2017, Vol. 22
2 中国科学院大学, 北京 100049;
3 中国气象局数值预报中心, 北京 100081
2 University of Chinese Academy of Sciences, Beijing 100049;
3 Numerical Weather Prediction Center of China Meteorological Administration, Beijing 100081
植被是陆地生态系统的主体，具有明显的季节和年际变化，不仅受气候变化影响，而且还能通过改变地表反照率 (Charney, 1975; Charney et al., 1977; Zeng et al., 1996)、粗糙度 (Sud and Smith, 1985)、蒸散发 (Shukla and Mintz, 1982) 等对气候变化产生反馈作用。因此，关于全球和区域植被变化的研究是认识植被—气候相互作用的基础。近年来，在全球变化的背景下，植被的活动已经发生改变。在植被活动变化研究中，基于卫星遥感的归一化植被指数 (Normalized Difference Vegetation Index, NDVI) 由于明确的物理含义和简单的反演算法已被广泛应用。Myneni et al. (1997b)分析了1981~1991年NOAA NDVI数据集，发现北半球植被有增加的趋势，并将其归因于由于温度升高引起的生长季的延长，这和Keeling et al. (1996)从大气中CO2浓度变化得到的结论是一致的。Zhou et al. (2001)利用NOAA/GIMMS NDVI数据分析了1991~1999年北半球植被活动的变化，结果表明：欧亚大陆高纬度大部分地区生长季NDVI持续增加，而且NDVI的变化和温度变化密切相关。Piao et al. (2003)同样使用NOAA/GIMMS NDVI数据研究了中国植被变化及其和气候之间的关系，发现在国家尺度和生物群落尺度上月和季节平均NDVI都有增加的趋势，并且该趋势存在很大的空间、时间非均一性，并认为这些主要和区域、季节气候变化有关，同时强调了人类活动对一些地区如长江三角洲、珠江三角洲等植被变化的重要影响。
然而，NDVI是谱植被指数的一种，不是生物物理变量。相对于NDVI，植被叶面积指数 (Leaf Area Index, LAI) 的生态学意义更加明显，即投影到单位陆面面积上的叶片总面积。并且，在含有生态过程的陆面模式中如BATS (Dickinson et al., 1998)、SiB2 (Sellers et al., 1996) 和CoLM (Dai et al., 2003)，使用的植被参数是LAI而不是NDVI。因而，研究LAI空间分布、变化及其和气候因子之间的关系一方面能够研究全球变化下植被如何进行响应；另一方面能够为长时间尺度上植被—大气相互作用的模拟打下基础，提供对比分析数据，进而改进模式的参数化过程以及提高模式模拟的精度 (Chase et al., 1996; Tian et al., 2004)。
目前，关于LAI变化及其和气候变化之间关系的研究很少，特别是在中国地区。Jin and Zhang (2002)使用1981~1994年AVHRR LAI数据，仅研究了全球7月LAI的变化及其与地表面温度之间的关系。张佳华等 (2002)研究了全球植被叶面积指数对温度和降水的响应，并指出植被LAI与温度的总体正相关的最大值出现在北半球的中高纬度地区，而LAI与降水的总体正相关高值出现在亚洲东部等地区。但是研究时间太短（1982~1990年），仅9年。黄玫和季劲钧 (2010)使用模式和卫星反演的LAI数据分析了中国区域植被LAI的时空分布。结果表明，中国区域植被LAI分布整体呈现东南部高西北部低的趋势，主要受水分条件限制。然而，他们仅说明了LAI对温度、降水的空间依赖性，并没有研究LAI变化和气候变化之间的关系。所以，有必要对中国地区长时间尺度上LAI变化及其与气候变化之间的关系进行系统、全面的研究。
本文使用1982~1999年美国卫星遥感资料AVHRR Pathfinder LAI数据和来自中国气象局730个台站的温度、降水观测数据去研究中国地区季节、生长季（4~10月）和年平均LAI的变化趋势及其和气候变化之间的关系。为了避免冬季积雪引起的LAI数据误差 (Buermann et al., 2002)，我们只分析了春季、夏季和秋季LAI的变化趋势。此外，为研究不同地区植被总体变化及其与当地气候因子（温度、降水）之间的关系，参照Wang and Yan (2009)，将中国分为6个地区，分别是东北地区（42.5°N~53°N，105°E~133°E）、华北地区（35°N~42.5°N，105°E~129°E）、长江流域（27.5°N~35°N，105°E~123°E）、华南地区（18°N~27.5°N，105°E~122°E）、西南地区（21°N~35°N，88°E~105°E）和西北地区（35°N~48°N，75°E~105°E）（详见图 1a）。由于西北地区LAI数据缺省值太多，因此本研究仅限于东北地区、华北地区、长江流域、华南地区和西南地区，并分析了季节（春季、夏季、秋季）、生长季和年平均LAI的变化趋势及其和气候变化之间的关系。
|
图 1 中国地区1982~1999年的多年平均（a）LAI、（b）温度和（c）年降水量 Fig. 1 Multi-year mean (a) leaf area index (LAI), (b) temperature, and (c) annual total precipitation from 1982 to 1999 in China |
植被叶面积指数资料来源于美国卫星遥感资料AVHRR Pathfinder陆面数据集 (Myneni et al., 1997a)，时间长度为1981年7月至2001年5月，空间分辨率是0.5°（纬度）×0.5°（经度），时间分辨率是月平均。这套高分辨率资料已在全球得到广泛应用 (Asner et al., 2003)。Buermann et al. (2002)使用5种方法评估了1981年7月至1994年9月期间数据集的质量。他们指出，这套LAI数据集是植被年际动态变化的可靠“指示器”。在全球气候模式中，这套卫星反演LAI数据的使用提高了模式对近地面气候的模拟 (Buermann et al., 2001)。所以，使用这套LAI数据集研究中国地区植被变化是有意义的。
