中國東部兩熟制農(nóng)田NDVI不對稱年際變化趨勢及其潛在氣候成因

張慧嫻　陳鐵喜　江曉東　施婷婷　王國杰

摘要：一年兩熟制是我國東部農(nóng)業(yè)區(qū)主要的耕作形式和增產(chǎn)方式。利用長序列遙感歸一化植被指數(shù)（NDVI），研究我國東部兩熟制農(nóng)田1982—2015年間植被變化趨勢。研究區(qū)域為31°～39°N范圍內(nèi)的東部5省區(qū)，包括河北省、河南省、山東省、江蘇省以及安徽省。NDVI的多年季節(jié)平均顯示，1年中有2個峰值，分別出現(xiàn)在5月與8月，對應兩季作物各自生長的峰期。在1982—2015年，研究區(qū)NDVI呈現(xiàn)顯著上升趨勢，增速為1.703×10-3/年。根據(jù)兩熟制種植期，定義6—10月的夏秋作物期和11月至次年5月的冬春種植期。結(jié)果發(fā)現(xiàn)，NDVI的年際增長主要由冬春作物期貢獻，其增長率為2.436×10-3/年，并且遠大于夏秋作物期0.676×10-3/年的變率。結(jié)合該地區(qū)的氣溫與降水數(shù)據(jù)發(fā)現(xiàn)，在2個作物期，降水并未出現(xiàn)顯著變化，而溫度都呈現(xiàn)出顯著增加趨勢。其中冬春作物期溫度增速大于夏秋作物期，分別為0.042 ℃/年和0.029 ℃/年。由于冬春作物期平均溫度相對較低，同時增溫速率更高，因此，增溫對植被生長的促進作用在該時期更強，從而造成了NDVI的不對稱變化。

關(guān)鍵詞：雙季種植制度;農(nóng)田;NDVI;植被變化

中圖分類號： S127;S162.5文獻標志碼： A

文章編號：1002-1302（2019）08-0242-06

植被監(jiān)測是生態(tài)環(huán)境研究的重點之一，同時植被在陸氣相互作用中扮演著重要角色，是能量交換、水文循環(huán)、碳循環(huán)等過程中的主要組成部分[1-2]。植被變化受到氣候系統(tǒng)與人類活動等諸多要素影響，其中主要影響氣候要素的有水分、溫度和光照[3]，同時受到大氣中CO2濃度增加帶來的施肥效應[4]、氮循環(huán)的養(yǎng)分作用[5]以及土地利用變化[6]等的影響。因此，如何有效識別植被動態(tài)變化的研究也是地球系統(tǒng)研究的重要發(fā)展方向之一[7-8]。

農(nóng)田是陸地植被重要的組成部分，約占全球非冰凍陸地總面積的12%。隨著對糧食需求的進一步增加，農(nóng)田的面積處于整體上不斷增加的狀態(tài)[9]。Zeng等發(fā)現(xiàn)，由于農(nóng)田面積擴大和農(nóng)業(yè)技術(shù)的發(fā)展，農(nóng)作物的生長是大氣CO2季節(jié)性變化幅度增加的主要原因之一[10]。傅強等結(jié)合當?shù)貧夂颦h(huán)境條件，建立了一個符合該區(qū)域持續(xù)發(fā)展的農(nóng)業(yè)生態(tài)系統(tǒng)，提高糧食產(chǎn)量的同時也可對大氣的CO2濃度進行調(diào)節(jié)，成為強有力的碳匯[11-12]。因此，對農(nóng)田植被過程描述的細化，是降低植被模式不確定性的有效潛在手段之一[13]。

