范晨雨, 景海涛, 王 莉, 程 俭, 李新元, 余 汛

(河南理工大学 测绘与国土信息工程学院, 河南 焦作 454000)

近年来全球气候变化已经成为国际高度关注的一个重大问题。自20世纪90年代以来全球气温升高速率加快，在第4次评估报告中给出了一系列新的气候变化事实，过去100年(1906—2005年)全球地表平均温度升高0.74℃[1]。降水量作为反映气候特征最重要的指标之一，其变化规律受气候、纬度等多种因子的影响，具有明显的年际和年内变化特征，对经济发展、农业生产及生态建设都有突出的影响[2]。在植被覆盖空间变化方面，研究表明，气候变暖导致全球部分地区植被覆盖发生显著变化，其中北半球中高纬地区植被活动显著增加[3]。在全球变化中，植被扮演着陆地生态系统中最重要的角色[4]，而气候变化会改变植被群落的组成、结构,影响到植被的生物量,进而影响到植被覆盖度的状况[5]。因此，研究区域气候变化与植被的关系已成为全球关注的问题。

目前，国内外学者关于不同区域气候变化与植被的关系的研究已经取得了大量的成果，如王丽霞等[6]研究了渭河流域NDVI、气温和降水的时空变化特征及其相关性，结果表明在时间尺度上气温对植被的生长更为显著，在空间尺度上，降水的增加会促进植被的生长；邵雅琪等[7]对张承地区植被指数与气候因子的关系进行了研究，结果显示同一植被类型的NDVI与降水量的相关性最高；丁文荣[8]研究发现滇中地区年内植被NDVI变化由气候因子所控制，而长期变化则受人类活动的制约；陈超男等[9]分析秦巴山区植被覆盖变化及气候因子驱动分析，发现植被覆盖与温度以正相关为主，与降水正负相关并存，与温度的相关性较降水的相关性高；Liu X等[10]研究秦岭—大巴山区植被动态与气候因子的关系，认为植被覆盖度的变化主要归因于降水量的变化。Ya L等[11]研究全球NDVI趋势的时空格局与气候和人为因素的相关性，指出气温对植被生长的影响随时间逐渐减弱，降水对NDVI变化有积极影响。

Hu S等[12]利用简单相关分析、偏相关分析和多重相关分析等方法对太行山植被变化的归因进行了分析，结果表明在海拔小于1 000 m的低海拔地区，降水增加是植被恢复的主要因素，而在高海拔地区，温度是制约植被恢复的主要因素。杨永辉等[13]基于野外试验结果以及对WAVES模型模拟分析了气候变化对太行山区植被的影响并得出结论，受验植被对降水反映敏感，降水每增加10%，植被生产力增加15%左右。以上研究结果已表明太行山区气温、降水与NDVI存在相关性，但目前鲜有针对区域气候因子突变点来着重分析植被覆盖的变化。鉴于此，本文利用1973—2018年太行山区域内18个基准气象监测站点的日平均气温和日降水量数据，结合太行山气温突变点前后10 a(1986—2005年)GIMMS NDVI数据，采用趋势分析法、累积距平分析、Mann-Kendall突变检验法等理论，基于ArcGIS等平台分析太行山区气温与降水时空变化及其对植被覆盖度的影响，为太行山区气候预测、灾害预警以及植被变化监测提供有力的依据。

1 数据来源

1.1 研究区概况

太行山区是指太行山地及其毗邻区域[14]，总面积约13.69 万km2。太行山区位于山西省与华北平原之间，北起北京市西山，向南延伸至晋豫两省交界的黄河北岸，西接山西高原，东临华北平原，呈东北—西南走向[15]。太行山区地势北高南低，地貌类型复杂，地处我国中纬度温带、暖温带，属大陆性气候，年均气温为10.3℃，年降水量为501.8 mm。太行山区是典型的半干旱山地，干旱直接影响山地的生产力及人口承载力，同时这一地区又承担着巨大的人口压力，生态系统极端脆弱，因而气候环境的改变对于这一系统至关重要[16]。太行山区气象站点分布见图1[14]。

