裴婷婷，李小雁，吳華武，吳秀臣，陳 英，謝保鵬

?

黃土高原植被水分利用效率對氣候和植被指數(shù)的敏感性研究

裴婷婷1,2，李小雁3,4，吳華武1,5，吳秀臣3,4，陳 英2，謝保鵬2

（1. 草業(yè)生態(tài)系統(tǒng)教育部重點實驗室（甘肅農業(yè)大學），蘭州 730070；2. 甘肅農業(yè)大學管理學院，蘭州 730070；3. 北京師范大學地表過程與資源生態(tài)國家重點實驗室，北京 100875；4. 北京師范大學地理科學學部資源學院，北京 100875；5. 中國科學院南京地理與湖泊研究所, 南京 210008）

生態(tài)系統(tǒng)水分利用效率（water use efficiency，WUE）連接了碳循環(huán)和水循環(huán)，是碳水耦合的重要參數(shù)。全面深入理解WUE的時空分布及其影響因素對預測陸地表面-大氣相互作用和陸地生態(tài)系統(tǒng)的動態(tài)變化至關重要。該文基于大尺度遙感歸一化植被指數(shù)（normalization difference vegetation index，NDVI）以及溫度和降水柵格數(shù)據(jù)，采用中分辨率成像光譜儀的總初級生產力和蒸散產品計算2000—2014年黃土高原生態(tài)系統(tǒng)WUE，運用嶺回歸探究黃土高原WUE對溫度、降水和NDVI的敏感性。結果表明：1）沿西北-東南隨降水量的增加，黃土高原多年均WUE逐漸降低，且黃土高原西南部高海拔地區(qū)WUE最低；同時，WUE的年際變化明顯，以2011年為轉折點，2012—2014年WUE明顯高于其他年份。2）WUE對溫度的敏感性在整個黃土高原呈現(xiàn)正值，WUE對降水和NDVI的敏感性存在閾值效應，即小于500 mm降水量，WUE隨降水和NDVI的增加而升高，超過550 mm降水量，WUE則隨降水和NDVI增加而降低。3）草地和灌叢WUE與NDVI正相關，森林WUE與NDVI負相關；灌叢WUE對溫度和降水的敏感度明顯高于森林和草地。

溫度；降水；回歸；植被指數(shù)；水分利用效率；敏感性；黃土高原

0 引 言

水分利用效率（water use efficiency，WUE）是指植物消耗單位質量的水分所能固定的CO2或者生產的干物質的量，是碳水耦合的重要指標。生態(tài)系統(tǒng)WUE（本研究中定義為總初級生產力和蒸散發(fā)之比）連接碳循環(huán)和水循環(huán)，是生態(tài)系統(tǒng)生產力對水分有效性響應的關鍵變量[1]。因此，在全球氣候變化的背景下，量化生態(tài)系統(tǒng)WUE的時空變化及其影響對理解陸地生態(tài)系統(tǒng)對氣候變化的響應具有重要的意義，對水資源可持續(xù)的管理以及生態(tài)系統(tǒng)服務具有一定的指示作用[2]。

近年來，對于WUE的研究得到廣泛關注，研究尺度從葉片尺度擴展到生態(tài)系統(tǒng)尺度[3]，研究方法則趨于多元化，包括直接測定法、氣體交換法、穩(wěn)定同位素技術[4-5]，渦度相關觀測[6]，遙感數(shù)據(jù)測量以及地表模型等[7]。但是，傳統(tǒng)的點尺度觀測和模擬不能滿足碳水耦合的大尺度研究，因此，遙感數(shù)據(jù)測量被越來越廣泛地運用在區(qū)域尺度和全球尺度WUE的研究中。

研究表明，WUE存在明顯時空間分異，溫度和降水是影響WUE的主要因素，但二者對WUE的影響存在一定爭議。隨著降水量增加，WUE可能會增加、降低或者不變[8-10]，同樣，溫度對WUE的影響隨著氣候區(qū)的改變發(fā)生變化[11]。當然，CO2濃度，氮營養(yǎng)等也是影響區(qū)域水分利用效率的重要氣候因素。植被對WUE的影響主要取決于植被類型及研究尺度[12-13]。綜上，氣候是影響WUE的主導因素，且不同植被類型的WUE差異較大，但以往學者同時探究生態(tài)系統(tǒng)尺度WUE對氣候和植被生長的敏感性研究較少，尤其是在干旱半干旱區(qū)域，水分虧缺是該區(qū)域植被生長的主要限制因素，全面理解該區(qū)域氣候和植被對WUE的驅動作用對于未來預測陸地表面-大氣相互作用和陸地生態(tài)系統(tǒng)的動態(tài)變化至關重要。

