基于遙感數據的植被碳水利用效率時空變化和歸因分析

林子琦,溫仲明,2,*,劉洋洋,姚宏斌,周榮磊,任涵玉,袁瀏歡

1 西北農林科技大學草業與草原學院,楊凌 712100 2 中國科學院教育部水土保持與生態環境研究中心,楊凌 712100

水-碳循環是陸地生態系統中的重要環節[1]。在氣候變化背景下,陸地生態系統水-碳循環機制及其對氣候條件的響應成為生態學界高度關注的問題[2]。碳水利用效率作為表征陸地生態系統水-碳循環的重要指標,也是全球變化研究的熱點[3]。

陸地生態系統的碳利用效率(Carbon Use Efficiency,CUE)是反映植被固碳能力的重要參數[4]與分析生態系統碳分配模式的關鍵指示因子[5]。許多研究將其定義為凈初級生產力(Net Primary Productivity,NPP)與總初級生產力(Gross Primary Productivity,GPP)的比率[6]。水利用效率是生態系統功能的一個關鍵特征,也是水碳耦合的連接橋梁[1]。在生態系統層面,水利用效率(Water Use Efficiency,WUE)是指以蒸散發(Evapotranspiration,ET)形式出現的碳增加與水分損耗的比率[2]。

近年來,遙感技術的發展為有關水碳循環的研究帶來了新的思路,眾多學者利用遙感產品開展相關研究。如,植被CUE并非恒定值[7],不同植被類型之間的CUE差別也較大[8]。區域尺度上,劉福紅等[9]對鄱陽湖流域不同土地利用類型碳水利用效率進行統計分析,發現草地及農田CUE較高,森林及灌叢CUE較低。時空動態方面,2000-2013年中國植被CUE大體呈現西部高東部低的狀態[10];袁旻舒等[11]利用CMIP5模型對模擬未來中國陸地生態系統的CUE并分析其變化潛力,結果表明未來CUE變化范圍在0.332-0.617之間且隨時間略微降低;劉憲鋒等[12]發現黃土高原WUE整體呈現上升趨勢;常娟等[13]發現西北地區草地WUE呈現由東南向西北遞減的空間變化規律。

植被碳、水利用效率對環境及氣候變化較為敏感[14-15]。Zhang等[16]在全球碳利用效率的氣候驅動因素的研究中發現溫度的升高使CUE降低,而降水增加導致CUE上升;高寒環境以氣溫為主要驅動因素[7]。在海拔較高的區域,植被WUE與降水及溫度均呈正相關[17];而干旱條件下,植被WUE對氣溫、降水呈負反饋[18]。

植被動態也對碳水循環有很強的控制作用[19],植被綠化可能會影響生態系統碳封存潛力及水循環過程。隨著全球變暖及大規模植被恢復工程的實施,植被碳匯作用明顯提升[20]。研究表明,WUE的減少可能與生態系統的退化有關,而生態系統恢復則會促進WUE的增加[21]。區域尺度上,王辰露等[22]探究了黃河流域植被變化對水碳耦合的影響策略,但針對碳循環的研究不夠深入,缺少植被固碳能力的系統評估。

黃河流域是我國植被恢復工程的重點區域,其生態環境脆弱敏感,屬典型的干旱半干旱氣候[23]。近20年來,為改善黃河流域生態退化狀況,促進流域高質量發展,國家相繼實施一系列如退耕還林還草等的生態恢復工程,并初步取得成效[23]。盡管已經認識到逆轉荒漠化、防止土壤侵蝕和增加地表生物量的好處,但植被增加也產生了植被蒸散耗水加劇的問題。人為植被恢復對陸地生態系統水和碳循環關鍵過程的影響仍然知之甚少[20],揭示陸地生態系統在區域植被恢復背景下的碳水循環動態及其對氣候變化的響應仍是生態學研究中的一大挑戰。探究黃河流域碳水循環特征及其與水熱條件之間的聯系,以及生態恢復工程如何改變水碳平衡則顯得尤為必要?，F階段的多數研究局限于區域尺度的單一指標(CUE或WUE),將碳、水利用效率綜合考慮的相關研究還較為少見。

本研究基于MODIS數據產品,分析黃河流域植被碳水利用效率變化的時空模式及其在不同植被類型之間的差異,并探究水熱條件對碳水利用效率變化的相對貢獻,以期為黃河流域水碳耦合機制的研究與流域植被恢復的可持續發展提供科學參考。