多熟制種植制度是全球作物種植制度的重要特征，提高了全球作物產(chǎn)量。隨著全球變暖，中緯度地區(qū)中更多區(qū)域的氣候條件會滿足多熟制種植制度的環(huán)境需求，例如氣溫升高使農(nóng)作物生長季加長。我國是世界上多熟制面積最大、歷史最悠久的國家之一。Duan等發(fā)現(xiàn)1961—2010年我國雙季稻種植的氣候適宜面積增加[14]。賴純佳等發(fā)現(xiàn)麥-稻兩熟制氣候適宜性對全球變暖有明顯的響應[15]。Liu等研究顯示，我國潛在復種指數(shù)在1960—2010年增加7%～13%[16]，雖然三熟制適宜區(qū)有所增加，但實際上雙季種植制度是我國多熟制種植制度中的主要存在類型。兩熟制種植面積的增大，提高了作物產(chǎn)量，同時植被的生長狀態(tài)也有相應的改變。實際上農(nóng)田的農(nóng)業(yè)活動，作物的種植與收割會使農(nóng)田植被情況在這2個時段下出現(xiàn)急劇的變化。在雙季種植制度下，2種作物種植季節(jié)將1年的生長季分成了2段生長季，并且在這一年的植被生長期間預計有2個植被的高峰期，這一物候特征與自然植被的物候情況有很大的不同[17]。

自20世紀70年代末以來，遙感技術(shù)已成為持續(xù)監(jiān)測區(qū)域和全球尺度范圍內(nèi)的植被狀況的必要手段。目前，有許多植被指數(shù)可用于度量地表的植被狀況，歸一化差異植被指數(shù)（NDVI）是應用最廣泛的遙感植被指標[18]。過去的研究表明1982—2006年全球植被生長季NDVI總體呈上升趨勢[19]，同時1982—1999年間我國大多數(shù)地區(qū)的NDVI都呈現(xiàn)不同程度的增加趨勢[20]。然而復種農(nóng)田地區(qū)由于輪作期間的收割與播種等活動，造成其與單季種植和自然植被在物候上具有巨大差異，一般采用生長季等分類并不能體現(xiàn)該區(qū)域的特點。該現(xiàn)象前人研究較少，例如Chen等作為探索，僅研究淮河流域NDVI在2個作物期的年際變化問題[21]。而我國兩熟制農(nóng)田分布十分廣泛，但針對2個作物期的植被變化研究仍然較少。因此，進行該方面的研究，將有利于進一步深化探討植被對氣候變化和人類活動的響應。

1材料與方法

1.1研究區(qū)域

圖1為我國東部主要兩熟制農(nóng)業(yè)區(qū)。我國氣候適宜兩熟制種植的區(qū)域分布廣泛，并且隨著全球變暖有擴大的趨勢[16]。而在實際耕作中采用雙季種植的地區(qū)相對集中，本研究范圍選取的依據(jù)主要參考Yan等的研究成果[22]，提供了我國基于遙感觀測提取的實際復種分布情況。研究區(qū)域主要包括31°～39°N范圍內(nèi)的東部5個省區(qū)，包括河北省、河南省、山東省、江蘇省以及安徽省。該區(qū)域是我國兩熟制農(nóng)田所占比重最大、分布較為連續(xù)的農(nóng)業(yè)區(qū)。另外一處是我國的四川平原[22]，但面積遠小于本研究所選區(qū)域。

該區(qū)域是我國典型的夏季風區(qū)，在研究期間，即1982—2015年間，該地區(qū)年平均降水量為831 mm，并且季節(jié)分布不均。降水集中在夏季的6—8月，占年總量一半以上，約為53%。降水最大值出現(xiàn)在7月份，約為184 mm。研究區(qū)在1982—2015年間年平均溫度為14.3 ℃，其中7月溫度最高，約為26.8 ℃，1月溫度最低，約為0.2 ℃。

