長(zhǎng)江經(jīng)濟(jì)帶水分利用效率變化及與溫度和降水的關(guān)系

邵 輝,張遠(yuǎn)東,*,顧峰雪,繆 寧,劉世榮

1 中國(guó)林業(yè)科學(xué)研究院森林生態(tài)環(huán)境與保護(hù)研究所,國(guó)家林業(yè)和草原局森林生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室, 北京 100091 2 中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所,農(nóng)業(yè)部旱作節(jié)水農(nóng)業(yè)重點(diǎn)實(shí)驗(yàn)室, 北京 100081 3 四川大學(xué)生命科學(xué)學(xué)院,生物資源與生態(tài)環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室, 成都 610064

隨著工業(yè)社會(huì)的發(fā)展,由于人們大量使用煤炭、石油等化石燃料,造成大氣中CO2等溫室氣體的濃度逐漸上升。溫室氣體增多導(dǎo)致全球逐漸變暖,這在一定程度上影響了全球水碳平衡[1- 2],造成某些地區(qū)水分不足,進(jìn)而會(huì)影響該地區(qū)植物對(duì)水分的利用。水分利用效率(Water Use Efficiency, WUE)不僅能夠反映生態(tài)系統(tǒng)水平上植物對(duì)吸收的碳和消耗的水之間的平衡,即碳水耦合特征[3- 4],而且在一定程度上能夠體現(xiàn)植物對(duì)水分的利用效果[5]。因此,通過研究其對(duì)外界環(huán)境因子變化的響應(yīng),如：氣候變暖、CO2濃度升高、降水變化、氮沉降等[6],有助于了解和預(yù)測(cè)氣候變化對(duì)生態(tài)系統(tǒng)的影響,為應(yīng)對(duì)氣候變化提供新的依據(jù)。

WUE指植物消耗單位水量所生產(chǎn)出的碳同化量,可以作為評(píng)價(jià)植物生長(zhǎng)適宜度的綜合生理生態(tài)指標(biāo)。早期對(duì)植被WUE的研究主要為試驗(yàn)觀測(cè),多采用田間直接測(cè)定法[7]。之后,隨著觀測(cè)技術(shù)的發(fā)展,渦度相關(guān)技術(shù)逐漸應(yīng)用到對(duì)不同類型的生態(tài)系統(tǒng)水碳循環(huán)、生產(chǎn)力和WUE等的模擬[8- 10]。在區(qū)域尺度上,隨著遙感技術(shù)的發(fā)展,使得大尺度上植被生長(zhǎng)和水分狀況的獲取成為可能[11- 12],并在研究生態(tài)系統(tǒng)水平上的WUE取得突破性進(jìn)展[13]。Zhang等[14]利用CASA模型(Carnegie Ames Stanford Approach model)和糧農(nóng)組織Penman-Monteith模型,對(duì)長(zhǎng)江源區(qū)2000—2010年植被WUE的研究發(fā)現(xiàn),植被WUE呈明顯下降趨勢(shì)。Gang等[15]研究評(píng)估2000—2013年全球草地WUE的時(shí)空動(dòng)態(tài)時(shí)發(fā)現(xiàn),有37.89%的草原生態(tài)系統(tǒng)WUE有所下降,其中3.34%顯著下降,而且南北半球每種草地類型的WUE對(duì)氣候變化的反應(yīng)不同。Zhou等[16]使用BEPS模型(Boreal Ecosystem Productivity Simulator model)和遙感數(shù)據(jù),模擬西南地區(qū)森林生態(tài)系統(tǒng)WUE在干旱脅迫下的變化,研究結(jié)果表明,干旱引起森林生態(tài)系統(tǒng)凈初級(jí)生產(chǎn)力(Net Primary Productivity, NPP)下降大于蒸散(Evapotranspiration,ET),森林生態(tài)系統(tǒng)WUE表現(xiàn)為對(duì)干旱的積極響應(yīng),表明森林生態(tài)系統(tǒng)具有抗旱性。

