长江流域不同气候分区生长季植被总初级生产力对极端气候变化的时空响应研究

贾怡童，林爱文，朱弘纪

（武汉大学资源与环境科学学院，湖北武汉430000）

引言

植被总初级生产力（GPP）表示光合作用过程中，单位时间和单位面积转化为有机碳的CO2总量[1]。GPP反映了自然条件下陆地生态系统的生产能力，在评价生态系统可持续性和生物圈承载力时有着重要的参考价值[2，3]。因此，量化GPP的时空变化有助于理解地表碳循环、储存和变化[4，5]。

温度、降水、太阳辐射、大气浓度和空气湿度作为陆地生态系统的外部驱动力，通过影响植被生长直接影响GPP，同时也通过影响土壤而间接影响GPP[6，7]。因此，陆地植被GPP可作为研究陆地生态系统功能对气候变化响应的指标。

植被对极端气候变化很敏感[8]。陆地生态系统中的碳、水和能量物质循环会因为极端气候变化事件而受到破坏[9]，极端气候事件也会通过影响陆地生态系统的结构、组成和功能来改变系统的碳汇/碳源特性。

MODIS初级生产力是目前使用最广泛的GPP数据集[10，11]。但在2000年以前，还没有关于植被生产力信息的数据，此外，MOD17A2H-GPP低估了通量导出的GPP，用全球陆地表面卫星（GLASS）的光合有效辐射（FPAR）部分代替MODIS-FPAR，用优化的εmax代替MODIS算法中使用的εmax（BPLUT），可以提高区域GPP模拟精度[12]。

长江流域是中国最大的流域，总面积占国土面积的18.8%，本研究通过使用改进的MOD17A2H-GPP算法重建长江流域1982～2016植被GPP，并在不同气候分区内探索GPP对极端气候事件的时空响应特征，有利于预估未来流域内系统发展趋势，为人们采取适宜措施保护植被生长，建立流域生态环境与社会经济协调发展模式提供参考。

1 研究区概况

长江流域（图 1）（90°E～122°E，24°N～35°N），全长6300多公里，总面积180万平方公里。长江流域地形复杂，西北部海拔3500～5000米，东南部海拔低于500米。气候类型复杂，青藏高原高寒气候带、西南热带季风气候带、华中亚热带季风气候带等遍布研究区。研究区1月平均气温在-4°C至10°C之间，7月平均气温在14°C至32°C之间，降水总体上呈由东南向西北递减的趋势，降水丰沛分布不均，年均降水量（MAP）为1100mm。汛期与雨季一致，一般发生在6～10月，7、8月为主要汛期。流域内的降雨多以雨季暴雨的形式出现。流域植被类型丰富多样，植被区域可分为青藏高原高寒草甸草原植被区、亚热带山地寒温性针叶林区、西部半湿润常绿阔叶林区及东部湿润常绿阔叶林区。

图1 长江流域位置

表1 极端气候指标一览表

2 实验数据和处理过程

2.1 数据来源

2.1.1 气象和卫星数据。根据改进的MOD17A2H算法[12]，本研究选取美国国家航空航天局（NASA）的全球建模与同化办公室（GMAO）发布的在分析资料中的温度（Tair,℃）、比温度（SH,kg·kg-1）、地表气压（Pres,Pa）和太阳短波辐射（SWRad,W·m-2）数据集进行分析。同时选择流域内的146个气象站（图1）数据分析1982～2016年期间研究地区的气候变化。站点气象数据来自于中国气象局提供的中国地面气候资料日值数据集（V3.0）。考虑植被本身的物候属性，5～10月被定义为一年的生长季。

利用气象站气候数据，根据世界气候变化检测和指标专家组（ETCCDMI）对极端气温、极端降水事件的定义，本文选取了10个与生长季GPP有明显相关性的极端气候指标，包括极端温度指标8个，极端降水指标2个（表1）。

利用RClimDex软件计算了10个极端气候指标。空间气象数据的插值采用普通克里金与协同克里金方法。插值处理在ArcGIS 10.0平台的地统计学分析模块进行。

1982～2016研究区全球陆表特征参量产品的叶面积指数数据（GLASSLAI）来自国家地球系统科学数据共享基础设施。根据比尔定律（公式1）将叶面积指数（LAI）转换为光合有效辐射吸收比例（FPAR）：

