氣候變化對內(nèi)蒙古溫帶草原生態(tài)系統(tǒng)碳、水通量及水分利用效率的影響

韓再惠，陳 燕，吳志俊，任 黎，苗 平，馬紅麗

(1.內(nèi)蒙古自治區(qū)鄂爾多斯市杭錦旗水利事業(yè)發(fā)展中心，內(nèi)蒙古 鄂爾多斯 017400；2.河海大學(xué)水文水資源學(xué)院，江蘇 南京 210024；3.內(nèi)蒙古自治區(qū)鄂爾多斯市河湖保護(hù)中心，內(nèi)蒙古 鄂爾多斯 017400)

1 概述

水分利用效率(WUE)是生態(tài)系統(tǒng)總初級生產(chǎn)力(GPP)與總蒸散發(fā)(ET)的比值，被定義為植物單位耗水量所生產(chǎn)的有機質(zhì)總量或凈產(chǎn)量，反映碳水循環(huán)規(guī)律及相互作用關(guān)系[1]。根據(jù)Piao等[2]研究發(fā)現(xiàn)，生態(tài)系統(tǒng)碳水循環(huán)規(guī)律隨氣候變化發(fā)生巨大的改變，因此氣候變化如何影響生態(tài)系統(tǒng)碳、水通量及水分利用效率過程引起了國內(nèi)外研究者的廣泛關(guān)注，特別是在生態(tài)系統(tǒng)較為脆弱的半干旱地區(qū)。由于GPP、ET和WUE的估算是研究氣候變化對生態(tài)系統(tǒng)碳、水通量及水分利用效率過程演化影響的基礎(chǔ)，許多研究者對GPP、ET和WUE的估算做出了貢獻(xiàn)[3]。目前，對GPP、ET和WUE的估計主要有3種方法，即現(xiàn)場測量、統(tǒng)計模型和機制模型。野外測量是估算GPP、ET和WUE最可靠的方法，但無法獲得長期、大尺度的觀測數(shù)據(jù)。統(tǒng)計模型簡單直觀，但缺乏理論基礎(chǔ)，不能揭示生態(tài)系統(tǒng)與其環(huán)境之間的相互作用；CENTURY、TEM、ORCHIDEE和Biome-BGC模型等[4]納入植被生理生態(tài)過程的機制模型能較好地模擬植被對氣候變化的響應(yīng)。在機制模型中，Biome-BGC模型因其對植被生態(tài)生理過程的詳細(xì)描述而被廣泛用于模擬生態(tài)系統(tǒng)碳、水通量及水分利用效率過程。

與此同時，近年來人們在不同時空尺度上廣泛研究了不同生態(tài)系統(tǒng)碳、水通量及水分利用效率對氣候變化的響應(yīng)。如Ueyama等[5]利用AsiaFlux數(shù)據(jù)利用BIOME-BGC模型研究了落葉松森林GPP和ET對氣候變化的響應(yīng)；Quan等[6]通過人工增溫實驗研究了高寒草甸水分利用效率對氣候變暖的響應(yīng)。然而，在同一類型生態(tài)系統(tǒng)中，相同氣候因子對生態(tài)系統(tǒng)碳、水通量及水分利用效率過程的影響可能因地理位置而發(fā)生改變。Huang等[7]研究證實生態(tài)系統(tǒng)生態(tài)系統(tǒng)水分利用效率隨氣溫升高而增加，而Bell等[8]則得出相反的結(jié)果。這些現(xiàn)象反映了生態(tài)系統(tǒng)碳、水通量及水分利用效率過程氣候影響因素的復(fù)雜性[9]。因此，明確生態(tài)系統(tǒng)碳、水通量及水分利用效率隨降水或溫度變化的演化特征，對于確定生態(tài)系統(tǒng)碳水循環(huán)規(guī)律對氣候變化的響應(yīng)具有重要意義。

