近58 a川西北高原的气候变化及其生态效应

苑全治， 任 平

（1.四川师范大学 地理与资源科学学院，四川 成都610101； 2.四川师范大学 川西资源环境与可持续发展研究中心，四川 成都610066；3.四川师范大学 西南土地资源评价与监测教育部重点实验室，四川 成都610066）

川西北高原位于青藏高原东缘，范围包括四川省甘孜藏族自治州和阿坝藏族羌族自治州，以及凉山彝族自治州的一部分，面积约为2.55×105km2，是我国第一级阶梯向第二级阶梯的过渡区域.区域内大小河流交织，是长江、黄河上游重要的水源涵养区，也被誉为四川盆地的“水塔”.草地面积占60%以上，牧草产量高、质量好，使川西北高原成为我国五大牧区之一［1］.但近几十年来，川西北生态环境退化严重，高寒草地沙化日益加重，部分区域沙化面积急剧扩张，有逆向演替的趋势，即由高寒草甸→草原→荒漠草原→荒漠逐渐转变，生态系统的脆弱性在升高，已经影响到牧区经济的可持续发展，甚至威胁到长江、黄河源区的生态安全［2-3］；这使得该区域及周边的草地状况备受学者关注［4-5］.截至2009年，川西北沙化土地面积已经达到8.22×103km2，占四川省沙化土地面积的89.9%.1994—2009年沙化总面积增加了28.1%，表明近十几年沙化加剧.沙化土地主要分布于高寒草地区和干旱河谷区，高寒草地沙化土地占全区沙化面积的75.1%.草地沙化会显著影响生态系统结构和功能的稳定，沙化的扩张会造成草地严重退化、土壤肥力降低、多样性降低.因此，该区域的草原沙化问题亟待研究［6］.

高寒草地的沙化驱动力可以归纳为2方面，即人为因素和自然因素.人为因素主要有过度放牧、草地开垦、毒药灭鼠、挖药取薪、修路采矿和牧民定居等，其中长时间的持续过度放牧被认为是导致高寒草地沙化的最主要人为驱动因素［7-8］.连续超载放牧，草地被过度践踏、过量啃食，植被得不到充分恢复，覆盖度持续下降，土壤流失加剧，草地出现退化和沙化［9］.导致草地沙化的自然因素主要包括气候变化、土壤质地和鼠兔泛滥等，其中以气候变暖为标志的气候变化是导致高寒草地沙化的主要诱因［10-12］，其他因素加剧了草地的沙化.近几年，通过封育限牧、退耕还草、招鹰灭鼠等一系列生态恢复手段，已经在一定程度上控制了人为因素的影响，并且随着人们保护生态环境的意识不断增强，高寒草地沙化的人为影响将继续减轻.因此，可以预见，在未来的高寒草地沙化过程中，气候变化等自然因素的影响将会越来越凸显.本文以此为出发点，利用川西北高原石渠、德格、色达、甘孜、新龙、巴塘、理塘、稻城、九龙、康定、道孚、小金、马尔康、松潘、红原、若尔盖16个气象站点数据，研究过去58 a与草地沙化相关的关键气候变化特征，并结合已有的研究讨论气候变化在川西北高寒草地沙化过程中的作用.

1 数据与方法

1.1 数据本文所用气象数据来自国家气象信息中心，包括1961—2018年川西北高原16个全国基本气象站点的最低气温、平均气温、最高气温、风速、降水量、相对湿度和日照时数的日值数据.

1.2 潜在蒸散与气候干燥度计算潜在蒸散（potential evapotranspiration，ETo）是假设水分供给充足时，一定气象条件下区域的最大蒸散量.潜在蒸散是实际蒸散的理论上限，能够表征区域气候的水分蒸散能力.由于实际蒸散观测资料的缺乏，人们往往参照潜在蒸散来估算实际蒸散量［13］.

