宋永鵬,唐希穎,賈亞敏,劉小燕,崔耀平,4,*

1 河南大學(xué)地理與環(huán)境學(xué)院,開封 475004 2 中國林業(yè)科學(xué)研究院濕地研究所,北京 100091 3 太原理工大學(xué)水利科學(xué)與工程學(xué)院,太原 030000 4 黃河中下游數(shù)字地理技術(shù)教育部重點實驗室(河南大學(xué)),開封 475004

陸地生態(tài)系統(tǒng)對地球碳循環(huán)非常重要[1]。定量評估陸地生態(tài)系統(tǒng)的碳收支情況是進行區(qū)域氣候調(diào)節(jié)、碳匯管理的重要依據(jù)[2],也是目前在全球氣候變化研究中較為前沿和熱門的前沿領(lǐng)域[3-4]。植被在碳循環(huán)中扮演著極為重要的角色,植被通過光合作用儲存的碳量是陸地生態(tài)系統(tǒng)碳庫的重要組成部分。其中,在森林、草地和農(nóng)田中儲存的碳量占陸地生態(tài)系統(tǒng)碳庫的27.2%[5],對全球碳收支具有及其重要的意義,對全球碳循環(huán)和碳平衡也起著重要作用[6]。陸地生態(tài)系統(tǒng)總初級生產(chǎn)力(Gross primary productivity,GPP)是指植被通過光合作用等一系列生物活動,將大氣中的CO2吸收同化到自身體內(nèi),從而轉(zhuǎn)化累計的有機物[7]；凈初級生產(chǎn)力(Net primary productivity,NPP)是植被通過自養(yǎng)消耗剩余的有機碳量[8],它反映了生態(tài)功能狀況[9-11],是生物地球化學(xué)碳循環(huán)的關(guān)鍵因素[12-13],也是量化氣候變化和人類活動對陸地植被綜合影響的重要指標(biāo)之一[14]；凈生態(tài)系統(tǒng)生產(chǎn)力(Net ecosystem productivity,NEP)是植被經(jīng)歷過自養(yǎng)呼吸后,再次經(jīng)歷異養(yǎng)消耗而剩余的碳量凈貯存。當(dāng)NEP>0時,表明生態(tài)系統(tǒng)為碳匯,反之則為碳源[15-16]。

目前,有大量的研究證明植被GPP和NPP能夠被用來很好地量化生態(tài)系統(tǒng)的碳匯/源過程[17],也有很多研究采用GPP和NPP來研究CO2的施肥效應(yīng),例如Terrer等提出CO2的增長可以直接為植被的固碳量帶來施肥效應(yīng)[18]；Girardin等通過研究發(fā)現(xiàn)CO2含量增長一倍可以促進NPP增長23%[19]。但是,利用GPP和NPP來研究評估生態(tài)系統(tǒng)固碳能力,沒有充分考慮植被異養(yǎng)的呼吸消耗,而從碳收支原理上來看,采用NEP來評估生態(tài)系統(tǒng)固碳能力是更準(zhǔn)確和更有價值的,然而,利用NEP來評價區(qū)域植被固碳量的成果目前還是相對不足。此外,在分析CO2對植被固碳能力的影響機制中,有研究發(fā)現(xiàn),CO2濃度的升高會持續(xù)增加森林的碳匯[20]；也有研究指出提出CO2濃度的增加有利于NPP的積累[21]。但目前就CO2對植被固碳能力的反饋效應(yīng)的研究相對較少,相關(guān)案例支撐也相對不足。

基于以上研究背景,本研究利用遙感數(shù)據(jù),采用光能利用率模型C-FIX,來模擬分析2019甘南地區(qū)的碳循環(huán),包括GPP、NPP和NEP,對比三者關(guān)系；并利用敏感性實驗揭示CO2施肥效應(yīng)因子的有無對碳循環(huán)的影響。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

