淮河流域植被降水利用效率时空格局分析

(西安科技大学 测绘科学与技术学院，陕西 西安 710054)

植被降水利用效率(PUE)是指净初级生产力(NPP)植物光合作用生产的干物质与年降水量之比，反映了植被光合作用生产与耗水特性之间的关系[1]。它可以体现植被利用水分将营养物质转化为生物能量的能力，是植被水分利用效率的延伸[2]，同时也是在区域尺度上反映植被生产能力对降水量时空变化响应特征的重要指标[3-4]。因此，研究区域尺度植被PUE的时空变化特征及其对于气候因子的响应，对于深化全球变化研究具有重要意义。

近年来，利用卫星遥感技术时间序列长和覆盖范围广的特点，植被PUE研究尺度已经从农作物的叶片生理水平或个体水平上升至冠层、生态系统以及景观水平[5]。卫星遥感技术为从较大的区域尺度探讨植被的长时间序列时空变化特征提供了一种有效的技术手段[6]。张亚玲等[7]基于黄河1998～2012年SPOT～NDVI数据及同期119个气象站的降水数据，结合植被利用降水效率分析了黄河流域植被覆盖的时空变化特征取得较好的结果；张艳芳等[8]基于2000～2014年MODIS NDVI及气象数据，运用累计降水利用效率变化差异估算模型和地形要素降水量插值的方法，探讨了2000～2014年黄土高原PUE与植被变化的关系。另有相关学者研究了PUE对于降水量、气温等气候因子的响应及其空间格局分布特征。Hu等[4]的研究表明，在我国内蒙古高原和青藏高原上的4 500 km草地样带上，PUE在空间上与降水量存在较强的相关性；仇洁等[1]的研究表明，青藏高原不同植被类型的PUE均值有着明显的差异；叶辉等[5]的研究表明，PUE空间变化与降水量和气温显著相关，二者能够解释PUE空间变化的97.8%。而杜加强等[9]在黄河上游地区的研究认为，PUE与降水量的关系随着区域的变化而变化。因此，一般研究认为，植被PUE受到气候条件、生物多样性与群落结构、地形地貌和人类活动等多种因素的综合影响，对于特定区域、不同植被类型的PUE，其时空分布格局以及对于气候因子的响应关系存在差异。

淮河流域地处我国南北气候过渡带，是我国重要的气候敏感区[10]。然而，对于该区植被水分利用效率的时空分布格局及其对气候因子的响应特征研究较少。本研究基于MODIS NDVI遥感影像和气象数据，利用CASA模型估算植被NPP，进而获取淮河流域2001～2016年植被PUE，并分析其时空变化特征及对于气候的响应，以期为全球变化下的生物碳水循环研究提供科学参考。

1 研究区概况

淮河流域地处中国东部，位于111°55′E～121°25′E，30°55′N～36°36′N，介于长江和黄河流域之间。主要涉及安徽、河南、山东和江苏4省，总面积约27万km2，平原约占淮河流域总面积的66%(见图1)。

图1 淮河流域地理位置与气象站点分布Fig.1 Location and spatial distribution of meteorological stations in Huaihe River basin

淮河流域以北属暖温带半湿润季风气候区，以南为亚热带湿润季风气候区。年平均气温在11℃～16℃之间，且由北向南，从沿海向内陆递增。多年平均降水量约为920 mm，从年内降水时间分布上看，多集中在主汛期，从空间分布上看，集中在流域南部，分布大致由南向北递减，山区多于平原，沿海大于内陆[11]。流域植被覆盖类型主要为农作物，其次为灌丛、森林及草甸。

2 材料与方法

2.1 数据来源与处理

MODIS NDVI数据来源于美国国家航空航天局(National Aeronautics and Space Administration，NASA)的2001～2016年的MOD13A3数据产品(http://edcimswww.cr. usgs.gov/pub/imswelcome)，时间分辨率为月，空间分辨率为1 km。利用MRT(MODIS Reprojection Tools)将下载的MODIS NDVI数据进行格式转换和重投影，将HDF格式转换为Tiff格式，将SIN地图投影转换为WGS84/Albers Equal Area Conic投影[12]，同时，完成影像的空间拼接和重采样，并利用流域边界裁切获取2001～2016年逐月MODIS NDVI数据集。借助于中国科学院植被图编辑委员会2001年编著的1∶100 000 0中国植被图集，经扫描数字化得到淮河流域植被类型图。

