东北地区植被碳利用率时空变化及其影响因子分析

胡佶熹, 周清华, 徐 勇

(1.萍乡学院 商学院, 江西 萍乡 337055; 2.玉林市福绵区自然资源技术信息中心,广西 玉林 537000; 3.桂林理工大学 测绘地理信息学院, 广西 桂林 541006)

植被作为地球表层生态系统的重要组成部分[1-2],因其对气候变化响应较为敏感,且作为陆地表面主要的碳库,具有较高的碳密度和较快的碳积累速度,在减缓大气CO2浓度升高和全球气候变暖方面发挥着关键的作用[3-5]。植被碳利用率(carbon use efficiency, CUE),即植被净初级生产力(net primary productivity, NPP)与植被总初级生产力(gross primary productivity, GPP)的比值,可反映植被将初级生产力转化为植被生物质储存在生态系统中的效率,是碳循环研究的核心主题[6-9]。

随着遥感技术的快速发展,学者在不同时空尺度上研究了植被碳利用率的时空变化特征及其影响因素,并取得了丰硕的成果。在全球尺度上,He等[7]基于遥感影像和过程模型研究了全球植被CUE时空变化特征,结果表明,全球植被CUE呈现明显的纬度地带性,高纬度地区植被CUE较高。植被CUE随气温的上升呈非线性下降趋势,但对降水的增加表现较为稳定。Mäkelä等[10]研究发现在60°—70°N,随着纬度的上升,由于碳通量和存量的下降,针叶林CUE和NEP均呈梯度下降趋势。在中国,Chuai等[11]研究表明2000—2015年中国植被CUE呈微弱上升趋势,寒冷干燥地区植被CUE通常较高,而温暖湿润地区植被CUE通常较低。Gang等[12]研究发现中国北方同一时期草地的CUE比森林的CUE高,并且森林CUE受近期干旱的影响比草地更大。兰垚等[13]研究表明青海湖流域中部地区在生长季初期和末期CUE值偏高,生长旺盛期较低,青海湖边界地区与中部地区相反。郑飞鸽等[14]研究表明降水量是影响植被CUE变化的主要因素,并且月均植被CUE与年均植被CUE存在较大的差异。此外,罗赵慧[15]、安相[16]和刘福红[17]等分别对粤港澳大湾区、东亚森林和草地、鄱阳湖流域的植被CUE进行了深入的研究,研究结果表明不同地区和不同植被类型的植被CUE存在较大差异。以上研究主要分析植被CUE时空变化特征,及其与降水和气温的相关关系,但植被CUE除受气温和降水影响外,还受其他气候因子的影响,且植被CUE对气候变化存在滞后效应,因此,在研究中应当充分考虑其他气候因子对植被CUE的影响、植被CUE对气候变化的滞后效应以及各气候因子对植被CUE变化的综合驱动作用。

东北地区作为我国生态敏感区之一,研究其植被CUE的时空动态变化及其对气候变化的响应有着重大意义。因此,本文以东北地区作为研究区,探讨2000—2020年东北地区植被CUE的时空变化特征,分析植被CUE与气候因子的相关关系及时滞效应,揭示影响植被CUE变化的气候驱动机制的空间分布特征,以期为东北地区生态建设与保护提供理论参考和科学依据。

1 研究区概况

东北地区包括吉林、黑龙江和辽宁3个省份,地理位置为118°—135°E,48°—55°N,北面与俄罗斯相邻,东面与朝鲜接壤,隔日本海和黄海与日本、韩国相望,南濒渤海与华北区相邻(图1)。东北地区总面积为7.89×105km2,约占全国总面积的8.3%,受纬度、海陆位置、地势等因素的影响,东北地区属大陆性季风型气候,自北而南由温带向暖温带过渡,年平均气温约为4℃,年累积降水量约为1 183 mm,年平均湿度约为65%,蕴含着丰富的森林资源,总蓄积量约占全国的1/3,主要以栽培植被、阔叶林和针叶林为主。

注:基于标准地图服务系统下载的审图号GS(2016)600号的标准地图制作,底图未做修改,下图同。图1 研究区气象站点空间分布Fig. 1 Spatial distribution of the meteorological stations in the study areas

