2003～2018年干旱對中國森林綠度異常的影響

侯 鑫,趙 杰,趙洪飛,他志杰,岳 超,3*

2003～2018年干旱對中國森林綠度異常的影響

侯 鑫1,趙 杰1,趙洪飛1,他志杰2,岳 超1,3*

(1.西北農(nóng)林科技大學(xué)資源環(huán)境學(xué)院,陜西 楊凌 712100；2.西安外國語大學(xué)旅游學(xué)院·人文地理研究所,陜西 西安 710128；3.中國科學(xué)院水利部水土保持研究所,陜西 楊凌 712100)

基于衛(wèi)星觀測和氣象再分析數(shù)據(jù)提取2003～2018年間中國森林綠度異?，F(xiàn)象(月尺度LAI長期趨勢的累積偏差),并分析干旱對森林綠度異常影響的時(shí)空動態(tài)變化,探究不同森林類型的干旱敏感性.結(jié)果表明:①干旱導(dǎo)致的綠度異?，F(xiàn)象頻率分布呈現(xiàn)出南高北低的空間格局,而高強(qiáng)度異?，F(xiàn)象主要分布于中國的東北與西南地區(qū).②2003～2018年間綠度異常嚴(yán)重程度呈現(xiàn)顯著增加趨勢(即綠度異常強(qiáng)度指數(shù)下降),變化率為:-0.06/a(<0.05),而綠度異常面積比率下降,變化率為-0.0049/a.③中國森林對干旱脅迫較為敏感的區(qū)域主要分布于云南北部與大興安嶺北部,這是由區(qū)域的地質(zhì)和氣候特點(diǎn)以及植被類型共同作用導(dǎo)致的.④干旱主導(dǎo)區(qū)不同森林類型的干旱敏感性依次為:闊葉林>針葉林>混交林,綠度異常與SPEI回歸斜率依次為1.8>1.3>1.2.⑤針葉林遭受的干旱強(qiáng)度最高,2003～2018年間統(tǒng)計(jì)的SPEI中位數(shù)為-1.65,綠度異?，F(xiàn)象也最為嚴(yán)重,多年綠度異常指數(shù)中位數(shù)為-1.81,說明干旱強(qiáng)度而非敏感性主導(dǎo)了森林綠度異常的現(xiàn)象.

中國；綠度異常；干旱；森林；敏感性

干旱是影響森林綠度異常主要的脅迫因子之一[1],其通過影響植物光合作用與呼吸作用對森林的生長帶來負(fù)面影響[2-3].持續(xù)性嚴(yán)重干旱甚至?xí)斐缮执竺娣e死亡[4].

不同森林類型對干旱的敏感性存在差異.Liu等[5]基于不同生物群落中極端低降水頻率與植被綠度異常頻率的回歸斜率定義敏感性,發(fā)現(xiàn)闊葉林的干旱敏感性高于針葉林.Li等[6]通過樹木年輪和植物性狀數(shù)據(jù),表明裸子植物具有更高的干旱抵抗力.與之相反的是,Huang等[7]的研究表明闊葉林在干旱期間保持原有增強(qiáng)型植被指數(shù)(EVI)水平的能力比針葉林更強(qiáng).以上結(jié)果的差異說明有必要在全國范圍內(nèi)開展不同森林類型的干旱敏感性研究.

中國是干旱災(zāi)害發(fā)生頻率最高且影響最嚴(yán)重的國家之一,近年我國南方地區(qū)干旱頻次和強(qiáng)度明顯增加[8-9],干旱已經(jīng)造成了我國森林的大面積死亡[10].國內(nèi)有關(guān)干旱脅迫對森林影響的研究多位于干旱與半干旱區(qū)域[11-13].由于干旱半干旱區(qū)的氣候條件限制了森林的最大蓋度[14],在大尺度研究中可被遙感產(chǎn)品識別的森林多位于濕潤區(qū).目前星載遙感技術(shù)已經(jīng)被廣泛應(yīng)用于研究森林?jǐn)_動[15-17],因此本研究采用一種新的方法通過2003～2018年間中分辨率成像光譜儀(MODIS)葉面積指數(shù)刻畫干旱影響下中國森林綠度異常的時(shí)空動態(tài),量化干旱對中國森林的影響,并更加深入的探究不同森林類型干旱敏感性差異,提高對于干旱引起的森林生長異常甚至死亡的風(fēng)險(xiǎn)認(rèn)識;為森林管理者對森林實(shí)施區(qū)域化管理,制定合適的策略以提高森林生態(tài)系統(tǒng)韌性提供理論參考.