甘南地區(qū)(100°46′E—104°44′E,33°06′N—36°10′N),位于中國甘肅省西南部,地處青藏高原東北邊緣與黃土高原西部之間,東部和北部與隴南市、臨夏州、定西市毗連,南與四川阿壩州相接,西南與青海黃南州、果洛州接壤,整體板塊呈現(xiàn)出西北高,東南低的地勢特點,其總面積大致為38521 km2。甘南地區(qū)具有大陸性季節(jié)氣候的特點,年平均氣溫在1—13℃之間,地域差異很大,總體溫度分布趨勢呈自東南向西北逐漸遞減(圖1)。

圖1 甘南地區(qū)Fig.1 Study area:Gannan

1.2 研究數(shù)據(jù)與處理

太陽輻射數(shù)據(jù)。太陽輻射數(shù)據(jù)是來自韓國國立首爾大學(xué)環(huán)境生態(tài)實驗室的全球陸表下行短波輻射產(chǎn)品,其原始時間分辨率為月,空間分辨率為0.05°×0.05°。本研究假設(shè)一定范圍內(nèi)的太陽輻射基本一致,在具體分析時對該數(shù)據(jù)的空間分辨率重采樣為30 m×30 m。

溫度數(shù)據(jù)。該數(shù)據(jù)原始值來自于國家氣象信息中心的全國國家級臺站(基本、基準(zhǔn)和一般站)的氣溫日值觀測資料。本研究利用30 m×30 m的DEM數(shù)據(jù)通過ANUSPLIN[22]插值將其處理為柵格溫度數(shù)據(jù)。

歸一化植被指數(shù)數(shù)據(jù)(NDVI)。該數(shù)據(jù)基于Google Earth Engine遙感大數(shù)據(jù)云計算平臺,由2019年所有可用的Landsat 8紅波段和近紅外波段數(shù)據(jù)通過去云等處理之后在歸一化,生成NDVI的月數(shù)據(jù)。其時間分辨率為月,空間分辨率為30 m×30 m。

1.3 研究方法

1.3.1碳循環(huán)遙感模型模擬

基于Monteith理論,Veroustraete等建立了光能利用率模型C-FIX[23]。該模型可以在區(qū)域尺度上實現(xiàn)對GPP、NPP及NEP三個基本碳循環(huán)參數(shù)的估算,并對地理空間的每個柵格像元進行以日為單位的碳循環(huán)量化。本研究轉(zhuǎn)換至月的計算,并進行季與年的實際尺度分析。模型公式表示如下:

GPPd=p(Tatm)×CO2fert×fAPAR×c×Sg,d×ε

(1)

NPPd=GPPd×(1-Ad)

(2)

NEPd=NPPd-Rh,d

(3)

其中,下標(biāo)d代表日值。p(Tatm)是歸一化氣溫依賴因子；CO2fert是歸一化CO2施肥效應(yīng)因子；fAPAR是植被光合作用可吸收的有效輻射比例；c為氣候效率因子,取值為0.48；Sg,d為地面輻射日總量,其單位是MJ m-2d-1；ε是光能利用率,取值為1.10 gC/MJ；Ad是植被自養(yǎng)呼吸率；Rh,d是土壤異養(yǎng)呼吸通量,其單位為gC m-2d-1。其中,歸一化CO2施肥效應(yīng)因子及其余各因子的公式表示為:

(4)

式中,[CO2]代表目前測定的大氣CO2混合濃度,取值為410 mg/m3；[O2]代表目前測定的大氣O2混合濃度,取值為20.90 mg/m3；τ為CO2對O2的濃度比率；Km為Rubisco與CO2親和力常數(shù)；K0為O2的阻止力常數(shù)；[CO2]ref是基準(zhǔn)大氣中CO2混合濃度,取值為工業(yè)革命前期的濃度值281。

(5)

