劉世梁，田韞鈺，尹藝潔，安南南，董世魁

北京師范大學(xué)環(huán)境學(xué)院水環(huán)境模擬國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京　100875

?

云南省植被NDVI時(shí)間變化特征及其對(duì)干旱的響應(yīng)

劉世梁*，田韞鈺，尹藝潔，安南南，董世魁

北京師范大學(xué)環(huán)境學(xué)院水環(huán)境模擬國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京100875

基于云南省74個(gè)氣象站點(diǎn)的1997—2012年逐日降水資料和逐旬SPOT-NDVI值，利用標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)多尺度分析了云南省干旱時(shí)間和強(qiáng)度演變與NDVI時(shí)間動(dòng)態(tài)特征及其相關(guān)性分析，進(jìn)而探討氣候變化對(duì)植被的影響。結(jié)果表明，1999—2013年云南省年平均NDVI值和年最大NDVI值均呈現(xiàn)波浪式的發(fā)展趨勢(shì)，其趨勢(shì)線斜率分別為0.0017和0.0011；NDVI年內(nèi)各月變化情況大體上相同；不同季節(jié)NDVI的年際變化特征呈現(xiàn)出顯著差異。1997—2012年不同時(shí)間尺度SPEI均體現(xiàn)出干旱化加劇的趨勢(shì)，并隨SPEI的時(shí)間尺度增大而增大；3個(gè)月尺度的SPEI值(SPEI3)結(jié)果表明，各月的變化呈現(xiàn)先增大后減小的趨勢(shì)；SPEI3反映出多年季節(jié)水平的干旱強(qiáng)度為：冬季>秋季>春季>夏季?？傮w上，云南省的年均NDVI與SPEI的相關(guān)性極弱，年最大NDVI與SPEI呈正相關(guān)；多年月均NDVI與不同尺度SPEI的相關(guān)性較強(qiáng)且存在滯后性；不同季節(jié)NDVI與SPEI的相關(guān)性及滯后性有較大差異，其中冬季NDVI、秋季NDVI與其當(dāng)年當(dāng)季SPEI的負(fù)相關(guān)性較強(qiáng)。

標(biāo)準(zhǔn)化降水蒸散指數(shù)；NDVI；時(shí)間序列；云南??；相關(guān)性

植被是生態(tài)系統(tǒng)的重要組分。它不僅是重要自然資源，同時(shí)在一定的程度上能代表土地覆蓋的變化。植被變化對(duì)全球變化較為敏感，具有指示作用。同時(shí)，地表植被被認(rèn)為對(duì)全球的能量平衡、生物化學(xué)循環(huán)、水循環(huán)等起著調(diào)控作用，對(duì)氣候系統(tǒng)變化有著深遠(yuǎn)的影響[1]。植被與氣候變化之間的關(guān)系是密不可分的，二者之間的相互作用主要表現(xiàn)在2個(gè)方面，即植被對(duì)氣候的適應(yīng)性與植被對(duì)于氣候的反饋?zhàn)饔肹2]。因此在全球變化研究中，植被變化的監(jiān)測(cè)與動(dòng)態(tài)在地表覆蓋與變化研究中一直備受重視。

干旱是對(duì)人類社會(huì)影響最為嚴(yán)重的氣象災(zāi)害之一，影響范圍廣、造成危害大、涉及時(shí)間長(zhǎng)。西南地區(qū)一直是我國(guó)干旱發(fā)生頻率較高的區(qū)域，近年來干旱更加突出[3-4]，目前已經(jīng)有研究針對(duì)西南地區(qū)干旱特征和變化趨勢(shì)進(jìn)行研究分析[5- 8]。在干旱的時(shí)空動(dòng)態(tài)研究中[9- 11]，應(yīng)用最廣泛的是Vicente-Serrano于2010年提出的標(biāo)準(zhǔn)化降水蒸散指數(shù)(Standardized Precipitation Evapotranspiration Index，SPEI)，它不僅考慮了降水與蒸散，而且保留了SPI、PDSI指數(shù)等對(duì)溫度降水的敏感度，又具備SPI 適合多尺度、多空間比較的優(yōu)點(diǎn)[5]。由于氣候是決定地球上植被類型及其分布的最主要因素，因此在全球變化與陸地生態(tài)系統(tǒng)關(guān)系的研究中，氣候—植被關(guān)系的確定具有十分重要的實(shí)際意義[12]。

