首页 > 分享 > Response of vegetation phenology to drought in Inner Mongolia from 1982 to 2013

Response of vegetation phenology to drought in Inner Mongolia from 1982 to 2013

花匠小妙招
2024-11-06 19:47

摘要: 气候变化引起的植被物候变化正在大幅度改变生态系统，研究植被物候对干旱的响应对保护内蒙古的生态系统具有重要意义。根据1：100万植被区划，把内蒙古划分为8个植被分区，利用多时间尺度气象标准化降水蒸散指数（SPEI）和NDVI3g时序数据所反演的物候指标，分析内蒙古植被物候的时空变化及其对干旱的响应规律。结果显示：1）在1982年至2013年间，内蒙古植被受到不同时间尺度下干旱的高度控制，尤其是时间尺度干旱的影响（SPEI-3）；2）对于整个研究区，生长季开始（SOS）呈提前趋势，生长季结束（EOS）呈延后趋势，生长季长度（LOS）呈延长趋势，像元比例分别为63.79%、59.77%和62.83%；3）内蒙古除荒漠植被类型地区外，同年春季和夏季初期干旱对SOS均具有延迟作用，同年秋季干旱对EOS均具有延迟作用；4）不同植被类型对干旱强度指数的响应程度存在差异，响应程度集中在-10d/0.1-10d/0.1（例如，1d/0.1表示干旱强度指数每增大0.1，会导致物候指数延迟1 d，而-1d/0.1表示干旱强度指数每增大0.1，会导致物候指数提前1 d）。

HUANG Wenlin1 , ZHANG Qiang2,3 , KONG Dongdong1 , GU Xihui4 , SUN Peng5 , HU Pan2,3

Abstract: Under warning climate, vegetation phenology changes dramatically, which significantly alter ecological process. The response of vegetation phenology to drought is a crucial issue to understand vegetation response to climate change. In this study, we analyzed the spatial and temporal pattern of the vegetation phenology response to drought. Vegetation phenology metrics were extracted from AVHRR NDVI3g time-series during 1982-2013. Drought was defined by multiple time-scale Standard Precipitation-Evaporation index (SPEI). Results showed that: 1) during1982-2013, vegetation phenology was highly controlled by drought on different time scales and by effects of seasonal drought (3 month time-scale SPEI) in particular; 2) the starting of the growing season (SOS) was earlier than before; the ending of the growing season (EOS) was delayed than before; the length of the growing season (LOS) was lengthening; the changing rate of SOS, EOS and LOS was respectively 63.79%, 59.77% and 62.83%; 3) except desert vegetation, spring and early summer drought of the same year all had the effect of inhibiting the SOS of other vegetation types regions, e.g., drought delays SOS, and the autumn drought of the same year all had the effect of inhibiting the EOS of other vegetation types regions; 4) there are differences in the responses of different vegetation types to the drought intensity index, the response levels are concentrated in -10d/0.1 -10d/0.1, e.g. 1d/0.1 indicates that each increase in the drought intensity index of 0.1 will cause a delay of 1 day in the phenology metrics, -1d/0.1 indicates that each increase in the drought intensity index of 0.1 will cause a advance of 1 day in the phenology metrics.

植物物候是指植物受气候和其他环境因子影响而出现的以年为周期的自然现象, 是植物长期适应季节性变化环境而形成的生长发育节律[1], 其中气候是最重要、最活跃的环境因子[2], 并且不同种类植被物候对气候变化的响应具有差异性[3]。目前国内外在植被物候的时空变化规律、物候变化和气候变化(气温、降水、光照)的相互关系以及植物响应气候变化的研究等方面已经取得了很大进展[4], 如Tan等研究表明气候变化(如趋势、波动和极端事件)对植被生长的影响是多样的[5]。内蒙古区域内的植被物候及其对气候变化响应的监测有一定的研究成果, 以物候期变化研究及气候因子对物候的响应为主, 如郭灵辉等[6]对内蒙古不同植被类型区生长季的变化研究, 发现草原区生长季延长, 以生长季初日提前为主; 如吴瑞芬等[7]利用站点数据, 分析内蒙古典型草本植物春季物候变化及其对气候变暖的响应, 发现20世纪80年代以来植物始花期变化为提前趋势。

