孫 紅,方國(guó)飛,阮琳琳,李斯楠,張 麗

1 國(guó)家林業(yè)和草原局森林和草原病蟲(chóng)害防治總站(國(guó)家林草局林草防治總站), 沈陽(yáng) 110034 2 林草有害生物監(jiān)測(cè)預(yù)警國(guó)家林業(yè)和草原局重點(diǎn)實(shí)驗(yàn)室, 沈陽(yáng) 110034 3 中國(guó)科學(xué)院空天信息創(chuàng)新研究院 數(shù)字地球重點(diǎn)實(shí)驗(yàn)室, 北京 100094 4 中國(guó)科學(xué)院大學(xué) 資源與環(huán)境學(xué)院, 北京 100094 5.中鐵第五勘察設(shè)計(jì)院集團(tuán)有限公司, 北京 102600

碳循環(huán)與水循環(huán)之間具有極強(qiáng)的耦合性[1],是陸地生態(tài)系統(tǒng)物質(zhì)循環(huán)與能量交換的重要過(guò)程[2]。碳水循環(huán)對(duì)區(qū)域水資源管理、生態(tài)系統(tǒng)調(diào)節(jié)及可持續(xù)發(fā)展具有重要指導(dǎo)價(jià)值,尤其是在生態(tài)系統(tǒng)脆弱[3]、水資源短缺的半干旱區(qū)[4]。人類(lèi)活動(dòng)與氣候變化使得碳水循環(huán)格局發(fā)生改變[5],不同尺度的碳水通量時(shí)空變化及其驅(qū)動(dòng)因素受到廣泛關(guān)注[6]。而半干旱生態(tài)系統(tǒng)是全球碳匯年際和趨勢(shì)變化的主導(dǎo)驅(qū)動(dòng)因素與異常來(lái)源[7—8],其植被生產(chǎn)力受表層土壤濕度控制的影響也更為明顯[9]。因此,研究半干旱區(qū)陸地生態(tài)系統(tǒng)碳水通量時(shí)空變化格局及其對(duì)氣候因子的響應(yīng)對(duì)區(qū)域資源管理與可持續(xù)發(fā)展、全球氣候變化等領(lǐng)域具有重要意義。

植被總初級(jí)生產(chǎn)力(Gross Primary Productivity, GPP)、蒸散發(fā)(Evapotranspiration,ET)和水分利用效率(Water use efficiency, WUE)是研究陸地生態(tài)系統(tǒng)碳循環(huán)[10]、水循環(huán)[11]以及碳水循環(huán)耦合程度的常用指標(biāo)[12]。其中,宏觀尺度的WUE通常定義為GPP和ET的比值,表示生態(tài)系統(tǒng)耗費(fèi)每單位質(zhì)量水所固定的碳量或生產(chǎn)的干物質(zhì)[13]。WUE是了解生態(tài)系統(tǒng)生產(chǎn)力對(duì)外部環(huán)境響應(yīng)的關(guān)鍵變量,其對(duì)溫度、降水和輻射的響應(yīng)都存在臨界值[14],并且受土壤濕度控制[15],對(duì)LAI呈現(xiàn)積極響應(yīng)[16]。目前全球通量觀測(cè)網(wǎng)絡(luò)可以獲取高精度長(zhǎng)時(shí)間序列的GPP、ET和WUE數(shù)據(jù)[17],但區(qū)域尺度擴(kuò)展困難,尤其半干旱地區(qū)觀測(cè)站點(diǎn)分布較為稀疏。基于站點(diǎn)通量觀測(cè)數(shù)據(jù),可以通過(guò)模型模擬或是模型-觀測(cè)數(shù)據(jù)同化方法獲取大尺度長(zhǎng)時(shí)間序列的碳水通量數(shù)據(jù)。模型模擬方法考慮了生態(tài)系統(tǒng)機(jī)理過(guò)程,但結(jié)果依賴(lài)于輸入?yún)?shù)以及輸入數(shù)據(jù),具有較大不確定性。而模型-觀測(cè)數(shù)據(jù)同化方法可以基于觀測(cè)數(shù)據(jù)控制模型估算結(jié)果,降低模型的不確定性,已被廣泛應(yīng)用于陸地碳水循環(huán)研究中[18—20]。

亞洲半干旱區(qū)是全球半干旱區(qū)中近30年來(lái)碳水通量變化幅度最大的區(qū)域[21],生態(tài)系統(tǒng)敏感,并且受氣候環(huán)境變化與人類(lèi)活動(dòng)影響較大[22]。該區(qū)域內(nèi)的中亞及其它地區(qū)存在土壤荒漠化、鹽堿化和生態(tài)多樣性下降等環(huán)境問(wèn)題[23—24]。多種因素使得亞洲半干旱區(qū)碳水通量時(shí)空變化幅度較大,不確定性較高。目前針對(duì)亞洲半干旱區(qū)碳水通量時(shí)空動(dòng)態(tài)變化及驅(qū)動(dòng)因素的研究主要集中于中亞[25]等局部地區(qū)。張建財(cái)?shù)萚26]應(yīng)用LPJ模型(Lund-Potsdam-Jena Dynamic Global Vegetation Model)模擬了1982至2012年中亞地區(qū)的NPP和ET,模擬結(jié)果表明兩者呈波動(dòng)上升趨勢(shì)并且具有相似的空間分布,低值分布區(qū)主要位于荒漠及哈薩克中部草地,高值分布區(qū)位于林地、草林地混合區(qū)及耕地。郝海超等[27]基于MODIS數(shù)據(jù)產(chǎn)品,分析了中亞地區(qū)2000至2018年GPP、ET和WUE的時(shí)空變化趨勢(shì),發(fā)現(xiàn)在研究時(shí)段年序列上,GPP與ET都具有略微增加的趨勢(shì),而WUE卻呈現(xiàn)小幅度下降。中亞地區(qū)WUE顯著上升區(qū)域少于顯著下降區(qū)域,對(duì)氣候因子的敏感性具有明顯的空間差異。鄒杰等分析中亞地區(qū)WUE對(duì)干旱的響應(yīng)后發(fā)現(xiàn)[28],WUE在干旱發(fā)生時(shí)一般為負(fù)面響應(yīng),結(jié)束后為正面響應(yīng),具有滯后效應(yīng)。Zhou等發(fā)現(xiàn)在中亞地區(qū)人類(lèi)社會(huì)制度與經(jīng)濟(jì)變化對(duì)植被的負(fù)面影響主要是因?yàn)橥恋貜U棄和水資源短缺[29],而作物類(lèi)型改變、放牧的減少和水資源的增加會(huì)對(duì)植被有正面影響,中亞地區(qū)氣候變化對(duì)植被有顯著影響并且有地區(qū)差異[30]。Han等發(fā)現(xiàn)在1979至2011年間,放牧降低了中亞地區(qū)的WUE[31]。

