2013—2020年呼倫湖流域植被碳源/匯估算及影響因子分析

李朝暉，單 楠①，王 琪，李文靜，王增龍，包薩茹，竇華山，敖 文，龐 博，王文林

(1.生態(tài)環(huán)境部南京環(huán)境科學(xué)研究所，江蘇 南京 210042；2.國家環(huán)境保護(hù)呼倫湖濕地生態(tài)環(huán)境科學(xué)觀測研究站，內(nèi)蒙古 呼倫貝爾 021000；3.呼倫貝爾市北方寒冷干旱地區(qū)內(nèi)陸湖泊研究院，內(nèi)蒙古 呼倫貝爾 021000)

人類活動導(dǎo)致大氣中CO2、CH4等溫室氣體濃度不斷上升，逐漸影響人類生活，因此全球變暖問題受到越來越多的關(guān)注。植被凈生態(tài)系統(tǒng)生產(chǎn)力(net ecosystem productivity，NEP)指單位時間、單位面積內(nèi)植物將無機(jī)物合成為有機(jī)物的總量或固定的總能量與植被呼吸以及土壤異養(yǎng)呼吸(heterotrophic respiration，RH)之間的差值，表示植被生態(tài)系統(tǒng)碳的凈吸收或凈存儲，通常用來定量表征植被生態(tài)系統(tǒng)碳源/匯能力。當(dāng)NEP值>0時，表示生態(tài)系統(tǒng)為碳匯，反之為碳源[1-3]。碳匯(carbon sink)指森林和草地吸收大氣中的CO2，從而降低大氣CO2濃度的機(jī)制，碳匯在減緩氣候變化方面有重要作用[4]。NEP不僅與陸地生態(tài)系統(tǒng)多種要素循環(huán)緊密相關(guān)，還對全球氣候系統(tǒng)有重大影響，是表征陸地生態(tài)系統(tǒng)碳循環(huán)的一個重要指標(biāo)，對于全球碳循環(huán)研究具有重要意義，因此準(zhǔn)確監(jiān)測其時空變化格局成為區(qū)域碳收支研究的關(guān)鍵問題之一[4]。

草地生態(tài)系統(tǒng)具有防風(fēng)固沙、水源涵養(yǎng)、水土保持和生物多樣性保護(hù)等重要生態(tài)功能，是中國陸地生態(tài)系統(tǒng)重要組成部分。草原碳匯作為生物固碳重要組成部分，對于減緩全球氣候變暖具有重要意義。草原碳匯研究是保護(hù)草原、恢復(fù)退化草地的關(guān)鍵所在。同時，草原面積廣闊，通過碳固定措施開展可持續(xù)管理，既可以實現(xiàn)草原保護(hù)，又可以實現(xiàn)草原碳匯價值增收。目前，已有學(xué)者結(jié)合遙感及地面觀測數(shù)據(jù)估算了青海高原、青藏高原、三江源和內(nèi)蒙古等區(qū)域植被凈初級生產(chǎn)力(net primary productivity, NPP)和NEP，分析了不同區(qū)域植被生態(tài)系統(tǒng)碳源/匯時空格局變化及影響因素[1-2,5-7]。然而，目前針對呼倫湖流域碳源/匯的研究較少，區(qū)域碳匯功能時空格局仍不明晰。呼倫湖流域是北方防沙帶和東北森林帶交匯的重要節(jié)點(diǎn)，同時也是生物多樣性重要保護(hù)區(qū)，東北亞鳥類遷徙的重要通道和集散地。但呼倫湖流域生態(tài)環(huán)境較為脆弱，生態(tài)系統(tǒng)植被變化對區(qū)域碳匯功能具有重要影響?；?0 m高分辨率遙感數(shù)據(jù)和氣象再分析數(shù)據(jù)，采用光能利用率遙感模型和土壤呼吸模型估算呼倫湖流域不同生態(tài)系統(tǒng)植被NEP，并分析NEP時空分布格局與變化趨勢，評估各生態(tài)系統(tǒng)碳庫及其動態(tài)變化，揭示呼倫湖流域碳源/匯時空格局以及不同生態(tài)系統(tǒng)碳源/匯功能對氣候變化的響應(yīng)，研究結(jié)果可為呼倫湖流域的生態(tài)環(huán)境保護(hù)和修復(fù)、區(qū)域生態(tài)安全評估等提供支撐[8-9]。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)域為呼倫湖流域，包括呼倫湖以及流域內(nèi)主要河流(克魯倫河和烏爾遜河)、草原和林地。流域?qū)儆谥袦貛Т箨懶圆菰瓪夂騾^(qū)，流域東南部為阿爾山區(qū)域。呼倫湖流域海拔在497～1 660 m之間，呈現(xiàn)中心區(qū)域海拔較低、呼倫湖及河流周圍海拔逐漸升高的地勢特征，流域生態(tài)系統(tǒng)類型以草原和濕地為主(圖1)。

