冰川冻土, 2020, 42(2): 653-661 doi: 10.7522/j.issn.1000-0240.2020.0033

冰冻圈水文与水资源

藏北高寒牧区NPP的时空变化特征及2 ℃全球变暖背景下的预估

罗布,1,2, 边多1,2, 白玛3, 拉巴1,2

1.中国气象局 成都高原气象研究所, 四川 成都 610072

2.西藏自治区气候中心, 西藏 拉萨 85000

3.西藏自治区气象局信息网络中心, 西藏 拉萨 85000

The spatio-temporal change characteristics of net primary productivity in the northern Tibetan Plateau and its future change with 2 ℃ global warming

LUO Bu,1,2, BIAN Duo1,2, BAI Ma3, Ba LhA1,2

1.Institute of Plateau Meteorology，China Meteorological Administration，Chengdu 610000，China

2.Tibet Climate Center，Lhasa 850000，China

3.Information Network Center of Tibet Meteorological Bureau，Lhasa 850000，China

编委: 庞瑜

收稿日期: 2018-08-21   修回日期: 2018-10-30  

基金资助: 自治区重点科技计划“藏北典型生态区生态环境遥感监测评估”.  XZ201703-GA-01
中国气象局成都高原气象研究所开放基金项目.  LPM2014005

Received: 2018-08-21   Revised: 2018-10-30  

作者简介 About authors

罗布（1983-），男，藏族，西藏江孜人，副高级工程师，2007年在南京大学获学士学位，从事青藏高原气候变化以及生态环境研究.E-mail：93343586@qq.com. , E-mail：93343586@qq.com

摘要

利用多源气象要素数据估算了1998 - 2016年的藏北高寒牧区植被净初级生产力（Net Primary Productivity， NPP）的变化特征并预估了其在2 ℃全球变暖背景下的变化趋势， 结果表明： 研究区域71.9%的NPP呈上升趋势， 仅中部部分区域有下降趋势； 平均NPP以每年0.54%速率增加， 同期气温和降水均呈增加趋势， NPP和气温在2007前后有显著增加趋势； 总体来说降水是影响NPP的最主要气候因子， 且随着纬度升高其影响越来越大， 气温对于NPP的影响从东南向西北依次递减， 在西北地区出现弱的负相关； 在2 ℃全球变暖大背景下， 分析得出IPCC“典型浓度路径”（Representative Concentration Pathways， 简称RCPs）三种温室气体排放情景下（RCP2.6、 RCP4.5、 RCP8.5）的NPP平均状态几乎没有变化， 其影响仅限于对研究区东南部的较高NPP有较小的改善作用， 其作用依次为高浓度排放≈中浓度排放>低浓度排放， 表明气候变暖对研究区NPP影响有限， 预估结果对认清高原地区气候变化下NPP时空变化特征有重要意义。

关键词： 藏北高寒牧区 ; Thornthwaite Memorial模型 ; NPP ; TRMM卫星降水资料 ; 气候变化

Abstract

Based on the TRMM satellite precipitation data and the observed temperature data， using the Thornthwaite Memorial model， the net primary production （NPP） variation in the alpine pastoral areas of northern Tibetan Plateau from 1998 to 2016 and the NPP variation tendency under the future climate change were estimated. The results show that the area with rising tendency of NPP in the study area， accounting for 71.9% of the total area， was greater than declining tendency. The average annual increase rate of NPP was 0.54%， and the temperature and precipitation had increased in the same period. NPP and temperature increased significantly around 2007. By analyzing the influence of climate factors on NPP， it was found that precipitation was the dominant factor in the region， and with the increase of latitude， the influence of temperature was more significant only in a small eastern region. It was estimated that the NPP changing tendency under climate change showed that the average state of NPP in the study area has almost no change under the three emission scenarios （RCP2.6， RCP4.5， RCP8.5）. The effect was only limited to the higher NPP areas in the southeast of the study region， where there was a slight improvement effect； the improvement effect was RCP8.5 ≈ RCP4.5 > RCP2.6， indicating that climate warming had limited effect on NPP improvement in the study area.