式中，K式植被冠层的光消减系数，通常设定为0.5。

2.1.2 站点通量数据。为提高MODISGPP[12]的模拟精度，选择利用站点GPP实测值与植被可吸收的光合有效辐射（APAR）、最低温衰减系数（Tmin_scalar）以及水汽压差衰减系数（VPD_scalar）之间的线性关系回归拟合得到 εmax的优化值 （FLUX_TOWERεmax） 代替MOD17A2H算法使用的BPLUTεmax重建长江流域生长季 GPP（表 2）。

2.1.3 气候分区。根据中国科学院资源环境科学数据中心（http://www.resdc.cn）提供的中国生态地理分区方案，基于研究区温度和干湿状况分布特征，本文将长江流域分为五大气候区，分别为：高原亚寒带半干旱地区、高原亚寒带半湿润地区、高原温带湿润半湿润地区、北亚热带湿润地区以及中亚热带湿润地区（图2）。

表2 FLUX_TOWERεmax值

2.2 计算过程

2.2.1 相关分析法。为了研究GPP对极端气候变化的响应，用皮尔森相关系数计算长江流域生长季GPP与极端气候指标之间的相关性。公式如下：

其中，x和y是变量，x和y是它们的平均值，n是样本数，r是相关系数，范围从-1到1。当r大于0时，表示两个变量正相关；当r小于0时，两个变量负相关。r的绝对值越大，两个变量之间的相关性越强。选择显著性水平α=0.05和α=0.01作为r的显著性检验。

2.2.2 改进MOD17A2HGPP算法。本文采用改进的MOD17A2HGPP算法[12]重建长江流域不同气候分区生长季GPP。计算公式如下：

其中，SWRad,Tmin,以及VPD数据来自GMAO数据集，FPAR数据使用GLASSLAI数据计算得到，公式如下，εmax采用FLUX_TOWERεmax计算。

K通常设置为0.5，表示植被冠层的光消减系数。

3 结果与分析

3.1 长江流域不同气候分区生长季GPP对极端气候变化的时间响应特征

表3为各气候分区生长季GPP与极端气候指标的相关性。暖夜日数（TN90p）、日最低气温的极高值（TNx）、日最低气温的极低值（TNn）、单日最大降水量（RX1day）、连续 5日最大降水量（RX5day）在高原亚寒带半干旱地区（气候Ⅰ）与生长季GPP呈现显著正相关（p＜0.01），TNx相关性最高（r=0.90）；生长季 GPP与冷夜日数（TN10p）、气温日较差（DTR）呈负相关关系（p＜0.01）。在高原亚寒带半湿润地区（气候Ⅱ），除冷昼日数（TX10p）、冷夜日数（TN10p）与生长季GPP为显著的负相关（p＜0.01）外，其他极端气候指标与生长季GPP呈显著正相关（p＜0.01），其中TN90p正相关系数最高（r=0.88）。在高原温带湿润、半湿润地区（气候Ⅲ），暖昼日数（TX90p）、暖夜日数（TN90p）、日最高气温的极高值（TXx）、日最高气温的极低值（TXn）、日最低气温的极高值（TNx）与生长季GPP的相关系数均通过了0.01的显著性检验且呈正相关；只有冷昼日数（TX10p）与生长季GPP呈显著负相关（r=-0.67）。暖昼日数（TX90p）、暖夜日数（TN90p）、日最高气温的极高值（TXx）、日最低气温的极低值（TNn）在北亚热带湿润地区（气候Ⅳ）与生长季GPP显著正相关（p＜0.01），只有冷夜日数（TN10p）与生长季GPP显著负相关。冷昼日数（TX10p）、冷夜日数（TN10p）在中亚热带湿润地区（气候Ⅴ）与生长季GPP显著负相关（p＜0.01），其他极端气候指标与生长季GPP均呈现显著正相关。

