步减少了大气、土壤背景以及像元异常值的影响，并解决了NDVI易饱和等[15-17]问题。这对于评判植被覆盖率较高的贵州植被变化趋势具有更加合理的客观性。

贵州地处中国西南内陆地区腹地，喀斯特地貌类型纷繁复杂；且自贵州省开始实施退耕还林还草和石漠化治理等工程以来，植被覆盖状况有明显的变化，但大多是与人类活动这一社会因素进行关联性分析[18-19]；缺少与气象等自然因素方面的研究。因此本文选取贵州省作为研究区来探讨植被变化对气象干旱的响应。

1 研究区概况

贵州省位于中国西南东部地区，东经103°36′—109°35′，北纬24°37′—29°13′，高程为200～2 800 m，属于亚热带高原季风湿润气候，无严寒酷暑，四季分明且多雨，地貌可分为高原、山地、丘陵和盆地4种基本类型，是典型的喀斯特地貌地区。由于地势西高东低以及气候的影响，植被从西至东也呈现不同的分布情况，主要以阔叶林、针叶林、灌丛和灌草丛、沼泽与水生植物和竹林5类，都具有明显的亚热带性质。

2 数据来源及处理方法

2.1 数据来源

本文选取标准化降水蒸散发指数SPEI作为监测气象干旱变化趋势的指标，数据来源于中国气象数据网(http:∥data.cma.cn)提供的2001—2020年的贵州省31个逐日观测的气象站点数据资料，包括了研究区内的逐日降水和气温、风速、纬度等数据。在对数据进行处理前先对31个站点的数据进行完整性和连续性验证，针对缺测的站点数据进行合理的删除和增补。最后将逐日的温度、降水站点数据采用均值法合并为逐月平均数据，并按年月依序排列，将31个站点的数据转化为ACSII格式的文件以便于后续的SPEI计算。

增强型植被指数和归一化植被指数都是可以表征研究区植被生长状况、植被覆盖程度的植被状态指数。这两种数据皆来源于NASA MODIS陆地产品根据统计算法开发的MODIS13Q1系列数据，数据版本为V006的250 m全球分辨率的16 d合成类植被指数产品。在本研究中的数据时间跨度为2001—2020年中各年的4—10月，每年14期，共280期；因为结合贵州省的地理特征及相关研究发现，贵州省内的植被在该时段内呈现出显著的绿色，因此选择每年的该时间段作为研究区的数据进行分析。

由于NDVI对叶绿素比较敏感，所以对于各种植被生长状态的监测、植被覆盖程度高低及消除部分辐射误差等方面有着较好的效果；而EVI相比于NDVI进行了系统性的整体优化，在植被监测方面提高了对高生物量区域的敏感度，并且通过对植被冠层背景信号的去耦合和大气效应的减少改进了植被监测能力[17]。由于MODIS的MOD13Q1产品是在已有的植被指数的基础上进行数据改良的，所以其同时包含了NDVI和EVI两种植被产品，对影像进行必要和适当的提取和处理，如批量拼接、重采样、裁剪等。

2.2 数据处理方法

计算SPEI的方法分为几个具体步骤[20-22]，且计算SPEI的过程需要用到许多变量，并依照中国国家气象局发布的SPEI气象干旱等级划分标准[23]对气象干旱程度进行划分。其中潜在蒸散发量(PET)是计算SPEI过程中的关键一步。虽然计算PET的方法很多，但结合前人的经验方法可知Thornthwaite方法对于计算PET是最适合的，计算原理如下：

(1)

式中：T为逐月平均温度；N为最大日照时数；NDM为逐月的日数；I为年热量指数，是用每年12个月的月热量指数求和得到的。

(1) 计算气候水平衡。

Di=Pi-PETi

(2)

式中：Di为气候水平衡量；Pi为降水量；PETi为潜在蒸散发量

(2) 建立不同时间尺度下的气候水平衡累积序列。

(3)

