基于日光誘導(dǎo)葉綠素?zé)晒馓綔y植被光合對氣象干旱的響應(yīng)*

齊曉雯，苗 晨，王鶴松,3**

基于日光誘導(dǎo)葉綠素?zé)晒馓綔y植被光合對氣象干旱的響應(yīng)*

齊曉雯1，苗 晨2，王鶴松1,3**

（1. 北京林業(yè)大學(xué)生態(tài)與自然保護學(xué)院，北京 100083；2. 國家遙感中心，北京 100036；3. 新疆農(nóng)業(yè)大學(xué)林學(xué)與風(fēng)景園林學(xué)院，烏魯木齊 830052）

干旱是世界范圍內(nèi)最常見、最復(fù)雜的氣象災(zāi)害，一定程度上會削弱陸地生態(tài)系統(tǒng)的碳匯功能。開展植被對干旱響應(yīng)的研究并選擇敏感的干旱探測因子，有助于掌握干旱對植被的影響規(guī)律、理解植被對干旱脅迫的響應(yīng)過程和機理。本研究以日光誘導(dǎo)葉綠素?zé)晒猓⊿IF）數(shù)據(jù)和標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)（SPEI）為基礎(chǔ)，利用最大相關(guān)系數(shù)法分析中國區(qū)域內(nèi)2000?2018年生長季植被光合對氣象干旱的響應(yīng)，比較不同干旱梯度、不同植被對干旱響應(yīng)的敏感性以及SPEI響應(yīng)時間尺度的變化特征。結(jié)果表明：（1）SIF與SPEI具有很好的相關(guān)性，顯著正相關(guān)的面積達(dá)到75.05%，主要分布在東北、西南和青藏高原地區(qū)，且大部分地區(qū)對SPEI的響應(yīng)時間尺度以中短期為主。（2）SIF在春季對SPEI顯著相關(guān)的區(qū)域占比最少，夏季達(dá)到最高，秋季又略有下降。對干旱響應(yīng)的時間尺度在春季以短期為主，而夏季響應(yīng)時間尺度長的區(qū)域較春季有所增加。（3）半干旱區(qū)對干旱的敏感性最強，干旱區(qū)最弱，不同氣候區(qū)對干旱的響應(yīng)時間尺度均以短期為主。（4）研究所選植被類型均能較早地對干旱做出響應(yīng)，其中，草地對干旱最敏感，林地和農(nóng)田相對較弱，闊葉林比針葉林對干旱更敏感。研究結(jié)果表明在不同干旱梯度和不同植被類型下SIF均能快速反映環(huán)境脅迫對植被光合作用的影響。

日光誘導(dǎo)葉綠素?zé)晒?；氣象干旱；?biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)；植被對干旱的響應(yīng)

干旱是世界范圍內(nèi)最常見、最復(fù)雜的氣象災(zāi)害，20世紀(jì)90年代末以來，全球氣候變化以及東亞季風(fēng)的持續(xù)減弱導(dǎo)致中國各地干旱災(zāi)害頻發(fā)[1?3]。2004? 2015年干旱造成的直接經(jīng)濟損失平均每年超過640億元，2019年西南、華北、東北和西北地區(qū)也發(fā)生了較重的區(qū)域性干旱事件[4]。未來隨著全球變暖的加劇，干旱事件的頻率和強度可能會隨之增加[5]，頻繁的干旱會引起水資源短缺和土地荒漠化，進而對植被的光合固碳造成影響，在一定程度上削弱陸地生態(tài)系統(tǒng)的碳匯功能[6]。因此，開展植被對干旱響應(yīng)的監(jiān)測、評估與預(yù)測等研究對深入理解陸氣相互作用的機理具有重大意義。

根據(jù)發(fā)生原因的不同，可將干旱分為大氣干旱、土壤干旱和生理干旱，目前普遍使用干旱指數(shù)來描述大氣干旱。常用的干旱指數(shù)有帕爾默干旱指數(shù)（Palmer Drought Severity Index, PDSI）[7]、標(biāo)準(zhǔn)化降水指數(shù)（Standardized Precipitaion Index, SPI）、標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)（Standardized Precipitation Evapotranspiration Index, SPEI）[8]及可自定義的干旱強度指數(shù)、水分虧缺指數(shù)等。其中，SPEI由降水和潛在蒸散（PET）的差值計算得來，該指數(shù)結(jié)合了PDSI對蒸散的敏感性以及SPI適合多尺度、多空間比較的優(yōu)點[9]，能夠全面監(jiān)測全球變暖背景下干旱的變化特征，因此本研究選用SPEI作為衡量干旱程度的指標(biāo)。

由降水不足引起的大氣干旱會對土壤、植被、徑流和地下水產(chǎn)生不同程度的影響，繼而引起農(nóng)業(yè)干旱和生態(tài)系統(tǒng)干旱[10]。植物遭受干旱脅迫會引發(fā)水分虧缺，產(chǎn)生滲透脅迫，進而影響植物的生長發(fā)育以及作物產(chǎn)量，嚴(yán)重時還會導(dǎo)致植物死亡。國內(nèi)許多學(xué)者針對局部區(qū)域尺度開展植被對干旱響應(yīng)的研究，在黃土高原[11?12]、內(nèi)蒙古[13]、東北[14]、西北[15]等地區(qū)的研究結(jié)果均揭示了干旱對植被生產(chǎn)力的顯著影響，但局部尺度的研究不利于認(rèn)識植被受氣候變化影響的宏觀格局，而且植被對干旱的響應(yīng)十分復(fù)雜，與植被類型[16?17]、干濕環(huán)境和干旱的時間尺度[18]密切相關(guān)。為進一步理解不同氣候區(qū)和不同類型植被對干旱響應(yīng)的差異，越來越多學(xué)者在大尺度范圍內(nèi)開展植被對干旱響應(yīng)的研究[16?18]。

