干旱對鄂爾多斯碳水通量及水分利用效率影響研究

韓再惠，陳 燕，于江浩，馬紅麗，任 黎，苗 平

(1.內蒙古自治區鄂爾多斯市杭錦旗水利事業發展中心，內蒙古 鄂爾多斯 017400；2.河海大學水文水資源學院，江蘇 南京 210024；3.內蒙古自治區鄂爾多斯市河湖保護中心，內蒙古 鄂爾多斯 017400)

1 概述

碳水循環的穩定性是影響全球氣候的重要因素。水分利用效率(WUE，Water Use Efficiency)，在區域尺度上被定義為植被總初級生產力(GPP，Gross Primary Productivity)和蒸散發(ET，Evapotranspiration)的比值，其揭示了植被固碳過程和耗水過程之間的關系，是反映碳水耦合過程的一個重要的指標[1-2]，碳水通量(GPP、ET)和水分利用效率均為區域碳水循環的重要表征。因此，碳水通量及水分利用效率的變化趨勢的研究能為區域碳水循環提供有益參考。目前，遙感反演產品的可靠性不斷增強，已成為量化和分析生態系統碳水通量的一種有效方式[3]，而GLASS 產品數據集優勢明顯、精度較高，它能提供多種較長時間序列、較高時空分辨率的GPP產品和ET產品[4]，是區域不同時間尺度碳水通量研究數據來源的理想選擇。

干旱，通常是由降水過少和超高溫等因素綜合引起的[5]。干旱限制植被的生長，從而影響區域的碳匯能力和水循環，破壞區域的碳水循環過程。未來全球范圍內干旱事件發生的頻率和強度都將會不斷增加[6]，這意味著碳水循環必將受到嚴重的破壞。關于流域生態系統碳水通量及水分利用效率與干旱的相關關系研究結果較多[7-9]，結論尚不統一，因此急需開展干旱對流域生態系統碳水通量及水分利用效率影響研究，這對揭示生態系統碳水通量及水分利用效率對干旱的響應規律具有重要的理論價值，有助于理解干旱干擾下的區域生態系統適應過程。

2 數據來源與研究方法

2.1 研究區概況

鄂爾多斯市位于內蒙古自治區西南部，總面積8.7×104km2(如圖1所示)。多年平均氣溫6.2℃，多年平均降水348.3mm，多年平均蒸發量2506.3mm，為降水量的7.2倍。鄂爾多斯地勢起伏不平，西北高東南低，地形復雜，東北西三面被黃河環繞，南與黃土高原相連。該區域蒸發較大，干旱極易發生，故本文選擇該區域進行干旱對區域碳水通量及水分利用效率影響研究。

圖1 鄂爾多斯市地形圖

2.2 數據收集與處理

本研究土壤濕度數據來源為國家青藏高原科學數據中心的基于站點觀測的中國1km土壤濕度日尺度數據集(2000—2020)產品，GPP與ET的數據來源為GLASS數據集的GLASS ET(潛熱通量)Modis_1km(2000—2018)產品與GLASS GPP(植被總初級生產力)Modis_500m(2000—2020)產品，兩種產品的時間分辨率均為8天。將日尺度數據、8天尺度數據合成為季、年尺度，各數據集的空間分辨率統一重采樣至1km×1km。

2.3 土壤含水率距平指數(SMAPI)計算

(1)

其值越大代表越濕潤，越小則越干旱。

2.4 MK趨勢檢驗

MK檢驗法[11]在時間序列的趨勢分析上應用廣泛，其計算過程如下：

對于時間序列X的n個樣本點(x1，x2，…，xn)，構造秩序列：

(2)

式中，sk—累計i時刻點前比i時刻小的累計值個數，k=1時，s1=0。

定義統計量

(3)

式中，E(sk)—累計數sk的均值；Var(sk)—累計數sk的方差。

假定時間序列X樣本點相互獨立、分布連續且同分布的條件下，sk的均值、方差計算公式如下：

(4)

(5)

統計量UFk為標準正態分布，UFk>0時為上升趨勢，UFk<0則為下降。可設定顯著性水平α，若|UFk|>Uα，則時間序列有顯著變化趨勢。

2.5 基于R/S方法的Hurst指數

基于R/S方法的Hurst指數計算是由英國水文學家Hurst提出。具體計算過程[12]如下：給定時間序列x(t)，t=1，2，…，n，對于任意正整數τ≥1，定義均值序列為：

(6)

累積離差為：

(7)

極差為：

R(τ)=maxX(t，τ)-minX(t，τ)

(8)

標準差為：

(9)

若比值R(τ)/S(τ)存在R/S∝τH的關系，說明存在Hurst現象，H值可在雙對數坐標系[ln(τ)，ln(R/S)]中用最小二乘法擬合得到。H取值為0-1，當H=0.5時，時間序列為隨機序列；當0.5

