干旱对中亚草地总初级生产力时滞和累积效应的影响评估

陆建涛,彭 建,李刚勇,关靖云,4,韩万强,刘 亮,王仁军,郑江华,*

1 新疆大学地理与遥感科学学院,乌鲁木齐 830046

2 新疆大学绿洲生态重点实验室,乌鲁木齐 830046

3 新疆维吾尔自治区草原总站,乌鲁木齐 830049

4 新疆财经大学旅游学院,乌鲁木齐 830012

政府间气候变化专门委员会(IPCC)第六次评估报告指出,自工业时代以来,人类活动排放的大量温室气体使全球气候变暖[1]。随着全球变暖加剧,干旱事件的频率和强度持续增加,其影响范围也在扩大[2]。干旱作为一种复杂而渐进的自然现象,是世界上最常见的自然灾害之一,具有持续时间长、传播范围广的特点[3]。在陆地生态环境脆弱的干旱和半干旱地区,干旱对区域生态环境的影响尤为严重[4]。草地作为生态系统的重要组成部分,在全球碳循环研究中发挥着重要作用[5]。因此,研究干旱-草地两者间的关系具有重要的现实意义和科学价值,能够为草地应对未来气候变化响应及对碳循环的影响分析提供依据。

干旱指数通常用来量化干旱程度,目前,多种干旱指数被学者们相继提出,包括帕默尔干旱指数(PDSI)[6]、标准化降水指数(SPI)[7]和标准化降水蒸散指数(SPEI)[8]等。在众多干旱指数中,SPEI 综合考虑了降水和潜在蒸散变化对干旱的影响,Vicente-Serrano等[9]比较了PDSI、SPI 和SPEI 在全球范围内的农业、水文和生态干旱监测,结果表明,SPEI 是捕获干旱对农业、水文和生态变量影响的最佳干旱指数。

一般而言,时间滞后效应是指特定时间点先前气候因素对当前植被生长的间接影响[10];时间累积效应定义为先前气候因素持续一段时间对当前植被生长的长期和累积间接影响,累积效应是基于时滞效应并加深时滞效应,因为它还考虑了气候因素在不同的前期对当前植被生长的不同影响[11]。目前,关于干旱时滞效应和累积效应对植被生长状况的影响国内外学者进行了大量研究,顾锡玲等[12]利用多时间尺度的SPEI和归一化植被指数(NDVI)时序数据,发现1982—2015年间内蒙古大部分地区植被生长状况与干旱的累积和时滞作用呈正相关关系;Zhao等[13]研究指出干旱时滞效应影响了黄土高原一半的草地,并且当地草地生长受到干旱累积效应的广泛影响;Peng等[14]研究发现北半球干旱对秋季叶片衰老有很强的累积和滞后效应,并且随着干旱程度加重,累积和滞后效应更强。综合相关研究发现,植被NDVI对干旱的响应滞后且具有累积效应,NDVI是基于反射率的植被指数,反映植被绿色度,虽然它可以用来检测植被的生长状态,但不能直接反映实际的植被生产力[15]。总初级生产力(GPP)是陆地生态系统碳循环的关键参数[16],可以直接反映实际的植被光合作用,并且比植被指数对干旱更敏感[17],但目前在区域或全球范围内研究干旱对植被GPP的时滞和累积影响还有不足。

中亚五国及中国新疆地区地处亚欧大陆腹地,区域降水稀少、极端干旱、水资源分布不均[18],生态环境相对脆弱,中亚五国已经成为亚洲乃至世界生态环境恶化最严重的地区之一[19]。草地作为陆地生态系统中最重要的组成部分之一,是畜牧业的生产资料和经营对象,在中亚土地利用类型中占有绝对优势[20],对于维护全球碳循环、区域生态安全和社会稳定发挥着关键作用[21]。基于以上研究结果,有必要系统地评估干旱对中亚草地GPP的滞后和累积影响,为缓解干旱对草地生产力的影响提供重要信息。

相对于湿润地区,干旱地区的草地GPP和SPEI相关性较高,表明干旱地区草地生长更受以往干旱的制约[22]。通过文献归纳,目前,干旱对中亚干旱半干旱地区草原植被总初级生产力的时滞和累积效应是怎样的?这个科学问题还未得到充分解答。本研究利用时间序列NIRv-GPP数据和SPEI数据评估干旱对中亚草地生长的时滞和累积效应,具体研究如下:评估干旱对中亚草地GPP的时滞和累积效应,了解这些影响如何随水平衡梯度变化;并探究干旱对中亚草地GPP的主要影响是时滞效应还是累积效应。其结果有助于在气候变化背景下深刻理解区域生态环境变化特征及碳循环机制,对于维护中亚地区生态服务功能、保障区域生态安全具有重要参考意义。

