渭南市植被覆蓋變化及其與氣候因子的相關(guān)性

趙玉

渭南市植被覆蓋變化及其與氣候因子的相關(guān)性

趙玉1,2,*

1. 渭南師范學(xué)院, 化學(xué)與材料學(xué)院, 渭南 714099 2. 陜西省河流濕地生態(tài)與環(huán)境重點(diǎn)實(shí)驗(yàn)室, 渭南 714099

植被動(dòng)態(tài)監(jiān)測以及植被與氣候因子的響應(yīng)關(guān)系是陸地生態(tài)系統(tǒng)研究的熱點(diǎn)。利用渭南市2000—2015年MODIS植被指數(shù)數(shù)據(jù)集以及相關(guān)氣象資料, 采用Man-Kendell檢驗(yàn)、趨勢(shì)分析和相關(guān)分析等方法, 揭示渭南市植被覆蓋度時(shí)空動(dòng)態(tài)特征及其與氣候因子的相關(guān)性。結(jié)果表明: (1)渭南市植被覆蓋度在2000—2015年間呈顯著上升趨勢(shì)(0.007 a–1)。(2)渭南市植被覆蓋度在空間上表現(xiàn)為由南向北逐漸減小的趨勢(shì)。(3)渭南市植被覆蓋度以中覆蓋度為主, 2000、2005、2010和2015年所占比重分別為71.31%、68.54%、73.02%和53.07%。(4)年尺度上, 渭南市植被覆蓋度與降雨量和氣溫表現(xiàn)為不顯著正相關(guān)。月尺度上, 渭南市植被覆蓋度與降雨量和氣溫相關(guān)系數(shù)較高。相對(duì)于溫度, 渭南市植被覆蓋度對(duì)降水量的響應(yīng)更為敏感, 為水分限制型生態(tài)區(qū)。

植被變化; 降水; 氣溫; 時(shí)空特征; 渭南市

0 前言

IPCC第五次評(píng)估報(bào)告指出, 全球變暖是毋庸置疑的[1], 且會(huì)對(duì)植被格局產(chǎn)生巨大影響[2]。已有研究證明, 過去20年來全球氣候變暖已對(duì)植被產(chǎn)生了重大影響, 尤其是在北半球高緯度地區(qū)[3]。氣候變化通過影響植物的新陳代謝、植物呼吸、光合作用和蒸騰等生物生理響應(yīng)機(jī)制, 進(jìn)而影響植被的生長[4–6]。同時(shí), 從區(qū)域到全球, 從季節(jié)、年際到年代際尺度, 植被對(duì)陸地碳循環(huán)、能量交換和水均衡均產(chǎn)生了很大影響[7–9]。因此近幾十年來, 全球變化和植被生長的相互作用機(jī)制研究得到廣大學(xué)者的廣泛關(guān)注[10]。

長時(shí)間序列衛(wèi)星遙感影像數(shù)據(jù)為揭示和監(jiān)測不同時(shí)空尺度上氣候變化與植被動(dòng)態(tài)作用機(jī)制提供了一種先進(jìn)的方法[11–12]。遙感技術(shù)因其信息量大、時(shí)效性強(qiáng)、覆蓋范圍廣和成本低等優(yōu)勢(shì), 被廣泛運(yùn)用到植被特征的定量檢測中[13]。植被指數(shù), 如歸一化差異植被指數(shù)(NDVI, Normalized Difference Vegetation Index)常被用于揭示不同時(shí)空尺度上北半球植被變化及其與氣候和環(huán)境因素的相互作用機(jī)制研究中[14–15]。溫度和降水是影響植被動(dòng)態(tài)的兩個(gè)最重要的氣候因素[16]。如, Piao等[17]指出1997—2006年期間, 歐亞大陸夏季NDVI的減少與夏季降水的減少呈顯著正相關(guān)。2002年以后, 春季快速變暖促進(jìn)了歐亞大陸中部春季植被的生長, 其中生長季和夏季植被的生長主要受降水的驅(qū)動(dòng)。

渭南市地處八百里秦川最寬闊的地帶, 是中華民族發(fā)祥地之一。素有“三秦要道, 八省通衢”之稱。是中原地區(qū)通往陜西乃至大西北的咽喉要道, 是絲綢之路經(jīng)濟(jì)帶起點(diǎn)段的關(guān)鍵組成部分, 還是西北唯一一個(gè)擁有三大國家級(jí)經(jīng)濟(jì)區(qū)疊加政策(“關(guān)天經(jīng)濟(jì)區(qū)”、“陜甘寧革命老區(qū)”和“晉陜?cè)S河金三角”)的地級(jí)市?，F(xiàn)階段關(guān)于渭南市植被覆蓋變化特征及其影響因素的研究較少。為更好地理解渭南市植被覆蓋及其與氣候因子的相關(guān)性, 本文利用2000—2015年期間渭南市NDVI資料及同時(shí)段氣候數(shù)據(jù)集, 分析近16年來渭南市植被覆蓋時(shí)空分布格局及其變異特征, 揭示研究區(qū)植被覆蓋與氣候因子的相關(guān)性, 以期為渭南市生態(tài)建設(shè)和保護(hù)提供科學(xué)依據(jù)。

