1981—2008年中国陆地植被NPP对气候变化响应的敏感性试验

黄珏，陈海山，俞淼

(1.气象灾害教育部重点实验室(南京信息工程大学);2.南京信息工程大学大气科学学院，江苏南京210044)

0 引言

陆地植被通过生物物理过程和生物化学过程调配着陆地与大气间的物质、能量和动量交换，成为陆地生态系统的核心环节(周广胜等，1997)。近几十年来，全球气候系统正经历着以变暖为主要特征的明显变化(毛嘉富等，2008)，而植被的生长与气候变化密切相关(Los et al.，2001;Zhou et al.，2001)。因此，植被对全球变化的响应受到了越来越多学者的关注(Woodward，2002;Piao et al.，2003;Mao et al.，2009)。我国不仅具有从温带到热带，从湿润到干旱的不同气候带，也具有从北方针叶林带到亚热带常绿阔叶林和热带雨林的多样性自然植被(朴世龙和方精云，2003)。因此，研究我国植被对气候变化的响应将有助于认识气候变化对陆地生态系统的影响机制。

植物净初级生产力(Net Primary Productivity，NPP)指的是绿色植物在单位时间和单位面积上所产生的有机干物质的总量(何勇等，2005)，是表征生态系统功能和碳循环研究的一个重要参数(Peng and Apps，1999;Bai et al.，2004;Ives and Carpenter，2007;孙善磊等，2010)。深入理解陆地植被NPP对气候变化的响应，对评价陆地生态系统的环境质量、调节生态过程以及估算陆地碳汇有重要意义(Cao and Woodward，1998;Fang et al.，2001a)。陆地植被净初级生产力有明显的空间和时间变化特征。NPP的空间变化特征主要与植被类型、气候特征、土地利用类型等有关(侯英雨等，2007)，而NPP的时间变化主要表现为季节、年际变化和长期趋势等方面(俞淼等，2010)。目前，已有很多学者对我国区域范围内植被NPP对气候变化的响应进行了研究。例如:朴世龙等(2003)基于CASA模型估算了NPP，并研究了我国陆地植被不同季节NPP的年际变化及其地理分布。龙慧灵等(2010)用改进的基于光能利用率的NPP遥感估算模型对内蒙古地区的NPP进行了估算，并从季节和年际尺度上分析了NPP与温度和降水间的关系。丹利等(2007)基于遥感资料和全球生态模式给出的NPP资料对新疆地区1982—2000年的植被时空变化进行了定量分析。

但此前的研究大多是在植被受到各气候因子综合作用的前提下进行分析的，单一气候因子的变化对植被NPP影响规律的时空特征还不完全清楚。同时还应考虑到植被自然生长的变化规律，将其从气候因子对植被生长产生的影响中分离出来。由于人们很难直接测量植被生长对单个气候因子的响应情况，因此，针对植被的生物物理过程和生物化学过程，可以模拟植被与气候间相互作用过程的陆地生态系统模型成为重要研究工具。本文利用CENTURY模型，研究了1981—2008年我国陆地植被净初级生产力的年际变异和变化趋势对CO2浓度、温度和降水的响应。

1 资料与方法

1.1 模型简介

CENTURY(Version 4.5)模型(Parton et al.，1988，1993)是美国科罗拉多州立大学的Parton等建立的，用于研究森林生态系统、草原和农作物碳、氮、磷、硫等元素动态过程的模型，是当前国际上比较有代表性的生物地球化学循环模型之一。在结构上，CENTURY模型分为植物生产量子模型(Plant Production Sub-model)、土壤有机质子模型(Soil Organic Matter Sub-model)和生物物理子模型(Biophysical Sub-model)。CENTURY模型运行的最短时间步长为一个月，输入变量包括地理位置、气象数据、CO2浓度、土壤质地、植被与管理参数等。CENTURY模型的主要输出变量有碳和氮通量，植物NPP，土壤有机质含量、土壤呼吸量和土壤水分等。本文所采用的模型输出量为植物NPP。

