2018, Vol. 37
2. 中国科学院大学, 北京 100049;
3. 成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室, 四川 成都 610225;
4. 南京信息工程大学气象灾害预报预警与评估协同创新中心, 江苏 南京 210044;
5. 中山大学大气科学学院 广东省气候变化与自然灾害研究重点实验室, 广东 珠海 519082;
6. 中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室, 北京 100029
植被很大程度上代表了陆地覆盖变化的状况, 它在全球变化中起着指示器的作用, 是气候和人文因素对环境影响的敏感指标(郭铌等, 2008;张宝庆等, 2011)。同时, 植被是全球生态环境变化的主要驱动因子之一, 在全球的生物化学循环、水循环以及能量交换等方面起着重要的调控作用, 对全球气候系统的变化也有着重要的影响(Salim et al, 2008; Mohammad et al, 2010;徐永明等, 2016)。在干旱半干旱地区, 气候条件是植被生长发育的直接驱动力及重要因素(赵文智等, 2001)。植被由于根系的吸水和叶面的蒸腾而将土壤、大气和水分自然地连接在一起(Wang et al, 2012)。植被还具有截留降雨、减缓径流、增加入渗、保土固土等作用, 因此在局地水土保持过程中起着极为重要的作用(孙红雨等, 1998)。
植被覆盖不仅反映了局地干湿状况, 同时也是衡量当地抵御干旱能力的一个重要指标(Yan et al, 2012)。干旱灾害是地球上空间范围较为广泛、持续时间较长且长期对社会经济及环境影响最严重的自然灾害, 人类从古至今都遭受着干旱灾害的困扰。中国干旱灾害是造成农业经济损失最为严重的气象灾害(张强等, 2014)。归一化植被指数(Normalized Difference Vegetation Index, NDVI)是评估植被状况最为有效的参数之一, 是遥感影像的近红外波段(NIR)以及红波段(R)反射率的比值(Paruelo et al, 1997)。植被覆盖状况可以较为直接地反映所在区域的生态环境状况(Salim et al, 2008; Yan et al, 2012)。Young et al(2001)利用Pathfinder NDVI数据研究了我国1982-1999年不同植被覆盖的动态变化, 发现森林植被覆盖呈现出退化的趋势, 但是农田植被覆盖的状况有所改善。Fang et al(2002)使用GIMMS NDVI数据对同一时段我国植被变化进行分析后指出, 在全国范围内和生物群落的尺度上都有着明显增长, 其中增加趋势最显著发生在春季, 而夏季NDVI的增加趋势较小。
黄土高原是我国典型的生态脆弱区, 由于自然环境条件的不稳定及抵御自然灾害的能力弱, 植被生长与恢复对于缓解当地的生态环境是十分重要的(张甜等, 2015)。黄土高原位于东亚季风区的边缘, 具有大陆性季风气候的特征, 冬季干燥寒冷, 夏季湿润炎热, 是干旱区与湿润区的过渡带, 面积约为64万平方公里, 人口约有1亿, 且以农业人口居多(张强等, 2008; Feng et al, 2013;王毅荣等, 2011;张金屯等, 2003)。其降水的空间差异性较大, 东部年降水接近900 mm, 向西北部递减, 至西部不足90 mm, 其植被分布呈现出由东南林地向西北荒漠过渡(Zhang et al, 2014)。干旱是世界上最为主要的灾害性气候之一, 其发生的范围广、历时长、成灾率高, 对农业生产影响大, 因而对干旱研究较多, 而对于我国北方来说, 则更为关注春旱的研究(孙淑清, 1999;王萍, 2005;钱正安等, 2017a)。黄土高原的春季(3-5月)正是冬小麦返青、拔节、抽穗和玉米等大秋作物播种、出苗及牧草生长的关键时期, 春旱的发生势必会严重影响农业生产(叶燕华等, 2004)。谚语“春雨贵如油”, 从反面说明了黄土高原春旱对全年的农业生产带来严重的影响。另一方面, 自1999年以来, 我国实行退耕还林政策, 黄土高原成为了生态治理示范区, 近年来的植被恢复受到了世界范围的关注(Zhang et al, 2012;李振朝等, 2008; He et al, 2003)。
近些年来黄土高原地区的植被恢复吸引了大量的关注, 不少研究也是基于NDVI的结果。Xin et al(2008)运用两种不同的NDVI数据集, 分析了近30年的黄土高原植被覆盖变化的4个阶段及其与降水、温度和人类活动等影响因子之间的关系, 指出植被覆盖的变化是气候变化与人类活动所共同造成的结果。王光谦等(2006)用GIMMS NDVI数据集研究了黄河流域植被覆盖变化, 发现其中大约50%的地区植被覆盖度增加, 而基本没有变化的区域约占到48%。张宝庆等(2011)采用SPOT VGT和GIMMS两种NDVI, 分析指出了在1999年以后植被覆盖在空间上明显增加的区域有增加的趋势, 但至2009年, 黄土高原仍有较多区域的植被覆盖水平较低, 生态环境建设须要进一步地加强。
为及时关注各地干旱强度以及范围的变化, 各国都进行不同程度的干旱监测, 且由于气候变暖以及人类活动加剧, 干旱对全球生态安全及人类可持续发展的威胁日益突出, 对干旱决策服务以及应急管理能力提出了严峻挑战(钱正安等, 2017b;张强等, 2009, 2011)。植被变化的机理复杂, 既受气候因素调控, 也受人类活动影响, 在不同气候带不同植被覆盖区域也存在差异。因此, 对黄土高原植被和干旱协同变化的观测事实分析非常重要。基于这点考虑, 本研究对黄土高原春旱与植被之间在不同时间尺度上的协同变化关系进行讨论, 并考虑黄土高原不同气候带以及不同植被类型对两者关系的影响, 据此关注植被对春旱的响应阈值, 来为黄土高原春季干旱预测提供一些参考。
2 资料选取与方法介绍 2.1 资料选取研究区域是Wang (2017)绘制的黄土高原边界图(33.6°N-41.3°N, 100.8°E-114.5°E)。遥感数据采用的是两种数据集, GIMMS NDVI数据(1982-2002年)来源于寒区旱区科学数据中心《中国地区长时间序列GIMMS植被指数数据集》, 其时间分辨率是15天, 空间分辨率8 km×8 km(http://westdc.westgis.ac.cn/)。MODIS NDVI数据(2000-2014年)来源于美国NASA的地球观测系统EOS/MODIS数据集, 其时间分辨率是16天, 空间分辨率250 m×250 m(https://ladsweb.nascom.nasa.gov/)。使用的植被覆盖类型图来自于中国科学院中国植被图集编辑委员会2001年编制的1:100万中国植被图集的黄土高原部分(中国植被图集1:1 000 000)。
