2000—2014年黄河源水分利用效率时空变化及其影响因素

刘潇忆，刘超，聂锐华，金中武，刘铁刚*

▪水土资源与环境▪

2000—2014年黄河源水分利用效率时空变化及其影响因素

刘潇忆1，刘超1，聂锐华1，金中武2，刘铁刚1*

（1.四川大学 水力学与山区河流开发保护国家重点实验室/水利水电学院，成都 610065；2.长江科学院 河流研究所，武汉 430010）

【目的】探讨黄河源生态系统的变化趋势及其影响因素。【方法】基于MODIS遥感数据定量估算了2000—2014年黄河源植被水分利用效率，并采用趋势分析和相关分析，研究了生态系统时空变化特征及其对水热因子和植被因子的响应。【结果】2000—2014年黄河源平均值为（0.59±0.35）gC/（m2·mm），空间上由西向东呈增加趋势，时间上呈不显著增加趋势（>0.05）。其中，显著增加区域的空间比例为30.29%，主要分布在黄河源西部和北部，覆盖类型为中、低覆盖度草地和耕地。黄河源生态系统对水热因子和叶面积指数的敏感程度具有明显的空间异质性。【结论】在气候暖湿化影响下，水热和植被条件较差的中、低覆盖度草地对植被改善有更高的敏感性。

黄河源；水分利用效率；叶面积指数；降水量；气温；敏感性

0 引言

【研究意义】陆地生态系统碳循环与水循环存在密切的耦合关系[1]。水分利用效率（）是植被消耗单位水分所生产的干物质量，是度量生态系统碳、水循环对气候变化敏感性的重要指标[2]。在全球气候变暖的背景下，探究陆地生态系统的时空变化特征及其影响因素，对于评价和预测生态系统功能、优化生态系统水资源管理具有重要意义。

【研究进展】目前，对的研究涵盖了植株、站点和区域尺度，研究尺度的不同导致研究手段和方法存在差异。在植株尺度上，是指叶片通过蒸腾消耗单位水量所同化的光合产物量，通常采用光合测定仪观测光合速率和蒸腾速率得到，也可采用稳定同位素法获得叶片[3]。在站点尺度上，是植物在生长期内形成的干物质量与耗水量的比值，通常采用生物量调查法和涡度相关法测定干物质量，采用水平衡法、涡度相关法和蒸渗仪法测定蒸散发[4]。在区域尺度上，是区域生态系统的固碳量与蒸散发量之比，可通过遥感数据和生态系统过程模型估算[5]。尽管传统试验观测的精度较高，但其空间代表性和区域普适性较差，难以反映区域整体规律。相比之下，遥感技术具有较强的地理信息获取能力，在数据获取方面具有快速、宏观和动态等优势，能够实现大范围、长时序的连续观测，可以有效克服传统观测方法的缺陷[6]。遥感技术的快速发展推动了在区域尺度上的研究。采用遥感方法研究区域生态系统时空变化及其影响因子是当前全球变化领域研究的热点问题之一。

随着生态系统及环境条件的变化而表现出显著的空间变异性。Ito等[7]发现，森林的最高，草地的较低。水热因子和植被条件等因素都会诱导发生变化。Bai等[8]发现，内蒙古草地的与降水量呈正相关，而Yu等[9]发现中国东部森林的与降水量呈负相关。Zheng等[10]发现，生态系统与气温呈负相关，但也有研究表明植物和气温呈正相关[11]。Zhu等[12]对中国陆地生态系统的研究表明，不同生态系统的与叶面积指数（）均呈正相关。Liu等[13]发现，与之间的关系存在阈值效应。【切入点】现有研究表明，气候变化与植被因素会显著影响，但很少有研究同时关注二者对区域生态系统变化的影响。

黄河源处于青藏高原和黄土高原的过渡地带，是黄河流域的水源涵养区，也是我国重要的生态屏障。黄河源地理位置特殊，自然环境复杂，该区域生态系统对全球气候变化较为敏感[14]。由于气候变化和人类活动的加剧，黄河源出现冰川退缩、冻土消融和植被退化等生态环境问题，生态系统总体呈退化趋势[15]。【拟解决的关键问题】鉴于此，本研究基于MODIS数据集及气象数据，分析2000—2014年黄河源生态系统的时空变化特征，重点探讨显著变化区域水分利用效率对水热因子和叶面积指数变化的敏感性，以期为全球气候变化背景下黄河源生态系统功能提升和水资源可持续管理提供依据。

