1982—2012年中國(guó)植被覆蓋時(shí)空變化特征

劉憲鋒，朱秀芳,*，潘耀忠，李宜展，趙安周

1 北京師范大學(xué)地表過程與資源生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100875

2 北京師范大學(xué)資源學(xué)院，北京 100875

1982—2012年中國(guó)植被覆蓋時(shí)空變化特征

劉憲鋒1,2，朱秀芳1,2,*，潘耀忠1,2，李宜展1,2，趙安周1,2

1 北京師范大學(xué)地表過程與資源生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100875

2 北京師范大學(xué)資源學(xué)院，北京 100875

利用GIMMS NDVI、MODIS NDVI和氣象數(shù)據(jù)，輔以趨勢(shì)分析、分段回歸以及相關(guān)分析等方法，分析了1982—2012年我國(guó)植被NDVI時(shí)空變化特征及其驅(qū)動(dòng)因素。結(jié)果表明：(1)近30年我國(guó)植被NDVI呈緩慢增加趨勢(shì)，增速為0.2%/10a；植被覆蓋變化階段性特征明顯：即1982—1997年和1997—2012年植被覆蓋均呈顯著增加趨勢(shì)，增速分別為1.2%/10a和0.6%/10a，均通過顯著水平0.05的檢驗(yàn)。(2)空間上，我國(guó)陜北黃土高原、西藏中西部以及新疆準(zhǔn)格爾盆地等地區(qū)植被NDVI呈顯著增加趨勢(shì)；而東北地區(qū)的大、小興安嶺和長(zhǎng)白山、新疆北部的天山和阿爾泰山以及黃河源和秦巴山區(qū)等地區(qū)植被NDVI呈顯著下降趨勢(shì)，其中東北地區(qū)和新疆北部山區(qū)下降尤為顯著，說明近年來我國(guó)中高緯度山區(qū)植被活動(dòng)呈下降趨勢(shì)。(3)不同區(qū)域植被對(duì)氣溫和降水的響應(yīng)存在差異，我國(guó)北方地區(qū)植被對(duì)氣溫具有較長(zhǎng)的響應(yīng)持續(xù)時(shí)間；而除云南外，南方地區(qū)植被對(duì)降水的響應(yīng)時(shí)間存在1—3個(gè)月的響應(yīng)時(shí)間，且隨著滯后時(shí)間的延長(zhǎng)，相關(guān)性逐漸增大。(4)我國(guó)植被覆蓋增加是氣候變化和人類活動(dòng)共同驅(qū)動(dòng)的結(jié)果，尤其是1999年之后人類活動(dòng)影響逐漸加強(qiáng)。而我國(guó)東北地區(qū)和新疆北部山區(qū)植被覆蓋的下降可能是由于該區(qū)降水減少所致，東南沿海地區(qū)植被退化則受城市化影響顯著。

植被覆蓋；時(shí)空變化；氣候變化；時(shí)滯分析；中國(guó)

全球氣候變化與陸地生態(tài)系統(tǒng)的關(guān)系是全球變化科學(xué)研究中的核心內(nèi)容之一[1]。IPCCAR5顯示，1951—2012年全球平均氣溫上升0.72 ℃(0.49—0.89 ℃)，其中1983—2012年成為北半球過去800年來最暖的30年[2]，氣候的劇烈變化無疑會(huì)對(duì)陸地生態(tài)系統(tǒng)造成嚴(yán)重影響。植被作為陸地生態(tài)系統(tǒng)的主體，既是氣候變化的敏感指示器[3- 4]，同時(shí)也通過與大氣之間的能量、水分和物質(zhì)交換反作用于氣候[5- 6]。目前，植被與氣候變化的關(guān)系研究受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注與研究，其中Myneni等[7]和Tucker等[8]基于NDVI數(shù)據(jù)研究了北半球高緯度地區(qū)植被變化情況，結(jié)果表明：在氣候變暖背景下，北半球植被活動(dòng)顯著增強(qiáng)，而同樣的植被變化趨勢(shì)在中國(guó)也被檢測(cè)出來[9]。相反，植被覆蓋的變化引起了地表下墊面性質(zhì)及其他生物化學(xué)過程的改變，從而對(duì)區(qū)域氣候產(chǎn)生影響[10]，已有研究表明，我國(guó)退耕還林區(qū)植被覆蓋的增加導(dǎo)致晝間氣溫下降，夜間氣溫升高，從而造成晝夜溫差減小[11]。

在全球變暖背景下，近50年(1960—2009)我國(guó)地表平均氣溫升高了1.38 ℃，遠(yuǎn)高于全球或北半球同期平均增溫速率[12]。顯著的氣候變暖勢(shì)必會(huì)對(duì)陸地生態(tài)系統(tǒng)造成嚴(yán)重影響，尤其表現(xiàn)在植被覆蓋的變化[13- 14]。我國(guó)學(xué)者針對(duì)中國(guó)東部[15]、西北地區(qū)[16- 17]、青藏高原[18]、黃土高原[19]、內(nèi)蒙古[20]以及三江源[21]等地區(qū)植被覆蓋變化做了大量研究工作。以上研究成果從區(qū)域尺度很好地揭示了植被覆蓋變化及其與氣候因子的關(guān)系，并得出了有意義的結(jié)論。然而，關(guān)于全國(guó)尺度植被變化的宏觀格局認(rèn)識(shí)仍較為缺乏，尤其是長(zhǎng)時(shí)間尺度的時(shí)空變化特征更是鮮有報(bào)道。此外，另有研究表明，歐亞大陸的植被覆蓋增加趨勢(shì)在20世紀(jì)80—90年代期間逐漸變緩并趨于停滯、甚至部分地區(qū)呈下降趨勢(shì)[22- 23]，如1996年前后東亞地區(qū)植被覆蓋變化趨勢(shì)發(fā)生翻轉(zhuǎn)，由增加趨勢(shì)變?yōu)橄陆第厔?shì)[24]。植被對(duì)氣候變化的這種響應(yīng)引起了學(xué)界的廣泛關(guān)注，其中樸世龍[10]和張鐿鋰[25]分別對(duì)歐亞大陸和青藏高原部分地區(qū)的植被變化趨勢(shì)進(jìn)行了探討，二者均檢測(cè)出了植被變化的轉(zhuǎn)折現(xiàn)象。綜上可以看出，上述研究成果加深了我們對(duì)植被覆蓋變化的認(rèn)識(shí)水平。植被覆蓋狀況作為重要的生態(tài)指示因子，有必要進(jìn)一步加強(qiáng)其變化特征及歸因的研究，以全面認(rèn)識(shí)植被覆蓋的時(shí)空變化特征及其影響因素，保障生態(tài)安全。

