2001—2022年江苏NDVI变化及其对极端气候的响应

doi:10.11924/j.issn.1000-6850.casb2025-0798

摘要/Abstract

摘要：

本研究基于2001—2022年江苏省NDVI遥感数据和气象数据，旨在探讨江苏省极端气候对植被的影响，重点关注植被和极端气候指数的时空演变及二者响应关系。研究计算了18个极端气候指数，采用Sen趋势分析、MK检验、R/S分析和相关分析等方法进行分析。结果表明：（1）2001—2022年江苏省年最大NDVI呈波动下降趋势，空间呈“北高南低”格局，未来51.70%的地区可能退化。（2）江苏省极端高温和极端低温的强度均增强，暖指数变化幅度大于冷指数，白天变化速率高于夜间，极端降水整体呈上升趋势，南部增幅大于中北部。（3）NDVI与极端气温暖指数在沿淮及其以北地区主要呈正相关，淮河以南以负相关为主；与冷指数在沿江及长江以北的东部沿海地区呈负相关，长江以北中西部和东南沿海则以正相关为主；NDVI与极端降水指数主要呈负相关。研究结果可为江苏省生态保护、植被恢复及气候变化适应性管理提供科学支撑。

关键词: NDVI, 极端气候, 时空变化, Hurst指数, 江苏省

Abstract:

Based on NDVI remote sensing data and meteorological data of Jiangsu from 2001 to 2022, aiming at exploring the impact of extreme climate events on vegetation in Jiangsu, the paper calculated 18 extreme climate indices and employed the methods including Sen’s trend analysis, Mann-Kendall (MK) test, R/S analysis, and Pearson correlation to analyze the spatio-temporal characteristics of extreme climate and vegetation changes, as well as their response relationships. The results showed that: (1) from 2001 to 2022, the annual maximum NDVI in Jiangsu exhibited a fluctuating downward trend, with a spatial pattern of ‘higher in the north and lower in the south’; over the 22-year period, 18.50% of the area in province experienced extremely significant degradation, while 9.62% showed extremely significant improvement; in the future, 51.70% of the region might degrade. (2) In Jiangsu, both extreme high and low temperatures had intensified, with the magnitude of change in warm indices being greater than that in cold indices; the rate of daytime changes was higher than nighttime changes; extreme precipitation showed an overall increasing trend, with greater increases in the south compared to the central and northern regions. (3) NDVI and extreme temperature warm indices were mainly positively correlated in areas along the Huaihe River and to its north, while negative correlations dominated south of the Huaihe River; for cold indices, negative correlations were observed along the Yangtze River and the eastern coastal areas to the north of the river, whereas positive correlations prevailed in the central-western and southeastern coastal regions to the north of the Yangtze River; NDVI and extreme precipitation indices were mainly negatively correlated, with negative correlation areas exceeding 50%. In a word, the relationship between extreme climate and vegetation growth shows significant spatial heterogeneity, providing a scientific support for ecological conservation, vegetation restoration, and climate adaptation management in Jiangsu.

Key words: NDVI, extreme climate, spatio-temporal change, Hurst index, Jiangsu

徐恩, 沈伟, 周航, 王锦杰, 颜雅琼, 姚海涛. 2001—2022年江苏NDVI变化及其对极端气候的响应[J]. 中国农学通报, 2026, 42(6): 150-163.

XU En, SHEN Wei, ZHOU Hang, WANG Jinjie, YAN Yaqiong, YAO Haitao. NDVI Variation and Its Response to Extreme Climate in Jiangsu During 2001-2022[J]. Chinese Agricultural Science Bulletin, 2026, 42(6): 150-163.

