中國不同植被區對極端氣候的響應差異

吳欣宇,朱秀芳1,,*

1 北京師范大學遙感科學國家重點實驗室,北京 100875 2 北京師范大學地理科學學部,北京 100875

#本研究尚缺中國港澳臺氣象數據。

在全球氣候變暖加劇的背景下,更嚴重、更頻繁發生的極端氣候事件為全球各地區帶來日趨嚴重的風險[1]。極端氣候所具有的變異性、突發性、破壞性使得其比氣候平均態有更強的威脅[2],對陸地生態系統造成持久、嚴重且不可恢復的破壞[3]。植被作為連接陸地生態系統各要素的關鍵,在氣候調節、生物多樣性保護等生態服務中至關重要[4-5]。極端氣候與植被之間的關系是國際社會普遍關注的重大科學問題。

關于極端氣候與植被關系的研究大致可以分為兩類:基于極端氣候事件的分析和基于極端指數的分析。前者識別發生的極端氣候事件,例如干旱、暴雨等,進而分析極端事件對植被生態系統的影響[6-7]。這類研究往往聚焦在單種的極端事件類型上,少數同時考慮兩種或多種極端氣候事件類型(比如高溫干旱)。后者往往同時分析各類極端氣候指標和植被生長的關系,例如植被指數與極端氣候指數的相關性[8-9]。該類方法便于比較和評價不同極端氣候對植被影響的程度,然而相關分析無法捕捉植被與極端氣候之間的非線性復雜關系。

從研究尺度上看,各國學者在全球尺度[10-13]、國家尺度[14-16]和區域尺度[17-19]均展開了植被對氣候因子變化的響應研究,而國內在進行植被對極端氣候響應分析時,大多基于區域尺度,集中于中國局部地區或流域,例如針對陜西省[5]、內蒙古[20]、沿海地區[21]、黃土高原[22]等區域。不同區域的研究均表明,氣候對植被生長與覆蓋變化有重要意義[23-24],但受植被類型、土壤等因素的影響,植被的具體響應機制具有區域差異和特征[25]。中國地形地貌復雜,氣候類型多樣,具有多種植被類型,不同植被與氣候的關系復雜且時空異質性大[26],有必要分區理清影響不同區域植被生長的主導極端氣候。然而,總體來說,目前在全國尺度的研究較少,不同區域之間的對比分析不足。

在分區探究植被變化及其驅動因素時,以往研究常常根據不同植被覆蓋類型[27-28]或生態地理分區[29-30]對區域進行劃分,探究不同區域的植被對氣候的響應。然而,不同植被類型在空間上是不連續的,同一像元在不同年份的植被類型可能發生變化,需要長時間序列的每年的高精度的植被類型圖作為基礎數據。生態地理分區是基于地理地帶分異規律并根據非生物與生物要素進行劃分的,其劃分方式可能造成同一植被類型在不同區域重復出現,從而縮小不同區域植被對氣候的響應差異性。相比之下,植被分區是空間上完整、連續和不重復出現的植被類型或其組合的地理單位,區內部具有相對一致的植被類型。根據我國植被區劃數據將全國劃分為多個植被區進行研究,既考慮了不同植被類型對氣候的響應差異,又降低了對長時間序列高質量植被類型圖的依賴。以植被區劃的視角探討我國范圍內極端氣候與植被之間的關系、深入研究不同植被區植被對極端氣候的響應,可以為地區植被的開發利用、經營保護和極端氣候應對措施的制定等提供理論支撐,對促進生態保護、推進可持續發展具有重要意義[31]。

基于上述考慮,本文以不同植被區為分析單元,基于長期歷史觀測氣候數據、衛星遙感的歸一化差異植被指數(NDVI)數據等,分析2001-2020年我國植被NDVI與極端氣候指數的時空變化特征,探討不同極端氣候指數與植被NDVI的關系,研究各植被區的植被對極端氣候的響應特征與響應差異性。

