时空信息学报丨干旱影响下青海湖流域高寒草地物候变化

学术 2024-11-08 11:30 北京

《时空信息学报》是由自然资源部主管，国家基础地理信息中心、中国地理信息产业协会、黑龙江测绘地理信息局共同主办的中文学术期刊，双月刊。为分享最新研究成果，搭建学术交流平台，中国地理信息产业协会公众号开设“时空信息学报”专栏，独家刊载《时空信息学报》论文，供广大读者研阅。11月1日起，陆续刊发2024年第4期的10篇论文。欢迎产学研用各界关注、分享！

干旱影响下青海湖流域高寒草地物候变化

吴笑天^1,2，张辉¹，庄乾乐¹，文仙姣¹，王亚雄¹

1. 青海省自然资源综合调查监测院，西宁 810001；
2. 青海省地理空间信息技术与应用重点实验室，西宁 810001

摘要：干旱是影响植被物候及其生长的重要因素，研究地表植被生长行为对于理解高寒生态系统对气候变化的复杂响应至关重要。目前研究主要集中在干旱和物候相互作用关系及其影响机理、干旱对生态系统及生物多样性的影响、干旱对气候系统及水平衡的影响等方面，但基于标准化降水蒸散指数（standardized precipitation evapotranspiration index，SPEI）的干旱影响物候期是否提前、是否延长鲜有研究。本文利用AVHRR、MODIS双波段增强型植被指数（2-bands enhanced vegetation index，EVI2）对青海湖流域高寒草地返青期和枯黄期关键物候参数进行反演，并结合Penman-Monteith多尺度SPEI分析物候变化趋势。结果表明：1982~2022年青海湖流域高寒草地物候的长期变化趋势是多样的；草甸返青期、草原枯黄期显著提前，草甸枯黄期、草原返青期的物候变化趋势则不显著。4月SPEI06对草甸和草原返青期的影响最为显著，分别贡献了11.56%、19.36%的年际变化；8月SPEI12和4月SPEI06对草甸和草原枯黄期的影响最为显著，分别贡献了10.89%、25%的年际变化。

关键词：干旱；物候；高寒草地；枯黄期；返青期；标准化降水蒸散指数；线性回归

引用格式：吴笑天, 张辉, 庄乾乐, 文仙姣, 王亚雄. 2024. 干旱影响下青海湖流域高寒草地物候变化. 时空信息学报, 31(4): 492-499

Wu X T, Zhang H, Zhuang Q L, Wen X J, Wang Y X. 2024. Phenological changes in alpine grasslands of Qinghai Lake Basin under drought influence. Journal of Spatio-temporal Information, 31(4): 492-499, doi: 10.20117/j.jsti. 202404003

1 引言

干旱是全球变暖背景下影响植被生长的极端气候事件之一。有研究表明青藏高原的变暖速率大于周边地区，由此，带来的显著蒸散量增加与该区域无明显变化趋势的降水之间的差值导致未来会出现更高频率的干旱事件（Liu和Chen，2000）。所有相关因素中，温度在调节植被生长中起主要作用（于海英和许建初，2009；Ganjurjav等， 2020；朱俊峰等，2021）。另外，植被物候学是研究植物生长发育节律的一门学科。物候是植物周期性的或者反复再现的生物事件，是描述植物的生长的常用指标，经常被用于研究追踪生态物种对长时间序列气候变化的响应机理，反映了植物群落生长发育与其周边环境相互关系（Richardson等，2013; 孙兰惠等，2020）。

标准化降水蒸散指数（standardized precipitation evapotranspiration index，SPEI）是对降水量和潜在蒸散发的插值序列累积概率值进行正态标准化后的一种指数，其目的是更好地评估干旱与不同生态系统的关系和区分不同干旱类型所必需的多标量特征（Yu等，2014）。在过去的十几年间，由降水和潜在蒸散发共同驱动的SPEI被广泛应用于干旱评估。有研究将干旱事件与植被物候学联系起来（Zandler等，2015）。对于降水和潜在蒸散发数据的敏感性，SPEI在不同季节存在地区差异，将会导致不同季节、不同地区干旱事件受潜在蒸散发和降水的影响程度不一致（杨聪颖等，2024）。研究表明，

从全国尺度而言，SPEI对潜在蒸散发的敏感性略高于降水，在大多数地区较高的标准化降水蒸散指数与生长季节的高峰较晚有关（邓欢等，2020；郭晓萌等，2021；周志花等，2023）。

