徐士博,張美玲,宿茂鑫

(甘肅農(nóng)業(yè)大學(xué)理學(xué)院,蘭州 730070)

全球變暖背景下,陸地生態(tài)系統(tǒng)對全球氣候變化的響應(yīng)已經(jīng)成為全球變化研究的焦點之一[1],而植被作為陸地生態(tài)系統(tǒng)的重要組成部分,對全球氣候變化起著舉足輕重的作用,在發(fā)生變化之后對地層氣溫、土壤溫度以及濕潤狀況都會產(chǎn)生相應(yīng)的改變,同時由植被變化造成的地表蒸散以及土壤儲水能力的改變,也會使土壤含水量、地表徑流等發(fā)生明顯的變化[2-3]。因此,了解和掌握植被動態(tài)對環(huán)境變化的影響,對保持生態(tài)系統(tǒng)平衡和草地可持續(xù)發(fā)展尤為重要。

草地生態(tài)系統(tǒng)是陸地生態(tài)系統(tǒng)的重要組成部分,在氣候調(diào)節(jié)和陸地碳循環(huán)等方面扮演著重要角色[4-5]。青藏高原草地是對全球氣候變化最敏感的生態(tài)系統(tǒng)之一,并且草地凈初級生產(chǎn)力在生態(tài)系統(tǒng)碳通量的匯集和調(diào)節(jié)氣候變化中扮演著重要的角色[6-7]。近幾年來,植被生產(chǎn)力已經(jīng)成為國內(nèi)外研究的核心內(nèi)容之一[8],受到各界的廣泛關(guān)注。

青藏高原是我國面積最大的高原,其中草地是青藏高原分布最廣泛的植被類型,面積約占青藏高原總面積的60%[9],其草地的生長狀況對西北乃至全國生態(tài)系統(tǒng)的保護(hù)都具有重要意義。青藏高原也被稱為全球氣候的“放大器”,在未來氣候情景下,青藏高原草地碳源、碳匯功能是否會發(fā)生改變,這對未來全球氣候變化的走向具有重要意義。國內(nèi)外學(xué)者也對整個青藏高原草地生態(tài)系統(tǒng)進(jìn)行了不同角度的研究,但對于未來氣候響應(yīng)條件下,青藏高原草地生態(tài)系統(tǒng)的發(fā)展?fàn)顩r還具有一定的不確定性。

以往對青藏高原草地凈初級生產(chǎn)力的研究集中于對已知年份青藏高原NPP的估算上。例如劉麗慧等[10]利用Biome-BGC模型,通過改進(jìn)凍土區(qū)活動層土壤凍融水循環(huán),估算了2000—2018年青藏高原草地NPP,并對NPP模擬結(jié)果的時空特征進(jìn)行了分析,結(jié)果表明2000年以來青藏高原高寒草地NPP多年均值的空間分布表現(xiàn)為由東南向西北逐漸遞減,青藏高原草地生態(tài)系統(tǒng)質(zhì)量總體上呈現(xiàn)良性發(fā)展的態(tài)勢并且區(qū)域差異明顯,但局部草地仍持續(xù)退化。汪柳皓等[11]利用MOD13Q1歸一化植被指數(shù)(NDVI)產(chǎn)品數(shù)據(jù),分析了青藏高原地區(qū)2000—2019 年NDVI 的時空變化特征,并通過MOD11A2地表溫度數(shù)據(jù)和TRMM 衛(wèi)星降水?dāng)?shù)據(jù)探究了植被變化與地表溫度和降水之間的關(guān)系。也有學(xué)者[12]使用GLASS FVC 數(shù)據(jù),利用BFAST 方法和格局分析,探討了1982—2018年我國植被覆蓋變化的非線性趨勢及其分布格局,結(jié)果表明青藏高原中東部等地則由原先的改善趨勢變?yōu)榱送嘶厔荨?/p>

