三江源國家公園植被凈初級生產力變化趨勢及影響因素

左 嬋,王軍邦,張秀娟,蘆光新,葉 輝,王春雨,張志軍,李英年

1 長江大學園藝園林學院,荊州 434000 2 中國科學院地理科學與資源研究所,生態系統網絡觀測與模擬重點實驗室,生態系統大數據與模擬中心,北京 100101 3 青海大學農牧學院,西寧 810000 4 九江學院旅游與地理學院,九江 332005 5 中科院西北高原生物研究所,西寧 810000 6 青海省生態環境監測中心,西寧 810000

青藏高原被譽為世界“第三極”,其特殊的海拔、地形地貌導致生態系統結構簡單且脆弱,對全球氣候和環境變化的響應十分敏感和強烈[1]。三江源地區位于青藏高原腹地,屬于典型的生態系統脆弱區,是我國生物多樣性保護和生態環境建設重點區域,是維系區域生態安全的重要屏障[2—3]。由于全球氣候變暖和過度放牧等人類活動加劇的雙重影響[4],三江源地區草地退化改變著植被格局、水碳平衡和生產力,進而可能影響區域生態安全和社會經濟可持續發展[5]。隨著2000年省級三江源自然保護區的建立[6],2005年三江源生態保護和建設工程的實施[7],2016年成為中國首批國家公園試點[8],2021年宣布正式成為國家公園,進一步提升了生態保護力度和體制創新。而開展該區域高寒植被凈初級生產力變化及其對氣候變化和人類活動的響應研究,對于理解高寒植被生產力變化機制,有效實施生態保護和促進區域可持續發展,將提供理論基礎和科學決策依據。

植被凈初級生產力(Net Primary Production,NPP)是植被在單位面積上所積累的有機物質的量,是植物光合作用所同化的總初級生產力減去植物自養呼吸后的剩余部分[9—10],是地球生命系統的物質和能量基礎,是生態系統其他服務功能形成和維持的基礎。對三江源區生產力變化已經開展了大量研究,主要集中在植被生產力估算模型和遙感數據的應用與發展[3,11—12]、全球氣候變化背景下植被生產力變化[13—16]以及氣候和人類活動影響的分析[17—21]等方面,針對植被變化的原因存在三種解釋：(1)氣候變化[22—24]；(2)過度放牧等人類活動影響[25]；(3)生態保護與修復等恢復措施的綜合效應[26—27]。高寒植被存在較大的空間異質性,且受氣候變化等的復雜綜合影響而導致厘定氣候變化和人類活動影響存在較大不確定性,另外也缺乏基于長時間序列數據的研究,導致生產力變化的主要驅動機制始終存在較大爭議。

生態遙感耦合模型通過整合生態系統過程模型和遙感參數模型分別在生理生態模擬和空間異質性量化方面各自的優勢,能夠實現空間明晰地模擬和估算陸地生態系統生產力過程變量[28]。作為生態遙感耦合模型之一,GLOPEM-CEVSA耦合模型基于陸地生態系統碳循環過程及其生理生態學理論,實現了碳周轉、碳固定、碳分配等碳循環過程的模擬[28—30],研究表明該模型在估算NPP中精度更高[3],在三江源地區生產力估算及草畜平衡分析等方面得到了廣泛的應用[31]。

因此,本文應用GLOPEM-CEVSA模型模擬1981—2018年三江源地區植被潛在和現實凈初級生產力,分析近40年植被生產力時空格局及影響因素,揭示在全球氣候變化背景下人類活動的影響,以期為區域生態監測與評價和國家公園保護與發展管理決策提供理論依據和方法參考。

1 研究區概況

三江源國家公園位于青海省南部三江源地區,地理范圍是33°09′—36°47′N,89°50′—95°18′E,海拔為3500—4800 m,是長江、黃河、瀾滄江3條重要河流的水源發源地和我國重要的淡水補給地。園區范圍包括長江源、黃河源以及瀾滄江源園區,總面積12.31萬km2。三江源地處青藏高原腹地,長江源園區和瀾滄江源園區以冰川、高山和高平原丘陵地貌為主,黃河源園區大部分為高平原,如圖1。

