全 文 ：第 35 卷第 16 期
2015年 8月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol.35,No.16
Aug.,2015
http: / / www.ecologica.cn
基金项目:国家“高分辨率对地观测系统冶重大专项资助
收稿日期:2014鄄04鄄15; 摇 摇 修订日期:2015鄄03鄄11
*通讯作者 Corresponding author.E鄄mail: zhuxiufang@ bnu.edu.cn
DOI: 10.5846 / stxb201404150731
刘宪锋,朱秀芳,潘耀忠,李宜展,赵安周.1982—2012年中国植被覆盖时空变化特征.生态学报,2015,35(16):5331鄄5342.
Liu X F, Zhu X F, Pan Y Z, Li Y Z, Zhao A Z.Spatiotemporal changes in vegetation coverage in China during 1982—2012.Acta Ecologica Sinica,2015,
35(16):5331鄄5342.
1982—2012年中国植被覆盖时空变化特征
刘宪锋1,2,朱秀芳1,2,*,潘耀忠1,2,李宜展1,2,赵安周1,2
1 北京师范大学地表过程与资源生态国家重点实验室,北京摇 100875
2 北京师范大学资源学院,北京摇 100875
摘要:利用 GIMMS NDVI、MODIS NDVI和气象数据,辅以趋势分析、分段回归以及相关分析等方法,分析了 1982—2012 年我国
植被 NDVI时空变化特征及其驱动因素。 结果表明:(1)近 30年我国植被 NDVI呈缓慢增加趋势,增速为 0.2% / 10a;植被覆盖
变化阶段性特征明显:即 1982—1997年和 1997—2012年植被覆盖均呈显著增加趋势,增速分别为 1.2% / 10a和 0.6% / 10a,均通
过显著水平 0.05的检验。 (2)空间上,我国陕北黄土高原、西藏中西部以及新疆准格尔盆地等地区植被 NDVI 呈显著增加趋
势;而东北地区的大、小兴安岭和长白山、新疆北部的天山和阿尔泰山以及黄河源和秦巴山区等地区植被 NDVI 呈显著下降趋
势,其中东北地区和新疆北部山区下降尤为显著,说明近年来我国中高纬度山区植被活动呈下降趋势。 (3)不同区域植被对气
温和降水的响应存在差异,我国北方地区植被对气温具有较长的响应持续时间;而除云南外,南方地区植被对降水的响应时间
存在 1—3个月的响应时间,且随着滞后时间的延长,相关性逐渐增大。 (4)我国植被覆盖增加是气候变化和人类活动共同驱
动的结果,尤其是 1999年之后人类活动影响逐渐加强。 而我国东北地区和新疆北部山区植被覆盖的下降可能是由于该区降水
减少所致,东南沿海地区植被退化则受城市化影响显著。
关键词:植被覆盖;时空变化;气候变化;时滞分析;中国
Spatiotemporal changes in vegetation coverage in China during 1982—2012
LIU Xianfeng1, 2, ZHU Xiufang1,2,*, PAN Yaozhong1, 2, LI Yizhan 1, 2, ZHAO Anzhou 1, 2
1 State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University, Beijing 100875, China
2 College of Resources Science & Technology, Beijing Normal University, Beijing 100875, China
Abstract: Vegetation, the main component of terrestrial ecosystems, is not only a sensitive indicator of global climate
change, but also regulates the climate through energy, water, and carbon exchange between the terrestrial environment and
the atmosphere. Understanding the mechanisms of growth responses of vegetation to climate change is of great significance
for projecting future vegetation change and its implications. Using the satellite鄄derived normalized difference vegetation index
(NDVI) and climate data of the period between 1982 and 2012, we investigated changes in the growing season NDVI and
its response to climate change in China based on trend analysis, piecewise regression model, and correlation analysis. Our
results indicate that (1) In the past thirty years, the NDVI of the study area increased, with the linear tendency being
0.2% / 10a. There exists two distinct periods with different increasing trends, with the linear tendency being 1.2% / 10a and
0.6% / 10a during 1982—1997 and 1997—2012, respectively, the two periods of which all through the inspection by a
significant level of 0.05. ( 2) In spatial, the areas with increased vegetation NDVI are mainly distributed in the Loess
Plateau of Shanxi, the middle and western regions of Xizang, and the Junggar basin, whereas the regions with decreased
vegetation NDVI are mainly distributed in the Da Hinggan Mountain, Xiao Hinggan Mountain, and Changbai Mountain in
http: / / www.ecologica.cn
the northeast of China, the Altai mountain and the Tianshan Mountain in the north of Xinjiang Province, the Yellow River
source region, and the Qinba Mountain, of which, the magnitude of decrease in the northeast of China, the Tianshan
Mountain, the Altai Mountains is particularly remarkable. This phenomenon indicates that vegetation activities in mid鄄and
high latitude mountain regions declined. (3) Spatial differences occur in response to temperature and precipitation from
vegetation in different regions. Longer response duration of vegetation to temperature was detected in the north of China,
whereas vegetation in the south of China showed not more than one month time lag. In contrast, vegetation in the north of
China showed not more than one month time lag, but in the south of China, except for Yunnan Province, more than one
month time lag was observed, and the correlation increased with the extension of time lag. (4) The increased vegetation
coverage is mainly attributed to climate change and the implementation of the ecological protection project, the latter
especially strengthened the impact of human activities on the vegetation increase after 1999. Of which, the decrease in
vegetation in the northeast of China, the Tianshan Mountain, and the Altai Mountains can be attributed to the decline in
precipitation, whereas the deterioration in the southeast of China may be more related to urbanization. Over the last decade,
the project on the conversion of degraded farm land into forests and grass land in China has achieved encouraging results.
