1996—2015年滇西北香格里拉植被凈初級生產力變化

栗忠飛,王小蓮,徐鈺濤,文林琴,黃麗春

1 西南林業大學生態與環境學院, 昆明 650224 2 麗江市林業與草原局,麗江 674100

陸地植被凈初級生產力(Net Primary Productivity,NPP)是植物群落在其所處環境條件下生產能力的直接反應,是判定陸地生態系統碳源/匯特征的重要依據[1—4]。氣候是全球植被格局最重要的決定因素之一,對植被類型的分布、結構和生態功能具有重要影響[5—7]。通過估算植被NPP可以直觀反映出陸地生態系統對氣候變化的響應,及其多尺度的相互作用過程[8—10],相關研究對進一步理解氣候變化對陸地植被及生態系統碳平衡的影響、以及評價生態系統服務功能質量或恢復保護狀況等均具有重要作用[11—12]。

NPP的估算方法包括站點觀測法、實驗法和模型估算等[13—15]。地面站點觀測或實驗法的估算結果較貼近實測值,但無法反映較大尺度的NPP及其動態變化,而模型的運用能更好地解決站點觀測法的不足[16]。國際上,Lieth首次開展了利用模型對全球植被NPP進行估算的研究[17]。在模型估算中,CASA模型是NPP模擬研究中具代表性的一類模型[18—20],被廣泛應用于全球及區域NPP研究中[14,21—24]。CASA模型利用3S技術和遙感數據與近地面的氣候數據,能夠反演出不同尺度植被NPP及其動態變化[2,10,20,25—26]。但是,因不同植被受水分、溫度等因素的影響,CASA模型中,不同植被類型的最大光能利用率均定義為0.389 gC/MJ,對NPP的估算會出現較大誤差[27]。

國內學者朱文泉等人,將模型引入植被覆蓋分類參數,基于中國植被NPP的實測數據,確定了不同植被覆蓋類型的最大光能利用率,實現了CASA模型相關參數的簡化與本地化,在相關研究中取得了良好的模擬效果[28—30]。當前,這一改進的CASA模型已經被廣泛應用于國內外陸地植被NPP的模擬研究中[21,29,31—32]。

滇西北香格里拉區域,地處青藏高原東南緣及滇西北“三江并流區”,區域內植被覆蓋率高,其NPP對氣候變化的響應,對于揭示氣候變化下青藏高原的響應具有重要科學意義。當前,有關該區域內植被NPP時空格局變化的研究仍然非常稀缺[33—35],個別相關研究也缺少對該區域NPP時序變化特征,以及其對溫度、降水等氣候變化響應規律的分析。

由于植被覆蓋水平、氣候條件等的差異,植被NPP與NDVI之間的統計關系在生長季內不同時期存在差異,一般在6—8月份表現最優[36],能夠代表年度內最大NPP月份。氣候變化下森林生態系統敏感的響應能力有可能導致生產力下降,NPP時空格局發生改變[37—38]。青藏高原東南緣香格里拉區域內分布有大面積的針葉林,是我國高山植被分布的典型區域。本研究運用改進的CASA模型,基于香格里拉區域的基礎地理數據、近地面氣象數據和MODIS-NDVI數據[39—42],對區域內1996—2015年間,逐年6—8月NPP時序變化進行模擬估算,并分析其時空變化特征。研究旨在揭示香格里拉縣近20年來區域植被NPP在溫度、降水格局變換下的時空動態規律,為促進滇西北地區的植被保護與建設提供科學依據。

1 研究區概況

云南省香格里拉(99°23′—100°31′E,26°52′—28°45′N)地處青藏高原東南緣、橫斷山脈腹地,是中國地勢三大階梯中第一、二階梯的過渡帶,具有高海拔、低緯度的地理特征,區域內地形走勢為西北高、東南低,境內平均海拔3459 m,地貌類型主要為高原山地、盆地、河谷等。

區域內氣候類型屬于溫帶、寒溫帶季風氣候,河谷區屬北亞熱帶季風氣候,年平均氣溫6.3 ℃,年均降雨量651.1 mm,該地區終年太陽輻射強烈。區域內植被類型豐富,尤以針葉林、闊葉林、高山灌叢、高山草甸為主,并呈現典型的垂直帶普特征,其中針葉林所占面積最大[34]。區域內土壤類型主要有棕壤、暗棕壤、草甸土等。

2 數據獲取及其研究方法

2.1 遙感數據及處理

遙感數據采用NASA對地觀測系統數據共享平臺(https://ladsweb.modaps.eosdis.nasa.gov/search/)提供的2000—2015逐年6—8月MODIS 1B數據,空間分辨率為250 m、時間分辨率為16 d的MODIS植被指數產品MOD13Q1,經最大值合成法(MVC)得到逐年6—8月NDVI數據[43]。