1 材料与方法

1.1 研究区概况

中亚处于亚欧大陆腹地(46°24′—97°06′E,33°48′—55°48′N),是北半球温带、暖温带面积最大的干旱区。中亚地区幅员辽阔,地形复杂多样,跨越天山山脉,中部和西部是图兰平原和里海沿海平原,北部是哈萨克斯坦丘陵,南部是克孜勒库姆沙漠、卡拉库姆沙漠和塔克拉玛干沙漠。中亚气候特点主要是年均降水相对稀少,不同地域的年均降水量相差大,荒漠地区年降水量通常小于100mm,而山区年降水量可达1000mm;日照充足,气温日较差很大,从多年平均气温分布来看,西部和南部较高[18]。中亚植被类型以林地、草地和耕地为主,其中草地分布最广泛,面积也相对较大(图1)。

图1 研究区示意图

1.2 数据来源及处理

1.2.1NIRv-GPP数据集

本研究使用新发布的基于近红外反射(NIRv)的全球GPP数据集[23—24],在分析NIRv作为日光诱导叶绿素荧光(SIF)和GPP探针可行性的基础上,该数据集利用长时间序列的遥感AVHRR数据和数百个全球通量站观测数据获得了全球高分辨率长时间序列(1982—2018年)GPP数据,以下简称NIRv-GPP。NIRv-GPP的空间分辨率为0.05°。最近的研究表明了NIRv-GPP的优越性[25—26],该数据集可从国家青藏高原数据中心下载(http://data.tpdc.ac.cn/)。为有效表达干旱与草地总初级生产力的关系,本研究选择生长季(4—10月)分析干旱对草地GPP的影响。

1.2.2SPEI base v.2.7

全球SPEI数据库SPEI base(https://spei.csic.es/database.html)涵盖了全球尺度的干旱状况,SPEI数据集时间尺度为1—48个月,空间分辨率为0.5°。在本研究中,SPEI数据集用于量化干旱的严重程度和持续时间,代表了与平均气候水平衡的偏差,它具有多个尺度的特点,能够确定不同时间尺度的干旱[8]。同时,SPEI数据集在评估干旱对植被生长和GPP的影响方面表现良好[27—28]。已有学者基于SPEI数据集对中亚地区的干旱时空趋势进行了分析,评估了中亚地区干旱变化情况[29],表明SPEI数据集能有效表达中亚地区的干旱特征。为了匹配GPP数据的时间范围和空间分辨率,从1982—2018年选择了1—12个月尺度的SPEI数据集,并将SPEI数据插值至0.05°的空间分辨率。

1.2.3植被覆盖数据

植被覆盖数据来自两个数据集,即即全球动态土地覆盖数据产品(GLASS-GLC)(空间分辨率为0.05°,时间尺度为1982—2015年)和中分辨率成像光谱仪(MODIS)陆地覆盖类型产品(MCD12C1)(空间分辨率为0.05°,时间尺度为2000—2018年)。为了尽可能避免植被类型变化造成的干扰,利用ArcGIS软件分析土地利用变化,生成1982—2018年间土地覆盖类型不变的草地区域(图1),并对其进行分析。GLASS-GLC和MCD12C1分别从地球与环境科学数据发布者(https://doi.pangaea.de/)和美国国家航空航天局(NASA)(https://ladsweb.modaps.eosdis.nasa.gov/)下载。

1.3 研究方法

1.3.1趋势与突变分析

Sen斜率和Mann-Kendall显著性检验用于计算1982—2018年中亚草地GPP和干旱变化的总体趋势,Mann-Kendall突变检验用于分析草地GPP和旱情的变化趋势。

Sen趋势度计算公式如下:

(1)

式中,xi和xj表示时间序列数据,Median表示序列的中位数,β>0表示序列上升;β<0代表序列下降趋势。

Mann-Kendall显著性检验方法如下:

(2)

(3)

根据S标准化检验统计量Z:

(4)

