淮河流域植被净初级生产力与干旱的相关性分析

来源:用户上传      作者:

　　摘要：基于CASA（Carnegie-Ames-Stanford approach）模型估算2001—2016年淮河流域植被净初级生产力，分析其时空变化特征，并结合降水距平百分率，探讨干旱对植被净初级生产力（net primary productivity，NPP）的影响。结果表明，2001—2016年淮河流域年均NPP值呈现递减趋势，递减速率为-2.22 g C/（m2·年）;淮河流域年均NPP值空间分布差异明显，表现为河南南部和安徽南部地区植被NPP减少明显，而处于增长趋势的区域主要位于山东省和江苏省大部分地区;随着干旱影响范围的增加，淮河流域年均植被NPP呈降低趋势。干旱与植被NPP呈正相关的区域占整个流域总面积的93.1%，两者呈明显正相关的地区横穿山东省中部和安徽省东北部。综合研究结果可知，淮河流域干旱对植被净初级生产力影响明显。
　　 关键词：净初级生产力（NPP）;氣象干旱;MODIS NDVI;CASA模型;淮河流域;相关性
　　 中图分类号： TP79;S127  文献标志码： A  文章编号：1002-1302（2020）03-0255-07
　　植被净初级生产力（net primary productivity，NPP）是指植物在单位时间、单位面积上由光合作用产生的有机物质总量除去自养呼吸后的剩余部分，是生产者用于生长、发育、繁殖的能量值，也是生态系统中其他生物成员生存和繁衍的物质基础。NPP不仅可以反映植物固定和转化光合产物的效率，也是评价陆地生态系统可持续发展的重要因子[1]，通常将其作为评估生态系统质量的主要指标。
　　干旱是指某地区在一定时期内的降水量与蒸发量不平衡，造成区域内水分减少并短缺的现象[2]。目前，在气候变化和人类活动的双重影响下，世界范围内的干旱总体呈现出频发、多发、连发和并发态势。干旱程度不仅直接影响植被的光合作用效果，也可通过其他干扰形式间接对生态系统结构和功能产生影响[3]，是植被净初级生产力的重要影响因素之一。赵志平等研究表明，我国西南地区受干旱影响，植被净初级生产力下降，造成的碳损失约占我国总碳汇的7.91%[4]。Lei等基于标准化降水指数（SPI）和生物地球化学模型（BIOME-BGC）研究干旱对内蒙古草原NPP的影响，发现草地NPP异常情况和干旱程度存在较强的相关关系[5]。赵林等研究表明，湖北省气象干旱使森林植被净初级生产力显著下降[6]。杨思遥等基于标准化降水蒸散指数（SPEI）研究华北地区植被变化与干旱指数多尺度的响应，发现干旱对植被生长变化影响明显[7]。刘世梁等研究表明，干旱对云南省植被覆盖变化影响较明显，在不同季节的相关性程度不同，其中冬季两者间的相关性最强[8]。张艳芳等研究发现，黄河源区干旱程度的下降可以促进植被覆盖的增加[9]。因此，准确评价典型区域干旱特征及其对植被净初级生产力的影响，能够直观地揭示气候和环境条件变化对陆地生态系统变化的影响程度，对干旱的综合应对和生态环境可持续发展具有重要意义[7]。
　　淮河流域地处中国东亚季风区，历史上旱灾频繁，具有典型的气象水文灾害代表性[10]。但目前有关淮河流域干旱对植被净初级生产力的影响研究鲜有报道。因此，本研究综合利用长时间序列MODIS NDVI遥感影像和气象数据，基于CASA（Carnegie-Ames-Stanford approach）模型估算淮河流域2001—2016年植被NPP，分析NPP的时空分布特征;并选择降水距平百分率作为干旱指标，分析流域干旱年际变化和空间趋势变化特征，进而探讨近16年来干旱对植被NPP的影响，以期为淮河流域生态环境保护和可持续发展提供科学参考。1 研究区概况
　　淮河流域地处我国东部，地理位置位于 30°55′～36°36′N，111°55′～121°25′E。行政区涉及安徽、江苏、河南、湖北、山东5省，总面积约27万km2，其中淮河水系约19万km2，沂沭泗水系约8万km2。
　　淮河流域兼具南北方气候的部分特征，北部属暖温带半湿润区，南部为亚热带季风气候。流域年均气温11～16 ℃，由北向南递增。多年平均降水量约为883 mm，主要集中在汛期（6—9月），占全年降水量的50%～80%，空间上大致呈现由南向北递减、同纬度山区大于平原分布状况。流域自然植被分布呈现明显的地带性，淮南丘陵地区和淮阳山脉南部多为亚热带性的落叶阔叶林，并夹杂有天然生长的常绿阔叶植物，平原地带以耕作植被为主。淮河流域特殊的气候特征，导致流域内旱灾频发，多为春旱或冬春连旱，且近年来部分地区干旱面积呈现出波动性增加的趋势。
　　2 数据来源与研究方法
