氣候變化對雅魯藏布江流域植被動態的影響機制

左德鵬，韓煜娜，徐宗學，李佩君

(1.北京師范大學水科學研究院，北京 100875；2.北京師范大學城市水循環與海綿城市技術北京市重點實驗室，北京 100875)

植被作為陸地生態系統的重要組成部分，通過光合作用、呼吸作用和蒸騰作用等在維持地表-大氣界面能量平衡、水文循環和碳循環等過程中發揮重要作用[1-2]，其動態變化通常被用來描述不同時空尺度下的環境變化[3]，已被廣泛應用于相關研究[4]。長期實踐表明，歸一化植被指數(normalized difference vegetation index, NDVI)是定量表征植被狀態的有效指標[5]，且通過大范圍、高精度的遙感影像提取要素特征已成為相關研究的有力工具[6-7]。近年來，全球氣候變化導致干旱、洪澇、高溫熱浪和低溫冷害等極端氣候事件頻發[8-9]，加劇了極端水文事件發生，導致水資源重新分配，對植被生長產生了重大影響[4,10-11]。已有眾多國內外學者在全球范圍[4, 12]和區域尺度上[13-15]進行了大量研究，發現近年來全球植被發生了顯著變化，生長季植被覆蓋主要以上升趨勢為主[4]，整體呈變綠趨勢。部分研究表明，在區域尺度上，植被對氣候變化的響應存在滯后性，植被生長可能并非由當前的氣候條件驅動，早期的氣候條件可能會產生更大的影響[4, 16-17]。

雅魯藏布江是世界海拔最高的河流之一，也是中國最長的高原河流。流域地處高寒的青藏高原，是全球生物多樣性和生態景觀保護的重要地區[18]，海拔高差大，東西跨度長，植被分布呈明顯垂直地帶性，空間異質性突出，生態系統十分脆弱[19-20]，其植被動態變化對流域生態環境質量具有重要影響。已有研究表明，雅魯藏布江流域經歷了一系列局部氣候變化、地質災害和生物多樣性改變等自然環境變化[21]。由于現有研究所用數據時間序列較短或長序列數據連續性差等問題，一般難以充分反映植被動態變化特征。因此，本研究基于雅魯藏布江流域1981—2015年長時間序列GIMMS NDVI3g植被覆蓋數據集、CHIRPSv2.0降水數據集、CMFD中國區域高分辨率氣象要素驅動數據集和scPDSI自校準的帕爾默干旱指數(self-calibrating Palmer drought severity index, scPDSI)數據集，采用非參數統計方法Sen’s slope和Mann-Kendall趨勢檢驗法識別植被綠度、降水、氣溫和干旱時空變化特征，采用Pearson相關性分析和變異函數計算及滯后相關系數統計的地統計學方法分析植被覆蓋對氣候變化響應的時滯效應，探討氣候變化對植被動態的影響機制。

1 研究區概況

雅魯藏布江流域(82°00′E～97°07′E, 28°00′N～31°16′N)位于青藏高原南部，面積24.048萬km2，地勢呈西高東低、南北高中間低的特征，平均海拔4 000 m以上[22]，覆蓋阿里、日喀則、拉薩、山南、昌都、那曲和林芝等地區[23-25](圖1)。流域年平均降水量約為428.7 mm[26]，年平均氣溫約為5.92 ℃[21]，植物生長季為5—9月。東南部熱帶季風氣候區降水量可達3 000 mm以上，平均氣溫高達28 ℃。流域北至岡底斯山，東北部與怒江流域相鄰，東至念青唐古拉山，南至喜馬拉雅山，西與瑪旁雍錯等流域毗鄰。流域上游及中游部分地區植被類型主要為高寒草原、高寒草甸和高山植被，中游其他地區和下游分布有灌叢、針葉林、闊葉林、高山植被和栽培植被等，流域東南部熱帶季風氣候區植被以闊葉林為主[20, 27]。

