劉世梁,田韞鈺,尹藝潔,安南南,董世魁
北京師范大學環(huán)境學院水環(huán)境模擬國家重點實驗室,北京 100875
?
云南省植被NDVI時間變化特征及其對干旱的響應
劉世梁*,田韞鈺,尹藝潔,安南南,董世魁
北京師范大學環(huán)境學院水環(huán)境模擬國家重點實驗室,北京100875
基于云南省74個氣象站點的1997—2012年逐日降水資料和逐旬SPOT-NDVI值,利用標準化降水蒸散指數(shù)(SPEI)多尺度分析了云南省干旱時間和強度演變與NDVI時間動態(tài)特征及其相關性分析,進而探討氣候變化對植被的影響。結果表明,1999—2013年云南省年平均NDVI值和年最大NDVI值均呈現(xiàn)波浪式的發(fā)展趨勢,其趨勢線斜率分別為0.0017和0.0011;NDVI年內(nèi)各月變化情況大體上相同;不同季節(jié)NDVI的年際變化特征呈現(xiàn)出顯著差異。1997—2012年不同時間尺度SPEI均體現(xiàn)出干旱化加劇的趨勢,并隨SPEI的時間尺度增大而增大;3個月尺度的SPEI值(SPEI3)結果表明,各月的變化呈現(xiàn)先增大后減小的趨勢;SPEI3反映出多年季節(jié)水平的干旱強度為:冬季>秋季>春季>夏季??傮w上,云南省的年均NDVI與SPEI的相關性極弱,年最大NDVI與SPEI呈正相關;多年月均NDVI與不同尺度SPEI的相關性較強且存在滯后性;不同季節(jié)NDVI與SPEI的相關性及滯后性有較大差異,其中冬季NDVI、秋季NDVI與其當年當季SPEI的負相關性較強。
標準化降水蒸散指數(shù);NDVI;時間序列;云南?。幌嚓P性
植被是生態(tài)系統(tǒng)的重要組分。它不僅是重要自然資源,同時在一定的程度上能代表土地覆蓋的變化。植被變化對全球變化較為敏感,具有指示作用。同時,地表植被被認為對全球的能量平衡、生物化學循環(huán)、水循環(huán)等起著調(diào)控作用,對氣候系統(tǒng)變化有著深遠的影響[1]。植被與氣候變化之間的關系是密不可分的,二者之間的相互作用主要表現(xiàn)在2個方面,即植被對氣候的適應性與植被對于氣候的反饋作用[2]。因此在全球變化研究中,植被變化的監(jiān)測與動態(tài)在地表覆蓋與變化研究中一直備受重視。
干旱是對人類社會影響最為嚴重的氣象災害之一,影響范圍廣、造成危害大、涉及時間長。西南地區(qū)一直是我國干旱發(fā)生頻率較高的區(qū)域,近年來干旱更加突出[3-4],目前已經(jīng)有研究針對西南地區(qū)干旱特征和變化趨勢進行研究分析[5- 8]。在干旱的時空動態(tài)研究中[9- 11],應用最廣泛的是Vicente-Serrano于2010年提出的標準化降水蒸散指數(shù)(Standardized Precipitation Evapotranspiration Index,SPEI),它不僅考慮了降水與蒸散,而且保留了SPI、PDSI指數(shù)等對溫度降水的敏感度,又具備SPI 適合多尺度、多空間比較的優(yōu)點[5]。由于氣候是決定地球上植被類型及其分布的最主要因素,因此在全球變化與陸地生態(tài)系統(tǒng)關系的研究中,氣候—植被關系的確定具有十分重要的實際意義[12]。
在植被研究中,歸一化差值植被指數(shù)(NDVI)由于其具有植被空間覆蓋范圍廣、植物檢測靈敏度高、能消除地形和群落結構的陰影和輻射干擾、削弱太陽高度角和大氣所帶來的噪音、數(shù)據(jù)具有高可比性等特點,在多種植被指數(shù)中應用最多最廣泛[1]。近年來國內(nèi)外利用NDVI做了大量的植被研究,主要集中于區(qū)域植被的時空變化與氣候因子的相互關系[13- 18]以及對氣候變化的響應[19- 20],其中氣候因子主要為溫度和降水量,并不能綜合反映氣候變化,因此NDVI與單獨的氣候因子的相關性研究尺度單一且不全面,不足以確定氣候-植被關系。而多時間尺度的SPEI值能夠清楚地反映區(qū)域干濕演變與可獲得水資源狀況,因此本研究從多尺度研究了云南省NDVI和SPEI兩大指數(shù)的時間序列變化規(guī)律,利用SPEI指數(shù)進一步分析了云南省的氣候變化情況和干旱發(fā)生強度,同時利用NDVI指數(shù)分析了研究區(qū)域的植被變化情況。此外,本研究試圖對云南省的SPEI與NDVI作了不同尺度上的相關性分析,進一步探討了植被的變化趨勢及其對氣候變化的響應機制,為制定相應的對策提供了科學依據(jù),具有重要的理論和現(xiàn)實意義。
