喀斯特流域極端氣候變化特征及對NDVI的影響

劉 煒, 焦樹林

(貴州師范大學地理與環境科學學院，貴陽 550025)

氣候變化不僅包括平均氣候的變化，還包括極端氣候的變化。極端氣候事件是指一定地區在一定時間內出現的歷史上罕見的氣象事件，其發生概率通常小于5%或10%，極端氣候事件總體可分為極端高溫、極端低溫、極端干旱、極端降水等。20世紀50年代以來，全球氣候變化已逐步成為不爭的事實，IPCC第5次評估報告指出，從1880年以來，全球地表持續升溫，到2012年升高了0.85 ℃，且升溫速率不斷加快。IPCC第六次評估報告相關解讀指出，過去10年，地球氣溫比19世紀后半葉高0.95～1.20 ℃，最佳估計值為1.10 ℃；報告警告稱，即使只升溫1.50 ℃，熱浪、旱災等氣候事件也可能比以往所見更嚴重，在全球和區域層面都是如此。極端降水事件在不同地區表現出各自的演變趨勢和獨特的分布格局，在我國，由于山丘面積較大，人為活動較為強烈，極端降水事件往往會造成嚴重的水土流失：我國大部分地區水土流失一般主要由少數幾次大雨或暴雨造成，如2017年7月陜西無定河特大暴雨事件造成低洼道路淤積，山坡生產道路遭到毀滅性破壞，為該區500年一遇的暴雨；2021年7月河南鄭州遭遇“千年一遇”的特大暴雨，由于降水持續時間比較長，發生的區域比較集中，造成河南省西部、西北部山區山洪地質災害風險明顯增高，同時還造成了大范圍城市內澇、農田積澇等。

從相關學者的研究現狀來看，貴州境內流域極端氣候的相關研究較少，僅黃維等、朱大運等對貴州省極端氣候進行過時空變化分析；周德全等、張丹丹等、冉仙果等、張錦等、謝仁波等基于縣域或草海進行過極端降水事件的時空變化分析；而在貴州省境內流域的相關研究中，魏星宇等、劉純軍等主要集中在土地利用時空變化及重金屬污染方面。貴州省的氣候變化直接關系到省內人們的生存及工農業生產，并對全國的生態環境、水資源、糧食安全以及社會經濟可持續發展產生重要影響。文中以貴州境內流域為研究對象，基于氣溫、降水日值數據利用RClimDex軟件提取17個國際通用的極端氣候指標，從定性和定量的角度了解不同流域極端氣候指標變化的異同及與植被NDVI的關系，以達到在區域尺度上，更好理解氣候極端事件的廣泛時間和空間尺度的目的，從而提高對有著“喀斯特王國”的貴州省極端氣溫和極端降水事件變化特征及規律的認識，為科學適應、減緩和應對極端氣候異常提供參考和依據。

1 數據與方法

1.1 研究區概況

貴州省地處中國西南內陸地區腹地，103°36′-109°35′E，24°37′-29°13′N(圖1)，處于云貴高原向東部低山丘陵過渡的斜坡地帶；境內地勢西高東低，平均海拔1 100 m。全省共劃分為2個水資源1級區，即長江和珠江2大水系，8大流域，苗嶺是長江和珠江兩大水系的分水嶺，其中苗嶺以北屬于長江水系，主要包括牛欄江橫江流域、烏江流域、赤水河流域、沅江流域，珠江水系主要包括南盤江流域、北盤江流域、紅水河流域、都柳江流域。境內大部分地區雨日在160天以上，小雨多，占全年總雨日的80%，多年平均降水量在1 100～1 300 mm，最大降水量接近1 600 mm，降雨量較為充沛，但時空分布不均，受季風的影響降水多集中于夏季，境內各地陰天日數一般超過150天，常年相對濕度在70%以上；氣溫變化小，最熱月(7月)平均氣溫一般是22～25 ℃，為典型夏涼地區，年均氣溫14～16 ℃，極端最高溫多不超過38 ℃，極端最低溫很少低于-8 ℃，生長期達230～270天，南部海拔較低的河谷盆地生長期可達290～300天以上，有霜日僅10～15天。