以往關于黃土高原WUE的研究主要是以點尺度的人工作物研究為主[14]，且影響因素主要以氣候因素為主，較少考慮植被指數(shù)對WUE的影響。本文運用遙感數(shù)據(jù)和氣候插值數(shù)據(jù)首先探究2000—2014年黃土高原WUE的時空分異特征，其次運用嶺回歸分析WUE對氣候因素和植被生長的敏感程度，以期為深入理解未來氣候和土地利用覆蓋變化背景下黃土高原高原生態(tài)系統(tǒng)的氣候適應機制提供理論基礎。

1 材料和方法

1.1 研究區(qū)概況

黃土高原位于100°54￠～114°33￠E，33°43￠～41°l6￠N，是世界上分布最集中且面積最大的黃土區(qū)（圖1a）。東西長約1 300 km，南北寬約 700 km，總面積64萬km2，海拔高度在89～5 210 m之間，該區(qū)年降水量為150～800 mm（圖1b），且多集中于6—9 月，屬于典型的大陸季風氣候特征，年均氣溫為3.6～14.3 ℃，其水平分布和垂直分布差異較大（圖1c）。黃土高原的蒸發(fā)量普遍高于實際降水量，年蒸發(fā)量為1 400～2 000 mm，其總體趨勢是南低北高，東低西高。由于過度地毀林開荒、過度放牧以及脆弱的自然環(huán)境，使得地表植被覆蓋迅速減少，且土地退化較為嚴重，同時，黃土高原表土疏松，進一步加劇了水土流失以及荒漠化，黃土高原生態(tài)環(huán)境趨于惡化。為改善黃土高原的生態(tài)環(huán)境，中國在1999年開始實施退耕還林還草工程，據(jù)報道，自退耕還林還草工程實施以來，黃土高原的植被覆蓋度發(fā)生了顯著變化。

圖1 黃土高原植被類型、多年平均降水量及氣溫空間分布

1.2 數(shù)據(jù)來源

1.2.1 氣候數(shù)據(jù)

本文的氣候數(shù)據(jù)基于中國氣象站點，運用專業(yè)氣候插值軟件ANUSPLIN插值得到黃土高原2000—2014年的氣溫和降水柵格數(shù)據(jù)，該數(shù)據(jù)空間分辨率為1 km，時間分辨率為月。

1.2.2 歸一化植被指數(shù)

歸一化植被指數(shù)（normalization difference vegetation index, NDVI）是應用最廣且能夠較好反映植被生長及生產力的植被指數(shù)。NDVI被定義為近紅外波段與可見光紅波段數(shù)值之差和這2個波段數(shù)值之和的比值。即

本文使用的GIMMS NDVI 3g來源于超高分辨率輻射儀（advanced very high resolution radiometer，AVHRR）/ 美國國家海洋和大氣局衛(wèi)星（National Oceanographic and Atmospheric Agency, NOAA）），從全球庫存建模和映射研究組（Global Inventory Modeing and Mapping Studies Group, GIMMS）獲得。和上一代產品一樣，NDVI3g數(shù)據(jù)運用經驗模型分解消除了不同傳感器之間的差異，并移除由于太陽天頂角引起的軌道漂移。同時運用最大值合成法（maximum value composites，MVC）消除大氣水汽、非火山巖氣溶膠和云覆蓋等影響[15]。本文對該數(shù)據(jù)進行重采樣，得到空間分辨率為1 km，時間分辨率為月，時間尺度為2000—2014年。

1.2.3 總初級生產力和蒸散發(fā)數(shù)據(jù)

總初級生產力（goss primary productivity，GPP）和蒸散發(fā)（evapotranspiration，ET）源于遙感數(shù)據(jù)。MODIS GPP（MOD17A3）是根據(jù)光利用效率模型估算得到的空間分辨率為1 km的數(shù)據(jù)集，它的輸入數(shù)據(jù)來源于NASA數(shù)據(jù)同化辦公室（NASA’s Data Assimilation Office）的氣候數(shù)據(jù)，其中詳細的植被信息（土地利用和光合有效輻射的比值FAPAR）來源于2000年到目前的MODIS遙感數(shù)據(jù)[16-18]。時間分辨率為8 d，時間尺度為2000—2014年。

MODIS ET（MOD16A3）數(shù)據(jù)是根據(jù)彭曼公式，使用增強的植被指數(shù)作為輸入參數(shù)而計算得到的一套全球且空間分辨率為1 km，時間分辨率為8 d的數(shù)據(jù)集[19]，論文采用的時間序列是2000—2014年。

