干旱对鄱阳湖流域植被生态系统GEP的影响

刘家倩， 陆建忠*， 田 晴， 陈晓玲，2

(1.武汉大学测绘遥感信息工程国家重点实验室， 武汉 430079；2.江西师范大学鄱阳湖湿地与流域研究教育部重点实验室， 南昌 330022)

总生态系统生产力GEP(gross ecosystem productivity)作为反映陆地生态系统固碳能力的具体指标，无论在表征“碳源”和“碳汇”重要功能的发挥效力方面，还是在稳步推进生态系统的保护与修复过程，都是不可或缺的重要因子.2020年11月，落基山研究所(Rocky Mountain Institute，RMI)于“2020全球能源转型高层论坛”上正式发布《城市落实“2060年碳中和”国家战略的创新路径：以零碳为目标的综合能源规划》报告.报告开创性地提出了“以零碳为目标的综合能源规划”的理论框架、方法论和应用场景.而湿地国际组织研究证明，作为全球最大碳库的湿地生态系统，因其强大的固碳能力在全球碳循环中发挥着重要作用.在实现“碳中和”目标的过程中对湿地生态系统的研究与探讨不可或缺，如何实现“零碳”目标，需要相关部门共同努力，科学决策.如何将陆地生态系统“碳汇”功能发挥更好，以及在气候调节中的作用机制有待进一步研究.

而在我国，鄱阳湖作为我国最大的湿地生态系统，其流域境内还涵盖着大大小小的各种生态系统，如森林生态系统、草原生态系统、农田生态系统等，其具有的生态价值不可估量，且在气候调节与生态修复中扮演着重要角色.近些年由于全球变暖，极端天气事件如干旱、洪水、极端气温等发生频率在不断增加，各大生态系统都受到了一定程度的影响.自十八大以来， “绿水青山”一直被倡导，生态环境的保护刻不容缓.近些年，鄱阳湖流域频频发生干旱灾害，如2007年出现大范围的干旱，仅在7月、10月和11月就出现了范围较广或强度较大的干旱，旱灾不论是对人口，还是农田或社会经济都会造成大范围的伤害，影响程度不亚于水灾[1].鄱阳湖不论是在调节长江水位、涵养水源方面，还是在改善当地生态环境、生态保护与修复及气候调节等方面都起着重大的作用[2].因此，探究干旱对鄱阳湖流域植被生态系统GEP的影响，在当前全球气候变化的背景下十分有必要，是本研究的重点.

自提倡“人与自然和谐共生”“人类命运共同体”理念以来，国内外许多地区重视生态系统在人类发展中的重要地位，开始对影响GEP产生的各类因子进行研究，但针对影响GEP的环境因素的研究尚不多见.Kastur等人[3]曾利用MODIS遥感数据研究马来西亚半岛南部红树林破碎化及其对叶面积指数和总初级生产力的影响，证明了马来半岛南部红树林的破碎化因其太阳辐射增加的边缘效应，可能导致总初级生产力的增加，但没有表明气候因素对其的影响.姚焕玫[4]等人曾探究广西北部湾海域初级生产力与环境因子相关关系，进行了光合有效辐射、海表温度、盐度以及营养盐与海域初级生产力的相关性分析，对陆地生态系统涉及较少.而姚炳楠等人[5]虽分析了鄱阳湖流域植被总初级生产力的时空变化特征及其与气温、降水两个气候因子的关系，但只做了两个因子的独立分析，缺少总体上针对干旱的联系与分析.因此，本文以鄱阳湖流域为研究区，探究干旱对其在2000—2016年间GEP产生的影响.GEP可通过生态水文模型WaSSI-C(water supply stress index-carbon model)模型来计算，有研究表明WaSSI-C模型已被广泛应用于中国大陆地区，并有良好的适切性，它能在月尺度上将生态系统内部水碳循环过程的耦合关系良好地表示[6].近期，就干旱对GEP生产效应的抑制或促进作用争论不断.陈晓峰[7]等人研究证明在水热不同步条件下因高温干旱和土壤水分降低会造成安吉亚热带毛竹林生态系统GEP下降.孙晓敏[8]等人提出生态系统碳吸收的降低程度取决于季节性干旱期间温度升高和降水量减少的耦合程度.证明Re(生态系统呼吸)和GEP都会受到干旱胁迫的影响，但是响应的方式与程度有所不同，是造成森林生态系统源/汇强度变化的根本原因.Hong等人[9]证明在春秋两季，基于熵的不同的累积降水序列以得出的统一概率分布函数以计算出3个月SPI(standard precipitation index)和降雨日数呈现全负趋势时，鄱阳湖流域缓解农业干旱的难度将加大，说明干旱可能对生态系统GEP产生具有抑制效应.但也有相关研究证明干旱可能对生态系统GEP产生促进作用，Tang等人就证明在鄱阳湖流域植被绿度增加明显的情况下，需水量较大的子流域(赣江流域)中，持续的干旱状况下植被绿度增加会加剧生态需水与人类需水之间的矛盾[10]，这可能使得在植被绿度明显增加的情况下，鄱阳湖流域生态系统的GEP会有所增加，导致干旱反而促进生态系统GEP的产生量.而Wei等人[11]基于非洲旱地生态系统的研究，提出了在降雨量大的年份初期会导致南部非洲的火灾率增加，但在后期情况又会逆转为下降，而这种下降是由高频率的干旱年份导致非常低的燃料负荷造成，表明干旱造成了燃烧面积的普遍减少，特别是在旱地稀树草原.所以对于非洲旱地生态系统而言，干旱极有可能会促进其生态系统GEP的增加.造成干旱对生态系统GEP产生是否存在抑制作用争论的因素有可能是因为研究地区所处的地理条件不同，或者所在的气候带不一样，导致不同的气候环境在干旱条件下的表现形式不一致.不同气候带的区域，干旱对其生态系统GEP的影响是存在差异的，而目前缺少具体化的研究.因此，本文针对鄱阳湖流域植被生态系统，探究2000—2016年间干旱对鄱阳湖流域植被生态系统GEP产生的影响.