气象数据来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn)，包括研究区30个标准气象站点2001～2016年的月平均气温、逐月降水量和逐日日照时数数据(见图1)，利用日照时数和站点位置的模拟方法估算得到太阳辐射量[13]。根据各气象站点的经纬度信息，采用ArcGIS的Geostatistical Analyst模块对气象数据进行空间插值，获取与NDVI数据像元大小一致、投影相同的气象数据栅格图像。通过数据掩膜，剪取淮河流域月平均气温、降水量和太阳辐射的栅格图像。

2.2 PUE的估算

PUE为年净初级生产力(NPP)与年降水量(PPT)的比值。公式如下[1]：

PUE=NPP/PPT

式中，NPP采用CASA模型估算得到；PPT为年降水量,mm，采用气象数据空间插值得到。

2.3 NPP估算模型

CASA模型是由遥感、气象、植被以及土壤类型数据共同驱动的光能利用率模型[14-16]，在陆地生态系统NPP的估算中得到了广泛的应用。模型主要由太阳辐射中被植被吸收的光合有效辐射(APAR)和光能利用率(ε)来估算植被NPP，公式为[12]

NPP(x,t)=APAR(x,t)×ε(x,t)

(2)

式中，APAR(x，t)表示像元x在t月份吸收的光合有效辐射，ε(x,t)表示像元x在t月份的实际光能利用率。APAR由太阳总辐射和植被对光合有效辐射的吸收比例决定，计算公式为[12]

APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5

(3)

式中，SOL(x，t)指像元x在t月份的太阳总辐射量(MJ/m2)，常数0.5表示能被植被利用的太阳有效辐射占太阳总辐射的比例；FPAR(x，t)表示植被层对入射的光合有效辐射的吸收比例。在通常情况下，FPAR和NDVI、SR(simple ratio)有较好的线性关系，因此可以通过MODIS产品提取NDVI对FPAR进行估算[12]。

光能利用率指APAR转化为有机碳的效率，计算公式为

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax

(4)

式中，Tε1(x,t)和Tε2(x,t)表示低温和高温对光能转化率的影响，Wε(x,t)反映水分条件对光能转化率的影响，εmax是在理想状态下植被的最大光能利用率，其取值随着植被类型的变化而变化[12]，文中εmax取值参照朱文泉等[17]的研究成果。

2.4 分析方法

2.4.1年际变化率计算(趋势分析)

应用一元线性回归分析方法在像元尺度分析淮河流域2001～2016年PUE变化趋势。计算公式[18]为

(5)

式中，θslope为趋势斜率；n为研究时段的年数；PUEi为第i年的植被降水利用效率；斜率为正表示研究区在16 a间PUE的变化是上升的，反之表示下降[19]。

2.4.2PUE与气候因子相关系数

以年为单位，在像元尺度分别计算2001～2016年PUE与降水量和平均气温的相关系数，以分析PUE的年际波动对气候因子的响应。计算公式[20]如下：

(6)

式中，R为PUE和降水量(气温)的相关系数；PUEi为第i年的PUE；PUEave为年平均PUE；pi为第i年降水量(气温)；Pave为年均降水量(年均气温)。

3 结 果

3.1 淮河流域植被PUE的时空变化特征

3.1.1年际变化趋势

如图2所示，2001～2016年淮河流域植被PUE的年际波动较大，范围为0.32～0.85 g C/(m2·mm)，平均值为0.598 g C/(m2·mm)，总体呈下降趋势，但变化不显著。其中，2014年植被PUE最高，为0.85 g C/(m2·mm)，高于多年平均值的41%，2003年PUE最低，为0.32 g C/(m2·mm)，低于多年平均值的46.7%。其余各年份植被PUE均与多年平均的差异相对较小。

3.1.2空间分布特征

2001～2016年间淮河流域植被年均PUE的空间分布如图3所示。可以看出，淮河流域PUE空间分布差异显著，总体从西北向东南递减。河南省的郑州、开封，山东省的菏泽，以及安徽省的部分地区植被PUE较高，达到0.80 g C/(m2·mm)以上。在山东和江苏、河南和安徽交界处以及河南省中部等地区，植被PUE多处于0.65～0.80 g C/(m2·mm)之间。山东枣庄、临沂，江苏盐城、连云港以及河南信阳，江苏北部等地区植被PUE在0.50～0.65 g C/(m2·mm)范围之内，而在蚌埠、滁州和淮安地区交界处植被PUE多处于0.50 g C/(m2·mm)以下。排除其他影响，部分地区的植被PUE与降水量关系密切，降水量越高，植被PUE越低，降水量越低，植被PUE越高。PUE受气温影响较小，没有明显规律。

