安徽省農田水分利用效率時空特征及其與氣候因子的關系

王 芳,汪 左,*,黃 靜,楊淑杰,賀廣均,張 運

1 安徽師范大學地理與旅游學院,蕪湖 241003 2 資源環境與地理信息工程安徽省工程技術研究中心,蕪湖 241003 3 昆士蘭大學,布里斯班,昆士蘭 4072 4 天地一體化信息技術國家重點實驗室,北京衛星信息工程研究所,北京 100029

水分利用效率(Water Use Efficiency,WUE) 是指植物消耗單位質量的水分所固定CO2或生產干物質的量[1],WUE是表征生態系統碳水耦合程度的重要指標之一[2],反映了生態系統碳水循環規律及其相互作用關系,也是評估生態系統響應氣候變化的一個綜合特征[3- 4],因此,研究WUE的動態變化及其對氣候因子的響應,對于評估區域碳水耦合關系及全球氣候變化對生態系統的影響具有重要意義[5]。

由于學者們對生態系統WUE的內涵理解不同以及數據獲取手段的差異,計算WUE的方法有所不同；在生態系統或區域尺度,采用總初級生產力GPP(Gross Primary Production,GPP) 或凈初級生產力NPP(Net Primary Production,NPP)或凈生態系統碳交換(Net Ecosystem Exchange,NEE)與蒸散發(Evapotranspiration,ET)的比值計算WUE[6-10],經典的生態系統WUE的計算是采用總初級生產力(GPP)與地表蒸散(ET)的比值[5,11- 12],該定義通常用在月、年等長時間尺度上分析生態系統的碳水耦合特征及其對環境變化的響應[13],因此,本文采用總初級生產力(GPP)與蒸散量(ET)之比計算水分利用效率WUE。在全球氣候變化背景下[14- 15],生態系統WUE的時空變化及其對氣候變化響應研究受到國內外諸多學者的廣泛關注[16-19]；Tian等[6]利用集成生態過程模型估算了1895—2007年美國南部植被覆蓋類型的WUE,研究結果表明WUE受土地覆蓋和氣候變化影響較大；Sur等[20]利用MOD16 ET和MOD17 GPP產品估算了韓國2007—2008年生長季和休眠季的WUE,并通過了通量塔數據的驗證；仇寬彪等[21]利用MODIS產品數據估算了2003—2012年中國中東部地區農田生態系統水分利用效率,并分析其影響因子,研究結果表明氣候因素是影響中國中東部南北方農田WUE的主要因子；李明旭等[22]利用模型分析了未來氣候變化背景下秦嶺地區陸地生態系統水分利用效率的變化規律及其對氣候變化的響應,研究結果表明GPP的增加是未來秦嶺地區WUE增長的直接因素,氣溫的增加與大氣CO2濃度的升高是WUE變化的主要環境因素；李肖娟等[23]利用MODIS產品總初級生產力(GPP)、蒸散發(ET)及氣象數據估算了黑河流域植被水分利用效率,并分析與氣候因子的相關性,研究結果表明由于各區域植被分布有明顯差異,WUE與降水量、氣溫表現出不同的相關性,在不同區域,其起主導因素是不同的。由于農田水分利用效率WUE受到農作物自身生理特征差異以及地域差異的影響,在不同的區域尺度上,對氣候和不同農作物類型的響應特征表現出較大的時空異質性,而且不同農作物類型對氣候變化也表現出不同的敏感性和響應特征,所以在全國尺度上研究農田WUE與氣候之間的響應關系,很難反映區域尺度上氣候變化對農田WUE 的影響程度。

安徽省是我國重要的農業生產基地之一,主要農產品有水稻、小麥、玉米等,2014年全省糧食總產量3415.8萬t,居全國第六位[24]；本文基于MOD16 ET和MOD17 GPP數據及氣象數據估算了安徽省農田WUE,分析農田WUE的時空變化特征及其與氣候因子的關系,為安徽省農田水資源的科學配置以及科學管理農業自然資源提供決策依據。

