1982—2012年中國植被覆蓋時空變化特征

劉憲鋒，朱秀芳,*，潘耀忠，李宜展，趙安周

1 北京師范大學地表過程與資源生態國家重點實驗室，北京 100875

2 北京師范大學資源學院，北京 100875

1982—2012年中國植被覆蓋時空變化特征

劉憲鋒1,2，朱秀芳1,2,*，潘耀忠1,2，李宜展1,2，趙安周1,2

1 北京師范大學地表過程與資源生態國家重點實驗室，北京 100875

2 北京師范大學資源學院，北京 100875

利用GIMMS NDVI、MODIS NDVI和氣象數據，輔以趨勢分析、分段回歸以及相關分析等方法，分析了1982—2012年我國植被NDVI時空變化特征及其驅動因素。結果表明：(1)近30年我國植被NDVI呈緩慢增加趨勢，增速為0.2%/10a；植被覆蓋變化階段性特征明顯：即1982—1997年和1997—2012年植被覆蓋均呈顯著增加趨勢，增速分別為1.2%/10a和0.6%/10a，均通過顯著水平0.05的檢驗。(2)空間上，我國陜北黃土高原、西藏中西部以及新疆準格爾盆地等地區植被NDVI呈顯著增加趨勢；而東北地區的大、小興安嶺和長白山、新疆北部的天山和阿爾泰山以及黃河源和秦巴山區等地區植被NDVI呈顯著下降趨勢，其中東北地區和新疆北部山區下降尤為顯著，說明近年來我國中高緯度山區植被活動呈下降趨勢。(3)不同區域植被對氣溫和降水的響應存在差異，我國北方地區植被對氣溫具有較長的響應持續時間；而除云南外，南方地區植被對降水的響應時間存在1—3個月的響應時間，且隨著滯后時間的延長，相關性逐漸增大。(4)我國植被覆蓋增加是氣候變化和人類活動共同驅動的結果，尤其是1999年之后人類活動影響逐漸加強。而我國東北地區和新疆北部山區植被覆蓋的下降可能是由于該區降水減少所致，東南沿海地區植被退化則受城市化影響顯著。

植被覆蓋；時空變化；氣候變化；時滯分析；中國

全球氣候變化與陸地生態系統的關系是全球變化科學研究中的核心內容之一[1]。IPCCAR5顯示，1951—2012年全球平均氣溫上升0.72 ℃(0.49—0.89 ℃)，其中1983—2012年成為北半球過去800年來最暖的30年[2]，氣候的劇烈變化無疑會對陸地生態系統造成嚴重影響。植被作為陸地生態系統的主體，既是氣候變化的敏感指示器[3- 4]，同時也通過與大氣之間的能量、水分和物質交換反作用于氣候[5- 6]。目前，植被與氣候變化的關系研究受到了國內外學者的廣泛關注與研究，其中Myneni等[7]和Tucker等[8]基于NDVI數據研究了北半球高緯度地區植被變化情況，結果表明：在氣候變暖背景下，北半球植被活動顯著增強，而同樣的植被變化趨勢在中國也被檢測出來[9]。相反，植被覆蓋的變化引起了地表下墊面性質及其他生物化學過程的改變，從而對區域氣候產生影響[10]，已有研究表明，我國退耕還林區植被覆蓋的增加導致晝間氣溫下降，夜間氣溫升高，從而造成晝夜溫差減小[11]。

在全球變暖背景下，近50年(1960—2009)我國地表平均氣溫升高了1.38 ℃，遠高于全球或北半球同期平均增溫速率[12]。顯著的氣候變暖勢必會對陸地生態系統造成嚴重影響，尤其表現在植被覆蓋的變化[13- 14]。我國學者針對中國東部[15]、西北地區[16- 17]、青藏高原[18]、黃土高原[19]、內蒙古[20]以及三江源[21]等地區植被覆蓋變化做了大量研究工作。以上研究成果從區域尺度很好地揭示了植被覆蓋變化及其與氣候因子的關系，并得出了有意義的結論。然而，關于全國尺度植被變化的宏觀格局認識仍較為缺乏，尤其是長時間尺度的時空變化特征更是鮮有報道。此外，另有研究表明，歐亞大陸的植被覆蓋增加趨勢在20世紀80—90年代期間逐漸變緩并趨于停滯、甚至部分地區呈下降趨勢[22- 23]，如1996年前后東亞地區植被覆蓋變化趨勢發生翻轉，由增加趨勢變為下降趨勢[24]。植被對氣候變化的這種響應引起了學界的廣泛關注，其中樸世龍[10]和張鐿鋰[25]分別對歐亞大陸和青藏高原部分地區的植被變化趨勢進行了探討，二者均檢測出了植被變化的轉折現象。綜上可以看出，上述研究成果加深了我們對植被覆蓋變化的認識水平。植被覆蓋狀況作為重要的生態指示因子，有必要進一步加強其變化特征及歸因的研究，以全面認識植被覆蓋的時空變化特征及其影響因素，保障生態安全。