本文采用的是1982年1月至1999年12月月平均LAI时间序列。如图 1a是中国地区18年平均的LAI空间分布，其中的空白是缺测值。可以看到，LAI总体呈现出东南部高西北部低的空间分布，与黄玫和季劲钧 (2010)的结果一致。在中国主要农业区如东北平原、华北平原和四川盆地，多年平均的LAI主要集中在1~2之间；在干旱—半干旱地区如呼伦贝尔草原，LAI主要集中在0~1之间；在东北的大兴安岭—小兴安岭、长白山等以森林为主要植被类型的地区，LAI主要集中在3~4之间；而在武夷山区和云南的西南部（植被以常绿针叶林和常绿阔叶林为主），LAI最大，通常在5以上。
2.2 气候数据使用的温度、降水数据都来自于中国气象局730个台站的逐日观测资料。首先，挑选出1982~1999年期间没有进行台站迁移而且温度、降水日数据无缺测现象的气象台站。其中，温度数据符合条件的台站共有609个，降水数据符合条件的台站共594个。其次，使用这些符合条件的站点数据获取研究时期内温度、降水的月平均数据。最后，利用反距离加权法对站点数据进行插值（冯锦明等，2004），形成1982~1999年中国地区0.5°（纬度）×0.5°（经度）月平均温度、降水数据。如图 1b和1c分别是18年平均的温度和年总降水量的空间分布。该分布与Piao et al. (2003)研究中Fig. 2给出的1982~1999年18年平均的温度、年总降水量的空间模态一致。中国地区年平均温度大致在－6~30 ℃之间波动，从北到南逐渐增加，从东到西逐渐减少。年总降水量波动范围很大，在塔克拉玛干沙漠地区小于50 mm，而在华南地区超过了2000 mm，并且从东南到西北逐渐减少。由于位于青藏高原地区台站比较少，所以插值结果可能存在很大误差。但是，本研究只包含了青藏高原的部分地区，因而这些误差对研究结果的影响不大。
|
图 2 中国地区1982~1999年的（a）年平均LAI、（b）生长季平均LAI，（c）年平均温度、（d）生长季平均温度，（e）年总降水量、（f）生长季总降水量的线性变化趋势 Fig. 2 Linear variation trends of (a) annual mean LAI, (b) growing season mean LAI, (c) annual mean temperature, (d) growing season mean temperature, (e) annual total precipitation, and (f) total precipitation in the growing season during the period of 1982-1999 in China |
本文采用最小二乘法计算中国地区每个像元以及每个研究分区（东北地区、华北地区、长江流域、华南地区和西南地区）LAI、温度和降水的线性变化趋势。另外，又使用相关分析诊断LAI变化和气候变化之间的关系。
3 结果和分析 3.1 中国地区LAI、温度和降水线性变化趋势 3.1.1 年和生长季平均变化趋势在1982~1999年期间，在中国大部分地区，年平均LAI有增加的趋势（如图 2a所示），特别是在华北平原的中部、四川盆地的东部、华南的大部分地区以及云南的中西部。然而，在长江三角洲和珠江三角洲附近，LAI有减少的趋势，这可能与这两个地区快速的城市化有关。在生长季，大部分地区LAI都有增加趋势。其中，LAI增加较快的地区位于华北平原中部和湖南广西贵州三省的交界处，年增长率都在0.04/a以上（图 2b）。并且，与年平均LAI变化趋势的空间分布相比，具有LAI减少趋势的区域扩大，长江三角洲和珠江三角洲地区LAI的减少趋势更加明显。
与LAI类似，同样考察了1982~1999年期间的温度、降水的变化趋势。从年平均（如图 2c所示）上来看，中国几乎所有地区温度呈增加的趋势，特别是中国北方地区，这和左洪超等 (2004)的结果是一致的。与温度的变化趋势不同，年总降水量呈现出中国东部长江以北减少，长江以南增加的模态（图 2e）。这体现了20世纪80年代和90年代中国东部南涝北旱的降水分布状况。在生长季，温度和降水的变化趋势分别与年平均温度、年总降水量的趋势相似（图 2d和2f），这里便不再赘述。
3.1.2 季节变化趋势在季节尺度上，大部分地区春季LAI呈现出增加的趋势（如图 3a所示），特别是华北平原中部、陕西南部、四川中部部分地区、云南中部和华南地区北部，增长率都在0.06/a以上，部分地区甚至超过了0.1/a。只有很少一部分地区春季LAI有减少的趋势，减少率均小于0.02/a。在夏季，和春季LAI相比，具有LAI减少趋势的范围扩大（图 3b）。在东北的大兴安岭—小兴安岭地区以及长白山部分地区，LAI有微弱减少的趋势；而在长江三角洲、珠江三角洲和云贵高原的部分地区，LAI减少的幅度较大，减少率在0.02~0.04/a之间。在东北平原、华北平原、四川盆地部分地区和中国东南部大部分地区，夏季LAI是增加的，增幅大都在0.02~0.04/a之间。在秋季，具有LAI减少趋势的范围进一步扩大（图 3c）。在东北大部分地区、广西—贵州交界处、长江三角洲和珠江三角洲，LAI是减少的。其余大部分地区LAI是增加的，而且增幅较大。
|
图 3 中国地区1982~1999年的（a）春季平均LAI、（b）夏季平均LAI、（c）秋季平均LAI，（d）春季平均温度、（e）夏季平均温度、（f）秋季平均温度，（g）春季总降水量、（h）夏季总降水量、（i）秋季总降水量的线性变化趋势 Fig. 3 Linear variation trends of (a-c) LAI, (d-f) temperature, and (g-i) total precipitation in spring (left panel), summer (middle panel), and autumn (right panel) during the pcried period of 1982-1999 in China |