图/表 14

参考文献 30

[1]	金凯, 王飞, 韩剑桥, 等. 1982—2015年中国气候变化和人类活动对植被NDVI变化的影响[J]. 地理学报, 2020, 75(5):961-974. doi: 10.11821/dlxb202005006
[2]	钟鼎杰, 杨存建. 2001—2020年川西高原植被EVI时空变化特征及气候因子驱动力分析[J]. 水土保持研究, 2022, 29(4):223-230.
[3]	姚利苹, 王雪, 张佳华, 等. 基于MODIS数据的近20年海南岛叶面积指数时空变化及驱动力分析[J]. 中国生态农业学报:中英文, 2024, 32(10):1719-1730.
[4]	徐勇, 黄雯婷, 窦世卿, 等. 2000—2020年西南地区植被NDVI对气候变化和人类活动响应特征[J]. 环境科学, 2022, 43(6):3230-3240.
[5]	齐容镰, 李庆波, 任佳, 等. “三北”工程地区植被覆盖变化特征及其驱动力分析——以宁夏为例[J]. 干旱区研究, 2024, 41(10):1740-1752. doi: 10.13866/j.azr.2024.10.12
[6]	刘慧丽, 陈浩, 董廷旭, 等. 川渝地区NDVI动态特征及其对气候变化的响应[J]. 生态学报, 2023, 43(16):6743-6757.
[7]	陈宽, 杨晨晨, 白力嘎, 等. 基于地理探测器的内蒙古自然和人为因素对植被NDVI变化的影响[J]. 生态学报, 2021, 41(12):4963-4975.
[8]	滑永春, 张恒, 王冰, 等. 1982—2015年内蒙古地区NDVI时空变化及驱动力分析[J]. 西南林业大学学报:自然科学, 2021, 41(6):175-182.
[9]	张衡, 马义娟, 李乐乐, 等. 汾河流域植被NDVI的时空变化特征及其对气候因子的响应[J]. 海南师范大学学报:自然科学版, 2022, 35(3):322-332.
[10]	韩丹丹, 穆兴民, 高鹏, 等. 黄土高原地区植被变化及其对极端气候的响应[J]. 水土保持通报, 2020, 40(2):247-254.
[11]	张晋霞, 徐长春, 杨秋萍. 2001—2017年新疆NDVI变化及其对极端气候的响应[J]. 水土保持通报, 2020, 40(5):250-256,275,341.
[12]	高滢, 孙虎, 徐崟尧, 等. 陕西省植被覆盖时空变化及其对极端气候的响应[J]. 生态学报, 2022, 42(3):1022-1033.
[13]	徐勇, 奚砚涛. 江苏省植被覆盖动态变化及其与气候因子的关系[J]. 水土保持通报, 2015, 35(4):2,195-201,329.
[14]	钱娅. 2006—2015年江苏省植被覆盖度的演变趋势与预测研究[D]. 南京: 南京信息工程大学, 2021.
[15]	高吉喜, 史园莉, 张宏伟, 等. 中国区域250米归一化植被指数数据集(2000—2022)[DS/OL]. 国家青藏高原科学数据中心.
[16]	易文莹, 王海洋, 董明明, 等. 山东省不同水土保持区划NDVI变化及影响因素[J]. 环境科学, 2024, 45(9):5329-5340.
[17]	戴声佩, 李茂芬, 罗红霞, 等. 华南地区极端气温事件时空变化及其因子分析[J]. 江苏农业科学, 2021, 49(14):194-203.
[18]	苗书玲, 曹艳萍, 李晴晴. 1951—2019年黄河流域极端气候事件时空变化规律分析[J]. 河南大学学报:自然科学版, 2022, 52(4):416-429.
[19]	李清清. 近60年来(1960—2019)川中丘陵地区气候变化及极端气候事件研究[D]. 成都: 四川师范大学,2021.
[20]	雷茜, 胡忠文, 王敬哲, 等. 1985—2015年中国不同生态系统NDVI时空变化及其对气候因子的响应[J]. 生态学报, 2023, 43(15):6378-6391.
[21]	张岳, 孙梦鑫, 辛宇, 等. 2000—2020年川东地区植被NDVI变化趋势及影响因素分析[J]. 水土保持研究, 2023, 30(6):247-254,263.
[22]	秦格霞, 芦倩, 孟治元, 等. 1982—2015年中国北方草地NDVI时空动态及其对气候变化的响应[J]. 水土保持研究, 2021, 28(1):101-108,117.
[23]	刘冬冬, 潘萍, 付佳, 等. 2000—2020年赣南植被覆盖时空变化特征及驱动因素[J]. 应用生态学报, 2023, 34(11):2919-2928. doi: 10.13287/j.1001-9332.202311.023
[24]	王兴丽, 蒋友严, 张翼飞, 等. 2001—2020年甘南高原植被变化特征及驱动因素[J]. 草业科学, 2023, 40(9):2185-2198.
[25]	刘智源, 李继红. 2000—2020年黑龙江省植被时空变化对气候因子响应[J]. 森林工程, 2024, 40(1):85-97.
[26]	徐建华. 现代地理学中的数学方法(第三版)[M]. 北京: 高等教育出版社,2017:73-78.
[27]	柴文雯, 贾夏, 赵永华, 等. 黄土高原人类活动强度与植被覆盖的时空关联[J]. 生态学报, 2024, 44(15):6708-6721.
[28]	侯婉, 侯西勇, 董婷. 1999—2020年中国沿海植被覆盖多时空尺度变化特征[J]. 生态学报, 2024, 44(16):7249-7263.
[29]	张彬, 朱建军, 刘华民, 等. 极端降水和极端干旱事件对草原生态系统的影响[J]. 植物生态学报, 2014, 38(9):1008-1018. doi: 10.3724/SP.J.1258.2014.00095
[30]	王晓利, 侯西勇. 1982—2014年中国沿海地区归一化植被指数(NDVI)变化及其对极端气候的响应[J]. 地理研究, 2019, 38(4):807-821. doi: 10.11821/dlyj020180111

