赵安周, 张安兵, 赵延旭, 范倩倩，赵玉玲

(1.河北工程大学 矿业与测绘工程学院, 河北 邯郸 056038; 2.河北工程大学河北省煤炭资源综合开发与利用协同创新中心, 河北 邯郸 056038; 3.河北工程大学 建筑与艺术学院， 河北 邯郸 056038)

极端气候事件是指某类气候要素统计量或量值在特定时间段内显著偏离其平均态、且达到或超出其观测或统计量值区间上下限附近特定阈值的事件[1]。相比于气候平均状态，极端气候事件的发生更具有反常性、不可预见性等，会对生态环境和人类社会的健康发展造成更为巨大的影响[2-3]。IPCC第五次评估报告指出，1880—2012年期间，全球平均气温升高了0.85℃(0.65 ～1.06℃)[4]。历时观测数据表明全球气候变暖会增加极端气候事件(洪涝、干旱、热浪等)发生的频率和强度[5]。极端事件的增多使得全球气候变化问题受到了国内外学者的广泛关注。在全球气候变暖的背景下，地处生态环境脆弱区的植被生态系统对极端气候的响应异常敏感，因此有必要选取典型区域对植被覆盖时空演变及其对极端气候事件的响应进行认识和评价。

随着全球气候变化日益受到各个国家和地区的高度关注，全球气候变暖与植被生态系统的关系研究已成为当前国内外学者关注的热点和核心问题[6-7]。目前，气候变化可以分为波动变化、趋势变化以及极端事件3个方面[8]。以往对植被覆盖时空演变的归因分析多关注前两个方面对植被的影响，而对极端事件对植被覆盖变化的影响尚缺乏全面的认识[9]。目前，国外学者针对亚洲蒙古高原[10]、南美洲亚马逊雨林[11]等生态敏感区的植被对干旱、厄尔尼诺等极端事件的响应做了一系列探索性研究，取得了卓有成效的研究成果。遗憾的是，国内关于植被生长对极端气候的响应的研究分析稍显薄弱，尤其是针对陕甘宁等生态脆弱区和敏感区。IPCCAR5同时指出，1960—2009期间中国的地表平均气温上升了1.38℃，高于1951—2012年全球气温的上升速率(0.72°C)[12]，气温的快速上升使得极端气候事件出现的强度和频率都呈现增加的趋势[13]。在全球气候变暖背景下，植被生态系统对极端气候事件的脆弱性逐渐增加，因此，研究植被对极端气候事件的响应对生态系统的健康发展尤为重要。

陕甘宁地区地处中国西北的黄土高原丘陵沟壑区，生态环境脆弱，是全球气候变化的敏感地区和生态工程建设的重点区域，1960—2010年期间，其年均气温的上升速率达到0.336℃/10 a，高于全国的(0.26±0.032)℃/10 a[14]，这些变化将会导致该地区出现干旱等极端事件的频率增大，研究植被覆盖变化对极端事件的响应有助于该地区一系列生态工程建设的顺利实施。鉴于此，利用植被指数和气象数据，辅以趋势分析、Mann-Kendall (M-K)检验以及相关分析等方法，本文分析陕甘宁地区植被覆盖的时空变化特征和极端气候指数的变化特征，并对二者关系进行分析，这对了解区域生态环境演变规律，促进区域生态环境和社会经济的健康发展具有重要的意义。

1　数据来源与研究方法

1.1　研究区概况

陕甘宁地区处于黄土高原中部的丘陵沟壑区，是我国生态环境治理的重点区域。总面积约1.38×105km2，在行政单元上包括陕西25县，甘肃8县以及宁夏的8县。气候类型属于暖温带大陆性季风气候向温带半干旱气候的过渡带，降水呈从南向北逐渐减小的趋势，年降水量在330～570 mm，年际变化大，50%以上的降水集中在6—9月。主要地貌类型为山、塬、川。由于地形地貌、强降水和人类活动的影响，使得该地区植被稀疏，水土流失严重[15]。该地区的植被类型主要包括栽培作物、林地、草地、灌丛等(附图7)。

