张更喜，粟晓玲，郝丽娜，吴海江

基于NDVI和scPDSI研究1982－2015年中国植被对干旱的响应

张更喜1,2，粟晓玲1,2※，郝丽娜1，吴海江1

（1. 西北农林科技大学水利与建筑工程学院，杨凌 712100；2. 西北农林科技大学旱区农业水土工程教育部重点实验室，杨凌 712100）

随着气候变化与人类活动的加剧，中国干旱频繁发生且影响不断加剧，探索干旱对植被生长的影响对研究生态系统如何应对干旱具有重要意义。基于中国1982—2015年改进帕尔默干旱指数（scPDSI）与归一化植被指数（NDVI）数据，分析植被对干旱的响应规律及敏感性。结果表明：1）在中国西北地区、内蒙古地区、东部地区及青藏高原南部地区，短滞时（1-3月）scPDSI与NDVI的相关性较大（max>0.4），南方湿润地区降水充沛，植被对干旱的响应不敏感（max<0.3），其生长主要受能量因素控制；2）年均水分盈亏量、降水量、日照时数和气温对植被与干旱的关系影响较大，其中年均水分盈亏量是主要控制因子；3）不同植被类型对干旱的敏感性有较大差异，敏感排序为草地>林地>耕地。研究结果可为中国不同区域干旱对植被生长影响评估提供科学依据。

植被；干旱；遥感；scPDSI；NDVI；响应

0 引 言

干旱是一种持续时间长、影响范围广、频发性高的自然变异，世界上很多国家和地区都曾受到干旱侵袭，对当地水资源供给、农业生产、社会经济发展等造成了不同程度的损害[1-2]。中国是一个干旱频发的国家，据统计，在1990－2007年间平均每两年就会发生一次极端干旱事件，平均每次干旱事件引起的粮食减产量达392亿kg，占国民生产总值的1.47%，因干旱引起的经济损失达120亿美元[3]。随着气候变化和人类活动的加剧，干旱发生的强度和频次都有增加的趋势，加剧了区域水资源供需矛盾，导致一系列连锁灾害，尤其是对陆地生态系统的影响更加严峻[4-5]。2000年后，极端干旱事件的发生更加频繁，如2009－2010年西南地区的冬-春旱灾，2011年黄河中下游地区的春-夏旱灾，2014年全国共26省（自治区、直辖市）发生旱灾，导致粮食作物减产200.65亿kg，经济作物损失275.76亿元，直接经济损失909.76亿元。由于干旱的复杂性，目前对不同种类植被对干旱的响应机理认识有限，陆地植被对干旱的响应是目前干旱生态研究中的重要科学问题[6-10]，深入了解植被与干旱的关系对于提高生态系统对气候变化的响应关系预测具有重要意义。

干旱对植被的生长具有重要影响，严重的干旱可能造成植被的大面积死亡[9]。已有众多学者从不同方向研究了植被对干旱的响应过程[6,7,11-14]。其中，最具代表性的是Vicente-Serrano等[7]利用遥感数据和树木年轮数据对全球尺度不同类型植被对SPEI响应关系的研究，结果表明，旱区植被对干旱的响应更加敏感。此外，有学者对区域尺度NDVI对干旱的响应机制[6,11-12,15-17]，净初级生产力（NPP）或总初级生产力（GPP）对干旱的响应关系[13,18]以及干旱对水分利用效率（WUE=GPP/ET）的影响[10,19]进行了研究。但已有文章大多利用SPI或SPEI表征干旱状况，分析气象干旱对植被的影响程度。很少有文章分析物理意义更明确的帕尔默干旱烈度指数（PDSI）对植被的影响。PDSI的计算考虑了水量平衡的全过程，包括降水、土壤含水量、径流和潜在蒸散量，能够更精确的描述区域干旱状况，尤其是scPDSI[20]的提出，大大增加了PDSI的空间可比性，得到了广泛应用[21-24]。

鉴于此，本文基于东英格利亚大学气候研究中心发布的scPDSI数据集和NASA发布的GIMMS NDVI3g数据集分析中国大陆地区农业干旱对植被的影响。主要研究内容包括中国不同区域NDVI对干旱的响应关系及敏感性分析；不同典型水分盈亏区及不同植被类型 NDVI对scPDSI响应关系的影响因素分析。研究旨在深入了解干旱对中国不同气候区生态系统的影响，为制定相应规划以减少生态和经济损失提供科学指导。