当Z的绝对值大于1.64和2.32时,意味着分别以95%和99%的置信度通过显著性检验。Mann-Kendall突变检测属于非参数统计检验方法,易于计算,可以确定突变开始的时间点,并指出相应的突变时间段区域,对于具有n个样本的时间序列x,首先构造秩序列[30]。

(5)

其中:

(6)

假设时间序列是随机和独立的,定义统计数据:

(7)

式中,UF1=0,E(sk),var(sk)是累计数sk的均值和方差,当x1,x2,…,xn相互独立,且相同连续分布时,则:

(8)

(9)

按时间序列逆序xn,xn-1,…,x1重复上述过程,同时使UBk=-UFk,k=n,n-1,…,1,UB1=0。

在本文中,对应于0.05水平测试的正负1.96为临界值。如果两条曲线相交且交点位于临界线之间,则对应于交点的时间为突变开始的时间,超过临界值的范围被确定为突变发生的时间区域。

1.3.2干旱对GPP的时滞效应

Pearson相关系数(R)用于研究干旱对草地GPP的滞后效应大小和时间尺度[13—14],范围从-1到1,表征从负相关到正相关。首先,为了确保相关结果的可比性,本文选择1982—2018年中亚草地区域生长季逐月NIRv-GPP和1个月尺度SPEI,每月GPP与当月之前的前i个月的1个月SPEI相结合,形成一个系列(1 ≤i≤ 12),然后,计算滞后时间尺度为i个月的R,并为每个像素获得12个相关系数(公式(10))。例如,滞后尺度为3个月,可通过1982—2018年1—7月的逐月SPEI-01数据与1982—2018年生长季(4—10月)逐月GPP进行相关性分析,以此类推至滞后12个月。

最后,选择最大相关系数Rmax_lag,并将相应的滞后月份视为像素的滞后效应大小和时间尺度(公式(11)), 当月GPP和1个月SPEI之间的Rmax_lag滞后发生在4月时,则草地GPP对干旱的滞后响应时间尺度记录为4个月,意味着4个月前的干旱条件对草地GPP的变化有着关键影响。

Ri=corr(GPP,SPEIi)1≤i≤12

(10)

Rmax _lag=max(Ri)1≤i≤12

(11)

式中,GPP表示i个月滞后时1982—2018年的每月NIRv-GPP时间序列,SPEIi是滞后i个月的1个月SPEI时间序列,Ri是滞后i个月的皮尔森相关系数。

1.3.3干旱对GPP的累积效应

为了评估干旱对草地GPP的累积影响,通过月度GPP与累积SPEI之间的Pearson相关系数,获得了对应于最大相关的SPEI时间尺度[13—14]。与仅使用SPEI-01的滞后效应不同,需要1—12个月的SPEI来计算累积效应。因此,使用1982—2018年期间1—12个月SPEI数据集和NIRv-GPP中草地区域的像素值来确定相关性。

首先,将GPP时间序列与m个月尺度的SPEI时间序列相关联(1≤m≤ 12) 并计算出R(公式(12))。然后,将与GPP具有最大相关性的Rmax_cum的SPEI累积月数视为累积效应的时间尺度(公式(13)),并将Rmax_cum确定为累积效应量。例如,如果每月GPP与3个月SPEI的相关性最大,则累积效应的时间尺度记录为3个月,表明当前月之前累积的3个月干旱条件对植被光合作用的影响最大。

Rm=corr(GPP,mSPEI)1≤m≤12

(12)

Rmax _cum=max(Rm)1≤m≤12

(13)

式中,m是SPEI的累积时间尺度,mSPEI是具有m个累积月的SPEI时间序列,Rm是GPP和mSPEI之间的皮尔森相关系数。

同时,选择1982—2018年的年SPEI(SPEI-12)作为年平均水平衡条件,分析滞后和累积效应如何随不同水分条件而变化。根据年平均SPEI,以0.05的等间隔确定水平衡梯度,然后,分别使用滞后和累积效应的R均值及对应月数,与沿水平衡梯度的年平均SPEI进行回归分析。

