2000—2016年云南地区植被覆盖时空变化及其对水热因子的响应

何云玲,李同艳,熊巧利,余 岚

云南大学资源环境与地球科学学院, 昆明 650091

植被是陆地生态系统中能量转换、水文循环、气候调节的重要纽带,对生态系统环境变化起到敏感的指示作用[1]。政府间气候变化专门委员会(IPCC)第五次评估报告表明：1880—2012年全球地表温度升高了0.85℃,变暖幅度自20世纪90年代以来明显加速[2]。我国的气候变化趋势与全球基本一致,1951—2009年地表平均气温上升了1.38℃,变暖速率为0.23℃/10a,特别是近50年来,增暖趋势尤为显著,高于同期全球增温平均值,气候变暖已经导致中国大部分区域植被活动增加[3],针对植被与气候变化关系的研究已成为全球变化研究的核心内容之一[4]。

归一化植被指数(Normalized Differnce Vegetation Index, NDVI)能够较敏感的反应植被生长的状况,常用于研究植被与气候间的关系[5- 8]。近年来,国内外学者基于NDVI在全球、大洲、国家和地区等不同尺度上对植被覆盖的时空变化特征做了深入研究,方法相对成熟,研究成果也较多[9- 13]。Myneni等指出气候变暖使北半球中高纬度的植被覆盖有增加的趋势[14]。降水对我国华北地区草地生态系统的影响大于气温的影响[15];东北地区春季植被生长受到气温影响较大,夏季受到降水影响较大[16];黄土高原月NDVI与当月降雨量的相关性强于温度,植被生长对温度的响应存在一个月的滞后期,而对降雨的响应无滞后效应[17];西南大部分地区植被覆盖变化与温度因子的相关性更为显著,温度是影响该区植被变化的主要自然因素,而与降水因子在不同响应周期下的相关系数空间差异较大[18-19]。

云南地处低纬高原,地形复杂多样,生物资源丰富；已有研究表明近50年来云南地区气候变化突出,主要表现为与全球一致的变暖趋势,1961—2008年平均气温上升了0.66℃,增温速率为0.14℃/10a,低于全国平均水平,略大于全球气候变化平均水平[20-21]。从区域尺度来看,气候变化势必引起区域水热条件的变化,从而影响自然生态系统的结构和功能[22]。因此,本研究通过在不同尺度上分析云南地区NDVI的时空变化及其与各气候因子的关系,可更好地理解该地区植被对气候的响应,为研究区应对气候变化提供更准确的科学依据,对于植被恢复、环境保护与可持续发展有着重要意义。

1 研究区概况

云南地区位于97°31′—106°11′E,21°8′—29°15′N；北回归线横穿云南南部,东西跨度864.9 km,南北跨度990 km,总面积39.41万km2,西邻西藏自治区,北邻四川,东邻贵州、广西,南与缅甸、老挝、越南毗邻。地形以山地高原为主,山地高原面积占全区面积的84%,地势西北高,东南低。全区河川纵横,著名的红河与南盘江发源于云南境内。气候基本以亚热带季风气候为主,有少部分区域位于热带；立体气候特点显著,类型多样,年温差较小,日温差较大,干湿季分明。复杂的地形地貌与适宜的气候使得云南发育有全国最多的植物种类,全国2万种高等植物云南占60%以上,被誉为“植物王国”,森林面积居全国第3位,植被覆盖率达50%以上。

2 数据来源与方法

2.1 数据来源与预处理

NDVI数据来源于美国NASA(https://modis.gsfc.nasa.gov/data/)正式发布的基于Terra和 Aqua卫星数据全球数据集,空间分辨率为250 m,16 d合成,时间从2000—2016年,该数据已通过辐射定标、畸变校正、大气、气溶胶、臭氧吸收订正等相应处理。将旬NDVI数据通过MRT进行拼接、投影转换,再通过最大值合成法(Maximum Value Composites, MVC)计算月、季、年NDVI最大值。季节划分采用气象学上的标准：春季是3—5月,夏季是6—8月,秋季是9—11月,冬季是12月和次年l—2月,生长季是4—9月[17]。