1 研究方法與數(shù)據(jù)來源

1.1 數(shù)據(jù)來源與預(yù)處理

葉面積指數(shù)(LAI)是核算生態(tài)系統(tǒng)光合作用、呼吸作用等過程的關(guān)鍵變量[18].作為全球植被的基本屬性,LAI已經(jīng)被全球氣候變化研究界列為必需氣候變量[19].McDowell等[20]的研究表明干旱時(shí)高溫缺水的環(huán)境條件使得飽和水汽壓差增加,致使樹木葉面積減少以適應(yīng)環(huán)境.Liu等[21]的研究也指出干旱導(dǎo)致了樹木莖葉生長的減少.因此本研究選取LAI作為反應(yīng)森林冠層狀況的指標(biāo),用于定量描述植被綠度異?，F(xiàn)象.Steltzer等[22]的研究發(fā)現(xiàn)不同植被類型的光合特性會影響歸一化植被指數(shù)(NDVI)對葉面積的估算.本文數(shù)據(jù)選用美國國家航空航天局(NASA)發(fā)布的MODIS的葉面積指數(shù)遙感產(chǎn)品MCD15A2H(https://ladsweb.modaps.eosdis.nasa.gov/).產(chǎn)品算法選用美國宇航局的Terra和Aqua衛(wèi)星在8d時(shí)段中的最佳影像數(shù)據(jù).時(shí)間跨度為2003年1月～2018年12月,空間分辨率為500m,時(shí)間間隔為8d,共計(jì)736期影像.通過求均值將LAI的空間分辨率聚合到0.1°,保留原時(shí)間分辨率不變.

土地覆蓋類型數(shù)據(jù)使用第6版MODIS土地覆蓋類型(MCD12Q1)數(shù)據(jù)產(chǎn)品.該產(chǎn)品提供2003～ 2018年空間分辨率為500m的年尺度土地覆蓋類型數(shù)據(jù).該產(chǎn)品給出了基于6種不同土地覆蓋分類方案的數(shù)據(jù),本研究采用國際地球生物圈計(jì)劃(IGBP)分類方案.選定土地覆蓋類型中的1～5(常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林)作為森林.通過眾數(shù)法將空間分辨率轉(zhuǎn)為0.1°,獲得0.1°的中國森林類型分布.

氣象數(shù)據(jù)采用中國區(qū)域地面氣象要素驅(qū)動數(shù)據(jù)集(CMFD),該數(shù)據(jù)是專門為研究中國陸地表層過程而開發(fā)的高時(shí)空分辨率近地表氣象數(shù)據(jù)集[23].本研究采用的溫度和降水?dāng)?shù)據(jù)時(shí)間跨度為1979～2018年,空間分辨率為0.1°,時(shí)間分辨率為1d.

利用CMFD氣象數(shù)據(jù)集中的降水和溫度估算了1979～2018年的標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)(SPEI),選取其中的2003～2018年用作研究.SPEI是利用降水和潛在蒸散發(fā)(PET)之間的月差值來量化水分盈余或虧缺的程度,其中月尺度PET按照Thornthwaite[24]的方法估算獲得,然后將月差值最終歸一化為對數(shù)邏輯概率分布,得到SPEI序列[25].本研究中,SPEI的時(shí)間尺度選取為12個(gè)月,代表了數(shù)據(jù)所在月前1a截止至該月的累計(jì)水量平衡.長時(shí)間尺度(12個(gè)月)的SPEI表征更多的是水文干旱,能夠反映深層土壤水分狀態(tài)變化[26].森林具有較深的根系,可以汲取深層土壤水,使其更傾向于對長時(shí)間尺度的干旱產(chǎn)生響應(yīng),因此采用12月時(shí)間尺度的SPEI是適當(dāng)?shù)腫7].

本研究將不同尺度的數(shù)據(jù)通過GIS實(shí)現(xiàn)數(shù)據(jù)的投影轉(zhuǎn)換與重采樣,使得數(shù)據(jù)空間分辨率統(tǒng)一為0.1°,投影統(tǒng)一為WGS84.通過將土地覆蓋類型數(shù)據(jù)與LAI數(shù)據(jù)疊加,提取中國森林覆蓋區(qū)域的LAI數(shù)據(jù)集.

1.2 研究方法

1.2.1 森林綠度異常數(shù)據(jù)的提取 綠度異常指的是在極端氣候影響下,植被葉面積指數(shù)對于其長期生長趨勢的負(fù)向偏離.由于人類土地利用和森林管理、氣候變化、二氧化碳施肥以及氮沉降等諸多因素的作用,2000～2017年間中國森林LAI總體呈現(xiàn)增長趨勢[27].因此本文采用去除線性趨勢法,對LAI數(shù)據(jù)的每個(gè)步長(8d)去趨勢.該方法除了去除LAI的時(shí)間增長趨勢以外,也一并去除了森林生長的季節(jié)周期[28-29],便于觀察年際間植被LAI的異常表現(xiàn).對去趨勢后LAI進(jìn)一步統(tǒng)計(jì)獲得最終綠度異常指數(shù) (GAI),便于量化分析中國森林綠度異常的時(shí)空動態(tài).

圖1 中國某0.1°像元2005年去除線性趨勢的值

1.2.2 干旱影響下綠度異常時(shí)空分異特征分析 森林的綠度異常現(xiàn)象可能由多種極端氣候?qū)е?為獲取僅發(fā)生于干旱情況下的綠度異常,采用與Schwalm類似的方法,將SPEI<-1定義為像元出現(xiàn)中度或重度干旱[30],結(jié)合SPEI與綠度異常指數(shù),提取干旱情況下的森林綠度異?，F(xiàn)象.在此基礎(chǔ)上,統(tǒng)計(jì)了2003～2018年間綠度異常的頻率和強(qiáng)度,探究干旱導(dǎo)致綠度異常的頻率和強(qiáng)度的空間分布特征

式中:表示多年間平均綠度異常強(qiáng)度,表示2003～ 2018年間綠度異?，F(xiàn)象出現(xiàn)的年份次數(shù)(即頻率).

