邵 輝,張遠東,*,顧峰雪,繆 寧,劉世榮

1 中國林業(yè)科學研究院森林生態(tài)環(huán)境與保護研究所,國家林業(yè)和草原局森林生態(tài)環(huán)境重點實驗室, 北京 100091 2 中國農業(yè)科學院農業(yè)環(huán)境與可持續(xù)發(fā)展研究所,農業(yè)部旱作節(jié)水農業(yè)重點實驗室, 北京 100081 3 四川大學生命科學學院,生物資源與生態(tài)環(huán)境教育部重點實驗室, 成都 610064

隨著工業(yè)社會的發(fā)展,由于人們大量使用煤炭、石油等化石燃料,造成大氣中CO2等溫室氣體的濃度逐漸上升。溫室氣體增多導致全球逐漸變暖,這在一定程度上影響了全球水碳平衡[1- 2],造成某些地區(qū)水分不足,進而會影響該地區(qū)植物對水分的利用。水分利用效率(Water Use Efficiency, WUE)不僅能夠反映生態(tài)系統(tǒng)水平上植物對吸收的碳和消耗的水之間的平衡,即碳水耦合特征[3- 4],而且在一定程度上能夠體現(xiàn)植物對水分的利用效果[5]。因此,通過研究其對外界環(huán)境因子變化的響應,如：氣候變暖、CO2濃度升高、降水變化、氮沉降等[6],有助于了解和預測氣候變化對生態(tài)系統(tǒng)的影響,為應對氣候變化提供新的依據(jù)。

WUE指植物消耗單位水量所生產出的碳同化量,可以作為評價植物生長適宜度的綜合生理生態(tài)指標。早期對植被WUE的研究主要為試驗觀測,多采用田間直接測定法[7]。之后,隨著觀測技術的發(fā)展,渦度相關技術逐漸應用到對不同類型的生態(tài)系統(tǒng)水碳循環(huán)、生產力和WUE等的模擬[8- 10]。在區(qū)域尺度上,隨著遙感技術的發(fā)展,使得大尺度上植被生長和水分狀況的獲取成為可能[11- 12],并在研究生態(tài)系統(tǒng)水平上的WUE取得突破性進展[13]。Zhang等[14]利用CASA模型(Carnegie Ames Stanford Approach model)和糧農組織Penman-Monteith模型,對長江源區(qū)2000—2010年植被WUE的研究發(fā)現(xiàn),植被WUE呈明顯下降趨勢。Gang等[15]研究評估2000—2013年全球草地WUE的時空動態(tài)時發(fā)現(xiàn),有37.89%的草原生態(tài)系統(tǒng)WUE有所下降,其中3.34%顯著下降,而且南北半球每種草地類型的WUE對氣候變化的反應不同。Zhou等[16]使用BEPS模型(Boreal Ecosystem Productivity Simulator model)和遙感數(shù)據(jù),模擬西南地區(qū)森林生態(tài)系統(tǒng)WUE在干旱脅迫下的變化,研究結果表明,干旱引起森林生態(tài)系統(tǒng)凈初級生產力(Net Primary Productivity, NPP)下降大于蒸散(Evapotranspiration,ET),森林生態(tài)系統(tǒng)WUE表現(xiàn)為對干旱的積極響應,表明森林生態(tài)系統(tǒng)具有抗旱性。

長江經濟帶東起上海市,西至云南省,覆蓋11省(市)五大城市群,其面積約占我國國土面積的21%,該地區(qū)經濟發(fā)達,城市體系完整,人口超過全國人口的40%,是我國重大戰(zhàn)略發(fā)展區(qū),也是我國“三大支撐帶”之一[17- 18]。長江經濟帶在生態(tài)區(qū)位上同樣具有重要的地位,該地區(qū)生態(tài)系統(tǒng)類型多樣,有森林、草地、灌叢、濕地等,生物多樣性豐富,擁有多種珍稀水生生物物種,重要保護物種近1400余種,是我國生態(tài)文明建設的示范帶[19- 20]。本文使用生態(tài)系統(tǒng)過程模型CEVSA2(Carbon Exchange between Vegetation, Soil and Atmosphere)估算1981—2010年期間,長江經濟帶11省(市)的NPP和ET,通過揭示WUE時空變化,分析其對溫度和降水的響應,以便今后為該地區(qū)生態(tài)恢復與水碳管理提供建議。