目前, 国内外众多成果都表明, 植被受干旱的影响。如Zhao等利用标准化的降水蒸散指数(SPEI)和归一化植被指数(NDVI)研究发现了青藏高原植被生产力对不同时间尺度干旱有不同程度的响应[8]; 严建武等在植被指数对旱灾的响应研究中发现植被指数NDVI与干旱指数有密切的相关性[9]; Ji等利用NDVI与SPI的相关性来探讨植被指数NDVI对干旱的响应, NDVI和SPI之间的相关性在月份间显著不同, 3个月SPI与NDVI具有最好的相关性[10]。并且干旱对草原植被的影响具有敏感性[11], Gu等研究发现归一化植被指数与草地干旱有强的相关性, NDVI能灵敏地响应草地干旱[12]。然而, 目前国内外探讨干旱对作物物候期影响的研究较少, 多为站点实验研究, 尺度小, 牟成香等[13]基于站点降雨和物候观测数据, 利用方差分析、T-测对青藏高原高寒草甸植物开花物候对极端干旱的响应进行了探讨, 结果表明植物开花物候对极端干旱显著提前半花期, 生长季旺期极端干旱显著缩短花期持续时间等等。中国正在经历一个明显的气候变化趋势, 干旱和半干旱地区的中国北部地区变得温暖湿润[14], 内蒙古地区干旱逐渐减轻, 1976年发生突变[15]。内蒙古自治区位处中国干旱半干旱区, 植被容易受到自然灾害, 特别是干旱的影响。尽管前人做了大量的关于植被指标NDVI与气候变化关系的研究, 但目前对内蒙古植被物候对干旱的响应尚未开展调查。内蒙古以蒙古高原为主体, 其主要植被类型为草原, 是中国最重要的天然牧场。内蒙古的物候对干旱的响应研究对内蒙古畜牧业发展和内蒙古生态系统的保护都具有重要意义。本文根据植被类型划分不同的子植被分区进行研究, 突破了前人对物候研究的分区界限, 旨在揭示子植被分区的植被物候对干旱的响应规律, 为子植被分区的植被保护和区域内畜牧业的发展规划提供了科学的依据。

根据1:100万植被区划, 把内蒙古划分为8个植被分区：寒温带针叶林区、温带北部草甸草原区、温带北部典型草原区、温带北部荒漠草原区、温带南部荒漠草原区、温带南部典型草原区、温带南部草甸草原区、温带半灌木, 灌木荒漠区(图中用Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ、Ⅶ、Ⅷ表示), 对子植被分区的物候在不同尺度SPEI下的变化情况进行分析。植被物候参数即物候期, 为方便计算将物候日期转换为日序Day Of Year(简称DOY), 即当年的第几天。

1 数据1.1 SPEI标准化降水蒸散指数

标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index, 简称SPEI), 结合了帕默尔干旱指标(Palmer Drought Severity Index, 简称PDSI)与标准化降水指数(Standardized Precipitation Index, 简称SPI)的优点, 既考虑了水分与热量平衡过程, 又能反映地表水分的亏缺量及其积累过程[16]。

(1) 应用Thornthwaite方法计算逐月的潜在蒸发量：

式中, K为根据纬度计算的修正系数; T为月平均气温; I为年总加热指数; m是由I决定的系数。

(2)计算逐月降水与潜在蒸散的差值：

式中, Pi为月降水量, PETi为月潜在蒸散量。

(3) 采用三参数的Log-logistic分布对Di进行拟合, 并求出累计函数：

式中, α为尺度参数, β为形状参数, γ为origin参数, f(x)为概率密度函数, F(x)为概率分布函数。

(4) 对序列进行标准化正态处理, 得到相应SPEI：

式中, 当P ≤ 0.5时, P = F(x); 当P＞0.5时, P = 1-F(x); 其他参数分别为C0= 2.515 517, C1 = 0.802 853, C2 = 0.010 328, d1= 1.432 788, d2= 0.189 269, d3= 0.001 308。从计算公式物理意义来讲, SPEI指数基于降水和蒸散发的差额, 既保留了PDSI对温度敏感的特点, 又具有多尺度的特点[16]。SPEI是能敏感响应干旱的指标, 能够对不同空间的旱涝进行比较且稳定性好, 该指数广泛应用于全球变暖背景下的干旱监测与评估, 前人研究证实SPEI适用于监测内蒙古地区的干旱[15-16]。本文使用的SPEI标准化降水蒸散指数是由全球SPEI数据库(SPEIbase)提供1982—2013年、空间分辨率为0.5度、多时间尺度干旱状况的长时间的SPEI标准化降水蒸散指数数据集(包括1、3、6、9和12个月尺度的SPEI, 分别用SPEI-1, SPEI-3, SPEI-6, SPEI-9, SPEI-12表示, http://digital.csic.es/handle/10261/128892)。

1.2 NDVI数据

本文采用归一化植被指数(Normalized Difference Vegetation Index, 简称NDVI)提取植被物候指数。NDVI已广泛应用于检测植被生长状态和生长过程, 相关研究也证明NDVI与植被初级生产力、叶面覆盖、生物量等[17]具有很好的相关性。本文使用的NDVI数据是由全球监测与模型组利用NOAA系列卫星合成分辨率为1/12°的半月NDVI第三代数据集NDVI3g(时间跨度为1982年1月—2013年12月, http://ecocast.arc.nasa.gov/data/pub/gimms/)。

