基于日光誘導葉綠素熒光探測植被光合對氣象干旱的響應*

齊曉雯，苗 晨，王鶴松,3**

基于日光誘導葉綠素熒光探測植被光合對氣象干旱的響應*

齊曉雯1，苗 晨2，王鶴松1,3**

（1. 北京林業大學生態與自然保護學院，北京 100083；2. 國家遙感中心，北京 100036；3. 新疆農業大學林學與風景園林學院，烏魯木齊 830052）

干旱是世界范圍內最常見、最復雜的氣象災害，一定程度上會削弱陸地生態系統的碳匯功能。開展植被對干旱響應的研究并選擇敏感的干旱探測因子，有助于掌握干旱對植被的影響規律、理解植被對干旱脅迫的響應過程和機理。本研究以日光誘導葉綠素熒光（SIF）數據和標準化降水蒸散發指數（SPEI）為基礎，利用最大相關系數法分析中國區域內2000?2018年生長季植被光合對氣象干旱的響應，比較不同干旱梯度、不同植被對干旱響應的敏感性以及SPEI響應時間尺度的變化特征。結果表明：（1）SIF與SPEI具有很好的相關性，顯著正相關的面積達到75.05%，主要分布在東北、西南和青藏高原地區，且大部分地區對SPEI的響應時間尺度以中短期為主。（2）SIF在春季對SPEI顯著相關的區域占比最少，夏季達到最高，秋季又略有下降。對干旱響應的時間尺度在春季以短期為主，而夏季響應時間尺度長的區域較春季有所增加。（3）半干旱區對干旱的敏感性最強，干旱區最弱，不同氣候區對干旱的響應時間尺度均以短期為主。（4）研究所選植被類型均能較早地對干旱做出響應，其中，草地對干旱最敏感，林地和農田相對較弱，闊葉林比針葉林對干旱更敏感。研究結果表明在不同干旱梯度和不同植被類型下SIF均能快速反映環境脅迫對植被光合作用的影響。

日光誘導葉綠素熒光；氣象干旱；標準化降水蒸散發指數；植被對干旱的響應

干旱是世界范圍內最常見、最復雜的氣象災害，20世紀90年代末以來，全球氣候變化以及東亞季風的持續減弱導致中國各地干旱災害頻發[1?3]。2004? 2015年干旱造成的直接經濟損失平均每年超過640億元，2019年西南、華北、東北和西北地區也發生了較重的區域性干旱事件[4]。未來隨著全球變暖的加劇，干旱事件的頻率和強度可能會隨之增加[5]，頻繁的干旱會引起水資源短缺和土地荒漠化，進而對植被的光合固碳造成影響，在一定程度上削弱陸地生態系統的碳匯功能[6]。因此，開展植被對干旱響應的監測、評估與預測等研究對深入理解陸氣相互作用的機理具有重大意義。

根據發生原因的不同，可將干旱分為大氣干旱、土壤干旱和生理干旱，目前普遍使用干旱指數來描述大氣干旱。常用的干旱指數有帕爾默干旱指數（Palmer Drought Severity Index, PDSI）[7]、標準化降水指數（Standardized Precipitaion Index, SPI）、標準化降水蒸散發指數（Standardized Precipitation Evapotranspiration Index, SPEI）[8]及可自定義的干旱強度指數、水分虧缺指數等。其中，SPEI由降水和潛在蒸散（PET）的差值計算得來，該指數結合了PDSI對蒸散的敏感性以及SPI適合多尺度、多空間比較的優點[9]，能夠全面監測全球變暖背景下干旱的變化特征，因此本研究選用SPEI作為衡量干旱程度的指標。

由降水不足引起的大氣干旱會對土壤、植被、徑流和地下水產生不同程度的影響，繼而引起農業干旱和生態系統干旱[10]。植物遭受干旱脅迫會引發水分虧缺，產生滲透脅迫，進而影響植物的生長發育以及作物產量，嚴重時還會導致植物死亡。國內許多學者針對局部區域尺度開展植被對干旱響應的研究，在黃土高原[11?12]、內蒙古[13]、東北[14]、西北[15]等地區的研究結果均揭示了干旱對植被生產力的顯著影響，但局部尺度的研究不利于認識植被受氣候變化影響的宏觀格局，而且植被對干旱的響應十分復雜，與植被類型[16?17]、干濕環境和干旱的時間尺度[18]密切相關。為進一步理解不同氣候區和不同類型植被對干旱響應的差異，越來越多學者在大尺度范圍內開展植被對干旱響應的研究[16?18]。

傳統的遙感植被指數如歸一化植被指數（Normalized Differential Vegetation Index，NDVI）、增強植被指數（Enhanced Vegetation Index，EVI）已被廣泛用于大規模的植被干旱監測，分析干旱對植被的影響[16,19]。但是上述指數表征的是植被的綠度和冠層結構，與植被光合作用缺乏直接的聯系，當植被遭受水分脅迫時，無法及時反映出由干旱脅迫等引起的植被光合作用的短期變化，有田間試驗表明，當植被受到短期嚴重干旱脅迫時，NDVI仍保持較高水平，有明顯的滯后現象[20]。選擇敏感的指示因子探測植被對干旱的響應有利于及早掌握植被受干旱影響的情況，幫助理解植被對干旱脅迫的響應過程，大量研究證明日光誘導葉綠素熒光（Solar-induced chlorophyll fluorescence, SIF）能夠快速反映水分脅迫對植被生理生長狀況的影響[21?22]。