圖1 呼倫湖流域地理位置以及DEM和地物覆蓋類型

1.2 數(shù)據(jù)來源與處理

1.2.1Landsat 8遙感影像數(shù)據(jù)

Landsat 8衛(wèi)星重訪周期為16 d，成像寬幅為185 km×185 km，覆蓋呼倫湖流域約需要6景。Google Earth Engine(GEE)是由Google公司、卡內(nèi)基梅隆大學(xué)與美國地質(zhì)調(diào)查局共同開發(fā)的用于處理衛(wèi)星遙感圖像和其他地球觀測數(shù)據(jù)的云計算平臺。該研究采用GEE平臺提供的30 m空間分辨率Landsat 8地表反射率產(chǎn)品LANDSAT_LC08_C01_T1_SR。由于Landsat 8重訪周期以及呼倫湖流域云、冰雪的限制，Landsat 8對研究區(qū)不能實現(xiàn)有效且完整的覆蓋。已有研究[10]表明，對于高緯度且受云層影響較大區(qū)域，可以通過采用連續(xù)多月反射率中值(median)影像來有效解決。同時，由于7—9月夏季良好的水熱條件為植被創(chuàng)造良好生長條件，植被以生殖生長為主，光合作用能力強(qiáng)[11]。故相比于其他月份，7—9月植被固碳能力較強(qiáng)，有助于呼倫湖流域植被高固碳能力期碳匯能力的量化和描述。因此采用2013—2020年呼倫湖流域7—9月反射率中值影像作為各年反射率數(shù)據(jù)。

1.2.2MODIS數(shù)據(jù)

MOD17A2是使用1 km范圍內(nèi)每日MODIS土地覆蓋數(shù)據(jù)、fAPAP/LAI和表面氣象數(shù)據(jù)來為陸地植被提供精確且定期測量的生態(tài)系統(tǒng)生產(chǎn)力估算產(chǎn)品。該產(chǎn)品基于光能利用率模型計算得到?；贕EE平臺獲取2013—2020年呼倫湖流域7—9月均值MOD17A2產(chǎn)品，并提取NPP(代碼為PsnNet)作為NPP估算模型的驗證數(shù)據(jù)。

1.2.3氣象與輻射數(shù)據(jù)

氣象與輻射數(shù)據(jù)包括月平均氣溫(temperature, T)、月總降水量(total precipitation, TP)和月總輻射量(surface solar radiation downwards, SSRD)，均來自ECMWF ERA5氣候再分析數(shù)據(jù)集。ERA5數(shù)據(jù)集是利用物理定律將模型數(shù)據(jù)與來自世界各地的觀測數(shù)據(jù)整合成一個全球完整且一致的數(shù)據(jù)集，提供了對過去氣候的準(zhǔn)確描述。采用ERA5月均值數(shù)據(jù)(ERA5-Land monthly averaged data from 1981 to present)，提取2013—2020年7—9月的2 m高度處氣溫、總降水量和地表下行太陽輻射均值分別作為氣溫、降水量和太陽輻射月均值數(shù)據(jù)。