图1 研究区气象站点位置Fig.1 Location of meteorological stations in Yunnan Province

气象数据来源于国家气象信息中心提供的云南地区范围内从2000—2016年的气温(月平均气温、月最低气温、月最高气温)、降水量数据,共有气象站点126个(图1)。数据经过质量控制后,根据各气象站点的经纬度信息,采用ArcGIS的空间分析模块对收集的气象数据进行Kriging空间插值,获取与NDVI具有相同时空分辨率的气象数据栅格数据集,通过空间掩膜,剪切出云南地区气温、降水栅格图像。

2.2 研究方法

2.2.1 趋势分析

对时间自变量和NDVI因变量数据,采用最小二乘法,计算数据集中所有像元的NDVI与时间的回归斜率,公式如下：

(1)

式中,n为年份,k为n年中的某一年,θsolp为NDVI的变化趋势,xi为NDVI值。

2.2.2 相关分析

通过皮尔逊相关分析来研究各气候水热因子与NDVI之间的关系,相关系数在-1到1之间,计算公式为：

(2)

式中,n为年份,i为n年中的某一年,x为自变量,y为因变量(NDVI)。

2.2.3 湿润度指数

湿润度指数指降水量与潜在蒸散量之比,通常用于判断某一地区气候干、湿程度的指标[23],能直接反映某一地区的水热状况,湿润度指数越大,说明这个地区越湿润,水热条件越好,计算公式为：

(3)

式中,P为某时段降水量(mm)；PE为某时段可能蒸散量(mm),通常用FAO Penmam-Monteith或Thornthwaite方法计算。以往研究表明Thornthwait方法适用于云南地区潜在蒸发量的计算[24],由此,本研究采用Thornthwait方法计算潜在蒸发量,公式为：

(4)

式中,PEm为月可能蒸散量(mm/月)；ti为月平均气温(℃)；h指热量指数；a为常数。

月热量指数h计算公式为：

(5)

年热量指数h计算公式为：

(6)

常数a计算公式为：

a=6.75×10-7h3-7.71×10-5h-2+1.792×10-2h+0.49

(7)

当月平均气温ti≤0℃时,月热量指数hi=0,月可能蒸散量PEm=0。

2.2.4 水热综合因子

气温、降水是植被生长最重要的气候因子,已有的研究中较多的分析气温或降水对植被覆盖影响的影响情况,由于植被是受各气象因子综合影响的结果,李晓燕通过气温与降水的耦合定义了一个水热综合指数[25],数值越大,表示水热组合(平衡)越好。该指数将影响植被生长的气温与降水分别进行极差标准化,公式为：

(8)

式中Ni为第i年气温或降水标准化值,范围在-1—1之间,Mi为气温、降水第i年实际值,Mmin为最小值,Mmax为最大值。将极差标准化后的气温、降水分别赋予权重值为a=0.5,通过以下公式计算水热综合指数：

Hhtc=a×Nt+(1-a)×NP

(9)

式中,Hhtc为水热综合指数,a为权重,Nt为气温标准化值,Np为降水量标准化值。

3 结果与分析

3.1 植被覆盖的时间变化

3.1.1 月变化

图2 云南地区NDVI逐月变化图Fig.2 Monthly variation of NDVI in Yunnan Province

图2为研究区2000—2016年的NDVI逐月平均值,从图中可以看出,随月份变化NDVI值也随之发生改变,3月份NDVI达12个月中的最小值(0.494),4月开始NDVI逐渐增加,11月份达到12个月中的最大值(0.643),其中9—11月为一年中月NDVI较高值区,12月开始NDVI又呈下降趋势,研究结果与我国北方地区在8月份NDVI达最大值表现不尽相同[26]。

