劉 夏，王毅勇，范雅秋（1.中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所，吉林 長(zhǎng)春 130102；2.中國(guó)科學(xué)院大學(xué)，北京 100049；3.東北師范大學(xué)，吉林 長(zhǎng)春 130024）

氣候變化情景下濕地凈初級(jí)生產(chǎn)力風(fēng)險(xiǎn)評(píng)價(jià)—以三江平原富錦地區(qū)小葉章濕地為例

劉 夏1，2，王毅勇1*，范雅秋1，3（1.中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所，吉林 長(zhǎng)春 130102；2.中國(guó)科學(xué)院大學(xué)，北京 100049；3.東北師范大學(xué)，吉林 長(zhǎng)春 130024）

采用BIOME-BGC模型，模擬了氣候變化情景下（A1B， A2， B2）三江平原富錦地區(qū)小葉章（Calamagrostis angustifolia）濕地的凈初級(jí)生產(chǎn)力（NPP）變化，并通過NPP變化情況評(píng)價(jià)小葉章濕地風(fēng)險(xiǎn)等級(jí).結(jié)果表明:未來(lái)30年（2013～2042年）各氣候情景下富錦小葉章濕地NPP均值均高于基準(zhǔn)期均值（1961～1990）， A1B和B2情景下未來(lái)30年間NPP波動(dòng)范圍變大，A2情景下NPP有降低趨勢(shì).風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果表明，氣候變化情景下小葉章濕地存在一定風(fēng)險(xiǎn)，尤其是在A1B情景下，未來(lái)30年中可能有6年以上的年份存在高風(fēng)險(xiǎn)，A2情景下濕地風(fēng)險(xiǎn)最低.濕地NPP變化與降水量呈顯著正相關(guān)（R2=0.58，P＜0.05），說(shuō)明降水量是影響區(qū)域濕地的重要因素.盡管氣候變化情景下假設(shè)了存在升溫、CO2濃度升高等有利于植物生長(zhǎng)的因素，但降水量的的劇烈變化以及極端氣候事件的增加，可能會(huì)導(dǎo)致濕地在未來(lái)氣候變化情景下面臨較高風(fēng)險(xiǎn)，未來(lái)濕地保護(hù)與管理過程中應(yīng)重點(diǎn)關(guān)注水的補(bǔ)給和調(diào)配.

BIOME-BGC模型；氣候情景；小葉章濕地；凈初級(jí)生產(chǎn)力

IPCC報(bào)告指出氣候變化對(duì)全球生態(tài)系統(tǒng)的影響正在不斷加劇，甚至有可能威脅到人類生存環(huán)境［1］.濕地生態(tài)系統(tǒng)是全球最重要的生態(tài)系統(tǒng)之一，具有涵養(yǎng)水源、保護(hù)生物多樣性、保持碳平衡和營(yíng)養(yǎng)物等重要的生態(tài)功能［2］，在應(yīng)對(duì)全球變化中發(fā)揮著重要作用，但濕地也是對(duì)全球變化最為敏感的生態(tài)系統(tǒng)之一［3-4］.評(píng)估全球變化對(duì)濕地生態(tài)系統(tǒng)的影響及其風(fēng)險(xiǎn)可為濕地保護(hù)提供科學(xué)依據(jù).但目前對(duì)于未來(lái)氣候變化影響及其風(fēng)險(xiǎn)評(píng)估的研究仍有較大難度，尤其是國(guó)內(nèi)相關(guān)研究基礎(chǔ)還很薄弱，氣候變化風(fēng)險(xiǎn)研究亟需加強(qiáng)［5］.針對(duì)濕地生態(tài)系統(tǒng)進(jìn)行的氣候變化風(fēng)險(xiǎn)等級(jí)評(píng)價(jià)研究也鮮見報(bào)道.

氣候變化影響陸地生態(tài)系統(tǒng)的最重要表現(xiàn)之一是引起凈初級(jí)生產(chǎn)力（NPP）的變化［6］. Minnen等［7］曾利用NPP變化評(píng)價(jià)生態(tài)系統(tǒng)的風(fēng)險(xiǎn)，他們假設(shè)不能接受的氣候變化對(duì)生態(tài)系統(tǒng)生態(tài)功能的影響是某種程度的NPP損失，即氣候變化造成NPP的損失如果超過了此類生態(tài)系統(tǒng)NPP的自然波動(dòng)范圍，就認(rèn)為發(fā)生了風(fēng)險(xiǎn).因此，研究氣候變化對(duì)植被NPP的影響可為預(yù)測(cè)氣候變化影響及其風(fēng)險(xiǎn)提供依據(jù)［8］.

目前，利用計(jì)算機(jī)模型估算陸地植被生產(chǎn)力已成為一種重要且被廣泛接受的研究方法，各種模型類型繁多［9-10］.針對(duì)濕地NPP變化的研究并不鮮見，基于模型的研究工作也一直受到重視，但至今仍沒有針對(duì)濕地生態(tài)系統(tǒng)的成熟模型，而且對(duì)未來(lái)氣候變化影響濕地NPP的研究十分不足.已有的模型中，以Miami模型、Chikugo模型為代表的氣候生產(chǎn)潛力模型，形式簡(jiǎn)單，曾被廣泛應(yīng)用，但誤差較大；以CASA模型為代表的光能利用率模型，可直接利用遙感手段獲得全覆蓋數(shù)據(jù)，但其生態(tài)學(xué)機(jī)理仍不清楚，且無(wú)法預(yù)測(cè)未來(lái)的NPP變化情況［11］；以BIOME-BGC、Centry模型為代表的生理生態(tài)過程模型，機(jī)理清楚，可以預(yù)測(cè)全球變化對(duì)NPP的影響.已有的針對(duì)草地、森林等其他生態(tài)系統(tǒng)展開的相關(guān)研究多選擇過程模型作為研究工具［12］.其中，BIOME-BGC模型的應(yīng)用十分廣泛，但其模型結(jié)構(gòu)復(fù)雜，所需參數(shù)較多，使用時(shí)有一定的局限［13］.不過，通過對(duì)模型參數(shù)進(jìn)行合理的識(shí)別優(yōu)化，可使模型模擬結(jié)果更加準(zhǔn)確更具參考價(jià)值［14-15］.White等［16］曾對(duì)BIOME-BGC模型的參數(shù)調(diào)整和驗(yàn)證進(jìn)行了詳細(xì)介紹，并對(duì)各種植物類型的參數(shù)進(jìn)行了整理，他們的研究為BIOME-BGC模型的廣泛應(yīng)用奠定了基礎(chǔ)，曾慧卿等［17］曾在他們的研究基礎(chǔ)上對(duì)濕地松NPP進(jìn)行了模擬研究，并取得了較好效果.