圖1 三江源區地理位置及主要土地覆被類型

2 材料與方法

2.1 數據來源及處理

2.1.1氣象數據

用于模型輸入的1981—2018年氣象數據,是利用全國753個和周邊國家345個氣象臺站觀測數據經空間內插的柵格數據[32],空間分辨率為1 km,時間分辨率為8天,包括最高、最低氣溫、降水量、風速、日照時數和相對濕度。空間插值采用由澳大利亞國立大學基于光滑薄板樣條算法的插值軟件ANUSPLIN[33],研究表明ANUSPLINE插值的數據分別能解釋94%和77%的氣溫和降水空間變異,明顯優于其他方法[34]。插值中主要考慮了經緯度和海拔高度對各氣候要素的影響,其中海拔數據采用了90 m空間分辨率SRTM(Shuttle Radar Topography Mission)的數字高程模型(DEM)數據[35],經重采樣為1 km空間分辨率作為插值輔助數據。

2.1.2基于衛星遙感參數反演的FPAR數據

基于衛星遙感參數反演的FPAR,是經GIMMIS3g和MODIS數據融合得到的1981—2018年1 km空間分辨率每8天時間步長的數據產品。GIMMIS3g數據提供了1981—2015年每半月1/12°空間分辨率歸一化植被指數數據(NDVI3g)[36]；最新MODIS的FPAR產品,提供了2003年以來每8天1 km空間分辨率數據產品(MCD15A2.C006)。為了提高遙感數據的時空連續性和可用性,以2003—2015年兩產品重疊期間數據,基于人工神經網絡算法重構了1981—2002年每8天1 km空間分辨率FPAR數據,而2003—2018年每8天1 km空間分辨率數據直接采用了MCD15A2產品,最終得到了1981—2018年每8天1 km空間分辨率數據產品,從中裁切出三江源地區,用于本研究。

2.1.3植被覆蓋類型數據

本文采用的植被覆蓋類型圖是基于如下三種數據源綜合而成：A.劉勇洪等[37]以MODIS數據分類結果,該分類利用2001—2002年1 km的MODIS NDVI時間序列數據和多波段反射率光譜數據對中國區域進行了土地覆蓋分類；B.基于30 m分辨率Landsat遙感數據的青海地區2000年土地覆蓋圖(三江源項目組數據)；C.基于30 m分辨率Landsat遙感數據的三江源地區2004年土地覆蓋圖(三江源項目組數據)。本研究數據融合中土地覆蓋大類(森林、灌叢、草地、農田、水體、建設用地)以C為主,在細化森林類型的時候采用了A數據源,并在ArcGIS中采用眾數聚合法進行空間重采樣為1 km空間分辨率,用于模型輸入。植被覆蓋類型中生態系統類型包括常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、灌叢、草地、稀疏植被、農田、建設用地和水域。

2.1.4土壤質地數據

土壤質地數據來自劉明亮全國土壤質地數據[38],用于土壤水分參數的計算。該數據是以中國資源環境數據庫1∶400萬土壤類型圖做空間插值,選取了第二次土壤普查共516個剖面點,對每一個一級類別所覆蓋的土壤剖面點計算粒級機構的平均值,作為此土壤類型的粒級構成。本研究在ArcGIS中對數據經鄰近值法重采樣處理得到與氣象數據的空間分辨率相匹配的1 km數據,并裁剪出三江源地區數據用于模型輸入。

2.1.5模型驗證數據

采用本省曲麻萊縣生態氣象站(95°48′00″E,34°07′00″N,4175.0 m)和門源縣海北站生態氣象站(100°51′35″E,36°57′33″N,3140.0 m)長期監測牧草產量數據用于模型結果驗證。牧草產量監測取樣,是在氣象站周圍10 km范圍內平坦開闊且面積為100 m×100 m的草地做為采樣區,在采樣區內隨機選取5個樣方(1 m×1 m),從5至8月每月測量并詳細記錄樣方內牧草的高度和覆蓋度,并以收獲法測定鮮重,以牧草生長期內(5—8月)最大值作為該年度牧草產量；采樣區僅在冬季進行放牧,春、夏、秋季進行封育[39]。

