基于MODISNDVI數據的陜甘寧地區植被覆蓋時空變化及其對極端氣候的響應

趙安周, 張安兵, 趙延旭, 范倩倩，趙玉玲

(1.河北工程大學 礦業與測繪工程學院, 河北 邯鄲 056038; 2.河北工程大學河北省煤炭資源綜合開發與利用協同創新中心, 河北 邯鄲 056038; 3.河北工程大學 建筑與藝術學院， 河北 邯鄲 056038)

極端氣候事件是指某類氣候要素統計量或量值在特定時間段內顯著偏離其平均態、且達到或超出其觀測或統計量值區間上下限附近特定閾值的事件[1]。相比于氣候平均狀態，極端氣候事件的發生更具有反常性、不可預見性等，會對生態環境和人類社會的健康發展造成更為巨大的影響[2-3]。IPCC第五次評估報告指出，1880—2012年期間，全球平均氣溫升高了0.85℃(0.65 ～1.06℃)[4]。歷時觀測數據表明全球氣候變暖會增加極端氣候事件(洪澇、干旱、熱浪等)發生的頻率和強度[5]。極端事件的增多使得全球氣候變化問題受到了國內外學者的廣泛關注。在全球氣候變暖的背景下，地處生態環境脆弱區的植被生態系統對極端氣候的響應異常敏感，因此有必要選取典型區域對植被覆蓋時空演變及其對極端氣候事件的響應進行認識和評價。

隨著全球氣候變化日益受到各個國家和地區的高度關注，全球氣候變暖與植被生態系統的關系研究已成為當前國內外學者關注的熱點和核心問題[6-7]。目前，氣候變化可以分為波動變化、趨勢變化以及極端事件3個方面[8]。以往對植被覆蓋時空演變的歸因分析多關注前兩個方面對植被的影響，而對極端事件對植被覆蓋變化的影響尚缺乏全面的認識[9]。目前，國外學者針對亞洲蒙古高原[10]、南美洲亞馬遜雨林[11]等生態敏感區的植被對干旱、厄爾尼諾等極端事件的響應做了一系列探索性研究，取得了卓有成效的研究成果。遺憾的是，國內關于植被生長對極端氣候的響應的研究分析稍顯薄弱，尤其是針對陜甘寧等生態脆弱區和敏感區。IPCCAR5同時指出，1960—2009期間中國的地表平均氣溫上升了1.38℃，高于1951—2012年全球氣溫的上升速率(0.72°C)[12]，氣溫的快速上升使得極端氣候事件出現的強度和頻率都呈現增加的趨勢[13]。在全球氣候變暖背景下，植被生態系統對極端氣候事件的脆弱性逐漸增加，因此，研究植被對極端氣候事件的響應對生態系統的健康發展尤為重要。

陜甘寧地區地處中國西北的黃土高原丘陵溝壑區，生態環境脆弱，是全球氣候變化的敏感地區和生態工程建設的重點區域，1960—2010年期間，其年均氣溫的上升速率達到0.336℃/10 a，高于全國的(0.26±0.032)℃/10 a[14]，這些變化將會導致該地區出現干旱等極端事件的頻率增大，研究植被覆蓋變化對極端事件的響應有助于該地區一系列生態工程建設的順利實施。鑒于此，利用植被指數和氣象數據，輔以趨勢分析、Mann-Kendall (M-K)檢驗以及相關分析等方法，本文分析陜甘寧地區植被覆蓋的時空變化特征和極端氣候指數的變化特征，并對二者關系進行分析，這對了解區域生態環境演變規律，促進區域生態環境和社會經濟的健康發展具有重要的意義。

