1982—2020年安徽省凈生態(tài)系統(tǒng)生產(chǎn)力時(shí)空格局變化及其成因

華朗欽,張方敏,*,翁升恒,2,盧燕宇

1 南京信息工程大學(xué)應(yīng)用氣象學(xué)院氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心/江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室,南京 210044 2 福建省氣象科學(xué)研究所,福州 350007 3 安徽省氣象局氣象科學(xué)研究所大氣科學(xué)與衛(wèi)星遙感安徽省重點(diǎn)實(shí)驗(yàn)室,合肥 230031

研究表明,目前大氣CO2濃度較工業(yè)化之前升高了約50%[1]。不斷增加的大氣CO2濃度改變了全球碳循環(huán)模式[2],可能加劇了氣候變暖[3]。陸地生態(tài)系統(tǒng)與大氣之間的碳交換是全球碳循環(huán)的重要過程,是大氣CO2重要的匯[4],也是預(yù)估未來氣候變化的不確定性來源之一[5]。凈生態(tài)系統(tǒng)生產(chǎn)力(NEP)為凈初級(jí)生產(chǎn)力(NPP)減去異養(yǎng)呼吸(Rh),是定量描述陸地生態(tài)系統(tǒng)碳循環(huán)的重要指標(biāo),NEP>0表明陸地生態(tài)系統(tǒng)為碳匯,反之為碳源[6]。因此,準(zhǔn)確評(píng)估區(qū)域NEP的變化特征及對(duì)氣候環(huán)境的響應(yīng)有助于明確區(qū)域陸地生態(tài)系統(tǒng)碳收支狀況,對(duì)深入理解區(qū)域碳循環(huán)變化機(jī)制有重要指導(dǎo)意義。

陸地生態(tài)系統(tǒng)NEP受到氣候變化、大氣CO2濃度與植被結(jié)構(gòu)等因素影響[7],表現(xiàn)出較強(qiáng)的年際變化[8],在局地區(qū)域尺度上,NEP變化規(guī)律及主導(dǎo)因子并不一致。在我國(guó)不同區(qū)域開展的NEP時(shí)空變化及歸因研究結(jié)果具有明顯的區(qū)域差異。比如,李潔等[9]結(jié)合CEVSA(Carbon Exchange between Vegetation, Soil and Atmosphere)模型研究認(rèn)為東北地區(qū)NEP沒有顯著變化趨勢(shì)并且主要影響因素是降水量,劉春雨[10]基于CASA(Carnegie-Ames-Stanford Approach)模型針對(duì)甘肅省的研究發(fā)現(xiàn)NEP呈下降趨勢(shì)的主導(dǎo)因素亦為降水量,但是劉鳳等[11]基于CASA模型發(fā)現(xiàn)青藏高原NEP總體呈上升趨勢(shì),而氣溫對(duì)NEP的抑制作用且影響范圍大于降水量;龐瑞等[12]利用CEVSA模型研究發(fā)現(xiàn)西南高山地區(qū)的NEP的主要因素也是氣溫,且為負(fù)貢獻(xiàn),導(dǎo)致NEP有顯著下降趨勢(shì)。綜上所述,我國(guó)不同區(qū)域NEP的變化規(guī)律不同,主導(dǎo)因子也不一致,且研究大多集中于氣溫與降水量對(duì)NEP的相關(guān)分析,對(duì)我國(guó)東部不同區(qū)域NEP變化及驅(qū)動(dòng)因子有待深入研究。

安徽省是我國(guó)東部重要的農(nóng)業(yè)基地和重點(diǎn)林區(qū),省內(nèi)植被覆蓋度高,生態(tài)區(qū)位極為重要[13],是研究我國(guó)東部植被生態(tài)系統(tǒng)響應(yīng)氣候與環(huán)境變化的典型區(qū)域。目前,已有學(xué)者研究了安徽省生態(tài)系統(tǒng)NPP的時(shí)空變化[14],分析了安徽省壽縣農(nóng)田NEP的時(shí)間變化[15],然而,安徽省生態(tài)系統(tǒng)NEP時(shí)空格局及驅(qū)動(dòng)因子尚不明確。在全球尺度上,Chen等[7]指出CO2和氮沉降分別對(duì)全球NEP變化貢獻(xiàn)47.0%和1.1%,葉面積指數(shù)(LAI)和氣候分別貢獻(xiàn)12.4%和-28.6%。另外,Tian等[16]認(rèn)為我國(guó)東南部出現(xiàn)氮飽和導(dǎo)致其驅(qū)動(dòng)的碳吸收持平的現(xiàn)象。因此,本文基于BEPS模型模擬結(jié)果,分析安徽省NEP的時(shí)空格局變化,并在前人研究基礎(chǔ)上,分析NEP對(duì)氣候因子、植被因子和大氣CO2濃度的時(shí)空敏感性,借助通徑分析和貢獻(xiàn)率方法研究安徽省NEP時(shí)空變化歸因,以期進(jìn)一步加強(qiáng)對(duì)安徽省區(qū)域碳循環(huán)影響機(jī)制的科學(xué)認(rèn)知。

