Spatio-Temporal Pattern of Bioclimatic Indicators and Sensitivity of Vegetation in Qinling-Daba Mountains
-
摘要: 秦巴山区地处我国南北气候过渡带，是气候变化的敏感区和生态环境的脆弱区，也是全球变暖背景下研究植被对气候响应的热点区域。本文选取89个气象站点的观测数据和植被遥感数据作为研究对象，给出1982—2015年秦巴山区年均温、年降水量、积温等10个生物气候指标的时空格局，并基于地理探测器和相关分析探讨了植被对生物气候指标的敏感性。秦巴山区生物气候指标的时空分布特征包括：1）山区年均温由东南向西北递减，年降水量由南向北递减，两者均由低海拔向高海拔递减；2）积温、积温日数和温暖指数的分布表明，山区东部热量条件最优、西部较差，最暖月均温分布格局与温暖指数高度一致；3）山区干燥度由南向北递增，干旱频率由西向东递增；4）生物气候指标随时间变化的特征为热量条件显著改善，水分条件不显著地改善，水热组合条件有变干旱的趋势，区域干旱频率增加。生物气候指标的变化影响了山区的植被覆盖。一方面，反映高温或热量总量的指标和干旱频率对植被分布的解释力较高；另一方面，植被与积温的相关性最显著，大部分站点的植被变化受热量指标影响，水分和水热组合指标主导低纬度地区植被变化。研究结果可为我国南北过渡带的植被变化预估和生态可持续性保护提供理论支撑。Abstract: Qinling-Daba Mountains, located in China's north-south climatic transitional zone in China, have been sensitive to climate change with a vulnerable environment. This region is also a hot area for studying the vegetation responses to climate under global warming. Based on the observation data of 89 meteorological stations and remote sensing vegetation data, we explored the spatio-temporal patterns of ten bioclimatic indicators, including annual average temperature, annual precipitation, and accumulated temperature in the Qinling-Daba Mountains from 1982 to 2015. The sensitivity of vegetation to bioclimatic indicators was discussed according to the geographical detector and correlation analysis. The spatio-temporal distributions of bioclimatic indicators in the Qinling-Daba Mountains were summarized as follows, (1) The annual average temperature decreased from southeast to northwest in Qinling-Daba Mountains, while the annual precipitation decreased from south to north. In addition, both of them decreased from low to high altitude. (2) The distribution of accumulated temperature, accumulated temperature days, and warm index showed that the overall heat condition in the eastern Qinling-Daba Mountains was optimal, while the western part was relatively poor. The warmest month's average temperature distribution was highly consistent with the warm index. (3) The dryness increased from south to north, with the drought frequency increasing from west to east. (4) Meanwhile, the temporal variations of bioclimatic indicators were characterized by significantly improved heat conditions, insignificantly improved water conditions, drying hydrothermal conditions, and increasing regional drought. The bioclimatic indicator changes affected the vegetation coverage of the Qinling-Daba Mountains. On the one hand, bioclimatic indicators reflecting high temperature or accumulated heat and drought frequency had a higher explaining capacity for vegetation distribution. On the other hand, vegetation was significantly correlated to accumulated temperature in most stations. The vegetation change in most areas was affected by the heat indicators, while the moisture and hydrothermal indicators dominated the vegetation change in low-latitude areas. Our study will provide theoretical support for vegetation change prediction and ecological sustainability protection in China's north-south climatic transitional zone.
