全球森林綠度異常對干旱事件的響應

吳宇桐，王衛光，魏 佳

（1.河海大學水文水資源學院，南京 210098；2.河海大學水文水資源與水利工程科學國家重點實驗室，南京 210098）

0 引言

森林是土壤—植物—大氣連續體(Soil-Plant-Atmosphere Continuum,SPAC)的重要組成部分，是陸地生態系統中最重要的碳匯[1,2]，通過調節陸地—大氣間的水分能量交換改變氣候環境[3-5]，在自然界中發揮涵養水源、防風固沙的作用[6]。氣候變化下森林面積的減少，將導致大面積的土地荒漠化和水土流失，嚴重影響人類社會經濟生產[7]。森林覆蓋面積通常用綠度表示，森林覆蓋面積越大，即代表綠度越高[7-9]。目前，研究常用葉面積指數(Leaf Area Index,LAI)和歸一化植被指數(Normalized Difference Vegetation Index,NDVI)來表征森林綠度[10-12]。受極端氣候影響，森林樹木發生了大規模落葉、枯死，導致森林綠度急劇下降，這種現象被定義為綠度異常事件[5,13]。以往的研究表明，在氣候變化背景降水減少會引起森林的水分虧欠，進而導致森林綠度異常事件發生[5,7,14]。同時，極端氣候也會削弱森林對火災和病蟲的抵抗能力，從而引起森林綠度異常現象大規模發生[15-21]。因此，研究綠度異常現象有利于了解森林綠度和氣候變化之間的關系，有助于更好地保護森林資源，為實現極端氣候下自然環境的修復提供應對策略。

近年來全球氣候變暖，干旱發生更加頻繁，研究森林綠度對氣候變化的響應，關鍵在于評價森林綠度異常現象如何響應干旱事件。目前，綠度異常用于刻畫氣候變化下森林生長趨勢和探究綠度變化對干旱的敏感性[11]，主要集中于區域尺度的研究中[22,23]。具體而言，研究發現近年來北半球出現的持續性干旱限制了植物生長所需的水分[5]，并主要影響了中亞西南部森林綠度和北美地區森林綠度[7,11,22-24]。在南半球，亞馬遜雨林地區的極端干旱降低了森林光合作用，但森林綠度略有增加[25]。澳大利亞境內的干旱事件則導致森林綠度大量減少[26-28]。總的來說，森林綠度變化存在明顯的空間異質性，且不同森林類型對干旱事件的差異化響應缺乏宏觀尺度研究，引起干旱的驅動因素也沒有得到很好的解釋[29]。為表征森林綠度變化，侯鑫等提出了綠度異常指數（Greenness Anomaly Index,GAI）的概念[13]，將月尺度LAI線性累計偏差定義為GAI，并量化了干旱影響下中國森林綠度異常現象，但基于區域性的研究無法充分表征不同氣候背景下植被綠度變化對干旱的差異化響應，因此研究全球尺度下的森林綠度變化對深入理解全球森林植被演變機理具有重要意義。SPEI指數是基于蒸散發公式并考慮了降水和溫度的干旱指標[30]，具有較低的數據要求和多標量屬性[31-36]，被廣泛應用于監測干旱事件影響的研究中[22,23,29,37]。本研究通過計算全球森林的GAI以量化全球森林綠度異常現象，直觀展示了氣候變化影響下森林綠度的變化趨勢。同時，本研究使用SPEI定義干旱事件，對全球綠度異常指數和SPEI進行相關性及敏感性分析，以期為預測氣候變化對森林的影響和研究陸地生態系統對極端氣候的響應等提供理論支持和科學依據。

1 數據來源與研究方法

1.1 數據來源及處理

LAI數據選用北京師范大學依托于“全球生態系統與表面能量平衡特征參量生成與應用”項目生產的GLASS（Global Land Surface Satellite）數據集[38]。該產品通過BELMANIP[39]（Benchmark Land Multisite Analysis and Intercomparison of Products）計算MODISLAI反射率數據，使用回歸神經網絡模型得到GLASSLAI產品[40]。空間分辨率為0.05°，時間分辨率為8 d。為統一數據分辨率及方便后續數據處理，使用Arcgis軟件對其進行3次卷積重采樣，將空間分辨率聚合到0.5°，時間分辨率不變。產品下載地址為：http://www.glass.umd.edu/Download.html，本研究采用V50版本。