1.2.4地表覆蓋數(shù)據(jù)FROM-GLC

FROM-GLC為清華2017年發(fā)布的10 m分辨率全球地表覆蓋制圖數(shù)據(jù)集[12]。該數(shù)據(jù)集將全球地表覆蓋分為10類，呼倫湖流域共有8種覆蓋類型(圖1)，其中，植被類型主要包括農(nóng)田、森林、草地和濕地4類。以上述4類植被類型為基礎(chǔ)，將流域非植被類型(包括水體、不透水面和裸土)區(qū)域和面積極小的灌木林歸為其他。經(jīng)統(tǒng)計，農(nóng)田、森林、草地、濕地和其他覆蓋類型面積分別為5 513.54、28 951.17、2 780 043.79、3 205.99和468 323.52 km2，其占流域面積比例分別為0.17%、0.88%、84.60%、0.10%和14.25%。地表覆蓋數(shù)據(jù)可用來分析呼倫湖流域2013—2020年不同生態(tài)系統(tǒng)類型碳源/匯時空動態(tài)。

2 模型與方法

2.1 NEP估算模型

植被NEP為表征區(qū)域植被碳匯/源的重要指標(biāo)，NEP可以表示為植被NPP與土壤異養(yǎng)呼吸消耗碳量的差值，計算公式為

NEP(x,t)=NPP(x,t)-RH(x,t)。

(1)

式(1)中，NEP(x,t)為像元x在時間段t內(nèi)的植被凈生態(tài)系統(tǒng)生產(chǎn)力(以C計)，g·m-2；NPP(x,t)為像元x在時間段t內(nèi)的植被凈初級生產(chǎn)力(以C計)，g·m-2；RH(x,t)為像元x在時間段t內(nèi)的土壤微生物呼吸量(以C計)，g·m-2。

2.1.1光能利用率模型

采用CASA(Carnegie-Ames-Stanford approach)模型估算NPP[13]，其計算公式為

NPP(x,t)=APAR(x,t)×ε(x,t)。

(2)

式(2)中，APAR(x,t)為像元x在時間段t內(nèi)吸收的光合有效輻射，MJ·m-2；ε(x,t)為像元x在時間段t內(nèi)的實際光能利用率(以C計)，g·MJ-1。APAR(x,t)計算公式為

APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5。

(3)

式(3)中，SOL(x,t)為像元x在時間段t內(nèi)的太陽入射總輻射，MJ·m-2；FPAR(x,t)為植被對入射光合有效輻射的吸收比例，其值采用歸一化植被指數(shù)(NDVI)進(jìn)行估算，并假設(shè)在時間段t內(nèi)保持不變；0.5為植被所能利用的太陽有效輻射(波長范圍為400～700 nm)占太陽總輻射的比例估算值。

ε(x,t)計算公式為

ε(x,t)=ε0×f1(x,t)×f2(x,t)×w(x,t)。

(4)

式(4)中，f1和f2為溫度對光能利用率的2個影響系數(shù)，f1(x,t)和f2(x,t)表示溫度對光能利用率的影響；w(x,t)為水分條件對光能利用率的影響；ε0為理想狀態(tài)下植被最大光能利用率，其值參照朱文泉等[14-15]對全國植被NPP計算結(jié)果。f1(x,t)、f2(x,t)和w(x,t)計算公式為

f1(x,t)=0.8+0.02×Topt(x,t)-0.000 5×

Topt(x)2，

(5)

f2(x,t)=[1.184 ×(1+e0.3×[-Topt(x,t)-10+T(x,t)])]/

{1+e0.2×[Topt(x,t)-10-T(x,t)]}，

(6)

w(x,t)=0.5+0.5×E/Ep。

(7)

式(5)～(7)中，T(x,t)為平均氣溫，℃；Topt(x,t)為植被生長最適溫度，℃；E和Ep分別為實際蒸散發(fā)量(W·m-2)和潛在蒸散發(fā)量(W·m-2)。

2.1.2土壤呼吸模型

RH(x,t)計算公式[16]為

lnRH(x,t)=0.22+0.87×lnRs(x,t)。

(8)

