張林林, 梁傳壯, 馬海云, 陳 鑫, 蔡江濤, 郭仁杰, 陳鐵喜,2,*

1 南京信息工程大學(xué)地理科學(xué)學(xué)院, 南京 210044 2 南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心, 南京 210044

植被在大尺度上的變化及其驅(qū)動(dòng)因素是當(dāng)前研究的熱點(diǎn)問(wèn)題。近些年有關(guān)全球變綠現(xiàn)象分析、機(jī)制研究以及其影響,受到廣泛的關(guān)注。變綠現(xiàn)象一般指在年際尺度上的植被綠度等生態(tài)指標(biāo)增加趨勢(shì)[1]。在研究中比較常用的方法是分析遙感的植被指數(shù)的年際變化趨勢(shì)[2—5]。常用指數(shù)包括葉面積指數(shù)(LAI)、歸一化植被指數(shù)(NDVI)和增強(qiáng)型植被指數(shù)(EVI)等。

為了解植被變綠的機(jī)理和驅(qū)動(dòng)因素,至今已經(jīng)開展許多研究,這主要涉及CO2的施肥效應(yīng)[6—8],氣候變化[9—12],土地利用和土地覆蓋變化(LUCC)[13—15]和氮沉降作用等[16—19]。研究變綠方法主要包括統(tǒng)計(jì)方法和模型模擬[3,20—21]。統(tǒng)計(jì)方法的優(yōu)點(diǎn)是基于觀測(cè)數(shù)據(jù),而缺點(diǎn)則是在量化歸因方面比較困難,難以分析各驅(qū)動(dòng)要素的貢獻(xiàn)。而模型在量化各驅(qū)動(dòng)要素的貢獻(xiàn)方面具有獨(dú)特的優(yōu)勢(shì),可以通過(guò)控制變量與設(shè)定不同情景進(jìn)行模擬,從而使其結(jié)果歸因較為合理[22]。但同時(shí)模型也存在著不足,主要是模式對(duì)于一些重要過(guò)程尚沒(méi)有很好地進(jìn)行描述,從而對(duì)于這類缺乏或是不完善的過(guò)程無(wú)法進(jìn)行完全的表達(dá),這一點(diǎn)在土地管理方面尤為突出。土地管理一般指在同一種土地利用類型下的管理活動(dòng),例如包括農(nóng)業(yè)種植制度(單季種植或者復(fù)種)、作物類型、灌溉設(shè)施與農(nóng)藥、化肥的使用、林地的間伐與管理等[23]。土地管理的數(shù)據(jù)自身完備性較差,是造成模型中對(duì)這一過(guò)程表達(dá)相對(duì)較為欠缺的主要原因[24—27]。

遙感植被指數(shù)表明,中國(guó)地區(qū)整體上呈現(xiàn)了顯著的變綠趨勢(shì)[2],其驅(qū)動(dòng)機(jī)制尚需進(jìn)一步明晰。其中對(duì)變綠具有潛在貢獻(xiàn)的土地利用變化與土地管理作用,主要體現(xiàn)在中國(guó)實(shí)施的一系列重大生態(tài)工程和農(nóng)業(yè)現(xiàn)代化。以三北防護(hù)林工程、退耕還林還草工程等為代表的多個(gè)生態(tài)工程的實(shí)施,提升了我國(guó)陸地生態(tài)系統(tǒng)碳匯能力[28—30]。同時(shí),基于大氣CO2濃度與碳同化模式的研究表明,中國(guó)地區(qū)陸地生態(tài)系統(tǒng)是一個(gè)巨大的碳匯[31]。

