基于TVDI的黃土高原干旱時空變化與其影響因素

王 椰 史海靜 姜艷敏 吳友福 高 原 丁成琴

(1.中國科學(xué)院水利部水土保持研究所, 陜西楊凌 712100; 2.中國科學(xué)院大學(xué), 北京 100049;3.西北農(nóng)林科技大學(xué)水土保持研究所, 陜西楊凌 712100;4.中國科學(xué)院教育部水土保持與生態(tài)環(huán)境研究中心, 陜西楊凌 712100)

0 引言

干旱是人類面臨的主要自然災(zāi)害之一,干旱的發(fā)生會對糧食安全、經(jīng)濟(jì)發(fā)展等產(chǎn)生嚴(yán)重威脅[1]。在全球變暖以及人類活動加劇的背景下,干旱等極端氣候頻繁發(fā)生[2],并在世界范圍內(nèi)產(chǎn)生巨大影響,全球因干旱而造成的經(jīng)濟(jì)損失超過千億[3]。因此,實時高效干旱監(jiān)測以及預(yù)測干旱變化受到世界廣泛關(guān)注[4]。

以往對干旱的監(jiān)測,多基于氣象站點或人工測熵的方式來獲取點尺度土壤水分?jǐn)?shù)據(jù)[5-6],并以此來表征研究區(qū)干旱發(fā)生的時空分布及變化趨勢,這些方式雖然能以較高精度表示出氣象站點附近的土壤濕度,但精度受限于土壤濕度監(jiān)測點密度,也會消耗大量人力物力[7],難以進(jìn)行大范圍的干旱監(jiān)測[8]。近年來,隨著遙感技術(shù)的不斷發(fā)展,實時連續(xù)的遙感影像獲取以及地表過能量及特征參數(shù)的提取,使得大尺度多時相的干旱動態(tài)監(jiān)測成為可能[9-10]。SANDHOLT等[11]利用地表溫度(LST)和歸一化植被指數(shù)(NDVI)構(gòu)建了Ts-NDVI特征空間,并由此得出溫度植被干旱指數(shù)(TVDI),該模型與表層土壤濕度具有較高的相關(guān)性[12],且模型構(gòu)建簡單,在遙感干旱研究中應(yīng)用廣泛[13]。李正國等[14]基于MODIS數(shù)據(jù)估算TVDI來表征黃土高原地區(qū)干旱狀況,證明了該指標(biāo)對土壤以及植物水分含量具有指示意義。LIANG等[15]利用MODIS數(shù)據(jù)為基礎(chǔ)得到TVDI,得出2001—2010年間我國干旱時空分布狀況,并分析其與氣候因子間的關(guān)系。劉立文等[16]在對吉林省的干旱監(jiān)測研究中證明了TVDI可以很好地對當(dāng)?shù)睾登檫M(jìn)行監(jiān)測,并發(fā)現(xiàn)在不同時期采用特定的植被指數(shù)的TVDI模型,經(jīng)過地形校正后能夠更準(zhǔn)確地反映干旱狀況。以上表明,基于多源遙感數(shù)據(jù)的TVDI是農(nóng)業(yè)旱情監(jiān)測與評價可靠且有效的指標(biāo)之一。

黃土高原是我國四大高原之一,地形復(fù)雜,處于干旱半干旱氣候區(qū),降水的季節(jié)性變化明顯,生態(tài)環(huán)境脆弱,植被恢復(fù)較慢,易受干旱影響[17]。目前黃土高原基于TVDI的干旱研究以短時期為主[14,17],而對于黃土高原長時間序列的干旱監(jiān)測研究中,多針對降水、氣溫等氣象因素對干旱的影響[15,18-20]進(jìn)行討論,較少考慮地形地貌或是人類活動因素對干旱發(fā)生及分布的影響力,且在TVDI的計算中多以NDVI為植被參數(shù),在高植被覆蓋度的區(qū)域可能會出現(xiàn)敏感性下降的問題。

本文利用GEE平臺獲取黃土高原2001—2020年間MODIS EVI和MODIS LST數(shù)據(jù)產(chǎn)品,并根據(jù)DEM對LST數(shù)據(jù)進(jìn)行校正,構(gòu)建EVI-Ts特征空間,計算得到校正后的溫度植被干旱指數(shù)TVDI,并利用一元線性回歸趨勢分析法、地理探測器模型等方式對TVDI 值進(jìn)行分析,以此對黃土高原2001—2020年間TVDI的時空變化特征進(jìn)行探討并揭示其干旱發(fā)生的驅(qū)動因子,明晰TVDI對黃土高原氣候、地形因子以及人類活動狀況的響應(yīng)機(jī)制,以期為黃土高原地區(qū)的生態(tài)預(yù)警和旱災(zāi)防控提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

