1982-2012年中國NDVI變化及其與氣候因子的關系

王 茜， 陳 瑩， 阮璽睿， 李小冬， 王小利， 史健宗， 王志偉，，3*

(1. 貴州省草業研究所 貴州省農業科學院， 貴州 貴陽 550006； 2. 青藏高原冰凍圈觀測研究站 冰凍圈科學國家重點實驗室中國科學院寒區旱區環境與工程研究所， 甘肅 蘭州730000； 3. 中國科學院大學， 北京 100049)

2013年發布的IPCC (Intergovernmental Panel on Climate Change) 第5次評估報告[1]指出，到2100年全球變暖將會是氣候變化的主要形式。而生態系統中不同植被類型的生長變化又會對氣候變化產生顯著影響[2]。我國幅員遼闊，生態系統中的植被類型多種多樣，因此，探討其變化狀況對于研究氣候變化具有重要指示意義。然而，受自然和經濟條件限制，在全國范圍內通過常規觀測手段獲得所有植被的生態狀況卻很難實現。

隨著遙感技術的發展，憑借其實時、連續、大范圍的獲取研究區信息的優點，遙感數據已經越來越多地被應用于大范圍植被變化狀況研究。其中，NOAA AVHRR (The National Oceanic and Atmospheric Administration，Advanced Very High Resolution Radiometer) 數據集中的GIMMS NDVI (Global Inventory Modeling and Mapping Studies，Normalize Difference Vegetation Index) 資料，因其覆蓋時間范圍廣 (1981年7月到2012年12月)，在植被與氣候變化關系方面受到廣泛應用[3-4]。

NDVI (歸一化植被指數) 是一種測量植被生態狀況的系數[5]，通過近紅外、紅外波段的差與和的比值得到。利用NDVI產品的研究，已取得了大量成果。例如，欒海軍[6]選用ETM (Enhanced Thematic Mapper Plus) + NDVI產品完成了空間尺度轉換；王龑[7]應用HJ星的NDVI數據構建了落葉闊葉林識別模型；于樹梅等[8]通過SPOT-VGT NDVI研究了羊卓雍錯流域地表覆蓋變化。與此同時，眾多研究學者亦將NDVI與氣候因子進行關聯研究：在東北地區，羅玲等[9]發現氣溫對植被生長影響更明顯，而毛德華[10]在該區域的多年凍土區發現降水量是影響植被NDVI的主要因子，同時王宗明[11]也發現除生長季時的降水量與植被NDVI的相關性大于氣溫與植被NDVI的相關性以外，其他季節以及全年的氣溫與植被NDVI的相關性均明顯高于降水與植被NDVI的相關性；在東部地區，崔林麗[12]發現草地NDVI與氣溫和降水變化的相關系數大于林地；在華北地區的錫林郭勒草原，辜智慧[13]發現草原植被的生長對同期的降水反應最為敏感，而非前期；而在西南的藏北草原上，趙玉萍[14]發現草地NDVI與氣候因子的相關性受植被類型、海拔、降水量等影響。可見NDVI在不同地區對不同氣候因子有著不同的響應，然而針對全國范圍內，NDVI的時間及空間變化規律卻知之甚少。

因此，在前人研究的基礎上，本文利用1982-2012年GIMMS NDVI第三代產品提供的數據和全國756個氣象站點的6個氣候因子資料 (年降水量/mm、平均氣溫/°C、平均風速/m·s-1、平均水汽壓/hPa、平均相對濕度/%和日照時數/h)，計算了全國NDVI逐半月和逐年平均分布狀況及從1982年到2012年31年空間NDVI平均分布狀況和NDVI的變化率，進一步分析了逐年NDVI與逐年氣候因子之間的相關關系，同時在不同植被類型區域中亦分析了各自氣候因子在該植被類型植物生長中的作用。

1 材料與方法

1.1 數據來源

GIMMS NDVI數據集資料來源于NOAA衛星的AVHRR傳感器[15]，當前NDVI產品已發展到第三代，可以從http://ecocast.arc.nasa.gov/data/pub/gimms/3g/網站獲取，通常簡稱為AVHRR NDVI3g產品[16]。該產品于2014年發布，NDVI數據集序列從1981年7月開始，到2012年12月結束，每半月1景全年包括24景影像，采用最大合成法[17]，最小化氣溶膠和云的影響。

