黑河流域植被水分利用效率时空分异及其对降水和气温的响应

刘 婵,刘 冰,赵文智,朱钊岑

1 中国科学院西北生态环境资源研究院中国生态系统研究网络临泽内陆河流域研究站,中国科学院内陆河流域生态水文重点实验室, 兰州 730000 2 中国科学院大学, 北京 100049

在干旱半干旱区,水分是限制植被生长、呼吸作用等生态系统过程最重要的因素之一,也是制约该区域生境安全和社会发展的重要因素[1- 2],而降水是其水分补给的最基本来源[3- 4]。全球气候变暖和人类活动深刻影响着植被生产力格局[5],同时引发干旱半干旱地区的水资源危机[6]。干旱半干旱区的植被由于长期适应干旱气候形成了独特的生理生态适应功能,对于全球变化引起的水热变化的响应更为敏感[7]。所以,越来越多的研究开始关注于干旱区植被的水碳耦合及其相互影响机制。水分利用效率(Water Use Efficiency, WUE)反映了植被的光合过程与耗水特性之间的关系[8],是联系植被生态系统水碳循环耦合关系的重要指标[9- 10]。因此,掌握干旱半干旱地区植被WUE时空动态特征,有助于理解生态系统碳水耦合及植被对于气候变化的响应机制和适应性策略,促进干旱区内陆河流域的可持续发展。

遥感技术的发展使得获取长时效、大范围地表参数和植被生理参数成为可能,从而能够为更大时空尺度上揭示陆地生态系统水碳循环提供依据[11-12]。因此,遥感技术和方法对区域尺度上植被WUE的定量表达,是对传统实验和小尺度研究的重要补充,对于理解区域尺度上生态系统碳-水之间的交互关系等具有重要的意义。在区域尺度上,计算WUE首先需要确定生态系统植被净初级生产力(Net Primary Productivity, NPP)和蒸散(Evapotranspiration, ET)。针对区域尺度上NPP和ET的研究已有较成熟的模型[13],并且仍然是国内外研究的热点。估算NPP的模型中,CASA模型是基于光能利用率的过程模型,充分考虑了植被生长的生理过程且模型参数获取方便,有着较为广泛的应用[14-18]。陈正华等[19]通过对模型进行交叉验证和野外实测验证,表明CASA模型在用于估算黑河流域植被的NPP时准确性较高。对于ET的模型中,由于估算ET涉及到较多复杂的地表参数,是估算植被WUE中较难提取的分量,常用的模型有SEBAL模型SEBS模型。吴炳方等[20]利用ETWatch系统估算ET,该系统集成了具有不同应用优势的遥感蒸散模型,通过算法的优化与改进以及遥感数据的精细处理等措施,提高了蒸散数据的应用精度,可以满足不同的应用需求。因此,基于CASA模型和ETWatch系统可以作为较精确估算区域尺度WUE的可靠手段。

黑河流域作为中国第二大内陆河流域,水资源不仅是维系河西走廊绿洲发育的源泉,也是联系流域内生态和经济的纽带[21]。有限的水资源不仅要保障中上游的生产生活需求,也要确保下游生态环境的稳定[22]。由于气候变化和人类活动造成该区域的水资源问题日益加剧[23],生态环境退化严重。如何合理的利用和配置水资源,权衡生态环境修复和社会经济发展即“固碳”与“耗水”之间的关系,对区域社会经济以及环境的持续与协调发展起着重要作用[24]。WUE是水碳耦合的重要因子,较高的WUE表示植被可以利用有限的水资源获得更多的光合产物。因此,黑河流域植被WUE的研究对于该区域退化植被的恢复与重建、水资源的高效利用和合理配置有着重要的意义。到目前为止,针对黑河流域植被WUE的研究,多集中在利用传统生态学手段在植物个体尺度或者种群上的研究,如苏培玺等[25]、刘冰等[26]对荒漠植物沙拐枣、梭梭和泡泡刺等以及付爱红等[27]对黑河下游荒漠河岸林水分利用特征的研究。在区域尺度上,李肖娟等等[28]利用MODIS-GPP及ET产品研究了黑河流域的WUE的时空特征,但遥感数据产品在干旱区内陆河流域的适用性给研究结果带来一定的不确定。因此,为了提高模型估算精度,本文利用改进的CASA 模型估算了黑河流域 2000—2013 年植被NPP,结合ETWatch模型估算的ET数据,研究了黑河流域上中下游NPP、ET和WUE时空变化特征,探讨了不同植被类型WUE空间分布及其对降水和气温的响应,这将有助于理解全球气候变化对黑河流域植被生态系统水碳循环的影响,以期为该区域生态环境可持续发展与水资源实现高效利用提供理论依据。