3.1.2 年变化

图3为研究区NDVI从2000年到2016年的逐年变化趋势,从图中可以看出,除了夏季外,其他季节NDVI与生长季和全年NDVI均呈显著的增加趋势(P<0.05)。据统计,研究区四季NDVI平均增加速度由快到慢依次为秋季(0.0063)>春季(0.0044)>冬季(0.0042)>夏季(0.0010)。可见,云南地区植被覆盖增加主要发生在春秋两季。此外,生长季NDVI平均增长速度(0.0025)大于夏季；年NDVI的变化速度与冬季差异较小,为0.0036。此外,生长季NDVI与全年NDVI的变化较为一致,最低值出现在2000年,最高值出现在2016年,17年间NDVI经历几次增加和减少的波动。整体上来看,从2000年开始云南地区NDVI呈增加趋势,植被状况总体呈好转的趋势。

图3 云南地区2000—2016年NDVI逐年变化图Fig.3 The variation of different season, growth season and annual NDVI in Yunnan Province from 2000 to 2016

3.2 植被覆盖的空间变化

3.2.1 空间分布特征

图4为研究区不同季节NDVI的空间分布图,可以看出,研究区大部分地区年NDVI的平均值在0.5—0.6之间,NDVI平均值秋季(0.65)>冬季(0.56)>夏季(0.55)>春季(0. 52)。总体来看,夏、秋、冬3个季节NDVI最低值与最高值空间分布特征基本相似,其中NDVI高值区(>0.8)主要分布在南部西双版纳、普洱,西部德宏以及东部文山东北区；NDVI低值区主要分布在滇西北迪庆、怒江州以西,中部昆明滇池东北部以及各地州市、县城中心区。其中,滇东北与滇西南地区NDVI在不同季节的空间分布存在明显差异,主要表现在滇东北春季呈现4个季节中最高值(0.899),冬季呈现最低值；而滇西南则是春季达到4个季节中最低值,冬季达到最高值(0.931)。

图4 云南地区春、夏、秋、冬NDVI平均值的空间分布图Fig.4 The distribution of different season NDVI in Yunnan Province

3.2.2 空间变化趋势

图5 云南地区NDVI变化各等级的空间分布图 Fig.5 The distribution of different NDVI change grade in Yunnan Province

从2000—2016年NDVI空间变化趋势来看(图5),云南地区NDVI总体以增加趋势为主,呈增加趋势的区域占研究区总面积的79.80%,其中又主要以<0.2的增加趋势所占面积比例最大(71.65%),主要分布在滇东北昭通以南、曲靖以北区域和文山东部地区。NDVI呈减少区域也主要以<0.2的减少趋势所占面积最大,主要分布在滇西北、滇中城市区域、滇东南的部分区域。

3.3 植被覆盖变化对水热因子的响应

3.3.1 年变化尺度上与主要水热因子的相关性分析

通过计算2000—2016年的研究区湿润度指数、综合水热因子与NDVI的相关性(图6),可见2种水热指数与NDVI的相关系数差别相对较小,置信度超过0.05水平的区域占总面积的65.00%左右。其中,湿润度指数与NDVI的空间相关中正相关、负相关、不显著相关的区域空间分布较为集中,呈正相关的区域面积占总面积的55.56%；滇西北、滇东北与NDVI多呈负相关,说明气候越湿润,不利于植被生长；滇中地区以正相关为主,气候越湿润,越利于植被生长；滇西南则以不显著相关区域为主。而水热综合因子与NDIV相关性在空间上虽然也以正负相关并存为主,但是分布较为分散,滇西北,滇东北和滇西南部分区域主要呈负相关关系,正相关主要分布在滇中(大理以西)—滇东(文山以南)一带。

3.3.2 季变化尺度上与主要水热因子的相关性分析

相关系数的平方即为拟合优度,可以相互进行比较而且能直观判断拟合优劣,因此可以利用相关系数平方之差判断NDVI变化主要受气温还是降水量变化的影响[27-28]。NDVI与降水量的相关系数平方减其与气温相关系数平方的空间分布结果如图7所示,其中值为正表明NDVI与降水量的相关性大于其与气温的相关性,值越大表示降水量的影响力越强；反之,当值为负时,则表明气温的相关性大于降水量的相关性,负值的绝对值越大表明气温对NDVI的控制越强；空白表示二者相关性相等。从图中分析统计数据可得出,春、夏、秋季NDVI受降水控制的区域面积较大,分别是受气温控制区域面积的2.38倍、1.23倍和1.21倍,分布于云南广大地区,尤其以春季表现最为明显；仅有滇西北(迪庆、怒江、丽江)、滇东北(昭通、曲靖)部分区域受到气温影响较大。而冬季NDVI则是受气温控制的区域面积较大,是受降水控制区域面积的1.24倍,尤其以滇西北、滇东北大部分区域和文山东北地区NDVI受气温控制的区域占主导。