1 數據與方法

1.1 研究區概況

黃河流域(32°10′-41°50′E,95°53′-119°05′E)幅員遼闊,地處我國中北部地區,西起青藏高原的巴顏喀拉山脈,東入渤海,北抵陰山,南達秦嶺,途經青、川、甘、寧、蒙、陜、晉、豫、魯9省份。流域地勢西高東低橫跨三大階梯,地形豐富多樣,自西向東橫穿青藏高原、內蒙古高原、黃土高原及黃淮海平原,全長5464 km,總面積約79.5×104km2。流域自西向東氣候變化懸殊,降水與氣溫均呈由南向北、由東向西遞減的特征。流域多年平均降水量440 mm,多年平均氣溫為7℃[24]。根據流域實際情況,將黃河流域土地利用類型概括為森林、灌叢、農田、水體及濕地、城市、草地和裸地等7類,其中主要植被類型為耕地、森林、草地、灌叢,面積分別占黃河流域總面積的19.97%,4.55%,69.91%,0.10%(圖1)。

圖1 研究區概況Fig.1 Location of study area and the distribution of different landcover types

1.2 數據來源及處理

1.2.1GPP、NPP、ET數據及土地覆蓋類型數據

本研究所使用的GPP、NPP、ET遙感數據來自于MODIS 數據產品:MOD17A2H、MOD17A3H和MOD16A2。其空間分辨率為500 m,時間分辨率8 d,時間跨度為2000-2020年,地理坐標投影系均為WGS-84,數據格式為TIF。為避免傳統研究中下載數據遇到的重投影、鑲嵌等步驟,本研究使用Google Earth Engine(GEE)平臺(https://earthengine.google.com/)進行數據下載工作。本研究在GEE平臺對原始數據去除異常值,并對GPP與ET數據進行年值計算。經由Google drive導出GeoTIFF格式數據,利用 ArcGIS 10.8基于研究區矢量邊界進行批量掩膜,得到可分析數據。

土地利用類型數據采用MCD12Q1地表覆蓋柵格數據,空間分辨率為500 m。根據IGBP(International Geosphere-Biosphere Program)分類系統,結合本研究實際情況,將數據重新劃分為草地、森林、農田、灌叢、水體、城市及裸地等7類,重點分析草地、森林、農田與灌叢的碳水利用效率時空變化特征。

1.2.2氣象數據

氣象數據源自黃土高原科學數據中心(http://loess.geodata.cn)提供的中國722個標準氣象站點2000-2020年的逐月平均降水與氣溫數據集。為確保計算數據的匹配,運用ANUSPLIN軟件結合各站點的高程與經緯度信息對氣象數據進行空間插值處理,以獲取與研究區CUE、WUE影像分辨率相同且投影一致的氣象柵格影像?；邳S河流域矢量邊界,利用 ArcGIS 10.8掩膜,并計算研究區氣象年尺度柵格數據。

1.3 研究方法

1.3.1CUE和WUE計算方法

本研究將黃河流域植被的碳利用效率(CUE)與水利用率(WUE)計算公式如下:

(1)

(2)

式中,NPP和GPP是植被凈初級生產力和總初級生產力,單位為gC/m2,ET是植被蒸散發,單位為mm。CUE值無量綱,WUE單位為gC m-2mm-1。

1.3.2趨勢分析法

本研究采用Sen+MK檢驗定量分析近20年黃河流域植被碳水利用效率的變化趨勢。Theil-Sen斜率[25]可以有效避免數據缺值與異常值對時間序列的干擾,較之簡單的線性回歸與傳統的最小二乘法更加準確[6]。

MannKandell(MK)檢驗對測量誤差不敏感,能夠有效剔除異常值[26],在時間序列的趨勢分析中被廣泛使用[23]。通過MK檢驗進一步確定研究區CUE、WUE變化趨勢的顯著性。

Sen+MK檢驗具體公式參照文獻[23],根據該方法,在0.05和 0.01顯著性水平下標準化統計量分別為|Z|≥1.96和|Z|≥2.58時,則拒絕無趨勢的原假設,將變化趨勢分為五類:極顯著增加,顯著增加,變化不顯著,顯著減少和極顯著減少。

