基于水量平衡原理的黃土高原林草植被覆蓋度恢復潛力評估

王凱利,王志慧,肖培青,*,王鐵生,張 攀

1 華北水利水電大學測繪與地理信息學院,鄭州 450045 2 黃河水利科學研究院,水利部黃土高原水土保持重點實驗室,鄭州 450003

黃土高原是全球水土流失最為嚴重的區域,生態系統極為脆弱[1],隨著國家相繼實施退耕還林還草、封山禁牧等生態修復工程以來,植被覆蓋度已由1999年的31.6%提高到2018年的63%[2]；與此同時黃河中游徑流泥沙銳減[3—4],生態環境明顯改善[5—6]。已有研究表明,植被恢復是黃土高原入黃泥沙減少的重要原因[7—11]。但是,大規模的植被恢復使更多的降水被植被冠層截留蒸發[12],同時也導致了植被耗水量的劇烈增加[13—14],陸地長期蓄水變化量減少[15],部分造林密度較大區的深層土壤已出現干層現象[16—17]。因此,在氣候變化和人類活動的雙重驅動影響下,植被生長耗水需求與天然降雨補給之間的矛盾與日俱增。在土壤水分長期虧損狀態下植被生態系統會發生嚴重退化,植被減沙功能則會顯著降低,這將對黃土高原流域未來入黃泥沙量產生重大影響。因此,提出能夠維持黃土高原植被可持續性演替的植被恢復閾值,對于黃土高原生態建設、水土保持措施科學布局以及未來黃河流域水沙變化趨勢預測都具有非常重要的科學與現實意義。

由于植被恢復潛力被認為是植被恢復閾值與現狀植被的差距,因而計算植被恢復閾值對于評估植被恢復潛力至關重要[18]。王延平等[19]利用水量平衡模型估算陜北米脂紫花苜蓿的植被生物量閾值為2600—3500 kg/hm2；Fu等[20]通過SWCCV模型確定六道溝流域錦雞兒和沙柳的LAI閾值為1.27和0.7；劉丙霞等[21]運用SHAW模型模擬發現神木六道溝流域的苜蓿和檸條生物量閾值分別為1980 kg/hm2和5050 kg/hm2。這些研究主要聚焦于黃土高原地區典型灌草物種在樣地或小流域尺度的恢復閾值,難以反映整個黃河流域植被恢復閾值的空間分異特征。遙感技術的快速發展為區域尺度植被恢復閾值的確定提供了新的技術方法。趙廣舉[2]、高海東等[18]基于“相似生境原則”,利用直方圖統計法提取了不同生境斑塊的植被恢復閾值。為了解決生境條件劃分標準的空間異質性問題,Zhang等[22]提出了“基于滑動窗口的相似生境植被恢復閾值”改進計算方法。這類方法雖簡單易行,但在劃分具有“相似生境”斑塊時卻難以充分考慮微地形變化對生境條件的影響,且提取的閾值僅代表研究時段斑塊中植被參數最大值,并不代表維持植被耗水與降雨供給平衡的植被閾值。Feng等[23]構建了黃土高原生態系統蒸散發(ET)與總初級生產力(GPP)的定量響應關系,并模擬了不同生態系統可供水量情景下的GPP閾值。Liang等[24]在此基礎上進一步考慮了立地條件異質性對ET與GPP定量響應關系的影響。但GPP表征植被光合作用固碳能力(gC m-2a-1),該指標雖與ET存在緊密生物物理關聯,卻難以直接應用于生態建設工程實踐。Zhang等[25]利用Eagleson生態水文模型與生態最優理論模擬了不同氣候情景下黃土高原植被覆蓋度恢復閾值及其空間分布。由于生態水文模型計算過程復雜,且模型中土壤和植被參數難以準確獲取,對模擬精度帶來較大不確定性。

為此,本研究利用已有ET和植被參數遙感產品,在考慮ET對植被的線性和非線性響應關系以及植被與氣象要素相互影響作用的基礎上,利用逐步回歸方法逐像元構建ET與氣象要素和植被指標的最優響應關系,基于水量平衡原理計算不同氣候條件下林草植被覆蓋度恢復閾值。以期為黃土高原生態建設提供重要參考與科學技術支撐。