季节温度、降水的变化趋势也呈现出空间上的差异。在春季，中国大部分地区有增温趋势，特别是中国北方和东部沿海地区；部分地区温度有减少趋势，如黑龙江北部和云南小部分地区（图 3d）。而春季降水变化呈现出三极子的空间分布模态，即北方降水减少，中部降水增加，南方降水减少（图 3g）。在夏季，温度变化趋势的空间分布发生很大变化，北方地区温度增加，而南方地区温度减少（图 3e）。这可能和夏季降水北减南增的空间分布模态有关（图 3h）。在秋季，中国大部分地区温度是增加的，特别是北方地区（图 3f）。与温度变化趋势的空间分布相反，秋季降水在中国大部分地区是减少的（图 3i）。
综上可知，在中国大部分地区，年和生长季平均LAI有增加的趋势。并且，LAI变化趋势具有明显的空间和季节非均一性。这可能是由区域气候差异和季节变动引起。下面将通过相关分析来研究植被LAI变化和气候变化之间的关系。
3.2 LAI变化和气候变化之间的关系为了研究植被LAI变化与气候变化之间的关系，分别对年、生长季、春季、夏季和秋季平均LAI及同期温度、降水进行了相关分析。
3.2.1 年和生长季的结果如图 4a所示，年平均LAI和温度在大部分地区正相关，特别是在长江以北的部分地区，这种相关性尤其显著（通过了0.01的显著性检验）。只有很少一部分地区LAI和温度负相关，但并不显著（图 4a）。在珠江三角洲地区，LAI和温度负相关。这可能是因为增温引起该地区温度达到植被生长的上限，从而不利于植被的生长。由LAI和温度之间的相关性可知，在1982~1999年期间，中国大部分地区LAI的增加主要原因之一是温度升高。如图 4b，LAI和降水在大部分地区正相关，特别是在靠近干旱—半干旱带的地区，二者显著正相关（通过了0.01的显著性检验）。这表明在年降水量少的地区植被生长对降水变化极为敏感，降水增加有利于植被生长。在陕西—湖北—安徽一带和东北部分地区，LAI和降水负相关。这种负相关目前暂时无法给出合理的解释。
|
图 4 相关系数的空间分布：（a、b）年、（c、d）生长季、（e、f）春季、（g、h）夏季和（i、j）秋季LAI与温度（左列）、降水（右列）之间的相关系数（±0.46、±0.59分别和950.05%、99%0.01的显著性水平相对应） Fig. 4 Spatial distributions of correlation coefficients between LAI and (a) annual mean temperature, (c) average temperature in the growing season, (e) average temperature in the spring, (g) average temperature in the summer, and (i) average temperature in the autumn; and between LAI and (b) annual mean total precipitation, (d) precipitation in the growing season, (f) precipitation in the spring, (h) precipitation in the summer, and (j) precipitation in the autumn (±0.46 and±0.59 correspond to the 0.0595% and 0.0199% confidence significance levels, respectively) |
在生长季，中国大部分地区LAI和温度正相关，特别是在东北的大兴安岭—小兴安岭地区、长白山和华北平原南部，二者显著正相关（通过了0.05的显著性检验）。而在华北平原中部和东北平原部分地区以及云贵高原的大部分地区，LAI和温度负相关，但并不显著（图 4c）。生长季LAI和降水的相关性的空间分布和年平均结果相似（图 4d），这里不再赘述。在中国大部分地区生长季平均温度升高，而总降水量在长江以北地区减少，长江以南地区增加，这说明中国地区生长季LAI的增加可能主要是因为温度升高。因为温度升高可引起生长季的延长，从而促进植被的生长 (Myneni et al., 1997b; Tucker et al., 2001)。
3.2.2 不同季节的结果在春季，LAI和温度在中国地区基本上都是正相关，特别是在东北的大兴安岭—小兴安岭地区、长白山、四川盆地和长江中下游平原大部分地区，二者显著相关（通过了0.05的显著性检验）。而在华北平原部分地区LAI和温度负相关，但并不显著（图 4e）。虽然华北平原地区温度升高，降水量变化不大，但是LAI明显增加，增长率在0.06/a以上，部分原因可能来自于农业管理水平的提高，如灌溉、施肥的实施。对于LAI和降水，二者在中国大部分地区正相关，而在东北的大兴安岭—小兴安岭地区、四川盆地东部和东南沿海地区，二者负相关（图 4f）。因为在大兴安岭—小兴安岭地区，春季冷而多雪，降水的增加可引起温度降低，生长季可能延迟开始，这不利于植被的生长。在东南沿海地区，春季多雨，降水增多可引起云量的增加和入射太阳辐射的减少，而太阳辐射是该地区植被生长的主要限制因子之一 (Nemani et al., 2003)，因而春季降水的增加不利于该地区植被的生长。
在长江以北的大部分地区尤其是黄土高原，夏季LAI和温度负相关（图 4g）。这是因为在半干旱地区温度升高增加了植被生长的水分胁迫 (Braswell et al., 1997)，阻碍植被生长，所以LAI和温度负相关。在长江流域，LAI与温度、降水之间的相关性正好相反，和温度正相关，和降水负相关（图 4g和4h）。可能是因为长江流域属于湿润地区，植被生长受到的水分胁迫不大，而夏季降水的增加伴随着云的增加、入射太阳辐射的减少和温度的降低，甚至会引发洪水（许厚泽和赵其国，1999），进而导致植被生长的减弱。所以该地区LAI的变化和温度变化一致，而和降水的变化相反。在靠近干旱—半干旱带的地区，LAI与温度、降水之间的相关性是相反的，和温度负相关，而和降水显著正相关（图 4g和4h）。因为这些地区植被生长受土壤水分的影响比较大，降水的增加能够增加植被可利用水分，而温度的降低可减少蒸散发，提高植被的水分利用率，从而促进植被的生长。故该地区LAI的变化和降水变化一致，和温度变化相反。
秋季，在中国大部分地区LAI和温度正相关（图 4i），特别是在东北的大兴安岭—小兴安岭地区和四川盆地，二者显著正相关（通过了0.05的显著性检验）。相反地，LAI和降水在中国大部分地区负相关。秋季温度的升高可推迟植被休眠，延长植被生长季，进而促进植被生长。而降水的增加会引起温度的降低，对植被的生长不利。
