干旱對鄱陽湖流域植被生態系統GEP的影響

劉家倩， 陸建忠*， 田 晴， 陳曉玲，2

(1.武漢大學測繪遙感信息工程國家重點實驗室， 武漢 430079；2.江西師范大學鄱陽湖濕地與流域研究教育部重點實驗室， 南昌 330022)

總生態系統生產力GEP(gross ecosystem productivity)作為反映陸地生態系統固碳能力的具體指標，無論在表征“碳源”和“碳匯”重要功能的發揮效力方面，還是在穩步推進生態系統的保護與修復過程，都是不可或缺的重要因子.2020年11月，落基山研究所(Rocky Mountain Institute，RMI)于“2020全球能源轉型高層論壇”上正式發布《城市落實“2060年碳中和”國家戰略的創新路徑：以零碳為目標的綜合能源規劃》報告.報告開創性地提出了“以零碳為目標的綜合能源規劃”的理論框架、方法論和應用場景.而濕地國際組織研究證明，作為全球最大碳庫的濕地生態系統，因其強大的固碳能力在全球碳循環中發揮著重要作用.在實現“碳中和”目標的過程中對濕地生態系統的研究與探討不可或缺，如何實現“零碳”目標，需要相關部門共同努力，科學決策.如何將陸地生態系統“碳匯”功能發揮更好，以及在氣候調節中的作用機制有待進一步研究.

而在我國，鄱陽湖作為我國最大的濕地生態系統，其流域境內還涵蓋著大大小小的各種生態系統，如森林生態系統、草原生態系統、農田生態系統等，其具有的生態價值不可估量，且在氣候調節與生態修復中扮演著重要角色.近些年由于全球變暖，極端天氣事件如干旱、洪水、極端氣溫等發生頻率在不斷增加，各大生態系統都受到了一定程度的影響.自十八大以來， “綠水青山”一直被倡導，生態環境的保護刻不容緩.近些年，鄱陽湖流域頻頻發生干旱災害，如2007年出現大范圍的干旱，僅在7月、10月和11月就出現了范圍較廣或強度較大的干旱，旱災不論是對人口，還是農田或社會經濟都會造成大范圍的傷害，影響程度不亞于水災[1].鄱陽湖不論是在調節長江水位、涵養水源方面，還是在改善當地生態環境、生態保護與修復及氣候調節等方面都起著重大的作用[2].因此，探究干旱對鄱陽湖流域植被生態系統GEP的影響，在當前全球氣候變化的背景下十分有必要，是本研究的重點.

