孙 瑞,张方敏*,翁升恒,刘 倩

2001～2021年中国NDVI时空格局变化及对气候的响应

孙 瑞1,张方敏1*,翁升恒2,刘 倩1

(1.南京信息工程大学,气象灾害预报预警与评估协同创新中心/江苏省农业气象重点实验室,江苏 南京 210044；2福建省气象科学研究所,福建 福州 350007)

基于MODIS MOD13A3数据集和气候资料数据,通过线性回归、Theil-Sen趋势与Mann-Kendall显著性检验等统计方法分析了2001～2021年中国九大流域NDVI时空变化特征,采用地理探测器探究了中国九大流域NDVI对降水、气温、太阳总辐射和饱和水气压差的响应.结果表明, 2001～2021年中国及九大流域NDVI整体呈现显著上升趋势(<0.05),其中长江流域、珠江流域、东南诸河流域及淮河流域冬季的NDVI变化率最大,海河流域春季最大,西南诸河流域秋季最大,其他流域夏季最大;NDVI变化率在不同土地利用变化类型上表现为非城市化地区(0.0026/a)>未发生土地利用类型变化地区(0.0021/a)>城市化地区(0.0013/a),其中东南诸河流域和西南诸河流域的城市化地区NDVI整体表现为退化.空间上,NDVI变化率呈现出由东向西、由南向北递减的分布.植被生长稳定区域占26.43%,主要集中在内陆河流域以及西南诸河西北部区域;植被改善面积占70.31%,主要分布在九大流域内的非城市化区域;植被退化面积占3.25%,集中在内陆河流域北部地区、西南诸河流域的东部、长江流域的西部及东部沿海流域.地理探测器分析表明,降水在全国尺度上是控制NDVI空间分布的主要决定因子,其次是气温、饱和水气压差、太阳总辐射;在九大流域内,降水仍是大部分流域的主要决定因子,但在长江流域、珠江流域和淮河流域,饱和水气压差是主要决定因子.2001～2021年,长江流域、松辽河流域、黄河流域和西南诸河流域的气候因子对NDVI的影响作用大部分在增加,而其他流域的气候影响作用基本在下降.

九大流域；NDVI；气候因素；时空变化；地理探测器

植被覆盖了近四分之三的陆地表面,是陆地生态系统的主体,在陆地生态系统的能量、水热通量以及碳循环中起着至关重要的作用[1-2].在全球气候变化的背景下,植被不仅受气候变化的显著影响且对于气候变化的反馈也十分敏感,成为了研究全球气候变化的“指示器”[3].因此,研究植被动态变化及其对气候因素的响应机制,能够作为探讨全球变化的理论依据,对预测未来植被动态和实施生态可持续发展战略至关重要.

植被指数是植被相对丰度和活性的辐射量化值,作为反应区域生态状况的重要指标,被广泛的应用于陆地表面植被覆盖及其生长的定性和定量研究中[4-6].在已有的20多种植被指数中,归一化植被指数(NDVI)应用最为广泛.NDVI与植被生产力、冠层覆盖面积以及生物量具有较好的相关性,可以稳定的反应地表植被的生长状况,因此是研究植被生长和活动的年际变化与季节性变化的重要参数[7-8].

随着全球气候变化的加剧以及人口密集活动导致的土地利用类型的变化,中国的植被变化趋势非常复杂,不同流域的植被动态变化和驱动因素截然不同.在以往研究中,淮河流域年NDVI与四季NDVI均呈上升趋势[9];珠江流域近20a NDVI上升较快,NDVI与气温和降水均以正相关为主,气候因素对NDVI的影响以正向促进作用为主,但人类活动对珠江流域NDVI的变化影响较大[10];黄河流域和长江流域植被变化具有空间异质性,气候变化对植被的影响较大,尤其是中部区域[11],气温对长江流域植被绿化具有决定性的贡献,太阳辐射是一个较强的负决定因素,由于长江流域水资源丰富,降水与植被的相关性较低[12-13];在内陆河流域,降水被认为是植被变化的关键气候因子,但植被与气温的关系随着干旱程度的变化而变化[14];在松辽河流域,植被与气候变化的关系在不同季节存在差异[15].

