何 劉 鵬，仝 亮

(1.黃河勘測(cè)規(guī)劃設(shè)計(jì)研究院有限公司，河南 鄭州 450003； 2.水利部黃河流域水治理和水安全重點(diǎn)實(shí)驗(yàn)室(籌)，河南 鄭州 450003)

0 引 言

作為陸地生態(tài)系統(tǒng)的重要組成部分[1]，植被在物質(zhì)、能量和碳平衡以及減少溫室氣體和保持氣候穩(wěn)定方面有著重要意義[1-3]。近幾十年來(lái)，由于全球氣候變化，各地區(qū)的植被均受到影響。眾多學(xué)者研究了不同生態(tài)系統(tǒng)的植被動(dòng)態(tài)變化對(duì)氣候變化的響應(yīng)[2，4-6]。Xu等[4]的研究表明在過(guò)去的幾十年里，植被對(duì)氣候變化的反應(yīng)變得非常敏感。植被動(dòng)態(tài)變化的研究對(duì)于了解全球氣候變化具有重要意義。

隨著遙感技術(shù)的發(fā)展，現(xiàn)在相對(duì)于過(guò)去更容易獲得可用于研究植被作用的數(shù)據(jù)信息[7]。遙感圖像的日益普及和計(jì)算機(jī)技術(shù)的進(jìn)步，使大規(guī)模檢驗(yàn)環(huán)境現(xiàn)象成為可能[7-9]。Normalized Difference Vegetation Index(NDVI)是基于光譜波段感知植被變化的一種動(dòng)態(tài)的指標(biāo)[4，7，10]。目前，大多數(shù)研究發(fā)現(xiàn)，氣候變化是影響植被變化的主要因素。Gu等[11]分析了紅河流域植被覆蓋度對(duì)氣候因子的響應(yīng)，不同植被類(lèi)型對(duì)降水和蒸發(fā)表現(xiàn)出不同的時(shí)空響應(yīng)。Zhao等[3]分析了2005～2010年亞馬遜干旱期植被減少的原因，植被的綠色度下降主要受到降水、輻射和溫度的影響。降水和蒸散發(fā)作為水文循環(huán)的重要組成部分，并決定著土壤-植被-大氣系統(tǒng)中水分和能量的輸送。

中國(guó)地域廣闊、植被豐富，有研究表明中國(guó)經(jīng)歷了顯著的氣候變暖[12]，降水時(shí)空分布不均勻[13]，西北等干旱半干旱地區(qū)呈現(xiàn)暖干化的變化趨勢(shì)[14]，極端天氣和氣候事件的發(fā)生更加頻繁。植被恢復(fù)是改善生態(tài)環(huán)境、控制水土流失最有效的方法之一[4]。植被通過(guò)改變土壤結(jié)構(gòu)和土壤生物化學(xué)來(lái)調(diào)節(jié)土壤水文動(dòng)態(tài)，區(qū)域水文過(guò)程將隨著植被演替的變化而變化[8]。因此，對(duì)植被覆蓋度進(jìn)行監(jiān)測(cè)和預(yù)測(cè)，對(duì)區(qū)域生態(tài)修復(fù)和環(huán)境管理具有重要意義。Wang等[15]基于中國(guó)南部丘陵地區(qū)的降水和氣溫，采用多元線(xiàn)性回歸方法模擬NDVI。但從植物生長(zhǎng)發(fā)育過(guò)程中的水分平衡角度分析，蒸發(fā)是主要的輸出項(xiàng)，降水是主要的輸入項(xiàng)[9，16]。王玉琦等[17]分析了全球氣候變化的背景下青藏高原地區(qū)植被動(dòng)態(tài)變化。除了氣候影響植被動(dòng)態(tài)變化以外，人類(lèi)活動(dòng)也是影響未來(lái)植被動(dòng)態(tài)變化的重要因素[18]。但人類(lèi)活動(dòng)具有較強(qiáng)的區(qū)域性，且難以定量評(píng)估人類(lèi)活動(dòng)的程度和對(duì)植被動(dòng)態(tài)的影響程度[19]。目前，鮮有研究以蒸發(fā)和降水為主要?dú)庀笠仡A(yù)測(cè)植被動(dòng)態(tài)變化。因此，本文從水分虧缺角度考慮降水和蒸散發(fā)對(duì)植被的作用，利用多元線(xiàn)性回歸分析構(gòu)建植被預(yù)測(cè)模型[20]，結(jié)合CMIPS模式下的數(shù)據(jù)預(yù)測(cè)和評(píng)價(jià)中國(guó)不同流域的植被動(dòng)態(tài)變化。