1 研究區與數據

1.1 研究區概況

安徽省位于中國東部,地理范圍介于114°54′E—119°27′E與29°41′N—34°38′N之間(圖1),全省地勢西南高、東北低,長江和淮河自西向東橫貫全境,將全省劃分為淮北平原、江淮丘陵、皖西大別山區、沿江平原和皖南山區五大自然區域。安徽省處于東亞季風區、亞熱帶與暖溫帶的過渡帶,四季分明,氣候分布差異明顯,天氣多變,降水年際變化大,其獨特的地理位置和氣候特征造就了農業區域性特點,淮河南北作物類型和復種指數明顯不同,安徽省是我國重要的農業生產基地之一,主要農產品水稻、小麥、玉米等在全國占有重要地位。

圖1 安徽省土地利用類型圖和氣象站點分布 Fig.1 Land use type and distribution of meteorological stations in Anhui Province

1.2 數據

本文使用的是安徽省2000—2014年GeoTiff格式的月合成(MOD16A2)和年合成(MOD16A3)的蒸散量(ET)數據[25-27],以及安徽省2000—2014年GeoTiff格式的月合成(MOD17A2)和年合成(MOD17A3)的總初級生產力(GPP)數據,其月合成和年合成產品的空間分辨率分別為0.05°和30arcsec(0.0083),該產品由美國蒙大拿大數字地球動態模擬研究發布[28- 30](http://www.ntsg.umt.edu/project/),并證明其數據的有效性[31]。土地利用數據為2005年安徽省1∶10萬的土地覆蓋數據(圖1),來源于地球系統科學數據共享平臺(http://www.geodata.cn)。氣象數據為2000—2010年中國1 km柵格逐年平均降雨數據集和平均氣溫數據集,來源于地球系統科學數據共享平臺(http://www.geodata.cn)。2011—2014年氣象數據是通過對安徽省24個氣象站點觀測數據(圖1)進行插值獲得,來源于中國地面氣象要素月值數據集(http://data.cma.cn/data/)。

2 研究方法

2.1 水分利用效率(WUE)

本文的水分利用效率采用總初級生產力(GPP)與蒸散發(ET)之比表示：

(1)

式中,WUE為水分利用效率(gC mm-1m-2)；GPP為生態系統總初級生產力(gC/m2)；ET為生態系統蒸散發(mm)。

2.2 分析方法

采用偏差分析、線性趨勢法及相關系數法反映安徽省各柵格單元2000—2014年農田WUE的波動水平、變化率以及與氣象因子的相關關系,計算公式如下：

(2)

(3)

(4)

相關分析是為了揭示要素間相互關系的密切程度,利用基于像元的相關性分析法分別計算年農田WUE與年降雨、年氣溫的偏相關系數,其計算公式如下：

(5)

式中,Rxy,Rxz,Ryz分別為兩變量的相關系數,Rxy,z表示固定自變量z之后因變量x與自變量y的偏相關系數,其顯著性檢驗采用t檢驗法。

為了反映各要素的綜合影響,采用復相關分析法,其計算公式如下：

(6)