我國位于東亞季風區，對全球氣候變化的響應極為敏感，全球氣候變化已對我國植被覆蓋造成顯著影響[26]。與此同時，近年來我國植被覆蓋經歷了最強烈的人類活動干擾，如退耕還林還草工程、三北防護林工程的實施。然而，關于我國植被覆蓋變化的宏觀特征及其長期趨勢尚不明晰?；谏鲜稣J識，本文利用GIMMS-NDVI、MODIS-NDVI數據和氣象數據，輔以分段線性回歸模型、趨勢分析以及相關分析等手段，分析了1982—2012年我國植被生長季NDVI的時空變化特征及驅動因素。綜合評價我國近30 a植被NDVI的時空變化特征不僅能夠正確認識氣候變化對我國植被生長的影響，并且能夠正確評價我國退耕還林還草等生態恢復工程的實施效果，為進一步生態恢復工程的實施及生態文明的建設提供基礎數據。

1 材料與方法

1.1 數據來源及預處理

1.1.1 GIMMS NDVI數據與處理

本文所用GIMMS NDVI數據為美國馬里蘭大學GLCF(Global Land Cover Facility)研究組生產的15d最大合成數據[27]，其空間分辨率為8 km × 8 km，該數據是目前時間序列最長的NDVI數據集，時間跨度為1982—2006年。在數據制備過程中已經過輻射校正和幾何校正、除云、除火山氣溶膠等預處理，并且利用沙漠控制點進行驗證，保證了數據質量，與其他NDVI數據相比，其誤差小，精度較高，已被廣泛應用于全球及區域植被變化研究[12]。在數據處理過程中，本文采用最大合成法(MVC)進一步消除了云、大氣等異常值的影響[28]。

1.1.2 MODIS NDVI數據與處理

本文采用另一遙感數據為月最大合成MODIS NDVI數據，空間分辨率為1 km×1 km，時間跨度為2000—2012年，取自美國國家航空航天局(NASA)的EOSMODIS數據產品(http://e4ftl01.cr.usgs.gov)。與GIMMS NDVI相比，該數據具有更高的分辨率和更穩定的影像質量，在監測和評價陸地植被變化的能力要優于前者[27]。在數據處理過程中，采用MODIS Reprojection Tools(MRT)軟件對下載的原始數據進行格式轉換、投影轉換、數據拼接、裁切等預處理。為與GIMMS NDVI數據格式保持一致，本文將MODIS NDVI數據重采樣為8 km × 8 km分辨率的影像。另外，為消除低植被覆蓋區的影響，本文將多年平均NDVI值大于0.1的區域定義為植被區域，并進一步定義每年的4—10月為該年份的生長季。

1.1.3 GIMMS NDVI與MODIS NDVI的一致性分析與處理

由于兩種NDVI數據采用了不同的傳感器，因此在數據融合之前需要對兩種數據進行一致性檢驗[19]。本文采用的GIMMS NDVI時間范圍為1982—2006年，MODIS NDVI數據的時間范圍為2000—2012年。首先將兩種數據源的重合年份進行時序分析，2000—2002年之間具有較好的一致性，因此文中采用以上3個年份的生長季逐月數據進行相關性分析，并求得相關系數分別為0.984、0.989和0.998，均通過了0.001的置信度檢驗。事實上，以上相關分析存在年內生長周期的影響，為消除此影響，本文進一步對生長季的逐月數據進行7步長滑動平均處理，將處理后的數據重新進行相關性分析，發現2001和2002年相關性系數分別為0.45和0.99，僅2002年通過了0.001置信度水平的檢驗。因此，本文采用2002年的兩種NDVI數據進行所有像元的擬合，即MODIS NDVI(MNDVI)作為自變量，GIMMS NDVI(GNDVI)作為因變量，獲取二者回歸方程，從而實現兩種數據的融合。根據計算，擬合方程為：GNDVI = 0.7153×MNDVI+0.1171(樣本量為143150，R2=0.7281，P<0.001)。需說明的是，由于2003—2006年的GIMMS NDVI數據與MODIS NDVI和SPOT NDVI均表現出較大的差異，因此，本文采用上述擬合方程對2003—2012年的GIMMS NDVI數據進行插補。

