張新悅 馮禹昊 曾輝 唐志堯

1982—2014年華北及周邊地區(qū)生長(zhǎng)季NDVI變化及其與氣候的關(guān)系

張新悅 馮禹昊 曾輝 唐志堯?

北京大學(xué)城市與環(huán)境學(xué)院, 地表過(guò)程分析與模擬教育部重點(diǎn)實(shí)驗(yàn)室, 北京 100871; ?通信作者, E-mail: zytang@urban.pku.edu.cn

利用 690 個(gè)氣象觀測(cè)站數(shù)據(jù)和 1982―2014 年 GIMMS NDVI 3g 數(shù)據(jù), 運(yùn)用趨勢(shì)分析、小波偏互相關(guān)分析、偏相關(guān)分析和滯后分析方法, 探究華北及周邊地區(qū) 33 年來(lái)生長(zhǎng)季(5―10 月) NDVI 的變化規(guī)律及其與氣候的關(guān)系, 得到如下結(jié)論。1)33 年來(lái), 研究區(qū)植被生長(zhǎng)季活動(dòng)整體上顯著增強(qiáng), 生長(zhǎng)季 NDVI 由 20 世紀(jì) 80年代的平均 0.44升至 2010 年以來(lái)的 0.49; 生長(zhǎng)季 NDVI 在研究區(qū)中部區(qū)域快速增長(zhǎng), 而在西北部荒漠地區(qū)下降。2)研究區(qū)生長(zhǎng)季 NDVI 的上升得益于溫度升高和降水增加, 其中降水的影響更大; 研究區(qū) NDVI 與氣溫在大部分地區(qū)正相關(guān); 除研究區(qū)東南部地區(qū)外, NDVI 與降水有很強(qiáng)的正相關(guān)關(guān)系。3)在 15 天的時(shí)間分辨率尺度下, 研究區(qū)大部分地區(qū)生長(zhǎng)季內(nèi) NDVI 對(duì)溫度的響應(yīng)無(wú)明顯滯后, 或存在 1 期(15d)滯后, 對(duì)降水的響應(yīng)存在 1~2 期(15~30d)滯后, 因此從總體上看, 華北及周邊地區(qū)植被生長(zhǎng)對(duì)溫度的響應(yīng)比對(duì)降水的影響更迅速。

時(shí)空格局; 氣候因子; NDVI; 小波分析; 時(shí)滯; 華北地區(qū)

植被是陸地生態(tài)系統(tǒng)的主體, 對(duì)氣候變化尤為敏感, 在全球變化中起到“指示器”的作用[1]。因此, 研究植被的變化情況及其與氣候要素之間的關(guān)系對(duì)反映生態(tài)系統(tǒng)脆弱程度和探討生態(tài)系統(tǒng)對(duì)全球變化的響應(yīng)有重要意義[2]。歸一化植被指數(shù)(normal-ized difference vegetation index, NDVI)可以在很大程度上體現(xiàn)地表植被的覆蓋狀況, 廣泛地應(yīng)用于不同時(shí)空尺度的植被生長(zhǎng)監(jiān)測(cè)中, 用于探討植被與氣候因子之間的關(guān)系[3–4]。氣候變化導(dǎo)致地球局部地區(qū)植被覆蓋發(fā)生顯著變化[5], 氣候要素中的氣溫和降水對(duì)植被的影響最直接[6]。植被年內(nèi)生長(zhǎng)對(duì)氣候的響應(yīng)存在滯后效應(yīng)[7], 不同環(huán)境條件下, 植被對(duì)溫度和降水響應(yīng)的時(shí)滯性有很大的差異[8–9]。

