2001～2021年中國NDVI時空格局變化及對氣候的響應

孫 瑞,張方敏*,翁升恒,劉 倩

2001～2021年中國NDVI時空格局變化及對氣候的響應

孫 瑞1,張方敏1*,翁升恒2,劉 倩1

(1.南京信息工程大學,氣象災害預報預警與評估協(xié)同創(chuàng)新中心/江蘇省農業(yè)氣象重點實驗室,江蘇 南京 210044；2福建省氣象科學研究所,福建 福州 350007)

基于MODIS MOD13A3數據集和氣候資料數據,通過線性回歸、Theil-Sen趨勢與Mann-Kendall顯著性檢驗等統(tǒng)計方法分析了2001～2021年中國九大流域NDVI時空變化特征,采用地理探測器探究了中國九大流域NDVI對降水、氣溫、太陽總輻射和飽和水氣壓差的響應.結果表明, 2001～2021年中國及九大流域NDVI整體呈現顯著上升趨勢(<0.05),其中長江流域、珠江流域、東南諸河流域及淮河流域冬季的NDVI變化率最大,海河流域春季最大,西南諸河流域秋季最大,其他流域夏季最大;NDVI變化率在不同土地利用變化類型上表現為非城市化地區(qū)(0.0026/a)>未發(fā)生土地利用類型變化地區(qū)(0.0021/a)>城市化地區(qū)(0.0013/a),其中東南諸河流域和西南諸河流域的城市化地區(qū)NDVI整體表現為退化.空間上,NDVI變化率呈現出由東向西、由南向北遞減的分布.植被生長穩(wěn)定區(qū)域占26.43%,主要集中在內陸河流域以及西南諸河西北部區(qū)域;植被改善面積占70.31%,主要分布在九大流域內的非城市化區(qū)域;植被退化面積占3.25%,集中在內陸河流域北部地區(qū)、西南諸河流域的東部、長江流域的西部及東部沿海流域.地理探測器分析表明,降水在全國尺度上是控制NDVI空間分布的主要決定因子,其次是氣溫、飽和水氣壓差、太陽總輻射;在九大流域內,降水仍是大部分流域的主要決定因子,但在長江流域、珠江流域和淮河流域,飽和水氣壓差是主要決定因子.2001～2021年,長江流域、松遼河流域、黃河流域和西南諸河流域的氣候因子對NDVI的影響作用大部分在增加,而其他流域的氣候影響作用基本在下降.

九大流域；NDVI；氣候因素；時空變化；地理探測器

植被覆蓋了近四分之三的陸地表面,是陸地生態(tài)系統(tǒng)的主體,在陸地生態(tài)系統(tǒng)的能量、水熱通量以及碳循環(huán)中起著至關重要的作用[1-2].在全球氣候變化的背景下,植被不僅受氣候變化的顯著影響且對于氣候變化的反饋也十分敏感,成為了研究全球氣候變化的“指示器”[3].因此,研究植被動態(tài)變化及其對氣候因素的響應機制,能夠作為探討全球變化的理論依據,對預測未來植被動態(tài)和實施生態(tài)可持續(xù)發(fā)展戰(zhàn)略至關重要.

植被指數是植被相對豐度和活性的輻射量化值,作為反應區(qū)域生態(tài)狀況的重要指標,被廣泛的應用于陸地表面植被覆蓋及其生長的定性和定量研究中[4-6].在已有的20多種植被指數中,歸一化植被指數(NDVI)應用最為廣泛.NDVI與植被生產力、冠層覆蓋面積以及生物量具有較好的相關性,可以穩(wěn)定的反應地表植被的生長狀況,因此是研究植被生長和活動的年際變化與季節(jié)性變化的重要參數[7-8].

隨著全球氣候變化的加劇以及人口密集活動導致的土地利用類型的變化,中國的植被變化趨勢非常復雜,不同流域的植被動態(tài)變化和驅動因素截然不同.在以往研究中,淮河流域年NDVI與四季NDVI均呈上升趨勢[9];珠江流域近20a NDVI上升較快,NDVI與氣溫和降水均以正相關為主,氣候因素對NDVI的影響以正向促進作用為主,但人類活動對珠江流域NDVI的變化影響較大[10];黃河流域和長江流域植被變化具有空間異質性,氣候變化對植被的影響較大,尤其是中部區(qū)域[11],氣溫對長江流域植被綠化具有決定性的貢獻,太陽輻射是一個較強的負決定因素,由于長江流域水資源豐富,降水與植被的相關性較低[12-13];在內陸河流域,降水被認為是植被變化的關鍵氣候因子,但植被與氣溫的關系隨著干旱程度的變化而變化[14];在松遼河流域,植被與氣候變化的關系在不同季節(jié)存在差異[15].

水熱條件的變化會影響植物的生長與分布[16-17],降水、氣溫和太陽輻射是驅動植被變化的三大關鍵氣候因素.其次,飽和水氣壓差影響植被氣孔開閉,控制植被生理過程,亦是陸地生態(tài)系統(tǒng)中影響植被生長的重要氣候驅動因素[18].從以往的研究可以看出,我國不同流域的植被變化及其對氣候變化的響應具有空間異質性,但是現有對植被和氣候變化的研究主要集中在氣溫和降水,對植被和飽和水氣壓差之間的響應規(guī)律的剖析不足.也有少量研究討論了中國不同地區(qū)植被變化情況[19-20],但對不同流域植被的變化以及與氣候驅動因素的響應機制仍缺乏研究.因此,有必要對流域尺度植被變化趨勢的空間異質性及其氣候驅動因素進行更系統(tǒng)的研究.