1 材料與方法

1.1 研究區(qū)域

中國(guó)的地形復(fù)雜多樣，西南至東呈現(xiàn)下降的3層“階梯”，波動(dòng)范圍較大。擁有許多不同的地貌，如廣闊的沙漠、高原、盆地、平原、冰川和河流等[10]。因此，中國(guó)具有復(fù)雜的氣候、水文和植被類(lèi)型，且各地區(qū)的植被變化差異很大[10，21]；不同流域的植被分布特征受氣候因素的影響較大，總體上可分為9個(gè)流域區(qū)[10，21]：松遼河流域(Ⅰ)、海河流域(Ⅱ)、黃河流域(Ⅲ)、淮河流域(Ⅳ)、長(zhǎng)江流域(Ⅴ)、東南諸河流域(Ⅵ)、珠江流域(Ⅶ)、西南諸河流域(Ⅷ)和內(nèi)陸河流域(Ⅸ)(見(jiàn)圖1)。

1.2 數(shù)據(jù)來(lái)源

本次研究的歷史氣象數(shù)據(jù)由中國(guó)氣象數(shù)據(jù)共享服務(wù)網(wǎng)提供，時(shí)間范圍為1982～2015年。數(shù)據(jù)包含中國(guó)826個(gè)地面氣象站點(diǎn)，逐日數(shù)據(jù)由氣溫、降水、風(fēng)速、氣壓、相對(duì)濕度和日照時(shí)數(shù)等組成。采用NDVI描述1982～2015年間中國(guó)植被覆蓋度的動(dòng)態(tài)變化，NDVI數(shù)據(jù)來(lái)自美國(guó)航空航天局(NASA)，時(shí)空分辨率分別為1個(gè)月和8 km×8 km[22]。采用的中國(guó)地圖邊界以標(biāo)準(zhǔn)地圖服務(wù)系統(tǒng)(http：∥bzdt.ch.mnr.gov.cn/)下載的模板(審圖號(hào)：GS (2021) 5447號(hào))為依據(jù)。

國(guó)際耦合模式比較計(jì)劃(CMIP)是世界各地多個(gè)研究機(jī)構(gòu)共同開(kāi)發(fā)的耦合海洋大氣環(huán)流模式，該計(jì)劃定量模擬未來(lái)不同溫室氣體排放情景下的全球氣候變化情況[23-24]。本次研究的未來(lái)氣候變化資料采用IPCC第五次會(huì)議提供的CMIP5模式[25-26]。IPCC在2013年公布了4種排放模式(RCP 2.6，RCP 4.5，RCP 6.0 和 RCP 8.5)[15]。RCP 2.6情景是指在2100年前輻射強(qiáng)迫達(dá)到峰值，到2100年下降至2.6 W/m2，全球平均溫度上升限制在2.0 ℃之內(nèi)；RCP 4.5，RCP 6.0和RCP 8.5情景則分別指輻射強(qiáng)迫穩(wěn)定在4.5，6.0 W/m2和8.5 W/m2水平。自從CMIP5資料公布以來(lái)，輻射強(qiáng)迫水平很少低至RCP 2.6模式的水平，且考慮到中國(guó)相對(duì)較高的氣溶膠排放水平[15]，因此未來(lái)的氣象數(shù)據(jù)只考慮中等排放情景的RCP 4.5和較高的RCP 8.5情景。表1提供了本次研究中使用的CMIP5全球氣候模式。利用Liu等[6]提出的降尺度方法處理氣象數(shù)據(jù)，獲得與NDVI相同的8 km×8 km分辨率。為了獲取可靠和穩(wěn)定的未來(lái)氣候變量，利用多模式集合平均值評(píng)估未來(lái)變化。

