蒙古国植被对干旱响应的敏感性研究

本文分析了蒙古国不同区域、不同土地覆被类型区的植被生长状况对干旱响应的敏感性特征,并探讨了成因。研究表明：① 2001—2019年,蒙古国虽然发生了3次较为严重的干旱事件,但整体上干旱程度呈轻微降低趋势,SPEI出现轻微上升,总体增速为0.001%/a;植被生长状况出现了好转,植被指数也呈上升趋势,总体增速为0.15%/a。② 蒙古国大部分区域植被生长受干旱影响较强,各植被指数与干旱指数呈较明显的正相关关系,在NDVI与SPEI-12的相关性分析中,正相关面积占比达76.36%;而在杭爱山脉和肯特山脉以北降水量丰沛的区域和阿尔泰山脉以南荒漠化严重和植被极为稀少区域,植被生长受干旱影响较弱,植被指数与SPEI相关性较小。③ 不同类型植被对干旱响应的敏感性也有差异,其中草地敏感性最强（0.22）,而森林敏感性最弱（-0.04）。④ 干旱持续时间长短,对植被生长影响有较大差异,蒙古国大部分区域的植被对延续3个月至半年的干旱最为敏感,而年内以7月份干旱对植被影响最强。⑤ 植被对干旱响应的敏感性实质是区域水分平衡的植被影响,对同种植被而言多年平均气温越高或降水量越少,植被对干旱响应的敏感性越强,反之则越弱。本文的研究结果对蒙古国因地制宜开展荒漠化防治具有重要参考价值。     

ARIMA和ANN模型的干旱预测适用性研究

开展干旱预测是有效应对干旱风险的前提基础,根据1960-2016年三江平原7个站点逐日降水和气温数据,利用ARIMA和ANN模型对不同时间尺度标准化降水蒸散指数（SPEI）序列进行分析建模预测。借助相关系数R、纳什效率系数NSE、Kendall秩相关系数τ、均方误差MSE和Kolmogorov-Smirnov （K-S）检验对模型的有效性进行了判定,然后分别用ARIMA和ANN模型进行12步预测,并将预测值与实际值进行比较。结果表明：（1） ARIMA模型和ANN模型对SPEI的预测能力都随时间尺度的增加而逐渐提高。（2）两种模型对3、6个月尺度SPEI的预测精度偏低,9、12、24个月的SPEI的预测精度在70%以上;（3）SPEI-9、SPEI-12、SPEI-24三个时间尺度ANN模型的预测精度优于ARIMA模型。     

滇西南地区NDVI变化及其对不同时间尺度干湿变化的响应

利用2001—2013年MODIS/NDVI归一化植被指数时间序列,采用变异系数、一元线性趋势变化等多项指标,结合SPEI指数和DEM分级数据提取不同高程地区的NDVI变化信息,分析滇西南地区不同海拔梯度NDVI时空变化规律及对不同时间尺度干湿变化的响应,结果表明:(1)研究区不同海拔梯度四季和年NDVI波动变化较小,NDVI变化趋势随海拔梯度变化存在一定的差异性,但总体上升趋势明显,四季和年NDVI改善区域占研究区46.9%~74.0%。(2)各海拔梯度NDVI变化百分率多集中在-10%~10%范围;以1500 m为界,变化百分率超过(小于)10%(-10%)的区域在高于(低于)1500 m的3个海拔梯度上。(3)各海拔梯度NDVI与2~8个月时间尺度SPEI指数相关性最为密切,表明研究区NDVI对降水及蒸散发导致的水分盈亏的响应具有滞后效应和累积效应;1—5月及春、冬季NDVI对SPEI指数的响应较强,7—9月和夏季NDVI与SPEI指数呈负相关。(4)2个典型干旱年中,NDVI负距平像元主要分布在1000~1750 m的3个海拔梯度上,受干旱影响较小的植被集中于NDVI≥0.6的高植被区。     

