未來氣候變化對山地生物氣候類型分布的影響
——以四川省為例

逯亞峰，劉艷青，王玉寬，劉 媛，王愛華

1 中國科學院水利部成都山地災害與環境研究所，成都 610041 2 中國科學院大學，北京 100049 3 環境保護部環境保護對外合作中心，北京 100035

未來氣候變化對山地生物氣候類型分布的影響
——以四川省為例

逯亞峰1,2，劉艷青3，王玉寬1,*，劉 媛3，王愛華3

1 中國科學院水利部成都山地災害與環境研究所，成都 610041 2 中國科學院大學，北京 100049 3 環境保護部環境保護對外合作中心，北京 100035

使用生物氣候分類法評估氣候變化下生態系統變化的區域，對于氣候變化下生態系統的保護有著重要的意義。但是現有的研究由于分析尺度較大，難以反映氣候變化對于山地生態系統的影響。選取四川省為研究區，使用區域氣候模型(RegCM4.0)對未來氣候變化進行預估，在此基礎上按照柯本生物氣候分類法劃分原則，分別對當前1981—2010，未來2011—2040，2031—2060以及2070—2099時段四川省柯本氣候類型進行識別并分析各類型的轉變。結果表明(1)當前四川省分布的柯本氣候類型共包括3個主要類型，分別為暖溫帶氣候帶(C)，冷溫帶氣候帶(D)，極地氣候帶(E)，其面積分別占四川省總面積的54%，22%和24%。(2)在未來各時段內，四川省柯本氣候類型總體分布格局并無明顯變化。但是未來氣候變化程度足以使得部分區域內的生物氣候類型發生轉變，其中最大的轉變發生于E類型向D類型的轉變。相比當前時段，到2070—2099時段C類型和D類型增加面積占當前分布面積的13%和20%，E類型減少面積占當前分布面積的48%。對比不同時段的轉變速率，近期的氣候變化對于生物氣候類型的影響要大于遠期的氣候變化。(3)由于受氣候變化的影響，各柯本氣候類型分布的平均海拔均向高海拔區域上移，C類，D類和E類型分布平均海拔的上移速率分別為2.9，3.4 m/a和1.8 m/a。此外，經統計生物氣候類型發生變化區域的海拔主要為3800—4500 m。

氣候變化;四川省;柯本氣候分類法;海拔

近一個世紀以來，氣候變化已對當前生態系統的分布產生了影響。識別及分析影響區域的位置及特征，對于有針對性的制訂氣候變化下的生態系統保護策略有著重要的作用。

目前，已有的研究表明，使用氣候—植被分類模型識別氣候變化下生態系統可能發生變化的區域是一種有效的方法[1- 3]。氣候—植被模型主要包括了機理模型和非機理模型。機理模型雖然能夠較好的將氣候變化以及植被響應進行預測，但是此類模型所需數據不易獲取，并且氣候變化對于生態系統的影響機制尚不完全明確[4- 5]。使得運用非機理性模型評價氣候變化對于生態系統的影響仍然是一種有效方法[2,6]。自德國植物學家柯本建立生物氣候分類法以來，生物地理學家已建立了多個非機理性的氣候-植被模型，其中使用最為廣泛的是柯本氣候分類法[7]。已有大量研究使用此分類法從全球和區域尺度評估氣候變化對于植被的影響并且取得了較好的效果[2,8- 10]。對于中國區域，雖然使用柯本氣候分類法評估結果較少[2]，但仍有一些運用其它氣候-植被模型評估氣候變化影響的研究,如張新時[6]，Chen等[11]，岳天祥等[12],胥曉等[13]。然而已有的研究多是基于較大尺度的分析，難以體現氣候變化對于山地生態系統的影響。此外，由于山地區域往往海拔變化大，使得不同海拔區間內氣候變化的程度存在明顯差異，導致對不同海拔區域內生態系統的影響也并不相同。因此，分析不同海拔區間內生物氣候類型的變化特征，對于系統的制訂保護策略十分重要，但目前的研究并未對此進行詳細分析。

