李懷海,李純斌,吳 靜,吉珍霞,秦格霞,馬娟娟
(甘肅農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院, 甘肅 蘭州 730070)
草地作為生態(tài)系統(tǒng)的重要組成成分,涵蓋了地球陸地表面約20%的地域,是全世界廣泛分布的主要植被類(lèi)型之一。因其覆蓋面積大、種類(lèi)繁多,在區(qū)域乃至世界碳循環(huán)研究中具有特殊的地位和非凡的生態(tài)意義[1]。植被凈初級(jí)生產(chǎn)力(net primary productivity, NPP)是綠色植物光合作用產(chǎn)生的有機(jī)物總量扣除自養(yǎng)呼吸后的剩余部分[2]。NPP 作為考量氣候變化的核心內(nèi)容之一,是決定草地生態(tài)系統(tǒng)健康穩(wěn)定和生產(chǎn)能力高低的重要指標(biāo)[3]。與此同時(shí),草地NPP 的研究對(duì)于合理利用草地資源,開(kāi)發(fā)草地生產(chǎn)潛力,實(shí)現(xiàn)草地產(chǎn)量最大化具有重要意義[4]。草地NPP 受人為和自然等因素的影響,造成草地NPP 年際波動(dòng)的主要驅(qū)動(dòng)力之一是氣候變化[5]。近100 年來(lái),全球范圍內(nèi)氣溫呈現(xiàn)升高趨勢(shì),干旱半干旱地區(qū)氣溫升高尤為明顯。研究表明,全球變暖貢獻(xiàn)率的44%來(lái)自于半干旱地區(qū)的氣溫上升[6]。因此,探討河西典型干旱內(nèi)陸河流域的氣候變化對(duì)西北草地生態(tài)系統(tǒng)的科學(xué)管理具有重要指導(dǎo)作用。
CASA (carnegie-ames-stanford approach)模型是隨著遙感技術(shù)的發(fā)展而產(chǎn)生的草地NPP 估計(jì)模型[7],具有所需參數(shù)少,與植被生理特征高度相關(guān)等優(yōu)點(diǎn),是目前世界上最常用的草地NPP 估算模型之一[8]。近年來(lái),有很多學(xué)者將CASA 模型用于陸地生態(tài)系統(tǒng)碳循環(huán)及其對(duì)氣候變化響應(yīng)等研究領(lǐng)域,如朱瑩瑩等[9]對(duì)我國(guó)西北地區(qū)草地NPP 進(jìn)行因子分析,發(fā)現(xiàn)草地NPP 對(duì)溫度和降水的響應(yīng)存在一定的空間差異;李金珂等[10]對(duì)秦巴山區(qū)的NPP 時(shí)空變化特征及相關(guān)因子進(jìn)行解析,得出自然因子對(duì)NPP 的貢獻(xiàn)率最高的是實(shí)際蒸散量,其次為降水、氣溫,坡度對(duì)其貢獻(xiàn)率最?。蝗藶橐蜃訉?duì)NPP 具有積極和消極兩方面作用。也有學(xué)者對(duì)CASA 模型進(jìn)行了不同程度的改進(jìn),如朱文泉等[11]引入分類(lèi)精度和植被覆蓋度類(lèi)型圖改進(jìn)CASA 模型,估計(jì)了中國(guó)陸地上不同植被覆蓋度下的時(shí)序草地NPP;楊勇等[12]改進(jìn)CASA 模型最大光能利用率及簡(jiǎn)化模型參數(shù)實(shí)現(xiàn)了內(nèi)蒙古小尺度植被NPP 估測(cè)。但這些改進(jìn)都沒(méi)能實(shí)現(xiàn)草地NPP 與草地類(lèi)型的結(jié)合。