However, the most drastic climate change also occurred during the same period. Although climate change probably played a
key role in the trends of vegetation growth on a long time scale, human activities are also an important factor driving
vegetation change. However, the exact influences of climate change and human activities on vegetation growth remain
unclear; further studies are necessary to obtain accurate conclusions.
Key Words: vegetation coverage; spatiotemporal variation; climate change; time lag; China
全球气候变化与陆地生态系统的关系是全球变化科学研究中的核心内容之一[1]。 IPCCAR5 显示,
1951—2012年全球平均气温上升 0.72 益(0.49—0.89 益),其中 1983—2012年成为北半球过去 800年来最暖
的 30年[2],气候的剧烈变化无疑会对陆地生态系统造成严重影响。 植被作为陆地生态系统的主体,既是气候
变化的敏感指示器[3鄄4],同时也通过与大气之间的能量、水分和物质交换反作用于气候[5鄄6]。 目前,植被与气
候变化的关系研究受到了国内外学者的广泛关注与研究,其中 Myneni 等[7]和 Tucker 等[8]基于 NDVI 数据研
究了北半球高纬度地区植被变化情况,结果表明:在气候变暖背景下,北半球植被活动显著增强,而同样的植
被变化趋势在中国也被检测出来[9]。 相反,植被覆盖的变化引起了地表下垫面性质及其他生物化学过程的
改变,从而对区域气候产生影响[10],已有研究表明,我国退耕还林区植被覆盖的增加导致昼间气温下降,夜间
气温升高,从而造成昼夜温差减小[11]。
在全球变暖背景下,近 50年(1960—2009)我国地表平均气温升高了 1.38 益,远高于全球或北半球同期
平均增温速率[12]。 显著的气候变暖势必会对陆地生态系统造成严重影响,尤其表现在植被覆盖的变化[13鄄14]。
我国学者针对中国东部[15]、西北地区[16鄄17]、青藏高原[18]、黄土高原[19]、内蒙古[20]以及三江源[21]等地区植被
覆盖变化做了大量研究工作。 以上研究成果从区域尺度很好地揭示了植被覆盖变化及其与气候因子的关系,
并得出了有意义的结论。 然而,关于全国尺度植被变化的宏观格局认识仍较为缺乏,尤其是长时间尺度的时
空变化特征更是鲜有报道。 此外,另有研究表明,欧亚大陆的植被覆盖增加趋势在 20 世纪 80—90 年代期间
逐渐变缓并趋于停滞、甚至部分地区呈下降趋势[22鄄23],如 1996 年前后东亚地区植被覆盖变化趋势发生翻转,
由增加趋势变为下降趋势[24]。 植被对气候变化的这种响应引起了学界的广泛关注,其中朴世龙[10]和张镱
锂[25]分别对欧亚大陆和青藏高原部分地区的植被变化趋势进行了探讨,二者均检测出了植被变化的转折现
象。 综上可以看出,上述研究成果加深了我们对植被覆盖变化的认识水平。 植被覆盖状况作为重要的生态指
示因子,有必要进一步加强其变化特征及归因的研究,以全面认识植被覆盖的时空变化特征及其影响因素,保
障生态安全。
我国位于东亚季风区,对全球气候变化的响应极为敏感,全球气候变化已对我国植被覆盖造成显著影
2335 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
响[26]。 与此同时,近年来我国植被覆盖经历了最强烈的人类活动干扰,如退耕还林还草工程、三北防护林工
程的实施。 然而,关于我国植被覆盖变化的宏观特征及其长期趋势尚不明晰。 基于上述认识,本文利用