式中,Rx,yz表示因變量x和自變量y、z的復相關系數,Rxy為x,y的相關系數,Rxy,z為偏相關系數,其顯著性檢驗采用F檢驗法。

3 結果與分析

3.1 安徽省農田WUE年際時空分布特征

根據安徽省2000—2014年蒸散量ET、總初級生產力GPP及農田水分利用效率WUE年際變化(圖2)可知,ET年均值的波動范圍為647.5—730.5 mm,多年蒸散量均值為694.9 mm,整體呈下降趨勢,變化率為-0.83 mm/a；GPP為935.5—1140.8 gC m-2,平均值為1068.2 gC m-2,整體呈現出明顯的增長趨勢,變化率為5.94 gC m-2a-1；農田WUE的變化范圍為1.38—1.66 gC mm-1m-2,多年均值為1.54 gC mm-1m-2,整體上農田WUE年際呈現增長變化趨勢,變化率為0.011 gC mm-1m-2a-1,說明GPP的顯著增加是農田WUE增長的直接因素。采用偏差法分析2000—2014年各年農田WUE偏離多年平均水平的程度(圖3),農田WUE的偏差值呈現先減少后增加的趨勢,其中2000年、2003年和2014年的偏差值較大,說明偏離平均水平的程度較嚴重,從2002年開始,除2003年、2005和2009年以外均高于平均水平,其中2014年的農田WUE值較高,為1.66 gC mm-1m-2,高于多年平均的7.81%；2000年和2003年的農田WUE值較低,分別為1.38 gC mm-1m-2和1.40 gC mm-1m-2,低于多年平均的9.89%和8.72%,其他年份的農田WUE值位于平均值上下3%范圍內。此外,通過對安徽省各市農田WUE值統計結果表明,安徽省2000—2014年間各市的農田WUE整體上呈現波動上升趨勢,各市農田WUE年均值差異顯著,其中淮河以北各市的農田WUE較高,高于全省的多年均值,均值在1.5 gC mm-1m-2以上,淮河以南地區的農田WUE則低于全省水平,主要原因是淮河以北主要為平原地區,其種植作物主要以冬小麥和夏玉米為主；而淮河以南地區種植作物主要是油菜和水稻,在各主要糧食作物中,玉米的WUE最高,小麥其次,而水稻最小[7]；而且安徽南部的水田區由于地表水分充足,其土壤表面蒸發較強,從而引起WUE值的降低；安徽北部的旱田區播種較大比例的玉米,而玉米的光合能力較強,所以WUE值較高。

圖2 安徽省ET、GPP和農田WUE年際變化Fig.2 Annual variation of ET、GPP and cropland WUE in Anhui Province during 2000—2014

圖3 安徽省2000—2014年農田WUE偏離分析 Fig.3 Annual deviation analysis of cropland WUE in Anhui Province during 2000—2014

安徽省2000—2014年近15年農田年均WUE具有較強的空間分異性規律(圖4),整體上呈現北高南低趨勢,變化范圍在0.2—2.4 gC mm-1m-2之間,從農田WUE的空間分布特征來看,淮北平原的農田WUE普遍較高,該區域耕種面積較大,多為季節性較強的農作物種植區,作物主要是冬小麥和夏玉米,WUE值在1.5 gC mm-1m-2以上；農田WUE的中低值區處于江淮丘陵和沿江平原地區,該地區以季節性強的農作物(油菜、水稻)為主,其值在0.2—1.5 gC mm-1m-2之間。安徽省大部分地區農田WUE的變化百分率大于0(圖5),而農田WUE的變化百分率小于-10%的地區,主要分布在沿江地區以及水體周圍。根據空間分布圖5可知,WUE變化百分率增加10%以上的面積占安徽省農田面積的61.8%,其中WUE變化百分率在30%以上主要分布在淮河周圍如淮南市、滁州市、蚌埠市以及亳州市和阜陽市的北部；WUE變化百分率處于-10%—10%之間的面積占36.1%；WUE變化百分率降低10%以下僅占農田面積的2.1%,說明安徽省農田WUE整體上主要以增加為主,而且淮北平原地區農田WUE增加趨勢較強。

