黑龍江省東部森林NPP變化及未來演化模擬*

叢喜東，李琳，梁素鈺，刁云飛，劉丹

(1.黑龍江省生態(tài)研究所，黑龍江 哈爾濱 150081；2.黑龍江省生態(tài)研究所森林生態(tài)與林業(yè)生態(tài)工程重點(diǎn)實(shí)驗(yàn)室，黑龍江 哈爾濱 150081；3.黑龍江牡丹江森林生態(tài)系統(tǒng)國家定位觀測(cè)研究站，黑龍江 牡丹江 157500；4.黑龍江省氣象科學(xué)研究所，黑龍江 哈爾濱 150030)

森林生態(tài)系統(tǒng)是最大的陸地生態(tài)系統(tǒng)，森林植被凈初級(jí)生產(chǎn)力(net primary productivity，NPP)是植被活力的關(guān)鍵表征變量[1-2]，對(duì)于研究森林生態(tài)系統(tǒng)碳收支、生態(tài)系統(tǒng)服務(wù)功能及其對(duì)全球變化的響應(yīng)具有重要意義。國內(nèi)外開展了大量的森林NPP研究，主要研究方向包括時(shí)空變化特征，如嚴(yán)俊霞等[3]利用光能利用率模型模擬了吉林省陸地生態(tài)系統(tǒng)NPP，并分析其時(shí)空變化特征；孫金珂等[4]采用變化斜率法分析了多種陸地生態(tài)系統(tǒng)NPP的空間分布格局。NPP的估算方法，如以Thornthwaite Memorial模型[5]、周廣勝-張新時(shí)模型[6]等為代表的氣候生產(chǎn)力模型，以CASA(Carnegie-Ames-Stanford Approach)模型[7]、BEPS(Boreal Ecosystem Productivity Simulator)模型[8]等為代表的生物地球化學(xué)模型。驅(qū)動(dòng)因子，如張鳳英等[9]、劉文瑞等[10]、李蕓等[11]分別研究了氣候變化對(duì)長江流域、黑龍江省伊春市、吉林省的森林植被NPP的影響。隨著觀測(cè)手段和研究方法的不斷進(jìn)步，NPP的測(cè)量精度得到了一定的提高，但區(qū)域NPP的測(cè)量精度始終受限于森林生態(tài)系統(tǒng)本身復(fù)雜性的影響，目前還無法提出統(tǒng)一有效的解決方式。黑龍江省東部包括小興安嶺、長白山北部山區(qū)和三江平原，森林是我國主要糧食產(chǎn)區(qū)——三江平原的重要的生態(tài)屏障，了解該地森林NPP的過去和未來演化趨勢(shì)，對(duì)于準(zhǔn)確評(píng)價(jià)森林生態(tài)系統(tǒng)對(duì)三江平原的生態(tài)保護(hù)功能至關(guān)重要。本研究以黑龍江省東部森林生態(tài)系統(tǒng)為研究對(duì)象，采用周廣勝-張新時(shí)NPP模擬模型，通過模擬過去(2000—2022年)和未來(2023—2030年)森林NPP的時(shí)空變化特征，評(píng)價(jià)研究區(qū)森林NPP的未來發(fā)展趨勢(shì)，為當(dāng)?shù)厣仲Y源保護(hù)提供參考。

1 研究方法

1.1 研究區(qū)概況

黑龍江省東部地區(qū)地處43.42°～49.44°N、127.62°～135.08°E，包括伊春、佳木斯、牡丹江等7個(gè)市，總面積16.97×104km2；北部和東部與俄羅斯接壤，界河分別是黑龍江和烏蘇里江。研究區(qū)地勢(shì)西部和南部高、東北部低，海拔在28～1 620 m之間，三江平原位于研究區(qū)中東部，研究區(qū)西部為小興安嶺，南部為長白山北部山區(qū)；研究區(qū)平均氣溫-0.09～5.85 ℃，年降水量490.72～652.79 mm；境內(nèi)植被森林主要分布在西部的小興安嶺和長白山北部山區(qū)，耕地主要分布在東部的三江平原。