SIF是植物在光合作用過程中，捕獲光量子之后的葉綠素處于激發態時釋放的紅光和遠紅光波段的光信號，與植被光合速率直接相關，是植被光合作用的“伴生產物”。SIF具有極佳的干旱動態監測潛力[23]，比傳統植被指數有更大的優勢，已經成為遙感監測植被環境脅迫的全新手段[24]，但是有研究發現，不同植被類型的SIF信息對干旱事件的響應情況存在差異[25]。隨著遙感技術的進步，現已有一系列成熟的SIF產品，目前主要的衛星SIF數據有GOME-2、TanSat、OCO-2、OCO-3以及TROPOMI等，但是以上衛星SIF產品不能同時保證高空間分辨率和空間連續性，新一代的TROPOMI雖有較好的時空分辨率，但發射時間較晚，導致時間序列短，在干旱監測方面的應用受限。GOSIF是將OCO-2探測到的離散SIF、中分辨率成像光譜儀（MODIS）遙感數據和氣象再分析數據集成后開發出的具有更高空間分辨率、全球連續覆蓋的長時間序列SIF數據[26]，兼具了時間序列長和空間分辨率高的優勢，可用來開展植被對干旱響應的研究。

本研究基于衛星遙感集成的SIF數據和表征氣象干旱強度的SPEI數據，分析中國典型植被對干旱響應的敏感性及響應時間尺度特征，包括植被對干旱響應的空間特征和季節變化，不同干旱梯度下植被對干旱的響應特征以及不同植被類型對干旱的響應特征，旨在加深植被對干旱響應過程的理解，探究SIF捕捉短期干旱對植被光合影響的潛力。

1 資料與方法

1.1 數據及其來源

Li等[26]基于OCO-2 SIF（日光誘導葉綠素熒光）數據，結合MODIS的遙感數據和氣象再分析數據開發了高空間分辨率、空間連續的長時間序列GOSIF數據，該數據的分辨率為0.05°×0.05°，使用2000? 2018年中國區域的GOSIF月尺度產品（http:// globalecology .unh.edu），為了匹配SPEI數據的空間分辨率，被重采樣為0.5°×0.5°。

SPEI指數（標準化降水蒸散發指數）是Vicente- Serrano等基于降水和潛在蒸散提出的[8]，通過構造氣象水循環來描述累積的水分缺失或盈余，從而反映干旱強度。SPEI數據集來自氣候研究委員會（Climate Research Unit，網址：http://hdl.handle.net/ 10261/202305），空間分辨率為0.5°×0.5°。參照曹銀軒等的方法[11]，選取1～12個月時間尺度的SPEI，分別記作SPEI01-SPEI12，不同時間尺度的SPEI代表了不同長度的干旱累積。

土地覆蓋數據來源于歐洲航空航天局的CCI LC PUG v2數據集，該數據集源自氣候變化倡議的第二期項目，空間分辨率為300m。主要選取了常綠闊葉林（Evergreen Broad-leaved Forests, EBF）、常綠針葉林（Evergreen Needle-leaved Forests, ENF）、落葉闊葉林（Deciduous Broad-leaved Forest, DBF）、落葉針葉林（Deciduous Needle-leaved Forest, DNF）、草地（Grassland, GRA）以及農田（Cropland, CRO）（圖1）6種植被類型，為了與SPEI數據的空間分辨率保持一致，重采樣到0.5°×0.5°。

干濕氣候區劃分數據來源于中國科學院資源環境科學與數據中心的中國生態地理分區圖，該數據包含了溫度帶、干濕地區和自然區的劃分。主要使用干濕狀況的劃分結果（圖1），將該區劃圖中的濕潤/半濕潤地區劃分為半濕潤地區，干濕狀況基于年干燥度指數（AI）劃分，根據聯合國環境規劃署（UNEP）提出的標準格式，AI被定義為年均降水量和年潛在蒸散量的比值，被廣泛應用于氣候區和氣候類型的劃分，劃分標準見表1。

圖1 2018年土地覆蓋數據和基于AI的氣候干濕狀況區劃結果

注：A1為干旱區，A2為半干旱區，A3為半濕潤區，A4為濕潤區。

Note: A1 represents arid area, A2 represents semi-arid area, A3 represents semi-humid area and A4 represents humid area.

1.2 研究方法

利用Pearson相關系數分析生長季SIF與1～12個月時間尺度SPEI的關系，其中，SPEI01指當月干旱指數，SPEI02是指當月和前一個月干旱指數的累積值，SPEI03是指當月和前兩個月干旱指數的累積值，以此類推，數值越大代表干旱累積效應越長，最長選取到12個月，即SPEI12。

表1 基于年干燥度指數（AI）的氣候干濕區域劃分指標

注：該表參考中國科學院資源環境科學與數據中心中國生態地理分區圖的表3干濕狀況的劃分指標。

Notes：This table is quotedfrom table 3 division index of dry and wet conditions in China's ecological geographical zoning map of resources and environment science and data center.

