黃河流域植被時空變化及其對氣候要素的響應

李晴晴,曹艷萍,2,*,苗書玲

1 河南大學地理與環境學院,開封 475004 2 黃河中下游數字地理技術教育部重點實驗室,開封 475004

在2019年黃河流域生態保護和高質量發展座談會上,習近平總書記強調加強黃河治理保護、推動黃河流域高質量發展是國家戰略[1]。黃河流域生態保護與治理是實現美麗中國的關鍵一步,關注黃河流域植被覆蓋動態變化是黃河流域生態保護與治理的重要前提。

針對黃河流域的生態環境時空變化及其與氣象、水文以及人類活動的關系已開展很多研究。已有研究表明近些年來黃河流域植被覆蓋度呈增加趨勢[2—4],氣溫上升和降水增多對流域植被綠化發揮重要的積極作用[3]。而采用不同數據源、不同方法,從不同角度分析不同時段得出的結論有些許差異。Wei Zhang等[5]采用1982—2015年黃河流域NDVI數據,分析發現黃河流域氣候變化對植被的影響大于人類活動對植被的影響。孫睿、田智慧等[6—7]分別采用1982—1999年黃河流域NDVI數據和2000—2015年黃河流域NPP數據,分析發現降水量是影響黃河流域植被覆蓋年際變化的主要因素,而且植被變化滯后降水量[8]；楊尚武等[9]采用1999—2013年黃河流域NDVI數據,分析發現氣溫對黃河流域高寒地帶的植被覆蓋度影響比較大。除氣象要素外,人類活動對黃河流域植被覆蓋的貢獻亦引起廣泛關注。張丹丹、Yang Li等[10—11]分別采用1998—2015年黃河流域NDVI數據和2000—2015年黃河流域NPP數據,分析發現黃河流域植被覆蓋度的顯著增加主要與人類活動的積極影響有關；如黃土高原等中下游植被增長與天然林工程和退耕還林還草工程的實施密切相關[12]。何勇等[13]采用2000—2005年MODIS GPP資料分析了氣候因子對植被生長的影響,發現太陽輻射對中國大陸植被生長影響較小。

葉面積指數(Leaf Area Index, LAI)一般定義為單位地表面積上綠葉總面積的一半,是表征植被數量和結構特征的最基本參量[14—15]。葉面積指數(LAI)隨時間的動態變化可以較好地反映植被數量和結構特征的變化,且可以更好地反映出植被和氣候要素的相互作用[15—17]。目前針對黃河流域植被動態的研究多基于植被指數數據(如NDVI)或凈初級生產力NPP數據,且主要集中于早些年份且跨度小,基于AVHRR LAI數據集的研究不足,氣候要素對植被LAI的影響缺乏系統分析,尤其是太陽輻射對黃河流域植被LAI動態的影響不清楚,且前人所用氣候要素數據多為氣象站點數據,基于衛星、氣象站點等多源數據合成的氣候要素數據在黃河流域的應用有待進一步探究。研究分析氣候驅動背景下黃河流域近期長時序植被LAI時空動態變化特征,對于認知黃河流域生態環境至關重要。

本文基于1981—2017年AVHRR LAI數據集,氣溫、降水量、太陽輻射等衛星氣象數據資料,采用一元線性趨勢、相關性分析等統計方法,研究近37年間的黃河流域LAI的時空變化規律,探討LAI與流域氣候因子的關系,以期為黃河流域的生態環境保護提供科學依據。

1 數據與方法

1.1 研究區概況

黃河流域位于緯度25°N—50°N,經度90°E—125°E之間(圖1),南起秦嶺,北至陰山,西到巴顏喀拉山,東達渤海,從西到東橫跨多個地貌單元,包括黃河源頭巴顏喀拉山與貴德之間的青藏高原,貴德到河南孟津江段的黃土高原,孟津以下的華北平原[18—19]。黃河流域植被覆蓋總體上呈現東南高、西高、東北少、北少的分布特點,2018年的草地、農田、林地、裸地、城鎮和濕地等6種生態系統類型分別占總面積的41%、31%、16%、6%、4%和2%。該流域溫差懸殊,自西向東由冷變暖；降水集中且分布不均,年平均降水量470 mm[5]。流域內地形千溝萬壑,水土流失嚴重、生態環境日益惡化。

