2022, Vol. 42文章信息
- 张永永, 税伟, 孙晓瑞, 孙祥
- ZHANG Yongyong, SHUI Wei, SUN Xiaorui, SUN Xiang
- 云南省植被水分利用效率时空变化及影响因素
- Spatiotemporal variation and influencing factors of vegetation water use efficiency in Yunnan Province
- 生态学报. 2022, 42(6): 2405-2417
- Acta Ecologica Sinica. 2022, 42(6): 2405-2417
- http://dx.doi.org/10.5846/stxb202011253023
-
文章历史
- 收稿日期: 2020-11-25
- 网络出版日期: 2021-11-26
2. 福州大学空间数据挖掘与信息共享教育部重点实验室, 福州 350116
2. Key Lab of Spatial Data Mining & Information Sharing, Fuzhou University, Fuzhou 350116, China
水的可用性是生态文明建设的关键要素, 是植物生长和生产环节中不可或缺的重要资源[1], 随着全球气候问题的日益严峻, 碳循环和水循环的机制及二者耦合关系的探索已经成为研究热点[2-5]。其中水分利用效率是一个了解生态系统新陈代谢及碳-水关系的重要参数, 它是指植被单位失水量的碳吸收量[6-7]。研究区域水分利用效率的模式和驱动因素, 可以为深入了解全球气候变化在区域上的响应提供参考。学者们从不同尺度对水分利用效率(WUE)的时空特征及驱动机制进行了大量的研究。在时空变化的研究上, 大部分区域呈现增加的趋势, 并且具有显著的空间异质性[8-10]。在驱动机制的研究上, 已有学者从降水量、气温、DEM、大气CO2浓度、土壤含水量等多个角度展开研究[11-16], 结果发现不同研究尺度不同区域具有不同的结果, 有些结果甚至相悖。例如在全球尺度上Xue等[17]发现植被WUE沿海拔梯度先保持相对稳定后急剧下降, 在中国Zhu等[18]则发现植被WUE随海拔的升高呈下降趋势, 而在西南地区Sun等[19]却发现植被WUE随着海拔的上升而升高。气候因素对植被WUE的影响也有明显的时空异质性, 降水和气温的高低可能会对WUE产生正效应、负效应或者不显著影响的不同结果[20-23]。同时不同等级的干旱事件对WUE会产生不同性质的滞后影响, 并且其影响程度呈现加剧的趋势[10, 15]。
低纬高原地区的气候具有低纬气候和高原气候相结合的特征, 是世界上自然地理相当复杂、生物资源最为多样、特殊气候最为集中的生态区。云南省是中国低纬高原地区的主体, 作为全球10个著名低纬高原地区之一, 其气候干湿季分明, 下垫面极其复杂, 区域变暖的加剧对该区域产生了极大的影响[24-25]。而目前植被水分利用效率的研究多集中在全球、大洲、粮食主产区等, 少有研究低纬高原地区水分利用效率的变化特征。故本文以云南省为研究区, 基于MODIS数据产品定量估算了2000—2014年云南省植被水分利用效率, 结合海拔、气候等数据, 分析WUE的时空分布特征, 以及对海拔和气候因子的响应, 揭示云南省植被WUE的变化特征, 以期丰富全球气候变化背景下的生态系统新陈代谢及碳-水循环在不同区域尺度上响应的研究, 为云南省生态建设及水资源优化和全球低纬高原区域生态建设提供科学依据。
1 研究区域概况云南省位于中国西南边陲, 地理位置介于21°08′—29°15′N和97°31′—106°11′E之间, 总面积39.41万km2。其地势呈现西北高、东南低的趋势, 有海拔高达5 km、终年积雪的梅里雪山, 也有海拔低至70多米的热带河谷(图 1)。以元江谷底和云岭山脉南段宽谷为界, 东部为云贵高原的组成部分——滇东、滇中高原, 具有起伏和缓的低山和浑圆丘陵；西部则是高山峡谷相间, 地势险峻, 形成奇异、雄伟的山岳冰川地貌, 西南部海拔一般在1500—2000 m, 西北部一般在3000—4000 m之间。云南省的气候变幅大, 类型丰富, 地区差异性大, 垂直变化突出, 立体气候明显, 具有包括北热带至寒温带的全部气候类型。气温受地形因素制约强, 导致年温差小, 日温差大。其特殊的地理位置和地形气候造就了云南省“植物王国”、“药用植物的宝库”、“香料植物的博物馆”、“天然大花园”等的地位, 不到中国5%的土地面积却拥有60%以上高等植物也成为各领域学者的研究热点。但云南省也是干旱发生较频繁的区域, 并且具有频次增多, 面积增大, 强度增强的趋势。
|
| 图 1 云南省区位图 Fig. 1 Geographical location of the study area Yunnan Province |
本研究使用的云南省2000—2014年MODIS 17总初级生产力和MODIS 16蒸散量遥感数据均来自美国蒙大拿大学密苏拉分校地球动态数值模拟研究组(Numerical Terradynamic Simulation Group, NTSG)提供的数据产品(http://files.ntsg.umt.edu), 空间分辨率为1km, 轨道号为h26v06和h27v06, 该数据集在评估植被生产力、蒸散量的空间分布、年际变化和长期变化趋势方面具有一定的可靠性[10]。
本研究使用的土地利用数据(Land Use/Cover Change, LUCC)来自中国国家基础地理信息中心GlobeLand 30, 空间分辨率为30 m, 时间为2010年, 包括10个主要的地表覆盖类型, 分别是耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪, 本研究将提取其中的耕地、森林、草地和灌木地进行研究(http://www.ngcc.cn/ngcc/)[26]。DEM数据是来自地理空间数据云(http://www.gscloud.cn/)的ASTER GDEM数据产品, 其空间分辨率为30 m。2000—2014年的气温和降水的气候数据是来自中国气象科学数据服务网(http://data.cma.cn/data)的气象站点数据, 利用反距离加权插值法(IDW)对全国气象站点观测数据进行插值得到空间分辨率为1 km的全国气候空间分布数据, 再利用云南省边界裁剪得到云南省的气候数据[27]。
