Page 48 - 《高原气象》2026年第2期
P. 48

高     原      气     象                                 45 卷
              348
             及周边地区）与干旱的相关性较弱（R<0. 2）， 表明该                       性， 且不同地区植被的滞后响应程度存在显著差
             地植被退化并没有因干旱的发展而加剧， 可能与当                            异。图 6 是使用 6 个月尺度的 SPEI 计算的遥感 LAI
             地的农业灌溉和生态恢复工作等有关。                                  和 GPP 与干旱的最大相关性（R           maxlag ）所对应的滞后
                  LAI 和 GPP 对干旱事件的响应强度在 CLM 的                   月份。全区域 68. 35% 的植被对干旱表现出 1~3 个
             模拟中得到了较为精确的捕捉， 与遥感数据有较高                            月的滞后性响应， 其中， R          maxlag 表现为 3 个月时滞所
             的一致性。从图 5（d， h）中可以看出， CLM 模拟的                      覆盖的面积最大（LAI： 49. 69%； GPP： 52. 92%），
             LAI 和 GPP 对干旱的响应情况， 与遥感数据的描述                       主要分布于云南和四川的中部地区、 四川盆地的周
             相似， CLM 与遥感数据均显示出重庆、 四川北部、                         边地区以及贵州南部等地。相比之下， 西南植被对
             云南中部和贵州地区植被LAI和GPP对干旱较强的                           干旱响应较快（滞后月数 0~1个月）的地区占比较小
             响应（R >0. 8）， 也显示出四川中部和云南西北部地                      （31. 65%）， 主要分布在重庆市和贵州北部等地。
                    max
             区与干旱较弱的相关性（R<0. 2）。特别是CLM捕捉                        此外， 植被 LAI 和 GPP 的 R     maxlag  在干旱期间均表现
             到超过90%贵州地区的植被LAI和GPP与干旱的正                          为大范围的正相关［图 7（a）~（c）， （e）~（g）］： LAI
             相关性， 这也与遥感数据的描述有较高的相似性。                           （67. 38%）及 GPP（73. 72%）。具有正效应强度的面
             3. 3. 3 干旱对植被LAI和GPP的时间滞后影响                        积比例明显超过负效应的面积比例， 表明干旱的滞
                  三套遥感数据对干旱滞后响应的表现基本相                           后效应显著加剧了西南大范围面积的植被 LAI 和
             同， LAI 和 GPP 对干旱的滞后响应在空间具有相似                       GPP的退化。


































                                    图6 遥感和模拟的LAI（a~d）和GPP（e~h）对干旱的滞后响应月数
                        Fig. 6 Months of lagged response of remote sensing and simulated LAI（a~d） and GPP（e~h） to drought
                  CLM 较好地模拟了西南地区植被对干旱的滞                         3个月）的滞后响应。此外， 模拟的植被 LAI和 GPP
             后响应， 不同地区 LAI和 GPP对干旱的滞后响应与                        的 R maxlag 在三次干旱下也都表现为大范围的正相关
             遥感数据的表现相似。图 6（d， h）显示了 CLM 对                      ［图 7（d）， （h）］： LAI（78. 21%）及 GPP（77. 82%），
             LAI 和 GPP 滞后响应的模拟情况， 与遥感数据相                        CLM对植被的滞后响应强度的模拟表现较为出色。
             似， 模拟结果显示出大范围面积比例的滞后响应                             3. 3. 4 干旱对植被LAI和GPP的累积效应
             （68. 66%）。CLM 较为精准地捕捉到了贵州东北                            遥感数据之间对干旱累积效应的表现基本相
             部、 重庆市和四川北部地区植被对干旱的较快响应                            同， 不同地区植被对干旱累积响应的时间尺度存在
             （0~1 个月）， 并模拟出云南和四川的中部地区、 四                        显著的空间差异。图 8（a）~（c）和（e）~（g）显示了多
             川盆地周边以及贵州南部等地对干旱较长月数（2~                            时间尺度下（1、 3、 6 和 9 个月）的 SPEI 与遥感 LAI
   43   44   45   46   47   48   49   50   51   52   53