, 吴绍洪, 戴尔阜NPP vulnerability of China's potential vegetation to climate change in the past 50 years
YUANQuanzhi, WUShaohong, DAIErfu通讯作者:
收稿日期:2016-01-4
修回日期:2016-03-19
网络出版日期:2016-05-25
版权声明:2016《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (1999KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
脆弱性是事物易受不利影响的倾向或习性,包括对危害的敏感性或易感性以及应对和适应能力的缺乏[1]。脆弱性评价能够为维护系统的可持续发展,减轻外部胁迫对系统的不利影响和为退化系统的综合整治提供决策依据[2-3]。1909-2011年,中国陆地区域平均增温0.9~1.5 ℃,近15年来的气温上升处于百年来气温最高阶段。降水变化的区域差异明显,其中西部干旱、半干旱地区近30年来降水持续增加[4]。强烈的气候变化对中国自然生态系统分布、生产力、服务功能等已经造成了可辨识的影响[5],揭示气候变化下中国自然生态系统的脆弱性,已经成为国内****的重要课题[6-8]。“潜在植被”是在当前气候背景及无人类干扰情况下,立地植被所能发育演替形成的最稳定、最成熟的一种顶极植被类型,可反映特定气候条件下植被发展的总体趋势[9]。随着人类活动对自然生态系统的直接影响越来越显著,气候变化对自然生态系统的影响也越难从中分离。因此,基于模型模拟的潜在植被,评价中国自然生态系统在气候变化下的脆弱性,已经成为很多****的共识[10-12]。
净初级生产力（Net Primary Productivity, NPP）是绿色植物在单位面积和单位时间内所累积的有机质数量[13]。NPP不仅直接反映了生态系统的生产能力和质量状况,也是判定碳源/汇的主要因子,在全球碳循环中扮演着重要的角色[14]。本文利用气候—植被模型,模拟过去50年（1961-2010年）气候变化下中国潜在植被NPP的动态变化,评价潜在植被NPP在气候变化下的脆弱性,为合理预测未来气候变化对自然生态系统的不利影响,进而有针对性的采取措施以减缓和适应气候变化,保护和恢复自然生态系统提供科学依据。
2 模型、数据与敏感性分析
2.1 模型
气候—植被模型是研究区域和全球尺度上植被和气候相互作用的主要工具,借助模型能够分析植被特征参数、生态系统分布、结构和功能变化及其与气候变化的相互影响[15]。这些模型可分为基于经验关系的统计模型和基于生态过程和机理的陆地生物圈过程模型。统计模型如生命地带模型[16]、Miami模型[13]等,该类模型未考虑植物的生理过程以及气候变化下生态系统结构和功能复杂的变化,因此在生态系统对气候变化的响应研究中有一定的局限性。陆地生物圈过程模型可分为生物地理模型、生物地球化学模型和大气圈—生物圈动态耦合模型。生物地理模型通过设置生长度日、极端最低温度等生态生理约束条件,来判定植物功能型的竞争和分布,如BIOME1[17]、MAPPS[18]等模型,这类模型的缺陷在于不能模拟植被变化随时间变化的动态过程,不能够反映植被响应对环境变化的滞后现象。生物地球化学模型通过模拟生态系统光合作用、呼吸作用和土壤微生物分解过程,能够计算植物—土壤—大气之间碳和养分循环,如CENTURY[19]、DOLY[20]等模型。生物地球化学模型虽然弥补了平衡态模型不能描述植被与环境之间动态过程的缺陷,但却不能模拟长期气候变化导致的植被组成和结构的变化。大气圈-生物圈动态耦合模型考虑植被与环境的动态过程以及植被对环境变化的滞后响应,能够模拟植被的瞬时变化与气候的动态影响,如IBIS[21-22]、LPJ[23]等模型,已经成为气候—植被关系研究中的一个重要发展方向。集成生物圈模型IBIS（Integrated Biosphere Simulator）作为一个动态植被模型DGVM（Dynamic Global Vegetation Model）,整合了地表物理过程、冠层生理特征、植物物候、植被动态变化和竞争、碳循环、氮循环等陆地生物圈中一系列生物物理和生物地球化学过程,能够模拟大气—植被之间的动态过程（图1）。Yuan等通过对模型参数进行调整,使IBIS能够较为准确的模拟中国潜在植被格局和潜在植被NPP[24-25]。本文将基于改进后的IBIS模型,评价1961-2010年中国潜在植被NPP在气候变化下的脆弱性。
显示原图|下载原图ZIP|生成PPT图1IBIS模型的分级框架结构
-->Fig. 1Hierarchical framework of IBIS model
-->
2.2 数据
本文中模型的输入和输出数据分辨率均为0.5°×0.5°,输入数据包括地形数据、土壤数据和气象数据。（1）地形数据：对全国30″分辨率的DEM重采样后,获得模型所需的0.5°×0.5°经纬网格高程数据。
（2）土壤数据：包括6个土壤层（从顶部到底端分别是0.10 m,0.15 m,0.25 m,0.50 m,1.00 m和2.00 m）的土壤质地数据,数据来自IGBP-DIS（1999）[26]。
（3）气象数据：模型所需的气象数据（月平均气温、月平均最高气温、月平均最低气温、月极端最低气温、月降水量、雨日、月平均相对湿度、月平均风速和月平均日照百分率）源于全国约756个气象站点。气象站点数据的网格化是基于ANUSPLIN软件完成的,该软件已经在气象数据插值研究中得到广泛应用[27]。插值结果显示气温、日照百分率、相对湿度、降水量和雨日的拟合度较高（观测值与模拟值的R2 > 0.9,p < 0.05）,风速的拟合度稍差（观测值与模拟值的R2 > 0.8,p < 0.05）,但能够满足本文需要。
2.3 气候要素敏感性分析
气候要素敏感性分析是研究由于输入的气候要素变化所能引起的模型响应程度的手段,是模拟结果分析与讨论的重要依据。本文采用相对敏感度算法（公式1）,分析IBIS模型模拟的NPP相对于输入的气候要素的敏感性：式中：S为相对敏感度;Pi、Pi+1分别是第i、i+1次计算时输入数据的调整百分率;Qb为模型在原输入数据下的输出结果;Qi、Qi+1分别是第i、i+1次计算模型的输出结果。
计算结果显示,热带树种和北方树种NPP对气温变化较为敏感,这是由于我国热带和北方树种面积基数小,温度变化导致的上述两类植物功能性分布面积的变化,会引起二者NPP较大的相对变化量。大多植被功能型NPP对温差、风速、雨日变化的敏感性较小,而对于降水量、相对湿度和云量变化的敏感性适中（表1）。
Tab. 1
表1
表1气候要素敏感性分析
Tab. 1The sensitivity analysis of climatic data input
| 植被功能型 | 气候要素相对敏感度 | ||||||
|---|---|---|---|---|---|---|---|
| 气温 (℃) | 温差 (℃) | 降水量 (mm) | 相对湿度 (%) | 云量 (%) | 风速 (m/s) | 雨日 (d) | |
| 热带常绿阔叶树 | 5.229 | -0.032 | 0.375 | 0.682 | -0.278 | 0.011 | -0.219 |
| 热带雨绿阔叶树 | 6.818 | -0.037 | 0.361 | 0.692 | -0.277 | 0.013 | -0.216 |
| 亚热带常绿阔叶树 | -0.684 | -0.040 | 0.174 | 0.442 | -0.141 | -0.002 | -0.045 |
| 温带常绿针叶树 | -0.026 | -0.081 | 0.553 | 1.082 | 0.184 | -0.053 | -0.092 |
| 温带落叶阔叶树 | 0.001 | -0.086 | 0.656 | 0.733 | 0.186 | -0.033 | -0.064 |
| 北方常绿针叶树 | -1.876 | -0.062 | 0.292 | 0.886 | -0.082 | -0.040 | -0.051 |
