趙志平，吳曉莆，李 果，李俊生

中國(guó)環(huán)境科學(xué)研究院, 北京 100012

2009—2011年我國(guó)西南地區(qū)旱災(zāi)程度及其對(duì)植被凈初級(jí)生產(chǎn)力的影響

趙志平，吳曉莆，李 果，李俊生*

中國(guó)環(huán)境科學(xué)研究院, 北京 100012

2009—2011年，我國(guó)西南地區(qū)遭受了極端干旱氣候影響。利用1980—2011年氣象站點(diǎn)觀測(cè)數(shù)據(jù)和基于光能利用率的植被凈初級(jí)生產(chǎn)力估算模型GloPEM，研究了2009—2011年西南地區(qū)干旱災(zāi)害過(guò)程和程度及其對(duì)植被凈初級(jí)生產(chǎn)力的影響，結(jié)果顯示：2009—2011年西南地區(qū)年均降水量和濕潤(rùn)指數(shù)明顯低于1980—2008年均值。受干旱氣候影響，研究區(qū)植被凈初級(jí)生產(chǎn)力比2001—2011年均值低12.55 gC m-2a-1，總計(jì)低0.017 PgC/a，造成的碳損失約占我國(guó)總碳匯的7.91%。2001—2011年西南地區(qū)植被凈初級(jí)生產(chǎn)力與蒸散量變化顯著相關(guān)(R2= 0.44，P< 0.05)，而降水量和濕潤(rùn)指數(shù)變化過(guò)程與植被凈初級(jí)生產(chǎn)力和蒸散量不同步，可能是由于該地區(qū)森林覆蓋率較高，具有較強(qiáng)的涵養(yǎng)水源功能，導(dǎo)致土壤濕度變化滯后于降水量和濕潤(rùn)指數(shù)變化，從而使降水量變化過(guò)程與植被凈初級(jí)生產(chǎn)力變化不同步。

西南干旱；濕潤(rùn)指數(shù)；凈初級(jí)生產(chǎn)力；GloPEM模型

干旱是一種表現(xiàn)為降水減少、偏離正常狀況并持續(xù)一段時(shí)間的災(zāi)害性天氣現(xiàn)象[1- 2]，分為天氣干旱、土壤干旱和生理干旱。這3種干旱都會(huì)對(duì)生態(tài)系統(tǒng)結(jié)構(gòu)和功能產(chǎn)生不同程度的影響[3]。近年來(lái)，受全球氣候變化的影響，我國(guó)干旱等極端氣候出現(xiàn)的頻率明顯增加[4]。嚴(yán)重的干旱會(huì)導(dǎo)致農(nóng)業(yè)生產(chǎn)無(wú)法正常進(jìn)行[5]、植被生產(chǎn)力急劇下降[6- 8]、河流斷流、湖泊干涸[9]，使區(qū)域生態(tài)環(huán)境進(jìn)一步退化。

2009年秋季以來(lái)，我國(guó)西南地區(qū)遭受了極端干旱氣候影響，降水量自2009年8月以來(lái)較多年同期偏少50%以上，氣溫也較常年同期偏高[10]，受影響區(qū)域包括云南、廣西、貴州、四川和重慶5省(直轄市、自治區(qū))。干旱已造成較大的糧食減產(chǎn)、經(jīng)濟(jì)林和天然植被大面積枯死[11]。西南地區(qū)是我國(guó)重要的生態(tài)屏障區(qū)，也是全球生物多樣性保護(hù)的熱點(diǎn)地區(qū)[12]。該地區(qū)擁有干熱河谷、溶巖地貌等復(fù)雜地理環(huán)境下孕育的多種脆弱生態(tài)系統(tǒng)類型[13- 16]。極端干旱事件將改變區(qū)域水、熱條件，影響農(nóng)、林、草等植被生長(zhǎng)，進(jìn)而影響生態(tài)系統(tǒng)結(jié)構(gòu)和功能，威脅區(qū)域生態(tài)系統(tǒng)安全[17]。因此，科學(xué)評(píng)估干旱程度及其導(dǎo)致的生態(tài)影響，對(duì)進(jìn)一步避免和預(yù)防干旱造成的損失具有重要意義。

有關(guān)西南地區(qū)干旱災(zāi)害特征及其影響，目前已有一些研究，如李強(qiáng)子等[18]利用遙感技術(shù)對(duì)2010年春季西南地區(qū)干旱災(zāi)害影響程度進(jìn)行了監(jiān)測(cè)與評(píng)估，杞金華[19]以哀牢山森林生態(tài)系統(tǒng)為例，研究了常綠闊葉林水源涵養(yǎng)功能及其在應(yīng)對(duì)西南干旱中的作用，穆興民等[20]則分析了人類活動(dòng)對(duì)干旱災(zāi)害程度的影響，并認(rèn)為生態(tài)系統(tǒng)水源涵養(yǎng)功能較差、礦產(chǎn)開(kāi)發(fā)破壞地質(zhì)水文環(huán)境、水利設(shè)施功能減退等加劇了旱情；其它有關(guān)的干旱災(zāi)害影響評(píng)估研究則主要是利用MODIS遙感數(shù)據(jù)分析2009年秋至2010年春西南地區(qū)旱災(zāi)對(duì)地表植被覆蓋影響的時(shí)空變化特征[17,21- 22]。有關(guān)西南地區(qū)干旱狀況和程度的時(shí)空過(guò)程及其對(duì)植被凈初級(jí)生產(chǎn)力的影響尚未見(jiàn)相關(guān)報(bào)道。

本研究利用1980—2011年氣象站點(diǎn)觀測(cè)數(shù)據(jù)和基于光能利用率的NPP (Net Primary Productivity)估算模型GloPEM，通過(guò)與研究區(qū)歷史狀況進(jìn)行對(duì)比，揭示2009—2011年西南地區(qū)干旱災(zāi)害過(guò)程和程度，及其對(duì)植被凈初級(jí)生產(chǎn)力的影響。