1 材料和方法

1.1 研究區(qū)概況

渭南市位于渭河流域下游, 地處陜西省關(guān)中盆地東部, 屬于關(guān)中盆地地勢(shì)最低且最為開闊的地段。東與運(yùn)城、三門峽和臨汾相毗鄰, 西與西安、咸陽相接, 南倚秦嶺與商洛為界, 北與延安、銅川接壤。地理坐標(biāo)為108°50′—110°38′E, 34°13′—35°52′N[18–19]。南北長182.3 km, 東西寬149.7 km, 總面積13134 km2, 為陜西省農(nóng)業(yè)大市和人口第二大市。渭南以渭河為軸線, 形成南北兩山、兩塬和中部平川五大地貌類型區(qū)。海拔介于325—2418 m之間。渭南屬暖溫帶半濕潤半干旱季風(fēng)氣候區(qū), 四季分明, 雨量適宜, 光照充足, 無霜期199—255 d, 年均氣溫12—14 ℃, 年雨量600 mm左右。氣候條件優(yōu)越, 有利于發(fā)展農(nóng)業(yè)。渭南市植被為暖溫帶落葉闊葉林。林木區(qū)系成分主要為華北和西北的溫性、寒性樹種。全市有野生維管植物190多科800多屬2500種。

1.2 數(shù)據(jù)收集

1.2.1 植被數(shù)據(jù)

遙感影像上的植被信息, 主要通過綠色植被冠層和植物葉片的光譜特征及其差異性來反映[20]。歸一化植被指數(shù)可代表植被的動(dòng)態(tài)變化, 被廣泛運(yùn)用于大范圍的植被檢測中。NDVI值可以消除部分與衛(wèi)星觀測角、太陽高度角, 以及地形等輻照度條件變化的影響, 可方便地區(qū)分主要的陸地植被類型。NDVI值的取值范圍為[–1, 1]。當(dāng)NDVI為負(fù)值或接近于0時(shí), 代表水體或裸地; 當(dāng)NDVI為正值時(shí), 代表地表有植被覆蓋, NDVI值越大, 植被覆蓋度越高。因此, 長時(shí)間序列的NDVI資料可用于植被覆蓋變化的動(dòng)態(tài)監(jiān)測。本文所用的2000—2015年間渭南市NDVI資料來源于“黑河計(jì)劃數(shù)據(jù)管理中心”(http://westdc.westgis.ac.cn)。

植被覆蓋度的大小可反映區(qū)域植被覆蓋變化的總體態(tài)勢(shì)[21]。根據(jù)《土壤侵蝕分類分級(jí)標(biāo)準(zhǔn)》[22]中植被覆蓋度的分級(jí)標(biāo)準(zhǔn), 將渭南市植被覆蓋度劃分為5個(gè)等級(jí), 即極高覆蓋度(> 0.80)、高覆蓋度(0.6—0.8)、中覆蓋度(0.4—0.6)、低覆蓋度(0.2—0.4)和極低覆蓋度(< 0.2)。通過GIS 10.2進(jìn)行統(tǒng)計(jì)分析, 得到不同年份各覆蓋度等級(jí)面積的動(dòng)態(tài)變化。

1.2.2 氣象數(shù)據(jù)

本文所采用的氣象數(shù)據(jù)為中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)提供的2000—2015年中國地面降水和氣溫0.5°×0.5°的逐月格網(wǎng)數(shù)據(jù)。該數(shù)據(jù)集能較好地代表實(shí)測降雨量和氣溫的變化趨勢(shì), 被廣泛應(yīng)用于區(qū)域氣候變化研究中[23]。

1.3 研究方法

1.3.1 Mann-Kendall趨勢(shì)檢驗(yàn)

Mann-Kendall趨勢(shì)檢驗(yàn)法是時(shí)間序列趨勢(shì)分析常用的非參數(shù)檢驗(yàn)方法之一。因其不要求所分析數(shù)據(jù)遵從一定的分布, 且不受異常值的干擾, 被廣泛應(yīng)用于氣象和水文序列趨勢(shì)分析中[24–25]。Mann- Kendall趨勢(shì)檢驗(yàn)原理及其統(tǒng)計(jì)量的計(jì)算方法和判讀標(biāo)準(zhǔn)見文獻(xiàn)[26]。