1.2.4 土地利用覆蓋數(shù)據(jù)

數(shù)據(jù)來源于由NASA提供的MODIS土地利用覆蓋圖（MCD12Q1產品），數(shù)據(jù)的空間分辨率為250 m，時間為2013年。MODIS土地覆蓋數(shù)據(jù)能夠較好地反映區(qū)域土地覆蓋變化[20-21]。通過合并，得到森林、灌叢、草地、農作物以及其他5種植被類型，本論文運用的是前3種自然植被類型。

1.3 研究方法

1.3.1 嶺回歸

本文采用嶺回歸（ridge regression）來探究WUE對氣候和植被的敏感性。嶺回歸被證明是消除自變量之間共線性的有效方法[22]，它實際是一種改進的最小二乘法，其摒棄了最小二乘方法的不偏性，放棄了部分精度，尋求更符合實際的回歸過程。以下為嶺回歸的原理。

多元線性回歸模型為

=+（2）

式中為嶺參數(shù)，通常為≥0，當=0時，嶺估計是最小二乘估計，是單位矩陣。在式（4）中，矩陣的對角線上增加1組嶺系數(shù)，降低原最小估計的病態(tài)程度，使反演相對穩(wěn)定。

本文WUE是因變量，溫度，降水和NDVI是自變量，所有的變量在進行嶺回歸之前用MATLAB軟件進行線性去趨勢，計算得到的回歸系數(shù)是各自變量對因變量的敏感系數(shù)。本文選擇生長季的變量進行嶺回歸，生長季定義為3—10月。

嶺回歸在R語言中完成。

1.3.2 空間插值法

目前存在的空間插值法較多，但是精度卻相差較大，研究表明ANUSPLIN軟件插值得到的數(shù)據(jù)精度較高，可信度較強[23]。ANUSPLIN是澳大利亞國立大學（Australia National University）利用FORTRAN開發(fā)的空間插值模型，利用優(yōu)化薄板平滑樣條函數(shù)來擬合氣象數(shù)據(jù)，這一模型對所需的氣象站點數(shù)量沒有限制，模型要求輸入氣象站點的位置和高程。這一方法已經被廣泛應用于氣候變量的插值當中[23-24]。論文采用ANUSPLIN方法對黃土高原周圍以及內部的150個氣象站點進行空間插值。

2 結果與分析

2.1 黃土高原GPP、ET和WUE的時空分布特征

2000—2014年黃土高原生長季GPP隨降水量增加而增加（圖2a）。GPP多年平均值為（323.65± 184.23）g/m2（以C計，下同），變化范圍為9.55～1442.44 g/m2。不同植被類型的GPP差異明顯，森林GPP最高（（702.36 ± 180.64）g/m2），灌木GPP最低（（162.73 ± 91.72）g/m2）（圖2b）。2000—2014年黃土高原生長季ET的空間分布格局和GPP相似，即沿西北-東南方向隨降水量的增加，ET逐漸增加。同時，ET波動較大，最低值為22.80 mm，最高值為848.51 mm，生長季的多年平均ET為（233.78 ± 123.09）mm（圖2c）。另外，生長季ET在不同植被類型之間分異明顯，森林最高（（442.61 ± 91.09）mm），草地次之（（183.18 ± 94.16）mm），灌木最低（（113.47 ± 65.11）mm）（圖2d）。2000—2014年黃土高原GPP和ET的年際變化明顯（圖3），ET呈波動變化，GPP在2011年以后增加迅速，2012—2014年明顯高于其他年份，從2011年的（263.10 ± 167.39）g/m2上升到2012年（512.07 ± 244.96）g/m2。

注：GPP以C計，下同。

圖3 黃土高原2000—2014年GPP和ET年際變化圖

2000—2014年黃土高原生長季植被WUE空間分異明顯（圖4a），沿西北-東南隨降水量的增加，黃土高原多年均WUE逐漸降低，且研究區(qū)西南部（以高寒草甸為主）WUE最低，為（0.94 ± 0.28）g/(m2·mm)，研究區(qū)東南部的森林分布區(qū)，WUE明顯高于周圍地區(qū)。

圖4 黃土高原2000—2014年平均水分利用效率時空分布

研究期內3種植被類型的WUE從2000—2014年呈波動式的變化趨勢（圖4b），整體表現(xiàn)出森林WUE高于灌叢和草地，但在部分年份也會出現(xiàn)灌叢的WUE高于森林。另外，從2012年開始，3種植被的WUE呈現(xiàn)了明顯的增加趨勢，這和GPP時間變化趨勢一致，說明這3a GPP的快速增加導致了3種植被WUE的快速增加。