1 数据与方法

1.1 NDVI与土地利用数据集

本文使用的标准化植被指数（NDVI）数据为GIMMS NDVI3数据集（https://ecocast.arc.nasa.gov/data/pub/gimms），空间分辨率为1/12°，时间范围为1982－2015年。该数据集由NOAA AVHRR卫星数据反演得到，已经过大气校正和几何校正，并消除了与植被无关的其他影响[6,25]，已被广泛应用于全球或区域尺度的植被动态监测、植被对气候变化的响应等研究中，并取得了良好效果[7,11-12]。本文使用的土地利用数据来源于资源环境数据云平台（http://www.resdc.cn/），数据生产制作是以各期Landsat TM/ETM遥感影像为主要数据源，通过人工目视解译生成，其空间分辨率为1km，分为6个一级类型和25个二级类型，本文仅使用一级类型（图1a），利用Arcgis将其重采样为1/12°网格数据集。

图1 2000年中国土地利用类型图及中国气候分区图[6]

1.2 气象数据处理

本研究所需气象数据包括降水、气温、日照时数、气压、相对湿度及风速等，数据来源于中国气象数据网（http://data.cma.cn/），筛选出序列齐全的614个站点的月数据，计算出降水、气温和日照时数的年均值，利用Arcgis克里金插值算法将站点数据插值为1/12°网格数据。利用R语言SPEI包的Penman（Penman-Monteith）公式计算出潜在蒸散发（PET），计算降水与PET的差值为水分盈亏量，整合为年均值数据，通过克里金算法插值为1/12°网格数据。

1.3 气候区划

中国地域辽阔，地形复杂，西高东低，山地、高原、丘陵占总面积的2/3，平原、盆地面积不足1/3；气候类型多样，由南向北分布着热带季风气候、亚热带季风气候、温带季风气候、温带大陆性气候，以及高山高原气候[26]。因此，需要对中国进行气候区划以探索不同区域植被对干旱的响应关系。温度和降水是计算干旱指数（scPDSI）的主要气象数据，NDVI是代表植被生长状况的指标，站点经纬度代表站点位置，高程表征地势，区域划分应将这些因素考虑在内。Zhang等[6]将以上变量作为输入数据，利用模糊C均值聚类算法，选用4个指标（（fuzziness performance index（FPI），normalized classification entropy（NCE），partition index（SC），xie and Beni's Index（XB））作为聚类数的选择标准，最终将研究区域划分为8个区域。其结果与本研究所需区划相匹配，所以采用其区划结果。区划的目的是为了在宏观尺度了解中国不同区域干旱对植被的影响，所以8个子区域是可行的，也与其他类似研究相符[26-27]，以便于结果的比较。而更细致的响应关系是通过栅格尺度NDVI与scPDSI相关系数分布图获取。

1.4 scPDSI数据集

scPDSI数据集（self-calibrating palmer drought severity index based on Penman-Monteith）来源于东英格利亚大学气候研究中心（climatic research unit，CRU），下载网址为（http://www.cru.uea.ac.uk/data），空间分辨率为0.5°×0.5°，时间范围为1901－2017年，新疆地区有缺失数据，缺失地区不参与计算，在图中以白色表示。为匹配NDVI数据，将1982—2015年的scPDSI数据重采样为1/12°的空间分辨率。

1.5 相关性分析

相关系数是衡量数据间相关关系的重要工具，使用最广泛的为皮尔逊相关分析。借鉴Vicente-Serrano等[7]对SPEI与NDVI响应关系的研究方法，文中的相关系数表示时段最大相关系数。考虑到干旱对植被影响的滞后性，本文分别在栅格尺度与区域尺度上对NDVI（1-12月）与滞后1-，2-，…，12-月的scPDSI进行相关性分析，得到NDVI与scPDSI的相关系数分布图。数据系列长度为34年，所以最大相关系数值0.3和0.4分别对应5%和1%的显著性水平。

式中表示皮尔逊相关；表示第月（1－12）；表示滞后时间（1－12月）；NDVI为第月的NDVI值；scPDSI-j表示相对于第月NDVI滞后月的scPDSI值；scPDSI12-jpre表示大于时滞后月的前一年PDSI值。