1 資料和方法

1.1 研究區(qū)概況

長江經濟帶(圖1)主要位于東經97°21′—122°25′,北緯21°08′—35°20′之間,覆蓋四川、云南、貴州等11省(市),面積約205萬平方公里,橫跨東中西三大區(qū)域[21]。地理位置優(yōu)越,地勢西高東低,呈多級階梯性地形,西部為青藏高原東緣的高山峽谷區(qū),中東部低山丘陵與平原相間分布,湖泊眾多(太湖、洞庭湖、鄱陽湖、巢湖等)。氣候濕潤,降雨充沛,水資源豐富,大部分地區(qū)屬亞熱帶季風氣候,平均年降水量約1067 mm,平均干旱指數(shù)為0.86,屬于濕潤地帶[22- 23]。

圖1 長江經濟帶地理位置Fig.1 Location of study region

1.2 數(shù)據(jù)來源

本研究CEVSA2模型所需要的數(shù)據(jù)包括CO2濃度、土壤類型、植被數(shù)據(jù)以及氣象資料,其中溫度、降水等氣象數(shù)據(jù),均來自國家氣象信息中心。利用ANUSPLIN軟件插值得到分辨率0.1°×0.1°的柵格數(shù)據(jù),作為模型的氣象輸入數(shù)據(jù)。大氣CO2濃度資料來自于美國NOAA Mauna Loa CO2數(shù)據(jù)集,自CO2·earth網站下載(https://www.co2.earth/)。土壤類型和質地資料來自1∶100萬土壤類型圖和第二次土壤普查數(shù)據(jù),并對其進行重采樣,使得其與氣候數(shù)據(jù)的空間分辨率一致。植被數(shù)據(jù)采用2000年全球土地覆蓋數(shù)據(jù)集(European Commission, Joint Research Centre, 2003.http://bioval. Jrc.ec.europa.eu/products/glc2000/glc2000.php)。

1.3 模型介紹

CEVSA2是一個基于生理和生態(tài)過程的生物地球化學循環(huán)模型,用于模擬植物-土壤-大氣系統(tǒng)能量交換和水-碳-氮耦合循環(huán)過程[24-27]。利用該模型可以模擬區(qū)域至全球尺度上生態(tài)系統(tǒng)過程對大氣CO2濃度變化、氣候變化、氮沉降等的響應[28-30]。在CEVSA2模型中,對于碳循環(huán)的模擬主要基于光合、自養(yǎng)呼吸、凋落、異養(yǎng)呼吸等過程的定量表達,而這些過程受生理生態(tài)特征和環(huán)境條件的共同控制。CEVSA2模型通過計算輻射、水和熱的傳輸過程來模擬水循環(huán)過程[31-32]。

在CEVSA2模型中,基于Farquhar[33]方程模擬光合作用,綜合考慮了光合作用、氣孔導度、呼吸作用、氮吸收和蒸發(fā)蒸騰量等生理生態(tài)過程來決定NPP,NPP是植被冠層的總光合速率(A)與植物自養(yǎng)呼吸(R)的差值。

NPP=A-Ra

(1)

式中,A為植被冠層的光合速率,Ra為葉、莖或根的呼吸消耗產物量。在CEVSA2模型中光合速率由生物化學過程和氣孔傳導共同決定。模型中采用連續(xù)迭代的方法解有關的非線性方程組使由生物化學過程和氣孔傳導度決定的光合速率相等,此時的光合速率即為A。由植物的生物生化過程決定的光合速率Ab為,

Ab=min{Wc,Wj,Wp}(1-0.5Po/τPc)-Rd

(2)

氣孔導度決定的光合速率Ad由下式計算：

Ad=gs(Pa-Pc)/160

(3)

式中,Wc由光合酶,即二磷酸核酮糖-羧化酶-氧化酶(Rubisco)活性所決定,與葉片氮含量直接相關。Wj取決于光合反應過程中的電子傳遞速度,決定于葉片吸收的光合有效輻射。Wp決定于光合反應過程對磷酸丙糖(Triose Phosphate)的利用效率,決定于葉片對光合產物的利用和輸出能力。Po和Pc分別是葉肉組織中O2和CO2的分壓,決定于大氣CO2分壓和葉片氣孔傳導度。τ是Rubisco對CO2濃度的特定反應參數(shù),在模型中τ是溫度的函數(shù),Rd為白晝非光合呼吸速率。gs是植物葉片的氣孔導度,Pa和Pc分別是葉片表面和細胞內的CO2分壓。

