作者简介:张雅娴(1992-),女,辽宁东港人,博士。E-mail:zhangyx.15b@igsnrr.ac.cn
三江源地区是我国重要的江河发源地,分析该地区多年草地产草量的时空动态变化,探讨产草量与降水量的关系,对于在未来气候变化情景下合理管理草地、指导畜牧业发展具有重要意义。利用2006-2013年MODIS-NDVI数据和同期442个地面采样数据,对3个草地类型分别建立NDVI与实测产草量之间的经验关系模型,并用这些模型推算2006-2013年三江源草地产草量的分布;同时,从三江源不同类型草地产草量与年降水量、不同月份降水量及不同降水累积时期的关系入手,探讨三江源地区草地生产力如何响应降水格局的变化。结果表明,从整个三江源地区来看:(1)2006-2013年产草量呈现增加的趋势,不同草地类型产草量对年降水量变化的响应程度不同。(2)对产草量影响最重要的降水月份是前一年10月,其次是当年4和5月。(3)驱动产草量年际变化最重要的累积降水时期是前一年的10月到当年5月。(4)前一年秋季和当年春季的累积降水量对第二年产草量有着至关重要的影响。
The Three River Headwater Region is one of the source areas of China’s major rivers. For better grassland management under future climate change scenarios and for the sustainable development of animal husbandry in this region, it is very important to understand the spatiotemporal dynamic changes of grassland yield and the relationship between grassland yield and local precipitation. In this study, we used MODIS-NDVI (Moderate Resolution Imaging Spectrometer-Normalized Difference Vegetation Index) data and 442 ground sampling data from 2006 to 2013 to construct empirical models for the correlation between NDVI and the yields of three types of grasslands. Then, we used these models to estimate the distribution of grassland yield in The Three River Headwater Region during 2006-2013. We also studied the response of grassland productivity to changes in precipitation patterns in the Three River Headwater Region based on the correlation between grassland yield and annual, monthly, and cumulative precipitation. The major conclusions were as follows: (1) Grassland yield showed an increasing trend during 2006-2013 in the Three River Headwater Region, and the yield of different grassland types showed different responses to annual precipitation. (2) The most important rainfall month for grassland yield was October of the previous