目前針對(duì)整個(gè)亞洲半干旱區(qū)的研究較少,缺乏對(duì)該地區(qū)的碳匯能力、蒸散以及水分利用效率的時(shí)空格局分析以及不同因子影響下碳水循環(huán)變化的系統(tǒng)性研究。因此,本研究以亞洲半干旱區(qū)為研究區(qū),采用LPJ-VSJA(LPJ-Vegetation and soil moisture Joint Assimilation)聯(lián)合同化產(chǎn)品[32]分析亞洲半干旱地區(qū)2010—2018年生態(tài)系統(tǒng)植被碳水通量時(shí)空格局及其驅(qū)動(dòng)機(jī)制,研究結(jié)果可為亞洲半干旱區(qū)制定植被和水資源管理策略、實(shí)現(xiàn)可持續(xù)發(fā)展提供參考。

1 材料與方法

1.1 研究區(qū)概況

亞洲半干旱區(qū)包括中亞,中國(guó)內(nèi)蒙古草原,俄羅斯南部以及印度被大部分農(nóng)田覆蓋的半干旱區(qū)。研究區(qū)深入大陸遠(yuǎn)離海洋,位于10°—130°E和0°—60°N之間,縱跨寒帶、溫帶和熱帶,主要受西風(fēng)氣候的影響。其東南部有高原山區(qū),大部分是草原,沙漠的平原地區(qū),以季風(fēng)氣候?yàn)橹鳌Ｑ芯繀^(qū)中部主要集中在從里海往東到中國(guó)內(nèi)蒙古中部。該地區(qū)受周邊青藏-帕米爾高原和天山山系對(duì)太平洋、印度洋暖濕氣流的阻擋,氣候類(lèi)型為典型的溫帶大陸性氣候,冬季寒冷,夏季炎熱干燥,氣溫日變化和季節(jié)變化都較大,在中亞的北緯40°地帶夏季光照強(qiáng)烈,與熱帶地區(qū)相當(dāng),較低的空氣濕度和高溫導(dǎo)致了大量的水分蒸發(fā)。其年降水的空間分布由東、西兩邊向亞洲半干旱區(qū)中部逐漸減少,東部降水主要集中在夏季,受季風(fēng)控制；西部降水主要集中在冬季,受西風(fēng)控制。

灌木、草原、農(nóng)田等地廣泛分布于亞洲半干旱地區(qū)(圖1)。草原是主要的土地覆蓋類(lèi)型,其中哈薩克斯坦草原面積達(dá)196km2,占領(lǐng)土面積的72%。耕地其次,主要集中在俄羅斯西南部和印度的大部分地區(qū)。研究區(qū)內(nèi)人類(lèi)活動(dòng)頻繁(墾荒、放牧、灌溉等),部分地區(qū)的生態(tài)環(huán)境明顯退化。近幾十年印度與中國(guó)地區(qū)的植樹(shù)造林使得綠度大面積增加[33],對(duì)研究區(qū)水分利用效率變化有著明顯的影響[34]。

圖1 研究區(qū)概況圖Fig.1 Study Area土地覆蓋數(shù)據(jù)來(lái)源于MODIS MCD12Q1數(shù)據(jù)產(chǎn)品,圖中亞洲邊界內(nèi)覆蓋區(qū)域?yàn)檠芯繀^(qū)

1.2 數(shù)據(jù)

1.2.1GPP、ET和WUE數(shù)據(jù)

2010—2018年的GPP、ET、WUE的數(shù)據(jù)來(lái)源于Li等在2020年的研發(fā)的LPJ-VSJA(LPJ-Vegetation and soil moisture Joint Assimilation)聯(lián)合同化產(chǎn)品[32]。該產(chǎn)品是通過(guò)將GLASS(Global Land Surface Satellite) LAI產(chǎn)品與SMOS(Soil Moisture and Ocean Salinity)和SMAP(Soil Moisture Active and Passive)土壤濕度數(shù)據(jù)在LPJ-PM(LPJ-DGVM(Lund-Potsdam-Jena Dynamic Global Vegetation Model)動(dòng)態(tài)植被模型與PT-JPLSM(the updated Priestley Taylor-Jet Propulsion Laboratory)蒸散模型進(jìn)行耦合)耦合模型中進(jìn)行聯(lián)合同化生成,時(shí)間分辨率為每日,空間分辨率為0.25°緯度×0.25°經(jīng)度。該同化產(chǎn)品經(jīng)過(guò)站點(diǎn)以及空間產(chǎn)品的驗(yàn)證,被證明在全球大尺度區(qū)域可以較為準(zhǔn)確的模擬時(shí)間序列的碳水通量,尤其是在受水分限制的地區(qū)具有較高的精度(R=0.75, RMSD=0.72 mm/d)[32],因此可以對(duì)氣候變化下的碳水循環(huán)趨勢(shì)進(jìn)行預(yù)測(cè)與空間分析。

1.2.2自然因素?cái)?shù)據(jù)