Keywords： alpine pastoral areas in northern Tibetan Plateau ; Thornthwaite Memorial model ; net primary productivity of vegetation （NPP） ; TRMM satellite precipitation data ; climate change

PDF (5068KB) 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

罗布, 边多, 白玛, 拉巴. 藏北高寒牧区NPP的时空变化特征及2 ℃全球变暖背景下的预估[J]. 冰川冻土, 2020, 42(2): 653-661 doi:10.7522/j.issn.1000-0240.2020.0033

LUO Bu, BIAN Duo, BAI Ma, Ba LhA. The spatio-temporal change characteristics of net primary productivity in the northern Tibetan Plateau and its future change with 2 ℃ global warming[J]. Journal of Glaciology and Geocryology, 2020, 42(2): 653-661 doi:10.7522/j.issn.1000-0240.2020.0033

0 引言

植被和气候的关系一直是国内外全球变化研究的重要内容［1-3］。气候是植被变化的重要驱动因子， 而植被是联结土壤、 大气和水分等要素的自然纽带， 对气候的变化有很好的响应， 起到了气候变化指示器作用［4-5］。植被净初级生产力（NPP）是指绿色植物在单位面积、 单位时间内所积累的有机物数量， 是光合作用所产生的有机质总量减去呼吸消耗后的剩余部分， 是生态系统功能状况的重要指标［6-7］。

在全球气候变暖的大背景下， 各区域NPP对气候变化呈现出显著的响应［8-10］。但是对于大尺度的实测NPP获取仍然比较困难［11］， 现有的NPP估算模型大体分为气候相关统计模型、 光能利用率模型、 生态系统过程模型和生态遥感耦合模型等四大类［12］， 其中Thornthwaite Memorial模型作为气候统计模型中的一种， 由于其模型本身具有生物学基础， 不是一个普通的气候动力方程， 而是NPP的函数形式， 有助于了解水热变化动态对NPP变化的气候动力机制［13］， 相比其他模型具有资料更易获取、 时间序列更长等优势， 从而被很多学者广泛应用在气候变化下NPP的动态变化研究中［14-15］。Nemani等［16］利用气候数据估算全球陆地NPP认为气候变化使全球NPP总量增加了6%。国内也有不少学者利用气候模式估算NPP， 谷晓平等［17］利用气温、 降水、 相对湿度等5种气象要素资料估算西南地区NPP， 认为该地区NPP有上升趋势； 蒋冲等［18］利用气象资料分析秦岭地区NPP认为降水是影响其NPP的最主要气候因素， 周广胜等［19］认为青藏高原植被对增温十分敏感； 刘春雨等［20］在分析甘肃省NPP时空变化特征时指出森林生态区和草原生态区主要受温度影响， 而降水量是荒漠生态区和农业生态区的主要控制因子。不难发现， 在不同区域不同类型的植被对于气温和降水量的响应有所不同。

然而利用Thornthwaite Memorial模型估算NPP有两个不可忽略的缺点， 一是模型本身无法考虑人类活动对于NPP变化的影响， 二是目前模型所用数据均为站点气象数据， 将稀疏的气象站点数据插值到高分辨率的格点气象要素存在较大误差。能否找到一块人类活动干扰较少， NPP主要受制于气候因素的影响区域， 是克服气候统计模型缺点的第一个关键因素， 其次找出一种较为可信的高分辨率格点气象资料可以最大程度的减少数据带来的估算误差。