1 研究區與方法

1.1 研究區概況

黃土高原地勢東南低西北高,地形破碎,溝壑縱橫,屬半干旱大陸性季風氣候,年降水量為443.93 mm,年均氣溫為9.57℃(圖1),年均潛在蒸散發高達1319.57 mm。植被類型呈現地帶性規律分布,從東南到西北依次為森林帶、森林草原帶、典型草原帶、荒漠草原帶和草原化荒漠帶。受土壤、降雨、地形地貌、人類活動等的影響,植被覆蓋度較低,水土流失嚴重。為改善區域生態環境,自1999年開始經過多年的生態修復治理,黃土高原植被恢復效果顯著,水土流失得到有效抑制[26]。

圖1 黃土高原年均降雨量與年均溫度Fig.1 Annual mean precipitation and annual mean temperature on the Loess Plateau

1.2 數據來源與處理

氣象數據采用中國氣象數據網(https://data.cma.cn/)共享發布的1960—2018年黃土高原295個氣象站點日尺度氣象數據,包括降雨、溫度、日照時數、相對濕度、風速。利用AUSPLINE氣象專業插值軟件將所有氣象站點數據進行空間插值,并利用FAO Penman-Monteith公式[27—28]和Yuan等[29]的方法計算潛在蒸散發(ET0)和飽和水汽壓差(VPD)。另外,本研究獲取了黃土高原及鄰近區域的4個Flux通量站(Du2、Ha2、HaM、Sw2)ET觀測數據,黃河干流5個主要控制水文站(唐乃亥、青銅峽、頭道拐、龍門、花園口)年徑流量實測數據(圖2),數據測量準確度高。其中,唐乃亥水文站以上為黃河源區,青銅峽水文站以上為黃河流域主要產水區,頭道拐水文站為黃河上游與中游的分界,龍門水文站為黃河重點報汛站,花園口水文站為黃河中游與下游的分界。而“唐乃亥-青銅峽”為黃河上游主要來水區,“青銅峽-頭道拐”為黃河沙漠寬谷段,“頭道拐-龍門”為黃河中游主要產沙區,“龍門-花園口”為黃河中游主要產水區；四個區間覆蓋了黃土高原90%以上區域,不同區間的氣候、地形地貌和植被分布均具有典型特征,區域蒸散發可代表整個黃土高原蒸散發及其空間異質性。干旱指數r為多年平均潛在蒸散發與多年平均降雨量的比值,根據r直方圖分布[30]將其劃分為0.85—2、2—2.5、2.5—3、3—4、4—16共5個干旱指數區間(圖2),以保證不同區間的像元個數大致相同。

ET遙感產品選用PML_V2和MOD16 A2 GF,空間分辨率為500 m。由于增強型植被指數(Enhanced Vegetation Indices,EVI)已消除土壤背景和大氣對光譜反射率的影響,且能克服高植被覆蓋區植被指數飽和效應問題,比其它植被指數更能準確捕捉植被時空動態變化[22],選用MODIS13 A1 EVI表征植被參數,空間分辨率為500 m。地表覆蓋數據采用GLC_FCS30產品,空間分辨率為30 m,該產品全球范圍驗證精度82.50%,kappa系數為0.78[31]；將其重分類為農田、森林、灌草地、其它(圖2),其中森林與灌草總稱為林草植被[32]。所有遙感產品均重采樣到500 m分辨率。利用GRACE產品CSR RL06_mascons提取不同區間(唐乃亥-青銅峽、青銅峽-頭道拐、頭道拐-龍門、龍門-花園口)的統計平均值,即陸地水儲量的變化量(TWSC)。

