干旱對云南省植被凈初級生產(chǎn)力的影響研究

閆文波，何云玲，余 嵐，屈新星

(云南大學 地球科學學院，云南 昆明 650500)

植被凈初級生產(chǎn)力（Net Primary Productivity，NPP）是綠色植物在單位面積、單位時間積累的有機物數(shù)量，表現(xiàn)為光合作用固定的有機碳扣除植物本身呼吸消耗部分[1].NPP 量化了植被光合作用產(chǎn)生的碳積累，是生態(tài)系統(tǒng)中物質(zhì)循環(huán)與能量流通的基礎(chǔ)，也是評估碳源/碳匯與調(diào)節(jié)生態(tài)系統(tǒng)平衡的關(guān)鍵因素[2].隨著全球變化研究的不斷深入，NPP在研究氣候變化對生態(tài)系統(tǒng)的影響中成為不可缺少的指標，也成為科學界關(guān)注的核心問題之一[3].

極端天氣與氣候事件是近年來全球氣候變化背景下最重要和最具吸引力的話題之一[4-6].其中，干旱特別是極端干旱，將對NPP 以及生態(tài)系統(tǒng)碳循環(huán)產(chǎn)生極大影響，國內(nèi)外學者在全球、國家、區(qū)域等不同尺度上對此進行了大量研究.Boyer[7]認為在干旱半干旱地區(qū)干旱脅迫是影響植被生產(chǎn)力的首要因素；Ciais 等[8]的研究表明干旱導致整個歐洲植被生產(chǎn)力下降了30%；Li 等[9]基于CASA（Carnegie-Ames-Stanford Approach，CASA）模型和標準化降水指數(shù)（Standardized Precipitation Index，SPI）與標準降水蒸散指數(shù)（Standardized precipitation evapotranspiration index，SPEI）2 個干旱指標研究干旱與NPP 的關(guān)系，發(fā)現(xiàn)SPEI 是中國植被響應干旱較為有效的評價指標；Pei 等[10]基于不同時間尺度的SPEI 指數(shù)研究了干旱對中國植被NPP 的影響，發(fā)現(xiàn)干旱強度與NPP 異常有較強的相關(guān)性；趙林等[11]基于CASA 模型估算湖北省森林NPP，并結(jié)合SPI 發(fā)現(xiàn)當湖北省發(fā)生輕度、中度與重度干旱時，其NPP 分別下降26.09%、32.67%、和38.28%；Zhou等[12]基于多種干旱模式評估干旱對NPP 的影響，發(fā)現(xiàn)SPEI 對西南喀斯特區(qū)域的植被干旱監(jiān)測能力最強.總之，已有相關(guān)研究表明CASA 模型因所需參數(shù)較少，模擬精度較高，在NPP 模擬中廣泛應用[13]；并且干旱在不同時間尺度上均會對NPP 產(chǎn)生顯著影響，但是不同的區(qū)域由于植被類型和環(huán)境特征不同，NPP 對干旱的響應具有明顯的區(qū)域性.

云南省背靠青藏高原、南鄰印度洋，特殊的地理環(huán)境與地形使得其氣候與生態(tài)環(huán)境演變存在特殊性；隨著全球變暖，近年來干旱發(fā)生頻率呈現(xiàn)上升趨勢[14-16].持續(xù)性的干旱事件對云南省生態(tài)系統(tǒng)影響較大，逐漸成為研究熱點[17-18].以往有很多學者對云南省干旱災害進行了評估，認為SPEI 指數(shù)在評價其干旱特征方面有較強的適應性[19-21]；也有一些學者利用CASA 模型在云南局部地區(qū)進行NPP 反演取得了良好效果[22].本研究結(jié)合改進的CASA 模型和SPEI 指數(shù)，估算云南省1982—2019年的NPP 時空變化特征，深入探討干旱與NPP 之間的關(guān)系，旨在定量評估干旱對植被凈初級生產(chǎn)力的影響，為云南省生態(tài)保護與可持續(xù)發(fā)展提供理論支持.