1.1.4 氣象數據

為保證資料的完整性和連續性，建立均一、穩定的氣候序列，本研究共選取研究區578個氣象臺站的月平均氣溫和月降水量數據，資料時間跨度為1982—2012年，來源于中國氣象科學數據共享服務網(http://cdc.cma.gov.cn)。所選站點均經過了嚴格的質量檢查和控制，保證了數據的質量。

1.2 研究方法

1.2.1 趨勢分析

一元線性回歸分析能夠模擬每個柵格的變化趨勢，該方法是指在一定時間內，采用最小二乘法逐像元擬合年均NDVI的斜率，用以綜合反映植被覆蓋的時空演變特征[29]：

(1)

式中，Slope為變化趨勢；NDVIi為第i年的NDVI值；n為研究時序；當Slope>0時，表明NDVI呈增加趨勢；當Slope<0時，表明NDVI呈下降趨勢。

1.2.2 分段線性回歸

為了檢測1982—2012年我國植被覆蓋變化趨勢的持續性，本文采用分段線性回歸模型進行分析[30]。由于該模型能夠較好地提取長時間序列數據變化的轉折點，從而有效彌補普通線性回歸模型無法真實反映長時間序列變化趨勢的缺陷，已被廣泛應用于植被與氣候變化趨勢分析[31]：

(2)

式中，y表示NDVI；t為年份；α是檢測出的時間序列轉折點；β0為截距；β1和β1+β2分別表示轉折點前后的斜率；ε表示殘差。以上各項系數均由最小二乘法求得，并定義P< 0.05為顯著變化。

1.2.3 偏相關分析

地理系統是一個多要素構成的復雜巨系統，系統中任何一個要素的變化必然影響到其他要素的變化，而偏相關分析可以有效解決這個問題。它是指研究某一要素與另一要素的相關程度時，將其他要素的影響視為常數的方法[32]：

(3)

式中，rxy·z表示變量z固定后變量x與y的偏相關系數；rxy、rxz、ryz分別x與y、x與z、y與z之間的相關系數。

2 中國植被覆蓋時空變化特征

2.1 時間變化特征

2.1.1 全國尺度

圖1 1982—2012年中國生長季NDVI年際變化 Fig.1 Inter-annual variations of growing season NDVI over China during 1982—2012

1982—2012年中國植被NDVI呈緩慢增加趨勢，增速為0.2%/10a，未通過顯著性檢驗(圖1)。通過分段線性分析，我們發現近30年中國植被NDVI變化主要分為兩個階段：(1)1982—1997年呈顯著增加趨勢，增速達1.2%/10a(P<0.05)；(2)1997—2012年增加趨勢小于前一時期，為0.6%/10a(P<0.05)。1997—1998年植被NDVI迅速下降，將兩年NDVI進行相減，統計得出有61%的像元呈下降趨勢，其原因可能是該時期強厄爾尼諾事件導致大氣環境的改變，進而對植被覆蓋造成影響。由于1997年NDVI值對后一階段植被變化趨勢存在顯著影響，為此，進一步計算了1998—2012年的植被NDVI變化趨勢，結果顯示該時段植被覆蓋呈極顯著增加趨勢，增速為1.0%/10a(P<0.01)。以上分析表明，近30年我國植被NDVI呈增加趨勢，但是不同階段增速有所差異。

2.1.2 像元尺度

空間平均值可以表征植被NDVI整體變化趨勢，但由于存在不同區域變化趨勢相反，進而相互抵消的情況，所以不能很好地描述不同區域的變化特征。因此，基于一元回歸模型，在像元尺度上分析了近30年植被NDVI變化趨勢，并對計算結果進行顯著性檢驗。1982—2012年植被NDVI呈增加和減少趨勢的面積分別占53.79%和46.21%，其中極顯著增加區域(P<0.01)占29.32%，主要分布在黃土高原、青藏高原中西部、祁連山西段、新疆準葛爾盆地以及云南的部分地區；而極顯著減少地區(P<0.01)占23.89%，主要分布在東北地區的大、小興安嶺和長白山、新疆的阿爾泰山和天山、青藏高原的東部以及東南沿海等地區(圖2a—b)。

