李小燕
陕西理工学院汉水文化研究中心 历史文化与旅游学院, 陕西 汉中723000
LI Xiao-yan
中图分类号: K903,TP79
文献标识码: A
文章编号: 1000-0690(2013)07-0865-08
收稿日期: 2012-08-3
修回日期: 2012-10-28
网络出版日期: 2013-07-20
版权声明: 2013 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：李小燕（1978-）,女,陕西渭南人,讲师,博士研究生,主要从事国土资源评价与GIS研究。E-mail：lxy1671@126.com
展开
摘要
利用1999~2010年植被覆盖数据、气温与降水量数据,结合经验正交函数、时滞互相关法与奇异值分解法对黄土高原植被覆盖和水热状况进行研究。结果表明,水热组合状况主成分较多且时间变化规律性差,即水热综合状况比较复杂;植被覆盖特征明显。最大时滞相关反映出黄土高原南部小麦等作物对水热响应最快,其次为林木-温性植物-寒性、盐生、旱生植物-强旱生植物,滞后时间0~30 d。奇异值分解得出黄土高原绝大部分区域植被覆盖与水热变化一致,也存在明显负相关区。
关键词：
Abstract
EOF (Empirical Orthogonal Functions), SVD (Singular Value Decomposition) and lag cross-correlation were applied to analyze temporal and spatial response characteristics of vegetation cover to the variation of hydro-thermal condition, and distinguish the spatial-temporal correlation between vegetation index and climate factors. The results indicated that the hydro-thermal conditions have more principal components and worse regularity as well as minor variance contributes. The variation of hydro-thermal condition depends on monsoon climate, latitude, underlaying surface and so on, which is very complicated and changeable. But there are obvious characters in vegetation cover. The maximum based on lag cross-correlation method shows that the speed of wheat response of southern Loess Plateau to hydro-thermal condition is faster than forest, warm vegetation, cold-halophytic-drought plants and strong drought plants, and the lag-time is about 0-30 days, so more precipitation have stronger impact on vegetation growth than temperature. However, the minimum coefficient reflects that there is significant negative correlation between vegetation cover and double-cropping winter wheat and minor cereals in South Loess Plateau. Singular value decomposition illustrates that vegetation cover is in accordance with hydro-thermal condition in the same area, but there is still obvious negative correlation. Negative correlation is caused by crop-cutting and soil corrosion due to crop rotation system and climate type. It is the best condition for vegetation cover in southeast region of Loess Plateau. More precipitation will be the advantage for vegetation cover, including the hydrological effect of the Yellow River, but when the temperature is higher than one threshold value it won’t be an advantage for vegetation cover in arid and semi-arid region. Higher temperature makes plants grow well where there is sufficient moisture in arid region. The vegetation cover has close relations to hydro-thermal condition in valley plain and basin valley. When there is this additional condition, the vegetation cover increases in hydro-thermal equilibrium region. There is a high level of correlation between vegetation cover and hydro-thermal condition, but more limiting factors. The main limiting factors of temperature on the vegetation cover include land use, vegetation type, cropping system and landform. Loess Plateau is located in droughty inland region, so precipitation directly influences vegetation cover. Plant growth depends importantly on precipitation in desert zone and non-farming areas. In crop field, the correlation between vegetation and precipitation is further complicated by irrigation conditions and so on.
