曲阜师范大学地理与旅游学院，山东 日照

收稿日期：2021年4月10日；录用日期：2021年5月14日；发布日期：2021年5月21日

摘要

水分利用效率(WUE)作为陆地生态系统中碳水循环之间的重要连接，衡量了生态系统水分消耗与碳积累之间的关系。本文基于MODIS净初级生产力(NPP)和蒸散(ET)产品数据，分析了中国干旱半干旱区WUE的时空变异及其影响因素。结果表明：1) 2001至2014年，整个研究区NPP和ET均呈上升趋势，WUE呈下降趋势；2) WUE低值区主要分布在青藏高原地区，其年际变化呈上升趋势；WUE高值区主要分布在新疆北部和松嫩平原西部，WUE年际变化呈下降趋势；3) 研究区大部分地区WUE与降水呈正相关。在青藏高原高寒草甸区，WUE与温度呈负相关，而在内蒙古高原温带草甸区，WUE与温度呈正相关。4) 不同时间尺度的SPEI与WUE相关性趋势大体一致，即干旱促进大部分研究区植被WUE且SPEI-12与WUE的显著相关比例最大。

关键词

水分利用效率，植被，影响因素，中国干旱半干旱区

Spatiotemporal Variation of Water Use Efficiency and Its Influencing Factors in Arid and Semi-Arid Areas of China

Qingchen Xu

College of Geography and Tourism, Qufu Normal University, Rizhao Shandong

Received: Apr. 10^th, 2021; accepted: May 14^th, 2021; published: May 21^st, 2021

ABSTRACT

As an important link between carbon and water cycle in terrestrial ecosystems, water use efficiency (WUE) measures the relationship between water consumption and carbon. In this paper, net primary production (NPP) and evapotranspiration (ET) data from MODIS products were used to analyze the spatial and temporal characteristics of water use efficiency in arid and semi-arid areas of China, and the response of vegetation to climate factors. Results showed that, 1) During 2001-2014, both NPP and ET showed an upward trend, while WUE showed a downward trend. 2) Spatially, the low WUE values are mainly distributed in the Tibetan plateau and show an upward trend; while the high WUE values are mainly distributed in the north of Xinjiang and the west of Songnen plain. 3) WUE of different vegetation types is shown as follows: Evergreen Needle leaf forest > Croplands > Mixed forest > Closed shrub lands > Grasslands > Open shrub lands. 4) Precipitation is positively correlated with most areas of the study area; temperature is negatively correlated with the alpine meadow on the Tibetan plateau and positively correlated with the temperate meadow on the Inner Mongolia plateau. A certain degree of drought can promote water use efficiency of vegetation.

Keywords:Water Use Efficiency, Vegetation, Influencing Factors, The Arid and Semiarid Zones of China