　　2.1 数据来源与预处理
　　本研究所采用的植被指数来源于美国国家航空航天局（NASA）的MODIS NDVI数据（https：//modis.gsfc.nasa.gov/），选择时间序列为2001—2016年的MOD13A3最大月合成数据，空间分辨率为1 km。使用MRT（MODIS reprojection tools）工具完成对数据的镶嵌、投影和格式转换等预处理，并利用淮河流域边界数据，对影像进行掩膜处理，最终获取淮河流域2001—2016年的MODIS NDVI栅格数据集。
　　气象数据来源于中国气象科学数据共享服务网（http：//cdc.cma.gov.cn），共收集了淮河流域30个标准气象站点2001—2016年的月均气温、降水和逐日日照时数资料（图1）。太阳辐射基于逐日日照时数估算得到[11]。基于ArcGIS的空间分析模块，采用反距离权重法（IDW）对处理后的气象数据进行空间插值，获取与NDVI数据投影相同、像元大小一致的逐月太阳辐射、降水量和平均气温栅格数据。
　　2.2 研究方法
　　3 结果与分析
　　3.1 NPP反演精度验证 　　由于植被净初级生产力的估算受到诸多因素的限制，导致流域尺度NPP模拟结果与实际值之间存在一定的差距。对于区域尺度植被NPP的精度评价一般采用2种方法：一是与实测数据对比，二是与其他模型的估算结果进行对比。由于实测数据难以获取，本研究将淮河流域植被NPP估算结果与其他不同模型模拟值及部分实测数据进行对比，判断其可靠性。由表3可见，本研究估算的各种植被类型的NPP年均估算值均在实测范围之内，且与其他模型反映的趋势较为一致，虽有稍许偏差，但考虑到数据获取的时空差异，可以认为本研究估算的植被NPP基本可靠。
　　3.2 淮河流域NPP时空变化特征
　　3.2.1 年际变化 从图2可见，2001—2016年淮河流域NPP年际波动较大，整体呈递减趋势，递减速率为-2.22 g C/（m2·年）。其中，2001—2009年间淮河流域NPP呈波动性增长，并在2009年达到16年间最大值，为561.48 g C/（m2·年），高于多年均值（454.40 g C/m2·a）23.6%;而2009—2010年NPP值骤降，并持续下降至2011年，达到16年间最小值，即225.06 g C/（m2·年），低于多年均值 50.5%; 2011—2012年的NPP值增长迅速，达到279.42 g C/（m2·年），同比其他年份的年均变化值为最大。
　　3.2.2 空间分布特征 从图3可以看出，2001—2016年淮河流域年均NPP受到气候、地形、植被类型和人类活动等多种因素的综合影响，流域内NPP空间分布差异明显，总体为平原高、山地低。平均NPP在200.0 g C/（m2·年）及以下的区域主要分布在江苏省南部及部分东北部、安徽省中部和河南北部部分区域，约占整个淮河流域面积的2.3%。而平均NPP为>540.0～844.9 g C/（m2·年）的区域主要分布于安徽省南部、河南省北部，在其他区域也有零星分布，部分沿长江、淮河方向发散，其面积仅占流域总面积的6.1%左右。
　　3.2.3 变化趋势的空间分布 本研究进一步采用一元线性回归方法分析了2001—2016年淮河流域NPP的变化趋势。由图4可以看出，近16年来淮河流域NPP在空间上发生了不同程度的变化。NPP呈减小趋势的区域约占流域总面积的60.5%，其中明显减小的区域主要集中在河南省北部、安徽省与河南省东南部的交界处，约占退化区域的3.5%;而NPP呈增加趋势的区域主要集中在山东省、江苏省、河南省中部及南部和安徽省的北部及西部，约占淮河流域总面积的39.5%，其中增加趋势明显的区域主要位于山东省北部和中部部分地区，约占流域总面积的1.1%。这些地区主要是淮河流域的水
　　系分布集中区，包括淮河、洪泽湖、高邮湖三大水源和涡河、颍河、沙河3个支流。
　　3.3 淮河流域干旱变化特征
　　3.3.1 干旱影响范围年际变化特征 利用降水距平百分率计算淮河流域2001—2016年历年干旱率，以此反映流域干旱影响范围的年际变化特征。从图5可以看出，16年间淮河流域干旱率年际变化较大，平均干旱率约为29%，2001—2002年、2013—2014年连续出现大面积干旱;16年间干旱面积覆盖率达到80%以上的有3年，其中2011年流域内干旱面积覆盖率最大，为86.1%;2013年次之，为 85.1%;2014年为80.7%;2001年和2002年的干旱面积覆盖率较大，分别为69.0%、61.1%。从年际变化过程来看，淮河流域2001—2010年干旱发生范围呈波动减小趋势;在此之后，研究区干旱范围又呈波动增大的趋势。总体上，淮河流域干旱影响范围呈现一定增加趋势，旱情不断加剧。