我國(guó)位于東亞季風(fēng)區(qū)，對(duì)全球氣候變化的響應(yīng)極為敏感，全球氣候變化已對(duì)我國(guó)植被覆蓋造成顯著影響[26]。與此同時(shí)，近年來我國(guó)植被覆蓋經(jīng)歷了最強(qiáng)烈的人類活動(dòng)干擾，如退耕還林還草工程、三北防護(hù)林工程的實(shí)施。然而，關(guān)于我國(guó)植被覆蓋變化的宏觀特征及其長(zhǎng)期趨勢(shì)尚不明晰。基于上述認(rèn)識(shí)，本文利用GIMMS-NDVI、MODIS-NDVI數(shù)據(jù)和氣象數(shù)據(jù)，輔以分段線性回歸模型、趨勢(shì)分析以及相關(guān)分析等手段，分析了1982—2012年我國(guó)植被生長(zhǎng)季NDVI的時(shí)空變化特征及驅(qū)動(dòng)因素。綜合評(píng)價(jià)我國(guó)近30 a植被NDVI的時(shí)空變化特征不僅能夠正確認(rèn)識(shí)氣候變化對(duì)我國(guó)植被生長(zhǎng)的影響，并且能夠正確評(píng)價(jià)我國(guó)退耕還林還草等生態(tài)恢復(fù)工程的實(shí)施效果，為進(jìn)一步生態(tài)恢復(fù)工程的實(shí)施及生態(tài)文明的建設(shè)提供基礎(chǔ)數(shù)據(jù)。

1 材料與方法

1.1 數(shù)據(jù)來源及預(yù)處理

1.1.1 GIMMS NDVI數(shù)據(jù)與處理

本文所用GIMMS NDVI數(shù)據(jù)為美國(guó)馬里蘭大學(xué)GLCF(Global Land Cover Facility)研究組生產(chǎn)的15d最大合成數(shù)據(jù)[27]，其空間分辨率為8 km × 8 km，該數(shù)據(jù)是目前時(shí)間序列最長(zhǎng)的NDVI數(shù)據(jù)集，時(shí)間跨度為1982—2006年。在數(shù)據(jù)制備過程中已經(jīng)過輻射校正和幾何校正、除云、除火山氣溶膠等預(yù)處理，并且利用沙漠控制點(diǎn)進(jìn)行驗(yàn)證，保證了數(shù)據(jù)質(zhì)量，與其他NDVI數(shù)據(jù)相比，其誤差小，精度較高，已被廣泛應(yīng)用于全球及區(qū)域植被變化研究[12]。在數(shù)據(jù)處理過程中，本文采用最大合成法(MVC)進(jìn)一步消除了云、大氣等異常值的影響[28]。

1.1.2 MODIS NDVI數(shù)據(jù)與處理

本文采用另一遙感數(shù)據(jù)為月最大合成MODIS NDVI數(shù)據(jù)，空間分辨率為1 km×1 km，時(shí)間跨度為2000—2012年，取自美國(guó)國(guó)家航空航天局(NASA)的EOSMODIS數(shù)據(jù)產(chǎn)品(http://e4ftl01.cr.usgs.gov)。與GIMMS NDVI相比，該數(shù)據(jù)具有更高的分辨率和更穩(wěn)定的影像質(zhì)量，在監(jiān)測(cè)和評(píng)價(jià)陸地植被變化的能力要優(yōu)于前者[27]。在數(shù)據(jù)處理過程中，采用MODIS Reprojection Tools(MRT)軟件對(duì)下載的原始數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、投影轉(zhuǎn)換、數(shù)據(jù)拼接、裁切等預(yù)處理。為與GIMMS NDVI數(shù)據(jù)格式保持一致，本文將MODIS NDVI數(shù)據(jù)重采樣為8 km × 8 km分辨率的影像。另外，為消除低植被覆蓋區(qū)的影響，本文將多年平均NDVI值大于0.1的區(qū)域定義為植被區(qū)域，并進(jìn)一步定義每年的4—10月為該年份的生長(zhǎng)季。

