气候变化对内蒙古温带草原生态系统碳、水通量及水分利用效率的影响

韩再惠，陈 燕，吴志俊，任 黎，苗 平，马红丽

(1.内蒙古自治区鄂尔多斯市杭锦旗水利事业发展中心，内蒙古 鄂尔多斯 017400；2.河海大学水文水资源学院，江苏 南京 210024；3.内蒙古自治区鄂尔多斯市河湖保护中心，内蒙古 鄂尔多斯 017400)

1 概述

水分利用效率(WUE)是生态系统总初级生产力(GPP)与总蒸散发(ET)的比值，被定义为植物单位耗水量所生产的有机质总量或净产量，反映碳水循环规律及相互作用关系[1]。根据Piao等[2]研究发现，生态系统碳水循环规律随气候变化发生巨大的改变，因此气候变化如何影响生态系统碳、水通量及水分利用效率过程引起了国内外研究者的广泛关注，特别是在生态系统较为脆弱的半干旱地区。由于GPP、ET和WUE的估算是研究气候变化对生态系统碳、水通量及水分利用效率过程演化影响的基础，许多研究者对GPP、ET和WUE的估算做出了贡献[3]。目前，对GPP、ET和WUE的估计主要有3种方法，即现场测量、统计模型和机制模型。野外测量是估算GPP、ET和WUE最可靠的方法，但无法获得长期、大尺度的观测数据。统计模型简单直观，但缺乏理论基础，不能揭示生态系统与其环境之间的相互作用；CENTURY、TEM、ORCHIDEE和Biome-BGC模型等[4]纳入植被生理生态过程的机制模型能较好地模拟植被对气候变化的响应。在机制模型中，Biome-BGC模型因其对植被生态生理过程的详细描述而被广泛用于模拟生态系统碳、水通量及水分利用效率过程。

与此同时，近年来人们在不同时空尺度上广泛研究了不同生态系统碳、水通量及水分利用效率对气候变化的响应。如Ueyama等[5]利用AsiaFlux数据利用BIOME-BGC模型研究了落叶松森林GPP和ET对气候变化的响应；Quan等[6]通过人工增温实验研究了高寒草甸水分利用效率对气候变暖的响应。然而，在同一类型生态系统中，相同气候因子对生态系统碳、水通量及水分利用效率过程的影响可能因地理位置而发生改变。Huang等[7]研究证实生态系统生态系统水分利用效率随气温升高而增加，而Bell等[8]则得出相反的结果。这些现象反映了生态系统碳、水通量及水分利用效率过程气候影响因素的复杂性[9]。因此，明确生态系统碳、水通量及水分利用效率随降水或温度变化的演化特征，对于确定生态系统碳水循环规律对气候变化的响应具有重要意义。

2 数据来源与研究方法

2.1 研究区概况

研究地点位于内蒙古自治区西北部锡林郭勒温带草原，海拔约1200m，属半干旱大陆性气候。年平均气温在0.9℃左右，年平均降水量在338mm左右，年际变率高。降水量年际分布极不均匀，约89%集中在生长期(5—9月)。2004—2008年平均日照时间2617.54h，年平均实际蒸散量为212.73mm。优势草种为羊草(Leymus Chinensis)、冠草(Agropyron cristatum)、大针茅(Stipa grandis)和方闭草(Cleistogenes squarrosa)，平均冠高为0.5～0.6m，最大LAI为1.5m2/m2。研究区地理空间分布如图1所示。

