區域植被對不同時間尺度氣象干旱的響應
——以貴州省為例

皮貴寧, 賀中華, 張 浪, 楊銘珂, 游 漫

(貴州師范大學 地理與環境科學學院, 貴陽 550025)

探索陸地植被與氣侯變化間的相互關系研究已經成為全球動態變化的重要研究內容之一，并在不同的區域研究尺度上取得了重大的突破性成果[1-3]。地面植被在陸地生態系統中具有極強的不可替代性，同時也是對于全球氣候變化的天然反饋器[4-6]，更是人類評判干旱嚴重程度的重要指標之一。不同的生態系統對于干旱的響應方式并不一致，而陸地生態系統干旱的發生在一定程度上與凈初級生產力的減少有著密切的聯系，且其具有持續時間長、發生范圍廣及產生不同程度的滯后效應等特點[7-8]。嚴重的干旱會導致人體免疫力下降、促使生態環境進一步惡化并引發其他自然災害發生。因此針對于全球干旱區域逐步增長與干旱化程度逐漸加重的現象，干旱化趨勢研究成為全球研究的重點與熱點，探究植被生長狀況對氣象干旱的響應也已經成為必不可少的研究項目。

區域范圍內發生干旱的程度及變化趨勢一般是通過干旱指標進行定量評判的，由氣象站點所獲得的單一干旱因子如溫度、降水等難以全面評判氣候的干濕發展狀況；因此通過計算潛在蒸散發量等獲取標準化降水蒸散指數(Standardized Precipitation Evapotranspiration Index，SPEI)對研究區內的氣象干旱發生程度及變化趨勢進行評價，該指數在繼承了帕默爾干旱指數(PDSI)和標準化降水指數(SPI)優點的同時，克服了它們主觀性強、適用范圍較小以及干旱指標過于單一的缺點，具有更好的應用前景。歸一化植被指數(Normalized Difference Vegetation Index，NDVI)在全球范圍內的使用越來越成熟，它也是表征植被生長狀況的重要指標之一[9]；并且利用NDVI進行植被覆蓋度計算、土地植被類型提取、生物量定量估算及變化趨勢分析等到目前已經發展得十分成熟[10-12]。而增強型植被指數(Enhanced Vegetation Index，EVI)則在NDVI的基礎上改進了算法和合成方法[13-14]，進一步減少了大氣、土壤背景以及像元異常值的影響，并解決了NDVI易飽和等[15-17]問題。這對于評判植被覆蓋率較高的貴州植被變化趨勢具有更加合理的客觀性。

貴州地處中國西南內陸地區腹地，喀斯特地貌類型紛繁復雜；且自貴州省開始實施退耕還林還草和石漠化治理等工程以來，植被覆蓋狀況有明顯的變化，但大多是與人類活動這一社會因素進行關聯性分析[18-19]；缺少與氣象等自然因素方面的研究。因此本文選取貴州省作為研究區來探討植被變化對氣象干旱的響應。

1 研究區概況

貴州省位于中國西南東部地區，東經103°36′—109°35′，北緯24°37′—29°13′，高程為200～2 800 m，屬于亞熱帶高原季風濕潤氣候，無嚴寒酷暑，四季分明且多雨，地貌可分為高原、山地、丘陵和盆地4種基本類型，是典型的喀斯特地貌地區。由于地勢西高東低以及氣候的影響，植被從西至東也呈現不同的分布情況，主要以闊葉林、針葉林、灌叢和灌草叢、沼澤與水生植物和竹林5類，都具有明顯的亞熱帶性質。

2 數據來源及處理方法

2.1 數據來源

本文選取標準化降水蒸散發指數SPEI作為監測氣象干旱變化趨勢的指標，數據來源于中國氣象數據網(http:∥data.cma.cn)提供的2001—2020年的貴州省31個逐日觀測的氣象站點數據資料，包括了研究區內的逐日降水和氣溫、風速、緯度等數據。在對數據進行處理前先對31個站點的數據進行完整性和連續性驗證，針對缺測的站點數據進行合理的刪除和增補。最后將逐日的溫度、降水站點數據采用均值法合并為逐月平均數據，并按年月依序排列，將31個站點的數據轉化為ACSII格式的文件以便于后續的SPEI計算。