將生長季進一步細化為春季、夏季和秋季，基于前人的研究將生長季定義為4?10月，春季為4?5月，夏季為6?8月，秋季為9?10月[27]。首先逐月計算SIF與各時間尺度SPEI指數的相關系數（式1），利用P值對相關系數進行顯著性檢驗（P<0.05），顯著相關的像元數占總像元數的比例為顯著性面積占比，其次，根據春季、夏季和秋季的定義將月尺度的相關系數進行最大值合成（式2），分析季節尺度SIF與不同時間尺度SPEI的相關性，將4?10月所有的相關系數進行最大值合成視為年尺度，相關系數最大時對應的SPEI時間尺度定義為響應時間尺度。不同氣候區和不同植被類型的平均最大相關系數和SPEI響應時間尺度的占比均基于年尺度進行統計分析。

式中，Rij表示某像元第i月SIF值與第j個月SPEI值的相關系數，i的范圍為4～10，j的范圍為1～12，Rmax表示該像元在不同季節或年內所有Rij的最大值。

2 結果與分析

2.1 年尺度和季節尺度植被光合對氣象干旱的響應

2.1.1 年尺度SIF與SPEI的最大相關系數及響應時間尺度

根據最大相關系數的定義，將生長季的SIF與SPEI的相關系數進行最大值合成，結果見圖2。

圖2 各像元4?10月植被SIF值與不同時間尺度SPEI相關系數最大值的分布（2000?2018年數據，0.5°×0.5°）

由圖可知，全國75.05%的區域植被SIF與SPEI呈顯著正相關，顯著正相關的區域主要分布在東北地區、青藏高原和西南地區，最大相關系數在0.45～0.86，平均最大相關系數為0.50。植被SIF對干旱較敏感的區域主要分布在黑龍江中西部和甘肅中部地區，年尺度的最大相關系數在新疆西部存在小部分的負相關，相關系數在?0.02～0.11。大部分地區植被SIF對干旱響應的時間尺度較短，1～3個月時間尺度的面積占比達到46.51%，且集中分布在濕潤區，對SPEI的響應時間尺度為3～6個月的區域主要分布在青藏高原中部、青海部分地區以及西南地區，響應時間尺度較長的地區主要集中在黃淮海平原以及新疆北部（圖3）。

2.1.2 季節尺度SIF與SPEI的最大相關系數及響應時間尺度

在不同季節，SIF對干旱的響應情況有較大的區別（圖4a），春季、夏季和秋季的平均最大相關系數分別為0.32、0.43和0.41。春季通過顯著性檢驗的面積占比為35.76%，夏季稍有增加，為46.31%，秋季較夏季稍有下降，為37.47%，夏季較春季增加的區域主要集中在東北地區、青藏高原地區和西南地區。不同季節SIF對干旱的響應時間尺度不同（圖4b），總體上來看，春季、夏季和秋季的響應時間尺度以1～3個月為主，面積占比分別為41.88%、50.11%和47.94%，其次是10～12個月的面積占比較高，分別為春季（23.00%）、夏季（27.05%）、秋季（22.49%）。隨著SPEI時間尺度的增加，不同季節的面積占比均呈現先減少后增加的趨勢，春季在4～6個月時出現最低值，夏季和秋季則是在7～9個月時出現最低值。

圖3 4?10月植被SIF與SPEI最大相關系數對應的SPEI尺度的空間分布

注：相關系數最大時對應的SPEI時間尺度定義為響應時間尺度。SPEI01指當月干旱指數，SPEI02是指當月和前一個月干旱指數的累積值，SPEI03是指當月和前兩個月干旱指數的累加值，以此類推，數值越大代表干旱累積效應越長。最長選取到12個月，即SPEI12。SPEI01-03是指相關系數最大時對應的SPEI時間尺度為1～3個月，SPEI04-SPEI06是指相關系數最大時對應的SPEI時間為4～6個月，SPEI07-SPEI09和SEPI10-SPEI12同上。

Note: The SPEI time scale corresponding to the maximum correlation coefficient is defined as the response time scale. SPEI01 refers to the drought index of the current month, SPEI02 means the cumulative value of the drought index of the current month and the previous month, and SPEI03 is the cumulative value of the drought index of the current month and the previous two months. By analogy, the larger the value, the longer the cumulative effect of drought. The maximum selection is 12 months, namely SPEI12. SPEI01-03 means that the SPEI time scale corresponding to the maximum correlation coefficient is 1-3 months; SPEI04-SPEI06 means that the SPEI time scale corresponding to the maximum correlation coefficient is 4?6 months; SPEI07-SPEI09 and SEPI10-SPEI12 are the same as above.