本文利用WaSSI-C模型计算在2000—2016年月尺度下的鄱阳湖流域植被生态系统GEP，并与MODIS的GEP产品对比验证，同时以每月为时间尺度计算SPI干旱指数，分析GEP在干旱期间下的时空变化特征，探究干旱对GEP产生的影响.本文对于评估植被生态系统“碳源”“碳汇”功能的发挥效力，实现 “青山绿水”及“碳中和”的规划目标具有重要的现实意义，也为如何更好地修复与保护植被生态系统提供指导性意见.

1研究区与数据

1.1研究区概况

鄱阳湖流域位于长江中下游南岸，是鄱阳湖水系集水范围的总称，包括了五子河流域(赣江、抚河、信江、饶河、修河)以及大大小小的水系，流域面积16×104km2，地理范围与江西省行政辖区基本重叠[12](见图1).流域地处亚热带季风气候带，为典型的亚热带湿润性季风气候，其春季时节天气易变，梅雨连绵，而夏季多受副热带高压控制，以致夏秋时节气候晴热干燥，在冬季盛行偏北风，阴冷时节气温低[13].年平均气温为17.5 ℃，年平均降水量达到1 680 mm[14]，年平均蒸发为800～1 000 mm，但降水和蒸发的时空分布是不均匀的，表现出明显的季节性和区域性差异[15].本文以江西省境内的鄱阳湖流域为研究区进行研究，主要探究干旱对陆地生态系统GEP的影响，因此在计算GEP时会去除环鄱阳湖区.研究所用气象站包括流域内及流域周边共18个气象站点，以便覆盖研究区，更好地进行克里金插值.

1.2数据

本文用到的地理数据包括：STRM 30 m分辨率的DEM高程数据，以其为基础进而得到以百分比为单位的坡度数据，作为萨克拉门托土壤湿度计算模型的输入因子.2008年的鄱阳湖流域土地利用类型数据，利用ArcGIS进行重分类，将其主要分为草地、农田、稀疏灌丛、混交林和湿地五大类.中国土壤属性数据，以鄱阳湖流域矢量图进行掩膜，得到鄱阳湖流域内各土壤类型的土壤剖面深度以及基于HWSD(harmonized world soil database)划分标准，将鄱阳湖流域土壤属性划分为壤砂土(loamy sand)、壤土(loam)和黏土(clay)三大类.

图1 鄱阳湖流域及气象站分布Fig.1 Distribution of the Poyang Lake basin and its weather stations

气象数据来自中国气象数据网(http：//data.cma.cn)，18个气象站点包括14个位于鄱阳湖流域内的站点：修水、宜春、吉安、宁岗、遂川、赣县、庐山、波阳、景德镇、南昌、樟树、贵溪、南城和广昌，以及4个位于流域周边的站点：醴陵、江山、宿松、龙川.通过站点每日的气温、降水数据计算出每个站点的逐月降水量(Pre)和潜在蒸散发(PET)，并在ArcGIS里进行插值和掩膜，得到2000-2016年鄱阳湖流域的降水和PET栅格图像.