2.2 NDVI时序数据重建将GIMMS以及MODIS数据进行拼接和转投影, 投影转换为UTM(Universal Transverse Mercator Projection)投影。季节划分采用气象学上的标准:春季为3-5月, 为了使得NDVI数据更合理有效, 采用国际上通用的MVC方法对每个月的数据取最大值作为当月的NDVI数据。此方法假设每旬NDVI值最大的那天天气是晴朗, 且不受云层影响, 可以进一步消除云、大气以及太阳高度角的部分干扰(信忠保等, 2007; Brent, 1986;宋怡等, 2007)。其计算公式为:
| $ {\rm{NDVI}}(i) = {\rm{ma}}{{\rm{x}}_{1 \le j \le 3}}{\rm{NDVI}}(i, {\rm{ }}j){\rm{ }}, $ | (1) |
式中: NDVI(i)表示第i个月的NDVI值; NDVI(i, j)表示第i月第j旬的NDVI值。对季节的NDVI采用最大合成法(Maximum Value Composites)处理, 也就是说, 在单个格点上用春季和夏季最大的NDVI代表当季的NDVI。为了便于对比, 再分析时将MODIS NDVI重新差值为8 km×8 km空间分辨率。
2.3 标准化降水蒸散指数(SPEI)采用的干旱指数是SPEI(Standardized Precipitation and Evapotranspiration Index)(Vicente-Serrano et al, 2010;王林等, 2014), 它在SPI(Standardized Precipitation Index)指数的基础上, 根据Thornthwait方法计算潜在蒸发量PET, 将降水以及潜在蒸发量的插值作为输入因子, 来计算不同时间尺度的SPEI。计算方法如下:
(1) 计算气候水平衡值:
| $ {D_i} = {P_i} - {\rm{PE}}{{\rm{T}}_i}, $ | (2) |
式中: Pi是降水; PETi是通过Thomthwaite方法求得的潜在蒸发量。
(2) 构建气候学意义不同时间尺度的水分盈亏累积序列:
| $ {D_i} = \sum\limits_{i = 0}^{k - 1} {} ({P_{n - i}} - {\rm{PE}}{{\rm{T}}_{n - i}}), {\rm{ }}n \ge k $ | (3) |
式中: k是时间尺度(月); n是计算次数。
(3) 采用三参数的log-logistic概率密度函数拟合所建立的数据序列:
| $ f\left(x \right) = \frac{\beta }{\alpha }{\left({\frac{{x - \gamma }}{\alpha }} \right)^{\beta - 1}}{\left[ {1 + {{\left({\frac{{x - \gamma }}{\alpha }} \right)}^\beta }} \right]^{-2}}, $ | (4) |
式中: α为尺度参数; β为形状参数; γ为origin参数; 这些参数可以通过L-矩参数估计方法求得。给定时间尺度的累积概率为:
| $ F\left(x \right) = {\left[ {1 + {{\left({\frac{{x - \gamma }}{\alpha }} \right)}^\beta }} \right]^{ - 1}}. $ | (5) |
(4) 将序列进行标准正态分布转换:
| $ {\rm{SPEI}} = w - \frac{{{c_0} + {c_1}w + {c_2}{w^2}}}{{1 + {d_1}w + {d_2}{w^2} + {d_3}{w^3}}}, {\rm{ }}P \le 0.{\rm{ }}5 $ | (6) |
| $ {\rm{SPEI}} = - \left({w - \frac{{{c_0} + {c_1}w + {c_2}{w^2}}}{{1 + {d_1}w + {d_2}{w^2} + {d_3}{w^3}}}} \right), {\rm{ }}P > 0.{\rm{ }}5 $ | (7) |
记Log-logistic拟合分布超过某个Di值的累积概率为P=1-F(x)。式中:概率加权矩为
为了研究干旱趋势随时间变化的规律, SPEI的计算可以采用较短时间(1个月、3个月和6个月)和较长时间(12个月或24个月)的时间尺度。本文主要关注春季, 故使用3-5月降水数据计算得到SPEI。SPEI与干旱等级的关系如表 1所示。
|
表 1 基于标准化降水蒸散指数(SPEI)的干旱等级划分 Table 1 The grade of drought based on Standardized Precipitation and Evapotranspiration Index (SPEI) |
黄土高原春季植被类型如图 1所示, 包括草甸、灌丛、森林、草原、荒漠、农作物、稀疏植被以及沼泽8种类型。从东南向西北逐渐由灌丛、森林、农作物向草原、荒漠过渡。其中面积最大的是农作物, 为24.54×104 km2, 约占黄土高原总面积的36.10%;其次是草原, 面积是16.44×104 km2, 约占总面积的24.18%;灌丛的面积是12.84×104 km2, 大约是总面积的18.89%;森林(5.99×104 km2)和荒漠(4.39×104 km2)分别占总面积的8.81%和6.46%;草甸面积为3.45×104 km2, 占到了总面积的5.08%;面积最少的是稀疏植被和沼泽, 两类总和不到黄土高原整体面积的0.1%。
|
图 1 黄土高原植被类型分布 Figure 1 Sketch of vegetation types in the Loess Plateau |
图 2为MODIS 2000-2014年平均气候态NDVI, 与GIMMS在1982-2002年的平均态空间分布特征的差别较小(图略)。春季NDVI呈现出由东南向西北递减的分布, 这种分布与气候态的年均降水以及春季降水分布非常相似(王丹云等, 2017)。气候态降水区划(图 2中黑线)是由气候平均年降水来区分, 将黄土高原划分为四个区域:年均降水量大于500 mm为1区, 400~500 mm为2区; 300~400 mm为3区, 小于300 mm为4区。从图 2中可以看到NDVI高值区(0.6~0.8)主要位于1区和2区, 尤其集中在山西中南部, 陕西中部及河南西北部; 在青海东部, 甘肃南部及黄河流经的宁夏平原及河套平原地区, 春季NDVI平均值为0.4~0.6;而在甘肃东部, 宁夏大部, 陕西北部, 内蒙古中南部及山西西北部等地区, 春季NDVI平均值最小, 一般低于0.4。