式(8)中，Rs(x,t)為土壤呼吸速率，其值采用土壤呼吸模型[17]進(jìn)行估算。

Rs(x,t)=1.250×e[0.054 52×T(x,t)]×P(x,t)/

[4.259+P(x,t)]。

(9)

式(9)中，T(x,t)為像元x在時間段t內(nèi)的平均氣溫，℃；P(x,t)為像元x在時間段t內(nèi)的降水量，cm。

2.2 時空變化與氣候因子分析

年際變化率采用NEP趨勢斜率表示，NEP年際變化顯著性采用NEP值與時間序列的相關(guān)關(guān)系表示。趨勢斜率大于0表示NEP增加，反之表示NEP減少。2013—2020年NEP波動特征采用NEP變異系數(shù)CV表示。CV值越小，表示數(shù)據(jù)分布越集中，數(shù)據(jù)隨時間的波動小，穩(wěn)定性較高；反之，則表示數(shù)據(jù)隨時間序列波動大，穩(wěn)定性低。此外，溫度、降水和輻射對NEP的影響采用像元尺度的偏相關(guān)分析方法得到。由于該研究有4個變量，因此采用二階偏相關(guān)系數(shù)(partial correlation coefficient, PCC)進(jìn)行分析。

3 結(jié)果與分析

3.1 呼倫湖流域典型氣候因子與植被指數(shù)年際變化

如圖2所示，2013—2020年呼倫湖流域氣溫總體呈現(xiàn)先升高后降低趨勢，在2016年達(dá)到最高。2013—2020年流域降水量總體呈現(xiàn)先減少后增加趨勢，在2016年達(dá)到最低。2014—2017年研究區(qū)月總輻射量明顯高于平均值，表明該時期太陽入射輻射較強(qiáng)，且2014年為最大太陽入射輻射(圖2)。2013—2020年流域NDVI值呈現(xiàn)先降低后升高趨勢，在2016年達(dá)到最低值，這與降水量變化趨勢大體一致(圖2)。

3.2 呼倫湖流域植被碳源/匯時空變化特點(diǎn)

2013—2020年呼倫湖流域植被碳匯年際變化和時空變化見圖3～4。在時間尺度上，碳匯總體呈現(xiàn)先減少再增大的年際變化特征(圖3)，最大值和最小值分別為16.44和8.41 g·m-2·月-1(圖3)，碳匯年際變化率為-0.12 g·m-2·月-1，植被固碳呈輕微下降趨勢。這與研究區(qū)降水量變化趨勢相似(圖2)，與月平均氣溫變化趨勢相反(圖2)。在空間尺度上，2013—2020年呼倫湖流域碳匯高值區(qū)主要位于呼倫湖北部及西北部、克魯倫河消落帶、烏爾遜河消落帶和東南部阿爾山森林區(qū)域，低值區(qū)主要位于呼倫湖西南部、克魯倫河兩岸、烏爾遜河兩岸和阿爾山附近區(qū)域(圖4)。

圖2 2013—2020年7—9月呼倫湖流域平均氣溫(T)、降水量(TP)、月總輻射量(SSRD)和歸一化植被指數(shù)(NDVI)的年際變化

R2為決定系數(shù)，k為斜率。

圖4 呼倫湖流域2013—2020年7—9月和多年平均NEP空間分布

呼倫湖流域東南部為阿爾山森林區(qū)域，西北部為呼倫湖及其周邊的濕地和草原。研究區(qū)內(nèi)存在氣候差異，溫度和降水量空間分布不均勻。由圖5可知，就NEP經(jīng)向變化而言，呼倫湖流域碳匯功能呈現(xiàn)明顯經(jīng)度地帶性，植被類型由西向東表現(xiàn)為由草地向森林轉(zhuǎn)變，NEP值逐漸上升，碳匯增大；就NEP緯向變化而言，呼倫湖流域NEP隨緯度增加呈現(xiàn)先減小后增大特征，其主要原因為東南部低緯度地區(qū)森林為碳匯高值區(qū)。

