淮河流域植被降水利用效率時空格局分析

(西安科技大學 測繪科學與技術學院，陜西 西安 710054)

植被降水利用效率(PUE)是指凈初級生產力(NPP)植物光合作用生產的干物質與年降水量之比，反映了植被光合作用生產與耗水特性之間的關系[1]。它可以體現植被利用水分將營養物質轉化為生物能量的能力，是植被水分利用效率的延伸[2]，同時也是在區域尺度上反映植被生產能力對降水量時空變化響應特征的重要指標[3-4]。因此，研究區域尺度植被PUE的時空變化特征及其對于氣候因子的響應，對于深化全球變化研究具有重要意義。

近年來，利用衛星遙感技術時間序列長和覆蓋范圍廣的特點，植被PUE研究尺度已經從農作物的葉片生理水平或個體水平上升至冠層、生態系統以及景觀水平[5]。衛星遙感技術為從較大的區域尺度探討植被的長時間序列時空變化特征提供了一種有效的技術手段[6]。張亞玲等[7]基于黃河1998～2012年SPOT～NDVI數據及同期119個氣象站的降水數據，結合植被利用降水效率分析了黃河流域植被覆蓋的時空變化特征取得較好的結果；張艷芳等[8]基于2000～2014年MODIS NDVI及氣象數據，運用累計降水利用效率變化差異估算模型和地形要素降水量插值的方法，探討了2000～2014年黃土高原PUE與植被變化的關系。另有相關學者研究了PUE對于降水量、氣溫等氣候因子的響應及其空間格局分布特征。Hu等[4]的研究表明，在我國內蒙古高原和青藏高原上的4 500 km草地樣帶上，PUE在空間上與降水量存在較強的相關性；仇潔等[1]的研究表明，青藏高原不同植被類型的PUE均值有著明顯的差異；葉輝等[5]的研究表明，PUE空間變化與降水量和氣溫顯著相關，二者能夠解釋PUE空間變化的97.8%。而杜加強等[9]在黃河上游地區的研究認為，PUE與降水量的關系隨著區域的變化而變化。因此，一般研究認為，植被PUE受到氣候條件、生物多樣性與群落結構、地形地貌和人類活動等多種因素的綜合影響，對于特定區域、不同植被類型的PUE，其時空分布格局以及對于氣候因子的響應關系存在差異。

淮河流域地處我國南北氣候過渡帶，是我國重要的氣候敏感區[10]。然而，對于該區植被水分利用效率的時空分布格局及其對氣候因子的響應特征研究較少。本研究基于MODIS NDVI遙感影像和氣象數據，利用CASA模型估算植被NPP，進而獲取淮河流域2001～2016年植被PUE，并分析其時空變化特征及對于氣候的響應，以期為全球變化下的生物碳水循環研究提供科學參考。

1 研究區概況

淮河流域地處中國東部，位于111°55′E～121°25′E，30°55′N～36°36′N，介于長江和黃河流域之間。主要涉及安徽、河南、山東和江蘇4省，總面積約27萬km2，平原約占淮河流域總面積的66%(見圖1)。

圖1 淮河流域地理位置與氣象站點分布Fig.1 Location and spatial distribution of meteorological stations in Huaihe River basin

淮河流域以北屬暖溫帶半濕潤季風氣候區，以南為亞熱帶濕潤季風氣候區。年平均氣溫在11℃～16℃之間，且由北向南，從沿海向內陸遞增。多年平均降水量約為920 mm，從年內降水時間分布上看，多集中在主汛期，從空間分布上看，集中在流域南部，分布大致由南向北遞減，山區多于平原，沿海大于內陸[11]。流域植被覆蓋類型主要為農作物，其次為灌叢、森林及草甸。

2 材料與方法

2.1 數據來源與處理

MODIS NDVI數據來源于美國國家航空航天局(National Aeronautics and Space Administration，NASA)的2001～2016年的MOD13A3數據產品(http://edcimswww.cr. usgs.gov/pub/imswelcome)，時間分辨率為月，空間分辨率為1 km。利用MRT(MODIS Reprojection Tools)將下載的MODIS NDVI數據進行格式轉換和重投影，將HDF格式轉換為Tiff格式，將SIN地圖投影轉換為WGS84/Albers Equal Area Conic投影[12]，同時，完成影像的空間拼接和重采樣，并利用流域邊界裁切獲取2001～2016年逐月MODIS NDVI數據集。借助于中國科學院植被圖編輯委員會2001年編著的1∶100 000 0中國植被圖集，經掃描數字化得到淮河流域植被類型圖。