在植被研究中，歸一化差值植被指數(shù)(NDVI)由于其具有植被空間覆蓋范圍廣、植物檢測(cè)靈敏度高、能消除地形和群落結(jié)構(gòu)的陰影和輻射干擾、削弱太陽高度角和大氣所帶來的噪音、數(shù)據(jù)具有高可比性等特點(diǎn)，在多種植被指數(shù)中應(yīng)用最多最廣泛[1]。近年來國(guó)內(nèi)外利用NDVI做了大量的植被研究，主要集中于區(qū)域植被的時(shí)空變化與氣候因子的相互關(guān)系[13- 18]以及對(duì)氣候變化的響應(yīng)[19- 20]，其中氣候因子主要為溫度和降水量，并不能綜合反映氣候變化，因此NDVI與單獨(dú)的氣候因子的相關(guān)性研究尺度單一且不全面，不足以確定氣候-植被關(guān)系。而多時(shí)間尺度的SPEI值能夠清楚地反映區(qū)域干濕演變與可獲得水資源狀況，因此本研究從多尺度研究了云南省NDVI和SPEI兩大指數(shù)的時(shí)間序列變化規(guī)律，利用SPEI指數(shù)進(jìn)一步分析了云南省的氣候變化情況和干旱發(fā)生強(qiáng)度，同時(shí)利用NDVI指數(shù)分析了研究區(qū)域的植被變化情況。此外，本研究試圖對(duì)云南省的SPEI與NDVI作了不同尺度上的相關(guān)性分析，進(jìn)一步探討了植被的變化趨勢(shì)及其對(duì)氣候變化的響應(yīng)機(jī)制，為制定相應(yīng)的對(duì)策提供了科學(xué)依據(jù)，具有重要的理論和現(xiàn)實(shí)意義。

1　研究區(qū)域與研究方法

1.1研究區(qū)概況

云南省(21°8′32″—29°15′8″N， 97°31′39″—106°11′47″E)北依亞洲大陸，南連位于太平洋和印度洋之間的東南亞半島，處在東南季風(fēng)和西南季風(fēng)控制之下，又受西藏高原區(qū)的影響，從而形成了復(fù)雜多樣的自然地理環(huán)境?？偯娣e39.4萬km2，平均海拔2000m 左右。地理位置特殊，地形地貌復(fù)雜。由于大氣環(huán)流的影響，冬季受干燥的大陸季風(fēng)控制，夏季盛行濕潤(rùn)的海洋季風(fēng)，屬低緯山原季風(fēng)氣候。全省氣候的區(qū)域差異較大。植被資源豐富，森林覆蓋率47.5%，植被NDVI分析與干旱的變化的研究具有可行性并有現(xiàn)實(shí)意義。

1.2數(shù)據(jù)處理1.2.1氣候數(shù)據(jù)前處理

選用1998—2012年云南省地面氣象觀測(cè)站逐年的日降水量的實(shí)測(cè)資料。對(duì)個(gè)別臺(tái)站的缺測(cè)數(shù)據(jù)進(jìn)行了插補(bǔ)處理，主要采用的是均值替換法。首先對(duì)于明顯錯(cuò)誤數(shù)據(jù)進(jìn)行檢測(cè)，確定錯(cuò)誤數(shù)據(jù)或者斷點(diǎn)，剔除或用多年平均值取代錯(cuò)誤或斷點(diǎn)數(shù)據(jù)[10]。經(jīng)過訂正處理后的各要素資料具有較好的連續(xù)性。

1.2.2NDVI數(shù)據(jù)處理

作為反映植被狀況的一個(gè)重要遙感參數(shù)，歸一化差值植被指數(shù)(NDVI)是植物生長(zhǎng)狀態(tài)和植被空間分布密度的指示因子，與植被分布密度呈線性相關(guān)，即NDVI值越高表明植被狀況越好。利用1999—2013年的SPOT VEGETATION逐旬NDVI數(shù)據(jù)進(jìn)行分析，共有504幅圖像，空間分辨率為1 km。NDVI 數(shù)據(jù)主要采用均值法和最大合成法進(jìn)行處理，為避免某些極端值的影響，每月NDVI值由上、中、下三旬?dāng)?shù)據(jù)求平均值獲得；每年NDVI值除了年均值還采用了國(guó)際通用的最大合成法獲取，以進(jìn)一步消除云、大氣、太陽高度角等的部分干擾[20]。

1.3研究方法

標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)SPEI(Standardized Precipitation Evapotranspiration Index)是Vicente-Serrano在標(biāo)準(zhǔn)化降水指數(shù)SPI的基礎(chǔ)上引入潛在蒸散項(xiàng)構(gòu)建的，其融合了SPI和帕爾默干旱指數(shù)PDSI的優(yōu)點(diǎn)，具體計(jì)算步驟如下[21]：

第1步計(jì)算潛在蒸散。Vicente-Serrano采用的是Thornthwaite方法。

第2步用公式(1)計(jì)算逐月降水與蒸散的差值

Di=Pi-PETi

(1)

式中,Di為降水與蒸散的差值，Pi為月降水量，PETi為月蒸散量。

第3步同SPI方法，對(duì)Di數(shù)據(jù)序列進(jìn)行正態(tài)化。由于原始數(shù)據(jù)序列Di中可能存在負(fù)值，所以SPEI指數(shù)采用了3個(gè)參數(shù)的log-logistic概率分布。log-logistic概率分布的累積函數(shù)為

(2)

式中,參數(shù)α、β、γ分別采用線性矩的方法擬合獲得。

然后對(duì)累積概率密度進(jìn)行標(biāo)準(zhǔn)化

P=1-F(x)

