肖祖香，朱 雙，羅顯剛，婁連惠，李 江，羅順根，操 麗

(1.中國地質(zhì)大學(xué)(武漢)地理與信息工程學(xué)院，湖北 武漢 430074；2.國家地理信息系統(tǒng)工程技術(shù)研究中心，湖北 武漢 430074； 3.中國地質(zhì)環(huán)境監(jiān)測院，北京 100081；4.湖北省自然資源廳信息中心，湖北 武漢 430071； 5.武漢中地云申科技有限公司，湖北 武漢 430074)

干旱事件是一種高頻的自然災(zāi)害，具有最廣泛的社會、經(jīng)濟和生態(tài)影響[1-2]。研究地區(qū)干旱演變特性對了解區(qū)域氣候變化，指導(dǎo)未來水資源規(guī)劃和利用具有重要意義[3-4]。Mckee等[5]提出的標準化降水指數(shù)(standardized precipitation index，SPI)被廣泛應(yīng)用于評估不同時間尺度的氣象干旱事件，Sobral等[6]認為SPI在干旱時空特征研究中有非常好的作用。Wang等[7]采用歸一化植被指數(shù)(normalized difference vegetation index, NDVI)來研究植被與干旱的關(guān)系。增強植被指數(shù)(enhanced vegetation index，EVI)是對NDVI的改進指數(shù)，減弱了大氣和土壤噪音對植被的影響，反應(yīng)植被情況更具穩(wěn)定性。自20世紀90年代以來，三江源區(qū)氣候呈暖濕現(xiàn)象，長江流域濕地面積呈整體上升趨勢，黃河流域和瀾滄江流域呈下降趨勢[8]。三江源區(qū)的植被變化、氣候變化和生態(tài)保護是重點研究方向，Wang等[9]研究發(fā)現(xiàn)草地退化比較明顯的地區(qū)為黃河源區(qū)。目前大部分研究是針對2010年前后的地區(qū)干旱與植被演變，對三江源區(qū)的多尺度干旱演變與植被變化研究還很少[10]。

本文采用SPI和遙感植被指數(shù)(NDVI、EVI)量化1961—2018年三江源區(qū)的生長季植被和水文干旱的演化特性，基于Mann-Kendall(M-K)趨勢檢驗法分析1961—2018年三江源區(qū)多尺度干旱的時空特征和變化趨勢以及2000—2018年植被時空演變趨勢，并探討了三江源區(qū)的植被狀態(tài)與干旱事件的聯(lián)系，可為后期探究三江源區(qū)的植被-干旱的響應(yīng)關(guān)系提供參考。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域概況

三江源區(qū)位于中國青海省南部，地理位置在31°39′～36°12′N、89°45′～102°23′E之間，是長江、黃河和瀾滄江的發(fā)源地，也是青藏高原的腹地(圖1)，面積約30萬km2，占青海省總面積的43%，地勢高聳、氣候寒冷，年平均氣溫在-5. 4～4.2 ℃之間，年降水量由東南部的 770 mm 向西北逐漸遞減至 260 mm，氣候條件具有明顯的區(qū)域分異特征。三江源區(qū)中黃河、長江和瀾滄江年平均徑流量分別為201億m3、124億m3和150億m3[11]，年蒸發(fā)量為730～1 700 mm，超過80%的降水量發(fā)生在5—10月[12]。由圖1(b)可知2015年該地區(qū)的土地利用類型主要為林地和草地。

圖1 三江源區(qū)的氣象站點以及土地利用類型Fig.1 Geographic location, meteorological stations and land-use type of the TRSR region

1.2 數(shù)據(jù)來源與處理

三江源區(qū)數(shù)字高程模型(DEM)來自地理空間數(shù)據(jù)云網(wǎng)站(http://www.gscloud.cn/)，在ArcGIS中以三江源區(qū)邊界來裁剪和鑲嵌得到研究區(qū)的DEM。青藏高原土地利用覆蓋數(shù)據(jù)來自中國科學(xué)院資源與環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn/)，通過裁剪和重分類得到三江源區(qū)的土地利用類型。