2 结果与分析

2.1 草地总初级生产力及干旱的时空变化特征

Mann-Kendall突变检验用于探究1982—2018年中亚草地GPP和干旱的变化。由图2可知,中亚地区草地GPP年平均值以0.6553/a速率呈下降趋势,表明从1982—2018年中亚地区草地呈现退化趋势。UF与UB曲线有三个交点但均未通过显著性检验,因此未变成突变点。SPEI年平均值以0.0208/a速率呈降低的变化趋势(图2),说明中亚草地区域总体上变得干燥,根据UF和UB曲线可知,1989年前后和1994年形成突变,但未通过0.05的显著性检验。在1990—1993年间,年均SPEI呈现出明显的上升趋势,表明该时间段内中亚地区相对湿润。

图2 1982—2018年GPP与SPEI变化趋势与突变结果

通过Sen斜率结合Mann-Kendall显著性检验评估1982—2018年中亚草地GPP和干旱空间趋势变化特征。由图3可知,1982—2018年研究区大部分地区的年GPP呈下降趋势,面积占比为60.57%。其中,极显著(P<0.01),显著(P<0.05)减少的区域分别占比14.16%,9.83%,主要分布在哈萨克斯坦的东北和西部地区,南部与中国新疆和吉尔吉斯斯坦接壤处也有一定分布。GPP呈上升趋势的主要分布在哈萨克斯坦北部,另外,在中国新疆北部主要沿天山、阿尔泰山,中亚南部的吉尔吉斯斯坦和塔吉克斯坦等地草地GPP也呈增加趋势。就干旱而言(图3),中亚草地覆盖的绝大部分地区呈变干趋势,面积占比为93.76%,其中显著变干的区域可达51.53%,主要分布在哈萨克斯坦。变湿的区域主要分布在我国新疆北部,面积占比相对较小。

图3 1982—2018年中亚地区草地GPP、SPEI变化趋势的空间分布图

2.2 干旱对草地GPP的滞后效应

2.2.1不同滞后尺度下草地GPP对干旱的响应

由图4可知,正相关系数等级的面积百分比在滞后时间尺度上存在不同。对于整个滞后时间尺度,相关系数主要在0.1—0.15的范围内,面积百分比为72.5%,大于0.2的Rmax_lag极为少见(0.62%)。相应地,草地GPP和平均正相关系数在滞后时间尺度上明显变化(图4)。3个月滞后的相关系数最大(R=0.09,P<0.05),其次是2个月滞后(R=0.088,P<0.05)和4个月滞后(R=0.075,P<0.05),这与Rmax_lag的面积百分比变化总体一致。

图4 滞后效应的正相关变化

2.2.2干旱对草地GPP滞后效应的空间分布

通过GPP与1个月尺度SPEI(SPEI-01)进行相关性分析,得到干旱对草地GPP的滞后效应最大相关系数(Rmax_lag)与滞后月数。由图5所示,中亚绝大部分地区草地GPP与滞后SPEI呈正相关(95.3%),负相关及不相关区域分别占比仅为0.3%和4.4%,其中通过0.05水平显著性检验的面积占比43.6%。最大相关系数(Rmax_lag)较高的区域主要分布在哈萨克斯坦的中部和北部地区,中国新疆天山和阿尔泰山也有一定分布。在具有时滞效应的区域中,约69.23%的草地对干旱保持了1—4个月的时滞响应,其中2—3个月的时滞占据了大部分区域(30.58%和17.89%,图5)。

图5 1982—2018年干旱滞后效应的空间分布

2.2.3干旱对不同水分条件下草地GPP的时滞效应

如图6所示,年平均SPEI与滞后月数之间存在负相关(R2=0.8087)。随着年平均SPEI的增加,干旱对GPP的滞后月数减少,表明当区域干旱状况加重时,干旱对草地GPP的影响通常有较长时间的滞后作用。滞后相关系数均值与年平均SPEI呈正相关(R2=0.4778)(图6),表明干旱滞后效应对相对干旱地区草地的影响较弱。

图6 时滞效应与年平均SPEI关系

2.3 干旱对草地GPP的累积效应

2.3.1不同累积尺度下草地GPP对干旱的响应

由图7可知,在不同的累积时间尺度下,正相关系数等级的面积百分比和平均值明显不同。在整个累积时间尺度上,相关系数主要在0.1—0.15范围内,面积百分比为61.9%,其中4个月尺度面积占比最大为16.82%,其次是5个月(15.04%)和3个月(12.68%),1个月占比最小(1.15%)。草地GPP和SPEI平均相关系数在累积时间尺度上变化明显,最大值出现在4个月时间尺度(R=0.066,P<0.05),最小值为1个月尺度(R=0.026,P<0.05)。结合面积百分比和正相关系数均值可知(图7),随着累积月数增加,草地GPP和SPEI相关系数及其面积占比变化趋势一致。