本文为了防止荒漠或常年积雪栅格单元干扰整个区域的植被物候的计算统计, 截除植被较为稀疏的荒漠和NDVI季节性变化不明显的栅格区域[18], 选择植被活动较为活跃区域进行探讨, 选取出来的植被活动较为活跃的区域称为植被活跃区, 具体分布如图 1所示。

图 1 研究区及物候站点空间位置示意图Fig. 1 The locations of the study region and the observatory stations for vegetation phenology

1.3 农作物生长发育状况资料数据

采用国家气象局气候中心提供的内蒙古地区农气站观测的物候数据作为研究区的站点物候数据。物候站点选取满足以下两个条件：1)站点主要作物为内蒙古的主要作物—牧草; 2)站点牧草物候数据的记录年限大于10年。根据选择条件筛选出了分布均匀的7个物候站点, 具体分布如图 1所示。

2 研究方法2.1 相关分析

研究区域的每个格点有12个NDVI(1—12月, 由半月尺度NDVI做月平均处理得到)序列, 分别计算与1、3、6、9和12个月时间尺度SPEI指标的相关系数, 这样对于每个格点将有60个相关系数值[9]。自然界植物现象同环境而周期性变化[19], 环境变化在一定程度上能反映植物变化。本文使用最大相关系数来检验不同时间尺度的干旱反映植被变化的敏感程度[20]。每年1—12月份的月均NDVI分别与1、3、6、9和12个月时间尺度的SPEI求相关系数, 这60个相关系数中最大值定义为年最大相关系数Rmax：

(1)

式中, cor代表皮尔逊相关函数, i代表月份(1, 2, …, 12), DATA代表植被参数SOS、EOS、LOS, j代表时间尺度(1、3、6、9和12月)。本文公式1最大相关系数Rmax用于分析计算像元上NDVI与不同尺度SPEI敏感程度(植被参数SOS、EOS、LOS与干旱指数SPEI敏感程度)。

2.2 NDVI平滑处理及物候提取

为了减少云和大气对NDVI的干扰, 要先对NDVI时间序列进行平滑处理, 以去除由云污染和大气变化引起的噪声, 使其能更好地描述植物活动动态变化。本文选用的是Timesat软件中Savitzky-Golay filtering(S-G)滤波函数进行数据处理[7], S-G滤波函数处理NDVI数据的具体效果如图 2。

图 2 S-G滤波效果图Fig. 2 Fitting effect of S-G

采用NDVI动态阈值法(TRS)来提取物候：

(3)

式中, NDVIratio第一次超过阈值的日期定义为生长季开始日期; NDVIratio第一次低于阈值的日期定义为生长季结束日期[21-22]。根据内蒙古植被活跃区的1982—2013年植被指数NDVI变化曲线, 利用阈值法, 提取了研究区各个象元点的物候信息, 指标包括生长季开始(SOS)、生长季结束(EOS)、生长季长度(LOS)。

2.3 Mann-Kendall趋势检验法

目前有许多可用于趋势检测的统计方法, 这些统计方法在趋势检测上各有优势和劣势[19]。Mann-Kendall(M-K)检验主要用来评估水文气象要素时间序列的趋势, 因适用范围广、结论客观、定量化程度高而得到广泛应用[23]。

3 研究结果3.1 SPEI与植被指数NDVI相关性分布特征

年最大相关系数对应的干旱时间尺度反映了植被变化对相应时间尺度干旱响应的敏感性[24]。当r≥0.449通过0.01的显著性水平检验, 当r≥0.349通过0.05的显著性水平检验, 从图 3可以看出整个区域大部分像元上的SPEI与植被指数NDVI呈显著正相关, 85.61%像元的SPEI与植被指数NDVI相关性通过了0.05的显著性检验。说明1、3、6、9和12个月等5个尺度的SPEI能敏感地反映了植被变化对相应时间尺度干旱的响应, NDVI与SPEI有很强的相关性。从图 3年最大相关系数对应干旱时间尺度分布情况可以看出, 年最大相关系数所对应为3个月尺度的SPEI的像元最多, 主要集中分布在子植被分区Ⅲ、Ⅳ、Ⅴ、Ⅵ、Ⅶ、Ⅷ, 说明这5个时间尺度的干旱中SPEI-3最能敏感地反映了植被变化。

图 3 标准化的降水蒸散指数(SPEI)与归一化差异植被指数(NDVI)最大相关系数分布图及对应SPEI的时间尺度Fig. 3 Spatial patterns of maximum correlation coefficient between standardized precipitation evapotranspiration index (SPEI) and normalized difference vegetation index (NDVI) and the time scales of SPEI

3.2 物候指数提取与验证3.2.1 物候指数分布特征与站点验证

为了验证物候指标生长季起始(SOS), 生长季结束(EOS)和生长季长度(LOS)的提取精度, 利用地面站点观测的物候资料作为基础, 调整Timesat软件提取物候指标的参数, 以保证物候指标提取的可靠性。