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)概況

研究地點位于內(nèi)蒙古自治區(qū)西北部錫林郭勒溫帶草原，海拔約1200m，屬半干旱大陸性氣候。年平均氣溫在0.9℃左右，年平均降水量在338mm左右，年際變率高。降水量年際分布極不均勻，約89%集中在生長期(5—9月)。2004—2008年平均日照時間2617.54h，年平均實際蒸散量為212.73mm。優(yōu)勢草種為羊草(Leymus Chinensis)、冠草(Agropyron cristatum)、大針茅(Stipa grandis)和方閉草(Cleistogenes squarrosa)，平均冠高為0.5～0.6m，最大LAI為1.5m2/m2。研究區(qū)地理空間分布如圖1所示。

圖1 研究區(qū)地理空間分布

2.2 數(shù)據(jù)收集與處理

本研究用于溫帶草原生態(tài)系統(tǒng)Biome-BGC模型校準(zhǔn)和驗證的GPP和ET數(shù)據(jù)，來源于中國生態(tài)通量觀測與研究網(wǎng)絡(luò)(ChinaFLUX Observation and Research Network)(http：//www.chinaflux.org/enn/index.aspx)的錫林郭勒溫帶草原生態(tài)系統(tǒng)的渦度相關(guān)通量測量系統(tǒng)，時間跨度為2004—2008年。2003—2019年的日最高氣溫、日最低氣溫、日平均氣溫、日降水和日太陽輻射數(shù)據(jù)來源于中國氣象數(shù)據(jù)服務(wù)中心(China Meteorological Data Service Center)(http：//data.cma.cn/)。采用MTCLIM模型計算水汽壓差(VPD)和日照時間數(shù)據(jù)。土壤數(shù)據(jù)來源于資源與環(huán)境科學(xué)數(shù)據(jù)中心(Resource and Environment Science and Data Center)(https：//www.resdc.cn/)。2003—2019年的日均GPP和ET數(shù)據(jù)通過Biome-BGC模型模擬得出，該模型使用了經(jīng)過優(yōu)化的參數(shù)，以研究內(nèi)蒙古溫帶草原生態(tài)系統(tǒng)碳、水通量及水分利用效率的時間變化規(guī)律。

2.3 BIOME-BGC模型的建立與應(yīng)用

2.3.1模型描述

本研究使用的Biome-BGC版本4.1.2來自美國國家大氣研究中心(NCAR)的彼得·桑頓和蒙大拿大學(xué)的數(shù)值三元動力學(xué)模擬小組(NTSG)提供。該模型在站點尺度上以植物生理生態(tài)機理為基礎(chǔ)，廣泛用于模擬生態(tài)系統(tǒng)中植被碳(C)、氮(N)和水(H2O)的日尺度進(jìn)出動態(tài)過程，Biome-BGC模型主要包括3類輸入數(shù)據(jù)文件，分別為站點參數(shù)數(shù)據(jù)、站點氣象數(shù)據(jù)、植被生理生態(tài)參數(shù)。

2.3.2參數(shù)率定與驗證

本研究使用PSET模型[10]對BIOME-BGC模型進(jìn)行校準(zhǔn)和驗證，將2004—2005年的GPP和ET日觀測數(shù)據(jù)分為兩個部分：2004—2005年進(jìn)行校準(zhǔn)，2006—2008年進(jìn)行驗證，PEST模型的加權(quán)最小二乘目標(biāo)函數(shù)為：

(1)

式中，φ(A)—基于參數(shù)組A的目標(biāo)函數(shù)；n—觀測日數(shù)；obs—GPP、ET觀測日值；sim—GPP、ET模型模擬日值；w—觀測值設(shè)定的權(quán)重系數(shù)。

2.3.3結(jié)果精度評價

通過Pearson相關(guān)系數(shù)(R)和均方根誤差(RMSE)對模型在日尺度GPP和ET模擬中的表現(xiàn)進(jìn)行評價，評價指標(biāo)公式如下：

(2)

(3)