由以上分析可知，从年和生长季来看，中国大部分地区植被LAI的增加主要是由于温度升高。在东北大部分地区，LAI和温度显著正相关。这说明在中国高纬度寒冷地区植被生长对温度极其敏感。在靠近干旱—半干旱带的地区，LAI和降水显著正相关。这体现了在干旱—半干旱带附近水分是限制植被生长的主要因子之一。此外，人类活动如农业活动、城市化等对华北平原、长江三角洲和珠江三角洲等地区LAI变化也起到了重要作用。
3.3 区域平均植被LAI变化及其与气候变化之间的关系另外，为了考察中国不同地区植被的总体变化，从区域平均的角度研究了在中国的东北地区、华北地区、长江流域、华南地区和西南地区区域平均的LAI变化以及它们与同期气候变化之间的关系。
3.3.1 东北地区在1982~1999年期间，东北地区年和生长季平均LAI呈现出增加趋势，增长率分别是0.0073/a和0.0088/a（图 5a和5d）。由于各地区植被状况不同，我们又计算了LAI的平均相对增长率，亦即LAI增长率与多年平均LAI之间的比值。在这里，年和生长季的平均相对增长率分别是0.0031/a和0.0025/a。但是，降水量变化不大，而温度不断增加（图 5b、5c、5e、5f）。LAI的增加和温度升高是一致的。年和生长季平均LAI分别与同期温度显著正相关，相关系数分别是0.6316和0.4652（均通过了0.05的显著性检验）；而与同期降水之间的相关系数分别是0.2701和0.3469。所以，年和生长季平均LAI的变化受温度和降水共同影响，但是在研究时期内温度变化对LAI变化影响似乎更大。
|
图 5 1982~1999年东北地区的年平均（左列）、生长季平均（右列）（a、d）LAI、（b、e）温度（中列）和（c、f）总降水量的变化 Fig. 5 The variations of annual mean and growing season mean (a, d) LAI, (b, e) temperature, and (c, f) and total precipitation averaged in the Northeast China during the period of 1982-1999 |
就季节变化趋势而言，春、夏两季LAI都是增加的，其中春季LAI增加最快，增长率是0.0132/a，平均相对增长率是0.0087/a。而秋季LAI有微弱减小的趋势。在春、夏、秋三个季，温度都增加，增长率分别是0.0591 ℃/a、0.0401 ℃/a和0.0409 ℃/a。3个季节的总降水量均有微弱减少的趋势。所以，季节平均LAI的变化与温度变化更为一致。通过相关分析可知，在春季和秋季，季节平均LAI和温度显著正相关，相关系数分别是0.7573和0.5630（均通过了0.05的显著性检验）。而夏季LAI和温度相关性不大，相关系数仅为0.0996。3个季节LAI和季节总降水量的相关性较小，相关系数均不足0.1500。春、秋两季LAI和降水之间弱的相关性可能是因为降水增加引起温度的降低，可能引起生长季的缩短，并且伴随入射太阳辐射的减少，不利于植被的生长。综上，春季LAI的快速增加主要是因为温度升高。
3.3.2 华北地区在华北地区，年和生长季平均LAI都有增加的趋势，增长率分别是0.0119/a和0.0164/a（图 6a和6d），年和生长季平均相对增长率分别是0.0079/a和0.0074/a，比东北地区同期LAI（平均相对）增长率大很多。在研究时期内，年和生长季总降水量有减少趋势（图 6c和6f）。降水减少不利于植被的生长。而年和生长季平均温度升高，增长率分别是0.0774 ℃/a和0.0466 ℃/a（图 6b和6e）。因此，LAI变化和温度变化是一致的。年和生长季平均LAI均与同期温度正相关，相关系数分别是0.4794、0.2741；而和同期的总降水量之间的相关系数分别是0.3857、0.3076。因而，年和生长季平均LAI变化受温度和降水共同影响，但是在研究时期内，温度变化对植被变化的贡献更大。研究指出，20世纪80年代以来华北地区由于温度的升高和降水的减少，干旱化趋势在加剧（马柱国和符淙斌，2006）。该地区是中国主要农耕区之一，干旱化的加剧不利于农作物的生长。然而，该区域LAI有增加的趋势。由此可见，农业活动如灌溉、施肥等对农作物生长的促进作用是不可忽视的。所以，华北地区植被变化可能是气候变化和人类活动共同作用的结果，这一点与Piao et al. (2003)使用NDVI指数探讨中国植被变化时得到的结论类似。
在季节尺度上，春、夏、秋三季LAI都增加。从增长率来看，春季LAI增加最快，增长率是0.0194/a；而夏季LAI增加最慢，增长率是0.0104/a。从平均相对增长率来看，同样是春季LAI增加最快（0.0194/a），夏季LAI增加最慢（0.0039/a）。春、夏、秋三个季节平均温度也都是增加的，增长率分别是0.0592 ℃/a、0.0594 ℃/a、0.0508 ℃/a。而春、秋两季总降水量有微弱减少趋势，夏季降水量有微弱增加的趋势。所以，季节平均LAI的变化和同期温度变化更为一致。由相关分析可知，对于春季和秋季，季节平均LAI和温度显著正相关，相关系数分别是0.5687、0.5650（均通过了0.05的显著性检验）。而夏季LAI和温度相关性不大，相关系数仅为0.0030。春、夏两季LAI和降水显著正相关，相关系数分别是0.4107、0.4344（仅通过了0.1的显著性检验）。而在秋季，二者负相关。所以，秋季降水的减少和温度的升高都有利于该季节LAI的增加。秋季LAI的增长率是0.0120/a，平均相对增长率是0.0068/a，仅次于春季LAI的增加幅度。
3.3.3 长江流域在长江流域，年和生长季平均LAI是增加的，增长率分别是0.0171/a和0.0197/a（图 7a和7d），平均相对增长率分别是0.0073/a和0.0065/a。和华北地区类似，长江流域年和生长季总降水量变化不大（图 7c和7f）；而温度呈现增加趋势，增长率分别是0.0599 ℃/a、0.0437 ℃/a（图 7b和7e）。LAI的增加和温度升高是一致的。年和生长季平均LAI分别与同期温度显著正相关，相关系数分别是0.5575、0.4883（均通过了0.05的显著性检验）；而和同期总降水量之间的相关系数分别是0.0723、－0.1267，相关性不大。所以，年和生长季平均LAI随时间的变化主要受温度变化影响，受降水变化影响较小。