傳統(tǒng)的遙感植被指數(shù)如歸一化植被指數(shù)（Normalized Differential Vegetation Index，NDVI）、增強植被指數(shù)（Enhanced Vegetation Index，EVI）已被廣泛用于大規(guī)模的植被干旱監(jiān)測，分析干旱對植被的影響[16,19]。但是上述指數(shù)表征的是植被的綠度和冠層結(jié)構(gòu)，與植被光合作用缺乏直接的聯(lián)系，當(dāng)植被遭受水分脅迫時，無法及時反映出由干旱脅迫等引起的植被光合作用的短期變化，有田間試驗表明，當(dāng)植被受到短期嚴(yán)重干旱脅迫時，NDVI仍保持較高水平，有明顯的滯后現(xiàn)象[20]。選擇敏感的指示因子探測植被對干旱的響應(yīng)有利于及早掌握植被受干旱影響的情況，幫助理解植被對干旱脅迫的響應(yīng)過程，大量研究證明日光誘導(dǎo)葉綠素?zé)晒猓⊿olar-induced chlorophyll fluorescence, SIF）能夠快速反映水分脅迫對植被生理生長狀況的影響[21?22]。

SIF是植物在光合作用過程中，捕獲光量子之后的葉綠素處于激發(fā)態(tài)時釋放的紅光和遠(yuǎn)紅光波段的光信號，與植被光合速率直接相關(guān)，是植被光合作用的“伴生產(chǎn)物”。SIF具有極佳的干旱動態(tài)監(jiān)測潛力[23]，比傳統(tǒng)植被指數(shù)有更大的優(yōu)勢，已經(jīng)成為遙感監(jiān)測植被環(huán)境脅迫的全新手段[24]，但是有研究發(fā)現(xiàn)，不同植被類型的SIF信息對干旱事件的響應(yīng)情況存在差異[25]。隨著遙感技術(shù)的進步，現(xiàn)已有一系列成熟的SIF產(chǎn)品，目前主要的衛(wèi)星SIF數(shù)據(jù)有GOME-2、TanSat、OCO-2、OCO-3以及TROPOMI等，但是以上衛(wèi)星SIF產(chǎn)品不能同時保證高空間分辨率和空間連續(xù)性，新一代的TROPOMI雖有較好的時空分辨率，但發(fā)射時間較晚，導(dǎo)致時間序列短，在干旱監(jiān)測方面的應(yīng)用受限。GOSIF是將OCO-2探測到的離散SIF、中分辨率成像光譜儀（MODIS）遙感數(shù)據(jù)和氣象再分析數(shù)據(jù)集成后開發(fā)出的具有更高空間分辨率、全球連續(xù)覆蓋的長時間序列SIF數(shù)據(jù)[26]，兼具了時間序列長和空間分辨率高的優(yōu)勢，可用來開展植被對干旱響應(yīng)的研究。

本研究基于衛(wèi)星遙感集成的SIF數(shù)據(jù)和表征氣象干旱強度的SPEI數(shù)據(jù)，分析中國典型植被對干旱響應(yīng)的敏感性及響應(yīng)時間尺度特征，包括植被對干旱響應(yīng)的空間特征和季節(jié)變化，不同干旱梯度下植被對干旱的響應(yīng)特征以及不同植被類型對干旱的響應(yīng)特征，旨在加深植被對干旱響應(yīng)過程的理解，探究SIF捕捉短期干旱對植被光合影響的潛力。

1 資料與方法

1.1 數(shù)據(jù)及其來源

Li等[26]基于OCO-2 SIF（日光誘導(dǎo)葉綠素?zé)晒猓?shù)據(jù)，結(jié)合MODIS的遙感數(shù)據(jù)和氣象再分析數(shù)據(jù)開發(fā)了高空間分辨率、空間連續(xù)的長時間序列GOSIF數(shù)據(jù)，該數(shù)據(jù)的分辨率為0.05°×0.05°，使用2000? 2018年中國區(qū)域的GOSIF月尺度產(chǎn)品（http:// globalecology .unh.edu），為了匹配SPEI數(shù)據(jù)的空間分辨率，被重采樣為0.5°×0.5°。

SPEI指數(shù)（標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)）是Vicente- Serrano等基于降水和潛在蒸散提出的[8]，通過構(gòu)造氣象水循環(huán)來描述累積的水分缺失或盈余，從而反映干旱強度。SPEI數(shù)據(jù)集來自氣候研究委員會（Climate Research Unit，網(wǎng)址：http://hdl.handle.net/ 10261/202305），空間分辨率為0.5°×0.5°。參照曹銀軒等的方法[11]，選取1～12個月時間尺度的SPEI，分別記作SPEI01-SPEI12，不同時間尺度的SPEI代表了不同長度的干旱累積。

土地覆蓋數(shù)據(jù)來源于歐洲航空航天局的CCI LC PUG v2數(shù)據(jù)集，該數(shù)據(jù)集源自氣候變化倡議的第二期項目，空間分辨率為300m。主要選取了常綠闊葉林（Evergreen Broad-leaved Forests, EBF）、常綠針葉林（Evergreen Needle-leaved Forests, ENF）、落葉闊葉林（Deciduous Broad-leaved Forest, DBF）、落葉針葉林（Deciduous Needle-leaved Forest, DNF）、草地（Grassland, GRA）以及農(nóng)田（Cropland, CRO）（圖1）6種植被類型，為了與SPEI數(shù)據(jù)的空間分辨率保持一致，重采樣到0.5°×0.5°。

干濕氣候區(qū)劃分?jǐn)?shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心的中國生態(tài)地理分區(qū)圖，該數(shù)據(jù)包含了溫度帶、干濕地區(qū)和自然區(qū)的劃分。主要使用干濕狀況的劃分結(jié)果（圖1），將該區(qū)劃圖中的濕潤/半濕潤地區(qū)劃分為半濕潤地區(qū)，干濕狀況基于年干燥度指數(shù)（AI）劃分，根據(jù)聯(lián)合國環(huán)境規(guī)劃署（UNEP）提出的標(biāo)準(zhǔn)格式，AI被定義為年均降水量和年潛在蒸散量的比值，被廣泛應(yīng)用于氣候區(qū)和氣候類型的劃分，劃分標(biāo)準(zhǔn)見表1。

圖1 2018年土地覆蓋數(shù)據(jù)和基于AI的氣候干濕狀況區(qū)劃結(jié)果

注：A1為干旱區(qū)，A2為半干旱區(qū)，A3為半濕潤區(qū)，A4為濕潤區(qū)。

Note: A1 represents arid area, A2 represents semi-arid area, A3 represents semi-humid area and A4 represents humid area.

