華北地區(qū)2001—2014年植被變化對(duì)SPEI氣象干旱指數(shù)多尺度的響應(yīng)

楊思遙,孟 丹,李小娟,吳新玲

1 首都師范大學(xué)城市環(huán)境過程與數(shù)字模擬國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地,北京 100048 2 資源環(huán)境與地理信息系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100048 3 首都師范大學(xué)資源環(huán)境與旅游學(xué)院,北京 100048

植被是全球地表覆蓋的重要組成,植被變化對(duì)氣候環(huán)境變化的響應(yīng)是研究全球或區(qū)域地表覆蓋變化研究的重要內(nèi)容,植被對(duì)生態(tài)環(huán)境的變化具有指示作用,也是干旱影響程度的重要反饋。干旱是因水分虧缺造成的一種氣象災(zāi)害,引起水資源短缺、地下水儲(chǔ)量銳減、農(nóng)作物大面積減產(chǎn)等問題,相對(duì)其他的自然災(zāi)害,干旱的持續(xù)時(shí)間長(zhǎng),影響范圍廣,持續(xù)的干旱甚至造成嚴(yán)重的社會(huì)經(jīng)濟(jì)問題,影響人們的生活生產(chǎn)。干旱在我國(guó)每年都有發(fā)生,并且近年來干旱的范圍程度都有增加的趨勢(shì)[1- 2],降水的減少和溫度升高是導(dǎo)致干旱加劇的重要原因之一,是尤其對(duì)于水資源相對(duì)匱乏的北方地區(qū)。

華北地區(qū)屬于半濕潤(rùn)地區(qū),該地區(qū)具有下墊面復(fù)雜多樣、地表植被稀疏和對(duì)氣候變化的響應(yīng)敏感等特點(diǎn),是受全球氣候變化影響最顯著的地區(qū)之一[3],因此本文選取華北地區(qū)對(duì)植被狀況對(duì)干旱程度的響應(yīng)進(jìn)行探討。同時(shí),干旱對(duì)植被的影響也因不同植被不同區(qū)域而有所差異[4],不同季節(jié)植被的需水量也存在差別[5],因此需要從更細(xì)致的時(shí)空尺度研究?jī)烧叩年P(guān)聯(lián)。

干旱程度往往通過干旱指數(shù)定量評(píng)價(jià),在以往的研究中,采用氣象站點(diǎn)數(shù)據(jù)計(jì)算干旱指數(shù)的居多,常用的干旱指數(shù)有：標(biāo)準(zhǔn)化降水指數(shù)[6]、Palmer干旱指數(shù)[7]、標(biāo)準(zhǔn)化降水蒸發(fā)指數(shù)[8]等。近年來有研究應(yīng)用氣象站點(diǎn)數(shù)據(jù)并通過SPEI指數(shù)對(duì)我國(guó)及區(qū)域的氣象干旱變化趨勢(shì)進(jìn)行評(píng)價(jià),發(fā)現(xiàn)我國(guó)普遍存在干旱化的趨勢(shì)[9- 10]。亦有研究對(duì)植被覆蓋度、歸一化植被指數(shù)(NDVI)等對(duì)降水、氣溫等要素的相關(guān)性以及時(shí)間滯后性進(jìn)行了驗(yàn)證[11- 12],但仍需考慮植被對(duì)綜合干旱環(huán)境響應(yīng),已有的干旱植被響應(yīng)方面的研究或基于單次干旱事件以及基于氣象站點(diǎn)或基于年尺度NDVI研究較多[13- 15],干旱監(jiān)測(cè)數(shù)據(jù)的時(shí)空分布及密度也會(huì)影響研究的結(jié)果,氣象站點(diǎn)覆蓋范圍有限,考慮到遙感數(shù)據(jù)較傳統(tǒng)數(shù)據(jù)的易獲取、大范圍觀測(cè)、空間連續(xù)、人為因素干擾小等優(yōu)勢(shì),因此本次研究在數(shù)據(jù)源上選用TRMM及MODIS遙感數(shù)據(jù),干旱指數(shù)上選用多時(shí)間尺度且綜合降水及潛在蒸散的標(biāo)準(zhǔn)化降水蒸發(fā)指數(shù)(SPEI),分析華北地區(qū)2001—2014年間干旱的空間分布及時(shí)空演變,有助于華北區(qū)域后續(xù)的科學(xué)研究,也為其他區(qū)域基于遙感數(shù)據(jù)的干旱監(jiān)測(cè)研究提供參考。在植被對(duì)氣候環(huán)境響應(yīng)方面,以往的研究考慮單一氣象因子的研究較多,但植被變化及其對(duì)干旱的響應(yīng)也應(yīng)從不同植被差異及多時(shí)空尺度考慮。因此,本次研究選取年尺度的植被指標(biāo)NDVI及凈初級(jí)生產(chǎn)力(NPP),月尺度的植被指標(biāo)植被狀態(tài)指數(shù)(VCI),與多時(shí)間尺度SPEI通過計(jì)算相關(guān)系數(shù)的方法評(píng)價(jià)植被對(duì)干旱的響應(yīng),并分析不同植被覆蓋類型對(duì)不同時(shí)間尺度干旱的響應(yīng)。

1 研究區(qū)概況

圖1 研究區(qū)概況圖Fig.1 General situation of study area

對(duì)于華北地區(qū)的定義,不同文獻(xiàn)中對(duì)華北地區(qū)范圍的選取略有差異。依據(jù)行政區(qū)劃的范圍,以及我國(guó)降水量的分布特點(diǎn),本次研究選取的華北地區(qū)包括北京、河北、天津、山西、山東、河南,共6個(gè)省市(圖1)。華北地區(qū)屬于半濕潤(rùn)區(qū),年降水量位于400—800mm之間,年內(nèi)降水分布不均,主要集中在夏季。從流域上來看,該區(qū)域位于黃河、淮河、海河三大流域之間。屬于溫帶半濕潤(rùn)大陸性氣候。華北地區(qū)的北部及西部地區(qū)為山區(qū),植被類型以林地、草原為主,中部及東部地區(qū)為大面積平原,是我國(guó)主要的農(nóng)作物區(qū)。

