植被在区域和全球生态系统稳定性中起着至关重要的作用, 植被覆盖是水土保持和改善生态环境的关键因素^[1]。在全球气候变化的大背景下, 研究区域和全球尺度下植被与气候间的定量关系变得十分重要^[2-4]。由于植被对环境变化非常敏感, 且气候变化是环境变化的重要驱动力之一, 因而气候对植被的生长具有十分重要的影响^[5-8]。

已有研究表明, 过去几十年间全球气温显著上升, 北半球中高纬度地区的植被受气温影响, 生长季节已经延长^[9], 这些变化已经引起了国内外研究学者的广泛关注。由于干旱半干旱地区受水资源短缺的限制, 植被生长对气候变化十分敏感^[10-11], 是研究植被变化对气候响应的热点区域。新疆地处中亚干旱区腹地, 气候极端干旱, 当地生态系统对气候变化的响应最为敏感^[12]。而和田地区(78°17′—82°38′ E、36°52′ N—37°19′ N)位于新疆维吾尔自治区西南缘, 南与昆仑山及西藏自治区交界, 北与塔克拉玛干大沙漠及阿克苏相连, 东与巴音郭楞蒙古自治州毗邻, 西与喀什地区接壤, 西南与喀喇昆仑山相邻。该区气候干旱, 生态环境非常脆弱, 研究其生态环境的变化具有十分重要的意义。

近年来, 遥感影像的应用十分广泛, 利用NDVI(归一化植被指数, Normalized Different Vegetation Index)研究长时间序列植被覆盖变化的方法较为成熟, 主要集中于植被覆盖的整体时空变化及植被对气候变化与人类活动的响应。高江波等^[13]分析了1982—2013年中国植被NDVI空间异质性的气候影响, 探究了中国植被NDVI及其动态特征对气候变化响应的空间格局；杜加强等^[14]研究了新疆1982—2012年间植被生长的动态变化, 发现研究时段内生长季植被NDVI呈极显著增加趋势, 在不同时段NDVI与气候因子的相关性存在差异；郭继凯等^[15]对2001—2013年塔里木河流域气候变化和人类活动对植被覆盖变化的相对作用进行定量分析, 结果表明塔里木河流域植被覆盖变化主要受人类活动影响。目前关于和田地区植被覆盖变化及其驱动力研究的空间尺度主要分为两类, 一类为更大的空间尺度, 如新疆^[16], 另一类为更小的空间尺度, 如和田地区内部某一绿洲^[17-19], 对和田地区这一空间尺度的研究较少。本文使用MODIS NDVI(2000—2016年)数据集, 探讨和田地区植被覆盖的时空变化特征及其对主要气候因子的响应, 并以2010年土地利用分类数据和DEM数据为参考, 分析不同生境植被覆盖变化与气候因子的相关关系, 以期在全球气候变化背景下为和田地区的生态环境管理与保护提供科学依据。

1 研究区概况

和田地区(图 1)包含皮山县、墨玉县、和田县、洛浦县、策勒县、于田县、民丰县及和田市, 东西长约670 km², 南北宽约570 km², 总面积约24.78×10⁴ km²。区域内部地貌单元可分为：最高山带(5200—5500 m), 是现代冰川和永久积雪带；高山带(4200—5200 m), 一般为裸地; 亚高山带(3400—4200 m), 山势起伏大, 一般坡度20—38度；中山带(3000—3400 m)分布着辽阔的优良草场, 是和田地区重要牧业基地；低山带(2200—3000 m), 山势平缓, 在河流沿岸阶地上分布着农田, 是农牧结合区；山麓倾斜平原(1250—2200 m)生长着稀疏超旱植被, 分布着古老绿洲；沙漠区(< 1250 m)北部地区接塔克拉玛干沙漠腹地, 生长着耐旱植被。当地气候干旱, 多风沙天气, 降水量少而蒸发量大, 不同地形、地貌条件下, 气候差异极大。年降水量为28.9—47.1 mm, 蒸发量高达2198—2790 mm, 属于干旱荒漠气候区^[20]。