與此同時(shí),中國(guó)和印度的廣大農(nóng)田區(qū)域?qū)θ蜃兙G作出了巨大貢獻(xiàn),這與模型的預(yù)期結(jié)果存在一定的差異性[2]。模式結(jié)果表明變綠的原因是CO2施肥效應(yīng)為主,但CO2施肥效應(yīng)強(qiáng)度近期出現(xiàn)了相對(duì)的減弱[22,32]。農(nóng)田更容易受到人類管理活動(dòng)的影響。為了能夠進(jìn)一步深入研究基于觀測(cè)的土地管理對(duì)植被變化影響的機(jī)制,本研究選擇了一個(gè)典型的農(nóng)業(yè)區(qū),即東北農(nóng)業(yè)地區(qū)。該地區(qū)變綠趨勢(shì)明顯,有著較為廣泛的農(nóng)田和自然植被分布,同時(shí)農(nóng)田管理強(qiáng)度較大,為研究提供了較好的樣本。土地管理活動(dòng)使得農(nóng)田植被與自然植被存在較為明顯的物候差異,本研究擬嘗試分析農(nóng)田植被與自然植被變綠的季節(jié)特征,從而對(duì)土地管理的作用進(jìn)行推斷。

1 數(shù)據(jù)和方法

1.1 研究區(qū)域

基于氣候變化和相應(yīng)的耕作制度,我國(guó)可大致分為9大農(nóng)業(yè)區(qū)[33—34],數(shù)據(jù)來(lái)源自國(guó)家農(nóng)業(yè)科學(xué)數(shù)據(jù)共享中心(http://region.agridata.cn/)。本研究選擇東北農(nóng)業(yè)區(qū)作為研究區(qū),如圖1a所示,其中數(shù)字高程數(shù)據(jù)采用GTOPO30數(shù)據(jù)(https://www.usgs.gov/)。研究區(qū)包括了黑龍江,吉林,遼寧省和內(nèi)蒙古自治區(qū)東部的呼倫貝爾市。研究區(qū)域是我國(guó)重要的林業(yè)和商業(yè)谷物農(nóng)業(yè)生產(chǎn)基地,總面積約占我國(guó)陸地面積的12.9%。

該研究區(qū)的地形主要是平原、丘陵和山脈,農(nóng)田和自然植被分布廣泛(圖1)。這是一個(gè)典型的單季種植區(qū),農(nóng)作物的生長(zhǎng)集中在5月至10月,主要種植水稻、玉米和大豆等。利用基于遙感反演的LAI數(shù)據(jù)表明,該地區(qū)在2000年至2017年期間表現(xiàn)出強(qiáng)烈的變綠現(xiàn)象[2]。

圖1 研究區(qū)地形與土地利用情況Fig.1 Topography and land use of the study area

地形數(shù)據(jù)使用GTOPO30數(shù)據(jù)的DEM(數(shù)字高程模型)；土地覆蓋數(shù)據(jù)采用MODIS土地覆蓋產(chǎn)品(MCD12Q1,V006)的2010年數(shù)據(jù)(表1)。

1.2 MODIS植被指數(shù)和土地覆蓋數(shù)據(jù)

遙感植被指數(shù)NDVI和LAI都被廣泛應(yīng)用在長(zhǎng)序列植被分析中。NDVI在長(zhǎng)序列研究中具有獨(dú)特的優(yōu)勢(shì),其數(shù)據(jù)可溯源至1981年[35]。LAI是表征植物冠層的具有具體生態(tài)意義的指數(shù)。然而,由于計(jì)算過(guò)程復(fù)雜,基于遙感的LAI產(chǎn)品通常比植被指數(shù)具有更大的不確定性,因此物候研究中往往采用植被指數(shù)而非LAI。與使用紅波段和近紅外波段的NDVI相比,增強(qiáng)植被指數(shù)EVI增加了藍(lán)波段,可以更好地克服植被覆蓋度較高的地區(qū)NDVI的飽和問(wèn)題[36]。因此,本文選擇EVI來(lái)指示植被狀況。

