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

王 芳,汪 左,*,黄 静,杨淑杰,贺广均,张 运

1 安徽师范大学地理与旅游学院,芜湖 241003 2 资源环境与地理信息工程安徽省工程技术研究中心,芜湖 241003 3 昆士兰大学,布里斯班,昆士兰 4072 4 天地一体化信息技术国家重点实验室,北京卫星信息工程研究所,北京 100029

水分利用效率(Water Use Efficiency,WUE) 是指植物消耗单位质量的水分所固定CO2或生产干物质的量[1],WUE是表征生态系统碳水耦合程度的重要指标之一[2],反映了生态系统碳水循环规律及其相互作用关系,也是评估生态系统响应气候变化的一个综合特征[3- 4],因此,研究WUE的动态变化及其对气候因子的响应,对于评估区域碳水耦合关系及全球气候变化对生态系统的影响具有重要意义[5]。

由于学者们对生态系统WUE的内涵理解不同以及数据获取手段的差异,计算WUE的方法有所不同；在生态系统或区域尺度,采用总初级生产力GPP(Gross Primary Production,GPP) 或净初级生产力NPP(Net Primary Production,NPP)或净生态系统碳交换(Net Ecosystem Exchange,NEE)与蒸散发(Evapotranspiration,ET)的比值计算WUE[6-10],经典的生态系统WUE的计算是采用总初级生产力(GPP)与地表蒸散(ET)的比值[5,11- 12],该定义通常用在月、年等长时间尺度上分析生态系统的碳水耦合特征及其对环境变化的响应[13],因此,本文采用总初级生产力(GPP)与蒸散量(ET)之比计算水分利用效率WUE。在全球气候变化背景下[14- 15],生态系统WUE的时空变化及其对气候变化响应研究受到国内外诸多学者的广泛关注[16-19]；Tian等[6]利用集成生态过程模型估算了1895—2007年美国南部植被覆盖类型的WUE,研究结果表明WUE受土地覆盖和气候变化影响较大；Sur等[20]利用MOD16 ET和MOD17 GPP产品估算了韩国2007—2008年生长季和休眠季的WUE,并通过了通量塔数据的验证；仇宽彪等[21]利用MODIS产品数据估算了2003—2012年中国中东部地区农田生态系统水分利用效率,并分析其影响因子,研究结果表明气候因素是影响中国中东部南北方农田WUE的主要因子；李明旭等[22]利用模型分析了未来气候变化背景下秦岭地区陆地生态系统水分利用效率的变化规律及其对气候变化的响应,研究结果表明GPP的增加是未来秦岭地区WUE增长的直接因素,气温的增加与大气CO2浓度的升高是WUE变化的主要环境因素；李肖娟等[23]利用MODIS产品总初级生产力(GPP)、蒸散发(ET)及气象数据估算了黑河流域植被水分利用效率,并分析与气候因子的相关性,研究结果表明由于各区域植被分布有明显差异,WUE与降水量、气温表现出不同的相关性,在不同区域,其起主导因素是不同的。由于农田水分利用效率WUE受到农作物自身生理特征差异以及地域差异的影响,在不同的区域尺度上,对气候和不同农作物类型的响应特征表现出较大的时空异质性,而且不同农作物类型对气候变化也表现出不同的敏感性和响应特征,所以在全国尺度上研究农田WUE与气候之间的响应关系,很难反映区域尺度上气候变化对农田WUE 的影响程度。

安徽省是我国重要的农业生产基地之一,主要农产品有水稻、小麦、玉米等,2014年全省粮食总产量3415.8万t,居全国第六位[24]；本文基于MOD16 ET和MOD17 GPP数据及气象数据估算了安徽省农田WUE,分析农田WUE的时空变化特征及其与气候因子的关系,为安徽省农田水资源的科学配置以及科学管理农业自然资源提供决策依据。

1 研究区与数据

1.1 研究区概况

安徽省位于中国东部,地理范围介于114°54′E—119°27′E与29°41′N—34°38′N之间(图1),全省地势西南高、东北低,长江和淮河自西向东横贯全境,将全省划分为淮北平原、江淮丘陵、皖西大别山区、沿江平原和皖南山区五大自然区域。安徽省处于东亚季风区、亚热带与暖温带的过渡带,四季分明,气候分布差异明显,天气多变,降水年际变化大,其独特的地理位置和气候特征造就了农业区域性特点,淮河南北作物类型和复种指数明显不同,安徽省是我国重要的农业生产基地之一,主要农产品水稻、小麦、玉米等在全国占有重要地位。