1.2 數(shù)據(jù)來源

1.2.1 遙感數(shù)據(jù)

本研究基于MODIS的MCD12Q1數(shù)據(jù)產(chǎn)品(土地類型覆蓋產(chǎn)品)提取森林分布范圍，該數(shù)據(jù)來源于美國NASA LPDAAC(The Land Processes Distributed Active Archive Center)EOS數(shù)據(jù)中心[12]，空間分辨率為500 m，是基于當(dāng)年Terra和Aqua星數(shù)據(jù)進(jìn)行的土地利用分類產(chǎn)品，產(chǎn)品包含5種不同土地覆蓋分類方案的分類結(jié)果和對(duì)應(yīng)的質(zhì)量信息數(shù)據(jù)集，本研究選用“IGBP全球植被分類方案”的分類結(jié)果，并將常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、稠密灌叢、稀疏灌叢合并為森林。

1.2.2 氣象數(shù)據(jù)

利用氣象數(shù)據(jù)計(jì)算研究區(qū)森林NPP，包括觀測(cè)數(shù)據(jù)和模式數(shù)據(jù)，其中觀測(cè)數(shù)據(jù)來源于2000—2022年黑龍江省東部地區(qū)的32個(gè)氣象臺(tái)站的逐日觀測(cè)資料，包括日平均氣溫和日降水量，實(shí)測(cè)的資料由于受臺(tái)站遷移等因素的影響，會(huì)影響數(shù)據(jù)的均一性，因此本研究參照《地面氣象觀測(cè)資料質(zhì)量控制》(QX/T 118—2010)，對(duì)資料做均一性檢查和質(zhì)量控制；模式數(shù)據(jù)使用美國宇航局地球交易所全球每日降尺度預(yù)測(cè)數(shù)據(jù)集(NEX-GDDP-CMIP6)[13]，該數(shù)據(jù)集已經(jīng)過偏差校正，空間分辨率為25 km，包含4個(gè)SSP排放情景，本研究選用SSP2-4.5和SSP5-8.5排放情景模擬研究區(qū)森林NPP，時(shí)間范圍為2000—2030年，并將數(shù)據(jù)重采樣到空間分辨率為500 m。

1.2.3 地理信息數(shù)據(jù)

選用SRTM地形產(chǎn)品V4.1版本數(shù)據(jù)作為數(shù)字高程模型(DEM)，數(shù)據(jù)來源于中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站[14]，空間分辨率為90 m，本研究將數(shù)據(jù)重采樣到空間分辨率為500 m。

1.3 研究方法

1.3.1 森林NPP模擬

本研究利用周廣勝-張新時(shí)模型[6]估算森林NPP，該模型基于植被CO2通量方程和水汽通量方程，建立年際尺度上的水分利用效率與大氣干燥度之間的關(guān)系，并結(jié)合實(shí)際觀測(cè)數(shù)據(jù)而建立。模型被Zhang[15]用于植被生產(chǎn)力模擬取得滿意效果，在模擬扎龍濕地植被生產(chǎn)力的結(jié)果也得到了驗(yàn)證[16]。

RDI=(c+dPER-ePER2)2

式中：NPP為植被凈第一性生產(chǎn)力〔tDM/(hm2·a)〕；a、b、c、d、e、f為系數(shù)，本研究中a=9.87，b=6.25，c=0.629，d=0.237，e=0.003 13，f=58.931；PDI為輻射干燥度；PER為可能蒸散率；PET為年可能蒸散量(mm)；BT為年平均生物溫度(℃)；r為年降水量(mm)；t為小于30 ℃且大于0 ℃的日均溫；T為小于30 ℃且大于0 ℃的月均溫。

