气候变化对东北沼泽湿地潜在分布的影响
2013-09-19布仁仓刘宏娟熊在平胡远满
贺 伟,布仁仓 ,刘宏娟,熊在平,胡远满
(1.森林与土壤生态国家重点实验室,中国科学院沈阳应用生态研究所,沈阳110016;2.中国科学院遗传与发育生物学研究所农业资源研究中心,石家庄 050021;3.中国科学院大学,北京 100049)
全球地表平均温度近100年来(1906—2005年)升高了(0.74±0.18)℃,预计到21世纪末仍将上升1.1—6.4℃[1]。气候变暖已成为不争的事实。大量研究表明,中国地区气候变化与全球气候变化总趋势是一致的,而东北地区是中国增温最显著的地区之一[2-4]。
沼泽是一种水陆相互作用形成的半水半陆过渡性质的生态系统或自然综合体,也是湿地的核心部分或重要的湿地类型[5]。由于沼泽的空间分布取决于水热条件,故沼泽湿地对气候变化较为敏感。全球变化对陆地生态系统的影响,大尺度的研究较多的集中在森林、草地等方面[6-10],涉及湿地潜在分布变化方面的内容较少。沼泽对于全球变化的响应,大多集中在微观领域(比如 C 循环等)[11-12]。
东北地区位于北半球的中高纬度,是中国纬度最高的地区,是世界著名的温带季风气候区,是典型的气候脆弱区和受气候变化影响最为敏感的地区之一[13-14]。东北地区气候正趋于暖干化[15]。东北地区是中国湿地类型最多、面积最大、分布最广泛的地区之一[16],以沼泽和沼泽化草甸为主[17]。研究表明,东北地区湿地正呈现大面积持续减少的趋势[16]。
近年来,已有多种模型被用于生境潜在分布研究,包括生态位模型(BIOCLIM、DOMAIN)、动态模拟模型(CLIMEX)、基于检验假设的分布预测模型 GARP[18]以及最大熵(MaxEnt)[19]模型等。研究表明,最大熵模型的预测结果优于同类预测模型[19-21],在诸多研究中被证实具有最佳的预测能力和精度[21-24]。
本研究以最大熵模型(MaxEnt)模拟预测了在气候变化背景下东北地区沼泽湿地的潜在分布,以期为评估气候变化对东北地区沼泽湿地的影响提供科学依据,同时为东北地区沼泽湿地保护政策的制定提供参考。
1 材料与方法
1.1 沼泽空间分布数据
中国1∶400万沼泽分布图是中国第一幅大范围的沼泽图件,以地图图像的形式,形象地、系统地总结和反映了中国有关单位近40年来沼泽方面的研究成果表现了中国及主要典型区沼泽及沼泽化土地的类型、特性、形成及其分布规律[25]。本研究即是从中提取了东北地区沼泽湿地的空间分布数据(图1)。将沼泽湿地的空间分布数据转换为5 km×5 km空间分辨率的栅格数据。
1.2 环境因子
影响沼泽分布的环境因子很多,本研究共选取与沼泽分布有关的26个环境因子,探索它们与沼泽湿地的空间分布间的数量关系。环境因子包括两类:气候因子(19个)和地形因子(7个)。
(1)气候因子气象资料采用东北地区及附近的96个气象站1961—1990年的气温和降水量数据,采用Kriging插值得到东北地区年及月平均气温和降水量空间数据,然后在此基础上,根据相应公式计算得到各气候因子[26-27],本文选取了19个气候因子:包括年均温、春季均温、夏季均温、秋季均温、冬季均温、平均最冷月温度、平均最热月温度、气温年较差、年生物温度、年降水、春季降水、夏季降水、秋季降水、冬季降水、5—9月降水、吉良温暖指数、吉良寒冷指数、徐文铎湿润指数、潜在蒸散率。这19个气候因子均是1961—1990年的平均值。
(2)地形因子利用1∶25万中国地形图的高程点和等高线,用ArcGIS软件建立数字高程模型(DEM),然后提取坡度、坡向等地形数据。本研究选取的地形因子为:海拔、坡度、转换坡向,地面粗糙度,地表起伏度,海拔标准差和综合地形指数。其中地形起伏度和海拔标准差设定邻域统计半径为3个像元。
海拔和坡度在ArcGIS平台计算得到。
转换坡向(Trasp)需要将在ArcGIS中计算得到的原始坡向图(Aspect)根据下面的公式计算得出:
式中,Trasp的值域为0—1,0表示接受的太阳能最少,1表示接受的太阳能最大。
地面粗糙度是指在一个特定的区域内,地球表面积与其投影面积之比,它是反映地表形态的一个宏观指标。
地表起伏度指地面某一确定距离的范围内最高点与最低点的高程差。
海拔标准差计算领域统计范围内海拔的标准差,可以反映该点的粗糙程度。