| 北方落叶阔叶树 | -4.010 | -0.093 | 0.654 | 0.759 | 0.136 | -0.039 | -0.069 |
| 北方落叶针叶树 | -4.311 | -0.073 | 0.356 | 0.572 | 0.012 | -0.030 | -0.040 |
| 常绿灌木 | -0.480 | -0.097 | 0.371 | 0.324 | -0.764 | -0.163 | 0.120 |
| 落叶灌木 | -0.485 | -0.069 | 0.212 | 0.261 | -0.686 | -0.031 | 0.176 |
| 暖性(C4)草 | 3.601 | -0.020 | 0.559 | 0.611 | -1.916 | -0.049 | 0.390 |
| 冷性(C3)草 | -1.590 | -0.116 | 0.348 | 0.510 | -0.022 | -0.042 | -0.035 |
新窗口打开
3 脆弱性评价与结果分析
3.1 脆弱性评价方法
评价一个系统的脆弱性通常需要与该系统的“常态”做比较,这个“常态”即脆弱性的评价基准[28]。本文参考IPCC第五次评估报告定义的标准气候态时段,把1986-2005年的20年平均气候状态设定为“标准年气候”,并把这个状态下的潜在植被NPP作为评价基准,定量评价1961-2010年气候变化下潜在植被NPP的脆弱性。自然生态系统NPP有其自然波动的范围,Minnen等通过对多年气候变化下欧洲自然生态系统NPP波动情况的模拟,发现约80%的NPP波动在多年平均值±10%之间,所以确定以NPP的变化量不超过多年平均的10%作为划分系统脆弱与否的阈值[29]。石晓丽模拟了中国自然生态系统NPP的正常波动范围,计算结果分别为±9.9%和±8.5%[30],与Minnen等的研究结果相近。因此,本文把NPP低于评价基准10%以下视为植被对气候变化的不适应,并按照NPP低于评价基准10%、40%、60%和80%[31],将不适应的等级划分为轻度不适应、中度不适应、重度不适应和极度不适应。本文将根据过去50年气候变化下潜在植被表现出的“不适应”次数和程度来综合评价NPP的脆弱性,具体公式如下：
式中：V代表脆弱性综合得分;i表示第i年（n为50）;j表示气候变化下潜在植被的适应性等级;Aj表示某一年潜在植被的适应性等级所对应的分数（无不适应为0,轻度不适应为1,中度不适应为2,重度不适应为3,极度不适应为4）。
3.2 脆弱性评价结果分析
根据过去50年气候变化下各网格潜在植被NPP脆弱性评价的得分情况,对脆弱性等级进行划分,分别是脆弱性低（0~20分）、脆弱性较低（20~40分）、脆弱性较高（40~80分）和脆弱性高（> 80分）（图2）。脆弱性高的区域主要位于天山南部的温带荒漠区,面积占全国总面积的9.1%;脆弱性较高的区域主要位于温带草原区、藏北羌塘高寒草原区以及冀中南落叶阔叶林区,面积占全国总面积的18.9%;脆弱性较低的区域主要集中在冀中南以外的暖温带落叶阔叶林区、青藏高原中部高寒草原区、南岭以南的亚热带常绿阔叶林区以及热带雨林、季雨林区,面积占全国总面积的30.3%;脆弱性低的区域主要包括东北寒温带针叶林区、温带针叶和落叶阔叶混交林区、天山北部的温带荒漠区、青藏高原北部高寒荒漠区、青藏高原东部高寒草甸区、横断山针叶林区、南岭以北的亚热带常绿阔叶林区、云贵高原及四川盆地常绿阔叶林区,面积占全国总面积的41.7%。
显示原图|下载原图ZIP|生成PPT图2过去50年气候变化下中国自然生态系统的脆弱性空间分布
-->Fig. 2Natural ecosystem vulnerability to climate change in China in the past 50 years
-->
由评价结果可见,内蒙古西部的阿拉善地区、甘肃河西走廊、新疆塔里木盆地、青海柴达木盆地等温带半灌木、灌木荒漠区域,由于植被稀疏、生态系统结构单一,容易受到气候变化的影响,潜在植被的NPP脆弱性等级最高;东北松辽平原、内蒙古高原和黄土高原等区域发育了以草类为主的草原植被,同时由于贺兰山的阻隔作用,削弱了西北高寒气流的东袭,阻止了沙漠的东移,使草原植被能够发育良好,较西部的荒漠生态系统结构复杂,抗干扰能力也更强,潜在植被NPP在气候变化下的脆弱性等级为较高;河北中南部的暖温带落叶阔叶林区,在过去50年气候变化下潜在植被NPP的脆弱性等级也为较高,原因可能与该区处于暖温带半湿润气候和温带半干旱气候之间,年际气温、降水波动较大有关;陕西关中平原、山东中南部、山西中东部、江苏和安徽北部、以及河南大部等黄河中下游地区的潜在植被主要是暖温带落叶阔叶林,生态系统结构相对草原生态系统要复杂,生态系统功能也相对稳定,但由于该区域经常出现旱涝等气象灾害,导致气候变化下潜在植被NPP的脆弱性等级为较低;地处南亚热带湿润地区的闽、粤、桂低山丘陵常绿阔叶林区降水变率较大,旱涝灾害频繁,而热带的海南岛和雷州半岛热量丰富但偶有寒潮,当较强寒流南下时可能出现短暂的霜冻[32],使生态系统功能受损,气候变化下潜在植被NPP的脆弱性相对于长江中下游地区的中亚热带常绿阔叶林较高;青藏高原由东南向西北,降水量逐渐减少、温度逐渐降低,自然条件越来越恶劣,潜在植被也由东南部的高寒草甸,过渡到中部的高寒草原,在西北部则为高寒荒漠,生态系统的抗干扰能力逐步降低,潜在植被NPP在气候变化下的脆弱性也逐渐升高。
4 结论
以气候变暖为标志的气候变化正在改变着自然生态系统固有的自然过程,其后果已经逐步威胁到人类的福祉和其他生物的繁衍生息。潜在植被的净初级生产力（Net Primary Productivity, NPP）能够直接反映自然生态系统的质量状况,本文采用模型模拟的方法,利用IBIS模型定量评价了过去50年（1961-2010年）中国潜在植被NPP在气候变化下的脆弱性。主要结论如下：（1）基于潜在植被,通过气候数据驱动植被模型的方法,可以将人类活动对自然生态系统的直接影响与气候变化的影响分离,有利于定量分析气候变化对自然生态系统的影响,进而研究自然生态系统在气候变化下的脆弱性。本文所采用的IBIS模型,是一个动态植被模型,能够反映气候与植被之间的动态关系,对气候变化下潜在植被的时空动态模拟较为符合实际,采用该模型研究气候变化下的脆弱性也具有较高的参考价值。
（2）评价一个系统的脆弱性通常需要与该系统的“常态”做比较,这个“常态”即脆弱性的评价基准。本文参考IPCC最新一次评估报告中选定的标准气候态时段,采用1986-2005年平均气候状态作为“标准年气候”,并将该气候条件下的潜在植被NPP作为评价基准。在脆弱性评价时,首先基于评价基准计算每一年潜在植被NPP的波动情况,判断该年的气候条件是否使潜在植被产生“不适应”以及“不适应”的程度,然后根据过去50年气候变化下“不适应”的出现次数和程度,综合判断潜在植被NPP的脆弱性。
（3）根据脆弱性评价结果,在过去50年（1961-2010年）天山以南的暖温带荒漠生态系统、北方温带草原生态系统以及青藏高原西部的高寒草原生态系统更容易受到气候变化的不利影响,潜在植被NPP呈现出较高的脆弱性;而以森林为主的生态系统则不容易受到气候变化的不利影响,潜在植被NPP脆弱性较低,其中以常绿阔叶林和针叶林为主的生态系统脆弱性更低。此外,天山以北的温带荒漠生态系统以及青藏高原中部和东部的高寒草原草甸生态系统潜在植被NPP也呈现出较低的脆弱性。
5 讨论
5.1 与相关研究成果比较