2 研究方法及數(shù)據(jù)

2.1 干旱監(jiān)測(cè)指標(biāo)——SPEI

本次研究中選用標(biāo)準(zhǔn)化降水蒸發(fā)指數(shù)SPEI作為干旱監(jiān)測(cè)指標(biāo),單獨(dú)的降水或溫度因子難以全面的描述氣候干濕狀況,SPEI指數(shù)既具有SPI指數(shù)的多時(shí)間尺度特征,在考慮降水的同時(shí)考慮潛在蒸散發(fā)的影響作用。已有研究對(duì)SPEI指數(shù)在中國(guó)地區(qū)的適用性分析[16- 17],并認(rèn)為該指數(shù)在本次研究地區(qū)的應(yīng)用是可靠的。SPEI指數(shù)由Vicente-Serrano等提出。計(jì)算方法如下：

(1)逐月計(jì)算降水量與潛在蒸發(fā)量的差值Di=Pi-PETi其中：i為月份。

(2)建立不同時(shí)間尺度的水分盈虧累積序列,并計(jì)算其概率分布。

(1)

式中：k為時(shí)間尺度(月),在本次研究中,k分別取1、3、6、9、12；n表示某個(gè)月。

(2)

式中：α、β、γ分別為尺度、形狀和起始參數(shù)。擬合參數(shù)的估計(jì)方法采用線性矩法。分別由以下公式計(jì)算：

(3)

(4)

(5)

(6)

式中：Ws是概率權(quán)重矩,S=0,1,2。l是累積水分虧缺量序列X按升序排列(X1≤X2, …,≤Xn)的序數(shù)。Γ(β)是Gamma函數(shù)。通過三參數(shù)log-logistic概率分布函數(shù),可計(jì)算給定時(shí)間尺度的累積概率如下：

(7)

對(duì)各月累積水分虧缺量序列的概率分布F(x)進(jìn)行標(biāo)準(zhǔn)化處理,令P=1-F(x)：

(8)

(9)

式中：c0= 2.515517,c1= 0.802853,c2= 0.010328,d1= 1.432788,d2= 0.189269,d3= 0.001308。

根據(jù)SPEI指數(shù)的數(shù)值劃分不同干旱等級(jí),如表1。

表1 基于SPEI指數(shù)的干旱等級(jí)劃分[18]

SPEI： 標(biāo)準(zhǔn)化降水蒸發(fā)指數(shù)Standardized Precipitation Evapotranspiration Index

SPEI指數(shù)數(shù)值越小表示越干旱,以往的SPEI指數(shù)均采用氣象站點(diǎn)資料計(jì)算,但氣象站點(diǎn)觀測(cè)資料存在分布密度低且時(shí)空分布不均的問題,而觀測(cè)數(shù)據(jù)的密度以及其時(shí)空分布的合理性也是影響干旱監(jiān)測(cè)結(jié)果準(zhǔn)確性的關(guān)鍵。因此本次研究采用TRMM及MODIS數(shù)據(jù)作為數(shù)據(jù)源計(jì)算,基于遙感數(shù)據(jù)計(jì)算得到SPEI指數(shù)具有更均勻的空間分布。

熱帶降雨測(cè)量衛(wèi)星TRMM數(shù)據(jù)在我國(guó)具有較好的適用性,與實(shí)測(cè)站點(diǎn)數(shù)據(jù)對(duì)比具有明顯的線性相關(guān)性且通過99%的顯著性檢驗(yàn)[19- 20],所以本研究降水資料選用TRMM3B43月降水?dāng)?shù)據(jù)集(http://trmm.gsfc.nasa.gov/),數(shù)據(jù)版本為7A/7,數(shù)據(jù)覆蓋范圍為全球范圍南北緯50°之間,空間分辨率為0.25°×0.25°,數(shù)據(jù)單位為mm/h,通過預(yù)處理將數(shù)據(jù)單位轉(zhuǎn)化為mm/月。TRMM3B43數(shù)據(jù)融合多個(gè)微波遙感數(shù)據(jù),具有大范圍且時(shí)間連續(xù)觀測(cè)的優(yōu)勢(shì),為氣象干旱的監(jiān)測(cè)提供了一條新途徑。

潛在蒸散資料來自MODIS數(shù)據(jù)中MOD16A2月合成數(shù)據(jù)集(http://www.ntsg.umt.edu/project/mod16),該數(shù)據(jù)蒸散算法基于Penman-Monteith算法估算,該算法較Thornthwaite更為精確。選用0.5°×0.5°分辨率數(shù)據(jù),通過雙線性內(nèi)插法重采樣為0.25°×0.25°分辨率,以便保持和TRMM降水?dāng)?shù)據(jù)分辨率的一致,同作為標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)計(jì)算的輸入數(shù)據(jù)。

本次研究計(jì)算得到的SPEI指數(shù)包含的時(shí)間段為2001年1月至2014年12月,共計(jì)168個(gè)月的柵格數(shù)據(jù)。

2.2 植被狀態(tài)監(jiān)測(cè)指標(biāo)