1 材料与方法

1.1 研究区概况

黄河源（31.5°—36.5°N，95.5°—103.5°E）位于青藏高原腹地（图1），横跨青海、四川、甘肃三省，总面积约12.2万km2。地势西高东低，海拔高度介于2 743～5 179 m之间，平均海拔高度为4 500 m。主要植被类型为高寒草甸、高寒草原、高寒沼泽、高山稀疏植被、高寒灌丛、常绿针阔叶林，其中以高寒草甸和高寒草原为主，约占黄河源区总面积的70%。黄河源区属大陆性高原气候，具有高寒和干旱特点。多年平均气温为0.7 ℃。多年平均降水量约为503.5 mm，春季和冬季降水量少，夏季和秋季降水量多，降水主要集中在6—9月。

图1 研究区位置及气象站点分布

1.2 数据来源及处理

1.2.1 遥感数据

遥感数据来源于美国MODIS产品（https://lpdaac.usgs.gov/）。其中，总初级生产力（）数据来源于MOD17A2产品。蒸散发量（）数据来源于MOD16A2产品。叶面积指数（）数据来源于MOD15A2产品。MODIS数据已广泛应用于全球和区域尺度研究，并具有较高精度[10]。本文选取的MODIS数据的时间和空间分辨率分别为8 d和500 m，数据获取时段为2000—2014年。利用MRT对遥感影像进行拼接及重投影，基于ArcGIS 10.4中的最大值合成法及重采样功能将8 d的遥感数据合成为空间分辨率为1 km的年尺度数据。

1.2.2 气象数据

气象数据来源于中国气象科学数据中心（http://data.cma.cn），包括2000—2014年黄河源及其周边15个气象站点的逐日平均气温（a）和降水量（）。采用ArcGIS 10.4中的反距离权重插值法得到黄河源1 km分辨率的逐月气温和降水量空间栅格数据。

1.2.3 高程（DEM）及土地覆盖数据

DEM数据来源于中国科学院地理空间数据云平台（http://www.gscloud.cn/），空间分辨率为30 m，重采样至1 km。2010年的土地覆盖数据来源于中国科学院资源环境科学与数据中心（http://www.resdc.cn/），空间分辨率为1 km。根据中国科学院土地资源分类系统，采用ArcGIS 10.2的重分类功能将黄河源土地覆盖类型分为7类（图2），包括林地（7.56%）、高覆盖度草地（18.36%）、中覆盖度草地（34.50%）、低覆盖度草地（23.48%）、湿地（4.03%）、耕地（0.44%）和其他土地覆盖（11.63%）。其中，高覆盖度草地和湿地主要分布在黄河源的东南部区域，中、低覆盖度草地主要分布在西部和中部地区。

图2 研究区土地覆盖类型分布

1.3 研究方法

1.3.1计算

在区域尺度上，生态系统一般用总初级生产力与蒸散发量之比来计算[16-17]。使用ArcGIS 10.4计算2000—2014年黄河源的年平均，计算式为：

， （1）

式中：为水分利用效率（gC/（m2·mm））；为总初级生产力（gC/m2）；为蒸散发量（mm）。

1.3.2 分析方法

采用Mann-Kendall检验法[18]和线性趋势法[19]分析2000—2014年黄河源、、、a、和的变化趋势。采用Pearson相关系数[20]在像元尺度上分析2000—2014年黄河源与a、和之间的相关性。

2 结果与分析

2.1 WUE时空分布特征

2000—2014年，黄河源、和的空间分布及变化趋势如图3所示。黄河源2000—2014年的平均为（0.59±0.35）gC/（m2·mm），呈明显的空间分异特征，由西向东呈增加趋势（图3（a））。黄河源东部较高，主要植被类型为高覆盖度草地和湿地；西部较低，主要植被类型为中、低覆盖度草地。的多年平均值为（332.9±203.5）gC/m2，与的空间分布特征相似（图3（b））。的年平均值为（554.2±49.4）mm，空间分布与和差异较大（图3（c）），高值区分布在黄河源中部和南部，低值区分布在黄河源北部。

