2. 西北农林科技大学 黄土高原土壤侵蚀与旱地农业国家重点实验室, 陕西 杨凌 712100;
3. 中国科学院大学, 北京 100000
2. State Key Laboratory of Soil Erosion and Dryland Farming on the Loess Plateau, Northwest A & F University, Yangling, Shaanxi 712100, China;
3. University of Chinese Academy of Sciences, Beijing 100000, China
随着全球变暖,极端气候频发,强度增强,其对人类生产生活具有重大影响。IPCC第5次评估报告指出,全球平均气温在1880—2012年期间升高了0.85 ℃[1]。极端气候事件是指特定时段内某类气候要素统计量值显著偏离平均值、且超出其观测统计量值区间上下限的阈值的事件[2]。与平均态相比,极端气候具有偶然性、反常性的特点,且破环程度高、灾难性强,地域差异性更为显著[3]。黄土高原自身复杂的地形影响和长期人类活动的干扰,极端气候对植被的影响比平均态气候的影响更为明显,开展黄土高原植被动态变化及其对极端气候的影响对于该地区生态环境具有重要意义。植被是连接土壤、水和大气的纽带,在全球变化中有着重要的作用。目前,前人研究多集中在各个区域平均态气候和人类活动两个因素与植被的关系,认为气候为植被生长的主要驱动因子,降水通常影响干旱半干旱地区的植被,而气温一般有利于温带或寒温带地区的植被生长[4-6]。极端事件的频发会对植被的生长产生重要的影响,导致植被覆盖状况的改变。近年来,关于植被动态变化与极端降水和气温之间的相关性的认识有了很大的提升。例如,赵安周等[7]研究表明,春季和秋季NDVI与极端气候指数均有显著的相关性。西北干旱区极端气温和降水的增加趋势明显要高于均态气温和降水,且该区域暖湿化和极端化趋势更为显著[8]。杨方兴[9]研究发现,内蒙古区域植被NDVI与极端降水指数呈显著的相关性,而与极端气温指数未发现明显的相关性。不同区域不同尺度下极端气温和降水与植被的关系具有差异性。黄土高原地区植被NDVI与极端气候之间的关系尚不明确。因此,本文利用1982—2017年黄土高原遥感数据和87个气象站日降雨、日最高温和日最低温数据,研究黄土高原植被覆盖度时空变化及其对极端气候的响应,为科学地减缓和应对气候异常提供依据,以促进黄土高原生态环境和社会经济的可持续发展。
1 研究区概况黄土高原地区位于中国中西部(100°54′—114°33′E,33°43′—41°16′N),包括太行山以西,日月山以东,秦岭以北,长城以南的区域,海拔800~2 000 m,面积约为6.24×105 km2。地势西北高东南低,属干旱大陆性季风气候,年均气温4.3~14.3 ℃,年均降水量150~750 mm。植被类型从东南到西北呈带状分布,依次为森林植被带、森林草原带、典型草原植被带、荒漠草原植被带、草原化荒漠带。降雨集中且多暴雨、土质疏松、植被覆盖低、人类活动以及不合理的土地利用等原因,使得黄土高原地区水土流失严重,生态环境脆弱。
2 研究资料与方法 2.1 数据来源与处理本研究采用1982—1999年的GIMMS数据产品和2000—2017年MODIS月最大合成(MVC)数据产品,空间分辨率为8 km和500 m。数据来源于美国国家航天航天局(NASA),原始数据已经过辐射校正、几何纠正等预处理(https://e4ftl01.cr.usgs.gov/MOLT)。运用MRT(MODIS reprojection tools)进行格式、投影的转化和裁剪,并利用均值法获取各月及历年值。气象数据采用1982—2017年黄土高原87个气象站日降水与日平均气温、日最高气温和日最低气温数据,数据来源于国家气象信息中心(http://data.cma.cn/)。