(3)

當(dāng)累積概率P≤0.5時(shí)

(4)

(5)

式中,W為蒸散降水推導(dǎo)函數(shù)的累計(jì)概率函數(shù)值，C0= 2.515517，C1= 0.802 853，C2= 0.010328，d1= 1.432788，d2= 0.189269，d3= 0.001308。

當(dāng)P>0.5時(shí)，以1-P表示P，SPEI變換符號(hào)。

本文中SPEI對(duì)應(yīng)的干旱等級(jí)按照表1中的標(biāo)準(zhǔn)進(jìn)行劃分。

表1　SPEI對(duì)應(yīng)的干旱等級(jí)劃分

SPEI: 標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)Standardized Precipitation Evapotranspiration Index

2　結(jié)果與分析

2.1云南省不同尺度植被指數(shù)的時(shí)間序列變化分析2.1.1NDVI的年際變化分析

對(duì)云南省74個(gè)氣象臺(tái)站同一年內(nèi)各旬的NDVI取平均值，得到當(dāng)年云南省平均NDVI。年平均NDVI值變化曲線及其趨勢(shì)線見圖1，從圖中可以清楚的看到，在1999年至2013年間，云南省年平均NDVI值呈現(xiàn)波浪式的發(fā)展趨勢(shì)，而趨勢(shì)線斜率為正，說明年均NDVI值總體略有增加。2003年、2006年、2013年的年平均NDVI值相對(duì)較大，可能與當(dāng)年降雨量豐富有關(guān)；云南省年平均NDVI值基本都保持在0.385—0.425之間，表明NDVI具有相對(duì)穩(wěn)定性，總體植被狀況較為樂觀。

考慮到云、大氣、太陽高度角等的部分干擾，通過最大合成法得到每年最大NDVI值。從圖1可以看出，年最大NDVI值的波動(dòng)情況與年均NDVI值相似，進(jìn)一步表明了1999—2013年云南省NDVI的年際變化特征，即總體穩(wěn)定，波動(dòng)中略有增大。

2.1.2NDVI的月尺度變化分析

將74個(gè)氣象站點(diǎn)的NDVI取月平均值如圖2所示?？梢钥吹皆颇鲜「髂甑腘DVI年內(nèi)各月變化情況大體上是相同的，波峰基本集中在7—9月份。各年之間波動(dòng)情況相近，具有周期性，但周期內(nèi)的變化曲線有時(shí)也會(huì)出現(xiàn)波動(dòng)，最典型的是2007年7月和2012年6月出現(xiàn)異常，比其它年份同時(shí)期的NDVI值偏低。從NDVI的年內(nèi)波動(dòng)情況可以看出，NDVI值與氣溫及降雨量有一定關(guān)系。

圖1　1999—2013年云南省年均NDVI及年最大NDVI變化　Fig.1　Variations of annual NDVI and maximum NDVI in Yunnan Province during 1999—2013

圖2　1999—2013年云南省月平均NDVI變化　Fig.2　Variations of monthly average NDVI in Yunnan Province during 1999—2013

2.1.3NDVI的季節(jié)變化規(guī)律分析

圖3　云南省季節(jié)尺度NDVI指數(shù)長(zhǎng)期動(dòng)態(tài)特征　Fig.3　Long-term dynamic characteristics of NDVI for four seasons in Yunnan Province

利用天文季節(jié)的劃分方法來劃分四季，即3—5月為春季，7—8月為夏季，9—11月為秋季，12月至次年2月為冬季。將74個(gè)站點(diǎn)取各季節(jié)NDVI的平均值，得到1999—2013年的季節(jié)變化時(shí)間序列(圖3)。從圖3可以看出，云南省NDVI的年際變化呈現(xiàn)顯著的季節(jié)性差異，夏季和秋季的NDVI值總體相對(duì)較高，其中夏季呈現(xiàn)起伏較大的波浪式發(fā)展趨勢(shì)，在0.35—0.5間波動(dòng)，可能是由于夏季氣溫高且降水量年間差異較大；冬季和春季的NDVI值總體偏低，年際波動(dòng)幅度相對(duì)較小，均在0.3—0.4之間波動(dòng)?？梢娝募局蠳DVI的總體大小排序?yàn)椋呵锛?夏季>冬季>春季，從NDVI年內(nèi)月尺度的波動(dòng)情況也可以看出這一特點(diǎn)。

2.2云南省不同尺度SPEI指數(shù)的時(shí)間序列變化特征2.2.1基于不同尺度SPEI的氣候變化特征

1997—2012年云南省74個(gè)站點(diǎn)SPEI的平均值的變化趨勢(shì)見圖4。從圖4可以看出，不同時(shí)間尺度的SPEI值均呈現(xiàn)出一致的線性趨勢(shì)，即干旱化趨勢(shì)在加強(qiáng)，但其值隨時(shí)間變化的敏感性明顯不同，時(shí)間尺度越小，趨勢(shì)線斜率的絕對(duì)值越小。