目前，基于SPEI的研究主要集中在干旱和物候相互作用关系及其影响机理（黎恬等，2022）、干旱对生态系统及生物多样性的影响（马慧鹏，2023）、干旱对气候系统及水平衡的影响（周温存等，2023）等方面，但基于SPEI的干旱影响物候期（植被返青期、枯黄期）是否提前、是否延长鲜有研究。同时，青藏高原独特的地理环境造就了极其敏感的波动性气候变化、极其脆弱的生态系统，可作为植被物候时空变化的理想研究区域。因此，本文以分布于青海湖流域内部包括草甸和草原两种草地类型的高寒草地为研究区，使用AVHRR、MODIS双波段增强型植被指数（2-bands enhanced vegetation index，EVI2）和SPEI，对高寒草地返青期、枯黄期的物候变化进行定量化分析。

2 研究区与数据处理

2.1 研究区

青海湖流域位于青藏高原东北缘，地处36°15′-38°20′N、97°50′-101°20′E。流域内复杂地貌类型对植被分布具有重要影响，主要分布有高寒灌丛、高寒草甸、高寒草原、温性草原、沙生灌丛等，流域内大部分地表覆盖植被为高寒草甸和草原。具体如图1所示。

2.2 数据源及处理

实验数据使用1982-2022年研究区AVHRR、MODIS影像。AVHRR影像来自美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA），MODIS影像来自美国国家航空航天局（National Aeronautics and Space Administration，NASA）。影像云雪覆盖量小于0.5%，并对数据进行了辐射定标和大气校正等预处理。

EVI2数据集由物候植被指数（vegetation index phenology，VIP）15d AVHRR0.05°CMG ，即VIP15 v004，和MODIS/Terra地表反射率每日L3全球0.05°CMG，即MOD09CMG v061，组合而成。参考已有研究（Zhang，2015；袁俊吕和张大才，2023；Sun等，2023），采用最大值合成法将MOD09CMG天数据转换为15d复合数据，以匹配VIP15的时间分辨率，并从红光波段和近红外波段计算EVI2的时间序列。按照分段逻辑拟合模型算法拟合每年度的EVI2时间序列，并使用曲率变化率法从逻辑拟合中提取物候指标。该方法利用植被生长信息，将光谱信息转化为振幅，整个过程体现植被物候与光谱信息的充分结合。同时，采用线性回归方法评价各草地类型各物候指标均值的长期变化趋势，并进行显著性检验，使用0.05显著水平评价其变化趋势的显著性。

3 研究方法

3.1 干旱条件描述

SPEI由Vicente-Serrano等（2010）提出，是用于表征某时段降水量与蒸散量之差出现概率多少的指标。该指标适合于半干旱、半湿润地区不同时间尺度干旱的监测与评估。SPEI计算方法主要包括Penman-Monteith、Thornthwaite、Hargreaves等（曹博等，2018）。考虑到净辐射、土壤热流、蒸气压差、空气动力学阻抗、地表有效阻抗等多个因素，实验采用Penman-Monteith方法来准确估算潜在蒸散量。SPEI数据时间尺度为1-12月，空间分辨率为 0.5°。SPEI>0表示湿润，SPEI<0表示干旱。表1为SPEI干旱等级的划分。

3.2 干旱-物候相关关系的确定

皮尔逊（Pearson）相关系数是用于度量两个变量X和Y之间的相关性，是两个变量之间的协方差和标准差的商，其值介于–1-1（曲彤等，2020）：

式中，P为总体相关系数。估算样本的协方差和标准差，可得到皮尔逊相关系数：

r能较为准确地确定两个变量之间的相关性大小，其值越大表示相关性越好。

干旱对青海湖流域植被物候变化的影响是通过r和相应p值在0.05显著水平上量化SPEI关系来确定。对于每一种物候指标，实验将过去12个月内发生的所有干旱事件视为物候变化的可能驱动因素，并记录了r值最高的SPEI及其对应的p值。

4 结果分析

4.1 物候变化趋势

实验利用上文所述EVI2数据集对青海湖流域高寒草甸和草原1982-2022年的物候参数进行反演，并采用线性回归方法对草地类型各物候指标均值的时间变化趋势进行评价。根据物候参数选取，结合检验结果，使用0.05显著水平评价其变化趋势的显著性，结果如图2所示。

从线性回归方程的斜率值来看，1982-2022年草甸、草原返青期和枯黄期均有一定程度提前。其中，草甸返青期提前了0.09d/a，p值小于0.05，提前趋势显著，如图2（a）所示；相比之下，草原返青期的提前速率较为缓慢（0.03d/a）且不显著，如图2（c）所示。在枯黄期方面，两种草地类型均表现出变早的趋势，但只有草原的枯黄期显著提前（0.17d/a），如图2（c）（d）所示。

