• CN 62-1175/P
  • ISSN 1006-7639
  • 双月刊
  • 中国科技核心期刊
  • 中国学术期刊综合评价数据库统计源期刊
  • 中文科技期刊数据库收录期刊

干旱气象, 2024, 42(3): 385-394 DOI: 10.11755/j.issn.1006-7639(2024)-03-0385

论文

过去40 a来祁连山地区植被变化特征及其与气候的关系

杨斐,1,2, 冯祥1, 张飞民1, 王澄海,1

1.甘肃省气候资源开发及防灾减灾重点实验室,兰州大学大气科学学院,甘肃 兰州 730000

2.甘肃省生态环境科学设计研究院,甘肃 兰州 730000

Characteristics of vegetation change and its relationship with climate in the Qilian Mountains over the past 40 years

YANG Fei,1,2, FENG Xiang1, ZHANG Feimin1, WANG Chenghai,1

1. Key Laboratory of Arid Climate Resource and Environment of Gansu Province, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China

2. Gansu Academy of Eco-environmental Sciences, Lanzhou 730000, China

通讯作者: 王澄海(1961—),男,教授,主要从事青藏高原气候学、短期气候预测研究。E-mail:wch@lzu.edu.cn

责任编辑: 邓祖琴;校对:王涓力

收稿日期: 2024-03-10   修回日期: 2024-04-29  

基金资助: 国家自然科学基金项目(42275004)
国家自然科学基金项目(91837205)
甘肃省重点研发计划项目(23YFFA0001)
甘肃省重点实验室建设基金项目(20JR10RA654)

Received: 2024-03-10   Revised: 2024-04-29  

作者简介 About authors

杨斐(1992—),女,硕士,主要从事气候变化研究。E-mail:yangf21@lzu.edu.cn

摘要

在全球变暖背景下,祁连山植被生长状态发生了明显变化,研究祁连山植被与气候的关系对西北地区生态建设具有重要意义。基于1982—2022年GIMMS NDVI数据及ERA5气温和降水数据,分析祁连山地区NDVI的变化趋势及其与气候因子的相关性。结果表明,祁连山地区NDVI高值区主要集中在东段(0.6~0.8),并自东向西逐渐减小。过去40 a,祁连山地区NDVI整体呈增加趋势,主要由于生长季NDVI的显著增加,而在非生长季,祁连山中、东部部分地区NDVI呈减小趋势。祁连山地区NDVI的变化与气温、降水整体呈正相关关系,但生长季NDVI与降水在祁连山东部部分地区呈负相关,非生长季NDVI与气温在祁连山西部部分地区呈负相关。祁连山夏季NDVI与对应时段气温和降水之间存在显著耦合模态,气温和降水的增加整体上对NDVI增加有益,但祁连山东部地区生长季NDVI增加主要由气温升高所致。

关键词: 植被; NDVI; 气候变化; 耦合模态; 祁连山

Abstract

Under the condition of global warming, the vegetation growth state in the Qilian Mountains has significantly changed. Studying the relationship between vegetation and climate in the Qilian Mountains is crucial for ecological construction in northwest China. Based on GIMMS NDVI data and ERA5 temperature and precipitation data from 1982 to 2022, this paper analyzes the variation trend of NDVI in the Qilian Mountains and its correlation with climate factors. The results show that high NDVI values are mainly concentrated in the eastern section (0.6-0.8), and NDVI values gradually decreased from east to west. Over the past 40 years, NDVI in the Qilian Mountains has showed an overall increasing trend, primarily due to its significant increases during the growing season. However, NDVI decreased during the non-growing season in some parts of the middle and eastern Qilian Mountains. NDVI changes in the Qilian Mountains were generally and positively correlated with temperature and precipitation. However, during the growing season, NDVI and precipitation were negatively correlated in the eastern part of the Qilian Mountains, while NDVI and temperature were negatively correlated in the western part during the non-growing season. There is a significant coupling mode between NDVI in summer and temperature, precipitation during the corresponding period in the Qilian Mountains. Overall, the increase in temperature and precipitation has been beneficial to the rise in NDVI. However, the increase in NDVI during the growing season in the eastern Qilian Mountains is primarily attributed to the rise in temperature.

Keywords: vegetation; NDVI; climate change; coupled mode; the Qilian Mountains

PDF (25691KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

杨斐, 冯祥, 张飞民, 王澄海. 过去40 a来祁连山地区植被变化特征及其与气候的关系[J]. 干旱气象, 2024, 42(3): 385-394 DOI:10.11755/j.issn.1006-7639(2024)-03-0385

YANG Fei, FENG Xiang, ZHANG Feimin, WANG Chenghai. Characteristics of vegetation change and its relationship with climate in the Qilian Mountains over the past 40 years[J]. Arid Meteorology, 2024, 42(3): 385-394 DOI:10.11755/j.issn.1006-7639(2024)-03-0385