春、夏、秋三季LAI都增加。从增长率来看，3个季节中春季LAI增加最快，增长率是0.0300/a；而秋季LAI增加最慢，增长率是0.0107/a。从平均相对增长率来看，同样也是春季LAI增加最快（0.0156/a）。春、夏、秋三季平均温度都在增加，增长率分别是0.0490 ℃/a、0.0402 ℃/a、0.0459 ℃/a。春、夏两季总降水量有增加趋势，增长率分别是2.6548 mm/a、3.7523 mm/a。而秋季总降水量有明显的减少趋势，平均每年减少6.5200 mm。所以，季节平均LAI的变化和同期温度变化比较一致。由相关分析得到，春、夏、秋三季平均LAI分别与同期温度正相关，相关系数分别是0.5331、0.5573、0.3991。LAI和降水只在春季正相关，相关系数是0.3727。在夏季和秋季二者微弱负相关。所以，长江流域春季LAI的快速增加是由于温度升高和降水的增加。
3.3.4 华南地区在华南地区，年和生长季平均LAI都有增加趋势，增长率分别是0.0176/a和0.0207/a（图 8a和8d），平均相对增长率分别是0.0054/a和0.0056/a。年和生长季总降水量都有较大的增加趋势，增长率分别是6.5661 mm/a、9.7714 mm/a（图 8c和8f）。年和生长季平均温度也是增加的，增长率分别是0.0422 ℃/a、0.0141 ℃/a（图 8b和8e）。由相关分析得到，年和生长季LAI分别与同期温度正相关，相关系数分别是0.4391、0.2846；而和同期总降水量的正相关性较小，相关系数分别是0.0314、0.1394。所以，尽管在研究期间内年和生长季总降水量明显增加，但这可能对这两个时期植被增加贡献不大，而植被LAI增加主要是因为温度升高。
在春、夏、秋三个季节，LAI都增加。不管从增长率还是平均相对增长率来看，3个季节中春季LAI增加最快，增长率是0.0435/a，平均相对增长率是0.0183/a；而秋季LAI增加最慢，增长率是0.0011/a，平均相对增长率是0.0003/a。温度在春季和秋季呈现升高趋势，增长率分别是0.0546 ℃/a和0.0219 ℃/a；而在夏季有微弱减小趋势，这可能和夏季降水的较大增加趋势有关。在夏季，降水的增长率是14.6548 mm/a；而在春、秋两季，有减小的趋势，减小率分别是2.7911 mm/a和4.2153 mm/a。由相关分析可知，春、夏、秋三个季节LAI都和同期温度正相关，相关系数分别是0.5261、0.1360和0.1510。关于LAI和降水，二者在春、秋两季相关性很小，相关系数不到0.1；而在夏季正相关，相关系数是0.2530。所以，春季LAI的增加主要是因为温度升高；夏季LAI的增加是由于温度升高和降水的增加；而秋季LAI缓慢的变化趋势是温度升高和降水减少共同作用的结果。
3.3.5 西南地区在西南地区，年和生长季平均LAI均呈现出增加趋势，增长率分别是0.0102/a和0.0090/a（图 9a和9d）；平均相对增长率0.0037/a和0.0029/a。年和生长季总降水量有增加趋势，温度也不断升高（图 9b、9c、9e、9f）。由相关分析可知，年和生长季平均LAI与同期温度正相关，相关系数分别是0.4655、0.1743；并且和同期总降水量显著正相关，相关系数分别是0.4161、0.4721（均通过了0.1的显著性检验）。综上可知，年和生长季平均LAI随时间的增加是温度升高和降水增加共同作用的结果。
在季节尺度上，春、夏、秋三季LAI都增加。其中，春季LAI增加最快，增长率是0.0224/a；而夏季LAI增加最慢，增长率是0.0018/a。平均相对增长率的结果与增长率的类似。LAI的平均相对增长率在春季最大为0.0129/a；而在夏季最小，是0.0005/a。温度在春、夏、秋三个季节有升高趋势，增长率分别是0.0612 ℃/a、0.0234 ℃/a和0.0452 ℃/a。降水在春、夏两季有增加趋势，增长率分别是0.9910 mm/a和1.6201 mm/a；而在秋季，有减少趋势，变化率是0.8161 mm/a。由相关分析可知，在春、秋两季，LAI都和温度正相关，相关系数分别是0.3795、0.2701。而在夏季，LAI和温度几乎不相关，相关系数仅为－0.0500。关于LAI和降水，二者在春、夏两季正相关，相关系数分别是0.2434、0.2808；而在秋季负相关，相关系数是－0.3202。所以，在春、秋两季，LAI的变化是温度和降水变化共同作用的结果；而在夏季，LAI的变化主要与降水变化有关。
由以上分析可知，在1982~1999年期间，各个研究区域内，年和生长季植被LAI都有增加趋势。在东北地区和华北地区，年和生长季LAI变化受温度和降水共同影响。但是，温度变化对LAI变化的贡献似乎更大。在长江流域和华南地区，年和生长季LAI变化主要与温度有关，受降水影响不大。因而，这两个区域内，温度变化是引起LAI变化的主要原因。在西南地区，年平均LAI变化受温度和降水共同的影响。然而，生长季LAI变化受降水影响更大。
在季节尺度上，各个研究区域内，不同季节LAI都有增加趋势，除东北地区秋季LAI之外。并且，对同一研究区域来说，不管从增长率还是平均相对增长率来看，春季LAI的增幅往往是最大的。在所有研究区域内，华南地区春季LAI增加最快。温度升高是各区域春季LAI增加的主要原因之一。而降水变化对季节LAI变化的影响随研究区域而变。例如，在华南地区，春季LAI变化受降水影响较小；而在西南地区，夏季LAI变化主要与降水变化有关。
4 总结和讨论本文利用1982~1999年间的美国卫星遥感资料AVHRR Pathfinder LAI数据，研究了中国地区不同季节、生长季和年平均植被的变化及其与同期气候变化之间的关系。结果表明，1982~1999年的18年来，年平均LAI在中国大部分地区具有增加趋势，特别是在华北平原、四川盆地、东南部大部分地区以及云南中西部。温度升高是LAI增加的主要原因之一。然而，在长江三角洲、珠江三角洲和东北的部分地区，LAI有减少的趋势。其中，在长江三角洲和珠江三角洲，LAI的减少与当地快速的城市化有关。
与年平均的结果类似，在生长季，中国大部分地区LAI同样具有增加的趋势。其中，增加较快的地区位于华北平原的南部和湖南—广西—贵州三省的交界处。但是，与年平均LAI变化趋势的空间分布相比，具有LAI减少趋势的范围扩大，长江三角洲和珠江三角洲地区的LAI减少更加明显。
