基于NDVI和scPDSI研究1982－2015年中國植被對干旱的響應

張更喜，粟曉玲，郝麗娜，吳海江

基于NDVI和scPDSI研究1982－2015年中國植被對干旱的響應

張更喜1,2，粟曉玲1,2※，郝麗娜1，吳海江1

（1. 西北農林科技大學水利與建筑工程學院，楊凌 712100；2. 西北農林科技大學旱區(qū)農業(yè)水土工程教育部重點實驗室，楊凌 712100）

隨著氣候變化與人類活動的加劇，中國干旱頻繁發(fā)生且影響不斷加劇，探索干旱對植被生長的影響對研究生態(tài)系統(tǒng)如何應對干旱具有重要意義?；谥袊?982—2015年改進帕爾默干旱指數(shù)（scPDSI）與歸一化植被指數(shù)（NDVI）數(shù)據(jù)，分析植被對干旱的響應規(guī)律及敏感性。結果表明：1）在中國西北地區(qū)、內蒙古地區(qū)、東部地區(qū)及青藏高原南部地區(qū)，短滯時（1-3月）scPDSI與NDVI的相關性較大（max>0.4），南方濕潤地區(qū)降水充沛，植被對干旱的響應不敏感（max<0.3），其生長主要受能量因素控制；2）年均水分盈虧量、降水量、日照時數(shù)和氣溫對植被與干旱的關系影響較大，其中年均水分盈虧量是主要控制因子；3）不同植被類型對干旱的敏感性有較大差異，敏感排序為草地>林地>耕地。研究結果可為中國不同區(qū)域干旱對植被生長影響評估提供科學依據(jù)。

植被；干旱；遙感；scPDSI；NDVI；響應

0 引 言

干旱是一種持續(xù)時間長、影響范圍廣、頻發(fā)性高的自然變異，世界上很多國家和地區(qū)都曾受到干旱侵襲，對當?shù)厮Y源供給、農業(yè)生產、社會經(jīng)濟發(fā)展等造成了不同程度的損害[1-2]。中國是一個干旱頻發(fā)的國家，據(jù)統(tǒng)計，在1990－2007年間平均每兩年就會發(fā)生一次極端干旱事件，平均每次干旱事件引起的糧食減產量達392億kg，占國民生產總值的1.47%，因干旱引起的經(jīng)濟損失達120億美元[3]。隨著氣候變化和人類活動的加劇，干旱發(fā)生的強度和頻次都有增加的趨勢，加劇了區(qū)域水資源供需矛盾，導致一系列連鎖災害，尤其是對陸地生態(tài)系統(tǒng)的影響更加嚴峻[4-5]。2000年后，極端干旱事件的發(fā)生更加頻繁，如2009－2010年西南地區(qū)的冬-春旱災，2011年黃河中下游地區(qū)的春-夏旱災，2014年全國共26省（自治區(qū)、直轄市）發(fā)生旱災，導致糧食作物減產200.65億kg，經(jīng)濟作物損失275.76億元，直接經(jīng)濟損失909.76億元。由于干旱的復雜性，目前對不同種類植被對干旱的響應機理認識有限，陸地植被對干旱的響應是目前干旱生態(tài)研究中的重要科學問題[6-10]，深入了解植被與干旱的關系對于提高生態(tài)系統(tǒng)對氣候變化的響應關系預測具有重要意義。

干旱對植被的生長具有重要影響，嚴重的干旱可能造成植被的大面積死亡[9]。已有眾多學者從不同方向研究了植被對干旱的響應過程[6,7,11-14]。其中，最具代表性的是Vicente-Serrano等[7]利用遙感數(shù)據(jù)和樹木年輪數(shù)據(jù)對全球尺度不同類型植被對SPEI響應關系的研究，結果表明，旱區(qū)植被對干旱的響應更加敏感。此外，有學者對區(qū)域尺度NDVI對干旱的響應機制[6,11-12,15-17]，凈初級生產力（NPP）或總初級生產力（GPP）對干旱的響應關系[13,18]以及干旱對水分利用效率（WUE=GPP/ET）的影響[10,19]進行了研究。但已有文章大多利用SPI或SPEI表征干旱狀況，分析氣象干旱對植被的影響程度。很少有文章分析物理意義更明確的帕爾默干旱烈度指數(shù)（PDSI）對植被的影響。PDSI的計算考慮了水量平衡的全過程，包括降水、土壤含水量、徑流和潛在蒸散量，能夠更精確的描述區(qū)域干旱狀況，尤其是scPDSI[20]的提出，大大增加了PDSI的空間可比性，得到了廣泛應用[21-24]。