本文以中國九大流域為劃分,基于2001～2021年MODIS NDVI數據、氣象數據和土地利用類型數據,研究中國近21a NDVI的時空變化特征以及對氣溫、降水、輻射和飽和水汽壓差的響應,有助于全面理解植被生態(tài)系統(tǒng)演化特征,為氣候變化背景下更好的保護和改善生態(tài)環(huán)境提供理論依據.

1 資料與方法

1.1 研究區(qū)概況

中國(3°52'～53°33' N,135°2'～73°40' E)地處亞洲東部,陸地面積約為960萬km2.中國大部分區(qū)域位于溫帶,小部分位于熱帶,且受季風氣候影響顯著,導致其冬季寒冷干燥夏季溫暖濕潤[21].

圖1 2001～2021年中國九大流域土地利用變化的空間分布

底圖審圖號GS2019(1825)號.下同

本文選取全國劃分的九大流域作為研究區(qū)域(圖1),依照中國科學院地理科學與資源研究所資源環(huán)境科學與數據中心的標準(https://www.resdc.cn/),依次是長江流域、珠江流域、東南諸河流域、淮河流域、海河流域、松遼河流域、黃河流域、西南諸河流域、內陸河流域.

1.2 數據來源及預處理

本文所有空間數據處理后均為1km分辨率,WGS84地理坐標系,柵格數為6164×4356.季節(jié)劃分按照氣象標準劃分,春季為3～5月,夏季為6～8月,秋季為9～11月,冬季為12月～次年2月.

1.2.1氣象數據本文使用的氣象資料來源于中國國家氣候中心提供的中國地面氣候資料日值數據集(http://data.cma.cn),包括2001～2021年全國2420個氣象站的平均氣溫、相對濕度、日照時數、降水量等數據.太陽總輻射由日照時數計算得出[22],飽和水汽壓差作為影響植被生長的重要驅動因素之一,由平均氣溫與相對濕度計算得出[23].在完成異常值剔除和缺測值線性插補的基礎上,利用克里金插值方法[24]得到空間分辨率為1km的各氣象要素的柵格數據集,地理坐標系為WGS84.

1.2.2NDVI數據與其他NDVI數據集相比,考慮時空分辨率、時間跨度和在軌狀態(tài),MODIS NDVI產品更可靠,更適合反映大空間尺度上的長期植被動態(tài).本研究使用的NDVI數據來自于 MODIS MOD13A3 數據集,時間分辨率為30d,時間序列為2001年1月～2022年2月.由于研究面積為960萬km2,數據處理負擔量較大,所以本研究使用1km分辨率的數據.首先,利用Python對MODIS原始NDVI數據進行裁剪拼接,利用ArcGIS軟件將NDVI數據集重投影到WGS84坐標系,采用S-G (Savitzky- Golay)濾波對NDVI數據進行平滑去噪[19],利用最大值合成法(MVC)進一步合成季和年尺度的NDVI數 據.

1.2.3土地利用類型數據土地利用類型數據來源[25]CLCD土地利用類型數據集(https://doi.org/ 10.5281/zenodo.5816591),空間分辨率為30m,地理坐標系為WGS84,采用最鄰近法進行重采樣至1km分辨率.根據8種土地利用類型(耕地、林地、灌木、草地、水、雪地、荒地、不透水和濕地),定義了3種土地變化類型為未發(fā)生改變、城市化及非城市化,其判定標準分別為:每5a內沒有發(fā)生土地利用類型變化的土地;每5a內由其他土地利用類型轉變?yōu)椴煌杆耐恋?每5a內發(fā)生其他土地利用類型轉變的土地.根據2000年、2005年、2010年、2015年和2020年的土地利用類型數據集,篩選出2001～2021年全國土地類型中未發(fā)生改變、城市化、非城市化變化的柵格區(qū)域(見圖1),其分別占全國面積的87.88%、1.11%和12.01%.以未發(fā)生土地利用類型變化的柵格為基礎,進一步采用地理探測器進行氣候因子對植被變化的影響分析.

1.3 研究方法

1.3.1線性回歸分析采用線性回歸方法分析中國九大流域NDVI的年際變化和季節(jié)變化,其中線性趨勢的顯著性選取無偏相關系數 進行分析[26].

1.3.2Theil-Sen趨勢分析與 Mann-Kendall 顯著性檢驗采用廣泛應用于植被長時間序列的Theil- Sen趨勢分析[27-28]計算每個柵格上NDVI時間序列的變化率(),并通過Mann-Kendall檢驗[29]對其變化趨勢的顯著性進行檢驗.當標準化統(tǒng)計量時,表示柵格的變化趨勢通過0.05顯著性檢驗,當0<||￡1.96時,表示柵格的變化趨勢不顯著.故此,根據值和值將空間柵格的NDVI趨勢水平定義為5個等級[26,30],分別為嚴重退化(<-0.0005,||31.96)、輕微退化(<-0.0005,||<1.96)、穩(wěn)定(<0.0005,||<1.96)、明顯改善(30.0005,||31.96)、輕微改善(30.0005, ||<1.96).