1.1.3 GIMMS NDVI與MODIS NDVI的一致性分析與處理

由于兩種NDVI數(shù)據(jù)采用了不同的傳感器，因此在數(shù)據(jù)融合之前需要對(duì)兩種數(shù)據(jù)進(jìn)行一致性檢驗(yàn)[19]。本文采用的GIMMS NDVI時(shí)間范圍為1982—2006年，MODIS NDVI數(shù)據(jù)的時(shí)間范圍為2000—2012年。首先將兩種數(shù)據(jù)源的重合年份進(jìn)行時(shí)序分析，2000—2002年之間具有較好的一致性，因此文中采用以上3個(gè)年份的生長(zhǎng)季逐月數(shù)據(jù)進(jìn)行相關(guān)性分析，并求得相關(guān)系數(shù)分別為0.984、0.989和0.998，均通過了0.001的置信度檢驗(yàn)。事實(shí)上，以上相關(guān)分析存在年內(nèi)生長(zhǎng)周期的影響，為消除此影響，本文進(jìn)一步對(duì)生長(zhǎng)季的逐月數(shù)據(jù)進(jìn)行7步長(zhǎng)滑動(dòng)平均處理，將處理后的數(shù)據(jù)重新進(jìn)行相關(guān)性分析，發(fā)現(xiàn)2001和2002年相關(guān)性系數(shù)分別為0.45和0.99，僅2002年通過了0.001置信度水平的檢驗(yàn)。因此，本文采用2002年的兩種NDVI數(shù)據(jù)進(jìn)行所有像元的擬合，即MODIS NDVI(MNDVI)作為自變量，GIMMS NDVI(GNDVI)作為因變量，獲取二者回歸方程，從而實(shí)現(xiàn)兩種數(shù)據(jù)的融合。根據(jù)計(jì)算，擬合方程為：GNDVI = 0.7153×MNDVI+0.1171(樣本量為143150，R2=0.7281，P<0.001)。需說明的是，由于2003—2006年的GIMMS NDVI數(shù)據(jù)與MODIS NDVI和SPOT NDVI均表現(xiàn)出較大的差異，因此，本文采用上述擬合方程對(duì)2003—2012年的GIMMS NDVI數(shù)據(jù)進(jìn)行插補(bǔ)。

1.1.4 氣象數(shù)據(jù)

為保證資料的完整性和連續(xù)性，建立均一、穩(wěn)定的氣候序列，本研究共選取研究區(qū)578個(gè)氣象臺(tái)站的月平均氣溫和月降水量數(shù)據(jù)，資料時(shí)間跨度為1982—2012年，來源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn)。所選站點(diǎn)均經(jīng)過了嚴(yán)格的質(zhì)量檢查和控制，保證了數(shù)據(jù)的質(zhì)量。

1.2 研究方法

1.2.1 趨勢(shì)分析

一元線性回歸分析能夠模擬每個(gè)柵格的變化趨勢(shì)，該方法是指在一定時(shí)間內(nèi)，采用最小二乘法逐像元擬合年均NDVI的斜率，用以綜合反映植被覆蓋的時(shí)空演變特征[29]：

(1)

式中，Slope為變化趨勢(shì)；NDVIi為第i年的NDVI值；n為研究時(shí)序；當(dāng)Slope>0時(shí)，表明NDVI呈增加趨勢(shì)；當(dāng)Slope<0時(shí)，表明NDVI呈下降趨勢(shì)。

1.2.2 分段線性回歸

為了檢測(cè)1982—2012年我國(guó)植被覆蓋變化趨勢(shì)的持續(xù)性，本文采用分段線性回歸模型進(jìn)行分析[30]。由于該模型能夠較好地提取長(zhǎng)時(shí)間序列數(shù)據(jù)變化的轉(zhuǎn)折點(diǎn)，從而有效彌補(bǔ)普通線性回歸模型無法真實(shí)反映長(zhǎng)時(shí)間序列變化趨勢(shì)的缺陷，已被廣泛應(yīng)用于植被與氣候變化趨勢(shì)分析[31]：

(2)

式中，y表示NDVI；t為年份；α是檢測(cè)出的時(shí)間序列轉(zhuǎn)折點(diǎn)；β0為截距；β1和β1+β2分別表示轉(zhuǎn)折點(diǎn)前后的斜率；ε表示殘差。以上各項(xiàng)系數(shù)均由最小二乘法求得，并定義P< 0.05為顯著變化。

1.2.3 偏相關(guān)分析

地理系統(tǒng)是一個(gè)多要素構(gòu)成的復(fù)雜巨系統(tǒng)，系統(tǒng)中任何一個(gè)要素的變化必然影響到其他要素的變化，而偏相關(guān)分析可以有效解決這個(gè)問題。它是指研究某一要素與另一要素的相關(guān)程度時(shí)，將其他要素的影響視為常數(shù)的方法[32]：

(3)

式中，rxy·z表示變量z固定后變量x與y的偏相關(guān)系數(shù)；rxy、rxz、ryz分別x與y、x與z、y與z之間的相關(guān)系數(shù)。

2 中國(guó)植被覆蓋時(shí)空變化特征

2.1 時(shí)間變化特征

2.1.1 全國(guó)尺度

圖1 1982—2012年中國(guó)生長(zhǎng)季NDVI年際變化 Fig.1 Inter-annual variations of growing season NDVI over China during 1982—2012

1982—2012年中國(guó)植被NDVI呈緩慢增加趨勢(shì)，增速為0.2%/10a，未通過顯著性檢驗(yàn)(圖1)。通過分段線性分析，我們發(fā)現(xiàn)近30年中國(guó)植被NDVI變化主要分為兩個(gè)階段：(1)1982—1997年呈顯著增加趨勢(shì)，增速達(dá)1.2%/10a(P<0.05)；(2)1997—2012年增加趨勢(shì)小于前一時(shí)期，為0.6%/10a(P<0.05)。1997—1998年植被NDVI迅速下降，將兩年NDVI進(jìn)行相減，統(tǒng)計(jì)得出有61%的像元呈下降趨勢(shì)，其原因可能是該時(shí)期強(qiáng)厄爾尼諾事件導(dǎo)致大氣環(huán)境的改變，進(jìn)而對(duì)植被覆蓋造成影響。由于1997年NDVI值對(duì)后一階段植被變化趨勢(shì)存在顯著影響，為此，進(jìn)一步計(jì)算了1998—2012年的植被NDVI變化趨勢(shì)，結(jié)果顯示該時(shí)段植被覆蓋呈極顯著增加趨勢(shì)，增速為1.0%/10a(P<0.01)。以上分析表明，近30年我國(guó)植被NDVI呈增加趨勢(shì)，但是不同階段增速有所差異。