1 資料與方法

1.1 研究區(qū)概況

安徽省(29°23′—34°39′N,114°52′—119°38′E)地處我國(guó)長(zhǎng)江中下游華東地區(qū),長(zhǎng)江三角洲腹地,屬于暖溫帶半濕潤(rùn)區(qū)和亞熱帶濕潤(rùn)季風(fēng)區(qū)。1982—2020年間,年平均氣溫為15.8℃,年總降水量為1252.4 mm。安徽省以平原、丘陵為主,生態(tài)環(huán)境良好。39年來,土地利用類型發(fā)生改變的面積占全省面積的2.57%。據(jù)2010年土地利用資料統(tǒng)計(jì)(圖1),農(nóng)田為安徽省主要土地利用類型,占57.46%,其次為森林,占22.74%,主要分布在安徽省南部,草地占5.94%,水域、建設(shè)用地及未利用土地等占13.86%。

圖1 2010年的安徽省土地利用類型分布圖Fig.1 Land use map of 2010 in Anhui Province

1.2 資料

本文使用的氣象資料來源于中國(guó)國(guó)家氣候中心(http://data.cma.cn)提供的中國(guó)地面氣候資料日值數(shù)據(jù)集,包括1982—2020年全國(guó)2420個(gè)氣象站的平均氣溫(Air Temperature,Ta)、最高氣溫、最低氣溫、相對(duì)濕度、日照時(shí)數(shù)、降水量(Pre)等數(shù)據(jù),太陽(yáng)總輻射(Rad)由日照時(shí)數(shù)計(jì)算得出[17],飽和水汽壓差(VPD)作為綜合反映大氣溫濕狀態(tài)的氣候參數(shù),由Ta與相對(duì)濕度計(jì)算得出[18]。在完成異常值剔除和缺測(cè)值線性插補(bǔ)的基礎(chǔ)上,利用克里金插值方法[19]得到空間分辨率為1 km的柵格數(shù)據(jù)。1982—2020年的LAI資料來源于中國(guó)科學(xué)院地理科學(xué)與資源研究所的1 km分辨率的 GLOBMAP LAI V3產(chǎn)品,時(shí)間分辨率為8 d[20],產(chǎn)品已經(jīng)得到了很好的驗(yàn)證。土地利用類型數(shù)據(jù)來源于中國(guó)科學(xué)院地理科學(xué)與資源研究所資源環(huán)境科學(xué)與數(shù)據(jù)中心(http://www.resdc.cn),將地表類型分為耕地、森林、草地、水域、建設(shè)用地和未利用地6種類型,在本研究中不考慮水域、建設(shè)用地與未利用地,空間分辨率為1 km,并使用1980年、1990年、1995年、2000年、2010年、2015年的土地利用類型作為模型輸入的土地利用類型數(shù)據(jù)。以上插值后的空間數(shù)據(jù),借助ArcGIS工具進(jìn)一步裁剪出安徽省的柵格數(shù)據(jù)用于本研究的計(jì)算分析。1982—2020年的大氣CO2濃度資料來源于夏威夷Mauna Loa全球本底站觀測(cè)數(shù)據(jù)(https://www.ncei.noaa.gov)。為方便表述,本文分別將研究時(shí)段1982—1990年、1991—2000年、2001—2010年與2011—2020年依次表述為1980s、1990s、2000s與2010s。

1.3 NEP計(jì)算

BEPS(Boreal Ecosystem Productivity Simulator)模型是在FOREST-BGC(Forest Biogeochemical Cycles)模型基礎(chǔ)上發(fā)展的基于過程的生物地球化學(xué)模型[21]。BEPS應(yīng)用兩葉模型將冠層分為陽(yáng)葉和陰葉[22],并利用空間與時(shí)間的升尺度方案將瞬時(shí)的Farquhar光合模型轉(zhuǎn)換為日尺度上的冠層光合模擬,進(jìn)一步融合CENTURY模型的土壤生物化學(xué)模塊,實(shí)現(xiàn)對(duì)陸地生態(tài)系統(tǒng)NEP的模擬[23]。BEPS模型在中國(guó)區(qū)域的碳循環(huán)研究中已有廣泛的應(yīng)用基礎(chǔ)[24—26],具體計(jì)算過程詳見Chen等[27]和Ju等[28]。本研究采用BEPS模型計(jì)算1982—2020年的1 km NEP,并借助ArcGIS工具裁剪出安徽省的1 km NEP柵格數(shù)據(jù)用于本研究的結(jié)果分析。