長(zhǎng)江經(jīng)濟(jì)帶東起上海市,西至云南省,覆蓋11省(市)五大城市群,其面積約占我國(guó)國(guó)土面積的21%,該地區(qū)經(jīng)濟(jì)發(fā)達(dá),城市體系完整,人口超過全國(guó)人口的40%,是我國(guó)重大戰(zhàn)略發(fā)展區(qū),也是我國(guó)“三大支撐帶”之一[17- 18]。長(zhǎng)江經(jīng)濟(jì)帶在生態(tài)區(qū)位上同樣具有重要的地位,該地區(qū)生態(tài)系統(tǒng)類型多樣,有森林、草地、灌叢、濕地等,生物多樣性豐富,擁有多種珍稀水生生物物種,重要保護(hù)物種近1400余種,是我國(guó)生態(tài)文明建設(shè)的示范帶[19- 20]。本文使用生態(tài)系統(tǒng)過程模型CEVSA2(Carbon Exchange between Vegetation, Soil and Atmosphere)估算1981—2010年期間,長(zhǎng)江經(jīng)濟(jì)帶11省(市)的NPP和ET,通過揭示W(wǎng)UE時(shí)空變化,分析其對(duì)溫度和降水的響應(yīng),以便今后為該地區(qū)生態(tài)恢復(fù)與水碳管理提供建議。

1 資料和方法

1.1 研究區(qū)概況

長(zhǎng)江經(jīng)濟(jì)帶(圖1)主要位于東經(jīng)97°21′—122°25′,北緯21°08′—35°20′之間,覆蓋四川、云南、貴州等11省(市),面積約205萬(wàn)平方公里,橫跨東中西三大區(qū)域[21]。地理位置優(yōu)越,地勢(shì)西高東低,呈多級(jí)階梯性地形,西部為青藏高原東緣的高山峽谷區(qū),中東部低山丘陵與平原相間分布,湖泊眾多(太湖、洞庭湖、鄱陽(yáng)湖、巢湖等)。氣候濕潤(rùn),降雨充沛,水資源豐富,大部分地區(qū)屬亞熱帶季風(fēng)氣候,平均年降水量約1067 mm,平均干旱指數(shù)為0.86,屬于濕潤(rùn)地帶[22- 23]。

圖1 長(zhǎng)江經(jīng)濟(jì)帶地理位置Fig.1 Location of study region

1.2 數(shù)據(jù)來(lái)源

本研究CEVSA2模型所需要的數(shù)據(jù)包括CO2濃度、土壤類型、植被數(shù)據(jù)以及氣象資料,其中溫度、降水等氣象數(shù)據(jù),均來(lái)自國(guó)家氣象信息中心。利用ANUSPLIN軟件插值得到分辨率0.1°×0.1°的柵格數(shù)據(jù),作為模型的氣象輸入數(shù)據(jù)。大氣CO2濃度資料來(lái)自于美國(guó)NOAA Mauna Loa CO2數(shù)據(jù)集,自CO2·earth網(wǎng)站下載(https://www.co2.earth/)。土壤類型和質(zhì)地資料來(lái)自1∶100萬(wàn)土壤類型圖和第二次土壤普查數(shù)據(jù),并對(duì)其進(jìn)行重采樣,使得其與氣候數(shù)據(jù)的空間分辨率一致。植被數(shù)據(jù)采用2000年全球土地覆蓋數(shù)據(jù)集(European Commission, Joint Research Centre, 2003.http://bioval. Jrc.ec.europa.eu/products/glc2000/glc2000.php)。

1.3 模型介紹

CEVSA2是一個(gè)基于生理和生態(tài)過程的生物地球化學(xué)循環(huán)模型,用于模擬植物-土壤-大氣系統(tǒng)能量交換和水-碳-氮耦合循環(huán)過程[24-27]。利用該模型可以模擬區(qū)域至全球尺度上生態(tài)系統(tǒng)過程對(duì)大氣CO2濃度變化、氣候變化、氮沉降等的響應(yīng)[28-30]。在CEVSA2模型中,對(duì)于碳循環(huán)的模擬主要基于光合、自養(yǎng)呼吸、凋落、異養(yǎng)呼吸等過程的定量表達(dá),而這些過程受生理生態(tài)特征和環(huán)境條件的共同控制。CEVSA2模型通過計(jì)算輻射、水和熱的傳輸過程來(lái)模擬水循環(huán)過程[31-32]。