圖1 黃河流域及其生態系統類型圖Fig.1 Map of the Yellow River Basin and its ecosystem types

1.2 數據

本文采用的LAI數據(1981—2017)來源于國家科技基礎條件平臺—國家地球系統科學數據中心(http://www.geodata.cn)的全球陸表特征參量產品(GLASS)。該套產品數據是基于AVHRR地表反射率數據,采用廣義回歸神經網絡(GRNNs)算法和滾動處理方式反演得到[20]。空間分辨率為0.05°,時間分辨率為8d,數據格式為HDF,地理投影為WGS84。數據獲取后,本文基于Python進行批量轉換和裁剪得到TIFF格式的黃河流域LAI柵格數據；并基于最大值合成法得到月LAI數據資料。

黃河流域氣溫、降水量和太陽輻射數據來源于國家青藏高原科學數據中心(http://data.tpdc.ac.cn)的中國區域地面氣象要素驅動數據集(1979—2017)。該套數據時間分辨率為3h,空間分辨率為0.1°,是以國際上現有的Princeton再分析資料、GLDAS資料、GEWEX-SRB輻射資料,以及TRMM降水資料為背景場,融合了中國氣象局常規氣象觀測數據制作而成[21—23]。該套氣象驅動數據集的降水數據單位為0.1mm,氣溫數據單位為0.1℃,太陽輻射單位為W/m2。基于Python完成批量轉換和裁剪后得到TIFF格式的黃河流域氣溫、降水量和太陽輻射柵格數據；之后用Matlab軟件進行批量提取處理,采用月平均值法生成1981—2017年黃河流域范圍的逐月柵格平均氣溫、降水量、太陽輻射數據,并通過批量統計導出黃河流域時序上的逐年、逐月的降水量、氣溫、太陽輻射數據集。

1.3 方法

1.3.1最大值合成法

基于1981—2017年黃河流域逐月LAI柵格數據,根據最大值合成法(Maximum Value Composite,MVC)批量計算得到黃河流域1981—2017年逐年LAI最大值序列圖譜,代表生長旺季的植被狀態[24]。公式如下：

LAImaxi=max(LAIij)

(1)

式中,LAImaxi指i(i=1981—2017)年LAI最大值,LAIij指i年j(j=1—12)月的LAI數據。

1.3.2一元回歸趨勢分析

一元回歸趨勢分析是對一組隨時間變化的變量進行回歸分析的方法,可以預測變量的變化趨勢,計算公式如下[4]：

(2)

式中,SlopeLAI是斜率；n代表總年數；i代表第i年；Ai表示第i年對應的數值。本文使用此方法分析1981—2017年黃河流域每個柵格年內的LAI最大值(LAImax)在時序上的變化趨勢。并采用Manner-Kendall(M-K)方法對變化速率進行顯著性檢驗分析。

1.3.3相關分析

本文借助SPSS軟件采用Pearson相關性分析方法分別分析植被LAI與氣溫、降水、太陽輻射的月相關性和季節相關性。進一步采用基于像元的時滯互相關分析方法分析植被LAI與氣溫、降水、太陽輻射的相關關系,其計算公式如下[25—26]：

(3)

1.3.4地理探測器

本文采用王勁峰等人[27]開發的地理探測器來探究氣候要素對植被LAI的貢獻率,其原理如下：

(4)

2 結果與分析

2.1 黃河流域LAI時空變化特征

2.1.1LAI年內變化

分析黃河流域1981—2017年內多年月平均LAI值(圖2)發現：多年月平均LAI值呈“雙峰”季節特征,在1月達到最小值0.19,之后緩慢上升到4月形成第一個高峰值(0.45)；5月LAI值相對4月LAI明顯降低,與5月份黃河流域農作物(例如冬小麥)等收割造成流域LAI值降低有關；6月起LAI顯著上升,直至8月形成第二個高峰值(1.51),9—12月LAI逐月緩慢下降。整體上,黃河流域LAI的年內變化規律符合植被的季節變化規律。該結果在一定程度上說明基于LAI數據資料研究植被覆蓋率和生態環境變化是可靠的。

圖2 1981—2017年黃河流域多年月平均LAI變化曲線圖 Fig.2 Curve of annual mean LAI variation in the Yellow River Basin from 1981 to 2017LAI：葉面積指數 Leaf Area Index

圖3 1981—2017年黃河流域LAI四季變化曲線圖 Fig.3 Graph of seasonal variation of LAI in the Yellow River Basin from 1981 to 2017