图1 研究区地理空间分布

2.2 数据收集与处理

本研究用于温带草原生态系统Biome-BGC模型校准和验证的GPP和ET数据，来源于中国生态通量观测与研究网络(ChinaFLUX Observation and Research Network)(http：//www.chinaflux.org/enn/index.aspx)的锡林郭勒温带草原生态系统的涡度相关通量测量系统，时间跨度为2004—2008年。2003—2019年的日最高气温、日最低气温、日平均气温、日降水和日太阳辐射数据来源于中国气象数据服务中心(China Meteorological Data Service Center)(http：//data.cma.cn/)。采用MTCLIM模型计算水汽压差(VPD)和日照时间数据。土壤数据来源于资源与环境科学数据中心(Resource and Environment Science and Data Center)(https：//www.resdc.cn/)。2003—2019年的日均GPP和ET数据通过Biome-BGC模型模拟得出，该模型使用了经过优化的参数，以研究内蒙古温带草原生态系统碳、水通量及水分利用效率的时间变化规律。

2.3 BIOME-BGC模型的建立与应用

2.3.1模型描述

本研究使用的Biome-BGC版本4.1.2来自美国国家大气研究中心(NCAR)的彼得·桑顿和蒙大拿大学的数值三元动力学模拟小组(NTSG)提供。该模型在站点尺度上以植物生理生态机理为基础，广泛用于模拟生态系统中植被碳(C)、氮(N)和水(H2O)的日尺度进出动态过程，Biome-BGC模型主要包括3类输入数据文件，分别为站点参数数据、站点气象数据、植被生理生态参数。

2.3.2参数率定与验证

本研究使用PSET模型[10]对BIOME-BGC模型进行校准和验证，将2004—2005年的GPP和ET日观测数据分为两个部分：2004—2005年进行校准，2006—2008年进行验证，PEST模型的加权最小二乘目标函数为：

(1)

式中，φ(A)—基于参数组A的目标函数；n—观测日数；obs—GPP、ET观测日值；sim—GPP、ET模型模拟日值；w—观测值设定的权重系数。

2.3.3结果精度评价

通过Pearson相关系数(R)和均方根误差(RMSE)对模型在日尺度GPP和ET模拟中的表现进行评价，评价指标公式如下：

(2)

(3)

2.3.4模型应用

采用经PSET模型参数优化后的BIOME-BGC模型对2003—2019年的日尺度GPP和ET进行模拟。基于日尺度GPP和ET计算日尺度WUE(GPP/ET)，同时以2003—2019年期间气候变化为基准，采用Biome-BGC模型模拟未来不同气候变化情景(21世纪末气温上升1～2℃，年降水量增加5%～15%)下的日尺度GPP和ET，并进一步分析了平均气温和降水量变化对内蒙古温带草原生态系统碳、水通量及水分利用效率的影响。

2.4 气候变化对WUE、GPP和ET的影响研究

本研究采用相关分析方法在年和月尺度上研究了WUE/GPP/ET与降水/温度的关系，探讨2003—2019年降水和温度的历史变化对WUE、GPP和ET的影响。采用IPCC《排放情景特别报告》中B2情景下模拟的中国区域21世纪的气候变化场景，以2003—2019年期间气候变化为基准，模拟未来不同气候变化情景(21世纪末气温上升1～2℃，年降水量增加5%～15%)下的日尺度GPP和ET，为了区分大气气候变暖、降水增加对内蒙古温带草原生态系统碳、水通量及水分利用效率的相对重要性影响，本研究定义温度(T)、降水(P)两个变量组合下的9种未来气候情景分别进行模拟(见表1)。

表1 温度(T)、降水(P)两个变量组合下的9种未来气候情景

3 结果

3.1 模型表现

图2展示了2004—2008年经PEST模型参数优化后BIOME-BGC模型对2004—2008年的日尺度GPP、ET模拟值与日尺度GPP、ET观测值的对比图，表2展示了用于评估参数优化后BIOME-BGC模型模拟的GPP、ET值与GPP、ET实测值之间的的相关系数(R)和均方根误差(RMSE)。

表2 模型精度评价

图2 2004—2008年日尺度GPP和ET值注：EC-GPP和EC-ET为GPP和ET实测值；PEST-GPP和PEST-ET为经过PEST模型优化的GPP和ET模拟值

