ACTA Scientiarum Naturalium Universitatis Pekinensis
Assessment of Climate Change Impact on Gross Primary Productivity of Ecosystems in Temperate Northern China
College of Urban and Environmental Sciences, Laboratory for Earth Surface Processes (MOE), Peking University, Beijing 100871; † Corresponding author, E-mail: sh-zhao@urban.pku.edu.cn
Abstract Observed daily temperature and precipitation from 121 meteorological stations and satellite-based 8day average gross primary productivity (GPP) from MOD17A2 are utilized to develop the linear correlation models between 8-day accumulated average temperature, maximum temperature, minimum temperature, precipitation and accumulated GPP in the monsoon zone in Northern China during 2000–2013. Based on the derived thresholds and coefficients of these models, variability in the starting date of GPP accumulation, length of GPP accumulating period, ending date of GPP accumulation as well as GPP accumulation rate on forest, grassland and cropland ecosystems are investigated under two Representative Concentration Pathways (RCP4.5 and RCP8.5) of the Regional Spectral Model (RSM). Finally, the substantial impacts of climate changes including maximum, average, minimum temperature and precipitation on ecosystem productivity are evaluated. Results suggest that average and minimum temperature can predict GPP more accurately than maximum temperature and precipitation. Besides, the starting and ending dates of GPP accumulation are sensitive to the variability in four climatic factors whereas the GPP accumulation period and rate are more sensitive to the variability in average and maximum temperature. Additionally, future climate changes tend to prolong the GPP accumulation period and increase the GPP accumulation rate, thus increasing GPP. Key words temperature; precipitation; gross primary productivity; variability in accumulation
自工业革命以来, 全球大气中温室气体浓度迅速升高, 由此引发的全球气候变暖问题备受关注[1]。陆地生态系统通过改变地表反照率、陆表水循环、温室气体源和汇及能量平衡过程影响区域及全球气候变化。生态系统生产量的研究最早可追溯到 19世纪 Ebermayer[2]对巴伐利亚森林物质生产量的测定。Running 等[3]根据植被生长过程中的初级生产量和呼吸作用建立过程模型, 基于归一化植被指数、叶面积指数和吸收光合有效辐射等遥感数据,综合考虑光照、温度和水分对总初级生产量(gross primary productivity, GPP)的影响, 估算全球陆地生物圈的初级生产量, 并在计算根、叶等呼吸作用的基础上, 估算年净初级生产量(net primary productivity,
