全球森林绿度异常对干旱事件的响应

吴宇桐，王卫光，魏 佳

（1.河海大学水文水资源学院，南京 210098；2.河海大学水文水资源与水利工程科学国家重点实验室，南京 210098）

0 引言

森林是土壤—植物—大气连续体(Soil-Plant-Atmosphere Continuum,SPAC)的重要组成部分，是陆地生态系统中最重要的碳汇[1,2]，通过调节陆地—大气间的水分能量交换改变气候环境[3-5]，在自然界中发挥涵养水源、防风固沙的作用[6]。气候变化下森林面积的减少，将导致大面积的土地荒漠化和水土流失，严重影响人类社会经济生产[7]。森林覆盖面积通常用绿度表示，森林覆盖面积越大，即代表绿度越高[7-9]。目前，研究常用叶面积指数(Leaf Area Index,LAI)和归一化植被指数(Normalized Difference Vegetation Index,NDVI)来表征森林绿度[10-12]。受极端气候影响，森林树木发生了大规模落叶、枯死，导致森林绿度急剧下降，这种现象被定义为绿度异常事件[5,13]。以往的研究表明，在气候变化背景降水减少会引起森林的水分亏欠，进而导致森林绿度异常事件发生[5,7,14]。同时，极端气候也会削弱森林对火灾和病虫的抵抗能力，从而引起森林绿度异常现象大规模发生[15-21]。因此，研究绿度异常现象有利于了解森林绿度和气候变化之间的关系，有助于更好地保护森林资源，为实现极端气候下自然环境的修复提供应对策略。

近年来全球气候变暖，干旱发生更加频繁，研究森林绿度对气候变化的响应，关键在于评价森林绿度异常现象如何响应干旱事件。目前，绿度异常用于刻画气候变化下森林生长趋势和探究绿度变化对干旱的敏感性[11]，主要集中于区域尺度的研究中[22,23]。具体而言，研究发现近年来北半球出现的持续性干旱限制了植物生长所需的水分[5]，并主要影响了中亚西南部森林绿度和北美地区森林绿度[7,11,22-24]。在南半球，亚马逊雨林地区的极端干旱降低了森林光合作用，但森林绿度略有增加[25]。澳大利亚境内的干旱事件则导致森林绿度大量减少[26-28]。总的来说，森林绿度变化存在明显的空间异质性，且不同森林类型对干旱事件的差异化响应缺乏宏观尺度研究，引起干旱的驱动因素也没有得到很好的解释[29]。为表征森林绿度变化，侯鑫等提出了绿度异常指数（Greenness Anomaly Index,GAI）的概念[13]，将月尺度LAI线性累计偏差定义为GAI，并量化了干旱影响下中国森林绿度异常现象，但基于区域性的研究无法充分表征不同气候背景下植被绿度变化对干旱的差异化响应，因此研究全球尺度下的森林绿度变化对深入理解全球森林植被演变机理具有重要意义。SPEI指数是基于蒸散发公式并考虑了降水和温度的干旱指标[30]，具有较低的数据要求和多标量属性[31-36]，被广泛应用于监测干旱事件影响的研究中[22,23,29,37]。本研究通过计算全球森林的GAI以量化全球森林绿度异常现象，直观展示了气候变化影响下森林绿度的变化趋势。同时，本研究使用SPEI定义干旱事件，对全球绿度异常指数和SPEI进行相关性及敏感性分析，以期为预测气候变化对森林的影响和研究陆地生态系统对极端气候的响应等提供理论支持和科学依据。

1 数据来源与研究方法

1.1 数据来源及处理

LAI数据选用北京师范大学依托于“全球生态系统与表面能量平衡特征参量生成与应用”项目生产的GLASS（Global Land Surface Satellite）数据集[38]。该产品通过BELMANIP[39]（Benchmark Land Multisite Analysis and Intercomparison of Products）计算MODISLAI反射率数据，使用回归神经网络模型得到GLASSLAI产品[40]。空间分辨率为0.05°，时间分辨率为8 d。为统一数据分辨率及方便后续数据处理，使用Arcgis软件对其进行3次卷积重采样，将空间分辨率聚合到0.5°，时间分辨率不变。产品下载地址为：http://www.glass.umd.edu/Download.html，本研究采用V50版本。