中國植被類型圖 (1: 1 000 000) 選用張新時院士主編的《中華人民共和國植被圖》[18]，其電子地圖格式文件由寒區旱區科學數據中心提供，反映我國除裸地外的11個植被類型組，包括草叢、草甸、草原、高山植被、灌叢、荒漠、闊葉林、栽培植被、沼澤、針闊葉混交林和針葉林 (http://westdc.westgis.ac.cn/)。

氣象觀測數據自中國氣象科學數據共享服務網 (http://cdc.cma.gov.cn/home.do) 獲取，共包括756個氣象站從1982年到2012年的年降水量、平均氣溫、平均風速、平均水汽壓、平均相對濕度和日照時數6個氣候因子的數據資料。

1.2 數據分析

GIMMS NDVI3g數據是VI3g格式的，其數據是翻轉過來的文本格式，并不適合常用地理信息系統軟件操作。因此，本研究使用地理校準方法 (誤差控制在萬分之一以內)，通過左上緯度 (90.0-1/24°)、左上經度 (-180.0+1/24°)、右下緯度 (-90.0+1/24°)和右下經度 (180.0-1/24°) 4個基準點將所有范圍為全球尺度的VI3g格式文件轉化成投影類型為WGS-84，分辨率為1/12°的TIF文件。新生成的TIF數據可以在常用地理信息系統軟件中進行操作，同時該部分數據共享于寒區旱區科學數據中心。新生成的TIF數據中除NDVI的值之外，還包括FLAG VALUES數值。在使用NDVI前，首先分別計算NDVI和FLAG VALUES，計算方法如下：

FLAG VALUES=NDVI3g-floor(NDVI3g/10)*10+1

(1)

NDVI=floor (NDVI3g/10)/1000

(2)

式中，NDVI3g的值為新生成的TIF文件數值，floor () 表示向下取整函數。計算得到的FLAG VALUES取值范圍從1到7，具體含義如下所示：1～2代表該點像元值是優良值，3～6代表該點像元值是插值后的數值，7代表缺失的值。在使用前要結合FLAG VALUES來選取適合的NDVI像元值。本文中的NDVI數據全部選取FLAG VALUES數值為1和2的像元值。

1.3 研究方法

首先，利用中國行政邊界從全球NDVI中切割出中國部分，NDVI數值的計算依據公式 (1) 得到，并結合公式 (2) 將FLAG VALUES大于2的影像像元值剔除。然后，統計分析全國NDVI時間和空間的變化特點。主要包括一年內24個半月尺度和從1982年到2012年平均每年的變化狀況，以及31年來NDVI平均的空間分布狀況和空間NDVI變化率。其中，NDVI變化率在影像中每個像元尺度的計算公式如下所示：

式中，Slope表示NDVI的變化率，Akave代表k年NDVI的平均值。最后，在分析NDVI變化與氣候因子的關系時，先將NDVI產品采用最大合成法得到全國每年NDVI數據；然后在NDVI影像上以氣象站點位置為中心，選取周圍9個網格點的平均值 (24 km×24 km) 作為該氣象站點的NDVI值，計算全國范圍氣象站點 (如圖1所示) NDVI與氣候因子的相關系數。

圖1 全國氣象站點分布圖Fig.1 The location of meteorological stations in China

2 結果與分析

2.1 NDVI時間變化特點

全國NDVI 31年逐月變化顯著，變化幅度在0.1841到0.4922之間。其中2月下半月是NDVI數值最小的時期，從4月上半月開始NDVI急速增長，在8月上半月達到峰值，隨后開始急劇下降直到次年 (圖2A)。1982到2012年間NDVI的逐年變化如圖2B所示，31年NDVI的平均值為0.3147。將逐年NDVI與平均值進行比較，呈現出不同程度或增或減的無規則變化趨勢，盡管如此，NDVI整體變化在31年間呈現每年0.0003的增長率。由此可見，NDVI在年內的變化趨勢符合植物生長規律，即春季開始植物進入生長期，伴隨著NDVI急劇增加，并于夏季生長旺盛期達到最大值，隨后因秋季進入枯黃期而下降，到最終冬季休眠期達到穩定最低值。然而，自1982年到2012年NDVI年際間變化規律呈現出緩慢增加的趨勢，說明植被的生長狀況在這31年間逐年得到改善。