2.2 研究方法本文的水分利用效率采用植被总初级生产力与蒸散量的比值来表示[28]:
|
(1) |
式中, WUE表示水分利用效率(gC mm-1 m-2), GPP表示陆地生态系统总初级生产力(gC m-2), ET表示生态系统蒸散量(mm)。
本文采用一元线性回归分析方法研究云南省像元尺度上2000—2014年WUE的变化百分率, 计算公式如下:
|
(2) |
|
(3) |
式中, Bslope表示回归系数, 可以用来反映变化趋势, 当Bslope>0时, 表示WUE呈上升的趋势, 反之, 则表示下降；n为本研究的时间范围年数, 为15；t为年份；WUEi表示第i年的水分利用效率；WUE表示15年的平均水分利用效率；WUEc表示WUE的变化百分率(%)。
相关分析在测定地理要素之间的相互关系密切程度中被广泛应用, 本研究通过计算WUE与降水量和气温的偏相关系数来揭示WUE对降水量和气温要素的响应, 计算公式如下:
|
(4) |
式中, Rxy, z表示视z要素为常数, x要素与y要素的偏相关系数；Rxy、Rxz、Ryz分别为两个变量的相关系数；其显著性检验采用t检验法。
复相关分析法能反映各要素的综合影响, 本研究利用复相关系数衡量降水量和气温对WUE的复相关程度, 计算公式如下:
|
(5) |
式中, z对应WUE要素, x和y分别对应降水量和气温要素, Rzxy表示WUE与降水量和气温的复相关系数；Rzx表示降水量和WUE的相关系数；Rzyx表示气温的偏相关系数；其显著性检验采用F检验法。
3 结果与分析 3.1 WUE的时间变化趋势通过对云南省2000—2014年不同土地利用类型下的植被WUE的均值变化分析可知其存在明显的差异(图 2)。总体上2000—2014年间平均WUE为1.91 gC mm-1 m-2, 其中森林的ET、GPP和WUE均最高, 平均WUE为2.00 gC mm-1 m-2。灌木地的WUE仅次于森林, 均值为1.87 gC mm-1 m-2。草地和耕地的WUE最小, 并且具有相同的均值, 都为1.80 gC mm-1 m-2, 但耕地的ET和GPP明显大于草地。2000—2014年云南省不同土地利用类型下的植被WUE具有相同的变化趋势, 整体上呈显著的波动上升趋势, 增速为0.0078 gC mm-1 m-2 a-1(P < 0.05), 这主要是由于全球气候变化引起云南省2000—2014年气温显著上升(P < 0.05)的同时, 降水呈现不显著的下降趋势(P > 0.05)(图 3)[24]。不同土地利用类型下的植被类型具有不同的变化速率, 其中灌木地增速最快, 速度为0.0128 gC mm-1 m-2 a-1, 这主要是由于灌木地GPP增加较快, 同时ET又呈下降趋势最终导致WUE增速较快。而耕地的增速最慢, 速度为0.0066 gC mm-1 m-2 a-1, 其主要受人为因素影响较大。四种土地利用类型下的植被WUE变化速率从大到小依次为灌木地, 草地, 森林, 耕地。
|
| 图 2 云南省2000—2014年不同土地利用类型下的植被ET、GPP、WUE年际变化 Fig. 2 Inter-annual changes in ET, GPP and WUE of different land use types in Yunnan Province from 2000 to 2014 ET: 蒸散量Evapotranspiration; GPP: 总初级生产车Gross Primary Productivity; WUE: 水分利用效率Water use efficiency |
|
| 图 3 2000—2014年云南省年均降水量和年均温变化 Fig. 3 Changes in average annual precipitation and temperature in Yunnan Province from 2000 to 2014 |
2009—2013年的干旱事件对ET、GPP、WUE产生了一定的影响(图 2), 总体上可以看出在干旱事件的影响下, 植被ET出现了明显低于往年的最低值, GPP和WUE则出现了异于往年变化规律的特征。具体来看, 在干旱事件发生的第二年, ET出现谷值后恢复到正常范围；GPP则呈现明显的波动变化, 出现两个谷值；植被WUE在2000—2008年呈现周期性变化, 而在2009—2013年植被WUE整体较低, 直到干旱结束后才呈现增长的趋势。
统计2000—2014年15年内的各月份不同土地利用类型下的植被平均WUE, 其年内变化如图 4所示。总体上可以看出从1—12月WUE表现为“M”型的双峰变化趋势, 峰值在3、4月和11月, 谷值在1、12月和6、7月。不同土地利用类型下的植被WUE在不同的月份表现出一定的差异, 其中森林WUE在6—12月最高；耕地则在2、3月具有最高的WUE, 4—10月具有最低的WUE；在4月份, 灌木地和草地具有最高的WUE, 而在冬季则表现出最低的WUE。
|
| 图 4 云南省不同土地利用类型下的植被WUE变化 Fig. 4 WUE changes of different land use types in Yunnan Province |
云南省2000—2014年植被平均ET、GPP和WUE具有较强的空间分异性规律(图 5)。总体上ET和GPP均表现为西南高东北低, WUE呈现西高东低的趋势。ET和GPP的高值均分布在滇西南区域, 在空间分布上具有高度的一致性, 但是其WUE处于中间水平, 介于1.5—2.5之间。WUE高值集中在云贵高原和青藏高原的连接部位——丽江, 其WUE值整体上大于2.5 gC mm-1 m-2。主要是由于丽江属低纬暖温带高原山地季风气候, 是太阳辐射的高值区, 植被接受日照的时间较长, 具有较高的GPP[17]；并且丽江海拔较高(一般在2000 m以上), 地处西南横断山区, 较低的年均温和较少的年均降水量使得ET较低, 最终表现出非常高的WUE。低值主要集中在滇东南的文山和滇东北的昭通, WUE值小于1.5 gC mm-1 m-2的植被广泛分布。三江并流区的植被WUE随山脉走向呈现条状分布变化, 整体上其值较小, 在2 gC mm-1 m-2以下, 但从2000—2014年该区域植被WUE增加明显, 达20%以上。
