肖祖香,朱 雙,羅顯剛,婁連惠,李 江,羅順根,操 麗
(1.中國(guó)地質(zhì)大學(xué)(武漢)地理與信息工程學(xué)院,湖北 武漢 430074;2.國(guó)家地理信息系統(tǒng)工程技術(shù)研究中心,湖北 武漢 430074; 3.中國(guó)地質(zhì)環(huán)境監(jiān)測(cè)院,北京 100081;4.湖北省自然資源廳信息中心,湖北 武漢 430071; 5.武漢中地云申科技有限公司,湖北 武漢 430074)
干旱事件是一種高頻的自然災(zāi)害,具有最廣泛的社會(huì)、經(jīng)濟(jì)和生態(tài)影響[1-2]。研究地區(qū)干旱演變特性對(duì)了解區(qū)域氣候變化,指導(dǎo)未來(lái)水資源規(guī)劃和利用具有重要意義[3-4]。Mckee等[5]提出的標(biāo)準(zhǔn)化降水指數(shù)(standardized precipitation index,SPI)被廣泛應(yīng)用于評(píng)估不同時(shí)間尺度的氣象干旱事件,Sobral等[6]認(rèn)為SPI在干旱時(shí)空特征研究中有非常好的作用。Wang等[7]采用歸一化植被指數(shù)(normalized difference vegetation index, NDVI)來(lái)研究植被與干旱的關(guān)系。增強(qiáng)植被指數(shù)(enhanced vegetation index,EVI)是對(duì)NDVI的改進(jìn)指數(shù),減弱了大氣和土壤噪音對(duì)植被的影響,反應(yīng)植被情況更具穩(wěn)定性。自20世紀(jì)90年代以來(lái),三江源區(qū)氣候呈暖濕現(xiàn)象,長(zhǎng)江流域濕地面積呈整體上升趨勢(shì),黃河流域和瀾滄江流域呈下降趨勢(shì)[8]。三江源區(qū)的植被變化、氣候變化和生態(tài)保護(hù)是重點(diǎn)研究方向,Wang等[9]研究發(fā)現(xiàn)草地退化比較明顯的地區(qū)為黃河源區(qū)。目前大部分研究是針對(duì)2010年前后的地區(qū)干旱與植被演變,對(duì)三江源區(qū)的多尺度干旱演變與植被變化研究還很少[10]。
本文采用SPI和遙感植被指數(shù)(NDVI、EVI)量化1961—2018年三江源區(qū)的生長(zhǎng)季植被和水文干旱的演化特性,基于Mann-Kendall(M-K)趨勢(shì)檢驗(yàn)法分析1961—2018年三江源區(qū)多尺度干旱的時(shí)空特征和變化趨勢(shì)以及2000—2018年植被時(shí)空演變趨勢(shì),并探討了三江源區(qū)的植被狀態(tài)與干旱事件的聯(lián)系,可為后期探究三江源區(qū)的植被-干旱的響應(yīng)關(guān)系提供參考。
三江源區(qū)位于中國(guó)青海省南部,地理位置在31°39′~36°12′N(xiāo)、89°45′~102°23′E之間,是長(zhǎng)江、黃河和瀾滄江的發(fā)源地,也是青藏高原的腹地(圖1),面積約30萬(wàn)km2,占青海省總面積的43%,地勢(shì)高聳、氣候寒冷,年平均氣溫在-5. 4~4.2 ℃之間,年降水量由東南部的 770 mm 向西北逐漸遞減至 260 mm,氣候條件具有明顯的區(qū)域分異特征。三江源區(qū)中黃河、長(zhǎng)江和瀾滄江年平均徑流量分別為201億m3、124億m3和150億m3[11],年蒸發(fā)量為730~1 700 mm,超過(guò)80%的降水量發(fā)生在5—10月[12]。由圖1(b)可知2015年該地區(qū)的土地利用類型主要為林地和草地。
圖1 三江源區(qū)的氣象站點(diǎn)以及土地利用類型Fig.1 Geographic location, meteorological stations and land-use type of the TRSR region
三江源區(qū)數(shù)字高程模型(DEM)來(lái)自地理空間數(shù)據(jù)云網(wǎng)站(http://www.gscloud.cn/),在ArcGIS中以三江源區(qū)邊界來(lái)裁剪和鑲嵌得到研究區(qū)的DEM。青藏高原土地利用覆蓋數(shù)據(jù)來(lái)自中國(guó)科學(xué)院資源與環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn/),通過(guò)裁剪和重分類得到三江源區(qū)的土地利用類型。