2.6 皮爾遜相關系數

皮爾遜相關系數能夠衡量兩個變量之間的相關性，取值為-1到1，正值代表正相關，負值代表負相關，絕對值越接近1相關關系越強[14]，用皮爾遜相關系數來衡量干旱指數與碳水通量及水分利用效率之間的相關性：

r=

(10)

式中，n—樣本數量；xi、yi—第i對樣本。

3 結果

3.1 干旱時空演變規律

圖2—3的左圖分別為2000—2020年不同季節和年際SMAPI在鄂爾多斯變化趨勢的空間分布，圖2—3的右圖分別為2000—2020年不同季節和年際SMAPI的Hurst指數的空間分布。

圖2 不同季節SMAPI空間變化趨勢分布圖(左)不同季節SMAPI空間Hurst指數分布圖(右)

如圖2所示，2000—2020年SMAPI在鄂爾多斯的變化趨勢總體上表現為研究區東部特別是東部的中間區域表現為上升趨勢，表明21年來該區域趨于濕潤，春季變化趨勢最為顯著，呈顯著變化趨勢的區域占比13.89%；綜合不同季節的Hurst指數分布圖，研究區大部區域呈現為反持續性，其中秋季的反持續性較強，呈反持續性的面積占比89.88%，尤其是秋季研究區的西北部地區Hurst指數明顯區別小于0.5，呈現強反持續性。如圖3所示，年際SMAPI的變化趨勢及Hurst的空間分布大致與季節空間分布規律相同，但年際SMAPI的Hurst指數最大值達到了0.72，Hurst指數較高值小范圍分布在研究區的東北端和西北端，呈現為強持續性。

圖3 年際SMAPI空間變化趨勢分布圖(左)年際SMAPI空間Hurst指數分布圖(右)

3.2 碳水通量及水分利用效率時空演變規律

如圖4所示為不同季節GPP的變化趨勢和未來變化趨勢。如圖5所示為年際GPP的變化趨勢和未來變化趨勢。

圖4 不同季節GPP空間變化趨勢分布圖(左)不同季節GPP空間Hurst指數分布圖(右)

圖5 年際GPP空間變化趨勢分布圖(左)年際GPP空間Hurst指數分布圖(右)

從圖4—5的左圖可以看出，鄂爾多斯不同季節和年際GPP的變化趨勢總體上呈上升趨勢，研究區絕大部分區域呈現為極顯著或顯著上升趨勢，僅北部邊緣呈下降趨勢，特別的，秋季研究區的西部呈現不顯著上升或下降趨勢。由圖4—5的右圖可見，不同季節和年際GPP的未來變化趨勢以反持續性為主，其中，秋季規律最為明顯，研究區的西部呈較強的反持續性，年際未來趨勢分布規律由該季主導，另外，年際Hurst指數最大值可達0.91，持續性較強的網格零星分布在研究區的東部和東南部。

圖6展示了鄂爾多斯地區ET不同季節變化趨勢和未來變化趨勢的空間分布規律。圖7則為鄂爾多斯地區ET年際變化趨勢和未來變化趨勢的空間分布規律。

圖6 不同季節ET空間變化趨勢分布圖(左)不同季節ET空間Hurst指數分布圖(右)

圖7 年際ET空間變化趨勢分布圖(左)年際ET空間Hurst指數分布圖(右)

如圖6左圖所示，總體看來ET的季節變化規律以上升趨勢為主，其中春冬兩季部分區域上升趨勢不顯著甚至呈下降趨勢，夏秋兩個季節的規律大致相同，大部分區域呈現顯著上升趨勢，西北部上升趨勢不顯著且具有小范圍區域呈現顯著下降趨勢，年際ET變化規律大致與夏秋兩季相同；如圖6右圖所示，4個季節ET的未來變化趨勢各不相同，春季研究區的東部特別是東北部Hurst指數較小，過去的變化不具有可持續性，西部則呈現為持續性，夏季研究區大致呈現可持續性，僅西南部和西北部的部分區域呈現反持續性，秋季則研究區的絕大部分區域均呈現為反持續性，僅南部存在零星的網格Hurst指數較高，冬季研究區的西北部呈現較強的反持續性，Hurst指數最小值甚至可達0.18，研究區的西南部、東南部和東北部邊緣區域則呈現為可持續性，特別是東北部邊緣區域，Hurst指數較大，最大值達到0.88，未來短時期內ET將維持過去的變化趨勢。年際未來趨勢變化則為研究區西北部呈現強反持續性，東南部呈現可持續性，受冬季的影響較大。