1.1研究區(qū)概況
云南省(21°8′32″—29°15′8″N, 97°31′39″—106°11′47″E)北依亞洲大陸,南連位于太平洋和印度洋之間的東南亞半島,處在東南季風和西南季風控制之下,又受西藏高原區(qū)的影響,從而形成了復雜多樣的自然地理環(huán)境??偯娣e39.4萬km2,平均海拔2000m 左右。地理位置特殊,地形地貌復雜。由于大氣環(huán)流的影響,冬季受干燥的大陸季風控制,夏季盛行濕潤的海洋季風,屬低緯山原季風氣候。全省氣候的區(qū)域差異較大。植被資源豐富,森林覆蓋率47.5%,植被NDVI分析與干旱的變化的研究具有可行性并有現(xiàn)實意義。
1.2數(shù)據(jù)處理1.2.1氣候數(shù)據(jù)前處理
選用1998—2012年云南省地面氣象觀測站逐年的日降水量的實測資料。對個別臺站的缺測數(shù)據(jù)進行了插補處理,主要采用的是均值替換法。首先對于明顯錯誤數(shù)據(jù)進行檢測,確定錯誤數(shù)據(jù)或者斷點,剔除或用多年平均值取代錯誤或斷點數(shù)據(jù)[10]。經(jīng)過訂正處理后的各要素資料具有較好的連續(xù)性。
1.2.2NDVI數(shù)據(jù)處理
作為反映植被狀況的一個重要遙感參數(shù),歸一化差值植被指數(shù)(NDVI)是植物生長狀態(tài)和植被空間分布密度的指示因子,與植被分布密度呈線性相關,即NDVI值越高表明植被狀況越好。利用1999—2013年的SPOT VEGETATION逐旬NDVI數(shù)據(jù)進行分析,共有504幅圖像,空間分辨率為1 km。NDVI 數(shù)據(jù)主要采用均值法和最大合成法進行處理,為避免某些極端值的影響,每月NDVI值由上、中、下三旬數(shù)據(jù)求平均值獲得;每年NDVI值除了年均值還采用了國際通用的最大合成法獲取,以進一步消除云、大氣、太陽高度角等的部分干擾[20]。
1.3研究方法
標準化降水蒸散發(fā)指數(shù)SPEI(Standardized Precipitation Evapotranspiration Index)是Vicente-Serrano在標準化降水指數(shù)SPI的基礎上引入潛在蒸散項構建的,其融合了SPI和帕爾默干旱指數(shù)PDSI的優(yōu)點,具體計算步驟如下[21]:
第1步計算潛在蒸散。Vicente-Serrano采用的是Thornthwaite方法。
第2步用公式(1)計算逐月降水與蒸散的差值
Di=Pi-PETi
(1)
式中,Di為降水與蒸散的差值,Pi為月降水量,PETi為月蒸散量。
第3步同SPI方法,對Di數(shù)據(jù)序列進行正態(tài)化。由于原始數(shù)據(jù)序列Di中可能存在負值,所以SPEI指數(shù)采用了3個參數(shù)的log-logistic概率分布。log-logistic概率分布的累積函數(shù)為
(2)
式中,參數(shù)α、β、γ分別采用線性矩的方法擬合獲得。
然后對累積概率密度進行標準化
P=1-F(x)
(3)
當累積概率P≤0.5時
(4)
(5)
式中,W為蒸散降水推導函數(shù)的累計概率函數(shù)值,C0= 2.515517,C1= 0.802 853,C2= 0.010328,d1= 1.432788,d2= 0.189269,d3= 0.001308。