東北三江平原地區(qū)是我國(guó)氣候變化最劇烈，濕地類型最多，面積最大，分布最廣泛的地區(qū)之一［18］，本研究選取三江平原腹地富錦地區(qū)小葉章濕地作為研究對(duì)象，利用BIOME-BGC模型對(duì)其NPP變化進(jìn)行模擬，結(jié)合未來(lái)氣候情景數(shù)據(jù)，分析氣候變化對(duì)小葉章濕地NPP的影響及風(fēng)險(xiǎn)，以期為濕地保護(hù)與管理和應(yīng)對(duì)氣候變化提供理論依據(jù).

1 材料與方法

1.1 研究區(qū)概況

三江平原位于黑龍江省東北隅，是我國(guó)最大的淡水沼澤濕地分布區(qū)，地理坐標(biāo)為45°～48°N，130°～135°E，屬于北溫帶大陸性季風(fēng)氣候，年均降水量550～600mm，年均氣溫1.9℃左右.最冷月（1月）平均氣溫在-18℃以下，最熱月（7月）平均氣溫在21.22℃左右.植被類型以典型沼澤濕地植被為主，植物群落以小葉章群落和毛苔草（Carexlasiocarpa）群落為主，植被的覆蓋度一般在70%～90%，主要土壤類型有泥炭沼澤土、腐殖質(zhì)沼澤土、草甸沼澤土、淤泥沼澤土、草甸土、泥炭土等.

1.2 小葉章濕地NPP模擬

1.2.1 BIOME-BGC模型簡(jiǎn)介 BIOME-BGC模型由FOREST-BGC模型發(fā)展而來(lái)，用于模擬陸地生態(tài)系統(tǒng)的碳、氮、水分等物質(zhì)的循環(huán)過程［19-20］. BIOME-BGC模型考慮生態(tài)系統(tǒng)內(nèi)的光合、呼吸及營(yíng)養(yǎng)物質(zhì)的循環(huán)、遷移等生理生態(tài)過程，具有機(jī)理性強(qiáng)、綜合程度高、外延性好的特點(diǎn)［21］.經(jīng)過多年的發(fā)展，模型不斷地改進(jìn)，目前的BIOME-BGC模型（版本4.1.1）以日為步長(zhǎng)對(duì)生態(tài)系統(tǒng)進(jìn)行有效模擬.模型應(yīng)用空間分布資料，包括氣候、海拔高度、植被和水分條件，可對(duì)每年、每天的碳進(jìn)行估算并預(yù)測(cè)氣候變化對(duì)NPP的影響.

模型的主要驅(qū)動(dòng)參數(shù)包括3部分:（1）初始化文件:主要包括研究地的經(jīng)緯度、海拔、土壤有效深度、土壤顆粒組成、大氣CO2濃度、植被類型以及對(duì)輸入輸出文件的設(shè)定等；（2）以日為步長(zhǎng)的氣象數(shù)據(jù):最高溫、最低溫、白天平均溫、降水、飽和蒸氣壓差、太陽(yáng)輻射等；（3）生態(tài)生理指標(biāo)參數(shù):包括44個(gè)參數(shù)，如葉片碳氮比、細(xì)根碳氮比、最大氣孔導(dǎo)度、冠層消光系數(shù)、冠層比葉面積、二磷酸核酮糖羧化酶中葉氮比例等.

表1 BIOME-BGC模型參數(shù)優(yōu)化結(jié)果Table 1 Optimization results of used parameters

1.2.2 BIOME-BGC模型參數(shù)優(yōu)化 本研究參考White等［16］測(cè)試參數(shù)敏感性的方法，以及以往研究采用的貝葉斯分析方法、模擬退火算法等方法，根據(jù)逐步優(yōu)化的思想對(duì)模型進(jìn)行參數(shù)優(yōu)化［22-23］.具體步驟如下:（1）首先根據(jù)相同研究區(qū)域或相同植物類型的觀測(cè)數(shù)據(jù)或直接報(bào)道數(shù)據(jù)，確定相關(guān)參數(shù)取值范圍；（2）對(duì)沒有上述數(shù)據(jù)的參數(shù)，則采用同一氣候類型區(qū)域或類似植物類群的數(shù)據(jù)確定其大致取值范圍，并通過蒙特卡洛（Monte Carlo method）算法優(yōu)化參數(shù)，以確定參數(shù)的取值范圍［23］；（3）最后在每個(gè)參數(shù)取值范圍內(nèi)選取10個(gè)數(shù)值，用實(shí)際觀測(cè)值進(jìn)行驗(yàn)證，并從中選取最優(yōu)參數(shù)，由于模型參數(shù)眾多，且一些參數(shù)相互影響，因此，本步驟重復(fù)一次；經(jīng)過兩次優(yōu)化后，對(duì)最為敏感的參數(shù)重復(fù)上述步驟以達(dá)到最佳效果.本研究以中國(guó)科學(xué)院三江平原沼澤濕地生態(tài)試驗(yàn)站（47°35'N， 133°29'E）2002～2007年的實(shí)測(cè)NPP數(shù)據(jù)為基礎(chǔ)，對(duì)模型進(jìn)行參數(shù)校正.對(duì)參數(shù)進(jìn)行逐步優(yōu)化的結(jié)果見表1.部分參數(shù)在趨于最大值或最小值的時(shí)候模擬結(jié)果最佳，但最終確定值都以其合理取值范圍為限，有部分參數(shù)必須為整數(shù)，按照四舍五入的原則進(jìn)行取值.