3.2 安徽省農田WUE的年內時空分布特征

根據MOD16A2月蒸散量ET數據和MOD17A2月總初級生產力GPP數據,分析安徽省2000—2014年農田WUE的年內時空變化特征(圖6),安徽省蒸散量ET年內變化呈先增加后減少的單峰型趨勢,最大值在8月份為114.8 mm；總初級生產力GPP年內呈現雙峰型變化趨勢,最大值在8月份為173.9 gC m-2；由于安徽省農作物種植方式多為雙季,農田WUE的年內變化呈現雙峰型變化格局,其中4月份為WUE的第一個峰值期,其值為2.1 gC mm-1m-2,7月份農作物收獲后WUE降低,到10月份WUE達到第二個峰值期,WUE為1.9 gC mm-1m-2。安徽省各市月WUE有明顯的波動變化(圖7),淮河以南地區與安徽省變化趨勢一致,在4月份達到第一個峰值；但淮河以北地區與淮河以南各市的變化趨勢略有不同,第一個峰值在3月份；究其原因,淮河以北為平原地區,作物種植方式多為雙季,其種植作物主要是以冬小麥和夏玉米為主,3月份氣溫回升,冬小麥開始返青生長,農作物的光合作用強度大,需水量增加,WUE值增加；7月份,小麥收割之后開始播種夏玉米,7月份是玉米的開花期,植被生長茂盛,其蒸騰作用逐漸增強,從而導致WUE下降,10月份植被的數量減少,蒸騰作用較弱,則WUE值較大。此外,淮河以南地區種植作物主要是油菜和水稻,與冬小麥和夏玉米的生長周期不同,因此,兩者在趨勢上表現出較大的差異。

圖4 安徽省多年平均農田WUE空間分布 Fig.4 Spatial distributions of average cropland WUE in Anhui Province during 2000—2014

圖5 安徽2000—2014年農田WUE變化百分率 Fig.5 Changing percentages of cropland WUE in Anhui Province during 2000—2014

圖6 安徽省ET、GPP和農田WUE年內變化Fig.6 Monthly variation of ET、GPP and cropland WUE in Anhui Province

圖7 安徽省各市農田WUE的年內變化Fig.7 Monthly variations of cropland WUE of cities in Anhui Province

由于受季節性降雨、氣溫、太陽輻射以及農作物類型等多種因素影響,安徽省不同季節農田WUE的空間分布差異顯著(圖8)。春季氣溫回升階段(3—5月),此階段為WUE快速升高期；農田WUE的范圍為1.19—2.34 gC mm-1m-2,均值為1.89 gC mm-1m-2,春季隨氣溫回升,小麥進入拔節灌漿期,所需水分增加,農田WUE整體上呈現北高南低趨勢,農田WUE的高值區集中在淮北平原地區,該區域在人工春灌影響下水分供給充足。

夏季土壤供水充分階段(6—8月),此階段安徽省氣溫較高,光照充足,太陽輻射較大,降雨量大,有利于地表蒸散,農田WUE的范圍在0.94—1.93 gC mm-1m-2之間,均值為1.42 gC mm-1m-2,從空間分布上看,整體上呈現南高北低趨勢,低值區位于淮北平原和沿江平原地區,究其原因,一方面該階段蒸騰作用最強,另一方面可能是由于農作物收割導致WUE值下降。秋季氣溫降低階段(9—11月),農田WUE值處于1.19—2.34 gC mm-1m-2之間,均值為1.59 gC mm-1m-2,秋季氣溫下降,植被衰落,蒸騰作用下降,空間上呈現南高北低趨勢。冬季干冷階段(12—次年2月),農田WUE值在0.19—1.86 gC mm-1m-2之間,均值為0.62 gC mm-1m-2,該季節氣溫最低,降雨量最少,光合作用和蒸騰作用最弱；部分區域土壤甚至凍結,植被吸收水分能力較低,WUE維持在較低水平。不同季節農田WUE的空間分布情況與該地區的太陽輻射、海拔高度、氣溫、降雨以及農作物類型等因素的季節性變化密切相關,受氣候條件和農作物類型的影響,安徽省農田WUE整體上呈現春季>秋季>夏季>冬季的特征。

