滇中地區植被對干旱的響應分析

摘 要 植物遭受干旱脅迫會影響其生理生長變化，而滇中地區干旱頻發，生態環境脆弱，了解該區域干旱對植被影響的時空差異具有緊迫性。基于1998、2003、2008、2013、2018年的Landsat TM/OLI數據和植被葉面積野外實測數據，計算溫度植被干旱指數（TVDI）、歸一化植被指數（NDVI）、植被覆蓋度（FVC）和葉面積指數（LAI），應用地理探測器方法對不同年份不同干旱等級類型區進行植被干旱響應強度定量歸因。結果表明：1）不同年份的旱情時空分布和植被干旱解釋力差異明顯，植被因子q值表現為LAI＞NDVI＞ FVC，LAI對干旱的解釋力最高達33%；2）在無旱和受旱2種情況下，受旱植被的解釋力遠大于無旱，受旱與無旱狀態下植被對干旱的解釋力之差達20%以上；3）3個植被因子在受旱狀態下的解釋力隨年份增長逐漸降低。

關鍵詞 干旱；植被；地理探測器；Landsat數據；滇中地區

中圖分類號：S423；TP79 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2025.05.019

植被是陸地生態系統中的重要組成部分，對全球能量循環和物質生物化學循環具有重要影響[1]，植被變化可以側面反映氣候變化狀況，同時植被變化也反饋于氣候，因此，植被通常稱為氣候的“指示器”[2]，對植被進行動態監測有助于了解土地覆蓋和氣候變化。干旱是影響人類社會的主要自然災害，有分布范圍廣、持續時間長、造成危害大等特性。而水分是影響植物生命活動的重要因素之一，大多數植物遭受干旱脅迫后，其生理生長過程就會受到變化。干旱缺水會導致植物光合作用和物質代謝受阻，嚴重缺水會使植物葉片枯萎，甚至干枯死亡。

滇中地區一直是云南省干旱發生頻率較高的區域，該地區喀斯特和石漠化地貌廣布，生態環境脆弱。基于1998、2003、2008、2013、2018年Landsat遙感數據和植被葉面積野外實測數據，采用溫度植被干旱指數（Temperature Vegetation Drought Index，TVDI）評估區域旱情，該指數基于歸一化植被指數（Normalized Difference Vegetation Index，NDVI）和地表溫度（Land Surfer Temperature，LST）二維特征空間，既表示研究區范圍內NDVI的變化情況，又反映了NDVI在相同情況下地表溫度的變化，在區域干旱監測上應用廣泛[3-9]。同時，利用植被指數（NDVI）、植被覆蓋度（Fractional Vegetation Coverage，FVC）和葉面積指數（Leaf Area Index，LAI）表征滇中地區植被的生長變化狀況，據此構建植被干旱響應指標體系，并通過地理探測器方法對不同年份不同干旱等級類型區進行植被干旱響應強度定量歸因，了解研究年限內滇中地區不同干旱狀況對植被變化影響的強度和空間分異情況，以期為滇中植被恢復、植被和生態環境保護等研究提供有積極意義的建議。

1" 研究區與研究方法

1.1" 研究區概況

滇中地區地跨23°19′～27°3′ N、100°43′～104°50′ E，行政轄區包括昆明、曲靖、楚雄、玉溪4個市州，涉及約50個縣（市）區，屬云南省的經濟重心，國土面積94 558 km2（見圖1）。該區域以山地和山間盆地地形為主，地勢起伏和緩，屬亞熱帶高原季風氣候。滇中高原屬珠江源頭，喀斯特和石漠化地貌廣布，生態環境脆弱，因氣象氣候、地形地貌等地理環境和人類對下墊面作用的影響，冬春降雨量少、蒸發量大。因此該區域干旱頻發，導致其缺水現象嚴重，不僅制約著工農業和社會經濟發展，還威脅著區域生態環境。