(1) 地面物候数据观测分析

由于地面物候观测站点数据的时间长度不一, 单个地面物候站点的观测植被种类多样, 其物候期不一。本文选择了研究区内7个主要作物类型为牧草、观测时间超过十年(并且观测时间在1982—2013年之间)的地面观测站点的观测数据进行统计分析, 作为内蒙古植被活跃区物候指标提取参数调整的基础。根据牧草的物候参数出苗与枯黄可以大致推算出物候的生长期长度, 算出这7个地面物候观测站点的多年平均物候期, 如表 1为研究区内7个地面观测站观测时间内的多年平均物候特征, 从表 1可见, 出苗期平均介于第88.2—124.1天, 枯黄期介于第229.9—307.9天。不同植被区划的植被类型物候期差异较大。

表 1 站点的多年平均物候期Table 1 Annual average phenology metrics of stations

区域
Region 站点名称
Station name 经度
Longitude 纬度
Latitude 出苗期(DOY)
Seeding date 枯黄期(DOY)
Withered yellow date Ⅶ 察右后旗 113.18°E 41.45°N 115.8 269.4 Ⅵ 乌审召 109.0°E 39.1°N 100.8 237.8 Ⅲ 锡林浩特 116.12°E 43.95°N 108.5 281.1 Ⅲ 鄂温克旗 119.75°E 49.15°N 124.1 266.8 Ⅱ 巴雅尔吐胡硕 120.33°E 45.07°N 121.0 257.5 Ⅱ 额尔古纳右旗 120.18°E 50.25°N 128.1 266.3 Ⅷ 锡林高勒 105.38°E 39.08°N 88.2 307.9 DOY：一年中的第几天, Day of year; Ⅰ：寒温带针叶林区, The coniferous forest areas in cold temperate regions; Ⅱ：温带北部草甸草原区, The meadow steppe areas in northern temperate regions; Ⅲ：温带北部典型草原区, The typical grassland areas in the northern temperate regions; Ⅳ：温带北部荒漠草原区, The desert steppe areas in northern temperate regions; Ⅴ:温带南部荒漠草原区, The desert steppe areas in southern temperate regions; Ⅵ：温带南部典型草原区, The typical grassland areas in the southern temperate regions; Ⅶ：温带南部草甸草原区, The meadow steppe areas in southern temperate regions; Ⅷ：温带半灌木, 灌木荒漠区, The semi-shrub, shrub desert areas in temperate

(2)物候指标分布特征

本文利用Timesat物候分析软件, 设置了不同的NDVI阈值(包括NDVIratio分别为0.2、0.3、0.4、0.5), 分别提取了物候参数SOS、EOS和LOS。最终根据表 1地面物候观测站点的多年平均物候期统计资料, 选择了NDVIratio等于0.5时, 所提取的物候参数作为本文反演的物候参数。

从整个研究区域的多年平均物候参数空间分布格局看, 图 4可知, 遥感反演出来的物候参数SOS、EOS和LOS主要分布范围分别为第120—160天、第275—295和120—170天, 各植被分区之间的物候参数也具有较大的差异, 在寒温带针叶林区, SOS主要分布在第120—135天之间, 而在温带北部典型草原区和温带南部草甸草原区, SOS主要分布在第135—160天之间, 这两个子植被区的SOS平均相差20天; 在寒温带针叶林区, EOS主要分布在第275—285天之间, 而在温带北部荒漠草原区, EOS主要分布在第285—295天之间; 在温带北部荒漠草原区, LOS主要分布150—170天之间, 而在温带南部草甸草原区, 主要分布在120—155天。各植被区之间物候参数范围存在差异, 同一植被类型区物候参数较集中, 大部分参数范围都在30天之内。反演出来的物候参数分布与安佑志, 毕超等人的研究成果一致[25-26]。

图 4 1982—2013年物候指数生长季开始(SOS)、生长季结束(EOS)、生长季长度(LOS)分布图Fig. 4 The distribution of phenology metrics during 1982—2013 includes the starting of the growing season (SOS)、the ending of the growing season (EOS) and the length of the growing season (LOS) DOY:一年中的第几天 Day of year

(3)物候指标验证

表 2的地面观测LOS由表 1计算而来(地面观测LOS=枯黄期-出苗期)。因为地面观测的物候期是从植物个体尺度观测的, 而遥感监测的物候期是在群落甚至生态系统尺度监测的[27], 监测方法的不同可能导致遥感监测结果较地面观测结果有延迟。监测方法的延迟性对于生长期长度的影响较小, (原因是生长期长度=生长季结束-生长季开始, 延迟有所抵消), 本文选择生长季长度进行验证。并且出苗期和枯黄期的NDVIratio都不一定刚好为0.5, 也会导致反演出来的物候期与站点物候期有所差异。所以只要反演出来的物候期与站点物候期差在30天内, 认为在反演物候参数与实际物候期吻合的。表 2所示, 在验证期内7个地面观测站所统计得到多年平均LOS数据, 基本上与所在的植被区域基于遥感反演的LOS主要范围相一致。反演出来的参数分布特征与前人的研究成果相一致[25-26]。表明基于遥感提取的物候参数的准确性较高, 与实际观测结果较为接近。说明本研究中基于遥感反演提取的物候参数具有较高的可靠性, 提取的物候参数能够反映区域物候的基本特征[25]。