基于渦度相關理論的通量觀測數據,可以拆分出總初級生產力,可間接驗證模型估算的凈初級生產力。鑒于只能獲得中國通量觀測網絡共享的位于三江源區東緣的海北灌叢2003—2010年通量觀測數據,因此,通過該通量觀測數據,間接評價模型對NPP的估算性能。

2.2 人類活動影響模擬

參照許端陽等[40],人類活動對植被變化的影響,以氣候潛在植被生產力與衛星遙感的現實植被生長力之差估算：

NPPHA= NPPRS-NPPCL

(1)

式中,NPPHA為人類活動導致的凈初級生產力；NPPRS是以衛星遙感的FPARRS進行模擬得到的現實生產力；NPPCL是以氣候驅動模擬的FPARCL計算的潛在生產力,可分別表示為：

NPPRS= PAR×FPARRS×ε*×σ-Ra

(2)

NPPCL= PAR×FPARCL×ε*×σ-Ra

(3)

式中,PAR是光合有效輻射；ε是基于GPP概念的植被光能利用率；Ra為植被自養呼吸；σ為基于氣孔導度類比模型的環境脅迫因子,在理想環境條件下,植被存在潛在最大光能利用率(ε*),現實光能利用率則受環境因子脅迫(σ),ε*和σ的計算詳見文獻[41—43]。

FPARRS直接采用衛星遙感反演的FPAR數據,FPARCL采用下式計算[44]：

FPARCL=1-e-kLAI

(4)

LAI=LAIMIN+σ×(LAIMAX-LAIMIN)

(5)

式中,k為消光系數,取值0.5,LAIMIN和LAIMAX是逐像元的最小和最大葉面積指數；σ的解釋見式(3)；GLOPEM-CEVSA模型的詳細介紹見文獻[41—43]。

2.3 研究方法

2.3.1人類活動影響分析

三江源地區人類活動影響程度,以人類活動影響的生產力NPPHA與潛在生產力NPPCL之比HC量化；比值小于0區域人類活動呈負面影響,比值大于0區域人類活動呈正面影響,且值越大影響程度越大。

(7)

以現實和潛在凈初級生產力的年際變化趨勢之差,量化人類活動對凈初級生產力年際變化趨勢產生的影響,即：

SlopeHA= SlopeRS-SlopeCL

(8)

式中,若SlopeHA大于0,表明人類活動影響為促進作用；若小于0,人類活動影響則為負面影響。以實際人類活動因素對凈初級生產力的變化幅度產生的影響SlopeHA與氣候驅動的潛在凈初級生產力(NPPCL)的年際變化SlopeCL比值的絕對值(│SlopeHA/SlopeCL│)判斷NPP趨勢變化的主導因子,當絕對值大于1則表示人類活動影響為NPP趨勢變化的主導因子,小于1則表示氣候變化為主導因子。

2.3.2氣候因子影響分析

采用多元線性回歸方法分析影響凈初級生產力變化的氣候因素,回歸方程可表示為：

Y=A0+A1X1+A2X2+A3X3

(9)

式中,Y是凈初級生產力時間序列,X1、X2、X3分別為年累計降水量、年平均日最高氣溫和年平均日最低氣溫時間序列；A0、A1、A2、A3為回歸系數,當自變量經標準化處理后,通過回歸系數可比較自變量對因變量的相對貢獻大小。