3.2 长江流域不同气候分区生长季GPP对极端气候变化的空间响应特征

本文定量化研究了长江流域全域生长季GPP变化与极端气温指标的空间相关性（图3～5及表4）。

在所有146个气象站点，TX10p与生长季GPP的相关系数在-0.88和0.63之间（图3a），这两个指数在77.2%的站点呈负相关，其中58.6%的站点呈显著负相关（p＜0.05）。77.2%的站点中，TX90P与生长季GPP呈正相关（图3b），其中29.7%的站点相关性通过了0.01的显著性检验。TN10p与生长季GPP的相关系数范围是-0.91～0.82（图3c），有67.6%的站点具有显著的负相关特征（p＜0.05）。在59.3%的站点，TN90p与生长季GPP呈显著正相关（图 3d）（p＜0.05）。总的来说，生长季GPP与相对指标中的冷指标呈显著负相关，而与暖指标呈显著正相关的区域具有高度的一致性和重叠性，这些区域主要分布在青藏高原（属气候区Ⅰ）、长江中下游地区（属气候区Ⅳ）、江南丘陵区（属气候区Ⅴ）。这表明，气温升高对作为我国农业主产区的长江中下游地区（属气候区Ⅳ）及江南丘陵山地（气候区Ⅴ）的植被生长有积极影响。

表3 不同气候分区生长季GPP与极端气候指标相关系数表

表4 长江流域生长季GPP与极端气候指标空间相关性统计

图3 长江流域生长季GPP与极端气温相对指标的相关系数空间分布图

图4 长江流域生长季GPP与极端气温极值指标的相关系数空间分布图

图5 长江流域生长季GPP与极端降水指标的相关系数空间分布图

TXx与生长季GPP的相关系数（图4a）在70.3%的点为正相关，其中11%的站点达到显著水平0.01。TXn和生长季GPP呈正相关的面积覆盖了74.5%的流域（图4b），其中4.1%通过了0.01的显著性检验。生长季GPP与TNx的相关系数在-0.82和0.85之间（图4c），而19.3%的站点达到了0.01的显著性水平。TNn与生长季GPP在80.7%的站点呈正相关（图4d），其中12.4%达到显著水平0.01。四个极端气温指标与生长季平均气温呈显著正相关的区域集中在果洛那曲高原（属气候区Ⅰ）、川西—青藏高原东部（属气候区Ⅲ）、江南丘陵山地（属气候区Ⅴ）以及长江中下游广大地区（属气候区Ⅳ）。这表明极端温度对这些地带的植被生长有积极的影响。

RX1day与生长季GPP的相关系数范围在-0.37和0.53之间（图5a），正相关面积占66.9%，只有0.7%的位点达到了0.01的显著正相关水平。生长季GPP与RX5day在长江流域主要呈正相关（图5b），覆盖了60.7%的面积，其中38.6%的站点显著正相关（P＜0.05）。极端降水指标生长季GPP呈显著正相关的区域主要分布在气候区Ⅰ、Ⅱ、江南丘陵山地（气候区Ⅴ）、长江中下游地区（气候区Ⅳ）。负相关显著的地区主要集中在川西—青藏高原东部（气候区Ⅲ）、四川盆地（气候区Ⅴ）和云南高原（气候区Ⅴ）。

4 结束语

综合来看，1982～2016，无论是在整个流域还是在各气候区，极端气温指标对生长季GPP的影响都大于极端降水指数，而极端降水变化仅对高原亚寒带半干旱地区（气候区Ⅰ）与高原亚寒带半湿润地区（气候区Ⅱ）的生长季GPP变化产生了较为显著的作用与影响。高原亚寒带半干旱区（气候区Ⅰ）和亚热带地区（气候区Ⅳ、Ⅴ）对极端气温变化的敏感性较低。除高原亚寒带（气候区Ⅰ、Ⅱ）外，极端降水对生长季GPP的时间变化没有显著贡献。长江源区生长季GPP对水分及温度条件高度敏感。长江中下游（气候区Ⅳ）的气候与东亚季风密切相关，受季风的影响，该区域极端气温变化对生长季GPP的影响大于极端降水。这对指导流域农业生产及生态环境保护有着重要的指导意义。