遙感衛(wèi)星數(shù)據(jù)MOD13Q1來(lái)自美國(guó)國(guó)家航空航天局(NASA)EOS / MODIS數(shù)據(jù)產(chǎn)品(https://modis.gsfc.nasa.gov/),空間分辨率為250 m×250 m,時(shí)間分辨率為16 d。MOD13Q1植被指數(shù)產(chǎn)品(NDVI和EVI)用水、云、重氣溶膠等處理,以確保數(shù)據(jù)質(zhì)量,這兩種產(chǎn)品有效地表征了全球植被狀態(tài)和過(guò)程。為了消除異常值的影響,采用最大合成法(MVC)合成月度NDVI數(shù)據(jù),將月度NDVI數(shù)據(jù)合成為最大年NDVI影像[13]。
1961—2018年月降水量數(shù)據(jù)來(lái)自中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/),其中1961—2016年數(shù)據(jù)來(lái)自中國(guó)0.5°×0.5°網(wǎng)格數(shù)據(jù)集(V2.0)產(chǎn)品,三江源區(qū)共有150個(gè)格點(diǎn)數(shù)據(jù)集。數(shù)據(jù)經(jīng)過(guò)交叉驗(yàn)證,錯(cuò)誤分析,質(zhì)量狀況良好;2017—2018年數(shù)據(jù)來(lái)自中國(guó)地面氣候資料月值數(shù)據(jù)集。由研究區(qū)20個(gè)氣象站點(diǎn)的地面月降水量數(shù)據(jù),采取最優(yōu)Kriging插值方法重采樣2017—2018年150個(gè)格點(diǎn)的月降水量數(shù)據(jù),得到1961—2018年的三江源區(qū)月降水?dāng)?shù)據(jù)。本文依據(jù)氣象站點(diǎn)位置以及區(qū)域分布特點(diǎn)選取了40個(gè)格點(diǎn)數(shù)據(jù)進(jìn)行研究。
SPI是常用的多時(shí)間尺度氣象干旱指數(shù)[5],它可以計(jì)算多個(gè)時(shí)間尺度[14]。根據(jù)GB/T 20481—2006《氣象干旱等級(jí)》的定義,SPI是表征某時(shí)段降水量出現(xiàn)概率的指標(biāo),適用于月尺度以上的干旱監(jiān)測(cè)與評(píng)估。該指數(shù)假設(shè)降水量服從Γ分布,考慮了降水服從偏態(tài)分布的實(shí)際,然后進(jìn)行正態(tài)標(biāo)準(zhǔn)化處理,使得同一個(gè)干旱指數(shù)可以反映不同時(shí)間尺度和不同類型的水資源狀況。一般當(dāng)SPI值小于0且連續(xù)觀察到該值小于等于-1時(shí),定義為發(fā)生干旱事件[15]。SPI1 通常用來(lái)反映短期地表水分異常變化,SPI3可反映干旱的季節(jié)變化。表1為中國(guó)的干旱分類標(biāo)準(zhǔn)[16]。SPI的詳細(xì)介紹和計(jì)算機(jī)程序可在國(guó)家干旱減災(zāi)中心網(wǎng)站(https://drought.unl.edu/)上獲得。
表1 基于SPI指數(shù)的干旱等級(jí)劃分
NDVI是目前應(yīng)用最廣泛的植被指數(shù),可以反映植被的覆蓋度、植被的基本生長(zhǎng)狀態(tài)等。EVI是增強(qiáng)型植被指數(shù),相對(duì)于NDVI在大氣噪聲、土壤背景、飽和度等問(wèn)題上有所改進(jìn)[17]。本文根據(jù)三江源區(qū)植被生長(zhǎng)的實(shí)際情況,確定干旱對(duì)植被生長(zhǎng)狀況的影響主要表現(xiàn)在植被生長(zhǎng)季(5—9月),提取每年5—9月的NDVI和EVI數(shù)據(jù)進(jìn)行植被時(shí)空演變分析。
M-K非參數(shù)檢驗(yàn)法常用于評(píng)估降水、徑流、氣溫等數(shù)據(jù)時(shí)間序列的趨勢(shì)變化,它的優(yōu)點(diǎn)在于樣本不需要遵循某一特定的分布,而且很少受到異常值的干擾,且計(jì)算簡(jiǎn)便[18]。該方法以標(biāo)準(zhǔn)正態(tài)分布變量Z表示長(zhǎng)時(shí)間序列SPI和植被指數(shù)的變化趨勢(shì),Z>0表示序列有上升趨勢(shì),Z<0表示序列有下降趨勢(shì)??紤]到正態(tài)分布的對(duì)稱性,Z的絕對(duì)值在大于1.28、1.64、2.32時(shí),分別表示通過(guò)了顯著性水平α為0.1、0.05和0.01的顯著性檢驗(yàn)。本文利用MATLAB軟件,編寫(xiě)M-K趨勢(shì)分析的循環(huán)計(jì)算程序,得到所有格點(diǎn)的Z值。