增強型植被指數和歸一化植被指數都是可以表征研究區植被生長狀況、植被覆蓋程度的植被狀態指數。這兩種數據皆來源于NASA MODIS陸地產品根據統計算法開發的MODIS13Q1系列數據，數據版本為V006的250 m全球分辨率的16 d合成類植被指數產品。在本研究中的數據時間跨度為2001—2020年中各年的4—10月，每年14期，共280期；因為結合貴州省的地理特征及相關研究發現，貴州省內的植被在該時段內呈現出顯著的綠色，因此選擇每年的該時間段作為研究區的數據進行分析。

由于NDVI對葉綠素比較敏感，所以對于各種植被生長狀態的監測、植被覆蓋程度高低及消除部分輻射誤差等方面有著較好的效果；而EVI相比于NDVI進行了系統性的整體優化，在植被監測方面提高了對高生物量區域的敏感度，并且通過對植被冠層背景信號的去耦合和大氣效應的減少改進了植被監測能力[17]。由于MODIS的MOD13Q1產品是在已有的植被指數的基礎上進行數據改良的，所以其同時包含了NDVI和EVI兩種植被產品，對影像進行必要和適當的提取和處理，如批量拼接、重采樣、裁剪等。

2.2 數據處理方法

計算SPEI的方法分為幾個具體步驟[20-22]，且計算SPEI的過程需要用到許多變量，并依照中國國家氣象局發布的SPEI氣象干旱等級劃分標準[23]對氣象干旱程度進行劃分。其中潛在蒸散發量(PET)是計算SPEI過程中的關鍵一步。雖然計算PET的方法很多，但結合前人的經驗方法可知Thornthwaite方法對于計算PET是最適合的，計算原理如下：

(1)

式中：T為逐月平均溫度；N為最大日照時數；NDM為逐月的日數；I為年熱量指數，是用每年12個月的月熱量指數求和得到的。

(1) 計算氣候水平衡。

Di=Pi-PETi

(2)

式中：Di為氣候水平衡量；Pi為降水量；PETi為潛在蒸散發量

(2) 建立不同時間尺度下的氣候水平衡累積序列。

(3)

式中:k為月時間尺度；n為計算次數。

(3) 采用log-logistic概率分布標準化D序列獲得SPEI指數序列的概率密度函數(公式4)以及計算D序列的概率分布函數(公式5)。

(4)

(5)

式中：α為尺度系數為尺度系數；β為形狀系數；γ為origin參數，以上變量均可通過L-矩參數估計方法求得。

(4) 對累積概率分布F(x)進行標準化處理，得出SPEI值。

(6)

d1=1.432788，d2=0.189269，d3=0.001308，

C0=2.515517，C1=0.802853，C2=0.010328。

根據計算出的SPEI數值大小對干旱等級進行劃分，見表1。

表1 SPEI指數干旱等級劃分

2.3 時空趨勢性分析

2.3.1 時空變化趨勢 利用一元線性回歸模型模擬空間中基于每個像元的植被生長狀況在生長季中的變化趨勢，斜率用最小二乘法計算，因此通過此方法計算SPEI，NDVI及EVI的變化斜率值，表達式如下：

(7)

式中：n為總月份數；Pi為第i月的趨勢值(如PNDVIi就是指第i月的NDVI值)。

2.3.2 相關性分析 通過計算皮爾森積矩相關系數來表征兩個變量X和Y間的線性相關程度是一種比較常見的線性相關分析方法，所以由此計算SPEI與NDVI，EVI間的線性相關程度大小，以判斷貴州省植被對于不同時間尺度的干旱程度響應情況，計算公式為：

(8)

3 結果與分析

3.1 貴州省氣象干旱時空變化特征

如圖1所示，不同時間尺度下的SPEI值總體上呈現增長趨勢，以及在近20 a內，貴州省整體上呈現出干旱化趨勢減弱、濕潤化增強的現象。在整個研究時段內，不同時間尺度(1，3，6，9，12個月)的SPEI最低值分別出現在2009年的SPEI1(-0.35),2013年的SPEI3(-0.52)和SPEI6(-0.74)，以及2010年的SPEI9(-0.70)和SPEI12(-0.80)，表明貴州省干旱極低值隨著SPEI時間尺度的增加而逐漸增長，且貴州省干旱變化趨勢在2008—2010年和2013—2014年表現出顯著的干濕交替現象，說明貴州省在2008—2014年干旱濕潤態勢顯著。在SPEI的5個不同的時間尺度內，干旱變化速率最為顯著的是SPEI12，達到了2.78%/a；其次是SPEI9和SPEI6尺度的增長速率，為2.56%/a，2.27%/a；變化趨勢速率最低的是SPEI1，僅為1.09%/a。因此5個不同時間尺度的干旱變化速率依次表現為：SPEI12>SPEI9>SPEI6>SPEI3>SPEI1，表現為隨著時間尺度的增加，貴州省干旱化態勢呈現出逐步減弱的趨勢。