圖1 研究區概況

1.2 數據來源及處理

1.2.1 數據類型 文中數據主要包括基礎地理信息數據及氣象數據2種，基礎地理信息數據主要包括貴州省界矢量數據，來源于資源環境數據云平臺(https://www.resdc.cn/)，數字高程模型(Digital Elevation Model)數據來源于地理空間數據云(http://www.gscloud.cn/)，并根據1∶1 900 000萬的貴州省水系圖進行屏幕跟蹤矢量化，獲取貴州省8大流域的矢量邊界圖；氣象數據從中國氣象數據網(http://data.cma.cn/)獲取日值數據集(V3.0)，剔除缺測值年份較多的站點后提取1961-2020年貴州省31個氣象站點的氣溫和降水日值數據并進行異常值處理，對部分缺測數據結合多元線性內插法進行插補以獲取完整的基礎數據。植被NDVI(歸一化植被指數)數據為MODIS數據MOD13Q1產品，來源于(https://ladsweb.modaps.eosdis.nasa.gov),時間范圍為2000-2020年，行列號h27v06，時間分辨率16天,空間分辨率250 m,利用NASA官網上的HEG(HDF-EOS TO GeoTIFF Conversion Tool)工具對數據進行投影轉換、裁剪，去除異常值，最后采用平均值法將數據融合為逐年NDVI數據。

1.2.2 極端氣候指標 RClimDex可用于計算16個極端氣溫指數和11個極端降水指數，共27項(https://github.com/ECCC-CDAS/RClimDex)。文中基于1961-2020年貴州省31個氣象站點的逐日氣溫降水數據，結合RClimDex軟件計算17個國際通用的極端氣候指標(9個極端溫度指標和8個極端降水指標)，其中極端氣溫指數主要包括高溫指數、低溫指數、持續指數；極端降水指數主要包括強度指數、量級指數、持續指數(表1)。

表1 極端氣候指數名稱及釋義

1.3 研究方法

在數值分布范圍上采用箱型圖對1961—2020年貴州省及8個流域的極端氣候指數進行描述統計分析，以反映數據的離散分布情況，盡可能排除異常值的影響，箱子的寬度在一定程度上反映了數據的波動程度。在空間變化特征上，ANUSPLIN氣象插值軟件是目前比較流行的氣象插值軟件，更適合對貴州省復雜地形下的氣象數據進行插值，文中用到的功能模塊主要包括SPLINA和LAPGRD模塊，其中SPLINA模塊適用于小于2 000個要素的點文件，允許一個或者多個獨立變量的任意數量的(局部)薄盤光滑樣條(thin plate splines，TPS)函數，且光滑系數通常用GCV決定，GCV的值越小，插值精度越準確；LAPGRD模塊主要是進行局部薄盤光滑樣條函數表面估值并計算貝葉斯標準誤差，并生成一個規則的矩形柵格文件。所以以高程為協變量，經緯度為變量，選擇3變量薄盤光滑樣條函數對極端氣候數據進行空間插值，因計算機運算內存限制，將插值數據空間分辨率重采樣為250 m以計算空間變化特征。Sen斜率估計，用于計算趨勢值，是一種穩健的非參數統計的趨勢計算方法，文中利用Sen+MK的方法先計算極端氣候指數Sen趨勢值，然后當的絕對值高于1.96則認為通過了95%顯著性檢驗，從而獲知極端氣候指數空間變化顯著性。最后利用相關分析法分析極端氣候因子與植被NDVI的相關關系。