Keywords：
植被将地球上土壤、大气和水分紧密地联系在一起[1],在环境和全球变化研究中具有敏感的指示作用[1-3]。气象要素、土地利用和CO2的肥效作用等要素对不同地区的植被有不同的影响[4,5],其中气温和降水是植物生长的关键性因素[6,7]。植被覆盖时空变化的研究是进一步解释陆地生态系统、气候系统和NDVI(Normalized Difference Vegetation Index, NDVI)变化机理之间相互作用的重要基础,并对当前的生态修复提供有用的空间信息和理论支撑[2]。归一化植被指数对地表植被覆盖及生长状况非常敏感,因此被广泛应用在环境、生态和农业研究中[8,9]。许多学者已经对全球以及区域范围内NDVI关于气温和降水变化的响应做了相应研究[10-20],而植被覆盖对水热组合条件的响应的研究还较少。中国黄土高原是黄河泥沙的主要来源地,水土流失严重,生态环境脆弱,是中国水土保持关键区域之一[1]。西北地区气候干旱,生态环境脆弱,是中国气候变化的敏感地带,地表植被覆盖变化的研究对于该地区环境保护和生态建设具有重要的指示意义。本文基于经验正交函数(Empirical Orthogonal Functions, EOF)、奇异值分解(Singular Value Decomposition, SVD)和时滞互相关分析等方法对黄土高原植被对于气象要素的时空响应进行了分析研究,以期进一步解释黄土高原气候系统和NDVI变化机理之间相互作用,并为黄土高原当前的生态修复提供有用的空间信息和理论支撑。
黄土高原地处中国黄河中上游地区,面积约为640 000 km2（图1）。黄土是沙尘暴所携带的粉砂经过日积月累沉积形成的,容易受到风力和水的侵蚀,被称为“地球上最易受侵蚀的土壤”。高原涉及陕西省、山西省、宁夏回族自治区大部地区和甘肃省、内蒙古自治区部分地区,黄土高原属温带季风气候区边缘,大陆性和季风不稳定性更加突出,全年总雨量少,65%的雨水集中在夏季,降水的强度大,往往一次暴雨量就占全年雨量的30%,甚至更多,是造成黄土高原水土流失的原因之一。高原日照充足,高原从西北向东南,年均温度在8~14℃,无霜期为120~200 d,属暖温带。
本文所用的资料包括黄土高原1999~2010年SPOT VEGETATION旬值NDVI数据,空间分辨率为1 000 m,NDVI数据来自于互联网（http://free.vgt.vito.be/home.php）。131个台站12 a(1999~2010年)的旬降水资料和旬平均气温资料,降水和气温数据均来自于中国气象科学数据共享服务网。由于气温和降水所属量级不同,所以先给这2个气象要素各个站点的数据进行极差标准化处理,使其值范围均在0~1之间,再根据下式得到水热综合状况。
其中,HHTC为各站点标准化水热综合状况;HNT为各站点标准化气温;HNP为各站点标准化降水量;α为权重,为保证空间上的差异性,在此都取0.5。
研究中采用的方法主要有经验正交函数(Empirical Orthogonal Function, EOF)分解、奇异值分解(Singular Value Decomposition, SVD)方法和时滞互相关法。EOF分析类似于主成分分析,用来将大量初始信息资料加以压缩,并从中求得能最大部分地捕获初始方差的正交线性组合的一种分析方法。SVD用于分析要素场序列之间的相关关系,即它可最大限度地从2个要素场分离出多个相互独立的耦合模态,从而揭示出2个要素场所存在的时域相关性的空间联系。时滞互相关法研究旬平均水热综合状况与NDVI的相互作用情况,从而确定出气候因子对NDVI的作用时效。时滞互相关法研究旬平均水热综合状况与NDVI的相互作用情况,从而确定出气候因子对NDVI的作用时效。
黄土高原水热状况有6个主要EOF模态的空间分布型和时间系数。6个模态的方差贡献率分别为15.28%,10.22%,6.97%,5.76%,4.69%和3.06%,相差不是很大,表明水热组合状况比较复杂,情况多变。图2a是第一特征场,是黄土高原地区主要的空间分布型,可以看出,正值分布在黄土高原东部和西北部,正值中心在东部和西北部边缘地带;中部和西南部为主要负值区,负值中心在青海、甘肃以及陕西、陕西、河南的交界处。结合第1特征向量对应的时间系数（图3a）,可知时间系数中负值明显占优势,夏秋两季水热的时间系数的绝对值较大,尤其是2008年,出现了最低值,表示的上述空间分布型式显著,春冬两季较弱且分布型多变。从而反映出,1999~2010年黄土高原冬半年西南部水热条件下降,东部和西北部水热条件改善,但变化程度低;夏半年相反,且水热变化程度较高。
图 2 水热状况主要EOF模态空间分布