土地覆蓋類型數據采用MODIS（MCD12C1）數據產品。該產品提供年尺度土地覆蓋類型數據，空間分辨率為0.05°。該產品包含3種分類方案數據，本研究選用國際地球生物圈計劃（IGBP）分類方案[41]，將數據值為1～7的像元作為林地。數據1～7分別代表：常綠針葉林，常綠闊葉林，落葉針葉林，落葉闊葉林，混交林，封閉灌木林，開闊灌木林。

干旱指數采用西班牙高等科研理事會（CSIC）提供的2.6版本SPEI數據集[42]，該數據經過其他研究多次使用檢驗[43,44]，真實可靠。其計算所用的潛在蒸散發基于FAO的Penman-Monteith方法，降水及比濕等數據基于東英吉利大學氣候研究部的提供的CRU TS數據集4.03版本。該SPEI數據集提供的全球網格數據空間分辨率為0.5°，時間尺度包括1～48個月。由于森林植被主要吸收深層土壤水，為表征土壤水分變化，本研究主要考慮水文干旱的反映，考慮到干旱的持續性以及植被響應的滯后性，SPEI時間尺度選用12個月的數據。數據下載地址為：http://hdl.handle.net/10261/202305。

1.2 研究方法

1.2.1 森林綠度異常計算

干旱導致植物生長水分匱乏，脅迫植物降低光合作用來減少水分消耗[45]。主要表現為植被覆蓋偏離其生長趨勢，森林密度加速減少或增長變緩，森林綠度下降。侯鑫等[13]利用LAI表現森林綠度的增加或減少，對年內LAI線性趨勢偏離量求和得到綠度異常值。通過去除線性趨勢的方法得到森林綠度異常值，可以顯著地展示干旱對森林綠度的影響。

綠度異常值通過量化年尺度上LAI低于線性趨勢的狀態表現，對每個像元的偏離量（Greenness decline）進行年內求和，數值越小代表異常程度更嚴重，總和為正則認為綠度無異常：將其進行Z-score標準化處理，以方便不同時空的比較：

綠度變化異常強度(Intensity)用研究時段內異常值總和與發生的頻率(Frequency)的商表示，其數值越小，強度越大：

1.2.2 干旱對森林綠度影響的時空分布及影響分析

宏觀尺度上森林綠度對干旱的響應可以通過線性變化趨勢表現，對SPEI指數和森林綠度異常值進行Pearson相關性分析，計算線性相關系數r并返回顯著性系數p值，用于基于非零相關性備擇假設來檢驗無相關性假設，為直觀地展示相關性，r以相關系數計算結果的絕對值表示。

相關系數r計算公式為：

式中：E是數學期望；cov表示協方差。

根據r可表現擬合回歸后干旱對于森林綠度異常現象的解釋程度，r越大表示該地區擬合回歸效果越好，即SPEI與森林綠度異常值相關性越高。根據p值可表現顯著性水平，若p低于顯著性水平0.05，則代表相關性分析結果拒絕SPEI與綠度異常值之間不存在相關性的原假設，即該地區干旱與森林綠度異常之間線性相關性顯著。若p＞0.1，則認為該地區干旱與森林綠度之間無顯著相關關系。

對年尺度的SPEI數據及森林綠度異常數據進行線性擬合，并求得其斜率。根據斜率判斷干旱與森林綠度的相關趨勢。若斜率為正，則表示該地區干旱程度與森林綠度變化數據呈正相關，森林綠度異常程度隨干旱發生而加重，且斜率越大表明其影響程度越深，反之則表示綠度異常現象隨干旱加重反而減輕。

2 結果與討論

2.1 全球森林綠度異常變化趨勢

全球森林覆蓋類型分布如圖1所示，森林分布空間差異明顯。其中，針葉林主要分布于高緯度寒帶地區，如美國西北海岸、加拿大境內、波羅的海周邊國家，以及俄羅斯境內和中國東北地區。闊葉林主要分布于低緯度溫帶地區，如美國東海岸、巴西熱帶雨林、非洲近赤道國家以及東南亞地區。混交林在中緯度地區廣泛分布，如加拿大東南地區、俄羅斯境內、日本境內以及中國北方地區。灌木林則主要存在于南非地區、俄羅斯北部、加拿大北部、美國西南地區、非洲南部和澳大利亞境內。

圖1 全球森林類型空間分布Fig.1 Spatial distribution of global forest types

全球森林面積變化如圖2所示，2007年至2010年全球森林面積呈增長趨勢，2010年全球森林面積達到最大，約為33.754 8億hm2（根據遙感數據統計得出）。2010年至2018年全球森林面積逐漸減少，2017年達最低值，約為33.604 4億hm2（根據遙感數據統計得出），相比于2010年減少了1 504萬hm2。而2007-2018年全球綠度異常森林面積占比在0.3～0.6。