圖2 全國植被31年逐月 (A) 及逐年 (B) 平均歸一化植被指數 ( NDVI) 變化曲線Fig.2 Monthly (B) and yearly (A) mean normalized difference vegetation index(NDVI) variation curves during the past 31 years in China

2.2 NDVI空間變化特點

根據全國NDVI的變化率可知，31年來全國NDVI年變化率減少、不變和增加的區域分別占全國面積的35%，13%和52% (圖3A)。年變化率的具體范圍如下所示：小于-0.0020每年的區域為1%，在-0.0020～-0.0010每年之間的區域為4%，在-0.0010～-0.0001每年之間的區域為30%，在-0.0001～0.0001每年之間的區域為13% (此區域定義為是NDVI變化率不變的區域)，在0.0001～0.0010每年之間的區域為33%，在0.0010～0.0020每年之間的區域為14%，大于0.0020每年的區域為5% (圖3B)。其中安徽北部、河南東部、重慶北部和臺灣島的增長率最明顯；東三省大部分地區，內蒙古與黑龍江接壤的部分區域，上海市和浙江北部附近區域，四川與貴州接壤的部分區域以及澳門地區減少率最為顯著 (圖3B)。由此可見，NDVI的空間變化具有顯著的地域性。總體來說，全國范圍內東南部植被明顯優于西北部，且31年間NDVI變幅因地域不同而存在明顯差異。

圖3 1982-2012年全國NDVI空間分布狀況：(A)平均值(B)年變化率Fig.3 The spatial distribution of NDVI: (A) Mean NDVI (B) NDVI slope from 1982 to 2012 in China

2.3 全國氣候因子時間變化特點

1982年到2012年，全國6種氣候因子 (年降水量/mm、平均氣溫/°C、平均風速/m·s-1、平均水汽壓/hPa、平均相對濕度/%和日照時數/h) 的年變化狀況如圖4所示，6個氣候因子中，氣溫的增長趨勢最顯著，每年有0.049°C的增長率；平均水汽壓則以每年0.0089 hPa的速度緩慢增加；日照時數、年降水量、平均相對濕度和平均風速則均呈現逐年下降的趨勢，其年降幅依次為2.317 h，0.0712 mm，0.1023%及0.0114 m·s-1。

圖4 1982-2012年全國氣候因子變化曲線Fig.4 Climatic factors variation curves in China from 1982 to 2012

2.4 全國不同植被類型NDVI對氣候因子的響應

本研究選用雙變量相關和偏相關2種不同的方法對全國不同植被類型NDVI與6種氣候因子的相關性進行了分析。結果如表1所示，針對草叢、草甸及草原而言，在2種不同的相關性分析結果中，均表現為植被NDVI與6種氣候因子具有極顯著相關關系 (P<0.01)。其中草叢NDVI與平均氣溫和平均相對濕度的相關性較高，且均呈現正相關關系，而與降水量和日照時數的相關性較低。草甸NDVI與降水量和平均相對濕度均有較高的正相關關系，而與平均氣溫具有較低的負相關關系。與草叢及草甸不同，草原NDVI與6個氣候因子的相關性因選用的分析方法不同而存在較大的差異：雙變量相關性分析結果顯示，草原NDVI與平均相對濕度 (r=0.508) 和降水量 (r=0.420) 相關性最高，且呈正相關關系；而偏相關分析結果顯示，草原NDVI與平均氣溫呈最高的負相關關系 (r=-0.408)。針對灌叢而言，除利用偏相關分析方法，灌叢NDVI與日照時數在P<0.05水平下顯著相關外，其余分析結果均表現為灌叢NDVI與各氣候因子具有極顯著相關關系 (P<0.01)。同時，2種相關性分析結果均顯示灌叢NDVI與降水量、平均氣溫、平均水汽壓及平均相對濕度具有較高的相關性，而與平均風速和日照時數的相關性較低。

