三江源区多尺度水文干旱与植被的响应研究

　　摘要：基于标准化降水指数SPI监测水文干旱，基于MODIS植被指数(NDVI、EVI)评估生态环境。采用Mann-Kendall趋势检验法来量化三江源区1961-2018年干旱与植被的时空演变，并基于斯皮尔曼等级相关系数进行不同干旱变量与植被指数的相关性分析。结果表明：(1)三江源区季度干旱事件发生于1963、1966、1984、1992、2000和2017年。(2)春季有显著湿润化现象(平均趋势特征值Z等于2.28)，秋季澜沧江和长江中部有不显著干旱威胁。(3)5月黄河以北地区有显著植被增加趋势，9月长江中部与澜沧江有不显著植被退化趋势。2000-2018年期间植被覆盖变化趋势是北部强于南部、西部强于东部。(4)21世纪以来，干旱事件与植被覆盖有一定的响应关系，SPI3与植被指数有显著正相关性。

　　关键词：水文干旱;SPI;植被指数;Mann-Kendall趋势检验;时空演变;相关性分析;三江源区

　　干旱事件是一种高频的自然灾害，具有最广泛的社会、经济和生态影响[1,2]。未来气候变化对径流和降水等有影响，研究地区干旱演变特性对了解区域气候变化，指导未来水资源规划和利用具有重要意义[3,4]。Mckee等人提出标准化降水指数SPI，被广泛地使用于评估不同时间尺度的气象干旱事件[5]。布鲁诺等人表明SPI指数在干旱时空特征研究中有非常好的作用[6]。

　　水文论文投稿刊物：《干旱区地理》Arid Land Geography(双月刊)曾用刊名：新疆地理，创刊时间：1978，是综合性学术刊物。主要刊载干旱区地理学及其分支学科、边缘学科和交叉学科的新理论、新技术和新方法。即：自然地理、全球变化及气候变化、土壤学研究、水文与水资源，环境变化、景观生态研究、植被与生态建设、地理信息与遥感技术的应用、动物生态学与动物地理学、区域地理与可持续发展等。

　　WANGJ等人提出植被指数DVI来研究植被与干旱的关系[7]。目前有研究表明利用EVI进行植被变化研究甚少，SPI已被广泛应用于世界各个国家的干旱监测与预报[8]。自20世纪90年代以来，三江源区气候呈暖湿现象，长江流域湿地面积呈整体上升趋势，黄河流域和澜沧江流域呈下降趋势[9]。该地区的植被覆盖、气候变化和生态保护是重点研究方向，王根绪等人研究发现草地退化比较明显的地区为黄河源区[10]。

　　目前大部分研究是针对2010年前后的地区干旱与植被演变，然而对三江源区的多尺度干旱演变与植被变化研究甚少[11]。本研究基于SPI和遥感植被指数(NDVI/EVI)，来量化19612018年三江源区的生长季植被和水文干旱的演化特性;基于多尺度趋势检验方法，分析1961年至2018年TRSR多尺度干旱的时空特征和变化趋势以及2000年至2018年植被时空演变，并进一步探讨三江源区的植被状态与干旱事件的联系。这为后期探究该地区的植被干旱的响应关系提供参考价值。

　　1研究区域与数据

　　1.1研究区域概况

　　三江源区的地理位置在31°39'~36°12'N和89°45'~102°23'E之间，位于中国青海省南部，是长江，黄河和澜沧江的发源地，也是青藏高原的腹地。面积约30万平方公里，占青海省总面积的43%，地势高耸、气候寒冷，年平均气温在-5.4℃～4.2℃之间，年降水量由东南部的770mm向西北逐渐递减至260mm，气候条件具有明显的区域分异特征。三河源区中黄河，长江和澜沧江年平均径流量分别是20.1×10，12.4×10和15.0×10[12]。年蒸发量在7301700毫米之间，超过80%年降水量发生在月至10月的雨季[13]。

　　1.2数据来源与处理

　　三江源区数字高程模型(DEM)来自地理空间数据云网站(http://www.gscloud.cn/)，在rcGIS中以三江源区边界来裁剪和镶嵌得到研究区的DEM。青藏高原土地利用覆盖数据来自中国科学院资源与环境科学数据中心(http://www.resdc.cn/)，通过裁剪和重分类得到三江源区的土地利用类型。

　　遥感卫星数据MOD13Q1来自美国国家航空航天局(NASA)EOS/MODIS数据产品(https://modis.gsfc.nasa.gov/)，空间分辨率为250m×250m，时间分辨率为16d。MOD13Q1植被指数产品(NDVI和EVI)用水、云、重气溶胶等处理，以确保数据质量。这两种产品有效地表征了全球植被状态和过程。为了消除异常值的影响，采用最大合成法(MVC)合成月度NDVI数据，将月度NDVI数据合成为最大年NDVI影像[14]。1961201年月降水量数据来自中国气象科学数据共享服务网(http://cdc.cma.gov.cn/)。

