草地生態系統植被變化的自然與人為因素定量區分方法

顏 亮,王金枝,張驍棟,陳 槐,李 勇,張克柔,閆鐘清,李 猛,吳海東,康恩澤,康曉明,*

1 中國林業科學研究院濕地研究所, 北京 100091 2 濕地生態功能與恢復北京市重點實驗室, 北京 100091 3 四川若爾蓋高寒濕地生態系統定位觀測研究站, 阿壩藏族自治州 624500 4 中國科學院成都生物研究所山地生態恢復與生物資源利用重點實驗室, 成都 610041 5 中國科學院青藏高原地球科學卓越創新中心, 北京 100101

作為重要的陸地生態系統之一,草地可提供畜牧產品、水土保持、生物多樣性維持等多種生態系統服務,是人類生存和可持續發展的基礎[1—4]。然而,在氣候變化和不斷增強的人類活動(如過度放牧)的雙重影響下,草地生態系統的結構和功能發生變化[5—8],表現為植被物候期、覆蓋度和生產力的改變以及土壤系統的變化[9—10]。草地生態系統的退化已成為當前最緊迫的環境和社會經濟問題之一,定量區分草地生態系統變化中自然和人為因素的相對貢獻率至關重要,可針對性選擇不同的管理策略和技術手段來適應氣候變化或抵消人類活動對草地生態系統的負面影響[11—12]。已有學者圍繞這一問題采用不同的方法開展相關研究和探索[13—15],但由于氣候變化和人類活動對生態系統影響的復雜性及其交互作用,定量評估自然和人為因素對草地生態系統變化的影響仍然是一個重要且有較大爭議的研究課題[16—18]。

據此,本文選取對氣候變化和人類活動響應敏感的草地生態系統,以區域尺度上更易獲取的植被變化相關指標為切入點[19—20],綜述國內外定量區分自然和人為因素對草地生態系統植被變化影響的不同方法,評估不同方法的優勢及其不確定性來源,并對同一區域或圍繞同一主題開展的不同方法所需的數據和結果進行比較,以期為自然和人為貢獻定量區分方法的選擇、草地生態系統的保護與管理提供理論支撐和參考依據。

1 文獻搜集與整理

文獻搜集分為兩步:(1)在中國知網(China National Knowledge Infrastructure,CNKI)和Web of Science進行文獻搜索,中、英文關鍵詞包括:氣候變化(climate change)、人類活動(human activities,non-climatic)、草地(grassland)、草原(steppe)、草甸(meadow)、自然因素(natural)、人為(anthropogenic)、定量(quantitative)、生態系統(ecosystem)、貢獻率(contributions)、植被(vegetation)、變化(variation,dynamic)、退化(degradation)、沙化(desertification)、恢復(restoration)。(2)對已搜集的文獻進行篩選,僅保留同時具備自然因素與人為因素并且給出各自定量貢獻率的文獻,總結并歸類當前用于定量區分自然因素和人為因素的方法,在此基礎上針對歸類后的每種方法的中英文關鍵詞進行第二次搜索,包括:主成分分析法(principal component analysis,PCA)、層次分析法(analytic hierarchy process,AHP)、殘差趨勢法(RESTREND)、模型差值方法(model,modelling)等。歸納每種方法的原理與計算方法,并從優勢、不足及不確定性來源等方面進行比較。在此基礎上,選取典型案例,對不同區分方法進行比較,并提出未來研究趨勢。

2 自然與人為因素定量區分方法研究進展

2.1 方法簡介

目前,用于定量區分草地生態系統植被變化的自然和人為因素相對貢獻的方法主要有主成分分析法、層次分析法、殘差趨勢法和模型差值法等。

主成分分析法通過標準化原始指標值計算主成分因子的特征值和貢獻率[21—23],是數學上一種常用的降維方法。有學者將該方法應用在荒漠化和沙化過程中的自然和人為因素貢獻率的區分中,通過選取研究區內特定時間范圍的氣象要素數據及農牧業社會經濟統計數據,提取累積貢獻率大于85%的主成分X1—Xn,如果主成分Xn中自然因素指標均較大(>0.8),則該主成分因子看作是自然因素主導,其貢獻率即為自然因素的相對貢獻率,如人為因素指標較大,則是人為因素主導。如果主成分Xn上既有自然因素又有人為因素,則認為其受自然和人為共同影響[24—25]。

