西北地區(qū)干旱時(shí)空動(dòng)態(tài)分布及成因分析

湯連盟,呂偉才,蒲濤,陳梁,徐克立

(1.安徽理工大學(xué) 空間信息與測繪工程學(xué)院,安徽 淮南 232001;2.安徽理工大學(xué) 礦山采動(dòng)災(zāi)害空天地協(xié)同監(jiān)測與預(yù)警安徽普通高校重點(diǎn)實(shí)驗(yàn)室,安徽 淮南 232001;3.安徽理工大學(xué) 礦區(qū)環(huán)境與災(zāi)害協(xié)同監(jiān)測煤炭行業(yè)工程研究中心,安徽 淮南 232001)

0 引言

近百年來,全球正在經(jīng)歷以氣候變暖為主要特征的氣候變化,干旱發(fā)生的頻率與強(qiáng)度增加[1]。干旱是我國最嚴(yán)重及普遍的自然災(zāi)害之一,具有形成原因復(fù)雜、發(fā)生頻率高、持續(xù)時(shí)間長且影響范圍廣等特點(diǎn)[2]。而西北絕大部分地區(qū)深受自然干旱的影響,屬于干旱、半干旱區(qū),是全國干旱最嚴(yán)重的地區(qū)[3]。其生態(tài)環(huán)境脆弱、土地荒漠化嚴(yán)重及植被結(jié)構(gòu)簡單等特點(diǎn),使其對環(huán)境氣候變化響應(yīng)較為敏感,嚴(yán)重影響西北地區(qū)生態(tài)平衡與穩(wěn)定,阻礙了國家建設(shè)生態(tài)文明的政策與理念。對西北干旱區(qū)展開干旱監(jiān)測的研究是必要舉措,有助于提高干旱的抵御能力、減小經(jīng)濟(jì)損失及降低其社會面的影響。

國內(nèi)外學(xué)者對干旱監(jiān)測的方法進(jìn)行了諸多研究,如Ghulam等[4]利用近紅外和紅光波長的反射率反演的二維光譜空間,提出了一種簡便有效的干旱監(jiān)測方法,根據(jù)其空間特征建立了垂直干旱指數(shù)(perpendicular drought index,PDI),并研究PDI與土壤水分之間的關(guān)系。嚴(yán)建武等[5]提出標(biāo)準(zhǔn)化降水指數(shù)(standard precipitation index,SPI)及Palmer干旱強(qiáng)度指數(shù)(Palmer drought intensity index,PDSI)等氣象指數(shù),雖能夠較好反映干旱情況,但在傳統(tǒng)方法依賴測站點(diǎn)數(shù)據(jù)且具有“以點(diǎn)帶面”的不足,在高海拔、測站點(diǎn)分布不均等地存在監(jiān)測結(jié)果不及時(shí)、不準(zhǔn)確。Sakine等[6]提出基于標(biāo)準(zhǔn)化降水指數(shù)SPI的方法對新開發(fā)的降水?dāng)?shù)據(jù)集SM2RAIN-ASCAT與地面氣象監(jiān)測站數(shù)據(jù)比較分析以估算降水并監(jiān)測降水,此方法可作為對干旱、半干旱地區(qū)地面氣象監(jiān)測站數(shù)據(jù)的補(bǔ)充。Gholamnia等[7]基于TIMESAT估算歸一化植被指數(shù)(normalized difference vegetation index,NDVI)時(shí)間序列的季節(jié)參數(shù)與土地覆蓋之間的關(guān)系,從降雨、不同土地覆蓋度等方面分析研究區(qū)干旱的影響條件。田慶久等[8]提出NDVI是目前在生態(tài)監(jiān)測中常用的一種指數(shù),其對低植被覆蓋度非常敏感,但是對于植被覆蓋度較高的地區(qū),所檢測的能力減弱。齊述華等[9]根據(jù)NDVI和陸地表面溫度(land surface temperature,LST)構(gòu)建特征空間,使用溫度植被干旱指數(shù)(temperature vegetation drought index,TVDI)能夠較好地反映表層土壤水分變化趨勢,相對于NDVI衡量旱情指標(biāo)TVDI更合理。Liang等[10]利用TVDI研究全國干旱與氣侯變化趨勢的關(guān)系認(rèn)為,干旱發(fā)生與氣象因子相聯(lián)系,且影響干旱的主要?dú)庀笠蜃訒捎诘貐^(qū)的不同也會有所變化。

西北部分地區(qū)由于特殊的地理狀況等因素,存在地面氣象監(jiān)測站分布不均且站點(diǎn)稀疏的情況[11],使用SPI、PDSI等傳統(tǒng)監(jiān)測方法在此類地區(qū)中可能會存在監(jiān)測的滯后性與局限性造成干旱監(jiān)測的偏差[12]。而依靠遙感技術(shù)可以快速、大范圍地獲取可靠數(shù)據(jù),在一定程度上降低了滯后性的問題。其中TVDI在干旱、半干旱地區(qū)進(jìn)行實(shí)際監(jiān)測中具有較優(yōu)的適用性[13],所需的數(shù)據(jù)量以及參數(shù)較少,且綜合考慮到植被狀態(tài)與地表溫度的雙重特征,在干旱、半干旱地區(qū)得到了廣泛的應(yīng)用[14]。諸多學(xué)者在西北及相關(guān)干旱地區(qū)使用TVDI證明其監(jiān)測干旱狀況具有良好的適用性,如程軍等[15]、張晶言等[16]、張翀等[17]及龐素菲等[18]分別在西北所包含的省份使用TVDI方法監(jiān)測干旱狀況并得到了較好的監(jiān)測成果,故本研究認(rèn)為TVDI適用于西北地區(qū)的干旱監(jiān)測。

然而,目前基于長時(shí)間序列的時(shí)空動(dòng)態(tài)變化監(jiān)測較少,且影響成因分析主要從溫度和降水方面切入,缺少土地利用及人口密度等成因分析,尤其在西北干旱區(qū)連續(xù)動(dòng)態(tài)監(jiān)測不夠深入,具有一定的局限性。因此,本文基于2001-2020年植被生長季4-10月計(jì)算西北地區(qū)的TVDI指數(shù)、空間特征分布與變化趨勢,以及對西北干旱區(qū)未來預(yù)測進(jìn)行了分析,揭示了影響西北地區(qū)TVDI指數(shù)的自然因子。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)概況

中國西北地區(qū)包括陜西省、甘肅省、青海省、寧夏回族自治區(qū)以及新疆維吾爾自治區(qū)5個(gè)省級行政區(qū),其位于72°25′E～110°55′E,31°35′N～49°15′N(圖1)。地理位置深處內(nèi)陸,因沙灘戈壁、荒漠草原、日照時(shí)間長等綜合原因,形成自然景觀交錯(cuò)不齊、時(shí)空分布極其不均勻、生態(tài)環(huán)境脆弱、抗干旱能力弱的現(xiàn)狀,導(dǎo)致西北地區(qū)是最容易受到氣候變化影響的地區(qū)之一。其中夏季最熱以及中國降雨最少的地區(qū)均位于西北境內(nèi),氣候干旱、降雨分布不均是西北地區(qū)最主要的氣候特征[19-20]。

圖1 研究區(qū)概況

1.2 數(shù)據(jù)來源與研究方法

本研究遙感數(shù)據(jù)選用2001-2020年(植被生長季4-10月)MODIS的遙感數(shù)據(jù),數(shù)據(jù)為NASA(美國國家航空航天局)(https://lpdaacsvc.cr.usgs.gov)提供的植被指數(shù)產(chǎn)品(MOD13A2),時(shí)間分辨率為16 d,空間分辨率為1 km。地表溫度產(chǎn)品(MOD11A2)的時(shí)間分辨率分別為8 d,空間分辨率為1 km?；贜DVI和LST計(jì)算TVDI。

DEM數(shù)據(jù)通過地理空間數(shù)據(jù)云鑲嵌裁剪獲取(https://www.gscloud.cn/#page1)。溫度、降雨量數(shù)據(jù)從英國CRU發(fā)布的全球陸地表面月均氣候數(shù)據(jù)集(http://www.cru.uea.ac.uk/data)獲取。人口密度數(shù)據(jù)來自精度最高的Worldpop公開人口數(shù)據(jù)集(https://www.worldpop.org/),通過處理得到研究區(qū)所需數(shù)據(jù)集。土地利用覆蓋數(shù)據(jù)是中國研制的30 m空間分辨率全球地表覆蓋數(shù)據(jù)(http://www.globallandcover.com/),地理坐標(biāo)系采用的是WGS_1984,此產(chǎn)品將土地利用分類分為11類,本文合并分為6類作為研究對象。

1.3 研究方法

1)溫度植被干旱指數(shù)。TVDI是地表溫度(Ts)與NDVI建立相關(guān)Ts-NDVI特征空間模型,并計(jì)算實(shí)現(xiàn)干濕邊方程擬合和TVDI 指數(shù)提取,以獲取水分脅迫指數(shù)對土壤濕度進(jìn)行評估。在NDVI<0時(shí),地表以冰雪、水系以及云層為主要覆蓋物,認(rèn)為地表含水量為100%。0

表1 TVDI干旱等級標(biāo)準(zhǔn)劃分

2)趨勢分析法(Sen-MK)。在長時(shí)間序列的趨勢分析中,常采用Sen-MK趨勢分析法,這是一種非參數(shù)統(tǒng)計(jì)計(jì)算的方法,除對測量誤差和離群數(shù)據(jù)不敏感外還具有計(jì)算效率高且計(jì)算效果穩(wěn)健等特點(diǎn)。本文利用Sen趨勢度對西北地區(qū)2001-2020年TVDI年際變化趨勢進(jìn)行分析計(jì)算。

3)Hurst指數(shù)。Hurst指數(shù)是定量描述時(shí)間序列數(shù)據(jù)持久性特征的一種有效方法。本文采用R/S分析方法估計(jì)Hurst指數(shù),對我國西北地區(qū)通過20 a數(shù)據(jù)進(jìn)行持久性特征分析[23]。

Hurst指數(shù)取值范圍為0～1。當(dāng)0

4)地理探測器。本文使用王勁峰等[25]提出探測空間分異性的地理探測器,探測各驅(qū)動(dòng)自變量因子對因變量的解釋度。

2 結(jié)果與分析

2.1 基于TVDI的西北地區(qū)干旱時(shí)空變化特征

對西北地區(qū)植被生長季進(jìn)行均值法分析獲取時(shí)間特征發(fā)現(xiàn)(圖2(a)),近20 a間TVDI值呈現(xiàn)不顯著下降的趨勢,表明整個(gè)西北地區(qū)在呈現(xiàn)緩慢“變濕”跡象,其下降速率為0.000 6/a。

圖2 TVID年均值及干旱等級面積占比

根據(jù)干旱等級將2001-2020年(4-10月)研究區(qū)植被生長季的TVDI進(jìn)行劃分,研究20 a間干旱年際變化特征。從年際TVDI變化看,2013年的TVDI值最高,表明此年份西北地區(qū)干旱程度最嚴(yán)重。從年際干旱等級劃分看(圖2(b)),2014年受災(zāi)區(qū)(中旱、重旱)最為顯著,達(dá)到研究區(qū)總面積的56.45%。2013年受害影響面積(輕旱、中旱、重旱)最嚴(yán)重,達(dá)到研究區(qū)面積的75.84%。取20 a間干旱面積均值得知,年平均對植被生長季影響面積占研究區(qū)總面積72.59%,但通過對近20 a間輕旱、中旱、重旱研究發(fā)現(xiàn),其占像元的面積以0.001 4/a的速率緩慢下降。

根據(jù)圖3,發(fā)現(xiàn)TVDI干旱分布具有較強(qiáng)的地域性和局域性,全域的北部、西北部、東北部干旱程度顯著高于南部、東南部。干旱事件主要分布在甘肅的河西走廊、青海的柴達(dá)木盆地,以及新疆的昆侖山脈以南的地理位置。陜西全域以中旱和重旱為主,寧夏全域主要以中旱為主。其中新疆地區(qū)重旱較于其他4省最為嚴(yán)重,主要分布在昆侖山脈、塔里木盆地附近,且南疆的干旱頻次和面積高于北疆,形成了較大規(guī)模的重旱。

圖3 重旱年際TVDI空間分布

2.2 2001-2020年西北地區(qū)TVDI趨勢變化分析

圖4空間分布表明TVDI指數(shù)從西北部向東南部逐步遞減。西南和東南地區(qū)TVDI較低,受影響較小。青海地區(qū)較為濕潤,其絕大部分為正常狀態(tài)。干旱比較嚴(yán)重的地區(qū)為新疆地區(qū),受海拔較高、年降水少等原因,相比其他地區(qū),更容易受到氣候變化帶來的影響。

圖4 20 a年均TVDI時(shí)空分布

對2001-2020年間(4-10月)各省年份TVDI均值一元線性均值回歸方程及可視性TVDI均值趨勢分析,可知除寧夏地區(qū)20 a間的TVDI呈現(xiàn)0.001/a上升的趨勢外,其余西北4省均呈現(xiàn)不同程度的下降趨勢(陜西TVDI變化值為-0.001 7/a,R2=0.178 4;青海TVDI變化值為-0.001 4/a,R2=-0.102 4;甘肅TVDI變化值為-0.000 9/a,R2=0.093 4;新疆TVDI變化值為-0.000 08/a,R2=0.001),在研究時(shí)間跨度的植被生長季的年份中,陜西地區(qū)變濕化現(xiàn)象最為明顯。

結(jié)合基于Sen-MK進(jìn)行20 a趨勢性顯著檢驗(yàn)(圖5),可以看出變化趨勢具有區(qū)域性的差異。從總體上看,呈“西部減少、東部增加”的趨勢。從局部上看,寧夏的北部、新疆東北部干旱程度顯著增加,青海東南、東北部、甘肅南部、陜西的西南部總體“顯著變濕”。49.4%的區(qū)域干旱狀態(tài)減弱,43.2%的區(qū)域干旱狀態(tài)加強(qiáng)。由此可知,2001-2020年間研究區(qū)的TVDI指數(shù)呈下降趨勢,即西北地區(qū)20 a存在“變濕”現(xiàn)象。

圖5 時(shí)空趨勢變化分析

2.3 未來干旱化持續(xù)性分析

1)TVDI未來持續(xù)性分析。Hurst指數(shù)年際變化如圖6所示。由圖6可見,Hurst指數(shù)范圍在0.09～0.96,均值為0.43,與過去的TVDI趨勢呈反持續(xù)性,即干旱將呈上升趨勢。未來西北地區(qū)植被生長季TVDI以增加為主。Hurst指數(shù)小于0.5的值占西北地區(qū)總面積的79.9%,具有反持續(xù)性,說明西北地區(qū)未來變化趨勢與過去20 a相反。對西北地區(qū)的區(qū)域分析得到各省份Hurst指數(shù)均值,新疆為0.43、陜西為0.45、寧夏為0.47、甘肅為0.41、青海為0.42,均具有反持續(xù)性。由此可知西北地區(qū)未來植被生長季TVDI變化趨勢,寧夏未來TVDI值會下降,且主要干旱地區(qū)大概率會集中發(fā)生在中部;其余4省都將呈現(xiàn)反持續(xù)性,表示TVDI的值會呈現(xiàn)不顯著上升的趨勢。

圖6 西北地區(qū)持續(xù)性分析

2)影響因素分析。本文選取2001-2020年年均土地利用類型、年均降雨量、年均溫度、人口密度、高程、坡度及坡向作為驅(qū)動(dòng)因子進(jìn)行單因子探測及多因子交互探測。單因子結(jié)果顯示人口和坡向?qū)ρ芯繀^(qū)TVDI的值無顯著性影響。各影響因子的p值均為 0,表明研究因子對西北地區(qū)干旱值有充分的解釋力,也證明選取高程、降雨量、溫度等指標(biāo)計(jì)算影響干旱的可行性。根據(jù)q值的大小對影響因子排序(圖7),依次為高程、溫度、坡度、土地利用、降雨量,高程和溫度是影響TVDI的主導(dǎo)因子。不同類型的雙因子交互作用存在明顯的差異性,且增加了單因子的解釋度。雙因子交互后均顯示雙因子增強(qiáng),其中與高程和溫度交互的因子均在0.65以上,與高程交互因子的均值為0.826,與溫度交互因子的均值為0.763,進(jìn)一步加大了高程和溫度對TVDI的解釋度。其中,高程∩土地利用(0.844)、高程∩降雨量(0.820)、高程∩溫度(0.798)、高程∩坡度(0.843)值均在0.8左右及以上,具有較強(qiáng)的解釋度,部分因子交互值也具有較大的解釋度 (溫度∩坡度、溫度∩土地利用、溫度∩降雨量),這一結(jié)果也說明了TVDI的空間分布格局受多種因素綜合影響。

注:加粗為各單因子的q值;其他為因子間交互q值。圖7 交互因子熱力圖

3 討論

干旱的成因較為復(fù)雜,在以往學(xué)者對干旱的研究中僅取短時(shí)間跨度的降雨或溫度等方面數(shù)據(jù)進(jìn)行分析,其時(shí)間短、考慮面窄,導(dǎo)致說服力不足,在較大程度上影響了學(xué)者對干旱成因的判斷。針對目前西北地區(qū)缺乏長時(shí)間序列空間動(dòng)態(tài)變化的干旱監(jiān)測及未對影響干旱成因的問題進(jìn)行深入研究,本文以長時(shí)間序列2001-2020年為跨度,探究多方面因素及綜合多因子之間的交互作用對干旱的影響,對干旱的地理空間分布準(zhǔn)確定位、未來持續(xù)狀態(tài)詳細(xì)說明、干旱成因準(zhǔn)確定性。但未對TVDI與地面監(jiān)測站進(jìn)行結(jié)合分析,大體上可能會存在偏差的問題,今后考慮遙感數(shù)據(jù)與地面監(jiān)測站相結(jié)合的方法進(jìn)行干旱監(jiān)測。此外,本文使用的NDVI對植被高覆蓋區(qū)監(jiān)測不敏感也存在一定的誤差,可以使用EVI構(gòu)建TVDI及改進(jìn)的ITVDI方法對研究區(qū)進(jìn)行干旱監(jiān)測以獲取最優(yōu)的監(jiān)測模型。

4 結(jié)束語

本研究基于2001-2020年MODIS的NDVI和LST,獲取TVDI不同時(shí)間尺度的空間變化趨勢及空間特征,驗(yàn)證了TVDI的變化趨勢及未來發(fā)展趨勢,并探究影響TVDI的因子,得如下結(jié)論。

1)根據(jù)2001-2020年西北地區(qū)的TVDI均值和年際變化空間分布可知青海干旱區(qū)集中在柴達(dá)木盆地;新疆干旱區(qū)基本集中在昆侖山脈、塔里木盆地,且南疆發(fā)生干旱事件頻次和面積高于北疆;甘肅干旱區(qū)集中在河西走廊附近;寧夏全域主要呈現(xiàn)中旱;陜西全域主要呈現(xiàn)中、重旱,其北部干旱程度低于南部。

2)TVDI以0.000 6/a的趨勢不顯著下降,表示西北地區(qū)這20年來呈現(xiàn)“暖濕”現(xiàn)象。由趨勢變化分析可知,寧夏地區(qū)TVDI呈上升趨勢,其余4省均呈下降趨勢;49.4%的地區(qū)TVDI呈下降趨勢,43.2%的地區(qū)呈上升趨勢,這一結(jié)論驗(yàn)證了西北地區(qū)的“暖濕化”現(xiàn)象。

3)從Hurst指數(shù)可知,反持續(xù)地區(qū)占像元面積的79.9%,表示西北大部分區(qū)域未來一段時(shí)間TVDI值會呈增加趨勢,即部分地區(qū)干旱不降反升。

4)TVDI影響因素結(jié)果可知,單因子影響力依次為高程>溫度>坡度>土地利用>降雨量。高程∩土地利用、高程∩降雨量、高程∩溫度、高程∩坡度,這幾類雙因子交互對干旱的影響力最大。