西辽河地区植被气候生产潜力及其对气候变化的响应

宫丽娟 ，刘丹 ，赵慧颖 *，田宝星

1. 黑龙江省气象科学研究所，黑龙江 哈尔滨 150030；2. 中国气象局东北地区生态气象创新开放实验室 黑龙江 哈尔滨 150030

当前以气候变暖为主的气候变化，已成为人类面临的最严峻环境问题之一（IPCC，2014；秦大河等，2014），1982—2012年间平均气温上升了0.85 ℃，陆地增温快于海洋，同时，相较于中纬度地区，高纬度地区增温更大，同时在全球气候变化的背景下，降水分布不均，极端天气事件频发（黄小燕等，2015）。全球气候变化将改变热量资源、水资源以及生态环境等要素的空间分布，从而对农牧业产生一系列的影响（杨晓光等，2011；吴乾慧等，2017；杜春英等，2018），特别是作物生长季内的气温、降水量和日照时数等的变化，将直接或间接影响作物的生长发育进程和最终产量（郭建平，2015；凌霄霞等，2019）。因此，在气候变化背景下，研究不同地区光、温、水资源与气候生产潜力协调配合程度，对优化调整农牧业结构，提高农牧业发展质量，保证可持续发展具有重要的意义（李腾飞等，2016；李文华等，2016）。

气候生产潜力是指某地土壤养分、农业技术措施等条件最适时，由光照、热量和水分等因素相互协调得到的作物单位面积可能最高产量。近年来，就气候生产潜力国内外学者开展了一系列的研究，应用不同模型分析了气候变化背景下，不同地形上的植被气候生产潜力特征，如针对平原（杜国明等，2016；李国强等，2016；刘江等，2018）、高原（赵雪雁等，2016）、山地丘陵（庞艳梅等，2013；赵慧颖等，2017）、湿地及江河流域（赵慧颖等，2012；李依等，2018）等的气候生产潜力及特征变化，也有学者针对具体农作物或天然植被等进行气候生产潜力研究，如玉米（李秀芬等，2016；高军波等，2019）、大豆（张晓峰等，2014）、小麦（赵军等，2015；李国强等，2016）、森林植被（赵慧颖等，2017）、草地或农牧交错带等（赵媛媛等，2009；李依等，2018）气候生产潜力变化研究，并提出了相应地生产建议和措施。随着研究的不断深入，评估气候生产潜力方法和模型得以不断修正和完善，目前，逐步订正法（李秀芬等，2016；高军波等，2019）、GAEZ模型（杜国明等，2016；李依等，2018）、Thornthwaite Memorial模型（赵慧颖等，2017）、Miami模型（赵俊芳等，2019）等，成为模拟陆地地表植被气候生产潜力时空变化的代表，为研究不同区域、不同地表植被等生产力变化提供了重要的技术支撑。相较于逐步订正法和 GAZE模型，Thornthwaite Memorial模型和Miami模型所需参数更少，通过气温和降水量模拟自然植被生物量，获得气候因子模拟自然植被生物量的关系表达式即气候生产潜力，更适合自然条件下植被气候生产潜力研究应用（赵慧颖等，2017；赵俊芳等，2019）。

西辽河地区位于中国东北地区西南部，地处中高纬地区，由于干旱半干旱的气候特征，该区农业生产力非常脆弱，对气候变化敏感（李依等，2018；刘新等，2018）。目前有学者研究了气候变化对该区玉米气候生产潜力的影响，但目前对气候变化影响该区植被生产潜力的定量研究还较少。因此，研究西辽河地区植被气候生产潜力时空变化特征及其对气候变化的敏感性，揭示该区光、温、水等资源协调配合程度和地区差异，加深对该区植被生态的全面认识，为提高该区植被生产能力，促进农业生产具有重要的意义。