1.2 研究方法

利用Pearson相關(guān)系數(shù)分析生長季SIF與1～12個月時間尺度SPEI的關(guān)系，其中，SPEI01指當(dāng)月干旱指數(shù)，SPEI02是指當(dāng)月和前一個月干旱指數(shù)的累積值，SPEI03是指當(dāng)月和前兩個月干旱指數(shù)的累積值，以此類推，數(shù)值越大代表干旱累積效應(yīng)越長，最長選取到12個月，即SPEI12。

表1 基于年干燥度指數(shù)（AI）的氣候干濕區(qū)域劃分指標(biāo)

注：該表參考中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心中國生態(tài)地理分區(qū)圖的表3干濕狀況的劃分指標(biāo)。

Notes：This table is quotedfrom table 3 division index of dry and wet conditions in China's ecological geographical zoning map of resources and environment science and data center.

將生長季進一步細(xì)化為春季、夏季和秋季，基于前人的研究將生長季定義為4?10月，春季為4?5月，夏季為6?8月，秋季為9?10月[27]。首先逐月計算SIF與各時間尺度SPEI指數(shù)的相關(guān)系數(shù)（式1），利用P值對相關(guān)系數(shù)進行顯著性檢驗（P<0.05），顯著相關(guān)的像元數(shù)占總像元數(shù)的比例為顯著性面積占比，其次，根據(jù)春季、夏季和秋季的定義將月尺度的相關(guān)系數(shù)進行最大值合成（式2），分析季節(jié)尺度SIF與不同時間尺度SPEI的相關(guān)性，將4?10月所有的相關(guān)系數(shù)進行最大值合成視為年尺度，相關(guān)系數(shù)最大時對應(yīng)的SPEI時間尺度定義為響應(yīng)時間尺度。不同氣候區(qū)和不同植被類型的平均最大相關(guān)系數(shù)和SPEI響應(yīng)時間尺度的占比均基于年尺度進行統(tǒng)計分析。

式中，Rij表示某像元第i月SIF值與第j個月SPEI值的相關(guān)系數(shù)，i的范圍為4～10，j的范圍為1～12，Rmax表示該像元在不同季節(jié)或年內(nèi)所有Rij的最大值。

2 結(jié)果與分析

2.1 年尺度和季節(jié)尺度植被光合對氣象干旱的響應(yīng)

2.1.1 年尺度SIF與SPEI的最大相關(guān)系數(shù)及響應(yīng)時間尺度

根據(jù)最大相關(guān)系數(shù)的定義，將生長季的SIF與SPEI的相關(guān)系數(shù)進行最大值合成，結(jié)果見圖2。

圖2 各像元4?10月植被SIF值與不同時間尺度SPEI相關(guān)系數(shù)最大值的分布（2000?2018年數(shù)據(jù)，0.5°×0.5°）

由圖可知，全國75.05%的區(qū)域植被SIF與SPEI呈顯著正相關(guān)，顯著正相關(guān)的區(qū)域主要分布在東北地區(qū)、青藏高原和西南地區(qū)，最大相關(guān)系數(shù)在0.45～0.86，平均最大相關(guān)系數(shù)為0.50。植被SIF對干旱較敏感的區(qū)域主要分布在黑龍江中西部和甘肅中部地區(qū)，年尺度的最大相關(guān)系數(shù)在新疆西部存在小部分的負(fù)相關(guān)，相關(guān)系數(shù)在?0.02～0.11。大部分地區(qū)植被SIF對干旱響應(yīng)的時間尺度較短，1～3個月時間尺度的面積占比達(dá)到46.51%，且集中分布在濕潤區(qū)，對SPEI的響應(yīng)時間尺度為3～6個月的區(qū)域主要分布在青藏高原中部、青海部分地區(qū)以及西南地區(qū)，響應(yīng)時間尺度較長的地區(qū)主要集中在黃淮海平原以及新疆北部（圖3）。

2.1.2 季節(jié)尺度SIF與SPEI的最大相關(guān)系數(shù)及響應(yīng)時間尺度

在不同季節(jié)，SIF對干旱的響應(yīng)情況有較大的區(qū)別（圖4a），春季、夏季和秋季的平均最大相關(guān)系數(shù)分別為0.32、0.43和0.41。春季通過顯著性檢驗的面積占比為35.76%，夏季稍有增加，為46.31%，秋季較夏季稍有下降，為37.47%，夏季較春季增加的區(qū)域主要集中在東北地區(qū)、青藏高原地區(qū)和西南地區(qū)。不同季節(jié)SIF對干旱的響應(yīng)時間尺度不同（圖4b），總體上來看，春季、夏季和秋季的響應(yīng)時間尺度以1～3個月為主，面積占比分別為41.88%、50.11%和47.94%，其次是10～12個月的面積占比較高，分別為春季（23.00%）、夏季（27.05%）、秋季（22.49%）。隨著SPEI時間尺度的增加，不同季節(jié)的面積占比均呈現(xiàn)先減少后增加的趨勢，春季在4～6個月時出現(xiàn)最低值，夏季和秋季則是在7～9個月時出現(xiàn)最低值。

圖3 4?10月植被SIF與SPEI最大相關(guān)系數(shù)對應(yīng)的SPEI尺度的空間分布

注：相關(guān)系數(shù)最大時對應(yīng)的SPEI時間尺度定義為響應(yīng)時間尺度。SPEI01指當(dāng)月干旱指數(shù)，SPEI02是指當(dāng)月和前一個月干旱指數(shù)的累積值，SPEI03是指當(dāng)月和前兩個月干旱指數(shù)的累加值，以此類推，數(shù)值越大代表干旱累積效應(yīng)越長。最長選取到12個月，即SPEI12。SPEI01-03是指相關(guān)系數(shù)最大時對應(yīng)的SPEI時間尺度為1～3個月，SPEI04-SPEI06是指相關(guān)系數(shù)最大時對應(yīng)的SPEI時間為4～6個月，SPEI07-SPEI09和SEPI10-SPEI12同上。

Note: The SPEI time scale corresponding to the maximum correlation coefficient is defined as the response time scale. SPEI01 refers to the drought index of the current month, SPEI02 means the cumulative value of the drought index of the current month and the previous month, and SPEI03 is the cumulative value of the drought index of the current month and the previous two months. By analogy, the larger the value, the longer the cumulative effect of drought. The maximum selection is 12 months, namely SPEI12. SPEI01-03 means that the SPEI time scale corresponding to the maximum correlation coefficient is 1-3 months; SPEI04-SPEI06 means that the SPEI time scale corresponding to the maximum correlation coefficient is 4?6 months; SPEI07-SPEI09 and SEPI10-SPEI12 are the same as above.