　　其中，9612016年数据来自中国0.5°×0.5°网格数据集(V2.0)产品，三江源区共有150个格点数据集。数据经过交叉验证，错误分析，质量状况良好。20172018年数据来自中国地面气候资料月值数据集。由研究区20个气象站点的地面月降水量数据，采取最优Kriging插值方法重采样20172018年期间150个格点的月降水量数据，得到19612018年的三江源区月降水数据。本文依据气象站点位置以及区域分布特点选取了个格点数据进行研究。

　　2研究方法

　　2.1标准化降水指数(SPI)SPI是常用的多时间尺度气象干旱指数[5]，它可以计算多个时间尺度[15]。根据《气象干旱等级GB/T20481—2006》国家标准的定义，标准化降水指数(SPI)是表征某时段降水量出现概率多少的指标，适用于月尺度以上的干旱监测与评估。该指数假设降水量服从Γ分布，考虑了降水服从偏态分布的实际，然后进行正态标准化处理，使得同一个干旱指数可以反映不同时间尺度和不同类型的水资源状况。一般当SPI值小于且连续观察到该值小于等于时，定义为发生干旱事件[16]。SPI1通常用来反映短期地表水分异常变化，SPI3可反映干旱的季节变化。表为中国的干旱分类标准。SPI的详细介绍和计算机程序可在国家干旱减灾中心网站(https://drought.unl.edu/)上获得。

　　2.2植被状态监测指数

　　NDVI(NormalizedDifferenceVegetationIndex)是归一化植被指数的简称，是目前应用最广泛的植被指数。可以反映植被的覆盖度、植被的基本生长状态等。EVI(EnhancedVegetationIndex)是增强型植被指数，相对于NDVI在大气噪声、土壤背景、饱和度等问题上有所改进[18]。本文根据三江源区植被生长的实际情况，确定干旱对植被生长状况的影响主要表现在植被生长季(月月)。本文提取每年的月至月的DVI和EVI数据进行植被时空演变分析。

　　3讨论对于长时间的植被检测，通常可以使用卫星遥感数据源，如归一化植被指数(NDVI)和增强型植被指数(EVI)。NDVI与植被覆盖之间有很好的关系，EVI则有相对较高的空间、大面积的近实时数据分辨率的优点，已经在植被状况监测方面得到广泛地使用[23]。

　　等人研究表明SPI与NDVI的相关性最高[24]，HaroMonteagudo等人提到个月时间尺度的干旱指标与植被变化的相关性最高[25]。这与本文研究结果有一致性，可知植被变化与干旱事件是有一定的联系和互相影响的[26]。本文发现三江源区西北部和东北部大部分地区的植被呈显著增加趋势，这与该地区的干旱变化趋势有一致性。植被增加区域主要分布在长江西北部，其中澜沧江北部和黄河西部某些区域有植被退化迹象，这与先前学者的研究有一致性：钱拴等人研究三江源地区生长季草地植被对气候变化的响应，发现2004年以后草地植被有显著的好转趋势[27]。

　　本文发现世纪以来，三江源区整体呈湿润化趋势，但同时监测到017年存在月度和季度干旱事件，以及黄河西南部地区也存在一定的植被覆盖度减少趋势。这也推动着我们今后探究不同时间尺度干旱特征变量以及其他气象因素对植被的影响，探讨更有效的方法来量化和解释该地区植被干旱的响应关系。结论本研究利用空间分析、MannerKendall趋势检验法分析了TRSR的干旱指数与遥感植被指数时空变化，并探讨了三江源区植被覆盖与干旱的关系。

　　该研究可获得以下结论：

　　(1)近58年来不同时间尺度的SPI均体现RSR在逐渐变得湿润，时间尺度越大，干湿交替周期越长。世纪以来，TRSR干旱事件出现在002/2006/2015/2012/2017年，秋冬季节发生干旱的频率更高，其次是春季。 (2)长江西北地区有显著湿润化趋势，长江与黄河南部在秋冬季节有不显著的干旱化威胁，春季有显著的湿润化趋，整体呈湿润化趋势。(3)TRSR的植被覆盖在世纪以来有所增加，在002和013年增加量出现减少现象;NDVI与EVI在TRSR有明显增加的趋势，空间上变化趋势是北部强于南部、西部强于东部。(4)三江源区的PI3与植被指数均呈正相关(ρ),SPI_AVE与NDVI_MVC有最显著的正相关性(ρ=0.584**)，SPI3MIN与DVI_5月、VI_5月有显著正相关性。这对未来三江源区的生态环境保护提供一定的理论依据。

　　参考文献

　　[1]秦年秀,陈喜,薛显武等.气候变化对乌江流域水文水资源的影响[J].河海大学学报自然科学版,2011,39(6):6238.QINNianxiu,CHENXi,XUEXianwu,etal.ImpactofclimatechangeonhydrologyandwaterresourcesintheWujiangRiverBasin[J].JournalofHohaiUniversity(NaturalSciences),2011,39(6):6238.(inChinese)

　　[2]ZHANGQIANG,YUHUIQIAN,SUNPENG,etal.MultisourcedatabasedagriculturaldroughtmonitoringandagriculturallossinChina[J].GlobalandPlanetaryChange,2019,172:298306.

　　作者：肖祖香1,2，朱双1,2，罗显刚1,2，娄连惠*,3，李江4，罗顺根5，操丽5