隨著薄盤樣條氣候表面插值方法的建立[14]，能夠在較小尺度上獲取較高精度的氣候表面數據。在此基礎上，通過運用柯本氣候分類法，可以評估氣候變化對于山地生態系統的影響。因此，本研究在區域氣候模型(RegCM4.0)對四川省未來氣候變化進行預測的基礎上，利用薄盤樣條插值方法對氣候數據進行處理。并使用柯本氣候分類法評估未來氣候變化對四川省生態系統的影響。同時也對氣候變化下各生物氣候類型變化區域的海拔特征進行分析。

1 研究區域

四川省位于青藏高原東緣，處于中國地勢三大階梯中的第一級和第二級，區域內高差懸殊，地勢西高東低，是中國典型山地分布區。四川省獨特的地理位置，使其一方面易受氣候變化影響，另一方面形成了豐富的生態系統類型。因此，對氣候變化下四川省生態系統分布變化的評估，可以較好的反映氣候變化對于山地生態系統的影響。

2 方法與數據

2.1 研究方法

2.1.1 柯本氣候分類法

雖然有大量研究對柯本氣候分類法進行了修正，但是目前使用比較廣泛的分類方法是K?ppen-Geiger分類方法(以下使用柯本分類法代表此類方法)。由于已有相關文獻對柯本氣候分類法進行了詳細說明[1]，因此本文僅作簡要描述。按柯本氣候分類法分類原則，將全球植被劃分為5個主要類型，再根據季節性降水和溫度在每個主要類型中劃分亞類型。具體劃分時，首先根據月最低溫，月最高溫，月降水劃分出5個主要類型，分別為赤道氣候帶(A)，干燥氣候帶(B)，暖溫帶氣候帶(C)，冷溫帶氣候帶(D)，極地氣候帶(E)，再根據冬季和夏季的降水，月平均溫進一步的劃分亞類型。A類型中包括的亞類型為常年濕潤雨林(Af)，季雨林(Am)，夏干型稀樹草原(As)，冬干型稀樹草原(Aw)。B類型包括的亞類型為干旱型草原氣候(BS)，干旱型沙漠氣候(BW)。C類型包括的亞類型為冬濕夏干型暖溫帶氣候(Cs)，夏濕冬干型暖溫帶氣候(Cw)，全年常濕型暖溫帶氣候(Cf)。D類型包括亞類型為冬濕夏干型暖溫帶氣候(Ds)，夏濕冬干型暖溫帶氣候(Dw)，全年常濕型暖溫帶氣候(Df)。E類型包括亞類型為苔原氣候(ET)，冰原氣候(EF)。其中在C類和D類中又可根據季節性溫度，在每個亞類型中再劃分出夏季炎熱型(a)，夏季溫暖型(b)，夏季涼爽型(c)和顯著大陸型(d)。

2.1.2 氣候數據

本研究使用區域氣候模式RegCM4.0，單向嵌套BCC_CSM1.1全球氣候系統模式，在中等排放情景rcp4.5下，以50 km×50 km的尺度，模擬1981—2099年逐月的平均氣溫及降水。在此基礎上使用204個省內外站點(包括四川省內119個氣象站點以及周邊區域85個氣象站點)數據與模擬數據進行對比，去除預估數據的系統偏差。

在氣象數據校正的基礎上，使用薄盤樣條插值軟件Aunsplin 4.36進行插值。在插值時，選擇插值模型以及樣條次數的不同可能對插值結果產生一定影響，而本研究又需要對較長時間序列的氣象數據進行插值。因此需要選取的模型既要保證表面精度又要考慮模型的穩定性，使得不同月份間可以相互比較。在進行氣候表面生成前，分別選取薄盤樣條以及局部薄盤樣條兩個插值函數，以海拔作自變量或協變量，在樣條次數為2，3，4，5次條件下進行插值。在Anusplin中，可通過對比不同插值函數以及不同樣條次數生成的廣義交叉驗證(GCV)或是最大似然法(GML)值的大小確定最佳插值函數及其樣條次數。通過對比，本研究選取局部薄盤模型，在樣條次數為2次，海拔為協變量的條件下對四川省1981—2099年逐月平均氣溫和降水空間分布進行插值，插值尺度為1 km×1 km。