1.4 統(tǒng)計(jì)方法

1.4.1重心模型

通過分析要素的重心變化,可以突顯出區(qū)域內(nèi)要素的變化趨勢(shì)與空間特征[29],公式如下:

(1)

(2)

式中,Gx、Gy分別為某一柵格數(shù)據(jù)重心的經(jīng)向、緯向坐標(biāo);n、m為柵格數(shù)據(jù)的行、列數(shù);Latij、Lonij分別為第i行、第j列格點(diǎn)的中心緯度、經(jīng)度;NEPij為柵格數(shù)據(jù)第i行、第j列格點(diǎn)上NEP的值。

1.4.2通徑分析

1.4.3敏感性系數(shù)與相對(duì)貢獻(xiàn)率

敏感性系數(shù)可以較好地反映因子對(duì)某個(gè)要素變化的響應(yīng)程度[32]。本文選取敏感性系數(shù)作為衡量各個(gè)因子對(duì)NEP影響程度的指標(biāo),計(jì)算方法如下:

(3)

式中,fi代表第i個(gè)因子;Sfi為NEP對(duì)該因子fi的敏感性系數(shù);Pfi為該因子對(duì)NEP的偏導(dǎo)數(shù),Norfi為該因子的歸一化參數(shù)。敏感性系數(shù)的絕對(duì)值越大,表明NEP對(duì)該因子的變化越敏感。敏感性系數(shù)為正,表明該因子的變化會(huì)導(dǎo)致NEP往相同趨勢(shì)變化;敏感性系數(shù)為負(fù),表明該因子的變化會(huì)導(dǎo)致NEP往相反趨勢(shì)變化。

各個(gè)因子的相對(duì)貢獻(xiàn)率由該因子的相對(duì)變化率(Rfi)與敏感性系數(shù)(Sfi)計(jì)算得出[33]:

(4)

(5)

式中,Cfi為該因子對(duì)NEP的相對(duì)貢獻(xiàn)率;Rfi為該因子在研究時(shí)段內(nèi)的相對(duì)變化率;n為因子個(gè)數(shù),本文取6;R2為決定系數(shù);year為研究時(shí)長(zhǎng),本文取39;CRfi為該因子多年變化率;Meanfi為該因子研究時(shí)段內(nèi)的平均值。

將因子對(duì)NEP的偏導(dǎo)數(shù)與某年因子距平相乘,即可計(jì)算出該因子貢獻(xiàn)的NEP理論變化:

(6)

式中,DNEP表示NEP理論變化;Dfi表示該因子貢獻(xiàn)的NEP理論變化。

2 結(jié)果分析

2.1 模型驗(yàn)證

與實(shí)測(cè)數(shù)據(jù)對(duì)比是驗(yàn)證模型的重要方式[34],本文選取已發(fā)表文獻(xiàn)中不同地區(qū)的實(shí)測(cè)數(shù)據(jù)來進(jìn)行模擬結(jié)果的驗(yàn)證,這些站點(diǎn)均分布于安徽省內(nèi)或周邊地區(qū)。根據(jù)不同地區(qū)實(shí)測(cè)數(shù)據(jù)的研究時(shí)段與植被類型,提取出相同地區(qū)相同時(shí)段的BEPS模型模擬結(jié)果進(jìn)行對(duì)比,結(jié)果如表1所示。BEPS模型模擬結(jié)果與實(shí)測(cè)數(shù)據(jù)相近,平均誤差為7.65%,可認(rèn)為BEPS模型適用于模擬安徽省及周邊區(qū)域生態(tài)系統(tǒng)的NEP。

表1 BEPS模擬的NEP和其他來源的NEP的對(duì)比Table 1 Comparison of BEPS-modeled NEP with NEP from other sources

