《Remote Sensing》:Trends and Lagged Cumulative Associations Between Vegetation NDVI and Extreme Climate Indices in the Yangtze River Basin: A 41-Year Observational Analysis
编辑推荐:
极端气候事件可扰动植被动态并改变生态系统稳定性。本研究通过整合CN05.1每日气象记录与PKU-GIMMS NDVI V1.2数据集,调查了1982–2022年长江流域极端气候条件与植被绿度的演变。利用ETCCDI(气候变化检测与指数专家组)的指数框架,计算了
极端气候事件可扰动植被动态并改变生态系统稳定性。本研究通过整合CN05.1每日气象记录与PKU-GIMMS NDVI V1.2数据集,调查了1982–2022年长江流域极端气候条件与植被绿度的演变。利用ETCCDI(气候变化检测与指数专家组)的指数框架,计算了15个与极端天气相关的气候指数。使用Sen's斜率估计量化趋势幅度,同时采用Mann–Kendall趋势检验确定长期变化的方向和显著性。采用标准相关和滞后累积相关两种方法评估NDVI–气候关系;后者测试了由当前月至观测前三个月之间的气候条件形成的十个预定义窗口,以最大绝对相关确定最优窗口。1982–2022年,该流域的极端温度表现出明显的变暖信号,特征为TN10p(冷夜日数)和TX10p(冷昼日数)减少,同时TN90p(暖夜日数)和TX90p(暖昼日数)增加。极端降水总体增强,R95p(非常湿日降水量)和R99p(极端湿日降水量)分别以每十年9.2 mm和每十年5.6 mm的速率增加。整个分析期间NDVI也呈上升趋势,全流域速率为每十年0.0038,中游增速最快,为每十年0.0069。植被NDVI普遍与暖相关温度指数正相关,与冷相关指数负相关。滞后累积分析发现,结合当前和前期气候条件的窗口中NDVI–气候关联最强,且在不同子区域和植被类型间存在显著差异。由于分析基于相关性且未量化土地利用变化或生态恢复等非气候驱动因素,结果应解释为统计关联而非因果归因。总体而言,这些发现刻画了长江流域植被绿度与极端气候指数如何协同变化。
**论文解读:长江流域植被NDVI与极端气候指数的趋势及滞后累积关联——基于41年观测的分析**
**1. 研究背景与科学问题**
在全球变暖背景下,极端气候事件(如极端高温、寒潮、强降水、持续干旱)的频率和强度显著增加,成为影响陆地生态系统的重要途径。这些事件通过改变水热条件和植物生理过程,可能对植被生长和碳循环产生持续影响。长江流域(YRB)横跨多个地貌和气候带(包括青藏高原边缘、四川盆地、中下游冲积平原等),地形复杂、水热条件空间差异大,是研究极端气候变化及其生态效应的典型区域。然而,以往研究多集中于平均气候变异或总体植被趋势,或针对特定子区域、干旱、物候及2000年后的时段,缺乏自1980年代早期开始的长期系统证据,特别是对主要植被类型间最优滞后累积关联窗口的对比。因此,本研究旨在量化1982–2022年长江流域15个极端气候指数和植被NDVI(归一化差异植被指数)的时空趋势,并评估NDVI与极端气候的关联,识别上、中、下游及五种主要植被类型的最优滞后累积关联窗口。
**2. 主要技术方法**
本研究采用CN05.1每日网格化气象观测数据(来自中国科学院大气物理研究所气候变化研究中心,覆盖1961–2022年,空间分辨率0.25°×0.25°)和PKU-GIMMS NDVI V1.2卫星遥感产品(北京大学团队开发,1982–2022年,1/12°分辨率)。基于ETCCDI框架,利用RClimDex 2.0计算15个极端气候指数(9个温度相关、6个降水相关)。趋势分析使用Sen's斜率估计和Mann–Kendall检验,并采用Benjamini–Hochberg错误发现率(FDR)校正控制多重检验。关联分析采用Pearson相关系数,并针对年度NDVI–气候关系进行偏相关分析(控制年均温和年降水)。滞后累积(LA)分析测试了十个预定义时间窗口(从当前月至前三个月),通过最大绝对相关系数确定每个像元的最优LA类型。植被类型信息基于1:100万中国植被图,重采样至1/12°后分为耕地、灌丛、针叶林、阔叶林和草地五类。