1.2 资料

本文所采用的气象资料为我国449个气象站点的1981—2008年逐日最高温度、最低温度及降水资料;历史大气CO2浓度资料采用夏威夷Mauna Loa观测的全球CO2月平均浓度数据(Keeling，1999);土壤质地数据来源于中国1∶400万中国土壤图集和Haxeltine(1996)依据国际粮农组织的土壤分类建立起来的全球0.5°×0.5°的土壤质地资料(资料来源 http://www.daac.ornl.gov)。根据 CENTURY模型的输入要求，本文最终放入模式中的气象数据为单站月气候平均值，CO2浓度为年平均数据，模型在单个气象站点上运行。研究区域及站点分布见图1。

1.3 研究方法

为了分析植被NPP及气候因子的年际变异情况和变化趋势，本文采用变异系数(coefficient of variation)，即标准差与均值的比值表示年际变化强度(Fang et al.，2001b;Knapp and Melinda，2001);线性倾向估计计算趋势系数用于分析气候因子和NPP的变化趋势(王咏梅等，2011)。年际变化强度和变化趋势分别表征了变量的振荡和整体变化趋势两方面的属性。为了比较植被NPP与气候因子在空间分布型上的关系，用空间相关系数来比较两者空间分布的吻合程度(Haywood et al.，1997;鞠丽霞和王会军，2006)。

图1 中国449站的站点分布Fig.1 The geographic distribution of 449 sites over China

本文共设计了5组试验方案(表1)来研究我国陆地生态系统NPP对CO2浓度、温度及降水年际变化的响应。模拟步长为一个月，时间长度为1981—2008年。模型以月平均最高温度、最低温度作为输入，因此文中所指温度的变化通过最高、最低温度的变化反映。除试验5外，其余试验方案中输入模式的CO2浓度均为28 a平均。以各月1981—2008年多年平均的温度、降水作为试验方案1的模型输入，此时，植被NPP变化仅由植物个体生长变化所致;试验2中，将站点实测的1981—2008年月平均最高、最低温度作为模型输入，同时模型输入降水为各月28 a平均;试验3模型输入的月降水量为1981—2008年站点观测值，温度为各月28 a平均值;试验4中温度和降水输入均为1981—2008年月观测值;将1981—2008年实际年平均CO2浓度，月平均最高、最低温度及月降水量作为试验方案5中的模型输入。

表1 试验方案的设计Table 1 The design of experiment schemes

通过将试验方案1和试验2、3的模拟结果分别比较，可以得出1981—2008年温度和降水单独作用时对植被生长产生的影响。试验1和试验4模拟结果的差异则来源于温度和降水综合作用时对植被生长的影响。将试验方案4与试验方案5的模拟结果进行比较则可看出在相同气候背景下，植被生长对CO2浓度变化的响应情况。

2 模型检验

首先，考察CENTURY模型对我国陆地植被净初级生产力的模拟能力，同时对该模型模拟植被年际变化程度和变化趋势的能力一并进行考量，以确定CENTURY模型在研究我国陆地生态系统净初级生产力及其变化上的适用性。本文采用1981—2000年AVHRR GLOPEM NPP数据集对CENTURY模型的模拟能力进行验证。AVHRR GLOPEM NPP数据集源于美国马里兰大学 GLCF(Global Land Cover Facility)数据库，数据的空间分辨率为8 km，时间分辨率为10 d。该数据集被认为是当前NPP估算最为精确的数据集之一(刘海桂等，2007)，在对历史资料进行分析的基础上，模型计算的输入数据全部为遥感数据。在模型检验阶段，模型输入的气象要素为1981—2000年站点月平均最高温度、最低温度和月降水量。根据模型要求，对于研究区域的每一个模拟点，首先在自然条件下运行2 000 a至平衡态，使各个状态变量达到稳定，以消除假定的生态系统状态变量初始的平衡态假设值对动态模拟结果的影响。在这2 000 a的模拟中，温度的输入为模型根据20 a温度序列计算出的各月20 a平均最高、最低温度;输入降水则为CENTURY模型由1981—2000年月降水量序列产生的相应各月随机降水;其余输入变量均为实测值。达到平衡态后，将模型的气象要素输入变为1981—2000年观测值，采用这20 a模型输出植被NPP对于模型模拟效果进行分析和讨论。