0 引言

根据IPCC第六次评估报告,2011—2020年全球地表温度比1850—1900年上升了1.09 ℃(IPCC,2023),这对全球水文循环和生态过程产生了显著影响。气候变化对植被生长有重要影响(Piao et al.,2019),植被在能量交换和水文循环中起着重要作用,因此植被对气候变化的响应对全球生态系统至关重要。在全球变暖背景下,气候变化具有明显的局地差异(Wang,2023)。研究表明,中国西北地区气候正在经历“暖湿化”变化(张强等,2010;王澄海等,2021),其生态环境脆弱,对全球气候变化敏感(Yang et al.,2023)。祁连山地处西北,是气候变化剧烈的区域,近57 a(1961—2017年)来,祁连山地区气温和降水分别以0.35 ℃·(10 a)-1和14.7 mm·(10 a)-1的趋势明显上升,同时冰川持续萎缩,出山径流增加,植被生长季延长,植被状况“整体向好、局部退化”(冯起等,2018)。祁连山是西北干旱区重要的生态功能区和水源涵养地,其植被生长状态与生态平衡及水土保持密切相关(黄星星,2022)。

归一化植被指数(Normalized Difference Vegetation Index,NDVI)是表征植被生长状态的重要指标,气候因子与NDVI显著相关(Woodward and Mckee,1991;Yang et al.,2015)。1982—2015年,中国植被覆盖整体呈增加态势,NDVI增加速率为0.7×10-3 a-1,但不同植被类型的变化速率存在差异,植被对短期气候变化的敏感性具有明显的空间异质性。区域尺度上,气候变化对植被变化的影响不尽相同。在极端气候频发和人类活动加剧等因素的共同影响下,以黄土高原为主的中国北方及西北地区植被在不同时期经历了明显的趋势转变(孙杰,2007)。气候因子是影响植被生长发育和地理分布的关键因素。研究表明,青藏高原干旱和半干旱区植被NDVI增加面积明显大于湿润和半湿润区,气候暖湿化对高原植被覆盖度和NDVI有正面影响,但存在时空差异(曹晓云等,2022);位于青海省南部的柴达木盆地生态环境呈现改善趋势(孙树娇等,2023)。

祁连山和其他高海拔山区一样,正经历着明显的气候变化。随着气温和降水的增加,祁连山不同区域的植被发生明显变化。研究表明,1982—2014年祁连山植被NDVI整体呈增加趋势,但变化并不明显,植被NDVI增加的区域主要集中在中西部,而降低的区域集中在东部。气温升高和降水增加有利于祁连山植被覆盖增加,改善生态环境(贾文雄和陈京华,2018)。气温和降水是影响祁连山植被NDVI变化的主要因子(Ding et al.,2007)。位于祁连山附近的石羊河流域,随着干旱程度的减轻,植被NDVI有所增加(张金丹等,2023)。研究表明,年尺度上祁连山地区NDVI与气温显著正相关,植被生长对温度变化的敏感性大于对降水变化的敏感性(Gao et al.,2021)。在生长季,祁连山地区平均NDVI呈增加趋势的地区,5—8月降水增加是植被覆盖增加的主要原因,降水增加也促进了低海拔地区(2 000~2 400 m)的植被生长(Deng et al.,2013)。

上述研究表明,祁连山地区的植被过去几十年明显改善,与气温和降水有显著相关关系。然而,祁连山地区东西跨度大,山体海拔高度差异明显,因此,植被和气候的关系是否存在空间差异,以及祁连山地区植被与气温和降水之间的关系在全球变暖背景下是否发生变化,需进一步探究。本文利用再分析资料和全球库存建模与绘图研究(The Global Inventory Modeling and Mapping Studies,GIMMS)NDVI数据,对祁连山植被变化的时空分布特征进行分析,并在此基础上分析植被与气温及降水的关系,以期为祁连山地区生态建设提供科学依据。

1 资料和方法

1.1 研究区概况

祁连山(93°E—104°E,36°N—40°N)是青藏高原东北部最大的边缘山系,由一系列西北—东南走向的平行山脉与谷地组成,东起乌鞘岭,西至当金山口,南靠柴达木盆地,北临河西走廊,长约800 km,宽约300 km(尤联元和杨景春,2013)。祁连山区具有典型的大陆性气候和高原气候特征,降水集中在夏季,年降水量由东向西逐渐减少(Tian et al.,2014),祁连山植被类型复杂多样,随降水量减少呈明显的变化规律,东部以温性草原为主,中西部则以高寒灌丛、高寒草甸为主(陈桂琛等,1994)。

图1

图1   祁连山区位图

Fig.1   The Qilian Mountains location map


1.2 数据来源

ERA5是欧洲中期天气预报中心发布的第五代再分析数据集。基于先进的数值天气预报模型和大量观测数据,其气温和降水资料在青藏高原地区有较好的适用性(Liu et al.,2021;Wu et al.,2023)。本文使用1982—2022年ERA5月尺度的2 m气温和降水资料,水平分辨率为0.25°×0.25°,并重新插值为0.083°×0.083°,与NDVI数据分辨率保持一致。GIMMS NDVI资料由美国橡树岭国家实验室(https://daac.ornl.gov/VEGETATION/guides/Global_Veg_Greenness_GIMMS_3G.html)提供。该数据集是NASA发布的第三代NDVI数据集,基于美国国家海洋和大气管理局(National Oceanic Atmospheric Adminstration,NOAA)高分辨率辐射计观测数据,经过天顶角、气溶胶、云层覆盖等因素的影响校正后,采用最大值合成法生成,目前可获得资料时间段为1982—2022年、水平分辨率为0.083°×0.083°的数据。土地利用资料来自Terra和Aqua联合中分辨率成像分光仪(MODIS)的土地覆盖气候模型网格(MCD12C1)第6版产品,该数据由NASA的MODIS传感器获取。

