1985—2015年中国不同生态系统NDVI时空变化及其对气候因子的响应

雷 茜,胡忠文,王敬哲,张英慧,邬国锋

1 自然资源部大湾区地理环境监测重点实验室,深圳 518060

2 广东省城市空间信息工程重点实验室,深圳 518060

3 深圳市空间信息智能感知与服务重点实验室,深圳 518060

4 深圳大学建筑与城市规划学院, 深圳 518060

5 深圳职业技术学院人工智能学院, 深圳 518055

植被在陆地生态系统中扮演着不可或缺的角色,在水热交换、生物化学循环和气候变化中发挥重要作用[1]。降水与温度是驱动植被变化的关键因素,水热条件的差异会对植被生理机能和分布密度造成影响,进而改变植被结构。饱和水汽压差(Vapor pressure deficit, VPD)能够影响植被气孔闭合,控制植被光合、蒸腾等生理过程[2],是陆地生态系统中影响植被生长的重要驱动因素之一。作为决定植被生长的关键因素,气候动态变化对植被的影响值得关注[3]。因此,在全球变暖背景下,探究地表植被覆盖和气候因子的时空变化,了解二者的响应关系,对深入理解全球气候变化与植被生态学的响应机制具有重要意义。

探究植被时空动态需要长时序数据的支撑,而具备持续观测、多时空尺度优势的遥感技术为此提供了有效手段[4]。归一化植被指数(Normalized Difference Vegetation Index, NDVI)能有效反映区域植被的生长状况,是监测陆地生态系统植被覆盖度和长势的优良指标,已被广泛应用于植被动态变化研究中[5—6]。GIMMS (Global Inventory Monitoring and Modeling System) NDVI数据因其时间跨度最长且范围覆盖全球,在不同尺度的植被动态研究中极具代表性,在植被覆盖时空变化[7]、物候分析[8—9]、动态变化驱动机制[10]等研究中取得大量进展。在全球气候变化背景下,开展植被监测并分析其驱动因素,对更好地预测和评价植被动态变化具有重要意义。然而,已有研究大都是使用线性趋势拟合方法对植被指数进行简单分析[11—12],对植被的时空演变波动性考虑不足。此外,气候作为驱动植被动态变化的关键因素,二者之间的动态响应关系也受到众多学者的关注[13]。不同植被类型对同一气候因子的响应不同[14],不同地区的植被对气候因子的响应也存在明显差异。文献表明青藏高原地区[10]及我国北方地区[15]植被的生长主要受降水的影响,而华北南部、华南地区[16]的植被对温度的响应则更为明显。已有研究证实了在北半球高纬度地区,大部分NDVI显著改变的区域受气候变化控制,其主要驱动因素是温度,其次是太阳辐射和降水[17]。饱和水汽压差急剧上升是干旱导致植被死亡的主要原因之一[18],而且饱和水汽压差的增加也被证实能影响农田生态系统作物生长和产量[19]。不同气候因子与不同植被的滞后和累积效应存在显著差别,青藏高原植被对温度和降水的短期累积响应明显,且对降水的响应更为显著[20],黄土高原地区植被生长对当月和上月气候因子最敏感[21],中亚森林地区植被对降水的累积滞后响应时间较长[13]。然而,现有研究对植被与饱和水汽压差之间的时间响应规律的剖析不足。同时,针对不同土地利用[22]、植被分区[10]和气候分区[16]的相关研究越来越多,却鲜有研究考虑到不同生态系统中植被在冠层结构、生理特征等方面存在显著差异,不区分生态系统得到的分析结果可能存在一定局限性。我国植被类型丰富、气候条件复杂,在全国尺度下使用集总式的分析思想可能会导致研究结果不确定性较强。因此,有必要从不同生态系统的视角研究植被与气候之间的时空变化以及响应关系,精细刻画植被与气候的时滞效应。

鉴于此,本研究基于GIMMS NDVI3g数据和气候资料数据,结合不同生态系统探究1985—2015年期间中国陆地NDVI时空变化及其与气候因子(降水/温度/饱和水汽压差)的时间响应关系。旨在探究以下两个问题:(1) 中国陆地NDVI在1985—2015年间的变化趋势如何,该种趋势是否存在显著变化?(2) 植被对气候因子如何响应,这种关系在不同生态系统上有何规律和差异?