圖1 雅魯藏布江流域地理位置Fig.1 Geographic location of the Yarlung Zangbo River Basin

2 數據與方法

2.1 數據來源及處理

2.1.1植被數據集

植被數據來源于https://ecocast.arc.nasa.gov/data/pub/gimms/，時間分辨率為0.5月，空間分辨率為8 km，后續數據均以此為基礎重采樣至8 km，并統一地理坐標系為GCS_WGS_1984。與其他數據集相比，GIMMS NDVI數據具有時間序列更長、覆蓋范圍更廣、植被動態變化表征能力更強的優勢，且在青藏高原地表覆蓋動態變化研究中的結果明顯優于MODIS NDVI數據[28-29]。本文基于雅魯藏布江流域1981—2015年GIMMS NDVI植被覆蓋數據集，通過計算得出月植被NDVI數據序列，有助于準確調查植被動態變化的真實特征[30]。

2.1.2氣象要素數據集

基于雅魯藏布江流域1981—2015年降水、氣溫和干旱指數數據分析氣象要素的時空變化特征，其中降水數據來源于CHIRPSv2.0數據集(ftp://ftp.chg.ucsb.edu/pub/org/chg/products/CHIRPS-2.0/)，氣溫數據來源于中國區域高分辨率氣象要素驅動數據集(China meteorological forcing dataset, CMFD)(http://westdc.westgis.ac.cn/data)，干旱指數數據采用scPDSI[31]，來源于CRU TS 4.03(https://crudata.uea.ac.uk/cru/data/drought/)。這些數據集均具有較高準確性，已被全球氣候、水文、生物、地理科學家廣泛應用于氣候變化[32]、陸表過程[22, 33]和能量模擬以及評估植被動態變化[34]等方面。

2.2 研究方法

2.2.1最大值合成法

最大值合成法(maximum value composites, MVC)是基于高時間分辨率數據通過合成方法獲得低時間分辨率數據的方法，在目前植被生長狀況研究中較為常用。使用該方法可以降低云量、大氣和太陽高度角等干擾，具體計算公式為

INDVi=maxINDVi,j

(1)

式中：INDVi為第i月的NDVI值；INDVi,j為第i月中第j期的NDVI值，j=1, 2[35]。

2.2.2Sen’s slope和Mann-Kendall非參數趨勢檢驗法

兩種方法均為非參數統計方法，允許數據序列存在缺失值，且不需要數據符合特定分布，對異常值敏感性較低，通常用于研究不遵循任何特定分布數據序列的趨勢，目前廣泛用于水文、氣象等研究中。Mann-Kendall非參數趨勢檢驗法主要用于檢驗Sen’s slope計算所得數據序列趨勢的顯著性，兩種方法的詳細計算過程可參考文獻[36-38]。

2.2.3Pearson相關性分析法

Pearson相關系數能夠有效表現不同要素之間的相關程度和方向，反映要素之間的關系[39]，本文主要對植被NDVI、氣溫、降水和干旱之間的相關性進行分析，并采用t檢驗的方法進行了顯著性檢驗(分別按0.01，0.05和0.1的顯著性水平劃分)。利用滯后相關系數探究氣溫、降水對植被NDVI影響的滯后性，計算公式為

rt=max(r0,r1,r2,…,rm) (m≥0)

(2)

(3)

其中

(a) NDVI值

式中：rt為滯后相關系數；r0、r1、r2、…、rm分別為植被綠度與當前月、前1月、前2月、…、前m月的氣候因子的相關系數；n為總月數；r為兩要素的相關系數；t是統計量；r12-3為在控制第三個要素的情況下，第一個和第二個要素的偏相關系數；r12、r13、r23分別為相應的兩個要素之間的相關系數。r的有效值范圍為[-1, 1]，絕對值越接近于1，表明要素之間相關性越強。一般來說，當|r|在0.8～1.0之間時要素之間呈高度相關性，在0.5～0.8之間為中度相關性，在0.3～0.5之間為低度相關性，小于 0.3時認為無相關性。

3 結果與分析

3.1 植被NDVI時空變化特征

基于文獻調研資料，將5—9月定義為雅魯藏布江流域植被生長季[40-42]，通過求均值得到生長季及四季植被綠度，采用非參數統計方法Sen’s slope和Mann-Kendall趨勢檢驗法及變異系數分析植被NDVI時空變化特征(圖2)。針對NDVI值的空間分布，以0.2為間隔將其劃分為5個等級：低植被覆蓋(0.0～0.2]、中低植被覆蓋(0.2～0.4]、中等植被覆蓋(0.4～0.6]、中高植被覆蓋(0.6～0.8]和高植被覆蓋(0.8～1.0]。整體來看，流域大致由上游至中游再到下游呈現逐漸綠化的空間分布特征。在4個季節，流域均以低植被和中低植被覆蓋區域為主，占總面積的70%左右，主要分布在上游及中游地區，土地覆被類型主要為永久性冰川積雪、草地和草甸，冬春季以低植被覆蓋區域為主，夏秋季及生長季則中低植被覆蓋區域相對較多。在下游地區，植被NDVI值相對較大，尤其東南部墨脫縣常年可達0.8以上，印證了不同植被類型年內生長變化規律的差異性。