2 結果與分析

2.1 氣溫指數的變化特征

2.1.1 指數數值的分布范圍 由圖2可知，高溫指數中SU25(夏日日數)在貴州省存在異常值，在省域及流域間的波動程度較??；其中牛欄江橫江、紅水河、沅江、北盤江流域均存在偏大的異常值，說明SU25的值存在異常偏高的現象。南盤江、紅水河、都柳江、沅江流域的SU25均高于貴州省的整體值133天，其中南盤江流域波動最大；牛欄江橫江、烏江、赤水河、北盤江流域的SU25均低于貴州省的整體值，其中以牛欄江橫江流域的異常值較多、均值最低25天、波動最大。省8個流域的TX90P(暖晝日數)波動較大，除牛欄江橫江、烏江、赤水河流域存在異常值偏高外，其余流域不存在異常值。南盤江、都柳江、赤水河、沅江流域均值與貴州省均值相同，為11天，其中南盤江、赤水河流域數值波動較大；牛欄江橫江、烏江、紅水河、北盤江流域的均值(10天)均低于貴州省整體值。即TX90P在北盤江流域的均值較小且數值較為集中，波動性不大，而在南盤江、赤水河流域的均值較大且數值分布區間較大，即暖晝日數波動性較大。TN90P(暖夜日數)在8個流域之間的波動較大，除在牛欄江橫江、都柳江、北盤江流域存在異常值，且都柳江的異常值較多外，其余流域及貴州省均沒有異常值；在牛欄江橫江、紅水河流域的值域區間較大。

由圖2可知，低溫指數中的FD0(霜日日數)在牛欄江橫江流域的波動程度較大；除牛欄江橫江、烏江、都柳江流域沒有異常值外，其余流域均存在偏大的異常值。牛欄江橫江、烏江及沅江流域的FD0均高于貴州省的整體值15天。TX10P(冷夜日數)在省域內及各個流域內的波動均較大，除南盤江流域存在異常值外，其余流域不存在異常值。TN10P(冷晝日數)在省域內及流域內的波動程度是最大的，但除紅水河流域存在異常值外，其余流域均不存在異常值。

圖2 1961-2020年貴州省氣溫指數(高、低溫)的箱型圖

2.1.2 空間變化趨勢 對極端高溫指數的空間分布進行趨勢分析及95%顯著性檢驗(圖3和表2、表3)，SU25(夏日日數)變化趨勢的范圍為-1.25～0.66 d/a，顯著下降趨勢的像元占1.91%，顯著上升趨勢的像元占43.67%，總體以0.25 d/a顯著上升；流域中，除赤水河流域以-0.08 d/a顯著下降外，其余流域均呈顯著上升趨勢，且牛欄江橫江流域的上升趨勢最快為0.34 d/a。TX90P(暖晝日數)變化趨勢的范圍為-0.10～0.18 d/a，顯著下降趨勢的像元占0.01%，顯著上升趨勢的像元占74.32%，總體以0.07 d/a顯著上升；所有流域均呈顯著上升趨勢，其中南盤江、都柳江流域上升最快，均為0.09 d/a。TN90P(暖夜日數)變化趨勢的范圍為-0.10～0.33 d/a，顯著下降趨勢的像元占比0，顯著上升趨勢的像元占比92.46%，總體以0.12 d/a顯著上升；所有流域均呈顯著上升趨勢，且牛欄江橫江流域上升最快，為0.19 d/a。

表2 1961-2020年貴州省極端高溫指數像元占比及變化趨勢 單位：%

表3 1961-2020年貴州省8大流域高溫指數變化趨勢

圖3 1961-2020年貴州省極端高溫指數的空間變化趨勢

從表4、表5貴州省極端低溫指數變化趨勢特征值的統計及空間分布(圖4)可知，FD0(霜日日數)的變化趨勢范圍為-0.82～0 d/a，顯著下降趨勢的像元占89.78%，顯著上升趨勢像元占0，總體以-0.23 d/a顯著下降；所有流域均呈顯著下降趨勢，其中牛欄江橫江流域下降趨勢最快，為-0.40 d/a。TX10P(冷晝日數)的變化趨勢范圍為-0.15～0.06 d/a，顯著下降趨勢的像元占25.59%，顯著上升趨勢的像元占0，總體以-0.07 d/a顯著下降；所有流域均呈顯著下降趨勢，且南盤江流域的下降趨勢最快，為-0.09 d/a。TN10P(冷夜日數)的變化趨勢范圍為-0.29～-0.04 d/a，顯著下降趨勢的像元占94.0%，顯著上升趨勢的像元占0，總體以-0.14 d/a顯著下降；所有流域均呈顯著下降趨勢，且牛欄江橫江流域下降趨勢最快，為-0.19 d/a。