2.1.2 像元尺度

空間平均值可以表征植被NDVI整體變化趨勢(shì)，但由于存在不同區(qū)域變化趨勢(shì)相反，進(jìn)而相互抵消的情況，所以不能很好地描述不同區(qū)域的變化特征。因此，基于一元回歸模型，在像元尺度上分析了近30年植被NDVI變化趨勢(shì)，并對(duì)計(jì)算結(jié)果進(jìn)行顯著性檢驗(yàn)。1982—2012年植被NDVI呈增加和減少趨勢(shì)的面積分別占53.79%和46.21%，其中極顯著增加區(qū)域(P<0.01)占29.32%，主要分布在黃土高原、青藏高原中西部、祁連山西段、新疆準(zhǔn)葛爾盆地以及云南的部分地區(qū)；而極顯著減少地區(qū)(P<0.01)占23.89%，主要分布在東北地區(qū)的大、小興安嶺和長(zhǎng)白山、新疆的阿爾泰山和天山、青藏高原的東部以及東南沿海等地區(qū)(圖2a—b)。

依據(jù)分段結(jié)果，進(jìn)一步分析了1982—1997年(時(shí)期1)和1997—2012年(時(shí)期2)的變化趨勢(shì)，發(fā)現(xiàn)，兩個(gè)時(shí)間段內(nèi)植被NDVI變化的空間格局具有顯著的差異。時(shí)期1內(nèi)植被NDVI呈增加和減少趨勢(shì)的面積分別占61.09%和38.91%，其中不顯著增加的面積占45.90%，而極顯著增加的面積僅占4.97%，且主要分布在40°N以北的東北平原和黃土高原北部地區(qū)(圖2c—d)。時(shí)期2內(nèi)植被NDVI呈增加和減少趨勢(shì)的面積分別占54.69%和45.31%，其中極顯著增加(P<0.01)區(qū)域占27.89%，主要分布在110°E以西地區(qū)；極顯著減少(P<0.01)區(qū)域占19.96%，主要分布在東北地區(qū)的大興安嶺和小興安嶺、新疆的天山和阿爾泰山、祁連山東段、黃河源以及東部沿海等地區(qū)(圖2e—f)。上述分析表明，近30年我國(guó)中高緯度山區(qū)植被活動(dòng)呈下降趨勢(shì)。

2.2 空間分布特征

在空間上，我國(guó)植被NDVI整體呈東南、東北高、西北低的空間格局，高值區(qū)主要分布在東北地區(qū)、華北地區(qū)、華中和華南地區(qū)以及東南沿海等地，其原因是該地區(qū)主要植被類型為落葉針葉林、針葉闊葉混交林、溫帶落葉闊葉林、常綠闊葉林區(qū)域以及熱帶季雨林和雨林；低值區(qū)主要分布在內(nèi)蒙古中西部、新疆大部分地區(qū)以及青藏高原中西部，這些地區(qū)主要為草原區(qū)、荒漠區(qū)以及青藏高原高寒植被區(qū)(圖3a)。由頻度分布圖可以看出(圖3b)，我國(guó)植被NDVI呈“雙峰”結(jié)構(gòu)，且NDVI值介于0.6—0.8的區(qū)域所占比例高達(dá)48.80%，遠(yuǎn)高于NDVI值介于0.1—0.3的區(qū)域(20.17%)，而值域在0.3—0.5的區(qū)域共占25.33%。這種空間分布形式說明我國(guó)高植被覆蓋與低植被覆蓋區(qū)域差異顯著。

3 影響因素分析

3.1 氣候因子變化趨勢(shì)

1982—2012年中國(guó)氣溫呈增加趨勢(shì)，增速為0.04 ℃/a(-0.05—0.15 ℃/a)。在空間上，97.06%的站點(diǎn)呈增加趨勢(shì)，其中增溫趨勢(shì)較大的地區(qū)主要分布在我國(guó)西北地區(qū)和西藏等地；而氣溫呈減少趨勢(shì)的站點(diǎn)主要分布在我國(guó)東北地區(qū)的大興安嶺、新疆北部的天山、華北平原等地(圖4)。同期全國(guó)平均降水呈減少趨勢(shì)(-0.54 mm/a)，其中呈減少和增加趨勢(shì)的站點(diǎn)分別占53.11%和46.89%，且減少站點(diǎn)集中分布在100° E以東地區(qū)，包括東北地區(qū)、華北北部、長(zhǎng)江中下游、西南地區(qū)以及東南沿海等地，而新疆的天山和阿爾泰山部分地區(qū)也呈減少趨勢(shì)(圖4)。

3.2 NDVI與氣候因子的相關(guān)分析

為保證數(shù)據(jù)精度及結(jié)果的可靠性，文中植被NDVI對(duì)氣候因子的響應(yīng)采用逐站點(diǎn)偏相關(guān)的方法，具體步驟為：1)以氣象站點(diǎn)為中心，逐月提取站點(diǎn)周邊3 km×3 km范圍內(nèi)的NDVI平均值，作為該站點(diǎn)的NDVI值；2)基于NDVI提取結(jié)果，逐站點(diǎn)計(jì)算NDVI與氣溫和降水的偏相關(guān)系數(shù)。

在年尺度上，中國(guó)植被NDVI與同期氣溫并未呈現(xiàn)出較好的相關(guān)性，僅有38.06%的站點(diǎn)呈正相關(guān)關(guān)系，其中6.06%和9.69%的站點(diǎn)分別通過0.01和0.05的顯著性檢驗(yàn)，且主要分布在青藏高原和內(nèi)蒙古中西部地區(qū)；而NDVI與降水量有53.98%的站點(diǎn)呈正相關(guān)關(guān)系，且主要分布在中國(guó)北方和青藏高原中西部地區(qū)，通過0.01和0.05的顯著性檢驗(yàn)的站點(diǎn)分別占5.88%和11.25%(圖略)。

由于植被生長(zhǎng)對(duì)水熱條件的改變存在一定的滯后性，因此年尺度的相關(guān)性會(huì)掩蓋部分信息，并不能很好地解釋植被與氣溫、降水的相關(guān)性，因此本文進(jìn)一步從月尺度分析了中國(guó)植被NDVI與氣溫、降水的相關(guān)性。

