基于植被健康指数的内蒙古干旱时空特征分析及驱动因素研究

2023-09-07张泽中张伟杰来和鑫

灌溉排水学报 2023年8期

尹航，张泽中，张伟杰，来和鑫*，王飞

（1.水利部牧区水利科学研究所，呼和浩特 010018；2.中国水利水电科学研究院内蒙古阴山北麓草原生态水文国家野外科学观测研究站，北京 100038；3.华北水利水电大学水利学院，郑州 450046）

0 引言

【研究意义】干旱是一种对作物生产、供水和人民生活造成重大损失的自然灾害之一，具有发生频率高、影响范围广、危害程度深的特点[1-3]。干旱会导致地表植被生长状态和土壤水分条件发生变化，从而影响植被的正常生长，并对生态系统造成多重压力。植被指数能够反映干旱缺水作用下的作物季节性变化特征，已成为评估陆地生态系统干旱变化的重要手段[4-5]。在全球气候变化背景下，探究植被干旱响应特征对指导农业生产和植被健康发展具有重要科学意义。

【研究进展】基于遥感的植被指数可以通过植被状态、冠层水量、地表温度等信息监测干旱现象[6-8]。目前，研究者们已构建多种遥感植被干旱指数，包括温度植被干旱指数（Temperature Vegetation Drought Index,TVDI）[9]、植被状态指数（Vegetation Condition Index,VCI）[10]、垂直干旱指数（Perpendicular Drought Index,PDI）[11]、温度状态指数（Temperature Condition Index,TCI）[12]等。吴黎等[13]利用SPI与TVDI进行相互精度验证，发现TVDI在干旱监测中具有一定指导意义。Mupepi 等[14]对比了VCI指数、标准化降水指数（Standardized Precipitation Index,SPI）及直观观测3 种方法对中度干旱和极端干旱的监测效果，发现VCI指数对干旱的监测最为有效。与其他干旱指数相比，遥感植被指数具有数据连续、实时获取、覆盖范围广等优点，已被证实是最具前景的干旱监测技术手段[15]。在众多基于遥感的植被干旱指数中，植被健康指数（Vegetation Health Index,VHI）能够减弱甚至消除地理位置、生态系统以及土壤条件等因素对植被产生的影响，对干旱有着良好的表征能力[16-17]。Bento等[18]采用VHI刻画了全球干旱区的几场严重干旱事件，结果表明VHI对陆地系统有着良好的干旱监测效用。Masroor 等[19]使用VHI分析了印度干旱与土壤侵蚀的关系，发现该指数能较好地描述哥达瓦里河流域中部的旱情发展过程。尹国应等[20]利用VHI识别了长江中下游地区植被在干旱状况下的生长和热量异常，得到了长江中下游各省市的农业干旱情况。Javed等[21]对比了SPI指数、VHI指数等4 种指数后发现VHI指数可以较好地捕捉土壤相对湿度的变化，进而识别干旱发生。VHI指数已广泛应用于国内外干旱监测等领域，并表现出较好的适用性[10,22-23]。内蒙古有我国最大的荒漠草原区，生态环境较为脆弱，草原植被的生长受到干旱气候的抑制作用比较明显。21 世纪以来，随着温度的升高，降水量增加趋势减缓甚至微弱减少，可能导致了内蒙古地区干旱程度呈持续增加趋势[24]。谢岷等[3]使用标准化蒸散指数研究了内蒙古不同时空尺度干旱演变特征，发现1979 年前后是内蒙古地区气候变化的关键突变点，至1996 年前后又进入新一轮干旱期；马梓策等[25]分析了内蒙古地区旱情对植被的影响，结果表明夏旱对植被生长的胁迫作用最强；汪士为[26]采用TVDI指数研究内蒙古地区干旱现象，发现春季、夏季、冬季未来一段时间大部分区域TVDI将呈增加趋势。【切入点】以上研究虽从不同角度对内蒙古干旱进行研究，但很少探讨干旱的时空耦合变化特征。同时，大气环流因子作为影响气候变化的强烈信号，是干旱发生和变化的重要驱动因素[27-29]，当前大气环流因子对内蒙古干旱的驱动机制尚不明确。【拟解决的关键问题】基于此，本文采用VHI指数表征干旱，分别从时间、空间、时空耦合角度，采用Theil-Sen Median 趋势分析法和Mann-Kendall 检验方法等多种方法分析内蒙古干旱的时空特征，同时运用交叉小波方法探讨该地区干旱与厄尔尼诺-南方涛动（El Niño-Southern Oscillation,ENSO）、北极涛动（Arctic Oscillation,AO）及太阳黑子的关系，为促进内蒙古地区生态健康良性发展、制定区域防旱抗旱措施和构建生态安全屏障提供借鉴。

