氣候變化下中國不同植被區(qū)總初級生產(chǎn)力對干旱的響應

張世喆,朱秀芳,劉婷婷,徐 昆,郭 銳

1 北京師范大學遙感科學國家重點實驗室,北京 100875 2 北京師范大學環(huán)境演變與自然災害教育部重點實驗室,北京 100875 3 北京師范大學地理科學學部遙感科學與工程研究院,北京 100875

總初級生產(chǎn)力(Gross primary production,GPP)表征進入到陸地生態(tài)系統(tǒng)的初始能量和物質(zhì),是全球陸地碳通量中最大的組成部分,其變化影響著整個陸地碳循環(huán)[1—3]。干旱是對陸地生態(tài)系統(tǒng)GPP影響最強烈的極端氣候[2],直接影響植被生長和發(fā)育。近年來全球氣候變化頻繁,溫度升高通過影響大氣環(huán)流及全球水循環(huán),改變了降水的時空分布[4],進而使得干旱具有時間和空間變化特征[5]。研究氣候變化下總初級生產(chǎn)力對干旱的響應對了解植被發(fā)展動態(tài)及預測未來格局有著非常重要的意義。

一般來說,干旱脅迫是限制陸地生態(tài)系統(tǒng)的主要環(huán)境因子,在一定程度上削弱了生態(tài)系統(tǒng)碳匯功能,引起植被生產(chǎn)力的下降[6]。部分學者在我國云貴高原[7]、漢江流域[8]、湖北[9]和東北[10]等地區(qū)的研究結(jié)果均揭示了干旱對植被生產(chǎn)力的顯著影響。然而,植被生產(chǎn)力對氣候變化的響應比較復雜,局部尺度的研究很容易忽略氣候環(huán)境、植被覆蓋類型等因素對氣候變化的響應差異,不利于認識植被受氣候變化影響的宏觀格局。越來越多學者注重在大尺度范圍內(nèi)開展“植被-干旱”研究,發(fā)現(xiàn)植被生產(chǎn)力對干旱的響應格局與植被類型[11—12]、干濕環(huán)境[13]和干旱的時間尺度[13]密切相關(guān)。如Flach等指出在全球范圍內(nèi)森林較其他植被類型更能適應極端氣候,對干旱事件敏感低甚至在干旱期間GPP有所增加,而草原和農(nóng)田GPP在干旱期間普遍減少[12]。Sun等研究了近40年中國GPP對干旱的響應,結(jié)果表明干旱地區(qū)植物可以通過生理策略快速適應缺水,濕潤地區(qū)的土壤水分有效緩沖了干旱對植被生長的影響[13]。綜上,在氣候頻繁變化的背景下,生態(tài)研究具有明顯的尺度依賴性。大尺度探討不同植被類型生產(chǎn)力對干旱的響應差異,有利于全面認識氣候變化對植被的影響過程。

中國植被類型豐富,不同植被在物種組成、群落結(jié)構(gòu)、根系分布等方面存在較大差別,對外界環(huán)境變化的響應有明顯差異[14]。目前我國已有學者在全國范圍內(nèi)開展植被生產(chǎn)力時空分布及其對干旱響應的研究,為揭示我國植被生產(chǎn)力變化及其與干旱的相關(guān)關(guān)系做出了巨大貢獻[2,15]。然而,干旱不僅受水分虧缺控制,還與溫度密切相關(guān),不少研究表明高溫會顯著加劇干旱對植被生長的限制[11,16]。截止目前在全球氣溫升高背景下區(qū)分溫度對干濕變化的貢獻、探討不同植被類型對溫升干旱化響應差異的研究鮮有報道。鑒于此,本文利用1982—2017年的總初級生產(chǎn)力數(shù)據(jù)、同時期CRU-TS氣候數(shù)據(jù)和中國植被區(qū)劃矢量邊界數(shù)據(jù),分析中國36年來GPP和干旱指數(shù)(SPI/SPEI)的變化趨勢特征,識別溫升干旱化的典型區(qū)域,探討八類植被區(qū)溫度和干旱對GPP的影響,突出植被類型對干旱響應的差異性。本研究對了解溫升背景下我國各植被區(qū)GPP與干旱變化的響應關(guān)系,輔助進行適當?shù)霓r(nóng)業(yè)生產(chǎn)決策以及理解全球生態(tài)系統(tǒng)碳循環(huán)的生物化學動態(tài)過程有重要意義。