1999—2010年中国西北地区植被覆盖对气候变化和人类活动的响应

中国西北地区气候干旱,频繁出现沙尘天气,属于生态脆弱区域,而植被变化是生态系统对气候变化响应的指示器,研究其变化对改善西北生态环境具有重要意义.本文利用1999—2010年归一化植被指数(NDVI)以及气象数据研究中国西北地区植被覆盖时空变化,以Sen趋势度结合Mann-Kendall检验、相关和偏相关分析以及残差法分析人类活动和气候变化对植被覆盖变化的影响.结果表明:西北地区植被覆盖整体呈增加趋势,但在局部地区气候干旱少雨和人类活动抑制植被生长.植被变化强度空间差异是人类活动和气候要素共同作用的结果:气温高,降水少,大部分地区植被覆盖与气候要素相关显著,并且植被变化对气温和降水的响应存在一定滞后时间;蒸发量大于降水量,人类引水灌溉弥补降水不足,使得农业植被呈增长趋势.新疆北部地区植被覆盖呈下降趋势,原因是气候干旱、沙漠化严重会抑制植被生长,人类活动频繁、城市扩建同样会破坏植被生长.     

黄河源区植被指数与干旱指数时空变化特征

标准化降水蒸散发指数(SPEI)是评估气候变暖背景下区域干旱的重要指标。基于生态功能分区,利用MODIS-NDVI数据和SPEI指数,探讨2000—2014年黄河源区植被指数和干旱指数的年际变化、空间分布规律以及两者之间的相关关系。结果表明:(1)2000—2014年黄河源区NDVI和SPEI总体上均呈波动上升趋势,植被覆盖状况略有好转,干旱程度有所降低;(2)NDVI与SPEI变化趋势的空间分布特征大致相同,东南部区域总体呈减少趋势,西北部区域总体呈增加趋势;(3)黄河源区降水量是影响植被生长的主要因子,也是影响SPEI变化的主要条件。当0.3NDVI0.6时,SPEI对NDVI的影响较强,当NDVI0.6时影响较小;(4)黄河源区大部分地区NDVI与SPEI呈正相关,其中呈显著正相关的区域分布在青根河生态区以及黄河源头生态区植被覆盖度较低区域;小部分地区由于受到人类活动的干扰,使NDVI与SPEI呈负相关或相关性较弱,其中呈显著负相关的区域在黄南草原生态区及周围草地退化、生物多样性敏感的区域。黄河源区干旱程度的下降对植被覆盖的增加有促进作用,为该区域的生态恢复提供了有利条件。     

京津风沙源区干旱时空特征及对植被变化的影响

本文基于京津风沙源区27个站点1960—2014年逐月气温和降水数据,采用标准降水蒸散指数(SPEI),从干旱趋势、干旱面积和干旱频率等方面分析了研究区干旱的时空变化特征;在此基础上,利用SPEI和NDVI指数,分析了干旱对区域植被变化的影响。结果表明:(1)1960—2014京津风沙源区SPEI呈显著下降的趋势,多次严重干旱均出现工程实施的近15年。过去55年京津风沙源区大部分区域SPEI呈下降趋势,显著下降的区域主要集中在内蒙古草原地区。(2)1960—2014年轻度干旱、中度干旱和严重干旱的面积均呈上升的趋势。2001年和2009年严重干旱面积分别占整个研究区的49.00%和41.10%。(3)1960—2014年干旱频率从西北向东南呈递减趋势。1996—2014年干旱频率比1978—1995年和1960—1977年分别增长了7.59%和9.09%。京津风沙源区最长干旱持续时间都接近或超过半年。(4)1982—2014年研究区92.52%的区域SPEI和NDVI呈正相关关系,表明干旱会对区域植被产生重要影响。干旱趋势、干旱面积和干旱频率均表明,京津风沙源区干旱情况加重,尤其治理工程实施的近15年干旱程度更加严重。本文研究结果对京津风沙源区植被恢复重建具有重要的指导意义。     