遙感衛(wèi)星數(shù)據(jù)MOD13Q1來自美國國家航空航天局(NASA)EOS / MODIS數(shù)據(jù)產(chǎn)品(https://modis.gsfc.nasa.gov/)，空間分辨率為250 m×250 m，時間分辨率為16 d。MOD13Q1植被指數(shù)產(chǎn)品(NDVI和EVI)用水、云、重氣溶膠等處理，以確保數(shù)據(jù)質(zhì)量，這兩種產(chǎn)品有效地表征了全球植被狀態(tài)和過程。為了消除異常值的影響，采用最大合成法(MVC)合成月度NDVI數(shù)據(jù)，將月度NDVI數(shù)據(jù)合成為最大年NDVI影像[13]。

1961—2018年月降水量數(shù)據(jù)來自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/)，其中1961—2016年數(shù)據(jù)來自中國0.5°×0.5°網(wǎng)格數(shù)據(jù)集(V2.0)產(chǎn)品，三江源區(qū)共有150個格點數(shù)據(jù)集。數(shù)據(jù)經(jīng)過交叉驗證，錯誤分析，質(zhì)量狀況良好；2017—2018年數(shù)據(jù)來自中國地面氣候資料月值數(shù)據(jù)集。由研究區(qū)20個氣象站點的地面月降水量數(shù)據(jù)，采取最優(yōu)Kriging插值方法重采樣2017—2018年150個格點的月降水量數(shù)據(jù)，得到1961—2018年的三江源區(qū)月降水數(shù)據(jù)。本文依據(jù)氣象站點位置以及區(qū)域分布特點選取了40個格點數(shù)據(jù)進行研究。

2 研究方法

2.1 SPI

SPI是常用的多時間尺度氣象干旱指數(shù)[5]，它可以計算多個時間尺度[14]。根據(jù)GB/T 20481—2006《氣象干旱等級》的定義，SPI是表征某時段降水量出現(xiàn)概率的指標，適用于月尺度以上的干旱監(jiān)測與評估。該指數(shù)假設(shè)降水量服從Γ分布，考慮了降水服從偏態(tài)分布的實際，然后進行正態(tài)標準化處理，使得同一個干旱指數(shù)可以反映不同時間尺度和不同類型的水資源狀況。一般當SPI值小于0且連續(xù)觀察到該值小于等于-1時，定義為發(fā)生干旱事件[15]。SPI1 通常用來反映短期地表水分異常變化，SPI3可反映干旱的季節(jié)變化。表1為中國的干旱分類標準[16]。SPI的詳細介紹和計算機程序可在國家干旱減災(zāi)中心網(wǎng)站(https://drought.unl.edu/)上獲得。

表1 基于SPI指數(shù)的干旱等級劃分

2.2 植被指數(shù)

NDVI是目前應(yīng)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。EVI是增強型植被指數(shù)，相對于NDVI在大氣噪聲、土壤背景、飽和度等問題上有所改進[17]。本文根據(jù)三江源區(qū)植被生長的實際情況，確定干旱對植被生長狀況的影響主要表現(xiàn)在植被生長季(5—9月)，提取每年5—9月的NDVI和EVI數(shù)據(jù)進行植被時空演變分析。

2.3 M-K趨勢檢驗法

M-K非參數(shù)檢驗法常用于評估降水、徑流、氣溫等數(shù)據(jù)時間序列的趨勢變化，它的優(yōu)點在于樣本不需要遵循某一特定的分布，而且很少受到異常值的干擾，且計算簡便[18]。該方法以標準正態(tài)分布變量Z表示長時間序列SPI和植被指數(shù)的變化趨勢，Z>0表示序列有上升趨勢，Z<0表示序列有下降趨勢。考慮到正態(tài)分布的對稱性，Z的絕對值在大于1.28、1.64、2.32時，分別表示通過了顯著性水平α為0.1、0.05和0.01的顯著性檢驗。本文利用MATLAB軟件，編寫M-K趨勢分析的循環(huán)計算程序，得到所有格點的Z值。

2.4 斯皮爾曼等級相關(guān)系數(shù)