2.1.2LAI年際變化

將3—5月的LAI取平均值得到春季的LAI,同理求出夏季(6—8月份)、秋季(9—11月份)和冬季(12—2月份)的LAI,進而分析1981—2017年間黃河流域四季的LAI分布規律(圖3)。1981—2017年間黃河流域四季的LAI均呈不同程度的上升趨勢,其中夏季LAI上升幅度和年際波動最大,年增加速率為0.015/a,冬季LAI呈緩慢平穩上升,波動最小,增加速率為0.001/a。從1981—2017年黃河流域四季LAI平均值分布數據看,夏季LAI均值介于0.96—1.69,其中最低值出現在1982年,最高值出現在2016年；秋季LAI均值介于0.60—0.93,其中最低和最高值出現的年份與夏季的一致；春季LAI均值介于0.23—0.37,其中最低值出現在1989年,最高值出現在2017年；冬季LAI均值介于0.16—0.22,最低和最高值出現的年份與春季的一致。

2.1.3LAI年時空變化

根據最大值合成法(式1)得到黃河流域1981—2017年逐年LAI(LAImax),之后求出年LAImax序列圖譜在37年間流域內各個柵格的均值,得到1981—2017年黃河流域多年平均LAImax分布圖,可以顯示黃河流域植物生長旺季的LAI空間分布情況(圖4)。黃河流域植被覆蓋總體上呈東南高、西北低的趨勢,這與前人所得結論一致[11,29]。植物生長旺季的LAI均值分布在0—5.15之間,空間上由西向東、由北向南遞增。流域西部的青海部分地區,中北部的甘肅、寧夏、內蒙古和陜西北部等地區,LAI均值偏低,在0—1.94之間,生態系統類型主要為草地和裸地；流域東部的山東、河南、陜西、山西以及流域西部的四川、甘肅西南部和青海東部等地區LAI均值比較高,在1.94—5.15之間,生態系統類型主要為農田和林地。

基于一元回歸趨勢分析方法分析黃河流域1981—2017年每個柵格LAImax序列的長時序年變化趨勢(SlopeLAI)。研究時段內,黃河流域年LAI變化速率分布在-0.08—0.09之間,對一元回歸趨勢分析結果進行顯著性檢驗,利用P值進行劃分,若P值小于0.05則通過顯著性檢驗,否則沒有通過。根據LAI變化速率的正負值及是否通過顯著性檢驗,將黃河流域LAI的變化趨勢分為：顯著減少(SlopeLAI<0且P<0.05)；不顯著減少(SlopeLAI<0且P>0.05)；不變(SlopeLAI=0)；不顯著增加(SlopeLAI>0且P>0.05)；顯著增加(SlopeLAI>0且P<0.05),分別對應黃河流域生態環境狀況的顯著惡化、不顯著惡化、基本不變、不顯著改善、顯著改善(圖5)。

1981—2017年間,黃河流域生態環境顯著惡化、不顯著惡化、基本不變、不顯著改善、顯著改善的區域分別占總區域的4%、13%、0.3%、30.6%、52.1%。1981—2017年黃河流域生態環境狀況顯著改善的區域明顯多于顯著惡化的區域,這與袁麗華等[30]所得結果相一致。生態環境狀況惡化的區域生態系統類型以草地、裸地以及林地為主；生態環境不顯著改善的區域分散分布于黃河流域各個省區,生態系統類型以草地為主；生態環境顯著改善的區域分布范圍比較廣泛,其中甘肅的中部和東部、陜西北部、寧夏以及內蒙古的部分區域分布比較集中,主要是農田和草地生態系統；生態環境不變的區域很少,零星分布在流域內,主要是濕地生態系統。

從整體來看,1981—2017年黃河流域植被LAI呈顯著增加趨勢,尤其是中東部的甘肅、寧夏、陜西等地植被LAI增加趨勢明顯；流域內大多數省區的植被LAI并非單一的變化趨勢,而是多種變化趨勢共存,但總的變化趨勢是增加的。

圖4 1981—2017年黃河流域多年平均LAImax分布圖 Fig.4 Distribution map of perennial average LAImaxin the Yellow River Basin from 1981 to 2017

圖5 1981—2017年黃河流域LAI變化趨勢空間分布 Fig.5 Spatial distribution of LAI variation trend in the Yellow River Basin from 1981 to 2017

2.2 黃河流域氣候要素與LAI的相關性

2.2.1LAI與氣溫的相關性

圖6 1981—2017年黃河流域多年月平均LAI、氣溫變化圖 Fig.6 Annual mean LAI and temperature variation chart of the Yellow River Basin from 1981 to 2017