[4] NPP)。Reeves 等 对比蒙大拿和北达科他州各城镇遥感产品(MODIS GPP)估算的小麦产量与实际观测小麦产量, 验证了利用 MODIS GPP 数据预估小麦产量的有效性。此外, 基于经验模型改进得到的生物地球化学模型(BIOME-BGC, CENTURY和 TEM)及动态描述生态系统结构和功能对气候变化瞬时反映的生物地理模型(BIOME2, DOLY 和MAPSS)也得到广泛的应用[5–7]。基于涡度通量观测塔的地表观测数据常用于验证 MODIS GPP 数据的
[8] [9]准确性 。Rahman 等 基于涡度通量塔观测的总初级生产量, 引入植被指数和地温, 建立气温和绿度模型(TG 模型), 估算落叶林和常绿林的总初级生产量, 结果表明 TG 模型的估算比 MODIS GPP 更接近涡度通量塔的观测值。Zhang 等[10]分析不同生态系统类型、地理位置和气候对全球 NPP 与 GPP比值的影响, 表明该比值对气温、降雨及地理因素
[11] (如经纬度等)具有较高的依赖性。Weiskittel 等对美国西部森林总初级生产量、气候和生境指数关系的研究中表明, GPP 与气候因子的相关性显著高于气候因子与生境指数的相关性。
随着 CO2浓度增加, 气温升高, 呼吸、蒸腾作用等增强, 养分的分解速率加快, 叶片寿命及根的活动周期都将缩短, 因此未来高温极可能威胁森林和草地的生长及生态系统生产量的累积[12–13]。Williams[14]利用地球系统模型研究生态系统生产量,结果表明, 在气温升高、CO2 浓度增加的未来, 热浪和极端干旱极有可能给生产量的提高带来压力。此外, Allen 等[15]对干旱和热浪引起的树木死亡的研究也揭示了气候变化对森林生产量的潜在威胁。Zhao 等[16]发现 2000—2009 年间的干旱引起全球陆 地净初级生产量减少。除高温引起的干旱外, 水分变化也会影响生态系统的总初级生产量。Mo 等[17]利用蒸散和遥感生产量数据, 基于植被界面过程模型, 分析中国东北松花江盆地蒸散变化对总初级生产量的影响及其时空分布。现有研究大多基于观测数据或生态过程模型估算当下生态系统生产量的变化, 较少涉及评价未来气候变化对生产量累积的影响。本文选取中国北方季风区内东北地区的森林生态系统、华北平原的农田生态系统及内蒙古干旱半干旱地区的草地生态系统, 以 2000—2013 年地表观测气象资料(气温和降水)及基于遥感产品的 8 天平均总初级生产量数据(MOD17A2)为基础, 选取气温和降水对总初级生产量影响最显著的区间, 分别建立累积气温、降水与累积总初级生产量的相关模型, 借助模型所得区间的阈值及参数, 计算区域模式(RSM)本底时期 10 年(1996—2005 年)和未来 10 年(2041—2050 年)两种排放情景(RCP4.5 和 RCP8.5)下森林、草地和农田生态系统总初级生产量的累积开始和结束日期、累积时期以及累积速率的变化, 分析气温和降水对总初级生产量累积的影响, 并综合评价气候变化对生态系统总初级生产量累积的影响。
1 数据和方法1.1研究区域
研究区域位于中国北方季风区, 地理坐标为33°41′N—53°33′N, 97°32′E—135°05′E, 主要包括东北地区的森林生态系统、华北地区的农田生态系统及内蒙古干旱与半干旱地区的草地生态系统。自南向北分别跨暖温带、中温带与寒温带, 具有典型的温带季风性气候特征。自东向西, 从湿润区、半湿润区过渡到半干旱地区, 年降雨量自 1000 mm 降至 200 mm以下。研究区域位置见图 1。
1.2 数据1.2.1 遥感数据
遥感土地覆被类型产品(MCD12Q1)中, 马里兰大学的分类方法将土地覆被分为水体、常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混交林、草地、农田和城市等 14 个大类(https://lpdaac.usgs. gov/products/modis_products_table/mcd12q1)。该产品以较高空间分辨率(500m)覆盖全球, 在以往研究中得到广泛应用[18–19]。本文基于该产品, 提取研究区域 2010 年土地覆被类型信息。根据研究区域内
植被类型的覆盖度, 最终选取混交林(mixed forest, 14.06%)、草地(grassland, 33.84%)和农田(cropland, 31.75%)分别作为本文研究的森林(MF)、草地(GL)和农田(CL)三大生态系统(见图 1)。行政边界图来自国家基础地理信息中心(http://ngcc.cn/article/sjcg/ dlg/)。
生态系统生产量数据采用 MODIS 总初级生产量/净初级生产量工程(MODIS GPP/NPP Project)提供的 2000—2013 年 8 天平均总初级生产量数据(MOD17A2, http://www.ntsg.umt.edu/project/mod17), 空
[20]间分辨率为 1 km。Turner 等 选取极地苔原、阔叶林、草原、农田等 9 个样点, 在生态系统尺度上,利用涡度相关通量塔和定点观测的净初级生产量验证 MOD17 总初级生产量和净初级生产量, 结果表明 MODIS 计算总初级生产量和净初级生产量较准确。该套数据集在以往的研究中已得到广泛应用[21–23]。