1.3.3地理探測器地理探測器[31]是探測地理現象空間分異并揭示其驅動力的一組統(tǒng)計學方法.本文采用因子探測器探究降水(PRE)、氣溫(TEM)、輻射(RAD)以及飽和水汽壓差(VPD)對NDVI的影響.其中,氣候因子對NDVI的影響稱作空間分異解釋程度,值的范圍為[0,1],值越接近0,證明NDVI對4類氣候因子的解釋力越弱,反之越強.

2 結果分析

2.1 2001～2021年NDVI時間變化

從全國年際變化看(圖2),2001～2021年中國NDVI總體呈顯著上升趨勢(<0.05),NDVI變化范圍在0.31～0.36之間,2001～2021年NDVI均值為0.34,NDVI線性趨勢變化率為0.0022/a.在3種土地利用變化類型中,城市化地區(qū)的NDVI增長速率最慢(0.0013/a),非城市化地區(qū)的NDVI增長最高(0.0026/a),未發(fā)生土地類型變化的地區(qū)NDVI增長居中(0.0021/a).

圖2 2001～2021年中國NDVI變化

由表1可知,中國九大流域NDVI在2001～2021年間整體均為顯著上升趨勢(<0.05),其中長江流域、珠江流域、東南諸河流域、淮河流域、海河流域、黃河流域的NDVI變化率均大于0.003/a,西南諸河流和內陸河流域的NDVI變化率僅為0.0012/a和0.0007/a.

表1 九大流域的NDVI時間變化統(tǒng)計

圖3給出了九大流域不同土地利用變化類型的NDVI變化率對比情況.除內陸河流域外,其他流域均是城市化區(qū)域的NDVI變化率最小,且在東南諸河流域和西南諸河流域為負值.在長江流域、珠江流域、東南諸河流域和西南諸河流域內,土地利用類型未變化區(qū)域的NDVI變化率最大,植被改善最多,其次為非城市化區(qū)域;在淮河流域、海河流域和黃河流域內非城市化區(qū)域的NDVI變化率最大,植被改善最多,其次是土地利用類型未變化區(qū)域;在內陸河流域內城市化區(qū)域的NDVI變化率最大,植被改善最多,其次是非城市化區(qū)域,最后是土地利用類型未變化區(qū)域.由變化率可以看出,所有流域中未發(fā)生土地利用類型變化以及非城市化區(qū)域的NDVI均表現為顯著增長的趨勢(<0.05).在城市化區(qū)域中,各個流域表現不同,其中東南諸河流域和西南諸河流域城市化區(qū)域NDVI表現為下降趨勢,但未通過0.05顯著性檢驗(>0.05),長江流域和珠江流域表現為上升趨勢,但亦未通過0.05顯著性檢驗(>0.05),其余流域均表現為顯著上升趨勢(<0.05).

圖3 2001～2021年九大流域不同土地利用變化類型的NDVI變化率

表示通過0.05顯著性水平.a為長江流域;b為珠江流域;c為東南諸河流域;d為淮河流域;e為海河流域;f為松遼河流域;g為黃河流域;h為西南諸河流域;i為內陸河流域.下同

由全國季節(jié)變化可知(圖4),2001～2021年春、夏、秋和冬季NDVI均值分別為0.29、0.46、0.36和0.22.NDVI四季的變化均表現為顯著增長的趨勢(<0.05),且增長速率沒有明顯差異,分別為0.0022/ a、0.0022/a、0.0021/a及0.0021/a.

圖5反映了2001～2021年中國九大流域四季的NDVI變化率情況.整體而言,九大流域植被變化表現為明顯的空間異質性.盡管九大流域的四季NDVI大部分均呈現出顯著增長的趨勢(<0.05),但是淮河流域夏季、松遼河流域冬季、西南諸河流域夏季以及內陸河流域冬季的植被NDVI增加趨勢不顯著(<0.05).長江流域、珠江流域、東南諸河流域及淮河流域冬季的NDVI變化率最大,其次是春季.海河流域春季的NDVI變化率最大,其次為夏季.松遼河流域、黃河流域和內陸河流域夏季的NDVI變化率最大,其次為秋季.西南諸河流域秋季的NDVI變化率最大,其次為春季.九大流域四季變化率的平均值從大到小依次是珠江流域、長江流域、海河流域、黃河流域、東南諸河流域、淮河流域、松遼河流域、西南諸河流域、內陸河流域,由此可知,九大流域的NDVI變化率呈現出由東向西、由南向北遞減的趨勢.