如图2所示，虽然经PEST模型参数优化后BIOME-BGC模型模拟值存在一定的高估和低估现象，但GPP、ET的模拟和实测过程总体上也呈现出相似的变化模式。GPP、ET模拟值与GPP、ET实测值的相关系数(R)和均方根误差(RMSE)值也验证了这一点。如表2所示，在率定期和验证期，GPP、ET模拟值与GPP、ET实测值的相关系数值均不低于0.557，且GPP高于ET，T检验也证明GPP、ET模拟值与GPP、ET实测值存在显著相关，且显著水平为0.01(p<0.01)。在率定期和验证期，GPP、ET模拟值与GPP、ET实测值的RMSE均不低于0.707，且ET高于GPP。GPP、ET模拟值与观测值之间的R值和RMSE值均表明经PEST模型参数优化后BIOME-BGC模型的模拟值与观测值有较好的一致性。

3.2 年尺度GPP、ET和WUE的变化

图3展示了2003—2019年年尺度GPP、ET和WUE的时间变化过程。如图3所示，年尺度GPP和ET表现出相似的变化规律，GPP和ET年均值分别为217.49gCm-2a-1和272.85mma-1，变化范围分别为132.32-296.29gCm-2a-1和175.97～360.75mma-1。年WUE也随时间变化而变化，其年平均值为0.79g/kg，变化范围为0.55～0.98g/kg。年GPP、ET和WUE皆呈现出不显着的增长趋势。2003、2012、2013、2015、2019年GPP和ET值较高，2007、2017年较低。2003—2007年GPP和ET值均呈现出明显的下降趋势，2008—2012年则呈现出明显的上升趋势。其余年份的波动相对稳定。年WUE最高值和最低值分别出现在2008年和2004年，其余年份的变化波动较为平稳。

图3 2003—2019年年尺度GPP、ET、WUE、P和T的时间变化注：P和T分别代表降水和温度

3.3 月尺度GPP、ET和WUE的变化

图4展示了2003—2019年月尺度GPP、ET、WUE、P和T的时间变化，图5展示了2003—2019年多年月均GPP、ET和WUE变化特征。

图4 2003—2019年月尺度GPP、ET、WUE、P和T的时间变化

如图4所示，5—9月GPP、ET和WUE值在2003—2019年的变化情况。5月GPP和ET值在大部分年份呈现出局部GPP值增加而相应年份的ET值减少的变化。6—7月，GPP与ET值随年份变化的同步性逐渐增强。8月和9月，GPP和ET值表现出非常相似的变化模式。5月GPP和WUE值均呈上升趋势，ET呈下降趋势，但GPP和ET值的变化波动较小，而WUE值则呈现出显著变化；6月GPP保持稳定，ET值呈现出一定的上升趋势，WUE则呈现出一定下降趋势；7月GPP和ET值均呈现一定上升趋势，WUE保持稳定；8月和9月，GPP和ET值均有一定的上升趋势，WUE在8月有一定的上升趋势，9月略有下降趋势。以上分析表明，5—9月的月GPP、ET和WUE均表现出不同程度的变化趋势。如图5所示，GPP、ET和WUE的年内分布极不均匀，GPP和ET在7月最高，WUE在9月最高。GPP和ET在年内呈单峰分布，但WUE在5月和9月呈双峰分布。5—9月的GPP和ET值明显高于其余月份，5—10月的WUE值明显高于其余月份。

