高原气象

高原气象 >

2021 , Vol. 40 >Issue 2: 292 - 301

DOI: https://doi.org/10.7522/j.issn.1000-0534.2020.00025

论文

2000年以来中国区域植被变化及其对气候变化的响应

  • 赵倩倩 , 1 ,
  • 张京朋 2 ,
  • 赵天保 , 3 ,
  • 李建华 1
展开
  • 1. 宁夏大学资源环境学院，宁夏 银川 750021
  • 2. 西北农林科技大学资源环境学院，陕西 杨凌 712100
  • 3. 中国科学院东亚区域气候-环境重点实验室，北京 100029
赵天保（1976 -）， 男， 宁夏盐池人， 研究员， 主要从事气候变化及归因研究. E-mail:

赵倩倩（1995 -）， 女， 宁夏盐池人， 硕士研究生， 主要从事GIS方法及在气候变化研究中的应用研究. E-mail:

收稿日期: 2019-11-27

  修回日期: 2020-04-09

  网络出版日期: 2021-04-28

基金资助

国家重点研发计划项目(2016YFA0600402)

国家自然科学基金项目(41675094)

收起

Vegetation Changes and Its Response to Climate Change in China Since 2000

  • Qianqian ZHAO , 1 ,
  • Jingpeng ZHANG 2 ,
  • Tianbao ZHAO , 3 ,
  • Jianhua LI 1
Expand
  • 1. The College of Resources & Environmental Sciences，Ningxia University，Yinchuan 750021，Ningxia，China
  • 2. The College of Natural Resources and Environment，Northwest A & F University，Yangling 712100，Shaanxi，China
  • 3. Key Laboratory of Regional Climate-Environment Research for Temperate East Asia，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China

Received date: 2019-11-27

  Revised date: 2020-04-09

  Online published: 2021-04-28

Fold

本文亮点

气候是植被变化的主要驱动因子， 研究全球增暖背景下中国区域植被变化及其对气候的响应对于国家开展重大生态恢复评估和未来植被保护政策制定具有重要意义。利用2000 -2016年MODIS植被指数（Normalized Difference Vegetation Index， NDVI）数据集， 运用统计分析方法， 从平均态、 线性趋势、 时间序列、 相关性等方面系统分析了2000年以来中国区域植被变化及其对气候变化的响应。结果表明： 中国区域NDVI在平均态上呈现从东南向西北递减的空间分布， 受降水生长季的影响， 东部地区植被指数明显较大； 我国大部分地区NDVI呈现增加的趋势， 其中湿润半湿润地区NDVI增长幅度为0.037·（10a）-1， 而在干旱半干旱地区变化较小［0.013·（10a）-1］。NDVI的变化与气候驱动因素的相关性存在一定的区域差异， 其中： NDVI与气温变化在东南沿海、 东北东部以及青藏高原北部等地区呈现出显著正相关， 而在青藏高原南部等地区呈现微弱的负相关； 除青藏高原、 塔里木盆地和东北北部等地区外， NDVI与降水量在全国大多数地区呈正相关。从全国平均来看， 温度和降水变化对NDVI的贡献分别为7.5%和9.1%， 其中温度对NDVI变化的贡献主要体现在湿润半湿润地区（9.3%）， 而降水的贡献则在干旱半干旱地区（12.2%）。植被变化对气候要素驱动的响应也呈现出明显的区域差异性， 在我国东南沿海、 云贵高原东部、 四川盆地等南方地区以及黄河中下游、 东北东部等部分地区， NDVI变化对气温的敏感性最强； 而在中国北方干旱半干旱大部分地区， NDVI变化则是对降水驱动具有很显著的响应特征。总体而言， 气温是驱动南方地区植被变化的主导因子， 而降水则调控着北方地区植被生长变化。

本文引用格式

赵倩倩 , 张京朋 , 赵天保 , 李建华 . 2000年以来中国区域植被变化及其对气候变化的响应[J]. 高原气象, 2021 , 40(2) : 292 -301 . DOI: 10.7522/j.issn.1000-0534.2020.00025