1.2.3 氣候數(shù)據(jù) 參數(shù)優(yōu)化后，利用氣象數(shù)據(jù)驅(qū)動(dòng)BIOME-BGC模型模擬小葉章濕地的NPP.所選用的逐日氣象資料包括日最高氣溫、日最低氣溫、日平均氣溫、日降水、日蒸發(fā)等.

氣候情景數(shù)據(jù)由中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所氣候變化研究組提供.該小組在IPCC溫室氣體排放情景SRES框架下，根據(jù)未來(lái)社會(huì)經(jīng)濟(jì)發(fā)展的不同情景，利用英國(guó)Hadley氣候中心的區(qū)域系統(tǒng)模式系統(tǒng)PRECIS分析了中國(guó)區(qū)域21世紀(jì)的氣候變化.對(duì)其在中國(guó)區(qū)域氣候的模擬能力進(jìn)行驗(yàn)證，結(jié)果顯示總體上PRECIS具有很強(qiáng)的模擬中國(guó)地面氣候變化的能力［34］.本研究選用A1B、A2和B2情景作為模型的氣候輸入數(shù)據(jù).A1B情景中，經(jīng)濟(jì)增長(zhǎng)非?？?，高新技術(shù)發(fā)展迅速，地域間差距縮小.化石能源和非化石能源使用比例更為平衡，不過分依賴某種特定能源.A2情景下，全球人口數(shù)據(jù)量峰值出現(xiàn)在本世紀(jì)中葉并隨后下降，經(jīng)濟(jì)結(jié)構(gòu)向服務(wù)和信息經(jīng)濟(jì)方向迅速調(diào)整，清潔和資源高效技術(shù)不斷發(fā)展.強(qiáng)調(diào)經(jīng)濟(jì)、社會(huì)和環(huán)境可持續(xù)發(fā)展問題的全球解決方案.B2情景中，全球人口低速增長(zhǎng)，經(jīng)濟(jì)發(fā)展處于中等水平，環(huán)境保護(hù)和社會(huì)公平問題重點(diǎn)放在區(qū)域?qū)用鎭?lái)解決［35］.

本研究以1961～1990年為基準(zhǔn)期，基準(zhǔn)期和模型校正所需的（2002～2007年）氣候數(shù)據(jù)均采用三江平原境內(nèi)富錦氣象站的數(shù)據(jù)，數(shù)據(jù)來(lái)自國(guó)家氣象信息中心（中國(guó)氣象科學(xué)共享服務(wù)平臺(tái)），資料比較完整，對(duì)于個(gè)別缺測(cè)值，以缺測(cè)時(shí)刻前后相鄰時(shí)步的值進(jìn)行線性插值.

1.3 NPP風(fēng)險(xiǎn)評(píng)價(jià)方法

假設(shè)不能接受的氣候變化對(duì)濕地生態(tài)系統(tǒng)生產(chǎn)功能的影響是某種程度的NPP損失，即氣候變化造成NPP的損失如果超過了此類生態(tài)系統(tǒng)NPP的自然波動(dòng)范圍，就認(rèn)為發(fā)生了風(fēng)險(xiǎn)［7］.依據(jù)世界氣象組織定義，以及我國(guó)科學(xué)家驗(yàn)證結(jié)果，本研究選擇相當(dāng)于平均值10%的損失作為“不可接受的影響”的參考［36］.將濕地生態(tài)系統(tǒng)構(gòu)建風(fēng)險(xiǎn)等級(jí)為:

式中:f（xi）為濕地生態(tài)系統(tǒng)NPP風(fēng)險(xiǎn)等級(jí)；Meani為濕地生態(tài)系統(tǒng)NPP正常值范圍的均值，Mini代表生態(tài)系統(tǒng)NPP正常范圍的最小值；0、1、2、3分別代表無(wú)風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)和高風(fēng)險(xiǎn).采用基準(zhǔn)期的模擬NPP值為參照對(duì)未來(lái)30年進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià).

1.4 數(shù)據(jù)處理與分析

氣象數(shù)據(jù)的處理與分析采用Microsoft Office Excel 2007，包括各氣象要素的年氣候變化序列計(jì)算，多年均值，標(biāo)準(zhǔn)差分析等；參數(shù)優(yōu)化與分析過程中蒙特卡洛算法通過MATLAB 7.0軟件實(shí)現(xiàn)；采用SPSS 17.0軟件進(jìn)行NPP與各氣象要素間逐步線性回歸分析.

2 結(jié)果與分析

2.1 BIOME-BGC模型驗(yàn)證

模型參數(shù)優(yōu)化后，模擬值與實(shí)測(cè)值6年均值相差8%，模擬值誤差范圍在3.8%～22.5%之間.通過對(duì)模型參數(shù)優(yōu)化前后的模擬效果進(jìn)行對(duì)比，發(fā)現(xiàn)參數(shù)優(yōu)化后，模擬結(jié)果更好（圖1）.模擬值與實(shí)測(cè)值相關(guān)性提升，相關(guān)系數(shù)R2從0.68提升至0.87，同時(shí)，模擬值和觀測(cè)值的誤差之和由449.8gC/（m2· a）降為164.1gC/（m2· a）.說(shuō)明了參數(shù)優(yōu)化過程對(duì)模型模擬的重要性.

圖1 參數(shù)優(yōu)化前、后模擬值與實(shí)測(cè)值相關(guān)性分析Fig.1 Correlations between simulated and measured NPP before and after the parameters optimization

通過對(duì)參數(shù)敏感性分析發(fā)現(xiàn)，最為敏感的5個(gè)參數(shù)分別為生長(zhǎng)期、葉碳氮比、細(xì)根碳氮比、細(xì)根碳與葉碳比和表層導(dǎo)度，其中既有氣候參數(shù)也有植物生理參數(shù)，體現(xiàn)了該模型考慮了不同植被在不同氣候條件下的不同生理反應(yīng)過程.模擬結(jié)果［均值350.15gC/（m2· a）］比實(shí)測(cè)值［324.17gC/（m2· a）］略微偏高，這可能是因?yàn)?模型模擬的情況較為理想化，所有植物生理參數(shù)采用的均是小葉章的參數(shù)，模擬的結(jié)果實(shí)際是將濕地中所有植物都當(dāng)做小葉章而模擬出的NPP值，是小葉章群落100%覆蓋的濕地植被NPP，但自然狀態(tài)下植物群落組成不可能100%是小葉章，同時(shí)還會(huì)有其他植物種群，因此，模擬的NPP較實(shí)測(cè)值偏高.