還有學(xué)者[13]研究探討氣候變化、物候及土壤因子和青藏高原NPP 之間的關(guān)系,量化NPP 變化趨勢,探索了青藏高原草地NPP對氣候變化、物候和土壤因子的響應(yīng)機(jī)制。與前者不同的是,部分學(xué)者除了考慮氣候變化對青藏高原植被變化的影響,還定量分析了人類活動對植被變化帶來的影響,結(jié)果發(fā)現(xiàn)人為干預(yù)對減緩生態(tài)系統(tǒng)退化具有重要作用,但二者的研究只是停留在過去的一段時期,對未來氣候變化和人類活動對青藏高原植被動態(tài)變化的影響卻仍然未知[14-15]。另外,以往針對未來氣候情景的研究中對河流徑流量、植物分布、氣候地理特征的研究居多[16-18],對未來氣候條件下植被NPP 的研究較少,特別是作為氣候變化敏感區(qū)的青藏高原來說,研究其植被NPP動態(tài)變化,對了解青藏高原草地NPP生態(tài)系統(tǒng)健康狀況和維護(hù)青藏高原國家生態(tài)安全屏障功能具有重要意義。近年來,許多學(xué)者對青藏高原NPP 的研究有了一定的了解和深入,在關(guān)于青藏高原草地NPP的空間分布上,也得到了由東南向西北遞減較為一致的看法,但是不同學(xué)者在利用不同模型去估算青藏高原草地NPP,在計算精度和準(zhǔn)確性上會存在一定的偏差。本研究采用DAYCENT 模型,利用青藏高原站點數(shù)據(jù),對模型進(jìn)行參數(shù)初始化,提高模型估算精度,增加模型對青藏高原NPP估算的準(zhǔn)確性。我們研究的目的就是探討在未來不同氣候情景下青藏高原草地NPP的動態(tài)變化,并且與基準(zhǔn)期(1971—2020年)相對比,探究未來青藏高原草地凈初級生產(chǎn)力的發(fā)展趨勢與發(fā)展前景,對青藏高原未來草地凈初級生產(chǎn)力的管理具有一定的指導(dǎo)意義。

1 研究區(qū)概況

青藏高原位于我國西南部,南起喜馬拉雅山脈南緣,北至昆侖山、阿爾金山脈和祁連山北部,西部為帕米爾高原和喀喇昆侖山脈,是中國最大、世界海拔最高的高原,同時也是我國草地面積最大的區(qū)域,被稱為“世界屋脊”[19-20]。研究區(qū)域介于26°00′—39°47′N,73°19′—104°47′E,東西長約2 800 km、南北寬300～1 500 km,總面積約250萬km2。青藏高原年均氣溫由東南的20℃,向西北遞減至-6℃以下,高原腹地年均溫度在0℃以下,大片地區(qū)最暖月平均溫度也不足10℃,最暖月平均氣溫4～6℃[21]。由于南部海洋暖濕氣流受多重阻留,年降水量也由2 000 mm縮減至50 mm以下,年降水量20～100 mm。日照充足,年太陽輻射總量140～180 MJ/cm2,年日照總時數(shù)2 500～3 200 h[22]。由于青藏高原特殊的地理位置,導(dǎo)致整個高原在全球氣候變化和環(huán)境保護(hù)方面具有重要意義,提前了解和掌握未來情景下青藏高原的生態(tài)動態(tài)變化,有利于我們在面對未來復(fù)雜氣候條件下提出科學(xué)有效的治理方案,這也是我們研究的目的和意義。

青藏高原凍土分布廣泛,植被大多數(shù)為天然草地,各類草地面積總和有1.4億hm2,占高原總面積的53%左右。本研究選擇高原上的3種典型草地類型,分別為高寒草甸、典型高寒草地和高寒荒漠草地,所選站點均為國家站點,共48個。站點位置如圖1所示,部分站點信息見表1。

表1 部分站點的土壤參數(shù)Table 1 Soil parameters for some sites

圖1 研究區(qū)域地理位置及站點分布Fig.1 Geographical location and site distribution of the study area

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

2.1.1 氣象數(shù)據(jù) 該模型驅(qū)動需要輸入以日為步長的氣象數(shù)據(jù),其中包括最高溫、最低溫、降雨量、太陽輻射、平均風(fēng)速等。由于洛隆、理塘和左貢站點部分年份數(shù)據(jù)缺失,所以選取的氣象數(shù)據(jù)范圍分別為1979—2020年、1972—2020年、1978—2020年,時間跨度分別為42 a,49 a,43 a,其余剩下的青藏高原45個氣象站點,用來驗證模型的研究時間段均為1971—2020年,跨度范圍為50 a。模型輸入站點的氣象數(shù)據(jù)下載于NOAA 美國國家環(huán)境信息中心網(wǎng)(https:∥gis.ncdc.noaa.gov/maps/ncei/cdo/daily)。