Fig.2 Spatial distribution of the main EOF modes of hydro-thermal condition （The dashed lines show negative values; the solid lines show positive values）
图 3 水热状况主要EOF模态的时间系数
Fig.3 Temporal variation of the main EOF modes of hydro-thermal condition
图2b是第2特征场,代表东南-西北部的差异。正值分布在黄土高原东南部,西北部大面积区域为负值区,负值中心位于内蒙古和宁夏。时间系数（图3b）年内正负振荡严重,夏半年多表现为正值且2003~2007以及2010年最为明显;冬半年（3月21日前后至9月23日前后）主要为负值且绝对值不是很大。从而反映出,1999~2010年黄土高原夏半年东南水热条件偏高,西北部偏低,主要是因为西北部干旱少雨;冬半年则相反。
图2c是第3特征场,方差贡献为6.97%。黄土高原西南部与东北部趋势相反,正值中心处于宁县和甘肃以及陕西境内;负值中心处于陕西北部。从时间系数（图3c）来看,负值集中在夏半年（9月23日前后至次年3月21日前后）且易出现显著的正相位分布型,冬半年为正但显著性较弱。从而反映出,1999~2010年黄土高原夏半年呈现出西南部水热条件异常偏高,东北偏低的分布;冬半年则相反。
图2d是第4特征场,方差贡献为5.76%。负值为主要分布区,中心在山西北部和陕西;正值分布在黄土高原西部以及南部,中心主要位于黄土高原西南部。时间系数（图3d）年际振荡变化规律性较差,且全年以负值为主,夏半年的正负相位均会出现且分布性显著;冬半年基本上为负值。从而反映出,1999~2010年黄土高原夏半年分布型显著但变化无常,冬半年东北部水热条件异常偏高,西南部偏低。
第5和第6特征场方差贡献率很小,并且时间系数比较杂乱,规律性较差,在此不作分析。
图4、5为NDVI的4个主要EOF模态的空间分布型和时间系数。图4a是第1特征场,方差贡献为73.40%。可以看出,黄土高原西北部与东南部呈相反的两种分布型式,整个研究区植被覆盖与第2模态的水热在空间分布上匹配程度很好,黄土高原西北部干旱-半干旱地区的草原、草甸、荒漠、沙地和高山稀疏植被以及裸岩为负值,负值中心位于内蒙古、陕西、甘肃和宁夏境内植被极为稀疏的荒漠、沙地和裸岩以及荒漠化草原;正值中心分布在东南部的针阔叶林、寒温性灌丛和草丛。时间系数（图5a）基本上大于0,夏秋季节分布型式显著,春冬较差。从而反映出,黄土高原东南部水热条件较好,植被类型分布主要为针阔叶林、灌丛和草丛,植被覆盖较高;西北部与之相反,植被覆盖很低。主要是东南季风带来的暖湿气流不能深入内陆的结果。
图4b是第2特征场,方差贡献为9.05%,与水热的第1模态匹配较好。正值处于主导地位,主要分布在黄土高原中北部和西部,中心位于干旱-半干旱地区青海境内的高寒灌丛、山西与青海的高山亚高山草甸;负值主要分布在毛乌素沙地和黄河中上游沿岸。时间系数（图5b）的线性趋势线在0刻度线以下并呈上升趋势,但趋势不明显。负值明显处于主导地位,春夏分布型式显著,但互为相反分布,次之为秋冬季节。反映了气温和降水量对黄土高原高寒、高山亚高山地区与干旱荒漠区植被覆盖的单一作用,即夏半年东部降水和冬半年西部气温的分别作用。
第3特征场（图略）,方差贡献为3.58%,正值分布在黄土高原的草本栽培植物区,中心处于黄河及其支流的河道内;负值主要分布在陕西洛河与山西汾河两侧山地区以及秦岭地区的落叶阔叶林以及温性针叶林、内蒙古境内宁夏平原以北黄河以东的桌子山强旱生灌木荒漠,宁夏平原-甘肃的黄河河道两侧。时间系数（图略）在夏秋两季呈相反分布型且很典型,正值波动较为平缓,负值波动幅度大。需要注意的是,从夏季到秋季以及秋季到冬季,时间系数变化很迅速且分布型也随之变化,这主要是由草本栽培植物的轮作以及降水滞后于气温引起的。第3模态主要反映黄河对黄土高原植被覆盖的水文效应,在干旱地区水分充足的区域,气温上升则会促进植被的生长。
第4特征场（图略）,方差贡献为1.87%,明显可以看出空间上NDVI与水热的第5模态匹配程度较高,正值集中分布在青海的高寒灌丛以及青海-山西北部的高山亚高山草甸的稀疏植被区,黄河河道两侧次之;负值主要分布在东部和南部的山地草丛、温性针叶林和温性落叶灌丛。时间系数（图略）显著减小,2004年之前正值占优势且夏季分布型很典型,2004年之后负值处于主导地位,且秋季分布型与夏季相反,更为典型。反映黄土高原东西部高寒区和高山亚高山山地区降水分配不均衡。
通过计算多年各旬NDVI和水热综合状况均值之间不同时滞k下的时滞互相关系数（图6a、b）,以便更好的了解植被对水热变化的响应。
