基金项目:国家自然科学基金(51409204)
通信作者:史晓亮(1985-),男,陕西宝鸡人,博士,副教授,E-mail:s_xiaoliang@126.com
(College of Geomatics,Xi'an University of Science and Technology,Xi'an 710054,China)
NDVI; drought; precipitation anomaly percentage; Huaihe River Basin; correlation
淮河流域特殊的地理环境导致干旱灾害频发且持续时间长,严重影响该区域植被生长,而前人大多探讨了该区域气象干旱情况或植被生长状况,对二者之间的关系研究较少,且多采用气象站点降水资料进行干旱分析,不能充分反映降水时空分布的差异性。因此,基于MODIS NDVI遥感影像与TRMM 3B43卫星降水数据,采用降水距平百分率(Pa)作为气象干旱评价指标,分析了2001—2016年淮河流域植被NDVI与降水距平百分率的年际变化特征以及二者的相关性。结果 表明:2001—2016年淮河流域植被NDVI总体呈现稳中有升的趋势,植被NDVI有所改善的区域比例为54.86%,NDVI基本不变的比例为43.25%,仅1.89%的NDVI出现退化。流域16年间以轻旱和中旱为主,较少出现重旱和特旱,干旱程度有所降低。植被NDVI和降水距平百分率呈正相关和负相关的区域分别占流域的61.31%和38.69%,正相关最显著的区域为河南省和安徽省的南部,而河南省东北部、安徽省西北部、山东省西部以及江苏省东部边界呈负相关关系。
The special geographical environment of the Huaihe River Basin has led to frequent droughts with a long duration,which seriously affected the growth of vegetation in the region.There was much talk of themeteorological drought or vegetation growth there with less between.The application of meteorological site precipitation data for drought analysis does not fully reflect the spatial and temporal distribution of precipitation.Therefore,based on MODIS NDVI remote sensing image and TRMM 3B43 satellite precipitation data,this paper analyzes the interannual distinction and correlation between vegetation NDVI and precipitation anomaly percentage of Huaihe River Basin from 2001 to 2016using precipitation anomaly percentage(Pa)as the meteorological drought evaluation index.The result indicates that the NDVI of vegetation in the Huaihe River Basin from 2001 to 2016 shows a stable and a rising trend,with54.86%proportion of improved NDVI in the region,43.25% proportion of unchanged NDVI,and only 1.89%degraded.In the past 16 years,the major drought in the region has been mild and moderate,with less severe or extreme drought,and the degree of drought has reduced.The area with positive correlation and negative correlation of NDVI and precipitation anomaly percentage is 61.31% and 38.69% of the basin,respectively.The area with the most significant positive correlation is the south of Henan and Anhui,while the northeast of Henan province,northwest of Anhui province,western of Shandong province and eastern border of Jiangsu province are negatively correlated.