圖3 中國(guó)植被NDVI空間分布(a)及頻度分布(b)Fig.3 Spatial distribution of NDVI (a) and its frequency distribution (b) in China

圖4 1982—2012年中國(guó)年均氣溫和年降水量變化趨勢(shì)空間分布圖Fig.4 Spatial distribution of change trend of annual mean temperature and annual cumulative precipitation in China during 1982—2012

植被NDVI與當(dāng)月氣溫具有顯著相關(guān)性的區(qū)域主要分布在東北地區(qū)、新疆北部、甘肅中東部以及華中、華南等地(圖5a)；NDVI與前1個(gè)月相關(guān)性空間格局與當(dāng)月相似，明顯不同的地區(qū)主要為河北、山西以及陜西北部等農(nóng)牧交錯(cuò)帶地區(qū)(圖5b)；而植被NDVI與前2個(gè)月氣溫的相關(guān)性有所減弱，存在較高相關(guān)性的區(qū)域主要分布在東北地區(qū)、北方農(nóng)牧交錯(cuò)帶、西藏南部、青海東部、四川西部以及東南沿海部分地區(qū)(圖5c)；NDVI與前3個(gè)月氣溫的相關(guān)性與前兩個(gè)月相似，僅東南沿海地區(qū)相關(guān)性進(jìn)一步減弱(圖5d)。綜上可以看出，中國(guó)北方地區(qū)植被對(duì)氣溫具有較長(zhǎng)的響應(yīng)時(shí)間，尤其表現(xiàn)在東北地區(qū)和北方農(nóng)牧交錯(cuò)帶地區(qū)；而南方地區(qū)植被對(duì)氣溫則存在0—1個(gè)月的響應(yīng)時(shí)間。

圖5 月NDVI與當(dāng)月(a)、前1個(gè)月(b)、前2個(gè)月(c)、前3個(gè)月(d)氣溫偏相關(guān)系數(shù)空間分布Fig.5 Spatial distribution of partial correlation coefficients between monthly NDVI and the current temperature (a), the preceding month temperature (b), temperature of two preceding months (c), and temperature of three preceding months (d)

植被NDVI與當(dāng)月降水具有顯著正相關(guān)的區(qū)域主要分布東北地區(qū)、內(nèi)蒙古中部、河北、山西、陜西、新疆北部、甘肅和青海東部、西藏南部以及云南等地區(qū)(圖6a)；全國(guó)大部分地區(qū)NDVI與前1個(gè)月降水呈顯著正相關(guān)關(guān)系(圖6b)。值得注意的是，除內(nèi)蒙古中西部、新疆、青海北部等地區(qū)之外，中國(guó)北方大部分地區(qū)與前2個(gè)月和前3個(gè)月的降水均呈負(fù)相關(guān)關(guān)系(圖6c—d)，而華中、華南以及東南地區(qū)則與同期降水呈顯著正相關(guān)關(guān)系，尤其是NDVI與前3個(gè)月降水關(guān)系更為顯著。由此說明，我國(guó)北方地區(qū)植被對(duì)降水的響應(yīng)主要有0—1個(gè)月的響應(yīng)時(shí)間；而除云南外，我國(guó)南方地區(qū)植被對(duì)降水的響應(yīng)時(shí)間存在1—3個(gè)月的響應(yīng)時(shí)間，并且隨著滯后時(shí)間的延長(zhǎng)，相關(guān)性逐漸加強(qiáng)。

圖6 月NDVI與當(dāng)月(a)、前1個(gè)月(b)、前2個(gè)月(c)、前3個(gè)月(d)降水量偏相關(guān)系數(shù)空間分布Fig.6 Spatial distribution of partial correlation coefficients between monthly NDVI and the current temperature (a), the preceding month temperature (b), temperature of two preceding months (c), and temperature of three preceding months (d)

通過分析植被對(duì)氣候因子的滯后時(shí)間，可以發(fā)現(xiàn)，植被對(duì)氣溫的響應(yīng)不存在滯后時(shí)間的站點(diǎn)占40.83%，且主要分布在東北地區(qū)的大、小興安嶺和長(zhǎng)白山、新疆的天山和阿爾泰山、甘肅中東部以及長(zhǎng)江中下游地區(qū)；存在1個(gè)月滯后時(shí)間的站點(diǎn)占38.24%，主要分布在東北平原、山西、四川西部以及東南沿海等地區(qū)；存在2個(gè)月滯后時(shí)間的站點(diǎn)僅占4.67%，零星分布在內(nèi)蒙古西部、廣東和廣西的南部以及云南部分地區(qū)；而存在3個(gè)月滯后時(shí)間的站點(diǎn)共占16.26%，主要分布在內(nèi)蒙古中部、華北平原、西藏中西部以及云南等地(圖7a)。植被對(duì)降水的響應(yīng)不存在滯后時(shí)間的站點(diǎn)占27.34%，主要分布在大興安嶺、河北和河南北部、山西、陜南地區(qū)、甘肅中東部以及四川東部等地區(qū)；存在1個(gè)月滯后時(shí)間的站點(diǎn)占53.81%，并廣泛分布在東北、華北、西北、西南等地區(qū)；存在2個(gè)月和3個(gè)月滯后時(shí)間的站點(diǎn)分別占9.00%和9.86%，主要分布在東南沿海地區(qū)(圖7b)。

圖7 NDVI對(duì)氣溫(a)、降水(b)滯后時(shí)間分布Fig.7 Spatial pattern of time lag of NDVI to temperature (a) and precipitation (b)