Highlights

Climate change is the main driving factor of vegetation change.It is of great significance to study the vegetation change and its response to climate change in China under the background of global warming for the country to carry out major ecological restoration assessment and future vegetation protection policy formulation.Using MODIS vegetation index NDVI dataset during 2000-2016 and statistical analysis method， this paper systematically analyzes the regional vegetation change and its response to climate change in China since 2000 from the aspects of average state， linear trend， time series， correlation， etc.The results show that the spatial distribution of climate mean of NDVI in China is decreasing from southeast to northwest， and vegetation index in the East is significantly larger due to the influence of precipitation during the growing season.NDVI shows an increasing trend in most areas of China， especially in humid and semi-humid areas， the growth rate of NDVI reaches 0.037·（10a）-1， while in arid and semi-arid areas， the change of NDVI is relatively small.In the southeast coastal areas， eastern northeast area， and northern Qinghai Tibet Plateau， NDVI has a significant positive correlation with the temperature， with the rising speed of 0.02 ℃-1， while NDVI has a weak negative correlation with the temperature in the south of Qinghai-Tibetan Plateau， with the decreasing speed of more than -0.015 ℃-1.Similarly， NDVI is positively correlated with precipitation in Sichuan Basin and Inner Mongolia， and NDVI increases by more than 0.03 for every 100 mm increase in precipitation， NDVI is weakly negatively correlated with precipitation in Qinghai-Tibetan Plateau， Tarim Basin and other areas， that is， the change of precipitation has no obvious impact on NDVI.For the NDVI variation associating to climate change， the response of vegetation change to climate driving factor also shows obvious regional difference.In the southeast coast of China， the east of Yunnan Guizhou Plateau， Sichuan Basin and other southern areas， as well as the middle and lower reaches of the Yellow River， the east of northeast and other parts of the region， the change of NDVI is the most sensitive to temperature.In the most arid and semi-arid areas of northern China， the change of NDVI has very significant response to precipitation.In general， the precipitation is the driver factor for most of southern China while the air temperature is the dominator for most of northern China.

1 引言

植被是陆地生态系统的重要组成部分， 主要受温度、 降水、 日照的影响， 其对气候变化的响应非常敏感， 是气候变化的重要指示器（Wang et al， 2012）。植被类型决定陆地生态系统， 其具有明显的年际变化和季节变化的特点， 从而促使陆地生态系统随着时间推移而发生变化， 而气候变化作为陆地生态系统的主要驱动因子， 其决定地表植被的生存和分布特点。气候变化国家评估报告指出， 气候变化对我国森林、 草原植被等生态系统的影响显著。随着全球持续增暖， 我国东部亚热带、 温带北界普遍北移， 祁连山森林面积减少， 西南地区湿地面积减少， 草原产量和质量都有所下降。因此， 研究植被的时空演变规律及其对气候因子的响应对于研究气候变化和陆地生态系统的关系具有重要的意义（Lanfredi et al， 2003； 南颖等， 2010； 孙艳玲和郭鹏， 2012； 焦珂伟等， 2018； 马守存等， 2018）。
当前， 在植被覆盖度的研究中， 通常利用归一化植被指数（Normalized Difference Vegetation Index， NDVI）， 它是表征植被生长状况和植被覆盖度的最佳因子， 被公认为是监测全球以及区域植被变化最有效的指标（ Eckert et al， 2015； 刘斌等， 2015 ）。 近些年来， 在全球气候显著变暖趋势下， 国内外诸多学者在研究NDVI与气候因子关系方面取得极大进展。李晓兵和史培军（2000）以及陈云浩等（2001）基于NOAA/AVHRR逐月的NDVI数据和中国160个基本标准气象站逐月的气温、 降水资料， 分析研究了1982 -1992年期间植被变化与气候驱动因子之间的关系， 发现植被变化与气候驱动因子的相关性从北到南逐渐降低。Zhou et al（2001）发现受温度和降水模式的影响， 欧亚大陆上61%的NDVI在生长季时期呈不断上升趋势， 而部分地区呈减少趋势。Fensholt et al （2012 ）分析了1981 -2007年全球半干旱区植被绿度变化趋势， 发现温度和降水共同影响全球范围内植被绿度的增长速度。国内不少学者利用 NDVI数据对中国植被覆盖的动态变化进行研究（方精云等， 2003； 朴世龙和方精云， 2003； 孙艳玲等， 2007； 刘宪锋等， 2015）。张佳琦等（2019）利用MODIS-NDVI数据对三江平原NDVI 时空变化特征及其与气候变化的响应进行了分析， 研究表明降水是三江平原植被生长的主导气候因子。贾俊鹤等（2019）利用多年连续的GIMMS-NDVI资料和气象数据对西北六省不同时间尺度植被NPP变化与气候变化响应进行研究。孟梦等（2018a）利用长时间序列NDVI数据及同时期气象观测数据， 分析了青藏高原4000 m高海拔区域的NDVI的变化趋势以及气候响应。刘旻霞等（2018）利用基于500 m分辨率的MODIS NDVI数据对近15年黄土高原植被时空演变变化特征及其驱动因素分析， 表明黄土高原植被NDVI对气温、 降水的响应关系有明显的季节差异。朱文会等（2019）利用长时间序列NOAA-AVHRR的NDVI旬合成资料与逐月降水和气温等观测数据， 分析研究三江源区NDVI时空变化特征及其对气候变化的响应， 结果发现NDVI的变化及其对气候驱动因子的响应存在很大的区域差异。
上述研究大多数都主要关注一些区域和局地尺度上植被变化及其气候变化之间的关系， 但研究整个中国区域植被变化及其对气候变化的响应则相对甚少。尤其2000年以来， 中国区域的植被覆盖因为退耕还林还草等政策实施， 植被覆盖率明显上升， 于是更需要探讨气候变化对植被变化的影响， 以此来判断新生态保护政策的合理性。因此， 本文利用最新的MODIS植被指数， 运用统计分析的方法， 从平均态、 线性趋势、 时间序列、 相关性等角度分析研究了2000年以来中国区域植被变化及其对气候变化之间的关系， 以期为国家开展重大生态恢复的评估和未来植被保护政策制定提供理论依据。