1.2　数据来源及预处理

2000—2014年的遥感数据来源于美国国家航空航天局(NASA)的EOS/MODIS数据产品中的MOD13Q1 NDVI数据(http:∥e4ftl01.cr.usgs.gov)，其时间分辨率为16 d，空间分辨率为250 m×250 m。该数据产品具有较高的空间分辨率，同时经过云、气溶胶、水汽等处理，因此被广泛应用于区域植被覆盖时空变化的研究。首先，使用MRT(MODIS Reprojection Tools)将所下载的MODIS—NDVI数据进行格式和投影转换；然后，为消除异常值得影响，采用大合成法(MVC)合成月NDVI数据，并统计其年平均值。年NDVI为12个月NDVI的均值，春季、夏季、秋季和冬季分别为3—5月、6—8月、9—11月以及12—次年2月。同时为消除植被覆盖较低区域的影响,参照该地区的植被类型图和已有的研究[16]，将2000—2014年多年生长季NDVI均值大于0.1的区域作为植被区域。

植被类型数据来源于中国1∶100万植被数据集，陕甘宁地区的植被主要包括栽培作物、林地、灌丛、草地等。另外，2000—2014年陕甘宁地区14个气象站点的日降水、平均气温、最高/最低气温数据来源于中国气象数据网(http:∥data.cma.cn/)。本文所选数据均经过了极值检验等严格的质量检查。同时，为保证结果的可信度，利用RClimDex软件对所获取的资料进行异常值和错误值的筛选、日最高气温是否小于最低气温等质量控制[17]。

1.3　研究方法

1.3.1极端气候指数的计算极端气候指数定义是基于世界气象组织气候委员会(CCI)、全球气候研究计划(WCRP)气候变化以及可预测性计划(CLIVAR)气候变化检测、监测和指标专家组(ETCCDMI)等组织和机构所确定的气候变化检测指数[18]。这些指数目前已广泛应用于极端气候研究中。本文所选取的极端指数包括2个极端降水指数和10个极端气温指数，具体见表1。年极端指数为12个月极端指数的均值，春季、夏季、秋季和冬季极端指数分别为3—5月、6—8月、9—11月以及12—次年2月极端指数的均值。

表1　极端指数的定义

1.3.2趋势分析利用非参数化趋势度(Sen)方法[19]来计算2000—2014年陕甘宁地区NDVI的变化趋势，并采用M-K[20]方法检验其变化趋势的显著性，具体计算公式如下：

(1)

(2)

(3)

(4)

式中：Slope为NDVI的变化趋势；tj和ti为时间序数；NDVIi和NDVIj分别为第i个月和第j个月的NDVI值；n为研究时序。当Slope>0的时候，NDVI呈上升的趋势；Slope<0的时候，NDVI呈下降的趋势。若1.56<|Z|<1.96，NDVI呈弱显著变化趋势(p<0.1)；1.96≤|Z|<2.56,NDVI呈显著变化趋势(p≤0.05)；|Z|≥2.56，NDVI呈极显著变化趋势(p≤0.01)。

1.3.3 相关分析相关系数的计算公式如下[21]：

(5)

2　结果与分析

2.1　NDVI时间变化特征

2000—2014年陕甘宁地区NDVI呈显著增加的趋势，其增加速率为0.066/10 a (p<0.001)。2000年的NDVI年平均值为0.238 4，到2014年增加到0.356 2，增长率为49.41%。期间，2001—2002，2011—2012，2000—2001年的增加速率最快，其增长率分别为16.17%，8.03%和6.33%(图1)。

图12000-2014年陕甘宁地区NDVI变化

同时，根据研究区植被类型图，进一步分析了2000—2014年陕甘宁地区不同植被类型的NDVI变化趋势(图2)，从图中可知，草地、灌丛、栽培作物、针叶林和阔叶林均呈现显著上升的趋势(p<0.001)，其上升速率分别为0.06/10 a，0.058/10 a，0.077/10 a，0.039/10 a和0.036/10 a，栽培作物的上升速率最大，其次为草地。从不同植被的NDVI值来看，针叶林的NDVI年平均值最大，介于0.511 4～0.590 5，草地的NDVI值最小，介于0.193 9～0.301 1。

图22000-2014年陕甘宁地区不同植被类型的NDVI变化

2.2　NDVI空间变化特征

2000—2014年期间陕甘宁地区NDVI均值呈从东南到西北递减的态势，高值区主要分布在东南部的子午岭、黄龙山等地，这些地区的植被类型主要为落叶阔叶林、针叶林等，植被长势较好；低值区主要分布在榆林的西北部、吴忠市的东南部等地，这些地区多为戈壁沙漠，植被较为疏松(附图8)。NDVI的频率分布图显示陕甘宁地区呈现单峰的结构，NDVI的平均值为0.307 8，总体植被覆盖较差，NDVI值小于0.5的像元比例达到90.19%，其中介于0.2～0.3之间的像元数最多，比例达到39.58%。