式中:k为月时间尺度；n为计算次数。

(3) 采用log-logistic概率分布标准化D序列获得SPEI指数序列的概率密度函数(公式4)以及计算D序列的概率分布函数(公式5)。

(4)

(5)

式中：α为尺度系数为尺度系数；β为形状系数；γ为origin参数，以上变量均可通过L-矩参数估计方法求得。

(4) 对累积概率分布F(x)进行标准化处理，得出SPEI值。

(6)

d1=1.432788，d2=0.189269，d3=0.001308，

C0=2.515517，C1=0.802853，C2=0.010328。

根据计算出的SPEI数值大小对干旱等级进行划分，见表1。

表1 SPEI指数干旱等级划分

2.3 时空趋势性分析

2.3.1 时空变化趋势 利用一元线性回归模型模拟空间中基于每个像元的植被生长状况在生长季中的变化趋势，斜率用最小二乘法计算，因此通过此方法计算SPEI，NDVI及EVI的变化斜率值，表达式如下：

(7)

式中：n为总月份数；Pi为第i月的趋势值(如PNDVIi就是指第i月的NDVI值)。

2.3.2 相关性分析 通过计算皮尔森积矩相关系数来表征两个变量X和Y间的线性相关程度是一种比较常见的线性相关分析方法，所以由此计算SPEI与NDVI，EVI间的线性相关程度大小，以判断贵州省植被对于不同时间尺度的干旱程度响应情况，计算公式为：

(8)

3 结果与分析

3.1 贵州省气象干旱时空变化特征

如图1所示，不同时间尺度下的SPEI值总体上呈现增长趋势，以及在近20 a内，贵州省整体上呈现出干旱化趋势减弱、湿润化增强的现象。在整个研究时段内，不同时间尺度(1，3，6，9，12个月)的SPEI最低值分别出现在2009年的SPEI1(-0.35),2013年的SPEI3(-0.52)和SPEI6(-0.74)，以及2010年的SPEI9(-0.70)和SPEI12(-0.80)，表明贵州省干旱极低值随着SPEI时间尺度的增加而逐渐增长，且贵州省干旱变化趋势在2008—2010年和2013—2014年表现出显著的干湿交替现象，说明贵州省在2008—2014年干旱湿润态势显著。在SPEI的5个不同的时间尺度内，干旱变化速率最为显著的是SPEI12，达到了2.78%/a；其次是SPEI9和SPEI6尺度的增长速率，为2.56%/a，2.27%/a；变化趋势速率最低的是SPEI1，仅为1.09%/a。因此5个不同时间尺度的干旱变化速率依次表现为：SPEI12>SPEI9>SPEI6>SPEI3>SPEI1，表现为随着时间尺度的增加，贵州省干旱化态势呈现出逐步减弱的趋势。

对贵州省近20 a的SPEI1，SPEI3，SPEI6，SPEI9，SPEI125个时间尺度做基于像元的趋势性分析。由图2可知，5个不同时间尺度下SPEI的趋势变化值为负的区域面积比分别为19.28%，18.09%，20.17%，24.56%，26.79%，表现出随着SPEI时间尺度的增加，区域干旱化增加的面积占比越大，但不同时间尺度下的面积占比差距并不显著，并且增加趋势面积占比远高于降低的面积占比，说明贵州省近20 a的干旱变化趋势并不明显，表现为干旱程度降低，湿润化态势增强的趋势。不同时间尺度的SPEI值空间分布大致相似，以SPEI12空间分布为例(图2E)，干旱变化趋势表现为增加的区域主要分布在贵州省六盘水至兴义大部分地区、毕节部分东部区域、遵义的中东部以及铜仁西部地区，但干旱增加程度并不显著，其余地区则表现为干旱化水平降低的趋势。

