楊思遙,孟 丹,李小娟,吳新玲

1 首都師范大學城市環(huán)境過程與數(shù)字模擬國家重點實驗室培育基地,北京 100048 2 資源環(huán)境與地理信息系統(tǒng)北京市重點實驗室,北京 100048 3 首都師范大學資源環(huán)境與旅游學院,北京 100048

植被是全球地表覆蓋的重要組成,植被變化對氣候環(huán)境變化的響應是研究全球或區(qū)域地表覆蓋變化研究的重要內(nèi)容,植被對生態(tài)環(huán)境的變化具有指示作用,也是干旱影響程度的重要反饋。干旱是因水分虧缺造成的一種氣象災害,引起水資源短缺、地下水儲量銳減、農(nóng)作物大面積減產(chǎn)等問題,相對其他的自然災害,干旱的持續(xù)時間長,影響范圍廣,持續(xù)的干旱甚至造成嚴重的社會經(jīng)濟問題,影響人們的生活生產(chǎn)。干旱在我國每年都有發(fā)生,并且近年來干旱的范圍程度都有增加的趨勢[1- 2],降水的減少和溫度升高是導致干旱加劇的重要原因之一,是尤其對于水資源相對匱乏的北方地區(qū)。

華北地區(qū)屬于半濕潤地區(qū),該地區(qū)具有下墊面復雜多樣、地表植被稀疏和對氣候變化的響應敏感等特點,是受全球氣候變化影響最顯著的地區(qū)之一[3],因此本文選取華北地區(qū)對植被狀況對干旱程度的響應進行探討。同時,干旱對植被的影響也因不同植被不同區(qū)域而有所差異[4],不同季節(jié)植被的需水量也存在差別[5],因此需要從更細致的時空尺度研究兩者的關聯(lián)。

干旱程度往往通過干旱指數(shù)定量評價,在以往的研究中,采用氣象站點數(shù)據(jù)計算干旱指數(shù)的居多,常用的干旱指數(shù)有：標準化降水指數(shù)[6]、Palmer干旱指數(shù)[7]、標準化降水蒸發(fā)指數(shù)[8]等。近年來有研究應用氣象站點數(shù)據(jù)并通過SPEI指數(shù)對我國及區(qū)域的氣象干旱變化趨勢進行評價,發(fā)現(xiàn)我國普遍存在干旱化的趨勢[9- 10]。亦有研究對植被覆蓋度、歸一化植被指數(shù)(NDVI)等對降水、氣溫等要素的相關性以及時間滯后性進行了驗證[11- 12],但仍需考慮植被對綜合干旱環(huán)境響應,已有的干旱植被響應方面的研究或基于單次干旱事件以及基于氣象站點或基于年尺度NDVI研究較多[13- 15],干旱監(jiān)測數(shù)據(jù)的時空分布及密度也會影響研究的結果,氣象站點覆蓋范圍有限,考慮到遙感數(shù)據(jù)較傳統(tǒng)數(shù)據(jù)的易獲取、大范圍觀測、空間連續(xù)、人為因素干擾小等優(yōu)勢,因此本次研究在數(shù)據(jù)源上選用TRMM及MODIS遙感數(shù)據(jù),干旱指數(shù)上選用多時間尺度且綜合降水及潛在蒸散的標準化降水蒸發(fā)指數(shù)(SPEI),分析華北地區(qū)2001—2014年間干旱的空間分布及時空演變,有助于華北區(qū)域后續(xù)的科學研究,也為其他區(qū)域基于遙感數(shù)據(jù)的干旱監(jiān)測研究提供參考。在植被對氣候環(huán)境響應方面,以往的研究考慮單一氣象因子的研究較多,但植被變化及其對干旱的響應也應從不同植被差異及多時空尺度考慮。因此,本次研究選取年尺度的植被指標NDVI及凈初級生產(chǎn)力(NPP),月尺度的植被指標植被狀態(tài)指數(shù)(VCI),與多時間尺度SPEI通過計算相關系數(shù)的方法評價植被對干旱的響應,并分析不同植被覆蓋類型對不同時間尺度干旱的響應。

1 研究區(qū)概況

圖1 研究區(qū)概況圖Fig.1 General situation of study area

對于華北地區(qū)的定義,不同文獻中對華北地區(qū)范圍的選取略有差異。依據(jù)行政區(qū)劃的范圍,以及我國降水量的分布特點,本次研究選取的華北地區(qū)包括北京、河北、天津、山西、山東、河南,共6個省市(圖1)。華北地區(qū)屬于半濕潤區(qū),年降水量位于400—800mm之間,年內(nèi)降水分布不均,主要集中在夏季。從流域上來看,該區(qū)域位于黃河、淮河、海河三大流域之間。屬于溫帶半濕潤大陸性氣候。華北地區(qū)的北部及西部地區(qū)為山區(qū),植被類型以林地、草原為主,中部及東部地區(qū)為大面積平原,是我國主要的農(nóng)作物區(qū)。