在CEVSA2模型中,自養(yǎng)呼吸Ra包括維持呼吸Rm和生產呼吸Rg兩部分。Rg是總初級生產力減去維持呼吸剩余部分的20%。而維持呼吸又分為葉片和非葉組織兩部分分別計算[34],葉片的維持呼吸(Rml)取決于葉片氮含量(N)和溫度(T)[35]：

(4)

式中,r1(T)和r2(T)分別是溫度的響應函數(shù),Tk是絕對溫度。

非葉組織的維持呼吸則取決于非葉組織的質量(mw)和溫度：

Rms=kmmwRR(Tk)

(5)

式中,km為呼吸速率,一般km=0.35,RR(Tk)為維持呼吸的溫度響應函數(shù)。

Penman-Monteith方程通過氣孔阻抗與植物的光合同化過程聯(lián)系在一起,從而能夠更好地模擬冠層水碳的耦合循環(huán)。因此CEVSA2中采用Penman-Monteith方程計算冠層的蒸散,

(6)

式中,cp是空氣的比熱,gn是冠層氣孔導度,ga是邊界層導度,Rn是凈輻射,g是干濕表常數(shù),l是蒸發(fā)潛熱,r是空氣密度,D是水汽壓差,s是飽和水汽壓差對溫度的曲線斜率。

1.4 模型運行與驗證

本研究中,模型運行的時間步長為10d,空間分辨率為0.1°。首先應用1961—2010年的平均氣候數(shù)據(jù)運行模型至生態(tài)系統(tǒng)平衡態(tài),即各個狀態(tài)變量如植被、土壤碳貯量以及土壤含水量等年際變化量小于0.1%,且NPP、LT(Litter Productivity,凋落物產生量)與HR(Heterotrophic Respiration,異氧呼吸)相等,然后用1961—2010年每旬資料進行動態(tài)模擬,并反復運行模型以消除假定的生態(tài)系統(tǒng)狀態(tài)變量的初始值(即平衡態(tài)假設)對模擬結果的影響。從最終模擬結果中提取長江流域的數(shù)據(jù)進行分析。

在CEVSA2模型的發(fā)展建立和區(qū)域應用過程中,應用了大量的水碳循環(huán)觀測數(shù)據(jù)對模型的模擬結果進行了驗證。IGBP的GPPDI計劃搜集和編制了近1600個基于實際測定的全球0.5經緯度網格NPP數(shù)據(jù)庫,它包括各種植被類型的代表性樣點。CEVSA模擬值與GPPDI觀測值的比較表明,兩者之間不僅有很強的相關性,絕對值也非常接近[36]。顧峰雪等[37]在2007年利用不同站點的通量觀測數(shù)據(jù)對CEVSA2模型進行了驗證,驗證結果表明,CEVSA2模型能夠很好地模擬不同站點水碳交換的季節(jié)、年際動態(tài)特征及其對環(huán)境變化的響應,對ET的驗證結果表明在日尺度上,長白山、千煙洲、海北和哈佛站的觀測值與模擬值的R2達到0.65以上。Gu等[27]用中國420個森林清查樣地、335個草地調查樣方和1246個縣級單元的統(tǒng)計數(shù)據(jù)計算的NPP樣點觀測數(shù)據(jù)對CEVSA2模型進行了驗證,結果表明CEVSA2模型能夠很好地模擬觀測NPP的時空動態(tài)。張遠東等[38]也利用西南高山地區(qū)的NPP和ET觀測值對CEVSA2模型進行了驗證。

1.5 數(shù)據(jù)分析

本研究中WUE采用生態(tài)系統(tǒng)尺度上NPP與ET的比值(NPP/ET),NPP和ET關系密切且均為陸地生態(tài)系統(tǒng)的重要過程,基于NPP與ET的WUE,能反映生態(tài)系統(tǒng)生產力和水的耦合關系,因此該定義廣泛應用于生態(tài)系統(tǒng)尺度的研究。

基于CEVSA2模型,模擬得到1981—2010年全國0.1°×0.1°空間分辨率的植被ET、NPP等數(shù)據(jù)。采用Pearson相關系數(shù)法,分別計算長江經濟帶WUE與年平均降水量、年平均溫度之間的相關系數(shù),并在ArcGIS10.2中將相關系數(shù)按照0.05,0.01兩個顯著性水平進行分類,制作得到WUE與降水、溫度的相關系數(shù)圖。之后,采用線性趨勢傾向率法分析WUE年際變化趨勢,借助軟件Envi 5.3對30年的數(shù)據(jù)進行線性回歸,利用最小二乘法擬合得到一元線性方程,其斜率即趨勢傾向率[39-41]。查相關系數(shù)臨界值表得r0.05= 0.361,r0.01=0.463。