在CEVSA2模型中,基于Farquhar[33]方程模擬光合作用,綜合考慮了光合作用、氣孔導(dǎo)度、呼吸作用、氮吸收和蒸發(fā)蒸騰量等生理生態(tài)過程來(lái)決定NPP,NPP是植被冠層的總光合速率(A)與植物自養(yǎng)呼吸(R)的差值。

NPP=A-Ra

(1)

式中,A為植被冠層的光合速率,Ra為葉、莖或根的呼吸消耗產(chǎn)物量。在CEVSA2模型中光合速率由生物化學(xué)過程和氣孔傳導(dǎo)共同決定。模型中采用連續(xù)迭代的方法解有關(guān)的非線性方程組使由生物化學(xué)過程和氣孔傳導(dǎo)度決定的光合速率相等,此時(shí)的光合速率即為A。由植物的生物生化過程決定的光合速率Ab為,

Ab=min{Wc,Wj,Wp}(1-0.5Po/τPc)-Rd

(2)

氣孔導(dǎo)度決定的光合速率Ad由下式計(jì)算：

Ad=gs(Pa-Pc)/160

(3)

式中,Wc由光合酶,即二磷酸核酮糖-羧化酶-氧化酶(Rubisco)活性所決定,與葉片氮含量直接相關(guān)。Wj取決于光合反應(yīng)過程中的電子傳遞速度,決定于葉片吸收的光合有效輻射。Wp決定于光合反應(yīng)過程對(duì)磷酸丙糖(Triose Phosphate)的利用效率,決定于葉片對(duì)光合產(chǎn)物的利用和輸出能力。Po和Pc分別是葉肉組織中O2和CO2的分壓,決定于大氣CO2分壓和葉片氣孔傳導(dǎo)度。τ是Rubisco對(duì)CO2濃度的特定反應(yīng)參數(shù),在模型中τ是溫度的函數(shù),Rd為白晝非光合呼吸速率。gs是植物葉片的氣孔導(dǎo)度,Pa和Pc分別是葉片表面和細(xì)胞內(nèi)的CO2分壓。

在CEVSA2模型中,自養(yǎng)呼吸Ra包括維持呼吸Rm和生產(chǎn)呼吸Rg兩部分。Rg是總初級(jí)生產(chǎn)力減去維持呼吸剩余部分的20%。而維持呼吸又分為葉片和非葉組織兩部分分別計(jì)算[34],葉片的維持呼吸(Rml)取決于葉片氮含量(N)和溫度(T)[35]：

(4)

式中,r1(T)和r2(T)分別是溫度的響應(yīng)函數(shù),Tk是絕對(duì)溫度。

非葉組織的維持呼吸則取決于非葉組織的質(zhì)量(mw)和溫度：

Rms=kmmwRR(Tk)

(5)

式中,km為呼吸速率,一般km=0.35,RR(Tk)為維持呼吸的溫度響應(yīng)函數(shù)。

Penman-Monteith方程通過氣孔阻抗與植物的光合同化過程聯(lián)系在一起,從而能夠更好地模擬冠層水碳的耦合循環(huán)。因此CEVSA2中采用Penman-Monteith方程計(jì)算冠層的蒸散,

(6)

式中,cp是空氣的比熱,gn是冠層氣孔導(dǎo)度,ga是邊界層導(dǎo)度,Rn是凈輻射,g是干濕表常數(shù),l是蒸發(fā)潛熱,r是空氣密度,D是水汽壓差,s是飽和水汽壓差對(duì)溫度的曲線斜率。

