
Temporal and Spatial Variation of Productivity and Its Response to Climate in Semi-Arid Pasture of Forage Harvesting Area
MAO PingPing, SHEN BeiBei, DING Lei, ZHU XiaoYu, XIN XiaoPing
通讯作者:
责任编辑: 林鉴非, 赵伶俐
收稿日期:2019-09-15接受日期:2020-04-1网络出版日期:2020-07-01
基金资助: |
Received:2019-09-15Accepted:2020-04-1Online:2020-07-01
作者简介 About authors
毛平平,E-mail: 15910539860@163.com。

摘要
关键词:
Abstract
Keywords:
PDF (5561KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
毛平平, 沈贝贝, 丁蕾, 朱晓昱, 辛晓平, 闫玉春, 王旭, 闫瑞瑞, 徐丽君, 陈宝瑞. 半干旱牧区天然打草场生产力时空变化及对气候响应分析[J]. 中国农业科学, 2020, 53(13): 2743-2756 doi:10.3864/j.issn.0578-1752.2020.13.021
MAO PingPing, SHEN BeiBei, DING Lei, ZHU XiaoYu, XIN XiaoPing, YAN YuChun, WANG Xu, YAN RuiRui, XU LiJun, CHEN BaoRui.
0 引言
【研究意义】中国的天然草场面积虽大,但产草量和营养价值高的草甸和草原草场只占其中21%[1]。打草场是生产力较高的天然草原,是保障草畜季节平衡、确保家畜安全过冬、灾后应急救援、区域性饲草储备的重要资源[2]。由于打草场在利用时间和空间上比较固定,经连年打草,退化严重。目前国内外****对打草场合理利用进行研究,但对打草场资源的时空分布和生产性能研究较少,因此,开展中国天然打草场资源空间分布状况和生产性能研究,对合理布局畜牧业生产和可持续发展具有重要战略意义[3]。【前人研究进展】气候生产潜力是指在充分和合理利用当地的光、热、水气候资源,而其他条件(如土壤、养分、CO2等)处于最适宜状况时,单位面积土地上获得的最高生物学产量或农业产量,可定量表征区域气候资源状况及其气候要素的配置[4]。Miami(迈阿密)和Tharnthwaite Memorial(桑斯维特)模型是世界上较有影响力的气候生产潜力计算模型,虽然草地的生产潜力除了受气候条件的影响外,还受地理位置、土壤、病虫害等多因素的影响,很难准确、定量地对生产潜力进行预测,但气候变化趋势与生产潜力变化趋势是一致的[5,6,7,8]。草地作为陆地生态系统的重要组成部分,占陆地表面积的20%,在区域乃至全球碳循环研究中具有重要的地位[9,10,11]。净初级生产力(net primary productivity,NPP)是草地生态系统固碳能力的重要表征,近年来,国内外****针对中国草地NPP模拟及其对气候变化的响应开展了广泛研究[12,13,14],为正确评价草地生态系统生产能力提供了科学依据。中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)NPP产品作为全球首个定期、近实时地进行陆地植被重复观测的遥感产品,其实用性在全球及区域植被生长状况、生物量估算、环境监测及全球变化等研究中得到了验证。【本研究切入点】由于打草场不存在家畜啃食,卫星遥感数据能够快速、准确、客观地监测天然打草场区域生产力状况。目前,对打草场的的生产力及气候生产潜力的研究较少。【拟解决的关键问题】选取中国半干旱牧区天然打草场作为研究对象,以2000—2017年为序列,基于MOD17A2H数据,结合同时期的降水和温度数据,对中国半干旱牧区天然打草场18年来实际生产力和潜在生产力的空间格局、年际变化及其与气候因子相关性进行分析,为当地政府制定相应对策,提高生产力,合理布局畜牧业生产,把握草地资源变化,防止草原退化等提供理论依据。1 材料与方法
1.1 研究区概况