鑒于此，本文基于東英格利亞大學氣候研究中心發(fā)布的scPDSI數(shù)據(jù)集和NASA發(fā)布的GIMMS NDVI3g數(shù)據(jù)集分析中國大陸地區(qū)農業(yè)干旱對植被的影響。主要研究內容包括中國不同區(qū)域NDVI對干旱的響應關系及敏感性分析；不同典型水分盈虧區(qū)及不同植被類型 NDVI對scPDSI響應關系的影響因素分析。研究旨在深入了解干旱對中國不同氣候區(qū)生態(tài)系統(tǒng)的影響，為制定相應規(guī)劃以減少生態(tài)和經(jīng)濟損失提供科學指導。

1 數(shù)據(jù)與方法

1.1 NDVI與土地利用數(shù)據(jù)集

本文使用的標準化植被指數(shù)（NDVI）數(shù)據(jù)為GIMMS NDVI3數(shù)據(jù)集（https://ecocast.arc.nasa.gov/data/pub/gimms），空間分辨率為1/12°，時間范圍為1982－2015年。該數(shù)據(jù)集由NOAA AVHRR衛(wèi)星數(shù)據(jù)反演得到，已經(jīng)過大氣校正和幾何校正，并消除了與植被無關的其他影響[6,25]，已被廣泛應用于全球或區(qū)域尺度的植被動態(tài)監(jiān)測、植被對氣候變化的響應等研究中，并取得了良好效果[7,11-12]。本文使用的土地利用數(shù)據(jù)來源于資源環(huán)境數(shù)據(jù)云平臺（http://www.resdc.cn/），數(shù)據(jù)生產制作是以各期Landsat TM/ETM遙感影像為主要數(shù)據(jù)源，通過人工目視解譯生成，其空間分辨率為1km，分為6個一級類型和25個二級類型，本文僅使用一級類型（圖1a），利用Arcgis將其重采樣為1/12°網(wǎng)格數(shù)據(jù)集。

圖1 2000年中國土地利用類型圖及中國氣候分區(qū)圖[6]

1.2 氣象數(shù)據(jù)處理

本研究所需氣象數(shù)據(jù)包括降水、氣溫、日照時數(shù)、氣壓、相對濕度及風速等，數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/），篩選出序列齊全的614個站點的月數(shù)據(jù)，計算出降水、氣溫和日照時數(shù)的年均值，利用Arcgis克里金插值算法將站點數(shù)據(jù)插值為1/12°網(wǎng)格數(shù)據(jù)。利用R語言SPEI包的Penman（Penman-Monteith）公式計算出潛在蒸散發(fā)（PET），計算降水與PET的差值為水分盈虧量，整合為年均值數(shù)據(jù)，通過克里金算法插值為1/12°網(wǎng)格數(shù)據(jù)。

1.3 氣候區(qū)劃

中國地域遼闊，地形復雜，西高東低，山地、高原、丘陵占總面積的2/3，平原、盆地面積不足1/3；氣候類型多樣，由南向北分布著熱帶季風氣候、亞熱帶季風氣候、溫帶季風氣候、溫帶大陸性氣候，以及高山高原氣候[26]。因此，需要對中國進行氣候區(qū)劃以探索不同區(qū)域植被對干旱的響應關系。溫度和降水是計算干旱指數(shù)（scPDSI）的主要氣象數(shù)據(jù)，NDVI是代表植被生長狀況的指標，站點經(jīng)緯度代表站點位置，高程表征地勢，區(qū)域劃分應將這些因素考慮在內。Zhang等[6]將以上變量作為輸入數(shù)據(jù)，利用模糊C均值聚類算法，選用4個指標（（fuzziness performance index（FPI），normalized classification entropy（NCE），partition index（SC），xie and Beni's Index（XB））作為聚類數(shù)的選擇標準，最終將研究區(qū)域劃分為8個區(qū)域。其結果與本研究所需區(qū)劃相匹配，所以采用其區(qū)劃結果。區(qū)劃的目的是為了在宏觀尺度了解中國不同區(qū)域干旱對植被的影響，所以8個子區(qū)域是可行的，也與其他類似研究相符[26-27]，以便于結果的比較。而更細致的響應關系是通過柵格尺度NDVI與scPDSI相關系數(shù)分布圖獲取。