3.3 農田WUE變化的影響因素分析

有研究表明,雖然氣候在過去幾十年的長時間尺度上呈現明顯的暖化趨勢,氣溫升高[32- 33],但是在本研究所屬時段內2000—2014年,安徽省氣溫呈下降趨勢,降雨呈增加趨勢。安徽省2000—2014年均降雨量在1019.7—1539.9 mm之間,多年均值為1291.5 mm,2000—2014年降雨量逐漸增加,變化率為4.2 mm/a(圖9)；降雨量從安徽省南部到北部呈現減小趨勢,分布不均,皖南山區和大別山區以及江淮之間地區的降雨較多,尤其是黃山市和安慶市,降雨量最多,皖北平原地區的降雨較少。安徽省近15年的平均氣溫在15.03—17.03℃之間,多年均值為15.8℃,氣溫呈現波動下降趨勢,變化率為-0.022℃/a(圖9),氣溫多年平均的空間分布情況則呈現分布不均的趨勢,氣溫較低的地區分布在皖南山區和大別山區,皖北平原地區的氣溫則處于中間,沿江地區的氣溫較高。

圖9 2000—2014年安徽省年降雨量、氣溫變化趨勢Fig.9 Annual variation tendency of precipitation and temperature in Anhui Province during 2000—2014

為了定量分析氣象因子對農田WUE的影響,因此,逐像元計算2000—2014年的農田WUE與年降雨、年氣溫之間的偏相關系數(圖10),農田WUE對氣候因子的響應表現出顯著的空間差異性。農田WUE與年降雨的偏相關系數介于-0.90—0.86之間(圖10),統計結果表明,農田WUE與降雨呈負相關的面積占農田總面積的83.2%,主要分布在淮北平原和江淮丘陵地區；呈正相關的區域主要分布沿江平原地區；對偏相關系數進行顯著性檢驗,研究區有2.92%的區域通過了P<0.01水平的t顯著性檢驗,主要分布在淮河流域周圍以及亳州市中部和阜陽市的北部。

由農田WUE與年氣溫之間的偏相關空間特征(圖10)可知,農田WUE與年氣溫的偏相關系數在-0.83—0.71之間,正負相關區域分別占研究區面積的31.4%、68.6%,呈正相關的區域主要集中分布在淮北平原的宿州市、淮北市、亳州市,以及沿江地區,而負相關區域分布在全省農田區域,對偏相關系數進行顯著性檢驗,有1.57%的區域通過P<0.01的顯著性檢驗,主要分布在淮南市周圍以及沿江平原地區。農田WUE與氣溫-降雨的復相關空間分布情況如圖10所示,農田WUE與氣候因子的復相關系數在0.001—0.905之間；農田WUE與氣候因子復相關性較強的區域主要集中在淮南市周圍以及淮北平原各市,復相關較弱地區主要分布在沿江平原地區以及大別山周圍地區；對復相關系數的顯著性采用F顯著性檢驗法進行檢驗,有6.06%的區域通過P<0.05的顯著性檢驗,主要分布在淮北平原以及江淮丘陵地區,農田WUE與氣候因子之間復相關性存在地區差異,主要受到農作物類型及氣候等因素的影響。

表1 農田WUE變化影響因子分區準則

R1：農田WUE與降雨偏相關的t顯著性檢驗T-Test significance of the partial correlations between cropland WUE and precipitation;R2：農田WUE與氣溫偏相關的t顯著性檢驗T-Test significance of the partial correlations between cropland WUE and temperature;[T+P]+：氣溫降雨影響顯著型 Change driven by temperature and precipitation significantly;T：氣溫影響顯著型 Change driven by temperature significantly;P：降雨影響顯著型 Change driven by precipitation significantly;[T+P]-：氣溫降雨影響不顯著型Non-change driven by temperature and precipitation significantly