2 数据源及研究方法

2.1 数据源

植被GPP和NPP数据来源于美国国家航空航天局发布MODIS系列产品数据集,其中,GPP来自MOD17A2HGF产品数据集,NPP来自MOD17A3HGF产品数据集,空间分辨率均为500 m,为剔除缺失值、水、云、重气溶胶和云影对试验结果的影响,本文采用最大值合成法得到2000—2020年植被GPP时间序列,并对GPP和NPP数据进行投影变换、掩膜、裁剪和重采样等处理,得到覆盖研究区空间分辨率为1 km的GPP和NPP时间序列,然后计算NPP和GPP的比值,得到研究区植被CUE栅格数据集。

气象数据资料来源于中国气象数据网(http:∥data.cma.cn)提供的1999—2020年2 416个气象站点的逐日气温、降水、日照时数和相对湿度数据,其中东北地区覆盖站点数为200个,在考虑高程、经度和纬度的基础上,经过Anusplin模型插值后得到空间分辨率为1 km的东北地区的气温、降水、日照时数和相对湿度栅格数据集。

2.2 研究方法

2.2.1 一元线性回归分析 一元线性回归分析可用来估算变量在长时间序列上的变化趋势,本文采用一元线性回归分析在区域和像元尺度上计算植被CUE的变化斜率[18],以探究东北地区植被CUE的变化特征,计算公式如下:

(1)

式中:slope为变化斜率;CUEi为第i年的植被CUE;n为研究年限,当slope>0时,表示植被CUE在该时段内处于上升趋势,反之,则为下降趋势。

2.2.2 Mann-Kendall显著性检验 Mann-Kendall显著性检验[18-19]作为常用的非参数检验法,不需要样本遵循一定的分布规律。本文运用该方法对2000—2020年植被CUE时间序列的变化趋势进行显著性检验,计算公式如下:

(2)

(3)

(4)

(5)

UBk=-UFk(k=n+1-k)

(6)

2.2.3 相关分析和偏相关分析法 相关分析法可用于表征两个因子之间的相关程度。本文采用相关分析[20]探究植被CUE与影响因子间的相关关系。计算公式如下:

(7)

式中:n为研究年限;i为年序号;y为植被CUE对应像元21 a平均CUE值;x为气候因子。

当多个因子同时与植被CUE存在相关关系时,使用偏相关分析[21-22]可以在控制其他影响因素的条件下,衡量2个因子间的相关关系(表1)。本文采用偏相关分析法,计算植被CUE与气温、降水、日照时数和相对湿度的偏相关关系,计算公式如下:

表1 植被CUE变化气候驱动类型判定Table 1 Determination of climate-driven type of vegetation CUE change

(8)

式中:rxy.z1z2…zn为控制自变量z1,z2,…,zn时,变量x和y的偏相关系数。采用t检验法对最大偏相关系数进行显著性检验,定义p<0.01为极显著相关;0.01≤p<0.05为显著相关;p≥0.05为不显著相关。

3 结果与分析

3.1 植被CUE时间变化特征

由图2可知,东北地区植被CUE总体呈现波动上升趋势,上升速率为0.002 3/a。近21 a来,研究区植被CUE平均值为0.64,其中,最高值出现在2003年、2009年、2014年,为0.68,最低值出现在2000年,为0.57。总体来看,2000—2020年东北地区植被CUE的变化大致经历了4个阶段:2000—2003年植被CUE呈上升趋势,上升幅度为0.11,并且在2003年达到最大值;2004—2007年植被CUE呈下降趋势,并且在2007年出现波谷,下降幅度为0.04～0.05;2008—2009年呈上升趋势,上升幅度为0.07,并在2009年出现波峰;2010—2020年呈波动上升趋势,波动幅度为0.02～0.04,总体变化较为平稳。

图2 2000-2020年东北地区植被CUE时间变化Fig. 2 Temporal variation of vegetation CUE in Northeast China from 2000 to 2020