研究區(qū)農(nóng)田分布廣泛，非農(nóng)田地區(qū)主要集中在城市、湖泊和部分山區(qū)。參考前人研究成果[21]，筆者使用了GlobCover-2009的土地利用分布數(shù)據(jù)[23]進行農(nóng)田分布提取。該地區(qū)的秋播作物以冬小麥為主，部分地區(qū)有油菜種植。夏播作物主要為玉米、棉花和水稻等。因此，按照作物生長習性，主要輪作季節(jié)發(fā)生在6月以及10—11月份。因此，1年按照2季種植期，即6—10月定為夏播作物生長期，11月至次年5月定為秋播作物生長期。為了體現(xiàn)兩熟作物生長期所在季節(jié)，將2個時期分別稱為夏秋作物期和冬春作物期[18]。

1.2數(shù)據(jù)獲取及利用

本研究采用NDVI來研究植被狀態(tài)。NDVI是（RNIR-Rred）/（RNIR+Rred）的歸一化比率，其中RNIR和Rred分別表示近紅外和紅色光譜波段的反射率。采用的是GIMSS（global inventory modeling and mapping studies）組最新的NDVI3g版本[24]。該數(shù)據(jù)覆蓋期間為1982—2015年，時間分辨率為半月，空間分辨率為1/12°。NDVI選取數(shù)據(jù)質(zhì)量較好的部分（Flag=1，2，3），其余部分采用三維插值方法進行插值[25]。

本研究降水和氣溫數(shù)據(jù)來自中國氣象局，于國家氣象科學數(shù)據(jù)共享服務平臺下載（http：//data.cma.cn/）。該數(shù)據(jù)空間分辨率為0.5°，時間分辨率為逐月數(shù)據(jù)。線性趨勢顯著性檢驗采用Mann-Kendall趨勢檢驗法，P<0.1 視為趨勢顯著。

2結(jié)果與分析

2.11982—2015年研究區(qū)NDVI、降水量和氣溫均值的空間分布

圖2顯示了研究區(qū)植被、降水以及溫度在1982—2015年間多年平均狀況的空間分布形態(tài)。由圖2可知，夏秋作物期NDVI數(shù)值要普遍大于冬春作物期。NDVI的高值集中在河南、山東西北部以及江蘇東部等地，數(shù)值上大于0.5。而冬春作物期NDVI值往往在0.4以下。夏秋作物期的熱量及降水條件也明顯優(yōu)于冬春作物期。而降水的空間分布呈現(xiàn)較為明顯的南高北低形態(tài)，南部降水可達北部的2倍左右。溫度在全年以及冬春種植期也呈現(xiàn)出南高北低的形態(tài)，河北與山東地區(qū)的溫度相對較低。但是在夏秋作物期，溫度在研究區(qū)整體分布較為均一，其中泰山地區(qū)與山東半島地區(qū)溫度相對較低。

2.2NDVI、降水量和氣溫多年平均季節(jié)特征

兩熟制農(nóng)業(yè)區(qū)由于秋播作物收獲與夏播作物種植發(fā)生在夏季，會造成農(nóng)田NDVI即使在氣候條件下的生長旺季也會出現(xiàn)典型的下降現(xiàn)象。而2個作物期，作物生長旺季的NDVI會大于收割和播種期，從而會產(chǎn)生典型的NDVI雙峰結(jié)構(gòu)。由圖3可知，NDVI在1982—2015年間的季節(jié)平均狀況。NDVI呈現(xiàn)典型的雙峰結(jié)構(gòu)，并對應于2個作物期。在逐半月尺度上，峰值出現(xiàn)在5月上半月和8月上半月。相應的，在月尺度上，峰值分別出現(xiàn)在5月和8月。此時正值作物的孕穗期與開花期，作物生長旺盛，葉面積指數(shù)（LAI）達到最大。6月是一個典型的谷值，與秋播作物收獲期和夏播作物種植期相對應，與實際農(nóng)業(yè)活動一致。11月至次年1月是另一個估值，這主要是秋播作物種植以及冬季溫度低，秋播作物生長量小[CM（25]造成的。 結(jié)合氣候分析可以發(fā)現(xiàn)， ?溫度和降水在6月也僅僅低于7月和8月。因此，該地區(qū)農(nóng)田物候與自然水熱條件的季節(jié)特征并不一致，主要是雙季輪作導致的。同時也表明，雙季輪作是該地區(qū)的主要種植形式。降水與氣溫呈現(xiàn)單峰季節(jié)特征，而降水和溫度的峰值都出現(xiàn)在7月。