分析1981—2017年間黃河流域多年月平均LAI和多年月平均氣溫的關系(圖6),整體上,黃河流域多年月平均LAI與多年月平均氣溫的變化趨勢大體一致,LAI高峰值出現在8月份,而氣溫高峰值出現在7月份。5月份LAI的低谷值與氣溫相悖,是由于5月份黃河流域農作物(例如冬小麥)等收割造成流域LAI值減少。LAI與氣溫相關系數值為0.82,且通過顯著性檢驗,表明：整體上,黃河流域LAI與氣溫在年內具有極顯著的相關性。

分析1981—2017年間黃河流域各個季節的LAI與氣溫的變化趨勢(圖7)發現：春夏秋冬四季的平均氣溫變化速率不同,冬季氣溫在多年間的增高趨勢最顯著,增高速率達到0.07℃/a,夏季氣溫增高趨勢最不顯著,增高速率只有0.04℃/a。總體上,1981—2017年黃河流域各個季節氣溫都呈增高趨勢。在氣溫上升背景下,春夏秋冬四季LAI均呈上升趨勢。在冬季氣溫快速上升背景下,黃河流域冬季LAI呈增加趨勢,但受植物生理限制,增長速率最弱；而在夏季氣溫緩慢上升背景下,流域夏季LAI快速增長。此外,春季和秋季的LAI對極端氣溫響應敏感。例如,1988年黃河流域春季氣溫達到多年來最低水平,而同時期LAI也呈低值狀態；1998年黃河流域秋季氣溫出現多年來最高水平,而同時期LAI也呈高值狀態,整體上春秋兩季氣溫對LAI的影響較大。

對1981—2017年黃河流域各個季節平均LAI和對應季節平均氣溫數據進行Pearson相關性分析(表1),結果發現春、夏、秋和冬季平均LAI與春、夏、秋和冬季平均氣溫均在0.01水平上顯著相關,相關系數分別為0.83、0.56、0.64和0.57。以上說明LAI與氣溫具有顯著的年際季節相關性。

為進一步說明氣溫與LAI的年際相關性,使用1981—2017年黃河流域多年各月LAI平均值與對應的多年各月平均氣溫數據進行Pearson相關性分析(表1),發現二者在1月份和11月份表現出0.05水平上的弱相關,相關系數在0.2—0.4之間；在3、4月份表現出0.01水平上的強相關,相關系數在0.6—0.8之間；在5月份表現出弱相關,相關系數為0.11,且未通過顯著性檢驗,這一現象與該月份人類活動(農作物收割)息息相關；其余月份均表現出0.01或0.05水平上的中度相關,相關系數在0.4—0.6之間。以上說明LAI與氣溫具有顯著的年際月相關性。

圖7 1981—2017年黃河流域各個季節平均LAI和平均氣溫變化曲線圖Fig.7 Variation curves of average LAI and average temperature in different seasons in the Yellow River Basin from 1981 to 2017

表1 1981—2017年黃河流域LAI與氣溫/降水年際相關性

2.2.2LAI與氣溫的時滯互相關性

圖8 1981—2017年黃河流域LAI與氣溫最大互相關空間分布圖Fig.8 Spatial distribution Diagram of maximum LAI and temperature cross-correlation in the Yellow River Basin from 1981 to 2017

圖9 1981—2017年黃河流域LAI與氣溫時間滯后空間分布圖Fig.9 Spatial distribution map of time lag between LAI and temperature in the Yellow River Basin from 1981 to 2017

經過以上分析可知,LAI與氣溫的相關性在時序上很顯著,但在空間上的相關性如何還未可知,為進一步探討LAI與氣溫的空間相關性,本文進一步探討LAI與氣溫在像元尺度上的時滯互相關性。根據互相關法原理,計算像元尺度氣溫與LAI在各個時滯下的互相關系數,之后計算得到黃河流域每個像元LAI與氣溫的最大互相關系數及其對應的滯后時間。

LAI與氣溫的最大互相關空間分布表明(圖8),氣溫與植被LAI的最大互相關系數在空間分布上差異顯著。流域內約38.4%的區域的氣溫與LAI呈很強的負相關,互相關系數小于-0.8,主要分布在青海東部、甘肅西部、陜西中部以及山西的大部分地區,生態系統類型主要是草地、農田和林地；約38.1%的區域的氣溫與LAI呈較強的負相關,互相關系數為-0.8—-0.3,主要分布在流域內的陜西北部、內蒙古西部和甘肅北部等,主要的生態系統類型為草地和農田；內蒙古部分區域的氣溫與植被LAI的最大互相關程度最低,互相關系數為-0.3—0.3,所占比例0.8%,生態系統類型以裸地為主；氣溫與LAI的最大互相關程度較強且為正相關的區域約22.3%,系數為0.3—0.8,主要分布在流域內的內蒙古中部、甘肅東部以及陜西南部等,生態系統類型以農田、草地和裸地為主；流域內約0.4%的區域的氣溫和LAI呈很強的正相關關系,互相關系數大于0.8,主要分布在陜西南部,主要是農田生態系統。