GIMMS鄄NDVI、MODIS鄄NDVI数据和气象数据,辅以分段线性回归模型、趋势分析以及相关分析等手段,分析了
1982—2012年我国植被生长季 NDVI的时空变化特征及驱动因素。 综合评价我国近 30 a 植被 NDVI 的时空
变化特征不仅能够正确认识气候变化对我国植被生长的影响,并且能够正确评价我国退耕还林还草等生态恢
复工程的实施效果,为进一步生态恢复工程的实施及生态文明的建设提供基础数据。
1摇 材料与方法
1.1摇 数据来源及预处理
1.1.1摇 GIMMS NDVI数据与处理
本文所用 GIMMS NDVI数据为美国马里兰大学 GLCF(Global Land Cover Facility)研究组生产的 15d最大
合成数据[27],其空间分辨率为 8 km 伊 8 km,该数据是目前时间序列最长的 NDVI数据集,时间跨度为 1982—
2006年。 在数据制备过程中已经过辐射校正和几何校正、除云、除火山气溶胶等预处理,并且利用沙漠控制
点进行验证,保证了数据质量,与其他 NDVI数据相比,其误差小,精度较高,已被广泛应用于全球及区域植被
变化研究[12]。 在数据处理过程中,本文采用最大合成法(MVC)进一步消除了云、大气等异常值的影响[28]。
1.1.2摇 MODIS NDVI数据与处理
本文采用另一遥感数据为月最大合成 MODIS NDVI数据,空间分辨率为 1 km伊1 km,时间跨度为 2000—
2012年,取自美国国家航空航天局(NASA)的 EOS \MODIS 数据产品(http: / / e4ftl01.cr.usgs.gov)。 与 GIMMS
NDVI相比,该数据具有更高的分辨率和更稳定的影像质量,在监测和评价陆地植被变化的能力要优于前
者[27]。 在数据处理过程中,采用 MODIS Reprojection Tools(MRT)软件对下载的原始数据进行格式转换、投影
转换、数据拼接、裁切等预处理。 为与 GIMMS NDVI数据格式保持一致,本文将 MODIS NDVI数据重采样为 8
km 伊 8 km分辨率的影像。 另外,为消除低植被覆盖区的影响,本文将多年平均 NDVI值大于 0.1 的区域定义
为植被区域,并进一步定义每年的 4—10月为该年份的生长季。
1.1.3摇 GIMMS NDVI与 MODIS NDVI的一致性分析与处理
由于两种 NDVI数据采用了不同的传感器,因此在数据融合之前需要对两种数据进行一致性检验[19]。
本文采用的 GIMMS NDVI时间范围为 1982—2006 年,MODIS NDVI 数据的时间范围为 2000—2012 年。 首先
将两种数据源的重合年份进行时序分析,2000—2002年之间具有较好的一致性,因此文中采用以上 3 个年份
的生长季逐月数据进行相关性分析,并求得相关系数分别为 0.984、0.989 和 0.998,均通过了 0.001 的置信度
检验。 事实上,以上相关分析存在年内生长周期的影响,为消除此影响,本文进一步对生长季的逐月数据进行
7步长滑动平均处理,将处理后的数据重新进行相关性分析,发现 2001 和 2002 年相关性系数分别为 0.45 和
0.99,仅 2002年通过了 0.001置信度水平的检验。 因此,本文采用 2002 年的两种 NDVI 数据进行所有像元的
拟合,即 MODIS NDVI(MNDVI)作为自变量,GIMMS NDVI(GNDVI)作为因变量,获取二者回归方程,从而实
现两种数据的融合。 根据计算,拟合方程为:GNDVI = 0.7153伊MNDVI+0.1171(样本量为 143150,R2 = 0.7281,
P<0.001)。 需说明的是,由于 2003—2006年的 GIMMS NDVI数据与 MODIS NDVI和 SPOT NDVI均表现出较
大的差异,因此,本文采用上述拟合方程对 2003—2012年的 GIMMS NDVI数据进行插补。
1.1.4摇 气象数据
为保证资料的完整性和连续性,建立均一、稳定的气候序列,本研究共选取研究区 578个气象台站的月平
均气温和月降水量数据,资料时间跨度为 1982—2012 年,来源于中国气象科学数据共享服务网(http: / / cdc.