4.2 SPEI分析

不同时间尺度干旱指数的第一个月对应的是当前月，对n个月的时间尺度，从时间上自当月向前延续 n–1个月。下面将把时间跨度放在 SPEI 之后，如时间尺度为三个月的 SPEI 值为 SPEI03。图3为研究时期内不同月份时间尺度（1-12月）的SPEI变化。

由图3可看出，1-12月SPEI的总趋势来看，1996-2021年的结果均大于0，即拟合直线几乎均大于0，其中，1996-2021年总体来说青海湖流域不算太干旱；整体趋势上处于越来越湿润的状态。1996-2021年，时间尺度为1个月的 SPEI 起伏波动非常剧烈，月份旱涝交替频繁的情况。其中有10个特旱的月份，干旱月份主要集中于3、8、11月前后；湿润月份主要集中于1、9月；当然也存在，如4月在某些年很干旱，在某些年又特别湿润的情况。极端干旱的年份是 1999、2013年。随着时间的变化，SPEI值在不同时间尺度上的灵敏度明显不同。时间尺度越小，干湿变化越剧烈，SPEI值变化较大，甚至在正负之间波动。相反，时间尺度越大，波动就越小，极端值的月份就会前移，极端值越来越小，干湿旋转越平稳；只有一些连续降水或无降水、高温等，就会发生变化，这符合监测长期干旱状况的合理性。SPEI03和SPEI06的波动周期相对较长，反映了干湿季节的变化规律。SPEI12 相对稳定，能够反映干旱的年际变化特征。因此，本文选择1、3、6、12月的SPEI值来量化不同时间尺度干旱条件对青海湖流域草地物候年际变化的影响较为合理。

4.3 物候–SPEI相关关系

以青海湖流域高寒草甸与草原的返青期、枯黄期物候变化趋势为基础，结合SPEI反映的季节及年际变化特征，实验利用Pearson相关系数建立物候与SPEI相关关系，结果如图4所示。物候和SPEI之间呈现出了普遍的负相关关系，中等程度的湿润程度变化会导致返青和枯黄期的提前，但SPEI对物候变化的影响存在显著差异。对于返青期，如图4（a）所示，1月SPEI06、4月SPEI01、4月SPEI06、5月SPEI06、12月SPEI03与草甸返青的年际变化相关性较大，r分别为–0.32、–0.32、–0.44、–0.33、–0.35，其中，4月SPEI06与草甸返青的年际变化相关性最大，贡献了19.36%的年际变化。同样地，如图4（c）所示，4月SPEI06也是草原返青期最显著的驱动力，贡献了11.56%的草原返青年际变化（r=–0.34）。在枯黄期方面，如图4（b）所示，8月SPEI12是唯一显著影响草甸枯黄期变化的干旱事件，贡献了10.89%的年际变化。不同干旱事件对草原枯黄期的变化有显著影响。如图4（d）所示，4月SPEI03、4月SPEI06、5月SPEI06、6月SPEI12、7月SPEI12、8月SPEI12、9月SPEI12、12月SPEI01、12月SPEI03与草原枯黄的年际变化相关性较大， r分别为–0.41、–0.5、–0.49、–0.32、–0.36、–0.44、–0.44、–0.41、–0.48，其中，4月SPEI06贡献了25%的年际变化。

5 结论

基于SPEI，实验综合考虑干旱动态演变规律，利用遥感影像对青海湖流域干旱与高寒草地物候的相互作用为例进行了研究，揭示了1982-2022年青海湖流域草地返青期和枯黄期的变化趋势及干旱事件对这些变化的影响。

（1）青海湖流域内部的草甸和草原呈现出不同

的物候变化速率及趋势方向。1982-2022年，研究区内草甸平均返青期处于134-152d，草甸平均枯黄期处于282-300d；草原平均返青期处于129-147d，草原平均枯黄期处于286-307d。这期间草甸、草原的返青期均有一定程度提前，枯黄期也呈提前趋势。在返青期方面，1982-2022年草甸春季平均返青期显著提前，提前速率为0.09d/a；相比之下，草原的提前速度较慢（0.03d/a）且不显著。在枯黄期方面，草甸和草原草均表现出提前的趋势，其中草原的平均枯黄期提前更为明显且显著（0.17d/a）。