為了探究干旱情況下發(fā)生森林綠度異常的面積、強(qiáng)度的時(shí)間變化趨勢,累加獲取全國干旱情況下逐年綠度異常面積比率(綠度異常面積與森林總面積的比值),并求取每年全國綠度異常強(qiáng)度的均值,采用線性回歸分析(最小二乘法擬合)獲取隨時(shí)間的變化趨勢.

2 結(jié)果與分析

2.1 我國森林類型空間分布特征

如圖2所示,我國森林空間分布差異化明顯,針葉林主要分布于大興安嶺北部以及四川省西南部.混交林主要分布我國中部一帶,在我國云南東北部也存在混交林聚集分布.闊葉林分布最為廣泛,北至我國黑龍江、吉林、遼寧一帶,中至在我國陜西省南部,同時(shí)我國貴州、廣西、廣東、福建、江西幾省主要森林類型均為闊葉林.

圖2 中國森林類型的空間分布

基于國家測繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號為GS(2020)4632號的標(biāo)準(zhǔn)地圖制作,底圖無修改,下同

2.2 干旱影響下我國森林綠度異常時(shí)空分異特征

森林綠度異?，F(xiàn)象可能由多種極端氣候事件(干旱、臺風(fēng))驅(qū)動,研究僅保留干旱情況下(SPEI<-1)出現(xiàn)的森林綠度異常.2003～2018年間,累計(jì)出現(xiàn)綠度異?，F(xiàn)象的森林面積約有606萬km2,說明干旱是致使樹木生長異常的重要因素.本文結(jié)果成功刻畫了受到廣泛關(guān)注與報(bào)道的我國森林受干旱影響的事件(圖3),包括:2004年我國南方發(fā)生大范圍綠度異常現(xiàn)象,涉及廣東、浙江、福建和江西省[32].全國森林受干旱影響(即出現(xiàn)綠度異常)總面積約63萬km2,平均綠度異常指數(shù)為0.98,森林出現(xiàn)較大面積綠度異?，F(xiàn)象但程度較輕.2010年我國云南發(fā)生了嚴(yán)重的綠度異?，F(xiàn)象[33].綠度異?？偯娣e約47萬km2,像元平均綠度異常指數(shù)為-0.72,即干旱程度低于通常嚴(yán)重程度約一個(gè)標(biāo)準(zhǔn)差,受災(zāi)森林LAI顯著降低.2012, 2013年云南地區(qū)又連續(xù)發(fā)生嚴(yán)重的綠度異?，F(xiàn)象[33-34].2018年我國東南部(廣東、福建和湖南)出現(xiàn)綠度異?，F(xiàn)象[35].總體綠度異常面積約47萬km2,平均綠度異常指數(shù)為-0.25.東南地區(qū)出現(xiàn)綠度異常面積較大但強(qiáng)度較低.這些綠度異常事件的成功識別表明本研究中所用綠度異常的刻畫方法具有較強(qiáng)的可靠性.

圖3 干旱條件下森林綠度異常分布

2003～2018年間我國干旱情況下綠度異常強(qiáng)度較高(<0)的區(qū)域主要分布在藏東南、云南省大部、四川南部、貴州廣西和湖南三省交界、華北地區(qū)西部以及大興安嶺一帶(圖4a).綠度異常強(qiáng)度較高的森林面積占全部有林區(qū)的31.05%.綠度異常強(qiáng)度總體上呈現(xiàn)出東北與西南較高,其他地區(qū)較低的空間格局.2003～2018年16a間,綠度異常頻率較高(出現(xiàn)次數(shù)>4)的區(qū)域多位于云南西部與東部.此外,西藏東部、四川南部、湖北與重慶交界以及浙江與安徽交界處也有少量綠度異?，F(xiàn)象聚集(圖4b).綠度異常頻率較高的像元面積占總體有林區(qū)的45.71%.空間分布呈現(xiàn)出南高北低的格局并且高頻像元集中于我國西南一帶.這表明我國南方尤其是西南地區(qū)森林受干旱影響明顯較為嚴(yán)重,綠度異常頻率與強(qiáng)度均較高.干旱情況下極端綠度異常(I<-2)的像元2003～2018年間出現(xiàn)頻率均低于3次,干旱頻次7次以上的像元未出現(xiàn)過極端綠度異常現(xiàn)象,這意味著高頻率與高強(qiáng)度綠度異常事件往往不在同一區(qū)域同時(shí)發(fā)生.