華北及周邊地區(qū)植被脆弱, 氣候變化導(dǎo)致該區(qū)域的生態(tài)系統(tǒng)極度不穩(wěn)定10–11]。在此背景下, 評(píng)估和掌握該地區(qū)植被生長(zhǎng)動(dòng)態(tài)及其對(duì)氣候因子的響應(yīng)規(guī)律, 對(duì)維護(hù)地區(qū)生態(tài)安全十分重要。利用多種NDVI 產(chǎn)品對(duì)華北及周邊地區(qū)植被變化及其與氣候因子相關(guān)性的研究表明, 氣溫和降水均對(duì)該地區(qū)植被的生長(zhǎng)產(chǎn)生影響, 且這種影響存在一定的滯后[6,12]。但是, 對(duì)于哪個(gè)氣候要素的影響更顯著以及滯后時(shí)長(zhǎng), 不同學(xué)者的結(jié)論不盡相同。此外, 現(xiàn)有研究中普遍存在以下不足: 1)在探究 NDVI 年際變化的驅(qū)動(dòng)因子時(shí), 多采用簡(jiǎn)單線性模型來(lái)擬合NDVI 與氣候因子之間的關(guān)系。然而, 在周期性氣候事件的影響下, NDVI 也可能具有多時(shí)間尺度的變化特征, 變化規(guī)律極其復(fù)雜[13–14], 傳統(tǒng)的簡(jiǎn)單線性分析方法會(huì)削弱植被與氣候之間的共變關(guān)系。2)在探究植被年內(nèi)生長(zhǎng)對(duì)氣候的響應(yīng)時(shí), 普遍以月為單位[15], 時(shí)間分辨率較低。華北及周邊地區(qū)氣候變化較為快速, 較長(zhǎng)的時(shí)間間隔會(huì)導(dǎo)致在探究植被對(duì)氣候因子響應(yīng)時(shí)屏蔽掉細(xì)節(jié)信息, 同時(shí)導(dǎo)致夸大或縮小滯后效應(yīng), 不利于滯后時(shí)長(zhǎng)的確定。3)多基于GIMMS NDVI (1982—2006年)、SPOT-VGT NDVI(1998—至今)或MODIS NDVI (2000—至今)等數(shù)據(jù), 研究時(shí)間序列較短。盡管有學(xué)者綜合運(yùn)用不同的NDVI 數(shù)據(jù)集來(lái)延長(zhǎng)時(shí)間序列, 但不同傳感器的性能差異也會(huì)影響 NDVI 數(shù)據(jù)的連續(xù)性。

本研究選用 1982—2014 年的第三代 GIMMS NDVI 3g 數(shù)據(jù), 運(yùn)用趨勢(shì)分析、小波偏互相關(guān)分析、偏相關(guān)分析和滯后分析方法, 研究 33 年來(lái)華北及周邊地區(qū)植被生長(zhǎng)季 NDVI 的時(shí)空變化、氣候?qū)ρ芯繀^(qū)植被年際變化的驅(qū)動(dòng)作用以及植被年內(nèi)生長(zhǎng)對(duì)氣候要素的響應(yīng)等問(wèn)題, 旨在為華北及周邊地區(qū)生態(tài)環(huán)境的修復(fù)和改善提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)簡(jiǎn)介

研究區(qū)位于 103°21′—122°42′E, 31°23′—43°22′N(xiāo)之間, 包括北京、河北、山東、山西、河南、寧夏回族自治區(qū)和天津等省(市、自治區(qū))的全部以及甘肅省、陜西省和內(nèi)蒙古自治區(qū)的部分區(qū)域(圖 1)。總面積約為 84 萬(wàn) km2, 海拔范圍為 0~3058m。華北及周邊地區(qū)受季風(fēng)氣候影響明顯, 夏季高溫多雨, 冬季寒冷干燥, 年均氣溫約為 7°C, 降水集中在 7－8 月[16]。受氣候影響, 植被生長(zhǎng)季集中在 5—10 月[17]。土地覆蓋情況如圖 1[18]所示。

1.2 數(shù)據(jù)來(lái)源及預(yù)處理

GIMMS NDVI 3g 由戈達(dá)德航天中心(NASA’s Goddard Space Flight Center)發(fā)布, 時(shí)間分辨率為15 天, 空間分辨率為 0.083° (https://ecocast.arc.nasa. gov/data/pub/gimms/3g.v1)。該數(shù)據(jù)集消除了大氣水汽、火山爆發(fā)、太陽(yáng)高度角和傳感器靈敏度變化等因素的影響, 是研究長(zhǎng)時(shí)間序列植被生長(zhǎng)動(dòng)態(tài)的可靠數(shù)據(jù)之一[19]。本文對(duì)原始 GIMMS NDVI 數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、掩模和裁剪等預(yù)處理, 得到研究區(qū)域 1982—2014 年生長(zhǎng)季逐節(jié)(15 天, 下同) NDVI 數(shù)據(jù), 并采用最大值合成法(maximum value composite, MVC)獲得月度 NDVI 值。

生長(zhǎng)季的氣溫和降水?dāng)?shù)據(jù)來(lái)自研究區(qū) 690 個(gè)氣象觀測(cè)站的數(shù)據(jù)(圖 1, http://data.cma.cn)。本文采用克里金(Kriging)方法, 對(duì)氣象站點(diǎn)數(shù)據(jù)進(jìn)行插值處理, 得到空間分辨率為 1/12°的柵格數(shù)據(jù)[20]。華北及周邊地區(qū)地形起伏較大, 在插值過(guò)程中, 對(duì)溫度數(shù)據(jù)采用經(jīng)驗(yàn)氣溫垂直遞減率進(jìn)行校正[21], 校正所用的地形數(shù)據(jù)來(lái)自 SRTM (http://srtm.csi.cgiar. org/)。