1　數據來源與研究方法

1.1　研究區概況

陜甘寧地區處于黃土高原中部的丘陵溝壑區，是我國生態環境治理的重點區域。總面積約1.38×105km2，在行政單元上包括陜西25縣，甘肅8縣以及寧夏的8縣。氣候類型屬于暖溫帶大陸性季風氣候向溫帶半干旱氣候的過渡帶，降水呈從南向北逐漸減小的趨勢，年降水量在330～570 mm，年際變化大，50%以上的降水集中在6—9月。主要地貌類型為山、塬、川。由于地形地貌、強降水和人類活動的影響，使得該地區植被稀疏，水土流失嚴重[15]。該地區的植被類型主要包括栽培作物、林地、草地、灌叢等(附圖7)。

1.2　數據來源及預處理

2000—2014年的遙感數據來源于美國國家航空航天局(NASA)的EOS/MODIS數據產品中的MOD13Q1 NDVI數據(http:∥e4ftl01.cr.usgs.gov)，其時間分辨率為16 d，空間分辨率為250 m×250 m。該數據產品具有較高的空間分辨率，同時經過云、氣溶膠、水汽等處理，因此被廣泛應用于區域植被覆蓋時空變化的研究。首先，使用MRT(MODIS Reprojection Tools)將所下載的MODIS—NDVI數據進行格式和投影轉換；然后，為消除異常值得影響，采用大合成法(MVC)合成月NDVI數據，并統計其年平均值。年NDVI為12個月NDVI的均值，春季、夏季、秋季和冬季分別為3—5月、6—8月、9—11月以及12—次年2月。同時為消除植被覆蓋較低區域的影響,參照該地區的植被類型圖和已有的研究[16]，將2000—2014年多年生長季NDVI均值大于0.1的區域作為植被區域。

植被類型數據來源于中國1∶100萬植被數據集，陜甘寧地區的植被主要包括栽培作物、林地、灌叢、草地等。另外，2000—2014年陜甘寧地區14個氣象站點的日降水、平均氣溫、最高/最低氣溫數據來源于中國氣象數據網(http:∥data.cma.cn/)。本文所選數據均經過了極值檢驗等嚴格的質量檢查。同時，為保證結果的可信度，利用RClimDex軟件對所獲取的資料進行異常值和錯誤值的篩選、日最高氣溫是否小于最低氣溫等質量控制[17]。

1.3　研究方法

1.3.1極端氣候指數的計算極端氣候指數定義是基于世界氣象組織氣候委員會(CCI)、全球氣候研究計劃(WCRP)氣候變化以及可預測性計劃(CLIVAR)氣候變化檢測、監測和指標專家組(ETCCDMI)等組織和機構所確定的氣候變化檢測指數[18]。這些指數目前已廣泛應用于極端氣候研究中。本文所選取的極端指數包括2個極端降水指數和10個極端氣溫指數，具體見表1。年極端指數為12個月極端指數的均值，春季、夏季、秋季和冬季極端指數分別為3—5月、6—8月、9—11月以及12—次年2月極端指數的均值。

表1　極端指數的定義

1.3.2趨勢分析利用非參數化趨勢度(Sen)方法[19]來計算2000—2014年陜甘寧地區NDVI的變化趨勢，并采用M-K[20]方法檢驗其變化趨勢的顯著性，具體計算公式如下：

(1)

(2)

(3)

(4)

式中：Slope為NDVI的變化趨勢；tj和ti為時間序數；NDVIi和NDVIj分別為第i個月和第j個月的NDVI值；n為研究時序。當Slope>0的時候，NDVI呈上升的趨勢；Slope<0的時候，NDVI呈下降的趨勢。若1.56<|Z|<1.96，NDVI呈弱顯著變化趨勢(p<0.1)；1.96≤|Z|<2.56,NDVI呈顯著變化趨勢(p≤0.05)；|Z|≥2.56，NDVI呈極顯著變化趨勢(p≤0.01)。

1.3.3 相關分析相關系數的計算公式如下[21]：

(5)