2 数据来源与研究方法 2.1 数据来源与处理

本文所采用的遥感数据是MODIS NDVI数据集。该数据可在美国国家航空航天局(National Aeronautics and Space Administration, NASA)网站(https://ladsweb.modaps.eosdis.nasa.gov/)免费下载, 时间序列为2000—2016年, 空间分辨率为1 km, 时间分辨率为1月。气象基础数据来自中国气象科学数据共享服务网(http://cdc.cma.gov.cn/.), 选用2000—2016年和田地区及其周边地区共25个气象站点的月平均气温及月降水量。

为了消除云层、大气和太阳高度角等的干扰, 采用最大值合成法MVC (Maximum Value Composites)获得年NDVI的最大值, 其公式为^[21-22]：

式中, Y_NDVIi为第i年的年最大NDVI值(i=2000, 2001, …, 2016)；NDVI_ij为第i年第j月的NDVI(j=4, 5, …, 9, 10)。一般认为生长季植被NDVI不受植被物候变化及积雪覆盖的影响, 因此本文选取4—10月的NDVI平均值作为年NDVI平均值。考虑到生长季植被NDVI大于0.1表示有植被覆盖, 小于0.1则表示地表无植被覆盖^[23], 因此为方便计算, 只计算NDVI > 0.1的像元。

整理和田地区及其周边地区25个气象站点2000年1月—2016年12月的月降水量和月平均气温, 利用ArcGIS软件采用反距离权重法(IDW)对气象数据进行空间插值, 获得与NDVI数据相同投影和空间分辨率的栅格数据。

2.2 研究方法 2.2.1 斜率分析法

采用斜率分析法基于像元尺度分析2000—2016年研究区植被覆盖年际变化特征, 由此反映不同区域植被覆盖空间变化趋势, 其公式为^[24-25]：

式中, n为监测时间段的累计年数；M_NDVIi为第i年4—10月最大化NDVI值；θ_slope是趋势线的斜率。当θ_slope> 0时, 表示NDVI在n年间呈增加趋势, 当θ_slope < 0时, 表示NDVI在n年间呈现退化趋势。对植被覆盖度变化趋势进行F检验, 按显著性水平0.1将NDVI变化趋势划分为7个等级。

2.2.2 相关分析法

采用相关分析法可研究植被NDVI对气候变化的响应, 其计算公式为^[26]：

式中, r为a、b两变量的相关性；n为监测时间段的累计年数；a_i为第i年的植被NDVI, b_i为第i年的累积降水量或平均温度；a、b为变量样本值的平均值。

2.2.3 极差标准化

由于NDVI与气温及降水具有不同的单位和量纲, 无法直观研究其中规律, 因而采用极差标准化对数据进行处理, 其公式为：

式中, x_i为原始数据；x′_i为标准化所得的新数据, 各要素的极大值为1, 极小值为0, 其余的数值均在0与1之间。

3 结果分析 3.1 植被变化特征分析 3.1.1 植被NDVI月际变化

通过统计研究区2000—2016年4—10月的NDVI值, 可以看出NDVI的变化趋势基本一致(图 2), 即4—7月呈上升趋势, 在7月或8月达到峰值, 8—10月呈下降趋势。2004、2006、2008、2009、2011、2013、2015年7月的月NDVI值最大；其余年份的月NDVI值在8月最大。原因在于和田地区被植被覆盖的土地利用类型主要包括耕地、林地和草地, 在气温和降水的影响下, 4月份植被开始生长, NDVI逐渐增大；7月或8月植被生长最为茂盛, NDVI达到峰值；不久后农作物成熟并开始收割, 植被逐渐减少, NDVI逐渐减小。

4月NDVI值最大的是2016年, 5月NDVI值最大的是2013年, 6、7、8月NDVI值最大的是2012年, 9、10月NDVI值最大的是2010年。4月NDVI最小值出现在2000年, 5、6、10月NDVI最小值出现在2001年, 7、8月NDVI最小值出现在2009年, 9月NDVI最小值出现在2008年。4—10月的NDVI平均值分别为0.0104、0.0184、0.0272、0.034、0.0347、0.0307、0.0194, 其中8月NDVI最大, 4月NDVI最小。