2.2 未來(lái)氣候情景下小葉章濕地NPP變化分析

模擬結(jié)果表明，基準(zhǔn)期1961～1990年間小葉章濕地NPP平均值為362.9gC/（m2·a），NPP年總量變化在285.3～459.2gC/（m2·a）之間（表2）.30年間，NPP年總量呈略微升高的趨勢(shì)，但升高趨勢(shì)不明顯.

表2 氣候變化情景下2013～2042年小葉章濕地NPP［gC/（m2· a）］Table 2 Simulated NPP of Calamagrostis angustifolia wetlands from 2013 to 2042 under different SRES［gC/（m2· a）］

圖2 氣候變化情景下2013～2042年小葉章濕地NPPFig. 2 Simulated NPP of Calamagrostis angustifolia wetlands from 2013to 2042under different SRES

未來(lái)30年小葉章濕地NPP在不同氣候情景下的變化情況各不相同，但均未表現(xiàn)出十分明顯的增加或降低趨勢(shì)（圖2）.A1B情景下，NPP呈微弱的增加趨勢(shì)，每年增加速率約為0.26gC/（m2· a），在A2和B2情景下則表現(xiàn)出微弱的減少趨勢(shì)，其中A2情景減少趨勢(shì)較為明顯，但減少速率也僅為每年1.12gC/（m2·a）. A1B、A2和B2情景下未來(lái)30年的NPP均值分別為367.6，386.1和 373.1gC/（m2·a） （表2）.A2情景下NPP高于其他兩個(gè)情景，且更為穩(wěn)定，波動(dòng)范圍更小，在294.8～484.2gC/（m2·a）之間，標(biāo)準(zhǔn)差為52.38.A1B和B2情景下，NPP的變化更加劇烈，波動(dòng)范圍在256.9～470.4gC/（m2·a）和218.0～541.8gC/（m2·a）之間，標(biāo)準(zhǔn)差分別為60.55和72.2，比A2情景高很多.

未來(lái)30年NPP的均值較基準(zhǔn)期均值都有所增加，A1B、A2和B2情景分別增加了1.3%、6.4%和2.8%.相對(duì)而言，在A2情景下，NPP降低速度比其他兩個(gè)情景更快，但在A1B、B2情景下，NPP年際間波動(dòng)加劇，尤其是在B2情景下，最低值和最高值均超出了基準(zhǔn)期的波動(dòng)范圍20%左右.

2.3 未來(lái)氣候情景下小葉章濕地NPP風(fēng)險(xiǎn)評(píng)價(jià)

未來(lái)氣候情景下小葉章濕地NPP均值較基準(zhǔn)期有所增加，但年際間波動(dòng)劇烈.對(duì)各氣候情景下小葉章濕地NPP的風(fēng)險(xiǎn)評(píng)價(jià)發(fā)現(xiàn):未來(lái)30年小葉章濕地在不同氣候情景下均面臨著一定的風(fēng)險(xiǎn)（圖3）.

其中A2情景下，濕地風(fēng)險(xiǎn)較小，30年中僅7年濕地可能面臨風(fēng)險(xiǎn)，而A1B情景下有13年（接近一半的年份）濕地可能存在風(fēng)險(xiǎn)，B2情景下有9年可能存在風(fēng)險(xiǎn).濕地面臨高風(fēng)險(xiǎn)概率也是A2情景最低，僅3年風(fēng)險(xiǎn)等級(jí)較高，而A1B和B2情景下，可能出現(xiàn)3級(jí)風(fēng)險(xiǎn)等級(jí)的年份有6年，較A2情景高了1倍.雖然氣候變化情景下未來(lái)NPP均值高于基準(zhǔn)期，但由于其波動(dòng)更加劇烈，尤其是A1B和B2情景下，小葉章濕地仍有較大概率面臨風(fēng)險(xiǎn).而在A2情景下，盡管其面臨風(fēng)險(xiǎn)的概率較小，但其NPP呈降低的趨勢(shì)，如果這種趨勢(shì)持續(xù)下去，也將使小葉章濕地面臨風(fēng)險(xiǎn)的概率升高.

采用逐步線性回歸分析方法對(duì)各氣象要素（年均溫、＞5℃積溫、年降水量和蒸發(fā)量）和NPP間相關(guān)關(guān)系進(jìn)行分析，結(jié)果表明降水量對(duì)NPP影響最為顯著，二者呈顯著正相關(guān)關(guān)系（R2=0.58，P＜0.05）（表3），降水量和＞5℃積溫共同對(duì)NPP的影響更多一些，但其影響與降水量單一因素的影響程度相差很?。≧2=0.62）.說(shuō)明水分是影響濕地NPP的一個(gè)重要因素，而溫度變化對(duì)其影響并不明顯，＞5℃積溫變化對(duì)NPP有一定程度的影響.

圖3 氣候變化情景下未來(lái)30年小葉章濕地風(fēng)險(xiǎn)等級(jí)Fig.3 Risk levels of Calamagrostis angustifolia wetlandsfrom 2013 to 2042 under different SRES

表3 模擬NPP與氣象要素間逐步回歸分析結(jié)果Table 3 Stepwise regression analysis between inter-annual variation of NPP and meteorological data

氣候變化情景假設(shè)了不同程度的氣溫升高和CO2濃度升高，這些因素均對(duì)植物生長(zhǎng)有利，不同氣候情景下未來(lái)氣溫增溫趨勢(shì)顯著（圖4），NPP在未來(lái)30年也整體有所增加.但風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果表明氣候變化情景下小葉章濕地仍面臨一定風(fēng)險(xiǎn)，其主要原因在于NPP在不同氣候情景下要么波動(dòng)很大（A1B和B2），要么有降低趨勢(shì)（A2），這種NPP變化情況可能是由于降水量的變化引起的.未來(lái)30年不同氣候情景下，降水量波動(dòng)很大（圖4），尤其是A1B和B2情景，A2情景雖然波動(dòng)較小，但其降低趨勢(shì)明顯，降低速率為2.93mm/a，比B2情景下降低速率高1倍.前述分析中也指出降水量是影響NPP的重要因素，因此，有理由認(rèn)為降水量是導(dǎo)致NPP波動(dòng)劇烈的主要影響因素，隨著降水量劇烈波動(dòng)，極端氣候事件出現(xiàn)概率增加是其主要原因.