|
图 2 2000-2014年春季黄土高原气候态平均NDVI空间分布(彩色区)及气候态降水区划(黑线) Figure 2 The climatological mean of spring NDVI (color area) and the climatological mean divisions of annual precipitation (black line) in Loess Plateau |
将黄土高原的春季NDVI进行区域平均(图 3)可以看到, 无论是1982-2002年(GIMMS), 还是在2000-2014年(MODIS), 黄土高原春季NDVI均呈现线性增长的趋势。其中, 2000年之前黄土高原春季NDVI的增长幅度较小, 线性趋势仅有6.6×10-4 a-1, 且在统计上不显著(P>0.05)。在2000年之后, 春季NDVI的上升趋势明显, 从2000年的0.173 1 a-1增长至2014年的0.244 9 a-1, 线性趋势达到3.6×10-3 a-1, 且通过显著性检验(P < 0.05)。值得注意的是2000年发生了一次重旱等级的春旱, 2001年春旱等级有所降低, 而2002年则是春季降水偏多的年份。无论GIMMS还是MODIS资料都能很好的反映出植被恢复的一个趋势, 表现为低NDVI覆盖面积显著减少, 高NDVI覆盖面积显著增大。
|
图 3 1982-2014年春季黄土高原NDVI变化趋势 Figure 3 Regional average of spring NDVI in the Loess Plateau from 1982 to 2014 |
从2000-2002年NDVI的对比上看, 两种资料在黄土高原平均的NDVI上比较接近(图 3), 2000年几乎相等, 2001年GIMMS略大于MODIS, 2002年MODIS略大于GIMMS。对不同区间NDVI所覆盖面积进行对比, 发现与GIMMS相比, MODIS产品给出的NDVI在低值区和高值区所覆盖面积都偏大, 而在中间值的覆盖面积偏小(图 4)。造成两种NDVI资料产生差异的原因可能来自于探测仪器以及遥感反演算法的差别, 具体原因不在本文的讨论范畴。考虑到两种NDVI数据的差异, 本文后面的讨论分别在1982-1999年和2000-2014年这两个时段进行。
|
图 4 2000-2002年春季GIMMS和MODIS在不同NDVI区间所占面积的比例 Figure 4 The ratio of coverage for different rages of NDVI in the Loess Plateau during the period of 2000-2002 |
在1982-1999年间, 黄土高原春季植被的增长主要集中在黄土高原东部, 包括山西及河南, 最大趋势可达0.015 a-1[图 5(a)]。其次, 在黄河流经的宁夏平原部分地区及河套平原地区, 关中盆地东部以及青海东部及甘肃东部等地区也有NDVI的显著增长, 速度可达0.01 a-1。NDVI减少的地区主要包括黄土高原中南部的陕甘宁交界处及山西河谷盆地地区, 趋势为-0.015 a-1。这个时段NDVI增长最为显著的区域包括山西大部, 内蒙古陕西交界地区, 青海东部地区, 关中盆地地区及河套平原地区。与之对比, NDVI显著减少的地区分布较为离散。
|
图 5 1982-1999年黄土高原春季植被时空演变的线性回归系数(a)及其t检验的显著水平(b) Figure 5 Linear regression coefficient (a) and its t-test significant level (b) of the spatial and temporal variations of spring vegetation cover over the Loess Plateau from 1982 to 1999 |
与1999年之前相比, 2000-2014年春季黄土高原NDVI(MODIS)的增长速率和显著性都有很大提高(图 6)。这个时段NDVI增长最为迅速也最为显著的区域主要位于陕北和陇东地区, 而NDVI显著且快速减少的区域也更加集中, 主要位于黄河流经的宁夏及内蒙的河套平原地区以及关中东部直至山西中部河谷地区。可以说, 在2000-2014年间, 黄土高原不同区域春季植被的线性变化比2000年之前要强烈, 其中NDVI减少的区域集中在河套地区以及高原东南部等人口密集、人类活动频繁的地区。
|
图 6 2000-2014年黄土高原春季植被时空演变的线性回归系数(a)及其t检验的显著水平(b) Figure 6 Linear regression coefficient (a) and its t-test significant level (b) of the spatial and temporal variations of spring vegetation cover over the Loess Plateau from 2000 to 2014 |
为了进一步说明黄土高原春季植被的变化特征, 需要对不同时段不同区间NDVI所占面积进行比较(表 2)。排除两种资料在2000年前后的差别, 在1982-2014年, 小于0.2的NDVI所占面积迅速减小, 而其他几个区间内的NDVI覆盖面积都有不同程度的增加, 尤其是大于0.4的NDVI的增加最为显著。GIMMS的结果显示, 到20世纪90年代末小于0.2的NDVI值覆盖面积相比较80年代初减少了29.3%; 而大于0.6的NDVI面积增加了接近50%。与之相比, 在2000-2014年, 小于0.2的NDVI覆盖面积减少了35.2%;而大于0.6的NDVI面积增幅只有26.3%。因此, 2000年之后黄土高原植被恢复的加速, 主要由0.2~0.4区间NDVI的覆盖面积增大贡献; 对于大于0.4的NDVI区间所覆盖面积, 在2000年之后的面积增长实际上不如2000年之前。
|
|
表 2 黄土高原不同NDVI区间不同时段的覆盖面积 Table 2 Coverage area for different ranges of NDVI over the Loess Plateau |
