黄土高原植被生态系统水分利用效率时空变化及驱动因素

刘宪锋，胡宝怡，任志远



黄土高原植被生态系统水分利用效率时空变化及驱动因素

刘宪锋，胡宝怡，任志远

（陕西师范大学地理科学与旅游学院， 西安 710119）

【目的】明晰黄土高原植被生态系统水分利用效率（water use efficiency，WUE）时空变化特征及其影响因素，为深刻理解生态恢复和气候变化双重背景下黄土高原植被生态系统与水文相互作用研究提供依据。【方法】利用趋势分析和逐步回归方法，对2000—2014年黄土高原植被生态系统WUE时空变化特征及其驱动因素进行了探讨。【结果】近15年黄土高原植被生态系统WUE呈显著增加趋势，增速为0.02 gC·kg-1H2O·a-1（<0.001），不同植被生态系统年内WUE主要呈“双峰”模式，峰值分布在4—5月和9—10月；空间上，黄土高原植被生态系统WUE整体呈现上升趋势，其中上升趋势和显著上升（＜0.05）面积分别占研究区的95.04%和66.96%，但不同季节变化趋势特征差异较大；不同植被生态系统WUE均值和趋势差异显著，其中稀疏灌丛和草地WUE均值较低，而针叶林WUE趋势下降明显；进一步对坡度统计表明，25—50°范围内植被生态系统WUE呈持续增加趋势。当年蒸散量小于3 700 mm时，总初级生产力（gross primary productivity，GPP）随着蒸散量（evapotranspiration，ET）的增加而增加，随后GPP则随ET的增加呈下降趋势，且研究区中东部（57.25%）WUE主要由GPP控制，而西部区域（42.75%）WUE则受ET影响。近15年黄土高原植被生态系统WUE与LAI呈显著的正相关关系（＜0.001），表明LAI的增加能够有效促进WUE的提升。逐步回归分析表明，降水量、日照时数和相对湿度3种气候因子是导致WUE及其组分GPP和ET变化的主要气候因子。【结论】在气候变化和人类活动双重影响下，2000—2014年黄土高原植被生态系统WUE呈显著上升趋势，且大部分植被类型年内分布呈现双峰结构。生态恢复工程不仅改善了黄土高原植被覆盖状况，同时显著提高了植被生态系统的WUE，成为近年来黄土高原WUE变化的主要驱动因素。

植被生态系统；水分利用效率；时空变化；驱动因素；黄土高原

0 引言

【研究意义】黄土高原作为生态环境的脆弱区和气候变化的敏感区，水资源短缺是其社会经济与生态系统可持续发展的主要限制因素[1]。在大规模生态恢复背景下，生态用水和社会经济用水压力不断增大，两者之间的权衡关系逐渐受到国际社会的重视[2]，而生态系统水分利用效率（water use efficiency，WUE）作为连接生态系统碳循环和水循环过程的关键环节，成为生态系统与水文相互作用研究的核心议题[3-5]。WUE通常被定义为生态系统总初级生产力（gross primary productivity，GPP）与总蒸散发量（evapotranspiration，ET）的比值[6]。作为碳-水循环耦合研究的关键指示因子[7]，WUE研究对于深入理解生态系统生态水文过程，促进生态系统可持续发展具有至关重要的作用[8]。同时，通过对生态系统WUE时空变化特征及其驱动因素的解析，有助于明晰陆地生态系统对全球气候变化的响应机制与适应策略[9-10]，从而提高生态水文模型模拟和预测能力。【前人研究进展】当前，国内外学者分别在不同尺度上开展了大量的研究工作[7, 11-13]，其中LIU等[14]和ZHU等[15]分别从生态系统过程模型和站点观测的角度评估了中国陆地生态系统水分利用效率的变化，前者指出干旱对不同区域水分利用效率的影响差异；后者则揭示出WUE随着纬度上升地带性规律。区域尺度上，ZHANG等[1]采用CASA模型估算的净初级生产力和MODIS的ET产品，估算了黄土高原地区2000—2010年的WUE变化特征。在影响因素方面，KEENAN等[16]利用长期观测数据指出，CO2浓度上升能够有效促进森林水分利用效率的升高；而HUANG和SUN等[17-18]则探讨了CO2浓度变化、氮沉降和土地利用变化等多种因素对WUE的影响。利用MODIS产品和气候资料，XUE等[19]探讨了降水、温度和辐射等气候因子对全球WUE的影响。【本研究切入点】应指出的是，虽然站点观测能够精确获取监测站的碳水收支状况，但受观测站数量和分布特征的限制，站点尺度水分利用效率研究存在较大挑战，尤其在干旱半干旱生态脆弱地区缺乏有效观测站点。生态系统模型模拟手段通常具有粗分辨率特征，适合大尺度生态系统过程模拟，针对区域尺度模拟能力仍需进一步提高。同时，以往研究多关注WUE的年际变化特征，但对其年内变化特征关注不足，且已有研究成果多集中分析CO2浓度升高、气温、降水和辐射等对WUE的影响，而WUE受多种气候因子共同影响，采用多因子逐步分析方法能够有效识别关键气候因子。加之近年来黄土高原大规模生态恢复工程造成植被覆盖显著变化，而植被覆盖变化与WUE变化的关系尚不明晰。【拟解决的关键问题】基于上述认识，本文拟利用MODIS系列产品和气象观测数据，阐明2000—2014年黄土高原生态系统水分利用效率变化特征，并从生态恢复和气候变化两个方面对其驱动因素进行探讨，以期为黄土高原生态可持续发展和水资源安全利用提供参考依据。

