中亚地区植被对气候变化的响应机制初探

吴林霖，王思远，马元旭，杨瑞霞，官云兰，海凯，刘卫华

1.东华理工大学 测绘工程学院,南昌 330013;

2.中国科学院空天信息创新研究院 数字地球重点实验室,北京 100094

1 引 言

植被对全球碳氧平衡、水循环以及水土保持起着重要的作用，是构成全球陆地生态系统的重要环节（Elvidge 和Chen，1995；Rasmussen，1997；Tucker 等，1986）。作为陆地水文循环的重要组成部分，植被分布格局与时空演化同样影响地表能量收支、转换和分配（Cao 和Woodward，1998；Wu等，2017；Zoran 等，2016）。遥感卫星对地表的长期观测为不同时空尺度下植被变化的监测提供了数据源（Huete，2016），归一化差值植被指数NDVI对植被稀疏区域较敏感（王怡和檀艳静，2014；Testa 等，2014），其空间分布能反映植被覆盖情况（Chu 等，2019），被广泛应用于区域或全球尺度的植被监测等相关研究（Piao 等，2011）。

气候是影响植被生长的关键要素，植被活动及年际间的变化都受到气候变化影响，尤其在全球变暖的大背景下（Chen 等，2020；马明国等，2006；王长耀 等，2009；李琳和李宜垠，2021）。降水与温度是驱动植被变化的重要气候因子，水热条件的差异会对植被生理机能和分布密度产生重要的影响，进而使得植被结构产生变化（He等，2015；范泽孟 等，2019；李琳和李宜垠，2021）。气温升高能够增强植被光合作用，如北半球中、高纬度地区（Zhou 等，2003）；降雨是土壤水分的主要来源，它能改变土壤通气条件，增加土壤湿度，且降水季节模式的差异会产生时间延迟（He 等，2015；Jiapaer 等，2015）。监测植被动态并分析其对气候变化的响应是研究全球气候变化的常用方法（Yin 等，2016；Zhu 等，2019），例 如Tang 等（2017） 使 用SPOT VEGETATION−NDVI数据验证了石羊河流域植被在气候变化下的时间响应；Quetin和Swann（2017）在全球尺度上研究气候变化的梯度上升趋势对植被的影响，并结合气候因子与NDVI 建立经验模型分析不同气候变化下植被的敏感性；Kang 等（2014）利用地理加权回归模型探究NDVI 与降水之间相关性的空间格局；白淑英等（2012）应用GIMMS NDVI 数据结合地形特征分析长江流域植被对降水与气温的滞后效应；高江波等（2019）以GIMMS NDVI 数据和地理加权回归方法综合探究多种气候因子与植被时空分布动态规律之间的关系。

中亚地区连接着欧洲与东亚，是欧亚大陆的重要枢纽，同时也是“一带一路”的重要区段。该地区地理条件复杂、植被稀疏、土壤水分含量低，包含全球最大的非地带性干旱区，其生态环境也较为脆弱，对气候变化十分敏感（Cowan，2007）。近百年来，中亚地区呈现明显的气候变暖趋势，且季风边缘区的干暖化最为显著，气候变化存在地域差异性（Chen 等，2009；Wang 等，2010）。植被生态系统常处于季节性或间歇性的水资源缺乏状态，极易受到气候变化的影响（Liu 和Piao，2013）。目前已有不少学者开展中亚地区植被生态系统对气候变化的响应研究，Yin等（2016）应用经验正交函数以及最小二乘原理分析了中亚地区植被的动态变化及其对气候变化的相关性，并从地形、生态体系角度探讨降水、气温对植被变化的影响；Propastin 等（2008） 基于GIMMS NDVI数据分析中亚地区年际、季际的植被变化情况及其与降水、气温的相关关系，并发现气温升高是春季NDVI 变化的主要影响因素；Kong 等（2017）研究北半球生长季植被对气候变化存在的季节性响应，发现里海地区夏季植被的褐变主要受到水分胁迫的影响；Lamchin 等（2018）应用GIMMS NDVI 数据与CRU 气象数据开展对中亚地区长时间序列的相关分析，发现蒸散发和气温的升高通常伴随着植被绿度和降水的减少，并认为气温是哈萨克斯坦植被绿度变化的主导因子。前人对中亚地区的研究多关注于植被空间格局以及气候变化对植被生长趋势的影响，选用的数据多强调长时间序列上的变化情况，空间分辨率上可以继续更新；植被对气候变化的响应机制和时滞效应仍需探讨，且区域典型植被对气候因子的敏感性以及时间响应存在的区域差异性还需进一步明确。