图1 太行山区气象站点分布

1.2 数据来源与预处理

本文研究数据包括太行山区DEM数据、气象站点数据和GIMMS NDVI数据。太行山区DEM数据源自ASTER GDEMV2数据产品，数据类型为TIFF，空间分辨率为30 m，下载于地理空间数据云平台(http:∥www.gscloud.cn/)。气象站点数据来源于中国气象网(http:∥www.cma.gov.cn/)，选取了研究区域内18个基准气象监测站点的日平均气温和日降水量，时间段为1973—2018年。通过Python编程从全国所有站点中剥离出研究区域18个气象站点日数据，进而计算出年数据。

归一化差分植被指数(NDVI)被广泛应用于植被覆盖监测、土地覆盖分类、作物估产、物候监测、自然灾害监测等众多研究领域[17]。本文采用的GIMMS NDVI数据来源于美国国家航天航空局[18]，空间分辨率为8 km，时间分辨率为15 d。最大值合成法可以有效减少大气中气溶胶、云阴影、太阳高度角等因素的影响[19]。通过最大值合成法对GIMMS NDVI数据进行合成得到NDVI年数据。反距离加权插值法是气象学上最常用的空间插值方法之一，以距离反比的幂次方作为权重，距离较近的点权重较大，距离较远的点权重较小，幂次参数控制着权重系数随着距离增加而下降的速度[20]。为了便于分析，利用反距离加权插值法将气象站点的气温、降水数据插值为空间分辨率为8 km的栅格数据。

2 研究方法

2.1 趋势分析

趋势线是对一组随时间变化的变量进行回归分析,预测其变化的趋势[21]。本文利用趋势分析法对1973—2018年太行山区气温、降水进行变化趋势分析。计算公式为：

(1)

式中：slope表示线性变化趋势斜率；xi表示第i年的气温、降水；表示i年份；若slope>0，表示气温、降水在研究时段内有上升趋势，若slope<0，表示气温、降水在研究时段内有下降趋势，若slope=0，则表示气温、降水在研究时段内无明显变化趋势。

2.2 累积距平分析

在气象分析上，通常用累积距平曲线来判断数据长期显著的演变趋势以及持续性变化，基于它也可以诊断出发生突变的大致时间[22]。对于时间序列x1,x2,…,xn，其某一时刻t的累积距平值表示为：

(2)

2.3 Mann-Kendall突变检验分析

Mann-Kendall检验法是世界气象组织推荐并广泛使用的非参数检验方法,该方法既可以检测序列的变化趋势,也可以进行突变点检验,主要用于气候要素在时间序列趋势中的突变性检测[23]。其检验原理如下[24]：

设原始时间序列为y1,y2,…,yn,mi表示第i个样本，yi大于yj(1≤j≤i)的累积数，定义统计量：

(3)

在原序列随机独立等假定前提下，统计量dk的均值和方差分别为：

(4)

(5)

将上面公式的dk标准化后，得：

(6)

UFk组成一条UF曲线，通过置信度检验可得出序列是否有明显的变化趋势。把此方法引用到反序列中，计算得到另一条曲线UBk，则两条曲线在置信区间内的交点确定为突变点。在给定显著性水平α=0.05下，统计量UFk和UBk的临界值为±1.96。若UFk>0，则表示序列呈上升趋势；若UFk<0，则表示序列呈下降趋势；若统计量UFk和UBk超出临界值，则表示序列上升或下降趋势明显。

3 结果与分析

3.1 太行山区气温、降水时空变化分析

3.1.1 气温、降水线性变化分析 根据1973—2018年太行山区年平均气温变化趋势图分析得出，近50 a来太行山区年平均气温呈现显著上升趋势(R2≈0.6)，其中最高温度为11.46℃(2018年)，最低温度为8.84℃(1984年)。并且从图2可以看出太行山区年均气温上升速率为0.39℃/10 a，高于近年来全国平均每10 a增温0.23℃的上升速率[25]。这表明了太行山区气温变化与全国甚至全球气候变化趋势一致。