斯皮爾曼等級相關(guān)(Spearman rank correlation)在統(tǒng)計學(xué)中用于評估兩個變量之間的相關(guān)性[19]，變量間的相關(guān)性可以使用單調(diào)函數(shù)來描述[20]。當變量x增大時，變量y也趨向于增大，則相關(guān)系數(shù)ρ>0；當x增大時，y趨向于減小，則ρ<0；當x增大時y沒有任何趨向性，則ρ=0。斯皮爾曼方法估計的相關(guān)系數(shù)更合理且誤差更小，較之其他如Kendall方法更具優(yōu)勢[21]。

3 結(jié)果與分析

3.1 干旱時空特征

利用三江源區(qū)的植被生長季(5—9月)的SPI1來表示生長季月度干旱，春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12—2月)的SPI3極小值來表示四季干旱。

3.1.1 SPI時間演變

圖2為1961—2018年三江源區(qū)的長時間序列的干旱特征SPI值(5—9月)，SPI1和SPI3線性擬合斜率分別為0.004和0.005，說明在此期間三江源區(qū)逐漸變得濕潤。月度嚴重干旱事件(SPI1)發(fā)生在1963年、1966年、1969年、1984年、1997年和2017年，季節(jié)性中度干旱事件(SPI3)發(fā)生在1963年、1966年、1984年、1992年、2000年和2017年。

圖2 1961—2018年SPI1和SPI3時間序列Fig.2 Time series of SPI1 and SPI3 from 1961 to 2018

3.1.2 SPI趨勢空間分布

圖3為1961—2018年SPI在月度與季度的M-K趨勢檢驗值Z的空間分布。5月、9月、春、夏、秋和冬季平均趨勢特征值Z分別為1.64、0.63、2.28、1.58、0.65和1.03，其中SPI上升趨勢占比分別為92.68%、70.00%、97.50%、90.00%、57.50%和82.50%。可知三江源區(qū)呈月度濕潤化趨勢，5月在長江西北部有顯著濕潤化趨勢，但9月在長江與黃河南部出現(xiàn)不顯著的干旱化趨勢(Z<0)。三江源區(qū)的季節(jié)性SPI有上升趨勢，不同流域差異大。春季平均Z=2.28且通過了α=0.05的顯著性檢驗，表示1961—2018年三江源區(qū)春季有顯著的濕潤化趨勢。

圖3 1961—2018年SPI的M-K趨勢檢驗的空間分布Fig.3 Spatial distribution of M-K trend test value Z of SPI from 1961 to 2018

3.2 植被時空特征

圖4是每年植被生長季的NDVI和EVI像元最大合成值(年最大值(5—9月)、5月和9月的值(共計19年))，得到三江源區(qū)的植被時間變化特征。由圖4可知NDVI值大于EVI值。植被指數(shù)在5月的突變點發(fā)生在2001年和2017年，年際的突變點發(fā)生在2011年，9月的突變點發(fā)生在2002年和2013年。2010年以來，年際植被指數(shù)表現(xiàn)出植被先增后減再增現(xiàn)象。通過相關(guān)性分析得到兩個指數(shù)呈高度正相關(guān)性(相關(guān)系數(shù)大于0.9，通過α=0.01顯著性檢驗)。

圖4 植被指數(shù)的時間變化Fig.4 Time evolution of vegetation index (NDVI/EVI)

圖5為2000—2018年期間植被指數(shù)在5月、9月和年際的M-K趨勢檢驗值Z的空間分布。5月、9月、年際的NDVI平均Z值分別為1.54、0.82和1.36，NDVI顯著上升趨勢的占比分別為50%、72.5%和55%；EVI的平均Z值分別為1.44、0.48和1.01，顯著上升趨勢的占比分別為52.5%、70%和65%。5月和年際的植被指數(shù)顯示，黃河以北地區(qū)有顯著的植被增加趨勢；9月植被指數(shù)和年際植被指數(shù)顯示，長江中部與瀾滄江植被有不顯著的下降趨勢。2000—2018年三江源區(qū)植被變化趨勢為北部強于南部、西部強于東部,該地區(qū)大部分區(qū)域植被狀況有好轉(zhuǎn)。

圖5 2000—2018年植被指數(shù)M-K趨勢檢驗值Z的空間分布Fig.5 Spatial distribution of trend test value Z of vegetation index from 2000 to 2018