圖4 干旱條件下森林綠度異常強(qiáng)度與頻率分布

圖5 干旱條件下森林綠度異常的時(shí)間變化趨勢

2.3 綠度異常受干旱影響的空間格局

森林綠度異常指數(shù)與SPEI的回歸擬合優(yōu)度(<0.05)空間差異化明顯.SPEI對于云南省大部、大興安嶺北部以及廣東、福建和浙江南部的綠度異常解釋程度較高(圖6a),表明上述地區(qū)森林冠層葉面積指數(shù)與水分條件的耦合程度更高.回歸斜率則表明綠度異常隨SPEI的變化,即綠度異常對干旱的敏感性.其中云南省北部與大興安嶺北部斜率為正值,表明隨著干旱程度加重綠度異常加重.廣東、福建和浙江南部斜率為負(fù)值,則說明隨著干旱的出現(xiàn)綠度異?，F(xiàn)象反而減輕(圖6b),干旱不是森林綠度異常的主要驅(qū)動因素.結(jié)合兩者判斷,云南省北部和大興安嶺北部和中部的森林綠度異常受到干旱影響較為嚴(yán)重.

2.4 不同森林類型綠度異常及對干旱敏感性的差異

圖7 2003～2018年SPEI分布與干旱導(dǎo)致的綠度異常指數(shù)分布統(tǒng)計(jì)

在分析不同森林類型的干旱敏感性時(shí)將研究區(qū)限制在干旱主導(dǎo)區(qū),即上述綠度異常受干旱影響的空間格局中回歸分析的2>0.4,且回歸斜率為正值的區(qū)域,以排除其他極端氣候事件的干擾.按照不同森林類型劃分干旱主導(dǎo)區(qū)的綠度異常數(shù)據(jù),并通過線性回歸斜率的大小來表征不同森林類型對干旱的敏感性.圖7a中闊葉林的回歸斜率為1.8,針葉林的回歸斜率為1.3,混交林的回歸斜率為1.2.對應(yīng)不同森林類型的敏感性強(qiáng)弱依次為:闊葉林>針葉林>混交林.這表明處于相同的干旱強(qiáng)度時(shí),針葉林的綠度異常現(xiàn)象要比闊葉林輕微,混交林綠度異常表現(xiàn)最小.與干旱敏感性的結(jié)果相反,闊葉林的多年綠度異常指數(shù)中位數(shù)為-1.21,針葉林的多年綠度異常指數(shù)中位數(shù)為-1.81(圖7c).這說明2003～2018年間干旱敏感性較低的針葉林實(shí)際產(chǎn)生的綠度異?，F(xiàn)象比闊葉林更加嚴(yán)重.圖7b的結(jié)果部分解釋了這一現(xiàn)象:闊葉林多年間SPEI值的中位數(shù)為-1.45,針葉林多年間SPEI值的中位數(shù)為-1.65.表明2003～2018年間,針葉林區(qū)域的干旱強(qiáng)度相對闊葉林區(qū)域更高.意味著可能干旱強(qiáng)度主導(dǎo)了森林綠度異常表現(xiàn),而非干旱敏感性.

3 討論

為了探究干旱對于森林綠度異常的影響,結(jié)合SPEI與綠度異常指數(shù)獲得我國2003～2018年干旱影響下綠度異常的空間分布.結(jié)果表明干旱影響下綠度異常現(xiàn)象的頻率與強(qiáng)度具有明顯的空間異質(zhì)性.極端綠度異?，F(xiàn)象往往發(fā)生于干旱頻率相對較低的區(qū)域.這可能是由于這些區(qū)域的植被缺少對于極端水分虧缺的應(yīng)對機(jī)制,這種現(xiàn)象同樣有可能發(fā)生于干旱適應(yīng)性強(qiáng)的裸子植物[36].對綠度異常時(shí)間變化趨勢的研究表明,綠度異常的強(qiáng)度顯著增強(qiáng).這可能是由于我國南方極端干旱事件明顯增多,西南地區(qū)特大干旱事件頻發(fā),干旱中心的南移使得中度到重度干旱事件的頻率與強(qiáng)度增加[37].綠度異常面積的下降趨勢可能是由于面積變化存在周期性波動,王強(qiáng)等[17]統(tǒng)計(jì)的農(nóng)作物旱災(zāi)受災(zāi)面積在1951～ 2015年存在總體增大趨勢,在這期間的2000～2015年受災(zāi)面積卻表現(xiàn)出顯著下降趨勢.本文森林干旱影響下綠度異常面積可能與之相似,選取的時(shí)間序列處于大周期的波動下降階段.

綠度異常的干旱主導(dǎo)區(qū)主要分布于云南省北部和大興安嶺北部和中部.從云南地質(zhì)和氣候特點(diǎn)角度考慮,云南地區(qū)干季持續(xù)時(shí)間長,從11月到次年4月,長達(dá)6個(gè)月[38],干旱事件持續(xù)時(shí)間長,強(qiáng)度大[9].該地區(qū)的巖溶地貌地表水易下滲成為地下水,使得土壤水分難以保持,容易導(dǎo)致土壤水分虧缺[39].從森林類型角度考慮,我國南方多為被子植物,相較于裸子植物對干旱的抵抗能力更弱[6,40].這些條件共同造成了云南北部干旱主導(dǎo)區(qū)的集中現(xiàn)象.大興安嶺中部和北部地區(qū)干季為11月到次年3月,占年降水量的約10%～12%[41].落葉松是大興安嶺森林生態(tài)系統(tǒng)的優(yōu)勢樹種.大興安嶺干旱主導(dǎo)區(qū)單一的生態(tài)系統(tǒng)格局導(dǎo)致物種多樣性較低,減弱了對于干旱的抵抗力[42].雖然研究普遍認(rèn)為裸子植物本身相較于被子植物具有更高的抵抗力,但森林在頻繁或長期的干旱下,仍有可能產(chǎn)生綠度異?，F(xiàn)象[10,6,36,43-44].另一方面,大興安嶺區(qū)域的綠度異常可能來自于火災(zāi)這種通常與干旱并發(fā)的災(zāi)害.火災(zāi)是興安落葉松生長的主要干擾之一.由于干旱導(dǎo)致的氣溫升高、枯落物堆積以及盛行強(qiáng)風(fēng),使得春季很容易發(fā)生森林大火[45].