-
Key words:
- bioclimatic indicator /
- climate change /
- NDVI /
- vegetation sensitivity /
- geographical detector /
- Qinling-Daba Mountain
-
图 1 秦巴山区地形和气象站点分布
Figure 1. Distribution of topographic and meteorological stations in Qinling-Daba Mountains
图 2 1982—2015年秦巴山区（a）平均气温和（b）平均年降水量
Figure 2. (a) average temperature and (b) average annual precipitation in Qinling-Daba Mountains from 1982 to 2015
图 3 1982—2015年秦巴山区热量指标空间分布
注：（a）平均积温；（b）积温日数；（c）温暖指数；（d）寒冷指数；（e）最暖月均温；（f）最冷月均温分布。
Figure 3. Spatial distribution of heat index in Qinling-Daba Mountains from 1982 to 2015
图 4 1982—2015年秦巴山区（a）平均干燥度和（b）干旱频率
Figure 4. (a) Average dryness and (b) drought frequency in Qinling-Daba Mountains from 1982 to 2015
图 5 1982—2015年秦巴山区各生物气候指标变化
Figure 5. Changes of bioclimatic indicators in Qinling-Daba Mountains from 1982 to 2015
图 6 1982—2015年秦巴山区SPI变化
Figure 6. SPI changes in Qinling-Daba Mountains from 1982 to 2015
图 7 1982–2015年秦巴山区（a）平均NDVI（b）和NDVI变化趋势
注：图7b中空白区域的NDVI变化趋势不显著（p<0.05）。
Figure 7. Change trend of (a) average NDVI (b) and NDVI in Qinling-Daba Mountains from 1982 to 2015
图 8 植被变化主要影响要素的三维分布
Figure 8. Three dimensional distribution of main influencing factors of vegetation change
表 1 秦巴山区气象站点数据
Table 1. List of meteorological stations in Qinling-Daba Mountains
站点序号 站点名称 经度(°E) 纬度(°N) 海拔(m) 站点序号 站点名称 经度(°E) 纬度(°N) 海拔(m) 52985 和政 103.3 35.4 2 162.8 57137 宁陕 108.3 33.3 802.4 56071 碌曲 102.5 34.6 3 105.7 57140 柞水 109.1 33.7 818.2 56081 临潭 103.4 34.7 2 810.2 57143 商县 110.0 33.9 742.2 56084 迭部 103.2 34.1 2 374.2 57144 镇安 109.2 33.4 693.7 56091 漳县 104.5 34.9 1 883.3 57153 丹凤 110.3 33.7 581.7 56093 岷县 104.0 34.4 2 315.0 57154 商南 110.9 33.5 523.0 56094 舟曲 104.4 33.8 1 400.0 57155 山阳 109.9 33.6 660.2 56095 宕昌 104.4 34.0 1 753.2 57156 西峡 111.5 33.3 250.3 56096 武都 104.9 33.4 1 079.1 57162 嵩县 112.1 34.1 325.8 56097 九寨沟 104.3 33.3 1 436.5 57176 南召 112.4 33.5 231.1 56180 茂县 103.9 31.7 1 590.1 57204 青川 105.2 32.6 782.0 56182 松潘 103.6 32.7 2 850.7 57206 广元 105.9 32.4 513.8 56184 理县 103.2 31.4 1 896.7 57211 宁强 106.3 32.8 836.1 56185 黑水 103.0 32.1 2 400.1 57213 南郑 106.9 33.0 536.5 56192 文县 104.7 33.0 1 014.3 57216 南江 106.8 32.4 579.3 56193 平武 104.5 32.4 893.2 57217 旺苍 106.3 32.2 485.7 57001 