水热条件的变化会影响植物的生长与分布[16-17],降水、气温和太阳辐射是驱动植被变化的三大关键气候因素.其次,饱和水气压差影响植被气孔开闭,控制植被生理过程,亦是陆地生态系统中影响植被生长的重要气候驱动因素[18].从以往的研究可以看出,我国不同流域的植被变化及其对气候变化的响应具有空间异质性,但是现有对植被和气候变化的研究主要集中在气温和降水,对植被和饱和水气压差之间的响应规律的剖析不足.也有少量研究讨论了中国不同地区植被变化情况[19-20],但对不同流域植被的变化以及与气候驱动因素的响应机制仍缺乏研究.因此,有必要对流域尺度植被变化趋势的空间异质性及其气候驱动因素进行更系统的研究.

本文以中国九大流域为划分,基于2001～2021年MODIS NDVI数据、气象数据和土地利用类型数据,研究中国近21a NDVI的时空变化特征以及对气温、降水、辐射和饱和水汽压差的响应,有助于全面理解植被生态系统演化特征,为气候变化背景下更好的保护和改善生态环境提供理论依据.

1 资料与方法

1.1 研究区概况

中国(3°52'～53°33' N,135°2'～73°40' E)地处亚洲东部,陆地面积约为960万km2.中国大部分区域位于温带,小部分位于热带,且受季风气候影响显著,导致其冬季寒冷干燥夏季温暖湿润[21].

图1 2001～2021年中国九大流域土地利用变化的空间分布

底图审图号GS2019(1825)号.下同

本文选取全国划分的九大流域作为研究区域(图1),依照中国科学院地理科学与资源研究所资源环境科学与数据中心的标准(https://www.resdc.cn/),依次是长江流域、珠江流域、东南诸河流域、淮河流域、海河流域、松辽河流域、黄河流域、西南诸河流域、内陆河流域.

1.2 数据来源及预处理

本文所有空间数据处理后均为1km分辨率,WGS84地理坐标系,栅格数为6164×4356.季节划分按照气象标准划分,春季为3～5月,夏季为6～8月,秋季为9～11月,冬季为12月～次年2月.

1.2.1气象数据本文使用的气象资料来源于中国国家气候中心提供的中国地面气候资料日值数据集(http://data.cma.cn),包括2001～2021年全国2420个气象站的平均气温、相对湿度、日照时数、降水量等数据.太阳总辐射由日照时数计算得出[22],饱和水汽压差作为影响植被生长的重要驱动因素之一,由平均气温与相对湿度计算得出[23].在完成异常值剔除和缺测值线性插补的基础上,利用克里金插值方法[24]得到空间分辨率为1km的各气象要素的栅格数据集,地理坐标系为WGS84.

1.2.2NDVI数据与其他NDVI数据集相比,考虑时空分辨率、时间跨度和在轨状态,MODIS NDVI产品更可靠,更适合反映大空间尺度上的长期植被动态.本研究使用的NDVI数据来自于 MODIS MOD13A3 数据集,时间分辨率为30d,时间序列为2001年1月～2022年2月.由于研究面积为960万km2,数据处理负担量较大,所以本研究使用1km分辨率的数据.首先,利用Python对MODIS原始NDVI数据进行裁剪拼接,利用ArcGIS软件将NDVI数据集重投影到WGS84坐标系,采用S-G (Savitzky- Golay)滤波对NDVI数据进行平滑去噪[19],利用最大值合成法(MVC)进一步合成季和年尺度的NDVI数 据.