图 6 NDVI与水热最大互相关系数（a、b）以及SVD的耦合模态（c、d）
Fig.6 Maximum co-correlation between NDVI and hydro-thermal condition (a-b) and paired-modes of SVD (c-d: NDVI value are shown in color picture, hydro-thermal are shown in contours, dashed lines indicate the negative values and solid lines indicate the positive values)
最大互相关系数（图6a）反映出,全区绝大部分区域NDVI与水热的相关程度很高,均在99.9%显著水平上;关中盆地、汾河谷地与华北平原西端的河南省境内的一年二熟冬小麦、杂粮的相关程度较低。从滞后时间来看,滞后时间集中0~30 d,相关程度低的一年二熟冬小麦、杂粮区域滞后于水热0 d,零滞后地区也分布于甘肃省的一年一熟春小麦、杂粮区;各种林木、青海的一年一熟青稞、杂粮、后套平原与宁夏平原的一年一熟春小麦、杂粮、温性灌丛、高山亚高山草甸以及研究区东南部二年三熟冬(春）小麦、杂粮滞后时间为10 a;高寒灌丛、高寒草原、盐生灌丛和草甸、滩地草甸、草丛、草甸草原和典型草原以及晋北-陕北高原-陇中高原一线西北部的一年一熟、三年两熟春小麦和糜谷等作物对水热的时滞为20 d;研究区西北部荒漠化草原、强旱生灌木与杂草类荒漠的滞后时间为30 d。
最小相关系数（图略）反映出,关中盆地、汾河谷地与华北平原西端的河南省境内的一年二熟冬小麦、杂粮与NDVI之间呈很强的负相关,分布区与最大互相关系数的较低相关区一致,且滞后时间集中在80 d左右。
综上,NDVI与所构建的水热综合状况之间的相关特征很明显。正的高相关区几乎遍及整个区域,滞后时间为0~30 d,黄土高原南部小麦等作物对水热响应最快,其次为林木-温性植物-寒性、盐生、旱生植物-强旱生植物,即降水较气温对植被生长影响强烈;黄土高原南部一年二熟冬小麦、杂粮与NDVI之间呈很强的负相关,主要是由于4月份降水与气温开始增加,到6月份水热条件已经相当好时,正值冬小麦等作物收割,从而导致植被覆盖减小。
图6c、d为NDVI与水热的2个主要SVD模态的空间分布型,解释率分别为75.03%和18.83%,总的解释率为93.86%。其中NDVI为左场,水热为右场。第一模态空间分布中（图6c）,左场中黄土高原西北部宁夏平原两侧的盐地落叶灌丛、荒漠化草原,鄂尔多斯高原毛乌素沙地的强旱生灌木-杂类草荒漠、河湖滩地草甸、沙生植被等为正的高相关区;东南部山西省中部吕梁山和太岳山——陕西省中部子午岭和黄龙山的温性针叶林和落叶阔叶林、青海省高寒灌丛和高山亚高山草甸、山西和陕西中部的温性落叶灌丛和草丛为主要负相关区,且分布面积较大。右场的正负相关区与左场基本保持一致,只有关中盆地以北,陕北高原以南区域为正负相反分布。表明黄土高原NDVI和水热空间分布型关系非常密切,即黄土高原植被覆盖与同地区水热的变化一致。
值得注意的是,陕西境内关中盆地与陕北高原之间的山地区、后套平原和宁夏平原植被覆盖与水热呈负相关,主要是因为后套平原和宁夏平原主要分布着春小麦等作物,夏季水热条件较好时作物收割且没有后续作物（7月收割结束,一年一熟）,从而突出了春季水热条件差但作物却形成了结实株体（4月作物开始生长）,反映出植被覆盖反而高,与水热呈负相关;关中盆地与陕北高原之间的区域作物一年一熟为主,兼有冬小麦-谷糜两年三熟,原因同上,另外该地区土壤侵蚀十分强烈并且气候属温带湿润冷凉类型,降雨量比周围地区丰沛,降水的增加会加大侵蚀量,从而导致植被覆盖下降,即降水单一的大幅度增加也会使构建的水热指数增大,导致植被覆盖减小。另外,关中平原作物类型以一年二熟冬小麦为主,山西省大面积区域作物类型为两年三熟冬小麦,但是植被覆盖与水热呈正相关,主要是因为夏季小麦收割后,紧接着玉米等作物的种植使得秋季水热条件很好时植被覆盖达到最大。
第二模态空间分布中（图6d）,左右场正负相关区与第一模态正好相反,并且左右场正负相关区在空间上基本保持一致,陕西境内关中盆地与陕北高原之间的山地区、后套平原和宁夏平原植被覆盖也与水热呈负相关,与上述原因相同。
1） 经验正交函数分解得到的水热组合状况的主成分较多且时间上变化的规律性差,方差贡献率差异小,说明水热组合状况比较复杂,情况多变,这主要是水热之间相互影响的结果。分解得到的NDVI的主成分分别反映了东南季风带来的暖湿气流的结果、夏半年东部降水和冬半年西部气温的分别作用、黄河对黄土高原植被覆盖的水文效应以及黄土高原东西部高寒区和高山亚高山山地区降水分配不均衡。