圖2 黃土高原地面站點及自然概況Fig.2 Ground stations and natural survey of the Loess Plateau

1.3 研究方法

1.3.1ET產品精度評價方法

提取Flux站坐標鄰近3×3像元(1.5 km×1.5 km)ET產品空間平均值,并利用均方根誤差(RMSE)、平均相對誤差(MRE)和納什效率系數(Nash)指標評估PML_V2 ET和MOD16 A2 GFET產品精度。另外,在唐乃亥-青銅峽、青銅峽-頭道拐、頭道拐-龍門、龍門-花園口4個區間上分別利用水量平衡原理計算區域尺度ET,計算公式為[33]：

ETWBi=Pi-Ri-ΔSi

(1)

式中,ETWBi為第i年區間蒸散發量(mm)；Pi為第i年區間實測降雨量(mm)；Ri為第i年區間實測徑流量(mm)；ΔSi為第i年GRACE重力衛星反演的區間TWSC(mm)。

以基于水量平衡原理計算ET為區域ET實測值,利用RMSE和MRE指標評估PML_V2和MOD16 A2 GF ET產品在區域尺度上的模擬精度。

1.3.2趨勢斜率分析法

采用線性斜率法和F檢驗計算黃土高原2000—2018年ET變化趨勢及其顯著性水平。線性斜率的計算公式如下[34]：

(2)

式中,Xi為第i年的ET值;n為總年數。當Slope>0時,ET呈增加趨勢；當Slope<0時,ET呈減小趨勢。當ET變化趨勢的F檢驗顯著性水平P<0.05時,ET呈顯著變化。

1.3.3ET與氣象要素和EVI響應關系構建

借鑒前人研究成果與經驗,本研究將構建ET與降雨、溫度、日照時數、飽和水汽壓差和EVI之間定量響應關系,且在構建響應關系過程中充分考慮植被與ET的非線性關系和氣象要素與植被之間的交互作用,具體公式如下[35]：

ET=β0+βEVI×EVI+βi×Xi+ε

(3)

Xi={EVI2,Cj,Cj×EVI},j=1,2,3,4

(4)

式中,ET為實際蒸散發;βEVI為ET對EVI的敏感性系數;Xi為其余變量子集;βi為所選變量子集Xi中各變量的敏感性系數。Xi中EVI2表征植被的非線性作用;Cj表征4種氣象要素(降雨、溫度、日照時數和飽和水汽壓差)的線性作用;Cj×EVI表征各氣象要素與植被之間的交互作用。

本研究利用多元逐步回歸方法[35]篩選出每個柵格的最佳變量子集Xi,從而在每一個柵格上建立“最優”的ET與氣象因子和EVI定量響應關系。

1.3.4豐、平、枯水年劃分

根據1960—2018年降水系列資料,運用P-Ⅲ型頻率分布曲線分析逐個像元的降雨頻率。根據莫淑紅等[36]的分類方法將降雨頻率小于25%的年份劃分為豐水年；降雨頻率在25%—75%之間的為平水年；降雨頻率大于75%的為枯水年。P-Ⅲ型頻率分布曲線概率密度函數如下[37]：

(5)

式中,Γ(α)是伽瑪函數;α、β、a0分別為P-Ⅲ型頻率分布的形狀參數、尺度參數和位置參數,且α>0、β>0。根據劉煥彬[38]方法計算公式中所需各參數。

1.3.5不同情景下植被覆蓋度恢復潛力估算

根據水量平衡原理,蒸散發是由降雨量扣除產流量和陸地水儲量變化量之后的剩余部分。當降雨補給能夠滿足生態系統耗水需求時,植被群落演替具有可持續性。在維持降雨補給與生態系統ET的平衡關系條件下,ET的最大值為降雨量,即不發生任何產流和蓄水量的變化。具體公式如下[33]：

ET=P-R-ΔS

(6)

式中,ET為蒸散發;P為降雨量;R為徑流量,ΔS為陸地水儲量變化量。

將ETmax=P帶入公式(3)反算EVI值,該值即為能夠維持降雨供給和生態系統耗水平衡的EVI閾值。

結合地表覆蓋產品數據,利用像元二分法將EVI閾值轉化為林草植被覆蓋度,公式如下[39]：

(7)

