CMIP5多模式下中国不同流域植被动态变化预测

何 刘 鹏，仝 亮

(1.黄河勘测规划设计研究院有限公司，河南 郑州 450003； 2.水利部黄河流域水治理和水安全重点实验室(筹)，河南 郑州 450003)

0 引 言

作为陆地生态系统的重要组成部分[1]，植被在物质、能量和碳平衡以及减少温室气体和保持气候稳定方面有着重要意义[1-3]。近几十年来，由于全球气候变化，各地区的植被均受到影响。众多学者研究了不同生态系统的植被动态变化对气候变化的响应[2，4-6]。Xu等[4]的研究表明在过去的几十年里，植被对气候变化的反应变得非常敏感。植被动态变化的研究对于了解全球气候变化具有重要意义。

随着遥感技术的发展，现在相对于过去更容易获得可用于研究植被作用的数据信息[7]。遥感图像的日益普及和计算机技术的进步，使大规模检验环境现象成为可能[7-9]。Normalized Difference Vegetation Index(NDVI)是基于光谱波段感知植被变化的一种动态的指标[4，7，10]。目前，大多数研究发现，气候变化是影响植被变化的主要因素。Gu等[11]分析了红河流域植被覆盖度对气候因子的响应，不同植被类型对降水和蒸发表现出不同的时空响应。Zhao等[3]分析了2005～2010年亚马逊干旱期植被减少的原因，植被的绿色度下降主要受到降水、辐射和温度的影响。降水和蒸散发作为水文循环的重要组成部分，并决定着土壤-植被-大气系统中水分和能量的输送。

中国地域广阔、植被丰富，有研究表明中国经历了显著的气候变暖[12]，降水时空分布不均匀[13]，西北等干旱半干旱地区呈现暖干化的变化趋势[14]，极端天气和气候事件的发生更加频繁。植被恢复是改善生态环境、控制水土流失最有效的方法之一[4]。植被通过改变土壤结构和土壤生物化学来调节土壤水文动态，区域水文过程将随着植被演替的变化而变化[8]。因此，对植被覆盖度进行监测和预测，对区域生态修复和环境管理具有重要意义。Wang等[15]基于中国南部丘陵地区的降水和气温，采用多元线性回归方法模拟NDVI。但从植物生长发育过程中的水分平衡角度分析，蒸发是主要的输出项，降水是主要的输入项[9，16]。王玉琦等[17]分析了全球气候变化的背景下青藏高原地区植被动态变化。除了气候影响植被动态变化以外，人类活动也是影响未来植被动态变化的重要因素[18]。但人类活动具有较强的区域性，且难以定量评估人类活动的程度和对植被动态的影响程度[19]。目前，鲜有研究以蒸发和降水为主要气象要素预测植被动态变化。因此，本文从水分亏缺角度考虑降水和蒸散发对植被的作用，利用多元线性回归分析构建植被预测模型[20]，结合CMIPS模式下的数据预测和评价中国不同流域的植被动态变化。

1 材料与方法

1.1 研究区域

中国的地形复杂多样，西南至东呈现下降的3层“阶梯”，波动范围较大。拥有许多不同的地貌，如广阔的沙漠、高原、盆地、平原、冰川和河流等[10]。因此，中国具有复杂的气候、水文和植被类型，且各地区的植被变化差异很大[10，21]；不同流域的植被分布特征受气候因素的影响较大，总体上可分为9个流域区[10，21]：松辽河流域(Ⅰ)、海河流域(Ⅱ)、黄河流域(Ⅲ)、淮河流域(Ⅳ)、长江流域(Ⅴ)、东南诸河流域(Ⅵ)、珠江流域(Ⅶ)、西南诸河流域(Ⅷ)和内陆河流域(Ⅸ)(见图1)。

1.2 数据来源

本次研究的历史气象数据由中国气象数据共享服务网提供，时间范围为1982～2015年。数据包含中国826个地面气象站点，逐日数据由气温、降水、风速、气压、相对湿度和日照时数等组成。采用NDVI描述1982～2015年间中国植被覆盖度的动态变化，NDVI数据来自美国航空航天局(NASA)，时空分辨率分别为1个月和8 km×8 km[22]。采用的中国地图边界以标准地图服务系统(http：∥bzdt.ch.mnr.gov.cn/)下载的模板(审图号：GS (2021) 5447号)为依据。