1 材料与方法

1.1 研究区概况

黑河流域(37°50′—42°40′N,96°42′—102°00′E)是中国第二大内陆河流域,面积约14.29×104km2,地处欧亚大陆中部,流域地跨甘肃、青海和内蒙古三省区(图1)。该区域位于中国西北干旱区,属于典型的大陆性干旱气候,受地形分布影响,流域内气候条件、土壤及植被分布均呈现出差异性。黑河发源于祁连山区,流经莺落峡进入河西走廊平原,再经过正义峡进入阿拉善高原。黑河流域上游地区是水资源的形成区,多年降水量平均在200—700 mm之间,年平均气温1.5—2.0 ℃,年蒸发量约700 mm。植被类型属温带山地森林草原,土壤类型主要为寒漠土、高上草甸土、高山草原土等；黑河流域中游地区气候相对干燥,年平均气温2.8—7.6 ℃,年降水量由东部的平均250 mm向西部递减为50 mm以下。主要土壤类型为灌淤土、盐土、以及灰棕荒漠土和灰漠土等,中游地区植被类型主要有人工栽培农作物及林木,超旱生小灌木、半灌木等；黑河流域下游地区深居内陆腹地,年均降水量在50 mm以下,但潜在蒸发强度达4000 mm以上,年均温度为8 ℃。土壤类型以灰棕荒漠土和灰漠土为主,植被类型以温带小灌木、半灌木等荒漠植被类型为主,还分布有胡杨、红柳等荒漠河岸林类型。

图1 研究区位置图及植被类型图Fig.1 Location and vegetation types of study area

1.2 数据来源

在区域尺度上,一般将WUE定义为NPP与ET的比值。本研究中NPP数据采用CASA模型来估算,ET数据来自吴炳方采用ETWatch模型估算获得。利用CASA模型估算NPP所需基础数据包括NDVI数据、气象数据和植被类型数据,以及用于插值气象数据的DEM数据。NDVI数据来自美国USGS网站提供的MOD13A3数据集,影像空间分辨率为1 km,时间范围为2000年1 月—2013年12 月。气象数据来自中国气象数据网(http://data.cma.cn/)提供的《中国地面气候资料月值数据集》和《中国辐射月值数据集》,包括月总降水量、月平均气温和月太阳总辐射等要素,在剔除掉部分无效数据后采用Anusplin法进行空间插值。气象数据插值所需的DEM数据来自SRTM(shuttle radar topography mission)数据,并将90 m分辨率的DEM数据重采样为1 km分辨率。植被类型数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn)提供的中国1∶100 万植被类型空间分布数据,研究区内分布有针叶林、阔叶林、草甸、草原、高山植被、栽培植被、沼泽、灌丛、荒漠及无植被地共十种类型(图1)。为统计WUE需要,本文将针叶林、阔叶林合并为森林类型,草甸、草原及高山植被合并为草地类型,灌丛、栽培植被与沼泽类型不变,无植被类型不参与统计,共计六类。

1.3 NPP估算模型

CASA (Carnegie-Ames-Stanford Approach)模型是从植被机理出发建立的基于光能利用率的过程模型,近年来被广泛应用于大尺度生态系统NPP的估算。CASA模型中,NPP主要由植被吸收的光合有效辐射(APAR)和光能转化率(ε)两个变量决定。模型计算公式如下：