1 材料与方法

1.1 研究区概况

内蒙古位于我国北部边境（37º24＇N—55º23＇N，97º12＇E—126º04＇E），地处温带大陆性季风气候，气温、降水空间分布不均，年均降水量为35.86～506.15 mm，是我国北方重要的生态安全屏障[25,30]。内蒙古拥有我国最大的荒漠草原区，生态脆弱性较高，干旱是内蒙古最严重的自然灾害之一，严重制约了当地社会经济的发展[31]。依据地理位置及行政区划，本研究将内蒙古地区分为3 个部分：呼伦贝尔市、兴安盟、通辽市、赤峰市为东部，锡林郭勒盟、乌兰察布市、呼和浩特市、包头市为中部，巴彦淖尔市、鄂尔多斯市、乌海市、阿拉善盟为西部。

1.2 数据来源

本文采用美国国家海洋和大气局（https://www.star.nesdis.noaa.gov/）提供的 1982—2020 年月尺度植被健康指数（VHI）遥感数据集，空间分辨率为1 km。利用ArcGIS 软件对数据进行预处理，利用邻域均值填补空缺值，对少量的缺失数据进行插补。大气环流因子选用ENSO、AO及太阳黑子开展研究。其中，ENSO是发生于赤道冬太平洋地区的风场和海面温度震荡，AO是北半球冬季热带外行星尺度大气环流最重要的1 个模态，太阳黑子的运动可以对较高大气层产生影响，这3 种大气环流因子对气候变化的影响均不容忽视[29,32-33]。ENSO、AO及太阳黑子数据采用美国国家海洋气象局（https://www.noaa.gov/）提供的影响全球和区域气候变化的环流因子数据集。

1.3 研究方法

1.3.1VHI指数

VHI是综合考虑植被状态和温度状态的遥感植被指数，可以同时反映区域内水分与温度的变化，监测不同时间尺度和地区的干旱变化情况[34]。本文使用VHI表征内蒙古地区干旱程度，VHI值越小，干旱越严重；反之亦然。当VHI<0.4 时，认为有干旱事件发生[18]。VHI计算式为：

式中：VCI为植被状态指数；NDVI为归一化植被指数；NDVImax和NDVImin分别为研究时期NDVI的最大值和最小值；TCI为温度状态指数；LST为地表温度；LSTmax和LSTmin分别为研究时期LST的最大值和最小值；α为VCI和TCI的加权系数，取α=0.5[35]。

1.3.2 气候倾向率与Morlet 小波变换

本文采用气候倾向率法研究VHI指数在不同时间尺度下的变化趋势[36]；采用连续的Morlet 小波变换[37]分析内蒙古地区VHI指数的周期变化特征。

1.3.3 干旱时空特征分析

Theil-Sen Median 趋势分析法是一种稳健的非参数统计趋势计算方法，可以较好地处理有测量误差和离散数据不敏感的情况[38]。本文使用该方法分析内蒙古地区逐像元VHI序列的趋势特征。Theil-Sen Median趋势分析法的斜率S计算式为：