1 材料与方法

1.1 研究区概况

黄土高原地处中国中部，介于100°—114°E和33°—41°N，总面积约64万km2，地跨青海省、甘肃省、宁夏回族自治区、内蒙古自治区、陕西省、山西省、河南省等7个省和自治区，主要由山西高原、陕甘晋高原、陇中高原、鄂尔多斯高原和河套平原组成。同时黄土高原地处半干旱半湿润气候带，水土流失严重，生态环境十分脆弱，加上人类长期的不合理开发利用，导致原本就十分脆弱的生态环境日趋恶化[20-22]。

1.2 数据来源

遥感数据为黄土高原2000—2014年MODIS产品中的GPP、ET、叶面积指数（LAI）和土地利用数据，其中GPP和ET数据空间分辨率为1 km×1 km，时间分辨率为8 d，来源于蒙大拿大学的数字地球动态模拟研究组发布的数据产品（http://files.ntsg.umt.edu/）。GPP数据经验证表明具有可靠的精度，在全球尺度上与野外实测值相比不存在连续高估或低估值的情况发生，因此被广泛应用于全球变化、全球和区域碳循环及生物量估算等国内外相关研究[23-25]；而ET数据是基于改进之后的MOD16算法计算而来的，经验证该数据具有较好的精度[26-27]，且在全球和区域等研究中得到广泛的应用[28-29]。LAI数据与GPP和ET数据具有相同的时空分辨率，而土地利用数据空间分辨率为500 m，源自美国国家航空航天局（NASA）的EOS/ MODIS发布的产品数据集（http://e4ftl01.cr.usgs.gov）。上述所有产品均通过IDL程序进行拼接、裁切和投影转换，以保证所有计算数据能够空间匹配。

图1 研究区概况(a：位置及站点分布; b：植被类型图; c：气温降水分布; d：蒸散量分布)

气象数据为2000—2014年黄土高原74个气象台站的逐月数据，要素包括平均气温、最高气温、最低气温、降水量、相对湿度、风速和日照时数，来源于中国气象科学数据共享服务网（http://cdc.cma.gov.cn）。

1.3 研究方法

1.3.1 WUE计算方法 本文WUE采用生态系统水分利用效率的计算方法，即总初级生产力（GPP）与总蒸散量（ET）的比值，公式如下：

WUE=GPP/ET

式中，GPP和ET分别来源于最新一代的MODIS数据产品。另外，上式ET部分可进一步分解为植被蒸腾（T）和土壤蒸发（E）两个参量，即WUE=GPP/T×T/ET，该式可用于探讨植被覆盖度对WUE的影响。

1.3.2 趋势分析 本研究采用非参数化趋势度（Sen）[30]方法来计算黄土高原2000—2014年WUE的变化趋势，并通过Mann-Kendall统计检验法[31]对变化趋势的显著性进行检验。Sen趋势分析方法的优点是不需要样本服从一定的分布，并且不受异常值的干扰，对测量误差或离群数据具有较强的规避能力。

式中，为像元WUE变化趋势；、为时间序数；x、x分别表示第、时间的像元WUE值；当＞0时，表明该像元内WUE呈上升趋势；当＜0时，表明该像元内WUE呈下降趋势。

1.3.3 逐步回归分析 本研究采用逐步回归分析方法来探究WUE、GPP、ET与各气候因子之间的关系。逐步回归分析方法的基本思想是将变量逐个引入，引入变量的条件是偏回归平方和经检验是显著的，同时每引入一个新变量后，对已选入的变量要进行逐个检验，将不显著变量剔除，这样保证最后所得的变量子集中所有的变量都是显著的。它的优点是最终得到的方程中既不漏掉对影响显著的变量，又不包含对影响不显著的变量[32]。具体分析过程中，本文以气象台站为中心，采用提取气象站点周围3 km×3 km范围内WUE的平均值作为该气象台站WUE值，进而将该台站的WUE值与各气候因子进行逐步回归分析。所用公式如下：