图3 2000—2014年黄河源WUE、GPP和ET变化趋势的空间分布

2000—2014年，黄河源的变化趋势如图4所示。整体呈不显著增加趋势（> 0.05），增速为0.004 gC/（m2·mm·a）（图4（a）），增加和下降趋势的面积占比分别为81.36%和18.64%（图3（d））。其中，显著增加的区域占30.29%，主要分布在西部和北部；显著下降的区域仅占0.64%，主要分布在东南部的若尔盖湿地（图3（g））。整体呈显著增加趋势（<0.05），增速为2.98 gC/（m2·a）（图4（b）），呈增加和下降趋势的面积分别占91.01%和8.99%（图3（e））。其中，显著增加的面积比例为47.41%；仅有0.35%的区域呈显著下降趋势，分布区域与基本一致（图3（h））。整体呈不显著增加趋势（>0.05），增速为0.62 mm/a（图4（c）），增加和下降趋势的面积比例分别为60.86%和39.14%（图3（f））。其中，显著增加的面积比例为6.45%，主要分布在东部和若尔盖湿地；仅有0.5%的区域呈显著下降趋势，主要分布在黄河源西部（图3（i））。

2.2 WUE对影响因子的敏感性

2000—2014年，黄河源气温、降水量和的空间分布如图5所示。黄河源多年平均气温、降水量和分别为（0.7±1.4）℃、（503.5±121.8）mm和2.3±1.3，空间分布上均呈西低东高的特征。水热资源和植被条件的空间分布与和具有一致性。从变化趋势来看，黄河源气温整体呈不显著上升趋势（>0.05），增速为0.04 ℃/a（图4（d）），增速在西南部、北部和东南部地区较高，在扎陵湖-鄂陵湖周围一带区域较低（图5（d））。黄河源的降水量和呈显著增加趋势（<0.05），增速分别为9.48 mm/a和0.001 m2/（m2·a）（图4（e）—图4（f）），但增速由东南向西北区域呈降低趋势（图5（e）—图5（f））。总体而言，黄河源气候呈暖湿化趋势，这与高思琦等[21]的研究结果一致。其中东部水热条件较好，植被恢复快。

图4 2000—2014年黄河源WUE、GPP、ET及影响因子的变化趋势

图5 2000—2014年黄河源水热因子和叶面积指数空间分布及变化趋势

2000—2014年，黄河源与水热因子和叶面积指数的相关系数空间分布如图6所示。与气温的相关系数介于-0.59～0.84之间，（多年平均相关系数）为0.32，呈正相关。与气温呈正相关的区域面积比例达到了94.86%，其中呈显著正相关（<0.05）的比例为17.76%，主要分布在西南部区域；呈显著负相关的比例小于0.01%（图6（a））。与降水量的相关系数介于-0.81～0.66之间，为-0.04，呈负相关。与降水量呈正相关的面积比例为45.11%，呈负相关的面积比例为54.89%。其中，显著正相关的面积比例为0.66%，显著负相关的面积比例为1.93%，主要分布在北部地区（图6（b））。与的相关系数介于-0.88～0.99之间，为0.16，呈正相关。与呈正相关的面积比例为71.61%，其中显著正相关的面积比例为12.05%，主要分布在扎陵湖-鄂陵湖周围区域（图6（c））。

图6 2000—2014年黄河源WUE与影响因子的相关系数空间分布

2000—2014年，黄河源显著变化区域的主导因素分布如图7（a）所示。显著变化区域面积比例为30.93%，其中主导因素为气温、和降水量，面积比例为17.39%、11.39%和2.15%。气温是西南部显著增加的主导因素；是扎陵湖-鄂陵湖周围区域显著增加的主导因素；降水量为主导因子的区域较小，主要分布在北部地区。因此，气温和是黄河源显著变化区域的主要控制因子，降水量的影响较小。