1901-2012年中国西北地区东部多时间尺度干旱特征

以干旱的多时间尺度特征出发,利用CRU最新数据,计算了考虑降水和气温双因子影响的标准化降水蒸散指数(SPEI),并与标准化降水指数(SPI)进行对比,分析中国西北地区东部1901-2012年不同时间尺度的干旱特征。本文不仅对百年来CRU资料的可靠性进行检验,而且对SPEI在西北地区东部的适应性进行讨论。结果表明:CRU资料可靠性较好,但由于CRU资料本身的属性,1920年以前资料的可靠性不确定。从干旱事件的发生强度及干旱范围分析,SPEI在西北地区东部具有较好的适用性。SPEI与SPI在不同时间尺度下的波动变化一致,短时间尺度主要表现年内或季节特征,长时间尺度则侧重表现年际、年代际特征。将研究区分为高原东北区和陕南区进行分析,1901-2012年高原东北区有4个干期,陕南区有5个干期。针对温度变化对西北地区东部干旱的影响及与SPI对比表明,高温对干旱的贡献不容忽视。     

基于SPEI指数的秦岭南北地区干旱时空变化特征

基于秦岭南北地区47个气象站点1960-2016年实测气象资料,利用标准化降水蒸散指数（SPEI）定量分析了秦岭南北地区不同时间尺度干旱发生频率和强度的时空演变特征,并试图揭示该区域干旱发生的原因。结果表明：SPEI值能够较好的反映秦岭南北地区的干旱特征及干湿演变状况。从时间变化上看,近57 a来秦岭南北地区呈干旱化趋势,以20世纪90年干旱化趋势最为显著,干旱化趋势最显著的区域为秦岭以北地区,但近22 a秦岭南北地区开始出现湿润化趋势;从季节来看,四季大部分区域呈干旱化趋势,秋季干旱化趋势最显著且开始最早,春季次之,冬、夏干旱化趋势相对不显著。从空间来看,秦岭南北地区在年、季、月尺度上均有干旱发生且各地区分布极不均匀;其中秦岭以北地区干旱发生频率较高,其他子区域干旱发生频率的空间分布特征较为复杂。干旱发生强度呈现出中西部强,四周弱的特点,干旱发生强度最强的地方为陕西石泉,为14.7%,最弱的地方为四川阎中,为23.6%。     

基于多源遥感数据集的近30a西北地区植被动态变化研究

基于重构后的AVHRR GIMMS NDVI、MODIS NDVI、GLC 2000数据产品和研究区的128个气象站点的气温、降水数据,利用回归分析、相关性分析法,研究了西北地区近30 a(1984-2013年)以来不同植被NDVI的时空变化及其与气候的相关性。结果表明:(1)研究时段内,西北地区植被NDVI变化整体上呈上升趋势,将整个研究分为两个时段,1984-1997年呈小幅上升趋势,且波动起伏较大,最大值在1993年,最小值出现在1995年;1997-2013年也呈波动上升趋势,且上升趋势大于前一阶段。(2)空间上,西北地区植被NDVI变化存在明显的区域差异,大部分区域植被NDVI变化显著性较弱,昆仑山、塔里木盆地北部、祁连山、青海的中东西部、甘肃东部、陕西北部等地区植被NDVI显著增加;阿尔泰山、天山、伊犁哈萨克自治州等干旱地区植被NDVI下降趋势明显。(3)除甘肃的祁连山、青海东南部、陕西的秦岭等地植被NDVI的变化主要受气温的驱动外,西北地区植被NDVI变化与气温整体上呈弱相关,干旱半干旱地区植被与气温呈负相关;除甘肃南部、祁连山西段和陕西中部等一些年降水量较多以及灌溉农业区或草地以外,西北地区植被与降水呈较强正相关,降水是影响植被变化的主要自然因素;(4)不同植被类型NDVI的变化具有时空差异性,且与气温和降水的相关性不尽相同,与气温由强到弱:耕地灌丛草地沼泽湿地林地;与降水由强到弱:耕地草地灌丛林地沼泽湿地。     