**3. 研究结果**
**3.1 极端气候指数的时空变化特征**
**3.1.1 极端气候指数的时间变化:** 1982–2022年,全流域极端温度指数呈变暖主导的演变,冷夜日数(TN10p)和冷昼日数(TX10p)分别以每十年-9.7天和-6.3天下降,暖夜日数(TN90p)和暖昼日数(TX90p)以每十年11.7天和10.2天上升。极端温度强度指数(TNn、TNx、TXn、TXx)均上升,其中TXx升幅最大(每十年0.41°C)。极端降水指数总体增加,R95p和R99p分别以每十年9.2 mm和5.6 mm增加,RX1day和RX5day也呈上升趋势,而CDD(持续干燥日数)和CWD(持续湿润日数)变化微弱。M-K检验显示,冷相关指数在2000年后显著下降,暖相关指数持续上升,降水极端指数在2010年后增强信号更明显。
**3.1.2 极端气候指数的空间变化:** 温度极端指数空间上一致表现为冷极端减少、暖极端增加。TN10p和TX10p全流域负趋势,平均每十年-9.4天和-6.1天;TN90p和TX90p全流域正趋势,平均每十年11.6天和10.4天。暖指数增加最强者出现在西部、北部和中西部局部。DTR(日较差)正负趋势像素交错,表明日最高和最低温度变化不同步。经过FDR校正后,96.6%的名义显著温度像元仍显著。降水极端指数空间异质性更强:CDD和CWD变化微弱,而R95p、R99p、RX1day、RX5day在大部分像元呈正趋势,但FDR校正后无一像元显著,因此这些趋势应视为空间倾向而非统计显著局部变化。下游和东部盆地强降水增强最明显。
**3.2 植被NDVI的时空变化特征**
**3.2.1 NDVI的时间变化:** 全流域NDVI以每十年0.0038的速率显著增加(p<0.05),表明植被覆盖总体改善。中游NDVI最高(多数>0.75),增速最快(每十年0.0069);上游较低(0.69–0.72),增速每十年0.0022;下游介于两者之间,年际波动较大,增速每十年0.0020。NDVI呈阶段性波动:1980年代稳定微增,1990–1992年下降,1993年恢复后2003年再次下降,2005年后进入明显上升期,2010年后维持较高水平,2022年因复合干旱-热浪事件显著下降。
**3.2.2 NDVI的空间变化:** 正NDVI斜率占据大部分流域,显著正增加区域主要分布在中游及中下游大部分地区,上游部分地区也有明显增加。中游显著增加面积占59.1%,总增加面积约79.5%;上游和下游总增加面积分别约65.1%和62.6%。减少区域以上游高海拔山区、山地过渡带和下游局部为主。95.7%的名义显著像元在FDR校正后仍显著,证实了全流域变绿格局的稳健性。
**3.3 极端气候指数与植被NDVI的相关性**
全流域尺度上,温度指数与NDVI的关联强于降水指数。FDR校正后,TN90p、TX90p、TNx与NDVI显著正相关,TN10p和TX10p显著负相关,TNn和TXx正相关但不显著。降水极端指数多数为正相关但未达显著。分区域:中游温度相关最强(TN90p、TX90p、TNx正相关,TN10p、TX10p负相关);上游NDVI与R95p和R99p显著正相关;下游仅R95p与NDVI显著负相关。不同植被类型:耕地、灌丛、针叶林和阔叶林共同表现为暖指数正相关、冷指数负相关,其中针叶林保留最多显著温度关联,阔叶林还与R95p、R99p正相关。草地NDVI与所选气候指数关联较弱,FDR校正后均不显著。偏相关分析(控制年均温和年降水)后,部分显著关联减弱但仍保有一定稳健性。
