1982—2017 年典型干旱年的中國GPP 變化

曹玉娟， 司文洋， 杜自強(qiáng)， 梁寒雪，雷添杰， 孫 斌， 武志濤

（1.山西大學(xué)黃土高原研究所，山西 太原 030006；2.山西省黃河實(shí)驗(yàn)室，山西 太原 030006；3.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所，北京 100081；4.中國林業(yè)科學(xué)研究院資源信息研究所，北京 100091）

干旱是一種與天氣有關(guān)的自然現(xiàn)象，可在全球范圍內(nèi)造成嚴(yán)重的環(huán)境、社會(huì)和經(jīng)濟(jì)后果。它還被認(rèn)為是一種潛在的自然災(zāi)害，根據(jù)受影響的人數(shù)來看，它在所有自然災(zāi)害中排名第一［1-2］。氣候變化預(yù)計(jì)將在21 世紀(jì)中后期增加干旱的頻率和強(qiáng)度［3-7］。干旱可以通過影響生態(tài)系統(tǒng)的組成、結(jié)構(gòu)和功能來改變陸地的碳循環(huán)［8］。在極端氣候條件下，增強(qiáng)的干旱和熱浪可能改變陸地生態(tài)系統(tǒng)的結(jié)構(gòu)或功能，超出典型或正常變異的范圍［9-10］。當(dāng)植物群落利用的抗旱措施（如氣孔關(guān)閉）被植物的水力限制或進(jìn)一步脅迫時(shí)，可能會(huì)發(fā)生極端干旱導(dǎo)致的生態(tài)系統(tǒng)功能的喪失［11］。在極端干旱期間，生態(tài)系統(tǒng)功能的喪失可能會(huì)導(dǎo)致生態(tài)系統(tǒng)從碳匯向碳源轉(zhuǎn)移，從而強(qiáng)烈地影響土地與大氣之間的碳交換［11-12］。

陸地生態(tài)系統(tǒng)提供了巨大的碳匯，并在減緩CO2濃度的增加和全球變暖方面發(fā)揮著不可替代的作用［13］。陸地總初級(jí)生產(chǎn)力（GPP）是陸地生態(tài)系統(tǒng)通過植被光合作用固定的碳總量［14-16］，是碳循環(huán)的開始，反映了陸地生態(tài)系統(tǒng)的生產(chǎn)力水平［17-19］。然而，干旱的嚴(yán)重程度和頻率顯著影響了陸地GPP值的變化。近年來，干旱導(dǎo)致的全球陸地生態(tài)系統(tǒng)初級(jí)生產(chǎn)力下降更加頻繁［20-24］。2009—2010年亞馬遜地區(qū)和歐洲的干旱導(dǎo)致全球凈初級(jí)生產(chǎn)力減少了0.65 Pg C［25］，2003年一場嚴(yán)重的熱浪和干旱使整個(gè)歐洲的GPP 下降了約30%［26］。因此，定量研究重大干旱對陸地生態(tài)系統(tǒng)產(chǎn)生的影響對于碳循環(huán)變化的研究具有重要意義。

干旱指數(shù)是評價(jià)干旱最直觀且最簡單的度量指標(biāo)，它通過將一個(gè)或幾個(gè)變量（如溫度、降水和潛在蒸散發(fā)）的數(shù)據(jù)轉(zhuǎn)化為單一數(shù)值來描述干旱嚴(yán)重程度、開始和持續(xù)時(shí)間，如帕默干旱嚴(yán)重程度指數(shù)（PDSI）［27］、標(biāo)準(zhǔn)降水指數(shù)（SPI）［28］和標(biāo)準(zhǔn)降水蒸散指數(shù)（SPEI）［29］，PDSI 很大程度上依賴于土壤中的水分，同時(shí)PDSI 可能無法捕捉月度時(shí)間尺度的干旱，由于其對以往氣候條件的長期記憶，對干旱恢復(fù)也不敏感［30］，而SPI 僅基于降水異常角度。SPEI［29］是在SPI 的基礎(chǔ)上引入了相關(guān)的蒸散變量，且在時(shí)間尺度上比PDSI更靈活，因此使用范圍較廣。