1.3.2 趨勢(shì)分析

趨勢(shì)分析法基于一元線性回歸分析模擬每個(gè)像元屬性值的變化趨勢(shì)。該變化趨勢(shì)是對(duì)應(yīng)像元屬性值線性回歸方程的斜率。本文借助趨勢(shì)分析法模擬2000—2015植被覆蓋度的變化趨勢(shì)。計(jì)算公式如下[27]:

式中:θ代表像元NDVI線性回歸方程的斜率;代表監(jiān)測時(shí)段的年數(shù), 文中為16年;C為第年最大植被覆蓋度。當(dāng)斜率為負(fù)時(shí), 表示研究區(qū)植被覆蓋度呈下降趨勢(shì); 當(dāng)斜率為正時(shí), 表示研究區(qū)植被覆蓋度呈上升趨勢(shì)[28]。

1.3.3 相關(guān)分析

采用基于像元的空間分析方法可用于揭示區(qū)域植被覆蓋度與氣候因子的相關(guān)性, 相關(guān)系數(shù)計(jì)算公式如下:

式中:R為、兩變量的相關(guān)系數(shù);x為第年/月的植被覆蓋度;y為第年/月的降雨量或溫度;`表示植被覆蓋度多年/年內(nèi)各月平均值;`表示降雨量或溫度多年/年內(nèi)各月的平均值;代表樣本數(shù)[29]。

本文揭示了年尺度和月尺度上渭南市植被覆蓋度與降雨量和氣溫的相關(guān)性。年尺度上包括16年樣本數(shù)據(jù), 其中年植被覆蓋度為年內(nèi)12個(gè)月覆蓋度的平均值, 降雨量為年總降雨量, 溫度為年平均溫度。月尺度上包括12個(gè)月樣本數(shù)據(jù), 其中植被覆蓋度、降雨量和溫度均為16年間不同月份植被覆蓋度、降雨量和氣溫的多年平均值。同時(shí), 為揭示植被覆蓋度對(duì)氣候因子響應(yīng)的滯后性, 分別計(jì)算植被覆蓋度與前0—3個(gè)月降雨量和氣溫的相關(guān)系數(shù)。

相關(guān)系數(shù)顯著性判讀標(biāo)準(zhǔn)參考相關(guān)系數(shù)表, 具體如下:

當(dāng)=16時(shí), 若R∈[–1, –0.6055]時(shí), 為極顯著負(fù)相關(guān); 若R∈(–0.6055, –0.4821]時(shí), 為顯著負(fù)相關(guān); 若R∈(–0.4821, 0.4821]時(shí), 相關(guān)性不顯著; 若R∈(0.4821, 0.6055]時(shí), 為顯著正相關(guān); 若R∈(0.6055, 1]時(shí), 為極顯著正相關(guān)。

當(dāng)=12時(shí), 若R∈[–1, –0.6835]時(shí), 為極顯著負(fù)相關(guān); 若R∈(–0.6835, –0.5529]時(shí), 為顯著負(fù)相關(guān); 若R∈(–0.5529, 0.5529]時(shí), 相關(guān)性不顯著; 若R∈(0.5529, 0.6835]時(shí), 為顯著正相關(guān); 若R∈(0.6835, 1]時(shí), 為極顯著正相關(guān)。

2 結(jié)果與分析

2.1 渭南市植被覆蓋度時(shí)空分布特征

2.1.1 植被覆蓋度時(shí)間分布特征

從年際變化特征看, 渭南市植被覆蓋狀況較好, 且呈現(xiàn)波動(dòng)式增加的趨勢(shì), 年均增長率為0.007 a–1(圖2a), 高于寶雞地區(qū)2001—2013年的平均增速0.003 a–1[30]。NDVI年平均值為0.53, 變化范圍為0.36—0.60, 波動(dòng)幅度較大。最高值出現(xiàn)于2011年, 最低值出現(xiàn)于2001年(圖1)。對(duì)渭南市16年間年均NDVI值進(jìn)行Mann-Kendall趨勢(shì)檢驗(yàn), 得知統(tǒng)計(jì)量值為4.14, 且通過了0.01水平的顯著性檢驗(yàn), 說明研究區(qū)植被覆蓋度呈顯著上升趨勢(shì)。表明, 渭南市植被覆蓋狀況有所改善。

從年內(nèi)變化特征看, 渭南市植被覆蓋度年內(nèi)波動(dòng)明顯, 表現(xiàn)為單峰型曲線(圖2b)。月均NDVI最小值出現(xiàn)于2月, 最大值出現(xiàn)于8月。月均NDVI波動(dòng)范圍為0.31—0.76。年內(nèi)NDVI峰值出現(xiàn)在7—9月, 且平均值高達(dá)0.73。統(tǒng)計(jì)分析NDVI季節(jié)分布特征知, 渭南市2000—2015年期間, 春、夏、秋和冬四季NDVI均值分別為0.50、0.69、0.56和0.35。表明研究區(qū)植被覆蓋季節(jié)差異明顯, 夏季NDVI值最大而冬季最小。