1 研究區(qū)概況及數(shù)據(jù)獲取

1.1 研究區(qū)概況

本文的研究區(qū)域為中國(北緯18°10′—53°33′),未包含我國南海地區(qū)(圖1)。基于中國植被圖集編委會1:100萬植被圖,在植被地理地帶性原則下結(jié)合氣候、地貌和土壤等輔助指標將研究區(qū)劃分為八類植被區(qū),是目前最新最為公認的植被區(qū)劃方案[17]。溫帶荒漠區(qū)(R1)典型植被為溫帶荒漠植被,普遍具有旱生特征；溫帶草原區(qū)(R2)主要植被為禾草草原,以耐旱的多年生根莖禾本科草類為主；青藏高原高寒植被區(qū)(R3)植被較為復雜,植被呈垂直地帶性分異；亞熱帶常綠闊葉林區(qū)(R4)典型植被為亞熱帶常綠闊葉林；熱帶季風雨林、雨林區(qū)(R5)地帶性植被是以梧桐科、龍腦香科植物組成的半常綠季雨林或季節(jié)雨林；暖溫帶落葉闊葉林區(qū)(R6)的地帶性植被是以棟林為代表的落葉闊葉林；溫帶針葉、落葉混交林區(qū)(R7)地帶性植被是以紅松為優(yōu)勢種,伴生有多種闊葉樹的“闊葉紅松混交林”；寒溫帶針葉林區(qū)(R8)地帶性植被為興安落葉松林。

圖1 中國八類植被區(qū)Fig.1 Eight vegetation regions in China 溫帶荒漠區(qū)(R1),溫帶草原區(qū)(R2),青藏高原高寒植被區(qū)(R3),亞熱帶常綠闊葉林區(qū)(R4),熱帶季風雨林、雨林區(qū)(R5),暖溫帶落葉闊葉林區(qū)(R6),溫帶針葉、落葉林混交林區(qū)(R7)和寒溫帶針葉林區(qū)(R8)

1.2 數(shù)據(jù)來源

研究數(shù)據(jù)主要包括三類：1)來源于東安格利亞大學氣候研究中心(CRU)4.04時間序列(TS)數(shù)據(jù)集(https://catalogue.ceda.ac.uk/uuid/89e1e34ec3554dc98594a5732622bce9)的分辨率為0.5度的1982—2017年逐月潛在蒸散量、近地表平均溫度和降水量數(shù)據(jù)。為了與GPP數(shù)據(jù)的分辨率一致,采用最近鄰法將0.5°氣候數(shù)據(jù)重新采樣到0.05°。CRU TS數(shù)據(jù)已被廣泛應用于氣候變化研究領(lǐng)域。許多研究驗證了CRU TS數(shù)據(jù)集的準確性,包括對潛在蒸散量[18]、降水[18—20]和溫度[19]的研究,證明了該數(shù)據(jù)集在氣候變化研究分析中的有效性。2)來源于國家科技基礎條件平臺-國家地球系統(tǒng)科學數(shù)據(jù)共享服務平臺(http：//www.geodata.cn)的1982—2017年的時間尺度為8d的0.05度分辨率的總初級生產(chǎn)力GPP數(shù)據(jù)。該數(shù)據(jù)集由袁文平等開發(fā)的光能利用率模型(EC-LUE模型)估算得到,對該數(shù)據(jù)集的驗證結(jié)果顯示其模擬能力超過了MODIS-GPP產(chǎn)品[21]。3)來源于中國科學院地理科學與資源研究所數(shù)據(jù)共享中心(http：//www.resdc.cn/)的中國植被區(qū)劃數(shù)據(jù)。該圖詳細反映了我國8大植被區(qū)36個子區(qū)的植被的區(qū)域性分布和地帶性分異。