黄土高原平均NDVI平均值在20世纪80年代初为0.178, 而在2010年后年达到0.243, 增加超过三分之一。黄土高原4个气候带内区域平均的春季NDVI尽管都在增长(表 3), 但速率却存在差异。无论在1982-1999年还是2000-2014年, 不同气候带平均NDVI的增速排序均是黄土高原2区>1区>3区>整体>4区。但注意到2000年之前, 2区NDVI增速要明显大于其他区, 但在2000年之后, 1、2、3区的NDVI增速实际上非常接近。同时, 不考虑资料差异的原因, 4区的NDVI增长在2000年之后也比2000年之前慢。因此, 可以说黄土高原在近十多年的快速植被恢复, 主要发生在年均降水量大于300 mm的地区。注意到在1980-2010年间, 4区的春季降水实际上略微增加的, 而其他区域春季降水都有减少的趋势。这种现象说明黄土高原春季植被与春季降水的长期变化之间并没有明显相关性。
|
|
表 3 黄土高原两个时段内的春季NDVI的均值及趋势对比 Table 3 The mean and trend of spring NDVI in two periods over the Loess Plateau |
尽管黄土高原春季植被与春季标准化降水蒸散指数的长期变化趋势并不一致, 但二者的年际变率还是有很多相似的地方。图 7给出了黄土高原各个分区区域平均的春季NDVI与SPEI序列的变化趋势, 图中的灰色横虚线对应SPEI±1值。对比1982-1999年的各降水区内NDVI与SPEI可以发现, 1区与2区NDVI与SPEI之间几乎没有相关性, 二者相关系数仅为0.08和0.04。同时注意到在1995年的黄土高原重度春旱年, 这两个地区NDVI都没有响应, 说明在这个两个降水充足地区, 植被对春旱(春季降水)的响应很小。3区与4区的相关系数分别为0.35和0.17;整体的相关系数是0.25。同时1995年春季NDVI都有一次明显的降低过程。去掉线性趋势后的相关系数略有上升, 四个分区和整体分别为0.11, 0.38, 0.58, 0.32和0.46。因此在2000年之前, 黄土高原旱区(3区和4区)的植被相比湿润区(1区和2区)更易受到干旱的影响, 说明旱区的植被对春旱更敏感。
|
图 7 近30年黄土高原整体及各区域春季NDVI与SPEI的变化趋势 高值和低值灰色虚线分别表示中度湿润和中度干旱 Figure 7 The overall and regional averaged NDVI and SPEI in the Loess Plateau in the recent thirty years. The gray dotted line of higher values and lower values represents moderate humid and moderate drought, respectively |
在2000-2014年, 四个降水分区中的相关系数分别为0.60, 0.46, 0.31和0.37, 且1区通过了95%的显著性检验, 整体的相关系数为0.52。四个区分别及整体去掉线性趋势后的相关系数四个区分别为0.42, 0.33, 0.50, 0.38和0.62; 其中整体通过了95%的显著性检验, 3区通过了90%的显著性检验。注意到这段时间除了2000年中度以上春旱, 2001年1区和2区中度春旱以及2013年2、3、4区中度干旱, 没有严重的春旱发生。
通过对比可以发现NDVI与SPEI的相关性在2000年之前和之后出现差异。这一方面有可能与两种NDVI数据的差异造成, 但也应当注意到2000年左右恰好是陕甘宁三省逐步开始逐步推行生态治理的时段, 尤其以“退耕还林”与“退牧还草”最为有代表性。这些政策限制了黄土高原人类农牧业活动, 客观上有利于植被对于气候信号(如干旱)产生自然的响应。
3.3 不同植被类型的特征 3.3.1 各植被类型NDVI变化黄土高原不同植被对于春季降水的长期趋势和年际变率可能存在不同的响应, 由此造成了不同地区之间的差异。由于本研究所采用的植被类型为2001年时的情景, 因此后面的讨论仅讨论2000-2014年的情况。如图 8所示, 选择农作物、草原、森林和灌丛这四种黄土高原主要的下垫面类型来进行讨论。农作物NDVI均值是0.356, 拟合趋势线为7.38×10-3 a-1; 草原NDVI均值为0.209, 趋势为5.04×10-3 a-1; 森林NDVI均值为0.610, 趋势为6.73×10-3 a-1; 灌丛NDVI均值为0.469, 趋势为6.20×10-3 a-1。可以看出, 各种典型植被类型的春季NDVI平均值大小关系为:森林>灌丛>农作物>草原, 而其趋势的排序则为:农作物>森林>灌丛>草原。但若比较春季NDVI的增幅, 森林, 灌丛, 农作物, 草地的增幅分别为26.48%, 32.08%, 55.76%和74.74%。因此可以说, 黄土高原植被恢复最显著的地区主要位于草原和农田。
|
图 8 2000-2014年春季主要植被类型的NDVI变化趋势 Figure 8 The variation trend of main spring vegetation types with NDVI during 2000-2014 |
分别选取2000-2014年春季NDVI及SPEI数据, 对植被状况与年春旱状况的相关性进行分析。NDVI和SPEI的相关性也与植被覆盖类型存在关系。黄土高原春季SPEI的第一模态与NDVI的相关系数场如图 9所示。满足信度检验的相关系数(也即相关系数大于0.497)的区域包括甘肃陇东、陕西北部、山西中部、宁夏东部以及内蒙古南部。而这些正的高相关区域中, 包括了整个高原25.20%的农作物、32.14%的草原、19.62%的灌丛以及31.62%的森林。因此, 通过比较可以看到, 草原对于春季干旱状况的年际变率最为敏感, 其次为森林和农作物, 灌丛最不敏感。
|
图 9 春季植被与SPEI EOF分析第一模态的相关系数空间分布(a)及不同值域相关系数对应典型植被类型的分布(b) Figure 9 The spatial distribution of spring vegetation and correlation coefficient of first leading EOF mode of SPEI over the Loess Plateau (a) and the correlation coefficient of different range corresponds to the distribution of typical vegetation types (b) |