我國東南部沿海廣東、福建和浙江南部的SPEI與綠度異常同樣存在高相關(guān)性,但SPEI與綠度異常呈現(xiàn)負(fù)相關(guān).這可能是由于該區(qū)域輻射為森林生長的主要限制因子[10].干旱情況下降水減少,隨著蒸散發(fā)降低,更透明的非降雨云與云量降低使得太陽輻射強(qiáng)度增加,促進(jìn)了植被生長[46]. Morimoto等[47]的研究表明降水是預(yù)測伴隨暴雨的臺風(fēng)災(zāi)害對森林干擾的重要變量,結(jié)合該區(qū)域的綠度異常與水熱條件的高2表現(xiàn)(圖6a)以及該區(qū)域臺風(fēng)災(zāi)害頻發(fā)的特點(diǎn)[48],伴隨暴雨的臺風(fēng)災(zāi)害可能是該區(qū)域森林綠度異常的主要驅(qū)動因素.

研究通過SPEI與綠度異常數(shù)據(jù)的回歸斜率來表征干旱敏感性,以保證在同一干旱嚴(yán)重程度下展開分析[5].結(jié)果表明針葉林對干旱的敏感性更低,這可能源于針葉林木質(zhì)部水力特征使其在干旱情況下不易產(chǎn)生空化或者栓塞[6].除此之外,其能通過調(diào)節(jié)氣孔開閉控制水分流失[49].該結(jié)果與Huang等[7]的差異可能因?yàn)槠鋵Ω珊得舾行缘亩x未考慮森林是否處于同一干旱強(qiáng)度下.不同森林類型2003～ 2018年間的總體綠度異常表明,針葉林在干旱期間保持原有LAI水平的能力弱于闊葉林,這與兩者的敏感性表現(xiàn)相反.這說明植被LAI對于干旱事件的響應(yīng)可能受到干旱強(qiáng)度、環(huán)境和植被敏感性等因素的復(fù)合影響[7].圖7b也印證了多年間針葉林遭受的干旱程度更高.在更高強(qiáng)度的干旱下,抵抗力更強(qiáng)的針葉林表現(xiàn)出比闊葉林更嚴(yán)重的異?，F(xiàn)象.

本研究還存在一些不足之處.首先,限于目前氣象數(shù)據(jù)的空間分辨率較低以及遙感數(shù)據(jù)的精度限制無法在大尺度上開展更為精細(xì)的相關(guān)研究.其次,本研究僅通過SPEI所表征的水量平衡來定義干旱,具有一定局限性.因?yàn)榫G度異常可能是由任何與干旱同時(shí)發(fā)生的次生災(zāi)害(如火災(zāi)、蟲災(zāi))造成的[50].更為復(fù)雜的干旱影響機(jī)制需要進(jìn)一步細(xì)化干旱情況下綠度異常的驅(qū)動因素.因此,今后有必要結(jié)合其他森林干擾分布數(shù)據(jù)厘清干旱對森林綠度異常的影響及其驅(qū)動機(jī)制.

4 結(jié)論

4.1 干旱情況下中國東北與西南地區(qū)綠度異常強(qiáng)度較高,綠度異常頻率空間分布呈現(xiàn)出南高北低的格局.

4.2 干旱導(dǎo)致的綠度異常嚴(yán)重程度呈顯著上升趨勢,變化率為-0.06/a,綠度異常面積比率呈下降趨勢,變化率為-0.0049/a.

4.3 中國森林綠度異常的干旱主導(dǎo)區(qū)集中于云南省北部和大興安嶺北部.

4.4 干旱主導(dǎo)區(qū)不同森林類型對于干旱的敏感性為:闊葉林>針葉林>混交林,3種森林類型綠度異常與SPEI回歸斜率依次為1.8>1.3>1.2.2003～2018年間干旱主導(dǎo)區(qū)總體干旱強(qiáng)度為:針葉林>闊葉林>混交林,統(tǒng)計(jì)的SPEI中位數(shù)依次為:-1.65<-1.45<-1.42.針葉林總體干旱強(qiáng)度最高,闊葉林與混交林相當(dāng).多年間由干旱導(dǎo)致的森林綠度異?，F(xiàn)象強(qiáng)度為:針葉林>闊葉林>混交林,綠度異常指數(shù)中位數(shù)依次為:-1.21> -1.34>-1.81.針葉林由干旱導(dǎo)致的綠度異常現(xiàn)象最為嚴(yán)重,闊葉林和混交林表現(xiàn)相當(dāng).受干旱強(qiáng)度影響,總體綠度異常表現(xiàn)與敏感性并不完全一致.