国际耦合模式比较计划(CMIP)是世界各地多个研究机构共同开发的耦合海洋大气环流模式，该计划定量模拟未来不同温室气体排放情景下的全球气候变化情况[23-24]。本次研究的未来气候变化资料采用IPCC第五次会议提供的CMIP5模式[25-26]。IPCC在2013年公布了4种排放模式(RCP 2.6，RCP 4.5，RCP 6.0 和 RCP 8.5)[15]。RCP 2.6情景是指在2100年前辐射强迫达到峰值，到2100年下降至2.6 W/m2，全球平均温度上升限制在2.0 ℃之内；RCP 4.5，RCP 6.0和RCP 8.5情景则分别指辐射强迫稳定在4.5，6.0 W/m2和8.5 W/m2水平。自从CMIP5资料公布以来，辐射强迫水平很少低至RCP 2.6模式的水平，且考虑到中国相对较高的气溶胶排放水平[15]，因此未来的气象数据只考虑中等排放情景的RCP 4.5和较高的RCP 8.5情景。表1提供了本次研究中使用的CMIP5全球气候模式。利用Liu等[6]提出的降尺度方法处理气象数据，获得与NDVI相同的8 km×8 km分辨率。为了获取可靠和稳定的未来气候变量，利用多模式集合平均值评估未来变化。

表1 本研究应用的CMIP5模式Tab.1 The CMIP5 model applying in this study

1.3 参考作物蒸散量

参考作物蒸散量计算公式[27]为

(1)

式中：PET为参考作物蒸散量，mm/d；Rn为太阳净辐射，MJ/(m2·d)；G为土壤热通量，MJ/(m2·d)；Δ为饱和水汽压-温度曲线斜率，kPa/℃；γ为湿度计常数，kPa/℃；es为饱和水汽压，kPa；ea为实际水汽压，kPa；T为高度2 m处的平均气温，℃；u2为高度2 m处的风速，m/s。

1.4 多元线性回归模型

基于多元线性回归模型构建NDVI预测方程，从植物生长发育过程中的水分平衡角度分析，参考作物蒸散量PET是主要的输出项，降水P是主要的输入项。每个网格的NDVI值可表示为降水量和蒸散发量的函数[4]。因此，本研究将基准期1982～2015年的NDVI值作为因变量，基准期1982～2015年的P和PET作为自变量，进而构建预测未来NDVI 的多元回归方程[16，18，28]。计算采用95%显著性水平下的回归方程。

NDVI=a·PET+b·P+c

(2)

式中：a和b为多元回归方程系数；c为常数；PET为某一季节的蒸散发量；P为某一季节的降水量。

1.5 模型预测结果评估

以历史基准期1982～2005年的春季、夏季、秋季和生长季中的NDVI、P和PET数据，训练多元回归模型，以2006～2015年的实际NDVI与预测NDVI误差比较，应用NRMSE和R2评估多元回归模型的预测结果的准确度[20]。Zeng等[20]的研究误差评判标准为：当NRMSE小于25%且R2大于0.6，该模型模拟结果较为可靠。

1.6 相关性分析

采用相关性分析评估不同流域的植被动态变化的驱动因素。通过Pearson相关系数[29]分别逐栅格计算1982～2015年的不同流域的年尺度植被动态和气象要素(降水和气温)的相关程度，并进行显著性检验(p>0.05)。将不同流域内，所有通过显著性检验的栅格的相关系数均值作为气象要素对植被的影响程度。

(3)

2 结果与讨论

2.1 模型模拟结果误差

由图2可以看出，中国大部分的区域满足NRMSE小于25%且R2大于0.6的判定标准。经统计得出，春季、夏季、秋季和生长季的误差符合模型准确性检验判定标准区域的面积占总面积的比例分别为93.16%，95.00%，93.97%和97.66%。因此，可以说明利用P和PET构建的多元回归模型能够较好的模拟NDVI。由NRMSE的空间分布可以看出，中国大部分地区的NRMSE小于25%。不同季节NRMSE较高的区域主要集中在黄土高原、内蒙古高原东部(黄河流域)、华北平原中部和准噶尔盆地；R2的空间分布可以看出，中国大部分地区的R2大于0.6。不同季节R2较高的区域主要集中在黄土高原和内蒙古高原东部(黄河流域)。黄土高原和内蒙古高原东部区域误差较高的原因可能是该地区自然条件比较恶劣，植被对干旱抵抗能力较强，对水分变化敏感性差[5]进而导致多元回归模型模拟结果的误差较大。同时该地区人类活动对植被的影响[30]，也可能影响模型在该地区的准确度。总体来说，将降水和蒸散发与NDVI结合，在每个格点上构建多元回归模型，能够较好预测中国各季节的植被动态。