不同下垫面对春季降水年际变率敏感性的差异原因复杂, 这里仅做简单的讨论。草本植物由于对地表浅层水分依赖较高, 因此尽管春季降水雨量不大, 但其对草原的影响还是非常显著。森林由于木本植物可以通过根系吸收到深层土壤水分, 因此其生长对于春季降水依赖较少。农作物由于有人类灌溉以及耕作技术(如铺设地膜)的影响, 对于春旱的响应较弱。灌丛对于春旱的响应最弱, 一个可能的原因是, 黄土高原的灌丛多沿着河道分布(见图 1), 如关中平原的渭河流域以及山西的汾河流域。这些地区由于有来自径流的稳定水分滋养, 因而其年际变化可能与春季降水并不完全一致。
3.3.3 各植被类型对春旱的响应阈值图 10给出了2000-2014年SPEI和不同植被类型的NDVI拟合曲线。从图 10中可以看出当SPEI为负值时, NDVI随着SPEI增大而增大; 当SPEI为正值且达到某一值后, NDVI值会逐渐减少, 这是由于植被对于水分的吸收是有一定范围的。对四个干旱等级分别计算, 得到轻旱、中旱、重旱、极旱时所对应的四种主要植被的NDVI值。从表 4可以看到, 不同植被对于春旱的响应存在差异。本文采用二次函数来拟合NDVI和SPEI的关系函数, 从结果来看, 除了草地, 多数植被都在SPEI=0附近达到自身NDVI的极大值。当SPEI=-1时, 不同类型植被的NDVI都有较好的响应, 森林、灌丛、农作物和草原的NDVI值分别降至0.551, 0.416, 0.297和0.174;而SPEI=-2时, 对应NDVI值进一步减小至0.449, 0.325, 0.239和0.143。
|
图 10 2000-2014年春季SPEI与不同植被类型拟合函数图 灰色虚线从左至右依次表示重度干旱、中度干旱和无旱 Figure 10 Fitting function diagram of SPEI and different vegetation types in spring. The gray dotted line from left to right represents severe drought, moderate drought and no drought, respectively |
|
|
表 4 黄土高原不同植被类型对春旱的响应阈值 Table 4 The response threshold of different vegetation types about spring drought over the Loess Plateau |
利用GIMMS和MODIS的归一化植被指数(NDVI)数据研究了黄土高原春季植被覆盖状况的时空变化特征及不同植被类型的NDVI变化和春季典型植被类型对于春旱的响应, 得出以下结论:
(1) GIMMS和MODIS两种NDVI资料描述的黄土高原植被覆盖度空间分布基本一致。无论在1982-1999年(GIMMS), 还是在2000-2014年(MODIS), 黄土高原大部分地区NDVI都呈线性增长; 其中2000年之后增长速度为2000年之前的4倍。
(2) 黄土高原春季NDVI与春季降水的线性变化并不相同。在年均降水量大于400 mm的区域, 近30年春季降水减少, 但这里的NDVI增长最为迅速。而在年均降水量小于300 mm的地区, 春季降水略有增加, 但当地NDVI的增长却是最缓慢的。
(3) 黄土高原2000-2014年NDVI增长最明显的地区是农田和草地, 其平均NDVI的增长比例超过50%;与之相比, 森林和灌丛NDVI的增长比例则较小。
(4) 在年际变率的比较上, 草原与森林NDVI与SPEI第一模态的相关程度最高, 其次是农作物, 最后是灌丛。这种差异除了与不同植被的耐旱程度有关外, 还可能与地理位置与人类活动存在关系。
黄土高原农业人口众多, 因此人类活动对土地利用类型的改变是当地植被覆盖变化的一个重要潜在原因, 这一点从陕甘宁三省的一些研究和政府报告中可以得到印证。截止2006年, 甘肃省共完成退耕还林983.3万亩, 以及宜林荒山荒地绿化1 330万亩, 使得全省植被覆盖率提高了3.35%(甘肃省退耕还林工程建设领导小组办公室, 2006;陈雪斌等, 2007);其中, 会宁县截止2009年底有4.48%的耕地转换成草地和林地(王超等, 2014;朱丹, 2008)。陕北在1997-2006年有50.37%耕地转换成林地和草地, 生态环境指数从1997年的0.145上升为2006年的0.157, 其增幅为8.28%(王耀宗, 2010), 其中长武县在1983-2009年间耕地处于持续减少, 而园地、林地和草地面积则持续增加(陈凤娟, 2011)。宁夏回族自治区自2000年开始实施退耕还林还草政策, 共完成退耕还林等面积达1 110.8万亩, 使宁夏草地的覆盖率由30%提高到70%, 水土流失得到有效遏制(宁夏回族自治区西部开发办, 2006)。这些由政府引导的生态恢复建设工程可能很大程度上造成了黄土高原2000年之后农牧区NDVI显著的增长。由于农田受人类活动影响对干旱事件的响应相对于其他自然下垫面(如草地, 森林)较弱, 伴随生态工程的进一步推进, 未来黄土高原植被对于干旱事件的响应可能会更加剧烈。及时监测干旱强度和范围变化对于植被生长尤其是农作物出苗等是非常重要的, 通过本文研究, 建议使用多种干旱指数的同时, 可按照不同植被类型进行, 并且估算不同类型植被对于干旱响应的阈值来进行预测。
Brent N H. 1986. Characteristics of maximum-value composite images from temporal AVHRR data[J]. Int J Remote Sens, 7(11): 1417–1434.
DOI:10.1080/01431168608948945 |
|
Fang J, Song Y, Liu H, et al. 2002. Vegetation-climate relationship and its application in the division of vegetation zone in China[J]. Acta Botanica Sinica, 44(9): 1105–1122.
|
|
Feng X, Fu B, Lu N, et al. 2013. How ecological restoration alters ecosystem services:An analysis of carbon sequestration in China's Loess Plateau[J]. Scientific Reports, 3(5): 2846.
|
|
Mohammad A G, Adam M A. 2010. The impact of vegetative cover type on runoff and soil erosion under different land uses[J]. Catena, 81(2): 97–103.