圖1 研究區(qū)位置示意圖

Figure1 Location of the study area

2.2.2 渭南市植被覆蓋度空間分布特征

從空間分布特征看, 渭南市植被覆蓋度呈現(xiàn)明顯的空間分異規(guī)律。不同年份渭南市植被覆蓋空間分布格局整體上具有一定的相似性, 除韓城市西北部以外, 渭南市植被覆蓋度大致表現(xiàn)為從南向北減小的趨勢(shì)。植被覆蓋高值區(qū)分布于渭南市華縣、華陰市、潼關(guān)縣和韓城市西北部, 而低值區(qū)主要分布于渭南市北部和東部邊緣(圖3)。

渭南市植被覆蓋度以中覆蓋度為主, 2000、2005、2010和2015年所占比重分別為71.31%、68.54%、73.02%和53.07%(圖4和表1)。2000–2015年, 極低覆蓋度、低覆蓋度和中覆蓋度區(qū)域面積分別減少了38.09 km2、1854.53 km2和2395.65 km2, 變化率分別為–0.05 %·a–1、–2.35 %·a–1和–3.04 %·a–1。而高植被覆蓋區(qū)和極高覆蓋區(qū)面積分別增加了4142.47 km2和145.79 km2, 變化率分別為5.26 %·a–1和0.19 %·a–1。由此可知, 近16年來, 渭南市高植被覆蓋區(qū)面積隨時(shí)間推移表現(xiàn)為增加的趨勢(shì), 而極低覆蓋區(qū)和低覆蓋區(qū)面積呈減小趨勢(shì), 說明研究區(qū)植被處于恢復(fù)狀態(tài)。

圖2 2000–2015年渭南市植被覆蓋度時(shí)間分布

Figure 2 Temporal variation of vegetation coverage in Weinan City from 2000 to 2015

Figure 3 Spatial distribution map of vegetation coverage in Weinan City in different years

為進(jìn)一步明確各植被覆蓋類型面積的相互轉(zhuǎn)化情況, 基于2000、2005、2010和2015年4期的覆被圖, 借助GIS 10.2對(duì)4期數(shù)據(jù)進(jìn)行融合和疊置運(yùn)算, 得到各覆被類型面積的轉(zhuǎn)移矩陣(表2—4)。2000—2005年, 渭南市植被呈恢復(fù)趨勢(shì)(表2)。2000—2005年期間: 極低植被覆蓋區(qū)面積減小到28.89 km2, 有23.44 km2和1.34 km2的極低覆蓋度區(qū)域分別發(fā)展為低覆蓋度和中覆蓋度區(qū)域; 低覆蓋度區(qū)域面積變動(dòng)不大; 中覆蓋度區(qū)域面積減小了363.82 km2, 有588.43 km2和426.79 km2的中覆蓋度區(qū)域分別轉(zhuǎn)換為低覆蓋度和高覆蓋度區(qū)域; 高覆蓋度區(qū)域面積增加了356.25 km2。2010–2015年期間, 中覆蓋度區(qū)域和高覆蓋度區(qū)域面積急劇增長, 各自的增長率高達(dá)98.07 km2·a–1和162.43 km2·a–1(表3)。其中有1613 km2的低覆蓋度區(qū)域發(fā)展為中覆蓋度區(qū)域, 有1043.02 km2的中覆蓋度區(qū)域發(fā)展為高覆蓋度區(qū)域。2005—2010年期間, 極低覆蓋度、低覆蓋度和中覆蓋度區(qū)域面積急劇減小, 而高覆蓋度區(qū)域面積和極高覆蓋度區(qū)域面積呈增加趨勢(shì)。有3006.67 km2的中覆蓋度區(qū)域發(fā)展為高覆蓋度區(qū)域(表4)。總體而言, 2000—2015年期間, 渭南市植被覆蓋度顯著增加, 植被得以恢復(fù)。

植被覆蓋度變化趨勢(shì)空間分布格局同植被覆蓋度空間分布格局相一致。從空間變化趨勢(shì)來看, 2000—2015年間, 渭南市大部分區(qū)域年NDVI呈增加趨勢(shì)(圖5)。其中蓋度變化率高值區(qū)主要分布于渭南市華縣、華陰市、潼關(guān)縣和韓城市西北部, 而低值區(qū)主要分布于渭南市北部和東部邊緣。

Figure 4 Vegetation coverage degree map of Weinan City in different years

表1 2000—2015年渭南市不同等級(jí)植被覆蓋面積

表2 2000—2005年渭南市不同等級(jí)植被覆蓋類型所占面積轉(zhuǎn)移矩陣(km2)