依據分段結果，進一步分析了1982—1997年(時期1)和1997—2012年(時期2)的變化趨勢，發現，兩個時間段內植被NDVI變化的空間格局具有顯著的差異。時期1內植被NDVI呈增加和減少趨勢的面積分別占61.09%和38.91%，其中不顯著增加的面積占45.90%，而極顯著增加的面積僅占4.97%，且主要分布在40°N以北的東北平原和黃土高原北部地區(圖2c—d)。時期2內植被NDVI呈增加和減少趨勢的面積分別占54.69%和45.31%，其中極顯著增加(P<0.01)區域占27.89%，主要分布在110°E以西地區；極顯著減少(P<0.01)區域占19.96%，主要分布在東北地區的大興安嶺和小興安嶺、新疆的天山和阿爾泰山、祁連山東段、黃河源以及東部沿海等地區(圖2e—f)。上述分析表明，近30年我國中高緯度山區植被活動呈下降趨勢。

2.2 空間分布特征

在空間上，我國植被NDVI整體呈東南、東北高、西北低的空間格局，高值區主要分布在東北地區、華北地區、華中和華南地區以及東南沿海等地，其原因是該地區主要植被類型為落葉針葉林、針葉闊葉混交林、溫帶落葉闊葉林、常綠闊葉林區域以及熱帶季雨林和雨林；低值區主要分布在內蒙古中西部、新疆大部分地區以及青藏高原中西部，這些地區主要為草原區、荒漠區以及青藏高原高寒植被區(圖3a)。由頻度分布圖可以看出(圖3b)，我國植被NDVI呈“雙峰”結構，且NDVI值介于0.6—0.8的區域所占比例高達48.80%，遠高于NDVI值介于0.1—0.3的區域(20.17%)，而值域在0.3—0.5的區域共占25.33%。這種空間分布形式說明我國高植被覆蓋與低植被覆蓋區域差異顯著。

3 影響因素分析

3.1 氣候因子變化趨勢

1982—2012年中國氣溫呈增加趨勢，增速為0.04 ℃/a(-0.05—0.15 ℃/a)。在空間上，97.06%的站點呈增加趨勢，其中增溫趨勢較大的地區主要分布在我國西北地區和西藏等地；而氣溫呈減少趨勢的站點主要分布在我國東北地區的大興安嶺、新疆北部的天山、華北平原等地(圖4)。同期全國平均降水呈減少趨勢(-0.54 mm/a)，其中呈減少和增加趨勢的站點分別占53.11%和46.89%，且減少站點集中分布在100° E以東地區，包括東北地區、華北北部、長江中下游、西南地區以及東南沿海等地，而新疆的天山和阿爾泰山部分地區也呈減少趨勢(圖4)。

3.2 NDVI與氣候因子的相關分析

為保證數據精度及結果的可靠性，文中植被NDVI對氣候因子的響應采用逐站點偏相關的方法，具體步驟為：1)以氣象站點為中心，逐月提取站點周邊3 km×3 km范圍內的NDVI平均值，作為該站點的NDVI值；2)基于NDVI提取結果，逐站點計算NDVI與氣溫和降水的偏相關系數。

在年尺度上，中國植被NDVI與同期氣溫并未呈現出較好的相關性，僅有38.06%的站點呈正相關關系，其中6.06%和9.69%的站點分別通過0.01和0.05的顯著性檢驗，且主要分布在青藏高原和內蒙古中西部地區；而NDVI與降水量有53.98%的站點呈正相關關系，且主要分布在中國北方和青藏高原中西部地區，通過0.01和0.05的顯著性檢驗的站點分別占5.88%和11.25%(圖略)。

由于植被生長對水熱條件的改變存在一定的滯后性，因此年尺度的相關性會掩蓋部分信息，并不能很好地解釋植被與氣溫、降水的相關性，因此本文進一步從月尺度分析了中國植被NDVI與氣溫、降水的相關性。

圖3 中國植被NDVI空間分布(a)及頻度分布(b)Fig.3 Spatial distribution of NDVI (a) and its frequency distribution (b) in China

圖4 1982—2012年中國年均氣溫和年降水量變化趨勢空間分布圖Fig.4 Spatial distribution of change trend of annual mean temperature and annual cumulative precipitation in China during 1982—2012

植被NDVI與當月氣溫具有顯著相關性的區域主要分布在東北地區、新疆北部、甘肅中東部以及華中、華南等地(圖5a)；NDVI與前1個月相關性空間格局與當月相似，明顯不同的地區主要為河北、山西以及陜西北部等農牧交錯帶地區(圖5b)；而植被NDVI與前2個月氣溫的相關性有所減弱，存在較高相關性的區域主要分布在東北地區、北方農牧交錯帶、西藏南部、青海東部、四川西部以及東南沿海部分地區(圖5c)；NDVI與前3個月氣溫的相關性與前兩個月相似，僅東南沿海地區相關性進一步減弱(圖5d)。綜上可以看出，中國北方地區植被對氣溫具有較長的響應時間，尤其表現在東北地區和北方農牧交錯帶地區；而南方地區植被對氣溫則存在0—1個月的響應時間。