2 研究方法及數(shù)據(jù)

2.1 干旱監(jiān)測指標——SPEI

本次研究中選用標準化降水蒸發(fā)指數(shù)SPEI作為干旱監(jiān)測指標,單獨的降水或溫度因子難以全面的描述氣候干濕狀況,SPEI指數(shù)既具有SPI指數(shù)的多時間尺度特征,在考慮降水的同時考慮潛在蒸散發(fā)的影響作用。已有研究對SPEI指數(shù)在中國地區(qū)的適用性分析[16- 17],并認為該指數(shù)在本次研究地區(qū)的應用是可靠的。SPEI指數(shù)由Vicente-Serrano等提出。計算方法如下：

(1)逐月計算降水量與潛在蒸發(fā)量的差值Di=Pi-PETi其中：i為月份。

(2)建立不同時間尺度的水分盈虧累積序列,并計算其概率分布。

(1)

式中：k為時間尺度(月),在本次研究中,k分別取1、3、6、9、12；n表示某個月。

(2)

式中：α、β、γ分別為尺度、形狀和起始參數(shù)。擬合參數(shù)的估計方法采用線性矩法。分別由以下公式計算：

(3)

(4)

(5)

(6)

式中：Ws是概率權重矩,S=0,1,2。l是累積水分虧缺量序列X按升序排列(X1≤X2, …,≤Xn)的序數(shù)。Γ(β)是Gamma函數(shù)。通過三參數(shù)log-logistic概率分布函數(shù),可計算給定時間尺度的累積概率如下：

(7)

對各月累積水分虧缺量序列的概率分布F(x)進行標準化處理,令P=1-F(x)：

(8)

(9)

式中：c0= 2.515517,c1= 0.802853,c2= 0.010328,d1= 1.432788,d2= 0.189269,d3= 0.001308。

根據(jù)SPEI指數(shù)的數(shù)值劃分不同干旱等級,如表1。

表1 基于SPEI指數(shù)的干旱等級劃分[18]

SPEI： 標準化降水蒸發(fā)指數(shù)Standardized Precipitation Evapotranspiration Index

SPEI指數(shù)數(shù)值越小表示越干旱,以往的SPEI指數(shù)均采用氣象站點資料計算,但氣象站點觀測資料存在分布密度低且時空分布不均的問題,而觀測數(shù)據(jù)的密度以及其時空分布的合理性也是影響干旱監(jiān)測結果準確性的關鍵。因此本次研究采用TRMM及MODIS數(shù)據(jù)作為數(shù)據(jù)源計算,基于遙感數(shù)據(jù)計算得到SPEI指數(shù)具有更均勻的空間分布。

熱帶降雨測量衛(wèi)星TRMM數(shù)據(jù)在我國具有較好的適用性,與實測站點數(shù)據(jù)對比具有明顯的線性相關性且通過99%的顯著性檢驗[19- 20],所以本研究降水資料選用TRMM3B43月降水數(shù)據(jù)集(http://trmm.gsfc.nasa.gov/),數(shù)據(jù)版本為7A/7,數(shù)據(jù)覆蓋范圍為全球范圍南北緯50°之間,空間分辨率為0.25°×0.25°,數(shù)據(jù)單位為mm/h,通過預處理將數(shù)據(jù)單位轉化為mm/月。TRMM3B43數(shù)據(jù)融合多個微波遙感數(shù)據(jù),具有大范圍且時間連續(xù)觀測的優(yōu)勢,為氣象干旱的監(jiān)測提供了一條新途徑。

潛在蒸散資料來自MODIS數(shù)據(jù)中MOD16A2月合成數(shù)據(jù)集(http://www.ntsg.umt.edu/project/mod16),該數(shù)據(jù)蒸散算法基于Penman-Monteith算法估算,該算法較Thornthwaite更為精確。選用0.5°×0.5°分辨率數(shù)據(jù),通過雙線性內(nèi)插法重采樣為0.25°×0.25°分辨率,以便保持和TRMM降水數(shù)據(jù)分辨率的一致,同作為標準化降水蒸散指數(shù)(SPEI)計算的輸入數(shù)據(jù)。

本次研究計算得到的SPEI指數(shù)包含的時間段為2001年1月至2014年12月,共計168個月的柵格數(shù)據(jù)。

2.2 植被狀態(tài)監(jiān)測指標

2.2.1 歸一化植被指數(shù)NDVI

歸一化植被指數(shù)NDVI是目前應用最廣泛的植被指數(shù),可以反映植被的覆蓋度、植被的基本生長狀態(tài)等。由于干旱對植被生長狀況的影響主要表現(xiàn)在植被生長季,而華北地區(qū)的植被、作物等生長季主要在每年的4—10月,該時段植被開始呈現(xiàn)出明顯的綠色。因此選取研究時間內(nèi)每年該時間段的數(shù)據(jù)分析。