表3 2005—2010年渭南市不同等級(jí)植被覆蓋類型所占面積轉(zhuǎn)移矩陣(km2)

表4 2010—2015年渭南市不同等級(jí)植被覆蓋類型所占面積轉(zhuǎn)移矩陣(km2)

2.2 渭南市氣溫和降雨量時(shí)空分布特征

2.2.1 氣溫和降雨量時(shí)間分布特征

從年際變化特征看, 2000—2015年期間渭南市降雨量年際變化波動(dòng)明顯, 變化范圍為427.83—888.79 mm, 波動(dòng)幅度大(圖6a)。年降雨量最高值出現(xiàn)于2003年、最低值出現(xiàn)于2001年。渭南市氣溫年際變化呈多峰型曲線, 波動(dòng)范圍為9.53—12.65 ℃, 年均氣溫最高值出現(xiàn)于2013年、最低值出現(xiàn)于2003年(圖6b)。

從年內(nèi)分布特征看, 渭南市降雨量年內(nèi)變化過程表現(xiàn)為雙峰型, 峰值出現(xiàn)于7月和9月。降雨量年內(nèi)分配不均, 月際差異大, 階段性變化明顯, 具體表現(xiàn)為1—2月緩慢上升、3—7月急劇上升、9—10月急劇下降以及11—12月緩慢下降?？傮w來講, 降雨量集中分布于7—9月。渭南市氣溫年內(nèi)變化過程表現(xiàn)為單峰型, 峰值出現(xiàn)于7月。

2.2.2 氣溫和降雨量空間分布特征

渭南市2000、2005、2010和2015年年降雨量和氣溫空間分布見圖7。不同年份研究區(qū)降雨量和氣溫空間分布均表現(xiàn)出明顯的空間分異規(guī)律。不同年份, 降雨量空間分布格局較為一致, 均表現(xiàn)為由西南向東北逐漸減小的趨勢(shì)。其中降雨量高值區(qū)主要分布于渭南市臨渭區(qū)西北部。不同年份, 氣溫空間分布格局較為一致, 均表現(xiàn)為由西北向東南逐漸增加的趨勢(shì)。其中氣溫高值區(qū)主要分布于華陰市、潼關(guān)縣以及大荔縣東南部。

圖5 2000—2015年渭南市植被覆蓋度變化速率

Figure 5 The changing trend of annual vegetation coverage in Weinan City from 2000 to 2015

圖6 2000—2015年渭南市降雨量和氣溫時(shí)間分布

Figure 6 Temporal variation of rainfall and temperature in Weinan City from 2000 to 2015

Figure 7 Spatial distribution maps of rainfall and temperature in Weinan City in different years

2.3 植被覆蓋變化與氣溫和降水的相關(guān)性

氣溫和降水因子是決定植被生長狀況最主要的水熱因子。從年際尺度看, 植被覆蓋度與降水量呈顯著相關(guān)區(qū)域的占比較小, 主要分布于渭南市中部和北部邊緣。植被覆蓋度與降水量相關(guān)性不顯著的區(qū)域占87.57%(圖8a)。從年際尺度看, 全市植被覆蓋度與氣溫的相關(guān)性均不顯著(圖8b)。

為揭示植被覆蓋度與降水量和溫度月變化特征的相關(guān)系數(shù)及其滯后性, 我們以2000—2015年植被覆蓋度與降水量、氣溫多年月均值為基礎(chǔ), 計(jì)算研究區(qū)植被覆蓋度與前0—3月的降水量、溫度的相關(guān)系數(shù)(圖9和10)。

月尺度上, 植被覆蓋度與降水量的相關(guān)系數(shù)高于年水平, 植被覆蓋度與當(dāng)月降雨量、前1月降雨量、前2月降雨量和前3月降雨量顯著正相關(guān)區(qū)域占比分別為13.23%、0.10%、7.88%和15.00%(圖9)。月尺度上, 植被覆蓋度與溫度的相關(guān)系數(shù)高于年水平, 植被覆蓋度與當(dāng)月氣溫、前1月氣溫、前2月氣溫和前3月氣溫顯著正相關(guān)區(qū)域占比分別為14.68%、7.94%、0.005%和0.03%。研究區(qū)植被生長對(duì)降水變化的響應(yīng)比溫度大, 且與前2月降水的相關(guān)性最大, 具有明顯時(shí)滯效應(yīng)。說明, 渭南市植被生長對(duì)降雨的響應(yīng)存在兩個(gè)月的滯后期, 而對(duì)溫度的響應(yīng)無滯后效應(yīng)。

圖8 2000–2015年渭南市植被覆蓋度與降水量、氣溫相關(guān)系數(shù)空間分布

Figure 8 The correlation between vegetation coverage and temperature and precipitation in Weinan City from 2000 to 2015