2.2 研究方法极端气候指数利用RClimDex模型得到各个气象站的极端气温和极端降水指数,该模型可以分辨错误的气象数据,指数涵盖指标范围广[10]。本文所取指数包括3个极端降水指数和9个极端气温指数由ETCCDMI(expert team on climate change detection and indices)推荐,均已涵盖极端气温和极端降水长期与短期的边缘化与极端态[11](表 1)。采用气象学标准对季节划分,分别为春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12月至次年2月)。利用Mann-Kendall(M-K)趋势分析1982—2017年黄土高原地区NDVI和极端气候指数的趋势变化,运用相关分析研究极端气候指数与NDVI的相关性。M-K趋势检验方法被广泛使用于气象、水文数据时间序列分析中,其优点在于它不需要样本服从一定的分布,也不受少数异常值的干扰[12];其检验统计量若为正,表示序列呈增加趋势,为负表示序列呈减少趋势,显著性水平为0.05时检验统计量临界值为±1.96,显著性水平为0.01时为±2.58[13]。
黄土高原1982—2017年NDVI多年平均值为0.337,1982年最小,为0.285,2014年最大,为0.442。1982—2017年NDVI呈显著增加的趋势,上升速率为每年0.37%(R2=0.75,p<0.01)(图 1)。黄土高原NDVI变化序列变化可分为两个阶段:1982—1999年NDVI值较低,且增长幅度较小,每年以0.09%的速率增长;2000—2017年NDVI值相对增长幅度较大,每年以0.41%的速率增长。黄土高原地区1982—2017年NDVI均值呈从西北到东南递增的趋势(图 2),高值区主要分布在东南部的子午岭山区、黄龙山林区等地,低值区主要分布在榆林西北部、内蒙古、银川的东南部等地。
其中,NDVI值显著增加区域主要分布在毛乌素沙地西部和中东部、贺兰山、鄂尔多斯高原西北部以及山西吕梁山区和太行山区。通过选取1982,1999和2017年3个年份的植被覆盖覆盖变化进行分段研究,1982—2017年黄土高原地区植被覆盖状况整体好转,低植被覆盖面积呈显著减少趋势,高植被覆盖面积呈逐渐增长趋势。其中,1999—2017年变化更明显。
3.2 极端气候指数变化趋势黄土高原地区极端气温指数变化呈现较为一致的变化趋势,表征极高温事件的极端气温指数SU25,TMAXmean,TMINmean,TN90p,TR20,TXx,TNn呈极显著的增加趋势,增加速率分别为0.482 d/a,0.047 ℃/a,0.052 ℃/a,0.37 d/a,0.3 d/a,0.048 d/a,0.033 d/a;表征极低温事件的FD0,TN10p呈现显著的下降的趋势,其下降速率分别0.580,0.285和0.185 d/a,表明该地区气温在升高。而相对于极端气温指数,极端降水指数RX1day,RX5day,R25未发生明显的变化。其中除极端降水指数RX1day,RX5day,R25外,其他的极端指数的趋势变化均通过0.01显著性水平(表 2)。
植被指数NDVI与极端气候指数FD0,TMAXmean,TMINmean,TN10p,TN90p,TR20相关系数均在0.46以上,达到0.01显著性水平相关(表 3);与SU25相关系数介于0.35~0.45之间,达0.05显著的相关性;而与极端气候指数RX1day,RX5day,R25,TNn相关系数均在0.30以下,未达到显著性水平(表 3)。
植被随着时节变化而变化,需进一步探讨不同季节的NDVI与极端气候指数的关系。春季的NDVI与极端气候指数TMAXmean,TMINmean,TN10p,TN90p,TNn,TXx相关系数介于0.35~0.70之间,达到0.01显著性水平;夏季NDVI与极端气候指数TMINmean,TN10p,TN90p,TNn,TXx相关系数均在0.37以上,达0.01显著性水平;秋季的NDVI仅与TMINmean,TN90p,TNn呈现出相关性(p<0.05);在冬季,植被指数NDVI与极端气候指数TXx呈现出显著的相关性(p<0.05)。而在季节变化中,极端降水指数均未与各个季节表现出明显的相关性(表 4)。