从近50 a太行山区域年降水趋势线变化可以看出，在1973—2018年这个研究时间段内，太行山区域年降水量变化速率为每10 a增加5.06 mm，总体呈现上升趋势，最高年降雨量出现在2003年为664 mm，最低年降雨量出现在1997年为318 mm。从图3可知，其中在1978—1983年期间，年降水量逐渐增多，上升趋势显著，在2004—2015年期间，年降水量处于小范围波动上升阶段，但是上升趋势不太明显。

图2 1973-2018年太行山区年均气温变化趋势

3.1.2 气温、降水累积距平分析 由图4可知，太行山区在1973—1995年期间气温距平值以负值为主，只存在一个正距平值，距平均值为-0.53℃。在1996—2018年期间气温距平值以正值为主，距平均值为+0.53℃。由累积距平曲线可以看出1973—1995年气温累积距平整体呈下降趋势，在1995年处发生转折之后，1996—2018年气温累积距平整体呈上升趋势。从图5可知，太行山区在1973—2018年期间降水量距平值总体波动趋势不一致，分为4个阶段。在1973—1982年、1996—2002年期间，降水量距平值呈现明显下降趋势，在1986—1990年、2003—2017年期间，降水量距平值呈现波动上升趋势。

图3 1973-2018年太行山区年降水变化趋势

图4 1973-2018年太行山区年均气温距平与累积距平变化曲线

图5 1973-2018年太行山区年降水距平与累积距平变化曲线

3.1.3 气温、降水Mann-Kendall突变检验分析 利用Mann-Kendall突变检验法对太行山区域近50 a气温和降水量进行突变点分析。由图6气温Mann-Kendall突变检验可以看出，在给定显著性水平α=0.05下，UF曲线与UB曲线在第23年(1995年)处有一个交点，并且UF曲线在1995年之后，UF值大于零，同时超过临界值1.96，则表明气温序列数据存在上升趋势且上升趋势显著，即太行山区气温变化在1995年有明显的突变特征，与前文累积距平分析结果一致。

根据1973—2018年太行山区降水Mann-Kendall突变检验图可以分析出，UF曲线与UB曲线在46 a间产生了多处交点，分别出现在第11年(1983年)、第13～14年(1985—1986年)、第16～17年(1988—1989年)、第18年(1990年)、第31年(2003年)以及第37年(2009年),但是由于UF曲线在这些交点之后的变化范围都没有超出临界值±1.96，则表明降水量序列无明显上升或者下降的趋势，即太行山区域年降水量变化在1973—2018年无明显突变特征。

图6 1973-2018年太行山区年均气温与年降水Mann-Kendall突变检验

3.1.4 气温、降水空间变化分析 太行山区气温与降水倾向率空间分布如图7所示。由气温空间分布图可以分析，太行山区气温倾向率空间分布与海拔有关，呈现以海拔最高的五台山站为中心向四周逐渐递减的分布格局，且气温气倾向率全部为正值，则表明太行山区气温整体呈现增长趋势。其中五台山站气温倾向率最高达到1.96℃/10 a，剩余大部分区域气温倾向率都处于0.11℃/10 a～0.45℃/10 a。太行山区降水倾向率受海拔影响不如气温明显，区域性变化特征相对明显，近50 a太行山区降水变化波动较小，波动范围为-13.01 mm/10 a～17.80 mm/10 a，多数区域降水倾向率为正值，其中有5个站点的降水倾向率为负值，分别为处于山西省的灵丘、襄垣、榆社、阳城和盐湖，降水倾向率总体呈现自东北向西南逐渐递减的变化趋势。

图7 1973-2018年太行山区年均气温与年降水空间倾向率分布

3.2 太行山区气温、降水与NDVI相关性分析

太行山区气温与NDVI的相关系数介于-0.63～0.75。太行山区气温与NDVI的相关性为正相关的区域占太行山区总面积的57.17%，其中主要表现为不显著正相关(p>0.05)，约占整个研究区的53.05%，表现为显著正相关(0.010.05)约占39.74%，显著负相关(0.010.05)、显著正相关(0.010.05)的区域占17.82%，显著正相关(0.01

总体来看，太行山区气温、降水与NDVI均具有相关性，且以正相关性为主。以空间分布来看，降水与NDVI的相关性通过p<0.05显著性检验所占比例最高，达到11.22%，说明太行山区NDVI在空间分布上受降水的影响的区域相对更多。但在通过显著性检验的基础上，以相关系数高低来看，气温与NDVI的相关性在局部区域相关性相对更高。