1.4 模型運(yùn)行與驗(yàn)證

本研究中,模型運(yùn)行的時(shí)間步長(zhǎng)為10d,空間分辨率為0.1°。首先應(yīng)用1961—2010年的平均氣候數(shù)據(jù)運(yùn)行模型至生態(tài)系統(tǒng)平衡態(tài),即各個(gè)狀態(tài)變量如植被、土壤碳貯量以及土壤含水量等年際變化量小于0.1%,且NPP、LT(Litter Productivity,凋落物產(chǎn)生量)與HR(Heterotrophic Respiration,異氧呼吸)相等,然后用1961—2010年每旬資料進(jìn)行動(dòng)態(tài)模擬,并反復(fù)運(yùn)行模型以消除假定的生態(tài)系統(tǒng)狀態(tài)變量的初始值(即平衡態(tài)假設(shè))對(duì)模擬結(jié)果的影響。從最終模擬結(jié)果中提取長(zhǎng)江流域的數(shù)據(jù)進(jìn)行分析。

在CEVSA2模型的發(fā)展建立和區(qū)域應(yīng)用過程中,應(yīng)用了大量的水碳循環(huán)觀測(cè)數(shù)據(jù)對(duì)模型的模擬結(jié)果進(jìn)行了驗(yàn)證。IGBP的GPPDI計(jì)劃搜集和編制了近1600個(gè)基于實(shí)際測(cè)定的全球0.5經(jīng)緯度網(wǎng)格NPP數(shù)據(jù)庫(kù),它包括各種植被類型的代表性樣點(diǎn)。CEVSA模擬值與GPPDI觀測(cè)值的比較表明,兩者之間不僅有很強(qiáng)的相關(guān)性,絕對(duì)值也非常接近[36]。顧峰雪等[37]在2007年利用不同站點(diǎn)的通量觀測(cè)數(shù)據(jù)對(duì)CEVSA2模型進(jìn)行了驗(yàn)證,驗(yàn)證結(jié)果表明,CEVSA2模型能夠很好地模擬不同站點(diǎn)水碳交換的季節(jié)、年際動(dòng)態(tài)特征及其對(duì)環(huán)境變化的響應(yīng),對(duì)ET的驗(yàn)證結(jié)果表明在日尺度上,長(zhǎng)白山、千煙洲、海北和哈佛站的觀測(cè)值與模擬值的R2達(dá)到0.65以上。Gu等[27]用中國(guó)420個(gè)森林清查樣地、335個(gè)草地調(diào)查樣方和1246個(gè)縣級(jí)單元的統(tǒng)計(jì)數(shù)據(jù)計(jì)算的NPP樣點(diǎn)觀測(cè)數(shù)據(jù)對(duì)CEVSA2模型進(jìn)行了驗(yàn)證,結(jié)果表明CEVSA2模型能夠很好地模擬觀測(cè)NPP的時(shí)空動(dòng)態(tài)。張遠(yuǎn)東等[38]也利用西南高山地區(qū)的NPP和ET觀測(cè)值對(duì)CEVSA2模型進(jìn)行了驗(yàn)證。

1.5 數(shù)據(jù)分析

本研究中WUE采用生態(tài)系統(tǒng)尺度上NPP與ET的比值(NPP/ET),NPP和ET關(guān)系密切且均為陸地生態(tài)系統(tǒng)的重要過程,基于NPP與ET的WUE,能反映生態(tài)系統(tǒng)生產(chǎn)力和水的耦合關(guān)系,因此該定義廣泛應(yīng)用于生態(tài)系統(tǒng)尺度的研究。

基于CEVSA2模型,模擬得到1981—2010年全國(guó)0.1°×0.1°空間分辨率的植被ET、NPP等數(shù)據(jù)。采用Pearson相關(guān)系數(shù)法,分別計(jì)算長(zhǎng)江經(jīng)濟(jì)帶WUE與年平均降水量、年平均溫度之間的相關(guān)系數(shù),并在ArcGIS10.2中將相關(guān)系數(shù)按照0.05,0.01兩個(gè)顯著性水平進(jìn)行分類,制作得到WUE與降水、溫度的相關(guān)系數(shù)圖。之后,采用線性趨勢(shì)傾向率法分析WUE年際變化趨勢(shì),借助軟件Envi 5.3對(duì)30年的數(shù)據(jù)進(jìn)行線性回歸,利用最小二乘法擬合得到一元線性方程,其斜率即趨勢(shì)傾向率[39-41]。查相關(guān)系數(shù)臨界值表得r0.05= 0.361,r0.01=0.463。

