基于NDVI的云南省2009—2010年干旱遗产效应研究

董伯纲,于 洋,2,*,吴秀芹,2

1 北京林业大学水土保持学院,北京 100083 2 北京林业大学水土保持国家林业局重点实验室,北京 100083

极端气候事件发生的频率增加是近年来全球变化的重要特征之一,其中,极端干旱是影响范围最大、给人类造成损失最为严重的极端气候事件。较之常规干旱,极端干旱会引起植物体内的严重水分失衡,不仅直接影响光合作用和呼吸作用等生理过程,抑制植株生长发育甚至造成死亡[1],还可能通过调节植物-微生物关系以及改变群落组成等过程对陆地生态系统的组成、结构和功能产生更为严重、持久、甚至不可恢复的影响[2—5]。陆地生态系统的复杂性及时空异质性等特性为预测其干旱响应增加了诸多不确定因素。

我国西南地区包括干热河谷、岩溶地貌等多种脆弱生态系统类型,是生物多样性保护的热点地区,同时也是干旱事件的多发区[6]。据历史资料统计,1949—2012年间,西南地区干旱灾害范围、程度、频次和成灾率均呈增加趋势,受灾面积超过400万km2的大规模干旱事件共发生9次[7],其中以2009年秋季至2010年春季发生的特大干旱最为严重。此次干旱事件持续时间长、覆盖面积广、影响程度深,造成了众多中小河流断流和水库干涸,对该地区的生态环境造成了严重影响[8—9]。目前人们针对2009—2010年西南地区极端干旱对植被产生的影响开展了诸多研究,得到较为一致的结论认为极端干旱使西南地区的植被指数(NDVI、EVI)和生产力(GPP、NPP)均发生显著降低[10—13],且不同类型植被对于极端干旱的响应存在较大差异[14—15]。虽然部分研究结果表明,西南地区大部分植被的植被指数和生产力在此次极端干旱事件后很快得到了恢复[11—12],但这些研究普遍缺乏对更长时间尺度上植被生长和生态系统恢复力方面的关注。极端干旱对陆地生态系统的影响可能持续数年,并显著影响植被生长[16]。Anderegg等人[17]基于树轮指数(RWI)的分析发现极端干旱对北半球温带树木生长的影响可能会持续1—4年,这种影响被称为 “遗产效应 (Legacy Effect)”,其与气候变化和干旱发生的季节具有一定的联系,并且在受干旱胁迫的生态系统表现得更为明显[18—19]。与此同时,在有关干旱遗产效应的报道中,研究发现美国草地生态系统的干旱遗产效应更多表现为对植被生长的促进[20],北半球温带森林植被的遗产效应持续时间要高于灌木和草地植被[21]。值得注意的是,当前干旱遗产效应的研究区域多集中在北半球温带和寒带地区,对热带和亚热带地区的关注较少,有关我国西南地区干旱遗产效应的研究尚未见报道。

在2009—2010极端干旱事件中,云南省是西南地区受灾和成灾面积最大的省份[9],境内受影响的自然植被生态系统面积超过全省生态系统总面积的80%[22]。作为表征地表植被覆盖和植被生长状况的重要参数,归一化植被指数NDVI已被广泛应用于此次干旱事件的检测和评估[11—12,23]。为了揭示此次极端干旱对我国西南地区植被的长期影响,本文在上述研究的基础之上,以云南省为研究区,基于NDVI和气象数据,分析2009—2010极端干旱事件的干旱遗产效应,以期了解极端干旱对植被生长影响的持续时间和强度,在全球极端气候事件发生频率增加的大背景下,为西南地区的生态恢复与保护工作提供科学依据。