1.3 研究方法

按不同季节进行分析,分为春(3—5月)、夏(6—8月)、秋(9—11月)季,以及植被生长季(5—9月)。

利用Sen趋势法分析特定时期植被指数的变化趋势(Sen,1968),公式如下:

θslope=n×i=1ni×xi-i=1nii=1nxin×i=1ni2-i=1ni2

式中:θslope 为回归方程的斜率;xi为第i年变量的平均值;n为研究时段累计年数。当θslope>0时,表示xi为增加趋势;当θslope=0时,表示xi变化趋势不明显;当θslope<0时,表示xi为减少趋势。

采用Pearson相关系数对气温和降水与NDVI的相关性进行分析,相关系数r的取值范围为-1r≤1(Pearson,1894)。

采用奇异值分解(Singular Value Decomposition,SVD)方法分析气温、降水与NDVI变量场的时空相关性。SVD方法基于两个要素场之间最大协方差展开,优于典型相关分析方法,能够揭示两个要素场在时域相关性的空间联系,识别遥相关型和关键区(王芝兰等,2015)。

2 祁连山地区NDVI的时空变化特征

NDVI作为表征植被覆盖度的有效指标,代表了植被的绿度和生长状况,常用于监测植被的变化特征。土地利用/覆盖变化是全球变化研究的重点(张景华等,2011),反映了土地用途、类型及主要植被种类。因此,有必要结合土地类型及植被类型分析植被覆盖度的空间变化规律。

图2为祁连山地区生长季土地利用和NDVI的多年平均。可以看出祁连山地区的土地利用类型主要有裸地、草地和农田等。NDVI总体呈现西北低、东南高的空间分布特征。其中,裸地的NDVI为0~0.2,草地生长季平均NDVI为0.1~0.7,耕地生长季平均NDVI相对较高,达到0.8以上。祁连山东段和中段区域以草地为主,对应的NDVI为0.4~0.8;祁连山西段区域植被稀疏,以裸地为主,对应的NDVI小于0.2。NDVI高值区位于祁连山东段,并向西逐渐减小,说明中段和西段植被相对东段稀疏,生态环境更脆弱,更易受气候变化影响。祁连山生长季平均NDVI呈现自东向西逐渐减小的趋势,可能与祁连山东段降水多、土壤水分较丰富有关(黄波,2012)。

图2

图2   2000—2022年祁连山生长季土地利用(a)和NDVI(b)多年平均

Fig.2   The multi-year average of land use (a) and NDVI (b) during the growing season in the Qilian Mountains from 2000 to 2022


从祁连山地区年均NDVI变化(图3)可以看出,整个区域NDVI总体上呈增加趋势,且2005年后增加明显,并在2018年达到最大值。

图3

图3   1982—2022 年祁连山年平均NDVI变化

(红色实线为9 a滑动平均)

Fig. 3   Time series of annual average NDVI in the Qilian Mountains from 1982 to 2022

(The solid red line represents the 9-year moving average)


为研究祁连山地区过去40 a植被指数变化速率的空间分布特征,分析了1982—2022年祁连山地区年平均及各季节平均的NDVI随时间的变化趋势(图4)及祁连山地区不同季节NDVI变化范围的面积百分比(表1)。从年平均NDVI变化来看,祁连山地区大部分区域NDVI呈明显增加趋势,且中段地区增加最明显,这与中国西北干旱半干旱地区NDVI总体改善的趋势一致(马有绚等,2017)。具体而言,NDVI增长率达到0.001 a-1的区域占祁连山总面积的62.75%,增长率在0.001~0.002 a-1的区域占23.67%,即整个区域NDVI缓慢上升。增长明显的区域主要集中在祁连山中段北部区域(大于0.004 a-1)和哈拉湖以东的大片区域(大于0.002 a-1)。

图4

图4   1982—2022 年祁连山全年(a)、春季(b)、夏季(c)、秋季(d)、生长季(e)NDVI变化趋势的空间分布(单位:×10-3 a-1

(黑色反斜杠区为通过α=0.05显著性检验区域)

Fig.4   The spatial distribution of NDVI trends in annual (a), spring (b), summer (c), autumn (d) and growing season (e) in the Qilian Mountains from 1982 to 2022 (Unit: ×10-3 a-1)

(the black slash areas passing the significance test at α=0.05)


表1   祁连山地区不同时段不同NDVI变化范围的面积百分比

Tab.1  The area percentage of NDVI change in different periods and ranges in the Qilian Mountains 单位:%

NDVI变化量春季夏季秋季生长季
-0.004~010.1939.307.9015.377.69
>0~0.00162.7553.9736.9739.7341.70
>0.001~0.00223.675.2832.8927.1834.19
>0.002~0.0033.111.0815.5212.2712.66
>0.003~0.0040.250.295.544.243.25

新窗口打开| 下载CSV


祁连山地区NDVI在不同季节内的变化有所不同。春季NDVI大部分地区呈增加趋势,但在祁连山中段及东段偏北地区呈下降趋势。夏、秋季NDVI总体呈明显上升趋势,夏季祁连山东段地区NDVI增加趋势尤为明显。生长季NDVI与夏季NDVI增加趋势在空间分布上近似一致。总体而言,祁连山地区NDVI在1982—2022年呈增加趋势,祁连山中段地区及夏季NDVI明显增加。