2 結(jié)果分析

2.1 WUE空間分布

長(zhǎng)江經(jīng)濟(jì)帶1981—2010年WUE均值為1.14 g C mm-1m-2。其中,WUE較高的地區(qū)主要位于貴州省東部、東北部,重慶市東南部,湖南省西南部、東北部等地區(qū)。安徽省、江蘇省、浙江省的小部分地區(qū)WUE較高(>1.5 g C mm-1m-2)。WUE較低的地區(qū)主要位于四川省的西部以及云南省的北部等地區(qū)(<0.8 g C mm-1m-2)(圖2)。長(zhǎng)江經(jīng)濟(jì)帶WUE最高的植被覆蓋類型為農(nóng)田、灌叢或草地嵌合區(qū)(1.22 g C mm-1m-2),其次為常綠灌叢(1.21 g C mm-1m-2),林木或其他天然植被嵌合區(qū)(1.19 g C mm-1m-2)和耕作和管理區(qū)(1.16 g C mm-1m-2),最低為稀疏草地/稀疏灌叢(0.60 g C mm-1m-2)。四種主要植被類型常綠針葉林、常綠闊葉林、草地和常綠灌叢的WUE分別為1.12、1.11、0.97、1.21 g C mm-1m-2(表1)。

圖2 長(zhǎng)江經(jīng)濟(jì)帶1981—2010年均WUE空間分布Fig.2 Spatial distribution of mean annual WUE in the Yangtze River Economic Zone during the period of 1981—2010

長(zhǎng)江經(jīng)濟(jì)帶WUE的空間分布與溫度呈負(fù)相關(guān),相關(guān)系數(shù)為-0.740(P<0.01),中東部地區(qū)與溫度負(fù)相關(guān)比西南地區(qū)更為明顯,相關(guān)系數(shù)為負(fù)值的區(qū)域占總面積的94.97%,其中通過顯著性檢驗(yàn)的面積占81.58%(P<0.05),與溫度呈極顯著正相關(guān)的區(qū)域?yàn)?.95%(P<0.01),主要位于重慶市東北部以及云南省西北部部分地區(qū)(圖3)。WUE與降水量呈正相關(guān),相關(guān)系數(shù)為0.571(P<0.01),主要位于江蘇省、浙江省、安徽省、江西省等省份,相關(guān)系數(shù)為正值的區(qū)域占總面積的89.78%,其中通過顯著性檢驗(yàn)的面積占85.92%(P<0.05)(圖4)。

表1 長(zhǎng)江經(jīng)濟(jì)帶1981—2010年不同土地覆蓋類型NPP、ET、WUE均值,WUE趨勢(shì)傾向率及其與溫度、降水相關(guān)系數(shù)

研究區(qū)域內(nèi),大部分植被類型WUE與溫度呈顯著負(fù)相關(guān),其中相關(guān)性最高的為定期水淹灌叢草地,相關(guān)系數(shù)為-0.632(P<0.01),其次為農(nóng)田、林木或其他天然植被嵌合區(qū)和稀疏草地/稀疏灌叢,相關(guān)系數(shù)分別為-0.611(P<0.01)、-0.595(P<0.01),只有落葉灌叢沒有通過顯著性檢驗(yàn)。各植被類型WUE與降水量呈顯著正相關(guān),其中相關(guān)性最高的為耕作和管理區(qū),相關(guān)系數(shù)為0.612(P<0.01),其次為落葉闊葉林(郁閉)和常綠灌叢,相關(guān)系數(shù)分別為0.562(P<0.01)、0.532(P<0.01),而落葉灌叢、草地、稀疏草地/稀疏灌叢、農(nóng)田、林木或其他天然植被嵌合區(qū)均沒有通過顯著性檢驗(yàn)(表1)。