1.2.3土地利用类型数据土地利用类型数据来源[25]CLCD土地利用类型数据集(https://doi.org/ 10.5281/zenodo.5816591),空间分辨率为30m,地理坐标系为WGS84,采用最邻近法进行重采样至1km分辨率.根据8种土地利用类型(耕地、林地、灌木、草地、水、雪地、荒地、不透水和湿地),定义了3种土地变化类型为未发生改变、城市化及非城市化,其判定标准分别为:每5a内没有发生土地利用类型变化的土地;每5a内由其他土地利用类型转变为不透水的土地;每5a内发生其他土地利用类型转变的土地.根据2000年、2005年、2010年、2015年和2020年的土地利用类型数据集,筛选出2001～2021年全国土地类型中未发生改变、城市化、非城市化变化的栅格区域(见图1),其分别占全国面积的87.88%、1.11%和12.01%.以未发生土地利用类型变化的栅格为基础,进一步采用地理探测器进行气候因子对植被变化的影响分析.

1.3 研究方法

1.3.1线性回归分析采用线性回归方法分析中国九大流域NDVI的年际变化和季节变化,其中线性趋势的显著性选取无偏相关系数 进行分析[26].

1.3.2Theil-Sen趋势分析与 Mann-Kendall 显著性检验采用广泛应用于植被长时间序列的Theil- Sen趋势分析[27-28]计算每个栅格上NDVI时间序列的变化率(),并通过Mann-Kendall检验[29]对其变化趋势的显著性进行检验.当标准化统计量时,表示栅格的变化趋势通过0.05显著性检验,当0<||£1.96时,表示栅格的变化趋势不显著.故此,根据值和值将空间栅格的NDVI趋势水平定义为5个等级[26,30],分别为严重退化(<-0.0005,||³1.96)、轻微退化(<-0.0005,||<1.96)、稳定(<0.0005,||<1.96)、明显改善(³0.0005,||³1.96)、轻微改善(³0.0005, ||<1.96).

1.3.3地理探测器地理探测器[31]是探测地理现象空间分异并揭示其驱动力的一组统计学方法.本文采用因子探测器探究降水(PRE)、气温(TEM)、辐射(RAD)以及饱和水汽压差(VPD)对NDVI的影响.其中,气候因子对NDVI的影响称作空间分异解释程度,值的范围为[0,1],值越接近0,证明NDVI对4类气候因子的解释力越弱,反之越强.

2 结果分析

2.1 2001～2021年NDVI时间变化

从全国年际变化看(图2),2001～2021年中国NDVI总体呈显著上升趋势(<0.05),NDVI变化范围在0.31～0.36之间,2001～2021年NDVI均值为0.34,NDVI线性趋势变化率为0.0022/a.在3种土地利用变化类型中,城市化地区的NDVI增长速率最慢(0.0013/a),非城市化地区的NDVI增长最高(0.0026/a),未发生土地类型变化的地区NDVI增长居中(0.0021/a).

图2 2001～2021年中国NDVI变化

由表1可知,中国九大流域NDVI在2001～2021年间整体均为显著上升趋势(<0.05),其中长江流域、珠江流域、东南诸河流域、淮河流域、海河流域、黄河流域的NDVI变化率均大于0.003/a,西南诸河流和内陆河流域的NDVI变化率仅为0.0012/a和0.0007/a.

表1 九大流域的NDVI时间变化统计

图3给出了九大流域不同土地利用变化类型的NDVI变化率对比情况.除内陆河流域外,其他流域均是城市化区域的NDVI变化率最小,且在东南诸河流域和西南诸河流域为负值.在长江流域、珠江流域、东南诸河流域和西南诸河流域内,土地利用类型未变化区域的NDVI变化率最大,植被改善最多,其次为非城市化区域;在淮河流域、海河流域和黄河流域内非城市化区域的NDVI变化率最大,植被改善最多,其次是土地利用类型未变化区域;在内陆河流域内城市化区域的NDVI变化率最大,植被改善最多,其次是非城市化区域,最后是土地利用类型未变化区域.由变化率可以看出,所有流域中未发生土地利用类型变化以及非城市化区域的NDVI均表现为显著增长的趋势(<0.05).在城市化区域中,各个流域表现不同,其中东南诸河流域和西南诸河流域城市化区域NDVI表现为下降趋势,但未通过0.05显著性检验(>0.05),长江流域和珠江流域表现为上升趋势,但亦未通过0.05显著性检验(>0.05),其余流域均表现为显著上升趋势(<0.05).