式中,c1為常數(shù)21.77；ΔHd,p為惰性分子能量,取值為211000 J/mol；Rh,d是土壤一樣呼吸通量,其單位為gC m-2d-1；ΔS是CO2動態(tài)熵平衡,取值為704.98 J K-1mol-1；T代表甘南地區(qū)日平均氣溫；Rg為普適氣體常數(shù),其值為8.31 J K-1mol-1。

fAPAR=1.1638×NDVI-0.1426

(6)

Ad=(7.825+1.145Ta)/100

(7)

其中,Ta為日平均氣溫,單位是℃。

(8)

其中,Ks,y是全年日平均異養(yǎng)呼吸效率,其單位是gC m-2d-1；Q10代表溫度每升高10℃,植物異養(yǎng)呼吸相對增加的倍數(shù)。

對于公式中的Km、K0、Ks,y及τ需要進一步用下列公式運算:

Km=Ae(-Ea/RgT)

(9)

其中,當(dāng)T<15℃時,Ea=109600 J/mol,A=1.976 x 1022；當(dāng)T≥ 15℃時,Ea=59400 J/mol,A=2.419×1013。

K0也按照公式(9)計算,其中A0=8240,Ea0=-13913.5 J/mol。

τ=Aτe(-Eaτ/RgT)

(10)

式中,Aτ=7.87x10-5,Eaτ=-42896.9 J/mol。

(11)

式中,by是土壤異養(yǎng)消耗年平均標(biāo)定系數(shù),通常以距離較近、生態(tài)類型相近的通量觀測數(shù)據(jù)標(biāo)定。

1.3.2CO2敏感性檢驗

參照C-FIX光能利用率模型,在去除CO2的條件下,對甘南地區(qū)GPP、NPP及NEP三個基本碳循環(huán)參數(shù)的模擬運算。具體公式如下:

GPPd′=p(Tatm)×fAPAR×c×Sg,d×ε

(12)

NPPd′=GPPd′×(1-Ad)

(13)

NEPd′=NPPd′-Rh,d

(14)

為模擬CO2對甘南地區(qū)植被各碳循環(huán)參數(shù)的貢獻情況,設(shè)立CO2貢獻度因子量化CO2對碳循環(huán)各因子產(chǎn)生的影響。

(15)

(16)

(17)

2 結(jié)果分析

2.1 甘南生態(tài)系統(tǒng)固碳的季節(jié)性及空間分布特征

GPP、NPP及NEP三者的月變化趨勢基本一致,上半年呈持續(xù)遞增態(tài)勢,下半年呈持續(xù)遞減趨勢。由甘南地區(qū)2019年GPP、NPP及NEP的月變化趨勢圖可知,GPP、NPP及NEP的峰值出現(xiàn)在7月,其值為分別為164.67 gC m-2月-1、121.33 gC m-2月-1和58.19 gC m-2月-1；最小值出現(xiàn)在1月份,分別為0.82 gC m-2月-1、0.82 gC m-2月-1和-20.76 gC m-2月-1。其中,對于NEP,5、6、7、8、9月份,其值為正,即植被最終所固定的剩余有機碳量為正；而在其余月份的值為負,即生態(tài)系統(tǒng)呈現(xiàn)碳源作用。

GPP、NPP、NEP隨季節(jié)變化明顯。在本研究時段內(nèi),研究區(qū)夏季的GPP、NPP、NEP明顯高于其他季節(jié),其值分別為422.98 gC m-2月-1、315.08 gC m-2月-1和141.32 gC m-2月-1；春季和秋季的GPP、NPP、NEP差異較小,春秋季的GPP約為夏季的0.28倍,其NPP約為夏季的0.3倍；最小值出現(xiàn)在冬季,其值分別為4.55 gC m-2月-1、4.46 gC m-2月-1和-57.38 gC m-2月-1(圖2)。

圖2 甘南地區(qū)2019年GPP、NPP、NEP月趨勢變化圖和季度統(tǒng)計圖Fig.2 Monthly trend change and quarterly statistical chart of GPP,NPP and NEP in Gannan in 2019GPP:陸地生態(tài)系統(tǒng)總初級生產(chǎn)力;NPP:凈初級生產(chǎn)力;NEP:凈生態(tài)系統(tǒng)生產(chǎn)力