图2 2001～2016年淮河流域植被PUE的年际变化Fig.2 Interannual changes of vegetation PUE in Huaihe River basin from 2001 to 2016

图3 2001～2016年淮河流域植被PUE空间格局Fig.3 Spatial pattern of vegetation PUE in Huaihe River basin from 2001 to 2016

3.1.3PUE变化趋势的空间分布

利用一元线性回归分析方法得到淮河流域PUE变化趋势空间分布图(见图4)。由图可知，近16 a来淮河流域PUE变化趋势不明显，在-0.113～0.040之间。PUE降低的区域占流域面积的54.3%，主要分布在河南、安徽和江苏3省。其中，河南省的开封市、信阳市东部等地区降水利用效率降低明显，江苏省、安徽省多数地区及河南省少数地区PUE变化趋势比较缓和。PUE增加的地区大部分集中在山东省、河南省商丘、周口、许昌市等地，以及安徽省和江苏省部分地区。总体来看，淮河流域北部地区植被降水利用效率有所增加，而南部地区则呈现降低趋势。

图4 2001～2016年淮河流域植被PUE变化趋势空间分布Fig.4 Spatial distribution of PUE change trend in Huaihe River basin from 2001 to 2016

3.2 不同植被类型PUE差异

如图5所示，2001～2016年间淮河流域各植被类型中，由于其生理结构等因素，使PUE值存在差异。阔叶林的平均PUE(g C/(m2·mm))最高(0.69)，其次为农作物(0.62)、灌丛(0.49)和针叶林(0.45)，最后为草甸(0.42 )。而在一级植被类型中，农作物的PUE则高于森林(0.57)，这可能是长期的农业管理措施促进了植被生长，提高了PUE[5]。

3.3 PUE与气候因子的相关性

利用基于像元的相关分析方法，对2001～2016年淮河流域植被PUE与降水和气温因子进行逐像元相关分析，从而在区域尺度分析了植被PUE与主要气候因子的关系(见图6)。

从图6(a)中可以看出，仅占流域0.3%的地区植被PUE与降水量呈正相关，分布在骆水湖、高邮湖等地区。其他地区植被PUE与降水量均呈负相关。其中，山东临沂北部、河南漯河、许昌等地负相关性最强，最大达到-0.96，在河南信阳、开封东部以及安徽淮南、六安、合肥和滁州等地呈弱相关系性，相关系数在-0.4～0.0范围内。

图6 2001～2016年淮河流域植被PUE与年降水量变化和气温的相关性Fig.6 Correlations between PUE and annual precipitation and annual mean air temperature of vegetation in Huaihe River basin from 2001 to 2016

从图6(b)中得出，占流域80.1%的地区植被PUE与气温呈正相关，其中山东省、河南信阳、安徽六安等地区相关性最高，达到0.86。负相关主要集中在河南省，尤其在郑州、开封北部相关性达到-0.53。从空间分布来看，河南省由北向南相关性从负相关逐渐过渡到正相关，其他地区由南到北相关性依次升高。

4 讨 论

4.1 不同植被类型PUE的差异

淮河流域内植被类型从西向东按森林植被-农田植被-森林植被依次更替，且不同的植被类型PUE存在差异。PUE和植被类型密切相关，可能由各植被类型的群落结构、植被光合速率、土壤条件、植被覆盖情况以及地貌等方面的差异造成的[3,19-20]。

本研究表明，淮河流域一级植被类型中，PUE最高的为农田，达到0.62 g C/(m2·mm)。农田占淮河流域植被总面积的95%，其他植被仅仅占淮河流域外缘的一部分，农田集中分布在淮河流域的中心。其中心以南的一部分以及中心以北为一年两熟或两年三熟旱作，此地区降水相对较少，在1 200 mm以下；而南部降水量在1 200～1 900 mm之间，种植的则是一年水旱两作，农田植被处于淮河流域平原地区，由于农田面积大，灌溉需要大量水资源，而水资源有限，因此农作物降水的利用率会相对偏高。