（2）干旱条件与青海湖流域内部的高寒草地物候变化之间存在不同程度相关关系。4月干旱条件影响草甸和草原返青期最为显著，其之前的6个月（即前一年的11月至当年4月）积累的水分盈余（即降水量大于潜在蒸散量），导致了11.56%、19.36%的返青期提前。6月和8月干旱条件对草甸和草原的枯黄期影响最为显著，其水分缺失（即降水量低于潜在蒸散量）积累周期分别为12个月（即前一年的9月至当年8月）和6个月（即1-6月）导致的干旱现象，分别贡献了10.89%、25%的枯黄期提前量。

干旱对于研究植被物候变化非常重要，物候期的一些特征，如太阳辐射强度、温度、降水量等因素的变化规律也影响着其相关性，这将为今后重点研究方向。

参考文献（References）

曹博, 张勃, 马彬, 唐敏, 王国强, 吴乾慧, 贾艳青. 2018. 基于SPEI指数的长江中下游流域干旱时空特征分析. 生态学报, 38(17): 6258-6267[Cao B, Zhang B, Ma B, Tang M, Wang G Q, Wu Q H, Jia Y Q. 2018. Spatial and temporal characteristics analysis of drought based on SPEI in the middle and lower Yangtze Basin. Acta Ecologica Sinica, 38(17): 6258-6267 (in Chinese)]

邓欢, 程峰, 王金亮. 2020. 基于SPEI指数的滇中地区植被对干旱的响应特征研究. 测绘与空间地理信息, 43(11): 51-55[Deng H, Cheng F, Wang J L. 2020. Study on the response characteristics of vegetation to drought in central Yunnan based on SPEI index. Geomatics & Spatial Information Technology, 43(11): 51-55 (in Chinese)]

郭晓萌, 佟斯琴, 包玉海, 任晋媛. 2021. 基于SPEI的内蒙古地区近55年干旱时空变化趋势分析. 地理信息世界, 28(3): 42-48, 79[Guo X M, Tong S Q, Bao Y H, Ren J Y. 2021. Spatial and temporal variation trend analysis of drought in Inner Mongolia in the past 55 years based on SPEI. Geomatics World, 28(3): 42-48, 79 (in Chinese)]

黎恬, 崔煜婕, 黄锦璐, 全城, 腾渝, 李守中. 2022. 福建省长汀县水土流失区马尾松种群对干旱的响应与恢复. 水土保持通报, 42(4): 42-48, 55[Li T, Cui Y J, Huang J L, Quan C, Teng Y, Li S Z. 2022. Response and recovery of pinus massoniana populations to drought in erosion zone of Changting County, Fujian Province. Bulletin of Soil and Water Conservation, 42(4): 42-48, 55 (in Chinese)]

马慧鹏. 2023. 基于SIF及多源遥感指数的多尺度林木干旱胁迫监测. 硕士学位论文. 南京：南京林业大学[Ma H P. 2023. Multi-scale monitoring of drought stress in forests based on SIF and multi-source remote sensing indices. Master Dissertation. Nanjing: Nanjing Forestry University (in Chinese)]

曲彤, 陈舒怡, 王璞. 2020. 西安市主城区蒸散发量预测模型研究. 水利科学与寒区工程, (5): 80-83[Qu T, Chen S Y, Wang P. 2020. Study on prediction model of evapotranspiration in Xi’an urban area. Hydro Science and Cold Zone Engineering, (5): 80-83 (in Chinese)]

孙兰惠, 牛铮, 黄妮, 田海峰, 张军龙. 2020.黄河三角洲地区植被变化及其对气温的响应特征. 地理信息世界, 27(3): 85-90[Sun L H, Niu Z, Huang N, Tian H F, Zhang J L. 2020.Characteristics vegetation changes and responses to air temperature in the Yellow River Delta. Geomatics World, 27(3): 85-90 (in Chinese)]

杨聪颖, 丁颖, 马扶林, 周华坤, 王晓丽, 张强, 刘小伟, 木塔力甫·吾布力, 郭梁. 2024. 气候变化通过调控青藏高原高寒草原植物生育期影响地上生物量积累. 应用生态学报, 35(5): 1260-1268[Yang C Y, Ding Y, Ma F L, Zhou H K, Wang X L, Zhang Q, Liu X W, Mutalifu Wu B L, Guo L. 2024. Climate change affects plant aboveground biomass by regulating the growth periods in alpine grasslands of the Tibetan Plateau, China. Chinese Journal of Applied Ecology, 35(5): 1260-1268 (in Chinese)]

于海英, 许建初. 2009. 气候变化对青藏高原植被影响研究综述. 生态学杂志, 28(4): 747-754[Yu H Y, Xu J C. 2009. Effects of climate change on vegetations on Qinghai-Tibet Plateau: A review. Chinese Journal of Ecology, 28(4): 747-754 (in Chinese)]