式中：S表示VHI时间序列趋势信息；xi、yi分别表示第i年和第j年的VHI序列。当S>0 时，VHI序列呈上升趋势，干旱程度加重；当S=0 时，VHI序列无上升或下降趋势，干旱程度变化不明显；当S<0 时，VHI序列呈下降趋势，干旱程度减轻。由于Theil-Sen Median 趋势分析法的斜率S基本上不存在严格等于0的区域，因此，本文将0.000 5 和-0.000 5 作为VHI序列上升和下降的临界点[39-40]。

Mann-Kendall 检验方法是一种非参数统计检验方法，可以用来判断趋势的显著性，无须样本服从一定的分布，不受异常值的影响[41]。当Z≥1.96 时，认为VHI序列呈显著上升趋势（p<0.05），干旱程度显著减轻；当-1.96

本文将 Theil-Sen Median 趋势分析法和Mann-Kendall 检验方法结合，分析内蒙古VHI时空变化特征，揭示内蒙古干旱时空演变趋势。Theil-Sen Median 趋势分析法的斜率S和Mann-Kendall 检验方法的统计量Z的结合方式如表1 所示。

表1 基于Theil-Sen Median 和Mann-Kendall 的干旱划分标准Table 1 Drought classification standards based on Theil-Sen Median and Mann-Kendall

1.3.4 干旱特征识别

本文使用改进的游程理论识别内蒙古1982—2020年干旱事件，进而分析干旱特征变量变化。传统的游程理论无法识别一些历时很短的小干旱事件，也没有将间隔时间较短的2 次历时很长的干旱事件合并，使得干旱事件识别的准确性较低[42]。本文利用改进的3阈值游程理论对干旱事件进行识别，阈值分别为0.40、0.42、0.45[43]。定义干旱事件数为对应时间范围内干旱事件发生的次数；历时为1 次干旱事件的时间长短；烈度为1 次干旱事件中所有VHI指数之和；烈度极大值为干旱事件的时间范围内VHI指数的最小值。

1.3.5 干旱驱动因素分析

采用交叉小波方法分析大气环流因子、太阳黑子与VHI指数间相关性，从而探究内蒙古干旱的驱动因素，揭示内蒙古干旱的驱动因素。交叉小波可以揭示2 个时间序列在时间尺度上的相关关系，其中，交叉小波能量谱（XWT）常用来解释2 个序列在高能区的位相关系，交叉小波能聚谱（WTC）常用来解释2 个序列在低能区的位相关系[44]。显著相干面积百分比（PASC）和平均小波相干（AWC）可以用于评判相关关系，PASC和AWC越大，相关性越强[45]，本文使用PASC和AWC量化大气环流因子及太阳黑子对内蒙古干旱的影响。

2 结果与分析

2.1 干旱时间变化特征

2.1.1 多时间尺度变化特征

内蒙古1982—2020 年不同时间尺度的VHI变化特征如图2 所示。由图2 可知，年、季、月尺度上VHI均呈下降趋势，表明内蒙古地区干旱总体呈增加趋势。年尺度上，VHI的线性倾向率为-0.01/10 a，平均VHI为0.541，最小值出现在1989 年，VHI均值为0.403。季尺度上，春季、夏季、秋季、冬季VHI的线性倾向率分别为-0.01/10 a、-0.02/10 a、-0.01/10 a、-0.01/10 a，可见夏季干旱化趋势最为明显。同时，春季、夏季、秋季、冬季的VHI均值分别为0.534、0.561、0.543、0.525，最小值分别出现在1986 年（0.382）、2001 年（0.373）、1989 年（0.368）、1989 年（0.357）。月尺度上，VHI均值为0.541，1989 年12 月VHI达到最小值0.310，1984 年8 月VHI达到最大值0.805。综上可知，1982—2020 年内蒙古地区干旱呈增加趋势，且1989 年干旱较为严重。