生态数据主要包括LAI(leaf area index)，数据来源于国家科技基础条件平台—国家地球系统科学数据中心(http：//www.geodata.cn)，空间分辨率为0.05°，以八天时间分辨率为基础利用Python合成到月尺度时间分辨率上，得到2000—2016年每月的LAI数据.验证数据为MODIS的以八天为时间分辨率，0.05°为空间分辨率的GPP数据，来源为北京师范大学GLASS数据库(http：//glass-product.bnu.edu.cn/)，同LAI数据一样合成到月尺度分辨率上.在生态系统的尺度上，GPP近似等于GEP，它们都代表着植被的固碳能力[6]，并且GPP已被广泛用于模型模拟结果的验证[16].为了便于表述和比较，本文将MODIS＿GPP统称为MODIS＿GEP.

2研究方法

本文以WaSSI-C模型计算鄱阳湖流域的GEP，模型主要分为三个子模型，包括蒸散模型、萨克拉门托土壤湿度计算模型及碳循环模型.该模型以DEM高程数据、气温降水数据、LAI数据、土地利用类型数据及土壤理化数据为输入参数.模型流程图如图2所示.

本文通过Hamon公式来计算鄱阳湖流域的潜在蒸散发PET，Hamon公式是以每日平均气温为基础进行计算的[17]，利用18个气象站点每日的平均气温数据可以得到每月的PET，作为后续利用蒸散模型计算植被实际蒸散潜力ETp的输入参数.公式为：

(1)

PET=k×N×Pt，

(2)

式中，Ta为日平均温度，℃；N为日照时间，h；Pt为饱和水汽密度，g·m-3；PET为每月潜在蒸散值，mm；k为经验系数，取0.84.

以潜在蒸散值PET为基础，根据鄱阳湖流域自身的水热条件，在确定蒸散模型的模型参数时，采用的是Sun等人在研究中所提出的一个在中低纬度下WaSSI-C模型参数化的方案[18]，具体如下式：

ETp=0.174 ×Pre+0.502 ×PET+5.31 ×

LAI+0.0222 ×PET×Pre，

(3)

式中，ETp为植被实际蒸散潜力；Pre为每月降雨量，mm；LAI为每月叶面积指数.

ETp为在环境良好，水分充足的情况下当月蒸散能够达到的最大值，需以萨克拉门托土壤湿度计算模型(SAC-MAC)作为参考条件进行限制，考虑到鄱阳湖流域实际环境情况，利用鄱阳湖流域的土壤属性数据以及18个气象站点所测算的实际降雨量数据，降水数据在ArcGIS里进行克里金插值，有研究表明：普通克里金插值精度要优于反距离权重和张力样条函数插值两方法.在可用于蒸散的土壤有效含水量(SWC)的基础上，获得实际蒸散值ET.

(4)

SWC=UZTWC+UZFWC+LZTWC，

(5)

可用于蒸散的土壤含水量SWC来自上层张力水(UZTWC) 、上层自由水(UZFWC)和下层张力水 (LZTWC)，在土壤湿度参照系数curve-number(CN)设定为平均湿度的条件下，可由萨克拉门托土壤湿度计算子模型分别计算得到上层张力水、上层自由水以及下层张力水[19-20]，CN系数通过SCS(soil conservation service) CN Method得到[21].

图2 模型计算GEP流程图Fig.2 Flow chart of model calculating GEP

在得到实际蒸散值(ET)的基础上，利用碳循环模型，可以得到总生态系统生产力.本文所用到的模型参数是参照通量网(FLUXNET)中的通量数据，由生态系统生产总值GEP、蒸散值ET、生态系统呼吸消耗REC三者之间的线性回归关系而确定.不同植被类型的具体回归方程经验系数值k可参见下表：

表1 WaSSI-C模型在鄱阳湖流域内主要 植被类型的碳通量回归模型参数Tab.1 Carbon flux regression model parameters for the main vegetation types of the WaSSI-C model

依照鄱阳湖流域的植被类型数据，对比草地、农田、稀疏灌丛、混交林以及湿地依次取不同的回归方程系数k值，得到该区域的生态系统生产总值GEP.在下文，计算出的GEP表述为模拟值GEP，以区分MODIS＿GEP.

本文将MODIS＿GEP产品与WASSI-C模型计算出的模拟值进行对比验证，利用小波分析对模拟值GEP进行时频分析，将模拟值GEP与干旱指数SPI联系起来进行时空分析.