1.4 scPDSI數(shù)據(jù)集

scPDSI數(shù)據(jù)集（self-calibrating palmer drought severity index based on Penman-Monteith）來源于東英格利亞大學氣候研究中心（climatic research unit，CRU），下載網(wǎng)址為（http://www.cru.uea.ac.uk/data），空間分辨率為0.5°×0.5°，時間范圍為1901－2017年，新疆地區(qū)有缺失數(shù)據(jù)，缺失地區(qū)不參與計算，在圖中以白色表示。為匹配NDVI數(shù)據(jù)，將1982—2015年的scPDSI數(shù)據(jù)重采樣為1/12°的空間分辨率。

1.5 相關性分析

相關系數(shù)是衡量數(shù)據(jù)間相關關系的重要工具，使用最廣泛的為皮爾遜相關分析。借鑒Vicente-Serrano等[7]對SPEI與NDVI響應關系的研究方法，文中的相關系數(shù)表示時段最大相關系數(shù)。考慮到干旱對植被影響的滯后性，本文分別在柵格尺度與區(qū)域尺度上對NDVI（1-12月）與滯后1-，2-，…，12-月的scPDSI進行相關性分析，得到NDVI與scPDSI的相關系數(shù)分布圖。數(shù)據(jù)系列長度為34年，所以最大相關系數(shù)值0.3和0.4分別對應5%和1%的顯著性水平。

式中表示皮爾遜相關；表示第月（1－12）；表示滯后時間（1－12月）；NDVI為第月的NDVI值；scPDSI-j表示相對于第月NDVI滯后月的scPDSI值；scPDSI12-jpre表示大于時滯后月的前一年PDSI值。

2 結果與分析

2.1 區(qū)域植被對干旱的響應分析

中國地域遼闊、自然環(huán)境各異、氣候差異顯著，植被對干旱的響應關系也各不相同。為更合理分析不同區(qū)域NDVI對干旱的響應關系，參照Zhang等[6]對中國的分區(qū)結果，對各分區(qū)分別進行研究。

scPDSI與NDVI的最大相關系數(shù)表示干旱對植被的影響程度，相關系數(shù)滯時能夠反映干旱對植被影響的敏感性，滯時越短，植被對干旱的響應越敏感。對每個柵格計算NDVI與scPDSI的相關系數(shù)，結果顯示，NDVI對干旱響應的敏感區(qū)域主要集中在內蒙古地區(qū)、新疆北部區(qū)域、陜西北部及寧夏地區(qū)、山東、河北、北京和天津地區(qū)以及青藏高原南部地區(qū)（圖2a）。不同分區(qū)、不同月份相關系數(shù)的分布差異很大?？傮w而言，夏秋季節(jié)（6－9月）干旱對植被影響顯著，相關系數(shù)在7月份達到最大值（圖2b）。北方內蒙古、陜西北部及寧夏地區(qū)（分區(qū)5）和東部山東、北京及天津地區(qū)（分區(qū)2）NDVI對干旱響應更加強烈，6、7月份顯著性相關面積占總面積的50%以上，其他區(qū)域顯著性比例較低。南方地區(qū)雨量充沛，影響植被時間變化的主要因素為光照、溫度等能量因素；新疆地區(qū)沙漠分布廣泛，植被稀少，干旱對植被的影響關系不易察覺。

圖2 NDVI與scPDSI相關系數(shù)分布及不同分區(qū)、不同月份顯著性相關面積比例

本文選取不同滯時scPDSI與NDVI進行相關性分析，以探索不同區(qū)域植被對干旱響應的敏感性（圖3）。如圖3所示，滯時為1月時，NDVI與scPDSI最大相關系數(shù)滿足顯著性面積的比例最大，隨著滯時的增加，相關系數(shù)逐漸減小，滿足顯著性的面積比例亦呈遞減趨勢。表明1個月滯時scPDSI對NDVI的影響最為敏感。