1 研究區(qū)概況

云南省位于中國西南部，地理范圍北緯21°08′～29°15′，東經(jīng)97°31′～106°11′.地勢西北高、東南低，自西北向東南呈階梯狀下降，山地高原地形，大部分地區(qū)海拔在1 000～3 500 m.氣候類型復雜多樣，主要包含熱帶季風氣候、亞熱帶季風氣候、高原山地氣候等.研究區(qū)年平均氣溫15～18 ℃，氣溫自西北到東南遞增，最熱月均溫（7 月）在19～20 ℃，最冷月均溫（1 月）在6～8 ℃；降水在季節(jié)和地域上分配不均，干濕季節(jié)分明，濕季（雨季）為5—10 月，集中了85%的降水量，干季（旱季）為11月至次年4 月.特殊的地理環(huán)境特征，導致云南是全國植物種類最多的省份，植被類型多樣，熱帶、亞熱帶、溫帶和寒溫帶植被類型都有，也是全球生物 多樣性的熱點地區(qū)之一.

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

2.1.1 氣象數(shù)據(jù) 來源于國家氣象信息中心，包括云南省 126 個站點的逐月氣溫、降水和逐日日照時數(shù)，時間范圍 1982—2019 年.采用童成立等[23]逐日太陽輻射的計算公式將日照時數(shù)換算為太陽輻射數(shù)據(jù)，利用 Anusplin 插值方法[24]，以STRM 90數(shù)字高程模型（DEM）為基礎(chǔ)，對云南省氣溫、降水、太 陽輻射數(shù)據(jù)進行插值.

2.1.2 遙感數(shù)據(jù) 歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）數(shù)據(jù)包含GIMMS NDVI（https://ecocast.arc.nasa.gov/data/pub/gimms/）和MODIS NDVI（http://ladsweb.nascom.nasa.gov/）.MODIS NDVI 是GIMMS NDVI 的升級版，其在 生態(tài)系統(tǒng)動態(tài)監(jiān)測方面具有良好的連續(xù)性[25-27].

2.1.3 植被類型數(shù)據(jù) 植被數(shù)據(jù)來源于中國科學院中國植被圖編輯委員會 1∶1 000 000 中國植被圖集[28].引用董丹等[29]對西南地區(qū)不同植被NPP 值模擬研究的劃分方法，將云南省植被類型合并為熱帶森林、亞熱帶森林、灌叢、草地、農(nóng)業(yè)植被、高山植被和其它（主要指水體）7 類.

2.2 研究方法

2.2.1 NPP 模 擬在陸地植被NPP 估算中，CASA模型具有十分廣泛的應用[30].本文采用朱文泉等[31]CASA 模型計算插件對云南省植被NPP 進行估算，具體計算步驟可以參考文獻[32]，計算中將太陽輻射和 NDVI 所得到的植被光合有效輻射（Absorbed Photosynthesis Acitive Radiation,APAR）與溫度和降水量所得到的最大光能利用率相乘模擬 NPP；與朱文泉等 CASA 模型相比，對于植被類型、最大光能利用率的分類更為詳細.

2.2.2 干旱評價指標 SPEI 指數(shù)是在月累計降水量的基礎(chǔ)上，增加了月平均氣溫數(shù)據(jù)，不僅考慮了區(qū)域降水量，還對區(qū)域蒸散量數(shù)據(jù)進行計算，其具體計算步驟可以參考文獻[33].SPEI 指數(shù)具有多尺度的特點，3 個月尺度的 SPEI 值（SPEI-3）可以反映干旱的季節(jié)性變化；6 個月尺度的 SPEI 值（SPEI-6）可以反映干旱的年內(nèi)變化趨勢；12 個月尺度的SPEI 值（SPEI-12）可以反映干旱的長期變化.根據(jù)云南省的自然條件并參照以往研究，將 SPEI 指數(shù)對 應的干旱等級劃分如表 1 所示.

