中国热带亚热带植被春季光合物候始期对气候变化的响应

薛盈盈 谭秋

(贵州师范大学地理与环境科学学院，贵州 贵阳 550025)

引言

植被物候，即植被在自然环境中的周期性生长发育的重复过程，包括植被的发芽、抽枝、展叶、结果、落叶等现象，被视为气候变化最敏感的指标之一，物候变化对陆地生态系统的碳循环、水循环、能量交换产生强烈的影响并进一步反馈给气候[1]。因此，阐明气候变化背景下植被春季物候的空间格局和动态变化，揭示植被春季物候对气候变化的响应对于制定应对气候变化的政策具有指导作用和科学意义。

温度和降水是春季物候变化最主要的因素，特别是温度通常被认为是控制植被物候的主要因素，当前的研究多基于温度起主导作用的假设，忽略了降水对春季物候的影响[2]。

近年来基于遥感观测的植被物候对气候变化的响应已被广泛应用[3，4]，遥感的应用大大提升了物候学的观测范围和精度。以往基于大尺度的春季物候的研究主要集中在我国的温带和北方地区[5]，特别是通过检验与“绿色度”相关的植被指数在时间序列的变化，如叶面积指数(LAI)，归一化差异植被指数(NDVI)，增强型植被指数(EVI)等[6]。这是因为在北方和温带落叶物种，叶子变绿和枯黄的季节动态明显，所以其返青期和枯黄期容易被检测到，将叶片变绿的时间定义为春季物候始期，将叶片变黄的时间定义为秋季物候始期[5]。

我国热带、亚热带地区植被多为常绿植被，其叶片绿度变化很小，常用的基于“绿色度”的植被指数难以检测其物候[2]。因此，目前关于热带、亚热带植被物候的研究很少，缺乏热带亚热带地区物候的空间图谱。近年来，基于卫星反演的日光诱导叶绿素荧光(SIF)为常绿植被物候的计算提供了一种新的方法[7]，SIF是一小部分被植被吸收辐射的再发射，一般来说，植物捕获的太阳能的1%被叶绿素作为荧光重新释放，具有红光(690nm左右)和近红外(740nm左右)2个波峰，可以被目前的高光谱分辨率的传感器从太空探测到，SIF通过复杂的能量耗散机制与光合作用直接相关，可以作为光合作用的代表，并且受到云、雪或冰覆盖的影响较小[8]，因此，基于卫星的SIF观测提供了另一种基于生理学的植被功能的替代观点，而不是传统的反射率指数提供的绿度信息的观点，可作为估算植被光合作用物候的替代数据工具[9]，这种方法更直接地与碳循环和气候变化的影响相关。

针对上述问题，本研究利用全球轨道碳观测站(OCO-2)反演的SIF数据集，通过一元六次多项式拟合、混合分段逻辑函数结合动态阈值法计算了近20年来我国热带、亚热带春季植被光合物候的空间格局。运用Teil-Sen Median趋势分析和Mann-Kendall检验、偏相关分析法阐明了我国热带、亚热带春季植被光合物候的时空变化规律，揭示了春季植被光合物候对气候变化的响应，本研究对于了解和预测未来春季光合物候始期对气候变化的响应以及制定应对气候变化的政策至关重要，为热带、亚热带地区生态环境建设提供科学依据。

1 研究区概况

研究区为我国的热带、亚热带湿润区。分布在N18°～35°，E95°～125°。研究区内植被类型包括亚热带常绿硬叶林、亚热带常绿阔叶林、热带雨林等。亚热带湿润区的最热月平均气温一般高于22℃，最冷月气温在0～15℃。年降水量多在800～1600mm[2]。热带季风气候年降水量在1500～2000mm，均温在0～15℃。研究区地势差异巨大，东部多为山地丘陵，海拔在1000m左右，西部除四川盆地外，多是山地和高原，海拔在2000m左右。由于耕地物候受人为主观影响较大，为保证研究的准确性，本研究根据资源与环境科学数据中心提供的土地利用和覆被变化数据将耕地地类剔除(https：//www.resdc.cn/)。

2 数据来源与方法

2.1 数据来源

2.1.1 日光诱导叶绿素荧光数据

作为光合作用的代表，本研究使用日光诱导叶绿素荧光(SIF)数据来计算春季光合物候。现有的SIF数据时间跨度短，分辨率较低，这些缺点限制了SIF的应用。最近，Zhang等结合轨道碳观测站(OCO-2)卫星检索到的SIF和Terra、Aqua卫星上的中分辨率成像光谱仪(MODIS)的表面反射率，运用机器学习和神经网络算法生成了全球连续的CSIF产品，补充了OCO-2时间和空间分辨率的不足，该数据与OCO-2和全球臭氧监测实验2(GOME-2)的每日SIF一致[10]。研究选择使用CSIF数据，该数据已发表在国家青藏高原科学数据中心(https：//data.tpdc. ac.cn/en/)，数据时间分辨率为4d，空间分辨率为0.05°。