表1 本研究應(yīng)用的CMIP5模式Tab.1 The CMIP5 model applying in this study

1.3 參考作物蒸散量

參考作物蒸散量計(jì)算公式[27]為

(1)

式中：PET為參考作物蒸散量，mm/d；Rn為太陽(yáng)凈輻射，MJ/(m2·d)；G為土壤熱通量，MJ/(m2·d)；Δ為飽和水汽壓-溫度曲線(xiàn)斜率，kPa/℃；γ為濕度計(jì)常數(shù)，kPa/℃；es為飽和水汽壓，kPa；ea為實(shí)際水汽壓，kPa；T為高度2 m處的平均氣溫，℃；u2為高度2 m處的風(fēng)速，m/s。

1.4 多元線(xiàn)性回歸模型

基于多元線(xiàn)性回歸模型構(gòu)建NDVI預(yù)測(cè)方程，從植物生長(zhǎng)發(fā)育過(guò)程中的水分平衡角度分析，參考作物蒸散量PET是主要的輸出項(xiàng)，降水P是主要的輸入項(xiàng)。每個(gè)網(wǎng)格的NDVI值可表示為降水量和蒸散發(fā)量的函數(shù)[4]。因此，本研究將基準(zhǔn)期1982～2015年的NDVI值作為因變量，基準(zhǔn)期1982～2015年的P和PET作為自變量，進(jìn)而構(gòu)建預(yù)測(cè)未來(lái)NDVI 的多元回歸方程[16，18，28]。計(jì)算采用95%顯著性水平下的回歸方程。

NDVI=a·PET+b·P+c

(2)

式中：a和b為多元回歸方程系數(shù)；c為常數(shù)；PET為某一季節(jié)的蒸散發(fā)量；P為某一季節(jié)的降水量。

1.5 模型預(yù)測(cè)結(jié)果評(píng)估

以歷史基準(zhǔn)期1982～2005年的春季、夏季、秋季和生長(zhǎng)季中的NDVI、P和PET數(shù)據(jù)，訓(xùn)練多元回歸模型，以2006～2015年的實(shí)際NDVI與預(yù)測(cè)NDVI誤差比較，應(yīng)用NRMSE和R2評(píng)估多元回歸模型的預(yù)測(cè)結(jié)果的準(zhǔn)確度[20]。Zeng等[20]的研究誤差評(píng)判標(biāo)準(zhǔn)為：當(dāng)NRMSE小于25%且R2大于0.6，該模型模擬結(jié)果較為可靠。

1.6 相關(guān)性分析

采用相關(guān)性分析評(píng)估不同流域的植被動(dòng)態(tài)變化的驅(qū)動(dòng)因素。通過(guò)Pearson相關(guān)系數(shù)[29]分別逐柵格計(jì)算1982～2015年的不同流域的年尺度植被動(dòng)態(tài)和氣象要素(降水和氣溫)的相關(guān)程度，并進(jìn)行顯著性檢驗(yàn)(p>0.05)。將不同流域內(nèi)，所有通過(guò)顯著性檢驗(yàn)的柵格的相關(guān)系數(shù)均值作為氣象要素對(duì)植被的影響程度。

(3)