[1] Seidl R, Thom D, Kautz M, et al. Forest disturbances under climate change [J]. Nature Climate Change, 2017,7(6):395-402.

[2] Griffin J J, Ranney T G, Pharr D M. Heat and drought influence photosynthesis, water relations, and soluble carbohydrates of two ecotypes of redbud (Cercis canadensis) [J]. Journal of the American Society for Horticultural Science, 2004,129(4):497-502.

[3] Ciais P, Reichstein M, Viovy N, et al. Europe-wide reduction in primary productivity caused by the heat and drought in 2003 [J]. Nature, 2005,437(7058):529-533.

[4] Young D J, Stevens J T, Earles J M, et al. Long‐term climate and competition explain forest mortality patterns under extreme drought [J]. Ecology letters, 2017,20(1):78-86.

[5] Liu G, Liu H, Yin Y. Global patterns of NDVI-indicated vegetation extremes and their sensitivity to climate extremes [J]. Environmental Research Letters, 2013,8(2):279-288.

[6] Li X, Piao S, Wang K, et al. Temporal trade-off between gymnosperm resistance and resilience increases forest sensitivity to extreme drought [J]. Nature Ecology & Evolution, 2020,4(8):1075-1083.

[7] Huang K, Xia J. High ecosystem stability of evergreen broadleaf forests under severe droughts [J]. Global Change Biology, 2019,25(10): 3494-3503.

[8] 任國玉,封國林,嚴(yán)中偉.中國極端氣候變化觀測研究回顧與展望 [J]. 氣候與環(huán)境研究, 2010,15(4):337-353.

Ren G Y, Feng G L, Yan Z W, et al. Progresses in observation studies of climate extremes and changes in mainland China [J]. Climatic and Environmental Research, 2010,15(4):337-353.

[9] 張 強(qiáng),姚玉璧,李耀輝,等.中國干旱事件成因和變化規(guī)律的研究進(jìn)展與展望 [J]. 氣象學(xué)報(bào), 2020,78(3):500-521.

Zhang Q, Yao Y B, Li Y H, et al. Progress and prospect on the study of causes and variation regularity of droughts in China [J]. Acta Meteorologica Sinica, 2020,78(3):500-521.

[10] Allen C D, Macalady A K, Chenchouni H, et al. A global overview of drought and heat-induced tree mortality reveals emerging climate change risks for forests [J]. Forest Ecology and Management, 2010, 259(4):660-684.

[11] 何志斌,杜 軍,陳龍飛,等.干旱區(qū)山地森林生態(tài)水文研究進(jìn)展 [J]. 地球科學(xué)進(jìn)展, 2016,31(10):1078-1089.

He Z B, Du J, Chen L F, et al. Review on montane forest eco- hydrology in arid area [J]. Advances in Earth Science, 2016,31(10): 1078-1089.

[12] 趙鵬武,管立娟,劉兵兵,等.我國半干旱區(qū)東段森林動態(tài)研究現(xiàn)狀及展望 [J]. 世界林業(yè)研究, 2021,34(2):74-79.

Zhao P W, Guan L J, Liu B B, et al. Current research and prospect of forest dynamics in eastern section of Semi-arid Area in China [J]. World Forestry Research, 2021,34(2):74-79.

[13] 郭永強(qiáng),王乃江,褚曉升,等.基于Google Earth Engine分析黃土高原植被覆蓋變化及原因 [J]. 中國環(huán)境科學(xué), 2019,39(11):4804-4811.

Guo Y Q, Wang N J, Chu X S, et al. Analyzing vegetation coverage changes and its reasons on the Loess Plateau based on Google Earth Engine. China Environmental Science, 2019,39(11):4804-4811.

[14] Gunin P D, Vostokova E A, Dorofeyuk N I, et al. Vegetation dynamics of Mongolia [M]. Springer Science & Business Media, 2013:79-129.

[15] Chen J, Sun L. Using MODIS EVI to detect vegetation damage caused by the 2008 ice and snow storms in south China [J]. Journal of Geophysical Research: Biogeosciences, 2010,115(G3):1-12.

[16] Hansen M C, Potapov P V, Moore R, et al. High-resolution global maps of 21st-century forest cover change [J]. Science, 2013,342 (6160):850-853.

[17] 王 強(qiáng),張 勃,戴聲佩,等.三北防護(hù)林工程區(qū)植被覆蓋變化與影響因子分析 [J]. 中國環(huán)境科學(xué), 2012,32(7):1302-1308.

Wang Q, Zhang B, Dai S P, et al. Analysis of the vegetation cover chang and its relationship with factors in the Three-North Shelter Forest Program [J]. China Environmental Science, 2012,32(7):1302- 1308.

[18] Fang H, Baret F, Plummer S, et al. An overview of global leaf area index (LAI): Methods, products, validation, and applications [J]. Reviews of Geophysics, 2019,57(3):739-799.

[19] Mason P, Zillman J, Simmons A, et al. Implementation plan for the global observing system for climate in support of the UNFCCC (2010Update) [Z]. GCOS Rep. 2009:28-29.

[20] Mcdowell N G, Allen C D. Darcy's law predicts widespread forest mortality under climate warming [J]. Nature Climate Change, 2015, 5(7):669-672.