|
| 图 5 2000—2014年云南省平均植被ET、GPP、WUE及WUE变化百分率空间分布 Fig. 5 Spatial distribution of average ET, GPP, WUE and WUE percentage change from 2000 to 2014 in Yunnan Province |
从植被WUE变化百分率空间分布图(图 5)可以看出在2000—2014年云南省整体上呈现北增南减的趋势。其中呈现增加趋势的比例更大, 占68.10%。植被WUE增加20%以上的区域主要集中分布在三江并流区、丽江、昭通南部以及曲靖北部, 面积占比29.96%。而植被WUE降低10%以上的面积占比较少, 主要零星分布在滇池、抚仙湖、洱海以及澜沧江和漾濞江的交汇处, 仅占2.72%。大部分区域的变化较小, 主要集中在降低10%和增加10%之间。滇西南边界区域ET和GPP都较高, 但是其WUE却呈现略微下降的趋势。文山的中部区域ET和GPP都较低, WUE大部分在1.5 gC mm-1 m-2以下, 但是在2000—2014年间却呈现增加的趋势。总的来看, 除丽江以外, WUE高值区呈现下降的趋势, WUE低值区呈现上升的趋势。
3.3 云南省植被WUE与海拔的关系地势差异会制约水、热、光等因素, 从而影响植被的分布[17], 为研究其在云南省的响应, 在像元尺度上统计ET、GPP、WUE随DEM的变化(图 6)。从图中可以看出云南省植被ET、GPP和WUE具有明显的垂直分布异质性。整体上, 植被ET随着海拔的上升呈先下降后上升再下降的趋势。植被GPP随着海拔的升高呈波动下降的趋势, 低于2000 m处波动较大。植被WUE则是先上升后下降的变化趋势, 峰值在2975 m左右, WUE值2.13 gC mm-1 m-2。这与在全球尺度的研究结果具有一定的相似性, 却与中国和西南地区存在较明显的区别[15-17]。具体来看, 云南省地形对碳-水循环影响较大, 在低海拔的谷底区域, 温度较高, 雨水较少, 植被ET和GPP都较高。随着海拔的上升, ET骤降, GPP波动下降导致WUE持续增加。直至海拔3000 m左右, ET变化平稳, 甚至有上升的趋势, 但是同时GPP骤降导致WUE不断下降。海拔高于5000 m, WUE几乎为0 gC mm-1 m-2, 主要是由于高海拔气温和降水量都极低, 冰雪覆盖, 不利于植被的生长, 也导致GPP几乎为0[17]。
|
| 图 6 云南省植被ET、GPP、WUE与海拔的关系 Fig. 6 The relationship between ET, GPP, WUE and altitude in Yunnan Province |
为分析WUE变化百分率与海拔的关系, 绘制密度散点图(图 7)。图中可以看出随着海拔的升高植被WUE变化百分率呈现增加的趋势, 海拔每升高1 m, 植被WUE增加0.01%左右。在低海拔区域植被WUE较高, 但是其增加趋势不明显甚至下降；而在海拔较高的区域(3000 m以上)植被WUE随着海拔的升高而下降, 但是其WUE变化百分率却不断上升(图 6)。说明暖湿化的全球气候变化对云南省植被WUE产生了复杂的影响[16, 29]。对不同土地利用类型下的植被WUE的变化百分率进行统计(图 8)发现不同土地利用类型中均有20%以上的区域植被WUE呈下降趋势, 其中森林最多, 占35.66%, 耕地次之, 占29.62%, 四种土地利用类型下的植被WUE变化随着海拔的升高其变化百分率相差不大。耕地主要分布在海拔3700 m以下, 草地和森林则在5000 m以下都有所分布。相较于耕地、草地和森林而言, 灌木地WUE的波动范围则较小。
|
| 图 7 云南省植被WUE变化百分率与海拔的关系 Fig. 7 The relationship between vegetation WUE percentage change and altitude in Yunnan Province |
|
| 图 8 云南省不同土地利用类型下的植被WUE变化百分率与海拔的关系 Fig. 8 Percentage change of WUE in relation to elevation for different land use types in Yunnan Province |
研究表明气候变化对生物多样性会产生负面影响[30-31], 为分析云南省WUE与气候因子的关系, 利用相关分析法在像元尺度上计算年均降水量和年均温与WUE的偏相关系数及复相关系数, 并进行显著性检验(图 9), 发现云南省植被WUE对年均降水量和年均温要素的响应存在明显的空间异质性。植被WUE与年均温的偏相关系数介于-0.90到0.94之间, 统计发现, 正偏相关区域主要集中分布在滇西北和滇东北, 占比60.89%；负偏相关区域主要集中分布在普洱和西双版纳, 占比39.11%。其中通过显著性检验的(P < 0.01)的正偏相关区域分别占7.10%, 主要分布在三江并流区及滇东北的昭通, 负偏相关区域占1.63%。植被WUE与年均降水量的偏相关系数介于-0.91到0.85之间。与年均温不同, 植被WUE与年均降水量的相关分布更加分散, 呈现正偏相关关系的主要零星分布在滇东南的文山及红河的耕地内, 占比68.71%；其中通过显著性检验(P < 0.01)的仅占1.02%, 主要分布在洱海东北部。
|
| 图 9 2000—2014年云南省植被WUE与年均温、年均降水量的偏相关系数空间分布以及复相关系数及显著性检验的空间分布 Fig. 9 Spatial distribution of partial correlation coefficients of WUE with average annual temperature and average annual precipitation and spatial distribution of multiple correlation coefficients and significance test in the low-latitude plateau of China from 2000 to 2014 SNC: 显著负相关significant negative correlation；ISC: 不显著相关Insignificant correlated；SPC: 显著正相关Significant positive correlation |