3 結果與分析

3.1 模型驗證

采用曲麻萊和海北站牧氣站長期監測牧草產量數據,對模型估算的實際凈初級生產力進行驗證時,模型估算的現實NPP與牧草產量顯著線性相關(P<0.01),如圖2所示；由復相關系數可知,模型能夠分別解釋兩地牧草產量年際變化的59%和67%,全部牧草產量年際變化的77%；值得說明的是,由于牧草產量數據實質上僅僅是地上生產力,因此,二者的回歸系數,即斜率并不會等于1。如圖2所示,基于通量觀測數據的驗證結果表明,模擬與觀測間顯著線性相關(P<0.01),模型能夠解釋通量塔觀測GPP季節變化的89%,說明模型對高寒草地生產力具有較高的估算精度。

圖2 凈初級生產力模擬值與站點監測地上生物量數據以及海北通量站模型模擬總初級生產力值與觀測數據的對比

3.2 凈初級生產力空間格局

三江源地區NPP存在明顯的從東南向西北逐漸遞減的空間分布格局,如圖3所示。近40年,三江源全區現實NPP(NPPRS)多年均值為(309.70±225.77)g C m-2a-1,占潛在NPP(NPPCL)的61.65%,如圖4所示。其中,黃河源、長江源和瀾滄江源NPPRS分別為(249.88±122.65)g C m-2a-1、(140.18±123.72)g C m-2a-1和(330.55±146.71)g C m-2a-1,分別占各園區NPPCL的64.98%、62.85%和61.65%；則NPPHA分別為(-133.85±173.59)g C m-2a-1、(-82.36±155.02)g C m-2a-1和(-205.23±189.48)g C m-2a-1。

圖3 三江源地區1981—2018年及2000年前后多年平均NPPCL和NPPRS的空間分布格局

圖4 三江源全區及不同園區凈初級生產力區域多年平均值及不同草地類型凈初級生產力區域多年平均值

三江源地區分布面積最廣的草地,如圖4,NPPRS多年均值為(336.74±218.02)g C m-2a-1；根據2010年全國LUCC數據所給出的高、中、低覆蓋草地,其NPPRS多年均值分別為(489.97±231.05)g C m-2a-1、(399.85±213.10)g C m-2a-1和(271.96±191.04)g C m-2a-1,分別占對應覆蓋度草地NPPCL的64.27%、62.03%和60.93%；則NPPHA分別為(-270.51±213.38)g C m-2a-1、(-244.49±221.47)g C m-2a-1和(-173.76±211.63)g C m-2a-1。

3.3 凈初級生產力年際變化趨勢

1981—2018年三江源全區NPPRS和NPPCL整體均呈顯著增加趨勢,NPPRS以每年2.00 g C m-2a-1的速率顯著增加,大于僅氣候驅動下的增加速率(1.74 g C m-2a-2),如圖5和表1所示。2000年后NPPRS增速是NPPCL的2倍,而2000年前,前者僅為后者的59.16%。較之2000年前,2000年后NPPRS的增速是2000年前的1.5倍,而NPPCL增速則僅為前期的40.08%。結果明顯表明現實生產力增加趨勢在顯著加強。

2000年前后年際趨勢的空間分布存在較大差異,如圖5所示。2000年前NPPCL在三江源東南部呈顯著下降趨勢,東部呈顯著增加趨勢,2000年后呈下降趨勢區域則為三江源東部一帶及瀾滄江園區東部等,而黃河源南部一帶為增加趨勢。NPPRS近20年三江源東北部環青海湖一帶呈顯著增加趨勢,而下降區域由三江源中部轉移至東部、長江源園區東部和瀾滄江源園區大部；下降趨勢區域相較氣候驅動下呈明顯減緩狀態。

近40年NPPRS增速最大的為黃河源園區(2.38 g C m-2a-1),最小為長江源園區(1.20 g C m-2a-1),黃河源、長江源和瀾滄江源園區的NPPRS增長速率占各園區NPPCL增長速率分別為89.13%、90.23%和77.43%,如圖6和表1所示。2000年前后相比,黃河源園區NPPCL變化不明顯,而近20年NPPRS增長速率增加了4.8倍,變化最大；長江源園區近20年NPPRS是2000年前的2.32倍,變化趨勢顯著增強；瀾滄江源園區變化趨勢受氣候影響較大,NPPCL增速下降超一倍,而NPPRS在2000年后僅增速12%。