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5

(2)

FPAR(x,t)=min[(SR-SRmin)/(SRmax-SRmin),0.95]

(3)

SR(x,t)=(1+NDVI(x,t))/(1-NDVI(x,t))

(4)

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax

(5)

式中,x表示空间位置,t表示时间；式(2)中SOL为太阳总辐射量(MJ/m2),FPAR为植被层对入射光合有效辐射(PAR) 的吸收比例,而常数0.5代表植被所能利用的太阳有效辐射(波长为0.4—0.7 μm) 所占太阳总辐射的比例；波特等提出的FPAR取决于植被类型和植被覆盖状况,可根据NDVI计算得到,见公式(3—4)；光能转化率(ε)是主要受温度、降水等因素的影响,式(5)中,Tε1和Tε2为温度胁迫影响系数,Tε1反映在低温和高温时植物内在生化作用对光合作用的限制,Tε2表示植物光能利用率随着环境温度从最适温度向高温或低温变化时逐渐变小的趋势,二者可由月平均气温计算得到,Wε为水分胁迫系数,可根据月总降水量求得[30]。εmax为理想条件下植物最大光合转化率,其值的大小根据不同植被类型而有所差异。本文εmax取值参考朱文泉等在中国范围的研究成果[30],取针叶林0.389,阔叶林0.692,灌丛0.429,草甸0.542,草原、高山植被0.341,栽培植被0.542,沼泽0.319,荒漠及其他0.217,(单位gC/MJ)。

1.4 数据处理方法

1.4.1ANUSPLIN法插值气象数据

ANUSPLIN是运用普通薄盘和局部薄盘样条函数作为理论的插值方法,允许引入线性子模型作为协变量,使得气象要素插值中能够充分考虑多个因子的影响。利用ANUSPLIN法插值气象数据估算NPP较其他插值方法具有最高的精度[31],因此本研究中选用该方法来进行气象数据的空间插值。局部薄盘光滑样条可表示为以下数学公式：

Zi=f(xi)+bTyi+ei(i=1,2,…,N)

(6)

(7)

式中,ρ为光滑参数,Jm(f)是f(xi)的m阶偏导数,作为f(xi)的粗糙度测度函数,m指局部薄盘光滑样条法中为样条次数。在本研究中,对于气象因子的插值采用经度和纬度作为独立变量,高程作为协变量,样条次数为3的三变量局部薄盘光滑样条函数,其中降水的插值采用平方根变换来降低数据的值域范围,最后再运用普通双变量的薄盘样条函数。

1.4.2年际变化趋势分析

本文采用一元线性回归方法分析每个栅格上 NPP、ET及WUE 的变化趋势,计算公式为：

(8)

式中,n为年数,i为年序号,Yi为第i年对应的NPP/ET/WUE值,当Slope>0时,表示在该时间段内该要素值呈现增大的趋势,反之呈现减小的趋势。

1.4.3WUE与气象因子相关性分析

本文中采用偏相关分析来研究WUE对单独气候因子的响应,偏相关系数较简单相关系数更能反映两个变量之间的联系。计算公式为：

(9)

式中,rx1y、rx2y、rx1x2分别为WUE与一个气候因子的、WUE与另外一个气候因子、以及两个气候因子之间的简单相关关系。rx1y, x2表示除去变量x2的影响后,WUE与其中一个气象因子的直线相关。