西南地區(qū)是典型的季風(fēng)氣候區(qū)，受季風(fēng)系統(tǒng)影響，降水的季節(jié)分布極不均勻。如圖4所示，SPEI3因?yàn)閷?duì)于短期降水和溫度變化都比較敏感，其數(shù)值波動(dòng)性較大；而SPEI6受多雨期和少雨期的影響，其數(shù)值波動(dòng)幅度也很大，因此云南省的干旱持續(xù)時(shí)間達(dá)半年的發(fā)生頻率也比較高。SPEI12和SPEI24能夠更清楚地反映1997—2012年的干旱變化狀況，即2004—2008年、2010—2012年的干旱頻率較高，其中2004—2008年為輕微干旱，2010—2012年達(dá)到中等干旱甚至嚴(yán)重干旱，且干旱持續(xù)時(shí)間較長(zhǎng)，出現(xiàn)數(shù)年連旱的現(xiàn)象。由此可見，SPEI6和SPEI12對(duì)于下層土壤水分和河流徑流量等有較好地反映，SPEI24則更深入地涉及到地下水位、水庫(kù)蓄水量乃至民生問題。綜上所述，多時(shí)間尺度的SPEI值可以有效地反映云南省干旱程度及其持續(xù)時(shí)間，并且不同時(shí)間尺度的SPEI值表現(xiàn)出了不同程度的年際震蕩和年代際變化特征。

圖4　云南省多時(shí)間尺度標(biāo)準(zhǔn)化降水蒸散指數(shù)長(zhǎng)期動(dòng)態(tài)特征Fig.4　Long-term dynamic characteristics of multi-time scale SPEI in Yunnan Province

2.2.2SPEI的月尺度變化分析

從圖4可以看到，SPEI3年內(nèi)各月的變化情況年與年之間差別較大，峰值所在月份也不盡相同。將74個(gè)氣象站點(diǎn)的SPEI3取月平均值，如圖5，可以看到SPEI3各月的變化呈現(xiàn)先增大后減小的趨勢(shì)，峰值在5—7月份，并且其他月份均為輕微干旱，這與全年降雨量分布大體一致。

圖5　1997—2012年云南省月平均SPEI變化　Fig.5　Variations of monthly average SPEI in Yunnan Province during 1997—2012

2.2.3SPEI的季節(jié)尺度變化分析

西南地區(qū)一般冬季干旱少雨，夏季雨量豐沛，春、秋季節(jié)是過渡階段，大多數(shù)區(qū)域秋雨多于春雨。因而春、冬兩季是發(fā)生旱災(zāi)的主要時(shí)節(jié)[11]，從圖5也可以看出這一特點(diǎn)。

圖6　云南省季節(jié)尺度標(biāo)準(zhǔn)化降水蒸散指數(shù)長(zhǎng)期動(dòng)態(tài)特征Fig.6　Long-term seasonal dynamic characteristics of SPEI in Yunnan Province

選取云南省各站四季1997—2012年的平均SPEI3和SPEI24值，分析SPEI在季節(jié)尺度上的變化規(guī)律(圖6)。從圖6的SPEI24變化情況可以看出，云南省SPEI的年際變化在季節(jié)尺度上的差異性并不明顯，均為接近半數(shù)的年份達(dá)到干旱，四季均在2003—2006年出現(xiàn)連年干旱的現(xiàn)象。從SPEI3的波動(dòng)情況來看，冬季干旱最為嚴(yán)重，干旱頻率較高，但年際間波動(dòng)幅度相對(duì)較小；春季和秋季次之，波動(dòng)幅度較大；夏季干旱的年份最少干旱強(qiáng)度較小。由此可見，不同尺度的SPEI值反映出來的季節(jié)變化規(guī)律不同，3個(gè)月尺度的SPEI值更能反映出季節(jié)尺度的變化情況，多年季節(jié)水平的干旱強(qiáng)度為：冬季>秋季>春季>夏季。

2.3云南省植被NDVI 動(dòng)態(tài)變化與SPEI指數(shù)的關(guān)系2.3.1云南省NDVI與SPEI在年際變化上的相關(guān)性

利用云南省各站點(diǎn)1998—2012年的年均SPEI和1999—2013年的NDVI數(shù)據(jù)，分析不同年份二者之間的相關(guān)系數(shù)r，探討二者在年際變化上的相關(guān)性和滯后性。當(dāng)r>0時(shí)，表示兩變量正相關(guān)，當(dāng)r<0時(shí)，表示兩變量為負(fù)相關(guān)，r的絕對(duì)值大小代表相關(guān)程度。