2.2 不同氣候區(qū)植被光合對氣象干旱的響應(yīng)

由圖5可見，在不同氣候區(qū)，SIF對SPEI的敏感性不同，干旱區(qū)與SPEI的相關(guān)性最弱，平均最大相關(guān)系數(shù)為0.42，半干旱、半濕潤區(qū)和濕潤區(qū)的平均最大相關(guān)系數(shù)較為接近，分別為0.51、0.50和0.50，不同氣候區(qū)SIF與SPEI顯著正相關(guān)的面積占比很接近，分別為72.31%、70.58%、76.99%和77.49%。干旱區(qū)最大相關(guān)系數(shù)小于0.35的區(qū)域主要分布在新疆西部地區(qū)，其他地區(qū)最大相關(guān)系數(shù)較大，最高可達(dá)0.82，半干旱區(qū)最大相關(guān)系數(shù)較大的區(qū)域集中分布在西藏中部、青海東部及西部地區(qū)，內(nèi)蒙古地區(qū)較小。半濕潤地區(qū)最大相關(guān)系數(shù)較大的區(qū)域主要分布在東北及河北大部分地區(qū)，最大相關(guān)系數(shù)較小的區(qū)域主要集中在河南省和四川省等地，濕潤區(qū)最大相關(guān)系數(shù)的空間分布較分散，其中東北北部地區(qū)及西南部分區(qū)域最大相關(guān)系數(shù)較大。

不同氣候區(qū)對干旱的響應(yīng)時間尺度以1～6個月為主，干旱、半干旱、半濕潤和濕潤區(qū)1～6個月尺度面積占比分別為64.99%、56.43%、54.70%和69.27%，其次響應(yīng)時間尺度集中在10～12個月（圖5b）。結(jié)合圖3來看，干旱區(qū)響應(yīng)時間尺度較短的區(qū)域主要是草地分布區(qū)，而在新疆泰加林地區(qū)響應(yīng)時間尺度為10～12個月，半干旱區(qū)響應(yīng)時間尺度較短的區(qū)域主要在內(nèi)蒙古草地區(qū)，響應(yīng)時間尺度較長的區(qū)域主要分布在青藏高原地區(qū)。半濕潤區(qū)除青藏高原地區(qū)外多農(nóng)田分布，農(nóng)田對干旱的響應(yīng)時間尺度較長，草地的響應(yīng)時間尺度相對較短，濕潤區(qū)響應(yīng)時間尺度較長的主要集中在林地。

2.3 不同類型植被光合對氣象干旱的響應(yīng)

由圖6a可見，草地對干旱的敏感性最強，林地和農(nóng)田對干旱的敏感性相對較弱，結(jié)合圖1和圖2可知，草地SIF與SPEI大部分呈顯著正相關(guān)，面積占比為71.26%，平均最大相關(guān)系數(shù)為0.51，對干旱敏感性強的區(qū)域主要集中在西藏中部、青海南部、甘肅和寧夏等地，而內(nèi)蒙古、新疆和四川地區(qū)草地對干旱的敏感性較弱。半干旱區(qū)草地SIF與SPEI的平均最大相關(guān)系數(shù)最大為0.47，干旱區(qū)域較弱，為0.43。草地對干旱的響應(yīng)時間尺度以1～3個月為主，其次是10～12個月，農(nóng)田對干旱的響應(yīng)時間尺度與草地相似。結(jié)合圖3來看，內(nèi)蒙古大部分區(qū)域、黃土高原和新疆地區(qū)的草地SIF對干旱的響應(yīng)時間尺度較短，集中在1～3個月，響應(yīng)時間尺度較長的地區(qū)主要集中在西藏中部、青海省南部及東部地區(qū)。農(nóng)田響應(yīng)時間尺度較長的區(qū)域集中分布在河北，其他地區(qū)農(nóng)田與干旱的響應(yīng)時間尺度相對較短。

圖4 季節(jié)尺度SIF與不同時間尺度SPEI的最大相關(guān)系數(shù)及其通過0.05水平顯著性檢驗的像元面積占比（a），季節(jié)尺度最大相關(guān)系數(shù)對應(yīng)的SPEI尺度的像元面積占比（b）

圖5 不同氣候區(qū)植被SIF與不同時間尺度SPEI的最大相關(guān)系數(shù)（a）及最大相關(guān)系數(shù)對應(yīng)的SPEI尺度的像元面積占比（b）

按照不同森林類型來分析林地對干旱的響應(yīng)，常綠闊葉林對干旱的敏感性最強，而常綠針葉林最弱。林地SIF與SPEI的最大相關(guān)系數(shù)在0.05～0.79，顯著正相關(guān)的面積占比為71.55%，相關(guān)性較強的林地主要分布在內(nèi)蒙古、黑龍江、云南和廣西地區(qū)，較弱的主要分布在東南部、甘肅和四川地區(qū)。不同森林類型的SIF對干旱的響應(yīng)時間尺度不同，森林中1～3個月的響應(yīng)時間尺度占比最高，其次是10～12個月（圖6b），響應(yīng)時間尺度較長的區(qū)域主要分布在東北地區(qū)的部分落葉林和西南地區(qū)的常綠林中，遼寧、吉林東部、黑龍江北部以及東南沿海地區(qū)林地響應(yīng)時間尺度較短。