袁俊吕, 张大才. 2023. 青藏高原高寒草甸植物返青物候期研究进展. 林业科技通讯, (3): 8-13[Yuan J L,Zhang D C. 2023. Research progress on the phenology of greening of alpine meadow plants on Qinghai-Tibet Plateau. Forest Science and Technology, (3): 8-13 (in Chinese)]

周温存, 刘正佳, 王坤, 邹时林, 钟会民, 陈芳鑫. 2023. 北方农牧交错区干旱特征变化及其对植被总初级生产力的影响. 地球信息科学学报, 25(2): 421-437[Zhou W C, Liu Z J, Wang K, Zou S L, Zhong H M, Chen F X. 2023. Spatio-temporal changes of drought features and their impacts on the gross primary production in farming-pastoral ecotone of Northern China. Journal of Geo-Information Science, 25(2): 421-437 (in Chinese)]

周志花, 邹逸航, 张璐, 王志炜. 2023. 基于SPEI指数的1951年—2013年黄河流域干旱特征及其成因. 内蒙古科技与经济, (12): 78-84[Zhou Z H, Zou Y H, Zhang L, Wang Z W. 2023. Characteristics and causes of drought in the Yellow River Basin from 1951 to 2013 based on SPEI index. Inner Mongolia Science Technology & Economy, (12): 78-84 (in Chinese)]

朱俊峰, 马苗苗, 耿丽艳. 2021. 基于遥感指数的南京市城市热岛时空演变分析. 地理信息世界, 28(5): 52-57[Zhu J F, Ma M M, Geng L Y. 2021. Spatiotemporal evolution analysis of urban heat island in Nanjing City based on remote sensing index. Geomatics World, 28(5): 52-57 (in Chinese)]

Ganjurjav H, Gornish E S, Hu G Z, Schwartz M W, Wan Y F, Li Y, Gao Q Z. 2020. Warming and precipitation addition interact to affect plant spring phenology in alpine meadows on the central Qinghai-Tibetan Plateau. Agricultural and Forest Meteorology, 287: 107943

Liu X D, Chen B D. 2000. Climatic warming in the Tibetan Plateau during recent decades. International Journal of Climatology, 20(14): 1729-1742

Richardson A D, Keenan T F, Migliavacca M, Ryu Y, Sonnentag O, Toomey M. 2013. Climate change, phenology, and phenological control of vegetation feedbacks to the climate system. Agricultural and Forest Meteorology, 169: 156-173

Sun L X, Zhu W Q, Xie Z Y, Zhan P, Li X Y. 2023. Multi-dimension evaluation of remote sensing indices for land surface phenology monitoring. National Remote Sensing Bulletin, 27(11): 2653-2669

Vicente-Serrano S M, Beguería S, López-Moreno J I. 2010. A multiscalar drought index sensitive to global warming: The standardized precipitation evapotranspiration index. Journal of Climate, 23(7): 1696-1718

Yu M X, Li Q F, Hayes M J, Svoboda M D, Heim R R. 2014. Are droughts becoming more frequent or severe in China based on the Standardized Precipitation Evapotranspiration Index: 1951–2010? International Journal of Climatology, 34(3): 545-558

Zandler H, Brenning A, Samimi C. 2015. Quantifying dwarf shrub biomass in an arid environment: Comparing empirical methods in a high dimensional setting. Remote Sensing of Environment, 158: 140-155

Zhang X Y. 2015. Reconstruction of a complete global time series of daily vegetation index trajectory from long-term AVHRR data. Remote Sensing of Environment, 156: 457-472

↓↓ 了解更多产业要闻 ↓↓

请将我设为星标★

来源：《时空信息学报》2024年第4期

编辑：李娟

审核：余青

独家：《时空信息学报》专栏

>>协会通知

关于组织关注协会公众号、指定通讯员及公众号征稿的通知

>>近期要闻

征稿启事

“企业家风采”“创新之声”“会员喜讯”“新品发布汇”“产学研合作”“国际市场”“专精特新”“科普”“预见2024”等主题宣传（专栏）进行中，欢迎投稿！

联系人：李娟 13370105015（微信）

邮箱：xc@cagis.org.cn

欢迎关注、分享！

http://mp.weixin.qq.com/s?__biz=MzIzOTAxNjc3NA==&mid=2650167280&idx=1&sn=3225a671531033a8751d369dca34f17c

中国地理信息产业协会

发布党和国家关于地理信息产业的政策精神，地理信息产业主管部门对促进、规范地理信息产业发展的相关文件，地理信息产业的创新成果、典型应用、优秀标杆及重要活动，以及中国地理信息产业协会的相关工作等。