Copyright © 2021 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

水分利用效率(Water Use Efficiency, WUE)定义为植被净初级生产力(Net Primary Production, NPP)与蒸散(Evapotranspiration, ET)的比值 [1] [2]，表示植物单位固碳所消耗的水量 [3]。这一指标综合了陆地生态系统的生物过程和物理过程，对理解陆地生态系统与大气之间的碳水通量耦合有重要意义 [4]。WUE影响生态系统生产力和碳汇功能，同时也是研究植物生存和适宜性的重要指标 [5]。在气候变化背景下，气温和降水格局变化会对生态系统WUE造成显著影响 [6]。已有研究在各个尺度上开展了WUE的实验和模拟研究：在全球尺度上，Ito [7] 等人基于VISIT模型的研究发现森林生态系统有着较高的WUE；在区域尺度上，Tian [8] 等利用DLEM模型模拟了亚洲季风区WUE，发现在1948至2000年间WUE呈下降趋势，尤其在20世纪90年代下降最为显著；在站点尺度上，Warren Webb [6] 对美国三种生态系统WUE进行研究发现，森林生态系统的WUE要明显高于草地生态系统，最低的则是荒漠生态系统。WUE影响因素的研究也已在不同尺度开展并得到相应的结论：在全球尺度上，Yang [9] 等利用WUE观测数据集研究WUE与湿润指数和帕默尔干旱指数之间的关系发现，在赤道较为湿润的生态系统中，干旱对WUE起到抑制作用，而在澳大利亚等较为干旱的生态系统中，干旱对WUE起到促进作用；Ling Huang [10] 等人利用MODIS数据对全球WUE评估时同样发现，在干旱的生态系统中WUE与标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index, SPEI)呈负相关。在区域尺度上，影响海河流生态系统WUE的主要因素是降水，且随着降水的增多WUE上升 [11]；而在较为湿润的安徽省植被WUE则随着降水的增多而下降 [12]；张远东和裴婷婷 [13] 分别研究发现，中国西南高山地区WUE与温度呈显著负相关，而黄土高原地区植被WUE与温度呈正相关 [14]。干旱对区域WUE的影响也有不少研究，例如Limai Guo [15] 等人和Yibo Liu [16] 等人都分别得到干旱对中国部分地区的WUE起到促进作用；邹杰 [17] 等人也在中亚地区干旱对WUE的滞后效应做出相关研究。在站点尺度上，闫巍 [18] 等人利用位于青藏高原的当雄县碳通量观测站对2003年到2005年高寒草甸生态系统研究发现，雄县高寒草甸的生态系统WUE与降水呈正相关关系；Maricar Aguilos [19] 等人也利用单个涡度通量数据集对法属圭亚那热带雨林2004至2014连续11年的WUE进行估算并分析，结果表明水分的缺乏对生态系统ET的影响要比对光合作用的影响更大。

综上，WUE主要受气候因素影响，但不同区域WUE的时空变异及影响因素不同，因此在更多区域开展对WUE及其影响因素的研究至关重要。中国干旱和半干旱地区是对气候变化最敏感的地区之一，研究该区WUE时空变异及其驱动因素有助于理解生态系统对气候变化的适应策略。本文基于MODIS数据产品，分析WUE和气温、降水和SPEI的相关关系，讨论2001至2014年WUE在中国干旱半干旱区的时空变化特征以及对气候变化的响应，研究可为干旱半干旱区的生态系统管理提供一定的依据。

2. 材料和方法

2.1. 研究区概况

中国干旱半干旱区位于中国北部，被定义为干旱指数小于0.5的区域，即降水和蒸散的比率小于0.5的区域(中国科学院自然区划委员会)。经度范围是东经73˚29'~125˚51'，纬度范围是北纬27˚14'~50˚08'，包括新疆、西藏、青海、内蒙古等12个省。主要地形区包括准噶尔盆地、吐鲁番盆地、塔里木盆地、青藏高原、黄土高原、内蒙古高原和松嫩平原西部，总面积为4,556,650 km² [20]。主要的气候类型为温带大陆性气候和高原山地气候。主要的植被类型为草地、农用地和稀疏灌丛。

2.2. 数据来源与处理

2.2.1. MODIS数据

净初级生产力数据使用MOD17A3产品，是第一个监测全球植被生产力的连续数据集。NPP数据时间分辨率为年，空间分辨率为1 × 1 km。ET数据采用MOD16A2产品，时间分辨率为8天，空间分辨率为1 × 1 km。利用Matlab将每8天ET数据合成为年数据。原始数据从NASA (https://search.earthdata.nasa.gov/search/)获取。

2.2.2. 气象数据

气候数据包括研究区域内各气象站的年平均气温和降水量，数据来源于国家气象数据中心(http://data.cma.cn/)。利用Auspline方法将气候参数由站点数据插值得到1 × 1 km空间分辨率的研究区连续栅格数据。

2.2.3. 标准化降水蒸散指数

标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index, SPEI)是一种多时间尺度的干旱指数，可以比较不同时间尺度的干旱严重程度。较为广泛的使用步长是1、3、6、12和24个月。本次研究我们采用的时间步长为1、3、6、12月尺度的SPEI。该数据来自于由Begueria Santiago和Vicente Serrano Sergio M.开发的SPEIbase v.2.5 (https://digital.csic.es/handle/10261/153475)。