鉴于此，本文应用2000年—2013年的MODIS−NDVI 数据分析植被的时空动态变化，结合全球高分辨率气候再分析数据在像元尺度上进行相关分析和滞后分析；同时，在不同典型植被和生态分区的基础上了解NDVI 与气候因子的响应机制和空间差异性。本文的研究目标包括：（1）中亚地区NDVI、气候因子的变化状况；（2）NDVI与气候因子的相关关系；（3）NDVI对气候因子的时滞效应；（4）典型植被类型与生态分区NDVI对气候因子的响应差异。了解长期气候变化对中亚地区陆地生态系统存在的潜在影响以及探究中亚地区不同典型植被的响应机制，对干旱区植被生态系统在全球气候变化下的响应有着重要的意义，并为不同典型植被应对极端气候的生态环境保护等工作提供信息支持。

2 研究数据与方法

2.1 研究区概况

研究区包括吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦、乌兹别克斯坦、哈萨克斯坦、阿富汗和中国新疆维吾尔自治区，经纬度为20°—60°N，40°—100°E。该区域深处欧亚大陆腹地，总体地势呈东南高、西北低；东南方向为海拔6000 m 以上的阿尔泰山、天山、帕米尔高原和兴都库什山脉，其中帕米尔高原为中亚的制高点，西部为图兰平原和里海沿岸平原，北部为哈萨克丘陵（de Beurs等，2015）。中亚地区是温带沙漠、草原的大陆性气候，降雨稀少，年降水量在300 mm 以下，受地中海气候的影响，冬春季降水量大于夏秋季的降水量，并且自东向西逐渐减少（von Wehrden 等，2010；Cowan，2007；Buslov 等，2007）。温度变化强烈，昼夜温差可达20—30 ℃，夏季平均气温从北到南在20 ℃和30 ℃之间，冬季中亚地区的平均气温低于0 ℃，从北部到南部气温由零下20 ℃到2 ℃过渡，但南部的土库曼斯坦和乌兹别克斯坦的冬季平均气温在5 ℃左右（Lioubimtseva 和Henebry，2009）。中亚地区年平均蒸散发量为介于190—352 mm之间，蒸散发量较高的区域集中于中亚北部和东部以及帕米尔高原区域，中部次之，西部最低（阮宏威和于静洁，2019）。沙漠、草原和裸地覆盖了大部分区域，中亚北部有一个广泛的过渡地带，包括半沙漠、灌木丛、草地和森林，灌溉农业主要分布在河流沿岸；半荒漠和草原地区主要为牧场，雨养农业则分布北部的湿润地区（Chen等，2019）。

2.2 研究数据及预处理

NDVI 数据选用来源于Level−1 and Atmosphere Archive & Distribution System Distributed Active Archive Center （LAADS DAAC）的MODIS NDVI 16 d合成产品MOD13A2，该数据集经过辐射校正、几何精纠正等预处理，空间分辨率为1 km，时间分辨率为16 d。本研究时间跨度为2000 年2 月—2013 年12 月，使用MODIS Reprojection Tool（MRT）软件对MODIS−NDVI 数据进行拼接，并转换为Albers 等面积圆锥投影，再由ArcGIS 裁剪出研究区范围的影像。采用最大值合成法计算月值植被指数，进一步消除大气、云、太阳高度角等因素的影响（Holben，1986），并且对2003 年1—4 月的NDVI 条带缺失数据进行插补。NDVI 值小于0.1 的区域植被覆盖较稀疏，本文选取NDVI值大于0.1的区域进行后续计算，去除土壤因素对研究结果的影响（Piao 等，2006），最后利用Savitzky−Golay 滤波方法对NDVI 数据集降噪，减少云、雪等噪声的影响，构建高质量的NDVI 时间序列数据（Chen等，2004；边金虎等，2010）。本文以两种时间间隔建立数据集：（1）以16 d 为间隔建立16 dNDVI数据集用于滞后分析的计算；（2）以月为间隔建立月值NDVI数据集用于相关分析计算。

气象数据为CHELSA （Climatologies at High Resolution for the Earth’s Land Surface Areas）1.2 版本气候再分析数据集，具有30"的空间分辨率，提供由1979 年—2013 年的长时间序列数据集，坐标系统为WGS−84，数据格式为TIFF 格式（Karger等，2017）。本文选用2000 年—2013 年的月降水数据集（月累计降水）和月平均气温数据集，重采样为1 km空间分辨率以匹配NDVI数据，对其进行拼接、裁剪，投影坐标转换为Albers等面积圆锥投影。

本文以全球陆地生态分区数据为地理单元（Olson 等，2001），通过统计不同生态分区的结果来探讨植被对气候的响应模式，生态分区具体类别及空间分布如表1 和图1（b）所示。土地利用/覆盖数据为欧洲空间局（European Space Agency）制备的CCI−LC地表覆盖类型产品，数据具有300 m空间分辨率；对该数据进行裁剪及投影转换后，将其重采样为1 km 空间分辨率以匹配MODIS−NDVI数据。考虑到土地利用变化对研究结果的影响，使用2005年和2010年CCI−LC数据分别提取2000年—2008 年、2009 年—2013 年间的典型植被类型。本文选取7类中亚地区主要的土地利用/覆盖类型作为典型植被类型，详细描述及空间分布见表2 及图1（a）。