2 数据来源与方法介绍

2.1　数据来源

归一化植被指数（NDVI）已经被广泛应用于多个领域， 包括： 饥荒的预警系统， 土地覆盖分类， 健康和流行病学， 干旱监测， 土地退化， 森林破坏和大尺度的植被与气候的年际变化。本文所用的植被信息是NOAA-AVHRR提取NDVI数据产品MOD13C2 v006（https： //lpdaac.usgs.gov/products/ mod13c2v006/）。该产品的空间分辨率为0.05°（5.6 km， 全球有7200 ×3600经/纬网格）， 时间分辨率是16天间隔的平均值。该植被信息的识别和提取是利用最大值合成法进行处理的， 目的是获取代表该年植被生长最佳状态的NDVI值（郭铌等， 2010）， 并最终获得17年中国区域的NDVI时间序列。本研究将植被生长季定义为5 -10月。
所用的气象数据来源于英国东英吉利大学（University of East Anglia）的气候研究组（Climatic Research Unit， CRU）的CRU-TS v4.03（Harris et al， 2014）逐月平均气温和降水资料。该数据集的研制用薄板样条插值法（thin plate spline interpolation）整合已有的若干个知名历史气候观测记录， 重建了一套覆盖完整、 高分辨率、 且无缺测的月平均地表气候要素数据集， 时间尺度为1901 -2018年， 空间分辨率为0.5°×0.5°经纬网格覆盖全球陆地。该数据集还包含平均温度、 降水、 温度日较差、 霜天和露天频率、 水汽压和云量等气候变量， 能够很全面地描述某区域气候变化的基本特征（王丹和王爱慧， 2017 ）。
为了便于不同数据间的对比分析， 首先利用双线性插值法把NDVI数据和气象资料插值到相同的网格上， 然后利用相对于2000 -2016年气候平均态的距平值进行线性趋势、 相关系数和回归系数等分析。同时， 为了进一步分析和比较NDVI变化特征的区域差异， 本文参照赵天保等（2014）的定义， 将中国区域简单分为干旱半干旱区和湿润半湿润区进行讨论。由于本研究在分析过程中主要是基于逐月距平序列， 故而可以最大程度的消除复杂地形的影响。文中所涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1593的中国地图制作， 底图无修改。

2.2　研究方法

2.2.1　最大值合成法

最大值合成法能够较好地消除大气、 云、 太阳高度角等影响， 广泛应用于国内外（王丹云等， 2018）。其计算公式为：
M N D V I n = M a x 1 ≤ j ≤ 12 N D V I ( n , j )
式中： M N D V I n为第 n年 N D V I最大值； n为年序号； N D V I ( n , j )为第 n年第 j月的 N D V I值。