图1 安徽省土地利用类型图和气象站点分布 Fig.1 Land use type and distribution of meteorological stations in Anhui Province

1.2 数据

本文使用的是安徽省2000—2014年GeoTiff格式的月合成(MOD16A2)和年合成(MOD16A3)的蒸散量(ET)数据[25-27],以及安徽省2000—2014年GeoTiff格式的月合成(MOD17A2)和年合成(MOD17A3)的总初级生产力(GPP)数据,其月合成和年合成产品的空间分辨率分别为0.05°和30arcsec(0.0083),该产品由美国蒙大拿大数字地球动态模拟研究发布[28- 30](http://www.ntsg.umt.edu/project/),并证明其数据的有效性[31]。土地利用数据为2005年安徽省1∶10万的土地覆盖数据(图1),来源于地球系统科学数据共享平台(http://www.geodata.cn)。气象数据为2000—2010年中国1 km栅格逐年平均降雨数据集和平均气温数据集,来源于地球系统科学数据共享平台(http://www.geodata.cn)。2011—2014年气象数据是通过对安徽省24个气象站点观测数据(图1)进行插值获得,来源于中国地面气象要素月值数据集(http://data.cma.cn/data/)。

2 研究方法

2.1 水分利用效率(WUE)

本文的水分利用效率采用总初级生产力(GPP)与蒸散发(ET)之比表示：

(1)

式中,WUE为水分利用效率(gC mm-1m-2)；GPP为生态系统总初级生产力(gC/m2)；ET为生态系统蒸散发(mm)。

2.2 分析方法

采用偏差分析、线性趋势法及相关系数法反映安徽省各栅格单元2000—2014年农田WUE的波动水平、变化率以及与气象因子的相关关系,计算公式如下：

(2)

(3)

(4)

相关分析是为了揭示要素间相互关系的密切程度,利用基于像元的相关性分析法分别计算年农田WUE与年降雨、年气温的偏相关系数,其计算公式如下：

(5)

式中,Rxy,Rxz,Ryz分别为两变量的相关系数,Rxy,z表示固定自变量z之后因变量x与自变量y的偏相关系数,其显著性检验采用t检验法。

为了反映各要素的综合影响,采用复相关分析法,其计算公式如下：

(6)

式中,Rx,yz表示因变量x和自变量y、z的复相关系数,Rxy为x,y的相关系数,Rxy,z为偏相关系数,其显著性检验采用F检验法。

3 结果与分析

3.1 安徽省农田WUE年际时空分布特征

根据安徽省2000—2014年蒸散量ET、总初级生产力GPP及农田水分利用效率WUE年际变化(图2)可知,ET年均值的波动范围为647.5—730.5 mm,多年蒸散量均值为694.9 mm,整体呈下降趋势,变化率为-0.83 mm/a；GPP为935.5—1140.8 gC m-2,平均值为1068.2 gC m-2,整体呈现出明显的增长趋势,变化率为5.94 gC m-2a-1；农田WUE的变化范围为1.38—1.66 gC mm-1m-2,多年均值为1.54 gC mm-1m-2,整体上农田WUE年际呈现增长变化趋势,变化率为0.011 gC mm-1m-2a-1,说明GPP的显著增加是农田WUE增长的直接因素。采用偏差法分析2000—2014年各年农田WUE偏离多年平均水平的程度(图3),农田WUE的偏差值呈现先减少后增加的趋势,其中2000年、2003年和2014年的偏差值较大,说明偏离平均水平的程度较严重,从2002年开始,除2003年、2005和2009年以外均高于平均水平,其中2014年的农田WUE值较高,为1.66 gC mm-1m-2,高于多年平均的7.81%；2000年和2003年的农田WUE值较低,分别为1.38 gC mm-1m-2和1.40 gC mm-1m-2,低于多年平均的9.89%和8.72%,其他年份的农田WUE值位于平均值上下3%范围内。此外,通过对安徽省各市农田WUE值统计结果表明,安徽省2000—2014年间各市的农田WUE整体上呈现波动上升趋势,各市农田WUE年均值差异显著,其中淮河以北各市的农田WUE较高,高于全省的多年均值,均值在1.5 gC mm-1m-2以上,淮河以南地区的农田WUE则低于全省水平,主要原因是淮河以北主要为平原地区,其种植作物主要以冬小麦和夏玉米为主；而淮河以南地区种植作物主要是油菜和水稻,在各主要粮食作物中,玉米的WUE最高,小麦其次,而水稻最小[7]；而且安徽南部的水田区由于地表水分充足,其土壤表面蒸发较强,从而引起WUE值的降低；安徽北部的旱田区播种较大比例的玉米,而玉米的光合能力较强,所以WUE值较高。