本文選取了溫度、降水、光合有效輻射(Photosynthetically Active Radiation, PAR)、土壤濕度、葉面積指數(shù)(Leaf Area Index,LAI)這五個(gè)因子,利用相關(guān)分析來(lái)探討氣象因子和植被、土壤參量對(duì)該區(qū)域植被WUE的影響作用。為統(tǒng)一數(shù)據(jù)集的空間尺度,采用雙線性插值方法將其重采樣到0.25°,與LPJ-VSJA聯(lián)合同化產(chǎn)品具有一致的空間分辨率。

氣象及PAR數(shù)據(jù)來(lái)源于The Modern Era Retrospective-analysis for Research and Applications version 2 (MERRA- 2)全球高分辨率再分析日尺度氣候數(shù)據(jù),包括降水,溫度,PAR,云量等(https://www.esrl.noaa.gov/psd/)。該數(shù)據(jù)集由NASA全球建模與數(shù)據(jù)同化辦公室(NASA′s global modeling and assimilation office, GMAO)生產(chǎn)與更新,空間分辨率為0.5°緯度×0.667°經(jīng)度。第二版與第一版MERRA產(chǎn)品相比,不僅通過(guò)輻射以及同化偏差校正使降水以及不同垂直水平的大氣相關(guān)數(shù)據(jù)得到了較大的改善[35],還利用NASA對(duì)于氣溶膠與溫度的觀測(cè)與其他物理過(guò)程進(jìn)行交互式分析,更好的表示大氣循環(huán)過(guò)程。多項(xiàng)研究對(duì)其進(jìn)行了質(zhì)量評(píng)估與不確定性分析,并證明了其可靠性[36—39]。

土壤水分和海洋鹽度(Soil Moisture and Ocean Salinity,SMOS)衛(wèi)星于2010年由歐洲航天局發(fā)射,與土壤水分主被動(dòng)衛(wèi)星(Soil Moisture Active and Passive,SMAP)類(lèi)似,SMOS使用的輻射計(jì)儀器在L波段工作[40]。與具有恒定的觀測(cè)入射角的SMAP衛(wèi)星相比,SMOS測(cè)量的是一個(gè)觀測(cè)入射角范圍內(nèi)的亮度溫度。該角度信息可用于上方土壤和植被信號(hào)的分離。SMOS-L2 SSM數(shù)據(jù)可以從歐空局?jǐn)?shù)據(jù)網(wǎng)站中獲取(https://earth.esa.int/eogateway/missions/smos/data)。

葉面積指數(shù)(LAI)來(lái)源于全球陸表特征參量產(chǎn)品(GLASS)LAI產(chǎn)品。GLASS LAI產(chǎn)品是通過(guò)結(jié)合地面觀測(cè)和MODIS、CYCLOPES LAI信息,再利用MODIS反射率對(duì)融合的LAI使用廣義回歸神經(jīng)網(wǎng)絡(luò)法(General Regression Neural Networks, GRNNs)進(jìn)行訓(xùn)練生成,經(jīng)過(guò)驗(yàn)證該方法可以提高長(zhǎng)時(shí)間序列的LAI的反演精度[41—42]。該產(chǎn)品已廣泛應(yīng)用于全球和區(qū)域地表LAI產(chǎn)品的生產(chǎn),以及植被覆蓋的動(dòng)態(tài)監(jiān)測(cè),可為全球植被生態(tài)監(jiān)測(cè)和變化規(guī)律等提供科學(xué)數(shù)據(jù)支持[42—43]。本文使用的數(shù)據(jù)時(shí)間范圍為2010—2018年,空間分辨率為5km,時(shí)間分辨率8天,投影方式為正弦投影。

1.2.3生態(tài)系統(tǒng)分類(lèi)數(shù)據(jù)

本文所使用的生態(tài)系統(tǒng)分類(lèi)數(shù)據(jù)包括全球植被覆蓋數(shù)據(jù)和干濕地區(qū)分類(lèi)數(shù)據(jù),利用MCD12Q1(The MODIS Land Cover Type Product)的土地覆蓋數(shù)據(jù)對(duì)結(jié)果分植被類(lèi)別進(jìn)行解釋分析。該產(chǎn)品分辨率為500m,通過(guò)高精度訓(xùn)練樣本進(jìn)行監(jiān)督分類(lèi)生成[44]。文中所指的灌叢類(lèi)型是由MODIS IGBP(the International Geosphere-Biosphere Programm)分類(lèi)方案中的郁閉灌叢和稀樹(shù)灌叢合并而成,森林植被類(lèi)型是由混合森林,落葉闊葉林,落葉針葉林,常綠針葉林,常綠闊葉林組成。

區(qū)分干旱區(qū)與濕潤(rùn)區(qū)的依據(jù)為Middleton等[45]對(duì)全球干濕區(qū)域的分類(lèi)系統(tǒng),利用 “干旱指數(shù)”劃分不同干濕區(qū)域。干旱指數(shù)定義為降水和潛在蒸散量的比值。干旱指數(shù)在0.2—0.65之間的地區(qū)被定義為半干旱地區(qū)。

1.3 研究方法

1.3.1時(shí)間序列分析方法

本文采用線性回歸及變異系數(shù),探討不同尺度半干旱區(qū)生態(tài)系統(tǒng)碳水通量變化趨勢(shì)和幅度。

① 線性回歸斜率估計(jì)采用一元線性方程,對(duì)碳水通量進(jìn)行回歸分析。

y=a+bx+ε

(1)

式中,y為表示植被碳水通量,x表示時(shí)間,斜率b為依據(jù)線性回歸方程對(duì)通量隨時(shí)間變化的量化指標(biāo),a和ε分別代表截距和誤差。利用最小一乘法(Least Absolute Deviation, LAD)確定回歸模型的相關(guān)系數(shù),采用觀測(cè)值與擬合值絕對(duì)偏差之和最小的標(biāo)準(zhǔn)計(jì)算回歸模型參數(shù)：