2.2 不同氣候區植被光合對氣象干旱的響應

由圖5可見，在不同氣候區，SIF對SPEI的敏感性不同，干旱區與SPEI的相關性最弱，平均最大相關系數為0.42，半干旱、半濕潤區和濕潤區的平均最大相關系數較為接近，分別為0.51、0.50和0.50，不同氣候區SIF與SPEI顯著正相關的面積占比很接近，分別為72.31%、70.58%、76.99%和77.49%。干旱區最大相關系數小于0.35的區域主要分布在新疆西部地區，其他地區最大相關系數較大，最高可達0.82，半干旱區最大相關系數較大的區域集中分布在西藏中部、青海東部及西部地區，內蒙古地區較小。半濕潤地區最大相關系數較大的區域主要分布在東北及河北大部分地區，最大相關系數較小的區域主要集中在河南省和四川省等地，濕潤區最大相關系數的空間分布較分散，其中東北北部地區及西南部分區域最大相關系數較大。

不同氣候區對干旱的響應時間尺度以1～6個月為主，干旱、半干旱、半濕潤和濕潤區1～6個月尺度面積占比分別為64.99%、56.43%、54.70%和69.27%，其次響應時間尺度集中在10～12個月（圖5b）。結合圖3來看，干旱區響應時間尺度較短的區域主要是草地分布區，而在新疆泰加林地區響應時間尺度為10～12個月，半干旱區響應時間尺度較短的區域主要在內蒙古草地區，響應時間尺度較長的區域主要分布在青藏高原地區。半濕潤區除青藏高原地區外多農田分布，農田對干旱的響應時間尺度較長，草地的響應時間尺度相對較短，濕潤區響應時間尺度較長的主要集中在林地。

2.3 不同類型植被光合對氣象干旱的響應

由圖6a可見，草地對干旱的敏感性最強，林地和農田對干旱的敏感性相對較弱，結合圖1和圖2可知，草地SIF與SPEI大部分呈顯著正相關，面積占比為71.26%，平均最大相關系數為0.51，對干旱敏感性強的區域主要集中在西藏中部、青海南部、甘肅和寧夏等地，而內蒙古、新疆和四川地區草地對干旱的敏感性較弱。半干旱區草地SIF與SPEI的平均最大相關系數最大為0.47，干旱區域較弱，為0.43。草地對干旱的響應時間尺度以1～3個月為主，其次是10～12個月，農田對干旱的響應時間尺度與草地相似。結合圖3來看，內蒙古大部分區域、黃土高原和新疆地區的草地SIF對干旱的響應時間尺度較短，集中在1～3個月，響應時間尺度較長的地區主要集中在西藏中部、青海省南部及東部地區。農田響應時間尺度較長的區域集中分布在河北，其他地區農田與干旱的響應時間尺度相對較短。

圖4 季節尺度SIF與不同時間尺度SPEI的最大相關系數及其通過0.05水平顯著性檢驗的像元面積占比（a），季節尺度最大相關系數對應的SPEI尺度的像元面積占比（b）

圖5 不同氣候區植被SIF與不同時間尺度SPEI的最大相關系數（a）及最大相關系數對應的SPEI尺度的像元面積占比（b）

按照不同森林類型來分析林地對干旱的響應，常綠闊葉林對干旱的敏感性最強，而常綠針葉林最弱。林地SIF與SPEI的最大相關系數在0.05～0.79，顯著正相關的面積占比為71.55%，相關性較強的林地主要分布在內蒙古、黑龍江、云南和廣西地區，較弱的主要分布在東南部、甘肅和四川地區。不同森林類型的SIF對干旱的響應時間尺度不同，森林中1～3個月的響應時間尺度占比最高，其次是10～12個月（圖6b），響應時間尺度較長的區域主要分布在東北地區的部分落葉林和西南地區的常綠林中，遼寧、吉林東部、黑龍江北部以及東南沿海地區林地響應時間尺度較短。

3 結論與討論

3.1 討論

植被響應干旱的機制十分復雜，Damm等研究表明，植物應對干旱時在短期內主要是氣孔導度、光合作用的變化，中期主要通過色素分解或改變葉片含水量來適應干旱[28]。SIF是光合作用過程中的伴生產物，相比于傳統的植被指數，SIF能更直接反應植被的光合和生理過程[22,29]。本研究表明SIF具有評估干旱脅迫對植被光合作用影響的潛力[11,23]，從空間分布上看，東北地區、青藏高原地區和西南地區SIF與SPEI呈顯著正相關。侯鑫等的研究也證明了大興安嶺地區和西南地區的森林對干旱較敏感[30]，青藏高原地區多為草地，草地根系較短，對干旱較敏感[16,31]。

圖6 不同植被類型的SIF與不同時間尺度SPEI的最大相關系數（a）及最大相關系數對應的SPEI尺度的像元面積占比（b）

研究發現，在生長季的不同季節，植被SIF對SPEI的響應情況不同，在生長季前期干旱對植被顯著影響的區域占比較小，生長季中期占比最大，后期稍有下降，這與曹銀軒等的研究結果一致[11,14]。有研究表明，溫度和太陽輻射是中國北方春季植被生長的主要氣候驅動因子[32]，在一些高海拔、高緯度地區（如東北地區和青藏高原地區）氣溫較低，不能滿足植被生長的需求。夏季干旱對植被生長的影響更顯著[33]，夏季溫度升高，大部分植物生長所需的積溫得到了滿足，溫度不再是限制植物生長的主要因子，況且溫度升高加劇了潛在蒸發，提高了植被用水的需求，導致植被對水分更加敏感。進入秋季，植被大都到了生長末期，對干旱的敏感性有所下降，此時植被生長變緩，北方落葉樹種已經陸續進入落葉期，植被的葉綠素含量明顯減少，干旱對植被的影響不明顯。

