植被变化与气候变化的相互关系、区域及大陆尺度植被活动对气候变化的响应方式及其程度是当前全球变化研究中的一个热点问题^[1-3]。相关研究发现, 近20年来北半球高纬度地区冬春季变暖非常突出, 温度变化必然会影响植被的生长及物候现象的变化^[4-7]; 1982 -1999年北半球40°~70° N之间地区归一化植被指数 (NDVI) 有显著增加趋势, 且都以春季变化最强烈, 相应的生物量也同步增加^[8]; Schmidt等的研究结果也表明NDVI对降水很敏感^[9]; 李本纲等研究发现我国NDVI与温度和降水相关显著, 且温度对植被的影响超过降水影响等^[10]; 气温的升高引起生长期提前以及生长期延长^[11], 我国东部地区植被生长的各个阶段都同步响应于温度的季节变化, 而滞后于降水的变化^[12]; 刘绿柳等发现黄河流域NDVI与降水、温度相关显著的植被类型以草地、灌木为主, 但相关区域的空间位置随时间存在变化等^[13], 这些研究表明气候变化对植被生长有重要影响, 尤其是对植被的生长季节^[14-15]。但目前研究多集中在生态环境脆弱区或农牧交错带, 对黄淮海全区或全流域的研究相对较少。

黄淮海地区 (32°~42°N, 110°~123°E) 是我国重要的农耕区之一, 包括黄河、淮河、海河流域中下游的京、津、冀、鲁、豫大部, 苏北、皖北、黄河支流的汾渭盆地等, 植被类型十分丰富, 农业熟制多种多样^[16-17]。分析黄淮海地区植被活动对气候变化的响应特征及其区域分异规律, 对区域生态环境监测、保护与合理利用具有重要意义。

本文所用遥感资料来自GIMMS工作组, 时间序列为1982 -2003年, 空间分辨率为8 km ×8 km, 时间分辨率为15 d, 基于最大合成法进行合成, 经过重采样和时间序列滤波处理, 生成研究区逐月NDVI数据集, 在此基础上计算得到冬季 (12月-次年2月)、春季 (3-5月)、夏季 (6-8月)、秋季 (9-11月) 平均和年 (12月-次年11月) 平均NDVI资料。植被类型资料来源于中国科学院地理研究所的中国资源环境数据库 (1:400万), 其植被编码是直接按照1:400万中国植被图^[18]的分类系统进行编码的。

气候资料来自中国气象局, 为研究区122个标准气象站旬、月、年的降水、温度、相对湿度和蒸发量资料。利用Kriging方法对气象数据进行插值, 获取像元大小与NDVI数据相一致的气象要素栅格数据。在进行奇异值分解 (SVD) 时, 考虑到研究区植被生长特点, 为避免年际间积雪量、沙尘量等差异带来的影响^[19], 采用研究区植被主要生长季 (4-9月) 的NDVI平均值进行分析, 气象资料也采用相应时段的平均值。

全区年均NDVI在1982 -2003年的22年间呈略微增加的趋势 (图 1a), 其线性变化趋势为0.0007/a, 春季呈明显上升趋势 (图 1b), 夏季呈较明显下降趋势 (图 1c) (均通过α=0.05的显著性检验), 秋季呈微降、冬季呈微升变化趋势 (图略)。年平均温度呈明显上升趋势, 线性变化趋势为0.0548 ℃ /a (通过α=0.05的显著性检验, 图 2a), 与20世纪90年代以来我国北方地区的温度明显偏高一致, 但高于全国平均增温速率^[20-24]; 年降水量、年蒸发量、年平均相对湿度均呈不同程度的下降趋势, 其中年降水量的线性变化趋势为-1.357 mm/a, 下降趋势不显著 (图 2b), 虽然全区平均部分掩盖了地区差异, 但仍与《气候变化国家评估报告》中的结论一致^[22]。说明黄淮海地区整体气候变暖的趋势比较明显, 而干旱化尚不显著, 气候变化总体上对植被变化有较弱的正效应。

图 1

图 1. 黄淮海地区全年 (a)、春季 (b) 和夏季 (c) 平均NDVI变化特征和线性趋势 Fig 1. Variations and linear trend of 5-point running annual (a), spring (b) and summer (c) averaged NDVI for the Huang-Huai-Hai Area (HHHA)

图 2

图 2. 黄淮海地区年平均温度 (a)、年降水量 (b) 变化特征和线性趋势 Fig 2. Variations and linear trend of annual averaged temperature (a) and annual precipitation (b) for the HHHA

从黄淮海地区植被年均NDVI与年气候因子的相关系数看, 全年温度、降水、相对湿度对植被NDVI动态变化具有正效应, 而蒸发量具有负效应, 但NDVI与年平均温度变化相关显著 (相关系数r=0.451, 通过α=0.05的显著性检验), 温度是最敏感的因子。从年尺度上看, 温度最敏感, 其次是降水、蒸发量, 相对湿度的敏感性最弱。这一结论与以往的一些研究结果^{[10, 25-26]}并不完全一样, 这可能与使用的数据源、计算方法、研究区域不完全相同有关。

图 3中不同显著性水平的相关系数为: r_α=0.1=0.3598, r_α=0.05=0.4227, r _α=0.01=0.5368。从图 3可以看出年平均温度与年平均NDVI空间上以正相关区为主, 表明研究区绝大部分区域温度升高利于植被生长。年降水量与年平均NDVI相关呈南负、北正的相反空间分布, 大致上黄河中下游干流以北大部和海河流域大部为正相关区, 此区多为一年一熟雨养农业植被, 较多降水利于植被生长; 黄河中下游干流以南及淮河流域南部为负相关区, 此区多为一年两熟灌溉农业或一年水旱两熟连作农业, 如降水偏多, 相应地日照偏少、温度偏低, 则不利于植被生长。

图 3

图 3. 黄淮海地区年平均NDVI与年平均温度 (a)、年降水量 (b)、年蒸发量 (c)、年平均相对湿度 (d) 相关系数的空间分布 Fig 3. Distribution of correlation coefficients between annual mean NDVI with temperature (a), precipitation (b), evaporation (c) and relative humidity

从各季气候因子与同期平均NDVI的相关系数看 (表 1), 季平均温度与同期NDVI大都为正相关但都不显著, 而春季温度与夏季NDVI、冬季温度与春季NDVI的隔季滞后相关却为显著负相关, 同时秋、冬季平均温度与年平均NDVI均呈显著正相关。四季降水量与同期的NDVI多为正相关, 春季降水量与同期NDVI和滞后的夏季及年平均NDVI均呈显著正相关, 说明春季降水对夏季乃至全年NDVI高低有着重要的积极作用, 降水的持续影响效应明显; 秋季降水与年平均NDVI均呈显著负相关, 说明秋季多雨带来的寡照和温度偏低不利于全年NDVI值的提高。季蒸发量与同期的NDVI多为负相关, 春季蒸发量对夏季NDVI、秋季蒸发量对冬季NDVI滞后相关显著, 但前者为负相关, 后者为正相关; 四季中只有秋季的蒸发量与年平均NDVI呈显著正相关, 说明秋季的蒸发量在决定全年植被NDVI值高低中具有重要作用。以往的研究多报道了降水对NDVI的隔季滞后相关^[27-28], 但黄淮海地区的季平均温度、季蒸发量、季平均相对湿度对NDVI也存在这种隔季滞后相关, 说明这些要素对植被生长的影响像降水一样具有持续性和滞后性。同时也发现不同季节前期的NDVI与后期的气候因子相关显著, 表明前期的植被长势好坏对后期天气气候也会产生影响。

表 1

表 1 1982 -2003年黄淮海地区四季平均温度、降水量、蒸发量与四季平均NDVI的相关系数 Table 1 1982 -2003 mean temperature, precipitation, evaporation correlated with NDVI on a seasonal basis in the HHHA

表 1 1982 -2003年黄淮海地区四季平均温度、降水量、蒸发量与四季平均NDVI的相关系数 Table 1 1982 -2003 mean temperature, precipitation, evaporation correlated with NDVI on a seasonal basis in the HHHA

从季尺度上看, 影响全区整体植被的气候因子中, 温度的敏感性最强, 降水次之, 蒸发量的敏感性稍弱; 其中影响较大的因子主要有冬、春季温度, 秋季的降水、温度、蒸发量以及春季的降水, 其中一些要素的影响主要表现为对NDVI的滞后影响, 如冬季温度的影响主要表现为对春季NDVI的滞后影响; 同时秋季的水热条件对全区年均NDVI的高低具有重要作用。

黄淮海地区以农业植被为主, 所占比例为62.15 %, 其中又以中部、东部平原区的一年两熟或两年三熟连作、落叶果树植被居多, 所占比例为43.54 %; 自然植被所占比例为37.85 %, 仅相当于农业植被的61 %, 且以山区和东北部的灌丛和萌生矮林为主, 所占比例为23.12 % ^[18]。

从不同植被类型年平均NDVI与气候因子之间的相关系数看 (表 2), 温度与各类植被NDVI都为正相关, 其中与一年一熟粮作和耐寒经济作物、一年水旱两熟连作, 常绿、落叶果树园和经济林两种植被类型相关显著; 降水量与大部分植被NDVI之间为负相关, 但都不显著, 而与北方干旱少雨区的草原和稀树灌木草原、一年一熟粮作和耐寒经济作物两种植被类型为显著正相关; 蒸发量与对自然降水需求相对较小的植被 (如阔叶林、一年水旱两熟连作, 常绿、落叶果树园和经济林两种植被类型) 呈正相关, 与对自然降水需求相对较大的植被 (如灌丛和萌生矮林、草原和稀树灌木草原、一年一熟粮作和耐寒经济作物3种植被类型) 呈负相关。相对湿度与各类植被的相关均不显著。

表 2

表 2 不同植被类型年平均NDVI与气候因子之间的相关系数 Table 2 Correlations between the regional mean NDVI of different vegetations and climate factors in 1982 -2003 over the HHHA on a yearly basis

表 2 不同植被类型年平均NDVI与气候因子之间的相关系数 Table 2 Correlations between the regional mean NDVI of different vegetations and climate factors in 1982 -2003 over the HHHA on a yearly basis

综合年气候因子与不同植被类型区年均NDVI的关系可看出, 温度、降水量影响最大, 蒸发量次之, 相对湿度的影响最不显著。自然植被中, 草原植被对水分等气候因子更敏感, 其他自然植被对气候因子的敏感性稍弱; 农业植被中, 一年一熟雨养农业植被和一年水旱两熟农业植被对温度、水分等气候因子更敏感, 而以灌溉农田居多的一年两熟农业植被对气候因子的敏感性稍弱。

此外, 对不同植被类型季平均NDVI与相应的温度、降水、蒸发量、相对湿度等气候因子进行相关分析 (表略), 结果发现对于不同植被类型区, 影响植被变化的关键季气候因子也有较明显的区别, 其中对自然植被而言, 秋、春、冬季降水和春、夏季温度是影响较大的气候因子; 对农业植被而言, 春、冬季温度和春、夏季降水是影响较大的气候因子, 其中冬季气候要素的影响主要表现为对来年春季甚至夏季NDVI的滞后影响, 表明气候对植被生长的影响具有持续性。

分析发现, 影响研究区植被生长的敏感性气候因子及其强弱顺序是:自然植被对降水的敏感性最强, 温度次之; 由于全区有大量灌溉农田, 农业植被对温度的敏感性最强, 降水次之。自然植被中, 草原、草甸、灌丛对水分因子更敏感, 针叶林、阔叶林次之; 阔叶林、针叶林对温度最敏感, 灌丛次之, 而草原、草甸对温度的敏感性稍弱; 农业植被中, 一年一熟粮作植被对水分的敏感性最强, 温度、蒸发量次之; 大部分具备灌溉条件的一年两熟或者两年三熟连作农业植被, 对温度最敏感, 对降水、蒸发量的敏感性要弱一些; 一年水旱两熟连作植被对温度最敏感, 蒸发量、降水次之。

本文使用奇异值分解方法分析主要生长季 (4 -9月) 平均NDVI距平场与各气候因子距平场之间联系最强的时空变化特征。通过SVD分析, 可以得到奇异值, 每一个奇异值对应的NDVI和温度、降水量、蒸发量、相对湿度的模态以及每一种模态的时间系数。每一个奇异值的平方和与协方差平方和的比值反映了每对模态的解释率, 解释率越高, 相应的模态越重要^[3]。其中左场 (NDVI) 采用格点资料, 右场 (气候因子) 采用站点资料。

SVD分析表明, 全区生长季植被NDVI对气候因子之间的协方差高度集中在前面几对模态中 (表略)。其中前两个模态累计方差平均温度达84.43 %、降水达60.8 %、相对湿度达74.3 %, 蒸发量第1模态方差为92.14 %, 说明整体上生长季植被NDVI与同期气候因子关系很密切, 其间最重要的耦合关系已经包含在这前面几对模态之中了。限于篇幅, 下面主要对第1模态进行分析。

全区生长季NDVI距平对同期平均温度距平的第1对耦合模态是最重要的模态, 其方差贡献率达72 %以上, 代表的是一种主要的空间分布型。图 4a为左场, 表明NDVI场南部除中间区域外以正值分布为主, 北部和中东部以负值为主; 图 4b为右场, 表明研究区大致呈南北向正负值相反的分布, 但北部低值区更明显。两个场除南部偏中间区域外, 正负值区大体上对应较为吻合, 空间结构具有一致性, 表明整个区域植被与温度的变化及其响应关系是较为同步的。

图 4

图 4. 主要生长季NDVI距平与温度距平SVD分析第1模态空间分布 (a) NDVI距平场, (b) 温度距平场 Fig 4. The first mode from SVD treated NDVI (a) and temperature (b) anomalies in the growing stage

图 5是第1对左奇异向量、右奇异向量对应的时间系数, 两者之间的相关系数为0.7542, 通过0.01显著性水平检验。由图 5可以看出, 第1对奇异向量对应的时间系数变化情况基本一致, 波峰、波谷大都有对应, 只是幅度不同。

图 5

图 5. 主要生长季NDVI距平与温度距平第1对奇异向量对应的时间系数 (a) 原始时间系数, (b) 标准化的时间系数 Fig 5. Time coefficients of the first pair of singular vectors from SVD treated NDVI and temperature anomalies (a) primitive time coefficient, (b) normalized time coefficient

生长季NDVI对同期降水量距平场第1对耦合模态的方差贡献率达35 %以上, 代表的是一种主要的空间分布型。图 6a为左场, 表明NDVI大致上北南部呈正负相反分布; 图 6b为右场, 表明降水量为中东部高、四周逐渐降低的较一致的正分布。两场北部为一致的正值对应, 而南部则为正、负反对应。表明降水量偏多利于北部一年一熟和一年两熟非灌溉农业植被生长, 但不利于一年两熟灌溉农业植被和一年水旱两熟农业植被生长, 反之亦然。NDVI与降水量第1对左奇异向量、右奇异向量对应的时间系数, 两者之间的相关达为0.6939, 通过0.01显著性水平检验, 且第1对奇异向量对应的时间系数变化情况基本一致, 波峰、波谷大都有对应, 只是幅度不同 (图略)。

图 6

图 6. 主要生长季NDVI距平与降水距平SVD分析第1模态 (a) NDVI距平场, (b) 降水距平场 Fig 6. The first mode from SVD-treated NVDI (a) and rainfall (b) anomalies

此外, 全区NDVI距平场和蒸发量距平场呈较一致的反位相对应型 (图略), 反映了蒸发量对整体植被NDVI提高的负效应; NDVI距平场和相对湿度距平场均呈南北向正负值相反的空间分布型, 且正负值中心对应的也比较好 (图略), 说明整个区域内植被与相对湿度的变化及其响应关系是同步的。

1) 黄淮海地区整体上全年温度、降水、相对湿度变化对植被NDVI变化具有正效应, 而蒸发量具有负效应。年平均温度与年平均NDVI整体空间上以正相关区为主, 年降水量、年蒸发量与年平均NDVI的相关均呈南负、北正的相反空间分布, 而年平均相对湿度与年平均NDVI的相关呈南正、北负的相反空间分布。

2) 对全区整体植被覆盖而言, 在年尺度上, 温度是敏感性最强的气候因子, 其次是降水量、蒸发量, 相对湿度的敏感性最弱; 从季尺度上看, 温度的敏感性最强, 降水次之。

3) 从植被类型看, 自然植被对降水的敏感性最强, 其次是温度; 农业植被对温度的敏感性最强, 降水次之。秋、春、冬季降水和春、夏季温度是影响自然植被较大的气候因子; 春、冬季温度和春、夏季降水则是影响农业植被较大的气候因子。

4) SVD分析表明, 生长季NDVI与温度距平场的空间结构具有一致性, 表明整个区域植被与温度的变化及其响应关系是较为同步的; 生长季NDVI距平对同期降水量距平场第1模态大致上北、南部呈正负相反分布, 两场北部为一致的正值对应, 而南部则为正、负反对应。

受资料限制, 本文区分的3种主要农业植被中, 还混杂有别的植被, 并不能完全区分出不同类别的农业植被, 特别是不能区分出灌溉农田与非灌溉农田, 这会部分掩盖不同区域植被特征差别、人类活动和气候变化与植被覆盖变化之间的关系。