2.3研究區(qū)NDVI、降水和氣溫年際變化特征

筆者進一步研究了兩熟制農(nóng)業(yè)區(qū)的植被多年變化趨勢，NDVI、降水和溫度的年際變化曲線如圖4所示，表1總結(jié)了它們的年際變率。NDVI在1982—2015年呈現(xiàn)顯著的增加趨勢，變率為1.703×10-3/年。而這種增加趨勢主要由冬春作物期貢獻。冬春作物期，NDVI年際增率為2.436×10-3/年，遠大于夏秋作物期的0.676×10-3/年，前者是后者的3.6倍。降水在年均和2個作物期都沒有呈現(xiàn)出顯著變化，但是具有較大的年際變率。氣溫在年均和2個作物期都出現(xiàn)了顯著性增加。氣溫增長主要出現(xiàn)在冬春作物期，為 0.042 ℃/年。其相比夏秋作物期的0.029 ℃/年高 44.8%。同時由于冬春季節(jié)，平均溫度本身就比夏秋作物期要明顯偏低，因此，冬春季節(jié)氣溫增幅的比重相對更高。

為了研究季節(jié)變化的細節(jié)，筆者進一步研究了逐月的變化趨勢。由圖5可知，NDVI在各月均呈現(xiàn)了上升趨勢。然而在2個作物期，它的變化趨勢差異很大。NDVI在7月和8月變率最小并且不顯著。NDVI增長最快的月份出現(xiàn)在3月與4月，正是冬春作物期農(nóng)作物生長最為旺盛的月份。冬春作物期所有月份NDVI都顯著增長。在夏秋作物期，NDVI顯著性增長出現(xiàn)在6月、9月和10月。而降水在各月的變率分布并無顯著性規(guī)律，增加與減少的月份基本均等，僅僅在10月份呈現(xiàn)最大的下降速率。在氣溫方面，各月都呈現(xiàn)出增加趨勢。增溫最大的月份是3月。全年中呈現(xiàn)顯著性增加的有7個月。因此，整體形態(tài)上，溫度與NDVI變率在各月的分布形態(tài)較為相似，而降水量與NDVI、溫度變率不同。

圖6為NDVI、降水量與溫度變化趨勢的空間分布形態(tài)。由圖6可知，NDVI在年際變化與冬春作物期呈現(xiàn)了較為一致的上升趨勢。各地區(qū)的上升強度有較大差異，其中增加最快的區(qū)域位于河北南部、河南和安徽的大部分地區(qū)。然而在夏秋作物期，NDVI在研究區(qū)同時存在上升地區(qū)和下降地區(qū)，盡管整體上NDVI在夏秋作物期也呈現(xiàn)較小的上升趨勢（圖4）。其中，NDVI下降區(qū)域主要出現(xiàn)在河南、河北西南部以及江蘇東南部等地區(qū);而上升區(qū)域主要位于河北東南部、山東大部分地區(qū)以及安徽中部地區(qū)。因此，NDVI在夏秋作物期的變化形態(tài)與冬春作物期和年平均差異較大。降水與區(qū)域平均結(jié)果類似，除了個別各點外基本上沒有顯著性變化。只有位于山東的少數(shù)地區(qū)出現(xiàn)了顯著增加。而溫度在研究區(qū)呈現(xiàn)了整體的顯著增長趨勢。其中年平均分布上，增溫較高的區(qū)域出現(xiàn)在東南地區(qū);在冬春作物期，增長率較高的地區(qū)出現(xiàn)在山東中部和江蘇南部;而在夏秋作物期，增溫較高的區(qū)域出現(xiàn)在研究區(qū)的東南部。