cma.gov.cn)。 所选站点均经过了严格的质量检查和控制,保证了数据的质量。
1.2摇 研究方法
1.2.1摇 趋势分析
摇 摇 一元线性回归分析能够模拟每个栅格的变化趋势,该方法是指在一定时间内,采用最小二乘法逐像元拟
3335摇 16期 摇 摇 摇 刘宪锋摇 等:1982—2012年中国植被覆盖时空变化特征 摇
http: / / www.ecologica.cn
合年均 NDVI的斜率,用以综合反映植被覆盖的时空演变特征[29]:
Slope =
n 伊 移
n
i = 1
i 伊 NDVIi - 移
n
i = 1
i移
n
i = 1
NDVIi
n 伊 移
n
i = 1
i2 - 移
n
i = 1
( )i 2
(1)
式中,Slope为变化趋势;NDVIi为第 i年的 NDVI值;n 为研究时序;当 Slope>0 时,表明 NDVI 呈增加趋势;当
Slope<0时,表明 NDVI呈下降趋势。
1.2.2摇 分段线性回归
为了检测 1982—2012年我国植被覆盖变化趋势的持续性,本文采用分段线性回归模型进行分析[30]。 由
于该模型能够较好地提取长时间序列数据变化的转折点,从而有效弥补普通线性回归模型无法真实反映长时
间序列变化趋势的缺陷,已被广泛应用于植被与气候变化趋势分析[31]:
y = 茁0 + 茁1 t + 着 摇 摇 t 臆 琢
茁0 + 茁1 t + 茁2 t -( )琢 + 着 摇 摇 t >{ 琢 (2)
式中, y表示 NDVI; t为年份; 琢是检测出的时间序列转折点; 茁0 为截距; 茁1 和 茁1+ 茁2 分别表示转折点前后的
斜率; 着表示残差。 以上各项系数均由最小二乘法求得,并定义 P < 0.05为显著变化。
1.2.3摇 偏相关分析
地理系统是一个多要素构成的复杂巨系统,系统中任何一个要素的变化必然影响到其他要素的变化,而
偏相关分析可以有效解决这个问题。 它是指研究某一要素与另一要素的相关程度时,将其他要素的影响视为
常数的方法[32]:
rxy·z =
rxy - rxzryz
1 - r2( )xz 1 - r2( )yz
(3)
式中, rxy·z表示变量 z固定后变量 x与 y的偏相关系数; rxy 、 rxz 、 ryz分别 x与 y、x与 z、y与 z之间的相关系数。
2摇 中国植被覆盖时空变化特征
2.1摇 时间变化特征
图 1摇 1982—2012年中国生长季 NDVI年际变化
摇 Fig. 1 摇 Inter鄄annual variations of growing season NDVI over
China during 1982—2012
2.1.1摇 全国尺度
1982—2012年中国植被 NDVI呈缓慢增加趋势,增
速为 0.2% / 10a,未通过显著性检验(图 1)。 通过分段
线性分析,我们发现近 30 年中国植被 NDVI 变化主要
分为两个阶段:(1)1982—1997 年呈显著增加趋势,增
速达 1.2% / 10a(P<0.05);(2)1997—2012 年增加趋势
小于前一时期,为 0.6% / 10a(P<0.05)。 1997—1998 年
植被 NDVI迅速下降,将两年 NDVI进行相减,统计得出
有 61%的像元呈下降趋势,其原因可能是该时期强厄
尔尼诺事件导致大气环境的改变,进而对植被覆盖造成
影响。 由于 1997年 NDVI值对后一阶段植被变化趋势
存在显著影响,为此,进一步计算了 1998—2012 年的植
被 NDVI变化趋势,结果显示该时段植被覆盖呈极显著
增加趋势,增速为1.0% / 10a(P<0.01)。 以上分析表明,
近 30年我国植被 NDVI呈增加趋势,但是不同阶段增速有所差异。
4335 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
2.1.2摇 像元尺度
空间平均值可以表征植被 NDVI整体变化趋势,但由于存在不同区域变化趋势相反,进而相互抵消的情
况,所以不能很好地描述不同区域的变化特征。 因此,基于一元回归模型,在像元尺度上分析了近 30 年植被
NDVI变化趋势,并对计算结果进行显著性检验。 1982—2012 年植被 NDVI 呈增加和减少趋势的面积分别占
53.79%和 46.21%,其中极显著增加区域(P<0.01)占 29.32%,主要分布在黄土高原、青藏高原中西部、祁连山
西段、新疆准葛尔盆地以及云南的部分地区;而极显著减少地区(P<0.01)占 23.89%,主要分布在东北地区的
大、小兴安岭和长白山、新疆的阿尔泰山和天山、青藏高原的东部以及东南沿海等地区(图 2a—b)。
依据分段结果,进一步分析了 1982—1997年(时期 1)和 1997—2012年(时期 2)的变化趋势,发现,两个
时间段内植被 NDVI变化的空间格局具有显著的差异。 时期 1内植被 NDVI呈增加和减少趋势的面积分别占
61.09%和 38.91%,其中不显著增加的面积占 45.90%,而极显著增加的面积仅占 4.97%,且主要分布在 40毅N
以北的东北平原和黄土高原北部地区(图 2c—d)。 时期 2 内植被 NDVI 呈增加和减少趋势的面积分别占
54.69%和 45.31%,其中极显著增加(P<0.01)区域占 27.89%,主要分布在 110毅E 以西地区;极显著减少(P<
0.01)区域占 19.96%,主要分布在东北地区的大兴安岭和小兴安岭、新疆的天山和阿尔泰山、祁连山东段、黄
河源以及东部沿海等地区(图 2e—f)。 上述分析表明,近 30年我国中高纬度山区植被活动呈下降趋势。
2.2摇 空间分布特征
在空间上,我国植被 NDVI整体呈东南、东北高、西北低的空间格局,高值区主要分布在东北地区、华北地
区、华中和华南地区以及东南沿海等地,其原因是该地区主要植被类型为落叶针叶林、针叶阔叶混交林、温带
落叶阔叶林、常绿阔叶林区域以及热带季雨林和雨林;低值区主要分布在内蒙古中西部、新疆大部分地区以及