1996—2000年的NDVI數據采用地理空間數據云(http://www.gscloud.cn/)提供的Landsat 5 TM影像,經輻射定標、大氣校正、融合裁剪等預處理后,執行波段運算與疊加,并經最大值合成法(MVC)處理,獲得1996—2000逐年6—8月NDVI數據。然后,將前后NDVI數據重采樣統一分辨率后逐像元對比,在兩種數據源之間按一元線性回歸進行序列同化,實現NDVI數據序列的插補展延[44],最終獲得全部1996—2015年逐年6—8月NDVI時間序列柵格數據。

植被類型數據采用地理空間數據云提供(http://www.gscloud.cn)的Landsat TM影像數據。首先,進行數據預處理得到研究區域遙感影像；其次,采用監督分類中的支持向量機方法,結合目視解譯以及谷歌地圖等輔助參考數據作為選取樣本依據,得到30 m空間分辨率的研究區土地利用分類圖,經過影像解譯精度評估,Kappa系數在85%以上,解譯效果良好；最后,經重采樣后將其轉換為與以上NDVI數據相匹配的柵格數據。

2.2 氣象數據及處理

氣象數據采用中國氣象數據網(http://data.cma.gov.cn)提供的包括中甸、德欽、維西等香格里拉研究區域及周邊14個氣象站點20年間6—8月日平均溫度、日降雨量、日照時數及太陽總輻射量等數據。首先,進行精度驗證,去除異常值；其次,結合各站點的經緯度信息,基于氣象插值軟件ANUSPLIN 4.3[45],運用反距離權重法(IDW)對氣象數據進行空間插值,得到溫度、降水量及總輻射量序列數據,最后通過掩膜研究區,裁剪得到1996—2015年空間分辨率為250 m的氣象柵格數據。

2.3 研究方法

2.3.1模型選取

本文采用朱文泉改進的CASA模型估算NPP,NPP由植物光合有效輻射(APAR)和實際光能利用率(ε)兩個因子來表示,估算公式及其意義詳見文獻[22,30,46]。

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

式中,APAR(x,t)表示像元x在t月吸收的光合有效輻射,MJ/m2；ε(x,t)表示像元x在t月的實際光能利用率,gC/MJ,NPP(x,t)是像元x在t月的凈初級生產力。

APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5

(2)

式中,SOL(x,t)表示t月在像元x上的太陽總輻射量(MJ/m2),FPAR(x,t)植被層對入射的光合有效輻射吸收的比例,常數0.5表示植被利用的光合有效輻射(波長為0.4—0.7 μm)占太陽總輻射的比例。在一定范圍內,FPAR與NDVI存在線性關系,所以,可根據NDVI得到對應的FPAR[2]。

ε(x,t)=Tε1(x,t)×Tε2×Wε(x,t)×εmax

(3)

式中,Tε1(x,t)和Tε2(x,t)表示低溫和高溫對光能利用率(NPP累積)的脅迫作用；Wε(x,t)為水分脅迫影響系數,反映水分條件的影響；εmax是植被在理想條件下的最大光能利用率(gC/MJ)。

NPP的大小由溫度、降水量影響光能轉化率的下調因子δ來決定[30],其中δ因子(δ=Tε1×Tε2×Wε)表征植被凈生產力受氣候因素影響的大小。

FPAR采用MOD13Q1產品中NDVI數據反演得出。公式(1)和(3)中,ε表示光能轉化率,反映植被把所吸收的光合有效輻射轉化為碳的比率,其主要與溫度和水分有關。公式(3)中,Tε1和Tε2表示溫度對光能轉化率的影響；Wε是水分脅迫系數；εmax是理想條件下的最大光能轉化率,其值通常介于0.09—2.16 gC/MJ之間。最大光能轉化率隨著植被類型的不同而發生變化,朱文泉等[28,30]根據不同植被類型調整的最大光能利用率參數,適合中國植被狀況,其參數適用全國不同區域研究[40—42]。本文中選取各植被類型的最大光能轉化率參數見表1。

表1 不同植被類型的最大光能利用率εmax

2.3.2NPP年際變化趨勢分析

采用一元線性回歸法,運用改進的CASA模型[26,28,47],計算得到香格里拉1996—2015年間最大月6—8月不同植被類型的NPP,分析1996—2015年研究區逐年最大月NPP的變化規律,以及與溫度、降水等氣候因子的相關性規律。

3 結果

3.1 香格里拉區域1996—2015年間氣候因子變化

圖1顯示了1996—2015年香格里拉6—8月期間月平均溫度、總降水量及總輻射量變化。月均溫在13.2—14.5℃之間波動,平均為13.9℃,20年來氣溫總體呈升高趨勢,上升斜率為0.037℃/a,在橫向上呈正態分布,且峰值向右偏移。2009、2013年月均溫最高,均達到了14.5℃(圖1)。