2000—2018 年锡林郭勒地区干旱时空变化及其气候响应

温度植被干旱指数（Temperature Vegetation Dryness Index，TVDI）是一种反映干旱状况的重 要方法。以内蒙古自治区锡林郭勒为研究区，基于温度植被干旱指数，采用趋势分析、R/S 分析方 法，探究了锡林郭勒地区 2000—2018 年温度植被干旱指数 TVDI 时空变化特征及其降水、气温气候 因子对 TVDI 变化的影响关系。研究表明：（1）19 a 间，TVDI 的偏差值呈现先减少后增大的趋势， 19 a 平均 TVDI 值为 0.55，TVDI 值范围为 0.51 ~ 0.61，说明锡林郭勒地区整体处于轻旱状态。（2）19 a 间，锡林郭勒地区 TVDI 呈明显增加的面积占 9.48%、轻度增加的面积占 18.52%，增加的趋势主要 分布在东乌珠穆沁旗东北部地区；TVDI 呈明显减少的面积占 28.65%、轻度减少的面积占 9.03%，减 少趋势的主要体现苏尼特右旗、苏尼特左旗、阿巴嘎旗和镶黄旗地区。19 a 来锡林郭勒地区变化趋 势为：东部强于西部。Hurst 指数的平均值为 0.44，大于 0.44 的地区占总面积的 47.7%，整体干旱持 续性略弱于反持续性。（3）TVDI 与年平均气温相关关系较弱，而与月平均气温又较强的相关性。     

1960—2017年中国北方气候干湿变化及其与ENSO的关系

基于中国北方424个气象站实测数据，应用FAO Penman-Monteith模型计算潜在蒸散（Potential evapotranspiration，ET₀），使用降水和潜在蒸散数据计算得到标准化降水蒸散发指数（SPEI），以此研究了1960—2017年中国北方干湿时空变化特征，分析了ENSO对北方气候干湿变化的影响。结果表明：中国北方干湿变化的线性趋势总体不显著，四季中春季和冬季变湿趋势明显。空间上，西北西部存在明显的变湿趋势，干旱化趋势主要发生在黄土高原、内蒙古东部和东北东部地区。全区各级干旱事件呈减少趋势，各级湿润事件呈增加趋势，其中以中等干旱的减少最为显著。西北西部中等干旱和极端干旱明显减少，东北北部和新疆部分地区极端湿润明显增加。全区四季3类干旱事件均表现为减少的趋势，3类湿润事件均表现为增加的趋势，西北西部四季3类干旱事件均呈减少趋势。ENSO对北方干湿的影响存在一定程度的滞后性。El Ni?o翌年气候湿润，La Nina翌年气候干旱。在年际和春季2个尺度上，SSTA与翌年SPEI存在显著的正相关关系。     

新疆气候“湿干转折”的信号和影响探讨

新疆是对全球变化响应最敏感地区之一,分析全球变暖背景下新疆干湿气候变化及其影响,对应对和适应未来气候变化带来的影响具有重要意义。基于气象水文观测资料,对新疆区域干湿气候变化及其影响评估进行了探讨。结果表明：① 20世纪80年代中后期以来新疆气温升高,降水量增加,呈“暖湿化”特征;但1997年之后,干旱变化趋势、干旱频率、干旱发生月份等均有明显增加,导致70%以上的区域变干,新疆气候出现了从“暖湿化”向“暖干化”转折的强烈信号,即发生了“湿干转折”;② 新疆气候转折对区域生态和水资源造成明显的影响,归一化植被指数（Normalized Difference Vegetation Index, NDVI）经历了先增后减的变化过程,1982—1997年植被趋于“变绿”,但1997年之后植被长势迟滞,土壤水分明显下降,生态逆转,生态负效应凸显;③ 新疆河流径流变化出现明显的区域差异,对干湿气候转折响应复杂,受冰雪融水对径流补给比例的影响,发源于天山的河流径流对区域干湿变化有正响应,但发源于昆仑山的河流径流响应不明显。研究结果表明气候“湿干转折”和极端气候事件加剧背景下新疆干旱化急剧增加,水循环系统和生态系统不稳定性加剧,相关成果可为区域干旱灾害防灾减灾和风险管理提供有价值的决策参考。     