表2 中亚地区主要土地利用/覆盖类型Table 2 Land cover/use class of Central Asia

图1 中亚地区土地利用/覆盖类型及生态分区Fig.1 Land use/cover and terrestrial ecoregion of Central Asia

表1 中亚陆地生态分区Table 1 Terrestrial ecoregion of Central Asia

2.3 研究方法

2.3.1 回归分析

应用最小二乘原理在像元尺度上计算2000年—2013年NDVI、降水和温度像元与时间的线性拟合参数，并以斜率正负值表示变化趋势，斜率正值表示上升趋势，斜率负值表示下降趋势，显著性水平为p<0.05。斜率计算公式如下（索玉霞等，2009）：

式中，slope为单个像元回归方程的斜率；N为时间序列数据集时长（N=14）；i为第1—N年的年序号；xi为第i年NDVI 年平均值或降水/温度的年平均值。

2.3.2 时间序列相关性分析

计算月平均NDVI 时间序列数据集与对应月降水/月平均气温数据集之间的线性皮尔逊相关系数，以相关系数的大小来衡量NDVI 对降水/温度之间的线性相关性强弱（Jiang 等，2017；Tang 等，2017），计算公式见式（2）。考虑到不同植被类型对降水、温度的响应存在的差异，利用CCI−LC 数据提取不同典型植被类型NDVI 对气候因子的相关关系，进一步分析其对气候因子的相关性。

式中，r为皮尔逊相关系数；x，y分别为NDVI 和气候因子（降水/气温）时间序列数据集；N为元素个数；xk和yk分别为x和y的第k个元素；xˉ和yˉ分别表示x和y的平均值。

滞后分析采用时滞互相关的方法，计算NDVI数据集与对应气候数据集之间的互相关系数。温度与冰雪覆盖、融雪时间等关系紧密，进行相关分析时考虑了全时间段的温度变化对植被活动的影响；春季降雨量对后续季节的植被生长具有一定影响，滞后分析同样使用全时间段的NDVI 数据集参与计算。参考Gessner 等（2013）的时滞分析方法并采用两种方式分析植被时滞响应：（1）以16 d 为时间间隔，以累积16 d 滞后0—96 d 来分析滞后时长，以滞后0 d 累积16—96 d 来分析累积时长；（2）为便于分析涵盖0—96 d 的不同植被类型的时滞响应结果，以月为时间间隔（1—3 个月）在像元尺度上求出对应共9 种组合的互相关系数，其中累积时长取累积时段的平均值参与计算。计算公式如下：

式中，x，y分别表示NDVI 与气候因子（降水/气温）时间序列数据集，N为x，y的元素个数，L为时滞距离，Pxy（L）表示时滞距离为L时x与y的互相关系数，xk和yk分别为x和y的第k个元素，xˉ和yˉ分别表示x和y的平均值。

2.3.3 显著性检验

在进行回归分析与相关分析前，应用假设检验来检验气候因子、NDVI 于时间序列上的显著性以及气候因子与NDVI 之间的显著性，剔除线性关系不显著的像元。采用T检验方法，以气候因子时间序列与对应NDVI 时间序列进行显著性检验，显著性水平为p<0.05，计算公式如式（5）所示。

式中，T为检验统计量，xi和yi分别为参与计算的数据集x和y的第i个元素，N和M分别为数据集x和y的元素个数，xˉ和yˉ分别为数据集x和y的平均值。

3 结果分析与讨论

3.1 NDVI和气候因子空间格局分析

3.1.1 NDVI空间分布格局

植被指数可用于检测地表覆盖的变化，且NDVI 的空间分布通常能反映一定的植被覆盖情况（Chu 等，2019；陈云浩 等，2002）。通过逐像元计算2000 年—2013 年间的NDVI 年均值及其线性拟合参数了解植被分布状况及变化趋势（图2）。中亚地区植被较稀疏，NDVI 值普遍偏低，总体呈现出高海拔向低海拔减小趋势，NDVI 值较高的像元集中在山区以及河流、湖泊沿岸，比如天山、额尔齐斯河沿岸、帕米尔高原西部、哈萨克斯坦北部草原带、斋桑泊以及喀布尔河流域。2000年—2013 年间，哈萨克斯坦分布有大量下降趋势的像元，集中在北部、南部的草原带，乌兹别克斯坦北部、土库曼斯坦南部的NDVI 同样呈下降趋势；新疆塔里木盆地边缘、准噶尔盆地区域的NDVI 显著上升。施雅风等（2003）的研究报道，新疆冰川消融量、平均年径流量均有显著增加，且新疆西部、北部、南部及和田附近的植被有明显改善，气候变化及人为因素对植被的改善具有决定性作用，同时Zhao 等（2011）的研究发现随着时间的推移，塔克拉玛干沙漠一些地区已经显示出绿化的趋势；阿富汗南部、土库曼斯坦中部植被均呈显著上升。植被总体趋势与Xu 等（2017）对欧亚大陆植被生长趋势的结果基本一致，该研究发现在1982 年—2013 年间阿富汗、东亚地区处于生长季的植被存在较大范围上升趋势的像元聚类，乌兹别克斯坦北部和哈萨克斯坦北部则分布有下降趋势的像元聚类。此外，Jiang 等（2017）发现在喀喇昆仑山脉、克孜勒库姆沙漠、乌斯秋尔特高原和阿姆河湿地三角洲的植被退化比其他地区更为严重。