本研究中NDVI數(shù)據(jù)來自第六版MOD13A3數(shù)據(jù)集(https://ladsweb.nascom.nasa.gov/data/search.html),為月NDVI合成數(shù)據(jù),空間分辨率為1km×1km。研究區(qū)華北地區(qū)需要圖幅號如下的4幅影像拼接：h26v04、h26v05、h27v04、h27v05。

2.2.2 凈初級生產(chǎn)力NPP

陸地植被凈初級生產(chǎn)力NPP指單位時間、單位面積上植被通過光合作用產(chǎn)生的有機物質總量中扣除自養(yǎng)呼吸后的剩余成分。作為植被生態(tài)系統(tǒng)中物質、能量的轉換和傳遞基礎,直接反映了植被在自然條件下自身的生產(chǎn)能力,同時也能夠有效地響應氣候與環(huán)境變化[21]。

凈初級生產(chǎn)力NPP數(shù)據(jù)來自MOD17A3數(shù)據(jù)集(http://www.ntsg.umt.edu/project/mod17),為全年植被凈初級生產(chǎn)力,數(shù)據(jù)空間分辨率為1km×1km。由于NPP在大范圍實測數(shù)據(jù)獲取困難,所以各研究均采用模型模擬,MOD17A3數(shù)據(jù)集利用BIOME-BGC模型與光能利用模型建立的NPP估算模型模擬得到,與傳統(tǒng)回歸模型相比,基于更多的參數(shù)和更精密的估算方法,具有更高的估算精度[22]。

2.2.3 植被狀態(tài)指數(shù)VCI

VCI指數(shù)[23]通過對某年某月的NDVI與研究時間段內(nèi)所有年份同月的NDVI最大最小值歸一化得到,反應月植被生長的綜合狀況。對多年NDVI歸一化得到的VCI指數(shù)可以作為植被受環(huán)境脅迫程度的指標,描述植被時空變化,被廣泛應用于農(nóng)業(yè)旱情監(jiān)測等領域。具體的計算公式如下：

(10)

式中：NDVI(max)和NDVI(min)代表同月同像元NDVI的最大值和最小值,最大值最小值同樣按月統(tǒng)計以消除季節(jié)影響,i、j、k分別代表像元、月、年。

2.3 時空變化分析

2.3.1 線性變化趨勢

通過一元線性回歸計算SPEI以及NDVI、NPP、VCI的變化斜率,計算公式如下：

(11)

式中：以計算SPEI的月線性變化斜率為例,n為總月份數(shù),MSPEIi為第i月的SPEI值。

2.3.2 相關系數(shù)分析

通過常用的相關系數(shù)R的計算,可以分別得到SPEI指數(shù)與NDVI、NPP、VCI的線性相關程度,以便分析植被生長狀況對干旱程度的響應。相關系數(shù)的計算公式為：

(12)

3 結果與分析

3.1 華北地區(qū)干旱時空變化特征

SPEI指數(shù)具有多時間尺度的優(yōu)勢,分別計算得到1、3、6、9、12個月尺度的SPEI數(shù)據(jù)集,并在華北地區(qū)統(tǒng)計均值,得到多時間尺度上華北地區(qū)氣象干旱程度在2001—2014年時間序列的變化趨勢。結果顯示,從研究區(qū)均值上來看,不同時間尺度的SPEI指數(shù)均表示華北地區(qū)的干旱程度呈逐漸加重的變化趨勢,選取的時間尺度越長,時間序列曲線波動越小,干濕交替變化周期加長,干旱化趨勢的顯著性加大,SPEI- 1、SPEI- 3月均值的變化趨勢通過α=0.05的顯著性檢驗,SPEI- 6、SPEI- 9、SPEI- 12月均值的變化趨勢通過α=0.01的顯著性檢驗。不同時間尺度的SPEI所反映的氣象干旱變化的程度有所差異,但總體上其變化的方向性是一致的,主要由于選取不同的時間尺度不改變原始數(shù)據(jù)及擬合的方式,但更長的時間步長可以弱化單月水平衡之間的差異,而突出季尺度、年尺度等的特征。SPEI- 1通常用來反映短期地表水分異常；SPEI- 3可反映干旱的季節(jié)變化,并分別選取2月、5月、8月、11月的SPEI作為冬、春、夏、秋季的干旱狀況反映,以同時間段計算,4個季節(jié)中秋季干旱的變化趨勢最平穩(wěn),春季干旱加重趨勢最明顯,其次為冬季、夏季；SPEI- 12用來反映干旱的年變化趨勢。

