CMIP5多模式下中國不同流域植被動態變化預測

何 劉 鵬，仝 亮

(1.黃河勘測規劃設計研究院有限公司，河南 鄭州 450003； 2.水利部黃河流域水治理和水安全重點實驗室(籌)，河南 鄭州 450003)

0 引 言

作為陸地生態系統的重要組成部分[1]，植被在物質、能量和碳平衡以及減少溫室氣體和保持氣候穩定方面有著重要意義[1-3]。近幾十年來，由于全球氣候變化，各地區的植被均受到影響。眾多學者研究了不同生態系統的植被動態變化對氣候變化的響應[2，4-6]。Xu等[4]的研究表明在過去的幾十年里，植被對氣候變化的反應變得非常敏感。植被動態變化的研究對于了解全球氣候變化具有重要意義。

隨著遙感技術的發展，現在相對于過去更容易獲得可用于研究植被作用的數據信息[7]。遙感圖像的日益普及和計算機技術的進步，使大規模檢驗環境現象成為可能[7-9]。Normalized Difference Vegetation Index(NDVI)是基于光譜波段感知植被變化的一種動態的指標[4，7，10]。目前，大多數研究發現，氣候變化是影響植被變化的主要因素。Gu等[11]分析了紅河流域植被覆蓋度對氣候因子的響應，不同植被類型對降水和蒸發表現出不同的時空響應。Zhao等[3]分析了2005～2010年亞馬遜干旱期植被減少的原因，植被的綠色度下降主要受到降水、輻射和溫度的影響。降水和蒸散發作為水文循環的重要組成部分，并決定著土壤-植被-大氣系統中水分和能量的輸送。

中國地域廣闊、植被豐富，有研究表明中國經歷了顯著的氣候變暖[12]，降水時空分布不均勻[13]，西北等干旱半干旱地區呈現暖干化的變化趨勢[14]，極端天氣和氣候事件的發生更加頻繁。植被恢復是改善生態環境、控制水土流失最有效的方法之一[4]。植被通過改變土壤結構和土壤生物化學來調節土壤水文動態，區域水文過程將隨著植被演替的變化而變化[8]。因此，對植被覆蓋度進行監測和預測，對區域生態修復和環境管理具有重要意義。Wang等[15]基于中國南部丘陵地區的降水和氣溫，采用多元線性回歸方法模擬NDVI。但從植物生長發育過程中的水分平衡角度分析，蒸發是主要的輸出項，降水是主要的輸入項[9，16]。王玉琦等[17]分析了全球氣候變化的背景下青藏高原地區植被動態變化。除了氣候影響植被動態變化以外，人類活動也是影響未來植被動態變化的重要因素[18]。但人類活動具有較強的區域性，且難以定量評估人類活動的程度和對植被動態的影響程度[19]。目前，鮮有研究以蒸發和降水為主要氣象要素預測植被動態變化。因此，本文從水分虧缺角度考慮降水和蒸散發對植被的作用，利用多元線性回歸分析構建植被預測模型[20]，結合CMIPS模式下的數據預測和評價中國不同流域的植被動態變化。

1 材料與方法

1.1 研究區域

中國的地形復雜多樣，西南至東呈現下降的3層“階梯”，波動范圍較大。擁有許多不同的地貌，如廣闊的沙漠、高原、盆地、平原、冰川和河流等[10]。因此，中國具有復雜的氣候、水文和植被類型，且各地區的植被變化差異很大[10，21]；不同流域的植被分布特征受氣候因素的影響較大，總體上可分為9個流域區[10，21]：松遼河流域(Ⅰ)、海河流域(Ⅱ)、黃河流域(Ⅲ)、淮河流域(Ⅳ)、長江流域(Ⅴ)、東南諸河流域(Ⅵ)、珠江流域(Ⅶ)、西南諸河流域(Ⅷ)和內陸河流域(Ⅸ)(見圖1)。

1.2 數據來源

本次研究的歷史氣象數據由中國氣象數據共享服務網提供，時間范圍為1982～2015年。數據包含中國826個地面氣象站點，逐日數據由氣溫、降水、風速、氣壓、相對濕度和日照時數等組成。采用NDVI描述1982～2015年間中國植被覆蓋度的動態變化，NDVI數據來自美國航空航天局(NASA)，時空分辨率分別為1個月和8 km×8 km[22]。采用的中國地圖邊界以標準地圖服務系統(http：∥bzdt.ch.mnr.gov.cn/)下載的模板(審圖號：GS (2021) 5447號)為依據。