2 結果分析

2.1 WUE空間分布

長江經濟帶1981—2010年WUE均值為1.14 g C mm-1m-2。其中,WUE較高的地區(qū)主要位于貴州省東部、東北部,重慶市東南部,湖南省西南部、東北部等地區(qū)。安徽省、江蘇省、浙江省的小部分地區(qū)WUE較高(>1.5 g C mm-1m-2)。WUE較低的地區(qū)主要位于四川省的西部以及云南省的北部等地區(qū)(<0.8 g C mm-1m-2)(圖2)。長江經濟帶WUE最高的植被覆蓋類型為農田、灌叢或草地嵌合區(qū)(1.22 g C mm-1m-2),其次為常綠灌叢(1.21 g C mm-1m-2),林木或其他天然植被嵌合區(qū)(1.19 g C mm-1m-2)和耕作和管理區(qū)(1.16 g C mm-1m-2),最低為稀疏草地/稀疏灌叢(0.60 g C mm-1m-2)。四種主要植被類型常綠針葉林、常綠闊葉林、草地和常綠灌叢的WUE分別為1.12、1.11、0.97、1.21 g C mm-1m-2(表1)。

圖2 長江經濟帶1981—2010年均WUE空間分布Fig.2 Spatial distribution of mean annual WUE in the Yangtze River Economic Zone during the period of 1981—2010

長江經濟帶WUE的空間分布與溫度呈負相關,相關系數(shù)為-0.740(P<0.01),中東部地區(qū)與溫度負相關比西南地區(qū)更為明顯,相關系數(shù)為負值的區(qū)域占總面積的94.97%,其中通過顯著性檢驗的面積占81.58%(P<0.05),與溫度呈極顯著正相關的區(qū)域為0.95%(P<0.01),主要位于重慶市東北部以及云南省西北部部分地區(qū)(圖3)。WUE與降水量呈正相關,相關系數(shù)為0.571(P<0.01),主要位于江蘇省、浙江省、安徽省、江西省等省份,相關系數(shù)為正值的區(qū)域占總面積的89.78%,其中通過顯著性檢驗的面積占85.92%(P<0.05)(圖4)。

表1 長江經濟帶1981—2010年不同土地覆蓋類型NPP、ET、WUE均值,WUE趨勢傾向率及其與溫度、降水相關系數(shù)

研究區(qū)域內,大部分植被類型WUE與溫度呈顯著負相關,其中相關性最高的為定期水淹灌叢草地,相關系數(shù)為-0.632(P<0.01),其次為農田、林木或其他天然植被嵌合區(qū)和稀疏草地/稀疏灌叢,相關系數(shù)分別為-0.611(P<0.01)、-0.595(P<0.01),只有落葉灌叢沒有通過顯著性檢驗。各植被類型WUE與降水量呈顯著正相關,其中相關性最高的為耕作和管理區(qū),相關系數(shù)為0.612(P<0.01),其次為落葉闊葉林(郁閉)和常綠灌叢,相關系數(shù)分別為0.562(P<0.01)、0.532(P<0.01),而落葉灌叢、草地、稀疏草地/稀疏灌叢、農田、林木或其他天然植被嵌合區(qū)均沒有通過顯著性檢驗(表1)。

圖3 長江經濟帶1981—2010年WUE與年溫度相關系數(shù)空間分布Fig.3 Spatial distribution of correlation coefficient between annual WUE and annual temperature during the period of 1981—2010 in the Yangtze River Economic Zone

圖4 長江經濟帶1981—2010年WUE與年降水量相關系數(shù)空間分布Fig.4 Spatial distribution of correlation coefficient between annual WUE and annual precipitation during the period of 1981—2010 in the Yangtze River Economic Zone