1.3.3穩定性分析

變異系數(Coefficient of variation,CV)是數據系列中數據點在平均值附近離散度的統計量度。CV表示標準偏差與平均值的比率,它是比較一個數據系列與另一個數據系列變異程度的有用統計量。本研究使用CV來檢查黃河流域CUE的空間和時間可變性程度。

(3)

1.3.4變化持續性及未來發展趨勢分析

Hurst指數(H)被廣泛利用于反映時間序列變化趨勢的可持續性,本文采用重標極差(R/S)分析方法的Hurst指數,對黃河流域植被CUE和WUE的未來變化趨勢進行分析預測。當H<0.5 時,表示時間序列的反持續性;H=0.5,表示時間序列隨機;H>0.5,表示時間序列的正向持續性。具體公式參考文獻[4]。

1.3.5相關性分析

在多元相關分析中,不同變量之間的關系非常復雜,它們可能同時受多個變量的影響。因此,簡單的線性相關系數并不能真實反映兩個變量之間的本質關系。為了排除溫度與降水彼此之間的影響,以便更加直觀、準確地觀察研究區植被CUE、WUE與氣象因子的關聯性,本研究采用偏相關進一步分析降水和氣溫對植被的單獨作用。偏相關分析是一種用于在控制其他變量的線性影響的情況下,分析兩個變量之間的線性相關性的分析方法[6]。本研究采用偏相關分析法研究不同氣象因子對黃河流域CUE、WUE變化的影響,并通過雙邊t檢驗判定顯著性。具體公式參考文獻[17]。

2 結果與分析

2.1 黃河流域植被CUE和WUE的年際變化特征

如圖2所示,2000-2020年黃河流域NPP、GPP、ET均呈顯著上升趨勢(P<0.01)。GPP、NPP與ET在年際尺度分別以每年8.33和4.64和7.56 gC/m2的速率顯著增加。其中,GPP與NPP分別增加186.08 gC/m2與98.05 gC/m2,ET增加149.32 mm。

圖2 2000-2020年黃河流域植被凈初級生產力(NPP)、總初級生產力(GPP)和蒸散發(ET)的變化趨勢Fig.2 Variation of NPP,GPP and ET from 2000 to 2020 in the Yellow River Basin

統計黃河流域年CUE與WUE的均值(圖3)。結果表明:2000-2020年研究區植被CUE波動下降,線性遞減率為-0.0005 a-1,均值為0.61;WUE波動上升,線性遞增率為0.0019 gC m-2mm-1a-1,均值0.68 gC m-2mm-1。二者變化均不顯著(P>0.05),總體均趨于穩定。如圖4所示,不同植被類型碳水利用效率的年際變化特征與黃河流域整體變化基本一致,但植被CUE大小差異明顯。其中草地CUE最高,均值為0.63,森林CUE最低,均值為0.47;不同植被的WUE值 gC m-2mm-1依次為:農田(0.87)>森林(0.82)>草地(0.63)>灌叢(0.54)。

圖3 2000-2020年黃河流域植被CUE和WUE變化趨勢Fig.3 Variation of CUE and WUE from 2000 to 2020 in the Yellow River Basin

圖4 黃河流域不同土地利用類型CUE、WUE的時間變化Fig.4 Variation of CUE and WUE of different land use types in the Yellow River Basin from 2000 to 2020

2.2 黃河流域植被CUE和WUE的空間分布

研究區植被CUE有明顯的空間異質性,總體呈現西高東低。高值區主要分布在黃土高原西北部及黃河源區,低值區集中分布在黃河下游(圖5)。黃河流域超過90%的地區CUE值大于0.5;9%的地區在0.3-0.5之間,零星分布于流域下游地區,面積約為7.2×104km2;小于0.3的區域不足1%。WUE的空間分布與CUE相反,表現為東高西低。研究區10.00%的植被WUE在0-0.4 gC m-2mm-1間,分布于黃河源區,面積約為8.0×104km2;58.98%的地區WUE值為0.4-0.8 gC m-2mm-1,其分布范圍與黃河上游分區大體一致,面積約為46.9×104km2;此外,陜西省中南部,山西省大部分地區及河南省北部區域的植被WUE范圍在0.8-1.0 gC m-2mm-1,面積約為20.6×104km2,占研究區面積的25.94%;黃河流域僅有5%的區域植被WUE大于1.0 gC m-2mm-1。

圖5 2000-2020年黃河流域植被CUE、WUE年均值分布圖Fig.5 Distribution of average annual CUE and WUE in the Yellow River Basin during 2000-2020