(2)

對(duì)于研究空間時(shí)間序列圖像和時(shí)間序列統(tǒng)計(jì)值,本文均采用一元線性回歸擬合趨勢(shì)分析。

② 本研究采用變異系數(shù)(coefficient of variation,CV)分析區(qū)域碳水通量隨時(shí)間的波動(dòng)強(qiáng)度。變異系數(shù)(CV),又稱(chēng)“離散系數(shù)”,其定義為時(shí)間序列值標(biāo)準(zhǔn)差(SD)與平均值(MN)之比：

(3)

變異系數(shù)是一個(gè)無(wú)量綱量,可以消除多組數(shù)據(jù)因?yàn)閱挝换蛘咂骄鶖?shù)量級(jí)不同對(duì)變異程度的影響。

1.3.2驅(qū)動(dòng)因子相關(guān)分析方法

為研究亞洲半干旱區(qū)植被碳水通量對(duì)全球變化的響應(yīng)關(guān)系,本文采用復(fù)相關(guān)分析、偏相關(guān)分析研究各驅(qū)動(dòng)要素(如氣象、人文等)與碳水通量之間的相關(guān)性,探討不同尺度半干旱區(qū)的碳水通量動(dòng)態(tài)變化的主控因子。

(1)復(fù)相關(guān)分析

通過(guò)計(jì)算相關(guān)系數(shù)來(lái)反映不同驅(qū)動(dòng)因子(葉面積指數(shù)和表層土壤濕度)對(duì)GPP,ET和WUE之間的相關(guān)性。公式中,yi表示驅(qū)動(dòng)因子在第i年的平均值,xi表示第i年的碳水通量(GPP、NEP、ET、WUE)；Rxy為復(fù)相關(guān)系數(shù),其數(shù)值愈大,變量間的關(guān)系愈密切[46—47]。

(4)

采用T檢驗(yàn)來(lái)進(jìn)行相關(guān)性的顯著性檢驗(yàn),計(jì)算公式如下：

(5)

式中,R表示相關(guān)系數(shù),n為年數(shù)8年。

(2)偏相關(guān)分析

簡(jiǎn)單相關(guān)無(wú)法反映單獨(dú)的氣象因子對(duì)WUE的影響,因此進(jìn)一步采取偏相關(guān)分析研究WUE對(duì)溫度,降水和光合有效輻射(PAR)剔除各自影響后的響應(yīng)作用[48]。

(6)

rx1y、rx2y、rx1x2分別為WUE與其中一個(gè)因子、WUE與其他因子、該因子與其他因子之間的簡(jiǎn)單相關(guān)關(guān)系。rx1y,x2表示去除控制變量x2影響之后,x1變量和其他變量之間的直線相關(guān)。

(3) 水分利用效率年際變化(Inter-annual Variability, IAV)貢獻(xiàn)率計(jì)算

本研究中的水分利用效率(WUE)由GPP與ET的比值得出,單位為g C/m2H2O。此處年際變化IAV的定義為WUE的距平值,即去除一階線性趨勢(shì)后的WUE值[7]。

(7)

j植被類(lèi)型區(qū)域(或每個(gè)柵格區(qū)域)對(duì)研究區(qū)全局WUE IAV的貢獻(xiàn)值定義為[7]：

(8)

2 結(jié)果與討論

2.1 亞洲半干旱區(qū)碳水通量時(shí)空格局分析

2.1.1總體時(shí)空變化特征

2010—2018年亞洲半干旱區(qū)年均GPP、ET、WUE空間分布趨勢(shì)總體一致(圖2),三者的高值區(qū)(GPP >1300g C m-2a-1,ET>350 mm/a, WUE >2.3g C m-2H2Oa-1)多分布于印度和俄羅斯位于亞洲地區(qū)的西南部的農(nóng)林交錯(cuò)帶以及中南部的混合林覆蓋區(qū)域。低值區(qū)(GPP<600 g C m-2a-1,ET<200 mm/a, WUE<1.3 g C Kg-1H2O a-1)大體分布在中亞,蒙古和中國(guó)內(nèi)蒙古草原地帶,其中途徑黃河流域的ET值相對(duì)較高(約350 mm/a)。高低值的空間分布一般與氣候和人為因素有關(guān),低值區(qū)多為暖干型氣候,其中中亞降水量常年在200 mm以下。蒙古與內(nèi)蒙古草原地區(qū)生態(tài)環(huán)境脆弱,且草地相比農(nóng)田與森林來(lái)說(shuō),對(duì)氣候變化更為敏感[49]。除此之外,其人為放牧,草場(chǎng)退化,土壤侵蝕等人為干擾也都導(dǎo)致了較低的碳水通量。整體來(lái)說(shuō),亞洲半干旱區(qū)碳水通量空間分布格局成“雙夾”型,即中高緯度與低緯度地區(qū)的碳水通量值大于中緯度區(qū)域的分布特點(diǎn)。

圖2 2010—2018年亞洲半干旱植被區(qū)年均GPP、ET、WUE空間分布圖Fig.2 Spatial distribution of annual average GPP, ET and WUE in semiarid area of Asia from 2010 to 2018GPP: 總初級(jí)生產(chǎn)力Gross primary productivity;ET: 蒸散發(fā) Evapotranspiration;WUE: 和水分利用效率Water use efficiency

