近30年來黃河三角洲植被凈初級生產(chǎn)力時空特征及主要影響因素

池 源, 石洪華,*, 孫景寬, 李 捷, 楊 帆, 付戰(zhàn)勇

1 國家海洋局第一海洋研究所,青島 266061 2 青島海洋科學(xué)與技術(shù)國家實驗室海洋地質(zhì)過程與環(huán)境功能實驗室,青島 266061 3 濱州學(xué)院山東省黃河三角洲生態(tài)環(huán)境重點實驗室,濱州 256603 4 青島理工大學(xué)環(huán)境與市政工程學(xué)院,青島 266033

氣候變暖已經(jīng)成為世界各國關(guān)注的熱點,而溫室氣體濃度上升被認為是氣候變暖的根本原因[1- 2]。位于海岸帶地區(qū)的鹽沼濕地、紅樹林濕地和海草床生態(tài)系統(tǒng)是地球上高效的碳匯熱點,其所固定的碳被稱為“海岸帶藍色碳匯”或“海岸帶藍碳”[3],這些生態(tài)系統(tǒng)被稱為“海岸帶藍碳生態(tài)系統(tǒng)”[4- 6]。研究發(fā)現(xiàn),鹽沼、紅樹林和海草床生態(tài)系統(tǒng)單位面積碳埋藏速率分別為(218±24)、(226±39)、(138±38)g C m-2a-1,遠高于深海和陸地森林生態(tài)系統(tǒng)[4, 7]。我國海岸線綿長,海岸帶藍碳生態(tài)系統(tǒng)分布廣泛,隨著經(jīng)濟社會的快速發(fā)展以及CO2排放量的與日俱增,海岸帶藍碳的挖掘成為提升我國碳匯能力、減緩CO2排放壓力的重要手段；與此同時,海涂圍墾、植被破壞、污染物排放等人為干擾對海岸帶藍碳帶來了嚴(yán)重影響[7]。凈初級生產(chǎn)力(Net primary productivity, NPP)是植物通過光合作用產(chǎn)生全部有機質(zhì)扣除自養(yǎng)呼吸的剩余量,反映了植物群落的生產(chǎn)能力和生態(tài)質(zhì)量,是生態(tài)系統(tǒng)各成員生存繁衍的基礎(chǔ)和調(diào)節(jié)生態(tài)過程的因子,也是判斷生態(tài)系統(tǒng)碳源/匯的主要指標(biāo)[8- 9]。探明典型海岸帶藍碳生態(tài)系統(tǒng)NPP狀況以及不同人為干擾下藍碳生態(tài)系統(tǒng)NPP的時空分布特征具有重要意義,不但可以揭示我國海岸帶藍碳潛力及其變化規(guī)律,還能夠為規(guī)范海岸帶人類開發(fā)利用活動、提升藍碳能力提供依據(jù)。

黃河三角洲是我國三大河口三角洲之一,是我國暖溫帶最完整、面積最大的新生鹽沼濕地[10],也是我國海岸帶藍碳生態(tài)系統(tǒng)的典型代表。由于特殊的地理位置和大量的泥沙來源,黃河三角洲生態(tài)系統(tǒng)不僅具有豐富完整的濕地植被,還是眾多珍稀瀕危鳥類的重要棲息地,同時也具有明顯的脆弱性特征[11- 12]。近30年來,黃河三角洲人為干擾愈加強烈,城鄉(xiāng)建設(shè)、港口建造、石油開采、農(nóng)田開墾、鹽田圍墾等使得區(qū)域地表覆蓋類型日趨多樣,人工景觀逐漸增多,自然濕地面積逐年遞減[13- 15],尤其是大規(guī)模的農(nóng)田和鹽田不斷侵占濕地植被空間,對自然生態(tài)系統(tǒng)帶來顯著影響[15- 16]。與此同時,自然保護區(qū)的建立以及各項生態(tài)保護與管理措施又對提升濕地生態(tài)系統(tǒng)穩(wěn)定性具有重要作用。在復(fù)雜的自然因素和人類活動影響下,黃河三角洲成為世界上河口三角洲海陸變遷最活躍、生態(tài)環(huán)境演變最迅速的地區(qū)之一[17]。當(dāng)前,眾多學(xué)者圍繞黃河三角洲生態(tài)系統(tǒng)開展了一系列卓有成效的工作,其中不乏生態(tài)系統(tǒng)碳過程、土壤碳含量、NPP空間分布等相關(guān)研究[10, 18- 20]。然而,對于較大時間和空間尺度下NPP時空演變特征的研究仍有所不足,特別是缺乏NPP在海陸交互作用、人類干擾以及人為調(diào)控影響下的變化特征分析。

本文基于現(xiàn)代黃河三角洲范圍,通過遙感手段和現(xiàn)場調(diào)查,對近30年來黃河三角洲NPP時間變化和空間特征進行研究,并剖析NPP時空變化的主要影響因素,以期從整體上揭示較大時間和空間尺度下黃河三角洲NPP變化規(guī)律,并為提升我國海岸帶藍碳提供一定參考。