2.2.4. 土地利用数据

中国干旱半干旱区的土地利用和土地覆被数据采用MODIS的土地利用产品MCD12Q1数据集，空间分辨率为1 × 1 km。本研究选取的是2011年的土地覆盖数据，并采用国际地圈生物圈计划(IGBP)的全球植被分类方案，该方案包含17个土地覆盖类型。根据IGBP的植被分类和研究区的具体情况，选择其中面积较大的六种植被类型进行主要分析。根据面积从大到小依次是草地、农用地、稀疏灌丛、混交林、常绿针叶林和稠密灌丛(图1)。

图1. 研究区土地利用类型图

2.3. 研究方法

2.3.1. WUE计算

WUE采用NPP与ET的比值表示：

$WUE=\frac{NPP}{ET}$ (1)

式中：WUE为水分利用效率(g C∙mm⁻¹∙m⁻²)；NPP指植被通过光合作用所累积有机干物质的总量，是植被通过光合作用所产生的有机质总量减去自养呼吸所消耗后的剩余部分 [21]；ET为生态系统实际蒸散发(mm)，是土壤蒸发和植物蒸腾的总和 [22]。

2.3.2. 趋势分析

采用一元线性回归法对2001~2014年研究区NPP、ET和WUE进行分析，得到NPP、ET和WUE的变化趋势，如公式(2)所示，并采用Pearson相关系数法对WUE与温度、降水和SPEI进行相关分析，并设置显著性水平为0.05，计算公式如下：

$SLOP{E}_Z=\frac{n{\displaystyle \underset{i=1}{\overset{n}{\sum }}\left(t_i\times z_i\right)}-{\displaystyle \underset{i=1}{\overset{n}{\sum }}{t}_i{\displaystyle \underset{i=1}{\overset{n}{\sum }}{z}_i}}}{n\times {\displaystyle \underset{i=1}{\overset{n}{\sum }}{t}_i{}^2-{\left({\displaystyle \underset{i=1}{\overset{n}{\sum }}{t}_i}\right)}^2}}$ (2)

$P_{xy}=\frac{{\displaystyle \underset{i=1}{\overset{n}{\sum }}\left[\left(x_i-\bar{x}\right)\left(y_i-\bar{y}\right)\right]}}{\sqrt{{\displaystyle \underset{i=1}{\overset{n}{\sum }}{\left(x_i-\bar{x}\right)}^2{\displaystyle \underset{i=1}{\overset{n}{\sum }}{\left(y_i-\bar{y}\right)}^2}}}}$ (3)

式中：SLPOE_Z为斜率；t为年份； $n=14$ ； $z_i$ 为第i年NPP、ET或WUE的值。 $P_{xy}$ 为x、y变量相关系数， $x_i$ 为第i年的气候因子值； $y_i$ 为i第年的WUE； $\bar{x}$ 为14年内气候因子的平均值； $\bar{y}$ 为WUE的平均值。

3. 结果与分析

3.1. 净初级生产力时空变异

2001~2014年间中国干旱半干旱区域NPP年平均值为134.92 g C∙m⁻²，不同植被类型的NPP年平均值存在差异；混交林的NPP最高，其值为306.1 g C∙m⁻²，常绿针叶林次之，其值为285.3 g C∙m⁻²。稠密灌丛、农用地和草地的NPP分别为271.7 g C∙m⁻²、249.4 g C∙m⁻²、和134.1 g C∙m⁻²。稀疏植被的NPP最低，其值为40.1 g C∙m⁻²。中国干旱半干旱区NPP在空间分布上呈现东北地区和甘肃地区较高，青藏地区较低的特点。研究期间，研究区NPP呈显著上升的区域占总面积的17.93%，位于内蒙古高原东部、松嫩平原西部和甘肃青海等地，主要的土地类型为草地和农用地；显著下降的区域占总面积的11.73%，主要位于新疆阿尔泰山和天山地区(图2)。

