2000-2015年中国草地生态系统水分利用效率时空特征及其对气候要素的响应

陈鑫涛，邓 超

（河海大学水文水资源学院，南京210098）

0 引 言

水分利用效率（Water use efficiency，WUE）是指植物消耗单位质量的水分所能固定的CO2或者生产的干物质的量［1，2］。本文中生态系统的WUE定义为总初级生产力（Gross primary productivity，GPP）与实际蒸散发（Terrestrial evapotranspiration，ET）之比。它是度量生态系统碳-水循环耦合的关键因子，也是评估气候变化对生态系统影响的重要指标［3］。研究WUE时空变化特征及其对气候变化的响应对于理解生态系统在全球碳水循环中的作用，解释生态系统生态水文过程变化规律有重要意义。

草原生态系统是全球范围内分布最广的生态系统之一。中国草地分布广泛，占国土总面积的近40%，在区域碳收支、水量平衡和粮食安全方面发挥着重要作用。近年来，一些学者在不同尺度上对中国地区草地生态系统的水分利用效率展开了大量研究。Hu等［4］利用涡动通量塔的观测数据计算WUE，评估了中国4个草原生态系统WUE的多时间尺度变化。裴婷婷等［5］利用MODIS 数据，开展了黄土高原草原生态系统WUE对气候和植被指数的敏感性研究。常娟等［6］利用LPJ 模型模拟了西北地区草地GPP和ET，计算WUE并对其开展了时空分析和敏感性分析。从气候要素对WUE的影响来看，气候要素的变化会引起植被的光合作用增强或减弱导致GPP改变，同时ET也会随着截留、土壤蒸发和植被蒸腾而增加或减少，从而影响到WUE［5］。如，史晓亮等［2］基于涡度数据研究发现草原站点在温度升高下，GPP的增加速度大于ET的增加速度导致了WUE的增加。在空间尺度上，气候因素的空间变异性是影响WUE空间分布的重要因素之一。Xu 等［8］指出在干旱区WUE在区域上的分布随干旱指数升高而降低。WUE对关键气象要素的响应研究有利于揭示生态系统对气候变化的响应机制。但目前针对草地WUE与气象要素的响应研究大多局限于站点和个别区域，大范围的全国区域的草原生态系统WUE的时空分布以及其对气候因素响应的研究开展较少。

因此，本文通过引入土壤水分胁迫因子改进PML-V2 遥感估算GPP-ET 耦合模型，利用改进的模型估算了中国草原生态系统2000-2015年的总初级生产力和实际蒸散发数据，讨论了GPP、ET和WUE年均值的空间分布和年际变化趋势，定量分析了年尺度上WUE对气象驱动因子的敏感程度，旨在为中国草原生态系统水资源合理利用及生态环境可持续发展提供科学参考。

1 研究区域与数据

1.1 研究区概况

研究区主要包括内蒙古，黄土高原和青藏高原，是中国草地的主要分布区域［7］。黄土高原地处中国中部（100°～114°E，33°～41°N），总面积64 万km2，包括7 个省和自治州。气候上处于半干旱半湿润气候带，年降水量150～800 mm，年均气温4～14 ℃，年蒸发量1 400～2 000 mm；黄土高原土质疏松，水土流失严重，生态环境脆弱［9］。内蒙古地区气候由东部半湿润温带季风气候向西部内陆干旱半干旱气候的过渡；年平均气温0～8 ℃，年平均降水量50～400 mm，自东北向西南递减；青藏高原位于中国西南地区（73°～105°E，26°～10°N），平均海拔4 000～5 000 m，是世界上平均海拔最高的高原。地貌复杂多样，气候类型丰富，主要以湿润、半湿润、半干旱和干旱为主；辐射强，温度低，日温差大，降水差异显著是青藏高原的气候特征，平均气温为0 ℃，最大日温差高达22 ℃，降水100～1 000 mm，由东南至西北递减［9］。研究区域位置分布见图1。