1 材料與方法

1.1 研究區(qū)概況

黃河三角洲位于渤海灣南岸和萊州灣西岸,現(xiàn)代黃河三角洲是指以墾利縣魚洼為頂點、以挑河口和宋春榮溝口為端點構(gòu)成的區(qū)域。本文基于現(xiàn)代黃河三角洲范圍,結(jié)合地理完整性和實際情況,將研究區(qū)南側(cè)端點由宋春榮溝口南延至墾利縣濱海大道南端紅光漁港處,研究區(qū)略大于現(xiàn)代黃河三角洲范圍(圖1)。研究區(qū)全部位于東營市境內(nèi),分別屬于墾利區(qū)(49%)、河口區(qū)(44%)和利津縣(7%)；所在區(qū)域?qū)儆谂瘻貛Ъ撅L(fēng)氣候區(qū),年平均氣溫為12.1℃,無霜期196d,年平均降水量為551.6mm,季節(jié)差異較大；研究區(qū)屬于小清河以北黃泛平原區(qū),地勢平坦,海拔均低于15m；土壤類型主要為潮土和鹽土,植被以鹽生植被為主,分布廣泛并呈現(xiàn)明顯的梯度性規(guī)律。1992年,黃河三角洲國家級自然保護區(qū)經(jīng)國務(wù)院批準(zhǔn)建立,重點保護新生濕地生態(tài)系統(tǒng)和珍稀瀕危鳥類,總面積約1530km2,主要分布于現(xiàn)行黃河入?？?新河口)和黃河故道入?？?老河口)的兩側(cè),可劃分為核心區(qū)、緩沖區(qū)和實驗區(qū)。多年來,保護區(qū)開展了積極的生態(tài)系統(tǒng)修復(fù)與建設(shè)工程,并制定了一系列管控措施。研究區(qū)近30年來人類開發(fā)利用活動日趨頻繁,造成地表覆蓋類型發(fā)生劇烈變化[15],進而對NPP及其空間分布構(gòu)成影響,因此本文以近30a為時間跨度,以約10a為時間間隔,基于現(xiàn)有數(shù)據(jù)資料特征,對1987年、1995年、2005年、2016—2017年研究區(qū)NPP變化規(guī)律及其主要影響因子進行分析。

1.2 數(shù)據(jù)來源與處理

1.2.1 遙感影像

云層遮擋對NPP的估算精度具有重要影響,根據(jù)現(xiàn)有數(shù)據(jù)資料,挑選近30年來覆蓋研究區(qū)的無云或少云遙感影像,包括LANDSAT 5衛(wèi)星1987年8月、1995年9月、2005年7月以及LANDSAT 8衛(wèi)星2016年8月、10月和2017年1月、4月共7期遙感影像(圖1)。通過ENVI 5.3和ArcGIS 10.0,對原始遙感影像進行輻射定標(biāo)、波段融合等處理；以研究區(qū)頂點和端點的連線作為陸域界線,以海岸線和植被集中連片分布區(qū)的外緣線為陸海界線,形成不同時期研究區(qū)輪廓(圖1)；經(jīng)影像剪切和波段計算后,得到研究區(qū)不同時期的歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)。

圖1 研究區(qū)不同時期的遙感影像和輪廓Fig.1 Remote sensing images and outlines of study area in different years

以1987年8月、1995年9月、2005年7月和2016年8月的遙感影像為基礎(chǔ),通過目視解譯的方法,將研究區(qū)地表覆蓋類型劃分為濕地植被、農(nóng)田、水域、鹽田和養(yǎng)殖池、裸地、建筑用地、交通用地和工業(yè)用地8類。其中,濕地植被以蘆葦(Phragmitesaustralis)為主要類型,夾雜有鹽地堿蓬(Suaedasalsa)、檉柳(Tamarixchinensis)、羅布麻(Apocynumvenetum)、苣荬菜(Sonchusarvensis)、野大豆(Glycinesoja)等其他植物；農(nóng)田以水稻田、小麥田和藕池為主要類型,并種植有玉米、棉花等其他作物；水域包括黃河、黃河故道等自然水域和孤東水庫、孤北水庫、孤河水庫等人工水域；鹽田和養(yǎng)殖池集中分布于距離岸線較近的區(qū)域,以鹽田為主；裸地包括分布于近岸區(qū)域的光灘以及研究區(qū)內(nèi)部的裸土地；建筑用地主要是指城鄉(xiāng)建筑分布地,包括黃河口鎮(zhèn)、孤島鎮(zhèn)、仙河鎮(zhèn)等城鎮(zhèn)區(qū)以及諸多分散的農(nóng)村居民點；交通用地包括公路和港口碼頭,公路主要有東營港疏港高速以及省道S312、S310、S228等,港口主要為東營港；工業(yè)用地是指煉油廠等工廠分布區(qū)(圖2)。

圖2 研究區(qū)不同時期地表覆蓋類型Fig.2 Land cover types of study area in different years

1.2.2 氣象數(shù)據(jù)

氣象數(shù)據(jù)來源于東營及周邊地區(qū)氣象站的多年觀測數(shù)據(jù),引自東營地區(qū)的相關(guān)研究。其中,太陽總輻射、天文輻射、日照時數(shù)、可照時數(shù)引自文獻[21]中近30年來不同月份的平均數(shù)據(jù),氣溫、降水、蒸散量、相對濕度引自文獻[22]中近50a來不同月份的平均數(shù)據(jù)。

1.2.3 現(xiàn)場調(diào)查取樣

2017年初開展地表覆蓋類型現(xiàn)場勘查工作。采用網(wǎng)格法,基于代表性和可達性,共開展了104個點位的現(xiàn)場勘察工作(圖3)。使用手持GPS記錄點位的經(jīng)緯度信息；記錄每個樣地的群落類型以及植物種類、多度等信息,對研究區(qū)地表覆蓋類型進行校正。同時,在濕地植被集中分布區(qū)布設(shè)4個植物取樣點位,并于2015年11月、2016年3月、11月和2017年2月開展了4次植物取樣工作,每個樣地隨機設(shè)置3個1m2的平行樣方,使用標(biāo)準(zhǔn)樣框,收割樣框內(nèi)的全部植物地上部分,烘干后,計算其生物量干重。

圖3 研究區(qū)調(diào)查點位Fig.3 Survey sites of study area

1.3 NPP計算與分析

1.3.1 NPP計算

基于Carnegie-Ames-Stanford Approach (CASA)模型[23],采用遙感、氣象和現(xiàn)場調(diào)查數(shù)據(jù)對研究區(qū)NPP進行估算。計算方法如下：

NPP(x,t)=APAR(x,t)×ξ(x,t)

(1)

APAR(x,t)=PAR(x,t)×FPAR(x,t)

(2)

ξ(x,t)=ft(t)×fw(t)×ξmax

(3)