2.2 未来植被动态变化

根据1.1节的研究结果，在构建的多元线性回归方程的基础上，结合CMIP5提供的气候模式，预测2020～2100年的植被动态变化，以便更好地分析植被未来动态变化与基准期内植被的差别。图3～4表示的是RCP 4.5和RCP 8.5情景下两个研究时段内(2021～2060年和2061～2100年)春季(3～5月)、夏季(6～8月)、秋季(9～11月)和生长季(3～10月)的NDVI与基准期的差异。

由图3～4可以看出：在RCP 4.5情景下，未来春季(中国西北地区)、夏季、秋季和生长季的NDVI均增加；在RCP 8.5情景下，未来中国不同季节的NDVI整体上均增加。因此可知，在RCP 4.5和8.5情景下，未来中国不同季节的NDVI总体上均增加。

在RCP 4.5情景下，2020～2060年和2061～2100年的春季，中国大部分地区NDVI均增加，增加面积占总面积比例分别为63.67%和81.15%，但中国东北部和东南部大部分地区植被发生退化，主要发生在松嫩流域、淮河流域、长江流域东部和珠江流域。在RCP 8.5情景下，2061～2100年的春季，东北和长江以南部分地区的NDVI降低，降低面积占总面积的比例为8.89%。Wang等[31]和Su等[25]发现未来春季的长江流域干旱频率增加，需要增加灌溉量保持作物产量；由此可以推测未来长江流域春季的水分亏缺程度增大，植被生长受影响。在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的春季，NDVI显著增加(NDVI 差值大于0.15)的地区集中分布在青藏高原的东部，其中RCP 4.5 情景下显著增加面积占总面积比例分别为1.81%和2.27%，而RCP 8.5情景下分别为12.44%和26.79%；在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的夏季，NDVI显著增加的地区集中分布在青藏高原的东部，在RCP 4.5情景下显著增加面积占总面积比例分别为12.16%和19.52%，在RCP 8.5情景下分别为12.45%和26.79%；在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的秋季，NDVI显著增加的地区集中分布在青藏高原的东部地区，在RCP 4.5情景下显著增加面积占总面积比例分别为22.68%和29.51%，在RCP 8.5情景下分别为23.28%和37.48%；在RCP 4.5和8.5情景下，2020～2060年和2061～2100年的生长季，NDVI显著增加的地区集中分布在青藏高原的东部，在RCP 4.5情景下显著增加面积占总面积比例分别为7.29%和10.80%，在RCP 8.5情景下分别为7.51%和15.24%。

由此可知，RCP 8.5情景下的不同季节NDVI显著增加的面积均高于RCP 4.5情景，说明在RCP 8.5情景下的水分条件可能更利于植被的生长。在RCP 4.5和8.5情景下，NDVI显著增加的面积从大到小依次为秋季、夏季、生长季和春季，说明未来秋季和夏季的水分条件可能比其他季节更利于植被的生长。但是在不同RCP情景下，中国东北部和东南部植被覆盖在春季出现退化和较少，因此未来春季的水分条件限制了植被生长，未来应当多关注中国东部的春季植被变化。