3.4 WUE、GPP和ET对历史气候变化的响应

图6展示了年GPP/ET/WUE与年P/T的相关性，表3展示了2003—2019年月Ti/Pi/Pi-1与月GPP/ET/WUE之间的相关系数。

表3 月GPP/ET/WUE与月P/T的相关性

图6 年GPP/ET/WUE与年P/T的相关性

如图6所示，年GPP/ET与年降水量在95%和99%的置信水平上存在显著的正相关关系，相关系数分别为0.602和0.772。而年GPP和ET与年气温的相关系数分别为0.232和0.07，相关性不显著。年WUE与年降水量的相关性弱于年气温，相关系数分别为-0.156和0.396。需要注意的是，降水和温度对WUE的影响均不显著。从图3中还可以看出，年GPP和ET在2003—2019年的变化波动与年降水量的变化波动有较好的对应关系，但年GPP/ET与年气温在2003—2019年变化波动的同步性较差。以上分析表明，年降水量比年气温对年GPP和ET的影响更大，但年气温对年WUE的影响大于年降水量。如表3所示，5—9月的各月GPP与Pi之间的正相关性强于GPP与Pi-1之间的正相关性；各月ET与Pi的正相关性较强，且明显强于ET与Pi-1的相关性。4—10月的各月WUE与Pi呈现出负相关，5—8月和10月的各月WUE与Pi-1呈正相关。这说明上月降水对当月GPP和WUE的影响大于当月降水，对当月ET的影响小于当月降水。4、5、8月GPP与气温呈正相关，置信度在95%以上，但在气温较高的6月和7月，GPP与气温呈负相关且相关性较弱。ET与气温的相关性也存在类似现象。但与4、5、8、9月GPP与气温的强相关性相比，相对应月份的ET与气温的相关性较弱。与GPP和ET不同，6月和7月WUE与气温呈正相关，但相关性较弱。5—9月，WUE均与气温呈正相关，其中5月呈现出显著正相关，置信水平为99%。

3.5 WUE、GPP和ET对未来气候变化情景的响应

图7展示了不同气候变化情景下的GPP、ET、WUE及其各自相对于T0W0情景下的变化幅度。如图7所示，T2W15情景下，GPP和WUE的增幅最大，分别为19.93%和8.11%，平均值分别为204.05gCm-2a-1和0.71g/kg。T2W0情景下GPP和ET的相对变化最小，分别为1.68%和-0.76%，平均值分别为173gCm-2a-1和256.13mm。此外，T0W15情景下ET的增幅最大，为12.09%，T1W5情景下的WUE增幅最小，为2.19%。T0W5和T0W15情景下，GPP、ET和WUE分别增长7.25%、4.12%、3.34%和18.06%、12.09%、5.68%。这表明，仅增加5%和15%的降水量仍能促进GPP、ET和WUE的增加。与降水相比，温度单独升高1℃和2℃对GPP、ET和WUE的影响较小，分别为3.49%、0.11%、3.71%和1.68%、-0.76%、2.76%。与T0W0情景相比，T1W5、T1W15和T2W5、T2W5情景下的GPP分别增长了3.66%、17.20%、8.07%和19.93%，WUE分别增长了2.19%、5.25%、4.98%和8.11%。与GPP和WUE不同，ET对降水变化的敏感性大于对温度变化的敏感性。T1W5、T1W15、T2W5和T2W5情景下，ET分别增长2.11%、11.85%、3.29%和11.34%。上述分析表明，在未来气候变化情景中，温度和降水的联合增加对GPP/ET/WUE的影响大于温度或降水的单独增加。

图7 不同气候变化情景下的GPP、ET、WUE及其各自相对于T0W0情景下的变化幅度

4 结论

本研究基于PSET模型参数优化后的BIOME-BGC模型，模拟了GPP、ET和WUE在2003—2019年不同时间尺度上的变化规律及其对气候变化的响应。研究发现：

(1)采用PSET模型参数优化后的BIOME-BGC模型对GPP和ET的日模拟效果较好；

(2)GPP、ET和WUE在年尺度上呈现出不显著的上升趋势；

(3)月降水对GPP、ET和WUE的影响大于月气温，且月降水对GPP的影响大于月降水；

(4)不同气候变化情景对GPP、ET和WUE的影响不同，且温度和降水联合增加对GPP/ET/WUE的影响大于温度或降水单独增加对GPP/ET/WUE的影响。

后续可以在BIOME-BGC模型的基础上进行改进，提高模型模拟精度，并对气候变化对生态系统碳、水通量及水分利用效率做进一步的归因分析。