2.2 環(huán)境植被因子變化特征

如圖2所示,各環(huán)境植被因子在1982—2020年間表現(xiàn)出了不同的變化趨勢(shì)。其中,Ta、VPD、LAI與CO2總體呈現(xiàn)顯著的增加趨勢(shì)(P<0.01),線性趨勢(shì)變化率分別為0.04 °C/a、0.002 kPa/a、0.01 m2m-2a-1與1.87×10-6/a。Rad呈現(xiàn)顯著的減少趨勢(shì)(P<0.01),線性趨勢(shì)變化率為-0.14 W m-2a-1。Pre變化趨勢(shì)不顯著(P>0.05),線性趨勢(shì)變化率為1.27 mm/a。由相對(duì)變化率可知,LAI的變化最劇烈,相對(duì)變化率為24.28%,Pre的變化最緩慢,相對(duì)變化率為3.94%。其余因子的相對(duì)變化率排序依次為CO2(19.53%),VPD(19.11%),Ta(8.72%)和Rad(-4.28%)。

圖2 1982—2020年安徽省環(huán)境植被因子的變化趨勢(shì)Fig.2 Interannual variation of environment and vegetation factors in Anhui Province from 1982 to 2020Ta:氣溫 Air temperature;Pre:降水 Precipitation;Rad:太陽(yáng)總輻射 Radiation;VPD:飽和水汽壓差 Vapor pressure deficit;LAI:葉面積指數(shù) Leaf area index;CO2:二氧化碳 Carbon dioxide

2.3 NEP時(shí)空格局

2.3.1NEP時(shí)間變化特征

如圖3可知,1982—2020年安徽省總體表現(xiàn)為碳匯,多年年均NEP為651.14 gC/m2,最小值出現(xiàn)在2000年(603.29 gC/m2),最大值出現(xiàn)在2015年(712.73 gC/m2)。研究期間雖然2000年左右NEP出現(xiàn)小幅下降趨勢(shì),但是總體表現(xiàn)為顯著的增強(qiáng)趨勢(shì)(P<0.01),39年間的線性趨勢(shì)變化率為1.10 gC m-2a-1。

圖3 1982—2020年安徽省凈生態(tài)系統(tǒng)生產(chǎn)力(NEP)年際變化 Fig.3 Interannual variation of NEP in Anhui Province from 1982 to 2020

2.3.2NEP空間變化特征

1982—2020年安徽省多年年均NEP的空間分布如圖4左部所示,整體呈現(xiàn)“南北部較高、中部較低”的分布格局。NEP小于600 gC/m2的低值區(qū)主要分布安徽中東部地區(qū),包括合肥市北部、馬鞍山市、滁州市南部、宣城市北部和銅陵市西部。NEP為600—800 gC/m2的面積占62.98%,為安徽省NEP主要分布區(qū)間,集中分布在安徽省北部和西部。NEP大于800 gC/m2的高值區(qū)占13.16%,集中分布在安徽省南部的黃山市、池州市與宣城市南部。

圖4 1982—2020年安徽省年均NEP及變化趨勢(shì)的空間分布Fig.4 Spatial distribution of average annual NEP and change trend in Anhui Province from 1982 to 2020*表示通過0.05顯著性水平

圖4右部給出了1982—2020年安徽省NEP的空間變化趨勢(shì)。由圖可知,NEP無顯著變化(P>0.05)的區(qū)域占40.12%,主要分布在安徽省西部與南部。NEP顯著減少(P<0.05)的區(qū)域占7.11%,平均線性趨勢(shì)變化率為-1.44 gC m-2a-1,主要位于安徽省西部與東南部。NEP顯著增加(P<0.05)的區(qū)域占52.77%,平均線性趨勢(shì)變化率為2.12 gC m-2a-1,主要位于安徽省北部、中部與東南部。

2.3.3安徽省各地級(jí)市NEP格局

圖5反映了1982—2020年安徽省各地級(jí)市的NEP情況。整體而言,安徽省各地級(jí)市的NEP有增強(qiáng)趨勢(shì),但絕大部分地級(jí)市NEP都呈現(xiàn)“增減增”趨勢(shì),即在1980s至1990s有較小的增加趨勢(shì),隨后出現(xiàn)下降趨勢(shì)并在2000s以后又開始呈增加趨勢(shì)。各地級(jí)市的多年均NEP最高為黃山市(874.14 gC/m2),最低為馬鞍山市(547.49 gC/m2),而各地級(jí)市的NEP年均總量最高為六安市(7.56 TgC),最低為銅陵市(1.17 TgC)。

圖5 安徽省各地級(jí)市的NEP大小及變化趨勢(shì)Fig.5 Magnitudes and change trends of NEP in all cities of Anhui Province

2.3.4NEP重心分析

1982—2020年安徽省NEP重心移動(dòng)的年際動(dòng)態(tài)變化如圖6。NEP緯度重心有顯著的增加趨勢(shì)(P<0.01),即安徽省NEP重心有向北轉(zhuǎn)移的趨勢(shì),線性趨勢(shì)變化率約0.0012°/a。NEP經(jīng)度重心的減小趨勢(shì)不顯著(P>0.05),且相比于前2000年前,在2000年以后,經(jīng)向重心波動(dòng)較大。整體看來,安徽省顯著北移的NEP重心變化與圖4右部中NEP變化趨勢(shì)一致。

