干旱对鄂尔多斯碳水通量及水分利用效率影响研究

韩再惠，陈 燕，于江浩，马红丽，任 黎，苗 平

(1.内蒙古自治区鄂尔多斯市杭锦旗水利事业发展中心，内蒙古 鄂尔多斯 017400；2.河海大学水文水资源学院，江苏 南京 210024；3.内蒙古自治区鄂尔多斯市河湖保护中心，内蒙古 鄂尔多斯 017400)

1 概述

碳水循环的稳定性是影响全球气候的重要因素。水分利用效率(WUE，Water Use Efficiency)，在区域尺度上被定义为植被总初级生产力(GPP，Gross Primary Productivity)和蒸散发(ET，Evapotranspiration)的比值，其揭示了植被固碳过程和耗水过程之间的关系，是反映碳水耦合过程的一个重要的指标[1-2]，碳水通量(GPP、ET)和水分利用效率均为区域碳水循环的重要表征。因此，碳水通量及水分利用效率的变化趋势的研究能为区域碳水循环提供有益参考。目前，遥感反演产品的可靠性不断增强，已成为量化和分析生态系统碳水通量的一种有效方式[3]，而GLASS 产品数据集优势明显、精度较高，它能提供多种较长时间序列、较高时空分辨率的GPP产品和ET产品[4]，是区域不同时间尺度碳水通量研究数据来源的理想选择。

干旱，通常是由降水过少和超高温等因素综合引起的[5]。干旱限制植被的生长，从而影响区域的碳汇能力和水循环，破坏区域的碳水循环过程。未来全球范围内干旱事件发生的频率和强度都将会不断增加[6]，这意味着碳水循环必将受到严重的破坏。关于流域生态系统碳水通量及水分利用效率与干旱的相关关系研究结果较多[7-9]，结论尚不统一，因此急需开展干旱对流域生态系统碳水通量及水分利用效率影响研究，这对揭示生态系统碳水通量及水分利用效率对干旱的响应规律具有重要的理论价值，有助于理解干旱干扰下的区域生态系统适应过程。

2 数据来源与研究方法

2.1 研究区概况

鄂尔多斯市位于内蒙古自治区西南部，总面积8.7×104km2(如图1所示)。多年平均气温6.2℃，多年平均降水348.3mm，多年平均蒸发量2506.3mm，为降水量的7.2倍。鄂尔多斯地势起伏不平，西北高东南低，地形复杂，东北西三面被黄河环绕，南与黄土高原相连。该区域蒸发较大，干旱极易发生，故本文选择该区域进行干旱对区域碳水通量及水分利用效率影响研究。

图1 鄂尔多斯市地形图

2.2 数据收集与处理

本研究土壤湿度数据来源为国家青藏高原科学数据中心的基于站点观测的中国1km土壤湿度日尺度数据集(2000—2020)产品，GPP与ET的数据来源为GLASS数据集的GLASS ET(潜热通量)Modis_1km(2000—2018)产品与GLASS GPP(植被总初级生产力)Modis_500m(2000—2020)产品，两种产品的时间分辨率均为8天。将日尺度数据、8天尺度数据合成为季、年尺度，各数据集的空间分辨率统一重采样至1km×1km。

2.3 土壤含水率距平指数(SMAPI)计算

(1)

其值越大代表越湿润，越小则越干旱。

2.4 MK趋势检验

MK检验法[11]在时间序列的趋势分析上应用广泛，其计算过程如下：

对于时间序列X的n个样本点(x1，x2，…，xn)，构造秩序列：

(2)

式中，sk—累计i时刻点前比i时刻小的累计值个数，k=1时，s1=0。

定义统计量

(3)

式中，E(sk)—累计数sk的均值；Var(sk)—累计数sk的方差。

假定时间序列X样本点相互独立、分布连续且同分布的条件下，sk的均值、方差计算公式如下：

(4)

(5)

统计量UFk为标准正态分布，UFk>0时为上升趋势，UFk<0则为下降。可设定显著性水平α，若|UFk|>Uα，则时间序列有显著变化趋势。

2.5 基于R/S方法的Hurst指数

基于R/S方法的Hurst指数计算是由英国水文学家Hurst提出。具体计算过程[12]如下：给定时间序列x(t)，t=1，2，…，n，对于任意正整数τ≥1，定义均值序列为：

(6)

累积离差为：

(7)

极差为：

R(τ)=maxX(t，τ)-minX(t，τ)

(8)

标准差为：

(9)