通過線性趨勢分析計算不同時間尺度的SPEI變化斜率,得到SPEI在不同區(qū)域的干濕變化狀況,數(shù)值為負表示區(qū)域在2001年至2014年間呈干旱化趨勢,且數(shù)值越小表示干旱化程度越嚴重。從變化斜率的空間分布上來看,隨著時間尺度的增加,不同區(qū)域干旱化或濕潤化的程度均有所加大。從干旱化區(qū)域占比及干旱化趨勢的顯著性來看,SPEI- 1、SPEI- 3、SPEI- 6、SPEI- 9、SPEI- 12指數(shù)分別顯示面積占96%、83%、78%、72%、71%的區(qū)域線性變化斜率小于0,表示為呈干旱化的區(qū)域,并且在干旱化的區(qū)域范圍內(nèi),其中上述SPEI指數(shù)分別占44%、51%、64%、69%、71%的區(qū)域的干旱化趨勢達到α=0.05顯著性水平?？傮w上,不同時間尺度的SPEI變化規(guī)律表現(xiàn)一致,呈現(xiàn)一致的空間分布特征,以SPEI- 6變化趨勢的空間分布圖為例(圖2),干旱化程度自西南向東北逐漸減弱,干旱化最明顯出現(xiàn)在河南省境內(nèi),濕潤化區(qū)域則在河北省東北部。

圖2 SPEI- 6月變化斜率空間分布顯著干旱化區(qū)域Fig.2 Spatial distribution of SPEI- 6 variation trend Significant arid region

按照上述SPEI指數(shù)的等級劃分標準,在統(tǒng)計范圍的168個月內(nèi)統(tǒng)計不同等級干旱在不同時間尺度下的干旱發(fā)生頻次及空間分布。如圖3所示,為不同時間尺度下重度干旱(SPEI≤-1.5)頻次的空間分布：SPEI- 1反映一個月尺度的重度干旱主要分布在山西南部和華北東部沿海地區(qū),這些地區(qū)易發(fā)生短期的水分平衡異常,其中山西南部地區(qū)雖然在一個月尺度干旱發(fā)生頻次大,但干旱事件持續(xù)月份短,因此在中長時間尺度干旱(SPEI- 36912)中各程度干旱發(fā)生頻次均不高,而華北東部沿海地區(qū)在中長期尺度中,重度干旱發(fā)生頻率依然較高,說明該區(qū)域的干旱存在長期持續(xù)性。河南省大部分地區(qū)單月干旱程度為中度,但容易連續(xù),在長時間尺度上形成嚴重干旱。

圖3 多尺度SPEI重度干旱頻次空間分布Fig.3 Spatial distribution of severe drought frequency in multi-scale SPEI

3.2 華北地區(qū)植被時空變化特征

利用每年植被生長季NDVI均值及年NPP數(shù)據(jù)(共計14a),分析華北地區(qū)的植被年變化特征。從數(shù)據(jù)的年變化時間序列上來看,華北地區(qū)的NDVI及NPP總體均呈增長趨勢,說明華北地區(qū)的植被生長狀況總體呈好轉趨勢,NPP數(shù)值年波動較NDVI明顯。

從NDVI及NPP線性變化趨勢的空間分布上來看(圖4),NDVI均值年變化斜率大于0表示植被狀況改善,這部分區(qū)域占88%,NPP變化斜率大于0區(qū)域占71%,說明研究區(qū)大部分區(qū)域植被狀況好轉,主要分布在西部高海拔地區(qū)山西境內(nèi)。在研究區(qū)南部河南省大部分地區(qū)NDVI及NPP均呈下降趨勢,此外在河北東部沿海及山東小部分沿海區(qū)域植被狀況轉差,初步分析與該區(qū)域中長期干旱頻率較高有關。在河北省中部靠近太行山沿線區(qū)域,NDVI表現(xiàn)出明顯下降趨勢,而NPP在該區(qū)域則相對緩和,這部分主要為農(nóng)作物種植區(qū),人為影響較大,NPP在研究區(qū)北部林地、草原區(qū)反映出植被狀況轉差趨勢,該區(qū)域NDVI則不存在轉差趨勢。

圖4 NDVI和NPP年變化趨勢空間分布Fig.4 Spatial distribution of NDVI and NPP annual variation trend

由于華北地區(qū)不同月份的植被長勢差異較大,VCI指數(shù)在不同月份不同區(qū)域間具有可比性,因此以VCI指數(shù)作為月際植被狀況指標,并用于分析不同月份植被受干旱環(huán)境影響的差異。圖5為華北地區(qū)植被生長季VCI指數(shù)的均值,結果顯示華北地區(qū)近15年植被狀況整體好轉,與從NDVI、NPP得出的植被覆蓋變化趨勢結論一致,且在空間分布上與NDVI年變化趨勢一致。各月份歷年變化趨勢同總體一致,均體現(xiàn)植被狀況呈好轉趨勢。4月份的VCI數(shù)值最低,其次為10月、5月、6月,以上月份歷年VCI月均值均低于50,究其原因,華北地區(qū)春秋兩季降水量小且潛在蒸發(fā)大,受兩者綜合影響,易導致春旱及秋旱的發(fā)生,從反映季尺度干旱的SPEI- 3指數(shù)來看,雖然各月份干旱發(fā)生的頻率相差不大,但春秋兩季發(fā)生干旱的月份的干旱程度相對夏季更大,植被受其影響導致春秋季VCI指數(shù)偏低。