2 结果与分析

2.1 区域植被对干旱的响应分析

中国地域辽阔、自然环境各异、气候差异显著，植被对干旱的响应关系也各不相同。为更合理分析不同区域NDVI对干旱的响应关系，参照Zhang等[6]对中国的分区结果，对各分区分别进行研究。

scPDSI与NDVI的最大相关系数表示干旱对植被的影响程度，相关系数滞时能够反映干旱对植被影响的敏感性，滞时越短，植被对干旱的响应越敏感。对每个栅格计算NDVI与scPDSI的相关系数，结果显示，NDVI对干旱响应的敏感区域主要集中在内蒙古地区、新疆北部区域、陕西北部及宁夏地区、山东、河北、北京和天津地区以及青藏高原南部地区（图2a）。不同分区、不同月份相关系数的分布差异很大。总体而言，夏秋季节（6－9月）干旱对植被影响显著，相关系数在7月份达到最大值（图2b）。北方内蒙古、陕西北部及宁夏地区（分区5）和东部山东、北京及天津地区（分区2）NDVI对干旱响应更加强烈，6、7月份显著性相关面积占总面积的50%以上，其他区域显著性比例较低。南方地区雨量充沛，影响植被时间变化的主要因素为光照、温度等能量因素；新疆地区沙漠分布广泛，植被稀少，干旱对植被的影响关系不易察觉。

图2 NDVI与scPDSI相关系数分布及不同分区、不同月份显著性相关面积比例

本文选取不同滞时scPDSI与NDVI进行相关性分析，以探索不同区域植被对干旱响应的敏感性（图3）。如图3所示，滞时为1月时，NDVI与scPDSI最大相关系数满足显著性面积的比例最大，随着滞时的增加，相关系数逐渐减小，满足显著性的面积比例亦呈递减趋势。表明1个月滞时scPDSI对NDVI的影响最为敏感。

图3 不同分区NDVI与scPDSI最大相关系数滞时分布

植被对干旱响应敏感区域集中在内蒙古地区、新疆北部、山东、陕西北部及青藏高原南部地区，证明这些区域植被生长主要受干旱影响，敏感性较强，水分是植被生长的主要控制因子。在降水量丰富的南方地区，scPDSI与植被指数相关系数随滞时的增加变化不大，植被生长受干旱的影响较弱，水分因子并不是影响植被生长的主要因素，植被生长主要受温度、日照时数等能量因素的影响。

由于植被对干旱的响应存在滞后性，且不同区域植被对干旱的敏感性有所差异，因此分别对8个分区的scPDSI滞时和最大相关系数及显著性面积比例的关系进行了分析。如图4所示，大部分区域1月滞时scPDSI与NDVI相关性最大，其中分区2（包括山东、河北、北京和天津地区）与分区5（包括内蒙古地区、陕西北部区域及宁夏地区）的scPDSI与NDVI相关系数明显大于其他分区，相关系数均值分别达0.45和0.41，相关系数满足显著性的面积比例高达80%，表明干旱对植被影响显著。南方湿润地区雨量充沛，植被生长主要受能量因素控制（温度、日照时数等），对干旱的响应不够敏感，且滞后时间较长。

图4 各分区不同月份最大相关系数均值、面积比例与滞时关系

如图5a所示，干旱对植被影响显著的区域集中在内蒙古地区、新疆北部、山东、陕西北部、甘肃东部及青藏高原南部区域。在中部与南方湿润区（浙、两湖、两广、福建、台湾、海南等地），scPDSI与NDVI呈负相关主要与南方植被对干旱具有的较强的弹性和恢复力有关，同时干旱时期由于云量覆盖减少，太阳辐射增加可能有助于南方植被的生长[28-29]。除此之外，在东北平原东北部区域、长白山区及四川盆地西部，scPDSI与NDVI呈现出负相关关系。