圖3為GPP、ET、WUE的時(shí)間變化趨勢(shì)和其與表層土壤濕度的經(jīng)緯度分布規(guī)律。分別對(duì)GPP,ET的空間柵格值進(jìn)行二次線性插值后重采樣到1°的空間格網(wǎng)中,以1°為分隔單位,來(lái)分析亞洲半干旱區(qū)的GPP與ET和表層土壤濕度(SMOS產(chǎn)品)年均值的經(jīng)緯度分布規(guī)律?？傮w來(lái)說(shuō),ET和GPP的經(jīng)度帶分布規(guī)律與土壤濕度分布規(guī)律大體一致,但在某些區(qū)域(如70°—85°E帶)變化趨勢(shì)出現(xiàn)差別。東部(ET為154.59 mm/a,GPP為681.82 g C m-2a-1)和西部(ET為136.90 mm/a,GPP為592.34 C m-2a-1)碳水通量均值小于中部(70—90°E,ET為201.17 mm/a,GPP為938.28 g C m-2a-1),這是由于中部地區(qū)跨緯度較大,且植被類(lèi)型較豐富。在70°—85°E帶之間,土壤濕度沒(méi)有明顯變化,但是GPP與ET波動(dòng)較大,說(shuō)明該地區(qū)土壤濕度不是其主控因子,而是其他氣候因素(溫度,光照等)控制著GPP和ET的變化。從緯度分布上來(lái)說(shuō),GPP與ET的分布符合其空間分布格局特點(diǎn),土壤濕度在中高緯度出現(xiàn)最高值,卻沒(méi)有對(duì)應(yīng)GPP和ET的最高值,這是由于中高緯度帶受到低溫的限制。在30°—40°N緯度帶間,GPP和ET與土壤濕度呈現(xiàn)出了相反的變化趨勢(shì),主要涉及到的區(qū)域是印度的灌溉農(nóng)田與灌木區(qū)以及阿富汗和巴基斯坦的灌木區(qū)。在印度的水田區(qū)域,地面及地下水被大量用于灌溉,成熟的集約化耕作制度再加上大量化肥的使用[50—51],使得農(nóng)作物消耗盡量小的水分來(lái)獲得最大的生產(chǎn)力,從而水分利用效率較高,其表層土壤濕度不是最主要的影響因素[52—53]。

圖3 亞洲半干旱植被區(qū)GPP、ET、WUE空間平均值年際變化與經(jīng)緯度分布圖Fig.3 Interannual variation of spatial mean values of GPP, ET and WUE and their longitude and latitude distribution in semiarid area of AsiaSM: 土壤濕度Soil moisture

從統(tǒng)計(jì)上來(lái)說(shuō),GPP表現(xiàn)出顯著的增長(zhǎng)趨勢(shì)(P<0.05),增速為7.82 g C m-2a-1。而ET和WUE的增長(zhǎng)趨勢(shì)不顯著,ET在2017年出現(xiàn)最低值,為349.2 mm。WUE在2010年的空間平均值與2018年基本持平,在1.31g C m-2H2O a-1左右。

從變化趨勢(shì)空間圖(圖4)中可以看出,GPP和ET在大部分地區(qū)都呈現(xiàn)出顯著上升的趨勢(shì),GPP顯著增長(zhǎng)面積占所有植被區(qū)的19.3%,主要分布在草原土地覆蓋類(lèi)型和印度河流域的農(nóng)田區(qū)域。顯著下降區(qū)域占比為15.3%,主要分布在灌木土地覆蓋類(lèi)型以及印度中部的農(nóng)田區(qū)域。ET顯著增長(zhǎng)的面積占植被區(qū)的25.9%,呈現(xiàn)顯著下降的面積占比為7.2%,其空間分布特點(diǎn)與GPP大體相同。WUE變化趨勢(shì)的空間分布與均值空間分布相一致,即WUE較低的區(qū)域出現(xiàn)顯著下降趨勢(shì)(占植被區(qū)域的8.3%),較高區(qū)域出現(xiàn)顯著增加趨勢(shì)(占所有植被區(qū)域的14.6%)。其中印度中部的農(nóng)田區(qū)域在GPP和ET的空間變化趨勢(shì)圖中顯示出顯著下降的趨勢(shì),而在WUE中表現(xiàn)出顯著增長(zhǎng)的趨勢(shì),這說(shuō)明其ET與GPP相比下降幅度更大。變異系數(shù)空間分布則反映了通量的變化強(qiáng)度,可以概括為中亞西部,西亞的灌木區(qū)域以及蒙古草原的東部碳水通量變化最為劇烈。結(jié)合兩者的分析結(jié)果可以說(shuō)明,變異系數(shù)大的區(qū)域,如果碳水通量表現(xiàn)出顯著上升或下降趨勢(shì),則是時(shí)間序列內(nèi)的波動(dòng)性上升或下降；反之,則是持續(xù)性的上升或者下降。

圖4 2010—2018年GPP、ET、WUE空間變化趨勢(shì)與變異系數(shù)空間分布圖Fig.4 Spatial variation trend and coefficient of variation of GPP, ET and WUE from 2010 to 2018

2.1.2不同土地覆蓋類(lèi)型中植被的碳水通量時(shí)空變化特征

亞洲半干旱區(qū)土地覆蓋類(lèi)型主要有森林(8.6%)、灌木(9.4%)、草地(43.8%)、農(nóng)田(22.5%)。從區(qū)域總體以及不同土地覆蓋類(lèi)型中植被的碳水通量平均值看(圖5),森林與農(nóng)田的GPP,ET和WUE相對(duì)較高,草原的碳水通量最低,且低于總體區(qū)域平均值。各類(lèi)土地覆蓋類(lèi)型的GPP都呈現(xiàn)增加趨勢(shì),其中草原作為區(qū)域的主要土地覆蓋類(lèi)型,和總體區(qū)域的GPP都呈現(xiàn)顯著增加的趨勢(shì)(P<0.01)。農(nóng)田也表現(xiàn)出比較顯著的增長(zhǎng)趨勢(shì)(P=0.06),其顯著增長(zhǎng)面積占比最大,主要分布在印度河流域的水田區(qū)域,而印度半島以及德干高原的耕地大部分呈現(xiàn)顯著下降的趨勢(shì)。灌木土地覆蓋類(lèi)型的GPP顯著增長(zhǎng)占比(5.9%)與顯著降低占的比例相差不大,甚至顯著降低占的比例略大(6.1%),主要分布在阿富汗和巴基斯坦的高原和山地區(qū)域以及印度河平原。在過(guò)去,研究區(qū)內(nèi)人類(lèi)活動(dòng)頻繁,過(guò)度放牧、毀林毀草開(kāi)荒等行為對(duì)區(qū)域內(nèi)生態(tài)環(huán)境有負(fù)面影響[54],加重了植被退化、土地荒漠化等生態(tài)問(wèn)題。但1990年以后亞洲多個(gè)國(guó)家開(kāi)始實(shí)行植樹(shù)造林[55],隨后又推行退耕退牧政策,郭巖等研究發(fā)現(xiàn)2000—2017年中亞地區(qū)植被退化趨勢(shì)改善,人類(lèi)活動(dòng)對(duì)植被特征有積極影響[56],人為積極的干預(yù)可以有效保護(hù)甚至是提高植被生態(tài)系統(tǒng)生產(chǎn)力。