3 祁连山地区NDVI与气候因子的相关关系

分析祁连山地区NDVI与气温、降水时间序列的相关系数(图5)以研究NDVI变化与气候变化的关系,并计算了祁连山地区各季节NDVI与对应时段内平均温度相关性的面积百分比(表2)。可以看出1982—2022年,NDVI与气温正相关的区域主要位于祁连山中段哈拉湖以东地区、祁连山北麓靠近张掖的区域,而负相关区域主要位于祁连山北麓靠近酒泉和武威的区域。正相关区域占总面积的90.09%,负相关区域占8.26%,其中显著正相关区域占56.97%。

图5

图5   1982—2022 年祁连山全年(a)、春季(b)、夏季(c)、秋季(d)、生长季(e)NDVI与气温的相关系数空间分布

(黑色反斜杠区为通过α=0.05显著性检验区域)

Fig.5   The spatial distribution of the correlation coefficient r between NDVI and air temperature in annual (a), spring (b), summer (c), autumn (d) and growing season (e) in the Qilian Mountains from 1982 to 2022

(the black slash areas passing the significance test at α=0.05)


表2   祁连山地区各时段NDVI与对应时段内平均温度相关性的面积百分比

Tab.2  The area percentage of correlation between NDVI and mean temperature in each period in the Qilian Mountains 单位:%

相关性春季夏季秋季生长季
显著负相关0.324.361.610.142.29
不显著负相关7.9419.248.3328.479.66
负相关8.2623.609.9428.6111.95
正相关90.0976.3990.0669.2788.05
不显著正相关33.1239.3428.4759.7630.47
显著正相关56.9737.0561.599.5157.58

新窗口打开| 下载CSV


从不同季节来看,春季祁连山西段及东段西宁周边地区的NDVI与气温呈正相关,祁连山中段及祁连山北麓与气温呈负相关,整个祁连山地区显著正相关区域占总面积的37.05%[图5(b)]。夏季,祁连山区域NDVI与气温整体呈正相关,显著正相关区域占61.59%,只有祁连山西北部甘肃、新疆交界处呈现负相关,这一季节正相关面积在各季节中最大[图5(c)]。秋季,祁连山中段北部呈现正相关,而东段以及西段地区呈负相关,负相关区域占28.61%,显著正相关区域占9.51%[图5(d)]。生长季显著正相关区域占57.58%,与夏季相似[图5(e)]。

因此,祁连山地区NDVI和气温的相关性较明显,特别是祁连山中段地区夏季NDVI的增长与气温的增加显著相关。

为了更好地分析祁连山NDVI与降水的相关性,对祁连山地区的NDVI与降水进行了偏相关分析(图6),祁连山地区各时段NDVI与对应时段内降水相关性的面积百分比如表3所示。可以看出,祁连山大部分区域NDVI与降水呈正相关,显著正相关区域主要分布在祁连山中段及祁连山西段偏东地区,最大相关系数(0.8)位于哈拉湖以东。NDVI与降水呈负相关的区域位于祁连山东段。整体而言,正相关区域占总面积的85.48%,显著正相关区域占44.42%。春季NDVI与降水主要为负相关,仅祁连山东段北部为正相关,祁连山西段负相关较为显著,负相关区域占总面积的62.15%,祁连山西段NDVI与降水的相关性显著,最大相关系数位于西段北部区域,达0.8,显著正相关区域占总面积的37.2%。秋季,两者相关性较弱,大部分地区相关性不显著,非显著正相关区域占53.61%,为季节中的最大值。生长季,祁连山中段和西段大部分区域呈显著正相关,显著正相关区域占48.1%,为季节最大值。综上,祁连山中段地区NDVI与降水的相关性较为显著,生长季NDVI与降水的相关性尤为显著。

图6

图6   1982—2022 年祁连山全年(a)、春季(b)、夏季(c)、秋季(d)、生长季(e)NDVI与降水的相关系数空间分布

(黑色反斜杠区为通过α=0.05显著性检验区域)

Fig.6   The spatial distribution of the correlation coefficient between NDVI and precipitation in annual (a), spring (b), summer (c), autumn (d) and growing season (e) in the Qilian Mountains from 1982 to 2022

(the black slash areas passing the significance test at α=0.05)


表3   祁连山地区各时段NDVI与对应时段内降水相关性的面积百分比

Tab.3  The area percentage of correlation between NDVI and precipitation in each period in the Qilian Mountains 单位:%

相关性春季夏季秋季生长季
显著负相关0.7211.010.931.391.61
不显著负相关13.8051.1418.0643.8814.99
负相关14.5262.1518.9945.2716.60
正相关85.4837.8481.0154.7283.40
不显著正相关41.0634.5943.8153.6135.30
显著正相关44.423.2537.201.1148.10

新窗口打开| 下载CSV


春季NDVI与气温的相关性强于降水,因为春、秋季温度低,植被生理活动受温度限制较大(周伟等,2013)。由于祁连山中段及西段降水偏少,夏季仅在祁连山中段及西段远离河流的植被覆盖度较低的高寒灌丛和荒漠地区(尤南山等,2019)NDVI与降水的相关性显著。总体而言,祁连山气温与NDVI的相关性强于降水,气温是影响NDVI变化的主要因素。