year; rainfall in April and May of the current year also strongly contributed to grassland yield. (3) The cumulative precipitation from October (previous year) to May in the current year was the main cause of inter-annual variations in grassland yield. (4) The cumulative precipitation in autumn of the previous year and in spring of the current year was a key factor in current-year grassland output.
作为中国和东南亚地区重要的江河发源地, 三江源地区因其复杂的高海拔山地地貌、典型的高寒植被系统和独特的青藏高原气候, 在全球气候变化、生态保护等研究领域广受关注。草地生态系统是三江源地区最主要的生态系统类型, 其面积占三江源地区总面积的65%左右, 广阔的草地对三江源地区生态环境、气候调节有着极其重要的影响。三江源地区的草地生态系统保护不仅影响当地的生态环境和畜牧业生产, 对整个中国及东南亚的水源涵养、生态安全和经济发展都有重大意义。近几十年来, 全球气候变化和人类活动干扰(如超载过牧、三江源生态环境保护与建设工程的实施等)都直接或间接地对三江源草地生产力产生影响[1, 2, 3]。由于三江源地区特殊的生态环境位置, 目前对源区的生态环境状况、草地退化、土地利用/覆盖变化等研究丰富且较成熟, 但对源区多年草地生产力的定量研究尚不足。而对草地生产力进行定量研究, 有助于及时准确地掌握草地生产力的时空分布状况, 有利于进一步研究草地生产力对气候变化的响应机制, 更好地指导源区畜牧业发展和生态环境的保护。
大量研究发现, 三江源地区气温的总趋势是升高的[4, 5, 6, 7, 8, 9], 草地生态系统对增温的响应结论较为一致, 主要表现为生长季提前、生长季的生长加速以及生长季延长[10, 11]。但相比于气温, 降水格局(降水空间格局、降水季节分配及降水年际变化等)的变化要更为复杂得多, 具有更强的时空变异性, 在不同地区增减趋势表现出较大的差异, 源区降水格局变化趋势的研究还有很大的争议[12]。在气候变暖背景下, 如何根据降水格局变化合理调整草地恢复、管理和利用策略, 是当下地区乃至国家层面的一项紧迫任务。三江源草地植被生产力如何响应不同时间尺度降水量的变化?什么时期的降水量对三江源草地植被生产力影响更大?本研究试图从这两个问题入手, 为进一步分析降水格局变化对三江源草地生态系统的影响提供一定的科学参考, 以及为在未来气候变化情景下如何进行草地生态系统管理提供重要理论依据。
三江源区地处青海省南部, 地理位置位于东经89° 45'-102° 23', 北纬31° 39'-36° 12', 行政区域包括玉树、果洛、海南、黄南4个藏族自治州的16个县和格尔木市的唐古拉乡, 总面积36.3万km2, 约占青海省总土地面积的50%。属于青藏高原腹地, 以山地地貌为主, 地势由东南至西北逐渐抬升, 平均海拔约为4497 km。源区气候属典型的高原大陆性气候, 冷热两季交替、干湿两季分明, 受到来自南部孟加拉湾暖湿气流及阿尼玛卿山和巴颜喀拉山的拦截作用, 造成源区由东南至西北温度和降水量均逐渐降低[13](图1)。
三江源区主要草地类型为高寒草甸、高寒草原及温性草原3种[2], 受地势和水热条件空间分布影响, 源区内由东南至西北出现高寒草甸到高寒草原的过渡, 以及东北部集中分布小面积的温性草原。源区集中着全球大江大河、冰川、雪山、沼泽及丰富的高原生物资源, 生态功能影响范围大。但该地区生态脆弱, 草地植被群落结构简单, 对人类活动及气候变化的响应敏感, 极易发生生产力的退化。
