2016, Vol. 36文章信息
- 杨延征, 马元丹, 江洪, 朱求安, 刘金勋, 彭长辉
- YANG Yanzheng, MA Yuandan, JIANG Hong, ZHU Qiu'an, LIU Jinxun, PENG Changhui.
- 基于IBIS模型的1960-2006年中国陆地生态系统碳收支格局研究
- Evaluating the carbon budget pattern of Chinese terrestrial ecosystem from 1960 to 2006 using Integrated Biosphere Simulator
- 生态学报[J]. 2016, 36(13): 3911-3922
- Acta Ecologica Sinica[J]. 2016, 36(13): 3911-3922
- http://dx.doi.org/10.5846/stxb201410262092
-
文章历史
- 收稿日期: 2014-10-26
- 网络出版日期: 2015-10-29
2. 浙江农林大学浙江省森林生态系统碳循环与固碳减排重点实验室, 杭州 311300;
3. 南京大学国际地球系统科学研究所, 南京 210093;
4. 美国地质调查局(USGS)陆地观测数据中心, 门洛帕克 美国 94025;
5. 魁北克大学蒙特利尔分校环境科学研究所, 蒙特利尔 加拿大 C3H3P8
2. Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration, Zhejiang Agriculture and Forestry University, Hangzhou 311300, China;
3. International Institute for Earth System Science, Nanjing University, Nanjing 210093, China;
4. Western Geographic Science Center, U. S. Geological Survey, Menlo Park 94025, USA;
5. Institute of Environment Sciences, University of Quebec at Montreal, Montreal C3 H3 P8, Canada
气候变化对陆地生态系统碳循环的影响及陆地生态系统碳循环对气候变化的反馈作用是当前全球气候变化研究的核心问题[1-2]。中国森林生态系统碳汇总量为(75.2±34.7) TgC/a,灌木生态系统碳汇总量为(21.7±10.2) TgC/a,草地生态系统碳汇总量为(7.0±2.5) TgC/a,中国陆地生态系统碳汇占全球碳汇的6.5%-19.0%[3]。中国陆地生态系统碳汇评估仍存在很大的不确定性,准确定量评估历史时期的中国及区域尺度的碳收支格局,不但可以为科学认识中国陆地生态系统与气候变化之间的关系提供理论基础,而且可以为制定区域气候变化管理规划和政策提供依据[4]。目前,对大尺度碳循环的评估和模拟主要有两种方法。一是基于遥感数据的方法,遥感数据获取较快,空间范围广,已经在全国和区域尺度碳收支研究中得到广泛应用[5-8]。二是基于模型的方法,模型有简单的统计模型及相对复杂的生态系统过程模型,其中生态过程模型可以对陆地生态系统的过程及功能进行详细的研究,有助于进行陆地生态系统碳循环机理的探究。关于气候变化对于中国和区域陆地生态系统的碳循环的影响,近些年来,国内开展了许多基于模型的相关研究。陈强等[9]利用CASA模型和MODIS-NDVI数据对黄河流域2001-2010年的生态系统净初级生产力(NPP)进行了估算;Yang等[10]使用CASA模型对新疆地区土地利用对NPP的影响进行了分析;封晓辉等[11]使用LPJ-GUESS对马尾松林生产力和碳动态进行了研究;刘曦等[12]使用IBIS模型对东北东部森林NPP及其影响因子进行了分析;于颖等[13]使用InTEC模型对1901-2008年小兴安岭森林NPP进行了估算;李登秋等[14]结合BEPS模型和通量观测数据模拟分析了太阳辐射变化对千烟洲常绿针叶林 GPP的影响。
在生态模型中,研究生物物理和生物地球化学过程与气候过程的相互作用至关重要,因此既能同时描述生态系统结构和功能的动态变化,又能模拟生物物理和生物地球化学过程相互作用的动态全球动态植被模型(DGVM,Dynamic Global Vegetation Model)成为全球生态系统模型的发展方向[15]。集成生物圈模型(IBIS,Integrated Biosphere Simulator)作为一种全球动态植被模型,描述了植被组成变化、再分布和演替等动态过程以及这些过程涉及物种迁移、种间竞争、种群建立和死亡,扰动和景观结构变化等[16-17]。目前已经有运用IBIS模型对中国陆地生态系统的水分平衡过程和区域碳收支的模拟及验证工作[12, 18],但是在气候及CO2浓度变化的条件下,对中国陆地生态系统碳收支格局的报道还很少。因此,本文利用IBIS模型,基于历史时期(1960-2006年)气候条件及CO2浓度条件,着重研究:(1)中国陆地生态系统净初级生产力水平的时空格局和发展趋势;(2)中国陆地生态系统碳收支源汇效应的时空格局和发展趋势;(3)中国陆地生态系统净初级生产力、碳收支格局对气候变化的响应。