藏北高寒牧区是目前是我国高寒草地分布面积最大的地区， 同时也是可可西里、 羌塘、 色林错等国家级自然保护区［21］， 是研究NPP对气候变化响应的良好自然本底样地。在气象数据方面， TRMM卫星是由美国和日本联合研制的专门用于定量测量热带、 亚热带降雨的气象卫星， 该卫星从1997年底发射到现在已有较为丰富的高分辨率降水产品， 这些降水产品资料在青藏高原上的适用性已得到众多研究的认可［22-25］。因此， 利用基于高分辨率气象资料的气候统计模型研究藏北高寒牧区NPP变化， 预估其在未来气候变化下的响应情况， 对于认清气候变化下植被生产力的时空变化特征以及如何应对气候变化均有重要的意义。

1 资料与分析方法

1.1　研究区概况

藏北高寒牧区位于西藏自治区的西北部， 介于83.33° ~ 94.93° E、 28.76° ~ 36.49° N之间， 包括拉萨市的当雄县， 日喀则地区的仲巴、 萨嘎县， 那曲市的那曲、 嘉黎、 聂荣、 安多、 申扎、 班戈、 巴青、 双湖尼玛县， 阿里地区的革吉、 改则、 措勤县， 共计15个县。该区域地势高亢， 平均海拔在4 200 m以上， 地势平坦。气候寒冷， 基本上没有种植业， 仅有一些零星的耕地， 下垫面较为单一， 主要包括高原荒漠草原、 高寒草原和高寒草甸等。该区域自然条件极为严酷， 生态系统极其脆弱。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   藏北高寒牧区地理位置及气象站点分布图

Fig.1   Geographical location and distribution of meteorological stations in the northern Tibetan Plateau


1.2　资料

由于高原地形复杂， 局地降水偏多， 加之气象站点分布稀疏， 对于降水量这种非线性变化的物理量不能进行简单的插值处理。目前在高原上较为可靠的降水量资料是TRMM卫星反演的TRMM3B43产品， 3B43数据是TRMM卫星与其他卫星联合反演的降水产品， 还融合了地面的雨量计资料， 最大限度地利用了已有的探测资料， 是目前高原上分辨率最高最为可靠的降水量格点资料［26-28］， 该产品为0.25° × 0.25°分辨率的月平均数据。

气温数据由西藏自治区气象信息中心提供的7个区域内气象站月平均气温资料和6个邻近站点气温资料， 通过迭代改进型客观分析， 将气温数据插值在与降水量相同的格点上。该插值方法通过设定三组依次递减的影响半径， 将站点的气象数据插值到其影响半径上的格点上， 对于气温这种线性渐变的物理量有良好的插值效果， 且研究区域地势平坦， 地形对插值结果影响较小。

由于TRMM卫星在1997年底发射， 所以本研究研究时段为1998 - 2016年。

1.3　方法

估算NPP的气候模型采用Thornthwaite Memorial模型［29-30］， 该模型是气温、 降水量、 蒸散量的函数。

pv=30000×[1-e- 0.0009695×v-20]

式中： pv 为植被的气候生产力［kg·（100m）-2·a-1］； v为年平均蒸散量（mm）， 采用国内大部分学者使用的简化计算公式， 即：

V=1.05R1+(1.05RL)2

式中： R为年降水量（mm）； L为年最大蒸散量（mm）， L可由年平均气温t(℃)计算得出。

L=300+25t+0.05t3

式中： t为年平均气温(℃)。利用该气候模型计算出逐格点的年均NPP值， 分析其时空分布特征及对气候因子（降水量、 气温）的响应。

趋势分析运用Theil-Sen方法， 该方法因为采用所有斜率序列的中间值而不受异常值的影响， 它比简单线性回归明显更加准确。其计算公式为：

β=meanxj- xij- i,  ∀j>i

式中： xj， xi 为序列数据。若β>0时表示原序列有上升趋势； 反之表示下降趋势， 对趋势的检验运用Mann-Kendall非参数统计方法， 该方法能有效区分某一自然过程是处于自然波动还是存在确定的变化趋势， 无需对数据系列进行特定的分布检验， 对于极端值也可参与趋势检验。