土地覆盖类型数据采用MODIS（MCD12C1）数据产品。该产品提供年尺度土地覆盖类型数据，空间分辨率为0.05°。该产品包含3种分类方案数据，本研究选用国际地球生物圈计划（IGBP）分类方案[41]，将数据值为1～7的像元作为林地。数据1～7分别代表：常绿针叶林，常绿阔叶林，落叶针叶林，落叶阔叶林，混交林，封闭灌木林，开阔灌木林。

干旱指数采用西班牙高等科研理事会（CSIC）提供的2.6版本SPEI数据集[42]，该数据经过其他研究多次使用检验[43,44]，真实可靠。其计算所用的潜在蒸散发基于FAO的Penman-Monteith方法，降水及比湿等数据基于东英吉利大学气候研究部的提供的CRU TS数据集4.03版本。该SPEI数据集提供的全球网格数据空间分辨率为0.5°，时间尺度包括1～48个月。由于森林植被主要吸收深层土壤水，为表征土壤水分变化，本研究主要考虑水文干旱的反映，考虑到干旱的持续性以及植被响应的滞后性，SPEI时间尺度选用12个月的数据。数据下载地址为：http://hdl.handle.net/10261/202305。

1.2 研究方法

1.2.1 森林绿度异常计算

干旱导致植物生长水分匮乏，胁迫植物降低光合作用来减少水分消耗[45]。主要表现为植被覆盖偏离其生长趋势，森林密度加速减少或增长变缓，森林绿度下降。侯鑫等[13]利用LAI表现森林绿度的增加或减少，对年内LAI线性趋势偏离量求和得到绿度异常值。通过去除线性趋势的方法得到森林绿度异常值，可以显著地展示干旱对森林绿度的影响。

绿度异常值通过量化年尺度上LAI低于线性趋势的状态表现，对每个像元的偏离量（Greenness decline）进行年内求和，数值越小代表异常程度更严重，总和为正则认为绿度无异常：将其进行Z-score标准化处理，以方便不同时空的比较：

绿度变化异常强度(Intensity)用研究时段内异常值总和与发生的频率(Frequency)的商表示，其数值越小，强度越大：

1.2.2 干旱对森林绿度影响的时空分布及影响分析

宏观尺度上森林绿度对干旱的响应可以通过线性变化趋势表现，对SPEI指数和森林绿度异常值进行Pearson相关性分析，计算线性相关系数r并返回显著性系数p值，用于基于非零相关性备择假设来检验无相关性假设，为直观地展示相关性，r以相关系数计算结果的绝对值表示。

相关系数r计算公式为：

式中：E是数学期望；cov表示协方差。

根据r可表现拟合回归后干旱对于森林绿度异常现象的解释程度，r越大表示该地区拟合回归效果越好，即SPEI与森林绿度异常值相关性越高。根据p值可表现显著性水平，若p低于显著性水平0.05，则代表相关性分析结果拒绝SPEI与绿度异常值之间不存在相关性的原假设，即该地区干旱与森林绿度异常之间线性相关性显著。若p＞0.1，则认为该地区干旱与森林绿度之间无显著相关关系。

对年尺度的SPEI数据及森林绿度异常数据进行线性拟合，并求得其斜率。根据斜率判断干旱与森林绿度的相关趋势。若斜率为正，则表示该地区干旱程度与森林绿度变化数据呈正相关，森林绿度异常程度随干旱发生而加重，且斜率越大表明其影响程度越深，反之则表示绿度异常现象随干旱加重反而减轻。

2 结果与讨论

2.1 全球森林绿度异常变化趋势

全球森林覆盖类型分布如图1所示，森林分布空间差异明显。其中，针叶林主要分布于高纬度寒带地区，如美国西北海岸、加拿大境内、波罗的海周边国家，以及俄罗斯境内和中国东北地区。阔叶林主要分布于低纬度温带地区，如美国东海岸、巴西热带雨林、非洲近赤道国家以及东南亚地区。混交林在中纬度地区广泛分布，如加拿大东南地区、俄罗斯境内、日本境内以及中国北方地区。灌木林则主要存在于南非地区、俄罗斯北部、加拿大北部、美国西南地区、非洲南部和澳大利亚境内。

图1 全球森林类型空间分布Fig.1 Spatial distribution of global forest types

全球森林面积变化如图2所示，2007年至2010年全球森林面积呈增长趋势，2010年全球森林面积达到最大，约为33.754 8亿hm2（根据遥感数据统计得出）。2010年至2018年全球森林面积逐渐减少，2017年达最低值，约为33.604 4亿hm2（根据遥感数据统计得出），相比于2010年减少了1 504万hm2。而2007-2018年全球绿度异常森林面积占比在0.3～0.6。