草原綜合順序分類(lèi)法(comprehensive and sequential classification system, CSCS)是任繼周[13]提出的一種針對(duì)草地的植被分類(lèi)方法,其依據(jù)草地水熱條件變化對(duì)草地分類(lèi)體系進(jìn)行了改進(jìn),具有特有的先進(jìn)性與創(chuàng)新性。以≥0 ℃年積溫、濕潤(rùn)度(k)等生物氣候指標(biāo)為基礎(chǔ),對(duì)積溫和潤(rùn)濕度進(jìn)行耦合分類(lèi),并將具有相同熱量和濕潤(rùn)度水平的集成為一類(lèi),避免主觀因素對(duì)草地劃分的影響[14-15],其劃分出的潛在植被(potential nature vegetation, PNV)類(lèi)型能夠反映出區(qū)域內(nèi)現(xiàn)有植被的發(fā)展趨勢(shì)[16-17]。與另一種傳統(tǒng)分類(lèi)系統(tǒng)(中國(guó)草地分類(lèi)系統(tǒng))相比,具有定量化優(yōu)勢(shì),在科學(xué)性上處于世界草地分類(lèi)科學(xué)的前沿[18]。
基于CSCS 法這種生物氣候指標(biāo)的草地分類(lèi)系統(tǒng)對(duì)CASA 模型進(jìn)行改進(jìn),能夠很好地彌補(bǔ)草地類(lèi)型與草地NPP 脫節(jié)問(wèn)題。
鑒于此,為進(jìn)一步深入探討石羊河流域長(zhǎng)期序列草地NPP 時(shí)空變化特點(diǎn)及其對(duì)氣候變化的響應(yīng),利用張美玲等[19]改進(jìn)的CASA 模型,結(jié)合CSCS 嚴(yán)謹(jǐn)?shù)闹脖话l(fā)生學(xué)理論與嚴(yán)謹(jǐn)?shù)姆诸?lèi)體系,不僅可以體現(xiàn)草地發(fā)生的水分平衡因素(濕潤(rùn)度)和熱量因素(積溫),而且能夠揭示草地NPP 與草地類(lèi)型之間所存在的內(nèi)在關(guān)聯(lián)。此外,CSCS 方法能夠避免因主觀因素對(duì)草地類(lèi)型劃分結(jié)果的不同而影響到草地生物量大小,其為地帶性草地潛力研究提供了新思路,更重要的是其對(duì)石羊河流域草地生態(tài)系統(tǒng)碳循環(huán)等相關(guān)研究具有重要意義,同時(shí)也能為草地保護(hù)和草地生態(tài)系統(tǒng)穩(wěn)定發(fā)展提供科學(xué)支撐。
石羊河流域?qū)儆诤游髯呃鹊貐^(qū)三大主要內(nèi)陸河流域之一,地處河西走廊東段、祁連山北麓(101°41′~104°16′ E, 36°29′~39°27′ N),位于黃土高原、蒙新高原和青藏高原重要交匯過(guò)渡地帶,流域范圍為4.16 × 104km2(圖1a)。行政區(qū)劃包括3 市8 縣(區(qū)),分別為金昌市1 區(qū)(金川區(qū)) 1 縣(永昌縣)、武威市1 區(qū)(涼州區(qū)) 3 縣(古浪縣、民勤縣、天??h)、張掖市2 縣(肅南裕固族自治縣和山丹縣部分地區(qū))。地勢(shì)西南高、東北低,地貌類(lèi)型自南向北由山地向平原、丘陵與荒漠過(guò)渡(圖1b)。氣候以大陸性干燥氣候?yàn)橹?,蒸發(fā)較強(qiáng),全年內(nèi)降水少且集中,水資源供求矛盾突出。
圖1 石羊河流域位置(a)及研究區(qū)信息(b)Figure 1 Shiyang River Basin location (a) and study area information (b)
1.2.1 高程數(shù)據(jù)及氣象數(shù)據(jù)
高程數(shù)據(jù)采用SRTM 90 m DEM 產(chǎn)品,來(lái)源于地理空間數(shù)據(jù)云(http://www.gscloud.cn/)。河流系統(tǒng)和流域邊界數(shù)據(jù)來(lái)自中國(guó)西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心提供的石羊河流域信息系統(tǒng)數(shù)據(jù)集(http://westdc.westgis.ac.cn)。