圖4 2001～2021年中國NDVI的季節(jié)變化

*表示通過0.05顯著性水平

圖5 九大流域季節(jié)NDVI的變化率

2.2 2001～2021年NDVI空間變化

2001～2021年中國NDVI年均值分布情況及其變化趨勢如圖6所示,結果顯示2001～2021年中國NDVI空間分異明顯,自西北向東南NDVI逐漸增加,NDVI低值主要分布在內陸河流域,高值主要分布在西南諸河流域東部、長江流域中部、東南諸河流域及松遼河流域.2001～2021年中國NDVI整體呈改善趨勢,結合表2可知,全國植被增長趨勢良好,全國植被明顯改善和輕微改善的面積分別占56.16%和14.15%,共占全國總面積的近70.31%,主要分布在珠江流域、長江流域中部、黃河流域中部、松遼河流域及西南諸河流域南部;嚴重退化和輕微退化的面積分別為1.12%和2.13%,共僅占全國總面積的3.25%,其中輕微退化主要集中在內陸河流域北部地區(qū)、西南諸河流域的東部和長江流域的西部,嚴重退化主要分布在海河流域、淮河流域、長江流域中下游及東南諸河流域等東部經濟發(fā)展較快的沿海地區(qū);植被生長穩(wěn)定區(qū)域占全國面積的26.43%,主要集中在內陸河流域以及西南諸河西北部區(qū)域.

表2給出了NDVI不同變化趨勢的面積統(tǒng)計.可以看出,長江流域、珠江流域、東南諸河流域、淮河流域、海河流域、松遼河流域及黃河流域的改善面積均達到了其流域總面積的80%以上, 流域整體植被增長趨勢良好;全國植被穩(wěn)定區(qū)域大都集中于內陸河流域和西南諸河流域,其植被穩(wěn)定區(qū)域分別占其流域總面積的30.31%和56.52%;淮河流域、海河流域及東南諸河流域的植被退化趨勢面積達到了流域面積的5%以上, ,但各流域植被改善的面積均遠高于植被退化的面積.

由圖7可知,2001～2021年除松遼河流域外,其他流域都在夏季退化最嚴重.內陸河流域北部和南部、西南諸河流域、長江流域下游和上游、淮河流域和海河流域全年四季都存在植被退化的現象,并且該區(qū)域在夏季的植被退化面積遠高于其他季節(jié).除此之外,內陸河流域的北部在秋季退化也很明顯,長江流域上游在冬季退化也比較明顯.在松遼河流域,也就是中國的東北地區(qū),秋冬季有嚴重的植被退化現象.

圖6 2001～2021年中國NDVI及其變化趨勢的空間分布

圖7 2001～2021中國季節(jié)NDVI變化的空間分布

表2 2001～2021年九大流域NDVI變化的面積比統(tǒng)計(%)

2.3 NDVI與氣候因素的關系

本文采用地理探測器揭示全國和流域尺度上氣候因子對NDVI空間分異的解釋力大小().在全國尺度上(圖8),PRE的值為0.76～0.83,均值為0.8; TEM的值為0.48～0.56,均值為0.52; VPD的值為0.48～0.55,均值為0.51;RAD的值為0.31～0.58,均值為0.48.因此,影響全國NDVI空間分異最主要的因子是PRE,其次是TEM、VPD和RAD.

表3 九大流域氣候因素的年均q值及主導因子排序

在流域尺度上(表3),PRE是影響海河流域、東南諸河流域、黃河流域、西南諸河流域和內陸河流域NDVI空間分異的主要決定因子;VPD是影響長江流域、珠江流域和淮河流域NDVI空間分異的主要決定因子;四種氣候因子均為影響松遼河流域NDVI的空間分異的主要決定因子.對比值可知,氣候因子對東南諸河流域和珠江流域的NDVI影響比較小,僅能解釋低于12%的NDVI變化;在西南諸河流域、黃河流域、長江流域和松遼河流域氣候因子對NDVI的影響相對比較大,能解釋超過40%的NDVI變化,特別是松遼河流域97%的NDVI變化由氣候因子決定.

圖9反映了2001～2021年九大流域中四種氣候因子對NDVI的因子解釋力()的變化情況.整體而言,長江流域、松遼河流域、黃河流域和西南諸河流域的值呈上升趨勢, 表明在這4個流域中氣候因素對植被NDVI的影響在逐漸增強;珠江流域、東南諸河流域、淮河流域、海河流域和內陸河流域的值呈下降趨勢,表明在這5個流域中氣候因素對植被NDVI的影響在逐漸減弱.在長江流域和西南諸河流域,TEM和VPD的值呈顯著增加趨勢(< 0.05),相反在珠江流域、東南諸河流域及內陸河流域,TEM和VPD的值呈顯著減小趨勢(<0.05).在內陸河流域中,PRE的值顯著減小的趨勢尤為明顯,遠高于其他氣候因素.

圖9 2001～2021年九大流域四個氣候因素q值的變化率

*表示通過0.05顯著性水平

3 討論

本文發(fā)現2001～2021年中國及九大流域NDVI雖在不同年份存在增減波動,但整體呈顯著上升趨勢,這與已有的研究結果相一致[16,31-32].但是NDVI存在很強的空間區(qū)域差異,中國NDVI呈從東南向西北逐漸遞減的分布格局,改善趨勢的面積占比為70.31%,主要分布在珠江流域、內陸河流域、長江流域中部、黃河流域中部、松遼河流域及西南諸河流域南部,表明國家一系列天然林保護工程、退耕還林還草工程、三北防護林工程、長江中下游地區(qū)重點防護林體系建設工程的實施,使得以上地區(qū)植被覆蓋呈顯著上升趨勢,區(qū)域生態(tài)環(huán)境質量得到明顯改善,這與圖1的土地利用類型變化中的非城市化區(qū)域相對應,也與已有研究結果一致[33-34].中國NDVI呈退化趨勢的面積占比為3.25%,主要分布在內陸河流域東北部地區(qū)、海河流域、淮河流域及東南諸河流域等東部經濟發(fā)展較快的沿海地區(qū),西北部屬于西北干旱與半干旱區(qū)和青藏高原高寒區(qū),該區(qū)域生態(tài)系統(tǒng)脆弱,人類活動(如放牧)導致草場和濕地退化,荒漠化不斷擴大[35],而全球氣候變暖背景下氣溫和降水等氣候條件的限制,也導致其植被覆蓋呈下降趨勢.圖1的城市化區(qū)域內,大量的林地、草地和耕地轉化為建設用地是導致海河流域、淮河流域及東南諸河流域NDVI下降的主要原因[36].