若比值R(τ)/S(τ)存在R/S∝τH的关系，说明存在Hurst现象，H值可在双对数坐标系[ln(τ)，ln(R/S)]中用最小二乘法拟合得到。H取值为0-1，当H=0.5时，时间序列为随机序列；当0.5

2.6 皮尔逊相关系数

皮尔逊相关系数能够衡量两个变量之间的相关性，取值为-1到1，正值代表正相关，负值代表负相关，绝对值越接近1相关关系越强[14]，用皮尔逊相关系数来衡量干旱指数与碳水通量及水分利用效率之间的相关性：

r=

(10)

式中，n—样本数量；xi、yi—第i对样本。

3 结果

3.1 干旱时空演变规律

图2—3的左图分别为2000—2020年不同季节和年际SMAPI在鄂尔多斯变化趋势的空间分布，图2—3的右图分别为2000—2020年不同季节和年际SMAPI的Hurst指数的空间分布。

图2 不同季节SMAPI空间变化趋势分布图(左)不同季节SMAPI空间Hurst指数分布图(右)

如图2所示，2000—2020年SMAPI在鄂尔多斯的变化趋势总体上表现为研究区东部特别是东部的中间区域表现为上升趋势，表明21年来该区域趋于湿润，春季变化趋势最为显著，呈显著变化趋势的区域占比13.89%；综合不同季节的Hurst指数分布图，研究区大部区域呈现为反持续性，其中秋季的反持续性较强，呈反持续性的面积占比89.88%，尤其是秋季研究区的西北部地区Hurst指数明显区别小于0.5，呈现强反持续性。如图3所示，年际SMAPI的变化趋势及Hurst的空间分布大致与季节空间分布规律相同，但年际SMAPI的Hurst指数最大值达到了0.72，Hurst指数较高值小范围分布在研究区的东北端和西北端，呈现为强持续性。

图3 年际SMAPI空间变化趋势分布图(左)年际SMAPI空间Hurst指数分布图(右)

3.2 碳水通量及水分利用效率时空演变规律

如图4所示为不同季节GPP的变化趋势和未来变化趋势。如图5所示为年际GPP的变化趋势和未来变化趋势。

图4 不同季节GPP空间变化趋势分布图(左)不同季节GPP空间Hurst指数分布图(右)

图5 年际GPP空间变化趋势分布图(左)年际GPP空间Hurst指数分布图(右)

从图4—5的左图可以看出，鄂尔多斯不同季节和年际GPP的变化趋势总体上呈上升趋势，研究区绝大部分区域呈现为极显著或显著上升趋势，仅北部边缘呈下降趋势，特别的，秋季研究区的西部呈现不显著上升或下降趋势。由图4—5的右图可见，不同季节和年际GPP的未来变化趋势以反持续性为主，其中，秋季规律最为明显，研究区的西部呈较强的反持续性，年际未来趋势分布规律由该季主导，另外，年际Hurst指数最大值可达0.91，持续性较强的网格零星分布在研究区的东部和东南部。

图6展示了鄂尔多斯地区ET不同季节变化趋势和未来变化趋势的空间分布规律。图7则为鄂尔多斯地区ET年际变化趋势和未来变化趋势的空间分布规律。

图6 不同季节ET空间变化趋势分布图(左)不同季节ET空间Hurst指数分布图(右)

图7 年际ET空间变化趋势分布图(左)年际ET空间Hurst指数分布图(右)

如图6左图所示，总体看来ET的季节变化规律以上升趋势为主，其中春冬两季部分区域上升趋势不显著甚至呈下降趋势，夏秋两个季节的规律大致相同，大部分区域呈现显著上升趋势，西北部上升趋势不显著且具有小范围区域呈现显著下降趋势，年际ET变化规律大致与夏秋两季相同；如图6右图所示，4个季节ET的未来变化趋势各不相同，春季研究区的东部特别是东北部Hurst指数较小，过去的变化不具有可持续性，西部则呈现为持续性，夏季研究区大致呈现可持续性，仅西南部和西北部的部分区域呈现反持续性，秋季则研究区的绝大部分区域均呈现为反持续性，仅南部存在零星的网格Hurst指数较高，冬季研究区的西北部呈现较强的反持续性，Hurst指数最小值甚至可达0.18，研究区的西南部、东南部和东北部边缘区域则呈现为可持续性，特别是东北部边缘区域，Hurst指数较大，最大值达到0.88，未来短时期内ET将维持过去的变化趋势。年际未来趋势变化则为研究区西北部呈现强反持续性，东南部呈现可持续性，受冬季的影响较大。