3.1.2 植被NDVI年际变化空间分布

通过斜率分析法对研究区2000—2016年各年最大NDVI值与其相对应的时间序列进行逐像元回归分析, 按斜率及显著性检验划分为七类, 以表达此段时间内植被覆盖变化的趋势, 其中27.9%通过了显著性检验, 72.1%未通过显著性检验, 划分标准及结果见图 3、表 1。和田地区坐落于塔里木盆地, 受地形因素制约降水较少, 区域内水源主要来自地下水及冰雪融水。植被主要分布在山地、绿洲及河流附近, 植被覆盖的区域面积约为80886 km², 约占研究区总面积的32.44%；无植被覆盖的区域面积约168467 km², 约占研究区总面积的67.56%。17年间研究区植被覆盖增长的区域面积约11172 km², 约占研究区总面积的4.48%；退化的面积约524 km², 约占研究区总面积的0.21%；植被覆盖变化不明显的区域面积约69190 km², 约占研究区总面积的27.75%。由此可知, 和田地区植被覆盖整体呈增加趋势。其中, 植被轻度增加的面积最大, 为108778 km²(4.363%)；植被轻度减少的面积次之, 为496 km²(0.199%)；植被中度增加的面积为204 km²(0.082%), 之后是显著增加和中度减少, 面积分别为90 km²(0.036%)和20 km²(0.008%), 植被显著减少的面积最小为8 km²(0.003%)。结合2010年土地利用分类数据, 植被显著增加的土地利用类型为耕地, 位于皮墨农场；植被中度增加的土地利用类型为耕地和草地, 前者分布在绿洲内部, 后者分布在绿洲外围；植被轻度增加的土地利用类型主要为草地, 分布在昆仑山北部以及绿洲外围, 其次为分布在绿洲内部的耕地以及极少的林地, 林地分布在于田县克里雅河尾闾及民丰县牙通古孜河附近。植被减少的面积较少, 部分分布在和墨洛绿洲、策勒-于田绿洲、民丰绿洲内部(土地利用类型为城乡建设用地), 其余零星分布在昆仑山北部(土地利用类型为草地)。由上述分析可知, 近17年和田地区植被覆盖变化基本平稳略有增加, 主要变化集中在海拔相对较低、人类活动较为频繁的绿洲, 高海拔区域主要受气候因素影响, 植被覆盖变化主要表现为基本不变。

3.2 植被NDVI变化对气候因子的响应 3.2.1 2000—2016年4—10月植被NDVI及气候因子的变化趋势

在气温和降水的影响下, 4—10月是植物生长的最佳时期。考虑到农作物的季节性特征, 本文统计了2000—2016年4—10月的总降水量和平均温度及NDVI, 为了更好的进行分析, 采用极差标准化处理。由图 4可以看出, NDVI与总降水量和平均温度均为上升趋势, NDVI的上升速度较快为0.452/10a, 而总降水量和平均温度的上升速度相对缓慢, 分别为0.144/10a和0.156/10a。通过对图 4各曲线的波峰和波谷进行分析, NDVI与总降水量和平均温度均为上升趋势的是2015年和2016年；NDVI与总降水量和平均温度均为下降趋势的是2009年和2014年。当总降水量和平均温度相差较大时, 当年NDVI变化趋势相对较小。此外三者的最大值和最小值出现的年份均不相同, NDVI最大值出现在2012年, 最小值出现在2001年；总降水量的最大值出现在2010年, 最小值出现在2009年；平均温度的最大值出现在2011年, 最小值出现在2003年。

3.2.2 植被NDVI对气候因子的时滞效应

随机选取400个点, 在Excel 2003和SPSS中分别计算和田地区2000—2016年各年4—10月的NDVI平均值与对应气象数据前期二月(2—8月)、前期一月(3—9月)和同期(4—10月)平均温度及总降水量的Pearson相关系数, 并进行显著性检验, 得到图 5。4—10月NDVI序列与前期二月、前期一月和同期平均温度序列均为正相关且均通过0.01的置信度检验, 前期二月平均温度序列与4—10月NDVI序列的相关系数在0.494—0.712之间；前期一月平均温度序列与4—10月NDVI序列的相关系数在0.475—0.695之间；同期平均温度序列与4—10月NDVI序列的相关系数在0.484—0.672之间, 三者最低值均出现在2003年, 最高值均出现在2009年。综合平均温度序列与NDVI序列发现, 在任意给定年份, 前期二月平均温度序列与4—10月NDVI序列的相关性明显高于其他两个温度序列, 说明总体上, 和田地区植被的生长滞后于温度两个月。