當P>0.5時,以1-P表示P,SPEI變換符號。
本文中SPEI對應的干旱等級按照表1中的標準進行劃分。
表1 SPEI對應的干旱等級劃分
SPEI: 標準化降水蒸散發(fā)指數(shù)Standardized Precipitation Evapotranspiration Index
2.1云南省不同尺度植被指數(shù)的時間序列變化分析2.1.1NDVI的年際變化分析
對云南省74個氣象臺站同一年內(nèi)各旬的NDVI取平均值,得到當年云南省平均NDVI。年平均NDVI值變化曲線及其趨勢線見圖1,從圖中可以清楚的看到,在1999年至2013年間,云南省年平均NDVI值呈現(xiàn)波浪式的發(fā)展趨勢,而趨勢線斜率為正,說明年均NDVI值總體略有增加。2003年、2006年、2013年的年平均NDVI值相對較大,可能與當年降雨量豐富有關;云南省年平均NDVI值基本都保持在0.385—0.425之間,表明NDVI具有相對穩(wěn)定性,總體植被狀況較為樂觀。
考慮到云、大氣、太陽高度角等的部分干擾,通過最大合成法得到每年最大NDVI值。從圖1可以看出,年最大NDVI值的波動情況與年均NDVI值相似,進一步表明了1999—2013年云南省NDVI的年際變化特征,即總體穩(wěn)定,波動中略有增大。
2.1.2NDVI的月尺度變化分析
將74個氣象站點的NDVI取月平均值如圖2所示??梢钥吹皆颇鲜「髂甑腘DVI年內(nèi)各月變化情況大體上是相同的,波峰基本集中在7—9月份。各年之間波動情況相近,具有周期性,但周期內(nèi)的變化曲線有時也會出現(xiàn)波動,最典型的是2007年7月和2012年6月出現(xiàn)異常,比其它年份同時期的NDVI值偏低。從NDVI的年內(nèi)波動情況可以看出,NDVI值與氣溫及降雨量有一定關系。
圖1 1999—2013年云南省年均NDVI及年最大NDVI變化 Fig.1 Variations of annual NDVI and maximum NDVI in Yunnan Province during 1999—2013
圖2 1999—2013年云南省月平均NDVI變化 Fig.2 Variations of monthly average NDVI in Yunnan Province during 1999—2013
2.1.3NDVI的季節(jié)變化規(guī)律分析
圖3 云南省季節(jié)尺度NDVI指數(shù)長期動態(tài)特征 Fig.3 Long-term dynamic characteristics of NDVI for four seasons in Yunnan Province
利用天文季節(jié)的劃分方法來劃分四季,即3—5月為春季,7—8月為夏季,9—11月為秋季,12月至次年2月為冬季。將74個站點取各季節(jié)NDVI的平均值,得到1999—2013年的季節(jié)變化時間序列(圖3)。從圖3可以看出,云南省NDVI的年際變化呈現(xiàn)顯著的季節(jié)性差異,夏季和秋季的NDVI值總體相對較高,其中夏季呈現(xiàn)起伏較大的波浪式發(fā)展趨勢,在0.35—0.5間波動,可能是由于夏季氣溫高且降水量年間差異較大;冬季和春季的NDVI值總體偏低,年際波動幅度相對較小,均在0.3—0.4之間波動。可見四季中NDVI的總體大小排序為:秋季>夏季>冬季>春季,從NDVI年內(nèi)月尺度的波動情況也可以看出這一特點。
2.2云南省不同尺度SPEI指數(shù)的時間序列變化特征2.2.1基于不同尺度SPEI的氣候變化特征
1997—2012年云南省74個站點SPEI的平均值的變化趨勢見圖4。從圖4可以看出,不同時間尺度的SPEI值均呈現(xiàn)出一致的線性趨勢,即干旱化趨勢在加強,但其值隨時間變化的敏感性明顯不同,時間尺度越小,趨勢線斜率的絕對值越小。