對貴州省近20 a的SPEI1，SPEI3，SPEI6，SPEI9，SPEI125個時間尺度做基于像元的趨勢性分析。由圖2可知，5個不同時間尺度下SPEI的趨勢變化值為負的區域面積比分別為19.28%，18.09%，20.17%，24.56%，26.79%，表現出隨著SPEI時間尺度的增加，區域干旱化增加的面積占比越大，但不同時間尺度下的面積占比差距并不顯著，并且增加趨勢面積占比遠高于降低的面積占比，說明貴州省近20 a的干旱變化趨勢并不明顯，表現為干旱程度降低，濕潤化態勢增強的趨勢。不同時間尺度的SPEI值空間分布大致相似，以SPEI12空間分布為例(圖2E)，干旱變化趨勢表現為增加的區域主要分布在貴州省六盤水至興義大部分地區、畢節部分東部區域、遵義的中東部以及銅仁西部地區，但干旱增加程度并不顯著，其余地區則表現為干旱化水平降低的趨勢。

3.2 貴州省植被狀況的時空變化特征

由圖3A可知，在基于像元的逐年NDVI時間變化序列中可看出，2001—2020年貴州省NDVI值總體上呈現出緩慢的增長趨勢，年平均增速為0.32，其中年NDVI最大值出現在2016年，為0.57；年NDVI最小值出現在2005年，為0.46；多年的平均NDVI值為0.51，根據植被覆蓋程度劃分標準[5]，表明貴州省植被生長狀況主要以中植被覆蓋為主。

從多年平均NDVI的線性變化趨勢空間分布(圖4)可看出，當NDVI的回歸系數為正時，研究區植被變化情況呈現出增長趨勢，面積占比約為85.81%，其中植被顯著增加的面積僅占全區域的1.31%，主要分布在貴州省畢節西部與興義東北部；不顯著增加面積為84.50%，表明研究區內的大部分植被生長速率并不顯著。而植被退化面積約占研究區域的14.18%，遠低于植被增長的面積占比，其中顯著降低和不顯著降低的面積占比各為7.94%，6.25%，集中分布在貴州省的東部和東南部地區，以凱里中部和黔南北部為主要變化區域。

圖1 2001-2020年貴州省不同時間尺度下歷年SPEI均值變化

圖2 2001-2020年貴州省不同時間尺度SPEI干旱變化趨勢空間分布

圖3 2001-2020年貴州省NDVI與EVI線性年際變化趨勢

圖4 2001-2020年貴州省NDVI年際變化趨勢空間分布

由2001年、2010年、2020年3年的NDVI空間分布(圖5)情況可知，貴州省內的植被生長狀況在近20 a內表現出明顯的增加趨勢。2001年，貴州省中低植被覆蓋區所占面積約為30.54%，主要分布于研究區北部和中西部地區，以遵義的東北部和西南部、畢節西南部和東部及貴陽為主要區域；2010年，貴州省植被生長趨勢發生顯著變化的區域主要為黔東南地區，由中植被覆蓋轉變為高植被覆蓋區，面積占比由2001年的2.39%增長為8.05%；2020年，全省范圍內的中低植被覆蓋區面積占比降低至12.65%，但中植被覆蓋區由2001年的66.60%增長為2020年的77.22%及高植被覆蓋區由2001年的2.39%增長至2020年的9.25%，其中高植被覆蓋增長區域以西南和西北部的邊緣地區為主，但總體來看東南部的植被覆蓋度仍高于其他地區。

植被的生長狀況在生長季內的不同月份有極大的差異性，因此選擇EVI指數作為判斷貴州省的月植被生長狀況的指標，并分析其受氣象干旱影響所表現出的響應程度。從圖3B中可看出，2001—2020年的EVI值在整體水平上呈現出緩慢的增長趨勢，并與年尺度NDVI的變化趨勢保持一致性，都明顯表現出貴州省植被生長狀況在整體上趨向好轉狀態。由近20 a生長季各年同月份的EVI指數看，每年4月份的EVI值最低，其次為5月和10月；較高的EVI值出現在生長季的7月和8月。這與已有的關于貴州省生長季內各月植被生長狀況的研究結果是保持一致的。

