三江源區多尺度水文干旱特征及植被的響應

肖祖香，朱 雙，羅顯剛，婁連惠，李 江，羅順根，操 麗

(1.中國地質大學(武漢)地理與信息工程學院，湖北 武漢 430074；2.國家地理信息系統工程技術研究中心，湖北 武漢 430074； 3.中國地質環境監測院，北京 100081；4.湖北省自然資源廳信息中心，湖北 武漢 430071； 5.武漢中地云申科技有限公司，湖北 武漢 430074)

干旱事件是一種高頻的自然災害，具有最廣泛的社會、經濟和生態影響[1-2]。研究地區干旱演變特性對了解區域氣候變化，指導未來水資源規劃和利用具有重要意義[3-4]。Mckee等[5]提出的標準化降水指數(standardized precipitation index，SPI)被廣泛應用于評估不同時間尺度的氣象干旱事件，Sobral等[6]認為SPI在干旱時空特征研究中有非常好的作用。Wang等[7]采用歸一化植被指數(normalized difference vegetation index, NDVI)來研究植被與干旱的關系。增強植被指數(enhanced vegetation index，EVI)是對NDVI的改進指數，減弱了大氣和土壤噪音對植被的影響，反應植被情況更具穩定性。自20世紀90年代以來，三江源區氣候呈暖濕現象，長江流域濕地面積呈整體上升趨勢，黃河流域和瀾滄江流域呈下降趨勢[8]。三江源區的植被變化、氣候變化和生態保護是重點研究方向，Wang等[9]研究發現草地退化比較明顯的地區為黃河源區。目前大部分研究是針對2010年前后的地區干旱與植被演變，對三江源區的多尺度干旱演變與植被變化研究還很少[10]。

本文采用SPI和遙感植被指數(NDVI、EVI)量化1961—2018年三江源區的生長季植被和水文干旱的演化特性，基于Mann-Kendall(M-K)趨勢檢驗法分析1961—2018年三江源區多尺度干旱的時空特征和變化趨勢以及2000—2018年植被時空演變趨勢，并探討了三江源區的植被狀態與干旱事件的聯系，可為后期探究三江源區的植被-干旱的響應關系提供參考。

1 研究區域與數據

1.1 研究區域概況

三江源區位于中國青海省南部，地理位置在31°39′～36°12′N、89°45′～102°23′E之間，是長江、黃河和瀾滄江的發源地，也是青藏高原的腹地(圖1)，面積約30萬km2，占青海省總面積的43%，地勢高聳、氣候寒冷，年平均氣溫在-5. 4～4.2 ℃之間，年降水量由東南部的 770 mm 向西北逐漸遞減至 260 mm，氣候條件具有明顯的區域分異特征。三江源區中黃河、長江和瀾滄江年平均徑流量分別為201億m3、124億m3和150億m3[11]，年蒸發量為730～1 700 mm，超過80%的降水量發生在5—10月[12]。由圖1(b)可知2015年該地區的土地利用類型主要為林地和草地。

圖1 三江源區的氣象站點以及土地利用類型Fig.1 Geographic location, meteorological stations and land-use type of the TRSR region

1.2 數據來源與處理

三江源區數字高程模型(DEM)來自地理空間數據云網站(http://www.gscloud.cn/)，在ArcGIS中以三江源區邊界來裁剪和鑲嵌得到研究區的DEM。青藏高原土地利用覆蓋數據來自中國科學院資源與環境科學數據中心(http://www.resdc.cn/)，通過裁剪和重分類得到三江源區的土地利用類型。

遙感衛星數據MOD13Q1來自美國國家航空航天局(NASA)EOS / MODIS數據產品(https://modis.gsfc.nasa.gov/)，空間分辨率為250 m×250 m，時間分辨率為16 d。MOD13Q1植被指數產品(NDVI和EVI)用水、云、重氣溶膠等處理，以確保數據質量，這兩種產品有效地表征了全球植被狀態和過程。為了消除異常值的影響，采用最大合成法(MVC)合成月度NDVI數據，將月度NDVI數據合成為最大年NDVI影像[13]。

1961—2018年月降水量數據來自中國氣象科學數據共享服務網(http://cdc.cma.gov.cn/)，其中1961—2016年數據來自中國0.5°×0.5°網格數據集(V2.0)產品，三江源區共有150個格點數據集。數據經過交叉驗證，錯誤分析，質量狀況良好；2017—2018年數據來自中國地面氣候資料月值數據集。由研究區20個氣象站點的地面月降水量數據，采取最優Kriging插值方法重采樣2017—2018年150個格點的月降水量數據，得到1961—2018年的三江源區月降水數據。本文依據氣象站點位置以及區域分布特點選取了40個格點數據進行研究。