圖4 氣候變化情景下未來(lái)30年氣溫降水變化Fig.4 Variations of temperature and precipitation from 2013 to 2042 under different SRES

3 討論

3.1 BIOME-BGC模型模擬濕地NPP

本研究利用BIOME-BGC模型模擬濕地生態(tài)系統(tǒng)NPP對(duì)未來(lái)氣候變化的響應(yīng)，結(jié)果表明參數(shù)調(diào)整后，BIOME-BGC模型較好的模擬了三江平原小葉章濕地的NPP變化.BIOME-BGC模型對(duì)森林生態(tài)系統(tǒng)NPP模擬已十分成熟，并被廣泛應(yīng)用［17，37］.但針對(duì)草地生態(tài)系統(tǒng)，由于其NPP受人類活動(dòng)及當(dāng)?shù)厮?、土壤等因素的影響十分顯著，而BIOMEBGC無(wú)法對(duì)這些因素進(jìn)行模擬，所以其在草地生態(tài)系統(tǒng)上的應(yīng)用有一定的局限性［13］.不過，BIOME-BGC模型的應(yīng)用成功與否也取決于模擬區(qū)域的具體情況，已經(jīng)有很多研究成功應(yīng)用BIOME-BGC模型模擬草地生態(tài)系統(tǒng)NPP的變化情況［38-39］.而BIOME-BGC模型在濕地上的研究并不多見，曾慧卿等［17］曾成功模擬了濕地松林的NPP變化，但對(duì)于濕地草地的模擬尚未見報(bào)道，有研究曾模擬了不同水文梯度下草原植被的NPP［39］，說(shuō)明該模型在不同水文梯度下是適用的，而本研究利用BIOME-BGC模型在濕地上成功模擬小葉章群落NPP進(jìn)一步為該模型在濕地上應(yīng)用提供了證據(jù).

BIOME-BGC模型運(yùn)行需要大量的參數(shù)，而獲得這些參數(shù)是比較困難的，尤其是一些參數(shù)在國(guó)內(nèi)研究十分鮮見.雖然通過模型的改進(jìn)可以用BIOME-BGC模型模擬草原、農(nóng)田等生態(tài)系統(tǒng)，但參數(shù)的獲取仍是最為困難的因素［13］，通過合理的參數(shù)優(yōu)化對(duì)模型的應(yīng)用至關(guān)重要［40］，本研究借鑒多種方法對(duì)模型進(jìn)行參數(shù)優(yōu)化，通過逐步優(yōu)化的方法，一方面有效的優(yōu)化了模型參數(shù)，提高了模擬精度，同時(shí)也無(wú)需過大的計(jì)算量，效果較為理想.

3.2 濕地NPP變化及其影響因素

本研究中NPP模擬結(jié)果表明未來(lái)氣候變化下，由于CO2濃度升高和溫度升高，對(duì)濕地植被的生長(zhǎng)產(chǎn)生有利影響，這與以往研究的結(jié)論［12］較為一致.但本研究同時(shí)發(fā)現(xiàn)濕地生態(tài)系統(tǒng)中降水量對(duì)植被NPP的影響較氣溫更為顯著，這與以往研究中NPP受氣溫影響顯著的結(jié)論并不一致［41］，這種不一致是由生態(tài)系統(tǒng)類型不同而導(dǎo)致的［42］.濕地往往有常年積水或季節(jié)性積水的特征，如果降水量過低顯然會(huì)對(duì)其植被生長(zhǎng)產(chǎn)生重要影響.三江平原的小葉章濕地主要有典型草甸小葉章（地表常年無(wú)積水）和沼澤化草甸小葉章（個(gè)別月份地表存在少量積水）兩種類型，后者地下生物量高于前者1.59～2.78倍［43］，而兩者的主要區(qū)別就在于水分條件的差別，可見水分要素在某種程度上決定著小葉章濕地NPP的變化，這也驗(yàn)證了本研究中降水量對(duì)小葉章NPP影響顯著的結(jié)論.此外，也有研究曾指出未來(lái)氣候變化下的降水變化可能會(huì)對(duì)植被NPP增加不利［44］，由于未來(lái)氣候變化下降水量呈下降趨勢(shì)，將使雨養(yǎng)農(nóng)作物減產(chǎn)［45］.這些研究結(jié)論均與本研究一致.

此外，本研究中1961～1990年間小葉章濕地NPP有微弱的增加趨勢(shì)，這與毛德華等［46］的研究結(jié)論不同，其主要原因是本研究中模型模擬的小葉章NPP僅僅是在氣候變化影響下的變化趨勢(shì)，而近年來(lái)三江平原濕地除了受到氣候變化影響外，還受到其他多方面因素諸如土地利用方式、區(qū)域環(huán)境等的影響［47］，尤其是人類活動(dòng)對(duì)其影響十分劇烈，1954～2005年間大面積的農(nóng)田開墾造成濕地面積嚴(yán)重萎縮［48-49］，而這些因素是本研究所未考慮的.

3.3 氣候變化情景下濕地風(fēng)險(xiǎn)評(píng)價(jià)

已有的對(duì)于未來(lái)氣候變化下NPP預(yù)測(cè)研究多從全球尺度上估算不同植被類型在氣候變化情景下的變化，選用的模型也相對(duì)比較簡(jiǎn)單，僅粗略區(qū)分了不同的植被類型如森林、灌木、草原［12］等，并非針對(duì)某一生態(tài)系統(tǒng)開展，而且缺少模型的調(diào)整與驗(yàn)證過程.本研究?jī)H針對(duì)小葉章濕地生態(tài)系統(tǒng)開展研究，選用了更為復(fù)雜也更為準(zhǔn)確的生理生態(tài)過程模型，并通過實(shí)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行了校正，因此，相關(guān)研究結(jié)果有更高的準(zhǔn)確性.但是本研究?jī)H針對(duì)一種植被，而全球或某一區(qū)域的濕地有很多種不同的類型，因此，要開展區(qū)域化的研究仍有大量工作要做.