1 研究区概况

云南省地处21°8′32″ —29°15′8″N,97°31′39″ —106°11′47″E,总面积约39.4万 km2。其东部与贵州省、广西壮族自治区为邻,北部与西北部同四川省、西藏自治区相连,西部同缅甸接壤,南部和老挝、越南毗连。地形主要为山地和高原,地势从西北向东南逐渐降低,平均海拔约为2000 m。气候以亚热带季风气候为主,年平均气温约16℃(图1),年平均降水量约1100 mm(图2),干湿季分明,垂直气候差异显著[24]。土壤类型以红壤和赤红壤为主。复杂的地形地貌条件与适宜的气候条件使得云南发育有众多植物,植被覆盖率达到50%以上(图3),其拥有北半球绝大多数的生物群落类型和除沙漠与海洋外的各类生态系统(图4),是全球生物多样性最丰富的地区之一。受大气环流的影响,云南冬季干旱事件频发,旱灾在云南所有自然灾害中最为严重,给当地农业造成了巨大的损失[25]。

图1 研究区年均温度分布图Fig.1 The distribution of annual average temperature in research area

图2 研究区年均降水量分布图 Fig.2 The distribution of annual annual average precipitation precipitation in research area

图3 研究区年均NDVI分布图Fig.3 The distribution of annual average normalized difference vegetation index (NDVI) in research area

图4 研究区生态系统类型分布图Fig.4 The distribution of ecosystem types in research area

2 数据与方法

2.1 数据来源

本文研究数据来源见表1,其中,归一化植被指数(NDVI)数据、生态系统类型数据和数字高程模型(DEM)数据均来源于中国科学院资源环境科学数据中心(http://www.resdc.cn/),其空间分辨率均为1 km。以4—6月为第2季、7—9月为第3季合成云南省2000—2013年的NDVI季度数据。NDVI年平均值小于0.1的象元认为是“无植被”,不用于研究。从生态系统类型空间分布数据中分别提取出森林、草地和农田三种类型对研究区植被进行分类。

表1 数据来源及说明

气象数据来源于中国气象数据网(http://data.cma.cn/),通过计算得到云南省及其周围共105个气象站点(图5)在2000—2013年逐日降水量(PRE)和潜在蒸散量(PET),并合成为与NDVI相同的季度数据。利用ArcGIS软件中加入高程的协同克里金法插值生成与NDVI数据相同的1 km空间分辨率栅格数据集。

图5 研究区地形及气象站点分布 Fig.5 The topography and the distribution of meteorological stations in research area

2.2 研究方法

2.2.1预测因子选取及相关分析

采用皮尔逊相关分析探究研究区域各象元气候因子与NDVI间的相关关系。选取降水量(PRE)、潜在蒸散量(PET)、气象干旱指数(D)的季度数据与同期NDVI数据进行相关分析,并对相关性进行显著性检验。潜在蒸散量采用联合国粮农组织(FAO)1998年对Penman-Monteith公式的修订模型计算得出,该模型考虑了空气动力学的湍流传输与能量平衡以及植被的生理特征,目前应用广泛[26]。D指数为降水量与潜在蒸散量之差(D=PRE-PET)[23]。考虑到气候因子与NDVI的相关性会直接影响植被生长预测结果的准确程度,研究将选取与NDVI相关系数较高的气候因子用于植被生长预测。

2.2.2干旱遗产效应分析

本文将采用极端干旱事件发生后1—4年内观测到的植被生长(基于NDVI遥感数据)与预测植被生长(基于气候因子与NDVI的线性关系)之间的偏离值△NDVI量化干旱遗产效应[17]：

△NDVI=NDVIobserved-NDVIpredicted

式中,NDVIobserved和NDVIpredicted分别为NDVI观测值和预测值。NDVIpredicted采用线性回归预测法,根据2000—2009年NDVI与气候因子数据所构建的一元线性回归方程,将各象元2010—2013年的实测气候因子带入后得出：

NDVIpredicted=A×Factorclimate+B

式中,Factorclimate为极端干旱后的实测气候因子,A和B为极端干旱前逐年NDVI与气候因子时间序列的线性拟合系数。

若△NDVI<0,表示植被生长受到负面抑制作用；若 △NDVI>0,表示植被生长未受到干旱影响。分别统计研究区内所有象元、NDVI与气候因子呈显著正相关(P<0.05)象元的△NDVI平均值,对比分析不同生态系统类型中植被的遗产效应差异。