圖8為鄂爾多斯地區不同季節WUE空間變化趨勢分布圖以及Hurst指數分布圖。圖9為WUE年際變化趨勢及年際未來變化趨勢的空間分布格局。

圖8 不同季節WUE空間變化趨勢分布圖(左)不同季節WUE空間Hurst指數分布圖(右)

圖9 年際WUE空間變化趨勢分布圖(左)年際WUE空間Hurst指數分布圖(右)

根據圖8，不同季節WUE的變化趨勢總體上呈現為上升趨勢，其中春季研究區的東部特別是東北部區域上升趨勢較為顯著，其余區域則表現為不顯著，夏秋兩季研究區的西部區域呈現為不顯著上升趨勢，部分區域甚至為下降趨勢，但表現為顯著下降的區域較少，冬季研究區整體上呈現為顯著或極顯著上升趨勢；不同季節WUE未來變化趨勢規律總體看來較為一致，均為研究區的東部呈現為持續性，西部呈現為反持續性，Hurst指數的空間最大值和最小值均明顯區別于0.5，秋季Hurst指數空間最大值甚至達到0.96，其中春季和冬季規律最為相似，研究區的東北部地區呈現為強可持續性，西部特別是西南部表現為強反持續性。綜合圖8—9的結果，年際WUE空間變化趨勢的空間分布由夏秋兩季主導，年際WUE空間Hurst指數的空間分布由冬季主導。

結合GPP與WUE的空間變化趨勢分析結果，二者結果極為相似但WUE的空間變化趨勢不如GPP顯著，說明鄂爾多斯地區的WUE由GPP主導。

3.3 干旱對流域生態系統碳水通量及水分利用效率的影響

圖10—11分別顯示了不同時間尺度GPP與SMAPI相關性的空間分布。

圖10 不同季節GPP與SMAPI相關性空間分布圖

如圖10所示，整體上不同季節研究區的大部分地區均呈現為正相關關系，說明隨著干旱程度的減緩，植被總初級生產力有所提升，僅在研究區的北部部分區域和南部表現為負相關關系，其中，春季研究區的東部尤其是東部的中間區域正相關關系較強，夏秋兩季研究區的西部呈現為較強的正相關關系，相關系數的空間最大值在0.9以上，負相關關系則不顯著，冬季研究區的北部呈現為正相關，南部呈現為負相關。如圖11所示，年際GPP與SMAPI在研究區絕大部分區域表現為較強的正相關關系，鄂爾多斯地區整體上越濕潤，植被總初級生產力越高，呈負相關關系的網格較少。

圖11 年際GPP與SMAPI相關性空間分布圖

圖12為不同季節ET與SMAPI相關性空間分布圖。圖13為年際ET與SMAPI相關性空間分布圖。

圖12 不同季節ET與SMAPI相關性空間分布圖

圖13 年際ET與SMAPI相關性空間分布圖

如圖12所示，不同季節的ET與SMAPI總體上呈現為正相關關系，即研究區整體上隨著濕潤程度的增加，蒸散發增大，且4個季節的相關系數空間最大值均在0.85以上，相關關系較強，其中，春季研究區西北部小范圍地區、夏秋兩季研究區的西南部和西部邊緣地區、冬季研究區的西北部表現為負相關關系，但負相關關系均較弱。如圖13所示，年際ET與SMAPI相關性僅研究區的西北部和西南部呈現為負相關關系，其余區域表現為較強的正相關關系。

圖14為不同季節WUE與SMAPI相關性空間分布圖。圖15為年際WUE與SMAPI相關性空間分布圖。

圖14 不同季節WUE與SMAPI相關性空間分布圖

圖15 年際WUE與SMAPI相關性空間分布圖

對比圖10與圖14、圖11和圖15，發現不同季節以及年際WUE與SMAPI相關性空間分布格局和GPP與SMAPI的相關性空間分布大致相同，特別是夏秋兩季，WUE與GPP對SMAPI的相關性空間分布幾乎完全一致，表明鄂爾多斯地區WUE主要受到GPP的影響(尤其是生長季)。

4 結論

本文分析了鄂爾多斯地區季/年尺度干旱以及碳水通量和水分利用效率的趨勢空間分布規律，并綜合分析了干旱對碳水通量及水分利用效率影響的空間分布。研究發現：鄂爾多斯地區東部總體干旱程度減緩，研究區整體呈現反持續性。GPP整體上呈現顯著上升趨勢，未來變化趨勢以反持續性為主；總體看來ET呈上升趨勢，年際規律主要受冬季的影響。GPP及ET與SMAPI的正相關關系均較強，說明研究區越濕潤，植被總初級生產力和蒸散發越高；空間變化趨勢和相關關系分析結果均表明，研究區的WUE由GPP主導。成果對改善流域干旱狀況以提高流域碳匯能力具有重要的科學參考價值。后續可以通過模型模擬得到更高時空分辨率、可靠度更高的數據來進行分析。