1982—2020年东北森林带植被绿度时空变化特征

2023-09-11栾军伟叶晓丹刘世荣

生态学报 2023年16期

张宇,余振,栾军伟,王一,叶晓丹,刘世荣

1 国际竹藤中心竹藤资源与环境研究所,国家林业和草原局/北京市共建竹藤科学与技术重点实验室,北京 100102 2 南京信息工程大学应用气象学院,南京 210044 3 中国林业科学研究院森林生态环境与保护研究所,国家林业和草原局森林生态环境重点实验室,北京 100091

在全球气候变化日益加剧的背景下,影响植被光合作用活动的温度和降雨等因素发生了显著变化,改变了植被生长和固碳能力[1—3]。植被光合作用活动可用遥感植被绿度,即植被指数(vegetation indices,VIs)或叶面积指数(leaf area index,LAI),进行间接表征[3—4]。以植被绿度为衡量指标,量化植被活动的时空变化有助于理解气候变化和植被之间的关系,对于预测植被对气候变化的响应至关重要。

近年来一些研究利用NDVI[5—6]或LAI[7—8]分析了全球植被绿度变化,结果表明自1980s以来植被的绿化(植被绿度在某一时间段内呈显著增加趋势则定义为绿化,代表着植被光合作用活动增强;反之则为褐化)是普遍的,北半球高纬度[9]和温带[8]区域是绿化的热点地区,而气候变暖是主要驱动因素之一[2,10—11]。然而,由于气候变化的时空异质性[12],植被绿度变化存在较大的时空差异。气候变暖停滞[13—14]和植被生长的温度响应逐渐减弱[15—16]改变了植被绿度变化趋势[17—18],一些温带区域的植被褐化加剧[18],甚至出现从绿化到褐变的逆转[4]。降雨减少和温度持续增加造成植被面临越来越大的水分胁迫[19—20],以相对湿度(relative humidity,RH)和土壤水分(soil moisture,SM)作为水分胁迫衡量指标的研究指出水分胁迫是植被绿度增加速度放缓或逆转的关键因素[4,21—23]。

植被绿度的时空变化及对气候和土壤水分的响应是非线性的[24],不同时间尺度上气候和土壤水分对植被绿度的影响大小也并不一致。目前分析植被绿度与气候和土壤水分关系的研究多采用相关分析法[24—25],以变量间的相关系数来确定因子对植被绿度的影响,忽视了各因子间的相互作用。因此,一些研究基于通径分析或地理探测器量化了各因子对植被绿度变化的影响大小[23,26—29]。通径分析可分析多个因子与因变量之间的复杂关系[29],地理探测器可根据因子和因变量之间的时空分布相似性来确定因子对因变量的影响,不需要构建变量之间的线性关系[30]。

东北森林带源于“两屏三带”生态安全战略建设,区域内包括大兴安岭、小兴安岭和长白山脉。东北森林带是我国重要的碳汇功能区和生态屏障区[31—33],也是对气候变化响应的敏感区[34]。近几十年来东北地区气候呈“暖干化”趋势[35—36],但上世纪末开始区域气候变暖出现停滞[37]。近年来一些研究评估了东北地区植被绿度变化,并分析了气候因素的影响[38—40],但尚不清楚东北森林带是否出现了植被褐化,也不清楚气候和土壤水分对植被绿度的影响在时间尺度上是否一致。此外,气候和土壤水分变化对植被绿度变化的影响大小也需进一步分析。综上,本研究利用长时间序列LAI遥感数据分析东北森林带1982—2020年植被绿度时空变化,并基于通径分析和地理探测器量化气候和土壤水分对植被绿度的影响大小及时间差异,以明确东北森林带植被绿度变化的主要驱动因素。

1 数据与方法

1.1 研究区概况

研究区位于118—135°E和38—54°N,平均海拔约499 m。研究区大部处于中温带,年均温总体上从南至北递减,年降水量总体呈东南至西北递减趋势,总体上四季分明,雨热同期,为植被生长提供了良好的环境条件,大兴安岭和小兴安岭分布有寒温带针叶林和阔叶林,长白山脉主要分布为温带阔叶林和针阔混交林(图1)。

图1 研究区示意图Fig.1 Location of the study area

1.2 遥感数据

大尺度植被绿度变化研究一般采用遥感植被指数作为衡量植被生长的指标。早期研究多采用NDVI为衡量指标,但NDVI在植被茂盛地区(LAI >2)易出现过饱和现象[41],因此本研究选取LAI为衡量指标[7—8]。LAI定义为单位土地面积上植物叶片总面积与土地面积的比值[42]。LAI数据来源于美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)发布的气候数据记录(Climate Data Record,CDR)产品中的AVHRR LAI数据集(version 5),空间分辨率为0.05°(大约5 km),时间分辨率为1 d。本研究选取了1982—2020年的LAI数据,并采用最大值合成法生成每月LAI数据,以消除大气影响、云污染对信号的影响。采用Matlab插值算法“pchip”进行了缺失值插补。选取每年4—10月的生长季LAI作为植被绿度的表征[18]。