中國地形復雜多樣，植被類型豐富，在不同的氣候區植被對干旱的響應還受地形、植被類型、溫度等因素的影響[34]。不同氣候區SIF對SPEI的響應情況有很大差別，半干旱區植被對干旱的敏感性最強，干旱區最弱，劉洋洋等對中國草地NDVI與SPEI關系的研究也證實了這一點[31]。濕潤區和半濕潤區差別不大，干旱區的植被由于長期缺水，形成了適應干旱的各種生理特征以抵御干旱，因此干旱對干旱區植被光合的影響較小[18]。相比之下，半干旱區和半濕潤區植被對干旱更加敏感，該地區主要以草地、農田、荒漠植被和落葉林為主，因為植被根系較短，主要以土壤表層水維持生存，導致對干旱比較敏感。袁先雷等的研究表明濕潤地區干旱對植被生長的影響較小，但其研究局限于新疆地區[35]，本研究中濕潤區植被對干旱較敏感，可能由于本研究中濕潤區包括的區域更大，植被類型更加復雜，且近年南方地區干旱的頻度和強度明顯增加，研究表明西南地區的植被SIF對干旱較敏感[29]，該地區植被分布以森林為主，森林的復雜冠層結構會導致對SIF數據的低估，因此濕潤區SIF對干旱的響應情況有待進一步探討。

本研究主要分析了草地、林地和農田，總體來看，與其他學者的研究結果一致[11,18,36]，草地對干旱的敏感性最強，林地和農田較弱。史曉亮等發現草地與SPEI01的相關性最強[29]，說明草地對短期干旱較敏感，但本研究中青藏高原地區，草地對SPEI12的響應較好，Wu等研究發現，草地對干旱響應的最大滯后約為1a[37]，這主要由于青藏高原地區冰川積雪的融化，為植被提供了更多的水分，緩解了干旱的影響[31,18]。林地對干旱響應的最大滯后長達4a[37]，一般來說林地根系較發達，主要靠吸收深層地下水維持生長，而降水補充地下水需要一定的時間，因此，林地對干旱的響應時間更長[38]。此外不同林地類型對干旱的響應也有所區別，由于植被所處的地形不同，溫度和輻射等因素對其產生了影響，針葉樹種和闊葉樹種對抗干旱的機制也有所不同，Liu等研究發現，闊葉林比針葉林對干旱更加敏感[39]，Li等研究也發現，裸子植物具有更強的干旱抵抗力[40]，但是SIF數據受植被冠層結構的影響，在林地中有較多的損失，因此林地對干旱響應的研究還有待深入進行。相比于南方地區，北方農業干旱更加頻繁[41]，灌溉、施肥、收獲等管理措施一定程度上緩解了干旱對農田的影響[42]。

總體來看，本研究結果表明在不同的氣候區和不同植被類型中植被SIF能夠快速反應植被光合對干旱的響應，且SIF與SPEI的最大相關系數和響應時間尺度的空間分布特征與其他學者的研究結果基本一致。但研究過程中仍存在一些不足，本研究中使用的SPEI數據空間分辨率較低，而土地覆蓋數據精度高達300m，空間分辨率的巨大差異在分析不同植被類型對干旱響應的過程中可能會產生誤差，且本研究默認研究時期內土地覆蓋分布沒有發生變化，但實際上氣候變化和人類活動會改變植被的分布狀況，這可能對研究結果有一定影響。GOSIF數據是基于OCO-2 SIF觀測數據、MODIS數據、氣象再分析數據開發而來的，并不是直接觀測的SIF數據，該數據產品存在一定的不確定性，未來更高時空分辨率的SIF觀測數據如OCO-3、TROPOMI、Tansat等將有助于更好地對植被干旱進行動態監測，理解區域尺度植被光合對干旱的響應機制。

3.2 結論

（1）SIF與氣象干旱指標SPEI有很好的相關性，顯著正相關的區域主要分布在東北、西南和青藏高原地區，且大部分地區植被SIF對干旱響應的時間尺度以中短期為主，研究結果表明，SIF能夠迅速反應干旱對植被光合的影響。

（2）在生長季的不同季節，SIF對SPEI的敏感性存在差異，春季SIF對SPEI顯著相關的區域占比最少，夏季達到最高，秋季略有下降，且不同季節對干旱的響應時間尺度存在差別，春季對干旱響應的時間尺度以短期為主，夏季響應時間尺度較長的區域較春季有所增加。

（3）在不同氣候區SIF對SPEI的響應存在區別，半干旱區對干旱的敏感性最強，干旱區最弱，半濕潤和濕潤區差別不大，且響應的時間尺度均以短期為主。

（4）草地對干旱最敏感，林地和農田相對較弱，闊葉林比針葉林對干旱更加敏感，不同植被類型的響應時間尺度均以SPEI01-03為主，草地中響應時間尺度較長的區域主要分布在西藏中部和青海等以冰川、凍土為主的區域，農田對干旱的響應時間尺度受人類活動影響較大。

[1] 楊睿,耿廣坡,周洪奎,等.基于SPEI_PM指數的渭河流域氣象干旱時空演變特征[J].中國農業氣象,2021,42 (11):962-974.