1 数据与方法

1.1 研究区概况

中国地处亚洲东部、太平洋西岸,领土面积辽阔,海陆总面积约1260万km2,陆地总面积约960万km2。领土纬度范围较广,跨度约50°,自北向南包含了亚寒带、温带、亚热带和少许热带区域,生态系统类型丰富[23]。参考中国自然地理分区,结合本研究需要,将中国划分为东北、西北、西南、华北、华东、华中和华南七大区域(图1)。

图1 1985—2015年中国陆地稳定生态系统空间分布 Fig.1 Spatial distribution of stable ecosystem in China from 1985 to 2015

中国东西、南北跨度大且地势高低不同,地形以山地和高原为主,自西向东地势呈阶梯状逐渐降低,最高约8848 m,最低约-154 m。降水从东南沿海向西北内陆逐渐减少,年均温和10℃及以上积温由南向北逐渐降低,造成了多种气温与降水组合,形成了多种气候,气候条件由东南向西北越来越严酷[24—25]。气候差异导致植被类型存在空间分异,进而影响不同生态系统在空间的分布。整体上,森林和农田生态系统主要分布在东南和东北地区,西北地区以草地和荒漠生态系统为主,农田生态系统集中在四川盆地以及东部地区。

1.2 数据来源与预处理

1985—2015年NDVI数据是由国家青藏高原科学数据中心 (https://data.tpdc.ac.cn/en/) 提供的全球GIMMS NDVI3g v1 数据集[26]。该数据时间分辨率为15 d,空间分辨率约8 km,是目前时序最长(1981年7月—2015年12月)、覆盖范围最广(全球)的NDVI数据集。为了削弱云和气溶胶对大气的影响,将每月两期的NDVI数据采用最大值合成(Maximum Value Composition, MVC)方法计算逐月的NDVI数据[27]。为了减少由于数据异常或者植被区短期内波动而导致的不确定性,本研究取31年NDVI≥0.1的像元作为稳定植被区[28],以此为阈值掩膜获取1985—2015年中国陆地稳定植被区逐月和逐年的NDVI数据。

气候数据分别来自国家青藏高原科学数据中心 (http://data.tpdc.ac.cn/zh-hans/) 提供的中国1 km分辨率逐月降水量数据集(1901—2020)、中国1 km分辨率逐月平均气温数据集(1901—2020)和爱达荷大学气候学实验室 (http://www.climatologylab.org/terraclimate.html) 提供的TerraClimate全球4 km分辨率逐月饱和水汽压差数据[29—31]。生态系统数据来源于国家地球系统科学数据中心 (http://www.geodata.cn/) 提供的中国陆地生态系统空间分布数据集(1990—2010年,每5年1期)[32]。本研究对5期数据取交集,以此获取1990—2010年稳定的生态系统并作为本研究的生态系统分区(图1)。为了数据间匹配,采用8 km覆盖范围内覆盖最多的生态系统来表示该像元所属生态系统类型。由于聚落生态系统受人为因素干扰较大,在本研究中仅针对农田、森林、草地、湿地、荒漠生态系统开展后续分析。

1.3 研究方法

1.3.1时间序列分析

本研究基于Theil-Sen Median趋势分析法,对NDVI时间序列逐像元计算每个栅格的变化率(Slope),以此反映研究期间区域植被覆盖变化的综合趋势[13]:

(1)

式中,Slope是每个像元回归方程的斜率;N是时间序列数据时长(N= 31);xi是第i年的NDVI平均值。Slope >0,表示植被增加;Slope<0,表示植被退化。

采用Mann-Kendall(M-K)非参数统计检验法对NDVI变化趋势进行显著性检验。趋势分析法和M-K检验法相结合可以减少数据中少量异常值对结果的影响,很大程度上避免了测量误差和离群数据的干扰[33]。其公式为:

对序列Xt=(x1,x2,…,xn),使用检验统计量Z进行趋势检验,Z值计算方式如下:

(2)

式中,sgn是符号函数,n是时间序列中数据个数。假设采用双边趋势检验,在给定显著性水平∝下,当|Z|>U1-∝/2时,拒绝原假设,认为趋势显著。在|Z|≥2.58,|Z|≥1.96时表示趋势通过了置信度为99%、95%的显著性检验,分别为极显著和显著,|Z|<1.96则表示趋势不显著。综合以往研究[15,34],本研究利用栅格数据叠加分析,将NDVI的变化结果与M-K检验结果叠加,结合本研究Slope值将NDVI变化趋势分为六个等级,包括极显著退化/改善、显著退化/改善、不显著退化/改善(表1)。

表1 植被NDVI变化趋势类型Table 1 Types of NDVI change trends

为了更清楚地揭示植被时间演变的波动性,本研究对NDVI时间序列逐像元进行二次非线性拟合,拟合公式如下:

y=ax2+bx+c

(3)

式中,y表示为第x年的NDVI,x依次为1—31,a、b、c是回归系数。根据一元二次方程理论,NDVI的变化拐点时间为第-b/2a年,根据拐点时间确定本研究中NDVI年际变化的四种趋势:①当a>0,且-b/2a≤1或a<0,且-b/2a≥31时,NDVI连续递增;②当a<0,且-b/2a≥31或a<0,且-b/2a≤1时,NDVI连续递减;③当a<0,且1<-b/2a<31时,NDVI先增后减;④当a>0,1<-b/2a<31时,NDVI先减后增。

1.3.2NDVI与气候因子相关分析

相关分析法已被广泛用于研究植被生长与气候因子间的关系[14]。因此,本研究利用Pearson相关系数法对不同生态系统NDVI与月累积降水量、月平均温度、月饱和水汽压差进行逐像元分析,并以此衡量NDVI与气候因子的相关性。其计算公式如下:

(4)

考虑到气候因子存在累积/滞后效应,参考Gessner 等[35]的研究成果进一步分析植被与气候因子之间的响应关系。本研究采用的时滞互相关分析以三个月的累积(累积1、累积2、累积3)和三个月的滞后(滞后0、滞后1、滞后2)展开。为便于分析不同生态系统植被与气候的时滞响应结果,以月为时间间隔在像元尺度上求出对应的9种组合的相关系数(表2)。本研究中累积时长取累积时段的平均值参与计算。

表2 累积滞后相关分析组合Table 2 Cum_Lag correlation analysis combination

2 结果

2.1 NDVI时间序列动态变化特征

1985—2015年中国陆地NDVI年均值分布情况及其变化趋势如图2所示,结果显示1985—2015年中国陆地NDVI空间分异明显,自西北向东南NDVI值逐渐增加,NDVI低值分布在西北,高值主要分布在西南东部、东北以及东南沿海区域。1985—2015年间中国陆地NDVI整体呈增加趋势,整体变化率为0.5×10-3/a。中国陆地NDVI的变化在不同生态系统和不同自然地理分区均表现出明显的差异。研究期间,农田、森林和草地生态系统的植被均呈现改善趋势,其中农田生态系统的植被增长最快(0.001/a)且近一半呈显著改善趋势,荒漠生态系统植被增长缓慢(图3),而湿地生态系统约一半的植被在退化,其中有近18%的植被呈显著退化(表3)。

表3 1985—2015年生态系统分区NDVI年变化趋势统计/%Table 3 The annual NDVI variation in different ecosystems from 1985 to 2015

图2 1985—2015中国陆地NDVI分布和变化趋势Fig.2 Spatiotemporal variation of NDVI in China from 1985 to 2015