显著减小的面积仅占黄河源总面积的0.64%，可忽略不计。对于呈显著增加的区域，主要有以下4种模式（图7（b））。模式一：显著增加，不显著减少。该种模式占黄河源的面积比例为19.39%，主要分布在黄河源西部。扎陵湖-鄂陵湖周围区域的主导因子是，而西南部的主导因子是气温。模式二：显著增加，不显著增加。该种模式的比例为17.00%，主要分布在同德北部、达日-玛沁一带。其中，达日-玛沁一带的主导因子是气温，而同德北部区域的主导因子是降水量。模式三：不显著增加，不显著减少。该种模式的面积比例为14.60%，主要分布于黄河源西部，主导因子是气温和。模式四：显著增加，显著增加。该种模式的比例为2.70%，主要分布在北部，主导因子为降水量和。

注“模式一”表示GPP显著增加，ET不显著减少；“模式二”表示GPP显著增加，ET不显著增加；“模式三”表示GPP不显著增加，ET不显著减少；“模式四”表示GPP和ET均显著增加。

3 讨论

3.1 WUE变化的空间异质性

2000—2014年，黄河源呈不显著上升趋势，但具有明显的空间异质性。在水热和植被条件较差的西部和北部地区，显著增加，而在水热和植被条件较好的东南部地区则增加不显著。显著增加的主要原因是气温和的升高，降水量对的影响相对较小。以往研究指出，三江源的水分条件优于热量条件，气温是草地生长的关键制约因素，气温升高延长了植被生长期，土壤温度升高有利于植物生长[22]，这与本研究的结果相同。

以往研究多着重于从整体上探讨区域的时空变化特征及其与气象因子的相关性，但缺乏对显著变化区域与水热和植被因子之间关系的研究。本文重点探讨了黄河源显著增加区域的主导因素。水热和植被条件的空间异质性以及和对水热和植被变化响应的差异性，导致区域对环境因子的敏感性有较大差异。例如，黄河源西北部扎陵湖-鄂陵湖周围一带和西南部达日-玛多一带都为“显著增加，不显著减少，显著增加”模式，但二者的主导因子不同。扎陵湖-鄂陵湖周围分布着约古宗列保护区、扎陵湖-鄂陵湖保护区和星星海保护区，生态恢复工程的实施有效改善了植被状态，植被“绿化”引起显著增加，而下降，因此是该区域显著增加的主导因子。达日-玛多一带的显著增加的主导因子是气温，这可能与高寒草甸对气候变化的敏感性有关。黄河源西部分布着岛状和季节性冻土，高寒草甸对气候和冻土变化较为敏感[11]。气温升高有利于延长草地植被的生长期[23]，土壤气温的升高有利于土壤中有机物质的分解和养分释放[22]，因此，气温上升对冻土区高寒草地生产力具有显著提升作用。

本研究发现，黄河源显著增加的区域主要是西部的中、低覆盖度草地，这些区域的值较低，但在气候暖湿化和生态恢复工程的影响下，呈上升趋势。东南部的高覆盖度草地和若尔盖湿地位于高值区，植被恢复的速度较快。然而，该区域增加不显著，呈显著增加趋势，导致增加不显著甚至存在减少趋势。另外，在林地的高值区，植被也有较明显的改善，但由于和均呈增加趋势，导致变化不显著。Liu等[13]发现，当较低时，对增加较敏感，原因是的增加导致蒸腾比（蒸腾量与蒸散量之比），从而引起升高。但当超过一定范围时，蒸腾比的增加会受到限制，导致对增加不敏感。裴婷婷等[24]发现，当归一化植被指数（）较高时，随着增加的敏感性下降，而蒸腾量较高，导致降低。

3.2 不确定性

本文利用MODIS遥感数据估算了2000—2014年黄河源。由于未能获取和实测数据进行验证，这可能导致研究结果存在一定的不确定性。例如，光合有效辐射吸收比例是计算的输入数据，由于枯落物、树干和其他非光合部分的干扰引起地表异质性增加，会导致估算值偏高[25]。另外，本文将气温、降水量和叶面积指数作为的影响因子，未考虑太阳辐射、二氧化碳浓度和饱和水汽压差等因素的影响，这在未来需要进一步完善。