省级尺度上看,近21 a辽宁省多年平均植被CUE最高,为0.72,黑龙江省最低,为0.61。黑龙江省植被CUE年际变化趋势与东北地区植被CUE变化趋势较为一致,辽宁省和吉林省植被CUE年际变化斜率与东北地区植被CUE变化斜率差异较大。辽宁省植被CUE上升斜率为0.003 2/a,高于东北地区植被CUE变化斜率,而吉林省植被CUE上升斜率仅为0.001 4/a,远低于东北地区植被CUE变化斜率。总体而言,东北地区及其3个省份的植被CUE年际变化趋势均表现为上升趋势,其中,辽宁省植被CUE的上升速率最快,且多年平均植被CUE最高,吉林省植被CUE的上升速率最慢,而黑龙江省的多年平均植被CUE最低。

3.2 植被CUE空间变化特征

采用自然间断点法将东北地区植被CUE分成5类,以揭示2000—2020年东北地区多年平均植被CUE空间分布特征。由图3A可知,2000—2020年东北地区植被CUE空间分布差异显著。总体来说,植被CUE整体的空间分布呈“东高西低”的空间分布格局,均值在0.26～1.00,平均植被CUE为0.64,植被净收CO2的能力中等,总体的标准差为0.11,反映了东北地区局部碳利用率的水平差异较大。其中,植被CUE高值区域(0.71～1)占25.37%,主要分布在东北地区的东南部;植被CUE低值区域(0～0.53)占18.08%,主要分布在东北地区的西部和东北部区域。

图3 2000-2020年东北地区植被CUE空间变化Fig. 3 Spatial distribution of the dynamic variation of vegetation CUE in Northeast China from 2000 to 2020

由图3B可知,东北地区植被CUE的变化斜率为-0.030～0.039/a,变化斜率呈东南低、西北高的空间分布格局。由图3C可知,东北地区植被CUE呈上升趋势的面积占69.39%,其中,呈显著和极显著上升趋势的面积占18.09%,主要位于黑龙江省中部和辽宁省西部。东北地区植被CUE呈下降趋势的面积占30.61%,其中,呈极显著下降趋势的面积占1.00%,主要分布在黑龙江省东北部。省级尺度上,黑龙江省、辽宁省和吉林省植被CUE呈上升趋势的面积分别占72.03%,74.57%,59.12%,其中,黑龙江省和辽宁省植被CUE呈显著和极显著上升趋势的面积分别占20.07%,23.62%,而吉林省植被CUE呈显著和极显著上升趋势的面积仅占8.86%。此外,黑龙江省、辽宁省和吉林省植被CUE呈下降趋势的面积分别占27.97%,25.43%,40.88%,其中,呈显著和极显著下降趋势的面积占比均较低,分别为3.70%,1.65%,1.79%整体而言,东北地区植被CUE呈“东高西低”的空间分异特征。在区域和省级尺度上,植被CUE呈上升趋势的面积均大于呈下降趋势的面积,其中,黑龙江省和辽宁省植被CUE呈上升趋势的面积占比大于吉林省。

3.3 植被CUE与气候因子的相关关系

如图4A—D所示,整体上,东北地区植被CUE与降水和气温呈正相关关系的面积大于呈负相关关系的面积,与日照时数和相对湿度呈负相关关系的面积大于呈正相关关系的面积。东北地区植被CUE与降水的最大偏相关系数平均值为0.12,呈南北强、东西弱的响应特征,呈正相关关系的区域占总面积的63.93%,其中,呈极显著正相关关系的区域占6.45%,主要分布在黑龙江省中部和西北部。研究区内45.59%的植被CUE与气温呈负相关关系,主要零散分布在东北地区的东部和西部区域,植被CUE与气温的最大偏相关系数的平均值为0.03。对比植被CUE与降水和气温的偏相关关系可以发现,植被CUE与降水和气温的响应特征存在较大的空间差异,植被CUE与降水呈极显著正相关关系的区域,与气温却呈极显著负相关关系,这说明不同的气候因子对植被CUE的影响存在明显空间分异特征。

图4 东北地区植被CUE与气候因子偏相关关系空间分布Fig. 4 Spatial distribution of partial correlation between vegetation CUE and climate factors in Northeast China