3.3 植被對不同時間尺度氣象干旱的響應

3.3.1 年植被對SPEI12的響應 在基于空間像元的基礎上，對表征年尺度的SPEI12和年NDVI進行相關性分析。如圖6所示，貴州省的年植被生長狀況與SPEI12在絕大部分區域內表現出顯著的正相關性，面積占比為77.56%，其中顯著正相關和極顯著正相關的所占區域面積比為32.92%，不顯著正相關為44.63%；而在僅占有整個區域面積22.44%的負相關區域中，極顯著負相關和顯著負相關區域面積分別為0.09%，3.31%，不顯著負相關區域的占比為19.22%。以上結果表明，不同區域內植被生長狀況對氣象干旱的響應存在巨大的差異；除研究區北部的遵義、銅仁大部分地區，以及興義中部和北部、貴陽南部、畢節東部和都勻東南部的邊緣地區外，其余區域范圍內的年尺度SPEI12與年NDVI值均表現為正相關關系，但程度不一。

圖5 2001年、2010年、2020年貴州省NDVI空間分布

圖6 2001-2020年貴州省NDVI與SPEI12相關系數

由于貴州省的植被類型多樣，因此在基于不同土地利用類型的基礎上，利用年NDVI統計出研究區草地、耕地、林地、水域、城市建設5種不同的土地利用類型，并將其與SPEI12進行相關性分析。結果顯示耕地和草地對氣象干旱的響應比較明顯，其相關性分別為0.511，0.498；其次是林地為0.432。由此可以得出，在貴州省的干旱發展過程中應主要關注草地和耕地對于干旱的響應程度。

3.3.2 月植被狀況對多時間尺度SPEI的響應 相同植被在生長季內的不同區域和月份的生長狀況存在著差異性，因此對于不同時間尺度SPEI的響應也同樣存在差異。基于歷年生長季內的逐月EVI值與其對應像元的5個時間尺度的SPEI進行相關性分析，由得出的貴州省內各月EVI指數值與1，3，6，9，12個月時間尺度SPEI相關系數均值可知(表2)，除6月的EVI值與SPEI1，SPEI3，SPEI6共3個尺度和9月的EVI值與SPEI3，SPEI6，SPEI9，SPEI12這4個尺度呈負相關外，其余都表現為正相關關系，并且不同月份的EVI相關系數均值隨著SPEI時間尺度的增加在整體上呈現出微弱的增長趨勢。其中EVI與不同時間尺度SPEI的相關系數均在8月份達到最大值，并且與SPEI3的相關系數最高(r=0.559)，說明貴州省夏季植被的生長狀況受干旱的影響程度最為顯著，且對季尺度的干旱響應最強烈。其次，4月、5月的EVI值與各時間尺度的SPEI相關性也比較高，尤其是對于年尺度的SPEI12響應最強。

表2 2001-2020年貴州省各月EVI與不同時間尺度SPEI相關系數均值

圖7為2001—2020年貴州省不同時間尺度SPEI與8月份EVI(EVI8)的相關分析空間分布。由以上結論可知8月份的EVI值與不同時間尺度的SPEI相關性最強，因此以8月份的EVI值與SPEI的5個時間尺度的空間分布為代表可知，EVI值與SPEI1，3，6，9，12個尺度的正相關區域仍占據研究區的大部分，其面積占比分別為62.52%，63.86%，63.43%，59.85%，57.87%，呈現出負相關性的區域主要分布在貴州省的西南部地區，以六盤水中東部和北部地區、興義的北部和西南部邊緣地區為主，其次為貴州省北部地區。結果表明，5個時間尺度SPEI與植被EVI的相關性空間分布和SPEI12與NDVI的空間分布特征有所差異，但大致空間分布位置仍然保持一定的相似性。

在基于不同土地利用類型的前提下，考慮分析不同植被類型的EVI值與不同時間尺度下SPEI的相關性(表3)強弱。總體來看，不同月份下的耕地、林地、草地對SEPI12的響應是最強的，其次為SPEI3和SPEI1尺度；區別在于生長季前期(4—7月)的EVI值以對SPEI12的響應為主，而生長季后期(8—10月)主要以對SPEI3和SPEI1的響應為主，表明植被的生長狀況在前期主要受到年尺度干旱的影響，后期則主要以受到季尺度和月尺度的影響為主。具體來看，耕地、林地、草地均在8月份達到最大相關系數值(r耕=0.553，r林=0.543，r草=0.568)，且都是對SPEI3的響應最強，其中又以與草地的相關系數值最高。

