氣候變化對內蒙古溫帶草原生態系統碳、水通量及水分利用效率的影響

韓再惠，陳 燕，吳志俊，任 黎，苗 平，馬紅麗

(1.內蒙古自治區鄂爾多斯市杭錦旗水利事業發展中心，內蒙古 鄂爾多斯 017400；2.河海大學水文水資源學院，江蘇 南京 210024；3.內蒙古自治區鄂爾多斯市河湖保護中心，內蒙古 鄂爾多斯 017400)

1 概述

水分利用效率(WUE)是生態系統總初級生產力(GPP)與總蒸散發(ET)的比值，被定義為植物單位耗水量所生產的有機質總量或凈產量，反映碳水循環規律及相互作用關系[1]。根據Piao等[2]研究發現，生態系統碳水循環規律隨氣候變化發生巨大的改變，因此氣候變化如何影響生態系統碳、水通量及水分利用效率過程引起了國內外研究者的廣泛關注，特別是在生態系統較為脆弱的半干旱地區。由于GPP、ET和WUE的估算是研究氣候變化對生態系統碳、水通量及水分利用效率過程演化影響的基礎，許多研究者對GPP、ET和WUE的估算做出了貢獻[3]。目前，對GPP、ET和WUE的估計主要有3種方法，即現場測量、統計模型和機制模型。野外測量是估算GPP、ET和WUE最可靠的方法，但無法獲得長期、大尺度的觀測數據。統計模型簡單直觀，但缺乏理論基礎，不能揭示生態系統與其環境之間的相互作用；CENTURY、TEM、ORCHIDEE和Biome-BGC模型等[4]納入植被生理生態過程的機制模型能較好地模擬植被對氣候變化的響應。在機制模型中，Biome-BGC模型因其對植被生態生理過程的詳細描述而被廣泛用于模擬生態系統碳、水通量及水分利用效率過程。

與此同時，近年來人們在不同時空尺度上廣泛研究了不同生態系統碳、水通量及水分利用效率對氣候變化的響應。如Ueyama等[5]利用AsiaFlux數據利用BIOME-BGC模型研究了落葉松森林GPP和ET對氣候變化的響應；Quan等[6]通過人工增溫實驗研究了高寒草甸水分利用效率對氣候變暖的響應。然而，在同一類型生態系統中，相同氣候因子對生態系統碳、水通量及水分利用效率過程的影響可能因地理位置而發生改變。Huang等[7]研究證實生態系統生態系統水分利用效率隨氣溫升高而增加，而Bell等[8]則得出相反的結果。這些現象反映了生態系統碳、水通量及水分利用效率過程氣候影響因素的復雜性[9]。因此，明確生態系統碳、水通量及水分利用效率隨降水或溫度變化的演化特征，對于確定生態系統碳水循環規律對氣候變化的響應具有重要意義。

2 數據來源與研究方法

2.1 研究區概況

研究地點位于內蒙古自治區西北部錫林郭勒溫帶草原，海拔約1200m，屬半干旱大陸性氣候。年平均氣溫在0.9℃左右，年平均降水量在338mm左右，年際變率高。降水量年際分布極不均勻，約89%集中在生長期(5—9月)。2004—2008年平均日照時間2617.54h，年平均實際蒸散量為212.73mm。優勢草種為羊草(Leymus Chinensis)、冠草(Agropyron cristatum)、大針茅(Stipa grandis)和方閉草(Cleistogenes squarrosa)，平均冠高為0.5～0.6m，最大LAI為1.5m2/m2。研究區地理空間分布如圖1所示。

