李忠良 何光鑫 李勛

摘要 利用1982—2016年的青海地區(qū)歸一化植被指數(shù)和氣象數(shù)據(jù)，基于馬爾科夫鏈蒙特卡羅的Copula函數(shù)方法，深入探索晝夜增溫不對稱性與植被活動之間的復(fù)雜關(guān)系，揭示了晝夜增溫和NDVI之間的聯(lián)合概率分布及其季節(jié)性差異。研究結(jié)果表明，晝夜增溫與NDVI之間的關(guān)系在不同季節(jié)呈現(xiàn)顯著差異。尤其在秋季，晝夜增溫對NDVI的影響最為顯著，其次是夏季和春季。通過Copula函數(shù)模型，發(fā)現(xiàn)晝夜增溫與NDVI在特定溫度區(qū)間內(nèi)呈現(xiàn)正相關(guān)，表明適宜的溫度條件下晝夜增溫對植被生長具有促進(jìn)作用。然而，當(dāng)晝夜增溫超過某一閾值時，其對NDVI的促進(jìn)作用轉(zhuǎn)變?yōu)橐种谱饔?，從而限制了植被的生長。同時，還揭示了重現(xiàn)期與晝夜增溫及NDVI之間的關(guān)系。在較低的重現(xiàn)期下，晝夜增溫與NDVI的聯(lián)合概率較高，表明在這些條件下，植被生長良好的情況出現(xiàn)的頻率較高。反之，較高的重現(xiàn)期對應(yīng)于晝夜增溫與NDVI較低的聯(lián)合概率，表明植被生長受到抑制。本研究通過Copula函數(shù)提供了一個全新的視角來理解晝夜增溫與植被動態(tài)之間的相互作用，強(qiáng)調(diào)了氣溫變化對植被生長影響的復(fù)雜性。

關(guān)鍵詞晝夜增溫;歸一化植被指數(shù)（NDVI）;非對稱性增溫;Copula;重現(xiàn)期

氣候變暖導(dǎo)致極端氣候事件頻發(fā)，使得陸地生態(tài)系統(tǒng)對全球變化的響應(yīng)備受關(guān)注（Gong et al.，2017）。植被作為連接大氣、土壤水分和能量循環(huán)的重要組成部分（Kalisa et al.，2019），通過生物物理和地球化學(xué)活動，在調(diào)節(jié)區(qū)域和全球氣候變化中發(fā)揮重要作用（Chen et al.，2018）。歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）作為表征地表植被生長狀況的重要指標(biāo)，是地表環(huán)境與氣候變化的指示器。研究植被的動態(tài)變化及其對氣候變化的響應(yīng)，對于深入理解地表輻射平衡（Silva et al.，2017;Zhang et al.，2020）、碳氮循環(huán)（Del Grosso et al.，2018）、維持生態(tài)系統(tǒng)穩(wěn)定性（Lu et al.，2019）以及動態(tài)監(jiān)測陸地生態(tài)系統(tǒng)變化（He et al.，2017）等方面具有重要意義。溫度作為控制植物生理活動的重要因素之一（Cong et al.，2017;Zhang H X et al.，2018），近幾十年由于生長季溫度升高導(dǎo)致北半球植被生態(tài)系統(tǒng)的光合作用能力增強(qiáng)更為顯著（Wu et al.，2016;Reich et al.，2018;Park et al.，2019）。由于地理要素的復(fù)雜性以及氣候要素間相互作用，全球變暖存在明顯的不一致性（Davy et al.，2017），表現(xiàn)為晝夜增溫速率非對稱性和季節(jié)增溫速率不一致性。生長季的氣溫變化與植被活動之間存在緊密聯(lián)系（Piao et al.，2006;Kong et al.，2017），對植被的影響隨著晝夜交替表現(xiàn)出時間上非一致性的特征。全球大部分地區(qū)夜間增溫速率快于白天，季節(jié)上的增溫也存在同樣特征（Karl et al.，1993;Easterling et al.，1997;Davy et al.，2017;Barton and Schmitz，2018）。北半球高緯度地區(qū)夏季增溫速率大于春季和秋季，這種非對稱性變暖在未來幾十年會持續(xù)增強(qiáng)（Su et al.，2015）。晝夜溫度對植被生理活動的影響機(jī)制不同，其增溫的非對稱性對植被的影響程度不同，植被活動對溫度的變化表現(xiàn)出不確定性（Shen et al.，2018;Deng et al.，2019），溫度的變化特征如何影響植物的生理活動亟須進(jìn)一步研究。

關(guān)于氣候變化對植被影響的研究主要集中于氣候的平均態(tài)對植被的影響（劉向培等，2015;Zhang Y L et al.，2018;Li et al.，2019;Meng et al.，2020）。氣候變暖使得極端氣候事件對NDVI的影響逐漸增強(qiáng)（Tan Z Q et al.，2015；Marcelino et al.，2020），溫度極值對植被變化的影響具有區(qū)域差異性和多樣性（Iglesias et al.，2012;Tan J G et al.，2015;Baumbach et al.，2017;Treharne et al.，2020）。多數(shù)學(xué)者基于傳統(tǒng)線性方法研究氣候因子與NDVI的相互作用關(guān)系，但此方法不能較好地反映時間序列的非平穩(wěn)、非線性特征（Baumbach et al.，2017），在環(huán)境空間異質(zhì)性較大的地區(qū)此問題更加凸顯（Miller，2012）。

大多數(shù)植物的光合作用發(fā)生在白天，但呼吸作用晝夜持續(xù)進(jìn)行，晝夜溫度及其增溫速率的不一致性對植被的生理活動的影響是不同的。近50年地表夜間增溫速率為白天的1.4倍（Peng et al.，2013），晝夜增溫速率的差異性使得植被的固碳活動也呈現(xiàn)出非對稱性（Atkin et al.，2013）。晝夜增溫通過影響植被生態(tài)系統(tǒng)的結(jié)構(gòu)、功能和過程，加強(qiáng)了植被對晝夜增溫速率不對稱性的響應(yīng)（Xia et al.，2018;Du et al.，2019;Ma et al.，2019a）。目前，關(guān)于晝夜增溫速率不對稱性對植被動態(tài)影響的研究較少（Xia et al.，2018），且忽略了季節(jié)的不一致性對植被的影響（Rossi and Isabel，2017;Wang et al.，2020），可能掩蓋植被對晝夜增溫響應(yīng)的季節(jié)性差異。因此，晝夜增溫的非對稱性及其季節(jié)性差異對植被活動影響的研究仍然較為匱乏。

青海是我國生物物種形成和演化中心之一，是氣候變化的“敏感區(qū)”和生態(tài)環(huán)境的“脆弱區(qū)”（Chang et al.，2018;Tang et al.，2018）。青海特殊的高原氣候和環(huán)境，使得高原植被的變化能夠比其他地區(qū)更快速地揭示全球氣候變化。由于地理和社會環(huán)境的差異，不同地區(qū)植被覆蓋動態(tài)變化特征有所不同。全球變暖加劇了區(qū)域的晝夜增溫變化差異，由此使得植被對晝夜增溫的響應(yīng)在區(qū)域尺度上表現(xiàn)得更為明顯。深入探討高寒氣候區(qū)域的植被對晝夜增溫不對稱性的響應(yīng)，可以豐富全球變化的區(qū)域響應(yīng)研究，對于了解區(qū)域生態(tài)環(huán)境的變化趨勢，進(jìn)而制定合理的生態(tài)環(huán)境保護(hù)政策和措施具有一定的參考價值。同時，有助于加深理解晝夜增溫對農(nóng)作物的作用機(jī)制，對于改進(jìn)作物模型也提供了理論支撐。迄今為止，青海地區(qū)長時間尺度的植被動態(tài)變化及其對極端氣候的響應(yīng)尚不明確。本文應(yīng)用Copula方法分析其NDVI時空動態(tài)變化，研究其對晝夜增溫非對稱性和季節(jié)性增溫不一致性的響應(yīng)，揭示了晝夜增溫的非對稱性對植被活動的控制機(jī)制，為深入理解地表水熱過程及預(yù)測植被動態(tài)變化提供科學(xué)依據(jù)，對認(rèn)識該地區(qū)生態(tài)系統(tǒng)演變、保護(hù)當(dāng)?shù)厣鷳B(tài)環(huán)境等具有重要意義。