2.2.2　趋势分析法

趋势分析法能够较好地模拟每个栅格的变化趋势以及综合反映植被时空格局的变化特征（武正丽等， 2015）。为了分析中国区域2000 -2016年植被覆盖的空间变化规律， 利用趋势分析法进行逐像元拟合NDVI的年际变化趋势。其计算公式为：
θ s l o p e = n ∑ k = 1 n k × N D V I k - k × ∑ k = 1 n N D V I k n ∑ k = 1 n k 2 - ∑ k = 1 n k 2
式中： n为总年数， 即17年； k为1~ n年中第 k年； N D V I k为第 k年NDVI值； θ s l o p e为变化趋势； 当 θ s l o p e>0时， 表示NDVI呈现增加趋势； 反之， 则表示下降趋势。

2.2.3　相关性分析

相关系数可以用来表示两组变量的相关程度（刘晓婉等， 2018）， 利用此系数分析近17年以来中国区域NDVI数据与气温以及降水的相关性。其计算公式为：
r = ∑ i = 1 n ( x i - x ¯ ) ( y i - y ¯ ) ∑ i = 1 n ( x i - x ¯ ) 2 ∑ i = 1 n ( y i - y ¯ ) 2
式中： r为变量 x与 y的相关系数； x i， y i分别为某年份NDVI平均值与同期气温， 降水量数据； x ¯， y ¯分别为多年NDVI平均值与气温， 降水量均值； 相关系数取值［-1， 1］， 相关系数绝对值越大， 则相关性越强， 反之亦然。| r|<0.3表示弱相关， 0.3<| r|<0.5表示低度相关， 0.5<| r|<0.8表示显著相关， 0.8<| r|<1.0表示极显著相关（孟梦和牛铮， 2018b）。

3 NDVI的时空分布格局

2000 -2016年中国区域NDVI的空间分布［图1（a）］， 反映了中国区域17年来植被覆盖基本特征。由此可以看到， 中国区域植被指数总体上呈现从东南向西北递减的空间分布。东部地区， 尤其东南沿海地区， 气候适宜农作物生长， 种植大片区域的农作物， 年均NDVI较大（杨雪梅等， 2016）， 大部分地区的NDVI值在0.55~0.70； 东北大部分地区以及华北部分地区的植被覆盖指数较小， 为0.3~0.5； 而在西北地区， 由于深居内陆， 远离海洋， 降水量较少， 加之水分蒸发严重， 植被覆盖度相比其他区域最小， NDVI值在0.1~0.3。由生长季（5 -10月）NDVI的空间分布［图1（b）］可以看出， 与多年平均态分布相比， 由于生长季受到降水的影响， 我国东部地区植被更加茂密， 植被指数明显较大。其中在东南以及东北部分区域， NDVI值可以达到0.7~0.8， 特别是华南、 秦岭等地区， 植被指数可以达到0.8以上； 而西北地区植被差异并不明显。
图1 2000 -2016年中国区域NDVI平均态（a, b）及长期趋势[c, d, 单位: ×(10a)-1]

图(c)、 (d)中阴影部分表示该区域通过了95%的显著性检验

Fig.1 The climate mean (a, b) and long-term trend [c, d, unit: ×(10a)-1] of NDVI in China from 2000 to 2016.In Fig.1(c) and (d), the shaded areas indicate that the statistically trend passed significant level at the 95%

近17年来， 我国大部分地区的NDVI呈现出增加的趋势， 其趋势分布模态和平均态的模态类似， 均呈现出由东南向西北递减的分布［图1（c）］。在东部地区NDVI的增长幅度在0.025·（10a）-1以上， 其中在四川盆地、 秦岭-淮河一带及黄土高原部分地区增长幅度可以达到0.075·（10a）-1； 而在青藏高原以及西北地区， NDVI的变化相对较小， 而且我国大部分地区NDVI的线性趋势通过了95%的显著性检验。总体来说， 生长季NDVI的变化趋势［图1（d）］与整年的趋势分布［图1（c）］基本一致， 不同的是， 生长季NDVI在东北地区中部增长幅度更大， 华南地区增长幅度更小。此外， 黄土高原区域全年和生长季增加趋势最大， 而平均态植被并不十分茂盛， 因此， 可能是退耕还林还草的恢复的缘故。全国平均而言， NDVI变化整体呈上升趋势［约为0.025·（10a）-1］， 但其年际变率具有一定的波动性。NDVI的变化在2001年中期达到极小值， 在2001 -2012年期间年际变率小、 趋势不明显， 但2013年上升明显（图2）。而对于我国干旱半干旱区和湿润半湿润区， 其年际变率特征与全国区域平均结果基本一致， 但整体上看， 湿润半湿润区NDVI的增长趋势［约为0.037·（10a）-1］要高于全国平均结果， 而干旱半干旱区的增长趋势［约为0.013·（10a）-1］相对较小。关于NDVI这种时空演变特征的成因， 本文主要从气候变化驱动的角度对其做进一步的分析和讨论。
图2 2000 -2016年中国区域和两个分区植被NDVI月距平5点平滑时间序列