1.3.2 模式數(shù)據(jù)篩選

采用Taylor綜合評(píng)分指數(shù)(Taylor skill score)[17]評(píng)估各模式在模擬研究區(qū)氣溫和降水量的表現(xiàn)(表1)，時(shí)間范圍為2015—2020年，指數(shù)公式如下。

表1 CMIP6模式在黑龍江省東部地區(qū)的Taylor綜合評(píng)分指數(shù)Tab.1 Taylor comprehensive scoring index of CMIP6 model in eastern Heilongjiang Province

式中：δm為模式標(biāo)準(zhǔn)差，δ為觀測(cè)標(biāo)準(zhǔn)差，R為觀測(cè)與模式的相關(guān)系數(shù)，R為觀測(cè)與模式的相關(guān)系數(shù)的最大值。S的范圍在0～1之間，S越大代表模式模擬效果越好。由表1可知，氣溫模擬是BCC-CSM2-MR模式表現(xiàn)最好，降水模擬是CMCC-CM2-SR5模式表現(xiàn)最好。

1.3.3 氣象數(shù)據(jù)柵格化

因歷史氣象數(shù)據(jù)來自于站點(diǎn)觀測(cè)，空間代表性較差，為更準(zhǔn)確模擬森林NPP的空間分布，本研究利用ANUSPLIN軟件包[18]對(duì)研究區(qū)氣溫?cái)?shù)據(jù)進(jìn)行柵格化處理，該軟件包使用薄板平滑樣條函數(shù)，通過統(tǒng)計(jì)和診斷數(shù)據(jù)標(biāo)準(zhǔn)誤差的分布，實(shí)現(xiàn)對(duì)噪聲多變量數(shù)據(jù)進(jìn)行透明分析和插值。該軟件包目前已被廣泛使用在與氣溫柵格化相關(guān)的研究中[19-22]。本研究應(yīng)用ANUSPLIN軟件包的Partial thin plate smoothing splines[23]方法，將經(jīng)度和緯度作為自變量，海拔作為協(xié)變量，利用SPLINA和LAPGRD模塊，生成每月空間分辨率為500 m×500 m的地面氣溫柵格數(shù)據(jù)。并利用ANUSPIN日志文件中的Signal來判斷模型是否可用，如果所選模型不適合用于插值[18]，Signal中以*符號(hào)標(biāo)出，本研究所有插值所用模型的Signal無*符號(hào)。

2 結(jié)果與分析

2.1 森林NPP時(shí)間變化

分析圖1可見，2020—2030年研究區(qū)森林NPP平均為557.90 gC/(m2·a)，過去(2020—2022年)和未來(2023—2030年)NPP均無顯著的變化趨勢(shì)(P>0.05)。分別時(shí)間段分析可見，過去的森林NPP介于428.10～657.85 gC/(m2·a)之間，平均值為(550.70±39.72)gC/(m2·a)；在不同碳排放情景下，未來NPP存在差異，SSP2-4.5情景下NPP在516.63～609.75 gC/(m2·a)，平均值為(565.07±19.16)gC/(m2·a)；在SSP2-8.5情景下，NPP在531.47～597.69 gC/(m2·a)，平均值為(571.44±24.40)gC/(m2·a)。

圖1 2000—2030年黑龍江省東部地區(qū)森林NPP時(shí)間變化

2.2 森林NPP空間分布特征

2.2.1 像元級(jí)分布特征

小興安嶺中部、長白山北部山區(qū)的西北部和東南部的NPP較高，主要在570.00～628.23 gC/(m2·a)區(qū)間；小興安嶺西北部和南部、長白山北部山區(qū)的西南部的NPP相對(duì)較低，主要在500.00～462.81 gC/(m2·a)區(qū)間。在SSP2-4.5情景下研究區(qū)域的NPP有所增加，其中增加最明顯的區(qū)域?yàn)殚L白山北部山區(qū)的西南部區(qū)域，而減少最明顯的區(qū)域在長白山北部山區(qū)的東南部區(qū)域；在SSP2-8.5情景下大部分區(qū)域的NPP也表現(xiàn)出增加的趨勢(shì)(圖2-b)，其增加和減少最明顯的區(qū)域與SSP2-4.5情景基本相同，不同的是在小興安嶺東部地區(qū)SSP2-8.5情景下NPP減少區(qū)域明顯大于SSP2-4.5情景。