其中ρNIR,ρred,ρblue分別是是近紅外,紅色和藍(lán)色波段的反射率,G(2.5)是增益因子,C1,C2和L分別是6,7.5,1。

土地利用是一個(gè)動(dòng)態(tài)過(guò)程,存在一定的年際波動(dòng)。東北地區(qū)農(nóng)田自20世紀(jì)80年代至2000年左右,呈現(xiàn)了整體的快速增加趨勢(shì)[30]。2000—2005年,耕地輕度增加[37]。2000—2015年間,林草地向耕地轉(zhuǎn)化面積大于耕地向林草地轉(zhuǎn)化面積,更為顯著的是旱地向水田轉(zhuǎn)移[38]。旱田與水田之間的轉(zhuǎn)移并不影響土地作為農(nóng)田這一類型,可以歸為土地管理方式的一種?；跁r(shí)間序列分析的需要,假設(shè)土地利用類型變化不大時(shí),可以選擇一個(gè)參考年進(jìn)行分析(會(huì)部分引入LUCC帶來(lái)的誤差)。因此,本研究選擇2010年為2000—2019年的基本土地覆蓋信息。

土地分類體系常見(jiàn)的有國(guó)際地圈—生物圈計(jì)劃(IGBP)分類方案以及我國(guó)《土地利用現(xiàn)狀分類》,后者由日質(zhì)量監(jiān)督檢驗(yàn)檢疫總局和國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)聯(lián)合發(fā)布,有GB/T21010—2007和GB/T21010—2017兩個(gè)版本。本研究針對(duì)植被覆蓋類型,包括農(nóng)田和自然植被(含林地與草地),并不考慮建設(shè)用地、水體和未利用土地等,因此,兩類分類體系在本研究中差別不大。同時(shí),相關(guān)研究也指出,IGBP分類體系更適合于生態(tài)環(huán)境領(lǐng)域[39]。最后,選擇了MODIS月度EVI產(chǎn)品MOD13C2和2010年土地利用數(shù)據(jù)MCD12C1,兩者的空間分辨率均為0.05°,基于國(guó)際地圈—生物圈計(jì)劃(IGBP)分類方案的MCD12C1被重新分為6組(表1)。本研究針對(duì)植被地區(qū),包括農(nóng)田和自然植被(林地與草地)。

表1 基于MCD12C1數(shù)據(jù)的IGBP分類體系的重新分類的土地覆蓋類型

1.3 氣候數(shù)據(jù)

這里選擇的是中國(guó)氣象局(China Meteorological Administration,CMA)的降水和溫度數(shù)據(jù)(國(guó)家氣象科學(xué)數(shù)據(jù)中心,http://data.cma.cn),空間分辨率為0.5°,其分辨率與EVI數(shù)據(jù)(0.05°)有所不同。在較長(zhǎng)時(shí)間尺度上(月尺度到年際尺度),氣象要素往往具有較好的空間一致性,因此假定同一氣候數(shù)據(jù)網(wǎng)格中的植被處于相同的氣候環(huán)境中。

1.4 農(nóng)田土地管理

土地管理的內(nèi)容非常廣泛,一般指同一類土地覆蓋類型下的各類管理活動(dòng)[23],本文主要關(guān)注發(fā)生在農(nóng)業(yè)地區(qū)的土地管理。主要考慮的因素包括：作物種植類型的演變,農(nóng)業(yè)機(jī)械化,農(nóng)藥和化肥的用量。由于該地區(qū)僅包括內(nèi)蒙古自治區(qū)的小部分,因此本研究主要從國(guó)家統(tǒng)計(jì)局在省一級(jí)提供的黑龍江,吉林和遼寧三個(gè)省中選擇統(tǒng)計(jì)數(shù)據(jù)。