图2 2000年—2013年间NDVI空间分布格局及变化趋势Fig.2 The spatial pattern and trend of NDVI in period of 2000—2013

3.1.2 降水/温度空间分布格局

图3 为2000 年—2013 年间年平均月降水/温度的空间格局和变化趋势。总体而言，2000 年—2013 年间降水/温度的变化趋势及分布状况具有空间异质性。其中，图3（a）和3（b）显示降水空间分布呈现由中亚东部到西部递减，且随着海拔降低，降水量随之减小；下降趋势的像元集中在与里海接壤区域、哈萨克斯坦北部的乌拉尔河沿岸平原以及东北部的哈萨克丘陵区域、土库曼斯坦南部的卡拉库姆运河沿岸、乌兹别克斯坦与咸海接壤区域、吉尔吉斯斯坦以及新疆东部；降水量上升趋势显著的像元集中在阿富汗东部、塔吉克斯坦以及哈萨克斯坦巴尔喀什湖南部区域。Lioubimtseva 和Henebry（2009）发现自1960 年以来，里海和咸海的降水量明显下降，但哈萨克斯坦、乌兹别克斯坦和土库曼斯坦的主要绿洲（如乌尔甘奇（Urganch）、布哈拉（Bokhara）、托什干河（Taushgan）、穆尔加布河（Murgab）、捷詹河（Tedjen）和阿什哈巴德（Ashgabat））附近出现了降雨量上升的趋势，这一现象可能与人类活动引起的当地气候变化有关。

图3（c）和3（d）表明，温度分布在空间上由西部到东部递减，新疆则是由中部向外部递减。年平均温度呈下降趋势的像元集中在阿富汗中部、新疆的塔里木盆地、哈萨克斯坦的巴尔喀什湖沿岸、额尔齐斯河流域以及咸海流域；温度上升趋势明显的像元集中在南疆昆仑山脉区域、里海接壤区域以及哈萨克斯坦西北部的乌拉尔河沿岸平原。大量研究表明，近十几年来中亚在全球变暖的影响下存在显著的气候变化，主要表现在大多数地区的降水减少和温度升高（de Beurs 等，2015；Lioubimtseva 等，2005；Lioubimtseva，2015；Xu 等，2016；Syed 等，2006）。

图3 2000年—2013年间年平均月降水/温度的空间格局和变化趋势Fig.3 The spatial pattern and variation trend of the mean annual precipitation/temperature in period of 2000—2013

3.1.3 NDVI/气候因子的年际及季际变化

通过统计NDVI、降水、温度在不同年份不同季节的平均值来了解植被/气候的年际变化和季节变化，参考殷刚等（2017）对中亚四季的划分，以春（3—5 月）、夏（6—8 月）、秋（9—11 月）、冬（12—次年2 月）分别统计NDVI/气候因子的平均值，结果如图4所示。中亚地区春季降雨量高的年份对应的温度偏低；夏季持续高温且降水量年际波动较大；秋季温度比春季稍低且降水年际变化大；冬季气温均低于0 ℃，但降水偏高，NDVI存在随温度变化而变化的趋势，其他季节未发现相同规律。Zhou 等（2015）的研究发现中亚干旱区温度升高可能会导致植被显著增加，但Jiang 等（2017）的研究报道气温的长期升高会抑制不同类型植被的光合作用，使得夏季植被的绿化率下降，且春季和夏季降水对旱作作物有较强的影响。结合年际/季际NDVI/气候因子的变化情况发现NDVI在2003 年冬季存在明显增幅、2008 年各季节均明显下降，且在夏季降幅更为明显，这可能与2008 年夏季干旱有关。相关研究同样证实了这点，Xu 等（2016）的研究表明中亚地区于2003 年为特湿润年份，2006年、2008年、2010年为干旱年份；Guo 等（2018）的研究报道中亚2000 年、2001 年、2002 年、2005 年、2007 年、2008 年间均发生过干旱事件，持续时长在4—9 个月，其中2008 年的干旱由4月持续到8月。

图4 年际、季际植被/气候因子的变化情况Fig.4 Inter−annual and seasonal variation of NDVI and climate variable

3.1.4 不同生态分区的NDVI/气候因子变化

通过计算5 类生态分区13 年间NDVI 和气候因子的平均值得到图5，了解不同生态分区的变化情况。不同生态分区的NDVI 和气候因子差异显著，但在时间尺度上的变化幅度较小。高寒草甸区年平均降雨量高、年平均温度最低，在0 ℃上下波动，NDVI 值在0.2 上下浮动；荒漠区气候干旱、降雨稀少、植被稀疏，年平均气温最高，多年月平均降水量和NDVI 年平均值最低，平均降雨量都在20 mm 以下。草原区与森林区多年平均降雨量和年平均NDVI 普遍偏高，年平均温度草原区稍低，植被覆盖和降水条件较好。