图3 2001～2021年九大流域不同土地利用变化类型的NDVI变化率

表示通过0.05显著性水平.a为长江流域;b为珠江流域;c为东南诸河流域;d为淮河流域;e为海河流域;f为松辽河流域;g为黄河流域;h为西南诸河流域;i为内陆河流域.下同

由全国季节变化可知(图4),2001～2021年春、夏、秋和冬季NDVI均值分别为0.29、0.46、0.36和0.22.NDVI四季的变化均表现为显著增长的趋势(<0.05),且增长速率没有明显差异,分别为0.0022/ a、0.0022/a、0.0021/a及0.0021/a.

图5反映了2001～2021年中国九大流域四季的NDVI变化率情况.整体而言,九大流域植被变化表现为明显的空间异质性.尽管九大流域的四季NDVI大部分均呈现出显著增长的趋势(<0.05),但是淮河流域夏季、松辽河流域冬季、西南诸河流域夏季以及内陆河流域冬季的植被NDVI增加趋势不显著(<0.05).长江流域、珠江流域、东南诸河流域及淮河流域冬季的NDVI变化率最大,其次是春季.海河流域春季的NDVI变化率最大,其次为夏季.松辽河流域、黄河流域和内陆河流域夏季的NDVI变化率最大,其次为秋季.西南诸河流域秋季的NDVI变化率最大,其次为春季.九大流域四季变化率的平均值从大到小依次是珠江流域、长江流域、海河流域、黄河流域、东南诸河流域、淮河流域、松辽河流域、西南诸河流域、内陆河流域,由此可知,九大流域的NDVI变化率呈现出由东向西、由南向北递减的趋势.

图4 2001～2021年中国NDVI的季节变化

*表示通过0.05显著性水平

图5 九大流域季节NDVI的变化率

2.2 2001～2021年NDVI空间变化

2001～2021年中国NDVI年均值分布情况及其变化趋势如图6所示,结果显示2001～2021年中国NDVI空间分异明显,自西北向东南NDVI逐渐增加,NDVI低值主要分布在内陆河流域,高值主要分布在西南诸河流域东部、长江流域中部、东南诸河流域及松辽河流域.2001～2021年中国NDVI整体呈改善趋势,结合表2可知,全国植被增长趋势良好,全国植被明显改善和轻微改善的面积分别占56.16%和14.15%,共占全国总面积的近70.31%,主要分布在珠江流域、长江流域中部、黄河流域中部、松辽河流域及西南诸河流域南部;严重退化和轻微退化的面积分别为1.12%和2.13%,共仅占全国总面积的3.25%,其中轻微退化主要集中在内陆河流域北部地区、西南诸河流域的东部和长江流域的西部,严重退化主要分布在海河流域、淮河流域、长江流域中下游及东南诸河流域等东部经济发展较快的沿海地区;植被生长稳定区域占全国面积的26.43%,主要集中在内陆河流域以及西南诸河西北部区域.

表2给出了NDVI不同变化趋势的面积统计.可以看出,长江流域、珠江流域、东南诸河流域、淮河流域、海河流域、松辽河流域及黄河流域的改善面积均达到了其流域总面积的80%以上, 流域整体植被增长趋势良好;全国植被稳定区域大都集中于内陆河流域和西南诸河流域,其植被稳定区域分别占其流域总面积的30.31%和56.52%;淮河流域、海河流域及东南诸河流域的植被退化趋势面积达到了流域面积的5%以上, ,但各流域植被改善的面积均远高于植被退化的面积.