殘差趨勢法由Evans和Geerken提出[26],該方法通過長時間序列、區域尺度的歸一化植被指數(Normalized Difference Vegetation Index,NDVI)[27]、凈初級生產力(Net Primary Production,NPP)或植被覆蓋指數[28—30]等指標定量區分研究區域內植被變化的自然與人為因素相對貢獻率。通過建立研究區域內每個像元的植被指數與氣象因子的回歸模型,得到植被指數預測值(VIi′)的年時間序列；植被指數實際值(VIi)與預測值之間的殘差σi(σi=VIi-VIi′),即為人為因素所貢獻的部分。當σ的值為正時,人類活動對植被生長具有積極的影響,如果σ的值為負則認為人類活動對植被的作用是負面的,將加劇植被退化。Burrell等結合時間序列分割(Time Series Segmentation,TSS)對此方法進行改進,提高了對生態系統結構重大變化的敏感度[31]。

模型差值法是綜合氣候-生產力模型、生態系統過程模型和遙感模型進行植被變化的自然與人為因素定量區分的方法。生態系統模型包含了生態系統內部的許多復雜過程和機理,是認識、研究和預測生態系統過程、機制及影響因素的有效方法[32],能夠模擬預測自然因素對生態系統植被變化的影響。遙感模型則基于實測遙感數據,能夠模擬預測自然和人為因素綜合影響下的植被變化。該方法選取能夠反映植被變化的NDVI或者NPP為評估指標,將其劃分為3類:(1)僅受自然因素影響的潛在NDVI(NDVIp)或NPP(NPPP),由氣候生產力模型[32](如Thornthwaite模型、Chikugo模型)、生態系統過程模型(如TEM模型[33]、IBIS模型[34]、LPJ模型[35]、OCHIDEE模型[36]等)計算得出；(2)受自然因素和人為因素共同影響的NDVI(NDVIA)或實際NPP(NPPA),由遙感模型(如CASA模型[37]、VPM模型[38]、EC-LUE模型[39])計算得出；(3)潛在情景與實際情景二者之差為僅受人為因素影響的NDVI(NDVIL)或NPP(NPPL)[40—42]。通過計算斜率,判斷生態系統的狀態以及是由自然因素還是人為因素主導,并基于NPP或NDVI的變化量來計算自然或人為因素的貢獻率[43—44]。

2.2 定量區分方法的比較與應用

在研究時段上,早期主成分分析法和層次分析法應用較多,20世紀90年代初董玉祥[23]采用主成分分析法分析土地沙化的影響因子,選取年降雨量、風速、人口等10個自然與人為因子,得出人口壓力下土地不合理利用是內蒙古商都縣農牧交錯區沙化的主要動因。這一方法也應用在鄂爾多斯高原[25]和青海共和盆地[45—46]的沙化和荒漠化過程的自然與人為因素的定量區分中,人為因素均是主導影響因子(46.8%—53.8%)。主成分分析法主要基于長時間序列的統計數據,數據獲取容易,計算方法簡單,但該方法的本質是一種降維方法,主成分提取與各因子間的相關性有關,因此其結果的解釋其及生態學含義均比較模糊。層次分析法受數據的限制小,但研究結果受研究者構建的層次結構(如哪些自然因素和人為因素導致植被退化)及參與問卷調查與打分的受眾的影響[47—50]。

近十年來,殘差趨勢法、模型差值法應用逐漸增多,這兩種方法的優勢在于可以獲取不同時段草地生態系統變化的定量區分比例及其空間格局。殘差趨勢法基于時空連續的遙感數據進行分析,但其假定植被指數與當年氣候因子存在相關,更適用于干旱、半干旱區[26—27]。這種方法沒有建立一個未退化的參考,一些研究對該方法進行了改進,分時間段建立植被指數與氣象因子的回歸模型,同時考慮了溫度對植被生長的影響[51—52]。模型差值法適用于各種生態系統類型,驗證后的模型具備較好的時空外推性,可模擬長時間尺度不同類型生態系統的動態變化,并以此為基礎獲取植被變化的自然和人為影響因素相對貢獻率的時空格局。模型差值法中用于計算僅受氣候因素影響的潛在NPP的氣候-生產力模型和生態系統過程模型,它們的主要驅動要素之一是氣象數據,因此存在氣候因素與模型模擬結果的自相關[30]。此外,由于過程模型和遙感模型的計算原理不同,不同模型的差值也包含了方法間的系統誤差。

由此可見,用于生態系統植被變化自然和人為因素定量區分的幾種方法數據獲取難易程度不同、計算復雜度有差異,在計算原理和結果等方面各有其優勢和局限(表1)。

表1 自然和人為因素相對貢獻率的區分方法及比較

已有較多研究在不同區域開展草地生態系統退化或沙化的自然和人為因素的定量區分,計算各自的比例(表2)。

表2 陸地生態系統變化自然和人為因素定量區分案例

采用模型差值法發現近三十年烏茲別克斯坦和土庫曼斯坦的草地退化是人為因素主導,而哈薩克斯坦、土庫曼斯坦、吉爾吉斯斯坦、蒙古和巴基斯坦草地NPP的增加均是自然因素主導[40,56]。非洲植被NPP變化的驅動力存在空間差異,馬里、布基納法索和中非地區為自然因素主導,埃塞俄比亞和南非的部分地區則是人為因素主導[58]。而位于非洲東北部的蘇丹共和國的北科爾多凡,2000—2008年該地區荒漠化是人為因素主導(67.32%),自然因素影響了32.03%,自然因素和人為因素共同影響0.65%,荒漠化逆轉則是自然因素主導(97.7%)[59]。