氣象數據來源于中國氣象科學數據共享服務網(http://cdc.cma.gov.cn)，包括研究區30個標準氣象站點2001～2016年的月平均氣溫、逐月降水量和逐日日照時數數據(見圖1)，利用日照時數和站點位置的模擬方法估算得到太陽輻射量[13]。根據各氣象站點的經緯度信息，采用ArcGIS的Geostatistical Analyst模塊對氣象數據進行空間插值，獲取與NDVI數據像元大小一致、投影相同的氣象數據柵格圖像。通過數據掩膜，剪取淮河流域月平均氣溫、降水量和太陽輻射的柵格圖像。

2.2 PUE的估算

PUE為年凈初級生產力(NPP)與年降水量(PPT)的比值。公式如下[1]：

PUE=NPP/PPT

式中，NPP采用CASA模型估算得到；PPT為年降水量,mm，采用氣象數據空間插值得到。

2.3 NPP估算模型

CASA模型是由遙感、氣象、植被以及土壤類型數據共同驅動的光能利用率模型[14-16]，在陸地生態系統NPP的估算中得到了廣泛的應用。模型主要由太陽輻射中被植被吸收的光合有效輻射(APAR)和光能利用率(ε)來估算植被NPP，公式為[12]

NPP(x,t)=APAR(x,t)×ε(x,t)

(2)

式中，APAR(x，t)表示像元x在t月份吸收的光合有效輻射，ε(x,t)表示像元x在t月份的實際光能利用率。APAR由太陽總輻射和植被對光合有效輻射的吸收比例決定，計算公式為[12]

APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5

(3)

式中，SOL(x，t)指像元x在t月份的太陽總輻射量(MJ/m2)，常數0.5表示能被植被利用的太陽有效輻射占太陽總輻射的比例；FPAR(x，t)表示植被層對入射的光合有效輻射的吸收比例。在通常情況下，FPAR和NDVI、SR(simple ratio)有較好的線性關系，因此可以通過MODIS產品提取NDVI對FPAR進行估算[12]。

光能利用率指APAR轉化為有機碳的效率，計算公式為

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax

(4)

式中，Tε1(x,t)和Tε2(x,t)表示低溫和高溫對光能轉化率的影響，Wε(x,t)反映水分條件對光能轉化率的影響，εmax是在理想狀態下植被的最大光能利用率，其取值隨著植被類型的變化而變化[12]，文中εmax取值參照朱文泉等[17]的研究成果。

2.4 分析方法

2.4.1年際變化率計算(趨勢分析)

應用一元線性回歸分析方法在像元尺度分析淮河流域2001～2016年PUE變化趨勢。計算公式[18]為

(5)

式中，θslope為趨勢斜率；n為研究時段的年數；PUEi為第i年的植被降水利用效率；斜率為正表示研究區在16 a間PUE的變化是上升的，反之表示下降[19]。

2.4.2PUE與氣候因子相關系數

以年為單位，在像元尺度分別計算2001～2016年PUE與降水量和平均氣溫的相關系數，以分析PUE的年際波動對氣候因子的響應。計算公式[20]如下：

(6)

式中，R為PUE和降水量(氣溫)的相關系數；PUEi為第i年的PUE；PUEave為年平均PUE；pi為第i年降水量(氣溫)；Pave為年均降水量(年均氣溫)。

3 結 果

3.1 淮河流域植被PUE的時空變化特征

3.1.1年際變化趨勢

如圖2所示，2001～2016年淮河流域植被PUE的年際波動較大，范圍為0.32～0.85 g C/(m2·mm)，平均值為0.598 g C/(m2·mm)，總體呈下降趨勢，但變化不顯著。其中，2014年植被PUE最高，為0.85 g C/(m2·mm)，高于多年平均值的41%，2003年PUE最低，為0.32 g C/(m2·mm)，低于多年平均值的46.7%。其余各年份植被PUE均與多年平均的差異相對較小。

3.1.2空間分布特征

2001～2016年間淮河流域植被年均PUE的空間分布如圖3所示?？梢钥闯?，淮河流域PUE空間分布差異顯著，總體從西北向東南遞減。河南省的鄭州、開封，山東省的菏澤，以及安徽省的部分地區植被PUE較高，達到0.80 g C/(m2·mm)以上。在山東和江蘇、河南和安徽交界處以及河南省中部等地區，植被PUE多處于0.65～0.80 g C/(m2·mm)之間。山東棗莊、臨沂，江蘇鹽城、連云港以及河南信陽，江蘇北部等地區植被PUE在0.50～0.65 g C/(m2·mm)范圍之內，而在蚌埠、滁州和淮安地區交界處植被PUE多處于0.50 g C/(m2·mm)以下。排除其他影響，部分地區的植被PUE與降水量關系密切，降水量越高，植被PUE越低，降水量越低，植被PUE越高。PUE受氣溫影響較小，沒有明顯規律。