图5 2000年—2013年生态分区年平均降水/温度/NDVIFig.5 The annual mean precipitation/temperature/NDVI of terrestrial ecoregion in period of 2000—2013

3.2 NDVI变化与气候因子的相关性

3.2.1 NDVI变化与降水/温度的相关性分析

根据时间序列相关性分析，计算2000 年—2013 年间的皮尔逊相关系数平均值得到图6。如图6（a）所示，中亚地区NDVI 对降水主要存在显著正相关关系，正相关的像元分布在海拔较高的地区，如新疆北部的天山山区、哈萨克斯坦北部的大草原与雨养农业过渡带及哈萨克丘陵区域；少量分布于新疆南部昆仑山脉以及哈萨克斯坦南部、乌兹别克斯坦南部、阿富汗北部与帕米尔高原相接区域；殷刚等（2017）同样发现在中亚中海拔山区NDVI 与降水呈显著正相关。该区域植被所需的水分主要由自然降雨提供，降雨量较高且温度相对适中，水热条件相对较好，主要为草原、灌丛等根系较浅的植被类型，受降水影响较大（Jiang 等，2017）。负相关的像元主要分布在中亚南部、中部相对湿润的地区以及河流、湖泊沿岸，比如土库曼斯坦的卡拉库姆运河沿岸、与乌兹别克斯坦交界的阿姆河沿岸、阿富汗南部的阿尔甘达卜河和喀布尔河沿岸以及哈萨克斯坦的锡尔河沿岸；天山西段区域、帕米尔高原区域、兴都库什山脉区域以及哈萨克斯坦与天山接壤区域的NDVI 对降水呈负相关关系，该地区年平均降雨量高但气温偏低，过多的降雨导致温度急剧下降、土壤水分过于饱和抑或是云量增加减少了入射辐射量，减弱植被的光合作用进而抑制了植被的生长，使得植被与降水呈负相关（宋怡和马明国，2008）。

图6 2000年—2013年NDVI与气候因子的平均皮尔逊相关系数Fig.6 The average of Pearson correlation coefficient between NDVI and climate variables in 2000—2013

不同地域的荒漠/半荒漠区NDVI对降水的相关性差异十分明显，土库曼斯坦南部与阿富汗接壤区域、哈萨克斯坦中部及新疆塔里木盆地边缘的荒漠/半荒漠区NDVI 与降水呈显著的正相关关系，而哈萨克斯坦西部与乌兹别克斯坦接壤区域、新疆东北部和乌兹别克斯坦中部的荒漠/半荒漠地区NDVI 对降水的相关性较低，且新疆准噶尔盆地区域NDVI 与降水呈轻微负相关关系。Camberlin 等（2007）的研究同样发现于非洲干旱区（年降雨量<150/200 mm）的NDVI 与降水存在极低的相关性，且认为该结果与低植被覆盖度或是缺乏植被覆盖有关，结合图2（b）NDVI 年平均值的空间分布发现相关性较低的荒漠/半荒漠区的NDVI 值偏低，低NDVI 值区域受裸土影响大、信噪比低且可能因为大气效应存在一定偏差。极度干旱区植被与降水的相关性即使呈低相关/负相关也不能排除其对降雨的敏感性，其他胁迫因素仍有待发现（Gessner 等，2013）。

如图6（b）所示，中亚地区总体上的NDVI与温度的线性相关性显示为东部、北部较湿润地区相关关系显著，西部干旱与半干旱地区相关性较低，少部分为负相关。相对干旱的中亚西部地区，温度升高会增加蒸散发量使得水分亏缺更为严重，而相对湿润的地区，气温的升高能够促进植物的光合作用，对植被生长起着正向作用（Epstein 等，1997；Bai 等，2019），Zhu等（2019）的研究同样发现在中国北方的干旱/半干旱区，温度对NDVI的正向影响随着干旱程度的增加而减小。对植被光合作用而言，湿润区域水分相对充足，温度则成为植被生长的限制因子（索玉霞等，2009；宋怡和马明国，2008）。新疆大部分地区NDVI 对温度存在较高的正相关关系，准噶尔盆地及帕米尔高原北端分布少量低相关性的像元。前人对新疆地区的研究与本文的研究结果相一致，宋怡和马明国（2008）的研究发现在1982 年—2003 年间新疆天山段的植被对温度呈正相关，准噶尔盆地区域呈负相关；杜加强等（2015）的研究发现1982 年—2012 年间新疆生长季植被NDVI 与温度呈正相关的区域占65%，以正相关为主。哈萨克斯坦除南部和西北部的沙漠地区NDVI 对温度相关性较低之外，东部草地与雨养农业过渡带对温度的正相关性显著；乌兹别克斯坦和土库曼斯坦的荒漠及半荒漠地区范围广，对温度的相关性极低甚至为负相关，仅在阿姆河与咸海沿岸区域的NDVI 对温度呈正相关；吉尔吉斯坦、塔吉克斯坦地区以及阿富汗中部区域的NDVI 对温度的相关性较高。该区域海拔高，坐落有兴都库什山脉、天山山脉以及帕米尔高原，气候相对湿润，植被对温度变化更为敏感（陈福军等，2011）；荒漠地区呈负相关或是相关性不显著。