式中：NPP(x,t)為x點t月凈初級生產(chǎn)力；APAR(x,t)為x點t月吸收的光合有效輻射(MJ m-2月-1)；ξ(x,t)為x點t月的實際光能利用率(g C/MJ)；PAR(x,t)為x點t月的光合有效輻射(MJ m-2月-1),可取太陽總輻射的50%[24]；FPAR(x,t)為x點t月光合有效輻射吸收比例(%)；ft(t)和fw(t)分別為研究區(qū)t月的氣溫脅迫因子和水分脅迫因子(%)；ξmax為植被最大光能利用率(g CMJ-1)。

(1)FPAR計算

FPAR與NDVI和簡單比值植被系數(shù)(Simple Ratio Vegetation Index, SRVI)均存在明顯的線性關(guān)系[25- 26],可分別由NDVI和SRVI計算得到FPAR1與FPAR2,計算方法如下：

FPAR1(x,t)=(NDVI(x,t)-NDVImin)/(NDVImax-NDVImin) ×(FPARmax-FRARmin)+ FPARmin

(4)

FPAR2(x,t)=(SRVI(x,t)-SRVImin)/(SRVImax-SRVImin)×(FPARmax-FPARmin)+FPARmin

(5)

式中：NDVI(x,t)為x點t月的NDVI值；FPARmax和FPARmin分別取0.95和0.001[23]；為了剔除異常值,削弱極值的影響,NDVImax和NDVImin分別取所有NDVI值的95%和5%百分位值；SRVI(x,t)為x點t月的簡單比值植被系數(shù),由式6求得,SRVImax和SRVImin分別取所有SRVI值的95%和5%百分位值。

(6)

結(jié)合FPAR1與FPAR2得到的FPAR具有更高的準(zhǔn)確度[9, 27],計算方法如下：

FPAR(x,t)= (FPAR(x,t)1 +FPAR(x,t)2)/2

(7)

(2)ft和fw計算

ft計算方法如下：

ft(t)=ft1(t)×ft2(t)

(8)

ft1(t)反映在極端溫度下植物的內(nèi)在生物化學(xué)過程對光合作用的限制,進而影響NPP[28],計算方法如下[26]：

(9)

式中：Topt為最適氣溫,取NDVI平均值最高月份(8月)的月平均氣溫。

ft2(t)表示實際氣溫高于或低于最適氣溫時光能利用率受到的影響,計算方法如下[23, 26]：

(10)

式中：T為當(dāng)月實際平均氣溫,當(dāng)某月平均氣溫T比最適氣溫Topt高10℃或低13℃時,該月的ft2(t)值等于最適氣溫月份ft2(t)值的一半。

fw反映了植物所能利用的有效水分條件對光能利用率的影響,計算方法如下[29]：

fw(t)=0.5+0.5×E/Ep

(11)

式中：E為蒸散量,由已有氣象數(shù)據(jù)中獲?。籈p為潛在蒸散量,計算方法如下[30]：

(12)

式中：r為降水量(mm),Rn為凈輻射量(MJ m-2d-1)。

Rn參考《噴灌工程設(shè)計手冊》[31],計算方法如下：

Rn=Rn1-Rn2

(13)

Rn1=(1-a)(0.25+0.5n/N)Ra

(14)

(15)

式中：a為反射率,取23%；n為日照時數(shù)(h),N為該緯度的可照時數(shù)(h),Ra為天文輻射(MJ/m2)；σ為斯蒂芬-玻爾茲曼常數(shù),取2×10-9mm d-1K-4,Tk為該月平均溫度(K)；ed為水汽壓(hPa),可由相對濕度和不同氣溫下的飽和水汽壓計算得到。

(3)ξmax的計算

最大光能利用率(ξmax)的取值對NPP估算結(jié)果具有直接且重要的影響,不同植物的ξmax具有明顯差異[32]。黃河口濕地植被以蘆葦為優(yōu)勢種,其面積最大,分布最廣,然而目前關(guān)于濕地植被最大光能利用率的專門研究總體較少,陳吉龍等[33]關(guān)于遼河口濕地蘆葦群落的模擬結(jié)果顯示,蘆葦ξmax為1.667g C/MJ。根據(jù)CASA模型,ξmax可由NPP實測結(jié)果以及模型中其他參數(shù)進行反推,公式如下：

(16)

根據(jù)相關(guān)研究,蘆葦?shù)厣喜糠衷诿磕?0—11月份基本不再生長,生物量達到最大[34],地上部分生物量即為地上部分的凈初級生產(chǎn)力,地下部分凈初級生產(chǎn)力一般地上部分的30%—80%[35],這里取50%,另根據(jù)光合作用方程式推算得到蘆葦?shù)奶嫁D(zhuǎn)換系數(shù),根據(jù)4次取樣的平均值得到各點位的全年NPP,進而計算得到研究區(qū)濕地植被的ξmax為0.859g C/MJ。由于植物取樣點位相對較少,為了盡可能避免其帶來的誤差,結(jié)合現(xiàn)場實測和陳吉龍等[33]的研究,本文濕地植被的ξmax取二者平均值為1.257g C/MJ。其他地表覆蓋類型的ξmax取值參考現(xiàn)有研究,其中Running等[36]和朱文泉等[32]的研究成果應(yīng)用較為廣泛[9, 37- 38],前者根據(jù)生態(tài)生理過程模型模擬了全球10種植被類型的ξmax為0.604—1.259g C/MJ,后者根據(jù)林業(yè)普查數(shù)據(jù)結(jié)合CASA模型模擬出中國不同植被的ξmax為0.389—0.985g C/MJ。農(nóng)田的ξmax采用二者的平均值0.573g C/MJ,交通用地、建筑用地、工業(yè)用地、水域、鹽田和養(yǎng)殖池這些非植被區(qū)的地表覆蓋類型最大光能利用率理論上為0,但由于采用遙感影像的分辨率為30m,解譯誤差和混合像元等不可避免的問題使得這些地表覆蓋類型中也存在一定的植被,因此采用最低的ξmax0.389g C/MJ。