圖5 月NDVI與當月(a)、前1個月(b)、前2個月(c)、前3個月(d)氣溫偏相關系數空間分布Fig.5 Spatial distribution of partial correlation coefficients between monthly NDVI and the current temperature (a), the preceding month temperature (b), temperature of two preceding months (c), and temperature of three preceding months (d)

植被NDVI與當月降水具有顯著正相關的區域主要分布東北地區、內蒙古中部、河北、山西、陜西、新疆北部、甘肅和青海東部、西藏南部以及云南等地區(圖6a)；全國大部分地區NDVI與前1個月降水呈顯著正相關關系(圖6b)。值得注意的是，除內蒙古中西部、新疆、青海北部等地區之外，中國北方大部分地區與前2個月和前3個月的降水均呈負相關關系(圖6c—d)，而華中、華南以及東南地區則與同期降水呈顯著正相關關系，尤其是NDVI與前3個月降水關系更為顯著。由此說明，我國北方地區植被對降水的響應主要有0—1個月的響應時間；而除云南外，我國南方地區植被對降水的響應時間存在1—3個月的響應時間，并且隨著滯后時間的延長，相關性逐漸加強。

圖6 月NDVI與當月(a)、前1個月(b)、前2個月(c)、前3個月(d)降水量偏相關系數空間分布Fig.6 Spatial distribution of partial correlation coefficients between monthly NDVI and the current temperature (a), the preceding month temperature (b), temperature of two preceding months (c), and temperature of three preceding months (d)

通過分析植被對氣候因子的滯后時間，可以發現，植被對氣溫的響應不存在滯后時間的站點占40.83%，且主要分布在東北地區的大、小興安嶺和長白山、新疆的天山和阿爾泰山、甘肅中東部以及長江中下游地區；存在1個月滯后時間的站點占38.24%，主要分布在東北平原、山西、四川西部以及東南沿海等地區；存在2個月滯后時間的站點僅占4.67%，零星分布在內蒙古西部、廣東和廣西的南部以及云南部分地區；而存在3個月滯后時間的站點共占16.26%，主要分布在內蒙古中部、華北平原、西藏中西部以及云南等地(圖7a)。植被對降水的響應不存在滯后時間的站點占27.34%，主要分布在大興安嶺、河北和河南北部、山西、陜南地區、甘肅中東部以及四川東部等地區；存在1個月滯后時間的站點占53.81%，并廣泛分布在東北、華北、西北、西南等地區；存在2個月和3個月滯后時間的站點分別占9.00%和9.86%，主要分布在東南沿海地區(圖7b)。

圖7 NDVI對氣溫(a)、降水(b)滯后時間分布Fig.7 Spatial pattern of time lag of NDVI to temperature (a) and precipitation (b)

3.3 人類活動影響分析

植被覆蓋變化是氣候變化和人類活動共同作用的結果，尤其是退耕還林還草等大面積生態恢復工程的實施，我國植被變化已深深記錄了人類活動的印記。本文分析了我國退耕還林工程的歷年累積造林面積與植被NDVI變化情況(圖8)，可以發現，自1999年退耕還林還草工程實施以來，我國造林面積持續上升，同時植被NDVI也表現出升高趨勢，說明近年來生態恢復工程的實施對我國植被覆蓋的增加起到了極大的促進作用，并取得了較好的效果。NDVI變化趨勢并未與造林面積嚴格一致，而是存在年際波動，尤其是2008年之后NDVI波動較大，表明近年來氣候波動對植被覆蓋具有重要影響。同時，城市化、過度放牧等人類活動勢必會對植被覆蓋造成負面影響。以上分析表明，我國植被覆蓋在氣候變化和人類活動等多重因素共同驅動下，呈現出波動上升趨勢。

圖8 退耕還林以來NDVI與歷年累積造林面積變化 Fig.8 Change of NDVI and accumulated afforestation area in China

4 結論與討論

(1)1982—2012年中國植被NDVI呈緩慢增加趨勢，增速為0.2%/10a，未通過顯著性檢驗。近30年植被變化的階段性特征顯著，其中1982—1997年和1997—2012年均呈顯著增加趨勢，增速分別為1.2%/10a和0.6%/10a，均通過了顯著水平0.05的檢驗。