圖3 長(zhǎng)江經(jīng)濟(jì)帶1981—2010年WUE與年溫度相關(guān)系數(shù)空間分布Fig.3 Spatial distribution of correlation coefficient between annual WUE and annual temperature during the period of 1981—2010 in the Yangtze River Economic Zone

圖4 長(zhǎng)江經(jīng)濟(jì)帶1981—2010年WUE與年降水量相關(guān)系數(shù)空間分布Fig.4 Spatial distribution of correlation coefficient between annual WUE and annual precipitation during the period of 1981—2010 in the Yangtze River Economic Zone

2.2 WUE整體年際變化趨勢(shì)

長(zhǎng)江經(jīng)濟(jì)帶1981—2010年WUE變動(dòng)區(qū)間為1.04—1.19 g C mm-1m-2,其中1993年WUE最大,2004年最小。1981—2010年期間,WUE平均每年降低0.0030 g C mm-1m-2,總體變化趨勢(shì)為減少(圖5)。長(zhǎng)江經(jīng)濟(jì)帶WUE的空間分布與溫度呈顯著負(fù)相關(guān),相關(guān)系數(shù)為-0.740(P<0.01),溫度對(duì)WUE變化的影響大于降水,溫度較高的年份,如2004、2006年,WUE較低;溫度較低的年份,如1982、1984年,WUE較高。圖5表明,在1981—2010年間,隨著氣溫上升,NPP和ET均呈上升趨勢(shì),而ET的上升速率高于NPP,造成研究時(shí)間段內(nèi)WUE顯著下降。其中,WUE的變化可以分為兩個(gè)時(shí)期,1981—1998年,WUE下降趨勢(shì)不明顯,而1999—2010年則顯著下降。

圖5 1981—2010年長(zhǎng)江經(jīng)濟(jì)帶溫度和降水,NPP和ET與WUE時(shí)間動(dòng)態(tài)Fig.5 Interannual variations in temperature, precipitation, NPP, ET and WUE during the period of 1981—2010 in the Yangtze River Economic ZoneA為WUE總體趨勢(shì)線;B為1981—1998年WUE變化趨勢(shì)線;C為1999—2010年WUE變化趨勢(shì)線;NPP：凈初級(jí)生產(chǎn)力 Net Primary Productivity；ET：蒸散 Evapotranspiration

2.3 WUE年際變化趨勢(shì)空間分布

長(zhǎng)江經(jīng)濟(jì)帶WUE下降最慢和最快的植被類型分別為落葉闊葉林(郁閉)和定期水淹灌叢/草地,下降速率分別為2.69×10-4g C mm-1m-2a-1、4.14×10-3g C mm-1m-2a-1。四種主要植被類型常綠針葉林、常綠闊葉林、草地和常綠灌叢的水分利用效率均呈下降趨勢(shì),下降速率分別為3.29×10-3、2.99×10-3、3.30×10-3、2.65×10-3g C mm-1m-2a-1(表1)。

長(zhǎng)江經(jīng)濟(jì)帶WUE上升顯著區(qū)域主要位于四川西部、貴州貴陽(yáng)、湖北西北部、安徽北部以及江蘇西北部部分地區(qū);而下降顯著的區(qū)域主要位于浙江省,湖南省大部分地區(qū)、湖北省中部地區(qū)以及四川省西北部等區(qū)域,通過顯著性檢驗(yàn)的區(qū)域占59.03%(P<0.05)(圖6)。

圖6 長(zhǎng)江經(jīng)濟(jì)帶1981—2010年WUE變化趨勢(shì)圖及其顯著性檢驗(yàn)Fig.6 Trend of annual WUE changes, and its significant test during the period of 1981—2010 in the Yangtze River Economic Zone

