青海省東部高原植被指數對干旱的響應研究

王文亞，張 鑫，王 云，蘇夏羿

(西北農林科技大學水利與建筑工程學院，陜西 楊陵 712100)

干旱是全球范圍內最為常見的、復雜的自然災害，在每個氣候區域內均時有發生，在世界上引起了嚴重的環境、社會、生態以及經濟問題[1]。對于我國來說，干旱是影響面最廣、最為嚴重的氣象災害。據統計，自然災害中70 % 為氣象災害，而干旱災害又占氣象災害的50% 左右[2]。

歸一化植被指數NDVI是能反映植被覆蓋情況和生長狀況的指數[3，4，9]。利用遙感影像的NDVI值可以很好地反映地表植被的變化特點，同時，植被的覆蓋程度又能在一定程度上反映氣候的變化趨勢，所以監測植被的動態變化以及分析這種變化與氣候的關系已成為研究熱點之一[4-6]。嚴少鋒等以江蘇沿海地區的SPOTNDVI數據為基礎，分析了該地區植被覆蓋的時空變化規律。研究表明，江蘇沿海地區的氣溫、降水等氣候因子對植被覆蓋有較大的影響，二者均顯示出較為顯著的正相關性，其中氣溫占主導因素[7]。劉綠柳等[8]以黃河流域為研究區，通過分析流域內灌木、林地、草地、農作物4種植被類型的NDVI在20世紀80年代初到90年代末的變化規律以及NDVI與降水、氣溫、API(可利用水指數) 的相互關系，分析研究流域內植被覆蓋度的變化趨勢及NDVI對氣候因子的敏感性，得出流域內農作物對降水變化較為敏感的結論。

青海省位于我國西北地區，其東部高原屬旱作物農業區，對青海省國民經濟的發展起著至關重要的作用,然而干旱成為了制約該區農業可持續發展的限制性因子[9]。本文基于青海省東部高原1998-2006年期間由SPOT影像資料得到的歸一化植被指數NDVI產品數據和區內13個氣象站點的連續觀測資料，提取研究區內各氣象站點印跡區的NDVI值，計算降水量距平百分率(Pa)和綜合干旱指數(D指數)這兩種氣象干旱指數。在月時間尺度上對氣象干旱年分析這兩種氣象干旱指數與研究區內植被的距平NDVI的相關性。研究青海省東部高原植被指數對干旱的響應情況，進而分析說明植被在反映氣候變化中的突出作用，這對旱災的預防有著重要的戰略意義。

1 研究資料與方法

1.1 研究區概況

青海省東部處于青藏高原與黃土高原的過渡地帶，地處東經100°～103°04 ′，北緯34°48′～ 38°，海拔1 650～5 254.5 m，年平均降水量為300 mm左右，屬于半干旱氣候。省內西高東低且高低懸殊的地勢，使得大河自西向東流，這種地勢有利于東南氣流和西南氣流伸入東部地區，形成一定的降水量，利于東部植被的生長。

1.2 研究數據

本次研究所用資料主要有青海省東部高原區1998-2006年由SPOT衛星影像資料得到的歸一化植被指數NDVI數據產品、該區內13個氣象站點1998-2006年的日氣象數據資料。研究區域及區內氣象站點的分布圖見圖1。

圖1 研究區及氣象站點分布圖Fig.1 The study area and the meteorological site map

1.3 研究方法

(1)降水量距平百分率Pa。鑒于該地區在不同時間尺度上的降水量差異很大，如果使用降水量作為干旱指標，缺乏可比性，而降水量距平百分率是反映干旱的基本指標之一，是表征某時段降水量較常年值偏多或偏少的指標，能直觀反映降水異常引起的干旱[10]。

降水量距平百分率的計算公式如下：

(1)

(2)綜合干旱指數(D指數)。由于影響干旱的因素很多，造成干旱的原因不同，各地氣候、地理條件差異很大，本次研究除了使用降水距平百分率外，還計算了一種干旱指數：綜合干旱指數(D指數)[11]，用來分析降水量、蒸發量與植被指數的相關性，其計算公式是：

r=P-E

(2)

式中：r是綜合干旱指數；P是時段降水量；E是對應時段的蒸發量。

(3)歸一化植被指數(NDVI)。本次研究采用的是SPOTNDVI數據。將收集到的SPOT影像資料用圖像處理軟件ENVI 5.0計算得到13個氣象站點的每連續十天的NDVI值即旬NDVI值，其計算公式如下：

NDVI=0.004DN-0.1

(3)