图1 研究区域位置分布图Fig.1 Location of the study area

1.2 数据来源与处理

气象数据主要来源于中国区域高时空分辨率地面气象要素数据集（CMFD）和普林斯顿气象要素再分析数据集（PGF）。CMFD 数据是由中科院青藏高原研究所生成的一套中国区近地面气象与环境要素再分析数据集（http：//westdc.westgis.ac.cn/），其时间分辨率为3 h，水平空间分辨率为0.1°。本文采用了CMFD 数据集中的近地面气温、气压、空气比湿、风速、下行短波辐射、降水量6 个变量。模型所需要的遥感数据主要为叶面积指数LAI 数据、陆表反照率、发射率，均来自全球陆表特征参量产品（GLASS），空间分辨率为1 km/0.05°，时间分辨率为8 d。植被类型数据来自美国NASA数据中心MCD12Q1数据集。CO2数据来源于NOAA 全球平均海面月平均CO2数据（ftp：//aftp.cmdl.noaa.gov/products/trends/co2/co2_mm_gl.txt）。ESA CCI_SM 产品是欧空局研发的空间分辨率为0.25°的逐日土壤水分数据集，分为主动、被动和主被动融合3 种产品。本文采用主被动融合数据作为模型的驱动数据，并采用王国杰等［10］提出的基于三维离散余弦转换的乘法最小二乘回归模型插补缺失值。以上栅格数据均重采样至0.05°，时间尺度上统一到8 d，并使用植被分类数据对中国草地区域进行掩摸，选取时间段为2000-2015年。用以模型验证的GPP和ET数据来源于FLUXNET2015 数据集中的中国草地生态系统涡度通量塔观测数据（http：//fluxnet.fluxdata.org/data/fluxnet2015-dataset/），站点包括当雄站、多伦（二）站、多伦（三）站、海北草甸站、四子王旗站、长岭站（表1）。

表1 通量站点信息Tab.1 Description of flux stations

2 研究方法

2.1 模型改进

PML-V2模型是Zhang和Gan等［11，12］在Penman-Monteith-Leuning（PML）模型的基础上，改进构建的新一代GPP-ET 耦合模型。PML-V2 基于生态物理机制，通过气孔导度公式耦合了GPP和植被蒸腾，同时提升了GPP和ET的估算精度，其性能表现优于同类型的GPP或ET单一模型。

Pei 等［13］在研究中发现PML-V2 模型在干旱年的草地GPP估算中表现不佳。Bagher Bayat 等［14］在研究中通过结合土壤水分胁迫参数和最大羧化能力Vcmax参数，提升了SCOPE 模型在干旱时期的GPP和ET估算能力。由于中国草地生态系统经常遭遇干旱，本文通过引入土壤水分限制系数，调整了模型中与最大羧化能力Vcmax参数性质相似的名义最大羧化能力Vm参数，以使模型更适用于研究区，并利用改进后的模型计算了中国草地生态系统的ET和GPP，并进一步计算了WUE。

式中：SF为土壤水分限制系数；θ为土壤含水量；θw土壤凋萎含水量；θf为土壤田间持水量。SF＞1时，SF=1；SF＜0时，SF=0。

WUE定义为单位时间内陆地生态系统总初级生产力GPP和实际蒸散发ET的比值：

式中：WUE为生态系统水分利用效率，g/（m2∙mm）；ET为蒸散发，mm/d；GPP为总初级生产力，g/m2。

2.2 趋势分析

本文采用Theil-Sen 非参数趋势分析方法计算2000-2015年中国草地生态系统的GPP、ET和WUE的变化趋势，并通过Mann-Kendall趋势检验进行显著性检验［15，16］。该方法不要求样本服从一定的分布，不受异常值的干扰，对线性变化趋势的估计较为可靠。Sen斜率值的计算公式为：

式中：β为时间序列的变化趋势值；xi和xj分别代表在时刻i和时刻j对应的数据值；Median 为中位数函数。当β＞0 的时候，表示上升趋势；当β＜0的时候，表示下降趋势。

2.3 相关性分析

本文采用二阶偏相关分析方法，以在消除其他变量的干扰下研究气候因素对水分利用效率的影响［17］。二阶偏相关分析方法可以在消除其他两个变量的干扰下，对两变量进行相关性分析。利用太阳辐射，气温，降水和WUE的年均值，对每个栅格计算WUE对太阳辐射，气温和降水的二阶偏相关系数。首先，进行一阶偏相关系数的计算：