[21] Liu J F, Arend M, Yang W J, et al. Effects of drought on leaf carbon source and growth of European beech are modulated by soil type [J]. Scientific Reports, 2017,7(1):1-9.

[22] Steltzer H, Welker J M. Modeling the effect of photosynthetic vegetation properties on the NDVI–LAI relationship [J]. Ecology, 2006,87(11):2765-2772.

[23] Yang K, He J, Tang W J, et al. On downward shortwave and longwave radiations over high altitude regions: Observation and modeling in the Tibetan Plateau [J]. Agricultural and Forest Meteorology, 2010,150(1): 38-46.

[24] Thornthwaite C W. An approach toward a rational classification of climate [J]. Geographical Review, 1948,38(1):55-94.

[25] Vicente-Serrano S M, Beguería S, López-Moreno J I. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index [J]. Journal of Climate, 2010, 23(7):1696-1718.

[26] Wang H, Vicente-Serrano S M, Tao F, et al. Monitoring winter wheat drought threat in Northern China using multiple climate-based drought indices and soil moisture during 2000～2013 [J]. Agricultural and Forest Meteorology, 2016,228:1-12.

[27] Chen C, Park T, Wang X, et al. China and India lead in greening of the world through land-use management [J]. Nature Sustainability, 2019,2(2):122-129.

[28] Zhang Y, Liu C, Tang Y, et al. Trends in pan evaporation and reference and actual evapotranspiration across the Tibetan Plateau [J]. Journal of Geophysical Research: Atmospheres, 2007,112:D11210.

[29] Cuo L, Zhang Y, Gao Y, et al. The impacts of climate change and land cover/use transition on the hydrology in the upper Yellow River Basin, China [J]. Journal of Hydrology, 2013,502:37-52.

[30] Schwalm C R, Anderegg W R, Michalak A M, et al. Global patterns of drought recovery [J]. Nature, 2017,548(7666):202-205.

[31] 趙 杰,劉雪佳,杜自強(qiáng),等.晝夜增溫速率的不對稱性對新疆地區(qū)植被動態(tài)的影響 [J]. 中國環(huán)境科學(xué), 2017,37(6):2316-2321.

Zhao J, Liu X J, Du Z Q, et al. Effects of the asymmetric diurnal- warming on vegetation dynamics in Xinjiang [J]. China Environmental Science, 2017,37(6):2316-2321.

[32] 王維國,饒曉琴,康志明,等.2004年我國重大災(zāi)害性天氣和大尺度環(huán)流特征 [J]. 氣象, 2005,31(5):26-31.

Wang W G, Rao X Q, Kang Z M, et al. Analysis of the calamitous weather and large-scale circulation in 2004 [J]. Meteorological Monthly, 2005,31(5):26-31.

[33] 黃榮輝,劉 永,王 林,等.2009年秋至2010年春我國西南地區(qū)嚴(yán)重干旱的成因分析 [J]. 大氣科學(xué), 2012,36(3):443-457.

Huang R H, Liu Y, Wang L, et al. Analyses of the causes of severe drought occurring in Southwest China from the fall of 2009 to the Spring of 2010 [J]. Chinese Journal of Atmospheric Sciences, 2012, 36(3):443-457.

[34] 段海霞,王素萍,馮建英.2013年全國干旱狀況及其影響與成因 [J]. 干旱氣象, 2014,32(2):310-316.

Duan H X, Wang S P, Feng J Y. Drought events and its influence in 2013 in China [J]. Journal of Arid Meteorology, 2014,32(2):310-316.

[35] 張 宇,王芝蘭,沙 莎,等.2018年夏季全國干旱狀況及其成因 [J]. 干旱氣象, 2018,36(5):884-892.

Zhang Y, Wang Z L, Sha S, et al. Drought events and its causes in Summer of 2018 in China [J]. Journal of Arid Meteorology, 2018, 36(5):884-892.

[36] Zhang X, Li X, Manzanedo R D, et al. High risk of growth cessation of planted larch under extreme drought [J]. Environmental Research Letters, 2021,16(1):014040.

[37] 韓蘭英,張 強(qiáng),賈建英,等.氣候變暖背景下中國干旱強(qiáng)度、頻次和持續(xù)時(shí)間及其南北差異性 [J]. 中國沙漠, 2019,39(5):1-10.

Han L Y, Zhang Q, Jia J Y, et al. Drought severity, frequency, duration and regional differences in China [J]. Journal of Desert Research, 2019,39(5):1-10.

[38] 黃中艷.1961～2007年云南干季干濕氣候變化研究 [J]. 氣候變化研究進(jìn)展, 2010,6(2):113-118.

Huang Z Y. Dry-wet climate change of the dry season in Yunnan During 1961～2007 [J]. Climate Change Research, 2010,6(2):113-118.

[39] Liu M, Xu X, Wang D, et al. Karst catchments exhibited higher degradation stress from climate change than the non-karst catchments in southwest China: An ecohydrological perspective [J]. Journal of Hydrology, 2016,535:173-180.

[40] Lü L, Cai H, Yang Y, et al. Geographic patterns and environmental determinants of gymnosperm species diversity in China [J]. Biodiversity Science, 2018,26(11):1133-1146.