图2. 中国干旱半干旱区2001~2014年NPP(g C∙m⁻²)空间分布(a)与NPP年际变化(b)

3.2. 蒸散时空变异

2001~2014年间中国干旱区半干旱区的ET年平均值为255.81 mm。稠密灌丛的ET最高，其值为410.60

图3. 中国干旱半干旱区2001~2014年ET (mm)空间分布(a)与ET年际变化(b)

mm；混交林次之，其值为399.9 mm；然而有着较高NPP的常绿针叶林ET并不高，其值为288 mm；农用地、草地和稀疏灌丛ET分别为260.61 mm、256.31 mm和239.97 mm。图3结果显示，青藏高原地区和研究区东部的ET较高，新疆北部和内蒙古草原地区的ET较低。同为草地生态系统的内蒙古温带草原和青藏高寒草原的ET差异明显，高寒草原ET明显高于温带草原。研究期间，ET呈显著上升趋势面积占研究区总面积的42.88%，主要位于内蒙古高原的东北部和松嫩平原的西部；研究区只有0.6%的区域ET呈现显著下降，主要位于天山山脉的西缘。

3.3. 水分利用效率的时空变异

2001~2014年间，研究区内WUE平均值为0.52 g C∙kg⁻¹。常绿针叶林的WUE年平均值最高，为0.99 g C∙kg⁻¹；其次为农用地，值为0.96 g C∙kg⁻¹；混交林和稠密灌丛的值分别为0.77 g C∙kg⁻¹和0.67 g C∙kg⁻¹；

图4. 中国干旱半干旱区2001~2014年不同植被类型WUE (g C∙kg⁻¹)年际变化

图5. 中国干旱半干旱区2001~2014年WUE (g C∙kg⁻¹)空间分布(a)与WUE年际变化(b)

再次是草地，值为0.52 g C∙kg⁻¹；最低的是稀疏灌丛，其值为0.23 g C∙kg⁻¹。图4为研究区内不同植被类型WUE变化趋势，结果显示近14年植被WUE状况整体下降，与NPP得出的结果相反。农用地和稠密灌丛的下降程度最大；草地与稀疏灌丛变化并不明显，但在2012年有明显升高。图5显示，青藏高原地区WUE明显低于其他区域，与内蒙古草原界限明显。这与ET的显示结果完全相反，表明研究区ET的变化对WUE的影响较NPP更为明显。在2001到2014年期间，WUE显著上升面积占研究区总面积的2.7%，位于青藏高原地区和新疆阿尔泰山和天山地区；显著下降面积占研究区总面积的27.53%，位于内蒙古高原东部、黄土高原和松嫩平原西部。

3.4. 温度降水对WUE的影响

气候因素的年际变化是影响中国干旱半干旱区WUE的重要因素。通过计算植被WUE和温度、降水的相关性，揭示了WUE对气候因子的敏感性。

如图6(b)显示，研究区大部分区域WUE与降水呈显著正相关，显著正相关的面积达到76.62%。表明研究区大部分植被WUE会随者降水的增多而升高；显著负相关的面积只占到9.05%，以稀疏灌丛为主。而图6(a)的结果显示，温度的升高对生态WUE影响差异较大。温度与WUE呈显著正相关的区域面积占研究区总面积的55.6%，主要位于新疆的天山和阿尔泰山区域、内蒙古草原以及松嫩平原西部，主要植被类型为温带草原；呈显著负相关的区域面积占研究区总面积的15.17%，主要位于西藏、青海以及甘肃地区，主要的植被类型为高寒草原。两种草地类型的界限较为明显。