2　結果與分析

2.1　NDVI時間變化特征

2000—2014年陜甘寧地區NDVI呈顯著增加的趨勢，其增加速率為0.066/10 a (p<0.001)。2000年的NDVI年平均值為0.238 4，到2014年增加到0.356 2，增長率為49.41%。期間，2001—2002，2011—2012，2000—2001年的增加速率最快，其增長率分別為16.17%，8.03%和6.33%(圖1)。

圖12000-2014年陜甘寧地區NDVI變化

同時，根據研究區植被類型圖，進一步分析了2000—2014年陜甘寧地區不同植被類型的NDVI變化趨勢(圖2)，從圖中可知，草地、灌叢、栽培作物、針葉林和闊葉林均呈現顯著上升的趨勢(p<0.001)，其上升速率分別為0.06/10 a，0.058/10 a，0.077/10 a，0.039/10 a和0.036/10 a，栽培作物的上升速率最大，其次為草地。從不同植被的NDVI值來看，針葉林的NDVI年平均值最大，介于0.511 4～0.590 5，草地的NDVI值最小，介于0.193 9～0.301 1。

圖22000-2014年陜甘寧地區不同植被類型的NDVI變化

2.2　NDVI空間變化特征

2000—2014年期間陜甘寧地區NDVI均值呈從東南到西北遞減的態勢，高值區主要分布在東南部的子午嶺、黃龍山等地，這些地區的植被類型主要為落葉闊葉林、針葉林等，植被長勢較好；低值區主要分布在榆林的西北部、吳忠市的東南部等地，這些地區多為戈壁沙漠，植被較為疏松(附圖8)。NDVI的頻率分布圖顯示陜甘寧地區呈現單峰的結構，NDVI的平均值為0.307 8，總體植被覆蓋較差，NDVI值小于0.5的像元比例達到90.19%，其中介于0.2～0.3之間的像元數最多，比例達到39.58%。

2.3　NDVI空間趨勢特征

為進一步分析陜甘寧地區NDVI的變化情況，采用Sen方法來計算2000—2014年陜甘寧地區NDVI的變化趨勢，并采用M-K方法檢驗其變化趨勢的顯著性。結果表明，陜甘寧地區NDVI整體呈現上升的趨勢，呈上升和減小趨勢的面積分別占97.92%和1.95%(附圖9)，其中呈極顯著上升和顯著上升的區域分別占60.70%和14.99%，主要分布在榆林、延安等地區，其主要原因為這些地區為"退耕還林還草"等一系列生態工程重點實施的區域，在這些生態工程的實施下，該地區的NDVI 呈顯著增加的趨勢，變化不顯著的區域僅占17.39%，主要分布在該地區的東南部的山地等區域，其主要原因是這些地區植被主要為林地，變化相對穩定。

2.4　極端氣候指數變化趨勢

2000—2014年陜甘寧地區12個極端指數的變化趨勢見圖3。從圖中可以看出，RX1day,TMAXmean,TNx,TX10,TX90,TXn 和TXx呈現下降的趨勢，其下降速率分別1.66 mm/10 a，0.17℃/10 a，0.74℃/10 a，0.14℃/10 a，1.07℃/10 a，0.29℃/10 a 和1.35℃/10 a。而RX5day,TMINmean,TN10,TN90 和TNn呈現增加的趨勢，其增加速率為2.24 mm/10 a,0.001℃/10 a,1.38 day/10 a,0.64 day/10 a 和0.39℃/10 a，除TXx外，其他所有極端指數的變化均未通過0.05置信水平檢驗。

2.5　不同月份NDVI與極端氣候指數的關系

由于植被生長對降水、氣溫等氣象因子存在一定的滯后性，因此年尺度的相關性并不能很好的解釋植被與極端降水、氣溫的相關性[16]。鑒于此，本文從月尺度上分析了2000—2014年陜甘寧地區月NDVI與12個極端氣候指數的相關性。結果顯示NDVI與RX5day，RX1day，TMAXmean，TMINmean，TNx，TNn，TXn 和TXx有顯著的相關性(p<0.01)，其決定系數R2都在0.60以上。但與TN10，TN90，TX10p和TX90p的相關性較低(p>0.05)，其決定系數R2都在0.1以下(圖4)。

