1、第 卷，第 期自 然 资 源 遥 感，年 月 ，：引用格式：庞鑫，刘珺 气候变化对亚洲地区植被 变化的影响 自然资源遥感，（）：（，（）：）气候变化对亚洲地区植被 变化的影响庞 鑫，刘 珺（山西水利职业技术学院，运城；太原理工大学矿业工程学院，太原）摘要：以亚洲为研究区，选用 年长时间序列 、降雨量、气温和潜在蒸发量（，）数据集，运用最大值合成法、检验法和相关性分析法识别了 间亚洲地区植被覆盖和气候要素的时空变化规律，分析了植被覆盖对气候变化的响应效应，探讨了气候变化对植被动态变化的影响机制。结果表明：东南亚、日本、印度以及东亚的中国南部沿海等地区的归一化植被指数（，）较高，亚洲中部大部分地区
2、植被稀疏；年间，亚洲 呈上升趋势，增长速率为 ，同时季节性增长明显，其中春季对年际 增长贡献率最大；亚洲地区的潜在蒸发量表现为西高东低，如在干旱半干旱的中亚、西亚地区较高，；亚洲地区气温南高北低，如中国的南部地区气温较高（），北部地区气温较低（）；降雨量和气温空间分布相似，南高北低，但两者相比较，降雨量趋势更为显著；气温、降雨量、对 的影响呈现出区域性，如亚洲北部 的影响因子主要为降雨量与，而在亚洲中南部，影响植被 的主要因子则是气温；春、夏季节尤其是夏季，气候变化对 影响显著，秋、冬季节不显著；气候变化对 的影响有明显的滞后性，滞后期为 个月。关键词：植被覆盖；气候变化；检验法；相关性分析中
3、图法分类号：；文献标志码：文章编号：（）收稿日期：；修订日期：第一作者：庞 鑫（），女，硕士，助教，主要从事生态遥感研究。：。引言全球气候变化对陆地生态系统产生了强烈影响。作为陆地生态系统的主体，植被在调节全球碳平衡、减缓大气温室效应，维持生态系统多样性方面发挥着重要作用，是全球气候变化的“指示器”。开展植被动态变化监测，对正确理解植被与气候变化间的相互作用，研究气候变化对区域植被变化的影响具有重要意义。分析长时间序列的植被指数变化是监测植被覆盖变化的主要手段。在众多植被指数中，归一化植被指数（，）被证实能够真实评价植被覆盖状况，已被广泛应用于全球和区域尺度的植被覆盖变化监测。气候变化是引起植
4、被变化的重要因素，为探寻植被变化原因，学者们对气候变化与植被变化间的响应关系进行了研究。崔利芳等通过研究气温、降雨量和人类活动对长江流域植被 的影响，发现流域 与气温的相关性较高，与降雨量的相关性并不显著；崔林丽等分析了中国东部气候和 变化趋势的相关性，发现 与气温、降雨的最大相关系数在中国东部由北向南逐渐减小；赵茂盛等通过 与降雨、气温等气象数据间的相互作用，得到气象因子对植被的影响规律，即气温升高，植被覆盖增加，反之降低，降雨量对 的显著影响主要在区域尺度上；等发现北半球中高纬度地区春秋季气温与 显著相关。此外，潜在蒸发量对植被变化也存在一定的影响，两者是相互的，张永强等研究表明：在全球尺
5、度上，植被变绿使得全球蒸散发呈现显著的增加趋势；区域尺度上，植被变化对蒸散发的影响则存在明显的地带性和非地带性特征，蒸散发总量的增加主要是由植被蒸腾增加而引起的。目前针对多种气象数据对亚洲地区长时间序列的植被变化研究相对缺乏，本文在此基础上对植被进行动态变化监测，对探求植被与气候变化间的相互作用具有重要意义。过去 间，全球植被活动增强且空间差异显著。其中，亚洲地区作为植被活动变化剧烈区域之一。过去 多 来，全球新增绿色 来自中自 然 资 源 遥 感 年国，中国贡献率居全球首位。在厄尔尼诺和拉尼娜现象频发的大形势下，亚洲地区的气候变化对植被有何影响，两者间是否存在一定的内在响应？研究选用 年的
6、数据，提取了亚洲地区植被覆盖变化的时空特征，结合降雨量、气温、潜在蒸发量（，）等，探讨了气候变化对区域植被覆盖变化的影响，为全面了解气候变化对植被的影响，探索区域生态环境演变规律提供科学依据。研究数据 遥感植被数据研究使用的 数据来自于美国航空航天局，其空间分辨率为 ，时间分辨率为 。对获取的数据进行了格式转换、拼接、裁剪等预处理，得到研究区植被分布影像（图）。图 亚洲地区植被分布 气象数据气象数据来自东安格利亚大学的（），其空间和时间分辨率分别为 和 。获取了 年 数据集中的降雨量、气温和 数据，并对数据进行预处理，计算得到亚洲地区月、季和年值数据集。研究方法）最大值合成法（，）。用于将数据