青藏高原中西部,这些地区主要为草原区、荒漠区以及青藏高原高寒植被区(图 3a)。 由频度分布图可以看出
(图 3b),我国植被 NDVI呈“双峰冶结构,且 NDVI值介于 0.6—0.8的区域所占比例高达 48.80%,远高于 NDVI
值介于 0.1—0.3的区域(20.17%),而值域在 0.3—0.5的区域共占 25.33%。 这种空间分布形式说明我国高植
被覆盖与低植被覆盖区域差异显著。
3摇 影响因素分析
3.1摇 气候因子变化趋势
1982—2012年中国气温呈增加趋势,增速为 0.04 益 / a(-0.05—0.15 益 / a)。 在空间上,97.06%的站点呈
增加趋势,其中增温趋势较大的地区主要分布在我国西北地区和西藏等地;而气温呈减少趋势的站点主要分
布在我国东北地区的大兴安岭、新疆北部的天山、华北平原等地(图 4)。 同期全国平均降水呈减少趋势
(-0.54 mm / a),其中呈减少和增加趋势的站点分别占 53.11%和 46.89%,且减少站点集中分布在 100毅 E以东
地区,包括东北地区、华北北部、长江中下游、西南地区以及东南沿海等地,而新疆的天山和阿尔泰山部分地区
也呈减少趋势(图 4)。
3.2摇 NDVI与气候因子的相关分析
为保证数据精度及结果的可靠性,文中植被 NDVI 对气候因子的响应采用逐站点偏相关的方法,具体步
骤为:1)以气象站点为中心,逐月提取站点周边 3 km伊3 km 范围内的 NDVI 平均值,作为该站点的 NDVI 值;
2)基于 NDVI提取结果,逐站点计算 NDVI与气温和降水的偏相关系数。
在年尺度上,中国植被 NDVI与同期气温并未呈现出较好的相关性,仅有 38.06%的站点呈正相关关系,
其中 6.06%和 9.69%的站点分别通过 0.01和 0.05的显著性检验,且主要分布在青藏高原和内蒙古中西部地
区;而 NDVI与降水量有 53.98%的站点呈正相关关系,且主要分布在中国北方和青藏高原中西部地区,通过
0.01和 0.05的显著性检验的站点分别占 5.88%和 11.25%(图略)。
由于植被生长对水热条件的改变存在一定的滞后性,因此年尺度的相关性会掩盖部分信息,并不能很好
地解释植被与气温、降水的相关性,因此本文进一步从月尺度分析了中国植被 NDVI与气温、降水的相关性。
5335摇 16期 摇 摇 摇 刘宪锋摇 等:1982—2012年中国植被覆盖时空变化特征 摇
http: / / www.ecologica.cn
6335 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
图 3摇 中国植被 NDVI空间分布(a)及频度分布(b)
Fig.3摇 Spatial distribution of NDVI (a) and its frequency distribution (b) in China
图 4摇 1982—2012年中国年均气温和年降水量变化趋势空间分布图
Fig.4摇 Spatial distribution of change trend of annual mean temperature and annual cumulative precipitation in China during 1982—2012
植被 NDVI与当月气温具有显著相关性的区域主要分布在东北地区、新疆北部、甘肃中东部以及华中、华南等
地(图 5a);NDVI与前 1个月相关性空间格局与当月相似,明显不同的地区主要为河北、山西以及陕西北部等
农牧交错带地区(图 5b);而植被 NDVI与前 2个月气温的相关性有所减弱,存在较高相关性的区域主要分布
在东北地区、北方农牧交错带、西藏南部、青海东部、四川西部以及东南沿海部分地区(图 5c);NDVI 与前 3 个
月气温的相关性与前两个月相似,仅东南沿海地区相关性进一步减弱(图 5d)。 综上可以看出,中国北方地区
植被对气温具有较长的响应时间,尤其表现在东北地区和北方农牧交错带地区;而南方地区植被对气温则存
7335摇 16期 摇 摇 摇 刘宪锋摇 等:1982—2012年中国植被覆盖时空变化特征 摇
http: / / www.ecologica.cn
在 0—1个月的响应时间。
图 5摇 月 NDVI与当月(a)、前 1个月(b)、前 2个月(c)、前 3个月(d)气温偏相关系数空间分布
Fig.5摇 Spatial distribution of partial correlation coefficients between monthly NDVI and the current temperature (a), the preceding month
temperature (b), temperature of two preceding months (c), and temperature of three preceding months (d)
植被 NDVI与当月降水具有显著正相关的区域主要分布东北地区、内蒙古中部、河北、山西、陕西、新疆北
部、甘肃和青海东部、西藏南部以及云南等地区(图 6a);全国大部分地区 NDVI与前 1个月降水呈显著正相关
关系(图 6b)。 值得注意的是,除内蒙古中西部、新疆、青海北部等地区之外,中国北方大部分地区与前 2 个月
和前 3个月的降水均呈负相关关系(图 6c—d),而华中、华南以及东南地区则与同期降水呈显著正相关关系,
尤其是 NDVI 与前 3 个月降水关系更为显著。 由此说明,我国北方地区植被对降水的响应主要有 0—1个月
的响应时间;而除云南外,我国南方地区植被对降水的响应时间存在 1—3个月的响应时间,并且随着滞后时
间的延长,相关性逐渐加强。
8335 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