3 結(jié)論與討論

3.1 討論

植被響應(yīng)干旱的機制十分復(fù)雜，Damm等研究表明，植物應(yīng)對干旱時在短期內(nèi)主要是氣孔導(dǎo)度、光合作用的變化，中期主要通過色素分解或改變?nèi)~片含水量來適應(yīng)干旱[28]。SIF是光合作用過程中的伴生產(chǎn)物，相比于傳統(tǒng)的植被指數(shù)，SIF能更直接反應(yīng)植被的光合和生理過程[22,29]。本研究表明SIF具有評估干旱脅迫對植被光合作用影響的潛力[11,23]，從空間分布上看，東北地區(qū)、青藏高原地區(qū)和西南地區(qū)SIF與SPEI呈顯著正相關(guān)。侯鑫等的研究也證明了大興安嶺地區(qū)和西南地區(qū)的森林對干旱較敏感[30]，青藏高原地區(qū)多為草地，草地根系較短，對干旱較敏感[16,31]。

圖6 不同植被類型的SIF與不同時間尺度SPEI的最大相關(guān)系數(shù)（a）及最大相關(guān)系數(shù)對應(yīng)的SPEI尺度的像元面積占比（b）

研究發(fā)現(xiàn)，在生長季的不同季節(jié)，植被SIF對SPEI的響應(yīng)情況不同，在生長季前期干旱對植被顯著影響的區(qū)域占比較小，生長季中期占比最大，后期稍有下降，這與曹銀軒等的研究結(jié)果一致[11,14]。有研究表明，溫度和太陽輻射是中國北方春季植被生長的主要氣候驅(qū)動因子[32]，在一些高海拔、高緯度地區(qū)（如東北地區(qū)和青藏高原地區(qū)）氣溫較低，不能滿足植被生長的需求。夏季干旱對植被生長的影響更顯著[33]，夏季溫度升高，大部分植物生長所需的積溫得到了滿足，溫度不再是限制植物生長的主要因子，況且溫度升高加劇了潛在蒸發(fā)，提高了植被用水的需求，導(dǎo)致植被對水分更加敏感。進入秋季，植被大都到了生長末期，對干旱的敏感性有所下降，此時植被生長變緩，北方落葉樹種已經(jīng)陸續(xù)進入落葉期，植被的葉綠素含量明顯減少，干旱對植被的影響不明顯。

中國地形復(fù)雜多樣，植被類型豐富，在不同的氣候區(qū)植被對干旱的響應(yīng)還受地形、植被類型、溫度等因素的影響[34]。不同氣候區(qū)SIF對SPEI的響應(yīng)情況有很大差別，半干旱區(qū)植被對干旱的敏感性最強，干旱區(qū)最弱，劉洋洋等對中國草地NDVI與SPEI關(guān)系的研究也證實了這一點[31]。濕潤區(qū)和半濕潤區(qū)差別不大，干旱區(qū)的植被由于長期缺水，形成了適應(yīng)干旱的各種生理特征以抵御干旱，因此干旱對干旱區(qū)植被光合的影響較小[18]。相比之下，半干旱區(qū)和半濕潤區(qū)植被對干旱更加敏感，該地區(qū)主要以草地、農(nóng)田、荒漠植被和落葉林為主，因為植被根系較短，主要以土壤表層水維持生存，導(dǎo)致對干旱比較敏感。袁先雷等的研究表明濕潤地區(qū)干旱對植被生長的影響較小，但其研究局限于新疆地區(qū)[35]，本研究中濕潤區(qū)植被對干旱較敏感，可能由于本研究中濕潤區(qū)包括的區(qū)域更大，植被類型更加復(fù)雜，且近年南方地區(qū)干旱的頻度和強度明顯增加，研究表明西南地區(qū)的植被SIF對干旱較敏感[29]，該地區(qū)植被分布以森林為主，森林的復(fù)雜冠層結(jié)構(gòu)會導(dǎo)致對SIF數(shù)據(jù)的低估，因此濕潤區(qū)SIF對干旱的響應(yīng)情況有待進一步探討。

本研究主要分析了草地、林地和農(nóng)田，總體來看，與其他學(xué)者的研究結(jié)果一致[11,18,36]，草地對干旱的敏感性最強，林地和農(nóng)田較弱。史曉亮等發(fā)現(xiàn)草地與SPEI01的相關(guān)性最強[29]，說明草地對短期干旱較敏感，但本研究中青藏高原地區(qū)，草地對SPEI12的響應(yīng)較好，Wu等研究發(fā)現(xiàn)，草地對干旱響應(yīng)的最大滯后約為1a[37]，這主要由于青藏高原地區(qū)冰川積雪的融化，為植被提供了更多的水分，緩解了干旱的影響[31,18]。林地對干旱響應(yīng)的最大滯后長達(dá)4a[37]，一般來說林地根系較發(fā)達(dá)，主要靠吸收深層地下水維持生長，而降水補充地下水需要一定的時間，因此，林地對干旱的響應(yīng)時間更長[38]。此外不同林地類型對干旱的響應(yīng)也有所區(qū)別，由于植被所處的地形不同，溫度和輻射等因素對其產(chǎn)生了影響，針葉樹種和闊葉樹種對抗干旱的機制也有所不同，Liu等研究發(fā)現(xiàn)，闊葉林比針葉林對干旱更加敏感[39]，Li等研究也發(fā)現(xiàn)，裸子植物具有更強的干旱抵抗力[40]，但是SIF數(shù)據(jù)受植被冠層結(jié)構(gòu)的影響，在林地中有較多的損失，因此林地對干旱響應(yīng)的研究還有待深入進行。相比于南方地區(qū)，北方農(nóng)業(yè)干旱更加頻繁[41]，灌溉、施肥、收獲等管理措施一定程度上緩解了干旱對農(nóng)田的影響[42]。

