气候干旱化背景下云南地区生态系统脆弱性的变化特征

闫文波, 何云玲, 余岚, 屈新星, 崔茜琳

气候干旱化背景下云南地区生态系统脆弱性的变化特征

闫文波, 何云玲*, 余岚, 屈新星, 崔茜琳

云南大学地球科学学院, 昆明 650500

基于CASA模型模拟云南省1982—2019年植被NPP, 根据IPCC脆弱性框架分析其生态脆弱性时空变化特征, 并结合标准化蒸散指数(SPEI)探讨干旱对生态脆弱性的影响。结果表明: 近38年研究区生态脆弱性总体呈波动上升趋势, 增长比例最为明显的是极度脆弱区, 面积比例增加了2.7%; 生态脆弱性空间分布差异较大, 以轻度与中度脆弱区为主(85%); 重度与极度脆弱区占比较少, 主要分布在横断山区以及高山峡谷区域; 大部分地区(53%)生态脆弱性与干旱呈正相关, 随干旱等级增大, 生态脆弱性增大, 其中呈显著正相关的区域(面积占比15%)主要集中在横断山区、高山峡谷地带, 受干旱影响显著; 随干旱频率上升, 轻度与中度脆弱区比例增加显著; 热带森林植被生态脆弱性整体上最高, 但受干旱的持续性影响不显著; 持续性干旱对亚热带森林、灌丛、草地与高山植被的生态脆弱性有较显著的影响。

CASA模型; NPP; SPEI; 生态脆弱性; 云南省

0 前言

近百年来全球气候正经历一次以变暖为主要特征的显著变化, 联合国政府间气候变化专门委员会(Intergovernmental Panel Climate Change, IPCC)第五次评估报告表明: 1880—2012年全球地表温度升高了0.85 ℃, 变暖幅度自20世纪90年代以来明显加速[1]。随着全球变暖加剧, 极端气候发生的频率和强度都在急剧增加[2–3], 一个明显的表现就是世界上大部分陆地干旱趋势日益明显, 其中仅在1972—2002年间, 全球极端干旱区域面积从占比12%增加到30%[4]。在极端干旱频率和强度不断增加的背景下, 开展生态系统的脆弱性研究, 对识别生态系统的功能与结构至关重要, 也是区域可持续发展的核心问题之一[5–6]。

生态脆弱性指的是系统易受到不利影响的特性, 主要包括系统对外界环境敏感性增强而适应性减弱等特征[7]。目前关于生态脆弱性的研究主要包括: 基于GIS的脆弱性区划、气候变化影响下的(物种、多样性)脆弱性分析、基于指标体系的气候变化脆弱性评价等[8–9]。单一型的生态系统指标体系针对性强、结构简单, 具有较强的区域性特征, 在气候变化领域广泛应用; 其中植被净初级生产力(Net Primary Productivity, NPP)作为表征生态系统质量与生产力的重要参量, 与其他植被指数(如归一化植被指数NDVI、总初级生产力GPP等)相比对气候变化的响应更加敏感[10], 在区域生态脆弱性评价中广泛应用, 国内外学者对此进行了大量研究。例如最早是AIR-CLIM项目对欧洲生态系统脆弱性进行评价时, 选取NPP作为生态系统响应气候变化的指标, 以多年平均NPP的10%为基准变量, 按照是否超过这一基准对生态脆弱性进行划分[11]; Klemme以NPP偏离多年平均值±25%确定5个极端脆弱年份, 并分析生态脆弱性对牧场承载力影响时发现: 未来NPP波动可能对牧场资源的生态可持续性产生不利影响[12]; 李克让等将全球不同植被类型NPP多年平均值确定为生态基础进行建模, 将NPP减少40%、60%、80%、100%作为生态系统轻度、中度、重度崩溃的临界值, 结果表明: 中国生态系统基本处于轻中度脆弱区[13]; Zhang等基于生态系统过程模型(CEVSA模型)模拟长江中下游地区1961—2000年NPP, 分析极端降水对区域生态脆弱性的研究发现: 极端降水偏少(干旱)年份轻度脆弱区面积较多年平均脆弱性水平增加6%, 中度脆弱区增加1%, 重度及以上脆弱区面积比例下降[14]; 於利等借助CEVSA模型模拟过去40年年长江中下游地区NPP, 并分析干旱对区域生态脆弱性的研究发现: 干旱对区域生态脆弱性有持续影响, 干旱发生后一年的区域生态脆弱性水平大于多年平均脆弱性水平[15]。从目前研究结果来看, 基于NPP对区域生态系统脆弱性评价结果在不同空间尺度与不同生态系统中得到了检验。