自提倡“人與自然和諧共生”“人類命運共同體”理念以來，國內外許多地區重視生態系統在人類發展中的重要地位，開始對影響GEP產生的各類因子進行研究，但針對影響GEP的環境因素的研究尚不多見.Kastur等人[3]曾利用MODIS遙感數據研究馬來西亞半島南部紅樹林破碎化及其對葉面積指數和總初級生產力的影響，證明了馬來半島南部紅樹林的破碎化因其太陽輻射增加的邊緣效應，可能導致總初級生產力的增加，但沒有表明氣候因素對其的影響.姚煥玫[4]等人曾探究廣西北部灣海域初級生產力與環境因子相關關系，進行了光合有效輻射、海表溫度、鹽度以及營養鹽與海域初級生產力的相關性分析，對陸地生態系統涉及較少.而姚炳楠等人[5]雖分析了鄱陽湖流域植被總初級生產力的時空變化特征及其與氣溫、降水兩個氣候因子的關系，但只做了兩個因子的獨立分析，缺少總體上針對干旱的聯系與分析.因此，本文以鄱陽湖流域為研究區，探究干旱對其在2000—2016年間GEP產生的影響.GEP可通過生態水文模型WaSSI-C(water supply stress index-carbon model)模型來計算，有研究表明WaSSI-C模型已被廣泛應用于中國大陸地區，并有良好的適切性，它能在月尺度上將生態系統內部水碳循環過程的耦合關系良好地表示[6].近期，就干旱對GEP生產效應的抑制或促進作用爭論不斷.陳曉峰[7]等人研究證明在水熱不同步條件下因高溫干旱和土壤水分降低會造成安吉亞熱帶毛竹林生態系統GEP下降.孫曉敏[8]等人提出生態系統碳吸收的降低程度取決于季節性干旱期間溫度升高和降水量減少的耦合程度.證明Re(生態系統呼吸)和GEP都會受到干旱脅迫的影響，但是響應的方式與程度有所不同，是造成森林生態系統源/匯強度變化的根本原因.Hong等人[9]證明在春秋兩季，基于熵的不同的累積降水序列以得出的統一概率分布函數以計算出3個月SPI(standard precipitation index)和降雨日數呈現全負趨勢時，鄱陽湖流域緩解農業干旱的難度將加大，說明干旱可能對生態系統GEP產生具有抑制效應.但也有相關研究證明干旱可能對生態系統GEP產生促進作用，Tang等人就證明在鄱陽湖流域植被綠度增加明顯的情況下，需水量較大的子流域(贛江流域)中，持續的干旱狀況下植被綠度增加會加劇生態需水與人類需水之間的矛盾[10]，這可能使得在植被綠度明顯增加的情況下，鄱陽湖流域生態系統的GEP會有所增加，導致干旱反而促進生態系統GEP的產生量.而Wei等人[11]基于非洲旱地生態系統的研究，提出了在降雨量大的年份初期會導致南部非洲的火災率增加，但在后期情況又會逆轉為下降，而這種下降是由高頻率的干旱年份導致非常低的燃料負荷造成，表明干旱造成了燃燒面積的普遍減少，特別是在旱地稀樹草原.所以對于非洲旱地生態系統而言，干旱極有可能會促進其生態系統GEP的增加.造成干旱對生態系統GEP產生是否存在抑制作用爭論的因素有可能是因為研究地區所處的地理條件不同，或者所在的氣候帶不一樣，導致不同的氣候環境在干旱條件下的表現形式不一致.不同氣候帶的區域，干旱對其生態系統GEP的影響是存在差異的，而目前缺少具體化的研究.因此，本文針對鄱陽湖流域植被生態系統，探究2000—2016年間干旱對鄱陽湖流域植被生態系統GEP產生的影響.

本文利用WaSSI-C模型計算在2000—2016年月尺度下的鄱陽湖流域植被生態系統GEP，并與MODIS的GEP產品對比驗證，同時以每月為時間尺度計算SPI干旱指數，分析GEP在干旱期間下的時空變化特征，探究干旱對GEP產生的影響.本文對于評估植被生態系統“碳源”“碳匯”功能的發揮效力，實現 “青山綠水”及“碳中和”的規劃目標具有重要的現實意義，也為如何更好地修復與保護植被生態系統提供指導性意見.

1研究區與數據

1.1研究區概況

鄱陽湖流域位于長江中下游南岸，是鄱陽湖水系集水范圍的總稱，包括了五子河流域(贛江、撫河、信江、饒河、修河)以及大大小小的水系，流域面積16×104km2，地理范圍與江西省行政轄區基本重疊[12](見圖1).流域地處亞熱帶季風氣候帶，為典型的亞熱帶濕潤性季風氣候，其春季時節天氣易變，梅雨連綿，而夏季多受副熱帶高壓控制，以致夏秋時節氣候晴熱干燥，在冬季盛行偏北風，陰冷時節氣溫低[13].年平均氣溫為17.5 ℃，年平均降水量達到1 680 mm[14]，年平均蒸發為800～1 000 mm，但降水和蒸發的時空分布是不均勻的，表現出明顯的季節性和區域性差異[15].本文以江西省境內的鄱陽湖流域為研究區進行研究，主要探究干旱對陸地生態系統GEP的影響，因此在計算GEP時會去除環鄱陽湖區.研究所用氣象站包括流域內及流域周邊共18個氣象站點，以便覆蓋研究區，更好地進行克里金插值.