2.2 黃土高原植被WUE對溫度、降水量和NDVI的敏感性分析

黃土高原2000—2014年WUE對于溫度、降水量以及NDVI敏感性的空間分布如圖5所示。WUE對于溫度的敏感性（TEM）具有明顯的空間差異，且整個區(qū)域普遍呈現(xiàn)顯著正TEM（<0.01），同時，TEM較高的區(qū)域主要集中在黃土高原的西北和東南地區(qū)（圖5a）。WUE對于降水敏感性（PRE）的空間分布規(guī)律較為明顯，整體呈現(xiàn)出隨著降水量的增加，PRE降低，同時，正負并存，正占了整個區(qū)域的82%，主要分布在黃土高原的西北以及中部地區(qū)，而顯著性負主要分布在黃土高原降水量較多的東南地區(qū)（圖5b）。WUE對于NDVI敏感性（NDVI）的空間分布與PRE的空間分布格局相似，即NDVI在整個黃土高原呈現(xiàn)出正值和負值并存，盡管黃土高原的西部和北部的部分區(qū)域出現(xiàn)負NDVI，但只有東南地區(qū)的負NVDI通過了顯著性檢驗（圖5c）。

注：γ為敏感系數(shù)。

為了進一步探明WUE對降水的敏感性隨著降水量的變化，以50 mm降水量為間隔，對黃土高原多年平均降水量進行劃分，并提取每一降水間隔內的PRE，結果如表1所示。WUE對降水的敏感性存在閾值效應，降水量在100～400 mm之間，PRE為正值且變化較為穩(wěn)定，即在這個區(qū)間內，WUE隨著降水量的增多而提高。從450 mm開始，PRE開始降低，超過550 mm時，PRE出現(xiàn)負值，即WUE隨著降水量的增加而降低。同樣的，以50 mm降水量為間隔，提取每一降水間隔內的NVDI，發(fā)現(xiàn)降水量大于550 mm時NDVI也出現(xiàn)負值。因此，WUE對降水和NDVI的敏感性可能均存在閾值效應，即在某一降水梯度內，WUE隨著降水量或NDVI的增加而增加，但是超過了這一閾值，WUE會隨著降水或NDVI的增加而降低。

表1 2000—2014年WUE對降水量和NDVI敏感性隨降水梯度變化

另外，對比分析不同植被WUE對降水、溫度和NDVI的敏感性（表2），發(fā)現(xiàn)灌木和草地的PRE和TEM均高于森林，表明每單位降水量和溫度變化引起灌叢和草地WUE的改變大于森林WUE的改變。對比3種植被的NDVI，發(fā)現(xiàn)森林WUE對NDVI的敏感性為負值，即隨著NDVI升高，森林WUE降低，而灌木和草地WUE則隨著NDVI的增大而正向提高。這和NDVI隨降水量變化的閾值效應一致，即出現(xiàn)負NDVI的區(qū)域主要以森林為主，而出現(xiàn)正NDVI的區(qū)域以灌木和草地為主。因此， WUE對于氣候和植被的敏感性在不同植被類型下差異較大，灌木和草地WUE對植被生長的敏感性為正值，森林WUE對植被生長的敏感性為負值，灌木WUE對降水和溫度的敏感度明顯高于草地和森林。

表2 不同植被類型WUE對于溫度、降水和植被指數(shù)的敏感性

3 討 論

溫度、降水和NDVI是影響WUE時空分異的重要因素。本文發(fā)現(xiàn)WUE在時間序列上出現(xiàn)突變點，即2012—2014年WUE明顯高于其他年份，這和以往研究結果一致，鄒杰等在對中亞地區(qū)生態(tài)系統(tǒng)WUE的研究中發(fā)現(xiàn)2012年以后WUE顯著增加[25]。為了探究WUE升高的原因，運用廣義線性模型（generalized linear model，GLM）進一步分析發(fā)現(xiàn)：相比溫度，降水對GPP和ET起主導作用（圖6a），且降水對GPP的貢獻高于降水對ET的貢獻（<0.05），加之2012年以后降水明顯升高（圖6b），因此，由于降水升高引起的GPP的增加幅度大于ET的增加幅度[1,6,11,25-26]，這在一定程度上能夠解釋了2012年以后WUE的顯著升高。另外，黃土高原WUE存在明顯的空間差異，尤其是在黃土高原的西部地區(qū)，WUE明顯低于其他干旱半干旱地區(qū)，這和以往的研究結果一致，Van de Water et al.（2002）發(fā)現(xiàn)植物在冷濕環(huán)境下的δ13C值要低于干旱半干旱區(qū)[27]，而黃土高原西部主要位于青海省的東北部，屬于高海拔濕冷地區(qū)，因此該區(qū)域WUE較低。