1 研究區(qū)與研究方法

1.1 研究區(qū)概況

青海地處青藏高原東北部，位于89°35′～103°04′E、31°9′～39°19′N，是長江、黃河、瀾滄江的發(fā)源地，享有“中華水塔”的美譽(yù)。地勢由西向東呈階梯型下降趨勢，平均海拔3 000 m。青海省屬高原大陸性氣候，具有氣溫低、晝夜溫差大、降雨少而集中、日照長、太陽輻射強(qiáng)等特點。年平均氣溫在-5.6～8.6 ℃，降水量從東南向西北遞減，季節(jié)分配不均勻。受地形和氣候條件限制，植被類型多以高寒灌叢、高寒草甸及高寒草原為主，荒漠和山地草原次之，森林植被則比較少。

1.2 數(shù)據(jù)及預(yù)處理

1.2.1 氣象數(shù)據(jù)預(yù)處理

研究采用青海1982年1月1日—2016年12月31日的氣溫數(shù)據(jù)，包括最高氣溫和最低氣溫2個要素。根據(jù)氣象數(shù)據(jù)時間序列長度，數(shù)據(jù)完整性（缺失值小于5％）和空間分布情況，選擇青海省內(nèi)氣象站點。通過質(zhì)量控制測試識別所有站點的異常值，并以質(zhì)量控制標(biāo)志進(jìn)行標(biāo)記。

根據(jù)青海省植被生長規(guī)律，將生長季時段內(nèi)的4—5月、6—8月、9—10月分別劃分為春季、夏季和秋季，大致對應(yīng)植被從變綠到成熟，成熟到衰老，衰老到休眠3個生理過程（Tan J G et al.，2015）。考慮到大部分地區(qū)每日極端最高氣溫出現(xiàn)在14：00（北京時，下同）左右，而每日極端最低氣溫出現(xiàn)在日出前，因此分別將最高氣溫（Tmax）、最低氣溫（Tmin）作為晝夜溫度。

1.2.2 NDVI數(shù)據(jù)預(yù)處理

NDVI數(shù)據(jù)的時間跨度為1982—2016年，分別采用AVHRR數(shù)據(jù)和MODIS數(shù)據(jù)。其中，AVHRR數(shù)據(jù)來自美國航空航天局戈達(dá)德太空中心，數(shù)據(jù)時間跨度為1982—2010年。MODIS地表反射率數(shù)據(jù)來自NASA MODIS陸地產(chǎn)品組開發(fā)的Terra衛(wèi)星每日地表反射率產(chǎn)品MOD09GA，本研究使用了2010—2016年生長季（4—10月）MOD09GA地表反射率數(shù)據(jù)。

對于AVHRR數(shù)據(jù)，通過輻射定標(biāo)、云檢測與過濾、大氣校正及雙向反射率分布函數(shù)（BRDF）處理后生成逐日格網(wǎng)（5 km）數(shù)據(jù)集。對于MOD09GA數(shù)據(jù)，由于AVHRR NDVI和MODIS NDVI數(shù)據(jù)的空間分辨率不同，為了與LTDR數(shù)據(jù)時空相匹配，將MODIS 1-2波段地表反射率數(shù)據(jù)空間分辨率重采樣為5 km。然后經(jīng)過質(zhì)量檢驗、圖像鑲嵌、子集提取、裁剪、格式和投影轉(zhuǎn)換等預(yù)處理過程，得到MODIS NDVI數(shù)據(jù)集。這樣就把AVHRR數(shù)據(jù)集的時間跨度延長為1982—2016年。為了盡可能消除每日NDVI圖像中云或噪聲的影響，通過最大合成法將LTDR和MODIS逐日NDVI分別合成為逐旬NDVI數(shù)據(jù)。

1.3 方法介紹

1.3.1 最大值合成法

最大值合成法（Maximum Value Composite，MVC）由Holben（1986）提出，MVC具體公式如下：

NDVIi=max（NDVIij）。（1）

式中：NDVIi是指第i個月或者第i年的NDVI;NDVIij是指第i月的第j個時間段的NDVI數(shù)據(jù)或者第i年的第j月的NDVI數(shù)據(jù)。

1.3.2 Copula函數(shù)理論

Copula函數(shù)由Sklar（Genest and Favre，2007）提出，它可以利用邊緣分布和相關(guān)性框架構(gòu)建多維聯(lián)合分布Copula函數(shù)模型（Li et al.，2013）。在眾多的刻畫兩個變量相關(guān)關(guān)系的統(tǒng)計方法和模型中，選擇以Copula函數(shù)來刻畫變量之間的相依關(guān)系，是因為Copula函數(shù)具有明顯的優(yōu)勢：Copula函數(shù)擬合的變量相依關(guān)系可以無須假定變量符合某些統(tǒng)計分布特征;Copula給出的是變量之間的聯(lián)合概率分布函數(shù)，而非兩者之間簡單的相關(guān)系數(shù)，這有利于細(xì)致研究變量在不同區(qū)間上的動態(tài)相關(guān)關(guān)系;Copula函數(shù)可以獲得兩個變量在極值區(qū)域上的相關(guān)關(guān)系，為討論變量之間極值相關(guān)性提供了途徑。研究選取了8種Copula函數(shù)簇（Genest and Rivest，1993;Sraj et al.，2015;Sadegh et al.，2017，2018）：1）BB1（Ben Nasr and Fateh，2019）;2）Clayton（Clayton，1978）;3）Frank（Li et al.，2013）;4）Gaussian（Li et al.，2013）;5）Gumbel（Li et al.，2013）;6）Joe（Li et al.，2013）;7）t（Li et al.，2013）;8）Tawn（Gródek et al.，2019），這8種形式的Copula函數(shù)由于其性能，一直是相關(guān)模型的常用選擇。利用選取的Copula函數(shù)建立氣候要素與NDVI的二維聯(lián)合分布。

利用Copula聯(lián)合概率分布研究兩個變量之間的關(guān)系，需要經(jīng)過參數(shù)估計（Chen and Sun，2015）、最優(yōu)Copula函數(shù)簇的選擇和評估、相關(guān)性分析和估計單變量的邊緣分布函數(shù)（Singh et al.，2017；Sadegh et al.，2018）、構(gòu)建雙變量聯(lián)合概率分布（Chen and Sun，2015）和回歸期的計算（Singh and Zhang，2018）等5個步驟。

2 結(jié)果分析

2.1 季節(jié)性晝夜增溫和NDVI趨勢

青海省獨特的自然環(huán)境決定了其植物區(qū)系和植被類型特征，境內(nèi)植被具有典型的高寒性特點，草地為當(dāng)?shù)氐闹饕脖活愋?，生態(tài)系統(tǒng)的結(jié)構(gòu)和功能較為單一。因此，其典型的高原高寒氣候?qū)χ脖坏挠绊懪c其他區(qū)域具有明顯差異。圖1展現(xiàn)了青海省1982—2016年生長季NDVI和晝夜溫度變化情況。

近35年青海省植被表現(xiàn)為明顯增高趨勢，NDVI增長速率達(dá)到0.035 （10 a）-1，說明當(dāng)?shù)厣鷳B(tài)環(huán)境呈現(xiàn)逐漸好轉(zhuǎn)的發(fā)展態(tài)勢。青海NDVI年際變化較大，但波動較小。在2000年左右，NDVI發(fā)生了一個明顯的躍遷，這可能與當(dāng)時全球變暖加劇有關(guān)。青海省晝夜溫度均呈現(xiàn)出增加趨勢，而且表現(xiàn)為晝夜增溫的不對稱性，最低溫的增加速率大于最高溫。其中，最高溫的增溫速率為0.511 ℃／（10 a），最低溫的增溫速率為0.581 ℃／（10 a），最低溫增溫速率為最高溫的1.14倍。青海晝夜溫度的年際變化較大，且波動也較大，受全球變暖影響明顯。

圖2為青海省1982—2016年生長季時段內(nèi)不同季節(jié)的NDVI變化趨勢。NDVI表現(xiàn)為夏季最高，其次為秋季，春季次之。NDVI的增長速率由大到小依次為夏季>春季>秋季。不同季節(jié)的NDVI表現(xiàn)出明顯的年際波動，春季尤為劇烈，其標(biāo)準(zhǔn)差和變異系數(shù)均很大;而秋季的年際波動次之，夏季的年際波動較為平緩。主要是由于青海的水熱條件所決定，當(dāng)?shù)氐木坝^以草地為主，夏季植物生長茂盛，增長相對其他季節(jié)不明顯。而春季氣溫波動較大，生長季的開始和結(jié)束時間會發(fā)生明顯的振蕩。此外，NDVI的飽和效應(yīng)對于夏季NDVI波動幅度較小也會產(chǎn)生很大影響。總體而言，青海地區(qū)各季節(jié)NDVI呈現(xiàn)增長趨勢，且在2000年前后產(chǎn)生了巨大躍遷。