植被CUE与日照时数最大偏相关系数的平均值为-0.14,植被CUE与日照时数呈不显著相关关系占比最大,为85.64%;仅有0.37%呈极显著正相关关系,主要分布在辽宁省的东部地区。东北地区植被CUE与相对湿度呈微弱的负相关关系,最大相关系数的平均值为-0.05,研究区内57.94%的植被CUE与相对湿度呈负相关关系,极显著负相关关系占1.61%,主要分布在黑龙江省与吉林省的交界处;极显著正相关关系和显著正相关关系占3.54%,主要分布在黑龙江省西部、吉林省西部和辽宁省中部。

综上可知,东北地区植被CUE对各气候因子变化的最大响应呈明显地域差异。总体上,日照时数、降水、相对湿度和气温对东北地区植被CUE的响应强弱程度依次降低。植被CUE与降水和气温呈正相关的面积大于日照时数和相对湿度。

由图5A可知,东北地区的植被CUE复相关关系均为正相关,且极显著正相关面积占比最大,为38.73%,主要分布在黑龙江省中部。根据表1气候因素驱动机制分类准则,耦合植被CUE与各气候因子的偏相关和复相关结果可得图5B。由图5B可知,东北地区植被CUE变化受气候因素和非气候因素驱动的占比分别为69.41%,30.59%。单因子驱动中,东北地区植被CUE受降水、日照时数、气温和相对湿度单独驱动的面积占比依次下降,分别为9.76%,7.91%,6.55%,4.65%,其中,降水对植被CUE的影响最强,主要分布在黑龙江省的中部地区。在多因子联合驱动中,受气温、降水、日照时数、相对湿度弱驱动面积占比为27.36%,主要分布在黑龙江省的北部和吉林省的东部区域。东北地区植被CUE变化受非气候因子驱动占比为30.59%,主要分布在东北区域的东北部以及南部地区。综上可知,西南地区植被CUE变化受气候因素的驱动大于受非气候因素的驱动。单因子驱动中,东北地区植被CUE受降水的影响强于其他气候因子;多因子联合驱动中,东北地区植被CUE主要受气温、降水、日照时数和相对湿度弱驱动。

图5 东北地区植被CUE与气候因子的复相关关系和驱动因素分区Fig. 5 Multiple correlation between vegetation CUE and climate factors and the division of driving factors in Northeast China

3.4 植被CUE与气候因子的时滞效应

计算植被CUE与气温、降水、日照时数和相对湿度0—3个月的相关系数,然后根据最大相关系数得到植被CUE对各气候因子最大响应的滞后期。如图6A—D所示,东北地区植被CUE最大响应于当月气温、降水、日照时数和相对湿度的变化的面积最大,分别占49.10%,48.51%,52.70%,48.98%。对降水响应滞后0个月主要分布在黑龙江省西北部和辽宁省的西南部、吉林省的东部地区;对日照时数响应滞后0个月主要分布在东北地区的东部;对气温响应滞后0个月主要分布黑龙江省和吉林省的东部地区;对相对湿度响应滞后0个月主要分布在黑龙江省,有少部分零散分布在辽宁省和吉林省。总体而言,植被CUE最大响应于当月气候因子的变化。不同影响因子的时滞效应有着相似之处,从图6A—D可以看出,气温、降水、日照时数和相对湿度这4个气候因子对东北地区植被CUE响应滞后各气候因子1个月和2个月均分布在东北地区的西北部以及中部区域。

图6 东北地区植被CUE与气候因子最大响应滞后期空间分布Fig. 6 Spatial distribution of the maximum time-lag effects of vegetation CUE in response to climate variation in Northeast China