2.3 黃河流域植被CUE、WUE變化趨勢

采用Sen趨勢分析對植被CUE、WUE的線性變化率(β)的進行統計(圖6)。黃河流域植被CUE的線性趨勢率在-0.02-0.02 a-1之間,總體呈現正態分布趨勢,超過90%的地區線性變化率在-0.003-0.003 a-1。植被WUE的變化趨勢率在-0.05-0.04 gC m-2a-1之間,平均變化率為0.002 gC m-2a-1。

圖6 2000-2020年黃河流域植被CUE、WUE空間動態及顯著性檢驗Fig.6 Spatial dynamics of CUE,WUE in the Yellow River Basin and significance test during 2000-2020

結合Mann-Kendall檢驗方法,對研究區植被CUE、WUE變化趨勢進行顯著性檢驗,并將研究區劃分為七個分區(圖6)。流域77.22%的地區植被CUE呈下降趨勢,22.78%呈上升趨勢。具體表現為:植被CUE呈極顯著(P<0.01)增加與顯著增加(P<0.05)區域在關中盆地和子午嶺一帶零星分布,面積約為4.2×104km2和2.9×104km2,研究時限內該區域植被CUE極顯著增量約為0.032,顯著增量為0.023。植被CUE極顯著減少(P<0.01)和顯著減少(P<0.05)區域集中于黃河流域西南部及黃土高原東部,面積約為9.5×104km2和4.3×104km2,極顯著減少量約為0.044,顯著減少量約為0.051。與植被CUE相反,植被WUE以增加趨勢為主,占研究區面積的57.85%。植被WUE呈極顯著增加或顯著增加地區集中于黃土高原東北部,面積約為15.2×104km2和7.5×104km2,極顯著增量約為0.373 gC m-2mm-1,顯著增量約為gC m-2mm-1;植被WUE極顯著減少和顯著減少的區域分別占總體的9.18%和5.81%,面積約為7.3×104km2和4.6×104km2,分布于青、甘、川三省內,極顯著和顯著減少量分別約為0.148 gC m-2mm-1和0.131 gC m-2mm-1。

2.4 黃河流域植被CUE、WUE穩定性分析

分析研究區植被CUE、WUE波動狀態與其變異系數CV(圖7)。植被CUE變異系數值為0.004-1.116,平均值為0.036,以低波動為主。研究區84.59%的區域變異系數小于0.05,草地是其主要植被構成;流域北側及東南部地區的CV在0.05-0.10之間,植被類型以森林及農田為主;CV大于0.1的區域僅占研究區面積的3.8%,屬中高波動狀態,零星分布于黃河下游周邊及流域北部邊緣,面積約為3.0×104km2。

圖7 2000-2020年黃河流域植被CUE、WUE變異程度Fig.7 Variation degrees of CUE and WUE in the YRB from 2000 to 2020

研究區植被WUE變異系數的均值為0.114。41.3%的地區WUE變異系數以小于0.10,主要分布在黃河源區及黃土高原東南部,面積約為32.8×104km2;43.74%的區域WUE變異系數在0.10-0.15之間,處中等波動狀態,布于黃土高原北部和黃河源區,面積約為34.8×104km2;14.96%的研究區CV大于0.15,屬高波動,面積約為11.35×104km2。

2.5 黃河流域植被CUE、WUE可持續性分析

統計黃河流域植被CUE與WUE的Hurst指數(H)(圖8)。結果表明:植被CUE與WUE的H均值分別為0.48和0.45。對植被CUE而言,H大于0.5的區域集中在黃河源區,H小于0.5的區域分布在黃土高原北部及黃河下游周邊。植被WUE的H大于0.5的區域集中在黃土高原東部地區,小于0.5的區域分布于黃河上游分區。

圖8 CUE、WUE的Hurst指數及未來變化趨勢Fig.8 The future trend and Hurst index(H) of CUE and WUE

結合Sen趨勢分析與H對黃河流域未來植被CUE與WUE的變化趨勢進行分析(圖8)。研究區植被CUE呈現上升持續區域的面積約為11.1×104km2,約占研究區總面積的13.96%,上升且反持續變化區的面積約為20.1×104km2,約占研究區總面積的與25.26%,主要集中于陰山南麓、隴中黃土高原及關中盆地。黃河流域30.96%的地區植被CUE下降且持續,該區域主要位于黃河源區,面積約為24.6×104km2;29.82%的地區植被CUE未來趨向于下降且反持續變化,集中分布于黃河流域東部與黃河下游地區,面積約為23.7×104km2。