2.3.4模型應(yīng)用

采用經(jīng)PSET模型參數(shù)優(yōu)化后的BIOME-BGC模型對2003—2019年的日尺度GPP和ET進(jìn)行模擬。基于日尺度GPP和ET計算日尺度WUE(GPP/ET)，同時以2003—2019年期間氣候變化為基準(zhǔn)，采用Biome-BGC模型模擬未來不同氣候變化情景(21世紀(jì)末氣溫上升1～2℃，年降水量增加5%～15%)下的日尺度GPP和ET，并進(jìn)一步分析了平均氣溫和降水量變化對內(nèi)蒙古溫帶草原生態(tài)系統(tǒng)碳、水通量及水分利用效率的影響。

2.4 氣候變化對WUE、GPP和ET的影響研究

本研究采用相關(guān)分析方法在年和月尺度上研究了WUE/GPP/ET與降水/溫度的關(guān)系，探討2003—2019年降水和溫度的歷史變化對WUE、GPP和ET的影響。采用IPCC《排放情景特別報告》中B2情景下模擬的中國區(qū)域21世紀(jì)的氣候變化場景，以2003—2019年期間氣候變化為基準(zhǔn)，模擬未來不同氣候變化情景(21世紀(jì)末氣溫上升1～2℃，年降水量增加5%～15%)下的日尺度GPP和ET，為了區(qū)分大氣氣候變暖、降水增加對內(nèi)蒙古溫帶草原生態(tài)系統(tǒng)碳、水通量及水分利用效率的相對重要性影響，本研究定義溫度(T)、降水(P)兩個變量組合下的9種未來氣候情景分別進(jìn)行模擬(見表1)。

表1 溫度(T)、降水(P)兩個變量組合下的9種未來氣候情景

3 結(jié)果

3.1 模型表現(xiàn)

圖2展示了2004—2008年經(jīng)PEST模型參數(shù)優(yōu)化后BIOME-BGC模型對2004—2008年的日尺度GPP、ET模擬值與日尺度GPP、ET觀測值的對比圖，表2展示了用于評估參數(shù)優(yōu)化后BIOME-BGC模型模擬的GPP、ET值與GPP、ET實測值之間的的相關(guān)系數(shù)(R)和均方根誤差(RMSE)。

表2 模型精度評價

圖2 2004—2008年日尺度GPP和ET值注：EC-GPP和EC-ET為GPP和ET實測值；PEST-GPP和PEST-ET為經(jīng)過PEST模型優(yōu)化的GPP和ET模擬值

如圖2所示，雖然經(jīng)PEST模型參數(shù)優(yōu)化后BIOME-BGC模型模擬值存在一定的高估和低估現(xiàn)象，但GPP、ET的模擬和實測過程總體上也呈現(xiàn)出相似的變化模式。GPP、ET模擬值與GPP、ET實測值的相關(guān)系數(shù)(R)和均方根誤差(RMSE)值也驗證了這一點。如表2所示，在率定期和驗證期，GPP、ET模擬值與GPP、ET實測值的相關(guān)系數(shù)值均不低于0.557，且GPP高于ET，T檢驗也證明GPP、ET模擬值與GPP、ET實測值存在顯著相關(guān)，且顯著水平為0.01(p<0.01)。在率定期和驗證期，GPP、ET模擬值與GPP、ET實測值的RMSE均不低于0.707，且ET高于GPP。GPP、ET模擬值與觀測值之間的R值和RMSE值均表明經(jīng)PEST模型參數(shù)優(yōu)化后BIOME-BGC模型的模擬值與觀測值有較好的一致性。