3.3 人類活動(dòng)影響分析

植被覆蓋變化是氣候變化和人類活動(dòng)共同作用的結(jié)果，尤其是退耕還林還草等大面積生態(tài)恢復(fù)工程的實(shí)施，我國(guó)植被變化已深深記錄了人類活動(dòng)的印記。本文分析了我國(guó)退耕還林工程的歷年累積造林面積與植被NDVI變化情況(圖8)，可以發(fā)現(xiàn)，自1999年退耕還林還草工程實(shí)施以來，我國(guó)造林面積持續(xù)上升，同時(shí)植被NDVI也表現(xiàn)出升高趨勢(shì)，說明近年來生態(tài)恢復(fù)工程的實(shí)施對(duì)我國(guó)植被覆蓋的增加起到了極大的促進(jìn)作用，并取得了較好的效果。NDVI變化趨勢(shì)并未與造林面積嚴(yán)格一致，而是存在年際波動(dòng)，尤其是2008年之后NDVI波動(dòng)較大，表明近年來氣候波動(dòng)對(duì)植被覆蓋具有重要影響。同時(shí)，城市化、過度放牧等人類活動(dòng)勢(shì)必會(huì)對(duì)植被覆蓋造成負(fù)面影響。以上分析表明，我國(guó)植被覆蓋在氣候變化和人類活動(dòng)等多重因素共同驅(qū)動(dòng)下，呈現(xiàn)出波動(dòng)上升趨勢(shì)。

圖8 退耕還林以來NDVI與歷年累積造林面積變化 Fig.8 Change of NDVI and accumulated afforestation area in China

4 結(jié)論與討論

(1)1982—2012年中國(guó)植被NDVI呈緩慢增加趨勢(shì)，增速為0.2%/10a，未通過顯著性檢驗(yàn)。近30年植被變化的階段性特征顯著，其中1982—1997年和1997—2012年均呈顯著增加趨勢(shì)，增速分別為1.2%/10a和0.6%/10a，均通過了顯著水平0.05的檢驗(yàn)。

(2)空間上，我國(guó)陜北黃土高原、西藏中西部以及新疆準(zhǔn)格爾盆地等地植被NDVI呈顯著增加趨勢(shì)；而東北地區(qū)的大、小興安嶺、新疆北部的天山和阿爾泰山以及黃河源和秦巴山區(qū)等關(guān)鍵生態(tài)區(qū)和過渡帶植被NDVI呈顯著下降趨勢(shì)，其中東北地區(qū)和新疆北部山區(qū)下降尤為顯著，說明近年來我國(guó)中高緯度山區(qū)植被活動(dòng)呈下降趨勢(shì)。

(3)不同區(qū)域植被對(duì)氣溫、降水的響應(yīng)存在差異，我國(guó)北方地區(qū)植被對(duì)氣溫具有較長(zhǎng)的響應(yīng)時(shí)間；而除云南外，我國(guó)南方地區(qū)植被對(duì)降水的響應(yīng)時(shí)間存在1—3個(gè)月的響應(yīng)時(shí)間，并且隨著滯后時(shí)間的延長(zhǎng)，相關(guān)性逐漸加強(qiáng)。

(4)我國(guó)植被覆蓋增加是氣候變化和人類活動(dòng)共同驅(qū)動(dòng)的結(jié)果，尤其是1999年之后人類活動(dòng)影響逐漸加強(qiáng)，其中我國(guó)東北地區(qū)和新疆北部等植被覆蓋的下降可能是由降水的減少導(dǎo)致，東南沿海地區(qū)則受城市化的影響更為顯著。

已有研究指出，歐亞大陸的植被覆蓋增加趨勢(shì)在20世紀(jì)80—90年代期間逐漸變緩并趨于停滯、甚至部分地區(qū)呈下降趨勢(shì)[22- 23]，與本文研究結(jié)果存在差異，其原因可能是前人研究采用的是GIMMS NDVI，而本文對(duì)兩種數(shù)據(jù)進(jìn)行了融合處理，由此表明不同數(shù)據(jù)源監(jiān)測(cè)結(jié)果存在較大差異，甚至是相反的結(jié)論。因此，應(yīng)加強(qiáng)不同數(shù)據(jù)源監(jiān)測(cè)結(jié)果的對(duì)比研究，以獲得更加可靠的結(jié)論。近年來中高緯度山區(qū)、關(guān)鍵生態(tài)過渡帶、關(guān)鍵生態(tài)區(qū)的植被活動(dòng)在下降，而這些地區(qū)對(duì)我國(guó)生態(tài)安全具有舉足輕重的作用。然而，目前對(duì)這些區(qū)域的本底知識(shí)仍然相對(duì)缺乏，有待進(jìn)一步加強(qiáng)研究，以揭示其時(shí)空變化機(jī)理。同時(shí)，我國(guó)植被對(duì)氣溫和降水的滯后響應(yīng)存在差異，主要表現(xiàn)為區(qū)域之間、不同地形之間的差異顯著。本文從宏觀尺度上揭示了植被對(duì)氣候因子的響應(yīng)格局，結(jié)合已有的區(qū)域尺度研究成果，從多尺度視角，全面認(rèn)識(shí)植被對(duì)氣候變化的響應(yīng)規(guī)律。

本文存在的不確定性主要表現(xiàn)在：(1)我國(guó)山地眾多，地形起伏較大，受空間分辨率的限制(8 km×8 km)，本文研究結(jié)果對(duì)區(qū)域細(xì)節(jié)的解釋能力有限，但對(duì)于植被宏觀變化格局及其對(duì)氣候因子響應(yīng)的空間格局仍具有重要的指示意義；(2)數(shù)據(jù)融合方法上采用了通用的一元回歸分析，然而不同數(shù)據(jù)之間可能存在非線性的關(guān)系，因此在融合處理上會(huì)存在一定的不確定性。雖然氣候變化是植被生長(zhǎng)的關(guān)鍵控制要素，但是人類活動(dòng)也對(duì)植被快速恢復(fù)起到重要作用，尤其是近年我國(guó)一系列生態(tài)恢復(fù)工程的實(shí)施。然而，在快速氣候變化和強(qiáng)烈人類活動(dòng)干預(yù)的背景下，如何定量區(qū)分氣候變化與人類活動(dòng)對(duì)植被變化的貢獻(xiàn)率仍將是植被變化對(duì)氣候響應(yīng)研究的重要內(nèi)容。本文僅僅分析了植被變化的長(zhǎng)期趨勢(shì)，并對(duì)其驅(qū)動(dòng)機(jī)制進(jìn)行歸因，在全球變化背景下，極端氣候事件的頻度和強(qiáng)度在不斷增多和增強(qiáng)[33]，如高溫?zé)崂恕⒈┯辍⒏珊档仁录鴺O端事件對(duì)植被覆蓋變化及其空間格局勢(shì)必會(huì)造成嚴(yán)重的影響。

[1] WalKer B, Steffen W. IGBP Science No. 1: A Synthesis of GCTE and Related Research. Stockholm: IGBP, 1997: 1- 24.