如图5b所示，植被生长对干旱的响应还受滞时的影响，在东北平原东部区域、新疆中北部、山东中部、内蒙古西部及云贵高原大部分区域，滞时集中在3－6月。以上区域植被类型以草地和耕地为主，根系分布较浅，无法直接吸收地下水维持植被生长，对干旱的滞后时间较短，响应较为敏感。在东北平原东北部、东南沿海区域、青藏高原南部区域，植被对干旱的响应滞时主要集中在8－12月，植被对干旱的响应较为迟缓。然而，造成上述分区植被对干旱响应迟缓的可能原因是复杂的，并且各区域影响因素各异。在长江中下游地区，珠江三角洲和京津冀地区，由于城市化进程加快，社会经济发展迅速，植被变化主要是受人为干扰。中国东南部大部分地区气候湿润，降水丰富，因此降水量和蒸散量的变化不是植被变化的主要因素，这是造成NDVI与scPDSI之间相关性较低的主要原因。中国东北和长白山以针叶林为主，这种植物耐旱耐寒，四个季节都呈现出绿色状态，NDVI监测效果变差，这是植被变化对干旱敏感性低的主要原因。此外，四川省西部，天山南北坡均以森林，高原草甸和草为主，而且这些地区主要被冻土和积雪覆盖，可用水量的变化受降水以及冻土和积雪融化的影响，因此，这些区域的植被变化对干旱的响应相对较为迟缓。安徽、江苏地区，耕地面积分布广泛，农业灌溉还增强了农作物对干旱的抵抗力，导致了更长的植被对干旱响应的滞时较长。

图5 NDVI与scPDSI最大相关系数及相应的滞时分布

2.2　影响因素分析

水热条件是影响植被空间分布的主要因素，水分盈亏量综合考虑了降水与蒸发的共同作用，能够反映水量收支平衡状况[30]，是森林梯度分布差异和陆地生态系统生物多样性的主要驱动力[31]，是造成湿润地区与干旱地区植被对干旱事件抵抗能力及旱后的恢复能力差异的主要因素[32-33]。中国多年平均水分盈亏状况呈现由东南向西北的递减趋势（图6）。中国西北地区及内蒙古地区年均水分盈亏量低于−1 000 mm，属于典型的干旱区；长江中下游地区及东南沿海地区年均水分盈亏量在600 mm以上，属于典型的湿润区。依据水分盈亏状况分布图，选择8个典型区域分析不同气象因子对植被与干旱关系的影响。中国地域辽阔，各地气候、地形差异大，植被种类多样，不同区域植被对干旱响应的差异性除受降水、蒸发等因素影响外，还有可能受到其他气象因子的制约。因此，除水分盈亏量外，本文还分析了年均降水、年均气温和日照时数对植被与干旱关系的影响。

对8个典型区域（图6）各气象因子与植被和相关系数和滞时进行线性回归分析。如图7a所示，水分盈亏量与scPDSI和NDVI最大相关系数线性关系显著，2达到了0.45，满足0.01的显著性水平。随水分盈亏量的增加，干旱对植被的影响逐渐减弱。水分盈亏量对干旱地区植被与干旱关系的影响明显强于湿润地区（图7a）。水分盈亏量对滞时的影响以0为界，分为两部分，当水分盈亏量小于0时，对滞时的影响显著，随水分盈亏量的增加，滞时呈显著增加趋势；当水分盈亏量大于0时，对滞时的影响较弱。

注：黑色方框表示典型水分盈亏区域。

年均降水量对NDVI与scPDSI响应关系的影响与水分盈亏量类似，显著性水平略低于水分盈亏量（图7b，7f）。年均降水量对滞时的影响以600 mm为界，其影响趋势与水分盈亏量对滞时的影响情况类似，表明在干旱区植被对干旱的响应更加敏感。

日照时数是最关键的热量影响因子，日照时数越高的区域，植被与干旱的相关关系越显著，主要集中在青藏高原区、东部、新疆和内蒙古地区。年均日照时数对滞时的影响并不明显，在日照时数大于6h的区域，滞时随日照时数的增加呈减小趋势（图7c，7g）。

图7 典型区域NDVI与scPDSI最大相关系数和滞时与气象因子的关系

年均气温的影响分为两个阶段，年均气温小于5 ℃时，其对scPDSI与NDVI相关性的影响显著，2为0.68（<0.01），主要集中在东北地区，西北地区和青藏高原区；年均气温大于5 ℃时，气温对植被与干旱相关性的影响较弱。年均气温小于5 ℃时，滞时随气温的增加呈显著减小趋势，在西北地区、内蒙古地区和青藏高原南部地区，植被对干旱的响应滞时最短，干旱对植被的影响最为敏感（图7d，7h）。

不同植被类型对干旱的响应关系也有所差异，整体而言，草地对干旱的敏感性大于林地和耕地，主要是由于草地根系较浅，其生长主要依赖浅层土壤水，干旱发生后，土壤水分因得不到及时补充而影响植被生长。