目前，針對植被GPP 的估算方法主要包括生物量調(diào)查法、渦度相關(guān)法和模型模擬［31-32］，而使用較多的還是模型模擬的方法。模型模擬方法在大區(qū)域、長時(shí)序植被GPP 估算方面具有一定的優(yōu)勢［32］。許多基于衛(wèi)星數(shù)據(jù)的模型已被用于估計(jì)區(qū)域和全球尺度上的GPP，這些模型主要分為3類：基于輻射轉(zhuǎn)換效率理論的光利用效率的模型［33］、基于機(jī)器學(xué)習(xí)的模型［34］和基于植被光合作用生物物理過程的模型［35］。然而，各種研究發(fā)現(xiàn)［36-39］，由于輸入數(shù)據(jù)、模型參數(shù)和模型結(jié)構(gòu)的差異，不同模型的時(shí)空GPP數(shù)據(jù)集之間存在明顯差異。而在所有的模型預(yù)測方法中，光利用效率模型可能最有潛力充分解決GPP的時(shí)空動(dòng)態(tài)［40］。為了避免分析結(jié)果的差異性，許多研究也采用多套GPP 數(shù)據(jù)對比分析的方式進(jìn)行研究。如杜文麗等［41］的研究結(jié)果表明，2 種不同GPP數(shù)據(jù)在1980—2013 年在中國地區(qū)呈現(xiàn)的時(shí)間變化趨勢的空間分布格局較為一致；童志輝等［42］對VPM模型評估的GPP、地面測量的GPP 以及MODIS GPP產(chǎn)品（MOD17A2H）進(jìn)行了比較，發(fā)現(xiàn)不同方式評估的GPP結(jié)果存在一定差異。

基于上述背景，本文基于SPEI 和改進(jìn)后的ECLUE模型及貝葉斯多算法集成方法（GLASS）生成的2 套GPP 數(shù)據(jù)，定量探究1982—2017 年的典型干旱年份內(nèi)不同時(shí)間尺度下GPP 受不同等級(jí)干旱影響的變化情況，以期更好地了解未來氣候下的生態(tài)系統(tǒng)響應(yīng)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

1.1.1 GPP數(shù)據(jù)第一種是修正后的光能利用率模型模擬的GPP 數(shù)據(jù)集［43］。該數(shù)據(jù)集提供1982—2017 年8 d 時(shí)間尺度的全球GPP，分辨率為0.05°。GPP 數(shù)據(jù)集可在https://doi.org/10.6084/m9.figshare.8942336.v3獲得。

第二種是采用貝葉斯多算法集成方法生成的GPP數(shù)據(jù)集［44］。該數(shù)據(jù)集來源于國家科技基礎(chǔ)條件平臺(tái)——國家地球系統(tǒng)科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái)（http://www.geodata.cn），空間分辨率為0.05°，時(shí)間尺度是8 d。

1.1.2 干旱數(shù)據(jù)收集了中國國家氣候中心756 個(gè)氣象站1982—2017 年月降水、氣溫、最高和最低氣溫、風(fēng)速、相對濕度和日照時(shí)數(shù)。為了滿足無缺失數(shù)據(jù)SPEI 的計(jì)算要求，共選擇618個(gè)站點(diǎn)對不同時(shí)間尺度（月、季和年）相應(yīng)的SPEI 值進(jìn)行計(jì)算和分析，并利用反距離權(quán)重插值法將點(diǎn)數(shù)據(jù)轉(zhuǎn)變?yōu)槊鏀?shù)據(jù)。月SPEI（SPEI-1）是1 個(gè)月尺度的值，3 個(gè)月時(shí)間尺度的5、8、11月的SPEI 值（SPEI-3）分別表示研究區(qū)春（3—5 月）、夏（6—8 月）、秋（9—11 月）季SPEI 值，年SPEI（SPEI-12）是12 個(gè)月尺度的值［45］。潛在蒸散采用Penman-Monteith模型計(jì)算，通過計(jì)算全國逐月降水量與潛在蒸散的差值，從而建立不同時(shí)間尺度的水分盈虧累積序列，由于存在正負(fù)數(shù)值，采用3個(gè)參數(shù)的log-logistic概率分布函數(shù)對累計(jì)概率密度進(jìn)行標(biāo)準(zhǔn)化處理，得到對應(yīng)的SPEI 指數(shù)［46］，具體計(jì)算方法詳見文獻(xiàn)［29］。根據(jù)國家氣象局制定的《氣象干旱等級(jí)》，將SPEI指數(shù)劃分為不同的干旱等級(jí)［47-48］（表1）。