本研究使用的地面采样数据由青海省草原总站提供, 采样时间为2006-2013年7月中旬至 8月中旬三江源草地植被生长旺盛期, 草地样方大小为 1 m× 1 m, 采用齐地面刈割的方法, 对样方内草样烘干称重, 得到样方内产草干重, 除此, 还测定了样方经纬度坐标、海拔、草地类型、草地覆盖度、植株高度等信息, 得到的样方数量总计475个。考虑到样方空间分布及草地类型的代表性, 在建模前对样方数据进行了严格的筛选和标准化处理, 剩余样方基本上可反映样方代表区的主要草地类型和多年产草量状况。最终选用建模和检验用样方数据共442个, 其中400个用于产草量估算模型的建立, 42个用于模型的检验。
归一化植被指数NDVI作为反映草地生长状况的重要遥感参数, 在草地生产力遥感估算模型中应用甚广。本文使用2006-2013年每年6-8月草地生长季的MODIS-NDVI 8 d合成产品, 空间分辨率为500 m。通过对每年生长季10期影像进行几何校正、拼接、最大值合成(Maximum Value Composite Syntheses, MVC)得到研究区2006-2013年每年NDVI最大值合成影像。根据地面样方数据的采集时间和经纬度坐标信息, 利用地理信息系统(Geographic Information System, GIS)技术提取对应年份NDVI最大值合成影像中每个样方点约1.5 km范围内9个像元的NDVI均值, 建立NDVI与对应样方产草量干重的数据库。
研究区2006-2013年的降水空间数据是利用ANUSPLIN进行空间插值得到。
研究区受高海拔地势及特殊的青藏高原气候条件影响, 草地生产力空间变化大, 如果全区采用同一产草量估算模型, 难以反映草地生产力的空间差异性。本文结合1∶ 100万比例尺的草地类型分布图, 综合考虑研究区草地类型的空间分布、气候因素、地形地貌、土壤情况等, 以及采样点的分布, 将研究区草原划分为高寒草甸、高寒草原、温性草原3个草原区[14, 15, 16](图2)。基于已建立的NDVI与对应样方产草量干重的数据库, 分区构建地面-遥感相结合的产草量估算模型。
通过分析研究区样方产草量干重与NDVI散点关系(图3), 本文分别在3个草原区建立了一元线性函数、对数函数、幂函数、指数函数、二次多项式函数5种回归模型。经过F检验, 比较回归方程的决定系数(R2, 相关系数的平方), 并根据预留的地面样方数据计算均方根误差(RMSE)和平均相对误差(REE), 对各个模型进行精度评价, 由此选取每个草原区的产草量估算最优模型, 推算整个研究区的产草量分布。模型验证计算公式如下:
RMSE=
REE=
式中:Yi为样方i产草量(干重); Yi'为对应样方位置模型计算所得产草量; N为样方数。
所有模型均通过了F显著性检验, 且R2均大于0.4, 表明NDVI与不同草地类型产草量显著相关。不分区建立的模型中, 指数函数关系模型的相关性最高。而分区建立的模型中, 高寒草甸区、高寒草原区、温性草原区相关性最高的函数关系分别是一元二次函数、指数函数和一元二次函数。造成这种差异的原因可能是不同草地类型植被功能群组成特征、气候条件以及其所处的地形地势不同。综合比较后, 分别选取指数函数、一元二次函数、指数函数和一元二次函数作为不分区、高寒草甸区、高寒草原区、温性草原区的最优模型, 并用预留的采样数据进行了精度检验。经计算(表1), 不分区推算的三江源产草量相对误差要大于分区推算的三江源产草量相对误差。单独来看, 温性草原区和高寒草原区的相对误差较小, 而高寒草甸区的相对误差相对较大。综合来看, 分区建立不同估算模型再推算整个研究区产草量的方法建立的模型精度更高, 更能体现出研究区内不同草地类型区间的差异。
本文对产草量与降水量关系的研究, 是基于442个地面采样数据与逐月降水数据建立回归相关模型, 来开展不同时期降水对草地生产力的影响分析, 不同时期降水量对产草量的影响用决定系数来衡量。不同时期降水包括了1-12月年降水、不同月份降水、不同季节降水、不同累积降水时期降水, 其中春、夏、秋、冬各季时间分别为3-5月、6-8月、9-11月、12-2月。
在探讨不同月份降水量与产草量关系时, 将前一年生长季也纳入讨论范围, 选择前一年6月-当年8月逐月累积降水量与产草量作相关性分析, 以此来比较不同月份对当年产草量影响的差异。
为揭示不同累积降水时期对产草量影响作用的强度, 本文结合单独月份降水量对产草量影响大小的结果, 考虑到降水对草地生产力影响的滞后效应, 按6个时间方向设计累计降水时期并逐一分析产草量与不同累计降水时期降水量的相关关系。分别从前一年9月、前一年10月和前一年6月按时间顺序逐月顺推或逆推直到满12个月, 每个累积降水时期比前一个降水时期多一个月的降水累积量。