云南省位于中国西南部, 大部区域降水量均在1000 mm以上, 全省河川纵横、湖泊众多, 水资源总量丰富, 但近年来由于全球变暖持续加剧, 云南干旱频发, 并且干旱发生频率与强度明显增大[16], 已成为最为突出的自然灾害, 对区域生态系统造成了严重的破坏[17]。随着干旱发生频率增加, 植被生态系统对干旱的响应不容忽视, 理清极端气候背景下云南省生态脆弱性特征, 是制定气候变化对策的重要基础, 也是区域社会可持续发展的诉求。但目前关于极端干旱与生态脆弱性响应的研究较少, 因此深入开展极端干旱背景下植被生态系统脆弱性分析, 不仅有利于科学应对气候变化、实现趋利避害, 还可以为云南省乃至西南地区生态环境监测与保护提供决策参考。

1 材料与方法

云南省位于21°8′—29°15′N, 97°31′—106°11′E, 地形复杂多样, 山地、高原、盆地面积分别占全省国土面积的84%、10%、6%。全省地势呈西北高, 东南低, 自北向南呈阶梯状下降。复杂的地形地貌造就了区内多样的气候类型: 滇西北属于寒带气候类型, 滇东、滇中属于温带气候类型, 滇南、滇西南属于干热河谷区。具有寒、温、热三个气候带, 有“一山分四季, 十里不同天”之说。区域干湿季分明, 湿季为5—10月, 集中了85%的降水量; 干季11—次年4月, 降水量只占全年15%; 并且降水量地区分布差异明显, 降水量最多可达2200—2700 mm, 最少的地方仅有584 mm。

1.1 数据来源与处理

气象数据包括云南省126个气象站点的气温、降水和日照时数, 数据来源于国家气象信息中心, 采用ANUSPLIN软件的样条函数插值法[18]进行内插值，分辨率为250 m×250 m的栅格数据。

遥感数据采用1982—1999年GIMMS NDVI与2000—2019年MODIS NDVI, 由于两种数据所使用的传感器不同, 故采用EOT算法[19]对两种NDVI数据进行拟合, 为延长时间序列数据提供较好的依据。

植被类型数据来源于中国科学院第二次1:100万植被类型普查数据; 为了比较不同植被类型的差异, 根据何敏等[7]人的研究将研究区植被类型划分为7大类, 分别为: 热带森林、亚热带森林、灌丛、草地、农业植被、高山植被和水体。

1.2 研究方法

1.2.1 NPP模拟

目前, NPP的模拟模型主要有三类: 统计模型、过程模型与遥感模型等。遥感模型是基于光能利用率原理, 结合气象资料估算植被NPP的方法。与其他模型相比, 其可进行区域尺度上较为精确的NPP估算和时空分布模拟, 计算步骤较为简单, 其中CASA模型相对于其他遥感光能模型所需参数较少, 且避免由于参数缺乏而带来的误差, 能够获取陆面的全覆盖信息、模拟过程易操作, 具有时间分辨率高的优点[20], CASA模型的计算步骤可参考文献[21]。

1.2.2 脆弱性计算

脆弱性指的是系统受到不利因素影响的倾向或者习性, 根据IPCC脆弱性概念, 脆弱性计算公式如下[22]:

式中,(Vulnerability)指的是生态系统脆弱性指数,(Sensitivity)指的是生态系统敏感指数,(Adaptation)指的是生态系统适应性指数。

敏感性指数指系统在正常运转时, 由于气候变化或者其他扰动而导致系统失灵的难易程度, 其具体计算公式如下[23]:

适应性指数指的是生态系统在面对气候变化和其他扰动而保持和恢复期结构的能力, 其计算公式如下[24]:

式中,指适应性,为时间序列,为NPP的绝对变率, 即每年NPP的绝对变化量, 由每年NPP值减去多年NPP的均值计算;越大说明适应性越高, 反之亦然。

各个区域的敏感性、适应性和脆弱性是一个相对概念, 因此敏感性与适应性指数的计算结果未必在一个量纲, 故需对敏感性指数与适应性指数进行标准化后方可进行脆弱性的计算[25]。对计算结果采用自然断点法[26]将脆弱性等级由低到高划分为5类: 不脆弱(1级)、轻度脆弱(2级)、中度脆弱(3级)、重度脆弱(4级)和极度脆弱(5级)。

为了表征研究区脆弱性的整体情况, 引入综合脆弱性指数(), 其计算公式如下[27]:

式中,G表示第类的脆弱性等级,S表示第类脆弱性等级的面积,表示研究区的总面积,值越大, 表征生态系统越脆弱。

1.2.3 干旱指标分析

为了定量描述区域降水与蒸散差值偏离常年程度的干旱事件, 利用标准化降水蒸散指数(SPEI), 对研究区极端干旱事件进行评价, 其具体计算步骤可以参考文献[28]。SPEI指数具有多尺度特点, 选取SPEI-12有利于涵盖整年的干旱事件。根据研究区实际情况并结合文献[29]将SPEI指数对应的干旱等级划分如表1所示。干旱频率指干旱发生月数与研究时段内总月数的比值; 极端干旱年指SPEI值相对多年平均水平异常偏低的年份。研究时间段(1982—2019年)研究区SPEI值最小的5个年份分别是: 1987年、2000年、2007年、2011年、2013年, 而根据资料记载历史上这些年份云南省都经历了较为严重的旱灾[3, 30]。

表1 SPEI指数对应的干旱等级

再采用Pearson相关系数法, 分析生态脆弱性对于干旱的响应特征, 其计算公式可参考文献[31]。根据检验结果可将显著性水平划分为六类: 极显著正相关(>0,<0.01)、显著正相关(>0, 0.01≤<0.05)、不显著正相关(>0,≥0.05)、不显著负相关(<0,≥0.05)、显著负相关(<0, 0.01≤<0.05)、极显著负相关(<0,<0.01)。

2 结果与分析

2.1 脆弱性的时空变化分析

1982—2019年研究区平均EVSI指数为3.21, 最小值是1985与1989年的3.11, 最大值是1987年的3.35(图1), 近38年EVSI指数波动较大, 整体上呈上升趋势, 但其变化趋势未通过显著性检验。根据自然断点法将研究区脆弱性等级划分为5类: 不脆弱(-0.98— -0.46)、轻度脆弱(-0.46— -0.12)、中度脆弱(-0.12—0.12)、重度脆弱(0.12—0.35)和极度脆弱(0.35—0.78)。统计1982—2019年不同脆弱等级的面积比例变化, 可以发现: 除中度脆弱区外, 研究区的不脆弱区、轻度脆弱区、重度脆弱区与极度脆弱区均呈现上升趋势, 其中增长比例最为明显的是极度脆弱区, 为0.071%/a(未通过显著性检验)。

空间分布特征上(图2), 轻度脆弱区占比43%, 分布较为广泛, 在滇西南与滇东南区域分布较为集中：中度脆弱区占比42%, 多集中于横断山区、昭通北部以及高山峡谷区域; 重度脆弱区占比12%, 多沿水系峡谷延伸; 极度脆弱区占比1%, 集中分布于横断山区等高山峡谷地带; 不脆弱区占比为2%, 多为河流与各大湖泊。