4 结论

1）2000—2014年，黄河源由西向东随水热和植被条件的改善呈增加趋势，在时间上呈不显著增加趋势，但在水热和植被条件较差的中、低覆盖度草地呈显著增加趋势。

2）对水热因子和叶面积指数的敏感性具有较大的空间差异。

3）在黄河源气候暖湿化的影响下，中、低覆盖度草地的对水热和植被条件的改善更为敏感，体现了高寒草地对气候变化的适应策略。

（作者声明本文无实际或潜在的利益冲突）

[1] 朴世龙, 张新平, 陈安平, 等. 极端气候事件对陆地生态系统碳循环的影响[J]. 中国科学: 地球科学, 2019, 49(9): 1 321-1 334.

PIAO Shilong, ZHANG Xinping, CHEN Anping, et al. The impacts of climate extremes on the terrestrial carbon cycle: A review[J]. Science China Earth Sciences, 2019, 49(9): 1 321-1 334.

[2] 刘婵, 刘冰, 赵文智, 等. 黑河流域植被水分利用效率时空分异及其对降水和气温的响应[J]. 生态学报, 2020, 40(3): 888-899.

LIU Chan, LIU Bing, ZHAO Wenzhi, et al. Temporal and spatial variability of water use efficiency of vegetation and its response to precipitation and temperature in Heihe River Basin[J]. Acta Ecologica Sinica, 2020, 40(3): 888-899.

[3] 王建林, 于贵瑞, 房全孝, 等. 不同植物叶片水分利用效率对光和CO2的响应与模拟[J]. 生态学报, 2008, 28(2): 525-533.

WANG Jianlin, YU Guirui, FANG Quanxiao, et al. Responses of water use efficiency of nine plant species to light and CO2and it’s modeling[J]. Acta Ecologica Sinica, 2008, 28(2): 525-533.

[4] YU Guirui, ZHU Xianjin, FU Yuling, et al. Spatial patterns and climate drivers of carbon fluxes in terrestrial ecosystems of China[J]. Global Change Biology, 2013, 19(3): 798-810.

[5] 位贺杰, 张艳芳, 董孝斌, 等. 渭河流域植被WUE遥感估算及其时空特征[J]. 自然资源学报, 2016, 31(8): 1 275-1 288.

WEI Hejie, ZHANG Yanfang, DONG Xiaobin, et al. Estimating the spatio-temporal characteristic of vegetation water use efficiency over Weihe River Basin[J]. Journal of Natural Resources, 2016, 31(8): 1 275-1 288.

[6] 覃巧婷, 陈建军, 杨艳萍, 等. 黄河源植被时空变化及其对地形和气候的响应[J]. 中国环境科学, 2021, 41(8): 3 832-3 841.

QIN Qiaoting, CHEN Jianjun, YANG Yanping, et al. Spatiotemporal variations of vegetation and its response to topography and climate in the source region of the Yellow River[J]. China Environmental Science, 2021, 41(8): 3 832-3 841.

[7] ITO Akihiko, INATOMI Motoko. Water-use efficiency of the terrestrial biosphere: A model analysis focusing on interactions between the global carbon and water cycles[J]. Journal of Hydrometeorology, 2012, 13(2): 681-694.

[8] BAI Yongfei, WU Jianguo, XING Qi, et al. Primary productivity and rain use efficiency across a precipitation gradient on the Mongolia Plateau[J]. Ecology, 2008, 89(8): 2 140-2 153.

[9] YU Guirui, SONG Xia, WANG Qiufeng, et al. Water-use efficiency of forest ecosystems in Eastern China and its relations to climatic variables[J]. The New Phytologist, 2008, 177(4): 927-937.

[10] ZHENG Han, LIN Henry, ZHU Xianjin, et al. Divergent spatial responses of plant and ecosystem water-use efficiency to climate and vegetation gradients in the Chinese Loess Plateau[J]. Global and Planetary Change, 2019, 181: 102 995.