表1 SPEI 指數(shù)對應的干旱等級Tab.1 Drought levels corresponding to the SPEI index

2.2.3 分析方法 趨勢系數(shù)利用一元線性回歸方法對 1982—2019 年 NPP 數(shù)據(jù)，逐像元分析其變化趨勢，根據(jù)趨勢系數(shù) slope 值大小和顯著性檢驗結(jié)果，可以將其劃分為 6 類，即極顯著增加（slope＞0，p＜0.01）、顯著增加（slope＞0，0.01≤p＜0.05）、不顯著增加（slope＞0，p≥0.05）、不顯著減少（slope＜0，p≥0.05）、顯著減少（slope＞0，0.01＞p≤0.05）、極顯著減少（slope＞0，p≤0.01）.

為了探究 NPP 與 SPEI 指數(shù)之間的關(guān)系，根據(jù)逐像元相關(guān)性系數(shù) R 值和檢驗結(jié)果進行相關(guān)性分析，可將結(jié)果分為 6 類.即極顯著正相關(guān)（R＞0，p＜0.01）、顯著正相關(guān)（R＞0，0.01≤p＜0.05）、不顯著正相關(guān)（R＞0，P≥0.05）、不顯著負相關(guān)（R＜0，P≥0.05）、顯著負相關(guān)（R＜0，0.01≤p＜0.05）、極顯著負相關(guān)（R＜0，p＜0.01）.

NPP 異常面積是利用某年NPP 的距平值與多年NPP 的標準差的比值，衡量NPP 偏離正常值的程 度[34]，當比值＜0 時，即為區(qū)域NPP 出現(xiàn)異常.

3 結(jié)果與分析

3.1 NPP 的時空變化特征云南省1982—2019 年的NPP 均值為889.42 g·m-2·a-1（以C 計，下同），整體上呈波動增長趨勢（圖1）；增長率為0.48 g·m-2·a-1，但未通過顯著性檢驗，說明NPP 總體變化不大.其中，熱帶森林NPP 平均值最高達1 673.29 g·m-2·a-1，NPP 最低的植被類型是其它，為385 g·m-2·a-1.

圖1 1982—2019 年云南省不同植被類型NPP 的逐年變化Fig.1 Annual variation of NPP of different vegetation types in Yunnan from 1982 to 2019

根據(jù)1982—2019 年云南省NPP 變化趨勢的空間分布可以看出（圖2），slope＞0 的區(qū)域占比達55.6%；通過顯著性檢驗（p＜0.05）的區(qū)域占比為47.8%，其中顯著增加區(qū)域占比為26%，主要集中在西雙版納地區(qū)；極顯著增加區(qū)域占比小于1%；極顯著減少區(qū)域占比15%，主要分布在昭通北部、云南西 北部的橫斷山區(qū)以及滇中大部分地區(qū).

圖2 1982—2019 年云南省NPP 的空間變化趨勢Fig.2 Spatial variation trend of NPP in Yunnan from 1982 to 2019

3.2 干旱的時空變化特征為了描述云南省干旱的整體變化特征，以SPEI-12 為基礎(chǔ)，計算歷年干旱面積比例，以此反映干旱影響范圍.由圖3 可見，1982—2019 年云南省平均干旱面積占比為24.09%，其中2012 年干旱面積占比最高（92.8%）.干旱面積占比大于50%的年份分別有2012 年（92.8%）、2010 年（79.32%）、2013 年（71.84%）、1989 年（57.75%）、2001 年（50.79%）、2011 年（50.79%），這與范曉紅等[35]研究結(jié)果接近.因此，云南省干旱面積比例波動較大，尤其是近10 年來整體呈上升趨勢.