　　3.3.2 干旱空间分布特征 本研究进一步分析了2001—2016年淮河流域各气象站点干旱发生情况，以反映干旱的空间分布特征。从表4可以看出，气象站点发生干旱的平均频率为25.55%，其中发生特大干旱、严重干旱、中度干旱、轻度干旱的平均频率分别为1.8%、1.6%、6.8%、15.4%;日照、开封发生干旱的频率最高（37.5%），定陶、费县、信阳、射阳、寿县、固始、高邮发生干旱的频率最低（18.8%）。根据不同干旱等级出现的频数分析得出：特大干旱易发地区为沂源、定陶、兖州、费县、郑州、信阳、寿县，频率均为6.3%;严重干旱易发地区为莒县、开封、固始、射阳、淮安、盱眙，频率均为 6.3%;中度干旱易发地区为定陶、日照、驻马店、盱眙、射阳、固始、蚌埠、高邮、东台，频率均为12.5%;轻度干旱频数最高的地区为开封，频率为31.3%，兖州、日照、许昌、宝丰、商丘、赣榆、淮安次之，频率均为25.0%。
　　3.4 淮河流域干旱与NPP间的相关性分析
　　结合2001—2016年淮河流域NPP与干旱影响范围的年际变化情况可以得出，研究区干旱率在60%以上的年份NPP均值约为393.1 g C/（m2·年），干旱率在20%～40%之间的年份NPP均值约为 474.7 g C/（m2·年），而干旱率低于20%的年际NPP均值约为493.0 g C/（m2·年）。结果表明淮河流域干旱率越高，影响范围越大，植被NPP越小。随着干旱程度的加剧，植被NPP随之降低。
　　本研究进一步利用逐像元的相关分析方法，计算2001—2016年淮河流域NPP与降水距平百分率的相关系数，从而在空间尺度分析干旱对植被NPP的影响。从图6可以看出，干旱与NPP正相关的区域占整个流域总面积的93.1%，表明在流域大部分地区，随着降水距平百分率减小，干旱程度加剧，植被NPP将会有所降低，因此，干旱将会对流域植被NPP产生影响。其中正相关系数在0.50以上和处于>0.30～0.50之间的区域主要集中在江苏省中部和安徽省东部及部分南部地区，<0.30及以下的地区主要集中在山东省、安徽省、河南省西南部;而负相关的区域仅占流域面积的6.9%，其中负相关系数处于 >-0.30～0之间的区域主要分布在河南省北部、安徽省南部部分地区、江苏省南部和北部边界处部分地区，在>-0.71～-0.30之间的负相关性较强地区位于江苏省南部极少部分地区。结合图4可以看出，处于正相关的地区，植被的净初级生产力大部分处于增长趋势;而负相关地区的植被净初级生产力大部分處于退化趋势。 　　4 討论与结论
　　4.1 讨论
　　通过对2001—2016年淮河流域的NPP时空特征和降水距平百分率的相关性分析发现，干旱强度和干旱范围均对流域内植被净初级生产力有明显影响，但由于植被和气候之间的相关因素较多，且降水对植被生长的影响存在不同程度的时间滞后性。前期的气候状况对植被生长具有累积效应，并且植被对气候因子的响应有明显的空间差异性[20]。因此，有必要对植被的滞后效应进行讨论，应选取合适的滞后时间进一步深化气候-植被之间的理解和其他方面的研究。
　　此外，本研究结合降水距平百分率，从年尺度上对植被的净初级生产力进行估算分析，尚未综合考虑其他因素的影响，主要包括气温、太阳辐射、植被类型、植被的空间分布等对流域内NPP的综合作用。如何在自然灾害和恶劣环境下识别不同因子对不同类型植被生长情况的影响程度，对研究区域的生态文明建设更具指导意义。
　　4.2 结论
　　本研究利用2001—2016年长时间序列遥感和气象数据，在基于CASA模型估算淮河流域NPP的基础上，分析了淮河流域NPP的时空变化特征，以及与干旱的相关性。取得以下结论：（1）淮河流域2001—2016年均NPP为 454.40 g C/（m2·年），整体NPP值呈现波动性递减趋势，递减速率为 -2.22 g C/（m2·年）。（2）流域内NPP分布空间差异较大，呈现高低相间的特点。从植被NPP变化趋势的空间分布来看，淮河流域内呈现退化趋势的区域占60.5%，3.5%的区域明显退化;NPP增加的区域占总面积的39.5%。淮河流域的植被生长状况呈现整体在退化，局部地区有所改善的特征。（3）随着干旱程度加剧，淮河流域植被NPP呈降低趋势。在像元尺度干旱与植被NPP的相关性研究同样表明，正相关的区域占整个流域总面积的93.1%，淮河流域干旱对植被净初级生产力影响明显。
　　参考文献：
　　[1]周夏飞，朱文泉，马国霞，等. 稀土矿开采导致的植被净初级生产力损失遥感评估——以江西省赣州市为例[J]. 遥感技术与应用，2016，31（2）：307-315.