图7 累积效应的正相关变化

2.3.2干旱对草地GPP累积效应的空间分布

通过对不同尺度累积SPEI与GPP的相关分析,得到累积效应的最大相关系数(Rmax_cum)和累积月数。由图8可知,累积SPEI与GPP呈正相关区域占总面积的90.7%,负相关及不相关区域分别占比5.1%和4.2%,其中通过0.05水平显著性检验的区域面积占比21.6%。Rmax_cum在哈萨克斯坦中部和北部地区相对较高;负相关区域主要分布在哈萨克斯坦东南部、吉尔吉斯斯坦、中国新疆天山和阿尔泰山等高海拔草甸区。由于高寒草地生长受低温影响[31],随着干旱状况减轻,草地生长仍会受到影响,因此与SPEI相关性较弱或呈负相关。在具有累积效应的区域中(图8),4个月尺度的累积占比最大(22.6%),其次是5个月(12.86%)和10个月(11.9%)的累积占据较大比例。哈萨克斯坦北部累积月数相对较大,可达9—12个月,这表明,当地草原对干旱的敏感性相对较低,需要长时间的干旱才能对草原产生影响。

图8 1982—2018年干旱累积效应的空间分布

2.3.3干旱对不同水分条件下草地GPP的累积效应

图9显示了年平均SPEI与相应的累积月份和累积正相关系数平均值之间的关系。累积月份与年平均SPEI之间的相关性为正(R2=0.3642),随着年平均SPEI值的增加,累积效应的时间尺度不断变长,说明在水分状况较好地区(即年平均SPEI较高),干旱对草地GPP具有更长时间的累积效应。同时,累积正相关系数均值和年平均SPEI之间相关性为负(R2=0.284),表明干旱地区的草地GPP通常经历了更强的干旱累积效应。

图9 累积效应与年平均SPEI关系

2.4 干旱对中亚草地GPP的时滞效应和累积效应对比

利用最大滞后相关系数(Rmax_lag)和最大累积相关系数(Rmax_cum)之间的差异(ΔRmax=Rmax_lag-Rmax_cum)来探讨干旱对中亚草地GPP的主要影响。由图10可知,在超过四分之三(76.84%)的地区,干旱的滞后效应大于累积效应。此外,以滞后效应为主的区域平均ΔRmax为0.038,而累积效应相对应的区域平均ΔRmax为-0.005。从面积百分比来看,ΔRmax在范围0—0.05内占比最大(46.05%),其次是0.05—0.10(24.29%)和-0.05—0(20.92%)。滞后效应强于累积效应的区域(ΔRmax>0)主要分布在哈萨克斯坦北部和中国新疆地区;而累积效应占主导的区域主要分布在哈萨克斯坦中部的图兰平原以及东部与中国新疆接壤地区。

图10 滞后效应和累积效应之间最大相关系数的比较

3 讨论

本研究表明,干旱对中亚草地GPP存在广泛的时滞和累积效应,这说明早期水分条件在很大程度上影响了当前的草地植被生长。干旱对大部分草地(95.6%)具有滞后影响,滞后月份主要集中在较短的时间尺度上,大多数草原植被(69.23%)有一到四个月的时间滞后于干旱,两个月的干旱滞后对草地GPP的影响最大,这意味着草地活动对干旱的反应较快。已有研究证明:降水是控制中亚草地生产力变化的主要气候因子[32],主要通过改变土壤水分条件进而调控生态系统的结构和功能[33]。中亚地区内陆平原大部分属于两种气候类型,即中亚北部受西风带控制形成西风带气候,降水少,季节分布比较均匀;中亚中南部属于准地中海气候区,水-热季节配置反位向,降水集中在冷季,低温多雨,暖季高温少雨[34]。因此,在干旱、半干旱的中亚地区,降水尤其是降水的季节分配严格限制了草地植被生长,使得这些地区的草地GPP对干旱的响应通常滞后两到三个月。这可能是由于草地植被的内在生理机制,使得这些地区的草地植被物种能够忍受更长时间的缺水,之前的研究也发现了类似的结果[11,35]。