圖2 黑龍江省東部森林NPP頻數(shù)分布、未來NPP與歷史NPP對(duì)比的頻數(shù)分布

進(jìn)一步分析不同時(shí)間NPP頻數(shù)的分布情況可見，歷史(圖2-a)和未來不同情景(圖2-b、圖2-c)均近似高斯分布，歷史NPP的平均值略低于未來情景下的NPP，SSP2-8.5情景下的NPP平均值較SSP2-4.5情景下高，同時(shí)，未來情景下NPP分布的集中程度高于歷史NPP，其中SSP2-8.5情景下的NPP最高。將不同未來情景下NPP與歷史NPP進(jìn)行對(duì)比，分析NPP差值的分布情況可見(圖2-d、圖2-e)，SSP2-8.5情景下的NPP的平均值和集中度均高于SSP2-8.5情景。

2.2.2 NPP空間分異特征

本研究利用標(biāo)準(zhǔn)差橢圓法，從全局和空間的角度定量解釋NPP分布的中心性、展布性、方向性和空間形態(tài)特征(圖3)。方法是統(tǒng)計(jì)10 km×10 km網(wǎng)格點(diǎn)內(nèi)NPP平均值，再基于ARCGIS 10.0平臺(tái)計(jì)算研究區(qū)NPP的標(biāo)準(zhǔn)差橢圓。

圖3 黑龍江省東部2000—2030年森林NPP分布標(biāo)準(zhǔn)差橢圓Fig.3 The standard deviation ellipse of forest NPP distribution from 2000 to 2030 in eastern Heilongjiang Province

分別歷史和未來的森林NPP空間分布特征可見，(1)分異方向，未來森林NPP空間分布的方位角有減小趨勢(shì)，2000—2022年、SSP2-4.5和SSP2-8.5情境下方位角分別為72.08°、71.19°和71.49°，既未來NPP的主導(dǎo)方向有進(jìn)一步向東北-西南方向偏移；(2)空間分布中心，NPP空間分布中心與森林分布地理中心(130.29°E、46.37°N)的平均距離為45.71 km，未來NPP空間分布中心有向北移動(dòng)的趨勢(shì)，平均移動(dòng)距離為2.56 km；(3)空間分布范圍，過去森林NPP橢圓的空間分布范圍為14.90 km2，未來橢圓范圍擴(kuò)大了0.25 km2，說明未來森林NPP分布更為分散；(4)軸比(axial ratio)是極化橢圓的長軸與短軸的比值，過去森林NPP橢圓的軸比為1.24，未來軸比平均增加了0.02，說明森林NPP有進(jìn)一步向東北-西南方向集中的趨勢(shì)。

3 討論與結(jié)論

3.1 討論

東北地區(qū)森林主要分布在大、小興安嶺和長白山區(qū)，本研究包括了小興安嶺和長白山北部區(qū)域，以溫帶落葉闊葉林和針闊混交林為主，本研究根據(jù)氣候生產(chǎn)力模型模擬研究區(qū)森林NPP平均值介于428.10～657.85 gC/(m2·a)之間，這一結(jié)果與通過其他模型估算的結(jié)果基本一致，例如陳智等[24]利用MODIS數(shù)據(jù)估算小興安嶺森林NPP在300～500 gC/(m2·a)，長白山區(qū)森林NPP大于500 gC/(m2·a)；吳玉蓮等[25]利用BIOME-BGC模型模擬長白山區(qū)闊葉紅松林NPP在473.28～703.44 gC/(m2·a)；趙國帥等[26]GLOPEM-CEVSA 模型模擬東北地區(qū)森林NPP的范圍在451～722 gC/(m2·a)之間。