综合地形指数(CTI)代表某个空间位置的固定湿度指数,CTI与土壤的某些属性密切相关,因此在模型中起到土壤湿度因子的作用。其计算公式为:
式中,As为上游集水区面积,β为用弧度表示的坡度。
在国家基础地理信息系统(http://nfgis.nsdi.gov.cn/)下载中国地图作为分析底图(1∶400万)。所有的栅格数据分辨率统一到5 km。环境因子应用ARCGIS软件转换成MaxEnt软件需要的ASCII格式。
1.3 未来气候情景数据
本文采用中国气象局国家气候中心温室气体中等排放情景下(SRES A1B)跨学科研究全球模式驱动下区域气候模型(MIROC-RegCM)模式模拟数据(http://www.climatechange-data.cn)[28]。A1B情景是各种能源平衡发展时的中等排放情景,比较符合中国的长期规划。在A1B情景下,至2011—2040年、2041—2070年和2071—2100年东北地区年均温分别比基准年(1961—1990年)升高了2.3,4.1℃和5.7℃;年降水量分别比基准年(1961—1990年)增加了-27.5,0.4 mm和54.8 mm。
相应的19个气候因子分别是2011—2040年、2041—2070年和2071—2100年30a的平均值。未来气候情景数据通过ArcGIS软件重采样得到分辨率5 km×5 km的栅格数据。
1.4 研究方法
将东北沼泽分布数据与环境因子数据导入MaxEnt软件[20],随机选取70%的分布点作为训练集,剩余的30%作为测试集。其他参数为软件默认参数。模型运行10次,并对10套模拟结果取平均作为最终的模拟结果。
为研究气候变化对东北地区沼泽湿地空间分布面积的影响,需要一个概率阈值将东北沼泽湿地空间概率分布图转化为存在/不存在的二元分布图,本研究采用的概率阈值为0.5,规定>0.5为沼泽湿地存在点,反之为沼泽湿地不存在点。
2 结果和分析
2.1 模拟精度评价
应用最大熵模型模拟输出的受试者工作特征曲线(ROC)的曲线下面积(AUC)值评估模型模拟的准确性。由于AUC不受诊断阈值的影响,且对物种发生率不敏感,因此目前被公认为是最佳的评价指标[29]。AUC值为0.5—0.7,预测较差;0.7—0.9,预测较准确,0.9—1.0,预测极准确[30]。ROC曲线的绘制及AUC具体计算由最大熵模型直接输出。
经计算,本研究中最大熵模型的平均AUC为0.826±0.005,表明所建模型可用于东北地区沼泽湿地的潜在分布研究。
2.2 东北地区沼泽湿地潜在分布
将基于最大熵模型模拟的东北地区沼泽湿地概率分布图转化为二元分布图(图1)。图1表明,最大熵模型模拟的沼泽湿地适宜分布图与从中国沼泽图中提取的东北沼泽湿地分布范围大体吻合。模拟结果表明:东北地区沼泽湿地潜在分布区主要为大小兴安岭和三江平原地区,模拟结果对沼泽湿地呈现零星分布的平原地区模拟效果欠佳。
2.3 东北地区沼泽湿地潜在分布对气候变化的响应
对东北地区沼泽湿地分布概率大于0.5的地区进行统计,与基准气候条件下的潜在分布区进行比较。
气候变化条件下分布区面积的变化是由两方面原因造成的,一是原有分布区的消失,二是新适宜分布区的增加(表1)。模拟结果表明,随着时间的推进,东北地区原有沼泽湿地潜在分布面积明显减少,而新增潜在分布面积较少,总潜在分布面积呈现急剧减少趋势。至2071—2100年,原有沼泽湿地潜在分布面积将减少99.80%,新增潜在分布面积仅2.48%,总潜在分布面积减少97.32%。
由东北地区沼泽湿地适宜分布区变化图(图1)可看出东北地区沼泽湿地潜在分布区空间分布上呈现由东向西迁移,南北向中心收缩的趋势。
图1 东北沼泽湿地实际分布及潜在分布图Fig.1 Realized distribution and potential distribution of mire in Northeastern China
表1 未来气候条件下东北沼泽湿地潜在分布区面积变化Table 1 Potential distribution area change for mire under future climate in Northeastern China
3 结论与讨论