2.2.1 歸一化植被指數(shù)NDVI

歸一化植被指數(shù)NDVI是目前應(yīng)用最廣泛的植被指數(shù),可以反映植被的覆蓋度、植被的基本生長(zhǎng)狀態(tài)等。由于干旱對(duì)植被生長(zhǎng)狀況的影響主要表現(xiàn)在植被生長(zhǎng)季,而華北地區(qū)的植被、作物等生長(zhǎng)季主要在每年的4—10月,該時(shí)段植被開始呈現(xiàn)出明顯的綠色。因此選取研究時(shí)間內(nèi)每年該時(shí)間段的數(shù)據(jù)分析。

本研究中NDVI數(shù)據(jù)來自第六版MOD13A3數(shù)據(jù)集(https://ladsweb.nascom.nasa.gov/data/search.html),為月NDVI合成數(shù)據(jù),空間分辨率為1km×1km。研究區(qū)華北地區(qū)需要圖幅號(hào)如下的4幅影像拼接：h26v04、h26v05、h27v04、h27v05。

2.2.2 凈初級(jí)生產(chǎn)力NPP

陸地植被凈初級(jí)生產(chǎn)力NPP指單位時(shí)間、單位面積上植被通過光合作用產(chǎn)生的有機(jī)物質(zhì)總量中扣除自養(yǎng)呼吸后的剩余成分。作為植被生態(tài)系統(tǒng)中物質(zhì)、能量的轉(zhuǎn)換和傳遞基礎(chǔ),直接反映了植被在自然條件下自身的生產(chǎn)能力,同時(shí)也能夠有效地響應(yīng)氣候與環(huán)境變化[21]。

凈初級(jí)生產(chǎn)力NPP數(shù)據(jù)來自MOD17A3數(shù)據(jù)集(http://www.ntsg.umt.edu/project/mod17),為全年植被凈初級(jí)生產(chǎn)力,數(shù)據(jù)空間分辨率為1km×1km。由于NPP在大范圍實(shí)測(cè)數(shù)據(jù)獲取困難,所以各研究均采用模型模擬,MOD17A3數(shù)據(jù)集利用BIOME-BGC模型與光能利用模型建立的NPP估算模型模擬得到,與傳統(tǒng)回歸模型相比,基于更多的參數(shù)和更精密的估算方法,具有更高的估算精度[22]。

2.2.3 植被狀態(tài)指數(shù)VCI

VCI指數(shù)[23]通過對(duì)某年某月的NDVI與研究時(shí)間段內(nèi)所有年份同月的NDVI最大最小值歸一化得到,反應(yīng)月植被生長(zhǎng)的綜合狀況。對(duì)多年NDVI歸一化得到的VCI指數(shù)可以作為植被受環(huán)境脅迫程度的指標(biāo),描述植被時(shí)空變化,被廣泛應(yīng)用于農(nóng)業(yè)旱情監(jiān)測(cè)等領(lǐng)域。具體的計(jì)算公式如下：

(10)

式中：NDVI(max)和NDVI(min)代表同月同像元NDVI的最大值和最小值,最大值最小值同樣按月統(tǒng)計(jì)以消除季節(jié)影響,i、j、k分別代表像元、月、年。

2.3 時(shí)空變化分析

2.3.1 線性變化趨勢(shì)

通過一元線性回歸計(jì)算SPEI以及NDVI、NPP、VCI的變化斜率,計(jì)算公式如下：

(11)

式中：以計(jì)算SPEI的月線性變化斜率為例,n為總月份數(shù),MSPEIi為第i月的SPEI值。

2.3.2 相關(guān)系數(shù)分析

通過常用的相關(guān)系數(shù)R的計(jì)算,可以分別得到SPEI指數(shù)與NDVI、NPP、VCI的線性相關(guān)程度,以便分析植被生長(zhǎng)狀況對(duì)干旱程度的響應(yīng)。相關(guān)系數(shù)的計(jì)算公式為：

(12)

3 結(jié)果與分析

3.1 華北地區(qū)干旱時(shí)空變化特征

SPEI指數(shù)具有多時(shí)間尺度的優(yōu)勢(shì),分別計(jì)算得到1、3、6、9、12個(gè)月尺度的SPEI數(shù)據(jù)集,并在華北地區(qū)統(tǒng)計(jì)均值,得到多時(shí)間尺度上華北地區(qū)氣象干旱程度在2001—2014年時(shí)間序列的變化趨勢(shì)。結(jié)果顯示,從研究區(qū)均值上來看,不同時(shí)間尺度的SPEI指數(shù)均表示華北地區(qū)的干旱程度呈逐漸加重的變化趨勢(shì),選取的時(shí)間尺度越長(zhǎng),時(shí)間序列曲線波動(dòng)越小,干濕交替變化周期加長(zhǎng),干旱化趨勢(shì)的顯著性加大,SPEI- 1、SPEI- 3月均值的變化趨勢(shì)通過α=0.05的顯著性檢驗(yàn),SPEI- 6、SPEI- 9、SPEI- 12月均值的變化趨勢(shì)通過α=0.01的顯著性檢驗(yàn)。不同時(shí)間尺度的SPEI所反映的氣象干旱變化的程度有所差異,但總體上其變化的方向性是一致的,主要由于選取不同的時(shí)間尺度不改變?cè)紨?shù)據(jù)及擬合的方式,但更長(zhǎng)的時(shí)間步長(zhǎng)可以弱化單月水平衡之間的差異,而突出季尺度、年尺度等的特征。SPEI- 1通常用來反映短期地表水分異常；SPEI- 3可反映干旱的季節(jié)變化,并分別選取2月、5月、8月、11月的SPEI作為冬、春、夏、秋季的干旱狀況反映,以同時(shí)間段計(jì)算,4個(gè)季節(jié)中秋季干旱的變化趨勢(shì)最平穩(wěn),春季干旱加重趨勢(shì)最明顯,其次為冬季、夏季；SPEI- 12用來反映干旱的年變化趨勢(shì)。