圖1 研究區(qū)位置及氣象站點(diǎn)分布示意圖 Fig.1 Location and meteorological observatory distribution of research area

1 研究區(qū)概況

研究區(qū)域包括貴州省、云南省、廣西壯族自治區(qū)、四川省和重慶市5省(市、自治區(qū))(圖1)，西部屬青藏高原邊緣地帶，云貴高原屬于我國(guó)第2階梯，廣西和四川盆地屬于3三階梯，地理上介于東經(jīng)96°21′—112°04′、北緯20°54′—34°19′之間，總面積136.40×104km2，占全國(guó)總面積的14.20%[11]。該區(qū)以亞熱帶季風(fēng)氣候和熱帶季雨林氣候?yàn)橹?，水熱條件良好，適合生物生長(zhǎng)發(fā)育，是我國(guó)生物種類和生態(tài)系統(tǒng)類型最為豐富的地區(qū)之一，中國(guó)44%的樹種和北半球主要生態(tài)系統(tǒng)類型均分布在該區(qū)域[23]。

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)

本研究中的氣象數(shù)據(jù)來(lái)源于中國(guó)氣象局氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)中1980—2011年西南地區(qū)141個(gè)氣象站點(diǎn)的觀測(cè)數(shù)據(jù)(http://cdc.cma.gov.cn)，包括日平均溫度、日最高溫度、日最低溫度、風(fēng)速、相對(duì)濕度、降水和日照時(shí)數(shù)等。經(jīng)計(jì)算得到各氣象站點(diǎn)1980—2011年間每16d總輻射、月降水、年降水、年潛在蒸散和濕潤(rùn)指數(shù)后，利用ANUSPLIN軟件插值生成1 km分辨率空間柵格數(shù)據(jù)[24- 26]。本研究采用基于光能利用率的GloPEM模型估算植被NPP，其中植被吸收的光合有效輻射比率(FPAR)是模型的重要參數(shù)，其結(jié)果直接影響模型的精度。MODIS產(chǎn)品始于2000年第49天，用于計(jì)算該參數(shù)的MODIS NDVI產(chǎn)品自2001年以來(lái)數(shù)據(jù)序列完整，因此本研究模擬的植被NPP時(shí)間跨度為2001—2011年。

2.2 方法

2.2.1 濕潤(rùn)指數(shù)

潛在蒸散值(ET0)計(jì)算是利用聯(lián)合國(guó)糧農(nóng)組織(FAO)1998年對(duì)Penman-Monteith的修訂模型[27- 30]，計(jì)算公式為：

式中,Rn為凈輻射(MJ m-2d-1)，G為土壤通量(MJ m-2d-1)，γ為干濕常數(shù)(kPa/℃)，Δ為飽和水氣壓曲線斜率(kPa/℃)，U2為2m高處的風(fēng)速(m/s)，ea為實(shí)際水汽壓(kPa)，es為平均飽和水汽壓(kPa)。

土壤熱通量

Gmonth=0.14(Tmonth,i-Tmonth,i-1)

其中Tmonth,i為第i月的平均氣溫(℃)，Tmonth, i-1為第i-1月的平均氣溫(℃)。

2m高處的風(fēng)速U2=0.75U10，其中U10為觀測(cè)到的10m風(fēng)速。

大氣壓強(qiáng)

式中，h為海拔高度(m)。

干濕常數(shù)

γ=CpP/ελ

其中，Cp為空氣比熱容1.013×10-3(MJ kg-1℃-1)，ε為水汽分子量與干空氣的分子量之比，其值為0.622，蒸發(fā)潛熱λ=2.501-0.002361T。

平均溫度

Tmean=(Tmax+Tmin)/2

飽和水汽壓

eo(T)=0.6108exp[17.27T/(T+237.3)]

飽和水氣壓曲線斜率

Δ=4098eo(Tmean)/(Tmean+237.3)2

平均飽和水汽壓

es=[eo(Tmax)+eo(Tmin)]/2

實(shí)際水汽壓

ea=RHmeanes/100

凈輻射Rn的計(jì)算公式如下：

式中,σ為Stefan-Boltzmann常數(shù)(4.903×10-9MJ K-4m-2d-1)，Tmax,k、Tmin,k分別為絕對(duì)溫標(biāo)的最高和最低氣溫，n為實(shí)際日照時(shí)數(shù)，N為可照時(shí)數(shù)，Rso為晴天輻射，Rso=(0.75+2×10-5h)Ra，可照時(shí)數(shù)N=24ωs/π，天文輻射Ra由太陽(yáng)常數(shù)Gsc(0.082MJ/m2min)、日地相對(duì)距離dr、太陽(yáng)日落角ωs(rad)、緯度φ(rad)、太陽(yáng)赤緯δ(rad)和天數(shù)J計(jì)算：

在計(jì)算潛在蒸散的基礎(chǔ)上，可用濕潤(rùn)指數(shù)來(lái)劃分氣候的濕潤(rùn)程度，并采用下列計(jì)算濕潤(rùn)指數(shù)(Im)的公式來(lái)定量表示區(qū)域濕潤(rùn)程度[31]：

式中,P為年降水量(mm/a)，ET0為年潛在蒸散(mm/a)。

2.2.2 植被凈初級(jí)生產(chǎn)力模擬

GloPEM是一個(gè)基于光能利用率的NPP估算模型，由冠層輻射吸收、利用、自養(yǎng)呼吸以及環(huán)境限制因子等幾個(gè)相互聯(lián)系的部分組成[32- 34]。GloPEM模型中NPP可以表示為