　　[2]《第二次气候变化国家评估报告》编写委员会. 第二次气候变化国家评估报告[M]. 北京：科学出版社，2011.
　　[3]田汉勤，徐小锋，宋 霞. 干旱对陆地生态系统生产力的影响[J]. 植物生态学报，2007，31（2）：231-241.
　　[4]赵志平，吴晓莆，李 果，等. 2009—2011年我国西南地区干旱程度及其对植被净初级生产力的影响[J]. 生态学报，2015，35（2）：350-360.
　　[5]Lei T J，Wu J J，Li X H，et al.A new framework for evaluating the impacts of drought on net primary productivity of grassland[J]. Science of the total environment，2015，536：161-172.
　　[6]赵 林，徐春雪，刘学莹，等. 干旱对湖北省森林植被净初级生产力的影响[J]. 长江流域资源域环境，2014，23（11）：1595-1602.
　　[7]杨思遥，孟 丹，李小娟，等. 华北地区2001—2014年植被变化对SPEI气象干旱指数多尺度的响应[J]. 生态学报，2018，38（3）：1028-1039.
　　[8]刘世梁，田韫钰，尹艺洁，等. 云南省植被NDVI时间变化特征及其对干旱的响应[J]. 生态学报，2016，36（15）：4699-4707.
　　[9]张艳芳，吴春玲，张宏运，等. 黄河源区植被指数与干旱指数时空变化特征[J]. 山地学报，2017，35（2）：142-150.
　　[10]杨传国，陈 喜，张润润，等. 淮河流域近500年洪旱事件演变特征分析[J]. 水科学进展，2014，25（4）：503-510.
　　[11]童成立，张文菊，汤 阳，等. 逐日太阳辐射的模拟计算[J]. 中国农业气象，2005，26（3）：165-169.
　　[12]朱文泉，潘耀忠，张锦水. 中国陆地植被净初级生产力遥感估算[J]. 植物生态学报，2007，31（3）：413-424.
　　[13]朱文泉，潘耀忠，何 浩，等. 中国典型植被最大光能利用率模拟[J]. 科学通报，2006，51（6）：700-706.
　　[14]陈少勇，郭俊瑞，吴 超. 基于降水量距平百分率的中国西南和华南地区的冬旱特征[J]. 自然灾害学报，2015，24（1）：23-31.
　　[15]国家气候中心. 气象干旱等级：GB/T 20481—2017[S]. 北京：中国标准出版社，2017.
　　[16]张禹舜，贾文雄，赵一飞，等. 基于CASA模型研究祁连山地区植被净初级生产力的时空变化[J]. 西北植物学报，2014，34（10）：2085-2091.
　　[17]穆少杰，李建龙，周 伟，等. 2001—2010年内蒙古植被净初级生产力的时空格局及其与气候的关系[J]. 生态学报，2013，33（12）：3752-3764.
　　[18]陶 波，李克让，邵雪梅，等. 中国陆地净初级生产力时空特征模拟[J]. 地理学报，2003，58（3）：372-380.
　　[19]Nemani R R，Keeling C D，Hashimoto H，et al.Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J]. Science，2003，300（5625）：1560-1563.
　　[20]严建武，陈报章，房世峰，等. 植被指数对旱灾的响应研究——以中国西南地区2009—2010年特大干旱为例[J]. 遥感学报，2012，16（4）：720-737.
转载注明来源:https://www.xzbu.com/1/view-15154256.htm