圖3 不同分區(qū)NDVI與scPDSI最大相關系數(shù)滯時分布

植被對干旱響應敏感區(qū)域集中在內蒙古地區(qū)、新疆北部、山東、陜西北部及青藏高原南部地區(qū)，證明這些區(qū)域植被生長主要受干旱影響，敏感性較強，水分是植被生長的主要控制因子。在降水量豐富的南方地區(qū)，scPDSI與植被指數(shù)相關系數(shù)隨滯時的增加變化不大，植被生長受干旱的影響較弱，水分因子并不是影響植被生長的主要因素，植被生長主要受溫度、日照時數(shù)等能量因素的影響。

由于植被對干旱的響應存在滯后性，且不同區(qū)域植被對干旱的敏感性有所差異，因此分別對8個分區(qū)的scPDSI滯時和最大相關系數(shù)及顯著性面積比例的關系進行了分析。如圖4所示，大部分區(qū)域1月滯時scPDSI與NDVI相關性最大，其中分區(qū)2（包括山東、河北、北京和天津地區(qū)）與分區(qū)5（包括內蒙古地區(qū)、陜西北部區(qū)域及寧夏地區(qū)）的scPDSI與NDVI相關系數(shù)明顯大于其他分區(qū)，相關系數(shù)均值分別達0.45和0.41，相關系數(shù)滿足顯著性的面積比例高達80%，表明干旱對植被影響顯著。南方濕潤地區(qū)雨量充沛，植被生長主要受能量因素控制（溫度、日照時數(shù)等），對干旱的響應不夠敏感，且滯后時間較長。

圖4 各分區(qū)不同月份最大相關系數(shù)均值、面積比例與滯時關系

如圖5a所示，干旱對植被影響顯著的區(qū)域集中在內蒙古地區(qū)、新疆北部、山東、陜西北部、甘肅東部及青藏高原南部區(qū)域。在中部與南方濕潤區(qū)（浙、兩湖、兩廣、福建、臺灣、海南等地），scPDSI與NDVI呈負相關主要與南方植被對干旱具有的較強的彈性和恢復力有關，同時干旱時期由于云量覆蓋減少，太陽輻射增加可能有助于南方植被的生長[28-29]。除此之外，在東北平原東北部區(qū)域、長白山區(qū)及四川盆地西部，scPDSI與NDVI呈現(xiàn)出負相關關系。

如圖5b所示，植被生長對干旱的響應還受滯時的影響，在東北平原東部區(qū)域、新疆中北部、山東中部、內蒙古西部及云貴高原大部分區(qū)域，滯時集中在3－6月。以上區(qū)域植被類型以草地和耕地為主，根系分布較淺，無法直接吸收地下水維持植被生長，對干旱的滯后時間較短，響應較為敏感。在東北平原東北部、東南沿海區(qū)域、青藏高原南部區(qū)域，植被對干旱的響應滯時主要集中在8－12月，植被對干旱的響應較為遲緩。然而，造成上述分區(qū)植被對干旱響應遲緩的可能原因是復雜的，并且各區(qū)域影響因素各異。在長江中下游地區(qū)，珠江三角洲和京津冀地區(qū)，由于城市化進程加快，社會經(jīng)濟發(fā)展迅速，植被變化主要是受人為干擾。中國東南部大部分地區(qū)氣候濕潤，降水豐富，因此降水量和蒸散量的變化不是植被變化的主要因素，這是造成NDVI與scPDSI之間相關性較低的主要原因。中國東北和長白山以針葉林為主，這種植物耐旱耐寒，四個季節(jié)都呈現(xiàn)出綠色狀態(tài)，NDVI監(jiān)測效果變差，這是植被變化對干旱敏感性低的主要原因。此外，四川省西部，天山南北坡均以森林，高原草甸和草為主，而且這些地區(qū)主要被凍土和積雪覆蓋，可用水量的變化受降水以及凍土和積雪融化的影響，因此，這些區(qū)域的植被變化對干旱的響應相對較為遲緩。安徽、江蘇地區(qū)，耕地面積分布廣泛，農業(yè)灌溉還增強了農作物對干旱的抵抗力，導致了更長的植被對干旱響應的滯時較長。