當(dāng)前濕地風(fēng)險(xiǎn)評(píng)價(jià)仍處在起步階段，相關(guān)研究仍存在著概念理論體系不完善、評(píng)價(jià)標(biāo)準(zhǔn)不一致、過于集中在靜態(tài)評(píng)價(jià)，缺少動(dòng)態(tài)評(píng)價(jià)、定量評(píng)價(jià)存在不確定性等問題，尤其是國(guó)內(nèi)關(guān)于氣候變化下濕地風(fēng)險(xiǎn)評(píng)價(jià)相關(guān)的研究相對(duì)薄弱，缺乏定量評(píng)價(jià)濕地對(duì)氣候變化脆弱性的方法、模型、指標(biāo)體系［50］.因此，本研究嘗試?yán)帽碚髦参锘顒?dòng)的重要變量NPP定量化的進(jìn)行濕地風(fēng)險(xiǎn)評(píng)價(jià)，研究結(jié)果表明盡管存在升溫、CO2濃度升高等有利于植物生長(zhǎng)的因素，但降水量的變化對(duì)濕地有重要影響，其在未來(lái)氣候情景下變化幅度不斷變大，加之未來(lái)氣候變化下極端氣候事件的概率增加，且我國(guó)降水量呈下降趨勢(shì)［45-51］，因此，未來(lái)氣候變化下濕地可能仍面臨著十分嚴(yán)峻的挑戰(zhàn)，未來(lái)濕地保護(hù)與管理過程中應(yīng)重點(diǎn)關(guān)注水的補(bǔ)給和調(diào)配.

由于氣候情景、模型參數(shù)以及社會(huì)經(jīng)濟(jì)情景等的不確定性，如何科學(xué)定量評(píng)價(jià)未來(lái)氣候變化的影響，是氣候變化研究的重要難題，導(dǎo)致人類在適應(yīng)氣候變化的行動(dòng)中，很難有針對(duì)性地根據(jù)氣候變化的不利影響進(jìn)行有效的應(yīng)對(duì)和管理［52］.但定量化評(píng)價(jià)未來(lái)氣候變化對(duì)生態(tài)系統(tǒng)的影響是未來(lái)研究的方向.盡管本研究選取的指標(biāo)和評(píng)價(jià)方法仍有需要完善的地方，但研究開始了嘗試用定量化的方法評(píng)價(jià)氣候變化對(duì)生態(tài)系統(tǒng)的影響，相比僅僅單純分析氣候、NPP或其他指標(biāo)的變化來(lái)評(píng)價(jià)未來(lái)氣候可能產(chǎn)生的影響，有了更為具體的指標(biāo)和概念，研究結(jié)果的可借鑒意義更強(qiáng).

4 結(jié)論

通過對(duì)BIOME-BGC模型進(jìn)行參數(shù)優(yōu)化，模型較好的模擬了三江平原富錦地區(qū)小葉章濕地NPP變化，說(shuō)明了該模型在濕地生態(tài)系統(tǒng)的適用性，以及合理的參數(shù)優(yōu)化對(duì)模型應(yīng)用的重要性.對(duì)氣候變化情景下（A1B， A2， B2）小葉章濕地NPP模擬結(jié)果表明:降水量是影響區(qū)域濕地的重要因素，未來(lái)氣候情景下降水量的劇烈變化以及極端氣候事件的增加，可能會(huì)導(dǎo)致濕地面臨較高風(fēng)險(xiǎn)，濕地保護(hù)與管理過程中應(yīng)重點(diǎn)關(guān)注水的補(bǔ)給和調(diào)配.定量化的評(píng)價(jià)未來(lái)氣候變化對(duì)生態(tài)系統(tǒng)影響是未來(lái)研究的方向，但也是相關(guān)研究的難點(diǎn)所在，今后的研究應(yīng)致力于不斷提高定量研究的準(zhǔn)確性，并將定量化研究成果區(qū)域化，且建立相對(duì)完善的評(píng)價(jià)體系.

［1］IPCC， Climate Change 2014: Synthesis Report. Contribution of Working Groups I， II and III to the fifth assessment report of the intergovernmental panel on climate change ［Core Writing Team，Pachauri R K， Meyer L A （eds.）］［R］. IPCC， Geneva， Switzerland，2014.

［2］Mitsch W J， Gosselink J G. Wetlands ［M］. Hoboken.: NJ: Wiley；2007.

［3］Finlayson C， Davis J， Gell P， et al. The status of wetlands and the predicted effects of global climate change: the situation in Australia ［J］. Aquatic Sciences， 2013，75（1）:73-93.

［4］Robarts R D， Zhulidov A V， Pavlov D F. The State of knowledge about wetlands and their future under aspects of global climate change: the situation in Russia ［J］. Aquatic Sciences， 2013，75（1）: 27-38.

［5］吳紹洪，潘 韜，賀山峰.氣候變化風(fēng)險(xiǎn)研究的初步探討 ［J］. 氣候變化研究進(jìn)展， 2011，7（5）:363-368.

［6］彭少麟，侯愛敏，周國(guó)逸.氣候變化對(duì)陸地生態(tài)系統(tǒng)第一性生產(chǎn)力的影響研究綜述 ［J］. 地球科學(xué)進(jìn)展， 2000，15（6）:717-722.

［7］van Minnen J G， Onigkeit J， Alcamo J. Critical climate change as an approach to assess climate change impacts in Europe: development and application ［J］. Environmental Science and Policy， 2002，5（4）:335-347.

［8］石曉麗，吳紹洪，戴爾阜，等.氣候變化情景下中國(guó)陸地生態(tài)系統(tǒng)碳吸收功能風(fēng)險(xiǎn)評(píng)價(jià) ［J］. 地理研究， 2011，30（4）:601-611.