根據世界氣象組織(WMO)對于氣候的定義，應選取至少30a為1個氣候周期。同時，考慮到氣候變化的不確定性，本研究選取1981—2010年，2011—2040年，2031—2060年和2070—2099年4個氣候時段分別代表當前(2010)，近期(2040)，中期(2060)以及遠期(2099)的氣候時段。按照柯本氣候分類法的劃分原則，利用Arcgis軟件與Python語言對這4個氣候時段內的柯本氣候類型分布進行劃分。在劃分時，本研究使用1個氣候時段內各月平均溫度，月降水，各年最暖(冷)月溫度的平均值分別代表柯本氣候分類法中的月平均溫度，月降水，最暖(冷)月溫度。

2.2 數據來源

本研究所使用逐月氣溫與降水的站點數據來源于四川省氣象局。

2.3 氣候數據驗證

為檢驗模擬數據與站點數據間的差異，隨機選取4個不同海拔范圍內的氣象站點(圖2)，對1981—2010時段逐月氣溫與降水的實測值與模擬值進行回歸分析。結果表明，選取的4個站點中，氣溫的模擬值與實測值間差異較小，而降水預測值與實測值間差異明顯(圖1)。由于柯本氣候分類法主要是通過氣溫對生物氣候類型進行劃分。因此，使用模式輸出結果是可以滿足分析要求。

圖1 預估數據與氣象站點數據對比Fig.1 The difference between projection data and observations data a,b,c,d代表不同氣像站點，1代表月平均氣溫，2代表月降水量

如圖2所示，使用薄盤樣條插值方法將站點數據插值到1 km×1 km尺度是可以較好地反映地形對于區域氣候的影響。為了驗證插值結果與站點數值差異是否顯著，本文以100 m的海拔間隔為標準，按照海拔梯度將四川省劃分為55個區域，其中第55個區域代表海拔5500 m及以上的區域。選取1981—2010時段，分別對插值生成的氣候表面數據以及預估的氣象站點數據在各海拔區間內的月平均溫度進行統計，并進行回歸分析。由于并不是所有海拔區間均有氣象站點分布，因此本研究僅選取有站點分布的海拔區間進行分析。分析結果表明，在選取的時段內氣候表面數據與站點的預估數據有較好的一致性(圖3)。

3 結果

3.1 四川省柯本氣候類型分布

運用柯本氣候分類法對四川省生物氣候類型分布的識別結果表明，在當前2010時段，四川省共包括3個柯本氣候類型(C類，D類和E類)和11個氣候亞類型(圖4)。各類型及亞類型詳見圖4的圖例。在當前時段內，分布面積最大的類型為C類型，其分布面積占四川省總面積的54%，分布面積最小的是D類型，其分布面積占四川省總面積的22%。亞類型中分布面積最大的是ET類型，分布面積占四川省總面積的24%。根據各生物氣候類型分布的空間特征，從東到西的類型分別為C類，D類和E類。相比川東平原及丘陵地區，川西高原的生物氣候類型空間異質性明顯較高。

圖2 四川省1981—2010年月平均氣溫空間分布圖(1 km×1 km) Fig.2 The mean temperature with 1 km spatial resolution in 1981—2010 period

圖3 1981—2010時段氣候表面平均溫度與預估站點平均溫度對比Fig.3 Difference between projection temperature data and climate surface data

由于柯本氣候分類法缺少亞熱帶生態系統的分類，一般認為C類型反映了亞熱帶和暖溫帶兩個植被類型。在識別出的四川省柯本氣候類型中C類型，D類型和E類型分別對應亞熱帶針闊混交林生態系統，寒溫帶針葉林生態系統以及高山草甸生態系統。因此，本研究的識別結果與四川省實際的生態系統類型的分布基本相符。并且，使用1 km×1 km的尺度進行分析，也是能夠反映較小區域內地形對于植被分布的影響。