图6 云南地区NDVI与湿润度指数、水热综合因子的相关Fig.6 Correlation relationship of WI, Hhtc with NDVI in Yunnan Province

3.3.3 月变化尺度上与主要水热因子的相关分析

滞后性是指植被不能对影响其生长的因子动态变化做出及时的反应；气温、降水不仅可以影响植被当前生长状况,同时还存在一定的滞后性,可用滞后期表示气象因子对植被变化的影响[29]。本研究通过选取当月、前1个月、前2个月、前3个月的4个特征时间气候因子值与当月NDVI计算相关系数,结果见表1所示。

图7 云南地区NDVI与春、夏、秋、冬气温和同期降水的相关系数平方差Fig.7 The difference between the coefficient square of temperature, precipitation with NDVI in Yunnan Province

Table1RelationshipsofNDVIindifferentmonthsduringthegrowingseasontotemperatureandprecipitationinrecent17yearsinYunnanProvince

月份Month当月Current month前1个月Last month最低气温Minimum temperature最高气温Maximum temperature平均气温Average temperature降水Precipitation最低气温Minimum temperature最高气温Maximum temperature平均气温Average temperature降水Precipitation40.483*-0.0640.0130.1410.2920.3820.518*-0.22550.518*0.4410.599*-0.4150.431-0.227-0.1450.2826-0.357-0.134-0.313-0.041-0.289-0.413-0.4530.38670.083-0.4250.369-0.3610.065-0.1460.0890.2128-0.255-0.765**0.126-0.110.3870.4140.539*-0.3059-0.0770.3310.033-0.2460.126-0.257-0.1650.504*月份Month前2个月The month before last前3个月Three months before current month最低气温Minimum temperature最高气温Maximum temperature平均气温Average temperature降水Precipitation最低气温Minimum temperature最高气温Maximum temperature平均气温Average temperature降水Precipitation40.1280.1380.168-0.0390.363-0.143-0.0580.39750.2190.0350.2610.100-0.0370.1400.0300.3976-0.147-0.029-0.0830.0350.0430.3040.125-0.580*7-0.146-0.225-0.0580.1500.3920.3650.431-0.21380.2380.1770.3970.1560.051-0.1150.1440.02790.139-0.034-0.030.0640.1340.543*0.218-0.435

** 在 0.01 级别(双尾),相关性显著；* 在 0.05 级别(双尾),相关性显著

从表中可知,4月份NDVI与当月最低气温,与前1个月平均气温,有着显著正相关(P<0.05)。5月份NDVI与当月最低气温、平均气温有着显著正相关(P<0.05)。6月份NDVI与前3个月的降水呈现显著负相关(P<0.05)。7月份植被生长达到较为稳定的状态,受气候因子的影响不大。8月份NDVI与当月最高气温有着极显著负相关(P<0.01),与前1个月平均气温有着显著正相关(P<0.05)。9月份NDVI与前1个月降水,与前3个月最高气温,有着显著正相关(P<0.05)。总的来说,NDVI与当月、前1个月、前2个月气温的相关性大多强于与降水的相关性。但是,NDVI与前3个月降水的相关性要强于与气温的相关性。另外,NDVI与气温的最大相关系数出现在当月(最低气温0.518,最高气温-0.765,平均气温0.599),和降水的最大相关系数出现在滞后3个月(-0.580)。研究表明,植被NDVI变化与气候因子的相关性有着明显的季节性,同时植被NDVI对气候因子的响应存在滞后性,不同月份对气候因子的滞后时间存在差异；植被生长对气温的响应无明显滞后效应,对降水存在3个月的滞后期,这表明前期的水分亏缺和盈余对植被生长有较大的影响。