斯皮爾曼等級(jí)相關(guān)(Spearman rank correlation)在統(tǒng)計(jì)學(xué)中用于評(píng)估兩個(gè)變量之間的相關(guān)性[19],變量間的相關(guān)性可以使用單調(diào)函數(shù)來(lái)描述[20]。當(dāng)變量x增大時(shí),變量y也趨向于增大,則相關(guān)系數(shù)ρ>0;當(dāng)x增大時(shí),y趨向于減小,則ρ<0;當(dāng)x增大時(shí)y沒(méi)有任何趨向性,則ρ=0。斯皮爾曼方法估計(jì)的相關(guān)系數(shù)更合理且誤差更小,較之其他如Kendall方法更具優(yōu)勢(shì)[21]。
利用三江源區(qū)的植被生長(zhǎng)季(5—9月)的SPI1來(lái)表示生長(zhǎng)季月度干旱,春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12—2月)的SPI3極小值來(lái)表示四季干旱。
3.1.1 SPI時(shí)間演變
圖2為1961—2018年三江源區(qū)的長(zhǎng)時(shí)間序列的干旱特征SPI值(5—9月),SPI1和SPI3線性擬合斜率分別為0.004和0.005,說(shuō)明在此期間三江源區(qū)逐漸變得濕潤(rùn)。月度嚴(yán)重干旱事件(SPI1)發(fā)生在1963年、1966年、1969年、1984年、1997年和2017年,季節(jié)性中度干旱事件(SPI3)發(fā)生在1963年、1966年、1984年、1992年、2000年和2017年。
圖2 1961—2018年SPI1和SPI3時(shí)間序列Fig.2 Time series of SPI1 and SPI3 from 1961 to 2018
3.1.2 SPI趨勢(shì)空間分布
圖3為1961—2018年SPI在月度與季度的M-K趨勢(shì)檢驗(yàn)值Z的空間分布。5月、9月、春、夏、秋和冬季平均趨勢(shì)特征值Z分別為1.64、0.63、2.28、1.58、0.65和1.03,其中SPI上升趨勢(shì)占比分別為92.68%、70.00%、97.50%、90.00%、57.50%和82.50%??芍磪^(qū)呈月度濕潤(rùn)化趨勢(shì),5月在長(zhǎng)江西北部有顯著濕潤(rùn)化趨勢(shì),但9月在長(zhǎng)江與黃河南部出現(xiàn)不顯著的干旱化趨勢(shì)(Z<0)。三江源區(qū)的季節(jié)性SPI有上升趨勢(shì),不同流域差異大。春季平均Z=2.28且通過(guò)了α=0.05的顯著性檢驗(yàn),表示1961—2018年三江源區(qū)春季有顯著的濕潤(rùn)化趨勢(shì)。
圖3 1961—2018年SPI的M-K趨勢(shì)檢驗(yàn)的空間分布Fig.3 Spatial distribution of M-K trend test value Z of SPI from 1961 to 2018
圖4是每年植被生長(zhǎng)季的NDVI和EVI像元最大合成值(年最大值(5—9月)、5月和9月的值(共計(jì)19年)),得到三江源區(qū)的植被時(shí)間變化特征。由圖4可知NDVI值大于EVI值。植被指數(shù)在5月的突變點(diǎn)發(fā)生在2001年和2017年,年際的突變點(diǎn)發(fā)生在2011年,9月的突變點(diǎn)發(fā)生在2002年和2013年。2010年以來(lái),年際植被指數(shù)表現(xiàn)出植被先增后減再增現(xiàn)象。通過(guò)相關(guān)性分析得到兩個(gè)指數(shù)呈高度正相關(guān)性(相關(guān)系數(shù)大于0.9,通過(guò)α=0.01顯著性檢驗(yàn))。
圖4 植被指數(shù)的時(shí)間變化Fig.4 Time evolution of vegetation index (NDVI/EVI)
圖5為2000—2018年期間植被指數(shù)在5月、9月和年際的M-K趨勢(shì)檢驗(yàn)值Z的空間分布。5月、9月、年際的NDVI平均Z值分別為1.54、0.82和1.36,NDVI顯著上升趨勢(shì)的占比分別為50%、72.5%和55%;EVI的平均Z值分別為1.44、0.48和1.01,顯著上升趨勢(shì)的占比分別為52.5%、70%和65%。5月和年際的植被指數(shù)顯示,黃河以北地區(qū)有顯著的植被增加趨勢(shì);9月植被指數(shù)和年際植被指數(shù)顯示,長(zhǎng)江中部與瀾滄江植被有不顯著的下降趨勢(shì)。2000—2018年三江源區(qū)植被變化趨勢(shì)為北部強(qiáng)于南部、西部強(qiáng)于東部,該地區(qū)大部分區(qū)域植被狀況有好轉(zhuǎn)。