对不同季节来说（春季、夏季和秋季），中国地区LAI变化趋势存在明显的空间和季节非均一性，这和区域气候变化差异和季节变动有关。在各个季节，大部分地区LAI变化主要和温度变化有关。然而，人类活动对植被变化的作用也是不容忽视的。例如灌溉、施肥等农业活动对华北部分地区LAI的增加起到重要作用，而快速的城市化是引起长江三角洲和珠江三角洲地区各季节LAI减少的重要因素之一。另外，由于数据的局限性，无法严格区分气候变化、人类活动和二氧化碳增加等因素对华北部分地区LAI变化的不同贡献，这为未来利用数值模式提供了挑战。同时，在珠江三角洲地区LAI和温度负相关的机制未完全讨论，可利用数值模式进行进一步的机制分析。
从区域平均的角度来看，在东北地区、华北地区、长江流域、华南地区和西南地区，年平均LAI都有增加趋势。其中，华南地区LAI的增长率最大，这表明在全球变化背景下华南地区可能是一个巨大的潜在碳汇。生长季LAI也都有增加的趋势，但是增长率随区域而变，并在华南地区最大。就季节而言，除了东北地区秋季LAI有微弱减少的趋势之外，其余各地区各季节LAI都有不同程度的增加。而且，各地区LAI的增长率均在春季达到最大，这与其他研究者使用卫星遥感NDVI数据得到的结果是一致的（朴世龙和方精云，2003；陈怀亮等，2009)。另外，在所有研究区域内，华南地区春季LAI增加最快（增长率最大）。温度升高是各区域春季LAI增加的主要原因之一。而降水变化对季节LAI变化的影响随研究区域而变。例如，在华南地区，春季LAI变化受降水影响较小；而在西南地区，夏季LAI变化主要与降水变化有关。
黄玫和季劲钧 (2010)分析了利用不同反演算法以及大气—植被相互作用模型 (AMIP2) 得到的中国区域LAI数据，通过对比LAI在空间分布和季节变化方面的特征指出了不同LAI数据的优缺点以及可能的减小LAI不确定性的改进方案。Tian et al. (2004)对比分析了MODIS LAI与CLM模式 (the Common Land Model) 模拟的LAI。他们指出模式需要更好地量化LAI和SAI (stem area index)，在FPAR (fraction of photosynthetically active radiation) 和反照率的参数化方案中应该对二者加以区分。因而，参照本文得到的各个季节、生长季和年平均LAI的变化及其与气候变化的关系，未来可评估模式对LAI及其对气候变化响应的模拟能力，进而寻找提高模式模拟能力的途径和方法。
| [] | Asner G P, Scurlock J M O, Hicke J A. 2003. Global synthesis of leaf area index observations:Implications for ecological and remote sensing studies[J]. Global Ecology and Biogeography, 12(3): 191–205. DOI:10.1046/j.1466-822X.2003.00026.x |
| [] | Braswell B H, Schimel D S, Linder E, et al. 1997. The response of global terrestrial ecosystems to interannual temperature variability[J]. Science, 278(5339): 870–873. DOI:10.1126/science.278.5339.870 |
| [] | Buermann W, Dong J R, Zeng X B, et al. 2001. Evaluation of the utility of satellite-based vegetation leaf area index data for climate simulations[J]. J. Climate, 14(17): 3536–3550. DOI:10.1175/1520-0442(2001)014<3536:EOTUOS>2.0.CO;2 |
| [] | Buermann W, Wang Y J, Dong J R, et al. 2002. Analysis of a multiyear global vegetation leaf area index data set[J]. J. Geophys. Res., 107(D22): ACL 14-1-ACL 14–16. DOI:10.1029/2001JD000975 |
| [] | Charney J G. 1975. Dynamics of deserts and drought in the Sahel[J]. Quart. J. Roy. Meteor. Soc., 101(428): 193–202. DOI:10.1002/qj.49710142802 |
| [] | Charney J, Quirk W J, Chow S H, et al. 1977. A comparative study of the effects of albedo change on drought in semi-arid regions[J]. J. Atmos. Sci., 34(9): 1366–1385. DOI:10.1175/1520-0469(1977)034<1366:ACSOTE>2.0.CO;2 |
| [] | Chase T N, Pielke R A, Kittel T G F, et al. 1996. Sensitivity of a general circulation model to global changes in leaf area index[J]. J. Geophys. Res., 101(D3): 7393–7408. DOI:10.1029/95JD02417 |
| [] | 陈怀亮, 徐祥德, 杜子璇, 等. 2009. 黄淮海地区植被活动对气候变化的响应特征[J]. 应用气象学报, 20(5): 513–520. Chen Huailiang, Xu Xiangde, Du Zixuan, et al. 2009. Vegetation activity responses to climate change in the Huang-Huai-Hai area based on GIMMS NDVI dataset[J]. Journal of Applied Meteorological Science (in Chinese), 20(5): 513–520. DOI:10.3969/j.issn.1001-7313.2009.05.001 |