本研究中全部地理數(shù)據(jù)的處理均采用 ArcGIS 10.6軟件完成。

1.3 研究方法

1.3.1 趨勢(shì)分析

本文基于 1982—2014 年的 GIMMS NDVI 3g 數(shù)據(jù), 采用一元線性回歸方法計(jì)算 33 年來(lái)每個(gè)像元的NDVI 年際變化趨勢(shì)?；貧w斜率>0 表示 NDVI 呈增加趨勢(shì),<0 則表示 NDVI 呈減少趨勢(shì)。結(jié)合回歸系數(shù)的顯著性水平(值), 將研究區(qū) NDVI 年際變化情況劃分為 6 個(gè)類(lèi)型: 極顯著降低(<0.01,<0)、顯著降低(0.01<<0.05,<0)、不顯著降低(>0.05,< 0)、不顯著增加(>0.05,>0)、顯著增加(0.01<< 0.05,>0)和極顯著增加(<0.01,>0)[3]。

圖1 研究區(qū)空間范圍、植被與氣象站點(diǎn)分布

1.3.2 小波偏互相關(guān)分析

小波互相關(guān)分析方法能定量地描述兩個(gè)非平穩(wěn)序列在某個(gè)特定時(shí)間尺度上的相關(guān)關(guān)系, 是基于小波變換系數(shù)進(jìn)行復(fù)雜時(shí)間序列驅(qū)動(dòng)因子判定和評(píng)估的理想工具[22]。在小波互相關(guān)分析的基礎(chǔ)上, 小波偏互相關(guān)分析方法進(jìn)一步考慮變量間的交互作用, 反映自變量對(duì)因變量真實(shí)且獨(dú)立的影響。該方法在加強(qiáng)不同尺度時(shí)間序列特征的同時(shí), 還可以更準(zhǔn)確地, 定量地描述兩個(gè)非平穩(wěn)序列之間的共變關(guān)系[23]。為了更準(zhǔn)確地探究 NDVI 年際變化的驅(qū)動(dòng)因子, 本研究將小波偏互相關(guān)分析方法用于探究研究區(qū)氣候?qū)?NDVI 年際變化的影響, 計(jì)算公式為

定變量, 變量與間的小波偏互相關(guān)系數(shù)。將各時(shí)間尺度的系數(shù)按權(quán)重相加(式(2)~(3)), 得到某一像元處兩個(gè)時(shí)間序列的小波偏互相關(guān)系數(shù)值。

在實(shí)際應(yīng)用中, 為滿(mǎn)足小波計(jì)算的基本要求, 首先對(duì) 1982―2014 年生長(zhǎng)季平均 NDVI、平均溫度和年降水序列向外適當(dāng)?shù)財(cái)U(kuò)增, 保證小波系數(shù)不會(huì)在序列兩端出現(xiàn)奇異值[24]。使用適宜地球物理過(guò)程的復(fù) Morlet 小波, 對(duì)生長(zhǎng)季平均 NDVI、溫度和降水序列進(jìn)行小波分解[25]。統(tǒng)計(jì)分析在 MATLAB R2017b 中實(shí)現(xiàn)。

1.3.3 偏相關(guān)與滯后分析

本文采用偏相關(guān)分析與滯后分析相結(jié)合的方法, 探究溫度和降水對(duì) NDVI 年內(nèi)變化的影響以及植被年內(nèi)生長(zhǎng)對(duì)溫度和降水響應(yīng)的滯后效應(yīng), 時(shí)間步長(zhǎng)為 15 天。在不考慮因子交互作用的情況下, 溫度()或降水()與 NDVI()間的相關(guān)性由式(4)度量:

為排除因子間交互作用對(duì)生長(zhǎng)季 NDVI 變化的影響, 基于考慮滯后效應(yīng)得到的相關(guān)系數(shù), 可以得到如下偏相關(guān)系數(shù)公式[26]:

得到各因子逐像元 0~6 期滯后的偏相關(guān)系數(shù)后, 取各像元系數(shù)的最大值, 將其對(duì)應(yīng)的滯后時(shí)間作為 NDVI 對(duì)該因子的真實(shí)響應(yīng)滯后時(shí)間[27]。