2.2 干旱与生态脆弱性的相关分析

通过分析1982—2019年研究区逐年生态脆弱性与SPEI-12的关系(图3), 结果表明干旱与生态脆弱性呈正相关的区域占比53.1%, 主要集中在滇中的楚雄、玉溪, 滇西南的大理、保山、德宏、西双版纳, 滇东南的文山等地; 其中呈极显著正相关与显著正相关的区域占比15%, 主要集中在横断山区、高山峡谷地带。为了进一步分析干旱对不同植被类型生态脆弱性的影响, 对通过显著性检验的各植被类型生态脆弱性进行分类发现(表2): 热带森林与亚热带森林生态脆弱性与干旱呈显著正相关的面积比例最小, 而高山植被与水体的生态脆弱性与干旱呈显著正相关的面积比例较大。

为了更好说明研究区生态脆弱性与干旱发生频率的关系, 根据自然断点法[26]将干旱频率分为5类: Ⅰ类(干旱频率29%—31%)、Ⅱ类(干旱频率31%—33%)、Ⅲ类(干旱频率33%—35%)、Ⅳ类(干旱频率35%—37%)、Ⅴ类(干旱频率37%—39%)。根据表3统计可以发现: 当干旱频率从Ⅰ类增加到Ⅴ类时, 轻度、中度脆弱区面积分别增加了14.20%、16.45%, 变化显著; 而不脆弱区、重度脆弱区和极度脆弱区面积分别减少了12.15%、7.49%和11.01%。

图1 云南省1982—2019年EVSI指数的动态变化

Figure 1 Variation of EVSIin Yunnan from 1982 to 2019

图2 云南省生态脆弱性格局

Figure 2 Spatial pattern of ecological vulnerability in Yunnan

图3 云南省干旱与生态脆弱相关性的显著分类结果

Figure 3 Significant classification of correlation between drought and ecological vulnerability in Yunnan

表2 云南省不同植被类型生态脆弱性与干旱相关性的显著性面积比例/%

表3 云南省干旱频率与生态脆弱性的关系

2.3 极端干旱年对区域生态脆弱性的影响

为了描述干旱对生态脆弱性的影响程度及影响时间, 计算干旱年份的脆弱性以及干旱年份后1年的平均脆弱性, 分别与多年平均水平进行比较。如图4所示, 干旱年份、干旱次年以及多年平均脆弱性格局中, 轻度与中度脆弱区分别占比55%、53%、42%; 而对干旱年份、干旱次年以及多年分别求取EVSI值发现: 干旱年EVSI(3.28)>干旱次年EVSI(3.21)>多年EVSI(3.17)。对比干旱年份与干旱次年各脆弱性等级面积比例, 结果显示除不脆弱与中度脆弱性, 轻度、重度和极度脆弱性比例都有所增加, 表明研究区生态系统在经历干旱后的1年里, 干旱的影响仍在加剧, 导致部分生态系统的脆弱性仍在持续增加。

为了更好探究干旱对不同植被类型的生态脆弱性影响, 分别计算不同植被类型干旱当年、干旱次年以及多年平均生态脆弱性(表4)。热带森林在干旱年、干旱次年以及多年生态脆弱性的极度脆弱区面积占比均最大, 干旱影响下生态脆弱性高; 干旱年与多年平均水平比较, 重度脆弱区面积比例增加明显, 而极度脆弱区面积比例下降明显; 干旱次年与干旱年比较, 重度、极度脆弱区面积下降, 轻度、中度脆弱区面积上升, 生态系统脆弱性水平受干旱持续性影响较小。亚热带森林、灌丛与草地生态系统干旱年与多年平均水平相比: 重度、极度脆弱面积比例减少; 干旱次年与干旱年相比重度与极度脆弱区面积比例增加, 表明干旱对亚热带森林、灌丛与草地生态系统脆弱性具有持续性的严重影响。对于农业植被生态系统来说, 干旱年与干旱次年以及多年平均脆弱性水平相比, 重度、极度脆弱性面积比例持续减少。高山植被生态系统干旱年与多年平均水平比较, 中度、重度、极度脆弱性水平比例都有所减少, 而干旱次年与干旱年相比, 不脆弱、轻度脆弱面积比例减少, 中度、重度与极度脆弱性水平则增加, 说明干旱对高山植被脆弱性有持续性的影响。