表1 SPEI的干旱分類Tab.1 Drought classification of SPEI

1.2 研究方法

典型干旱年的GPP 受干旱影響的定量化方法通過比較正常年份的長期平均GPP 和干旱年份的GPP來評估干旱的影響［49］。

式中：ΔGPP 為干旱造成的GPP 異常（可為正值或負(fù)值）；GPPdmod為干旱年的模擬值；GPPamod為正常年多年平均模擬值；GPPi為第i個(gè)正常年的模擬值；n為正常年的年數(shù)。

2 結(jié)果與分析

2.1 中國SPEI時(shí)間變化特征

分析1982—2017 年中國SPEI 的變化趨勢（每年的值為618 個(gè)站點(diǎn)SPEI 的平均值）可知，SPEI 最小的4 a 分別為2001、2004、2009 年和2011 年（圖1）。參考衛(wèi)潔［50］的文獻(xiàn)，本文選擇基于SPEI計(jì)算的5個(gè)指標(biāo)來識(shí)別典型干旱年。如表2所示，通過分析近36 a來全國618個(gè)站點(diǎn)的氣象數(shù)據(jù)計(jì)算的SPEI結(jié)果可知，發(fā)生干旱站點(diǎn)百分比最大的4 a 分別為2001、2004、2009年和2011年，沒有任何年份的輕度干旱站點(diǎn)百分比超過50%，中度干旱站點(diǎn)百分比超過20%的年份只有1986年，重度干旱站點(diǎn)百分比超過10%的年份分別為1997、2001 年和2011 年。通過以上指標(biāo)選取的結(jié)果分析表明，發(fā)生典型干旱的年份主要是2001年和2011年。

圖1 1982—2017年中國SPEI的時(shí)間變化特征Fig.1 Temporal change characteristics of SPEI in China from 1982 to 2017

表2 1982—2017年干旱程度較嚴(yán)重年份的選取結(jié)果Tab.2 Results of years with more severe drought selected from 1982 to 2017

2.2 典型干旱年對年GPP影響的定量評估

利用不同GPP 數(shù)據(jù)集，分析典型干旱年（2001年和2011 年）年尺度不同等級(jí)干旱（圖2）對GPP 的影響（圖3、表3）。由圖2～3 可知，2001 年的干旱主 要發(fā)生在華北、東北及中東部地區(qū)的北部，GPP出現(xiàn)減少的區(qū)域主要出現(xiàn)在華北、東北和中東部地區(qū)的北部；而2011年的干旱主要發(fā)生在西南地區(qū)的中南部和中東部地區(qū)的中南部，GPP 出現(xiàn)減少的區(qū)域主要出現(xiàn)在西南地區(qū)的東南部和中東部地區(qū)。由表3知，2001年輕度干旱、中度干旱、重度干旱和極端干旱造成EC-LUE GPP 損失的比例分別為7.77%、8.77%、14.04%和21.77%，GLASS GPP損失的比例分別為6.87%、7.09%、10.12%和16.01%；2011 年不同等級(jí)干旱造成EC-LUE GPP 損失的比例分別為7.00%、7.33%、9.41%和9.69%，GLASS GPP 損失的比例分別為6.49%、5.94%、7.16%和6.72%。不同等級(jí)干旱影響GPP發(fā)生了不同程度的變化，除了2011年的GLASS GPP 外，不論是2001 年還是2011 年都表現(xiàn)出極端干旱造成的GPP損失比例最大，然后依次是重度干旱、中度干旱和輕度干旱，這表明隨著干旱強(qiáng)度的梯度增加，GPP受到的損害越大。

