中國東部兩熟制農田NDVI不對稱年際變化趨勢及其潛在氣候成因

張慧嫻　陳鐵喜　江曉東　施婷婷　王國杰

摘要：一年兩熟制是我國東部農業區主要的耕作形式和增產方式。利用長序列遙感歸一化植被指數（NDVI），研究我國東部兩熟制農田1982—2015年間植被變化趨勢。研究區域為31°～39°N范圍內的東部5省區，包括河北省、河南省、山東省、江蘇省以及安徽省。NDVI的多年季節平均顯示，1年中有2個峰值，分別出現在5月與8月，對應兩季作物各自生長的峰期。在1982—2015年，研究區NDVI呈現顯著上升趨勢，增速為1.703×10-3/年。根據兩熟制種植期，定義6—10月的夏秋作物期和11月至次年5月的冬春種植期。結果發現，NDVI的年際增長主要由冬春作物期貢獻，其增長率為2.436×10-3/年，并且遠大于夏秋作物期0.676×10-3/年的變率。結合該地區的氣溫與降水數據發現，在2個作物期，降水并未出現顯著變化，而溫度都呈現出顯著增加趨勢。其中冬春作物期溫度增速大于夏秋作物期，分別為0.042 ℃/年和0.029 ℃/年。由于冬春作物期平均溫度相對較低，同時增溫速率更高，因此，增溫對植被生長的促進作用在該時期更強，從而造成了NDVI的不對稱變化。

關鍵詞：雙季種植制度;農田;NDVI;植被變化

中圖分類號： S127;S162.5文獻標志碼： A

文章編號：1002-1302（2019）08-0242-06

植被監測是生態環境研究的重點之一，同時植被在陸氣相互作用中扮演著重要角色，是能量交換、水文循環、碳循環等過程中的主要組成部分[1-2]。植被變化受到氣候系統與人類活動等諸多要素影響，其中主要影響氣候要素的有水分、溫度和光照[3]，同時受到大氣中CO2濃度增加帶來的施肥效應[4]、氮循環的養分作用[5]以及土地利用變化[6]等的影響。因此，如何有效識別植被動態變化的研究也是地球系統研究的重要發展方向之一[7-8]。

農田是陸地植被重要的組成部分，約占全球非冰凍陸地總面積的12%。隨著對糧食需求的進一步增加，農田的面積處于整體上不斷增加的狀態[9]。Zeng等發現，由于農田面積擴大和農業技術的發展，農作物的生長是大氣CO2季節性變化幅度增加的主要原因之一[10]。傅強等結合當地氣候環境條件，建立了一個符合該區域持續發展的農業生態系統，提高糧食產量的同時也可對大氣的CO2濃度進行調節，成為強有力的碳匯[11-12]。因此，對農田植被過程描述的細化，是降低植被模式不確定性的有效潛在手段之一[13]。

多熟制種植制度是全球作物種植制度的重要特征，提高了全球作物產量。隨著全球變暖，中緯度地區中更多區域的氣候條件會滿足多熟制種植制度的環境需求，例如氣溫升高使農作物生長季加長。我國是世界上多熟制面積最大、歷史最悠久的國家之一。Duan等發現1961—2010年我國雙季稻種植的氣候適宜面積增加[14]。賴純佳等發現麥-稻兩熟制氣候適宜性對全球變暖有明顯的響應[15]。Liu等研究顯示，我國潛在復種指數在1960—2010年增加7%～13%[16]，雖然三熟制適宜區有所增加，但實際上雙季種植制度是我國多熟制種植制度中的主要存在類型。兩熟制種植面積的增大，提高了作物產量，同時植被的生長狀態也有相應的改變。實際上農田的農業活動，作物的種植與收割會使農田植被情況在這2個時段下出現急劇的變化。在雙季種植制度下，2種作物種植季節將1年的生長季分成了2段生長季，并且在這一年的植被生長期間預計有2個植被的高峰期，這一物候特征與自然植被的物候情況有很大的不同[17]。