3 結(jié)論與討論

3.1 長(zhǎng)江經(jīng)濟(jì)帶WUE空間分布及年際變化

本研究中,長(zhǎng)江經(jīng)濟(jì)帶上游地區(qū)的貴州省東部、東北部,重慶市東南部,中游地區(qū)的湖南省西南部、東北部等地區(qū)WUE較高,而四川省的西部、云南省的東北部地區(qū)WUE較低。Zhang等[42]利用IBIS模型(Integrated Biosphere Simulator model)模擬了1956—2006年長(zhǎng)江經(jīng)濟(jì)帶水分利用效率和時(shí)空變化模式,結(jié)果表明,對(duì)于整個(gè)研究區(qū)域,四川東部、江西和湖南西部地區(qū)具有較高的WUE,四川西部WUE最低。Liu等[43]使用BEPS模型并結(jié)合遙感數(shù)據(jù)評(píng)估2000—2011年期間中國(guó)陸地生態(tài)系統(tǒng)的WUE空間格局和變化趨勢(shì),研究發(fā)現(xiàn),長(zhǎng)江上游等作物產(chǎn)區(qū)具有較高的WUE(>1.0 g C/kg H2O),高于中國(guó)東南部、華中地區(qū)、西南部地區(qū)的年WUE(0.5—0.8 g C/kg H2O)。本文研究結(jié)果與先前學(xué)者的研究結(jié)果較為一致,但局部地區(qū)有一定的區(qū)別。主要原因是本研究采用的是CEVSA2模型,該模型能較好的分析氣候因子,如：溫度、降水、CO2濃度變化等對(duì)生態(tài)系統(tǒng)的影響,而不同的學(xué)者所使用的模型不同[15, 42-43],得到的結(jié)果會(huì)有所差別。另外,不同的研究所使用的數(shù)據(jù)源以及時(shí)空范圍不一致同樣會(huì)引起差異。

長(zhǎng)江經(jīng)濟(jì)帶四種主要植被類型的WUE從小到大分別為：草地(0.97 g C mm-1m-2)<常綠闊葉林(1.11 g C mm-1m-2)<常綠針葉林(1.12g C mm-1m-2)<常綠灌叢(1.21 g C mm-1m-2)。常綠灌叢的NPP值較高,為862 g C m-2,對(duì)WUE的影響較大。常綠闊葉林與常綠針葉林的NPP與ET都相差不大,因此兩者WUE較為相近。Tian等[44]對(duì)美國(guó)南部生態(tài)系統(tǒng)生產(chǎn)力和水資源的影響研究中發(fā)現(xiàn),森林的WUE最高,灌叢最低。Wang等[45]發(fā)現(xiàn)長(zhǎng)江三角洲常綠闊葉林WUE最高,其次為落葉闊葉林,農(nóng)田WUE最低。而本研究發(fā)現(xiàn)常綠灌叢WUE最高,草地WUE最低,因?yàn)橹脖坏纳L(zhǎng)受當(dāng)?shù)氐臍夂驐l件影響較大,不同地區(qū)不同的氣候條件下,相同的植被類型其生理生態(tài)會(huì)有所差別。

長(zhǎng)江經(jīng)濟(jì)帶1981—2010年NPP、ET均顯著上升(P<0.01),且ET的上升趨勢(shì)要大于NPP,ET和NPP每年增加量分別為4.067 mm-1a-1和2.391 g C m-2a-1。1981—2010年NPP和ET對(duì)溫度變化的相對(duì)響應(yīng)速率差異顯著,ET對(duì)溫度變化的響應(yīng)明顯大于NPP。兩者對(duì)降水變化呈現(xiàn)相反的趨勢(shì),NPP隨降水的增加而上升,然而ET隨降水的增加而下降(圖7)。研究時(shí)間段內(nèi),NPP和ET對(duì)溫度更加敏感,溫度對(duì)WUE的影響要大于降水對(duì)WUE的影響,溫度變化對(duì)長(zhǎng)江經(jīng)濟(jì)帶生態(tài)系統(tǒng)水碳循環(huán)具有重要影響。

圖7 1981—2010年長(zhǎng)江經(jīng)濟(jì)帶NPP、ET對(duì)溫度和降水的敏感性Fig.7 Sensitivity to temperature and precipitation of NPP and ET in the Yangtze River Economic Zone during the period of 1981—2010