中国半干旱牧区天然打草场主要分布于呼伦贝尔草甸草原、科尔沁沙化草原、锡林郭勒典型草原、松嫩平原草原区和河北半干旱农牧交错区,年降水量为200—400 mm,以温带大陆性季风气候为主。涉及了内蒙古、黑龙江、吉林和河北4个省(区)15个地(市)63个县级行政分区。打草场的植被类型主要有低地草原、典型草原、山地草甸、草甸草原(图1),总面积为8.91×106 hm2。图1

图1天然打草场草地类型分布图
Fig. 1Distribution of grassland types of cutting pasture
审图号:GS(2020)2229号
1.2 数据来源
半干旱牧区天然打草场范围数据来源于唐欢等[15],采用目视解译判读打草场位置,详细解译过程参考文献[15]。气象数据来自中国气象科学数据共享服务网,包括2000—2017年研究区201个标准气象站点的月平均温度和月降水量,利用ArcGIS进行Kriging空间插值。通过数据掩膜,裁取半干旱牧区天然打草场地区月平均温度和月降水量的栅格图像。
中分辨率成像光谱仪(MODIS)的初级生产力产品(MOD17A2H)是第一个定期、近实时地进行全球植被的重复观测,并提供1 km分辨率的8 d合成NPP的数据产品。使用MRT(MODIS reprojection tools)将下载的数据进行格式转换和重投影,并将8 d的数据合成为年产品,最后利用天然打草场的边界裁剪得到2000—2017年逐年NPP的栅格图像。
1.3 关键气候因子计算方法
研究气候生产潜力模型有很多,但气温、降水和蒸散是影响植被生长的关键因子,因此选用Miami模型和Tharnthwaite Memorial模型[6-8,16]。此模型是应用最为广泛的经验统计模型,考虑气候因素较为简单,但是能反映植被生长的关键因子。本研究采用这两种模型计算北方天然打草场气候生产潜力。Miami模型:
${{\text{W}}_{\text{t}}}=\text{3000/(1}+{{e}^{\text{1}\text{.315}-\text{0}\text{.119}t}}\text{)}$
${{\text{W}}_{\text{p}}}=\text{3000/(1}-{{e}^{-0.000664p}}\text{)}$
式中,t为年均气温(℃);p为年均降水量(mm);Wt、Wp分别表示由年均气温、年均降水量决定的植物干物质产量(g)。
Tharnthwaite Memorial模型:
${{\text{W}}_{\text{v}}}\text{=3000}\left( 1-{{e}^{-0.0009695\left( \text{v-}20 \right)}} \right)$
$\text{v=}1.05\text{p/}\sqrt[2]{\left[ 1+\left( 1.05p/{{l}^{2}} \right) \right]}$
$l=300+25t+0.05{{t}^{3}}$
式中,t为年均气温(℃);p为年均降水量(mm);Wv为蒸散量决定的植物干物质产量(g C?m-2?a-1);v是年均实际蒸散量(mm);l为年均最大蒸散量(mm)。
估算某地植物气候生产潜力时,需要用Leibig定律取Wt、Wp和Wv中较低值做标准值(W),W为草地气候生产潜力(g C?m-2?a-1)。
1.4 气候生产潜力和实际生产力变化的分析方法
变异系数(Coefficient of Variation,CV)指气候生产潜力或实际生产力偏离其平均值的程度,是均方差与数学期望的比值。它描述了逐年气候生产潜力或实际生产力分散程度。变异系数小,说明气候生产潜力或实际生产力稳定性好。公式为:$CV=\frac{\sqrt{\frac{\sum\nolimits_{i=1}^{n}{{{\left( {{X}_{i}}-\overline{X} \right)}^{2}}}}{n-1}}}{\overline{X}}$
式中,$\bar{X}$为平均气候生产潜力或实际生产力;Xi为当年气候生产潜力或当年实际生产力;n为统计年数。
气候生产潜力或实际生产力与气候因子相关性的计算与温度或降水量的相关系数计算公式如下:
${{R}_{xy}}=\frac{\sum\nolimits_{i=1}^{n}{\left[ \left( {{X}_{i}}-\bar{X} \right)-\left( {{Y}_{i}}-\bar{Y} \right) \right]}}{\sqrt{\sum\nolimits_{i=1}^{n}{{{\left( {{X}_{i}}-\bar{X} \right)}^{2}}\sum\nolimits_{i=1}^{n}{{{\left( {{Y}_{i}}-\bar{Y} \right)}^{2}}}}}}$
式中,Rxy为x、y两变量的相关系数,Xi为第i年的生产潜力或实际生产力,Yi为第i年的温度或降水量,$\bar{X}$为多年气候潜力或实际生产力的平均值,$\bar{Y}$为多年温度或降水量的平均值,n为样本数。
本研究应用一元线性回归分析法分析生产潜力或实际生产力的时空变化,单个像元多年回归方程中趋势线斜率即为年际变化率。计算公式为:
${{\theta }_{slope}}=\frac{n\times \sum\nolimits_{i=1}^{n}{i\times {{X}_{i}}-}\sum\nolimits_{i=1}^{n}{i\sum\nolimits_{i=1}^{n}{{{X}_{i}}}}}{n\times \sum\nolimits_{i=1}^{n}{{{i}^{2}}-}(\sum\nolimits_{i=1}^{n}{i{{)}^{2}}}}$
式中:θslope为趋势斜率,n为监测时间段的年数,xi为第i年的生产潜力或实际生产力。利用X序列和时间序列的相关关系来判断X年际间变化的显著性,斜率为负表示下降,反之则表示上升。
1.5 NPP及气象数据精度验证
由于实测NPP难度比较大,通常采用生物量换算NPP的方法进行验证。为了保证MODIS NPP精度,于2017年7、8月草地植被生长旺盛的季节,在研究区进行草地生物量实地采样调查,共设置样地35个,每个样方面积1 m×1 m,齐地收割植物地上部分,在70℃的恒温烘箱内烘干至恒重后称取干重。根据国内公开发表的关于不同类型草地地下和地上生物量的分配比例[17],利用根冠比和地上生物量计算地下生物量,取碳转化系数为0.475,进而得到NPP。35个点的MODIS NPP值与实测NPP值的一致性比较如图2-A,由图2可见,NPP模拟值与实测值分布在1﹕1线附近,同时统计分析表明相对误差(relative error,RE)[RE=(模拟值–实测值)/实测值×100%],平均精度达到88%,其均方根误差(root mean squared error,RMSE)$RMSE=\sqrt{{{\sum\nolimits_{i=\text{1}}^{n}{({{y}_{i}}-{{{\bar{y}}}_{i}})}}^{2}}\text{/}n}$(yi与${{\bar{y}}_{i}}$分别为实测值与预测值,n样本数量),为3.10 g C?m-2?a-1。由此可见,MODIS NPP的模拟结果较为理想,并与实测NPP间存在极高的一致性。气候生产潜力计算依赖于气象数据,本研究利用ArcGIS对研究区内151个气象站点数进行 Kriging 空间插值,利用剩余的50个气象站点数据验证插值结果。年降水量与年均温度的模拟值与实测值的一致性比较如图2-B和图2-C,模拟值与实测值分布在1﹕1线附近,年降水量的REE和RMSE分别为89%和28.70 mm;年均温度的REE和RMSE分别为91%和0.40℃。因此,利用Miami和Tharnthwaite Memorial模型模拟的气候生产力潜力较为理想。
图2

图2实测值与模拟值的一致性检验
Fig. 2The consistency test of measured value and simulated value
2 结果
2.1 生产潜力时空变化
2.1.1 气候生产潜力的空间分布及变化趋势 2000— 2017年天然打草场气候生产潜力均值空间分布如图3-A所示,18年来均值呈现由西向东递增的地带性规律,均值集中分布在500—600 g C?m-2?a-1,占总面积的57.39%;其次,16.32%的打草场生产潜力变化范围为600—700 g C?m-2?a-1;东北地区打草场气候生产潜力高于其他地区,锡林郭勒西部打草场气候生产潜力最低。按草地类型统计分析,草甸草原的气候生产潜力均值18年来最高,为589.68 g C?m-2?a-1,山地草甸最低,为518.72 g C?m-2?a-1,生产潜力表现为:以草甸草原最高,其次为低地草甸、典型草原和山地草甸。图3