经计算, 三江源全区草地2006-2013年平均产草量为490.39 kg/hm2, 在空间上呈现出东南-西北递减的格局。不同草地类型的年平均产草量差异较大, 计算结果显示, 源区内草原类产草量要低于草甸类产草量。
在时间序列上, 2006-2013年三江源全区草地产草量呈现(年际变异系数6.78%)增加的趋势, 经计算8年来产草量的回归倾向率为2.39 kg/(hm2· yr)。不同草地类型区产草量年际间增减的变化趋势与三江源全区基本一致, 各草地类型区总体产草量均呈现增加趋势, 但增加幅度不同。其中, 温性草原年际变异(年际变异系数8.7%)最大且产草量增加趋势[产草量回归倾向率10.71 kg/(hm2· yr)]最为明显。高寒草甸区与高寒草原区呈现相似的增加趋势, 高寒草甸区2.12 kg/(hm2· yr), 高寒草原区2.87 kg/(hm2· yr)(图4)。
2.2.1 年降水量与产草量的关系
研究结果发现, 在整个三江源地区, 产草量随年降水量的增加呈幂函数形式增长(图5, R2= 0.309, P< 0.001)。不同草地类型区产草量与年降水量相关性、响应程度均有所差异, 其中温性草原产草量对年降水量增加的响应程度最明显(斜率最高, 为3.697, P< 0.001), 产草量与年降水量的相关性也最高。而高寒草甸区和高寒草原区产草量对年降水量增加的响应程度相近(高寒草甸区斜率为1.462, 高寒草原区斜率为1.169, P< 0.001), 但产草量与年降水量的相关性高寒草原区要更高一些, 但R2都低于0.1。
2.2.2 不同月份降水量与产草量的关系
总体来看(图6), 对三江源草地生产力影响最大的降水月份是前一年10月, 其次生长季之前的两个月(4月和5月), 在生长季里7月份降水量与产草量相关性有一个小峰值, 但是前一年和当年生长季6-8月都没有显示出很高的相关性。不同草地类型区产草量与各月份降水量的相关关系有所差异。高寒草原区与三江源的整体情况相似, 只是相关性要更低。对高寒草甸区草地生产力影响最大的降水月份是4月, 其次是前一年10月, 而5月并没有显示出较高的相关性, 生长季的情况与三江源整体情况基本一致。温性草原区的情况完全不同, 前一年9月的降水量与产草量的相关性决定系数最高, 其次是5月, 生长季6-8月的相关性逐月递减, 但相对较高。
2.2.3 不同累积降水时期与产草量的关系
结果显示, 对整个三江源区草地而言, 影响产草量最重要的累积降水时期是前一年的8月到当年5月(图7)。分不同草地类型来看, 对产草量最重要的累积降水时期各有不同, 高寒草甸区与整个三江源区相同是前一年的8月到当年5月, 高寒草原区是前一年6月到当年1月, 温性草原区是前一年的9月到6月。
本文还研究了不同季节累积降雨量与产草量的关系, 发现对整个三江源区产草量最重要降水季节是春季(3-5月, R2=0.592), 其次是前一年的秋季(9-11月, R2=0.556)。研究还发现, 整个三江源区前一年生长季(6-8月)的累积降水量(R2=0.498)对产草量的影响要大于当年生长季的累积降水量(R2=0.397)。
研究结果表明, 不同草地类型产草量的时空变化存在较大差异。这主要是与不同草地类型区本身植被群落结构不同, 以及自然条件(水热条件、地形地貌、土壤、水文)的区域差异有关。三江源地区草地生产力的时空差异性体现在:在空间上, 呈现出东南-西北递减的格局, 出现该格局的原因:一方面是受三江源地区由东南至西北地势逐渐抬升影响, 海拔差异造成温度、光照强度等的差异; 另一方面是受到来自南部孟加拉湾暖湿气流及阿尼玛卿山和巴颜喀拉山的拦截作用的影响, 造成自东南向西北温度和降水量均逐渐降低。在时间序列上, 2006-2013年三江源地区整体草地产草量呈现增加趋势, 不同草地类型区产草量年际间增减的变化趋势与三江源全区基本一致, 各草地类型区总体产草量均呈现增加趋势, 但增加幅度不同, 主要表现在温性草地类产草量的增加趋势大于高寒草地类。出现这种增加趋势原因可能是气候暖湿化给源区内草地植被生长提供好的水热条件, 以及人类恢复和治理活动的共同影响作用[17, 18]。