圖6 1982—2020年安徽省NEP重心經(jīng)緯度的年際變化Fig.6 Interannual variation of longitude and latitude of NEP barycenter in Anhui Province from 1982 to 2020

2.4 NEP變化的歸因分析

2.4.1敏感性分析

安徽省NEP對(duì)各環(huán)境植被因子的敏感性不盡相同,且在研究時(shí)段內(nèi)表現(xiàn)出了不同的變化趨勢(shì)(圖7)。可以看出,安徽省NEP對(duì)CO2的敏感性系數(shù)的絕對(duì)值最大(0.41),其次分別為Ta(-0.40)、Rad(0.33)、LAI(0.32)和VPD(-0.21),NEP對(duì)Pre的敏感性系數(shù)絕對(duì)值最小(-0.014),即NEP對(duì)CO2的變化響應(yīng)最為敏感,對(duì)Pre的變化響應(yīng)最不敏感。

圖7 1982—2020年安徽省NEP對(duì)影響因子的敏感性系數(shù)的時(shí)間變化趨勢(shì)Fig.7 Time trends of the sensitivity coefficients of NEP to influencing factors in Anhui Province from 1982 to 2020

從敏感性系數(shù)的變化趨勢(shì)可知,NEP對(duì)LAI與CO2的敏感性呈顯著增強(qiáng)趨勢(shì)(P<0.01),對(duì)Rad的敏感性呈顯著減弱趨勢(shì)(P<0.01),對(duì)VPD的敏感性呈顯著的減小趨勢(shì)(P<0.05),對(duì)Ta和Pre的敏感性線性變化趨勢(shì)不顯著(P>0.05),且對(duì)Ta的敏感性系數(shù)呈現(xiàn)“V”型變化。整體而言,安徽省NEP對(duì)LAI、CO2的正響應(yīng)愈發(fā)敏感,對(duì)VPD變化的負(fù)響應(yīng)也愈發(fā)敏感,對(duì)Rad變化的正敏感性降低,對(duì)Ta和Pre敏感性的變化不顯著。

圖8給出了安徽省NEP對(duì)各環(huán)境植被因子的敏感性系數(shù)變化趨勢(shì)空間分布。NEP對(duì)Ta的敏感性顯著增強(qiáng)的區(qū)域占12.30%(P<0.05),主要位于蚌埠市和黃山市,而顯著減弱的地區(qū)占32.06%(P<0.05),主要位于阜陽(yáng)市、六安市、蕪湖市和宣城市。NEP對(duì)Pre和Rad和VPD的敏感性在大部分地區(qū)均表現(xiàn)為減小趨勢(shì),其中對(duì)Pre僅在1.61%的地區(qū)表現(xiàn)為顯著減小(P<0.05),主要分布在六安市、安慶市和宣城市,對(duì)Rad在65.19%的地區(qū)表現(xiàn)為顯著減小(P<0.05),主要分布在合肥市和馬鞍山市以北的地區(qū)以及零散的南部地區(qū),對(duì)VPD在48.76%的地區(qū)表現(xiàn)為顯著減小(P<0.05),主要位于安徽省西北部、中部、東南部和西南部。NEP對(duì)LAI的敏感性在72.70%的地區(qū)表現(xiàn)為顯著增強(qiáng)(P<0.05),主要分布在安徽省中部、北部和東南部,減弱的地區(qū)主要分布在南部,但大部分未通過顯著性檢驗(yàn)(P>0.05)。NEP對(duì)CO2的敏感性顯著增強(qiáng)的地區(qū)占52.35%,主要位于安徽省西北部及東南部,顯著減弱的地區(qū)占30.06%,主要分布在中西部(P<0.05)。

圖8 1982—2020年安徽省NEP對(duì)影響因子的敏感性的空間變化分布Fig.8 Spatial changes of the sensitivity coefficients of NEP to influencing factors in Anhui Province from 1982 to 2020