圖1 研究區地理空間分布

2.2 數據收集與處理

本研究用于溫帶草原生態系統Biome-BGC模型校準和驗證的GPP和ET數據，來源于中國生態通量觀測與研究網絡(ChinaFLUX Observation and Research Network)(http：//www.chinaflux.org/enn/index.aspx)的錫林郭勒溫帶草原生態系統的渦度相關通量測量系統，時間跨度為2004—2008年。2003—2019年的日最高氣溫、日最低氣溫、日平均氣溫、日降水和日太陽輻射數據來源于中國氣象數據服務中心(China Meteorological Data Service Center)(http：//data.cma.cn/)。采用MTCLIM模型計算水汽壓差(VPD)和日照時間數據。土壤數據來源于資源與環境科學數據中心(Resource and Environment Science and Data Center)(https：//www.resdc.cn/)。2003—2019年的日均GPP和ET數據通過Biome-BGC模型模擬得出，該模型使用了經過優化的參數，以研究內蒙古溫帶草原生態系統碳、水通量及水分利用效率的時間變化規律。

2.3 BIOME-BGC模型的建立與應用

2.3.1模型描述

本研究使用的Biome-BGC版本4.1.2來自美國國家大氣研究中心(NCAR)的彼得·桑頓和蒙大拿大學的數值三元動力學模擬小組(NTSG)提供。該模型在站點尺度上以植物生理生態機理為基礎，廣泛用于模擬生態系統中植被碳(C)、氮(N)和水(H2O)的日尺度進出動態過程，Biome-BGC模型主要包括3類輸入數據文件，分別為站點參數數據、站點氣象數據、植被生理生態參數。

2.3.2參數率定與驗證

本研究使用PSET模型[10]對BIOME-BGC模型進行校準和驗證，將2004—2005年的GPP和ET日觀測數據分為兩個部分：2004—2005年進行校準，2006—2008年進行驗證，PEST模型的加權最小二乘目標函數為：

(1)

式中，φ(A)—基于參數組A的目標函數；n—觀測日數；obs—GPP、ET觀測日值；sim—GPP、ET模型模擬日值；w—觀測值設定的權重系數。

2.3.3結果精度評價

通過Pearson相關系數(R)和均方根誤差(RMSE)對模型在日尺度GPP和ET模擬中的表現進行評價，評價指標公式如下：

(2)

(3)

2.3.4模型應用

采用經PSET模型參數優化后的BIOME-BGC模型對2003—2019年的日尺度GPP和ET進行模擬。基于日尺度GPP和ET計算日尺度WUE(GPP/ET)，同時以2003—2019年期間氣候變化為基準，采用Biome-BGC模型模擬未來不同氣候變化情景(21世紀末氣溫上升1～2℃，年降水量增加5%～15%)下的日尺度GPP和ET，并進一步分析了平均氣溫和降水量變化對內蒙古溫帶草原生態系統碳、水通量及水分利用效率的影響。

2.4 氣候變化對WUE、GPP和ET的影響研究

本研究采用相關分析方法在年和月尺度上研究了WUE/GPP/ET與降水/溫度的關系，探討2003—2019年降水和溫度的歷史變化對WUE、GPP和ET的影響。采用IPCC《排放情景特別報告》中B2情景下模擬的中國區域21世紀的氣候變化場景，以2003—2019年期間氣候變化為基準，模擬未來不同氣候變化情景(21世紀末氣溫上升1～2℃，年降水量增加5%～15%)下的日尺度GPP和ET，為了區分大氣氣候變暖、降水增加對內蒙古溫帶草原生態系統碳、水通量及水分利用效率的相對重要性影響，本研究定義溫度(T)、降水(P)兩個變量組合下的9種未來氣候情景分別進行模擬(見表1)。

表1 溫度(T)、降水(P)兩個變量組合下的9種未來氣候情景

3 結果

3.1 模型表現

圖2展示了2004—2008年經PEST模型參數優化后BIOME-BGC模型對2004—2008年的日尺度GPP、ET模擬值與日尺度GPP、ET觀測值的對比圖，表2展示了用于評估參數優化后BIOME-BGC模型模擬的GPP、ET值與GPP、ET實測值之間的的相關系數(R)和均方根誤差(RMSE)。

表2 模型精度評價

圖2 2004—2008年日尺度GPP和ET值注：EC-GPP和EC-ET為GPP和ET實測值；PEST-GPP和PEST-ET為經過PEST模型優化的GPP和ET模擬值