植被WUE与年均温和年均降水量的复相关空间分布情况如图 9所示, 其复相关系数介于0.00到0.97之间。WUE与气候因子复相关较强的区域主要集中在三江并流区及昭通。WUE与气候因子复相关系数较弱的区域主要分布在滇东南的文山及曲靖南部。为了研究年均温和年均降水量对植被WUE的综合影响, 通过叠加处理得到气象因子影响显著性分布, 统计发现大部分区域植被WUE与年均温和年均降水量均不显著, 占比90.39%。与年均温呈显著正相关且与年均降水量不显著相关的区域面积次之, 占比7.06%, 主要集中在三江并流区及昭通。与年均温显著负相关且与年均降水量不显著相关的面积占比1.43%, 主要分布在滇南的西双版纳；其他类型面积占比均小于1%。整体上相较于降水因子, 云南省植被WUE受气温影响更大, 主要分布在三江并流区及昭通, 该地区海拔较高, 多处冰雪覆盖, 受全球气候变化的影响其WUE变化明显, 而其他地区则受非气候因素影响较大。
4 讨论与结论 4.11 云南省不同土地利用类型下的植被WUE时空特征分析相较于其他土地利用类型, 森林具有最高的ET、GPP和WUE。这主要是由于森林生态系统结构复杂, 根系更加发达, 具有更高的光合作用速率。并且云南省低纬高原气候显著, 具有复杂的山原地貌, 丰富的热量资源, 广袤的喀斯特地貌, 充沛的降水量, 兼寒、温、热的气候带, 这种得天独厚的自然条件为森林提供了充足的生长条件[32]。在空间上不同区位的森林WUE存在较大的差异。哀牢山以西的森林具有更高的ET、GPP值, 这主要是受西南季风的影响, 且多数为国有林或者自然保护区。位于滇东南的山地苔藓常绿阔叶林, 虽然终年气候湿润, 热量充足, 但其易受气候影响, GPP值较低, ET却较高, 因而导致其WUE处于低值水平。分布在滇中、滇西南、滇西和滇西北的中山湿性常绿阔叶林WUE具有明显的差异, 从滇中到滇西南到滇西北不断下降, 滇中和滇西北的植被ET都极低, 但是由于滇中GPP较高, 最终使得其WUE形成较大的差异。而滇西南中山湿性常绿阔叶林WUE情况与滇南的季风常绿阔叶林具有相同的分布趋势。
虽然草地与耕地WUE相差不大, 但是其ET和GPP却不尽相同。草地的ET和GPP都最低, 这主要是由于草地生物量较低, 光合作用能力弱, 需水量少。而耕地在人为控制下, 具有充足的营养物质和水分来保证作物生长, 在全球尺度的WUE研究发现, 耕地的WUE仅次于森林, 高于草地, 占据中间值的位置[17]。虽然在农业政策的引导下, 我国的耕地管理办法得到了较好的改善[33], 但是在云南省有69.79%为坡耕地, 其水土流失严重, 作物产量较低, 所以GPP较低, ET较高, 导致耕地WUE较低[34-36]。所以该地区还需要不断加强治理, 因地制宜制定水土保持、生态建设办法、措施, 进行综合科学的管理[37]。
4.2 干旱对云南省植被WUE的影响分析云南省在2009—2013年发生了连续四年的连旱, 其中2009—2010的旱情最严重, 2012—2013次之, 此次干旱具有持续时间长、影响范围大、干旱程度重的特征, 其中在秋、冬、春季节的干旱对人民生产生活均产生了显著的影响。研究表明当植被受到干旱胁迫时, 根长和叶片气孔导度形态均会产生一定的变化, 使得植被的光合速率、蒸腾速率、呼吸作用等都会出现下降的趋势[38]。因此在2009—2010年ET骤降, 但2009年年均温较高, 加之秋冬干旱对植被的生产力影响较小, 从而2009年GPP没有明显下降, 而2010年的春季植被生产力则受到严重影响。但是WUE在2012年才反映出明显的下降趋势, 可以看出植被对干旱的响应具有一定的滞后性[15]。2012—2013年的干旱没有对植被ET产生明显的影响, 说明植被对干旱的生态环境产生了一定的适应性, 水资源是限制植被固碳的重要因素。而2013年植被WUE较高, 体现出干旱对植被WUE具有一定的滞后正效应[10]。
4.3 澜沧江上游的三江并流区域WUE特征三江并流区气候环境复杂且敏感, 具有独特的地形特征和丰富的资源[39]。而其植被WUE却较低(图 5), 这主要是由于该区域的山峰海拔较高, 冰雪覆盖的低温环境不利于植被的生长。并且北部的金沙江峡谷、澜沧江峡谷和怒江峡谷整体上山体坡度较大, 在印度洋暖湿气流的影响下, 植被覆盖度也较低, 从而使得其WUE较低[40]。而同时该区域植被WUE增加10%以上, 主要是由于随着全球气候变暖, 该区域植被覆盖度显著增加, WUE也呈现增加的态势[41]。对WUE与气候因子的相关分析(图 9)可以看出该区域植被生长主要受气温的影响, 说明全球气候变暖引起气温显著上升(图 3), 整体上对该区域植被表现出正面效应。这可能是气温升高引起冰川冻土融化的同时为植被生长提供了较好的水热条件, 植被覆盖度显著增加[42]。而三江并流区原本就具有丰富的生物量, 在2003年被列入《世界遗产名录》之后生态保护工程实施效果显著, 植被生长环境得到改善。
4.4 不确定因素分析本文采用MODIS 16(ET)和MODIS 17(GPP)产品来估算云南省植被WUE, 但其估算结果具有一定的误差。主要是由于GPP数据反演时的最大光能利用率为常数, 未考虑不同植被之间的差异, 导致在高生产力地区的值易被低估[43]；ET数据反演的过程中需要结合气候、植被等多项参数, 其原数据的不确定性一定程度上也会影响ET数据反演的准确性[44]。尽管如此, 该数据集依然被广泛应用于WUE的研究, 因其在某种程度上依然能够反映植被WUE的时空变化特征[45]。在研究不同土地利用类型的WUE变化特征中, 由于数据源获取限制, 只能选择中间年份的土地利用数据进行分析, 在一定程度上存在不确定性。在影响因素方面, 云南省在地形和气候方面特征突出, 其他因素如二氧化碳浓度[9, 46]、干旱[38]、太阳辐射[17]等也会对WUE产生重要的影响, 在未来的研究中, 应该考虑这些因素来更全面的研究其对植被WUE的影响, 从而提高我们对全球气候变化在区域尺度上响应的理解。同时在分析WUE与气温、降水等因素的关系时, 仅做了有限的相关分析和讨论, 缺乏对其驱动因素机制机理的深入研究, 在未来的研究中应综合各影响因素对其影响机制展开进一步深入的研究。
