2000—2014年云南省陆地生态系统水分利用效率的时空变化

2019-09-24刘林鑫晁丽君

水资源保护 2019年5期

张珂，刘林鑫，晁丽君，杨婧

(1.河海大学水文水资源与水利工程科学国家重点实验室，江苏南京 210098；2.河海大学水文水资源学院，江苏南京 210098)

水分利用效率(water use efficiency，WUE)是度量生态系统碳-水循环关联的重要变量，也是衡量生态系统对气候变化敏感性的重要指标[1-2]。研究WUE的时空变化规律对深入理解生态系统变化规律，解释生态系统对气候和水资源变化的响应具有重要意义。

当前，开展不同尺度的WUE的研究已经成为热点。站点尺度通常以涡动通量塔的观测数据估算WUE，冯朝阳等[3-4]分别对中国北方植被和科尔沁草甸评估了其WUE的变化。遥感技术的发展为区域尺度WUE的研究提供了便利。Sun等[5-6]利用MODIS数据在全球尺度上分析了WUE的时空分布和变化特征。WUE机理复杂，目前尚未厘清其影响机制。在全球气候变化的背景下，寻找驱动因子对WUE的响应尤为关键。

云南省气候类型丰富，地形地貌复杂，植被覆盖度高，这些因素导致云南省水资源量的季节和空间分布不均，加剧了水资源的供需矛盾[7-9]，水资源问题成为制约区域发展的主要因素。本文利用云南省2000—2014年的MODIS 8 d陆地生态系统总初级生产力(gross primary productivity，GPP)和实际蒸散发ETa数据产品，计算云南省陆地生态系统WUE，讨论其WUE时空分布和变化趋势，定量分析其WUE和气象驱动因子的关联性，旨在为政府部门制定生态系统保护、水资源管理政策和区域应对气候变化的挑战提供科学依据。

1 材料与方法

1.1 研究区概况

云南省位于中国西南部，总面积39.4万km2，处于97°31′E～106°11′E、21°08′N～29°15′N之间，包括8个地级市和8个自治州。云南地形地貌复杂，以山地、高原和盆地为主；气候类型丰富，主要有亚热带季风、热带季风和高原山地气候[10]；年平均气温6～25 ℃，年平均降水量700～1 700 mm，自南向北递减(图1)；植被类型多样，覆盖率高，生态需水量大。

图1 云南省多年平均气温与降水分布

1.2 数据来源与处理

基于卫星遥感反演的GPP和ETa数据来自美国NASA数据中心2000—2014年的MOD17和MOD16 Collection 6的影像数据集，时间分辨率为8 d，空间分辨率为1 km×1 km。 GPP和ETa数据产品经验证具有较可靠的精度，已经广泛应用于全球和区域的研究[11-12]。利用MODIS reprojection tool(MRT)对上述数据进行拼接和投影转换。气象数据来源于中国气象科学数据共享服务网(http：//data.cma.cn/)2000—2014年云南省28个气象站点的月数据，包括风速、日照时数、相对湿度、降水量、平均气温、最高气温、最低气温。利用Arcgis10.1工具对气象数据进行克里金插值，获取与遥感影像空间尺度一致的数据。

2 研究方法

2.1 WUE计算

WUE定义为单位时间内(本研究时间尺度为季度和年)陆地生态系统总初级生产力GPP与实际蒸散量的比值：

(1)

式中：n为陆地生态系统水分利用效率，g/kg；A为单位时间陆地生态系统总初级生产力，g/(m2·s-1)；E为单位时间陆面实际蒸散量，kg/(m2·s-1)。

2.2 趋势分析

本研究采用非参数趋势度(SEN)[13]方法来计算云南省2000—2014年WUE的变化趋势，并通过Mann-Kendall统计检验法对其进行显著性检验。运用SEN进行趋势分析，其特点是样本不需要服从一定的分布规律，并且不受异常值的干扰，对离群数据的测量误差具有较强的规避能力。SEN值计算公式为

(2)

式中：β为像元WUE变化趋势值；Median为中位数函数；i、j为时间序数；xi、xj分别为第i、j时间的像元WUE值。当β>0时，表明该栅格内WUE呈上升趋势；当β<0时，表明该栅格内WUE呈下降趋势。

2.3 经验正交函数分析

经验正交函数(empirical orthogonal function，EOF)法，即时空数据的主成分分析法，是一种提取主要数据特征量的方法[14-15]，其原理是通过源数据矩阵提取其空间模态和时间系数，进而对原始场进行解释。可表示为

X=ZV

(3)

式中：X、Z、V分别为原始场矩阵、空间模态矩阵、时间系数矩阵，通过空间模态反映原始场的空间分布特点，通过时间模态寻找主要驱动因子。

2.4 相关分析法

研究区域内WUE与主要驱动因子的空间相关性，选择相关系数作为量化指标，对栅格点处的WUE时间序列和驱动因子的时间序列做相关性分析，计算相关系数并做显著性分析。相关系数显著性检验用t检验法，选p= 0.05作为显著性水平。