图32000—2017年半干旱牧区天然打草场气候生产潜力均值分布(A)、变异系数(B)和趋势变化(C)
Fig. 3The climate potential productivity (A) and its dynamic coefficient of variation (B) and change slope (C) of in cutting pasture
审图号:GS(2020)2229号
天然打草场气候生产潜力的变异系数由西南向东北呈现递减趋势,即越向内陆延伸,气候生产潜力越不稳定,波动越大(图3-B)。气候生产潜力的平均变异系数为0.13,变异系数集中分布在0.12—0.16,占总面积的54.21%,其次是0.08—0.12,占总面积的20.01%,变异系数在0.20—0.24的面积仅占总面积的1.23%。按不同草地类型统计,典型草原打草场的气候生产潜力变异系数最大,均值为0.14,波动剧烈;草甸草原的气候生产潜力最稳定,变异系数均值为0.11。其他草地类型气候生产潜力的变异系数均值范围为0.12—0.14,差异不显著。
天然打草场气候生产潜力呈上升趋势(图3-C),其变化范围为1.12—14.22 g C?m-2?a-1,平均上升速率为5.84 g C?m-2?a-1,变化速率基本呈东高西低趋势。气候生产潜力的趋势变化主要集中在3—9 g C?m-2?a-1,占总面积的71.29%。按不同草地类型统计,草甸草原的气候生产潜力上升速率最高,均值为6.30 g C?m-2?a-1,山地草甸的上升速率最低,均值仅为3.95 g C?m-2?a-1;各草地类型的变化速率变现以草甸草原最大,依次为典型草原、低地草甸和山地草甸。
2.1.2 气候生产潜力的年际变化 由图4可知,不同草地类型天然打草场气候生产潜力年际变化趋势基本一致,其中草甸草原气候生产潜力明显高于其他草地类型,山地草甸、典型草甸和低地草甸的气候生产潜力无明显差异。2000—2017年半干旱牧区各草地类型的气候生产潜力呈不同程度的上升趋势,其中草甸草原的上升速率最高,且各年的气候生产潜力均高于其他类型草地。由表1可知,由温度决定的半干旱牧区天然打草场草地生产潜力相对较高,而由降水量和蒸散量决定的半干旱牧区天然打草场生产潜力二者值比较接近,典型草原的蒸发量远大于降水量,因此,降水量是典型草原气候生产潜力的限制因子,其他草地类型打草场气候生产潜力的限制因子为年均实际蒸散量,而实际蒸散量由降水量和温度决定,因此,降水量是打草场草地气候生产潜力高低的决定因素,而水热组合是打草场草地气候生产潜力高低的关键因子。
图4

图4半干旱牧区天然打草场不同草地类型气候生产潜力的年际变化
Fig. 4Inter annual changes climate potential productivity in different grassland types of cutting pasture
Table 1
表1
表1不同草地类型18年年均草地气候生产潜力
Table 1
草地类型 Grassland type | 温度 t (℃) | 降水 p (mm) | 蒸散量 v (mm) | 由温度决定的植物干物质产量 Wt (g C?m-2?a-1) | 由降水决定的植物干物质产量 Wp (g C?m-2?a-1) | 由蒸散量决定的植物干物质产量 Wv (g C?m-2?a-1) | 气候生产潜力 W (g C?m-2?a-1) | 限制因子Limiting factor |
---|---|---|---|---|---|---|---|---|
草甸草原 Meadow steppe | 2.32 | 368.76 | 360.41 | 794.92 | 647.12 | 623.09 | 623.09 | V |
山地草甸 Mountain steppe | 0.77 | 315.40 | 319.89 | 688.27 | 563.66 | 545.13 | 545.13 | V |