5 结论本研究基于MODIS数据定量估算了2000—2014年云南省水分利用效率, 分析了其WUE的时空演变规律及对海拔和气候因子之间的响应, 可以得到如下结论:
(1) 2000—2014年云南省植被WUE呈波动上升的趋势, 在年内表现为“M”型的变化趋势。森林的WUE最高, 灌木地的WUE增速最快, 耕地与草地的WUE相差不大, 并且增速最慢, 所以还需要合理规划利用坡耕地资源, 开展坡耕地水域生态环境治理。2010—2013年的干旱对云南省植被WUE影响明显, 表现为滞后的正效应。
(2) 云南省植被WUE具有较强的空间分异规律, 整体上表现为西高东低。丽江为植被WUE高值的集中区, 整体上大于2 gC mm-1 m-2, 文山和昭通为WUE的低值区, 整体上小于1.5 gC mm-1 m-2。三江并流区域植被WUE随着山脉走势呈现条状变化分布。除丽江以外, 其他WUE高值区呈下降的趋势, WUE低值区成上升的趋势。
(3) 植被WUE随着海拔的升高呈现先增加后下降的变化趋势, 其变化百分率则呈现随着海拔的升高而增加的趋势, 高海拔植被WUE受环境影响更加敏感。三江并流区在全球气候变化及生态保护工程的影响下, 其WUE在2000—2014年整体上增加10%以上。
(4) 整体上相较于降水因子, 云南省植被WUE受气温影响更大, 北部植被WUE主要与气温呈正相关, 南部则呈负相关。受气候因子影响显著的区域主要分布在三江并流区及昭通, 其他地区则受非气候因素影响更大。
| [1] |
王永生, 李玉恒, 刘彦随. 水资源约束下中国沙化土地整治工程与区域农业可持续发展研究——以陕西省榆林市为例. 中国科学院院刊, 2020, 35(11): 1408-1416. |
| [2] |
Huxman T E, Smith M D, Fay P A, Knapp A K, Shaw M R, Loik M E, Smith S D, Tissue D T, Zak J C, Weltzin J F, Pockman W T, Sala O E, Haddad B M, Harte J, Koch G W, Schwinning S, Small E E, Williams D G. Convergence across biomes to a common rain-use efficiency. Nature, 2004, 429(6992): 651-654. DOI:10.1038/nature02561 |
| [3] |
Yuan W P, Zheng Y, Piao S L, Ciais P, Lombardozzi D, Wang Y P, Ryu Y, Chen G X, Dong W J, Hu Z M, Jain A K, Jiang C Y, Kato E, Li S H, Lienert S, Liu S G, Nabel J E M S, Qin Z C, Quine T, Sitch S, Smith W K, Wang F, Wu C Y, Xiao Z Q, Yang S. Increased atmospheric vapor pressure deficit reduces global vegetation growth. Science Advances, 2019, 5(8): eaax1396. DOI:10.1126/sciadv.aax1396 |
| [4] |
Liu Y L, Kumar M, Katul G G, Feng X, Konings A G. Plant hydraulics accentuates the effect of atmospheric moisture stress on transpiration. Nature Climate Change, 2020, 10(7): 691-695. DOI:10.1038/s41558-020-0781-5 |
| [5] |
李旭亮, 杨礼箫, 胥学峰, 田伟, 贺缠生. 基于SEBAL模型的西北农牧交错带生长季蒸散发估算及变化特征分析. 生态学报, 2020, 40(7): 2175-2185. |
| [6] |
Jassal R S, Black T A, Spittlehouse D L, Brümmer C, Nesic Z. Evapotranspiration and water use efficiency in different-aged Pacific Northwest Douglas-fir stands. Agricultural and Forest Meteorology, 2009, 149(6/7): 1168-1178. |
| [7] |
Leakey A D B, Ferguson J N, Pignon C P, Wu A, Jin Z N, Hammer G L, Lobell D B. Water use efficiency as a constraint and target for improving the resilience and productivity of C3 and C4 crops. Annual Review of Plant Biology, 2019, 70: 781-808. DOI:10.1146/annurev-arplant-042817-040305 |
| [8] |
Tang X G, Li H P, Desai A R, Nagy Z, Luo J H, Kolb T E, Olioso A, Xu X B, Yao L, Kutsch W, Pilegaard K, Köstner B, Ammann C. How is water-use efficiency of terrestrial ecosystems distributed and changing on Earth?. Scientific Reports, 2014, 4: 7483. |
| [9] |
Keenan T F, Hollinger D Y, Bohrer G, Dragoni D, Munger J W, Schmid H P, Richardson A D. Increase in forest water-use efficiency as atmospheric carbon dioxide concentrations rise. Nature, 2013, 499(7458): 324-327. DOI:10.1038/nature12291 |