圖2 典型干旱年的年不同等級(jí)干旱（SPEI-2）空間分布Fig.2 Spatial distributions of different levels of drought in typical drought years based on SPEI-12

圖3 典型干旱年內(nèi)受干旱影響的年均GPP變化的空間分布Fig.3 Distributions of annual GPP changes affected by drought in typical drought years

表3 典型干旱年不同等級(jí)干旱對年GPP影響的比例Tab.3 Proportion of the annual GPP affected by different levels of drought in the typical drought years /%

2.3 典型干旱年對季節(jié)GPP影響的定量評估

針對不同GPP 數(shù)據(jù)集，比較典型干旱年（2001年）期間不同等級(jí)季節(jié)性干旱（圖4）對相應(yīng)季節(jié)GPP 影響（圖5、表4）。由圖4～5 可知，春季干旱主要發(fā)生在華北中南部、東北西南部及中東部地區(qū)的北部，GPP 出現(xiàn)減少的區(qū)域主要出現(xiàn)在中國的北部地區(qū)；夏季干旱主要發(fā)生在華北、東北的中北部、中東的北部及西北的中東部，GPP 出現(xiàn)減少的區(qū)域主要出現(xiàn)在華北、東北及中東的北部；秋季干旱主要發(fā)生在華北的中東部、東北及中東部地區(qū)的中北部，GPP出現(xiàn)減少的區(qū)域主要出現(xiàn)在華北、東北和中東部地區(qū)。從表4 可知，不同等級(jí)的干旱對夏季GPP 造成損失的比例較大，輕度干旱、中度干旱、重度干旱和極端干旱對EC-LUE GPP造成損失的比例分別為11.89%、12.66%、18.61%和19.96%，GLASS GPP 的分別為10.17%、10.15%、13.47%和15.57%。2 套GPP 數(shù)據(jù)結(jié)果都表明，2001 年干旱對夏季GPP造成的損失較嚴(yán)重，然后是秋季，最后是春季。這也間接說明北方地區(qū)在夏季受到干旱的影響較大。

圖4 2001年不同等級(jí)季節(jié)性干旱（SPEI-3）空間分布Fig.4 Spatial distributions of different levels of seasonal drought in typical drought years based on SPEI-3 in 2001

圖5 2001年受干旱影響的季節(jié)性GPP變化的空間分布Fig.5 Distributions of seasonal GPP changes affected by drought in 2001

表4 典型干旱年不同等級(jí)干旱對季節(jié)GPP影響的比例Tab.4 Proportion of the seasonal GPP affected by different levels of drought in the typical drought years /%

針對不同GPP 數(shù)據(jù)集，比較典型干旱年（2011年）期間不同等級(jí)季節(jié)干旱（圖6）對相應(yīng)季節(jié)GPP的影響（圖7、表4）。由圖6～7 可知，春季干旱主要發(fā)生在西南地區(qū)的東部及中東部地區(qū)，GPP 出現(xiàn)減少的區(qū)域主要出現(xiàn)在西南地區(qū)的東部及中東部地區(qū)；夏季干旱主要發(fā)生在西南地區(qū)的中東部和中東的南部地區(qū)，GPP 出現(xiàn)減少的區(qū)域主要出現(xiàn)在華北的北部和中國的南部地區(qū)；秋季干旱主要發(fā)生在西南的中部、華北的東部和東北地區(qū)，GPP出現(xiàn)減少的區(qū)域主要出現(xiàn)在西南地區(qū)的東部及中東部地區(qū)。從表4 可知，不同等級(jí)干旱對春季GPP 造成損失的比例較大，輕度干旱、中度干旱、重度干旱和極端干旱對EC-LUE GPP 造成損失的比例分別為9.25%、12.31%、13.23%和14.32%，GLASS GPP 的分別為7.25%、8.98%、8.28%和8.75%。2 套GPP 數(shù)據(jù)結(jié)果都表明，2011 年干旱對春季GPP 造成的損失較嚴(yán)重，然后是夏季，最后是秋季。這也間接說明南方地區(qū)在春季受到干旱的影響較大。