圖2 全球森林面積（闊葉林、針葉林、混交林及灌木林）變化及綠度異常森林面積占比Fig.2 Change of global forest area(broadleaf forest,coniferous forest,mixed forest and shrub)and proportion of forest with greenness anomalies

全球森林綠度異常的空間分布如圖3所示，2007-2018年全球綠度異常現象較輕的林區集中分布在北緯中緯度地區，綠度異常面積占比最高為57.15%，出現在2008年。其中，巴西熱帶雨林綠度異常面積占林區總面積的56.45%，俄羅斯境內異常林區占比達68.73%，美國境內異常林區占比為65.68%，中國境內異常林區占比70.59%，澳大利亞異常林區占比最高，達到了85.93%。結合2007-2018年綠度異常強度（圖4）分析，美國墨西哥邊境林區及阿根廷西部林區綠度異常發生頻率高，異常程度嚴重。亞馬遜雨林地區綠度異常發生面積分布廣泛但程度輕微。非洲南部與中國云貴地區綠度異常面積分布集中且強度較大。西伯利亞林區和印度尼西亞及澳大利亞境內則發生廣泛的綠度異常現象，且程度較深。森林綠度未發生異常的地區則集中于各大森林的邊緣地區以及沿海地區，這可能是因為森林邊緣地區植物水分競爭壓力較森林中心地區壓力更小[25]，而海邊濕潤的氣候環境則帶來了充沛的水汽，有利于植被的生長。

圖3 2007-2018年全球森林綠度異常指數Fig.3 Global forest greenness anomalies index from 2007 to 2018

圖4 全球綠度異常頻次及綠度異常強度Fig.4 Frequency and intensity of global greenness anomalies

2.2 綠度異常對干旱事件響應的時空分析

干旱的劃分依據《GB/T 20481-2017氣象干旱等級》，根據SPEI劃分干旱等級如表1所示。

表1 SPEI指數干旱等級劃分Tab.1 Drought classification of SPEI index

綠度異常與干旱的擬合結果及相關系數計算結果如圖5和圖6所示，美墨邊境處、澳大利亞中部地區、南非地區和中亞地區森林綠度異常現象與干旱有極強相關性，說明干旱導致的水分脅迫是這些地區綠度異常的主要驅動因素，結合回歸斜率發現這些地區與綠度異常成正相關。然而在亞馬遜雨林地區、非洲中部地區、加拿大東北部和俄羅斯西北地區隨著干旱出現綠度異常反而得到緩解。由圖5可知，這些地區綠度異常現象的發生與干旱事件無明顯相關性。

圖5 全球SPEI與綠度異常指數線性回歸擬合的p值和相關系數r值Fig.5 p-values and correlation coefficients for global SPEI to linear regression of the Greenness Anomalies Index

圖6 全球SPEI與綠度異常指數線性擬合回歸斜率Fig.6 Regression slope of global SPEI and greenness anomalies index

森林綠度異常現象主要受自然氣候變化、人類活動產生的影響而發生。一方面，氣候變化使得區域水分條件改變，干旱發生頻繁，森林綠度異常現象不斷發生。以美國為例，2011-2018年美國得州地區干旱頻發，森林綠度異常現象嚴重。Camarero等[46]研究發現，干旱引起的樹木死亡過程可以看作樹木活力和生長的非線性變化，樹木死亡結果是由某些氣候因素越過變化臨界點導致的。Buotte等[47]預計2020-2050年美國大部分沿海和西部喀斯特地區、愛達荷州北部和蒙大拿州部分地區氣候將更加炎熱干燥，干旱影響下的森林將變得更加脆弱。在亞馬遜雨林地區，2016年的干旱事件發生范圍最廣、程度最深，與之相關，綠度異常現象也最嚴重。Longo等[48]認為亞馬遜雨林生態系統異質性和多樣性降低了森林對頻繁極端干旱的抵御能力。Erfanian等[49]則認為南美地區海面溫度（SST,sea surface temperatures）是亞馬遜雨林極端干旱事件的主要驅動因素。近年來中國西南地區極端干旱頻發，導致該地區森林綠度異常現象嚴重。除干旱外，森林類型也是影響綠度異常的因素之一，Luo等[4]在云南研究發現天然林比人工林更容易受到干旱的影響，西南地區自然森林又普遍為闊葉林，抗旱能力相較于針葉林更弱。上述因素綜合導致了中國西南地區近幾年綠度異常現象頻發。