3 结 论

本文利用scPDSI与NDVI来研究中国不同区域植被对干旱的响应关系、敏感性和不同气候因子对植被与干旱相关关系及滞时的影响，得到以下主要结论：

1）在中国大部分地区，NDVI与scPDSI呈正相关关系，西北地区、内蒙古地区、东部地区及青藏高原南部地区的scPDSI与NDVI的max在0.3以上，满足0.05的显著性检验，滞后时间为1～3个月，表明植被生长主要受水资源可利用量的影响；南方湿润地区植被对干旱的响应不敏感，且滞后时间长（>6月）其生长主要受能量因素控制，对干旱的弹性和恢复力较强。

2）植被对干旱的响应关系受气候因子的影响，年均水分盈亏量、年均降水量、年均日照时数和年均气温对植被与干旱的关系影响较大，其中年均水分盈亏量是主要水分控制因子，水分盈亏量与max呈显著负相关关系（2=0.45，<0.01）；在低温、高日照时数区域，植被对干旱的响应更为敏感。

3）不同类型植被对干旱的敏感性有较大差异，草地对干旱的响应最为敏感。主要是由于草地根系较浅，其生长主要依赖浅层土壤水，干旱发生时，土壤水蒸散量较大，又得不到降水的及时补充，影响植被生长。

[1] Mishra A K, Singh V P. A review of drought concepts[J]. Journal of Hydrology, 2010, 391(1/2): 202－216.

[2] Chang J, Li Y, Wang Y, et al. Copula-based drought risk assessment combined with an integrated index in the Wei River Basin, China[J]. Journal of Hydrology, 2016, 540: 824－834.

[3] Leng G, Tang Q, Rayburg S. Climate change impacts on meteorological, agricultural and hydrological droughts in China[J]. Global and Planetary Change, 2015, 126: 23－34.

[4] Sheffield J, Wood E F, Roderick M L. Little change in global drought over the past 60 years[J]. Nature, 2012, 491(7424): 435－438.

[5] Kate M, Benjamin I C, Celine J W B, et al. Twentieth-century hydroclimate changes consistent with human influence[J]. Nature, 2019, 569: 59－65.

[6] Zhang Q, Kong D, Singh V P, et al. Response of vegetation to different time-scales drought across China: Spatiotemporal patterns, causes and implications[J]. Global and Planetary Change, 2017, 152: 1－11.

[7] Vicente-Serrano M S, Gouveia C, Camarero J J, et al. Response of vegetation to drought time-scales across global land biomes[J]. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(2): 52－57.

[8] 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.

Zhang Bin, Zhu Jianjun, Liu Huamin, et al. Effects of extreme rainfall and drought events on grassland ecosystems[J]. Chinese Journal of Plant Ecology, 2014, 38(9): 1008－1018. (in Chinese with English abstract)

[9] Doughty C E, Metcalfe D B, Girardin C A J, et al. Drought impact on forest carbon dynamics and fluxes in Amazonia[J]. Nature, 2015, 519(7541): 78－82.

[10] Huang L, He B, Han L, et al. A global examination of the response of ecosystem water-use efficiency to drought based on MODIS data[J]. Science of the Total Environment, 2017(601/602): 1097－1107.

[11] Gouveia C M, Trigo R M, Beguería S, et al. Drought impacts on vegetation activity in the Mediterranean region: An assessment using remote sensing data and multi-scale drought indicators[J]. Global and Planetary Change, 2017, 151: 15－27.

[12] Li C, Leal Filho W, Yin J, et al. Assessing vegetation response to multi-time-scale drought across inner Mongolia plateau[J]. Journal of Cleaner Production, 2018, 179: 210－216.

[13] Pei F, Li X, Liu X, et al. Assessing the impacts of droughts on net primary productivity in China[J]. Journal of Environmental Management, 2013, 114: 362－371.

[14] Wang H, He B, Zhang Y, et al. Response of ecosystem productivity to dry/wet conditions indicated by different drought indices[J]. Science of the Total Environment, 2018, 612: 347－357.

[15] 王兆礼，黄泽勤，李军，等. 基于SPEI和NDVI的中国流域尺度气象干旱及植被分布时空演变[J]. 农业工程学报，2016，32(14)：177－186.

Wang Zhaoli, Huang Zeqin, Li Jun, et al. Assessing impacts of meteorological drought on vegetation at catchment scale in China based on SPEI and NDVI[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(14): 177－186. (in Chinese with English abstract)

[16] 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.