2.2 WUE整體年際變化趨勢

長江經濟帶1981—2010年WUE變動區(qū)間為1.04—1.19 g C mm-1m-2,其中1993年WUE最大,2004年最小。1981—2010年期間,WUE平均每年降低0.0030 g C mm-1m-2,總體變化趨勢為減少(圖5)。長江經濟帶WUE的空間分布與溫度呈顯著負相關,相關系數(shù)為-0.740(P<0.01),溫度對WUE變化的影響大于降水,溫度較高的年份,如2004、2006年,WUE較低;溫度較低的年份,如1982、1984年,WUE較高。圖5表明,在1981—2010年間,隨著氣溫上升,NPP和ET均呈上升趨勢,而ET的上升速率高于NPP,造成研究時間段內WUE顯著下降。其中,WUE的變化可以分為兩個時期,1981—1998年,WUE下降趨勢不明顯,而1999—2010年則顯著下降。

圖5 1981—2010年長江經濟帶溫度和降水,NPP和ET與WUE時間動態(tài)Fig.5 Interannual variations in temperature, precipitation, NPP, ET and WUE during the period of 1981—2010 in the Yangtze River Economic ZoneA為WUE總體趨勢線;B為1981—1998年WUE變化趨勢線;C為1999—2010年WUE變化趨勢線;NPP：凈初級生產力 Net Primary Productivity；ET：蒸散 Evapotranspiration

2.3 WUE年際變化趨勢空間分布

長江經濟帶WUE下降最慢和最快的植被類型分別為落葉闊葉林(郁閉)和定期水淹灌叢/草地,下降速率分別為2.69×10-4g C mm-1m-2a-1、4.14×10-3g C mm-1m-2a-1。四種主要植被類型常綠針葉林、常綠闊葉林、草地和常綠灌叢的水分利用效率均呈下降趨勢,下降速率分別為3.29×10-3、2.99×10-3、3.30×10-3、2.65×10-3g C mm-1m-2a-1(表1)。

長江經濟帶WUE上升顯著區(qū)域主要位于四川西部、貴州貴陽、湖北西北部、安徽北部以及江蘇西北部部分地區(qū);而下降顯著的區(qū)域主要位于浙江省,湖南省大部分地區(qū)、湖北省中部地區(qū)以及四川省西北部等區(qū)域,通過顯著性檢驗的區(qū)域占59.03%(P<0.05)(圖6)。

圖6 長江經濟帶1981—2010年WUE變化趨勢圖及其顯著性檢驗Fig.6 Trend of annual WUE changes, and its significant test during the period of 1981—2010 in the Yangtze River Economic Zone

3 結論與討論

3.1 長江經濟帶WUE空間分布及年際變化

本研究中,長江經濟帶上游地區(qū)的貴州省東部、東北部,重慶市東南部,中游地區(qū)的湖南省西南部、東北部等地區(qū)WUE較高,而四川省的西部、云南省的東北部地區(qū)WUE較低。Zhang等[42]利用IBIS模型(Integrated Biosphere Simulator model)模擬了1956—2006年長江經濟帶水分利用效率和時空變化模式,結果表明,對于整個研究區(qū)域,四川東部、江西和湖南西部地區(qū)具有較高的WUE,四川西部WUE最低。Liu等[43]使用BEPS模型并結合遙感數(shù)據(jù)評估2000—2011年期間中國陸地生態(tài)系統(tǒng)的WUE空間格局和變化趨勢,研究發(fā)現(xiàn),長江上游等作物產區(qū)具有較高的WUE(>1.0 g C/kg H2O),高于中國東南部、華中地區(qū)、西南部地區(qū)的年WUE(0.5—0.8 g C/kg H2O)。本文研究結果與先前學者的研究結果較為一致,但局部地區(qū)有一定的區(qū)別。主要原因是本研究采用的是CEVSA2模型,該模型能較好的分析氣候因子,如：溫度、降水、CO2濃度變化等對生態(tài)系統(tǒng)的影響,而不同的學者所使用的模型不同[15, 42-43],得到的結果會有所差別。另外,不同的研究所使用的數(shù)據(jù)源以及時空范圍不一致同樣會引起差異。

長江經濟帶四種主要植被類型的WUE從小到大分別為：草地(0.97 g C mm-1m-2)<常綠闊葉林(1.11 g C mm-1m-2)<常綠針葉林(1.12g C mm-1m-2)<常綠灌叢(1.21 g C mm-1m-2)。常綠灌叢的NPP值較高,為862 g C m-2,對WUE的影響較大。常綠闊葉林與常綠針葉林的NPP與ET都相差不大,因此兩者WUE較為相近。Tian等[44]對美國南部生態(tài)系統(tǒng)生產力和水資源的影響研究中發(fā)現(xiàn),森林的WUE最高,灌叢最低。Wang等[45]發(fā)現(xiàn)長江三角洲常綠闊葉林WUE最高,其次為落葉闊葉林,農田WUE最低。而本研究發(fā)現(xiàn)常綠灌叢WUE最高,草地WUE最低,因為植被的生長受當?shù)氐臍夂驐l件影響較大,不同地區(qū)不同的氣候條件下,相同的植被類型其生理生態(tài)會有所差別。