圖6 1981—2018年三江源全區及不同園區植被凈初級生產力年際變化趨勢

表1 1981—2018年三江源全區及不同園區凈初級生產力前后19年變化趨勢

植被類型中,近40年草地NPPRS和NPPCL均呈顯著增加趨勢,現實生產力增速(2.10 g C m-2a-1,R2=0.67,P<0.01)較潛在生產力增速(1.84 g C m-2a-1,R2=0.43,P<0.01)高14%,如圖7所示。其中,高、中、低覆蓋度草地NPPRS在2000年后變化趨勢是2000年前的1.30、1.48和1.52倍；NPPCL增加趨勢均呈趨緩變化,其中高、中、低覆蓋度草地變化趨勢2000年后較2000年前分別下降了41.69%、56.91%和64.75%。

圖7 不同草地覆蓋類型凈初級生產力年際變化趨勢對比

3.4 氣候變化影響

以1981—2018年年累計降水、年平均日最高氣溫和年平均日最低氣溫為自變量,以生產力為因變量的多元線性回歸方程,可分別解釋三江源區NPPCL和NPPRS年際變化的51%和73%,可分別解釋黃河源、長江源和瀾滄江源園區NPPCL的48%、52%和42%,NPPRS的58%、69%和50%,如表2所示。

表2 三江源全區及不同園區標準化的凈初級生產力與氣候因子間多元線性回歸分析

近40年三江源地區NPPRS主要受氣溫的影響,根據標準化回歸系數,最高氣溫(0.47)和最低氣溫(0.41)的貢獻分別是降水(0.01)貢獻的65.6倍和57.6倍；NPPCL主要受最高氣溫影響(0.75),最低氣溫影響較小(-0.03),二者的貢獻分別是降水貢獻(-0.04)的18.4倍和0.7倍。就三個園區而言,NPPRS在黃河源園區最高和最低氣溫的貢獻是降水貢獻的1.8倍和2.3倍,表明受最低氣溫影響較大；長江源園區對應貢獻比都是1.4倍,表明受最高和最低氣溫共同影響；瀾滄江源園區對應貢獻比為15.6倍和1.4倍,受最高氣溫作用較大。NPPCL在三個園區均受最高氣溫影響最大,與降水的貢獻比分別為11.6倍(黃河源)、2.7倍(長江源)和9.5倍(瀾滄江源),而最低氣溫與降水的貢獻比依次分別為5.9倍、0.6倍和0.7倍。

三江源區NPPRS盡管在近40年期間最高氣溫是其主控氣候因子,但在2000年前后的主導氣候因子出現不同。2000年前最高氣溫和最低氣溫分別與降水的貢獻比為66.5倍和0.3倍,最高氣溫是主導因子；而2000年后貢獻比分別為15.8倍和52.3倍,最低氣溫成為了主導氣候因子。在不同園區間相比,2000年前最高氣溫與降水的貢獻比為黃河源2.3倍,長江源0.9倍和瀾滄江源3.4倍,而2000年分別降低至0.3倍、0.9倍和3.2倍；相反最低氣溫的貢獻比,黃河源從0.8倍增加到了1.4倍,長江源從0.5倍增加到了1.5倍。而瀾滄江源區變化較為特別,整個時段內氣溫對生產力年際變化為正影響,但在2000年后最高氣溫成為負影響,與降水的貢獻比,從2000年前的3.4倍變為了2000年后的-3.2倍；然而最高氣溫的絕對影響仍然最高。園區NPPCL受最高氣溫的顯著影響,2000年以后NPP受氣候變化影響不顯著。

3.5 人類活動影響

基于現實生產力NPPRS與氣候潛在生產力NPPCL之差的人類活動影響的生產力(NPPHA),近40年三江源全區平均為-196.95 g Cm-2a-1,是氣候潛在生產力NPPCL的38.9%。如圖8所示,人類影響總體為負,但空間分布存在較大差異,東北部的海南州和中南部的囊謙地區為較大的負影響；北部黃河源及西北部可可西里和唐古拉地區為正影響,正影響區域面積僅占全區植被總面積的13.84%。