4—10月NDVI序列与前期二月、前期一月和同期总降水量序列多为负相关且通过0.01的置信度检验, 前期二月总降水量序列与4—10月NDVI序列的正相关出现在2003年(0.377)、2004年(0.109)、2005年(0.288)和2012年(0.222), 相关性均较低, 负相关系数在-0.139—-0.732之间, 绝对值最低出现在2008年, 最高出现在2009年；前期一月总降水量序列与4—10月NDVI序列的正相关出现在2003年(0.345)、2004年(0.081)、2005年(0.407)和2012年(0.194), 仅2005年与前期二月相比有所提升, 其余值均小于前期二月, 负相关系数在-0.364—-0.745之间, 绝对值最低出现在2006年, 最高出现在2009年；同期总降水量序列与4—10月NDVI序列的正相关出现在2003年(0.346)、2005年(0.417), 负相关系数在-0.103—-0.747之间, 绝对值最低出现在2012年, 最高出现在2009年。综合总降水量序列与NDVI序列发现, 当降水量序列与NDVI序列为正相关性时, NDVI与降水的相关性较弱, 仅2003年可以看出NDVI与降水存在一定的滞后关系(前期二月>同期>前期一月), 2005年同期总降水量序列与NDVI序列的相关系数最大, 为0.417。当降水量序列与NDVI序列为负相关性时, 同期总降水量序列与4—10月NDVI序列的负相关性略高于其他两个总降水量序列。

3.2.3 植被NDVI对气候因子响应的空间分布

通过ArcGIS栅格计算器逐像元计算2000—2016年和田地区前期二月、前期一月和同期平均温度、总降水量与4—10月NDVI的相关系数, 得到其空间分布图(图 6、图 7)。2000—2016年和田地区植被变化与前期二月温度的平均相关系数为-0.018, 区域正相关系数和负相关系数的所占比例分别为35.82%和64.18%, 在此研究时段内研究区植被覆盖变化与温度主要为负相关。在正相关区域中, 低度正相关(0—0.3)、中度正相关(0.3—0.5)和高度正相关(0.5—0.8)区域分别占植被覆盖面积的26.3%、8.12%和1.4%, 主要集中在和墨洛绿洲(耕地和草地)、策勒-于田绿洲(耕地和草地)、克里雅河尾闾中部(林地)以及皮山县绿洲北部和中部(耕地和草地)、民丰县西部绿洲的中部和南部(耕地和草地), 零星分布在和田地区西南部山区(草地)。在负相关区域中, 低度负相关(-0.3—0)、中度负相关(-0.5—-0.3)和高度负相关(-0.8—-0.5)区域分别占植被覆盖面积的34.73%、23.29%和6.17%, 主要集中在昆仑山北部(草地)、皮山绿洲外围(草地)、和墨洛绿洲中东部(城乡建设用地和耕地)及和田河沿岸(灌木)、策勒-于田绿洲东北部(草地)及克里雅河尾闾(林地)大部分地区和民丰县的东部绿洲(草地和林地), 零星分布和田地区西南部山区(草地)。

2000—2016年和田地区植被变化与前期一月温度的平均相关系数为-0.014, 区域正相关系数和负相关系数的所占比例分别为36.77%和63.23%, 在此研究时段内研究区植被覆盖变化与温度主要为负相关。低度正相关、中度正相关和高度正相关区域分别占植被覆盖面积的26.17%、9.02%和1.57%；低度负相关、中度负相关和高度负相关区域分别占植被覆盖面积的39.58%、19.17%和4.48%, 与前期二月相比负相关性所占百分比减小, 正相关性所占百分比增大。在负相关区域中, 表现为低度负相关所占百分比增大、中度负相关和高度负相关所占百分比减小；在正相关区域中, 表现为低度正相关所占百分比减小、中度正相关和高度正相关所占百分比增大。空间分布上表现为, 昆仑山北部大部分区域由中高度负相关转换为低度负相关或正相关, 和墨洛绿洲和策勒-于田绿洲内部部分区域由低度正相关转换为中高度正相关部分转换为低度负相关, 特别是克里雅河尾闾正相关增加明显。