此外还用到多元线性回归分析， 并计算每个格点上降水和温度对NPP的标准化回归系数， 比较两者对NPP的影响大小； 运用Student-t检验来检验两段时间序列的平均NPP值是否存在显著区别； 运用偏相关计算气温、 降水和NPP之间的相关系数。

2 结果分析

2.1　藏北高寒牧区NPP时空分布特征

通过式（1）、 （2）、 （3）的计算得出藏北高寒牧区1998 - 2016年逐年NPP时空分布特征（图2）， 可以看出该区域NPP总体由东南向西北地区递减， 这与该地区的水热分布特征一致， 但是每年的变化幅度较大。NPP最低值出现在1998年， 最高值出现在2016年， 两年的NPP值分别为为4 552.6 kg·（100m）-2·a-1和5 765.5 kg·（100m）-2·a-1。多年区域平均NPP为4 996.6 kg·（100m）-2·a-1。但是， 简单的算术平均计算可能会忽略掉更小尺度的NPP变化， 为了能够直观的判断每年更小区域的NPP变化情况， 我们把每年NPP处于5 000 kg·（100m）-2·a-1的等值线（近似等于平均值）在图上用红线标记出来， 根据此线的上下东西浮动来判断每年特定区域的NPP变化情况， 从图中可以看出， 5 000 kg·（100m）-2·a-1等值线常年分布在北纬32° N线附近， 每年根据水热条件的不同而有上下浮动， 在2002年之前， 32° N以北区域几乎没有5 000 kg·（100m）-2·a-1等值线分布， 2002 - 2006年开始有零星分布， 从2007年起32° N以北区域的5 000 kg·（100m）-2·a-1等值线显著增多， 说明北部区域的植被明显好转。此外， 1998年、 2001年、 2002年、 2003年、 2004年、 2006年、 2007年和2009年在藏北高寒牧区的西南角萨嘎县境内出现一个5 000 kg·（100m）-2·a-1等值线缺口， 此缺口自2010年开始闭合， 说明此处NPP年际变率较大， 且从2010年起趋于好转。为了判断整个研究区域NPP总体变化趋势， 计算区域平均NPP的距平序列， 由图3（a）可以看出， 藏北高寒牧区NPP呈明显的上升趋势， 每年增长率为0.54%， 分时段研究NPP变化趋势发现， 1998 - 2006和2007 - 2016年的均值差异明显， 且通过t检验的0.05显著性检验， 表明在2007年以后藏北高寒牧区NPP显著变好。从同期的气温［图3（b）］和降水［图3（c）］的变化来看， 气温在研究时段内呈显著增长趋势， 平均每十年增加0.32 ℃， 且与NPP变化相同， 气温在2007前后两段时间的均值有显著差异， 通过0.05的显著性t检验； 降水的变化虽然也呈增加趋势， 但是其增加趋势并不显著， 且2007年前后均值无显著差异。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   1998 - 2016年藏北地区逐年NPP变化， 图中红线为NPP值5 000 kg·（100m）-2·a-1的等值线

Fig.2   Annual distributions of annual net primary productivity （NPP） in the northern Tibetan Plateau from 1998 to 2016， where the red line shows contour of NPP equal to 5 000 kg·（100m）-2·a-1


图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   1998 - 2016年区域平均NPP（a）、 气温（b）、 降水（c）距平（柱状）及趋势线（黑色实线）［蓝色（红色）虚线为1998 - 2006年（2007 - 2016年）年平均值， Prob为显著性P值］

Fig.3   Variations of regional average of NPP （a）， temperature （b）， precipitation （c） anomaly （columnar） and trend line （black solid line） from 1998 to 2016： blue （red） dotted line for annual average from 1998 to 2006 （from 2007 to 2016）； Prob showing the significant P value