1985—2015年间中国陆地植被改善区域约占植被总面积的66.39%,显著改善约占32.22%,显著改善区域集中在华中、华东和华南区域。然而,在整体改善的情况下,中国陆地植被在局部区域存在严重的退化,约33.61%的植被呈现退化趋势,显著退化区域占8.93%,显著退化区域主要分布在西北、东北和西南地区(图2)。华北、华中和华南地区三个地区植被覆盖情况较好,有超过80%的植被呈改善趋势。相比之下,东北地区约有18%的植被呈显著退化趋势。就西北地区而言,尽管本研究已经排除了无稳定植被覆盖的像元,结果显示该区域也约有10%的植被呈现显著退化(表4)。

表4 1985—2015年不同地理分区NDVI年变化趋势统计/%Table 4 The annual NDVI variation in different geographic regions from 1985 to 2015

本研究采用二次非线性回归方法对年际NDVI进行逐像元曲线拟合,以期分析1985—2015年期间中国陆地年NDVI的变化规律。由图4可知,1985—2015年间中国大部分区域NDVI变化都表现出先减后增或先增后减的变化特征,先减后增的区域主要分布在东部,尤其在黄土高原、四川盆地和东南沿海一带较为集中;先增后减的区域主要分布在西北、西南和东北地区。在华中和东北少部分地区NDVI一直增加,NDVI一直减小的区域大部分较散乱地分布在中国东部。进一步分析NDVI变化拐点的时间,1985—2015年在NDVI先增后减的区域中,大部分区域在1995年以后植被才开始退化,而东部植被退化主要在2005年以后。小兴安岭、长白山和阿尔泰山脉南端区域部分植被退化主要发生在1985—1995年间。中国陆地植被先退化后增加的突变时间主要发生在1985—1995和1995—2005这两个时间段。其中,黄土高原区域植被大多在1985年之后就开始改善,东南沿海一带植被自1995年起才开始改善(图4)。

图4 1985—2015中国陆地NDVI年际变化及变化拐点空间分布Fig.4 Inter-annual variation distribution of NDVI and turning points in China from 1985 to 2015

2.2 气候因子时空格局

图5、图6分别为年平均降水/温度/饱和水汽压差的变化以及在不同分区的变化程度占比,结果显示1985—2015年间中国降水/温度/饱和水汽压差的变化具有空间异质性。年平均降水整体呈微弱增加趋势,平均变化率约8.9×10-3mm/a。在各自然地理分区中,严重减少的区域主要分布在西南、华南和东北地区(slope<-0.3),且西北、华中以及华东地区约80%区域的降水均呈现上升趋势(图6)。反之,几乎整个东北地区的降水都呈下降趋势。华南地区降水严重减少的区域占比最大,集中在广东、福建沿海一带(图5)。在各生态系统分区中,森林和湿地生态系统中超过50%的地区降水都呈现减少趋势,农田和森林生态系统降水严重减少和剧烈增加的范围最大,约70%的荒漠生态系统降水在增加(图6)。

图5 1985—2015年中国气候因子年际变化的空间分布和趋势线Fig.5 Inter-annual variation distribution and trendline of climatic factors in China from 1985 to 2015

温度整体呈现明显上升趋势,整体变化率从-0.6×10-2℃/a到6.7×10-2℃/a。在各自然地理分区中,西北和华北地区的温度上升最快,最大升温速率超过4.5×10-2℃/a(图5)。在各生态系统分区中,仅有极少部分森林和农田生态系统温度呈降低趋势;草地和荒漠生态系统温度上升速率最快,超过60%的区域温度增长率都高于全国平均水平(图6)。

年平均饱和水汽压差呈上升趋势,整体上升速率为2.6 Pa/a。1985—2015年间饱和水汽压差降低的区域仅分布于青藏高原区域。西南东部、华北、华中和华东地区饱和水汽压差上升最快,上升速率高于3.0 Pa/a(图5)。不同生态系统分区中,20%的草地和湿地生态系统区域饱和水汽压差在降低,农田、荒漠和森林生态系统饱和水汽压差呈现上升趋势(图6)。