通過線性趨勢(shì)分析計(jì)算不同時(shí)間尺度的SPEI變化斜率,得到SPEI在不同區(qū)域的干濕變化狀況,數(shù)值為負(fù)表示區(qū)域在2001年至2014年間呈干旱化趨勢(shì),且數(shù)值越小表示干旱化程度越嚴(yán)重。從變化斜率的空間分布上來看,隨著時(shí)間尺度的增加,不同區(qū)域干旱化或濕潤(rùn)化的程度均有所加大。從干旱化區(qū)域占比及干旱化趨勢(shì)的顯著性來看,SPEI- 1、SPEI- 3、SPEI- 6、SPEI- 9、SPEI- 12指數(shù)分別顯示面積占96%、83%、78%、72%、71%的區(qū)域線性變化斜率小于0,表示為呈干旱化的區(qū)域,并且在干旱化的區(qū)域范圍內(nèi),其中上述SPEI指數(shù)分別占44%、51%、64%、69%、71%的區(qū)域的干旱化趨勢(shì)達(dá)到α=0.05顯著性水平。總體上,不同時(shí)間尺度的SPEI變化規(guī)律表現(xiàn)一致,呈現(xiàn)一致的空間分布特征,以SPEI- 6變化趨勢(shì)的空間分布圖為例(圖2),干旱化程度自西南向東北逐漸減弱,干旱化最明顯出現(xiàn)在河南省境內(nèi),濕潤(rùn)化區(qū)域則在河北省東北部。

圖2 SPEI- 6月變化斜率空間分布顯著干旱化區(qū)域Fig.2 Spatial distribution of SPEI- 6 variation trend Significant arid region

按照上述SPEI指數(shù)的等級(jí)劃分標(biāo)準(zhǔn),在統(tǒng)計(jì)范圍的168個(gè)月內(nèi)統(tǒng)計(jì)不同等級(jí)干旱在不同時(shí)間尺度下的干旱發(fā)生頻次及空間分布。如圖3所示,為不同時(shí)間尺度下重度干旱(SPEI≤-1.5)頻次的空間分布：SPEI- 1反映一個(gè)月尺度的重度干旱主要分布在山西南部和華北東部沿海地區(qū),這些地區(qū)易發(fā)生短期的水分平衡異常,其中山西南部地區(qū)雖然在一個(gè)月尺度干旱發(fā)生頻次大,但干旱事件持續(xù)月份短,因此在中長(zhǎng)時(shí)間尺度干旱(SPEI- 36912)中各程度干旱發(fā)生頻次均不高,而華北東部沿海地區(qū)在中長(zhǎng)期尺度中,重度干旱發(fā)生頻率依然較高,說明該區(qū)域的干旱存在長(zhǎng)期持續(xù)性。河南省大部分地區(qū)單月干旱程度為中度,但容易連續(xù),在長(zhǎng)時(shí)間尺度上形成嚴(yán)重干旱。

圖3 多尺度SPEI重度干旱頻次空間分布Fig.3 Spatial distribution of severe drought frequency in multi-scale SPEI

3.2 華北地區(qū)植被時(shí)空變化特征

利用每年植被生長(zhǎng)季NDVI均值及年NPP數(shù)據(jù)(共計(jì)14a),分析華北地區(qū)的植被年變化特征。從數(shù)據(jù)的年變化時(shí)間序列上來看,華北地區(qū)的NDVI及NPP總體均呈增長(zhǎng)趨勢(shì),說明華北地區(qū)的植被生長(zhǎng)狀況總體呈好轉(zhuǎn)趨勢(shì),NPP數(shù)值年波動(dòng)較NDVI明顯。

從NDVI及NPP線性變化趨勢(shì)的空間分布上來看(圖4),NDVI均值年變化斜率大于0表示植被狀況改善,這部分區(qū)域占88%,NPP變化斜率大于0區(qū)域占71%,說明研究區(qū)大部分區(qū)域植被狀況好轉(zhuǎn),主要分布在西部高海拔地區(qū)山西境內(nèi)。在研究區(qū)南部河南省大部分地區(qū)NDVI及NPP均呈下降趨勢(shì),此外在河北東部沿海及山東小部分沿海區(qū)域植被狀況轉(zhuǎn)差,初步分析與該區(qū)域中長(zhǎng)期干旱頻率較高有關(guān)。在河北省中部靠近太行山沿線區(qū)域,NDVI表現(xiàn)出明顯下降趨勢(shì),而NPP在該區(qū)域則相對(duì)緩和,這部分主要為農(nóng)作物種植區(qū),人為影響較大,NPP在研究區(qū)北部林地、草原區(qū)反映出植被狀況轉(zhuǎn)差趨勢(shì),該區(qū)域NDVI則不存在轉(zhuǎn)差趨勢(shì)。

圖4 NDVI和NPP年變化趨勢(shì)空間分布Fig.4 Spatial distribution of NDVI and NPP annual variation trend

由于華北地區(qū)不同月份的植被長(zhǎng)勢(shì)差異較大,VCI指數(shù)在不同月份不同區(qū)域間具有可比性,因此以VCI指數(shù)作為月際植被狀況指標(biāo),并用于分析不同月份植被受干旱環(huán)境影響的差異。圖5為華北地區(qū)植被生長(zhǎng)季VCI指數(shù)的均值,結(jié)果顯示華北地區(qū)近15年植被狀況整體好轉(zhuǎn),與從NDVI、NPP得出的植被覆蓋變化趨勢(shì)結(jié)論一致,且在空間分布上與NDVI年變化趨勢(shì)一致。各月份歷年變化趨勢(shì)同總體一致,均體現(xiàn)植被狀況呈好轉(zhuǎn)趨勢(shì)。4月份的VCI數(shù)值最低,其次為10月、5月、6月,以上月份歷年VCI月均值均低于50,究其原因,華北地區(qū)春秋兩季降水量小且潛在蒸發(fā)大,受兩者綜合影響,易導(dǎo)致春旱及秋旱的發(fā)生,從反映季尺度干旱的SPEI- 3指數(shù)來看,雖然各月份干旱發(fā)生的頻率相差不大,但春秋兩季發(fā)生干旱的月份的干旱程度相對(duì)夏季更大,植被受其影響導(dǎo)致春秋季VCI指數(shù)偏低。