2 結(jié)果與討論

2.1 模型模擬結(jié)果誤差

由圖2可以看出，中國(guó)大部分的區(qū)域滿(mǎn)足NRMSE小于25%且R2大于0.6的判定標(biāo)準(zhǔn)。經(jīng)統(tǒng)計(jì)得出，春季、夏季、秋季和生長(zhǎng)季的誤差符合模型準(zhǔn)確性檢驗(yàn)判定標(biāo)準(zhǔn)區(qū)域的面積占總面積的比例分別為93.16%，95.00%，93.97%和97.66%。因此，可以說(shuō)明利用P和PET構(gòu)建的多元回歸模型能夠較好的模擬NDVI。由NRMSE的空間分布可以看出，中國(guó)大部分地區(qū)的NRMSE小于25%。不同季節(jié)NRMSE較高的區(qū)域主要集中在黃土高原、內(nèi)蒙古高原東部(黃河流域)、華北平原中部和準(zhǔn)噶爾盆地；R2的空間分布可以看出，中國(guó)大部分地區(qū)的R2大于0.6。不同季節(jié)R2較高的區(qū)域主要集中在黃土高原和內(nèi)蒙古高原東部(黃河流域)。黃土高原和內(nèi)蒙古高原東部區(qū)域誤差較高的原因可能是該地區(qū)自然條件比較惡劣，植被對(duì)干旱抵抗能力較強(qiáng)，對(duì)水分變化敏感性差[5]進(jìn)而導(dǎo)致多元回歸模型模擬結(jié)果的誤差較大。同時(shí)該地區(qū)人類(lèi)活動(dòng)對(duì)植被的影響[30]，也可能影響模型在該地區(qū)的準(zhǔn)確度?？傮w來(lái)說(shuō)，將降水和蒸散發(fā)與NDVI結(jié)合，在每個(gè)格點(diǎn)上構(gòu)建多元回歸模型，能夠較好預(yù)測(cè)中國(guó)各季節(jié)的植被動(dòng)態(tài)。

2.2 未來(lái)植被動(dòng)態(tài)變化

根據(jù)1.1節(jié)的研究結(jié)果，在構(gòu)建的多元線(xiàn)性回歸方程的基礎(chǔ)上，結(jié)合CMIP5提供的氣候模式，預(yù)測(cè)2020～2100年的植被動(dòng)態(tài)變化，以便更好地分析植被未來(lái)動(dòng)態(tài)變化與基準(zhǔn)期內(nèi)植被的差別。圖3～4表示的是RCP 4.5和RCP 8.5情景下兩個(gè)研究時(shí)段內(nèi)(2021～2060年和2061～2100年)春季(3～5月)、夏季(6～8月)、秋季(9～11月)和生長(zhǎng)季(3～10月)的NDVI與基準(zhǔn)期的差異。

由圖3～4可以看出：在RCP 4.5情景下，未來(lái)春季(中國(guó)西北地區(qū))、夏季、秋季和生長(zhǎng)季的NDVI均增加；在RCP 8.5情景下，未來(lái)中國(guó)不同季節(jié)的NDVI整體上均增加。因此可知，在RCP 4.5和8.5情景下，未來(lái)中國(guó)不同季節(jié)的NDVI總體上均增加。

在RCP 4.5情景下，2020～2060年和2061～2100年的春季，中國(guó)大部分地區(qū)NDVI均增加，增加面積占總面積比例分別為63.67%和81.15%，但中國(guó)東北部和東南部大部分地區(qū)植被發(fā)生退化，主要發(fā)生在松嫩流域、淮河流域、長(zhǎng)江流域東部和珠江流域。在RCP 8.5情景下，2061～2100年的春季，東北和長(zhǎng)江以南部分地區(qū)的NDVI降低，降低面積占總面積的比例為8.89%。Wang等[31]和Su等[25]發(fā)現(xiàn)未來(lái)春季的長(zhǎng)江流域干旱頻率增加，需要增加灌溉量保持作物產(chǎn)量；由此可以推測(cè)未來(lái)長(zhǎng)江流域春季的水分虧缺程度增大，植被生長(zhǎng)受影響。在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的春季，NDVI顯著增加(NDVI 差值大于0.15)的地區(qū)集中分布在青藏高原的東部，其中RCP 4.5 情景下顯著增加面積占總面積比例分別為1.81%和2.27%，而RCP 8.5情景下分別為12.44%和26.79%；在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的夏季，NDVI顯著增加的地區(qū)集中分布在青藏高原的東部，在RCP 4.5情景下顯著增加面積占總面積比例分別為12.16%和19.52%，在RCP 8.5情景下分別為12.45%和26.79%；在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的秋季，NDVI顯著增加的地區(qū)集中分布在青藏高原的東部地區(qū)，在RCP 4.5情景下顯著增加面積占總面積比例分別為22.68%和29.51%，在RCP 8.5情景下分別為23.28%和37.48%；在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的生長(zhǎng)季，NDVI顯著增加的地區(qū)集中分布在青藏高原的東部，在RCP 4.5情景下顯著增加面積占總面積比例分別為7.29%和10.80%，在RCP 8.5情景下分別為7.51%和15.24%。