表 2 站点物候参数与反演物候参数的对比表Table 2 Compared table between stations′ phenology metrics and phenology metrics

区域
Region 站点名称
Station name 站点观测的LOS(DOY)
LOS of station observation 反演的LOS(DOY)
LOS were extracted from NDVI Ⅶ 察右后旗 153.6 120—155 Ⅵ 乌审召 137 130—160 Ⅲ 锡林浩特 172.6 120—170 Ⅲ 鄂温克旗 142.7 Ⅱ 巴雅尔吐胡硕 136.5 120—160 Ⅱ 额尔古纳右旗 138.2 Ⅷ 锡林高勒 219.7 > 190 LOS：生长季长度, The length of the growing season

3.2.2 SPEI与物候指数的年最大相关系数显著水平

从图 5可以看出, 整个区域大部分像元上的干旱指标对于物候变化的影响具有敏感性。物候指标SOS、EOS、LOS与SPEI年最大相关系数的相关性通过了0.05显著性检验的像元分别达到了36.64%、45.72%、58.55%, 物候指标SOS、EOS、LOS与SPEI年最大相关系数的相关性通过了0.1显著性检验的像元分别达到了56.25%、67.16%、77.13%(图 6)。说明植被物候与干旱指标SPEI有很强的相关性。

图 5 SPEI与物候参数最大相关系数相关显著水平分布图Fig. 5 Spatial patterns of maximum correlation coefficient between SPEI and phenology metrics

图 6 SPEI与物候参数最大相关系数显著水平直方图Fig. 6 Histogram of the significant level of maximum correlation coefficient between SPEI and phenology metrics

3.3 变化趋势空间分布特征

本文基于一元线性回归法, 对SPEI、SOS、EOS和LOS计算了32年来其变化趋势率, 并进行了95%和90%的显著性检验。

3.3.1 SPEI变化趋势空间分布特征

图 7可知整个研究区域大部分的像元SPEI(这里使用的是具有年际特征的SPEI-12)呈下降趋势。以温带半灌木, 灌木荒漠区、温带南部荒漠草原区、温带北部荒漠草原区等为主的内蒙古西部地区的部分栅格单元上的SPEI呈上升趋势, 但只有半灌木, 灌木荒漠地区的部分栅格单元上升趋势通过了0.05的显著性水平; 寒温带针叶林区、温带北部草甸草原区、温带北部典型草原区、温带南部典型草原区和温带南部草甸草原区均呈下降趋势, 尤其温带北部草甸草原区的绝大部分栅格单元的下降趋势通过了0.05的显著性水平。

图 7 SPEI变化趋势及显著水平Fig. 7 The variation trend of SPEI and significant level

3.3.2 物候变化趋势空间分布特征

植被物候变化趋势存在明显的空间变化规律, 整个研究区大部分的地区SOS变化率介于-0.6—0.8d/a(图 8), SOS呈提前趋势, 从变化的面积来看, SOS呈显著提前趋势的面积占总面积的20.49%, SOS显著延后趋势的面积占13.01%, 呈提前但不显著的面积占总面积的43.30%, 呈延后趋势, 但不显著的面积占总面积的23.20%(图 8)。整个研究区大部分的地区EOS变化率介于-0.4—0.4d/a, 说明整个研究区多数地区的EOS变化趋势不明显(图 8)。子植被分区地区Ⅲ、Ⅳ、Ⅴ、Ⅷ, 多呈提前的趋势; 子植被分区Ⅰ、Ⅱ、Ⅵ、Ⅶ地区多呈延后的趋势。从变化的面积来看, EOS呈显著提前趋势的面积占总面积的13.10%, 呈显著延后的面积占29.70%, 呈提前但不显著的面积占总面积的27.13%, 呈延后趋势, 但不显著的面积占总面积的29.82%(图 8)。整个研究区大部分的地区LOS变化率介于-0.8—0.6d/a(图 8)。子植被分区Ⅳ、Ⅴ、Ⅷ地区的LOS多呈缩短的趋势; 子植被分区Ⅰ、Ⅱ地区LOS多呈延长的趋势; 子植被分区Ⅲ、Ⅴ、Ⅵ等区域的LOS变化趋势相对比较复杂, 缩短或延长的趋势都不明显。从变化的面积来看, LOS呈显著提前趋势的面积占总面积的13.09%, 呈显著延后的面积占31.90%, 呈提前但不显著的面积占总面积的24.08%, 呈延后趋势, 但不显著的面积占总面积的30.85%(图 8)。整体来说, 但内蒙古区域内SOS多呈提前趋势, EOS多延后趋势, LOS多呈延长趋势。这与韩芳, 安佑志, 张戈丽等人, 荒漠植被区SOS、EOS多呈提前趋势和LOS多呈缩短趋势[19, 26, 28], SOS延迟地区主要分布在内蒙古中部和新疆南部部分地区[7]和内蒙古草原的SOS多呈提前趋势, EOS多延后趋势, LOS多呈延长趋势[26-28]有相同的结论。

