未来气候变化条件下青藏高原多年冻土区潜在植被类型面积预估

王志伟 ，岳广阳，吴晓东，张 文

(1.中国科学院 西北生态环境资源研究院 冰冻圈科学国家重点实验室青藏高原冰冻圈观测研究站，甘肃 兰州 730020； 2.贵州省农业科学院 草业研究所，贵州 贵阳 550006；3.美国德克萨斯大学，美国 圣安东尼奥 78249)

青藏高原作为世界“第三极”，拥有世界上面积最大的高海拔区域[1]，对气候变化异常敏感[2]，属于典型的生态脆弱区[3-4]。区域内分布着众多高寒植被[5]，被称为“高山植物基因库”[6]。植被作为高寒生态系统中最重要的要素之一，被认为是反映环境变化的敏感指示器[7]。它不仅是构成陆面过程的重要下垫面因子[8]，而且在全球变化中对碳循环的作用同样不容忽视[9-10]。

近百年来全球气温持续升高[11-12]，分布于青藏高原的多年冻土也开始逐步退化[13]，Wu Q B等[14]研究报道，变暖现象在21世纪仍将持续。多年冻土退化会导致活动层厚度增加，从而改变土壤中的水、热环境[15]。多年冻土的冻胀融沉过程不仅毁坏铁路、公路，也会破坏建筑工程结构，甚至造成极大的生态、地质灾害[16]。环境变暖，多年冻土热融效应增加后，会促使大团聚体破碎成小团聚体，释放大量有机碳、硝态氮等物质[17]，进而改变土壤生物和微生物环境，引起高寒生态环境的恶化[18]。同时因气候变暖土壤水、热状况发生改变，同样会使植被条件发生变化，进而影响到地表的一系列特征，如反照率、降水的渗透速度、土壤中的蒸腾和蒸散、以及土壤侵蚀等，从而打乱水文和气候系统的循环速率[19]。近地表过程的变化，会在大气圈的下垫面底部对环境产生反作用，甚至影响青藏高原周边地区乃至全球的气候变化[20-21]。

植被类型是研究植被特征最基本、最重要的单元[22]。为阐明植被和地表水、热状况之间的作用关系及其未来的发展演变规律，多种陆面过程模式(Earth System Modelling,ESM)需要用到植被类型信息[23]，将其作为模型的初始输入参数[24]，如地表模型[25-28]、水文模型[28]、生物化学模型[24]和全球植被模型等[29-30]。

未来气候变化情景设计一直是学者们研究人类活动导致环境变化的重要工作内容之一，代表性浓度路径(Representative Concentration Pathways，RCPs)情景正是为克服以前单纯以减排为主要参考变量的局限性而设定的一套以稳定浓度为特征的新情景[31]。基于不同的RCPs，利用多种气候系统模式可以有效的预测研究区潜在植被类型分布[23]，通过模拟植被类型分布的动态变化过程，为揭示生态系统变化和碳循环过程的研究提供新的方法和手段。

因此，以多种气候系统模式在不同RCPs情景下的模拟数据集为核心，结合多种遥感资料，完成对青藏高原多年冻土区潜在植被类型分布的预测。预测结果不仅可以为研究气候变化提供理论支撑，还可以为青藏高原多年冻土区乃至全球的碳循环过程提供关键的数据基础。

1 材料和方法

1.1 研究区概况

青藏高原位于我国西南，面积约为2.6×106km2，覆盖范围为E 75.69° ～ 104.43° 和N 26.00°～39.82°，其西部海拔高，东部和中部的海拔相对较低，平均海拔大于4 000 m[32]，青藏高原多年冻土总面积约为1.5×106km2。青藏高原多年冻土区域年平均气温约为3℃，年平均降水量约为30 mm，高原最干旱的季节包括11，12和1月，最冷的季节包括12，1和2月，最暖和最潮湿的季节包括6，7和8月。多年冻土区的面积为1.5×106km2(不包括湖泊和冰川)(图1)，通过MODIS年平均地表温度计算得到[33]，取年均温小于-4℃的区域[5]。

图1 研究区概括和调查样点Fig.1 Study areas and field survey sites

1.2 植被调查

植被调查点设置在3 500～5 500 m，调查时间为2009年到2013年[5](图1)。根据490个植被调查样点可知，在青藏高原多年冻土区，除了完全不生长植被的裸地外，主要包括4种能被1 km分辨率遥感影像监测到的高寒植被类型，分别为高寒沼泽草甸、高寒草甸、高寒草原和高寒荒漠[5]，野外植被调查样点规则参照文献[5]进行。

1.3 分类预测变量

选取3种数据集的27个变量作为预测模型的自变量，WorldClim数据集中的19个生物气候参数、利用NDVI数据集[34]计算得到的4个植被特征参数和DEM数据集反演获取的4个地形因子参数。DEM数据来源于寒区旱区科学数据中心。生物气候参数和地形因子参数的分辨率为1 km×1 km(表1)，NDVI参数的分辨率为8 km×8 km，为匹配生物气候参数和地形因子参数的空间尺度，将NDVI参数重采样为1 km × 1 km。数据的使用，目的是预测当前青藏高原多年冻土区潜在植被类型的分布状况。