3.3 太行山区气温突变前后NDVI变化分析

3.3.1 NDVI线性变化分析 本文利用最大值合成法得到的年均NDVI数据代表太行山区植被覆盖度，来分析太行山区气温突变(1995年)前后10 a植被覆盖的变化。图8为太行山区1986—2005年年均NDVI值变化曲线，由图可知，太行山区植被覆盖度逐年增加，但是增速较慢，仅为0.4%/10 a，最大值出现在1990年，为0.69，最小值出现在1993年，为0.63。总体来看，太行山区年均NDVI值变化具有明显波动性，转折点主要出现在1990年、1993年和1997年，然而在1996年仅存在小的波动，这说明NDVI的变化在一定程度上受气温突变的影响但并不明显。

图8 1986-2005年太行山区年均NDVI值变化趋势

3.3.2 NDVI空间变化分析 图9为太行山区1986—2005年的NDVI空间变化分布图。从图可知，自1986—2005年太行山区NDVI值变化范围处于-0.21～0.25，把变化结果重分类统计出，NDVI值增加的区域占总面积的79.99%，NDVI值减少的区域仅占总面积的20.01%。整体来说，在太行山区气温突变前后近20 a间，植被覆盖水平处于增加趋势。其中太行山区NDVI增加最明显的区域主要分布于海拔相对较高的区域，如山西省南部的中条山一带。太行山区NDVI减少最明显的区域主要位于靠近县域以及城镇等的人口聚集地，如北京市的昌平区、门头沟区，河北省的易县、满城县，以及山西省的侯马市、曲沃县、闻喜县等。

图10为太行山区近50 a来气温突变前后10 a的NDVI值空间变化分布。由图可知，1986—1996年太行山区NDVI值变化范围为-0.14～0.23，其中NDVI值增加的区域占总面积的76.44%，减少的区域占总面积的23.56%。1996—2005年太行山区NDVI值变化范围为-0.18～0.20，其中NDVI值增加的区域占总面积的66.23%，减少的区域占总面积的33.77%。由统计结果可分析，在这两个研究时间段中，太行山区NDVI值变化范围基本无明显变化，但是NDVI值增加的区域减少10.21%，主要位于山西北部的恒山一带，揭示了这部分区域植被覆盖水平对气温的变化相对敏感。

图9 1986-2005年太行山区NDVI值空间变化分布

4 讨论与结论

自1973年以来，太行山区年均气温以0.39℃/10 a的速率呈现显著上升趋势，且在突变点之后气温明显上升。太行山区年降水的变化速率为+5.06 mm/10 a，在近50 a内波动较大，无明显的上升趋势。太行山区气温变化在研究时段内有明显的突变特征，出现在1995年。太行山区年降水变化在1973—2018年没有明显的突变特征。

从气候倾向率空间分布格局来看，太行山区气温空间变化受海拔影响较为明显，整体呈现上升趋势。太行山区降水量空间变化波动范围小，总体表现自东北向西南逐渐递减的趋势。

通过气温、降水与NDVI的相关性分析，气温、降水与NDVI均具有相关性，且以正相关性为主。以空间分布来看，太行山区NDVI在空间分布上受降水的影响的区域相对较多。通过显著性检验的基础上，以相关性系数高低来看，气温与NDVI的相关性在局部区域相关性相对较高。

图10 1986-1995年与1996-2005年太行山区NDVI值空间变化分布

以气温突变点为着手点对太行山区NDVI变化进行研究，在1986—2005年期间太行山区NDVI值增加的区域占总面积的76.44%。通过对比1986—1995年与1996—2005年太行山区NDVI值空间变化发现，NDVI值增加的区域减少10.21%，主要位于山西北部的恒山一带。总地来说，就太行山区而言，降水主要起到一定促进作用，气温对植被覆盖水平的变化存在区域差异性，但太行山区NDVI总体变化具有明显波动性，在一定程度上也说明气温突变对NDVI变化几乎不存在明显影响。