天山北坡前山带降水分布型对荒漠植被的影响
——基于逐日降水数据和NDVI分析

2020-11-24 09:09闫小月姜逢清
生态学报 2020年21期
关键词:荒漠降水量降水

刘 超,闫小月,姜逢清

1 中国科学院新疆生态与地理研究所, 乌鲁木齐 830011 2 中国科学院大学, 北京 100049 3 中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室, 乌鲁木齐 830011

降水是影响干旱区植被分布的主要气候因子[1]。荒漠植被作为干旱区最具代表性的植被类型,生长所需用水主要来源之一是天然降水。因此,荒漠植被的生长状况在一定程度上能够很好地反映当地降水情况,可以作为干旱区干湿现状的“晴雨表”。干旱区荒漠植被对降水变化的响应过程研究是理解全球降水格局变化下干旱区地表植被覆盖变化的必要基础性工作,在区域应对降水变化导致的旱涝灾害、牧草与农作物减产等危害上具有重要意义。

天山是贯穿新疆东西的宏伟山系,为新疆南北疆两个自然区的天然分界线。高耸的山体阻挡西来气流,使北坡的降水明显多于南坡。在山脉和盆地的交界处,尤其是天山北坡前山带发育有狭长的荒漠植被带。这一植被带由于单纯依靠天然降水而生存,因而对降水的变化极为敏感。有关天山区域植被对降水的响应问题,国内学者已做过一些研究,如Chen等[2]研究发现天山北坡山区和平原的降水量普遍呈现上升趋势,因而该地区总体植被指数在增长;高军等[3]指出天山北坡不同区域的植被净初级生产能力与温度和降水都相关,但不同区域的相关性不同;尼加提·伊米尔等[4]对天山北坡地区2000—2015年间的植被覆盖变化趋势进行分析,指出天山北坡生长季的归一化植被指数(Normalized Difference Vegetation Index,NDVI)与降水量和气温的年际变化规律;Sun等[5]研究了1981—2009年新疆天山北部地区气候—植被的相互作用关系,指出研究区内降水是植被变化的重要驱动力,除天山北坡外植被和降水变化趋势基本一致,植被对降水的反馈效应在不同的地区存在差异;Liu等[6]分析了天山山脉2001—2013年NDVI的空间格局,发现在此期间天山山脉NDVI空间分布特征存在显著差异,NDVI在春季呈下降趋势,夏季呈上升趋势,气温、降水、土壤水分等主要因子都对植被变化产生了显著影响;王桂钢等[7]通过分析天山地区气候参数对草地季节变化影响的滞后性特征,指出当旬降水和之前一个月(0—3旬)降水累积量对于草地长势的影响最大;李杨等[8]分析了2002—2007年天山北坡生长季逐月NDVI变化的区域分异规律,得出绿洲与荒漠过渡带降水偏相关性强,主要以降水影响为主;徐丽萍等[9]通过对天山北坡NDVI动态变化与气温、降水变化的响应特征及敏感性进行分析,发现当月NDVI与前月气温呈负相关,与前月降水存在极显著正相关,NDVI对降水的敏感性较高;刘艳等[10]对天山地区影响NDVI变化的主要水热因子进行了量化分析,指出该地区草地生态系统受气候环境因子的影响程度很大;赵玲[11]通过研究天山山区MODIS植被指数与气候因子的关系,指出气候因子对不同草地类型影响的差异。对以上少量研究的梳理可见,以往研究中在考虑影响因子时均未排除人为影响因素(如灌溉等),并且集中于探究区域植被覆盖年际、月际时空变化格局及与气候因子之间的关系,而对区域植被与其主导降水因子关系的研究尚不深入。此外,比较特定时期(如年、生长季、月等)的降水观测值可知,天山北坡前山带降水不仅具有数量上的时空异质性,而且在降水分布(型)上也存在差异,表现出很强的随机性。不同量级降水和不同的降水分布型显然都会对依赖天然降水为生的荒漠植被产生影响,而以往对此的研究还明显缺乏。为弥补以上研究不足,本文采用1999—2014年生长季(4—10月)的逐日NDVI数据和降水数据,分析新疆天山北坡前山带生长季荒漠植被NDVI对降水的时滞响应特征,探讨不同量级降水和降水分布型对NDVI的影响。重点研究该类植被对不同量级降水和降水型的响应不仅有助于理解全球气候变化对干旱区植被的影响过程,研究结果也可为干旱区植被覆盖变化趋势的预测提供新思路,为全球气候变化大背景下干旱区农牧业生产灌溉、生态恢复与重建、荒漠化治理提供一定的科学依据。