圖5 華北植被生長季VCI指數(shù)時間變化Fig.5 Temporal variation trend of VCI index of vegetation growing season in North China

3.3 華北地區(qū)植被對干旱環(huán)境的響應

3.3.1 華北地區(qū)年植被狀況對年干旱的響應

分別選取每年的NDVI(通過歷年植被生長季月NDVI數(shù)據(jù)均值合成)及NPP數(shù)據(jù),通過相關系數(shù)分析植被狀況與年干旱狀況的相關性。考慮到SPEI- 12為年尺度指數(shù),可反映年際氣象干旱狀況,因此選取SPEI- 12數(shù)據(jù)作為年干旱狀況表征指標,并重采樣為1km×1km空間分辨率,分別計算SPEI- 12與NDVI及NPP基于空間象元的相關系數(shù)。

NDVI反映植被綠度、植被覆蓋、植被長勢等狀態(tài)。從結果來看,NDVI指數(shù)的數(shù)值會受到氣候環(huán)境、水分平衡等影響而發(fā)生改變,總體來說更濕潤的氣候與適宜的溫度有利于植被的生長,74%的區(qū)域NDVI與SPEI的相關系數(shù)為正,正相關區(qū)域均值為0.28,其中9%區(qū)域達到α=0.05顯著性水平,17%區(qū)域達到α=0.1顯著性水平。但對不同區(qū)域來說,相關程度差異較大。兩者相關系數(shù)較高區(qū)域主要分布在河北北部及西部地區(qū),河北、山西交界處,以及河南中部及山東中部海拔較高地區(qū)。考慮不同植被覆蓋類型的影響,根據(jù)MCD12Q1的IGBP全球土地覆蓋分類方案,并進行匯總重分類成8類(圖6),重分類方案見表2,本文著重分析林地、草原、灌叢、農(nóng)田4類土地覆蓋類型對干旱的響應,統(tǒng)計得出4類覆蓋類型的NDVI與SPEI正相關系數(shù)均值,草原地區(qū)最高為0.32,其次為灌叢0.30、農(nóng)田0.27、林地0.26。

NPP反映植被生長發(fā)育的能力,是碳平衡的重要指標。從計算結果來看,如圖7,90%區(qū)域NPP與SPEI的相關系數(shù)為正,正相關區(qū)域均值為0.37,其中17%區(qū)域達到α=0.05顯著性水平,32%區(qū)域達到α=0.1顯著性水平。不同土地覆蓋類型兩者間正相關系數(shù)均值從高到低分別為草地0.37、農(nóng)田0.36、灌叢0.34、林地0.34,與NDVI與SPEI的相關性對比,研究區(qū)最北部地區(qū)的相關性有所弱化,研究區(qū)中部農(nóng)作物區(qū)的相關性有所增強。

與NDVI對干旱的響應相比,NPP對干旱的響應更明顯,但均表現(xiàn)為草地對干旱的敏感度最強,林地對干旱的響應較遲緩,因此在旱情監(jiān)測中,應更關注草地生長狀況的指示作用,及時采取抗旱措施防止旱情進一步蔓延。

表2 土地覆蓋/土地利用重分類

圖6 研究區(qū)土地覆蓋/土地利用圖Fig.6 Land cover/Land use map of the study area

圖7 華北地區(qū)年NDVI和NPP與SPEI- 12相關系數(shù)空間分布Fig.7 Spatial distribution of correlation coefficient of NDVI and NPP to SPEI- 12 in North China

3.3.2 華北地區(qū)月植被狀況對多尺度干旱的響應

為研究干旱對植被生長影響的時間滯后性,基于月尺度分析植被狀況對多尺度氣象干旱的響應。從時間序列的線性相關性考慮,基于1km×1km空間像元,以VCI指數(shù)表征月植被狀況,并與其對應像元的1、3、6、9、12個月尺度SPEI指數(shù)進行基于空間像元的相關分析,分別得到VCI指數(shù)與以上5種時間尺度SPEI的相關系數(shù)分布圖。