图2 全球森林面积（阔叶林、针叶林、混交林及灌木林）变化及绿度异常森林面积占比Fig.2 Change of global forest area(broadleaf forest,coniferous forest,mixed forest and shrub)and proportion of forest with greenness anomalies

全球森林绿度异常的空间分布如图3所示，2007-2018年全球绿度异常现象较轻的林区集中分布在北纬中纬度地区，绿度异常面积占比最高为57.15%，出现在2008年。其中，巴西热带雨林绿度异常面积占林区总面积的56.45%，俄罗斯境内异常林区占比达68.73%，美国境内异常林区占比为65.68%，中国境内异常林区占比70.59%，澳大利亚异常林区占比最高，达到了85.93%。结合2007-2018年绿度异常强度（图4）分析，美国墨西哥边境林区及阿根廷西部林区绿度异常发生频率高，异常程度严重。亚马逊雨林地区绿度异常发生面积分布广泛但程度轻微。非洲南部与中国云贵地区绿度异常面积分布集中且强度较大。西伯利亚林区和印度尼西亚及澳大利亚境内则发生广泛的绿度异常现象，且程度较深。森林绿度未发生异常的地区则集中于各大森林的边缘地区以及沿海地区，这可能是因为森林边缘地区植物水分竞争压力较森林中心地区压力更小[25]，而海边湿润的气候环境则带来了充沛的水汽，有利于植被的生长。

图3 2007-2018年全球森林绿度异常指数Fig.3 Global forest greenness anomalies index from 2007 to 2018

图4 全球绿度异常频次及绿度异常强度Fig.4 Frequency and intensity of global greenness anomalies

2.2 绿度异常对干旱事件响应的时空分析

干旱的划分依据《GB/T 20481-2017气象干旱等级》，根据SPEI划分干旱等级如表1所示。

表1 SPEI指数干旱等级划分Tab.1 Drought classification of SPEI index

绿度异常与干旱的拟合结果及相关系数计算结果如图5和图6所示，美墨边境处、澳大利亚中部地区、南非地区和中亚地区森林绿度异常现象与干旱有极强相关性，说明干旱导致的水分胁迫是这些地区绿度异常的主要驱动因素，结合回归斜率发现这些地区与绿度异常成正相关。然而在亚马逊雨林地区、非洲中部地区、加拿大东北部和俄罗斯西北地区随着干旱出现绿度异常反而得到缓解。由图5可知，这些地区绿度异常现象的发生与干旱事件无明显相关性。

图5 全球SPEI与绿度异常指数线性回归拟合的p值和相关系数r值Fig.5 p-values and correlation coefficients for global SPEI to linear regression of the Greenness Anomalies Index

图6 全球SPEI与绿度异常指数线性拟合回归斜率Fig.6 Regression slope of global SPEI and greenness anomalies index

森林绿度异常现象主要受自然气候变化、人类活动产生的影响而发生。一方面，气候变化使得区域水分条件改变，干旱发生频繁，森林绿度异常现象不断发生。以美国为例，2011-2018年美国得州地区干旱频发，森林绿度异常现象严重。Camarero等[46]研究发现，干旱引起的树木死亡过程可以看作树木活力和生长的非线性变化，树木死亡结果是由某些气候因素越过变化临界点导致的。Buotte等[47]预计2020-2050年美国大部分沿海和西部喀斯特地区、爱达荷州北部和蒙大拿州部分地区气候将更加炎热干燥，干旱影响下的森林将变得更加脆弱。在亚马逊雨林地区，2016年的干旱事件发生范围最广、程度最深，与之相关，绿度异常现象也最严重。Longo等[48]认为亚马逊雨林生态系统异质性和多样性降低了森林对频繁极端干旱的抵御能力。Erfanian等[49]则认为南美地区海面温度（SST,sea surface temperatures）是亚马逊雨林极端干旱事件的主要驱动因素。近年来中国西南地区极端干旱频发，导致该地区森林绿度异常现象严重。除干旱外，森林类型也是影响绿度异常的因素之一，Luo等[4]在云南研究发现天然林比人工林更容易受到干旱的影响，西南地区自然森林又普遍为阔叶林，抗旱能力相较于针叶林更弱。上述因素综合导致了中国西南地区近几年绿度异常现象频发。