2.1.2 樣地參數(shù) 樣地參數(shù)數(shù)據(jù),主要包括研究站點的經(jīng)緯度、海拔、土層深度、堆積密度、萎蔫點、砂粒含量、黏土含量、土壤p H 值等,還包括研究區(qū)域植被類型的選擇。本研究利用MOD17A3 下載的NPP遙感數(shù)據(jù),以及查找相關(guān)文獻(xiàn)中的NPP 實測數(shù)據(jù)對所選48個站點進(jìn)行參數(shù)校正。其中站點土層深度和土壤質(zhì)地數(shù)據(jù)來源于聯(lián)合國糧農(nóng)組織(https:∥www.fao.org/home/zh)和世界土壤數(shù)據(jù)庫(Harmonized World Soil Database version),站點高程數(shù)據(jù)和經(jīng)緯度來源于空間地理數(shù)據(jù)云(www.gscloud.cn/search)。

2.1.3 遙感數(shù)據(jù) 遙感數(shù)據(jù)來源于“美國國家航空航天局(NASA)”的戈達(dá)德航天中心(LAADS,https:∥ladsweb.modaps.eosdis.nasa.gov)。采用2000—2020年的MOD17A3下載的NPP遙感數(shù)據(jù),其空間分辨率為0.5 km×0.5 km,時間分辨率為16 d。本研究首先在Modis Tool中將6景MOD17A3遙感數(shù)據(jù)進(jìn)行影像拼接處理,并將其投影為UTM(universal transversen mercator);然后在ArcGIS 中利用青藏高原矢量圖按照掩膜提取裁剪得到青藏高原2000—2020年NPP的柵格數(shù)據(jù)。

2.1.4 CMIP6氣候模式數(shù)據(jù) 為利用全球氣候模式中的數(shù)據(jù)對未來情景下NPP 進(jìn)行模擬預(yù)測,本研究選取CMIP6(https:∥esgf-data.dkrz.de/search/cmip6-dkrz)提供的BCC_CSM1.1 氣候模式下的SSP126和SSP585情景數(shù)據(jù),其中SSP126為低排放情景,是一種政府干預(yù)下的氣候情景;而SSP585 為高排放情景,是指在無氣候變化干預(yù)時的基線情景,特點是溫室氣體排放和濃度不斷增加。每個情景下包括的要素有日最高溫、日最低溫、日降水量,獲取的時間序列是2021—2100年,將該時間序列分為4個階段,分別為2021—2040 年(近期)、2041—2060 年(中期)、2061—2080年(遠(yuǎn)期)、2081—2100年(長遠(yuǎn)期)。運用NWAI-WG 統(tǒng)計降尺度的方法提取處理數(shù)據(jù),提升柵格數(shù)據(jù)的格點數(shù)目,最后利用ArcGIS提取各個站點的氣候數(shù)據(jù)。

2.2 研究方法

2.2.1 DAYCENT 模型 DAILY CENTURY(簡記為DAYCENT)模型是CENTURY 模型的每日步長版本。CENTURY 按每月步長運行一次,最初于20世紀(jì)70年代開發(fā),用于模擬土壤有機(jī)質(zhì)(SOM)、植物生產(chǎn)力、養(yǎng)分可用性和其他生態(tài)系統(tǒng)參數(shù)的變化,以響應(yīng)土地管理和氣候的變化。CENTURY 已被廣泛應(yīng)用,并被證明能夠可靠地模擬全球大多數(shù)陸地生態(tài)系統(tǒng)的植物生長和土壤有機(jī)質(zhì)變化。該模型主要分為水分和溫度、植物和土壤3個模塊。