國際耦合模式比較計劃(CMIP)是世界各地多個研究機構共同開發的耦合海洋大氣環流模式，該計劃定量模擬未來不同溫室氣體排放情景下的全球氣候變化情況[23-24]。本次研究的未來氣候變化資料采用IPCC第五次會議提供的CMIP5模式[25-26]。IPCC在2013年公布了4種排放模式(RCP 2.6，RCP 4.5，RCP 6.0 和 RCP 8.5)[15]。RCP 2.6情景是指在2100年前輻射強迫達到峰值，到2100年下降至2.6 W/m2，全球平均溫度上升限制在2.0 ℃之內；RCP 4.5，RCP 6.0和RCP 8.5情景則分別指輻射強迫穩定在4.5，6.0 W/m2和8.5 W/m2水平。自從CMIP5資料公布以來，輻射強迫水平很少低至RCP 2.6模式的水平，且考慮到中國相對較高的氣溶膠排放水平[15]，因此未來的氣象數據只考慮中等排放情景的RCP 4.5和較高的RCP 8.5情景。表1提供了本次研究中使用的CMIP5全球氣候模式。利用Liu等[6]提出的降尺度方法處理氣象數據，獲得與NDVI相同的8 km×8 km分辨率。為了獲取可靠和穩定的未來氣候變量，利用多模式集合平均值評估未來變化。

表1 本研究應用的CMIP5模式Tab.1 The CMIP5 model applying in this study

1.3 參考作物蒸散量

參考作物蒸散量計算公式[27]為

(1)

式中：PET為參考作物蒸散量，mm/d；Rn為太陽凈輻射，MJ/(m2·d)；G為土壤熱通量，MJ/(m2·d)；Δ為飽和水汽壓-溫度曲線斜率，kPa/℃；γ為濕度計常數，kPa/℃；es為飽和水汽壓，kPa；ea為實際水汽壓，kPa；T為高度2 m處的平均氣溫，℃；u2為高度2 m處的風速，m/s。

1.4 多元線性回歸模型

基于多元線性回歸模型構建NDVI預測方程，從植物生長發育過程中的水分平衡角度分析，參考作物蒸散量PET是主要的輸出項，降水P是主要的輸入項。每個網格的NDVI值可表示為降水量和蒸散發量的函數[4]。因此，本研究將基準期1982～2015年的NDVI值作為因變量，基準期1982～2015年的P和PET作為自變量，進而構建預測未來NDVI 的多元回歸方程[16，18，28]。計算采用95%顯著性水平下的回歸方程。

NDVI=a·PET+b·P+c

(2)

式中：a和b為多元回歸方程系數；c為常數；PET為某一季節的蒸散發量；P為某一季節的降水量。

1.5 模型預測結果評估

以歷史基準期1982～2005年的春季、夏季、秋季和生長季中的NDVI、P和PET數據，訓練多元回歸模型，以2006～2015年的實際NDVI與預測NDVI誤差比較，應用NRMSE和R2評估多元回歸模型的預測結果的準確度[20]。Zeng等[20]的研究誤差評判標準為：當NRMSE小于25%且R2大于0.6，該模型模擬結果較為可靠。

1.6 相關性分析

采用相關性分析評估不同流域的植被動態變化的驅動因素。通過Pearson相關系數[29]分別逐柵格計算1982～2015年的不同流域的年尺度植被動態和氣象要素(降水和氣溫)的相關程度，并進行顯著性檢驗(p>0.05)。將不同流域內，所有通過顯著性檢驗的柵格的相關系數均值作為氣象要素對植被的影響程度。

(3)