西南地區(qū)是典型的季風氣候區(qū),受季風系統(tǒng)影響,降水的季節(jié)分布極不均勻。如圖4所示,SPEI3因為對于短期降水和溫度變化都比較敏感,其數(shù)值波動性較大;而SPEI6受多雨期和少雨期的影響,其數(shù)值波動幅度也很大,因此云南省的干旱持續(xù)時間達半年的發(fā)生頻率也比較高。SPEI12和SPEI24能夠更清楚地反映1997—2012年的干旱變化狀況,即2004—2008年、2010—2012年的干旱頻率較高,其中2004—2008年為輕微干旱,2010—2012年達到中等干旱甚至嚴重干旱,且干旱持續(xù)時間較長,出現(xiàn)數(shù)年連旱的現(xiàn)象。由此可見,SPEI6和SPEI12對于下層土壤水分和河流徑流量等有較好地反映,SPEI24則更深入地涉及到地下水位、水庫蓄水量乃至民生問題。綜上所述,多時間尺度的SPEI值可以有效地反映云南省干旱程度及其持續(xù)時間,并且不同時間尺度的SPEI值表現(xiàn)出了不同程度的年際震蕩和年代際變化特征。
圖4 云南省多時間尺度標準化降水蒸散指數(shù)長期動態(tài)特征Fig.4 Long-term dynamic characteristics of multi-time scale SPEI in Yunnan Province
2.2.2SPEI的月尺度變化分析
從圖4可以看到,SPEI3年內(nèi)各月的變化情況年與年之間差別較大,峰值所在月份也不盡相同。將74個氣象站點的SPEI3取月平均值,如圖5,可以看到SPEI3各月的變化呈現(xiàn)先增大后減小的趨勢,峰值在5—7月份,并且其他月份均為輕微干旱,這與全年降雨量分布大體一致。
圖5 1997—2012年云南省月平均SPEI變化 Fig.5 Variations of monthly average SPEI in Yunnan Province during 1997—2012
2.2.3SPEI的季節(jié)尺度變化分析
西南地區(qū)一般冬季干旱少雨,夏季雨量豐沛,春、秋季節(jié)是過渡階段,大多數(shù)區(qū)域秋雨多于春雨。因而春、冬兩季是發(fā)生旱災的主要時節(jié)[11],從圖5也可以看出這一特點。
圖6 云南省季節(jié)尺度標準化降水蒸散指數(shù)長期動態(tài)特征Fig.6 Long-term seasonal dynamic characteristics of SPEI in Yunnan Province
選取云南省各站四季1997—2012年的平均SPEI3和SPEI24值,分析SPEI在季節(jié)尺度上的變化規(guī)律(圖6)。從圖6的SPEI24變化情況可以看出,云南省SPEI的年際變化在季節(jié)尺度上的差異性并不明顯,均為接近半數(shù)的年份達到干旱,四季均在2003—2006年出現(xiàn)連年干旱的現(xiàn)象。從SPEI3的波動情況來看,冬季干旱最為嚴重,干旱頻率較高,但年際間波動幅度相對較??;春季和秋季次之,波動幅度較大;夏季干旱的年份最少干旱強度較小。由此可見,不同尺度的SPEI值反映出來的季節(jié)變化規(guī)律不同,3個月尺度的SPEI值更能反映出季節(jié)尺度的變化情況,多年季節(jié)水平的干旱強度為:冬季>秋季>春季>夏季。
2.3云南省植被NDVI 動態(tài)變化與SPEI指數(shù)的關系2.3.1云南省NDVI與SPEI在年際變化上的相關性
利用云南省各站點1998—2012年的年均SPEI和1999—2013年的NDVI數(shù)據(jù),分析不同年份二者之間的相關系數(shù)r,探討二者在年際變化上的相關性和滯后性。當r>0時,表示兩變量正相關,當r<0時,表示兩變量為負相關,r的絕對值大小代表相關程度。