1.3.2 NPP時空特征分析

分別計算1987年、1995年、2005年夏季以及2016—2017年度不同季節(jié)的NPP,并基于2016—2017年度不同季節(jié)的NPP,得到2016—2017年度全年NPP結(jié)果。此外,1987年遙感影像在研究區(qū)北部存在少量云層遮擋,對云層及其陰影所在區(qū)域的NPP估算帶來了不小的誤差；通過ArcGIS10.0對該區(qū)域的NPP估算結(jié)果進行裁剪,采用反距離權(quán)重(Inverse Distance Weighted, IDW)內(nèi)插法基于周邊區(qū)域的NPP計算結(jié)果進行內(nèi)插,計算出云層及其陰影所在區(qū)域的NPP內(nèi)插結(jié)果,進而得到修正后的1987年NPP結(jié)果。

根據(jù)1987年、1995年、2005年和2016年夏季的NPP估算結(jié)果,分析近30年來研究區(qū)NPP的時間變化特征；根據(jù)2016—2017年不同季節(jié)的NPP估算結(jié)果,分析不同季節(jié)研究區(qū)NPP的時間變化特征。分別以行政區(qū)、保護區(qū)和地表覆蓋類型為單元,分析NPP在不同單元的特征和差異,探討不同單元NPP的時間變化規(guī)律。基于2016—2017年度全年NPP估算結(jié)果,將研究區(qū)劃分為高生產(chǎn)力區(qū)(NPP≥600)、中生產(chǎn)力區(qū)(200≤NPP<600)和低生產(chǎn)力區(qū)(NPP<200),單位為g C m-2a-1。

2 結(jié)果

2.1 NPP時間變化

NPP估算結(jié)果顯示,近30年來研究區(qū)NPP均值和總量均呈現(xiàn)先下降又略微增長的特征,1987、1995、2005和2016年夏季研究區(qū)NPP均值分別為94.93、63.90、64.56、69.54g C m-2月-1,總量分別為214.76、143.96、149.88、167.75Gg C 月-1。2016—2017年度NPP平均值和總量表現(xiàn)出明顯的季節(jié)差異,夏季遠高于其他季節(jié),其次為春季和秋季,冬季NPP均值和總量偏低,可忽略不計(圖4)。

圖4 研究區(qū)整體和不同行政區(qū)NPP的變化特征Fig.4 Variation characteristics of NPP in whole study area and different districts

2.2 NPP空間特征

研究區(qū)不同年份和不同季節(jié)的NPP均表現(xiàn)出了明顯的空間分異性(圖5—圖6)。不同行政區(qū)近30年來NPP均值顯示,利津縣相比其他二區(qū)表現(xiàn)出更大的波動性,其下降和增長都更為明顯,其他二區(qū)與研究區(qū)總體特征較一致；就總量而言,由于研究區(qū)中利津縣面積明顯偏小,其總量也小于其他二區(qū)(圖4)。

圖5 近30年來研究區(qū)NPP時空特征Fig.5 Temporal and spatial characteristics of NPP in recent 30 years

各年度自然保護區(qū)內(nèi)NPP均值均明顯高于保護區(qū)外；近30年來,NPP均值在保護區(qū)內(nèi)外均呈現(xiàn)先下降后上升的特征,保護區(qū)內(nèi)部在1995—2005年期間下降相較保護區(qū)外更加劇烈,但在2005—2016年期間上升更明顯；不同季節(jié)中,夏季保護區(qū)內(nèi)外NPP的差別更加明顯。保護區(qū)實驗區(qū)NPP均值高于緩沖區(qū)和核心區(qū),在2005—2016年期間實驗區(qū)NPP有所上升,而核心區(qū)NPP則有一個較明顯的下降。老河口區(qū)NPP均值在1987年與新河口區(qū)基本一致,在1995年和2005年明顯較低,但在2016年又恢復(fù)至與新河口區(qū)持平；不同季節(jié)新、老河口區(qū)NPP變化特征基本一致(圖7)。

圖7 自然保護區(qū)NPP的變化特征Fig.7 Variation characteristics of NPP about the nature reserve

不同地表覆蓋類型NPP結(jié)果顯示,濕地植被具有最高的NPP均值和總量,其次為農(nóng)田,其他幾種類型則明顯偏低；近30年來,濕地植被和農(nóng)田NPP均值表現(xiàn)出先減少后增加的特征,濕地植被NPP總量逐漸減少,農(nóng)田NPP總量則逐漸增加(表1)；同時,濕地植被和農(nóng)田NPP在不同季節(jié)中具有較大差別,夏季顯著高于其他季節(jié),且農(nóng)田NPP的季節(jié)差異更為明顯(表2)。

2016—2017年度研究區(qū)全年NPP均值為294.38gC m-2a-1,總量為710.05Gg C/a,其中濕地植被和農(nóng)田NPP總量占比達94.2%。NPP分區(qū)結(jié)果顯示,不同分區(qū)面積由大到小依次為中生產(chǎn)力區(qū)(49.5%)、低生產(chǎn)力區(qū)(38.3%)和高生產(chǎn)力區(qū)(12.1%)(圖8)。不同行政區(qū)中,利津縣大部分位于中生產(chǎn)力區(qū),墾利區(qū)和河口區(qū)主要分布于低、中生產(chǎn)力區(qū),其中墾利區(qū)更多的區(qū)域位于中生產(chǎn)力區(qū),河口區(qū)更多的區(qū)域位于低生產(chǎn)力區(qū)。就保護區(qū)而言,保護區(qū)內(nèi)高生產(chǎn)力區(qū)比例明顯高于非保護區(qū),保護區(qū)實驗區(qū)的中、高生產(chǎn)力區(qū)比例明顯高于緩沖區(qū)和核心區(qū),新河口區(qū)和老河口區(qū)生產(chǎn)力分區(qū)狀況基本一致。不同地表覆蓋類型中,濕地植被較為平均地分布在中生產(chǎn)力區(qū)和高生產(chǎn)力區(qū),農(nóng)田大部分位于中生產(chǎn)力區(qū),其余類型則基本分布于低生產(chǎn)力區(qū)(表3)。