［9］Alexandrov G， Oikawa T， Yamagata Y. The scheme for globalization of a process-based model explaining gradations in terrestrial NPP and its application ［J］. Ecological Modelling， 2002，148（3）:293-306.

［10］Cramer W， Kicklighter D， Bondeau A， et al. Comparing global models of terrestrial net primary productivity （NPP）: overview and key results ［J］. Global Change Biology， 1999，5（S1）:1-15.

［11］朱文泉，陳云浩，徐 丹，等.陸地植被凈初級(jí)生產(chǎn)力計(jì)算模型研究進(jìn)展 ［J］. 生態(tài)學(xué)雜志， 2005，24（3）:296-300.

［12］Pan S， Tian H， Dangal S R S， et al. Complex spatiotemporal responses of global terrestrial primary production to climate change and increasing atmospheric CO2in the 21st Century ［J］. Plos One， 2014，9（11）:0112810.

［13］Hidy D， Barcza Z， Haszpra L， et al. Development of the Biome-BGC model for simulation of managed herbaceous ecosystems ［J］. Ecological Modelling， 2012，226:99-119.

［14］Beck M B. Water quality modeling: a review of the analysis of uncertainty ［J］. Water Resources Research， 1987，23（8）:1393-1442.

［15］Trusilova K， Trembath J， Churkina G. Parameter estimation and validation of the terrestrial ecosystem model BIOME-BGC using eddy-covariance flux measurements ［M］. Jena: MPI-BGC； 2009.

［16］White M A， Thornton P E， Running S W， et al. Parameterization and sensitivity analysis of the BIOME-BGC terrestrial ecosystem model: net primary production controls ［J］. Earth Interactions，2000，4（3）:1-85.

［17］曾慧卿，劉琪璟，馮宗煒，等.基于BIOME-BGC模型的紅壤丘陵區(qū)濕地松（Pinus elliottii）人工林GPP和NPP ［J］. 生態(tài)學(xué)報(bào)，2008，28（11）:5314-5321.

［18］李 輯，龔 強(qiáng).東北地區(qū)夏季氣溫變化特征分析 ［J］. 氣象與環(huán)境學(xué)報(bào)， 2006，22（1）:6-10.

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

［20］Running S W， Hunt E R. Generalization of a forest ecosystem process model for other biomes， BIOME-BGC， and an application for global-scale models ［J］. Scaling Physiological Processes: Leaf to Globe， 1993:141-158.

［21］Dixon R K， Solomon A， Brown S， et al. Carbon pools and flux of global forest ecosystems ［J］. Science， 1994，263（5144）:185-190.

［22］張廷龍，孫 睿，胡 波，等.利用模擬退火算法優(yōu)化Biome-BGC模型參數(shù) ［J］. 生態(tài)學(xué)雜志， 2011，30（2）:408-414.

［23］Hidy D， Barcza Z， Haszpra L， et al. Parameter estimation for grassland carbon cycle using nonlinear inversion of Biome-BGC［J］. Cereal Research Communications， 2007，35（2）:453-456.

［24］楊文燕，宋長(zhǎng)春，張金波.三江平原小葉章和毛果苔草兩種地表覆被下的貼地氣層CO2濃度垂直分布特征 ［J］. 中國(guó)科學(xué)院研究生院學(xué)報(bào)， 2006，23（5）:686-691.

［25］趙德林，洪福玉.三江平原主要土壤土體構(gòu)造特點(diǎn)與治理途徑的探討 ［J］. 中國(guó)農(nóng)業(yè)科學(xué)， 1983，1:008.

［26］竇晶鑫，劉景雙，王 洋，等.土溫升高對(duì)濕草甸小葉章植株碳，氮含量的影響 ［J］. 草業(yè)學(xué)報(bào)， 2010，19（1）:59-59.

［27］張養(yǎng)貞，黃錫疇.三江平原沼澤土壤的發(fā)生，性質(zhì)與分類 ［J］. 地理科學(xué)， 1981，1（2）:171-180.

［28］劉興土.三江平原沼澤輻射平衡與小氣候基本特征 ［J］. 地理科學(xué)， 1988，8（2）:132-133.

［29］孫志高，劉景雙，王金達(dá).三江平原典型濕地系統(tǒng)大氣濕沉降中氮素動(dòng)態(tài)及其生態(tài)效應(yīng) ［J］. 水科學(xué)進(jìn)展， 2007，18（2）:182-192.［30］王毅勇，楊 青，王瑞山.三江平原大豆田氮循環(huán)模擬研究 ［J］.地理科學(xué)， 1999，19（6）:555-558.

［31］鐘靜靜，趙海洋，張振卿，等.泥炭地炭屑研究進(jìn)展 ［J］. 濕地科學(xué)，2012，10（4）:507-512.

［32］孫崇玉，劉景雙，王 洋，等.三江平原濕地小葉章各器官主要營(yíng)養(yǎng)元素特征 ［J］. 濕地科學(xué)， 2011，9（2）:157-162.

［33］王 洋，劉景雙，竇晶鑫，等.三江平原不同群落小葉章枯落物的季節(jié)變化及養(yǎng)分累積特征 ［J］. 北京林業(yè)大學(xué)學(xué)報(bào)， 2010，32（1）:74-81.

［34］許吟隆， Jones R.利用ECMWF再分析數(shù)據(jù)驗(yàn)證PRECIS對(duì)中國(guó)區(qū)域氣候的模擬能力 ［J］. 中國(guó)農(nóng)業(yè)氣象， 2004，25（1）:7-11.

［35］Nakicenovic N， Swart R. IPCC special report on emissions scenarios ［R］. Cambridge Univ Press， Cambridge， 2000:612.

［36］吳紹洪.綜合風(fēng)險(xiǎn)防范:中國(guó)綜合氣候變化風(fēng)險(xiǎn) ［M］. 北京:科學(xué)出版社， 2011.

［37］范敏銳，余新曉，張振明，等.CO2倍增和氣候變化對(duì)北京山區(qū)栓皮櫟林NPP影響研究 ［J］. 生態(tài)環(huán)境學(xué)報(bào)， 2010，19（6）:005.

