中國植被總初級生產力對氣候變化的響應

高振翔, 葉 劍, 丁仁惠, 唐 歡, 周紅根, 李 成

(1.宿遷市氣象局, 江蘇 宿遷 223800; 2.江蘇省氣象探測中心,南京 210008; 3.揚州大學 園藝與植物保護學院, 江蘇 揚州 225009)

植被作為陸地生態系統的重要組成部分，是生態系統能量流動與物質循環的紐帶[1-2]，具有調節氣候、涵養水源、維持區域碳平衡等作用[3-4]。植被總初級生產力(Gross Primary Productivity，GPP)是指綠色植物在單位面積、單位時間內通過光合作用所固定的有機物總量[5-6]，它不但能反映生態系統的生產能力和健康狀況，同時也是表征碳循環和可持續發展的重要指標[7]，并與氣候變化[8]、糧食安全[9]、碳循環等[10]全球熱點問題息息相關。因此，揭示植被GPP的長期變化特征是目前生態系統碳循環研究的熱點之一，對緩解和適應氣候變化具有重要的意義[11-12]。

目前針對植被GPP的估算方法主要包括生物量調查法、渦度相關法和模型模擬等[13-14]。其中，模型模擬方法在大區域、長時序植被GPP估算方面具有一定的優勢[15-16]。近年來，許多學者應用多種不同的生態過程模型，對植被GPP的時空變化特征進行了深入分析，取得了許多成果[17-18]，應用廣泛的生態過程模型主要有Biome-BGC，CENTURY，IBIS等[19-21]。然而，由于不同生態過程模型會受到輸入數據質量、參數化方案及參數優化等因素的影響，使它們在植被GPP的估算結果方面，如植被GPP均值、變化趨勢和變化范圍等，存在較大不一致性。以往研究表明：中國地區植被GPP主要集中在5.97～7.03 Pg C/a[22-25]，差異較為明顯，而且不同地區和不同時間段GPP對氣候因子也表現出不同的敏感性和響應特征[26]。因此，科學、合理地估算植被GPP動態變化及影響因子是生態系統碳循環研究的重要問題之一。隨著渦度觀測資料與遙感數據的不斷發展，以此為基礎的遙感機理模型，得到了長足的進步，廣泛應用于大范圍植被GPP的動態監測，如EC-LUE模型。最近，Zheng等[27]對EC-LUE模型進行了進一步的改進，綜合考慮了大氣CO2濃度、太陽輻射和VPD等因素對植被GPP的可能影響，并將估算結果與基于生態過程模型、機器學習等方法的結果進行了相比，表明改進后的EC-LUE模型具有更好的模擬效果。在此背景下，目前中國植被GPP時空動態及其對氣候因子的響應關系如何，還尚不明確。

為此，本研究基于改進后的EC-LUE模型輸出結果，分析1982—2016年中國植被GPP的時空變化特征，并探討植被GPP對氣候因子的響應，以期為氣候變化背景下中國植被GPP遙感監測和生態可持續發展提供重要參考。

1 數據與方法

1.1 數據來源

本研究的植被GPP數據集源于改進后的EC-LUE模型(https:∥figshare.com/articles/dataset/Improved_estimate_of_global_gross_primary_production_for_reproducing_its_long-term_variation_1982～2017/8942336/3)，時間跨度為1982—2016年，空間分辨率為0.05°×0.05°。經過數據處理后，得到中國1982—2016年植被GPP。

氣象數據來源于國家氣象數據網(https:∥data.cma.cn/)，時間跨度為1982—2016年，共獲得653個氣象站逐日氣溫、降水、日照時數等資料。經過數據預處理和空間插值后，得到與植被GPP相同分辨率的氣象要素數據。

1.2 研究方法

1.2.1 趨勢分析 利用一元線性回歸方法分析植被GPP的變化趨勢，公式為：

(1)

式中：θslope為研究區域內植被GPP的變化率；n為研究的時間數(年)；GPPi為第i年植被GPP。θslope>0表示研究區域內植被GPP呈上升趨勢，反之，呈下降趨勢。

1.2.2 相關性分析 利用相關系數來描述植被GPP與氣溫、降水的相關關系，線性相關系數的計算公式為：

(2)

(3)

式中：rxy，rxz分別為植被GPP與氣溫、降水的線性相關系數；xi，yi，zi分別為第i年的植被GPP、氣溫及降水；xave，yave，zave分別為植被GPP、氣溫及降水的平均值；n為年份數。

在此基礎上，利用偏相關系數進一步描述植被GPP與氣溫、降水的相關關系，計算公式為：

(4)