NPP=PAR×FPAR×ε-Ra

式中,PAR為光合有效輻射，根據(jù)氣候?qū)W輻射計(jì)算方法估算[28]。本研究利用西南地區(qū)141個(gè)氣象站點(diǎn)觀測(cè)數(shù)據(jù)運(yùn)用ANUSPLIN軟件插值成1km柵格數(shù)據(jù)來(lái)計(jì)算PAR。FPAR是植被吸收的光合有效輻射比率，采用下式計(jì)算[35]。

FPAR=α×EVI

式中，ε是現(xiàn)實(shí)光能利用率，Ra是植被自養(yǎng)呼吸(包括維持性呼吸Rm和生長(zhǎng)性呼吸Rg)。

其中現(xiàn)實(shí)光能利用率的計(jì)算公式如下：

ε=ε*×σT×σE×σS

式中，ε*為植被潛在光能利用率；T為空氣溫度對(duì)植被生長(zhǎng)的影響系數(shù)[36]；E為大氣水汽對(duì)植物生長(zhǎng)的影響系數(shù)[37]；S為植被和土壤水分缺失對(duì)植物生長(zhǎng)的影響系數(shù)[38- 39]。

空氣溫度對(duì)植被生長(zhǎng)的影響系數(shù)σT按下式計(jì)算：

式中,T為空氣溫度，Tmin，Topt和Tmax分別為光合作用的最低，最優(yōu)和最高溫度。在模型中C3植物的最高和最低溫度分別為50℃和-1℃，C4植物的最高和最低溫度分別為50℃和0℃，最適溫度被定義為生長(zhǎng)季多年平均溫度。大氣水汽對(duì)植物生長(zhǎng)的影響系數(shù)E按下式計(jì)算：

σE=1-0.05δq0<δq≤15

σE=0.25δq>15

δq=Qw(T)-q

式中,Qw(T)是在指定溫度條件下的飽和濕度，q為當(dāng)前大氣下濕度。

式中,ρnir和ρswir為近紅外和短波紅外波段的反射率，LSWImax是該區(qū)域生長(zhǎng)季最大的LSWI。

本研究中將植物的自養(yǎng)呼吸Ra區(qū)分為維持性呼吸Rm和生長(zhǎng)性呼Rg[40]。

式中,i表示不同的植物器官，i=1、2、3分別為葉、莖、根。維持性呼吸Rm和溫度相關(guān)：

Mi=VGC×ra,i×(1-1/Turnover)

式中,Mi為植物的第i器官的生物量，可由碳分配系數(shù)(ra,i)及碳周轉(zhuǎn)比率(Turnoveri)得到，分配系數(shù)及碳周轉(zhuǎn)比率由BGC模型獲得[41]，VGC是植被碳庫(kù)。γ是植物器官i的維持性呼吸系數(shù)；Q10是溫度影響因子，Tb是積溫。

植物的生長(zhǎng)性呼吸(Rg)一般認(rèn)為和溫度無(wú)關(guān)，而只與總初級(jí)生產(chǎn)力(GPP)成比例關(guān)系，分植被器官(葉、莖、根)給定維持性呼吸系數(shù)：

Rg=rg×GPP

式中,rg為植物總的生長(zhǎng)性呼吸占總生長(zhǎng)量的比例，本文采用Chen的研究結(jié)果[42]取值0.35。

3 結(jié)果

3.1 降水量時(shí)空變化特征

圖2 1980—2011西南地區(qū)季節(jié)降水量變化 Fig.2 Seasonal precipitation variations in southwestern China from 1980 to 2011

利用ArcGIS軟件統(tǒng)計(jì)區(qū)域降水量均值，結(jié)果顯示1980—2011年西南地區(qū)年均降水量為1147 mm，2009年年降水量為992 mm，相對(duì)多年均值減少156mm，其中夏、秋、冬三季降水量低于多年均值(圖2)。2010年年降水量為1128 mm，相對(duì)多年均值減少19 mm，其中春、夏季略低于多年均值，秋、冬季略高于多年均值。2011年年降水量為967 mm，相對(duì)多年均值減少180 mm，為近32年來(lái)最低值，其中春、夏、冬三季低于多年均值，秋季略高于多年均值。

2009年云南、貴州和廣西地區(qū)降水量較多年均值(1980—2008年)減少幅度較大(圖3)，大部分地區(qū)減少幅度達(dá)200—300 mm，部分地區(qū)在300 mm以上，四川南部、成都平原地區(qū)降水量減少幅度為100—200 mm，局部地區(qū)達(dá)200—300 mm；2010年貴州大部分地區(qū)年降水量較多年均值減少0—100 mm，云南省大部分地區(qū)年降水量減少100—200 mm，而四川、重慶和廣西局部地區(qū)年降水量則有所增加；2011年西南地區(qū)干旱程度和范圍有所增加，除四川和重慶北部地區(qū)外，大部分地區(qū)年降水量均較多年均值減少。

3.2 濕潤(rùn)指數(shù)時(shí)空變化特征

圖4 西南地區(qū)1980—2011年潛在蒸散和濕潤(rùn)指數(shù)變化 Fig.4 Potential evapotranspiration and Moisture index variations in southwestern China from 1980 to 2011

圖5 2009—2011年西南地區(qū)濕潤(rùn)指數(shù)相對(duì)于1980—2008年均值的差值Fig.5 Moisture index of southwestern China from 2009 to 2011 different from the average of 1980 to 2011

1980—2011年西南地區(qū)均值為65，近32年來(lái)該地區(qū)濕潤(rùn)指數(shù)呈極顯著下降趨勢(shì)(P< 0.01)，年均下降0.78(圖4)。2009—2011年年均濕潤(rùn)指數(shù)則分別為36、 57和33，均低于近32年均值。2009—2011年西南地區(qū)潛在蒸散值分別為754、742和749 mm，均高于近32年均值。