1 研究区概况

西辽河地区是辽河的上中游，位于中国东北地区 ， 范 围 大 致 为 116°32′— 124°30′E，41°05′—45°13′N，面积约 1.37万 km2（胡金明等，2002；王耕等，2005），行政区化上大部份隶属内蒙古自治区的赤峰市和通辽市，极小部分隶属河北、辽宁和吉林三省，属于暖温带向中温带过渡带，年平均气温在5.0—6.5 ℃，年降水量300—400 mm，年日照时数在2800—3100 h，是传统农业区域和牧业区域相交汇和过渡地带，是对气候变化最敏感区的地区之一，亦是生态敏感区和环境脆弱区（孙小舟等，2009；刘新等，2018）。

2 数据与方法

2.1 数据来源

选取西辽河地区11个气象站1961—2018年逐日平均气温、日最高气温、日最低气温和降水量等气象资料，对于个别缺测数据，采用该缺测日前一天和后一天的数据平均值代替。气象数据来源于中国气象科学共享服务网地面气候资料。站点分布如图1所示。

2.2 研究方法

2.2.1 气候生产潜力

选取Miami模型和Thornthwaite Memorial模型分别计算温度、降水和蒸散生产潜力。

图1 研究区气象站点分布图Fig. 1 Distribution of the selected meteorological stations in the West Liao River Basin

Miami模型（Lieth，1975）为：

式中，θ为年平均气温（℃），R为年降水量（mm），Wθ和WR分别为年平均温度和年降水量决定的生产潜力（g·m−2·a−1）。

Thornthwaite Memorial模型（Lieth，1975；Uchijim et al.，1985）为：

式中，WV为蒸散生产潜力（g·m−2·a−1），V是年平均蒸散量（mm），L为年平均最大蒸散量（mm）。

根据Liebig最小因子定律，从Wθ、WR和WV中取最小值作为气候生产潜力标准值（W），即从三者中挑取同年温度、降水、蒸散生产潜力最小值作为西辽河地区植被气候生产潜力标准值：

2.2.2 累积距平

对于气象要素x，其某一年t的累计距平为：

式中，xi为第i年的要素值，，本文用累积距平曲线判断气候生产潜力的变化趋势及其变化突变点（魏凤英，2007）43-44。

2.2.3 经验正交函数（EOF）

经验正交函数（EOF）分解称为主分量分析（魏凤英，2007）106-113，其原理是将m个空间点n次观测值构成变量Xm×n：

气象场的自然正交展开，将X分解为p个空间特征向量Z和对应的时间权重系数T的线性组合：Xm×n=Zm×pTp×n，空间特征向量场用于描述地域分布特点，时间权重系数是空间特征场随时间变化的规律，用于研究气候生产潜力的空间模态和时间变化。

2.2.4 小波分析

采用小波分析法来分析气候生产潜力的周期规律（魏凤英，2007）99-104。连续小波变换为：

其中，Wf(a,b)称为小波变换或小波系数，随参数a、b变化。a>0为频率参数，反映小波周期长度，b为时间参数，表示波动在时间上的平移。正负小波系数的转折点对应着突变点，小波系数的绝对值越大，表征该时间尺度变化愈显著。取墨西哥帽小波函数（Mexican Hat Function）作为小波母函数，形式如下：

采用小波方差对气候生产潜力的主要周期进行检验：

式中，Wp(a)为小波方差。小波方差反映该要素在不同时间尺度中周期波动的强弱（能量大小），对应峰值处的尺度即为该序列的主要周期。

2.2.5 敏感性分析

假设年平均气温升和降水量不同程度的变化情景下，带入气候生产潜力模型中，模拟分析变化率，用以反映气候生产潜力对气温和降水量变化的敏感性。方梓行等基于IPCC第5次评估报告中典型浓度路径（Representative concentration pathway）RCP 2.6、RCP 4.5和RCP 8.5 3种排放情景（方梓行等，2020），得出了2006—2050年北方农牧交错带气候变化特征（表1），该区域的东部区范围涵盖了西辽河地区，故本研究中应用方梓行等研究结果，计算不同气候情景下西辽河地区植被生产潜力的变化。

表1 不同气候情景下气候变化特征Table 1 The climatic change under different RCPs situation in the West Liao River basin