自20世紀70年代末以來，遙感技術已成為持續監測區域和全球尺度范圍內的植被狀況的必要手段。目前，有許多植被指數可用于度量地表的植被狀況，歸一化差異植被指數（NDVI）是應用最廣泛的遙感植被指標[18]。過去的研究表明1982—2006年全球植被生長季NDVI總體呈上升趨勢[19]，同時1982—1999年間我國大多數地區的NDVI都呈現不同程度的增加趨勢[20]。然而復種農田地區由于輪作期間的收割與播種等活動，造成其與單季種植和自然植被在物候上具有巨大差異，一般采用生長季等分類并不能體現該區域的特點。該現象前人研究較少，例如Chen等作為探索，僅研究淮河流域NDVI在2個作物期的年際變化問題[21]。而我國兩熟制農田分布十分廣泛，但針對2個作物期的植被變化研究仍然較少。因此，進行該方面的研究，將有利于進一步深化探討植被對氣候變化和人類活動的響應。

1材料與方法

1.1研究區域

圖1為我國東部主要兩熟制農業區。我國氣候適宜兩熟制種植的區域分布廣泛，并且隨著全球變暖有擴大的趨勢[16]。而在實際耕作中采用雙季種植的地區相對集中，本研究范圍選取的依據主要參考Yan等的研究成果[22]，提供了我國基于遙感觀測提取的實際復種分布情況。研究區域主要包括31°～39°N范圍內的東部5個省區，包括河北省、河南省、山東省、江蘇省以及安徽省。該區域是我國兩熟制農田所占比重最大、分布較為連續的農業區。另外一處是我國的四川平原[22]，但面積遠小于本研究所選區域。

該區域是我國典型的夏季風區，在研究期間，即1982—2015年間，該地區年平均降水量為831 mm，并且季節分布不均。降水集中在夏季的6—8月，占年總量一半以上，約為53%。降水最大值出現在7月份，約為184 mm。研究區在1982—2015年間年平均溫度為14.3 ℃，其中7月溫度最高，約為26.8 ℃，1月溫度最低，約為0.2 ℃。

研究區農田分布廣泛，非農田地區主要集中在城市、湖泊和部分山區。參考前人研究成果[21]，筆者使用了GlobCover-2009的土地利用分布數據[23]進行農田分布提取。該地區的秋播作物以冬小麥為主，部分地區有油菜種植。夏播作物主要為玉米、棉花和水稻等。因此，按照作物生長習性，主要輪作季節發生在6月以及10—11月份。因此，1年按照2季種植期，即6—10月定為夏播作物生長期，11月至次年5月定為秋播作物生長期。為了體現兩熟作物生長期所在季節，將2個時期分別稱為夏秋作物期和冬春作物期[18]。

1.2數據獲取及利用

本研究采用NDVI來研究植被狀態。NDVI是（RNIR-Rred）/（RNIR+Rred）的歸一化比率，其中RNIR和Rred分別表示近紅外和紅色光譜波段的反射率。采用的是GIMSS（global inventory modeling and mapping studies）組最新的NDVI3g版本[24]。該數據覆蓋期間為1982—2015年，時間分辨率為半月，空間分辨率為1/12°。NDVI選取數據質量較好的部分（Flag=1，2，3），其余部分采用三維插值方法進行插值[25]。

本研究降水和氣溫數據來自中國氣象局，于國家氣象科學數據共享服務平臺下載（http：//data.cma.cn/）。該數據空間分辨率為0.5°，時間分辨率為逐月數據。線性趨勢顯著性檢驗采用Mann-Kendall趨勢檢驗法，P<0.1 視為趨勢顯著。