圖5顯示，2009年西南大部分地區(qū)濕潤(rùn)指數(shù)均低于多年均值(1980—2008年)，其中云南、貴州和廣西部分地區(qū)濕潤(rùn)指數(shù)比多年均值的差值低40以上，此3個(gè)區(qū)域的干旱程度較為嚴(yán)重；2010年西南地區(qū)濕潤(rùn)指數(shù)總體回升，大部分地區(qū)比多年均值低0—20，但云南大部分地區(qū)低20—40，局部低40以上；2011年西南大部分地區(qū)濕潤(rùn)指數(shù)比多年均值低40以上，部分地區(qū)低20—40。

3.3 干旱對(duì)植被凈初級(jí)生產(chǎn)力的影響

2001—2011年西南地區(qū)植被凈初級(jí)生產(chǎn)力均值為540.33 gC m-2a-1(圖6)。2009年該地區(qū)植被凈初級(jí)生產(chǎn)力比近11年均值(2001—2011年)高13.69 gC m-2a-1，2010年該地區(qū)植被凈初級(jí)生產(chǎn)力比近11年均值低35.36 gC m-2a-1，2011年該地區(qū)植被凈初級(jí)生產(chǎn)力比近11年均值低16.00 gC m-2a-1。因此，2009—2011年干旱期間西南地區(qū)植被凈初級(jí)生產(chǎn)力與年降水量和濕潤(rùn)指數(shù)變化過(guò)程并不同步。總體上2009—2011年干旱發(fā)生期間，西南地區(qū)植被凈初級(jí)生產(chǎn)力比近11年均值低12.55 gC m-2a-1，累積生物量低0.051 PgC，其中2010年生物量低0.048 PgC。

圖6 西南地區(qū)2001—2011年植被凈初級(jí)生產(chǎn)力變化Fig.6 Net primary productivity variations in southwestern China from 2001 to 2011

2009年四川省和重慶市大部分地區(qū)NPP比近11年均值(2001—2011年)低(圖7)；云南省、廣西壯族自治區(qū)和貴州省大部分地區(qū)NPP比近11年均值高，只有部分地區(qū)NPP低于近11年均值。2010年西南大部分地區(qū)NPP比近11年均值低，只有四川北部、云南西南部、廣西南部和西南地區(qū)中部地區(qū)NPP比近11年均值高。2011年西南地區(qū)NPP比2010年高，其中四川省和重慶市NPP明顯上升。

圖7 2009—2011年西南地區(qū)植被凈初級(jí)生產(chǎn)力相對(duì)于2001—2011年均值的差值Fig.7 Net primary productivity of southwestern China from 2009 to 2011 different from the average of 2001—2011

4 討論

基于光能利用率的NPP估算模型，總輻射是模型的重要參數(shù)，其模擬結(jié)果直接影響模型的精度。2001—2011年西南地區(qū)共有17個(gè)數(shù)據(jù)序列完整的輻射觀測(cè)站點(diǎn)，本研究總輻射模擬結(jié)果與之進(jìn)行對(duì)比，結(jié)果顯示模擬年總輻射與觀測(cè)結(jié)果具有極顯著相關(guān)關(guān)系(P< 0.01)(圖8)，表明本研究總輻射估算方案可行。本研究模擬的NPP與實(shí)測(cè)結(jié)果[43]進(jìn)行對(duì)比，結(jié)果顯示模擬NPP與實(shí)測(cè)結(jié)果具有極顯著相關(guān)關(guān)系(P< 0.01)(圖9)，表明本研究利用GloPEM模型模擬的NPP結(jié)果是合理的。

統(tǒng)計(jì)年鑒結(jié)果[44- 46]顯示(圖10)，2010年西南地區(qū)農(nóng)業(yè)旱災(zāi)受災(zāi)面積和成災(zāi)面積均最大，分別是2009和2011年的1.93、3.13倍和1.39、1.75倍。蒸散量是衡量植被生命旺盛程度的指標(biāo)之一。MODIS蒸散量產(chǎn)品[47]分析結(jié)果顯示，干旱期間研究區(qū)2009年蒸散量最大，其次為2011年，2010年蒸散量最小，本研究模擬的研究區(qū)NPP變化過(guò)程與之同步，相關(guān)分析顯示本研究2001—2011年NPP模擬結(jié)果與MODIS蒸散量產(chǎn)品具有顯著相關(guān)性(P< 0.05)(圖11)。因此本研究NPP模擬結(jié)果基本能夠反映2009—2011年西南地區(qū)NPP變化特征以及極端干旱氣候?qū)ζ溆绊憽?/p>

圖8 模擬年總輻射與觀測(cè)值對(duì)比結(jié)果 Fig.8 Total radiation comparison between simulation and observed value

圖9 本研究模擬NPP與實(shí)測(cè)NPP對(duì)比結(jié)果Fig.9 NPP comparison between simulation and field value

干旱災(zāi)害會(huì)影響植被生產(chǎn)力，導(dǎo)致植被碳匯功能降低[48]。Ciais[49]發(fā)現(xiàn)2003年干旱天氣導(dǎo)致歐洲植被總初級(jí)生產(chǎn)力降低30%；Phillips等人[50]的研究則表明2005年極端干旱天氣使亞馬遜熱帶雨林失去了1.2—1.5 PgC，該區(qū)當(dāng)年由碳匯轉(zhuǎn)變?yōu)樘荚础１敬窝芯堪l(fā)現(xiàn)2009—2011年干旱期間西南地區(qū)植被NPP較近11年均值低0.017 PgC/a，樸世龍[51]認(rèn)為我國(guó)碳匯大小在0.19—0.24 PgC/a之間，按此值計(jì)算，由于2009—2011年西南地區(qū)極端干旱導(dǎo)致的該地區(qū)碳匯大量損失，其損失量約占我國(guó)總碳匯的7.91%，其中2010年碳匯損失22.33%。