式中,FVCi,j為第j類林草植被類型中的第i個像元的植被覆蓋度;EVIi,j為第j類林草植被類型中第i個像元的EVI值;EVImax,j為第j類林草植被類型的EVI年最大統計直方圖95%分位數對應值;EVImin為裸地類型的EVI年最小值統計直方圖5%分位數對應值。

植被覆蓋度恢復閾值與當前植被覆蓋度現狀的差值即為植被覆蓋度恢復潛力,計算公式如下[22]：

FVCpot=FVCthr-FVCcur

(8)

式中,FVCpot為植被覆蓋度恢復潛力;FVCthr為植被覆蓋度恢復閾值;FVCcur為植被覆蓋度現狀。

2 結果與分析

2.1 黃土高原ET與EVI時空變化特征

圖3分別展示PML_V2產品和MOD16 A2 GF產品在4個通量站點和4個流域區間的驗證精度,可看出站點尺度ETPML的RMSE、MRE和Nash系數分別為4.5 mm/8d、-14.7%和0.74,而區域尺度ETPML的RMSE和MRE分別為34.3 mm/a和1.57%。站點尺度ETMODIS的RMSE、MRE和Nash系數分別為6.17 mm/8d、168.4%和0.54,而區域尺度ETMODIS的RMSE和MRE分別為96.1 mm/a和-15.1%。基于站點和區域尺度驗證結果均表明,PML_V2 ET產品在黃土高原地區的模擬精度較高,更能夠準確捕捉ET時空動態變化。黃土高原2000—2018年多年平均ET為445.36 mm,多年平均EVI為0.17,均呈現由東南向西北遞減的空間分布格局(圖4),空間分布格局基本一致。

圖3 PML_V2和MOD16 A2 GF ET產品驗證結果Fig.3 Validation results of PML_V2 and MOD16 A2 GF evapotranspiration products Du2：多倫_草地,Duolun_grassland (D01)；Ha2：海北灌叢,Haibei Shrubland；HaM：西藏海北高山遺址,Haibei Alpine Tibet site；Sw2：四子王旗,Siziwang Grazed (SZWG)；RMSE：均方根誤差,root mean squared error；MRE：平均相對誤差,mean relative error；Nash：納什效率系數,nash-sutcliffe efficiency coefficient；Tang：唐乃亥；Qing：青銅峽；Tou：頭道拐；Long：龍門；Hua：花園口

圖4 多年平均ET和EVI的空間分布Fig.4 Spatial distribution of perennial mean ET and EVI ET：蒸散發,evapotranspiration； EVI：增強型植被指數,enhanced vegetation index

從圖5中可看出,黃土高原ET呈增加趨勢的區域面積占比為92.18%,其中62.76%的區域呈顯著增加趨勢,主要分布于山西省和青海省、陜西省北部等退耕還林草工程重點實施區域。黃土高原西北部和東南部平原地帶ET呈顯著下降趨勢,占比7.82%,這主要與城鎮化等劇烈人類活動有關。黃土高原EVI呈增加趨勢的面積占比為96.04%,其中85.56%的區域呈現顯著增加趨勢,可見退耕還林還草效果顯著。內蒙古和寧夏北部、陜西省南部、青海和山西省等零星地區的EVI呈現顯著下降趨勢,面積占比僅為1.35%。

黃土高原林草植被ET年際增長速率為5.08 mm/a,其中不同類型植被生態系統ET年際增長速率排序為：灌草>森林(圖6)。黃土高原林草植被EVI年際增長速率為0.0026/a,其中不同植被類型的EVI年際增長速率為：森林>灌草(圖6)。

圖5 2000—2018年ET與EVI時空分布Fig.5 Temporal and spatial distribution of ET and EVI, 2000—2018P<0.05：F檢驗顯著性水平P<0.05時,ET與EVI呈顯著變化

圖6 不同植被類型ET與EVI時序動態變化Fig.6 Temporal dynamic changes of ET and EVI in different vegetation cover type zone