本文评价结果与叶笃正1992年发表的《中国生态环境敏感带分布图》和赵跃龙1999年发表的《中国脆弱生态环境分布图》具有一致性。《中国生态环境敏感带分布图》中敏感带的分布区域在本文的评价结果中脆弱性等级均比较高[33]。本文中脆弱性高和脆弱性较高的区域属于《中国脆弱生态环境分布图》中的“北方半旱半湿润脆弱区”、“西北半干旱脆弱区”、“华北平原脆弱区”[34]。吴绍洪等采用AVIM2模型模拟了B2情景下未来气候变化对自然生态系统的影响,预测了21世纪气候变化下中国自然生态系统的脆弱性[10];於琍等应用改进后的CEVSA模型,评价了A2气候情景下的中国自然生态系统脆弱性[11];赵东升等利用LPJ模型模拟了A2、B2、A1B未来气候情景下中国自然生态系统的变化,评估了中国自然生态系统响应未来气候变化的脆弱性[12]。上述研究均深入探讨了未来气候情境下中国自然生态系统的脆弱性,从研究的结果来看,西北干旱荒漠地区以及青藏高原中西部地区更容易受未来气候变化的影响,呈现较高的脆弱性,这与本文的评价结果相近。对于温带草原、暖温带落叶阔叶林、亚热带常绿阔叶林以及热带雨林和季雨林生态系统的脆弱性评价结果因脆弱性评价所选取的指标不同、模型不同而有所差异,但总的趋势仍然是西北干旱区和青藏高原区植被在气候变化下的脆弱性要明显高于东部季风区。
5.2 脆弱性主导因子分析
气候变化下潜在植被NPP脆弱性是各气候要素变化对潜在植被影响的综合,本文拟采用相关分析方法,通过比较各经纬网格内单个气候要素与潜在植被NPP之间的相关关系,找出相关关系最为显著的一个气候要素,作为该网格潜在植被NPP脆弱性可能的主导气候因子,其结果如下：图3显示,23.6%的经纬网格内,脆弱性与单个气候要素相关系数的最大值介于-0.3和0.3之间,相关关系较弱,说明过去50年这些区域的潜在植被NPP脆弱性是多个气候要素综合作用的结果,如脆弱性高的暖温带荒漠大部分区域;57.7%的经纬网格内,脆弱性与单个气候要素相关关系的最大值的绝对值介于0.3和0.5之间,说明过去50年这些区域的潜在植被NPP脆弱性和某个气候要素的变化存在一定的相关关系,但相关性不高,其他气候要素对于潜在植被NPP的影响不可忽略,如脆弱性较高的温带草原区和冀中南落叶阔叶林区可能受降水量的影响较多,降水量的减少会导致草原和落叶阔叶林NPP降低;其余18.7%的经纬网格内,脆弱性与单个气候要素相关关系的最大值的绝对值介于0.5和0.8之间,说明过去50年这些区域的潜在植被NPP脆弱性和某个气候要素的变化存在较强的相关关系,这个气候要素就有可能是该区域自然生态系统脆弱的主导气候因子,如NPP脆弱性高的柴达木盆地荒漠植被,其西部的主导气候因子可能是风速,东部的主导气候因子可能是降水量,风速过大或者降水量的减少都会导致荒漠植被NPP降低。总体来看,中国过去50年潜在植被NPP脆弱性可能的主导气候因子大多与降水相关,如降水量、雨日、相对湿度等。降水量和相对湿度对于中国潜在植被NPP的影响多是正向的。雨日对灌木林NPP有正向影响,但对乔木林NPP有微弱的负向影响,这可能与雨日增加虽然提高了降水量,但同时也降低了太阳辐射量有关系（表1）。
显示原图|下载原图ZIP|生成PPT图3脆弱性可能的主导气候因子及其与脆弱性之间的相关系数(p < 0.05)
-->Fig. 3The possible leading factors of vulnerability & the correlation coefficient between these factors and vulnerability
-->
5.3 不确定性分析
本文中的不确定性主要来自与数据有关的不确定性和模型相关的不确定性两个方面。在数据方面,本文用到的气候数据均来自气象站点的实测数据,但现有的气象数据观测站在西部地区和台湾分布较少,使得气候数据插值结果的精度受到一定影响。如在脆弱性评价结果中,藏南高山谷地以及台湾南部地区的潜在植被NPP的脆弱性等级为较高,这可能与该区域气象站点分布较少,而且启用年代较晚有关系。在模型方面,本文中采用的模拟精度为0.5°×0.5°经纬网格,每个网格平均面积约2500 km2,在模拟时假设每个网格内气候数据、地形数据、土壤数据以及模拟的生态系统类型和NPP是一致的,因此,本文对于全国或者大区域尺度上的研究具有参考意义,但对于小区域尺度上的研究则可参考性不足。在未来的研究工作中,应在进一步提高数据空间分辨率和数据精度的基础上,结合区域社会经济发展状况,分析小空间尺度上潜在植被在气候变化下的脆弱性。5.4 未来研究展望
本文只探讨了潜在自然植被在气候变化下的脆弱性,对于人工植被,尤其是农田生态系统在气候变化下的脆弱性研究仍亟待深入。由于农田生态系统受人类活动的直接干扰,所以对其脆弱性的研究除了考虑气候因素外,还要考虑人类的耕作行为对农作物生长环境的影响,如翻耕、灌溉、施肥、除草等。这就需要综合利用地理学和生态学的相关理论与方法,根据不同典型区农田生态系统特征,修改动态植被模型（GDVM）并验证,使其能够准确模拟研究区农田生态系统过程,在区域尺度上构建“大气—植被—土壤”之间的耦合模型,为揭示区域气候变化下农田生态系统变化机制,合理制定耕地保护政策提供科学依据。The authors have declared that no competing interests exist.
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
| [1] | |
| [2] | <p>城市脆弱性是指城市在发展过程中抵抗资源、生态环境、经济、社会发展等内外部自然要素和人为要素干扰的应对能力。当这种抗干扰的应对能力低于某一临界阈值时,城市即进入脆弱状态。城市脆弱性是城市资源脆弱性、生态环境脆弱性、经济脆弱性和社会脆弱性的综合体现。城市脆弱性的评价与调控研究对提升中国城镇化质量、实现可持续发展具有重要意义。采用系统分析方法和综合指数评价法,从资源、生态环境、经济和社会4个方面确定10项分指数、选取36个具体指标,构建了中国城市脆弱性综合测度指标体系,并确定测度标准值,对中国地级以上城市脆弱性及其空间分异做了总体评价。研究表明,中国城市脆弱性呈现明显的“级差化”分异特征,总体处于中度脆弱状态。按照这种差异,将中国城市脆弱程度划分为低度脆弱、较低脆弱、中度脆弱、较高脆弱和高度脆弱5个级别。城市脆弱性呈现显著的“梯度化”和“集群化”空间分异,东部地区城市脆弱性明显低于中西部地区,城市群地区脆弱性低于其它地区。城市脆弱性与城市规模存在一定的对应关系,规模越大的城市脆弱性相对越小。资源型城市脆弱性明显高于综合性城市,职能综合性强的城市脆弱性相对较低。城市经济增长的快慢不能反映城市脆弱性的高低,经济高速增长并不意味着城市脆弱性就低。如何科学测度城市综合脆弱性,如何应对和降低城市脆弱性,是本研究试图回答的问题。该研究为丰富城市脆弱性与城市可持续发展理论,为解决快速城市化、工业化进程中的城市资源枯竭、生态环境破坏、经济增长方式的转变及系列社会问题等提供科学依据。</p> . <p>城市脆弱性是指城市在发展过程中抵抗资源、生态环境、经济、社会发展等内外部自然要素和人为要素干扰的应对能力。当这种抗干扰的应对能力低于某一临界阈值时,城市即进入脆弱状态。城市脆弱性是城市资源脆弱性、生态环境脆弱性、经济脆弱性和社会脆弱性的综合体现。城市脆弱性的评价与调控研究对提升中国城镇化质量、实现可持续发展具有重要意义。采用系统分析方法和综合指数评价法,从资源、生态环境、经济和社会4个方面确定10项分指数、选取36个具体指标,构建了中国城市脆弱性综合测度指标体系,并确定测度标准值,对中国地级以上城市脆弱性及其空间分异做了总体评价。研究表明,中国城市脆弱性呈现明显的“级差化”分异特征,总体处于中度脆弱状态。按照这种差异,将中国城市脆弱程度划分为低度脆弱、较低脆弱、中度脆弱、较高脆弱和高度脆弱5个级别。城市脆弱性呈现显著的“梯度化”和“集群化”空间分异,东部地区城市脆弱性明显低于中西部地区,城市群地区脆弱性低于其它地区。城市脆弱性与城市规模存在一定的对应关系,规模越大的城市脆弱性相对越小。资源型城市脆弱性明显高于综合性城市,职能综合性强的城市脆弱性相对较低。城市经济增长的快慢不能反映城市脆弱性的高低,经济高速增长并不意味着城市脆弱性就低。如何科学测度城市综合脆弱性,如何应对和降低城市脆弱性,是本研究试图回答的问题。该研究为丰富城市脆弱性与城市可持续发展理论,为解决快速城市化、工业化进程中的城市资源枯竭、生态环境破坏、经济增长方式的转变及系列社会问题等提供科学依据。</p> |