陰影表示1倍標(biāo)準(zhǔn)差。

基于像元尺度，采用一元線性回歸分析法進(jìn)一步分析2013—2020年碳匯年際變化情況，以期獲得呼倫湖流域不同空間位置上植被碳循環(huán)在近8 a變化的區(qū)域差異性規(guī)律。如圖6所示，2013—2020年呼倫湖流域碳匯整體上呈現(xiàn)相對穩(wěn)定且輕微減少趨勢。58.29%的區(qū)域植被NEP呈減少趨勢，36.77%的區(qū)域植被NEP斜率在0～1 g·m-2·月-1之間，呈微弱增加趨勢，而斜率高于1 g·m-2·月-1的區(qū)域面積僅占4.94%，且主要分布在東南部森林區(qū)域。從NEP變異系數(shù)計算結(jié)果可知，呼倫湖流域植被NEP年際變化變異系數(shù)主要集中在0.2～0.5之間，其區(qū)域面積占比為82.52%。呼倫湖流域大部分區(qū)域碳循環(huán)狀態(tài)年際變化波動較小，總體上保持碳匯功能，但植被固碳能力總體呈下降趨勢。

圖6 2013—2020年呼倫湖流域NEP變化斜率空間分布和變異系數(shù)(CV)空間分布

3.3 不同植被類型的碳源/匯年際時序變化

研究區(qū)不同植被類型碳循環(huán)狀態(tài)有較大差異(圖7)。從NEP年際變化來看，農(nóng)田生態(tài)系統(tǒng)平均NEP表現(xiàn)為升高—降低—升高—降低趨勢，碳匯功能波動變化，NEP均值最低和最高分別為21.29和37.24 g·m-2·月-1；森林生態(tài)系統(tǒng)平均NEP值最高，碳匯功能最大，年際變化從2013年的23.88 g·m-2·月-1增大至2015年的最高值44.96 g·m-2·月-1，然后穩(wěn)定在約40 g·m-2·月-1；草地生態(tài)系統(tǒng)碳匯功能顯著低于農(nóng)田和森林生態(tài)系統(tǒng)，2014年最高(16.60 g·m-2·月-1)，2016年最低(8.33 g·m-2·月-1)；濕地生態(tài)系統(tǒng)碳匯總體高于草地，低于農(nóng)田和森林，最高值為17.96 g·m-2·月-1(圖7)。對于碳匯總量，草地生態(tài)系統(tǒng)遠(yuǎn)高于其他生態(tài)系統(tǒng)碳匯總量。結(jié)果表明，2013—2020年呼倫湖流域農(nóng)田和森林均為高固碳功能區(qū)，草地為低固碳功能區(qū)。流域內(nèi)農(nóng)田和森林面積較小，固碳總量較少，草地面積最大，碳匯總量較高。

2013—2020年研究區(qū)不同植被類型碳匯多年均值和總量以及頻數(shù)分布見圖7。從頻數(shù)分布圖〔圖7(d)〕可以看出，農(nóng)田生態(tài)系統(tǒng)NEP主要分布在20～40 g·m-2·月-1之間；森林生態(tài)系統(tǒng)NEP則主要分布在30～50 g·m-2·月-1之間，因此森林碳匯功能(38.10 g·m-2·月-1)最高；草地面積最廣，其NEP頻數(shù)分布的波峰范圍為5～20 g·m-2·月-1，因此草地碳匯總量(37.00 Tg·月-1)最高；濕地生態(tài)系統(tǒng)NEP則主要分布在小于14 g·m-2·月-1區(qū)間，碳匯總量為0.04 Tg·月-1。總體上，農(nóng)田、森林和草地碳匯功能和總量均為正數(shù)，表現(xiàn)為碳匯，碳匯能力由大到小依次為森林、農(nóng)田和草地。流域內(nèi)植被碳循環(huán)以碳匯為主，僅濕地生態(tài)系統(tǒng)少量植被表現(xiàn)為碳源〔圖7(d)〕。