LAI對氣溫的時間滯后空間分布表明(圖9),黃河流域大部分地區植被LAI滯后氣溫7個月或1個月,二者所占比例分別達到77.0%和20.4%,僅有2.6%地區的植被LAI與氣溫同期。植被LAI滯后氣溫7個月的區域主要分布在黃河流域西部和東部,涉及的生態系統類型主要有草地、農田、林地和裸地等；植被LAI滯后氣溫1個月的區域主要分布在流域內的內蒙古中部、寧夏南部、甘肅東部以及陜西南部等,生態系統類型以農田、草地和裸地為主；植被LAI與氣溫同期的區域主要分布在流域內的陜西南部和河南東部,主要的生態系統類型是農田。

研究圖8和圖9發現,LAI與氣溫的時滯達7個月的區域大多與LAI與氣溫呈負相關的區域相吻合,LAI與氣溫的時滯為1或0的區域大多與LAI和氣溫呈正相關的區域相吻合,說明LAI對氣溫的積極影響響應比較敏感；而對消極影響的響應在半年后方才顯現出來。

圖10 1981—2017年黃河流域多年月平均LAI、降水量變化圖Fig.10 Variation Map of Monthly Average LAI and Precipitation in Yellow River Basin from 1981 to 2017

2.2.3LAI與降水的相關性

1981—2017年黃河流域多年月平均LAI與多年月平均降水量的變化趨勢大體一致(圖10),降水量的高峰值出現在7月份,而LAI高峰值出現在8月份。多年月平均LAI和降水量在0.01水平上顯著相關,相關系數為0.93,黃河流域LAI與降水量在年內具有極顯著的相關性。

求出1981—2017年間黃河流域各個季節平均LAI和平均降水量(圖11)。由圖11可以看出各個季節降水量都呈增多趨勢,其中秋季增多趨勢最為顯著,增多速率達到0.32mm/a,夏季降水量多年來增多趨勢最小,增多速率僅0.01mm/a。在降水量增多背景下,流域LAI整體呈上升趨勢。但是春夏季植被LAI對極端降水量響應并不敏感。例如1998年黃河流域春季降水量達到多年來最高水平,而同時期LAI與往年相比卻沒有明顯變化；2015年黃河流域夏季降水量出現多年來最低水平,而同時期LAI與往年相比下降趨勢不明顯。秋季植被LAI對降水量響應敏感。例如,1996年黃河流域秋季降水量出現小高峰,同期LAI出現相同的趨勢。冬季植被LAI對極端降水量響應敏感,且呈相反趨勢。例如,1989年黃河流域冬季降水量出現多年來最高水平,而同時期LAI呈最低值狀態；1999年黃河流域冬季降水量出現多年來最低水平,而同時期LAI呈現較高值狀態；正常年份兩者的相關性不明顯。

對1981—2017年黃河流域各個季節平均LAI和各個季節平均降水量數據進行Pearson相關性分析(表1),結果發現秋季的平均LAI與平均降水量在0.05水平上顯著相關,相關系數為0.36；春夏冬三季平均LAI與同期降水量不具有顯著的相關性,相關系數分別為0.06、0.14和0.07。以上說明LAI與降水不具有顯著的年際季節相關性。

圖11 1981—2017年間黃河流域各個季節平均LAI和平均降水變化曲線圖Fig.11 Variation curves of average LAI and average precipitation in different seasons in the Yellow River Basin from 1981 to 2017

為了進一步說明降水量與LAI的年際相關性,使用1981—2017年黃河流域多年各月LAI平均值與對應的多年各月平均降水量數據進行Pearson相關性分析(表1),發現二者在10月份表現出弱相關,相關系數為0.34；在9月份表現出弱相關,相關系數為0.29；在12月份、1月份和3月份表現出負相關；其余月份均表現出弱相關或無相關,相關系數在0—0.2之間。除10月份的弱相關關系通過0.05水平上的顯著性檢驗,其余月份的相關性均未通過顯著性檢驗。以上說明LAI與降水不具有顯著的年際月相關性。