2.2 ET與EVI響應關系空間分布特征

利用逐步多元回歸方法逐個像元構建ET與氣象要素和EVI響應關系。ET與EVI之間的響應關系形式主要分為：1)僅EVI與ET相關；2)EVI和EVI2與ET相關；3)EVI和EVI×Cj與ET相關；4)EVI、EVI2和EVI×Cj均與ET相關。不同響應關系形式的空間分布如圖7所示,統計結果表明ET與EVI呈線性關系的區域面積占比為60.8%,其中響應關系受到EVI與氣象要素相互作用影響的區域占比為24.3%,主要分布于山西省北部和東部、陜西省中北部、寧夏南部、甘肅省東部和西部等部分區域。ET與EVI呈非線性關系的區域面積占比為39.2%,其中受到EVI與氣象要素相互作用影響的區域占比為14.9%,主要分布于甘肅省中西部、陜西省西北部、山西省北部以及內蒙古東南部。多元回歸模型整體R2大小為0.66,其中,僅EVI與ET相關、EVI和EVI2與ET相關、EVI和EVI×Cj與ET相關、EVI、EVI2和EVI×Cj均與ET相關四種響應關系模型的R2分別為0.61、0.67、0.67、0.74；73.35%的區域所構建的響應關系模型具有顯著性(圖7),模型效果較好。本文方法所構建的響應關系模型的平均均方根誤差(RMSE)為27.3 mm。為了減小ET產品驗證的不確定性,站點尺度和區域尺度PML_V2產品的平均RMSE為35.15 mm,利用誤差傳播定律[40]計算多元回歸模型ET模擬值的平均RMSE為44.5 mm。

圖7 ET與EVI響應關系及其顯著性Fig.7 Response relationship and significance of ET and EVIR2：可決系數,coefficient of determination

圖8 不同植被類型區ET與EVI響應關系統計 Fig.8 The response relationship between ET and EVI in different vegetation cover type zone

不同植被ET與氣象因子和EVI的響應關系具有差異性。圖8統計結果表明黃土高原林草植被ET與EVI呈線性關系的比例為62.23%,其中受到EVI與氣象因素相互作用的面積比例為27.19%。ET與EVI呈現非線性關系面積比例為37.77%,其中受到EVI與氣象要素相互作用的比例為14.54%。森林和灌草ET與EVI響應關系以線性為主,面積占比為59.27%、63.20%；其中受到EVI與氣象要素相互作用影響的面積比分別為19.84%、29.60%。森林ET與EVI呈現非線性響應關系的面積比(40.73%)高于灌草(36.80%),其中受到EVI與氣象要素相互作用影響的面積比分別為14.04%、14.71%。

2.3 豐、平、枯水年情景下林草植被覆蓋度恢復潛力

利用公式(3)—(8)對黃土高原地區豐、平、枯水年不同情景下的林草覆蓋度恢復閾值與恢復潛力進行定量計算,結果如圖9所示；且根據2.2節中ET模擬值RMSE可計算得到林草覆蓋度恢復閾值與恢復潛力的平均RMSE為5.7%。

豐水年情景下,黃土高原林草植被覆蓋度平均恢復閾值為(71.5±37.3)%,平均恢復潛力為(9.4±30.4)%。其中,林草植被覆蓋度已超過恢復閾值的面積占比為33.35%,主要分布于甘肅省西北部、內蒙古西南部、青海省南部、寧夏北部和山西省部分區域。而林草植被覆蓋度仍有恢復潛力的面積占比為66.65%,主要分布于內蒙古和甘肅省東部、陜西省北部、山西省、青海省北部等區域,其中河龍區間中北部等區域林草植被覆蓋度恢復潛力可達到30%—60%。

平水年情景下,黃土高原林草植被覆蓋度平均恢復閾值為(55.6±35.9)%,平均恢復潛力為(-6.4±23.8)%。其中,林草植被覆蓋度已超過恢復閾值的面積占比為65.89%,主要分布于內蒙古西南部、寧夏、甘肅、青海和陜西省南部、山西省部分區域。而林草植被覆蓋度仍有恢復潛力的面積占比為34.11%,主要分布于陜西省中北部、內蒙古東部部分地區、青海省北部、山西省部分區域,其中陜西省中北部、青海省北部林草植被覆蓋度恢復潛力可達到15%—35%。