2 結(jié)果

2.1 華北及周邊地區(qū)生長(zhǎng)季 NDVI 年際變化的時(shí)空格局

從區(qū)域尺度看, 1982—2014 年華北及周邊地區(qū)生長(zhǎng)季多年平均 NDVI 為 0.46。33 年來(lái), NDVI 呈顯著上升趨勢(shì)(2=0.68,<0.01), 從 20 世紀(jì) 80 年代的平均 0.44 增至 2010 年以來(lái)的 0.49, 年平均增長(zhǎng)量為0.0014 (圖 2)。

1982—2014 年華北及周邊地區(qū)生長(zhǎng)季 NDVI 在超過(guò) 85%的區(qū)域有所增加, 其中, 極顯著增加(< 0.01)的區(qū)域占 42.2%, 顯著增加(0.01≤<0.05)的區(qū)域占 11.6%, 廣泛分布于研究區(qū)中部, 僅在研究區(qū)西北部的荒漠區(qū)域和東南部的河南省境內(nèi)出現(xiàn)一定程度的下降(圖 3)。

圖2 1982—2014 年華北及周邊地區(qū)生長(zhǎng)季NDVI 變化趨勢(shì)

2.2 華北及周邊地區(qū)生長(zhǎng)季 NDVI 年際變化與氣候的關(guān)系

從區(qū)域尺度看, 1982—2014 年華北及周邊地區(qū)生長(zhǎng)季 NDVI 與溫度(=0.40)和降水(=0.50)均顯著正相關(guān), 植被年際變化受降水的影響更大。

研究區(qū)生長(zhǎng)季 NDVI 與溫度主要呈現(xiàn)正相關(guān)關(guān)系(圖 4(a)), 其中強(qiáng)正相關(guān)(>0.6)區(qū)域的面積占研究區(qū)的 37.4%, 主要分布于河南南部、河北北部和西北部的荒漠地帶, 表明這些區(qū)域的植被長(zhǎng)勢(shì)在一定程度上受到溫度的制約, 溫度的上升有助于植被變綠; 低正相關(guān)(0.3<≤0.6)和弱正相關(guān)(0<≤0.3)的面積占比分別為 31.5%和 18.2%, 廣泛地分布于研究區(qū)的大部分區(qū)域。NDVI 與氣溫的負(fù)相關(guān)關(guān)系非常少見(jiàn), 且相關(guān)程度不高, 僅占研究區(qū)面積的12.8%。

1982—2014 年期間, 生長(zhǎng)季 NDVI 與降水在超過(guò)研究區(qū)面積一半(53.3%)的區(qū)域呈現(xiàn)強(qiáng)正相關(guān)關(guān)系(>0.6), 但空間分異明顯, 在太行山以西的陜西、山西、河北北部以及內(nèi)蒙古的部分地區(qū), NDVI 與降水表現(xiàn)出較強(qiáng)的正相關(guān)關(guān)系。在太行山以東的河南以及山東部分地區(qū), NDVI 與降水呈現(xiàn)較強(qiáng)的負(fù)相關(guān)關(guān)系(圖 4(b)), 原因可能是該區(qū)域主要為農(nóng)田, 人工灌溉提供了充足的水分。

2.3 華北及周邊地區(qū) NDVI 年內(nèi)變化對(duì)氣候響應(yīng)的時(shí)滯效應(yīng)

本文比較 0~90 天 滯后期情況下, NDVI 與氣候因子的偏相關(guān)系數(shù)(圖 5(a)~(g)和圖 6(a)~(g)), 將最大值作為 NDVI 對(duì)氣候變化的最大響應(yīng)強(qiáng)度(稱(chēng)為最大偏相關(guān)系數(shù), 見(jiàn)圖 5(h)和 6(h)), 此時(shí)的滯后期即為生長(zhǎng)季 NDVI 對(duì)氣候要素響應(yīng)的滯后時(shí)長(zhǎng)(圖5(i)和6(i))。

生長(zhǎng)季內(nèi) NDVI 與溫度的最大偏相關(guān)系數(shù)呈現(xiàn)西北高于東南的情況, 高值集中在太行山以西海拔較高的區(qū)域(圖 5(h))。在 15 天分辨率尺度下, NDVI對(duì)氣溫變化的響應(yīng)存在滯后的區(qū)域占研究區(qū)總面積的 49.6% (圖 5(i)), 其中 45.4%的區(qū)域滯后 1 期, 集中分布在北部; 在中部地區(qū), 即陜甘交界處, NDVI對(duì)氣溫變化響應(yīng)的滯后最長(zhǎng)達(dá)到一個(gè)月。此外, 在超過(guò)研究區(qū)面積一半的東南部區(qū)域和西北部的荒漠區(qū)域, NDVI 響應(yīng)氣溫變化的時(shí)滯效應(yīng)不明顯。