2 研究方法

2.1 SPI

SPI是常用的多時間尺度氣象干旱指數[5]，它可以計算多個時間尺度[14]。根據GB/T 20481—2006《氣象干旱等級》的定義，SPI是表征某時段降水量出現概率的指標，適用于月尺度以上的干旱監測與評估。該指數假設降水量服從Γ分布，考慮了降水服從偏態分布的實際，然后進行正態標準化處理，使得同一個干旱指數可以反映不同時間尺度和不同類型的水資源狀況。一般當SPI值小于0且連續觀察到該值小于等于-1時，定義為發生干旱事件[15]。SPI1 通常用來反映短期地表水分異常變化，SPI3可反映干旱的季節變化。表1為中國的干旱分類標準[16]。SPI的詳細介紹和計算機程序可在國家干旱減災中心網站(https://drought.unl.edu/)上獲得。

表1 基于SPI指數的干旱等級劃分

2.2 植被指數

NDVI是目前應用最廣泛的植被指數，可以反映植被的覆蓋度、植被的基本生長狀態等。EVI是增強型植被指數，相對于NDVI在大氣噪聲、土壤背景、飽和度等問題上有所改進[17]。本文根據三江源區植被生長的實際情況，確定干旱對植被生長狀況的影響主要表現在植被生長季(5—9月)，提取每年5—9月的NDVI和EVI數據進行植被時空演變分析。

2.3 M-K趨勢檢驗法

M-K非參數檢驗法常用于評估降水、徑流、氣溫等數據時間序列的趨勢變化，它的優點在于樣本不需要遵循某一特定的分布，而且很少受到異常值的干擾，且計算簡便[18]。該方法以標準正態分布變量Z表示長時間序列SPI和植被指數的變化趨勢，Z>0表示序列有上升趨勢，Z<0表示序列有下降趨勢?？紤]到正態分布的對稱性，Z的絕對值在大于1.28、1.64、2.32時，分別表示通過了顯著性水平α為0.1、0.05和0.01的顯著性檢驗。本文利用MATLAB軟件，編寫M-K趨勢分析的循環計算程序，得到所有格點的Z值。

2.4 斯皮爾曼等級相關系數

斯皮爾曼等級相關(Spearman rank correlation)在統計學中用于評估兩個變量之間的相關性[19]，變量間的相關性可以使用單調函數來描述[20]。當變量x增大時，變量y也趨向于增大，則相關系數ρ>0；當x增大時，y趨向于減小，則ρ<0；當x增大時y沒有任何趨向性，則ρ=0。斯皮爾曼方法估計的相關系數更合理且誤差更小，較之其他如Kendall方法更具優勢[21]。

3 結果與分析

3.1 干旱時空特征

利用三江源區的植被生長季(5—9月)的SPI1來表示生長季月度干旱，春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12—2月)的SPI3極小值來表示四季干旱。

3.1.1 SPI時間演變

圖2為1961—2018年三江源區的長時間序列的干旱特征SPI值(5—9月)，SPI1和SPI3線性擬合斜率分別為0.004和0.005，說明在此期間三江源區逐漸變得濕潤。月度嚴重干旱事件(SPI1)發生在1963年、1966年、1969年、1984年、1997年和2017年，季節性中度干旱事件(SPI3)發生在1963年、1966年、1984年、1992年、2000年和2017年。

圖2 1961—2018年SPI1和SPI3時間序列Fig.2 Time series of SPI1 and SPI3 from 1961 to 2018

3.1.2 SPI趨勢空間分布

圖3為1961—2018年SPI在月度與季度的M-K趨勢檢驗值Z的空間分布。5月、9月、春、夏、秋和冬季平均趨勢特征值Z分別為1.64、0.63、2.28、1.58、0.65和1.03，其中SPI上升趨勢占比分別為92.68%、70.00%、97.50%、90.00%、57.50%和82.50%?？芍磪^呈月度濕潤化趨勢，5月在長江西北部有顯著濕潤化趨勢，但9月在長江與黃河南部出現不顯著的干旱化趨勢(Z<0)。三江源區的季節性SPI有上升趨勢，不同流域差異大。春季平均Z=2.28且通過了α=0.05的顯著性檢驗，表示1961—2018年三江源區春季有顯著的濕潤化趨勢。

圖3 1961—2018年SPI的M-K趨勢檢驗的空間分布Fig.3 Spatial distribution of M-K trend test value Z of SPI from 1961 to 2018