甘谷 105.3 34.8 1 271.9 57231 紫阳 108.5 32.5 503.8 57006 天水 105.8 34.6 1 141.6 57232 石泉 108.3 33.1 484.9 57007 礼县 105.2 34.2 1 404.6 57233 汉阴 108.5 32.9 413.1 57008 西和 105.3 34.0 1 579.0 57237 万源 108.0 32.1 674.0 57014 麦积 105.9 34.6 1 085.2 57238 镇巴 107.9 32.5 693.9 57028 太白 107.3 34.0 1 543.6 57242 旬阳 109.4 32.9 285.5 57046 华山 110.1 34.5 2 064.9 57245 安康 109.0 32.7 290.8 57057 洛南 110.2 34.1 963.4 57247 岚皋 108.9 32.3 438.5 57065 宜阳 112.2 34.5 196.4 57248 平利 109.3 32.4 431.0 57067 卢氏 111.0 34.1 569.9 57249 竹溪 109.7 32.3 448.2 57074 伊川 112.4 34.4 252.2 57251 郧西 110.4 33.0 249.1 57077 栾川 111.6 33.8 750.3 57253 郧县 110.8 32.9 201.9 57078 汝阳 112.5 34.2 336.5 57254 白河 110.1 32.8 322.5 57080 巩义 113.0 34.7 165.2 57256 十堰 110.8 32.7 286.5 57082 登封 113.0 34.5 427.1 57257 竹山 110.2 32.2 307.0 57085 新密 113.3 34.5 259.9 57259 房县 110.8 32.1 426.9 57102 成县 105.7 33.8 970.0 57260 丹江口 111.5 32.6 133.4 57105 康县 105.6 33.3 1 221.2 57261 淅川 111.5 33.1 233.0 57106 略阳 106.2 33.3 794.2 57268 谷城 111.6 32.3 120.0 57110 徽县 106.1 33.8 930.8 57333 城口 108.7 32.0 798.2 57111 两当 106.3 33.9 961.4 57343 镇坪 109.5 31.9 995.8 57113 凤县 106.5 33.9 985.9 57345 巫溪 109.6 31.4 337.8 57119 勉县 106.7 33.2 548.1 57349 巫山 109.9 31.1 275.7 57124 留坝 106.9 33.6 1 032.1 57359 兴山 110.7 31.4 336.8 57126 洋县 107.6 33.2 469.9 57361 保康 111.3 31.9 327.7 57127 汉中 107.0 33.1 509.5 57362 神农架 110.7 31.8 935.2 57128 城固 107.3 33.2 486.4 57363 南漳 111.8 31.8 151.0 57129 西乡 107.7 33.0 447.5 57368 运安 111.6 31.1 116.0 57134 佛坪 108.0 33.5 827.2 
下载: 导出CSV
表 2 生物气候指标
Table 2. Bioclimatic indicators
指标类型 指标名称 指标意义 备注 热量指标 平均气温 多年平均气温 采用站点观测 2 m 处日均气温计算 最暖月均温 多年平均的最热月气温 最冷月均温 多年平均的最冷月气温 温暖指数 一年内大于5 ℃的各月平均气温累加 寒冷指数 一年内小于5 ℃的各月平均气温累加 积温 多年平均的一年内大于10 ℃的温度累积 积温日数 多年平均的一年内大于10 ℃的日数 水分指标 年降水量 一年中一个地区降水(包括液态和固态降水)的总量 水热组合指标 干燥度 表征地区干湿程度的指标 谢良尼诺夫干燥指数 SPI 采用Γ函数的标准化降水累积频率分布表征某时段降水量出现的概率 基于月尺度SPI提取干旱频率
下载: 导出CSV
表 3 SPI干旱等级划分[19]
Table 3. SPI drought classification
重度干旱 中度干旱 轻度干旱 非干旱 SPI ≤ −2.0 −2.0 ＜ SPI ≤ −1.0 −1.0 ＜ SPI ＜ −0.5 −0.5 ≥ SPI
下载: 导出CSV
表 4 地理探测器因子探测结果
Table 4. Geodetector factor detection results
生物气候指标 温暖指数 干旱频率 积温 最暖月均温 平均气温 q统计量 0.243 0.242 0.237 0.236 0.223 P值 0.000 0.000 0.000 0.000 0.000 生物气候指标 积温日数 干燥度 年降水量 最冷月均温 寒冷指数 q统计量 0.190 0.168 0.139 0.137 0.118 P值 0.000 0.000 0.000 0.000 0.000