典型草原 Typical steppe | 2.47 | 304.84 | 364.03 | 802.22 | 546.47 | 565.75 | 546.47 | p |
低地草甸 Lowland steppe | 1.78 | 322.70 | 346.30 | 756.91 | 574.74 | 568.62 | 568.62 | V |
新窗口打开|下载CSV
2.2 草地实际生产力的分析
2.2.1 实际生产力的空间分布及变化趋势 由2000 —2017年天然打草场实际生产力均值空间分布图可知(5-A),以大兴安岭为中心向东西两麓逐渐递减。18年实际生产力均值为295.24 g C?m-2?a-1,集中分布在200—300 g C?m-2?a-1,占总面积的42.92%,38.28%的打草场实际生产力在300—400 g C?m-2?a-1。按草地类型统计分析,草甸草原的均值最高,为349.78 g C?m-2?a-1,其次是山地草甸,其均值为305.68 g C?m-2?a-1,典型草原的均值最低,仅为269.52 g C?m-2?a-1。呼伦贝尔市西部和锡林郭勒盟中部天然打草场实际生产力的变异系数高于其他地区,即该区域的实际生产力波动较大(图5-B)。天然打草场实际生产力的变异系数均值为0.19,主要集中分布在0.10—0.20,占总面积的59.75%,其次是0.20—0.30,占总面积的37.00%。按不同草地类型统计,山地草甸的变异系数最高0.22;草甸草原的变异系数最低,仅为0.16。
图5

图5半干旱牧区天然打草场草地实际生产力(A)及其变异系数(B)、变化速率(C)
Fig. 5The actual productivity (A) and its dynamic coefficient of variation (B) and change slope (C) of in cutting pasture
审图号:GS(2020)2229号
如图5-C所示,天然打草场实际生产力变化为-17.56—16.34 g C?m-2?a-1,平均速率为3.84 g C?m-2?a-1,主要集中在0.00—4.00和4.00—8.00 g C?m-2?a-1,分别占总面积的50.01%和48.14%,天然打草场实际生产力呈下降趋势的区域仅占总面积的0.89%。按草地类型统计,各草地类型天然打草场实际生产力均呈上升趋势,其中山地草甸打草场实际生产力的变化速率最高,为4.44 g C?m-2?a-1,其次是草甸草原、低地草甸,变化速率分别为4.33、3.98 g C?m-2?a-1,典型草原的变化速率最低,为3.71 g C?m-2?a-1。
2.2.2 实际生产力的年际变化 2000—2017年半干旱牧区不同草地类型天然打草场实际生产力的年际变化基本一致(图6)。2000—2017年草甸草原天然打草场的各年实际生产力均高于其他草地类型,典型草原则最低。2000—2017年半干旱牧区各草地类型的实际生产力呈不同程度的上升趋势,其中草甸草原的上升速率最高,且各年的气候生产潜力均高于其他类型草地,这与气候生产潜力变化一致。
图6

图62000-2017年不同草地类型天然打草场实际生产力的年际变化
Fig. 6Mean actual productivity of different grassland types from 2000 to 2017
2.2.3 实际生产力对气候因子的响应 半干旱牧区天然打草场实际生产力与降水呈负相关的区域仅占总面积的0.03%,呈正相关的区域占总面积的95.67%(图7-A,B)。低地草甸实际生产力与降水的相关性系数最高为0.74,与降水量相关性最低的是草甸草原,系数为0.71,不同草地类型与降水量相关性从高到低排序为:低地草甸、典型草原、山地草甸和草甸草原。由表2可知,不同的草地类型实际生产力对降水量的响应有明显差异。低地草甸实际生产力与降水相关的面积最大,其中与降水呈正相关的面积占该草地类型的78.50%(P<0.001),与降雨不相关的区域仅占该草地类型的1.79%。其次是典型草原,与降水呈显著正相关的区域占该区域的75.16%(P<0.001)。草甸草原4.37%的面积与降水无关,与降水呈显著正相关的区域占该草地类型的67.11%(P<0.001)。
图7