1.2數據

本文用到的地理數據包括：STRM 30 m分辨率的DEM高程數據，以其為基礎進而得到以百分比為單位的坡度數據，作為薩克拉門托土壤濕度計算模型的輸入因子.2008年的鄱陽湖流域土地利用類型數據，利用ArcGIS進行重分類，將其主要分為草地、農田、稀疏灌叢、混交林和濕地五大類.中國土壤屬性數據，以鄱陽湖流域矢量圖進行掩膜，得到鄱陽湖流域內各土壤類型的土壤剖面深度以及基于HWSD(harmonized world soil database)劃分標準，將鄱陽湖流域土壤屬性劃分為壤砂土(loamy sand)、壤土(loam)和黏土(clay)三大類.

圖1 鄱陽湖流域及氣象站分布Fig.1 Distribution of the Poyang Lake basin and its weather stations

氣象數據來自中國氣象數據網(http：//data.cma.cn)，18個氣象站點包括14個位于鄱陽湖流域內的站點：修水、宜春、吉安、寧崗、遂川、贛縣、廬山、波陽、景德鎮、南昌、樟樹、貴溪、南城和廣昌，以及4個位于流域周邊的站點：醴陵、江山、宿松、龍川.通過站點每日的氣溫、降水數據計算出每個站點的逐月降水量(Pre)和潛在蒸散發(PET)，并在ArcGIS里進行插值和掩膜，得到2000-2016年鄱陽湖流域的降水和PET柵格圖像.

生態數據主要包括LAI(leaf area index)，數據來源于國家科技基礎條件平臺—國家地球系統科學數據中心(http：//www.geodata.cn)，空間分辨率為0.05°，以八天時間分辨率為基礎利用Python合成到月尺度時間分辨率上，得到2000—2016年每月的LAI數據.驗證數據為MODIS的以八天為時間分辨率，0.05°為空間分辨率的GPP數據，來源為北京師范大學GLASS數據庫(http：//glass-product.bnu.edu.cn/)，同LAI數據一樣合成到月尺度分辨率上.在生態系統的尺度上，GPP近似等于GEP，它們都代表著植被的固碳能力[6]，并且GPP已被廣泛用于模型模擬結果的驗證[16].為了便于表述和比較，本文將MODIS＿GPP統稱為MODIS＿GEP.

2研究方法

本文以WaSSI-C模型計算鄱陽湖流域的GEP，模型主要分為三個子模型，包括蒸散模型、薩克拉門托土壤濕度計算模型及碳循環模型.該模型以DEM高程數據、氣溫降水數據、LAI數據、土地利用類型數據及土壤理化數據為輸入參數.模型流程圖如圖2所示.

本文通過Hamon公式來計算鄱陽湖流域的潛在蒸散發PET，Hamon公式是以每日平均氣溫為基礎進行計算的[17]，利用18個氣象站點每日的平均氣溫數據可以得到每月的PET，作為后續利用蒸散模型計算植被實際蒸散潛力ETp的輸入參數.公式為：

(1)

PET=k×N×Pt，

(2)

式中，Ta為日平均溫度，℃；N為日照時間，h；Pt為飽和水汽密度，g·m-3；PET為每月潛在蒸散值，mm；k為經驗系數，取0.84.

以潛在蒸散值PET為基礎，根據鄱陽湖流域自身的水熱條件，在確定蒸散模型的模型參數時，采用的是Sun等人在研究中所提出的一個在中低緯度下WaSSI-C模型參數化的方案[18]，具體如下式：

ETp=0.174 ×Pre+0.502 ×PET+5.31 ×

LAI+0.0222 ×PET×Pre，

(3)

式中，ETp為植被實際蒸散潛力；Pre為每月降雨量，mm；LAI為每月葉面積指數.