由于霜冻日数(FD0)、暴雨日数(R25)、夏季日数(SU25)和热夜指数(TR20)没有月值,因此,选取其余8个极端指数与NDVI做相关散点分布(图 3)。
从图 3可以得出,NDVI与极端降水指数RX1day,RX5day呈正相关,与极端气温指数TMAXmean,TMINmean,TN90p,TXx,TNn、呈显著的正相关。而NDVI仅与极端气温指数TN10p相关性较低。NDVI与极端降水指数RX1day具有相关性的月份主要集中在5—9月,而与RX5day仅在9月份呈显著的相关性(p<0.05)。与极端气候指数TMINmean,TN10p,TN90p,TNn在4,6,7月中通过显著性水平(p<0.01)。其中,在4,7月与NDVI具有相关性的指数最多有5个,其次在6,9月有4个指数,在12月NDVI与所有极端指数均未表现出显著的相关性(表 5)。
黄土高原地区月NDVI与当月、前1个月、前2个月极端气候指数RX1day,RX5day,TMAXmean,TMINmean,TN10p,TN90p,TNn,TXx均表现出显著的相关性(p<0.01),而与前3个月极端指数呈现不同程度的相关性(p<0.05)。NDVI与前3个月极端降水指数(RX1day,RX5day)均无显著的相关性(表 6)。与极端气温指数TMAXmean,TN10p,TN90p,TXx前1个月的相关性大于当月、前2个月、前3个月的相关性,表明黄土高原地区的植被覆盖变化对这些极端气候指数的的响应存在一定的滞后性。
黄土高原自身复杂的地形影响和长期人类活动的干扰,如:乱砍乱伐、过度开垦土地等。导致黄土高原水土流失严重、生态环境脆弱。植被覆盖状况在区域调节气候、改变水土流失扮演着重要角色,也是衡量土壤侵蚀的重要指标[14]。1982—2017年,黄土高原地区NDVI总体呈上升趋势,且在1999年后,植被NDVI增长幅度显著增大,这与Sun、张翀等人[15-16]研究黄土高原植被呈显著增长的趋势结果一致。在空间分布特征上,黄土高原植被覆盖呈西北到东南递增的趋势,表明东南部植被覆盖状况比西北部好,且从不同时间尺度看,黄土高原子午岭区、黄龙山林区、毛乌素沙地西部NDVI值显著增加。影响植被生长的主要因素可分为气候和人类活动。中国政府在1999年以后进行大规模的以退耕还林还草为主的植被恢复工程,使得黄土高原地区植被覆盖在一定程度上的得到了改善[17]。黄土高原地区水资源短缺,气候环境恶劣。因此,在气候因素中,主要是降水和气温与植被生长有着密切联系,降水与温度主要调节植被年内生长规律,对植被生长有着较大的贡献。
4.2 NDVI对极端气候的响应本文采用12个极端气候指数,其中表征极高温事件的指数(SU25,TMAXmean,TMINmean,TN90p,TR20,TXx,TNn)呈极显著的增加趋势,表征极低温事件的指数(FD0,TN10p)均呈现下降的趋势,表明近几十年来黄土高原地区气温在上升,变暖明显。21世纪以来,全球变暖明显,绝大部分地区夏季温度更高,冬季气温回暖,暴雨事件增多[18-20]。植被与极端气候指数的关系随季节变化而变化,具有明显的季节依赖性,二者之间的相关主要出现在植被的生长季[21]。在不同的季节,NDVI与极端气候指数的相关性不同,春季和夏季的相关性高于秋季和冬季,主要是因为秋季有效能量下降,植物代谢减缓,冬季温度偏低,降水偏少,从而抑制植被生长[22]。
极端气候不同于普通气候变化,具有突发性,其发生会对生态环境和人类生活造成不利影响。植被是陆地生态系统重要的组成部分,也是气候变化中最为敏感的部分。黄土高原地区植被季节变化明显,降雨集中且多暴雨,主要集中在6—9月[23]。相关分析表明,在年际变化中,NDVI主要与极端气温指数(TMAXmean,TMINmean,TN90p,TXx,TNn)具有显著的相关性(p<0.01),而在月尺度上,NDVI与极端降水指数(RX1day,RX5day)和极端气温指数(TMAXmean,TMINmean,TN90p,TXx,TNn)呈现出显著的相关性(p<0.01)。