石晓丽,陈红娟,史文娇,王丽艳,潘佩佩,梁彦庆
1. 河北师范大学资源与环境科学学院,河北 石家庄 050024;2. 河北省环境演变与生态建设实验室,河北 石家庄 050024;3. 河北地质大学土地资源与城乡规划学院,河北 石家庄 050031;4. 中国科学院地理科学与资源研究所陆地表层格局与模拟重点实验室,北京 100101;5. 中国科学院大学资源与环境学院,北京 100049
基于阈值识别的生态系统生产功能风险评价
——以北方农牧交错带为例
石晓丽1,2,陈红娟3,史文娇4,5*,王丽艳1,2,潘佩佩1,2,梁彦庆1,2
1. 河北师范大学资源与环境科学学院,河北 石家庄 050024;2. 河北省环境演变与生态建设实验室,河北 石家庄 050024;3. 河北地质大学土地资源与城乡规划学院,河北 石家庄 050031;4. 中国科学院地理科学与资源研究所陆地表层格局与模拟重点实验室,北京 100101;5. 中国科学院大学资源与环境学院,北京 100049
明晰未来气候变化情景下不同类型生态系统生产功能面临的风险,对因地制宜地采取气候变化适应措施具有重要的现实意义。目前从阈值识别角度对生态系统风险进行评价的研究还较少。该研究提出一种基于阈值识别的气候变化下生态系统风险分析的方法。基于气候、土壤和植被数据,运用大气-植被相互作用模型对1961—2080年北方农牧交错带的生态系统净初级生产力进行模拟,根据气候变化对不同类型生态系统净初级生产力的影响定义了“危险的影响”和“不能接受的影响”两类阈值,并根据生态系统净初级生产力在气候变化下的减少趋势与两类阈值的对比关系进行风险等级的划分,进而对未来气候变化下北方农牧交错带不同类型生态系统生产功能面临的风险进行了评估。结果表明:气候变化将给北方农牧交错带生态系统生产功能带来风险,以低风险为主。风险分布与未来气候变化密切相关,主要集中在西北地区北部、内蒙古地区东北部和东北地区中南部。风险范围随增温幅度的增加而扩展,到远期风险面积达到165.72×104km2,占研究区总面积的44.78%。混交林、稀树草原与荒漠草原较为危险;高寒草甸与常绿针叶林是较为安全的生态系统。农牧交错带核心区风险程度高于边缘区,揭示了其核心区在未来气候变化下趋于脆弱的趋势。
阈值;气候变化;风险;生产功能;北方农牧交错带
气候变化对许多生态系统都已经产生了明显的影响,且未来可能会加剧影响(IPCC,2007)。本世纪内,在中等至高排放情景下,气候变化的程度和速率可能造成陆地生态系统的结构和功能面临发生突然和不可逆转的区域尺度变化的高风险(IPCC,2014)。因此,深入理解气候变化对生态系统所可能造成的风险,对因地制宜地采取减缓和适应气候变化的措施具有重要的实际意义。
国内外关于生态系统风险的研究较多(Keith et al.,2013;Matthews et al.,2014;Munns et al.,2016),常用的方法为生态风险评估模型,但其主要关注毒性化学物质对生态系统的不利影响,很少考虑气候变化的影响(Bayliss et al.,2012;Munns et al., 2016)。也有一些研究采用世界自然保护联盟的风险评估标准对生态系统风险进行评价(Keith et al.,2013;Wardle et al.,2015;Auld et al.,2015)。例如,Auld et al.(2015)评估了澳大利亚罗德豪维岛云雾林的生态风险。但是,这种风险评估标准包含的指标很多,并不仅仅局限于气候变化。
也有学者关注气候变化下生态系统面临的风险,对其概念和内涵进行了探讨,评估了气候变化对生态系统服务功能所带来的风险(Schroter et al.,2005;Scholze et al.,2006;Sonwa et al.,2016;Pires et al.,2016)。例如,Scholze et al.(2006)针对生态系统的关键属性,应用全球动态植被模型评价了全球生态系统面临的风险。Sonwa et al.(2016)选择灾害、影响、社会脆弱性、生物物理脆弱性和适应能力等5个要素对非洲农业生产功能面临的气候变化风险进行了评价。Pires et al.(2016)分析了气候变化给巴西农业种植制度所带来的风险。这些研究基于气候变化引起的生态系统功能指标的变化幅度,评价了气候变化对生态系统服务功能的影响程度,但是由于缺乏关键阈值的识别,气候变化所引起的影响是否达到了危险水平不得而知。