圖32000-2014年陜甘寧地區極端氣候指數變化趨勢

鑒于此，選取與NDVI相關性較好的8個極端氣候指數，分析不同植被類型的月NDVI與極端氣候指數的相關性(表2)。從植被類型來看，不同的植被類型對極端氣候指數的響應有所不同，但其NDVI與RX5day，RX1day，TMAXmean，TMINmean，TNx，TNn，TXn 和TXx均有顯著相關性(p<0.01)。對草地、灌叢、栽培作物、針葉林和闊葉林而言，RX5day可以解釋植被變化的66.11%,63.34%,65.14%,57.86%和57.31%(表2)。

2.6　不同季節NDVI與極端氣候指數的關系

考慮到不同的季節NDVI對極端氣候指數的響應不同，本文進一步分析了不同季節NDVI與極端氣候指數的相關性(表3)。

從表中可以看出，春季和秋季的NDVI與極端降水指數(RX1day和RX5day)和極端氣溫指數(TMAXmean，TMINmean，TNn，TNx，TXn和TXx)均有顯著的相關性(p<0.01)；夏季的NDVI僅與RX1day和RX5day呈顯著正相關(p<0.05)，與TMAXmean和TXx呈顯著負相關(p<0.01)；在冬季，NDVI與極端降水指數呈現負相關，其中與RX1day有顯著的相關性(p<0.05)。

表2　2000-2014年陜甘寧地區不同植被類型月NDVI與月極端氣候指數的相關性

表3　不同季節NDVI與極端氣候指數的相關性

注：**和*分別代表0.01，005顯著性水平，下表同。

同時，本文進一步分析了陜甘寧地區不同季節14個氣象站點的NDVI與極端氣候指數的相關性，具體步驟為如下：(1)以氣象站點為中心，提取站點周邊3×3像元范圍內的NDVI均值作為該站點的NDVI值；(2)基于上述結果，逐站點計算NDVI與極端氣候指數的相關系數。在春季和秋季，所有氣象站點的NDVI與極端氣候指數均呈現顯著的正相關(p<0.05)；在夏季，除洛川站外，所有氣象站點的NDVI與降水極端氣候指數(RX1day和RX5day)均呈現正相關，但是只有21.43%和42.86%的氣象站點通過了0.05顯著性水平檢驗，主要分布在中部地區，對于TMINmean，TNn，TNx和TXn極端氣溫指數來說，只有28.57%，21.43%，14.19%和7.15%的站點與NDVI呈顯著正相關(p<0.05)，對TMAXmean和TXx極端氣溫指數來說，除西吉站外，所有氣象站點的NDVI與極端氣候指數均呈現負相關，但只有21.43%和28.57%的站點通過了0.05顯著性水平檢驗，主要分布在北部的榆林等地；在冬季，所有站點的NDVI與極端降水指數呈負相關，50%和85.71%的站點通過了0.05顯著性水平檢驗，對于極端氣溫指數來看，所有站點的NDVI與TMAXmean呈現正相關，除了西北部的西吉站外，其他所有站點均未通過0.05顯著性水平檢驗，50%，64.29%，28.57%，92.86%和92.86%的氣象站點的NDVI與TMINmean，TNn，TNx，TXn和TXx呈正相關，但均未通過0.05顯著性水平檢驗。

2.7　NDVI與極端氣候指數的滯后性分析

由于植被生長對水熱條件的改變存在一定的滯后性，本文進一步分析了NDVI與當月、前1個月、前2個月以及前3個月極端氣候指數的相關性(表4)。從表中可以看出，陜甘寧地區月NDVI與當月、前1個月、前2個月的極端氣候指數均存在顯著相關性(p<0.01)，與前3個月的極端氣溫指數存在顯著的相關性(p<0.05)，與極端降水指數(RX1day和RX5day)和極端氣溫指數(TMAXmean和TXx)前1個月的相關性大于當月、前2個月以及前3個月，表明該地區的植被對這些極端氣候的響應存在滯后性。