圖6 黃土高原2000—2014年降水動態(tài)變化及降水和溫度對GPP和ET的貢獻

Zhang等[2]對黃土高原WUE的研究表明森林和草地WUE對降水敏感，溫度主導灌叢WUE，本文研究表明灌木WUE對溫度和降水的敏感程度相比森林和草地達到最高，但森林WUE對于NDVI 呈現(xiàn)負敏感。盡管均是對黃土高原WUE的研究，但研究結果有相似也有差異，造成差異的原因有：1）WUE的計算方法不同，本研究WUE由GPP和ET之比計算得到，而Zhang等的研究中WUE則由NPP和ET之比得到，且NPP數(shù)據(jù)是根據(jù)CASA模型計算得到；2）對WUE影響因素的選擇不同，Zhang 等主要考慮的是氣候因素對WUE的影響，而本研究將植被生長作為WUE的重要影響因素之一。綜上，WUE的計算方法以及影響因素的選擇，均會對結果產生影響。

WUE對降水量和NDVI的敏感性均存在閾值效應，即在一定降水范圍內，WUE隨著降水量或NDVI的增加而增加，但是超出這一范圍，WUE則會隨著降水量或NDVI的增加而降低，且WUE對于降水量和NDVI敏感性的閾值范圍可能在500～550 mm降水量之間。Liu等對中國陸地生態(tài)系統(tǒng)WUE的研究表明，不同植被和WUE的關系呈現(xiàn)先增加后降低的趨勢，且大部分植被的突變點為500 mm降水量線，這和本文的研究結果基本吻合[27]。同時也有研究得到相應的結果，基于通量塔數(shù)據(jù)的中國生態(tài)系統(tǒng)WUE的研究結果表明，年降水量低于500 mm時，WUE隨著降水量的增加快速增加，而當降水量大于500 mm時，WUE基本趨于飽和[28]。降水量對WUE的閾值效應可能和區(qū)域內的有效降水有關。降水并不能完全反映植被的有效用水，濕潤半濕潤區(qū)植被對降水的利用率未必會高于干旱半干旱區(qū)植被對降水的利用[29]，相反，降水越多的區(qū)域降水以徑流、冠層截留以及土壤蒸發(fā)等形式耗散，從而可能產生更多的無效水，因此該區(qū)域WUE隨著降水的增加而降低[30-31]。此外，在一定降水區(qū)間內，大部分降水為生產性用水，且用于產生GPP的有效水要大于用于蒸騰的有效水，因此，使得WUE隨著降水的增加而增加[1]，但是超過一定的降水區(qū)間，即在濕潤半濕潤地區(qū)，降水不再是植被生長的限制因素，降水的增加通常對應的是該區(qū)域用于碳吸收的向下短波輻射的減少[31]，使得GPP下降，從而使得WUE隨降水的增加而降低。

另外，WUE對植被生長的敏感性也存在閾值效應，而這個閾值范圍和降水閾值一致，在相關研究中也得到類似結果。Liu等的研究結果表明當LAI較低時，LAI的增加能夠導致植被蒸騰與蒸散發(fā)的比值（Tr/ET）以及光合的增加，從而使得WUE提高，而當LAI超過一定的范圍，Tr/ET就會受到限制，因此，從而造成WUE對LAI的變化不敏感。WUE對LAI的響應模式在通量塔和模型研究中均有體現(xiàn)[27]。盡管本文使用植被指數(shù)NDVI，但是同樣存在閾值效應，而這種閾值效應可能和NDVI對于ET以及GPP的直接影響有關。當降水量小于500 mm時，NDVI增加引起的GPP的增加可能大于NDVI增加引起的ET的增加，因此使得WUE隨著NDVI的增加而升高，但是超過550 mm降水量，NDVI趨于飽和，由此產生的GPP基本不變，但是植被對降水的攔截作用增強，加之蒸騰作用的增加，使得WUE降低[31]。因此，黃土高原2000—2014年平均WUE的變化既與氣候因子有關，還與植被因子有關，同時還應考慮氣候和植被因子對WUE的閾值效應。

盡管本研究對黃土高原生態(tài)系統(tǒng)WUE的時空分布及其影響因素做了較為全面的分析，但是由于數(shù)據(jù)源和空間尺度存在不確定性，在今后探究WUE影響機理的過程中應該將試驗觀測數(shù)據(jù)、高精度的遙感數(shù)據(jù)和生態(tài)系統(tǒng)模型等進行綜合應用，以提高分析的精確性。