總體來看，本研究結(jié)果表明在不同的氣候區(qū)和不同植被類型中植被SIF能夠快速反應(yīng)植被光合對干旱的響應(yīng)，且SIF與SPEI的最大相關(guān)系數(shù)和響應(yīng)時間尺度的空間分布特征與其他學(xué)者的研究結(jié)果基本一致。但研究過程中仍存在一些不足，本研究中使用的SPEI數(shù)據(jù)空間分辨率較低，而土地覆蓋數(shù)據(jù)精度高達(dá)300m，空間分辨率的巨大差異在分析不同植被類型對干旱響應(yīng)的過程中可能會產(chǎn)生誤差，且本研究默認(rèn)研究時期內(nèi)土地覆蓋分布沒有發(fā)生變化，但實際上氣候變化和人類活動會改變植被的分布狀況，這可能對研究結(jié)果有一定影響。GOSIF數(shù)據(jù)是基于OCO-2 SIF觀測數(shù)據(jù)、MODIS數(shù)據(jù)、氣象再分析數(shù)據(jù)開發(fā)而來的，并不是直接觀測的SIF數(shù)據(jù)，該數(shù)據(jù)產(chǎn)品存在一定的不確定性，未來更高時空分辨率的SIF觀測數(shù)據(jù)如OCO-3、TROPOMI、Tansat等將有助于更好地對植被干旱進行動態(tài)監(jiān)測，理解區(qū)域尺度植被光合對干旱的響應(yīng)機制。

3.2 結(jié)論

（1）SIF與氣象干旱指標(biāo)SPEI有很好的相關(guān)性，顯著正相關(guān)的區(qū)域主要分布在東北、西南和青藏高原地區(qū)，且大部分地區(qū)植被SIF對干旱響應(yīng)的時間尺度以中短期為主，研究結(jié)果表明，SIF能夠迅速反應(yīng)干旱對植被光合的影響。

（2）在生長季的不同季節(jié)，SIF對SPEI的敏感性存在差異，春季SIF對SPEI顯著相關(guān)的區(qū)域占比最少，夏季達(dá)到最高，秋季略有下降，且不同季節(jié)對干旱的響應(yīng)時間尺度存在差別，春季對干旱響應(yīng)的時間尺度以短期為主，夏季響應(yīng)時間尺度較長的區(qū)域較春季有所增加。

（3）在不同氣候區(qū)SIF對SPEI的響應(yīng)存在區(qū)別，半干旱區(qū)對干旱的敏感性最強，干旱區(qū)最弱，半濕潤和濕潤區(qū)差別不大，且響應(yīng)的時間尺度均以短期為主。

（4）草地對干旱最敏感，林地和農(nóng)田相對較弱，闊葉林比針葉林對干旱更加敏感，不同植被類型的響應(yīng)時間尺度均以SPEI01-03為主，草地中響應(yīng)時間尺度較長的區(qū)域主要分布在西藏中部和青海等以冰川、凍土為主的區(qū)域，農(nóng)田對干旱的響應(yīng)時間尺度受人類活動影響較大。

[1] 楊睿,耿廣坡,周洪奎,等.基于SPEI_PM指數(shù)的渭河流域氣象干旱時空演變特征[J].中國農(nóng)業(yè)氣象,2021,42 (11):962-974.

Yang R,Geng G P,Zhou H K,et al.Spatial-temporal evolution of meteorological drought in the Wei River Basin based on SPEI_PM[J].Chinese Journal of Agrometeorolgy, 2021,42 (11):962-974.(in Chinese)

[2] 黃浩,張勃,馬尚謙,等.甘肅河?xùn)|地區(qū)氣象干旱時空變化及干旱危險性分析[J].中國農(nóng)業(yè)氣象,2020,41(7):459-469. Huang H,Zhang B,Ma S Q,et al.Temporal and spatial variations of meteorological drought and drought risk analysis in Hedong area of Gansu province[J].Chinese Journal of Agrometeorolgy,2020,41(7):459-469.(in Chinese)

[3] 廖要明,張存杰.基于MCI的中國干旱時空分布及災(zāi)情變化特征[J].氣象, 2017,43(11):1402-1409.

Liao Y M,Zhang C J.Spatio-temporal distribution characteristics and disaster change of drought in China based on meteorological drought composite index[J]. Meteorological Monthly,2017,43(11):1402-1409.(in Chinese)

[4] Zhang X,Duan Y W,Duan J P,et al.A daily drought index based on evapotranspiration and its application in regional drought analyses[J].Science China(Earth Sciences),2022,65 (2):317-336.

[5] Sergio M.V,Fernando D C,Tim R.M,et al.Global characterization of hydrological and meteorological droughts under future climate change: The importance of timescales, vegetation-CO2feedbacks and changes to distribution functions[J]. International Journal of Climatology, 2019,40(5):2557-2567.

[6] Hagedorn F,Joseph J,Peter M,et al.Recovery of trees from drought depends on belowgroung sink control[J].Nature Plants,2016,2(8):16111.

[7] Palmer W C.Meteorological drought[M].Washington,D C: US Department of Commerce,Weather Bureau,1965．

[8] Vicente-Serrano S M,Beguería S,López-Moreno. A multiscalar drought index sensitive to global warming:the standardized precipitation evapotranspiration index[J].Journal of Climate,2010,23:1696-1718.

[9] 吳志勇,程丹丹,何海,等.綜合干旱指數(shù)研究進展[J].水資源保護,2021,37(1):36-45.

Wu Z Y,Cheng D D,He H,et al.Research progress of composite drought index[J].Water Resources Protection, 2021, 37(1):36-45.(in Chinese)

[10] 馬明衛(wèi),韓宇平,嚴(yán)登華,張小麗.特大干旱事件災(zāi)害孕育機理及影響研究進展[J].水資源保護,2020,36(5):11-21.

Ma M W,Han Y P,Yan D H,et al.Research progress on the mechanism and influence of extreme drought -induced disasters[J].Water Resources Protection,2020,36(5):11-21. (in Chinese)

[11] 曹銀軒,黃卓,徐喜娟,等.黃土高原植被日光誘導(dǎo)葉綠素?zé)晒鈱庀蟾珊档捻憫?yīng)[J/OL].應(yīng)用生態(tài)學(xué)報,2022:1-11. Cao Y X,Huang Z,Xu X J,et al.Responses of solar-induced chlorophyll fluorescence to meteorological drought across the Loess Plateau,China[J/OL].Chinese Journal of Applied Ecology,2022:1-11.(in Chinese)

[12] 史尚渝,王飛,金凱,等.黃土高原地區(qū)植被指數(shù)對干旱變化的響應(yīng)[J].干旱氣象,2020,38(1):1-13.