一些学者意识到阈值对气候变化风险评估的重要性,开始基于阈值识别进行风险标准的确定,促进了气候变化风险的定量评估。例如,Van minnen et al.(2002)提出了“关键的气候变化”的方法并评估了气候变化对欧洲生态系统的风险,将“不能接受的影响”这一阈值定义为因气候变化导致的生态系统净初级生产力(Net Primary Productivity,NPP)基于多年平均水平的10%的损失。这种方法可以帮助定量评估风险,但对不同生态系统的NPP损失的差异未做进一步区分。Lei et al.(2015)在评估干旱对草地生态系统的风险时认为“不能接受的影响”是生态系统参考年的平均NPP与干旱年份NPP的差值,这个设定的阈值适用于干旱事件风险的评估,但是对除干旱之外的综合多气候因子的气候变化对生态系统的风险评估的适用性有限。
目前从阈值角度评估气候变化引起的生态系统生产功能的风险还较少,而对于风险何时何地发生的理解有助于因地制宜地采取减缓与适应措施。因此,本文介绍了一种定量分析气候变化风险的方法,识别了“危险的影响”和“不能接受的影响”这两类阈值,并据此确定风险等级,对未来气候变化下北方农牧交错带生态系统生产功能面临的风险进行评估。
1.1 研究区概况
中国北方农牧交错带是处于东部湿润区与西北干旱区之间的过渡地带,也是我国面积最大和空间尺度最长的农牧交错带和世界四大农牧交错带之一。研究区包括黑龙江、吉林、辽宁、内蒙古、河北、北京、山西、陕西、宁夏、甘肃和青海,共11个省级行政区(图1)。近30年来研究区多年均温从东北的-5.4 ℃到西南的18.6 ℃,年均降水从西北的34 mm到东南的1050 mm。海拔从小于200 m的东北平原到超过3000 m的祁连山。土地利用类型主要为耕地、草地和林地。在全球变暖、区域降水变率增大等气候变化和过度放牧、耕地北扩等人类活动的影响下,近几十年该区生态环境明显恶化,已给当地人民生产、生活带来了极大危害,并对我国东部地区的生态环境和经济发展产生了不良影响,成为我国生态问题最为严重的区域(赵哈林等,2002;赵昕奕等,2003)。
1.2 数据
生态系统净初级生产力是衡量全球碳循环的主要指标,其变化能够反映气候变化对植被生产力的潜在影响和碳循环反馈,是表征生态系统生产功能的重要参数。研究区NPP采用大气-植被相互作用模型(Atmosphere Vegetation Interaction Model version 2,AVIM2)模拟(Wu et al.,2007)。该模型主要包括陆面物理过程模块、植被生理生长模块以及土壤有机碳转化和分解模块。模型所需的基本驱动数据包括气候、土壤和植被数据,其模拟效果已在多个区域得到验证,模型具体运算方法和验证结果参见文献(Ji,1995;Dan et al.,2005;Lu et al.,2006)。
图1 研究区位置示意图Fig. 1 Location of the study area
由于政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)发表的《排放情景特别报告》(Special Report on Emissions Scenarios,SRES)中的B2情景属于中-低排放,与我国的中长期发展规划比较接近,因此选用此情景数据作为本研究未来气候变化数据。研究区IPCC SRES B2情景数据(1961—2080年)来自于中国农业科学院农业环境与可持续发展研究所气候变化研究组利用英国Hadley中心PRECIS(Providing Regional Climates for Impacts Studies)模拟得到(Xu et al.,2006)。数据分辨率为50 km×50 km。模型所需的主要气候指标有平均气温、最低气温、最高气温、降水、风速、云量、辐射和相对湿度等。
模型所需的土壤质地数据来自1∶1400万土壤质地类型图(中国科学院南京土壤研究所,1986),它主要反映各地土壤表层内矿质颗粒大小的比例情况和区内不同土壤质地的地理分布特点及规律。该图经数字化处理后转换为栅格数据,分辨率为50 km×50 km。
模型所需的植被数据主要来自卫星遥感数据反演得到的分辨率为1 km的全球土地覆被资料,其植被分类采用国际地圈生物圈计划分类系统,研究区主要包括常绿针叶林、落叶针叶林、落叶阔叶林、混交林、密闭灌丛、开放灌丛、稀树草原、草原、高寒草甸、湿地、农作物、荒漠草原和荒漠等13类土地类型,植被数据同样转换为栅格数据,分辨率为50 km×50 km(张时煌等,2004)。
研究时段按照IPCC的定义来划分,基准期为1961—1990年,近期为1991—2020年,中期为2021—2050年,远期为2051—2080年(IPCC,2007),各时期按30年的均值进行计算。
1.3 方法
1.3.1 阈值识别:“危险的影响”与“不能接受的影响”
对于气候变化对生态系统生产功能的风险评价,主要考量气候变化造成的生态系统NPP的损失。根据NPP的长期自然变率识别了两种阈值:“危险的影响”和“不能接受的影响”,并据此设定风险标准。