s1、 s2和s3分别是三个区域NDVI随时间变化的线性趋势, 且均通过了95%的显著性检验

Fig.2 The time series of 5-point-moving-averaged monthly NDVI anomalies over China as a whole and two subregions from 2000 to 2016.s1, s2 and s3 represent the linear trend of NDVI with time over these three regions, respectively, and all of them are statistically significant at the 5% level

4 NDVI与气候驱动因素之间的关系

为了分析NDVI与气候因子的响应关系， 首先考察了2000 -2016年中国区域地表气温和降水的变化趋势。从年均气温变化趋势［图3（a）］可以看出， 东北和长江中下游地区气温呈现出显著降低的趋势， 下降趋势可以达到-0.2 ℃·（10a）-1以上； 云贵高原、 青藏高原、 内蒙古西部以及华北北部等区域温度呈现出明显的上升趋势， 增加幅度可以达到0.2 ℃·（10a）-1以上。与NDVI的趋势模态［图1（c）］相比， 温度显著上升的区域， NDVI的变化并不明显； 而温度下降的区域， NDVI的变化呈现出增加的趋势。
图3 2000 -2016年中国区域平均气温[a, 单位: ℃·(10a)-1]和年总降水量[b, 单位: mm·(10a)-1]线性趋势

阴影部分表示该区域通过了95%的显著性检验

Fig.3 The linear trend of temperature [a, unit: ℃·(10a)-1] and annual precipitation [b, unit: mm·(10a)-1] in China from 2000 to 2016.The shaded areas indicate that the statistically trend have passed the significant level at 95%

从年总降水量线性趋势［图3（b）］可以看出， 我国东部， 除了黄淮区域， 其他地区呈现出降水量增加的趋势， 特别是四川盆地、 珠江流域、 长江中下游地区降水量显著增加， 增加幅度可以达到120 mm·（10a）-1； 云贵高原西部、 青藏高原南部、 黄淮流域降水量呈现出减小的趋势， 减小幅度可以达到 -80 mm·（10a）-1以上。而西北大部分区域的降水量无显著性变化， 可能与植被稀少， 气候干旱等方面有关。与NDVI的趋势模态［图1（c）］相比， 降水量变化的区域基本与NDVI的区域一致； 这也说明降水量的多少与植被覆盖指数NDVI有直接的影响。
植被覆盖会受到气温、 降水量的不同而呈现区域性的差异， 为了进一步对比这种空间分布的异质性， 本文对NDVI与气温和降水距平在空间格点上的相关性进行了统计分析。图4（a）中NDVI与温度在我国大部分地区呈现出正的相关性， 其中在东南沿海、 东北东部、 青藏高原北部地区相关系数可达到0.5以上， 并且通过了95%的显著性检验； 而在长江中下游地区、 塔里木盆地、 青藏高原南部、 内蒙古东北部等地区， 呈现出微弱的负相关。
图4 2000 -2016年中国区域NDVI与年平均温度(a)及年总降水量(b)相关系数分布

阴影部分表示该区域通过了95%的显著性检验

Fig.4 Spatial distribution of the correlation coefficients of the annual anomalies between NDVI and temperature (a), and between NDVI and precipitation (b) from 2000 to 2016.The shaded areas indicate that the correlation coefficients have passed the significant level at 95%

从我国NDVI与降水量相关系数的空间分布［图4（b）］可以看出， 中国区域植被覆盖指数NDVI与降水量在大多数区域表现出正的相关性， 其中在四川盆地、 内蒙古高原、 黄土高原、 准格尔盆地、 华北北部等区域相关系数可以达到0.7以上， 在青藏高原西部、 东北部分地区呈现出微弱的负相关。整体来看， NDVI与降水的相关性明显高于与气温的相关性。
从时间序列上看， 2000 -2016年中国区域和两个分区年平均气温均呈上升趋势（图5）， 其上升速率分别为0.0905 ℃·（10a）-1、 0.1045 ℃·（10a）-1和0.0677 ℃·（10a）-1， 其中干旱半干旱区升温速率最快； 全国平均而言， NDVI与和温度时间序列的相关系数为0.2737， 并且通过了95%的显著性检验， 也就意味着能够解释NDVI变化的7.5%左右； 而与我国干旱半干旱区相比， 湿润半湿润区NDVI和温度时间序列的相关系数较高， 达到了0.3048， 能够解释NDVI变化的9.3%左右。
图5 2000 -2016年中国区域和两个分区NDVI与气温月距平5点平滑时间序列