式中：DN為像元初始值。

對于SPOTNDVI的數據處理應用最大值處理法(MVC)，即圖像中每一個像元用該月三旬中最大的NDVI代替月NDVI值。此法假設每旬中NDVI最大值出現的那一天天氣晴朗，同時不受云層的影響，這么做的目的是減少大氣中云、固體顆粒、視角、陰影以及太陽高度角等因素的影響。

(4)相關性分析法。相關性分析是指對兩個或多個具備相關性的隨機變量因素進行分析，從而衡量兩個變量因素之間的相關密切程度。本文中應用相關性分析法研究距平NDVI與降水量距平百分率和D指數之間是否存在某種依存關系，以及其密切程度。并且采用F檢驗進行相關性的顯著性檢驗。

2 結果與分析

越干旱年份植被對水分的依賴性越大，進而覆蓋度的變化越明顯，因此本文選擇重旱年作為重點研究對象。根據《氣象干旱等級》(見表1)[12]，以降水量距平百分率為單項氣象干旱指數計算得2001年月尺度上達到了-87%，符合重旱標準。

表1 降水量距平百分率氣象干旱等級劃分表Tab.1 The standard grade of drought with precipitation anomaly percentage

在水分循環過程中，降水滲透然后被植物吸收，外在表現為NDVI對于氣象因子的響應具有一定的時間滯后性，因此在做NDVI分布和降水量的相關性分析時必須考慮其時間滯后性，在研究中發現，滯后期為一個月時，相關性達到最佳。

2.1 降水量距平百分率Pa與距平NDVI的相關性分析

利用ArcGIS 10繪制的青海省東部高原區的降水量距平百分率與距平NDVI相關性空間分異圖如圖2所示。底圖是2001年4-11月經過插值的距平NDVI圖。圖2顯示，2001年各月青海省東部高原區13個站點的距平NDVI存在差異，即空間分布具有不均勻性。就整個研究區而言，4-7月均是負距平，8-10月區域北部的門源、大通等地才出現NDVI的正距平值。圖中以圓點表示的是青海省東部高原區2001年3-10月的降水量距平百分率顯示圖。以月降水量與該月多年平均降水量的差值作為變量，應用Arc GIS分析軟件在各氣象站點區域內以圓圈的大小來反映降水量距平百分率。圖2中顯示，2001年每月的降水量距平值在各站點普遍偏小，尤其在綠色植被需要水分以生長的4-10月，湟源、湟中、貴德、西寧大多以負距平值出現，說明在這段時期內，降水量少于多年平均降水量。

圖2 滯后1個月的降水距平百分率與距平NDVI相關性空間分異圖Fig.2 The spatial distribution of the correlation between Pa(with a lag of one month) and anomaly NDVI

對比各月的降水量距平百分率與距平NDVI顯示圖，對各月的分析如下：4月降水主要集中在研究區南部，植被逐漸返青，距平NDVI也相應地在南部較大；5月整個研究區降水量很少，距平NDVI較4月份變化不大；6月降水量較多年平均值持續偏少，以至于距平NDVI較小值的控制范圍進一步加大，以門源為例，4、5月距平NDVI在-0.037～-0.089范圍，盡管6月降水量距平百分率達到0.2，但是由于植被返青前期受到水分脅迫，所以本月距平NDVI擴大到-0.1；7-10月，降水量距平百分率與距平NDVI顯出較強的相關性，尤其表現在研究區北部，圖2中顯示為圓點較大的地區，距平NDVI基本由黃綠顏色覆蓋；南部的尖扎、民和、黃南等地區降水量距平百分率均在-0.4左右，而距平NDVI隨著時間的推移逐漸增大，說明植被在旺盛時期雖然受到降水一定的限制，但是生長還在繼續；11月，盡管降水量距平百分率基本都為正值，但是距平NDVI相對于10月還是從正值衰減到負值，說明植進入枯黃期后，降水量距平百分率與距平NDVI的相關性程度減弱。

2.2 綜合干旱指數(D指數)與距平NDVI的相關性分析

以D指數和距平NDVI作為變量，根據1998-2006年的降水量、蒸發量、NDVI系列等數據，應用一元線性回歸的分析方法對NDVI和D指數做出的相關性分析如圖3所示。由圖3可以看出，除5、6、11月份外，距平NDVI與D指數都呈正相關關系。4月植被開始返青，但是受到前期降水量較少的影響，距平NDVI值均表現為負值，其與D指數的相關系數為0.228。5、6月的距平NDVI值接近，較同期的NDVI值偏小，與D指數的相關性程度不明顯。7-10月距平NDVI與D指數的相關系數在0.2～0.8之間波動，特別是8月份的相關系數0.566和10月份的相關系數0.825均通過了 的顯著性檢驗，說明在植被生長旺盛時期，距平NDVI與D指數具有很好的相關性。而在11月份，植被進入枯黃期，由于青海的地理位置，冬季陽光輻射強，使得蒸散發量比較大，相對而言，降水量偏少，使得D指數較小，與距平NDVI表現為負相關關系(見表2)。