7、在像元尺度取最大值，得到由时序数据中每个像元的最大值组成的影像。这种方法可以进一步消除云、大气太阳高度角的干扰，是提高遥感数据精度的常用方法。计算公式为：（），（）式中：为第 年的 最大值；为第 年第 旬的 值（，）。将获取到的旬 数据进行了月尺度的最大值合成，得到研究区月 影像，进而计算得到季和年平均，用于分析亚洲地区不同时间尺度的植被覆盖变化。）趋势分析法。趋势分析法描述的是 个要素之间的线性相关关系，可以用来模拟每个栅格单元的变化趋势，其公式为：（）（），（）式中：为年序号，；为年数；为第 年的 值；为 年 线性回归斜率。）相关性分析。相关性分析法常用来检验 第 期庞 鑫，等：气候变化对
8、亚洲地区植被 变化的影响个量之间的相关程度，通常用 或者 定量表示，值越大表示二者相关性越好，反之，相关性越差。其公式为：（）（）（）（），（）式中：为 和 变量的线性相关系数；与 分别为 和 第 年的值；和 分别表示 个变量 年的平均值。，表明 个变量为正相关；，表明 个变量为负相关。通过计算 与降雨量、气温和 的相关系数，探讨 与气候变化的关系，从而掌握气候变化与植被变化之间的响应规律。）曼 肯德尔（，）检验法。检验法是一种气候诊断与预测技术，可以判断气候序列中是否存在气候突变。对于具有 个样本量的时间序列，构造一秩序列，即第 时刻数值大于 时刻数值个数的累计数；是在时间序列独立的假设下所
9、定义的统计量。计算公式分别为：，（），（）（）（），（）式中：（）和（）分别为累计数 的方差和均值；。按时间序列 逆序，再重复上述过程，同时使 （，），分析绘出的 和 曲线图。若 值大于，则表明序列呈上升趋势，小于 则表明呈下降趋势。当它们超过临界线时，表明上升或下降趋势显著。超过临界线的范围确定为出现突变的时间区域。如果 和 条曲线出现交点，且交点在临界线之间，那么交点对应的时刻便是突变开始的时间，可以判断气候序列中是否存在气候突变。结果与讨论 动态变化特征 时序特征基于亚洲地区长时间序列的 数据，得到研究区 总体变化趋势（图）和季节变化趋势（表）。图 年亚洲年均 时间序列变化 表 年亚洲
10、四季变化趋势回归方程 季节线性回归方程（）春 夏 秋 冬 从图 可知，年期间，亚洲地区 年均值线性回归斜率为 ，表明植被覆盖显著增强，增长速率为 ，所有数据均通过了 的检验。其中，年，值最高为；年，值最低为；整体均值为，表明植被覆盖状态良好。进一步分析发现，年和 年间，增长速率较快，年、年和 年间 增长速率较慢。从表 统计的四季 值可以看出，年期间，亚洲地区四季 均呈现增加态势。且随着季节交替，研究区的 增加趋势逐渐减弱。春季 以 的速率增长，夏季和秋季 的增长速率相同，为 ，冬季 的变化较缓，但依然以 的速率增长。分析各个季节 值可知，增加程度随季节变化逐渐降低，春季全区 呈现显著增加（）。
11、亚洲地区 的空间分布特征根据 值域范围，将研究区年均（图）分为 级：表示覆盖区域为非植被，表示稀疏植被，表示低植被覆盖，表示中植被覆盖，表示高植被覆盖。自 然 资 源 遥 感 年图 年亚洲 平均分布 从图 可以看出，东亚（日本、中国南部大部分地区）和东南亚地区（越南、老挝、柬埔寨、马来西亚附近区域）属于高植被覆盖区域，其中，东南亚地区的植被覆盖高很大程度上与其处于热带或亚热带气候区有关。南亚（印度及其附近区域）大都为中植被覆盖。中国新疆、西藏和蒙古国的南部等地区植被稀疏，以及中亚、西亚（哈萨克斯坦、伊朗、阿富汗、巴基斯坦以及沙特阿拉伯等）、中国的西北部、蒙古国的南部地区等均为稀疏植被覆盖区。为