Figure 9 The correlation coefficients between month vegetation coverage and the current month precipitation, the preceding month precipitation, precipitation of two preceding months, and precipitation of three preceding months

圖10 月植被覆蓋度與當(dāng)月、前1月、前2月和前3月氣溫相關(guān)系數(shù)空間分布

Figure 10 The correlation coefficients between month vegetation coverage and the current month temperature, the preceding month temperature, temperature of two preceding months, and temperature of three preceding months

3 討論

近年來, 渭南市華縣、華陰市、潼關(guān)縣和韓城市西北部植被覆蓋度大幅度提升, 生態(tài)恢復(fù)效果最為明顯。這是由于華縣、華陰市和潼關(guān)縣地處南山, 由于地理位置的限制, 城鎮(zhèn)化建設(shè)的影響較小, 加之退耕還林還草[31]和封山育林等政策的實(shí)施, 使得渭南市南山植被恢復(fù)狀況明顯好于其他地區(qū)。

降雨量和氣溫是影響陸地植被生長的重要?dú)夂蛞蜃?。在年際尺度上, 渭南市植被覆蓋度與降雨量顯著正相關(guān)區(qū)域占比較小, 與溫度呈不顯著正相關(guān)。相對(duì)于溫度, 植被生長對(duì)降水響應(yīng)更為敏感, 屬水分限制型生態(tài)區(qū)[32]。且植被覆蓋度與降雨量的相關(guān)性高于同溫度的相關(guān)性。月尺度上植被覆蓋度與降雨量和氣溫的相關(guān)性高于年尺度上植被覆蓋度與降雨量和氣溫的相關(guān)性。此結(jié)果同張含玉等[33]對(duì)黃土高原植被覆蓋時(shí)空變化及其對(duì)氣候因子響應(yīng)的研究結(jié)果相一致, 即: 黃土高原NDVI年際變化與降雨和溫度的相關(guān)性不顯著, 而在月時(shí)間尺度上, NDVI同降雨和溫度相關(guān)性較高。渭南市氣候因子年內(nèi)波動(dòng)對(duì)渭南市植被覆蓋度的影響較大, 且降雨同植被覆蓋度的相關(guān)性高于溫度同植被覆蓋度的相關(guān)性。此結(jié)果同孫睿等[34]以及張翀等[35]的研究結(jié)果相近, 即降水是影響黃土高原植被覆蓋度變化的主要因素。渭南市植被生長對(duì)降雨的響應(yīng)存在兩個(gè)月的滯后期, 而對(duì)溫度的響應(yīng)無滯后效應(yīng)。

4 結(jié)論

本文借助MODIS NDVI數(shù)據(jù)集, 結(jié)合降水量和氣溫?cái)?shù)據(jù), 分析了渭南市2000—2015年間植被覆蓋度的時(shí)空動(dòng)態(tài)特征及其對(duì)氣候因子的響應(yīng)機(jī)制, 得出以下結(jié)論:

從渭南市植被覆蓋度年際變化特征看, 渭南市植被覆蓋狀況較好, 且呈現(xiàn)波動(dòng)式增加的趨勢(shì), 年均增長率為0.007 a–1。由植被覆蓋度長時(shí)間序列Mann-Kendall趨勢(shì)檢驗(yàn)的結(jié)果可知, 研究區(qū)植被覆蓋度呈現(xiàn)顯著上升趨勢(shì)。

從渭南市植被覆蓋度空間分布特征看, 除位于南山的韓城市西北部以外, 研究區(qū)植被覆蓋度呈現(xiàn)由南向北遞減的分布格局。渭南市植被覆蓋度以中覆蓋度為主, 2000、2005、2010和2015年所占比重分別為71.31%、68.54%、73.02%和53.07%。2000—2015年渭南市高植被覆蓋區(qū)面積隨時(shí)間推移表現(xiàn)為增加的趨勢(shì), 而極低覆蓋區(qū)和低覆蓋區(qū)面積呈波動(dòng)式減小的趨勢(shì), 說明研究區(qū)植被處于恢復(fù)狀態(tài)。

從植被覆蓋度對(duì)氣候因子的響應(yīng)特征來看, 在年尺度上渭南市植被覆蓋度與降雨量顯著正相關(guān)區(qū)域占比較小, 與溫度呈不顯著正相關(guān)。在月尺度上, 植被覆蓋度與降雨量和氣溫的相關(guān)系數(shù)高于年尺度上的相關(guān)系數(shù), 且植被覆蓋度與前兩月降雨量相關(guān)系數(shù)較高, 表現(xiàn)出明顯的時(shí)滯效應(yīng)。

[1] IPCC. Summary for policymakers[R]//STOCKER T F, QIN Dahe, PLATTNER G K, et al. Climate change 2013: The physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change. Cambridge University Press, Cambridge, United Kingdom and New York, 2013.