=a11＋a22＋a33＋…＋ax＋ε

式中，为WUE、GPP或ET，1,2,3, …,x为各个气候因子，a1, a2, a3, …, a为未知常数，ε是随机误差。

2 结果

2.1 黄土高原WUE的时间变化特征

2.1.1 年际变化特征 2000—2014年黄土高原WUE均值为1.26（1.06—1.43 gC·kg-1H2O），且近15年WUE呈显著增加趋势，增速为0.02 gC·kg-1H2O·a-1（<0.001）（图2-a）。在季节尺度上，夏季WUE最高，秋季WUE最低，而春季介于两者之间（图2-b）。在变化趋势上，秋季WUE增速最为明显，与全年变化趋势较为一致；虽然春季WUE也呈现增加趋势，但该季节WUE存在明显波动，尤其在2000—2003年间急剧下降，对整体趋势影响较大；而夏季WUE则呈现微弱下降趋势。进一步统计表明，春季、夏季和秋季WUE增速分别为0.01、-0.003和0.03 gC·kg-1H2O·a-1，仅秋季增速通过了显著水平0.05的检验。

图2 黄土高原WUE时间变化特征

2.1.2 年内变化特征 从WUE年内变化特征来看，不同植被类型分布模式差异显著（图3）。具体而言，稀疏灌丛、草地、沼泽等植被类型的WUE年内分布呈现“单峰”模式，而常绿针叶林、落叶针叶林、农田、稀疏草原、稠密灌丛、木本热带稀树草原、混交林、落叶阔叶林等植被类型则呈现“双峰”模式，其中“单峰”峰值主要出现在5—6月份春夏交界处，峰值之前阶段的WUE急剧上升，峰值之后WUE逐渐下降，而“双峰”峰值主要分布在4—5月和9—10月之间，分别对应了植被的返青和枯黄阶段，夏季WUE则出现波谷，其原因一方面可能由于夏季气温偏高，超过了植被光合作用的最适温度，进而导致GPP减小；另一方面则可能由于夏季气温升高，ET随之增大，进而导致WUE减小。此外，常绿针叶林、落叶针叶林、稀疏草原、稠密灌丛、农田、木本稀树草原WUE变化基本一致；而混交林、落叶阔叶林在一年中WUE变化基本一致。在11种植被类型中，变化最大的是稀疏灌丛，在6月达到最大值，变化最小的是落叶阔叶林，在10月达到最大值；其他植被类型多在5月达到最大值。

ENF：常绿针叶林；DNF：落叶针叶林；DBF：落叶阔叶林；MF：混交林；CS：稠密灌丛；OS：稀疏灌丛；WS：木本稀树草原；SAV:稀树草原；GRA:草原；WET：湿地；CROP：农田

2.2 黄土高原WUE的空间变化特征

2.2.1 空间分布特征 黄土高原WUE空间分布具有显著的空间差异，高值区主要分布在研究区的东南部和河套平原等地区，WUE多年平均高于1.4 gC·kg-1H2O，低值区主要分布在黄土高原西部和鄂尔多斯高原等地，WUE多年平均普遍在1.0 gC·kg-1H2O以下（图4-a）。从植被类型分布上看（图1-b），WUE高值区分布范围与农田、混交林的分布范围基本一致，而WUE低值区分布范围与草原、稀疏灌丛的分布范围基本一致，显示出不同植被生态系统的水分利用效率的差异。在季节尺度上，黄土高原3个季节的WUE空间分布特征具有明显的差异，秋季WUE空间分布特征与多年平均WUE空间分布特征大致相同，均呈现出“西北低，东南高”的分布特征（图4-d）；夏季WUE空间分布格局则呈现出“东南低，西北高”的分布特征，且夏季WUE明显高于其他两个季节（图4-c）；而春季WUE空间分布格局呈现出“西北-东南高，西南-东北低”的分布特征（图4-b）。

2.2.2 空间趋势特征 2000—2014年黄土高原WUE整体呈现上升趋势，呈上升和下降趋势的面积分别占95.04%和4.96%（图5-a），且高达66.96%的区域均通过了显著性检验（图5-b），说明近年来黄土高原植被生态系统WUE得到显著提高。具体而言，上升趋势显著的区域主要分布在陕西北部、渭北高原以及山西西南部等地区，其原因可能是近年来大规模生态恢复工程一方面有效改善了区域生态环境，另一方面也极大促进了区域植被生态系统WUE的显著提升。

图4 黄土高原WUE的空间分布特征

图5 2000—2014年黄土高原WUE变化趋势

在季节尺度上，黄土高原不同季节WUE变化趋势差异显著，其中春季WUE整体表现为上升趋势，呈上升和下降趋势的面积分别占72.34%和27.66%（图6-a），然而仅8.87%的区域通过了显著水平0.05的检验（图6-b），说明近15年来黄土高原春季WUE整体变化不大，上升趋势大的地区主要位于山西西部和陕西北部，而下降趋势大的地区主要位于甘肃南部。在夏季，虽然黄土高原WUE整体表现为上升趋势，但呈上升趋势和下降趋势的面积相当，分别占53.08%和46.92%（图6-c），其中27.93%的区域通过了显著性检验，且空间分布上表现为研究区西部显著下降，东部显著上升的分布特征（图6-d）。在秋季，黄土高原WUE整体表现为上升趋势，其中呈上升趋势的面积占97.87%（图6-e），且整个研究区64.36%的区域均通过了显著性检验（图6-f），表明黄土高原秋季WUE整体呈现出显著上升趋势。