表2列出了年平均NDVI與不同尺度年均SPEI的相關(guān)系數(shù)，包括同年間(1999—2012)以及NDVI(1999—2013)比SPEI(1998—2012)滯后1年的相關(guān)系數(shù)。從表2可以看到，NDVI值與不同尺度SPEI值間的相關(guān)系數(shù)均為正值，并且SPEI的時(shí)間尺度越大，相關(guān)性越弱，且不同尺度的SPEI與當(dāng)年NDVI的相關(guān)系數(shù)均小于0.3，相關(guān)性不顯著；滯后1年的NDVI與不同尺度SPEI的相關(guān)系數(shù)也很弱?？梢娫颇鲜〉哪昃鵑DVI與SPEI沒有顯著的正相關(guān)關(guān)系，滯后效應(yīng)不明顯。

考慮到云、大氣、太陽高度角等的部分干擾可能對(duì)NDVI與SPEI的相關(guān)性造成影響，表3列出了年最大NDVI與不同尺度年均SPEI的相關(guān)系數(shù)，當(dāng)年NDVI與滯后NDVI同表2。從表3可以看到，年最大NDVI與SPEI的相關(guān)系數(shù)也均為正值，但明顯比表2的數(shù)值大，相關(guān)程度更高；SPEI3、SPEI6、SPEI12與當(dāng)年NDVI的相關(guān)系數(shù)均大于0.5。可見云南省的年最大NDVI與不同尺度年均SPEI存在一定的線性正相關(guān)關(guān)系，說明SPEI是NDVI的一大影響因素。

表2　年平均NDVI與不同尺度SPEI的相關(guān)系數(shù)

表3　年最大NDVI與不同尺度SPEI的相關(guān)系數(shù)

2.3.2云南省NDVI與SPEI在月尺度變化上的相關(guān)性

通過比較1999—2013年74個(gè)臺(tái)站的月平均NDVI與不同尺度SPEI的相關(guān)性發(fā)現(xiàn)SPEI12的相關(guān)系數(shù)相對(duì)最大，因此做出月平均NDVI與SPEI12的相關(guān)圖。從圖7可以看出，同年NDVI、滯后1年的NDVI均與SPEI24存在一定的負(fù)相關(guān)，但相關(guān)性不顯著。

圖7　各站月平均SPEI12與NDVI的相關(guān)系數(shù)Fig.7　The correlation coefficients of monthly mean NDVI and SPEI of 12 months

將各站點(diǎn)12個(gè)月多年平均的NDVI分別與對(duì)應(yīng)月的SPEI進(jìn)行相關(guān)分析，同時(shí)考慮到NDVI對(duì)SPEI的滯后效應(yīng)，本研究還將NDVI分別滯后1、2、3個(gè)月(NDVI1、NDVI2、NDVI3)與SPEI進(jìn)行相關(guān)分析，結(jié)果見表4。從表4可以看出，NDVI與不同尺度的SPEI相關(guān)性明顯不同，其中SPEI3、SPEI6的相關(guān)系數(shù)大多為正值，而SPEI12、SPEI24則基本為負(fù)值；另外，同月NDVI與SPEI12、SPEI24的負(fù)相關(guān)性通過了0.01水平的顯著性檢驗(yàn)，滯后1個(gè)月的NDVI與SPEI6的正相關(guān)性以及與SPEI12、SPEI24的負(fù)相關(guān)性均通過了0.01水平顯著性檢驗(yàn)，滯后兩個(gè)月的NDVI與SPEI3、SPEI6均為高度相關(guān)，滯后3個(gè)月的NDVI與SPEI的相關(guān)性則相對(duì)較弱?？梢奛DVI與SPEI在年內(nèi)變化月尺度上的相關(guān)性較強(qiáng)，響應(yīng)具有顯著的滯后效應(yīng)。

表4　云南省NDVI與SPEI年內(nèi)變化的相關(guān)系數(shù)

* 在 0.05 水平(雙側(cè))上顯著相關(guān);** 在0.01 水平(雙側(cè))上顯著相關(guān)

2.3.3云南省NDVI與SPEI在季節(jié)尺度變化上的相關(guān)性

根據(jù)前面對(duì)SPEI季節(jié)尺度變化的研究可知，用SPEI3表征其季節(jié)變化更為恰當(dāng)。因此，本研究利用SPEI3來研究NDVI與SPEI在季節(jié)尺度上的相關(guān)性?？紤]到植被對(duì)氣候的滯后效應(yīng)，每個(gè)季節(jié)的植被NDVI除了與同季節(jié)SPEIs進(jìn)行相關(guān)分析外，都同其上一個(gè)春季、夏季、秋季、冬季的SPEI(SPEIsp、SPEIsu、SPEIau、SPEIwi)進(jìn)行了相關(guān)分析，得到的相關(guān)系數(shù)如表5所示。從表5可以清楚的看到春季的NDVI與SPEI的相關(guān)性極弱，夏季的NDVI與當(dāng)年夏季的SPEI呈不顯著的正相關(guān)，滯后性則不太明顯；秋季的NDVI與當(dāng)年秋季SPEI的負(fù)相關(guān)性通過了0.01顯著性檢驗(yàn)，與當(dāng)年夏季的SPEI呈負(fù)相關(guān)；冬季的NDVI與當(dāng)年冬季SPEI的相關(guān)性通過了0.05顯著性檢驗(yàn)，與同年春季、秋季的SPEI呈負(fù)相關(guān)。