(2)空間上，我國陜北黃土高原、西藏中西部以及新疆準格爾盆地等地植被NDVI呈顯著增加趨勢；而東北地區的大、小興安嶺、新疆北部的天山和阿爾泰山以及黃河源和秦巴山區等關鍵生態區和過渡帶植被NDVI呈顯著下降趨勢，其中東北地區和新疆北部山區下降尤為顯著，說明近年來我國中高緯度山區植被活動呈下降趨勢。

(3)不同區域植被對氣溫、降水的響應存在差異，我國北方地區植被對氣溫具有較長的響應時間；而除云南外，我國南方地區植被對降水的響應時間存在1—3個月的響應時間，并且隨著滯后時間的延長，相關性逐漸加強。

(4)我國植被覆蓋增加是氣候變化和人類活動共同驅動的結果，尤其是1999年之后人類活動影響逐漸加強，其中我國東北地區和新疆北部等植被覆蓋的下降可能是由降水的減少導致，東南沿海地區則受城市化的影響更為顯著。

已有研究指出，歐亞大陸的植被覆蓋增加趨勢在20世紀80—90年代期間逐漸變緩并趨于停滯、甚至部分地區呈下降趨勢[22- 23]，與本文研究結果存在差異，其原因可能是前人研究采用的是GIMMS NDVI，而本文對兩種數據進行了融合處理，由此表明不同數據源監測結果存在較大差異，甚至是相反的結論。因此，應加強不同數據源監測結果的對比研究，以獲得更加可靠的結論。近年來中高緯度山區、關鍵生態過渡帶、關鍵生態區的植被活動在下降，而這些地區對我國生態安全具有舉足輕重的作用。然而，目前對這些區域的本底知識仍然相對缺乏，有待進一步加強研究，以揭示其時空變化機理。同時，我國植被對氣溫和降水的滯后響應存在差異，主要表現為區域之間、不同地形之間的差異顯著。本文從宏觀尺度上揭示了植被對氣候因子的響應格局，結合已有的區域尺度研究成果，從多尺度視角，全面認識植被對氣候變化的響應規律。

本文存在的不確定性主要表現在：(1)我國山地眾多，地形起伏較大，受空間分辨率的限制(8 km×8 km)，本文研究結果對區域細節的解釋能力有限，但對于植被宏觀變化格局及其對氣候因子響應的空間格局仍具有重要的指示意義；(2)數據融合方法上采用了通用的一元回歸分析，然而不同數據之間可能存在非線性的關系，因此在融合處理上會存在一定的不確定性。雖然氣候變化是植被生長的關鍵控制要素，但是人類活動也對植被快速恢復起到重要作用，尤其是近年我國一系列生態恢復工程的實施。然而，在快速氣候變化和強烈人類活動干預的背景下，如何定量區分氣候變化與人類活動對植被變化的貢獻率仍將是植被變化對氣候響應研究的重要內容。本文僅僅分析了植被變化的長期趨勢，并對其驅動機制進行歸因，在全球變化背景下，極端氣候事件的頻度和強度在不斷增多和增強[33]，如高溫熱浪、暴雨、干旱等事件，而極端事件對植被覆蓋變化及其空間格局勢必會造成嚴重的影響。

[1] WalKer B, Steffen W. IGBP Science No. 1: A Synthesis of GCTE and Related Research. Stockholm: IGBP, 1997: 1- 24.

[2] IPCC. Climate change 2013: the physical science basis // Stocker T F, Qin D, Plattner G K, Tignor M, Allen S K, Boschung J, Nauels A, Xia Y, Bex V, Midgley P M. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2013.

[3] Menzel A, Fabian P. Growing season extended in Europe. Nature, 1999, 397(6721): 659- 659.

[4] Schwartz M D. Green-wave phenology. Nature, 1998, 394(6696): 839- 840.

[6] Piao S L, Ciais P, Friedlingstein P, Peylin P, Reichstein M, Luyssaert S, Margolis H, Fang J Y, Barr A, Chen A P, Grelle A, Hollinger D, Laurila T, Lindroth A, Richardson A, Vesala T. Net carbon dioxide losses of northern ecosystems in response to autumn warming. Nature, 2008, 451(7174): 49- 52.

[7] Myneni R B, Keeling C, Tucker C, Asrar G, Nemani R. Increased plant growth in the northern high latitudes from 1981 to 1991. Nature, 1997, 386(6626): 698- 702.

[8] Tucker C J, Slayback D A, Pinzon J E, Los S O, Myneni R B, Taylor M G. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999. International Journal of Biometeorology, 2001, 45(4): 184- 190.

[9] Fang J Y, Piao S L, He J S. Vegetation of China invigorated in last 20 years. Science in China (Series C), 2003, 33(6): 554- 565.