表2列出了年平均NDVI與不同尺度年均SPEI的相關系數(shù),包括同年間(1999—2012)以及NDVI(1999—2013)比SPEI(1998—2012)滯后1年的相關系數(shù)。從表2可以看到,NDVI值與不同尺度SPEI值間的相關系數(shù)均為正值,并且SPEI的時間尺度越大,相關性越弱,且不同尺度的SPEI與當年NDVI的相關系數(shù)均小于0.3,相關性不顯著;滯后1年的NDVI與不同尺度SPEI的相關系數(shù)也很弱??梢娫颇鲜〉哪昃鵑DVI與SPEI沒有顯著的正相關關系,滯后效應不明顯。
考慮到云、大氣、太陽高度角等的部分干擾可能對NDVI與SPEI的相關性造成影響,表3列出了年最大NDVI與不同尺度年均SPEI的相關系數(shù),當年NDVI與滯后NDVI同表2。從表3可以看到,年最大NDVI與SPEI的相關系數(shù)也均為正值,但明顯比表2的數(shù)值大,相關程度更高;SPEI3、SPEI6、SPEI12與當年NDVI的相關系數(shù)均大于0.5??梢娫颇鲜〉哪曜畲驨DVI與不同尺度年均SPEI存在一定的線性正相關關系,說明SPEI是NDVI的一大影響因素。
表2 年平均NDVI與不同尺度SPEI的相關系數(shù)
表3 年最大NDVI與不同尺度SPEI的相關系數(shù)
2.3.2云南省NDVI與SPEI在月尺度變化上的相關性
通過比較1999—2013年74個臺站的月平均NDVI與不同尺度SPEI的相關性發(fā)現(xiàn)SPEI12的相關系數(shù)相對最大,因此做出月平均NDVI與SPEI12的相關圖。從圖7可以看出,同年NDVI、滯后1年的NDVI均與SPEI24存在一定的負相關,但相關性不顯著。
圖7 各站月平均SPEI12與NDVI的相關系數(shù)Fig.7 The correlation coefficients of monthly mean NDVI and SPEI of 12 months
將各站點12個月多年平均的NDVI分別與對應月的SPEI進行相關分析,同時考慮到NDVI對SPEI的滯后效應,本研究還將NDVI分別滯后1、2、3個月(NDVI1、NDVI2、NDVI3)與SPEI進行相關分析,結果見表4。從表4可以看出,NDVI與不同尺度的SPEI相關性明顯不同,其中SPEI3、SPEI6的相關系數(shù)大多為正值,而SPEI12、SPEI24則基本為負值;另外,同月NDVI與SPEI12、SPEI24的負相關性通過了0.01水平的顯著性檢驗,滯后1個月的NDVI與SPEI6的正相關性以及與SPEI12、SPEI24的負相關性均通過了0.01水平顯著性檢驗,滯后兩個月的NDVI與SPEI3、SPEI6均為高度相關,滯后3個月的NDVI與SPEI的相關性則相對較弱??梢奛DVI與SPEI在年內(nèi)變化月尺度上的相關性較強,響應具有顯著的滯后效應。
表4 云南省NDVI與SPEI年內(nèi)變化的相關系數(shù)
* 在 0.05 水平(雙側)上顯著相關;** 在0.01 水平(雙側)上顯著相關
2.3.3云南省NDVI與SPEI在季節(jié)尺度變化上的相關性
根據(jù)前面對SPEI季節(jié)尺度變化的研究可知,用SPEI3表征其季節(jié)變化更為恰當。因此,本研究利用SPEI3來研究NDVI與SPEI在季節(jié)尺度上的相關性??紤]到植被對氣候的滯后效應,每個季節(jié)的植被NDVI除了與同季節(jié)SPEIs進行相關分析外,都同其上一個春季、夏季、秋季、冬季的SPEI(SPEIsp、SPEIsu、SPEIau、SPEIwi)進行了相關分析,得到的相關系數(shù)如表5所示。從表5可以清楚的看到春季的NDVI與SPEI的相關性極弱,夏季的NDVI與當年夏季的SPEI呈不顯著的正相關,滯后性則不太明顯;秋季的NDVI與當年秋季SPEI的負相關性通過了0.01顯著性檢驗,與當年夏季的SPEI呈負相關;冬季的NDVI與當年冬季SPEI的相關性通過了0.05顯著性檢驗,與同年春季、秋季的SPEI呈負相關。
表5 云南省季節(jié)NDVI與SPEI的相關系數(shù)
* 在 0.05 水平(雙側)上顯著相關; ** 在.01 水平(雙側)上顯著相關; SPEIs是同年同季的SPEI值;SPEIsp、SPEIsu、SPEIau、SPEIwi分別是上一個春季、夏季、秋季、冬季的SPEI值