1 研究区域与数据源

1.1 研究区域

天山北坡前山带位于天山山脉与准噶尔盆地的过渡地带(图1),海拔较低(约500—1500 m)、地域狭长,与天山山脉之间或直接接触或有洼地阻隔[12]。行政区划上包括科克达拉、博尔塔拉蒙古自治州、克拉玛依、石河子、昌吉、乌鲁木齐、奇台及巴里坤等地区。受天山山脉的阻挡作用,该地带降水较多,发育有典型的荒漠草原植被,为传统的春秋牧草地。该地带依靠天然降水维系的牧业发展基础薄弱,并且还不时受到干旱、风沙、虫鼠害等的威胁,对气候变化十分敏感。因此该地区是研究荒漠植被对气候变化响应的理想之地。

图1 研究区地理位置、植被类型及气象站点Fig.1 The location of study area and its vegetation types, meteorological stations

1.2 数据来源及处理

遥感卫星影像能够有效反映出整个区域空间和时间尺度上的连续变化信息,采用遥感卫星不同波段反射值计算的NDVI已被广泛用于直观表现植被覆盖变化[13-14]。故本文也采用此指数分析天山北坡前山带荒漠植被覆盖的变化。文中利用的遥感卫星数据为1999—2014年新疆区域MODIS 1B反射率原始数据(MOD02QKM),数据来源于NASA网站(https://ladsweb.modaps.eosdis.nasa.gov/),时间范围为每年4月1日至10月31日,共214×16景影像,空间分辨率为250 m×250 m。前期主要工作是利用每日的反射率数据提取NDVI指数,为此先进行了几何校正、格式和投影转换、大气校正以及图像拼接等一系列预处理,预处理后进行波段计算得到了每日NDVI初步数据。由于厚云遮蔽、地物复杂等原因,需要对NDVI进行属性裁剪,去除非NDVI数据。降水数据源于国家气象中心提供的新疆地区气象测站1999—2014年逐日降水数据。地形数据采用来自于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn/)的DEM数字高程数据产品SRTMDEMUTM,分辨率为90 m。

为了保证数据的连续性,在所有位于天山北坡的12个国家基本站中剔除了位于天山北坡的部分数据不完整的气象站,只保留日气象数据连续的气象站,因此,本研究只针对温泉、阿拉山口、乌苏、石河子、乌鲁木齐、奇台、巴里坤七个气象站点开展研究。为达到数据的有效使用,本文根据前人的相关研究经验[15-18],在时空尺度分析上分别以站点为中心,在NDVI遥感图上取站点周围24 km×24 km范围中的格点且植被类型为荒漠草地的NDVI平均值作为与该气象站点对应的NDVI值,其中将该区域历年的土地利用遥感监测图(来自中国科学院环境科学数据中心http://www.resdc.cn/)与气象站点图进行叠加, 确定出各气象站点及周围对应的荒漠植被范围,并且为避免其他因素的干扰,通过谷歌卫星地图的帮助和现场考察,在NDVI影像图上有效去除林地、人工植被、湖泊河流等常年水分有保障的区域,最大程度体现降水这一单一变量对NDVI变化产生的影响。通过比较生长季时期(4—10月)降水与NDVI的日变化,将所研究站点的降水数据做成逐年日降水数据图,并根据NDVI平均值的差异,将生长季划分成三个阶段:早期(91—120)、中期(121—280)、晚期(281—304),括号中的数字为距12月31日的天数。

2 研究方法

2.1 相关分析

采用相关系数来表征两个因子之间的相关程度。为分析降水与NDVI的关系及其影响的滞后性,运用SPSS软件计算降水与及时、滞后1天和滞后2天NDVI的相关系数,并且进行显著性检验,比较相关性[19-22]。

2.2 决策树判识分析法

决策树算法是数据挖掘中重要的分类方法,根节点、分支以及叶节点是决策树的必要组成部分,每个内部节点表示在一个属性上的检测,每个分支代表一个检测的输出,每个树的叶节点代表一个类或者类分布[23]。其中,C4.5算法是大数据决策树算法中广泛使用的一种分类模型方法,是根据信息熵的理论基础方法递归构建决策树的,其计算简易、数据处理效率高且生成的决策树易于被理解,在大数据条件判别中被广泛使用[24]。正因为决策树判识分析法的上述特性,因此本文采用该方法在明确判识因子后建立判识分析模型,对降水导致出现的NDVI变化进行判识分析并且通过概率统计最终得到不同降水型对应的NDVI变化型。

C4.5算法的原理基础:设S为包含s个数据样本的数据集,Ci(i=1,2,3...m)为样本的m个分类,si是属于类ci的样本数量。样本的信息量计算如下:

(1)

利用属性A将数据集S进行划分{S1,S2,…,Sω}(设属性A有ω个不同的值),信息熵计算公式为:

(2)

从而得到属性A的信息增益为:

G(A,S)=I(s1,s2,…,sm)-E(A,S)

(3)

然后算出信息增益率,再根据信息增益率的大小递归选择每个节点的影响因子。本文无需取舍影响因子,因此不计算信息增益率。

2.3 趋势分析法

对NDVI在16年间时空尺度上的变化趋势及变化幅度的研究,本文采用较为成熟的一元线性趋势分析法,基于像元尺度对NDVI变化趋势进行拟合,综合每个像元时间变化特征及区域空间变化,以反映出该区域在全球气候变化背景下NDVI的长期时空格局演变[25]。与差分法、极差法等相比,一元线性趋势分析法不仅考虑端点值,能够结合每日NDVI的影响,并且可以消除研究时段内偶发性异常因素对植被长势的影响,更真实地反映长时间序列植被覆盖的演化趋势[25-29]。一元线性趋势线斜率的计算公式如下。

(4)

式中,n为研究数据的时间长度;NDVIj为第j天的NDVI均值;θslope为像元回归方程趋势线斜率,若θslope>0,研究时段内NDVI变化趋势增加,反之,则呈减少趋势[30]。为了更好地从整体上判断研究区荒漠植被覆盖的动态变化趋势,根据θslope值的大小,可定义7个NDVI趋势变化等级[31- 32]:严重退化(θslope<-0.009)、中度退化(-0.009≤θslope<-0.0045)、轻微退化(-0.0045≤θslope<-0.001)、基本不变(-0.001≤θslope<0.001)、轻微改善(0.001≤θslope<0.0045)、中度改善(0.0045≤θslope<0.009)以及明显改善(θslope≥0.009)。

3 研究结果与分析

3.1 NDVI对降水滞后响应特征

3.1.1时间尺度上的特征

天山北坡前山带主要分布无叶或短叶假木贼、角果藜、伊犁绢蒿、鳞茎早熟禾等草本植物,根系相对较浅,对水分反应敏感。由于不同的植物及其不同生长阶段对降水量存在明显地时间响应差异,这在NDVI指数上会表现出及时、滞后增大或减小的现象。为探究荒漠植被整体上对降水时间响应的时滞特征,并出于简明性考虑,本文将NDVI对降水的时间响应界定为三种,即及时、滞后1天和滞后2天。为了分析不同量级降水对天山北坡前山带荒漠植被NDVI的影响,需要对日降水量的量级进行划分。实际发现中国降雨量级划分标准定得偏高,在研究区不适用。由此本文沿用肖开提·多莱特在2004年提出来的新疆降水量级新标准[33],这一标准结合了中国降水量级标准,又根据新疆的实际情况,增加了划分等级。按此标准,24小时内降水量在0.0—0.2 mm、0.3—6.0 mm、4.5—9.0 mm、6.1—12.0 mm、9.1—18.0 mm的分别是微雨、小雨、小到中雨、中雨、中到大雨。表1统计了由不同单日降水量引起的NDVI变化及时、滞后1天或2天各自出现的频数(研究区域降水主要集中在生长季早中期,生长季晚期降水稀少);表2示出了生长季早期、中期、晚期降水与及时、滞后1天或2天NDVI的相关系数。

由表1和表2可知:在生长季早期,NDVI对降水的响应时间滞后一天的频率最高,为64.82%,与降水的相关系数为0.670;其次是及时响应的频率为31.15%,与降水的相关系数为0.760;滞后2天的频率最低为4.03%,与降水的相关系数为0.690,这说明在生长季早期荒漠植被对降水的响应大概率上会延迟1天,并且表现为降水量级越大,这种规律越明显。在生长季中期,NDVI及时响应的频率总体上略大于增长滞后一天的频率,它们分别是51.29%和43.11%,与降水的相关系数分别是0.778和0.783,滞后2天的频率最低为5.60%,相关系数为0.783,说明在生长季中期,即植被生长最旺盛时期,荒漠植被对降水响应以及时性为主,植被生长对降水比较敏感。但当降水量超过12.0 mm时,NDVI滞后一天响应的概率增大,这很大程度上可能是由于降水量超过一定量时,过量的降水会通过影响土壤通气性而在某种程度上抑制荒漠草类的生长。由表2还可知,生长季早期的荒漠植被NDVI与降水的相关系数在0.7左右,相对于生长季中期整体较小。在生长季晚期,降水稀少,但存在很明显的规律性,即NDVI及时响应的频率最大,为86.61%,与降水的相关系数是0.637,响应滞后现象出现的频率很小,与降水的相关性为0.511,这表明在生长季晚期荒漠植被对降水极度敏感,这一时期的降水对植被的影响最直接。