分析当季NDVI与上一季气温、降水的相关性以研究祁连山区NDVI与上一季气温、降水的关系(图7),表4为NDVI与上一季气温、降水相关性的面积百分比。结果显示,春季NDVI与上一个冬季气温相关性不显著,正相关区域主要集中在祁连山西段偏南区域;夏季NDVI与春季气温在祁连山西段及东段相关性较为显著,但在祁连山北麓靠近河西走廊的区域呈负相关,这表明春季气温升高会促进祁连山西段夏季植被生长;秋季NDVI与夏季气温在祁连山中段及河西走廊张掖附近区域相关性较为显著,而在东段和西段主要呈负相关,秋季NDVI与夏季气温的相关性高于秋季气温。

图7

图7   1982—2022 年祁连山春(a、d)、夏(b、e)、秋季(c、f)NDVI与上一季气温(a、b、c)、降水(d、e、f)的相关系数空间分布

(黑色反斜杠区为通过α=0.05显著性检验区域)

Fig.7   The spatial distribution of the correlation coefficient between NDVI and temperature (a, b, c) as well as precipitation (d, e, f) in the previous season in spring (a, d), summer (b, e) and autumn (c, f) in the Qilian Mountains from 1982 to 2022

(the black slash areas passing the significance test at α=0.05)


表4   祁连山地区各季NDVI 与上一季气温、降水相关性的面积百分比

Tab. 4  The area percentage of correlations between NDVI of each season and temperature, precipitation in the previous season in the Qilian Mountains 单位:%

相关性气温降水
春季夏季秋季春季夏季秋季
显著负相关1.184.366.681.570.581.51
不显著负相关40.3419.2424.9647.0715.3413.05
负相关41.5223.6031.6448.6415.9214.56
正相关58.5176.4068.3551.3684.0985.44
不显著正相关52.8339.3442.7448.3964.8138.20
显著正相关5.6837.0625.612.9719.2847.24

新窗口打开| 下载CSV


春季NDVI与上一个冬季降水的相关性不显著,祁连山西段区域呈负相关,其相关性比春季NDVI与当季降水更弱;夏季NDVI与春季降水相关系数在祁连山中段较高,但与同区域当季降水相关性相对较弱;秋季NDVI与夏季降水在祁连山中段和西段相关性显著,最大相关系数值达0.8,显著正相关区域占总面积的47.24%。因此,夏季气温和降水是影响祁连山中段及西段秋季NDVI的主要因素。

图8为祁连山夏季NDVI与当季气温和降水SVD分析的第一模态。对于温度[图8(a)、(b)、(c)],可以看出祁连山夏季NDVI与气温之间存在耦合,总相关系数达0.67,第一模态方差贡献率为74.8%;图8(a)中相关系数的时间系数显示,两个场的时间系数均有明显的年际波动,变化趋势较为一致,气温年际波动幅度比NDVI大,时间系数在20世纪90年代中期由正值转为负值;结合异性相关系数的空间场,可以看出夏季NDVI和气温均呈明显增加趋势,1980—2000年气温增加幅度较大,气温和NDVI在2015年增加较为明显。从SVD第一模态异性相关系数[图8(b)、(c)]可以看出,夏季NDVI自身异常变化高值区也是与同时段气温相关程度较高的区域。从第一模态夏季NDVI场来看,整个区域均为负值,高相关区位于祁连山中段及东段海北附近。整个区域的气温场均为负值,高相关区位于祁连及大柴旦区域,表明祁连山夏季NDVI与对应时段气温正相关,气温升高有利于植被生长。当祁连山中段和东段北部地区及西段大柴旦区域夏季气温升高时,相应时段祁连山中段及东段海北附近区域的NDVI明显增加。对于降水[图8(d)、(e)、(f)],时间序列[图8(d)]显示NDVI与降水随时间均呈增加趋势,相关系数为0.63,第一模态方差贡献率为37.8%。祁连山夏季NDVI与降水在1995年及2001年变化趋势较为一致,并在2015年明显增加,降水的变化幅度大于NDVI。夏季NDVI在祁连山东段乌鞘岭附近及青海湖西部为正值,降水在祁连山东段和中西段呈反相位分布,在东段北部为正值,东段南部及中、西段均为负值。这表明祁连山中段和西段夏季降水对植被主要为正反馈,而祁连山东段夏季降水对植被存在负反馈,特别是在西宁以北区域较为明显。

图8

图8   1982—2022 年祁连山夏季NDVI和同时段气温(a、b、c)、降水(d、e、f)SVD第一模态对应的时间系数(a、d),NDVI(b、e)和同时段气温(c)、降水(f)的异性相关系数空间分布

Fig.8   The spatial distribution of the time coefficients (a, d) corresponding to the first mode of the SVD of NDVI and simultaneous air temperature (a, b, c) and precipitation (d, e, f) in the Qilian Mountains from 1982 to 2022, as well as the anisotropic correlation coefficients of NDVI (b, e) and simultaneous air temperature (c) and precipitation (f)


4 结论与讨论

近40 a来,随着全球气候变化,祁连山地区气候也发生了变化,相应的NDVI也明显上升。本文通过分析祁连山地区NDVI的时空变化特征及其与气候因子的相关性,得到以下结论。

