【原】新疆地区前一年的冬季降水（雪）量在很大程度上决定了来年植被的变化

本文看点Highlight

促进新疆植被覆盖增加的水分来源，需要同时考虑降水和冰川融水。如果升温并没有伴随降水增加，那么较高气温就会抑制植被增长，导致植被覆盖降低；相反，如果随气温升高，降水没有表现出显著增加，但植被覆盖并没有降低，而是呈增加趋势，那么，必定有额外的水分供应，才能抵消高温所导致的干旱胁迫。我们猜测，这额外的水分供应，来自于升温所导致的冰川融化。

许多研究表明，过去30年来新疆植被覆盖率持续增加，而且这些年来，降水量也是持续增加的，二者之间具有相关性是毋庸置疑的。然而，这种关系的细节，可能并非人们想象的那么简单。

我们的研究区

我们可以感受到一些潜在的问题。比如，与年降水量或生长季降水的变化相比，冬季或非生长季降水对植被覆盖作用的影响可能被忽略了。

还有一个问题，要更专业一些：如果我们的研究区当年蒸发率是年降水量的10倍，那么有限的降水增加，能否抵消升温所带来的负效应，从而促进植被的增长？

在新疆地区，重要的水分来源除了降水，还有冰川融水。很容易理解的是，升温会加速冰川融化，冰川融化带来的水分会促进植物生长。因此，了解冰川融化对温度的响应，对于理解该区域的水文循环特征至关重要。

然而，要知道冰川的动态变化，并不是一个简单的活。以往最常用的方法，就是设定一些样点监测冰川平衡线高度和地表质量变化。这样的监测需要大量人力资源和资金支持，所以这样的样点并不会太多，长时间、大区域的观测就更加稀少了。

要进行大范围的监测，有人想到了遥感。的确，遥感在解决我们对地观测方面发挥了重要作用。但是，传统遥感技术是利用地表反射的电磁波能量，这可以方便地监测冰川的面积变化。但许多时候，可能只是冰川的厚度发生了变化，面积并没有太大变化，所以传统光学卫星数据对冰量的估算存在着巨大误差。那怎么办？聪明的脑子想到了用重力场的变化来估算水储量的变化。由美国航空航天局（NASA）和德国航天局（DLR）联合研制的GRACE（Gravity Recovery and Climate Experiment）双星发射升空就是要解决这样问题的。所以，在我们的研究中，我们也想试试这个数据，来监测我们研究区的冰川动态。

这就是测定地球重力场的利器——GRACE双星

欲善其功，必先利其器。有了这些好工具，我们就可以开展下面的研究了。

促进新疆植被覆盖增加的水分来源，我们同时考虑降水和冰川融水。如果升温并没有伴随降水增加，那么较高气温就会抑制植被增长，导致植被覆盖降低；相反，如果随气温升高，降水没有表现出显著增加，但植被覆盖并没有降低，而是呈增加趋势，那么，必定有额外的水分供应，才能抵消高温所导致的干旱胁迫。我们猜测，这额外的水分供应，来自于升温所导致的冰川融化。

对于历史上的气象状况，我们从中国气象科学数据共享服务网
(https:///static/page/page/index.html)下载了51个气象站数据，分析了1982~2011年新疆年均温、年降水、季节平均气温和季节降水的变化趋势。

从年尺度来看，降水量无显著变化，而均温是显著升高的。尤其是1997年之后，气温快速上升。

从季节尺度来看，春季、夏季和秋季的降水量均无显著变化，冬季降水量显著增加；气温则相反，除了冬季平均气温无显著变化外，春季、夏季和秋季的平均气温均呈显著升高趋势。

于是，有趣的问题来了！在新疆许多地区，与降雨所带来的水分相比，冬季降水更多是以积雪的形式储存水分，而融雪是一个较为缓慢的过程，能够下渗到更深土壤层，为土壤提供大量的水分和养分，这可用于促进种子的萌发和植物的生长。有研究表明，增加积雪的深度能够使土壤温度升高，土壤温度升高增强了土壤微生物的活性，从而提高了氮的矿化速率，因而能产生更多的养分被植物吸收利用。这种土壤养分一直可持续到生长季被植物吸收利用。

例如，一些多年生植物(我们说明一下，这里特指冬季根部仍然生长的植物)， 在次年春季生长时可以利用前一年冬季土壤中所形成的养分。因此，近30年来，新疆冬季降水的增加，不仅为植物在生长季初期提供了充足的水分，也为生长季中后期提供了充足的养分。

研究发现，这里的冬季平均气温并没有显著升高，为积雪的储存提供了有利条件。随后，春季平均气温显著升高，使得积雪“爆发式”融化，大量的积雪融化为土壤水。然而，究竟有多少积雪融水能够被植物吸收利用呢？这尚需要进一步探讨。