2.4.2通徑分析

以NEP為因變量,以各環(huán)境植被因子(Ta、Pre、Rad、VPD、LAI、CO2)為自變量進(jìn)行通徑分析。首先在進(jìn)行逐步回歸的過程中剔除了Pre,說明Pre對(duì)安徽省NEP的影響可以忽略,結(jié)果如表2和圖9。直接通徑系數(shù)絕對(duì)值排序依次為L(zhǎng)AI >CO2> VPD >Ta>Rad,表明LAI對(duì)NEP的直接影響最大。間接通徑系數(shù)之和的絕對(duì)值排序依次為VPD >Rad >Ta>LAI >CO2,其中LAI通過CO2路徑產(chǎn)生的正效應(yīng)和通過Ta、Rad與VPD路徑的負(fù)效應(yīng)相互補(bǔ)償,導(dǎo)致LAI對(duì)NEP的間接影響較小,CO2間接通徑系數(shù)較小亦是如此。VPD對(duì)NEP的直接影響和間接影響強(qiáng)度相當(dāng)且作用方向相反,綜合補(bǔ)償導(dǎo)致VPD對(duì)NEP的相關(guān)系數(shù)較小;而Ta與Rad的間接影響強(qiáng)于直接影響,且對(duì)NEP的間接影響均主要通過LAI與CO2路徑。

表2 安徽省NEP影響因子的通徑分析表Table 2 Path analysis statistics of influencing factors of NEP in Anhui Province

圖9 安徽省NEP變化通徑分析圖Fig.9 Path analysis of NEP changes in Anhui Province因子間的箭頭表示因子的相關(guān)系數(shù),因子與NEP的箭頭表示直接通徑系數(shù);ε表示剩余因子

通徑分析的剩余因子(ε)為0.45,計(jì)算得R2為0.79,說明所選的環(huán)境植被因子可以綜合解釋79%的NEP變化。NEP和各因子的相關(guān)系數(shù)絕對(duì)值排序依次為L(zhǎng)AI >CO2> Rad >Ta>VPD,決策系數(shù)絕對(duì)值排序依次為L(zhǎng)AI >CO2> VPD >Rad >Ta,其中Ta、Rad與VPD的決策系數(shù)均較小且為負(fù)數(shù),相關(guān)系數(shù)未通過0.05顯著性檢驗(yàn),表明這些因子對(duì)NEP的變化的綜合影響能力較小,而LAI和CO2的決策系數(shù)大于0.47,且相關(guān)系數(shù)均通過0.01顯著性檢驗(yàn),說明LAI和CO2為NEP變化的決定因子。

2.4.3貢獻(xiàn)分析

各環(huán)境植被因子對(duì)NEP的相對(duì)貢獻(xiàn)率計(jì)算結(jié)果如表3。根據(jù)R2可得,各環(huán)境植被因子綜合解釋了NEP占比79%的變化,與通徑分析結(jié)果一致。結(jié)合圖2和圖7可知,LAI與CO2的顯著增加(P<0.01)對(duì)NEP的增長(zhǎng)呈正貢獻(xiàn),而Ta和VPD的顯著增加(P<0.01)與Rad的顯著減小(P<0.01)對(duì)NEP的增長(zhǎng)呈負(fù)貢獻(xiàn)。盡管NEP對(duì)Ta與Rad的敏感性高于LAI(圖7),但Ta與Rad的相對(duì)變化率僅為8.27%與-4.28%,低于LAI(24.28%)與CO2(19.53%),導(dǎo)致其相對(duì)貢獻(xiàn)率低于LAI與CO2的相對(duì)貢獻(xiàn)率。由此可知,LAI與CO2的增加對(duì)NEP變化的貢獻(xiàn)最大,相對(duì)貢獻(xiàn)率均為25.23%,是NEP變化的主導(dǎo)因子,和通徑分析結(jié)果一致。

表3 影響因子對(duì)安徽省NEP變化的貢獻(xiàn)率Table 3 Contribution rate of influencing factors to NEP change in Anhui Province

圖10左部給出了環(huán)境植被因子的綜合決定系數(shù)(R2)空間分布。安徽省大部分地區(qū)的R2均大于0.6,面積占79.09%,其他20.91%的區(qū)域R2小于0.6,主要位于安徽省西北部、中部及南部,其中R2小于0.45的區(qū)域占3.76%。由此可知,環(huán)境植被因子能夠較好的解釋安徽省大部分地區(qū)的NEP空間變化。圖10右部給出了安徽省NEP空間變化的主導(dǎo)因子分布圖。其中,5.81%地區(qū)的NEP由氣候因子主導(dǎo),分布較破碎,并且大部分由Ta主導(dǎo)。LAI和CO2分別主導(dǎo)49.65%和44.54%地區(qū)NEP的變化,其中LAI為主導(dǎo)因子的地區(qū)主要分布在安徽省北部、中西部的大部分地區(qū),CO2為主導(dǎo)因子的地區(qū)主要分布在安徽省西北部與東南部的大部分地區(qū)。