2 结果分析

2.1 净初级生产力(NPP)时空变化

在黑河流域,2000 —2013 年植被NPP均值在0.05—758.32 gC m-2a-1之间, 空间上NPP平均值为81.05 gC m-2a-1,NPP总值为11.2TgC (1 Tg=1012g)。空间分布上植被NPP具有明显的差异性,呈现出自上游至下游递减的空间格局(图2)。黑河流域上游、中游、下游的植被NPP年平均值分别为355.53 gC m-2a-1、139.28 gC m-2a-1、15.96 gC m-2a-1。黑河流域上中下游地形分布的差异是导致其植被NPP空间差异的主要原因,上游祁连山区属温带山地森林草原带,降水多且有冰雪融水补给,因此其植被NPP值最高。黑河中游地区属于河西走廊平原,主要分布有栽培农作物,是重要的农业生产区,其NPP值次之。黑河下游地区除额济纳绿洲、黑河河岸绿洲有少量农作物及荒漠河岸林分布外,其余地区主要被荒漠戈壁覆盖,因此其NPP值最低。时间变化上,黑河流域植被NPP平均值在2000—2013 年呈现出显著上升的趋势 (P=0.001),变化速率为1.98 gC m-2a-1(图3)。由此可以得出,黑河流域内植被总体固碳量在2000—2013年间有所上升。逐栅格计算NPP在空间上的变化趋势,全区大部分区域NPP均呈现上升趋势,NPP呈现上升和下降趋势的面积分别占91.3%和9.7% (图4)。在不同植被类型中,NPP变化趋势均值森林类型最高 (7.30 gC m-2a-1),其余类型顺序分别为草地(6.68 gC m-2a-1)、灌丛(5.92 gC m-2a-1)、沼泽(4.07 gC m-2a-1)、农田 (2.57 gC m-2a-1)和荒漠(0.52 gC m-2a-1) (图4)。

图2 2000—2013年黑河流域年均NPP、ET、WUE空间分布图Fig.2 The spatial patterns of NPP、ET、WUE in Heihe River basin from 2000—2013

图3 黑河流域2000—2013年平均NPP、ET、WUE年际变化Fig.3 Change of annual mean NPP、ET、WUE from 2000 to 2013 in the Heihe River Basin

2.2 蒸散(ET)时空变化

从空间分布上,黑河流域ET值从上游至下游逐渐降低(图2),上游、中游、下游的ET年平均值分别为307.48、195.42、78.02 mm,流域内ET空间平均值为132.36 mm。黑河流域上游属于水资源的生成区,水分充足,其ET值最高。中游地区绿洲农田由于灌溉供水的原因,其ET值也较高,绿洲外围则相对较低。下游地区气候干燥,蒸发强度大,但由于水分供应不充足,因此属于ET的低值区。时间变化上,黑河流域内ET空间平均值呈现出波动上升的趋势 (Slope=1.04,P=0.03),其中2001年最低 (114.29 mm),2013年最高 (143.75 mm) (图3)。逐栅格计算得到的ET在2000—2013年间的变化斜率显示,ET呈现上升和下降趋势的面积分别占87.2%和12.8%。呈现上升趋势的区域主要分布在上游草甸草原区、中游绿洲区以及河流、湖泊周围,而呈现下降趋势的区域主要分布在中游绿洲区、绿洲外围以及上游部分地区 (图4)。从不同类型的平均值来看,荒漠ET均值变化率最高(1.12 mm/a),其次为草地(0.90 mm/a),灌丛和农田ET变化趋势接近,其变化率均为0.45 mm/a；然而,沼泽和森林ET呈现下降趋势,其平均值分别为-0.92 mm/a和-0.05 mm/a (图4)。

图4 黑河流域2000—2013年NPP、ET、WUE变化趋势空间特征及不同植被类型趋势特征Fig.4 The spatial patterns and different vegetation types of the change rate of NPP/ET/WUE in the Heihe River Basin during 14 years (2000—2013)

2.3 植被水分利用效率(WUE)时空特征

2.3.1植被水分利用效率(WUE)空间分布

黑河流域植被WUE空间分布特征与植被NPP和ET的格局基本近似,呈现出自上游至下游减少的趋势(图2)。上游、中游、下游的植被WUE年平均值分别为1.29、0.68、0.21 gC mm-1m-2,在2000—2013年空间上植被WUE均值为0.419 gC mm-1m-2。黑河流域上游地区属于植被NPP、ET的高值区,也属于植被WUE的高值区,其整体范围在1.0—1.8 gC mm-1m-2之间。中游绿洲范围内由于ET值较高,因此在同等植被NPP水平下其植被WUE属于中等水平,其范围约在0.4—0.8g C mm-1m-2之间。中游地区除绿洲外及下游地区的多数区域,其NPP与ET值均属于较低的水平。因此其WUE属于较低的水平,其值约在0—0.4 g C mm-1m-2之间。