WUE反映了生態(tài)系統(tǒng)中NPP與ET之間的權(quán)衡,即碳增加與水消耗之間的關(guān)系。研究發(fā)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶1981—2010年間NPP的增加速率小于ET,水分消耗量大于固碳增加量,導(dǎo)致WUE呈現(xiàn)下降的趨勢(shì)。今后總體上,長(zhǎng)江經(jīng)濟(jì)帶地區(qū)應(yīng)逐步提高植被的固碳能力,適時(shí)適地造林,使不同林齡段的林木分布合理,并加強(qiáng)森林保護(hù),減少森林病蟲害的破壞,防止亂砍濫伐林木等違法行為的出現(xiàn)。就區(qū)域而言,長(zhǎng)江上游是重要的生態(tài)屏障區(qū),該地區(qū)天然林分布相對(duì)較多,應(yīng)保護(hù)好天然林,防止天然林被破壞,并增加資金投入,建立健全生態(tài)補(bǔ)償機(jī)制,穩(wěn)步實(shí)施退耕還林還草工程;長(zhǎng)江中下游地區(qū)以集體林為主,在植樹造林時(shí)應(yīng)充分考慮林分密度,對(duì)林地適當(dāng)砍伐補(bǔ)植,提高森林固碳能力,其次該地區(qū)溫度適宜、降水豐富,是我國(guó)主要的經(jīng)濟(jì)作物產(chǎn)區(qū),在農(nóng)作物管理中應(yīng)完善管理措施,做好預(yù)防工作,減少因天氣、病蟲害等原因造成農(nóng)作物面積減少。

3.2 不確定性分析

(1)長(zhǎng)江經(jīng)濟(jì)帶是我國(guó)社會(huì)經(jīng)濟(jì)最為發(fā)達(dá)的地區(qū)之一,土地利用/覆蓋變化頻繁而劇烈,土地開發(fā)強(qiáng)度遠(yuǎn)超全國(guó)平均水平,在研究時(shí)段內(nèi)長(zhǎng)江經(jīng)濟(jì)帶植被覆蓋發(fā)生了很大的變化[46- 48]。而研究使用的是靜態(tài)的植被圖,用該植被圖分析不同區(qū)域和不同植被類型的水分利用效率動(dòng)態(tài)變化時(shí)會(huì)存在一定的誤差。今后應(yīng)利用多期土地利用/覆蓋圖,結(jié)合溫度、降水、CO2濃度、氮沉降等環(huán)境變化,分析長(zhǎng)江經(jīng)濟(jì)帶水碳循環(huán)特征。

(2)長(zhǎng)江經(jīng)濟(jì)帶橫跨11省份,自然資源分異明顯,生態(tài)系統(tǒng)格局和氣候條件復(fù)雜,溫度和降水在不同地區(qū)間差異較大[49],尤其是西部高山和亞高山地區(qū),局地的生態(tài)系統(tǒng)類型和氣候均有較大差異。盡管本研究0.1°的空間分辨率能夠準(zhǔn)確描述區(qū)域范圍內(nèi)水碳循環(huán)及其耦合關(guān)系的空間分異特征,但在局部區(qū)域無(wú)法準(zhǔn)確表達(dá)其復(fù)雜的環(huán)境特點(diǎn)。在未來(lái)的研究中,應(yīng)進(jìn)一步使用具有較高時(shí)空分辨率的最新數(shù)據(jù),精確模擬出水碳循環(huán)過程,以減少誤差,得到更高精度的結(jié)果。

(3)目前,在長(zhǎng)江流域的水碳循環(huán)模擬主要集中在長(zhǎng)江源區(qū)、長(zhǎng)江中上游以及長(zhǎng)江三角洲地區(qū)[42, 50-51],對(duì)整個(gè)長(zhǎng)江經(jīng)濟(jì)帶的水碳模擬研究相對(duì)較少,需要進(jìn)一步整合各種數(shù)據(jù)資源,模擬分析在各種環(huán)境變化要素驅(qū)動(dòng)下的水碳循環(huán)變化特征,并預(yù)測(cè)未來(lái)氣候變化條件下,該區(qū)域水碳循環(huán)的變化趨勢(shì)及其響應(yīng)特征。