Yang R,Geng G P,Zhou H K,et al.Spatial-temporal evolution of meteorological drought in the Wei River Basin based on SPEI_PM[J].Chinese Journal of Agrometeorolgy, 2021,42 (11):962-974.(in Chinese)

[2] 黃浩,張勃,馬尚謙,等.甘肅河東地區氣象干旱時空變化及干旱危險性分析[J].中國農業氣象,2020,41(7):459-469. Huang H,Zhang B,Ma S Q,et al.Temporal and spatial variations of meteorological drought and drought risk analysis in Hedong area of Gansu province[J].Chinese Journal of Agrometeorolgy,2020,41(7):459-469.(in Chinese)

[3] 廖要明,張存杰.基于MCI的中國干旱時空分布及災情變化特征[J].氣象, 2017,43(11):1402-1409.

Liao Y M,Zhang C J.Spatio-temporal distribution characteristics and disaster change of drought in China based on meteorological drought composite index[J]. Meteorological Monthly,2017,43(11):1402-1409.(in Chinese)

[4] Zhang X,Duan Y W,Duan J P,et al.A daily drought index based on evapotranspiration and its application in regional drought analyses[J].Science China(Earth Sciences),2022,65 (2):317-336.

[5] Sergio M.V,Fernando D C,Tim R.M,et al.Global characterization of hydrological and meteorological droughts under future climate change: The importance of timescales, vegetation-CO2feedbacks and changes to distribution functions[J]. International Journal of Climatology, 2019,40(5):2557-2567.

[6] Hagedorn F,Joseph J,Peter M,et al.Recovery of trees from drought depends on belowgroung sink control[J].Nature Plants,2016,2(8):16111.

[7] Palmer W C.Meteorological drought[M].Washington,D C: US Department of Commerce,Weather Bureau,1965．

[8] Vicente-Serrano S M,Beguería S,López-Moreno. A multiscalar drought index sensitive to global warming:the standardized precipitation evapotranspiration index[J].Journal of Climate,2010,23:1696-1718.

[9] 吳志勇,程丹丹,何海,等.綜合干旱指數研究進展[J].水資源保護,2021,37(1):36-45.

Wu Z Y,Cheng D D,He H,et al.Research progress of composite drought index[J].Water Resources Protection, 2021, 37(1):36-45.(in Chinese)

[10] 馬明衛,韓宇平,嚴登華,張小麗.特大干旱事件災害孕育機理及影響研究進展[J].水資源保護,2020,36(5):11-21.

Ma M W,Han Y P,Yan D H,et al.Research progress on the mechanism and influence of extreme drought -induced disasters[J].Water Resources Protection,2020,36(5):11-21. (in Chinese)

[11] 曹銀軒,黃卓,徐喜娟,等.黃土高原植被日光誘導葉綠素熒光對氣象干旱的響應[J/OL].應用生態學報,2022:1-11. Cao Y X,Huang Z,Xu X J,et al.Responses of solar-induced chlorophyll fluorescence to meteorological drought across the Loess Plateau,China[J/OL].Chinese Journal of Applied Ecology,2022:1-11.(in Chinese)

[12] 史尚渝,王飛,金凱,等.黃土高原地區植被指數對干旱變化的響應[J].干旱氣象,2020,38(1):1-13.

Shi S Y,Wang F,Jin K,et al.Response of vegetation index to meteorological drought over Loess Plateau[J].Journal of Arid Meteorology,2020,38(1):1-13.(in Chinese)

[13] 康振山,張莎,白雲,等.內蒙古草地凈初級生產力時空變化及其對干旱的響應[J].草地學報,2021,29(1):156-165.

Kang Z S,Zhang S,Bai Y,et al.Spatio-temporal changes of grassland Net Primary Productivity(NPP) in Inner Mongolia and its response to drought[J].Acta Agrestia Sinica,2021,29(1):156-165.(in Chinese)

[14] 羅新蘭,李英歌,殷紅,等.東北地區植被NDVI對不同時間尺度SPEI的響應[J].生態學雜志,2020,39(2):412-421.

Luo X L,Li Y G,Yin H,et al.Response of NDVI to SPEI at different temporal scales in Northeast China[J].Chinese Journal of Ecology,2020,39(2):412-421.(in Chinese)

[15] 姜田亮,粟曉玲,郭盛明,等.西北地區植被耗水量的時空變化規律及其對氣象干旱的響應[J].水利學報,2021,52(2): 229-240.

Jiang T L,Su X L,Guo S M,et al.Spatiotemporal variation of vegetation water consumption and its response to meteorological drought in Northwest China[J].Journal of Hydraulic Engineering,2021,52(2):229- 240.(in Chinese)

[16] 孔冬冬,張強,顧西輝,等.植被對不同時間尺度干旱事件的響應特征及成因分析[J].生態學報,2016,36(24): 7908-7918.