1.5 統(tǒng)計(jì)方法與分析

使用Pearson相關(guān)系數(shù)和Mann-Kendall檢驗(yàn)確定相關(guān)性和趨勢(shì)。

本文主要關(guān)注植被變化,因此在六個(gè)分類系統(tǒng)中,選擇植被類型,即包括農(nóng)田和自然植被(林地和草地)作為研究對(duì)象。氣候數(shù)據(jù)和農(nóng)業(yè)數(shù)據(jù)被用作解釋植被變化歸因分析,采用一元回歸與多元回歸方法。由于大氣中CO2濃度逐年單調(diào)增長(zhǎng),而該地區(qū)農(nóng)田現(xiàn)代化進(jìn)程持續(xù),農(nóng)田管理(包括機(jī)械化、農(nóng)藥與化肥使用等)對(duì)農(nóng)作物生長(zhǎng)保持了連續(xù)的促進(jìn)作用。常規(guī)趨勢(shì)統(tǒng)計(jì)難以對(duì)氣候變化與農(nóng)田管理這兩類驅(qū)動(dòng)要素的貢獻(xiàn)進(jìn)行區(qū)分,因此并未采用偏相關(guān)分析等方法。氣候變化同時(shí)作用于農(nóng)田與自然植被,農(nóng)田土地管理卻是僅作用于農(nóng)田植被,理論上可以反映在植被變化的季節(jié)特征上。因此,對(duì)農(nóng)田與自然植被EVI年際變化的季節(jié)特征進(jìn)行對(duì)比分析,從而對(duì)土地管理的影響進(jìn)行推斷。

2 結(jié)果

2.1 變綠現(xiàn)象分析

首先利用EVI指數(shù)對(duì)研究區(qū)變綠現(xiàn)象進(jìn)行研究,計(jì)算了EVI的多年變化線性趨勢(shì)(圖2)。2000年至2019年,該地區(qū)主要植被類型呈現(xiàn)明顯的變綠趨勢(shì),其中農(nóng)田、自然植被(林地和草地)的年EVI變率分別為2.19×10-3/a、1.86×10-3/a(林地和草地分別為1.83×10-3/a和1.94×10-3/a)(圖2),可以看出自然植被和農(nóng)田的變綠速率在同一數(shù)量級(jí)上,這種現(xiàn)象也體現(xiàn)在EVI的空間變化趨勢(shì)上(圖3),因此該區(qū)域的變綠趨勢(shì)無(wú)論在空間上還是區(qū)域平均值都是普遍的。

圖2 2000—2019年區(qū)域平均EVI年際變化時(shí)間序列分析Fig.2 Time series analysis of the interannual variation of regional average EVI from 2000 to 2019EVI包括農(nóng)田,自然植被,林地,草地；時(shí)間范圍是2000—2019年期間,紅線表示線性擬合,T代表年份

盡管農(nóng)田在每年的時(shí)間序列中都呈現(xiàn)出變綠趨勢(shì),但值得注意的是,種植到收獲的農(nóng)作物的生長(zhǎng)期比自然植被的生長(zhǎng)期短得多。那么在年平均時(shí)間序列表現(xiàn)出的同等量級(jí)的變化,在季節(jié)上會(huì)存在較大差異,量化變綠的季節(jié)特征非常必要。如圖4所示,2000—2019年的多年平均月值,可以看出春季農(nóng)田EVI增加趨勢(shì)明顯小于自然植被。最明顯的是,五月份的農(nóng)田EVI沒(méi)有明顯增加(僅為0.24×10-3/a)。相反,五月份的林地和草地EVI的增長(zhǎng)值分別為1.45×10-3/a和2.75×10-3/a。

農(nóng)田和自然植被的年內(nèi)變化趨勢(shì)在季節(jié)上呈現(xiàn)巨大差異(圖4)。農(nóng)田植被的生長(zhǎng)主要集中在5—10月,但由于5月是播種期,作物處于萌發(fā)與出苗的過(guò)程,因此5月份農(nóng)田植被EVI很低。EVI變率最高的是6月,達(dá)到7.80×10-3/a。自然植被每月都會(huì)發(fā)生變綠現(xiàn)象,并且相對(duì)均勻。從林地和草地的角度看,草地的變化較為集中,但與耕地的變綠特征仍有很大差異。如果選擇6月至9月作為核心生長(zhǎng)季(除去5月播種期和10月份的收割期),則農(nóng)田的變綠速率是4.99×10-3/a,約是自然植被變化的2倍(自然植被為2.30×10-3/a,林地和草地為1.79×10-3/a和3.71×10-3/a)。