(5)

式中：rxy，rxz，ryz分別為植被GPP與氣溫、GPP與降水、氣溫與降水的單相關系數；rxy,z為降水固定后植被GPP與氣溫的偏相關系數；rxz,y為固定氣溫后植被GPP與降水的偏相關系數。

實際上，各個要素的變化是相互聯系、相互影響的，采用復相關分析來體現綜合影響，復相關的計算公式為：

(6)

式中：rx,yz為植被GPP與氣溫、降水的復相關系數；rxy為植被GPP與氣溫的單相關系數；rxz,y為氣溫固定后植被GPP與降水的偏相關系數。

2 結果與分析

2.1 中國植被GPP空間分布特征

1982—2016年中國植被GPP多年平均值的空間分布見圖1。植被GPP呈現出較為明顯的空間異質性，整體呈南高北低的分布特征。單位面積年均GPP變化范圍為0～3 051.08 g C/(m2·a)，多年平均值為897.48 g C/(m2·a)。具體而言，西北、青藏高原以及內蒙古中西部等地區，年均植被GPP多在500 g C/(m2·a)以下；東北、華北、華中和華東北部地區年均植被GPP介于500～1 500 g C/(m2·a)；西南地區東部及東南沿海的大部分地區，年均植被GPP介于1 500～2 000 g C/(m2·a)，特別是云南、海南等地區年均植被GPP在2 000 g C/(m2·a)以上。

由圖1可知，年均植被GPP在500 gC/(m2·a)以下的植被面積占總面積的32.9%，而在500～1 500 gC/(m2·a)和1 500～2 000 gC/(m2·a)的植被面積分別占比30%，12.3%，超過2 000 gC/(m2·a)以上的植被面積占比6.8%。

注：基于標準地圖服務系統下載的審圖號GS(2016)1569號的標準地圖制作，底圖未做修改，下圖同。

2.2 中國植被GPP時間分布特征

中國1982—2016年年均植被GPP整體上呈波動上升趨勢(圖2A)。近35 a中國年均GPP總量為6.36 Pg C/a，單位面積年均GPP波動范圍為814.7～966.3 g C/(m2·a)，年均增長率2.43 g C/(m2·a)。鑒于森林、草地、農田是中國植被的主要類型，因此本文主要分析森林、草地、農田這3類的變化特征。整體上，這3種植被類型的GPP均呈波動上升趨勢(圖2B)，其中農田GPP增加速率最大，為3.75 g C/(m2·a)。

圖2 1982-2016年中國GPP均值、不同植被類型GPP年際變化

對中國1982—2016年植被GPP變化趨勢進行逐像元分析(圖3)，其中約有70.6%的地區植被GPP變化趨勢為0～20 g C/(m2·a)。如圖3B所示，植被GPP呈顯著增加趨勢的植被面積約占總面積的40.6%，主要分布北方地區；GPP呈顯著減小趨勢的地區主要分布在東北和東南沿海的部分地區，約占總面積的8.2%。

2.3 植被GPP與氣候因子的相關性

整體上近35 a來中國植被GPP與氣溫呈正相關關系，偏相關系數為0.67。約有33.4%的植被面積通過了p<0.05水平的顯著性檢驗(圖4A)，它們的偏相關系數介于-0.78～0.86。其中，呈顯著正相關的面積約占總面積的31.2%，主要分布在中部地區，特別是陜西、河南、安徽北部等；呈顯著負相關的面積約占2.2%，主要集中在東南沿海和東北的部分地區。

近35 a來中國植被GPP與降水呈正相關關系，偏相關系數為0.31。約有18.8%的植被面積通過了p<0.05水平的顯著性檢驗(圖4B)，偏相關系數介于-0.64～0.80。其中，呈顯著正相關的區域主要分布在北方的大部分省區，如內蒙古、山西、河北、陜西等；呈顯著負相關的區域相對較少，僅在部分地區有零星分布。

2.4 驅動分析

植被GPP的變化主要受到氣候因素影響，氣候條件中的氣溫和降水是影響植被生長的重要因子。本文通過計算植被GPP與氣候因子的復相關關系，并根據植被變化驅動分區的原則，對中國植被GPP變化的驅動因子進行分析。

圖3 1982-2016年中國植被GPP變化率、GPP變化趨勢

圖4 1982-2016年中國植被GPP與氣溫、降水的偏相關系數空間分布

對植被GPP與氣溫和降水進行復相關分析，發現約有57.4%的植被面積通過了p<0.05水平的顯著性檢驗(圖5A)，復相關系數介于0.33～0.87。顯著性較強的區域(復相關系數0.61～0.87)約占總面積的7.9%，主要分布在陜西北部、內蒙古南部等地區。