2.1.2 气候数据

本研究使用了2001—2020年的温度和降水数据，来源于国家地球系统科学数据中心(https：//www. geodata.cn/)，时间分辨率为月，空间分辨率为0.0083333°(约1km)。用496个独立气象观测点数据进行验证，验证结果可信，已被广泛运用到生态学、地学等领域[11]，本研究计算的春季温度为平均温度，降水为累积降水。

为保证研究时段及空间分辨率的统一，本文所用到的遥感数据和气象数据统一时间段为2001—2020年，通过Arcgis 10.8将所有遥感数据空间分辨率重采样为0.05°。

2.2 方法

2.2.1 春季植被光合物候的计算方法

研究对整个研究区域1—12月4d的CSIF时间序列数据与相应的日期之间的关系进行了多项式拟合分析，获得了每个像素的年度CSIF时间序列平滑的季节曲线，去除了由于云量、大气等影响造成的异常点[12]。

SIF=a+a1x1+a2x2+a3x3+…+anxn，n=6

(1)

式中，x对应SIF1年中的某1天；a为系数。用混合分段逻辑函数拟合植被生长曲线，确定SOP，混合分段逻辑函数比起其他拟合方法更适用于拟合植被生长。研究分别将春季光合物候计算为相应的CSIF值达到季节振幅的20%，这个阈值遵循以前的物候学研究[11]，该阈值也用于VIIRS陆地表面物候产品中。公式：

(2)

式中，参数a1、a2和a3代表季节周期的最小值，前后季节周期的振幅；θ1和θ2是决定植被生长和衰老速度的系数；β1和β2是拟合参数。

2.2.2 Teil-Sen Median趋势分析

Theil-Sen Median是一种稳健的非参数统计的趋势计算方法。该方法计算效率高，不受异常值的影响，常被用于长时间序列数据的趋势分析中[13]。

(3)

式中，Xi、Xj分别表示第i年、第j年的SOP值；Median为时间序列的中位数。通常与Mann-Kendall检验一起使用进一步判断趋势的显著性，其优点是计算样本不用遵循特定的规律分布。结果在p<0.05水平上显著变化。

2.2.3 Mann-Kendall检验

Mann-Kendall是一种非参数检验方法(M-K检验)，其不需要样本遵从一定的分布，也不受少数异常值干扰[13]，适合用于判断时间序列数据是否具有上升或下降的趋势。以SOP为例，计算公式如下。

设定(SOPi)，i=2000，2001，…，2020，定义Z统计量：

(4)

其中，

(5)

(6)

(7)

式中，SOPi和SOPj为第i年和第j年的像元SOP平均值；n表示年份长度；sgn为符号函数。本文在显著性水平α=0.05上判断SOP变化趋势的显著性。当检验结果∣Z∣>1.96时，划分为显著变化，当∣Z∣<1.96时，划分为不显著变化。

2.2.4 偏相关分析

在一个多因素系统中，在不考虑其他因素的影响下研究一个因素与另一个因素的相关性时，这种相关性称为偏相关。为了进一步确认春季光合物候的影响因素，研究对每一个像元20年的春季光合物候和气候做了偏相关分析，其中降水为累加降水，温度为平均温度。

(8)

式中，rxy.z是固定变量z和rxy后变量x和y之间的偏相关系数；rxz和ryz分别是变量x和y、x和z以及y和z之间的相关系数。

3 结果与分析

3.1 热带、亚热带植被春季光合物候的空间分布

近20年我国热带、亚热带地区植被的平均SOP为第93.4天，根据正态分布显示，热带、亚热带地区的SOP集中分布在第90～100天，见图1b。SOP在不同区域有明显的空间特异性，表现为西“迟”东“早”的特征，从低经度向高经度逐渐提前的特征，见图1a。E95°～115°的SOP最迟且波动最大，集中在100～120d，随经度增大SOP趋于平稳在90d上下波动，见图1a。空间上，海南省和台湾省东部的SOP最早，集中在第70～75天，见图1b。东部的云贵高原和四川省的SOP最迟，集中在95d以上，见图1b。中部和东南沿海区域的SOP集中在第75～90天。