3.2 植被時空特征

圖4是每年植被生長季的NDVI和EVI像元最大合成值(年最大值(5—9月)、5月和9月的值(共計19年))，得到三江源區的植被時間變化特征。由圖4可知NDVI值大于EVI值。植被指數在5月的突變點發生在2001年和2017年，年際的突變點發生在2011年，9月的突變點發生在2002年和2013年。2010年以來，年際植被指數表現出植被先增后減再增現象。通過相關性分析得到兩個指數呈高度正相關性(相關系數大于0.9，通過α=0.01顯著性檢驗)。

圖4 植被指數的時間變化Fig.4 Time evolution of vegetation index (NDVI/EVI)

圖5為2000—2018年期間植被指數在5月、9月和年際的M-K趨勢檢驗值Z的空間分布。5月、9月、年際的NDVI平均Z值分別為1.54、0.82和1.36，NDVI顯著上升趨勢的占比分別為50%、72.5%和55%；EVI的平均Z值分別為1.44、0.48和1.01，顯著上升趨勢的占比分別為52.5%、70%和65%。5月和年際的植被指數顯示，黃河以北地區有顯著的植被增加趨勢；9月植被指數和年際植被指數顯示，長江中部與瀾滄江植被有不顯著的下降趨勢。2000—2018年三江源區植被變化趨勢為北部強于南部、西部強于東部,該地區大部分區域植被狀況有好轉。

圖5 2000—2018年植被指數M-K趨勢檢驗值Z的空間分布Fig.5 Spatial distribution of trend test value Z of vegetation index from 2000 to 2018

3.3 相關性分析

表2為研究區不同SPI與不同植被指數的斯皮爾曼等級相關系數ρ及其顯著性水α(表中NDVI5、EVI5、NDVI9和EVI9分別為5月和9月的植被指數，NDVImax和EVImax為5—9月植被指數的最大值。

表2 不同SPI與不同植被指數的斯皮爾曼相關系數

由表2可知5—9月SPI3的平均值與NDVI5、EVI5和NDVImax均有顯著正相關性, NDVImax的相關系數最大(ρ=0.584)，其次是EVI5和NDVI5；整體來看5—9月SPI3的平均值與植被指數呈正相關關系，且NDVI的相關系數明顯大于EVI。由表2可知5—9月SPI3的極小值與NDVI5、EVI5顯著正相關，NDVI5的相關系數最大(ρ=0.525)，其次是EVI5；整體來看5—9月SPI3的極小值與植被指數呈正相關關系，且NDVI的相關系數略大于EVI。綜上可知，三江源區的SPI3與植被指數有顯著的正相關性且與NDVI的相關性更高。

4 討 論

對于長時間的植被]檢測，通?？梢允褂眯l星遙感數據源。NDVI與植被變化之間有很好的關系，EVI則有空間相對較高、大面積的近實時數據、分辨率高的優點，已經在植被狀況監測方面得到廣泛地使用[22]。Ji等[23]研究表明SPI3與NDVI的相關性最高，Haro-Monteagudo等[24]提到3個月時間尺度的干旱指標與植被變化的相關性最高，這些結論與本文結果一致，表明植被變化與干旱事件之間有一定的聯系和互相影響[25]。本文發現三江源區西北部和東北部大部分地區的植被呈顯著增加趨勢，這與該地區的干旱變化趨勢一致。植被增加區域主要分布在長江源西北部，其中瀾滄江源北部和黃河源西部某些區域有植被退化跡象，這與錢拴等[26]的研究結論一致。本文研究發現21世紀以來，三江源區整體呈濕潤化趨勢，但同時監測到2017年存在月度和季度干旱事件，以及黃河源西南部地區也在一定的植被度減少趨勢。這也推動著我們今后探究不同時間尺度干旱特征變量以及其他氣象因素對植被的影響，探討更有效的方法來量化和解釋該地區植被-干旱的響應關系。

5 結 論

a.1961—2018年不同時間尺度的 SPI均體現三江源區在逐漸變得濕潤，時間尺度越大，干濕交替周期越長。21世紀以來，三江源區干旱事件出現在2002年、2006年、2012年、2015年和2017年，秋冬季節發生干旱的頻率更高，其次是春季。

b.長江源西北地區有顯著濕潤化趨勢，長江源與黃河源南部在秋冬季節有不顯著的干旱化威脅，春季有顯著的濕潤化趨勢，整體呈濕潤化趨勢。

c.三江源區的植被在21世紀以來有所增加，在2002年和2013年增加量出現減少現象；NDVI與EVI在三江源區有明顯增加的趨勢，空間上變化趨勢是北部強于南部、西部強于東部。

d.三江源區的SPI3與植被指數均呈正相關關系: 5—9月SPI3的平均值與NDVImax有最顯著的正相關性，5—9月SPI3的極小值與NDVI5、EVI5有顯著正相關性。