4 讨 论

4.1 东北地区植被CUE时空变化特征

研究结果表明,时间尺度上,2000—2020年东北地区植被CUE呈显著上升趋势,上升斜率为0.002 3/a;空间尺度上,东北地区植被CUE呈上升趋势的面积大于呈下降趋势的面积,其中,呈显著和极显著上升趋势的面积占18.09%,主要分布在黑龙江省中部和辽宁省西部。一方面,黑龙江省中部主要为大小兴安岭地区,植被覆盖以林地为主,植被群落较为稳定。由图7可知,研究时段内该地区降水主要呈显著和极显著上升趋势,气温呈轻微上升趋势,而日照时数和相对湿度分布有轻微上升和轻微下降,且由图4可知,该地区植被CUE与降水主要呈极显著正相关关系,因此,东北地区降水的增加导致了区域植被CUE的上升,这与已有研究结果一致,已有研究结果表明,降水与植被CUE呈正相关关系,降水的增加能有效提高区域植被CUE[9,17,24-25]。辽宁省西部主要土地利用类型为农田,区域内气温、降水、日照时数和相对湿度主要以轻微变化为主,但是得益于近年来农业水利设施的修建,节约型农业的发展,人为灌溉、施肥和杀虫等科学田间管理的开展,削弱了气候变化对植被自养呼吸作用的影响,使得植被同化和固定大气CO2的能力增强,从而增加了植被了CUE[9]。另一方面,以上地区为天然林保护工程实施区,有效的森林资源的保护、培育和发展,使得环境得到改善,植被生长情况较好,提高了植被CUE[22-23,26]。

图7 2000-2020年东北地区气候因子变化趋势空间分布Fig. 7 Spatial distribution of changing trend of climate factors in Northeast China from 2000 to 2020

4.2 东北地区植被CUE与气候因子的相关性

研究结果表明,植被CUE与降水整体呈正相关,而与气温、日照时数和相对湿度整体呈负相关,这与已有研究结果一致[17,21,24-25]。这与陈智[21]研究发现降水与东北森林植被CUE呈正相关关系,且降水是影响东北森林植被CUE变化的主要气候驱动因素这一结果高度一致。由图8可知,研究时段内东北地区气温、降水、日照时数和相对湿度呈上升趋势。降水的增加会减弱植被根系活力与根系呼吸作用,自养呼吸作用降低,从而导致植被CUE升高,而气温、日照时数和相对湿度的增加会显著影响植被光合作用的能力和呼吸作用的速率,而呼吸作用的速率对以上3个因子的敏感程度高于光合作用,导致植被NPP增加的速率会低于植被GPP的增加的速率,从而导致植被CUE下降,因此,植被CUE降水整体呈正相关,与气温、日照时数和相对湿度整体呈负相关[15,27-28]。

图8 2000-2020年东北地区气候因子时间变化趋势Fig. 8 Temporal variation of climate factors in Northeast China from 2000 to 2020

东北地区植被CUE对气温、降水、日照时数和相对湿度的变化存在一定的时滞效应,滞后月份均以0个月为主,滞后期为0个月的区域主要分布在东北地区西部,以上地区主要土地利用类型为农田。相较于其他植被生态系统,农田植被生态系统对气候变化的响应更为敏感[29-30],主要响应于当月气候变化。滞后1个月和2个月的分布情况较为相似,主要呈条带状从中部由南北方向贯穿整个东北地区以及东北地区西部。以上地区主要土地利用类型为林地,林地生态系统相较于其他植被生态系统更加稳定,对气候变化的响应存在一定滞后期,这与已有研究结果一致[29-30]。

5 结 论

(1) 时间上,2000—2020年东北地区植被CUE呈显著上升趋势,上升斜率为0.002 3/a(p<0.05),且辽宁省植被CUE上升斜率高于黑龙江省和吉林省。空间上,东北地区植被CUE变化斜率呈东南低、西北高的空间分布格局。植被CUE呈上升趋势的面积占69.39%,主要分布在黑龙江省中部和辽宁省西部。

(2) 整体上,东北地区植被CUE与降水呈正相关,与气温、日照时数和相对湿度呈负相关。但东北地区植被CUE与降水和气温呈正相关关系的面积大于呈负相关关系的面积,而植被CUE与日照时数和相对湿度呈正相关关系的面积小于呈负相关关系的面积。东北地区植被CUE变化受非气候因子驱动占比最大,为30.59%,主要分布在东北区域的东北部以及南部地区。

(3) 东北地区植被CUE主要响应于当月气温、降水、日照时数和相对湿度的变化,分别占49.10%,48.51%,52.70%,48.98%。东北地区植被CUE响应滞后各气候因子1个月和2个月均分布在东北地区的西北部以及中部区域。