3 结果与分析

3.1 植被生长和气候因子间的相关性

通过2000—2009年研究区内各象元气候因子与NDVI皮尔逊相关系数的平均值结果对比可知(表2),不同气候因子在不同时间与NDVI的相关性差异较大,与第2季度相比(4—6月),第3季度(7—9月)潜在蒸散量(PET)与NDVI具有较高正相关性(0.36),这表明7—9月潜在蒸散量与NDVI在极端干旱发生前的变化趋势基本一致,且相关系数越大的地区一致性越高。

表2 2000—2009年气候因子与NDVI的区域平均皮尔逊相关系数

研究区2000—2009年7—9月潜在蒸散量与NDVI逐象元相关系数的空间分布如图6所示,呈正相关的区域多集中在以山地为主的滇西北、滇西、滇东北和滇中地区；滇西南、滇南和滇东南地区以不显著相关和显著负相关为主。在研究区范围内,共有35.55%的象元呈显著正相关(P<0.05)。极端干旱发生期间(2009年10月—2010年3月)的降水距平空间分布结果如图7所示,通过对比可知降水严重减少的区域与相关系数较高的区域基本一致。由于正相关象元在极端干旱的影响区域内广泛分布,因此可以使用潜在蒸散量作为NDVI的预测因子。

图6 2000—2009年7—9月NDVI与潜在蒸散量的相关性 Fig.6 Correlation between NDVI and potential evapotranspiration from July to September in 2000—2009

图7 云南省2009年10月—2010年3月降水距平百分率 Fig.7 Percentage of precipitation anomaly in Yunnan Province from October 2009 to March 2010

3.2 干旱遗产效应时空分布

为了研判云南省植被生长受极端干旱影响的整体情况,分别对研究区内所有象元、NDVI与潜在蒸散量呈显著正相关(R*,P<0.05)的象元的△NDVI平均值进行了计算。在计算2010—2013年的NDVI预测值时,潜在蒸散量与NDVI的相关性越显著,其对NDVI的预测结果会越确切,得到的遗产效应结果也会更为精准。

通过不同相关性的象元平均值对比可知(图8),在极端干旱事件发生后的第1年和第2年,研究区内绝大多数象元的NDVI实际值低于预测值(分别占象元总数的69.83%和66.55%),表明植被生长受抑制而未能达到正常的预期,且在正相关性越为显著的区域,植被生长受到的抑制作用越强。在极端干旱事件发生后的第3年,植被生长的平均预测值与实际值几乎相同(最大差异为0.007),表明植被已呈现出从极端干旱抑制影响中得到恢复的迹象。第4年,区域整体NDVI实际值高于预测值,表明植被生长受到的抑制作用已经不再延续。总的来看,2009—2010极端干旱事件的干旱遗产效应在云南省持续了约2年时间,且对当地植被生长造成了负面影响。

图8 2010—2013年△NDVI统计结果Fig.8 Statistical results of △NDVI from 2010 to 2013

干旱遗产效应的空间水平分布结果如图9所示。2010年,植被生长受到抑制的区域主要集中在滇中和滇西地区,其中以大理-楚雄-昆明一带最为严重,而滇西北和滇东北北部地区的植被生长几乎未受到干旱影响；2011年干旱遗产效应空间分布与2010年基本相似,滇东北地区植被生长受到抑制作用的区域相比2010年略有增加,而滇西南地区受到的抑制作用的植被有所减少。总体来看,2010年和2011年植被生长受到抑制的区域与2009—2010极端干旱发生期间降水严重减少的范围基本一致(图7)。植被生长的恢复情况在空间上存在异质性,2012年滇西、滇中和滇东北地区的植被生长基本恢复,2013年全省植被生长恢复至正常水平。