[2] XU Yufeng, YANG Jing, CHEN Yaning. NDVI-based vegetation responses to climate change in an arid area of China[J]. Theoretical and Applied Climatology, 2016, 126(1–2): 213–222.

[3] ZHANG Geli, XU Xingliang, ZHOU Caiping, et al. Responses of grassland vegetation to climatic variations on different temporal scales in Hulun Buir Grassland in the past 30 years[J]. Journal of Geographical Sciences, 2011, 21(4): 634–650.

[4] WU Chao, VENEVSKY S, SITCH S, et al. Present-day and future contribution of climate and fires to vegetation composition in the boreal forest of China[J]. Ecosphere, 2017, 8(8): 10.1002/ecs2.1917.

[5] HOU Wenjuan, GAO Jiangbo, WU Shaolong, et al. Interannual variations in growing-season NDVI and its correlation with climate variables in the southwestern Karst Region of China[J]. Remote Sensing, 2015, 7(9): 11105–11124.

[6] PARMESAN C, Yohe G. A globally coherent fingerprint of climate change impacts across natural systems[J]. Nature, 2003, 421(6918): 37–42.

[7] CAO Mingkui, WOODWARD F I. Dynamic responses of terrestrial ecosystem carbon cycling to global climate change[J]. Nature, 1998, 393(6682): 249–252.

[8] JIAPAER G, LIANG Shunlin, YI Qiuxiang, et al. Vegetation dynamics and responses to recent climate change in Xinjiang using leaf area index as an indicator[J]. Ecological Indicators, 2015, 58: 64–76.

[9] LIU Yanlan, LEI Huimin. Responses of natural vegetation dynamics to climate drivers in China from 1982 to 2011[J]. Remote Sensing, 2015, 7(8): 10243–10268.

[10] CHEN Aifang, HE Bin, WANG Honglin, et al. Notable shifting in the responses of vegetation activity to climate change in China[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2015, 87–88: 60–66.

[11] YANG Jun, GONG Peng, FU Rong, et al. The role of satellite remote sensing in climate change studies[J]. Nature Climate Change, 2013, 3(11): 875–883.

[12] HUETE A. Vegetation's responses to climate variability[J]. Nature, 2016, 531(7593): 181–182.

[13] TUCKER C J, SLAYBACK, D A, PINZON, J E, et al. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999[J]. International Journal of Biometeorology, 2001, 45(4), 184–190.

[14] XU Haojie, WANG Xinping, YANG Taibo. Trend shifts in satellite?derived vegetation growth in Central Eurasia, 1982–2013[J]. Science of the Total Environment, 2017, 579: 1658–1674.

[15] LAMCHIN M, LEE W K, JEON S W, et al. Long?term trend and correlation between vegetation greenness and climate variables in Asia based on satellite data[J]. Science of the Total Environment, 2018, 618: 1089–1095.

[16] HE Bin, CHEN Aifang, WANG Honglin, et al. Dynamic response of satellite-derived vegetation growth to climate change in the Three North Shelter Forest Region in China[J]. Remote Sensing, 2015, 7(8): 9998–10016.

[17] PIAO Shilong, WANG Xuhui, CIAIS P, et al. Changes in satellite?derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006[J]. Global Change Biology, 2011, 17(10): 3228–3239.

[18] 宋慧敏, 薛亮. 基于遙感生態(tài)指數(shù)模型的渭南市生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測與分析[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2016, 27(12): 3913–3919.

[19] 李小燕. 區(qū)域生態(tài)系統(tǒng)服務(wù)價(jià)值量與環(huán)境壓力分析–以渭南市為例[J]. 干旱區(qū)研究, 2008, 25(5): 729–734.

[20] HUTE A, JUSTICE C, VAN LEEWEN W. MODIS Vegetation Index (MODIS 13) algorithm theo retical basis document[B]: New York: NASA Press, 1996.

[21] 謝余初. 近60年金塔綠洲時(shí)空變化及其驅(qū)動(dòng)力研究[D]. 蘭州: 蘭州大學(xué), 2012.

[22] 水利部. 土壤侵蝕分級(jí)分類標(biāo)準(zhǔn)[S]. 2008.

[23] 沈艷, 馮明農(nóng), 張洪政, 等. 我國逐日降水量格點(diǎn)化方法[J].應(yīng)用氣象學(xué)報(bào), 2010, 21(3): 279–286.

[24] BURN D H, HAG ELNUR M A. Detection of hydrologic trends and variability[J]. Journal of Hydrology, 2002, 255(1–4): 107–122.

[25] FERI C, SCHAR C. Detection probability of trends in rare enents: Theory and application to heavy precipitation in the Alpine region[J]. Journal of Climate, 2011, 14(7): 1568–1584.