與草原分析結果相似，荒漠和沼澤NDVI與6種氣候因子的相關性同樣因選用的分析方法不同而存在較大的差異。利用雙變量相關性分析結果顯示，荒漠NDVI與平均水汽壓具有最高的正相關關系 (r=0.620)，與日照時數具有最低的負相關關系 (r=-0.180)；而利用偏相關分析結果卻顯示，荒漠NDVI與平均相對濕度 (r=0.261) 和日照時數 (r=-0.226) 分別具有最高的正、負相關關系，盡管如此，兩種分析結果均顯示荒漠NDVI與降水量無顯著相關性，表明在荒漠地區，植被生長狀況不受降水量的影響。利用雙變量相關性分析結果顯示，沼澤NDVI與降水量具有最高的正相關關系 (r=0.778)，而在偏相關分析結果中，沼澤NDVI則與降水量無顯著相關性。盡管如此，2種分析結果中，沼澤NDVI分別與平均水汽壓及平均風速均具有較高的正、負相關性，可見相對較高的平均水汽壓和低的風速均有益于沼澤地植被生長。

針對闊葉及針葉林而言，在兩種不同的相關性分析結果中，其NDVI與6種氣候因子的相關性表現出較為一致的變化趨勢。無論在闊葉或針葉林中，其NDVI與降水量、平均氣溫、平均水汽壓及平均相對濕度均具有較高的相關性，而與平均風速和日照時數的相關性較低或無相關關系，表明闊葉及針葉林中植被生長狀況主要受水分和溫度的調節，而日照時數特別是平均風速的變化對其無顯著影響作用。

利用雙變量及偏相關方法分析全國植被生長狀況對氣候因子響應的結果表明，在6種氣象因子中，平均氣溫和降水是影響植被生長的主要正向調控因子，日照時數對植被生長影響最小，但仍具有與顯著負相關系，平均風速則是唯一與全國植被NDVI無顯著相關性的氣象因素 (表1)。

表1 1982-2012年全國不同植被類型NDVI與氣候因子的雙變量相關性和偏相關性Table 1 Bivariate and partial correlation between NDVI and climatic factors in China from 1982 to 2012

綜上所述，針對同一種植被類型，利用偏相關分析方法獲得的植被NDVI與6種氣候因子的相關系數始終低于雙變量相關分析下兩者的相關系數；針對不同的植被類型，兩種分析方法獲得的植被NDVI與6種氣候因子的相關性變化趨勢存在一定的差異；針對不同的植被類型，其NDVI與6種氣候因子的相關性程度不同，總體而言，在以上8種植被類型中，NDVI與降水量、平均氣溫、平均水汽壓及平均相對濕度大多都有正相關性，而與平均風速和日照時數多具有負相關性。

3 討論與結論

3.1 1981-2012年全國NDVI時空變化規律

本文根據1981年7月到2012年12月的GIMMS NDVI3g產品，以及全國的氣象站點氣候因子資料和全國植被類型圖，首先分析了全國NDVI的時空變化規律。首先，就時間范圍而言，從1982年到2012年期間，全國NDVI在每一年的2月下半月開始是數值最小的時期，從4月上半月開始急速增長，在8月上半月達到最大，其變化曲線符合植物生長規律；同時存在年際間0.0003的增長率。其次，就空間范圍而言，從1982年到2012年期間，全國NDVI年變化率減少、不變和增加的區域分別占全國面積的35%，13%和52%。其中年變化率小于-0.0020每年的區域為1%，在-0.0020和-0.0010每年之間的區域為4%，在-0.0010到-0.0001每年之間的區域為30%，在-0.0001到0.0001每年之間的區域為13%，在0.0001到0.0010每年之間的區域為33%，在0.0010到0.0020每年之間的區域為14%，大于0.0020每年的區域為5%。總體來說，全國范圍內東南部植被明顯優于西北部。眾所周知，我國東南地區氣候條件明顯優于西北部，其年降水量及平均氣溫均顯著高于西北部，為植被的生長發育提供了有利的基礎條件。與此同時，良好的植被生長狀況又可反饋于環境，進而改善環境，優化環境，如豐富的植被蓋度可增加該地區的降水量，增加空氣濕度，降低風速等[19]。