2 研究方法與技術(shù)路線

本文技術(shù)路線如圖2所示。主要包括：去趨勢GPP、去趨勢溫度和干旱指數(shù)計算,GPP、和干旱指數(shù)時間序列趨勢分析,去趨勢GPP、去趨勢溫度和干旱指數(shù)之間的相關(guān)分析與回歸分析。

圖2 技術(shù)路線Fig.2 Technical flowchart

2.1 Theil-Sen median趨勢分析與Mann-Kendall檢驗

Theil-Sen median可以用來計算序列斜率的中值,能夠減少噪聲對于斜率的影響,對離散數(shù)據(jù)和測量誤差有較強的規(guī)避能力。Mann-Kendall檢驗可以計算不受離群值影響的時間序列變化的顯著性,適用于長時間序列的趨勢檢驗和分析,是世界氣象組織推薦并已廣泛應用的非參數(shù)統(tǒng)計的方法[22]。在采用Mann-Kendall檢驗前需要去掉生態(tài)時間序列的lag-1序列相關(guān)影響,以免高估檢測出顯著趨勢的概率[23]。

2.2 溫度和GPP去趨勢值計算

去趨勢值反映數(shù)據(jù)樣本的波動,正負去趨勢值分別代表樣本針對數(shù)據(jù)長期一般狀況所產(chǎn)生的增加量或減少量。本研究按照Papagiannopoulou等[24]的方法計算GPP與溫度序列的去趨勢值。在每個像元上,對年均GPP和年均溫度時間序列進行線性趨勢去除：

yt≈ytTr=α0+α1t

(1)

ytD=yt-ytTr

(2)

其中,yt為GPP和溫度的原始時間序列,ytTr為研究期內(nèi)的趨勢值序列,ytD為去除了線性趨勢的序列數(shù)據(jù),t為研究期內(nèi)的時間序列數(shù)據(jù),α0和α1分別是GPP/溫度與時間序列線性擬合的截距和斜率。去趨勢后的GPP和年均溫在后文分別記做D-GPP和D-T。

2.3 干旱指標

本文同時使用了標準化降水指數(shù)(SPI)和標準化蒸散指數(shù)(SPEI)兩個干旱指數(shù)。SPEI由Vicente-Serrano于2010年提出[25],該指數(shù)同時考慮了降水和蒸散對干旱的影響,對潛在蒸散發(fā)的計算模式很敏感。為匹配GPP與溫度序列的時間尺度,本研究計算了12個月尺度的SPI12和SPEI12[25—26](以下簡稱SPI和SPEI),其中潛在蒸散量(Potential evapotranspiration,PET)根據(jù)聯(lián)合國糧農(nóng)組織推薦的Penman-Monteith方法計算得到[27]。

2.4 相關(guān)分析與回歸分析

相關(guān)分析和回歸分析是研究植被生長對氣候變化響應的常用統(tǒng)計分析方法[28—29]。相關(guān)系數(shù)可以表征氣候變化對植被總初級生產(chǎn)力的影響程度,回歸系數(shù)可以幫助對比植被生產(chǎn)力對不同氣候因子的敏感性大小。本研究中,逐像元計算D-GPP、D-T以及干旱指數(shù)之間的Pearson相關(guān)系數(shù)[22]和復相關(guān)系數(shù),分別采用T檢驗法(簡單相關(guān))和F檢驗法(復相關(guān))對相關(guān)程度進行顯著性檢驗。其中,復相關(guān)反映的是溫度和干旱兩者與GPP之間的復相關(guān)程度。在此基礎上,進一步利用多元回歸量化分析氣候變化對GPP影響的大小[30]：

yi=aixiT+bixiS+εi

(3)