| [3] | 全球气候变化问题虽然还存在某些不确定性，但已得到广泛认同，对气候条件颇为敏感的农业将受影响，主要效应可概括为：（１）农业地理限制的变动；（２）作物产量的变化；（３）对农业系统的冲击。中国农业对气候变化与波动尤其敏感，加之人口压力进一步加大和农业资源已有紧缺，粮食自给的能力将受到严重威胁，必须充分重视适应和调整对策的研究，变动性与不确定性是气候的固有特征，在评价全球气候变化对农业的影响时应该认识到这 . 全球气候变化问题虽然还存在某些不确定性，但已得到广泛认同，对气候条件颇为敏感的农业将受影响，主要效应可概括为：（１）农业地理限制的变动；（２）作物产量的变化；（３）对农业系统的冲击。中国农业对气候变化与波动尤其敏感，加之人口压力进一步加大和农业资源已有紧缺，粮食自给的能力将受到严重威胁，必须充分重视适应和调整对策的研究，变动性与不确定性是气候的固有特征，在评价全球气候变化对农业的影响时应该认识到这 |
| [4] | |
| [5] | . |
| [6] | |
| [7] | 以中国学术期刊全文数据库(CNKI)为主要数据源, 采用文献计量分析法, 分析了中国生态脆弱性研究的现状与发展。结果显示, 自1989 年以来生态脆弱性在中国逐渐成为研究热点, 并形成三个发展阶段:1989-2000 年, 是以理论初探和区域对策等定性研究为主的初步发展阶段;2001-2007 年, 是以方法应用与实证评价为主, 并以数量大幅度增长为特点的迅速发展阶段;2008 年之后开始出现研究总结热潮和综合化研究趋势, 进入由单纯数量增长转向理论内涵建设的成熟发展阶段。在脆弱性研究进展中, 脆弱性实证评价研究相对发展迅速, 其实证研究区域由偏于西南喀斯特地区和北方农牧交错带逐渐趋于广泛和均衡, 但总体上脆弱性理论研究发展滞后于其方法应用研究, 并导致目前中国生态脆弱性实证评价方法缺乏统一的理论规范;生态脆弱性实证研究仍以生态系统脆弱性评价为主;已有研究成果的脆弱性综合评价指标中, 自然和经济类指标的比重和地区差异较大, 社会指标的比重和地区差异较小。 . 以中国学术期刊全文数据库(CNKI)为主要数据源, 采用文献计量分析法, 分析了中国生态脆弱性研究的现状与发展。结果显示, 自1989 年以来生态脆弱性在中国逐渐成为研究热点, 并形成三个发展阶段:1989-2000 年, 是以理论初探和区域对策等定性研究为主的初步发展阶段;2001-2007 年, 是以方法应用与实证评价为主, 并以数量大幅度增长为特点的迅速发展阶段;2008 年之后开始出现研究总结热潮和综合化研究趋势, 进入由单纯数量增长转向理论内涵建设的成熟发展阶段。在脆弱性研究进展中, 脆弱性实证评价研究相对发展迅速, 其实证研究区域由偏于西南喀斯特地区和北方农牧交错带逐渐趋于广泛和均衡, 但总体上脆弱性理论研究发展滞后于其方法应用研究, 并导致目前中国生态脆弱性实证评价方法缺乏统一的理论规范;生态脆弱性实证研究仍以生态系统脆弱性评价为主;已有研究成果的脆弱性综合评价指标中, 自然和经济类指标的比重和地区差异较大, 社会指标的比重和地区差异较小。 |
| [8] | 本文对全球气候变化影响下中国森林的脆弱性作了初步研究。首先讨论了适应性、敏感性和脆弱性的概念及其评价方法其次介绍了中国森林脆弱性的评价指标。脆弱性的分析通常包括适应性和敏感性，或现实的脆弱性及未来的脆弱性两部分内容，前者主要分析现实影响森林生态系统自身调节与恢复能力的各种因素，后者主要分析未来气候变化影响下可能造成的脆弱性。现实的脆弱性指标主要包括林地质量、林龄结构、薪材供应以及森林灾害四类指标。未来的脆弱性指标主要包括类型变化、生产力变化以及森林火险三类指标。将各类指标综合，即可得到综合指标；最后，根据所能获得的资料初步计算分析了中国森林的脆弱性分布。 . 本文对全球气候变化影响下中国森林的脆弱性作了初步研究。首先讨论了适应性、敏感性和脆弱性的概念及其评价方法其次介绍了中国森林脆弱性的评价指标。脆弱性的分析通常包括适应性和敏感性，或现实的脆弱性及未来的脆弱性两部分内容，前者主要分析现实影响森林生态系统自身调节与恢复能力的各种因素，后者主要分析未来气候变化影响下可能造成的脆弱性。现实的脆弱性指标主要包括林地质量、林龄结构、薪材供应以及森林灾害四类指标。未来的脆弱性指标主要包括类型变化、生产力变化以及森林火险三类指标。将各类指标综合，即可得到综合指标；最后，根据所能获得的资料初步计算分析了中国森林的脆弱性分布。 |
| [9] | |
| [10] | 使用国际政府间气候变化专门委员会(IPCC)《情景排放特别报告》(SRES)所设定的社会经济发展情景中B2情景下的未来气候变化数据, 应用大气-植被相互作用模型(AVIM2), 对21世纪中国生态系统的状况进行模拟; 在已建立的生态系统脆弱性评价指标体系和评价模型的基础上, 对中国21世纪自然生态系统在气候变化背景下的脆弱性进行了评价. 结果显示中国未来气候变化将对生态系统存在着较为严重的影响, 并将随时间的推移有趋于严重的趋势; 受气候变化影响严重的地区是生态系统本底比较脆弱的地区, 但部分生态系统本底较好的地区也将受到严重的影响; 极端气候的发生将对生态系统产生巨大的影响; 开放灌丛和荒漠草原是受影响最为严重的类型, 极端气候事件的发生则将严重影响到落叶阔叶林、有林草地和常绿针叶林; 气候变化的影响不都是负面影响, 近期的变化对寒冷的地区也可能有利, 但从中、远期的情况看, 气候变化对生态系统的负面影响巨大. <BR> . 使用国际政府间气候变化专门委员会(IPCC)《情景排放特别报告》(SRES)所设定的社会经济发展情景中B2情景下的未来气候变化数据, 应用大气-植被相互作用模型(AVIM2), 对21世纪中国生态系统的状况进行模拟; 在已建立的生态系统脆弱性评价指标体系和评价模型的基础上, 对中国21世纪自然生态系统在气候变化背景下的脆弱性进行了评价. 结果显示中国未来气候变化将对生态系统存在着较为严重的影响, 并将随时间的推移有趋于严重的趋势; 受气候变化影响严重的地区是生态系统本底比较脆弱的地区, 但部分生态系统本底较好的地区也将受到严重的影响; 极端气候的发生将对生态系统产生巨大的影响; 开放灌丛和荒漠草原是受影响最为严重的类型, 极端气候事件的发生则将严重影响到落叶阔叶林、有林草地和常绿针叶林; 气候变化的影响不都是负面影响, 近期的变化对寒冷的地区也可能有利, 但从中、远期的情况看, 气候变化对生态系统的负面影响巨大. <BR> |
| [11] | 陆地生态系统对气候变化的响应及其脆弱性评价研究是当前全球变化领域的重要内容之一。该研究在生态系统过程模型的基础上，耦合了潜在 <BR>植被对气候变化的动态响应，模拟气候变化对潜在植被分布格局和生态系统主要功能的影响，以潜在植被的变化次数和变化方 向定义植被分布 <BR>对气候变化的敏感性和适应性，以生态系统功能特征量的年际变率及其变化趋势定义生态系统功能对气候变化的敏感性和适应性，进而对生态 <BR>系统的脆弱性进行定量评价，分析不同气候条件下我国陆地生态系统的脆弱性分布格局及其区域特点。结果表明，我国自然生态系统气候脆弱 <BR>性的总体特点为南低北高、东低西高，气候变化将会增加系统的脆弱性。采用政府间气候变化委员会排放情景特别报告国内和区域资源情景， <BR>即IPCC-SRES-A2气候情景进行的预测模拟表明，到21世纪末我国不脆弱的生态系统比例将减少22%左右，高度脆弱和极度脆弱的生态系统所占的 <BR>比例较当前气候条件下分别减少1.3%和0.4%。气候变化对我国陆地生态系统的脆弱性分布格局影响不大。不同气候条件下，高度脆弱和极度脆 <BR>弱的自然生态系统主要分布在我国内蒙古、东北和西北等地区的生态过渡带上及荒漠-草地生态系统中。总体而言，华南及西南大部分地区的生 <BR>态系统脆弱性将随气候变化而有所增加，而华北及东北地区则有所减小。 . 陆地生态系统对气候变化的响应及其脆弱性评价研究是当前全球变化领域的重要内容之一。该研究在生态系统过程模型的基础上，耦合了潜在 <BR>植被对气候变化的动态响应，模拟气候变化对潜在植被分布格局和生态系统主要功能的影响，以潜在植被的变化次数和变化方 向定义植被分布 <BR>对气候变化的敏感性和适应性，以生态系统功能特征量的年际变率及其变化趋势定义生态系统功能对气候变化的敏感性和适应性，进而对生态 <BR>系统的脆弱性进行定量评价，分析不同气候条件下我国陆地生态系统的脆弱性分布格局及其区域特点。结果表明，我国自然生态系统气候脆弱 <BR>性的总体特点为南低北高、东低西高，气候变化将会增加系统的脆弱性。采用政府间气候变化委员会排放情景特别报告国内和区域资源情景， <BR>即IPCC-SRES-A2气候情景进行的预测模拟表明，到21世纪末我国不脆弱的生态系统比例将减少22%左右，高度脆弱和极度脆弱的生态系统所占的 <BR>比例较当前气候条件下分别减少1.3%和0.4%。气候变化对我国陆地生态系统的脆弱性分布格局影响不大。不同气候条件下，高度脆弱和极度脆 <BR>弱的自然生态系统主要分布在我国内蒙古、东北和西北等地区的生态过渡带上及荒漠-草地生态系统中。总体而言，华南及西南大部分地区的生 <BR>态系统脆弱性将随气候变化而有所增加，而华北及东北地区则有所减小。 |