1.2.2 气象数据
气象数据来自中国气象数据共享服务网公布的中国地面气候资料日值数据集(V3.0)。经过质量控制后, 相对于以往发布的地面同类数据产品, 该数据集的质量及完整性明显提高, 各要素数据的实有率普遍在 99%以上, 数据的正确率均接近 100%。本文选取该数据集 2000—2013 年研究区域内 121个气象站点逐日平均、最高、最低气温, 日总降雨 量等基本气象要素资料(http://cdc.cma.gov.cn/home. do)。站点分布见图 1。
1.2.3 模式数据
本文选取区域模式(Regional Spectral Model, RSM)下本底时期 10 年(1996—2005 年)以及未来10 年(2041—2050 年)两种代表性浓度路径 RCP4.5和 RCP8.5 (representative concentration pathways, RCPS)提供的逐日平均、最高、最低气温(K)和降雨(kg/(m2.s)), 空间分辨率为 0.44°。该区域模式由国家环境预测中心(NCEP)开发。RCP4.5 情景是通过一系列新技术和政策的使用, 减少温室气体的排放,从而使总的辐射强迫变化在 2100 年以前稳定下来,是一种相对稳定的情景[24]; 而 RCP8.5 情景下, 温室气体排放持续增加, 是温室气体浓度最高的代表性情景[25]。
1.3 研究方法
以站点所在及周围共计 9 个栅格的平均值代表气象站点所能代表的总初级生产量; 提取站点所在栅格的气候模式属性值, 建立站点未来气象数据序列; 利用前后年份同期均值对气象资料中的异常值和缺测值进行插值; 调整逐日气象资料时间分辨率为 8 天平均, 并进行累加, 计算累积气候因子。气候因子的选择主要借鉴作物生长对积温和水分的要求、高温事件对作物生长的影响及作物生长过程中有机质累积的思想, 因此气候因子分别选取平均、
最高、最低气温和降雨量。
根据 121 个站点累积气候因子和累积总初级生产量的变化特征, 经过大量拟合实验后, 确定选择线性拟合较好的区间, 建立气候因子与总初级生产量的相关模型, 基于 121 个站点建立如式(1)所示的一元线性气候相关模型:
Y=AX +b, (1)其中, Y为累积总初级生产量, X 为累积气候因子, a和b分别为模型参数。
建模区间定义如表 1 所示。定义选取的气候因子累积区间为区间 1, 选取的总初级生产量累积区间为区间 2。累积最低、平均气温和总初级生产量的模型区间选取遵循以下原则: 区间 1, 以累积气温最低值的日期为起点, 累积气温最高值的日期为终点; 区间 2, 总初级生产量开始累积的日期为起点, 总初级生产量的累积量达到最高并不再增加的日期为终点; 取两区间的相交区间为累积最低气温(平均气温)与累积总初级生产量的建模区间。累积最高气温、降雨量和累积总初级生产量的模型区间选取遵循以下原则: 区间 1, 累积最高气温或降雨量的增加量达到最大值的日期为起点, 累积气温或降雨增加至最高值并不再增加的日期为终点; 区间2, 总初级生产量开始累积的日期为起点, 总初级生产量的累积量达到最高并不再增加的日期为终点;取两区间的相交区间为累积最高气温(降雨量)与累积总初级生产量的建模区间。用拟合优度(R2)和均方根误差(RMSE)评价模型的模拟效果。
表 1 中, actmin, actavg, actmax 和 acprep 分别为累积最低、平均、最高气温和降雨量。∆actmax和∆ acprep 为累积最高气温和累积降雨量的增加量,由式(2)计算得到: ∆actmax=tmaxi- Tmaxi-1, ∆acprep=prepi-prepi-1, (2) i 为第 i 个 8 天, i-1 为前一个 8 天, 并且 1<i≤46。定义总初级生产量累积开始日期为建模区间起点, 累积结束日期为建模区间终点, 累积时期为区间长度, 累积速率为建模区间内累积总初级生产量与区间长度的比值。用未来 10 年 4 类气候因子估算的总初级生产量累积开始日期、累积时期、累积结束日期和累积速率的均值( F10 )与模式 10 年本底时期相应变量的均值( F10 )之差 ∆F 评价未来气候变化对总初级生产量累积的影响, 见式(3)~(6)。10 F i 1 10 10 F i 110
其中, F ,F分别为模式未来 10 年和本底 10 年中
i i第 i 年平均累积开始日期、累积时期、累积结束日期、累积速率和累积总初级生产量, ∆F 为未来不同气候因子对总初级生产量累积的影响, F 为综合各气候因子的未来气候变化对总初级生产量累积的影响。在站点综合评价的基础上, 进一步分析气候变化对不同生态系统上总初级生产量的影响。
2 结果与分析2.1气候相关模型验证
气候相关模型检验结果表明: 121 个站点模型平均拟合优度(R2)按平均气温(R2=0.96)、最低气温(R2=0.95)、最高气温(R2=0.89)、降雨量(R2=0.66)的顺序依次降低, 而均方根误差(RMSE)按平均气温(RMSE=284.87 GC/M2)、最低气温(RMSE= 253.58 GC/M2)、最高气温(RMSE=317.17 gc/m2)、降雨量