1982~2011年新疆年均温和年降水的年、季节变化趋势。(a)年均温(MAT);年降水(AP); (b) 春季降水(SpringP),夏季降水(SummerP),秋季降水(AutumnP),冬季降水(WinterP); (c) 春季气温(SpringT),夏季气温(SummerT),秋季气温(AutumnT),冬季气温(WinterT)。P< 0.05 在95%的置信区间显著,P< 0.001 在99%的置信区间显著

我们基于GRACE数据，对新疆重力变化趋势进行了分析。结果表明在2003~2011年间，新疆地区水储量呈逐年递减趋势，说明随气温升高，该地区水储量显著减少。重力场在2008年下降到最低点，2010年有所回升。重力下降最为显著的区域为天山山脉，而天山山脉又是冰川分布较为集中的区域。在新疆的南部与西藏相连的昆仑山山脉，重力有所增加，表明该区域的水储量呈上升趋势。

2003~2011年新疆重力的趋势变化。柱状图为冬季降水

补充说明

从GRACE卫星获得重力场数据，需要进行非常复杂的运算和反演（涉及到通过GPS精确确定轨道和对航天器加速度的各种修正），目前有三个不同的处理中心，对同一份数据，发布不同参数选择的解决方案， 分别称为CSR、GFZ和JPL数据集，这样更有利于消除一些不确定性。甚至有研究认为这三个数据集的简单算术平均值，对降低重力场中的噪声最有效。

我们也对这三个数据集进行了分析：在整个研究时间范围内它们都表现出较好的一致性，仅有GFZ数据集在2003年略低于数据集CSR和JPL，在2004年略高于另外两种数据集，三种数据集在整体的趋势变化上差异不大。2010年冬季降水的增加和重力的回升有一定的联系。新疆重力变化在三种数据集的空间分析上呈现出一致的递减趋势。

基于三种GRACE数据的2003~2011年新疆重力的空间变化趋势：(a) CSR (b) GFZ 和(c) JPL。置信区间为95%

补充说明

赤池信息量准则（Akaike information criterion，AIC）是评估统计模型复杂度，并衡量统计模型“拟合”数据优良性的标准之一。

我们结合AIC和多元回归进行了分析。发现，当只考虑气温和降水这两个因子对植被覆盖的影响时，与植被指数NDVI变化最为相关的变量是春季降水量、夏季平均气温和前一年的冬季降水量。这个模型能够解释62%的NDVI年际变化。其中，前一年的冬季降水量贡献最大。当在气温和降水因子的基础上加入冰川质量变化因子后，重力所代表的冰川质量变化与NDVI呈显著负相关关系，新的多元回归模型能够解释84%的NDVI年际变化。说到这里，不知道你有没有感受到？新疆植被覆盖的变化，显然不能完全由气温和降水两个参数的变化来进行解释。只有同时考虑了冰川质量变化，才能更进一步消除环境因子对NDVI年际变化解释的不确定性。

1982~2011年新疆生长季NDVI与季节气温和降水的多元回归模型以及各环境变量的相对重要值

本表只列出了AIC值(Δi)小于2的回归模型。模型中所有变量前的回归系数均为标准化系数，用来反映各个变量的相对重要性。

2003~2011年新疆生长季NDVI与季节平均气温，季节降水和重力(CSR)的多元回归模型

本表只列出了AIC值(Δi)小于2的回归模型。模型中所有变量前的回归系数均为标准化系数，用来反映各个变量的相对重要性

对了，你可能会想到：除了冰川融化，地下水下降也会导致重力场下降呀。

一点不错，农田灌溉导致地下水下降，这是一个非常普遍的现象，新疆地区也不会幸免。那么，为了区分冰川融化和地下水下降对重力场的影响，那么就需要继续补充一些分析。我们对比分析了包含农田NDVI的变化和不包含农田NDVI的变化情况。结果发现，单独提取出的农田NDVI变化略大于其他植被的变化，这说明这种影响的确是存在的。但是，与自然植被类型相比，农田（水浇地）的面积只占很小的比例（大约占土地总面积的2.47%）。另外，这样引起地下水下降的区域，主要发生在农田。而相对于冰川的面积，农田的面积是非常分散的。因此，我们还是可以明确地得出结论，新疆地区重力场的下降，主要是因冰川融化所致的。当然，有关农田面积增加导致地下水下降，从而对重力场产生影响的细节，的确还是可以开展进一步分析的。我们的研究，暂时没有包含这部分的内容。

2003~2011年含农田的NDVI和不含农田NDVI的月变化

论文信息

Rong Zhang, Zutao Ouyang, Xiao Xie, Haiqiang Guo, Dunyan Tan, Xiangming Xiao, Jiaguo Qi, Bin Zhao. Impact of climate change on vegetation growth in the arid northwest of China from 1982 to 2011. Remote Sensing, 2016, 8: 364.