草地沙化与表层土壤水分的下降有密切联系，而蒸散的变化直接影响土壤水分及草地植被的生长.因此，本文将研究川西北高原ETo的变化趋势，以分析其对草地沙化可能的影响.因为长时间序列的潜在蒸散观测资料很难获取，所以学者通常采用数学模型进行模拟计算.Penman-Monteith模型（简称为P-M模型）由于考虑了蒸散中的能量平衡和水汽传输的空气动力学结构［14］，能够反映各气候要素的综合影响，具有明确的物理意义，因此得到很多学者的验证和推荐.联合国粮农组织（FAO）根据假想的参考面又进一步修改了P-M模型（即FAO56 P-M模型），改进后的模型能够适应不同气候类型区域的ETo计算，目前已经得到广泛应用.Yin等［15］校正了FAO56 P-M模型中计算太阳净辐射Rn的经验参数，使其能够更好地适应中国的ETo计算.计算方法如下：

其中，ETo为日潜在蒸散量（mm），Δ为饱和水汽压曲线斜率（kPa/℃），T为日平均气温（℃），Rn为太阳 净辐射（MJ/（m2·d）），γ为干湿常数（kPa/℃），G为土壤热通量（MJ/（m2·d）），σ为Stefan-Boltzmann常数（4.903×10-9MJ/（K4·m2·d）），U2为2 m高处的风速（m/s），ea为实际水汽压（kPa），es为平均饱和水汽压（kPa），N为可照时数（h），n为实际日照时数（h），Rso为晴天太阳总辐射（MJ/（m2·d）），Tmin，k为日最低气温绝对温标（K），Tmax，k为日最高气温绝对温标（K）.ETo计算公式中其他参量的计算方法参考文献［16］.

气候的干湿状况对于植被分布和生产力有重大影响，本文将研究川西北高原的气候干湿状况变化，以讨论其对草地沙化的作用.计算气候干湿状况的方法常用的是道库恰耶夫和维索茨基在20世纪初提出的降水和蒸发之比［16］，即基于大气水分收支的2个分量：降水量h和潜在蒸散量ETo.本研究采用干燥度指数作为衡量干湿状况的指标，该指数已在很多研究中得到了验证：

其中，K为干燥度指数，h为降水量（mm），ETo为潜在蒸散量（mm）.

1.3 气候倾向率计算气候倾向率s是气候因子或特征值的每10 a线性变化率，是分析气候变化趋势的重要方法.气候数据往往是离散的时间序列数据，因此在计算气候倾向率时一般需要对离散的气候数据进行线性拟合，即用一元线性方程表示因变量（气候数据）与自变量（时间）之间的函数关系，所得直线斜率（slope）的10倍即为气候倾向率.直线拟合通常采用最小二乘法（least square method），寻找一条直线拟合气象数据，使拟合值与实际值之间的偏差平方和最小，即假设回归方程为

根据测试点（X1，Y1），（X2，Y2），…，（Xn，Yn），利用极值法可推导出直线的斜率a和截距b：

任意时间序列的离散气候数据，都可以用最小二乘法进行直线拟合，但并非所有气候因子都有显著的线性变化趋势.因此，需要对拟合的直线进行显著性检验.方程参数估计F检验的P值代表气象数据线性趋势的显著程度.P值越小越显著；反之，亦然.当P值高于假设的显著性水平0.05时，统计不显著；当P值≤0.01时，方程为高度显著，文中记为**；当0.01＜P≤0.05时，方程统计显著，记为*.除了分析川西北高原内16个气象站点的气候因子变化趋势外，为了避免单个气象站点气候数据误差带来的不确定性影响，本文将对高原整体气候变化特征进行分析.虽然区域内气象站点较多且在空间上的分布相对均匀，但由于地形起伏，各个气象站点所能够代表的区域范围不尽相同.因此，把16个气象站点的气象数据相加或者平均后来分析变化趋势，并不能较好地反映川西北高原的整体气候变化特征.本文将利用空间插值的方法，首先把离散的站点数据转换成空间上连续的栅格数据，然后把各个栅格的气候数据进行平均并分析其变化，以代表川西北高原的整体气候变化趋势.采用薄盘光滑样条插值法（thin plate smoothing splines），以经度和纬度作为样条函数自变量，对气象站点观测数据进行空间插值（其中对气温、潜在蒸散和风速的插值用高程作为协变量），数据空间分辨率为0.1°.对插值结果的精度进行检验，结果显示温度、潜在蒸散、降水和风速的实际值和拟合值之间的拟合优度R2分别为0.95、0.93、0.90和0.81，其中风速的拟合度稍差，这可能与风速更容易受到小尺度地理要素差异的影响有关系，但也能够满足本研究的需求.气候干燥度栅格数据由潜在蒸散和降水量根据（3）式计算得到.