DAYCENT 環(huán)境由土壤參數(shù)文件、計劃文件、天氣文件和輸出文件組成。DAYCENT 模型的輸入?yún)?shù)可以分為4類,分別為天氣信息、土壤信息、植物信息和管理事件,其中包括的主要變量有:日平均最高和最低氣溫、日降水量、植物體中的木質(zhì)素含量以及土壤的初始含碳、氮、磷和硫含量。DAYCENT 模型在每日時間步長下運行,該模型主要有每日參數(shù)文件(“.sch”或“.evt”)、每日天氣文件(“.wth”)和輸入文件(*.100,*.in,*.dat)及輸出參數(shù)文件(.out和.csv)組成。其中輸入?yún)?shù)的文件都是可以使用文本編輯器進(jìn)行編輯的文本文件。在R 中將該模型作為外部程序運行或者使用DOS 命令提示符下運行程序,開始運行后,每次模擬會將每月輸出變量寫入二進(jìn)制文件,并將每日輸出變量寫入文本文件。模擬完成后,利用LIST100程序讀取二進(jìn)制文件并創(chuàng)建所選變量的ASCII列表[23]。

2.2.2 模型參數(shù)化以及驗證數(shù)據(jù)的獲取 本研究利用“美國國家航空航天局(NASA)”下載的MOD17 A3 2000—2020年NPP 遙感數(shù)據(jù)作為觀測值,并結(jié)合相關(guān)文獻(xiàn)中NPP 的實測數(shù)據(jù)對DAYCENT 模型參數(shù)的校正。DAYCENT 模型輸出的是每日NPP數(shù)值,若文獻(xiàn)中提供的是地上生物量和地下生物量,根據(jù)對草地生物量的相關(guān)研究,草地地上和地下生物量的對照值通常采用1∶5.73,并根據(jù)碳轉(zhuǎn)化率(0.475)計算得出NPP實測值[24]。

2.3 模型評價方法

本研究選取平均絕對誤差(MAE)、可決系數(shù)(R)、Nash效率系數(shù)(NS)和均方根誤差(RMSE)等多個統(tǒng)計變量,用于評價DAYCENY 模型對青藏高原站點凈初級生產(chǎn)力的模擬效果,采用的計算公式:

(1)均方根誤差。

均方根誤差用于評價模擬值和觀測值之間的偏差即模擬結(jié)果的準(zhǔn)確性,均方根誤差越小,表示模擬值與實測值之間的偏差越小,模型的模擬效果越好。

(2)平均絕對百分比誤差。

平均絕對百分比誤差,與RMSE 相比,穩(wěn)定性更高,因為MAE對每個點的誤差進(jìn)行了歸一化。它表示預(yù)測值和觀測值之間絕對誤差的平均值,反映模型模擬的可信度。

(3)可決系數(shù)。

可決系數(shù)可以通過模型模擬值與觀測值之間的線性回歸所得,反應(yīng)模擬結(jié)果吻合實測值波動的能力,其值越接近1表示模擬值與觀測值的吻合程度越高。

(4)Nash效率系數(shù)。

Nash效率系數(shù)的取值范圍為負(fù)無窮大(模擬效果差)至1(模擬效果好)。反映模擬結(jié)果和實際觀測值的吻合程度,若模擬值結(jié)果與實測值之間的方差大于實測值的方差,則其值將小于0,越小于0則模擬結(jié)果的可信度越低;若模擬值與實測值之間的方差和實測值一樣大,其值接近于0,表示模擬結(jié)果接近觀測值平均值水平,總體模擬結(jié)果可信,但過程模擬誤差較大;若模擬值與觀測值之間的方差趨于0,則其值接近于1,表示模型很好地模擬了實測值的變化,模型可信度高。

以上各式中:hi,mi分別為模型模擬值和觀測值;分別為模擬值和觀測值均值;n為時間序列個數(shù)。

2.4 相關(guān)性分析

相關(guān)性主要用來反映要素之間的相關(guān)性大小和方向。本研究基于皮爾遜相關(guān)系數(shù)分析和討論青藏高原草地NPP與各氣候因子之間的相關(guān)性和顯著性水平,其計算公式如下[25]:

式中:rx,y為x,y變量的相關(guān)系數(shù);xi,yi為x,y變量第i年的值;為x,y變量的平均值;rxy1,y2為將y2固定后x與y1的偏相關(guān)系數(shù);rxy1為x與y1的相關(guān)系數(shù);rxy2為x與y2的相關(guān)系數(shù);rxy2為y1和y2的相關(guān)系數(shù)。此外,本研究采用T檢驗法來分析偏相關(guān)系數(shù)和復(fù)相關(guān)系數(shù)的顯著性,公式如下:

式中:n為樣本個數(shù);m為變量個數(shù)。

3 結(jié)果與分析

3.1 模型模擬結(jié)果驗證

通過文獻(xiàn)查找的NPP實測數(shù)據(jù)與對應(yīng)18個氣象站點的NPP 模擬值進(jìn)行對比(圖2),從圖上可以看出站點模擬值與文獻(xiàn)中的實測值非常接近,MAE均在10%以內(nèi)。

圖2 DAYCENT模型模擬數(shù)據(jù)驗證Fig.2 DAYCENT model simulates data validation

圖3A—B是以清水河、曲麻萊站點為例2000—2021年的DAYCENT 模型模擬值與MOD17A3 下載的NPP遙感觀測值對比,從圖上可以看出NPP模擬值與觀測值整體趨勢保持一致。圖3C—D 是對清水河、曲麻萊站點的模擬值與觀測值做線性回歸,并添加95%的置信區(qū)間,從圖上可以看出絕大多數(shù)的點均在置信區(qū)間內(nèi),線性擬合程度R2分別為0.62,0.73,p值均小于0.05,通過了顯著性檢驗。

圖3 站點模擬值與實測值對比Fig.3 Comparison of simulated and measured values at the site

從表2選取的部分站點的統(tǒng)計指標(biāo)也可以看出,站點模擬的擬合效果均在0.5以上,NS均大于0且接近于1,MAE 均在10%以下,RMSE 也在可接受范圍之內(nèi),說明模型整體模擬效果良好,DAYCENT模型的參數(shù)合理,可以用來模擬青藏高原地區(qū)草地凈初級生產(chǎn)力。

表2 部分站點的模型評價指標(biāo)結(jié)果Table 2 Model evaluation metric results for some sites

3.2 1978-2020年草地NPP的時間動態(tài)變化

圖4是利用校正后的DAYCENT 模型模擬的1978-2020年青藏高原草地NPP變化趨勢,從圖上可以看出青藏高原草地NPP總體呈現(xiàn)出線性增加趨勢,波動范圍為14 223.47～17 543.43 g C/(m2·a),年均增長速率為82.88 g C/(m2·a)(p＜0.05)。

圖4 1978-2020年青藏高原草地NPP動態(tài)變化Fig 4 Dynamic changes in average NPP from 1 978 to 2 020

3.3 1978-2020年草地NPP的空間分布

通過DAYCENT 模型模擬青藏高原48個氣象站點的NPP值,利用反權(quán)重插值法繪制青藏高原草地NPP的空間分布圖(圖5),1978—2020年青藏高原NPP年平均值為499.83 g C/m2,從圖上也可以看出,NPP高值區(qū)主要位于青藏高原的東南部,總體呈現(xiàn)出由東南向西北遞減的趨勢,NPP 值較高的區(qū)域位于云南省和四川省的東南部分,NPP 值較低的區(qū)域位于新疆、西藏等省份。