研究结果表明,最大熵模型可以利用现有的东北地区沼泽湿地分布数据,进行东北沼泽湿地潜在分布的预测(平均AUC值为(0.826±0.005))。主要原因可能是该模型算法明确,而且其规则化程序可以阻止在小样本的情况下发生过度拟合[19-20]。但是,模型用有限的发生数据预测得到的潜在分布区,通常代表了与分布区相似的环境条件,而不能作为沼泽湿地的实际分布界限。
本文采用的基于生态位理论的模型,其建模本质是生境分布区与环境因子之间建立统计关系,并假设生境与环境之间是一种静态平衡关系,这种相关关系模型(而非因果关系的)并不一定能保证模型在外推到新的空间时,这种相关性不变,因此模型外推可能具有极大的不确定性。
随着时间的推移,东北地区沼泽湿地分布面积会急剧减少,这与前人的研究结果相同[31]。在沼泽湿地面积急剧减少的同时,伴随着少量新增,但沼泽湿地分布受很多因素制约,在气候因素和地形因素适宜的情况产生新沼泽湿地的可能性仍然是很低的[32]。除自然因素外,人类活动对生境分布模拟的影响不可忽略[33],如能在模拟过程中综合更多对沼泽湿地分布存在影响的因素,预测结果将更为准确。
[1] IPCC.Climate Change 2007:The Physical Science Basis.Cambridge:Cambridge University Press,2007.
[2] Chen L X,Zhou X J,Li W L,Luo Y F,Zhu W Q.Characteristics of the climate change and its formation mechanism in China in last 80 years.Acta Meteorologica Sinica,2004,62(5):634-646.
[3] Zuo H C,Liu S H,Hu Y Q.Variations trend of yearly mean air temperature and precipitation in China in the Last 50 Years.Plateau Meteorology,2004,23(2):238-244.
[4] He W,Bu R C,Xiong Z P,Hu Y M.Characteristics of temperature and precipitation in Northeastern China from 1961 to 2005.Acta Ecologica Sinica,2013,33(2):519-531.
[5] Huang X C.The nature of mire ecosystem.Scientia Geographica Sinica,1989,9(2):97-104.
[6] Zhang L,Liu S R,Sun P S,Wang T L.Comparative evaluation of multiple models of the effects of climate change on the potential distribution of Pinus massoniana.Chinese Journal of Plant Ecology,2011,35(11):1091-1105.
[7] Wu J G.Potential effects of climate change in future on the distributions of 7 desert plants in China.Arid Land Geography,2011,34(1):70-85.
[8] Murray J V,Stokes K E,Klinken R D V.Predicting the potential distribution of a riparian invasive plant:the effects of changing climate,flood regimes and land-use patterns.Global Change Biology,2012,18(5):1738-1753.
[9] Golicher D J,Cayuela L,Newton A C.Effects of climate change on the potential species richness of Mesoamerican Forests.Biotropica,2012,44(3):284-293.