3.2 贵州省植被状况的时空变化特征

由图3A可知，在基于像元的逐年NDVI时间变化序列中可看出，2001—2020年贵州省NDVI值总体上呈现出缓慢的增长趋势，年平均增速为0.32，其中年NDVI最大值出现在2016年，为0.57；年NDVI最小值出现在2005年，为0.46；多年的平均NDVI值为0.51，根据植被覆盖程度划分标准[5]，表明贵州省植被生长状况主要以中植被覆盖为主。

从多年平均NDVI的线性变化趋势空间分布(图4)可看出，当NDVI的回归系数为正时，研究区植被变化情况呈现出增长趋势，面积占比约为85.81%，其中植被显著增加的面积仅占全区域的1.31%，主要分布在贵州省毕节西部与兴义东北部；不显著增加面积为84.50%，表明研究区内的大部分植被生长速率并不显著。而植被退化面积约占研究区域的14.18%，远低于植被增长的面积占比，其中显著降低和不显著降低的面积占比各为7.94%，6.25%，集中分布在贵州省的东部和东南部地区，以凯里中部和黔南北部为主要变化区域。

图1 2001-2020年贵州省不同时间尺度下历年SPEI均值变化

图2 2001-2020年贵州省不同时间尺度SPEI干旱变化趋势空间分布

图3 2001-2020年贵州省NDVI与EVI线性年际变化趋势

图4 2001-2020年贵州省NDVI年际变化趋势空间分布

由2001年、2010年、2020年3年的NDVI空间分布(图5)情况可知，贵州省内的植被生长状况在近20 a内表现出明显的增加趋势。2001年，贵州省中低植被覆盖区所占面积约为30.54%，主要分布于研究区北部和中西部地区，以遵义的东北部和西南部、毕节西南部和东部及贵阳为主要区域；2010年，贵州省植被生长趋势发生显著变化的区域主要为黔东南地区，由中植被覆盖转变为高植被覆盖区，面积占比由2001年的2.39%增长为8.05%；2020年，全省范围内的中低植被覆盖区面积占比降低至12.65%，但中植被覆盖区由2001年的66.60%增长为2020年的77.22%及高植被覆盖区由2001年的2.39%增长至2020年的9.25%，其中高植被覆盖增长区域以西南和西北部的边缘地区为主，但总体来看东南部的植被覆盖度仍高于其他地区。

植被的生长状况在生长季内的不同月份有极大的差异性，因此选择EVI指数作为判断贵州省的月植被生长状况的指标，并分析其受气象干旱影响所表现出的响应程度。从图3B中可看出，2001—2020年的EVI值在整体水平上呈现出缓慢的增长趋势，并与年尺度NDVI的变化趋势保持一致性，都明显表现出贵州省植被生长状况在整体上趋向好转状态。由近20 a生长季各年同月份的EVI指数看，每年4月份的EVI值最低，其次为5月和10月；较高的EVI值出现在生长季的7月和8月。这与已有的关于贵州省生长季内各月植被生长状况的研究结果是保持一致的。

3.3 植被对不同时间尺度气象干旱的响应

3.3.1 年植被对SPEI12的响应 在基于空间像元的基础上，对表征年尺度的SPEI12和年NDVI进行相关性分析。如图6所示，贵州省的年植被生长状况与SPEI12在绝大部分区域内表现出显著的正相关性，面积占比为77.56%，其中显著正相关和极显著正相关的所占区域面积比为32.92%，不显著正相关为44.63%；而在仅占有整个区域面积22.44%的负相关区域中，极显著负相关和显著负相关区域面积分别为0.09%，3.31%，不显著负相关区域的占比为19.22%。以上结果表明，不同区域内植被生长状况对气象干旱的响应存在巨大的差异；除研究区北部的遵义、铜仁大部分地区，以及兴义中部和北部、贵阳南部、毕节东部和都匀东南部的边缘地区外，其余区域范围内的年尺度SPEI12与年NDVI值均表现为正相关关系，但程度不一。