2.2　藏北高寒牧区NPP变化趋势分析

前面讨论了藏北高寒牧区NPP的总体分布特征及其5 000 kg·（100m）-2·a-1等值线的变化浮动特征， 计算了区域平均的NPP变化趋势， 基本能够反映该区域总体NPP处于上升趋势。为了分析区域更小尺度的趋势变化， 检验其趋势变化的显著性， 利用Theil-Sen趋势分析方法， 计算每个格点上的斜率， 然后再计算每年逐格点NPP上升率， 得到图4。从图中可以看到研究区域大部分NPP处于上升趋势， 处于上升趋势的占总面积的71.9%， 且沿东经85° E线左右的区域和东部小片区域有超过90%置信度的显著上升趋势， 其上升速率最高位于研究区域南部的萨嘎县达到16 kg·（100m）-2·a-1， 其他地方的上升趋势可看作是自然波动。处于显著下降趋势的有位于研究区域中部的申扎县、 东北部的双湖县部分、 西南部的仲巴县等， 其下降速率最高位于研究区域西南部的仲巴县达到-10 kg·（100m）-2·a-1， 其他区域的下降趋势并不显著。不难看出， 藏北高寒牧区NPP在各个区域变化趋势并不相同， 总体上， 东西部整体处于上升趋势， 中部处于下降趋势， 这与西藏自治区遥感应用中心发布的草地监测公报中利用MODIS/NDVI计算的植被覆盖度变化趋势大致相同。对于上升速率和下降速率最高值均出现在南部， 可能是因为该区域有一条重要的水汽通道［33］， 而该水汽通道的强弱会造成附近区域的降水变率较大从而造成NPP变化幅度较大的缘故。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   1998 - 2016藏北NPP变化趋势， 黑色打点区域为超过90%置信度

Fig.4   Annual NPP changing rate in northern Tibetan Plateau from 1998 to 2016： black dot areas having confidence more than 90%


2.3　气候因子对藏北高寒牧区NPP的影响

在上文中计算了气温和降水以及NPP的趋势变化以及突变点， 从图3上直观判断气温和NPP的距平序列、 趋势和突变点等均有很大的相似度， 似乎温度对于NPP的影响更为显著。为了量化分析气候因子（降水、 气温）对藏北高寒牧区NPP的影响因子大小， 利用多元线性回归分析， 将标准化的降水量和气温序列作为自变量， NPP作为因变量构建每个格点上的回归方程， 得出逐格点的降水量和气温的标准回归系数。其次将降水量的标准回归系数占总系数的百分比作为衡量降水和气温对该格点NPP变化的相对重要性标准， 比值越大表明降水的重要性更多， 反之表明气温的重要性。根据这种方法得到图5（a）， 可以看到， 在大部分区域降水的影响占到70%以上， 且随着纬度的升高降水对藏北高寒牧区NPP的影响越来越大， 但是在91° E以东区域气温似乎相对更为重要。为了更进一步分析气温和降水与NPP的相关关系， 计算了三者之间的偏相关系数［图5（b）、 （c）］， 可以看到， 在去除降水的影响后气温与NPP的相关系数从东南向西北依次递减， 在西北区域甚至出现了弱的负相关。表明在降水稀少的西北荒漠地区气温对于NPP的贡献是负的， 而降水与区域内所有格点的NPP相关都通过了0.05的显著性检验， 进一步表明降水是影响该区域NPP最为重要的气候因子。总之， 在目前的水热条件下藏北高寒牧区大部分的区域气温升高和降水增多都有利于植被NPP的增长， 其中降水的影响更为重要， 但是对于研究区域西北部来说在满足降水一定的条件下气温的升高可能会导致NPP的下降。以上都是基于目前气候背景下所得出的结论， 随着全球气候不断变暧， 在未来一段时间内， 藏北高寒牧区的植被NPP将如何响应这一深刻的气候变化， 是否依然遵循随气温和降水的增多而不断增加的这一规律。下面将着重分析未来三种排放情景下研究区植被NPP的变化情况， 以期为应对气候变化提供客观的参考依据。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   降水和气温对NPP的相对重要率（a）以及气温（b）、 降水（c）和NPP的偏相关系数分布