(a)不同植被類型的碳匯功能年際時序變化；(b)不同植被類型的碳匯總量年際時序變化；(c)不同植被類型的多年平均NEP與NEP總量；(d)不同植被類型的NEP頻數(shù)分布。草地/50表示草地NEP總量值除以50。

3.4 呼倫湖流域植被碳源/碳匯對氣候因子的響應(yīng)

植被生長與氣候變化密切相關(guān)，對2013—2020年呼倫湖流域NEP與溫度、降水量和太陽入射輻射的偏相關(guān)系數(shù)逐像元進(jìn)行計算(圖8)。如圖8所示，呼倫湖流域植被NEP與溫度主要呈負(fù)相關(guān)，相關(guān)系數(shù)在-0.25～-1.0之間，部分區(qū)域呈正相關(guān)關(guān)系，如呼倫湖南部草原(相關(guān)系數(shù)在0～0.5之間)和東南部森林(相關(guān)系數(shù)在0.25～1.0之間)。如圖8所示，呼倫湖流域植被NEP與降水量主要呈正相關(guān)，相關(guān)系數(shù)在0.25～1.0之間，這些區(qū)域分布在呼倫湖、克魯倫河和烏爾遜河周邊草原地區(qū)以及流域東南部森林地區(qū)。呼倫湖流域植被NEP與輻射的相關(guān)性較弱，相關(guān)系數(shù)主要在-0.5～0.5之間。

圖8 2013—2020年呼倫湖流域NEP與溫度(T)、降水量(TP)和太陽入射輻射(SSRD)變化的偏相關(guān)系數(shù)

為了分析不同植被類型NEP對氣候因子的響應(yīng)差異，統(tǒng)計不同植被類型NEP與氣候因子的偏相關(guān)系數(shù)頻數(shù)(圖9)。由于草地像元數(shù)遠(yuǎn)多于其他3種植被類型，其頻數(shù)分布曲線較平滑。如圖9所示，農(nóng)田NEP受溫度影響最大，偏相關(guān)系數(shù)主要位于-0.25～-0.75和0.25～0.5之間；其受降水量和輻射影響較小，偏相關(guān)系數(shù)主要分布在-0.4～0.25之間。如圖9所示，森林NEP與溫度、降水量和輻射主要呈正相關(guān)，與各氣候因子偏相關(guān)系數(shù)在0.25～1.0之間的像元數(shù)占比分別為74.03%、67.86%和66.23%。如圖9所示，草地NEP對氣候因子響應(yīng)表現(xiàn)出明顯差異，與溫度呈負(fù)相關(guān)(偏相關(guān)系數(shù)在-1.0～-0.25之間)的像元數(shù)占草地像元總數(shù)的75.80%；與降水量呈正相關(guān)關(guān)系，偏相關(guān)系數(shù)分布在0.25～1.0之間的像元數(shù)占草地像元總數(shù)的58.91%；草地NEP與輻射相關(guān)性不明顯，偏相關(guān)系數(shù)分布在大于0.5或小于0.5的像元數(shù)占比為78.15%。如圖9所示，濕地生態(tài)系統(tǒng)NEP對溫度和降水的響應(yīng)不明顯，其與溫度和降水量呈正相關(guān)和負(fù)相關(guān)的像元數(shù)占比相差不大，其與輻射主要呈正相關(guān)，偏相關(guān)系數(shù)分布在0～0.5之間的像元數(shù)占比相對較高。

圖9 不同植被類型NEP對溫度、降水量和輻射的響應(yīng)頻數(shù)分布

從呼倫湖流域植被NEP對溫度、降水量和輻射3種氣候因子的偏相關(guān)系數(shù)分布(圖10)來看，呼倫湖流域植被生長主要受溫度和降水量影響。呼倫湖四周和烏爾遜河兩岸主要為受降水量影響區(qū)域，而呼倫湖流域西南部、南部和阿爾山附近區(qū)域則主要為受溫度影響區(qū)域。