**3.4 极端气候指数对植被NDVI的滞后累积效应**
**3.4.1 不同子区域的滞后累积效应:** 像元级最优LA类型图显示,多数指数以纯累积响应(L0A1–L0A3)占主导,即NDVI不仅与当月气候相关,还与前期累积条件相关。对于RX1day、RX5day、TN90p、TNn、TNx、TXn、TXx,纯累积响应比例超过70%。温度强度指数(TNn、TNx、TXn、TXx)的纯累积比例达86.4–88.8%。RX1day和RX5day的纯累积比例为74.5%和77.6%。分区域:上游RX1day和RX5day以L0A2主导,中下游以L1A2和L2A1等滞后累积类型增加。冷事件频率指数(TN10p、TX10p)在中下游以L0A3主导,上游高海拔区响应类型更碎片化。暖事件频率指数(TN90p、TX90p)在中下游呈累积响应,上游西部出现当月或短滞后响应。温度强度指数(TXn、TXx、TNn、TNx)全流域以L0A1为主,TXx同时受L0A1和L0A2主导。空间上,中下游平原丘陵以短期累积为主,上游西南山区出现滞后累积或滞后响应斑块。
**3.4.2 不同植被类型的滞后累积效应:** 所有植被类型对温度指数以纯累积响应为主,其中阔叶林比例最高(84.8%),灌丛、针叶林、草地、耕地依次为79.4%、77.7%、75.6%、73.1%。冷/暖事件频率指数(TN10p、TX10p、TN90p、TX90p)多表现为L0A3,而温度强度指数(TNn、TNx、TXn)以L0A1为主。极端降水指数在不同植被类型中亦以累积响应为主,但强度不同:草地和灌丛对RX1day和RX5day的纯累积比例最高(88.5%和87.0%),阔叶林81.2%,耕地和针叶林较低(65.4%和68.2%),且后两者滞后累积比例较高(32.3%和30.8%)。DTR的响应类型在植被间差异最大:阔叶林滞后累积比例48.5%,而草地以纯累积为主(66.2%)。
**4. 讨论与结论**
**讨论部分总结:** 研究揭示了NDVI对温度指数的响应更稳定,而降水极端指数与NDVI的关联呈现空间分异,可能受水分可用性、涝渍、径流和排水条件影响。不同植被类型的气候关联差异反映了生理和环境约束的不同:森林(针叶林和阔叶林)对温度敏感,可能因温度调节冠层活动和物候;草地关联弱,可能受多因素交互影响,包括水分和非气候扰动。滞后累积分析表明,温度指数以累积窗口为主,降水指数更易出现滞后,这与NDVI对降水响应时滞更长的认识一致。研究局限性包括:① 相关性设计不能建立因果;② 气象和NDVI数据存在不确定性(如CN05.1在高原稀疏站点区、PKU-GIMMS NDVI的传感器一致性);③ 静态植被图无法反映年际土地利用变化,未量化城市化、造林、灌溉、农业管理等人为因素;④ ETCCDI指数集对干旱过程表征不足,仅用CDD无法代表累积水分亏缺。未来需结合多尺度气象干旱指标、土壤湿度、动态土地覆盖及CO
2数据,进行多变量归因。
**结论部分翻译:**
(1)1982–2022年,长江流域NDVI全流域上升,表明植被覆盖总体改善。空间上,正NDVI斜率占据大部分流域,中游变绿信号最清晰。上游和下游也以正NDVI斜率为主,但局部负斜率斑块更明显,暗示更强的空间不均匀性。
(2)NDVI与极端温度指数关系明确:暖相关指数和温度强度指数对应较高NDVI,冷相关指数对应较低NDVI,表明植被绿度与更温暖的条件和更少的冷极端相关。NDVI–降水关系随区域变化:上游区域倾向于正相关,下游若干区域呈负相关。
(3)滞后累积(LA)分析表明,长江流域NDVI与极端气候的最强关联主要出现在累积窗口内。温度指数主要显示短期或多月累积关联窗口,极端降水指数在某些区域表现出滞后累积特征,表明前期气候条件提供了超出当月条件的额外信息。
(4)NDVI–极端气候关联在不同植被类型间存在差异。所有植被类型中温度指数以累积关联窗口为主。极端降水指数的关联强度和滞后特性在不同植被类型间不同,DTR在LA类型间差异最显著。这些结果表明NDVI–极端气候关联模式随河段和植被类型而变化。