表1 不同单日降水量引起的NDVI变化及时、滞后1天或2天各自出现的频数

(1)共统计了4787个降水日,其中属于早期的有1265个,属于中期的有3410个,属于晚期的有112个;(2)对表1的分析出现的频率是由表中列出的对应的频数(或频数和)除以对应生长季时期的统计总数得到的:64.82%由(36+373+224+187)/1265×100%计算得到,31.15%由(113+187+75+19)/1265×100%计算得到,4.03%由(0+51+0+0)/1265×100%计算得到,51.29%由(198+1381+131+39)/3410×100%计算得到,43.11%由(201+1120+56+93)/3410×100%计算得到,5.60%是由(0+191+0+0)/3410×100%计算得到,86.61%是由(38+18+41)/112×100%计算得到

表2 荒漠植被16年生长季日平均NDVI变化与降水的相关系数

以上结果和分析表明,在整个生长季(4—10月),虽然荒漠植被生长的主要影响因素是降水,但不同时期植被对降水的响应程度存在较大差异。在早期(4月),荒漠植被对降水的敏感度(植被对降水响应的时滞)最小,表现为NDVI对降水的反应延迟性最大,相关性较弱。从数据分析结果来看,日降水在6.0 mm以内,植被对降水的反应快。在中期(5—10月初),植被对降水的敏感度大幅提高,这一时期植被对降水的延迟性明显下降,两者的相关性也最强,因此在这段时间水分对荒漠植被的生长起到了显著的促进作用。从降水量来看,日降水在6.1—12.0 mm时,对植被生长的促进作用最为明显,降水量小于6.0 mm表现为降水不足,植被生长迟缓,降水量大于12.0 mm时植被生长对降水的响应也表现为迟缓。在生长季晚期(10月),虽然植被对降水的敏感度达到最大,延迟性最差,但与降水的相关性却下降到最低,这与荒漠植被处于生长末期、生长力不足有关,因此在这一时期NDVI与降水量大小无明显关系。

3.1.2空间尺度上的特征

在空间尺度上本文主要分析16年间年均降水量不同的区域,荒漠植被生长对降水响应的差异。利用研究区内的12个国家气象站的逐日降水数据得到各测站的年平均降水量值,然后利用ArcGIS工具对站点年平均降水量进行Kriging空间插值,通过数据掩膜,获取研究区年降水量的栅格图像[34](图2)。

从图2中可以看出各个站点的年均降水量存在明显差异,年降水量最大出现在天山北坡前山带中段(乌鲁木齐、石河子地区),年降水量在300 mm左右,天山北坡前山带西段(温泉)、中段东部(奇台)和天山北坡前山带东段(巴里坤地区)年降水量较少,在200 mm左右,天山北坡前山带中段中北部(乌苏、阿拉山口地区)年降水量最少,在150 mm左右。年降水量的多少反映了该地区的干湿程度,其对荒漠植被的生长必然产生影响。

图2 研究区域年均降水量的分布图Fig.2 The average annual precipitation distribution map of the study area

本研究通过比较分析总结出不同地区在各自降水情况下NDVI变化的差异(表3),反映出降水对NDVI影响的空间差异。如表3所示,研究发现乌鲁木齐、石河子地区的荒漠植被对降水的响应是基本一致的,在生长季早期主要表现为滞后1天,两地出现这一滞后特征的频率分别为84.96%和81.65%,而及时响应小概率出现(15.04%和18.35%);在生长季中期,两地出现滞后1天的频率还是最大,但分别减小为53.23%和56.44%,及时响应的频率分别增大到37.38%和40.08%;在晚期两地出现滞后1天与及时响应的频率大致相等,无滞后2天的现象。对于年降水量在200 mm左右的地区,地处前山带西段的温泉区域和地处前山带东段的巴里坤地区年均降水量都为240 mm,在生长季早期和中期,两地区荒漠植被对降水的及时响应和滞后1天响应出现的频率都基本相等,温泉地区早期两者的频率分别是48.41%和50.00%,中期两者为44.48%和42.91%,巴里坤地区早期(52.53%和47.47%),中期(44.38%和47.19%);在生长季晚期两地以及时响应为主。而地处前山带中段东部的奇台地区年均降水量在180 mm左右,在生长季早期荒漠植被对降水的响应大概率表现为滞后1天,频率在95%以上,在中期及时响应的频率增大为59.26%,滞后1天的频率相应减小为40.74%,在晚期滞后1天的频率又占主导作用。对年均降水量在150 mm左右的地区,如乌苏(年降水量160 mm),这一区域在生长季早期出现及时响应的频率(40.40%)略大于滞后1天的频率(32.32%),并存在较大频率的滞后2天的现象(27.27%),在中期滞后1天的频率最大为49.67%,其次是及时响应为48.16%,在晚期还是以及时响应为主;阿拉山口地区降水较少(120 mm),在生长季早期和晚期荒漠植被对降水的响应与乌苏地区表现一致,但在中期以及时响应为主,频率增大到73.16%。