图2 安徽省ET、GPP和农田WUE年际变化Fig.2 Annual variation of ET、GPP and cropland WUE in Anhui Province during 2000—2014

图3 安徽省2000—2014年农田WUE偏离分析 Fig.3 Annual deviation analysis of cropland WUE in Anhui Province during 2000—2014

安徽省2000—2014年近15年农田年均WUE具有较强的空间分异性规律(图4),整体上呈现北高南低趋势,变化范围在0.2—2.4 gC mm-1m-2之间,从农田WUE的空间分布特征来看,淮北平原的农田WUE普遍较高,该区域耕种面积较大,多为季节性较强的农作物种植区,作物主要是冬小麦和夏玉米,WUE值在1.5 gC mm-1m-2以上；农田WUE的中低值区处于江淮丘陵和沿江平原地区,该地区以季节性强的农作物(油菜、水稻)为主,其值在0.2—1.5 gC mm-1m-2之间。安徽省大部分地区农田WUE的变化百分率大于0(图5),而农田WUE的变化百分率小于-10%的地区,主要分布在沿江地区以及水体周围。根据空间分布图5可知,WUE变化百分率增加10%以上的面积占安徽省农田面积的61.8%,其中WUE变化百分率在30%以上主要分布在淮河周围如淮南市、滁州市、蚌埠市以及亳州市和阜阳市的北部；WUE变化百分率处于-10%—10%之间的面积占36.1%；WUE变化百分率降低10%以下仅占农田面积的2.1%,说明安徽省农田WUE整体上主要以增加为主,而且淮北平原地区农田WUE增加趋势较强。

3.2 安徽省农田WUE的年内时空分布特征

根据MOD16A2月蒸散量ET数据和MOD17A2月总初级生产力GPP数据,分析安徽省2000—2014年农田WUE的年内时空变化特征(图6),安徽省蒸散量ET年内变化呈先增加后减少的单峰型趋势,最大值在8月份为114.8 mm；总初级生产力GPP年内呈现双峰型变化趋势,最大值在8月份为173.9 gC m-2；由于安徽省农作物种植方式多为双季,农田WUE的年内变化呈现双峰型变化格局,其中4月份为WUE的第一个峰值期,其值为2.1 gC mm-1m-2,7月份农作物收获后WUE降低,到10月份WUE达到第二个峰值期,WUE为1.9 gC mm-1m-2。安徽省各市月WUE有明显的波动变化(图7),淮河以南地区与安徽省变化趋势一致,在4月份达到第一个峰值；但淮河以北地区与淮河以南各市的变化趋势略有不同,第一个峰值在3月份；究其原因,淮河以北为平原地区,作物种植方式多为双季,其种植作物主要是以冬小麦和夏玉米为主,3月份气温回升,冬小麦开始返青生长,农作物的光合作用强度大,需水量增加,WUE值增加；7月份,小麦收割之后开始播种夏玉米,7月份是玉米的开花期,植被生长茂盛,其蒸腾作用逐渐增强,从而导致WUE下降,10月份植被的数量减少,蒸腾作用较弱,则WUE值较大。此外,淮河以南地区种植作物主要是油菜和水稻,与冬小麦和夏玉米的生长周期不同,因此,两者在趋势上表现出较大的差异。

图4 安徽省多年平均农田WUE空间分布 Fig.4 Spatial distributions of average cropland WUE in Anhui Province during 2000—2014

图5 安徽2000—2014年农田WUE变化百分率 Fig.5 Changing percentages of cropland WUE in Anhui Province during 2000—2014

图6 安徽省ET、GPP和农田WUE年内变化Fig.6 Monthly variation of ET、GPP and cropland WUE in Anhui Province

图7 安徽省各市农田WUE的年内变化Fig.7 Monthly variations of cropland WUE of cities in Anhui Province

由于受季节性降雨、气温、太阳辐射以及农作物类型等多种因素影响,安徽省不同季节农田WUE的空间分布差异显著(图8)。春季气温回升阶段(3—5月),此阶段为WUE快速升高期；农田WUE的范围为1.19—2.34 gC mm-1m-2,均值为1.89 gC mm-1m-2,春季随气温回升,小麦进入拔节灌浆期,所需水分增加,农田WUE整体上呈现北高南低趋势,农田WUE的高值区集中在淮北平原地区,该区域在人工春灌影响下水分供给充足。