2.4 典型干旱年對月GPP影響的定量評估

針對不同GPP 數(shù)據(jù)集，比較典型干旱年（2001年）期間各月不同等級(jí)干旱（圖8）對相應(yīng)月GPP 的影響（圖9、表5）。由圖8可知，1、2月干旱不明顯，3月干旱出現(xiàn)的范圍擴(kuò)大主要出現(xiàn)在華北的西部地區(qū)，4月干旱開始大范圍出現(xiàn)在華北中西部、東北南部、中東部地區(qū)的北部和西北部分地區(qū)。4—12 月華北地區(qū)和東北地區(qū)的干旱持續(xù)不斷且很嚴(yán)重，期間中東部地區(qū)的北部也一直伴隨著干旱，在這期間5 月發(fā)生的干旱波及范圍極廣且基本都是重度干旱，涉及的區(qū)域有華北、東北、西北及中東部地區(qū)。圖9顯示出東北和華北地區(qū)受干旱影響出現(xiàn)GPP下降的時(shí)間基本發(fā)生在5—9月，東北和西北地區(qū)主要是5月，中南、華東地區(qū)的GPP基本都集中在9月之后，但是在5月這2個(gè)地區(qū)的GPP驟降，而西南地區(qū)受到干旱的影響極小。干旱出現(xiàn)的時(shí)間和區(qū)域與GPP 下降的時(shí)間與區(qū)域基本一致。由表5 可知，不同等級(jí)干旱對GPP影響極大的時(shí)間主要發(fā)生在5—9 月，這幾個(gè)月中輕度干旱、中度干旱、重度干旱和極端干旱都導(dǎo)致GPP減少。其中，對GPP影響最嚴(yán)重的是5 月，輕度干旱對EC-LUE GPP 和GLASS GPP造成損失的比例分別為18.80%和15.63%，中度干旱對其造成損失的比例分別為22.54%和22.10%，重度干旱對其造成損失的比例分別為22.74%和15.17%，極端干旱對其造成損失的比例分別為22.91%和15.43%。這說明2001 年受干旱影響最嚴(yán)重的時(shí)間是5 月且受到極端干旱的影響最嚴(yán)重，受到影響的地區(qū)主要是華北和東北的大部分區(qū)域。

圖8 2001年不同等級(jí)月尺度干旱（SPEI-1）空間分布Fig.8 Spatial distributions of different levels of monthly drought based on SPEI-1 in 2001

圖9 2001年各月不同區(qū)域GPP受干旱影響的平均變化Fig.9 Average changes in GPP affected by drought in different regions in each month of 2001

表5 2001年不同等級(jí)干旱對月GPP影響的比例Tab.5 Proportion of the monthly GPP affected by different levels of drought in 2001 /%

針對不同GPP 數(shù)據(jù)集，比較典型干旱年（2011年）期間各月不同等級(jí)干旱（圖10）對月GPP的影響（圖11、表6）。由圖10可知，1月重度干旱就開始出現(xiàn)在華北南部和中東部地區(qū)的北部，2 月這些地區(qū)的干旱得到一定的緩和，3 月干旱主要發(fā)生在中東部地區(qū)，4、5 月干旱還是主要出現(xiàn)在中東部地區(qū)但是干旱程度明顯加強(qiáng)，6 月之后干旱開始向其他地區(qū)擴(kuò)散，逐漸轉(zhuǎn)移到西南地區(qū)的中南部并且干旱程度也開始下降。在這期間4、5月發(fā)生的干旱波及范圍極廣且干旱程度嚴(yán)重。圖11 顯示出東北地區(qū)受干旱影響出現(xiàn)GPP 下降的時(shí)間發(fā)生在4 月，西北地區(qū)主要是3月，中南、華東地區(qū)是除了2、3月基本都呈下降，華北地區(qū)主要是6 月，而西南地區(qū)主要是1月。干旱出現(xiàn)的時(shí)間和區(qū)域與GPP 下降的時(shí)間與區(qū)域基本一致。由表6 可知，不同等級(jí)干旱對GPP影響極大的時(shí)間主要發(fā)生在1月及4—8月，這幾個(gè)月中輕度干旱、中度干旱、重度干旱和極端干旱都導(dǎo)致GPP減少。其中，對GPP影響最嚴(yán)重的是1月，輕度干旱對EC-LUE GPP和GLASS GPP造成損失的比例分別為48.46%和51.16%，中度干旱對其造成損失的比例分別為86.29%和86.68%，重度干旱對其造成損失的比例分別為91.99%和91.86%，極端干旱對其造成損失的比例分別為97.91%和97.89%。這說明2011 年期間受干旱影響最嚴(yán)重的時(shí)間是1 月且受到極端干旱的影響最嚴(yán)重，受到影響的地區(qū)主要是中東部地區(qū)的大部分區(qū)域。