6—8月總降水量范圍在262.2—512.8 mm之間,多年均值為373.1 mm,最大絕對降水距平達到139.8 mm。20多年間6—8月總降水量呈波動下降特征,下降斜率為4.32 mm/a,其中前10年的均值為383.2 mm,后10年的均值為362.9 mm,10年下降幅度為5.3%(圖1)。

區域內20年間6—8月太陽總輻射平均值為563.8 MJ/m2,并以此為中心呈現波動平衡狀態,從其趨勢線的負值斜率上,顯現出微弱下降特征(圖1)。

圖1 1996—2015年香格里拉6—8月氣候因子變化特征Fig.1 Time variation curves of climatic factors during 6—8 month from 1996 to 2015 in Shangri-La

3.2 不同植被類型最大月NPP年際變化

圖2顯示,1996—2015年間,香格里拉地區不同植被類型逐年最大月NPP具有明顯差異,闊葉林NPP顯著高于其它植被類型,其1996—2015年的平均值達到286.9 gC/m2,最高年份1998年達到347.6 gC/m2,最低年份2004年為201.1 gC/m2；其次為耕地,其20年間平均值為182.1 gC/m2,此后依次為草地、灌叢植被,其20年平均值分別為149.5、137.3 gC/m2。所有植被類型中,針葉林NPP最低,20年均值僅為128.9 gC/m2,顯著低于闊葉林NPP(圖2)。

從變化趨勢看,各植被類型逐年最大月NPP呈微弱增加趨勢(圖2)。各植被類型平均增加斜率為0.46 gC m-2a-1,其中闊葉林最低,僅為0.02 gC m-2a-1,草地最高,為0.78,針葉林、耕地、灌叢分別為0.69 gC m-2a-1、0.51 gC m-2a-1、0.26 gC m-2a-1(圖2)。從前10年,到后10年,各植被類型最大月NPP從171.6 gC/m2增加到了182.3 gC/m2,上升了6.2%(圖2)。

圖2 1996—2015年間香格里拉地區各植被類型NPP變化Fig.2 Inter-annual variation of NPP of different vegetation types in Shangri-La from 1996 to 2015

3.3 區域植被NPP空間格局變化特征

圖3顯示了香格里拉區域,1996—2015年間5個時期的最大月NPP空間分布格局,總體上表現出由中部向四周及兩端逐漸增加的趨勢。研究區域的南、北兩端區域內的最大月NPP多達200 gC/m2以上,區域中部及偏北范圍內,其NPP達到了300 gC/m2以上(圖3)。圖3顯示,從1996到2005年期間,香格里拉NPP空間分布總體上呈現下降特征,而從2005年開始到2015年又呈現上升趨勢,尤其是在東部,以及西南部區域,變化尤其明顯。

圖3 1996—2015年香格里拉縣植被NPP平均值變化Fig.3 NPP mean change of vegetation in Shangri-La from 1996 to 2015

3.4 香格里拉植被NPP與氣候因子的相關性

圖4顯示,各植被類型最大月NPP與月均溫均達到了顯著相關水平(P<0.05)。其中,針葉林相關性最高,R2達到0.3474,其次為草地,最低的為灌叢。各植被類型NPP均值與溫度的相關性同樣達到顯著水平(R2=0.2679,P<0.05)。所有植被類型NPP均表現出受到溫度正向調控的顯著影響(P<0.05)。

圖4 不同植被類型NPP與月均溫的相關性Fig.4 The correlation between NPP of different vegetation types and mean monthly temperature

圖5顯示,各植被類型最大月NPP與降水量均未呈現出顯著相關性特征(P>0.05)。從其斜率的負向變化來看,多數植被類型均呈現出隨降水量增加、NPP微弱下降的特征。

圖5 各植被類型NPP與總降水量的相關性Fig.5 The correlation between NPP of different vegetation types and total precipitation

圖6顯示,相對于溫度和降水而言,各植被類型最大月NPP與總輻射量呈現出顯著的正相關特征(P<0.01),其R2一致超過了0.4。

圖6 各植被類型NPP與總輻射量的相關性Fig.6 The correlation between NPP of different vegetation types and total solar radiation