圖10 2009—2011西南地區(qū)年農(nóng)業(yè)旱災(zāi)受災(zāi)和成災(zāi)面積統(tǒng)計(jì)Fig.10 Statistical result of areas covered and affected by drought from 2009 to 2011

圖11 本研究模擬NPP與MODIS 蒸散量相關(guān)分析Fig.11 Correlation analysis of simulated NPP and MODIS evapotranspiration

Pasho等[52]研究干旱對(duì)森林植被生長(zhǎng)的影響發(fā)現(xiàn)，干旱地區(qū)的森林生長(zhǎng)與氣候干旱指數(shù)變化一致，而濕潤(rùn)地區(qū)的森林生長(zhǎng)受干旱影響時(shí)間較短，這可能與濕潤(rùn)地區(qū)的森林生態(tài)系統(tǒng)自身具有較高的涵養(yǎng)水源功能以減緩氣候干旱影響有關(guān)。在西南地區(qū)，杞金華[21]研究了哀牢山常綠闊葉林水源涵養(yǎng)功能及其在應(yīng)對(duì)西南干旱中的作用，并證實(shí)了常綠闊葉林主要樹種自干旱發(fā)生后至2010年初并未遭受水分脅迫，其充足的地下水和土壤水儲(chǔ)存使得常綠闊葉林中的樹木在百年一遇的干旱中依然有足夠的水分供應(yīng)。本次研究也發(fā)現(xiàn)在干旱氣候脅迫下，西南地區(qū)NPP(圖6)和蒸散量與降水量和濕潤(rùn)指數(shù)變化(圖4)并不同步，即NPP和蒸散量最低值出現(xiàn)在降水量(圖12)和濕潤(rùn)指數(shù)最高的2010年，而不是降水量和濕潤(rùn)指數(shù)較低的2009年和最低的2011年。NPP和蒸散量與土壤濕度關(guān)系緊密[7]，本研究獲取了AMSR-E地表土壤2cm濕度數(shù)據(jù)(2002年第170天至2011年第270天)，經(jīng)過(guò)處理得到2009—2011年研究區(qū)土壤濕度與多年均值差(圖12)，并與月降水量結(jié)果進(jìn)行對(duì)比發(fā)現(xiàn)干旱發(fā)生期間二者變化并不同步，相關(guān)分析顯示二者沒(méi)有顯著相關(guān)關(guān)系。同時(shí)把2009—2011年每16d NPP模擬結(jié)果和土壤濕度與多年均值差進(jìn)行相關(guān)分析，發(fā)現(xiàn)二者具有極顯著相關(guān)關(guān)系(P< 0.001)(圖13)，因此我們可以判定西南地區(qū)干旱發(fā)生期間，該地區(qū)森林覆蓋率較高，具有較強(qiáng)的涵養(yǎng)水源功能，可能導(dǎo)致土壤濕度變化滯后于降水量和濕潤(rùn)指數(shù)變化，從而使降水量變化過(guò)程與NPP變化不同步。

圖12 西南地區(qū)干旱期間月降水量和土壤濕度與多年(1980—2008年)均值差Fig.12 Month precipitation and soil moisture difference between drought and long period average

圖13 2009—2011年每16d NPP和土壤濕度與多年均值差的相關(guān)分析Fig.13 Correlation analysis of simulated NPP and soil moisture per 16 days difference between drought and long period average

5 結(jié)論

(1)2009—2011年西南地區(qū)遭受了罕見(jiàn)的干旱災(zāi)害，其中云南、貴州、廣西西北部和四川南部干旱災(zāi)害嚴(yán)重。2009年西南地區(qū)年降水量和濕潤(rùn)指數(shù)大幅下降，2010年該地區(qū)年降水量和濕潤(rùn)指數(shù)有所上升，2011年該地區(qū)年降水量和濕潤(rùn)指數(shù)又降至近32年最低值。

(2)受干旱災(zāi)害影響，西南地區(qū)植被凈初級(jí)生產(chǎn)力比近11年均值低12.55 gC m-2a-1，總計(jì)低0.017 PgC/a。按照我國(guó)碳匯大小0.19—0.24 PgC/a計(jì)算，干旱期間我國(guó)每年損失碳匯約占總碳匯的7.91%，其中2010年損失碳匯22.33%。

(3)干旱期間西南地區(qū)植被凈初級(jí)生產(chǎn)力變化與蒸散量顯著相關(guān)(P< 0.05)，而降水量和濕潤(rùn)指數(shù)變化過(guò)程與植被凈初級(jí)生產(chǎn)力和蒸散量不同步，很可能與生態(tài)系統(tǒng)水分涵養(yǎng)功能導(dǎo)致土壤濕度變化滯后于降水量和濕潤(rùn)指數(shù)變化有關(guān)。

[1] 顧穎, 劉靜楠, 林錦. 近60年來(lái)我國(guó)干旱災(zāi)害特點(diǎn)和情勢(shì)分析. 水利水電技術(shù), 2010, 41(1): 71- 74.

[2] 《第二次氣候變化國(guó)家評(píng)估報(bào)告》編寫委員會(huì). 第二次氣候變化國(guó)家評(píng)估報(bào)告. 北京: 科學(xué)出版社, 2011.

[3] 田漢勤, 徐小鋒, 宋霞. 干旱對(duì)陸地生態(tài)系統(tǒng)生產(chǎn)力的影響. 植物生態(tài)學(xué)報(bào), 2007, 31(2): 231- 241.