圖10 NEP的決定系數(shù)(R2)及主導(dǎo)因子的空間分布圖Fig.10 Spatial distribution of determinant coefficient (R2) and dominant factor of NEP in Anhui Province

為了進(jìn)一步研究環(huán)境植被因子變化對(duì)安徽省NEP的影響,本文選取了NEP最低年(2000年)與最高年(2015年)作為典型年份,將當(dāng)年各環(huán)境植被因子與多年平均值進(jìn)行對(duì)比,并計(jì)算當(dāng)年環(huán)境植被因子對(duì)NEP變化的貢獻(xiàn)(表4)。結(jié)果表明,在NEP為最小值的2000年,除Ta偏高0.3℃外,其他環(huán)境植被因子均較多年平均偏低。僅VPD對(duì)NEP變化有正向貢獻(xiàn),其余環(huán)境植被因子對(duì)NEP均為負(fù)向貢獻(xiàn),尤其LAI偏低0.24,導(dǎo)致了NEP的大幅度減少。在NEP為最大值的2015年,Pre、LAI與CO2較多年平均偏高,Ta和Rad偏低。Pre與Rad對(duì)NEP變化有負(fù)向貢獻(xiàn),但遠(yuǎn)小于其他因子對(duì)NEP變化的正向貢獻(xiàn),特別是NEP對(duì)LAI、CO2與VPD變化的強(qiáng)烈正向響應(yīng)使得2015年安徽省NEP取到最大值。

表4 典型年份的影響因子及NEP的變化統(tǒng)計(jì)Table 4 Statistics of changes of influencing factors and NEP in typical years

3 討論

NEP受到諸多因子包括氣候因子、植被結(jié)構(gòu)、土壤條件和土地利用等影響,表現(xiàn)出較大的分異[40—41]。以往針對(duì)區(qū)域NEP的研究多關(guān)注氣候因子的變化(如Ta、Pre等)[9—12],本文將植被因子與CO2濃度變化一并考慮,得出LAI與CO2為影響安徽省NEP的主導(dǎo)因子,這和Chen等[7]的全球研究結(jié)論一致?？焖僭鲩L(zhǎng)的LAI(圖2)表明植被可以進(jìn)行光合作用的部分增多,能夠更加充分的接收和利用物質(zhì)與能量,有利于生態(tài)系統(tǒng)的碳吸收。CO2對(duì)NEP的影響主要表現(xiàn)為CO2的施肥效應(yīng),其濃度增加既能加快羧化反應(yīng)速率來促進(jìn)光合作用[42],也能提高植被的水分利用效率[43],對(duì)植被的碳吸收有很強(qiáng)的促進(jìn)作用[44]。但值得關(guān)注的是,隨著CO2濃度的不斷上升,這種促進(jìn)作用可能會(huì)逐漸變小[45]。

另一方面,與其他區(qū)域如東北[9]和西北[10]相比,安徽省NEP與Pre無顯著相關(guān)關(guān)系(P>0.05),因?yàn)榘不帐√幱趤啛釒駶?rùn)區(qū),研究期間年均降水量基本超過900 mm,水分條件足夠,因此,NEP對(duì)Pre的變化不敏感。有研究指出,當(dāng)土壤水分充分供應(yīng)時(shí)植被會(huì)出現(xiàn)由VPD驅(qū)動(dòng)的氣孔關(guān)閉[46],氣孔導(dǎo)度的下降會(huì)阻礙CO2進(jìn)入葉片,顯著降低光合作用,限制系統(tǒng)的碳吸收[47]。本研究發(fā)現(xiàn)NEP對(duì)VPD的敏感性遠(yuǎn)大于對(duì)Pre的敏感性,且VPD是對(duì)安徽省NEP變化貢獻(xiàn)最大的氣候因子,與Konings等[48]對(duì)美國(guó)草地研究的結(jié)論一致。這表明,作為綜合反映大氣溫濕狀態(tài)的VPD,在濕潤(rùn)半濕潤(rùn)地區(qū)對(duì)生態(tài)系統(tǒng)NEP的影響可能大于降水的影響,其作用在未來研究中值得加強(qiáng)關(guān)注。

