Response difference of fractional vegetation cover and net primary productivity to SPEI drought index in karst areas of Guangxi

doi:10.11755/j.issn.1006-7639(2022)-06-1042

Abstract

Abstract:

Drought is one of the most important meteorological disasters affecting vegetation in karst areas of Guangxi, and a reasonable remote sensing vegetation parameter can address the impact of drought on vegetation more objectively. To quantify the response of vegetation to drought, fractional vegetation cover (FVC) and net primary productivity (NPP) were selected to analyze the responses to standardized precipitation evapotranspiration index (SPEI) under different topography conditions and forest species. The results are as follows: (1) The responses of FVC and NPP to SPEI were significantly different in karst areas of Guangxi. The response of FVC and NPP to SPEI showed the highest consistency in spring, followed by summer and then autumn. (2) The difference of the response of different forest species to SPEI was small on an annual scale, but was large on a seasonal scale. At annual time scale, the response sensitivity for FVC to SPEI from large to small was economic forest, eucalyptus forest, pine forest, broad-leaved forest, Chinese fir forest, shrub forest, bamboo forest, and for NPP was economic forest, pine forest, eucalyptus forest, broad-leaved forest, Chinese fir forest, shrub forest, bamboo forest. The economic forest was most sensitive to SPEI and the bamboo forest was least. At the seasonal time scale, the sensitivity of FVC and NPP of eucalyptus forest in summer and broad-leaved forest in autumn to SPEI was lowest, and that of eucalyptus forest was highest in winter. (3) The response of vegetation under different terrain conditions to SPEI was also different, but it was smaller than that of different forest species. At annual time scale, the sensitivity of FVC to SPEI from large to small was plain, mountain region, alpine, and for NPP was plain, alpine, mountain region. The response sensitivity to SPEI was highest in the plain area for both FVC and NPP. At seasonal time scale, the response sensitivity of FVC and NPP to SPEI in different terrain conditions was only different in summer and winter. For FVC, its response to SPEI in summer was greater in plain than in mountain region and in winter was greater in plain than in alpine, and for NPP was opposite.

Key words: karst area, standardized precipitation evapotranspiration index （SPEI）, fractional vegetation cover, net primary productivity, drought

摘要：

干旱是影响广西喀斯特地区植被的最主要气象灾害，选择合理的遥感植被参数能更客观地反映干旱对植被的影响。本研究选择植被覆盖度（fractional vegetation cover， FVC）和净初级生产力（net primary productivity， NPP）分析喀斯特地区不同地形条件下和不同林种FVC和NPP对标准化降水蒸散指数（standardized precipitation evaportranspiration index， SPEI）的响应差异，为喀斯特地区植被干旱影响定量化评估提供科学依据。结果表明：（1）喀斯特地区FVC和NPP对SPEI响应具有明显季节性差异， FVC和NPP对SPEI的响应一致性在春季最高，夏季次之，秋季差异最大。（2）不同林种FVC和NPP在年尺度上对SPEI响应差异小，但季节尺度响应差异大。年尺度上，FVC和NPP对SPEI响应敏感性大小分别为经济林>桉树类>松树类>阔叶林>杉木类>灌木林>竹林、经济林>松树类>桉树类>阔叶林>杉木类>灌木林>竹林， FVC和NPP对SPEI响应均以经济林最敏感，竹林最不敏感。季节尺度上，仅少部分林种具有相似性，夏季桉树类、秋季阔叶林的FVC和NPP对SPEI响应敏感性均最低，冬季桉树类的FVC和NPP对SPEI响应敏感性均最高。（3）不同地形条件下植被对SPEI响应也具有差异，但较不同林种小。年尺度上，FVC和NPP对SPEI响应敏感性分别为平原>山地>高山、平原>高山>山地，两者对SPEI响应的敏感性在平原地区均最高。季节尺度上，不同地形条件下FVC和NPP仅在夏季和冬季对SPEI响应敏感性大小有差异，夏季FVC对SPEI响应为平原>山地，冬季FVC对SPEI响应为平原>高山，NPP则相反。