每个生态系统都有各自对温度、降水或其他参数的适应范围,超过各自系统的阈值后,生态系统就会处于风险之中或面临灭绝(IPCC,2007)。当NPP在长期自然变率范围内变动时,假设NPP的变化是暂时的,是可恢复到平均状态的。反之,当NPP的损失超过长期自然变率范围,产生异常变动时,则认为发生了“危险的影响”(Van minnen et al.,2002)。本研究将基准期(1961—1990年)的NPP变率作为正常年份的自然变率,根据世界气象组织的定义,异常变率定义为超过多年平均值±2倍标准差的数值(Hulme et al.,2009)。因此,如果某网格内NPP的减少超过了其多年平均值-2倍标准差时,则认为气候变化对此网格内的生态系统的生产功能产生了“危险的影响”。
如果气候变化对生态系统NPP的负面影响在超过该网格长期自然变率后继续增强,甚至低于该类生态系统在基准期的最小值,则认为该网格内的此生态系统发生了不可逆转的变化,产生了“不能接受的影响”,即达到此类生态系统多年变动的最小值。
1.3.2 等级划分
以气候变化对生态系统生产功能“危险的影响”和“不能接受的影响”两类阈值为参考,根据某时期生态系统的NPP与基准期NPP正常变率范围的关系,将各生态系统分为无风险、低风险和高风险。如果某时期NPP与基准期NPP相比是减少的,并且其值小于“危险的影响”,定义为低风险;当其继续减少到小于此类生态系统“不能接受的影响”时,认为发生了高风险(图2)。无风险主要包括3种情况,一是某时期NPP大于基准期NPP,即NPP呈增加趋势;二是NPP接近于0的区域,大都是一些荒漠、裸岩地区;三是NPP减少幅度并未超过“危险的影响”。
图2 风险等级划分示意图Fig. 2 Schematic diagram of risk level classification
1.3.3 区域综合风险评价
风险指数是指某生态系统(或区域)内风险总值与其总面积的比值,即单位面积上承担的风险程度,可以表示此生态系统(或区域)将要面临的总体风险程度(Duggan et al.,2015)。风险指数构建如下:
式中,Ri代表生态系统(或区域)i的风险指数;Ri0、Ri1、Ri2分别代表无、低、高风险的分值,分别为0、1和2分;Si0、Si1、Si2分别代表生态系统(或区域)i内无、低、高风险的面积;Si代表生态系统(或区域)i的总面积。
2.1 空间分布特征
IPCC SRES B2情景下的气候变化对生态系统生产功能产生的风险主要分布在西北地区北部、内蒙古地区东北部和东北地区中南部(图3)。未来近期、中期和远期研究区均温分别增加0.95、1.93和2.99 ℃,高于同时期全国平均增温。与此同时,风险面积从近期的98.57×104km2扩大到中期的136.22×104km2,远期时高达165.72×104km2,与近期相比增加了68.13%。风险面积占全区的比例也由最初的26.64%增加至远期的44.78%,风险范围随着增温幅度的增加而扩展。
3个时期,低风险以占全区总面积18.41%~28.26%的比例占据了主导地位。其面积由近期的68.11×104km2增至中期的94.01×104km2,再增至远期的104.56×104km2,增幅为53.52%。高风险面积则翻倍扩展,从近期的30.46×104km2增至远期的61.15×104km2(图3)。
2.2 时间变化特征
为方便分析风险程度的时间变化特征,就某网格而言,将后一时期风险分值与前一时期风险分值相减,若得分为1(2),则代表风险程度增加一级(二级),即由无风险到低风险或由低风险到高风险(由无风险到高风险)转变,用I1(I2)表示;若得分为-1(-2),则代表风险程度减弱一级(二级),用D1(D2)表示,C代表风险程度没有变化。
图4 生态系统风险程度变化Fig. 4 Change in risk levels on the ecosystems
图3 近期(a)、中期(b)和远期(c)生态系统生产功能风险分布Fig. 3 Risk distribution of ecosystems during the (a) near, (b) middle and (c) long terms
近期到中期,309.61×104km2的生态系统风险程度保持不变,占全区总面积的83.67%(图4)。54.2×104km2的生态系统面临的风险呈发展趋势,占全区总面积的14.64%,主要分布在东北地区和西北地区。生态系统风险增加的程度以I1为主,面积为51.08×104km2。与此同时,6.24×104km2的生态系统风险呈减少趋势。中期到远期,风险程度变化趋势与前一时期相同,但风险程度增加的范围(45.81×104km2)略小于前一阶段,占全区总面积的12.38%,主要分布在研究区北部地区(图4)。这一阶段风险增加的程度仍以I1为主,其面积为41.73×104km2,占全区总面积的11.28%。除此之外,0.96×104km2的生态系统风险程度减缓,占全区总面积的0.26%。由此可知,两个时段生态系统生产功能的风险程度均有加重之势,以I1为主。就变化幅度而言,后一阶段(中期到远期)较前一阶段(近期到中期)变化温和。