2結果與分析

2.11982—2015年研究區NDVI、降水量和氣溫均值的空間分布

圖2顯示了研究區植被、降水以及溫度在1982—2015年間多年平均狀況的空間分布形態。由圖2可知，夏秋作物期NDVI數值要普遍大于冬春作物期。NDVI的高值集中在河南、山東西北部以及江蘇東部等地，數值上大于0.5。而冬春作物期NDVI值往往在0.4以下。夏秋作物期的熱量及降水條件也明顯優于冬春作物期。而降水的空間分布呈現較為明顯的南高北低形態，南部降水可達北部的2倍左右。溫度在全年以及冬春種植期也呈現出南高北低的形態，河北與山東地區的溫度相對較低。但是在夏秋作物期，溫度在研究區整體分布較為均一，其中泰山地區與山東半島地區溫度相對較低。

2.2NDVI、降水量和氣溫多年平均季節特征

兩熟制農業區由于秋播作物收獲與夏播作物種植發生在夏季，會造成農田NDVI即使在氣候條件下的生長旺季也會出現典型的下降現象。而2個作物期，作物生長旺季的NDVI會大于收割和播種期，從而會產生典型的NDVI雙峰結構。由圖3可知，NDVI在1982—2015年間的季節平均狀況。NDVI呈現典型的雙峰結構，并對應于2個作物期。在逐半月尺度上，峰值出現在5月上半月和8月上半月。相應的，在月尺度上，峰值分別出現在5月和8月。此時正值作物的孕穗期與開花期，作物生長旺盛，葉面積指數（LAI）達到最大。6月是一個典型的谷值，與秋播作物收獲期和夏播作物種植期相對應，與實際農業活動一致。11月至次年1月是另一個估值，這主要是秋播作物種植以及冬季溫度低，秋播作物生長量小[CM（25]造成的。 結合氣候分析可以發現， ?溫度和降水在6月也僅僅低于7月和8月。因此，該地區農田物候與自然水熱條件的季節特征并不一致，主要是雙季輪作導致的。同時也表明，雙季輪作是該地區的主要種植形式。降水與氣溫呈現單峰季節特征，而降水和溫度的峰值都出現在7月。

2.3研究區NDVI、降水和氣溫年際變化特征

筆者進一步研究了兩熟制農業區的植被多年變化趨勢，NDVI、降水和溫度的年際變化曲線如圖4所示，表1總結了它們的年際變率。NDVI在1982—2015年呈現顯著的增加趨勢，變率為1.703×10-3/年。而這種增加趨勢主要由冬春作物期貢獻。冬春作物期，NDVI年際增率為2.436×10-3/年，遠大于夏秋作物期的0.676×10-3/年，前者是后者的3.6倍。降水在年均和2個作物期都沒有呈現出顯著變化，但是具有較大的年際變率。氣溫在年均和2個作物期都出現了顯著性增加。氣溫增長主要出現在冬春作物期，為 0.042 ℃/年。其相比夏秋作物期的0.029 ℃/年高 44.8%。同時由于冬春季節，平均溫度本身就比夏秋作物期要明顯偏低，因此，冬春季節氣溫增幅的比重相對更高。

為了研究季節變化的細節，筆者進一步研究了逐月的變化趨勢。由圖5可知，NDVI在各月均呈現了上升趨勢。然而在2個作物期，它的變化趨勢差異很大。NDVI在7月和8月變率最小并且不顯著。NDVI增長最快的月份出現在3月與4月，正是冬春作物期農作物生長最為旺盛的月份。冬春作物期所有月份NDVI都顯著增長。在夏秋作物期，NDVI顯著性增長出現在6月、9月和10月。而降水在各月的變率分布并無顯著性規律，增加與減少的月份基本均等，僅僅在10月份呈現最大的下降速率。在氣溫方面，各月都呈現出增加趨勢。增溫最大的月份是3月。全年中呈現顯著性增加的有7個月。因此，整體形態上，溫度與NDVI變率在各月的分布形態較為相似，而降水量與NDVI、溫度變率不同。