圖3 華北及周邊地區(qū)生長(zhǎng)季 NDVI 年際變化空間分布及顯著性

圖4 溫度及降水對(duì)1982—2014年華北及周邊地區(qū)生長(zhǎng)季NDVI年際變化的驅(qū)動(dòng)效應(yīng)

隨著滯后期的延長(zhǎng), NDVI 與降水的偏相關(guān)系數(shù)先上升后下降(圖 6 (a)~(g)), 表明在華北及周邊地區(qū)植被年內(nèi)生長(zhǎng)對(duì)降水變化的響應(yīng)存在延遲。大部分區(qū)域生長(zhǎng)季內(nèi) NDVI 與降水的最大偏相關(guān)系數(shù)顯著為正, 但在太行山脈和秦嶺山脈一帶以及西北部荒漠地區(qū), NDVI 與降水之間無(wú)顯著相關(guān)性(圖6(h))。在 15 天分辨率尺度下, 85.5%的區(qū)域生長(zhǎng)季內(nèi) NDVI 對(duì)降水的響應(yīng)存在滯后, 其中 64.3%的區(qū)域滯后 1 期(15天)。生長(zhǎng)季內(nèi) NDVI 對(duì)降水響應(yīng)的滯后時(shí)間在西北部荒漠地區(qū)以及太行山和秦嶺地區(qū)的部分林地區(qū)域最長(zhǎng), 達(dá)到兩個(gè)月以上(圖 6(i))。

3 討論

本文的研究結(jié)果表明, 1982—2014 年華北及周邊地區(qū)生長(zhǎng)季 NDVI 整體上顯著增長(zhǎng), 年平均增長(zhǎng)量為 0.0014。從 NDVI 對(duì)溫度和降水的年際響應(yīng)情況看, 33 年來(lái)研究區(qū)生長(zhǎng)季 NDVI 與溫度和降水整體上正相關(guān), 同時(shí)在大部分地區(qū)表現(xiàn)出與降水更強(qiáng)的相關(guān)性。華北及周邊地區(qū)處于半干旱–半濕潤(rùn)地區(qū), 降水增加可以在一定程度上緩解水分對(duì)植被生長(zhǎng)的限制, 同時(shí)充足的水分可以提高土壤酶和微生物的活性, 促進(jìn)植物對(duì)養(yǎng)分的吸收, 有利于植被生長(zhǎng)[28]。溫度的升高除可能使冰雪提前融化、增加春季的土壤水分外, 還可能導(dǎo)致植被生長(zhǎng)季的提前和延長(zhǎng)[29]。1982—2014 年華北及周邊地區(qū)氣候變化的實(shí)際情況表明, 除研究區(qū)東南部和北部局部區(qū)域外, 其他區(qū)域降水均呈現(xiàn)增加趨勢(shì)(圖 7(a))同時(shí)溫度整體上升(圖 7(b))。由此可以看出, 33 年來(lái)研究區(qū)大部分地區(qū)生長(zhǎng)季植被活動(dòng)的增強(qiáng)得益于溫度的升高和降水的增加, 其中降水增加的主導(dǎo)作用更明顯。這一結(jié)論支持劉斌等[12]的研究結(jié)論。

圖5 華北及周邊地區(qū)生長(zhǎng)季內(nèi) NDVI 與 0~6 期(0~90 天)滯后時(shí)長(zhǎng)的溫度的偏相關(guān)系數(shù)、NDVI 與溫度的最大偏相關(guān)系數(shù)以及對(duì)應(yīng)的滯后期

植被生長(zhǎng)對(duì)氣候要素的響應(yīng)表現(xiàn)出一定程度的滯后效應(yīng)。本研究結(jié)果表明, 在 15 天分辨率尺度下, 大部分地區(qū)生長(zhǎng)季內(nèi) NDVI 對(duì)溫度的響應(yīng)無(wú)明顯滯后或存在 1 期滯后, 對(duì)降水的響應(yīng)存在 1~2 期滯后, 即研究區(qū)植被在年內(nèi)生長(zhǎng)過(guò)程中對(duì)溫度的響應(yīng)比降水更迅速。原因可能是溫度和降水對(duì)植被生長(zhǎng)的作用方式有所差異: 溫度作為影響植物生理生態(tài)過(guò)程重要的環(huán)境因子之一, 其變化會(huì)直接作用于植物的光合與呼吸等生理過(guò)程[30], 從而影響植被生長(zhǎng), 造成植被對(duì)溫度變化敏感。降水主要是通過(guò)影響土壤水分狀況來(lái)影響植被生長(zhǎng)[31], 由于土壤可以為植被生長(zhǎng)提供較為連續(xù)的水分供應(yīng), 使得降水變化對(duì)植被生長(zhǎng)的影響得到一定程度的緩解[32], 表現(xiàn)為植被生長(zhǎng)對(duì)降水變化響應(yīng)的滯后時(shí)間相對(duì)較長(zhǎng)。Piao 等[33]的研究得到相似的結(jié)果。