[4] IPCC. Climate Change 2007: Synthesis Report // Core Writing Team, Pachauri R K, Reisinger A, eds. Contribution of Working Groups I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Geneva, Switzerland: IPCC, 2007: 104- 104.

[5] 徐聯(lián). 干旱對(duì)我國(guó)農(nóng)業(yè)的影響及應(yīng)對(duì)措施. 廣東農(nóng)業(yè)科學(xué), 2011, 38(12): 201- 203.

[6] Krishnan P, Black T A, Grant N J, Barr A G, Hogg E H, Jassal R S, Morgenstern K. Impact of changing soil moisture distribution on net ecosystem productivity of a boreal aspen forest during and following drought. Agricultural and Forest Meteorology, 2006, 139(3): 208- 223.

[7] Granier A, Reichstein M, Bréda N, Janssens I A, Falge E, Ciais P, Grünwald T, Aubinet M, Berbigier P, Bernhofer C, Buchmann N, Facini O, Grassi G, Heinesch B, Ilvesniemi H, Keronen P, Knohl A, K?stner B, Lagergren F, Lindroth A, Longdoz B, Loustau D, Mateus J, Montagnani L, Nys C, Moors E, Papale D, Peiffer M, Pilegaard K, Pita G, Pumpanen J, Rambal S, Rebmann C, Rodrigues A, Seufert G, Tenhunen J, Vesala T, Wang Q. Evidence for soil water control on carbon and water dynamics in European forests during the extremely dry year: 2003. Agricultural and Forest Meteorology, 2007, 143(1): 123- 145.

[8] Zhao M S, Running S W. Drought-induced reduction in global terrestrial net primary production from 2000 through 2009. Science, 2010, 329(5994): 940- 943.

[9] Piao S L, Ciais P, Huang Y, Shen Z H, Peng S S, Li J S, Zhou L P, Liu H Y, Ma Y C, Ding Y H, Friedlingstein P, Liu C Z, Tan K, Yu Y Q, Zhang T Y, Fang J Y. The impacts of climate change on water resources and agriculture in China. Nature, 2010, 467(7311): 43- 51.

[10] 王素琴. 西南部分地區(qū)氣象干旱呈三大特點(diǎn). 中國(guó)氣象報(bào), 2010-03-04(3) [2013-03- 27]. http://www.zgqxb.com.cn/xwbb/yw/201003/t20100302_5831.htm.

[11] 馬建華. 西南地區(qū)近年特大干旱災(zāi)害的啟示與對(duì)策. 人民長(zhǎng)江, 2010, 41(24): 7- 12.

[12] Myers N, Mittermeier R A, Mittermeier C G, da Fonseca G A B, Kent J. Biodiversity hotspots for conservation priorities. Nature, 2000, 403(6772): 853- 858.

[13] 黃秋昊, 蔡運(yùn)龍, 王秀春. 我國(guó)西南部喀斯特地區(qū)石漠化研究進(jìn)展. 自然災(zāi)害學(xué)報(bào), 2007, 16(2): 106- 111.

[14] 楊兆平, 常禹. 我國(guó)西南主要干旱河谷生態(tài)及其研究進(jìn)展. 干旱地區(qū)農(nóng)業(yè)研究, 2007, 25(4): 90- 93, 99- 99.

[15] 倪雪波, 劉榮高, 王世杰. 干旱影響石漠化地區(qū)植被生長(zhǎng)的遙感觀測(cè). 西南大學(xué)學(xué)報(bào): 自然科學(xué)版, 2009, 31(12): 140- 144.

[16] 蘇維詞, 楊漢奎. 貴州巖溶區(qū)生態(tài)環(huán)境脆弱性類型的初步劃分. 環(huán)境科學(xué)研究, 1994, 7(6): 35- 41.

[17] Wang W, Wang W J, Li J S, Wu H, Xu C, Liu T. The impact of sustained drought on vegetation ecosystem in Southwest China based on remote sensing. Procedia Environmental Sciences, 2010, 2: 1679- 1691.

[18] 李強(qiáng)子, 閆娜娜, 張飛飛, 常勝, 吳炳方. 2010年春季西南地區(qū)干旱遙感監(jiān)測(cè)及其影響評(píng)估. 地理學(xué)報(bào), 2010, 65(7): 771- 780.

[19] 杞金華, 章永江, 張一平, 劉玉洪, 楊秋云, 宋亮, 鞏合德, 魯志云. 哀牢山常綠闊葉林水源涵養(yǎng)功能及其在應(yīng)對(duì)西南干旱中的作用. 生態(tài)學(xué)報(bào), 2012, 32(6): 1692- 1702.

[20] 穆興民, 王飛, 馮浩, 張睿, 魯向暉, 高鵬. 西南地區(qū)嚴(yán)重旱災(zāi)的人為因素初探. 水土保持通報(bào), 2010, 30(2): 1- 4.

[21] 白開(kāi)旭, 劉朝順, 施潤(rùn)和, 高煒. 2010年中國(guó)西南旱情的時(shí)空特征分析——基于MODIS數(shù)據(jù)歸一化干旱指數(shù). 地球信息科學(xué)學(xué)報(bào), 2012, 14(1): 32- 40, 48- 48.

[22] Zhang J H, Jiang L G, Feng Z M, Li P. Detecting effects of the recent drought on vegetation in Southwestern China. Journal of Resources and Ecology, 2012, 3(1): 43- 49.

[23] 李文華. 我國(guó)西南地區(qū)生態(tài)環(huán)境建設(shè)的幾個(gè)問(wèn)題. 林業(yè)科學(xué), 2000, 36(5): 10- 11.

[24] Hustchinson M F. Anusplin Version 4. 2 User Guide. Canberra: Centre for Resource and Environment Studies, Australian National University, 2002.