氣象資料來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://data.cma.cn),包含氣溫、降水、日照時(shí)數(shù)等,時(shí)間跨度為1991-2020 年,利用MATLAB 9.5 軟件進(jìn)行處理,逐日累加降水合成年降水量,而年積溫是連續(xù)5 d 或超過(guò)5 d 大于0 ℃的日平均氣溫的累積。利用專(zhuān)業(yè)氣象插值軟件ANUSPLINE4.3 將積溫、降水、太陽(yáng)輻射等插值為空間分辨率為90 m × 90 m 的柵格數(shù)據(jù)集[20]。所有數(shù)據(jù)均采用GCS-WGS-1984 地理坐標(biāo)系統(tǒng)且投影為WGS-1984-Albers,并在ArcGIS10.2 中按照研究區(qū)范圍進(jìn)行鑲嵌、裁剪。
1.2.2 遙感數(shù)據(jù)
MOD13Q1 NDVI 產(chǎn)品源于NASA 對(duì)地觀測(cè)系統(tǒng)數(shù)據(jù)共享平臺(tái)(EOS data gateway,http://delenn.gsfc.nasa.gov/-imswww/pub/imswel-come/),空間分辨率為250 m,時(shí)間分辨率為16 d,時(shí)間范圍是2000-2020 年。借助MRT (modis re-projection tool, MRT)完成數(shù)據(jù)格式轉(zhuǎn)換和投影,在ArcGIS10.2 中重采樣成與氣象數(shù)據(jù)等同的柵格大小,采用柵格計(jì)算器將其乘以比例因子0.000 1 得到真實(shí)的歸一化植被指數(shù)(normalised vegetation index,NDVI) 值,并運(yùn)用最大值合成法(maximum value composites, MVC)對(duì)NDVI 數(shù)據(jù)進(jìn)行月值合成,該方法能有效去除大氣、云、太陽(yáng)高度等因素的影響[21]。
1.3.1 CASA 模型
CASA 模型是Potter 等[7]建立的光能利用率模型的典型代表,CASA 模型是由溫度、降水、太陽(yáng)輻射、植被類(lèi)型等因素驅(qū)動(dòng)的光能利用模型[22]。CASA模型之中的NPP 是植被吸收的光合有效輻射(APAR)、最大光能利用率( εmax)、溫度脅迫系數(shù)(Tε1、Tε2)和水分脅迫系數(shù)(Wε)的函數(shù)[7],其計(jì)算公式如下:
式中:x為對(duì)應(yīng)柵格像元;t表示對(duì)應(yīng)月份。
本研究采用張美玲等[19,23]改進(jìn)的CASA 模型,該模型主要是從水分脅迫系數(shù)(Wε)和最大光能利用率( εmax) 兩個(gè)方面進(jìn)行改進(jìn),將計(jì)算Wε的復(fù)雜土壤參數(shù)僅用 > 0 ℃的年累積溫、濕度k 值代替,實(shí)現(xiàn)了CASA 模型和CSCS 分類(lèi)系統(tǒng)的耦合。最大光能利用率 εmax參考張美玲等[23]對(duì)草原綜合順序分類(lèi)最大光能利用率的模擬值,其中草甸類(lèi)草地的最大光能利用效率利用包剛等[24]對(duì)內(nèi)蒙古草原植被最大光能利用效率結(jié)果校正。水分脅迫系數(shù)Wε計(jì)算公式為:
1.3.2 Sen 的斜率估計(jì)分析和Mann-Kendall (M-K)突變檢驗(yàn)
基于柵格尺度,采用Sen 的斜率估計(jì)法對(duì)流域2000-2020 年NPP 的斜率進(jìn)行了測(cè)算,斜率可以代表NPP 的平均變化率和此時(shí)的變化趨勢(shì)。當(dāng)β>0 時(shí),序列呈遞增趨勢(shì);當(dāng)β= 0 時(shí),序列的趨勢(shì)不明顯;當(dāng)β< 0 時(shí),序列呈下降趨勢(shì)[25]。