1 研究區及數據獲取

1.1 研究區域

本文研究區為中國(73°33′E-135°05′E,3°51′N-53°33′N)地區。中國水熱條件的時空差異明顯,氣候類型復雜多樣。根據中國科學院資源環境科學數據中心提供的植被區劃數據,將研究區域分為8個植被區(圖1),包括寒溫帶針葉林區(I),溫帶針葉、落葉闊葉混交林區(II),暖溫帶落葉闊葉林區(III),亞熱帶常綠闊葉林區(IV),熱帶季風雨林、雨林區(V),溫帶草原區(VI),溫帶荒漠區(VII)和青藏高原高寒植被區(VIII)。

圖1 中國植被區劃分和植被分布Fig.1 Vegetation regions and vegetation distribution in China

1.2 數據來源與預處理

土地利用覆蓋數據來源于美國國家航空航天局(NASA)提供的土地覆蓋類型產品(MCD12Q1)。選取2001-2020年的土地利用覆蓋數據,將其中植被區域的交集作為本文所研究的植被區域(圖1),從而保證研究區域的一致性。

歸一化植被指數NDVI數據來源于NASA提供的2001-2020年NDVI柵格數據(MOD13A1),空間分辨率為500米,時間分辨率為16天。本文利用全年的NDVI數據,逐像元計算每年NDVI最大值即NDVImax,得到各植被像元逐年NDVImax數據。和NDVI平均值相比,NDVI最大值可以移除大部分云、大氣等因素的影響,能夠較好地表示地表植被覆蓋狀況[32]。

氣象數據來源于中國氣象局國家氣候中心建立的一套0.25°分辨率的長時間序列格點化數據集CN05.1[33]。本文通過2001-2020年數據中的日平均氣溫、最高和最低氣溫、降水數據,計算出27個極端氣候指數[34-35](表1),并基于年尺度,計算各像元的各極端氣候指數,得到像元尺度的27個極端氣候指數的時間序列。這些指數不僅能夠對極端氣候事件的不同方面進行表征,而且其穩健性較好、顯著性較強、噪聲較低,在國內外關于極端氣候事件的變化特征研究中得到了廣泛應用[19]。

表1 極端氣候指數Table 1 Extreme climate indicators

2 研究方法

2.1 趨勢分析

本文采用Theil-Sen Median斜率估計和Mann-Kendall趨勢檢驗結合的方法分析NDVImax和極端氣候指數的時空變化趨勢。Theil-Sen median是一種穩健的非參數統計的趨勢計算方法,能夠降低噪聲對斜率的干擾,同時能夠較好地規避離散數據和測量誤差的影響,常用于長時間序列數據的趨勢分析中[36]。Mann-Kendall檢驗可以計算時間序列變化的顯著性,能夠一定程度上避免離群值影響,適用于長時間序列的趨勢檢驗和分析,已被廣泛用于檢測氣象和水文序列的非參數統計[37-38]。

2.2 去趨勢處理

植被NDVI的變化受到氣候因素和人類活動的共同影響。去趨勢處理可以去除長期趨勢,從而得到更加平穩的時間序列,對于研究變量波動性有重要意義。為了減少人類活動對植被NDVI的影響,本文采用去趨勢化方法對每個植被區的NDVImax數據進行處理[39]。該方法在一定程度上可以將氣候因素對植被的影響與非氣候因素的影響解耦,適用于研究植被與氣候因子之間的關系[40]。對每個植被區的NDVImax時間序列進行線性趨勢去除:

ytTr=α0+α1t

(1)

ytD=yt-ytTr

(2)

式中,α0和α1分別是NDVImax與時間序列線性擬合的截距和斜率,t為研究期內的時序數據,ytTr為經過線性擬合得到的NDVImax序列,yt為植被區NDVImax的實際值,ytD為去除了線性趨勢的序列數據。

2.3 相關分析

Pearson相關系數表示兩個變量之間的相關性,可以用來表征植被NDVImax與極端氣候指數間的線性相關關系。本文將NDVImax數據聚合至0.25°分辨率后,在兩個尺度(植被區內逐柵格和逐植被區)計算了NDVImax與各極端氣候指數的Pearson相關關系,并進行顯著性檢驗。