注: 图中0、1、2、3、4、5分别代表不相关、极显著正相关、显著正相关、无显著正相关、极显著负相关、显著负相关、不显著负相关。

Figure 4 Impacts of drought on ecological vulnerability in Yunnan

表4 不同植被类型干旱年份及干旱次年各脆弱等级所占比例及其变化情况/%

续表

再对不同植被类型多年平均、干旱年以及干旱次年分别求EVSI发现(表5): 热带森林植被生态脆弱性整体上最高, 干旱年EVSI>多年EVSI>干旱次年EVSI, 热带森林生态系统脆弱性水平受干旱的持续性影响较小; 而亚热带森林、灌丛、草地、高山植被以及水体在干旱次年EVSI>干旱年EVSI, 说明上述4种生态系统整体脆弱性受长期干旱影响较大; 农业植被干旱次年EVSI<干旱年EVSI, 可能干旱期人们注重对农业生态系统灌溉与防旱。

表5 不同植被类型干旱年与干旱次年EVSI指数

3 讨论

近年来生态系统的脆弱性评价逐渐成为研究热点[32–35], 但关于极端干旱与生态系统脆弱性关系的研究较少。本研究从生态脆弱性的基本概念出发, 以IPCC脆弱性概念为基础, 基于NPP为评价指标, 计算云南省生态脆弱性的时空变化, 并结合EVSI指数对研究区的脆弱性程度进行了探讨, 发现研究区的生态脆弱性整体上呈上升趋势, 大部分地区为轻度与中度脆弱性, 受气候与环境因素影响其重度与极度脆弱区多集中在横断山区, 而且横断山区生态脆弱性水平受干旱影响最大, 这与朱雪等对云南省山区生态脆弱性的研究结果一致[36]。温度、降水、地质地貌、植物和动物的垂直分布和碎片化的分布状况造就了山区生态系统的多样性, 由于山区的地形和地貌不利于大规模机械化生产, 影响了人类活动的规模和力度, 部分山区还处在很少有人活动的区域, 这也就使之成为很多濒危动物的庇护所度较高的区域; 山区生态系统属于对外界干扰的敏感区, 对干旱等气候变化适应能力差是这些地区的生态系统脆弱性显著的主要原因。高山峡谷以及湖泊周围生态脆弱性也受干旱的强烈影响, 可能原因在于: 其周围湿地对湖泊河流的调节受干旱影响较大[37]。

对比干旱年份与多年平均脆弱等级面积所占比例, 结果显示轻度与中度脆弱区所占比例增加, 表明研究区多数地区生态脆弱性会受干旱的影响; 重度与极度脆弱区所占比例减少, 表明区域重度以上脆弱性受蒸/散发限制不是很强烈[15], 干旱不是导致区域重度以上脆弱性水平变化的主要原因。

从整体上看, EVSI在干旱年>干旱次年>多年平均, 表明研究区生态系统在经历干旱后的1年里, 干旱的影响仍在加剧, 导致部分生态系统的脆弱性仍在持续增加。干旱不是热带森林生态脆弱性的主要影响因素, 持续性干旱仅影响其轻度与中度脆弱性。而极端干旱对亚热带森林、灌丛与草地生态系统有重要且持续的影响。干旱与农业植被的脆弱性呈反比主要原因是在极端干旱年, 可能原因是农业植被生态系统生长期相对较短, 持续性的干旱对其影响较小; 以及在极端干旱年人们注重加强对农业植被的灌溉力度, 降低了农业生态系统的在极端干旱年的脆弱性水平[38–40]。