图7天然打草场实际生产力与降水(A,B)和温度(C,D)显著性水平的时空分布及频数分布图
Fig. 7The spatial distribution of significant level between actual productivity with precipitation(A, B) and temperature (C,D) and the pixel frequency
审图号:GS(2020)2229号
Table 2
表2
表2不同草原类型实际生产力与降水量的相关性统计表
Table 2
草地类型 Grassland type | 相关性系数区间所占面积分配比 Area distribution ratio of correlation coefficients interval (%) | ||||||||
---|---|---|---|---|---|---|---|---|---|
显著负相关 Negative correlation | 不显著相关 Not significantly correlation | 显著正相关 Positive correlation | |||||||
-1.000—-0.693*** | -0.693—-0.575** | -0.575—-0.456* | -0.456—0.456 | 0.456—0.575* | 0.575—0.693** | 0.693—1.000*** | |||
草甸草原 Meadow steppe | 0.00 | 0.01 | 0.05 | 4.37 | 7.05 | 21.41 | 67.11 | ||
山地草甸 Mountain steppe | 0.00 | 0.00 | 0.00 | 2.52 | 9.17 | 15.36 | 72.95 | ||
典型草原 Typical steppe | 0.00 | 0.00 | 0.00 | 2.87 | 5.20 | 16.77 | 75.16 | ||
低地草甸 Lowland steppe | 0.01 | 0.01 | 0.02 | 1.79 | 3.36 | 16.31 | 78.50 | ||
总计Total | 0.00 | 0.01 | 0.02 | 3.09 | 5.45 | 18.04 | 73.39 |
新窗口打开|下载CSV
由图7-C,D可知,半干旱牧区天然的实际生产力与温度呈负相关,与温度呈负相关的区域占总面积的4.73%。山地草甸与温度的相关性最高,其相关系系数为-0.30,最低的是草甸草原,相关系数为-0.21。不同草地类型实际生产力与温度相关性从高到低排序为:山地草原、低地草甸、典型草原和草甸草原。不同草原类型实际生产力对温度的响应不同(表3)。低地草甸实际生产力与温度相关的面积最大,其中在与温度呈负相关的面积占该草地类型的7.13%(P<0.05)。草甸草原的实际生产力与温度相关的面积最小,与温度呈负相关的面积占该草地类型的2.39%(P<0.05)。
Table 3
表3
表3不同草原类型实际生产力与温度相关性统计表
Table 3
草地类型 Grassland type | 相关性系数区间所占面积分配比 Area distribution ratio of correlation coefficient interval (%) | ||||||||
---|---|---|---|---|---|---|---|---|---|
显著负相关 Negative correlation | 不显著相关 Not significantly correlation | 显著正相关 Positive correlation | |||||||
-1.000—-0.693*** | -0.693—-0.575** | -0.575—-0.456* | -0.456—0.456 | 0.456—0.575* | 0.575—0.693** | 0.693—1.000*** | |||
草甸草原 Meadow steppe | 0.00 | 0.22 | 2.39 | 97.38 | 0.00 | 0.00 | 0.00 | ||
山地草甸 Mountain steppe | 0.00 | 0.00 | 2.98 | 97.02 | 0.00 | 0.00 | 0.00 | ||