植被WUE的未來預測顯示:流域20.42%的地區WUE呈現上升且持續狀態,面積約為16.2×104km2;40.82%的區域呈現上升且反持續狀態,面積約為32.5×104km2。該區域主體分布在黃土高原北部,黃河流域西南部邊緣及黃河下游地區也有少量分布。呈現下降反趨勢的區域主要位于黃河流域西南部,面積約有24.8×104km2,約占總體的31.18%。

2.6 黃河流域植被CUE、WUE和氣象因子的關系

降水和氣溫是影響陸地生態系統CUE和WUE變化的重要環境因素。分析溫度對植被CUE及WUE的偏相關關系(圖9)。溫度與植被CUE以負相關關系為主,偏相關系數在-0.89-0.74之間,平均偏相關系數為-0.30。植被CUE與溫度呈顯著負相關(P<0.05)區域主要分布在巴顏喀拉山附近及黃土高原東部地區,面積約為24.6×104km2;而正相關區域不足10%,集中在寧夏平原中部地區,面積約為7.95×104km2。植被WUE與氣溫的偏相關關系如圖9所示。其偏相關系數在-0.85-0.88之間,平均偏相關系數為0.007。黃河流域植被WUE與溫度偏正相關區域主要分布在黃土高原東北部,面積約為40.6×104km2,其中顯著正相關區域集中在山東省萊蕪市,面積約為1.96×104km2。負相關區域分布在黃河流域西部,面積約為39.0×104km2,顯著負相關區域較為分散,面積約為2.3×104km2。

圖9 黃河流域植被CUE、WUE與溫度(控制降水)的偏相關系數及顯著性Fig.9 Correlation coefficients and significant test between CUE,WUE and temperature (control precipitation) in the Yellow River Basin

降水對植被CUE及WUE的偏相關關系如圖10。植被CUE偏相關系數在-0.84-0.89之間,平均偏相關系數為-0.03。正相關區域集中于黃土高原西北部及黃河下游農田地區,面積約為32.9×104km2,其中顯著正相關區域面積約為4.47×104km2;負相關地區集中于黃河源區,面積約為46.4×104km2,其中顯著負相關區域面積約為3.33×104km2。

圖10 黃河流域植被CUE、WUE與降水(控制溫度)的偏相關系數及顯著性Fig.10 Correlation coefficients and significant test between CUE,WUE and precipitation (control temperature) in the Yellow River Basin

植被WUE的偏相關系數在-0.84-0.89,平均偏相關系數為-0.03。植被WUE與降水呈顯著正相關的區域主要分布在山西省北部及陜晉蒙接壤區,面積約為11.34×104km2;無顯著正相關區域,主要分布在黃土高原北部,面積約為34.14×104km2;顯著負相關地區集中在四川阿壩州與甘肅平涼市內,面積約為8.01×104km2;無顯著負相關區域,分布在黃河源區及研究區南部,面積約為26.01×104km2。

不同植被類型CUE與WUE對水熱因素的響應也不相同。降水與森林CUE的偏相關性不顯著,與灌叢、農田、草地CUE偏正相關(圖11)。其中,38.12%的灌叢、12.06%的草地、10.80%的農田以及8.70%的森林與降水顯著偏正相關(P<0.05)。溫度與草地、森林、農田CUE主要為負相關關系,與灌叢CUE為正相關關系(圖11)。黃河流域92.53%的草地、78.96%的森林以及91.28%的農田CUE與溫度呈偏負相關,其中呈顯著負相關(P<0.05)的區域分別占各植被類型總體的30.18%、6.17%、17.77%。溫度與灌叢CUE呈顯著正相關和無顯著正相關的面積分別占灌叢總體的6.30%和59.30%。

圖11 黃河流域不同植被類型CUE/WUE與溫度、降水的偏相關分析Fig.11 Correlation coefficients of different land use types between CUE/WUE and temperature and precipitation

不同類型植被WUE對降水和溫度反饋如圖11。灌叢、森林WUE主要受到降水的正向反饋,農田WUE與降水呈負相關關系的比例較大,草地WUE與降水相關性差別較大。17.06%的草地,5.62%的灌叢與9.68%的森林,其WUE與降水呈顯著正相關,而14.54%的農田呈顯著負相關,面積約為6.7×104km2。