表3 不同地区降水引起的NDVI变化及时、滞后1天或2天各自出现的频数

从上述分析来看,天山北坡前山带中段降水充沛,虽然在生长季降水对植被起到主导作用,但滞后现象出现的频率较大,说明这一地区的逐日降水量一定程度上超过了荒漠植被的水分需求量,导致植被生长受一次或两次降水的影响不明显。前山带西段和东段降水较为充沛,荒漠植被的及时响应与滞后响应基本持平,说明该区域的逐日降水量可能恰好使荒漠植被的水分需求量达到饱和。天山北坡前山带中段东部和中部降水适中,且在生长季早期降水较为集中,故在早期滞后响应明显,但在生长季中期荒漠植被的及时响应完全超过滞后响应,这说明这一区域中期的降水量比较有利于植被的生长。对于前山带中段北部的阿拉山口,植被对降水的及时响应最为显著,说明该区域的降水量对植被的生长起到了明显主导作用。

3.2 干期长度与NDVI长期动态变化趋势

3.2.1NDVI动态变化趋势

为了对NDVI在长时间尺度上的趋势有明确的认识,本文采用一元线性趋势分析法对NDVI长期变化趋势进行分析,首先分析16年间每年生长季早中晚期植被覆盖的变化趋势,比较每年不同时期植被覆盖的改善退化程度,从而得出某一地区每年降水时间分布和降水量差异的影响,反之它也可以反映出历年大气的干旱程度。结果发现θslope位于-0.0026和0.0063之间,天山北坡前山带各区域的荒漠植被覆盖情况的变化趋势并不一致(图3)。从图3中可以得出,在每年的生长季早期,阿拉山口、温泉、巴里坤地区2005年之前出现植被轻微退化的频率较大,在2005年之后植被覆盖基本是保持不变或轻微改善;乌苏、乌鲁木齐、石河子(乌兰乌苏)地区在2010年之前植被覆盖基本是保持不变或轻微改善,在2010年之后植被覆盖出现轻微退化的现象;而对于奇台地区,除2004年、2011年出现轻微退化现象外,在其他年份的生长季早期植被覆盖表现为保持不变或轻微改善。

在每年的生长季中期,所有地区的植被覆盖都表现为基本不变,但在变化趋势上也存在差异,最为明显的是在2009年温泉、乌苏、乌鲁木齐、奇台地区的θslope都是比较大的负值,而其他年份所有地区以正值为主。在每年的生长季晚期,最为明显的特征是在2000—2002年间所有地区的植被覆盖趋于改善,在2003—2010年间阿拉山口、温泉、乌苏地区植被覆盖以轻微退化为主,其他地区为基本不变,而在2011—2012年所有地区的植被覆盖以基本不变为主,2013—2014年所有地区的植被覆盖又以轻微退化为主。

图3 16年生长季各时期日均NDVI变化趋势的θslope值Fig.3 θslopevalue of daily NDVI variation trend in each period of 16 years′ growing season

从上述结果分析来看,虽然不同地区每年的NDVI变化趋势都存在较大差异,但通过结合各地区每年降水数据发现,对整个研究区域来说,无论其中任一地区年均降水量是多是少,都表现出在生长季期间降水较多的时期,植被覆盖普遍出现为基本不变或轻微改善的趋势,相反在降水较少的时期,植被覆盖普遍出现轻微退化或基本不变的趋势。如乌鲁木齐地区年均降水量在300 mm以上,属于降水较充沛区域,在2002年年降水量达到340 mm,但由于降水分布严重不平衡,生长季早期降水集中,植被覆盖变化趋势为轻微改善,在生长季中期降水较少,并且连续无雨日较多,植被覆盖变化趋势是基本不变但θslope为负的极小值,在晚期降水很少,植被覆盖变化趋势为轻微退化;阿拉山口地区年均降水量在120 mm以下,属于降水较稀少地区,在2000年年降水量为75 mm,降水分布同样不平衡,在生长季早期降水几乎为0,其植被覆盖变化趋势表现为轻微退化,在生长季中期降水增加但降水量较少,植被覆盖变化趋势同样表现为基本不变且θslope为负的极小值,在晚期降水集中且充沛,植被覆盖变化趋势为轻微改善。因此,我们可以反过来通过计算体现某地区植被覆盖变化趋势的θslope值,来判断这一时期该地区大气的干湿程度。