图6 2000—2014年黄土高原WUE季节变化趋势

2.3 不同植被类型的WUE比较

基于土地覆被类型图，本文统计了不同植被生态系统的WUE变化特征。结果显示，不同植被生态系统WUE均值存在一定差异（图7-a），其中稀疏灌丛的WUE最低，仅为1.0 gC·kg-1H2O，其次为草地和湿地类型，分别为1.07和1.23 gC·kg-1H2O，而其他植被生态系统WUE均值较为相近，主要介于1.36—1.45 gC·kg-1H2O之间，表明植被类型的转换（如耕地转为林地或草地）并未导致WUE的提高。从近15年不同植被生态系统WUE变化幅度来看，木本热带稀树草原WUE的稳定性最差，年际间存在较大波动，其次为稀树草原和稠密灌丛，而混交林WUE的稳定性最强。

本文进一步统计了不同植被生态系统WUE呈显著上升和显著下降（<0.05）区域的趋势特征（图7-b）。结果显示，11种植被生态系统WUE均存在显著上升区域，且在显著上升趋势中，上升趋势最大的植被类型是湿地，其次是常绿针叶林和落叶针叶林；而上升趋势最小的植被类型是混交林，其次是落叶阔叶林；而在显著下降趋势中，除稠密灌丛、木本热带稀树草原和湿地外，其余8种植被生态系统存在显著下降区域，且不同类型下降趋势差异较大，其中下降趋势最大的植被类型是落叶针叶林，其次是常绿针叶林；而下降趋势最小的植被类型是落叶阔叶林，其次是混交林和木本热带稀树草原。综上可以看出，除稠密灌木、稀疏草原、湿地外，同一植被生态系统WUE上升趋势和下降趋势相近，这可能受不同植被生态系统所处的气候环境影响。

图7 不同植被类型的WUE均值和趋势特征

2.4 不同坡度WUE的变化特征

退耕还林（草）工程要求25°以上坡耕地强制退耕，15°以上建议退耕，本文将研究区坡度按5°分级，分析了WUE随坡度变化特征（图8）。由图可以看出，整体上WUE随坡度上升而呈增大趋势。具体而言，25°以下区域占整个研究区的95.49%，且5°以下区域WUE最低，其原因是研究区西北部鄂尔多斯高原，虽坡度小，但植被覆盖度极低；25—50°范围内所占区域仅占4.50%，该区域内WUE呈持续增加趋势，且该区域为退耕还林（草）工程的重点区域，说明生态恢复工程的实施有效提升了该坡度范围内的WUE；而坡度大于50°的区域像元个数极少，且WUE波动较大，最高值出现在60°以上区域，由于该区域范围极为有限，所以仅体现为异常波动值。

图8 黄土高原不同坡度WUE的变化特征

2.5 影响因素分析

2.5.1 WUE组分变化探讨 由于GPP和ET的年际和季节变化最终反映了WUE的年际变化和季节波动，因而首先分析了GPP和ET的时空变化特征。结果显示，2000—2014年黄土高原GPP呈显著增加趋势（80.28 g C·m-2·a-1，<0.001），同时ET在15年间也呈增加趋势（13.30 mm·a-1），但未通过显著性检验。从两者相对变化图中可以看出，当年ET小于3 700 mm时，研究区GPP随ET的增加而呈增加趋势，而当年ET大于3 700 mm时，GPP则随着ET的增加呈减少趋势（图9-a），其原因可能是随着ET的进一步增加，植被生长逐渐受到水分限制而造成GPP的下降。从主导因素空间分布图来看（图9-b），黄土高原WUE由GPP控制的区域占整个研究区的57.25%，主要分布在研究区的中东部地区，而受ET影响的区域占42.75%，主要分布在黄土高原西部区域。

图9 黄土高原GPP和ET相对变化及WUE主导因素

2.5.2 WUE与LAI的关系 生态系统尺度WUE通常将植物蒸腾（T）ET的比值视为1，即将ET视为植被蒸腾，而忽略土壤蒸发的作用，然而只有在地表植被全部覆盖的情况下T/ET才接近于1。鉴于此，本文进一步探讨了WUE与LAI的关系（图10）。结果显示，黄土高原近15年WUE与LAI呈显著的正相关关系（<0.001），即在大规模生态恢复背景下，WUE会随植被覆盖度的增加而逐渐增加（图10-a）。在空间相关系数（CC）分布图上（图10-b），同样可以看出整体上植被恢复区域WUE与LAI呈现显著的正相关关系，其中陕北地区的正相关关系尤为明显，说明近年来的生态恢复工程不仅有效改善了黄土高原生态环境状况，同时对该区域WUE的提高具有至关重要的作用。上述研究结果从人类活动角度揭示了黄土高原WUE的变化原因，为黄土高原生态恢复和水资源可持续利用提供了参考。