圖4 1961-2020年貴州省極端低溫指數的空間變化趨勢

表4 1961-2020年貴州省極端低溫指數像元占比及變化趨勢 單位：%

表5 1961-2020年各流域低溫指數變化趨勢

2.2 降水指數的變化特征

2.2.1 指數數值的分布范圍 由圖5可知，降水強度指數中的RX1day(日最大降水量)在南盤江流域的波動程度最大，除赤水河流域無異常值外，貴州省及其余7個流域均存在異常值，且異常值出現在高值部分，說明降水存在增加的概率。南盤江、紅水河、沅江、北盤江流域的RX1day均高于貴州省的整體值88.10 mm；牛欄江橫江、烏江、都柳江、赤水河流域的SU25均低于貴州省的整體值；R25 mm(大雨以上日數)在流域之間存在差異，值的波動較大，除南盤江、北盤江流域存在偏小的異常值外，其余流域及省域范圍不存在異常值。南盤江、紅水河、都柳江、沅江、北盤江流域的R25 mm均值均高于省域均值(12.3天)；牛欄江橫江、烏江、赤水河流域均低于省域均值。SDII(降水強度)的波動較大，異常值以偏大的居多，省域范圍內SDII的均值為10.60 mm。南盤江、紅水河、都柳江、沅江、北盤江流域均高于省域均值，其中紅水河流域的SDII最大，意味著降水強度最大，年均值為11.70 mm；牛欄江橫江、烏江、赤水河流域的均值均低于省域均值。

由圖5可知，省域范圍內，降水量級指數中的PRCPTOT(年總降水量)的異常值主要分布在牛欄江橫江、南盤江、赤水河流域，貴州省異常值偏小，各個流域的波動程度較大，波動程度最大的是南盤江流域；牛欄江橫江、烏江、紅水河、赤水河流域的PRCPTOT均值均小于省降水總量(1 181.90 mm)；南盤江、都柳江、沅江、北盤江流域的PRCPTOT總量均高于省域均值。R95P(極端降水量)除牛欄江橫江、赤水河、沅江流域外，其余分區不存在異常值，各流域及貴州省的R95P波動程度均較大，最大的為南盤江流域；牛欄江橫江、烏江、紅水河、赤水河流域的R95P均小于省域均值(338.10 mm)。R99P(極端強降水量)在貴州省、牛欄江橫江、赤水河、沅江、北盤江流域均存在異常值，貴州省的R99P波動最小，異常值偏大，南盤江流域的波動最大；牛欄江橫江、烏江、紅水河、赤水河流域的R99P均值均小于省域均值(106.00 mm)。

圖5 1961-2020年貴州省降水指數(強度、量級)的箱型圖

2.2.2 空間變化特征 對貴州省極端降水強度指數的空間分布進行趨勢分析及95%顯著性檢驗(圖6)，并對變化趨勢的像元占比進行統計分析(表6、表7)，RX1day(日最大降水量)變化趨勢的范圍為0.17～0.74 mm/a，顯著下降趨勢的像元占0，呈顯著上升的像元占17.55%，總體以0.31 mm/a顯著上升；牛欄江橫江、南盤江、北盤江流域未通過顯著性檢驗，烏江、紅水河、都柳江、赤水河、沅江流域呈顯著上升趨勢，其中沅江流域的上升趨勢最快，為0.36 mm/a。R25 mm(大雨以上日數)的變化趨勢范圍為-0.08～0.07 d/a，呈顯著下降的像元占比0.07%，呈顯著上升的像元占比3.30%，總體以0.04 d/a顯著上升；在南盤江、都柳江、北盤江流域未通過顯著性檢驗，在沅江流域以-0.07 d/a顯著下降，在牛欄江橫江、烏江、紅水河、赤水河流域呈顯著上升趨勢且在紅水河、赤水河流域的上升趨勢最快，為0.05 d/a。SDII(降水強度)的變化趨勢范圍為-0.03～0.05 mm/a，其中呈顯著下降趨勢的像元占比為0.46%，呈顯著上升趨勢的像元占10.07%，總體上以0.02 mm/a顯著上升；在牛欄江橫江、南盤江流域未通過顯著性檢驗，其余流域均呈顯著上升趨勢，其中紅水河、北盤江流域的上升趨勢最快，為0.03 mm/a。