圖3為青海地區(qū)1982—2016年NDVI突變識別檢驗的結(jié)果，可知，青海地區(qū)的NDVI整體上呈現(xiàn)先下降后上升的變化趨勢，其中1997年是NDVI產(chǎn)生突變的年份。植被生長所需的能量來自太陽輻射，受緯度地帶分異的影響，其生長狀況和分布格局受氣候變化的影響較大。通過研究全球區(qū)域內(nèi)NDVI與氣候的相關(guān)性，發(fā)現(xiàn)溫度對NDVI的變化有顯著影響，特別在北半球中緯度以上地區(qū)，存在著季節(jié)尺度上的春、秋季的NDVI受溫度影響尤為顯著。小范圍的氣候突變不易引起局地的NDVI發(fā)生突變，而大范圍的氣候突變現(xiàn)象，例如厄爾尼諾事件的發(fā)生會導(dǎo)致NDVI產(chǎn)生突變。1998年發(fā)生厄爾尼諾／南方濤動（ENSO）事件，全球溫度大幅度升高。中國東部沿海地區(qū)冬季和春季溫度的升高會促進(jìn)植物的光合作用、延長植被的生長期，有利于植被的生長發(fā)育和營養(yǎng)物質(zhì)的累積。因此，青海地區(qū)的NDVI于1997年發(fā)生了巨大的躍遷。

由圖4可見，青海省不同季節(jié)的Tmax均表現(xiàn)為明顯上升趨勢，Tmax增溫幅度呈現(xiàn)明顯差異，在春、夏、秋3季的增長率分別為0.602 ℃／（10 a）、0.529 ℃／（10 a）和0.392 ℃／（10 a），增溫速率表現(xiàn)為春季>夏季>秋季。同理，Tmin在各個季節(jié)均表現(xiàn)為顯著增長趨勢，其增長率分別為0.564 ℃／（10 a）、0.652 ℃／（10 a）和0.491 ℃／（10 a），增溫速率由大到小依次為夏季>春季>秋季。不同季節(jié)的晝夜增溫速率呈現(xiàn)出季節(jié)差異性。青海地區(qū)春、夏和秋的Tmin與Tmax增溫速率之比分別為0.9、1.23和1.25。3個地區(qū)晝夜增溫在不同季節(jié)均表現(xiàn)出不對稱變化特征，存在明顯的季節(jié)性差異。

圖5為青海地區(qū)春、夏、秋3季的晝夜溫差變化趨勢可知，青海省晝夜溫差的變化呈現(xiàn)出季節(jié)性差異，春、夏、秋3季的晝夜溫差波動很大。春季的晝夜溫差呈上升趨勢，增加速率為0.038 ℃／（10 a），而夏季和秋季的晝夜溫差則表現(xiàn)為相反的變化規(guī)律，其中夏季晝夜溫差的下降速率大于秋季。這表明春季晝夜溫差逐漸加大，而夏秋兩季晝夜溫差逐漸縮小。結(jié)合圖1和圖4可知，近35年來青海最高溫的升溫速率小于最低溫。春季白晝增溫速率大于夜間，夏季和秋季則是夜間增溫速率大于白晝。

表1為青海不同季節(jié)晝夜增溫差異與NDVI的相關(guān)系數(shù)。所有季節(jié)的晝夜溫差和NDVI的相關(guān)關(guān)系均通過了統(tǒng)計學(xué)顯著性檢驗。春季和秋季的晝夜溫差與NDVI呈現(xiàn)負(fù)相關(guān)，夏季的晝夜溫差與NDVI呈現(xiàn)正相關(guān)。由于青海的高寒氣候特征，加之海拔較高，在長期的生態(tài)演化中其植物生長的溫度三基點較低。夏季由于輻射強(qiáng)，日照時數(shù)長，地表的熱通量大，溫度就處于植被適宜生長的溫度區(qū)間。晝夜溫差大能更好地滿足植物生長的溫周期需求。秋季由于夜間增溫為白天的1.25倍，導(dǎo)致夜溫較高，增加了呼吸作用對有機(jī)物的消耗，不利于根的生長和細(xì)胞分裂素的合成，降低了整株植物的生長速率。

2.2 構(gòu)建最高溫、最低溫和NDVI Copula函數(shù)簇

本文分別對青海地區(qū)不同季節(jié)最高溫、最低溫和NDVI進(jìn)行相關(guān)分析，并采用Kendall秩相關(guān)系數(shù)、Pearson相關(guān)系數(shù)、Spearman秩相關(guān)系數(shù)3種方法度量變量間的相關(guān)性，計算結(jié)果見表2和表3，均通過P<0.01統(tǒng)計學(xué)顯著性檢驗。

根據(jù)表2和表3可知，青海地區(qū)春季、夏季和秋季晝夜增溫與NDVI的相關(guān)性均呈現(xiàn)為極顯著正相關(guān)關(guān)系（P<0.01）。最高溫、最低溫和NDVI相關(guān)性強(qiáng)弱呈現(xiàn)出秋季>夏季>春季的規(guī)律。各季節(jié)最高溫和NDVI的相關(guān)性都強(qiáng)于最低溫和NDVI的相關(guān)性。由此可知，晝夜增溫在整體上對青海地區(qū)NDVI的影響程度較強(qiáng)，尤其是秋季晝夜增溫對NDVI影響最大。白天增溫和夜間增溫對青海地區(qū)植被的影響差異顯著，白天增溫影響強(qiáng)于夜間增溫。

不同單變量邊緣分布函數(shù)組合擬合Copula函數(shù)時，需要對Copula函數(shù)結(jié)構(gòu)進(jìn)行優(yōu)選，利用AIC、BIC和RMSE3個標(biāo)準(zhǔn)選擇晝夜溫度與NDVI的最優(yōu)Copula函數(shù)簇。

由表4可知，青海地區(qū)3個季節(jié)的Tmax-NDVI最優(yōu)Copula函數(shù)分別為BB1、BB1和Frank，它們對應(yīng)的3種評價指標(biāo)數(shù)值均小于其余Copula函數(shù)的評價指標(biāo)數(shù)值。同理，對于Tmin-NDVI最優(yōu)Copula函數(shù)分別為BB1、BB1和Frank，說明這些Copula函數(shù)的擬合效果最好，更適合描述Tmax-NDVI、Tmin-NDVI的聯(lián)合分布特征。因此，本文選用BB1 Copula、BB1 Copula和Frank Copula函數(shù)分別建立3個季節(jié)最高溫、最低溫和NDVI的二維聯(lián)合概率分布模型。

2.3 最高溫、最低溫和NDVI聯(lián)合概率分布特征

根據(jù)最優(yōu)Copula函數(shù)，分別計算青海地區(qū)生長季時段內(nèi)春季、夏季和秋季的Tmax-NDVI以及Tmin-NDVI的聯(lián)合概率分布及其重現(xiàn)期。

圖6顯示了青海1982—2016年生長季內(nèi)春、夏和秋季最高溫和NDVI之間的聯(lián)合概率分布關(guān)系。從圖6中可以獲取任意點最高溫與NDVI的聯(lián)合概率。聯(lián)合概率分布函數(shù)可以清晰反映最高溫和NDVI在不同值域范圍上的相關(guān)關(guān)系。圖中最顯著的特征是數(shù)據(jù)的不對稱和傾斜的依存結(jié)構(gòu)，并且Tmax、Tmin取極小值時對NDVI影響較小，取極大值時對NDVI影響顯著。

根據(jù)等值線圖可以得出聯(lián)合概率為0.1～0.9時最高溫與NDVI的區(qū)間分布情況。當(dāng)最高溫取固定值，NDVI越大，或NDVI取值固定，最高溫越大，其聯(lián)合概率越大。同一等值線上不同區(qū)間的最高溫和NDVI的聯(lián)合概率也呈現(xiàn)明顯差異。出現(xiàn)最高溫極小值和NDVI極小值、最高溫極小值和NDVI極大值以及最高溫極大值和NDVI極小值這3種情景的聯(lián)合概率較小;而出現(xiàn)最高溫極大值和NDVI極大值的聯(lián)合概率較大。當(dāng)青海春、夏和秋季最高溫位于分別位于10～14、17～24和12～20 ℃區(qū)間時，NDVI值較大的概率較高（大于0.6）相對較大，表明此時植被生長相對良好。

圖7為青海春季、夏季和秋季Tmax-NDVI聯(lián)合超越概率的等值線圖。根據(jù)等值線圖可以獲取最高溫與NDVI為任意值時的聯(lián)合超越概率。圖中顯示了聯(lián)合超越概率分別為0.1～0.9時最高溫與NDVI同時大于等于某一特定值的不同組合情況。最高溫與NDVI的取值越小，其聯(lián)合超越概率越大;反之亦然。說明最高溫與NDVI同時超過較小值發(fā)生的概率，大于同時超過較大值時的概率。綜上表明植物生長都存在適宜的溫度區(qū)間。