2 结果与分析

把形成的1961—2018年川西北高原各年的气温、降水、风速、潜在蒸散和气候干燥度栅格数据进行平均形成散点图，并在此基础上做58 a平均线和线性趋势线.把川西北高原各个气象站点1961—2018年的气候数据进行平均，并做线性拟合，所得平均值和气候倾向率分别标记在气象站点旁的横线上面和下面.

2.1 气温变化特征如图1所示，从川西北高原气温的总体变化情况看，虽然各年平均气温围绕趋势线上下波动，但总体呈明显的上升趋势，趋势线的拟合优度R2达到了0.58.过去58 a川西北高原气候倾向率s为0.25℃/Da.在1986年以前，区域总体处于温度比较低的阶段；1987—2000年，气温围绕平均值上下波动；2001年以后，川西北高原整体进入相对温暖的时期.

图1 川西北高原气温整体变化趋势Fig.1 Overall trend of air temperature of Northwestern Sichuan Plateau

从川西北高原气温的总体分布来看，呈北低南高的趋势，即越深入青藏高原气温越低（图2）.气温的变化趋势显示：除小金站外，其他气象站点的气温都有显著的增暖趋势，但增暖幅度差异较大.气候倾向率最大的站点是理塘站，达到0.43℃/Da.区域中部地区的增暖幅度比南北两侧要小.

图2 各站点平均气温及气候倾向率Fig.2 Mean air temperature and climatic tendency of each station

2.2 降水变化特征由图3可知，川西北高原多年平均降水量h为700.68 mm，1961—2018年的气候倾向率为8.3 mm/Da，趋势线斜率小，与平均线几乎重合（图3）.但趋势线的统计不显著，直线的R2也仅为0.07，说明川西北高原降水变化的线性趋势不明显，更多的表现出非线性特征.1998年降水量最大，达825.66 mm，比平均值高19.4%，这一年也是厄尔尼诺年，但并非所有厄尔尼诺年都会给川西北高原带来大量降水，如1986—1987年、2009—2010年等，这可能是因为厄尔尼诺主要影响太平洋季风区的气候.而受高原地形阻挡，东南夏季风所带来的太平洋水汽对川西北高原降水影响有限，随西南季风沿着纵向岭谷区北上的印度洋水汽却会对该区域降水产生较大影响［17］.

图3 川西北高原降水量整体变化趋势Fig.3 Overall trend of precipitation of Northwestern Sichuan Plateau

区域内降水量由东南向西北递减，东南的九龙和康定站的年降水量较高，均大于800 mm，年降水量最小的是海拔最高的石渠站（图4）.从变化趋势来看，若尔盖站的降水量在这58 a里平均减少，其余站点降水量则平均增加，其中马尔康、新龙、小金、道孚、康定等站的降水量呈显著增长趋势，但显著性不同.

图4 各站点平均降水量及气候倾向率Fig.4 Mean precipitation and climatic tendency of each station

2.3 风速变化特征1961—2018年川西北高原的年平均风速v为2.7 m/s，并呈现出降低趋势，但气候倾向率较小，为-0.03 m/（s·Da），但下降趋势不显著，R2也只有0.02.从年平均风速的波动情况来看，大体分成4个阶段：第一阶段从1961—1968年，年平均风速变化不大，且比58 a平均值偏低，为低风速阶段；第二阶段从1969—1988年，这段时间的年平均风速变化同样不大，但比58 a平均值偏高，属高风速阶段；第三阶段从1989—2002年，年平均风速呈线性下降趋势，为风速下降阶段；第四阶段从2003—2018年，年平均风速有一定的波动，但总体为低风速阶段（图5）.