2.4 隨機森林重要性排序

隨機森林回歸模型可以基于決策樹以變量重要性評分來評價各個自變量對因變量的影響程度,是一種集成學習算法[41]。本文通過隨機森林重要性排序的方法,以均方誤差增加的百分比表示植被區中各極端氣候指數的重要程度并對其進行排序,以評估每個極端氣候指數對植被NDVImax的影響。在同一植被區中,均方誤差增加的百分比數值越大,表示該極端氣候指數對NDVImax的影響越大;不同植被區的均方誤差增加的百分比數值沒有可比性。

3 結果分析

3.1 植被NDVI的時空格局分析

2001-2020年研究區NDVImax的均值空間分布和整體趨勢如圖2、圖3所示。研究區植被NDVImax自東南向西北逐漸減少,其中II區多年平均NDVImax最高,為0.88,而VIII區最低,為0.44。在各植被區中,I區多年平均NDVImax的方差最小,僅為0.0007,相比之下VIII區方差最大,為0.0448,表明VIII區植被生長狀況整體較差且在區域內部存在比較大的差異。另外,全國和各植被區的NDVImax均呈顯著上升趨勢,其中全國的增長速率為0.027/10a。呈增加趨勢的柵格占整個研究區總柵格數量的59.75%,其中顯著增加的占32.62%,大多分布在中部、東北部和南部地區。呈減少趨勢的柵格占總柵格數量的11.47%,其中顯著減少的僅占1.66%。各植被區中,NDVImax增加最為明顯的為II區,而VIII區的增加趨勢最弱。整體而言,我國超過一半的植被區域的植被生長狀況得到改善,各植被區NDVImax均呈增長趨勢,其中II區植被改善最為明顯。

圖2 2001-2020年NDVImax的空間分布與年際變化Fig.2 The spatial distribution and interannual variation trend of NDVImax from 2001 to 2020

圖3 2001-2020年NDVImax的趨勢空間分布及各植被區不同趨勢的像元個數占總像元的比例Fig.3 The spatial distribution of NDVImax variation trend, and the proportion of pixels with different NDVImax variation trends to the total number of pixels in different vegetation regions of the study area from 2001 to 2020

3.2 極端氣候指數的變化趨勢分析

3.2.1極端氣溫指數的變化趨勢分析

由圖4可知,表征高溫的SU、TR、TX90p、TN90p、TNx等指數在研究區內多呈增加趨勢,其中TN90p的增加趨勢最為明顯,呈顯著增加趨勢的柵格數量占41.42%,主要分布于II區、IV區、VIII區,表明這些區域的夜間溫度升高顯著,暖夜日數明顯增加。表征低溫的FD、TN10p、CSDI在研究區內多呈減少趨勢,其中FD呈顯著減少的柵格數量占比為16.35%,主要分布于VIII區和IV區西北部,表明這些地區的霜凍天數減少。其余低溫指數的變化趨勢大多未通過顯著性檢驗。除II區、III區外,其余植被區的氣溫日較差DTR大多呈減少趨勢。總體而言,大多極端高溫指數在研究區內呈明顯升高趨勢,部分極端低溫指數呈下降趨勢,整個研究區處于變暖狀態,其中III區、IV區南部變暖較為明顯,VIII區夜間溫度明顯上升。

圖4 極端氣溫指數變化趨勢Fig.4 Variation trends in extreme temperature indicatorsFD:霜凍天數;SU:夏季天數;ID:結冰天數;TR:熱夜天數;TX10p:冷晝日數;TN10p:冷夜日數;TX90p:暖晝日數;TN90p:暖夜日數;TXx:最高高溫;TNx:最高低溫;TXn:最低高溫;TNn:最低低溫;GSL:生長季節長度;WSDI:溫暖時間持續指數;CSDI:寒冷時間持續指數;DTR:每日溫度范圍

3.2.2極端降水指數的變化趨勢分析

由圖5可知,表征降水量的Rx1day、Rx5day、SDII、R95pTOT、R99pTOT、PRCPTOT均在研究區東北部和中部地區呈增加趨勢,在西部呈減少趨勢。表征降水日數的R10mm、R20mm、R25mm在東南部地區大多呈增加趨勢,其中顯著增加的柵格數量占比分別為17.69%、7.49%、5.04%,表明極端降雨日數增多。CDD在東南部地區呈減少趨勢,表明東南部的最大干旱持續時長減少,即降水頻率增加,而CWD的變化趨勢則與CDD相反。綜上,除CDD之外,各極端降水指數的空間變化趨勢相對一致,均顯示研究區降水量和降水頻率在東部增加、西南部減少。