在气候变化和人类活动的双重影响下,干旱已成为我国发生频率高、影响范围广、持续时间长的重大自然灾害之一,导致水资源短缺以及荒漠化加剧,从而对农业生产和经济增长造成严重的影响[1-2]。2009年12月—2010年4月,我国西南5省出现大范围特大旱情,部分旱情超过100 a一遇; 2011年我国因农业干旱造成的经济损失占自然灾害总损失的30%.2009—2013年云南更是发生4 a连旱,对区域社会经济与农业生产造成严重影响。因此,干旱已成为经济社会发展的重大障碍性因素之一,在气候变化和人类活动影响背景下,定量探讨干旱成因具有重要的理论意义和实践价值。
干旱的形成与水热状况和土壤类型直接相关[3],而植被是全球生态系统的重要组成部分[4],是联结大气、土壤和水分的自然纽带,也是干旱影响程度的重要反馈[5]。因此,研究干旱和植被的关系,对分析干旱成因及其影响评估具有重要的现实意义。归一化植被指数(NDVI)是公认的陆地植被生长状况的最佳表征指标,可用于区域和全球尺度的植被覆盖研究,在植被监测过程中得到了广泛的应用[6]。近年来,国内外学者在全国或区域尺度上,对植被NDVI和干旱条件之间的关系开展了大量的研究。王兆礼等在全国尺度分析了植被NDVI时空变化及其与气象干旱的关系,研究发现气象干旱对植被生长的影响在干旱半干旱地区表现更加明显[7]。在区域尺度上,Wang J,Ji L等利用不同时间序列NDVI数据分析了植被生长季NDVI与降水的关系[8-9]。严建武等利用2001—2010年NDVI数据和气象站点数据分析了中国西南地区植被NDVI和气象干旱指数的关系,结果表明二者在季节尺度上有明显的相关性[3]。赵舒怡等研究发现华北大部分地区,夏季和秋季的气候干旱条件对植被覆盖度的影响最为明显[10]。刘世梁等基于气象站点降水资料和NDVI数据分析了不同时间尺度云南省植被NDVI动态变化特征及其对干旱的响应,发现在年尺度上植被NDVI对干旱的影响较弱,月尺度上影响较强[11]。
淮河流域地处我国南北方气候过渡带和东西结合部,地理位置复杂,其特殊的自然条件和人类活动导致该区域干旱灾害频发,对生态环境造成了严重的影响[12],但是目前对该区域植被覆盖与干旱之间相关性研究较少,且以往研究多采用地面气象站点降水数据进行干旱监测,存在站点少、分布不均、不能很好的反映降水的时空异质性等不足,而基于空间分布连续的卫星降水数据成为研究热点并被广泛应用于旱情监测。因此,文中以淮河流域为研究区,基于TRMM(Tropical Rainfall Measurement Mission)卫星降水数据,选择降水距平百分率(Pa)作为干旱评价指标,分析流域干旱发生频率和强度的时空演变特征。并结合长时间序列MODIS NDVI遥感影像,进一步分析探讨淮河流域2001—2016年植被指数和干旱条件的关系,以期为该区域的生态文明建设提供科学依据。
淮河流域地处中国东部,介于长江与黄河之间,位于111°55'~121°25'E,30°55'~36°36'N,跨河南、安徽、江苏和山东4省,总面积约为2.7×105 km2[13]。
淮河流域位于中国南北方气候过渡地带和东西结合部,地形复杂,气候多变,冬春干旱少雨,夏秋闷热多雨,冷暖和旱涝转变急剧。流域多年平均降水量为895 mm,总体呈由西北向东南递增的规律,降水时空差异大,干旱灾害频发[14]。据统计,近55 a来淮河流域总体处于干旱状态,且干旱历时长、强度明显增强,呈自东南向西北逐渐增强的规律[15]。
研究使用的NDVI数据来源于美国宇航局(National Aeronautics and Space Administration,NASA)的MODIS遥感数据产品MOD13A3 v006(https://e4ftl01.cr.usgs.gov/),时间序列为2001—2016年,时间分辨率为月,空间分辨率为1 km×1 km.利用MRT(Modis Reprojection Tool)完成对MODIS NDVI数据的数据格式转换和投影转换等预处理工作。并利用淮河流域边界裁切获取淮河流域16年的逐月MODIS NDVI影像数据集。