夏季土壤供水充分阶段(6—8月),此阶段安徽省气温较高,光照充足,太阳辐射较大,降雨量大,有利于地表蒸散,农田WUE的范围在0.94—1.93 gC mm-1m-2之间,均值为1.42 gC mm-1m-2,从空间分布上看,整体上呈现南高北低趋势,低值区位于淮北平原和沿江平原地区,究其原因,一方面该阶段蒸腾作用最强,另一方面可能是由于农作物收割导致WUE值下降。秋季气温降低阶段(9—11月),农田WUE值处于1.19—2.34 gC mm-1m-2之间,均值为1.59 gC mm-1m-2,秋季气温下降,植被衰落,蒸腾作用下降,空间上呈现南高北低趋势。冬季干冷阶段(12—次年2月),农田WUE值在0.19—1.86 gC mm-1m-2之间,均值为0.62 gC mm-1m-2,该季节气温最低,降雨量最少,光合作用和蒸腾作用最弱；部分区域土壤甚至冻结,植被吸收水分能力较低,WUE维持在较低水平。不同季节农田WUE的空间分布情况与该地区的太阳辐射、海拔高度、气温、降雨以及农作物类型等因素的季节性变化密切相关,受气候条件和农作物类型的影响,安徽省农田WUE整体上呈现春季>秋季>夏季>冬季的特征。

3.3 农田WUE变化的影响因素分析

有研究表明,虽然气候在过去几十年的长时间尺度上呈现明显的暖化趋势,气温升高[32- 33],但是在本研究所属时段内2000—2014年,安徽省气温呈下降趋势,降雨呈增加趋势。安徽省2000—2014年均降雨量在1019.7—1539.9 mm之间,多年均值为1291.5 mm,2000—2014年降雨量逐渐增加,变化率为4.2 mm/a(图9)；降雨量从安徽省南部到北部呈现减小趋势,分布不均,皖南山区和大别山区以及江淮之间地区的降雨较多,尤其是黄山市和安庆市,降雨量最多,皖北平原地区的降雨较少。安徽省近15年的平均气温在15.03—17.03℃之间,多年均值为15.8℃,气温呈现波动下降趋势,变化率为-0.022℃/a(图9),气温多年平均的空间分布情况则呈现分布不均的趋势,气温较低的地区分布在皖南山区和大别山区,皖北平原地区的气温则处于中间,沿江地区的气温较高。

图9 2000—2014年安徽省年降雨量、气温变化趋势Fig.9 Annual variation tendency of precipitation and temperature in Anhui Province during 2000—2014

为了定量分析气象因子对农田WUE的影响,因此,逐像元计算2000—2014年的农田WUE与年降雨、年气温之间的偏相关系数(图10),农田WUE对气候因子的响应表现出显著的空间差异性。农田WUE与年降雨的偏相关系数介于-0.90—0.86之间(图10),统计结果表明,农田WUE与降雨呈负相关的面积占农田总面积的83.2%,主要分布在淮北平原和江淮丘陵地区；呈正相关的区域主要分布沿江平原地区；对偏相关系数进行显著性检验,研究区有2.92%的区域通过了P<0.01水平的t显著性检验,主要分布在淮河流域周围以及亳州市中部和阜阳市的北部。

由农田WUE与年气温之间的偏相关空间特征(图10)可知,农田WUE与年气温的偏相关系数在-0.83—0.71之间,正负相关区域分别占研究区面积的31.4%、68.6%,呈正相关的区域主要集中分布在淮北平原的宿州市、淮北市、亳州市,以及沿江地区,而负相关区域分布在全省农田区域,对偏相关系数进行显著性检验,有1.57%的区域通过P<0.01的显著性检验,主要分布在淮南市周围以及沿江平原地区。农田WUE与气温-降雨的复相关空间分布情况如图10所示,农田WUE与气候因子的复相关系数在0.001—0.905之间；农田WUE与气候因子复相关性较强的区域主要集中在淮南市周围以及淮北平原各市,复相关较弱地区主要分布在沿江平原地区以及大别山周围地区；对复相关系数的显著性采用F显著性检验法进行检验,有6.06%的区域通过P<0.05的显著性检验,主要分布在淮北平原以及江淮丘陵地区,农田WUE与气候因子之间复相关性存在地区差异,主要受到农作物类型及气候等因素的影响。