圖5 極端降水指數變化趨勢Fig.5 Change trends of extreme precipitation indicatorsRx1day:最大1日降水量;Rx5day:最大5日降水量;SDII:簡單降水強度指數;R95pTOT:年降水量(95p);R99pTOT:年降水量(99p);PRCPTOT:年降水量(總量);R10mm:降水日數(10mm);R20mm:降水日數(20mm);R25mm:降水日數(25mm);CWD:最大濕潤持續時長;CDD:最大干旱持續時間

3.3 植被NDVI對極端氣候的響應

3.3.1植被NDVI與極端氣候指數的相關性

通過極端氣溫指數與各植被區的相關分析(圖6和圖7)可知,總體而言,極端高溫指數SU、TX90p、TXx、TNx與植被NDVImax相關性較高的區域大多集中分布在VI區且為負相關,表明極端高溫的發生對VI區植被造成不利影響,另外,部分極端低溫指數,如FD、TN10p,與IV區南部存在較為明顯的負相關關系。具體來說,在I區,植被NDVImax與SU、TXx、TX90p、WSDI等極端高溫指數呈顯著正相關關系,其中,與WSDI相關性最高,相關系數為0.656。I區緯度較高,氣溫較低,極端高溫的發生在一定程度上為植被生長提供了熱量條件,從而促進植被NDVImax提高。在II區,TNx與植被NDVImax呈正相關關系且相關性最高,這表明最高低溫的增加有利于II區植被生長。另外,與I區相比,氣溫對II區植被生長的限制已大大減弱。在III區,植被NDVImax與TXx、TX90p、WSDI等極端高溫指數呈負相關關系,其中與WSDI相關性最強,相關系數為-0.426,表明部分極端高溫的發生對III區植被生長起一定的制約作用。在IV區,植被NDVImax與極端氣溫指數的相關性較低,表明溫度對IV區植被的影響較弱。在V區,植被NDVImax與TNn相關性最強且呈正相關,相關系數為0.404。在VI區,植被NDVImax與TXx、TX90p、WSDI等極端高溫指數呈顯著負相關,其中與TXx相關性最強,相關系數-0.605。VI區水分條件較差,極端高溫事件會造成土壤水分蒸發,引發干旱,對植被生長造成不利影響。在VII區,植被NDVImax與TN90p相關性最強,相關系數為0.586。VII區暖夜日數的增加,即夜間溫度的升高,能夠促進荒漠植被的生長[42]。在VIII區,植被NDVImax與TN90p呈顯著正相關,與FD呈顯著負相關,表明暖夜日數的增加和霜凍日數的減少都對植被NDVI的增加起到積極影響。

圖6 極端氣溫指數與NDVImax的相關性的空間分布Fig.6 Spatial distribution of correlation between extreme temperature index and NDVImax

圖7 極端氣溫指數與各植被區NDVImax的相關性Fig.7 Correlation between extreme temperature indicators and NDVImax in each vegetation region*代表顯著性水平P<0.05