[2] IPCC. Climate change 2013: the physical science basis // Stocker T F, Qin D, Plattner G K, Tignor M, Allen S K, Boschung J, Nauels A, Xia Y, Bex V, Midgley P M. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2013.

[3] Menzel A, Fabian P. Growing season extended in Europe. Nature, 1999, 397(6721): 659- 659.

[4] Schwartz M D. Green-wave phenology. Nature, 1998, 394(6696): 839- 840.

[6] Piao S L, Ciais P, Friedlingstein P, Peylin P, Reichstein M, Luyssaert S, Margolis H, Fang J Y, Barr A, Chen A P, Grelle A, Hollinger D, Laurila T, Lindroth A, Richardson A, Vesala T. Net carbon dioxide losses of northern ecosystems in response to autumn warming. Nature, 2008, 451(7174): 49- 52.

[7] Myneni R B, Keeling C, Tucker C, Asrar G, Nemani R. Increased plant growth in the northern high latitudes from 1981 to 1991. Nature, 1997, 386(6626): 698- 702.

[8] Tucker C J, Slayback D A, Pinzon J E, Los S O, Myneni R B, Taylor M G. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999. International Journal of Biometeorology, 2001, 45(4): 184- 190.

[9] Fang J Y, Piao S L, He J S. Vegetation of China invigorated in last 20 years. Science in China (Series C), 2003, 33(6): 554- 565.

[10] Piao S L, Wang X H, Ciais P, Zhu B, Wang T, Liu J. Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006. Global Change Biology, 2011, 17(10): 3228- 3239.

[11] Peng S S, Piao S L, Zeng Z Z, Ciais P, Zhou L M, Li L Z X, Myneni R B, Yin Y, Zeng H. Afforestation in China cools local land surface temperature. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(8): 2915- 2919.

[12] 第二次氣候變化國(guó)家評(píng)估報(bào)告編寫委員會(huì). 第二次氣候變化國(guó)家評(píng)估報(bào)告. 北京: 科技出版社, 2011.

[13] Heyder U, Schaphoff S, Gerten D, Lucht W. Risk of severe climate change impact on the terrestrial biosphere. Environmental Research Letters, 2011, 6(3): 034036.

[14] Walther G, Post E, Convey P, Menzel A, Parmesan C, Beebee T, Fromentin J, Guldberg O, Bairlein F. Ecological responses to recent climate change. Nature, 2002, 416(6879): 389- 395.

[15] Zhang X Z, Dai J H, Ge Q S. Spatial differences of changes in spring vegetation activities across Eastern China during 1982- 2006. Acta Geographica Sinica, 2012, 67(1): 53- 61.

[16] 劉憲鋒, 任志遠(yuǎn). 西北地區(qū)植被覆蓋變化及其與氣候因子的關(guān)系. 中國(guó)農(nóng)業(yè)科學(xué), 2012, 45(10): 1954- 1963.

[17] 郭鈮, 朱燕君, 王介民, 鄧朝平. 近22年來西北不同類型植被NDVI變化與氣候因子的關(guān)系. 植物生態(tài)學(xué)報(bào), 2008, 32(2): 319- 327.

[18] 張戈麗, 歐陽華, 張憲洲, 周才平, 徐興良. 基于生態(tài)地理分區(qū)的青藏高原植被覆被變化及其對(duì)氣候變化的響應(yīng). 地理研究, 2010, 29(11): 2004- 2016.

[19] 信忠保, 許炯心, 鄭偉. 氣候變化和人類活動(dòng)對(duì)黃土高原植被覆蓋變化的影響. 中國(guó)科學(xué)D輯: 地球科學(xué), 2007, 37(11): 1504- 1514.

[20] 許旭, 李曉兵, 梁涵瑋, 黃玲梅. 內(nèi)蒙古溫帶草原區(qū)植被蓋度變化及其與氣象因子的關(guān)系. 生態(tài)學(xué)報(bào), 2010, 30(14): 3733- 3743.

[21] Liu X F, Zhang J S, Zhu X F, Pan Y Z, Liu Y X, Zhang D H, Lin Z H. Spatiotemporal changes in vegetation coverage and its driving factors in the Three-River Headwaters Region during 2000- 2011. Journal of Geographical Sciences, 2014, 24(2): 288- 302.

[22] Lotsch A, Friedl M A, Anderson B T, Tucker C J. Response of terrestrial ecosystems to recent Northern Hemispheric drought. Geophysical Research Letters, 2005, 32(6), doi: 10.1029/2004GL022043.

[23] Park H S, Sohn B J. Recent trends in changes of vegetation over East Asia coupled with temperature and rainfall variations. Journal of Geophysical Research: Atmospheres (1984- 2012), 2010, 115(D14), doi: 10.1029/2009JD012752.

[24] Zhao M, Running S W. Drought-induced reduction in global terrestrial net primary production from 2000 through 2009. Science, 2010, 329(5994): 940-943.

[25] Zhang Y L, Gao J G, Liu L S, Wang Z F, Ding M J, Yang X C. NDVI-based vegetation changes and their responses to climate change from 1982 to 2011: A case study in the Koshi River Basin in the middle Himalayas. Global and Planetary Change, 2013, 108: 139- 148.