12、了获取更加详细的空间分布信息，研究对亚洲区四季 分布（图）进行了分析，并对其变化进行了统计（表）。（）春季（）夏季（）秋季（）冬季图 研究区 四季分布 第 期庞 鑫，等：气候变化对亚洲地区植被 变化的影响表 变化分布统计 （）季节各类所占像元百分比非植被稀疏植被低植被覆盖中植被覆盖高植被覆盖春季 夏季 秋季 冬季 从图 可以看出，西亚、中东、北亚以及东亚的西北部，中国新疆、西藏等地区四季均为稀疏植被覆盖；东南亚地区四季均为高植被覆盖；在中国的中南部和印度主要表现出中植被覆盖和低植被覆盖。表 表明，从春季到冬季，高植被覆盖地区的 值呈现由低到高再到低的变化趋势，夏季高覆盖区所占面积达到峰值，为
13、，结合图（）与图（）可以发现冬季稀疏植被区占比较高，为，春季中国中南部和印度大部等地区植被覆盖明显提升；结合图（）与图（）可以发现夏秋季节，植被覆盖的空间变化并不明显，只在北亚表现出由中到低植被覆盖的过渡。为了详细描述研究区植被覆盖变化的情况，研究根据式（）计算得到 间亚洲地区植被覆盖的变化趋势（图），并按照刘启兴等的方法将 的变化趋势分为 级（表）。图 年亚洲 变化趋势 表 植被覆盖变化分级 分级标准变化程度 严重退化 中度退化 轻微退化 基本不变 轻度改善 中度改善 明显改善 从图 可知，年期间研究区 变化稳定，大多数区域呈现基本不变的趋势（）。统计发现，处在 的像元，所占比例高达 。即亚
14、洲 的变化速率大都集中在 （像元所占百分比为 ）和 （像元所占百分比为）。综上，研究区 的变化速率较缓。亚洲地区气候变化特征 亚洲气候变化时序特征为了探寻气象因子的变化特征，基于式（）计算出降雨量、气温 个因子的 变化情况（图）。由图 中 曲线可见，年亚洲降雨、和气温均呈现上升趋势，尤其是气温和，年之后，这种趋势大大超过显著性水平 临界线，甚至超过 显著性水平（临界值 ，），表明亚洲气温和 上升趋势是十分显著的。根据 和 曲线相交部分，确定 年为降雨量增加突变阶段，其他时间，如 年、年、年、年降雨量变化相对较大（图（）；年之后，的增加为突变现象，具体是从 年开始（图（）；年之后的增温是一突变现
15、象，具体从 年开始（图（）。自 然 资 源 遥 感 年（）降雨量（）（）气温图 年气候因子 统计曲线 亚洲气候变化空间分布格局将亚洲地区 年的降雨量、和气温分别求取平均值，得到年际空间分布信息，如图 所示。（）降雨量（）（）气温图 年亚洲年均气候因子分布 从图 可以看出，全区年降雨量分布为东南多西北少：东南部的降雨量远高于其他地区，为全区最高（），主要位于东南亚以及日本的大部分地区；降雨量较低的地区主要位于中东以及中国西北部地区。这是由于亚洲东南亚地区主要位于北回归线处，受赤道低气压带控制，全年高温多雨，因此降雨充沛。而中东地区位于大陆内部，距海遥远，再加上高原、山地等（地势较高）对湿润气流的
16、阻挡，导致降雨稀少。气温的空间分布与降雨量相同。处于低纬度如东南亚、西亚、中东等大部分地区，属于亚热带和热带沙漠气候，全年气温较高；而中国的西藏，海拔较高，受垂直地带性影响，全年气温较低。总体来看，亚洲南部地区相较于北部地区，气温差异明显且普遍较高。的空间分布情况不同于降雨量。高地区主要分布在西亚（），在降雨量比较充足的亚洲南部反而较低（）。整体来看，中东及西亚地区的年均 处于较高水平（）；亚洲的北部（包括中国的东北部）、日本以及蒙古地区的年均 比较低（）；中国的中部以及东南亚地区的蒸发量处于中间水平（）。年气候变化是季节气候的概括，基于年总变化趋势，进一步获取了亚洲地区降雨量、及气温的季节性变化分布图（表）。从表 可以看出，全区整体降雨量随春、夏、秋、冬季节交替变化显著，降雨量呈现趋势为先上升后下降，夏季达到顶峰；从空间分布上，降雨量相对较高的区域由东南向东南和南部，再到南部，最终到西北部地区转移，少部分地区降雨量保持稳定，如东南亚地区降雨量一直处于较高水平（），西亚的干旱半干旱地区降雨量则基本处于较低水平（）。第 期庞 鑫，等：气候变化对亚洲地区植被 变化的影响表 年亚洲气象因子季