s1和s2分别表示NDVI和气温随时间变化的线性趋势; R是NDVI和温度时间序列的相关系数; *代表通过了95%的显著性检验

Fig.5 Time series of 5-point-moving-averaged monthly NDVI and temperature anomalies for China as a whole and two subregions from 2000 to 2016.s1 and s2 represent the linear trend of NDVI and air temperature, respectively.R is the correlation coefficient between NDVI and temperature time series.Number with asterisk is statistically significant at the 95% level

与温度类似， 降水的变化也呈一致增加的趋势（图6）， 特别是在湿润半湿润区， 降水的增加幅度达到了2.832 mm·（10a）-1， 尤其是2011年以后其增加趋势更加明显。同时， NDVI与降水的时间序列具有较好的一致性， 其中在干旱半干旱区其相关性最高， 相关系数达到了0.3496， 可以解释NDVI变化的12.2%， 略高于整个中国区域（9.1%）和湿润半湿润地区（7.7%）， 并且在中国区域和两个分区相关系数均通过了95%的显著性检验。
图6 2000 -2016年中国区域和两个分区NDVI和降水月距平5点平滑时间序列

s1和s2分别表示NDVI和降水随时间变化的线性趋势; R是NDVI和降水时间序列的相关系数; *代表通过了95%的显著性检验

Fig.6 Time series of 5-point-moving-averaged monthly NDVI and precipitation anomalies for China as a whole and two subregions from 2000 to 2016.s1 and s2 represent the linear trend of NDVI and precipitation, respectively.R is the correlation coefficient between NDVI and precipitation time series.Number with asterisk is statistically significant at the 95% level

为了进一步揭示气候要素与NDVI变化之间关系， 图7给出了用气温和降水分别拟合NDVI变化的回归结果在中国区域的空间分布。从图7（a）可以看出， 在东南沿海、 云贵高原东部、 四川盆地、 黄河中下游、 东北东部等地区， 气温每升高1 ℃， NDVI增加0.02以上， 且通过95%的显著性检验； 而在长江中下游、 青藏高原东南部等地区， 温度每下降1 ℃ NDVI的下降幅度达到了-0.015以上； 西北大部分地区以及青藏高原西部， 气温上升1 ℃时， NDVI无明显变化， 这可能与植物的蒸腾作用和光合作用有关， 我国东部地区植被茂密， 温度升高促进了植物的光合作用和蒸腾作用， 进而会使得NDVI增加； 而气温的增加对我国植被相对稀少的西北地区而言， 其对植物光合作用和蒸腾作用的影响可能小于温度升高对土壤水分蒸发的影响， 或者说气温升高对植物光合和蒸腾作用的影响被气温升高造成土壤水分蒸发加剧所造成的影响抵消掉了。
图7 2000 -2016年中国区域植被NDVI与年平均温度(a×10-2 ℃-1)及年总降水量(b×10-2 ℃-1)的线性回归分布

阴影部分表示该区域通过了95%的显著性检验

Fig.7 Linear regression distribution of annual anomalies between NDVI and temperature (a×10-2 ℃-1), and between NDVI and precipitation (b×10-2 ℃-1) from 2000 to 2016.The stippled areas represent statistically regression coefficient have passed the significant level at the 5%

从图7（b）可以看出， 在我国四川盆地、 内蒙古高原、 准格尔盆地等区域， 降水每增加100 mm， NDVI就增大0.03以上， 且通过了95%的显著检验； 而在我国东南地区、 黄淮流域、 青藏高原、 塔里木盆地以及东北大部分地区， 降水量的增加对植被NDVI的影响并不明显。NDVI与降水量的这种响应可能与不同的气候类型有关， 西北干旱半干旱地区年降水量的基数小， 降水量的增加对其影响较大， 进而对NDVI产生较大影响； 而我国东部降水基数较大， 同样等级的降水对其影响相对较小， 进而对NDVI产生较小的影响。
全国平均、 干旱半干旱区以及湿润半湿润区平均NDVI变化与气候驱动要素之间的拟合关系（图8）表明， 在中国区域和两个分区NDVI均随气温和降水呈现显著性增加的趋势。从整个中国区域来看， 气温每上升1 ℃， NDVI增加0.0034， 而降水每增加100 mm， NDVI的增幅为0.029。而从不同分区来看， 湿润半湿润地区NDVI随温度升高的速率较快， 达到了0.0052 ℃-1； 而在干旱半干旱地区NDVI对降水量变化更加敏感， 随降水增加的速率较快， 达到了0.038·（100 mm）-1。
图8 2000 -2016年中国区域和两个分区NDVI与温度（左）和降水（右）月距平的散点分布及线性拟合