圖3 1982—2019 年云南省干旱面積比例的時間變化特征Fig.3 Variation characteristics of drought rate in Yunnan from 1982 to 2019

為了分析云南省干旱空間分布特征，對SPEI-3、SPEI-6、SPEI-12 指數(shù)計算的干旱頻率（干旱發(fā)生月數(shù)與研究時段內(nèi)總月數(shù)的比值）分別進行插值，結(jié)果見圖4.云南大部分地區(qū)干旱發(fā)生的頻率均在30%以上.在3 個月尺度上，干旱發(fā)生頻率較高的區(qū)域集中在滇中及滇東南；在6 個月尺度上，德宏以及文山東部干旱頻率最高，達36%；而在12 個月尺度上，文山的富寧以及德宏的盈江干旱頻率高達 39%.

圖4 1982—2019 年云南省不同尺度SPEI 指數(shù)表征的干旱頻度Fig.4 Drought frequencies of SPEI index at different scales in Yunnan from 1982 to 2019

3.3 干旱對NPP 的影響

3.3.1 干旱范圍對NPP 的影響 對云南省1982—2019 年干旱面積占比和NPP 出現(xiàn)異常面積占比進行統(tǒng)計分析，發(fā)現(xiàn)干旱面積占比與植被NPP 呈顯著負相關(guān)（r=-0.703，p＜0.01）（圖5），即當遭受大規(guī)模干旱的年份，其植被NPP 很低.進一步對干旱面積比例與NPP 異常面積比例進行相關(guān)性分析發(fā)現(xiàn)（圖6）：干旱面積比例與年均NPP 異常面積比例的相關(guān)系數(shù)為r=0.556（p＜0.01），兩者呈中度相關(guān)，遭受大規(guī)模干旱的年份，其NPP 異常面積比例也會隨之增加.通過統(tǒng)計可知，當干旱面積比例從小于30%上升到30%～40%、40%～50%、大于50%時，N PP 分別下降了3.3%、4.5%、8.7%.

圖5 干旱面積比例與NPP 均值的逐年變化Fig.5 Annual variation of drought area ratio and NPP value

圖6 干旱面積比例與NPP 異常面積比例的逐年變化Fig.6 Annula variation of drought area ratio and NPP anomaly area ratio

3.3.2 干旱特征與NPP 之間的相關(guān)性分析 不同時間尺度（3 個月、6 個月、12 個月）SPEI 指數(shù)與NPP 進行相關(guān)性分析結(jié)果顯示（圖7），干旱與NPP呈極顯著正相關(guān)與顯著正相關(guān)的區(qū)域主要集中在中部的昆明、曲靖、玉溪地區(qū)，以及滇東北的昭通地區(qū)等.隨著SPEI 時間尺度增加，干旱與NPP 呈正相關(guān)的區(qū)域面積也在增加，NPP 與SPEI-3、SPEI-6、SPEI-12 的相關(guān)性通過顯著性檢驗（R＞0，p＜0.05）的面積占比分別為24%、28%、38%，長期干旱對NPP 的影響大于中短期干旱.在3 個月尺度上，干旱與NPP 呈正相關(guān)的區(qū)域主要分布在昆明、曲靖與昭通；在6 個月尺度上，干旱與NPP 呈正相關(guān)的區(qū)域擴大到大理、麗江和橫斷山區(qū)；在12 個月尺度上，干旱與NPP 呈正相關(guān)的區(qū)域廣泛分布，長期干旱對云南省植被NPP 影響最廣.

圖7 1982—2019 年云南省干旱與NPP 相關(guān)性分類結(jié)果Fig.7 Correlation between drought and NPP in Yunnan from 1982 to 2019

為了進一步了解干旱對不同植被類型NPP 的影響，對NPP 與不同尺度干旱通過顯著性檢驗的區(qū)域按植被類型進行逐像元提取，結(jié)果見表2.隨著SPEI 時間尺度增加，NPP 與干旱的顯著性水平也隨之增加，長期干旱對植被NPP 影響最大，其中熱帶森林植被NPP 與干旱呈極顯著正相關(guān)與顯著正 相關(guān)的比例在SPEI-6 時最低，SPEI-12 時最高.