祁连山地区NDVI自东向西逐渐减小,高值区主要集中在祁连山东段,该地区生长季NDVI为0.6~0.8。祁连山区NDVI整体呈增加趋势,祁连山中段的增加尤为明显,不同季节NDVI增长速率差异明显,夏季NDVI增加最为显著。

祁连山地区NDVI与气温和降水具有较强的相关性。在空间分布上,年平均NDVI与气温整体呈正相关;NDVI与降水在中、西部地区呈正相关,而在东部部分地区呈负相关。对于不同时段,生长季NDVI与气温和降水的相关性显著,主要为正相关。夏季气温和降水是影响祁连山中段及西段秋季NDVI的主要因素。

祁连山夏季NDVI与对应时段气温和降水之间存在耦合关系,气温和降水整体上与NDVI呈正相关,但祁连山东段降水与植被存在负相关,西宁以北区域尤为明显。这表明,祁连山地区NDVI的增长与生长季气温和降水的增加有关,但在祁连山地东部部分地区,降水的增加并不是导致NDVI增加的主要原因,而温度增加可以导致该地区NDVI增加,这可能和该地区多年平均降水较为充沛有关。

本文在研究NDVI与气候因子相关性时,考虑到祁连山西段站点稀疏,故选用了再分析资料,而再分析资料与站点观测资料存在一定误差,增加了分析结果的不确定性。另外,对于祁连山不同地区的植被类型未进行详细区分,而降水和温度的增加对不同植被类型的生长具有不同影响,未来还需要进一步探讨。

参考文献

曹晓云, 周秉荣, 周华坤, , 2022.

气候变化对青藏高原植被生态系统的影响研究进展

[J]. 干旱气象, 40 (6): 1 068-1 080.

[本文引用: 1]

陈桂琛, 彭敏, 黄荣福, , 1994.

祁连山地区植被特征及其分布规律

[J]. 植物学报, 36(1): 63-72.

[本文引用: 1]

冯起, 李宗省, 王旭峰, , 2018.

祁连山生态变化评估报告

[R]. 兰州: 中国科学院西北生态环境资源研究院.

[本文引用: 1]

黄波, 2012. 祁连山地区降水的时空分布特征及数值模拟研究[D]. 兰州: 兰州大学.

[本文引用: 1]

黄星星, 2022. 祁连山国家公园水源涵养与土壤保持功能研究[D]. 兰州: 兰州大学.

[本文引用: 1]

贾文雄, 陈京华, 2018.

1982—2014年祁连山植被生长季NDVI变化及其对气候的响应

[J]. 水土保持研究, 25(2): 264-268.

[本文引用: 1]

马有绚, 张武, 向亚飞, , 2017.

西北干旱半干旱地区植被指数对气温和水分因子的响应

[C]// 中国气象学会第34届中国气象学会年会 S4 重大气象干旱成因、物理机制、监测预测与影响论文集, 北京: 气象出版社.

[本文引用: 1]

孙杰, 2007. 1982-2000年中国植被覆盖变化及典型区域与气候因子的响应关系[D]. 南京: 南京信息工程大学.

[本文引用: 1]

孙树娇, 曹晓云, 肖建设, , 2023.

基于NDVI-Albedo特征空间的柴达木盆地荒漠化监测研究

[J]. 干旱气象, 41(4): 560-569.

DOI      [本文引用: 1]

荒漠化目前已成为威胁全球生态环境的主要问题,开展荒漠化监测对于荒漠化防治至关重要。基于2014—2021年植被生长季(5—9月)Suomi/NPP(National Polar-orbiting Partnership)遥感数据和柴达木盆地8个气象站点观测数据,利用NDVI-Albedo(Normalized Difference Vegetation Index-Albedo)特征空间计算荒漠化差值指数(Desertification Difference Index,DDI),运用自然间断法、Sen+M-K趋势分析法、相关性分析法、精度误差矩阵计算和转移矩阵计算等方法,探讨柴达木盆地植被生长季荒漠化土地时空动态演变及气象影响因素。结果表明:(1)基于NDVI-Albedo特征空间构建的DDI在柴达木盆地荒漠化监测中适用性较高,特征方程R<sup>2</sup>≥0.65,整体分类精度79.38%,Kappa系数0.62。(2)2014—2021年,柴达木盆地荒漠化程度东部、南部较低而西部、中部较高,且东部、南部部分地区DDI值以每年超过0.01的速率增大,部分地区增大显著;荒漠化土地总面积呈减小趋势,速率为-1 173 km<sup>2</sup>·a<sup>-1</sup>,不同程度荒漠化土地之间存在转移特征,具体表现为荒漠化程度较重的土地向较轻的土地转移。(3)相关性分析表明,降水量、平均相对湿度均与DDI呈极显著正相关(P&lt;0.01),相关系数分别为0.91、0.86,水分是影响柴达木盆地荒漠化的主要气象因子。

王澄海, 张晟宁, 张飞民, , 2021.

论全球变暖背景下中国西北地区降水增加问题

[J]. 地球科学进展, 36(9): 980-989.