图 8 物候指标的Slope与趋势显著水平分布图Fig. 8 The variation trend of phenology metrics′ slope and significant level

3.4 物候指数对干旱强度的响应

以各栅格单元历年每月季节性的SPEI-3(≤ -1)之和构建研究区年内干旱强度时间序列, 同时由于植被分区不同, 每个区域内的栅格单元数量也不同, 该方法算出的干旱强度各个区域不具可比性, 故将该指数除以该区域的总栅格数[29]。斜率越小(干旱强度指数越小), 表明干旱强度增强。

3.4.1 不同植被类型的物候与当年干旱强度指数的相关性分析

不同植被类型下的SOS、EOS和LOS与不同季节和年干旱强度指数的相关性有正也有负, 并且多不显著(图 9)。除了子植被分区Ⅷ年干旱强度指数与SOS呈正相关, 其他子植被分区年干旱强度指数与SOS均呈负相关。除了子植被分区Ⅳ、Ⅴ和Ⅷ的年干旱强度指数与EOS呈正相关, 其他子植被分区年干旱强度指数与EOS均呈负相关。对于整个研究区, 研究区当年的春夏季干旱强度指数对不同植被类型的SOS具有普遍的负影响作用, 即干旱减弱, 促进生长季开始提前; 当年的秋季干旱对不同植被类型的EOS具有普遍的负影响作用。荒漠植物区Ⅳ、Ⅴ和Ⅷ的物候与干旱均呈不显著正相关, 干旱影响荒漠植物枯黄的机制与草原不同。

图 9 干旱强度与物候相关分析Fig. 9 Correlation analysis between drought intensity and phenology metrics

不同的植被区物候对于季节干旱强度指数的响应存在差异, 春夏季干旱对SOS和秋季干旱对EOS的影响比较统一, 其他的季节对物候参数的影响正负比例平衡, 并且多呈不显著相关。子植被分区Ⅷ的夏季干旱强度指数与SOS呈显著正相关, 其他子植被分区夏季干旱强度指数与SOS均呈负相关, 尤其在植被分区Ⅰ、Ⅵ, 夏季干旱强度指数与SOS呈显著负相关; 各子植被分区春季干旱强度指数与SOS均呈不显著负相关; 子植被分区Ⅴ的秋季干旱强度指数与EOS呈不显著正相关, 其他子植被分区的秋季干旱强度指数与EOS均呈不显著负相关。此外, 在温带北部草甸草原区, 冬季干旱强度指数与SOS呈显著负相关, 经查资料验证是上一年的干旱对当年SOS有显著负影响[25], 所以冬季干旱强度指数序列与SOS序列呈显著负相关; 在温带北部典型草原区, 夏、冬季干旱强度指数与EOS呈显著负相关; 在温带南部荒漠草原区, 夏季干旱强度指数对EOS呈显著正相关。

3.4.2 不同植被类型分区的物候与干旱强度指数的变化趋势

不同植被分区的干旱强度指数和物候指数都具有不同的变化特征, 对各个季节平均和年均的SPEI(有这里使用最能敏感地反映了植被变化的SPEI-3)、SOS、EOS和LOS进行趋势分析, 选择0.1、0.05作为显著性水平。研究不同植被分区干旱强度指数的时间变化趋势, 及在该干旱强度指数变化下平均物候指数的时间变化趋势特征。图 10可知, 各植被分区的干旱强度指数和物候的变化趋势并不统一, 大多分区的干旱强度指数变化趋势不明显, 变化在-0.1—0.1(/10a)占55%, 并且大多数干旱强度指数变化趋势未通过显著性检验。大多分区的物候参数变化趋势差异较大, 变化在大于2d/10a占37.5%, 并且有将近一半的变化趋势通过显著性检验, 尤其EOS除了温带南部荒漠草原区, 其余的植被类型区都通过了显著性检验。在寒温带针叶林区, EOS呈显著(2.04/10a)延后趋势, LOS呈显著(3.35/10a)延长趋势。在温带北部草甸草原区, EOS呈显著(1.2/10a)延后趋势, LOS显著(2.2/10a)延长趋势。在温带北部典型草原区, EOS呈显著(-0.82/10a)提前趋势。在温带北部荒漠草原区, EOS呈显著(-2.89/10a)提前趋势。在温带南部荒漠草原区。在温带南部典型草原区, EOS呈显著(1.1/10a)延后趋势。在温带南部草甸草原区, EOS呈显著(1.0/10a)延后趋势。在温带半灌木, 灌木荒漠区, SOS呈显著提前趋势, EOS呈显著提前趋势。