[11] 马利民, 刘禹, 赵建夫. 贺兰山油松年轮中稳定碳同位素含量和环境的关系[J]. 环境科学, 2003, 24(5): 49-53.

MA Limin, LIU Yu, ZHAO Jianfu. The relationship between environmental change and stable carbon isotopes records from tree-ring in Mt. Helan[J]. Environmental Science, 2003, 24(5): 49-53.

[12] ZHU Xianjin, YU Guirui, WANG Qiufeng, et al. Spatial variability of water use efficiency in China’s terrestrial ecosystems[J]. Global and Planetary Change, 2015, 129: 37-44.

[13] LIU Yibo, XIAO Jingfeng, JU Weimin, et al. Water use efficiency of China’s terrestrial ecosystems and responses to drought[J]. Scientific Reports, 2015, 5: 13 799.

[14] 王根绪, 李娜, 胡宏昌. 气候变化对长江黄河源区生态系统的影响及其水文效应[J]. 气候变化研究进展, 2009, 5(4): 202-208.

WANG Genxu, LI Na, HU Hongchang. Hydrologic effect of ecosystem responses to climatic change in the source regions of Yangtze River and Yellow River[J]. Climate Change Research, 2009, 5(4): 202-208.

[15] 吕乐婷, 任甜甜, 孙才志, 等. 1980—2016年三江源国家公园水源供给及水源涵养功能时空变化研究[J]. 生态学报, 2020, 40(3): 993-1 003.

LYU Leting, REN Tiantian, SUN Caizhi, et al. Spatial and temporal changes of water supply and water conservation function in Sanjiangyuan National Park from 1980 to 2016[J]. Acta Ecologica Sinica, 2020, 40(3): 993-1 003.

[16] CAO Ruochen, HU Zhongmin, JIANG Zhiyun, et al. Shifts in ecosystem water use efficiency on China’s loess plateau caused by the interaction of climatic and biotic factors over 1985—2015[J]. Agricultural and Forest Meteorology, 2020, 291: 108 100.

[17] HUANG Mengtian, PIAO Shilong, ZENG Zhenzhong, et al. Seasonal responses of terrestrial ecosystem water-use efficiency to climate change[J]. Global Change Biology, 2016, 22(6): 2 165-2 177.

[18] 陶帅, 邝婷婷, 彭文甫, 等. 2000—2015年长江上游NDVI时空变化及驱动力: 以宜宾市为例[J]. 生态学报, 2020, 40(14): 5 029-5 043.

TAO Shuai, KUANG Tingting, PENG Wenfu, et al. Analyzing the spatio-temporal variation and drivers of NDVI in upper reaches of the Yangtze River from 2000 to 2015: A case study of Yibin City[J]. Acta Ecologica Sinica, 2020, 40(14): 5 029-5 043.

[19] WINGATE V R, PHINN S R, KUHN N. Mapping precipitation-corrected NDVI trends across Namibia[J]. Science of the Total Environment, 2019, 684: 96-112.

[20] NANZAD L, ZHANG J H, TUVDENDORJ B, et al. NDVI anomaly for drought monitoring and its correlation with climate factors over Mongolia from 2000 to 2016[J]. Journal of Arid Environments, 2019, 164: 69-77.

[21] 高思琦, 董国涛, 蒋晓辉, 等. 黄河源植被覆盖度变化及空间分布自然驱动力分析[J]. 生态环境学报, 2022, 31(3): 429-439.

GAO Siqi, DONG Guotao, JIANG Xiaohui, et al. Analysis of vegetation coverage changes and natural driving forces of spatial distribution in the source region of the Yellow River[J]. Ecology and Environmental Sciences, 2022, 31(3): 429-439.

[22] 张颖, 章超斌, 王钊齐, 等. 三江源1982—2012年草地植被覆盖度动态及其对气候变化的响应[J]. 草业科学, 2017, 34(10): 1 977-1 990.

ZHANG Ying, ZHANG Chaobin, WANG Zhaoqi, et al. Spatiotemporal dynamics of grassland coverage in response to climate change from 1982 to 2012 in the Three Rivers Source Region, China[J]. Pratacultural Science, 2017, 34(10): 1 977-1 990.