根據逐像元變化趨勢及NDVI值變異系數的空間分布發現，生長季僅32.03%的像元(即圖2(b)中已填充顏色的格點)通過了0.05的顯著性水平檢驗，約2/3的區域(即圖2(b)中空白部分)變化趨勢不顯著。在通過顯著性檢驗的區域內，流域上游及中游占流域總面積15.97%的區域維持在基本穩定不變的狀態，即變化率位于-0.001～0.001之間且通過顯著性檢驗的區域，相應的變異系數小于0.1，NDVI值波動性較小；NDVI值變化較為明顯的區域主要在中游及下游地區，占流域總面積的6.11%，且春季和冬季波動性較大，而下游地區主要是灌叢、高山植被、針葉林和闊葉林地區植被，氣溫升高降水減少的“暖干化”趨勢可能從一定程度上抑制了植被生長，使NDVI值呈微弱退化趨勢，且在生長季和夏季呈退化特征的區域面積大于其他季節。

3.2 生長季氣候變量時空變化特征

基于CHIRPSv2.0、CMFD和scPDSI數據集，分析了1981—2015年雅魯藏布江流域生長季降水、氣溫和干旱指數的時空變化特征，結果如圖3所示。1981—2015年流域生長季(5—9月)平均氣溫分布在-9.19～28.52 ℃區間內，整個流域氣溫呈逐年上升趨勢，上游地區升溫速度較快，最高可達0.18 ℃/a。流域生長季降水量分布在49.53～3 227.95 mm之間，主要以1 000 mm以下的區域為主，約占流域總面積的90%。除下游東南部熱帶季風氣候區外，流域上游降水量略高于中游和下游其他地區。除上游南部及下游東南部少量區域外，流域降水量主要以逐年增加趨勢為主，中游增速相對較大，可達12.24 mm/a。在流域氣溫、降水等多因素綜合影響下，以干旱指數scPDSI來表征流域干旱特征，極端干旱、嚴重干旱、中度干旱、輕微干旱、基本正常、輕微濕潤、中度濕潤、重度濕潤、極度濕潤的scPDSI數值范圍分別為(-∞, -4]、(-4, -3]、(-3, -2]、(-2, -1]、(-1, 1)、[1, 2)、[2, 3)、[3, 4)、[4, +∞)?？梢娬麄€流域絕大部分地區多年為基本正常狀態；上游、中游和下游的北部地區相對更為濕潤；下游東南部闊葉林地區降水量較其他地區更豐富，但氣溫較高，植被蒸散量較大，干旱指數小于-1，呈輕微干旱特征。1981—2015年流域上游趨于干旱，中游和下游以暖濕化趨勢為主。

考慮scPDSI與降水和氣溫的內在關系，分析scPDSI與降水和氣溫的相關關系得到圖4和圖5?？梢?，在雅魯藏布江流域，中游及下游地區scPDSI與降水存在顯著正相關關系，超過流域面積 65.65%的區域通過了0.01顯著性水平檢驗，且偏相關系數在0.5～0.8之間。雅魯藏布江源區scPDSI與降水的相關性不顯著而與氣溫呈顯著負相關，其他地區scPDSI與氣溫的偏相關系數主要分布在-0.3～0.3之間，且未通過0.1顯著性水平檢驗。說明雅魯藏布江源區干旱特征受氣溫影響大，其他地區主要受降水影響。