圖10 2011年不同等級(jí)月尺度干旱（SPEI-1）空間分布Fig.10 Spatial distributions of different levels of monthly drought based on SPEI-1 in 2011

圖11 2011年各月不同區(qū)域GPP受干旱影響的平均變化Fig.11 Average changes in GPP affected by drought in different regions in each month of 2011

表6 2011年不同等級(jí)干旱對月GPP大小影響的比例Tab.6 Proportion of the monthly GPP affected by different levels of drought in 2011 /%

3 討論

本文的目的是利用不同的GPP 數(shù)據(jù)集探究干旱對GPP 變化的影響。研究表明干旱對GPP 的影響隨著干旱強(qiáng)度的增加表現(xiàn)出越來越嚴(yán)重的損害，如研究干旱對草地凈初級(jí)生產(chǎn)力影響的結(jié)果也表明隨著干旱強(qiáng)度的梯度增加，NPP顯著降低［49-50］，但不同GPP 在不同年份的不同時(shí)間尺度上并不都是這一結(jié)論。這可能與GPP模擬過程的誤差性［43,51］和不同等級(jí)干旱出現(xiàn)的區(qū)域的植被耐旱性有關(guān)，王小紅等［52］的研究表明不同植被類型的抗旱能力不同。2001年受干旱影響最大的季節(jié)是夏季，月份是5 月，受到嚴(yán)重干旱的區(qū)域主要是在中東部北部地區(qū)、華北的大部分區(qū)域和東北的部分地區(qū)，因?yàn)槿A北地區(qū)屬于半干旱區(qū)［53］對于干旱有一定的承受能力，而東北地區(qū)對于氣候變化的影響存在滯后響應(yīng)［54］，這使得干旱影響有一定的滯后性。2011 年受干旱影響最大的季節(jié)是春季，月份是1月，受到嚴(yán)重干旱的地區(qū)主要是中東部地區(qū)的大部分區(qū)域，這可能是由于中東部地區(qū)屬于亞熱帶區(qū)域，這里的植被一年四季常綠，植物類型多樣生存條件良好但在極端條件下也很容易受到影響，在冬天時(shí)植被的生長環(huán)境本來就差，當(dāng)氣候發(fā)生較大變化時(shí)更容易造成植被的損失［55］，因此相比4、5月來說1月的損失更大。

GPP 數(shù)據(jù)模擬結(jié)果存在較大的不確定性。ECLUE GPP 和GLASS GPP 數(shù)據(jù)都是光能利用率模型模擬的結(jié)果，本研究顯示2套數(shù)據(jù)的結(jié)果基本一致，但其空間分布及數(shù)值的大小仍存在較大的差異性，這可能是由于模型選擇的不同、參數(shù)的差異及多種誤差所造成的。文中結(jié)果顯示EC-LUE GPP受不同等級(jí)干旱影響損失的GPP 比例與GLASS GPP 的比例存在一定差異，這可能是因?yàn)镋C-LUE GPP 模擬過程中整合了大氣CO2濃度、輻射成分和大氣水汽壓差［43］，這使得GPP的模擬結(jié)果嚴(yán)重受氣候因素的影響，而干旱條件下這些氣候因素會(huì)發(fā)生極大的波動(dòng)。GLASS GPP 模擬是集合目前國際上應(yīng)用廣泛的8 個(gè)光能利用率模型，集成多種算法生成了GLASS 產(chǎn)品，降低了單一算法的不確定性，保證了產(chǎn)品的精度和質(zhì)量，但這一模擬過程使用了遙感和氣象數(shù)據(jù)及基于渦相關(guān)通量站點(diǎn)的數(shù)據(jù)，然而地面數(shù)據(jù)和衛(wèi)星數(shù)據(jù)在空間尺度上存在差異，如C4作物的光合能力強(qiáng)于C3 作物，但在算法中，C3 和C4 作物的潛在光合作用沒有差異，混合像素的問題也會(huì)影響GLASS GPP 估計(jì)的精度［51］，這些因素都會(huì)使GLASS GPP的模擬結(jié)果存在偏差。