[23] 韩炳宏, 周秉荣, 赵恒和, 等. 三江源区草地植被返青及其与气候因子的关系[J]. 生态学报, 2019, 39(15): 5 635-5 641.

HAN Binghong, ZHOU Bingrong, ZHAO Henghe, et al. Relationships between grassland vegetation turn green and climate factors in the Three-river Resource region[J]. Acta Ecologica Sinica, 2019, 39(15): 5 635-5 641.

[24] 裴婷婷, 李小雁, 吴华武, 等. 黄土高原植被水分利用效率对气候和植被指数的敏感性研究[J]. 农业工程学报, 2019, 35(5): 119-125, 319.

PEI Tingting, LI Xiaoyan, WU Huawu, et al. Sensitivity of vegetation water use efficiency to climate and vegetation index in Loess Plateau, China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(5): 119-125, 319.

[25] 唐欢, 李振旺, 丁蕾, 等. 基于地面涡度数据的中国草原区GPP遥感产品验证[J]. 草业科学, 2018, 35(11): 2 568-2 583.

TANG Huan, LI Zhenwang, DING Lei, et al. Validation of GPP remote sensing products using eddy covariance flux observations in the grassland area of China[J]. Pratacultural Science, 2018, 35(11): 2 568-2 583.

Spatiotemporal Variation in Water Use Efficiency and Its Determinants in 2000—2014 in the Source Region of Yellow River

LIU Xiaoyi1, LIU Chao1, NIE Ruihua1, JIN Zhongwu2, LIU Tiegang1*

(1. State Key Laboratory of Hydraulics and Mountain River Engineering, College of Water Resource and Hydropower, Sichuan University, Chengdu 610065, China; 2. River Department, Yangtze River Scientific Research Institute, Wuhan 430010, China)

【Objective】Water use efficiency () and the factors affecting its spatiotemporal variation are important in water management at catchment scale. The objective of this paper is to analyze the variations ofand its determinants in the source region of Yellow River (SRYR).【Method】The analysis was based on MODIS remote sensing data, from which we estimated the ecosystemfrom 2000 to 2014 and its spatiotemporal variation, as well as the underlying drivers using trend analysis and correlation analysis.【Result】Spatially, the mean annualincreased from the west to the east, with an average of（0.59±0.35）gC/(m2·mm) from 2000 to 2014. Temporally,did not show any decreasing or increasing trend (>0.05). The areas that have seen a significant increase inaccount for 30.29% of the studied region, distributing mainly in the west and north of SRYR. Areas with low and medium vegetation coverage are dominated by grassland and farmland. Spatial variation ofwas mainly affected by hydrothermal factors and leaf area index. 【Conclusion】In the context of mediating the detrimental effects of climate warming and flooding, improving vegetation in areas with low and medium vegetation coverage is expected to enhancesignificantly.

the source region of the Yellow River; water use efficiency; leaf area index; precipitation; temperature; sensitivity

1672 - 3317（2023）09 - 0061 - 07

TV11；X171.1

A

10.13522/j.cnki.ggps.2022191

刘潇忆, 刘超, 聂锐华, 等. 2000—2014年黄河源水分利用效率时空变化及其影响因素[J]. 灌溉排水学报, 2023, 42(9): 61-67.

LIU Xiaoyi, LIU Chao, NIE Ruihua, et al. Spatiotemporal Variation in Water Use Efficiency and Its Determinants in 2000—2014 in the Source Region of Yellow River[J]. Journal of Irrigation and Drainage, 2023, 42(9): 61-67.

2022-04-09

2023-04-27

2023-09-14

国家重点研发计划项目（2019YFC1510704）；国家自然科学基金项目（42071038）

刘潇忆（1997-），女。硕士研究生，主要从事农业水利和生态水文研究。E-mail: 821501157@qq.com

刘铁刚（1979-），男。副教授，主要从事农业水利和生态水文研究。E-mail: liutiegang79@scu.edu.cn

@《灌溉排水学报》编辑部，开放获取CC BY-NC-ND协议

责任编辑：韩 洋