圖6 華北及周邊地區(qū)生長(zhǎng)季內(nèi) NDVI 與 0~6 期 (0~90 天) 滯后時(shí)長(zhǎng)的降水的偏相關(guān)系數(shù)、NDVI與降水的最大偏相關(guān)系數(shù)以及對(duì)應(yīng)的滯后期

不同地區(qū)、不同類(lèi)型的植被對(duì)氣候的敏感性是不同的[34], 由此造成華北及周邊地區(qū) NDVI 對(duì)氣候響應(yīng)的空間差異。例如, 本研究結(jié)果顯示, 在草地集中分布的區(qū)域, NDVI 對(duì)降水的變化較為敏感, 而林地集中分布地區(qū)表現(xiàn)為對(duì)水分變化的敏感性較低。我們認(rèn)為, 這種差異性是由植被所在區(qū)域的環(huán)境條件和植被本身的生理活動(dòng)特征共同導(dǎo)致的。崔林麗等[9]的研究表明, 在地表降水較多的地區(qū), 植被生長(zhǎng)對(duì)降水的響應(yīng)滯后時(shí)間長(zhǎng)于較為干旱的區(qū)域。土壤類(lèi)型和植被根系分布特征等也會(huì)對(duì)時(shí)滯的長(zhǎng)短造成影響[3]。此外, 不同類(lèi)型的植被對(duì)氣候的響應(yīng)也存在差異。例如, 多年生的灌叢或森林能通過(guò)相對(duì)低的生長(zhǎng)量來(lái)抵抗環(huán)境變化的壓力; 然而, 一年生植物在水分較為充足時(shí)具有較大的凈生長(zhǎng)量, 但這種增長(zhǎng)時(shí)間較短暫[35]。

圖7 1982—2014年華北及周邊地區(qū)降水和溫度年際變化空間分布

4 結(jié)論

本研究基于 1982—2014 年華北及周邊地區(qū)植被生長(zhǎng)季 NDVI 及氣候數(shù)據(jù), 綜合運(yùn)用趨勢(shì)分析、小波偏互相關(guān)分析、偏相關(guān)分析和滯后分析方法, 研究該地區(qū)植被時(shí)空變化及其與氣候的關(guān)系, 得到如下結(jié)論。

1)33 年來(lái), 華北及周邊地區(qū)生長(zhǎng)季 NDVI由 20 世紀(jì) 80 年代的平均 0.44 升至 2010 年以來(lái)的0.49; 大部分地區(qū) NDVI 呈現(xiàn)上升趨勢(shì), 僅在西北荒漠區(qū)域和河南省境內(nèi)局部地區(qū)出現(xiàn)下降。

2)華北及周邊地區(qū) NDVI 的上升得益于溫度升高和降水增加, 其中降水的主導(dǎo)作用更明顯。

3)在 15 天分辨率尺度下, 大部分地區(qū)生長(zhǎng)季內(nèi) NDVI 對(duì)溫度的響應(yīng)無(wú)明顯滯后或存在 1 期滯后, 對(duì)降水的響應(yīng)存在 1~2 期滯后; 總體上看, 華北及周邊地區(qū)植被對(duì)溫度的響應(yīng)比降水更迅速。

本文的研究結(jié)果可以為區(qū)域植被恢復(fù)和生態(tài)系統(tǒng)管理提供科學(xué)依據(jù), 但是, 本研究存在以下不足之處: 1)以月份作為生長(zhǎng)季界定的標(biāo)準(zhǔn), 可能忽略了不同物種和植被間生長(zhǎng)物候的差異; 2)雖然本研究已將滯后效應(yīng)的時(shí)間分辨率縮短至 15 天, 但難以捕捉 15 天以?xún)?nèi)的時(shí)滯, 時(shí)間精度有待進(jìn)一步提升; 3)除溫度和降水外, 植被生長(zhǎng)同樣受到人類(lèi)活動(dòng)的影響, 本文沒(méi)有對(duì)其進(jìn)行系統(tǒng)的定量評(píng)估。上述遺留問(wèn)題需要在以后的研究中加以改善。

[1] 馬明國(guó), 王建, 王雪梅. 基于遙感的植被年際變化及其與氣候關(guān)系研究進(jìn)展. 遙感學(xué)報(bào), 2006, 10(3): 421–431