图 6摇 月 NDVI与当月(a)、前 1个月(b)、前 2个月(c)、前 3个月(d)降水量偏相关系数空间分布
Fig.6摇 Spatial distribution of partial correlation coefficients between monthly NDVI and the current temperature (a), the preceding month
temperature (b), temperature of two preceding months (c), and temperature of three preceding months (d)
通过分析植被对气候因子的滞后时间,可以发现,植被对气温的响应不存在滞后时间的站点占 40.83%,
且主要分布在东北地区的大、小兴安岭和长白山、新疆的天山和阿尔泰山、甘肃中东部以及长江中下游地区;
存在 1个月滞后时间的站点占 38.24%,主要分布在东北平原、山西、四川西部以及东南沿海等地区;存在 2 个
月滞后时间的站点仅占 4.67%,零星分布在内蒙古西部、广东和广西的南部以及云南部分地区;而存在 3 个月
滞后时间的站点共占 16.26%,主要分布在内蒙古中部、华北平原、西藏中西部以及云南等地(图 7a)。 植被对
降水的响应不存在滞后时间的站点占 27.34%,主要分布在大兴安岭、河北和河南北部、山西、陕南地区、甘肃
中东部以及四川东部等地区;存在 1个月滞后时间的站点占 53.81%,并广泛分布在东北、华北、西北、西南等
地区;存在 2个月和 3个月滞后时间的站点分别占 9.00%和 9.86%,主要分布在东南沿海地区(图 7b)。
9335摇 16期 摇 摇 摇 刘宪锋摇 等:1982—2012年中国植被覆盖时空变化特征 摇
http: / / www.ecologica.cn
图 7摇 NDVI对气温(a)、降水(b)滞后时间分布
Fig.7摇 Spatial pattern of time lag of NDVI to temperature (a) and precipitation (b)
3.3摇 人类活动影响分析
图 8摇 退耕还林以来 NDVI与历年累积造林面积变化
摇 Fig. 8 摇 Change of NDVI and accumulated afforestation area
in China
植被覆盖变化是气候变化和人类活动共同作用的
结果,尤其是退耕还林还草等大面积生态恢复工程的实
施,我国植被变化已深深记录了人类活动的印记。 本文
分析了我国退耕还林工程的历年累积造林面积与植被
NDVI变化情况(图 8),可以发现,自 1999 年退耕还林
还草工程实施以来,我国造林面积持续上升,同时植被
NDVI也表现出升高趋势,说明近年来生态恢复工程的
实施对我国植被覆盖的增加起到了极大的促进作用,并
取得了较好的效果。 NDVI 变化趋势并未与造林面积
严格一致,而是存在年际波动,尤其是 2008 年之后
NDVI波动较大,表明近年来气候波动对植被覆盖具有
重要影响。 同时,城市化、过度放牧等人类活动势必会
对植被覆盖造成负面影响。 以上分析表明,我国植被覆
盖在气候变化和人类活动等多重因素共同驱动下,呈现出波动上升趋势。
4摇 结论与讨论
(1)1982—2012年中国植被 NDVI呈缓慢增加趋势,增速为 0.2% / 10a,未通过显著性检验。 近 30年植被
变化的阶段性特征显著,其中 1982—1997 年和 1997—2012 年均呈显著增加趋势,增速分别为 1.2% / 10a 和
0.6% / 10a,均通过了显著水平 0.05的检验。
(2)空间上,我国陕北黄土高原、西藏中西部以及新疆准格尔盆地等地植被 NDVI 呈显著增加趋势;而东
北地区的大、小兴安岭、新疆北部的天山和阿尔泰山以及黄河源和秦巴山区等关键生态区和过渡带植被 NDVI
呈显著下降趋势,其中东北地区和新疆北部山区下降尤为显著,说明近年来我国中高纬度山区植被活动呈下
降趋势。
0435 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
(3)不同区域植被对气温、降水的响应存在差异,我国北方地区植被对气温具有较长的响应时间;而除云
南外,我国南方地区植被对降水的响应时间存在 1—3个月的响应时间,并且随着滞后时间的延长,相关性逐
渐加强。
(4)我国植被覆盖增加是气候变化和人类活动共同驱动的结果,尤其是 1999 年之后人类活动影响逐渐
加强,其中我国东北地区和新疆北部等植被覆盖的下降可能是由降水的减少导致,东南沿海地区则受城市化
的影响更为显著。
已有研究指出,欧亚大陆的植被覆盖增加趋势在 20 世纪 80—90 年代期间逐渐变缓并趋于停滞、甚至部
分地区呈下降趋势[22鄄23],与本文研究结果存在差异,其原因可能是前人研究采用的是 GIMMS NDVI,而本文对
两种数据进行了融合处理,由此表明不同数据源监测结果存在较大差异,甚至是相反的结论。 因此,应加强不
同数据源监测结果的对比研究,以获得更加可靠的结论。 近年来中高纬度山区、关键生态过渡带、关键生态区
的植被活动在下降,而这些地区对我国生态安全具有举足轻重的作用。 然而,目前对这些区域的本底知识仍
然相对缺乏,有待进一步加强研究,以揭示其时空变化机理。 同时,我国植被对气温和降水的滞后响应存在差
异,主要表现为区域之间、不同地形之间的差异显著。 本文从宏观尺度上揭示了植被对气候因子的响应格局,
结合已有的区域尺度研究成果,从多尺度视角,全面认识植被对气候变化的响应规律。
本文存在的不确定性主要表现在:(1)我国山地众多,地形起伏较大,受空间分辨率的限制(8 km伊8 km),
本文研究结果对区域细节的解释能力有限,但对于植被宏观变化格局及其对气候因子响应的空间格局仍具有
重要的指示意义;(2)数据融合方法上采用了通用的一元回归分析,然而不同数据之间可能存在非线性的关
系,因此在融合处理上会存在一定的不确定性。 虽然气候变化是植被生长的关键控制要素,但是人类活动也