式中,yi是標準化的D-GPP序列,xiT、xiS分別是標準化的D-T和干旱指數(shù)(SPI或SPEI)。標準化序列用公式4計算得到。回歸系數(shù)ai、bi反映 D-GPP對D-T和干旱指數(shù)的敏感性,表示溫度和干旱指數(shù)每變化一個標準差所導致的GPP變化量。εi為殘留誤差。

(4)

3 結(jié)果分析

3.1 不同植被區(qū)GPP、干旱指數(shù)趨勢分析

GPP、干旱指數(shù)的趨勢如圖3所示。就GPP來說,我國有38.7%的像元通過顯著性統(tǒng)計檢驗(P<0.05)。GPP主要表現(xiàn)出增加趨勢,多數(shù)植被區(qū)GPP增加像元占比為減少像元占比的2—4倍,其中青藏高原高寒植被區(qū)(R3)增加趨勢最為顯著,表現(xiàn)為顯著增加的像元占比可達55%。GPP減少趨勢較強的有溫帶草原區(qū)(R2)和熱帶季風雨林、雨林區(qū)(R5),減少區(qū)域的像元占比接近40%。植被生產(chǎn)力的整體趨勢與Chen[31]、Wang[32]等人在國內(nèi)的研究結(jié)果類似。

圖3 1982—2017年GPP和SPI/SPEI的趨勢空間分布及各植被區(qū)不同GPP、SPI和SPEI趨勢的像元個數(shù)占總像元個數(shù)的比例Fig.3 The Spatial distributions of the GPP and SPI/SPEI trends,and the proportion of pixels with different GPP,SPI,and SPEI trends to the total number of pixels in the eight vegetation regions of China from 1982—2017

就干旱來說,SPI和SPEI分別顯示有41.4%和82.1%的像元呈變干趨勢。這與Yang等[26]研究1961—2013年7項干旱指數(shù)(包括SPI/SPEI)呈一致下降趨勢的結(jié)果相吻合。變濕像元主要分布在高寒植被區(qū)(R3)及其與溫帶荒漠區(qū)(R1)的交界地帶,其中SPI的變濕面積和變濕趨勢程度高于SPEI。全國范圍內(nèi)SPEI呈現(xiàn)變干趨勢的占比更高,分布范圍更廣,在溫帶荒漠區(qū)(R1)尤其明顯。

SPI計算過程僅考慮降水量,而SPEI同時考慮了降水和溫度的作用,可以捕捉到溫度上升對干旱的影響,檢測出的干旱化趨勢更顯著、面積更大。本研究通過疊置SPI和SPEI的趨勢圖,根據(jù)三種情形(SPI不顯著變干而SPEI顯著變干、SPI變濕而SPEI不顯著變干、SPI變濕而SPEI顯著變干)識別溫升干旱化的典型區(qū)域以區(qū)分變暖條件下溫度對干旱化的貢獻,結(jié)果如圖4所示。溫帶荒漠區(qū)(R1)、溫帶草原區(qū)(R2)和暖溫帶落葉闊葉林區(qū)(R6)的溫升干旱像元占比分別達到87%、72%和53%,是典型的溫升干旱化地區(qū)。其中溫升干旱化程度較高的像元主要集中在溫帶荒漠區(qū)(R1)和溫帶草原區(qū)(R2),表明氣溫升高對該地區(qū)變干趨勢有明顯的加劇作用。相反,溫帶針葉、落葉林混交林區(qū)(R7)和寒溫帶針葉林區(qū)(R8)干濕狀況對溫升的敏感性較低,溫升干旱像元占比僅為3%和13%。