3 结果与分析

3.1 西辽河地区植被气候生产潜力变化特征

3.1.1 时间变化

图2 1961—2018年西辽河地区气候生产潜力Fig. 2 The annual change of climatic potential productivity from 1961 to 2018 in the West Liao River Basin

由图2和表1显示，1961—2018年西辽河地区降水生产潜力（WR）和蒸散生产潜力（WV）相差不大，平均为 647.12 g·m−2·a−1和 695.50 g·m−2·a−1，相较于这二者，温度生产潜力（Wθ）明显偏大，平均为 1120.19 g·m−2·a−1，且Wθ整体呈明显的上升趋势，气候倾向率为 24.11 g·m−2·(10 a)−1，通过显著性0.001的检验。WR和WV呈波动变化，其气候倾向率分别为 10.80、13.13 g·m−2·(10 a)−1，但仅WV通过了显著性为0.05的检验。气候生产潜力标准值（W）为气温、降水和蒸散决定的气候生产潜力，从图2b中可以看出，1961—2018年W平均为 643.65 g·m−2·a−1，与WR变化相近，呈波动状态且无明显的变化趋势，其气候倾向率为 11.05 g·m−2·(10 a)−1，最小年在 1961 年，为 325.71 g·m−2·a−1，最大年在 1998年，为 866.70 g·m−2·a−1。

从生产潜力的年代际变化看（表 2），1960s—2000s，西辽河地区Wθ呈现明显的上升趋势，到2000s，Wθ增加约 98.27 g·m−2·a−1，2011—2018 年稍有回落。WR变化经历了“上升-下降-上升”的过程，其中 1990sWR最大，为 705.19 g·m−2·a−1，2000s最小，为 584.40 g‧m−2‧a−1。WV年代际变化与WR类似，均在 1990s达到最大，为 743.71 g·m−2·a−1，但最小值出现的年代不同，WV在 1960s，为 652.06 g·m−2·a−1。W年代际变化与WR类似，在 1990s 和2000s分别达到最大和最小，分别为 702.82 g·m−2·a−1和 584.40 g·m−2·a−1。从WR与Wθ比值变化，即水热配比情况可以看出，1961—2018年西辽河地区平均水热配比为0.58，1980s水热配比值最大为0.63，2000s最小为 0.50，说明西辽河地区热量条件好于降水条件，且1980s是水热配比最好的年代。

3.1.2 突变检验

图3 气候生产潜力累积距平Fig. 3 Accumulated anomaly of climatic potential productivity from 1961 to 2018 in the West Liao River Basin

利用累计距平判断西辽河地区气候生产潜力（W）时间序列的变化趋势和阶段性。从图 3中可见，以1982、1998、2011年为转折点，可将西辽河地区W变化分为4个阶段：（1）1961—1982年，该阶段平均W为 600.56 g·m−2·a−1，累积距平呈波动下降趋势，W距平值以负值为主；（2）1983—1998年，此时段年平均W为 727.74 g·m−2·a−1，较上一阶段（1961—1982年）升高21%，累积距平曲线表现为明显的波动上升态势，除1988、1989、1996年，大部年份W距平为正值，1986、1990、1991、1998年出现较大距平，其中1998年是近58年中W值最大的一年；（3）1999—2011年，此阶段平均W为576.64 g·m−2·a−1，W距平值主要为负值，累积距平进入波动下降期；（4）2012—2018年，此阶段多年平均W为 708.59 g·m−2·a−1，累积距平呈再次波动回升，除2017年距平值为负，其余各年W距平为正值，其中2012年出现仅次于1986、1990、1991、1998年的较大正距平。同时从这4个阶段水热配比（WR/Wθ）可见，第2阶段（1983—1998年）的水热配比最好，为0.65，其次第4阶段和第1阶段，分别为0.62和0.57，最后是第3阶段，为0.50。