图6. 中国干旱半干旱区2001~2014年WUE与气温(a)、降水(b)相关系数空间分布

3.5. 干旱指数SPEI对WUE的影响

为研究WUE对不同时间尺度干旱的响应，采用不同时间尺度的SPEI来进行分析。SPEI-03表示为3个月时间尺度SPEI，与植被的生长季密切相关；SPEI-12表示为12个月时间尺度SPEI，可以较为清晰的反映干旱的长期变化特征 [23]。图7显示，不同时间尺度的SPEI与WUE相关性趋势大体一致，但SPEI-12的显著相关比例最大。研究区大部分地区WUE与SPEI呈负相关，意味着一定程度的干旱对研究区WUE起促进作用；呈正相关的区域主要位于青藏高原南部，干旱对该地区WUE起抑制作用。

4. 讨论

4.1. 时空变异讨论

2001~2014年间，研究区WUE平均值为0.52 g C∙kg⁻¹，相比Yibo Liu [16] 等人利用BEPS模型估算2010~2011年中国陆地生态系统WUE值为0.79 g C∙kg⁻¹的结果较低。图8结果显示，近14年研究区的NPP与ET状况整体上升，ET的年均增幅高于NPP，致使研究区植被WUE状况整体下降。Tian等人利用DLEM模型评估同样发现，在20世纪90年代中国西北部和蒙古区域的生态系统WUE明显下降，可能的原因是在土地覆盖类型的转变 [8]。据图5(a)结果显示，青藏高原地区WUE明显低于其他区域，且与内蒙古草原界限明显，与闫巍 [18] 等人的研究结果一致：闫巍等人利用涡度技术的观测不同生态系统

图7. 中国干旱半干旱区2001~2014年WUE与SPEI-01 (a)、SPEI-03 (b)、SPEI-06 (c)和SPEI-12 (d)相关系数空间分布

图8. 中国干旱半干旱区2001~2014年不同植被类型NPP (g C∙m⁻²)、ET (mm)年际变化

WUE发现，青藏高原的高寒草原生态系统的WUE明显低于内蒙古干旱草原生态系统的WUE。Limai Guo [15] 等人评估了1982~2015年中国生态系统WUE的结果同样显示，青藏高原地区WUE最低，东北地区WUE最高。如图5(b)，虽然青藏高原地区WUE较低，但在研究期间却存在上升趋势。Limai Guo的研究结果也表明，WUE在中国呈负增长趋势的区域位于内蒙古东部地区、东北地区和西北地区，而青藏高原地区的WUE呈增加趋势。从不同植被类来看，常绿针叶林WUE最高，其次分别是农用地、混交林、稠密灌丛、草地和稀疏灌丛。Warren Webb [6] 在对美国三种生态系统WUE研究时同样发现，森林生态系统的WUE要明显高于草地生态系统，最低的则是荒漠生态系统。稀疏灌丛与草地的蒸散相似，根据图8的结果显示，稀疏灌丛ET要远大于其NPP，导致稀疏灌丛WUE最低；对比来看常绿针叶林有着中等程度ET，但同时有着较高程度NPP，导致常绿针叶林有着较高WUE；草地与常绿针叶林有着相同程度ET，NPP却远低于常绿针叶林，从而草地WUE要小于常绿针叶林WUE。

4.2. 驱动力分析

由于不同生态系统内生态过程对水文气候条件变化的敏感性不同，导致研究区内不同草地类型的WUE与温度的相关性差异明显：位于内蒙古高原的温带草原与温度呈正相关，而位于青藏高原的高寒草原与温度呈负相关。张远东等人利用CEVSA模型估算了1954年到2010年中国西南高山地区的WUE，发现WUE与温度呈显著负相关的面积占研究区总面积的76.3% [13]，这与我们得出的结论一致。他在研究中发现，NPP与ET均与温度呈正相关，但ET上升的速率明显高于NPP，导致在气候变暖的情况下，青藏高原地区需要消耗更多的水分来维持生态系统的碳累积。在温度同样较低的比利时草原，De Boeck在进行田间试验时也发现，气温升高会降低该区的生态系统WUE [24]。而位于气温相对较高的内蒙古地区WUE与温度则呈正相关。裴婷婷等人利用MODIS对黄土高原植被进行研究时同样得到WUE与温度呈正相关 [14]，与我们的研究结果一致。气温升高提升植被光合作用速率，促进植被生产力增加，并且幅度大于蒸散的增加，导致在气候变暖条件下，内蒙古等地生态系统利用相同的水分就可以获得更多的碳汇。