圖8表示青海地區(qū)春季、夏季和秋季Tmax-NDVI的聯(lián)合重現(xiàn)期的二維等值線。利用聯(lián)合重現(xiàn)期圖可以計算最高溫或者NDVI大于等于特定值對應(yīng)的重現(xiàn)期。圖中反映了重現(xiàn)期分別為2、5、10、25和50 a時最高溫或者NDVI大于等于特定值的組合情況。聯(lián)合重現(xiàn)期越小，最高溫與NDVI的取值范圍越大，說明當(dāng)最高溫一定時，NDVI出現(xiàn)較小重現(xiàn)期的可能性更大。春季、夏季和秋季Tmax位于較高區(qū)間：8～13、16～21和10～16 ℃，NDVI出現(xiàn)較小重現(xiàn)期的概率最大。上述氣溫區(qū)間下3個季節(jié)的NDVI值分別大于0.1、0.225和0.175，說明該氣溫條件下植物生長良好的情景出現(xiàn)頻次最高。

圖9表示青海春季、夏季和秋季Tmax-NDVI的同現(xiàn)重現(xiàn)期。由同現(xiàn)重現(xiàn)期圖可知最高溫與NDVI同時大于等于特定值的重現(xiàn)期。圖中展現(xiàn)了重現(xiàn)期為2、5、10、25、50 a時最高溫與NDVI同時大于等于特定值的組合情況。對于最高溫和NDVI取值固定的情況，它們的同現(xiàn)重現(xiàn)期明顯大于聯(lián)合重現(xiàn)期。對于同現(xiàn)重現(xiàn)期，給定的重現(xiàn)期越大，則最高溫與NDVI的值越大，甚至當(dāng)最高溫與NDVI的值足夠大時，其同現(xiàn)重現(xiàn)期超過50 a。這說明氣溫超出植物生長的適宜區(qū)間后，NDVI的值較大的情景出現(xiàn)頻次較低，植物生長生長發(fā)育狀況較大概率比較差。

圖10顯示了青海1982—2016年生長季內(nèi)春、夏、秋季最低溫和NDVI之間的聯(lián)合概率分布關(guān)系。從圖中可以獲取任意點的最低溫與NDVI的聯(lián)合概率。聯(lián)合概率分布函數(shù)可以清晰反映出最低溫和NDVI在不同值域范圍上的相關(guān)關(guān)系。圖中最顯著的特征是數(shù)據(jù)的不對稱和傾斜的依存結(jié)構(gòu)，并且最低溫取極小值時對NDVI影響較小，取極大值時對NDVI影響顯著。

根據(jù)等值線圖可以得出聯(lián)合概率為0.1～0.9時最低溫與NDVI的區(qū)間分布情況。當(dāng)最低溫取固定值，NDVI越大，或者當(dāng)NDVI取值固定，最低溫越大，其聯(lián)合概率越大。同一等值線上不同區(qū)間的最低溫和NDVI的聯(lián)合概率也呈現(xiàn)明顯差異。出現(xiàn)最低溫極小值和NDVI極小值、最低溫極小值和NDVI極大值以及最低溫極大值和NDVI極小值這3種情景的聯(lián)合概率較小;而出現(xiàn)最低溫極大值和NDVI極大值的聯(lián)合概率較大。當(dāng)青海3個季節(jié)最低溫分別位于-2～4、7～11和1～8 ℃區(qū)間時，NDVI的值較高概率相對較大（大于0.6），表明此時植被生長相對良好。

圖11為青海春季、夏季和秋季Tmin-NDVI聯(lián)合超越概率的等值線圖。根據(jù)等值線圖可以獲取最低溫與NDVI為任意值時的聯(lián)合超越概率。圖中顯示了聯(lián)合超越概率分別為0.1～0.9時最低溫與NDVI同時大于等于某一特定值的不同組合情況。最低溫與NDVI的取值越小，其聯(lián)合超越概率越大;反之亦然。這說明當(dāng)最低溫與NDVI同時超過某個較小值發(fā)生的概率大于同時超過一個較大值對應(yīng)的概率。青海3個季節(jié)在適宜的溫度條件下，植被生長相對良好的情景出現(xiàn)頻次最高。

圖12表示青海春季、夏季和秋季Tmin與NDVI的聯(lián)合重現(xiàn)期的二維等值線。從聯(lián)合重現(xiàn)期二維圖可知最低溫或者NDVI大于等于特定值的重現(xiàn)期情況，從聯(lián)合重現(xiàn)期的等值線圖可以查出給定重現(xiàn)期2、5、10、25和50 a，

最低溫或者NDVI大于等于特定值的各種組合情況。可以看出，聯(lián)合重現(xiàn)期越小，最低溫與NDVI的取值范圍越大，這說明當(dāng)最低溫一定時，NDVI出現(xiàn)較小重現(xiàn)期的可能性更多。當(dāng)青海省春季、夏季和秋季溫度值分別位于較高時的溫度區(qū)間-4～3、7～10和-0.5～6 ℃，較小重現(xiàn)期出現(xiàn)的概率最大，在這些溫度區(qū)間下，3個季節(jié)植物生長良好的情況出現(xiàn)頻次最高。

圖13表示青海春、夏、秋季最低溫與NDVI的同現(xiàn)重現(xiàn)期。從同現(xiàn)重現(xiàn)期二維圖可知最低溫與NDVI同時大于等于特定值的重現(xiàn)期，從等值線圖可以查出給定重現(xiàn)期2、5、10、25、50 a，最低溫與NDVI同時大于等于特定值的各種組合情況。相同組合下，最低溫與NDVI的同現(xiàn)重現(xiàn)期明顯大于聯(lián)合重現(xiàn)期，組合值越大，其同現(xiàn)重現(xiàn)期越成倍大于聯(lián)合重現(xiàn)期。對于同現(xiàn)重現(xiàn)期，給定重現(xiàn)期越大，則最低溫與NDVI的值越大，甚至當(dāng)最低溫與NDVI的值足夠大時，其同現(xiàn)重現(xiàn)期超過50 a。由此可知，在適宜溫度條件下，最低溫能促進(jìn)植被的生長。隨著最低溫上升，其同現(xiàn)重現(xiàn)期也越大，植被生長良好情景出現(xiàn)頻次越低。因此，最低溫過高時并不一定能促進(jìn)植物的生長，超過一定閾值時，較大的概率會抑制植物生長。

3 討論

3.1 NDVI變化趨勢分析及原因

近35年來青海地區(qū)植被表現(xiàn)出明顯增高趨勢，說明當(dāng)?shù)厣鷳B(tài)環(huán)境呈現(xiàn)逐漸好轉(zhuǎn)的態(tài)勢，這與青海地區(qū)暖濕化的氣候變化趨勢及實施的一系列環(huán)境保護(hù)政策有關(guān)。2000年左右，其NDVI發(fā)生明顯躍遷，這可能與20世紀(jì)末全球變暖加劇有關(guān)（沈永平和王國亞，2013）。21世紀(jì)初青海地區(qū)啟動了生態(tài)治理工程，退耕還林（還草）、禁牧以及控制載畜量，促進(jìn)草地恢復(fù)（劉櫟杉等，2014）。研究表明，青海地區(qū)NDVI雖然局部出現(xiàn)退化情況，但整體仍保持穩(wěn)定趨勢（卓嘎等，2018;韓炳宏等，2019）。青海地區(qū)的年降水呈現(xiàn)增加趨勢，氣候在朝暖濕化演變過程中，植被覆蓋對氣溫響應(yīng)的敏感性高于降水（張戈麗等，2010），可能是由于降水空間分布極不均勻（楊陽等，2020），溫度的升高有利于積雪和冰川融水。溫度通過改變外界環(huán)境和影響植物代謝活動作用于植被，氣候變暖改變了高寒植被生態(tài)系統(tǒng)的物候期，使得返青期提前（馬曉芳等，2016）。由于氣溫升高，尤其是晝夜溫度的增高深刻地影響了當(dāng)?shù)貎鐾恋孛娴臒崃織l件，季節(jié)凍土層熱量條件顯著升高，凍土層深度變薄，凍結(jié)時間縮短，這些都直接作用于植被生長。

較低的NDVI反映了青海地區(qū)植被覆蓋較差。青海生長季相對短暫，地上生物量普遍較小，其平均值較低。另一方面，青海內(nèi)部植被類型多樣，復(fù)雜的地形和氣候類型狀況使得區(qū)域間的植被生長情況具有顯著差異。有些地區(qū)由于增溫而改善了植被生長條件，有些地區(qū)因為生態(tài)環(huán)境惡化而導(dǎo)致NDVI降低，在整體區(qū)域上的平均值就有可能相互抵消而偏低，NDVI變化趨勢的波動性不大。