灌叢對溫度的負響應較為敏感,農田、森林與草地WUE對溫度產生正/負相關的面積相近(圖11)。灌叢與溫度偏負相關,其中顯著負相關占6.45%,面積約為1.57×104km2,無顯著負相關占比76.40%,面積約為18.63×104km2;草地無顯著負相關(47.56%),無顯著正相關(47.39%);森林無顯著負相關(47.56%),無顯著正相關(44.58%)。農田為無顯著正相關區域占比52.52%,為無顯著負相關區域占比40.68%(P> 0.05)。

為進一步具體比較黃河流域不同植被類型CUE與WUE間的差異,本研究以CV值、均值及變化趨勢率等3個因子作為表征4種主要植被CUE與WUE變化狀況的指標(圖12)。黃河流域植被CUE的CV值:森林(0.089)>灌叢(0.051)>農田(0.047)>草地(0.029);不同植被CUE變化趨勢率差別不大,農田、灌叢與草地的變化趨勢率為±0.0005,森林CUE趨勢率值略高為0.0013。對WUE而言,森林和灌叢WUE的變異系數略高于草地和農田,分別為0.133和0.138。農田、灌叢和草地的WUE變化率并不顯著,森林變化趨勢率為0.0046。

圖12 黃河流域主要植被類型CUE及WUE的均值、CV值和變化趨勢率Fig.12 The average value,CV value and variation rate of CUE and WUE for main vegetation types in the Yellow River BasinCV: 變異系數 Coefficient of Variation

3 討論

3.1 黃河流域植被CUE和WUE的分布特征及其變化

本研究基于MODIS遙感數據計算2000-2020年黃河流域碳利用效率(CUE)與水利用效率(WUE)。

NPP、GPP與ET是影響植被CUE與WUE變化的重要因素,分析其變化趨勢有助于加強對黃河流域碳水利用效率長時間趨勢特征理解。研究時限內,植被CUE呈微弱下降趨勢,WUE處于微弱上升狀態。黃河流域GPP增幅大于NPP,間接導致植被CUE值的降低。同時,干旱條件下植物為適應缺水、養分供應不足等環境壓力會優先保存臨時碳水化合物和營養儲備而非生長新組織,葉片生長速度減慢,進而影響光合速率,導致CUE降低。而WUE的上升可能與退耕還林工程對黃河流域植被狀況的改善有關[27]。有關全球規模的研究表明,人為活動和重新綠化可能會導致生態系統用水效率的提高[20]。此外,受地形、氣候等因素影響,植被CUE與WUE變化趨勢具有地域性差別。如鄱陽湖流域CUE、WUE呈下降[9];蒙古高原CUE顯著上升而WUE不顯著下降[17]等。

空間上,植被CUE分布西高東低,超過90%的地區植被CUE大于0.5。黃河源區海拔較高,氣溫相對較低,植被自養呼吸作用相對降低,植被固碳效率相對更高,因此CUE高值區主要在該區域分布[7]。黃河流域植被CUE未來趨勢及持續性的分析得出,研究區內60.78%的地區呈下降狀態。該現象與Du等人[21]對干旱半干旱地區長時間序列下植被碳利用效率(CUE)的趨勢變化及未來趨勢相一致。同時,黃河流域CUE值較高的區域,其變異系數均較低,處于低波動狀態,同樣的結果在劉洋洋等[10]關于中國植被CUE的研究中也有體現。

植被WUE則呈現東高西低狀態,一方面,黃河流域東部是植被恢復的重點區域,近年來在各生態保護措施的實施下,該地區植被覆蓋度增加[24],植被水源涵養能力上升,致使WUE較高;另一方面,這也反映了中度干旱缺水地區的植被具有更高的干旱適應能力[19];對植被WUE的未來預測顯示:流域61.24%的地區WUE呈現上升狀態,該域主體分布在黃土高原北部,這可能是受到未來氣候持續變暖、CO2濃度增加的影響,植被固碳效率增強,WUE也隨之增加[28]。而位于黃河流域西南部的大部分地區植被WUE未來將呈現下降趨勢的地區,這可能是由于降水和溫度的共同升高導致ET升高,而NPP增加幅度相對較小,植被 WUE因而降低[29]。