圖5 NDVI與scPDSI最大相關系數(shù)及相應的滯時分布

2.2　影響因素分析

水熱條件是影響植被空間分布的主要因素，水分盈虧量綜合考慮了降水與蒸發(fā)的共同作用，能夠反映水量收支平衡狀況[30]，是森林梯度分布差異和陸地生態(tài)系統(tǒng)生物多樣性的主要驅動力[31]，是造成濕潤地區(qū)與干旱地區(qū)植被對干旱事件抵抗能力及旱后的恢復能力差異的主要因素[32-33]。中國多年平均水分盈虧狀況呈現(xiàn)由東南向西北的遞減趨勢（圖6）。中國西北地區(qū)及內蒙古地區(qū)年均水分盈虧量低于?1 000 mm，屬于典型的干旱區(qū)；長江中下游地區(qū)及東南沿海地區(qū)年均水分盈虧量在600 mm以上，屬于典型的濕潤區(qū)。依據(jù)水分盈虧狀況分布圖，選擇8個典型區(qū)域分析不同氣象因子對植被與干旱關系的影響。中國地域遼闊，各地氣候、地形差異大，植被種類多樣，不同區(qū)域植被對干旱響應的差異性除受降水、蒸發(fā)等因素影響外，還有可能受到其他氣象因子的制約。因此，除水分盈虧量外，本文還分析了年均降水、年均氣溫和日照時數(shù)對植被與干旱關系的影響。

對8個典型區(qū)域（圖6）各氣象因子與植被和相關系數(shù)和滯時進行線性回歸分析。如圖7a所示，水分盈虧量與scPDSI和NDVI最大相關系數(shù)線性關系顯著，2達到了0.45，滿足0.01的顯著性水平。隨水分盈虧量的增加，干旱對植被的影響逐漸減弱。水分盈虧量對干旱地區(qū)植被與干旱關系的影響明顯強于濕潤地區(qū)（圖7a）。水分盈虧量對滯時的影響以0為界，分為兩部分，當水分盈虧量小于0時，對滯時的影響顯著，隨水分盈虧量的增加，滯時呈顯著增加趨勢；當水分盈虧量大于0時，對滯時的影響較弱。

注：黑色方框表示典型水分盈虧區(qū)域。

年均降水量對NDVI與scPDSI響應關系的影響與水分盈虧量類似，顯著性水平略低于水分盈虧量（圖7b，7f）。年均降水量對滯時的影響以600 mm為界，其影響趨勢與水分盈虧量對滯時的影響情況類似，表明在干旱區(qū)植被對干旱的響應更加敏感。

日照時數(shù)是最關鍵的熱量影響因子，日照時數(shù)越高的區(qū)域，植被與干旱的相關關系越顯著，主要集中在青藏高原區(qū)、東部、新疆和內蒙古地區(qū)。年均日照時數(shù)對滯時的影響并不明顯，在日照時數(shù)大于6h的區(qū)域，滯時隨日照時數(shù)的增加呈減小趨勢（圖7c，7g）。

圖7 典型區(qū)域NDVI與scPDSI最大相關系數(shù)和滯時與氣象因子的關系

年均氣溫的影響分為兩個階段，年均氣溫小于5 ℃時，其對scPDSI與NDVI相關性的影響顯著，2為0.68（<0.01），主要集中在東北地區(qū)，西北地區(qū)和青藏高原區(qū)；年均氣溫大于5 ℃時，氣溫對植被與干旱相關性的影響較弱。年均氣溫小于5 ℃時，滯時隨氣溫的增加呈顯著減小趨勢，在西北地區(qū)、內蒙古地區(qū)和青藏高原南部地區(qū)，植被對干旱的響應滯時最短，干旱對植被的影響最為敏感（圖7d，7h）。

不同植被類型對干旱的響應關系也有所差異，整體而言，草地對干旱的敏感性大于林地和耕地，主要是由于草地根系較淺，其生長主要依賴淺層土壤水，干旱發(fā)生后，土壤水分因得不到及時補充而影響植被生長。

3 結 論

本文利用scPDSI與NDVI來研究中國不同區(qū)域植被對干旱的響應關系、敏感性和不同氣候因子對植被與干旱相關關系及滯時的影響，得到以下主要結論：

1）在中國大部分地區(qū)，NDVI與scPDSI呈正相關關系，西北地區(qū)、內蒙古地區(qū)、東部地區(qū)及青藏高原南部地區(qū)的scPDSI與NDVI的max在0.3以上，滿足0.05的顯著性檢驗，滯后時間為1～3個月，表明植被生長主要受水資源可利用量的影響；南方濕潤地區(qū)植被對干旱的響應不敏感，且滯后時間長（>6月）其生長主要受能量因素控制，對干旱的彈性和恢復力較強。