1 数据与方法 1.1 IBIS模型简介集成生物圈模拟器IBIS(Integrated Biosphere Simulator)由美国威斯康星大学全球环境与可持续发展中心(SAGE)的Foley等于1996年开发,是一个综合的陆地生物圈模型,属于新一代动态全球植被模型(DGVM)[16-17]。IBIS模型包括陆面过程、冠层生理、植被物候、植被动态和土壤地球生物化学等5大模块[16-17]。模型将生态的、生物物理的及植物生理的等发生在不同时间尺度上(1h到1a)的过程进行有机整合[16-17]。本研究依据中国植被类型特点,剔除原来模型中北方落叶针叶林(据中华人民共和国植被图(1∶100万)[19]),各个相关具体的生理参数采用IBIS推荐值(表 1)。依据土地利用/土地覆盖数据[20]将植被覆盖比例因子加入到模型中以更好反映中国陆地生态系统植被分布实际情况。
| 植物功能型Plant functional types | 15℃最大光合速率Maximum rubisco capacity of top leaf at 15 ℃/(μmol CO2 m-2 s-2) | 比叶面积Specific leaf area/(m2/kg) | 生物量转换时间/aResidence time of carbon | 碳分配系数Allocation fraction of total photosynthate | |||||
| 叶Leaf | 根Root | 茎Stem | 叶Leaf | 根Root | 茎Stem | ||||
| 热带雨林 | 55.0 | 25 | 1.01 | 1 | 25 | 0.3 | 0.2 | 0.5 | |
| 热带季雨林 | 55.0 | 25 | 1 | 1 | 25 | 0.3 | 0.2 | 0.5 | |
| 亚热带常绿阔叶 | 40.0 | 25 | 1 | 1 | 25 | 0.3 | 0.2 | 0.5 | |
| 温带常绿针叶林 | 30.0 | 12.5 | 2 | 1 | 50 | 0.3 | 0.4 | 0.3 | |
| 温带落叶阔叶林 | 30.0 | 25 | 1 | 1 | 50 | 0.3 | 0.2 | 0.5 | |
| 北方常绿针叶林 | 25.0 | 12.5 | 2.5 | 1 | 100 | 0.3 | 0.4 | 0.3 | |
| 北方落叶针叶林 | 30.0 | 25 | 1 | 1 | 100 | 0.3 | 0.2 | 0.5 | |
| 常绿灌木 | 27.5 | 12.5 | 1.5 | 1 | 5 | 0.45 | 0.4 | 0.15 | |
| 落叶灌木 | 27.5 | 25 | 1 | 1 | 5 | 0.45 | 0.35 | 0.2 | |
| C4草 | 15.0 | 20 | 1.25 | 1 | 999 | 0.45 | 0.55 | 0 | |
| C3草 | 25.0 | 20 | 1.5 | 1 | 999 | 0.45 | 0.55 | 0 | |
模型所需的主要输入数据包括DEM、气象数据、植被与土壤图层。DEM数据采用SRTM数据;依据中国1∶400万植被数据构建植被图层,并将其分类标准归并到IBIS模型的植被类型;依据中国1∶100万土壤数据构建土壤图层,主要包括土壤类型和6个土壤层深度的粘粒、粉砂和砂粒的含量比例;依据1955-2006年650个中国标准气象站点地面气候资料构建气象数据库(站点分布如图 1),包括逐月的降水、气温、相对湿度、日照时数、风速。所有气象数据利用ANUSPLIN[21]将站点数据插值生成,并与DEM、植被、土壤层的空间分辨率保持一致(0.085度)。模型模拟过程中的历史CO2浓度数据采用美国国家海洋和大气管理局(NOAA)公布的全球观测数据[22]。
|
| 图 1 气象站点分布图及气候区划(据中央气象局,1994) Fig. 1 Meteorological station map of China and the geographical delineation of climate zones in China |
本研究中将模型模拟时间设置为1800-2006年,其中1800-1954年为模型预热期,将多年平均的气象数据作为模型输入。1955-2006年模型根据逐月实测数据正式计算期,1960-2006年的结果为本文的分析对象,并依据全国气候区划(图 1)对结果进行分析。
2 结果与讨论 2.1 模型验证分析 2.1.1 基于通量站点数据的验证验证分析以于贵瑞等[23]文章中所总结的2003-2005年中国部分通量站通量数据为基础,分析时将通量站点叠加到IBIS模型2003-2005年的模拟总初级生产力(GPP)结果上,提取对应站点对应年份的模拟GPP值。所有通量站点的信息及GPP观测值与模拟值的对比如表 2。
| 站点Sites | 代码Code | 站点植被类型Vegetation types | 纬度/(°)Latitude | 经度/(°)Longitude | GPP/(kg C m-2 a-1) | 年份Year | IBIS GPP/(kg C m-2 a-1) |