2.2 變綠的驅(qū)動(dòng)要素分析

2.2.1氣候因素

模型研究表明,CO2的施肥效應(yīng)對(duì)植被變綠的貢獻(xiàn)最大。但是,由于CO2顯示出穩(wěn)定的增長(zhǎng)趨勢(shì),并且同時(shí)作為農(nóng)田和自然植被的環(huán)境背景,因此本文中并未計(jì)算CO2濃度與EVI變化的相關(guān)性。氣候變化的要素主要集中在溫度和降水這兩個(gè)核心變量上。

圖3 EVI年際變化的空間分布Fig.3 Spatial distribution of EVI interannual variationEVI包括農(nóng)田,自然植被,林地,草地；時(shí)間范圍是2000—2019年期間

圖4 多年平均值的季節(jié)特征和各月的年際趨勢(shì)Fig.4 Seasonal characteristics and monthly interannual trend of the multi-year average EVI在農(nóng)田、自然植被、林地和草地的月均值與逐月的變化趨勢(shì)；降水月平均(mm)與年際變率(mm /a);氣溫月平均(℃)與年際變率(℃/a);藍(lán)色實(shí)線表示(軸坐標(biāo)為右)的2000年至2019年的多年平均月度值,灰色陰影為標(biāo)準(zhǔn)偏差;柱狀圖表示各月年際趨勢(shì),紅色趨勢(shì)為正,藍(lán)色趨勢(shì)為負(fù);星號(hào)表示顯著,即P < 0.05

相關(guān)分析表明,降水和溫度的關(guān)系與植被之間的關(guān)系更緊密(表2)。EVI與溫度和降水量的線性擬合表明,氣候變化可以在一定程度解釋農(nóng)田和自然植被的年際變綠現(xiàn)象(圖5,表3)。整個(gè)地區(qū)的多年平均溫度和降水變化率分別為0.02 ℃ /a和7.35 mm /a。但是,氣溫和降水的季節(jié)趨勢(shì)與農(nóng)田EVI的季節(jié)趨勢(shì)有很大不同(圖4)。

表2 2000—2019年期間EVI與降雨和溫度之間的相關(guān)關(guān)系

圖5 農(nóng)田,自然植被,林地和草地與氣候因素的擬合Fig.5 Fitting of cropland, natural vegetation, forest and grassland with climatic factors行分別是農(nóng)田,自然植被(包括林地和草地),林地和草叢,列是溫度,降雨量和所有氣候因素(包含溫度和降雨);擬合方程(表3)

2.2.2土地管理

即使考慮到CO2的變化(未展示),它仍然不能解釋不同月份農(nóng)田和自然植被之間的變綠差異,尤其是在6—9月期間,農(nóng)田的變綠趨勢(shì)遠(yuǎn)遠(yuǎn)超過(guò)了自然植被(圖4)。出現(xiàn)在農(nóng)田與自然植被之間的差異很難通過(guò)自然環(huán)境的變化,包括CO2升高和水熱條件(溫度與降水)來(lái)解釋。因此,需要進(jìn)一步從土地管理的角度進(jìn)行研究。

表3 年平均EVI與溫度、降水的擬合方程

2000年研究區(qū)的農(nóng)業(yè)種植類型發(fā)生了快速變化,如圖6與表4所示,特別是小麥的種植面積顯著下降(-85.61%),玉米和水稻的種植面積分別增加了144.64%和90.68%,農(nóng)業(yè)機(jī)械化發(fā)展迅速。2000—2018年間,農(nóng)業(yè)機(jī)械的總動(dòng)力增長(zhǎng)了185.04%；大中型農(nóng)用拖拉機(jī)數(shù)量增長(zhǎng)了1193.20%。大中型拖拉機(jī)配套農(nóng)具數(shù)量增加760.31%；農(nóng)藥使用量從8.48×104t增加到18.03×104t(到2018年),增長(zhǎng)112.61%;農(nóng)用化肥量增加80.24%。