表1 预测模型中的变量

代表性浓度路径情景包括4种RCP(表2)。气候系统模式可以有效的定量化表达气候系统变化规律，是预测未来气候变化的工具之一。在此，选取同时存在4种情景数据的10个气候系统模式完成未来青藏高原植被分布预测。10个气候系统模式分别为BCC-CSM1-1、CCSM4、GISS-E2-R、HadGEM2-AO、HadGEM2-ES、IPSL-CM5A-LR、MIROC-ESM、MIROC5、MRI-CGCM3和NorESM1-M。气候系统模式包括表1中的前19个变量在预测年份2050年(平均2041到2060年)和2070年(平均2061年到2080年)的数据集，数据来源于www.worldclim.org。NDVI的预测利用修正后的NDVI数据集[34]计算获取每个象元点上的NDVI年变化率，然后通过2014年的NDVI和NDVI年变化率数据，计算得到2050年和2070年的NDVI平均值(Bio20)、NDVI最大值(Bio21)、NDVI最小值(Bio22)和NDVI间距(Bio23)，分辨率重采样为1 km × 1 km。因DEM数据无长时间连续的同源数据集，且地形特征在数十年间的变化很小，因此，研究使用当前地形数据作为未来地形因子数据结果，包括高程(Bio24)、坡度(Bio25)、坡向(Bio26)和剖面曲率(Bio27)。

1.4 预测模型建立与模型验证方法

首先，通过主成分分析方法对27种参数进行去相关处理，将主成份矩阵中各分量相关系数小于一定阈值的参数去除，该步骤的目地是删除重复变量。然后，利用统计方法预测青藏高原多年冻土区的植被类型，使用决策树分类方法(See 5.0软件)生成青藏高原植被类型预测模型[5]。最后，借助10折验证分析植被制图精度，在每一折的验证中，随机选取90%的植被调查样点用于建立决策树分类规则，其余10%的样点用于验证分类结果的准确度[5]。

表2 青藏高原多年冻土区未来植被类型预测模型中用到的RCPs类型

2 结果与分析

2.1 预测模型与精度验证

已有研究表明[5]，青藏高原多年冻土植被分类方法中主成分分析相关系统的阈值以0.8为宜。因此，对生物气候、NDVI、地形参数中的27个变量，经过主成分分析选取相关系数大于0.8的变量和决策树分类规则提取后，保留12个变量用于植被分类预测模型的建立。变量包括Bio1、Bio3、Bio7、Bio12、Bio14、Bio16、Bio17、Bio19、Bio20、Bio21、Bio22和Bio24，其代表的含义分别为年均温、等温性、温度年间距、年均降水、最干旱月降水、最湿润季节降水、最干旱季节降水、最寒冷季节降水、NDVI平均值、NDVI最大值、NDVI最小值和高程(图2)。利用分类规则完成10次分类制图，每次分类中选取90%的植被调查样点进行分类规则提取，其余10%的样点进行验证精度。最终，10次分类的精度分别为65%、76%、76%、69%、62%、79%、70%、60%、63%和67%，平均分类精度为69%。图2所示规则为10次分类中精度最高的预测模型，因此，该规则所代表的模型被选取为本研究中潜在植被类型分布预测模型。

2.2 冻土区4种情景10种气候系统模式植被类型分布预测

分别平均10类气候系统模型拟合可知RCP2.6情景下，2050年和2070年裸地面积为15.3%和14.2%，高寒沼泽草甸为5.6%和5.7%，高寒草甸为42.3%和42.9%，高寒草原为23.6%和23.6%，高寒荒漠为13.8%和13.2%。

RCP4.5情景下，2050年和2070年裸地面积为16.1%和13.8%，高寒沼泽草甸为6.7%和4.8%，高寒草甸42.5%和45.3%，高寒草原24.4%和24.6%，高寒荒漠为12.5%和11.4%，各植被类型变化状况同RCP2.6情景下类似。

RCP6.0情景下，2050年和2070年裸地面积为16.5%和15.0%，高寒沼泽草甸为7.7%和5.3%，高寒草甸为40.5%和44.1%，高寒草原为23.9%和23.8%，高寒荒漠为13.5%和11.9%(表3)。

RCP8.5情景下，2050年和2070年裸地面积为17.2%和13.5%，高寒沼泽草甸为6.4%和4.4%，高寒草甸为42.5%和47.7%，高寒草原为23.7%和25.0%，高寒荒漠为12.0%和9.4%。

相比图2模型反演后的当前青藏高原多年冻土区裸地、高寒沼泽草甸、高寒草甸、高寒草原和高寒荒漠的面积百分比(19.4%、6.0%、47.2%、19.3%和8.1%)，未来预测模型得到的2050年和2070年结果都呈现出相似的规律，裸地和高寒草甸面积微弱减少，高寒草原和高寒荒漠面积在微弱增加，高寒沼泽草甸面积变化不明显。