热带降雨计划卫星(TRMM-Tropical Rainfall Measuring Mission)是由美国国家宇航局和日本国家空间发展局联合开展,于1997年11月发射的第一颗用于定量测量热带、亚热带降雨量的气象卫星[16]。文中所用的TRMM 3B43数据为TRMM第7版产品的月降水数据(https://disc.gsfc.nasa.gov/),由TRMM 3B42产品与气候评估与监测系统以及全球气候降水中心降水数据进行融合而成[17]。该数据的空间分辨率为0.25°×0.25°,时间分辨率为月,覆盖区域为南纬50°~北纬50°.利用ArcGIS完成对TRMM数据的格式转换、裁切,以及降水速率(mm/h)到月降水量转换等处理工作,获取2001—2016年淮河流域逐月TRMM降水数据。
气象站点降水量观测数据来源于中国气象科学数据共享服务网(http://data.cma.cn/)提供的地面气象资料月值数据集。选取2001—2016年淮河流域23个气象站点的月降水实测数据(图1),用于TRMM卫星降水数据的精度检验。
采用决定系数(R2)和相对误差(BIAS)2个指标对TRMM 3B43月尺度数据进行精度检验。相对误差的计算公式如下[18]
BIAS=(∑ni=1(xi-yi))/(∑ni=1yi)×100%(1)
式中 xi为TRMM降水量; yi为气象站点降水量实测数据。BIAS反映了x,y 2个因子的偏离程度,BIAS越接近0,表明数据越精确。
降水距平百分率(Pa)是常用的表征干旱的指标之一,是指某时段的降水量与常年同期平均降水量之差与常年同期平均降水量相比的百分比率,可以反映某一时段降水与同期平均状态的偏离程度,能直观反映干旱发生的强度,计算公式如下[19]
Pa=(P-(-overP))/((-overP))×100%(2)
(-overP)=1/n∑ni=1Pi(3)
式中 P为某一特定年某一时期(如月、季度)的降水量;(-overP)为多年同期降水量的平均值; Pa为该时段的降水距平百分率; n为年数,文中是16; i=1,2,3,…,n.
采用一元线性回归法在像元尺度分析2001—2016年间年均NDVI的变化趋势。计算公式如下[20]
Slope=(n×∑ni=1(i×xi)-∑ni=1i∑ni=1xi)/(n×∑ni=1i2-(∑ni=1i)2)(4)
式中 Slope为一元线性回归斜率; n为年数,文中是16; i=1,2,3,…,n; xi为年均NDVI值,斜率为正表示NDVI增加,反之表示下降。
此外,在像元尺度计算2001—2016年的NDVI与降水距平百分率的相关系数,进而分析该区域植被指数与干旱的相关性。相关系数计算公式如下[21]
R=(∑ni=1(xi-(-overx))(yi-(-overy)))/((∑ni=1(xi-(-overx))2∑ni=1(yi-(-overy))2)1/2)(5)
式中 xi为第i年的NDVI值; yi为第i年的Pa值。相关系数R的取值范围为[-1,1],当R>0时,表示x与y正相关,当R<0时,表示x与y负相关。定义|R|<0.3为弱相关,0.3<|R|<0.5为低度相关,0.5<|R|<0.8为显著相关,0.8<|R|<1为极显著相关。
利用一元线性回归分析方法,对TRMM月降水数据与气象站点观测数据整体精度进行检验(图2)。经检验,二者的决定系数R2=0.82,相对误差BIAS=0.9%.单个站点数据精度检验结果见表1,可以看出,在23个气象站点中,大部分TRMM月降水数据与气
图2 2001—2016年淮河流域TRMM 3B43与气象站点降水量散点
Fig.2 Precipitation scatter diagram of TRMM 3B43 and meteorological stations in Huaihe River Basin from 2001 to 2016
象站点实测数据之间的决定系数R2在0.9左右。有16个气象站点的相对误差BIAS在±10%以内,但是盱眙站R2=0.78,显著低于其他站点,这是由于2007年7月盱眙站实测降水量高达1 397.2 mm,导致TRMM月降水数据与实测数据之间相关性较弱。总体来说,淮河流域TRMM月降水数据与气象站点实测数据有较好的线性相关性和一致性,在一定程度上能够真实反映流域降水量,可以用于研究区干旱评价。