| [12] | 本研究以动态植被模型LPJ 为主要工具,以区域气候模式工具PRECIS 产生的A2、B2和A1B情景气候数据为输入,模拟了未来气候变化下中国自然生态系统的变化状况,应用脆弱性评价模型,评估中国自然生态系统响应未来气候变化的脆弱性。结果表明:未来气候变化情景下中国东部地区脆弱程度呈上升趋势,西部地区呈下降趋势,但总体上,中国自然生态系统的脆弱性格局没有大的变化,仍呈现西高东低、北高南低的特点。受气候变化影响严重的地区是东北和华北地区,而青藏高原区南部和西北干旱区受气候变化影响,脆弱程度明显减轻。气候变化情景下的近期气候变化对我国生态系统的影响不大,但中、远期气候变化对生态系统的负面影响较大,特别是在自然条件相对较好的东部地区,脆弱区面积增加较多。 . 本研究以动态植被模型LPJ 为主要工具,以区域气候模式工具PRECIS 产生的A2、B2和A1B情景气候数据为输入,模拟了未来气候变化下中国自然生态系统的变化状况,应用脆弱性评价模型,评估中国自然生态系统响应未来气候变化的脆弱性。结果表明:未来气候变化情景下中国东部地区脆弱程度呈上升趋势,西部地区呈下降趋势,但总体上,中国自然生态系统的脆弱性格局没有大的变化,仍呈现西高东低、北高南低的特点。受气候变化影响严重的地区是东北和华北地区,而青藏高原区南部和西北干旱区受气候变化影响,脆弱程度明显减轻。气候变化情景下的近期气候变化对我国生态系统的影响不大,但中、远期气候变化对生态系统的负面影响较大,特别是在自然条件相对较好的东部地区,脆弱区面积增加较多。 |
| [13] | |
| [14] | |
| [15] | |
| [16] | |
| [17] | A model to predict global patterns in vegetation physiognomy was developed from physiological considerations influencing the distributions of different functional types of plant. Primary driving variables are mean coldest-month temperature, annual accumulated temperature over 5-degrees-C, and a drought index incorporating the seasonality of precipitation and the available water capacity of the soil. The model predicts which plant types can occur in a given environment, and selects the potentially dominant types from among them. Biomes arise as combinations of dominant types. Global environmental data were supplied as monthly means of temperature, precipitation and sunshine (interpolated to a global 0.5-degrees grid, with a lapse-rate correction) and soil texture class. The resulting predictions of global vegetation patterns were in good agreement with the mapped distribution of actual ecosystem complexes (Olson, J.S., Watts, J.A. & Allison, L.J. (1983) ORNL-5862, Oak Ridge Nat. Lab., 164 pp.), except where intensive agriculture has obliterated the natural patterns. The model will help in assessing impacts of future climate changes on potential natural vegetation patterns, land-surface characteristics and terrestrial carbon storage, and in analysis of the effects of past climate change on these variables. |
| [18] | |
| [19] | The Century model for plant-soil ecosystems, developed under a Scientific Committee on Problems of the Environment (SCOPE) project, has been modified by a grasslands modelling group so it can be applied to a wide range of tempeate and tropical grasslands worldwide. This study was developed to meet the overall aims of the SCOPE project to review and identify models with wide application and predictive ability, in order to link plant ans soil responses to the large scale modelling of global change. The Century model is reviewed and compared with other models. The model simulated differences between wet and dry years well, but was unable to simulate more subtle differences between years with similar precipitation. The model substantially underestimated live biomass for unusually high production years. 44 refs., 15 figs., 2 tabs. |