另一方面，人類活動影響下，區域氣候條件和土地類型不斷改變，森林對干旱的抵抗力持續降低。干旱影響下亞馬遜雨林的綠度異常現象分布較分散，主要分布于雨林內部。其中，Khanna等[50]研究發現人類砍伐森林引起的土地覆蓋變化和碳排放增加導致了亞馬遜流域的水文氣候狀態由熱力驅動轉變為動態驅動，引發了地區降水減少，從而使亞馬遜雨林遭受頻繁的干旱。綠度異常分散現象可能是人類在森林內部的活動區域不規整造成的。結合干旱情況，人類活動導致的植被消失是亞馬遜雨林地區綠度異常的主要原因。2008-2012年和2015-2018年南非發生數次持續性極端干旱。Baudoin等[51]通過研究發現，拉尼娜現象加上其自身落后的用水制度是導致南非地區缺水的主要原因。雷步云等[52]研究發現南非地區困于自身經濟水平，對于干旱災害抗風險能力較弱，無法科學地調度管理水資源，從而導致南非森林綠度異常現象不斷加重。綜合比較非洲其他地區及中亞和拉美等欠發達地區，可以印證經濟發展水平也是導致地區綠度異常的因素之一。

2.3 不同森林類型綠度異常對干旱響應的相關性分析

為更清楚地表現干旱對不同類型森林的影響，提取p值小于0.1，斜率為正的區域綠度異常指數分不同森林類型進行線性擬合，并計算決定系數。如圖7所示。按擬合后的斜率大小表現綠度異常對干旱的敏感性。闊葉林的回歸斜率最高為0.446，混交林為0.439，針葉林為0.392，灌木林對干旱最不敏感，為0.346。不同森林類型SPEI及綠度異常指數中位數如表2所示。

圖7 2007-2018年全球不同森林類型SPEI與干旱導致的綠度異常統計參數Fig.7 Statistical parameters of SPEI and global greenness anomalies caused by drought in different forest types across the globe during 2007-2018

表2 2007-2018年不同森林覆蓋類型SPEI與綠度異常指數中位數Tab.2 Median SPEI and greenness anomalies index of different forest types from 2007 to 2018

2007-2018年間闊葉林和混交林超過一半的森林面積處于無旱狀態，針葉林和灌木林超過一半的森林面積處于輕旱，其中闊葉林干旱程度最輕，針葉林干旱程度最深。綠度異常現象和干旱情況不同，混交林綠度異常程度最輕，中位數為-0.420，其次為闊葉林和針葉林。灌木林綠度異常程度最嚴重，為-0.608。但相比于干旱情況，不同類型的森林之間綠度異常程度差距不大。

由于SPEI數據和植被遙感數據采用的分辨率較為粗糙，且數據時間尺度僅有12 a，本文未能在全球尺度上進行更長時間序列且更為精細的研究。此外，本研究僅通過SPEI干旱指數來表征植被環境水量，指標較為單一。未來研究可以考慮其他標準進行相互比較如水文干旱指數PHDI，降水距平指數RAI等，以便更深入地研究干旱對森林的影響。

3 結論

本文基于GLASS LAI數據和CSIC SPEI數據分析了2007-2018年期間全球森林綠度異常對干旱事件的響應。結果表明在研究時段內全球森林總面積呈現先增加后減少趨勢，綠度異常林區面積最大出現在2008年，占全球總森林面積57.15%。從全球范圍看，針葉林地區干旱發生最頻繁、程度最深，其次為灌木林、混交林，闊葉林地區干旱發生最輕微。然而，灌木林地區綠度異常現象最嚴重，混交林最輕，這說明針葉林的抗旱性更好，而在灌木林和闊葉林地區，干旱主導的水分條件變化對森林綠度異常影響更大。美國西部地區、南非、中國西南部和澳大利亞境內森林綠度異常程度和干旱呈高度正相關關系，表明這些地區植被生長受干旱影響較重，對土壤水分依賴更大。結合不同類型的森林植被分析，不同類型森林對干旱的敏感性表現為闊葉林、混交林、針葉林、灌木林依次遞減。當發生相同程度的干旱事件時，闊葉林綠度異常程度最強，灌木林最弱。本研究計算了全球森林綠度異常指數，并評價了不同森林類型的綠度異常現象與SPEI的相關性，有助于探討陸地生態系統對極端氣候的響應，為預測全球氣候變暖下森林生長變化趨勢提供理論支持。