表1 农田WUE变化影响因子分区准则

R1：农田WUE与降雨偏相关的t显著性检验T-Test significance of the partial correlations between cropland WUE and precipitation;R2：农田WUE与气温偏相关的t显著性检验T-Test significance of the partial correlations between cropland WUE and temperature;[T+P]+：气温降雨影响显著型 Change driven by temperature and precipitation significantly;T：气温影响显著型 Change driven by temperature significantly;P：降雨影响显著型 Change driven by precipitation significantly;[T+P]-：气温降雨影响不显著型Non-change driven by temperature and precipitation significantly

为了进一步比较不同区域的气候因子对农田WUE的影响,分析各气象因子的影响以及气象因子的综合影响,对农田WUE与气温和降雨的偏相关数据进行叠加处理,并根据农田WUE变化影响因子分区准则(表1),将影响类型分为气温降雨影响显著型、降雨影响显著型、气温影响显著型、气温降雨影响不显著型,并对叠加结果进行分类显示,生成气候因子影响显著性分布图(图10),2000—2014年农田WUE变化只与降雨显著相关的区域占农田区面积的17.14%,主要分布在淮北平原以及江淮丘陵地区；0.73%的农田区WUE只与气温显著相关,主要集中在宿州市和六安市的北部以及淮南市；WUE与气温和降雨均为显著相关的农田区域占全省农田面积的0.71%,以宿州市的北部及淮南市周围最为明显,WUE与气温和降雨均不显著相关的区域占全省农田面积的81.42%,因此,在气候因素中,安徽省农田WUE受降雨的影响较大,受气温的影响相对较小,而且降雨增加使土壤湿度变大,改善土壤水分的供给,增加光合速率,而且较低的气温减少蒸散作用,从而减少水分的散失,有利于农作物的生长；进一步说明降雨是安徽省农田WUE变化的重要气候影响因素。此外,农作物除了受到自身的生物学特性、土壤特性外,还受到不同农作物类型对水分的要求、农作物类型地带性差异的影响以及人类活动等非气候因素对其影响,从而导致农田WUE空间差异性。

图10 2000—2014年气候变化对农田WUE的影响Fig.10 Effects of climate change on cropland WUE in Anhui Province during 2000—2014

4 结论与讨论

利用MODIS遥感数据和气象数据定量估算了2000—2014年安徽省农田水分利用效率WUE,分析了该区域农田生态系统WUE的时空动态变化特征以及气候因子对其影响,主要结论如下：

1)在 2000—2014年15年间,安徽省ET呈下降趋势,GPP呈现出明显的增长趋势,农田WUE年际呈现增长变化趋势,表明GPP的显著增加是农田WUE增长的直接因素。安徽省近15年农田年均WUE具有较强的空间分异性规律,整体上呈现北高南低趋势,由于在各主要粮食作物中,玉米的WUE最高,小麦其次,而水稻最小,淮北平原地区种植作物主要以冬小麦和夏玉米为主；而淮河以南种植作物为油菜和水稻,所以淮河以北各市的农田WUE较高,高于全省的多年均值,均值在1.5 gC mm-1m-2以上,淮河以南地区的农田WUE则低于全省水平。

2)2000—2014年安徽省农田WUE的年内变化呈现双峰型变化格局,最大值在4月份为2.1 gC mm-1m-2；淮河以南各市地区与安徽省变化趋势一致,以4月份为最高,但淮河以北各市地区与其变化趋势略有不同,以3月份为最高；由于受季节性降雨、气温及农作物类型等多种因素影响,安徽省不同季节农田WUE的空间分布差异显著,安徽省不同季节的农田 WUE大小关系为：春季>秋季>夏季>冬季。

3)安徽省农田WUE动态变化受到降雨影响的区域占比17.14%；气温影响的区域占比0.73%；降雨和气温综合影响所占面积最小,为0.71%；而WUE与气温和降雨影响均不显著占比为81.42%,因此,在气候因素中,降雨在安徽省农田WUE变化中起主导作用,由于人为因素的干扰,非气候因素对农田WUE变化的影响更大。

安徽省是我国的农业大省,作为农业生产的命脉,水资源的科学配置和合理利用直接影响到农业的可持续发展。由于农田耕地种植区多为人工植被,其种植结构、灌溉等因素对农田WUE仍具有较大影响,而本研究仅用气温和降雨作为影响农田WUE变化的气候因子进行气候因素影响分析,并未考虑人类活动的影响,除气候因素外,影响农田WUE的人为因素还包括间作、套作等在内的耕作方式,以及灌溉方式、种植结构等因素的影响,因此,在未来的研究中,应当开展针对不同土地利用模式及变化与WUE之间关系的相关研究。