3.2.2干期与干期结束后的第一次降水对NDVI的影响

干期是指一年内连续多日无降水的时段。对每年内不同长度的干期进行提取分析,计算从干期内及干期结束第一次降水后NDVI的变化趋势,分析干期长度及第一次降水量对NDVI变化有无显著影响。通过统计发现研究区干期长度从2天到20天以上都有出现,并且时间长度相近的干期对NDVI的变化趋势的影响程度趋于一致。结合逐日降水数据和NDVI值,进一步研究发现对整个生长季而言,大于等于18天的干期使植被出现退化的频率(85.00%)明显大于其他干期长度,13—17天的干期使植被出现退化的频率明显减小(58.33%),8—12天及以上干期大概率使植被生长趋于稳定,小概率会出现改善或退化(不超过10.00%),7天及以内的干期使植被出现改善的频率最大(66.67%) 因此本文将干期长度划分为2—7、8—12、13—17、18天及以上4个区间(表4)。

从表4中可以看出,在生长季早期,干期结束后第一次降水量在6.0 mm以下时,无论干期长短,植被覆盖趋势都是轻微退化甚至中度退化;第一次降水量在6.1—12.0 mm之间,干期长度在18天以内时,植被覆盖趋势基本表现为明显改善或轻微改善;当干期长度在18天以上时表现为基本不变;当第一次降水量超过12.0 mm后,无论干期长短,植被覆盖趋势以中度或轻微退化为主。在生长季中期,第一次降水量小于0.2 mm时,植被覆盖趋势全部表现为轻微退化甚至中度退化,当第一次降水量在0.3—6.0 mm之间,干期长度小于18天时,植被覆盖趋势基本表现为明显改善或轻微改善,干期长度超过18天后,植被覆盖趋势表现为轻度退化,当第一次降水量超过6.0 mm时全部表现为轻微退化甚至严重退化。在生长季晚期,第一次降水量在6.0 mm以下时,无论干期长短,植被覆盖趋势以轻微退化甚至中度退化为主,当第一次降水量在6.1—12.0 mm之间,干期长度在18天以内时,植被覆盖趋势表现为轻微改善或基本不变,当干期长度在18天以上时表现为中度退化,第一次降水量超过12.0 mm后全部表现为退化。总之,生长季干期长度在18天以内,对植被覆盖影响不明显,干期长度超过18天,会影响植被覆盖的变化趋势。

表4 不同长度干期期间的NDVI变化趋势

为研究干期长度能否对NDVI对降水的滞后响应产生影响,结合逐日NDVI值和3.1.1的研究结果,统计干期结束后的第一次降水属于同一降水量级的各个干期的NDVI对第一次降水的滞后响应特征,发现在生长季早、中期干期长度在8天及其以内时,NDVI及时响应降水的频率都略大于滞后1天的频率,当干期长度大于8天时,NDVI响应降水滞后1天的频率超过及时响应,且滞后1天的频率随干期长度的增加而逐渐增大,干期长度超过13天后,NDVI滞后1天的频率能够达到67.00%左右。在生长季晚期,干期长度对NDVI对降水的滞后现象无明显规律。

3.3 连日降水分布型的影响

对于每年生长季中的降水分布,单日降水较多,连日降水较少且全部集中在生长季的早中期,统计发现连日降水对NDVI的影响更复杂,因此值得分析研究。首先,依据五个站点的日降水量数据,总结出三种连日降水型(图4),分别是图4所示的A型(2天)、B型(2天)、C型(多天),三种连日降水型在所有统计数据中出现的频率分别为26.9%、51.5%、21.6%。

图4 三种连日降水型Fig.4 Three types of continuous precipitation

由上面三种降水分布引起的NDVI变化可归纳为下面所示的4种类型(图5)。

图5 NDVI变化型Fig.5 NDVI change type图中横轴第0天表示降水前一天,第1天表示降水第一天,第2天表示降水末一天,第3天表示降水后一天

NDVI除了由不同降水型引起的上面这四种变化类型外,还会出现几种频率极小的变化,初步认定为是偶然性因素干扰造成的,为保证研究的严谨性,本文将其全部归类为“θ型”,最后根据是否落入置信区间判定取舍。