| [10] |
Zou J, Ding J L, Welp M, Huang S, Liu B H. Using MODIS data to analyse the ecosystem water use efficiency spatial-temporal variations across Central Asia from 2000 to 2014. Environmental Research, 2020, 182: 108985. DOI:10.1016/j.envres.2019.108985 |
| [11] |
Yang S S, Zhang J H, Zhang S, Wang J W, Bai Y, Yao F M, Guo H D. The potential of remote sensing-based models on global water-use efficiency estimation: an evaluation and intercomparison of an ecosystem model (BESS) and algorithm (MODIS) using site level and upscaled eddy covariance data. Agricultural and Forest Meteorology, 2020, 287: 107959. DOI:10.1016/j.agrformet.2020.107959 |
| [12] |
Eamus D. The interaction of rising CO2 and temperatures with water use efficiency. Plant, Cell & Environment, 1991, 14(8): 843-852. |
| [13] |
Peñuelas J, Canadell J G, Ogaya R. Increased water-use efficiency during the 20th century did not translate into enhanced tree growth. Global Ecology and Biogeography, 2011, 20(4): 597-608. DOI:10.1111/j.1466-8238.2010.00608.x |
| [14] |
Tang X G, Li H P, Xu X B, Luo J H, Li X Y, Ding Z, Xie J. Potential of MODIS data to track the variability in ecosystem water-use efficiency of temperate deciduous forests. Ecological Engineering, 2016, 91: 381-391. DOI:10.1016/j.ecoleng.2016.02.022 |
| [15] |
Liu Y B, Xiao J F, Ju W M, Zhou Y L, Wang S Q, Wu X C. Water use efficiency of China's terrestrial ecosystems and responses to drought. Scientific Reports, 2015, 5: 13799. DOI:10.1038/srep13799 |
| [16] |
杜晓铮, 赵祥, 王昊宇, 何斌. 陆地生态系统水分利用效率对气候变化的响应研究进展. 生态学报, 2018, 38(23): 8296-8305. |
| [17] |
Xue B L, Guo Q H, Otto A, Xiao J F, Tao S L, Li L. Global patterns, trends, and drivers of water use efficiency from 2000 to 2013. Ecosphere, 2015, 6(10): 1-18. |
| [18] |
Zhu X J, Yu G R, Wang Q F, Hu Z M, Zheng H, Li S G, Sun X M, Zhang Y P, Yan J H, Wang H M, Zhao F H, Zhang J H, Shi P L, Li Y N, Zhao L, Zhang F W, Hao Y B. Spatial variability of water use efficiency in China's terrestrial ecosystems. Global and Planetary Change, 2015, 129: 37-44. DOI:10.1016/j.gloplacha.2015.03.003 |
| [19] |
Sun X Y, Wang G X, Huang M, Chang R Y, Hu Z Y, Song C L, Sun J Y. The asynchronous response of carbon gain and water loss generate spatio-temporal pattern of WUE along elevation gradient in southwest China. Journal of Hydrology, 2020, 581: 124389. DOI:10.1016/j.jhydrol.2019.124389 |
| [20] |
Scanlon T M, Albertson J D. Canopy scale measurements of CO2 and water vapor exchange along a precipitation gradient in southern Africa. Global Change Biology, 2004, 10(3): 329-341. DOI:10.1046/j.1365-2486.2003.00700.x |