圖6 研究區(qū)土地管理相關(guān)數(shù)據(jù)的多年時(shí)間序列Fig.6 Interannual time series of the variables related to the land management in the study area研究區(qū)包括黑龍江,吉林和遼寧省,土地管理數(shù)據(jù)包括水稻、玉米和大豆的種植面積(hm2)；小麥種植面積(hm2)；化肥(t)與農(nóng)藥(t)施用量；農(nóng)業(yè)器械總功率(W)、拖拉機(jī)數(shù)量與拖拉機(jī)配套農(nóng)具數(shù)量

從機(jī)制上,玉米與水稻田的擴(kuò)張,特別是玉米,是典型的C4植物,相比其他作物植株更為高大,同時(shí)收獲期要比小麥遲很多(小麥一般在夏季收獲),理論上如果從小麥向玉米轉(zhuǎn)化,農(nóng)田植被指數(shù)會(huì)增加。同時(shí),農(nóng)業(yè)機(jī)械化的發(fā)展,有利于快速的播種,對(duì)于該地區(qū)生長(zhǎng)期有限,快速的種植能夠保證在水熱條件適合的情況下盡快完成播種爭(zhēng)取到更長(zhǎng)的有利生長(zhǎng)條件。而化肥的施用量增加,則是更為直接的促進(jìn)農(nóng)作物生長(zhǎng)。農(nóng)藥的使用,對(duì)于農(nóng)業(yè)病蟲害防治等有著直接的作用。綜合以上三個(gè)方面,都會(huì)對(duì)農(nóng)田的植被生長(zhǎng)產(chǎn)生顯著促進(jìn)影響。

表4 研究區(qū)土地管理相關(guān)指標(biāo)的變化

3 討論

全球變綠現(xiàn)象、歸因以及其帶來(lái)的影響研究,是當(dāng)前的重點(diǎn)和熱點(diǎn)問(wèn)題之一。與之相關(guān)的論文很多,主要涉及利用統(tǒng)計(jì)和模型方法對(duì)變綠進(jìn)行量化和歸因分析[22,40—42]。從統(tǒng)計(jì)方法的角度來(lái)看,一些約束條件明確的地區(qū)取得了很好的結(jié)果,例如薩赫勒地區(qū)的干旱生態(tài)系統(tǒng)(水分約束作用為主)[21,43],北方林地的生態(tài)系統(tǒng)(溫度約束作用為主)[44—45]。與統(tǒng)計(jì)方法相比,模型在定量驅(qū)動(dòng)方面具有明顯優(yōu)勢(shì),并且可以通過(guò)不同情景控制試驗(yàn)來(lái)闡明每個(gè)元素的貢獻(xiàn)率[46—48]。但是它的缺點(diǎn)也很明顯,即當(dāng)前的模型開發(fā)還不成熟,還有一些重要的過(guò)程,特別是土地管理部分還有待完善[49—51]。

這也是本文選擇的研究區(qū)域所面臨的困境,即該區(qū)域已經(jīng)明顯變綠,但是從統(tǒng)計(jì)學(xué)上講也無(wú)法解釋農(nóng)田的變化特征,并且在此過(guò)程中土地管理過(guò)程未包含在模型中。如果僅從年際變化量看農(nóng)田變綠速率和自然植被的變綠速率,其變化是相對(duì)一致的(圖2—3)。利用溫度與降水,并結(jié)合大氣CO2的施肥作用,理論上可以解釋變綠現(xiàn)象。但是,在主要生長(zhǎng)季節(jié)(6月至9月),農(nóng)田的變綠速率比自然植被的變綠速率要快得多,即EVI在農(nóng)田與自然植被的年際變化分別為4.99×10-3/a和2.30×10-3/a,圖4所顯示的植被變化的季節(jié)性差異,利用氣候環(huán)境變化很難進(jìn)行解釋,需要加入土地管理過(guò)程。