表1 近30年來不同地表覆蓋類型NPP結(jié)果

表2 2016—2017年度不同季節(jié)和全年不同地表覆蓋類型NPP結(jié)果

圖8 2016—2017年度NPP分區(qū)Fig.8 NPP partitioning in the year of 2016—2017

項目Items低生產(chǎn)力區(qū)Low NPP area中生產(chǎn)力區(qū)Medium NPP area高生產(chǎn)力區(qū)High NPP area項目Items低生產(chǎn)力區(qū)Low NPP area中生產(chǎn)力區(qū)Medium NPP area高生產(chǎn)力區(qū)High NPP area利津縣Lijin County12.9 82.1 5.0 濕地植被Wetland vegetation5.2 46.9 47.9 墾利區(qū)Kenli District32.9 55.3 11.8 農(nóng)田Farmland7.9 91.8 0.3 河口區(qū)Hekou District48.2 38.2 13.6 水域Water area95.5 4.4 0.2 保護區(qū)Reserve31.0 50.1 19.0 鹽田和養(yǎng)殖池Saltern and pond99.7 0.3 0.0 非保護區(qū)Non reserve41.1 49.3 9.5 裸地Bareland98.9 1.1 0.0 核心區(qū)Core zone77.9 14.4 7.8 建筑用地Building land86.4 13.2 0.4 緩沖區(qū)Buffer zone59.0 24.1 17.0 交通用地Traffic land78.5 19.5 2.0 實驗區(qū)Experimental zone27.3 53.1 19.6 工業(yè)用地Industrial land98.2 1.8 0.0 新河口New estuary30.4 51.0 18.7 總計The whole38.3 49.5 12.1老河口Old estuary32.8 47.2 19.9

3 討論與結(jié)論

3.1 討論

研究區(qū)濕地植被以蘆葦為優(yōu)勢種,2016—2017年度其NPP均值為570.28g C m-2a-1,且具有明顯的季節(jié)差異,夏季NPP貢獻達到70%。濕地植被表現(xiàn)出了較高的固碳能力,這表明了黃河三角洲濕地作為海岸帶藍碳的重要價值；不過,其NPP均值低于采用相同方法得到的相似區(qū)域濕地植被NPP均值1016g C m-2a-1[39]。究其原因,一方面可能是由于本文采用了不同季節(jié)遙感影像來計算全年的NPP結(jié)果,充分考慮了季節(jié)差異,而其他研究往往僅采用1期夏半年的遙感影像來代表全年NPP狀況使得結(jié)果偏高；另一方面,黃河三角洲濕地植被NPP依然存在較大的提升潛力。農(nóng)田的NPP均值低于濕地植被,為335.92g C m-2a-1,與采用相同方法的其他結(jié)果相比,低于全國農(nóng)田NPP均值426.9g C m-2a-1[32]、東北地區(qū)農(nóng)田NPP均值503g C m-2a-1[40]和內(nèi)蒙古地區(qū)農(nóng)田NPP均值405.7gC m-2a-1[38],考慮到黃河三角洲普遍的土壤鹽漬化問題,以及近年來研究區(qū)農(nóng)田NPP逐漸提升的狀況,黃河三角洲農(nóng)田已經(jīng)具備了相當(dāng)?shù)墓烫寄芰Α?/p>

研究區(qū)NPP表現(xiàn)出顯著的時空分異性。地表覆蓋類型和植被生長狀況是NPP的決定因素[41],二者受到自然和人為因子的共同影響。黃河攜帶大量泥沙沖積、海水對海岸侵蝕等劇烈的海陸交互作用以及人類開發(fā)利用行為不斷地改變著黃河三角洲的形態(tài)[42- 43],并對其地表覆蓋類型產(chǎn)生影響(圖1和圖2)。1987—1995年期間,研究區(qū)輪廓變化主要表現(xiàn)在不同位置濕地植被的減少或增加,黃河入?？诘牟粩嗤七M帶來了新增濕地,但入?？诤髠?cè)因為泥沙來源的減少和海岸侵蝕作用,濕地面積明顯減少,總體上研究區(qū)面積有所萎縮；1995—2005年期間,黃河南岸濱海區(qū)域鹽田和養(yǎng)殖池的圍墾造成了輪廓向外推移,而其他位置的海岸侵蝕也帶來了濕地的減少；2005—2016年期間,一方面圍墾帶來了鹽田養(yǎng)殖池和裸地的繼續(xù)增加,另一方面保護區(qū)濕地恢復(fù)區(qū)配套工程的建設(shè)使得水域面積有明顯上升(表4)。

表4 研究區(qū)輪廓變化帶來的地表覆蓋類型變化/km2

研究區(qū)內(nèi)部地表覆蓋類型組成中,1987年濕地植被占據(jù)大部分比例(68.9%),其次為裸地(13.4%)和農(nóng)田(11.4%),其余類型占比均不足10%。這個時期,研究區(qū)地表覆蓋類型更多地受到自然因素的制約,人類干擾程度相對較小。20世紀(jì)90年代以來,人類活動的逐漸增多對研究區(qū)地表覆蓋類型帶來了重要影響。1995年研究區(qū)濕地植被面積明顯減小(45.9%),農(nóng)田開墾使得農(nóng)田占比上升至31.2%；2005年濕地植被(39.6%)和農(nóng)田(38.3%)面積幾乎持平,鹽田和養(yǎng)殖池占比也有所增加(9.1%),裸地占比逐漸降低(4.86%)。隨著人類開發(fā)利用進程的不斷加快,人類干擾逐漸成為影響地表覆蓋類型的主要因子[14, 44]。2016年,農(nóng)田成為研究區(qū)的主要地表覆蓋類型(40.0%),濕地植被占比進一步降低(25.1%),鹽田和養(yǎng)殖池占比增加至17.8%,裸地占比降低至2.2%(圖9)。

圖9 主要地表覆蓋類型占比時間變化 Fig.9 Temporal variations of the proportions of main land cover types