图8为鄂尔多斯地区不同季节WUE空间变化趋势分布图以及Hurst指数分布图。图9为WUE年际变化趋势及年际未来变化趋势的空间分布格局。

图8 不同季节WUE空间变化趋势分布图(左)不同季节WUE空间Hurst指数分布图(右)

图9 年际WUE空间变化趋势分布图(左)年际WUE空间Hurst指数分布图(右)

根据图8，不同季节WUE的变化趋势总体上呈现为上升趋势，其中春季研究区的东部特别是东北部区域上升趋势较为显著，其余区域则表现为不显著，夏秋两季研究区的西部区域呈现为不显著上升趋势，部分区域甚至为下降趋势，但表现为显著下降的区域较少，冬季研究区整体上呈现为显著或极显著上升趋势；不同季节WUE未来变化趋势规律总体看来较为一致，均为研究区的东部呈现为持续性，西部呈现为反持续性，Hurst指数的空间最大值和最小值均明显区别于0.5，秋季Hurst指数空间最大值甚至达到0.96，其中春季和冬季规律最为相似，研究区的东北部地区呈现为强可持续性，西部特别是西南部表现为强反持续性。综合图8—9的结果，年际WUE空间变化趋势的空间分布由夏秋两季主导，年际WUE空间Hurst指数的空间分布由冬季主导。

结合GPP与WUE的空间变化趋势分析结果，二者结果极为相似但WUE的空间变化趋势不如GPP显著，说明鄂尔多斯地区的WUE由GPP主导。

3.3 干旱对流域生态系统碳水通量及水分利用效率的影响

图10—11分别显示了不同时间尺度GPP与SMAPI相关性的空间分布。

图10 不同季节GPP与SMAPI相关性空间分布图

如图10所示，整体上不同季节研究区的大部分地区均呈现为正相关关系，说明随着干旱程度的减缓，植被总初级生产力有所提升，仅在研究区的北部部分区域和南部表现为负相关关系，其中，春季研究区的东部尤其是东部的中间区域正相关关系较强，夏秋两季研究区的西部呈现为较强的正相关关系，相关系数的空间最大值在0.9以上，负相关关系则不显著，冬季研究区的北部呈现为正相关，南部呈现为负相关。如图11所示，年际GPP与SMAPI在研究区绝大部分区域表现为较强的正相关关系，鄂尔多斯地区整体上越湿润，植被总初级生产力越高，呈负相关关系的网格较少。

图11 年际GPP与SMAPI相关性空间分布图

图12为不同季节ET与SMAPI相关性空间分布图。图13为年际ET与SMAPI相关性空间分布图。

图12 不同季节ET与SMAPI相关性空间分布图

图13 年际ET与SMAPI相关性空间分布图

如图12所示，不同季节的ET与SMAPI总体上呈现为正相关关系，即研究区整体上随着湿润程度的增加，蒸散发增大，且4个季节的相关系数空间最大值均在0.85以上，相关关系较强，其中，春季研究区西北部小范围地区、夏秋两季研究区的西南部和西部边缘地区、冬季研究区的西北部表现为负相关关系，但负相关关系均较弱。如图13所示，年际ET与SMAPI相关性仅研究区的西北部和西南部呈现为负相关关系，其余区域表现为较强的正相关关系。

图14为不同季节WUE与SMAPI相关性空间分布图。图15为年际WUE与SMAPI相关性空间分布图。

图14 不同季节WUE与SMAPI相关性空间分布图

图15 年际WUE与SMAPI相关性空间分布图

对比图10与图14、图11和图15，发现不同季节以及年际WUE与SMAPI相关性空间分布格局和GPP与SMAPI的相关性空间分布大致相同，特别是夏秋两季，WUE与GPP对SMAPI的相关性空间分布几乎完全一致，表明鄂尔多斯地区WUE主要受到GPP的影响(尤其是生长季)。

4 结论

本文分析了鄂尔多斯地区季/年尺度干旱以及碳水通量和水分利用效率的趋势空间分布规律，并综合分析了干旱对碳水通量及水分利用效率影响的空间分布。研究发现：鄂尔多斯地区东部总体干旱程度减缓，研究区整体呈现反持续性。GPP整体上呈现显著上升趋势，未来变化趋势以反持续性为主；总体看来ET呈上升趋势，年际规律主要受冬季的影响。GPP及ET与SMAPI的正相关关系均较强，说明研究区越湿润，植被总初级生产力和蒸散发越高；空间变化趋势和相关关系分析结果均表明，研究区的WUE由GPP主导。成果对改善流域干旱状况以提高流域碳汇能力具有重要的科学参考价值。后续可以通过模型模拟得到更高时空分辨率、可靠度更高的数据来进行分析。