Shi S Y,Wang F,Jin K,et al.Response of vegetation index to meteorological drought over Loess Plateau[J].Journal of Arid Meteorology,2020,38(1):1-13.(in Chinese)

[13] 康振山,張莎,白雲(yún),等.內(nèi)蒙古草地凈初級生產(chǎn)力時空變化及其對干旱的響應(yīng)[J].草地學(xué)報,2021,29(1):156-165.

Kang Z S,Zhang S,Bai Y,et al.Spatio-temporal changes of grassland Net Primary Productivity(NPP) in Inner Mongolia and its response to drought[J].Acta Agrestia Sinica,2021,29(1):156-165.(in Chinese)

[14] 羅新蘭,李英歌,殷紅,等.東北地區(qū)植被NDVI對不同時間尺度SPEI的響應(yīng)[J].生態(tài)學(xué)雜志,2020,39(2):412-421.

Luo X L,Li Y G,Yin H,et al.Response of NDVI to SPEI at different temporal scales in Northeast China[J].Chinese Journal of Ecology,2020,39(2):412-421.(in Chinese)

[15] 姜田亮,粟曉玲,郭盛明,等.西北地區(qū)植被耗水量的時空變化規(guī)律及其對氣象干旱的響應(yīng)[J].水利學(xué)報,2021,52(2): 229-240.

Jiang T L,Su X L,Guo S M,et al.Spatiotemporal variation of vegetation water consumption and its response to meteorological drought in Northwest China[J].Journal of Hydraulic Engineering,2021,52(2):229- 240.(in Chinese)

[16] 孔冬冬,張強,顧西輝,等.植被對不同時間尺度干旱事件的響應(yīng)特征及成因分析[J].生態(tài)學(xué)報,2016,36(24): 7908-7918.

Kong D D,Zhang Q,Gu X H,et al.Vegetation responses to drought at different time scales in China[J].Acta Ecologica Sinica,2016,36(24): 7908-7918.(in Chinese)

[17] 張世喆,朱秀芳,劉婷婷,等.氣候變化下中國不同植被區(qū)總初級生產(chǎn)力對干旱的響應(yīng)[J].生態(tài)學(xué)報,2022, 42(8):3429-3440.

Zhang S Z,Zhu X F,Liu T T,et al.Response of gross primary production to drought under climate change in different vegetation regions of China[J]. Acta Ecologica Sinica,2022,42(8):3429-3440.(in Chinese)

[18] Sun S,Du W,Song Z,et al.Response of gross primary productivity to drought time-scales across China[J].Journal of Geophysical Research:Biogeosciences,2021,126(4): e2020JG005953.

[19] 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(yīng)[J].生態(tài)學(xué)報, 2018,38(3):1028- 1039.

Yang S Y,Meng D,Li X J,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)

[20] Liu L,Yang X,Zhou H,et al.Evaluating the utility of solar-induced chlorophyll fluorescence for drought monitoring by comparison with NDVI derived from wheat canopy[J].Science of the Total Environment,2018,625: 1208-1217.

[21] Wang S H,Huang C P,Zhang L F,et al.Monitoring and assessing the 2012 drought in the great plains:analyzing satellite-retrieved solar-induced chlorophyll fluorescence drought indices and gross primary production[J].Remote Sensing,2016,8(2):61.

[22] 王冉,劉志剛,楊沛琦.植物日光誘導(dǎo)葉綠素?zé)晒獾倪b感原理及研究進展[J].地球科學(xué)進展,2012,27(11):1221-1228.

Wang R,Liu Z G,Yang P Q.Principle and progress in remote sensing of vegetation solar-induced chlorophyll fluorescence [J]Advances in Earth Science,2012,27(11):1221-1228.(in Chinese)

[23] Sun Y,Fu R,Dickinson R,et al.Drought onset mechanisms revealed by satellite solar-induced chlorophyll fluorescence: insights from two contrasting extreme events[J].Journal of Geophysical Research:Biogeosciences,2016,120(11):2427- 2440.

[24] Lee J E,Frankenberg C,Tol C,et al.Forest productivity and water stress in Amazonia:observations from GOSAT chlorophyll fluorescence[J].Proceedings of the Royal Society B: Biological Sciences,2013,280:20130171.

[25] Jiao W Z,Chen Q,Wang L X.The Sensiticity of satellite solar-induced chlorophyll fluorescence to meteorological drought[J]. Earths Future, 2021,7(5):558-573.

[26] Li X,Xiao J.A global,0.05-degree product of solar-induced chlorophyll fluorescence derived from OCO-2,MODIS,and reanalysis data[J].Remote Sensing,2019(11):517.

[27] 趙杰,杜自強,武志濤,等.中國溫帶晝夜增溫的季節(jié)性變化及其對植被動態(tài)的影響[J].地理學(xué)報,2018,73(3): 395-404.

Zhao J,Du Z Q,Wu Z T,et al.Seasonal variations of day- and nighttime warming and their effects on vegetation dynamics in China's temperate zone[J].Acta Geographica Sinica,2018,73(3):395-404.(in Chinese)

[28] Damm A,Cogliati S,Colombo R,et al.Response times of remote sensing measured sun-induced chlorophyll fluorescence, surface temperature and vegetation indices to evolving soil water limitation in a crop canopy[J].Remote Sensing of Environment, 2022,273:112957.

[29] 史曉亮,吳夢月,丁皓.SPEI和植被遙感信息監(jiān)測西南地區(qū)干旱差異分析[J].農(nóng)業(yè)機械學(xué)報,2020,51(12):184-192. Shi X L,Wu M Y,Ding H.Difference analysis of SPEI and vegetation remote sensing information in drought monitoring in Southwest China[J].Transactions of the Chinese Society for Agricultural Machinery,2020,51(12): 184-192.(in Chinese)

[30] 侯鑫,趙杰,趙洪飛,等.2003-2018年干旱對中國森林綠度異常的影響[J].中國環(huán)境科學(xué),2022,42(1):336-344.