不同草地类型区草地生产力对年降水量有着的不同响应。主要表现为:整个三江源地区产草量与年降水量呈幂函数关系, 不同草地类型产草量对年降水量增加的响应程度不同, 温性草地类> 高寒草地类。出现这种响应程度差异的原因很可能是海拔和温度的共同作用结果, 温性草地区向高寒草地区过渡, 海拔逐渐升高, 随着海拔的升高, 年均温依次降低。温性草原区海拔低, 热量、土壤条件最好, 植被群落结构相对复杂, 已经有灌丛分布, 地表及植被的蒸散量相对较小, 但该地区的水分条件最差, 降水量的增加能很好地为植被利用。随着海拔的升高, 植被叶面积缩小、叶面内卷, 植被群落结构趋于简单, 表土覆盖趋于荒漠化, 同时气候变暖使地表及植被的蒸散量加大, 植被对降水变化的响应减小[19, 20]。
在对产草量月尺度降水量关系进行分析时发现:对整个三江源地区产草量影响最重要的降水月份是前一年10月, 其次是4月和5月。三江源地区受高海拔地势限制, 虽地处温带, 但终年气温低, 冷季时间长, 且土壤封冻早, 冻结期长。陈琼等[19]以旬为单位研究发现三江源地区每年4月开始解冻, 5月开始绝大多数地区温度上升至0 ℃以上, 植被返青开始, 到9月气温开始降低, 植被生长结束。9月气温降低后, 植被开始枯黄, 此时蒸散量小、植被覆盖度又大, 10月土壤开始封冻。因此9-10月的降水量易贮存于土壤中, 对土壤水分起到一定的保墒作用, 能为第二年的草地生长发育提供水分条件的需要, 因而对第二年草地的产草量有极大影响。三江源地区植被类型以短根茎、密丛型为主, 土壤水分下渗不明显, 能够很好地在4-5月土壤解冻时将融化的水分和自然降水聚集于地表上层, 为返青后的植被生长提供良好的水分条件。另外, 4-5月降水还可以保持较高土壤湿度, 缓解土壤解冻后因气温低和春季温度剧烈变化导致的冻伤现象, 因此, 4、5月降水量直接影响着当年产草量[21, 22]。
基于上述分析, 不难发现在季节尺度上, 前一年秋季和当年春季的累积降水量对整个三江源地区的当年产草量有着至关重要的影响。这一结论与李辉霞等[23]基于NDVI植被与降水量关系的研究结果相一致, 段晓凤等[24]也认为前一年秋季以来降水偏少将推迟草地植被返青。三江源地区受海拔因素影响, 冬季(12月-翌年2月)降水少, 局部地区甚至无降水, 降水以降雪为主, 大部分的降雪不能渗入土壤, 而是在风吹、蒸发等过程中散失, 很大程度上形成的是无效降水, 使植被生长发育受限。而夏季(6-8月)降水因降水的滞后效应, 对当年植被生长的影响相比于春季和前一年秋季要小[24]。计算发现, 前一年夏季累积降水量对第二年草地生产力的影响甚至大于当年夏季累积降水量。
研究结果显示, 跨年的累积降水量对当年产草量的影响要明显高于当年的累积降水量, 1-12月年降水量与当年产草量相关性(图4, R2=0.309)远低于前一年的8月到当年5月累积降水量与产草量的相关性(图7, R2=0.458)。而现有的草地生产力预报及生产潜力评估模型研究中, 设计与降水量有关参数时只考虑了当年降水量对生产力的影响, 目前广泛应用在气候生产潜力评估中的迈阿密模型, 也是应用当年的年降水量[25, 26, 27, 28, 29]。基于本研究结果, 建议在构建草地生产力预报模型时, 对降水量的处理应充分考虑前一年降水量对当年草地生产力的影响。
本研究采用遥感与地面采样相结合的方法进行产草量估算, 结果有一定的不确定性。一方面受三江源地区复杂的地形地貌影响, 草地生产力的空间异质性大, 采样工作进行困难, 采样点难以覆盖全源区内不同地区, 采样点数量不足, 使模型存在一定的不确定性。另一方面, 草地生产力的变化还受土壤、地势等环境因素和生态保护工程、放牧等人类活动因素影响, 而这些因素研究中考虑的不足, 有待于进一步研究。此外, 在研究产草量对降水的响应时, 只讨论了不同时间尺度降水累积量对产草量的影响, 降水和温度的耦合以及降水季节分配、极端降水事件、降水间隔、不同降水强度事件大小等降水格局的变化对产草量的影响有待于进一步的研究。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
|
[28] |
|
[29] |
|