2.2.4LAI與降水的時滯互相關性

經過以上分析可知,LAI與降水的相關性在年內月尺度上顯著,但在年際季節尺度和年際月尺度上卻不明顯。根據前人經驗[25],這種現象應該與LAI和降水之間的時滯性有關,因此本文進一步探討LAI與降水的時滯互相關性。根據互相關法原理,計算像元尺度降水與LAI在各個時滯下的互相關系數,之后計算得到黃河流域每個像元LAI與降水的最大互相關系數及其對應的滯后時間。

LAI與降水的最大互相關空間分布表明(圖12),降水與植被LAI的最大互相關系數在空間分布上差異顯著。流域內約96.1%的區域的降水與植被LAI的最大互相關程度較高且為正相關,互相關系數分布在0.3—0.8之間。其中青海省內部分區域的降水與植被LAI的最大互相關程度最高,為正相關,互相關系數大于0.8,所占比例2.1%,生態系統類型主要為草地；四川和陜西的小部分區域的降水與植被LAI的最大互相關程度為較強負相關,互相關系數為-0.74—-0.3,所占比例0.4%,生態系統類型主要是草地和農田；內蒙古部分區域的降水與植被LAI的最大互相關程度最低,互相關系數為-0.3—0.3,所占比例1.4%,主要的生態系統類型為裸地和林地。總體上,黃河流域絕大多數區域LAI與降水呈正相關關系。

LAI對降水的時間滯后空間分布表明(圖13),黃河流域大部分地區植被LAI與降水同期或植被LAI滯后降水1個月,二者所占比例分別達到45.1%和45.7%。LAI與降水同期的區域主要的生態系統類型是農田和林地,植被LAI滯后降水1個月的區域主要的生態系統類型是草地、裸地和農田。植被LAI與降水同期的區域主要分布在黃河流域東南部,時滯為一個月的區域主要分布在黃河流域西部和北部。

圖12 1981—2017年黃河流域LAI與降水最大互相關空間分布圖Fig.12 Spatial distribution map of maximum cross-correlation between LAI and precipitation in the Yellow River Basin from 1981 to 2017

圖13 1981—2017年黃河流域LAI與降水時間滯后空間分布圖Fig.13 Spatial distribution map of time lag between LAI and precipitation in the Yellow River Basin from 1981 to 2017

2.2.5LAI與太陽輻射的相關性

圖14 1981—2017年黃河流域多年月平均LAI、太陽輻射變化圖Fig.14 Variation Map of Monthly Average LAI and Solar radiation in Yellow River Basin from 1981 to 2017

1981—2017年黃河流域多年月平均LAI與多年月平均太陽輻射的變化趨勢大體一致(圖14),太陽輻射的高峰值出現在5月份,而LAI高峰值出現在8月份。多年月平均LAI和太陽輻射的相關系數為0.50,兩者在年內不具有顯著的相關性。

對1981—2017年黃河流域各個季節平均LAI和各個季節平均太陽輻射數據進行Pearson相關性分析(表1),結果發現春夏秋冬四季平均LAI與同期太陽輻射不具有顯著的相關性,相關系數分別為-0.05、0.27、-0.22和-0.18,且在春秋冬三季呈負相關。以上說明LAI與太陽輻射不具有顯著的年際季節相關性。

為了進一步說明太陽輻射與LAI的年際相關性,使用1981—2017年黃河流域多年各月LAI平均值與對應的多年各月平均太陽輻射數據進行Pearson相關性分析(表1),發現二者在3月份表現出弱相關,相關系數為0.36,其余月份均表現出弱相關或無相關,且5—11月呈負相關。除3月份的弱相關關系通過0.05水平上的顯著性檢驗,其余月份的相關性均未通過顯著性檢驗。以上說明LAI與太陽輻射不具有顯著的年際月相關性。

2.2.6LAI與太陽輻射的時滯互相關性

經過以上分析可知,LAI與太陽輻射的相關性不明顯,本文進一步探討LAI與太陽輻射的時滯互相關性。根據互相關法原理,計算像元尺度太陽輻射與LAI在各個時滯下的互相關系數,之后計算得到黃河流域每個像元LAI與太陽輻射的最大互相關系數及其對應的滯后時間。

太陽輻射與植被LAI的最大互相關系數在空間分布上差異顯著(圖15)。流域內約55.9%區域的太陽輻射與植被LAI的最大互相關程度較高且為負相關,互相關系數分布在-0.8—-0.3之間。其中青海省和山西省部分區域的太陽輻射與植被LAI的最大互相關程度最高,為負相關,互相關系數小于-0.8,所占比例16.3%,生態系統類型主要為草地和農田；甘肅東部和陜西中部地區太陽輻射與植被LAI的最大互相關程度為較強正相關,互相關系數大于0.8,所占比例10.9%；強正相關周圍部分區域太陽輻射與LAI呈弱正相關性,相關系數分布在0.3—0.8之間,所占比例16.0%。總體上,黃河流域大多數區域LAI與太陽輻射呈負相關關系。