(a) 氣象要素

(a) 偏相關系數

(a) 偏相關系數

3.3 NDVI與氣候變量的相關性分析

雅魯藏布江流域海拔高差大，東西跨度長，流域地形及地表覆被具有明顯空間異質性，氣象要素對NDVI的影響也具有異質性。圖6為1981—2015年NDVI與降水、氣溫、scPDSI的相關性分析及顯著性檢驗結果，可以看出，受地形和氣候條件影響，流域上、中、下游分別呈現不同特征。上游地區各要素對NDVI影響不大，相關系數主要分布在-0.3～0.3區間，其中降水和氣溫與NDVI的相關系數通過顯著性檢驗的格點數更多，對植被影響更顯著；中游地區NDVI與降水和scPDSI呈顯著正相關關系，而與氣溫呈顯著負相關關系，表明降水增加會促進中游地區草甸生長，氣溫升高則產生一定抑制作用；而在下游地區，降水和干旱對植被生長的抑制作用不顯著，NDVI與氣溫的相關性更顯著，氣溫對東南部闊葉林生長的抑制作用相對更強。

(a) NDVI與降水

3.4 氣候變化對NDVI影響的時滯效應

在像元尺度上基于逐月數據采用Pearson相關性分析和滯后相關系數統計的地統計學方法研究了氣象要素對NDVI影響的時滯效應。圖7為1981—2015年像元尺度上氣象要素對NDVI影響的時滯效應分析結果，結合圖6來看，除了流域下游東北部及上游源區約26.19%的區域可能受常年積雪和冰川覆蓋的影響為空值外，上游和中游部分地區，占流域總面積的45.83%，植被以高寒草甸和草原為主，NDVI與氣溫的相關性主要在滯后1月時達最大值，植被生長受上月氣溫的影響更明顯，其中上游地區以正相關關系為主，中游地區則呈負相關關系。在流域東南部闊葉林地區，氣溫對NDVI時滯效應較弱，NDVI與當月氣溫相關性相對較高。而在闊葉林西北部與之相接的針葉林地區，氣溫對植被影響的時滯以2～3月為主。同樣，當考慮降水對NDVI的時滯效應時，上游和中游部分地區主要為滯后1月達最大相關系數的區域，且NDVI與降水呈正相關關系，而中游部分地區和下游則主要以無時間滯后占主導，滯后2～3月的區域與氣溫具有相似空間分布，即在雅魯藏布江流域的針葉林地區，植被生長對降水和氣溫的反饋均約2～3月，氣象要素2～3月的累積效應對針葉林的生長影響較大。

(a) NDVI與降水

3.5 討 論

植被動態演變是自然因素和人類活動共同作用的結果，農田耕作、森林砍伐和植樹造林等人類干擾會促進植被格局的改變，探究人類活動對植被生長的影響至關重要。初步采用中國人口空間分布公里網格數據集和1980年、2015年的土地利用類型數據，提取了人口密度、生態恢復(退耕還林還草面積)和城市化(耕地、林地及草地等變為城鄉用地的面積)3個指標表征人類活動(圖8)。受地形和氣候特征等因素影響，雅魯藏布江流域人口整體較少，除中游的日喀則市東部、拉薩市和山南市外，其余地區人口密度低于4人/km2，自然因素對植被生長的影響相對更大。同時，流域生態恢復程度和城市化水平較低，1980—2015年的生態恢復面積僅8 km2，主要在流域下游東南部地區；城市化面積99 km2，主要分布在流域中游及下游的拉薩市、山南市、日喀則市東部及林芝市等地。在現有數據的空間分辨率下定量分析人類活動對雅魯藏布江流域植被動態的影響受限，可在后續進行深入研究。

(a) 人口密度

4 結 論

a.1981—2015年雅魯藏布江流域NDVI大致由上游至下游呈逐漸增大空間分布特征，且中游植被改善，下游存在一定退化趨勢，冬春季NDVI的波動較其他季節更為明顯。

b.1981—2015年雅魯藏布江流域氣溫和降水整體均呈增長趨勢，其中上游氣溫上升速度較快，趨于干旱化，中下游地區受降水增加影響趨于暖濕化。

c.由于植被類型和氣候條件具有空間異質性，降水、氣溫和干旱對NDVI的影響在流域上、中、下游不盡相同。上游和中游部分地區NDVI與降水和scPDSI呈顯著正相關關系，且主要在滯后1月時相關性最高，中游部分地區和下游NDVI與氣溫呈顯著負相關關系，滯后0～3月區域均有分布，闊葉林地區主要與當月氣象要素相關性最大，而闊葉林西北部的針葉林和灌叢地區在滯后2～3月時相關系數最大。