[41] Jiang Y, Zhang J, Han S, et al. Radial growth response of larix gmelinii to climate along a latitudinal gradient in the Greater Khingan Mountains, Northeastern China [J]. Forests, 2016,7(12):295.

[42] Grossiord C, Granier A, Ratcliffe S, et al. Tree diversity does not always improve resistance of forest ecosystems to drought [J]. Proceedings of the National Academy of Sciences, 2014,111(41): 14812-14815.

[43] Trugman A T, Detto M, Bartlett M K, et al. Tree carbon allocation explains forest drought-kill and recovery patterns [J]. Ecology Letters, 2018,21(10):1552-1560.

[44] Li X, Li Y, Chen A, et al. The impact of the 2009/2010 drought on vegetation growth and terrestrial carbon balance in Southwest China [J]. Agricultural and Forest Meteorology, 2019,269:239-248.

[45] Fan Q, Wang C, Zhang D, et al. Environmental influences on forest fire regime in the Greater Hinggan Mountains, Northeast China [J]. Forests, 2017,8(10):372.

[46] Josefsson W, Landelius T. Effect of clouds on UV irradiance: As estimated from cloud amount, cloud type, precipitation, global radiation and sunshine duration [J]. Journal of Geophysical Research: Atmospheres, 2000,105(D4):4927-4935.

[47] Morimoto J, Aiba M, Furukawa F, et al. Risk assessment of forest disturbance by typhoons with heavy precipitation in northern Japan [J]. Forest Ecology and Management, 2021,479:118521.

[48] 殷 潔,戴爾阜,吳紹洪.中國臺風(fēng)災(zāi)害綜合風(fēng)險(xiǎn)評估與區(qū)劃 [J]. 地理科學(xué), 2013,33(11):1370-1376.

Yin J, Dai E F, Wu S H. Integrated risk assessment and zoning of typhoon disasters in China [J]. Scientia Geographica Sinica, 2013, 33(11):1370-1376.

[49] Brodribb T J, Mcadam S A M, Jordan G J, et al. Conifer species adapt to low-rainfall climates by following one of two divergent pathways [J]. Proceedings of the National Academy of Sciences, 2014,111(40): 14489-14493.

[50] 馬明衛(wèi),韓宇平,嚴(yán)登華,等.特大干旱事件災(zāi)害孕育機(jī)理及影響研究進(jìn)展 [J]. 水資源保護(hù), 2020,36(5):11-21.

Ma M W, Han Y P, Yan D H, et al. Research progress on the mechanism and influence of extreme drought-induced disasters [J]. Water Resources Protection, 2020,36(5):11-21.

Drought effects on forest greenness anomalies in China from 2003 to 2018.

HOU Xin1, ZHAO Jie1, ZHAO Hong-fei1, TA Zhi-jie2, YUE Chao1,3*

(1.College of Natural Resources and Environment, North West Agriculture and Forestry University, Yangling 712100, China；2.School of Tourism & Research Institute of Human Geography, Xi'an International Studies University, Xi'an 710128, China；3.Institute of Soil and Water Conservation, CAS & MWR, Yangling 712100, China)., 2022,42(1)：336～344

This study was to evaluate the effects of drought on forest greenness anomalies in China. Satellite observations of forest leaf area index (LAI) and climate reanalysis data were used to examine forest canopy damage induced by drought during the period from 2003 to 2018. We assigned the forest Greenness Anomaly index (GAI) as a proxy for the forest canopy damage, defined as cumulative monthly negative LAI anomalies deviated from the long-term monthly LAI trend, then followed by standardization using the standard deviation. Using this index, we analyzed the spatiotemporal dynamics of drought-induced forest damage and the drought sensitivity of different forest types. Our results showed that: (1) The drought-induced forest canopy damage was more widespread in South China than in North China, while high-intensity drought damage mainly occurred in the Northeast and Southwest of China; (2) From 2003 to 2018, the severity of drought-induced canopy damage increased significantly with the GAI change rate of -0.06/a (a lower index means a higher severity), while the forest area ratio subjected to the drought damage decreased with the change rate of -0.0049/a; (3) Forests with a high sensitivity of drought damage mainly occurred in the north of Yunnan and the north part of the Greater Khingan Mountains in China, due to the common effects of geological, climate and vegetation type characteristics of the region; (4) Broadleaf forest was most sensitive to drought, followed by coniferous forest, while mixed forest was the least sensitive forest type and the corresponding regression slopes of GAI and SPEI for these three forest types were 1.8, 1.3 and 1.2, respectively; and (5) from 2003 to 2018, coniferous forest suffered the highest drought intensity and forest damage, with the median of SPEI as -1.65. As a result forest damage was more dominated by the drought intensity than by drought sensitivity.

China；greenness anomaly；drought；forest；sensitivity

X173

A

1000-6923(2022)01-0336-09

侯 鑫(1995-),男,河南新鄉(xiāng)人,西北農(nóng)林科技大學(xué)碩士研究生,主要從事氣候變化與植被響應(yīng)方向研究.

2021-06-08

陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃(2021JQ-771)

* 責(zé)任作者, 研究員, chaoyue@ms.iswc.ac.cn