研究發(fā)現,影響NDVI空間分異的主導因素存在明顯的地域差異,從全國范圍來看,在大部分流域中影響NDVI變化的氣候因子仍是降水占主導地位,這與已有的研究結果相一致[26,37-38],但在長江流域、珠江流域及淮河流域,VPD卻是主要決定因子.已有研究結果證明VPD對季風區(qū)域植被有較大影響[39],并也有研究指出,當土壤水分充分供應時植被會出現由VPD驅動的氣孔關閉的現象[40],所以上述三區(qū)域雖處于亞熱帶季風區(qū),但沒有東部沿海區(qū)域例如東南諸河流域等流域的充沛的降水,導致其VPD成為影響NDVI空間分異的主要決定因子.除此之外,夏季退化嚴重的區(qū)域主要聚集在淮河流域及長江流域東部,可能由于VPD是其NDVI變化的主要氣象控制因子,受到夏季高溫事件增加的影響,空氣相對濕度降低,且光照的增加促進植物蒸騰作用,提高植物對水的需求,從而使的VPD增大,這與Li等研究的結論相一致[41],因此該區(qū)域的植被退化在夏季較為突出.這表明,VPD作為反應大氣對水分“需求”[42]及影響植被生長的重要因素,在濕潤半濕潤地區(qū)對植被空間異質性的影響要大于降水.

本研究還存在一定的不確定性,比如由于北方冬季的積雪覆蓋或者無植被,NDVI算法本身可能會存在對植被低值高估的現象;其次,城市區(qū)域是植被和建筑的綜合體,很多城市綠化良好,采用1km分辨率會平滑粗化城市的不透水面和植被分布,產生很多植被混合像元,導致城市化地區(qū)的NDVI也可能存在高估現象.在未來研究中,可以采用更高分辨率的產品和植被指數優(yōu)化算法產品對北方冬季植被和城市化地區(qū)的植被演變情況進行進一步精細化研究.

4 結論

4.1 2001～2021年中國年均和季均NDVI總體呈顯著上升趨勢,NDVI整體變化率為0.0022/a,四季變化無明顯差異.九大流域NDVI均呈顯著上升趨勢,NDVI變化率表現為由東向西、由南向北遞減.除西南諸河流域、內陸河流域和松遼河流域以外,其他六個流域的年NDVI變化率均大于0.003/a.流域NDVI四季變化差異顯著,其中在長江流域、珠江流域、東南諸河流域及淮河流域冬季的NDVI變化率最大,海河流域春季最大,西南諸河流域秋季最大,其他流域夏季最大.

4.2 全國3種土地利用變化類型的NDVI增長速率表現為非城市化地區(qū)(0.0026/a)>未發(fā)生土地利用類型變化地區(qū)(0.0021/a)>城市化地區(qū)(0.0013/a).九大流域中非城市化以及未發(fā)生土地利用類型變化的地區(qū)NDVI均表現出顯著增長趨勢;城市化地區(qū)中,東南諸河流域和西南諸河流域NDVI表現為不顯著下降趨勢,長江流域和珠江流域表現為上升趨勢,其余流域均表現為顯著上升趨勢.

4.3空間上,中國NDVI變化率整體呈現出由東向西、由南向北減少的分布格局.全國植被增長趨勢良好,植被穩(wěn)定區(qū)域面積占全國總面積的26.43%,植被改善區(qū)域面積占70.31%,遠高于退化面積的3.25%.植被退化區(qū)域集中在東部沿海區(qū)域(淮河流域、海河流域、長江流域東部及東南諸河流域)、西南諸河流域西部和內陸河流域的北部,且夏季較為突出.

4.4在全國尺度上,PRE是控制NDVI空間分異的主要決定因子,其次是TEM、VPD、RAD.在各個流域內,PRE仍是大部分流域的主要決定因子,但在長江流域、珠江流域和淮河流域,VPD為主要決定因子,其次為氣溫.長江流域、松遼河流域、黃河流域和西南諸河流域的氣候因素對NDVI的影響逐年增加,而珠江流域、東南諸河流域、淮河流域、海河流域和內陸河流域的氣候因素影響作用則有所下降.

[1] Zhu Y, Zhang J, Zhang Y, et al. Responses of vegetation to climatic variations in the desert region of northern China [J]. Catena, 2019,175: 27-36.

[2] Jiang P, Ding W, Yuan Y, et al. Interannual variability of vegetation sensitivity to climate in China [J]. Journal of Environmental Management, 2022,301:113768.

[3] Zhu Z, Piao S, Myneni R, et al. Greening of the Earth and its drivers. [J]. Nature Clim Change, 2016,6:791–795.