| [] | Dai Y J, Zeng X B, Dickinson R E, et al. 2003. The common land model[J]. Bull. Amer. Meteor. Soc., 84(8): 1013–1023. DOI:10.1175/BAMS-84-8-1013 |
| [] | Dickinson R E, Shaikh M, Bryant R, et al. 1998. Interactive canopies for a climate model[J]. J. Climate, 11(11): 2823–2836. DOI:10.1175/1520-0442(1998)011<2823:ICFACM>2.0.CO;2 |
| [] | 冯锦明, 赵天保, 张英娟. 2004. 基于台站降水资料对不同空间内插方法的比较[J]. 气候与环境研究, 9(2): 261–277. Feng Jinmin, Zhao Tianbao, Zhang Yingjuan. 2004. Intercomparison of spatial interpolation based on observed precipitation data[J]. Climatic and Environmental Research (in Chinese), 9(2): 261–277. DOI:10.3969/j.issn.1006-9585.2004.02.004 |
| [] | 黄玫, 季劲钧. 2010. 中国区域植被叶面积指数时空分布——机理模型模拟与遥感反演比较[J]. 生态学报, 30(11): 3057–3064. Huang Mei, Jin Jinjun. 2010. The spatial-temporal distribution of leaf area index in China:A comparison between ecosystem modeling and remote sensing reversion[J]. Acta Ecologica Sinica (in Chinese), 30(11): 3057–3064. |
| [] | Jin M, Zhang D L. 2002. Observed variations of leaf area index and its relationship with surface temperatures during warm seasons[J]. Meteor. Atmos. Phys., 80(1-4): 117–129. DOI:10.1007/s007030200019 |
| [] | Keeling C D, Chin J F S, Whorf T P. 1996. Increased activity of northern vegetation inferred from atmospheric CO<sub>2</sub>measurements[J]. Nature, 382(6587): 146–149. DOI:10.1038/382146a0 |
| [] | 马柱国, 符淙斌. 2006. 1951~2004年中国北方干旱化的基本事实[J]. 科学通报, 51(23): 2913–2925. Ma Zhuguo, Fu Congbin. 2006. Some evidence of drying trend over northern China from 1951 to 2004[J]. Chinese Science Bulletin, 51(23): 2913–2925. DOI:10.3321/j.issn:0023-074X.2006.20.016 |
| [] | Myneni R B, Ramakrishna R, Nemani R, et al. 1997a. Estimation of global leaf area index and absorbed PAR using radiative transfer models[J]. IEEE Trans. Geosci. Remote Sens., 35(6): 1380–1393. DOI:10.1109/36.649788 |
| [] | Myneni R B, Keeling C D, Tucker C J, et al. 1997b. Increased plant growth in the northern high latitudes from 1981 to 1991[J]. Nature, 386(6626): 698–702. DOI:10.1038/386698a0 |
| [] | Nemani R R, Keeling C D, Hashimoto H, et al. 2003. Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J]. Science, 300(5625): 1560–1563. DOI:10.1126/science.1082750 |
| [] | 朴世龙, 方精云. 2003. 1982~1999年我国陆地植被活动对气候变化响应的季节差异[J]. 地理学报, 58(1): 119–125. Piao Shilong, Fang Jingyun. 2003. Seasonal changes in vegetation activity in response to climate changes in China between 1982 and 1999[J]. Acta Geographica Sinica (in Chinese), 58(1): 119–125. DOI:10.11821/xb200301014 |