枯水年情景下,黃土高原林草植被覆蓋度平均恢復閾值僅為(22.4±26.0)%,平均恢復潛力為(-39.7±26.2)%。其中,林草植被覆蓋度已超過恢復閾值的面積占比為96.77%,在整個黃土高原連片分布。而林草植被覆蓋度仍有恢復潛力的面積占比僅為3.23%,主要分布于內蒙古西北部和青海省北部等零星地區,其林草植被覆蓋度恢復潛力僅為0—10%。

圖9 林草植被覆蓋度恢復閾值與恢復潛力Fig.9 Restoration threshold and restoration potential of shrubs-herbs-arbor vegetation coverFVCthr：植被覆蓋度恢復閾值Restoration threshold of fractional vegetation cover；FVCpot：植被覆蓋度恢復潛力Restoration potential of fractional vegetation cover

2.4 林草植被覆蓋度恢復潛力空間分異特征

降水量是限制黃土高原植被生長的關鍵性因素,不同植被對干旱的敏感性不同。黃土高原灌草地多為中、低覆蓋,水分條件較差,植被生長對干旱的響應較為敏感。而東南部多為森林,降水豐富,較少受水分脅迫,植被生長受干旱影響較小。

根據圖10結果可以看出,不同降雨量情景下的林草植被覆蓋度恢復潛力存在空間異質性。豐水年情景下,灌草平均恢復潛力(10.2%)大于森林(6.3%)。林草植被覆蓋度平均恢復潛力隨干旱指數增加呈先增加后減小的變化特征,存在閾值效應[41],峰值(25.3%)出現在干旱指數3—4區間。森林平均恢復潛力最大值(18.2%)出現在干旱指數2.5—3區間。平水年情景下,森林和灌草已分別超過平均恢復閾值6.5%和6.3%。林草植被覆蓋度超過恢復閾值的程度隨干旱指數增加而加劇。枯水年情景下,森林和灌草已分別超過其平均恢復閾值41.7%和39.0%。林草植被覆蓋度超過恢復閾值的程度隨干旱指數增加呈先加劇后減輕的變化特征,最大差值出現在干旱指數2.5—3區間。通過對比可知,不同歷史降雨情景對干旱指數2.5—4區間的林草植被恢復潛力影響最為劇烈。

圖10 不同植被類型植被恢復潛力隨干旱指數變化規律Fig.10 Changes of vegetation restoration potential with the increase of drought index in different vegetation coverage type zone

3 討論

退耕還林還草工程實施以來,黃土高原植被恢復效果顯著,水土流失減弱[42—43],各項生態系統服務顯著提升[44]。但是,土壤水分已成為干旱/半干旱區植被演替的主要限制因素。基于樣地不同深度土壤濕度實測數據的大量研究表明[45—48],人工建造喬木林對土壤水分的過度消耗超過了當地降雨補給,已造成深層土壤出現干層現象。在區域尺度方面,大量前人研究結果[2,22,25]均表明黃土高原植被恢復已接近該區域水資源承載力閾值,這與本研究定性結論也基本保持一致。

前人研究基于“相似生境原則”[2,18,22],利用直方圖統計法提取不同生境斑塊的植被恢復閾值,但“相似生境”斑塊劃分誤差會嚴重影響提取結果,且該方法計算過程并未考慮降雨供給與生態系統ET的平衡關系,因此其提取結果可能是在消耗過量土壤水分條件下的植被最大覆蓋度。本研究從水量平衡原理的角度出發,構建了生態系統ET與氣象要素和植被指數之間的定量響應關系,定量計算了能夠維持降雨供給與生態系統耗水平衡關系的林草植被恢復閾值,可用于林草植被可持續性評價。這與Feng[23]、Liang等[24]估算植被恢復閾值的研究思路類似,但前人研究尺度為縣域,且所用植被表征指標GPP(gC m-2a-1)并不便于直接應用于生態建設工程實踐,而本研究計算了每個500 m×500 m網格內的林草植被恢復閾值,其結果可直接用于工程實踐。另外,前人研究主要利用近年遙感觀測數據提取植被閾值,僅代表了近十年氣候條件下林草植被動態變化規律與恢復閾值,并未全面考慮未來不同氣候情景對植被閾值的影響。而本研究基于水量平衡原理和響應關系模型,預測了未來豐、平、枯水年不同氣候條件下黃土高原林草植被覆蓋度恢復閾值及空間分布,可為未來黃土高原植被的可持續性評價與生態建設規劃提供重要參考。