該區(qū)域僅可進(jìn)行單作(一年一季種植)。與小麥相比,農(nóng)民更傾向于種植高產(chǎn)值的玉米和水稻。玉米是典型的C4植物,是相對(duì)小麥等作物更為高大和茂盛的植物。因此,減少小麥播種面積和擴(kuò)大玉米播種將不可避免地帶來(lái)EVI的變化。農(nóng)業(yè)機(jī)械化的發(fā)展直接導(dǎo)致播種速度的迅速提高,農(nóng)作物可以更好地適應(yīng)農(nóng)業(yè)時(shí)代。更重要的是,農(nóng)業(yè)化肥的增加對(duì)促進(jìn)作物生長(zhǎng)具有最直接、最顯著的作用。因此,這種土地管理(同一土地覆蓋類型下)將在理論上和實(shí)踐上不可避免地促進(jìn)農(nóng)田的生長(zhǎng),并將在EVI中得到體現(xiàn)。假設(shè)氣候環(huán)境變化引起的EVI增量在農(nóng)田與自然植被是一致的,那么在6—9月農(nóng)田植被EVI變率超過(guò)自然植被的部分(即4.99×10-3/a減去2.30×10-3/a)可視為土地管理的影響,土地管理的貢獻(xiàn)與氣候變化的貢獻(xiàn)處于相同量級(jí)。

通過(guò)變綠的季節(jié)特征對(duì)土地管理的作用進(jìn)行推斷,其誤差可能體現(xiàn)在如下幾個(gè)方面。首先,農(nóng)田土地管理影響并沒(méi)有詳細(xì)的空間數(shù)據(jù)作為支撐,因此這一推斷依然存在較大不確定性。其次,我國(guó)的生態(tài)工程會(huì)同時(shí)體現(xiàn)在LUCC與土地管理兩個(gè)方面,特別是對(duì)原有自然植被的保護(hù),以及林地、草地的有序的人工培育,并未改變土地利用類型狀況,本研究的假設(shè)并不能排除這一要素。最后,為了計(jì)算各主要植被類型,采用了2010年土地利用分類作為參考值,對(duì)分類精度依賴性高,同時(shí)也忽略了變化。

4 結(jié)論

本研究分析了中國(guó)最大農(nóng)業(yè)區(qū)——東北農(nóng)業(yè)區(qū)植被變綠情況與潛在的驅(qū)動(dòng)要素。采用增強(qiáng)植被指數(shù)EVI作為指標(biāo),研究其年際變化趨勢(shì),并做歸因分析。農(nóng)田和自然植被均表現(xiàn)出一致的變綠趨勢(shì),其EVI的年際變化率處于相同量級(jí),分別為2.19×10-3/a和1.86×10-3/a。即使不考慮CO2施肥的影響,這種變綠現(xiàn)象似乎也可以用氣候變化很好地解釋,即降水和溫度變化促進(jìn)了植被的生長(zhǎng)?？紤]到農(nóng)作物的生長(zhǎng)期相比自然植被要短,那么EVI變化趨勢(shì)在季節(jié)性上理論上應(yīng)該存在較大差異。農(nóng)作物長(zhǎng)勢(shì)最為旺盛的6—9月,農(nóng)田的EVI年際變化率(4.99×10-3/a)是自然植被(2.30×10-3/a)的約兩倍。同時(shí),農(nóng)田和自然植被的季節(jié)性趨勢(shì)是不對(duì)稱的,這一現(xiàn)象難以僅用氣候變化來(lái)解釋。盡管直接從統(tǒng)計(jì)數(shù)據(jù)中建立土地管理的清晰關(guān)聯(lián)較為困難,但快速的農(nóng)業(yè)發(fā)展理論上是一個(gè)重要的驅(qū)動(dòng)因素。具體而言,本研究區(qū)土地管理包括種植類型的變化、農(nóng)業(yè)機(jī)械化以及化肥和農(nóng)藥的施用量等,研究期間這些指標(biāo)都在迅速增長(zhǎng)。因此,綜上分析表明,除了氣候變化之外,土地管理是驅(qū)動(dòng)?xùn)|北農(nóng)業(yè)區(qū)變綠的重要因素之一。如果將自然植被變綠視為氣候因子的貢獻(xiàn),6—9月期間農(nóng)田變綠的速度比自然植被高出一倍,這表明土地管理的貢獻(xiàn)與氣候變化的貢獻(xiàn)幅度可能相同。