Kong D D,Zhang Q,Gu X H,et al.Vegetation responses to drought at different time scales in China[J].Acta Ecologica Sinica,2016,36(24): 7908-7918.(in Chinese)

[17] 張世喆,朱秀芳,劉婷婷,等.氣候變化下中國不同植被區總初級生產力對干旱的響應[J].生態學報,2022, 42(8):3429-3440.

Zhang S Z,Zhu X F,Liu T T,et al.Response of gross primary production to drought under climate change in different vegetation regions of China[J]. Acta Ecologica Sinica,2022,42(8):3429-3440.(in Chinese)

[18] Sun S,Du W,Song Z,et al.Response of gross primary productivity to drought time-scales across China[J].Journal of Geophysical Research:Biogeosciences,2021,126(4): e2020JG005953.

[19] 楊思遙,孟丹,李小娟,等.華北地區2001-2014年植被變化對SPEI氣象干旱指數多尺度的響應[J].生態學報, 2018,38(3):1028- 1039.

Yang S Y,Meng D,Li X J,et al.Multi-scale responses of vegetation changes relative to the SPEI meteorological drought index in North China in 2001-2014[J].Acta Ecologica Sinica,2018,38(3):1028-1039.(in Chinese)

[20] Liu L,Yang X,Zhou H,et al.Evaluating the utility of solar-induced chlorophyll fluorescence for drought monitoring by comparison with NDVI derived from wheat canopy[J].Science of the Total Environment,2018,625: 1208-1217.

[21] Wang S H,Huang C P,Zhang L F,et al.Monitoring and assessing the 2012 drought in the great plains:analyzing satellite-retrieved solar-induced chlorophyll fluorescence drought indices and gross primary production[J].Remote Sensing,2016,8(2):61.

[22] 王冉,劉志剛,楊沛琦.植物日光誘導葉綠素熒光的遙感原理及研究進展[J].地球科學進展,2012,27(11):1221-1228.

Wang R,Liu Z G,Yang P Q.Principle and progress in remote sensing of vegetation solar-induced chlorophyll fluorescence [J]Advances in Earth Science,2012,27(11):1221-1228.(in Chinese)

[23] Sun Y,Fu R,Dickinson R,et al.Drought onset mechanisms revealed by satellite solar-induced chlorophyll fluorescence: insights from two contrasting extreme events[J].Journal of Geophysical Research:Biogeosciences,2016,120(11):2427- 2440.

[24] Lee J E,Frankenberg C,Tol C,et al.Forest productivity and water stress in Amazonia:observations from GOSAT chlorophyll fluorescence[J].Proceedings of the Royal Society B: Biological Sciences,2013,280:20130171.

[25] Jiao W Z,Chen Q,Wang L X.The Sensiticity of satellite solar-induced chlorophyll fluorescence to meteorological drought[J]. Earths Future, 2021,7(5):558-573.

[26] Li X,Xiao J.A global,0.05-degree product of solar-induced chlorophyll fluorescence derived from OCO-2,MODIS,and reanalysis data[J].Remote Sensing,2019(11):517.

[27] 趙杰,杜自強,武志濤,等.中國溫帶晝夜增溫的季節性變化及其對植被動態的影響[J].地理學報,2018,73(3): 395-404.

Zhao J,Du Z Q,Wu Z T,et al.Seasonal variations of day- and nighttime warming and their effects on vegetation dynamics in China's temperate zone[J].Acta Geographica Sinica,2018,73(3):395-404.(in Chinese)

[28] Damm A,Cogliati S,Colombo R,et al.Response times of remote sensing measured sun-induced chlorophyll fluorescence, surface temperature and vegetation indices to evolving soil water limitation in a crop canopy[J].Remote Sensing of Environment, 2022,273:112957.

[29] 史曉亮,吳夢月,丁皓.SPEI和植被遙感信息監測西南地區干旱差異分析[J].農業機械學報,2020,51(12):184-192. Shi X L,Wu M Y,Ding H.Difference analysis of SPEI and vegetation remote sensing information in drought monitoring in Southwest China[J].Transactions of the Chinese Society for Agricultural Machinery,2020,51(12): 184-192.(in Chinese)

[30] 侯鑫,趙杰,趙洪飛,等.2003-2018年干旱對中國森林綠度異常的影響[J].中國環境科學,2022,42(1):336-344.

Hou X,Zhao J,Zhao H F,et al.Drought effects on forest greenness anomalies in China from 2003 to 2018[J].China Environmental Science,2022,42(1):336-344.(in Chinese)

[31] 劉洋洋,任涵玉,呼天明,等.中國草地NDVI時空動態對多尺度干旱的響應[J].水土保持研究,2022,29(1):153-161.

Liu Y Y,Ren H Y,Hu T M,et al.Spatiotemporal dynamics of NDVI of grassland and its response to multi-scale drought in China[J].Research of Soil and Water Conservation, 2022,29(1):153-161.(in Chinese)

[32] Xu H J,Wang X P,Yang T B.Trend shifts in satellite-derived vegetation growth in Central Eurasia,1982-2013[J].Science of the Total Environment,2017,579:1658-1674.