表3 青藏高原多年冻土区10种气候系统模式在不同RCPs情景下未来植被类型分布预测的面积百分比

3 讨论

3.1 模型的不确定性

作为全球高海拔冻土面积最大的分布区，青藏高原独特的高海拔、低温度的特征在冻土、冰川、湿地、湖泊、植被等系统中的作用极其重要。但是因为条件限制，现在对青藏高原多年冻土区的研究，许多都只是针对水、热、能量循环过程的监测[35]，而对一些植被方面的研究却非常有限，特别是对青藏高原多年冻土区潜在植被类型分布的预测研究鲜有报道[36-37]。近年来随着遥感，地理信息系统和全球定位系统的发展，基于遥感影像的植被分类经历了目视解译、监督分类与非监督分类、人工神经网络、模糊数学、专家系统分类、决策树和面向对象等发展阶段，这些技术方法都为当今的植被制图提供了一种全新的途径[38]。目前，统计方法，如决策树分类法因其灵活性和快速性的优点在植被分类中较为常用，张秀敏等[39]在青藏高原的温泉地区划分植被类型为高寒草甸、高寒草原、高寒灌丛、高寒沼泽草甸和非植被5种类型，分类结果总精度为72%，Kappa系数为0.6。利用相同的分类方法，王志伟等[5]提出现有研究对青藏高原地区的高寒沼泽草甸考虑较少，而该植被类型条件下的生物碳、氮含量，以及生态演替方面的变化特征明显不同于其他高寒草地类型[40]，因此，在青藏高原多年冻土区进行植被制图时应重点考虑对高寒沼泽草甸的模拟和分析。有研究[5]报道对高原冻土区的植被类型分布预测已经有较好的前期基础，甚至可以通过统计方法和少量野外植被调查点突破高原冻土区野外采集工作困难造成的瓶颈，研究仍然存在问题，需要关注：1)虽然借助统计方法，可以用少量的野外控制点来完成整个高原冻土区的植被类型分布反演，甚至包括一些人类难以抵达的区域，但是该结果的生成是一种植被类型的潜在分布状况，而非完全的实际分布状况；2)预测参数的空间分辨率较粗，因现有开源预测数据集的精度少有优于1 km空间分辨率的产品，所以在高原冻土区植被类型预测时混合像元的区分就成为了另一个需要突破的难题；3)预测模型的准确率受多方面要素的限制，除研究中考虑的3个环境因子外，涉及植物本身生理生化的一些变量难以精确参数化，故相关预测数据集也难以收集，这也会是引起预测结果失真的一个原因，同样也是需要关注的一个研究点。

3.2 青藏高原多年冻土区未来植被类型面积预估的简单应用

青藏高原多年冻土区的面积约为1.5×106km2(不包括湖泊和冰川)。根据报道，青藏高原多年冻土区高寒沼泽草甸、高寒草甸、高寒草原、高寒荒漠和裸地在地下0～50 cm的土壤有机碳含量分别为14.1、12.9、5.5、3.0和1.6 kg/m2，然后结合青藏高原多年冻土区2050和2070年各植被类型分布状况的预测结果可以推算该区域土壤有机碳的变化情况[41]。

利用图2规则反演后的当前青藏高原多年冻土区裸地、高寒沼泽草甸、高寒草甸、高寒草原和高寒荒漠的面积百分比(19.4%、6.0%、47.2%、19.3%和8.1%)计算各植被类型的面积，然后利用各植被类型和裸地在地下0～50 cm的土壤有机碳含量可知，该区域当前0～50 cm的土壤有机碳含量为12.65 Pg。同样的方法，计算得到在RCP2.6、RCP4.5、RCP6.0和RCP8.5情景下，2050年和2070年青藏高原多年冻土区在地下0～50 cm的土壤有机碳含量分别为12.12、12.25、12.38、12.49、12.23、12.32、12.27和12.80 Pg。

4 结论

随着全球气候变暖趋势的日益严峻，多年冻土开始大面积退化，严重威胁到冻土区的生态环境和工程构造。高原冻土区植被类型的有效模拟及其植物生长变化的影响机制探讨是研究高寒生态系统中土壤水、热变化的关键。但是，目前相关的植被制图研究较少，针对气候变化后植被类型演变的探讨更是鲜有。作者首先利用WorldClim数据集中的当前生物气候参数以及多源遥感数据，构建适宜于反演当前青藏高原多年冻土区植被类型分布和面积统计的决策树分类规则，并通过已有的植被类型模拟结果对其进行验证和评价。然后借助WorldClim数据集中10类气候系统模式的生物气候参数以及预估后的多源遥感数据，利用该决策树分类规则预测2050年、2070年4种气候变化情景(RCP2.6、RCP4.5、RCP6.0和RCP8.5)下青藏高原多年冻土区各种植被类型演变后的面积，在获取不同植被类型条件的地下土壤有机碳含量后可以对未来青藏高原冻土区土壤碳储量进行简单的推算。