DOI:10.1016/j.catena.2010.01.008 |
|
Paruelo J M, Epstein H E, Lauenroth W K, et al. 1997. ANPP estimates from NDVI for the Central Grassland Region of the United States[J]. Ecology, 78(3): 953–958.
DOI:10.1890/0012-9658(1997)078[0953:AEFNFT]2.0.CO;2 |
|
Salim H A, Chen X L, Gong J Y. 2008. Analysis of Sudan vegetation dynamics using NOAA-AVHRR NDVI data from 1982-1993[J]. Asian J Earth Sci, 1(1): 1–15.
|
|
Vicente-Serrano S M, Beguer A S, López-Moreno J I. 2010. A multiscalar drought index sensitive to global warming:The standardized precipitation evapotranspiration index[J]. J Climate, 23(7): 1696–1718.
DOI:10.1175/2009JCLI2909.1 |
|
Wang Q, Zhang Q P, Zhou W. 2012. Grassland coverage changes and analysis of the driving forces in Maqu county[J]. Physics Procedia, 33: 1292–1297.
DOI:10.1016/j.phpro.2012.05.213 |
|
Wang Z X. 2017. Boundary data of Loess Plateau region[J]. Journal of Global Change Data & Discovery, 1(1): 113.
DOI:10.3974/geodp.2017.01.17 |
|
He X B, Li Z B, Hao M D, et al. 2003. Down-scale analysis for water scarcity in response to soil-water conservation on Loess Plateau of China[J]. Agriculture, Ecosystems & Environment, 94(3): 355–361.
|
|
Xin Z B, Xu J X, Wei Z. 2008. Spatiotemporal variations of vegetation cover on the Chinese Loess Plateau (1981-2006):Impacts of climate changes and human activities[J]. Sci China (Earth Sci), 51(1): 67–78.
DOI:10.1007/s11430-007-0137-2 |
|
Yan J, Chen B, Fang S, et al. 2012. The response of vegetation index to drought:Taking the extreme drought disaster between 2009 and 2010 in Southwest China as an example[J]. J Remote Sens, 16(4): 720–737.
|
|
Young S S, Wang C Y. 2001. Land-cover change analysis of China using global-scale Pathfinder AVHRR Landcover (PAL) data, 1982-1992[J]. Int J Remote Sens, 22(8): 1457–1477.
|
|
Zhang B, Wu P, Zhao X, et al. 2012. Drought variation trends in different subregions of the Chinese Loess Plateau over the past four decades[J]. Agricultural Water Management, 115(115): 167–177.
|
|
Zhang B, Wu P, Zhao X, et al. 2014. Spatiotemporal analysis of climate variability (1971-2010) in spring and summer on the Loess Plateau, China[J]. Hydrological Processes, 28(4): 1689–1702.
DOI:10.1002/hyp.9724 |
|
陈凤娟, 2011.近30年来长武县土地利用/覆盖变化及其驱动力研究[D].杨凌: 西北农林科技大学, 1-56.
Chen F J, 2011.Land use/cover changes and its driving force research in last 30 years in Changwu county[D].Yangling: Northwest A & F University, 1-56.
|
|
陈雪斌, 陈晓妮, 苏强. 2007. 甘肃省退耕还林后续政策调查研究[J]. 甘肃林业科技, 32(3): 33–35.
Chen X B, Chen X N, Su Q. 2007. Study on successive policy of returning farm land to forest engineering of Gansu Province[J]. Journal of Gansu Forestry Science and Technology, 32(3): 33–35.
DOI:10.3969/j.issn.1006-0960.2007.03.009 |
|
甘肃省退耕还林工程建设领导小组办公室, 2006.甘肃省退耕还林工程建设及后续政策调研情况汇报[R].2006-6-24.
The leading group office of the project of returning farmland to forestry in Gansu Province, 2006.Report on the project of returning farmland to forestry and the follow-up policy research[R].2006-6-24.
|
|
郭铌, 朱燕君, 王介民, 等. 2008. 近22年来西北不同类型植被NDVI变化与气候因子的关系[J]. 植物生态学报, 32(2): 319–327.
Guo N, Zhu Y J, Wang J M, et al. 2008. The relationship between NDVI and climate elements for 22 years in different vegetation areas of Northwest China[J]. J Plant Ecology, 32(2): 319–327.
DOI:10.3773/j.issn.1005-264x.2008.02.008 |
|
李振朝, 韦志刚, 文军, 等. 2008. 近50年黄土高原气候变化特征分析[J]. 干旱区资源与环境, 22(3): 57–62.
Li Z C, Wei Z G, Wen J, et al. 2008. Analyses on climate variation characteristics over the Loess Plateau in recent 50 years[J]. J Arid Resour Environ, 22(3): 57–62.
DOI:10.3969/j.issn.1003-7578.2008.03.011 |
|
宁夏回族自治区西部开发办.关于宁夏实施退耕还林、退牧还草工程有关情况汇报[R].2006-6-16.
Ningxia Hui Autonomous Region western development office.Report on Ningxia Hui Autonomous Region of returning farmland to forest and returning grazing land to grass[R].2006-6-16.
|
|
钱正安, 宋敏红, 吴统文, 等. 2017a. 世界干旱气候研究动态及进展综述(Ⅰ):若干主要干旱区国家的研究动态及联合国的贡献[J]. 高原气象, 36(6): 1433–1456.
Qian Z A, Song M H, Wu T W, et al. 2017a. Review of advances in world arid climate research (Ⅰ):Development and contribution of some main dryland countries and the UN[J]. Plateau Meteor, 36(6): 1433–1456.
DOI:10.7522/j.issn.1000-0534.2017.00075 |
|
钱正安, 宋敏红, 吴统文, 等. 2017b. 世界干旱气候研究动态及进展综述(Ⅱ):主要研究进展[J]. 高原气象, 36(6): 1457–1476.