3.2.2 不同典型植被NDVI对降水/温度的相关性分析

Xu 等（2016）发现中亚地区不同植被类型对干旱和湿润年份反应存在一定差异，为了解不同典型植被对气候变化的相关性，使用2005 年和2010 年CCI−LC 数 据 分 别 提 取2000 年—2008 年、2009 年—2013 年间不同地表类型的NDVI 值。图7显示，雨养农业对降水的相关性最高并且对温度的相关性也较高，雨养作物依赖降水生存，其绿度随着降水的减少显著下降，说明雨养农业易受极端天气等气候灾害的影响（de Beurs 等，2015）；落叶阔叶林对气温和降水的相关性差异较大，对温度的相关性稍高，常绿针叶林对降水和温度的相关性都较高，对温度的相关性高于降水，树木群落冠层截留对水分的存储以及根系对深层土壤水分的获取，能够减弱浅层土壤的水分亏缺对其生长的影响，因而对降水的相关性稍低（Huber等，2011）。Mainali 等（2015）的研究也发现喜马拉雅山中段林地对温度的相关性高于降水；常绿针叶林对降水的相关性强于落叶阔叶林，与Jiang等（2017）的研究一致。Barber等（2000）的研究发现温度引起的干旱胁迫对树木活动的限制大于灌木，在本研究中落叶阔叶林对温度的相关性明显高于灌木树木混合区，常绿针叶林则与灌木树木混合区相似；灌溉农业与降水的相关性极低，多位于河流沿岸，所需水分来源于灌溉设施以及上游地区的降水、融雪等（Gessner 等，2013）。草地与降水/温度的平均相关系数最大值都能达到0.8，其数值分布跨度最长，这是由于草地受不同季节降水和温度变化的影响的引起的，且草地由于根系较浅，对夏季降水的响应十分敏感，甚至超过森林和荒漠地区（Propastin 等，2008）。灌木树木混合区对降水和温度的相关性都较高，灌木区的土壤难以长期保持水分，植被受到气候变化的影响较迅速（Jiang 等，2017）。裸地植被覆盖稀疏，对温度和降水的敏感性都低。

图7 不同典型植被NDVI与气候因子的平均皮尔逊相关系数Fig.7 The mean Pearson correlation coefficients between NDVI and climate variables for different typical vegetation

3.3 NDVI对气候因子的时间响应

3.3.1 NDVI对降水/温度的滞后时长

植被生长一般在夏季达到峰值，而春季的降水量为全年最大，由于这种植被生长与降水季节模式的差异会产生时间延迟（李晓兵和史培军，2000；朴世龙和方精云，2003；孙红雨等，1998）。为了解中亚地区植被对降水/温度的响应模式，通过计算像元尺度的NDVI 与降水/温度的互相关系数，得到时间跨度为13 年累积时长与滞后时长的植被响应结果。

图8（a）为NDVI 对降水响应的滞后时长分布，中亚大部分地区NDVI 与降水之间存在32 d 的滞后时长，在土库曼斯坦中部、乌兹别克斯坦中部以及哈萨克斯坦西部的荒漠与半荒漠地区的滞后时长0—16 d；吉尔吉斯斯坦以草地为主要的植被类型，对瞬时降水的响应明显，存在0—16 d 的滞后时长；帕米尔高原区域（塔吉克斯坦）和阿富汗中部兴都库什山脉植被滞后时长则为64—96 d不等，该地区海拔高、降雨量高，且降雨易伴随气温骤降的情况，植被类型多为高寒草甸、高寒草原及灌丛等，冬季长期覆盖积雪与冻土，使得春季升温速度缓慢，对植被物候存在一定影响，进而延缓植被生长季开始时期，增加了滞后时长（Zhang 等，2019；Kariyeva 和van Leeuwen，2012）。哈萨克斯坦的巴尔喀什湖南部和锡尔河沿岸、土库曼斯坦的卡拉库姆运河沿岸以及阿姆河沿岸的植被对降水的滞后时长为96 d。Nezlin 等（2005）的研究同样发现阿姆河上游以及锡尔河沿岸区域的植被NDVI对3—4月滞后时长的降水存在显著正相关。