对植被快速恢复起到重要作用,尤其是近年我国一系列生态恢复工程的实施。 然而,在快速气候变化和强烈
人类活动干预的背景下,如何定量区分气候变化与人类活动对植被变化的贡献率仍将是植被变化对气候响应
研究的重要内容。 本文仅仅分析了植被变化的长期趋势,并对其驱动机制进行归因,在全球变化背景下,极端
气候事件的频度和强度在不断增多和增强[33],如高温热浪、暴雨、干旱等事件,而极端事件对植被覆盖变化及
其空间格局势必会造成严重的影响。
参考文献(References):
[ 1 ]摇 WalKer B, Steffen W. IGBP Science No. 1: A Synthesis of GCTE and Related Research. Stockholm: IGBP, 1997: 1鄄24.
[ 2 ] 摇 IPCC. Climate change 2013: the physical science basis / / Stocker T F, Qin D, Plattner G K, Tignor M, Allen S K, Boschung J, Nauels A, Xia
Y, Bex V, Midgley P M. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.
Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2013.
[ 3 ] 摇 Menzel A, Fabian P. Growing season extended in Europe. Nature, 1999, 397(6721): 659鄄659.
[ 4 ] 摇 Schwartz M D. Green鄄wave phenology. Nature, 1998, 394(6696): 839鄄840.
[ 5 ] 摇 Pe觡uelas J, Rutishauser T, Filella I. Phenology feedbacks on climate change. Science, 2009, 324(5929): 887鄄888.
[ 6 ] 摇 Piao S L, Ciais P, Friedlingstein P, Peylin P, Reichstein M, Luyssaert S, Margolis H, Fang J Y, Barr A, Chen A P, Grelle A, Hollinger D,
Laurila T, Lindroth A, Richardson A, Vesala T. Net carbon dioxide losses of northern ecosystems in response to autumn warming. Nature, 2008,
451(7174): 49鄄52.
[ 7 ] 摇 Myneni R B, Keeling C, Tucker C, Asrar G, Nemani R. Increased plant growth in the northern high latitudes from 1981 to 1991. Nature, 1997,
386(6626): 698鄄702.
[ 8 ] 摇 Tucker C J, Slayback D A, Pinzon J E, Los S O, Myneni R B, Taylor M G. Higher northern latitude normalized difference vegetation index and
growing season trends from 1982 to 1999. International Journal of Biometeorology, 2001, 45(4): 184鄄190.
[ 9 ] 摇 Fang J Y, Piao S L, He J S. Vegetation of China invigorated in last 20 years. Science in China (Series C), 2003, 33(6): 554鄄565.
[10] 摇 Piao S L, Wang X H, Ciais P, Zhu B, Wang T, Liu J. Changes in satellite鄄derived vegetation growth trend in temperate and boreal Eurasia from
1982 to 2006. Global Change Biology, 2011, 17(10): 3228鄄3239.
[11] 摇 Peng S S, Piao S L, Zeng Z Z, Ciais P, Zhou L M, Li L Z X, Myneni R B, Yin Y, Zeng H. Afforestation in China cools local land surface
temperature. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(8): 2915鄄2919.
1435摇 16期 摇 摇 摇 刘宪锋摇 等:1982—2012年中国植被覆盖时空变化特征 摇
http: / / www.ecologica.cn
[12]摇 第二次气候变化国家评估报告编写委员会. 第二次气候变化国家评估报告. 北京: 科技出版社, 2011.
[13] 摇 Heyder U, Schaphoff S, Gerten D, Lucht W. Risk of severe climate change impact on the terrestrial biosphere. Environmental Research Letters,
2011, 6(3): 034036.