黃河流域大部分地區植被LAI滯后太陽輻射2個月或8個月(圖16),二者所占比例分別達到26.7%和70.5%。植被LAI滯后太陽輻射2個月的區域主要的生態系統類型是草地和農田,分布在甘肅中東部和陜西中部。植被LAI滯后太陽輻射8個月的區域主要的生態系統類型是草地、裸地和農田,分布于內蒙古和青海等地。

研究圖15和圖16發現,LAI與太陽輻射的時滯達2個月的區域大多與LAI與太陽輻射呈正相關的區域相吻合,LAI與太陽輻射的時滯為8個月的區域大多與LAI和太陽輻射呈負相關的區域相吻合,說明太陽輻射對LAI的正面影響在2個月后顯現,而負面影響在8個月后方才顯現出來。

圖15 1981—2017年黃河流域LAI與太陽輻射最大互相關空間分布圖Fig.15 Spatial distribution map of maximum cross-correlation between LAI and solar radiation in the Yellow River Basin from 1981 to 2017

圖16 1981—2017年黃河流域LAI與太陽輻射時間滯后空間分布圖Fig.16 Spatial distribution map of time lag between LAI and solar radiation in the Yellow River Basin from 1981 to 2017

2.3 黃河流域氣候要素對LAI變化的貢獻率

黃河流域的植被變化是氣候因素與人類活動綜合作用的結果,本文僅考慮氣候因素對LAI的影響,卻未剝離其中人類活動的影響,在此情況下進行的相關分析不能完全代表真實的驅動情況,為了深入了解LAI變化的驅動機制,應用地理探測器軟件對LAI時空變化規律做歸因分析,剝離出氣候因素的影響,并進一步區分各氣候因子的貢獻率。本文所用LAI、氣溫、降水量和太陽輻射數據柵格大小一致,進行空間疊加可以實現在空間上匹配。地理探測器要求自變量X應為類型量,所以采用自然斷點法分別對氣溫、降水和太陽輻射數據進行分類[27]。結果表明(表2),年時間尺度上,氣溫和降水對LAI變化的貢獻率較高,分別為0.72,0.71,而太陽輻射貢獻率較低(0.31)；春夏秋冬四季上,氣溫對對應季節LAI變化的貢獻率最高,降水和太陽輻射量均較低,尤其是春季氣溫對其LAI變化的貢獻率高達0.71。空間尺度上,分別取每個柵格植被生長旺季(LAImax)所對應的氣溫、降水、太陽輻射平均值,并將4個圖層進行空間疊加,基于空間格網分析氣象要素對LAI動態的貢獻率,可知降水對LAI變化的貢獻率最高(0.34),氣溫對LAI變化的貢獻率最低(0.20)。整體上,LAI在時間上的變化受氣溫影響較大,空間上的變化受降水影響較大,這與相關性分析結論一致,可相互印證。

表2 1981—2017年黃河流域氣溫/降水對LAI的貢獻率

3 討論與結論

3.1 討論

整體上,黃河流域植被覆蓋變化呈增加趨勢,且與氣溫降水呈正相關,這與前人結論一致[2—11],但本文基于植被LAI數據的研究結論與前人基于NDVI、NPP等植被指標所得結論有些許差異(表3),例如本文發現黃河流域月均LAI呈“雙峰”曲線狀分布,而楊尚武等[9]發現黃河流域月均NDVI呈單峰曲線狀分布；已有研究發現降水是影響黃河流域植被變化的主要因素,而本文發現時間上,氣溫是影響黃河流域植被LAI變化的主要因素,空間上,降水對黃河流域植被LAI變化起主導作用；本文在前人研究的基礎上驗證了太陽輻射對黃河流域植被LAI變化的影響有限。以上結論產生差異主要由研究時段、植被指標不同造成的。黃河流域LAI與氣溫在時間上呈顯著正相關關系,與降水量具有正相關關系,即氣溫上升,降水量增多均促進流域LAI上升；而與太陽輻射的關系微弱可以忽略不計。定量評估發現年尺度上,氣溫和降水對LAI變化的貢獻率高,而太陽輻射貢獻率低；季節尺度上氣溫貢獻率高,降水和太陽輻射貢獻率低；空間尺度上降水貢獻率較高,氣溫和太陽輻射貢獻率較低。