4 結 論

1）黃土高原2000—2014年生態(tài)系統(tǒng)GPP、ET以及WUE的時空分異明顯。ET的空間分布格局和GPP相似，即沿西北-東南方向隨降水量的增加，GPP和ET逐漸增加。研究區(qū)西南部WUE最低，北部WUE基本呈現(xiàn)出沿西北-東南隨降水量的增加而降低，但是在東南部的林地分布區(qū)，WUE明顯高于周圍地區(qū)；同時，WUE的年際變化明顯，尤其在2012—2014年，整個黃土高原的WUE明顯高于其他年份。

2）氣候和植被生長對WUE影響具有明顯的空間差異。WUE對溫度的敏感性在整個黃土高原呈現(xiàn)正值；WUE對降水和NDVI的敏感性存在閾值效應，即小于500 mm降水量，WUE隨降水和NDVI的增加而升高；超過550 mm降水量 WUE則隨降水量和NDVI增加而降低。

3）不同植被類型WUE對溫度、降水和NDVI的敏感程度差異較大。草地和灌木WUE與NDVI正相關，森林WUE與NDVI負相關；灌木WUE對于降水和溫度的敏感度明顯高于草地和森林。

[1] Yang Yuting, Guan Huade, Batelaan Okke, et al. Contrasting responses of water use efficiency to drought across global terrestrial ecosystems[J]. Scientific Reports, 2016, 6: 1－8.

[2] Zhang Tian, Peng Jian, Liang Wei, et al. Spatial–temporal patterns of water use efficiency and climate controls in China's Loess Plateau during 2000–2010[J]. Science of The Total Environment, 2016, 565: 105－122.

[3] Niu Shuli, Xing Xuerong, Zhang Zhe, et al. Water‐use efficiency in response to climate change: from leaf to ecosystem in a temperate steppe[J]. Global Change Biology, 2011, 17(2): 1073－1082.

[4] 胡中民，于貴瑞，王秋鳳，等. 生態(tài)系統(tǒng)水分利用效率研究進展[J]. 生態(tài)學報, 2009，29(3)：1498－1507. Hu Zhongmin, Yu Guirui, Wang Qiufeng, et al. Ecosystem level water use efficiency: A review[J]. Acta Ecologica Sinica, 2009, 29(3): 1498－1507. (in Chinese with English abstract)

[5] 王云霓，熊偉，王彥輝，等. 干旱半干旱地區(qū)主要樹種葉片水分利用效率研究綜述[J]. 世界林業(yè)研究, 2012，25(2)：17－23. Wang Yunni, Xiong Wei, Wang Yanhui, et al. A review on leaf water use efficiency of major trees species in arid and semi-arid area[J]. World Forestry Research, 2012, 25(2): 17－23. (in Chinese with English abstract)

[6] Yu G R, Zhu X J, Fu Y L, et al. Spatial patterns and climate drivers of carbon fluxes in terrestrial ecosystems of China[J]. Global Change Biology, 2013, 19(3): 798－810.

[7] 王慶偉，于大炮，代力民，等. 全球氣候變化下植物水分利用效率研究進展[J]. 應用生態(tài)學報，2010，21(12)：3255－3265. Wang Qingwei, Yu Dapao, Dai Limin, et al. Research progress in water use efficiency of plants under global climate change[J]. Chinese Journal of Applied Ecology, 2010, 21(12): 3255－3265. (in Chinese with English abstract)

[8] Bai Yongfei, Wu Jianguo, Xing Qi, et al. Primary production and rain use efficiency across a precipitation gradient on the Mongolia plateau[J]. Ecology, 2008, 89(8): 2140－2153.

[9] Huxman Travis E, Cable Jessica M, Ignace Danielle D, et al. Response of net ecosystem gas exchange to a simulated precipitation pulse in a semi-arid grassland: The role of native versus non-native grasses and soil texture[J]. Oecologia, 2004, 141(2): 295－305.

[10] Scanlon Todd M, Albertson John D. Canopy scale measurements of CO2and water vapor exchange along a precipitation gradient in southern Africa[J]. Global Change Biology, 2004, 10(3): 329－341.

[11] Sun Yan, Piao Shilong, Huang Mengtian, et al. Global patterns and climate drivers of water-use efficiency in terrestrial ecosystems deduced from satellite-based datasets and carbon cycle models[J]. Global Ecology and Biogeography, 2016, 25, 311－323.

[12] Farquhar Graham D, Sharkey Thomas D. Stomatal conductance and photosynthesis[J]. Annual Review of Plant Physiology, 1982, 33(1): 317－345.