类型		名称	代码	定义	单位
极端气温指数	强度指数	极端最高气温	TXx	年内日最高气温的最大值	℃
		极端最低气温	TNn	年内日最低气温的最小值	℃
		气温日较差	DTR	日最高气温与日最低气温的差值	℃
	频率指数	冷昼日数	TX10p	日最高气温<10%分位值的天数	d
		冷夜日数	TN10p	日最低气温<10%分位值的天数	d
		暖昼日数	TX90p	日最高气温>90%分位值的天数	d
		暖夜日数	TN90p	日最低气温>90%分位值的天数	d
		高温日数	SU35	年内日最高气温>35℃的日数	d
		霜冻日数	FD0	年内日最低气温<0℃的日数	d
	持续时间指数	暖持续日数	WSDI	连续6日最高气温>90%分位值的日数	d
	持续时间指数	冷持续日数	CSDI	连续6日最低气温<10%分位值的日数	d
极端降水指数	强度指数	单日最大降水量	RX1day	年内最大日降水量	mm
		5日最大降水量	RX5day	年内连续5日最大降水量	mm
		强降水量	R95p	降水量>95%分位值的总量	mm
		降水强度	SDII	降水量≥1 mm的总量与天数的比值	mm/d
	频率指数	暴雨日数	R50	年内日降水量>50 mm的日数	d
	持续时间指数	连续干旱日数	CDD	日降水量<1 mm最长连续日数	d
	持续时间指数	连续湿润日数	CWD	日降水量≥1 mm最长连续日数	d

类型		名称	代码	定义	单位
极端气温指数	强度指数	极端最高气温	TXx	年内日最高气温的最大值	℃
		极端最低气温	TNn	年内日最低气温的最小值	℃
		气温日较差	DTR	日最高气温与日最低气温的差值	℃
	频率指数	冷昼日数	TX10p	日最高气温<10%分位值的天数	d
		冷夜日数	TN10p	日最低气温<10%分位值的天数	d
		暖昼日数	TX90p	日最高气温>90%分位值的天数	d
		暖夜日数	TN90p	日最低气温>90%分位值的天数	d
		高温日数	SU35	年内日最高气温>35℃的日数	d
		霜冻日数	FD0	年内日最低气温<0℃的日数	d
	持续时间指数	暖持续日数	WSDI	连续6日最高气温>90%分位值的日数	d
	持续时间指数	冷持续日数	CSDI	连续6日最低气温<10%分位值的日数	d
极端降水指数	强度指数	单日最大降水量	RX1day	年内最大日降水量	mm
		5日最大降水量	RX5day	年内连续5日最大降水量	mm
		强降水量	R95p	降水量>95%分位值的总量	mm
		降水强度	SDII	降水量≥1 mm的总量与天数的比值	mm/d
	频率指数	暴雨日数	R50	年内日降水量>50 mm的日数	d
	持续时间指数	连续干旱日数	CDD	日降水量<1 mm最长连续日数	d
	持续时间指数	连续湿润日数	CWD	日降水量≥1 mm最长连续日数	d

变化趋势类型	划分依据	像元数/个	面积占比/%
极显著改善	β>0，\|Z\|>2.58	144063	9.62
显著改善	β>0，1.96<\|Z\|≤2.58	107040	7.15
轻微改善	β>0，0≤\|Z\|≤1.96	435642	29.08
基本稳定	β=0	2058	0.14
轻微退化	β<0，0≤\|Z\|≤1.96	415547	27.74
显著退化	β<0，1.96<\|Z\|≤2.58	116399	7.77
极显著退化	β<0，\|Z\|>2.58	277129	18.50

变化趋势类型	划分依据	像元数/个	面积占比/%
极显著改善	β>0，\|Z\|>2.58	144063	9.62
显著改善	β>0，1.96<\|Z\|≤2.58	107040	7.15
轻微改善	β>0，0≤\|Z\|≤1.96	435642	29.08
基本稳定	β=0	2058	0.14
轻微退化	β<0，0≤\|Z\|≤1.96	415547	27.74
显著退化	β<0，1.96<\|Z\|≤2.58	116399	7.77
极显著退化	β<0，\|Z\|>2.58	277129	18.50

未来变化趋势类型	划分依据	像元数/个	面积占比/%
强持续性&退化	β<0，0.65<H<1.00	31187	2.08
弱持续性&退化	β<0，0.50<H≤0.65	235958	15.76
弱反持续性&退化	β<0，0.35≤H<0.50	435915	29.11
强反持续性&退化	β<0，0<H<0.35	105822	7.07
基本稳定	β=0	2056	0.14
强反持续性&改善	β>0，0<H<0.35	115926	7.74
弱反持续性&改善	β>0，0.35≤H<0.50	391092	26.12
弱持续性&改善	β>0，0.50<H≤0.65	164841	11.01
强持续性&改善	β>0，0.65<H<1.00	14734	0.98