圖5 華北植被生長(zhǎng)季VCI指數(shù)時(shí)間變化Fig.5 Temporal variation trend of VCI index of vegetation growing season in North China

3.3 華北地區(qū)植被對(duì)干旱環(huán)境的響應(yīng)

3.3.1 華北地區(qū)年植被狀況對(duì)年干旱的響應(yīng)

分別選取每年的NDVI(通過歷年植被生長(zhǎng)季月NDVI數(shù)據(jù)均值合成)及NPP數(shù)據(jù),通過相關(guān)系數(shù)分析植被狀況與年干旱狀況的相關(guān)性。考慮到SPEI- 12為年尺度指數(shù),可反映年際氣象干旱狀況,因此選取SPEI- 12數(shù)據(jù)作為年干旱狀況表征指標(biāo),并重采樣為1km×1km空間分辨率,分別計(jì)算SPEI- 12與NDVI及NPP基于空間象元的相關(guān)系數(shù)。

NDVI反映植被綠度、植被覆蓋、植被長(zhǎng)勢(shì)等狀態(tài)。從結(jié)果來看,NDVI指數(shù)的數(shù)值會(huì)受到氣候環(huán)境、水分平衡等影響而發(fā)生改變,總體來說更濕潤(rùn)的氣候與適宜的溫度有利于植被的生長(zhǎng),74%的區(qū)域NDVI與SPEI的相關(guān)系數(shù)為正,正相關(guān)區(qū)域均值為0.28,其中9%區(qū)域達(dá)到α=0.05顯著性水平,17%區(qū)域達(dá)到α=0.1顯著性水平。但對(duì)不同區(qū)域來說,相關(guān)程度差異較大。兩者相關(guān)系數(shù)較高區(qū)域主要分布在河北北部及西部地區(qū),河北、山西交界處,以及河南中部及山東中部海拔較高地區(qū)。考慮不同植被覆蓋類型的影響,根據(jù)MCD12Q1的IGBP全球土地覆蓋分類方案,并進(jìn)行匯總重分類成8類(圖6),重分類方案見表2,本文著重分析林地、草原、灌叢、農(nóng)田4類土地覆蓋類型對(duì)干旱的響應(yīng),統(tǒng)計(jì)得出4類覆蓋類型的NDVI與SPEI正相關(guān)系數(shù)均值,草原地區(qū)最高為0.32,其次為灌叢0.30、農(nóng)田0.27、林地0.26。

NPP反映植被生長(zhǎng)發(fā)育的能力,是碳平衡的重要指標(biāo)。從計(jì)算結(jié)果來看,如圖7,90%區(qū)域NPP與SPEI的相關(guān)系數(shù)為正,正相關(guān)區(qū)域均值為0.37,其中17%區(qū)域達(dá)到α=0.05顯著性水平,32%區(qū)域達(dá)到α=0.1顯著性水平。不同土地覆蓋類型兩者間正相關(guān)系數(shù)均值從高到低分別為草地0.37、農(nóng)田0.36、灌叢0.34、林地0.34,與NDVI與SPEI的相關(guān)性對(duì)比,研究區(qū)最北部地區(qū)的相關(guān)性有所弱化,研究區(qū)中部農(nóng)作物區(qū)的相關(guān)性有所增強(qiáng)。

與NDVI對(duì)干旱的響應(yīng)相比,NPP對(duì)干旱的響應(yīng)更明顯,但均表現(xiàn)為草地對(duì)干旱的敏感度最強(qiáng),林地對(duì)干旱的響應(yīng)較遲緩,因此在旱情監(jiān)測(cè)中,應(yīng)更關(guān)注草地生長(zhǎng)狀況的指示作用,及時(shí)采取抗旱措施防止旱情進(jìn)一步蔓延。

表2 土地覆蓋/土地利用重分類

圖6 研究區(qū)土地覆蓋/土地利用圖Fig.6 Land cover/Land use map of the study area

圖7 華北地區(qū)年NDVI和NPP與SPEI- 12相關(guān)系數(shù)空間分布Fig.7 Spatial distribution of correlation coefficient of NDVI and NPP to SPEI- 12 in North China

3.3.2 華北地區(qū)月植被狀況對(duì)多尺度干旱的響應(yīng)

為研究干旱對(duì)植被生長(zhǎng)影響的時(shí)間滯后性,基于月尺度分析植被狀況對(duì)多尺度氣象干旱的響應(yīng)。從時(shí)間序列的線性相關(guān)性考慮,基于1km×1km空間像元,以VCI指數(shù)表征月植被狀況,并與其對(duì)應(yīng)像元的1、3、6、9、12個(gè)月尺度SPEI指數(shù)進(jìn)行基于空間像元的相關(guān)分析,分別得到VCI指數(shù)與以上5種時(shí)間尺度SPEI的相關(guān)系數(shù)分布圖。