3.2 年尺度GPP、ET和WUE的變化

圖3展示了2003—2019年年尺度GPP、ET和WUE的時間變化過程。如圖3所示，年尺度GPP和ET表現(xiàn)出相似的變化規(guī)律，GPP和ET年均值分別為217.49gCm-2a-1和272.85mma-1，變化范圍分別為132.32-296.29gCm-2a-1和175.97～360.75mma-1。年WUE也隨時間變化而變化，其年平均值為0.79g/kg，變化范圍為0.55～0.98g/kg。年GPP、ET和WUE皆呈現(xiàn)出不顯著的增長趨勢。2003、2012、2013、2015、2019年GPP和ET值較高，2007、2017年較低。2003—2007年GPP和ET值均呈現(xiàn)出明顯的下降趨勢，2008—2012年則呈現(xiàn)出明顯的上升趨勢。其余年份的波動相對穩(wěn)定。年WUE最高值和最低值分別出現(xiàn)在2008年和2004年，其余年份的變化波動較為平穩(wěn)。

圖3 2003—2019年年尺度GPP、ET、WUE、P和T的時間變化注：P和T分別代表降水和溫度

3.3 月尺度GPP、ET和WUE的變化

圖4展示了2003—2019年月尺度GPP、ET、WUE、P和T的時間變化，圖5展示了2003—2019年多年月均GPP、ET和WUE變化特征。

圖4 2003—2019年月尺度GPP、ET、WUE、P和T的時間變化

如圖4所示，5—9月GPP、ET和WUE值在2003—2019年的變化情況。5月GPP和ET值在大部分年份呈現(xiàn)出局部GPP值增加而相應(yīng)年份的ET值減少的變化。6—7月，GPP與ET值隨年份變化的同步性逐漸增強。8月和9月，GPP和ET值表現(xiàn)出非常相似的變化模式。5月GPP和WUE值均呈上升趨勢，ET呈下降趨勢，但GPP和ET值的變化波動較小，而WUE值則呈現(xiàn)出顯著變化；6月GPP保持穩(wěn)定，ET值呈現(xiàn)出一定的上升趨勢，WUE則呈現(xiàn)出一定下降趨勢；7月GPP和ET值均呈現(xiàn)一定上升趨勢，WUE保持穩(wěn)定；8月和9月，GPP和ET值均有一定的上升趨勢，WUE在8月有一定的上升趨勢，9月略有下降趨勢。以上分析表明，5—9月的月GPP、ET和WUE均表現(xiàn)出不同程度的變化趨勢。如圖5所示，GPP、ET和WUE的年內(nèi)分布極不均勻，GPP和ET在7月最高，WUE在9月最高。GPP和ET在年內(nèi)呈單峰分布，但WUE在5月和9月呈雙峰分布。5—9月的GPP和ET值明顯高于其余月份，5—10月的WUE值明顯高于其余月份。

3.4 WUE、GPP和ET對歷史氣候變化的響應(yīng)

圖6展示了年GPP/ET/WUE與年P(guān)/T的相關(guān)性，表3展示了2003—2019年月Ti/Pi/Pi-1與月GPP/ET/WUE之間的相關(guān)系數(shù)。

表3 月GPP/ET/WUE與月P/T的相關(guān)性

圖6 年GPP/ET/WUE與年P(guān)/T的相關(guān)性

如圖6所示，年GPP/ET與年降水量在95%和99%的置信水平上存在顯著的正相關(guān)關(guān)系，相關(guān)系數(shù)分別為0.602和0.772。而年GPP和ET與年氣溫的相關(guān)系數(shù)分別為0.232和0.07，相關(guān)性不顯著。年WUE與年降水量的相關(guān)性弱于年氣溫，相關(guān)系數(shù)分別為-0.156和0.396。需要注意的是，降水和溫度對WUE的影響均不顯著。從圖3中還可以看出，年GPP和ET在2003—2019年的變化波動與年降水量的變化波動有較好的對應(yīng)關(guān)系，但年GPP/ET與年氣溫在2003—2019年變化波動的同步性較差。以上分析表明，年降水量比年氣溫對年GPP和ET的影響更大，但年氣溫對年WUE的影響大于年降水量。如表3所示，5—9月的各月GPP與Pi之間的正相關(guān)性強于GPP與Pi-1之間的正相關(guān)性；各月ET與Pi的正相關(guān)性較強，且明顯強于ET與Pi-1的相關(guān)性。4—10月的各月WUE與Pi呈現(xiàn)出負(fù)相關(guān)，5—8月和10月的各月WUE與Pi-1呈正相關(guān)。這說明上月降水對當(dāng)月GPP和WUE的影響大于當(dāng)月降水，對當(dāng)月ET的影響小于當(dāng)月降水。4、5、8月GPP與氣溫呈正相關(guān)，置信度在95%以上，但在氣溫較高的6月和7月，GPP與氣溫呈負(fù)相關(guān)且相關(guān)性較弱。ET與氣溫的相關(guān)性也存在類似現(xiàn)象。但與4、5、8、9月GPP與氣溫的強相關(guān)性相比，相對應(yīng)月份的ET與氣溫的相關(guān)性較弱。與GPP和ET不同，6月和7月WUE與氣溫呈正相關(guān)，但相關(guān)性較弱。5—9月，WUE均與氣溫呈正相關(guān)，其中5月呈現(xiàn)出顯著正相關(guān)，置信水平為99%。