3.2 1981-2012年全國植被NDVI與氣候因子的關系

一般自然環境變化和人類活動干擾是植被變化的主要因素，其中氣候變化更是植被變化的主要驅動力[20]。本研究指出從1982年到2012年間，NDVI在全國637個氣象站位置上每年有0.0003的增長率 (圖2B)。與此同時，6個氣候因子中，平均氣溫的增長趨勢最顯著，每年有0.049℃的增長率；平均水汽壓則以每年0.0089 hPa的速度輕度增加；日照時數 (h)、年降水量 (mm)、平均相對濕度 (%) 和平均風速 (m·s-1) 則均呈現逐年下降的趨勢，其年降幅依次為2.317 h，0.0712 mm，0.1023 %及0.0114 m·s-1(圖4)。進一步統計全國植被NDVI與各氣候因子的相關性結果表明，其與年降水量、平均氣溫、平均水汽壓及平均相對濕度均呈現較高的正相關關系，在雙變量相關性分析結果中，其相關系數均高達近0.8，此外，全國植被NDVI與日照時數亦具有高達0.747的相關性，但兩者呈顯著負相關關系，卻與平均風速無顯著相關性 (表1)。可見，從1982年到2012年，全國NDVI年際間0.0003的增長率主要歸功于氣溫和平均水汽壓的顯著提升。

3.3 1981-2012年全國不同植被類型NDVI對氣候因子的響應

經過漫長地進化過程，不同的地域環境形成不同的植被類型，而不同的植被類型對不同的氣候存在著不同的響應。全國756個氣象站點中，有119個站點的NDVI小于0.1，中國植被圖將其定義為無植被區域，因此將這些站點作為非植被變化站點剔除，最終保留637個氣象站點用來分析不同植被類型NDVI與氣候因子的關系。各植被類型中氣象站的個數分別為：草叢29個、草甸50個、草原45個、高山植被0個、灌叢56個、荒漠12個、闊葉林30個、栽培植被348個、沼澤10個、針闊葉混交林1個和針葉林56個。其中，由于高山植被和針闊葉混交林的氣象站個數偏低，不具備統計意義，同時栽培植被因人為干擾較大，在此不討論該3種植被類型NDVI與氣候因子的關系。

本研究同時選用雙變量相關與偏相關2種方法對比分析了8種植被類型NDVI與氣候因子的相關性。雙變量相關又稱簡單相關，它是指不考慮并忽略其他因素干擾，僅單純地反映兩個變量間的相關情況；而偏相關又稱純相關，它是考慮并消除其他變量的影響后反映2個變量間的相關情況。本研究結果首先發現針對同一種植被類型，利用偏相關分析方法獲得的植被NDVI與6種氣候因子的相關系數大多低于雙變量相關分析下兩者的相關系數 (表1)。如：依次對比草叢NDVI與降水量、平均氣溫、平均風速、平均水汽壓及平均相對濕度的相關系數，雙變量相關系數均高于括號內偏相關系數0.368 (0.118)，0.644 (0.475)，0.404 (0.318)，0.634(0.381) 和0.615 (0.555)。由此可見，無論何種植被類型，其最終呈現的生長狀況并非由單一的氣象因子決定，與之相反，是受多種氣象因子互作而產生。

盡管如此，針對不同的植被類型，其NDVI對不同的氣象因子具有不同程度的響應。研究發現，就草叢而言，雙變量相關分析結果顯示，其NDVI與不同氣候因子的相關性表現出平均氣溫 > 平均水汽壓 > 平均相對濕度 > 平均風速 > 降水量 > 日照時數的變化趨勢；偏相關分析結果則顯示，平均相對濕度 > 平均氣溫 > 平均水汽壓 > 平均風速 > 日照時數 > 降水量 (表1)。可見，關于草叢NDVI與不同氣候因子的相關程度，經2種不同的相關性分析方法，獲得相似的結果，溫度和濕度對草叢植被生長影響較大，而降水量的影響則相對較小。在全國植被類型分類圖中，草叢主要分布在我國南方地區，該地區常年處于暖濕氣候，降雨量充沛，因此，濕熱條件成為決定草叢植被生長的主要氣候因子，而降水量則對其影響相對減弱。與草叢相似，草甸NDVI與氣候因子的相關程度，在2種不同的相關性分析結果中亦表現出相似的變化趨勢。但與草叢不同，影響草甸NDVI的主要氣象因子是降水量和平均相對濕度，與平均氣溫的相關性則最小。我國草甸地區主要分布在西部，相對我國南方，西部地區降水量顯著下降。而草甸通常生長發育在中等濕度的條件下，對氣溫的要求相對不高，因此降水量和平均濕度成為影響草甸NDVI的主要氣象因素。與草叢和草甸不同，草原NDVI與氣候因子的相關性因選用的分析方法不同而存在明顯的差異。雙變量相關分析結果顯示，草原NDVI與不同氣候因子的相關性表現出平均相對濕度 > 降水量 > 日照時數 > 平均氣溫 > 平均風速 > 平均水汽壓的變化趨勢；而偏相關分析結果則顯示，平均氣溫 > 平均水汽壓 > 平均風速 > 降水量 > 平均相對濕度 >日照時數 (表1)。與草叢和草甸生態系統相比，草原生態系統較為脆弱，因此自我調節能力較差，易受外界因素干擾， 導致多種氣候因子的互作效應顯著高于單個氣候因子對植被生長的影響。基于此，了解此類植被NDVI與氣候因子的相關性應優先選擇偏相關分析方法。本研究結果表明，草原NDVI與平均氣溫具有最高的正相關關系，而與平均相對濕度呈現負相關關系。草原是溫帶半干旱、半濕潤氣候下，由旱生或半旱生多年生草本植物組成的植被類型，在我國多分布于西北地區，因此，在一定范圍內，氣溫升高，平均相對濕度降低能顯著促進草原地區植被的生長。