Hou X,Zhao J,Zhao H F,et al.Drought effects on forest greenness anomalies in China from 2003 to 2018[J].China Environmental Science,2022,42(1):336-344.(in Chinese)

[31] 劉洋洋,任涵玉,呼天明,等.中國草地NDVI時空動態(tài)對多尺度干旱的響應(yīng)[J].水土保持研究,2022,29(1):153-161.

Liu Y Y,Ren H Y,Hu T M,et al.Spatiotemporal dynamics of NDVI of grassland and its response to multi-scale drought in China[J].Research of Soil and Water Conservation, 2022,29(1):153-161.(in Chinese)

[32] Xu H J,Wang X P,Yang T B.Trend shifts in satellite-derived vegetation growth in Central Eurasia,1982-2013[J].Science of the Total Environment,2017,579:1658-1674.

[33] Hua T,Wang X M,Zhang C X,et al.Response of vegetation activity to drought in northern China[J].Land Degradation & Development,2017,28(7):1913-1921.

[34] 劉靜,溫仲明,剛成誠.黃土高原不同植被覆被類型NDVI對氣候變化的響應(yīng)[J].生態(tài)學(xué)報,2020,40(2):678-691.

Liu J,Wen Z M,Gang C C.Normalized difference vegetation index of different vegetation cover types and its responses to climate change in the Loess Plateau[J].Acta Ecologica Sinica,2020,40(2):678-691.(in Chinese)

[35] 袁先雷,彭志潮,劉雪寧.新疆地區(qū)植被對多時間尺度干旱的響應(yīng)研究[J].沙漠與綠洲氣象,2021,15(3):129-136.

Yuan X L,Peng Z C,Liu X N.Different time-scale responses of vegetation to the SPEI drought index in Xinjiang[J].Desert and Oasis Meteorology,2021,15(3):129- 136.(in Chinese)

[36] Xu H J,Wang X P,Zhao C Y,et al.Diverse responses of vegetation growth to meteorological drought across climate zones and land biomes in northern China from 1981 to 2014[J].Agricultural and Forest Meteorology,2018,262: 1-13.

[37] Wu X,Liu H,Li X,et al.Differentiating drought legacy effects on vegetation growth over the temperate Northern Hemisphere[J].Global Change Biology,2018,24:504-516.

[38] Anderegg W R,Schwalm C,Biondi F,et al.Pervasive drought legacies in forest ecosystems and their implications for carbon cycle models[J].Science,2015, 349:528-532.

[39] Liu G,Liu H,Yin Y.Global patterns of NDVI-indicated vegetation extremes and their sensitivity to climate extremes[J]. Environmental Research Letters,2013,8(2): 279-288.

[40] Li X,Piao S,Wang K,et al.Temporal trade-off between gymnosperm resistance and resilience increases forest sensitivity to extreme drought[J].Nature Ecology & Evolution,2020,4(8):1075-1083.

[41] 趙海燕,張文千,鄒旭愷,等.氣候變化背景下中國農(nóng)業(yè)干旱時空變化特征分析[J].中國農(nóng)業(yè)氣象,2021,42(1):69-79.

Zhao H Y,Zhang W Q,Zou X K,et al.Temporal and spatial characteristics of drought in China under climate change[J].Chinese Journal of Agrometeorology,2021,42 (1):69-79.(in Chinese)

[42] Deng X P,Shan L,Zhang H,et al.Improving agricultural water use efficiency in arid and semiarid areas of China[J].Agricultural Water Management,2006,80:23-40.

Detecting Response of Vegetation Photosynthesis to Meteorological Drought Based on Solar-Induced Chlorophyll Fluorescence

QI Xiao-wen1, MIAO Chen2, WANG He-song1,3

(1. School of Ecology and Nature Conservation, Beijing Forestry University, Beijing 100083, China; 2. National Remote Sensing Center of China, Beijing 100036; 3. College of Forestry and Landscape Architecture, Xinjiang Agricultural University, Urumqi, 830052)

Drought is the most common and complex meteorological disaster in the world, which weakens the carbon sink function of terrestrial ecosystem. Exploring the response of vegetation to drought and choosing sensitive factors for drought detection will be helpful to obtain the impact of drought on vegetation and to understand the response process and the mechanism of vegetation to drought stress. Based on the Solar-Induced chlorophyll Fluorescence (SIF) and the standardized precipitation evapotranspiration index (SPEI), a maximum correlation coefficient method was used to investigate the response of vegetation photosynthesis to meteorological drought in China during the growing season from 2000 to 2018. Sensitivity and response time scale of vegetation to drought was compared for different drought levels and different vegetation types. The results showed that: (1) about 75.05% of total areas of China had a significant positive correlation between SIF and SPEI. These areas were mainly distributed in the northeast, southwest and Qinghai Tibet Plateau of China. The response time scale of most regions to SPEI was mainly medium and short term. (2) The proportion of SIF to SPEI was the lowest in spring, the highest in summer, and slightly decreased in autumn. The response time scale to drought was mainly short-term in spring, while the region with long response time scale in summer was increased compared with in spring. (3) The semi-arid region was the most sensitive to drought, while the arid region was the weakest. The response time scale of different climatic regions to drought was mainly short-term. (4) The selected vegetation types responded to drought in a short time scale. Grassland was the most sensitive to drought, while woodland and cropland were relatively weak. Besides, broad-leaved forest was more sensitive to drought than coniferous forest. The results showed that under different drought gradients and different vegetation types, SIF could quickly reflect the impact of environmental stress on vegetation photosynthesis.

Solar-induced chlorophyll fluorescence (SIF); Meteorological drought; Standardized precipitation evapotranspiration index (SPEI); Response of vegetation to drought

10.3969/j.issn.1000-6362.2023.02.005

齊曉雯,苗晨,王鶴松.基于日光誘導(dǎo)葉綠素?zé)晒馓綔y植被光合對氣象干旱的響應(yīng)[J].中國農(nóng)業(yè)氣象,2023,44(2):133-143

收稿日期：2022?03?15

國家自然科學(xué)基金項目（42265012；31770765）

通訊作者：王鶴松，教授，研究方向為全球變化生態(tài)學(xué)，E-mail: wanghs119@126.com

齊曉雯，E-mail: 1023946458@qq.com