图2 CENTURY模拟(a)与AVHRR GLOPEM NPP数据集提供(b)的中国区域1981—2000年平均 NPP的空间分布(单位:g·m－2·a－1)Fig.2 Geographic distributions of NPP(g·m －2·a－1)averaged from 1981 to 2000 in China from(a)CENTURY model simulations and(b)AVHRR GLOPEM NPP dataset

图2给出了 CENTURY模型模拟的1981—2000年我国植被NPP与AVHRR GLOPEM NPP数据集的比较。对比图2a、2b可以看出，模型的模拟结果大致反映出了植被NPP的空间分布特征;两者的空间相关系数达到0.557 9，通过了P=0.001的显著性检验，表明CENTURY模型基本上能够较好模拟出研究区域内植被NPP的空间分布。但也注意到，模拟值较AVHRR GLOPEM NPP数据集略微偏小。此外，为了检验该模型对于植被NPP年际变化强度和变化趋势的模拟能力，将模型模拟的这20 a间的 NPP年际变异系数、趋势系数与AVHRR GLOPEM NPP数据集的相应要素进行了比较(图3、图4)，发现CENTURY模型对NPP年际变率的模拟能力较差，对NPP年际变率的空间差异刻画能力不够;但模式对NPP变化趋势的空间分布有一定模拟能力。因此，后文关于NPP年际变异的敏感性研究也不可避免存在一定的局限性。

3 结果与分析

3.1 我国植被NPP年际变化强度对CO2浓度、温度和降水变化的响应

为了了解不同气候因子的年际变化特征，计算各了各气象要素的年际变异系数来反映1981—2008年我国CO2浓度、最高温度、最低温度和降水的年际变化强度。此外，为消除温度的正负差异对变异系数计算产生的影响，在计算最高、最低温度的变异系数前，先对温度数据进行标准化处理。

图3 CENTURY模拟(a)与AVHRR GLOPEM NPP数据集计算(b)的NPP年际变异系数的空间分布Fig.3 Geographic distributions of estimated annual coefficient of NPP variation from(a)CENTURY model simulations and(b)AVHRR GLOPEM NPP dataset

图4 CENTURY模拟(a)与AVHRR GLOPEM NPP数据集计算(b)的NPP趋势系数的空间分布(单位:g·m－2·a－2)Fig.4 Geographic distributions of estimated trend coefficient(g·m －2·a－2)of NPP from(a)CENTURY model simulations and(b)AVHRR GLOPEM NPP dataset

图5 试验1(a)、2(b)、3(c)、4(d)情景下CENTURY模型模拟的NPP年际变异系数的空间分布Fig.5 Geographic distributions of estimated annual coefficient of NPP variation with CENTURY model from 1981 to 2008 in experiments(a)1，(b)2，(c)3 and(d)4

图5a—d为试验1—4情景下CENTURY模型模拟的植被NPP变异系数的分布，试验5的模拟结果即为图3a。通过比较图5a、b发现，温度的单独变化会对我国东北和内蒙古地区的植被NPP年际变率产生较大影响。当只有降水发生变化时，我国长江以北大部分站点植被NPP年际变化强度都较大，这与降水量的变异系数的分布较为一致，两者的空间相关系数r=0.442 7，通过了P=0.001的信度检验。因此，降水的变化会对植被NPP的年际变异产生较大影响，植被NPP的年际变化强度较温度而言表现出对降水更明显的空间依赖性。比较图5d和图3a可见，当在相同的气候条件下加上CO2的变化时，我国植被NPP的变异系数变化不显著，两种气候背景下植被NPP年际变异分布相似，空间相关系数达0.410 1，通过了0.001的信度检验。因此，CO2的年际变化对植被NPP的年际变化强度的影响不大。

3.2 我国植被NPP变化趋势对CO2浓度、温度和降水变化的响应

1981—2008年间CO2体积分数以每年1.645 1×10－6速率上升。同时，计算1981—2008年各站点年均最高、最低温度以及年降水量的趋势系数，可以获得我国气候因子变化趋势的分布状况。