表5　云南省季節(jié)NDVI與SPEI的相關(guān)系數(shù)

* 在 0.05 水平(雙側(cè))上顯著相關(guān); ** 在.01 水平(雙側(cè))上顯著相關(guān); SPEIs是同年同季的SPEI值；SPEIsp、SPEIsu、SPEIau、SPEIwi分別是上一個(gè)春季、夏季、秋季、冬季的SPEI值

3　結(jié)論與討論

3.1討論

(1)計(jì)算潛在蒸散的Thornthwaite方法沒有考慮輻射的影響，但對(duì)于云南省來說，研究區(qū)域范圍內(nèi)的緯度只差幾度，因此輻射的差異較小，而研究主要是關(guān)于變化趨勢(shì)的相關(guān)分析，所以對(duì)結(jié)論的影響也較小。

(2)研究SPEI變化趨勢(shì)的過程中，發(fā)現(xiàn)其時(shí)間變化特征與牛凱杰等人對(duì)西南地區(qū)的研究結(jié)論基本一致，其中多年季節(jié)水平的干旱強(qiáng)度為冬季>秋季>春季>夏季，而牛凱杰等人的研究得到的順序?yàn)榇?、冬、秋、夏，可能是由于云南不能代表整個(gè)西南地區(qū)。

(3)在NDVI的變化研究中發(fā)現(xiàn)，2007年7月和2012年6月出現(xiàn)異常，比其它年份同時(shí)期的NDVI值偏低。經(jīng)查證，2007年為災(zāi)害較重年，7月植被的異常情況可能與洪澇災(zāi)害有關(guān)；6月的NDVI值普遍不高，可能是因?yàn)樵颇鲜?月高溫且降水少。

(4)在分析NDVI與SPEI相關(guān)性的過程中，發(fā)現(xiàn)兩者年際變化的相關(guān)性較弱，而年內(nèi)變化月尺度上的相關(guān)性較強(qiáng)，這可能是由于年尺度上氣候?qū)χ脖坏挠绊懞苄?，其他原因有待深入探討?/p>

(5)在季節(jié)尺度上，NDVI與SPEI的關(guān)系較為復(fù)雜。對(duì)于云南來說，秋冬季負(fù)相關(guān)顯著的可能解釋是在多雨的狀況下，氣溫的降低會(huì)促使植被落葉，葉片枯黃、脫落，從而降低NDVI數(shù)值，因此干旱情況會(huì)使得植被NDVI增加。另外，不同季節(jié)的耕作等也會(huì)影響兩者的相關(guān)關(guān)系，其內(nèi)在機(jī)理需要結(jié)合物候變化、空間分異特征等進(jìn)行進(jìn)一步的研究與驗(yàn)證。

3.2結(jié)論

(1)1999—2013年云南省年平均NDVI值和年最大NDVI值均呈現(xiàn)波浪式的發(fā)展趨勢(shì)，總體略有增大；在月尺度上，NDVI年內(nèi)各月變化情況大體上相同且具有周期性，波峰基本集中在7—9月份；不同季節(jié)NDVI年際變化的總體大小排序?yàn)椋呵锛?夏季>冬季>春季。

(2)1997—2012年云南省不同時(shí)間尺度的SPEI值均呈現(xiàn)出干旱化加強(qiáng)的線性趨勢(shì)，時(shí)間尺度越大，變化趨勢(shì)越大。在月尺度上，SPEI3各月的變化呈現(xiàn)先增大后減小的趨勢(shì)，峰值在5—7月份；SPEI3反映出多年季節(jié)水平的干旱強(qiáng)度為：冬季>秋季>春季>夏季。

(3)云南省的年均NDVI與SPEI呈極弱的正相關(guān)關(guān)系，而年最大NDVI與不同尺度年均SPEI存在一定的線性正相關(guān)關(guān)系，SPEI是NDVI的一大影響因素。

(4)NDVI與SPEI在月尺度上的相關(guān)性較為復(fù)雜，同月以及滯后一個(gè)月的NDVI與部分時(shí)間尺度的相關(guān)性通過了0.01水平或0.05水平顯著性檢驗(yàn)，因此NDVI與SPEI在年內(nèi)變化月尺度上的相關(guān)性較強(qiáng)，響應(yīng)具有顯著的滯后效應(yīng)。

(5)季節(jié)尺度上，春季以及夏季的NDVI與SPEI的相關(guān)性與滯后性均不顯著，而秋季的NDVI與當(dāng)年秋季SPEI的負(fù)相關(guān)性通過了0.01顯著性檢驗(yàn)，冬季的NDVI與當(dāng)年冬季SPEI的相關(guān)性通過了0.05顯著性檢驗(yàn)，也有一定滯后效應(yīng)。

[1]Lambin E F, Strahler A H. Indicators of land-cover change for change-vector analysis in multitemporal space at coarse spatial scales. Remote Sensing of Environment, 1994, 15(10): 2099- 2119.