极端降水指标RX1day和RX5day仅表示一段时期的降水量,与均态降水不同,可能有其他因素影响二者相关性,例如太阳辐射、城市化等,因此,在月尺度上NDVI与极端降水指数呈显著的相关性。NDVI对极端气候指数的响应特征在不同时间尺度相关性不同[24-26]。同时,考虑推迟的1,2和3月情况下,NDVI与极端降水指数未表现出显著的相关性,而与极端气温表现出明显的滞后性;且NDVI与极端气温指数TMAXmean,TN10p,TN90p,TXx前1个月的相关性大于当月、前2个月、前3个月的相关性,说明植被变化对极端气候的响应具有一定滞后性[27-28]。植被—气候的关系是一个复杂的系统,植被的变化是一个动态变化的过程,仍需进一步评估植被变化对极端气候的响应机制。
5 结论(1) 1982—2017年黄土高原NDVI呈显著增加的趋势,以每年0.37%的幅度增加(p<0.01),且空间上呈从西北到东南递增的趋势。
(2) 极端气候指数变化中,极端气温指数变化趋势较为一致,即表征极端高温事件的指数(SU25,TMAXmean,TMINmean,TN90p,TR20,TXx,TNn)呈极显著的增加趋势,表征极低温事件的指数(FD0,TN10p)均呈现下降的趋势,极端降水指数未发生明显变化。
(3) NDVI年际上与极端气温指数(TMAXmean,TMINmean,TN90p,TXx,TNn)显著相关(p<0.01);月尺度上,NDVI与极端降水指数(RX1day,RX5day)和极端气温指数(TMAXmean,TMINmean,TN90p,TXx,TNn)显著相关(p<0.01);季节尺度,NDVI与极端降水指数未表现出明显相关性,而与极端气温指数显著相关;且春季和夏季的相关性高于秋季和冬季。
(4) 黄土高原地区NDVI与极端气温指数TMAXmean,TN10p,TN90p,TXx前1个月的相关性大于当月、前2个月、前3个月的相关性,说明植被变化对极端气候的响应具有一定滞后性。
[1] |
黄强, 陈子燊. 全球变暖背景下珠江流域极端气温与降水事件时空变化的区域研究[J]. 地球科学进展, 2014, 29(8): 956-967. |
[2] |
郑景云, 郝志新, 方修琦. 中国过去2000年极端气候事件变化的若干特征[J]. 地理科学进展, 2014, 33(1): 3-12. |
[3] |
Wagner D.. Scenarios of extreme temperature events[J]. Climate Change, 1996, 33: 385-407. DOI:10.1007/BF00142585 |
[4] |
郭敏杰.基于NDVI的黄土高原地区植被覆盖度对气候变化响应及定量分析[D].陕西杨凌: 中国科学院教育部水土保持与生态环境研究中心, 2014.
|
[5] |
孙红雨, 王长耀, 牛铮, 等. 中国地表植被覆盖变化及其与气候因子关系:基于NOAA时间序列数据分析[J]. 遥感学报, 1998, 2(3): 204-210. DOI:10.1088/0256-307X/15/12/025 |
[6] |
姚雪茹.鄂尔多斯高原植被变化及其与气候、人类活动的关系[D].内蒙古呼和浩特: 内蒙古大学, 2012.
|
[7] |
赵安周, 张安兵, 赵延旭, 等. 基于MODISNDVI数据的陕甘宁地区植被覆盖时空变化及其对极端气候的响应[J]. 水土保持研究, 2018, 25(3): 224-231, 222. |
[8] |
祝稳.西北干旱区植被覆盖动态及其对极端气温和降水过程的响应[D].甘肃兰州: 西北师范大学, 2015.
|
[9] |
杨方兴.内蒙古地区极端气候事件时空变化及其与NDVI的相关性[D].陕西西安: 长安大学, 2012.
|
[10] |
Zhang Xuebin, Yang Feng. RClimDex(1.0), User Manual[M]. Canada: Climate Research Branch, Environment, 2004.