2.3 不同生态系统风险分析
不同生态系统所面临的风险范围与程度存在差异。就风险范围而言,草原与农作物分布面积之和占总面积的41.61%,其风险面积也相应较大。3个时期草原风险面积均为最大,分别为31.9×104、37.17×104和43.89×104km2;农作物位列其后,3个时期的风险面积分别为19.67×104、27.1×104和33.1×104km2。但是两者风险比例并不突出。与此形成鲜明对比的是全区分布面积最小的混交林(只占总面积的0.71%),风险比例最高,介于63.64%~72.73%;其次为稀树草原,风险比例在40.91%~63.64%之间。就风险指数而言,3个时期,混交林、稀树草原与荒漠草原一直是较危险的生态系统;高寒草甸与常绿针叶林是较为安全的生态系统;其他生态系统在不同时期的排序有所改变。所有生态系统的危险程度均随温度的增加而持续加重(表1)。
2.4 核心区与边缘区风险分析
综合前人成果,将北方农牧交错带分为核心区与边缘区,对其区域差异进行分析(图1)(Liu et al.,2011)。边缘区与核心区的总面积之比为4.91,而两者的风险面积之比介于3.31~4.08之间。核心区风险面积由最初的22.54×104km2增至远期的32.62×104km2,增加了44.68%;而边缘区由最初的76.02×104km2增至远期的133.10×104km2,增加了75.08%,幅度更为明显。就风险指数而言,不论哪个时期,核心区均比边缘区高出0.16~0.17,表明其处于更加严重的风险状态。除此之外,两者的风险范围与程度均呈现出随增温幅度的增加而变大的趋势(表2)。
表2 近期、中期和远期北方农牧交错带核心区与边缘区的风险面积和风险指数Table 2 Risk areas and risk index for the core and marginal region of the farming-pasture ecotone in northern China over three terms
3.1 讨论
基于“危险的影响”和“不能接受的影响”两类阈值,本研究对未来气候变化下北方农牧交错带生态系统生产功能可能面临的风险进行了评估。与原来研究采用指标的变动幅度相比,该方法通过对阈值的识别赋予了风险标准更多的地理和生态意义,考虑了气候变化引起的生态系统的变化是否达到一个危险或不可逆转的水平。阈值的确定方法灵活、操作性强,适用于风险领域的其他影响指标,加上其长期性和大尺度的视角,可以作为气候变化风险定量评价的一种借鉴方法。
本研究风险空间格局与其他研究结果大致相同,Scholze et al.(2006)认为21世纪东北地区会面临森林减少的风险。於俐(2006)也发现,21世纪末期Hadley RCM A2情景下,东北地区南部、内蒙古和西北地区较为脆弱。另外,Wu et al.(2007)研究得出的21世纪B2情景下我国生态系统的脆弱性的格局与发展趋势与本研究结果大致吻合。B2情景下,北方地区增温明显,蒸散加强;与此同时,东北地区和除荒漠地带以外的西北地区降水减少,导致这些区域干旱程度加大,限制了植物光合作用,生态系统NPP下降(郭灵辉等,2016)。降水是该区域植被所需水分的主要来源,是植被生长的主要限制因子,降水减少导致区域内植被NPP降低,风险增加(毛德华等,2016)。Lei et al.(2015)发现,北方农牧交错带生态系统NPP随干旱的加剧而显著减少。Chen et al.(2012)研究认为,干旱气候导致美国南部地区NPP减少40%。稀树草原与荒漠草原处于缺水的干旱地区,其分布与温度、降水变率以及土壤条件密切相关,对气候变化非常敏感(Staver et al.,2011),在未来气候变化下风险程度较高。东北地区北部以温度为限制因子,气候变暖可缓解低温对植被生长的限制,NPP呈增加趋势,因此基本不受风险的影响。Gao et al.(2013)认为,对存在低温限制的青藏高原而言,年均温度的增长对植被NPP有显著的促进作用,但是降水的变化对NPP的影响不大。Yuan et al.(2017)发现,2016—2050年,东北地区松辽平原的森林与草原的NPP对气候变化的敏感性会减弱。高寒草甸和常绿针叶林主要分布在温度限制的区域,增温有助于促进这些地区生态系统NPP的增加,因而在未来气候变化下所面临的风险较低(Ji et al.,2008)。