图 10 干旱强度和物候指数的M-K趋势特征Fig. 10 The M-K trend of drought intensity and phenology metrics

不同植被区的同一季节的干旱强度指数变化趋势也不一致。除了温带南部典型草原区以外, 各个植被区的夏季干旱强度指数均呈下降不显著降趋势, 说明大部分地区夏季的呈不显著干旱增强。春、秋、冬季干旱强度指数变化趋势有正也有负, 且大多不显著, 干旱强度指数变化趋势通过显著性检验的均为上升趋势。寒温带针叶林区的春季干旱强度指数、温带北部草甸草原区的春和冬季干旱强度指数、温带北部典型草原区的冬季干旱强度指数、温带南部草甸草原区的冬季干旱强度指数和温带半灌木, 灌木荒漠区的秋季干旱强度指数均呈显著上升趋势, 上升趋势分别为(0.1/10a、0.24/10a、0.18/10a、0.33/10a、0.31/10a、0.42/10a)。

3.4.3 物候对干旱强度指数变化的响应程度分析

只有当干旱强度指数变化趋势、物候参数变化趋势都呈显著性趋势, 并且其两者相关性通过显著性物候检验时, 我们才认为该物候参数对干旱强度指数的响应通过了显著性检验, 响应程度为物候参数变化趋势与干旱强度指数变化趋势的比值。反之, 呈不显著响应。

结合不同植被类型的物候与干旱强度指数的相关性分析结果(图 9)和物候与干旱强度指数的变化趋势(图 10), 可知研究区内的各子植被区的季节干旱强度指数和物候参数SOS、EOS多呈不显著变化趋势。分析可知植被区的物候参数生长季开始(SOS)与生长季结束(EOS)对季节干旱强度指数响应具有较大差异性, 响应程度集中在-10d/0.1—10d/0.1。如在寒温带针叶林区, 夏季干旱强度指数与SOS呈显著负相关, SOS呈不显著(-1.15/10a)提前趋势, 夏季干旱强度指数分别呈不显著-0.01/10a下降趋势, 响应程度为-11.5d/0.1, 该响应程度并未通过显著性检验; 而在温带南部草甸草原区, SOS对夏季干旱的响应程度为-0.45d/0.1, 该响应程度并未通过检验。并且植被区的物候参数生长季开始(SOS)与生长季结束(EOS)对季节干旱强度指数响应多呈不显著响应, 只有部分呈显著响应。在温带北部典型草原区, 冬季干旱强度指数与EOS呈显著负相关, 冬季干旱呈显著0.33/10a上升趋势, EOS呈显著-0.82d提前趋势, EOS对冬季干旱强度指数的负影响程度为-0.25d/0.1, 并通过了显著性检验, 说明冬季干旱强度指数每增大0.1, 会促进EOS提前0.25d。

4 讨论

1) 保证物候提取的精度是保证研究成果可信度的重要前提。本文物候提取方法的验证有两步：1)先用具有代表性的站点物候, 代表作物类型肯定不是子植被分区唯一作物类型, 但子植被分区内的作物类型肯定以代表作物为主, 只要提取后的大部分像元的物候参数落在了代表类型物候的弹性区间30天内, 都认为提取的物候有可信度。只做该步骤的验证会存在缺陷, 并不能直接确定NDVIratio为0.5时提取的物候精度最高, 只能验证NDVIratio为0.5时提取的物候参数可用验证方法, 有待提高; 2)本文又用前人提取该研究区物候的成果来验证NDVIratio为0.5时提取的物候参数, 发现NDVIratio为0.5时提取的物候参数与前人提取物候参数一致, 再次证实了NDVIratio为0.5提取的物候的可信度较高。地面站点观测物候数据相对遥感反演的物候参数精度较高, 希望以后的研究, 可以从物候提取的方法上有所改进, 并能把遥感反演物候数据和地面观测数据有效结合, 而不仅用于验证反演的物候参数。