3.1.3 周期性变化

小波分析显示，西辽河地区 1961—2018年气候生产潜力（W）存在周期性变化特征（图4），图4a显示了西辽河地区近58 a气候生产潜力在不同时间尺度上周期震荡和突变特征。图中实线表示小波为正值，虚线表示为负值。W在2 a以下周期震荡剧烈，规律性不明显的。随着时间尺度增加，在7—10 a波动趋于平缓，且规律清晰，表现为“少-多-少-多”4次循环交替，且到2018年W增多的等值线没有闭合，说明W增多的趋势将可能继续。在该周期变化下，小波正负交替对应年份分别为1980、1998、2012年，这与W累积距平曲线得出的突变年份基本吻合。小波方差图（图4b）显示，W小波方差峰值对应时间尺度为8 a，即W变化的主周期是8 a。

表2 1961—2018年西辽河地区植被生产潜力年代际变化Table 2 Inter-decadal variation of climatic potential productivity from 1961 to 2018 in the West Liao River Basin g·m−2·a−1

图4 1961—2018年西辽河地区气候生产潜力（W）小波和小波方差Fig. 4 Wavelet and wavelet variance of climatic potential productivity from 1961 to 2018 in the West Liao River Basin

3.1.4 空间分布特征

EOF分解得出西辽河地区气候生产潜力（W）前 3个特征向量方差贡献率依次为 54.4%，12.5%和7.5%，累积方差贡献率为74.4%，可以反映该区W空间分布特征，图5是1961—2018年西辽河地区W的EOF分解前3个特征向量场及其时间系数。图 5a是第一特征向量场的空间分布，其方差贡献率为54.4%，是表征该区W的典型分布形式，全区特征向量均为正值，说明W在某时段内一致偏多或偏少。从空间上看，载荷大值区位于扎鲁特旗，是西辽河地区特征值变率最大，亦是最敏感区域，低值中心位于赤峰和林西一带，其振幅由东向西逐渐递减。第一特征向量对应的时间系数表征该区W的年际趋势变化，可以看出该区W偏多（偏少）时间上的一致性，且这一分部型的典型性。

第2特征向量方差贡献率为12.5%，图5b显示，西辽河地区W呈现正、负相间分布型，正值区位于区域东北部科尔沁左翼中旗，通辽、科尔沁左翼后旗、双辽以及南部的翁牛特旗，其中高值中心位于双辽，最大处为0.40；其余大部地区为负值区，载荷最高值中心达−0.40，位于巴林左旗。说明在这一特征场下相同时段东北部和南部与其它地区之间W相反的特征，当东北部和南部偏多时其它地区偏少，而东北部和南部偏少时其它地区偏多特性。从时间系数变化看，正值代表该年西辽河地区东北部和南部W偏多，其余地区偏少的分布型，时间系数为负值，则代表该年西辽河地区W呈相反的分布型。

图5c是第3特征向量的空间分布，方差贡献率为7.5%，全区的W空间上表现为“南正北负”反向分布特征，一条“零”线自西向东，于44.0°N左右的巴林左旗-库伦旗一线，当零线以南W偏多（偏少）时而北部偏少（偏多）。第3特征向量对应时间系数有7年为负值，表征该时段西辽河地区W呈南少北多型，其余年份时间系数为正，说明西辽河地区W呈相反的南多北少分布型。