NDVI是植被生長狀況的重要表征因子,具有便捷的獲取渠道[45]。不同地表覆蓋類型中,農(nóng)田和濕地植被具有較高的NDVI,鹽田養(yǎng)殖池和水域則明顯偏低(圖10)。近30年來,濕地植被和農(nóng)田的NDVI均值呈現(xiàn)先下降再明顯上升的趨勢,在1995年降至最低,至2016年達到最高。這一方面是由于20世紀(jì)90年代黃河水資源供需矛盾突出,斷流現(xiàn)象頻繁,對黃河三角洲生態(tài)環(huán)境造成很大影響[12]；另一方面,90年代也是黃河三角洲大規(guī)模開墾農(nóng)田的初期階段,嚴(yán)重的土壤鹽漬化問題對農(nóng)作物生長構(gòu)成限制[46]。隨著90年代以來黃河流域水資源的統(tǒng)一管理、自然保護區(qū)的建立與規(guī)范化管理以及21世紀(jì)以來多次黃河調(diào)水調(diào)沙和生態(tài)調(diào)水工程[12],再加上農(nóng)田土壤鹽漬化問題的持續(xù)治理[47],區(qū)域的濕地植被和農(nóng)田的NDVI不斷上升；濕地植被和農(nóng)田NDVI在不同季節(jié)中差異很大,且農(nóng)田的差異更明顯(圖10)。

圖10 不同地表覆蓋類型NDVI變化特征Fig.10 Temporal variations of NDVI indifferent land cover types

自然和人為影響下地表覆蓋類型和植被生長狀況的變化帶來了研究區(qū)NPP時空分異性特征。近30年來,研究區(qū)濕地植被面積不斷縮減,農(nóng)田面積不斷增大；1987—1995年期間,地表覆蓋類型的變化和植被生長狀況的不佳導(dǎo)致NPP出現(xiàn)明顯的下降；1995—2005年期間,地表覆蓋類型繼續(xù)轉(zhuǎn)變,而植被生長狀況有所好轉(zhuǎn),NPP均值變化不大；2005—2016年期間,植被生長狀況提升帶來的NPP上升超過了地表覆蓋類型轉(zhuǎn)變帶來的NPP下降,研究區(qū)NPP總體有所回升。同時,研究區(qū)各行政區(qū)和保護區(qū)的NPP也表現(xiàn)出了一定差異,這也是由其地表覆蓋構(gòu)成和生長狀況決定的。利津縣由于其占研究區(qū)面積較小,地表覆蓋類型在1987年以濕地植被為主,而1995年以來以農(nóng)田為主,造成了近30年來較大的NPP波動。保護區(qū)內(nèi)部擁有更多的濕地植被從而NPP高于保護區(qū)外部；核心區(qū)位于更鄰近海域的位置,并建有濕地恢復(fù)區(qū)配套工程,主要由水域構(gòu)成,其植被NPP明顯偏低,但對維護保護區(qū)濕地生態(tài)系統(tǒng)穩(wěn)定性具有重要作用；老河口NPP在1995年和2005年低于新河口,但隨著近年來生態(tài)保護和管理工作的不斷加強,特別是2010年開展的黃河故道生態(tài)補水工程,有力地改善了老河口區(qū)域生態(tài)狀況,使得2016—2017年度老河口與新河口區(qū)域NPP基本一致。

一般認為,濕地植被是海岸帶藍碳的重要組成,并具有生物多樣性維持、產(chǎn)品供給、調(diào)節(jié)氣候、景觀美學(xué)等重要生態(tài)功能[11, 48]；而農(nóng)田開墾是對原有濕地生態(tài)系統(tǒng)的破壞,造成濕地植被破壞、生物棲息地喪失、自然景觀割裂等后果[49]。在現(xiàn)實條件下,基于農(nóng)田開發(fā)現(xiàn)狀,發(fā)現(xiàn)并肯定其生態(tài)正效應(yīng),充分利用并提升其碳匯能力,是平衡生態(tài)保護與開發(fā)利用,實現(xiàn)經(jīng)濟效益、社會效益和生態(tài)效益最大化的重要途徑。本文研究結(jié)果也顯示了20世紀(jì)90年代大規(guī)模的農(nóng)田開墾以來,農(nóng)田NPP均值逐漸提升,且在2016—2017年度NPP總量占研究區(qū)的45.7%。雖然從嚴(yán)格意義上來講,農(nóng)田并不屬于典型藍色碳匯,但這種位于濱海地區(qū)、由濕地植被轉(zhuǎn)化而來、本身具有較高固碳能力和潛力的碳匯,也可歸為廣義的藍色碳匯范疇,或者可稱其為“次生藍色碳匯”,而原有的鹽沼濕地植被、紅樹林、海草等可稱為“原生藍色碳匯”。

3.2 結(jié)論

(1)近30年來研究區(qū)NPP均值和總量均呈現(xiàn)先下降又略微增長的特征,1987、1995、2005和2016年夏季研究區(qū)NPP均值分別為94.93、63.90、64.56、69.54g C m-2月-1；2016—2017年度NPP平均值為294.38g C m-2a-1,總量為710.05Gg C/a,表現(xiàn)出明顯的季節(jié)差異,夏季遠高于其他季節(jié)。

(2)研究區(qū)NPP具有明顯的空間異質(zhì)性。利津縣NPP相比河口區(qū)和墾利區(qū)表現(xiàn)出更大的時間波動性；自然保護區(qū)內(nèi)部NPP均值明顯高于保護區(qū)外,保護區(qū)實驗區(qū)NPP均值高于緩沖區(qū)和核心區(qū),老河口區(qū)NPP均值在2016—2017年度與新河口區(qū)持平；濕地植被具有最高的NPP均值和總量,其次為農(nóng)田,其他幾種類型則明顯偏低；2016—2017年度NPP分區(qū)結(jié)果顯示,不同分區(qū)面積由大到小依次為中生產(chǎn)力區(qū)(49.5%)、低生產(chǎn)力區(qū)(38.3%)和高生產(chǎn)力區(qū)(12.1%)。研究區(qū)NPP的時空分異性是地表覆蓋類型和植被生長狀況共同影響的結(jié)果。在自然和人為要素共同驅(qū)動下,近30年來,研究區(qū)濕地植被面積不斷縮減,農(nóng)田、鹽田和養(yǎng)殖池面積不斷增大,這是造成研究區(qū)NPP降低的主要原因；20世紀(jì)90年代以來植被生長狀況的提升,又帶來了研究區(qū)NPP的增長。

(3)濕地植被和農(nóng)田是研究區(qū)分布最廣的地表覆蓋類型,也是碳匯的主要貢獻者。二者2016—2016年度NPP均值分別為570.28g C m-2a-1和335.92g C m-2a-1,總量占比共計94.2%。近30年來,濕地植被NPP總量逐漸減少,農(nóng)田NPP總量則逐漸增加。濕地植被是海岸帶藍碳的典型載體,農(nóng)田作為位于濱海地區(qū)、由濕地植被轉(zhuǎn)化而來、本身具有較高固碳能力和潛力的碳匯類型,可作為海岸帶藍碳的重要補充。

參考文獻(References):

[1] Frame D J, Stone D A. Assessment of the first consensus prediction on climate change. Nature Climate Change, 2013, 3(4): 357- 359.