Zhao Shuyi, Gong Zhaoning, Liu Xuying. Correlation analysis between vegetation coverage and climate drought conditions in North China during 2001-2013[J]. Acta Geographica Sinica, 2015, 70(5): 717－729. (in Chinese with English abstract)

[17] 杨思遥，孟丹，李小娟，等. 华北地区2001－2014年植被变化对SPEI气象干旱指数多尺度的响应[J]. 生态学报，2018，38(3)：1028－1039.

Yang Siyao, Meng Dan, Li Xiaojuan, et al. Multi-scale responses of vegetation changes relative to the SPEI meteorological drought index in North China in 2001－2014[J]. Acta Ecologica Sinica, 2018, 38(3): 1028－1039. (in Chinese with English abstract)

[18] 程曼，王让会，薛红喜，等. 干旱对中国西北地区生态系统净初级生产力的影响[J]. 干旱区资源与环境，2012，26(6)：1－7.

Cheng Man, Wang Ranghui, Xue Hongxi, et al. Effects of drought on ecosystem net primary production in northwestern China[J]. Journal of Arid Land Resources and Environment, 2012, 26(6): 1－7. (in Chinese with English abstract)

[19] 邹杰，丁建丽，秦艳，等. 遥感分析中亚地区生态系统水分利用效率对干旱的响应[J]. 农业工程学报，2018，34(9)：145－152.

Zou Jie, Ding Jianli, Qin Yan, et al. Response of water use efficiency of Central Asia ecosystem to drought based on remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(9): 145－152. (in Chinese with English abstract)

[20] Nathan W, Steve G. A self-calibrating Palmer drought severity index[J]. Journal of Climate, 2004, 17: 2335－2351.

[21] Dai A. Characteristics and trends in various forms of the Palmer Drought Severity Index during 1900－2008[J]. Journal of Geophysical Research, 2011, 116(D12115): 1－26.

[22] Van der Schrier G, Barichivich J, Briffa K R, et al. A scPDSI-based global data set of dry and wet spells for 1901－2009[J]. Journal of Geophysical Research: Atmospheres, 2013, 118(10): 4025－4048.

[23] 王兆礼，李军，黄泽勤，等. 基于改进帕默尔干旱指数的中国气象干旱时空演变分析[J]. 农业工程学报，2016，32(2)：161－168.

Wang Zhaoli, Li Jun, Huang Zeqin, et al. Spatiotemporal variations analysis of meteorological drought in China based on scPDSI[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(2): 161－168. (in Chinese with English abstract)

[24] Li H, Liu L, Shan B, et al. Spatiotemporal variation of drought and associated multi-scale response to climate change over the Yarlung Zangbo River Basin of Qinghai-Tibet Plateau, China[J]. Remote Sensing, 2019, 1596(11): 1－21.

[25] Tucker C J, Pinzon J E, Brown M E, et al. An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data[J]. International Journal of Remote Sensing, 2005, 26(20): 4485－4498.

[26] Xiao M, Zhang Q, Singh V P, et al. Regionalization-based spatiotemporal variations of precipitation regimes across China[J]. Theoretical and Applied Climatology, 2013, 114(1/2): 203－212.

[27] Ayantobo O, Li Y, Song S, et al. Spatial comparability of drought characteristics and related return periods in mainland China over 1961－2013[J]. Journal of Hydrology, 2017(550): 549－567.

[28] Wang H, Chen A, Wang Q, et al. Drought dynamics and impacts on vegetation in China from 1982 to 2011[J]. Ecological Engineering, 2015, 75: 303－307.

[29] Liang W, Yang Y, Fan D, et al. Analysis of spatial and temporal patterns of net primary production and their climate controls in China from 1982 to 2010[J]. Agricultural and Forest Meteorology, 2015, 204: 22－36.

[30] 高歌，许崇育. 1961－2010 年中国十大流域水分盈亏量时空变化特征[J]. 地理学报，2015，70(3)：380－391.

Gao Ge, Xu Chongyu. Characteristics of water surplus and deficit change in 10 major river basins in China during 1961－2010[J]. Acta Geographica Sinica, 2015, 70(3): 380－391. (in Chinese with English abstract)

[31] Stegen J C, Swenson N G, Enquist B J, et al. Variation in above-ground forest biomass across broad climatic gradients[J]. Global Ecology and Biogeography, 2011, 20: 744－754.