图9 2010—2013年△NDVI水平分布Fig.9 Horizontal distribution of △NDVI from 2010 to 2013

在干旱遗产效应的空间垂直分布方面,提取NDVI与潜在蒸散量呈显著正相关(R*)的象元,以500 m为区间段对0—5000 m范围内各高程段△NDVI的统计结果如图10所示。由图可知,2010年和2011年植被生长情况随海拔梯度的变化趋势基本一致,地处海拔2000 m附近的植被生长受到干旱的影响最为严重,而海拔高于4000 m的地区几乎未受到干旱的影响。海拔低于2000 m时,随着海拔的逐渐降低,植被生长受到的抑制作用逐渐减弱,这一海拔范围多为河谷和低洼地带,是人类活动较为集中的区域,土地利用类型以农用地为主,人为耕作的影响以及植被恢复工作的开展可能在一定程度上减弱极端干旱造成的影响。在海拔高于2000 m时,植被生长受到的抑制作用随海拔升高逐渐减弱,在2000—4000 m,海拔的升高使得温度降低,可能有效减少了土壤水分的蒸发从而缓解极端干旱的影响,而海拔高于4000 m的地区主要位于青藏高原东南边缘的滇西北地区,这一区域温度偏低,地势险要,植被覆盖度相对较低,且未在2009—2010年极端干旱发生时出现严重的降水减少,因而未观测到干旱遗产效应。

图10 2010和2011年△NDVI垂直分布Fig.10 Vertical distribution of △NDVI in 2010 and 2011

3.3 不同生态系统类型的干旱遗产效应

研究区内代表森林、草地和农田生态系统的象元个数分别占象元总数的58.24%、23.50%和18.26%,各植被类型△NDVI平均值计算结果表明(图11),三种生态系统类型中的植被在极端干旱发生后的前2年均受到了抑制作用,这种抑制作用在2011年比2010年更为强烈。不同生态系统类型干旱遗产效应的数值差异较小,但在前3年中,R*象元中森林植被的△NDVI值要小于草地和农田,这在一定程度上表明,森林植被生长受到的抑制作用更为强烈,其遗产效应持续时间也会相对更长。

图11 2010—2013年不同植被△NDVI统计结果Fig.11 Statistical results of △NDVI of different vegetation from 2010 to 2013

4 讨论

本研究基于NDVI数据,对云南省2009—2010干旱遗产效应进行分析,初步发现了持续2年时间的干旱遗产效应。使用同样方法计算得到2000—2009年△NDVI统计结果显示(图12),云南省的植被生长在2009—2010极端干旱发生前的10年中呈现渐好的趋势,这与NDVI整体呈现增加趋势的结论一致[27—28],而在这一背景下,2010年和2011年的植被生长发生明显减少(其NDVI平均预测值与实际值之间出现了接近0.08的差异),进一步说明植被生长受到了抑制。

图12 2000—2009年△NDVI统计结果Fig.12 Statistical results of △NDVI from 2000 to 2009

植被生长在受到水分条件影响的同时,还可能受到温度的控制。利用云南省7—9月温度数据作为预测因子(研究区内皮尔逊相关系数的平均值为0.289),使用相同方法计算得到的△NDVI的统计结果显示(图13),在极端干旱发生后的第1年同样能够观测到植被生长未能达到正常的预期,这种现象在干旱后第4年不再延续。干旱后第2年和第3年,正相关显著区域的△NDVI均值高于区域均值或与区域均值正负关系相反,不易判断植被生长的响应表现。结合前文分析结果,可以推断2009—2010极端干旱事件的干旱遗产效应持续了1—2年时间。

图13 基于温度的2010—2013年△NDVI统计结果 Fig.13 Statistical results of △NDVI based on temperature from 2010 to 2013

有关干旱遗产效应的其它研究已在我国部分地区开展,其中,Li等人[29]在青藏高原地区发现1年的干旱遗产效应,Ma等人[30]在我国北方地区观察到3年的干旱遗产效应,于成龙等人[31]在东北地区发现干旱事件对森林造成的影响至少持续4年。本研究在云南省发现的干旱遗产效应的具体表现(植被生长受抑制)与先前的研究结果相一致,但在持续时间方面有所差异。干旱遗产效应持续时间的不同表明植被生长对极端干旱的响应在区域尺度上表现不同,相较于北方地区,云南所处的位置具有更好的水热条件,可能在一定程度上减轻了干旱的影响,从而使得植被在遭遇干旱后能够更快恢复。