圖6為NDVI、降水量與溫度變化趨勢的空間分布形態。由圖6可知，NDVI在年際變化與冬春作物期呈現了較為一致的上升趨勢。各地區的上升強度有較大差異，其中增加最快的區域位于河北南部、河南和安徽的大部分地區。然而在夏秋作物期，NDVI在研究區同時存在上升地區和下降地區，盡管整體上NDVI在夏秋作物期也呈現較小的上升趨勢（圖4）。其中，NDVI下降區域主要出現在河南、河北西南部以及江蘇東南部等地區;而上升區域主要位于河北東南部、山東大部分地區以及安徽中部地區。因此，NDVI在夏秋作物期的變化形態與冬春作物期和年平均差異較大。降水與區域平均結果類似，除了個別各點外基本上沒有顯著性變化。只有位于山東的少數地區出現了顯著增加。而溫度在研究區呈現了整體的顯著增長趨勢。其中年平均分布上，增溫較高的區域出現在東南地區;在冬春作物期，增長率較高的地區出現在山東中部和江蘇南部;而在夏秋作物期，增溫較高的區域出現在研究區的東南部。

3討論與結論

本研究的研究區域是我國最大的一片分布較為集中和連續的兩熟制農業區[22]。本研究探討了該區域在1982—2015年間的植被變化趨勢，特別關注兩熟作物的2個生長期。Chen等的研究僅關注了淮河流域，本研究與之相比，采用了更長的數據，并且在研究范圍上更具一般性，因此結果更具有代表性[21]。

農作物地區的植被與自然植被相比，最大的特點是物候的差異，受到耕種、收割以及品種選擇等諸多要素的作用。以本研究的兩熟制農田為例，6月作為輪作轉換期，冬春作物的收割和夏秋作物的播種主要集中發生在該月份，導致該月NDVI出現谷值。而該月份的水熱自然條件卻是十分的豐富，這就造成了一般采用的自然生長期并不能有效地分析出兩熟制農田植被的特征。因此，在研究這類地區的植被變化情況時，必須針對作物期進行重新劃分季節，而非簡單實用一般意義的生長期。

約束植被生長的氣候要素主要包括溫度、降水和光照[3]，以及其他一系列要素，包括CO2的施肥效應、氮循環的養分效應等。人類活動尤其是土地利用變化也會對植被產生直接的影響。本研究僅就溫度與降水2個氣候要素進行分析。結果顯示，理論上溫度的變化可以產生前述所發現的NDVI在2個作物期的差異性年際變化趨勢。如果需要進一步分離其他要素的貢獻，一種比較可行的方案是使用動態植被模式（DGVM），通過試驗設計模擬，在不同情境下，查看各類要素對植被變化的貢獻比重。而從分析的角度，研究眾多要素的貢獻具有一定的困難。同時，本研究所發現的溫度變化差異，在理論上能夠對NDVI的非對稱變化趨勢進行解釋。

總結本研究內容與結果，在我國東部主要的雙季種植農田地區，NDVI在1982—2015年間呈現出顯著的上升趨勢，變率為1.703×10-3/年。年際變化增長主要由冬春作物期貢獻，增長率為2.436×10-3/年。這一增長率是夏秋作物期增長率0.676×10-3/年的3.6倍。因此，在1982—2015年間，NDVI在研究區兩熟制的2個作物期，呈現出非對稱變化。理論上，氣溫可能是造成這種非對稱年際變率的氣候要素。

參考文獻：

[1]張云霞，李曉兵，陳云浩. 草地植被蓋度的多尺度遙感與實地測量方法綜述[J]. 地球科學進展，2003，18（1）：85-93.

[2]何勇. 中國氣候、陸地生態系統碳循環研究[M]. 北京：氣象出版社，2006：137-162.

[3]Nemani R R，Keeling C D，Hashimoto H，et al. Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J]. Science，2003，300（5625）：1560-1563.

[4]Yuan W P，Piao S L，Qin D H，et al. Influence of vegetation growth on the enhanced seasonality of atmospheric CO2[J]. Global Biogeochemical Cycles，2018，32（1）：32-41.

[5]Tian H，Lu C，Ciais P，et al. The terrestrial biosphere as a net source of greenhouse gases to the atmophere[J]. Nature，2016，531（7593）：225-228.