累积效应对于分析干旱对草地GPP的影响至关重要,一般而言,水分胁迫对植被生长的负面影响会持续一段时间[36]。累积效应则正好反映了干旱从干旱开始到结束的一段时间内对植被生长的持续影响[11],从而全面考虑了草地GPP与干旱之间的相互作用。中亚大部分草地(95.8%)GPP对干旱具有累积响应,累积月份集中在较长时间尺度上,主要是四个月尺度,其次是五个月和十个月尺度累积。这可能与干旱程度和持续时间有关,中亚地区年降水量不足且季节循环中降水与气温位相配置不当[34],不能满足地表草地植被生长期的水分需求,因此草地对长期和高强度干旱具有一定的适应性,此外,不同草原物种对干旱的敏感性存在差异[37],而在大陆性气候特征显著的中亚区域,草原物种多样,使得草地对干旱的累积响应时间更长。

通过评估不同水分条件下干旱对草地的时滞与累积效应发现,随着干旱状况加重,干旱对草地的滞后效应时间相对较长,但影响强度减小;干旱对草地的累积效应持续时间更短,但强度较大。这主要是因为在相对干旱的区域,草地对长期高强度干旱具有更强适应性,所以干旱会对草地GPP产生长时间但强度不大的影响。同时,GPP和SPEI之间的相关性表明了干旱对植被生长的影响,通过滞后效应和累积效应相关系数的对比发现,在超过四分之三(76.84%)的地区,干旱对草地GPP的滞后效应大于累积效应,说明在中亚大部分地区,由于草原植被的内在生理机制,使其能够适应更长时间的水分不足。因此,在未来研究干旱对植被的影响时,必须密切关注时滞效应,以便更好地揭示气候与草地间的相互作用;同时可以考虑将干旱时滞效应纳入草地生产模型,利于进一步评估干旱对草地生态系统的损害,对维持草地生态系统的稳定发展具有重要价值。

本研究仍存在一些局限性,在评估干旱对草地GPP影响的过程中,数据集和分析方法的选择可能会导致结果存在不确定性。首先,NIRv-GPP 数据集尽管被证明是高度可靠的,但基于单个GPP数据集分析植被对干旱的响应的结果或多或少是不确定的[38]。其次,SPEI代表气象干旱,并不能完全表示土壤水分亏缺的变化[39],需要进一步考虑不同环境因素之间复杂的相互作用如何影响植被生长。此外,采用相关分析方法评估草地植被与干旱的关系可能是不够的,由于干旱和草地生长直接复杂的相互作用,他们之间的关系可能是非线性的,在未来的研究中,可以通过采用多个干旱指标,在GPP和SPEI之间建立多个模型,如回归模型和分段模型等。最后,本研究仅考虑草地对干旱的响应,而其他非气候因素如自然干扰(野火、植物病虫害)的影响,以及人类活动(放牧、生态恢复计划等)也会对草地植被生长产生不可忽视的影响[40—41],因此,全面了解草地如何应对不同类型的干扰,对于有效管理草地植被至关重要。

4 结论

本文研究了1982—2018年中亚草地GPP及干旱的时空变化特征;评估了干旱对中亚草地GPP的时滞和累积效应,并了解这些影响如何随水平衡梯度变化;同时探究了干旱对中亚草地GPP的主要影响是时滞效应还是累积效应。得到如下结论:

(1)1982—2018年中亚草地GPP年平均值以0.6553/a速率呈下降趋势,整体上草地出现退化现象;SPEI年平均值以0.0208/a速率呈降低趋势,说明中亚地区总体上变得干燥。

(2)干旱对中亚绝大多数草地(95.6%)产生了滞后效应,滞后时间尺度集中在2—3个月,说明植被活动对干旱的反应较快,随着干旱状况的加重,干旱对草地的时滞效应时间相对较长,但影响强度减小。

(3)中亚绝大多数草地(95.8%)对干旱存在累积响应,累积时间尺度以4、5、10月为主,这表明,草地对干旱的敏感性相对较低,需要较长时间的干旱才能对草地产生影响,随着干旱状况的加重,干旱对草地的累积效应时间相对较短,但影响强度较大。

(4)中亚超过四分之三(76.84%)的地区,干旱对草地GPP的滞后效应大于累积效应。因此,在评估干旱对草地生长和碳循环影响时,需要更加关注时滞效应对草地的影响,在构建模型时予以考虑,以便精准分析。

致谢：感谢自治区级产学研联合培养研究生基地——新疆草原总站提供资料与实验平台。