灌叢生境較為良好，其株系多以較草類高的灌木為主，且根系較草類粗壯發達，保水固沙能力較強。因此本研究中，在不同相關性分析方法下，灌叢NDVI與氣溫、降水量和平均相對濕度均具有較高的正相關關系，而與平均風速的相關性較低 (表1)。與此不同，荒漠和沼澤均屬于極端生境，因此，NDVI與氣候因子的偏相關性分析結果均與雙變量相關性分析結果存在極大的差異。考慮到多變量互作對脆弱生態系統的強烈作用，我們以偏相關分析結果為主，分別探討荒漠和沼澤NDVI對氣候因子的響應。針對荒漠而言，由于該地區常年嚴重缺乏降雨，因此本研究中，荒漠NDVI與降水量無顯著相關性 (表1)。然而植被生長發育離不開良好的水熱條件，致使平均相對濕度和平均氣溫成為決定荒漠NDVI的主要正相關因子 (表1)。除此之外，由于受降雨量嚴重制約，要保證較高的平均相對濕度，最有效的途徑就是減少有限水分的蒸發，因此，縮短日照時數直接上升為繼增加平均相對濕度之后，提高荒漠NDVI的重要氣象因素。與荒漠不同，沼澤地區水分充沛，導致沼澤NDVI與降水量無顯著相關性，卻與平均水汽壓呈現主要正相關關系 (表1)。水汽壓的大小與蒸發的快慢有密切關系。沼澤地區水汽壓的增加，可促進蒸騰作用，從而避免沼澤地植物體內水分過量聚集引發根系缺氧。同時沼澤地多為陰濕地，降低氣溫能顯著促進植被的生長，正如本研究結果顯示，氣溫是沼澤NDVI的主要負調控因子 (表1)。闊葉和針葉林由于擁有豐富的植被蓋度，而具有良好的生態環境。因此本研究結果中，通過兩種不同相關性分析方法獲得了相似的NDVI對氣候因子的響應程度。無論是闊葉林NDVI，還是針葉林NDVI，均與降水量、平均氣溫和平均相對濕度有較高的正相關關系 (表1)。同時，由于該植被類型均為高大的木本植物，故而平均風速對植被生長無顯著影響作用。

本研究從時間及空間角度分析了全國NDVI近從1982年到2012年的變化，及其對各類氣候因子的響應，特別分析了不同植被類型NDVI與多種氣候因子的關系，發現各類植被生長狀況是多種氣候因子共同作用的結果；不同植被類型NDVI與年降水量、平均氣溫、平均水汽壓及平均相對濕度多具有正相關性，而與平均風速和日照時數多具有負相關性，但針對不同植被類型，其NDVI與不同氣候因子的相關程度存在一定的差異；其中，對于生態系統較為良好的植被類型區，NDVI與氣候因子相關性的變化趨勢受外界因素干擾較小，反之，生態系統脆弱的植被類型區，NDVI 與氣候因子相關性受外界因素擾動較大。該結果初步為NDVI變化的自然及人為驅動原因和選擇分析方法提供了理論依據。