| [] | Piao S L, Fang J Y, Zhou L M, et al. 2003. Interannual variations of monthly and seasonal normalized difference vegetation index (NDVI) in China from 1982 to 1999[J]. J. Geophys. Res., 108(D14): 4401. DOI:10.1029/2002JD002848 |
| [] | Sellers P J, Randall D A, Collatz G J, et al. 1996. A revised land surface parameterization (SiB2) for atmospheric GCMS[J]. Part Ⅰ:Model formulation[J]. J. Climate, 9(4): 676–705. DOI:10.1175/1520-0442(1996)009<0676:ARLSPF>2.0.CO;2 |
| [] | Shukla J, Mintz Y. 1982. Influence of land-surface evapotranspiration on the earth's climate[J]. Science, 215(4539): 1498–1501. DOI:10.1126/science.215.4539.1498 |
| [] | Sud Y C, Smith W E. 1985. The influence of surface roughness of deserts on the July circulation:A numerical study[J]. Bound.-Layer Meteor., 33(1): 15–49. DOI:10.1007/BF00137034 |
| [] | Tian Y, Dickinson R E, Zhou L, et al. 2004. Comparison of seasonal and spatial variations of leaf area index and fraction of absorbed photosynthetically active radiation from Moderate Resolution Imaging Spectroradiometer (MODIS) and Common Land Model[J]. J. Geophys. Res., 109(D1): D01103. DOI:10.1029/2003JD003777 |
| [] | Tucker C J, Slayback D A, Pinzon J E, et al. 2001. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999[J]. International Journal of Biometeorology, 45(4): 184–190. DOI:10.1007/s00484-001-0109-8 |
| [] | Wang Y, Yan Z W. 2009. Trends in seasonal precipitation over China during 1961-2007[J]. Atmospheric and Oceanic Science Letters, 2(3): 165–171. DOI:10.1080/16742834.2009.11446798 |
| [] | 许厚泽, 赵其国. 1999. 长江流域洪涝灾害与科技对策[M]. 北京: 科学出版社: 317pp. Xu Houze, Zhao Qiguo. 1999. The Flood Disaster and Scientific Strategies in Yangtze River Basin (in Chinese)[M]. Beijing: Science Press: 317pp. |
| [] | Zeng N, Dickinson R E, Zeng X B. 1996. Climatic impact of Amazon deforestation-A mechanistic model study[J]. J. Climate, 9(4): 859–883. DOI:10.1175/1520-0442(1996)009<0859:CIOADM>2.0.CO;2 |
| [] | 张佳华, 符淙斌, 延晓冬, 等. 2002. 全球植被叶面积指数对温度和降水的响应研究[J]. 地球物理学报, 45(5): 631–637. Zhang Jiahua, Fu Congbin, Yan Xiaodong, et al. 2002. Global respondence analysis of LAI versus surface air temperature and precipitation variations[J]. Chinese Journal of Geophysics (in Chinese), 45(5): 631–637. DOI:10.3321/j.issn:0001-5733.2002.05.005 |
| [] | Zhou L M, Tucker C J, Kaufmann R K, et al. 2001. Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999[J]. J. Geophys. Res., 106(D17): 20069–20083. DOI:10.1029/2000JD000115 |
| [] | 左洪超, 吕世华, 胡隐樵. 2004. 中国近50年气温及降水量的变化趋势分析[J]. 高原气象, 23(2): 238–244. Zuo Hongchao, Lü Shihua, Hu Yinqiao. 2004. Variations trend of yearly mean air temperature and precipitation in China in the last 50 years[J]. Plateau Meteorology (in Chinese), 23(2): 238–244. DOI:10.3321/j.issn:1000-0534.2004.02.017 |