圖4 典型溫升干旱化區(qū)域分布及各植被區(qū)不同溫升干旱化程度的像元個數(shù)占總像元個數(shù)的比例Fig.4 The spatial distributions of the typical warming aridification areas,and the proportion of the number of pixels of warming aridification under different levels to the total number of pixels in each vegetation regionWA表示溫升干旱化

3.2 不同植被區(qū)GPP與溫度、干旱指數(shù)之間的相關(guān)分析

圖5為逐像元計算的D-GPP與D-T/干旱指數(shù)間的Pearson相關(guān)系數(shù)。D-GPP與SPEI、SPI的相關(guān)系數(shù)分別介于-0.65—0.80和-0.74—0.81之間,且在各植被區(qū)均以正相關(guān)為主。溫帶草原區(qū)(R2)GPP與SPEI(SPI)的正相關(guān)性最強,正相關(guān)像元占該區(qū)總像元數(shù)的93%(93%),可見自然水分虧缺是限制草原生產(chǎn)力的主要因素[33]。青藏高原高寒植被區(qū)(R3)GPP與SPEI(SPI)的負相關(guān)性最強,弱負相關(guān)像元占比分別為52%(44%)。神祥金等研究發(fā)現(xiàn)青藏高原沼澤植被生長季NDVI與降水呈負相關(guān)的區(qū)域占整個沼澤分布區(qū)的45.11%[29],同時有研究指出降水的同時往往伴隨著降溫過程,降水增多可能會引起霜凍或洪澇等災害,進而抑制植被生長[34]。

圖5 D-GPP與氣候指標的Pearson相關(guān)系數(shù)空間分布及各植被區(qū)不同相關(guān)程度的像元占比Fig.5 The spatial distribution of Pearson correlation coefficients of de-trending GPP (D-GPP)and climate indicators,and the proportion of pixels under different correlation levels in each vegetation region CLs表示相關(guān)程度

相比于干旱指數(shù),多數(shù)植被區(qū)GPP與D-T呈正相關(guān)關(guān)系但相關(guān)程度整體較低。與D-T正相關(guān)性最強的為常綠闊葉林區(qū)(R4),顯著正相關(guān)像元與正相關(guān)像元分別占該區(qū)總像元數(shù)的17%和78%,這可能是由于亞熱帶常綠闊葉林分布地區(qū)屬于亞熱帶季風氣候區(qū),降水充沛,無明顯的旱季,溫升在一定程度上提高了細胞的光合作用效率,而其負面作用被降水緩解。溫帶草原區(qū)(R2)GPP對溫度的敏感性遠低于干旱,僅有34%的區(qū)域與溫度有正相關(guān)性,這一結(jié)果與已有的研究結(jié)論相符合[35]。

圖6為逐像元計算的D-GPP、D-T和干旱指數(shù)間的復相關(guān)系數(shù)。D-GPP、D-T、SPEI(SPI)的復相關(guān)系數(shù)在0.3—0.82(0.3—0.83)之間,通過顯著性檢驗的像元占總像元數(shù)的43.93%(43.65%)。整體來看兩類復相關(guān)的空間分布高度接近,北方植被與氣候因子的相關(guān)性高于南方地區(qū),與候英雨等人的研究結(jié)果[36]相吻合。溫帶草原區(qū)(R2)、亞熱帶常綠闊葉林區(qū)(R4)和暖溫帶落葉闊葉林區(qū)(R6)的顯著像元占比在50%以上。其中,暖溫帶落葉闊葉林區(qū)(R6)顯著像元占比高達70%,表明該植被區(qū)受溫度和干旱的共同影響最為廣泛；溫帶草原區(qū)(R2)受溫度和干旱的共同影響程度最高,區(qū)域平均復相關(guān)系數(shù)在0.44左右。

圖6 D-GPP與氣候指標的復相關(guān)系數(shù)空間分布及各植被區(qū)不同復相關(guān)程度的像元占比Fig.6 The spatial distribution of multiple correlation coefficients of D-GPP and climate indicators,and the proportion of pixels under different multiple correlations levelsMCLs表示復相關(guān)程度