[25] Hutchinson M F. Interpolation of rainfall data with thin plate smoothing splines Part I: two dimensional smoothing of data with short range correlation. Journal of Geographic Information Decision Analysis, 1998, 2(2): 153- 167.

[26] 王英, 曹明奎, 陶波, 李克讓. 全球氣候變化背景下中國(guó)降水量空間格局的變化特征. 地理研究, 25(6): 1031- 1040.

[27] Penman H L. Natural evaporation from open water, bare soil and grass. Proceedings of the Royal Society A, 1948, 193(1032): 120- 145.

[28] Richard G A, Luis S P, Dirk R, Martin S. Crop evapotranspiration-guidelines for computing crop water requirements. FAO irrigation and drainage paper 56, 1998，Rome, Italy，http://www.fao.org/docrep/X0490E/X0490E00.htm

[29] Wu S H, Yin Y H, Zheng D, Yang Q Y. Moisture conditions and climate trends in China during the period 1971- 2000. International Journal of Climatology, 2006, 26(2): 193- 206.

[30] Yin Y H, Wu S H, Zheng D, Yang Q Y. Radiation calibration of FAO56 Penman-Monteith model to estimate reference crop evapotranspiration in China. Agricultural Water Management, 2008, 95(1): 77- 84.

[31] Thornthwaite C W. An approach toward a rational classification of climate. Geographical Review, 1948, 38(1): 55- 94.

[32] Prince S D, Goward S N. Global primary production: a remote sensing approach. Journal of Biogeography, 1995, 22(4): 815- 835.

[33] Goetz S J, Prince S D, Goward S N, Thawley M M, Small J. Satellite remote sensing of primary production: an improved production efficiency modeling approach. Ecological Modelling, 1999, 122(3): 235- 255.

[34] Wang J B, Liu J Y, Cao M K, Liu Y F, Yu G R, Li G C, Qi S H, Li K R. Modelling carbon fluxes of different forests by coupling a remote-sensing model with an ecosystem process model. International Journal of Remote Sensing, 2011, 32(21): 6539- 6567.

[35] Yan H M, Fu Y L, Xiao X M, Huang H Q, He H L, Ediger L. Modeling gross primary productivity for winter wheat-maize double cropping system using MODIS time series and CO2eddy flux tower data. Agriculture, Ecosystems and Environment, 2009, 129(4): 391- 400.

[36] Raich J W, Rastetter E B, Melillo J M, Kicklighter D W, Steudler P A, Peterson J. Potential net primary productivity in south America: application of a global model. Ecological Application, 1991, 1(4): 399- 429.

[37] Cao M, Prince S D, Small J, Goetz S J. Satellite remotely sensed interannual variability in terrestrial net primary productivity from 1980 to 2000. Ecosystems, 2004, 7(3): 233- 242.

[38] Xiao X M, Hollinger D, Aber J, Goltz M, Davidson E A, Zhang Q Y, Moore B. Satellite-based modeling of gross primary production in an evergreen needle leaf forest. Remote Sensing of Environment, 2004, 89(4): 519- 534.

[39] Xiao X M, Zhang Q Y, Braswell B, Urbanski S, Boles S, Wofsy S, Moore B, Ojima D. Modeling gross primary production of temperate deciduous broadleaf forest using satellite images and climate data. Remote Sensing of Environment, 2004, 91(2): 256- 270.

[40] Ryan M G. A simple method for estimating gross carbon budgets for vegetation in forest ecosystems. Tree Physiology, 1991, 9(1): 255- 266.

[41] Running S W, Coughlan J C. A general model of forest ecosystem processes for regional application I. Hydrological balance, canopy gas exchange and primary production processes. Ecological Modelling, 1988, 42(2): 125- 154.

[42] Chen J M, Liu J, Cihlar J, Goulden M L. Daily canopy photosynthesis model through temporal and spatial scaling for remote sensing applications. Ecological Modelling, 1999, 124(2): 99- 199.

[43] 史軍, 劉紀(jì)遠(yuǎn), 高志強(qiáng), 崔林麗. 造林對(duì)土壤碳儲(chǔ)量影響的研究. 生態(tài)學(xué)雜志, 2005, 24(4): 410- 416.

[44] 國(guó)家統(tǒng)計(jì)局. 中國(guó)統(tǒng)計(jì)年鑒2010. 北京: 中國(guó)統(tǒng)計(jì)出版社, 2010.

[45] 國(guó)家統(tǒng)計(jì)局. 中國(guó)統(tǒng)計(jì)年鑒2011. 北京: 中國(guó)統(tǒng)計(jì)出版社, 2011.

[46] 國(guó)家統(tǒng)計(jì)局. 中國(guó)統(tǒng)計(jì)年鑒2012. 北京: 中國(guó)統(tǒng)計(jì)出版社, 2012.

[47] Mu Q Z, Zhao M S, Running S W. Improvements to a MODIS global terrestrial evapotranspiration algorithm. Remote Sensing of Environment, 2011, 115(8): 1781- 1800.

[48] Pan Y, Richard B, Fang J, Houghton R, Kauppi P E, Kurz W A, Phillips O L, Shvidenko A, Lewis S L, Canadell J G, Ciais P, Jackson R B, Pacala S W, McGuire A D, Piao S, Rautiainen A, Sitch S, Hayes D. A large and persistent carbon sink in the world′s forests. Science, 2011, 333(6045): 988- 993.

[49] Ciais P, Reichstein M, Viovy N, Granier A, Ogée J, Allard V, Aubinet M, Buchmann N, Bernhofer C, Carrara A, Chevallier F, De Noblet N, Friend A D, Friedlingstein P, Grünwald T, Heinesch B, Keronen P, Knohl A, Krinner G, Loustau D, Manca G, Matteucci G, Miglietta F, Ourcival J M, Papale D, Pilegaard K, Rambal S, Seufert G, Soussana J F, Sanz M J, Schulze E D, Vesala T, Valentini R. Europe-wide reduction in primary productivity caused by the heat and drought in 2003. Nature, 2005, 437(7058): 529- 533.