内蒙古1982—2020 年各分区年尺度上VHI变化特征如图3 所示。由图3 可知，西部、中部、东部地区VHI的线性倾向率分别为0.01/10 a、-0.03/10 a、-0.01/10 a。西部地区VHI序列呈轻微上升趋势，中部、东部地区VHI序列呈下降趋势，说明研究期内西部地区的干旱趋势轻微减轻，而中部和东部地区干旱趋势加重，中部、东部地区干旱变化趋势与内蒙古地区一致。西部、中部、东部地区的VHI均值分别为0.538、0.539、0.543。

2.1.2 干旱周期特征

应用Morlet 连续复小波变化分析内蒙古1982—2020 年干旱周期（图4）。由图4 可知，大部分等值线中心为负，说明内蒙古整体气候相对偏旱。在年尺度上，内蒙古干旱表现出一定的交替性特征。由图4（b）可知，VHI指数在5～10、10～13、18～20、27～37 a 附近存在4 个震荡周期，对应的峰值分别为8、12、18、29 a。其中，5～10 a 和10～13 a 的震荡周期较为强烈，因此，VHI指数的第一主周期、第二主周期分别为8、12 a。

2.2 干旱空间分布特征

图5 为1982—2020 年内蒙古VHI的空间分布。由图5 可知，年尺度上，VHI在0.356～0.700 之间，均值为0.541，旱情较严重区域发生在内蒙古中部偏北地带及西部地区。季尺度上，春季干旱的空间差异性相对较小，夏季西部及中部偏北地带较为干旱，秋季西部、中部偏北及东部偏北地区较为干旱，冬季东部地区及中部偏东地区较为干旱。VHI均在0.2～0.8之间波动，并且冬季的VHI均值最小（0.525），表明冬季旱情最重。整体上来看，内蒙古中部偏北地区的旱情较为严重。

由于1989 年VHI为研究时段内最小值0.403，该年内蒙古的干旱最严重，因此将1989 年作为典型干旱年以分析其空间变化特征。由图6 可知，年尺度上VHI处于0.081～0.771 之间，内蒙古西部、中部地区干旱较严重，季尺度上，春季、夏季、秋季、冬季VHI均值分别为0.430、0.479、0.368、0.357，可以看出冬季干旱最严重。1989 年内蒙古发生干旱较严重地带为西部地区。

2.3 干旱时空演变趋势

图7 为内蒙古1982—2020 年干旱变化趋势，包含Theil-Sen Median 趋势分析、Mann-Kendall 趋势检验以及耦合Theil-Sen Median 和Mann-Kendall 的干旱变化特征。表2 为内蒙古干旱变化趋势，由表2 可知，干旱趋势加重的面积占比为58.19%，干旱趋势减轻的面积占比为32.32%，干旱趋势稳定变化的面积占比为9.49%；Theil-Sen Median 趋势检验的Svhi值较低地区位于内蒙古中部地区，而Svhi值较高地区位于西部及东部偏北地区。Mann-Kendall 检验表明，内蒙古干旱趋势呈显著加重、不显著变化、显著减轻的面积占比分别为31.30%、52.96%和15.74%。综合Theil-Sen Median 趋势分析和Mann-Kendall 检验可以将干旱变化分为5 种主要类型，分别为明显加重、轻微加重、保持不变、轻微减轻和明显减轻，且这些类型的面积占比分别为31.30%、26.89%、9.49%、16.58%和15.74%，可见内蒙古干旱整体呈加重趋势，干旱加重的面积占比达到58.19%；干旱明显加重地区位于中部地区及东部少许地区，而西部地区主要呈干旱减轻趋势，此结果也与VHI的线性趋势一致。

表2 内蒙古干旱变化趋势统计Table 2 Statistics of drought change trend in Inner Mongolia

2.4 干旱特征变量分析

表3 为内蒙古各分区干旱事件识别结果。由表3可知，1982—2020 年内蒙古西部地区共发生了23 场干旱事件，平均干旱历时为3.39 个月，平均烈度为1.218，平均烈度极大值为0.342；内蒙古中部地区共发生20 场干旱事件，平均干旱历时为3.25 个月，平均烈度为1.179，平均烈度极大值为0.345；内蒙古东部地区共发生17 场干旱事件，平均干旱历时为2.29个月，平均烈度为0.847，平均烈度极大值为0.355。此外，最严重的干旱事件发生于1988 年12 月—1990年3 月，位于内蒙古西部地区，该场干旱的历时为16 个月，烈度为5.409，烈度极大值为0.188。