3.2 不同植被類型CUE特征及其對水熱因子的響應

植被CUE代表了大氣-植物-土壤-微生物等因素的相互作用,變化較為復雜。溫度變化可以影響光合作用與自養呼吸速率,使得植被CUE發生變化[2]。黃土高原超過90%的地區,植被CUE與氣溫呈負相關關系。當溫度上升時,植被用于支持組織生活的能量消耗將增加,自養呼吸隨之增強,進而導致植被CUE的降低[7]。同時,MODIS產品中用于計算Ra溫度敏感性的參數相對較高,這可能也是導致CUE隨溫度升高而下降的原因[3]。

黃河流域植被CUE與溫度呈正相關的區域主要集中在寧夏平原中部,該區域主要分布草地與灌叢。對草地生態系統而言,其CUE主要與溫度呈現負相關關系,然而CUE的變化是由多種因素共同作用產生的。由于諸如氮沉降、飽和水汽壓等因素共同作用,植被CUE與溫度的相關性可能受到混淆[7]。對于灌叢而言,本研究中其CUE與溫度卻呈現正相關關系,這可能是由于數據精度較低引起的。本研究中所使用的土地利用數據對地表真實植被類型的反映不夠精確,且灌叢的面積較少,不能很好的反映其對CUE的調控作用,CUE的不確定性更高。因此,在未來的研究中在可以在考慮多種因素共同作用的同時,采用更高高精度的土地覆被產品,對灌叢生態系統進行更加深入的分析,以進一步完善CUE的區域評估。

草地生態系統由面積產生的相對貢獻成為影響草地CUE與氣象因子相關性的重要因素。黃土高原西北部水分條件較為惡劣,這里以灌叢與草地為主要植被類型,水分成為限制植被生長的主要因素。降水減少會升高溫度和蒸散量,在這里分布的草地和灌叢會隨降水的減少而降低其生態系統生產力[15]。而在降水相對豐沛的黃河源區,草地CUE與降水呈負相關關系。這可能是包括輻射減少,土壤養分淋溶增強等多種因素在內的綜合結果[30]。同時,過多水分會限制土壤中的氧氣擴散,使得土壤有機質的分解速率下降,養分供應減慢,進而導致植被固碳效率的下降[7]。

黃河下游流經黃淮海平原,這里地勢平坦,氣候相對溫暖潮濕,農田生態系統主要分布于此。本研究中,農田CUE對降水呈現正向反饋。一方面,黃河下游地區水分較為充沛,自然降水的增加會影響農田作物的根系活力,導致植物根系的產量的降低與呼吸作用的減弱,進而引起農田CUE的升高[27]。另一方面,全球收集的田間地塊數據表明農田CUE也隨著養分梯度升高而升高[31],受到人為施肥、灌溉等農藝措施的影響,研究區農田生態系統土壤養分含量可能成為主導農田CUE增減的另一重要因素[32]。

比較不同指標下的植被CUE(圖12),進一步確定不同植被類型對水熱因子的響應。多數植被CUE一般保持穩定狀態,但森林和灌叢CV值高于其他植被類型。這表明森林和灌叢對于氣候因子的敏感性更高,這與CUE與降水的偏相關關系所反映的森林與灌叢對降水的響應狀況相一致。農田、草地及灌叢CUE在研究時段內的年際波動狀況較為平緩。研究時段內,森林CUE變化趨勢率高于其他三種植被類型,這說明退耕還林工程在黃河流域生態恢復效益明顯,森林固碳能力逐年增加,固碳效率有所提升。

3.3 不同植被類型WUE變化特征及其對水熱因子的響應

不同植被類型的WUE大小表現為:農田>森林>草地>灌叢。黃河流域的農田生態系統多集中分布于下游的黃淮海平原,水分是制約該處農田WUE的主要因素[33]。人為灌溉和施肥滿足了作物生長所需的水分和養分,提高其水碳循環效率,同時充足的水分彌補了蒸散發帶來的影響,因此農田WUE相對較高[32]。森林生態系統中,樹種間相互促進且充分利用外界環境條件,使其光合效率相對較高,在同一時段內積累有機物的能力更強,生物量相對其他植被類型更高[15]。此外,林間具有地溫和氣溫變幅小的特點,且相對較低的風速度導致其地表蒸發量小,因此其WUE相對較高[34]。灌叢WUE在四種主要植被類型中最低。從生物量視角出發,灌叢WUE理論應高于草地,但草本植物生長對水分的需求量不高,在干旱條件下也能維持其正常生長,灌木的生長卻受到水分條件的制約。