如圖2所示，雖然經PEST模型參數優化后BIOME-BGC模型模擬值存在一定的高估和低估現象，但GPP、ET的模擬和實測過程總體上也呈現出相似的變化模式。GPP、ET模擬值與GPP、ET實測值的相關系數(R)和均方根誤差(RMSE)值也驗證了這一點。如表2所示，在率定期和驗證期，GPP、ET模擬值與GPP、ET實測值的相關系數值均不低于0.557，且GPP高于ET，T檢驗也證明GPP、ET模擬值與GPP、ET實測值存在顯著相關，且顯著水平為0.01(p<0.01)。在率定期和驗證期，GPP、ET模擬值與GPP、ET實測值的RMSE均不低于0.707，且ET高于GPP。GPP、ET模擬值與觀測值之間的R值和RMSE值均表明經PEST模型參數優化后BIOME-BGC模型的模擬值與觀測值有較好的一致性。

3.2 年尺度GPP、ET和WUE的變化

圖3展示了2003—2019年年尺度GPP、ET和WUE的時間變化過程。如圖3所示，年尺度GPP和ET表現出相似的變化規律，GPP和ET年均值分別為217.49gCm-2a-1和272.85mma-1，變化范圍分別為132.32-296.29gCm-2a-1和175.97～360.75mma-1。年WUE也隨時間變化而變化，其年平均值為0.79g/kg，變化范圍為0.55～0.98g/kg。年GPP、ET和WUE皆呈現出不顯著的增長趨勢。2003、2012、2013、2015、2019年GPP和ET值較高，2007、2017年較低。2003—2007年GPP和ET值均呈現出明顯的下降趨勢，2008—2012年則呈現出明顯的上升趨勢。其余年份的波動相對穩定。年WUE最高值和最低值分別出現在2008年和2004年，其余年份的變化波動較為平穩。

圖3 2003—2019年年尺度GPP、ET、WUE、P和T的時間變化注：P和T分別代表降水和溫度

3.3 月尺度GPP、ET和WUE的變化

圖4展示了2003—2019年月尺度GPP、ET、WUE、P和T的時間變化，圖5展示了2003—2019年多年月均GPP、ET和WUE變化特征。

圖4 2003—2019年月尺度GPP、ET、WUE、P和T的時間變化

如圖4所示，5—9月GPP、ET和WUE值在2003—2019年的變化情況。5月GPP和ET值在大部分年份呈現出局部GPP值增加而相應年份的ET值減少的變化。6—7月，GPP與ET值隨年份變化的同步性逐漸增強。8月和9月，GPP和ET值表現出非常相似的變化模式。5月GPP和WUE值均呈上升趨勢，ET呈下降趨勢，但GPP和ET值的變化波動較小，而WUE值則呈現出顯著變化；6月GPP保持穩定，ET值呈現出一定的上升趨勢，WUE則呈現出一定下降趨勢；7月GPP和ET值均呈現一定上升趨勢，WUE保持穩定；8月和9月，GPP和ET值均有一定的上升趨勢，WUE在8月有一定的上升趨勢，9月略有下降趨勢。以上分析表明，5—9月的月GPP、ET和WUE均表現出不同程度的變化趨勢。如圖5所示，GPP、ET和WUE的年內分布極不均勻，GPP和ET在7月最高，WUE在9月最高。GPP和ET在年內呈單峰分布，但WUE在5月和9月呈雙峰分布。5—9月的GPP和ET值明顯高于其余月份，5—10月的WUE值明顯高于其余月份。