1.2" 數據來源

本研究所用數據主要包括遙感圖像數據、地面氣象站點數據和野外實測數據3個部分。其中，遙感數據主要選用1998、2003、2008年Landsat5 TM、2013年和2018年Landsat8 OLI遙感影像數據共55景影像，空間分辨率為30 m，獲取時間均為2—4月，地圖投影為UTM投影，地球橢球為WGS-84，遙感數據來源為地理空間數據云（http：//www.gscloud.cn/）和USGS（https：//www.usgs.gov/）。氣象數據主要為滇中地區39個地面氣象站點的逐月降雨量和氣溫數據，數據主要來源于云南省氣象局、4個市（州）統計年鑒和中國氣象數據網（http：//data.cma.cn/）。野外實測數據采用CI-110植物冠層分析儀獲取葉面積指數（LAI），共29個樣點。

1.3" 研究方法

1.3.1" 溫度植被干旱指數

Sandholt等基于植被指數和地表溫度的關系，提出了溫度植被干旱指數TVDI[10]。定義為：

式（1）中TS為地表溫度，[TNDVI.max]為[NDVI]值對應的最大地溫，[TNDVI.min]為NDVI值對應的最小地溫，干邊擬合方程為：

濕邊擬合方程為：

式（2）、式（3）中a、b是干邊線性擬合方程的系數，c、d是濕邊線性擬合方程的系數，a、c為截距，b、d為斜率。

1.3.2" 植被覆蓋度

計算植被覆蓋度（FVC）的常用方法是混合像元二分模型[11]。具體計算公式：

式（4）中NDVIsoil為無植被覆蓋的像元值，NDVIveg為全植被覆蓋的像元，根據前人研究[12]，給定NDVI置信度區間為[0.5%， 95%]。

1.3.3" 葉面積指數反演

葉面積指數（LAI）是表征植被冠層結構最基本的參量之一[13]，葉面積指數能夠反映植被的生長狀況。采用6種常用植被指數（見表1），通過統計模型（又稱經驗模型）建立植被指數與實測葉面積指數值之間線性和非線性模型關系。

1.3.4" 地理探測器

利用地理探測器[14]探測滇中地區干旱的空間分異性，并探究不同植被因子變化對研究區干旱空間分異的影響。利用Arcgis創建漁網，網格大小設置為1 500 m×1 500 m，按等間距法對柵格數據重分類，生成點數據后將柵格重分類數據提取至點，并輸入地理探測器運算，主要運用因子探測器，研究各植被指標與干旱指數TVDI的定量關系。

2" 結果與分析

2.1" 植被干旱響應指標體系的構建

2.1.1" 指標體系的構建

基于遙感監測方法，采用溫度植被干旱指數（TVDI）評估區域旱情，并利用植被指數NDVI、植被覆蓋度（FVC）和葉面積指數（LAI）反映滇中地區的植被生長變化狀況，據此構建植被干旱響應指標體系（見表2），并統計獲取各因子不同年份的均值變化（見表3）。

2.1.2" 溫度植被干旱指數擬合結果

基于滇中2013年39個氣象站點數據，利用標準化降水蒸散發指數（SPEI），通過滇中地區月尺度SPEI值和TVDI值做相關關系分析，驗證TVDI模型在滇中地區的適用性。結果顯示，TVDI與時間尺度為1個月的SPEI相關系數為-0.34且p＜0.05，表明TVDI一定程度上可以反映滇中地區的干旱狀況。TVDI值域為（0～1）。根據已有文獻的干旱等級分類[15-16]，結合研究區的氣候、季節等因素，將滇中地區TVDI等級分為濕潤（0～0.2）、正常（0.2～0.4）、輕旱（0.4～0.6）、干旱（0.6～0.8）、重旱（0.8～1）5類（見圖2）。

2.1.3" 葉面積指數反演結果

利用野外實測29個有效葉面積指數數據分別與6種植被指數建立植被指數—葉面積指數（VI-LAI）線性和非線性回歸關系，由表3可知，二次多項式模型的VI-LAI 擬合狀況優于其他4種模型，其中，NDVI-LAI相關性最高且R2=0.69。為此，選取相關性最佳的NDVI-LAI模型反演研究區葉面積指數。

分別計算滇中地區的TVDI、NDVI、FVC、LAI共4個指標，統計得出滇中地區1998、2003、2008、2013、2018年5個時段各植被干旱影響因子均值變化情況（見表4）。