[26] IPCC. Climate change 2007: The physical science basis // Solomon S, Qin D, Manning M, Chen Z, Marquis M, Averyt K B, Tignor M, Miller H L. Contribution of Working Group I to the fourth assessment report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2007.

[27] Tucker C J, Pinzon J E, Brown M E, Slayback D A, Pak E W, Mahoney R, Vermote E F, El Saleous N. An extended avhrr 8‐km ndvi dataset compatible with modis and spot vegetation NDVI data. International Journal of Remote Sensing, 2005, 26(20): 4485- 4498.

[28] Holben B N. Characteristics of maximum-value composite images from temporal AVHRR data. International Journal of Remote Sensing, 1986, 7(11): 1417- 1434.

[29] Stow D, Daeschner S, Hope A, Douglas D, Petersen A, Myneni R, Zhou L, Oechel W. Variability of the seasonally integrated normalized difference vegetation index across the north slope of alaska in the 1990s. International Journal of Remote Sensing, 2003, 24(5): 1111- 1117.

[30] Tomé A R, Miranda P. Piecewise linear fitting and trend changing points of climate parameters. Geophysical Research Letters, 2004, 31(2), doi: 10.1029/2003GL019100.

[31] Sun J Y, Wang X H, Chen A P, Ma Y C, Cui M D, Piao S L. NDVI indicated characteristics of vegetation cover change in China′s metropolises over the last three decades. Environmental Monitoring and Assessment, 2011, 179(1/4): 1- 14.

[32] 徐建華. 現(xiàn)代地理學(xué)中的數(shù)學(xué)方法 (第二版). 北京: 高等教育出版, 2002: 37- 41.

[33] IPCC. Managing the risks of extreme events and disasters to advance climate change adaptation: special report of the intergovernmental panel on climate change. Cambridge: Cambridge University Press, 2012.

Spatiotemporal changes in vegetation coverage in China during 1982—2012

LIU Xianfeng1, 2, ZHU Xiufang1,2,*, PAN Yaozhong1, 2, LI Yizhan1, 2, ZHAO Anzhou1, 2

1StateKeyLaboratoryofEarthSurfaceProcessesandResourceEcology,BeijingNormalUniversity,Beijing100875,China2CollegeofResourcesScience&Technology,BeijingNormalUniversity,Beijing100875,China

Vegetation, the main component of terrestrial ecosystems, is not only a sensitive indicator of global climate change, but also regulates the climate through energy, water, and carbon exchange between the terrestrial environment and the atmosphere. Understanding the mechanisms of growth responses of vegetation to climate change is of great significance for projecting future vegetation change and its implications. Using the satellite-derived normalized difference vegetation index (NDVI) and climate data of the period between 1982 and 2012, we investigated changes in the growing season NDVI and its response to climate change in China based on trend analysis, piecewise regression model, and correlation analysis. Our results indicate that (1) In the past thirty years, the NDVI of the study area increased, with the linear tendency being 0.2%/10a. There exists two distinct periods with different increasing trends, with the linear tendency being 1.2%/10a and 0.6%/10a during 1982—1997 and 1997—2012, respectively, the two periods of which all through the inspection by a significant level of 0.05. (2) In spatial, the areas with increased vegetation NDVI are mainly distributed in the Loess Plateau of Shanxi, the middle and western regions of Xizang, and the Junggar basin, whereas the regions with decreased vegetation NDVI are mainly distributed in the Da Hinggan Mountain, Xiao Hinggan Mountain, and Changbai Mountain in the northeast of China, the Altai mountain and the Tianshan Mountain in the north of Xinjiang Province, the Yellow River source region, and the Qinba Mountain, of which, the magnitude of decrease in the northeast of China, the Tianshan Mountain, the Altai Mountains is particularly remarkable. This phenomenon indicates that vegetation activities in mid-and high latitude mountain regions declined. (3) Spatial differences occur in response to temperature and precipitation from vegetation in different regions. Longer response duration of vegetation to temperature was detected in the north of China, whereas vegetation in the south of China showed not more than one month time lag. In contrast, vegetation in the north of China showed not more than one month time lag, but in the south of China, except for Yunnan Province, more than one month time lag was observed, and the correlation increased with the extension of time lag. (4) The increased vegetation coverage is mainly attributed to climate change and the implementation of the ecological protection project, the latter especially strengthened the impact of human activities on the vegetation increase after 1999. Of which, the decrease in vegetation in the northeast of China, the Tianshan Mountain, and the Altai Mountains can be attributed to the decline in precipitation, whereas the deterioration in the southeast of China may be more related to urbanization. Over the last decade, the project on the conversion of degraded farm land into forests and grass land in China has achieved encouraging results. However, the most drastic climate change also occurred during the same period. Although climate change probably played a key role in the trends of vegetation growth on a long time scale, human activities are also an important factor driving vegetation change. However, the exact influences of climate change and human activities on vegetation growth remain unclear; further studies are necessary to obtain accurate conclusions.

vegetation coverage; spatiotemporal variation; climate change; time lag; China

國(guó)家“高分辨率對(duì)地觀測(cè)系統(tǒng)”重大專項(xiàng)資助

2014- 04- 15;

2015- 03- 11

10.5846/stxb201404150731

*通訊作者Corresponding author.E-mail: zhuxiufang@bnu.edu.cn

劉憲鋒，朱秀芳，潘耀忠，李宜展，趙安周.1982—2012年中國(guó)植被覆蓋時(shí)空變化特征.生態(tài)學(xué)報(bào),2015,35(16):5331- 5342.

Liu X F, Zhu X F, Pan Y Z, Li Y Z, Zhao A Z.Spatiotemporal changes in vegetation coverage in China during 1982—2012.Acta Ecologica Sinica,2015,35(16):5331- 5342.