由图7可知,2001～2021年除松辽河流域外,其他流域都在夏季退化最严重.内陆河流域北部和南部、西南诸河流域、长江流域下游和上游、淮河流域和海河流域全年四季都存在植被退化的现象,并且该区域在夏季的植被退化面积远高于其他季节.除此之外,内陆河流域的北部在秋季退化也很明显,长江流域上游在冬季退化也比较明显.在松辽河流域,也就是中国的东北地区,秋冬季有严重的植被退化现象.

图6 2001～2021年中国NDVI及其变化趋势的空间分布

图7 2001～2021中国季节NDVI变化的空间分布

表2 2001～2021年九大流域NDVI变化的面积比统计(%)

2.3 NDVI与气候因素的关系

本文采用地理探测器揭示全国和流域尺度上气候因子对NDVI空间分异的解释力大小().在全国尺度上(图8),PRE的值为0.76～0.83,均值为0.8; TEM的值为0.48～0.56,均值为0.52; VPD的值为0.48～0.55,均值为0.51;RAD的值为0.31～0.58,均值为0.48.因此,影响全国NDVI空间分异最主要的因子是PRE,其次是TEM、VPD和RAD.

表3 九大流域气候因素的年均q值及主导因子排序

在流域尺度上(表3),PRE是影响海河流域、东南诸河流域、黄河流域、西南诸河流域和内陆河流域NDVI空间分异的主要决定因子;VPD是影响长江流域、珠江流域和淮河流域NDVI空间分异的主要决定因子;四种气候因子均为影响松辽河流域NDVI的空间分异的主要决定因子.对比值可知,气候因子对东南诸河流域和珠江流域的NDVI影响比较小,仅能解释低于12%的NDVI变化;在西南诸河流域、黄河流域、长江流域和松辽河流域气候因子对NDVI的影响相对比较大,能解释超过40%的NDVI变化,特别是松辽河流域97%的NDVI变化由气候因子决定.

图9反映了2001～2021年九大流域中四种气候因子对NDVI的因子解释力()的变化情况.整体而言,长江流域、松辽河流域、黄河流域和西南诸河流域的值呈上升趋势, 表明在这4个流域中气候因素对植被NDVI的影响在逐渐增强;珠江流域、东南诸河流域、淮河流域、海河流域和内陆河流域的值呈下降趋势,表明在这5个流域中气候因素对植被NDVI的影响在逐渐减弱.在长江流域和西南诸河流域,TEM和VPD的值呈显著增加趋势(< 0.05),相反在珠江流域、东南诸河流域及内陆河流域,TEM和VPD的值呈显著减小趋势(<0.05).在内陆河流域中,PRE的值显著减小的趋势尤为明显,远高于其他气候因素.

图9 2001～2021年九大流域四个气候因素q值的变化率

*表示通过0.05显著性水平

3 讨论

本文发现2001～2021年中国及九大流域NDVI虽在不同年份存在增减波动,但整体呈显著上升趋势,这与已有的研究结果相一致[16,31-32].但是NDVI存在很强的空间区域差异,中国NDVI呈从东南向西北逐渐递减的分布格局,改善趋势的面积占比为70.31%,主要分布在珠江流域、内陆河流域、长江流域中部、黄河流域中部、松辽河流域及西南诸河流域南部,表明国家一系列天然林保护工程、退耕还林还草工程、三北防护林工程、长江中下游地区重点防护林体系建设工程的实施,使得以上地区植被覆盖呈显著上升趋势,区域生态环境质量得到明显改善,这与图1的土地利用类型变化中的非城市化区域相对应,也与已有研究结果一致[33-34].中国NDVI呈退化趋势的面积占比为3.25%,主要分布在内陆河流域东北部地区、海河流域、淮河流域及东南诸河流域等东部经济发展较快的沿海地区,西北部属于西北干旱与半干旱区和青藏高原高寒区,该区域生态系统脆弱,人类活动(如放牧)导致草场和湿地退化,荒漠化不断扩大[35],而全球气候变暖背景下气温和降水等气候条件的限制,也导致其植被覆盖呈下降趋势.图1的城市化区域内,大量的林地、草地和耕地转化为建设用地是导致海河流域、淮河流域及东南诸河流域NDVI下降的主要原因[36].