從相關系數(shù)的空間分布上來看,選擇不同時間尺度差異不大,與基于年尺度得到的NDVI與SPEI之間相關系數(shù)空間分布特征大體一致,較高的相關系數(shù)更多分布在海拔較高區(qū)域,以研究區(qū)北部地區(qū)為主。VCI與SPEI- 1、SPEI- 3、SPEI- 6、SPEI- 9、SPEI- 12相關系數(shù)為正值部分占區(qū)域總面積依次為86%、90%、78%、71%、74%,其中達到α=0.01顯著性水平所占面積依次為6%、33%、19%、22%、24%?？傮w來說植被對氣象干旱的響應在3個月尺度最明顯,即對季尺度響應最明顯。為探究不同植被類型對SPEI響應時間尺度的差異,仍采用上述植被分類方案,分別統(tǒng)計VCI與5種時間尺度SPEI指數(shù)相關系數(shù)的均值。結果顯示4種植被類型均與SPEI- 3相關系數(shù)最大,說明過去3個月累積干旱影響更易作用于當月植被狀況。

同種植被在其生長季的不同月份,對氣象干旱響應的時間尺度及程度也會存在差異,因此,計算歷年同月VCI指數(shù)對應5種SPEI指數(shù)的相關系數(shù),通過計算得到35幅(4—10月VCI,SPEI5個時間尺度)相關系數(shù)結果；分析各月份4種不同土地覆蓋類型受SPEI指數(shù)影響最大的時間尺度。結果見表3,例如7月-草原對應3(0.43)代表7月的草原植被類型對SPEI- 3響應最明顯,相關系數(shù)為0.43。結果顯示在多數(shù)月份植被對SPEI- 3響應最明顯,且在夏季(8月及9月)這種趨勢更為普遍。而植被狀況表現(xiàn)為對較長時間尺度的干旱(SPEI- 12)響應更明顯的現(xiàn)象則主要出現(xiàn)在4月至6月,這期間的林地、灌叢、草原均不同程度的受到年尺度干旱影響,說明較長時間尺度的干旱傾向于影響植被生長季初期的植被狀況。從相關系數(shù)的數(shù)值大小來看,不同植被類型均在夏季對干旱響應最明顯,林地在多數(shù)月份受干旱影響較弱,但在9月相關系數(shù)有明顯提升,灌叢及草原在7月至9月對干旱的響應最好,農(nóng)田則在7月至8月對SPEI的響應達到最大,隨后下降。

表3各月份不同植被類型VCI對SPEI最大響應的時間尺度

Table3ThemaximumtimescaleoftheresponsedegreeofVCItoSPEIindifferentvegetationtypesanddifferentmonth(correlation coefficient in brackets)

植被類型Vegetationtypes4月April5月May6月June7月July8月August9月September10月October林地Woodland12(0.10)3(0.18)3(0.12)1(0.22)3(0.21)3(0.35)9(0.19)灌叢Shrub1(0.22)12(0.22)12(0.25)3(0.34)3(0.35)3(0.40)12(0.17)草原Grassland12(0.22)12(0.33)3(0.29)3(0.43)3(0.43)3(0.42)3(0.29)農(nóng)田Farmland1(0.16)3(0.11)3(0.12)3(0.23)3(0.26)3(0.20)3(0.18)

括號內(nèi)為相關系數(shù)

逐月計算VCI與SPEI間相關系數(shù),用于探究月氣候環(huán)境差異對植被干旱響應的影響作用。上述研究顯示VCI普遍對SPEI- 3或SPEI- 12響應最明顯,因此基于這兩種時間尺度分析。

從各月份的干濕狀況來看,在越干旱的月份,植被狀況越易受到干旱環(huán)境的影響,反映為VCI響應程度的加大,對于SPEI- 3,其反應的干旱程度與VCI響應程度之間的相關系數(shù)為0.21,對于SPEI- 12,該相關系數(shù)為0.29,均為弱相關,說明月干旱程度是影響植被干旱響應程度的因子之一。

圖8可見，VCI與SPEI- 3的相關系數(shù)在夏季7、8月達到最大,該季節(jié)的植被受季尺度干旱影響較其他月份更明顯,春旱及初夏的干旱均會影響到夏季植被的生長狀況；春季的VCI指數(shù)與SPEI- 12相關系數(shù)更大,受過去一年的干旱環(huán)境影響更明顯,說明季節(jié)性會影響植被對干旱的響應程度,但其影響會因干旱時間尺度的差異而有所區(qū)別。

為區(qū)分不同海拔及植被類型的影響,一方面根據(jù)DEM數(shù)據(jù)獲取的海拔高度劃分平原(DEM<200m)、山地(200m1000m)3種地貌類型,并且為避免樣本數(shù)的影響,在每種地貌類型的采樣點中各隨機留下100個點；另一方面根據(jù)上述劃分林地、灌叢、草原、農(nóng)田4種植被類型,分析相關系數(shù)在不同區(qū)域的區(qū)別。對于SPEI- 3及SPEI- 12,山地及高山地區(qū)的相關系數(shù)均好于平原地區(qū),海拔較高的地區(qū)主要以林地草地覆蓋為主,主要受自然環(huán)境影響,人為干涉較小,因此對氣候環(huán)境變化更敏感；草原地表覆蓋的相關系數(shù)均好于林地及農(nóng)田,在長時間尺度下,林地的相關系數(shù)高于農(nóng)田,在短時間尺度下,春季農(nóng)田的相關系數(shù)高于林地,秋季則為林地的相關系數(shù)高于農(nóng)田,灌叢地表覆蓋類型在各個月份的波動較大。林地植被根系發(fā)達,因此耐旱性較草地更好,而農(nóng)田多分布在平原,人為干涉及活動也影響到植被狀況對干旱的響應程度。