CENTURY模型模拟的在试验1—4情景下植被NPP变化趋势的分布由图6a—d表示，图4a为试验5的模拟结果。比较图6a、b可以发现，当研究范围内植被只受温度变化影响时，植被NPP呈下降趋势的站点集中分布在东北、华北、长江中下游地区和华南沿海。而对于华北南部和华中地区的植被，温度的变化使其NPP有上升趋势。植被NPP变化趋势与年平均温度趋势系数的空间相关系数为－0.022 9，未通过P=0.01的信度检验，说明温度变化对植被NPP变化趋势产生的影响不显著。在1981—2008年间，年降水量的单独变化对植被NPP的影响可通过图6a和图6c的比较获得。当降水量单独变化时，我国大部分地区植被NPP趋势系数为负，降水量的变化对植被NPP趋势影响显著(相关系数为0.454 5，通过P=0.001的显著性检验)。图6d为温度和降水同时变化时植被NPP变化趋势的模拟结果。对比图6d和图6c发现，两者极为相似，空间相关系数达到了0.333 4，通过了P=0.001的信度检验;说明温度和降水的综合作用对植被NPP变化趋势的影响类似于降水单独变化对植被NPP趋势的影响，降水量的变化对植物NPP趋势起主导作用。比较图6d和图4a，CO2浓度的变化使研究范围内大部分站点植被NPP的趋势系数增大，其中，对我国华东及华中地区植被NPP趋势的影响较明显。

4 结论与讨论

本文基于CENTURY模型，通过设计不同的数值试验，探讨了我国植被NPP对CO2、温度和降水变化的响应情况，得到以下结论:

图6 试验1(a)、2(b)、3(c)、4(d)情景下CENTURY模型模拟的NPP趋势系数的空间分布(单位:g·m－2·a－2)Fig.6 Geographic distributions of estimated trend coefficient(g·m －2·a－2)of NPP with CENTURY model from 1981 to 2008 in experiments(a)1，(b)2，(c)3 and(d)4

1)不同气候因子对我国植被NPP年际变化强度的影响存在一定的差异。CO2浓度的变化对植被NPP的年际变异的影响不显著，而温度和降水的影响相对较大。就全国范围而言，温度的变化对植被NPP年际变化的驱动作用明显弱于降水。

2)通过比较不同气候因子对我国植被NPP变化趋势的影响，发现降水是影响我国植被NPP变化趋势的主导因子。当考虑温度和降水的综合作用时，植被NPP变化趋势的响应情况类似于降水单独变化时对植被NPP变化趋势产生的影响。CO2浓度的变化会使我国大部分地区植被NPP的趋势系数增大，其中对我国华东及华中地区植被的影响尤为明显。

从以上研究来看，我国陆地植被NPP的年际变异和变化趋势对CO2浓度、温度和降水的响应程度各不相同，且存在明显的地区性差异。因此，深入探讨气候因子对植被的影响将有助于更好地理解植被生长对气候变化响应的机理。本文就植被对气候变化的响应主要采取定性分析，定量分析还需要在今后的研究工作中进一步展开;另外，相应的结果还有待于从植物生理学角度去解释。与此同时，模型对NPP模拟能力也在一定程度上增加了本文研究结果的不确定性。由于CENTURY模型所限，此研究未考虑辐射的年际变化对植被NPP等产生的影响。这些问题值得在今后的工作中开展更深入的研究。

丹利，季劲钧，马柱国.2007.新疆植被生产力与叶面积指数的变化及其对气候的响应［J］.生态学报，27(9):3582-3592.

何勇，董文杰，季劲均，等.2005.基于AVIM 的中国陆地生态系统净初级生产力模拟［J］.地球科学进展，20(3):345-349.

侯英雨，柳钦火，延昊，等.2007.我国陆地植被净初级生产力变化规律及其对气候的响应［J］.应用生态学报，18(7):1546-1553.

鞠丽霞，王会军.2006.用全球大气环流模式嵌套区域气候模式模拟东亚现代气候［J］.地球物理学报，49(1):52-60.

刘海桂，唐旭利，周国逸，等.2007.1981—2000年广东省净初级生产力的时空格局［J］.生态学报，27(10):4065-4074.

龙慧灵，李晓兵，王宏，等.2010.内蒙古草原区植被净初级生产力及其与气候的关系［J］.生态学报，30(5):1367-1378.