[2]鄭玉坤. 多時(shí)相AVHRR-NDVI 數(shù)據(jù)的時(shí)間序列分析及其在土地覆蓋分類中的應(yīng)用[D]. 北京: 中國(guó)科學(xué)院遙感應(yīng)用研究所, 2002: 1- 48.

[3]周丹, 張勃, 任培貴, 張春玲, 楊尚武, 季定民. 基于標(biāo)準(zhǔn)化降水蒸散指數(shù)的陜西省近50a干旱特征分析. 自然資源學(xué)報(bào), 2014, 29(4): 677- 688.

[4]張家發(fā), 唐文堅(jiān), 李少龍. 中國(guó)西南易旱地區(qū)識(shí)別的探討. 中國(guó)水利, 2012, (5): 18- 21.

[5]王東, 張勃, 安美玲, 張調(diào)風(fēng), 季定民, 任培貴. 基于SPEI的西南地區(qū)近53a干旱時(shí)空特征分析. 自然資源學(xué)報(bào), 2014, 29(6): 1003- 1016.

[6]牛凱杰, 梁川, 趙璐, 詹存. 西南地區(qū)干旱時(shí)空變化特征. 灌溉排水學(xué)報(bào), 2014, 33(3): 1- 6.

[7]王明田, 王翔, 黃晚華, 張玉芳, 馬均. 基于相對(duì)濕潤(rùn)度指數(shù)的西南地區(qū)季節(jié)性干旱時(shí)空分布特征. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(19): 85- 92.

[8]董謝瓊, 段旭. 西南地區(qū)降水量的氣候特征及變化趨勢(shì). 氣象科學(xué), 1998, 18(3): 239- 247.

[9]蘇宏新, 李廣起. 基于SPEI 的北京低頻干旱與氣候指數(shù)關(guān)系. 生態(tài)學(xué)報(bào), 2012, 32(17): 5467- 5475.

[10]李亞飛, 劉高煥. 瀾滄江流域植被覆蓋變化特征及其與氣候因子的關(guān)系. 資源科學(xué), 2012, 34(7): 1214- 1221.

[11]何云玲, 張一平. 瀾滄江干流河谷盆地氣候特征及變化趨勢(shì). 山地學(xué)報(bào), 2004, 22(5): 539- 548.

[12]Li Z Q, Liu Z G, Chen Z Z, Yang Z G. The effects of climate changes on the productivity in the Inner Mongolia Steppe of China. Acta Prataculturae Sinica, 2003, 12(1): 4- 10.

[13]Cong N, Piao S L, Chen A P, Wang X H, Lin X, Chen S P, Hang S J, Zhou G S, Zhang X P. Spring vegetation green-up date in China inferred from SPOT NDVI data: a multiple model analysis. Agricultural and Forest Meteorology, 2013, 165: 104- 113.

[14]李春暉, 楊志峰. 黃河流域NDVI時(shí)空變化及其與降水/徑流關(guān)系. 地理研究, 2004, 23(6): 753- 759.

[15]呂洋, 董國(guó)濤, 楊勝天, 周秋文, 蔡明勇. 雅魯藏布江流域NDVI時(shí)空變化及其與降水和高程的關(guān)系. 資源科學(xué), 2014, 36(3): 603- 611.

[16]崔林麗, 史軍, 肖風(fēng)勁, 范文義. 中國(guó)東部NDVI的變化趨勢(shì)及其與氣候因子的相關(guān)分析. 資源科學(xué), 2010, 32(1): 124- 131.

[17]畢曉麗, 王輝, 葛劍平. 植被歸一化指數(shù)(NDVI)及氣候因子相關(guān)起伏型時(shí)間序列變化分析. 應(yīng)用生態(tài)學(xué)報(bào), 2005, 16(2): 284- 288.

[18]王青霞, 呂世華, 鮑艷, 馬迪, 李瑞青. 青藏高原不同時(shí)間尺度植被變化特征及其與氣候因子的關(guān)系分析. 高原氣象, 2014, 33(2): 301- 312.

[19]侯美亭, 趙海燕, 王箏, 延曉冬. 基于衛(wèi)星遙感的植被NDVI對(duì)氣候變化響應(yīng)的研究進(jìn)展. 氣候與環(huán)境研究, 2013, 18(3): 353- 364.

[20]李輝霞, 劉國(guó)華, 傅伯杰. 基于NDVI的三江源地區(qū)植被生長(zhǎng)對(duì)氣候變化和人類活動(dòng)的響應(yīng)研究. 生態(tài)學(xué)報(bào), 2011, 31(19): 5495- 5504.

[21]Vicente-Serrano S M, Beguería S, López-Moreno J I. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of Climate, 2010, 23(7): 1696- 1718.

[22]張培松. 氣象因子與NDVI的相關(guān)性分析[D]. 重慶: 西南大學(xué), 2007.