ETp為在環境良好，水分充足的情況下當月蒸散能夠達到的最大值，需以薩克拉門托土壤濕度計算模型(SAC-MAC)作為參考條件進行限制，考慮到鄱陽湖流域實際環境情況，利用鄱陽湖流域的土壤屬性數據以及18個氣象站點所測算的實際降雨量數據，降水數據在ArcGIS里進行克里金插值，有研究表明：普通克里金插值精度要優于反距離權重和張力樣條函數插值兩方法.在可用于蒸散的土壤有效含水量(SWC)的基礎上，獲得實際蒸散值ET.

(4)

SWC=UZTWC+UZFWC+LZTWC，

(5)

可用于蒸散的土壤含水量SWC來自上層張力水(UZTWC) 、上層自由水(UZFWC)和下層張力水 (LZTWC)，在土壤濕度參照系數curve-number(CN)設定為平均濕度的條件下，可由薩克拉門托土壤濕度計算子模型分別計算得到上層張力水、上層自由水以及下層張力水[19-20]，CN系數通過SCS(soil conservation service) CN Method得到[21].

圖2 模型計算GEP流程圖Fig.2 Flow chart of model calculating GEP

在得到實際蒸散值(ET)的基礎上，利用碳循環模型，可以得到總生態系統生產力.本文所用到的模型參數是參照通量網(FLUXNET)中的通量數據，由生態系統生產總值GEP、蒸散值ET、生態系統呼吸消耗REC三者之間的線性回歸關系而確定.不同植被類型的具體回歸方程經驗系數值k可參見下表：

表1 WaSSI-C模型在鄱陽湖流域內主要 植被類型的碳通量回歸模型參數Tab.1 Carbon flux regression model parameters for the main vegetation types of the WaSSI-C model

依照鄱陽湖流域的植被類型數據，對比草地、農田、稀疏灌叢、混交林以及濕地依次取不同的回歸方程系數k值，得到該區域的生態系統生產總值GEP.在下文，計算出的GEP表述為模擬值GEP，以區分MODIS＿GEP.

本文將MODIS＿GEP產品與WASSI-C模型計算出的模擬值進行對比驗證，利用小波分析對模擬值GEP進行時頻分析，將模擬值GEP與干旱指數SPI聯系起來進行時空分析.

3結果與分析

3.1WaSSI-模擬值GEP與MODIS＿GEP產品的對比驗證

本文將模擬值GEP與MODIS＿GEP產品進行對比分析，以驗證WaSSI-C模擬值GEP在鄱陽湖流域的適用性，圖3(b)顯示了2000—2016年鄱陽湖流域每月GEP平均值的時間序列變化.模擬值GEP與MODIS＿GEP產品的月平均值在低中值區間基本吻合，除了在個別月份(夏季)二者差異較大，整體上兩者存在較大的相關性，圖3(a)中模擬值GEP與MODIS＿GEP產品的相關性R2近似為0.62，較姚炳楠等人[5]利用GPP通量觀測數據與MODIS數據產品比較的相關性0.56稍高，導致此結果的原因可能是氣象數據的選擇，由于氣象數據是由點插值成面，會使得研究結果有一定的誤差.

圖3 模擬值GEP與MODIS的GEP產品對比驗證圖Fig.3 Comparison validation chart of simulated value GEP and MODIS product GEP

上述模擬值GEP與MODIS的GEP產品對比圖(b)顯示，WaSSI-C模型模擬的月平均值GEP在小值區間與MODIS＿GEP產品的月平均值變化趨勢基本吻合，在大值區間模擬值較高，這與相關研究表明的MODIS GPP 產品在中國和東亞都有不同程度的低估現象是相符的[2].因此，通過WaSSI-C模型方法獲得的GEP對鄱陽湖流域的碳通量模擬效果較好，具有良好的適用性.小值區間是本文的主要關注點，可以探究在干旱影響下GEP的具體分布情況.