| [21] |
Sun Y, Piao S L, Huang M T, Ciais P, Zeng Z Z, Cheng L, Li X R, Zhang X P, Mao J F, Peng S S, Poulter B, Shi X Y, Wang X H, Wang Y P, Zeng H. Global patterns and climate drivers of water-use efficiency in terrestrial ecosystems deduced from satellite-based datasets and carbon cycle models. Global Ecology and Biogeography, 2016, 25(3): 311-323. DOI:10.1111/geb.12411 |
| [22] |
Zhang Z, Jiang H, Liu J X, Zhou G M, Liu S R, Zhang X Y. Assessment on water use efficiency under climate change and heterogeneous carbon dioxide in China terrestrial ecosystems. Procedia Environmental Sciences, 2012, 13: 2031-2044. DOI:10.1016/j.proenv.2012.01.194 |
| [23] |
邵辉, 张远东, 顾峰雪, 缪宁, 刘世荣. 长江经济带水分利用效率变化及与温度和降水的关系. 生态学报, 2020, 40(16): 5579-5590. |
| [24] |
Wu J, Zhang P W, Zha J L, Zhao D M, Lu W X. Evaluating the long-term changes in temperature over the low-latitude plateau in China using a statistical downscaling method. Climate Dynamics, 2019, 52(7/8): 4269-4292. |
| [25] |
Zhang D L, Huang J P, Guan X D, Chen B, Zhang L. Long-term trends of precipitable water and precipitation over the Tibetan Plateau derived from satellite and surface measurements. Journal of Quantitative Spectroscopy and Radiative Transfer, 2013, 122: 64-71. DOI:10.1016/j.jqsrt.2012.11.028 |
| [26] |
Chen J, Chen J, Liao A P, Cao X, Chen L J, Chen X H, He C Y, Han G, Peng S, Lu M, Zhang W W, Tong X H, Mills J. Global land cover mapping at 30 m resolution: a POK-based operational approach. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 103: 7-27. DOI:10.1016/j.isprsjprs.2014.09.002 |
| [27] |
王芳, 汪左, 黄静, 杨淑杰, 贺广均, 张运. 安徽省农田水分利用效率时空特征及其与气候因子的关系. 生态学报, 2018, 38(17): 6268-6279. |
| [28] |
张继, 周旭, 蒋啸, 杨江州, 罗雪. 贵州高原不同地貌区和植被类型水分利用效率的时空分异特征. 山地学报, 2019, 37(2): 173-185. |
| [29] |
裴婷婷, 李小雁, 吴华武, 吴秀臣, 陈英, 谢保鹏. 黄土高原植被水分利用效率对气候和植被指数的敏感性研究. 农业工程学报, 2019, 35(5): 119-125. |
| [30] |
Bellard C, Bertelsmeier C, Leadley P, Thuiller W, Courchamp F. Impacts of climate change on the future of biodiversity. Ecology Letters, 2012, 15(4): 365-377. DOI:10.1111/j.1461-0248.2011.01736.x |
| [31] |
Yasuhara M, Okahashi H, Cronin T M, Rasmussen T L, Hunt G. Response of deep-sea biodiversity to abrupt deglacial and Holocene climate changes in the North Atlantic Ocean. Global Ecology and Biogeography, 2014, 23(9): 957-967. DOI:10.1111/geb.12178 |
| [32] |
Ito A, Inatomi M. Water-use efficiency of the terrestrial biosphere: a model analysis focusing on interactions between the global carbon and water cycles. Journal of Hydrometeorology, 2012, 13(2): 681-694. DOI:10.1175/JHM-D-10-05034.1 |
| [33] |
Zou L L, Liu Y S, Wang Y S, Hu X D. Assessment and analysis of agricultural non-point source pollution loads in China: 1978-2017. Journal of Environmental Management, 2020, 263: 110400. DOI:10.1016/j.jenvman.2020.110400 |