圖5 1978-2020年均NPP空間分布Fig.5 Average NPP spatial distribution from 1978 to 2020

3.4 2021-2100年不同情景下草地NPP 的時間動態(tài)變化

采用上述站點參數(shù)初始化后的DAYCENT 模型,單向嵌套BCC-CSM1.1氣候模式,并將未來氣候情景分為4個時間段,分別為2021—2040年(近期)、2041—2060年(中期)、2061—2080年(遠(yuǎn)期)、2081—2100年(長遠(yuǎn)期)。從圖6A可以看出,在SSP126情景下,青藏高原草地凈初級生產(chǎn)力總體呈現(xiàn)出下降趨勢,其中近期(2021—2040年)的波動范圍最小,NPP數(shù)值波動范圍為11 599.94～12 680.29 g C/(m2·a),減小幅度為9.3%,波動范圍最大的是長遠(yuǎn)期(2081—2100年),波動范圍為10 877.34～12 198.97 g C/(m2·a),減小幅度為12.1%,且在整個模擬期間(2021—2100年)NPP 數(shù)值波動范圍在10 877.34～12 680.29 g C/(m2·a),減小幅度為16.5%。從圖6B來看,在SSP585情景下,NPP總體呈現(xiàn)出平穩(wěn)的上升趨勢,其中近期(2021—2040年)的增長速率最高為12%,其余3個時期的增長速率分別為7%,7%,6.5%。從圖6C 看,與基準(zhǔn)期(1971—2020年)相比,SSP126 和SSP585 情景下NPP 值均低于基準(zhǔn)期水平,呈現(xiàn)出下降趨勢,分別下降28%,23%,其中SSP126下降速率略高于SSP585。

圖6 青藏高原草地NPP的時間動態(tài)變化Fig.6 Temporal dynamics of NPP in grassland on the Tibetan Plateau

3.5 2021-2100年不同情景下草地NPP的空間分布

針對青藏高原草地凈初級生產(chǎn)力的模擬值,利用反權(quán)重插值法繪制草地凈初級生產(chǎn)力的空間分布圖(圖7—8)。由圖7 可知,在SSP126 低碳排放濃度背景下,4個時段的青藏高原草地凈初級生產(chǎn)力的年平均值分別為505.65,516.00,515.06,510.53 g C/(m2·a),4個時段呈現(xiàn)出比較平穩(wěn)的小幅度的增加趨勢,從空間分布來看,總體呈現(xiàn)出由東南向西北遞減的趨勢,且NPP 值較高的區(qū)域位于西藏西南、青海南部、四川、云南等氣候溫暖濕潤的省份,NPP值較低的區(qū)域則位于西藏北部、新疆等嚴(yán)寒干燥的省份。

圖7 SSP126情景下4個時期草地年平均NPP空間分布Fig.7 Annual average NPP spatial distribution of grassland in four periods under the SSP126 scenario

由圖8可知,在SSP585高濃度碳排放背景下,4個時段的青藏高原草地凈初級生產(chǎn)力的年平均值分別為502.57,521.05,535.07,539.24 g C/(m2·a),4個時段也呈現(xiàn)逐期的增長趨勢。相比SSP126,除了近期(2021—2040年)NPP值的差別不大之外,其余3個時期均呈現(xiàn)出不同的增長趨勢,NPP年平均值分別增加了5.05,20.21,28.71 g C/(m2·a),增長速率分別為0.96%,3.92%,5.6%。從空間分布來看SSP585與SSP126相比整體的分布格局沒有改變,依然是東南高,西北低,呈現(xiàn)出由東南向西北遞減的趨勢。

圖8 SSP585情景下4個時期草地年平均NPP空間分布Fig.8 Annual average NPP spatial distribution of grassland in four periods under the SSP585 scenario

由圖9可知,與基準(zhǔn)期(1971—2020年)相比,青藏高原呈現(xiàn)出不同的增減趨勢,在SSP126情景下青藏高原85%以上的地區(qū)出現(xiàn)下降趨勢,主要位于藏北和新疆地區(qū)以及青海中部、甘肅的東部。NPP 出現(xiàn)增加的趨勢主要集中在四川西部的班瑪縣、甘孜縣等地區(qū),還有包括青海中部的格爾木市、都蘭縣、德令哈市,以及藏南地區(qū)的江孜縣、仁布縣、定日縣等。另外,相比于近期(2021—2100年),在SSP126情景下其余的3個時期在西藏西部的普蘭縣、噶爾縣、札達(dá)縣等地區(qū),年平均NPP值均呈現(xiàn)出增加的趨勢,分別是基準(zhǔn)期的0.23,0.25,0.27倍。說明在SSP126情景下,出現(xiàn)草地NPP增加的地區(qū),呈現(xiàn)相似的增加趨勢。