4 结论

(1)研究区生态脆弱性空间分布差异较大, 以轻度与中度脆弱区为主(85%), 主要分布在滇西南、滇东南、昭通北部以及高山峡谷区域; 重度与极度脆弱区占比较少, 分布在横断山区以及高山峡谷区域。

(2)研究区干旱与生态脆弱性呈显著正相关的区域占比15%(<0.05), 主要集中在横断山区、高山峡谷地带, 其受干旱影响显著。

(3)随干旱频率上升, 不脆弱、重度与极度脆弱区面积比例分别下降12.15%、7.49%和11.01%, 轻度与中度脆弱区面积比例分别上升14.20%、16.45%, 干旱频率对生态系统的轻度与中度脆弱性有显著影响。

(4)研究区EVSI在干旱年(3.28)>干旱次年(3.21)>多年平均(3.17), 生态系统在经历干旱后的1年里, 生态系统脆弱性仍在加剧; 除农业植被与热带森林生态系统外, 其他植被类型整体生态脆弱度均受长期干旱显著影响。

[1] ZHOU Baotao, CHAO Qingchen, Li Huage. The core conclusions and interpretation of Working Group I Contribution to the Fifth Assessment Report of the Intergovernmental Panel on cimate change [J]. Chinese Journal of Urban and Environmental Studies, 2015, 3(1): 31–37.

[2] 万云霞, 晏红明, 金燕, 等. 低纬高原水汽输送特征及其对云南气候的影响 [J]. 高原气象, 2020, 39(5): 925–934.

[3] 冯一, 姚林, 姜守政, 等. 1983―2015年中国西南地区干旱综合损失率与SPI的关系研究 [J]. 灌溉排水学报, 2019, 38(10): 97–105.

[4] HUANG Jianping, JI Mingxia, XIE Yongkun, et al. Global semi-arid climate change over last 60 years [J]. Climate Dynamics, 2016, 46(3/4):1131–1150.

[5] NELSON R, KOKIC P, CRIMP S, et al. The vulnerability of Australian rural communities to climate variability and change: Part I-Conceptualising and measuring vulnerability [J]. Environmental Science & Policy, 2010, 13(1): 8–17.

[6] METZGER M J, ROUNSEVELL M D A, ACOSTA- MICHLIK L, et al. The vulnerability of ecosystem services to land use change [J]. Agriculture Ecosystems & Environment, 2006, 114(1): 69–85.

[7] 何敏, 王鹤松, 孙建新. 基于植被生产力的西南地区生态系统脆弱性特征 [J]. 应用生态学报, 2019, 30(2): 429–438.

[8] LI Fapeng, ZHANG Yongqiang, XU Zongxue, et al. The impact of climate change on runoff in the southeastern Tibetan Plateau [J]. Journal of Hydrology, 2013, 505(18):188–201.

[9] VINAGRE C, LEAL I, MENDONCA V, et al. Vulnerability to climate warming and acclimation capacity of tropical and temperate coastal organisms [J]. Ecological Indicators, 2016, (62): 317–327.

[10] POTTER C S, BROOKS V. Global analysis of empirical relations between annual climate and seasonality of NDVI [J]. International Journal of Remote Sensing, 1998, 19(15): 2921–2948.

[11] MINNEN J G V, ONIGKEIT J, ALCAMO J. Critical climate change as an approach to assess climate change impacts in Europe: development and application [J]. Environmental Science and Policy, 2002, 5(4):69–85.

[12] KLEMM T, BRISKE D D, REEVES M C. Vulnerability of rangeland beef cattle production to climate-induced NPP fluctuations in the US Great Plains [J]. Global Change Biology, 2020, 26(9): 4841–4853.

[13] 李克让, 曹明奎, 於琍, 等. 中国自然生态系统对气候变化的脆弱性评估 [J]. 地理研究, 2005, 24(5): 653–663.