2.3 不同生态系统NDVI与气候因子的相关性

为了进一步了解植被动态变化与气候之间的关系,本研究逐像元计算了1985—2015年中国植被区域平均NDVI与气候因子之间的Pearson相关系数(图7)。1985—2015年间,中国陆地植被NDVI与降水呈正相关的区域主要分布在西北、华北以及西南的四川盆地,负相关区域主要分布在东北、西南、华南地区。内蒙古高原中部NDVI与降水具有最强的正相关关系,相关系数最高为0.81。大小兴安岭、武夷山脉区域以及青藏高原地区的植被与降水呈明显负相关关系,最低相关系数低至-0.71。中国陆地NDVI与温度的相关关系也存在明显的空间异质性。西南地区呈负相关较多,华南和华中地区呈正相关较多。呈明显正相关的像元主要分布与四川盆地、华北平原、长江中下游平原等地区,最大相关系数达0.88。相反,在藏南、横断山脉、阿尔泰山脉和锡林郭勒盟地区,植被与温度表现出明显的负相关关系,最低相关系数为-0.71。中国陆地NDVI与饱和水汽压差的相关关系空间分异明显。呈正相关的像元主要分布在中国东南部,最大正相关像元处于长江中下游平原,最大相关系数约为0.86;呈负相关关系像元主要分布在西北、西南和东北地区,其中新疆北部和内蒙古高原中部负相关关系最明显,最低相关系数约-0.83。

图7 1985—2015年NDVI与气候因子的相关系数Fig.7 Pearson correlation coefficients between NDVI and climatic factors from 1985 to 2015

本研究分析了不同生态系统NDVI与气候因子年际变化相关性,结果如图8所示。结果表明,农田生态系统植被对温度、饱和水汽压差和降水的敏感性逐渐降低,主要表现为三种气候因子增加促进作农田生态系统NDVI增加。森林生态系统NDVI与温度和饱和水汽压差之间表现为明显的正相关关系,而与降水之间的相关性较小。草地生态系统NDVI对降水、温度和饱和水汽压差的相关性依次降低,且草地生态系统NDVI与饱和水汽压差主要表现为负相关关系。湿地生态系统NDVI对温度的敏感性强于降水和饱和水汽压差,主要表现为温度的增加促进湿地生态系统NDVI增加。荒漠生态系统NDVI在所有生态系统中对温度的敏感度最低,降水主要是促进荒漠生态系统NDVI增加,饱和水汽压差对荒漠生态系统NDVI影响的差异最大(相关系数r值分布最离散)。

图8 不同生态系统NDVI与气候因子的相关系数Fig.8 Boxplot of correlation coefficients between NDVI and climatic factors in different ecosystems

2.4 不同生态系统植被对气候因子的时间响应

图9展示了1985—2015年中国陆地NDVI在月尺度上对气候因子的9种累积滞后组合的空间分布。NDVI与降水的累积滞后相关分析结果显示,在中国绝大区域,植被对降水在各累积滞后组合下都表现出正效应,仅在西南地区青藏高原西部、西北荒漠区域和东部(华北、华中、华东交界)部分区域表现出负效应,且都是累积3个月的降水抑制植被生长。在降水促进植被生长的区域中,西南四川盆地植被生长对降水的响应最快(累积1月滞后0月),华南沿海地区降水对植被生长的促进作用存在明显的累积效应。NDVI与温度的累积滞后相关分析结果显示,总体上中国北方植被生长对温度的响应比南方快,青藏高原区域温度对植被生长在不同累积滞后情况存在正负两种效应。四川盆地和华东农田区域植被生长对温度的响应最快,且为正效应。NDVI与饱和水汽压差的累积滞后相关分析结果显示,仅有新疆天山山脉、西南横断山脉和华中极少数平原地区的植被生长对饱和水汽压差响应慢且表现为负效应。其他地区饱和水汽压差对植被生长都表现为正效应,其中西北准格尔盆地和东南部植被对饱和水汽压差变化的响应较快,而在青藏高原和北方地区植被生长对饱和水汽压差的累积存在滞后效应。

图9 不同气候因子的累积滞后对NDVI的影响(红:负效应;绿:正效应)Fig.9 The effects of climatic factors accumulation-lag to NDVI (Red: negative effect; Green: positive effect)