由圖10可知,與基準(zhǔn)期(1971—2020年)相比,在SSP585情景下,青藏高原草地NPP 值在絕大部分地區(qū)也是呈現(xiàn)出下降趨勢,同時與SSP126情景相比,SSP585情景下的最大增長倍數(shù)都有所增加,比SSP126分別增加了0.06,0.16,0.32,0.38倍,由兩種不同情景下的相同時期對比來看,青藏高原草地NPP的增長趨勢的空間分布大致相同,其中除了西藏色尼區(qū)的草地NPP與SSP126情景下的遞減趨勢相反,該地區(qū)呈現(xiàn)出逐年增加的趨勢。

圖10 SSP585情景下青藏高原草地NPP相對變化空間分布Fig.10 Spatial distribution of NPP relative variation in grassland on the Qinghai-Tibet Plateau under the scenario of SSP585

3.6 氣候變化對青藏高原NPP的影響

3.6.1 SSP126情景下氣候變化對NPP 的影響 由圖11可知,青藏高原年降水量表現(xiàn)出南高北低,中間逐漸遞減的空間分布特征;年平均氣溫呈現(xiàn)出由東南向西北逐漸降低的空間分布特征。

圖11 SSP126情景下年平均降水和平均氣溫的空間變化Fig.11 Spatial variation of annual mean precipitation and annual mean temperature under the SSP126 scenario

青藏高原的最高年降水量為69.20 mm,2100年較2021年上升了4 mm左右(圖12A)。80 a平均氣溫的最高值為8.91℃,最低值為-9.16℃,且80 a來溫度呈小幅度波動但總體緩慢增長的變動趨勢(圖12B)。

由表3可知,草地NPP與年平均最高溫、最低溫呈正相關(guān),隨溫度的增加而增加;與年均降水呈負(fù)相關(guān),隨降水的增加而減少,且與溫度的相關(guān)性通過了顯著性檢驗。

3.6.2 SSP585情景下氣候變化對NPP的影響 由圖13可知,在SSP585情景下,降水呈現(xiàn)由東南向西北遞減的趨勢,年平均最高降水為30.68 mm。氣溫呈現(xiàn)由東南向西北遞減的趨勢,這與草地NPP 的空間演變特征保持一致,且氣溫的增加趨勢大于降水。

青藏高原的年均降水表現(xiàn)出波動式的上升趨勢,2100年較2021年降水增加了10 mm 左右,年平均氣溫總體呈線性增加的趨勢(圖14A),最高溫為30.16℃,最低溫為-6.9℃(圖14B),兩者的總體時序情況與NPP的趨勢較為一致,其中溫度的發(fā)展趨勢更接近NPP的時序情況。說明溫度是影響青藏高原草地、NPP改變的主要原因。

圖14 SSP585情景下年平均降水和年平均氣溫的時間變化Fig.14 Temporal variations of annual mean precipitation and annual mean temperature under SSP585 scenario

由表4可知,NPP與年均最高溫、最低溫和降水均呈正相關(guān),隨溫度和降水的增加而增加,其中與溫度的相關(guān)性高于降水,并且通過了顯著性檢驗。從兩個情景對比來看,草地NPP與溫度降水均有一定的相關(guān)性,但與溫度的相關(guān)性高于降水,而且在SSP126情景下,NPP與降水呈負(fù)相關(guān);SSP585情景下與降水呈正相關(guān)。

表4 草地NPP與氣候因素的person相關(guān)系數(shù)(SSP585)Table 4 Person correlation coefficient between grassland NPP and climatic factors(SSP585)

4 討論

本研究發(fā)現(xiàn)CMIP6的SSP126和SSP585情景下,青藏高原草地NPP分別呈現(xiàn)出逐年下降和逐年上升的趨勢,這與韓海燕[8]利用Biome-BGC模型嵌套RCP氣候情景,低濃度路徑下(RCP2.6)青藏高原草地NPP呈現(xiàn)出下降趨勢,高濃度路徑下(RCP8.5)青藏高原草地NPP呈現(xiàn)出上升趨勢結(jié)論相同;此外在兩種不同氣候情景下,青藏高原在空間上表現(xiàn)出由東南向西北逐漸遞減的趨勢,這也與李傳華等[26]的研究結(jié)果一致;從時序來看,青藏高原基準(zhǔn)期(1971—2020年)草地NPP呈現(xiàn)出逐年上升的趨勢,并且以年平均82.88 g C/(m2·a)的速率顯著增長,這與張帆[27]利用CASA 模型估算的青藏高原草地1982—2015年的127.1 g C/(m2·a)年均NPP結(jié)果較為一致;何楷迪等[28]研究發(fā)現(xiàn),藏北地區(qū)草地NPP空間分布呈水平地帶性分布,由東南向西北遞減,藏北地區(qū)草地NPP整體水平較低,這也與本研究的結(jié)論相一致。