表3 内蒙古各分区干旱事件识别结果Table 3 The results of drought event identification at different zones in Inner Mongolia

图8 为1982—2020 年内蒙古不同地区各年代的干旱特征变量变化趋势。内蒙古西部干旱事件数呈先减小后增大趋势，平均历时和平均烈度都呈逐渐减小趋势，平均烈度极大值呈逐渐增大趋势，说明研究期内内蒙古西部整体干旱程度减轻；内蒙古中部干旱事件数呈先减小后增大趋势，且20 世纪90 年代后增长较为迅速，平均历时和平均烈度都呈先减小后增大再减小的趋势，烈度极大值呈先增大后减小再增大的趋势，说明研究期内内蒙古中部旱情波动变化；内蒙古东部干旱事件数呈先增大后减小趋势，平均历时和平均烈度均呈先减小后增大再轻微减小趋势，烈度极大值呈先轻微减小后增大趋势，说明研究期内内蒙古东部地区旱情可能有所反复，整体而言，内蒙古东部旱情轻微增加。

2.5 干旱驱动因素研究

2.5.1ENSO对VHI影响

VHI与ENSO的交叉小波能量谱和小波凝聚谱如图9 所示。由图9（a）可知，VHI与ENSO在高能量区存在着明显的相关关系，主要表现在1986—2005年的24～64个月显著共振周期，1990—2005年的8～32个月显著共振周期，以及2009—2017 年的8～32 个月显著共振周期。小波凝聚谱反映的是VHI与ENSO在低能量区的相关关系，主要表现为1985—2004 年的40～64 个月显著共振周期、2000—2001 年的8～12 个月显著共振周期，以及2014—2016 年的24～40 个月显著共振周期。同时，VHI与ENSO还存在1～8 个月尺度的间歇性共振周期。

2.5.2AO对VHI的影响

VHI与AO的交叉小波能量谱和小波凝聚谱如图10 所示。由图10（a）可知，VHI与AO在高能量区存在一定的相关关系，其中，在1987—1991 年存在32～48个月显著共振周期，在1987—1994年存在8～16个月显著共振周期，在2000—2003 年存在10～14 个月的显著共振周期，在2008—2012 年存在7～14 个月的显著共振周期。由图10（b）可知，VHI与AO在低能量区主要存在6 个显著共振周期，在1988—1990年存在2～8 个月显著共振周期，在1990—1993 年存在10～14 个月显著共振周期，在1995—2018 年存在20～30个月显著共振周期，在2002—2006年存在5～12个月显著共振周期，在2009—2011 年存在8～14 个月显著共振周期，在2007—2018 年存在20～60 个月显著共振周期。

图1 研究区域Fig.1 Study area

图2 内蒙古1982—2020 年不同时间尺度VHI 的变化趋势Fig.2 VHI change trend at different time scales in Inner Mongolia from 1982 to 2020

图3 内蒙古1982—2020 年各分区年尺度VHI 的变化趋势Fig.3 Annual-scale VHI change trend at different zones in Inner Mongolia from 1982 to 2020

图4 内蒙古VHI 指数小波系数等值线图及小波方差Fig.4 Wavelet coefficients isoline and wavelet variance diagram of VHI in Inner Mongolia

图5 内蒙古1982—2020 年VHI 的空间分布特征Fig.5 Spatial distribution characteristics of VHI in Inner Mongolia from 1982 to 2020

图6 1989 年内蒙古VHI 的空间分布特征Fig.6 Spatial distribution characteristics of VHI in Inner Mongolia during 1989

图7 内蒙古1982—2020 年干旱变化趋势Fig.7 Drought change trend in Inner Mongolia from 1982 to 2020