3.1討論
(1)計算潛在蒸散的Thornthwaite方法沒有考慮輻射的影響,但對于云南省來說,研究區(qū)域范圍內(nèi)的緯度只差幾度,因此輻射的差異較小,而研究主要是關于變化趨勢的相關分析,所以對結論的影響也較小。
(2)研究SPEI變化趨勢的過程中,發(fā)現(xiàn)其時間變化特征與牛凱杰等人對西南地區(qū)的研究結論基本一致,其中多年季節(jié)水平的干旱強度為冬季>秋季>春季>夏季,而牛凱杰等人的研究得到的順序為春、冬、秋、夏,可能是由于云南不能代表整個西南地區(qū)。
(3)在NDVI的變化研究中發(fā)現(xiàn),2007年7月和2012年6月出現(xiàn)異常,比其它年份同時期的NDVI值偏低。經(jīng)查證,2007年為災害較重年,7月植被的異常情況可能與洪澇災害有關;6月的NDVI值普遍不高,可能是因為云南省6月高溫且降水少。
(4)在分析NDVI與SPEI相關性的過程中,發(fā)現(xiàn)兩者年際變化的相關性較弱,而年內(nèi)變化月尺度上的相關性較強,這可能是由于年尺度上氣候?qū)χ脖坏挠绊懞苄。渌蛴写钊胩接憽?/p>
(5)在季節(jié)尺度上,NDVI與SPEI的關系較為復雜。對于云南來說,秋冬季負相關顯著的可能解釋是在多雨的狀況下,氣溫的降低會促使植被落葉,葉片枯黃、脫落,從而降低NDVI數(shù)值,因此干旱情況會使得植被NDVI增加。另外,不同季節(jié)的耕作等也會影響兩者的相關關系,其內(nèi)在機理需要結合物候變化、空間分異特征等進行進一步的研究與驗證。
3.2結論
(1)1999—2013年云南省年平均NDVI值和年最大NDVI值均呈現(xiàn)波浪式的發(fā)展趨勢,總體略有增大;在月尺度上,NDVI年內(nèi)各月變化情況大體上相同且具有周期性,波峰基本集中在7—9月份;不同季節(jié)NDVI年際變化的總體大小排序為:秋季>夏季>冬季>春季。
(2)1997—2012年云南省不同時間尺度的SPEI值均呈現(xiàn)出干旱化加強的線性趨勢,時間尺度越大,變化趨勢越大。在月尺度上,SPEI3各月的變化呈現(xiàn)先增大后減小的趨勢,峰值在5—7月份;SPEI3反映出多年季節(jié)水平的干旱強度為:冬季>秋季>春季>夏季。
(3)云南省的年均NDVI與SPEI呈極弱的正相關關系,而年最大NDVI與不同尺度年均SPEI存在一定的線性正相關關系,SPEI是NDVI的一大影響因素。
(4)NDVI與SPEI在月尺度上的相關性較為復雜,同月以及滯后一個月的NDVI與部分時間尺度的相關性通過了0.01水平或0.05水平顯著性檢驗,因此NDVI與SPEI在年內(nèi)變化月尺度上的相關性較強,響應具有顯著的滯后效應。
(5)季節(jié)尺度上,春季以及夏季的NDVI與SPEI的相關性與滯后性均不顯著,而秋季的NDVI與當年秋季SPEI的負相關性通過了0.01顯著性檢驗,冬季的NDVI與當年冬季SPEI的相關性通過了0.05顯著性檢驗,也有一定滯后效應。
[1]Lambin E F, Strahler A H. Indicators of land-cover change for change-vector analysis in multitemporal space at coarse spatial scales. Remote Sensing of Environment, 1994, 15(10): 2099- 2119.
[2]鄭玉坤. 多時相AVHRR-NDVI 數(shù)據(jù)的時間序列分析及其在土地覆蓋分類中的應用[D]. 北京: 中國科學院遙感應用研究所, 2002: 1- 48.
[3]周丹, 張勃, 任培貴, 張春玲, 楊尚武, 季定民. 基于標準化降水蒸散指數(shù)的陜西省近50a干旱特征分析. 自然資源學報, 2014, 29(4): 677- 688.