4 討論

4.1 基于改進的CASA模型模擬的香格里拉區域最大月NPP

香格里拉一年中的生長季3—10月[35],實質上,受低緯度、高海拔特點的影響,區域內水熱分布集中在夏季,因此,6—8月是最為關鍵的生長季節,也是NPP積累的主要季節,期間,從森林到農田等各植被類型均具有相對較高的NPP(表2)。表2顯示了本研究中香格里拉區域20年間各植被類型最大月NPP,與岳彩榮等人[35]對同一區域的模擬結果比較顯示,本研究中6—8月最大月NPP占到全年的29.6%—65.9%,占比最大為闊葉林,最小的為針葉林。對比全國尺度上的模擬結果[48—49]),本研究與其基本處于接近的范圍。改進的CASA模型,能夠較好的適用于本研究區域,并能客觀刻畫區域各植被類型NPP的時空變化。

表2 香格里拉植被NPP模擬結果的橫向比較*/(gC/m2)

4.2 氣候因素對香格里拉區域NPP時空格局的影響

NPP作為評定陸地生態系統的重要指標,直接反應區域植被在自然條件下的生產能力[50],而區域溫度、降水和輻射等氣候因子是絕對自然狀態下植被NPP的關鍵因素[51]。相關研究顯示,溫度和降水大體上與NPP值呈現正相關特征[52]。本研究中區域內植被NPP與溫度的變化顯示出顯著的相關性特征(P<0.05)(圖4),表現出區域受溫度調控的強烈影響。但是,研究中,NPP對降水變化的響應卻未見正相關性特征,從趨勢線來看,反而呈現一定的負相關特征(圖5)。植被對溫度和降水的氣候因子的響應存在地域差異,有相關研究也表明,青藏高原區域內,植被NPP與降水呈負相關特征[53—55]。此外,本研究顯示出2005年是區域NPP上升的突變年份(圖2),相關研究也顯示了類似的結果[56]。表明,區域溫度因子在時間序列上的波動變化,對區域內植被NPP的波動變化產生了顯著的調控作用,與此同時也體現出,水分條件并未形成對區域植被NPP的限制與調控效應。

本研究中,植被NPP與總輻射量之間極顯著的相關性特征(圖6),表明了受輻射因子的限制限制性影響作用。本研究的香格里拉區域內,每年從5月份進入雨季后,雨霧天氣現象占據主導地位,在每年生長季盛期的太陽總輻射量稀缺,作為CASA模型的關鍵驅動因素,區域植被NPP的積累直接受了輻射因子的限制與調控,并呈現出一致強烈的正相關作用。

4.3 香格里拉區域植被NPP時空格局及人類活動影響

除上述氣候因素外,人類活動也是影響區域植被NPP積累的不可忽略的因素[16]。本研究區域內,人為干擾主要表現為人類聚居區域內,土地利用方式的改變、植被破壞等,以及國家及當地政府長期以來所采取的保護、治理措施。20世紀90年代后期及新世紀初期,地方政府在經濟、社會發展的壓力下,自然植被資源過渡開發利用,區域內天然植被持續退化,尤其是靠近人類聚居區域的空間范圍內,其NPP明顯偏低(圖3)。隨后的10多年里,當地政府及相關部分大力開展的生態保護與建設,以及國家生態文明建設的大力推進[57],很大程度上促進了區域內植被NPP的增進趨勢[58]。此外,研究中顯示出的針葉林NPP相對較低的特征,表明其一旦破壞、過渡采伐等,將需要較長的持續時間才能恢復,因此,區域內大面積的針葉林更需要進行重點保護[59]。

地處青藏高原東南緣的香格里拉區域,對氣候變化的影響更加敏感[60],加之日趨復雜的人類活動影響,區域內植被NPP的變化將存在高度的不確定性,面向區域植被NPP變化的實測研究,以及基于模型的模擬研究,仍需要更為深入的開展。

5 結論

1)1995—2015年間,香格里拉地區6—8月平均氣溫總體呈上升趨勢,增加速率為0.037℃/a；6—8月份月總降水量為373.1 mm,總體呈微弱下降趨勢；6—8月總輻射量平均為563.8 MJ/m2,20年間輻射量基本維持波動穩定狀態。

2)1996—2015年間,香格里拉區域最大月植被NPP平均值為176.9 gC/m2,不同植被類型NPP的多年平均值位于128.9—286.9 gC/m2之間；空間格局上,表現為“西北部、東南部及金沙江沿岸向中部遞減”的空間格局；

3)1996—2015年間,植被NPP顯著地受到溫度變化的影響(P<0.05),隨著20年間溫度的持續上升,區域NPP呈現增加趨勢；此外,區域植被NPP未表現出受降水量的顯著影響(P>0.05),表明水分不是區域植被NPP的限制性因素。

4)人類聚居區域及其周邊的NPP相對較低,表明區域內植被NPP受到不同程度人類干擾的影響；分時段看,區域內植被NPP從1996—2005年間呈現下降趨勢,2006—2015年間呈現上升趨勢,這也顯示出香格里拉區域所實施的生態保護建設各類政策措施對植被NPP的促進作用。