3討論與結(jié)論

本研究的研究區(qū)域是我國最大的一片分布較為集中和連續(xù)的兩熟制農(nóng)業(yè)區(qū)[22]。本研究探討了該區(qū)域在1982—2015年間的植被變化趨勢，特別關(guān)注兩熟作物的2個生長期。Chen等的研究僅關(guān)注了淮河流域，本研究與之相比，采用了更長的數(shù)據(jù)，并且在研究范圍上更具一般性，因此結(jié)果更具有代表性[21]。

農(nóng)作物地區(qū)的植被與自然植被相比，最大的特點是物候的差異，受到耕種、收割以及品種選擇等諸多要素的作用。以本研究的兩熟制農(nóng)田為例，6月作為輪作轉(zhuǎn)換期，冬春作物的收割和夏秋作物的播種主要集中發(fā)生在該月份，導致該月NDVI出現(xiàn)谷值。而該月份的水熱自然條件卻是十分的豐富，這就造成了一般采用的自然生長期并不能有效地分析出兩熟制農(nóng)田植被的特征。因此，在研究這類地區(qū)的植被變化情況時，必須針對作物期進行重新劃分季節(jié)，而非簡單實用一般意義的生長期。

約束植被生長的氣候要素主要包括溫度、降水和光照[3]，以及其他一系列要素，包括CO2的施肥效應、氮循環(huán)的養(yǎng)分效應等。人類活動尤其是土地利用變化也會對植被產(chǎn)生直接的影響。本研究僅就溫度與降水2個氣候要素進行分析。結(jié)果顯示，理論上溫度的變化可以產(chǎn)生前述所發(fā)現(xiàn)的NDVI在2個作物期的差異性年際變化趨勢。如果需要進一步分離其他要素的貢獻，一種比較可行的方案是使用動態(tài)植被模式（DGVM），通過試驗設計模擬，在不同情境下，查看各類要素對植被變化的貢獻比重。而從分析的角度，研究眾多要素的貢獻具有一定的困難。同時，本研究所發(fā)現(xiàn)的溫度變化差異，在理論上能夠?qū)DVI的非對稱變化趨勢進行解釋。

總結(jié)本研究內(nèi)容與結(jié)果，在我國東部主要的雙季種植農(nóng)田地區(qū)，NDVI在1982—2015年間呈現(xiàn)出顯著的上升趨勢，變率為1.703×10-3/年。年際變化增長主要由冬春作物期貢獻，增長率為2.436×10-3/年。這一增長率是夏秋作物期增長率0.676×10-3/年的3.6倍。因此，在1982—2015年間，NDVI在研究區(qū)兩熟制的2個作物期，呈現(xiàn)出非對稱變化。理論上，氣溫可能是造成這種非對稱年際變率的氣候要素。

參考文獻：

[1]張云霞，李曉兵，陳云浩. 草地植被蓋度的多尺度遙感與實地測量方法綜述[J]. 地球科學進展，2003，18（1）：85-93.

[2]何勇. 中國氣候、陸地生態(tài)系統(tǒng)碳循環(huán)研究[M]. 北京：氣象出版社，2006：137-162.

[3]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.

[4]Yuan W P，Piao S L，Qin D H，et al. Influence of vegetation growth on the enhanced seasonality of atmospheric CO2[J]. Global Biogeochemical Cycles，2018，32（1）：32-41.

[5]Tian H，Lu C，Ciais P，et al. The terrestrial biosphere as a net source of greenhouse gases to the atmophere[J]. Nature，2016，531（7593）：225-228.

[6]劉紀遠，邵全琴，延曉冬，等. 土地利用變化對全球氣候影響的研究進展與方法初探[J]. 地球科學進展，2011，26（10）：1015-1022.