基于标准化降水蒸散指数（SPEI）的毛乌素沙地1981—2020年干旱特征研究

大气干旱是影响半干旱沙区植被建设、生态恢复及社会经济可持续发展的重要因素。基于1981—2020年毛乌素沙地10个气象站点的逐月气象资料,计算了月、季和年尺度的标准化降水蒸散指数（SPEI）,分析了该沙区近40年降水和气温的变化趋势、干旱事件及其频率的时空特征。结果表明：（1）毛乌素沙地近40年降水量和气温均呈现显著的上升趋势（P<0.05）;秋季和冬季降水量呈现显著的上升趋势（P<0.05）,四季气温均呈现显著的上升趋势（P<0.05）。（2）毛乌素沙地总体上呈现出不显著的湿润化趋势（P>0.05）,但秋季呈显著的湿润化趋势（P<0.05）;中、西部地区呈现出湿润化趋势,而东部地区则呈现干旱化趋势。（3）近40年毛乌素沙地的月尺度下干旱总频率达32.71%,各等级发生频率为轻旱>中旱>重旱>特旱,季节发生频次为冬季>夏季、秋季>春季;轻旱主要发生在毛乌素沙地的北部、中部、东南和西南部,中旱在东部、北部和西部边缘,重旱在东部、中部以及南部地区,特旱在西北部、南部和东南部区域。     

秦岭陕西段南北坡植被对干湿变化响应敏感性及空间差异

秦岭位于暖温带与亚热带交界处,也是中国南北地理分界线,秦岭南北坡植被对干湿变化响应敏感性,可以折射出暖温带、亚热带地区主要植被类型对干湿变化的响应规律和机制特征,对深入理解不同气候带植被变化规律具有重要意义。本文利用秦岭山地32个气象站点的气象数据和MODIS NDVI时间序列数据集,探讨了2000—2018年秦岭南北坡NDVI和SPEI时空变化特征,揭示了南北坡植被对干湿变化响应敏感性及其空间差异。结果表明：① 2000—2018年秦岭植被覆盖情况整体显著改善,但秦岭南坡NDVI上升幅度和面积占比均高于北坡,南坡植被比北坡改善情况好。秦岭湿润化趋势不显著,但秦岭北坡湿润化速率和面积占比均大于南坡。② 秦岭北坡植被比南坡植被更易受干湿变化影响,秦岭北坡植被对3—6月总体干湿变化最为敏感,南坡植被对3—5月（春季）干湿变化最为敏感。秦岭南北坡植被主要受3~7个月尺度干湿变化影响,对11~12个月尺度的干湿变化响应较弱。③ 秦岭有90.34%的区域NDVI与SPEI呈正相关,大部分地区春季湿润化能促进全年植被生长;随海拔上升,植被对干湿变化响应敏感性先上升再下降,海拔800~1200 m是植被响应最敏感的海拔段,海拔1200~3000 m随海拔上升植被响应敏感性下降;南北坡草丛均是对干湿变化响应最为敏感的植被类型,但秦岭北坡多数植被类型对干湿变化响应比南坡敏感。     

基于SPEI法的陇东地区近50 a干旱化时空特征分析

选取陇东地区近50 a平均逐月降水和气温数据,采用Mann-Kendall方法、反距离加权插值（IDW）、功率谱分析、标准化降水蒸散发指数（SPEI）等方法分析了陇东地区近50 a来干旱变化的时空特征。研究显示：近50 a来陇东地区干旱化趋势非常明显,特别是20世纪90年代以来干旱趋势显著。持续干旱事件次数增多,持续干旱累积时间增长,以春夏连旱、伏秋连旱的次数增多为显著特征。发生干旱的周期在不同的时间尺度上表现不一致,随着时间尺度的增长,干旱出现的周期也在变长。干旱发生频率不断加快,尤其是在20世纪90年代以来,极端干旱事件的频率显著上升。近50 a来干旱频率较高的区域在环县西北部和六盘山以西静宁等地,干旱高频区逐步向中南部和东部转移。通过与其他方法对比分析和历史资料比对,证明SPEI在陇东地区有较好的适用性。     