圖8 三江源地區人類活動對凈初級生產力的影響程度的空間格局分布

2000年前后NPPHA分別為-198.36 g C m-2a-1和-192.04 g C m-2a-1,分別占潛在生產力NPPCL的41.1%和36.3%,人類活動影響降低了4.8%。對于黃河源、長江源和瀾滄江源三個園區,人類活動影響分別降低了5.2%、7.5%和2.8%,其中,以長江源的降低幅度最大。

三江源地區NPPHA的變化趨勢如圖9所示,近40年,全區NPPHA變化趨勢為0.26 g C m-2a-1,是潛在NPPCL趨勢的14.75%,即人類活動對全區NPP為正影響,對趨勢的貢獻為14.75%。其中,長江、瀾滄江和黃河源園區NPPHA的變化趨勢分別為-0.13 g C m-2a-1、-0.65 g C m-2a-1和-0.29 g C m-2a-1,分別占NPPCL趨勢的-9.59%、-22.42%和-10.72%,表明在三個園區人類活動為負影響,以長江源園區受人類活動負影響最小,瀾滄江園區負影響最大。

圖9 三江源地區人類活動對凈初級生產力變化趨勢的影響

2000年前后NPPHA的變化趨勢分別為-1.07 g C m-2a-1和1.27 g C m-2a-1,即2000年后NPPHA年際變化轉變為趨勢增加,人類活動對NPP變化趨勢的影響由負逐漸轉變正向促進作用。趨勢斜率為負的區域面積占比從2000年前的79.12%,降低到2000年后的56.34%。其中顯著為負的地區,2000年前主要分布在三江源東北部和中部、長江源區東南部以及瀾滄江園區及周邊大片區域,2000年后主要分布在長江源園區東部、瀾滄江源園區大部以及黃河源園區南部。NPP趨勢變化中人類活動占主導的面積占比由18.73%明顯增加至38.76%,正向貢獻的范圍逐漸在擴大。

2000年后NPP趨勢變化中人類活動在長江和黃河源園區為正向貢獻,而在瀾滄江源為負影響。具體地,長江、瀾滄江和黃河源園區的NPPHA變化趨勢分別為0.06 g C m-2a-1、-0.83 g C m-2a-1和0.76 g C m-2a-1,是NPPCL變化趨勢的5.03%、-44.25%和27.45%。而在2000年前人類活動對三個園區NPP趨勢均為負影響,NPPHA趨勢是NPPCL趨勢的-64.29%、-76.36%和-76.61%。后期人類活動影響增強,較前期增加了69.32%、32.11%和104.055%,黃河源園區人類活動對NPP變化趨勢的影響變化最顯著,而瀾滄江園區人類活動對NPP變化趨勢呈長期負影響,但影響逐漸減弱。

4 討論

4.1 模型不確定

作為典型生態脆弱區的三江源,其植被生產力狀況、變化及驅動機制研究,一直倍受諸多關注,不同模型、方法和輸入數據間存在差異,而導致結果不確定性較大。對該地區以往研究文獻數據與本研究對比表明,郭佩佩等[16]采用Thornthwaite Memorial模型估計三江源全區NPP為570.35 g C m-2a-1,蔡雨戀等[45]對比研究了Miami模型和周廣勝模型模擬結果,發現2004—2008年NPP多年均值分別為486.90 g C m-2a-1和302.45 g C m-2a-1,而本研究的模擬的氣候潛在NPP為506.65 g C m-2a-1,在前人采用氣候模型估算的數值范圍內。由于諸如Thornthwaite Memorial等氣候模型,建立在有限觀測數據的經驗統計模型基礎上,同時所考慮的生態過程相對有限,而導致結果存在較大不確定性。而本研究所發展的模型,其中氣候模塊類比氣孔導度構建了葉面積指數模擬模型,進而以Beer定律估算FPAR,考慮了土壤水分過程及氣溫對植被的脅迫作用,而應該更為合理。