关键词: 喀斯特地区, 标准化降水蒸散指数, 植被覆盖度, 植被净初级生产力, 干旱响应

CLC Number:

P4617

CHEN Yanli, TANG Meirong, ZHANG Hui, MO Jianfei, QIAN Shuan. Response difference of fractional vegetation cover and net primary productivity to SPEI drought index in karst areas of Guangxi[J]. Journal of Arid Meteorology, 2022, 40(6): 1042-1050.

陈燕丽, 唐梅蓉, 张会, 莫建飞, 钱拴. 广西喀斯特地区植被覆盖度和净初级生产力对SPEI干旱指数的响应差异[J]. 干旱气象, 2022, 40(6): 1042-1050.

Figures/Tables 8

References 44

[1]	杨娜, 段凯, 刘梅, 等. 淮河流域气象干旱风险的区域特征分析[J]. 干旱区资源与环境, 2017, 31(11):188-193.
[2]	钱拴, 延昊, 吴门新, 等. 植被综合生态质量时空变化动态监测评价模型[J]. 生态学报, 2020, 40(18):6573-6583.
[3]	GITELSON A A, KAUFMAN Y J, STARK R, et al. Novel algorithms for remote estimation of vegetation fraction[J]. Remote Sensing of Environment, 2002, 80(1): 76-87. DOI URL
[4]	朴世龙, 方精云, 郭庆华. 1982—1999 年我国植被净第一性生产力及其时空变化[J]. 北京大学学报(自然科学版), 2001, 15(4): 563-569.
[5]	VICENTE-SERRANO S M, BEGUER A S, LOPEZ-MORENO J. A multi-scalar drought index sensitive to global warming: the standardized precipitation evapotraspiration index[J]. Journal of Climate, 2009, 23(7):1696-1718. DOI URL
[6]	韩美娟, 金额尔德木吐, 郭恩亮, 等. 内蒙古四子王旗干旱变化特征及与植被覆盖关系研究[J]. 赤峰学院学报(自然科学版), 2019, 35(10):118-122.
[7]	罗新兰, 李英歌, 殷红, 等. 东北地区植被NDVI对不同时间尺度SPEI的响应[J]. 生态学杂志, 2020, 39(2):412-421.
[8]	邓欢, 程峰, 王金亮. 基于SPEI指数的滇中地区植被对干旱的响应特征研究[J]. 测绘与空间地理信息, 2020, 43(11):51-55.
[9]	李艳菊, 丁建丽, 张钧泳, 等. 2001—2015年天山北坡植被覆盖对干旱的响应——基于土地利用/土地覆盖分析[J]. 生态学报, 2019, 39(17):6206-6217.
[10]	刘佳茹, 赵军, 王建邦. 2001—2016年祁连山地区植被覆盖度对干旱的响应[J]. 草业科学, 2021, 38(3):419-431.
[11]	赵舒怡, 宫兆宁, 刘旭颖. 2001—2013 年华北地区植被覆盖度与干旱条件的相关分析[J]. 地理学报, 2015, 70(5): 717-729. DOI
[12]	兰小丽, 孙慧兰, 曹丽君, 等. 典型干旱区植被净初级生产力的变化特征与气候因子的相关性[J]. 东北林业大学学报, 2021, 49(5):76-83.
[13]	姜萍, 丁文广, 肖静, 等. 新疆植被NPP及其对气候变化响应的海拔分异[J]. 干旱区地理, 2021, 44(3):849-857.
[14]	史尚渝, 王飞, 金凯, 等. 黄土高原地区植被指数对干旱变化的响应[J]. 干旱气象, 2020, 38(1):1-13.
[15]	张宏运. 1961—2014年渭河流域干旱特征及其对植被净初级生产力的影响研究[D]. 西安: 陕西师范大学, 2016.
[16]	康振山, 张莎, 白雲, 等. 内蒙古草地净初级生产力时空变化及其对干旱的响应[J]. 草地学报, 2021, 29(1):156-165. DOI
[17]	许方岳. 中国亚热带常绿阔叶林区域NPP对干旱的响应[D]. 南昌: 江西农业大学, 2020.
[18]	WANG H Y, HE B, ZHANG Y F, et al. Response of ecosystem productivity to dry/wet conditions indicated by different drought indices[J]. Science of the Total Environment, 2018, 612:347-357. DOI URL
[19]	SHOUVIK J, ROHIT S. Impact of drought on vegetation carbon storage in arid and semi-arid regions[J]. Remote Sensing Applications: Society and Environment, 2018, 11 : 22-29 DOI URL