图5 2001年、2010年、2020年贵州省NDVI空间分布

图6 2001-2020年贵州省NDVI与SPEI12相关系数

由于贵州省的植被类型多样，因此在基于不同土地利用类型的基础上，利用年NDVI统计出研究区草地、耕地、林地、水域、城市建设5种不同的土地利用类型，并将其与SPEI12进行相关性分析。结果显示耕地和草地对气象干旱的响应比较明显，其相关性分别为0.511，0.498；其次是林地为0.432。由此可以得出，在贵州省的干旱发展过程中应主要关注草地和耕地对于干旱的响应程度。

3.3.2 月植被状况对多时间尺度SPEI的响应 相同植被在生长季内的不同区域和月份的生长状况存在着差异性，因此对于不同时间尺度SPEI的响应也同样存在差异。基于历年生长季内的逐月EVI值与其对应像元的5个时间尺度的SPEI进行相关性分析，由得出的贵州省内各月EVI指数值与1，3，6，9，12个月时间尺度SPEI相关系数均值可知(表2)，除6月的EVI值与SPEI1，SPEI3，SPEI6共3个尺度和9月的EVI值与SPEI3，SPEI6，SPEI9，SPEI12这4个尺度呈负相关外，其余都表现为正相关关系，并且不同月份的EVI相关系数均值随着SPEI时间尺度的增加在整体上呈现出微弱的增长趋势。其中EVI与不同时间尺度SPEI的相关系数均在8月份达到最大值，并且与SPEI3的相关系数最高(r=0.559)，说明贵州省夏季植被的生长状况受干旱的影响程度最为显著，且对季尺度的干旱响应最强烈。其次，4月、5月的EVI值与各时间尺度的SPEI相关性也比较高，尤其是对于年尺度的SPEI12响应最强。

表2 2001-2020年贵州省各月EVI与不同时间尺度SPEI相关系数均值

图7为2001—2020年贵州省不同时间尺度SPEI与8月份EVI(EVI8)的相关分析空间分布。由以上结论可知8月份的EVI值与不同时间尺度的SPEI相关性最强，因此以8月份的EVI值与SPEI的5个时间尺度的空间分布为代表可知，EVI值与SPEI1，3，6，9，12个尺度的正相关区域仍占据研究区的大部分，其面积占比分别为62.52%，63.86%，63.43%，59.85%，57.87%，呈现出负相关性的区域主要分布在贵州省的西南部地区，以六盘水中东部和北部地区、兴义的北部和西南部边缘地区为主，其次为贵州省北部地区。结果表明，5个时间尺度SPEI与植被EVI的相关性空间分布和SPEI12与NDVI的空间分布特征有所差异，但大致空间分布位置仍然保持一定的相似性。

在基于不同土地利用类型的前提下，考虑分析不同植被类型的EVI值与不同时间尺度下SPEI的相关性(表3)强弱。总体来看，不同月份下的耕地、林地、草地对SEPI12的响应是最强的，其次为SPEI3和SPEI1尺度；区别在于生长季前期(4—7月)的EVI值以对SPEI12的响应为主，而生长季后期(8—10月)主要以对SPEI3和SPEI1的响应为主，表明植被的生长状况在前期主要受到年尺度干旱的影响，后期则主要以受到季尺度和月尺度的影响为主。具体来看，耕地、林地、草地均在8月份达到最大相关系数值(r耕=0.553，r林=0.543，r草=0.568)，且都是对SPEI3的响应最强，其中又以与草地的相关系数值最高。

图7 2001-2020年贵州省不同时间尺度SPEI与EVI8月的相关分析空间分布

表3 2001-2020年贵州省各月不同土地利用类型EVI对不同时间尺度SPEI最大响应

4 讨 论

本文基于贵州省MODIS-NDVI和EVI遥感影像数据，采用均值法对其进行分析研究；结果表明贵州省的植被生长状况在2001—2020年以来整体上呈现出增长的趋势，此结论与郑有飞[24]和张蓓蓓[25]等的研究结果是一致的。贵州省NDVI值由2001的0.48增加到2020年的0.52，而李威等[5]的研究结果是贵州省2001年的平均值为0.82，与本文的研究结果有所出入，其可能原因是本文采取的是平均值法获取贵州省年NDVI值而前人采用的则是最大值合成法获取相关数据，所以不同的研究方法导致了结果具有差异性。

