青藏高原不同区域植被对降水年际变化的响应

张 萌,杜福光,张潇文

(唐山师范学院 资源管理系,河北 唐山 063000)

0 引言

青藏高原是亚洲内陆高原,有亚洲水塔之称,是中国最大、世界海拔最高的高原,南起喜马拉雅山脉南缘,北至昆仑山、阿尔金山脉及祁连山北缘,西部为帕米尔高原与喀喇昆仑山脉,东及东北部与秦岭山脉西段及黄土高原相接,草原面积占总面积的60%,占全国总面积的32%,主要分布于青藏高原中部与东部地区[1-4],而高原的降水量变化对该地的草原生态具有重要影响。草原放牧业是青藏高原牧民的重要经济来源之一,也是青藏高原生态系统中的重要一环,做好青藏高原草原及草甸的生态保护及合理利用具有十分重要的意义。很多学者对青藏高原降水来源及时空变化特征进行了研究。黄鹏等[5]探讨了青藏高原降水的时空变化特征,提出高原全年降水量为西北—东南向的均匀带状分布。李虎等[6]分析了主要的水来源,得出南部边界输送的水汽对青藏高原有巨大的贡献。但目前对青藏高原植被分布与降水时空变化关系的研究不多,为了研究二者的对应关系,利用青藏高原生长季降水分布数据及NDVI数据,采用皮尔逊相关系数,计算降水量与NDVI的相关性,得出降水对青藏高原不同地区植被的影响程度,有助于揭示与反映青藏高原植被-水汽的影响与互动关系,进一步促进青藏高原的生态保护。

1 资料方法

1.1 数据来源及预处理

NDVI数据来源及处理:数据来源于国家青藏高原科学数据中心整编的青藏高原NDVI数据集(国家青藏高原科学数据中心 (tpdc.ac.cn)),源数据来自MODIS产品,经过数据格式转换、投影、重采样等预处理流程,现有格式为TIFF格式,投影为Krasovsky_1940_Albers投影,数据空间分辨率1000 m。选取2016—2020年的NDVI数据,利用ArcGIS统一空间坐标系。

降水数据来源与预处理:数据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)。国家地球系统科学数据中心1901—2021年中国1公里分辨率(0.008333°)逐月降水量数据集。该产品具有长时间序列、较高分辨率、高精度的特征,可为我国历史降水格局变化分析、陆地生态系统模型气候因子驱动及其他区域尺度与降水相关的生态、环境、资源等变量的格局分析提供数据支持。选用该数据集中2016—2020年覆盖全国范围的降水数据,使用Arc GIS软件对数据进行格式转换、数据裁剪、投影转换、重采样等处理。

1.2 相关性分析

采用皮尔逊(Pearson)相关系数,分析降水与草地归一化指数的相关性,计算公式如下:

(1)

式中,r为相关系数;x、y为各相关变量的平均值。相关系数r的取值范围为[-1,1],其值越偏近于1说明变量之间的相关性越高。

2 研究内容

平均降水量分布。将2016—2020年全国月均降水量数据导入Arc GIS软件中,利用裁剪工具,按照青藏高原的矢量图形进行裁剪,利用局部像元统计分析计算出2016—2020年的平均降水量,渲染成图。

生长季降水量分布。将2016—2020年全国月均降水量数据导入Arc GIS软件中,根据青藏高原矢量图进行裁剪,利用像元统计工具分别计算2016—2020年每年5—9月的累计降水,渲染成图。

生长季降水与NDVI相关性计算。将NDVI数据与计算好的生长季降水数据导入Arc GIS软件中,统一坐标系并改为投影坐标,重采样数据并捕捉栅格,所有数据整理完成后根据公式计算相关系数,利用栅格计算器求平均,再根据公式分别求出分子、分母,利用栅格计算器计算分子与分母,求出每个栅格点的相关系数,渲染成图。

3 结果与分析

3.1 平均降水量空间分布

由图1可知,2016—2020年平均降水量最大值为2405 mm,分布于青藏高原南部地区;最小值为2 mm,分布于青藏高原西部地区,空间上呈现由东南向西北逐渐递减。

图1 2016—2020年平均降水量空间分布Fig.1 Spatial distribution of average precipitation from 2016 to 2020

3.2 生长季降水的空间分布

由图2可知,2016—2020年青藏高原生长季(5—9月)降水整体相对稳定,呈现东南多西北少的情况。2016年5—9月,累积降水量最高值为22 361 mm,最低值为10 mm。2017年5—9月,青藏高原累计降水量最高值为24 848 mm,最低值为37 mm。2018年5—9月,青藏高原累计降水量最高值为24 196 mm,最低值为47 mm。2019年5—9月,青藏高原累计降水量最高值为24 440 mm,最低值为1 mm。2020年5—9月,青藏高原累计降水量最大值为28 283 mm,最低值为42 mm。其中2020年相比其他年份,中部地区的降水有所减少。2016—2019年西部部分地区降水与周围有明显差异,而在2020年该差异明显减少。

图2 2016—2020年生长季累计降水空间分布Fig.2 Spatial distribution of cumulative precipitation in growing season from 2016 to 2020

3.3 NDVI的空间变化

由图3可知,NDVI在空间上呈现西北低东南高的情况,南部地区5年内变化较为明显,其中2016年、2018年、2020年南部地区NDVI较低,而2017年、2019年南部地区的NDVI较高。

图3 2016—2020年NDVI空间分布Fig.3 Spatial distribution of NDVI from 2016 to 2020

3.4 相关性计算结果及分析

通过计算可知,甘肃南部地区、青海东北部地区、新疆南部及西部地区与西藏西部地区的降水与NDVI的相关性较为明显,即降水对该地植被影响作用较强。西藏中部地区相关性性中等偏高,降水与NDVI的相关性适中。青海南部、西藏东部、四川西北部的相关系数较低,降水与NDVI的相关性较弱,即降水对该地区植被生长的影响较小,更多受到温度湿度等因素的影响较大,但并非降水对其毫无影响。生态保护要着重从降水角度对相关系数较高的地区进行保护与治理,如在旱季适时对降水与NDVI相关性较强的地区进行灌溉,在相关性较弱的地区要多关注其他气候因素。

4 植被生态保护措施

通过对青藏高原降水与NDVI的相关性分析发现,甘肃南部地区、青海东北部地区、新疆南部地区、新疆西部地区、西藏西部地区的相关系数较高,降水与NDVI的相关性较为明显,需更加关注这些地区因降水不充分导致的生态环境恶化问题。可采用以下方法保护植被与生态:适当灌溉青藏高原极寒地区,不宜开展大规模灌溉,积极开展牧区草原节水灌溉,探索草原节水灌溉新模式。采用机械动力淋洒技术,利用蓄积山上的雪融水或泉水引入防渗衬砌渠,在常压下采用自流喷灌,无压力时利用拖拉机为机械动力,加装水泵、贮水箱、水管及淋洒器等设备给水加压,牵引灌溉设备,移动淋洒灌水。利用步行式喷灌技术在有地下水源与电力能源的地方打井开源,水泵提水,管道输水至步行式喷灌设备,动力移动喷灌。采用集雨滴灌技术,将雨水集蓄与滴灌相结合,在牧民居住相对集中的地方把温室暖棚、牲畜防寒棚、人居屋舍作为集雨场收集雨水,采用滴灌或渗灌等微型节水灌溉方法对网围栏内的牧草进行补充灌溉。这些节水灌溉措施可解决水源难以保障、能源动力不足等问题,喷洒均匀,移动方便,满足开源节流与节水灌溉的需要。