[20]	李旺. 东乌珠穆沁旗草原干旱对产草量的影响[D]. 呼和浩特: 内蒙古师范大学, 2021.
[21]	王东. 西南地区植被覆盖变化及对不同时间尺度气候特征的响应分析[D]. 兰州: 西北师范大学, 2014.
[22]	于成龙, 刘丹. 基于MODIS的东北地区自然植被生产力对干旱的响应[J]. 生态学报, 2019, 39(11):3978-3990.
[23]	CHEN S L, HUANG Y F, WANG G Q. Detecting drought-induced GPP spatiotemporal variabilities with sun-induced chlorophyll fluorescence during the 2009/2010 droughts in China[J]. Ecological Indicators, 2021, 121:107092. DOI:10.1016/j.ecolind.2020.107092. DOI URL
[24]	王玲玲, 何巍, 罗米娜, 等. 基于归一化旱情综合指数的川西高原草地伏旱监测分析[J]. 干旱气象, 2021, 39(6):884-893.
[25]	DENG Y, WANG X H, WANG K, et al. Responses of vegetation greenness and carbon cycle to extreme droughts in China[J]. Agricultural and Forest Meteorology, 2021, 298,108307. DOI:10.1016/j.agrformet.2020.108307. DOI
[26]	徐泽华. 山东省植被时空变化特征及其对气象干旱指数的响应[D]. 济南: 山东师范大学, 2019.
[27]	史晓亮, 吴梦月, 丁皓. SPEI和植被遥感信息监测西南地区干旱差异分析[J]. 农业机械学报, 2020, 51(12):184-192.
[28]	邹宇宁. 云南大黑山典型乡土树种对气候变化的响应研究[D]. 北京: 北京林业大学, 2020.
[29]	YAN H, WANG S Q, BILLESBACH D, et al. Improved global simulations of gross primary product based on a new definition of water stress factor and a separate treatment of C3 and C4 plants[J]. Ecological Modelling, 2015, 297:42-59. DOI URL
[30]	YAN H, WANG S, WANG J, et al. Multimodel analysis of climate impacts on plant photosynthesis in China during 2000-2015[J]. International Journal of Climatology, 2019, 39: 5539-5555. DOI URL
[31]	魏凤英. 现代气候统计诊断与预测技术[M]. 2版. 北京: 气象出版社, 2007: 36-63.
[32]	刘占明, 陈子燊, 黄强, 等. 7种干旱评估指标在广东北江流域应用中的对比分析[J]. 资源科学, 2013, 35(5):1007-1015.
[33]	张景扬, 卢远, 李嘉力, 等. 基于SPEI的广西干旱时空变化特征分析[J]. 云南地理环境研究, 2015, 27(6): 15-24.
[34]	陈燕丽, 莫建飞, 莫伟华, 等. 近30年广西喀斯特地区石漠化时空演变[J]. 广西科学, 2018, 25(5):625-631.
[35]	孙桂凯, 杜媞, 杨爱萍, 等. 广西极端降水时空变化规律研究[J]. 广西大学学报(自然科学版), 2021, 46(2):327-335.
[36]	潘发光, 孙建飞, 王爱华. 广西天等县喀斯特石漠化地区植被恢复——以驮堪小流域为例[J]. 林业科技通讯, 2021(4):15-19.
[37]	陈燕丽, 莫伟华, 罗永明, 等. 基于气候信息的喀斯特地区植被EVI模拟[J]. 农业工程学报, 2015, 31(9):187-194.
[38]	陈虹, 郭兆成, 贺鹏. 1988—2018年间洱海流域植被覆盖度时空变换特征探究[J]. 国土资源遥感, 2021, 33(2):116-123.
[39]	滑永春, 萨如拉, 王冰. 内蒙古草原NPP时空变化及驱动力[J]. 中国沙漠, 2021, 41(5):1-10.
[40]	方精云, 唐艳鸿, 林俊达. 全球生态学:气候变化与生态响应[M]. 北京: 高等教育出版社, 2000.
[41]	杨思遥, 孟丹, 李小娟, 等. 华北地区2001—2014年植被变化对SPEI气象干旱指数多尺度的响应[J]. 生态学报, 2018, 38(3):1028-1039.
[42]	何洁琳, 谢敏, 黄卓, 等. 广西气候变化事实[J]. 气象研究与应用, 2016, 37(3):11-15.
[43]	王晓利. 中国沿海极端气候变化及其对NDVI的影响特征研究[D]. 烟台: 中国科学院烟台海岸带研究所, 2017.
[44]	韩丹丹. 黄土高原植被变化及其对极端气候的响应[D]. 北京: 中国科学院大学(中国科学院教育部水土保持与生态环境研究中心), 2020.