盡管很多研究工作在同一區域開展,然而因研究方法不同,研究結果也存在很大差異,甚至結論相反:以我國藏北區域為例,利用層次分析法研究發現，該區域在1990—2015年間是人為因素主導,超載過牧、鼠蟲害對藏北草地退化的貢獻率分別為28.6%和17.1%[54]。而采用殘差趨勢法對該區域研究發現,2000—2015年間藏北區域的植被變化不是人為因素主導,而是自然因素主導,并且因子之間的交互作用大于任何單一因子,降水和溫度的交互作用可解釋藏北區域草地植被變化的44.6%[53]。針對我國青藏高原區域的研究結果也有較大差異,采用生態系統過程模型(TEM模型)和遙感模型(CASA模型)的差值結果發現,1982—2010年間是自然因素主導(56.59%—79.62%)[6]；而陳槐等[55]基于優化的模型差值法則表明1990—2013年間青藏高原草地生態系統凈初級生產力的變化是人為因素主導(74%)；采用廣義線性模型計算潛在NDVI與實際NDVI的比較結果揭示1980—2010年間植被變化是人為因素主導(66.07%),人為因素中“退耕還草”等生態項目可改善草地質量、有效的減緩由于土地利用變化和持續干旱引起的草地退化[43]。

3 結論與展望

本文綜述了當前用于區分自然和人為因素貢獻的方法,對不同方法的數據來源、計算過程、優劣勢和應用進行了梳理與比較,目前,已有研究將同一方法應用在不同區域的研究較多,但針對方法本身的局限而優化或提升的方法類研究較少,研究指標的選取上較為單一,在定量區分的方法和指標的選取上仍需優化和突破。

不論是早期采用較多的主成分分析法和層次分析法,還是近年來應用較多的殘差趨勢法和模型差值方法等,每種方法均有其各自優勢及局限性。另一方面,當前研究也受限于所需數據的時空尺度及連續性。例如,基于遙感影像數據的殘差趨勢法和模型法,不能對沒有遙感圖像的較早時段進行分析。因此,在開展定量區分的研究時可依據不同目標和數據情況選擇相應的方法(圖1)。

圖1 依研究目標和數據情況進行方法選擇的思維導圖Fig.1 A mind map of method selection based on research objectives and data

為更全面、清晰地厘清生態系統的變化及歸因,為陸地生態系統的保護與管理提供更為科學、細致的理論支撐和參考依據,未來研究應關注以下幾方面:

(1)指標選取是開展定量區分的第一步,如何選取能夠代表不同時空尺度的生態系統變化的指標尤為關鍵；關于自然和人為因素的指標篩選,既要考慮全面,也要關注指標間是否冗余、是否相關或相互影響,如何用科學的方法識別和篩選指標。例如,當前殘差趨勢法和模型差值法主要以易獲取且能反映植被變化的NDVI或NPP作為評估的指標,而總初級生產力(Gross primary productivity,GPP)和凈生態系統生產力(Net ecosystem productivity,NEP)分別表征了生態系統的總第一性生產和凈固碳量,有著重要的生態學意義,未來研究中也應予以關注。

(2)數據為定量區分提供支持,自然和人為因素各指標的不同數據源的時間、空間分辨率不匹配,如區域的氣象數據多為插值后以一定面積格點為單位的時空連續數據,而人為因素的一部分數據如人口數量、放牧強度等來自于統計年鑒,空間上一般以縣域尺度為主；另一部分為定性數據,如政策等。因此,如何將不同時間、空間分辨率,定量、定性數據相結合,是未來研究中需要關注和解決的問題。

(3)由于導致生態系統變化的各因素通常是協同作用的(圖2),因此生態系統的退化歸因、有效保護、恢復與管理除需要定量區分特定時段內某一區域自然(X%)與人為因素(Y%)各自的貢獻率,以及自然和人為因素下每個因子各自的貢獻率外,還需要關注組內因子交互作用(x1xn%…或y1yn%)和組間因子交互作用的貢獻率(x1yn%…y1xn%)。

圖2 生態系統變化的自然與人為因素定量區分方法中暫未解決的問題及研究展望Fig.2 The prospects in quantitative assessment the impacts of climate factors and anthropogenic factors on terrestrial ecosystem changes

(4)迫切需要針對自然與人為因素定量區分方法本身開展研究,突破現有方法的局限,發展定量區分的新思路與新方法,這也是未來研究的重點與難點所在。