Sensitivity and areal differentiation of vegetation responses to hydrothermal dynamics on the northern and southern slopes of the Qinling Mountains in Shaanxi province

The Qinling Mountains, located at the junction of warm temperate and subtropical zones, serve as the boundary between north and south China. Exploring the sensitivity of the response of vegetation there to hydrothermal dynamics elucidates the dynamics and mechanisms of the main vegetation types in the context of changes in temperature and moisture. Importance should be attached to changes in vegetation in different climate zones. To reveal the sensitivity and areal differentiation of vegetation responses to hydrothermal dynamics, the spatio-temporal variation characteristics of the normalized vegetation index(NDVI) and the standardized precipitation evapotranspiration index(SPEI) on the northern and southern slopes of the Qinling Mountains from 2000 to 2018 are explored using the meteorological data of 32 meteorological stations and the MODIS NDVI datasets. The results show that: 1) The overall vegetation coverage of the Qinling Mountains improved significantly from 2000 to 2018. The NDVI rise rate and area ratio on the southern slope were higher than those on the northern slope, and the vegetation on the southern slope improved more than that on the northern slope. The Qinling Mountains showed an insignificant humidification trend. The humidification rate and humidification area of the northern slope were greater than those on the southern slope. 2) Vegetation on the northern slope of the Qinling Mountains was more sensitive to hydrothermal dynamics than that on the southern slope. Vegetation was most sensitive to hydrothermal dynamics from March to June on the northern slope, and from March to May(spring) on the southern slope. The vegetation on the northern and southern slopes was mainly affected by hydrothermal dynamics on a scale of 3–7 months, responding weakly to hydrothermal dynamics on a scale of 11–12 months. 3) Some 90.34% of NDVI and SPEI was positively correlated in the Qinling Mountains. Spring humidification in most parts of the study area promoted the growth of vegetation all the year round. The sensitivity of vegetation responses to hydrothermal dynamics with increasing altitude increased first and then decreased. Elevations of 800 to 1200 m were the most sensitive range for vegetation response to hydrothermal dynamics. The sensitivity of the vegetation response at elevations of 1200–3000 m decreased with increasing altitude. As regards to vegetation type, grass was most sensitive to hydrothermal dynamics on both the northern and southern slopes of the Qinling Mountains; but most other vegetation types on the northern slope were more sensitive to hydrothermal dynamics than those on the southern slope.     

Vegetation greenness modeling in response to climate change for Northeast Thailand

In Northeast Thailand, the climate change has resulted in erratic rainfall and tem- perature patterns. The region has experienced both periods of drought and seasonal floods with the increasing severity. This study investigated the seasonal variation of vegetation greenness based on the Normalized Difference Vegetation Index （NDVI） in major land cover types in the region. An assessment of the relationship between climate patterns and vegeta- tion conditions observed from NDVI was made. NDVI data were collected from year 2001 to 2009 using multi-temporal Terra MODIS Vegetation Indices Product （MOD13Q1）. NDVI pro- files were developed to measure vegetation dynamics and variation according to land cover types. Meteorological information, i.e. rainfall and temperature, for a 30 year time span from 1980 to 2009 was analyzed for their patterns. Furthermore, the data taken from the period of 2001-2009, were digitally encoded into GIS database and the spatial patterns of monthly rainfall and temperature maps were generated based on kriging technique. The results showed a decreasing trend in NDVI values for both deciduous and evergreen forests. The highest productivity and biomass were observed in dry evergreen forests and the lowest in paddy fields. Temperature was found to be increasing slightly from 1980 to 2009 while no significant trends in rainfall amounts were observed. In dry evergreen forest, NDVI was not correlated with rainfall but was significant negatively correlated with temperature. These re- sults indicated that the overall productivity in dry evergreen forest was affected by increasing temperatures. A vegetation greenness model was developed from correlations between NDVI and meteorological data using linear regression. The model could be used to observe the change in vegetation greenness and dynamics affected by temperature and rainfall.