黃土高原地處黃河流域中部(33°43′～41°16′N, 100°54′～114°33′E),地勢西高東低,海拔800～3 000 m,起伏較大,涉及山西、寧夏、陜西、甘肅、內(nèi)蒙古、青海、河南7個省(區(qū)),總面積約6.2×105km2(圖1a)。黃土高原植被覆蓋狀況總體上呈東南高西北低的趨勢,2010年的耕地、林地、草地、水域、建筑用地、裸地分別占研究區(qū)總面積的32.4%、15.2%、41.5%、1.4%、2.6%、6.9%(圖1b)。黃土高原屬于半干旱與半濕潤氣候區(qū),年均溫空間差異較大(圖1c),夏季炎熱多暴雨,冬季寒冷干燥,受夏季風(fēng)影響,黃土高原全年降水較為集中,6—9月降水占全年降水的60%以上。降水的年際變化大,年降雨量為150～800 mm,且由西北向東南遞增(圖1d)。植被隨著降雨量遞增,逐步由草原向森林過渡。黃土高原蒸發(fā)量普遍高于實際降水量,為1 400～2 000 mm,由東南向西北遞增,整體較為干燥[20],且近年來大規(guī)模的人工林的栽種使得黃土高原土壤水分流失嚴(yán)重,加劇了該地區(qū)的干旱狀況[21]。

圖1 黃土高原概況

1.2 數(shù)據(jù)源與預(yù)處理

1.2.1EVI和LST數(shù)據(jù)

研究使用的2001—2020年的EVI數(shù)據(jù)來源于Google Earth Engine(GEE)平臺MODIS/006/MOD13Q1數(shù)據(jù)產(chǎn)品,該數(shù)據(jù)產(chǎn)品存儲于GEE平臺內(nèi),且已經(jīng)過大氣校正,時間分辨率16 d,空間分辨率250 m,共456期影像,將其重采樣至1 km。

所使用的2001—2020年的LST數(shù)據(jù)源于GEE平臺MODIS/006/MOD11A1數(shù)據(jù)產(chǎn)品,時間分辨率8 d,空間分辨率1 km,共913期影像,對圖像進(jìn)行拼接、裁剪等預(yù)處理工作。以上過程均于GEE平臺完成。

EVI與LST數(shù)據(jù)有質(zhì)量控制文件(QC),可以指示研究區(qū)內(nèi)不同區(qū)域在不同時間內(nèi)數(shù)據(jù)的質(zhì)量狀況及其可靠性。對兩種數(shù)據(jù)產(chǎn)品的質(zhì)量控制文件(QC)的統(tǒng)計發(fā)現(xiàn),2001—2020年黃土高原地區(qū)的EVI與LST數(shù)據(jù)達(dá)到中、高等級的像元大多在95%以上,表明EVI與LST數(shù)據(jù)產(chǎn)品質(zhì)量整體較好,數(shù)據(jù)產(chǎn)品可靠性較高。為進(jìn)一步去除異常值的影響,本研究將未通過質(zhì)量控制及數(shù)值異常的像元刪除,并通過最大值合成法將LST與EVI數(shù)據(jù)轉(zhuǎn)換為逐月數(shù)據(jù)。

黃土高原地勢較高,大多數(shù)地區(qū)海拔為800～3 000 m,自東向西,地形起伏明顯,太陽輻射受高程影響顯著,為消除地形的影響,需采用數(shù)字高程模型(Digital elevation model,DEM)數(shù)據(jù)對LST數(shù)據(jù)進(jìn)行修正[22-23],修正方法為

Ts2=Ts1+cH

(1)

式中Ts2——經(jīng)DEM數(shù)據(jù)校正后的地表溫度

Ts1——原始MODIS地表溫度

H——高程

c——修正系數(shù),取0.006

1.2.2DEM數(shù)據(jù)

研究所采用的DEM 數(shù)據(jù)源于GEE平臺的NASA NASADEM Digital Elevation 30 m(NASA/NASADEM_HGT/001)數(shù)據(jù)產(chǎn)品,空間分辨率為30 m,在GEE平臺提取該DEM數(shù)據(jù)的坡度和坡向信息,最后對高程、坡度和坡向進(jìn)行拼接、裁剪等預(yù)處理后,將其空間分辨率重采樣為1 km,用于地理探測器驅(qū)動因子分析及校正LST數(shù)據(jù)以計算TVDI值。

1.2.3氣象數(shù)據(jù)

黃土高原2001—2020年月溫度和月總降水量產(chǎn)品源自國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心黃土高原分中心(http:∥www.loess.geodata.cn/),該數(shù)據(jù)集涵蓋了中國的主要陸地地區(qū),空間分辨率為0.008 333 3°(約1 km)。該數(shù)據(jù)產(chǎn)品是據(jù)CRU發(fā)布的全球0.5°氣候數(shù)據(jù)以及WorldClim發(fā)布的全球高分辨率氣候數(shù)據(jù),通過Delta空間降尺度方案在中國地區(qū)降尺度生成。獲取氣象數(shù)據(jù)后,在ArcMap10.8中將文件由nc格式經(jīng)轉(zhuǎn)換、裁剪等預(yù)處理得到TIFF格式的2001—2020年黃土高原月均氣溫和月總降水量的柵格數(shù)據(jù)。并對數(shù)據(jù)進(jìn)行重采樣,使得其與LST和EVI數(shù)據(jù)具有相同的分辨率,用以研究氣候因子對TVDI的影響狀況等后續(xù)工作。

1.2.4土壤數(shù)據(jù)

土壤濕度數(shù)據(jù)源自科學(xué)數(shù)據(jù)銀行(Science Data Bank),該數(shù)據(jù)集將中國1 471個土壤濕度站點的土壤濕度進(jìn)行篩選,過濾掉低質(zhì)量站點以保證站點數(shù)據(jù)的可用性和連續(xù)性,并根據(jù)站點土壤特征參數(shù)將相對含水率轉(zhuǎn)換為體積含水率,最后,將站點的旬值數(shù)據(jù)取平均得到月值數(shù)據(jù)。過濾后該數(shù)據(jù)集保留732個站點的5個土層(10、20、50、70、100 cm)的土壤濕度數(shù)據(jù)[24],其中,黃土高原內(nèi)共有157個站點。

1.2.5資源數(shù)據(jù)

土地利用數(shù)據(jù)為1 km分辨率的柵格數(shù)據(jù),包括25個土地利用類型; 經(jīng)濟(jì)數(shù)據(jù)為1 km網(wǎng)格的中國人口空間分布公里網(wǎng)格數(shù)據(jù)集;植被類型、土壤類型數(shù)據(jù)分別根據(jù)《1∶1 000 000中國植被圖集》以及《1∶100萬中華人民共和國土壤圖》數(shù)字化生成,以上數(shù)據(jù)均來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http:∥www.resdc.cn/)。其中,土地利用類型數(shù)據(jù)依據(jù)黃土高原地區(qū)實際情況以及研究精度要求對原始數(shù)據(jù)進(jìn)行重分類,將研究區(qū)土地利用類型分為耕地、林地、草地、水域、建筑用地和未利用土地6類,空間分辨率為1 km。人口數(shù)據(jù)來自LandScan人口密度數(shù)據(jù)集(https:∥landscan.ornl.gov/),該數(shù)據(jù)集空間分辨率1 km,為逐年更新,單位是人/km2。本研究使用的日光誘導(dǎo)葉綠素?zé)晒鈹?shù)據(jù)(SIF)為GOSIF數(shù)據(jù)集(https:∥globalecology.unh.edu/),該數(shù)據(jù)集根據(jù)OCO-2離散的SIF數(shù)據(jù)與MODIS數(shù)據(jù)和氣象數(shù)據(jù)再分析得到,空間分辨率為0.05°(約5.4 km)。

2 研究方法

2.1 溫度植被指數(shù)TVDI計算

研究表明,地表溫度(LST)和植被指數(shù)(VI)都可以表示地表和植被的干濕狀況,從而實現(xiàn)干旱監(jiān)測[25]。當(dāng)土壤含水率高,植物生長旺盛,蒸騰作用可使地溫降低。相應(yīng)地,當(dāng)土壤含水率低,植物生長受限,蒸騰作用不強,會使地表溫度上升。土壤濕度與地表溫度、植被生長狀況之間存在一定相關(guān)性。SANDHOLT等[11]利用地表溫度(LST)和歸一化植被指數(shù)(NDVI)構(gòu)建了Ts-NDVI特征空間,并由此提出一種經(jīng)過簡化的溫度植被干旱指數(shù)(TVDI),TVDI與土壤水分狀況直接相關(guān),能夠表征植物受水分脅迫程度[13]。TVDI理論值在0～1之間,TVDI值越高表征區(qū)域旱情越嚴(yán)重,反之則該地越濕潤。TVDI計算公式為

(2)

其中

(3)

式中Tmin——某一植被指數(shù)下,最低地表溫度,構(gòu)成特征空間中的“濕邊”

Tmax——某一植被指數(shù)下,最高地表溫度,并構(gòu)成特征空間中的“干邊”

amax、bmax——干邊線性擬合方程參數(shù)

amin、bmin——濕邊線性擬合方程參數(shù)

本研究中,將增強植被指數(shù)(EVI)作為計算TVDI的植被參數(shù),相較于常用的NDVI[11,26-27],利用EVI合成的TVDI與實測土壤濕度的相關(guān)性更高[28-29],原因是EVI中加入藍(lán)波段增加了植物特征信號,減小了土壤背景及氣溶膠散射影響,能夠克服NDVI受土壤背景影響大,在高植被覆蓋區(qū)靈敏度下降等缺點[30]。

在EVI為[0.05,0.8]時,以0.01為步長,計算每個EVI范圍中最大和最小地表溫度,得出20年間240個月的Ts-EVI特征空間,并采用最小二乘法對240期特征空間的干濕邊進(jìn)行線性擬合,計算得到每期的干濕邊擬合方程及其相關(guān)系數(shù)。然后通過式(2),得到對應(yīng)像元的TVDI值。

2.2 時間趨勢分析法

統(tǒng)計黃土高原20年間逐年的TVDI平均值,采用Theil-Sen Median趨勢分析法對TVDI年均值趨勢變化進(jìn)行分析,并采用Mann-Kendall非參數(shù)檢驗法對得出的變化趨勢進(jìn)行顯著性分析。

Theil-Sen Median趨勢分析法是一種非參數(shù)統(tǒng)計的趨勢計算方法,Sen趨勢分析法對數(shù)據(jù)的分布沒有要求,且對數(shù)據(jù)異常值具有一定的抵抗能力,該方法已逐漸應(yīng)用在遙感時序數(shù)據(jù)的分析中[31-32]。Sen斜率計算公式為

(4)

式中β——TVDI的年變化值

i、j——年份

TVDIi、TVDIj——第i、j年對應(yīng)的TVDI值

由于Sen斜率無法反映TVDI變化的顯著程度,故采用Mann-Kendall 非參數(shù)檢驗方法對Sen斜率進(jìn)行顯著性檢驗,其計算公式為

(5)

(6)

(7)

(8)

式中Zc——M-K檢驗的標(biāo)準(zhǔn)化統(tǒng)計量

M——M-K檢驗統(tǒng)計量

n——研究中時間序列總長度,取20

式(5)中Zc作為M-K檢驗的標(biāo)準(zhǔn)化統(tǒng)計量,服從標(biāo)準(zhǔn)正態(tài)分布,在一定的顯著性水平α下,若|Zc|≥Z1-α/2,則可認(rèn)定為變化趨勢顯著,反之,則不顯著。當(dāng)|Zc|大于1.96和2.58時,則可認(rèn)為趨勢通過95%和99%的顯著性檢驗,具體的干旱變化趨勢及顯著性劃分見表1。

表1 黃土高原旱情變化趨勢劃分

2.3 地理探測器模型

地理探測器[33]是以空間相關(guān)性為基礎(chǔ),通過探測各因子的空間異質(zhì)性來解釋其背后驅(qū)動因素的一組統(tǒng)計方法。本研究將TVDI值作為因變量,將溫度、降雨量、高程、坡度、坡向、GDP、人口密度、土地利用方式、土壤類型、植被類型以及植物光合指標(biāo)11個因子作為自變量,通過地理探測器模型進(jìn)行計算。應(yīng)用地理探測器的因子探測模塊與交互作用探測器模塊,計算黃土高原地區(qū)TVDI的驅(qū)動因子q及其不同因子兩兩交互作用對TVDI的影響。其中,q的表達(dá)式為

(9)

式中q——各因子對TVDI的解釋能力強度

h——自變量因子的分層數(shù)

Nh、N——層為h的單元數(shù)和研究區(qū)全部單元數(shù)

交互探測器模塊則對不同影響因子交互作用對TVDI的影響進(jìn)行探測,從而判斷出不同因子共同作用時對TVDI的影響情況,判斷方式見表2。本研究采用自然斷點法將溫度、降雨量、高程、坡度、坡向、GDP、人口密度以及植物光合指標(biāo)分為10類,將土地利用類型分為6類,植被類型與土壤類型分為10類和15類,將黃土高原劃分為5 km×5 km的網(wǎng)格,將25 248個網(wǎng)格中心作為采樣點進(jìn)行采樣,提取采樣點各個因子的屬性值用于地理探測器的計算。

表2 溫度植被干旱指數(shù)影響因子交互作用類型

2.4 干旱等級劃分

本研究參照文獻(xiàn)[14,28,34]利用TVDI模型對研究區(qū)的旱情等級劃分的方法,得出適合于干旱半干旱地區(qū)的干旱分類標(biāo)準(zhǔn)(表2)。通過式(2)～(4)得到黃土高原地區(qū)20年間TVDI均值后,根據(jù)表3對研究區(qū)干旱程度進(jìn)行劃分。

表3 TVDI干旱等級劃分標(biāo)準(zhǔn)

3 結(jié)果與分析

3.1 干旱監(jiān)測指標(biāo)可信性評價

由TVDI的物理意義可知,TVDI的數(shù)值與土壤濕度呈負(fù)相關(guān)關(guān)系,且已有大量研究證明了這一關(guān)系[11,26,35-36],而國家氣象局又將深度20 cm的土壤含水率作為旱情分級標(biāo)準(zhǔn)[37],因此國內(nèi)研究多以20 cm的土壤含水率來驗證TVDI作為干旱監(jiān)測指標(biāo)的可靠性[27,38]。本文選用深度20 cm的土壤含水率對TVDI監(jiān)測結(jié)果進(jìn)行可信度評價。由于該土壤濕度數(shù)據(jù)集存在部分缺失,且逐月驗證數(shù)據(jù)量大,現(xiàn)選用2012年7月與2013年7月的土壤濕度數(shù)據(jù)對TVDI進(jìn)行驗證,結(jié)果如圖2所示。由圖2可以看出,TVDI與深度20 cm的土壤含水率具有負(fù)相關(guān)關(guān)系,經(jīng)分析可知,2012、2013年TVDI值與土壤含水率的皮爾遜相關(guān)系數(shù)分別達(dá)到-0.503和-0.536,且均通過p<0.01的顯著性檢驗,這說明兩者具有良好的相關(guān)性?？傮w來看,TVDI與土壤含水率線性關(guān)系較強,且具有顯著的負(fù)相關(guān)性,因此,基于MODIS的EVI和LST數(shù)據(jù)計算得到的TVDI用于干旱監(jiān)測具有較高可信度。

圖2 2012、2013年7月土壤含水率與溫度植被干旱指數(shù)關(guān)系

3.2 Ts-EVI特征空間的構(gòu)建及干濕邊方程擬合

表4為2020年各月干濕邊擬合結(jié)果,結(jié)果表明,干邊斜率均小于零且R2的平均值達(dá)到0.82,這說明干邊擬合效果較好,且隨著EVI的增大,地表溫度呈減小趨勢,兩者具有強負(fù)相關(guān)關(guān)系。而濕邊方程斜率除7月外都大于零,說明多數(shù)情況下,隨著EVI的升高地表最低溫度呈上升趨勢。而濕邊方程斜率絕對值以及R2均小于干邊,說明干邊擬合的地表最高溫度比濕邊擬合的地表最低溫度對EVI變化更為敏感,且干邊整體的擬合效果好于濕邊。

表4 2020年內(nèi)各月Ts-EVI特征空間干濕邊擬合方程

3.3 黃土高原TVDI空間分布及年際變化情況

3.3.1干旱空間分布特征

由圖3可知,多年以來,黃土高原土壤干濕狀況存在明顯的空間分異,以區(qū)域性干旱為主,旱情呈現(xiàn)出自西向東逐漸緩解的狀況?？傮w上,黃土高原近20年來呈現(xiàn)出干旱化趨勢,且西部發(fā)生干旱的頻率和范圍要遠(yuǎn)高于東部。從黃土高原TVDI的多年均值來看,黃土高原多年平均TVDI值為0.522,達(dá)到輕度干旱級別。而輕度干旱也是黃土高原地區(qū)的主要干旱類型,其主要分布在寧夏、甘肅、內(nèi)蒙古和陜西部分地區(qū),這與龐素菲等[35]和程偉等[36]結(jié)論一致,該地區(qū)約占黃土高原總面積的38.5%,土地利用類型多為耕地、草地以及荒漠;中旱、重旱區(qū)域分別占黃土高原面積的4.1%和1.1%,多集中于黃土高原西南部的青海部分地區(qū)以及甘肅西北部,該地區(qū)海拔較高,降雨量少,土壤涵養(yǎng)水分能力較弱,土地利用類型多為疏林地、草地或是荒漠;而濕潤和正常區(qū)域多分布于黃土高原東部的山西、河南、陜西大部、內(nèi)蒙古東部等地區(qū),該地區(qū)水資源豐富,植被覆蓋度相對較高,土地利用類型以耕地和林地為主,分別占黃土高原面積的11.5%和44.7%。

圖3 2001—2020年間黃土高原干旱等級空間分布

3.3.2干旱的年際變化趨勢

按照式(4)計算黃土高原2001—2020年間逐年平均TVDI的Sen趨勢值β,并結(jié)合式(5)～(9)進(jìn)行Mann-Kendall趨勢顯著性檢驗,將TVDI變化趨勢圖與TVDI變化顯著性空間分布進(jìn)行疊加分析,并根據(jù)表1將黃土高原干旱變化趨勢分為極顯著緩解、顯著緩解、輕微緩解、基本穩(wěn)定、輕微加重、顯著加重、極顯著加重7種類型,得出2001—2020年黃土高原干旱變化趨勢類型空間分布(圖4a)。從圖4a可以看出,黃土高原不同地區(qū)干旱變化趨勢差異明顯,經(jīng)統(tǒng)計發(fā)現(xiàn),2001—2020年黃土高原大部分區(qū)域的干旱情況呈穩(wěn)定或是輕微變化狀態(tài),約占黃土高原總面積的70%,而其他區(qū)域中,呈顯著緩解(P<0.05)的區(qū)域約為8%,多集中于寧夏南部和甘肅北部以及陜西中部部分地區(qū),而干旱呈顯著增加(P<0.05)的區(qū)域約為22.4%,多集中在內(nèi)蒙古與寧夏北部區(qū)域。

圖4 2001—2020年黃土高原干旱變化趨勢類型及Sen變化趨勢

由圖4b可知,2001—2020年黃土高原TVDI年際變化的空間分布具有較強的地域分異性,TVDI年際變化速率的分布區(qū)間為[-0.03,0.02](圖4b)。超過64%的區(qū)域Sen斜率大于零,這說明黃土高原大部分區(qū)域處于干旱加重狀態(tài)。毛烏素沙地、內(nèi)蒙古的庫布齊沙漠、寧夏北部以及山西部分地區(qū)旱情大多呈加劇趨勢,其中,黃土高原北部的內(nèi)蒙古以及寧夏北部地區(qū)旱情增加趨勢最為嚴(yán)重,山西、青海部分地區(qū)也有輕微增加的趨勢,這與文獻(xiàn)[35,39-40]的研究結(jié)果一致,該地區(qū)土地利用類型多為耕地和荒漠。而旱情緩解區(qū)域也較為集中,寧夏南部和甘肅北部旱情明顯緩解,陜西中部、青海部分地區(qū)的旱情也有減少趨勢,這與文獻(xiàn)[41-43]的結(jié)論一致,該地區(qū)的土地利用類型則以森林以及草地為主。

為直觀反映黃土高原地區(qū)干旱變化情況,對黃土高原2001—2020年間TVDI年均值和各干旱等級面積占比進(jìn)行統(tǒng)計(圖5),不難發(fā)現(xiàn),黃土高原多年平均TVDI值約為0.522,峰值出現(xiàn)在2005年(0.542),低值出現(xiàn)在2003年(0.478),整體呈波動升高趨勢,增速為0.018/(10 a)。黃土高原在20年間發(fā)生著以輕旱為主的干旱,其面積在32.3%～47.2%之間,最大值出現(xiàn)在2005年(47.2%),在20年間有下降趨勢;而中旱發(fā)生面積在20年間均未超過10%,多年均值為5.1%,近20年整體呈上升趨勢;重旱發(fā)生面積最小,僅占研究區(qū)面積的0.7%～2.1%,除2001年重旱區(qū)域占研究區(qū)面積最大,達(dá)到2.1%,其余各年均未超過2%;正常區(qū)域所占面積最大,多年占比在36.8%～46.2%之間,多年均值為41.7%,在20年間變化不大;濕潤區(qū)域占比在6.4%～20.8%之間,其變化幅度較大,多年間整體呈下降趨勢。黃土高原地區(qū)的旱災(zāi)十分常見,平均每年都有47%的區(qū)域發(fā)生不同程度的干旱,2001年、2005年和2016年的旱災(zāi)較為嚴(yán)重,發(fā)生旱情面積均超過50%。

圖5 黃土高原2001—2020年各干旱等級面積占比及TVDI年際變化

3.4 不同土地利用類型TVDI變化特征

3.4.1年際變化

由圖6可知,各土地利用類型的年均值TVDI變化趨勢基本一致,均呈不同程度上升的趨勢。但不同土地利用類型年均TVDI差異明顯,從大到小依次為:未利用地(0.571)、草地(0.554)、耕地(0.503)、林地(0.473)、建筑用地(0.462)。其中,未利用地的TVDI值最高,在20年間介于0.51～0.62之間,最低值出現(xiàn)在2003年,最高值出現(xiàn)在2012年,除2003年處于正常狀態(tài)外,其余各年均處于不同程度的干旱狀態(tài),且TVDI升高速度最快,達(dá)到0.003 3/a。而建筑用地TVDI值最低,介于0.43～0.49之間,20年間未出現(xiàn)干旱情況,最低最高值分別出現(xiàn)在2003年和2005年,其TVDI升高速度也較慢,為0.001 6/a。草地的TVDI均值在0.51～0.58之間波動,TVDI增長速度均僅次于未利用地,達(dá)到0.001 9/a。耕地TVDI處于0.47～0.54,在正常狀態(tài)與輕度干旱(2001年、2005年、2016—2020年)之間波動變化。林地TVDI均值介于0.45～0.49之間,TVDI值較為穩(wěn)定,20年間無顯著變化,所有年份均為正常狀態(tài)?？傮w而言,黃土高原地區(qū)干旱等級較高,且除林地干旱變化趨勢穩(wěn)定外,其他各土地利用類型均呈旱情加重趨勢。

圖6 2001—2020年黃土高原各土地利用類型TVDI變化

為進(jìn)一步分析回歸方程的擬合精度及其變化顯著性,對5個回歸方程求算R2并進(jìn)行趨勢變化的顯著性檢驗(表5)。從變化顯著性來看,耕地、草地、建筑用地、未利用地的回歸方程均通過0.05的顯著性檢驗,且TVDI值均呈不同幅度的上升趨勢;只有林地未通過顯著性檢驗,但其TVDI值也有小幅增長。

表5 不同土地利用類型TVDI一元線性回歸特征及干旱變化趨勢

3.4.2年內(nèi)變化

黃土高原不同土地利用類型的多年月均TVDI值變化趨勢基本一致(圖7),都呈先升高再降低的“單峰”特征,其TVDI值變化具有明顯的季節(jié)特征。在1—4月隨著氣溫升高植被逐漸生長,蒸散量增大,而降水又偏少,導(dǎo)致土壤含水率降低,故各土地利用類型的TVDI均呈上升趨勢;4—5月溫度進(jìn)一步升高,TVDI值達(dá)到頂峰,各土地利用類型的TVDI值均超過0.52,達(dá)到輕旱水平。在6—8月,黃土高原降水開始增多,TVDI逐漸下降,除未利用地外,其他土地利用類型的TVDI值均到達(dá)低谷;8—10月,植被生長旺盛,水分蒸發(fā)強烈,且降水開始逐漸減少,故除一些裸土、沙地外,黃土高原TVDI又開始緩慢升高;直至10月后,隨著植被停止生長以及溫度降低,TVDI又逐漸降低。

圖7 各土地利用類型TVDI年內(nèi)(20年均值)變化情況

未利用地和草地在3—9月均處于不同程度的干旱狀態(tài),其原因主要是兩種土地利用類型的植被覆蓋度都較小,土壤水分的保持能力都較弱,在氣溫較高時容易產(chǎn)生干旱現(xiàn)象。而林地以及建筑用地TVDI均較小,主要是二者地表覆蓋程度均較高,對土壤水分有較好的保持作用。整體上,黃土高原TVDI的年內(nèi)變化規(guī)律與其旱情發(fā)展規(guī)律相符合。這一結(jié)論表明,根據(jù)TVDI變化情況研究黃土高原旱情發(fā)展規(guī)律是可靠的。

3.5 黃土高原TVDI變化驅(qū)動因子分析

3.5.1探測因子影響力分析及其時間變化

利用地理探測器,通過式(9)分別計算黃土高原地區(qū)2001年、2010年、2020年以及20年平均值中11個探測因子對TVDI空間分布的影響(表6)。從20年平均值來看,高程、土壤類型、植被類型3個因子的q最大,分別達(dá)到0.491、0.337、0.301,這說明高程、土壤類型、植被類型3個因子是影響黃土高原TVDI分布的主導(dǎo)因子,區(qū)域的海拔、生長的植物種類以及下墊面的土壤種類在很大程度上影響干旱的發(fā)生;溫度、降水、SIF、土地利用方式的q分別為0.283、0.186、0.174、0.107,均超過0.1,這說明以上4個因子對黃土高原TVDI變化有一定影響力;而人口密度、GDP、坡度、坡向4個因子的q均小于0.08,對黃土高原TVDI變化影響較小。

表6 各驅(qū)動因子對黃土高原TVDI空間分布的q

由2001—2020年間探測出的q可知,高程、土壤類型、植被類型3個因子為影響黃土高原TVDI分布的主導(dǎo)因素,其影響力略高于其他因子。但不同因子的q在時間維度上發(fā)生著不同程度的變化,其中,表示植物光合作用的指標(biāo)SIF的影響力從2001年的0.098達(dá)到2020年的0.256,降水量從2001年的0.023上升為2020年的0.27;而高程因子對黃土高原TVDI分布的影響力在減弱,從2001年的0.525降為2020年的0.392。產(chǎn)生這種變化的原因可能是由于黃土高原地處干旱半干旱地區(qū),干旱的發(fā)生受溫度、降水量等氣候要素影響,氣候暖濕化有利于植物生長發(fā)育并緩解區(qū)域干旱狀況,且隨著黃土高原地區(qū)退耕還林還草政策的實施,黃土高原的生態(tài)系統(tǒng)趨于穩(wěn)定,對于干旱的抵抗性增強,海拔對TVDI的影響力減弱,而隨著植被的恢復(fù),表征植物光合作用的SIF因子對TVDI的影響力逐漸增大。

3.5.2因子交互作用分析

為探究2000—2020年多因子交互作用對黃土高原干旱的影響,利用地理探測器的交互探測模塊分析各驅(qū)動因子間兩兩交互情況及其對TVDI空間分布的解釋力(圖8)。根據(jù)圖8可知, 11個因子中,任意兩個因子的交互作用對TVDI的影響均大于單個因子的獨立作用,即非線性增強或雙因子增強,不存在相互獨立作用的因子。各因子間交互作用對TVDI解釋力最大的是高程與SIF,它們的雙因子交互q為0.709,高程與土壤類型的交互作用次之,達(dá)到0.671。解釋力最弱的是坡度與坡向的交互作用,q僅為0.021 7,坡度和坡向本身對TVDI的解釋力就較弱,這從一定程度上說明,坡度和坡向因子在大尺度下對干旱發(fā)生解釋力不足。

圖8 2001—2020年TVDI驅(qū)動因子交互作用探測

4 結(jié)論

(1)2001—2020年間黃土高原TVDI平均值為0.522,土壤干濕狀況存在明顯的空間分異,總體上呈現(xiàn)從西向東方向旱情逐漸增加的趨勢,20年間黃土高原發(fā)生著不同程度的干旱,且以輕旱為主,其面積在24.7%～51.6%之間,而輕度以上干旱發(fā)生的面積比例較少,在20年間均未超過10%,多年均值為5.4%。

(2)2001—2020年間,黃土高原年TVDI變化速率分布區(qū)間為[-0.03,0.02],超過64%的區(qū)域Sen斜率大于零,黃土高原整體處于變干趨勢。黃土高原區(qū)域的TVDI變化存在明顯的地域分異規(guī)律,黃土高原西北部的內(nèi)蒙古、寧夏北部以及山西部分地區(qū)旱情大多呈加劇趨勢,而旱情緩解區(qū)域較為集中,多分布于陜西中部、寧夏南部和甘肅北部。

(3)各土地利用類型TVDI年內(nèi)變化趨勢基本一致,都呈現(xiàn)先升高再降低的“單峰”季節(jié)特征。各土地利用類型的TVDI年際變化均呈不同程度上升的趨勢。各土地利用類型年均TVDI差異明顯,從大到小依次為:未利用地(0.571)、草地(0.554)、耕地(0.503)、林地(0.473)、建筑用地(0.462)。

(4)黃土高原地區(qū)TVDI的空間分異受多種因素共同影響,從單因子探測結(jié)果來看,高程、土壤類型、植被類型3個因子的q均超過0.3,是黃土高原干旱形成的主要驅(qū)動因素,但隨著時間的變化,高程因子的影響力在不斷減弱,而降水量與SIF的影響力逐漸增強。在多因子交互作用下,高程與SIF組合對黃土高原干旱的影響力最強,q達(dá)到0.709。