[4]張家發(fā), 唐文堅, 李少龍. 中國西南易旱地區(qū)識別的探討. 中國水利, 2012, (5): 18- 21.
[5]王東, 張勃, 安美玲, 張調(diào)風, 季定民, 任培貴. 基于SPEI的西南地區(qū)近53a干旱時空特征分析. 自然資源學報, 2014, 29(6): 1003- 1016.
[6]牛凱杰, 梁川, 趙璐, 詹存. 西南地區(qū)干旱時空變化特征. 灌溉排水學報, 2014, 33(3): 1- 6.
[7]王明田, 王翔, 黃晚華, 張玉芳, 馬均. 基于相對濕潤度指數(shù)的西南地區(qū)季節(jié)性干旱時空分布特征. 農(nóng)業(yè)工程學報, 2012, 28(19): 85- 92.
[8]董謝瓊, 段旭. 西南地區(qū)降水量的氣候特征及變化趨勢. 氣象科學, 1998, 18(3): 239- 247.
[9]蘇宏新, 李廣起. 基于SPEI 的北京低頻干旱與氣候指數(shù)關系. 生態(tài)學報, 2012, 32(17): 5467- 5475.
[10]李亞飛, 劉高煥. 瀾滄江流域植被覆蓋變化特征及其與氣候因子的關系. 資源科學, 2012, 34(7): 1214- 1221.
[11]何云玲, 張一平. 瀾滄江干流河谷盆地氣候特征及變化趨勢. 山地學報, 2004, 22(5): 539- 548.
[12]Li Z Q, Liu Z G, Chen Z Z, Yang Z G. The effects of climate changes on the productivity in the Inner Mongolia Steppe of China. Acta Prataculturae Sinica, 2003, 12(1): 4- 10.
[13]Cong N, Piao S L, Chen A P, Wang X H, Lin X, Chen S P, Hang S J, Zhou G S, Zhang X P. Spring vegetation green-up date in China inferred from SPOT NDVI data: a multiple model analysis. Agricultural and Forest Meteorology, 2013, 165: 104- 113.
[14]李春暉, 楊志峰. 黃河流域NDVI時空變化及其與降水/徑流關系. 地理研究, 2004, 23(6): 753- 759.
[15]呂洋, 董國濤, 楊勝天, 周秋文, 蔡明勇. 雅魯藏布江流域NDVI時空變化及其與降水和高程的關系. 資源科學, 2014, 36(3): 603- 611.
[16]崔林麗, 史軍, 肖風勁, 范文義. 中國東部NDVI的變化趨勢及其與氣候因子的相關分析. 資源科學, 2010, 32(1): 124- 131.
[17]畢曉麗, 王輝, 葛劍平. 植被歸一化指數(shù)(NDVI)及氣候因子相關起伏型時間序列變化分析. 應用生態(tài)學報, 2005, 16(2): 284- 288.
[18]王青霞, 呂世華, 鮑艷, 馬迪, 李瑞青. 青藏高原不同時間尺度植被變化特征及其與氣候因子的關系分析. 高原氣象, 2014, 33(2): 301- 312.
[19]侯美亭, 趙海燕, 王箏, 延曉冬. 基于衛(wèi)星遙感的植被NDVI對氣候變化響應的研究進展. 氣候與環(huán)境研究, 2013, 18(3): 353- 364.
[20]李輝霞, 劉國華, 傅伯杰. 基于NDVI的三江源地區(qū)植被生長對氣候變化和人類活動的響應研究. 生態(tài)學報, 2011, 31(19): 5495- 5504.
[21]Vicente-Serrano S M, Beguería S, López-Moreno J I. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of Climate, 2010, 23(7): 1696- 1718.
[22]張培松. 氣象因子與NDVI的相關性分析[D]. 重慶: 西南大學, 2007.
[23]袁麗華, 蔣衛(wèi)國, 申文明, 劉穎慧, 王文杰, 陶亮亮, 鄭華, 劉孝富. 2000- 2010年黃河流域植被覆蓋的時空變化. 生態(tài)學報, 2013, 33 (24): 7798- 7806.
[24]何月, 樊高峰, 張小偉, 柳苗, 高大偉. 浙江省植被NDVI 動態(tài)及其對氣候的響應. 生態(tài)學報, 2012, 32(14): 4352- 4362.