生態系統ET的反演精度直接決定著本方法估算植被恢復閾值的準確性,由于可收集共享數據有限,本研究驗證精度存在一定不確定性。未來可收集更多實地測量土壤濕度和ET通量數據對多種ET反演模型進行驗證與改進。生態系統ET與多種因素實際存在復雜函數響應關系,本研究利用簡單數學關系構建ET與氣象因素與植被之間的響應關系,存在一定不確定性,但本研究在構建關系過程中充分考慮了ET對植被的非線性響應和氣象因素與植被之間的相互影響,可在一定程度上減小該不確定性,未來可結合統計方法、水文模型、陸面模式等手段綜合研判植被與ET的響應關系。另外,在計算響應關系模型的不確定性過程中,并沒有詳細考慮各氣象要素觀測誤差對反演結果不確定性的影響,不確定性定量評價仍有待加強。本研究在計算ET最大值時并未考慮經濟社會用水情況,僅表示天然水循環情景下生態系統可利用的最大水量。

未來生態建設工程規劃中,建議對于已超過植被覆蓋度恢復閾值的區域,應采取有效調控措施,如人工建造植被多以灌草為主或輕度放牧等。對于仍有恢復潛力的區域,也需要根據氣候帶和立地條件開展差異化生態建設,做到“分區分類、因地制宜”,改善優化植被結構與格局。采用“植被適度恢復以實現高質量的生態系統服務”的思路對植被恢復的進程和目標進行規劃,降低水資源的過度消耗,提升黃土高原區生態系統服務功能,實現黃河流域高質量發展[49]。

4 結論

本研究基于天然水循環水量平衡原理,利用多源遙感產品和實測地面資料,構建了ET與氣象要素和EVI之間的定量響應關系,定量估算了不同降雨情景下黃土高原林草植被覆蓋度恢復閾值與恢復潛力。主要研究結論如下：

(1)PML_V2產品基于通量站點觀測值與水量平衡公式驗證的誤差RMSE分別為4.5 mm/8d、34.3 mm/a,PML_V2產品更能夠準確捕捉ET時空動態變化。黃土高原2000—2018年多年平均ET與EVI為445.36 mm、0.17；林草植被ET與EVI增長速率為5.08 mm/a、0.0026/a。

(2)建立的ET與EVI和氣象要素的響應關系模型的估算誤差RMSE為44.5 mm。不同植被ET與氣象因子和EVI的響應關系具有明顯空間異質性。

(3)豐、平、枯水年情景下,黃土高原林草植被覆蓋度平均恢復閾值分別為(71.5±37.3)%、(55.6±35.9)%和(22.4±26.0)%。與林草植被覆蓋度現狀(62.1%)相比,豐水年情景下林草植被覆蓋度仍有(9.4±30.4)%的增長空間,平水年和枯水年情景下林草蓋度已超過恢復閾值(6.4±23.8)%和(39.7±26.2)%。

(4)黃土高原林草植被覆蓋度恢復潛力與區域干旱指數密切相關。豐水年情景下,林草植被覆蓋度平均恢復潛力隨干旱指數增加呈先增加后減小的變化特征；平水年情景下,林草植被覆蓋度超過恢復閾值的程度隨干旱指數增加而加劇；枯水年情景下,林草植被覆蓋度超過恢復閾值的程度隨干旱指數增加呈先加劇后減輕的變化特征。