3.2 氣候變化下柯本氣候類型的轉變

在氣候變化情景下，四川省柯本氣候類型空間分布特征無明顯變化(圖4)。相比當前2010時段，在未來2040，2060以及2099時段面積增加的氣候類型為C類型和D類型，至2099時段這兩個類型增加面積占當前分布面積的13%和20%。面積減少的類型為E類，至2070—2099時段E類型減少面積占當前分布面積的48%。為準確的反映氣候變化情景下不同生物氣候類型的相互轉變，本研究使用轉移矩陣方法對不同時段生物氣候類型間的轉變進行統計，結果見表1—表3。表中各行代表某個類型向其它類型轉出的面積，各列代表其它類型向某類型轉入的面積。表1—表3的結果表明，在氣候變化情景下，除了ET亞類，其它亞類型間均有轉出和轉入，而ET亞類僅有轉出。在各柯本氣候類型的轉變中，最大的轉變是由E類型向D類型轉變，到2099時段，有55220 km2的E類型轉變為了D類型。對比未來不同時段的轉變速率表明，近期時段的氣候變化造成的氣候類型的轉變速率要高于中期和遠期時段的氣候變化。

3.3 生物氣候類型變化區域的海拔特征

為識別氣候變化下各生物氣候類型變化區域的海拔特征。本研究以當前時段為基準，分別與未來3個時段進行對比，識別出各時段內生物氣候類型變化區域的空間分布。同時，以100 m的海拔間隔為標準，使用Arcgis軟件對各海拔區域內柯本氣候類型的變化面積進行統計。由于降水數據存在較大的不確定性，因此本

圖4 氣候變化情景下四川省柯本氣候區分布變化Fig.4 The distributions of K?ppen climates in Sichuan Province under climate change

表1 2040 vs. 2010柯本氣候亞類型轉移矩陣 /km2Table 1 The transfer matrixes for climates between the period of 2040 and that of 2010

表2 2060 vs. 2010柯本氣候亞類型轉移矩陣/ km2Table 2 The transfer matrixes for climates between the period of 2060 and that of 2010

表3 2099 vs. 2010柯本氣候亞類型轉移矩陣/ km2Table 3 The transfer matrixes for climates between the period of 2099 and that of 2010

圖5 不同時段柯本氣候類型變化面積隨海拔分布特征 Fig.5 The changed area for different time periods in elevation zones of 100m interval

文僅統計由溫度產生的變化。結果表明，從海拔900—4900 m區域內均有柯本氣候類型的轉變，但是相比低海拔區域，高海拔區域的轉變面積明顯更多(圖5)。根據各類型的空間分布，在高海拔區域(川西地區)的轉變主要是由E類型向D類型轉變，其中發生轉變的主要海拔范圍是3800—4500 m，轉變面積最多的海拔區域是4200—4300 m。在低海拔區域主要是由D類型向C類型轉變，以及C類型中各亞類型相互轉變，其中發生轉變的主要海拔范圍是1200—2000 m，轉變面積最多的海拔區域是1300—1400 m。對比未來不同的時段，隨時間增加各海拔區域內生物氣候類型轉變的面積逐漸增大。

此外，隨著氣候變化下各生物氣候類型的相互轉換，使得各類型分布海拔發生變化。為反映不同類型的海拔變化，分別對未來不同時段各類型分布的平均海拔進行統計，并與當前時段進行比較。結果表明C類，D類和E類分布平均海拔分別上升258，307 m和157 m，平均上移速率分別為2.9，3.4 m/a和1.8 m/a。