| [20] | A global primary productivity and phytogeography model is described. The model represents the biochemical processes of photosynthesis and the dependence of gas exchange on stomatal conductance, which in turn depends on temperature and soil moisture. Canopy conductance controls soil water loss by evapotranspiration. The assignment of nitrogen uptake to leaf layers is proportional to irradiance, and respiration and maximum assimilation rates depend on nitrogen uptake and temperature. Total nitrogen uptake is derived from soil carbon and nitrogen and depends on temperature. The long-term average annual carbon and hydrological budgets dictate canopy leaf area. Although observations constrain soil carbon and nitrogen, the distribution of vegetation types is not specified by an underlying map. Variables simulated by the model are compared to experimental results. These comparisons extend from biochemical processes to the whole canopy, and the comparisons are favorable for both current and elevated CO 2 atmospheres. The model is used to simulate the global distributions of leaf area index and annual net primary productivity. These distributions are sufficiently realistic to demonstrate that the model is useful for analyzing vegetation responses to global environmental change. |
| [21] | Here we present a new terrestrial biosphere model (the Integrated Biosphere Simulator - IBIS) which demonstrates how land surface biophysics, terrestrial carbon fluxes, and global vegetation dynamics can be represented in a single, physically consistent modeling framework. In order to integrate a wide range of biophysical, physiological, and ecological processes, the model is designed around a hierarchical, modular structure and uses a common state description throughout. First, a coupled simulation of the surface water, energy, and carbon fluxes is performed on hourly timesteps and is integrated over the year to estimate the annual water and carbon balance. Next, the annual carbon balance is used to predict changes in the leaf area index and biomass for each of nine plant functional types, which compete for light and water using different ecological strategies. The resulting patterns of annual evapotranspiration, runoff, and net primary productivity are in good agreement with observations. In addition, the model simulates patterns of vegetation dynamics that qualitatively agree with features of the natural process of secondary succession. Comparison of the model's inferred near-equilibrium vegetation categories with a potential natural vegetation map shows a fair degree of agreement. This integrated modeling framework provides a means of simulating both rapid biophysical processes and long-term ecosystem dynamics that can be directly incorporated within atmospheric models. |
| [22] | ABSTRACT While a new class of Dynamic Global Ecosystem Models (DGEMs) has emerged in the past few years as an important tool for describing global biogeochemical cycles and atmosphere-biosphere interactions, these models are still largely untested. Here we analyze the behavior of a new DGEM and compare the results to global-scale observations of water balance, carbon balance, and vegetation structure. In this study, we use version 2 of the Integrated Biosphere Simulator (IBIS), which includes several major improvements and additions to the prototype model developed by Foley et al. [1996]. IBIS is designed to be a comprehensive model of the terrestrial biosphere; the model represents a wide range of processes, including land surface physics, canopy physiology, plant phenology, vegetation dynamics and competition, and carbon and nutrient cycling. The model generates global simulations of the surface water balance (e.g., runoff), the terrestrial carbon balance (e.g., net primary production, net ecosystem exchange, |