3.2 晝夜增溫非對稱性對植被活動影響

大部分植物的光合作用在白天進(jìn)行，而呼吸作用貫穿全天。晝夜不對稱增溫速率通過作用于植被的生理過程進(jìn)而影響植被動態(tài)變化（Jing et al.，2016;Yang et al.，2017;Wang et al.，2019）。北半球夏季白天增溫不利于溫帶干旱地區(qū)植被的生長，但春季白天增溫卻能夠利于寒帶地區(qū)植被NDVI的提高（Tan J G et al.，2015）。

青海地區(qū)春季、夏季和秋季的夜間最低溫增溫速率分別是白天最高溫增溫速率的0.94倍、1.23倍和1.25倍，季節(jié)性晝夜增溫呈現(xiàn)出明顯的不對稱特征。過去50年中，夜間全球表面溫度的升高明顯快于白天，并且Tmin比Tmax高1.4倍（Peng et al.，2013）。青海省夏、秋季變暖趨勢與全球趨勢一致，春季則相反。植物在夜間一般不能進(jìn)行光合作用，Tmin升高只能引起植物呼吸作用的增強(qiáng)和體內(nèi)養(yǎng)分代謝速率的增加，造成植物體內(nèi)有機(jī)質(zhì)損耗增加，表現(xiàn)為NDVI降低;白天植被進(jìn)行光合作用，理想的水分條件以及Tmax的升高能夠促進(jìn)植被葉片氣孔更大地張開，使植被在增大蒸騰的同時也增加了CO2進(jìn)入葉片參與光合作用的概率，因此促進(jìn)了植被生長，表現(xiàn)為NDVI升高。這表明熱量是影響北半球中高緯度地區(qū)植被生長的關(guān)鍵因子。

溫帶高寒、山地和荒漠植被對夜間溫度的響應(yīng)較為積極（Xia et al.，2018）。最高溫和最低溫對植被生長發(fā)育都起促進(jìn)作用，這是由于最高溫的升高有助于促進(jìn)光合作用合成更多的有機(jī)物來滿足植物生長發(fā)育的需求。雖然夜間呼吸作用使得有機(jī)物凈累積量減少，但是其夜間自養(yǎng)呼吸加劇而產(chǎn)生的補(bǔ)償作用會使其生產(chǎn)力得以提高。青海地區(qū)Tmin的增加有助于次日植物體內(nèi)碳封存的利用，促進(jìn)植被生長，延長生長季時間，同時夜間增溫降低了霜凍的風(fēng)險（Wan et al.，2009）。

對于增暖放大現(xiàn)象，存在一種解釋機(jī)制可以對晝夜增溫速率的不對稱性進(jìn)行說明（Zhou et al.，2007）。植被通過覆蓋度來影響地表反照率的變化，進(jìn)而影響地表能量平衡。在植被稀疏地區(qū)，其覆蓋度低，導(dǎo)致反照率降低，減少地表吸收的太陽輻射，由于云量減少而引起的增暖加速在一定程度上被抵消了（Knorr et al.，2001）。同時，植被覆蓋度降低也會導(dǎo)致地表發(fā)射率下降。夜間地表長波輻射減少，加速了夜間溫度升高（Zhou et al.，2003）。對于植被覆蓋度較高地區(qū)，由于地表反照率的升高導(dǎo)致白天地表氣溫上升加速;同時，地表發(fā)射率也表現(xiàn)出增加趨勢，使得夜間地表長波輻射增加，減緩了這類區(qū)域的夜間增溫速度。青海地區(qū)整體NDVI呈現(xiàn)出由西北向東南增加的趨勢，NDVI的波動性具有明顯的區(qū)域差異。其中柴達(dá)木盆地周邊及青南牧區(qū)西北部屬于植被覆蓋度較低區(qū)域，NDVI的波動性大;祁連山東部、青南牧區(qū)東南部和東部農(nóng)業(yè)區(qū)的植被覆蓋度較高，NDVI波動性較小。因此，對于不同植被覆蓋度以及不同植被類型的區(qū)域，其晝夜增溫的不對稱性影響NDVI的程度是有差異的。

3.3 不同季節(jié)增溫非一致性對植被活動影響

青海地區(qū)NDVI表現(xiàn)為夏季最大，其次為秋季，春季最小。這表明夏季水熱條件最利草地植被的生長，而春季植被生長需要一定溫度的積累，易受倒春寒等天氣的影響使溫度升高較慢。

青海地區(qū)春季、夏季和秋季晝夜增溫與NDVI的相關(guān)性均呈現(xiàn)為極顯著正相關(guān)關(guān)系（P<0.01），這是因為熱量資源是植被生長的基礎(chǔ)。最高溫、最低溫和NDVI的相關(guān)性強(qiáng)弱均表現(xiàn)為秋季>夏季>春季。夏季的水熱條件均利于植被生長，氣候要素對NDVI影響差異不顯著，而春季溫度相對于秋季波動大，隨著溫度升高蒸發(fā)增加，春季的水熱組合并不一定利于植被生長。另外，溫度對NDVI的影響有一定的滯后性（王艷召等，2020），夏季溫度的積累有利于秋季的NDVI，若秋季寒潮強(qiáng)或影響早，會導(dǎo)致植被較早進(jìn)入枯黃期。

研究發(fā)現(xiàn)白天增溫往往能促進(jìn)植被的光合作用，而更有利于提高植被的NDVI（Peng et al.，2013;Ma et al.，2019b）。本文發(fā)現(xiàn)晝夜增溫對青海地區(qū)植被的影響程度存在季節(jié)性差異。從季節(jié)晝夜增溫的影響程度來看，秋季晝夜增溫對青海地區(qū)植被的影響程度高于夏季和春季，并且白天增溫和夜間增溫對青海地區(qū)NDVI的影響程度也不同，表現(xiàn)為白天增溫影響強(qiáng)于夜間增溫。

青海地區(qū)春夏兩季晝夜溫度和NDVI呈現(xiàn)正相關(guān)，可能與全球變暖引起的大部分地區(qū)春季生長季普遍提前有關(guān)（Piao et al.，2007），也可能是白天增溫導(dǎo)致植被展葉期、返青期提前（Piao et al.，2015）。植物通常在日平均溫度上升到5 ℃的時候開始發(fā)育，進(jìn)入夏季青海地區(qū)溫度迅速升高，這可促進(jìn)酶的活性，加快植物發(fā)育進(jìn)程。夏季是青海省水熱條件最好的季節(jié)，植被生長旺盛，晝夜增溫對植被生長的影響顯然大于春季。Peng et al.（2013）發(fā)現(xiàn)白天溫度升高有利于大部分寒帶、溫帶濕潤地區(qū)植被生長及其生態(tài)系統(tǒng)碳匯功能;夜晚溫度升高對植被的影響正好與白天相反。Shen et al.（2016）發(fā)現(xiàn)，夏季白天增溫利于青藏高原地區(qū)的植被生長，而該季節(jié)夜間溫度的上升對植被的生長起到消極作用。這可能是由于研究區(qū)域和時間的差異導(dǎo)致研究結(jié)果不同。或因為夜間增溫雖然會提升植被暗呼吸，增加其體內(nèi)養(yǎng)分代謝速度，使其體內(nèi)有機(jī)質(zhì)損耗增加，從而降低植被生產(chǎn)力。與夏季相比，秋季晝夜溫差與NDVI的相關(guān)程度更高，這可能是因為夏季Tmax和Tmin在青海地區(qū)已接近植被生長的最適溫度，使得NDVI對它們的敏感程度較低。