| 长白山 | CBS | 温带针阔混交林 | 42.40 | 128.47 | 1.53 | 2003 | 0.81 |
| 1.50 | 2004 | 0.81 | |||||
| 1.33 | 2005 | 0.81 | |||||
| 千烟洲 | QYZ | 亚热带常绿针叶林 | 26.73 | 115.05 | 1.61 | 2003 | 1.24 |
| 1.87 | 2004 | 1.40 | |||||
| 1.66 | 2005 | 1.32 | |||||
| 鼎湖山 | DHS | 亚热带常绿阔叶林 | 23.17 | 112.53 | 1.53 | 2003 | 2.15 |
| 1.51 | 2004 | 2.01 | |||||
| 1.40 | 2005 | 1.91 | |||||
| 西双版纳 | XSBN | 热带季雨林 | 21.95 | 101.20 | 1.93 | 2003 | 2.26 |
| 当雄 | DX | 草原化高寒草甸 | 30.85 | 91.08 | 0.19 | 2004 | 0.34 |
| 0.14 | 2005 | 0.34 | |||||
| 海北01 | HB01 | 高寒金露梅灌丛草甸 | 37.67 | 101.33 | 0.45 | 2003 | 0.11 |
| 0.50 | 2004 | 0.11 | |||||
| 0.53 | 2005 | 0.11 | |||||
| 海北02 | HB02 | 高寒矮嵩草草甸 | 37.62 | 101.30 | 0.70 | 2003 | 0.62 |
| 海北03 | HB03 | 高寒沼泽化草甸 | 37.60 | 101.32 | 0.43 | 2003 | 0.50 |
| 0.40 | 2004 | 0.45 | |||||
| 0.43 | 2005 | 0.48 | |||||
| 内蒙古 | NMG | 温带羊草草原 | 44.50 | 117.17 | 0.31 | 2004 | 0.42 |
| 0.04 | 2005 | 0.33 |
所有站点的所有年份的观测值与模拟值之间吻合程度较好(r=0.82,P<0.01)。其中长白山站、当雄站和海北01站观测值与模拟值差距相对较大。一方面,植被类型对照上有差异,如当雄和海北的3个站点,实际植被类型为高寒草甸,模型模拟的植被类型为苔原,不同植被类型条件下的模拟,模型中采用不同的植被生理参数,植被类型相差较大,对应的相关参数值也会有较大的差别,从而造成生产力水平的差异;另一方面原因,是站点与栅格的尺度匹配问题,如海北02站与海北03站,它们的观测值有将近0.3的差距,而对应于模拟结果图层,两个站点则位于同一个栅格上。IBIS相关的单点研究表明生产力水平与通量站的实测值匹配较好[24],因为单点的研究能更好的控制输入数据的精度及植被类型的变化等。就区域模拟水平来看,模型模拟结果是相对合理的。
2.1.2 基于发表文献相关研究结果的对比表 3列举了IBIS模型模拟的全国陆地生态系统碳通量和碳储量(1980-2006年平均值)及与其他研究结果的比较。可以看到,NPP总量值与孙睿等[7]及Feng等[25]的结果最为接近,整体上处于研究结果的范围中;生物量的结果稍高于其它研究结果;净生态系统生产力(NEP)总量略高于季劲钧等[33] 和Cao等[30-31] 的结果;对于NPP的模拟结果,朴世龙等[27]指出很多情况下模型没有考虑植被覆盖的情况,计算出来的是潜在的陆地生态系统净第一生产力,从而使得模型模拟值偏高。本研究中考虑了乔木层和灌草丛的覆盖比率因子,故NPP的模拟结果与大部分研究结果相比要偏低一些。
图 2可以看出,IBIS模型模拟的全国陆地生态系统NPP从1980年至2006年NPP的多年平均值的分布格局。西北地区为NPP的低值区,这一地区主要是沙漠和荒漠分布区,NPP值在50 gC m-2 a-1以下;青藏高原,黄土高原及内蒙古高原等地区,NPP值约位于50-200 gC m-2 a-1的区间上;东北的大兴安岭、小兴安岭、秦岭、长江中上游及青藏高原东坡地区,NPP值约位于200-450 gC m-2 a-1的区间上;长白山及西南大部分地区NPP在450-700 gC m-2 a-1的区间上;东南地区及西南西双版纳地区大部分地区NPP值在700-1000 gC m-2 a-1的区间上,部分地区在1000 gC m-2 a-1以上,其主要原因在于这些地区水热条件优越,多为热带-亚热带常绿阔叶林。
|
| 图 2 IBIS 模型模拟的中国陆地生态系统NPP的分布(1980-2006 年多年平均值) Fig. 2 Simulated NPP result map of China with IBIS (Mean NPP during 1980-2006) |