[10] Cheaib A,Badeau V,Boe J,Chuine I,Delire C,Dufrene E,Francois C,Gritti E S,Legay M,Page C,Thuiller W,Viovy N,Leadley P.Climate change impacts on tree ranges:model intercomparison facilitates understanding and quantification of uncertainty.Ecology Letters,2012,15(6):533-544.
[11] Li K R,Chen Y F.The progress in methodologies to study impacts of global climate change in China.Geographical Research,1999,18(2):214-219.
[12] Fu G B,Li K R.Progress in the study on the relationship between global warming and wetland ecological system.Geographical Research,2001,20(1):120-128.
[13] Jiang X Y,Liu S H,Ma M M,Zhang J,Song J.A wavelet analysis of the precipitation time series in Northeast China during the last 100 years.Geographical Research,2009,28(2):354-362.
[14] Wu Z F,Jin Y H,Liu J P,Shang L N,Zhao D S.Response of vegetation distribution to global climate change in northeast China.Scientia Geographica Sinica,2003,23(5):564-570.
[15] Sun F H,Yang S Y,Chen P S.Climatic warming-drying trend in Northeastern China during the last 44 years and its effects.Chinese Journal of Ecology,2005,24(7):751-755.
[16] Niu Z G,Zhang H Y,Wang X W,Yao W B,Zhou D M,Zhao K Y,Zhao H,Li N N,Huang H B,Li C C,Yang J,Liu C X,Liu S,Wang L,Li Z,Yang Z Z,Qiao F,Zheng Y M,Chen Y L,Sheng Y W,Gao X H,Zhu W H,Wang W Q,Wang H,Weng Y L,Zhuang D F,Liu J Y,Luo Z C,Cheng X,Guo Z Q,Gong P.Mapping wetland changes in China between 1978 and 2008.Chinese Science Bulletin,2012,57(16):1400-1411.
[17] Liu X T,Lu X G.Strategy of restoration and rational utilization for wetlands in the Northeast Mountains,China.Wetland Science,2004,2(4):241-247.
[18] Stockwell D,Peters D.The GARP modelling system:problems and solutions to automated spatial prediction.International Journal of Geographical Information Science,1999,13(2):143-158.
[19] Phillips S J,Dudik M.Modeling of species distributions with Maxent:new extensions and a comprehensive evaluation.Ecography,2008,31(2):161-175.
[20] Phillips S J,Anderson R P,Schapire R E.Maximum entropy modeling of species geographic distributions.Ecological Modelling,2006,190(3/4):231-259.
[21] Zhu G,Bu W,Gao Y,Liu G.Potential geographic distribution of brown marmorated stink bug invasion(Halyomorpha halys).PLoS ONE,2012,7(2):e31246.
[22] Zhou J,Li Q Y,Xiao L,Jiang J X,Yi Z L.Potential distribution of Miscanthus sinensis and M.floridulus in China.Chinese Journal of Plant Ecology,2012,36(6):504-510.
[23] Rupprecht F,Oldeland J,Finckh M.Modelling potential distribution of the threatened tree species Juniperus oxycedrus:how to evaluate the predictions of different modelling approaches.Journal of Vegetation Science,2011,22(4):647-659.
[24] He Q J,Zhou G S.Climatic suitability of potential spring maize cultivation distribution in China.Acta Ecologica Sinica,2012,32(12):3931-3939.
[25] Wang H Q.The compilation and drawing of 1∶4000000 mire map of China.Wetland Science,2004,2(1):15-20.
[26] Xu W D.Kira's temperature indices and their application in the study of vegetation.Chinese Journal of Ecology,1985,(3):85-89.
[27] Yu G R,He H L,Liu X A.Atlas for Spatialized Information of Terrestrial Ecosystem in China-Volume of Climatological Elements.Beijing:China Meteorological Press,2004.
[28] Shi Y.A High Resolution Climate Change Simulation of the 21stCentury Over East Asia by RegCM3.Beijing:University of Chinese Academy of Sciences,2010.
[29] Fielding A H,Bell J F.A review of methods for the assessment of prediction errors in conservation presence/absence models.Environmental Conservation,1997,24(1):38-49.