3.1.5 空间变化

1961—2018年西辽河地区W空间分布存在差异（图6），其中双辽、科尔沁左翼中旗东部和科尔沁左翼后旗东部、翁牛特旗中部平均值较大，在670.1—730.0 g·m−2·a−1之间，开鲁县至奈曼旗一带以及林西县较小，在 550.1—610.0 g·m−2·a−1之间，其余大部旗县在 610.1—670.0 g·m−2·a−1。根据西辽河地区W突变和周期性分析，将1961—2018年分为 4 个时段（1961—1982、1983—1998、1999—2011、2012—2018年），各时段W空间分布存在差异。从图中可见，第1时段，1961—1982年西辽河地区东部及翁牛特旗W值较大，在610.1—730.0之间，开鲁县最小，为 538.3 g·m−2·a−1，其余大部旗县在550.1—610.0 g·m−2·a−1；第 2 时段，1983—1998 年西辽河地区W较上一时段，整体偏多 118.0 g·m−2·a−1，空间上表现为东部及南部翁牛特旗W为730.1—818.1 g·m−2·a−1，W平均值最小的开鲁县亦比上一时段偏多 100.6 g·m−2·a−1；第 3 时段 1999—2011年，全区W减少，较上一时段平均减少 142.4 g·m−2·a−1，其中巴林左旗，科尔沁中旗-开鲁县-奈曼旗一带减少最多；第4时段2012—2018年，西辽河地区W再次增加，相比较第3时段平均增加128.0 g·m−2·a−1，双辽、科尔沁左翼中旗东部、科尔沁左翼后旗东部、扎鲁特旗中部及翁牛特旗W值最大，为730.0—783.3 g·m−2·a−1，最低值出现在林西县，仅为603.2 g·m−2·a−1，其余大部在 610.1—730.0 g·m−2·a−1之间。总之，西辽河地区东部的双辽、科尔沁左翼中旗、科尔沁右翼后期，南部的翁牛特旗是各时段W的高值区，亦与EOF分解的第2特征向量场的敏感区相对应。

图5 西辽河地区植被气候生产潜力EOF分解的前3个特征向量及其对应的时间系数Fig. 5 First three eigenvector filed of EOF decomposition and its time efficient of climatic potential productivity in the West Liao River Basin

3.2 气候生产潜力对气候变化的敏感性

植被气候生产潜力受诸多因素的综合影响，包括气温、降水量、蒸散和日照等，根据相关分析，气温和蒸散对W相关性不明显，未通过P=0.05的显著性检验，而降水量W呈明显的正相关（r=0.995，P<0.001），即西辽河地区植被气候生产潜力主要受制于降水。但降水的变化是与气温等要素同步变化，共同作用于W，这里为综合考虑气温与降水对W的协同影响，建立多元回归方程：

方差分析显示，F统计量值为 2883.928，P<0.001，回归方程极显著。西辽河地区地处内蒙古东北部，日照充足，基本可以满足该区植被生产发育需求，故此基于此方程，仅考虑气温和降水不同变化情景下，西辽河地区W的敏感性。即考虑年平均气温和年降水量不同变化幅度的情景，计算W值，得到变化前后西辽河地区W的变化率。当气温保持不变，降水量增加（减少）10%、20%，W分别增加（减少）8.50%，17.01%，而当降水量保持不变，气温升高（降低）1 ℃、2 ℃，W则相应增加（减少）0.78%，1.56%。在气温不变情况下，降水量增加时，W的增幅要比降水量不变时气温变化引起的W变幅大，这在一定程度说明，在西辽河地区W的变化主要受降水量影响。考虑未来温室气体排放对气候变化的影响，即在不同的排放情景下西辽河地区W受气候变化的影响。到2050年，在RCP 4.5情景下，W的增幅最大，相较于1961—2018年增加了14.79%；RCP 8.5情景下W增幅次之，为8.99%；RCP 2.6情景下W增幅最小，为2.49%。可见，气温升高，降水量增加可以提高西辽河地区气候生产潜力，相比较于气温，降水量是影响气候生产潜力主要因素。在全球气候变暖的背景下，未来西辽河地区植被气候生产潜力的变化将主要由降水量的变化决定。

图6 1961—2018年西辽河地区植被气候生产潜力的空间分布Fig. 6 Spatial distribution of potential climate productivity from 1961 to 2018 in the West Liao River Basin

4 讨论

本文采用Miami模型和Thornthwaite Memorial模型计算温度、降水和蒸散生产潜力，充分考虑了光、温、水条件对植被的综合影响，分析了西辽河地区植被气候生产潜力时空演变及其对气候变化的响应。