[2] 包剛, 包玉海, 覃志豪, 等. 近 10 年蒙古高原植被覆蓋變化及其對(duì)氣候的季節(jié)響應(yīng). 地理科學(xué), 2013, 33(5): 613–621

[3] 尤南山, 蒙吉軍, 孫慕天. 2000—2015 年黑河流域中上游 NDVI 時(shí)空變化及其與氣候的關(guān)系. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2019, 55(1): 171–181

[4] Zhao Xia, Zhou Daojing, Fang Jingyun. Satellite-based studies on large-scale vegetation changes in China. Journal of Integrative Plant Biology, 2012, 54(10): 713–728

[5] 方精云, 樸世龍, 賀金生, 等. 近 20 年來(lái)中國(guó)植被活動(dòng)在增強(qiáng). 中國(guó)科學(xué)(C 輯: 生命科學(xué)), 2003, 33(6): 554–565

[6] 孫艷玲, 郭鵬. 1982—2006 年華北植被覆蓋變化及其與氣候變化的關(guān)系. 生態(tài)環(huán)境學(xué)報(bào), 2012, 21(1): 7–12

[7] 張戈麗, 徐興良, 周才平, 等. 近 30 年來(lái)呼倫貝爾地區(qū)草地植被變化對(duì)氣候變化的響應(yīng). 地理學(xué)報(bào), 2011, 66(1): 47–58

[8] 楊元合, 樸世龍. 青藏高原草地植被覆蓋變化及其與氣候因子的關(guān)系. 植物生態(tài)學(xué)報(bào), 2006, 30(1): 1–8

[9] 崔林麗, 史軍. 中國(guó)華東及其周邊地區(qū) NDVI 對(duì)氣溫和降水的月際響應(yīng)特征. 自然資源學(xué)報(bào), 2011, 26(12): 2121–2130

[10] 趙東升, 吳紹洪. 氣候變化情景下中國(guó)自然生態(tài)系統(tǒng)脆弱性研究. 地理學(xué)報(bào), 2013, 68(5): 602–610

[11] 趙嘉陽(yáng). 中國(guó) 1960—2013 年氣候變化時(shí)空特征、突變及未來(lái)趨勢(shì)分析[D]. 福州: 福建農(nóng)林大學(xué), 2017

[12] 劉斌, 孫艷玲, 王永財(cái), 等. 基于 SPOT/NDVI 華北地區(qū)植被變化動(dòng)態(tài)監(jiān)測(cè)與評(píng)價(jià). 干旱區(qū)資源與環(huán)境, 2013, 27(9): 98–103

[13] 謝寶妮. 黃土高原近 30 年植被覆蓋變化及其對(duì)氣候變化的響應(yīng)[D]. 咸陽(yáng): 西北農(nóng)林科技大學(xué), 2016

[14] 王曉利. 中國(guó)沿海極端氣候變化及其對(duì) NDVI 的影響特征研究[D]. 煙臺(tái): 中國(guó)科學(xué)院煙臺(tái)海岸帶研究所, 2017

[15] 劉成林, 樊任華, 武建軍, 等. 錫林郭勒草原植被生長(zhǎng)對(duì)降水響應(yīng)的滯后性研究. 干旱區(qū)地理, 2009, 32(4): 512–518

[16] 馮敏, 孫艷玲, 劉斌, 等. 華北地區(qū)植被 NDVI 與不同氣候指標(biāo)的相關(guān)分析. 水土保持通報(bào), 2014, 34 (1): 246–251

[17] Yang Xian, Tang Zhiyao, Ji Chengjun, et al. Scaling of nitrogen and phosphorus across plant organs in shrubland biomes across northern China. Scientific Reports, 2014, 4: 05448

[18] 歐陽(yáng)志云, 王橋. 中國(guó)生態(tài)環(huán)境演變與評(píng)估. 北京: 科學(xué)出版社, 2017

[19] Wang Junbang, Dong Jingwei, Liu Jiyuan, et al. Comparison of gross primary productivity derived from GIMMS NDVI3g, GIMMS, and MODIS in Southeast Asia. Remote Sensing, 2014, 6(3): 2108–2133

[20] 樸世龍, 方精云, 郭慶華. 利用 CASA 模型估算我國(guó)植被凈第一性生產(chǎn)力. 植物生態(tài)學(xué)報(bào), 2001, 25(5): 603–608

[21] 廖順寶, 李澤輝, 游松財(cái). 氣溫?cái)?shù)據(jù)柵格化的方法及其比較. 資源科學(xué), 2003, 25(6): 83–88