2000—2016年和田地区植被变化与同期温度的平均相关系数为-0.013, 区域正相关系数和负相关系数的所占比例分别为37.95%和62.05%, 在此研究时段内研究区植被覆盖变化与温度主要为负相关。低度正相关、中度正相关和高度正相关区域分别占植被覆盖面积的28.18%、8.35%和1.42%；低度负相关、中度负相关和高度负相关区域分别占植被覆盖面积的40.05%、17.65%和4.35%, 与前期一月相比负相关性所占百分比减小, 正相关性所占百分比增大。在负相关区域中, 表现为低度负相关所占百分比增大、中度负相关和高度负相关所占百分比减小；在正相关区域中, 表现为低度正相关所占百分比增大、中度正相关和高度正相关所占百分比减小。空间分布上表现为, 皮山县绿洲、和墨洛绿洲和策勒-于田绿洲内部城镇化水平较高的区域由低度正相关转换为低度负相关和中度负相关, 克里雅河尾闾区域由低度正相关转换为低度负相关, 昆仑山北部部分区域由中度负相关转换为低度负相关或低度负相关转换为低度正相关。

综上所述, 温度与NDVI的相关性还与植被类型有关。土地利用类型为耕地时, 在和墨洛绿洲和策勒-于田绿洲, NDVI与前期二月温度相关性最高, 表明和墨洛绿洲和策勒-于田绿洲的植被生长对气温变化响应的滞后期约为两个月。土地利用类型为草地时, 在昆仑山北部, NDVI与温度为负相关性, 这是因为和田地区降水较少, 温度越高, 土壤水分蒸发越严重, 抑制植被的生长；在和田地区西南部山区, NDVI与温度为正相关性, 这是因为海拔越高, 温度越低且植被生长依赖冰雪融水, 因而温度越高越有利于植被的生长。

2000—2016年和田地区植被变化与前期二月总降水量的平均相关系数为0.061, 区域正相关系数和负相关系数的所占比例分别为83.88%和16.12%, 在此研究时段内研究区植被覆盖变化与总降水量主要为正相关。在正相关区域中, 低度正相关(0—0.3)、中度正相关(0.3—0.5)、高度正相关(0.5—0.8)和极高度正相关(0.8—1)区域分别占植被覆盖面积的24.07%、19.9%、36.91%和3.01%。低度正相关和中度正相关分布在皮山县绿洲北部(耕地和草地)、和墨洛绿洲的主要区域及河流沿岸(耕地和草地)、策勒-于田绿洲的主要区域(耕地和草地)、克里雅河尾闾(林地)、民丰县的部分绿洲(耕地和草地), 零星分布在和田地区西南部山区(草地)；高度正相关主要分布在昆仑山北部(草地)和皮山县绿洲南部(耕地和草地), 其余零星分布在各绿洲内部。在负相关区域中, 低度负相关(-0.3—0)、中度负相关(-0.5—-0.3)和高度负相关(-0.8—-0.5)区域分别占植被覆盖面积的13.85%、2.06%和0.22%, 负相关的区域面积较小, 零散分布在和田地区西南部山区(草地)、河流沿岸、绿洲外围及绿洲内部人口密度较大的区域。

2000—2016年和田地区植被变化与前期一月总降水量的平均相关系数为0.056, 区域正相关系数和负相关系数的所占比例分别为84.24%和15.76%, 在此研究时段内研究区植被覆盖变化与总降水量主要为正相关。低度正相关、中度正相关、高度正相关和极高度正相关区域分别占植被覆盖面积的24.63%、25.25%、33.72%和0.65%；低度负相关、中度负相关和高度负相关区域分别占植被覆盖面积的13.53%、2.01%和0.21%, 与前期二月相比负相关性所占百分比减小, 正相关性所占百分比增大。负相关变化幅度较小, 空间分布变化并不明显。在正相关区域中, 表现为低度正相关和中度正相关所占百分比增加、高度正相关和极高度正相关所占百分比减小。空间分布上表现为, 昆仑山北部大部分地区由高度正相关和极高度正相关转换为中度正相关, 和墨洛绿洲和策勒-于田绿洲部分地区由低度正相关和中度正相关转换为中度正相关和高度正相关。