2）植被對干旱的響應關系受氣候因子的影響，年均水分盈虧量、年均降水量、年均日照時數(shù)和年均氣溫對植被與干旱的關系影響較大，其中年均水分盈虧量是主要水分控制因子，水分盈虧量與max呈顯著負相關關系（2=0.45，<0.01）；在低溫、高日照時數(shù)區(qū)域，植被對干旱的響應更為敏感。

3）不同類型植被對干旱的敏感性有較大差異，草地對干旱的響應最為敏感。主要是由于草地根系較淺，其生長主要依賴淺層土壤水，干旱發(fā)生時，土壤水蒸散量較大，又得不到降水的及時補充，影響植被生長。

[1] Mishra A K, Singh V P. A review of drought concepts[J]. Journal of Hydrology, 2010, 391(1/2): 202－216.

[2] Chang J, Li Y, Wang Y, et al. Copula-based drought risk assessment combined with an integrated index in the Wei River Basin, China[J]. Journal of Hydrology, 2016, 540: 824－834.

[3] Leng G, Tang Q, Rayburg S. Climate change impacts on meteorological, agricultural and hydrological droughts in China[J]. Global and Planetary Change, 2015, 126: 23－34.

[4] Sheffield J, Wood E F, Roderick M L. Little change in global drought over the past 60 years[J]. Nature, 2012, 491(7424): 435－438.

[5] Kate M, Benjamin I C, Celine J W B, et al. Twentieth-century hydroclimate changes consistent with human influence[J]. Nature, 2019, 569: 59－65.

[6] Zhang Q, Kong D, Singh V P, et al. Response of vegetation to different time-scales drought across China: Spatiotemporal patterns, causes and implications[J]. Global and Planetary Change, 2017, 152: 1－11.

[7] Vicente-Serrano M S, Gouveia C, Camarero J J, et al. Response of vegetation to drought time-scales across global land biomes[J]. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(2): 52－57.

[8] 張彬，朱建軍，劉華民，等. 極端降水和極端干旱事件對草原生態(tài)系統(tǒng)的影響[J]. 植物生態(tài)學報，2014，38(9)：1008－1018.

Zhang Bin, Zhu Jianjun, Liu Huamin, et al. Effects of extreme rainfall and drought events on grassland ecosystems[J]. Chinese Journal of Plant Ecology, 2014, 38(9): 1008－1018. (in Chinese with English abstract)

[9] Doughty C E, Metcalfe D B, Girardin C A J, et al. Drought impact on forest carbon dynamics and fluxes in Amazonia[J]. Nature, 2015, 519(7541): 78－82.

[10] Huang L, He B, Han L, et al. A global examination of the response of ecosystem water-use efficiency to drought based on MODIS data[J]. Science of the Total Environment, 2017(601/602): 1097－1107.

[11] Gouveia C M, Trigo R M, Beguería S, et al. Drought impacts on vegetation activity in the Mediterranean region: An assessment using remote sensing data and multi-scale drought indicators[J]. Global and Planetary Change, 2017, 151: 15－27.

[12] Li C, Leal Filho W, Yin J, et al. Assessing vegetation response to multi-time-scale drought across inner Mongolia plateau[J]. Journal of Cleaner Production, 2018, 179: 210－216.

[13] Pei F, Li X, Liu X, et al. Assessing the impacts of droughts on net primary productivity in China[J]. Journal of Environmental Management, 2013, 114: 362－371.

[14] Wang H, He B, Zhang Y, 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.

[15] 王兆禮，黃澤勤，李軍，等. 基于SPEI和NDVI的中國流域尺度氣象干旱及植被分布時空演變[J]. 農業(yè)工程學報，2016，32(14)：177－186.

Wang Zhaoli, Huang Zeqin, Li Jun, et al. Assessing impacts of meteorological drought on vegetation at catchment scale in China based on SPEI and NDVI[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(14): 177－186. (in Chinese with English abstract)

[16] 趙舒怡，宮兆寧，劉旭穎. 2001－2013年華北地區(qū)植被覆蓋度與干旱條件的相關分析[J]. 地理學報，2015，70(5)：717－729.