4 结论与讨论

4.1 结论

本研究基于NDVI,采用多种方法揭示了云南地区植被覆盖变化状况以及对气候水热因子的响应。得到以下结论：

(1)时间变化上云南地区于3月份NDVI达最小值(0.494),11月份达最大值(0.643)。2000—2016年云南地区NDVI总体呈显著增加趋势,年NDVI的变化斜率为0.0036,不同季节(春、夏、秋、冬)和生长季的植被覆盖均呈增加趋势,其中秋季增长趋势最显著(0.0063/a)。

(2)空间变化上云南地区大部分区域植被覆盖良好,年NDVI的平均值为0.55,NDVI较高值(>0.8)区域主要分布于南部,而西北部和中部城市地区NDVI值较低。植被覆盖呈增加趋势的区域占研究区总面积79.80%；主要分布在滇东北和文山东部地区；植被覆盖减少的区域仅占研究区总面积的8.71%,主要分布在滇西北、滇中城市区域、滇东南的部分区域。

(3)云南地区湿润指数和水热综合因子在滇西北与NDVI多呈负相关,在滇中地区以正相关为主；春、夏、秋三个季节NDVI受降水影响较大,尤其春季表现最为明显；而冬季NDVI则受气温影响较大。受降水影响较大的区域主要分布在中部和南部,受气温影响较大区域主要分布在滇西北、滇东北地区。

(4)NDVI在不同月份对气候因子的滞后时间存在差异,NDVI与当月气温的相关性强于与当月降水的相关性,植被生长对气温的响应无明显滞后效应,对降水存在3个月的滞后期。

4.2 讨论

植被覆盖不仅仅代表一个区域所处的生态环境,同时也是重要的自然资源。云南地区地形以山地为主,山地面积约占84%,高原、丘陵、河谷约占16%；由于地势地貌复杂,气候条件多变,水热条件组合复杂,导致生态系统与主要水热条件的响应空间差异较大。从研究结果来看,云南地区植被覆盖整体较好,NDVI在空间分布的差异较明显,植被覆盖格局呈现“南高,北低”的分布特征,其中南部地区地势海拔较低,水热条件有利于植被生长,NDVI较高；而西北部地区和中部城市密集分布区则植被覆盖度较低。

研究区2000—2016年植被覆盖呈好转趋势,这与以往学者在云南省部分地区的研究结论相一致[30]。云南属于典型的低纬高原区,以亚热带季风气候为主,年温差小,一年中月平均气温除西北部分区域外其余均在0℃以上,四个季节中春季降雨量最少,但蒸发量最大,导致春季植被生长受到一定限制,所以在4个季节中NDVI在春季3月份呈最低值；全年中降水量集中于5—10月,尤其以8月降水量最大,研究结果显示云南地区对降水存在3个月的滞后期,前期的水分亏缺和盈余对植被生长有较大的影响,所以秋季11月份NDVI达最大值；因此,NDVI的月变化与北方夏热冬冷地区在8月份NDVI达最大值的研究结论不一致。滇西北区属寒带型气候,长冬无夏,春秋较短,是云南高山植被的主要聚集地,相关研究表明,滇西北气候呈暖湿化趋势[31],与高山植被理想生长环境(冷湿型)相违背,导致该区植被生长多以气候变化呈负相关,环境越湿热植被生长越差,而滇西南、滇东南恰好相反,气候呈暖湿化趋势[31],该区发育的多为森林植被为主,气候越暖湿植被生长越好。

得天独厚的地理位置和环境特征使得云南省一直是我国森林覆盖率比较高的省份,由于该区物种多样性居全国之首,生态系统类型极为复杂,又是中国典型的喀斯特区,石漠化、沙漠化严重,属于西南生态环境脆弱区,一方面对气候变化水热条件变化相当敏感,未来气候变化对该地区植被生态系统的影响不容忽视。另外一方面,伴随着人类活动的加剧,对云南地区植被覆盖变化的人为因素定量分析和驱动机制也需要进一步探讨,明确气候变化与人类活动与植被恢复的“因果主导”关系,分析影响其变化的驱动机制,对保护该区生态系统稳定性显得尤为必要。