[13] Xie Jing, Zha Tianshan, Zhou Caixian, et al. Seasonal variation in ecosystem water use efficiency in an urban-forest reserve affected by periodic drought[J]. Agricultural and Forest Meteorology, 2016, 221: 142－151.

[14] Chen Yanlong, Liu Ting, Tian Xiaohong, et al. Effects of plastic film combined with straw mulch on grain yield and water use efficiency of winter wheat in Loess Plateau[J]. Field Crops Research, 2015, 172: 53－58.

[15] Anyamba Assaf, Small Jenniefer L, Tucker Compton J, et al. Thirty-two years of Sahelian zone growing season non-stationary NDVI3g patterns and trends[J]. Remote Sensing, 2014, 6(4): 3101－3122.

[16] Running Steven W, Nemani Ramakrishna R, Faith Ann Heinsch, et al. A continuous satellite-derived measure of global terrestrial primary production[J]. Bioscience, 2004, 54(6): 547－560.

[17] Turner David P, Ritts William D, Cohen Warren B, et al. Evaluation of MODIS NPP and GPP products across multiple biomes[J]. Remote Sensing of Environment, 2006, 102(3): 282－292.

[18] Zhao Maosheng, Faith Ann Heinsch, Nemani Ramakrishna R, et al. Improvements of the MODIS terrestrial gross and net primary production global data set[J]. Remote Sensing of Environment, 2005, 95(2): 164－176.

[19] Mu Qiaozhen, Zhao Maosheng, Running Steven W. Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment, 2011, 115(8): 1781－1800.

[20] 劉向培，王漢杰，何明元，等. 三種土地覆蓋遙感數(shù)據(jù)在中國區(qū)域的精度分析[J]. 農業(yè)工程學報，2012，28(24)：252－259. Liu Xiangpei, Wang Hanjie, He Mingyuan, et al. Precision analysis of three land-cover types in China region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(24): 252－259. (in Chinese with English abstract)

[21] 曹明，張友靜，鄭淑倩，等. MODIS土地覆蓋數(shù)據(jù)產品精度分析：以黃河源區(qū)為例[J]. 遙感信息，2012，27(4)：22－27. Cao Ming, Zhang Youjing, Zheng Shuqian, et al. Accuracy analysis of MODIS land cover data product: A case study of Yellow River Source region[J]. Remote Sensing Information, 2012, 27(4): 22－27. (in Chinese with English abstract)

[22] Walker Esteban, Birch Jeffery B. Influence measures in ridge regression[J]. Technometrics, 1988, 30(2): 221－227.

[23] Feng Xiaoming, Fu Bojie, Piao Shilong, et al. Revegetation in China’s Loess Plateau is approaching sustainable water resource limits[J]. Nature Climate Change, 2016, 6(11): 1019－1022.

[24] Hou Wenjuan, Gao Jiangbo, Wu Shaohong, et al. Interannual variations in growing-season NDVI and its correlation with climate variables in the southwestern karst region of China[J]. Remote Sensing, 2015, 7(9): 11105－11124.

[25] 鄒杰，丁建麗，秦艷，等. 遙感分析中亞地區(qū)生態(tài)系統(tǒng)水分利用效率對干旱的響應[J]. 農業(yè)工程學報，2018，34(9)：145－152. Zou Jie, Ding Jianli, Qin Yan, et al. Response of water use efficiency of Central Asia ecosystem to drought based on remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(9): 145－152. (in Chinese with English abstract)

[26] Liu Yibo, Xiao Jingfeng, Ju Weimin, et al. Water use efficiency of China’s terrestrial ecosystems and responses to drought[J]. Scientific reports, 2015, 5. doi: 10.1038/srep13799.

[27] Van de Water Peter K, Leavitt Steven W, Betancourt Julio L. Leaf δ13C variability with elevation, slope aspect, and precipitation in the southwest United States[J]. Oecologia, 2002, 132: 332－343.

[28] Zhang Fangmin, Ju Weimin, Shen Shuanghe, et al. How recent climate change influences water use efficiency in East Asia[J], Theoretical and Applied Climatology, 2014, 116(1): 359－370.

[29] Zhang Xin, Moran M Susan, Zhao Xiang, et al. Impact of prolonged drought on rainfall use efficiency using MODIS data across China in the early 21st century[J]. Remote Sensing of Environment, 2014, 150: 188－197.

[30] Hu Zhongmin, Yu Guirui, Fu Yuling, et al. Effects of vegetation control on ecosystem water use efficiency within and among four grassland ecosystems in China[J]. Global Change Biology, 2008, 14(7): 1609－1619.