为找到不同降水型和NDVI变化型的最佳对应关系,构建基于C4.5决策树算法的判识分析模型[24],这一部分是在SPSS软件中完成的。模型构建过程如下:

根据前期对样本的归纳首先选取了NDVI0、NDVI1、NDVI2、NDVI3这四个特征要素,它们分别表示第0、1、2、3天的NDVI值,然后根据下列公式计算得到三个判别因子:f1、f2、f3:

(5)

从而建立判别分析模型(图6)。

图6 基于C4.5决策树算法的判识分析模型Fig.6 Discriminant analysis model based on C4.5 algorithm

将三种降水型对应的NDVI变化分别带入模型中,输出结果并计算每一个结果的置信度,最终确定每种降水型导致的NDVI变化型。通过确定以P=0.05为置信度的置信区间,观察每一个结果是否在置信区间内,结果发现所有θ型全都落在置信区间外,即降水型导致它们出现的频率低于5%,在这一研究中认为不可信,故不加考虑。图7显示了三种降水型引起的NDVI四种变化类型α、β、γ、δ出现的频率。

在上述研究中,生长季早期A型、B型、C型降水分别出现了112次、176次和56次,生长季中期A型、B型、C型降水分别出现了185次、376次和178次,这三种降水型导致的NDVI变化在不同时期显然不同,下面依然按照5%的置信度进行分析。

从图7中可以看出,在生长季早期,A型降水主要导致NDVI出现γ变化型(P=0.140),其次是α变化型(P=0.093);B型降水在早期导致的NDVI变化较为复杂,α变化型(P=0.186)、γ变化型(P=0.186)、δ变化型(P=0.093)都有可能出现;C型降水在早期主要使NDVI的变化表现为γ变化型(P=0.093)。在生长季中期,A型降水除了和在早期一样导致NDVI出现γ变化型(P=0.089)外,所导致的NDVI变化型发生了变化,由α变化型换成了β变化型(P=0.089);B型降水导致的NDVI变化和A型一样,与早期相比α变化型换成了β变化型(P=0.198),主要变化型还是γ变化型(P=0.286),但δ变化型不再出现;C型降水在中期和早期一样主要使NDVI的变化表现为γ变化型(P=0.110),但在中期也会出现β变化型(P=0.089)。

图7 不同降水型引起的NDVI的变化类型出现频率Fig.7 The frequency of NDVI variation types caused by different precipitation patterns图中横轴A表示A型降水,B表示B型降水,C表示C型降水

分析结果表明,B型降水出现的频率最大,在生长季早中期一共出现了552次,占比达到一半以上,A型、C型降水出现的频率大致相同,并且发现无论哪种降水型都有可能引起γ变化型,但为增大植被及时连续生长的概率,有效利用降水,通过观察这四种NDVI变化型,发现应该尽可能增大α、β、δ变化型出现的概率,因为这三种变化型以增长为主,其中以β变化型最佳。首先针对B型降水导致的NDVI变化,在P=0.05的置信度条件下,研究得出当出现B型降水时,NDVI有50%的概率会发生γ变化型的变化,而对于其他三种NDVI变化型而言,在生长季早期,B型降水除不会使NDVI出现β变化型外,其他两种变化都存在较大的可能。在中期,NDVI变化出现明显变化趋势,β变化型出现而其他两种变化型消失。究其原因可能是由于在这一时期荒漠植被生长旺盛,对水分需求量大,因此出现降水后NDVI连续增长的概率增大。A型、C型降水两者出现的频率较小,在早期,A型降水除导致γ变化型变化外,出现α变化型的频率也很大,C型降水只能使NDVI出现γ变化型变化,在中期,A型和C型降水都使得NDVI出现γ变化型变化和β变化型变化,但A型降水导致β变化型的概率较大。

综上所述,在生长季早期,降水应该以B型降水为主的情况下,植被趋于生长茂盛;在生长季中期,降水以A型降水为主的情况下,能够大概率有效维持植被繁茂的趋势。

3.4 降水量与NDVI值增幅的关系

为分析日降水量级对NDVI的影响,统计了降水后的NDVI的增幅情况(表5)。从表5可以看出,在生长季早期降水量小于0.2 mm时,NDVI增幅集中在0.1以内,频率达92.25%,出现NDVI增幅大于0.15的情况的频率很小;当降水量在0.3—6.0 mm之间时,NDVI增幅值在0.15及以上的频率增大到22.59%,当降水量在6.1—12.0 mm之间时,NDVI增幅越来越向0.15及以上集中,频率达到了41.53%,而当降水量超过12.0 mm时,NDVI增幅值在0.15及以上的频率下降到24.68%;在生长季中期,降水量小于0.2 mm和在0.3—6.0 mm之间时,NDVI增幅值的随机性较大,在0.15及以上的频率分别为30.80%、30.96%;当降水量在6.1—12.0 mm之间时,NDVI增幅在0.15及以上的频率达到最大,为64.96%,而当降水量超过12.0 mm时,NDVI增幅值在0.15及以上的频率又下降到49.51%;在生长季晚期,降水量在6.0 mm以下时,NDVI增幅在0.15及以上的频率为51.69%,当降水量在6.0 mm以上时,NDVI增幅有表现为较强的随机性。