| [23] | ABSTRACT |
| [24] | The Integrated Biosphere Simulator (IBIS)-a Dynamic Global Vegetation Model-was validated by simulating the potential natural vegetation map of China using data on monthly mean climate from 1961 to 1990, soil texture, and topography. Although the vegetation map simulated by IBIS was able to describe the sketch of vegetation patterns in China, the distributions of several plant functional types ( PFTs) and vegetation types were still simulated incorrectly, especially in eastern temperate areas, southern subtropics, the southern Sichuan basin, and the Hengduan mountains area. By adjusting some of the climatic constraints and physiological parameters of PFTs defined in IBIS, the simulated distributions of PFTs became reasonable, and the simulated vegetation map fitted the natural vegetation map better. The kappa statistic between the simulated and the natural vegetation maps was 0.76, an increase of 16.9% from the previous parameter adjustment of 0.65. Correspondingly, the degree of agreement between these two maps rose from "good" to "very good". After the parameter adjustments, IBIS became more suitable for the large-scale simulation of Chinese natural vegetation distributions and could provide a powerful support to reveal the dynamic responses of terrestrial ecosystems to climate change in China. |
| [25] | <p>Net primary productivity (NPP) is the most important index that represents the structure and function of the ecosystem. NPP can be simulated by dynamic global vegetation models (DGVM), which are designed to represent vegetation dynamics relative to environmental change. This study simulated the NPP of China's ecosystems based on the DGVM Integrated Biosphere Simulator (IBIS) with data on climate, soil, and topography. The applicability of IBIS in the NPP simulation of China's terrestrial ecosystems was verified first. Comparison with other relevant studies indicates that the range and mean value of simulations are generally within the limits of observations; the overall pattern and total annual NPP are close to the simulations conducted with other models. The simulations are also close to the NPP estimations based on remote sensing. Validation proved that IBIS can be utilized in the large-scale simulation of NPP in China's natural ecosystem. We then simulated NPP with climate change data from 1961 to 2005, when warming was particularly striking. The following are the results of the simulation. (1) Total NPP varied from 3.61 GtC/yr to 4.24 GtC/yr in the past 45 years and exhibited minimal significant linear increase or decrease. (2) Regional differences in the increase or decrease in NPP were large but exhibited an insignificant overall linear trend. NPP declined in most parts of eastern and central China, especially in the Loess Plateau. (3) Similar to the fluctuation law of annual NPP, seasonal NPP also displayed an insignificant increase or decrease; the trend line was within the general level. (4) The regional differences in seasonal NPP changes were large. NPP declined in spring, summer, and autumn in the Loess Plateau but increased in most parts of the Tibetan Plateau.</p> |
| [26] | , |
| [27] | |