本研究中研究區草地生態系統WUE對溫度和降水的反饋在不同區域存在較大差異。黃土高原北部植被WUE與溫度和降水均呈正相關關系,這與常曉格等[35]在黃土高原的研究結果相同。溫度會同時影響植物的光合作用和蒸騰作用,其對WUE的作用較為復雜[14]。黃河流域東北部地區植被WUE與氣溫呈正相關關系。這是由于干旱脅迫下的植物為適應水分虧欠的脅迫,會隨著溫度的升高降低其葉片的氣孔導度,以提高自身WUE[33]。在黃土高原西南部地區,草地WUE與降水呈正相關關系,與溫度呈現不顯著的負相關關系。這表明降水是干旱半干旱區域的草地WUE的主導因素。同時,對于草地WUE與溫度產生的不顯著負相關性,可能與該區域的土壤養分含量有關。土壤有機質的增加對于形成土壤團聚體至關重要,土壤團聚體可以增加土壤植物的可用水量,而后者控制ET速率[34]。研究表明,土壤有機質與WUE呈負相關,并影響土壤持水能力[36]。此外,這也可能是由于該區域的沙地和灌溉農業用地共存而產生的偶然偏差所導致。

黃河源區的大部分草地生態系統WUE與溫度和降水均成負相關關系。黃河上游高海拔較高,降水相對豐沛,雨水此時降水和溫度的升高共同導致由蒸散發產生的水分的流失加劇,而其生產力變化相對較小,使得該地區WUE下降[14]。

研究區灌叢WUE與溫度成負相關關系,與降水呈正相關關系,這與黃土高原西南部地區植被對溫度和降水的反饋相同。灌叢植被WUE與溫度的相關性對干旱指數更為敏感,且隨著干旱指數的增加,與降水的相關性呈現負-正-負的變化[35]。研究區植被恢復工程常以灌叢作為主要栽種類型,其立地條件大多較為惡劣,地表覆蓋物少,土壤蒸發水分占比過大,溫度上升使得ET的增長速率大于NPP增加速率,進而使灌叢WUE下降。

黃河流域下游地區的農田植被WUE對溫度存在正向反饋。農田受人類活動影響嚴重,其對氣象因素的響應與自然植被相比更加穩定,在考慮氣候因素的同時也應考慮到施肥、灌溉、放牧等農田管理和土壤條件對其的影響[32]。

4 結論

2000-2020年黃河流域植被CUE處于波動下降趨勢,植被WUE波動上升,但變化幅度較小,均不顯著?？臻g上,黃河流域植被CUE呈現西高東低狀態,大部分區域CUE大于0.5,植被固碳能力較強;在近20年生態保護措施的影響下,黃河流域東部水源涵養能力上升,植被WUE呈現出東高西低狀態。受其生理特征的影響黃河流域植被CUE,草地最高,森林最低;而由于灌溉和立地條件等因素,黃河流域農田WUE最高,灌叢WUE最低。

黃河流域植被CUE與水熱條件的關系分析表明:超過90%的地區,植被CUE與氣溫負相關。黃河流域西北部干旱地區,降水與植被CUE呈正相關關系;然而,在降水相對豐沛的黃河源區,植被CUE與降水呈負相關關系。不同植被類型中,草地、森林、農田CUE與溫度主要呈負相關響應,灌叢CUE主要呈正相關響應。森林和灌叢CUE的CV值高于其他植被類型,這表明森林和灌叢對于氣候因子的敏感性更高。

植被WUE與降水及溫度的相關性具有較高的空間異質性。本研究中,植被WUE與水熱關系的相關性顯示為:黃土高原北部植被WUE與溫度和降水均呈正相關關系,黃河源區及黃河流域南部地區植被WUE與降水的負相關關系。不同植被類型中,面積對草地WUE的變化相對貢獻較為明顯,在干旱,半干旱地區降水是影響草地WUE的主導因素,而高海拔地區草地WUE與溫度、降水均呈負相關關系;灌叢WUE與降水呈正相關關系,與溫度呈負相關關系。此外,農田受人類干擾嚴重,還應考慮到施肥、灌溉、放牧等人為因素帶來的影響。