式中：rab，c是消除c变量影响的a和b的一阶偏相关系数，rab，rac和rbc分别是a和b，a和c，b和c的相关系数。

二阶偏相关系数的计算公式为：

式中：rab，cd是消除c，d变量影响的a和b的二阶偏相关系数。

3 结果分析

3.1 模型验证

PML-V2 模型在中国及世界范围内多种生态系统的应用中，表现优于同类型的GPP或ET单一模型。针对模型对于干旱年的草地GPP估算表现不佳的问题，本文加入了水分胁迫因子对模型中Vm参数进行优化。

通过6个分布于中国地区草地生态系统通量站观测获得的ET和GPP数据对改进后的模型模拟结果进行验证。图2中结果表明模型在研究区内可以较好地模拟GPP和ET，模型模拟效果在R2和RMSE两个指标上表现优异。GPP在检验中R2为0.651，RMSE为1.046 g/（m2∙d），ET在检验中R2为0.72，RMSE为0.590 mm/d。

图2 模型结果验证Fig.2 Comparison of model result and observation

3.2 GPP、ET和WUE的时空变化特征

3.2.1 空间分布特征

研究区草地生态系统GPP、ET和WUE具有明显空间差异。多年平均GPP呈现西北向东南递增的空间变化趋势，青藏高原东南部是GPP最高值分布的地区，见图3（a），区域均值为474.3 g/（m2∙a）。ET空间分布格局和GPP相似，区域多年均值为407.4 mm/a［图3（b）］。从图3（c）中结果可知，WUE多年均值为1.1 g/（m2∙mm）且WUE均值的区域分异明显。研究区内WUE空间分布受GPP影响较大，比较接近于GPP的分布，大致表现为西北向东南递增的空间格局且高值WUE与高值GPP基本分布于同一地区，见图3（c）。这与研究区内降水量分布相一致，其主要原因是草地生态系统大部分处于干旱半干旱区，水分是制约这一地区植被光合作用和蒸散发的主要气候因素［6］。青藏高原西北与内蒙古地区WUE最低［＜0.4 g/（m2∙mm）］，这可能与这些地区受低温和降水的制约以及植被稀疏有关［18］。

图3 中国草地GPP、ET和WUE空间分布特征Fig.3 The spatial distribution of GPP，ET and WUE values for grassland in China

3.2.2 变化趋势

分别对2001-2015年研究区草地生态系统年际GPP、ET和WUE进行趋势分析（图4～6），图6中左上角小图中灰色栅格为变化显著区域（p＜0.05）。研究区区域平均GPP、ET和WUE均呈现显著增加趋势，且GPP增加斜率大于ET，这也是WUE增加的主要原因。在2012年之后WUE有显著增加趋势，其潜在原因可能是2012年之后降水的显著升高所引起的GPP大幅上升［6］。在趋势的空间分布上，研究区内大部分区域的ET和GPP均呈增加趋势，显著增加的区域面积均占到了47%。WUE的显著增加和显著减少面积为0.25%和0.11%（图5）。其中黄土高原WUE显著上升的人为原因可能来源于生态恢复工程在近年来的大规模建设［19］。

图4 中国草地区域平均GPP、ET和WUE年平均变化趋势Fig.4 The inter-annual change and trends of China's grassland GPP，ET and WUE

图5 中国草地GPP、ET和WUE不同趋势等级的面积占比Fig.5 The proportion of grassland area in China with different trend levels of GPP，ET and WUE

由于WUE的变化趋势与GPP和ET二者变化趋势密切相关，本文进一步基于栅格辨析了WUE变化趋势的主导因素，即当GPP和ET处于相同趋势时将趋势程度大的一方作为影响WUE趋势的主导因素［图6（d）］。其中内蒙古地区由于GPP和ET的相反变化，WUE变化趋势为整体增加中部减小。青藏高原则由于ET的强势变化，WUE变化趋势的空间分布和ET相反，为整体减小东部少量地区增加。黄土高原地区由于GPP增加趋势大于ET，GPP作为主要因素使得WUE减少且趋势大小的空间分布与GPP均由西北向东南增加（图6）。影响WUE趋势的主导因素在地区之间表现出明显的差异性，其可能与生态系统的生物过程（如光合作用、蒸腾）和物理过程（如土壤蒸发、截留）在WUE变化中扮演角色的重要程度有关［20］。如，在植被茂盛区域，蒸腾在是ET的主体组成，WUE在数值上与GPP与蒸腾的比值相近，则WUE的变化更多地依赖于生物过程而不是物理过程。而在植被稀疏的区域，土壤蒸发在ET中的比重上升，物理过程更多地影响到WUE的变化。