另一方面，人类活动影响下，区域气候条件和土地类型不断改变，森林对干旱的抵抗力持续降低。干旱影响下亚马逊雨林的绿度异常现象分布较分散，主要分布于雨林内部。其中，Khanna等[50]研究发现人类砍伐森林引起的土地覆盖变化和碳排放增加导致了亚马逊流域的水文气候状态由热力驱动转变为动态驱动，引发了地区降水减少，从而使亚马逊雨林遭受频繁的干旱。绿度异常分散现象可能是人类在森林内部的活动区域不规整造成的。结合干旱情况，人类活动导致的植被消失是亚马逊雨林地区绿度异常的主要原因。2008-2012年和2015-2018年南非发生数次持续性极端干旱。Baudoin等[51]通过研究发现，拉尼娜现象加上其自身落后的用水制度是导致南非地区缺水的主要原因。雷步云等[52]研究发现南非地区困于自身经济水平，对于干旱灾害抗风险能力较弱，无法科学地调度管理水资源，从而导致南非森林绿度异常现象不断加重。综合比较非洲其他地区及中亚和拉美等欠发达地区，可以印证经济发展水平也是导致地区绿度异常的因素之一。

2.3 不同森林类型绿度异常对干旱响应的相关性分析

为更清楚地表现干旱对不同类型森林的影响，提取p值小于0.1，斜率为正的区域绿度异常指数分不同森林类型进行线性拟合，并计算决定系数。如图7所示。按拟合后的斜率大小表现绿度异常对干旱的敏感性。阔叶林的回归斜率最高为0.446，混交林为0.439，针叶林为0.392，灌木林对干旱最不敏感，为0.346。不同森林类型SPEI及绿度异常指数中位数如表2所示。

图7 2007-2018年全球不同森林类型SPEI与干旱导致的绿度异常统计参数Fig.7 Statistical parameters of SPEI and global greenness anomalies caused by drought in different forest types across the globe during 2007-2018

表2 2007-2018年不同森林覆盖类型SPEI与绿度异常指数中位数Tab.2 Median SPEI and greenness anomalies index of different forest types from 2007 to 2018

2007-2018年间阔叶林和混交林超过一半的森林面积处于无旱状态，针叶林和灌木林超过一半的森林面积处于轻旱，其中阔叶林干旱程度最轻，针叶林干旱程度最深。绿度异常现象和干旱情况不同，混交林绿度异常程度最轻，中位数为-0.420，其次为阔叶林和针叶林。灌木林绿度异常程度最严重，为-0.608。但相比于干旱情况，不同类型的森林之间绿度异常程度差距不大。

由于SPEI数据和植被遥感数据采用的分辨率较为粗糙，且数据时间尺度仅有12 a，本文未能在全球尺度上进行更长时间序列且更为精细的研究。此外，本研究仅通过SPEI干旱指数来表征植被环境水量，指标较为单一。未来研究可以考虑其他标准进行相互比较如水文干旱指数PHDI，降水距平指数RAI等，以便更深入地研究干旱对森林的影响。

3 结论

本文基于GLASS LAI数据和CSIC SPEI数据分析了2007-2018年期间全球森林绿度异常对干旱事件的响应。结果表明在研究时段内全球森林总面积呈现先增加后减少趋势，绿度异常林区面积最大出现在2008年，占全球总森林面积57.15%。从全球范围看，针叶林地区干旱发生最频繁、程度最深，其次为灌木林、混交林，阔叶林地区干旱发生最轻微。然而，灌木林地区绿度异常现象最严重，混交林最轻，这说明针叶林的抗旱性更好，而在灌木林和阔叶林地区，干旱主导的水分条件变化对森林绿度异常影响更大。美国西部地区、南非、中国西南部和澳大利亚境内森林绿度异常程度和干旱呈高度正相关关系，表明这些地区植被生长受干旱影响较重，对土壤水分依赖更大。结合不同类型的森林植被分析，不同类型森林对干旱的敏感性表现为阔叶林、混交林、针叶林、灌木林依次递减。当发生相同程度的干旱事件时，阔叶林绿度异常程度最强，灌木林最弱。本研究计算了全球森林绿度异常指数，并评价了不同森林类型的绿度异常现象与SPEI的相关性，有助于探讨陆地生态系统对极端气候的响应，为预测全球气候变暖下森林生长变化趋势提供理论支持。