在空间分布上，由于一系列生态工程的实施如“石漠化综合治理”“退耕还林还草”“水土流失防治”等，贵州省境内部分地区植被生长状况得到了极大改善；其中贵州省西部地区、黔西南地区及北部地区等通过退耕还林还草、封山育林及石漠化综合治理等措施的综合整治后，植被覆盖度有了显著的提升，水土流失现象明显好转[26-27]；而原有植被覆盖率较高的黔中和黔东南地区由于人类活动和城市化扩张等行为和政策，使原来的高植被覆盖区遭受了一定的破坏，呈现出植被覆盖率降低的趋势，这与刘阳[18]、吴跃[19]等的研究结果是一致的。

近20 a来，不同时间尺度下的SPEI值都呈现出缓慢增加的趋势，表明贵州省的干旱程度有所减缓，这与以前的研究成果[28]也较为一致。贵州省在生长季内的植被指数NDVI，EVI变化对不同时间尺度干旱的响应在总体上是呈现出正相关的，这与已有的研究结果[28-29]也是一致的；但由于他们选择的是整个西南片区，与本文的研究区范围大小及地形有所不同，导致研究结果存在一定的差异性。除此之外，贵州省的不同植被类型对各时间尺度的SPEI响应程度在不同的地域范围内有所差异，且贵州省的草地对不同时间尺度下的SPEI响应最强，其结果与史晓亮[30]及孔冬冬[31]等的研究结果是相似的，因为草地具有抗旱性较弱的特点，且人工草地及其他活动可加剧土壤水土流失[32]。

在本研究中，仅关注了气象干旱中不同植被类型等因素对各时间尺度SPEI的响应程度，还未考虑到地形地貌及其他干旱以及人类活动等因素的影响，并且贵州省属于典型的喀斯特地区，地下结构复杂多变，因此考虑基于更多方面的因素在贵州省植被对干旱的响应是下一步需要研究的重点内容。

5 结 论

(1) 贵州省自2001—2020年以来，基于5个不同时间尺度(1月、3月、6月、9月、12月)下的SPEI在整体上呈现出逐渐增加的趋势，随着时间尺度的增加SPEI增长速率越快，最高达到2.78%/a，总体表现为干旱化态势减弱而湿润化增加的趋势。分析干旱空间分布特征可知，干旱程度表现为增加区域的是贵州北部，即遵义和铜仁地区，以及黔西南六盘水和兴义地区。

(2) 贵州省2001—2020年的植被指数年NDVI与生长季内月EVI均值都呈现出缓慢增加的趋势。在2001—2010年的时间段内植被明显改善区域为贵州省的黔东南地区；在2010—2020年内植被改善显著区域为贵州省西南及西北部的边缘区域。

(3) 年NDVI与SPEI12和不同时间尺度下的SPEI与生长季内各月份EVI的相关性在贵州省内的大部分地区均呈现出不同程度的正相关。从整体来看，贵州省的植被在黔西南和北部地区对干旱的响应最强烈，其次为贵阳和毕节东部地区。年尺度上，响应最强的地区为贵州省遵义中东部和铜仁北部及兴义北部和毕节东部地区，且表现为草地和耕地对干旱的响应程度最大，其次为林地。月尺度上，夏季8月份的EVI值与SPEI3的响应最强，其次是4月、5月份的EVI值对SPEI12的响应较强；从空间分布来看，EVI与不同时间尺度SPEI的空间分布特征也与年NDVI和SPEI12的空间特征相似；而在不同的植被类型中，生长季内的8—10月为草地对SPEI3响应最强。