4 討論

4.1 氣候變化下四川省生物氣候類型變化趨勢

相比中國其它區域的評估結果[11-12]，本研究中并未出現新增加的生物氣候類型，也沒有將消失的生物氣候類型。但是，在本研究的氣候情景下，未來氣候變化的程度足以使得四川省的生物氣候類型發生轉變，并且轉變的主要趨勢為由溫度低的類型向溫度高的類型轉變。對于生物氣候類型轉變的區域，川西高原發生轉變的面積明顯多于川東丘陵和平原地區。通常高海拔區域的升溫程度要高于低海拔區域。因此，分布于高海拔的E類型相比其它類型對氣候變化更敏感，發生轉換的面積也更多。本研究中，生物氣候類型的轉變主要集中于E類型向D類型的轉變，這一轉變趨勢與大多數選取中國區域研究氣候變化對生物氣候類型影響的結果相一致[11,15]。但是，相比其它區域，未來四川省柯本氣候E類型向D類型轉變速率相對較低[16]。根據RUBEL等提供的使用RegCM 3.0模型對不同排放情景下柯本氣候類型的分布數據進行分析[3]，至2076—2100年四川省E類氣候區分布面積相比1976—2000年，在最高的排放情景下可能減少91%，在最低的排放情景下可能減少66%，高于本研究中E類型減少48%的結果。形成差異的原因可能是由于(1)本研究使用了更小尺度的氣候插值方法。(2)使用氣候預測模型RegCM 4.0與其它研究使用RegCM 3.0模型對氣候預測存在差異。由于本研究使用氣候情景為中等排放情景，E類氣候區的變化應在66%—91%范圍內。因此，更小尺度的分析是決定氣候類型轉變的程度的最主要因素。而根據氣候變化對川西高原地區雪線以及四川省周邊地區樹線影響的研究結果表明，過去的氣候變化已使得這些區域的雪線，樹線向高海拔遷移，但并未對此區域內當前生態系統格局產出明顯影響[17- 19]。雪線和樹線的上移在一定程度上可以反映E類型向D類型的轉變。因此，選擇較高精度的氣候插值方法分析氣候類型的轉變結果可能與實際更相符合。由于降水模擬的結果較差，本文不對降水產生的生物氣候類型的轉變進行討論。

4.2 生物氣候類型變化區域的海拔特征分析

氣候變化下，四川省所有生物氣候類型都向高海拔區域遷移。遷移速率由大到小的順序為D類>C類>E類。對比Lenoir等通過選取171個物種在海拔0—2600m范圍內研究氣候變化下物種的遷移結果表明，本研究中分布于相似海拔的C類型的遷移速率與Lenoir的研究結果基本一致[20]。此外，對于氣候變化影響比較嚴重的海拔區域，主要是集中于1200—2000m和3800—4500m區域內。這兩個海拔區域內的變化，分別占未來三個時段全部變化的62%，63%和65%。但是不同于低海拔區域以亞類型轉變為主，高海拔區域的轉變主要為類型的轉變。因此，對于生態系統的保護，首先是要排除這些可能受氣候變化影響比較嚴重的區域。然而，若是這些區域內存在重要的物種，則需要對這些區域制訂更為嚴格的保護措施，減少其它干擾因素。因為生態系統的變化是由多個因素共同決定的，雖然氣候變化是不可阻止的，但減少其它干擾因素也能在一定程度上維護生態系統的穩定。根據本文的分析結果，在氣候變化下對四川省的生態系統進行保護，需針對不同的海拔區域制訂相應策略。同時，對近期氣候變化造成的影響需要更多的關注。

5 結論

通過對未來氣候變化情景下四川省柯本氣候類型分布變化的分析，可以得出以下結論：

(1)在未來氣候變化下，四川省柯本氣候類型分布格局雖無明顯變化，但是未來氣候變化的升溫程度足以使得四川省柯本氣候類型發生變化。在氣候變化下，C類型和D類型分布面積增加，E類型分布面積減少。并且在近期氣候變化下各類型轉變的速率要高于遠期的氣候變化。通過與大尺度研究結果對比，在本研究所選取的尺度下生物氣候類型變化速率與實際更相符合。

(2)在未來氣候變化下，高海拔區域受氣候變化影響明顯高于低海拔區域，其中變化主要集中于海拔3800—4500 m的范圍內。同時，從近期到遠期的氣候變化，所有生物氣候類型分布海拔均呈現上升趨勢。相比1981—2010，到2070—2099年C類，D類和E類型平均分布海拔向高海拔區域上移的速率分別為2.9，3.4 m/a和1.8 m/a。因此，使用柯本分類法，是可以在一定程度上反映氣候變化下的生態系統類型的垂直遷移。

[1] Kottek M, Grieser J, Beck C, Rudolf B, Rubel F. World map of the K?ppen-Geiger climate classification updated. Meteorologische Zeitschrift, 2006, 15(3): 259- 264.