[30] Swets J A.Measuring the accuracy of diagnostic systems.Science,1988,240(4857):1285-1293.
[31] Liu H J.The Responses of the Potential Distribution of Mire to Climate Change in Northeastern China.Beijing:University of Chinese Academy of Sciences,2007.
[32] Essl F,Dullinger S,Moser D,Rabitsch W,Kleinbauer I.Vulnerability of mires under climate change:implications for nature conservation and climate change adaptation.Biodiversity and Conservation,2011,21(3):655-669.
[33] Wang J,Ni J.Review of modelling the distribution of plant species.Chinese Journal of Plant Ecology,2006,30(6):1040-1053.
参考文献:
[2] 陈隆勋,周秀骥,李维亮,罗云峰,朱文琴.中国近80年来气候变化特征及其形成机制.气象学报,2004,62(5):634-646.
[3] 左洪超,吕世华,胡隐樵.中国近50年气温及降水量的变化趋势分析.高原气象,2004,23(2):238-244.
[4] 贺伟,布仁仓,熊在平,胡远满.1961—2005年东北地区气温和降水变化趋势.生态学报,2013,33(2):519-531.
[5] 黄锡畴.沼泽生态系统的性质.地理科学,1989,9(2):97-104.
[6] 张雷,刘世荣,孙鹏森,王同立.气候变化对马尾松潜在分布影响预估的多模型比较.植物生态学报,2011,35(11):1091-1105.
[7] 吴建国.未来气候变化对7种荒漠植物分布的潜在影响.干旱区地理,2011,34(1):70-85.
[11] 李克让,陈育峰.中国全球气候变化影响研究方法的进展.地理研究,1999,18(2):214-219.
[12] 傅国斌,李克让.全球变暖与湿地生态系统的研究进展.地理研究,2001,20(1):120-128.
[13] 姜晓艳,刘树华,马明敏,张菁,宋军.中国东北地区近百年降水时间序列变化规律的小波分析.地理研究,2009,28(2):354-362.
[14] 吴正方,靳英华,刘吉平,商丽娜,赵东升.东北地区植被分布全球气候变化区域响应.地理科学,2003,23(5):564-570.
[15] 孙凤华,杨素英,陈鹏狮.东北地区近44年的气候暖干化趋势分析及可能影响.生态学杂志,2005,24(7):751-755.
[16] 牛振国,张海英,王显威,姚文博,周德民,赵魁义,赵惠,李娜娜,黄华兵,李丛丛,杨军,柳彩霞,刘爽,王琳,李展,杨镇钟,乔飞,郑姚闽,陈炎磊,盛永伟,高小红,朱卫红,王文卿,王红,翁永玲,庄大方,刘纪远,罗志才,程晓,郭子琪,宫鹏.1978—2008年中国湿地类型变化.科学通报,2012,57(16):1400-1411.
[17] 刘兴土,吕宪国.东北山区湿地的保育与合理利用对策.湿地科学,2004,2(4):241-247.
[22] 周婧,李巧云,肖亮,蒋建雄,易自力.芒和五节芒在中国的潜在分布.植物生态学报,2012,36(6):504-510.
[24] 何奇瑾,周广胜.我国春玉米潜在种植分布区的气候适宜性.生态学报,2012,32(12):3931-3939.
[25] 王化群.中国1∶400万沼泽图的编制研究.湿地科学,2004,2(1):15-20.
[26] 徐文铎.吉良的热量指数及其在中国植被中的应用.生态学杂志,1985,3:85-89.
[27] 于贵瑞,何洪林,刘新安.中国陆地生态系统空间化信息研究图集:气候要素分卷.北京:气象出版社,2004.
[28] 石英.RegCM3对21世纪中国区域气候变化的高分辨率数值模拟.北京:中国科学院大气物理研究所,2010.
[31] 刘宏娟.东北沼泽湿地的潜在分布对气候变化的响应.北京:中国科学院大学,2007.
[33] 王娟,倪健.植物种分布的模拟研究进展.植物生态学报,2006,30(6):1040-1053.