表4　月NDVI與當月、前1個月、前2個月、前3個月極端氣候指數相關系數

圖42000-2014年陜甘寧地區月NDVI與月極端氣候指數的相關性

3　結論與討論

(1) 2000-2014年期間陜甘寧地區植被NDVI呈顯著增加趨勢，其增加速率為0.066%/10 a (p<0.001)。分植被類型來看，草地、灌叢、栽培植被、針葉林和闊葉林均呈現顯著上升的趨勢(p<0.001)。

(2) 空間上，陜甘寧地區的植被NDVI呈從東南到西北減小的趨勢，高值區主要分布在東南部的子午嶺、黃龍山等山區，低值區主要分布在西北部的榆林等地。植被NDVI整體呈上升的趨勢，其中呈極顯著上升和顯著上升的區域分別占60.70%和14.99%。

(3) 極端氣候指數中，RX5day，TMINmean，TN10，TN90和TNn呈現增加的趨勢、其他極端氣候指數呈現下降的趨勢，除TXx外，其他所有極端指數的變化均未通過0.05置信水平檢驗。

(4) 相關分析表明，在月尺度上，NDVI與RX5day，RX1day，TMAXmean，TMINmean,TNx，TNn，TXn和TXx存在顯著相關性，從植被類型來看，不同的植被類型對的NDVI與RX5day，RX1day，TMAXmean，TMAXmean，TNx，TNn，TXn 和TXx均有顯著相關性。

(5) 滯后性分析表明陜甘寧地區植被月NDVI與極端降水指數(RX1day和RX5day)和極端氣溫指數(TMAXmean和TXx)前1個月的相關性大于當月、前2個月以及前3個月，表明該地區的植被對這些極端氣候的響應存在一定的滯后性。

極端氣候事件對植被的影響是一個非常復雜的過程，目前已經受到國內外學者的廣泛關注[10,22-24]。相關分析表明，在月尺度，NDVI與RX1day，RX5day，TMAXmean，TMINmean，TNn，TNx，TXn和TXx有極強的相關性，這與Tao等在鄱陽湖流域的研究結果類似[25]。在不同的季節，NDVI與極端氣候指數相關性不同，春季和秋季的相關性高于冬季和夏季，主要是由于溫度過高會加速地表蒸散發的過程，使得土壤水分的減小，抑制植被的生長[26]。此外，隨著近年來陜甘寧地區農業生產水平的逐步提高，其生活方式也發生了改變，人口對該區域生態環境的壓力有所減輕，在沒有大的氣候波動的情況下，該地區的植被未來將呈現平穩增長的趨勢[14]。但區域氣候模式表明，2011—2050年陜甘寧地區會出現暖干化的變化趨勢，因此需要進一步評估未來氣候場景下的極端氣候事件對植被的影響，明確極端氣候事件與植被的相互影響機制。

參考文獻:

[1]鄭景云,郝志新,方修琦,等.中國過去2000年極端氣候事件變化的若干特征[J].地理科學進展,2014,33(1):3-12.

[2]劉憲鋒,朱秀芳,潘耀忠,等.近53年內蒙古寒潮時空變化特征及其影響因素[J].地理學報,2014,69(7):1013-1024.

[3]Easterling D R, Meehl G A, Parmesan C, et al. Climate extremes: Observations, modeling, and impacts[J]. Science, 2000,289(5487):2068-2074.

[4]Liao H, Chang W. Integrated assessment of air quality and climate change for policy-making: highlights of IPCC AR5 and research challenges[J]. National Science Review, 2014,1(2):176-179.