2 結果與討論

2.1 模型模擬結果誤差

由圖2可以看出，中國大部分的區域滿足NRMSE小于25%且R2大于0.6的判定標準。經統計得出，春季、夏季、秋季和生長季的誤差符合模型準確性檢驗判定標準區域的面積占總面積的比例分別為93.16%，95.00%，93.97%和97.66%。因此，可以說明利用P和PET構建的多元回歸模型能夠較好的模擬NDVI。由NRMSE的空間分布可以看出，中國大部分地區的NRMSE小于25%。不同季節NRMSE較高的區域主要集中在黃土高原、內蒙古高原東部(黃河流域)、華北平原中部和準噶爾盆地；R2的空間分布可以看出，中國大部分地區的R2大于0.6。不同季節R2較高的區域主要集中在黃土高原和內蒙古高原東部(黃河流域)。黃土高原和內蒙古高原東部區域誤差較高的原因可能是該地區自然條件比較惡劣，植被對干旱抵抗能力較強，對水分變化敏感性差[5]進而導致多元回歸模型模擬結果的誤差較大。同時該地區人類活動對植被的影響[30]，也可能影響模型在該地區的準確度。總體來說，將降水和蒸散發與NDVI結合，在每個格點上構建多元回歸模型，能夠較好預測中國各季節的植被動態。

2.2 未來植被動態變化

根據1.1節的研究結果，在構建的多元線性回歸方程的基礎上，結合CMIP5提供的氣候模式，預測2020～2100年的植被動態變化，以便更好地分析植被未來動態變化與基準期內植被的差別。圖3～4表示的是RCP 4.5和RCP 8.5情景下兩個研究時段內(2021～2060年和2061～2100年)春季(3～5月)、夏季(6～8月)、秋季(9～11月)和生長季(3～10月)的NDVI與基準期的差異。

由圖3～4可以看出：在RCP 4.5情景下，未來春季(中國西北地區)、夏季、秋季和生長季的NDVI均增加；在RCP 8.5情景下，未來中國不同季節的NDVI整體上均增加。因此可知，在RCP 4.5和8.5情景下，未來中國不同季節的NDVI總體上均增加。

在RCP 4.5情景下，2020～2060年和2061～2100年的春季，中國大部分地區NDVI均增加，增加面積占總面積比例分別為63.67%和81.15%，但中國東北部和東南部大部分地區植被發生退化，主要發生在松嫩流域、淮河流域、長江流域東部和珠江流域。在RCP 8.5情景下，2061～2100年的春季，東北和長江以南部分地區的NDVI降低，降低面積占總面積的比例為8.89%。Wang等[31]和Su等[25]發現未來春季的長江流域干旱頻率增加，需要增加灌溉量保持作物產量；由此可以推測未來長江流域春季的水分虧缺程度增大，植被生長受影響。在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的春季，NDVI顯著增加(NDVI 差值大于0.15)的地區集中分布在青藏高原的東部，其中RCP 4.5 情景下顯著增加面積占總面積比例分別為1.81%和2.27%，而RCP 8.5情景下分別為12.44%和26.79%；在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的夏季，NDVI顯著增加的地區集中分布在青藏高原的東部，在RCP 4.5情景下顯著增加面積占總面積比例分別為12.16%和19.52%，在RCP 8.5情景下分別為12.45%和26.79%；在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的秋季，NDVI顯著增加的地區集中分布在青藏高原的東部地區，在RCP 4.5情景下顯著增加面積占總面積比例分別為22.68%和29.51%，在RCP 8.5情景下分別為23.28%和37.48%；在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的生長季，NDVI顯著增加的地區集中分布在青藏高原的東部，在RCP 4.5情景下顯著增加面積占總面積比例分別為7.29%和10.80%，在RCP 8.5情景下分別為7.51%和15.24%。

由此可知，RCP 8.5情景下的不同季節NDVI顯著增加的面積均高于RCP 4.5情景，說明在RCP 8.5情景下的水分條件可能更利于植被的生長。在RCP 4.5和8.5情景下，NDVI顯著增加的面積從大到小依次為秋季、夏季、生長季和春季，說明未來秋季和夏季的水分條件可能比其他季節更利于植被的生長。但是在不同RCP情景下，中國東北部和東南部植被覆蓋在春季出現退化和較少，因此未來春季的水分條件限制了植被生長，未來應當多關注中國東部的春季植被變化。