[26] MANN H B. Nonparametric tests against trend[J]. Econometrica, 1945, 13: 245–249.

[27] STOW D, DAESCHNER S, HOPE A, et al. Variability of the seasonally integrated Normalized Difference Vegetation Index across the north slope of Alaska in the 1990s[J]. International Journal of Remote Sensing, 2003, 24(5): 1111–1117.

[28] 穆少杰, 李建龍, 陳奕兆, 等. 2001–2010年內(nèi)蒙古植被覆蓋度時(shí)空變化特征[J]. 地理學(xué)報(bào), 2012, 67(9): 1255–1268.

[29] 周偉, 剛成誠, 李建龍, 等. 1982–2010年中國草地覆蓋度的時(shí)空動(dòng)態(tài)及其對(duì)氣候變化的響應(yīng)[J]. 地理學(xué)報(bào), 2014, 69(1): 15–30.

[30] 王靜, 萬紅蓮, 張翀. 2001 年以來寶雞地區(qū)植被覆蓋時(shí)空演變及驅(qū)動(dòng)力分析[J]. 植物科學(xué)學(xué)報(bào), 2018, 36(3): 336–344.

[31] 渭南市林業(yè)局. 退耕還林工程: http://www.wnlyw.gov. cn/cllh/gjcd/496105.htm[EB]. 2018.

[32] 劉憲鋒, 任志遠(yuǎn). 西北地區(qū)植被覆蓋變化及其與氣候因子的關(guān)系[J]. 中國農(nóng)業(yè)科學(xué), 2012, 45(10): 1954– 1963.

[33] 張含玉, 方怒放, 史志華. 黃土高原植被覆蓋時(shí)空變化及其對(duì)氣候因子的響應(yīng)[J]. 生態(tài)學(xué)報(bào), 2016, 36(13): 3960–3968.

[34] 孫睿, 劉昌明, 朱啟疆. 黃河流域植被覆蓋度動(dòng)態(tài)變化與降水的關(guān)系[J]. 地理學(xué)報(bào), 2001, 56(6): 667–672.

[35] 張翀, 任志遠(yuǎn), 李小燕. 黃土高原植被對(duì)氣溫和降水的響應(yīng)[J]. 中國農(nóng)業(yè)科學(xué), 2012, 45(20): 4205–4215.

Temporal and spatial variation of vegetation and its correlation with climatic factors in Weinan City

ZHAO Yu1,2,*

1. School of Chemistry and Materials Science, Weinan Normal University, Weinan 714099, China 2. Key Laboratory for Ecology and Environment of River Wetlands in Shannxi Province, Weinan 714099, China

Vegetation dynamic monitoring and the relationship between vegetation and climate change are the hotspots of terrestrial ecosystem research. Based on the MODIS vegetation index data set and related meteorological data from 2000 to 2015 in Weinan City, Mann-Kendell test, trend analysis and correlation analysis were used to reveal the temporal and spatial dynamic characteristics of vegetation coverage and its correlation with climate factors. The results showed that: (1) Vegetation coverage in Weinan City showed a significant upward trend (0.007 a-1) from 2000 to 2015. (2) The vegetation coverage in Weinan City showed a trend of decreasing from south to north. (3) Vegetation coverage in Weinan City was dominated by medium coverage, accounting for 71.31%, 68.54%, 73.02% and 53.07% in 2000, 2005, 2010 and 2015, respectively. (4) On the annual scale, the vegetation coverage was not significantly positively correlated with rainfall and temperature. On the monthly scale, the correlation coefficient between vegetation coverage and rainfall and temperature in the study area was higher. Compared with the temperature, the vegetation coverage of Weinan City was more sensitive to the precipitation, and it was a water-restricted ecological zone.

vegetation change; precipitation; temperature; temporal-spatial distribution characteristics; Weinan City

10.14108/j.cnki.1008-8873.2019.05.013

P951

A

1008-8873(2019)05-092-12

2019-04-24;

2019-05-25基金項(xiàng)目:陜西省教育廳科學(xué)研究計(jì)劃項(xiàng)目(18JS037); 陜西省高?？茀f(xié)青年人才托舉計(jì)劃項(xiàng)目(20180705); 渭南師范學(xué)院自然科學(xué)類人才項(xiàng)目(18ZRRC04)

趙玉(1987—), 女, 甘肅金昌人, 博士, 講師, 主要從事生態(tài)水文研究, E-mail: zhaoyu737@163.com

趙玉

趙玉. 渭南市植被覆蓋變化及其與氣候因子的相關(guān)性[J]. 生態(tài)科學(xué), 2019, 38(5): 92-103.

ZHAO Yu. Temporal and spatial variation of vegetation and its correlation with climatic factors in Weinan City[J]. Ecological Science, 2019, 38(5): 92-103.