3 结果分析

3.1 云南省陆地生态系统WUE的空间变化特征

3.1.1 空间分布特征

云南省陆地生态系统WUE空间分布差异明显，高值区主要分布在丽江地区，低值区主要分布在迪庆、昭通、文山等地区，WUE多年平均值为1.76 g/kg，呈现南北低、中间高的格局。在季节尺度上，春季WUE最大(图2(a))，值域主要介于1.5～2.0 g/kg，频率达到了29.33%，WUE值域区间较大，空间差异明显。夏季和秋季的WUE分布相似(图2(b)(c))，值域主要介于1～2.5 g/kg，频率分别达到了93.02%和81.12%。冬季WUE在低值区分布明显增加(图2(d))，这可能与植被进入冬眠有关，值域主要介于2.5～3 g/kg之间。

(a)春季

(b)夏季

(c)秋季

(d)冬季

3.1.2 空间变化趋势

分别对2000—2014年云南省GPP、ETa和WUE进行趋势分析。GPP区域均值年际变化趋势为3.923 3 g/(m2·a2)，31%的区域通过了5%显著性分析(图3(a))，整体呈增加趋势，中部地区呈减少的趋势。ETa年际变化趋势为0.181 kg/(m2.a2)，28%的区域通过了5%显著性分析(图3(b))，ETa北部呈显著减少的趋势，南部呈显著增加的趋势。WUE年际变化趋势为0.012 g/(kg·a)，全省54.2%的区域呈现显著变化趋势(p< 0.05)(图3(c))，和ETa相反，WUE北方部分呈现显著增加趋势而南方部分呈现显著减少趋势。对比GPP和ETa，云南省北方的变化趋势均满足WUE增加的条件，而南方由于ETa增加的趋势大于GPP，导致WUE减少。

(a)GPP趋势(单位：g/(m2·a2))

(b)ETa趋势(单位：kg/(m2·a2))

(c)WUE趋势(单位：g/(kg·a)

3.2 EOF分析

对云南省WUE和气象因子进行标准化处理，应用EOF法对标准化的WUE进行时空分解，寻找主要模态和驱动因子。2000—2014年WUE前两个空间模态如图4(图中δ表示WUE经标准化处理后的模态系数，图5～6同)所示。

第一模态解释了WUE年际变异的42.61%，模态特征值为正值的区域所占空间面积为77.89%，表明云南省大部分地区WUE变化趋势具有高度一致性，西双版纳、思茅、德宏等部分地区为负值，呈现相反的震荡类型(图4(a))；第一模态的特征值南北高、中间低，表明云南的北部和南部地区WUE的波动程度比中部地区大，高值区主要分布在昭通、丽江和西双版纳等地区。

第二模态解释了WUE年际变异的23.89%(图4(b))，模态特征值为正值的区域所占空间面积为41.14%，负值所占空间面积为58.86%，南北分布较为明显，峰值区向中部偏移，高值区出现在德宏、保山、文山等地区，第二模态特征值的空间分布与WUE年际趋势较为接近。总体来说，EOF空间模态表明云南省WUE南北呈现不同的震荡类型。

(a)EOF空间第一模态

(a)EOF时间第一模态

(b)EOF时间第二模态

利用标准化的气象因子与时间系数的相关性确定WUE的主要驱动因子，第一模态时间系数与标准化的最高温度呈显著正相关关系(r=0.62，p<0.05)，表明随着日最高温度的增加会增强该区域的WUE，原因可能是日最高温度在北部气温相对较低地区的增加趋势对GPP的增长促进作用超过了对ETa的作用(图5(a))，进而促进了WUE的增加。相对湿度的影响正好相反，与WUE呈显著负相关(r=-0.62，p<0.05)，表明空气湿润的增加会降低该区域的WUE。研究表明，大气湿度增加会促进植被蒸腾作用，对光合作用影响相对较弱[16]，进而会降低WUE。

第二模态时间系数与标准化的日照时数呈显著正相关关系(r=0.69，p<0.01)，表明日照时间的延长会让该区域的WUE增加(图5(b))，可能是由于太阳辐射促进了GPP的增长，对ETa影响相对较小所致。

3.3 相关性分析

通过以上EOF分析可见，影响云南省陆地生态系统WUE的主要驱动因子包括相对湿度、最高温度和日照时数。利用相关性分析，探寻其空间分布特征，可以发现自北向南驱动因子发生转变，云南省西北部主要分布以相对湿度为主的负相关关系(图6(a))，东北部和中部主要分布以最高温度为主的正相关关系(图6(b))，南部主要分布以日照时数为主的负相关关系(图6(c))，三者均通过了5%的显著性检验，驱动因子对云南省陆地生态系统WUE相关关系呈现南北差异，这可能是导致WUE空间趋势分布的重要原因，有待进一步查明。