安徽省北部土地利用類型基本均為農(nóng)田,根據(jù)安徽省統(tǒng)計(jì)年鑒[49],安徽省農(nóng)田產(chǎn)量從4324 kg/hm2(1998年)增加至5926 kg/hm2(2020年),間接說明農(nóng)田植被狀況趨向更好。Chen等[41]指出,相比于其他土地利用類型,農(nóng)田碳交換往往與植被因子更為密切相關(guān)。同時(shí),本研究發(fā)現(xiàn)安徽省的LAI在西部和北部的大多數(shù)區(qū)域表現(xiàn)為顯著增加趨勢(shì)(P<0.05),在東南部小區(qū)域?yàn)轱@著減少趨勢(shì)(P<0.05)(圖11),這和NEP對(duì)LAI敏感性的變化趨勢(shì)(圖8)在空間上高度一致,這種敏感性變化與因子變化較為一致的配置,對(duì)安徽省西部和北部NEP的增加十分有利,導(dǎo)致安徽省北部NEP增長(zhǎng)速率大于南部,故此,安徽省NEP重心明顯北移。

圖11 1982—2020年安徽省LAI變化趨勢(shì)空間分布圖 Fig.11 Spatial distribution of LAI change trend in Anhui Province from 1982 to 2020

本研究考慮的環(huán)境植被因子對(duì)NEP變化的綜合解釋能力為79%,表明21%的NEP變化未被解釋,即仍有其他影響安徽省NEP的因子未被考慮。研究表明,人工對(duì)農(nóng)田與森林的經(jīng)營(yíng)管理、樹齡、氮沉降等因素也會(huì)影響生態(tài)系統(tǒng)的NEP變化[50—52],如氮沉降與CO2的協(xié)同作用有利于生態(tài)系統(tǒng)的碳吸收[53—54],也有學(xué)者關(guān)注到了物候,尤其是秋季物候?qū)δ觌HNEP變化的影響[55—56]。因此,在今后的研究中可以加以考慮,進(jìn)一步明確NEP對(duì)其他環(huán)境因子的響應(yīng)規(guī)律,以提高安徽省碳匯的解釋能力。

4 結(jié)論

本文在采用經(jīng)驗(yàn)證的BEPS模型模擬結(jié)果,分析了安徽省NEP時(shí)空變化及NEP對(duì)環(huán)境植被因子敏感性的時(shí)空變化,進(jìn)一步量化了環(huán)境植被因子對(duì)NEP時(shí)空變化的相對(duì)貢獻(xiàn)率,探究了安徽省NEP時(shí)空變化的驅(qū)動(dòng)因子,得出以下主要結(jié)論:

(1)1982—2020年,安徽省多年年均NEP為651.14 gC/m2,線性趨勢(shì)變化率為1.10 gC m-2a-1,總體呈現(xiàn)顯著增加趨勢(shì)(P<0.01)。在空間上,NEP表現(xiàn)為“南北部較高,中部較低”的分布,NEP顯著減少(P<0.05)的區(qū)域占7.11%,主要位于安徽省西部與東南部。NEP顯著增加(P<0.05)的區(qū)域占52.77%,主要位于安徽省北部、中部與東南部。NEP重心有顯著的北移趨勢(shì)(P<0.01)。

(2)敏感性分析結(jié)果表明,安徽省NEP對(duì)CO2的變化最為敏感,其次分別為Ta、Rad、LAI、VPD和Pre。LAI與CO2的增加對(duì)安徽省NEP有正向貢獻(xiàn),Ta與VPD的增加和Rad的減小對(duì)安徽省NEP有負(fù)向貢獻(xiàn),Pre無顯著變化且對(duì)安徽省NEP的影響較小?？臻g分布上,NEP對(duì)氣候因子(Ta、Pre、Rad和VPD)的敏感性總體為減少趨勢(shì)為主,NEP對(duì)LAI與CO2的敏感性總體以增加趨勢(shì)為主。

(3)通徑分析結(jié)果表明,LAI與CO2對(duì)NEP主要表現(xiàn)為直接影響。其他環(huán)境植被因子中Ta與Rad對(duì)NEP的間接影響較大,且主要通過LAI與CO2路徑實(shí)現(xiàn),而VPD對(duì)NEP的直接與間接影響強(qiáng)度相當(dāng)且方向相反,相互補(bǔ)償后導(dǎo)致VPD與NEP相關(guān)系數(shù)較小。

(4)環(huán)境植被因子綜合解釋了安徽省NEP 79%的時(shí)空變化。其中,LAI與CO2是NEP變化的主導(dǎo)因子,相對(duì)貢獻(xiàn)率均為25.23%。其余因子相對(duì)貢獻(xiàn)率依次為VPD(-13.07%)、Ta(-10.85%)和Rad(-5.01%)。空間上,LAI和CO2分別主導(dǎo)了面積占比為49.65%和44.54%的NEP變化,其余因子的主導(dǎo)面積占比依次為Ta(4.55%),VPD(0.69%)和Rad(0.57%)。