[23]袁麗華, 蔣衛(wèi)國(guó), 申文明, 劉穎慧, 王文杰, 陶亮亮, 鄭華, 劉孝富. 2000- 2010年黃河流域植被覆蓋的時(shí)空變化. 生態(tài)學(xué)報(bào), 2013, 33 (24): 7798- 7806.

[24]何月, 樊高峰, 張小偉, 柳苗, 高大偉. 浙江省植被NDVI 動(dòng)態(tài)及其對(duì)氣候的響應(yīng). 生態(tài)學(xué)報(bào), 2012, 32(14): 4352- 4362.

[25]毛飛, 盧志光, 張佳華, 侯英雨. 近20年藏北地區(qū)AVHRR NDVI與氣候因子的關(guān)系. 生態(tài)學(xué)報(bào), 2007, 27(8): 3198- 3205.

[26]Prentice I C. Vegetation responses to past climatic variation. Vegetatio, 1986, 67(2): 131- 141.

[27]王宏, 李曉兵, 李霞, 鶯歌, 符娜. 基于NOAA NDVI和MSAVI研究中國(guó)北方植被生長(zhǎng)季變化. 生態(tài)學(xué)報(bào), 2007, 27(2): 504- 515.

[28]Kirilenko A P, Solomon A M. Modeling dynamic vegetation response to rapid climate change using bioclimatic classification. Climatic Change, 1998, 38(1): 15- 49.

[29]Bonan G B, Levis S, Sitch S, Vertenstein M, Oleson K W. A dynamic global vegetation model for use with climate models: concepts and description of simulated vegetation dynamics. Global Change Biology, 2003, 9(11): 1543- 1566.

[30]趙建軍. 阿帕拉契亞山植被動(dòng)態(tài)變化及其對(duì)氣候變化的響應(yīng)研究[D]. 吉林: 東北師范大學(xué), 2013.

Temporal dynamics of vegetation NDVI and its response to drought conditions in Yunnan Province

LIU Shiliang*, TIAN Yunyu, YIN Yijie, AN Nannan, DONG Shikui

StateKeyLaboratoryofWaterEnvironmentSimulation,SchoolofEnvironment,BeijingNormalUniversity,Beijing100875,China

The characteristics of drought at different time scales between 1997 and 2012 in Yunnan Province were studied using a new drought index (standardized precipitation evapotranspiration index, SPEI) calculated based on daily precipitation data from 74 weather stations. In addition, we used a time series data set (1999—2013) of the normalized difference vegetation index (NDVI) and time series analysis to assess temporal dynamics of the NDVI, and we explored the relationships between NDVI and SPEI. Correlations between NDVI and multiscale SPEI were examined, including annual, monthly, and seasonal long-term dynamics. Annual average and annual maximum NDVI in Yunnan Province showed an upward trending wave shape with slopes of 0.0017 and 0.0011, respectively. Monthly NDVI showed the same pattern, and the wave crest in each year was concentrated in July through September. Interannual variability in the NDVI showed significant seasonal differences, with higher NDVI in summer and autumn compared to spring and winter. A relatively consistent and dynamic trend was found in the time scales of mean annual SPEI. Drought intensity increased in small increments from 1997 to 2012, and the trend was more obvious at larger time scales. The 3-month SPEI value (SPEI3) initially increased and then decreased, and its wave crest was concentrated in May through July. The seasonal SPEI3 value reflected the level of drought strength as follows: winter > autumn > spring > summer. We found that the correlation between NDVI and SPEI at different time scales was complex and variable. The relationship between annual average NDVI and annual SPEI was weak, while the annual maximum NDVI and annual SPEI were positively correlated, especially for SPEI3, SPEI6, and SPEI12. No significant correlation was observed between monthly NDVI and SPEI; in contrast, years with average monthly NDVI showed a strong response to SPEI at different time scales. The coefficients between years for average monthly NDVI and SPEI were strongly affected by the SPEI time scale, with a 1- and 2-month lag. The NDVI in autumn and winter showed a strong negative correlation with SPEI for the same season, and the autumn NDVI was slightly correlated with SPEI in summer of the same year. The lag effect was also found in other seasons to different extents.

standardized precipitation evapotranspiration index; NDVI; time series; Yunnan Province; correlation

國(guó)家自然科學(xué)基金項(xiàng)目(41571173)；國(guó)家科技支撐計(jì)劃項(xiàng)目(2014BAK19B06)

2015- 01- 03; 網(wǎng)絡(luò)出版日期:2015- 11- 16

Corresponding author.E-mail: shiliangliu@bnu.edu.cn

10.5846/stxb201501030006

劉世梁，田韞鈺，尹藝潔，安南南，董世魁.云南省植被NDVI時(shí)間變化特征及其對(duì)干旱的響應(yīng).生態(tài)學(xué)報(bào),2016,36(15):4699- 4707.

Liu S L, Tian Y Y, Yin Y J, An N N, Dong S K.Temporal dynamics of vegetation NDVI and its response to drought conditions in Yunnan Province.Acta Ecologica Sinica,2016,36(15):4699- 4707.