Mann-Kendall (M-K)突變檢驗(yàn)是一種無(wú)分布式檢驗(yàn)方法,選取的樣本具有易于計(jì)算、受其他因素影響較小且不必滿足一定的分布原則等優(yōu)點(diǎn),能夠反映樣本的長(zhǎng)期變化趨勢(shì)和變異情況,是一種常用的突變檢測(cè)方法[26]。將得到的NPP 趨勢(shì)柵格基于M-K 統(tǒng)計(jì)檢驗(yàn)法進(jìn)行NPP 變化趨勢(shì)顯著性檢驗(yàn)[27]。
1.3.3 NPP 穩(wěn)定性分析
基于像元尺度,利用變異系數(shù)(coefficient of variation, CV)來(lái)表征草地NPP 的受擾動(dòng)幅度,值越小表示草地生長(zhǎng)狀態(tài)越穩(wěn)定;數(shù)值越大,草地的生長(zhǎng)越不穩(wěn)定[28]。計(jì)算公式如下:
式 中:CV為NPP 變 異 系 數(shù);i表 示 第i年 對(duì) 應(yīng)的NPP 值;NPPmean為 基 于2000-2020 年 得 到 的NPP數(shù)據(jù)多年均值。
1.3.4 未來(lái)趨勢(shì)分析
Hurst 指數(shù)被廣泛應(yīng)用于氣候、水文、地質(zhì)等研究領(lǐng)域,它可以定量描述時(shí)序草地NPP 的自相似性和長(zhǎng)期依賴(lài)性,并可以預(yù)測(cè)未來(lái)NPP 的變化趨勢(shì)[29]。Hurst 指數(shù)(H)與時(shí)序草地NPP 之間的趨勢(shì)表現(xiàn)特征如下:當(dāng)0 < H < 0.5 時(shí),說(shuō)明時(shí)序草地NPP 具有反持續(xù)性,即未來(lái)的趨勢(shì)與過(guò)去的趨勢(shì)相反,值越接近0,其反持續(xù)性越強(qiáng);當(dāng)H = 0.5 時(shí),時(shí)序草地NPP 具有隨機(jī)序列、有限方差和無(wú)長(zhǎng)期相關(guān)性的特點(diǎn);當(dāng)0.5 < H < 1 時(shí),說(shuō)明時(shí)序草地NPP 是具有長(zhǎng)期相關(guān)特征的連續(xù)序列,未來(lái)變化趨勢(shì)與過(guò)去趨勢(shì)一致,其值越接近1,持續(xù)性越強(qiáng)[29]。
1.3.5 偏相關(guān)分析
偏相關(guān)分析可以在排除其他變量影響前提下,分析兩個(gè)變量之間的線性相關(guān)關(guān)系[28]。草地NPP受積溫和降水影響程度大小可通過(guò)相應(yīng)的偏相關(guān)系數(shù)來(lái)表達(dá),公式如下:
式中:x表示NPP;y代表積溫;z為降水量;rxy表示年均草地NPP 與積溫的相關(guān)系數(shù);rxz表示NPP 與年降水量的相關(guān)系數(shù);ryz表示年積溫與年降水量的相關(guān)系數(shù)。rxy(z)為變量降水固定后年NPP 與積溫的偏相關(guān)系數(shù),以此類(lèi)推。
表1 石羊河流域CSCS 草地類(lèi)劃分Table 1 Classification of CSCS grassland in Shiyang River Basin