图5 川西北高原风速整体变化趋势Fig.5 Overall trend of wind speed of Northwestern Sichuan Plateau

由图6可知，川西北高原康定站年平均风速最大，达2.94 m/s；马尔康站最小，为1.11 m/s.从变化趋势来看，风速平均增加的站点有红原、松潘、甘孜和巴塘，但气候倾向率都不大，甘孜站的线性增加趋势不显著.其余站点的年平均风速平均降低，且大部分呈显著线性降低趋势，其中石渠站的下降倾向率最大，达到-0.20 m/（s·Da）.总体来看，在风速变化显著的站点中，风速总体呈下降趋势.

图6 各站点平均风速及气候倾向率Fig.6 Mean precipitation and climatic tendency of each station

2.4 潜在蒸散量变化特征近58 a来，川西北高原的年潜在蒸散量平均为647.60 mm，气候倾向率为4.4 mm/Da，但线性趋势不显著，R2只有0.05，如图7所示.从ETo的整体波动情况来看，大概经历了1961—1973年波动上升、1974—2000年波动下降和2001—2018年较平稳波动3个阶段.值得注意的是，第一个阶段的上升趋势较强，而下一个阶段的波动下降较缓。

图7 川西北高原ETo整体变化趋势Fig.7 Overall trend of ETo of Northwestern Sichuan Plateau

从年平均ETo空间分布来看（图8），总体呈南高北低趋势，其中ETo最大的是小金站，达990.07 mm，最低的是松潘站，为642.68 mm.松潘、红原、若尔盖、巴塘等站ETo呈显著增加的线性趋势，而道孚、德格、新龙、稻城和小金等站ETo则显著降低.

图8 各站点平均ETo及气候倾向率Fig.8 Mean ETo and climatic tendency of each station

2.5 气候干燥度变化特征如图9所示，近58 a川西北高原的年平均气候干燥度为0.93，年平均降水量大于ETo，整体气候湿润.气候倾向率为-0.007，说明气候在平均变湿，但线性拟合没有通过显著性检验，且R2只有0.012，说明气候总体干湿状况的线性变化趋势不明显，非线性特征更加突出.

图9 川西北高原气候干燥度整体变化趋势Fig.9 Overall trend of climate dryness of Northwestern Sichuan Plateau

由图10可知，区域气候干湿状况的空间分布趋势大体上是西干东湿.在所有气象站点中，气候最为干燥的是巴塘站，干燥度K为2.10，康定站最湿润.按照干湿区划方法，K≤1.0的红原、康定、马尔康、松潘和九龙站属于湿润气候；K介于1.0～1.5的若尔盖、理塘、色达、新龙、德格、石渠、道孚、甘孜和稻城站属半湿润气候；K＞1.5的巴塘和小金站为半干旱气候.

图10 各站点平均干燥度及气候倾向率Fig.10 Mean climate dryness and climatic tendency of each station

3 讨论

本文在上述内容中研究了川西北高原各站点

和整体的气候变化趋势，目的是为了讨论上述关键气候变化特征的环境效应，尤其是气候变化对高寒草地沙化的影响.气温、降水、风速、ETo虽然都是影响川西北高原植被的关键气候因子，但它们之间并不是独立的，相互之间存在着密切的联系.因此，首先需要对各个因子的相关关系进行分析，找出影响高寒草地的关键气候因子，然后结合现有研究和遥感数据讨论这些关键因子的变化对草地沙化的影响作用.

3.1 气候因子之间的相关关系各因子之间相关关系的大小可通过Pearson系数r来衡量：

其中，xi和yi分别代表2个气候因子中的第i个数据.若r＞0时，2个因子可能是正相关；而r＜0时，则可能是负相关.r绝对值越接近1，表示2个因子相关性越强；越接近0，则说明相关性越弱.

由表1可见，反映区域热量条件的潜在蒸散ETo与风速和气温的相关性较显著，而能够表征区域干湿状况的干燥度指数则与（3）式中的降水量和ETo相关关系均较为显著.表中还显示风速与干燥度指数有一定正相关关系，降水量与ETo存在一定的负相关关系；这可能是因为降水时太阳辐射较弱，降低了蒸散量.