Fig.5   Distributions of the importance rates of precipitation and temperature on NPP （a） and the partial correlation coefficient between temperature （b） and precipitation （c） with NPP


2.4　未来气候情景下藏北高寒牧区NPP的预估

为了评估未来气候变化情况下藏北高寒牧区的NPP变化情况， 利用国际耦合模式比较计划第五阶段（CMIP5）中16个耦合模式的未来气候变化情景数据的集合平均结果， 采用Thornthwaite Memorial模型， 预估了21世纪RCP2.6、 RCP4.5和RCP8.5情景下（分别对应低、 中和高浓度排放）藏北高寒牧区NPP的时空变化特征。三种排放情景下当全球升温2 ℃时， 青藏高原地面平均气温分别升高2.99 ℃、 3.22 ℃和3.28 ℃， 均超过全球平均升温速率， 降水量分别增加8.35%、 7.16%和7.63%， 发生时间分别为2063年、 2040年和2036年［32］。据此得出三种情景下的研究区NPP预估结果， 为了方便比较， 把三种情境下的5 000 kg·（100m）-2·a-1等值线和研究时段内的气候态平均5 000 kg·（100m）-2·a-1等值线标在同一张图， 得到图6。首先对比三种情景各自对藏北高寒牧区NPP的影响， 可以看到， 代表三种情景的“红”、 “绿”、 “蓝”三条线在5 000 kg·（100m）-2·a-1等值线上几乎重叠， 说明未来气候变化的三种情景对研究区NPP平均状态影响区别不大， 但在代表较高净生产力水平的7 500 kg·（100m）-2·a-1等值线上， “红”、 “蓝”两条线与“红”线出现较小幅度分岔， 表明RCP4.5和RCP8.5情景下比RCP2.6情景下对研究区东南部NPP的影响更为显著。其次将三种情景下的NPP与1998 - 2016年气候平均（黑色实线）比较发现， NPP值5 000 kg·（100m）-2·a-1的水平线在三种情景下比气候平均态提升并不明显， 较高净生产力7 500 kg·（100m）-2·a-1水平线上RCP4.5和RCP8.5情景下对NPP影响同样区别不大， 两者与RCP2.6情景下7 500 kg·（100m）-2·a-1水平线依次比气候平均值上升约半个纬度。综上所述， 当全球升温2 ℃时， 藏北高寒牧区NPP平均状态几乎没有变化， 三种情景下仅对研究区东南部的较高NPP有较小的改善作用， 改善作用大小依次为高浓度排放 ≈ 中浓度排放>低浓度排放。对比施红霞等［33］基于CMIP5模式模拟的三种排放情景下（RCP2.6、 RCP4.5、 RCP8.5）北半球高纬度NPP变化的结论， 在中低（RCP2.6、 RCP4.5）情景下本文结论与其类似。但是本文明显低估了在高排放下（RCP8.5）的NPP变化情况， 主要原因是RCP8.5情景下气温升高明显， 研究区内的冻土大量融化有利于NPP的增加， 然而Thornthwaite Memorial模型没有考虑这一过程导致其结果偏小。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   三种未来气候变化情境下的NPP值5 000 kg·（100m）-2·a-1、 7 500 kg·（100m）-2·a-1

等值线的变化情况， 红、 绿、 蓝、 黑色实线分别代表RCP2.6、 RCP4.5、 RCP8.5和1998 - 2016年平均

Fig.6   The shifts of NPP of 5 000 and 7 500 kg·（100m）-2·a-1 in the three future climate scenarios

The red， green， blue and black solid lines representing RCP2.6， RCP4.5， RCP8.5 and average from1998 to 2016， respectively