圖10 影響呼倫湖流域植被生長的氣候主導(dǎo)因子分布

3.5 NEP估算模型精度

目前，已有研究中NEP估算模型的驗證主要是基于植被地上生物量觀測數(shù)據(jù)或研究區(qū)渦度相關(guān)通量觀測數(shù)據(jù)[1-2,5,7]。由于缺乏碳通量實測值，該研究基于MODIS NPP產(chǎn)品對模型估算結(jié)果進(jìn)行對比分析。如圖11所示，2013—2020年呼倫湖流域估算的NPP與MODIS NPP間呈顯著正相關(guān)，且相關(guān)性較高，皮爾遜相關(guān)系數(shù)分布在0.47～0.81之間。如圖11所示，2013—2020年估算NPP與MODIS NPP之間均方根誤差(RMSE)均小于7 g·m-2·月-1?？傮w來看，該研究得到的估算NPP變化趨勢與MODIS NPP具有較好一致性。

圖11 2013—2020年呼倫湖流域估算NPP與MODIS NPP皮爾遜相關(guān)系數(shù)與均方根誤差(RMSE)

4 討論與結(jié)論

4.1 討論

4.1.1氣候因子對不同植被類型NEP的影響

熱量和水分是決定植被呈地帶性分布的控制條件，不同植被類型對熱量和水分變化的敏感性存在較大差異[2,18-19]。該研究結(jié)果表明森林生態(tài)系統(tǒng)NEP受溫度、降水量和輻射3種氣候因子共同影響，且3者影響程度無明顯差異，均對森林植被生長有促進(jìn)作用。農(nóng)田生態(tài)系統(tǒng)NEP主要受溫度變化控制，而草地生態(tài)系統(tǒng)受降水量和溫度共同影響。該研究結(jié)果與以往相關(guān)研究結(jié)論[19-21]相似，均表明氣溫和降水量是植被生長主導(dǎo)因子，但其對不同植被類型的影響程度存在差異。然而大部分研究結(jié)果表明，存在對特定植被類型的影響程度高于其他氣候因子的單個特定氣候因子，筆者研究發(fā)現(xiàn)2種或3種氣候因子呈耦合影響的結(jié)論與之存在差異。多種氣候因子耦合影響可能是高緯度區(qū)域植被對氣候因子的響應(yīng)特征，較低的溫度和較少的降水量導(dǎo)致植被未達(dá)到最佳光合功能。此外，呼倫湖對流域內(nèi)植被碳匯也具有不可忽視的作用。呼倫湖流域水熱變化受流域中呼倫湖的影響和調(diào)控，區(qū)域植被生長所需的氣溫、降水與呼倫湖湖水蒸發(fā)關(guān)系密切。此外，相比于草地、森林等生態(tài)系統(tǒng)，筆者研究發(fā)現(xiàn)呼倫湖流域濕地生態(tài)系統(tǒng)NEP年際波動較小，表明研究區(qū)濕地生態(tài)系統(tǒng)對氣候因子響應(yīng)不明顯，這可能與濕地生態(tài)系統(tǒng)水熱補(bǔ)充有關(guān)。