DOI      [本文引用: 1]

随着全球变暖,全球的降水形式、分布格局都在发生着变化,其中干旱区的降水变化尤为引人瞩目。西北地区干旱少雨,在全球变暖背景下,降水量和大气中的含水量均呈现出增加趋势。通过研究认为这种“暖湿”是一种干旱区湿润程度的改善,并不会改变其干旱少雨的基本气候特征。西北地区降水的形式和性质都和我国东部地区有着根本的差别,降水增加主要是极端和短时对流降水的增加。另外,降水增加主要发生在西北干旱区的内陆河流域,该流域内的干旱地区的农业生态问题并非富水就能解决;西北地区的河西走廊等干旱和极端干旱地区水资源的主要来源是山区降水和冰雪资源;科学理性地认识西北地区降水增加,是正确处理西北地区水资源合理调配和使用、科学开展生态文明建设的前提。

王芝兰, 李耀辉, 王劲松, 2015.

SVD分析青藏高原冬春积雪异常与西北地区春、夏季降水的相关关系

[J]. 干旱气象, 33(3): 363-370.

DOI      [本文引用: 1]

基于1971~ 2010年青藏高原70余个气象台站逐日积雪深度资料和西北地区春、 夏季降水日资料,利用奇异值分解(SVD)方法分析了高原冬春积雪深度分别与西北地区春季、 夏季降水的关系。结果表明: 高原冬春积雪异常与西北地区春、 夏季降水存在显著相关, 冬春积雪深度的变化对后期春、 夏季西北地区降水有指示和预测意义。高原冬春积雪深度异常对西北地区春、 夏季降水主要以正反馈为主,但影响的关键区有所不同。高原冬春积雪中部偏多时, 春季降水在陇东南、 宁夏及陕西地区显著偏多;夏季降水在陇东南及宁夏西部显著偏多。从高原多雪年与少雪年的角度出发, 分析了西北地区降水的差异, 表明高原冬春积雪偏多, 春季西北大部地区降水偏多, 北疆偏少; 夏季在南疆、 甘肃中部、 青海大部及陕西降水偏多, 尤其陕西南部地区增多显著, 北疆、 肃北及陇东部分地区降水偏少。

尤联元, 杨景春, 2013. 中国地貌[M]. 北京: 科学出版社.

[本文引用: 1]

尤南山, 蒙吉军, 孙慕天, 2019.

2000—2015年黑河流域中上游NDVI时空变化及其与气候的关系

[J]. 北京大学学报(自然科学版), 55(1): 171-181.

[本文引用: 1]

张金丹, 刘明春, 李兴宇, , 2023.

石羊河流域干湿气候变化特征及对NDVI的影响

[J]. 干旱气象, 41 (5): 697-704.

DOI      [本文引用: 1]

全球变暖背景下,研究石羊河流域干湿气候变化特征及对植被覆盖度的影响对该流域的生态环境建设具有重要参考价值。基于1971—2020年石羊河流域的降水温度均一化指数(S),从干旱站次比、干旱频率等方面分析该流域干湿气候的时空变化,并结合归一化植被指数(Normalized Differential Vegetation Index,NDVI)遥感数据,分析干湿变化对NDVI的影响。结果表明:近50 a来石羊河流域年际和季的S指标呈波动上升趋势,四季中,夏季湿润化速度最快。流域干旱程度、干旱发生区域均呈减小趋势;中下游地区干旱强度高于上游地区,下游地区干旱频率高于中上游地区;年NDVI随着1—10月干旱减轻、降水量增多和气温降低而增加,其中,植被生长前期和中期降水量、生长中期气温对年NDVI影响较大。2月、5月和7月,NDVI对干旱存在滞后效应。

张景华, 封志明, 姜鲁光, 2011.

土地利用/土地覆被分类系统研究进展

[J]. 资源科学, 33(6): 1 195-1 203.

[本文引用: 1]

张强, 张存杰, 白虎志, , 2010.

西北地区气候变化新动态及对干旱环境的影响——总体暖干化,局部出现暖湿迹象

[J]. 干旱气象, 28(1): 1-7.

[本文引用: 1]

周伟, 王倩, 章超斌, , 2013.

黑河中上游草地NDVI时空变化规律及其对气候因子的响应分析

[J]. 草业学报, 22(1): 138-147.

[本文引用: 1]

植被动态监测以及与气候变化的耦合关系是陆地生态系统研究的热点,而草地NDVI时空动态以及影响其变化的关键气候因子分析,对于草地覆盖变化的动态机理研究具有重要意义。基于遥感和GIS技术,利用黑河流域1999-2007年SPOT-NDVI数据和气象站点数据,分析了黑河中上游草地植被NDVI的时空变化特征以及与气候因子的相关性。结果表明,黑河中上游草地植被NDVI在1999-2007年间呈明显增加趋势;草地植被NDVI增加和减少的面积分别占草地总面积的71.53%和19.43%;增加的区域主要分布在托来山、走廊南山、冷龙岭和河西走廊中段的典型草原和高寒草甸草地,减少的区域主要分布在托勒南山、走廊南山和冷龙岭的荒漠草地向非草地过渡区域;黑河中上游不同草地植被NDVI的年内变化均呈单峰型,7月份达最大值;草地NDVI与气温呈极显著正相关(r=0.942,P&lt;0.01),与降水量呈显著正相关(r=0.922,P&lt;0.05),NDVI与相对湿度呈不显著正相关,与日照时数呈负相关性,并且不同草地类型牧草生长的限制因子不同。近年来伴随西北地区气候向暖湿转型,黑河中上游草地植被覆盖明显增加,气温是影响研究区牧草生长的关键气候因子。

DENG S F, YANG T B, ZENG B, et al, 2013.