通過極端降水指數與各植被區的相關分析(圖8和圖9)可知,總體來看,除CDD、CWD外,其余極端降水指數與中國北方地區植被NDVImax的相關性較強,其中與VI區呈顯著正相關,表明極端降水對北方地區影響較大且在一定程度上有利于VI區植被的生長。具體來說,在I區,除CDD之外,植被NDVImax與極端降水指數均呈負相關關系,其中,與R10mm負相關性最強,相關系數為-0.430。I區植被生長主要受溫度制約,而極端降水可能會造成溫度進一步降低等不利影響,進而限制植被生長。在II區,植被NDVImax與極端降水指數相關性較弱。在III區,植被NDVImax與極端降水指數多呈正相關關系,其中,與SDII相關性最強,相關系數為0.621,而與CDD呈負相關。極端降水能夠為III區提供植物生長所需的水分,促進植被生長。在IV區,植被NDVImax與極端降水指數多呈正相關關系,其中與SDII相關性最強,表明極端降水在一定程度上有利于IV區植被生長。在V區,植被NDVImax與Rx5day、R99pTOT呈負相關關系。在VI區,植被NDVImax與極端降水指數均呈較強正相關關系,其中,與R10mm相關性最強,相關系數為0.620。VI區水分條件較差,極端降水有利于VI區植被NDVI的提高。在VII區,植被NDVImax與極端降水指數多呈較強正相關關系,與CDD呈負相關。VII區氣候干旱,降水稀少,水分為植被覆蓋變化的主要影響因素,極端降水可以緩解當地水資源匱乏的狀況。在VIII區,植被NDVImax與R95pTOT、PRCPTOT呈正相關,即強降水量和年降水總量的增加對VIII區植被生長具有一定的正效應。

3.3.2極端氣候指數對不同植被區植被NDVI的影響

本文通過隨機森林重要性排序法,以均方誤差增加的百分比表示27個極端氣候指數對NDVImax影響的相對大小程度并進行排序,結果如圖10所示。對于研究區整體而言,SDII對NDVImax的影響最大,即降水量的增加有利于我國植被NDVImax整體的增加。在I區,WSDI對植被NDVImax的影響最大,SU、TXx次之,表明對于氣溫相對偏低的I區來說,WSDI等暖指數的增加為植被創造了更良好的生長條件。在II區,TNx、DTR、GSL等極端氣溫指數對植被NDVImax影響較大。在III區,SDII、R10mm、R20mm對植被NDVImax影響最大,即極端降水指數的增加對植被生長具有一定的正效應。在IV區,SDII、TX10p、R99pTOT等極端降水指數對植被NDVImax影響最大。在V區,TNx對植被NDVImax的影響最大,GSL、TNn次之。在VI區,TXx對植被NDVImax的影響最大,WSDI、R99pTOT次之。在VII區,PRCPTOT、R99pTOT、R95pTOT對植被NDVImax的影響最大,表明年降水總量等降水量指數的增加能夠緩解VII區干旱少雨的情況,對植被生長提供一定水分從而有利于植被NDVImax的增加。在VIII區,ID、R99pTOT、TN90p對植被NDVImax的影響最大。

圖10 基于隨機森林的極端氣候指數重要性排序Fig.10 Importance ranking of extreme climate index based on random forest

4 討論

4.1 與已有研究結果的對比

通過對我國NDVImax時空變化分析發現,我國植被NDVImax呈上升趨勢,其中III區西北部與VI區南部NDVImax存在顯著的上升趨勢,這與以往研究所發現的黃土高原NDVI顯著增加的結果一致[43-44]。極端氣溫指數中,TN90p的變化趨勢最為顯著,其變化趨勢表明我國超過40%的地區的暖夜日數呈顯著增加趨勢,與以往發現的全球70%陸地呈暖夜日數持續增加的結論[35]相符。任正果等[45]對我國南方地區極端降水事件的研究結果表明,極端降水指數變化具有一致性且在我國南方地區呈增加趨勢,這一發現與本文中降水指數變化的研究結果十分吻合。

與其他區域相比,極端氣候指數尤其是極端降水指數與VI區NDVImax存在最強的相關關系。VI區NDVImax與表征高溫的指數多呈負相關,與表征降水的指數多呈較強正相關,表明極端高溫制約了VI區植被生長,而降水的增加則對其產生有利影響,這與許旭等[46]發現的內蒙古溫帶草原生長季平均蓋度與降水呈顯著正相關性的結果相符。另外,Guo等[47]通過對東亞東北部植被與極端氣候關系的分析發現,該地區植被對受降水影響顯著,極端降水對該地區東部植被起抑制作用、有利于中西部植被生長,這一結論與本研究中極端降水指數與NDVImax關系的研究結果一致,表明我國北方地區植被對極端降水的響應較為敏感。