3.2GEP月尺度Morlet小波分析的時間周期規律

本文利用MATLAB對模型求解出的GEP進行Morlet小波分析.Morlet小波分析是由Morlet提出的一種具有時—頻多分辨功能的小波分析(wavelet analysis)，為更好的研究時間序列問題提供了可能，它能清晰的揭示出隱藏在時間序列中的多種變化周期，充分反映系統在不同時間尺度中的變化趨勢，并能對系統未來發展趨勢進行定性估計.

本文時間尺度以每一月為單位(time scale=1)，2000—2016年共17 a即204個月，對月平均模擬值GEP進行Morlet能量譜分析，得到該時間尺度下的模平方時頻分布(圖4(a))和小波方差(圖4(b)).

圖4 GEP在月時間尺度下的Morlet模平方時頻分布(a)和Morlet方差(b)Fig.4 Morlet mode squared time-frequency distribution (a) and Morlet variance (b) of GEP at the time scale of months

小波系數的模方即小波能量譜，可以分析出不同周期的震蕩能量，因為本文采取的時間尺度為一月，因此可以看出在2000—2016年間哪些月份的震蕩能量較高.由圖4(a)Morlet模平方時頻分布可知，第91月～第116月及第159月～第188月的時間尺度能量最強、周期最顯著，但它的周期變化具有局部性(2007年夏季至2009年夏季，以及2013年春季至2015年夏季之間).以每個月為時間尺度下的小波能量譜可以突出局部變化較大的時間范圍，與下文通過干旱指數SPI表征的重旱時間月份是對應的.同時，可以看出它與圖4(b)的Morlet小波方差幾個主周期是一致的.

小波方差圖能反映GEP在時間序列中其波動能量隨尺度的大致分布情況.可用來確定GEP演化過程中存在的主周期.Morlet小波方差圖4(b)中存在4個較為明顯的峰值，它們從左到右依次對應著第23月、第101月、第167月以及第179月的時間尺度.其中，最大峰值對應著第101月的時間尺度，說明第101月左右周期震蕩最強，為月GEP變化的第一主周期；第179月時間尺度對應著第二峰值，第179月左右為月GEP變化的第二主周期；第三峰值和第四峰值分別對應著第167月和第23月左右時間范圍，為月GEP變化的第三、第四主周期.說明4個周期的波動控制著GEP在整個時間域內的變化特征.

3.3干旱對鄱陽湖流域植被生態系統GEP影響的時空分析

3.3.1GEP與SPI在時間上的協同變化趨勢 本文依據覆蓋鄱陽湖流域及周邊的18個氣象站點降水數據計算出標準化降水指數SPI(standardized precipitation index)，SPI的計算時間尺度為一月，在ArcGIS里利用克里金插值得到整個鄱陽湖流域每月的SPI平均值.將基于模型求解出的GEP月平均值與SPI月平均值在時間序列上進行對比分析.SPI是由Mckee等人[22]提出的氣象干旱指數，其目的是對降水數據進行歸一化處理，得到每個具體數值與其平均數的差距.根據其劃分標準，SPI劃分為干旱、輕旱、中旱、重旱、特旱五個等級(如表2所示).

表2 干旱等級劃分Tab.2 Drought classification

依據SPI指標，將2000—2016年間SPI干旱指數月均值與GEP月均值進行時間序列分析.圖5顯示隨著時間的變化，2000—2016年間鄱陽湖流域干旱發生頻次較多，干旱程度較輕的月份(輕旱-中旱)沒有對GEP的產生量造成明顯影響，但在干旱程度較為嚴重，特別是在一些重旱的時間節點上，隨著干旱程度越嚴重，GEP的產生量在顯著減少.GEP的谷值與SPI的谷值相對應，即在重旱情況下的鄱陽湖流域，GEP的產生量會受到明顯的抑制.所以，干旱對于鄱陽湖流域植被生態系統的GEP產生具有抑制作用.