從相關(guān)系數(shù)的空間分布上來看,選擇不同時(shí)間尺度差異不大,與基于年尺度得到的NDVI與SPEI之間相關(guān)系數(shù)空間分布特征大體一致,較高的相關(guān)系數(shù)更多分布在海拔較高區(qū)域,以研究區(qū)北部地區(qū)為主。VCI與SPEI- 1、SPEI- 3、SPEI- 6、SPEI- 9、SPEI- 12相關(guān)系數(shù)為正值部分占區(qū)域總面積依次為86%、90%、78%、71%、74%,其中達(dá)到α=0.01顯著性水平所占面積依次為6%、33%、19%、22%、24%。總體來說植被對(duì)氣象干旱的響應(yīng)在3個(gè)月尺度最明顯,即對(duì)季尺度響應(yīng)最明顯。為探究不同植被類型對(duì)SPEI響應(yīng)時(shí)間尺度的差異,仍采用上述植被分類方案,分別統(tǒng)計(jì)VCI與5種時(shí)間尺度SPEI指數(shù)相關(guān)系數(shù)的均值。結(jié)果顯示4種植被類型均與SPEI- 3相關(guān)系數(shù)最大,說明過去3個(gè)月累積干旱影響更易作用于當(dāng)月植被狀況。

同種植被在其生長(zhǎng)季的不同月份,對(duì)氣象干旱響應(yīng)的時(shí)間尺度及程度也會(huì)存在差異,因此,計(jì)算歷年同月VCI指數(shù)對(duì)應(yīng)5種SPEI指數(shù)的相關(guān)系數(shù),通過計(jì)算得到35幅(4—10月VCI,SPEI5個(gè)時(shí)間尺度)相關(guān)系數(shù)結(jié)果；分析各月份4種不同土地覆蓋類型受SPEI指數(shù)影響最大的時(shí)間尺度。結(jié)果見表3,例如7月-草原對(duì)應(yīng)3(0.43)代表7月的草原植被類型對(duì)SPEI- 3響應(yīng)最明顯,相關(guān)系數(shù)為0.43。結(jié)果顯示在多數(shù)月份植被對(duì)SPEI- 3響應(yīng)最明顯,且在夏季(8月及9月)這種趨勢(shì)更為普遍。而植被狀況表現(xiàn)為對(duì)較長(zhǎng)時(shí)間尺度的干旱(SPEI- 12)響應(yīng)更明顯的現(xiàn)象則主要出現(xiàn)在4月至6月,這期間的林地、灌叢、草原均不同程度的受到年尺度干旱影響,說明較長(zhǎng)時(shí)間尺度的干旱傾向于影響植被生長(zhǎng)季初期的植被狀況。從相關(guān)系數(shù)的數(shù)值大小來看,不同植被類型均在夏季對(duì)干旱響應(yīng)最明顯,林地在多數(shù)月份受干旱影響較弱,但在9月相關(guān)系數(shù)有明顯提升,灌叢及草原在7月至9月對(duì)干旱的響應(yīng)最好,農(nóng)田則在7月至8月對(duì)SPEI的響應(yīng)達(dá)到最大,隨后下降。

表3各月份不同植被類型VCI對(duì)SPEI最大響應(yīng)的時(shí)間尺度

Table3ThemaximumtimescaleoftheresponsedegreeofVCItoSPEIindifferentvegetationtypesanddifferentmonth(correlation coefficient in brackets)

植被類型Vegetationtypes4月April5月May6月June7月July8月August9月September10月October林地Woodland12(0.10)3(0.18)3(0.12)1(0.22)3(0.21)3(0.35)9(0.19)灌叢Shrub1(0.22)12(0.22)12(0.25)3(0.34)3(0.35)3(0.40)12(0.17)草原Grassland12(0.22)12(0.33)3(0.29)3(0.43)3(0.43)3(0.42)3(0.29)農(nóng)田Farmland1(0.16)3(0.11)3(0.12)3(0.23)3(0.26)3(0.20)3(0.18)

括號(hào)內(nèi)為相關(guān)系數(shù)

逐月計(jì)算VCI與SPEI間相關(guān)系數(shù),用于探究月氣候環(huán)境差異對(duì)植被干旱響應(yīng)的影響作用。上述研究顯示VCI普遍對(duì)SPEI- 3或SPEI- 12響應(yīng)最明顯,因此基于這兩種時(shí)間尺度分析。

從各月份的干濕狀況來看,在越干旱的月份,植被狀況越易受到干旱環(huán)境的影響,反映為VCI響應(yīng)程度的加大,對(duì)于SPEI- 3,其反應(yīng)的干旱程度與VCI響應(yīng)程度之間的相關(guān)系數(shù)為0.21,對(duì)于SPEI- 12,該相關(guān)系數(shù)為0.29,均為弱相關(guān),說明月干旱程度是影響植被干旱響應(yīng)程度的因子之一。

圖8可見，VCI與SPEI- 3的相關(guān)系數(shù)在夏季7、8月達(dá)到最大,該季節(jié)的植被受季尺度干旱影響較其他月份更明顯,春旱及初夏的干旱均會(huì)影響到夏季植被的生長(zhǎng)狀況；春季的VCI指數(shù)與SPEI- 12相關(guān)系數(shù)更大,受過去一年的干旱環(huán)境影響更明顯,說明季節(jié)性會(huì)影響植被對(duì)干旱的響應(yīng)程度,但其影響會(huì)因干旱時(shí)間尺度的差異而有所區(qū)別。