表1 各气候因子之间的Pearson相关系数Tab.1 Pearson correlation coefficient between climatic factors

在上述5个指标中，潜在蒸散ETo与干燥度指数是2个综合指标，也是常用来反映一个地区水分和热量综合水平的指标.从2个指数的总趋势来看，ETo呈略微下降趋势，而干燥度指数是轻微上升趋势，但二者的线性变化都不显著，都是围绕平均值上下波动，而且存在一定的阶段性.在20世纪70年代以前，二者的变化规律相似，在波动中上升.70年代以后到2000年左右，干燥度指数的波动更加强烈，而ETo的变化则相对和缓.2005年以来，干燥度指数有更加明显的下降趋势，ETo没有很显著的变化趋势.

3.2 气候因子与地表NDVI的相关分析归一化植被指数（Normalized Difference Vegetation Index，NDVI）是根据植被对近红外波段强烈反射和对红波段强烈吸收的特点，基于植被对这2个波段的反射率所构建的植被指数.NDVI与植被生物量、覆盖度、叶面积指数、净初级生产力等生态参量有良好的相关关系，且易于获取，因此被广泛应用于各类植被信息的遥感监测.本文利用长时间序列的AVHRR-NDVI（8×8 km）数据，把各个站点的气候因子与NDVI进行相关分析，结果见表2.

表2 各气候因子与NDVI之间的相关关系Tab.2 Correlation between climate factors and NDVI

表2中显示各个站点所代表的区域植被类型不同，这是因为高寒草甸虽然是区域典型植被类型，但并非唯一植被类型，在高原面以外的高山深谷地形发育了复杂的植被垂直帯谱，且大多属于湿润海洋性带谱，包括高山上垂带谱和峡谷下垂带谱，植被类型有常绿阔叶林、落叶阔叶林、常绿针叶林、灌丛、草甸等.位于高原面上的气象站点包括石渠、色达、红原、若尔盖、理塘和稻城，这些站点所代表的区域植被均以高寒草地为主，而其他站点所处区域则植被类型复杂.从表2也可以看出，植被类型复杂的区域NDVI与单个气候因子的相关关系大多很微弱，这也证明了生态系统越复杂，对气候变化的敏感性和脆弱性就越低.高原面上的草地植被NDVI虽然与部分气候因子有一定相关关系，但相关系数均不高，不确定性较大，如降水与若尔盖草地NDVI相关关系为正，而与道孚、理塘、九龙等站的草地NDVI相关关系却为负.温度与草地NDVI相关关系大多为正，说明温度的升高对高寒草地的生长有有利的一面，但ETo与色达站NDVI的相关关系为负说明温度升高导致的蒸散增加对草地植被是不利的.单个气候因子与NDVI之间相关关系的不确定性较大，一方面是因为遥感所获取的NDVI包括了人类活动的影响，另一方面是由于气候变化对植被的影响复杂，有负面的影响，也有正面的影响，二者相互抵消后的结果很难通过统计的方法来反映.

3.3 气候变化的地表覆被效应分析本文的研究表明，川西北高原温度呈显著上升趋势，而温度的持续上升会导致地表蒸发量加大、多年冻土退化和土壤冻结时间缩短［18-19］，这些都会引起土壤表层含水量减少［8］，草地植被生长因受水分限制而发生退化，植被覆盖度下降，进而加速了土壤的水蚀和风蚀，最终造成草地的沙化，沙化后相对干燥的土壤和稀疏的植被为鼠类所喜欢的环境，鼠类大量繁殖并啃食草地植被，又加剧了高寒草地的退化与沙化.温度升高与高寒草地退化、沙化之间的关系可以总结为图11.