2） NDVI与所构建的水热综合状况之间的相关特征很明显。正的高相关区几乎遍及整个区域,滞后时间为0~30 d,黄土高原南部小麦等作物对水热响应最快,其次为林木-温性植物-寒性、盐生、旱生植物-强旱生植物,即降水较气温对植被生长影响强烈;黄土高原南部一年二熟冬小麦、杂粮与NDVI之间呈很强的负相关,滞后时间为80 d,主要是由于4月份降水与气温开始增加,到6月份水热条件已经相当好时,正值冬小麦等作物收割,从而导致植被覆盖减小。
3） 根据奇异值分解,黄土高原NDVI和水热综合状况空间分布型关系非常密切,即黄土高原植被覆盖与同地区水热的变化一致。但是,仍然存在明显的负相关区,主要是气候类型以及作物熟制造成的。
4） 本研究考虑到植物的生长是水热共同作用的结果,将降水和气温标准化到一个综合指数中,利用植被覆盖对水热共同的响应,同时兼顾了水和热对植物生长的影响,植被覆盖与水热综合状况的相关程度很高、相位一致,并且分解得到了其中的细微之处,也体现了所构建的水热指数的不足,即没有考虑到研究区内作物收割的情况以及降水和地形导致的土壤侵蚀量较大区域的植被覆盖情况。另外,植被也受到太阳辐射的影响,所以在今后的研究中还需要将上述要素都考虑进去需要进一步的研究。
其一,时滞互相关分析可以将相关性和滞后时间同时体现在空间上,并且相关性有正负的区别,所以文中将正负相关分别考虑,弥补了前人研究中存在的不足。
其二,在空间相关中,黄土高原NDVI和水热综合状况空间分布型关系非常密切,与时滞互相关中的相关性基本一致。但是,结果更细致,即仍然存在明显的负相关区,主要因为其一,一年一熟小麦等作物区,夏季水热条件较好时作物收割且没有后续作物（7月收割结束）,从而突出了春季水热条件差但作物却形成结实株体（4月作物开始生长）,反映出植被覆盖反而高,与水热呈负相关;其二,土壤侵蚀十分强烈并且气候属温带湿润冷凉类型的地区,降雨量比周围地区丰沛,降水的增加会加大侵蚀量,从而导致植被覆盖下降,即降水单一的大幅度增加也会使构建的水热指数增大,导致植被覆盖减小。
The authors have declared that no competing interests exist.
| [1] |
|
| [2] |
Spatio-temporal variations of vegetation cover on the Chinese Loess Plateau(1981-2006):Impacts of climate changes and human activities [J]. |
| [3] |
Analysis of Sudan vegetation dynamics using NOAA-AVHRR NDVI data from 1982-1993 [J]. |
| [4] |
Contribution of increasing CO2 and climate to carbon storage by eco-systems of the United States [J]. |
| [5] |
|
| [6] |
Climate-driven increases in global terrestrial net primary production from 1982 to 1999 [J]. |
| [7] |
西北地区NDVI对水热条件年内变化的响应及其空间特征 [J]. |
| [8] |
近300年黄土高原耕地时空变化及预测 . |
| [9] |
MODIS影像的NDVI和LSWI植被水分含量估算 [J]. |
| [10] |
陕南气温变化时空分布研究 [J]. |
| [11] |
Temporal response of NDVI to precipitation and temperature in the Central Great Plains, USA [J].
|
| [12] |
应用遥感数据研究中国植被生态系统与气候的关系 [J].
|
| [13] |
中国典型植被类型NDVI动态变化与气温、降水变化的敏感性分析 [J].
|
| [14] |
1983~1992年中国陆地NDVI变化的气候因子驱动分析 [J].
|
| [15] |
气象因子与地表植被生长相关性分析 [J].
|
| [16] |
连江流域近18年来植被覆盖度变化分析 [J].
|
| [17] |
1975~2009年锡林郭勒盟生态系统宏观格局及其动态变化 [J].
|
| [18] |
黄土坡面不同植被恢复阶段的减流减沙效益研究 [J].
|
| [19] |
福建漳江口红树林国家级自然保护区建立对毗邻社区居民的影响研究 [J].
|
| [20] |
流域干旱对淡水湖泊湿地生态系统的影响机制 [J]. |
/
| 〈 |
|
〉 |