利用2006 年甘肅草原15 個(gè)調(diào)查采樣點(diǎn)(包括經(jīng)緯度、草地類(lèi)型、總產(chǎn)草量等)和2020 年的16 個(gè)實(shí)測(cè)采樣點(diǎn)對(duì)NPP 數(shù)據(jù)進(jìn)行了驗(yàn)證(圖2b)。實(shí)測(cè)采樣時(shí),在相距大于3 km 的不同草原類(lèi)型上隨機(jī)建立樣地(荒漠類(lèi)7 個(gè)、半荒漠類(lèi)7 個(gè)、草原類(lèi)9 個(gè)、草甸類(lèi)8 個(gè)),在10 m × 10 m 的樣地中設(shè)置5 個(gè)樣方,第1 個(gè)位于樣地中心,其余在四角,樣方按1 m × 1 m布置。采用對(duì)角線采樣法[30],將在地面上獲取的鮮草放入烘箱,烘干至恒重,取平均值作為地上生物量。由于總生物量包括地上和地下兩部分,地上生物量乘以比例系數(shù)可得到地下生物量,其中,不同草地類(lèi)型的地上地下部分生物量相關(guān)比例系數(shù)參考文獻(xiàn)[31-32] 得出。最后將兩者相加后乘以系數(shù)0.475[33]轉(zhuǎn) 換 成 以 碳 為 單 位[g·(m2·a)-1] 的NPP 總量。相關(guān)性分析顯示,石羊河草地NPP 模擬值與實(shí)測(cè)值的Pearson 相關(guān)性系數(shù)為0.89,存在顯著正相關(guān)關(guān)系(R2= 0.787 2,P< 0.01),基本滿足研究精度要求。
圖2 CSCS 草地分類(lèi)結(jié)果(a)及NPP 模擬值和實(shí)測(cè)值相關(guān)性分析(b)Figure 2 CSCS grassland classification results (a) and correlation analysis between NPP simulated and measured values (b)
2000-2020 年間,石羊河流域草地年均NPP 值為170.24 g·(m2·a)-1(圖3a),0~70 g·(m2·a)-1所占面積比例最大,> 350 g·(m2·a)-1的面積占比最小。年均NPP 的波動(dòng)區(qū)間為137.63~211.18 g·(m2·a)-1(圖3b),其中,年均NPP 最高值和最低值的年份分別出現(xiàn)在2019 年和2001 年。
圖3 草地NPP 時(shí)空變化與檢驗(yàn)Figure 3 Temporal and spatial variation and test of grassland NPP
草地類(lèi)型上(圖3c),山地草甸類(lèi)(ⅡE30)年均NPP 最高,為548.74 g·(m2·a)-1;山地草甸草原類(lèi)(ⅡD23)次之,為454.50 g·(m2·a)-1;溫帶荒漠類(lèi)(ⅣA4)年 均NPP 最 低,為91.65 g·(m2·a)-1。多 類(lèi) 草 地在2009 年出現(xiàn)NPP 低值,高值區(qū)出現(xiàn)年份2012 年、2019 年、2020 年,總體變化趨勢(shì)整體呈現(xiàn)NPP 波動(dòng)上升趨勢(shì)。
采用M-K 突變檢驗(yàn)進(jìn)一步探究21 年間石羊河流域草地NPP 變化(圖3d):UF 統(tǒng)計(jì)量呈現(xiàn)波動(dòng)上升,但在2016 年之前均未通過(guò)0.05 的顯著性水平線,說(shuō)明在此期間的草地NPP 相對(duì)穩(wěn)定。在2013 年后UF 曲線呈現(xiàn)直線上升,UF 和UB 曲線在2015和2016 年間相交,出現(xiàn)突變節(jié)點(diǎn),打破了原有的波動(dòng)格局,且在2016 年后UF 曲線超過(guò)0.05 顯著水平檢驗(yàn),出現(xiàn)草地NPP 快速增加的態(tài)勢(shì)。結(jié)合NPP 離差可看出,在2014 年之前,NPP 離差值多為負(fù),2014年后都為正值,印證了M-K 突變檢驗(yàn)的結(jié)果。