4.2 研究特色

植被對氣候的響應具有區域差異性,分區進行植被的響應研究能更好反映植被與氣候的關系。以往的研究或根據不同的植被覆蓋類型[27-28],或基于生態地理分區[29-30]等來進行劃分。而植被區劃既考慮了植被本身的特點和空間分布的規律性,又能充分指示植被與環境的關系。因此,本文使用我國植被區劃數據,將全國劃分為8個植被區,探究各植被區對極端氣候的響應差異。

在植被NDVI與極端氣候指數的關系研究方面,以往研究多使用相關分析來評估植被對氣候的響應[47],而本文將相關分析和隨機森林重要性排序兩種方法的結果進行對比,進而發現植被與極端氣候之間更復雜的響應關系。對比結果發現,二者之間存在一定的異同點。在I區、II區、III區和IV區,兩種方法得出的對NDVImax影響最大的極端氣候指數相同,分別為WSDI、TNx、SDII、SDII。而在V區、VI區、VII區和VIII區,二者得出的對NDVImax影響最大的極端氣候指數則存在差異。相關分析結果顯示與上述四個植被區NDVImax相關性最高的極端指數分別是Rx5day、R10mm、R99pTOT和TN90p,而隨機森林的結果則顯示為TNx、TXx、PRCPTOT和ID。由于皮爾遜相關只能反映變量間的線性關系,無法捕捉和描繪變量間復雜的非線性關系,因此可以看出TNx、TXx、PRCPTOT和ID和植被NDVImax之間不是簡單的線性關系,而是存在更復雜的非相關性關系。相比I區、II區、III區和IV區,極端氣候指數和NDVImax之間的關系在V區、VI區、VII區和VIII區更復雜。

4.3 研究不足

本文仍然存在一些不足之處。首先,植被NDVI在植被覆蓋度較高的地區容易出現過飽和現象,該現象可能對熱帶季風雨林、雨林區域(V)等區域NDVImax的變化趨勢以及對極端氣候響應的結果造成影響。因此,今后可選擇適合表征熱帶地區植被覆蓋的指數來進一步評估我國熱帶地區植被對極端氣候的響應,例如增強型植被指數EVI[48]能夠克服過飽和現象,利用EVI表征高植被覆蓋度地區的植被生長狀況并對植被生長進行監測。另外,植被NDVI的變化與多種因素有關。除氣溫和降水外,極端氣候所帶來的太陽輻射[49]等因素的變化也會對植被NDVI產生重要的影響。今后可綜合考慮多種因素對植被NDVI的影響。

5 結論

本文以不同植被區為分析單元,通過趨勢分析探討2001-2020年我國植被NDVImax以及極端氣候的時空變化基本特征,采用相關分析和隨機森林重要性排序分析不同極端氣候指數與植被NDVImax的關系,研究各植被區植被對極端氣候的響應特征與響應差異性,得到以下結論:

(1)研究區及各植被區的NDVImax均呈顯著上升趨勢。研究區內NDVImax呈增加趨勢的柵格數量占59.75%,其整體增長速率為0.027/10a。各植被區中,NDVImax增加最為明顯的為II區,而VIII區的增加趨勢最弱。

(2)極端高溫指數在研究區內多呈明顯的升高趨勢,表明研究區整體處于變暖狀態,其中III區、IV區南部變暖較為明顯。除表示干旱的CDD外,極端降水指數大多在東部地區呈升高趨勢,在西南部呈減少趨勢,表明降水量和降水頻率在東部增加、西南部減少。

(3)植被NDVImax對極端氣候的響應具有空間差異。緯度較高的I區、II區對表征高溫的指數較為敏感,表征降水的指數對III區、IV區的影響最大,氣候相對干旱的VI區、VII區與降水指數呈顯著正相關,VIII區與TN90p顯著正相關、與FD顯著負相關,表明VIII區植被對夜間溫度較為敏感。

(4)相關分析與隨機森林兩種方法的結論在V區、VI區、VII區和VIII區中存在差異。相關分析結果顯示在上述區域中與NDVImax相關性最高的極端指數分別是Rx5day、R10mm、R99pTOT和TN90p,而隨機森林的結果為TNx、TXx、PRCPTOT和ID,說明在上述區域極端氣候指數和NDVImax之間可能存在更加復雜的關系。