3.4 利用Copula函數(shù)探索氣溫與NDVI動態(tài)變化

相關(guān)系數(shù)作為研究變量間相關(guān)性的方法被廣泛采用，但它無法判別變量在不同區(qū)間上的動態(tài)相關(guān)關(guān)系，而且無法排除變量之間存在“偽相關(guān)”的可能性。這些問題利用Copula函數(shù)理論可以得到很好的解決，采用Copula函數(shù)可以發(fā)現(xiàn)氣溫和NDVI更為細(xì)致和真實的動態(tài)變化規(guī)律。青海地區(qū)春季、夏季和秋季晝夜增溫在不同溫度區(qū)間條件下與對應(yīng)的NDVI相依性強(qiáng)弱差異明顯，即對植物生長的影響差異較大。但當(dāng)它們位于適宜溫度區(qū)間時，與NDVI的相依性較強(qiáng)，對植物生長的影響較大。當(dāng)Tmax或者當(dāng)Tmin位于適宜的溫度區(qū)間時，此時NDVI的較小重現(xiàn)期出現(xiàn)概率最大，說明植物生長良好的情況出現(xiàn)頻次最高。但當(dāng)Tmax、Tmin與NDVI的值足夠大時，其重現(xiàn)期甚至?xí)^50 a，說明氣溫超過一定的閾值時，NDVI較高的值出現(xiàn)的概率降低，植物生長受抑制現(xiàn)象出現(xiàn)，氣溫越高，對植物生長抑制作用越大，其顯現(xiàn)良好狀況的概率越低。晝夜增溫以不同的擾動機(jī)制增強(qiáng)和抑制植被生長。Tmax、Tmin接近最佳溫度，顯著促進(jìn)植被光合作用，延長植被生長季周期。當(dāng)Tmax、Tmin增溫不斷加強(qiáng)，超出植被生長所需最佳溫度，植被生長受到抑制，Tmax、Tmin的持續(xù)升高會加快土壤水分蒸發(fā)，加重土壤干旱狀況（Melillo et al.，2002;Park et al.，2013），植被無法從土壤中得到生長必需的水分，植被生長對Tmax、Tmin的響應(yīng)就會轉(zhuǎn)化為顯性負(fù)相關(guān)。

青海作為青藏高原的主要部分，是全球氣候變化的敏感區(qū)，高原高寒生態(tài)系統(tǒng)對氣候變化脆弱而敏感，又會對氣候系統(tǒng)產(chǎn)生反饋，是多圈層耦合過程中的關(guān)鍵因子。近30多年來，隨著青藏高原持續(xù)變暖，高原生長季植被活動呈持續(xù)增強(qiáng)趨勢（Huang et al.，2016;Zou et al.，2020）。增強(qiáng)的植被活動降低了地表生長季白天溫度，對生長季夜間溫度的影響不顯著，總體上降低了局地生長季平均溫度。這種局地降溫效應(yīng)，主要是由于植被增加導(dǎo)致局地蒸騰作用增強(qiáng)，從而降低了地表能量;青藏高原植被活動對氣候變化形成了“負(fù)反饋”。高原植被對氣候的這種“負(fù)反饋”作用能夠減緩氣候變暖帶來的負(fù)面影響（Liu et al.，2018），但是當(dāng)氣溫變暖強(qiáng)度超過高原高寒生態(tài)系統(tǒng)自身的調(diào)節(jié)適應(yīng)能力后，會對當(dāng)?shù)厣鷳B(tài)系統(tǒng)造成重大影響。因此，需要密切關(guān)注當(dāng)?shù)氐臍夂蜃兣?，動態(tài)監(jiān)測NDVI，積極應(yīng)對全球變暖帶來的挑戰(zhàn)。

由于遙感數(shù)據(jù)分辨率較低，同一地區(qū)植被類型的異質(zhì)性等問題，難以取得理想結(jié)果。在未來研究中需引入更高分辨率的植被分類數(shù)據(jù)。針對不同植被類型提出不同氣候變化應(yīng)對政策，因地制宜地建立合適的植被保護(hù)措施，將更有利于維護(hù)自然生態(tài)系統(tǒng)平衡。

4 結(jié)論

1）近35年來青海地區(qū)生長季內(nèi)季節(jié)性晝夜增溫趨勢顯著，晝夜增溫速率具有不對稱性。春季白天的增溫速率快于夜間，夏、秋季夜間的增溫速率都快于白天。

2）青海地區(qū)各季節(jié)晝夜增溫對植被的影響在晝夜和季節(jié)尺度呈現(xiàn)出明顯非對稱性。晝夜增溫在整體上對青海地區(qū)植被影響程度較強(qiáng)，尤其是秋季晝夜增溫對NDVI影響最大，夏季次之，春季最小。白天增溫和夜間增溫對青海地區(qū)植被影響程度存在差異，白天增溫的影響大于夜間增溫。

3）青海地區(qū)各季節(jié)的Tmax和Tmin與NDVI的聯(lián)合概率分布函數(shù)均呈現(xiàn)一定的規(guī)律：當(dāng)Tmax、Tmin一定，NDVI越大時，或者當(dāng)NDVI一定，Tmax、Tmin越大時，其聯(lián)合概率越大，說明Tmax、Tmin取極小值時對NDVI影響較小，Tmax、Tmin取極大值時對NDVI的影響明顯。

4）重現(xiàn)期越小，晝夜增溫與NDVI的取值范圍越大，這說明當(dāng)晝夜增溫一定時，NDVI出現(xiàn)較小重現(xiàn)期的可能性更多。晝夜增溫越大，則重現(xiàn)期越大，表明晝夜增溫超過一定的閾值，植物生長受抑制現(xiàn)象出現(xiàn)的概率更大。

參考文獻(xiàn)（References）

Atkin O K，Turnbull M H，Zaragoza-Castells J，et al.，2013.Light inhibition of leaf respiration as soil fertility declines along a post-glacial chronosequence in New Zealand：an analysis using the Kok method［J］.Plant Soil，367（1）：163-182.doi：10.1007／s11104-013-1686-0.

Barton B T，Schmitz O J，2018.Opposite effects of daytime and nighttime warming on top-down control of plant diversity［J］.Ecology，99（1）：13-20.doi：10.1002／ecy.2062.

Baumbach L，Siegmund J F，Mittermeier M，et al.，2017.Impacts of temperature extremes on European vegetation during the growing season［J］.Biogeosciences，14（21）：4891-4903.doi：10.5194／bg-14-4891-2017.

Ben Nasr I，Chebana F，2019.Multivariate L-moment based tests for Copula selection，with hydrometeorological applications［J］.J Hydrol，579：124151.doi：10.1016／j.jhydrol.2019.124151.

Chang B，He K N，Li R J，et al.，2018.Trends，abrupt changes，and periodicityof streamflow in Qinghai Province，the northeastern Tibetan Plateau，China［J］.Pol J Environ Stud，27（2）：545-555.doi：10.15244／pjoes／76037.

Chen C，He B，Guo L L，et al.，2018.Identifying critical climate periods for vegetation growth in the Northern Hemisphere［J］.J Geophys Res Biogeosci，123（8）：2541-2552.doi：10.1029／2018JG004443.

Chen H P，Sun J Q，2015.Changes in drought characteristics over China using the standardized precipitation evapotranspiration index［J］.J Climate，28（13）：5430-5447.doi：10.1175／jcli-d-14-00707.1.

Clayton D G，1978.A model for association in bivariate life tables and its application in epidemiological studies of familial tendency in chronic disease incidence［J］.Biometrika，65（1）：141-151.doi：10.1093／biomet／65.1.141.

Cong N，Shen M G，Yang W，et al.，2017.Varying responses of vegetation activity to climate changes on the Tibetan Plateau grassland［J］.Int J Biometeorol，61（8）：1433-1444.doi：10.1007／s00484-017-1321-5.

Davy R，Esau I，Chernokulsky A，et al.，2017.Diurnal asymmetry to the observed global warming［J］.Int J Climatol，37（1）：79-93.doi：10.1002／joc.4688.

Del Grosso S J，Parton W J，Derner J D，et al.，2018.Simple models to predict grassland ecosystem C exchange and actual evapotranspiration using NDVI and environmental variables［J］.Agric For Meteorol，249：1-10.doi：10.1016／j.agrformet.2017.11.007.

Deng G R，Zhang H Y，Guo X Y，et al.，2019.Asymmetric effects of daytime and nighttime warming on boreal forest spring phenology［J］.Remote Sens，11（14）：1651.doi：10.3390／rs11141651.

Du Z Q，Zhao J，Liu X J，et al.，2019.Recent asymmetric warming trends of daytime versus nighttime and their linkages with vegetation greenness in temperate China［J］.Environ Sci Pollut Res Int，26（35）：35717-35727.doi：10.1007／s11356-019-06440-z.

Easterling D R，Horton B，Jones P D，et al.，1997.Maximum and minimum temperature trends for the globe［J］.Science，277（5324）：364-367.doi：10.1126／science.277.5324.364.

Genest C，Rivest L P，1993.Statistical inference procedures for bivariate Archimedean Copulas［J］.J Am Stat Assoc，88（423）：1034-1043.doi：10.1080／01621459.1993.10476372.

Genest C，F(xiàn)avre A C，2007.Everything you always wanted to know about Copula modeling but were afraid to ask［J］.J Hydrol Eng，12（4）：347-368.doi：10.1061／（asce）1084-0699（2007）12：4（347）.

Gong Z N，Zhao S Y，Gu J Z，2017.Correlation analysis between vegetation coverage and climate drought conditions in North China during 2001—2013［J］.J Geogr Sci，27（2）：143-160.doi：10.1007／s11442-017-1369-5.