表6 1961-2020年貴州省降水強度指數像元占比及變化趨勢 單位：%

表7 1961-2020年各流域降水強度指數變化趨勢

圖6 1961-2020年貴州省降水強度指數的變化趨勢

從通過95%顯著性檢驗的降水量級指數空間分布(圖7)及像元占比(表8、表9)可知，PRCPTOT(年總降水量)的變化趨勢范圍為-9.12～4.09 mm/a，呈顯著下降趨勢的像元占6.20%，呈顯著上升趨勢的像元占0.91%，總體以-2.83 mm/a顯著下降；紅水河、都柳江流域未通過95%顯著性檢驗，除赤水河流域以2.94 mm/a的速率呈顯著上升趨勢外，牛欄江橫江、烏江、南盤江、沅江、北盤江均呈顯著下降趨勢，且沅江流域以-4.34 mm/a下降最快。R95P(強降水量)的變化趨勢范圍為-2.75～3.64 mm/a，呈下降趨勢的像元占0，呈上升趨勢的像元占3.96%，總體上以2.36 mm/a顯著上升；其中牛欄江橫江、烏江、南盤江、紅水河未通過顯著性檢驗，除北盤江流域以-2.40 mm/a顯著下降外，都柳江、赤水河、沅江流域呈顯著上升趨勢，且沅江流域的上升趨勢最快，為2.36 mm/a。R99P(極強降水量)的變化趨勢范圍為0.55～2.02 mm/a，呈顯著下降趨勢的像元占0，呈顯著上升趨勢的像元占25.33%，總體以1.02 mm/a顯著上升；除南盤江流域未通過顯著性檢驗外，其余流域均呈顯著上升趨勢且沅江流域的上升趨勢最快，為1.19 mm/a。

表8 1961-2020年貴州省降水量級指數像元占比及變化趨勢

表9 1961—2020年各流域降水量級指數變化趨勢

圖7 1961-2020年貴州省降水量級指數的變化趨勢

2.3 持續指數的變化特征

2.3.1 分布箱型圖 由圖8可知，氣溫持續指數中的CSDI(冷持續指數)在貴州省及流域內的波動程度較大，除貴州省、沅江、北盤江、烏江流域外，其余5個流域均出現異常值。紅水河流域的CSDI與貴州省均值相等，為6天，而南盤江、北盤江流域則高于省域均值。除赤水河流域外，在流域內及貴州省的WSDI(熱持續指數)總體來說波動不大；除貴州省、都柳江、沅江流域外，其余流域均存在異常值。烏江、南盤江、沅江流域的WSDI均值與貴州省相同為5天，而赤水河流域高于省域均值。GSL(作物生長期)在8個流域的波動較大，流域之間存在明顯差異，且除北盤江流域外，其余流域均存在偏低的異常值。沅江流域與省域均值相同，為346天，而南盤江、紅水河、都柳江、北盤江流域的均值均高于省域均值；而牛欄江橫江、烏江、赤水河流域的均值均低于省域均值。

由圖8可知，CDD(持續干燥指數)在8個流域的波動均較大，除牛欄江橫江、南盤江、沅江流域外，其余分區均存在異常值，且異常值均分布在高值部分，說明極端干燥的日數增加的概率較大；牛欄江橫江流域的波動最大。烏江、南盤江、赤水河、沅江流域的CDD均值均低于省域均值(26天)；而牛欄江橫江、紅水河、都柳江、北盤江流域的CDD均值均高于省域均值。除貴州省、牛欄江橫江、烏江、紅水河、北盤江流域存在異常值，異常值偏高外，其余流域不存在異常值；牛欄江橫江、南盤江流域較其他流域的波動性更大。以省域CWD(持續濕潤指數)均值(7天)為參照標準，牛欄江橫江、烏江、紅水河、都柳江、赤水河與省域均值相同，而南盤江、沅江、北盤江流域的均值比省域均值高，其中南盤江流域為9天，說明南盤江流域的降水日數較多。