[31] Heitman J L, Horton R, Sauer T J, et al. Sensible heat observations reveal soil-water evaporation dynamics[J]. Journal of Hydrometeorology, 2008, 9(1): 165－171.

Sensitivity of vegetation water use efficiency to climate and vegetation index in Loess Plateau, China

Pei Tingting1,2, Li Xiaoyan3,4, Wu Huawu1,5, Wu Xiuchen3,4, Chen Ying2, Xie Baopeng2

(1730070,; 2.730070,; 3.100875,; 4.100875,; 5210008,)

Water use efficiency (WUE) refers to the amount of CO2or dry matter produced by per unit consumed water by plants, which is an important indicator of carbon-water coupling. A comprehensive understanding of spatial and temporal distribution and influencing factors of WUE is crucial for predicting land surface-atmosphere interactions and future dynamics of terrestrial ecosystems in response to future climate warming. In this study, we analyzed the response of WUE to precipitation, air temperature and vegetation index in Loess Plateau. Data were obtained from well-established products from moderate resolution imaging spectroradiometer (MODIS). The data of gross primary productivity (GPP) and evapotranspiration (ET) were from the MOD17A3 and MOD16A3, respectively. The data had been validated. WUE was the ratio of GPP to ET. Gridded precipitation and air temperature data were interpolated by ANUSPLIN software, and the satellite-derived normalized difference vegetation index (NDVI) was from Advanced Very High Resolution Radiometer (AVHRR)/ National Oceanographic and Atmospheric Agency (NOAA), all the data in this article were resampled to 1 km resolution. The duration was from the year of 2000 to 2014. Land coverage was classified by CMG products (MCD12Q1) with resolution of 1 km. The analysis focused mainly on 3 natural vegetation groups because cultivated vegetation had experienced intensive human management in Loess plateau. The growing season was consequently defined as the duration from March to October. All the variables were detrended by linear fitting before performing the ridge regression using MATLAB. When applying ridge regression to explore the sensitivity of WUE to temperature, precipitation and NDVI, WUE was dependent variable, and temperature, precipitation and NDVI were dependent variables. The results showed that: 1) GPP, ET and WUE distribution had an obvious spatial and temporal pattern in Loess Plateau. The GPP and ET gradually reduced with increasing precipitation. Forest had the highest GPP and ET and shrubland had the lowest GPP and ET. The lowest WUE was found in the southwest of Loess plateau, which was an higher altitude area. Mean annual WUE decreased with increasing precipitation. The interannual variation of GPP, ET and WUE were also obvious, the same variation trend were found in WUE and GPP, which were significantly higher in the year of 2012, 2013 and 2014 than the other years. But the ET didn’t showed obvious variation regulation. 2) The sensitivity of WUE to air temperature, precipitation and NDVI showed significant spatial divergence. the sensitivity of WUE to temperature was significantly positive in the whole Loess plateau. The sensitivity of WUE to precipitation and NDVI presented a threshold effect, i.e., WUE increased with precipitation and NDVI when precipitation was less than 500 mm, WUE decreased with precipitation and NDVI when precipitation was over 550 mm. 3) The sensitivity of WUE to air temperature, precipitation and NDVI were related to vegetation type. The NDVI was positively correlated with the WUE of grassland and shrubland, and negatively correlated with the WUE of forest. The sensitivity of WUE of shrubland to temperature and precipitation was significantly higher than that of forest and grassland. This research is helpful in understanding the climate adaptation mechanism of ecosystem under the background of future climate and land use cover change in Loess Plateau.

temperature; precipitation; regression; vegetation index; water use efficiency; sensitivity; Loess Plateau

2018-08-01

2018-11-16

國家自然科學基金（71563001）；甘肅農業(yè)大學草業(yè)學院學科建設基金資助（GAU-XKJS-2018-009和GAU-XKJS-2018-015）

裴婷婷，博士，研究方向：生態(tài)遙感，生態(tài)水文。Email：825629198@qq.com

10.11975/j.issn.1002-6819.2019.05.014

P46.22

A

1002-6819(2019)-05-0119-07

裴婷婷，李小雁，吳華武，吳秀臣，陳 英，謝保鵬. 黃土高原植被水分利用效率對氣候和植被指數(shù)的敏感性研究[J]. 農業(yè)工程學報，2019，35(5)：119－125. doi：10.11975/j.issn.1002-6819.2019.05.014 http://www.tcsae.org

Pei Tingting, Li Xiaoyan, Wu Huawu,Wu Xiuchen, Chen Ying, Xie Baopeng. Sensitivity of vegetation water use efficiency to climate and vegetation index in Loess Plateau, China [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(5): 119－125. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.05.014 http://www.tcsae.org