由中國GPP變化的驅動分區(圖5B)可知，1982—2016年植被GPP變化受氣溫、降水強驅動的面積約占總面積的8.1%，主要分布在陜西北部、河北東南部；受降水為主要驅動因子的面積占比15.1%，主要集中在內蒙古東部和新疆北部；受氣溫為主要驅動因子的區域主要分布在青藏高原的大部分地區，面積占比25.3%；而受氣溫、降水為弱驅動因子的植被面積約占總面積的8.9%，分布較為分散。此外，在東北、華南的一些地區表現為非氣候因子驅動(見圖5B中NC地區)，約占42.6%。

圖5 1982-2016年中國植被GPP與氣溫、降水的復相關系數及GPP變化驅動力分區

3 討 論

本研究的植被GPP數據集源于改進后的EC-LUE模型，該模型綜合考慮了大氣CO2濃度、太陽輻射和VPD等環境因素，并經過地面渦度通量塔的驗證，具有較高的精度，是目前較好的植被GPP遙感產品之一[27]。在已有的中國植被GPP研究中，由于模型選擇、研究時間段、數據集以及參數選擇等因素的不同，GPP的模擬結果存在較大的差異(表1)。其中，多年GPP總量最大值為使用TEC模型得到的2001—2015年的7.03 Pg C/a，最小值為利用MODIS產品得到2001—2015年的5.97 Pg C/a。本研究基于改進后的EC-LUE模型得到年均GPP總量為6.36 Pg C/a，處于已有研究結果的區間范圍內；GPP年均增長率為0.02 Pg C/a，與MODIS產品和機器學習方法得到的結果相當，但比其他模型的估算結果較小。利用多種模型開展大尺度GPP研究，可以降低陸地生態系統碳循環研究的不確定性。

表1 不同模型估算的中國年均GPP總量及其變化趨勢

相關研究結果表明，植被GPP與氣溫、降水等氣候條件息息相關[28-29]。整體上植被GPP變化與氣溫和降水呈正相關關系，偏相關系數分別為0.67(p<0.05)，0.31(p<0.05)，表明氣溫對GPP的變化影響強于降水，這與何勇等[30]的研究結果相似，但進一步分析可知，受氣溫為主要驅動因子的區域主要分布在青藏高原的大部分地區，如西藏和青海南部等，這可能是因為該地區屬于高海拔地區，氣溫相對偏低。當氣溫升高時，可以促進植物進行光合作用，加快植被生長，并固定更多的CO2[31-32]；受降水為主要驅動因子的區域主要集中在中國北方地區，該地區屬于典型的干旱半干旱地區，年降水量相對偏少，水分是影響這一區域植被生長的重要限制因素。一般而言，水分虧缺會導致植物的氣孔關閉，使通過氣孔進入葉片的CO2減少，導致光合作用受到抑制，影響植被固碳[33-34]。此外，約有17%的地區受氣溫、降水的共同影響。

另一方面，在東北、華南的一些地區表現為非氣候因子驅動，這些地區植被GPP的變化可能與人類活動的影響有關。一些研究表明：城市化會導致植被GPP出現不同程度的降低[35]。然而，目前受限于數據資料的問題，本研究并未定量分析人類活動對植被GPP變化的影響。今后擬在搜集人口、社會經濟等相關資料的基礎上，進一步擴展本研究工作。

4 結 論

(1) 1982—2016年我國植被GPP的空間分布具有較強的空間異質性，整體上呈現南高北低的空間分布特征。單位面積年均GPP為897.48 g C/(m2·a)。高值區主要分布在我國云南、華南、東南沿海部分地區，低值區分布在青藏高原、新疆、內蒙古西部干旱、寒冷地區。

(2) 近35 a的年際變化分析表明，我國植被GPP整體上呈上升趨勢，年均增長率2.43 g C/(m2·a)。GPP呈顯著性上升的地區約占我國總面積的37.1%，呈顯著下降的地區約占8.3%。不同植被類型的年均GPP由大到小依次為森林[1 646.22 g C/(m2·a)]>農田[850.31 g C/(m2·a)]>草地[786.96 g C/(m2·a)]。

(3) 我國植被GPP變化與氣溫和降水呈正相關關系，偏相關系數分別為0.67，0.31，氣溫對GPP年際變化的影響強于降水。我國植被GPP變化受氣候因子影響的面積占比57.4%，非氣候因子影響占比42.6%。