图6 2000-2015年中国草地GPP、ET和WUE变化趋势及其主导因素Fig.6 The change trend of China's grassland GPP，ET and WUE and its dominant factors from 2000 to 2015

3.3 敏感性分析

为了直观地表现气候因子对WUE年际变化关系的空间分布，本文基于栅格计算了2000-2015年中国地区草地生态系统WUE与年降水量、年平均气温和年太阳辐射辐射的偏相关系数，用以分析气候因子和WUE的年际变化的关系。如图7（a）所示，在研究区大部分地区（65.9%）降水和WUE为负相关，少部分正相关关系地区分布在青藏高原东北区，黄土高原东北部和内蒙古北部。气温与WUE的相关关系与降水和WUE的相关关系在整体上相反，62.5%面积的研究区气温与WUE呈现正相关关系，零星的负相关关系地区分布在青藏高原中部和内蒙古南部［图7（b）］。草地生态系统WUE的年际变化对于太阳辐射的响应呈正相关和负相关的区域分别占总面积的48.8%和51.2%。相比于正相关关系的分布的区域，负相关系区域分布较为集中，主要位于黄土高原和内蒙古中部［图7（c）］。

本文进一步通过标准化3 个气候因子对WUE的相关系数计算了其对WUE变化的相对贡献度［图7（d）］。图中栅格颜色越靠近图例中气温、降水和太阳辐射之一所代表的纯色，就意味着这个颜色对应的气候因子对WUE变化的影响越大。研究区大部分区域分别受太阳辐射和气温的主要影响。特别是青藏高原东部和内蒙古北部WUE主要受气温主要影响，且呈现显著正相关关系。这些地区植被常年处于低温的生长环境，在气温升高影响下，光合作用增强幅度相比于植被蒸腾和土壤蒸发更大，导致了GPP增长强于ET增长，从而导致了WUE上升［21］。同时太阳辐射在内蒙古中部和黄土高原南部为WUE的主要影响因素，且为强负相关关系。表明在较低辐射下，这些地区生态系统的WUE较高，和宋成刚等在青海海北的研究结果一致，可能是植被实现最优水分利用效率的适应性策略［22］。

图7 中国草地生态系统WUE与气象因子相关性以及相对贡献图Fig.7 Correlation between WUE and meteorological factors in China's grassland ecosystem

4 结 语

本文通过引入土壤水分胁迫因子改进PML-V2 遥感估算GPP-ET 耦合模型，基于改进的模型估算了中国2000-2015年草地生态系统总初级生产力GPP和蒸散发ET，并进一步估算了水分利用效率WUE。采用趋势分析和偏相关分析方法，探讨了WUE的时空变化规律及与气候因素的相关性。主要结论如下。

（1）引入水分胁迫因子对PML-V2 模型中Vm参数进行制约实现对模型的优化，改进后的模型在研究区内GPP的估算值与通量站GPP数据的R2和RMSE分别为0.65和1.046 g/（m2∙d），而两者ET的R2和RMSE分别为0.72和0.590 mm/d。

（2）中国草地生态系统WUE具有明显空间差异，大致表现为西北向东南递增的空间格局。这样的变化格局主要来源于总初级生产力GPP的影响。

（3）中国草地生态系统区域平均WUE增加趋势显著，在空间分布上为整体上升，少量下降趋势地区分布在青藏高原东部和内蒙古中部。研究区东部和西部WUE变化趋势分别受ET和GPP的主要引导。

（4）研究区的大部分地区降水和WUE为负相关，气温与WUE为正相关。WUE与太阳辐射的相关性空间分布复杂，负相关区域主要集中在黄土高原和内蒙古中部。研究区大部分地区受到气温与太阳辐射的主要影响。 □