2.3　NDVI空间趋势特征

为进一步分析陕甘宁地区NDVI的变化情况，采用Sen方法来计算2000—2014年陕甘宁地区NDVI的变化趋势，并采用M-K方法检验其变化趋势的显著性。结果表明，陕甘宁地区NDVI整体呈现上升的趋势，呈上升和减小趋势的面积分别占97.92%和1.95%(附图9)，其中呈极显著上升和显著上升的区域分别占60.70%和14.99%，主要分布在榆林、延安等地区，其主要原因为这些地区为"退耕还林还草"等一系列生态工程重点实施的区域，在这些生态工程的实施下，该地区的NDVI 呈显著增加的趋势，变化不显著的区域仅占17.39%，主要分布在该地区的东南部的山地等区域，其主要原因是这些地区植被主要为林地，变化相对稳定。

2.4　极端气候指数变化趋势

2000—2014年陕甘宁地区12个极端指数的变化趋势见图3。从图中可以看出，RX1day,TMAXmean,TNx,TX10,TX90,TXn 和TXx呈现下降的趋势，其下降速率分别1.66 mm/10 a，0.17℃/10 a，0.74℃/10 a，0.14℃/10 a，1.07℃/10 a，0.29℃/10 a 和1.35℃/10 a。而RX5day,TMINmean,TN10,TN90 和TNn呈现增加的趋势，其增加速率为2.24 mm/10 a,0.001℃/10 a,1.38 day/10 a,0.64 day/10 a 和0.39℃/10 a，除TXx外，其他所有极端指数的变化均未通过0.05置信水平检验。

2.5　不同月份NDVI与极端气候指数的关系

由于植被生长对降水、气温等气象因子存在一定的滞后性，因此年尺度的相关性并不能很好的解释植被与极端降水、气温的相关性[16]。鉴于此，本文从月尺度上分析了2000—2014年陕甘宁地区月NDVI与12个极端气候指数的相关性。结果显示NDVI与RX5day，RX1day，TMAXmean，TMINmean，TNx，TNn，TXn 和TXx有显著的相关性(p<0.01)，其决定系数R2都在0.60以上。但与TN10，TN90，TX10p和TX90p的相关性较低(p>0.05)，其决定系数R2都在0.1以下(图4)。

图32000-2014年陕甘宁地区极端气候指数变化趋势

鉴于此，选取与NDVI相关性较好的8个极端气候指数，分析不同植被类型的月NDVI与极端气候指数的相关性(表2)。从植被类型来看，不同的植被类型对极端气候指数的响应有所不同，但其NDVI与RX5day，RX1day，TMAXmean，TMINmean，TNx，TNn，TXn 和TXx均有显著相关性(p<0.01)。对草地、灌丛、栽培作物、针叶林和阔叶林而言，RX5day可以解释植被变化的66.11%,63.34%,65.14%,57.86%和57.31%(表2)。

2.6　不同季节NDVI与极端气候指数的关系

考虑到不同的季节NDVI对极端气候指数的响应不同，本文进一步分析了不同季节NDVI与极端气候指数的相关性(表3)。

从表中可以看出，春季和秋季的NDVI与极端降水指数(RX1day和RX5day)和极端气温指数(TMAXmean，TMINmean，TNn，TNx，TXn和TXx)均有显著的相关性(p<0.01)；夏季的NDVI仅与RX1day和RX5day呈显著正相关(p<0.05)，与TMAXmean和TXx呈显著负相关(p<0.01)；在冬季，NDVI与极端降水指数呈现负相关，其中与RX1day有显著的相关性(p<0.05)。