表5 降水量导致的不同NDVI增幅出现的频数

从上述结果可以发现这一部分的研究与前面NDVI响应降水延迟部分的研究结果相对应,即在生长季早、中期,降水量在6.1—12.0 mm时对荒漠植被的生长最有利,降水量在0.2 mm以下时,NDVI增长幅度较小,植被生长速度较慢,在0.3—6.0 mm时,NDVI增幅在0.1左右,长势较强,但当降水量达到12.0 mm后,降水对荒漠植被生长的促进作用出现明显下降;而在生长季晚期,降水量对植被的影响不显著,NDVI增幅值的随机性较大。

4 结论

整体上,天山北坡前山带荒漠植被生长的主要影响因素是降水,在生长季NDVI对降水的响应在时间、空间尺度以及直观表现上均存在较大差异。通过分析获得以下几点结论:

(1)在生长季早期,NDVI对降水的反应延迟性最强,相关性较弱,在中期NDVI对降水的敏感度大幅提高,相关性最强,且在这一时期日降水在6.1—12.0 mm时,对植被生长促进效果最明显,在晚期虽然植被对降水的敏感度达到最大,但和降水的相关性却下降到最低。从空间上看,天山北坡前山带中段南部降水充沛,滞后现象明显,前山带西段和东段降水较为充沛,及时响应与滞后响应基本持平,天山北坡前山带中段东部和中部降水适中,生长季早期滞后明显,中期滞后不明显,前山带中段北部及时响应最为显著。

(2)虽然不同地区每年的NDVI变化趋势都存在较大差异,但无论研究区域中任一地区年均降水量是多是少,都表现出在生长季期间降水较多的时期,植被覆盖普遍出现为基本不变或轻微改善的趋势,相反在降水较少的时期,植被覆盖普遍出现轻微退化或基本不变(θslope为负的极小值)的趋势,未来可以通过计算体现某地区植被覆盖变化趋势的θslope值,来判断这一时期该地区大气的干湿程度。

(3)干期长度在18天以内时对植被覆盖变化趋势影响不明显,干期长度超过18天会影响植被覆盖的变化趋势,而且在早、中期干期越长(>8)NDVI对降水响应的滞后性越强。

(4)连日降水型对NDVI的影响明显,在生长季早期,B型降水最有利于荒漠植被生长,在中期,A型降水最有利于荒漠植被生长。在生长季早、中期,降水量在6.1—12.0 mm时对荒漠植被的生长最有利,NDVI增长幅度在0.15以上,植被生长速度迅速,而在生长季晚期,降水量对植被的影响不显著,NDVI增幅的随机性较大。

NDVI对降水的响应规律可以在一定程度上指导草场灌溉、农业种植活动。人们可以通过掌握上述规律实现更加合理的生产灌溉,节约用水,科学规划。大致上,在生长季早期(4月),按B型降水的灌溉方式,灌溉量在6 mm以内,灌溉间隔在7天以内最佳;在生长季中期(5—9月),按A型降水的灌溉方式,灌溉量6—12 mm,灌溉间隔在13天以内最佳等。这样既有利于作物生长,又能够节约用水,可有效弥补自然力的不足。此外还可以通过NDVI的变化预测区域降水的变化趋势,为气候变化预报提供了一种新方式。然而,为全面理解荒漠植被对气候变化的响应,还需要在今后的研究中,尽可能对降水、温度、土壤湿度以及植物生理等因素进行定量化协同分析,为干旱区荒漠植被带植被保护和恢复提供全面的科学依据。

猜你喜欢
荒漠降水量降水
1958—2019年新兴县汛期降水量的气候特征
向荒漠宣战
成都市年降水量时空分布特征
四川盆地极端降水演变特征及拟合
黑龙江省玉米生长季自然降水与有效降水对比分析
荒漠生态系统的演变
降水量是怎么算出来的
为什么南极降水很少却有很厚的冰层?
1988—2017年呼和浩特市降水演变特征分析
荒漠水塘