对淮河流域2001—2016年中12个月的NDVI取平均值,将其作为该年的NDVI值,分析该区域年均植被NDVI的变化趋势。从图3可以看出,16 a间淮河流域年均NDVI呈现明显增加的趋势。其中,2016年最高(0.54),2001年的年均NDVI值最低(0.43)。结果表明,淮河流域16 a间NDVI在波动中逐渐上升,植被覆盖状况有改善的趋势。
2001—2016年淮河流域年均NDVI空间分布如图4所示。从图4可以看出,流域年均NDVI分布在0.3~0.73之间,总体呈南高北低。其中,植被NDVI高值区主要分布在安徽省的南部,河南省中部以及西部边界、江苏省北部有零散分布。只有少数区域植被生长状况较差,主要分布在江苏省的东北以及西南边界等少数区域,该区域城市周边经济发展较快,人为活动的影响导致该区域植被覆盖情况较差。
通过一元线性回归法在像元尺度得到淮河流域2001—2016年间植被年均NDVI的变化趋势(图5)。参考戴声佩等在NDVI对气温降水的旬响应的研究中划分NDVI的变化等级[22],将2001—2016年淮河流域年均NDVI的变化趋势分为3个变化等级,并统计各个等级的面积及所占比例(表2)。可以看出,植被NDVI基本不变的区域占淮河流域的比例为43.25%,分布在山东省的中部和东部、江苏省大部分地区,以及河南省西北部。植被NDVI改善的区域所占比例为54.86%,主要分布在安徽、河南省的大部分地区,以及山东省西南部。植被NDVI出现退化的区域较少,仅占淮河流域的1.89%,主要分布在河南省北部以及江苏省东南部,这些区域城市发展较快,大量的人
图5 2001—2016年淮河流域NDVI变化趋势分布
Fig.5 Variation trend distribution of NDVI in Huaihe River Basin from 2001 to 2016
表2 2001—2016年淮河流域NDVI变化趋势分级及占比
Table 2 Change trend classification and proportion of NDVI in Huaihe River Basin from 2001 to 2016
类活动导致该区域植被覆盖情况较差。
利用降水距平百分率分析淮河流域2001—2016年干旱的发生情况。按照降水距平百分率干旱等级划分标准(表3),将干旱划分为无旱、轻旱、中旱、重旱、特旱等5级[19]。从表3可知,在2001—2016年间,淮河流域有4年的降水距平百分率小于15%,说明16 a间有4 a气候条件较好没有发生干旱的情况。有12 a的Pa值达到轻旱及以上标准,其中,6 a发生了轻旱,其频率是37.5%.有6 a达到了中旱及以上标准,其中,有3 a发生中旱,频率是18.75%.有3 a达到特旱的标准,频率是18.75%.总体来看,16 a间淮河流域共发生12次干旱事件,其中轻旱发生频率最高,其次为无旱,中旱和特旱发生的频率相同。
表3 降水距平百分率(Pa)干旱等级划分
Table 3 Precipitation anomaly percentage(Pa)drought classification
图6 淮河流域2001—2016年各干旱等级面积占比
Fig.6 Proportion of various drought grades in the Huaihe River Basin from 2001 to 2016
淮河流域2001—2016年各等级干旱发生面积比例如图6所示。从图6可以看出,2001—2016年间流域干旱发生情况差异明显,有12 a发生轻旱以上的旱情,其中有3 a发生了特旱。2001—2002年干旱发生情况较为严重。其中,2001年发生轻旱、中旱、重旱、特旱的区域分别占淮河流域的37.53%,20.43%,6.89%,1.9%,2002年发生轻旱、中旱、重旱、特旱的比例相当,分别占17.58%,11.64%,11.64%,7.36%.