降水是影响WUE时空变化的主要因素之一，特别是干旱半干旱生态系统。如图6(b)所示，研究区内大多地区降水与WUE呈正相关，说明在该地区降水的增加使植被对碳的同化速率大于生态系统水分的损失率。闫巍和石培礼 [18] 等人利用位于青藏高原的当雄县碳通量观测站对2003年到2005年高寒草甸生态系统研究发现，当雄县高寒草甸的生态系统WUE与降水也呈一定的正相关关系；同样利用MODIS数据，对海河流域WUE研究发现，WUE与降水同样呈正相关 [11]。也有研究结果表明植被WUE与降水呈负相关 [2]；还有研究表明随着降水量的增加，WUE会出现先增加后减少的趋势 [25]，植被WUE在降水程度上会存在一个特定的阈值。由于不同植被类型本身的光合作用与呼吸作用存在差异；同时，不同区域存在不同的气候条件，导致不同区域对WUE对气温和降水的变化响应并不一致。

到21世纪末，干旱将会更加严重和频繁，尤其是在北半球的中高纬度 [26]。本文的研究结果显示，研究区大部分区域WUE与SPEI呈负相关，只有青藏高原南部等小部分地区WUE与SPEI呈正相关。Yibo Liu [16] 等人研究发现干旱通常使中国东北和内蒙古地区WUE升高，而使中国中部的WUE降低；Limai Guo [15] 同样发现了这一规律。Muhammad Khalifa [27] 等人研究同样发现，2009年的干旱导致苏丹大部分土地覆盖类型WUE增加。在之前的研究中，人们通常认为，植被气孔导度会随着水分胁迫的加剧而降低，所以一定程度的干旱会使WUE有所增高，但现在随着对WUE研究的深入，发现WUE在干旱和湿润这两种生态系统中对干旱的响应差异明显。例如，Yuting Yang与Ling Huang [9] [10] 分别利用站点数据和遥感数据研究发现，在较为湿润的生态系统中，干旱对WUE会起到抑制作用；而在干旱生态系统中，干旱则会促进生态系统WUE。这一假设得到了现场测量与建模方法研究的支持：当干旱程度较为缓和时，WUE会有所升高；当干旱程度加强时，WUE会出现下降的趋势 [28]。

5. 结论

本文基于2001至2014年MODIS数据和气象数据，利用回归分析和相关分析，揭示中国干旱半干旱区14年来植被WUE时空变化特征，并分析气候变化对WUE的影响，为区域植被WUE的影响因素提供更多参考，并有助于更好地理解不同生态系统对气候变化的适应策略。结论如下：

1) 研究期间，WUE的均值为0.52 g C∙kg⁻¹。青藏高原地区WUE明显低于其他区域，与内蒙古草原界限明显。不同植被类型WUE从大到小依次为：常绿针叶林 > 农用地 > 混交林 > 稠密灌丛 > 草地 > 稀疏灌丛。

2) 研究期间，植被NPP与ET状况整体上升，植被WUE却整体下降。青藏高原地区WUE呈上升趋势。

3) 研究区内降水促进植被WUE；温度在不同区域对WUE影响不同，青藏高原WUE与温度呈负相关，内蒙古高原WUE与温度呈正相关。

4) 研究区大部分区域SPEI与WUE呈负相关，且SPEI-12与WUE的显著相关比例最大。

文章引用

徐清宸. 中国干旱半干旱区水分利用效率的时空变异及其影响因素
Spatiotemporal Variation of Water Use Efficiency and Its Influencing Factors in Arid and Semi-Arid Areas of China[J]. 地理科学研究, 2021, 10(02): 126-136. https://doi.org/10.12677/GSER.2021.102016

参考文献