氣候變化對(duì)森林植被NPP產(chǎn)生重要影響，本研究基于CMIP6氣候模式模擬森林植被NPP的未來演化趨勢(shì)發(fā)現(xiàn)，2023—2030年間森林NPP存在增加趨勢(shì)，這與很多研究結(jié)果一致[27-29]，原因與北半球高緯度地區(qū)的氣溫升高、生長季延長、凍土退化、氮沉降增加等多因素協(xié)同作用有關(guān)。但人類社會(huì)仍然要借助現(xiàn)代科技手段，在保護(hù)森林生態(tài)系統(tǒng)的基礎(chǔ)上，合理開發(fā)利用森林資源，發(fā)展綠色產(chǎn)業(yè)，加強(qiáng)受損森林修復(fù)，積極引導(dǎo)社會(huì)力量參與森林保護(hù)與修復(fù)工作，形成政府、企業(yè)、社會(huì)共同參與的格局，更好地實(shí)現(xiàn)森林生態(tài)系統(tǒng)的可持續(xù)發(fā)展。

本研究將CMIP6數(shù)據(jù)同化入氣候生產(chǎn)力模型，模擬了研究區(qū)過去(2000—2022年)和未來(2023—2030年)不同碳排放情景下的森林NPP，在模型輸入數(shù)據(jù)的處理過程中，利用Taylor綜合評(píng)分指數(shù)篩選未來氣候模式數(shù)據(jù)、利用ANUSPLIN軟件包將站點(diǎn)觀測(cè)數(shù)據(jù)柵格化，提高了地形復(fù)雜山區(qū)數(shù)據(jù)的模擬精度，這些方法的組合在山地植被NPP模擬過程中具有一定的創(chuàng)新性。

由于受到試驗(yàn)條件和野外觀測(cè)困難等因素的限制，本研究模擬的NPP數(shù)值缺乏實(shí)地觀測(cè)數(shù)據(jù)的驗(yàn)證，研究結(jié)果只能與已有相近的研究結(jié)果進(jìn)行比較，使得模型模擬結(jié)果無法得到確切的驗(yàn)證。另外，雖然本研究將氣象觀測(cè)站的氣溫?cái)?shù)據(jù)進(jìn)行了柵格化，但仍無法準(zhǔn)確反映坡向、坡位等微立地條件氣溫的變化，因此NPP模擬值與實(shí)測(cè)值會(huì)產(chǎn)生偏差，這在今后的工作中將作為重點(diǎn)開展研究。

3.2 結(jié)論

基于氣象觀測(cè)和未來情景模擬、遙感、地理信息等數(shù)據(jù)，分析過去(2000—2022年)和未來(2023—2030年)黑龍江省東部森林NPP的時(shí)空演化特征，具體結(jié)論如下。

(1)2020—2022年黑龍江省東部地區(qū)森林NPP平均為(550.70±39.72)gC/(m2·a)，無顯著變化趨勢(shì)，與之相比，在SSP2-4.5情景和SSP2-8.5情景下，2023—2030年NPP均有小幅上升，其中在SSP2-8.5情景下NPP上升幅度相對(duì)較大。

(2)小興安嶺中部、長白山北部山區(qū)的西北部和東南部的NPP較高，主要在570.00～628.23 gC/(m2·a)區(qū)間。未來情景下大部分區(qū)域的NPP有所增加，只有南部山地的東南部區(qū)域NPP存在減小的趨勢(shì)。

(3)未來情景下NPP空間分布的主導(dǎo)方向有進(jìn)一步向東北-西南方向偏移的趨勢(shì)，空間分布中心可能向北偏移2.56 km。

未來情景下研究區(qū)森林NPP總體有增加趨勢(shì)，但仍然要注意森林生態(tài)系統(tǒng)的保護(hù)和合理利用，維持森林生態(tài)系統(tǒng)的健康和可持續(xù)發(fā)展。