圖8 生長季各月份不同海拔植被狀態(tài)指數(shù)VCI和SPEI- 3 、SPEI- 12 及不同土地覆蓋類型VCI和SPEI- 3 、SPEI- 12 相關系數(shù)均值Fig.8 Mean values of correlation coefficients of Vegetation Condition Index(VCI) to SPEI- 3 / SPEI- 12 in different elevation and VCI to SPEI- 3 / SPEI- 12 in different land cover

4 結論與討論

4.1 結論

(1)華北地區(qū)2001—2014年的SPEI指數(shù)反映月尺度干旱程度整體均值上呈波動態(tài)勢、并且月尺度干旱化趨勢通過α=0.05的顯著性檢驗。在更大的時間尺度下,干旱化趨勢更明顯,且春季干旱化趨勢強于其他季節(jié)。從空間上來看,干旱化最嚴重的區(qū)域以研究區(qū)南部河南省境內(nèi)及其周邊為主,濕潤化區(qū)域分布在研究區(qū)東北部。

(2)華北地區(qū)2001—2014年的NDVI、NPP、VCI,3種植被狀況表征指數(shù)整體均值呈增加趨勢,但在區(qū)域分布上與干旱狀況表征指數(shù)SPEI具有一定的空間一致性。NDVI變化斜率小于0區(qū)域在河北中部及東部沿海,河南中部及山東小部分地區(qū),NPP變化斜率小于0區(qū)域在河北中北部,河南大部分地區(qū)分布；SPEI指數(shù)也反應干旱程度河北中部及山東沿海地區(qū)呈輕度加重趨勢,在河南大部分地區(qū)干旱程度呈嚴重加重趨勢。

(3)SPEI與NDVI、NPP、VCI在大部分區(qū)域,均呈不同程度的正相關。在年尺度上,NPP與SPEI的相關性強于NDVI與SPEI的相關性,但均表現(xiàn)為草地對干旱的響應的敏感程度最高,林地最弱,農(nóng)田及灌叢居中。在月尺度上,不同類型的植被普遍對SPEI- 3響應最敏感,受季尺度干旱影響最顯著,且相關程度在夏季達到最高；表征年尺度干旱的SPEI- 12與4、5月的VCI指數(shù)的相關系數(shù)最大,說明在植被生長季初期,植被對過去1年的氣象干旱狀況響應最明顯。從不同海拔來看,山地及高山區(qū)的植被狀況在多數(shù)月份對SPEI的響應明顯高于平原區(qū),山區(qū)植被受人類活動干擾小,更適合描述自然條件下的植被響應特征。

4.2 討論

本文基于TRMM及MODIS遙感數(shù)據(jù),對華北地區(qū)2001—2014年間多尺度氣象干旱的變化以及植被狀況的變化進行評價,并主要分析植被對干旱的多尺度響應特征,以及不同植被類型對干旱響應程度的差異。更均勻的干旱指數(shù)格網(wǎng)的空間分布有利于從更細致的角度分析植被狀況的干旱響應,也便于區(qū)域間差異的對比。

從SPEI分別與NDVI、NPP、VCI計算得到的相關系數(shù)并按植被類型統(tǒng)計的均值來看,均為正相關,但得到的相關系數(shù)的數(shù)值不是很高,一方面受均值統(tǒng)計影響,一方面不同植被類型在不同月份的差異也需細化,如林地類型中闊葉林與針葉林對SPEI的響應,在不同時間尺度下這種相關程度存在區(qū)別。研究得到的農(nóng)田地物與月干旱指數(shù)的相關程度較低,這一方面與人為灌溉活動有關聯(lián),另一方面不同植被、農(nóng)作物存在不同的生長周期,如華北地區(qū)的主要農(nóng)作物,冬小麥、夏玉米、棉花、大豆等生長周期不同,在后續(xù)研究中還需區(qū)別考慮。

[1] 徐建文, 居輝, 劉勤, 楊建瑩. 黃淮海地區(qū)干旱變化特征及其對氣候變化的響應. 生態(tài)學報, 2014, 34(2): 460- 470.

[2] Wang L, Chen W. A CMIP5 multimodel projection of future temperature, precipitation, and climatological drought in China. International Journal of Climatology, 2014, 34(6): 2059- 2078.