[5]趙安周,劉憲鋒,朱秀芳,等.1965—2013年黃土高原地區極端氣溫趨勢變化及空間差異[J].地理研究,2016,35(4):639-652.

[6]Nemani R R, Keeling C D, Hashimoto H, et al. Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J]. Science, 2003,300(5625):1560-1563.

[7]Ma Z, Peng C, Zhu Q, et al. Regional drought-induced reduction in the biomass carbon sink of Canada′s boreal forests[J]. Proceedings of the National Academy of Sciences, 2012,109(7):2423-2427.

[8]Ding M, Zhang Y, Liu L, et al. The relationship between NDVI and precipitation on the Tibetan Plateau[J]. Journal of Geographical Sciences, 2007,17(3):259-268.

[9]劉憲鋒,潘耀忠,朱秀芳,等.2000—2014年秦巴山區植被覆蓋時空變化特征及其歸因[J].地理學報,2015,70(5):705-716.

[10]John R, Chen J, Ou-Yang Z T, et al. Vegetation response to extreme climate events on the Mongolian Plateau from 2000 to 2010[J]. Environmental Research Letters, 2013,8(3):33-35.

[11]Hilker T, Lyapustin A I, Tucker C J, et al. Vegetation dynamics and rainfall sensitivity of the Amazon[J]. Proceedings of the National Academy of Sciences, 2014,111(45):16041-16046.

[12]Stocker T F. Climate change 2013: The physical science basis: Working Group I contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change[M]. Cambridge University Press, 2014.

[13]Reichstein M, Bahn M, Ciais P, et al. Climate extremes and the carbon cycle[J]. Nature, 2013,500(7462):287-295.

[14]李雙雙,延軍平,萬佳.近10年陜甘寧黃土高原區植被覆蓋時空變化特征[J].地理學報,2012,67(7):960-970.

[15]Li S, Yang S, Liu X, et al. NDVI-based analysis on the influence of climate change and human activities on vegetation restoration in the Shaanxi—Gansu—Ningxia region, Central China[J]. Remote Sensing, 2015,7(9):11163-11182.

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

[17]王瓊,張明軍,王圣杰,等.1962—2011年長江流域極端氣溫事件分析[J].地理學報,2013,68(5):611-625.

[18]李雙雙,楊賽霓,劉憲鋒.1960—2013年秦嶺—淮河南北極端降水時空變化特征及其影響因素[J].地理科學進展,2015,34(3):354-363.

[19]Sen P K. Estimates of the regression coefficient based on Kendall′s tau[J]. Journal of the American Statistical Association, 1968,63(324):1379-1389.

[20]Kendall M G. Rank correlation methods[J]. British Journal of Psychology, 1984,25(1):86-91.

[21]Peng J, Liu Z, Liu Y, et al. Trend analysis of vegetation dynamics in Qinghai-Tibet Plateau using Hurst Exponent[J]. Ecological Indicators, 2012,14(1):28-39.

[22]趙舒怡,宮兆寧,劉旭穎.2001—2013年華北地區植被覆蓋度與干旱條件的相關分析[J].地理學報,2015,70(5):717-729.

[23]張彬,朱建軍,劉華民,等.極端降水和極端干旱事件對草原生態系統的影響[J].植物生態學報,2014,38(9):1008-1018.

[24]Liu G, Liu H, Yin Y. Global patterns of NDVI-indicated vegetation extremes and their sensitivity to climate extremes[J]. Environmental Research Letters, 2013,8(2):025009.

[25]Tan Z, Tao H, Jiang J, et al. Influences of climate extremes on NDVI(normalized difference vegetation index)in the Poyang Lake Basin, China[J]. Wetlands, 2015,35(6):1033-1042.

[26]周德成,趙淑清,朱超.退耕還林工程對黃土高原土地利用/覆被變化的影響:以陜西省安塞縣為例[J].自然資源學報,2011,26(11):1866-1878.