表2　2000-2014年陕甘宁地区不同植被类型月NDVI与月极端气候指数的相关性

表3　不同季节NDVI与极端气候指数的相关性

注：**和*分别代表0.01，005显著性水平，下表同。

同时，本文进一步分析了陕甘宁地区不同季节14个气象站点的NDVI与极端气候指数的相关性，具体步骤为如下：(1)以气象站点为中心，提取站点周边3×3像元范围内的NDVI均值作为该站点的NDVI值；(2)基于上述结果，逐站点计算NDVI与极端气候指数的相关系数。在春季和秋季，所有气象站点的NDVI与极端气候指数均呈现显著的正相关(p<0.05)；在夏季，除洛川站外，所有气象站点的NDVI与降水极端气候指数(RX1day和RX5day)均呈现正相关，但是只有21.43%和42.86%的气象站点通过了0.05显著性水平检验，主要分布在中部地区，对于TMINmean，TNn，TNx和TXn极端气温指数来说，只有28.57%，21.43%，14.19%和7.15%的站点与NDVI呈显著正相关(p<0.05)，对TMAXmean和TXx极端气温指数来说，除西吉站外，所有气象站点的NDVI与极端气候指数均呈现负相关，但只有21.43%和28.57%的站点通过了0.05显著性水平检验，主要分布在北部的榆林等地；在冬季，所有站点的NDVI与极端降水指数呈负相关，50%和85.71%的站点通过了0.05显著性水平检验，对于极端气温指数来看，所有站点的NDVI与TMAXmean呈现正相关，除了西北部的西吉站外，其他所有站点均未通过0.05显著性水平检验，50%，64.29%，28.57%，92.86%和92.86%的气象站点的NDVI与TMINmean，TNn，TNx，TXn和TXx呈正相关，但均未通过0.05显著性水平检验。

2.7　NDVI与极端气候指数的滞后性分析

由于植被生长对水热条件的改变存在一定的滞后性，本文进一步分析了NDVI与当月、前1个月、前2个月以及前3个月极端气候指数的相关性(表4)。从表中可以看出，陕甘宁地区月NDVI与当月、前1个月、前2个月的极端气候指数均存在显著相关性(p<0.01)，与前3个月的极端气温指数存在显著的相关性(p<0.05)，与极端降水指数(RX1day和RX5day)和极端气温指数(TMAXmean和TXx)前1个月的相关性大于当月、前2个月以及前3个月，表明该地区的植被对这些极端气候的响应存在滞后性。

表4　月NDVI与当月、前1个月、前2个月、前3个月极端气候指数相关系数

图42000-2014年陕甘宁地区月NDVI与月极端气候指数的相关性

3　结论与讨论

(1) 2000-2014年期间陕甘宁地区植被NDVI呈显著增加趋势，其增加速率为0.066%/10 a (p<0.001)。分植被类型来看，草地、灌丛、栽培植被、针叶林和阔叶林均呈现显著上升的趋势(p<0.001)。

(2) 空间上，陕甘宁地区的植被NDVI呈从东南到西北减小的趋势，高值区主要分布在东南部的子午岭、黄龙山等山区，低值区主要分布在西北部的榆林等地。植被NDVI整体呈上升的趋势，其中呈极显著上升和显著上升的区域分别占60.70%和14.99%。

(3) 极端气候指数中，RX5day，TMINmean，TN10，TN90和TNn呈现增加的趋势、其他极端气候指数呈现下降的趋势，除TXx外，其他所有极端指数的变化均未通过0.05置信水平检验。

(4) 相关分析表明，在月尺度上，NDVI与RX5day，RX1day，TMAXmean，TMINmean,TNx，TNn，TXn和TXx存在显著相关性，从植被类型来看，不同的植被类型对的NDVI与RX5day，RX1day，TMAXmean，TMAXmean，TNx，TNn，TXn 和TXx均有显著相关性。

(5) 滞后性分析表明陕甘宁地区植被月NDVI与极端降水指数(RX1day和RX5day)和极端气温指数(TMAXmean和TXx)前1个月的相关性大于当月、前2个月以及前3个月，表明该地区的植被对这些极端气候的响应存在一定的滞后性。

极端气候事件对植被的影响是一个非常复杂的过程，目前已经受到国内外学者的广泛关注[10,22-24]。相关分析表明，在月尺度，NDVI与RX1day，RX5day，TMAXmean，TMINmean，TNn，TNx，TXn和TXx有极强的相关性，这与Tao等在鄱阳湖流域的研究结果类似[25]。在不同的季节，NDVI与极端气候指数相关性不同，春季和秋季的相关性高于冬季和夏季，主要是由于温度过高会加速地表蒸散发的过程，使得土壤水分的减小，抑制植被的生长[26]。此外，随着近年来陕甘宁地区农业生产水平的逐步提高，其生活方式也发生了改变，人口对该区域生态环境的压力有所减轻，在没有大的气候波动的情况下，该地区的植被未来将呈现平稳增长的趋势[14]。但区域气候模式表明，2011—2050年陕甘宁地区会出现暖干化的变化趋势，因此需要进一步评估未来气候场景下的极端气候事件对植被的影响，明确极端气候事件与植被的相互影响机制。

参考文献:

[1]郑景云,郝志新,方修琦,等.中国过去2000年极端气候事件变化的若干特征[J].地理科学进展,2014,33(1):3-12.