表1 近期、中期和远期各生态系统的风险面积、风险比例和风险指数Table 1 Risk areas, affected proportions and risk index for each ecosystem over three terms
由于模型没有考虑CO2效应、森林死亡率以及生态系统类型的变化,关于生态系统NPP的模拟具有一定的不确定性。另外,研究未考虑人类对生态系统的干扰,从长远来看,人类对生态系统的干扰有可能会影响其对气候变化的适应能力,进而改变风险状况。因此,本研究只是基于阈值识别角度对气候变化下生态系统风险进行定量评价的初步探讨。更加准确详细地确定区域生态系统NPP的正常范围,辨识其随时间、空间和人为干扰因素变化的风险标准,将有助于减少风险评估研究的不确定性。除此之外,理解未来不同情景(例如RCPs)和模拟模型下的风险,有助于从多角度认知气候变化对生态系统所带来的风险。
3.2 结论
在IPCC SRES B2情景下,风险的范围与未来气候变化特征密切相关,主要集中在西北地区北部、内蒙古地区东北部和东北地区中南部。风险范围随增温的加强而扩展,其面积从近期的98.57×104km2扩大到远期的165.72×104km2,占全区的比例高达44.78%。3个时期,北方农牧交错带地区均以低风险为主,生态系统生产功能的风险程度均有加重之势,且后一阶段(中期到远期)较前一阶段(近期到中期)变化缓和。就生态系统类型而言,混交林、稀树草原与荒漠草原一直是较危险的生态系统;高寒草甸与常绿针叶林是较为安全的生态系统。北方农牧交错带的核心区处于我国半湿润区向半干旱区的过渡地带,气候变率较大,农牧交错活动频繁且强烈,呈现出比气候与土地利用方式相对稳定的边缘区更加严重的风险特征。
AULD T D, LEISHMAN M R. 2015. Ecosystem risk assessment for Gnarled Mossy Cloud Forest, Lord Howe Island, Australia [J]. Austral Ecology, 40(4): 364-372.
BAYLISS P, VAN DAM R A, BARTOLO R E. 2012. Quantitative ecological risk assessment of the Magela Creek Floodplain in Kakadu National Park, Australia: Comparing point source risks from the Ranger Uranium Mine to diffuse landscape-scale risks [J]. Human and Ecological Risk Assessment, 18(1): 115-151.
CHEN G S, TIAN H Q, ZHANG C, et al. 2012. Drought in the Southern United States over the 20th century: variability and its impacts on terrestrial ecosystem productivity and carbon storage [J]. Climatic Change, 114(2): 379-397.
DAN L, JI J J, LI Y P. 2005. Climatic and biological simulations in a two-way coupled atmosphere-biosphere model [J]. Global and Planetary Change, 47(2): 153-169.
DUGGAN J M, EICHELBERGER B A, MA S, et al. 2015. Informing management of rare species with an approach combining scenario modeling and spatially explicit risk assessment [J]. Ecosystem Health and Sustainability, 1(6): 1-18.
GAO Y H, ZHOU X, WANG Q, et al. 2013. Vegetation net primary productivity and its response to climate change during 2001-2008 in the Tibetan Plateau [J]. Science of the Total Environment, 444: 356-362.