在RCP 4.5和8.5情景下，2020～2060年的松辽河流域、海河流域、黄河流域、淮河流域、长江流域、东南诸河流域和珠江流域的NDVI增量主要分布在0.05～0.10 之间，西南诸河和内陆河流域的NDVI增量主要分布分别在0.10～0.17和0.00～0.05之间(见图5)。在RCP 4.5情景下，2061～2100年的松辽河、海河、黄河、淮河、东南诸河流域和珠江流域的NDVI增量主要分布在0.05～0.10之间，长江、西南诸河和内陆河流域的NDVI增量主要分布分别在0.07～0.13，0.11～0.17和0.02～0.05之间；在RCP 8.5情景下2061～2100年的松辽河、海河、黄河、淮河、长江流域、东南诸河和珠江流域的NDVI增量主要分布在0.07～0.15之间，西南诸河和内陆河的NDVI增量主要分布分别在0.12～0.20和0.00～0.05之间。因此，在RCP 4.5和8.5情景，不同流域生长季的NDVI均呈现显著增加的趋势，在2020～2100年RCP 8.5情景的NDVI的增长趋势基本保持一致；RCP 4.5情景的NDVI增长程度在2020～2060年与RCP 8.5基本一致，但在2061～2100年的NDVI增长程度放缓且小于RCP 8.5的增长程度。在不同流域中，西南诸河的NDVI增长程度最大，内陆河的增长程度最小。Su等[25]的研究表明未来中国地区干旱程度呈现增加趋势；但Ding等[21]和Xu等[4]的研究表明，中国西北的植被对干旱变化的敏感程度较低。因此，可以推测内陆河的植被动态变化受气候和水分条件变化的影响程度较小。

2.3 局限性

从图6可以看出，在海河流域、黄河流域、东南诸河和内陆河流域，气温和降水均为植被动态变化的主要驱动因素(相关系数的绝对值大于0.3)。在松辽河流域、淮河流域、长江流域、珠江流域和西南诸河流域，气温为植被动态变化的主要驱动因素。因此，在不同流域气温对植被均有较大程度的影响。本文基于水量平衡原理，只考虑潜在蒸发量对植被动态的影响[32]，而气温变化影响潜在蒸发量的变化[27]。Luo等[33]的研究表明气温的变化同样会影响到植被的物候特征。因此，本研究只从侧面考虑到气温对植被动态影响，未充分考虑气温的直接影响。

尽管本次研究旨在分析全球变暖的不同RCP情景下，中国水量条件变化对植被动态的影响。但本研究未充分考虑人类活动、新能源发展和国家政策等要素的变化对未来植被变化的影响[18，34]。Shi等[30]的研究发现在黄河流域和长江流域西部地区，人类活动对植被的影响程度较高。由于本研究主要基于未来气候变化预测植被动态变化，因此黄河流域和长江流域西部地区预测的植被动态可能与未来的实际动态存在差异。本研究基于有限的条件对未来植被动态预测的结果可能与实际存在偏差，具有一定的局限性。而本次研究的意义在于基于未来长时间植被动态预测的结果为中国生态建设规划提供启示的作用。

3 结 论

本文以过去34 a中国的植被变化趋势为基础，从水分亏缺的角度，利用多元回归模型构建了植被预测模型，然后结合CMIP5提供的两种情景，预测了中国未来的植被动态变化。

不同温室气体排放情景下，未来植被覆盖度均增加，但RCP 8.5情景植被覆盖增加程度高于RCP 4.5情景。在RCP 4.5情景下，未来春季、夏季、秋季和生长季的NDVI平均增量分别为0.02，0.09，0.11和0.07；在RCP 8.5情景下，未来春季、夏季、秋季和生长季的NDVI平均增量分别为0.06，0.09，0.12和0.08。

未来RCP 8.5情景下，不同流域生长季的NDVI均保持相同的增长趋势，但在RCP 4.5情景下的增长趋势普遍在2060年后降低。未来中国不同流域的植被覆盖均出现增长；在RCP 4.5情节下，未来生长季的松辽河流域、海河流域、黄河流域、淮河流域、长江流域、东南诸河、珠江流域、西南诸河和内陆河的NDVI平均增量分别为0.08，0.07，0.08，0.07，0.10，0.08，0.07，0.14和0.03；在RCP 8.5情节下，未来生长季不同流域的NDVI平均增量分别为0.09，0.08，0.09，0.11，0.09，0.07，0.15和0.04；未来西南诸河的水分条件较适宜植被生长，植被覆盖程度显著增加；而未来内陆河的水分条件下，植被覆盖增长较小。

综上，除春季中国东部的部分地区外，未来情景下的中国植被覆盖程度相比过去来说是有所改善。未来中国不同流域植被的生境条件良好，西南诸河流域的植被覆盖程度显著增加。RCP 8.5情景的水分条件比RCP 4.5情景更有利于中国植被生长。