圖8 1961-2020年貴州省持續指數(氣溫、降水)的箱型圖

2.3.2 空間變化特征 由圖9、表10、表11可知，CSDI(冷持續指數)、WSDI(熱持續指數)像元均未通過95%顯著性檢驗，變化趨勢為0；而GSL(作物生長期)的變化趨勢范圍為-0.12～0.45 d/a，顯著下降趨勢的像元占0.11%，顯著上升的像元占7.58%，總體以0.26 d/a顯著上升；流域中，都柳江、赤水河、沅江流域的像元未通過顯著性檢驗，紅水河流域以-0.07 d/a顯著下降，牛欄江橫江、烏江、南盤江、北盤江流域呈顯著上升趨勢，且牛欄江橫江流域的上升趨勢最快，為0.34 d/a(表11)。

注：CSDI(冷持續指數)和WSDI(熱持續指數)像元均未通過95%顯著性檢驗變化趨勢為0。圖9 1961-2020年貴州省氣溫持續指數的變化趨勢

表10 1961-2020年貴州省持續指數像元占比及變化趨勢 單位：%

表11 1961-2020年各流域持續指數變化趨勢

由圖10、表12、表13可知，CDD(持續干燥指數)的空間變化趨勢未通過顯著性檢驗，CWD(持續濕潤指數)的變化趨勢范圍為-0.05～-0.01 d/a，呈顯著下降趨勢的像元占29.89%，呈顯著上升趨勢的像元占0，總體以-0.03 d/a顯著下降；除紅水河、都柳江流域未通過顯著性檢驗外，其余流域均呈顯著下降趨勢，且牛欄江橫江、烏江、南盤江、赤水河、北盤江流域的下降速度均一致，為-0.03 d/a，沅江流域以-0.02 d/a顯著下降。

注：CDD(持續干燥指數)像元未通過95%顯著性檢驗變化趨勢為0。圖10 1961-2020年貴州省降水持續指數的變化趨勢

表12 1961-2020年貴州省降水持續指數像元占比及變化趨勢 單位：%

表13 1961-2020年貴州省8大流域降水持續指數變化趨勢

3 極端氣候與植被NDVI的關系

基于相關分析法將2000-2020年的極端氣溫指數、極端降水指數分別與植被NDVI進行分析，并對結果在95%的置信度上進行顯著性檢驗，通過逐像元統計分析了解極端氣候指數與NDVI的相關性，并對各流域的相關性進行統計比較。正相關表示對植被生長起促進作用，負相關表示對植被生長起抑制作用。

3.1 NDVI對極端氣溫的響應

對通過95%顯著性檢驗的極端氣溫指數按照極端高溫、低溫、持續指數以平均值法進行像元合成及統計，發現極端高溫指數通過顯著性檢驗的像元占總像元的41.22%，其中呈正相關的像元占39.05%，呈負相關的像元占2.17%，說明極端高溫指數總體上對植被NDVI的生長以促進作用為主；在極端低溫指數中，通過顯著性檢驗的像元占比19.24%，正相關像元占比2.91%，負相關的像元占比16.35%，即極端低溫指數對植被的生長作用以抑制作用為主；持續指數中，通過檢驗的像元占比21.01%，正相關像元占18.44%，負相關像元占2.57%，即持續指數主要對植被NDVI的生長以促進作用為主。

結合圖11a～圖11c的空間分布及對各指數的像元占比進行統計發現，極端高溫指數正相關像元主要分布在省西部，對植被NDVI的促進、抑制作用以TN90P的像元占比為主；低溫指數的促進、抑制作用以TN10P的像元占比為主；持續指數的正相關像元主要分布在省北部，促進作用以WSDI像元占比為主，抑制作用以GSL的像元占比為主。圖11d～圖11e中對8個流域9個極端高溫指數與植被NDVI的相關系數進行統計發現，除在牛欄江橫江流域SU25與植被NDVI的相關系數為負外(=-0.21)，其余高溫指數與植被NDVI均呈正相關；低溫指數中，除牛欄江橫江、紅水河流域TX10P與植被NDVI呈正相關外(=0.43、=0.12)，其余低溫指數與植被NDVI均呈負相關；持續指數中，WSDI與植被NDVI的系數均為正，CSDI在烏江、紅水河、沅江流域為負相關，其余流域為正相關；GSL在烏江、都柳江、沅江流域為正相關，其余為負相關。