[10] Piao S L, Wang X H, Ciais P, Zhu B, Wang T, Liu J. Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006. Global Change Biology, 2011, 17(10): 3228- 3239.

[11] Peng S S, Piao S L, Zeng Z Z, Ciais P, Zhou L M, Li L Z X, Myneni R B, Yin Y, Zeng H. Afforestation in China cools local land surface temperature. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(8): 2915- 2919.

[12] 第二次氣候變化國家評估報告編寫委員會. 第二次氣候變化國家評估報告. 北京: 科技出版社, 2011.

[13] Heyder U, Schaphoff S, Gerten D, Lucht W. Risk of severe climate change impact on the terrestrial biosphere. Environmental Research Letters, 2011, 6(3): 034036.

[14] Walther G, Post E, Convey P, Menzel A, Parmesan C, Beebee T, Fromentin J, Guldberg O, Bairlein F. Ecological responses to recent climate change. Nature, 2002, 416(6879): 389- 395.

[15] Zhang X Z, Dai J H, Ge Q S. Spatial differences of changes in spring vegetation activities across Eastern China during 1982- 2006. Acta Geographica Sinica, 2012, 67(1): 53- 61.

[16] 劉憲鋒, 任志遠. 西北地區植被覆蓋變化及其與氣候因子的關系. 中國農業科學, 2012, 45(10): 1954- 1963.

[17] 郭鈮, 朱燕君, 王介民, 鄧朝平. 近22年來西北不同類型植被NDVI變化與氣候因子的關系. 植物生態學報, 2008, 32(2): 319- 327.

[18] 張戈麗, 歐陽華, 張憲洲, 周才平, 徐興良. 基于生態地理分區的青藏高原植被覆被變化及其對氣候變化的響應. 地理研究, 2010, 29(11): 2004- 2016.

[19] 信忠保, 許炯心, 鄭偉. 氣候變化和人類活動對黃土高原植被覆蓋變化的影響. 中國科學D輯: 地球科學, 2007, 37(11): 1504- 1514.

[20] 許旭, 李曉兵, 梁涵瑋, 黃玲梅. 內蒙古溫帶草原區植被蓋度變化及其與氣象因子的關系. 生態學報, 2010, 30(14): 3733- 3743.

[21] Liu X F, Zhang J S, Zhu X F, Pan Y Z, Liu Y X, Zhang D H, Lin Z H. Spatiotemporal changes in vegetation coverage and its driving factors in the Three-River Headwaters Region during 2000- 2011. Journal of Geographical Sciences, 2014, 24(2): 288- 302.

[22] Lotsch A, Friedl M A, Anderson B T, Tucker C J. Response of terrestrial ecosystems to recent Northern Hemispheric drought. Geophysical Research Letters, 2005, 32(6), doi: 10.1029/2004GL022043.

[23] Park H S, Sohn B J. Recent trends in changes of vegetation over East Asia coupled with temperature and rainfall variations. Journal of Geophysical Research: Atmospheres (1984- 2012), 2010, 115(D14), doi: 10.1029/2009JD012752.

[24] Zhao M, Running S W. Drought-induced reduction in global terrestrial net primary production from 2000 through 2009. Science, 2010, 329(5994): 940-943.

[25] Zhang Y L, Gao J G, Liu L S, Wang Z F, Ding M J, Yang X C. NDVI-based vegetation changes and their responses to climate change from 1982 to 2011: A case study in the Koshi River Basin in the middle Himalayas. Global and Planetary Change, 2013, 108: 139- 148.

[26] IPCC. Climate change 2007: The physical science basis // Solomon S, Qin D, Manning M, Chen Z, Marquis M, Averyt K B, Tignor M, Miller H L. Contribution of Working Group I to the fourth assessment report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2007.

[27] Tucker C J, Pinzon J E, Brown M E, Slayback D A, Pak E W, Mahoney R, Vermote E F, El Saleous N. An extended avhrr 8‐km ndvi dataset compatible with modis and spot vegetation NDVI data. International Journal of Remote Sensing, 2005, 26(20): 4485- 4498.

[28] Holben B N. Characteristics of maximum-value composite images from temporal AVHRR data. International Journal of Remote Sensing, 1986, 7(11): 1417- 1434.

[29] Stow D, Daeschner S, Hope A, Douglas D, Petersen A, Myneni R, Zhou L, Oechel W. Variability of the seasonally integrated normalized difference vegetation index across the north slope of alaska in the 1990s. International Journal of Remote Sensing, 2003, 24(5): 1111- 1117.