本研究估算近40年三江源全區現實NPP(NPPRS)多年均值為309.70 g C m-2a-1,高于劉鳳等[17]、蔡雨戀等[45]、張穎等[46]和沃笑等[47]采用CASA遙感模型估算結果,而顯著低于賀倩等[15]采用CASA模型研究2010年和2015年三江源植被NPP均值397.43 g C m-2a-1和345.44 g C m-2a-1。由此可見相同模型研究結果存在顯著差異,模型參數和輸入數據的不確定性同樣影響著模型模擬結果的精度。本研究的估算值與王軍邦等[31]采用相同模型模擬的1988—2004年三江源地區多年平均NPP值相比高出近一倍,這可能與研究時段及采用的數據不同有關,并且本研究所采用的是經參數優化的模型,也對模型輸入FPAR產品進行了改進,估算值應該更加符合三江源地區植被生產力狀況。

但目前的模型參數優化,仍然建立在數量有限的通量站點觀測基礎上,這些站點難以代表面積較廣空間異質性較高的相同植被類型內部的差異,因此,今后需要進一步收集地面觀測數據,利用多尺度衛星遙感數據,構建地面基準數據,然后繼續逐像元的模型參數優化,才有可能進一步降低模型的不確定性。本研究利用同一個模型框架和同一套輸入數據,估算潛在和現實凈初級生產力,一定程度上可消除由模型結構和輸入數據不同而帶來的不確定性,因此,研究結果更具可信。而基于像元尺度的模型參數優化,應該能進一步提高模型估算精度,因此需在今后研究中予以關注[48]。

4.2 植被變化的主導因子

三江源地區植被凈初級生產力變化的主導氣候因子還存在著極大的爭議。部分研究,如孫慶齡等[49]、李輝霞等[50]、Xu等[51]、才吉[52]和彭凱峰等[53],均認為降水對三江源地區凈初級生產力的影響大于氣溫,NPP的變化趨勢主要與水分條件有關。王軍邦等[32]、蔡雨戀等[45]、張妹婷等[54]和許潔等[55]研究,則認為氣溫的變化才是影響三江源地區NPP變化的主要氣候因素,本研究結果與后一觀點一致。近40年三江源地區NPP主要受氣溫的影響,其中潛在NPP的主導因素是最高氣溫,現實NPP主要受最低氣溫和最高氣溫的共同影響,與降水的相關性不高或呈限制作用,這也與周秉榮等[39]結論一致。

本文結果表明不同時段存在不同的氣溫影響機制。在全球變暖的背景下,高海拔的寒冷地帶變緩效應更加明顯,三江源地區氣候整體上呈暖濕化趨勢,降水和溫度對植被生產力起著至關重要的作用[14,56—57]。以往大部分研究認為三江源的氣候變化越來越適宜于牧草的生長[14,58],而本研究認為,盡管從近40年的時間尺度上三江源氣候變化表現出有利于植被生產,但進入21世紀,氣候變化趨勢相較20世紀下降明顯,氣候變化對植被生產力促進作用逐漸降低,與張穎等[57]研究結論一致。李猛等[20]研究三江源草地ANPP與氣候因子之間的關系,認為氣溫的升高將有利于草地植被的生產,而未來降水的變化將會因溫度條件的差異而產生不同的效應,從而可能導致三江源草地植被生產變化在區域上的差異。Raich等[59]和Wang等[60]認為在高海拔地區,低溫更容易形成水分或養分脅迫,限制植物生產,當溫度達到一定閾值,脅迫作用會逐步緩解,植物生產力也會提高。結合表1和表2,三江源地區總體上隨氣溫增高而植被生產力增加,但存在區域差異,比較明顯的是長江源前期降水的影響較大,而后期影響減小；瀾滄江后期出現受降水和最低溫度的抑制。