2000—2016年和田地区植被变化与同期总降水量的平均相关系数为0.055, 区域正相关系数和负相关系数的所占比例分别为84.18%和15.82%, 在此研究时段内研究区植被覆盖变化与总降水量主要为正相关。低度正相关、中度正相关、高度正相关和极高度正相关区域分别占植被覆盖面积的25.07%、26.57%、32.18%和0.36%；低度负相关、中度负相关和高度负相关区域分别占植被覆盖面积的13.62%、1.97%和0.23%, 与前期一月相比负相关性所占百分比增加, 正相关性所占百分比减小。在负相关区域中, 表现为低度负相关和高度负相关所占百分比增大、中度负相关所占百分比减小。在正相关区域中, 表现为低度正相关和中度正相关所占百分比增大、高度正相关和极高度正相关所占百分比减小。由于以上相关性变化幅度均较小, 空间分布变化并不明显。

综上所述, 总降水量和NDVI的相关性与土地利用类型及海拔高度有关。土地利用类型为草地时, 在和田地区西南部山区, 总降水量和NDVI的相关性为负相关或低度正相关, 这一区域降水量相对较多, 降水增加会导致光照强度下降、光合作用减弱, 从而抑制植被的生长^[27]；昆仑山北部海拔相对较低, 总降水量和NDVI的相关性为正相关且时滞效应明显, 植被生长对降水变化响应的滞后期约为两个月。和墨洛绿洲和策勒-于田绿洲地势平坦海拔相对较低, 植被类型主要为耕地和草地, 该区域NDVI与降水存在一定的滞后相关, 前期一月和同期降水都会促进植被的生长。

4 结论与讨论 4.1 结论

(1) 2000—2016年4—10月NDVI的月际变化表现为先增加再减少, 年际变化表现为显著上升趋势, 增速为0.452/10a。

(2) 2000—2016年NDVI的空间变化基本稳定, 植被覆盖增加的区域大于减少的区域, 二者分别占总面积的4.48%和0.21%。绿洲及昆仑山北部部分区域变化显著, 高海拔区域基本不变；绿洲上的植被覆盖变化与人类活动有关；昆仑山北部的植被覆盖变化与气候因子有关。

(3) 2000—2016年温度与降水均小幅增加, 增速分别为0.144/10a和0.156/10a。在月尺度上, 研究区NDVI与平均温度均为正相关, 植被生长滞后于温度两个月；NDVI与总降水量以负相关为主, 滞后效应不明显。

(4) NDVI对气候因子响应的空间分布上, NDVI与平均温度以负相关为主, 分布在昆仑山北部；正相关分布在和墨洛绿洲、策勒-于田绿洲和和田地区西南部山区。NDVI与总降水量以正相关为主, 分布在昆仑山北部及和田地区各个绿洲；负相关分布在和田地区西南部山区及绿洲内部城镇化水平较高的区域。

4.2 讨论

和田地区的植被覆盖在全球变化的背景下也发生了显著的变化, 近17年和田地区植被覆盖呈显著增加趋势, 且植被覆盖增加的区域主要集中在昆仑山北部及绿洲。植被覆盖变化是气候、地形、人为等多种因素共同作用的结果, 在本文研究时段内, 研究区温度与降水均小幅增加, 但在不同时空尺度NDVI与气候因子的相关性也有所不同。昆仑山平均海拔5500—6000 m, 较少受到人类活动的干扰, 植被覆盖变化应与自然因素有关。昆仑山北部NDVI与温度为负相关, 与降水为正相关, 说明该区域植被生长受降水主导, 降水越多, 植被生长越有利, 而温度升高则可能导致蒸散发作用加强, 干旱趋势加剧^[28]。和田地区西南部山区海拔相对较高, 植被基本没有发生变化, 该区域植被生长对温度变化更为敏感。和墨洛绿洲和策勒-于田绿洲人口相对稠密, 城镇化水平相对较高, 植被覆盖变化受人为因素影响较大。因此今后对和田地区植被覆盖变化的研究不仅要考虑不同时段气候因子的响应, 还要考虑人为因素(人口密度、社会经济、城市扩张等)对植被覆盖变化的影响, 揭示和田地区植被覆盖对气候因素与人为因素的响应机制, 从而更有效地保护和田地区的生态环境。