[4] Virtanen R, Luoto M, R?m? T, et al. Recent vegetation changes at the high-latitude tree line ecotone are controlled by geomorphological disturbance, productivity and diversity [J]. Global Ecology and Biogeography, 2010,19(6):810-821.

[5] Svenning J C, Sandel B. Disequilibrium vegetation dynamics under future climate change [J]. American Journal of Botany, 2013,100(7): 1266-1286.

[6] Yin G, Hu Z, Chen X, et al. Vegetation dynamics and its response to climate change in Central Asia [J]. Journal of Arid Land, 2016,8: 375-388.

[7] Wu X, Wang S, Fu B, et al. Socio-ecological changes on the Loess Plateau of China after Grain to Green Program [J]. Science of the Total Environment, 2019,678:565-573.

[8] 金 凱,王 飛,韓劍橋,等.1982～2015年中國氣候變化和人類活動對植被NDVI變化的影響 [J]. 地理學報, 2020,75(5):961-974. JIN Kai, WANG Fei, HAN Jianqiao, et al. Contribution of climatic change and human activities to vegetation NDVI change over China during 1982～2015 [J]. Acta Geographica Sinica, 2020,75(5):961-974.

[9] 高 崢,劉賽艷,秦 璇,等.淮河流域1999～2018年NDVI時空演變特征研究[J]. 人民珠江, 2023,44(3):66-73. GAO Zheng, LIU Saiyan, QIN Xuan, et al. Spatial-temporal evolution of the normalized difference vegetation index(NDVI)in the Huaihe River Basin from 1999 to 2018 [J]. Pearl River, 2023,44(3): 66-73.

[10] 陳文裕,夏麗華,徐國良,等.2000～2020年珠江流域NDVI動態(tài)變化及影響因素研究 [J]. 生態(tài)環(huán)境學報, 2022,31(7):1306-16. Chen Wenyu, Xia Lihua, Xu Guoliang, et al. Dynamic variation of NDVI and its influencing factors in the Pearl River Basin from 2000 to 2020 [J]. Ecology and Environmental Sciences, 2022,31(7):1306- 16.

[11] Zhang W, Wang L, Xiang F, et al. Vegetation dynamics and the relations with climate change at multiple time scales in the Yangtze River and Yellow River Basin, China [J]. Ecological Indicators, 2020, 110:105892.

[12] Qu S, Wang L, Lin A, et al. What drives the vegetation restoration in Yangtze River basin, China: climate change or anthropogenic factors? [J]. Ecological Indicators, 2018,90:438-450.

[13] Qu S, Wang L, Lin A, et al. Distinguishing the impacts of climate change and anthropogenic factors on vegetation dynamics in the Yangtze River Basin, China [J]. Ecological Indicators, 2020,108: 105724.

[14] Zheng Y, Han J, Huang Y, et al. Vegetation response to climate conditions based on NDVI simulations using stepwise cluster analysis for the Three-River Headwaters region of China [J]. Ecological indicators, 2018,92:18-29.

[15] Chu H, Venevsky S, Wu C, et al. NDVI-based vegetation dynamics and its response to climate changes at Amur-Heilongjiang River Basin from 1982 to 2015 [J]. Science of the Total Environment, 2019,650: 2051-2062.

[16] Buitenwerf R, Rose L, Higgins S I. Three decades of multi- dimensional change in global leaf phenology [J]. Nature Climate Change, 2015,5(4):364-368.

[17] Nemani R R, Keeling C D, Hashimoto H, et al. Climate-driven increases in global terrestrial net primary production from 1982 to 1999 [J]. science, 2003,300(5625):1560-1563.

[18] 袁瑞瑞,黃蕭霖,郝 璐.近40年中國飽和水汽壓差時空變化及影響因素分析 [J]. 氣候與環(huán)境研究, 2021,26(4):413-424. Yuan Ruirui, Huang Xiaolin, Hao Lu. Spatio-temporal variation of vapor pressure deficit and impact factors in China in the past 40 years [J]. Climatic and Environmental Research, 2021,26(4):413-424.

[19] 耿慶玲,陳曉青,赫曉慧,等.中國不同植被類型歸一化植被指數對氣候變化和人類活動的響應 [J]. 生態(tài)學報, 2022,42(9):3557-3568. Geng Qingling, Chen Xiaoqing, He Xiaohui, et al. Vegetation dynamics and its response to climate change and human activities based on different vegetation types in China [J]. Acta Ecologica Sinica, 2022,42(9):3557-3568.

[20] 涂 又,姜亮亮,劉 睿,等.1982～2015年中國植被NDVI時空變化特征及其驅動分析 [J]. 農業(yè)工程學報, 2021,37(22):75-84. Tu You, Jiang Liangliang, Liu Rui, et al. Spatiotemporal changes of vegetation NDVI and its driving forces in China during 1982～2015 [J]. Transactions of the Chinese Society of Agricultural Engineering, 2021,37(22):75-84.

[21] 莫 露,巫兆聰,張 熠.中國XCO2時空分布與影響因素分析 [J]. 中國環(huán)境科學, 2021,41(6):2562-2570. Mo Lu, Wu Zhaocong, Zhang Yi. Spatial and temporal varuations of XCO2in China and its influencing factors analysis [J]. China Environmental Science, 2021,41(6):2562-2570.