圖5 研究區(qū)與不同植被區(qū)域碳水通量變化趨勢(shì)及顯著變化面積比統(tǒng)計(jì)圖(P<0.05)Fig.5 Change trend of carbon and water fluxes in the study area and different vegetation areas and statistical chart of significant change area ratio (P<0.05)

對(duì)比ET不同植被類(lèi)型的年際變化趨勢(shì)和面積占比,發(fā)現(xiàn)所有植被類(lèi)型的總體ET年際變化都不顯著,但是空間上的ET顯著增長(zhǎng)面積占比超過(guò)20%,顯著降低的面積僅占7.2%。農(nóng)田在WUE中有著較高的顯著增長(zhǎng)面積,其ET顯著增長(zhǎng)和降低的區(qū)域與GPP相同。與ET的年際變化趨勢(shì)相同,近8年WUE所有植被類(lèi)型的總體年際變化都不顯著,灌木類(lèi)型呈現(xiàn)下降趨勢(shì)。從森林的GPP和ET的變化趨勢(shì)可以看出,其ET的顯著下降面積較多,而GPP的顯著增長(zhǎng)面積百分比高于ET,因此會(huì)影響一部分區(qū)域的WUE呈現(xiàn)增長(zhǎng)趨勢(shì)。總體而言,2010—2018年GPP、ET和WUE的總體年際變化都呈現(xiàn)增長(zhǎng)趨勢(shì),并且大部分植被類(lèi)型的顯著增長(zhǎng)面積百分比高于顯著降低的百分比。

2.2 不同土地覆蓋類(lèi)型中植被對(duì)WUE年際變化的貢獻(xiàn)率分析

亞洲半干旱區(qū)各個(gè)土地覆蓋類(lèi)型年WUE IAV總體年際變化波動(dòng)性較大(圖6),呈現(xiàn)出WUE先增加后減少的狀態(tài)。各土地覆蓋類(lèi)型與總體WUE IAV并不具有同樣的趨勢(shì),尤其是灌木類(lèi)型,8年里6年都與總體年際變化趨勢(shì)相反,甚至在2010年與2014年與其他土地覆蓋類(lèi)型的WUE年際變化趨勢(shì)都相反,這也對(duì)應(yīng)了其貢獻(xiàn)率為負(fù)值。

從各個(gè)土地覆蓋類(lèi)型對(duì)WUE IAV的貢獻(xiàn)分布圖可以看出(圖6),灌木的貢獻(xiàn)率最大,但是為負(fù)值。研究區(qū)中的灌木主要分布在烏茲別克斯坦東部、伊朗東北部和伊拉克、敘利亞北部附近。2000—2018年間灌木的WUE呈現(xiàn)下降的趨勢(shì),Wei等研究發(fā)現(xiàn)2000—2014年間中亞地區(qū)灌木受干旱影響會(huì)導(dǎo)致WUE的下降[57]。研究區(qū)內(nèi)2003—2015年間中亞地區(qū)干旱發(fā)生的時(shí)間更長(zhǎng)、程度更為嚴(yán)重[58],而許多灌木可能在長(zhǎng)期的干旱中死亡[59]。研究區(qū)中的灌木可能在未受到有效保護(hù)及管理措施的情況下,相比其他土地覆蓋類(lèi)型波動(dòng)較大從而導(dǎo)致其WUE年際變化幅度較大,且為負(fù)值。正值中農(nóng)田的貢獻(xiàn)率最大,為54.6%。森林與草原的貢獻(xiàn)率相差不大,分別占全局的34.1%和40.1%,但森林的面積占比僅為草原的五分之一,這表明森林生態(tài)系統(tǒng)對(duì)半干旱區(qū)水分利用效率具有很大的影響。研究區(qū)中的森林要集中分布于俄羅斯與哈薩克斯坦國(guó)界處的農(nóng)林交錯(cuò)帶以及俄羅斯中部的混合林覆蓋區(qū)域,在2001—2015年間大部分地區(qū)較為穩(wěn)定,少部分地區(qū)受火災(zāi)的擾動(dòng)[60],可能會(huì)使得WUE減少,距平值為負(fù)。[61]農(nóng)田在人類(lèi)管理下受到氣候影響的變化較小,農(nóng)田灌溉及施肥方式的合理選擇[62],耕作方式的改進(jìn)[63],農(nóng)作物品種改良[64]等措施有利于農(nóng)田水分利用效率的提高。

圖6 2010—2018年研究區(qū)不同土地覆蓋類(lèi)型的WUE IAV和各自對(duì)WUE IAV的貢獻(xiàn)率Fig.6 WUE IAV of different landcover types in the study area from 2010 to 2018 and contribution rate of each landcover type to WUE IAV IAV: 年際變化 Inter-annual variability

2.3 亞洲半干旱區(qū)WUE年際變化驅(qū)動(dòng)力分析

2010—2018年,亞洲半干旱區(qū)WUE年際變化波動(dòng)程度不大,范圍在1.28—1.34 g C/m2H2O之間。然而不同區(qū)域不同植被類(lèi)型之間WUE的年際變化空間差異顯著。