在使用其它方法针对此次极端干旱事件后植被恢复的相关研究中,多数研究结果表明在极端干旱发生后半年时间内,云南省大部分区域的植被指数在数值上基本恢复到了正常水平[22,32]。但需要注意的是,这些结果大多是基于NDVI等遥感数据与自身长期序列的对比而得出,并未考虑植被生长自身的变化趋势。在该地区整体NDVI受到水热因子和人类活动等多种因素共同影响的前提下,使用单一的植被指数距平值难以准确反映出极端干旱事件后植被的响应和恢复情况。本研究引入了NDVI预测值用于反映综合气候因子影响条件下的植被生长,并考虑了植被生长在更长期尺度上对极端干旱的响应,能够更为准确的反映干旱影响持续时间。

森林生态系统中的植被在此次极端干旱事件后表现出的生长减缓要强于草地,其受到更强抑制作用的干旱遗产效应也已经在相应研究中得到了证实[21,33],但造成这一差异的具体机制尚不明确。部分研究表明,极端干旱可能通过增加树冠扰动[14]、改变不同大小树木密度[34]、提高林木死亡率[35]、导致落叶和顶稍枯死[36]、降低微生物生物量[37]等过程对森林植被造成更大的影响,使得森林生态系统变得更为脆弱。此外,极端干旱还可能使森林下层植被中存在的枯落物和坏死组织变得更加干燥[38],增加森林火灾、病虫害等负面事件的发生强度和频度,间接影响森林生态系统的结构和功能[39]。目前在全球范围内,干旱胁迫导致森林乔木生长不良与大面积死亡的现象呈现出加剧趋势[3],森林相比于草地拥有更多的乔木占比,因而可能表现出的更强的植被生长减缓。

本研究虽然观察到了森林植被更强的干旱遗产效应,但该现象在研究区全境范围内未得到较好的体现,这可能是由于气象数据插值的精度不足所致。用于预测植被生长的潜在蒸散量由基于站点观测的气象数据通过空间插值方法得出,其精度和空间细节要远低于直接通过遥感影像得到的NDVI数据,故通过站点观测数据预测得到的NDVI在区域上可能存在较大的相似性,从而削减了不同类型植被间的△NDVI差异。此外,由于西南地区气象站点大多建设在河谷低地[40],其气温与降水等要素与高海拔山地存在一定差异,因此即使在进行插值时已经增加了基于地形条件的修正,其结果仍可能存在一定的不确定性。更为准确的干旱遗产效应结果还需要融合地面观测和遥感反演等多种数据源和分析方法进行深入和系统的探讨。考虑干旱遗产效应对于更好地预测和评价植被动态具有重要意义,在西南地区极端干旱事件发生频率逐渐增加的背景下[6],今后还应加强对云南省和西南地区陆地生态系统观测样地与网络的建设部署,对植被生长情况进行长期监测与评估,全面分析极端干旱可能导致的潜在的、长远的影响,为西南地区脆弱与退化生态系统的恢复与重建提供科学依据。

5 结论

本文基于2000—2013年云南省的NDVI和气象数据,研究了云南省2009—2010年极端干旱事件发生过后的干旱遗产效应,研究结果显示

(1)云南省7—9月的平均潜在蒸散量与同期NDVI之间存在较好的正相关性,且相关系数较高的象元分布与受极端干旱影响的区域基本一致,可用于对极端干旱事件后的NDVI进行预测。

(2)云南省植被生长在极端干旱事件发生后的1—2年受到抑制作用,受影响区域在水平空间上主要集中在滇西、滇中等遭遇降水严重减少的地区。海拔2000 m附近为植被对干旱事件响应最为敏感的区域；海拔高于4000 m的植被几乎未受到干旱影响。

(3)森林植被植被生长受到的抑制作用强于草地和农田,其遗产效应持续时间也相对更长。