研究发现,影响NDVI空间分异的主导因素存在明显的地域差异,从全国范围来看,在大部分流域中影响NDVI变化的气候因子仍是降水占主导地位,这与已有的研究结果相一致[26,37-38],但在长江流域、珠江流域及淮河流域,VPD却是主要决定因子.已有研究结果证明VPD对季风区域植被有较大影响[39],并也有研究指出,当土壤水分充分供应时植被会出现由VPD驱动的气孔关闭的现象[40],所以上述三区域虽处于亚热带季风区,但没有东部沿海区域例如东南诸河流域等流域的充沛的降水,导致其VPD成为影响NDVI空间分异的主要决定因子.除此之外,夏季退化严重的区域主要聚集在淮河流域及长江流域东部,可能由于VPD是其NDVI变化的主要气象控制因子,受到夏季高温事件增加的影响,空气相对湿度降低,且光照的增加促进植物蒸腾作用,提高植物对水的需求,从而使的VPD增大,这与Li等研究的结论相一致[41],因此该区域的植被退化在夏季较为突出.这表明,VPD作为反应大气对水分“需求”[42]及影响植被生长的重要因素,在湿润半湿润地区对植被空间异质性的影响要大于降水.

本研究还存在一定的不确定性,比如由于北方冬季的积雪覆盖或者无植被,NDVI算法本身可能会存在对植被低值高估的现象;其次,城市区域是植被和建筑的综合体,很多城市绿化良好,采用1km分辨率会平滑粗化城市的不透水面和植被分布,产生很多植被混合像元,导致城市化地区的NDVI也可能存在高估现象.在未来研究中,可以采用更高分辨率的产品和植被指数优化算法产品对北方冬季植被和城市化地区的植被演变情况进行进一步精细化研究.

4 结论

4.1 2001～2021年中国年均和季均NDVI总体呈显著上升趋势,NDVI整体变化率为0.0022/a,四季变化无明显差异.九大流域NDVI均呈显著上升趋势,NDVI变化率表现为由东向西、由南向北递减.除西南诸河流域、内陆河流域和松辽河流域以外,其他六个流域的年NDVI变化率均大于0.003/a.流域NDVI四季变化差异显著,其中在长江流域、珠江流域、东南诸河流域及淮河流域冬季的NDVI变化率最大,海河流域春季最大,西南诸河流域秋季最大,其他流域夏季最大.

4.2 全国3种土地利用变化类型的NDVI增长速率表现为非城市化地区(0.0026/a)>未发生土地利用类型变化地区(0.0021/a)>城市化地区(0.0013/a).九大流域中非城市化以及未发生土地利用类型变化的地区NDVI均表现出显著增长趋势;城市化地区中,东南诸河流域和西南诸河流域NDVI表现为不显著下降趋势,长江流域和珠江流域表现为上升趋势,其余流域均表现为显著上升趋势.

4.3空间上,中国NDVI变化率整体呈现出由东向西、由南向北减少的分布格局.全国植被增长趋势良好,植被稳定区域面积占全国总面积的26.43%,植被改善区域面积占70.31%,远高于退化面积的3.25%.植被退化区域集中在东部沿海区域(淮河流域、海河流域、长江流域东部及东南诸河流域)、西南诸河流域西部和内陆河流域的北部,且夏季较为突出.