本研究同時對比了甘南地區(qū)下轄地區(qū)的植被年GPP、NPP、NEP。由2019年甘南地區(qū)各下轄縣、市年均GPP、NPP、NEP統(tǒng)計表可知,迭部縣、臨潭縣和舟曲縣的GPP較大,其年均GPP都在840 gC m-2a-1以上；迭部縣、臨潭縣和卓尼縣的NPP較大,其年均NPP都在600 gC m-2a-1以上；臨潭縣和卓尼縣的NEP較大,其值都在100 gC m-2a-1以上。其中,臨潭縣占地面積最小,占地面積僅為1394.25km2,但是其GPP和NEP最大,分別為1050.53 gC m-2a-1和122.59 gC m-2a-1。年均GPP、NPP最小值出現(xiàn)在瑪曲縣,分別為465.30 gC m-2a-1和391.47 gC m-2a-1,其次是碌曲縣和夏河縣,GPP、NPP分別圍繞550 gC m-2a-1和450 gC m-2a-1上下浮動。甘南地區(qū)固碳總量為54.91 gC m-2a-1,其中,舟曲縣的NEP最小,其值為負,-237.43 gC m-2a-1(圖3)。

圖3 甘南地區(qū)各下轄縣2019年的GPP、NPP、NEP和甘南地區(qū)年固碳總量Fig.3 Annual GPP,NPP,NEP in each county of Gannan and total carbon sequestration in 2019

甘南地區(qū)2019年GPP、NPP、NEP的州總量分別為31524 tC/a、24310 tC/a和2611 tC/a。其中,GPP和NPP空間分布表現(xiàn)為東部高于西部的顯著特征,東部地區(qū)主要是舟曲縣、迭部縣、卓尼縣、臨潭縣,西部地區(qū)主要是瑪曲縣、夏河縣。NEP空間分布主要表現(xiàn)為北部高于南部的特征,即較大的NEP主要分布在卓尼縣和臨潭縣,較小值主要集中在舟曲縣(圖4)。對于各下轄縣、市的區(qū)域年固碳總量(單位:tC/a)進行對比,得出結(jié)果:卓尼縣(811.93)>瑪曲縣(771.57)>夏河縣(659.66)>碌曲縣(432.98)>迭部縣(338.72)>合作市(272.46)>臨潭縣(222.42)>舟曲縣(-898.81)(圖3)。

圖4 甘南地區(qū)2019年GPP、NPP、NEP空間分布圖和總量統(tǒng)計圖Fig.4 Spatial distribution of GPP,NPP,and NEP and total statistical chart in Gannan in 2019

2.2 去除CO2因子下甘南生態(tài)系統(tǒng)的固碳分析

在去除CO2因子影響的條件下,模擬甘南地區(qū)2019年的碳循環(huán)情況。由月趨勢變化圖可知,GPP、NPP、NEP的月變化趨勢仍基本一致,上半年呈持續(xù)遞增態(tài)勢,下半年呈持續(xù)遞減趨勢。GPP、NPP、NEP的最大值均出現(xiàn)在7月,對應(yīng)的值分別為131.53 gC m-2a-1、97.76 gC m-2a-1和48.52 gC m-2a-1；最小值出現(xiàn)在1月,其值分別為0.81 gC m-2a-1、0.81 gC m-2a-1和-18.34 gC m-2a-1。對于NEP,在5、6、7、8、9月份其值大于0,當(dāng)月植被最終的固碳總量為正；而在其余月份NEP都小于0,即當(dāng)月區(qū)域整體表現(xiàn)為碳源。