基于Sen’s 和M-K 檢驗(yàn)法,得出21 年間草地類(lèi)NPP 變化趨勢(shì)(圖4a),其N(xiāo)PP 平均增量為28.96 g·[m2·(10 a)]-1,整體呈現(xiàn)波動(dòng)上升趨勢(shì)。NPP 增加的面積(不顯著增加、顯著增加、極顯著增加)占整個(gè)流域面積的72.82%,其中,極顯著增加面積占27.63%,主要分布在祁連山及流域上游外圍地區(qū)。NPP 減少區(qū)域(不顯著減少、顯著減少、極顯減少)主要分布在流域中部及北部民勤盆地,特別是在武威市的中西部地區(qū)NPP 呈現(xiàn)顯著性減少趨勢(shì),主要受巴丹吉林沙漠和騰格里沙漠的侵襲,導(dǎo)致植被生長(zhǎng)受限,出現(xiàn)一定程度的退化特征(圖4b)。
不同類(lèi)型草地NPP 變化趨勢(shì)所占比例上(圖4c),NPP 極顯著增加表現(xiàn)出:ⅢC17 最大,占比89.64%;ⅢB10 次之,占比77.25%;ⅣA4 最小,占比6.10%。NPP 顯著增加:ⅠE29 最大,占比44.60%;ⅡE30 次之,占比38.49%;ⅣA4 最小,占比4.37%。NPP 極顯著減少和顯著減少的草地類(lèi)都表現(xiàn)出:ⅣA4 最大,總占比4.72%,退化趨勢(shì)明顯。
圖4 NPP 變化趨勢(shì)顯著性檢驗(yàn)與各草地類(lèi)變化統(tǒng)計(jì)Figure 4 Significance test of NPP trends and statistics of various grassland types
石羊河流域草地NPP 變異系數(shù)CV 介于0.01~4.12,平均變異系數(shù)為0.24,在空間上存在顯著差異(P <0.05) (圖5a)。高穩(wěn)定區(qū)(CV<0.1)的面積占比0.31%,僅分布在下游荒漠地區(qū),該地植被覆蓋低,整體變化??;低波動(dòng)區(qū)(0.1 ≤ CV ≤ 0.15)面積占比為4.74%,主要分布在流域下游區(qū)域,常年受兩大沙漠影響,植被稀疏,整體變化較??;中波動(dòng)區(qū)(0.15<CV≤0.3)面積占比為85.30%,廣泛分布在流域的中下游地區(qū);高波動(dòng)區(qū)(CV > 0.3)面積占比為9.64%,集中分布在武威盆地與民勤盆地交匯地帶,受自然和人為干擾強(qiáng)烈,NPP 變化顯著(P <0.05)。
圖5 草地NPP 變異系數(shù)與各草地類(lèi)穩(wěn)定性占比Figure 5 Variation coefficient of grassland NPP and proportion of stability of each grassland type
草地類(lèi)型上(圖5b),僅ⅢC17 存在高波動(dòng),中波動(dòng)占據(jù)主體地位,說(shuō)明草地變化較穩(wěn)定,對(duì)高波動(dòng)區(qū)域應(yīng)持續(xù)關(guān)注,防止其惡化。
2000-2020 年流域草地NPP Hurst 指數(shù)(H)均值為0.63 (圖6a),表明未來(lái)一段時(shí)間草地NPP 總體呈現(xiàn)與此21 年相同變化趨勢(shì)(P< 0.05),即未來(lái)一段時(shí)間的總體草地NPP 將會(huì)增加。
圖6 2000-2020 年草地NPP 可持續(xù)分析Figure 6 Sustainable analysis of grassland NPP from 2000 to 2020
在ArcGIS 中疊加NPP 變化趨勢(shì)柵格和Hurst指數(shù)柵格得到未來(lái)草地變化預(yù)測(cè)圖(圖6b)。結(jié)合表2 得出:H 指數(shù)小于0.5 的區(qū)域中,反持續(xù)極顯著增加(P< 0.01)面積占比為10.86%,主要分布在流域西南部四縣交匯地帶,該地未來(lái)草地NPP 增加放緩。反持續(xù)顯著減少(P< 0.05)和反持續(xù)極顯著減少(P< 0.01)占比都很小,在武威市中部零星分布;H 指數(shù)大于0.5 的地區(qū),持續(xù)未發(fā)生變化的區(qū)域主要分布在流域下游,占流域一半以上區(qū)域(51.8%),其次為持續(xù)極顯著增加(P< 0.01)的區(qū)域占比最大(16.72%),集中分布于古浪縣,未來(lái)該地草地會(huì)有一定程度上的改善;NPP 持續(xù)顯著增加(P< 0.05)的區(qū)域主要分布在肅南縣和天祝縣西南部。NPP 預(yù)測(cè)類(lèi)型結(jié)果編碼如表2 所列。