2.3.2植被水分利用效率(WUE)时间变化

黑河流域植被WUE在空间上的平均值2000 年最低,为0.36 gC mm-1m-2,而2007年最高,达0.52 gC mm-1m-2。植被平均WUE在2000—2013 年间呈现显著的上升趋势 (图3,Slope=0.0066,P=0.007),意味着在研究区内单位面积上(m2)每蒸散1 mm水,植被对于CO2同化量每年约增加0.0066 g。逐栅格计算得到的植被WUE在2000—2013年间的变化斜率表明,植被WUE呈现上升和下降趋势的面积分别占73.3%和26.7%。植被WUE呈增长趋势的区域主要分布在流域的上游以及中游的南部,下游以及中游绿洲外围荒漠区其植被WUE变化趋势不明显。在六种植被类型的趋势平均值中,沼泽类型WUE变化率均值最高,达0.041 gC mm-1m-2a-1,其次序依次为森林、灌丛、草地、农田和荒漠,值分别为0.035 、0.030 、0.027、0.020和0.003 gC mm-1m-2a-1(图4)。总体而言,黑河流域2000—2013年间植被WUE呈现增长趋势,说明近年来研究区内整体上植被耗水效率得到了提升。

2.3.3不同植被类型水分利用效率(WUE)比较

图5 2000—2013年黑河流域不同植被类型WUE的差异及年际变化Fig.5 Water use efficiency (WUE) in Heihe River Basin during 2001—2013 for different vegetation types

黑河流域不同植被类型及生长在不同区域的相同类型的植被,其WUE特征有较大的差异,主要取决于不同植被类型各自的光合特征和耗水功能的差异。如图5所示,2000—2013年黑河流域植被大类中WUE关系为：灌丛(1.23 gC mm-1m-2)>草地(1.05 gC mm-1m-2)>森林(0.96 gC mm-1m-2)>农田(0.90 gC mm-1m-2)>沼泽(0.74 gC mm-1m-2)>荒漠(0.21g C mm-1m-2),在草地的二级植被类型中,草甸的WUE最高(1.26 gC mm-1m-2),森林的二级植被类型中针叶林的WUE(1.08 gC mm-1m-2)大于阔叶林WUE(0.74 gC mm-1m-2)。

2.4 水分利用效率空间分布与气象因子的关系

以年为时间单位,计算2000—2013 年植被WUE与年降水量、年平均气温的偏相关系数(图6),以分析WUE的年际变化对气候因子的关系。如图6所示,黑河流域年降水量在空间上分配不均匀,上游祁连山区年均降水量达到300 mm以上,而下游地区额济纳旗年降水量不足50 mm,呈现出明显的空间差异。黑河流域大部分区域(约占总面积的74.96%)植被WUE对降水量的相关性为正相关(图6),植被WUE的年际变化对于气温的响应呈正相关和负相关的区域分别占总面积的59.57%和40.43% (图6)。在空间分布上,植被WUE与气温呈现正向相关的区域主要分布在黑河上游年均温小于0 ℃以及下游温度在5—10 ℃之间的区域,植被WUE年际波动与气温呈负相关的区域分布在年均温大于10 ℃的区域。总体来说,黑河流域植被WUE的年际波动主要受到降水的影响较大,对于气温的响应不如降水明显,但是在不同区域WUE与气象因子具有不同的响应关系,其最终受气温和降水的共同影响。

图6 黑河流域2000—2013年平均降水量、平均气温及平均WUE与年均降水量、平均气温的偏相关关系图Fig.6 The spatial distribution of the mean annual precipitation、mean annual temperature and the partial correlation coefficient between WUE and precipitation、temperature in Heihe River Basin between 2000—2013橙色区域: 植被WUE与降水量呈现正相关区域主要集中在流域上游祁连山区以及下游的大部分区域,蓝色区域: 呈现负相关的区域则主要分布在中游绿洲区域