去除CO2條件下的GPP、NPP、NEP也具有明顯的季節(jié)性規(guī)律。甘南地區(qū)夏季的GPP、NPP、NEP明顯高于其他三個季節(jié),其值分別是340.58 gC m-2a-1、255.93 gC m-2a-1和119.74 gC m-2a-1；春、秋季節(jié)相差不大,其值分別圍繞100 gC m-2a-1、82 gC m-2a-1和-7 gC m-2a-1上下浮動,其中,春、秋季節(jié)的GPP約為夏季總數(shù)的0.3倍,NPP約為夏季總數(shù)的0.32倍；最小值出現(xiàn)在冬季,分別為4.46 gC m-2a-1、4.38 gC m-2a-1和-50.65 gC m-2a-1。對于NEP,除夏季,其余季節(jié)的NEP均為負(圖5)。

圖5 去除CO2效應(yīng)下甘南地區(qū)2019年GPP、NPP、NEP月趨勢變化圖和季度統(tǒng)計圖Fig.5 Monthly trend change and quarterly statistical chart of GPP,NPP and NEP without the effect of CO2 in Gannan in 2019

比較研究區(qū)各下轄地區(qū)去除CO2影響條件下的GPP、NPP及NEP,可以得到:甘南地區(qū)的臨潭縣、迭部縣及卓尼縣的GPP和NPP較大,其值分別都處于650 gC m-2a-1和500 gC m-2a-1以上,而瑪曲縣的GPP和NPP較小,其值分別低于420 gC m-2a-1和350 gC m-2a-1。對于NEP,研究區(qū)固碳總量是55.07 gC m-2a-1,其中最大的下轄縣是臨潭縣,為147.36 gC m-2a-1,其次是卓尼縣和迭部縣,其值分別為138.70 gC m-2a-1和120.76 gC m-2a-1,而剩余下轄縣2019年的總固碳量都小于100 gC m-2a-1,其中舟曲縣的NEP最小,其值為-138.68 gC m-2a-1(圖6)。

圖6 去除CO2效應(yīng)下甘南地區(qū)各下轄縣2019年年均GPP、NPP、NEP和甘南地區(qū)年固碳總量Fig.6 Annual GPP,NPP,and NEP in each county and total carbon sequestration in Gannan in 2019 without CO2

在沒有CO2效應(yīng)的情況下,甘南地區(qū)2019年GPP、NPP、NEP的州總量分別為26100 tC/a、20283 tC/a、2619 tC/a。從空間分布圖中可以看出,此條件下,2019年甘南地區(qū)年均GPP和NPP表現(xiàn)出南部高于北部,東部高于西部的特征,具有較大GPP、NPP 的下轄地區(qū)主要是卓尼縣、迭部縣以及臨潭縣,而瑪曲縣、碌曲縣和夏河縣植被的GPP、NPP較小。對于NEP,較小的NEP集中分布在舟曲縣,較大的NEP集中分布在卓尼縣,而對于迭部縣,該下轄縣小部分區(qū)域的NEP呈現(xiàn)為負,大部分區(qū)域的NEP為正,且數(shù)值較大(圖7)。對各下轄區(qū)域單位面積的固碳量進行對比(單位:tC/a),得出其值大小次序:卓尼縣(945.29)>迭部縣(730.15)>瑪曲縣(364.02)>夏河縣(343.17)>碌曲縣(297.93)>臨潭縣(267.36)>合作市(204.86)>舟曲縣(-525.00)(圖6)。

圖7 去除CO2效應(yīng)下甘南地區(qū)2019年GPP、NPP、NEP空間分布圖和總量統(tǒng)計圖Fig.7 Spatial distribution of GPP,NPP and NEP and total statistical chart without CO2 in Gannan in 2019