值得深思的是,氣候變暖在促進植被生長的同時也將加速冰川融化,從長遠而言,有可能導致該地區供水不足,進而限制植被生長,導致生態環境進一步惡化。另外,氣候變化不僅直接影響植被生存,也影響植被群落結構變化,如引起物種的生態位分布改變[61],但目前研究中尚未考慮氣候變化對植物群落的影響。因此,今后研究中不僅需考慮植被功能和群落對氣候變化的響應,也需考慮這些變化對氣候的反饋作用,以更全面理解全球氣候變化背景下生態系統的變化。

4.3 生態保護工程對植被變化的貢獻

三江源地區自2000年設立自然保護區,2005年實施生態保護與建設工程,學者們對此進行了大量的生態工程成效評估。邵全琴等[62—63]研究指出生態保護工程缺乏長期效應,人類活動在2010年后積極效應下降,認為環境治理的速度跟不上生態惡化的速度,仍存在著諸多問題。李作偉等[64]研究1982—2013年氣候條件對植被生產力的平均貢獻率為87%,而人類活動的貢獻率為13%,認為進入21世紀以來人類活動正面影響較為明顯,在一定程度上加快了其變化速率；張穎等[57]研究認為人類活動對草地植被的負面影響力有明顯減弱。本研究也表明人類活動對三江源地區植被的負面影響力在程度和范圍上逐漸減弱,促進了植被生產力的增加。

三江源地區受氣候變化及過度放牧等人類活動的共同影響,草地退化、土壤沙化等一系列問題的產生及加劇導致植被生產力的增加趨勢變緩,而2000年以后生態保護與建設工程、草地禁牧減畜管理、人工補播草種、鼠害治理等生態恢復措施的實行促使植被壓力減弱,生態恢復效果顯著,生產力呈顯著的增長趨勢[65]。然而,王軍邦等[66]采用CEVSA-RS模型模擬2000—2017年以來全國陸地生態系統總初級生產力,也發現青藏高原人類活動影響整體上仍呈負面作用,對草地影響嚴重。盡管生態保護工程在一定程度上恢復了植被覆蓋度,促進了部分地區的生產力變化趨勢,但并未平衡過度放牧所引起的植被生產力下降等問題,部分地區出現效應反彈現象,人類活動影響可能有所加劇[67]。

生態保護和建設工程等人類活動并未根本性遏制草地退化問題[68],本研究表明2000年以后生態保護與建設工程、禁牧管理、人工草地種植等生態恢復措施的實行促進生產力增長加速,這些生態措施有所減緩了人類活動的負面影響。然而,在氣候占主導作用的這一生態脆弱區,未來仍需進一步加大生態環境保護和建設力度,完善生態保護體系,實現區域生態系統的健康穩定。

5 結論

研究利用GLOPEM-CEVSA耦合模型,分別以氣象數據和氣象及遙感反演的FPAR數據作為輸入,實現了1981—2018年三江地區僅氣候驅動的潛在植被凈初級生產力(NPPCL)和氣候遙感共同驅動的現實植被凈初級生產力(NPPRS)的模擬估算。分析結果表明,全區植被現實NPP多年均值為309.70 g C m-2a-1,是植被潛在NPP的61.65%；其中,黃河源、長江源和瀾滄江源園區分別為64.98%、62.85%和61.65%,瀾滄江源園區受人類活動影響程度最大。近40年受氣溫變化的主導性影響,全區NPP整體呈上升趨勢；而人類活動影響呈促進生產力增加趨勢,但作用不顯著。2000年前后人類活動對NPP的負影響程度和范圍都在降低,2000年以后生態保護與建設工程、禁牧管理、人工草地種植等生態恢復措施的實行促使生產力變化趨勢的增長。今后需進一步加大生態環境保護和建設力度,持續開展生態保護與建設工程；同時在研究中,不僅需考慮植被功能和群落對氣候變化的響應,也需考慮植被變化對氣候的反饋作用,以更全面理解全球氣候變化背景下生態系統的變化。