图 3显示了模型模拟的1980年至2006年NEP多年平均值的分布情况,从图中可以看到西北地区、内蒙古北部地区、东北平原部分地区及青藏高原西南等表现出弱的碳源,约为0-30gC m-2 a-1,青藏高原、内蒙古东北部、华北及黄淮地区,西南大部分地区表现为弱的碳汇区,约为0-30gC m-2 a-1,东北大兴安岭、小兴安岭、长白山地区、东南地区及西南部分地区表现为较强的碳汇,NEP值为30-55 gC m-2 a-1,少数地方为55-100 gC m-2 a-1,藏南部分地区NEP值在100 gC m-2 a-1以上。
|
| 图 3 IBIS模型模拟的中国陆地生态系统NEP分布(1980-2006 年多年平均值) Fig. 3 Simulated NEP result map of China with IBIS (Mean NEP during 1980-2006) |
在1960年至2006年期间,全国陆地生态系统NPP总量总体呈上升趋势,年际间有波动(图 4)。NPP总量变化范围在2.2 GtC/a至2.7 GtC/a之间,均值为2.46 GtC/a。全国NPP总量的上升变化幅度约为60 MtC/10a(P<0.01)。在80年代以来,在1990年、1993年、1996年、1998年及2002年出现了几个较大的峰值,这一结果与朴世龙等[27]利用CASA模型模拟的1982-1999年中国植被净第一性生产力的结果基本一致,其结果在1990年、1993年和1998年出现峰值,他提出这一结果与当年的年平均降水量比其它年份降水量要丰沛有关,并指出我国的植被净第一性生产力与年平均降水量显著相关。本研究的结果对应在1997年和1998年出现了相对低值和相对高值。从上述研究结果对比来看,本研究模拟的全国NPP总量水平处于 Fang等[34]与Cao等[31]的结果之间。 Cao等[31] NPP高峰值出现在1985年、1990年和1998年。本研究中,中国陆上生态系统NPP年际变化与这些研究规律表现出较好的一致性,这些年份中国区域可能与受到了厄尔尼诺等极端气候的影响有关。
|
| 图 4 1960-2006年IBIS模型模拟的中国陆地生态系统年NPP总量变化 Fig. 4 The variation of total NPP of China during 1960-2006 |
在1960年至2006年期间,全国陆地生态系统NEP总量总体呈上升趋势,上升变化幅度约为16 MtC/10a(P<0.05)(图 5)。全国NEP总量变化范围在-0.10 GtC/a至0.25 GtC/a的区间上,均值为0.11GtC/a。全国NEP总量基本表现为弱碳汇效应,1990年出现最高值。NEP年际间的波动也较大,这可能与降水气温等气候条件的变化有关。对照NPP总量的年际变化图(图 4)来看,NEP与NPP的峰值点与谷值点基本对应,NPP的变化的量级直接影响着NEP的变化趋势,NPP高的年份均表现为较强的碳汇效应,而NPP的谷值年份,绝大部分对应NEP值均表现为较弱汇效应。Cao等[31]利用CEVSA模型对中国1981-2000年的NEP进行了模拟,结果表明,中国年NEP总量范围位于-0.32 GtC/a至0.25 GtC/a的区间上,平均值为0.07 GtC/a。本研究在相应的时段上中国年NEP总量范围位于0.05 GtC/a至0.24 Gt C/a的区间上,平均值为0.12 GtC/a,略高于Cao等[31]的结果。从20世纪90年代开始中国区域降水量出现递减趋势,造成一定程度的干旱[35]。模拟时段上,从1960年到1990年NEP(k=0.03,P<0.01)表现为明显的上升趋势,从1991到2006年NEP(k=-0.0052,P=0.11)表现出一定的下降趋势,可能与从20世纪90年代的干旱程度加剧有关,但是统计意义不显著,需要更长序列的模拟值来证实。
|
| 图 5 1960-2006年IBIS模型模拟的中国陆地生态系统年NEP总量变化 Fig. 5 The variation of total NEP of China during 1960-2006 |
气候区划体现了不同地理区域上热量与水分的分配状况,其对植被的生产力有极为重要的影响,在归并整理的11个气候区域(图 1)的基础上对全国陆地生态系统NPP情况进行了分析。图 6显示了各个气候区1960年至2006年NPP的年际变化情况及多年平均值,并对时间序列上的NPP作线性回归,判断其变化趋势。
|
| 图 6 全国各气候区1960-2006年NPP的年际变化,多年平均值水平(蓝线),及时间序列上的NPP 的简单线性回归(细直线) Fig. 6 Variation of NPP for each climate zone from 1960 to 2006 with the multi-year mean NPP line |
整体而言,除了暖温带湿润区(CZ05)和中温带干旱区(CZ08)外,其它各个气候区的NPP水平在过去的几十年中都表现出增加的趋势。从NPP的平均水平来看,高原温带(CZ10)的NPP平均水平高于高原寒带(CZ11),南亚热带湿润区(CZ02)NPP平均水平高于中亚热带湿润区(CZ03),中亚热带湿润区(CZ03)高于北亚热带湿润区(CZ04)。从干湿状况来看,暖温带湿润区(CZ05)NPP水平要高于暖温带干旱区(CZ06)NPP的平均水平,中温带湿润区(CZ07)的NPP平均水平要大大高于中温带干旱区(CZ08)的NPP平均水平,说明了水分因子对生产力水平的影响,在一定范围里,水分越充沛,生产力水平越高,此结论与朴世龙等[27]的研究一致。NPP受辐射的影响也较大,1991年6月份的菲律宾 Pinatubo火山爆发[36]导致中国区域辐射锐减,间接造成了11个分区(图 6)和中国陆地生态系统整体NPP(图 5)的显著下降。