|
[11] |
Frich P, Alexander L V, Della-Marta P, et al. Observed coherent changes in climatic extremes during the second half of the twentieth century[J]. Climate Research, 2002, 19: 193-212. DOI:10.3354/cr019193 |
[12] |
曹洁萍, 迟道才, 武立强, 等. Mann-Kendall检验方法在降水趋势分析中的应用研究[J]. 农业科技与装备, 2008(5): 35-37, 40. DOI:10.3969/j.issn.1674-1161.2008.05.013 |
[13] |
张盛霖, 邓高燕, 黄勇奇. Mann-Kendall检验法在Excel中的实现与应用[OL].中国科技论文在线, http://www.paper.edu.cn.
|
[14] |
刘晓燕, 刘昌明, 杨胜天, 等. 基于遥感的黄土高原林草植被变化对河川径流的影响分析[J]. 地理学报, 2014, 69(11): 1595-1603. DOI:10.11821/dlxb201411001 |
[15] |
Sun Wenyi, Song Xiaoyan, Mu Xingmin, et al. Spatiotemporal vegetation cover variations associated with climate change and ecological restoration in the Loess Plateau[J]. Agricultural and Forest Meteorology, 2015(209/210): 87-99. |
[16] |
张翀, 任志远. 黄土高原地区植被覆盖变化的时空差异及未来趋势[J]. 资源科学, 2011, 33(11): 2143-2149. |
[17] |
高健健, 穆兴民, 孙文义. 1981-2012年黄土高原植被覆盖度时空变化特征[J]. 中国水土保持, 2016(7): 52-56. DOI:10.3969/j.issn.1000-0941.2016.07.022 |
[18] |
Zhou Yaqing, Ren Guoyu. Change in extreme temperature event frequency over mainland China, 1961-2008[J]. Climate Research, 2011, 50(2): 125-139. DOI:10.3354/cr01053 |
[19] |
张照玺, 胡彩虹, 李世豪, 等. 黄河流域1961-2010年极端气温指数的时空变化特征[J]. 气象与环境科学, 2015, 38(2): 48-53. DOI:10.3969/j.issn.1673-7148.2015.02.009 |
[20] |
Domonkos P, Kyselý J, Piotrowicz K, et al. Variability of extreme temperature events in south-central Europe during the 20th century and its relationship with large-scale circulation[J]. International Journal of Climatology, 2003, 23(9): 987-1010. DOI:10.1002/joc.929 |
[21] |
侯美亭, 赵海燕, 王筝, 等. 基于卫星遥感的植被NDVI对气候变化响应的研究进展[J]. 气候与环境研究, 2013, 18(3): 353-364. |
[22] |
丁婧祎, 赵文武, 王军, 等. 降水和植被变化对径流影响的尺度效应:以陕北黄土丘陵沟壑区为例[J]. 地理科学进展, 2015, 34(8): 1039-1051. |
[23] |
袁丽华, 蒋卫国, 申文明, 等. 2000-2010年黄河流域植被覆盖的时空变化[J]. 生态学报, 2013, 33(24): 7798-7806. |
[24] |
王晓利, 侯西勇. 1982-2014年中国沿海地区归一化植被指数(NDVI)变化及其对极端气候的响应[J]. 地理研究, 2019, 38(4): 807-821. |
[25] |
Zhang Dongdong, Yan Denghua, Wang Yicheng, et al. Changes in extreme precipitation in the Huang-Huai-Hai River basin of China during 1960-2010[J]. Theoretical and Applied Climatology, 2014, 120(1/2): 195-209. DOI:10.1007/s00704-014-1159-2 |
[26] |
Chen Yu, Chen Xianyan, Ren Guoyu. Variation of extreme precipitation over large river basins in China[J]. Advances in Climate Change Research, 2011, 2(2): 108-114. |
[27] |
Zhao Anzhou, Zhang Anbing, Liu Xianfeng, et al. Spatiotemporal changes of normalized difference vegetation index (NDVI) and response to climate extremes and ecological restoration in the Loess Plateau, China[J]. Theoretical and Applied Climatology, 2017, 132(1/2): 555-567. |
[28] |
王智.深圳市植被动态变化及其对极端气候的响应[D].北京: 中国地质大学, 2018.
|