3 讨论

3.1 模型验证

本文对CASA模型模拟NPP结果进行验证。由表1的结果可知,本文与程春晓等[16]、陈正华等[19]利用CASA模型估算的NPP结果在NPP总量以及平均值范围内均较为相似,较卢玲等[32]使用C-FIX模型模拟结果偏低。本文模拟黑河上游NPP平均值为283.79 gC m-2a-1,与闫敏等利用改进的MOD- 17模型模拟的结果较为接近。总体来看,本文利用CASA模型估算黑河流域NPP具有较高的可信度。

表1 NPP模拟值与已有研究NPP值比较

为了进一步验证WUE估算精度,对比了前人在黑河流域不同植被类型的实测WUE值(表2)。由表2可以得出,本文WUE估算值与实测值的范围区间较为吻合。因此,本文对WUE的估算有一定可信度。同时由于WUE受到季节内气候因素、水分条件等影响,同种植被WUE在年内变化较大。

3.2 WUE的时空动态及其对水热条件的响应

黑河流域气候状况自上游至下游呈现出明显的地带性差异[35],热量与水分及其配合状况的分配不均引起植被在空间分布上具有明显的地带性,区内植被类型自上游至下游大致为森林植被-草原植被-灌溉栽培植被-荒漠植被的分布格局,植被的地带性差异造成流域内植被WUE自上游至下游逐渐减少的趋势。除此之外,植被的群落组成结构、土地利用情况以及水热条件及其配合状况等都有可能引起植被WUE的差异[36]。黑河流域植被WUE的高值区分布在上游高海拔区域以及下游河岸林区,这是由于上游祁连山区降水量高,在以降水为主要水分来源的干旱半干旱区,更利于植被的生长发育,而下游河岸林地区地下水埋深较浅,植被群落可利用浅层地下水进行生长,因此在降水量稀少的荒漠区植被能够产生更多的干物质量[27],从而具有更高的WUE。在时间变化上,本文得出黑河流域在2000—2013年间NPP平均值呈现出显著上升的趋势 (P=0.001),这与程春晓等[16]、张福平等[17]的研究结果一致。此外,植被WUE在2000—2013年间呈现出上升趋势,表明黑河流域植被的固碳能力以及水分利用效率在该时段内得到了提升。

表2 黑河流域不同植被类型WUE模型估算值与实测值比较

不同植被类型间WUE具有明显的差异性,主要由于植被长期适应环境所形成的独特的生理生态参数所决定。黑河流域植被WUE以草甸类型最高(1.26 gC mm-1m-2),与李红琴等[37]计算得到的海北高寒草甸植被WUE年均值基本接近(0.958 g mm-1m-2)。草甸是生长在低温且水分充足环境下的特殊植被类型,具有较高的植被生产力,其生长主要受到气温条件的影响。在全球温暖化背景下,高寒植被水分利用效率将会呈现上升的趋势[38]。森林类型的WUE略低于草地和灌丛,其主要原因是是在祁连山区的森林类型中,以青海云杉和祁连圆柏,属于常绿针叶林,其植被气孔导度较低,因此光合速率低[39]。同时,祁连山森林主要分布在年均温低于零度的高海拔区,低温环境也不利于植被进行光合作用。黑河流域栽培植被主要分布在河西走廊地区,具有较为丰富的光照条件以及适宜的生长条件,但受到农业灌溉方式不合理的影响导致其水资源浪费严重,约70%的渠系水以渗漏、蒸发等形式被浪费[40],因此其WUE并不高(0.90 gC mm-1m-2)。若以g/kg为单位计,则意味着植被固定每9 gC需蒸散水10 kg,因此,应当重视如何提高绿洲农田对于灌溉水的利用效率,在产生相同生物量或者经济效益的情况下消耗更少的水。荒漠是黑河流域分布最广泛的类型,在个体尺度,荒漠植被适应干旱环境具有较高的光合速率且蒸腾速率较低,通常具有较高的WUE[32,41-42]。然而,在区域尺度上,本文得出荒漠植被WUE平均为0.21 gC mm-1m-2,这主要是由遥感数据本身的空间分辨率决定的。荒漠植被平均不足10%的极低覆盖率,对于1 km×1 km栅格的植被生产力及蒸散数据,存在混合像元问题,因此造成整体上植被生产力水平低,且土壤蒸发量占总蒸发比例大,因此得出的荒漠植被的WUE值偏低。