Fig.8 Scatter plots and linear fitting of NDVI with temperature (left) and precipitation (right) monthly anomalies over China and two subregions from 2000 to 2016

5 结论与讨论

基于NDVI产品MOD13C2 v006 和CRU-TS v4.03 分析研究了2000年以来中国区域植被变化的空间格局及其与气候驱动要素之间的关系。所得主要结论如下：
（1） 中国区域植被指数总体上呈现从东南向西北递减的空间分布， 这与东部地区暖湿， 北方冷干的气候格局一致， 说明气候地带性变化会影响多年植被覆盖的空间格局。生长季由于受到降水的影响， 东部地区植被指数明显增大， 而西北地区植被差异并不明显， 可能由于东部大部分地区属于农业区， 生长季时， 农业区植被覆盖度大， 而西北地区较小。
（2） NDVI的年际变率及其趋势与气温和降水之间的相关关系呈现出明显的区域差异特征。在东南沿海， 东北东部以及青藏高原北部， NDVI的变化与气温的相关性更强。而在四川盆地、 内蒙古高原、 黄土高原、 华北北部等区域， NDVI变化则与降水之间的相关性更高。
（3） 从全国平均来看， 温度和降水对NDVI变化趋势的贡献分别达到了7.5%和9.1%。同时， 我国湿润半湿润区温度对NDVI变化的贡献（9.3%）要高于全国平均和干旱半干旱区（2.0%）， 而干旱半干旱区降水对NDVI变化的贡献（12.2%）要高于全国平均和湿润半湿润区（7.7%）。
（4） 植被变化对气候要素驱动的响应也呈现出明显的区域差异性。在我国东南沿海、 云贵高原东部、 四川盆地等南方地区以及黄河中下游、 东北东部等部分地区， NDVI变化对气温的敏感性最强； 而在中国北方干旱半干旱大部分地区， NDVI变化则是对降水驱动具有很显著的响应特征。简言之， 气温是驱动南方地区植被变化的主导因子， 而降水则调控着北方地区植被生长变化。
人类活动也是影响植被覆盖变化不可忽略的因素之一， 特别是近年来退耕还林、 三北防护林建设、 南水北调和大面积农田灌溉等都改变植被覆盖状况。此外， 由人类活动排放温室气体引起的气候变暖也会改变大尺度植被覆盖的变化。但现有大范围植被覆盖数据的时间尺度都比较短， 也缺少人类活动改变植被覆盖的监测信息， 目前还无法定量区分人类活动影响中国区域植被覆盖变化的相对贡献及其区域差异。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Eckert S， Husler F， Liniger H， et al， 2015.Trend analysis of MODIS NDVI time series for detecting land degradation and regeneration in Mongolia［J］.Journal of Arid Environments， 113： 16-28.

Fensholt R， Langanke T， Rasmussen K， et al， 2012.Greenness in semi-arid areas across the globe 1981-2007-an Earth Observing Satellite based analysis of trends and drivers［J］.Remote Sensing of Environment， 121： 144-158.

Harris I， Jones P D， Osborn T J， et al， 2014.Updated high-resolution grids of monthly climatic observations-the CRU TS3.10 Dataset ［J］.International Journal of Climatology， 34： 623-642.

Lanfredi M， Simoniello T， Macchiato M， 2003.Comment on “variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999”［J］.Journal of Geophysical Research Atmospheres， 108（D12）： 4346.

Wang Q， Zhang Q P， Zhou W， 2012.Grassland Coverage Change and Analysis of the Driving Force in Maqu County［J］.Physics Procedia， 38（4）： 693-704.

Zhou L， Tucker C J， Kaufmann R K， et al， 2001.Variations in northern vegetation activity inferred form satellite data of vegetation index during 1981 to 1999［J］.Journal of Geophysical Research： Atmospheres， 106（D17）： 20069-20083.