HULME M, DESSAI S, LORENZONI I, et al. 2009. Unstable climates: Exploring the statistical and social constructions of ‘normal’climate [J]. Geoforum, 40(2): 197-206.
IPCC. Climate change 2007: Impacts, adaptation and vulnerability. Contribution of working group II to the fourth assessment report of the intergovernmental panel on climate change [R]//Cambridge: Cambridge University Press.
IPCC. Climate change 2014: Impacts, adaptation, and vulnerability. Part a: Global and sectoral aspects. Contribution of working group II to the fifth assessment report of the intergovernmental panel on climate change [R]//Cambridge: Cambridge University Press.
JI J J, HUANG M, LI K R. 2008. Prediction of carbon exchanges between China terrestrial ecosystem and atmosphere in 21st century [J]. Science in China Series D: Earth Sciences, 51(6): 885-898.
JI J J. 1995. A climate-vegetation interaction model: Simulating physical and biological processes at the surface [J]. Journal of Biogeography, 22(2/3): 445-451.
KEITH D A, RODRIGUEZ J P, RODRIGUEZ-CLARK K M, et al. 2013. Scientific foundations for an IUCN Red List of ecosystems [J]. Plos One 8(5): 1-25.
LEI T J, WU J J, LI X H, et al. 2015. A new framework for evaluating the impacts of drought on net primary productivity of grassland [J]. Science of the Total Environment, 536: 161-172.
LIU J H, GAO J X, LV S H, et al. 2011. Shifting farming-pastoral ecotone in China under climate and land use changes [J]. Journal of Arid Environments,75(3): 298-308.
LU J H, JI J J. 2006. A simulation and mechanism analysis of long-term variations at land surface over arid/semi-arid area in north China [J].Journal of Geophysical Research: Atmospheres, 111(D9): 1-19.
MATTHEWS S N, IVERSON L R, PETERS M P, et al. 2014. Assessing and comparing risk to climate changes among forested locations: Implications for ecosystem services [J]. Landscape Ecology, 29(2): 213-228.
MUNNS W R, REA A W, SUTER G W, et al. 2016. Ecosystem services as assessment endpoints for ecological risk assessment [J]. Integrated Environmental Assessment and Management, 12(3): 522-528.
PIRESA G F, ABRAHAOA G M, BRUMATTIA L M, et al. 2016. Increased climate risk in Brazilian double cropping agriculture systems: Implications for land use in Northern Brazil [J]. Agricultural and Forest Meteorology, 228-229: 286-298.
SCHOLZE M, KNORR W, ARNELL N W, et al. 2006. A climate-change risk analysis for world ecosystems [J]. Proceedings of the National Academy of Sciences, 103(35): 13116-13120.
SCHROTER D, CRAMER W, LEEMANS R, et al. 2005. Ecosystem service supply and vulnerability to global change in Europe [J]. Science, 310(5752): 1333-1337.
SONWA D J, DIEYE A, MZOURI E E, et al. 2016. Drivers of climate risk in African agriculture [J]. Climate and Development: http://dx.doi.org/ 10.1080/17565529.2016.1167659.
STAVER A C, ARCHIBALD S, LEVIN S A. 2011. The global extent and determinants of savanna and forest as alternative biome states [J]. Science, 334(6053): 230-232.
VAN MINNEN J G, ONIGKEIT J, ALCAMO J. 2002. Critical climate change as an approach to assess climate change impacts in Europe: Development and application [J]. Environmental Science & Policy, 5(4): 335-347.
WARDLE G M, GREENVILLE A C, FRANK A S, et al. 2015. Ecosystem risk assessment of Georgina Gidgee Woodlands in central Australia [J]. Austral Ecology, 40(4): 444-459.
WU S H, DAI E F, HUANG M, et al. 2007. Ecosystem vulnerability of China under B2 climate scenario in the 21st century [J]. Chinese Science Bulletin,52(10): 1379-1386.
XU Y L, ZHANG Y, LIN E D, et al. 2006. Analyses on the climate change responses over China under SRES B2 scenario using PRECIS [J]. Chinese Science Bulletin, 51(18): 2260-2267.
YUAN Q Z, WU S H, DAI E F, et al. 2017. NPP vulnerability of the potential vegetation of China to climate change in the past and future [J]. Journal of Geographical Sciences, 27(2): 131-142.