3结果与分析

3.1WaSSI-模拟值GEP与MODIS＿GEP产品的对比验证

本文将模拟值GEP与MODIS＿GEP产品进行对比分析，以验证WaSSI-C模拟值GEP在鄱阳湖流域的适用性，图3(b)显示了2000—2016年鄱阳湖流域每月GEP平均值的时间序列变化.模拟值GEP与MODIS＿GEP产品的月平均值在低中值区间基本吻合，除了在个别月份(夏季)二者差异较大，整体上两者存在较大的相关性，图3(a)中模拟值GEP与MODIS＿GEP产品的相关性R2近似为0.62，较姚炳楠等人[5]利用GPP通量观测数据与MODIS数据产品比较的相关性0.56稍高，导致此结果的原因可能是气象数据的选择，由于气象数据是由点插值成面，会使得研究结果有一定的误差.

图3 模拟值GEP与MODIS的GEP产品对比验证图Fig.3 Comparison validation chart of simulated value GEP and MODIS product GEP

上述模拟值GEP与MODIS的GEP产品对比图(b)显示，WaSSI-C模型模拟的月平均值GEP在小值区间与MODIS＿GEP产品的月平均值变化趋势基本吻合，在大值区间模拟值较高，这与相关研究表明的MODIS GPP 产品在中国和东亚都有不同程度的低估现象是相符的[2].因此，通过WaSSI-C模型方法获得的GEP对鄱阳湖流域的碳通量模拟效果较好，具有良好的适用性.小值区间是本文的主要关注点，可以探究在干旱影响下GEP的具体分布情况.

3.2GEP月尺度Morlet小波分析的时间周期规律

本文利用MATLAB对模型求解出的GEP进行Morlet小波分析.Morlet小波分析是由Morlet提出的一种具有时—频多分辨功能的小波分析(wavelet analysis)，为更好的研究时间序列问题提供了可能，它能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在不同时间尺度中的变化趋势，并能对系统未来发展趋势进行定性估计.

本文时间尺度以每一月为单位(time scale=1)，2000—2016年共17 a即204个月，对月平均模拟值GEP进行Morlet能量谱分析，得到该时间尺度下的模平方时频分布(图4(a))和小波方差(图4(b)).

图4 GEP在月时间尺度下的Morlet模平方时频分布(a)和Morlet方差(b)Fig.4 Morlet mode squared time-frequency distribution (a) and Morlet variance (b) of GEP at the time scale of months

小波系数的模方即小波能量谱，可以分析出不同周期的震荡能量，因为本文采取的时间尺度为一月，因此可以看出在2000—2016年间哪些月份的震荡能量较高.由图4(a)Morlet模平方时频分布可知，第91月～第116月及第159月～第188月的时间尺度能量最强、周期最显著，但它的周期变化具有局部性(2007年夏季至2009年夏季，以及2013年春季至2015年夏季之间).以每个月为时间尺度下的小波能量谱可以突出局部变化较大的时间范围，与下文通过干旱指数SPI表征的重旱时间月份是对应的.同时，可以看出它与图4(b)的Morlet小波方差几个主周期是一致的.

小波方差图能反映GEP在时间序列中其波动能量随尺度的大致分布情况.可用来确定GEP演化过程中存在的主周期.Morlet小波方差图4(b)中存在4个较为明显的峰值，它们从左到右依次对应着第23月、第101月、第167月以及第179月的时间尺度.其中，最大峰值对应着第101月的时间尺度，说明第101月左右周期震荡最强，为月GEP变化的第一主周期；第179月时间尺度对应着第二峰值，第179月左右为月GEP变化的第二主周期；第三峰值和第四峰值分别对应着第167月和第23月左右时间范围，为月GEP变化的第三、第四主周期.说明4个周期的波动控制着GEP在整个时间域内的变化特征.

3.3干旱对鄱阳湖流域植被生态系统GEP影响的时空分析

3.3.1GEP与SPI在时间上的协同变化趋势 本文依据覆盖鄱阳湖流域及周边的18个气象站点降水数据计算出标准化降水指数SPI(standardized precipitation index)，SPI的计算时间尺度为一月，在ArcGIS里利用克里金插值得到整个鄱阳湖流域每月的SPI平均值.将基于模型求解出的GEP月平均值与SPI月平均值在时间序列上进行对比分析.SPI是由Mckee等人[22]提出的气象干旱指数，其目的是对降水数据进行归一化处理，得到每个具体数值与其平均数的差距.根据其划分标准，SPI划分为干旱、轻旱、中旱、重旱、特旱五个等级(如表2所示).