Vegetation cover variation in the Qilian Mountains and its response to climate change in 2000-2011

[J]. Journal of Mountain Science, 10(6): 1 050-1 062.

[本文引用: 1]

DING M J, ZHANG Y L, LIU L S, et al, 2007.

The relationship between NDVI and precipitation on the Tibetan Plateau

[J]. Journal of Geographical Sciences, 17(3): 259-268.

DOI      [本文引用: 1]

The temporal and spatial changes of NDVI on the Tibetan Plateau, as well as the relationship between NDVI and precipitation, were discussed in this paper, by using 8-km resolution multi-temporal NOAA AVHRR-NDVI data from 1982 to 1999. Monthly maximum NDVI and monthly rainfall were used to analyze the seasonal changes, and annual maximum NDVI, annual effective precipitation and growing season precipitation (from April to August) were used to discuss the interannual changes. The dynamic change of NDVI and the corre-lation coefficients between NDVI and rainfall were computed for each pixel. The results are as follows: (1) The NDVI reached the peak in growing season (from July to September) on the Tibetan Plateau. In the northern and western parts of the plateau, the growing season was very short (about two or three months); but in the southern, vegetation grew almost all the year round. The correlation of monthly maximum NDVI and monthly rainfall varied in different areas. It was weak in the western, northern and southern parts, but strong in the central and eastern parts. (2) The spatial distribution of NDVI interannual dynamic change was different too. The increase areas were mainly distributed in southern Tibet montane shrub-steppe zone, western part of western Sichuan-eastern Tibet montane coniferous forest zone, western part of northern slopes of Kunlun montane desert zone and southeastern part of southern slopes of Himalaya montane evergreen broad-leaved forest zone; the decrease areas were mainly distributed in the Qaidam montane desert zone, the western and northern parts of eastern Qinghai-Qilian montane steppe zone, southern Qinghai high cold meadow steppe zone and Ngari montane desert-steppe and desert zone. The spatial distribution of correlation coeffi-cient between annual effective rainfall and annual maximum NDVI was similar to the growing season rainfall and annual maximum NDVI, and there was good relationship between NDVI and rainfall in the meadow and grassland with medium vegetation cover, and the effect of rainfall on vegetation was small in the forest and desert area.

GAO X, HUANG X X, LO K, et al, 2021.

Vegetation responses to climate change in the Qilian Mountain Nature Reserve, Northwest China

[J]. Global Ecology and Conservation, 28, e01698. DOI: 10.1016/j.gecco.2021.e01698.

[本文引用: 1]

IPCC, 2023.

Summary for Policymakers

[R]// Climate Change 2023:Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. IPCC, Geneva, Switzerland. DOI: 10.59327/IPCC/AR6-9789291691647.001.

[本文引用: 1]

LIU L, GU H T, XIE J K, et al, 2021.

How well do the ERA-Interim, ERA‐5, GLDAS‐2.1 and NCEP‐R2 reanalysis datasets represent daily air temperature over the Tibetan Plateau?

[J]. International Journal of Climatology, 41(2): 1 484-1 505.

[本文引用: 1]

PEARSON K, 1894.

Contributions to the mathematical theory of evolution

[J]. Proceeding of the Royal Society of London, 54: 326-330.

[本文引用: 1]

PIAO S L, LIU Q, CHEN A P, et al, 2019.

Plant phenology and global climate change: Current progresses and challenges

[J]. Global Change Biology, 25(6): 1 922-1 940.

[本文引用: 1]

SEN P K, 1968.

Estimates of the regression coefficient based on Kendall's tau

[J]. Journal of the American Statistical Association, 63(324): 1 379-1 389.

[本文引用: 1]

TIAN H Z, YANG T B, LIU Q P, 2014.

Climate change and glacier area shrinkage in the Qilian Mountains, China, from 1956 to 2010

[J]. Annals of Glaciology, 55(66): 187-197.

[本文引用: 1]

WANG C H, 2023. Climatology in Cold Regions[M]. New Jersey: John Wiley & Sons, Inc. DOI:10.1002/9781119702689.

[本文引用: 1]

WOODWARD F I, MCKEE I F, 1991.

Vegetation and climate

[J]. Environment International, 17(6): 535-546.

[本文引用: 1]

WU X J, SU J B, REN W W, et al, 2023.

Statistical comparison and hydrological utility evaluation of ERA5-Land and IMERG precipitation products on the Tibetan Plateau

[J]. Journal of Hydrology, 620, 129384. DOI: 10.1016/j.jhydrol.2023.129384.

[本文引用: 1]

YANG H, LUO P, WANG J, et al, 2015.

Ecosystem evapotranspiration as a response to climate and vegetation coverage changes in northwest Yunnan, China

[J]. PLOS ONE, 10(8), e0134795. DOI: 10.1371/journal.pone.0134795.

[本文引用: 1]

YANG J T, YANG K, ZHANG F M, et al, 2023.

Contributions of natural and anthropogenic factors to historical changes in vegetation cover and its future projections in the Yellow River Basin, China

[J]. International Journal of Climatology, 43(14): 6 434-6 449.

[本文引用: 1]

/