下载: 导出CSV
表 5 生物气候指标与NDVI相关分析结果
Table 5. Correlation analysis results of bioclimatic indicators and NDVI
生物气候指标 NDVI变化与指标显著相关的站点 年均气温 碌曲、迭部、漳县、松潘、甘谷、麦积、洛南、渑池、伊川、偃师、汝阳、登封、成县、城固、佛坪、宁陕、商县、丹凤、山阳、西峡、嵩县、青川、旺苍、安康、岚皋、竹山、房县 温暖指数 迭部、漳县、甘谷、麦积、洛南、伊川、偃师、汝阳、登封、成县、城固、佛坪、宁陕、商县、丹凤、山阳、西峡、青川、旺苍、安康、岚皋、竹山、房县 寒冷指数 碌曲、漳县、渑池、伊川、城固、西峡、嵩县 积温 迭部、漳县、岷县、松潘、甘谷、麦积、洛南、伊川、偃师、汝阳、登封、成县、康县、留坝、城固、佛坪、宁陕、商县、镇安、丹凤、山阳、西峡、青川、旺苍、安康、竹山、房县 积温日数 迭部、漳县、岷县、松潘、甘谷、麦积、洛南、伊川、偃师、登封、成县、康县、徽县、两当、凤县、留坝、城固、西乡、佛坪、宁陕、柞水、商县、镇安、丹凤、山阳、西峡、青川、旺苍、竹山、房县 最冷月均温 碌曲、渑池、伊川、嵩县 最暖月均温 迭部、洛南、伊川、新密、佛坪、丹凤、镇巴、镇坪 降水 临潭、宕昌、茂县、黑水、嵩县、青川、旺苍 干旱频率 临潭、宕昌、茂县、黑水、嵩县、青川、广元、旺苍、保康 干燥度 茂县、西和、登封、保康 注：加粗站点的NDVI变化与指标的相关性通过0.05显著性水平检验；未加粗站点的NDVI变化与指标的相关性通过0.1显著性水平检验。
下载: 导出CSV
-
[1] Yao Y H, Hu Y F, Kou Z X, et al. Spatial Patterns of Pinus Tabulaeformis and Pinus massoniana Forests in Qinling-Daba Mountains and the Boundary of Subtropical and Warm Temperate Zones[J]. Journal of Geographical Sciences, 2020, 30(9): 1523−1533. doi: 10.1007/s11442-020-1797-5 [2] 张百平. 中国南北过渡带研究的十大科学问题[J]. 地理科学进展, 2019, 38(3): 305−311. [3] 杨金燕, 赵曦琳, 刘本洪, 等. 四川秦巴山区特色生物资源开发现状与潜力[J]. 国土资源科技管理, 2016, 33(2): 90−95. doi: 10.3969/j.issn.1009-4210.2016.02.016 [4] 卞娟娟, 郝志新, 郑景云, 等. 1951—2010年中国主要气候区划界线的移动[J]. 地理研究, 2013, 32(7): 1179−1187. [5] 张晓东, 朱文博, 崔耀平, 等. 伏牛山地区森林植被动态变化对水热条件的响应[J]. 地理研究, 2016, 35(6): 1029−1040. [6] 陆福志, 鹿化煜. 秦岭-大巴山高分辨率气温和降水格点数据集的建立及其对区域气候的指示[J]. 地理学报, 2019, 74(5): 875−888. doi: 10.11821/dlxb201905003 [7] 陈超男, 朱连奇, 田莉, 等. 秦巴山区植被覆盖变化及气候因子驱动分析[J]. 生态学报, 2019, 39(9): 3257−3266. [8] 卢玲, 李新, Veroustraete F. 中国西部地区植被净初级生产力的时空格局[J]. 生态学报, 2005, 25(5): 1026−1032,1237. doi: 10.3321/j.issn:1000-0933.2005.05.013 [9] 倪健. 全球变化研究中的生物气候指标[J]. 第四纪研究, 2017, 37(3): 431−441. doi: 10.11928/j.issn.1001-7410.2017.03.01 [10] Piao S L, Fang J Y, Ji W, et al. Variation in a Satellite-Based Vegetation Index in Relation to Climate in China[J]. Journal of Vegetation Science, 2009, 15(2): 219−226. [11] 李晓兵, 史培军. 中国典型植被类型NDVI动态变化与气温、降水变化的敏感性分析[J]. 植物生态学报, 2000, 24(3): 379−382. doi: 10.3321/j.issn:1005-264X.2000.03.023 [12] Islam A R M T, Islam H M T, Shahid S, et al. Spatiotemporal Nexus between Vegetation Change and Extreme Climatic Indices and Their Possible Causes of Change[J]. Journal of Environmental Management, 2021, 289: 112505. doi: 10.1016/j.jenvman.2021.112505 [13] 刘斌, 孙艳玲, 王中良, 等. 