[7]Bonan G B，Williams M，F(xiàn)isher R A，et al. Modeling stomatal conductance in the earth system：linking leaf water-use efficiency and water transport along the soil-plant-atmosphere continuum[J]. Geoscientific Model Development，2014，7（5）：2193-2222.

[8]Weiss M，Miller P A，van den Hurk B J，et al. Contribution of dynamic vegetation phenology to decadal climate predictability[J]. Journal of Climate，2014，27（22）：8563-8577.

[9]Doelman J C，Stehfest E，Tabeau A，et al. Exploring SSP land-use dynamics using the IMAGE model：regional and gridded scenarios of land-use change and land-based climate change mitigation[J]. Global Environmental Change-Human and Policy Dimensions，2018，48：119-135.

[10]Zeng N，Zhao F，Collatz G J，et al. Agricultural green revolution as a driver of increasing atmospheric CO2 seasonal amplitude[J]. Nature，2014，515（7527）：394-397.

[11]傅強，康文星，吳湘雄. 江西省農(nóng)作物對大氣CO2吸收能力的研究[J]. 中南林業(yè)科技大學學報，2012，32（4）：117-121.

[12]王修蘭. 全球農(nóng)作物對大氣CO2及其倍增的吸收量估算[J]. 氣象學報，1996，54（4）：466-473.

[13]Chen T，van der Werf G R，Gobron N，et al. Global cropland monthly gross primary production in the year 2000[J]. Biogeosciences，2014，11（14）：3871-3880.

[14]Duan J Q，Zhou G S. Dynamics of decadal changes in the distribution of double-cropping rice cultivation in China[J]. Chinese Science Bulletin，2013，58（16）：1955-1963.

[15]賴純佳，千懷遂，段海來，等. 淮河流域小麥-水稻種植制度的氣候適宜性[J]. 中國農(nóng)業(yè)科學，2011，44（14）：2868-2875.

[16]Liu L，Xu X L，Zhuang D F，et al. Changes in the potential multiple cropping system in response to climate change in China from 1960—2010[J]. PLoS One，2013，8（12）：e80990.

[17]李正國，楊鵬，周清波，等. 基于時序植被指數(shù)的華北地區(qū)作物物候期/種植制度的時空格局特征[J]. 生態(tài)學報，2009，29（11）：6216-6226.

[18]Thcker C J，Pinzon J E，Brown M E，et al. An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data[J]. International Journal of Remote Sensing，2005，26：4485-4498.

[19]孫進瑜，彭書時，王旭輝，等. 1982—2006年全球植被生長時空變化[J]. 第四紀研究，2010，30（3）：522-530.

[20]方精云，樸世龍，賀金生，等. 近20年來中國植被活動在增強[J]. 中國科學（C輯），2003，33（6）：554-565.

[21]Chen T X，Wang G J，Yuan W P，et al. Asymmetric NDVI trends of the two cropping seasons in the Huai River basin[J]. Remote Sensing Letters，2016，7（1）：61-70.

[22]Yan H M，Xiao X G，Huang H Q，et al. Multiple cropping intensity in China derived from agro-meteorological observations and MODIS data[J]. Chinese Geographical Science，2014，24（2）：205-219.

[23]Bontemps S，Defourny P，Bogaert E V，et al. GLOBCOVER2009-Products description and validation report[EB/OL]. [2018-01-09]. http：//due.esrin.esa.int/page_globcover.php.

[24]Pinzon J E，Tucker C J. A Non-Stationary 1981—2012 AVHRR NDVI3g time series[J]. Remote Sensing，2014，6（8）：6929-6960.

[25]Wang G J，Garcia D，Liu Y，et al. A three-dimensional gap filling method for large geophysical datasets：application to global satellite soil moisture observations[J]. Environmental Modelling & Software，2012，30（1）：139-142.