1.3 气候与土壤水分数据

本研究采用ERA5-LAND数据集(分辨率0.1°,https://cds.climate.copernicus.eu/)中的1982—2020年逐月平均温度(Tmn)、降雨量(Pre)和土壤水分(SM)数据,并用双线性插值方法将数据重采样至0.05°分辨率。土壤水分数据包括0—7 cm、7—28 cm、28—100 cm和100—289 cm。相对湿度(RH)计算详见参考文献[43]。

1.4 方法

1.4.1距平值计算和时间序列突变点检测

距平值计算如下:

(1)

式中,Xi为第i年(i= 1982,1983,…,2020)的生长季平均温度、降雨量或相对湿度,¯X和ΔXi分别为对应变量的多年平均值和距平值。

采用Pettitt突变检验识别植被绿度趋势的突变点[44],计算过程详见参考文献[45]。

1.4.2趋势分析和显著性检验

采用Theil-Sen方法分析植被绿度变化趋势,该方法可避免数据不符合正态分布要求的限制,并减少异常值的干扰[46]。但Theil-Sen方法无法判断时间序列变化趋势的显著性,需引入Mann-Kendall检验[46—47]对趋势进行显著性检验。Theil-Sen方法和Mann-Kendall检验计算详见参考文献[48]。

1.4.3通径分析和地理探测器

基于通径分析可将不同因素对LAI的影响分解为直接影响和间接影响。直接或间接通径系数绝对值越大,表明该因素对LAI的影响越强,系数为正表示对LAI起促进作用,反之为抑制作用。通径分析计算过程详见参考文献[29]。

地理探测器可量化气候和土壤水分对植被绿度变化的相对作用大小。该方法只对类型变量进行分析,对于连续数据,可在离散化对其进行分析。利用R包“GD”可将气候和土壤水分数据离散化,离散化的最优标准由“GD”包的optidisc函数确定,以得出最佳的解释力q。解释力q计算方式详见参考文献[30]。

2 研究结果

2.1 1982—2020年东北森林带植被绿度的时空变化特征

Pettitt突变检验发现研究区植被绿度于2000年发生了突变(P<0.05,图2);栅格水平上,38.87%的区域植被绿度在2000年发生突变,其次为1999年(20.66%,图2)。以2000年作为植被绿度变化突变点,研究发现两个阶段植被绿度均呈现增加趋势(分别为0.00993/a和0.00558/a,图3),但2000年后植被绿度增加速度较1982—2000年间有所下降,且趋势转变为不显著。空间分布上,1982—2000年间83.28%区域植被绿度呈增加趋势(图3),绿化和褐化区域分别占17.73%和0.48%,大、小兴安岭增加速度较快;2000年后35.23%的区域植被绿度呈降低趋势,褐化区域占3.95%,大兴安岭西北部最为突出(图3)。两个时期植被绿化区域的空间分布差异较大,褐化面积增加了约7.23倍。

图2 东北森林带植被绿度突变图Fig.2 The abrupt vegetation greenness transitions in the forest belt of Northeast China

图3 东北森林带植被绿度年际变化Fig.3 The interannual variation of vegetation greenness in the forest belt of Northeast China

2.2 近几十年东北森林带气候变化特征

如图4所示,1982年以来研究区气候总体呈现暖干化特征,三个区域生长季平均温度和相对湿度分别呈现显著增加和显著降低的趋势,其中大兴安岭温度上升速度最大(0.036℃/a,P<0.01),相对湿度下降速度最快(-0.156%/a,P<0.01),且降雨量呈显著降低趋势(-0.894 mm/a,P<0.05)。为揭示植被绿度突变前后气候条件是否存在差异,研究分析了2000年前后两个时期气候变化特征。结果显示三个区域温度在两个时期均保持增加趋势,但1982—2000年变化速度(分别为0.058、0.039、0.033℃/a)高于2000年后(分别为0.009、0.009、0.012℃/a)。2000年后各区域降雨量和相对湿度均转为增加趋势,但仅有小兴安岭趋势显著(3.109 mm/a,P<0.01)。综上,2000年后研究区升温速度降低,降雨量和相对湿度增加,暖干化趋势有所缓解,尤其是小兴安岭区域。