圖5 2000—2016年間GEP與SPI的時間序列趨勢Fig.5 Trends in synergy between GEP and SPI during 2000-2016

3.3.2干旱事件下GEP的空間分布規律 鄱陽湖流域SPI干旱指數顯示共有15個月發生了嚴重干旱(干旱程度為重旱，圖5中以黑點標出)，分別是2001年9月、2002年2月、2003年7月、2004年10月、2007年5月、2007年10月、2007年11月、2008年12月、2009年6月、2011年2月至2011年5月、2013年8月以及2014年1月.這些時間點與Morlet小波能量譜所顯示出震蕩能量較強以及Morlet小波方差的主周期的時間相對應.因此利用上述的小波分析結果可以輔助驗證所求干旱指數的正確性.

在空間分布上，本文提取出發生嚴重干旱的時間節點作為典型干旱事件的發生時間，對該時段內的氣象干旱指數SPI與模擬值GEP進行空間分布可視化(見圖6)，探索其空間分布上的相關性.對于嚴重干旱發生在同一季節的情況，例如2011年的3-5月同屬于春季，所表現出的分布規律大致相似，所以只取同一季節的其中一個月作展示.

圖6 典型干旱事件下GEP與SPI空間分布Fig.6 Spatial distribution of GEP and SPI under typical drought events

通過以上典型干旱事件下的GEP與SPI空間分布圖可知，整體上看，在鄱陽湖流域大部分典型干旱事件下GEP的高(低)值區與SPI的高(低)值區的空間分布是相對應的，越靠近藍色表示二者值越高，越靠近黃色表示二者值越低.在局部空間分布上，當干旱較為嚴重時，GEP也相應的呈現較低的分布趨勢.所以，針對本研究區鄱陽湖流域，不論是總體上還是局部空間上，干旱對GEP的產生是存在抑制作用的.

4結論

本文通過WaSSI-C模型求出的鄱陽湖流域植被生態系統的GEP與MODIS產品GEP在總體上具有較好地吻合性，特別在GEP值處于較大區間上時，模擬值與MODIS產品兩者吻合性最強，同時也表明了WaSSI-C模型在本研究區域也具有良好的適切性，由此可見WaSSI-C模型對于碳通量的模擬效果是很好的.

本研究以模型計算出的GEP模擬值為基礎，對其進行了Molert小波分析，揭示了GEP的時序變化特征和不同時間尺度下的特征.Molert小波方差圖所表現出來的控制GEP變化的主要周期與SPI干旱指數表征的干旱事件出現的時間節點是相一致的，說明了干旱對于GEP產生的影響是較大的.針對2000—2016年間每月的SPI干旱指數與月均值GEP在時間序列上的波動表現可以明顯看出，干旱對于鄱陽湖流域植被生態系統的GEP產生是具有抑制作用的，并且隨著干旱程度地加劇，特別是重旱時期，GEP的產生量是會受到明顯地抑制.模擬值GEP與SPI在鄱陽湖流域的空間分布上也很好地表明了這點，在重旱的時間節點上，干旱越嚴重的區域，GEP的產生量較其他區域是顯著減少的，GEP與SPI的高低分布趨勢在空間上是一致的.因此，無論是時間角度還是空間角度，干旱對鄱陽湖流域植被生態系統生產總值的影響均是負面抑制的.

在探究干旱對GEP影響時，本文以五河子流域為重點研究區，之后在進一步研究中，可將環鄱陽湖區考慮進來，分別對環鄱陽湖區和五河子流域進行分析.干旱對環鄱陽湖區GEP的影響機制可能與其他子流域區域存在差異，鄱陽湖湖泊在枯水期仍有水體存在，這是與其他子流域區域最大的不同點，在干旱時期隨著氣溫升高湖泊周邊草地植被生長更加茂盛，GEP可能反而增加，后續將進一步深入研究.

隨著全球氣候變暖，干旱發生頻率不斷增加且日漸嚴重，生態系統會受到一定程度的影響.本研究表明，具有“碳匯”功能的植被生態系統很可能在氣候條件不斷改變及惡劣影響下，“碳匯”功能會逐漸減弱.了解干旱對陸地植被生態系統GEP的作用機制，有助于環境保護部門科學管理.