图10 黄土高原WUE和LAI的相关性

2.5.3 WUE与气候要素的关系 气候变化背景下，气候因子的波动对植被生长及水分利用效率具有显著控制作用，为此本文选取年平均温度（T）、最高气温（TMAX）、最低气温（TMIN）、降水量（PR）、相对湿度（RH）、风速（W）和日照时数（SN）作为自变量分别与WUE、GPP和ET建立逐步回归方程，并选取拟合度最高的方程进行分析（表1）。结果显示，WUE与相对湿度和日照时数呈显著负相关趋势（=0.01），且相对湿度解释率大于日照时数，由WUE机理模型可知，相对湿度的增加会抑制WUE的提高，与本文的研究结果相一致，而与日照时数呈负相关，表明WUE与太阳辐射呈负相关关系，其原因可能是太阳辐射会促进蒸散发的显著增加，从而导致WUE呈下降趋势[33]；GPP仅表现出与降水具有显著的相关性（=0.04），进一步验证水分条件是该区域植被生长的主要限制因素。值得注意的是，ET与PR、SN和RH均表现出显著的相关性（=0.00），且2达到0.73，说明ET受到多种因素共同控制。上述结果表明，PR、SN、RH等3种气候因子是导致WUE及其组分GPP和ET变化的主要因素。进一步统计表明，近15年黄土高原SN呈显著下降趋势（-87.16，=0.05），相对湿度与降水量分别呈现下降和上升趋势，但均未通过显著性检验（=0.24和=0.15），同样在气候变化角度解释了黄土高原近年来WUE的增加趋势。

表1 气候因子趋势及其对WUE、GPP和ET的贡献率

3 讨论

3.1 WUE的季节变化特征

本文研究结果显示，不同季节WUE空间分布格局存在明显差异（图4），其原因可能是不同植被在不同季节下的水分利用策略不同有关，如在春、秋两季，农田、混交林的分布范围内均表现出较高的WUE，而草原、稀疏灌丛均表现出较低的WUE；而在夏季，农田、混交林的分布范围内则表现出较低的WUE，但草原、稀疏灌丛的分布范围内则表现出较高的WUE，说明在蒸发量很大的夏季，碳固定量较低的草原、稀疏灌丛反而能够通过改变水分利用策略、提高水分利用效率来适应环境。相反，碳固定量较高的混交林水分利用效率则较差。在趋势上，与植被返青和枯黄相关的春季和秋季WUE均呈显著上升趋势，且秋季上升趋势显著高于春季，表明植被在不同生长阶段水分利用策略和能力存在的差异，而夏季WUE则呈现东西部区域反向的变化趋势，表明西部干旱地区在夏季降水较多的情况下，会极大促进地表蒸散发的增加，进而导致WUE的下降，而东部地区则会受降水增多、气温提高的有利气候条件影响而提高植被光合作用，且GPP提高幅度大于ET提高幅度，从而有效促进WUE的显著提高。

3.2 退耕还林对WUE的作用

近几十年来黄土高原是中国植被变化最剧烈的区域，这一变化必将引起水文特征的变化并反馈到生态系统的可持续问题。本文通过生态系统水分利用效率探讨了生态恢复背景下该区域植被生态系统水分利用变化特征。研究发现，大规模的退耕还林（草）工程不仅显著改善了该区域植被覆盖状况，而且有效提升了植被水分利用效率。这种现象的原因可从其组分参量中得到一定的解释，即由WUE计算公式可以看出，WUE与T/ET成正相关，其中T/ET的变化主要受植被覆盖度的影响，并最终会反映到WUE的年际和季节变化上，而叶面积指数（LAI）能够较好地反映地表植被覆盖状况，可作为T/ET的有效指示因子。本研究结果同样表明LAI与WUE呈显著正相关关系，由此推出LAI的增加可促进WUE的提升，与前人研究结果相一致[10]。该结果从植被用水效率方面进一步验证了生态恢复工程对区域生态系统的积极作用。

3.3 气候要素对WUE的作用

除植被本身盖度外，气候条件对研究区植被WUE同样具有一定的控制作用，通过逐步回归分析发现，降水量、日照时数和相对湿度是对植被WUE影响最大的3个气候因子。然而，除ET回归方程的解释率高达73.1%外，WUE和GPP两者回归方程的解释率均只有51.8%和28.3%，说明除气候因子外，其他因素对WUE和GPP的波动影响较大，且由LAI与WUE的分析可以看出，生态恢复工程的实施在很大程度上解释了WUE和GPP的变化，尤其是GPP的提高主要归因于生态恢复工程带来的植被覆盖度的提高。上述结果进一步说明了黄土高原植被生态系统WUE受人类活动和气候变化的双重扰动特征。