3.3 相關(guān)性分析

表2為研究區(qū)不同SPI與不同植被指數(shù)的斯皮爾曼等級相關(guān)系數(shù)ρ及其顯著性水α(表中NDVI5、EVI5、NDVI9和EVI9分別為5月和9月的植被指數(shù)，NDVImax和EVImax為5—9月植被指數(shù)的最大值。

表2 不同SPI與不同植被指數(shù)的斯皮爾曼相關(guān)系數(shù)

由表2可知5—9月SPI3的平均值與NDVI5、EVI5和NDVImax均有顯著正相關(guān)性, NDVImax的相關(guān)系數(shù)最大(ρ=0.584)，其次是EVI5和NDVI5；整體來看5—9月SPI3的平均值與植被指數(shù)呈正相關(guān)關(guān)系，且NDVI的相關(guān)系數(shù)明顯大于EVI。由表2可知5—9月SPI3的極小值與NDVI5、EVI5顯著正相關(guān)，NDVI5的相關(guān)系數(shù)最大(ρ=0.525)，其次是EVI5；整體來看5—9月SPI3的極小值與植被指數(shù)呈正相關(guān)關(guān)系，且NDVI的相關(guān)系數(shù)略大于EVI。綜上可知，三江源區(qū)的SPI3與植被指數(shù)有顯著的正相關(guān)性且與NDVI的相關(guān)性更高。

4 討 論

對于長時間的植被]檢測，通?？梢允褂眯l(wèi)星遙感數(shù)據(jù)源。NDVI與植被變化之間有很好的關(guān)系，EVI則有空間相對較高、大面積的近實時數(shù)據(jù)、分辨率高的優(yōu)點，已經(jīng)在植被狀況監(jiān)測方面得到廣泛地使用[22]。Ji等[23]研究表明SPI3與NDVI的相關(guān)性最高，Haro-Monteagudo等[24]提到3個月時間尺度的干旱指標與植被變化的相關(guān)性最高，這些結(jié)論與本文結(jié)果一致，表明植被變化與干旱事件之間有一定的聯(lián)系和互相影響[25]。本文發(fā)現(xiàn)三江源區(qū)西北部和東北部大部分地區(qū)的植被呈顯著增加趨勢，這與該地區(qū)的干旱變化趨勢一致。植被增加區(qū)域主要分布在長江源西北部，其中瀾滄江源北部和黃河源西部某些區(qū)域有植被退化跡象，這與錢拴等[26]的研究結(jié)論一致。本文研究發(fā)現(xiàn)21世紀以來，三江源區(qū)整體呈濕潤化趨勢，但同時監(jiān)測到2017年存在月度和季度干旱事件，以及黃河源西南部地區(qū)也在一定的植被度減少趨勢。這也推動著我們今后探究不同時間尺度干旱特征變量以及其他氣象因素對植被的影響，探討更有效的方法來量化和解釋該地區(qū)植被-干旱的響應(yīng)關(guān)系。

5 結(jié) 論

a.1961—2018年不同時間尺度的 SPI均體現(xiàn)三江源區(qū)在逐漸變得濕潤，時間尺度越大，干濕交替周期越長。21世紀以來，三江源區(qū)干旱事件出現(xiàn)在2002年、2006年、2012年、2015年和2017年，秋冬季節(jié)發(fā)生干旱的頻率更高，其次是春季。

b.長江源西北地區(qū)有顯著濕潤化趨勢，長江源與黃河源南部在秋冬季節(jié)有不顯著的干旱化威脅，春季有顯著的濕潤化趨勢，整體呈濕潤化趨勢。

c.三江源區(qū)的植被在21世紀以來有所增加，在2002年和2013年增加量出現(xiàn)減少現(xiàn)象；NDVI與EVI在三江源區(qū)有明顯增加的趨勢，空間上變化趨勢是北部強于南部、西部強于東部。

d.三江源區(qū)的SPI3與植被指數(shù)均呈正相關(guān)關(guān)系: 5—9月SPI3的平均值與NDVImax有最顯著的正相關(guān)性，5—9月SPI3的極小值與NDVI5、EVI5有顯著正相關(guān)性。