[32] Pockman W T, Sperry J S. Vulnerability to xylem cavitation and the distribution of sonoran desert vegetation[J]. American Journal of Botany, 2000, 87(9): 1287－1299.

[33] Engelbrecht B M J, Comita L S, Condit R, et al. Drought sensitivity shapes species distribution patterns in tropical forests[J]. Nature, 2007, 447: 80－82.

Response of vegetation to drought based on NDVI and scPDSI data sets from 1982 to 2015 across China

Zhang Gengxi1,2, Su Xiaoling1,2※, Hao Lina1, Wu Haijiang1

(1.,,712100,; 2.,,712100,)

Drought is a natural hazard caused by long-term precipitation deficiency and high evaporation resulted from high temperature, which is among the most common disasters around the world. In recent decades, with the intensification of climate change and human activities, drought occurrence is becoming more frequent in China, causing negative impacts on agricultural production, ecological environment and social economy. Therefore, it is significant to explore the impact of drought on vegetation for agricultural production and healthy development of ecological systems. In this paper, the response and sensitivity of vegetation to drought in different climatic zones in China were analyzed, and the effects of different climatic factors, including water balance (precipitation-potential evapotranspiration), annual precipitation, mean temperature and sunshine hours, on the relationship between different vegetation types including forestland, grassland and cultivated land and drought were explored, so as to reveal the response mechanism of ecological vegetation to drought from a macro perspective. Using the self-calibrating Palmer drought severity index (scPDSI) and normalized difference vegetation index (NDVI) data for the period of 1982-2015, the response rule and sensitivity of different types of vegetation to drought were analyzed by applying time-delay correlation method, and the influence of various climate factors on the relationship between vegetation and drought was analyzed by applying linear regression method. The results of the research showed that in northwest China, Inner Mongolia, north China plain and southern Qinghai-Tibet plateau, the correlation of shorter lag time scPDSI (1-3 months) and NDVI was close (max>0.4), which indicated that vegetation growth was more sensitive to drought in these regions and that vegetation biomass were influenced mainly by the spatiotemporal characteristics of the water availability. In the humid areas of south China, including the middle and lower reaches of the Yangtze River and the Pearl River basin, the precipitation is abundant so that the correlation between NDVI and scPDSI was negative, and the response of vegetation was not sensitive to drought. The growth of vegetation is mainly controlled by energy factors such as temperature and sunshine hours. The relationship between vegetation and drought was significantly affected by the average annual water balance, precipitation, sunshine hours and temperature, among which the annual water balance was the main water controlling factor (2=0.45). It can be concluded that the change of water availability was the key factor behind the change of vegetation vigor. Sunshine hours were the main energy controlling factor. When average annual temperature was less than 5℃, the effect of temperature on the correlation between scPDSI and NDVI was also significant. The sensitive areas of drought impact on vegetation were mainly in the northern arid regions, while the southern humid areas had strong resilience and resilience to drought. The sensitivity of different types of vegetation to drought varied greatly, and the order of sensitivity is grassland >forestland>cultivated land. The results can provide a scientific basis for the evaluation of the impact of drought on ecological vegetation in different regions of China, and thus help to guide agricultural and environmental production, protect vulnerable ecosystems and provide implications for sustainable socioeconomic development.

vegetation; drought; remote sensing; scPDSI; NDVI; response

张更喜，粟晓玲，郝丽娜，吴海江. 基于NDVI和scPDSI研究1982－2015年中国植被对干旱的响应[J]. 农业工程学报，2019，35(20)：145－151.doi：10.11975/j.issn.1002-6819.2019.20.018 http://www.tcsae.org

Zhang Gengxi, Su Xiaoling, Hao Lina, Wu Haijiang. Response of vegetation to drought based on NDVI and scPDSI data sets from 1982 to 2015 across China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(20): 145－151. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.20.018 http://www.tcsae.org

2019-05-08

2019-09-02

国家自然科学基金项目（51879222）

张更喜，博士生，研究方向：干旱传递特征及对生态系统的影响。Email：gengxizhang@nwsuaf.edu.cn

粟晓玲，教授，博导，研究方向：水资源规划与管理。Email：xiaolingsu@nwafu.edu.cn

10.11975/j.issn.1002-6819.2019.20.018

S127

A

1002-6819(2019)-20-0145-07