圖11 NDVI與極端氣溫指數的相關性

有研究表明，熱量的增加對云貴高原和四川接壤地區的灌木有積極作用。極端高溫指數對植被生長以促進作用為主，且主要集中在省西部地區，其中以TN90P的促進作用最強。這主要是因為隨著夜間氣溫升高，夜間積溫充足，可以避免植被受極端低溫危害，有利于植被生長；此外，夜間植被進行暗反應將二氧化碳固定的過程中，需要有關酶的催化，而夜間高溫會增強酶的活性，促進植被積累糖類，從而對植被生長起到積極作用。極端低溫指數對植被生長以抑制作用為主，且TN10P的抑制作用最強，這主要是因為夜間氣溫過低，導致積溫不足，甚至引發低溫凍害，進而影響植被生長。山區溫度的升高不僅可以使植被避免低溫凍害，提高植被細胞內的酶活性，同時還可以誘使山區土壤有機質分解加快，使土壤活性提高，有利于植物根系的生長和發育。低溫不僅限制植被參與光合作用的酶活性，降低葉片的光合速率，也會減少二氧化碳的吸收，降低光合作用，減少能量的產生，還對植被產生低溫脅迫，使得植被生長發育受到嚴重影響，使植物植株矮小，葉片生長速率慢，光合速率低，這一規律經前人研究證實具有普適性。

3.2 NDVI對極端降水的響應

對通過顯著性檢驗的極端降水強度、量級、持續指數及各個極端降水指數進行像元占比統計發現，極端降水強度指數通過95%顯著性檢驗的像元占總像元的11.94%，其中與植被NDVI呈正相關的像元占9.78%，呈負相關的占2.16%；其中以R25 mm(大雨以上的日數)為主，說明降水越多，滲透作用越強，根部得到足夠的水分補給，對植被的生長起著重要促進作用。降水量級指數中，通過顯著性檢驗的像元占總像元的18.22%，其中正相關像元為16.42%，負相關像元為1.80%，其中以R99P(極強降水量)像元占比為主(圖12b)，對植被生長起促進作用。持續指數中，通過顯著性檢驗的像元占11.87%，呈正相關的像元占3.08%，呈負相關的像元占8.79%，負相關像元以CDD占比為主，正相關像元CWD占比為主(圖12c)?？傮w而言，降水持續指數說明降水持續的時間越長，植被的根部呼吸作用受到抑制，從而影響植被生長。

圖12d中對貴州省8個流域的極端降水指數與植被NDVI的相關系數進行統計發現，極端降水指數中，RX1day在沅江流域的系數為負(=-0.15)，R25 mm在北盤江流域為負(=-0.16)，SDII在南盤江、北盤江流域為負(=-0.04和=-0.30)，R99P在沅江流域為負(=-0.08)，CWD在赤水河、北盤江流域為負(=-0.21和=-0.45)，CDD指數在流域全為負值，在北盤江流域抑制作用最強(=-0.51),其余相關系數均為正?？傮w而言，除CDD與植被NDVI的相關系數均為負外，其余流域均以正相關系數為主，說明CDD對植被的生長起抑制作用，即持續干燥、無雨或少雨影響植被的生長。相關研究表明，干旱會引發水分脅迫，導致氣孔關閉水分損失，所以干旱缺水會導致植被生態系統損失嚴重。

圖12 極端降水指數與NDVI的相關性

4 討 論

氣候影響本地動植物的生長，水是構成植物體的主要物質，植物生長要進行光合作用，所以需要適宜的光照，而光合作用、呼吸作用都與溫度有關。韓丹丹研究發現，黃土高原的極端高溫指數呈極顯著增加趨勢，極端低溫呈下降趨勢，與文中研究結果相同。馮磊研究發現，川渝地區整體變暖趨勢明顯，與本文貴州省氣溫趨暖發展相同，但川渝地區降水總量呈微弱增加，而貴州省呈顯著減少趨勢。魏佳珩研究發現，青藏高原地區極端偏暖現象，與本文極端低溫日數減少、高溫日數增加、整體趨暖發展結果相似。王昊研究發現，云貴廣3省交界處降水狀況逐年變差，干旱趨于嚴重；陳子凡等研究發現，西南地區極端降水呈增加趨勢；羅玉研究發現，西南地區強降水、降水強度呈上升趨勢，但總降水量呈減少趨勢，與文中PRCPTOT呈減少趨勢，而R95P、R99P呈增加趨勢結果相同；李茜榮研究發現，貴州極端氣溫呈變暖趨勢，這與文中極端高溫指數呈增加趨勢，低溫指數呈減少趨勢，整體趨暖發展結果相同。