在黑河流域,植被WUE的年际波动主要受降水的影响较大,这与前人结果一致[36]。荒漠区大部分区域对于降水量的响应为正相关,其原因是荒漠植被主要依赖降水完成其生命史,因此在蒸发量维持不变的情况下,降水量增加通过提升植被生产力从而影响荒漠植被水分利用效率。然而,在中游灌溉农田内植被WUE对降水响应为负相关,该区域主要为栽培植被,受人为活动的影响剧烈,气候因素对植被WUE的影响可能会被削弱[41]。植被WUE与气温呈现正相关的区域主要分布在黑河上游年均气温小于0 ℃以及下游年均气温在5—10 ℃之间的区域,其主要原因是当气温低于植被光合作用的最适宜温度时,气温的上升将提升植被的光合作用速率,从而产生更多的干物质量,进而提高植被WUE[43]。植被WUE年际波动与气温呈负相关的区域则主要分布在年均温大于10 ℃的区域,气温的升高会加速土壤水分的蒸发,造成ET的升高,从而导致植被WUE的降低。以上分析表明,黑河流域植被WUE的时空特征与所处环境的水热条件密切相关,整体上降水对于植被WUE的影响高于气温。

4 结论和展望

本文基于CASA模型估算的NPP和ET-Watch模型估算的ET数据,结合遥感数据定量估算了2000—2013年黑河流域植被WUE,进一步研究植被NPP、ET及WUE在时空变化特征以及WUE对于气象因子的响应关系,主要得出以下结论：

(1)植被WUE在空间上大致呈现自上游至下游逐渐减少的趋势,由热量与水分及其配合状况而引起植被分布的地带性差异造成。流域内植被NPP以及植被WUE总体上均呈现出显著的上升的趋势,表明黑河流域整体上植被的固碳能力和水分利用效率在该时段内均得到了提升,但下游地区的植被NPP与WUE较中上游地区相比,不仅平均值较低且年际增加趋势较弱。

(2)不同植被类型WUE呈现出显著的差异性,其中草甸WUE最高,荒漠WUE最低。植被长期适应环境形成独特的生理生态参数,造成不同植被类型WUE具有明显的差异。人类活动的干扰对生态系统WUE的影响同样不容忽视,黑河中游地区以灌溉为主的栽培植被总体WUE偏低,需要通过合理的调控方式提高其WUE。

(3)从流域整体来看,降水量是影响植被WUE年际变化的主要因子,黑河上游与下游均分布有大量的自然植被,在以降水为主要水分补给的干旱半干旱区,降水量的增加有利于提升植被NPP,从而提高植被WUE。但在中游灌溉农田内植被WUE对降水响应为负相关,表明人为活动干扰会削弱气候因素对植被WUE的影响。

植被WUE作为表征生态系统碳水耦合的重要指标,利用遥感技术进行大面积估算可作为对传统小尺度研究的重要补充。本研究对黑河流域植被WUE的时空动态特征进行了分析,且对模型估算结果做了验证,保证其模拟结果的有效性,但遥感数据的空间分辨率特征等不可避免地会对结果造成一定影响,因此还需考虑估算模型中输入更高空间分辨率遥感数据进行结果比对。同时,本研究中侧重于自然因子对植被WUE的影响分析,但植被WUE的影响因素是综合且复杂的,因此应当进一步增加其他因素如干旱状况、人类活动等对于WUE的影响方式,并定量区分其影响程度贡献比例。