图9 VHI 与ENSO 的交叉小波能量谱和小波凝聚谱Fig.9 Cross wavelet energy spectrum and wavelet condensation spectrum between VHI and ENSO

图10 VHI 与AO 的交叉小波能量谱和小波凝聚谱Fig.10 Cross wavelet energy spectrum and wavelet condensation spectrum between VHI and AO

2.5.3 太阳黑子对VHI的影响

通过VHI与太阳黑子的交叉小波能量谱和小波凝聚谱（图11）可以看出，VHI与太阳黑子之间存在相关关系。在高能区主要表现为在1993—1998 年存在96～128 个月的显著共振周期以及一些间歇性共振周期。在低能区主要表现为在1986—1995 年存在32～48 个月的显著共振周期，1989—1992 年存在10～15 个月的显著共振周期，2000—2003 年存在13～16 个月的显著共振周期和2010—2015 年存在32～48 个月的显著共振周期，同时，还存在2～8 个月的间歇性共振周期。整体来看，VHI与太阳黑子间的相关关系相对不强。

图11 VHI 与太阳黑子的交叉小波能量谱和小波凝聚谱Fig.11 Cross wavelet energy spectrum and wavelet condensation spectrum between VHI and sunspot activity

表4 为VHI与ENSO、AO和太阳黑子的交叉小波的PASC和AWC值。由表4 可知，ENSO对VHI的影响最大，PASC、AWC分别为9.31%、0.806 4；太阳黑子对VHI的影响最小，PASC、AWC分别为4.96%、0.767 2。

表4 交叉小波PASC、AWC 值Table 4 The PASC and AWC values of cross wavelet

3 讨论

全球气候变化研究中，植被是联结土壤、水分和大气相互作用的天然纽带，植被变化作为陆地生态系统的关键组成部分，可以用来表征干旱变化[46-47]。当前多数研究采用基于遥感植被指数的方法来识别陆地系统的干旱现象，而植被健康指数VHI结合了TCI和VCI的优势，在衡量由气象条件的差异而造成的干旱状况方面具有明显优势[17]。本研究基于VHI指数识别内蒙古地区1982—2020 年干旱演变特征，发现VHI指数呈下降趋势，这与Javed 等[21]研究结果一致。汪士为[26]研究指出2001—2020 年内蒙古地区总体干旱呈加重趋势，这与本研究结果一致。空间尺度上，本研究分析了内蒙古地区干旱的空间分布格局，并采用耦合的 Theil-Sen Median 趋势分析法和Mann-Kendall 检验方法分析了内蒙古干旱的时空演变特征，结果表明内蒙古干旱主要集中在中部偏北地区，且中部地区干旱加重趋势较为明显，这与李虹雨等[48]研究结果较为相似。李萌等[49]研究指出，1980—2010 年内蒙古东部水分盈亏指数的气候倾向率减少，这与本研究结果不同，导致这一差别的主要原因是其研究的时间段为1980—2010 年，而本文研究的时间段为1982—2020 年，2010—2020 年内蒙古东部地区干旱事件数、干旱历时、烈度均呈下降趋势，烈度极大值呈上升趋势（图8），说明2010—2020 年内蒙古东部地区干旱程度减轻，这可能是导致研究结果存在差异的原因。

在内蒙古干旱驱动因素的研究方面，本研究采用交叉小波方法分析了ENSO、AO、太阳黑子对内蒙古干旱的影响，发现ENSO对内蒙古干旱的影响最大。ENSO可以导致海温异常升高，进而导致干旱的发生[29]。曹永强等[50]研究表明，ENSO冷暖事件在一定程度上可以影响辽宁省干旱情况；赵盼盼等[51]研究发现，ENSO对气象干旱和水文干旱的影响较大；白小娟等[52]对1961—2012 年内蒙古地区气候因子与ENSO事件的相关性进行研究发现，ENSO事件会对内蒙古降水、气温等气候因子产生明显影响，导致干旱灾害发生可能性增加。因此，未来可将ENSO作为输入因子提升内蒙古干旱的预测能力。