表2 不同植被類型NPP 值與不同尺度SPEI 值的相關(guān)系數(shù)呈正相關(guān)的比例Tab.2 The area ratio of NPP of different vegetation types was positively correlated with the SPEI of different scales

3.3.3 NPP 對干旱的敏感性響應 敏感性指的是系統(tǒng)正常運轉(zhuǎn)時，由于氣候變化或者其他擾動而導致系統(tǒng)失靈的難易程度[36].為了進一步分析云南省NPP 對干旱的敏感性響應，對逐月NPP 距平值與同月不同尺度的SPEI 指數(shù)進行相關(guān)性分析，旨在確定干旱的敏感月份和對應的干旱尺度.SPEI-3 與NPP 距平值在5 月份相關(guān)系數(shù)最大為0.58；SPEI-6 與NPP 距平值10 月份相關(guān)系數(shù)最大為0.57；SPEI-12 與NPP 距平值5 月份相關(guān)系數(shù)最大為0.557.故對3 個月、6 個月、12 個月尺度的干旱而言，NPP 的敏感月份分別是5 月份、10 月份和5月份.10 月份SPEI-6 與NPP 距平值呈正相關(guān)的區(qū)域占比64.9%，10 月份SPEI-12 與NPP 距平值呈正相關(guān)的區(qū)域占比55.6%，NPP 在10 月份對6 個月尺度的干旱比12 個月尺度的干旱的響應更敏感.綜上所述，5 月份云南省NPP 對12 個月尺度的干旱最為敏感，10 月份NPP 對6 個月尺度的干旱最為敏感（圖8）.

圖8 1982—2019 年云南省逐月NPP 與同月不同時間尺度SPEI 指數(shù)的相關(guān)性系數(shù)Fig.8 Correlation coefficient between NPP and SPIE index on different time scales in Yunnan Province from 1982 to 2019

為了進一步探究不同植被類型NPP 對干旱的敏感性響應，確定干旱敏感月和識別對其影響最大的干旱尺度，對1982—2019 年不同植被逐月NPP距平值與同月不同時間尺度SPEI 指數(shù)的相關(guān)分析結(jié)果進行逐像元提取，并對不同植被類型逐月NPP 距平值與同月不同尺度的SPEI 指數(shù)通過顯著性檢驗（p＜0.05）的相關(guān)系數(shù)求均值（表3）.由于4—10 月為云南植被的生長季，氣候?qū)χ脖坏捻憫顬槊舾?，研究發(fā)現(xiàn)熱帶森林在6 月份的NPP 對3 個月尺度的干旱最為敏感，在8 月份對12 個月尺度的干旱最為敏感；對亞熱帶森林而言，5 月份的NPP 對3 個月尺度干旱最為敏感，10 月份NPP對于6 個月尺度的干旱最為敏感；灌叢、草地、農(nóng)業(yè)植被NPP 對于3 個月尺度的干旱最為敏感；高山 植被對6 個月尺度的干旱最為敏感.

表3 不同植被類型NPP 距平值與同月不同時間尺度SPEI 值的相關(guān)系數(shù)Tab.3 Correlation coefficients between NPP anomaly values of different vegetation types and SPEI values

4 討論與結(jié)論

4.1 討論探討生態(tài)系統(tǒng)與極端氣候的關(guān)系是近年來科學界關(guān)注的重點[37]，以往研究表明僅通過NPP 與干旱的年際關(guān)系，不能揭示干旱對生態(tài)系統(tǒng)月度生產(chǎn)的實際影響，可能會導致一些誤導性的結(jié)論[38].本研究在云南省NPP 與不同時間尺度SPEI值的相關(guān)性進行分析時，利用1982—2019 年月度NPP（共計456 個月數(shù)據(jù)）與同月不同時間尺度SPEI 值進行相關(guān)性分析時得到干旱與植被NPP 有較強的相關(guān)性.隨著干旱積累尺度的增加，干旱與NPP 相關(guān)性通過顯著性檢驗的區(qū)域也在增加，說明長期干旱對云南省植被NPP 的影響可能大于中短期干旱.