劉曉東等[29]發(fā)現(xiàn),在未來2030—2049年期間,青藏高原大部分地區(qū)平均地面氣溫的升幅在1.4～2.2℃,但降水量的相對變化較小,通常不超過5%。本研究發(fā)現(xiàn)未來氣候情景下青藏高原草地NPP雖然在SSP126和SSP585兩種情景中分別呈現(xiàn)下降和上升趨勢,但與基準(zhǔn)期(1971—2020年)相比,兩者年均NPP值整體水平均低于基準(zhǔn)期,說明在未來極端氣候條件下,青藏高原草地生態(tài)系統(tǒng)的敏感性顯得尤為突出,但相比較而言,SSP126氣候情景的減少速率略高于SSP585,造成這種現(xiàn)象的原因是,SSP585與SSP126相比,全球氣候朝著更暖、更濕的方向發(fā)展,溫度和降水的減少是導(dǎo)致SSP126情景下青藏高原草地NPP減少速率高于SSP585情景的主要原因之一。

在本研究中,未來氣候情景下氣溫和降水呈現(xiàn)出不同的增加速率,總體來說,SSP585情景下的氣溫和降水的增加速率高于SSP126情景。另外,本研究發(fā)現(xiàn),在SSP126情景下,青藏高原NPP與氣溫呈正相關(guān),與降水呈負(fù)相關(guān),這與邊多等[30]的研究結(jié)果一致,但在SSP585情景下,青藏高原NPP與氣溫和降水均呈正相關(guān),但氣溫的相關(guān)性高于降水。這說明了在不同氣候條件下,氣溫和降水對NPP 均有一定的影響,但明顯氣溫的影響力要顯著高于降水。由此可以看出氣溫是影響青藏高原草地NPP的主要原因。

在青藏高原草地生態(tài)系統(tǒng)的研究中,放牧是草地生態(tài)系統(tǒng)估算過程中的重要一部分,研究NPP 的演變過程與放牧因素的關(guān)系也是未來探究青藏高原草地生態(tài)系統(tǒng)的核心問題之一[31],而本研究只針對未來氣候情景下青藏高原草地NPP的時空變化特征以及與基準(zhǔn)期時段NPP 的演變過程進(jìn)行了對比分析,沒有具體討論放牧因素對青藏高原草地NPP 的響應(yīng),這也將是本研究后續(xù)過程中要攻克的重難點。

5 結(jié)論

(1)1971—2020年,青藏高原草地NPP整體呈現(xiàn)出“東南高、西北低”的空間分布格局,NPP值高的地方主要集中在日照充足,降水豐富的暖濕地區(qū),而低值區(qū)主要集中在降水匱乏,日照不足的干旱地區(qū)。

(2)在過去50 a來,青藏高原草地生態(tài)系統(tǒng)整體趨向改善,但不同氣候情景下,未來草地NPP變化趨勢有所差異。在SSP126情景下,未來80 a(2021—2100年)青藏高原草地NPP 值出現(xiàn)整體下降的趨勢,這與該情景下,氣候朝著低溫少雨的方向發(fā)展有著緊密聯(lián)系,相比SSP126 情景,SSP585 情景下,氣候朝著更暖更濕的方向發(fā)展,青藏高原草地NPP 值整體呈現(xiàn)上升的發(fā)展趨勢。

(3)氣溫和降水是造成青藏高原草地NPP變化的主要驅(qū)動因子,在SSP126和SSP585兩種情景下,溫度與NPP 均呈正相關(guān),且相關(guān)性高于降水。在SSP126 情景下,降水與NPP呈負(fù)相關(guān),SSP585情景下,降水與NPP呈正相關(guān)。整個青藏高原草地NPP變化的主要驅(qū)動因子是氣溫。