[3] 程善俊, 管曉丹, 黃建平, 季明霞. 利用GLDAS資料分析黃土高原半干旱區(qū)土壤濕度對氣候變化的響應. 干旱氣象, 2013, 31(4): 641- 649.

[4] Vicente-Serrano S M, Gouveia C, Camarero J J, Begueria S, Trigo R, López-Moreno J I, Azorín-Molina C, Pasho E, Lorenzo-Lacruz J, Revuelto J, Morán-Tejeda E, Sanchez-Lorenzo A. Response of vegetation to drought time-scales across global land biomes. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(1): 52- 57.

[5] Jain S K, Keshri R, Goswami A, Sarkar A. Application of meteorological and vegetation indices for evaluation of drought impact: a case study for Rajasthan, India. Natural Hazards, 2010, 54(3): 643- 656.

[6] Mckee T B, Doesken N J, Kleist J. The relationship of drought frequency and duration to time scales//AMS 8th Conference on Applied Climatology. Anaheim, CA: American Meteorological Society, 1993: 179- 184.

[7] Palmer W C. Meteorological Drought. Research Paper No. 45. Washington, DC: U. S. Department of Commerce, Weather Bureau, 1965: 45- 58.

[8] 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.

[9] 李偉光, 易雪, 侯美亭, 陳匯林, 陳珍莉. 基于標準化降水蒸散指數(shù)的中國干旱趨勢研究. 中國生態(tài)農(nóng)業(yè)學報, 2012, 20(5): 643- 649.

[10] Yang M J, Yan D H, Yu Y D, Yang Z Y. SPEI-based spatiotemporal analysis of drought in Haihe river basin from 1961 to 2010. Advances in Meteorology, 2016, 2016: 7658015.

[11] Wu D H, Zhao X, Liang S L, Zhou T, Huang K C, Tang B J, Zhao W Q. Time-lag effects of global vegetation responses to climate change. Global Change Biology, 2015, 21(9): 3520- 3531.

[12] 齊述華, 王長耀, 牛錚, 劉正軍. 利用NDVI時間序列數(shù)據(jù)分析植被長勢對氣候因子的響應. 地理科學進展, 2004, 23(3): 91- 99.

[13] 嚴建武, 陳報章, 房世峰, 張慧芳, 付東杰, 薛曄. 植被指數(shù)對旱災的響應研究——以中國西南地區(qū)2009年—2010年特大干旱為例. 遙感學報, 2012, 16(4): 720- 737.

[14] 趙舒怡, 宮兆寧, 劉旭穎. 2001—2013年華北地區(qū)植被覆蓋度與干旱條件的相關分析. 地理學報, 2015, 70(5): 717- 729.

[15] 王兆禮, 黃澤勤, 李軍, 鐘睿達, 黃文煒. 基于SPEI和NDVI的中國流域尺度氣象干旱及植被分布時空演變. 農(nóng)業(yè)工程學報, 2016, 32(14): 177- 186.

[16] 王林, 陳文. 標準化降水蒸散指數(shù)在中國干旱監(jiān)測的適用性分析. 高原氣象, 2014, 33(2): 423- 431.

[17] 莊少偉, 左洪超, 任鵬程, 熊光潔, 李邦東, 董文成, 王利盈. 標準化降水蒸發(fā)指數(shù)在中國區(qū)域的應用. 氣候與環(huán)境研究, 2013, 18(5): 617- 625.

[18] 張岳軍, 郝智文, 王雁, 李明明, 陳二萍, 李芬, 張永瑞. 基于SPEI和SPI指數(shù)的太原多尺度干旱特征與氣候指數(shù)的關系. 生態(tài)環(huán)境學報, 2014, 23(9): 1418- 1424.

[19] 李景剛, 阮宏勛, 李紀人, 黃詩峰. TRMM降水數(shù)據(jù)在氣象干旱監(jiān)測中的應用研究. 水文, 2010, 30(4): 43- 46.

[20] 駱三, 苗峻峰, 牛濤, 魏春秀, 王霞. TRMM測雨產(chǎn)品3B42與臺站資料在中國區(qū)域的對比分析. 氣象, 2011, 37(9): 1081- 1090.

[21] 陳曉玲, 曾永年. 亞熱帶山地丘陵區(qū)植被NPP時空變化及其與氣候因子的關系——以湖南省為例. 地理學報, 2016, 71(1): 35- 48.

[22] 崔林麗, 杜華強, 史軍, 陳昭, 郭巍. 中國東南部植被NPP的時空格局變化及其與氣候的關系研究. 地理科學, 2016, 36(5): 787- 793.

[23] Kogan F N. Remote sensing of weather impacts on vegetation in non-homogeneous areas. International Journal of Remote Sensing, 1990, 11(8): 1405- 1419.