表2 石羊河流域草地NPP 變化趨勢(shì)預(yù)測(cè)Table 2 Prediction of grassland NPP change trend in Shiyang River Basin
石羊河流域草地NPP 與積溫的關(guān)系圖中可看出(圖7a),除2009、2018 和2019 年NPP 與積溫呈相同變化趨勢(shì)外,其他年間均呈現(xiàn)相反變化趨勢(shì),說(shuō)明石羊河流域積溫升高在一定程度上對(duì)草地NPP增加產(chǎn)生不利影響;草地NPP 與降水的變化整體呈現(xiàn)一致性,協(xié)同性較好(圖7b),即降水量的增加有利于石羊河流域草地NPP 的增加,具有明顯的促進(jìn)作用。
圖7 2000-2020 年草地NPP 與氣候年際變化關(guān)系Figure 7 Relationship between grassland NPP and interannual climate change from 2000 to 2020
通過(guò)偏相關(guān)分析探討了草地NPP 與氣候變化的響應(yīng)關(guān)系。分析得出NPP 與降水、積溫的偏相關(guān)系數(shù)分別分布在-0.84~0.94 和-0.79~0.88。在控制積溫的情況下(圖8a、b),NPP 與降水呈正相關(guān)區(qū)域面積占比為70.89%。其中,顯著相關(guān)(P< 0.05)區(qū)域面積占24.93%,主要分布在流域上游的祁連山地區(qū)。NPP 與降水呈負(fù)相關(guān)的區(qū)域占29.11%,通過(guò)顯著性檢驗(yàn)區(qū)域僅占流域總面積的2.78% (P< 0.05),這可能是因?yàn)榻邓黾臃认鄬?duì)較小,未能抵消積溫升高,蒸散發(fā)較大造成的水分損耗,而呈現(xiàn)負(fù)相關(guān);將通過(guò)顯著性檢驗(yàn)的柵格與降水柵格做疊加分析發(fā)現(xiàn),顯著性正相關(guān)的區(qū)域基本和380 mm 降水線持平(P< 0.05),說(shuō)明在大于該降水量的地區(qū)草地NPP 主要受降水控制;在控制降水的情況下,草地NPP 與積溫的關(guān)系也存在正負(fù)相關(guān)并存的情況(圖8c、d),NPP 與積溫呈現(xiàn)正相關(guān)的區(qū)域占流域面積的54.62%,其中通過(guò)顯著性檢驗(yàn)的面積占4.43% (P<0.05),主要分布在流域上游;呈現(xiàn)負(fù)相關(guān)的面積占總面積的45.38%,通過(guò)顯著性檢驗(yàn)的面積占0.95%(P< 0.05),主要分布在流域的中部地區(qū)。
圖8 NPP 與降水、積溫偏相關(guān)分析及顯著性檢驗(yàn)Figure 8 Partial correlation analysis and significance test of NPP with precipitation and accumulated temperature