注：DOY表示1年中的第几天(day of year)。

3.2 热带、亚热带植被春季光合物候的年际和空间趋势

从年际趋势来看，热带和亚热带地区的SOP以约0.456d·a-1的速度提前，见图2。2010—2012年的SOP较迟，这可能和2011年我国西南5省遭受罕见的极端干旱有关，2001—2013年SOP提前的趋势较缓慢，2013—2020年SOP提前的趋势较剧烈，见图1。从空间趋势来看，近20年SOP绝大多数以0～0.5d·a-1的趋势提前，云贵高原东北部和长江中下游平原提前的趋势最大，多数像元平均以2d·a-1的速度提前，广东省、海南省、云南省西部和台湾中部的SOP有推迟的趋势，多以0～0.5d·a-1的趋势推迟，见图3a。经过M-K检验，空间上SOP呈提前趋势的像元占比68.8%，其中显著提前的像元占比24.9%，主要分布在云贵高原东北部和长江中下游平原附近，见图3b。空间上SOP呈推迟趋势的像元占比22.7%，其中显著推迟的像元仅占2.1%，主要分布在云南省的西北部、广东省和海南省，见图3b，总体上2001—2020年我国热带、亚热带地区的SOP呈不显著提前趋势。

图2 SOP的年际趋势

图3 近20年SOP的Theil-sen Slop趋势和经过M-K检验后的Theil-sen Slop图

3.3 热带亚热带植被春季光合物候对气候变化的响应

本研究仅考虑温度和降水2种因素，这2种因素已经被认为是影响植被物候主要的因素。根据以往的研究，本研究将春季定义为3—5月。SOP与春季温度的偏相关系数如图4a所示，研究发现，SOP与春季温度呈正相关的像元占比仅有21%，其中显著正相关的像元仅占0.7%，主要分布在云南省附近，偏相关系数较小集中在0.1～0.3，表明在这些区域温度的升高会使SOP推迟。SOP与温度呈负相关的像元占比79%，其中显著负相关像元占比17.6%，主要分布在长江中下游附近，偏相关系数集中在-0.3～-0.5，表明这些区域温度的升高会使SOP提前，见图4a。

注：插入的饼图表示Ps(正显著)，Pn(正非显著)，Ns(负显著)，Nn(负非显著)。

SOP与春季降水的偏相关系数如图4b所示，研究发现，SOP与春季降水呈正相关的像元占比43.1%，其中显著正相关的像元占比1.6%，主要分布在研究区的东部，偏相关系数集中在0.3以上，表明这些区域降水的增加会推迟SOP。SOP与春季降水呈负相关的像元占比56.9%，其中显著负相关的像元占比8.2%，主要分布在研究区西部，偏相关系数集中在-0.3～-0.5，表明这些区域降水的增加会提前SOP，见图4b。

4 讨论

研究计算的SOP在西部较迟东部较早，这可能是因为西部平均海拔较高，先前的研究表明，高海拔地区的SOP出现较迟且提前趋势较快[8]。研究区多数象元(76%)，SOP与春季温度之间呈负相关关系，这证明暖春确实提前了热带和亚热带地区的SOP，这与前人基于NDVI、EVI等植被指数得出的植被返青期随温度升高而提前的结论一致[1]。在云南省有少部分像元与温度呈正相关，这可能是在春季物候事件发生之前，需要一定量的累积低温来打破植被的自然休眠，而相关的冬季变暖导致低温不足所致[15]。SOP与研究区东部的春季降水呈正相关关系，这可能因为东部沿海地区春土壤水分较湿润，植被生长不会受到水分限制而是受到光照和热量的限制，降雨过多反而影响土壤通气性，使得植物根系缺氧、窒息，最后死亡[12]，不利于植被生长导致SOP的推迟。SOP与西部降水呈负相关性，这是因为西部降水少，降水的增多可以增加植被所需水分的可用性[2]，使SOP提前。

5 结论

本文基于重构的日光诱导叶绿素荧光数据利用一元六次多项式拟合法、分段逻辑函数拟合法结合动态阈值法计算了热带亚热带地区的春季光合物候，采用Theil-Sen Median趋势分析和Mann-Kendall检验阐明了热带亚热带地区的春季光合物候的时空趋势，利用偏相关分析法揭示了气候因子对春季光合物候的影响，主要结论如下。

我国热带、亚热带植被平均SOP为第93.4天，表现为西“迟”东“早”，由低经度向高经度逐渐提前的特征。

2001—2020年我国热带、亚热带地区的SOP呈不显著提前趋势，以约0.456d·a-1的速度提前。

SOP与温度呈负相关的像元占比79%，呈正相关的像元占比21%。SOP与降水呈负相关的像元占比56.9%，呈正相关的像元占比43.1%。

本研究构建了热带、亚热带区域春季光合物候的空间图谱，揭示了温度、降水对春季光合物候的影响，填补了热带、亚热带区域物候学研究的不足。研究可为热带、亚热带区域的生态环境建设提供科学依据。