[22] 桑燕芳, 王棟, 吳吉春, 等. 水文時(shí)間序列小波互相關(guān)分析方法. 水力學(xué)報(bào), 2010, 41(11): 1272–1279

[23] 馮禹昊, 朱江玲. 基于 Morlet 小波的遼河徑流量變化及其成因分析. 水土保持研究, 2019, 26(2): 208–215

[24] 楊輝, 宋正山. 華北地區(qū)水資源多時(shí)間尺度分析. 高原氣象, 1999, 18(4): 496–508

[25] 費(fèi)佩燕, 劉曙光. 幾種常見(jiàn)小波的應(yīng)用性能分析// 中國(guó)電子學(xué)會(huì)第七屆學(xué)術(shù)年會(huì)論文集. 西安, 2001: 496–508

[26] 陶澍. 應(yīng)用數(shù)理統(tǒng)計(jì)方法. 北京: 中國(guó)環(huán)境科學(xué)出版社, 1994

[27] 陶澍, 梁濤, 徐尚平, 等. 伊春河河水溶解態(tài)有機(jī)碳含量和輸出通量的時(shí)空變化. 地理學(xué)報(bào), 1997, 64(3): 254–261

[28] 樊利華, 周星梅, 吳淑蘭, 等. 干旱脅迫對(duì)植物根際環(huán)境影響的研究進(jìn)展. 應(yīng)用與環(huán)境生物學(xué)報(bào), 2019, 25(5): 1244–1251

[29] Yu Fangfang, Price K P, Ellis J, et al. Response of seasonal vegetation development to climatic variations in eastern central Asia. Remote Sensing of Environ-ment, 2003, 87(1): 42–54

[30] 李洪軍, 吳玉環(huán), 張志祥, 等. 溫度變化對(duì)木本植物光合生理生態(tài)的影響. 貴州農(nóng)業(yè)科學(xué), 2009, 37 (9): 39–45

[31] Esteban G J, Sala O E, José M P. Patterns and controls of primary production in the patagonian steppe: a remote sensing approach. Ecology, 2002, 83(2): 307–319

[32] 徐興奎, 林朝暉, 薛峰, 等. 氣象因子與地表植被生長(zhǎng)相關(guān)性分析. 生態(tài)學(xué)報(bào), 2003, 23(2): 3–12

[33] Piao Shilong, Nan Huijuan, Huntingford C, et al. Evi-dence for a weakening relationship between interan-nual temperature variability and northern vegetation activity. Nature Communications, 2014, 5: no. 5018

[34] Tan Zhiqiang, Tao Hui, Jiang Jiahu, et al. Influences of climate extremes on NDVI (Normalized Difference Vegetation Index) in the Poyang Lake Basin, China. Wetlands, 2015, 141(4): 1033–1042

[35] Gibson A C. Structure-function relations of warm desert plants. Berlin: Springer, 1996

Change of NDVI during Growing Season and Its Relationship with Climate in North China and the Adjacent Areas from 1982 to 2014

ZHANG Xinyue, FENG Yuhao, ZENG Hui, TANG Zhiyao?

Laboratory for Earth Surface Processes, Ministry of Education, School of Urban and Environmental Sciences, Peking University, Beijing 100871, ? Corresponding author, E-mail: zytang@urban.pku.edu.cn

Using data from 690 meteorological observatories and GIMMS NDVI 3g data from 1982 to 2014, trend analysis, wavelet partial cross-correlation analysis, partial correlation analysis and lag analysis were used to explore the change rule of NDVI during the growing season (May to October) and its relationship with climate in North China and the adjacent areas in the past 33 years. The results showed that the average growing season NDVI increased from 0.44 in the 1980s to 0.49 in the 2010s. NDVI in the growing season increased rapidly in the central part of the research area, but decreased in the northwest desert area. The increase of NDVI in the growing season of the research area was benefited from the increase of temperature and precipitation, and the influence of precipitation was greater. NDVI of the research area was positively correlated with the temperature in most areas. Except for the southeastern part of the study area, NDVI and precipitation had strong positive correlation. At 15-day resolution, the response of NDVI to temperature in the growing season in most areas did not have obvious lag or was lagged in one period (15 days), and the response to precipitation was lagged about 1–2 periods (15–30 days). Therefore, in general, vegetation growth in North China and the adjacent areas responded more rapidly to temperature than precipitation.

temporal and spatial pattern; climatic factors; NDVI; wavelet analysis; time lag; Northern China

10.13209/j.0479-8023.2020.108

2019–03–14;

2020–12–21

國(guó)家自然科學(xué)基金(U1910207)資助