3.4 不确定性及后续研究

应说明的是，虽然本研究采用了MODIS最新发布的改进型GPP和ET产品，但是两者仍存在一定不确定性，如GPP估算公式中的最大光能利用率采用了固定值，而实际每种植被类型的最大光能率会存在一定的差异[19]，同时气候因子的输入也会引入一定的误差。对于ET产品的不确定性则主要由反演算法、气候输入数据和其他输入变量引入的误差。尽管如此，本文研究结果仍反映了黄土高原水分利用效率的整体变化特征，而更为准确的结论需引入更多的数据和方法开展多途径集成研究。

从更大的水分循环角度来看，植被WUE的研究对于筛选抗旱造林树种，促进生态恢复可持续发展也具有十分重要的意义。具体而言，生态恢复工程尽管显著改善了黄土高原的植被覆盖状况，同时也显著减少了黄河泥沙含量[34]，但是大规模退耕还林（草）工程对黄土高原地区水资源的压力持续增大，并逐渐接近区域水资源安全临界阈值[35]，随之而来的土壤干层问题可能会对区域生态恢复带来潜在隐患，并抑制植被恢复的进一步发展，进而影响区域水资源安全。因此，合理开展生态恢复工程，根据立地条件和生态位特征筛选合适的植物值得进一步研究。

4 结论

近15年黄土高原植被生态系统WUE呈显著增加趋势，且年内大部分植被类型呈现双峰结构。空间上，黄土高原植被生态系统WUE的空间差异显著，不同区域的主导因素存在差异。此外，黄土高原植被生态系统WUE同时受气候变化和人类活动的双重作用，一方面降水量、日照时数和相对湿度是对水分利用效率影响最大的3个气候因子；另一方面退耕还林等生态恢复工程不仅显著增加了黄土高原植被覆盖状况，也显著提升了植被生态系统的水分利用效率，成为近年来黄土高原植被生态系统WUE变化的主要驱动因素。

[1] ZHANG T, PENG J, LIANG W, YANG Y T, LIU Y X. Spatial–temporal patterns of water use efficiency and climate controls in China's Loess Plateau during 2000-2010.,2016, 565: 105-122.

[2] FENG X M, FU B J, PIAO S L, WANG S, CIAIS P, ZENG Z Z, LU Y H, ZENG Y, LI Y, JIANG X H, WU B F. Revegetation in China's Loess Plateau is approaching sustainable water resource limits.,2016,6(11): 1019-1022.

[3] 《第二次气候变化国家评估报告》编写委员会. 气候变化国家评估报告. 北京: 科学出版社,2011.

National Assessment Report on Climate Compiling Committee.. Beijing: Science Press, 2011. (in Chinese)

[4] WALKER B, STEFFEN W. IGBP Science No. 1: A synthesis of GCTE and related research. Stockholm: IGBP,1997: 1-24.

[5] YU G R, WANG Q F, ZHUANG J. Modeling the water use efficiency of soybean and maize plants under environmental stresses: application of a synthetic model of photosynthesis-transpiration based on stomatal behavior.,2004, 161(3): 303-318.

[6] GAO Y, ZHU X J, YU G R, HE N P, WANG Q F, TIAN J. Water use efficiency threshold for terrestrial ecosystem carbon sequestration in China under afforestation., 2014, 195/196: 32-37.

[7] 胡中民,于贵瑞, 王秋凤，赵风华. 生态系统水分利用效率研究进展. 生态学报，2009(3): 1498-1507.

HU Z M, YU G R, WANG Q F, ZHAO F H. Ecosystem Level water use efficiency: A Review., 2009(3): 1498-1507. (in Chinese)

[8] Ito A, Inatomi M. Water-use efficiency of the terrestrial biosphere: A model analysis focusing on interactions between the global carbon and water cycles.,2012, 13(2): 681-694.

[9] 王庆伟, 于大炮, 代力民, 周莉, 周旺明, 齐光, 齐麟, 叶雨静. 全球气候变化下植物水分利用效率研究进展. 应用生态学报, 2010, 21(12): 3255-3265.

WANG Q W, YU D P, DAI L M, ZHOU L, ZHOU W M, QI G, QI L, YE Y J.Research progress in water use efficiency of plants under global climate change．, 2010, 21(12): 3255-3265. (in Chinese)

[10] HU Z M, YU G R, FU Y L, SUN X M, LI Y N, SHI P L, WANG Y F, ZHENG Z M. Effects of vegetation control on ecosystem water use efficiency within and among four grassland ecosystems in China., 2008, 14(7): 1609-1619.

[11] 胡中民, 于贵瑞, 樊江文, 温学发. 干旱对陆地生态系统水碳过程的影响研究进展. 地理科学进展，2006, 25(6): 12-20.