[2] Baker B, Diaz H, Hargrove W, Hoffman F. Use of the K?ppen-Trewartha climate classification to evaluate climatic refugia in statistically derived ecoregions for the People′s Republic of China. Climatic Change, 2010, 98(1/2): 113- 131.

[3] Rubel F, Kottek M. Observed and projected climate shifts 1901—2100 depicted by world maps of the Koppen-Geiger climate classification. Meteorologische Zeitschrift, 2010, 19(2): 135- 141.

[4] Hallgren W S, Pitman A J. The uncertainty in simulations by a Global Biome Model (BIOME3) to alternative parameter values. Global Change Biology, 2000, 6(5): 483- 495.

[5] Hurtt G C, Moorcroft P R, Pacala S W, Levin S A. Terrestrial models and global change: challenges for the future. Global Change Biology, 1998, 4(5): 581- 590.

[6] 張新時. 研究全球變化的植被-氣候分類系統. 第四紀研究, 1993, 13(2): 157- 169.

[7] K?ppen W. Versuch einer Klassifikation der Klimate, vorzugsweise nach ihren Beziehungen zur Pflanzenwelt. Geographische Zeitschrift, 1900, 6(11): 593- 611.

[8] Peel M C, Finlayson B L, McMahon T A. Updated world map of the K?ppen-Geiger climate classification. Hydrology and Earth System Sciences Discussions, 2007, 4(2): 439- 473.

[9] De Castro M, Gallardo C, Jylha K, Tuomenvirta H. The use of a climate-type classification for assessing climate change effects in Europe from an ensemble of nine regional climate models. Climatic Change, 2007, 81(1): 329- 341.

[11] Chen X W, Zhang X S, Li B L. The possible response of life zones in China under global climate change. Global and Planetary Change, 2003, 38(3- 4): 327- 337.

[12] Yue T X, Fan Z M, Liu J Y. Changes of major terrestrial ecosystems in China since 1960. Global and Planetary Change, 2005, 48(4): 287- 302.

[13] 胥曉, 蘇智先, 楊奠安. 未來氣候變化對四川盆地生命地帶的影響模擬. 生態學雜志, 2004, 23(4): 192- 196.

[14] Hijmans R J, Cameron S E, Parra J L, Jones P G, Jarvis A. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, 2005, 25(15): 1965- 1978.

[15] Ni J, Sykes M T, Prentice I C, Cramer W. Modelling the vegetation of China using the process-based equilibrium terrestrial biosphere model BIOME3. Global Ecology and Biogeography, 2000, 9(6): 463- 479.

[16] Diaz H F, Eischeid J K. Disappearing “alpine tundra” K?ppen climatic type in the western United States. Geophysical Research Letters, 2007, 34(18), doi: 10.1029/2007GL031253.

[17] Gou X H, Zhang F, Deng Y, Ettl G J, Yang M X, Gao L L, Fang K Y. Patterns and dynamics of tree-line response to climate change in the eastern Qilian Mountains, northwestern China. Dendrochronologia, 2012, 30(2): 121- 126.

[18] Li Z X, He Y Q, Yang X M, Theakstone W H, Jia W X, Pu T, Liu Q, He X Z, Song B, Zhang N N, Wang S J, Du J K. Changes of the Hailuogou glacier, Mt. Gongga, China, against the background of climate change during the Holocene. Quaternary International, 2010, 218(1- 2): 166- 175.

[19] Kramer A, Herzschuh U, Mischke S, Zhang C J. Holocene treeline shifts and monsoon variability in the Hengduan Mountains (southeastern Tibetan Plateau), implications from palynological investigations. Palaeogeography Palaeoclimatology Palaeoecology, 2010, 286(1/2): 23- 41.

[20] Lenoir J, Gegout J, Marquet P A, De Ruffray P, Brisse H. A significant upward shift in plant species optimum elevation during the 20th century. Science, 2008, 320(5884): 1768- 1771.