3.5 WUE、GPP和ET對未來氣候變化情景的響應(yīng)

圖7展示了不同氣候變化情景下的GPP、ET、WUE及其各自相對于T0W0情景下的變化幅度。如圖7所示，T2W15情景下，GPP和WUE的增幅最大，分別為19.93%和8.11%，平均值分別為204.05gCm-2a-1和0.71g/kg。T2W0情景下GPP和ET的相對變化最小，分別為1.68%和-0.76%，平均值分別為173gCm-2a-1和256.13mm。此外，T0W15情景下ET的增幅最大，為12.09%，T1W5情景下的WUE增幅最小，為2.19%。T0W5和T0W15情景下，GPP、ET和WUE分別增長7.25%、4.12%、3.34%和18.06%、12.09%、5.68%。這表明，僅增加5%和15%的降水量仍能促進(jìn)GPP、ET和WUE的增加。與降水相比，溫度單獨升高1℃和2℃對GPP、ET和WUE的影響較小，分別為3.49%、0.11%、3.71%和1.68%、-0.76%、2.76%。與T0W0情景相比，T1W5、T1W15和T2W5、T2W5情景下的GPP分別增長了3.66%、17.20%、8.07%和19.93%，WUE分別增長了2.19%、5.25%、4.98%和8.11%。與GPP和WUE不同，ET對降水變化的敏感性大于對溫度變化的敏感性。T1W5、T1W15、T2W5和T2W5情景下，ET分別增長2.11%、11.85%、3.29%和11.34%。上述分析表明，在未來氣候變化情景中，溫度和降水的聯(lián)合增加對GPP/ET/WUE的影響大于溫度或降水的單獨增加。

圖7 不同氣候變化情景下的GPP、ET、WUE及其各自相對于T0W0情景下的變化幅度

4 結(jié)論

本研究基于PSET模型參數(shù)優(yōu)化后的BIOME-BGC模型，模擬了GPP、ET和WUE在2003—2019年不同時間尺度上的變化規(guī)律及其對氣候變化的響應(yīng)。研究發(fā)現(xiàn)：

(1)采用PSET模型參數(shù)優(yōu)化后的BIOME-BGC模型對GPP和ET的日模擬效果較好；

(2)GPP、ET和WUE在年尺度上呈現(xiàn)出不顯著的上升趨勢；

(3)月降水對GPP、ET和WUE的影響大于月氣溫，且月降水對GPP的影響大于月降水；

(4)不同氣候變化情景對GPP、ET和WUE的影響不同，且溫度和降水聯(lián)合增加對GPP/ET/WUE的影響大于溫度或降水單獨增加對GPP/ET/WUE的影響。

后續(xù)可以在BIOME-BGC模型的基礎(chǔ)上進(jìn)行改進(jìn)，提高模型模擬精度，并對氣候變化對生態(tài)系統(tǒng)碳、水通量及水分利用效率做進(jìn)一步的歸因分析。