圖2 2001～2016年淮河流域植被PUE的年際變化Fig.2 Interannual changes of vegetation PUE in Huaihe River basin from 2001 to 2016

圖3 2001～2016年淮河流域植被PUE空間格局Fig.3 Spatial pattern of vegetation PUE in Huaihe River basin from 2001 to 2016

3.1.3PUE變化趨勢的空間分布

利用一元線性回歸分析方法得到淮河流域PUE變化趨勢空間分布圖(見圖4)。由圖可知，近16 a來淮河流域PUE變化趨勢不明顯，在-0.113～0.040之間。PUE降低的區域占流域面積的54.3%，主要分布在河南、安徽和江蘇3省。其中，河南省的開封市、信陽市東部等地區降水利用效率降低明顯，江蘇省、安徽省多數地區及河南省少數地區PUE變化趨勢比較緩和。PUE增加的地區大部分集中在山東省、河南省商丘、周口、許昌市等地，以及安徽省和江蘇省部分地區?？傮w來看，淮河流域北部地區植被降水利用效率有所增加，而南部地區則呈現降低趨勢。

圖4 2001～2016年淮河流域植被PUE變化趨勢空間分布Fig.4 Spatial distribution of PUE change trend in Huaihe River basin from 2001 to 2016

3.2 不同植被類型PUE差異

如圖5所示，2001～2016年間淮河流域各植被類型中，由于其生理結構等因素，使PUE值存在差異。闊葉林的平均PUE(g C/(m2·mm))最高(0.69)，其次為農作物(0.62)、灌叢(0.49)和針葉林(0.45)，最后為草甸(0.42 )。而在一級植被類型中，農作物的PUE則高于森林(0.57)，這可能是長期的農業管理措施促進了植被生長，提高了PUE[5]。

3.3 PUE與氣候因子的相關性

利用基于像元的相關分析方法，對2001～2016年淮河流域植被PUE與降水和氣溫因子進行逐像元相關分析，從而在區域尺度分析了植被PUE與主要氣候因子的關系(見圖6)。

從圖6(a)中可以看出，僅占流域0.3%的地區植被PUE與降水量呈正相關，分布在駱水湖、高郵湖等地區。其他地區植被PUE與降水量均呈負相關。其中，山東臨沂北部、河南漯河、許昌等地負相關性最強，最大達到-0.96，在河南信陽、開封東部以及安徽淮南、六安、合肥和滁州等地呈弱相關系性，相關系數在-0.4～0.0范圍內。

圖6 2001～2016年淮河流域植被PUE與年降水量變化和氣溫的相關性Fig.6 Correlations between PUE and annual precipitation and annual mean air temperature of vegetation in Huaihe River basin from 2001 to 2016

從圖6(b)中得出，占流域80.1%的地區植被PUE與氣溫呈正相關，其中山東省、河南信陽、安徽六安等地區相關性最高，達到0.86。負相關主要集中在河南省，尤其在鄭州、開封北部相關性達到-0.53。從空間分布來看，河南省由北向南相關性從負相關逐漸過渡到正相關，其他地區由南到北相關性依次升高。

4 討 論

4.1 不同植被類型PUE的差異

淮河流域內植被類型從西向東按森林植被-農田植被-森林植被依次更替，且不同的植被類型PUE存在差異。PUE和植被類型密切相關，可能由各植被類型的群落結構、植被光合速率、土壤條件、植被覆蓋情況以及地貌等方面的差異造成的[3,19-20]。

本研究表明，淮河流域一級植被類型中，PUE最高的為農田，達到0.62 g C/(m2·mm)。農田占淮河流域植被總面積的95%，其他植被僅僅占淮河流域外緣的一部分，農田集中分布在淮河流域的中心。其中心以南的一部分以及中心以北為一年兩熟或兩年三熟旱作，此地區降水相對較少，在1 200 mm以下；而南部降水量在1 200～1 900 mm之間，種植的則是一年水旱兩作，農田植被處于淮河流域平原地區，由于農田面積大，灌溉需要大量水資源，而水資源有限，因此農作物降水的利用率會相對偏高。