另外,大多数年份有轻度干旱发生,其中,轻旱区域所占的比例从2001年的37.53%下降到2008年的1.43%,后又逐年上升直至2013年所占比例达到最大值61.05%; 流域内共有6 a发生过中旱,2001—2016年前后各占3 a,而在2001年发生中旱的区域趋于较大,达到20.43%,2012年中旱区域只有1.43%; 重旱与特旱只在2001、2002与2004年发生,其中2002年旱情较严重,有11.64%的区域发生了重旱,7.36%达到了特旱等级。总体来看,淮河流域2001—2016年间,2001年、2002年以及2004年干旱频发,干旱等级达到了特旱,发生干旱的区域面积占比达到50%左右,之后流域旱情有所缓解,多以轻旱为主,且2016年没有发生干旱。
2.4NDVI与降水距平百分率的相关性分析
为进一步研究淮河流域干旱情况与植被长势的影响关系,在像元尺度上计算了2001—2016年流域年均植被NDVI与降水距平百分率的相关性,进而综合分析植被NDVI对干旱情况的响应特征。
从图7可以看出,淮河流域年均植被NDVI与降水距平百分率相关性的空间差异显著。NDVI与降水距平百分率的相关系数为正的区域所占比例为61.31%,表明在流域大部分区域,干旱对植被NDVI产生了一定程度的影响。其中NDVI与降水距平百分率呈极显著正相关和显著正相关的区域面积所占比例分别0.96%和5.04%,主要分布在河南省西南部、安徽省东南部和江苏省东南边界,这些区域干旱对植被NDVI产生了明显的影响,区域降水较为充足,植被覆盖情况出现了明显的改善。相关性呈低度正相关和弱相关的面积分别占12.5%和42.17%,主要分布在河南省南北边界、安徽省东南部边界、江苏省边界和山东省东北部等区域。而在河南省东南部、山东省西部、安徽省西北部以及江苏省东部边界等地区呈现出负相关关系,负相关系数最高为-0.817.这可能是由于在这些区域植被生长还受到气温、土壤水分有效性等其他因素的影响,降水并不是植被生长的主导因素。尤其是在江苏省东部边界分布着城市化程度较高的沿海城市,虽然降水较为充足,但人类活动影响对植被生长的影响则更加显著。因此,在这些区域植被NDVI与降水距平百分率均呈负相关关系。
图7 淮河流域NDVI与Pa的相关系数
Fig.7 Correlation coefficient of NDVI and Pa in Huaihe River Basin
目前,传统的干旱监测主要是基于气象站点观测数据,虽然在点尺度上具有较高的观测精度,但气象站点覆盖范围有限,难以获取高精度的降水时空分布特征[23]。近年来,随着卫星遥感技术的发展,TRMM卫星能够提供覆盖范围广、时空连续性高的降水数据,被广泛应用于干旱监测方面[24]。陈少丹、王兆礼等利用TRMM卫星降水数据对干旱时空变化特征进行了分析,结果均表明TRMM数据适用于区域尺度和大尺度的干旱监测[25-26]。因此,通过分析TRMM数据在淮河流域的适用性,研究认为空间连续分布的TRMM数据可以应用于该地区的干旱监测。尽管TRMM数据存在空间分辨率较低的不足,但是相对于气象站点分布较少地区降水数据的空间插值,TRMM数据可以较好地刻画区域降水的空间异质性,因此可以为缺资料地区提供一种新的干旱监测手段。
文中就淮河流域植被NDVI与干旱条件的相关性进行了研究,但未考虑其它因素对植被NDVI的作用,以及NDVI与干旱指数之间的滞后效应[3]。因此,对于植被NDVI与干旱之间的相应机制尚需进一步深入研究。
1)淮河流域2001—2016年间植被NDVI呈增加趋势,在空间分布上表现为南高北低。而从植被NDVI变化趋势的空间分布来看,植被NDVI增加的区域所占比例达到54.86%,主要分布在安徽、河南省的大部分地区,以及山东省西南部地区。而植被NDVI退化的区域仅占1.89%,淮河流域植被覆盖总体表现为改善趋势。
2)2001—2016年间,淮河流域有12 a发生轻旱及以上的旱情,发生频率为75%.其中,2001年、2002年以及2004年干旱频发,干旱等级达到了特旱,发生干旱的区域面积占比达到50%左右,之后流域旱情有所缓解,多以轻旱为主。
3)淮河流域植被NDVI与降水距平百分率的相关性时空差异较为复杂,整体上干旱会对植被NDVI产生一定程度的影响,相关性最显著的区域主要分布在河南省南部、安徽省南部地区。