图11 气温升高所主导的高寒草地、沙化过程Fig.11 Desertification process of alpine grassland dominated by the increase of temperature

降水的增多会在一定程度上缓解温度升高对高寒草地的不利影响［20］，但根据前文研究，川西北高原降水变化波动性大，线性变化不显著，即降水不会持续性增加，这对于高寒草地退化和沙化的缓解作用有限；且降水量的陡增反而会加剧对土壤的水蚀强度，陡减又会加剧土壤的风蚀，进而促进土壤的沙化.降水变化的区域差异较大，红原和若尔盖站的降水在平均减少，从近年来的研究来看，红原和若尔盖草地的沙化问题也更为严峻［21-22］.川西北高原在近58 a的风速有降低的趋势，这有利于降低风蚀强度，但风速的变化同样存在区域差异，石渠站风速降低明显，红原站风速却有线性增加趋势.由于风速变化率较小，在草地沙化过程中主要起加剧作用，而并非主导气候因子.此外，极端气候事件也会导致小尺度上的草地退化与沙化，如雪崩、冰崩、暴风雪使草地被大雪覆盖［23］；极端强降水使土壤侵蚀加剧［24］.

气候变暖对草地生态系统的影响是多方面的，有上述的不利影响，同时也会有正面效应.变暖使生长季节气温和土壤温度增加［25］，有利于植物生长.植物叶片的净光合速率随温度的升高而增加［26］，增温使冰川退缩、雪线上升，植被可覆盖的海拔高度更高，草场绿化面积扩大［27］.综合以上分析，显著的增暖趋势可能是川西北高寒草地退化、沙化的主导气候因子，同时降水的减少和风速的增加可能加速了部分区域（如红原、若尔盖地区）的草地沙化过程，但由于气候变化与地表覆被过程之间的关系非常复杂，同时存在正负两方面的生态效应，且人为扰动在草地沙化中的作用不能忽略.因此，通过统计方法很难了解气候变化在高寒草地沙化中的作用.气候-植被模型能够模拟无人类扰动的气候情景下植被的动态变化过程［28-30］，可以成为未来草地沙化与气候变化关系研究的重要工具.

4 结论

川西北高原位于青藏高原东部，高寒草甸是该区域高寒、湿润气候下的典型植被，但近年来草地沙化问题突出，已经影响到长江、黄河源区的生态安全和区域畜牧业的可持续发展，以过度放牧、垦荒为主的人为因素和以气候变化为主的自然因素被认为是导致沙化的主要驱动力.本文着眼于高寒草地的气候驱动力，研究了与草地沙化关系密切的气温、降水、风速、潜在蒸散和气候干燥度的变化趋势，并探讨了气候变化对草地沙化的可能影响，得出的结论如下.

1）1961—2018年川西北高原温度呈显著上升趋势，总体的气候倾向率为0.25℃/Da，温度增幅最大的是理塘站，达到0.43℃/Da.降水量呈现平均增多的趋势，但线性趋势不显著，整体气候倾向率较小，为8.3 mm/Da.而且降水量变化的区域差异较大，康定站增幅最大且线性趋势显著，为31.26 mm/Da.风速总体呈下降趋势，但变化率较小，气候倾向率为-0.03 m/（s·Da）.

2）近58 a来，川西北高原潜在蒸散呈上升趋势，气候倾向率为4.4 mm/Da，期间大概经历了1961—1973年波动上升、1974—2000年波动下降和2001—2018年较平稳波动3个阶段.ETo变化的区域差异也较大，上升幅度最大的是若尔盖、松潘和巴塘站.气候干湿状况在平均变湿润，线性趋势不显著.德格、马尔康、道孚和康定站的气候变湿润趋势有较高的显著性.

3）ETo和气候干燥度2个综合气候因子与气温、降水、风速等单因子有密切联系，ETo与风速和气温的相关系数较大，气候干燥度与降水的相关系数最大.但通过与地表植被NDVI的相关性研究发现，无论综合气候因子，还是单气候因子与NDVI的变化大多无显著相关性，这一方面由于遥感获取的NDVI包括了人类活动的影响，另一方面气候变化对植被的影响过程复杂，很难通过统计的方法去解释二者之间的关系.因此，未来的研究中需要借助气候-植被模型，模拟无人类扰动的气候情境下，川西北高寒草地的变化过程，以更加深入的了解气候变化与草地沙化之间的关系.

致谢四川师范大学川西资源环境与可持续发展研究中心科技项目（KY202002）对本文给予了资助，谨致谢意.