2.3 CO2施肥效應(yīng)分析

將具有CO2條件下和去除CO2條件下的GPP、NPP、NEP空間分布圖疊加相減,量化甘南地區(qū)2019年CO2對植被光合作用的影響。由2019年甘南地區(qū)GPP差值空間分布圖可知,甘南地區(qū)整體GPP的差值為正,極少像元值被統(tǒng)計出為負數(shù)。這表明CO2對植被的總初級生產(chǎn)力具有正向反饋作用,即對植被進行有機碳總量的固定過程具有施肥效應(yīng),其總貢獻率為14.4%；且該效應(yīng)在甘南地區(qū)明顯表現(xiàn)為東高西低的特征,其中,CO2對臨潭縣植被固碳的施肥效應(yīng)最為明顯,為242.18 gC m-2a-1,其貢獻率是23.4%,其次是迭部縣和舟曲縣,其施肥效應(yīng)都在190 gC m-2a-1以上,CO2對瑪曲縣植被的施肥效應(yīng)最弱,為51.99 gC m-2a-1,貢獻率為9.4%。

由NPP差值空間分布圖可知,CO2對甘南地區(qū)植被NPP同樣具有施肥效應(yīng),其總貢獻率為14.3%,在空間分布上呈現(xiàn)東高西低的特點。CO2對NPP的施肥效應(yīng)整體上要小于對GPP的施肥效應(yīng),在各下轄縣、市中,對植被NPP施肥效應(yīng)最明顯的是臨潭縣,為168.24 gC m-2a-1,其貢獻率為22.8%；其次是迭部縣、舟曲縣和卓尼縣,施肥效應(yīng)都在100 gC m-2a-1以上,舟曲縣的CO2貢獻率也頗高,為22.3%；對瑪曲縣的施肥效應(yīng)較弱,僅為43.90 gC m-2a-1,其貢獻率為9.2%。

CO2對NEP的施肥效應(yīng)在空間上大致表現(xiàn)為北高南低的特征。其中,CO2對NEP存在正向施肥效應(yīng)的下轄縣區(qū)主要是夏河縣、瑪曲縣、碌曲縣和合作市,其施肥效應(yīng)大致圍繞30 gC m-2a-1上下浮動,CO2對夏河縣和瑪曲縣NEP的貢獻率最大,接近于50%；CO2對NEP存在負向反饋效應(yīng)的下轄縣區(qū)主要是舟曲縣、卓尼縣、臨潭縣和迭部縣,其中,舟曲縣的負反饋效應(yīng)最大,為-98.75 gC m-2a-1,其次是迭部縣,負反饋效應(yīng)為-64.76 gC m-2a-1,其貢獻率為-115.6%(圖8)。

圖8 有無CO2因子下甘南地區(qū)GPP、NPP、NEP差值空間分布圖和統(tǒng)計圖Fig.8 Spatial distribution and statistical charts of difference values of GPP,NPP,and NEP with and without CO2 factor in Gannan

3 討論

本研究求算出甘南地區(qū)2019年單位面積內(nèi)GPP年總量為662.88 gC m-2a-1,同MODIS發(fā)布的2019年GPP產(chǎn)品的結(jié)果在空間、時間與具體值上(642.95 gC m-2a-1)保持基本一致,其R2達到0.95,但本研究GPP受益于分辨率而可以體現(xiàn)出更精細的空間特征。本研究的結(jié)果還證實了CO2施肥效應(yīng)對提升GPP和NPP具有重要作用,這與之前研究結(jié)論也較為一致[24-25]。另外,本研究結(jié)果顯示,就整個碳循環(huán)過程來說,在一些區(qū)域CO2并非總是起到施肥效應(yīng),會出現(xiàn)NEP差值為負的現(xiàn)象,這其實是由于土壤呼吸的變化所導(dǎo)致,而土壤呼吸是陸地生態(tài)系統(tǒng)異養(yǎng)呼吸的重要部分[26]。有研究表明大氣中CO2的升高可以促使植被根系微生物活動能力的增強[27],使得土壤中微生物呼吸釋放的CO2增大,進而抬升了陸地生態(tài)系統(tǒng)的異養(yǎng)消耗[28-29]。當(dāng)陸地生態(tài)系統(tǒng)異養(yǎng)消耗的CO2大于CO2對NEP的施肥效應(yīng)時,會出現(xiàn)NEP值為負的現(xiàn)象(圖9)。