2.3.2 中国陆地生态系统NEP在不同气候区域变化特征分析在气候区划(图 1)的基础上对全国陆地生态系统NEP情况进行了分析。图 7显示了各个气候区1960年至2006年平均NEP的年际变化情况,并对时间序列上的NEP作线性回归,分析其变化趋势。结果表明,仅暖温带干旱区(CZ06)的NEP平均水平表现为碳源效应;边缘热带湿润区(CZ01)、南亚热带湿润区(CZ02)、中温带干旱区(CZ08)和寒温带湿润区(CZ09)在1960至2006年整体上基本维持相同的碳汇效应水平;中温带湿润区(CZ07)、高原温带(CZ10)和高原寒带(CZ11)碳汇效应呈显著上升趋势。总体来看,碳汇水平最高为寒温带湿润区(CZ09),平均碳汇水平为30.0 gC m-2 a-1,但其碳汇水平在1998年之后有所减弱;其次是南亚热带湿润区(CZ02)(20.8 gC m-2 a-1),中亚热带湿润区(CZ03)(19.6 gC m-2 a-1),边缘热带湿润区(CZ01)(19.4 gC m-2 a-1)和中温带湿润区(CZ07)(18.2 gC m-2 a-1)。
|
| 图 7 各气候区1960年至2006年NEP的年际变化,多年平均值水平(蓝线),及时间序列上的NEP的线性回归(细直线) Fig. 7 Variation of NEP for each climate zone from 1960 to 2006 with the multi-year mean NEP line |
11个气候分区,除了中温带湿润区(CZ07)、高原温带(CZ10)和高原寒带(CZ11),其它分区的变化趋势均不显著,说明中国大多数的气候分区的碳源汇格局效应已经趋于平衡,没有明显的变化趋势。NEP为NPP与土壤异养呼吸(HR)的差值。土壤呼吸一般是随着降水量的增加而升高的,但雨量充沛的地方,土壤呼吸与降水量会呈现负相关[37],因此NEP的估算结果不确定性远远超过NPP。
2.4 中国陆地生态系统NPP、NEP和降水、温度、CO2浓度的相关性分析为研究NPP与气温及降水之间的关系,对1960年至2006年全国年平均气温及年平均降水量进行了统计(图 8),并与当年的NPP总量值进行相关性分析,NPP与降水及温度均显著相关,并且NPP与气温的相关程度更高。NPP与降水的相关系数r=0.38(P<0.01,N=47),NPP与气温的相关系数r=0.69(P<0.01,N=47)。
|
| 图 8 1960-2006年全国年NPP总量分别与年平均气温、年降水量的相关性 Fig. 8 Correlation relationship between annual total NPP and annual temperature,NPP and annual precipitation during 1960-2006 |
在上述基础上,基于不同气候区划条件下,进一步对1960年至2006年各年各区域年平均气温及年降水量进行了统计,并与当年各区域的NPP和NEP平均值进行相关性分析(表 4)。中国11个气候区,NPP与降水均为正相关,除了中温带湿润区、寒温带湿润区、高原温带和高原寒带外,降水是限制植被生长的主要因子。除了高原寒带外,NEP表现出与降水的更好相关性,与气温的相关性较弱。
| 气候区划号ID of Climatic zone | 气候区划名称Names of climate zones | 降水-NPPP-NPP | 温度-NPPT-NPP | 降水-NEPP-NEP | 温度-NEPT-NEP | |||||||
| r | P | r | P | r | P | r | P | |||||
| 1 | 边缘热带湿润区 | 0.38 | <0.01 | 0.12 | 0.42 | 0.46 | <0.01 | -0.23 | 0.12 | |||
| 2 | 南亚热带湿润区 | 0.48 | <0.01 | 0.09 | 0.56 | 0.54 | <0.01 | -0.29 | <0.05 | |||
| 3 | 中亚热带湿润区 | 0.38 | <0.01 | 0.27 | 0.06 | 0.44 | <0.01 | -0.19 | 0.21 | |||
| 4 | 北亚热带湿润区 | 0.49 | <0.01 | 0.33 | <0.05 | 0.43 | <0.01 | -0.06 | 0.67 | |||
| 5 | 暖温带湿润区 | 0.59 | <0.01 | 0.14 | 0.36 | 0.50 | <0.01 | -0.04 | 0.81 | |||
| 6 | 暖温带干旱区 | 0.90 | <0.01 | 0.04 | 0.81 | 0.86 | <0.01 | -0.11 | 0.45 | |||
| 7 | 中温带湿润区 | 0.33 | <0.01 | 0.73 | <0.01 | 0.47 | <0.01 | 0.37 | <0.05 | |||