图10展示了像元尺度上不同生态系统NDVI与气候因子的9种时滞组合相关分析结果。结果显示,月尺度上不同生态系统植被生长对降水的时间响应差异不大。农田生态系统植被对降水响应及时,其NDVI与滞后0月的降水相关性较高。森林生态系统NDVI与累积3个月降水的相关系数较高。草地生态系统植被生长对降水响应存在1个月的滞后,考虑降水累积后几乎无滞后效应。湿地生态系统植被生长对累积降水存在较明显的滞后响应,其NDVI与累积2—3月的降水平均相关系数最大,在累积达3个月后随滞后月份增加相关性下降明显。荒漠生态系统由于植被稀疏,其NDVI与降水的9种累积滞后结果的相关系数都很低且差异小。不同生态系统植被对温度的时间响应规律比较一致,在不考虑累积时,当月和滞后1月的NDVI与温度的相关性接近。农田和湿地生态系统植被对温度的响应最快,其NDVI与当月温度的相关性最高,且滞后月份越长,相关性越低。森林生态系统NDVI与温度所有时滞组合的相关系数都较大。草地生态系植被对温度的响应较快,其NDVI与滞后0月的温度相关性较高。不同生态系统植被生长对饱和水汽压差累积两个月的响应更明显,且随着滞后时长的增加相关性逐渐降低。农田、湿地和荒漠生态系统植被对饱和水汽压差的时间响应规律一致,对无累积的饱和水汽压差存在1个月滞后效应。农田生态系统NDVI对饱和水汽压差的响应除累积3个月滞后2个月外均表现出较高的相关性。森林生态系统植被生长对饱和水汽压差累积1到3个月情况下都没有表现出滞后效应。草地生态系统植被生长在饱和水汽压差累积1—2个月时表现出1个月滞后效应。

图10 不同生态系统NDVI对气候因子的时间响应Fig.10 Response of different ecosystems′ NDVI to climatic factors

3 讨论

基于1985—2015年中国植被和气候因子时空变化趋势结果,本研究发现1985—2015年中国陆地NDVI虽在不同年份存在增减波动,但是整体呈现改善趋势(图2),与Wang等[16]、王茜等[7]、耿庆玲等[6]的研究结果较一致。本研究利用二次非线性回归方法,分析了植被变化逆转的拐点,发现植被整体改善的区域存在植被退化逆转现象,且该现象在1995年左右出现(图5)。这一发现表明自20世纪90年代以来,中国实施的退牧、退耕还林还草、三江源生态保护等一系列生态修复工程[36]在黄土高原区域、四川盆地、中国东部等地区取得显著成效。本研究发现与涂又等[34]的研究结果相似,在北疆荒漠、青藏高原区域以及东北小兴安岭和长白山森林地带的植被出现显著退化。同时,过度开发围垦、养殖污染等活动造成湿地生态系统的景观格局破碎化[37],从而导致植被退化。

本研究在年尺度针对植被变化分析其与气候因子相关性,进而解释在不同区域和生态系统视角下气候因子对植被生长的影响。内蒙古高原中部草地生态系统由于气温较高,气候分区上属于干旱、半干旱区[38],降水能够更好促进植被生长。然而植被变化会随着气候条件的变化在一定阈值范围内波动[39],当水热条件的改变超过植被的适应能力时,植被将会在结构功能等多方面受到抑制作用[10]。四川盆地、华北平原、长江中下游平原等地农田生态系统分布广泛,其作物由于特定物候更依赖于气候条件,温度的升高会加快土壤有机质的分解速度,这更容易加速土壤中养分的矿化,促进植被的生长[40]。青藏高原的高寒草地长时间处于低温条件,温度过高会改变生态群落的小气候环境,进而间接或直接影响植被生长[41]。研究期间横断山脉森林生态系统NDVI与温度主要呈负相关关系,这一发现与熊巧利等[42]对该地区2000—2016年气温升高不利于横断山脉植被生长的研究结果相符。