[14] ZHANG Yongxiang, TAO Bo, YU Li. Assessment on the vulnerability of different ecosystems to extreme rainfalls in the middle and lower reaches of Yangtze River [J]. Theoretical and Applied Climatology, 2015, 121(1/2): 157–166.

[15] 於琍. 干旱对生态系统脆弱性的影响研究以长江中下游地区为例 [J]. 长江流域资源与环境, 2014, 23(7): 1063–1070.

[16] YANG Cuiping, TUO Yunfei, MA Jimin, et al. Spatial and temporal evolution characteristics of drought in Yunnan Province from 1969 to 2018 based on SPI/SPEI [J]. Water Air and Soil Pollution, 2019, 230(11):1–13.

[17] Ting Ding, Hui Gao. The Record-Breaking Extreme drought in Yunnan Province, Southwest China during Spring-Early summer of 2019 and possible causes [J]. 2020, 34(5): 997–1012.

[18] GUO Binbin, ZHANG Jing, MENG Xianyong, et al. Long-term spatio-temporal precipitation variations in China with precipitation surface interpolated by ANUSPLIN [J]. Scientific Reports, 2020, 10(1):243–250.

[19] 刘海, 黄跃飞, 郑粮, 等. 长时序丹江口水源区NDVI数据集构建及其时空动态变化分析 [J]. 长江流域资源与环境, 2020, 29(8): 1780–1789.

[20] 朴世龙, 方精云, 郭庆华. 1982–1999年我国植被净第一性生产力及其时空变化 [J]. 北京大学学报(自然科学版).2001, 21(4): 563–569.

[21] 张仁平, 郭靖, 张云玲. 新疆草地净初级生产力(NPP)空间分布格局及其对气候变化的响应 [J]. 生态学报, 2020, 40(15): 5318–5326.

[22] ROBINSON S A. Climate change adaptation in SIDS : a systematic review of the literature pre and post the IPCC Fifth Assessment Report [J]. Wiley Interdisciplinary Reviews: Climate Change, 2020, 11(4):21–41.

[23] 陈金月, 王石英. 岷江上游生态环境脆弱性评价 [J]. 长江流域资源与环境, 2017, 26(3): 471–479.

[24] 於琍, 曹明奎, 陶波, 等. 基于潜在植被的中国陆地生态系统对气候变化的脆弱性定量评价 [J]. 植物生态学报,2008,32 (3): 521–530.

[25] 段士中. 气候变化下的四川省自然生态系统脆弱性分析 [D]. 成都理工大学, 2013.

[26] 吴健生, 陈莎, 彭建. 基于图像阈值法的森林雪灾损失遥感估测以云南省为例 [J]. 地理科学进展, 2013, 32(6): 913–923.

[27] 覃飞. 山岳型自然遗产地与OUV生态脆弱性评价 [D].上海:华东师范大学, 2018.

[28] YE Chongchong , SUN Jian, LIU Miao, et al. Concurrent and lagged effects of extreme drought induce net reduction in vegetation carbon uptake on Tibetan Plateau [J]. Remote Sensing, 2020, 12(15): 2746–2751.

[29] 高瑞, 王龙, 张燕明, 等. 基于SPEI的滇中季节性干旱时空特征分析 [J]. 云南农业大学学报(自然科学), 2019, 34(03): 516–521.

[30] 何娇楠, 李运刚, 李雪, 等. 云南省1961—2012年干旱时空变化特征 [J]. 山地学报, 2016, 34(1): 19–27.

[31] 李传华, 周敏, 王玉涛, 等. 西北干旱区植被净初级生产力年际变化及其时空和气候因子的贡献以河西走廊为例 [J]. 生态学杂志, 2020, 39(10): 3265–3275.

[32] 张学玲, 余文波, 蔡海生, 等. 区域生态环境脆弱性评价方法研究综述 [J]. 生态学报, 2018, 38(16): 5970–5981.