| 8 | 中温带干旱区 | 0.91 | <0.01 | 0.07 | 0.66 | 0.88 | <0.01 | -0.16 | 0.27 | |||
| 9 | 寒温带湿润区 | 0.55 | <0.01 | 0.70 | <0.01 | 0.78 | <0.01 | 0.18 | 0.22 | |||
| 10 | 高原温带 | 0.45 | <0.01 | 0.71 | <0.01 | 0.38 | <0.01 | 0.28 | 0.06 | |||
| 11 | 高原寒带 | 0.49 | <0.01 | 0.72 | <0.01 | 0.18 | 0.22 | 0.39 | <0.01 | |||
已有研究证实,CO2浓度的升高也是中国碳收入增加的原因之一[3, 38]。CO2浓度决定了植物胞间与胞外CO2浓度(Ci/Ca),从而影响了IBIS模型的C3和C4植物碳水平衡。CO2浓度主要影响光合作用,其浓度的对NPP和NEP的变化均有一定关系。CO2浓度与NPP的相关性较强(r=0.76,P<0.01),NEP与CO2的相关性相对较弱(r=0.32,P<0.05)。
2.5 模型模拟的不确定性分析尽管与样地数据和其他研究相比较,本文的研究结果处于一个合理的范围,但是IBIS模拟中国净初级生产力和碳收支格局仍然存在很大的不确定性:(1) 大部分参数采用的是模型原始的全球水平上的参数集,对于中国区域植被类型不一定完全合适,存在一定的不确定性;(2) 模型驱动数据(气象、土壤、植被等)在空间尺度转换及匹配上存在不确定性;(3) 不同研究的模拟时间段不同、模型参数不同、模型和样地尺度不匹配等,造成了模型结果对比的不确定性;(4) 除了气温、降水和CO2浓度升高外,土地利用变化和退耕还林等工程的实施也影响了中国陆地生态系统的碳收支平衡[3, 38],在进一步的模型模拟研究中需要考虑相关人类活动的影响。
3 结论本研究基于IBIS模型对中国陆地生态系统历史时期(1960-2006年)气候变化条件及CO2浓度条件下,碳收支时空变异特征和发展趋势进行了模拟分析。利用森林样地数据、通量站点数据对模型进行了验证,并和其他相关研究结果进行了对比分析。结果表明IBIS模型对于中国陆地生态系统碳收支的模拟取得了合理的效果。中国陆地生态系统净初级生产力水平在东南及西南地区最高,其次是长白山及大小兴安岭地区,西北内陆地区的净初级生产力水平最低;就气候区划而言,除了暖温带湿润区和中温带干旱区外,其它各个气候区的净初级生产力水平在过去的几十年中都表现出增加的趋势,并依据各个气候区水热状况的不同,净初级生产力水平与降水和气温表现出不同程度的相关性;从时间序列上来看,全国陆地生态系统净初级生产力水平总量总体呈上升趋势,近20年来,在1990年、1993年、1996年、1998年及2002年出现了峰值。净生态系统生产力结果表明,中国陆地生态系统绝大部分区域表现出碳汇效应,西北内陆区表现出弱碳源效应,大兴安岭、小兴安岭、长白山、东南地区及西南部分地区表现为较强的碳汇效应;从气候区划来看,仅暖温带干旱区的净生态系统生产力的平均水平表现为碳源效应,温带湿润区、高原温带区和高原寒带区碳汇效应呈显著上升趋势;从时间序列上来看,中国陆地生态系统基本表现为弱碳汇效应,并且总体呈上升趋势,1990年出现最高碳汇水平。中国11个气候区,NPP与降水均为正相关,除了中温带湿润区、寒温带湿润区、高原温带和高原寒带外,降水是限制植被生长的主要因子。除了高原寒带外,NEP表现出与降水的更好相关性,与气温的相关性较弱。
致谢: 感谢"中国气象科学数据共享服务网"提供的中国气象站点的历史观测数据。感谢国家自然科学基金委员"中国西部环境与生态科学数据中心"(http://westdc.westgis.ac.cn)和"地球系统科学数据共享网"(http://www.geodata.cn/Portal/)提供的1km中国地区土地覆盖综合数据集。| [1] | IP CC. Climate Change 2013:The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2013456–552. |
| [2] | 徐小锋, 田汉勤, 万师强.气候变暖对陆地生态系统碳循环的影响.植物生态学报,2007,31(2): 175–188. |
| [3] | Piao S L, Fang J Y, Ciais P, Peylin P, Huang Y, Sitch S, Wang T.The carbon balance of terrestrial ecosystems in China.Nature,2009,458(7241): 1009–1013. |
| [4] | 于贵瑞, 王秋凤, 朱先进.区域尺度陆地生态系统碳收支评估方法及其不确定性.地理科学进展,2011,30(1): 103–113. |
| [5] | 黄金龙, 居为民, 郑光, 康婷婷.基于高分辨率遥感影像的森林地上生物量估算.生态学报,2013,33(20): 1–13. |
| [6] | 刘双娜, 周涛, 舒阳, 戴铭, 魏林艳, 张鑫.基于遥感降尺度估算中国森林生物量的空间分布.生态学报,2012,32(8): 2320–2330. |