［38］Han Q， Luo G， Li C， et al. Modeling grassland net primary productivity and water-use efficiency along an elevational gradient of the Northern Tianshan Mountains ［J］. Journal of Arid Land， 2013，5（3）:354-365.

［39］董明偉，喻 梅.沿水分梯度草原群落NPP動(dòng)態(tài)及對(duì)氣候變化響應(yīng)的模擬分析 ［J］. 植物生態(tài)學(xué)報(bào)， 2008，32（3）:531-543.

［40］Wang Y P， Trudinger C M， Enting I G. A review of applications of model-data fusion to studies of terrestrial carbon fluxes at different scales ［J］. Agricultural and Forest Meteorology， 2009，149（11）:1829-1842.

［41］劉亞榮，賈文雄，黃 玫，等.近51年來(lái)祁連山植被凈初級(jí)生產(chǎn)力對(duì)氣候變化的響應(yīng) ［J］. 西北植物學(xué)報(bào)， 2015，35（3）:029.

［42］王莉雯，衛(wèi)亞星.盤錦濕地凈初級(jí)生產(chǎn)力時(shí)空分布特征 ［J］. 生態(tài)學(xué)報(bào)， 2012，32（19）:6006-6015.

［43］孫志高，劉景雙，楊繼松，等.三江平原小葉章濕地種群生物量結(jié)構(gòu)動(dòng)態(tài)與生長(zhǎng)速率分析 ［J］. 草業(yè)學(xué)報(bào)， 2006，15（2）:21-29.

［44］Ge Z M， Kellom?ki S， Peltola H， et al. Impacts of climate change on primary production and carbon sequestration of boreal Norway spruce forests: Finland as a model ［J］. Climatic Change， 2013，118（2）:259-273.

［45］陶福祿，熊 偉，許吟隆，等.氣候變化情景下我國(guó)花生產(chǎn)量變化模擬 ［J］. 中國(guó)環(huán)境科學(xué)， 2000，20（5）:392-395.

［46］毛德華，王宗明，宋開山，等.東北多年凍土區(qū)植被NDVI變化及其對(duì)氣候變化和土地覆被變化的響應(yīng) ［J］. 中國(guó)環(huán)境科學(xué)，2011，31（2）:283-292.

［47］毛德華，王宗明，羅 玲，等.1982～2009年?yáng)|北多年凍土區(qū)植被凈初級(jí)生產(chǎn)力動(dòng)態(tài)及其對(duì)全球變化的響應(yīng) ［J］. 應(yīng)用生態(tài)學(xué)報(bào)，2012，23（6）:1511-1519.

［48］王宗明，宋開山，劉殿偉，等.1954～2005年三江平原沼澤濕地農(nóng)田化過程研究 ［J］. 濕地科學(xué)， 2009，7（3）:208-217.

［49］王宗明，張樹清，張 柏.土地利用變化對(duì)三江平原生態(tài)系統(tǒng)服務(wù)價(jià)值的影響 ［J］. 中國(guó)環(huán)境科學(xué)， 2004，24（1）:125-128.

［50］尚二萍，擺萬(wàn)奇.濕地脆弱性評(píng)價(jià)研究進(jìn)展 ［J］. 濕地科學(xué)，2012，10（3）:378-384.

［51］李 博，周天軍.基于IPCC A1B情景的中國(guó)未來(lái)氣候變化預(yù)估:多模式集合結(jié)果及其不確定性 ［J］. 氣候變化研究進(jìn)展， 2010，6（4）:270-276.

［52］Mackay A. Climate change 2007: impacts， adaptation and vulnerability. Contribution of working group II to the fourth assessment report of the intergovernmental panel on climate change ［J］. Journal of Environmental Quality， 2007，2（6）:2407.

致謝：本研究的NPP實(shí)測(cè)數(shù)據(jù)由中國(guó)科學(xué)院三江平原沼澤濕地生態(tài)試驗(yàn)站提供，氣候情景數(shù)據(jù)由中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所氣候變化研究組提供，在此表示感謝.

Risk assessment of net primary productivity for wetland under climate change scenario: a case study of the Calamagrostis angustifolia wetland at Fujin in Sanjiang Plain， Northeast China.

LIU Xia1，2， WANG Yi-yong1*， FanYa-qiu1，3 （1.Northeast Institute of Geography and Agroecology， Chinese Academy of Sciences， Changchun 130102，China；2.University of Chinese Academy of Sciences， Beijing 100049， China；3.Northeast Normal University， Changchun 130024， China）. China Environmental Science， 2015，35（12）：3762～3770

Using the BIOME-BGC model， we estimated the changes of net primary productivity （NPP） of Calamagrostis angustifolia wetland at Fujin City in the Sanjiang Plain under IPCC SRES emission scenarios （A1B， A2， B2）， and assessed the wetland risk level based on the change ratios. Our results showed the optimal method significantly improved the simulation of wetland vegetation. From 2013 to 2042， wetland NPP was higher than that in 1961～1990. The NPP fluctuated strongly under A1B and B2 scenarios， while it showed a decreasing trend under A2 scenario. Risk assessment result indicates the risk of wetland under climatic change scenarios. In the A1B scenario， the number of high risk year might more than 6 in the next 30 years， and the risk of wetland might be lowest in A2scenario. In addition， precipitation was determined to be the dominant factor that affected NPP with significantly positive relationship （R2=0.58， P＜0.05）. Although the increases in temperature and CO2concentration in the future climate are beneficial to plant growth， the wetland will face risk with the increases in extreme weather events and the intense climate change， especially for the greater fluctuation of precipitation. The protection and management of wetland should focus on water supply and deployment in the future.

BIOME-BGC；climate change scenario；Calamagrostis angustifolia wetland；net primary productivity

X171，P95

A

1000-6923（2015）12-3762-09

劉 夏（1982-），女，黑龍江齊齊哈爾人，中國(guó)科學(xué)院大學(xué)博士研究生，主要從事濕地與氣候變化研究.

2015-05-15

國(guó)家科技支撐計(jì)劃項(xiàng)目（2012BAC19B05-4）；吉林省自然科學(xué)基金項(xiàng)目（20130101085JC）

* 責(zé)任作者， 研究員， wangyiyong@iga.ac.cn