三個(gè)氣象因子(溫度、降水、PAR)與WUE的相關(guān)系數(shù)空間分布如圖7所示,總體而言,2010—2018年間,研究區(qū)WUE對(duì)三個(gè)氣象因子表現(xiàn)出顯著相關(guān)的區(qū)域(P<0.05)占植被區(qū)域的40%。降水對(duì)WUE多為負(fù)向影響,主要出現(xiàn)在哈薩克斯坦南部、東南部和內(nèi)蒙古的草原以及印度河平原的農(nóng)田區(qū)域。這與Zhang等[65]的研究結(jié)果相一致,其發(fā)現(xiàn)在水分限制地區(qū),降水增加會(huì)導(dǎo)致ET高于光合作用,從而使WUE下降,并且在水熱同步的印度河平原耕地,水分不是主要限制因素。因?yàn)榻涤陼?huì)使土壤蒸發(fā)增大,進(jìn)而降低WUE。PAR對(duì)WUE也主要為負(fù)相關(guān),主要集中在哈薩克斯坦的中部草原和印度河平原的農(nóng)田區(qū)域,小部分正相關(guān)區(qū)域分布于內(nèi)蒙古草原以及俄羅斯的森林區(qū)域。

大部分研究認(rèn)為WUE隨著PAR的增加而增加,但是達(dá)到某一數(shù)值后會(huì)隨著PAR的增加呈現(xiàn)下降趨勢(shì),且容易受到多種因素的影響(如氣溶膠)[6,66]。WUE對(duì)氣候因子的響應(yīng)會(huì)隨著地區(qū)不同而變化,出現(xiàn)負(fù)面響應(yīng)可能是由于在長(zhǎng)時(shí)間強(qiáng)光照射以及干旱條件下,研究區(qū)內(nèi)植被的GPP值不再隨著PAR而增加,但是ET依舊保持增加的趨勢(shì),導(dǎo)致PAR與WUE負(fù)相關(guān)[67]。溫度對(duì)WUE主要為正向影響,多分布在哈薩克斯坦的中部草原,在這個(gè)區(qū)域中溫度對(duì)WUE的影響與PAR對(duì)其的影響相反。除了中亞,溫度的負(fù)相關(guān)區(qū)域與降水的負(fù)相關(guān)區(qū)域大體一致。此外,從相關(guān)系數(shù)的區(qū)域統(tǒng)計(jì)直方圖中也可以得出相應(yīng)的結(jié)論。

分析三個(gè)氣象變量對(duì)WUE的綜合影響(圖7,表1)可以發(fā)現(xiàn),降水是亞洲半干旱區(qū)WUE最重要的影響因素,這與Zhang等[21]和Liu等[68]的研究結(jié)果相同。約有12.4%的植被受到降水的顯著影響,僅降水就影響了5.6%的區(qū)域。中亞南部和內(nèi)蒙古草原中部受降水的影響較大。PAR是影響WUE的第二大氣象因素,約9.3%的植被區(qū)域受PAR顯著影響,其中僅PAR單獨(dú)影響區(qū)域占比為3.5%,PAR是印度耕地區(qū)域WUE變化的主導(dǎo)氣象因素。溫度對(duì)WUE的影響區(qū)域較小,有5.6%的植被區(qū)域受溫度的顯著影響,其單獨(dú)影響占比僅為1.9%,主要分布在中高緯度植被區(qū)域。降水與溫度、降水與PAR、溫度與PAR以及三者的綜合效應(yīng)分別占亞洲半干旱植被區(qū)的1.4%、3.6%、0.4%和1.8%。綜上,降水為亞洲半干旱區(qū)WUE的主導(dǎo)氣象因素,降水和PAR共同影響了大部分區(qū)域植被的生長(zhǎng)狀況,且氣象因子對(duì)WUE的影響具有明顯的區(qū)域差異性。全球氣候變化所帶來(lái)的極端氣候事件(長(zhǎng)時(shí)間強(qiáng)降雨、干旱等)以及地區(qū)降雨特征變化(降雨量、頻率等)可能會(huì)使得區(qū)域碳水耦合循環(huán)機(jī)制受到影響[69],水分利用率發(fā)生改變。因此,對(duì)區(qū)域氣候的監(jiān)測(cè)以及對(duì)極端氣候事件的采取響應(yīng)措施對(duì)維持水分利用率具有重要意義。

表1 WUE與降水,溫度,輻射通量顯著相關(guān)(單獨(dú)影響與綜合影響)占總植被區(qū)域的面積百分比Table 1 WUE was significantly correlated with precipitation, temperature and radiation flux (single effect and combined effect) as a percentage of total vegetation area

植被參量(LAI)與土壤參量(表層土壤濕度(SSM))對(duì)WUE的空間相關(guān)性如圖7 所示。從對(duì)應(yīng)的統(tǒng)計(jì)直方圖也可以看出,LAI與SSM在大部分區(qū)域與WUE呈現(xiàn)顯著正相關(guān),尤其是LAI的顯著正相關(guān)區(qū)域達(dá)到了約37%,負(fù)相關(guān)區(qū)域僅占2.8%。自21世紀(jì)以來(lái),在衛(wèi)星監(jiān)測(cè)下的印度綠化趨勢(shì)明顯,僅僅耕地就貢獻(xiàn)了印度LAI變化的82%[33]。SSM主要在中高緯度農(nóng)田和草原,以及印度河流域的水田區(qū)域與WUE為顯著正相關(guān)(23%),負(fù)相關(guān)區(qū)域(8.3%)主要分布在森林植被類(lèi)型中?？傮w來(lái)說(shuō),LAI與SSM共同控制著WUE的年際變化。LAI和SSM與生態(tài)系統(tǒng)水分利用效率的相關(guān)性總體較好,表明利用LAI和土壤濕度可以簡(jiǎn)單地預(yù)測(cè)亞洲半干旱生態(tài)系統(tǒng)水分利用效率。