3.3 不同植被區(qū)GPP與溫度、干旱指數(shù)之間的回歸分析

圖7為以D-T和干旱指數(shù)為自變量、以D-GPP為因變量進行逐像元回歸得到的D-T和干旱指數(shù)的標準化回歸系數(shù),回歸系數(shù)越大表明GPP對氣候要素變化的敏感性越強。D-T的標準化回歸系數(shù)介于-0.7—0.8,SPI和SPEI的標準化回歸系數(shù)分別在-0.7—0.84和-0.73—0.96之間。通過比較GPP對溫度和干旱指數(shù)的敏感性發(fā)現(xiàn),溫帶草原區(qū)(R2)和暖溫帶落葉闊葉林區(qū)(R6)GPP對干旱的敏感性相比對溫度更加明顯,特別是溫帶草原區(qū)(R2)受干旱影響更大的區(qū)域達到了78%。青藏高原高寒植被區(qū)(R3)和溫帶針葉、落葉林混交林區(qū)(R7)GPP對溫度的敏感性略大于干濕變化,前者可能是由于溫度上升導致青藏高原的凍土和積雪減少,環(huán)境進一步變濕,有利于植被的生長發(fā)育；后者對溫度的高敏感像元沿長白山脈分布,而溫度對山地高寒植被的生長發(fā)育有著至關(guān)重要的作用。

在每個植被區(qū)內(nèi)利用溫升干旱化像元的GPP和干旱指數(shù)的敏感性均值(即標準化回歸系數(shù)的均值)減去非溫升干旱化像元的GPP和干旱指數(shù)的敏感性均值,比較溫升干旱化地區(qū)(圖4)GPP和其他地區(qū)GPP對干旱的敏感性大小,進一步探究變暖造成的干旱變化在“GPP-干旱”響應過程中的作用(圖8)。結(jié)果表明,溫升輕微弱化了溫帶荒漠區(qū)(R1)、青藏高原高寒植被區(qū)(R3)和暖溫帶落葉闊葉林區(qū)(R6)GPP對干旱的響應,在暖溫帶落葉闊葉林區(qū)(R6)的減弱程度達0.03；相反溫升加劇了干旱對其他植被區(qū)GPP的影響,其中針葉、落葉林混交林區(qū)(R7)和寒溫帶針葉林區(qū)(R8)的溫升地區(qū)GPP對干旱的敏感性大于非溫升地區(qū),敏感性差異為0.08和0.16,遠超其他植被區(qū)。

圖8 各植被區(qū)中溫升干旱化區(qū)域與其他區(qū)域GPP對干旱敏感性的差異Fig.8 Differences in GPP sensitivity to drought between warming aridification areas and other areas in each vegetation regionWAAs、OAs分別表示溫升干旱化區(qū)域和其他區(qū)域

4 討論與結(jié)論4.1 討論

植被生產(chǎn)力增加是人類活動與氣候變化共同驅(qū)動的結(jié)果,本研究中青藏高原區(qū)GPP顯著增加一方面歸因于該區(qū)域的變濕趨勢,另一方面柴立夫等人指出青藏高原植被覆蓋改善與該地近年來的植被動態(tài)研究和生態(tài)修復工作(如三江源自然保護區(qū))密切相關(guān)[37]。全國GPP整體具有增加趨勢,側(cè)面反映我國退耕還林還草、三北防護林等生態(tài)恢復工程具有正向?qū)嵤┬Ч?有力遏制了生態(tài)退化趨勢,推動了我國生態(tài)文明建設進程[38]。