Zhao Shuyi, Gong Zhaoning, Liu Xuying. Correlation analysis between vegetation coverage and climate drought conditions in North China during 2001-2013[J]. Acta Geographica Sinica, 2015, 70(5): 717－729. (in Chinese with English abstract)

[17] 楊思遙，孟丹，李小娟，等. 華北地區(qū)2001－2014年植被變化對SPEI氣象干旱指數(shù)多尺度的響應[J]. 生態(tài)學報，2018，38(3)：1028－1039.

Yang Siyao, Meng Dan, Li Xiaojuan, et al. Multi-scale responses of vegetation changes relative to the SPEI meteorological drought index in North China in 2001－2014[J]. Acta Ecologica Sinica, 2018, 38(3): 1028－1039. (in Chinese with English abstract)

[18] 程曼，王讓會，薛紅喜，等. 干旱對中國西北地區(qū)生態(tài)系統(tǒng)凈初級生產力的影響[J]. 干旱區(qū)資源與環(huán)境，2012，26(6)：1－7.

Cheng Man, Wang Ranghui, Xue Hongxi, et al. Effects of drought on ecosystem net primary production in northwestern China[J]. Journal of Arid Land Resources and Environment, 2012, 26(6): 1－7. (in Chinese with English abstract)

[19] 鄒杰，丁建麗，秦艷，等. 遙感分析中亞地區(qū)生態(tài)系統(tǒng)水分利用效率對干旱的響應[J]. 農業(yè)工程學報，2018，34(9)：145－152.

Zou Jie, Ding Jianli, Qin Yan, et al. Response of water use efficiency of Central Asia ecosystem to drought based on remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(9): 145－152. (in Chinese with English abstract)

[20] Nathan W, Steve G. A self-calibrating Palmer drought severity index[J]. Journal of Climate, 2004, 17: 2335－2351.

[21] Dai A. Characteristics and trends in various forms of the Palmer Drought Severity Index during 1900－2008[J]. Journal of Geophysical Research, 2011, 116(D12115): 1－26.

[22] Van der Schrier G, Barichivich J, Briffa K R, et al. A scPDSI-based global data set of dry and wet spells for 1901－2009[J]. Journal of Geophysical Research: Atmospheres, 2013, 118(10): 4025－4048.

[23] 王兆禮，李軍，黃澤勤，等. 基于改進帕默爾干旱指數(shù)的中國氣象干旱時空演變分析[J]. 農業(yè)工程學報，2016，32(2)：161－168.

Wang Zhaoli, Li Jun, Huang Zeqin, et al. Spatiotemporal variations analysis of meteorological drought in China based on scPDSI[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(2): 161－168. (in Chinese with English abstract)

[24] Li H, Liu L, Shan B, et al. Spatiotemporal variation of drought and associated multi-scale response to climate change over the Yarlung Zangbo River Basin of Qinghai-Tibet Plateau, China[J]. Remote Sensing, 2019, 1596(11): 1－21.

[25] Tucker C J, Pinzon J E, Brown M E, et al. An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data[J]. International Journal of Remote Sensing, 2005, 26(20): 4485－4498.

[26] Xiao M, Zhang Q, Singh V P, et al. Regionalization-based spatiotemporal variations of precipitation regimes across China[J]. Theoretical and Applied Climatology, 2013, 114(1/2): 203－212.

[27] Ayantobo O, Li Y, Song S, et al. Spatial comparability of drought characteristics and related return periods in mainland China over 1961－2013[J]. Journal of Hydrology, 2017(550): 549－567.

[28] Wang H, Chen A, Wang Q, et al. Drought dynamics and impacts on vegetation in China from 1982 to 2011[J]. Ecological Engineering, 2015, 75: 303－307.

[29] Liang W, Yang Y, Fan D, et al. Analysis of spatial and temporal patterns of net primary production and their climate controls in China from 1982 to 2010[J]. Agricultural and Forest Meteorology, 2015, 204: 22－36.

[30] 高歌，許崇育. 1961－2010 年中國十大流域水分盈虧量時空變化特征[J]. 地理學報，2015，70(3)：380－391.

Gao Ge, Xu Chongyu. Characteristics of water surplus and deficit change in 10 major river basins in China during 1961－2010[J]. Acta Geographica Sinica, 2015, 70(3): 380－391. (in Chinese with English abstract)

[31] Stegen J C, Swenson N G, Enquist B J, et al. Variation in above-ground forest biomass across broad climatic gradients[J]. Global Ecology and Biogeography, 2011, 20: 744－754.