[33] 徐君, 李贵芳, 王育红. 生态脆弱性国内外研究综述与展望 [J]. 华东经济管理, 2016, 30(4): 149–162.

[34] 田亚平, 常昊. 中国生态脆弱性研究进展的文献计量分析 [J]. 地理学报, 2012, 67(11): 1515–1525.

[35] 屈志强, 沈婷婷, 徐胜利, 等. 生态脆弱性评价概述 [J]. 草原与草业, 2020, 32(3): 1–4.

[36] 朱雪. 基于土地利用格局的云南省福贡县生态脆弱度研究[J]. 生态科学, 2012, 31(6): 661–665.

[37] 王雪梅, 席瑞. 基于GIS的渭干河流域生态环境脆弱性评价[J]. 生态科学, 2016, 35(4): 166–172.

[38] 王永超, 焦树林, 黄福卫. 西南喀斯特地区农业旱灾脆弱性评价研究[J]. 贵州师范大学学报(自然科学版), 2016, 34(3): 13–17.

[39] BEHBOUDIAN M, KERACHIAN R, MOTLAGHZADEH K, et al. Evaluating water resources management scenarios considering the hierarchical structure of decision-makers and ecosystem services-based criteria [J]. Science of The Total Environment, 2020, 751(14): 141759.

[40] XING Zikang, MA Miaomiao, WEI Yongqiang, et al. A new agricultural drought index considering the irrigation water demand and water supply availability [J]. Natural Hazards, 2020, 104(3): 1–21.

Variation of ecosystem vulnerability under the background of climate aridity change in Yunnan Variation

YAN Wenbo, HE Yunling*, YU Lan, QU Xinxing, CUI Xilin

School of Earth Sciences, Yunnan University, Kunming 650500, China

Based on the CASA model, NPP of vegetation in Yunnan province from 1982 to 2019 was simulated. The spatio-temporal variation characteristics of ecological vulnerability were analyzed according to the IPCC vulnerability framework, and the impacts of drought on ecological vulnerability were discussed in combination with the standardized evapotranspiration index (SPEI). The results showed that in the past 38 years, the overall ecological vulnerability of the study area fluctuated and increased, and and the area proportion of extremely vulnerable area increased by 2.7% by 2.7%. The spatial distribution of ecological vulnerability was significantly different, mainly in mild and moderate vulnerable areas (85%). Severe and extremely vulnerable areas were less, mainly distributed in Hengduan mountain area and alpine canyon area. In most areas (53%), the ecological vulnerability was positively correlated with drought, and the ecological vulnerability increased with the increase of drought level. The areas with a significant positive correlation (15%) were mainly concentrated in the Hengduan mountain area and the alpine vegetation area, which were significantly affected by drought. With the increase of drought frequency, the proportion of mild and moderate vulnerable areas increased significantly. The ecological vulnerability of tropical forest vegetation was the highest on the whole, but it was not significantly affected by the persistence of drought. Persistent drought has a significant impact on the ecological vulnerability of subtropical forests, shrubs, grasslands and alpine vegetation.

CASA model; NPP; SPIE; ecological vulnerability; Yunnan province

闫文波, 何云玲, 余岚, 等. 气候干旱化背景下云南地区生态系统脆弱性的变化特征[J]. 生态科学, 2023, 42(1): 197–205.

YAN Wenbo, HE Yunling, YU Lan, et al. Variation of ecosystem vulnerability under the background of climate aridity in Yunnan Province[J]. Ecological Science, 2023, 42(1): 197–205.

10.14108/j.cnki.1008-8873.2023.01.023

K903

A

1008-8873(2023)01-197-09

2020-11-20;

2021-01-04

国家自然科学基金项目(41961044)

闫文波(1997—), 男, 河南洛阳人, 硕士研究生, 研究方向为气候变化与植被生态系统响应, E-mail:2528711455@qq.com

何云玲, 女, 博士, 副教授, 主要从事区域气候变化及其生态影响研究, E-mail: hy1610@126.com