4.1.2NEP模擬結(jié)果比較與不確定性分析

采用相同模型估算不同區(qū)域相同植被類型NEP，其結(jié)果存在一定差異。如表1所示，筆者研究估算的2013—2020年呼倫湖流域植被NEP月均值為8.41～16.44 g·m-2·月-1，多年月均值為13.22 g·m-2·月-1。劉鳳等[1]估算2000—2015年青藏高原多年NEP月均值為10.70 g·m-2·月-1，戴爾阜等[7]估算2001—2012年內(nèi)蒙古草原生態(tài)系統(tǒng)NEP月均值在4.2～12.5 g·m-2·月-1之間，與筆者研究區(qū)域相近的呼倫貝爾平原草原區(qū)多年NEP月均值為9.00 g·m-2·月-1。上述研究結(jié)果均低于筆者研究，這可能是研究區(qū)域植被類型、氣候條件和估算時段的差異導(dǎo)致。青藏高原以常綠針葉林、落葉闊葉林、高寒灌叢、高寒草原和草甸以及高寒荒漠等植被類型為主，平均海拔3 000 m以上，冬季漫長寒冷[1]。因此，青藏高原特殊地理位置和氣候條件可能導(dǎo)致植被光合條件嚴(yán)峻，植被固碳能力小于呼倫湖流域。而戴爾阜等[7]研究中植被類型為草地，筆者研究的多種生態(tài)系統(tǒng)混合(包含森林等高固碳能力植被)與之存在差異，由此導(dǎo)致植被固碳較低。此外，筆者研究估算月份為7—9月，植被生長旺盛，這降低了其他植被生長狀態(tài)低的月份對NEP月均值估算結(jié)果的影響，因此筆者研究結(jié)果高于其他研究。潘竟虎等[4]估算中國西北干旱區(qū)植被碳匯多年NEP月均值為49.33 g·m-2·月-1，遠(yuǎn)高于其他研究，這可能是因為其研究區(qū)域包括大興安嶺等森林資源豐富區(qū)域，碳匯功能強(qiáng)于其他生態(tài)系統(tǒng)，因此多年NEP均值高于以草地生態(tài)系統(tǒng)為主的其他研究模擬結(jié)果。此外，空間分辨率差異可能也是NEP估算結(jié)果存在一定差異的原因。

表1 筆者研究NEP模擬結(jié)果與其他研究模擬結(jié)果的比較

筆者研究模型估算結(jié)果有效描述了呼倫湖流域植被碳匯時空格局，但仍存在一定不確定性，主要體現(xiàn)在3個方面：(1)使用的數(shù)據(jù)來自遙感觀測和模型模擬。由于缺少實測數(shù)據(jù)，在利用NDVI數(shù)據(jù)估算植被吸收光合有效輻射(FPAR)時可能存在誤差。用于計算實際光能利用率的氣溫、降水量和太陽入射輻射等數(shù)據(jù)來自ECMWF模型氣候再分析結(jié)果，因此估算所用的實際光能利用率也存在模擬誤差。(2)光能利用率模型假設(shè)呼倫湖流域各生態(tài)系統(tǒng)植被最大光能利用率均為固定值，且保持一致。然而，已有研究[22-25]發(fā)現(xiàn)研究區(qū)植被類型、空間位置和水分脅迫等因素均會影響最大光能利用率。因此，筆者研究中最大光能利用率的估算是實際光能利用率的誤差來源之一。(3)土壤呼吸受到多種因素影響，而筆者研究土壤呼吸模型對不同生態(tài)系統(tǒng)土壤類型、植被類型和土壤微生物均采用相同的模型參數(shù)，這可能影響土壤呼吸估算的準(zhǔn)確性。

4.2 結(jié)論

基于Landsat 8遙感數(shù)據(jù)、ERA5氣候再分析數(shù)據(jù)和地表覆蓋分類數(shù)據(jù)，通過光能利用率模型估算2013—2020年呼倫湖流域碳匯時空分布特征，并分析不同植被類型碳匯時空變化規(guī)律及氣候影響因子。研究結(jié)論如下：

(1)時間尺度上，2013—2020年呼倫湖流域植被年均碳匯總體呈減少趨勢，碳匯減少區(qū)域面積占比為58.29%?？臻g尺度上，呼倫湖流域植被碳循環(huán)以碳匯為主。

(2)不同植被類型表現(xiàn)為不同碳匯/源功能。農(nóng)田和森林生態(tài)系統(tǒng)具有高固碳效率，呈高碳匯功能，草地具有較低固碳效率，呈低碳匯功能。

(3)呼倫湖流域不同生態(tài)系統(tǒng)對氣候因子響應(yīng)不同。農(nóng)田生態(tài)系統(tǒng)碳匯受溫度影響最大；森林生態(tài)系統(tǒng)碳匯受溫度、降水量和輻射共同影響，但3種氣候因子影響程度相近；草地生態(tài)系統(tǒng)碳匯主要受溫度和降水量共同影響；濕地生態(tài)系統(tǒng)碳匯對氣候因子的響應(yīng)不明顯。