| [28] | <a name="Abs1"></a>Environmental change alters ecosystem functioning and may put the provision of services to human at risk. This paper presents a spatially explicit and quantitative assessment of the corresponding vulnerability for Europe, using a new framework designed to answer multidisciplinary policy relevant questions about the vulnerability of the human-environment system to global change. Scenarios were constructed for a range of possible changes in socio-economic trends, land uses and climate. These scenarios were used as inputs in a range of ecosystem models in order to assess the response of ecosystem function as well as the changes in the services they provide. The framework was used to relate the impacts of changing ecosystem service provision for four sectors in relation to each other, and to combine them with a simple, but generic index for societal adaptive capacity. By allowing analysis of different sectors, regions and development pathways, the vulnerability assessment provides a basis for discussion between stakeholders and policymakers about sustainable management of Europe’s natural resources. |
| [29] | This paper presents a new methodology called the “critical climate change” approach for evaluating policies for reducing climate change impacts on natural ecosystems. This method is particularly suited for integrated assessments because of its long-term and large-scale perspective. This is an analogous approach to the “critical loads” concept used for assessing regional air pollution impacts in Europe. Critical climate change is defined as the “quantitative magnitude of climate change (expressed as changes in temperature and precipitation) above which unacceptable long-term effects on ecosystems may occur, according to current knowledge”. The approach consists of four main steps: (1) Selection of appropriate indicators of climate change impact. Here we select changes in net primary productivity of ecosystems. (2) Assigning to the selected indicator a level of “unacceptable impact” of climate change. Here we assume this level to be at least a 10% loss in the net primary productivity of natural ecosystems, after considering other thresholds and the historical variation in ecosystem productivity. (3) Determining the response of the indicator to one or more climate-related driving force. This includes identifying the combinations of driving forces that produce the assigned unacceptable impact . (4) Computing the area where critical climate changes exceeded under climate change scenarios. An analysis of climate scenarios show that critical climate changes may be exceeded on 9–13% of Europe’s area by 2100, depending on the scenario. The areas where critical climate changes are exceeded are located mostly in southern Europe, even under relatively low emission scenarios. |
| [30] | [D]. [D]. |
| [31] | 针对气候变化对生态系统的影响，研究了确定生态系统影响阈值的有关科学问题，包括：气候变化对生态系统影响的阈值的定义；生态系统对气候变化的响应过程；生态系统对气候变化的适应性指标；生态系统对气候变化的适应性评价等。通过CEVSA模型和基于人工神经网络模型对中国生态系统的模拟和评价，初步结果显示，自然生态系统基本上处于基准态、轻度和中度不适应状态，目前模拟、评价的结果尚未发现生态系统不适应的情况。由SRES描述的B2和A2情景模拟结果初步对比显示，B2情景（大约升温3.2℃）对东北地区自然生态系统的影响更为明显，且大多数为正影响；A2情景（大约升温3.9℃）对华东地区自然生态系统有不利影响。 . 针对气候变化对生态系统的影响，研究了确定生态系统影响阈值的有关科学问题，包括：气候变化对生态系统影响的阈值的定义；生态系统对气候变化的响应过程；生态系统对气候变化的适应性指标；生态系统对气候变化的适应性评价等。通过CEVSA模型和基于人工神经网络模型对中国生态系统的模拟和评价，初步结果显示，自然生态系统基本上处于基准态、轻度和中度不适应状态，目前模拟、评价的结果尚未发现生态系统不适应的情况。由SRES描述的B2和A2情景模拟结果初步对比显示，B2情景（大约升温3.2℃）对东北地区自然生态系统的影响更为明显，且大多数为正影响；A2情景（大约升温3.9℃）对华东地区自然生态系统有不利影响。 |
| [32] | |
| [33] | |
| [34] |