| [7] | 孙睿, 朱启疆.气候变化对中国陆地植被净第一性生产力影响的初步研究.遥感学报,2001,5(1): 58–61. |
| [8] | 傅新, 刘高焕, 黄翀, 刘庆生.湿地翅碱蓬生物量遥感估算模型.生态学报,2012,32(17): 5355–5362. |
| [9] | 陈强, 陈云浩, 王萌杰, 蒋卫国, 侯鹏, 李营.2001-2010年黄河流域生态系统植被净第一性生产力变化及气候因素驱动分析.应用生态学报,2014,25(10): 2811–2818. |
| [10] | Yang H F, Mu S J, Li J L.Effects of ecological restoration projects on land use and land cover change and its influences on territorial NPP in Xinjiang, China.Catena,2014,115 85–95. |
| [11] | 封晓辉, 程瑞梅, 肖文发, 王瑞丽, 王晓荣, 刘泽彬.基于LPJ-GUESS模型的鸡公山马尾松林生产力和碳动态.林业科学,2013,49(4): 7–15. |
| [12] | 刘曦, 国庆喜, 刘经伟.IBIS模拟东北东部森林NPP主要影响因子的敏感性.生态学报,2011,31(7): 1772–1782. |
| [13] | 于颖, 范文义, 杨曦光.1901-2008年小兴安岭森林NPP估算.林业科学,2014,50(10): 16–23. |
| [14] | 李登秋, 周艳莲, 居为民, 王辉民, 柳艺博, 吴小翠.太阳辐射变化对亚热带人工常绿针叶林总初级生产力影响的模拟分析.植物生态学报,2014,38(3): 219–230. |
| [15] | 曹明奎, 李克让.陆地生态系统与气候相互作用的研究进展.地球科学进展,2000,15(4): 446–452. |
| [16] | Foley J A, Prentice I C, Ramankutty N, Levis S, Pollard D, Sitch S, Haxeltine A.An integrated biosphere model of land surface processes, terrestrial carbon balance, and vegetation dynamics.Global Biogeochemical Cycles,1996,10(4): 603–628. |
| [17] | Kucharik C J, Foley J A, Delire C, Fisher V A, Coe M T, Lenters J D, Young-Molling C, Ramankutty N, Norman J M, Gower S T.Testing the performance of a dynamic global ecosystem model:water balance, carbon balance, and vegetation structure.Global Biogeochemical Cycles,2000,14(3): 795–825. |
| [18] | Zhu Q A, Jiang H, Liu J X, Wei X H, Peng C H, Fang X Q, Liu S R, Zhou G M, Yu S Q, Ju W M.Evaluating the spatiotemporal variations of water budget across China over 1951-2006 using IBIS model.Hydrological Processes,2010,24(4): 429–445. |
| [19] | 中国科学院中国植被图编辑委员会. 中华人民共和国植被图(1:100万). 北京: 地质出版社, 2007. |
| [20] | 冉有华, 李新, 卢玲.四种常用的全球1km土地覆盖数据中国区域的精度评价.冰川冻土,2009,31(3): 490–500. |
| [21] | Hutchinson M F, Gessler P E.Splines-more than just a smooth interpolator.Geoderma,1994,62(1/3): 45–67. |
| [22] | Tans P, Keeling R. NOAA/ESRL. 2014-1-1[2014-10-23]. http://www.esrl.noaa.gov/gmd/ccgg/trends/. |
| [23] | 于贵瑞, 伏玉玲, 孙晓敏, 温学发, 张雷明.中国陆地生态系统通量观测研究网络(ChinaFLUX)的研究进展及其发展思路.中国科学D辑:地球科学,2006,36(S1): 1–21. |