淮河流域西部、西南部及東北部為山區，覆蓋植被為溫帶、亞熱帶落葉灌叢，一般情況下，灌木叢生長的土壤表層沙土比例較高，降水的滲入率也隨之增加，灌木區土壤表層松散的沙土層能夠通過增加對水分的吸收使植被生產率得到提高[12]，這可能是灌木叢降水利用效率相對較高的原因。

草甸的平均PUE最低，草甸生長區在淮河流域東邊沿海，面積較前兩類植被類型少得多，且處于沿海，所以草甸生長過程對于水敏感程度較低，對降水的依賴較小，導致植被降水利用效率偏低。

4.2 PUE空間分布及驅動因素

相關研究表明，在一定區域范圍內，植被PUE隨著降水量的增加而增加[9]，且PUE與降水量的關系并非是單一的增值曲線[12]。也有研究表明，PUE與地區干旱程度成反比，但是在不同降水量區間以及不同生態系統間，PUE與降水量的關系各不相同[12]。葉輝[5]和Huxman[19]等認為年降水量在100 mm以下的極干旱地區和在650 mm以上的濕潤地區，PUE隨著降水量的增加呈降低趨勢；Hu等[4]通過研究中國4 500 km草地樣帶PUE的時空變化，認為草地PUE的空間分布隨著降水量的梯度變化趨勢是先升高后降低，在降水量為400～600 mm的地區達到峰值。

淮河流域年均降水量在526～1 902 mm之間。本文研究表明，占流域99.7%的地區植被PUE與降水量的變化呈負相關。降水量在526～600 mm之間的河南開封、鄭州植被PUE值最高，達到1.25 g C/(m2·mm)，這與Hu等[4]的結論一致；當降水量達到800～1 000 mm時，PUE值降低為0.50～0.65 g C/(m2·mm)；在降水量大于1 600 mm的蚌埠、滁州和淮安交界處植被PUE卻接近于零。隨著降水量的增加，PUE值越來越小，這證實了葉輝[5]和Huxman[19]等的結論。本文進一步深入探討了植被PUE與年降水量呈負相關的原因。在年降水量較低的區域，降水是限制植被生長的主要因子[19]，但是淮河流域降水量充足，土壤含水量長期處于飽和狀態，限制了植被根系和土壤微生物的供氧，降低了生物活性。同時過量的降水形成地表徑流，造成易受淋溶作用的關鍵營養物質流失，對植物的生長產生威脅[5-6]。除此之外，淮河流域城市化程度較高，人為干擾嚴重，植被PUE對于氣候因素的響應可能被削弱[12]，如不合理的農業生產或管理措施以及砍伐、放牧等，這些因素的綜合作用可能是造成植被PUE隨降水量的增加而降低的重要原因。

結合PUE與降水量和氣溫的相關系數分析，淮河流域植被PUE的年際變化與降水量的相關系數多分布在-0.96～-0.40之間，且占流域的87.2%，而其與年均氣溫的相關系數在0.40～0.86的區域僅是前者的1/2。這表明淮河流域植被PUE的年際變化與年降水量的關系更加密切，對其變化的響應更加敏感。同時，大部分地區植被PUE的年際波動與氣溫呈微弱的正相關，相關系數在0.00～0.50之間，且年均氣溫在12.00℃～14.72℃之間，溫差較低，這可能是二者關系較弱的原因。由此可見，與氣溫相比較，淮河流域植被PUE的空間分布與年降水量的關系更加密切，因此，降水量是影響淮河流域植被PUE的重要因素。

5 結 論

本研究基于CASA模型，利用遙感和氣象數據估算了淮河流域2001～2016年植被降水利用效率，并分析探討了該區域植被利用效率的時空分布特征及其與氣候因子的響應關系，得到以下結論。

(1) 2001～2016年，淮河流域植被降水利用效率在0～1.26 g C/(m2·mm)之間，其平均值為0.598 g C/(m2·mm)。

(2) 從空間分布上看，淮河流域PUE變化趨勢呈規律性，流域北部增加，南部降低。

(3) 各植被類型的降水利用效率中，農田的平均PUE最高，其次為森林、灌叢，最后為草甸，在森林的2個二級植被類型中，闊葉林的PUE高于針葉林。

(4) 淮河流域植被降水利用效率與氣溫的相關系數在空間上呈明顯的區域分布特點，相關系數在-0.53～0.86之間，其中，正相關占流域面積的80.1%，而與降水量的相關系數大部分地區呈負相關，約99.7%，相關系數在-0.96～0.57之間。

(5) 淮河流域植被PUE的年際波動與降水量的關系強于氣溫，降水量越高，PUE越低，因此，降水是影響流域PUE空間分布的重要因素。