由此可知，RCP 8.5情景下的不同季節(jié)NDVI顯著增加的面積均高于RCP 4.5情景，說(shuō)明在RCP 8.5情景下的水分條件可能更利于植被的生長(zhǎng)。在RCP 4.5和8.5情景下，NDVI顯著增加的面積從大到小依次為秋季、夏季、生長(zhǎng)季和春季，說(shuō)明未來(lái)秋季和夏季的水分條件可能比其他季節(jié)更利于植被的生長(zhǎng)。但是在不同RCP情景下，中國(guó)東北部和東南部植被覆蓋在春季出現(xiàn)退化和較少，因此未來(lái)春季的水分條件限制了植被生長(zhǎng)，未來(lái)應(yīng)當(dāng)多關(guān)注中國(guó)東部的春季植被變化。

在RCP 4.5和8.5情景下，2020～2060年的松遼河流域、海河流域、黃河流域、淮河流域、長(zhǎng)江流域、東南諸河流域和珠江流域的NDVI增量主要分布在0.05～0.10 之間，西南諸河和內(nèi)陸河流域的NDVI增量主要分布分別在0.10～0.17和0.00～0.05之間(見(jiàn)圖5)。在RCP 4.5情景下，2061～2100年的松遼河、海河、黃河、淮河、東南諸河流域和珠江流域的NDVI增量主要分布在0.05～0.10之間，長(zhǎng)江、西南諸河和內(nèi)陸河流域的NDVI增量主要分布分別在0.07～0.13，0.11～0.17和0.02～0.05之間；在RCP 8.5情景下2061～2100年的松遼河、海河、黃河、淮河、長(zhǎng)江流域、東南諸河和珠江流域的NDVI增量主要分布在0.07～0.15之間，西南諸河和內(nèi)陸河的NDVI增量主要分布分別在0.12～0.20和0.00～0.05之間。因此，在RCP 4.5和8.5情景，不同流域生長(zhǎng)季的NDVI均呈現(xiàn)顯著增加的趨勢(shì)，在2020～2100年RCP 8.5情景的NDVI的增長(zhǎng)趨勢(shì)基本保持一致；RCP 4.5情景的NDVI增長(zhǎng)程度在2020～2060年與RCP 8.5基本一致，但在2061～2100年的NDVI增長(zhǎng)程度放緩且小于RCP 8.5的增長(zhǎng)程度。在不同流域中，西南諸河的NDVI增長(zhǎng)程度最大，內(nèi)陸河的增長(zhǎng)程度最小。Su等[25]的研究表明未來(lái)中國(guó)地區(qū)干旱程度呈現(xiàn)增加趨勢(shì)；但Ding等[21]和Xu等[4]的研究表明，中國(guó)西北的植被對(duì)干旱變化的敏感程度較低。因此，可以推測(cè)內(nèi)陸河的植被動(dòng)態(tài)變化受氣候和水分條件變化的影響程度較小。

2.3 局限性

從圖6可以看出，在海河流域、黃河流域、東南諸河和內(nèi)陸河流域，氣溫和降水均為植被動(dòng)態(tài)變化的主要驅(qū)動(dòng)因素(相關(guān)系數(shù)的絕對(duì)值大于0.3)。在松遼河流域、淮河流域、長(zhǎng)江流域、珠江流域和西南諸河流域，氣溫為植被動(dòng)態(tài)變化的主要驅(qū)動(dòng)因素。因此，在不同流域氣溫對(duì)植被均有較大程度的影響。本文基于水量平衡原理，只考慮潛在蒸發(fā)量對(duì)植被動(dòng)態(tài)的影響[32]，而氣溫變化影響潛在蒸發(fā)量的變化[27]。Luo等[33]的研究表明氣溫的變化同樣會(huì)影響到植被的物候特征。因此，本研究只從側(cè)面考慮到氣溫對(duì)植被動(dòng)態(tài)影響，未充分考慮氣溫的直接影響。