溫帶草原、亞熱帶常綠闊葉林和暖溫帶落葉闊葉林是受干旱和溫度共同影響較大的植被區(qū)。其中溫帶草原和暖溫帶落葉闊葉林與干旱指數(shù)呈正相關(guān)的像元的占比在90%以上,對干旱敏感性大于對溫度敏感性的像元的占比在65%以上,整體受干旱影響更大；亞熱帶常綠闊葉林與干旱指數(shù)/溫度呈正相關(guān)的像元的占比在75%左右,對干旱敏感性大于對溫度敏感性的像元的占比在50%左右,整體受干旱和溫度影響相當。而對于多數(shù)植被區(qū),GPP受干旱的影響大于受溫度的影響。我國學者針對植被生產(chǎn)力(草原植被[35]、森林植被[39]、各植被類型[15])與氣候的關(guān)系開展了許多相關(guān)研究,結(jié)果表明水分條件是影響植被生長發(fā)育的主要氣候因素,而干旱在很大程度上取決于水分虧缺程度,因此本研究結(jié)論與前人研究結(jié)果具有一致性。

氣候變化背景下溫度的持續(xù)升高加劇了我國的變干趨勢,進而不同程度地影響了各植被區(qū)GPP對干旱的響應情況。針葉、落葉林混交林區(qū)(R7)和寒溫帶針葉林區(qū)(R8)緯度高,年均溫低,氣溫上升雖然僅加劇了少數(shù)區(qū)域的干旱狀況(圖4),但顯著提高了該部分地區(qū)GPP對干濕狀況的敏感程度(圖8),指示著該區(qū)域的干旱變化相比以往會對植被生長發(fā)育造成更大影響。

不足方面,本研究確定了GPP和干旱指數(shù)(SPI/SPEI)的年際變化趨勢,但沒有考慮年內(nèi)的變化趨勢。未來可以結(jié)合多種生長季提取算法,如SSA奇異譜分析法[40]、分段邏輯函數(shù)的斜率提取法[41]等,得到生長季GPP數(shù)據(jù),結(jié)合植被生長季選取最適和的干旱指數(shù)進行研究,例如生長季的時間是4—9月,則使用SPEI9—6(9月份的6個月時間尺度的SPEI值)進行分析,在此基礎上進一步通過M-K突變檢驗得到變化趨勢中的拐點,對產(chǎn)生這種趨勢的原因作進一步解釋,或根據(jù)拐點分段分層,更好地開展氣候變化對GPP的影響。此外,GPP除受到氣候因素影響,還與很多因素有關(guān),如植被物候期[42—43]、太陽輻射[24]、土壤和人為因素[44—45]等。未來可以在氣候因素的基礎上綜合考慮其它因素對GPP的影響。

4.2 結(jié)論

本文利用1982—2017年的總初級生產(chǎn)力數(shù)據(jù)、同時期CRU TS氣候數(shù)據(jù)和中國植被區(qū)劃矢量邊界數(shù)據(jù),分析了中國36年來GPP和干旱指數(shù)(SPI/SPEI))的變化趨勢特征,探討了變暖條件下不同植被區(qū)GPP對干旱響應的差異。結(jié)果表明：(1)36年來各植被區(qū)的GPP以增加為主,除青藏高原高寒植被區(qū)(R3)外其他植被區(qū)以變干為主。(2)氣溫升高對溫帶荒漠區(qū)(R1)和溫帶草原區(qū)(R2)變干的加劇作用最強,對針葉、落葉林混交林區(qū)(R7)和寒溫帶針葉林區(qū)(R8)變干的加劇作用最弱,同時顯著提高了后者植被區(qū)GPP對干旱的敏感程度。(3)不同植被區(qū)GPP對溫度和干旱狀況的變化響應存在差異性：亞熱帶常綠闊葉林區(qū)(R4)和熱帶季風雨林、雨林區(qū)(R5)受溫度和干旱影響相當,青藏高原高寒植被區(qū)(R3)和針葉、落葉林混交林區(qū)(R7)受溫度主導,其他植被區(qū)均受干旱主導。