淮河流域西部、西南部及东北部为山区，覆盖植被为温带、亚热带落叶灌丛，一般情况下，灌木丛生长的土壤表层沙土比例较高，降水的渗入率也随之增加，灌木区土壤表层松散的沙土层能够通过增加对水分的吸收使植被生产率得到提高[12]，这可能是灌木丛降水利用效率相对较高的原因。

草甸的平均PUE最低，草甸生长区在淮河流域东边沿海，面积较前两类植被类型少得多，且处于沿海，所以草甸生长过程对于水敏感程度较低，对降水的依赖较小，导致植被降水利用效率偏低。

4.2 PUE空间分布及驱动因素

相关研究表明，在一定区域范围内，植被PUE随着降水量的增加而增加[9]，且PUE与降水量的关系并非是单一的增值曲线[12]。也有研究表明，PUE与地区干旱程度成反比，但是在不同降水量区间以及不同生态系统间，PUE与降水量的关系各不相同[12]。叶辉[5]和Huxman[19]等认为年降水量在100 mm以下的极干旱地区和在650 mm以上的湿润地区，PUE随着降水量的增加呈降低趋势；Hu等[4]通过研究中国4 500 km草地样带PUE的时空变化，认为草地PUE的空间分布随着降水量的梯度变化趋势是先升高后降低，在降水量为400～600 mm的地区达到峰值。

淮河流域年均降水量在526～1 902 mm之间。本文研究表明，占流域99.7%的地区植被PUE与降水量的变化呈负相关。降水量在526～600 mm之间的河南开封、郑州植被PUE值最高，达到1.25 g C/(m2·mm)，这与Hu等[4]的结论一致；当降水量达到800～1 000 mm时，PUE值降低为0.50～0.65 g C/(m2·mm)；在降水量大于1 600 mm的蚌埠、滁州和淮安交界处植被PUE却接近于零。随着降水量的增加，PUE值越来越小，这证实了叶辉[5]和Huxman[19]等的结论。本文进一步深入探讨了植被PUE与年降水量呈负相关的原因。在年降水量较低的区域，降水是限制植被生长的主要因子[19]，但是淮河流域降水量充足，土壤含水量长期处于饱和状态，限制了植被根系和土壤微生物的供氧，降低了生物活性。同时过量的降水形成地表径流，造成易受淋溶作用的关键营养物质流失，对植物的生长产生威胁[5-6]。除此之外，淮河流域城市化程度较高，人为干扰严重，植被PUE对于气候因素的响应可能被削弱[12]，如不合理的农业生产或管理措施以及砍伐、放牧等，这些因素的综合作用可能是造成植被PUE随降水量的增加而降低的重要原因。

结合PUE与降水量和气温的相关系数分析，淮河流域植被PUE的年际变化与降水量的相关系数多分布在-0.96～-0.40之间，且占流域的87.2%，而其与年均气温的相关系数在0.40～0.86的区域仅是前者的1/2。这表明淮河流域植被PUE的年际变化与年降水量的关系更加密切，对其变化的响应更加敏感。同时，大部分地区植被PUE的年际波动与气温呈微弱的正相关，相关系数在0.00～0.50之间，且年均气温在12.00℃～14.72℃之间，温差较低，这可能是二者关系较弱的原因。由此可见，与气温相比较，淮河流域植被PUE的空间分布与年降水量的关系更加密切，因此，降水量是影响淮河流域植被PUE的重要因素。

5 结 论

本研究基于CASA模型，利用遥感和气象数据估算了淮河流域2001～2016年植被降水利用效率，并分析探讨了该区域植被利用效率的时空分布特征及其与气候因子的响应关系，得到以下结论。

(1) 2001～2016年，淮河流域植被降水利用效率在0～1.26 g C/(m2·mm)之间，其平均值为0.598 g C/(m2·mm)。

(2) 从空间分布上看，淮河流域PUE变化趋势呈规律性，流域北部增加，南部降低。

(3) 各植被类型的降水利用效率中，农田的平均PUE最高，其次为森林、灌丛，最后为草甸，在森林的2个二级植被类型中，阔叶林的PUE高于针叶林。

(4) 淮河流域植被降水利用效率与气温的相关系数在空间上呈明显的区域分布特点，相关系数在-0.53～0.86之间，其中，正相关占流域面积的80.1%，而与降水量的相关系数大部分地区呈负相关，约99.7%，相关系数在-0.96～0.57之间。

(5) 淮河流域植被PUE的年际波动与降水量的关系强于气温，降水量越高，PUE越低，因此，降水是影响流域PUE空间分布的重要因素。