在RCP 4.5和8.5情景下，2020～2060年的松遼河流域、海河流域、黃河流域、淮河流域、長江流域、東南諸河流域和珠江流域的NDVI增量主要分布在0.05～0.10 之間，西南諸河和內陸河流域的NDVI增量主要分布分別在0.10～0.17和0.00～0.05之間(見圖5)。在RCP 4.5情景下，2061～2100年的松遼河、海河、黃河、淮河、東南諸河流域和珠江流域的NDVI增量主要分布在0.05～0.10之間，長江、西南諸河和內陸河流域的NDVI增量主要分布分別在0.07～0.13，0.11～0.17和0.02～0.05之間；在RCP 8.5情景下2061～2100年的松遼河、海河、黃河、淮河、長江流域、東南諸河和珠江流域的NDVI增量主要分布在0.07～0.15之間，西南諸河和內陸河的NDVI增量主要分布分別在0.12～0.20和0.00～0.05之間。因此，在RCP 4.5和8.5情景，不同流域生長季的NDVI均呈現顯著增加的趨勢，在2020～2100年RCP 8.5情景的NDVI的增長趨勢基本保持一致；RCP 4.5情景的NDVI增長程度在2020～2060年與RCP 8.5基本一致，但在2061～2100年的NDVI增長程度放緩且小于RCP 8.5的增長程度。在不同流域中，西南諸河的NDVI增長程度最大，內陸河的增長程度最小。Su等[25]的研究表明未來中國地區干旱程度呈現增加趨勢；但Ding等[21]和Xu等[4]的研究表明，中國西北的植被對干旱變化的敏感程度較低。因此，可以推測內陸河的植被動態變化受氣候和水分條件變化的影響程度較小。

2.3 局限性

從圖6可以看出，在海河流域、黃河流域、東南諸河和內陸河流域，氣溫和降水均為植被動態變化的主要驅動因素(相關系數的絕對值大于0.3)。在松遼河流域、淮河流域、長江流域、珠江流域和西南諸河流域，氣溫為植被動態變化的主要驅動因素。因此，在不同流域氣溫對植被均有較大程度的影響。本文基于水量平衡原理，只考慮潛在蒸發量對植被動態的影響[32]，而氣溫變化影響潛在蒸發量的變化[27]。Luo等[33]的研究表明氣溫的變化同樣會影響到植被的物候特征。因此，本研究只從側面考慮到氣溫對植被動態影響，未充分考慮氣溫的直接影響。

盡管本次研究旨在分析全球變暖的不同RCP情景下，中國水量條件變化對植被動態的影響。但本研究未充分考慮人類活動、新能源發展和國家政策等要素的變化對未來植被變化的影響[18，34]。Shi等[30]的研究發現在黃河流域和長江流域西部地區，人類活動對植被的影響程度較高。由于本研究主要基于未來氣候變化預測植被動態變化，因此黃河流域和長江流域西部地區預測的植被動態可能與未來的實際動態存在差異。本研究基于有限的條件對未來植被動態預測的結果可能與實際存在偏差，具有一定的局限性。而本次研究的意義在于基于未來長時間植被動態預測的結果為中國生態建設規劃提供啟示的作用。

3 結 論

本文以過去34 a中國的植被變化趨勢為基礎，從水分虧缺的角度，利用多元回歸模型構建了植被預測模型，然后結合CMIP5提供的兩種情景，預測了中國未來的植被動態變化。

不同溫室氣體排放情景下，未來植被覆蓋度均增加，但RCP 8.5情景植被覆蓋增加程度高于RCP 4.5情景。在RCP 4.5情景下，未來春季、夏季、秋季和生長季的NDVI平均增量分別為0.02，0.09，0.11和0.07；在RCP 8.5情景下，未來春季、夏季、秋季和生長季的NDVI平均增量分別為0.06，0.09，0.12和0.08。

未來RCP 8.5情景下，不同流域生長季的NDVI均保持相同的增長趨勢，但在RCP 4.5情景下的增長趨勢普遍在2060年后降低。未來中國不同流域的植被覆蓋均出現增長；在RCP 4.5情節下，未來生長季的松遼河流域、海河流域、黃河流域、淮河流域、長江流域、東南諸河、珠江流域、西南諸河和內陸河的NDVI平均增量分別為0.08，0.07，0.08，0.07，0.10，0.08，0.07，0.14和0.03；在RCP 8.5情節下，未來生長季不同流域的NDVI平均增量分別為0.09，0.08，0.09，0.11，0.09，0.07，0.15和0.04；未來西南諸河的水分條件較適宜植被生長，植被覆蓋程度顯著增加；而未來內陸河的水分條件下，植被覆蓋增長較小。

綜上，除春季中國東部的部分地區外，未來情景下的中國植被覆蓋程度相比過去來說是有所改善。未來中國不同流域植被的生境條件良好，西南諸河流域的植被覆蓋程度顯著增加。RCP 8.5情景的水分條件比RCP 4.5情景更有利于中國植被生長。