為了進一步比較不同區域的氣候因子對農田WUE的影響,分析各氣象因子的影響以及氣象因子的綜合影響,對農田WUE與氣溫和降雨的偏相關數據進行疊加處理,并根據農田WUE變化影響因子分區準則(表1),將影響類型分為氣溫降雨影響顯著型、降雨影響顯著型、氣溫影響顯著型、氣溫降雨影響不顯著型,并對疊加結果進行分類顯示,生成氣候因子影響顯著性分布圖(圖10),2000—2014年農田WUE變化只與降雨顯著相關的區域占農田區面積的17.14%,主要分布在淮北平原以及江淮丘陵地區；0.73%的農田區WUE只與氣溫顯著相關,主要集中在宿州市和六安市的北部以及淮南市；WUE與氣溫和降雨均為顯著相關的農田區域占全省農田面積的0.71%,以宿州市的北部及淮南市周圍最為明顯,WUE與氣溫和降雨均不顯著相關的區域占全省農田面積的81.42%,因此,在氣候因素中,安徽省農田WUE受降雨的影響較大,受氣溫的影響相對較小,而且降雨增加使土壤濕度變大,改善土壤水分的供給,增加光合速率,而且較低的氣溫減少蒸散作用,從而減少水分的散失,有利于農作物的生長；進一步說明降雨是安徽省農田WUE變化的重要氣候影響因素。此外,農作物除了受到自身的生物學特性、土壤特性外,還受到不同農作物類型對水分的要求、農作物類型地帶性差異的影響以及人類活動等非氣候因素對其影響,從而導致農田WUE空間差異性。

圖10 2000—2014年氣候變化對農田WUE的影響Fig.10 Effects of climate change on cropland WUE in Anhui Province during 2000—2014

4 結論與討論

利用MODIS遙感數據和氣象數據定量估算了2000—2014年安徽省農田水分利用效率WUE,分析了該區域農田生態系統WUE的時空動態變化特征以及氣候因子對其影響,主要結論如下：

1)在 2000—2014年15年間,安徽省ET呈下降趨勢,GPP呈現出明顯的增長趨勢,農田WUE年際呈現增長變化趨勢,表明GPP的顯著增加是農田WUE增長的直接因素。安徽省近15年農田年均WUE具有較強的空間分異性規律,整體上呈現北高南低趨勢,由于在各主要糧食作物中,玉米的WUE最高,小麥其次,而水稻最小,淮北平原地區種植作物主要以冬小麥和夏玉米為主；而淮河以南種植作物為油菜和水稻,所以淮河以北各市的農田WUE較高,高于全省的多年均值,均值在1.5 gC mm-1m-2以上,淮河以南地區的農田WUE則低于全省水平。

2)2000—2014年安徽省農田WUE的年內變化呈現雙峰型變化格局,最大值在4月份為2.1 gC mm-1m-2；淮河以南各市地區與安徽省變化趨勢一致,以4月份為最高,但淮河以北各市地區與其變化趨勢略有不同,以3月份為最高；由于受季節性降雨、氣溫及農作物類型等多種因素影響,安徽省不同季節農田WUE的空間分布差異顯著,安徽省不同季節的農田 WUE大小關系為：春季>秋季>夏季>冬季。

3)安徽省農田WUE動態變化受到降雨影響的區域占比17.14%；氣溫影響的區域占比0.73%；降雨和氣溫綜合影響所占面積最小,為0.71%；而WUE與氣溫和降雨影響均不顯著占比為81.42%,因此,在氣候因素中,降雨在安徽省農田WUE變化中起主導作用,由于人為因素的干擾,非氣候因素對農田WUE變化的影響更大。

安徽省是我國的農業大省,作為農業生產的命脈,水資源的科學配置和合理利用直接影響到農業的可持續發展。由于農田耕地種植區多為人工植被,其種植結構、灌溉等因素對農田WUE仍具有較大影響,而本研究僅用氣溫和降雨作為影響農田WUE變化的氣候因子進行氣候因素影響分析,并未考慮人類活動的影響,除氣候因素外,影響農田WUE的人為因素還包括間作、套作等在內的耕作方式,以及灌溉方式、種植結構等因素的影響,因此,在未來的研究中,應當開展針對不同土地利用模式及變化與WUE之間關系的相關研究。