图4 东北森林带气候演变特征Fig.4 The evolution characteristics of climate in the forest belt of Northeast China数字和“*”表示趋势大小及趋势通过95%显著性检验;黑色、红色和黄色分别表示1982—2020、1982—2000和2000—2020年

空间分布上,1982—2000年研究区温度整体呈增加趋势,26.00%区域变化显著,主要位于大兴安岭;而降雨量、相对湿度和土壤水分整体呈减少趋势,约11.38%的区域相对湿度呈显著下降趋势,主要分布于大兴安岭东部。2000年后,温度仍呈增加趋势,但趋势基本不显著且增温速率较2000年前有所降低,降雨量、相对湿度和土壤水分在研究区中部呈增加趋势,部分区域趋势显著,而在大兴安岭北部和长白山脉南部呈降低趋势,降雨量、相对湿度和土壤水分的变化表现出较为一致的空间分布(图5)。

图5 气候因素时空变化Fig.5 Spatiotemporal variation in climatic factors

2.3 气候和土壤水分对植被绿度变化的影响

为厘清植被绿度转变前后气候和土壤水分对植被绿度变化的影响是否存在差异,研究以温度、降雨、相对湿度和土壤水分为自变量,以LAI为因变量,构建了1982—2000和2000—2020年两个时期不同区域的通径分析模型。结果表明,在考虑了影响因子的直接和间接作用后,1982—2000年期间对各区域植被绿度变化的影响依次为相对湿度>平均温度或土壤水分>降雨(图6),相对湿度降低是植被绿度增加的限制因素(分别为-1.230、-1.093和-1.108),温度上升(分别为0.649、0.697和0.751)和充足的土壤水分(分别为0.648、0.713和0.792)对植被绿度增加呈促进作用,降雨对植被绿度变化的直接作用较小,但也可通过调节相对湿度和土壤水分对植被绿度变化产生间接影响。

图6 植被绿度变化通径分析Fig.6 Path analysis of vegetation greenness changeTmn:平均温度;Pre:降雨量;RH:相对湿度;SM:土壤水分;LAI:叶面积指数

2000年后,温度上升对植被绿度变化的积极影响大幅降低(图6,分别为0.028、0.048和0.049);大兴安岭北部相对湿度持续降低(图5)是区域植被绿度增加的限制因素(-0.360),而小兴安岭和长白山脉土壤水分胁迫是主要的限制因素(分别为-0.350和-0.255),降雨增多对三个区域植被绿度增加起促进作用(分别为0.219、0.287和0.246)。

为进一步确定主导植被绿度变化的气候因子,研究采用地理探测器分析了气候和土壤水分与植被绿度变化的关系,并提取对植被绿化和褐化解释力最强的因子及交互作用。结果如表1所示,1982—2000年间,温度及与其他因子的交互作用是植被绿化的主要驱动因子,温度与土壤水分交互作用对长白山脉植被绿化的促进作用最大。2000年后,三个区域植被绿化的主要驱动因子均转变为土壤水分及与其他因子的交互作用,而植被褐化的主要驱动因子为降雨和土壤水分的交互作用。

表1 植被绿化或褐化的主要驱动因子

3 讨论

3.1 气候趋势与植被绿度变化

气候与植被绿度的变化并不是单调不变的[4,49]。许多研究发现上世纪末期开始全球气候变暖趋于平缓[37,50],尤其是欧亚大陆的中纬度地区[17]。同时,全球部分区域植被绿度增加趋势放缓乃至逆转[22,43,51]。全球82%的植被绿度在1982—2000年间呈现增加趋势,但1999年后全球59%植被绿度呈降低趋势,甚至在许多区域出现趋势逆转[43]。本研究发现83.28%研究区植被绿度在2000年之前呈增加趋势,与北半球其他中纬度植被活动变化的面积比例类似[10]。2000年后35.23%区域植被绿度呈降低趋势,与全球尺度相比,植被绿度降低的面积比例较小,表明以森林覆盖为主的东北森林带对逐渐增加的水分胁迫的抗性较其他植被类型更高。全球尺度研究一般认为全球植被绿度变化在1990s中后期[4,18,43]发生逆转,然而本研究发现东北森林带的转变点略晚于这些研究,这也表明该区域气候和植被具有一定的特异性。