[25]毛飛, 盧志光, 張佳華, 侯英雨. 近20年藏北地區(qū)AVHRR NDVI與氣候因子的關系. 生態(tài)學報, 2007, 27(8): 3198- 3205.
[26]Prentice I C. Vegetation responses to past climatic variation. Vegetatio, 1986, 67(2): 131- 141.
[27]王宏, 李曉兵, 李霞, 鶯歌, 符娜. 基于NOAA NDVI和MSAVI研究中國北方植被生長季變化. 生態(tài)學報, 2007, 27(2): 504- 515.
[28]Kirilenko A P, Solomon A M. Modeling dynamic vegetation response to rapid climate change using bioclimatic classification. Climatic Change, 1998, 38(1): 15- 49.
[29]Bonan G B, Levis S, Sitch S, Vertenstein M, Oleson K W. A dynamic global vegetation model for use with climate models: concepts and description of simulated vegetation dynamics. Global Change Biology, 2003, 9(11): 1543- 1566.
[30]趙建軍. 阿帕拉契亞山植被動態(tài)變化及其對氣候變化的響應研究[D]. 吉林: 東北師范大學, 2013.
Temporal dynamics of vegetation NDVI and its response to drought conditions in Yunnan Province
LIU Shiliang*, TIAN Yunyu, YIN Yijie, AN Nannan, DONG Shikui
StateKeyLaboratoryofWaterEnvironmentSimulation,SchoolofEnvironment,BeijingNormalUniversity,Beijing100875,China
The characteristics of drought at different time scales between 1997 and 2012 in Yunnan Province were studied using a new drought index (standardized precipitation evapotranspiration index, SPEI) calculated based on daily precipitation data from 74 weather stations. In addition, we used a time series data set (1999—2013) of the normalized difference vegetation index (NDVI) and time series analysis to assess temporal dynamics of the NDVI, and we explored the relationships between NDVI and SPEI. Correlations between NDVI and multiscale SPEI were examined, including annual, monthly, and seasonal long-term dynamics. Annual average and annual maximum NDVI in Yunnan Province showed an upward trending wave shape with slopes of 0.0017 and 0.0011, respectively. Monthly NDVI showed the same pattern, and the wave crest in each year was concentrated in July through September. Interannual variability in the NDVI showed significant seasonal differences, with higher NDVI in summer and autumn compared to spring and winter. A relatively consistent and dynamic trend was found in the time scales of mean annual SPEI. Drought intensity increased in small increments from 1997 to 2012, and the trend was more obvious at larger time scales. The 3-month SPEI value (SPEI3) initially increased and then decreased, and its wave crest was concentrated in May through July. The seasonal SPEI3 value reflected the level of drought strength as follows: winter > autumn > spring > summer. We found that the correlation between NDVI and SPEI at different time scales was complex and variable. The relationship between annual average NDVI and annual SPEI was weak, while the annual maximum NDVI and annual SPEI were positively correlated, especially for SPEI3, SPEI6, and SPEI12. No significant correlation was observed between monthly NDVI and SPEI; in contrast, years with average monthly NDVI showed a strong response to SPEI at different time scales. The coefficients between years for average monthly NDVI and SPEI were strongly affected by the SPEI time scale, with a 1- and 2-month lag. The NDVI in autumn and winter showed a strong negative correlation with SPEI for the same season, and the autumn NDVI was slightly correlated with SPEI in summer of the same year. The lag effect was also found in other seasons to different extents.
standardized precipitation evapotranspiration index; NDVI; time series; Yunnan Province; correlation
國家自然科學基金項目(41571173);國家科技支撐計劃項目(2014BAK19B06)
2015- 01- 03; 網(wǎng)絡出版日期:2015- 11- 16
Corresponding author.E-mail: shiliangliu@bnu.edu.cn
10.5846/stxb201501030006
劉世梁,田韞鈺,尹藝潔,安南南,董世魁.云南省植被NDVI時間變化特征及其對干旱的響應.生態(tài)學報,2016,36(15):4699- 4707.
Liu S L, Tian Y Y, Yin Y J, An N N, Dong S K.Temporal dynamics of vegetation NDVI and its response to drought conditions in Yunnan Province.Acta Ecologica Sinica,2016,36(15):4699- 4707.