[2]刘宪锋,朱秀芳,潘耀忠,等.近53年内蒙古寒潮时空变化特征及其影响因素[J].地理学报,2014,69(7):1013-1024.

[3]Easterling D R, Meehl G A, Parmesan C, et al. Climate extremes: Observations, modeling, and impacts[J]. Science, 2000,289(5487):2068-2074.

[4]Liao H, Chang W. Integrated assessment of air quality and climate change for policy-making: highlights of IPCC AR5 and research challenges[J]. National Science Review, 2014,1(2):176-179.

[5]赵安周,刘宪锋,朱秀芳,等.1965—2013年黄土高原地区极端气温趋势变化及空间差异[J].地理研究,2016,35(4):639-652.

[6]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.

[7]Ma Z, Peng C, Zhu Q, et al. Regional drought-induced reduction in the biomass carbon sink of Canada′s boreal forests[J]. Proceedings of the National Academy of Sciences, 2012,109(7):2423-2427.

[8]Ding M, Zhang Y, Liu L, et al. The relationship between NDVI and precipitation on the Tibetan Plateau[J]. Journal of Geographical Sciences, 2007,17(3):259-268.

[9]刘宪锋,潘耀忠,朱秀芳,等.2000—2014年秦巴山区植被覆盖时空变化特征及其归因[J].地理学报,2015,70(5):705-716.

[10]John R, Chen J, Ou-Yang Z T, et al. Vegetation response to extreme climate events on the Mongolian Plateau from 2000 to 2010[J]. Environmental Research Letters, 2013,8(3):33-35.

[11]Hilker T, Lyapustin A I, Tucker C J, et al. Vegetation dynamics and rainfall sensitivity of the Amazon[J]. Proceedings of the National Academy of Sciences, 2014,111(45):16041-16046.

[12]Stocker T F. Climate change 2013: The physical science basis: Working Group I contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change[M]. Cambridge University Press, 2014.

[13]Reichstein M, Bahn M, Ciais P, et al. Climate extremes and the carbon cycle[J]. Nature, 2013,500(7462):287-295.

[14]李双双,延军平,万佳.近10年陕甘宁黄土高原区植被覆盖时空变化特征[J].地理学报,2012,67(7):960-970.

[15]Li S, Yang S, Liu X, et al. NDVI-based analysis on the influence of climate change and human activities on vegetation restoration in the Shaanxi—Gansu—Ningxia region, Central China[J]. Remote Sensing, 2015,7(9):11163-11182.

[16]刘宪锋,朱秀芳,潘耀忠,等.1982—2012年中国植被覆盖时空变化特征[J].生态学报,2015,35(16):5331-5342.

[17]王琼,张明军,王圣杰,等.1962—2011年长江流域极端气温事件分析[J].地理学报,2013,68(5):611-625.

[18]李双双,杨赛霓,刘宪锋.1960—2013年秦岭—淮河南北极端降水时空变化特征及其影响因素[J].地理科学进展,2015,34(3):354-363.

[19]Sen P K. Estimates of the regression coefficient based on Kendall′s tau[J]. Journal of the American Statistical Association, 1968,63(324):1379-1389.

[20]Kendall M G. Rank correlation methods[J]. British Journal of Psychology, 1984,25(1):86-91.

[21]Peng J, Liu Z, Liu Y, et al. Trend analysis of vegetation dynamics in Qinghai-Tibet Plateau using Hurst Exponent[J]. Ecological Indicators, 2012,14(1):28-39.

[22]赵舒怡,宫兆宁,刘旭颖.2001—2013年华北地区植被覆盖度与干旱条件的相关分析[J].地理学报,2015,70(5):717-729.

[23]张彬,朱建军,刘华民,等.极端降水和极端干旱事件对草原生态系统的影响[J].植物生态学报,2014,38(9):1008-1018.

[24]Liu G, Liu H, Yin Y. Global patterns of NDVI-indicated vegetation extremes and their sensitivity to climate extremes[J]. Environmental Research Letters, 2013,8(2):025009.

[25]Tan Z, Tao H, Jiang J, et al. Influences of climate extremes on NDVI(normalized difference vegetation index)in the Poyang Lake Basin, China[J]. Wetlands, 2015,35(6):1033-1042.

[26]周德成,赵淑清,朱超.退耕还林工程对黄土高原土地利用/覆被变化的影响:以陕西省安塞县为例[J].自然资源学报,2011,26(11):1866-1878.