在極端氣候時空變化及其與植被NDVI的關系的相關研究成果中，高瀅等研究發現，陜西省NDVI與TN90P呈顯著正相關，與本文NDVI與極端高溫指數呈正相關且主要受到TN90P的促進作用為主結果相同；陳麗娟研究發現，相較于極端降水指數，福建省NDVI與極端氣溫類指數相關性更高；倪銘等研究發現，西南地區NDVI與極端高溫指數顯著正相關，與低溫日數顯著負相關，與RX1day顯著正相關，與R1 mm(降水日數)顯著負相關；王昊發現，西南地區高溫頻次及氣溫強度類指數與NDVI呈正相關，低溫頻次類指數與NDVI呈負相關，降水指數中僅CWD與NDVI呈顯著負相關；李茜榮等研究發現，云貴兩省極端氣溫暖指數與NDVI呈正相關關系，與極端氣溫冷指數呈負相關關系?？傮w而言，在西南地區或者貴州省的關于極端氣候指數與植被NDVI的關系相關研究內容中，極端高溫指數對植被生長起促進作用，極端低溫指數起抑制作用，極端降水指數對植被既有促進亦有抑制的結果相似，本文在此基礎上，對各指數的像元占比進行統計分析及主要貢獻要素進行析出。

文中雖然對貴州省極端氣候指數進行時空變化分析，并分析了其與植被NDVI的關系，但所選取的指數不夠全面，沒有考慮到地面指數及地下指數，同時極端氣候對植被生長影響的季節性、滯后性之間的關系缺乏討論，有待進一步完善補充。

5 結 論

(1)貴州省夜指數的變化幅度大于晝指數的變幅，極端高溫指數呈上升趨勢，極端低溫指數在下降，氣候整體呈變暖趨勢。氣溫指數中SU25與FD0在流域之間的均值差異較大，其中牛欄江橫江流域主要以低溫為主，且霜日日數較多。除赤水河流域SU25以-0.08 d/a顯著下降外，其余流域高溫指數均呈顯著上升趨勢。SU25、TN90P在牛欄江橫江流域上升最快，TX90P在南盤江、都柳江流域上升最快。低溫指數均呈顯著減少趨勢，FD0、TN10P在牛欄江橫江流域的下降趨勢最快，TX10P在南盤江流域下降趨勢最快。

(2)量級指數的變化幅度大于強度指數的變幅，年總降水量在減少，但強降水和極強降水事件在增加。強度指數均呈增加趨勢，波動幅度不大，異常值以偏大為主，高值為南盤江流域但均未通過顯著性檢驗。量級指數在流域內波動幅度均較大，異常值較少，高值集中在南盤江流域。

(3)氣溫及降水持續指數中，低值集中在牛欄江橫江流域，其余指數異常值以偏大為主。其中，CSDI、WSDI、CDD的像元未通過顯著性檢驗；GSL以0.26 d/a顯著上升，其中都柳江、赤水河、沅江流域的像元未通過顯著性檢驗。CWD以-0.03 d/a顯著下降，除紅水河、都柳江流域未通過顯著性檢驗外，其余流域均以-0.03 d/a的速度顯著下降。

(4)近21年，極端高溫指數對植被生長以促進作用為主，且受TN90P的影響最大；極端低溫指數對植被生長以抑制作用為主，且受TN10P的影響最大；氣溫持續指數以促進作用為主，且受WSDI的影響最大。極端降水指數中，降水強度、量級指數以促進作用為主，且受R25 mm，R99P的影響最大，降水持續指數以抑制作用為主，且受CDD的影響較大。