郭灵辉, 郝成元, 吴绍洪, 等. 2016. 内蒙古草地NPP变化特征及其对气候变化敏感性的CENTURY模拟研究[J]. 地理研究, 35(2): 271-284.
毛德华, 王宗明, 韩佶兴, 等. 2016. 1982-2010年中国东北地区植被NPP时空格局及驱动因子分析[J]. 地理科学, 32(9): 1106-1111.
於俐. 2006. 中国自然生态系统对气候变化的脆弱性评价研究[D]. 北京:中国科学院研究生院: 106.
张时煌, 彭公炳, 黄玫. 2004. 基于遥感与地理信息系统支持下的地表植被特征参数反演[J]. 气候与环境研究, 9(1): 80-91.
赵哈林, 赵学勇, 张铜会, 等. 2002. 北方农牧交错带的地理界定及其生态问题[J]. 地球科学进展, 17(5): 739-747.
赵昕奕, 蔡运龙. 2003. 区域土地生产潜力对全球气候变化的响应评价——以中国北方农牧交错带中段为例[J]. 地理学报, 58(4): 584-590.
中国科学院南京土壤研究所. 1986. 中国土壤图集[M]. 北京: 地图出版社.
Risk Assessment of Ecosystems Production Based on the Thresholds
Identification: The Case Study of Farming-pastoral Ecotone in Northern China
SHI Xiaoli1,2, CHEN Hongjuan3, SHI Wenjiao4,5*, WANG Liyan1,2, PAN Peipei1,2, LIANG Yanqing1,2
1. College of Resources and Environment Sciences, Hebei Normal University, Shijiazhuang 050024, China;
2. Key Laboratory of Environmental Evolvement and Ecological Construction of Hebei Province, Shijiazhuang 050024, China;
3. School of Land Resources and Urban Planning, Hebei Geological University, Shijiazhuang 050031, China;
4. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China;
5. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China
It is helpful for decision-making on adaptation of climate change to illustrate risks of net primary production for ecosystem from climate change. The thresholds identification method has been documented little in previous studies. From the data of climate, soil texture and vegetation, Atmosphere Vegetation Interaction Model version 2 was employed to simulate the net primary production of ecosystem during the period of 1961—2080. Based on the definition of thresholds, we presented a new assessment method to detect the climate change risk on ecosystems. According to the climate change impacts on the net primary production of ecosystems, the ‘dangerous impact’ and the ‘unacceptable impact’ were defined as the thresholds. Compared with the ‘dangerous impact’ and the ‘unacceptable impact’, NPP loss in each grid was used to evaluate the risk on the ecosystems in farming-pastoral ecotone in northern China. The results showed that, climate change will bring risk on primary production of ecosystem in the study area, and the low risk will dominate the region. The risk distribution is likely to correlated with climate change in future, risk areas are likely to be concentrated on northern part of Northwest China, northeast part of Inner Mongolia, central and southern part of Northeast China. The risk areas would expand with the increase of warming degree. To the long-term, about 165.72 Mha ecosystems will face the risk on primary production, accounting for 44.78% of the total area. Temperate mixed forest, wooded savanna and desert grassland are likely to be more vulnerable than other ecosystems, while the alpine meadow and evergreen coniferous forest will be relatively safe. Risks in the core region of the farming-pastoral ecotone will intense than these in the marginal region, indicating the dangerous trend under the climate change.
thresholds; climate change; risk; production; farming-pastoral ecotone
10.16258/j.cnki.1674-5906.2017.01.002
K903; X171.1
A
1674-5906(2017)01-0006-07
石晓丽, 陈红娟, 史文娇, 王丽艳, 潘佩佩, 梁彦庆. 2017. 基于阈值识别的生态系统生产功能风险评价——以北方农牧交错带为例[J]. 生态环境学报, 26(1): 6-12.
SHI Xiaoli, CHEN Hongjuan, SHI Wenjiao, WANG Liyan, PAN Peipei, LIANG Yanqing. 2017. Risk assessment of ecosystems production based on the thresholds identification: the case study of farming-pastoral ecotone in northern China [J]. Ecology and Environmental Sciences, 26(1): 6-12.
河北省社会科学基金项目(HB16SH034)
石晓丽(1981年生),女,副教授,主要从事气候变化风险评价。E-mail: shixiaoli_2004@163.com *通信作者:史文娇,副研究员,主要从事气候变化影响评价。E-mail: shiwj@lreis.ac.cn
2016-11-21