表2 干旱等级划分Tab.2 Drought classification

依据SPI指标，将2000—2016年间SPI干旱指数月均值与GEP月均值进行时间序列分析.图5显示随着时间的变化，2000—2016年间鄱阳湖流域干旱发生频次较多，干旱程度较轻的月份(轻旱-中旱)没有对GEP的产生量造成明显影响，但在干旱程度较为严重，特别是在一些重旱的时间节点上，随着干旱程度越严重，GEP的产生量在显著减少.GEP的谷值与SPI的谷值相对应，即在重旱情况下的鄱阳湖流域，GEP的产生量会受到明显的抑制.所以，干旱对于鄱阳湖流域植被生态系统的GEP产生具有抑制作用.

图5 2000—2016年间GEP与SPI的时间序列趋势Fig.5 Trends in synergy between GEP and SPI during 2000-2016

3.3.2干旱事件下GEP的空间分布规律 鄱阳湖流域SPI干旱指数显示共有15个月发生了严重干旱(干旱程度为重旱，图5中以黑点标出)，分别是2001年9月、2002年2月、2003年7月、2004年10月、2007年5月、2007年10月、2007年11月、2008年12月、2009年6月、2011年2月至2011年5月、2013年8月以及2014年1月.这些时间点与Morlet小波能量谱所显示出震荡能量较强以及Morlet小波方差的主周期的时间相对应.因此利用上述的小波分析结果可以辅助验证所求干旱指数的正确性.

在空间分布上，本文提取出发生严重干旱的时间节点作为典型干旱事件的发生时间，对该时段内的气象干旱指数SPI与模拟值GEP进行空间分布可视化(见图6)，探索其空间分布上的相关性.对于严重干旱发生在同一季节的情况，例如2011年的3-5月同属于春季，所表现出的分布规律大致相似，所以只取同一季节的其中一个月作展示.

图6 典型干旱事件下GEP与SPI空间分布Fig.6 Spatial distribution of GEP and SPI under typical drought events

通过以上典型干旱事件下的GEP与SPI空间分布图可知，整体上看，在鄱阳湖流域大部分典型干旱事件下GEP的高(低)值区与SPI的高(低)值区的空间分布是相对应的，越靠近蓝色表示二者值越高，越靠近黄色表示二者值越低.在局部空间分布上，当干旱较为严重时，GEP也相应的呈现较低的分布趋势.所以，针对本研究区鄱阳湖流域，不论是总体上还是局部空间上，干旱对GEP的产生是存在抑制作用的.

4结论

本文通过WaSSI-C模型求出的鄱阳湖流域植被生态系统的GEP与MODIS产品GEP在总体上具有较好地吻合性，特别在GEP值处于较大区间上时，模拟值与MODIS产品两者吻合性最强，同时也表明了WaSSI-C模型在本研究区域也具有良好的适切性，由此可见WaSSI-C模型对于碳通量的模拟效果是很好的.

本研究以模型计算出的GEP模拟值为基础，对其进行了Molert小波分析，揭示了GEP的时序变化特征和不同时间尺度下的特征.Molert小波方差图所表现出来的控制GEP变化的主要周期与SPI干旱指数表征的干旱事件出现的时间节点是相一致的，说明了干旱对于GEP产生的影响是较大的.针对2000—2016年间每月的SPI干旱指数与月均值GEP在时间序列上的波动表现可以明显看出，干旱对于鄱阳湖流域植被生态系统的GEP产生是具有抑制作用的，并且随着干旱程度地加剧，特别是重旱时期，GEP的产生量是会受到明显地抑制.模拟值GEP与SPI在鄱阳湖流域的空间分布上也很好地表明了这点，在重旱的时间节点上，干旱越严重的区域，GEP的产生量较其他区域是显著减少的，GEP与SPI的高低分布趋势在空间上是一致的.因此，无论是时间角度还是空间角度，干旱对鄱阳湖流域植被生态系统生产总值的影响均是负面抑制的.

在探究干旱对GEP影响时，本文以五河子流域为重点研究区，之后在进一步研究中，可将环鄱阳湖区考虑进来，分别对环鄱阳湖区和五河子流域进行分析.干旱对环鄱阳湖区GEP的影响机制可能与其他子流域区域存在差异，鄱阳湖湖泊在枯水期仍有水体存在，这是与其他子流域区域最大的不同点，在干旱时期随着气温升高湖泊周边草地植被生长更加茂盛，GEP可能反而增加，后续将进一步深入研究.

随着全球气候变暖，干旱发生频率不断增加且日渐严重，生态系统会受到一定程度的影响.本研究表明，具有“碳汇”功能的植被生态系统很可能在气候条件不断改变及恶劣影响下，“碳汇”功能会逐渐减弱.了解干旱对陆地植被生态系统GEP的作用机制，有助于环境保护部门科学管理.