| [24] | Kucharik C J, Barford C C, Maayar M E, Wofsy S C, Monson R K, Baldocchi D D.A multiyear evaluation of a dynamic global vegetation model at three AmeriFlux forest sites:vegetation structure, phenology, soil temperature, and CO2 and H2O vapor exchange.Ecological Modelling,2006,196(1/2): 1–31. |
| [25] | Feng X, Liu G, Chen J M, Chen M, Liu J, Ju W M, Sun R, Zhou W.Net primary productivity of China's terrestrial ecosystems from a process model driven by remote sensing.Journal of Environmental Management,2007,85(3): 563–573. |
| [26] | Xiao X M, Melillo J M, Kicklighter D W, Pan Y D, McGuire A D, Helfrich J V K III.Net primary production of terrestrial ecosystems in China and its equilibrium responses to changes in climate and atmospheric CO2 concentration.Acta Phytoecologica Sinica,1998,22(2): 97–118. |
| [27] | 朴世龙, 方精云, 郭庆华.1982-1999年我国植被净第一性生产力及其时空变化.北京大学学报:自然科学版,2001,37(4): 563–569. |
| [28] | 陶波, 李克让, 邵雪梅, 曹明奎.中国陆地净初级生产力时空特征模拟.地理学报,2003,58(3): 372–380. |
| [29] | 李克让, 王绍强, 曹明奎.中国植被和土壤碳贮量.中国科学D辑:地球科学,2003,33(1): 72–80. |
| [30] | Cao M K, Prince S D, Li K R, Tao B, Small J, Shao X M.Response of terrestrial carbon uptake to climate interannual variability in China.Global Change Biology,2003,9(4): 536–546. |
| [31] | Cao M K, Tao B, Li K R, Shao X M, Stephen D P.Interannual variation in terrestrial ecosystem carbon fluxes in China from 1981 to 1998.Acta Botanica Sinica,2003,45(5): 552–560. |
| [32] | 黄玫, 季劲钧, 曹明奎, 李克让.中国区域植被地上与地下生物量模拟.生态学报,2006,26(12): 4156–4163. |
| [33] | 季劲钧, 黄玫, 李克让.21世纪中国陆地生态系统与大气碳交换的预测研究.中国科学D辑:地球科学,2008,38(2): 211–223. |
| [34] | Fang J Y, Piao S L, Field C B, Pan Y D, Guo Q H, Zhou L M, Peng C H, Tao S.Increasing net primary production in China from 1982 to 1999.Frontiers in Ecology and the Environment,2003,1(6): 293–297. |
| [35] | 虞海燕, 刘树华, 赵娜, 李栋, 于永涛.1951-2009年中国不同区域气温和降水量变化特征.气象与环境学报,2011,27(4): 1–11. |
| [36] | 肖栋, 李建平.皮纳图博火山爆发对20世纪90年代初平流层年代际变冷突变的影响机理.科学通报,2011,56(4/5): 333–341. |
| [37] | 庞瑞, 顾峰雪, 张远东, 候振宏, 刘世荣.西南高山地区净生态系统生产力时空动态.生态学报,2012,32(24): 7844–7856. |
| [38] | Piao S L, Yin G D, Tan J G, Cheng L, Huang M T, Li Y, Liu R G, Mao J F, Myneni R B, Peng S S, Poulter B, Shi X Y, Xiao Z Q, Zeng N, Zeng Z Z, Wang Y P.Detection and attribution of vegetation greening trend in China over the last 30 years.Global Change Biology,2015,21(4): 1601–1609. |