3.2 植被绿度变化的影响因素

植被绿度的年际变化是气候趋势和人类活动影响共同作用的结果[3]。本研究采用的气候和植被数据的空间分辨率为0.05°,而这一尺度上的气候趋势是植被绿度变化的主导因素[52]。1980年以来北半球中高纬度地区温度升高促进了植被生长,是导致植被绿度增加的主要驱动因素之一[5,45],温度上升显著提升了该区域内植被的光合作用酶活性和净光合速率[5],促进了生物量积累[53]。本研究结果也表明1982—2000年间温度是研究区植被绿度增加的主要驱动因子,与其他研究一致[29]。东北森林带位于北半球中高纬度地区,从西北至东南分别跨越半干旱区、半湿润区和湿润区,1982—2000年间温度在均呈显著上升趋势(图5),在温度低于植被光合作用最适温度时,温度上升对植被绿度增加的促进作用毋庸置疑[2,10]。1982—2000年间,研究区降雨和相对湿度呈普遍下降趋势,在温度显著增加而降雨减少的情况下,相对湿度降低引起的水分胁迫加剧限制了植被绿度的增加,但湿润半湿润地区在降雨减少时可能会通过增加光照的方式对植被绿度变化起到促进作用[18]。温度持续上升时,充足的土壤水分可保障植被活动对水分有效性的需求,有利于植被绿度的增加,温度和土壤水分对植被绿化的促进作用在长白山脉区域最为显著。

1982—2020年间研究区生长季平均温度呈持续增加趋势,但2000年后升温速率有所下降,这与其他研究结果一致[37]。尽管温度上升速率降低,但温度的持续上升会对植被活动产生负面影响,在生长季温度过高(高于植被最适温度)或蒸发散增加引发的水分胁迫加剧时,植被光合作用将受到明显的抑制[3]。另外,一些研究指出1998年后夏季温度的持续上升对北半球高纬度地区植被活动的促进作用正在降低[16,22],本研究也发现2000—2020年间温度对三个区域植被绿度变化的促进作用显著低于1982—2000年间。2000年后大兴安岭植被绿化的驱动因素由温度转为土壤水分,且交互作用也由温度和相对湿度转为相对湿度和土壤水分。大气干燥度上升和土壤水分不足将促使植被为减少水分损失而降低叶片气孔导度,削弱光合作用能力,进而引发植被褐变[18,22,54]。研究区气候趋势呈现“暖干化”特征,大兴安岭北部区域属于半干旱区,植被绿度变化对水分有效性更为敏感,同时区域遭受的气象干旱也高于其他区域[55],特别是温度持续上升引起的蒸发散增加以及降雨和土壤水分的持续下降导致的大气干燥度上升,植被生长受到的水分胁迫更为严重,区域内植被褐化与降雨和土壤水分降低的空间分布基本一致也说明了水分胁迫是植被褐化的主要因素,而温度上升对植被绿度的促进作用不足以抵消水分胁迫对植被绿度的抑制作用[22,56]。

2000年后小兴安岭植被绿化的驱动因素仍为温度,区域内降雨、相对湿度和土壤水分的持续增加保障了植被生长对水分有效性的需求,温度持续上升仍然是植被绿化的主要驱动因素。尽管长白山脉属于半湿润区域,但温度持续上升时土壤水分亏缺对植被活动的限制越来越大[22],长白山中部和南部降雨、相对湿度和土壤水分的变化说明水分有效性有所降低,是区域植被褐化的主要驱动因素,这与过往研究[51]得出的水分限制增加是中国植被生长在1999年后逐渐降低的主要原因之一的结果较为一致。土壤水分在1982—2000年间的降低趋势也侧面反应了植被生长增加对土壤水分的消耗,从而造成了2000年之后一些区域植被正常活动所需的土壤水分不足[57]。此外,东北地区2002年发生了严重的干旱,由此引发的高温限制和水分胁迫阻碍了植被的持续绿化[4,58—59],并可能是该区域大范围植被褐化的原因之一[60]。

3.3 本研究的不确定性

本研究所使用的NOAA-CDR AVHRR LAI数据是0.05度分辨率(约5 km)数据中跨度最长的数据集。但该数据集包含NOAA多颗卫星的观测数据,在传感器漂移校正过程中存在一定的不确定性[19]。同时,由于云层覆盖等因素影响,数据集的时空连续性受到了削弱。因此,采用最大值合成法将日尺度数据转换为月尺度,并对缺失值进行插补,以提升LAI时间序列的质量是进行数据分析的前提。

CO2施肥效应是全球植被绿化的主要因素之一,但有研究认为由于养分和水分限制,植被生长的CO2施肥效应有所下降[61]。由于缺乏CO2浓度的时空分布数据,本研究未量化CO2施肥效应对植被绿度变化的贡献。一些实地观测研究也指出北半球温带区域植被生长并没有显著增加[62]。东北森林带是我国陆地生态系统的主要碳汇区之一[31—32],在未来气候变化加剧的背景下,评估该区域植被活动和固碳能力需要更多野外实地观测的支持。