[6]劉紀遠，邵全琴，延曉冬，等. 土地利用變化對全球氣候影響的研究進展與方法初探[J]. 地球科學進展，2011，26（10）：1015-1022.

[7]Bonan G B，Williams M，Fisher R A，et al. Modeling stomatal conductance in the earth system：linking leaf water-use efficiency and water transport along the soil-plant-atmosphere continuum[J]. Geoscientific Model Development，2014，7（5）：2193-2222.

[8]Weiss M，Miller P A，van den Hurk B J，et al. Contribution of dynamic vegetation phenology to decadal climate predictability[J]. Journal of Climate，2014，27（22）：8563-8577.

[9]Doelman J C，Stehfest E，Tabeau A，et al. Exploring SSP land-use dynamics using the IMAGE model：regional and gridded scenarios of land-use change and land-based climate change mitigation[J]. Global Environmental Change-Human and Policy Dimensions，2018，48：119-135.

[10]Zeng N，Zhao F，Collatz G J，et al. Agricultural green revolution as a driver of increasing atmospheric CO2 seasonal amplitude[J]. Nature，2014，515（7527）：394-397.

[11]傅強，康文星，吳湘雄. 江西省農作物對大氣CO2吸收能力的研究[J]. 中南林業科技大學學報，2012，32（4）：117-121.

[12]王修蘭. 全球農作物對大氣CO2及其倍增的吸收量估算[J]. 氣象學報，1996，54（4）：466-473.

[13]Chen T，van der Werf G R，Gobron N，et al. Global cropland monthly gross primary production in the year 2000[J]. Biogeosciences，2014，11（14）：3871-3880.

[14]Duan J Q，Zhou G S. Dynamics of decadal changes in the distribution of double-cropping rice cultivation in China[J]. Chinese Science Bulletin，2013，58（16）：1955-1963.

[15]賴純佳，千懷遂，段海來，等. 淮河流域小麥-水稻種植制度的氣候適宜性[J]. 中國農業科學，2011，44（14）：2868-2875.

[16]Liu L，Xu X L，Zhuang D F，et al. Changes in the potential multiple cropping system in response to climate change in China from 1960—2010[J]. PLoS One，2013，8（12）：e80990.

[17]李正國，楊鵬，周清波，等. 基于時序植被指數的華北地區作物物候期/種植制度的時空格局特征[J]. 生態學報，2009，29（11）：6216-6226.

[18]Thcker C J，Pinzon J E，Brown M E，et al. An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data[J]. International Journal of Remote Sensing，2005，26：4485-4498.

[19]孫進瑜，彭書時，王旭輝，等. 1982—2006年全球植被生長時空變化[J]. 第四紀研究，2010，30（3）：522-530.

[20]方精云，樸世龍，賀金生，等. 近20年來中國植被活動在增強[J]. 中國科學（C輯），2003，33（6）：554-565.

[21]Chen T X，Wang G J，Yuan W P，et al. Asymmetric NDVI trends of the two cropping seasons in the Huai River basin[J]. Remote Sensing Letters，2016，7（1）：61-70.

[22]Yan H M，Xiao X G，Huang H Q，et al. Multiple cropping intensity in China derived from agro-meteorological observations and MODIS data[J]. Chinese Geographical Science，2014，24（2）：205-219.

[23]Bontemps S，Defourny P，Bogaert E V，et al. GLOBCOVER2009-Products description and validation report[EB/OL]. [2018-01-09]. http：//due.esrin.esa.int/page_globcover.php.

[24]Pinzon J E，Tucker C J. A Non-Stationary 1981—2012 AVHRR NDVI3g time series[J]. Remote Sensing，2014，6（8）：6929-6960.

[25]Wang G J，Garcia D，Liu Y，et al. A three-dimensional gap filling method for large geophysical datasets：application to global satellite soil moisture observations[J]. Environmental Modelling & Software，2012，30（1）：139-142.