Qian Z A, Song M H, Wu T W, et al. 2017b. Review of advances in world dryland climate research (Ⅱ):Main investigation progress[J]. Plateau Meteor, 36(6): 1457–1476.
DOI:10.7522/j.issn.1000-0534.2017.00076 |
|
宋怡, 马明国. 2007. 基于SPOT VEGETATION数据的中国西北植被覆盖变化分析[J]. 中国沙漠, 27(1): 89–93.
Song Y, Ma M G. 2007. Study on vegetation cover change in Northwest China based on SPOT vegetation data[J]. Journal of Desert Research, 27(1): 89–93.
DOI:10.3321/j.issn:1000-694X.2007.01.021 |
|
孙红雨, 王长耀, 牛铮, 等. 1998. 中国地表植被覆盖变化及其与气候因子关系——基于NOAA时间序列数据分析[J]. 遥感学报, 2(3): 204–210.
Sun H Y, Wang C Y, Niu Z, et al. 1998. Analysis of the vegetation cover change and the relationship between NDVI and environmental factor by using NOAA time series data[J]. J Remote Sens, 2(3): 204–210.
|
|
孙淑清. 1999. 近五十年来华北地区旱涝特征与全球变化的研究及对未来趋势的探讨[J]. 高原气象, 18(4): 541–551.
Sun S Q. 1999. A study on the features of drought and flood in north China in recent 50 years and relations between them and global changes[J]. Plateau Meteor, 18(4): 541–551.
DOI:10.3321/j.issn:1000-0534.1999.04.009 |
|
王超, 甄霖, 杜秉贞, 等. 2014. 黄土高原典型区退耕还林还草工程实施效果实证分析[J]. 中国生态农业学报, 22(7): 850–858.
Wang C, Zhen L, Du B Z, et al. 2014. Assessment of the impact of Grain for Green project on farmers' livelihood in the Loess Plateau[J]. Chinese Journal of Eco-Agriculture, 22(7): 850–858.
|
|
王丹云, 吕世华, 韩博, 等. 2017. 近30年黄土高原春季降水特征与春旱变化的关系[J]. 高原气象, 36(2): 395–406.
Wang D Y, Lü S H, Han B, et al. 2017. The characteristics of spring precipitation and their connections with the spring drought over the Loess Plateau during last three decades[J]. Plateau Meteor, 36(2): 395–406.
DOI:10.7522/j.issn.1000-0534.2016.00121 |
|
王光谦, 张长春, 刘家宏, 等. 2006. 黄河流域多沙粗沙区植被覆盖变化与减水减沙效益分析[J]. 泥沙研究, 2(2): 10–16.
Wang G Q, Zhang C C, Liu J H, et al. 2006. Analyses on the variation of vegetation coverage and water/sediment reduction in the rich and coarse sediment area of the Yellow River basin[J]. Journal of Sediment Research, 2(2): 10–16.
DOI:10.3321/j.issn:0468-155X.2006.02.002 |
|
王林, 陈文. 2014. 标准化降水蒸散指数在中国干旱监测的适用性分析[J]. 高原气象, 33(2): 423–431.
Wang L, Chen W. 2014. Applicability analysis of standardized precipitation evapotranspiration index in drought monitoring in China[J]. Plateau Meteor, 33(2): 423–431.
DOI:10.7522/j.issn.1000-0534.2013.00048 |
|
王萍, 李廷全, 闫平, 等. 2005. 近年黑龙江省春旱频繁发生的研究分析[J]. 自然灾害学报, 14(3): 95–98.
Wang P, Li Y Q, Yan P, et al. 2005. Study on frequent occurrence of spring drought in Heilongjiang Province in recent years[J]. J Natural Disaster, 14(3): 95–98.
DOI:10.3969/j.issn.1004-4574.2005.03.016 |
|
王耀宗, 2010.陕北黄土高原退耕还林还草工程生态效益评价[D].杨凌: 西北农林科技大学, 1-55.
Wang Y Z, 2010.Evaluate effect of converting cultivated land to forest in north Shannxi Province of Loess Plateau[D].Yangling: Northwest A & F University, 1-55.
http://cdmd.cnki.com.cn/Article/CDMD-10712-2010149186.htm |
|
王毅荣, 张强, 江少波. 2011. 黄土高原气候环境演变研究[J]. 气象科技进展, 1(2): 38–42.
Wang Y R, Zhang Q, Jiang S B. 2011. A review of recent study advances in climatic environment on China Loess Plateau[J]. Adv Meteor Sci Technol, 1(2): 38–42.
|
|
谢宝妮, 秦占飞, 王洋, 等. 2014. 黄土高原植被净初级生产力时空变化及其影响因素[J]. 农业工程学报, 30(11): 244–253.
Xie B N, Qin Z F, Wang Y, et al. 2014. Spatial and temporal variation in terrestrial net primary productivity om Chinese Loess Plateau and its influential factors[J]. Transactions of the Chinese Society of Agricultural Engineering, 30(11): 244–253.
DOI:10.3969/j.issn.1002-6819.2014.11.030 |
|
谢宝妮, 2016.黄土高原近30年植被覆盖变化及其对气候变化的响应[D].杨凌: 西北农林科技大学, 1-176.
Xie B N, 2016.Vegetation dynamics and climate change on the Loess Plateau, China: 1982-2014[D].Yangling: Northwest A & F University, 1-176.
http://cdmd.cnki.com.cn/Article/CDMD-10712-1016175352.htm |
|
信忠保, 许炯心, 郑伟. 2007. 气候变化和人类活动对黄土高原植被覆盖变化的影响[J]. 中国科学:地球科学, 37(11): 1504–1514.
Xin B Z, Xu J X, Zheng W. 2007. Effects of climate change and human activities on vegetation cover change in the Loess Plateau[J]. Science in China Press:Geoscience, 37(11): 1504–1514.
|
|
徐永明, 张宇, 白琳. 2016. 基于遥感数据监测若尔盖高原植被覆盖度变化[J]. 高原气象, 35(3): 643–650.