在半干旱區(qū)生態(tài)系統(tǒng)中,GPP和ET大多是呈現(xiàn)強(qiáng)耦合特征的。因此本文利用偏相關(guān)系數(shù)探討GPP和ET分別對(duì)WUE的影響強(qiáng)度,圖7中分別表示了剔除ET、GPP的影響。從圖7WUE與GPP、ET的偏相關(guān)系數(shù)空間分布圖中可以看出,GPP和ET與WUE都表現(xiàn)出強(qiáng)烈的相關(guān)性。GPP與WUE為正相關(guān),ET與WUE為負(fù)相關(guān),相關(guān)系數(shù)都在0.9以上。而在巴基斯坦的灌叢區(qū)域和中亞南部的草原,GPP與WUE的相關(guān)性稍弱。該地區(qū)也是WUE顯著下降區(qū)域,這說(shuō)明了導(dǎo)致該地區(qū)WUE下降的原因更多的在于ET的增加,而不是GPP的下降。利用公式(7)計(jì)算得出整個(gè)研究區(qū)中GPP對(duì)WUE的貢獻(xiàn)率為57%,而ET為51%,GPP的變化更多地影響著WUE的變化。因此,可以通過(guò)退耕還林、退耕還草等措施增加植被固碳能力和碳儲(chǔ)量,從而提高區(qū)域水分利用效率[70]。

圖7 2010—2018年植被WUE對(duì)不同氣象,葉面積指數(shù),土壤濕度及GPP和ET的相關(guān)性系數(shù)及其直方圖分布Fig.7 Correlation coefficient and histogram distribution of vegetation WUE to different Meteorological factors, leaf area index, soil moisture, GPP and ET in 2010—2018WUE-multi 代表WUE 受降水、溫度和 PAR三個(gè)因素的綜合影響;LAI: 葉面積指數(shù)Leaf area index; PAR: 光合有效輻射Photosynthetically active radiation

3 結(jié)論

本研究基于LPJ-VSJA聯(lián)合同化產(chǎn)品,結(jié)合研究區(qū)植被及氣候數(shù)據(jù),分析了亞洲半干旱區(qū)GPP、ET和WUE的時(shí)空變化、年際變化貢獻(xiàn)率以及驅(qū)動(dòng)因素。主要結(jié)論如下：

(1)2010—2018年年均GPP、ET、WUE空間格局總體趨于一致,分布特點(diǎn)為中高緯度與低緯度地區(qū)的碳水通量值大于中緯度區(qū)域。ET和GPP的經(jīng)度帶分布規(guī)律與土壤濕度分布規(guī)律大體一致,緯度帶分布規(guī)律與空間分布特點(diǎn)一致。

(2)2010—2018年GPP、ET和WUE的總體年際變化都呈現(xiàn)增長(zhǎng)趨勢(shì),只有GPP呈現(xiàn)顯著的增長(zhǎng)趨勢(shì)(P<0.05), 增速為7.82 g C m-2a-1,顯著增長(zhǎng)面積占所有植被區(qū)的19.3%,顯著下降面積占15.3%。WUE較低的區(qū)域出現(xiàn)顯著下降趨勢(shì),較高區(qū)域出現(xiàn)顯著增加趨勢(shì)。

(3)農(nóng)田在GPP、ET和WUE中都顯示出較高的顯著增長(zhǎng)面積,尤其是在WUE中。WUE的年際變化表現(xiàn)為總體先增加后減少。分土地覆蓋分析,灌木對(duì)WUE年際變化的貢獻(xiàn)率為負(fù)值,即與年際變化趨勢(shì)相反。正值中農(nóng)田的貢獻(xiàn)率最大,為54.6%。森林生態(tài)系統(tǒng)雖然面積較小,但是對(duì)半干旱區(qū)水分利用效率的影響相對(duì)較大。

(4)在驅(qū)動(dòng)力分析中,研究區(qū)WUE對(duì)三個(gè)氣象因子表現(xiàn)出顯著相關(guān)的區(qū)域(P<0.05)占植被區(qū)域的40%。降水為亞洲半干旱區(qū)WUE的主導(dǎo)氣象因素,降水和PAR共同影響了大部分區(qū)域植被的生長(zhǎng)狀況,對(duì)WUE多為負(fù)向影響；溫度對(duì)WUE主要為正向影響。且氣象因子對(duì)WUE的影響的區(qū)域差異性較明顯。LAI與SSM對(duì)WUE主要表現(xiàn)為正相關(guān)性,分別占總植被區(qū)域的37%和23%。GPP相對(duì)于ET對(duì)WUE的貢獻(xiàn)更大。

本文基于LPJ-VSJA聯(lián)合同化產(chǎn)品探討了亞洲半干旱區(qū)碳水通量時(shí)空變化及其自然驅(qū)動(dòng)因子。對(duì)于生態(tài)環(huán)境敏感且受水分限制的亞洲半干旱區(qū),降水作為區(qū)域WUE的主導(dǎo)氣象因素,地區(qū)降雨特征變化以及極端氣候事件可能會(huì)對(duì)WUE產(chǎn)生影響,因此有必要考慮區(qū)域氣候監(jiān)測(cè)和對(duì)極端氣候事件的響應(yīng)機(jī)制。同時(shí)GPP對(duì)WUE變化的貢獻(xiàn)較大,退耕還林、退耕還草等可以增加植被固碳能力和碳儲(chǔ)量的措施有助于提高區(qū)域水分利用效率。本文的研究結(jié)果有助于理解研究區(qū)碳水循環(huán)發(fā)展?fàn)顩r與循環(huán)機(jī)制,可為區(qū)域水資源管理、生態(tài)系統(tǒng)發(fā)展和全球氣候變化應(yīng)對(duì)提供參考。