华北地区植被覆盖变化及其影响因子的相对作用分析[J]. 自然资源学报, 2015, 30(1): 12−23. doi: 10.11849/zrzyxb.2015.01.002 [14] 江姗珊, 张增信, 王玮琳, 等. 江苏省植被动态演变规律及其与极端气候事件的关系[J]. 南京林业大学学报(自然科学版), 2016, 40(5): 74−80. [15] 赵芳, 张百平, 朱连奇, 等. 秦巴山地垂直带谱结构的空间分异与暖温带-亚热带界线问题[J]. 地理学报, 2019, 74(5): 889−901. doi: 10.11821/dlxb201905004 [16] Li X, Zhang X Q, Xu X M. Precipitation and Anthropogenic Activities Jointly Green the China-Mongolia-Russia Economic Corridor[J]. Remote Sensing, 2022, 14(1): 187. doi: 10.3390/rs14010187 [17] 孟猛, 倪健, 张治国. 地理生态学的干燥度指数及其应用评述[J]. 植物生态学报, 2004, 28(6): 853−861. doi: 10.3321/j.issn:1005-264X.2004.06.015 [18] 袁文平, 周广胜. 标准化降水指标与Z指数在我国应用的对比分析[J]. 植物生态学报, 2004, 28(4): 523−529. doi: 10.3321/j.issn:1005-264X.2004.04.011 [19] McKee T B, Doesken N J, Kleist J. The Relationship of Drought Frequency and Duration to Time Scales[C]//Proceedings of the 8th Conference on Applied Climatology. Boston: American Meteorological Society, 1993: 179-183. [20] Wang J F, Li X H, Christakos G, et al. Geographical Detectors-Based Health Risk Assessment and Its Application in the Neural Tube Defects Study of the Heshun Region, China[J]. International Journal of Geographical Information Science, 2010, 24(1): 107−127. doi: 10.1080/13658810802443457 [21] Wang J, Hu Y. Environmental Health Risk Detection with GeogDetector[J]. Environmental Modelling & Software, 2012, 33: 114−115. [22] Sedgwick P. Pearson's Correlation Coefficient[J]. BMJ, 2012, 345: e4483. doi: 10.1136/bmj.e4483 [23] Liu X F, Zhu X Z, Pan Y F, et al. Spatiotemporal Variation of Vegetation Coverage in Qinling-Daba Mountains in Relation to Environmental Factors[J]. Acta Geographica Sinica, 2015, 70(5): 705−716. [24] 雷蕾. 基于卫星遥感数据的秦巴山区降水植被变化分析[D]. 成都: 成都信息工程大学, 2018. [25] 张百平, 余付勤, 王晶, 等. 西秦岭自然保护的地位与意义[J]. 自然保护地, 2021, 1(2): 31−37. doi: 10.12335/2096-8981.2021012101 [26] 王晓雅, 凌子燕, 陈研, 等. 秦岭中部自然保护区植被生长状况遥感监测[J]. 自然保护地, 2022, 2(2): 48−59. doi: 10.12335/2096-8981.2021121602 [27] 夏少敏, 徐靓. 气候变化对自然保护区的影响及法律对策研究[J]. 华北水利水电学院学报(社会科学版), 2011, 27(4): 132−134. -
点击查看大图
计量
- 文章访问数: 442
- HTML全文浏览量: 1794
- PDF下载量: 68
- 被引次数: 0
邮件订阅
Rss