图8 中亚地区NDVI对气候因子的滞后时长Fig.8 The lag period of NDVI to climate variables

图8（b）为NDVI 对温度响应的滞后时长分布，中亚地区NDVI 对当期的温度相关性较高，主要为哈萨克斯坦、新疆、吉尔吉斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦中部，仅哈萨克斯坦、土库曼斯坦、乌兹别克斯坦三国与里海接壤区域以及卡拉库姆运河南部的NDVI对温度的滞后时长由32—96 d 不等。该区域植被类型多为灌溉农业，流域耗水量与蒸散发量大，温度直接影响蒸散发，使得河流沿岸的水汽转换以及土壤湿度产生变化，并且Xu 等（2018）的研究发现蒸散发对植被存在显著的影响，可能会对温度响应的滞后时长产生影响。但本文的研究未涉及蒸散发对植被时滞模式的直接影响，对该区域温度的滞后时长的解释存在限制，原因仍需深入探索。

3.3.2 NDVI对降水/温度的累积时长

图9（a）为滞后0 d 的累积16—96 d 降水响应时长分布，中亚地区累积时长空间分布差异较大，存在16—96 d 不等的累积时长。大部分NDVI 对96 d 的降水累积时长具有较强的相关性，主要为阿富汗、塔吉克斯坦、吉尔吉斯坦的植被覆盖区域；乌兹别克斯坦和土库曼斯坦地区植被的累积时长由48—96 d 不等。哈萨克斯坦北部和新疆地区的植被对累积降水时长空间差异较大，累积时长从16—64 d 不等。位于河流沿岸以及山区的植被对降水通常存在较长的累积时长，由于研究时长的限制，并不意味着NDVI 对累积96 d 的时长的降水相关性最高，存在对更长累积时长高相关性的可能（Gessner 等，2013）。

图9 中亚地区NDVI对气候因子的累积时长Fig.9 The cumulative period of NDVI to climate variables

图9（b）为滞后0 d 的累积16—96 d 温度响应时长分布，NDVI 与温度之间主要为16—48 d 的累积时长。中亚地区NDVI 对累积16 d 的温度相关性较高，对温度累积时长较长的植被主要位于河流、湖泊沿岸。哈萨克斯坦北部的额尔齐斯河以及南部的巴尔喀什湖与锡尔河部分地区的植被存在32 d的温度累积时长；乌兹别克斯坦、土库曼斯坦与阿姆河交界处主要存在48 d的累积时长；新疆对温度累积时长在空间上具有一定差异性，由16—80 d不等。

3.3.3 不同典型植被NDVI对降水的时间响应分析

不同典型植被NDVI 对降水具有不同的时间响应，根据土地利用/覆盖类型对9 种时滞组合结果进行掩膜，得到像元尺度上7种不同典型植被类型的9 组时滞结果，见图10。不同典型植被对降水的时间响应存在显著差异。裸地区域植被稀疏，对降水的9 组时滞结果的相关系数都较低且变化不大；落叶阔叶林与常绿针叶林对累积降水时长为3 个月的相关系数较高，这是由于树木根系以及冠层截留存储了大量水分，随着时间的推移树木所存储的水分逐渐被释放，延长累积时长，且森林区的土壤能够储存大量的水，这些水分可以在较长时间内重新利用，避免受到瞬时干旱的影响（Jiang 等，2017；Huber 等，2011）；草地对当月的当期降水（lag0）的相关性较高，Holmgren 等（2006）的研究证实在干旱和半干旱地区的生态系统中草本植物由于其生长能力旺盛能够由种子快速生长萌发，因此对当期降水的响应非常迅速；雨养农业与灌溉农业对降水的时间响应模式差异较大，雨养农业依赖于降水提供的水分，对滞后0—1 个月的降水组合相关性较高；灌溉农业相较于累积1 个月的时滞组合对累积时长为2—3 个月的降水相关性较高。

图10 不同土地利用/覆盖类型NDVI与降水因子的平均互相关系数Fig.10 The mean cross correlation coefficient between NDVI and precipitation for different land use/cover type

3.3.4 不同典型植被NDVI对温度的时间响应分析

图11 为7 种不同典型植被类型NDVI 对温度的9 组时滞组合结果。裸地对9 组时滞组合的响应差异不大，其他植被类型对温度的时间响应基本一致，对当月温度相关性较高，滞后月份越长相关性越低，但随累积月份的增加相关性逐渐上升。落叶阔叶林、灌木树木混合区域以及雨养农业类型的NDVI 对温度的时滞结果相似，对当月温度（lag0）相关系数的最小值均大于0.5，说明该3 类植被类型对温度的相关性高且响应十分迅速，且Jiang 等（2017）的研究发现温度升高通常会增加地表水的蒸发，限制植被的生长，尤其是灌木和稀疏植被的生长。灌溉农业与常绿针叶林对累积2个月的时滞组合相关性较高；草地对滞后1—2 月的温度相关性较高。

图11 不同土地利用/覆盖类型NDVI与温度因子的平均互相关系数Fig.11 The mean cross correlation coefficient between NDVI and temperature for different land use/cover types