3.4 WUE、GPP和ET對歷史氣候變化的響應

圖6展示了年GPP/ET/WUE與年P/T的相關性，表3展示了2003—2019年月Ti/Pi/Pi-1與月GPP/ET/WUE之間的相關系數。

表3 月GPP/ET/WUE與月P/T的相關性

圖6 年GPP/ET/WUE與年P/T的相關性

如圖6所示，年GPP/ET與年降水量在95%和99%的置信水平上存在顯著的正相關關系，相關系數分別為0.602和0.772。而年GPP和ET與年氣溫的相關系數分別為0.232和0.07，相關性不顯著。年WUE與年降水量的相關性弱于年氣溫，相關系數分別為-0.156和0.396。需要注意的是，降水和溫度對WUE的影響均不顯著。從圖3中還可以看出，年GPP和ET在2003—2019年的變化波動與年降水量的變化波動有較好的對應關系，但年GPP/ET與年氣溫在2003—2019年變化波動的同步性較差。以上分析表明，年降水量比年氣溫對年GPP和ET的影響更大，但年氣溫對年WUE的影響大于年降水量。如表3所示，5—9月的各月GPP與Pi之間的正相關性強于GPP與Pi-1之間的正相關性；各月ET與Pi的正相關性較強，且明顯強于ET與Pi-1的相關性。4—10月的各月WUE與Pi呈現出負相關，5—8月和10月的各月WUE與Pi-1呈正相關。這說明上月降水對當月GPP和WUE的影響大于當月降水，對當月ET的影響小于當月降水。4、5、8月GPP與氣溫呈正相關，置信度在95%以上，但在氣溫較高的6月和7月，GPP與氣溫呈負相關且相關性較弱。ET與氣溫的相關性也存在類似現象。但與4、5、8、9月GPP與氣溫的強相關性相比，相對應月份的ET與氣溫的相關性較弱。與GPP和ET不同，6月和7月WUE與氣溫呈正相關，但相關性較弱。5—9月，WUE均與氣溫呈正相關，其中5月呈現出顯著正相關，置信水平為99%。

3.5 WUE、GPP和ET對未來氣候變化情景的響應

圖7展示了不同氣候變化情景下的GPP、ET、WUE及其各自相對于T0W0情景下的變化幅度。如圖7所示，T2W15情景下，GPP和WUE的增幅最大，分別為19.93%和8.11%，平均值分別為204.05gCm-2a-1和0.71g/kg。T2W0情景下GPP和ET的相對變化最小，分別為1.68%和-0.76%，平均值分別為173gCm-2a-1和256.13mm。此外，T0W15情景下ET的增幅最大，為12.09%，T1W5情景下的WUE增幅最小，為2.19%。T0W5和T0W15情景下，GPP、ET和WUE分別增長7.25%、4.12%、3.34%和18.06%、12.09%、5.68%。這表明，僅增加5%和15%的降水量仍能促進GPP、ET和WUE的增加。與降水相比，溫度單獨升高1℃和2℃對GPP、ET和WUE的影響較小，分別為3.49%、0.11%、3.71%和1.68%、-0.76%、2.76%。與T0W0情景相比，T1W5、T1W15和T2W5、T2W5情景下的GPP分別增長了3.66%、17.20%、8.07%和19.93%，WUE分別增長了2.19%、5.25%、4.98%和8.11%。與GPP和WUE不同，ET對降水變化的敏感性大于對溫度變化的敏感性。T1W5、T1W15、T2W5和T2W5情景下，ET分別增長2.11%、11.85%、3.29%和11.34%。上述分析表明，在未來氣候變化情景中，溫度和降水的聯合增加對GPP/ET/WUE的影響大于溫度或降水的單獨增加。

圖7 不同氣候變化情景下的GPP、ET、WUE及其各自相對于T0W0情景下的變化幅度

4 結論

本研究基于PSET模型參數優化后的BIOME-BGC模型，模擬了GPP、ET和WUE在2003—2019年不同時間尺度上的變化規律及其對氣候變化的響應。研究發現：

(1)采用PSET模型參數優化后的BIOME-BGC模型對GPP和ET的日模擬效果較好；

(2)GPP、ET和WUE在年尺度上呈現出不顯著的上升趨勢；

(3)月降水對GPP、ET和WUE的影響大于月氣溫，且月降水對GPP的影響大于月降水；

(4)不同氣候變化情景對GPP、ET和WUE的影響不同，且溫度和降水聯合增加對GPP/ET/WUE的影響大于溫度或降水單獨增加對GPP/ET/WUE的影響。

后續可以在BIOME-BGC模型的基礎上進行改進，提高模型模擬精度，并對氣候變化對生態系統碳、水通量及水分利用效率做進一步的歸因分析。