典型草原 Typical steppe | 0.00 | 0.26 | 6.62 | 93.13 | 0.00 | 0.00 | 0.00 | ||
低地草甸 Lowland steppe | 0.02 | 0.57 | 7.13 | 92.28 | 0.00 | 0.00 | 0.00 | ||
总计Total | 0.01 | 0.31 | 5.38 | 94.31 | 0.00 | 0.00 | 0.00 |
新窗口打开|下载CSV
2.3 气候资源利用率及退化程度分析
为了分析打草场气候资源的利用状况,利用实际生产力与气候生产潜力的百分比(coefficient of utilization,C)表示气候资源生产潜力的利用率,C=(实际生产力/气候生产潜力)×100%。天然打草场18年年均气候资源利用率如图8所示,以大兴安岭为中心向东西两麓逐渐递减,平均气候资源利用率为55.09%,气候资源利用率集中分布在40%—60%,占打草场面积的59.42%;空间分布上,锡林郭勒盟西部、黑龙江省和吉林省的气候资源利用率明显低于其他地区。按草地类型统计,草甸草原的气候资源利用率高达60.34%,其次是山地草甸和低地草甸,其气候资源利用率分别为57.57%和56.69%,典型草原的气候资源利用率最低,仅有51.42%。图8

图8半干旱牧区天然打草场气候资源平均利用率分布(A)及其频率图(B)
Fig. 8The distribution of 18-year average climate resources utilization (A) and the pixel frequency of cutting pasture (B)
审图号:GS(2020)2229号
潜在生产力与实际生产力的差值越大,生产力待开发的潜力越大。图9所示,典型草原打草场潜在生产力与实际生产力的18年年均差值高于其他草地类型,其次是草甸草原和低地草甸,山地草甸最低。此外,2000—2017年不同草地类型打草场潜在生产力与实际生产力的差值呈不同程度的上升趋势,即打草场存在不同程度的退化,用二者差值的斜率代表草地的退化速度。草甸草原打草场潜在生产力与实际生产力的差值上升速率最高,为1.84 g C?m-2?a-1,该草地类型的打草场退化速度最快。其次是典型草原和低地草甸,分别为-1.48和-1.12 g C?m-2?a-1,退化速度最慢的是山地草甸,为-0.15 g C?m-2?a-1。
图9

图92000-2017年不同草地类型天然打草场潜在生产力与实际生产力的差值变化
Fig. 9The difference between potential productivity and actual productivity of cutting pasture from 2000 to 2017
3 讨论
ZHAO等[18]基于SRES 3个气候变化情景数据,在温度升高、降水略增的背景下,内蒙古区域植被出现减产现象。有模拟预测研究发现2020—2050年内蒙古一些草原温度可能升高1.83—3.0℃,降水可能增加3.2%—5.1%,地上净初级生产力依然可能下降5.8%—7.5%[18]。“暖湿型”和“冷湿型”气候则有利于草地气候生产潜力的提高,但增温减雨加剧土壤水分蒸发及植物蒸腾,牧草生长发育水分亏缺,抑制牧草生长[19]。本研究表明半干旱牧区天然打草场的实际生产力与降水呈正相关的区域占总面积的95.67%,仅有4.73的区域与温度呈负相关。说明实际生产力受降水的影响大[6,20-21],因此,降水是制约北方草原生长关键因子[22,23,24,25,26]。由于时空尺度的差异,及数据源的不同,导致不同区域草地NPP对气候水热因子的响应具有差异性。周伟等[13]利用CASA模型模拟中国草地NPP,结果表明1982—2010年,草地NPP每年以0.6 g C?m-2?a-1增加[13]。有研究表明,1955—2010年,内蒙古自治区东北部半干旱草原NPP略有降低;另外,1999— 2010年,长三角地区植被NPP每年以-0.5 g C?m-2?a-1减少;两地区均表明,NPP对降水的响应都高于温度[27,28]。本研究表明,天然打草场实际生产力每年以0.38 g C?m-2?a-1增加,95.88 %的打草场与降水呈显著正相关关系,与温度无关的区域占总面积的95.81%。内蒙古草地主要分布于干旱半干旱气候区,降水少、温度高,降水增多有利于草地植被生长,水分匮乏的地区,温度升高将引起蒸散加速,导致水分亏缺加剧,进而制约植被生长,因此,水分条件是该区植被生长的限制因子[29,30]。