[14] 摇 Walther G, Post E, Convey P, Menzel A, Parmesan C, Beebee T, Fromentin J, Guldberg O, Bairlein F. Ecological responses to recent climate
change. Nature, 2002, 416(6879): 389鄄395.
[15] 摇 Zhang X Z, Dai J H, Ge Q S. Spatial differences of changes in spring vegetation activities across Eastern China during 1982鄄 2006. Acta
Geographica Sinica, 2012, 67(1): 53鄄61.
[16] 摇 刘宪锋, 任志远. 西北地区植被覆盖变化及其与气候因子的关系. 中国农业科学, 2012, 45(10): 1954鄄1963.
[17] 摇 郭铌, 朱燕君, 王介民, 邓朝平. 近 22年来西北不同类型植被 NDVI变化与气候因子的关系. 植物生态学报, 2008, 32(2): 319鄄327.
[18] 摇 张戈丽, 欧阳华, 张宪洲, 周才平, 徐兴良. 基于生态地理分区的青藏高原植被覆被变化及其对气候变化的响应. 地理研究, 2010, 29
(11): 2004鄄2016.
[19] 摇 信忠保, 许炯心, 郑伟. 气候变化和人类活动对黄土高原植被覆盖变化的影响. 中国科学 D辑: 地球科学, 2007, 37(11): 1504鄄1514.
[20] 摇 许旭, 李晓兵, 梁涵玮, 黄玲梅. 内蒙古温带草原区植被盖度变化及其与气象因子的关系. 生态学报, 2010, 30(14): 3733鄄3743.
[21] 摇 Liu X F, Zhang J S, Zhu X F, Pan Y Z, Liu Y X, Zhang D H, Lin Z H. Spatiotemporal changes in vegetation coverage and its driving factors in
the Three鄄River Headwaters Region during 2000鄄2011. Journal of Geographical Sciences, 2014, 24(2): 288鄄302.
[22] 摇 Lotsch A, Friedl M A, Anderson B T, Tucker C J. Response of terrestrial ecosystems to recent Northern Hemispheric drought. Geophysical
Research Letters, 2005, 32(6), doi: 10.1029 / 2004GL022043.
[23] 摇 Park H S, Sohn B J. Recent trends in changes of vegetation over East Asia coupled with temperature and rainfall variations. Journal of Geophysical
Research: Atmospheres (1984鄄2012), 2010, 115(D14), doi: 10.1029 / 2009JD012752.
[24] 摇 Zhao M, Running S W. Drought鄄induced reduction in global terrestrial net primary production from 2000 through 2009. Science, 2010, 329
(5994): 940鄄943.
[25] 摇 Zhang Y L, Gao J G, Liu L S, Wang Z F, Ding M J, Yang X C. NDVI鄄based vegetation changes and their responses to climate change from 1982
to 2011: A case study in the Koshi River Basin in the middle Himalayas. Global and Planetary Change, 2013, 108: 139鄄148.
[26] 摇 IPCC. Climate change 2007: The physical science basis / / Solomon S, Qin D, Manning M, Chen Z, Marquis M, Averyt K B, Tignor M, Miller H
L. Contribution of Working Group I to the fourth assessment report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom
and New York, NY, USA: Cambridge University Press, 2007.
[27] 摇 Tucker C J, Pinzon J E, Brown M E, Slayback D A, Pak E W, Mahoney R, Vermote E F, El Saleous N. An extended avhrr 8‐ km ndvi dataset
compatible with modis and spot vegetation NDVI data. International Journal of Remote Sensing, 2005, 26(20): 4485鄄4498.
[28] 摇 Holben B N. Characteristics of maximum鄄value composite images from temporal AVHRR data. International Journal of Remote Sensing, 1986, 7
(11): 1417鄄1434.
[29] 摇 Stow D, Daeschner S, Hope A, Douglas D, Petersen A, Myneni R, Zhou L, Oechel W. Variability of the seasonally integrated normalized
difference vegetation index across the north slope of alaska in the 1990s. International Journal of Remote Sensing, 2003, 24(5): 1111鄄1117.
[30] 摇 Tom佴 A R, Miranda P. Piecewise linear fitting and trend changing points of climate parameters. Geophysical Research Letters, 2004, 31(2), doi:
10.1029 / 2003GL019100.
[31] 摇 Sun J Y, Wang X H, Chen A P, Ma Y C, Cui M D, Piao S L. NDVI indicated characteristics of vegetation cover change in China忆s metropolises
over the last three decades. Environmental Monitoring and Assessment, 2011, 179(1 / 4): 1鄄14.
[32] 摇 徐建华. 现代地理学中的数学方法 (第二版). 北京: 高等教育出版, 2002: 37鄄41.
[33] 摇 IPCC. Managing the risks of extreme events and disasters to advance climate change adaptation: special report of the intergovernmental panel on
climate change. Cambridge: Cambridge University Press, 2012.
2435 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