[2] 周晨昊, 毛覃愉, 徐曉, 方長明, 駱永明, 李博. 中國海岸帶藍碳生態(tài)系統(tǒng)碳匯潛力的初步分析. 中國科學(xué): 生命科學(xué), 2016, 46(4): 475- 486.

[3] 邱廣龍, 林幸助, 李宗善, 范航清, 周浩郎, 劉國華. 海草生態(tài)系統(tǒng)的固碳機理及貢獻. 應(yīng)用生態(tài)學(xué)報, 2014, 25(6): 1825- 1832.

[4] Mcleod E, Chmura G L, Bouillon S, Salm R, Bj?rk M, Duarte C M, LovelockC E, Schlesinger W H, Silliman B R. A blueprint for blue carbon: toward an improved understanding of the role of vegetated coastal habitats in sequestering CO2. Frontiers in Ecology and the Environment, 2011, 9(10): 552- 560.

[5] Pendleton L, Donato D C, Murray B C, Crooks S, Jenkins WA, Sifleet S, Craft C, Fourqurean JW, Kauffman JB, Marbà N, Megonigal P, Pidgeon E, Herr D, Gordon D, Baldera A. Estimating global “Blue Carbon” emissions from conversion and degradation of vegetated coastal ecosystems.PLoS One, 2012, 7(9): e43542.

[6] Duarte C M, Losada I J, Hendriks I E, Mazarrasa I, Marbà N. The role of coastal plant communities for climate change mitigation and adaptation.Nature Climate Change, 2013, 3(11): 961- 968.

[7] 章海波, 駱永明, 劉興華, 付傳城. 海岸帶藍碳研究及其展望. 中國科學(xué): 地球科學(xué), 2015, 45(11): 1641- 1648.

[8] Field C B, Behrenfeld M J, Randerson J T, Falkowski P. Primary production of the biosphere: integrating terrestrial and oceanic components. Science, 1998, 281(5374): 237- 240.

[9] 池源, 石洪華, 王曉麗, 李捷, 豐愛平. 廟島群島南五島生態(tài)系統(tǒng)凈初級生產(chǎn)力空間分布及其影響因子. 生態(tài)學(xué)報, 2015, 35(24): 8094- 8106.

[10] 蔣蕊竹, 李秀啟, 朱永安, 張治國. 基于MODIS黃河三角洲濕地NPP與NDVI相關(guān)性的時空變化特征. 生態(tài)學(xué)報, 2011, 31(22): 6708- 6716.

[11] 孫萬龍, 孫志高, 田莉萍, 胡星云. 黃河三角洲潮間帶不同類型濕地景觀格局變化與趨勢預(yù)測. 生態(tài)學(xué)報, 2017, 37(1): 215- 225.

[12] 安樂生, 趙全升, 周葆華, 劉貫群. 黃河三角洲NDVI時空演化特征及其驅(qū)動因素. 海洋與湖沼, 2017, 48(1): 1- 7.

[13] 蔡為民, 唐華俊, 陳佑啟, 張鳳榮. 近20年黃河三角洲典型地區(qū)農(nóng)村居民點景觀格局. 資源科學(xué), 2004, 26(5): 89- 97.

[14] 陳菁, 傅新, 劉高煥. 黃河三角洲景觀變化中人為影響力的時空分異. 水土保持學(xué)報, 2010, 24(1): 134- 138, 144- 144.

[15] 王永麗, 于君寶, 董洪芳, 栗云召,周迪, 付玉芹, 韓廣軒, 毛培利. 黃河三角洲濱海濕地的景觀格局空間演變分析. 地理科學(xué), 2012, 32(6): 717- 724.

[16] 王海梅, 李政海, 韓國棟, 韓經(jīng)緯. 黃河三角洲土地利用及景觀格局的動態(tài)分析. 水土保持通報, 2007, 27(1): 81- 85.

[17] 鄧偉, 白軍紅. 典型濕地系統(tǒng)格局演變與水生態(tài)過程——以黃淮海地區(qū)為例. 北京: 科學(xué)出版社, 2012: 105- 105.

[18] 李遠, 章海波, 陳小兵, 涂晨, 駱永明. 黃河三角洲內(nèi)陸到潮灘土壤中碳、氮元素的梯度分布規(guī)律. 地球化學(xué), 2014, 43(4): 338- 345.

[19] 李玉, 康曉明, 郝彥賓, 丁愷, 王艷芬, 崔驍勇, 梅旭榮. 黃河三角洲蘆葦濕地生態(tài)系統(tǒng)碳、水熱通量特征. 生態(tài)學(xué)報, 2014, 34(15): 4400- 4411.

[20] 初小靜, 韓廣軒, 朱書玉, 呂卷章, 于君寶.環(huán)境和生物因子對黃河三角洲濱海濕地凈生態(tài)系統(tǒng)CO2交換的影響. 應(yīng)用生態(tài)學(xué)報, 2016, 27(7): 2091- 2100.

[21] 張洪衛(wèi), 張立清, 劉春蘭. 東營市太陽能資源評估分析. 浙江農(nóng)業(yè)科學(xué), 2011, (6): 1404- 1405.

[22] 李高偉, 韓美, 張東啟. 1961—2013年黃河三角洲氣候變化趨勢研究. 人民黃河, 2017, 39(1): 30- 37.