[50] Phillips O, Arag?o L E O C, Lewis S L, Fisher J B, Lloyd J, López-González G, Malhi Y, Monteagudo A, Peacock J, Quesada C A, van der Heijden G, Almeida S, Amaral I, Arroyo L, Aymard G, Baker T R, Bánki O, Blanc L, Bonal D, Brando P, Chave J, de Oliveira A C A, Cardozo N D, Czimczik C I, Feldpausch T R, Freitas M A, Gloor E, Higuchi N, Jiménez E, Lloyd G, Meir P, Mendoza C, Morel A, Neill D A, Nepstad D, Patio S, Peuela M C, Prieto A, Ramírez F, Schwarz M, Silva J, Silveira M, Thomas A S, Steege H T, Stropp J, Vásquez R, Zelazowski P, Dávila E A, Andelman S, Andrade A, Chao K J, Erwin T, Di Fiore A C E H, Keeling H, Killeen T J, Laurance W F, Cruz A P, Pitman N C A, Vargas P N, Ramirez-Angulo H, Rudas A, Salam?o R, Silva N, Terborgh J, Torres-Lezama A. Drought sensitivity of the Amazon rainforest. Science, 2009, 323(5951): 1344- 1347.

[51] 樸世龍, 方精云, 黃耀. 中國(guó)陸地生態(tài)系統(tǒng)碳收支. 中國(guó)基礎(chǔ)科學(xué), 2010, 12(2): 20- 22.

[52] Pasho E, Camarero J J, de Luis M, Vicente-Serranoa S. Impacts of drought at different time scales on forest growth across a wide climatic gradient in north-eastern Spain. Agricultural and Forest Meteorology, 2011, 151(12): 1800- 1811.

Drought in southwestern China and its impact on the net primary productivity of vegetation from 2009—2011

ZHAO Zhiping，WU Xiaopu，LI Guo，LI Junsheng*

ChineseResearchAcademyofEnvironmentalSciences，Beijing100012，China

Droughts are weather patterns involving prolonged reductions in precipitation that are distinct from normal weather cycles. They can be accompanied by extreme heat. There are three types of drought that affect vegetation: weather, soil, and physiology. In recent years, global climate change has significantly increased the frequency of drought and other extreme weather in China. Severe drought interferes with agricultural production and has caused a sharp decline in the net primary productivity of vegetation. It has decreased the total volume of rivers, dried up lakes, and degraded local environments. Southwestern China has suffered from a long-term drought that began in the autumn of 2009. Precipitation is half of what it was years ago. In this study, meteorological station data was used to analyze the process and magnitude of this drought from 2009—2011. Then a light-use-efficiency-based model for calculating net primary productivity called GloPEM was used to determine the impact of drought on the net primary productivity of vegetation during this time. The study area included Guizhou, Yunnan, and Sichuan Provinces, the Guangxi Zhuang Autonomous Region, and Chongqing City. The results showed that the drought was severe in Yunnan, Guizhou, northwestern Guangxi, and in southern Sichuan. And the precipitation and moisture index of 2009—2011 were obviously lower than the average of 1980—2011 in southwestern China. In 2009, the precipitation and moisture index declined sharply. In 2010, the precipitation and moisture index returned to near-normal levels. In 2011, the precipitation and moisture index fell to the lowest point in the past 32 years. For light-use-efficiency-based model, the total radiation is an important parameter. In this study, variations in simulated total radiation were closely correlated with observation results (R2= 0.84,P< 0.01). This drought may have reduced the net primary productivity of vegetation, decreasing plant′s ability to create a carbon sink. In the study area, the average of net primary productivity from 2009—2011 was 12.55 gC m-2a-1lower than the average value from 2001—2011. It was 0.017 PgC/a in total. This reduced China′s total carbon sink by 7.91%. In 2010 alone, this loss reduced China′s total carbon sink by 22.33% for that year. Variations in simulated net primary productivity were closely correlated with observation results (R2= 0.64,P< 0.01), which indicated that simulation of net primary productivity from GloPEM model was reliable and the parameters of GloPEM model were suitable in southwestern China. From 2001—2011, variations in net primary productivity were closely correlated with evapotranspiration (R2= 0.44,P< 0.05) in southwestern China. From 2009—2011, variations in net primary productivity and evapotranspiration were synchronized, but variations in precipitation and moisture index were not synchronous with those in net primary productivity or evapotranspiration. Statistical analysis of areas covered and affected by drought from 2009—2011 confirmed this. Variations of soil moisture levels were closely correlated with net primary productivity (R2= 0.25,P< 0.01). This phenomenon might have a relationship with the water conservation function of the ecosystem, which causes a delayed correlation between soil moisture levels and precipitation.

drought in southwestern China; moisture index; net primary productivity; GloPEM model

環(huán)保公益性行業(yè)科研專項(xiàng)項(xiàng)目(201209031)

2013- 04- 04;

日期:2014- 03- 25

10.5846/stxb201304040604

*通訊作者Corresponding author.E-mail: lijsh@craes.org.cn

趙志平，吳曉莆，李果，李俊生.2009—2011年我國(guó)西南地區(qū)旱災(zāi)程度及其對(duì)植被凈初級(jí)生產(chǎn)力的影響.生態(tài)學(xué)報(bào),2015,35(2):350- 360.

Zhao Z P，Wu X P，Li G，Li J S.Drought in southwestern China and its impact on the net primary productivity of vegetation from 2009—2011.Acta Ecologica Sinica,2015,35(2):350- 360.