陈云浩， 李晓兵， 史培军， 2001.1983 -1992年中国陆地NDVI变化的气候驱动因子分析［J］.植被生态学报， 25（6）： 716-720.

方精云， 朴世龙， 贺金生， 等， 2003.近20年来中国植被活动在增强［J］.中国科学（生命科学）， 33（6）： 554-565.

郭铌， 韩天虎， 王静， 等， 2010.玛曲退牧还草工程生态效果的遥感监测［J］.中国沙漠， 30（1）： 154-160.

贾俊鹤， 刘会玉， 林振山， 2019.中国西北地区植被NPP多时间尺度变化及其对气候变化的响应［J］.生态学报， 39（14）： 5058-5069.

焦珂伟， 高江波， 吴绍洪， 等， 2018.植被活动对气候变化的响应过程研究进展［J］.生态学报， 38（6）： 2229-2238.

李晓兵， 史培军， 2000.中国典型植被类型NDVI动态变化与气温、 降水变化的敏感性分析［J］.植被生态学报， 24（3）： 379-382.

刘斌， 孙艳玲， 王仲良， 等， 2015.华北地区植被覆盖变化及其影响因子的相对作用分析［J］.自然资源学报， 30（1）： 12-23.

刘旻霞， 赵瑞东， 邵鹏， 等， 2018.近15 a黄土高原植被覆盖时空变化及驱动力分析［J］.干旱区地理， 41（1）： 99-108.

刘宪锋， 朱秀芳， 潘耀忠， 等， 2015.1982 -2012年中国植被覆盖时空变化特征［J］.生态学报， 35（16）： 5331-5342.

刘晓婉， 彭定志， 徐宗学， 2018.雅鲁藏布江流域NDVI对高程与降水的相依性研究［J］.高原气象， 37（2）： 349-357.DOI： 10. 7522/j.issn.1000-0534.2017.00048.

马守存， 保广裕， 郭广， 等， 2018.1982-2013年黄河源区植被变化趋势及其对气候变化的相应［J］.干旱气象， 36（2）： 226-233.

孟梦， 牛铮， 马超， 等， 2018a.青藏高原NDVI变化趋势及其对气候的响应［J］.水土保持研究， 25（3）： 360-365.

孟梦， 牛铮， 2018b.近30a内蒙古NDVI演变特征及其对气候的响应［J］.遥感技术与应用， 33（4）： 676-685.

南颖， 刘志锋， 董叶辉， 等， 2010.2000-2008年长白山地区植被覆盖变化对气候的响应研究［J］.地理科学， 30（6）： 921-928.

朴世龙， 方精云， 2003.1982-1999年我国陆地植被活动对气候变化响应的季节差异［J］.地理学报， 58（1）： 119-125.

孙艳玲， 郭鹏， 2012.1982-2006年华北植被覆盖变化及其与气候变化的关系［J］.生态环境学报， 21（1）： 7-12.

孙艳玲， 延晓冬， 谢德体， 2007.基于因子分析方法的中国植被NDVI与气候关系研究［J］.山地学报， 25（1）： 54-63.

王丹， 王爱慧， 2017.1901 -2013年GPCC和CRU降水资料在中国大陆的适用性评估［J］.气候与环境研究， 22（4）： 446-462.

王丹云， 吕世华， 韩博， 等， 2018.黄土高原春季植被变化分布与变化特征及其对春旱的响应研究［J］.高原气象， 37（5）： 1208-1219.DOI： 10.7522/j.issn.1000-0534.2018.00033.

武正丽， 贾文雄， 赵珍， 等， 2015.2000 -2012年祁连山植被覆盖变化及其与气候因子的相关性［J］.干旱区地理， 38（6）： 1241-1252.

杨雪梅， 杨太保， 刘海猛， 等， 2016.气候变暖背景下近30a北半球植被变化研究综述［J］.干旱区研究， 33（2）： 379-391.

朱文会， 毛飞， 徐影， 等， 2019.三江源去植被指数对气候变化的响应及预测分析［J］.高原气象， 38（4）： 693-704.DOI： 10.7522/j.issn.1000-0534.2018.00105.

张佳琦， 张勃， 马彬， 等， 2019.三江平原NDVI时空变化及其对气候变化的响应［J］.中国沙漠， 39（3）： 206-213.

赵天保， 陈亮， 马柱国， 2014.CMIP5多模式对全球典型干旱半干旱区气候变化的模拟与预估［J］.科学通报， 59（12）： 1148-1163.

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn