羅超, 酒金柱, 胡輝, 李坤鵬, 強(qiáng)平

祁連山東段天?？h植被指數(shù)對氣候變化的響應(yīng)研究

羅超, 酒金柱, 胡輝*, 李坤鵬, 強(qiáng)平

華中科技大學(xué)環(huán)境科學(xué)與工程學(xué)院, 武漢 430074

植被是陸地生態(tài)系統(tǒng)的重要組成部分, 其覆蓋狀況與氣候變化密切相關(guān)。為探究祁連山東段天?？h植被對氣候變化的響應(yīng), 基于2005?2018年MODIS-NDVI數(shù)據(jù)集和同期氣象數(shù)據(jù), 運(yùn)用Pearson相關(guān)性分析法探究該地區(qū)NDVI與氣候因子的關(guān)系。結(jié)果表明: 近14年內(nèi)祁連山東段天?？h每年生長季的NDVI一直呈遞增趨勢, 其年均增長率為0.794%, 且以7月NDVI為全年最大值; 通過像元二分模型提取的植被覆蓋度可知, 各類植被覆蓋度均值占比以V級(45.25%)為主, 其次為IV級(20.71%), III級(15.59%), II級(14.64%), I級(3.50%), 且III級以上植被覆蓋度在近14年里整體呈現(xiàn)緩慢增長趨勢; 經(jīng)Pearson相關(guān)性分析發(fā)現(xiàn), 區(qū)域降雨量與年際及月際NDVI之間呈現(xiàn)顯著正相關(guān)性, 而氣溫與僅與月際NDVI之間呈現(xiàn)較弱負(fù)相關(guān)性, 但月際NDVI對降雨量和氣溫的響應(yīng)均存在一定滯后性。相對于氣溫, 研究區(qū)NDVI對降雨量的響應(yīng)更為敏感, 這為后期通過人工降雨來改善當(dāng)?shù)厣鷳B(tài)環(huán)境提供參考。

歸一化植被指數(shù); 降雨量; 氣溫; 相關(guān)性分析; 像元二分模型; 天?？h

0 前言

植被因是銜接水、土、氣等自然因子的核心樞紐, 對氣候變化具有敏感性響應(yīng)而作為全球氣候變化的指示器[1-3]。研究者常采用遙感衛(wèi)星監(jiān)測反演方法, 以獲得表征中尺度或大尺度區(qū)域植被覆蓋度和生物量等指示信息, 其中最常用的是歸一化植被指數(shù)(Normalized Difference Vegetation Index,簡稱NDVI)[4-6]。Shen等[7]通過對衛(wèi)星遙感影像反演得到的NDVI數(shù)據(jù)集分析, 發(fā)現(xiàn)三江源區(qū)域持續(xù)的生態(tài)環(huán)境保護(hù), 使該區(qū)域的NDVI從2000年的0.241增加到2015的0.262。這表明該區(qū)域的植被覆蓋率逐漸得到提高。Pang等[8]采用最大值合成法, 提取了1982-2012年期間青藏高原植被的月際變化NDVI數(shù)據(jù), 發(fā)現(xiàn)該區(qū)域生長季(5-9月)的NDVI與氣溫之間呈正相關(guān)性, 與降雨量間無相關(guān)性。Muradyan等[9]采用相同方法得到了1998-2013年期間亞美尼亞高原生長季(4-10月)的NDVI, 發(fā)現(xiàn)陡峭山地區(qū)域的NDVI與氣溫間呈負(fù)相關(guān)性, 草地區(qū)域NDVI與氣溫間呈現(xiàn)正相關(guān)性, 但所有區(qū)域的NDVI與降雨量之間均呈現(xiàn)正相關(guān)性。王洪亮等[10]采用像元二分模型提取MODIS的NDVI數(shù)據(jù)集, 研究發(fā)現(xiàn)2000-2014年期間伊犁河流域的最大植被覆蓋度呈現(xiàn)自西向東南逐漸增加趨勢, 這與氣候變化和人類活動有關(guān)。這些研究表明, 影響NDVI的因素既有降雨量和環(huán)境溫度, 也與研究區(qū)域的地貌特征與海拔高程有關(guān)。

甘肅省天?？h地處祁連山國家自然保護(hù)區(qū)東段, 是西北地區(qū)重要的生態(tài)功能區(qū)。境內(nèi)植被生長季的初始階段為5月初, 其中 7月和8月為植被生長旺盛期, 并在9月步入生長季的末期[11], 這與境內(nèi)暖季(5-9月)劃分時段一致[12]。近年來受氣候變化和人類開發(fā)活動的影響, 該區(qū)域的草原植被生態(tài)環(huán)境發(fā)生了持續(xù)緩慢的變化, 對當(dāng)?shù)亟?jīng)濟(jì)發(fā)展和生態(tài)保護(hù)產(chǎn)生一定影響。為此, 基于該區(qū)域2005-2018年期間的MODIS-NDVI數(shù)據(jù), 采用最大值合成法和像元二分模型方法, 以研究祁連山東段天?？h植被的時空分布特征。同時, 運(yùn)用Pearson相關(guān)性分析法, 探究該地區(qū)的NDVI與氣候因子(降雨和氣溫)間的關(guān)系, 進(jìn)而分析植被對降雨和氣溫變化的響應(yīng), 為后期人工降雨對區(qū)域生態(tài)環(huán)境影響提供理論支撐。

1 研究區(qū)概況

素有“河西走廊門戶”美譽(yù)之稱的天?？h位于甘肅省武威市南部(如圖1所示), 東臨白銀市景泰縣, 西接青海樂都縣, 南靠蘭州市永登縣, 北依武威市古浪縣, 且中部含有烏鞘嶺國家自然保護(hù)區(qū), 介于36°31′-37°55′N、102°07′-103°46′ E之間, 總面積達(dá)7149 km2, 屬祁連山東段高寒山區(qū)。研究區(qū)內(nèi)地勢起伏較大, 整體呈西北高東南低的特點(diǎn), 海拔高程介于2040-4874 m之間。境內(nèi)具有獨(dú)特氣候特征, 以烏鞘嶺為界, 南坡屬大陸性高原季風(fēng)氣候, 北坡屬溫帶大陸性半干旱氣候[13], 年均氣溫為-8-4 ℃, 年均降雨量為265-632 mm, 且氣溫和降雨量的年際變化較大, 進(jìn)而影響植被生長, 對當(dāng)?shù)厣鷳B(tài)環(huán)境保護(hù)和經(jīng)濟(jì)發(fā)展具有重要意義。

Figure 1 The location of study area

2 研究方法

2.1 研究數(shù)據(jù)

利用美國航空航天局官網(wǎng)公開的MODIS遙感圖像中陸地植被產(chǎn)品MOD13Q1數(shù)據(jù), 采用最大值合成法[14, 15], 從MOD13Q1數(shù)據(jù)中提取2005-2018年期間祁連山東部區(qū)域逐月NDVI的數(shù)據(jù)清單, 時間分辨率為16 d, 空間分辨率為250 m×250 m。為消除積雪覆蓋對遙感影像的干擾, 本研究選擇植被生長季(5-9月)NDVI的均值作為年NDVI值。氣候數(shù)據(jù)(月均降雨量和氣溫)來自于甘肅省天?？h氣象局和烏鞘嶺國家基準(zhǔn)氣候站。

2.2 植被覆蓋度VFC的計(jì)算

像元二分模型基本原理: 假設(shè)所有像元僅由純植被和純土壤這兩部分組成, 根據(jù)各組分所占面積權(quán)重, 經(jīng)過加權(quán)線性組合反演得到植被覆蓋度和生物量變化, 即歸一化植被指數(shù)NDVI[16]。另一方面, 為降低噪聲對NDVI數(shù)據(jù)準(zhǔn)確性的干擾, 本文參考文獻(xiàn)[17]的降噪方法估算NDVIveg和NDVIsoil, 如公式(1)所示:

式中:(Vegetation Fractional cover)為植被覆蓋度;veg和soil分別等價于研究區(qū)統(tǒng)計(jì)得出累計(jì)概率為95%和5%的NDVI值; NDVI為7月NDVI值。由于7月是該地區(qū)NDVI值的頂峰期, 這表明7月是反映區(qū)域植被覆蓋度狀態(tài)的最佳時期。為此, 本研究選擇每年7月的NDVI數(shù)據(jù), 采用像元二分模型反演研究區(qū)域的植被覆蓋度VFC值。

2.3 相關(guān)性分析

采用Pearson相關(guān)性分析法, 研究NDVI與氣候因子間的關(guān)系, 計(jì)算公式如式(2)所示[18]:

3 結(jié)果與分析

3.1 生長季內(nèi)植被NDVI的月際變化特征

利用從MOD13Q1數(shù)據(jù)中提取2005-2018年期間祁連山東部烏鞘嶺區(qū)域逐月NDVI的數(shù)據(jù)清單, 并參考文獻(xiàn)[19]的植被生長季劃分標(biāo)準(zhǔn), 采用均值法統(tǒng)計(jì)得到2005-2018年植被生長季(5-9月)每月的NDVI均值, 據(jù)此繪制出如圖1所示的研究區(qū)生長季內(nèi)NDVI的月際變化特征圖。

由圖2可知, 2005-2018年期間研究區(qū)植被生長季的NDVI值的月際變化具有一定規(guī)律性, 呈現(xiàn)出先增加后逐漸減小的變化趨勢, 即NDVI均值從5月的0.331上升到7月的0.562, 增長率為8.1%; 從峰值的7月之后, NDVI均值又開始緩慢下降, 由8月的0.551下降到9月的0.483, 遞減率為4.2%。究其原因, 是由于研究區(qū)從每年的4月中下旬開始, 伴隨氣溫的升高, 冰雪開始融化, 而且降雨量逐漸增加, 這為植被生長提供了適宜的條件; 自7月后降雨量逐漸減少, 局部甚至出現(xiàn)干旱現(xiàn)象, 導(dǎo)致植被的生長受阻[20, 21]。

圖2 研究區(qū)2005-2018年生長季內(nèi)植被NDVI的月際變化特征圖

Figure 2 Monthly variation characteristics of NDVI during the growing season in the study area from 2005 to 2018

3.2 生長季內(nèi)植被NDVI的年際變化特征

統(tǒng)計(jì)從MOD13Q1數(shù)據(jù)中提取2005-2018年期間研究區(qū)域逐月的NDVI數(shù)據(jù)清單發(fā)現(xiàn), 此期間每年相對應(yīng)月份的植被NDVI值并不相同, 5月至9月的NDVI值范圍分別為0.231-0.393、0.382-0.561、0.441-0.652、0.583-0.642和0.421-0.571。同時, 采用均值法統(tǒng)計(jì)得到2005-2018年植被每年生長季的NDVI均值, 據(jù)此繪制出如圖3所示的研究區(qū)生長季內(nèi)NDVI的年際變化特征圖。

由圖3可知, 研究區(qū)2005-2018年期間植被每年生長季的NDVI整體呈現(xiàn)遞增的趨勢, 其線性擬合方程=0.0043-8.0681(2=0.6044)。從2005年的0.4707上升到2018年的0.5193, 14年期間共增加了10.32%, 年均增長率約為0.79%。其中: 2007-2012年, 研究區(qū)域的NDVI值呈現(xiàn)較大幅度增長趨勢, 年均NDVI增長率為0.66%, 究其原因是降雨量增加為植被生長提供有力條件; 但2012年至2013年期間, 研究區(qū)植被NDVI出現(xiàn)驟減現(xiàn)象, 其遞減率高達(dá)5.91%。為此, 結(jié)合圖6可知, 2013年的年降雨量為近14年內(nèi)最低值, 且氣溫是呈現(xiàn)遞增趨勢, 這說明2012年至2013年期間因氣溫上升使得植被蒸發(fā)量增加, 且伴隨降雨量驟減不利于植被生長, 進(jìn)而使得該期間的植被NDVI呈現(xiàn)明顯下降趨勢; 2013-2015年, NDVI迅速增長, 年增長率可達(dá)23.18%, 這既與該期間降雨量的增加有關(guān), 又得益于2013年研究區(qū)域自然草原實(shí)行的全面禁牧措施[22]; 2016-2018年, 研究區(qū)域植被的NDVI值相對較為穩(wěn)定, 年均約為0.351, 這主要由于該期間降雨量和氣溫的變化度較低, 且配套的生態(tài)環(huán)境保護(hù)措施落實(shí)到位所致。由此可見, NDVI值的緩慢增長與研究區(qū)域的降雨量、氣溫和推行各類生態(tài)環(huán)境保護(hù)政策密切相關(guān), 這表明適度降雨量增加和合理的人類活動對植被覆蓋度和生物量增加具有積極影響。

3.3 植被覆蓋度VFC的時空變化特征

利用公式(1)將2005年-2018年的NDVI數(shù)據(jù)集演算得到每年的VFC數(shù)據(jù), 依據(jù)文獻(xiàn)[23]給出的VFC分級表(I-V級, 級別越高表示植被覆蓋度越高), 利用Arcgis 10.2 軟件分級, 統(tǒng)計(jì)得到不同VFC所對應(yīng)的面積百分比?；诖藬?shù)據(jù)集, 繪制出如圖4所示的VFC百分比隨時間變化的分布特征。

圖3 研究區(qū)2005-2018年生長季內(nèi)植被NDVI的年際變化特征圖

Figure 3 Temporal variation of vegetation NDVI during the growing season in the study area from 2005 to 2018

圖4 研究區(qū)2005-2018年各類VFC百分比的年際變化特征

Figure 4 The interannual variation of various VFC percentages in the study area from 2005 to 2018

由圖4可知, 2005-2018年期間每年生長季的VFC分級均不同, 但每年的總VFC類別中均以V級為主, 呈現(xiàn)出V級> IV級>III級> II級> I級的變化特征。各級的VFC均值存在較大差別, 從V級到I級, VFC均值占比分別為45.25%、20.71%、15.59%、14.64%和3.81%, 且III級及以上VFC占比高達(dá)81.55%, 這主要由于烏鞘嶺國家自然保護(hù)區(qū)位于研究區(qū)中部, 相關(guān)生態(tài)環(huán)境保護(hù)措施到位, 為植被生長提供有力條件, 且該區(qū)域植被以草本為主, 其分布范圍廣泛, 進(jìn)而使得植被覆蓋度偏高。此外, 與同處于西北生態(tài)脆弱區(qū)的錫林郭勒草原[24]相比, 祁連山東段天?？h的植被覆蓋度明顯較高, 究其原因是研究區(qū)內(nèi)降雨量相對略高, 且錫林郭勒草原受到大面積露天開采煤炭等人類活動的負(fù)面影響, 進(jìn)而使得兩地的植被覆蓋度存在較大差異性。另一方面, 研究區(qū)內(nèi)植被VFC與NDVI的年際變化相似, 均在2012年達(dá)到頂峰, 在2007跌至谷底, 整體呈現(xiàn)緩慢增長趨勢, 這與該地區(qū)降雨量變化趨于一致。

為探討植被覆蓋度的空間分布特征, 選擇2005年、2007年、2012年和2018年為研究對象, 依據(jù)文獻(xiàn)[23]給出的VFC分級表, 利用Arcgis 10.2 軟件, 繪制如圖5所示的研究區(qū)植被覆蓋度的空間分布圖。

由圖5可知, 植被覆蓋度2012年>2018年>2005年>2007年, 其中高VFC主要分布在東北向的烏鞘嶺自然保護(hù)區(qū)和西南向的炭山嶺鎮(zhèn), 低VFC主要分布在東南向的華藏寺鎮(zhèn)及松山鎮(zhèn), 這可能由于空間降雨的差異所致。另外, 分析圖4中2018年植被覆蓋度可知, 研究區(qū)內(nèi)V級至I級的VFC面積在空間分布上存在明顯不同, 各級的面積分別為3082.82 km2、1389.54 km2、1021.72 km2、1294.84 km2和360.08 km2, 其中烏鞘嶺國家自然保護(hù)區(qū)內(nèi)植被覆蓋度處于較高水平, 而天?？h政府周圍植被覆蓋度相對處于較低水平, 這可能與人類活動有關(guān), 在保護(hù)區(qū)內(nèi)封山育林, 在人口集中區(qū)內(nèi)開墾、放牧等, 進(jìn)而影響區(qū)域VFC的空間分布。綜上可知, 研究區(qū)內(nèi)植被覆蓋度具有明顯的空間分布特征, 且降雨量和人類活動對其產(chǎn)生一定影響。

3.4 植被NDVI與氣候因子關(guān)系

前述分析表明水系分布是影響研究區(qū)域植被覆蓋度分布的重要因子, 而其與區(qū)域大氣降水密切相關(guān); 同時, 研究顯示植被NDVI值的大小與降雨和氣溫等氣候因子有關(guān)[25, 26]。為此, 基于2005-2018年期間的植被NDVI數(shù)據(jù)清單、降雨量和氣溫?cái)?shù)據(jù)集, 采用Pearson相關(guān)分析法, 以探討植被NDVI與氣候因子降雨量和氣溫之間的相關(guān)性, 結(jié)果如圖6所示。

由圖6可知, 研究區(qū)域2005-2018年期間的年降雨量整體呈波狀緩慢上升趨勢, 隨著降雨量的逐年增加, 植被NDVI值也呈現(xiàn)明顯的增加趨勢, 二者之間具有明顯的正相關(guān)關(guān)系, 在顯著水平N,P< 0.05時, 相關(guān)系數(shù)N,P=0.621; 然而, 采用相同方法分析發(fā)現(xiàn), 當(dāng)N,T>0.05時,N,T=-0.188, 這表明溫度與植被NDVI值之間幾乎沒有相關(guān)性或呈弱的負(fù)相關(guān)性, 同時也表明研究區(qū)域的降雨量對植被NDVI的影響比氣溫大得多。這與文獻(xiàn)[27]所述的青藏高原植被NDVI值對氣候因子降雨量和溫度的響應(yīng)結(jié)論相似, 原因是祁連山烏鞘嶺區(qū)域與青藏高原區(qū)域具有相似的高原地形地貌和氣候特點(diǎn)。

為進(jìn)一步探究植被NDVI與降雨量和氣溫的關(guān)系, 選擇生長季內(nèi)5月至9月的植被NDVI研究對象, 采用Pearson相關(guān)性分析法計(jì)算出每月植被NDVI與當(dāng)月及前月氣溫和降雨量的相關(guān)系數(shù), 以分析植被NDVI對氣溫和降雨量的滯后性, 對應(yīng)的相關(guān)系數(shù)如表1所示。

圖5 研究區(qū)2005-2018年VFC的空間分布圖

Figure 5 Spatial distribution map of VFC in the study area from 2005 to 2018

圖6 研究區(qū)2005-2018年植被NDVI與氣溫和降雨氣的關(guān)系圖(PN,R和RN,R, PN,T和RN,T分別為NDVI與降雨和氣溫之間的顯著水平和相關(guān)性系數(shù))

Figure 6 Correlation relationship of temperature, rainfall with NDVI in the study area from 2005 to 2018

表1 生長季NDVI與當(dāng)月及前月氣溫和降雨量的相關(guān)系數(shù)

注: *表示通過0.05水平(雙側(cè))上顯著相關(guān); **表示在0.01水平(雙側(cè))上顯著相關(guān)。

由表1可知, 整體上生長季內(nèi)月NDVI與降雨量之間呈現(xiàn)顯著的正相關(guān)性, 但與氣溫之間呈現(xiàn)微弱的負(fù)相關(guān)性。從降雨量方面分析, 5月、8月內(nèi)降雨量與NDVI之間呈現(xiàn)出無相關(guān)性, 但6月、7月內(nèi)降雨量與NDVI之間呈現(xiàn)出顯著相關(guān)性。究其原因, 研究區(qū)內(nèi)6月、7月的降雨量明顯較高, 且該時期植被生長速率最大, 其枝葉充分伸展, 進(jìn)而對應(yīng)的植被NDVI值也是全期最大值, 這說明6月、7月期間降雨量是影響植被生長的重要因子; 但在9月, 植被NDVI與前月降雨量更為顯著。究其原因, 研究區(qū)內(nèi)9月降雨量明顯低于8月, 且該時期處于生長季末期, 部分植被趨于凋零, 進(jìn)而使得植被NDVI對降雨量的響應(yīng)產(chǎn)生滯后現(xiàn)象。

另外, 從氣溫方面分析, 5月、9月植被NDVI與前月氣溫呈現(xiàn)的相關(guān)性更為顯著, 這說明該期間植被NDVI對氣溫響應(yīng)存在一定滯后性。究其原因, 研究區(qū)內(nèi)4月存有積雪, 其氣溫明顯低于5月, 使得4月比5月氣溫對植被生長影響更高, 而8月氣溫為全期最高, 對植被生長的影響明顯高于9月, 進(jìn)而產(chǎn)生了NDVI對氣溫響應(yīng)的滯后性; 但是, 6月、8月植被NDVI與本月氣溫相關(guān)性更為顯著, 這表明該期間氣溫是影響植被生長的重要因子。究其原因, 研究區(qū)內(nèi)多為耐寒植被, 當(dāng)氣溫高于10℃后, 隨著溫度增加對植被生長具有抑制作用, 而6月和8月氣溫相對較高, 進(jìn)而使得NDVI對本月氣溫響應(yīng)更加明顯; 而在7月, 植被NDVI與氣溫之間呈現(xiàn)無明顯相關(guān)性, 這可能是由于步入6月后氣溫就處于全年較高水平, 在此基礎(chǔ)上, 伴隨溫度升高加大了植被的蒸發(fā)量, 且7月降雨量對植被生長具有明顯促進(jìn)作用, 使得7月內(nèi)氣溫與植被NDVI的相關(guān)性變?nèi)?。綜上所述, 生長季內(nèi)植被NDVI對氣溫和降雨量的響應(yīng)均存在一定滯后性, 且降雨量比氣溫對植被NDVI的影響更大, 這與相關(guān)結(jié)論[28]具有一致性。

4 結(jié)論

基于MODIS的NDVI(2005-2018年)數(shù)據(jù)集, 通過最大值合成法和像元二分模型提取祁連山東段天?？h的植被覆蓋度, 采用Pearson相關(guān)性分析法研究NDVI與降雨量和氣溫相互間的關(guān)系, 得出以下主要結(jié)論:

(1)在2005-2018年期間, 研究區(qū)內(nèi)植被每年生長季的NDVI整體呈現(xiàn)遞增的趨勢, 其年均增長率約為0.794%, 但2012年至2013年期間因降雨量的驟減導(dǎo)致NDVI呈現(xiàn)遞減趨勢, 并以7月NDVI為全期最大值。這表明近14年期間, 該區(qū)域植被覆蓋度整體呈現(xiàn)緩慢增長趨勢,且全期內(nèi)以7月植被覆蓋度最大。

(2)通過像元二分模型提取的植被覆蓋度可知, 植被VFC的各級均值占比以V級(45.25%)為主,其次為IV級(20.71%), III級(15.59%), II級(14.64%), I級(3.50%), 且高VFC主要分布在東北向的烏鞘嶺自然保護(hù)區(qū)和西南向的炭山嶺鎮(zhèn), 低VFC主要分布在東南向的華藏寺鎮(zhèn)及松山鎮(zhèn), 這主要是由于空間降雨不均勻和人類活動所致。

(3)基于MODIS-NDVI數(shù)據(jù)集和氣候數(shù)據(jù), 并采用Pearson相關(guān)性分析可知, 在年際變化方面, 降雨量與植被NDVI之間呈現(xiàn)正相關(guān)性(=0.641,< 0.05), 氣溫與植被NDVI之間無明顯的相關(guān)性(= -0.130,>0.05); 在月際變化方面, 整體上表現(xiàn)為植被NDVI與氣溫之間呈現(xiàn)微弱的負(fù)相性, 而與降雨量之間呈現(xiàn)較強(qiáng)的正相關(guān)性, 且NDVI對氣溫和降雨量響應(yīng)均存在一定滯后性。由此可知, 相對氣溫而言, 降雨量對該地區(qū)植被生長的影響更加明顯。

[1] ZHU Yixuan, ZHANG Yangjian, ZU Jiaxing, et al. Effects of data temporal resolution on phenology extractions from the alpine grasslands of the Tibetan Plateau[J]. Ecological Indicators, 2019, 104: 365–377.

[2] 劉啟興, 董國濤, 景海濤, 等. 2000-2016年黃河源區(qū)植被NDVI變化趨勢及影響因素[J]. 水土保持研究, 2019, 26(3): 86–92.

[3] Gillison A N. Plant functional indicators of vegetation response to climate change, past present and future: I. Trends, emerging hypotheses and plant functional modality[J]. Flora, 2019, 254: 12–30.

[4] Phillips L B, Hansen A J, Flather C H. Evaluating the species energy relationship with the newest measures of ecosystem energy: NDVI versus MODIS primary produ-ction[J]. Remote Sensing of Environment, 2008, 112(9): 3538–3549.

[5] Filippa G, Cremonese E, Migliavacca M, et al. NDVI derived from near-infrared-enabled digital cameras: Applicability across different plant functional types[J]. Agricultural and Forest Meteorology, 2018, 249: 275–285.

[6] Michele M, Dominique F, Felix R, et al. Near real-time vegetation anomaly detection with MODIS NDVI: Timeliness vs. accuracy and effect of anomaly computation options. [J]. Remote sensing of environment, 2019, 221: 508–521.

[7] Shen X, An R, Feng L, et al. Vegetation changes in the Three-River Headwaters Region of the Tibetan Plateau of China[J]. Ecological Indicators, 2018, 93: 804–812.

[8] Pang G, Wang X, Yang M. Using the NDVI to identify variations in, and responses of, vegetation to climate change on the Tibetan Plateau from 1982 to 2012[J]. Quaternary International, 2017, 444: 87–96.

[9] Muradyan V, Tepanosyan G, Asmaryan S, et al. Relationships between NDVI and climatic factors in mountain ecosystems: A case study of Armenia[J]. Remote Sensing Applications: Society and Environment, 2019, 14: 158–169.

[10] 王洪亮, 馮愛萍, 高彥華, 等. 伊犁河流域最大植被覆蓋度的時空動態(tài)變化[J]. 環(huán)境科學(xué)與技術(shù), 2018, 41(6): 161–167.

[11] LI Wen, CAO Wenxia, WANG Jinlan, et al. Effects of grazing regime on vegetation structure, productivity, soil quality, carbon and nitrogen storage of alpine meadow on the Qinghai-Tibetan Plateau[J]. Ecological Engineering, 2017, 98: 123–133.

[12] 滕水昌, 張敏, 滕杰, 等. 1951—2016年甘肅烏鞘嶺氣候變化特征[J]. 干旱氣象, 2018, 36(1): 75–81.

[13] 賀俊生, 龔大潔, 黃棨通, 等. 祁連山區(qū)天?？h陸生野生脊椎動物多樣性及地理區(qū)系研究[J]. 干旱區(qū)資源與環(huán)境, 2020, 34(1): 148–155.

[14] 王君, 楊曉梅, 隋立春, 等. 西安市1995—2016年植被覆蓋度動態(tài)變化監(jiān)測及景觀格局分析[J]. 生態(tài)科學(xué), 2019, 38(6): 81–91.

[15] PENG Wenfu, KUANG Tingting, TAO Shuai. Quantifying influences of natural factors on vegetation NDVI changes based on geographical detector in Sichuan, western China[J]. Journal of Cleaner Production, 2019, 233: 148–155.

[16] 王君, 楊曉梅, 隋立春, 等. 西安市1995—2016年植被覆蓋度動態(tài)變化監(jiān)測及景觀格局分析[J]. 生態(tài)科學(xué), 2019, 38(6): 81–91.

[17] 李苗苗. 植被覆蓋度的遙感估算方法研究[D]. 北京: 中國科學(xué)院研究生院(遙感應(yīng)用研究所), 2003: 40–55.

[18] CHU Hongshuai, SERGEY V, CHAO Wu. NDVI-based vegetation dynamics and its response to climate changes at Amur-Heilongjiang River Basin from 1982 to 2015. [J]. The Science of the total environment, 2018, 650: 2051–2062.

[19] 賈文雄, 趙珍, 俎佳星, 等. 祁連山不同植被類型的物候變化及其對氣候的響應(yīng)[J]. 生態(tài)學(xué)報, 2016, 36(23): 7826–7840.

[20] 趙珍, 賈文雄, 張禹舜, 等. 祁連山區(qū)植被物候遙感監(jiān)測與變化趨勢[J]. 中國沙漠, 2015, 35(5): 1388–1395.

[21] 馬興祥, 劉明春, 張子廉, 等. 天祝縣氣候變化對畜牧業(yè)可持續(xù)發(fā)展的影響及對策[J]. 草業(yè)科學(xué), 2000(5): 25–30.

[22] 宣輝. 天?？h草畜產(chǎn)業(yè)現(xiàn)狀調(diào)查及其可持續(xù)研究[D]. 蘭州: 蘭州大學(xué), 2016: 14–19.

[23] 王磊, 王杰, 付林, 等. 南充市轄區(qū)近15年植被覆蓋度變化特征[J]. 生態(tài)科學(xué), 2019, 38(1): 159–167.

[24] 阿榮, 畢其格, 董振華. 基于MODIS/NDVI的錫林郭勒草原植被變化及其歸因[J]. 資源科學(xué), 2019, 41(7): 1374–1386.

[25] NANZAD L, ZHANG Jiahua, TUVDENDORJ B, et al. NDVI anomaly for drought monitoring and its correlation with climate factors over Mongolia from 2000 to 2016[J]. Journal of Arid Environments, 2019, 164: 69–77.

[26] LI Gang, SUN Shaobo, HAN Jichang, et al. Impacts of Chinese Grain for Green program and climate change on vegetation in the Loess Plateau during 1982–2015 [J]. Science of the Total Environment, 2019, 665: 177–187.

[27] 卓嘎, 陳思蓉, 周兵. 青藏高原植被覆蓋時空變化及其對氣候因子的響應(yīng)[J]. 生態(tài)學(xué)報, 2018, 38(9): 3208– 3218.

[28] 宋偉宏, 王莉娜, 張金龍. 甘肅祁連山自然保護(hù)區(qū)草地時空變化及其對氣候的響應(yīng)[J]. 草業(yè)科學(xué), 2019, 36(9): 2233–2249.

Response of vegetation index to climate change in Wushaoling Plateau of Qilian Mountains

LUO Chao, JIU Jinzhu, HU Hui*, LI Kunpeng, QIANG Ping

Huazhong University of Science and Technology, School of Environmental Science & Engineering, Wuhan 430074, China

The cover condition of vegetation, an important part of terrestrial ecosystem, is closely related to climate change. In order to explore the response of vegetation to climate change in the Wushaoling plateau of Qilian mountains, this study, based on the MODIS-NDVI data set and the corresponding meteorological data from 2005 to 2018, researched the relationship between NDVI and climate factors in this area through Pearson correlation analysis. The results showed that the NDVI in the growing season of vegetation in the Wushaoling plateau of Qilian mountains has been increasing in the past 14 years with an average annual growth rate of 0.794%, and the NDVI in July was the maximum of the whole year. According to the vegetation coverage extracted by the dimidiate pixel model, the average proportion of all types of vegetation coverage was mainly grade V (45.25%), followed by grade IV (20.71%), grade III (15.59%), grade II (14.64%), and grade I (3.50%). Moreover, the vegetation coverage above grade III has shown a slow growth trend in the past 14 years. Pearson correlation analysis indicated that regional rainfall had a significant positive correlation with inter-annual and inter-monthly NDVI, while temperature had a weak negative correlation only with inter-monthly NDVI, whose response to both rainfall and temperature had a certain lag. Compared with temperature, NDVI in the research area was more sensitive to the response of rainfall, which provided reference for the improvement of local ecological environment through artificial rainfall in the later period.

normalized difference vegetation index; rainfall; temperature; correlation analysis; dimidiate pixel model; Tianzhu County

羅超, 酒金柱, 胡輝, 等. 祁連山東段天祝縣植被指數(shù)對氣候變化的響應(yīng)研究[J]. 生態(tài)科學(xué), 2021, 40(3): 74–81.

LUO Chao, JIU Jinzhu, HU Hui, et al. Response of vegetation index to climate change in Wushaoling Plateau of Qilian Mountains[J]. Ecological Science, 2021, 40(3): 74–81.

10.14108/j.cnki.1008-8873.2021.03.010

Q948

A

1008-8873(2021)03-074-08

2020-04-03;

2020-04-28

國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFC0401004)

羅超(1994—), 男, 安徽省六安人, 碩士, 主要從事生態(tài)環(huán)境學(xué)研究, E-mail:1158855792@qq.com

胡輝, 男, 博士, 教授, 主要從事生態(tài)環(huán)境學(xué)研究, E-mail: wuhanhuhui@163.com