圖5 2000—2018年植被指數(shù)M-K趨勢(shì)檢驗(yàn)值Z的空間分布Fig.5 Spatial distribution of trend test value Z of vegetation index from 2000 to 2018
表2為研究區(qū)不同SPI與不同植被指數(shù)的斯皮爾曼等級(jí)相關(guān)系數(shù)ρ及其顯著性水α(表中NDVI5、EVI5、NDVI9和EVI9分別為5月和9月的植被指數(shù),NDVImax和EVImax為5—9月植被指數(shù)的最大值。
表2 不同SPI與不同植被指數(shù)的斯皮爾曼相關(guān)系數(shù)
由表2可知5—9月SPI3的平均值與NDVI5、EVI5和NDVImax均有顯著正相關(guān)性, NDVImax的相關(guān)系數(shù)最大(ρ=0.584),其次是EVI5和NDVI5;整體來(lái)看5—9月SPI3的平均值與植被指數(shù)呈正相關(guān)關(guān)系,且NDVI的相關(guān)系數(shù)明顯大于EVI。由表2可知5—9月SPI3的極小值與NDVI5、EVI5顯著正相關(guān),NDVI5的相關(guān)系數(shù)最大(ρ=0.525),其次是EVI5;整體來(lái)看5—9月SPI3的極小值與植被指數(shù)呈正相關(guān)關(guān)系,且NDVI的相關(guān)系數(shù)略大于EVI。綜上可知,三江源區(qū)的SPI3與植被指數(shù)有顯著的正相關(guān)性且與NDVI的相關(guān)性更高。
對(duì)于長(zhǎng)時(shí)間的植被]檢測(cè),通常可以使用衛(wèi)星遙感數(shù)據(jù)源。NDVI與植被變化之間有很好的關(guān)系,EVI則有空間相對(duì)較高、大面積的近實(shí)時(shí)數(shù)據(jù)、分辨率高的優(yōu)點(diǎn),已經(jīng)在植被狀況監(jiān)測(cè)方面得到廣泛地使用[22]。Ji等[23]研究表明SPI3與NDVI的相關(guān)性最高,Haro-Monteagudo等[24]提到3個(gè)月時(shí)間尺度的干旱指標(biāo)與植被變化的相關(guān)性最高,這些結(jié)論與本文結(jié)果一致,表明植被變化與干旱事件之間有一定的聯(lián)系和互相影響[25]。本文發(fā)現(xiàn)三江源區(qū)西北部和東北部大部分地區(qū)的植被呈顯著增加趨勢(shì),這與該地區(qū)的干旱變化趨勢(shì)一致。植被增加區(qū)域主要分布在長(zhǎng)江源西北部,其中瀾滄江源北部和黃河源西部某些區(qū)域有植被退化跡象,這與錢(qián)拴等[26]的研究結(jié)論一致。本文研究發(fā)現(xiàn)21世紀(jì)以來(lái),三江源區(qū)整體呈濕潤(rùn)化趨勢(shì),但同時(shí)監(jiān)測(cè)到2017年存在月度和季度干旱事件,以及黃河源西南部地區(qū)也在一定的植被度減少趨勢(shì)。這也推動(dòng)著我們今后探究不同時(shí)間尺度干旱特征變量以及其他氣象因素對(duì)植被的影響,探討更有效的方法來(lái)量化和解釋該地區(qū)植被-干旱的響應(yīng)關(guān)系。
a.1961—2018年不同時(shí)間尺度的 SPI均體現(xiàn)三江源區(qū)在逐漸變得濕潤(rùn),時(shí)間尺度越大,干濕交替周期越長(zhǎng)。21世紀(jì)以來(lái),三江源區(qū)干旱事件出現(xiàn)在2002年、2006年、2012年、2015年和2017年,秋冬季節(jié)發(fā)生干旱的頻率更高,其次是春季。
b.長(zhǎng)江源西北地區(qū)有顯著濕潤(rùn)化趨勢(shì),長(zhǎng)江源與黃河源南部在秋冬季節(jié)有不顯著的干旱化威脅,春季有顯著的濕潤(rùn)化趨勢(shì),整體呈濕潤(rùn)化趨勢(shì)。
c.三江源區(qū)的植被在21世紀(jì)以來(lái)有所增加,在2002年和2013年增加量出現(xiàn)減少現(xiàn)象;NDVI與EVI在三江源區(qū)有明顯增加的趨勢(shì),空間上變化趨勢(shì)是北部強(qiáng)于南部、西部強(qiáng)于東部。
d.三江源區(qū)的SPI3與植被指數(shù)均呈正相關(guān)關(guān)系: 5—9月SPI3的平均值與NDVImax有最顯著的正相關(guān)性,5—9月SPI3的極小值與NDVI5、EVI5有顯著正相關(guān)性。