圖3 滯后1個月的D指數與NDVI距平相關性分析圖Fig.3 Correlation analysis between D index at lag one month and NDVI anomaly

月份Pa與距平NDVI回歸方程R2RD指數與距平NDVI回歸方程R2R4y=-0．0004x-0．06520．02100．14y=0．0002x-0．01460．05180．2285y=0．0002x-0．05020．03000．17y=0．000035x-0．05560．00040．0206y=-0．0001x-0．05960．00300．06y=-0．0001x-0．06410．00800．0897y=0．0004x-0．02400．02200．15y=0．0004x-0．00640．04120．2038y=0．0005x-0．02470．16900．41y=0．0005x+0．00670．32090．566??9y=-0．00006x+0．00540．00020．01y=0．0008x+0．05830．23210．48210y=0．001x-0．02590．68900．83?y=0．0007x+0．00600．68040．825??11y=0．00004x-0．01190．03000．17y=-0．0003x-0．02640．04560．214

注：**表示通過0.05的顯著性檢驗，*表示通過0.1的顯著性檢驗。

3 結 語

本文以1998-2006年覆蓋青海省東部高原區的SPOT數據位基礎，分析了該地區植被指數對干旱的響應情況。研究表明：

(1)月時間尺度上，氣象干旱指數與滯后一個月的植被指數的相關性在7-10月表現出較密切的相關程度，說明在植被的生長旺盛時期，用植被指數反映干旱情況較有可靠性。

(2)在重旱年份(2001年)，距平NDVI與綜合干旱指數較與降水量距平百分率有更好的相關性，說明NDVI較單一的降水量因素而言，與綜合考慮眾多氣象因子的指標關系更為密切，因此在植被指數反映干旱時，干旱的成因更趨向于多種氣候因子共同作用的，而不是簡單的由降水缺少所引起。

(3)文中所使用的SPOT影像數據僅有8 a的資料系列，系列過短對研究NDVI的多年平均值有一定的局限性，不能完整的體現出植被的變化趨勢。

(4)NDVI本身尚有不足之處：首先NDVI的運算結果可能會出現飽和情況，其次來自大氣、土壤、噪音各方面的干擾將對NDVI的值產生影響。

□

[1] 李華朋，張樹清.MODIS植被指數監測農業干旱的適宜性評價[J].光譜學與光譜分析，2013，33(3)：756-761.

[2] 姚玉璧 ，張存杰.氣象、農業干旱指標綜述[J].干旱地區農業研究，2007，25(1)：185-189.

[3] 孫紅雨，王長耀，牛 掙，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，1998，2(3)：204-210.

[4] 宋 怡，馬明國．基于SPOT-VGETATION數據的中國西北植被覆蓋變化分析[J]．中國沙漠，2007，27(1)：89-93．

[5] 鄒 嬋．基于SPOT-NDVI的青海省1998-2009年 植被變化及氣候響應研究[D]．西寧：青海師范大學，2011．

[6] 裴 浩，敖艷紅．草地植被監測中背景影響的訂正[C]∥ 第四屆全國優秀青年氣象科技工作者學術研討會，1998:37-40．

[7] 閆少鋒，陸 茜，張金池，等．江蘇沿海地區NDVI的演變特征及其對區域氣候變化的響應[J]．南京林業大學學報(自然科學版)，2012，36(1)：43-47.

[8] 劉綠柳，許紅梅.黃河流域主要植被類型NDVI變化規律及其與氣象因子的關系[J]．中國農業氣象，2007，28(3) ： 334-337.

[9] 徐 靜，張 鑫. 青海省東部地區氣候變化與ENSO事件關系[J].水文，2012，32(4)：88-95.

[10] 趙旭春．中國北方干旱區干旱指標的應用研究[D]．蘭州：蘭州大學，2007.

[11] 嚴建武，陳報章．植被指數對旱災的響應研究----以中國西南地區2009年-2010年特大干旱為例[J]．遙感學報，2012,16(4)：729-737.

[12] GB/T 20481-2006，氣象干旱等級[S]．