Impact of climate change on bioclimatic types in a mountain area-a case from Sichuan Province, China

LU Yafeng1,2, LIU Yanqing3, WANG Yukuan1,*, LIU Yuan3, WANG Aihua3

1InstituteofMountainHazardsandEnvironment,ChineseAcademyofSciencesandMinistryofWaterResources,Chengdu610041,China

2UniversityofChineseAcademyofSciences,Beijing100049,China

3ForeignEconomicCooperationOffice,MinistryofEnvironmentalProtection,Beijing100035,China

It is important to assess the impact of climate change on ecosystems for ecological conservation. Climate-vegetation models are considered to provide an effective way of demonstrating climate change impacts. One such model, K?ppen Classification, is widely used to estimate the effects of global climate change on ecosystems. However, due to climate surface resolution limitations, previous studies have not been able to completely reflect the impact of climate change on different ecosystem types in some mountain areas. Sichuan Province, which is located in the southwest of China, is sensitive to climate change because of its complex topography. In this paper, we used K?ppen Classification to quantify the changes of bioclimatic types for Sichuan Province under climate change. We employed Regional Climate Model 4.0 to project monthly temperature and precipitation from 1981 to 2099. Then, the model output was calibrated by using data from 204 meteorological stations in and around Sichuan Province. Subsequently, spatial interpolation software, Anusplin 4.3.6, was used to downscale temperature and precipitation data, using elevation as an independent covariable. A 1 km x 1 km spatial resolution was selected for the climate data. Considering the uncertainty in climate change, we selected three time periods to analyze the distribution of K?ppen climates, including 2010 (representing the 30-year average for 1981—2010), 2040 (representing the 30-year average for 2011—2040), 2060 (representing the 30-year average for 2031—2060), and 2099 (representing the 30-year average for 2070—2099). The 1981—2010 period was used as a baseline to represent “current climate.” First, we found that there were three bioclimatic types in the current period, including temperate climates (C), continental climates (D), and polar climates (E). C type, D type, and E type climates cover 54%, 22%, and 24% of the total area in Sichuan Province, respectively. Second, we found that the spatial patterns of bioclimatic types will not noticeably alter between 1981 and 2099, because neither new types nor current types appear or disappear, respectively. However, the changes in temperature were sufficient to cause shifts in bioclimatic types. Between 1981—2010 and 2070—2099, the areas covered by C and D types will increase by about 13% and 20%, respectively. In contrast, the relative area covered by E type during this period will decrease by about 48%. The maximum shift mainly refers to E type, while the maximum shift was observed for both E to D types. In addition, our results indicate that bioclimatic types display different rates of shifts in different time periods. For instance, the rate of change in 2011—2040 is greater than that in 2031—2060 and 2070—2099. Therefore, the response of ecosystem types to climate change in Sichuan Province is expected to be more drastic in the near future (2011—2040) compared to the distant-future (2031—2060 and 2070—2099). Third, we found that all the distribution of all types would shift in space, moving towards higher altitudes. Between 1981—2010 and 2070—2099, the shift rates along altitudinal gradients for C, D, and E types is expected to average 2.9 m per year, 3.4 m per year, and 1.8 m per year, respectively. By calculating the changed area in elevation zones of 100 m intervals, the changed area will be concentrated at an elevation range of 3800 m to 4500 m. Therefore, elevation zones should be considered for ecosystem conservation under climate change.

climate change; Sichuan Province; K?ppen classification; elevation

國家自然科學基金項目(41371539)

2014- 01- 20;

日期:2015- 04- 14

10.5846/stxb201401200148

*通訊作者Corresponding author.E-mail: wangyukuan@imde.ac.cn

逯亞峰，劉艷青，王玉寬，劉媛，王愛華.未來氣候變化對山地生物氣候類型分布的影響——以四川省為例.生態學報,2015,35(21):7052- 7060.

Lu Y F, Liu Y P, Wang Y K, Liu Y, Wang A H.Impact of climate change on bioclimatic types in a mountain area-a case from Sichuan Province, China.Acta Ecologica Sinica,2015,35(21):7052- 7060.