為區(qū)分不同海拔及植被類型的影響,一方面根據(jù)DEM數(shù)據(jù)獲取的海拔高度劃分平原(DEM<200m)、山地(200m1000m)3種地貌類型,并且為避免樣本數(shù)的影響,在每種地貌類型的采樣點(diǎn)中各隨機(jī)留下100個(gè)點(diǎn)；另一方面根據(jù)上述劃分林地、灌叢、草原、農(nóng)田4種植被類型,分析相關(guān)系數(shù)在不同區(qū)域的區(qū)別。對(duì)于SPEI- 3及SPEI- 12,山地及高山地區(qū)的相關(guān)系數(shù)均好于平原地區(qū),海拔較高的地區(qū)主要以林地草地覆蓋為主,主要受自然環(huán)境影響,人為干涉較小,因此對(duì)氣候環(huán)境變化更敏感；草原地表覆蓋的相關(guān)系數(shù)均好于林地及農(nóng)田,在長(zhǎng)時(shí)間尺度下,林地的相關(guān)系數(shù)高于農(nóng)田,在短時(shí)間尺度下,春季農(nóng)田的相關(guān)系數(shù)高于林地,秋季則為林地的相關(guān)系數(shù)高于農(nóng)田,灌叢地表覆蓋類型在各個(gè)月份的波動(dòng)較大。林地植被根系發(fā)達(dá),因此耐旱性較草地更好,而農(nóng)田多分布在平原,人為干涉及活動(dòng)也影響到植被狀況對(duì)干旱的響應(yīng)程度。

圖8 生長(zhǎng)季各月份不同海拔植被狀態(tài)指數(shù)VCI和SPEI- 3 、SPEI- 12 及不同土地覆蓋類型VCI和SPEI- 3 、SPEI- 12 相關(guān)系數(shù)均值Fig.8 Mean values of correlation coefficients of Vegetation Condition Index(VCI) to SPEI- 3 / SPEI- 12 in different elevation and VCI to SPEI- 3 / SPEI- 12 in different land cover

4 結(jié)論與討論

4.1 結(jié)論

(1)華北地區(qū)2001—2014年的SPEI指數(shù)反映月尺度干旱程度整體均值上呈波動(dòng)態(tài)勢(shì)、并且月尺度干旱化趨勢(shì)通過α=0.05的顯著性檢驗(yàn)。在更大的時(shí)間尺度下,干旱化趨勢(shì)更明顯,且春季干旱化趨勢(shì)強(qiáng)于其他季節(jié)。從空間上來看,干旱化最嚴(yán)重的區(qū)域以研究區(qū)南部河南省境內(nèi)及其周邊為主,濕潤(rùn)化區(qū)域分布在研究區(qū)東北部。

(2)華北地區(qū)2001—2014年的NDVI、NPP、VCI,3種植被狀況表征指數(shù)整體均值呈增加趨勢(shì),但在區(qū)域分布上與干旱狀況表征指數(shù)SPEI具有一定的空間一致性。NDVI變化斜率小于0區(qū)域在河北中部及東部沿海,河南中部及山東小部分地區(qū),NPP變化斜率小于0區(qū)域在河北中北部,河南大部分地區(qū)分布；SPEI指數(shù)也反應(yīng)干旱程度河北中部及山東沿海地區(qū)呈輕度加重趨勢(shì),在河南大部分地區(qū)干旱程度呈嚴(yán)重加重趨勢(shì)。

(3)SPEI與NDVI、NPP、VCI在大部分區(qū)域,均呈不同程度的正相關(guān)。在年尺度上,NPP與SPEI的相關(guān)性強(qiáng)于NDVI與SPEI的相關(guān)性,但均表現(xiàn)為草地對(duì)干旱的響應(yīng)的敏感程度最高,林地最弱,農(nóng)田及灌叢居中。在月尺度上,不同類型的植被普遍對(duì)SPEI- 3響應(yīng)最敏感,受季尺度干旱影響最顯著,且相關(guān)程度在夏季達(dá)到最高；表征年尺度干旱的SPEI- 12與4、5月的VCI指數(shù)的相關(guān)系數(shù)最大,說明在植被生長(zhǎng)季初期,植被對(duì)過去1年的氣象干旱狀況響應(yīng)最明顯。從不同海拔來看,山地及高山區(qū)的植被狀況在多數(shù)月份對(duì)SPEI的響應(yīng)明顯高于平原區(qū),山區(qū)植被受人類活動(dòng)干擾小,更適合描述自然條件下的植被響應(yīng)特征。

4.2 討論

本文基于TRMM及MODIS遙感數(shù)據(jù),對(duì)華北地區(qū)2001—2014年間多尺度氣象干旱的變化以及植被狀況的變化進(jìn)行評(píng)價(jià),并主要分析植被對(duì)干旱的多尺度響應(yīng)特征,以及不同植被類型對(duì)干旱響應(yīng)程度的差異。更均勻的干旱指數(shù)格網(wǎng)的空間分布有利于從更細(xì)致的角度分析植被狀況的干旱響應(yīng),也便于區(qū)域間差異的對(duì)比。

從SPEI分別與NDVI、NPP、VCI計(jì)算得到的相關(guān)系數(shù)并按植被類型統(tǒng)計(jì)的均值來看,均為正相關(guān),但得到的相關(guān)系數(shù)的數(shù)值不是很高,一方面受均值統(tǒng)計(jì)影響,一方面不同植被類型在不同月份的差異也需細(xì)化,如林地類型中闊葉林與針葉林對(duì)SPEI的響應(yīng),在不同時(shí)間尺度下這種相關(guān)程度存在區(qū)別。研究得到的農(nóng)田地物與月干旱指數(shù)的相關(guān)程度較低,這一方面與人為灌溉活動(dòng)有關(guān)聯(lián),另一方面不同植被、農(nóng)作物存在不同的生長(zhǎng)周期,如華北地區(qū)的主要農(nóng)作物,冬小麥、夏玉米、棉花、大豆等生長(zhǎng)周期不同,在后續(xù)研究中還需區(qū)別考慮。

[1] 徐建文, 居輝, 劉勤, 楊建瑩. 黃淮海地區(qū)干旱變化特征及其對(duì)氣候變化的響應(yīng). 生態(tài)學(xué)報(bào), 2014, 34(2): 460- 470.