西辽河地区热量资源好于降水，温度生产潜力呈增加趋势，而降水生产潜力无明显变化趋势，植被气候生产潜力对降水更敏感，这与刘新等（2018）和李依等（2018）研究结果一致。本文计算的温度、降水生产潜力平均值高于刘新的结果 142.39 g·m−2·a−1和 77.52 g·m−2·a−1，同时气候生产潜力亦高于刘新研究结果 70.85 g·m−2·a−1。李依等（2018）认为西辽河地区气候生产潜力在空间上存在差异，高值区分布在该区东北部的通辽等地，这与本研究的结果基本吻合，但其空间上由北向南增加的趋势与本研究不同。导致上诉研究结果差异的原因：一是，由于所选年份和站点不同，本研究中以西辽河地区为研究对象，将吉林省双辽，通榆和辽宁省建平 3个站的气候生产潜力计入区域平均值；再是，模型选择上和研究对象上的不同，本研究采用的两个模型与刘新等（2018）相同，但在模型基础上用到了Liebig定律，得出的西辽河地区植被气候生产潜力可信度较高。

Miami模型和Thornthwaite Memorial模型由于所需参数少，通过年平均气温、年降水量和多要素综合的年蒸散量来评估所选区域的生产潜力，成为气候生态领域分析陆地生态系统气候生产潜力的经典模型之一，在不同的领域得到了广泛的应用（赵慧颖等，2017）。但同时值得注意，模型选取的气候因子（气温、降水量）均为年平均值，没有考虑气候因子对植物的影响是多方面且对生物量的积累是连续不断的，气候因子的某一时刻极端值可能影响植物生长发育甚至导致植物干物质的累积或产量的形成；同时，气候因子间是相互作用的，对植被生长和产量形成的影响是综合的，且植物生长不仅受气候因子影响，亦是受到土壤肥力和农业技术措施等的综合影响，单从气候角度评价生产潜力难免影响最终的精度，因此综合考虑气候因子及环境因子等，并将其引入模型中，这在以后的研究中值得进一步探讨。

西辽河地区是农牧交错带，水资源匮乏，降水量的多少决定了西辽河地区植被气候生产潜力的变化。当今，生活和工业用水量节节攀升，节水、综合治水、发展水利设施、提高农田灌溉水利用率等是西辽河地区高质量发展农牧业的有效措施，同时，充分应考虑自然生态条件，调整农业结构，避免盲目的退耕还林还草，积极发展耐旱、低耗水作物，合理利用自然资源，推动生态系统整体恢复和可持续发展。

5 结论

1961—2018年，西辽河地区温度、降水和蒸散生产潜力年平均分别为 1120.19、647.12、695.50 g·m−2·a−1，其中气温和蒸散生产潜力整体呈上升趋势，降水生产潜力呈波动变化。由气温、降水量和蒸散决定的标准气候生产潜力平均为 643.65 g·m−2·a−1，近 58 a 呈波动变化且无明显变化趋势，气候倾向率为 11.05 g·m−2·(10 a)−1。西辽河地区水热配比差异较大，1980s水热配比值最大为0.63，2000s最小为0.50，说明西辽河地区热量条件好于降水，且1980s是水热配比最好的年代。

对西辽河地区标准气候生产潜力（W）的时间序列进行累计距平和周期性变化分析，表明气候生产潜力存在阶段性变化，历经了“少-多-少-多”循环变化，气候生产潜力在1982、1998、2011年发生突变，同时至 2018年气候生产力小波曲线仍未闭合，说明在未来一段时间气候生产潜力仍将偏多。

西辽河地区气候生产潜力的EOF分解表明，前3个模态的累积贡献率为 74.4%，第一特征向量呈统一的正值分布，表现为整体的一致型，第二模态呈正、负相间的分布型，第三模态呈“南正北负”型分布特征。3种模态表征了西辽河地区植被气候生产潜力在该区域的空间分布特征。整体和不同时段空间上表现为西辽河地区东部双辽、科尔沁左翼中旗、科尔沁左翼后旗、翁牛特旗为气候生产潜力的高值区，而开鲁县至奈曼一带为低值区。

西辽河地区植被气候生产潜力对降水量变化更敏感，降水量的变化主要决定了气候生产潜力的变化，在气候变化的背景下，未来西辽河地区气温升高、降水量增加对植被生长有利，气候生产潜力增加幅度在2.49%以上。