[30] Tomé A R, Miranda P. Piecewise linear fitting and trend changing points of climate parameters. Geophysical Research Letters, 2004, 31(2), doi: 10.1029/2003GL019100.

[31] Sun J Y, Wang X H, Chen A P, Ma Y C, Cui M D, Piao S L. NDVI indicated characteristics of vegetation cover change in China′s metropolises over the last three decades. Environmental Monitoring and Assessment, 2011, 179(1/4): 1- 14.

[32] 徐建華. 現代地理學中的數學方法 (第二版). 北京: 高等教育出版, 2002: 37- 41.

[33] IPCC. Managing the risks of extreme events and disasters to advance climate change adaptation: special report of the intergovernmental panel on climate change. Cambridge: Cambridge University Press, 2012.

Spatiotemporal changes in vegetation coverage in China during 1982—2012

LIU Xianfeng1, 2, ZHU Xiufang1,2,*, PAN Yaozhong1, 2, LI Yizhan1, 2, ZHAO Anzhou1, 2

1StateKeyLaboratoryofEarthSurfaceProcessesandResourceEcology,BeijingNormalUniversity,Beijing100875,China2CollegeofResourcesScience&Technology,BeijingNormalUniversity,Beijing100875,China

Vegetation, the main component of terrestrial ecosystems, is not only a sensitive indicator of global climate change, but also regulates the climate through energy, water, and carbon exchange between the terrestrial environment and the atmosphere. Understanding the mechanisms of growth responses of vegetation to climate change is of great significance for projecting future vegetation change and its implications. Using the satellite-derived normalized difference vegetation index (NDVI) and climate data of the period between 1982 and 2012, we investigated changes in the growing season NDVI and its response to climate change in China based on trend analysis, piecewise regression model, and correlation analysis. Our results indicate that (1) In the past thirty years, the NDVI of the study area increased, with the linear tendency being 0.2%/10a. There exists two distinct periods with different increasing trends, with the linear tendency being 1.2%/10a and 0.6%/10a during 1982—1997 and 1997—2012, respectively, the two periods of which all through the inspection by a significant level of 0.05. (2) In spatial, the areas with increased vegetation NDVI are mainly distributed in the Loess Plateau of Shanxi, the middle and western regions of Xizang, and the Junggar basin, whereas the regions with decreased vegetation NDVI are mainly distributed in the Da Hinggan Mountain, Xiao Hinggan Mountain, and Changbai Mountain in the northeast of China, the Altai mountain and the Tianshan Mountain in the north of Xinjiang Province, the Yellow River source region, and the Qinba Mountain, of which, the magnitude of decrease in the northeast of China, the Tianshan Mountain, the Altai Mountains is particularly remarkable. This phenomenon indicates that vegetation activities in mid-and high latitude mountain regions declined. (3) Spatial differences occur in response to temperature and precipitation from vegetation in different regions. Longer response duration of vegetation to temperature was detected in the north of China, whereas vegetation in the south of China showed not more than one month time lag. In contrast, vegetation in the north of China showed not more than one month time lag, but in the south of China, except for Yunnan Province, more than one month time lag was observed, and the correlation increased with the extension of time lag. (4) The increased vegetation coverage is mainly attributed to climate change and the implementation of the ecological protection project, the latter especially strengthened the impact of human activities on the vegetation increase after 1999. Of which, the decrease in vegetation in the northeast of China, the Tianshan Mountain, and the Altai Mountains can be attributed to the decline in precipitation, whereas the deterioration in the southeast of China may be more related to urbanization. Over the last decade, the project on the conversion of degraded farm land into forests and grass land in China has achieved encouraging results. However, the most drastic climate change also occurred during the same period. Although climate change probably played a key role in the trends of vegetation growth on a long time scale, human activities are also an important factor driving vegetation change. However, the exact influences of climate change and human activities on vegetation growth remain unclear; further studies are necessary to obtain accurate conclusions.

vegetation coverage; spatiotemporal variation; climate change; time lag; China

國家“高分辨率對地觀測系統”重大專項資助

2014- 04- 15;

2015- 03- 11

10.5846/stxb201404150731

*通訊作者Corresponding author.E-mail: zhuxiufang@bnu.edu.cn

劉憲鋒，朱秀芳，潘耀忠，李宜展，趙安周.1982—2012年中國植被覆蓋時空變化特征.生態學報,2015,35(16):5331- 5342.

Liu X F, Zhu X F, Pan Y Z, Li Y Z, Zhao A Z.Spatiotemporal changes in vegetation coverage in China during 1982—2012.Acta Ecologica Sinica,2015,35(16):5331- 5342.