| [34] |
Xia L Z, Hoermann G, Ma L, Yang L Z. Reducing nitrogen and phosphorus losses from arable slope land with contour hedgerows and perennial alfalfa mulching in Three Gorges Area, China. CATENA, 2013, 110: 86-94. DOI:10.1016/j.catena.2013.05.009 |
| [35] |
陈正发, 史东梅, 何伟, 夏建荣, 金慧芳, 娄义宝. 1980-2015年云南坡耕地资源时空分布及演变特征分析. 农业工程学报, 2019, 35(15): 256-265. DOI:10.11975/j.issn.1002-6819.2019.15.032 |
| [36] |
苏正安, 张建辉. 耕作侵蚀及其对土壤肥力和作物产量的影响研究进展. 农业工程学报, 2007, 23(1): 272-278. DOI:10.3321/j.issn:1002-6819.2007.01.054 |
| [37] |
Zhang H Q. First measurement of strong interaction between antiprotons. National Science Review, 2016, 3(2): 154-155. DOI:10.1093/nsr/nww022 |
| [38] |
Yang Y T, Guan H D, Batelaan O, McVicar T R, Long D, Piao S L, Liang W, Liu B, Jin Z, Simmons C T. Contrasting responses of water use efficiency to drought across global terrestrial ecosystems. Scientific Reports, 2016, 6: 23284. DOI:10.1038/srep23284 |
| [39] |
朱钰, 刘时银, 易颖, 李婉秋, 张思豆. "三江并流区"水储量的时空变化特征及其对ENSO的响应. 山地学报, 2020, 38(2): 165-179. |
| [40] |
欧光龙, 彭明春, 王崇云, 向伶. 三江并流区云南贡山片植被景观类型分布特征. 山地学报, 2013, 31(04): 464-472. DOI:10.3969/j.issn.1008-2786.2013.04.012 |
| [41] |
Su Z G, Xiong D H, Dong Y F, Yang D, Zhang S, Zhang B J, Zheng X Y, Zhang J H, Shi L T. Influence of bare soil and cultivated land use types upstream of a bank gully on soil erosion rates and energy consumption for different gully erosion zones in the dry-hot valley region, Southwest China. Natural Hazards, 2015, 79(S1): 183-202. DOI:10.1007/s11069-015-1722-x |
| [42] |
潘学鹏, 吴喜芳, 沈彦俊, 刘峰贵, 张存桂. 三江并流河源区植被覆盖度对气候要素的响应. 山地学报, 2015, 33(2): 218-226. |
| [43] |
Turner D P, Ritts W D, Cohen W B, Gower S T, Running S W, Zhao M S, Costa M H, Kirschbaum A A, Ham J M, Saleska S R, Ahl D E. Evaluation of MODIS NPP and GPP products across multiple biomes. Remote Sensing of Environment, 2006, 102(3/4): 282-292. |
| [44] |
Kim H W, Hwang K, Mu Q Z, Lee S O, Choi M. Validation of MODIS 16 global terrestrial evapotranspiration products in various climates and land cover types in Asia. KSCE Journal of Civil Engineering, 2012, 16(2): 229-238. DOI:10.1007/s12205-012-0006-1 |
| [45] |
Yu G R, Song X, Wang Q F, Liu Y F, Guan D X, Yan J H, Sun X M, Zhang L M, Wen X F. Water-use efficiency of forest ecosystems in eastern China and its relations to climatic variables. New Phytologist, 2008, 177(4): 927-937. DOI:10.1111/j.1469-8137.2007.02316.x |
| [46] |
Saurer M, Siegwolf R T W, Schweingruber F H. Carbon isotope discrimination indicates improving water-use efficiency of trees in northern Eurasia over the last 100 years. Global Change Biology, 2004, 10(12): 2109-2120. |