季节	FVC/%	NPP/（gC·m^-2）
春季	48.69	204.02
夏季	61.39	297.51
秋季	67.21	249.65
冬季	41.35	95.31

季节	FVC/%	NPP/（gC·m^-2）
春季	48.69	204.02
夏季	61.39	297.51
秋季	67.21	249.65
冬季	41.35	95.31

林种	平原	山地	高山	合计
灌木林	7.37	53.25	2.78	63.40
阔叶林	0.59	13.79	2.81	17.19
桉树类	2.04	4.93	0.02	6.99
松树类	0.82	4.15	0.06	5.03
经济林	0.66	2.92	0.23	3.81
杉木类	0.12	2.34	0.24	2.70
竹林	0.11	0.74	0.03	0.88
合计	11.71	82.12	6.17	100.00

林种	平原	山地	高山	合计
灌木林	7.37	53.25	2.78	63.40
阔叶林	0.59	13.79	2.81	17.19
桉树类	2.04	4.93	0.02	6.99
松树类	0.82	4.15	0.06	5.03
经济林	0.66	2.92	0.23	3.81
杉木类	0.12	2.34	0.24	2.70
竹林	0.11	0.74	0.03	0.88
合计	11.71	82.12	6.17	100.00

参数	林种	全年	春季	夏季	秋季	冬季
	杉木类	0.129	-0.105	-0.043	0.427***	0.089
	松树类	0.173	-0.114	-0.002	0.427***	0.113
	桉树类	0.175	-0.030	0.001	0.403***	0.156
FVC	阔叶林	0.130	0.093	-0.019	0.373***	0.103
	竹林	0.121	0.018	-0.005	0.377***	0.130
	经济林	0.218*	-0.106	0.011	0.415***	0.116
	灌木林	0.125	0.017	-0.006	0.389***	0.124
	杉木类	0.110	-0.054	-0.069	0.246**	0.124
	松树类	0.162	-0.063	0.028	0.256**	0.123
	桉树类	0.145	-0.012	0.004	0.265**	0.183
NPP	阔叶林	0.113	0.143	-0.014	0.216*	0.157
	竹林	0.105	0.050	-0.022	0.268**	0.161
	经济林	0.227*	-0.035	0.098	0.238**	0.120
	灌木林	0.107	0.062	-0.020	0.248**	0.161