HU Z M, YU G R, FAN J W, WEN X F. Effects of drought on ecosystem carbon and water processes: a review at different scales., 2006, 25(6): 12-20. (in Chinese)

[12] 魏欢欢, 王仕稳, 杨文稼, 孙海妮, 殷俐娜, 邓西平. 免耕及深松耕对黄土高原地区春玉米和冬小麦产量及水分利用效率影响的整合分析. 中国农业科学, 2017, 50(3): 461-473.

WEI H H, WANG S W, YANG W J, SUN H N, YIN L N, DENG X P. Meta analysis on impact of no-tillage and subsoiling tillage on spring maize and winter wheat yield and water use efficiency on the Loess Plateau., 2017, 50(3): 461-473. (in Chinese)

[13] 邢会敏, 徐新刚, 冯海宽, 李振海, 杨福芹, 杨贵军, 贺鹏, 陈召霞. 基于AquaCrop模型的北京地区冬小麦水分利用效率. 中国农业科学, 2016, 49(23): 4507-4519.

XING H M, XU X G, FENG H K, LI Z H, YANG F Q, YANG G J, HE P, CHEN Z X. Water use efficiency of winter wheat based on AquaCrop Model in Beijing., 2016, 49(23): 4507-4519. (in Chinese)

[14] LIU Y B, XIAO J F, JU W M, ZHOU Y L, WANG S Q, WU X C. Water use efficiency of China's terrestrial ecosystems and responses to drought., 2015, 5:13799.

[15] ZHU X J, YU G R, WANG Q F, HU Z M, ZHENG H, LI S G, SUN X M, ZHANG Y P, YAN J H, WANG H M, ZHAO F H, ZHANG J H, SHI P L, LI Y N, ZHAO L, ZHANG F W, HAO Y B. Spatial variability of water use efficiency in China's terrestrial ecosystems., 2015, 129: 37-44.

[16] KEENAN T F, HOLLINGER D Y, BOHRER G, DRAGONI D, MUNGER J W, SCHMID H P, RICHARDSON A D. Increase in forest water-use efficiency as atmospheric carbon dioxide concentrations rise., 2013(499): 324-327.

[17] HUANG M T, PIAO S L, SUN Y, CIAIS P, CHENG L, MAO J F, POULTER B, SHI X Y, ZENG Z Z, WANG Y P. Change in terrestrial ecosystem water-use efficiency over the last three decades., 2015, 21(6): 2366-2378.

[18] SUN Y, PIAO S L, HUANG M T, CIAIS P, ZENG Z Z, CHENG L, LI X R, ZHANG X P, MAO J F, PENG S S, POULTER B, SHI X Y, WANG X H, WANG Y P, ZENG H. Global patterns and climate drivers of water- use efficiency in terrestrial ecosystems deduced from satellite-based datasets., 2015, doi: 10.1111/geb.12411.

[19] XUE B L, GUO Q H, OTTO A, XIAO J F, TAO S L, LI L. Global patterns, trends, and drivers of water use efficiency from 2000 to 2013., 2015, 6(10): t118-t174.

[20] XIN Z B, XU J X, ZHENG W. Spatiotemporal variations of vegetation cover on the Chinese Loess Plateau (1981–2006): Impacts of climate changes and human activities., 2008, 51(1): 67-78.

[21] 刘宪锋, 杨勇, 任志远, 林志慧. 2000—2009年黄土高原地区植被覆盖度时空变化. 中国沙漠, 2013(4): 1244-1249.

LIU X F, YANG Y, REN Z Y, LIN Z H. Changes of vegetation coverage in the Loess Plateau in 2000-2009., 2013, 33(4): 1244-1249. (in Chinese)

[22] 易浪, 任志远, 张翀, 刘雯. 黄土高原植被覆盖变化与气候和人类活动的关系. 资源科学, 2014(1): 166-174.

YI L, REN Z Y, ZHANG C, LIU W. Vegetation cover, climate and human activities on the Loess Plateau., 2014, 36(1): 166-174. (in Chinese)

[23] ZHAO M S, HEINSCH F A, NEMANI R R, RUNNING S W. Improvements of the MODIS terrestrial gross and net primary production global data set., 2005, 95(2): 164-176.

[24] ZHAO M S, RUNNING R W, NEMANI R R. Sensitivity of Moderate Resolution Imaging Spectroradiometer (MODIS) terrestrial primary production to the accuracy of meteorological reanalyses., 2006, 111, G01002.

[25] TURNER D P, RITTS W D, COHEN W B, GOWER S T, RUNNING S W, ZHAO M S, COSTA M H, KIRSCHBAUM A A, HAM J M, SALESKA S R, AHL D E. Evaluation of MODIS NPP and GPP products across multiple biomes., 2006, 102(3-4): 282-292.

[26] MU Q Z, ZHAO M S, KIMBALL J S, MCDOWELL N G, RUNNING S W. A Remotely Sensed Global Terrestrial Drought Severity Index., 2013, 94(1): 83-98.

[27] MU Q Z, ZHAO M S, RUNNING S W. Improvements to a MODIS global terrestrial evapotranspiration algorithm., 2011, 115(8): 1781-1800.