甘南地區(qū)東南部的草地植被覆蓋度低于中西部和西南部地區(qū)[30],有學(xué)者在研究青藏高原草地碳源/匯時空變化及其與氣候因子的關(guān)系時,發(fā)現(xiàn)由于溫度增長會引起土壤溫度的升高[31-32],進而加大了以異養(yǎng)呼吸為主要形式的土壤呼吸[26],使得草地生態(tài)系統(tǒng)NEP與溫度呈負相關(guān)性[2]。在本研究區(qū)中,地跨北亞熱帶、高原溫帶的區(qū)域年均溫度較高,分別為9.4℃和3.9℃,而位于暖溫帶和高原亞寒帶的區(qū)域年均溫度較低,分別是2.4℃和1.8℃,這也在一定程度上解釋了地處甘南地區(qū)自治州東南部地區(qū)溫帶、亞熱帶植被年均固碳量呈現(xiàn)為負的現(xiàn)象(圖9)。

圖9 甘南地區(qū)GPP與MODIS GPP產(chǎn)品年均值空間對比和甘南地區(qū)2019年NEP和溫度的生態(tài)地理區(qū)劃分布Fig.9 Comparison of annual average value of GPP between MODIS GPP product and C-FIX result and Spatial distribution of ecosystem division and temperature in Gannan

CO2與其他因子相互作用,改變CO2的同時,其他參數(shù)也會發(fā)生變化。比如CO2的變化本身可能已經(jīng)體現(xiàn)在NDVI的變化上了,單純?nèi)コ鼵O2其實僅為一個敏感性試驗?zāi)M,而復(fù)雜的過程模型對分析機理尤為重要,這也是本研究需要繼續(xù)探討的方向[33-34]。但是,縱然是復(fù)雜如地球系統(tǒng)模型(Earth system model,ESM),也有研究揭示出因模型對于CO2過度敏感及對這種施肥效應(yīng)缺乏條件約束而可能嚴(yán)重高估了CO2的施肥效應(yīng)[35]。從研究區(qū)來說,甘南地區(qū)的溫濕度、植被類型以及人類活動等都是影響碳循環(huán)的重要因素[36]。可以證實的是,在不同的地理環(huán)境下,CO2在碳循環(huán)過程中的作用有很大的差異性,因而,不能簡單認為CO2只單方向起施肥效應(yīng)。

4 結(jié)論

本文利用C-FIX光能利用率模型模擬分析了甘南地區(qū)植被的GPP、NPP和NEP月變化及空間分布特征，并探究了CO2對GPP、NPP和NEP的施肥效應(yīng)存在與否。研究結(jié)果表明甘南地區(qū)2019年植被固碳總量約為2611 tC/a。由于研究區(qū)跨生態(tài)地理分區(qū)較多,受溫度、降水以及地表植被種類多元化的影響,使得GPP、NPP在空間分布上表現(xiàn)為東高西低的顯著特征,NEP呈現(xiàn)出北高南低的特征；其中,卓尼縣是甘南地區(qū)植被年固碳量最大的縣,其固碳量為811.93 tC/a,唯舟曲縣為碳源,其固碳量為-898.81 tC/a。通過分析CO2的敏感性,發(fā)現(xiàn)CO2對GPP和NPP存在正向的施肥效應(yīng),使其分別增加了14.4%、14.3%；而對于NEP,CO2對夏河縣、瑪曲縣、碌曲縣和合作市存在正向施肥效應(yīng),而舟曲縣、卓尼縣、臨潭縣和迭部縣存在負向施肥效應(yīng),整體而言,CO2對NEP的貢獻率微乎其微。這說明在不同溫濕度等氣候背景的區(qū)域,CO2是否起到施肥作用更不能一概而論。

本研究從生態(tài)地理分區(qū)角度做了探討,得出不同區(qū)域氣候因子可能會對植被固碳造成影響,這對揭示陸地生態(tài)系統(tǒng)碳循環(huán)的動態(tài)機制提供了一定的理論依據(jù)。