2.2" 植被干旱響應強度分析

2.2.1" 植被干旱影響因子顯著性分析

利用地理探測器的因子探測模塊，探測各植被因子對滇中地區干旱空間分異的解釋力度，其大小用q值衡量，q∈[0，1]，可反映各植被因子對干旱的貢獻率。結果顯示，滇中地區不同年份干旱響應的主導植被因子及其對干旱的解釋力差異顯著（見表5），對滇中地區不同年份各植被干旱影響因子q值變化排序，1998—2018年均表現為：LAI＞NDVI＞ FVC，并且各影響因子均通過顯著性檢驗（p＜0.05），表明葉面積指數LAI變化更容易受干旱的影響，NDVI次之，FVC較弱。并且各影響因子q值在年份上也呈現一定的順序，表現為：2003年＞2008年＞2013年＞2018年＞1998年。其中，LAI對干旱的解釋力均大于13%且2003年高達33%，由TVDI均值變化可以看出，LAI與2003年滇中地區整體表現為干旱有顯著關系；NDVI從1998—2018年的q值分別為12%、29%、27%、17%和13%，干旱解釋力隨旱情呈先增后降的趨勢；FVC也隨區域旱情的減輕而解釋力下降，1998年對干旱解釋力僅為9%。綜上，研究區不同年份的干旱狀況對植被的生長變化狀況具有顯著的影響，干旱程度影響著植被干旱的響應強度。

為了定量分析滇中地區植被干旱響應狀況，將研究區TVDI干旱級別分為無旱和受旱兩類，并輸入地理探測器運算（見表6）。其中，干旱等級為濕潤和正常劃分為無旱，輕旱、干旱和重旱劃分為受旱。結果顯示：各植被干旱影響因子作用的顯著性受干旱等級時空分布差異影響，對干旱解釋力強度變化也呈現明顯差異。

整體上，無旱區域的植被因子對干旱的解釋力均顯著小于受旱區域，主要原因為無旱狀態下能滿足植被生長所需水分，植被生長狀況良好，因而無旱區域NDVI、FVC和LAI變化不明顯。不同年份受旱區域植被因子解釋力強度變化差異較大。從圖2可知，1）1998年旱情整體表現為正常和輕旱，植被受水分脅迫強度較小，植被干旱響應程度低；2）2003、2008年受旱面積較大，滇中地區以輕旱和干旱為主，并且干旱面積大于輕旱，無旱面積占比較小，植被正常的生理生長水分需求受到一定程度的影響，植被干旱響應程度高，其中2003年各影響因子在受旱狀態下解釋力度均大于24%；3）2013年研究區由干旱轉為輕旱，空間變化上可以看出輕旱面積較2008年有明顯擴大，表明各干旱等級在相互轉化，尤其是干旱等級向輕旱轉化趨勢顯著，旱情的變化導致植被的空間分布發生變化，該年受旱區域影響因子解釋力下降較快，但解釋力仍保持在10%以上；4）2018年該區域干旱大面積向輕旱和無旱迅速轉化，重旱面積繼續減小，植被水分脅迫程度進一步降低，植被干旱解釋力下降，該年份植被干旱響應較小，主要是對低植被覆蓋區影響較為明顯。

3" 結論與討論

3.1" 結論

1）選取3種植被因子，定量分析了1998—2018年滇中地區干旱對植被的影響。整體上，不同年份的旱情時空分布和植被干旱解釋力差異明顯，植被因子對干旱的解釋力排序為：LAI＞NDVI＞FVC，表明干旱與植被葉面積指數的響應程度較高，LAI是表征干旱對植被影響程度的重要因子。同時，各影響因子解釋力表現為隨旱情嚴重狀況波動變化的趨勢，旱情越嚴重，植被干旱解釋力越強。

2）重點分析了無旱和受旱2種情況下，不同年份干旱對植被因子的影響程度，結果表明：受旱情況下植被干旱解釋力遠大于無旱，并且受旱與無旱狀態下植被對干旱的解釋力之差最高達20%以上，表明干旱狀態下植被的生長情況受水分的影響變化明顯，其中LAI對干旱的解釋力高于NDVI和FVC。