[28] 吴桂平, 刘元波, 赵晓松, 叶春. 基于MOD16产品的鄱阳湖流域地表蒸散量时空分布特征. 地理研究, 2013,32(4):617-627.

WU G P, LIU Y B, ZHAO X S, YE C. Spatiotemporal variations of evapotranspiration in Poyang Lake Basin using MOD16 products., 2013, 32(4): 617-627. (in Chinese)

[29] SUN G, CALDWELL P, NOORMETS A, MCNULTY S G, COHEN E, MYERS J M, DOMEC J C, TREASURE E, MU Q Z, XIAO J F, JOHN R, CHEN J Q. Upscaling key ecosystem functions across the conterminous United States by a water-centric ecosystem model., 2011, 116, G00J05.

[30] SEN P K. Estimates of the regression coefficient based on Kendall's Tau., 1968, 63: 1379-1389.

[31] KENDALL M G. Rank Correlation Methods. London: Charles Griffin and Company, 1948.

[32] 徐建华. 现代地理学中的数学方法（2版）. 北京: 高等教育出版社, 2002: 37-41.

XU J H.(). Beijing: Higher Education Press, 2002: 37-41. (in Chinese)

[33] WANG K C, DICKINSON R E. A review of global terrestrial evapotranspiration: observation, modeling, climatology, and climatic variability., 2012, 50, RG2005.

[34] WANG S, FU B J, PIAO S L, LU Y H, CIAIS P, FENG X M, WANG Y F. Reduced sediment transport in the Yellow River due to anthropogenic changes., 2015, 9(1): 38-41.

[35] 高海东, 庞国伟, 李占斌, 程圣东. 黄土高原植被恢复潜力研究. 地理学报, 2017(5): 863-874.

GAO H D, PANG G W, LI Z B, CHENG S D. Evaluating the potential of vegetation restoration in the Loess Plateau., 2017(5): 863-874.(in Chinese)

（责任编辑 李云霞）

Spatiotemporal Variation of Water Use Efficiency and Its Driving Forces on the Loess Plateau during 2000-2014

LIU XianFeng, HU BaoYi, REN ZhiYuan

(School of Geography and Tourism, Shaanxi Normal University, Xian 710119)

【Objective】Clarifying the spatiotemporal changes of water use efficiency (WUE) and its driving forces in the vegetation ecosystem over the Loess Plateau (LP) provide the basis for greater understanding the interaction of ecosystem and hydrology on the LP under the dual disturbance of ecological restoration and climate change.【Method】Using trend analysis and stepwise regression analysis, our study investigates spatiotemporal variation in WUE of vegetation ecosystem and its driving forces on the LP during the period 2000-2014. 【Result】The WUE reveals a significant increasing trend on the LP during 2000-2014 (linear tendency 0.02 gC·kg-1H2O·a-1,<0.001). Intra-annual analysis shows that the WUE of different vegetation ecosystems mainly showed a bimodal pattern, which the two peaks appeared in April to May and September to October, respectively. Spatially, the WUE of the LP generally reveals an increasing trend, and the area of increasing trend and significantly increasing trend (<0.05) accounting for 95.04% and 66.96% of the total study area, respectively, but the patterns of trend in different seasons vary significantly. The mean and trend of WUE among different vegetation ecosystems also vary significantly, among which the mean of WUE of the open shrublands and grasslands are lower than that of other vegetation ecosystems, while the trend of WUE of needleleaf forest decrease significantly. The results of slope statistic show that the WUE of vegetation ecosystem reveals a continuous increase trend in the range of 25°-50°. When annual evapotranspiration (ET) is below 3 700 mm, Gross Primary Productivity (GPP) is positive correlated with ET increase, while when annual ET above 3 700 mm, GPP decrease with the increase of ET. In addition, the WUE of the central and eastern part of the study area is mainly controlled by GPP (57.25%), while ET (42.75%) mainly affects the WUE of the western part of the study area. Moreover, WUE is significantly positive correlated with Leaf Area Index (LAI), indicating the increase of LAI will promote increase in WUE. Stepwise regression analysis shows that precipitation, sunshine duration, and relative humidity are the main climatic factors that lead to the change of WUE and its components in recently 15 years. 【Conclusion】Under the dual disturbance of climate change and anthropogenic activities, the WUE of the LP shows a significantly increasing trend in the past 15 years, and most of the vegetation types show a bimodal pattern within the year. Meanwhile, the ecological restoration project not only improve the vegetation coverage of the LP, but also significantly improve the WUE of vegetation ecosystem of the LP, becoming the main driving forces for explaining changes in WUE on the LP during recent 15 years.

vegetation ecosystem; water use efficiency; spatiotemporal variation; driving forces; the Loess Plateau

2017-06-23；

2017-09-18

国家自然科学基金（41371523）、中央高校基本科研业务费项目（GK201703049）

刘宪锋，Tel：029-85310447；E-mail：liuxianfeng7987@163.com