[23] Potter C S, Randerson J T, Field C B, Matson P A, Vitousek P M, Mooney H A, Klooster S A. Terrestrial ecosystem production: a process model based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7(4): 811- 841.

[24] Bishop J K B, Rossow W B. Spatial and temporal variability of global surface solar irradiance. Journal of Geophysical Research: Oceans, 1991, 96(C9): 16839- 16858.

[25] Ruimy A, Saugier B, Dedieu G. Methodology for the estimation of terrestrial net primary production from remotely sensed data. Journal of Geophysical Research: Atmospheres, 1994, 99(D3): 5263- 5283.

[26] Field C B, Randerson J T, Malmstr?m C M. Global net primary production: combining ecology and remote sensing. Remote Sensing of Environment, 1995, 51(1): 74- 88.

[27] 朱文泉, 潘耀忠, 張錦水. 中國陸地植被凈初級生產(chǎn)力遙感估算. 植物生態(tài)學(xué)報, 2007, 31(3): 413- 424.

[28] Berry J, Bjorkman O. Photosynthetic response and adaptation to temperature in higher plants. Annual Review of Plant Physiology, 1980, 31: 491- 543.

[29] 樸世龍, 方精云, 郭慶華. 利用CASA模型估算我國植被凈第一性生產(chǎn)力. 植物生態(tài)學(xué)報, 2001, 25(5): 603- 608.

[30] 周廣勝, 張新時. 全球變化的中國氣候-植被分類研究. 植物學(xué)報, 1996, 38(1): 8- 17.

[31] 《噴灌工程設(shè)計手冊》編寫組. 噴灌工程設(shè)計手冊. 北京: 水利電力出版社, 1989: 348- 356.

[32] 朱文泉, 潘耀忠, 何浩, 于德永, 扈海波. 中國典型植被最大光利用率模擬. 科學(xué)通報, 2006, 51(6):700- 706.

[33] 陳吉龍, 李國勝, 寥華軍, 王炳亮, 崔林林. 遼河三角洲河口濕地典型蘆葦群落最大光能轉(zhuǎn)化率模擬. 生態(tài)學(xué)報, 2015, 37(7): 2263- 2273.

[34] Hosoi Y, Kido Y, Miki M, Sumida M. Field examination on reed growth, harvest and regeneration for nutrient removal. Water Science and Technology, 1998, 38(1): 351- 359.

[35] 梅雪英, 張修峰. 長江口典型濕地植被儲碳、固碳功能研究——以崇明東灘蘆葦帶為例. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2008, 16(2): 269- 272.

[36] Running S W, Thornton P E, Nemani R, Glassy J M. Global terrestrial gross and net primary productivity from the earth observing system//Sala O E, Jackson R B, Mooney H A, Howarth R W, eds. Methods in Ecosystem Science. New York: Springer Verlag, 2000: 44- 57.

[37] 張鐿鋰, 祁威, 周才平, 丁明軍, 劉林山, 高俊剛, 擺萬奇, 王兆鋒, 鄭度. 青藏高原高寒草地凈初級生產(chǎn)力(NPP)時空分異. 地理學(xué)報, 2013, 68(9): 1197- 1211.

[38] 穆少杰, 李建龍, 周偉, 楊紅飛, 章超斌, 居為民. 2001- 2010年內(nèi)蒙古植被凈初級生產(chǎn)力的時空格局及其與氣候的關(guān)系. 生態(tài)學(xué)報, 2013, 33(12): 3752- 3764.

[39] 王莉雯, 衛(wèi)亞星. 盤錦濕地凈初級生產(chǎn)力時空分布特征. 生態(tài)學(xué)報, 2012, 32(19): 6006- 6015.

[40] 張峰, 周廣勝. 中國東北樣帶植被凈初級生產(chǎn)力時空動態(tài)遙感模擬. 植物生態(tài)學(xué)報, 2008, 32(4): 798- 809.

[41] 池源, 石洪華, 王恩康, 郭振, 豐愛平, 麻德明. 廟島群島北五島景觀格局特征及其生態(tài)效應(yīng). 生態(tài)學(xué)報, 2017, 37(4): 1270- 1285.

[42] 劉鵬, 王慶, 戰(zhàn)超, 王昕, 杜國云, 李雪艷. 基于DSAS和FA的1959—2002年黃河三角洲海岸線演變規(guī)律及影響因素研究. 海洋與湖沼, 2015, 46(3): 585- 594.

[43] 韓廣軒, 栗云召,于君寶, 許景偉, 王光美, 張志東, 毛培利, 劉玉虹. 黃河改道以來黃河三角洲演變過程及其驅(qū)動機制. 應(yīng)用生態(tài)學(xué)報, 2011, 22(2): 467- 472.

[44] 韓美, 張翠, 路廣, 劉玉斌, 余灝哲. 黃河三角洲人類活動強度的濕地景觀格局梯度響應(yīng). 農(nóng)業(yè)工程學(xué)報, 2017, 33(6): 265- 274.

[45] 池源, 郭振, 石洪華, 沈程程, 劉永志. 基于森林健康視角的北長山島人工林生物量. 中國環(huán)境科學(xué), 2016, 36(8): 2522- 2535.

[46] 吳向東, 陳小兵, 郭建青, 于君寶, 顏坤, 張立華. 黃河三角洲農(nóng)田土壤含水率空間變異特征研究. 灌溉排水學(xué)報, 2013, 32(2): 48- 51.

[47] 李貽學(xué), 東野光亮, 李新舉. 黃河三角洲鹽漬土可持續(xù)利用對策. 水土保持學(xué)報, 2003, 17(2): 55- 58.

[48] 劉紅玉, 李玉鳳, 曹曉, 郝敬峰, 胡俊納, 鄭囡. 我國濕地景觀研究現(xiàn)狀、存在的問題與發(fā)展方向. 地理學(xué)報, 2009, 64(11): 1394- 1401.

[49] 尤民生, 劉雨芳, 侯有明. 農(nóng)田生物多樣性與害蟲綜合治理. 生態(tài)學(xué)報, 2004, 24(1): 117- 122.