但是黃河流域人口密集,人類活動頻繁,例如農田面積約占流域總面積的31%,故人類活動對流域LAI的影響不能忽略。1982年3月、8月份黃河流域發生嚴重的冰塞、特大洪水導致大面積植被農田被淹沒,造成1982年黃河流域植被LAI異常偏低。2011年夏秋兩季LAI異常偏低,與該年8、9月份黃河上、中游發生多次洪水泛濫相關。

針對黃河流域的生態環境分析,人造植被,包括農作物,人造林等等的生長周期及狀態必須考慮。1990年夏秋兩季黃河流域LAI達到一個小的高峰值,與大型商品糧基地和“三北”防護林體系二期工程等國家重大生態建設項目有關。2000年黃河流域發生嚴重旱情[31],但該年的平均LAI不降反升,也與該區域實施的退耕還林還草等生態恢復工程密切相關。

結合圖4、圖5可看出,LAI均值較低的大部分區域(如寧夏和內蒙古)的LAI均呈不同程度的增加趨勢；而LAI均值較高的部分區域(如四川)的LAI卻呈不同程度的降低趨勢,說明我國生態治理與環境保護的戰略舉措在生態脆弱的區域取得很大的成就,但原本生態環境良好地區的生態維護工作有待加強。

表3 黃河流域植被動態研究現狀及重要結論

由氣溫和LAI的時空交互相關性分析可知：77.0%像元的LAI滯后氣溫7個月,且LAI與氣溫呈強負相關性； 70.5%像元的LAI滯后太陽輻射 8個月,且LAI與太陽輻射呈較強負相關。該結果說明一個區域的氣溫上升和太陽輻射增加可能會導致該區域2個月之內的LAI增加,但也可能會使該區域7或8個月后的LAI值減少。在人類活動的影響下,植被LAI的增加會使地面反照率下降,進而導致溫度降低[32]。

3.2 結論

本文采用一元線性趨勢分析方法,利用1981—2017年黃河流域AVHRR_LAI、氣溫、降水、太陽輻射等數據,從年內變化、年際變化、空間變化、相關性、貢獻率等角度分析37年間的黃河流域植被覆蓋動態變化,探討其與流域氣候要素的關系,主要結論如下：

(1)1981—2017年黃河流域多年月平均LAI呈明顯“雙峰”季節特征,分別出現在4月和8月。春夏秋冬四季的LAI均呈增加趨勢,變化速率分別為：0.003/a、0.015/a、0.007/a和0.001/a,即夏季LAI上升速率最大,冬季最小。1981—2017年黃河流域植被覆蓋度在格網尺度上以顯著增加為主,約占流域總面積的52.1%,集中分布在流域中東部地區。整體上,LAI低值區域在時序上呈不同程度的增加趨勢,而LAI高值區域呈不同程度的降低趨勢。

(2)黃河流域LAI與氣溫呈顯著正相關關系。春季LAI與其氣溫的相關性最強(r=0.83),夏季最弱(r=0.56)；月份上,5月份LAI與氣溫的相關性最弱(r=0.11),這主要是由于黃河流域農作物干擾造成的。空間上,交互相關性分析發現黃河流域77.0%格網的氣溫與LAI呈負相關關系,且LAI滯后氣溫7個月。

(3)黃河流域LAI與降水呈弱正相關關系。春夏秋冬四季LAI與降水量的相關系數分別為0.06、0.14、0.36和0.07。交互相關性分析發現黃河流域96.1%格網的降水與LAI呈較強正相關關系,互相關系數分布在0.3—0.8之間,流域45.1%格網的LAI與降水同步,45.7%格網的LAI滯后降水1個月。

(4)黃河流域太陽輻射對LAI變化的影響較弱,兩者的相關關系僅在3月份經過顯著性檢驗(r=0.36)。空間上,交互相關性分析發現黃河流域超過72.2%格網的太陽輻射與LAI呈負相關關系,且多達70.5%格網的LAI滯后太陽輻射8個月。

(5)經相關性分析和因子探測分析發現：在時間尺度上溫度是影響黃河流域植被LAI變化的主要因素,在空間尺度上降水對植被LAI變化起主導作用。本文通過分析黃河流域近37年植被覆蓋變化及其與氣候因子的關系,發現在全球變暖背景下,黃河流域氣溫亦呈顯著上升趨勢,且氣溫上升與區域植被好轉關系顯著,而流域降水量的增多與區域植被好轉關系不顯著,且人類活動(如生態工程等)的影響不可忽略。