本研究同时分析了植被与气候因子在月尺度的累积和滞后效应。结果显示森林生态系统植被对降水的累积效应更明显。这可能是因为受森林特有的垂直结构的影响,其冠层与林下植被层能够截留降水并且削弱太阳长波辐射降低土壤水分蒸发。此外,林下的枯枝落叶层还可以通过吸收和渗透降水使树木根系和林下土壤储存充足水分。随着时间的推移,森林生态系统所存储的水分逐渐被释放,并在较长时间内能够重新利用,从而避免受到即时干旱的影响[43—44]。横断山脉的森林生态系统降水累积对植被具有抑制作用,可能是因为该地区地处湿润地区,其独特的地形条件受湿热的南亚季风影响,降雨过于充沛,影响植被生长[23]。农田生态系统大部分的作物根系较浅,依赖于土壤浅层水,因此对降水的响应更快,表现为四川盆地农田生态系统降水促进植被生长的响应最快,而华北平原农田生态系统降水的长期累积抑制植被生长。湿地生态系统由于自身水分充足,导致降水对其的影响存在明显的累积滞后效应。森林生态系统植被对温度的相关性高,且北方温度升高促进植被生长的响应比南方迅速,因为温度升高通常会增强植被叶片细胞活性,促进植被生长[14]。南北方植被对温度的时间响应的差异可能是因为南方年内温度变化幅度小,植被受温度限制较小。相较而言,北方温度随季节变化大,植被的物候特征明显,植被对温度的响应更加显著。饱和水汽压差是导致植被干旱死亡的主要原因之一,也是影响陆地生态系统生物群落的重要因素[45]。新疆北部荒漠生态系统区域属于干旱区,Li等研究发现干旱导致的饱和水汽压差增加会降低植被气孔导度,减缓植被绿化速率,增加植被死亡率[46]。横断山脉地形复杂,区域土壤保水性较差,在长时间饱和水汽压差累积时,植被为了避免木质部水分流失会通过关闭叶片气孔减少光合作用[18]。因此,西南横断山脉区域的森林生态系统植被对饱和水汽压差表现为长时间累积抑制植被生长。同时,本研究发现华北平原极少数农田生态系统对饱和水汽压差的累积负反馈效应,其内在原因有待于在今后的研究中进一步探索。此外,区别气候变化和人类活动对NDVI的影响,以及NDVI在不同植被类型下的空间异质性也有待于在后续研究中展开。

4 结论

1) 1985—2015年中国植被呈现改善趋势,NDVI整体变化率为0.5×10-3/a,植被显著改善和显著退化的区域各占32.2%和9.0%,且绝大部分区域在研究期间存在植被变化逆转的拐点,植被改善的区域是在1995年左右出现植被退化逆转的现象。年平均降水以8.9×10-3mm/a速率微弱增加;温度明显上升,整体变化率从-0.6×10-2℃/a到6.7×10-2℃/a;年平均饱和水汽压差呈现上升趋势,整体上升速率为2.6 Pa/a。植被活动受全国气候变化的影响,在农田、森林和草地态系统显著改善,湿地生态系统的植被退化趋势最严重。

2) 中国陆地植被NDVI与气候因子的相关性存在明显的空间异质性,且受不同生态系统分区影响。NDVI与降水呈正相关像元主要分布在内蒙古高原中部草地生态系统,负相关的主要分布森林生态系统和青藏高原;NDVI与温度在农田生态系统分布的地区呈明显正相关,西部高寒、干旱地区的负相关效应较明显;NDVI与饱和水汽压差呈正相关像元主要分布在中国东部农田生态系统,负相关关系最明显像元分布在新疆北部和内蒙古高原中部草地生态系统。

3) NDVI与气候因子存在月尺度上的累积和滞后效应,且不同生态系统植被与气候因子的时间累积滞后效应具有差异性。森林生态系统植被对降水累积响应明显,农田生态系统植被对降水的响应最快;不同生态系统植被对温度的响应表现在当月或滞后1月呈现最高的相关性;不同生态系统植被生长对饱和水汽压差累积两个月的响应更明显,且随着滞后时长的增加相关性逐渐降低。