2) 本研究中选择时间尺度的步骤是一个典型的研究课题。植被指数NDVI具有显著的季节性变化, 植被物候也遵循季节变化规律, 此外, 季节性的SPEI与物候的相关性最大。选择季节性的干旱指标SPEI, 并分析植被物候在的季节性变化SPEI上的响应情况是合理的。但是同植被对气候因素的响应存在时间滞后一样, NDVI对气象干旱指数也存在滞后效应。植被变化不仅受到现下气候条件普遍的影响, 也由以前的气候条件造成累积效应。本文根据最大相关系数检验不同时间尺度的干旱反映植被变化的敏感程度, 得到的最能反映植被变化的干旱尺度为季节尺度, 该方法可靠, 结论符合实际可用。研究发现3个月尺度的干旱对植被影响最大, 推测因为植被对干旱的响应具有时间滞后性。然而, 本文并没有具体去分析滞后效应, 不能定量得描述滞后效应的大小。在以后的研究中, 不同类型植被的物候对气象干旱指数的滞后效应大小, 及物候在不同时间尺度干旱变化下的响应情况, 都是非常值得探讨和分析的问题。

3) 本文发现除了荒漠草原区外, 内蒙古地区大部分像元年干旱与SOS、EOS均呈正相关, 干旱加强, SOS和EOS都会延后。前人的研究发现, 内蒙古地区降水的减少是当地植被物候SOS延后和EOS提前主要原因, 并且气温升高会导致SOS延后、EOS延后[7, 25, 30-32]。从物理意义讨论本文研究结论与前人成果的异同, 本文使用SPEI指数是基于降水和蒸散发(根据Thornthwaite方法基于气温计算所得)的差额累计拟合而来, SPEI的大小与降水呈正相关, 与气温呈负相关。降水减少, 气温升高, SPEI指数减少, 干旱加强, SOS会延后, 这与前人研究降水、气温对SOS的结论一致。降水减少, 气温升高, SPEI指数减少, 干旱加强, EOS的延后, 与前人研究气温对EOS的影响结论一致, 但并不符合前人研究降水对EOS的影响结论。推测可能是干旱指标SPEI对气温敏感导致的, 认为干旱对EOS的影响以气温对EOS的影响为主。

5 结论

本文根据NDVI3g时序数据, 利用Timesat物候分析软件提取了各个栅格单元多种植被物候参数。并根据1:100万植被区划, 把内蒙古划分为8个植被分区, 分析了内蒙古各子植被区植被物候的时空变化及其对干旱的响应规律。得出以下结论：

1) 在1982年至2013年, 内蒙古植被受到不同时间尺度下干旱的高度控制。植被变化与气象干旱指标SPEI有很强的相关性, 像元比例85.61%呈显著正相关, 但是不同植被分区间存在一定的差异性。除了寒温带针叶林区和温带草甸草原区的NDVI对与SPEI-6和SPEI-12响应敏感, 其他区域对SPEI-3均响应敏感, 尤其在内蒙古中部区域。为后面研究内蒙古植被与干旱关系而选取干旱指标的时间尺度时, 提供了科学的依据。

2) 研究区遥感反演的多年平均物候参数SOS、EOS和LOS主要分布范围分别为第120—160天、第275—295天和120—170天, 并且各物候参数都具有明显的空间差异, SOS表现为内蒙古的东南区SOS时间较晚, 寒温带针叶林、温带北部草甸草原区和温带半灌木, 灌木荒漠植被区SOS的较早; EOS表现为内蒙古东北区EOS时间较早, 西南区EOS的较晚; LOS表现为内蒙古南部多年平均LOS较短, 北部的多年平均LOS较长。

3) 对于整个研究区SOS多呈提前趋势, 像元比例为63.79%, EOS多呈延后趋势, 像元比例为59.77%, LOS多呈延长趋势, 像元比例为62.83%。植被物候变化趋势存在明显的空间变化规律, 荒漠草原区SOS、EOS多呈提前趋势, LOS呈缩短趋势; 研究区北部寒温带针叶林和温带草甸草原区SOS呈提前趋势、EOS多呈延后趋势, LOS呈延长趋势; 研究区南部的温带南部典型草原区和温带南部草甸草原区SOS多呈延迟趋势、EOS多呈延后趋势, LOS呈延长趋势。

4) 研究区同年春夏季干旱减弱, 促进SOS提前; 同年秋季干旱减弱, 促EOS提前; 同年春夏季干旱减弱LOS延长, 推测LOS延长主要由SOS提前导致的。根据当年春季的干旱程度可以推断植被生长季开始的变化情况, 当年秋季的干旱程度可以推断植被生长季结束的变化情况, 这对内蒙古生态系统发展和保护具有重要意义。

5) 研究区域内不同类型植被分区对干旱强度指数的响应不同, 响应程度集中在-10d/0.1—10d/0.1, 并且多呈不显著响应, 只有部分呈显著响应。在温带北部典型草原区, EOS对冬季干旱强度指数的负影响程度为-0.25d/0.1, 并通过了显著性检验, 说明冬季干旱强度指数每增大0.1, 干旱减弱, 会促进EOS提前0.25d。本文按植被类型分区, 研究不同植被类型的子植被分区对干旱的响应情况, 突破了前人对物候研究的分区界限, 对研究区内不同植被类型的保护提供了科学的依据。