[2] Wang L, Chen W. A CMIP5 multimodel projection of future temperature, precipitation, and climatological drought in China. International Journal of Climatology, 2014, 34(6): 2059- 2078.

[3] 程善俊, 管曉丹, 黃建平, 季明霞. 利用GLDAS資料分析黃土高原半干旱區(qū)土壤濕度對(duì)氣候變化的響應(yīng). 干旱氣象, 2013, 31(4): 641- 649.

[4] Vicente-Serrano S M, Gouveia C, Camarero J J, Begueria S, Trigo R, López-Moreno J I, Azorín-Molina C, Pasho E, Lorenzo-Lacruz J, Revuelto J, Morán-Tejeda E, Sanchez-Lorenzo A. Response of vegetation to drought time-scales across global land biomes. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(1): 52- 57.

[5] Jain S K, Keshri R, Goswami A, Sarkar A. Application of meteorological and vegetation indices for evaluation of drought impact: a case study for Rajasthan, India. Natural Hazards, 2010, 54(3): 643- 656.

[6] Mckee T B, Doesken N J, Kleist J. The relationship of drought frequency and duration to time scales//AMS 8th Conference on Applied Climatology. Anaheim, CA: American Meteorological Society, 1993: 179- 184.

[7] Palmer W C. Meteorological Drought. Research Paper No. 45. Washington, DC: U. S. Department of Commerce, Weather Bureau, 1965: 45- 58.

[8] Vicente-Serrano S M, Beguería S, López-Moreno J I. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of Climate, 2010, 23(7): 1696- 1718.

[9] 李偉光, 易雪, 侯美亭, 陳匯林, 陳珍莉. 基于標(biāo)準(zhǔn)化降水蒸散指數(shù)的中國(guó)干旱趨勢(shì)研究. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2012, 20(5): 643- 649.

[10] Yang M J, Yan D H, Yu Y D, Yang Z Y. SPEI-based spatiotemporal analysis of drought in Haihe river basin from 1961 to 2010. Advances in Meteorology, 2016, 2016: 7658015.

[11] Wu D H, Zhao X, Liang S L, Zhou T, Huang K C, Tang B J, Zhao W Q. Time-lag effects of global vegetation responses to climate change. Global Change Biology, 2015, 21(9): 3520- 3531.

[12] 齊述華, 王長(zhǎng)耀, 牛錚, 劉正軍. 利用NDVI時(shí)間序列數(shù)據(jù)分析植被長(zhǎng)勢(shì)對(duì)氣候因子的響應(yīng). 地理科學(xué)進(jìn)展, 2004, 23(3): 91- 99.

[13] 嚴(yán)建武, 陳報(bào)章, 房世峰, 張慧芳, 付東杰, 薛曄. 植被指數(shù)對(duì)旱災(zāi)的響應(yīng)研究——以中國(guó)西南地區(qū)2009年—2010年特大干旱為例. 遙感學(xué)報(bào), 2012, 16(4): 720- 737.

[14] 趙舒怡, 宮兆寧, 劉旭穎. 2001—2013年華北地區(qū)植被覆蓋度與干旱條件的相關(guān)分析. 地理學(xué)報(bào), 2015, 70(5): 717- 729.

[15] 王兆禮, 黃澤勤, 李軍, 鐘睿達(dá), 黃文煒. 基于SPEI和NDVI的中國(guó)流域尺度氣象干旱及植被分布時(shí)空演變. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(14): 177- 186.

[16] 王林, 陳文. 標(biāo)準(zhǔn)化降水蒸散指數(shù)在中國(guó)干旱監(jiān)測(cè)的適用性分析. 高原氣象, 2014, 33(2): 423- 431.

[17] 莊少偉, 左洪超, 任鵬程, 熊光潔, 李邦東, 董文成, 王利盈. 標(biāo)準(zhǔn)化降水蒸發(fā)指數(shù)在中國(guó)區(qū)域的應(yīng)用. 氣候與環(huán)境研究, 2013, 18(5): 617- 625.

[18] 張?jiān)儡? 郝智文, 王雁, 李明明, 陳二萍, 李芬, 張永瑞. 基于SPEI和SPI指數(shù)的太原多尺度干旱特征與氣候指數(shù)的關(guān)系. 生態(tài)環(huán)境學(xué)報(bào), 2014, 23(9): 1418- 1424.

[19] 李景剛, 阮宏勛, 李紀(jì)人, 黃詩(shī)峰. TRMM降水?dāng)?shù)據(jù)在氣象干旱監(jiān)測(cè)中的應(yīng)用研究. 水文, 2010, 30(4): 43- 46.

[20] 駱三, 苗峻峰, 牛濤, 魏春秀, 王霞. TRMM測(cè)雨產(chǎn)品3B42與臺(tái)站資料在中國(guó)區(qū)域的對(duì)比分析. 氣象, 2011, 37(9): 1081- 1090.

[21] 陳曉玲, 曾永年. 亞熱帶山地丘陵區(qū)植被NPP時(shí)空變化及其與氣候因子的關(guān)系——以湖南省為例. 地理學(xué)報(bào), 2016, 71(1): 35- 48.

[22] 崔林麗, 杜華強(qiáng), 史軍, 陳昭, 郭巍. 中國(guó)東南部植被NPP的時(shí)空格局變化及其與氣候的關(guān)系研究. 地理科學(xué), 2016, 36(5): 787- 793.

[23] Kogan F N. Remote sensing of weather impacts on vegetation in non-homogeneous areas. International Journal of Remote Sensing, 1990, 11(8): 1405- 1419.