3.3.5 不同生态分区NDVI对降水/温度的时间响应

通过统计5 类生态分区内NDVI 对降水/温度的时间响应结果得到图12，以各生态分区lag16—96 d 的各滞后时长像元个数占该区域总体像元个数的百分比来分析不同生态区域的植被响应差异情况。荒漠区的植被稀疏，NDVI 对降水以32 d的滞后时长为主，占比为58.55%；森林区NDVI最长滞后时长与累积时长为96 d，分别占区域内总体像元38.76%、68.71% 的比例；高寒草甸区34.16%的像元存在96 d 滞后时长，对温度主要为16 d 滞后时长以及32 d 累积时长，该区域为高寒山区，雨水充沛、气温偏低，冬季易有积雪冻土，对植被物候存在一定影响，进而延后植被生长季开 始 时 期（Zhang 等， 2019； Kariyeva 和van Leeuwen，2012）；半荒漠区与草原区NDVI 对降水累积时长与滞后时长都较短。

图12 不同生态分区NDVI对气候因子时间响应的占比情况Fig.12 The percentage of the temporal response of NDVI to climate variables in different terrestrial ecoregions

3.4 研究局限与不足

需要说明的是，本文在进行时间序列相关分析时选取固定阈值（NDVI 值大于0.1）构建NDVI 时间序列数据集，但NDVI每年大于0.1的像元分布可能不同。已有不少学者在趋势分析中尝试分段回归分析方法提取植被生长趋势转折点，能够得到符合长时序植被变化趋势的线性拟合（de Jong 等，2012；Kong 等，2017；Xu 等，2016），考虑到研究时长稍短，选用一元线性回归方法研究植被及气候的时空变化，该方法分析变化趋势可能会受到起始时间选择以及离群值的影响达不到最佳拟合（Eslamian 等，2011），但在相关植被、气候变化趋势的研究中，与已有研究结果相似且在文中有所讨论。为细划植被对气候因子的时间响应区间，以16 d的NDVI数据与月降水/月平均气温开展滞后分析的计算，尽管在预处理过程已尽量减小原始NDVI 数据的云、雪等噪声，但仍可能存在残留噪声的影响。NDVI 数据虽存在一定误差，但与气候的年际变化无必然联系，部分区域可较好地检测出NDVI 对气候变化存在的响应（龚道溢和何学兆，2004）。将降水/温度作为单个气象因子来分别探讨其与NDVI 的相关性，未考虑到温度与降水之间可能存在一定的相关关系，因此单一气象因子的相关分析的结果可能包含有其他因素的影响（如土壤湿度、蒸散发、光照等）。上述提及的局限以及尚未明确的植被时间响应机制归因亟需在今后的研究中完善及探索。

4 结 论

本文选用2000 年—2013 年MODIS−NDVI 数和CHELSA 气候再分析数据提取中亚地区NDVI 与气候因子的演变情况，通过回归分析与时间序列相关分析，探讨中亚地区NDVI 对气候变化的响应模式以及不同典型植被NDVI 对气候因子的时滞变化情况。主要结论如下：

（1）中亚地区NDVI 值普遍偏低，总体呈现出高海拔向低海拔减小趋势，NDVI 值较高的像元集中在山区以及河流、湖泊沿岸；降水分布在空间上由东部到西部递减，且随着海拔降低降水量随之下降，温度由西部到东部递减，新疆则是由中部向外部递减。2000 年—2013 年间，中亚地区东北部NDVI 呈下降趋势，南部呈上升趋势，集中在新疆、阿富汗和土库曼斯坦中部。

（2）中亚地区NDVI 与降水呈正相关关系的像元主要分布在海拔较高地区，负相关的像元主要分布在中亚南部相对湿润的地区以及河流、湖泊沿岸，且不同区域的荒漠/半荒漠区NDVI对降水的相关性差异明显。气温与NDVI 的相关关系显著，总体上东部较湿润地区呈正相关关系，西部干旱与半干旱地区相关性较低或为负相关。

（3）中亚大部分地区NDVI 与降水之间存在32 d 的滞后时长以及为16—96 d 不等的累积时长，荒漠与半荒漠地区NDVI 滞后时长为0—16 d，山区及河流、湖泊沿岸植被滞后时长为64—96 d 不等且存在较长的累积时长；NDVI 对当期的温度相关性较高，存在16—48 d 的累积时长，河流、湖泊沿岸NDVI对温度滞后时长为32—96 d不等。

（4）不同典型植被类型与生态分区的NDVI 对气候因子的时间响应存在显著差异性。草地对当月瞬时降水响应迅速，落叶阔叶林与常绿针叶林对累积降水的相关性较高；对温度的响应除裸地外，其他典型植被对温度的时间响应基本一致，对当月温度相关性较高，滞后月份越长相关性越低，但随累积月份的增加相关性逐渐上升。森林区对降水的滞后时长与累积时长较长，高寒草甸区对降水滞后和累积时间长，对温度的累积与滞后时长短，半荒漠区与草原区对降水累积时长与滞后时长都较短。