4.4在全国尺度上,PRE是控制NDVI空间分异的主要决定因子,其次是TEM、VPD、RAD.在各个流域内,PRE仍是大部分流域的主要决定因子,但在长江流域、珠江流域和淮河流域,VPD为主要决定因子,其次为气温.长江流域、松辽河流域、黄河流域和西南诸河流域的气候因素对NDVI的影响逐年增加,而珠江流域、东南诸河流域、淮河流域、海河流域和内陆河流域的气候因素影响作用则有所下降.

[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, Rämä 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 凯,王 飞,韩剑桥,等.1982～2015年中国气候变化和人类活动对植被NDVI变化的影响 [J]. 地理学报, 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 峥,刘赛艳,秦 璇,等.淮河流域1999～2018年NDVI时空演变特征研究[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] 陈文裕,夏丽华,徐国良,等.2000～2020年珠江流域NDVI动态变化及影响因素研究 [J]. 生态环境学报, 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,黄萧霖,郝 璐.近40年中国饱和水汽压差时空变化及影响因素分析 [J]. 气候与环境研究, 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] 耿庆玲,陈晓青,赫晓慧,等.中国不同植被类型归一化植被指数对气候变化和人类活动的响应 [J]. 生态学报, 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,刘 睿,等.1982～2015年中国植被NDVI时空变化特征及其驱动分析 [J]. 农业工程学报, 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,巫兆聪,张 熠.中国XCO2时空分布与影响因素分析 [J]. 中国环境科学, 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] 和清华,谢 云.我国太阳总辐射气候学计算方法研究 [J]. 自然资源学报, 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] 黄萧霖.生态水文变化对城市干岛效应的影响机制研究 [D]. 南京:南京信息工程大学, 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,刘春霞.基于站点观测数据的气温空间化方法评述 [J]. 地理科学进展, 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,陈建军,杨艳萍,等.黄河源植被时空变化及其对地形和气候的响应[J]. 中国环境科学, 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] 袁丽华,蒋卫国,申文明,等.2000～2010年黄河流域植被覆盖的时空变化 [J]. 生态学报, 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年中国不同生态系统NDVI时空变化及其对气候因子的响应 [J]. 生态学报, 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,陈 莹,阮玺睿,等.1982～2012年中国NDVI变化及其与气候因子的关系 [J]. 草地学报, 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,赵 纯,郭振东,等.中国八大经济区GPP变化及影响因子协同机制 [J]. 中国环境科学, 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] 黄豪奔,徐海量,林 涛,等.2001～2020年新疆阿勒泰地区归一化植被指数时空变化特征及其对气候变化的响应 [J]. 生态学报, 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,张路路,林伟彪,等.基于MODIS归一化植被指数的广东省植被覆盖与土地利用变化研究 [J]. 生态学报, 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] 林尚荣.考虑区域气候特征与植被特征的GPP遥感估算方法研究 [D]. 中国科学院大学(中国科学院空天信息创新研究院), 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] 许大全.气孔的不均匀关闭与光合作用的非气孔限制 [J]. 植物生理学通讯, 1995,31(4):246-252. Xu Daquan.Non-uniform closure of stomata and non-stomatal limitation of photosynthesis. Plant Physiology Communications [J]. 植物生理学通讯, 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] 刘玉莉,江 洪,周国模,等.安吉毛竹林水汽通量变化特征及其与环境因子的关系[J]. 生态学报, 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

江苏省碳达峰碳中和科技创新专项资金资助项目(BK20220017);中国气象局创新发展专项资助项目(CXFZ2023J073);江苏省研究生科研创新计划资助项目(KYCX23_1338)

* 责任作者, 教授, fmin.zhang@nuist.edu.cn

孙 瑞(1999-),男,黑龙江北安人,南京信息工程大学硕士研究生,主要从事气候变化与植被响应研究.1016614123@qq.com.

孙 瑞,张方敏,翁升恒,等.2001～2021年中国NDVI时空格局变化及对气候的响应 [J]. 中国环境科学, 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.