[22] 和清華,謝 云.我國太陽總輻射氣候學計算方法研究 [J]. 自然資源學報, 2010,25(2):308-19. He Qinghua, Xie Yun. Research on the climatological calculation method of solar radiation in China [J]. Journal of Natural Resources, 2010,25(2):308-19.

[23] 黃蕭霖.生態(tài)水文變化對城市干島效應的影響機制研究 [D]. 南京:南京信息工程大學, 2022. Huang Xiaolin. Study on the mechanism of ecohydrological changes on urban dry island effect [D]. Nanjing: Nanjing University of Information Science and Technology, 2022.

[24] 李月臣,何志明,劉春霞.基于站點觀測數據的氣溫空間化方法評述 [J]. 地理科學進展, 2014,33(8):1019-28. Li Yuechen, He Zhiming, Liu Chunxia. Review on spatial interpolationmethods of temperature data from meteorological stations [J]. Progress in Geography, 2014,33(8):1019-28.

[25] Yang J, Huang X. 30m annual land cover and its dynamics in China from 1990 to 2019 [J]. Earth System Science Data Discussions, 2021, (2021):1-29.

[26] Wei Y, Sun S, Liang D, et al. Spatial–temporal variations of NDVI and its response to climate in China from 2001 to 2020 [J]. International Journal of Digital Earth, 2022,15(1):1463-1484.

[27] 覃巧婷,陳建軍,楊艷萍,等.黃河源植被時空變化及其對地形和氣候的響應[J]. 中國環(huán)境科學, 2021,41(8):3832-3841. Qin Qiao-ting, Chen Jian-jun, Yang Yan-ping, et al. Spatiotemporal variations of vegetation and its response to topography and climate in the source region of the Yellow River [J]. China Environmental Science, 2021,41(8):3832-3841.

[28] Ran, Cao, Weiguo, et al. Inter-annual variations in vegetation and their response to climatic factors in the upper catchments of the Yellow River from 2000 to 2010 [J]. Journal of Geographical Sciences, 2014, 24(6):963-979.

[29] Song Y, Wang J, Ge Y, et al. An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis: Cases with different types of spatial data [J]. GIScience & Remote Sensing, 2020, 57(5):593-610.

[30] 袁麗華,蔣衛(wèi)國,申文明,等.2000～2010年黃河流域植被覆蓋的時空變化 [J]. 生態(tài)學報, 2013,33(24):7798-7806. Yuan Lihua, Jiang Weiguo, Shen Wenming, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010 [J]. Acta Ecologica Sinica, 2013,33(24):7798-7806.

[31] 雷 茜,胡忠文,王敬哲,等.1985～2015年中國不同生態(tài)系統(tǒng)NDVI時空變化及其對氣候因子的響應 [J]. 生態(tài)學報, 2023,43(15). Lei Qian, Hu Zhongwen, Wang Jingzhe, et al. Spatiotemporal dynamics of NDVI in China from 1985 to 2015: Ecosystem variation, regional differences, and response to climatic factors [J]. Acta Ecologica Sinica, 2023,43(15).

[32] 王 茜,陳 瑩,阮璽睿,等.1982～2012年中國NDVI變化及其與氣候因子的關系 [J]. 草地學報, 2017,25(4):691-700. Wang Qian, Chen Ying, Wang Jingzhe, et al. The changes of NDVI in China from 1982 to 2012 and its relationship with climatic factors [J]. Acta Agrestia Sinica, 2017,25(4):691-700.

[33] 徐 勇,趙 純,郭振東,等.中國八大經濟區(qū)GPP變化及影響因子協(xié)同機制 [J]. 中國環(huán)境科學, 2023,43(1):11. Xu Yong, Zhao Chun, Guo Zhen-dong, et al. Spatio-temporal variation of gross primary productivity and synergistic mechanism of influencing factors in the eight economic zones, China [J]. China Environmental Science, 2023,43(1):11.

[34] 黃豪奔,徐海量,林 濤,等.2001～2020年新疆阿勒泰地區(qū)歸一化植被指數時空變化特征及其對氣候變化的響應 [J]. 生態(tài)學報, 2022,42(7):2798-2809. Huang Haoben, Xu Hailiang, Lin Tao, et al. Spatio-temporal variation characteristics of NDVI and its response to climate change in the Altay region of Xinjiang from 2001 to 2020 [J]. Acta Ecologica Sinica, 2022,42(7):2798-2809.

[35] Hu Y, Dao R, Hu Y. Vegetation change and driving factors: Contribution analysis in the loess plateau of China during 2000～2015 [J]. Sustainability, 2019,11(5):1320.

[36] 王 思,張路路,林偉彪,等.基于MODIS歸一化植被指數的廣東省植被覆蓋與土地利用變化研究 [J]. 生態(tài)學報, 2022,42(6):2149-2163. Wang Si, Zhang Lulu, Lin Weibiao, et al. Study on vegetation coverage and land-use change of Guangdong Province based on MODIS-NDVI [J]. Acta Ecologica Sinica, 2022,42(6):2149-2163.

[37] Chu H, Venevsky S, Wu C, et al. NDVI-based vegetation dynamics and its response to climate changes at Amur-Heilongjiang River Basin from 1982 to 2015 [J]. Science of the Total Environment, 2019,650: 2051-62.