圖7 2001-2020年貴州省不同時間尺度SPEI與EVI8月的相關分析空間分布

表3 2001-2020年貴州省各月不同土地利用類型EVI對不同時間尺度SPEI最大響應

4 討 論

本文基于貴州省MODIS-NDVI和EVI遙感影像數據，采用均值法對其進行分析研究；結果表明貴州省的植被生長狀況在2001—2020年以來整體上呈現出增長的趨勢，此結論與鄭有飛[24]和張蓓蓓[25]等的研究結果是一致的。貴州省NDVI值由2001的0.48增加到2020年的0.52，而李威等[5]的研究結果是貴州省2001年的平均值為0.82，與本文的研究結果有所出入，其可能原因是本文采取的是平均值法獲取貴州省年NDVI值而前人采用的則是最大值合成法獲取相關數據，所以不同的研究方法導致了結果具有差異性。

在空間分布上，由于一系列生態工程的實施如“石漠化綜合治理”“退耕還林還草”“水土流失防治”等，貴州省境內部分地區植被生長狀況得到了極大改善；其中貴州省西部地區、黔西南地區及北部地區等通過退耕還林還草、封山育林及石漠化綜合治理等措施的綜合整治后，植被覆蓋度有了顯著的提升，水土流失現象明顯好轉[26-27]；而原有植被覆蓋率較高的黔中和黔東南地區由于人類活動和城市化擴張等行為和政策，使原來的高植被覆蓋區遭受了一定的破壞，呈現出植被覆蓋率降低的趨勢，這與劉陽[18]、吳躍[19]等的研究結果是一致的。

近20 a來，不同時間尺度下的SPEI值都呈現出緩慢增加的趨勢，表明貴州省的干旱程度有所減緩，這與以前的研究成果[28]也較為一致。貴州省在生長季內的植被指數NDVI，EVI變化對不同時間尺度干旱的響應在總體上是呈現出正相關的，這與已有的研究結果[28-29]也是一致的；但由于他們選擇的是整個西南片區，與本文的研究區范圍大小及地形有所不同，導致研究結果存在一定的差異性。除此之外，貴州省的不同植被類型對各時間尺度的SPEI響應程度在不同的地域范圍內有所差異，且貴州省的草地對不同時間尺度下的SPEI響應最強，其結果與史曉亮[30]及孔冬冬[31]等的研究結果是相似的，因為草地具有抗旱性較弱的特點，且人工草地及其他活動可加劇土壤水土流失[32]。

在本研究中，僅關注了氣象干旱中不同植被類型等因素對各時間尺度SPEI的響應程度，還未考慮到地形地貌及其他干旱以及人類活動等因素的影響，并且貴州省屬于典型的喀斯特地區，地下結構復雜多變，因此考慮基于更多方面的因素在貴州省植被對干旱的響應是下一步需要研究的重點內容。

5 結 論

(1) 貴州省自2001—2020年以來，基于5個不同時間尺度(1月、3月、6月、9月、12月)下的SPEI在整體上呈現出逐漸增加的趨勢，隨著時間尺度的增加SPEI增長速率越快，最高達到2.78%/a，總體表現為干旱化態勢減弱而濕潤化增加的趨勢。分析干旱空間分布特征可知，干旱程度表現為增加區域的是貴州北部，即遵義和銅仁地區，以及黔西南六盤水和興義地區。

(2) 貴州省2001—2020年的植被指數年NDVI與生長季內月EVI均值都呈現出緩慢增加的趨勢。在2001—2010年的時間段內植被明顯改善區域為貴州省的黔東南地區；在2010—2020年內植被改善顯著區域為貴州省西南及西北部的邊緣區域。

(3) 年NDVI與SPEI12和不同時間尺度下的SPEI與生長季內各月份EVI的相關性在貴州省內的大部分地區均呈現出不同程度的正相關。從整體來看，貴州省的植被在黔西南和北部地區對干旱的響應最強烈，其次為貴陽和畢節東部地區。年尺度上，響應最強的地區為貴州省遵義中東部和銅仁北部及興義北部和畢節東部地區，且表現為草地和耕地對干旱的響應程度最大，其次為林地。月尺度上，夏季8月份的EVI值與SPEI3的響應最強，其次是4月、5月份的EVI值對SPEI12的響應較強；從空間分布來看，EVI與不同時間尺度SPEI的空間分布特征也與年NDVI和SPEI12的空間特征相似；而在不同的植被類型中，生長季內的8—10月為草地對SPEI3響應最強。