干旱面積與NPP 異常面積比例的相關(guān)性弱于趙林等[11]在湖北地區(qū)的研究結(jié)果，干旱面積與歷年NPP 相關(guān)性又強于其研究結(jié)果，但其相關(guān)性總體都達到了中等相關(guān)以上.在云南省植被NPP 干旱敏感月判別過程中，整個云南省的干旱敏感月出現(xiàn)在5 月和10 月，原因可能是5 月為云南雨季和生長季的開始期、10 月為云南雨季和生長季的結(jié)束期，這2 個月SPEI 指數(shù)出現(xiàn)異常，會對云南省植被NPP 整體上產(chǎn)生影響.對于不同的植被類型其干旱敏感月不同，對于不同時間尺度的干旱的響應亦不同，森林植被對于中長期干旱的響應最為明顯[35].熱帶森林8 月份對12 個月尺度干旱的響應最為敏感，亞熱帶森林10 月份對6 個月尺度干旱的響應最為敏感驗證了這一結(jié)論.但是，熱帶森林6 月份出現(xiàn)了對3 個月尺度干旱的敏感期、亞熱帶森林5 月份出現(xiàn)了對3 個月尺度干旱的敏感期，可能的原因是5 月份和6 月份分別是熱帶森林與亞熱帶森林的繁葉期.5 月份是灌叢、草地、農(nóng)業(yè)植被的干旱敏感月，并且它們對于3 個月尺度的短期干旱的響應最為敏感，原因在于這3 種植被類型生長期較短，且生長期集中在5 月份.不同植被類型干旱敏感月的形成機理以及植被類型在其敏感月的 耐旱性[36]，可作為今后探討的重點.

4.2 結(jié)論本研究利用氣象數(shù)據(jù)、遙感數(shù)據(jù)和植被類型數(shù)據(jù)，基于CASA 模型估算1982—2019 年云南省NPP，并結(jié)合SPEI-3、SPEI-6、SPEI-12 開展干旱對NPP 的影響分析，得出以下結(jié)論.

（1）研究區(qū)1982—2019 年NPP 平均值為889.42 g·m-2·a-1，整體上時間變化不顯著.但年均NPP 空間變化趨勢差異較大，東南部年均NPP 呈增加趨勢，北部、中部和西北部年均NPP 呈減少趨勢.

（2）研究區(qū)1982—2019 年大部分地區(qū)干旱頻率均在30%以上，隨著干旱累計尺度增加，干旱頻率大于30%的范圍也在逐漸增加.

（3）研究區(qū)干旱影響范圍與年均NPP 的相關(guān)系數(shù)為-0.703，呈現(xiàn)負相關(guān).當干旱面積比例從小于30%上升至30%～40%、40%～50%、50%以上時，NPP 分別下降3.3%、4.5%、8.7%；不同時間尺度下（3 個月、6 個月、12 個月）干旱與NPP 通過顯著性正相關(guān)關(guān)系檢驗的區(qū)域主要集中在滇中地區(qū)；隨著SPEI 積累尺度增加，不同植被類型NPP 與干旱的相關(guān)性通過顯著性檢驗的區(qū)域面積也在增加，長期干旱對NPP 影響較為顯著.

（4）研究區(qū)NPP 在5 月份對12 個月尺度的干旱最為敏感，10 月份對6 個月尺度干旱最為敏感.熱帶森林在6 月份對于3 個月尺度的干旱最為敏感，8 月份對于12 個月尺度的干旱最為敏感；灌叢、草地、農(nóng)業(yè)植被對3 個月尺度干旱最為敏感，高山植被對6 個月尺度的干旱最為敏感.