[38] Abbas A, Jin L, He Q, et al.Temporal and spatial variations of the air temperature in the Taklamakan Desert and surrounding areas [J]. Theoretical and Applied Climatology, 2021,144:873-884.

[39] 林尚榮.考慮區(qū)域氣候特征與植被特征的GPP遙感估算方法研究 [D]. 中國科學院大學(中國科學院空天信息創(chuàng)新研究院), 2020. Lin Shangrong. Research on remote sensing estimation method of GPP considering regional climate characteristics and vegetation characteristics [D]. University of Chinese Academy of Sciences (Aerospace Information Research Institute, Chinese Academy of Sciences), 2020.

[40] 許大全.氣孔的不均勻關閉與光合作用的非氣孔限制 [J]. 植物生理學通訊, 1995,31(4):246-252. Xu Daquan.Non-uniform closure of stomata and non-stomatal limitation of photosynthesis. Plant Physiology Communications [J]. 植物生理學通訊, 1995,31(4):246-252.

[41] Li M, Guan J, Zheng J. Climate Drivers Contribute in Vegetation Greening Stalls of Arid Xinjiang, China: An Atmospheric Water Drying Effect [J]. Water, 2022,14(13):2019.

[42] 劉玉莉,江 洪,周國模,等.安吉毛竹林水汽通量變化特征及其與環(huán)境因子的關系[J]. 生態(tài)學報, 2014,34(17):4900-4909. Liu Yuli, Jiang Hong, Zhou Guomo, et al. Water vapor flux variation characteristic and the relationship with its environment factors in phyllostachys edulis forest in Anji [J]. Acta Ecologica Sinica, 2014, 34(17):4900-4909.

Spatio-temporal changes of NDVI and its response to climate in China from 2001 to 2021.

SUN Rui1, ZHANG Fang-min1*, WENG Sheng-heng2, LIU Qian1

(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters/ Jiangsu Key Laboratory of Agricultural Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China；2.Fujian Institute of Meteorological Sciences, Fuzhou 350007, China)., 2023,43(10)：5519～5528

Based on the MODIS MOD13A3 dataset and climate data to analyze the spatio-temporal variations of NDVI in the nine major basins in China from 2001 to 2021 by statistical methods of linear regression, Theil-Sen trend and Mann-Kendall significance test. Further, the responses of NDVI to precipitation, air temperature, solar radiation and saturated water pressure difference in the nine major basins in China were investigated by using Geodetector analysis. The results showed that NDVI showed a significant upward trend (<0.05) both in China and the nine major river basins from 2001 to 2021. The change rate of NDVI in the Yangtze River Basin, the Pearl River Basin, the Southeast River Basin and the Huaihe River Basin was the largest in winter, the Haihe River Basin in spring, the Southwest River Basin in autumn, and the other river basins in summer. From the perspective of land use change types, the NDVI change rate was ranking in the order of non-urbanized area (0.0026/a) > non-type change area (0.0021/a) > urbanized area (0.0013/a). Moreover, the NDVI of the urbanization areas was degraded in the Southeast River Basin and the Southwest River Basin. Spatially, the change rate of NDVI decreased from east to west and from south to north. The areas with stable vegetation growth accounted for 26.43% of the total area of China, mainly concentrated in the Inland River Basin and the northwest of the Southwest River Basin. The areas with vegetation improvement accounted for 70.31%, mainly distributed in the non-urbanized area of the nine major river basins. The area with vegetation degradation accounted for 3.25%, which was concentrated in the north of the Inland River Basin, the east of the Southwest River Basin, the west of Yangtze River Basin and the coastal basins in the east China. The factor detection results showed precipitation was the main factor controlling the spatial distribution of NDVI across China, followed by air temperature, saturated water pressure difference and solar radiation. In most of the nine river basins, precipitation was still the main determinant, but the saturated water pressure difference was the main determinant in the Yangtze River Basin, the Pearl River Basin and the Huaihe River Basin. In the past 21years, the influence of climatic factors on NDVI in the Yangtze River Basin, the Songliao River Basin, the Yellow River Basin and the Southwest River Basin has mostly increased, while the influence of climatic factors in other river basins has basically decreased.

nine major basins；NDVI；climatic factors；spatial-temporal variations；Geodetector

X171.1

A

1000-6923(2023)10-5519-10

2023-02-27

江蘇省碳達峰碳中和科技創(chuàng)新專項資金資助項目(BK20220017);中國氣象局創(chuàng)新發(fā)展專項資助項目(CXFZ2023J073);江蘇省研究生科研創(chuàng)新計劃資助項目(KYCX23_1338)

* 責任作者, 教授, fmin.zhang@nuist.edu.cn

孫 瑞(1999-),男,黑龍江北安人,南京信息工程大學碩士研究生,主要從事氣候變化與植被響應研究.1016614123@qq.com.

孫 瑞,張方敏,翁升恒,等.2001～2021年中國NDVI時空格局變化及對氣候的響應 [J]. 中國環(huán)境科學, 2023,43(10):5519-5528.

Sun Rui, Zhang F M, Weng S H, et al. Spatio-temporal changes of NDVI and its response to climate in China from 2001 to 2021 [J]. China Environmental Science, 2023,43(10):5519-5528.