[32] Pockman W T, Sperry J S. Vulnerability to xylem cavitation and the distribution of sonoran desert vegetation[J]. American Journal of Botany, 2000, 87(9): 1287－1299.

[33] Engelbrecht B M J, Comita L S, Condit R, et al. Drought sensitivity shapes species distribution patterns in tropical forests[J]. Nature, 2007, 447: 80－82.

Response of vegetation to drought based on NDVI and scPDSI data sets from 1982 to 2015 across China

Zhang Gengxi1,2, Su Xiaoling1,2※, Hao Lina1, Wu Haijiang1

(1.,,712100,; 2.,,712100,)

Drought is a natural hazard caused by long-term precipitation deficiency and high evaporation resulted from high temperature, which is among the most common disasters around the world. In recent decades, with the intensification of climate change and human activities, drought occurrence is becoming more frequent in China, causing negative impacts on agricultural production, ecological environment and social economy. Therefore, it is significant to explore the impact of drought on vegetation for agricultural production and healthy development of ecological systems. In this paper, the response and sensitivity of vegetation to drought in different climatic zones in China were analyzed, and the effects of different climatic factors, including water balance (precipitation-potential evapotranspiration), annual precipitation, mean temperature and sunshine hours, on the relationship between different vegetation types including forestland, grassland and cultivated land and drought were explored, so as to reveal the response mechanism of ecological vegetation to drought from a macro perspective. Using the self-calibrating Palmer drought severity index (scPDSI) and normalized difference vegetation index (NDVI) data for the period of 1982-2015, the response rule and sensitivity of different types of vegetation to drought were analyzed by applying time-delay correlation method, and the influence of various climate factors on the relationship between vegetation and drought was analyzed by applying linear regression method. The results of the research showed that in northwest China, Inner Mongolia, north China plain and southern Qinghai-Tibet plateau, the correlation of shorter lag time scPDSI (1-3 months) and NDVI was close (max>0.4), which indicated that vegetation growth was more sensitive to drought in these regions and that vegetation biomass were influenced mainly by the spatiotemporal characteristics of the water availability. In the humid areas of south China, including the middle and lower reaches of the Yangtze River and the Pearl River basin, the precipitation is abundant so that the correlation between NDVI and scPDSI was negative, and the response of vegetation was not sensitive to drought. The growth of vegetation is mainly controlled by energy factors such as temperature and sunshine hours. The relationship between vegetation and drought was significantly affected by the average annual water balance, precipitation, sunshine hours and temperature, among which the annual water balance was the main water controlling factor (2=0.45). It can be concluded that the change of water availability was the key factor behind the change of vegetation vigor. Sunshine hours were the main energy controlling factor. When average annual temperature was less than 5℃, the effect of temperature on the correlation between scPDSI and NDVI was also significant. The sensitive areas of drought impact on vegetation were mainly in the northern arid regions, while the southern humid areas had strong resilience and resilience to drought. The sensitivity of different types of vegetation to drought varied greatly, and the order of sensitivity is grassland >forestland>cultivated land. The results can provide a scientific basis for the evaluation of the impact of drought on ecological vegetation in different regions of China, and thus help to guide agricultural and environmental production, protect vulnerable ecosystems and provide implications for sustainable socioeconomic development.

vegetation; drought; remote sensing; scPDSI; NDVI; response

張更喜，粟曉玲，郝麗娜，吳海江. 基于NDVI和scPDSI研究1982－2015年中國植被對干旱的響應[J]. 農業(yè)工程學報，2019，35(20)：145－151.doi：10.11975/j.issn.1002-6819.2019.20.018 http://www.tcsae.org

Zhang Gengxi, Su Xiaoling, Hao Lina, Wu Haijiang. Response of vegetation to drought based on NDVI and scPDSI data sets from 1982 to 2015 across China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(20): 145－151. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.20.018 http://www.tcsae.org

2019-05-08

2019-09-02

國家自然科學基金項目（51879222）

張更喜，博士生，研究方向：干旱傳遞特征及對生態(tài)系統(tǒng)的影響。Email：gengxizhang@nwsuaf.edu.cn

粟曉玲，教授，博導，研究方向：水資源規(guī)劃與管理。Email：xiaolingsu@nwafu.edu.cn

10.11975/j.issn.1002-6819.2019.20.018

S127

A

1002-6819(2019)-20-0145-07