Gródek-Szostak Z，Malik G，Kajrunajtys D，et al.，2019.Modeling the dependency between extreme prices of selected agricultural products on the derivatives market using the linkage function［J］.Sustainability，11（15）：4144.doi：10.3390／su11154144.

韓炳宏，周秉榮，顏玉倩，等，2019.2000—2018年間青藏高原植被覆蓋變化及其與氣候因素的關(guān)系分析［J］.草地學(xué)報，27（6）：1651-1658. Han B H，Zhou B R，Yan Y Q，et al.，2019.Analysis of vegetation coverage change and its driving factors over Tibetan Plateau from 2000 to 2008［J］.Acta Agrestia Sin，27（6）：1651-1658.doi：10.11733／j.issn.1007-0435.2019.06.023.（in Chinese）.

He B，Chen A F，Jiang W G，et al.，2017.The response of vegetation growth to shifts in trend of temperature in China［J］.J Geogr Sci，27（7）：801-816.doi：10.1007／s11442-017-1407-3.

Holben B N，1986.Characteristics of maximum-value composite images from temporal AVHRR data［J］.Int J Remote Sens，7（11）：1417-1434.doi：10.1080／01431168608948945.

Huang K，Zhang Y J，Zhu J T，et al.，2016.The influences of climate change and human activities on vegetation dynamics in the Qinghai-Tibet Plateau［J］.Remote Sens，8（10）：876.doi：10.3390／rs8100876.

Li C，Singh V P，Mishra A K，2013.A bivariate mixed distribution with a heavy-tailed component and its application to single-site daily rainfall simulation［J］.Water Resour Res，49（2）：767-789.

Iglesias A，Garrote L，Quiroga S，et al.，2012.A regional comparison of the effects of climate change on agricultural crops in Europe［J］.Climate Change，112（1）：29-46.doi：10.1007／s10584-011-0338-8.

Jing P P，Wang D，Zhu C W，et al.，2016.Plant physiological，morphological and yield-related responses to night temperature changes across different species and plant functional types［J］.Front Plant Sci，7：1774.doi：10.3389／fpls.2016.01774.

Kalisa W，Igbawua T，Henchiri M，et al.，2019.Assessment of climate impact on vegetation dynamics over East Africa from 1982 to 2015［J］.Sci Rep，9（1）：16865.doi：10.1038／s41598-019-53150-0.

Karl T R，Knight R W，Gallo K P，et al.，1993.A new perspective on recent global warming：asymmetric trends of daily maximum and minimum temperature［J］.Bull Amer Meteor Soc，74（6）：1007-1023.doi：10.1175／1520-0477（1993）074<1007：anporg>2.0.co;2.

Knorr W，Schnitzler K G，Govaerts Y，2001.The role of Bright Desert Regions in shaping North African climate［J］.Geophys Res Lett，28（18）：3489-3492.doi：10.1029／2001gl013283.

Kong D D，Zhang Q，Singh V P，et al.，2017.Seasonal vegetation response to climate change in the Northern Hemisphere （1982—2013）［J］.Glob Planet Change，148：1-8.doi：10.1016／j.gloplacha.2016.10.020.

Li C，Singh V P，Mishra A K，2013.A bivariate mixed distribution with a heavy-tailed component and its application to single-site daily rainfall simulation［J］.Water Resour Res，49（2）：767-789.doi：10.1002／wrcr.20063.

Li H，Liu L，Liu X，et al.，2019.Greening implication inferred from vegetation dynamics interacted with climate change and human activities over the southeast Qinghai-Tibet Plateau［J］.Remote Sens，11（20）：2421.doi：10.3390／rs11202421.

Liu D，Li Y，Wang T，et al.，2018.Contrasting responses of grassland water and carbon exchanges to climate change between Tibetan Plateau and Inner Mongolia［J］.Agric For Meteorol，249：163-175.doi：10.1016／j.agrformet.2017.11.034.

劉櫟杉，延軍平，李雙雙，2014.2000—2009年青海省植被覆蓋時空變化特征［J］.水土保持通報，34（1）：263-267. Liu L S，Yan J P，Li S S，2014.Spatial-temporal characteristics of vegetation restoration in Qinghai Province from 2000 to 2009［J］.Bull Soil Water Conserv，34（1）：263-267.（in Chinese）.

劉向培，劉烈霜，史小康，等，2015.中國東北植被動態(tài)變化及其與氣候因子的關(guān)系［J］.大氣科學(xué)學(xué)報，38（2）：222-231. Liu X P，Liu L S，Shi X K，et al.，2015.Dynamic variation of vegetation over Northeast China and its relationship with climate factors［J］.Trans Atmos Sci，38（2）：222-231.doi：10.13878／j.cnki.dqkxxb.20120509001.（in Chinese）.

Lu Q，Zhao D S，Wu S H，et al.，2019.Using the NDVI to analyze trends and stability of grassland vegetation cover in Inner Mongolia［J］.Theor Appl Climatol，135（3）：1629-1640.doi：10.1007／s00704-018-2614-2.

Ma L Q，Qin F，Wang H，et al.，2019a.Asymmetric seasonal daytime and nighttime warming and its effects on vegetation in the Loess Plateau［J］.PLoS One，14（6）：e0218480.doi：10.1371／journal.pone.0218480.

Ma L Q，Xia H M，Meng Q M，2019b.Spatiotemporal variability of asymmetric daytime and night-time warming and its effects on vegetation in the Yellow River Basin from 1982 to 2015［J］.Sensors，19（8）：1832.doi：10.3390／s19081832.

馬曉芳，陳思宇，鄧婕，等，2016.青藏高原植被物候監(jiān)測及其對氣候變化的響應(yīng)［J］.草業(yè)學(xué)報，25（1）：13-21. Ma X F，Chen S Y，Deng J，et al.，2016.Vegetation phenology dynamics and its response to climate change on the Tibetan Plateau［J］.Acta Prataculturae Sin，25（1）：13-21.doi：10.11686／cyxb2015089.（in Chinese）.

Marcelino J，Silva J P，Gameiro J，et al.，2020.Extreme events are more likely to affect the breeding success of lesser kestrels than average climate change［J］.Sci Rep，10（1）：7207.doi：10.1038／s41598-020-64087-0.

Melillo J M，Steudler P A，Aber J D，et al.，2002.Soil warming and carbon-cycle feedbacks to the climate system［J］.Science，298（5601）：2173-2176.doi：10.1126／science.1074153.

Meng L，Gao S，Li Y S，et al.，2020.Spatial and temporal characteristics of vegetation NDVI changes and the driving forces in Mongolia during 1982—2015［J］.Remote Sens，12（4）：603.doi：10.3390／rs12040603.

Miller J A，2012.Species distribution models［J］.Prog Phys Geogr Earth Environ，36（5）：681-692.doi：10.1177／0309133312442522.

Park T，Chen C，Macias-Fauria M，et al.，2019.Changes in timing of seasonal peak photosynthetic activity in northern ecosystems［J］.Glob Chang Biol，25（7）：2382-2395.doi：10.1111／gcb.14638.

Park W A，Allen C D，Macalady A K，et al.，2013.Temperature as a potent driver of regional forest drought stress and tree mortality［J］.Nat Climate Change，3：292-297.doi：10.1038／nclimate1693.

Peng S S，Piao S L，Ciais P，et al.，2013.Asymmetric effects of daytime and night-time warming on Northern Hemisphere vegetation［J］.Nature，501（7465）：88-92.doi：10.1038／nature12434.

Piao S L，F(xiàn)riedlingstein P，Ciais P，et al.，2006.Effect of climate and CO2 changes on the greening of the Northern Hemisphere over the past two decades［J］.Geophys Res Lett，33（23）.doi：10.1029／2006gl028205.

Piao S L，F(xiàn)riedlingstein P，Ciais P，et al.，2007.Growing season extension and its impact on terrestrial carbon cycle in the Northern Hemisphere over the past 2 decades［J］.Glob Biogeochem Cycles，21（3）.doi：10.1029／2006gb002888.

Piao S L，Tan J G，Chen A P，et al.，2015.Leaf onset in the Northern Hemisphere triggered by daytime temperature［J］.Nat Commun，6：6911.doi：10.1038／ncomms7911.

Reich P B，Sendall K M，Stefanski A，et al.，2018.Effects of climate warming on photosynthesis in boreal tree species depend on soil moisture［J］.Nature，562（7726）：263-267.doi：10.1038／s41586-018-0582-4.

Rossi S，Isabel N，2017.Bud break responds more strongly to daytime than night-time temperature under asymmetric experimental warming［J］.Glob Chang Biol，23（1）：446-454.doi：10.1111／gcb.13360.