毛嘉富，王斌，戴永久，等.2008.一个动态植被模型在欧洲森林碳水循环模拟中的适应性评估研究［J］.大气科学，32(6):1379-1391.

朴世龙，方精云.2003.1982—1999年我国陆地植被活动对气候变化响应的季节差异［J］.地理学报，58(1):119-125.

朴世龙，方精云，陈安平.2003.我国不同季节陆地植被 NPP对气候变化的响应［J］.植物学报，45(3):269-275.

孙善磊，周锁铨，薛根元，等.2010.环杭州湾地区近36年自然植被净初级生产力的变化特征［J］.自然资源学报，25(5):830-841.

王咏梅，秦爱民，王少俊.2011.山西冬季气温异常的气候特征及成因分析［J］.高原气象，30(1):200-207.

俞淼，陈海山，孙照渤，等.2010.全球植被年际尺度动态过程的数值模拟及其评估［J］.大气科学学报，33(3):365-374.

周广胜，张新时，高素华，等.1997.中国植被对全球变化反应的研究［J］.植物生态学报，39(9):879-888.

Bai Y F，Han X G，Wu J G，et al.2004.Ecosystem stability and compensatory effects in the Inner Mongolia Grassland［J］.Nature，431:181-184.

Cao M K，Woodward F I.1998.Dynamic responses of terrestrial ecosystem carbon cycling to global climate change［J］.Nature，393:249-252.

Fang J Y，Chen A P，Peng C H，et al.2001a.Changes in the forest biomass carbon storage in China between 1949 and 1998［J］.Science，292:2320-2322.

Fang J Y，Piao S L，Tang Z Y，et al.2001b.Interannual variability in net primary production and precipitation［J］.Science，293:1732.

Haxeltine A.1996.Prentice I C:BIOME3:An equilibrium terrestrial biosphere model based on ecophysiological constraints，resource availability，and competition among plant functional types［J］.Global Biogeochemical Cycles，10(4):693-709.

Haywood J M，Stouffer R J，Wetherald R T，et al.1997.Transient response of a coupled model to estimated changes in greenhouse gas and sulphate concentrations［J］.Geophys Res Lett，24:1335-1338.

Ives A R，Carpenter S R.2007.Stability and diversity of ecosystems［J］.Science，317:58-62.

Keeling C D.1999.Atmospheric CO2records from sites in the SIO air sampling network［R］//Carbon Dioxide Information Analysis Center.Trends:A Compendium of Data on Global Change.Tennessee:Oak Ridge National Laboratory.

Knapp A K，Melinda D S.2001.Variation among biomes temporal dynamics of aboveground primary production［J］.Science，291:481-484.

Los S O，Collatz G J，Bounoua，et al.2001.Global interannual variations in sea surface temperature and land surface vegetation，air temperature，and precipitation［J］.J Climate，14:1535-1549.

Mao J F，Wang B，Dai Y J.2009.Sensitivity of the carbon storage of potential vegetation to historical climate variability and CO2in continental China［J］.Adv Atmos Sci，26(1):87-100.

Parton W J，Stewart W B，Cole C V.1988.Dynamics of C，N，P and S in grassland soils:A model［J］.Biogeochemistry，5:109-131.

Parton W J，Scurlock J M O，Ojima D S，et al.1993.Observations and modeling of biomass and soil organic matter dynamics for grassland biome worldwide［J］.Global Biogeochemical Cycles，7:785-809.

Peng C H，Apps M J.1999.Modeling response of net primary productivity(NPP)of boreal forest ecosystem to changes in climate and fire disturbance regimes［J］.Ecol Model，122:175-193.

Piao S L，Fang J Y，Zhou L M，et al.2003.Interannual variations of monthly and seasonal normalized difference vegetation index(NDVI)in China from 1982 to 1999［J］.J Geophys Res，108(D14)，4401.doi:10.1029/2002JD002848.

Woodward F.2002.Potential imparts of global elevated CO2concentrations on plants［J］.Current Opinion in Plant Biology，5:207-211.

Zhou L M，Tucker C J，Kaufmann R K，et al.2001.Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999［J］.J Geophys Res，106:20069-20083.