盡管本次研究旨在分析全球變暖的不同RCP情景下，中國(guó)水量條件變化對(duì)植被動(dòng)態(tài)的影響。但本研究未充分考慮人類(lèi)活動(dòng)、新能源發(fā)展和國(guó)家政策等要素的變化對(duì)未來(lái)植被變化的影響[18，34]。Shi等[30]的研究發(fā)現(xiàn)在黃河流域和長(zhǎng)江流域西部地區(qū)，人類(lèi)活動(dòng)對(duì)植被的影響程度較高。由于本研究主要基于未來(lái)氣候變化預(yù)測(cè)植被動(dòng)態(tài)變化，因此黃河流域和長(zhǎng)江流域西部地區(qū)預(yù)測(cè)的植被動(dòng)態(tài)可能與未來(lái)的實(shí)際動(dòng)態(tài)存在差異。本研究基于有限的條件對(duì)未來(lái)植被動(dòng)態(tài)預(yù)測(cè)的結(jié)果可能與實(shí)際存在偏差，具有一定的局限性。而本次研究的意義在于基于未來(lái)長(zhǎng)時(shí)間植被動(dòng)態(tài)預(yù)測(cè)的結(jié)果為中國(guó)生態(tài)建設(shè)規(guī)劃提供啟示的作用。

3 結(jié) 論

本文以過(guò)去34 a中國(guó)的植被變化趨勢(shì)為基礎(chǔ)，從水分虧缺的角度，利用多元回歸模型構(gòu)建了植被預(yù)測(cè)模型，然后結(jié)合CMIP5提供的兩種情景，預(yù)測(cè)了中國(guó)未來(lái)的植被動(dòng)態(tài)變化。

不同溫室氣體排放情景下，未來(lái)植被覆蓋度均增加，但RCP 8.5情景植被覆蓋增加程度高于RCP 4.5情景。在RCP 4.5情景下，未來(lái)春季、夏季、秋季和生長(zhǎng)季的NDVI平均增量分別為0.02，0.09，0.11和0.07；在RCP 8.5情景下，未來(lái)春季、夏季、秋季和生長(zhǎng)季的NDVI平均增量分別為0.06，0.09，0.12和0.08。

未來(lái)RCP 8.5情景下，不同流域生長(zhǎng)季的NDVI均保持相同的增長(zhǎng)趨勢(shì)，但在RCP 4.5情景下的增長(zhǎng)趨勢(shì)普遍在2060年后降低。未來(lái)中國(guó)不同流域的植被覆蓋均出現(xiàn)增長(zhǎng)；在RCP 4.5情節(jié)下，未來(lái)生長(zhǎng)季的松遼河流域、海河流域、黃河流域、淮河流域、長(zhǎng)江流域、東南諸河、珠江流域、西南諸河和內(nèi)陸河的NDVI平均增量分別為0.08，0.07，0.08，0.07，0.10，0.08，0.07，0.14和0.03；在RCP 8.5情節(jié)下，未來(lái)生長(zhǎng)季不同流域的NDVI平均增量分別為0.09，0.08，0.09，0.11，0.09，0.07，0.15和0.04；未來(lái)西南諸河的水分條件較適宜植被生長(zhǎng)，植被覆蓋程度顯著增加；而未來(lái)內(nèi)陸河的水分條件下，植被覆蓋增長(zhǎng)較小。

綜上，除春季中國(guó)東部的部分地區(qū)外，未來(lái)情景下的中國(guó)植被覆蓋程度相比過(guò)去來(lái)說(shuō)是有所改善。未來(lái)中國(guó)不同流域植被的生境條件良好，西南諸河流域的植被覆蓋程度顯著增加。RCP 8.5情景的水分條件比RCP 4.5情景更有利于中國(guó)植被生長(zhǎng)。