Sadegh M，Moftakhari H，Gupta H V，et al.，2018.Multihazard scenarios for analysis of compound extreme events［J］.Geophys Res Lett，45（11）：5470-5480.doi：10.1029／2018gl077317.

Sadegh M，Ragno E，AghaKouchak A，2017.Multivariate Copula Analysis Toolbox （MvCAT）：describing dependence and underlying uncertainty using a Bayesian framework［J］.Water Resour Res，53（6）：5166-5183.doi：10.1002／2016wr020242.

Shen M G，Piao S L，Chen X Q，et al.，2016.Strong impacts of daily minimum temperature on the green-up date and summer greenness of the Tibetan Plateau［J］.Glob Chang Biol，22（9）：3057-3066.doi：10.1111／gcb.13301.

Shen X J，Liu B H，Henderson M，et al.，2018.Asymmetric effects of daytime and nighttime warming on spring phenology in the temperate grasslands of China［J］.Agric For Meteorol，259：240-249.doi：10.1016／j.agrformet.2018.05.006.

沈永平，王國亞，2013.IPCC第一工作組第五次評估報告對全球氣候變化認(rèn)知的最新科學(xué)要點［J］.冰川凍土，35（5）：1068-1076. Shen Y P，Wang G Y，2013.Key findings and assessment results of IPCC WGI fifth assessment report［J］.J Glaciol Geocryol，35（5）：1068-1076.doi：10.7522／j.issn.1000-0240.2013.0120.（in Chinese）.

Silva P F，de Sousa Lima J R，Antonino A C D，et al.，2017.Seasonal patterns of carbon dioxide，water and energy fluxes over the Caatinga and grassland in the semi-arid region of Brazil［J］.J Arid Environ，147：71-82.doi：10.1016／j.jaridenv.2017.09.003.

Singh V P，Zhang L，2018.Copula-entropy theory for multivariate stochastic modeling in water engineering［J］.Geosci Lett，5（1）：6.doi：10.1186／s40562-018-0105-z.

Singh V，Sivakumar B，Cui H J，2017.Tsallis entropy theory for modeling in water engineering：a review［J］.Entropy，19（12）：641.doi：10.3390／e19120641.

Sraj M，Bezak N，Brilly M，2015.Bivariate flood frequency analysis using the Copula function：a case study of the Litija Station on the Sava River［J］.Hydrol Process，29（2）：225-238.doi：10.1002／hyp.10145.

Su H X，F(xiàn)eng J C，Axmacher J C，et al.，2015.Asymmetric warming significantly affects net primary production，but not ecosystem carbon balances of forest and grassland ecosystems in Northern China［J］.Sci Rep，5：9115.doi：10.1038／srep09115.

Tan J G，Piao S L，Chen A P，et al.，2015.Seasonally different response of photosynthetic activity to daytime and night-time warming in the Northern Hemisphere［J］.Glob Chang Biol，21（1）：377-387.doi：10.1111／gcb.12724.

Tan Z Q，Tao H，Jiang J H，et al.，2015.Influences of climate extremes on NDVI （normalized difference vegetation index） in the Poyang Lake basin，China［J］.Wetlands，35（6）：1033-1042.doi：10.1007／s13157-015-0692-9.

Tang L Y，Duan X F，Kong F J，et al.，2018.Influences of climate change on area variation of Qinghai Lake on Qinghai-Tibetan Plateau since 1980s［J］.Sci Rep，8：7331.doi：10.1038／s41598-018-25683-3.

Treharne R，Bjerke J W，Tmmervik H，et al.，2020.Development of new metrics to assess and quantify climatic drivers of extreme event driven Arctic browning［J］.Remote Sens Environ，243：111749.doi：10.1016／j.rse.2020.111749.

Wan S Q，Xia J Y，Liu W X，et al.，2009.Photosynthetic overcompensation under nocturnal warming enhances grassland carbon sequestration［J］.Ecology，90（10）：2700-2710.doi：10.1890／08-2026.1.

Wang Y Q，Luo Y，Shafeeque M，2019.Interpretation of vegetation phenology changes using daytime and night-time temperatures across the Yellow River Basin，China［J］.Sci Total Environ，693：133553.doi：10.1016／j.scitotenv.2019.07.359.

Wang Y J，Shen X J，Jiang M，et al.，2020.Vegetation change and its response to climate change between 2000 and 2016 in marshes of the Songnen Plain，Northeast China［J］.Sustainability，12（9）：3569.doi：10.3390／su12093569.

王艷召，王澤根，王繼燕，等，2020.近20年中國不同季節(jié)植被變化及其對氣候的瞬時與滯后響應(yīng)［J］.地理與地理信息科學(xué)，36（4）：33-40. Wang Y Z，Wang Z G，Wang J Y，et al.，2020.Transient and lagged response of seasonal vegetation changes to climate in China during the past two decades［J］.Geogr Geo Inf Sci，36（4）：33-40.doi：10.3969／j.issn.1672-0504.2020.04.006.（in Chinese）.

Wu X C，Liu H Y，Li X Y，et al.，2016.Seasonal divergence in the interannual responses of Northern Hemisphere vegetation activity to variations in diurnal climate［J］.Sci Rep，6：19000.doi：10.1038／srep19000.

Xia H M，Li A N，F(xiàn)eng G，et al.，2018.The effects of asymmetric diurnal warming on vegetation growth of the Tibetan Plateau over the past three decades［J］.Sustainability，10（4）：1103.doi：10.3390／su10041103.

楊陽，時璐，劉弢，等，2020.青海省西北諸河61a來降水演變特征及空間分布研究［J］.中國農(nóng)村水利水電（8）：159-165. Yang Y，Shi L，Liu T，et al.，2020.The evolution characteristics and spatial distribution of precipitation in northwest region of Qinghai in recent 61 years［J］.China Rural Water Hydropower（8）：159-165.doi：10.3969／j.issn.1007-2284.2020.08.031.（in Chinese）.

Yang Z Y，Shen M G，Jia S G，et al.，2017.Asymmetric responses of the end of growing season to daily maximum and minimum temperatures on the Tibetan Plateau［J］.J Geophys Res Atmos，122（24）：13，278-13，287.doi：10.1002／2017JD027318.

張戈麗，歐陽華，張憲洲，等，2010.基于生態(tài)地理分區(qū)的青藏高原植被覆被變化及其對氣候變化的響應(yīng)［J］.地理研究，29（11）：2004-2016. Zhang G L，Ouyang H，Zhang X Z，et al.，2010.Vegetation change and its responses to climatic variation based on eco-geographical regions of Tibetan Plateau［J］.Geogr Res，29（11）：2004-2016.（in Chinese）.

Zhang H X，Chang J X，Zhang L P，et al.，2018.NDVI dynamic changes and their relationship with meteorological factors and soil moisture［J］.Environ Earth Sci，77（16）：582.doi：10.1007／s12665-018-7759-x.

Zhang W，Dscher R，Koenigk T，et al.，2020.The interplay of recent vegetation and sea ice dynamics：results from a regional earth system model over the Arctic［J］.Geophys Res Lett，47（6）：e85982.doi：10.1029／2019gl085982.

Zhang Y L，Wang X，Li C H，et al.，2018.NDVI dynamics under changing meteorological factors in a shallow lake in future metropolitan，semiarid area in North China［J］.Sci Rep，8（1）：15971.doi：10.1038／s41598-018-33968-w.

Zhou L，Dickinson R E，Tian Y，et al.，2003.A sensitivity study of climate and energy balance simulations with use of satellite-derived emissivity data over Northern Africa and the Arabian Peninsula［J］.J Geophys Res，108（D24）.doi：10.1029／2003jd004083.

Zhou L M，Dickinson R E，Tian Y H，et al.，2007.Impact of vegetation removal and soil aridation on diurnal temperature range in a semiarid region：application to the Sahel［J］.Proc Natl Acad Sci USA，104（46）：17937-17942.doi：10.1073／pnas.0700290104.

卓嘎，陳思蓉，周兵，2018.青藏高原植被覆蓋時空變化及其對氣候因子的響應(yīng)［J］.生態(tài)學(xué)報，38（9）：3208-3218. Zhuoga，Chen S R，Zhou B，2018.Spatio-temporal variation of vegetation coverage over the Tibetan Plateau and its responses to climatic factors［J］.Acta Ecol Sin，38（9）：3208-3218.doi：10.5846／stxb201705270985.（in Chinese）.

Zou F L，Li H D，Hu Q W，2020.Responses of vegetation greening and land surface temperature variations to global warming on the Qinghai-Tibetan Plateau，2001—2016［J］.Ecol Indic，119：106867.doi：10.1016／j.ecolind.2020.106867.