長江經濟帶1981—2010年NPP、ET均顯著上升(P<0.01),且ET的上升趨勢要大于NPP,ET和NPP每年增加量分別為4.067 mm-1a-1和2.391 g C m-2a-1。1981—2010年NPP和ET對溫度變化的相對響應速率差異顯著,ET對溫度變化的響應明顯大于NPP。兩者對降水變化呈現(xiàn)相反的趨勢,NPP隨降水的增加而上升,然而ET隨降水的增加而下降(圖7)。研究時間段內,NPP和ET對溫度更加敏感,溫度對WUE的影響要大于降水對WUE的影響,溫度變化對長江經濟帶生態(tài)系統(tǒng)水碳循環(huán)具有重要影響。

圖7 1981—2010年長江經濟帶NPP、ET對溫度和降水的敏感性Fig.7 Sensitivity to temperature and precipitation of NPP and ET in the Yangtze River Economic Zone during the period of 1981—2010

WUE反映了生態(tài)系統(tǒng)中NPP與ET之間的權衡,即碳增加與水消耗之間的關系。研究發(fā)現(xiàn)長江經濟帶1981—2010年間NPP的增加速率小于ET,水分消耗量大于固碳增加量,導致WUE呈現(xiàn)下降的趨勢。今后總體上,長江經濟帶地區(qū)應逐步提高植被的固碳能力,適時適地造林,使不同林齡段的林木分布合理,并加強森林保護,減少森林病蟲害的破壞,防止亂砍濫伐林木等違法行為的出現(xiàn)。就區(qū)域而言,長江上游是重要的生態(tài)屏障區(qū),該地區(qū)天然林分布相對較多,應保護好天然林,防止天然林被破壞,并增加資金投入,建立健全生態(tài)補償機制,穩(wěn)步實施退耕還林還草工程;長江中下游地區(qū)以集體林為主,在植樹造林時應充分考慮林分密度,對林地適當砍伐補植,提高森林固碳能力,其次該地區(qū)溫度適宜、降水豐富,是我國主要的經濟作物產區(qū),在農作物管理中應完善管理措施,做好預防工作,減少因天氣、病蟲害等原因造成農作物面積減少。

3.2 不確定性分析

(1)長江經濟帶是我國社會經濟最為發(fā)達的地區(qū)之一,土地利用/覆蓋變化頻繁而劇烈,土地開發(fā)強度遠超全國平均水平,在研究時段內長江經濟帶植被覆蓋發(fā)生了很大的變化[46- 48]。而研究使用的是靜態(tài)的植被圖,用該植被圖分析不同區(qū)域和不同植被類型的水分利用效率動態(tài)變化時會存在一定的誤差。今后應利用多期土地利用/覆蓋圖,結合溫度、降水、CO2濃度、氮沉降等環(huán)境變化,分析長江經濟帶水碳循環(huán)特征。

(2)長江經濟帶橫跨11省份,自然資源分異明顯,生態(tài)系統(tǒng)格局和氣候條件復雜,溫度和降水在不同地區(qū)間差異較大[49],尤其是西部高山和亞高山地區(qū),局地的生態(tài)系統(tǒng)類型和氣候均有較大差異。盡管本研究0.1°的空間分辨率能夠準確描述區(qū)域范圍內水碳循環(huán)及其耦合關系的空間分異特征,但在局部區(qū)域無法準確表達其復雜的環(huán)境特點。在未來的研究中,應進一步使用具有較高時空分辨率的最新數(shù)據(jù),精確模擬出水碳循環(huán)過程,以減少誤差,得到更高精度的結果。

(3)目前,在長江流域的水碳循環(huán)模擬主要集中在長江源區(qū)、長江中上游以及長江三角洲地區(qū)[42, 50-51],對整個長江經濟帶的水碳模擬研究相對較少,需要進一步整合各種數(shù)據(jù)資源,模擬分析在各種環(huán)境變化要素驅動下的水碳循環(huán)變化特征,并預測未來氣候變化條件下,該區(qū)域水碳循環(huán)的變化趨勢及其響應特征。