[33] Hua T,Wang X M,Zhang C X,et al.Response of vegetation activity to drought in northern China[J].Land Degradation & Development,2017,28(7):1913-1921.

[34] 劉靜,溫仲明,剛成誠.黃土高原不同植被覆被類型NDVI對氣候變化的響應[J].生態學報,2020,40(2):678-691.

Liu J,Wen Z M,Gang C C.Normalized difference vegetation index of different vegetation cover types and its responses to climate change in the Loess Plateau[J].Acta Ecologica Sinica,2020,40(2):678-691.(in Chinese)

[35] 袁先雷,彭志潮,劉雪寧.新疆地區植被對多時間尺度干旱的響應研究[J].沙漠與綠洲氣象,2021,15(3):129-136.

Yuan X L,Peng Z C,Liu X N.Different time-scale responses of vegetation to the SPEI drought index in Xinjiang[J].Desert and Oasis Meteorology,2021,15(3):129- 136.(in Chinese)

[36] Xu H J,Wang X P,Zhao C Y,et al.Diverse responses of vegetation growth to meteorological drought across climate zones and land biomes in northern China from 1981 to 2014[J].Agricultural and Forest Meteorology,2018,262: 1-13.

[37] Wu X,Liu H,Li X,et al.Differentiating drought legacy effects on vegetation growth over the temperate Northern Hemisphere[J].Global Change Biology,2018,24:504-516.

[38] Anderegg W R,Schwalm C,Biondi F,et al.Pervasive drought legacies in forest ecosystems and their implications for carbon cycle models[J].Science,2015, 349:528-532.

[39] 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): 279-288.

[40] Li X,Piao S,Wang K,et al.Temporal trade-off between gymnosperm resistance and resilience increases forest sensitivity to extreme drought[J].Nature Ecology & Evolution,2020,4(8):1075-1083.

[41] 趙海燕,張文千,鄒旭愷,等.氣候變化背景下中國農業干旱時空變化特征分析[J].中國農業氣象,2021,42(1):69-79.

Zhao H Y,Zhang W Q,Zou X K,et al.Temporal and spatial characteristics of drought in China under climate change[J].Chinese Journal of Agrometeorology,2021,42 (1):69-79.(in Chinese)

[42] Deng X P,Shan L,Zhang H,et al.Improving agricultural water use efficiency in arid and semiarid areas of China[J].Agricultural Water Management,2006,80:23-40.

Detecting Response of Vegetation Photosynthesis to Meteorological Drought Based on Solar-Induced Chlorophyll Fluorescence

QI Xiao-wen1, MIAO Chen2, WANG He-song1,3

(1. School of Ecology and Nature Conservation, Beijing Forestry University, Beijing 100083, China; 2. National Remote Sensing Center of China, Beijing 100036; 3. College of Forestry and Landscape Architecture, Xinjiang Agricultural University, Urumqi, 830052)

Drought is the most common and complex meteorological disaster in the world, which weakens the carbon sink function of terrestrial ecosystem. Exploring the response of vegetation to drought and choosing sensitive factors for drought detection will be helpful to obtain the impact of drought on vegetation and to understand the response process and the mechanism of vegetation to drought stress. Based on the Solar-Induced chlorophyll Fluorescence (SIF) and the standardized precipitation evapotranspiration index (SPEI), a maximum correlation coefficient method was used to investigate the response of vegetation photosynthesis to meteorological drought in China during the growing season from 2000 to 2018. Sensitivity and response time scale of vegetation to drought was compared for different drought levels and different vegetation types. The results showed that: (1) about 75.05% of total areas of China had a significant positive correlation between SIF and SPEI. These areas were mainly distributed in the northeast, southwest and Qinghai Tibet Plateau of China. The response time scale of most regions to SPEI was mainly medium and short term. (2) The proportion of SIF to SPEI was the lowest in spring, the highest in summer, and slightly decreased in autumn. The response time scale to drought was mainly short-term in spring, while the region with long response time scale in summer was increased compared with in spring. (3) The semi-arid region was the most sensitive to drought, while the arid region was the weakest. The response time scale of different climatic regions to drought was mainly short-term. (4) The selected vegetation types responded to drought in a short time scale. Grassland was the most sensitive to drought, while woodland and cropland were relatively weak. Besides, broad-leaved forest was more sensitive to drought than coniferous forest. The results showed that under different drought gradients and different vegetation types, SIF could quickly reflect the impact of environmental stress on vegetation photosynthesis.

Solar-induced chlorophyll fluorescence (SIF); Meteorological drought; Standardized precipitation evapotranspiration index (SPEI); Response of vegetation to drought

10.3969/j.issn.1000-6362.2023.02.005

齊曉雯,苗晨,王鶴松.基于日光誘導葉綠素熒光探測植被光合對氣象干旱的響應[J].中國農業氣象,2023,44(2):133-143

收稿日期：2022?03?15

國家自然科學基金項目（42265012；31770765）

通訊作者：王鶴松，教授，研究方向為全球變化生態學，E-mail: wanghs119@126.com

齊曉雯，E-mail: 1023946458@qq.com