Xu Y M, Zhang Y, Bai L. 2016. Study on the spatio-temporal variations of vegetation fraction in Zoige based on remote sensing data[J]. Plateau Meteor, 35(3): 643–650.
DOI:10.7522/j.issn.1000-0534.2015.0040 |
|
叶燕华, 郭江勇, 王风. 2004. 黄土高原春季降水的气候特征分析[J]. 干旱地区农业研究, 22(1): 11–17.
Ye Y H, Guo J Y, Wang F. 2004. The climate feature of spring precipitation on the Loess Plateau[J]. Agricultural Research in the Arid Areas, 22(1): 11–17.
DOI:10.3321/j.issn:1000-7601.2004.01.003 |
|
张宝庆, 吴普特, 赵西宁. 2011. 近30a黄土高原植被覆盖时空演变监测与分析[J]. 农业工程学报, 27(4): 287–293.
Zhang B Q, Wu P T, Zhao X N. 2011. Detecting and analysis of spatial and temporal variation of vegetation cover in the Loess Plateau during 1982-2009[J]. Transactions of the Chinese Society Agricultural Engineering, 27(4): 287–293.
DOI:10.3969/j.issn.1002-6819.2011.04.051 |
|
张强, 韩兰英, 张立阳, 等. 2014. 论气候变暖背景下干旱和干旱灾害风险特征与管理策略[J]. 地球科学进展, 29(1): 80–91.
Zhang Q, Han L Y, Zhang L Y, et al. 2014. Analysis on the character and management strategy of drought disaster and risk under the climate warming[J]. Advance in Earth Science, 29(1): 80–91.
|
|
张强, 潘学标, 马柱国, 等. 2009. 干旱[M]. 北京: 气象出版社, 1-198.
Zhang Q, Pan X B, Ma Z G, et al. 2009. Drought[M]. Beijing: China Meteorological Press, 1-198.
|
|
张强, 王胜, 张杰, 等. 2008. 关于黄土高原陆面过程及其观测试验研究[J]. 地球科学进展, 23(2): 167–173.
Zhang Q, Wang S, Zhang J, et al. 2008. The progresses on land surface processes and atmospheric boundary layer in arid regions[J]. Adv Earth Sci, 23(2): 167–173.
DOI:10.3321/j.issn:1001-8166.2008.02.007 |
|
张强, 张良, 崔显成, 等. 2011. 干旱监测与评价技术的发展及其科学挑战[J]. 地球科学进展, 26(7): 763–778.
Zhang Q, Zhang L, Cui X C, et al. 2011. Progresses and challenge in drought assessment and monitoring[J]. Adv Earth Sci, 26(7): 763–778.
|
|
张金屯, 李斌. 2003. 黄土高原地区植被与气候的关系[J]. 生态学报, 23(1): 82–89.
Zhang J T, Li B. 2003. Analysis of relationships between vegetation and climate variables in Loess Plateau[J]. Acta Ecological Sinca, 23(1): 82–89.
DOI:10.3321/j.issn:1000-0933.2003.01.011 |
|
张甜, 彭建, 刘焱序, 等. 2015. 基于植被动态的黄土高原生态地理分区[J]. 地理研究, 34(9): 1643–1661.
Zhang T, Peng J, Liu Y X, et al. 2015. Eco-geographical regionalization in Loess Plateau based on the dynamic consistency of vegetation[J]. Geographical Research, 34(9): 1643–1661.
|
|
张文帅, 2014.陕甘宁黄土高原区NDVI变化及其在土地利用变化检测中的适宜性[D].北京: 中国科学院研究生院(教育部水土保持与生态环境研究中心), 1-77.
Zhang W S, 2014.NDVI change and its suitability in land use change detection on Loess Plateau in Shaan-Gan-Ning region[D].Beijing: Research Center of Soil and Water Conservation and Ecological Environment, Chinese Academy of Sciences and Ministry of Education, 1-77.
http://cdmd.cnki.com.cn/article/cdmd-80129-1014052043.htm |
|
赵文智, 程国栋. 2001. 干旱区生态水文过程研究若干问题评述[J]. 科学通报, 46(22): 1851–1857.
Zhao W Z, Cheng G D. 2001. Review on some problems of ecological hydrological process in arid area[J]. Chinese Sci Bull, 46(22): 1851–1857.
DOI:10.3321/j.issn:0023-074X.2001.22.002 |
|
中国科学院中国植被图编辑委员会, 2001.中国植被图集1: 1 000 000[C]//北京: 科学出版社.
Editorial board of the vegetation map of China, Chinese Academy of Science, 2001.Atlas of Chinese vegetation 1: 1 000 000[C]//Beijing: Science Press.
|
|
朱丹, 2008.黄土高原地区退耕还林还草模式及可持续发展研究[D].兰州: 兰州大学, 1-53.
Zhu D, 2008.Elementary study on the models and the sustainable eco-economy about the Returning Farmland to Forestry or Pasture (RFFP) in Loess Plateau of China[D].Lanzhou: Lanzhou University, 1-53.
http://cdmd.cnki.com.cn/Article/CDMD-10730-2008163796.htm |
|
朱芬萌, 2001.陕西黄土高原生态环境重建技术对策研究[D].杨凌: 西北农林科技大学, 1-79.
Zhu F M, 2001.Technological countermeasures for rehabilitation of ecological environment in Loess Plateau in Shaanxi Province[D].Yangling: Northwest A & F University, 1-79.
http://cdmd.cnki.com.cn/Article/CDMD-10712-2001010757.htm |
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. College of Atmospheric Sciences, Chengdu University of Information Technology Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, Chengdu 610225, Sichuan, China;
4. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, Jiangsu, China;
5. Guangdong Province Key Laboratory for Climate Change and Natural Disaster Studies, School of Atmospheric Sciences Sciences, Sun Yat-Sen University, Zhuhai 519082, Guangdong, China;
6. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China