3）3個植被因子在受旱狀態下的解釋力隨年份增長逐漸降低，表現為2003年＞2008年＞2013年＞2018年＞1998年，主要原因為旱情逐年減輕和空間轉化，影響著植被的生長和分布，空間上主要是低植被覆蓋區（如灌叢、草地和農田等）對旱情變化較敏感。

3.2" 討論

1）TVDI模型結合植被和溫度2個重要因子，能有效反映滇中地區的干旱時空分布特征，但地形對TVDI模型也有一定的影響，導致部分多山區域的TVDI值偏低。2）評價植被生長狀況的指標很多，本文只選取了植被指數、植被覆蓋度和植被葉面積指數作為干旱影響植被的評價指標，今后可引入如植被凈初級生產力（NPP）、植被綠度、農作物產量等指標進行研究。

參考文獻：

[1]" 陳述彭，童慶禧，郭華東.遙感信息機理研究[M].北京：科學出版社，1998.

[2]" 孫紅雨，王長耀，牛錚，等.中國地表植被覆蓋變化及其與氣候因子關系──基于NOAA時間序列數據分析[J].遙感學報，1998（3）：204-210.

[3]" 劉立文，張吳平，段永紅，等.TVDI模型的農業旱情時空變化遙感應用[J].生態學報，2014，34（13）：3704-3711.

[4]" 于敏，程明虎.基于NDVI-Ts特征空間的黑龍江省干旱監測[J].應用氣象學報，2010，21（2）：221-228.

[5]" 閆峰，王艷姣，吳波.多時間尺度溫度-植被指數特征空間旱情監測的差異性[J].地理科學，2014，34（8）：987-993.

[6]" 趙莉榮，武偉，劉洪斌，等.基于溫度植被干旱指數法的農業干旱研究[J].西南師范大學學報（自然科學版），2009，34（2）：80-84.

[7]" 齊述華，王長耀，牛錚.利用溫度植被旱情指數（TVDI）進行全國旱情監測研究[J].遙感學報，2003（5）：420-427，436.

[8]" 姚春生，張增祥，汪瀟.使用溫度植被干旱指數法（TVDI）反演新疆土壤濕度[J].遙感技術與應用，2004（6）：473-478.

[9]" 陳少丹，張利平，湯柔馨，等.基于SPEI和TVDI的河南省干旱時空變化分析[J].農業工程學報，2017，33（24）：126-132.

[10] SANDHOLT I， RASMUSSEN K， ANDERSEN J. A simple interpretation of the surface temperature/ vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment，2002，79（2-3）：213-224.2002，79（2）：213-224.

[11] 李登科，范建忠，王娟.陜西省植被覆蓋度變化特征及其成因[J].應用生態學報，2010，21（11）：2896-2903.

[12] 馬志勇，沈濤，張軍海，等.基于植被覆蓋度的植被變化分析[J].測繪通報，2007（3）：45-48.

[13] 浦瑞良，宮鵬.高光譜遙感及其應用[M].北京：高等教育出版社，2000.

[14] 王勁峰，徐成東.地理探測器：原理與展望[J].地理學報，2017，72（1）：116-134.

[15] 閆娜，李登科，杜繼穩，等.基于MODIS產品LST/NDVI/EVI的陜西旱情監測[J].自然災害學報，2010，19（4）：178-182.

[16] 易永紅，楊大文，劉志雨，等.多時相中分辨率衛星影像在2006年川東和重慶旱情監測中的應用研究[J].水利學報，2008（4）：490-499.

（責任編輯：敬廷桃）

收稿日期：2024-10-09

基金項目：云南省教育廳科學研究基金項目“基于多源數據的金沙江流域（昭通段）碳匯特征及潛在碳中和價值研究”（2023J1201）。

作者簡介：周應慧（1993—），碩士，助教，研究方向為遙感林業碳匯。E-mail：1454327786@qq.com。

*為通信作者，E-mail：05089@ztu.edu.cn。