由于干旱的復(fù)雜性，目前針對不同干旱類型和不同干旱對象沒有一個(gè)單一的指標(biāo)可以描述干旱的所有時(shí)空特征，適用不同地區(qū)的干旱研究，并評價(jià)干旱對環(huán)境和社會(huì)的影響［56］。此外，不同的指數(shù)對相同的干旱事件可能產(chǎn)生不同的結(jié)果。SPEI 是一種干旱指數(shù)用來表征干旱情況，然而表征干旱的指數(shù)多種多樣，不同的干旱指數(shù)各有其優(yōu)缺點(diǎn)，利用多個(gè)指標(biāo)對比可以降低干旱評估的不確定性。如張世喆等［57］的研究結(jié)果表明，在中國SPI 和SPEI表征的干旱趨勢一致，除青藏高原高寒植被區(qū)外都呈現(xiàn)變干趨勢，但其在分布區(qū)域及范圍大小上存在一定差異。用5個(gè)干旱指數(shù)研究全球GPP對干旱的響應(yīng)特征，5 個(gè)指數(shù)表征的全球干旱趨勢具有相似性，但GPP對其的響應(yīng)存在明顯的區(qū)域差異性［58］。

本文只考慮了干旱這一單一因素，沒有研究其他因素或者干旱與其他因素之間的相互作用對GPP的影響。然而，在自然界中，有許多非生物和生物因素通過復(fù)雜的機(jī)制改變了干旱和生態(tài)系統(tǒng)之間的關(guān)系［59］，例如，空氣溫度的變化和土地利用的變化都可以增強(qiáng)或減少不同植被類型對NPP 的影響［60-61］。不同區(qū)域的氣候條件、植被類型和物候期等也存在一定差異，這種差異會(huì)導(dǎo)致某些區(qū)域的植被生長不只受到干旱的影響，還會(huì)因?yàn)槠渌蛩氐淖饔弥率笹PP的變化受到影響，如張世喆等［57］指出溫帶草原、亞熱帶常綠闊葉林和暖溫帶落葉闊葉林是受干旱和溫度共同影響較大的植被區(qū)。

4 結(jié)論

（1）年和季節(jié)尺度上，2001 年的GPP 受干旱影響嚴(yán)重區(qū)域主要在華北、東北和中東部地區(qū)的北部，2011年主要集中在西南地區(qū)的東南部和中東部地區(qū)。2001 年和2011 年的干旱都給中東部地區(qū)帶來了一定影響，2001 年的干旱主要集中在北方地區(qū)，而2011年主要集中在南方地區(qū)。

（2）月尺度上，2001 年5 月的GPP 受干旱影響最嚴(yán)重，主要集中在華北和東北的大部分區(qū)域。2011 年1 月GPP 受干旱影響最為嚴(yán)重，主要集中在中東部地區(qū)的大部分區(qū)域。2001 年干旱主要在北方地區(qū)，而2011年主要在南方地區(qū)。

（3）無論是年、季節(jié)還是月尺度，隨著干旱程度的加重，導(dǎo)致GPP 的下降率越大，極端干旱的影響最大。從季節(jié)尺度看，2001 年夏季極端干旱造成GPP下降率分別為19.96%（EC-LUE GPP）和15.57%（GLASS GPP）；2011年春季極端干旱造成GPP下降率分別為14.32%（EC-LUE GPP）和8.75%（GLASS GPP）。