草地類(lèi)型上,NPP 對(duì)積溫響應(yīng)最為敏感的是草甸類(lèi)草地,敏感性大小依次為ⅠE29 > ⅡE30 > ⅡD23,通過(guò)顯著性檢驗(yàn)的面積占比依次為51.69%、7.95%和2.64%。荒漠類(lèi)草地與積溫呈現(xiàn)一定的負(fù)相關(guān)關(guān)系,如ⅣA4 草地類(lèi)。除兩類(lèi)荒漠草地(ⅢA3 和ⅣA4)對(duì)降水響應(yīng)關(guān)系不明顯外,其他草地對(duì)降水都存在較為明顯的相關(guān)關(guān)系,其中ⅠE29 顯著性面積占比為85.88%,其次為ⅡD23 (84.44%)和ⅡE30 (81.37%)。
草地NPP 變化受氣候和人類(lèi)活動(dòng)的影響,特別是溫度和降水是影響植被光合作用的主要因素。NPP 大小與水熱條件的時(shí)空分布差異密切相關(guān)[34]。流域草地NPP 主要受降水影響,在降水量大于380 mm的地區(qū),NPP 與降水有顯著相關(guān)性(P< 0.05)。當(dāng)降水減少時(shí),流域會(huì)有高達(dá)70.89% 的區(qū)域呈現(xiàn)NPP減少,24.93%的區(qū)域NPP 出現(xiàn)顯著減少(P< 0.05),這與在干旱區(qū)降水對(duì)NPP 響應(yīng)更敏感有關(guān),印證了朱瑩瑩等[9]和Xu 等[35]得出的在西北干旱區(qū)降水與NPP 關(guān)系相比氣溫更加密切的結(jié)果。溫度脅迫在干旱區(qū)具有兩面性[36],當(dāng)積溫較高時(shí),在武威盆地、金昌盆地等中下游缺水地區(qū),會(huì)增加失水,草地因缺水而生長(zhǎng)受限,NPP 降低;在濕潤(rùn)度較高的高寒草甸區(qū),水分較為充足,積溫成為草地NPP 增加的限制因素,故該地區(qū)積溫與NPP 之間呈現(xiàn)正相關(guān)關(guān)系。另外,流域上游的祁連山區(qū)出現(xiàn)NPP 極顯著增加,與該地區(qū)暖濕氣候具有很大關(guān)聯(lián),這與張雪蕾等[37]研究相一致。此外,祁連山草地NPP 的增加,也可能與近年來(lái)造林、退耕還林還草、祁連山國(guó)家公園等重大工程的實(shí)施有關(guān)[38]。
本研究基于草原綜合順序分類(lèi)系統(tǒng)(CSCS)改進(jìn)的CASA 模型,模擬2000-2020 年石羊河草地NPP,分析了草地NPP 與氣候因子的關(guān)系。得出以下結(jié)論:1) 從時(shí)間上看,2000-2020 年流域草地NPP 波動(dòng)上升,10 年NPP 增量為28.96 g·m-2,尤其2016 年后,NPP 出現(xiàn)明顯上漲趨勢(shì)。在空間上,NPP 呈現(xiàn)南高北低的分布格局,未來(lái)一段時(shí)間內(nèi)NPP 還會(huì)有所增加,其中,持續(xù)極顯著增加面積占比16.72%,集中分布在古浪縣;反持續(xù)極顯著增加面積次之,占流域總面積的10.86%,主要分布在流域西南部四縣交匯地帶。2)不同草地類(lèi)型中,山地草甸類(lèi)(ⅡE30) 年均NPP 最高,為548.74 g·(m2·a)-1;山地草甸草原類(lèi)(ⅡD23)次之,為454.50 g·(m2·a)-1;溫帶荒漠類(lèi)(ⅣA4)年均NPP 最低,為91.65 g·(m2·a)-1。流域草地整體穩(wěn)定,中波動(dòng)草地占據(jù)主體地位,僅ⅢC17 存在較高波動(dòng)。3)多數(shù)草地NPP 增加的主導(dǎo)因素是降水,對(duì)降水響應(yīng)敏感區(qū)域面積占比為24.93%,僅兩類(lèi)荒漠草地(ⅢA3 和ⅣA4) 對(duì)降水響應(yīng)關(guān)系不明顯;草甸類(lèi)草地NPP 對(duì)積溫響應(yīng)最為敏感,敏感性大小依次為ⅠE29 > ⅡE30 > ⅡD23,荒漠類(lèi)草地與積溫呈現(xiàn)一定的負(fù)相關(guān)關(guān)系。
致謝:由衷地感謝甘肅農(nóng)業(yè)大學(xué)花立民教授為本研究提供草地調(diào)研數(shù)據(jù)。