对草地气候资源利用率进行评估,有利于进一步提高当地草地资源生产力。有研究表明内蒙古多伦县1999—2002年平均草地气候资源利用率仅为26%,呼伦贝尔大兴安岭西侧的典型草原区1961— 2005年气候资源利用率为37.3%,认为过度放牧、水土流失、草地退化、自然灾害频发是利用率偏低的主要原因[31,32]。罗瑞敏等[33]研究表明1992—2011年云雾山草地气候资源利用率为53%,由于长期禁牧封育,草地迅速恢复,显著提高了云雾山草地生产力。甘南地区积极改良草场,强化草原基本建设,天然草地的气候资源利用率高达61.5%[34]。
本研究表明,2000—2017年打草场平均气候资源利用率仅为55.09%,退化速率1.14 g C?m-2?a-1,越向内陆延伸,生态系统越脆弱,生产力对气候变化越敏感,退化程度越高;另外,草地载畜量与草地开垦等农业经营活动、人口数量、能源矿产资源的不合理开采等因素是其退化的主要人为因素[35,36]。黑龙江和吉林省这两类草地类型的打草场退化速度高于其他地区,该地区的草地多为盐化草甸类、低湿地草甸类和平原丘陵草甸,其平均退化速率高达1.44 g C?m-2?a-1,平均气候资源利用率仅有41.91%。因此,导致草甸草原和典型草原退化速率高于其他草地类型。2000— 2017年盐化草甸类温度呈小幅上升趋势,蒸发量大于降雨量,加快了草地退化程度;另外,吉林省西部是典型的农牧交错区,牛、羊等牲畜的数量逐年增长,草料需求量不断上升,草、畜矛盾日益突出,草地退化现象加剧[37]。因此,加大对牧业的物资、科技投入,改善牧业生产条件,提高草场管理水平,同时加强生态环境保护,提高抗灾减灾能力[9,20],有利于提高当地气候资源利用率,有效遏制草地退化。
4 结论
(1)2000—2017年,天然打草场气候生产潜力呈由西向东递增的地带性规律,而实际生产力以大兴安岭为中心向东西两麓逐渐递减。生产力随降水波动呈上升趋势,天然打草场实际生产力和气候生产潜力分别以3.84和5.84 g C?m-2?a-1速度增加,实际生产力和潜在生产力分别在2013年和2012年到达最高值;草甸草原的实际生产力均高于其他草地类型。(2)天然打草场实际生产力对降水的响应高于温度,95.88%的打草场与降水呈显著正相关关系,与温度呈负相关的区域仅占总面积的5.70%。各类草地类型的实际生产力均与降水呈显著正相关关系(P<0.001),而与温度无关。
(3)2000—2017年,天然打草场18年年均气候资源利用率以大兴安岭为中心向东西两麓逐渐递减,平均气候资源利用率为55.09%,草甸草原打草场的气候资源利用率最高,为60.34%,山地草原典型草原的气候资源利用率最低,仅有51.42%。草甸草原打草场退化速度为-1.84 g C?m-2?a-1,该草地类型的打草场退化速度最高,退化速度最低的是山地草原,以-0.15 g C?m-2?a-1的速度退化。
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 3]
[本文引用: 3]
[本文引用: 1]
[本文引用: 1]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 3]
[本文引用: 3]
[本文引用: 1]
[本文引用: 1]
[本文引用: 2]
[本文引用: 2]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 2]
[本文引用: 1]
[本文引用: 1]
[本文引用: 2]
[本文引用: 2]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[D].
[本文引用: 1]
[D].
[本文引用: 1]
[D].
[本文引用: 1]
[D].
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]