3 讨论

本文中计算的NPP增速与杜军等［34］同样利用Thornthwaite Memorial模型计算的1971 - 2005年间西藏地区平均NPP增速略大， 与朴世龙等［35］利用CASA模型计算的青藏高原NPP平均增速略小， 这除了是因为研究区域和时段的不同所致， 还有一个重要的可能因素是由于CASA模型将NDVI作为主要参数进行计算而更加偏向于生态过程， 其中人工种草、 禁牧休牧等大型生态工程的实施会对NPP的增速有较大的贡献， 而本文中并没有考虑这一过程导致NPP增速被低估， 如果将CASA模型计算的结果作为真值， 将Thornthwaite Memorial模型计算的结果作为气候生产力的潜在NPP值， 两者的差值在一定程度上能够反映“草原生态补偿机制”、 “退牧还草”等重大工程的生态环境效益。另外， 在图3中气温和NPP的距平序列不管从趋势以及均值突变点来看都有很大的相似性， 但是通过2.3节的分析发现降水是影响NPP最为重要的气候因子， 至于图3中出现的这种相似可能是由于受气温影响的均为NPP大值区， 导致算术平均后的两者趋势及突变点相似， 而不是气温对研究区的NPP影响更为重要。

4 结论

利用在高原适用性良好且较高分辨率的TRMM卫星降水资料， 以及站点气温资料。通过Thornthwaite Memorial模型估算了1998 - 2016年的藏北高寒牧区的NPP变化情况。由于研究区域植被受人为因素的影响较小， NPP主要受到气候因素的影响， 所以其结果较为可信。主要结论如下：

（1）在研究时段内， 多年区域平均NPP为4 996.6 kg·（100m）-2·a-1， 71.9%的NPP呈上升趋势， 其增加速率为0.54%， 仅在中部部分区域有显著的下降趋势， 研究时段内气温增加显著， 降水呈不显著增加趋势， NPP和气温在2007前后有显著增加趋势。

（2）分析气候因子（降水、 气温）对藏北高寒牧区NPP的影响因子大小发现： 降水是影响NPP最为主要的气候因子， 其影响随着纬度的升高越来越大， 但是在91° E以东区域气温对NPP的影响相对更为重要， 计算偏相关系数发现降水与所有格点的NPP呈显著的正相关， 气温与NPP的相关从东南向西北依次递减， 在西北部甚至出现弱的负相关。

（3）预估21世纪RCP2.6、 RCP4.5和RCP8.5三种情景下藏北高寒牧区NPP的时空变化特征发现， 当全球升温2 ℃时， 藏北高寒牧区NPP平均状态几乎没有变化， 三种情景下仅对研究区东南部的较高NPP有较小的改善作用， 改善作用大小依次为高浓度排放 ≈ 中浓度排放>低浓度排放。

虽然Thornthwaite Memorial模型能够较好的模拟研究区域内的NPP时空变化特征， 但由于模型本身的缺陷以及在计算简化的蒸散量公式时所用的气温和降水资料为年平均资料， 导致计算出的结果只能为全年平均的NPP值。但是就整个高原来说， 由于热量不足， 主要的植被生长季应该在夏半年， 从而对结果带来再一次的误差。另外在预估未来NPP变化时， 将整个青藏高原的预估结果作为初始条件难免会忽略区域内气温和降水的局地变化特征， 从而造成预估结果的一定偏差。

参考文献

Li Qihu， Chen Yaning.

Response of spatial and temporal distribution of NDVI to hydrothermal condition variation in arid regions of Northwest China during

1981 - 2006［J］. Journal of Glaciology and Geocryology， 2014， 36（2）： 327 - 334.

[本文引用: 1]

李奇虎， 陈亚宁.

1981 - 2006年西北干旱区NDVI时空分布变化对水热条件的响应

［J］. 冰川冻土， 2014， 36（2）： 327 - 334.

[本文引用: 1]

Sun Zhihui， Liu Zhichao， Lei Yanpeng， et al.

Vegetation index change and its relationship with climate in hilly and gully regions of northern Yan’an

［J］ . Acta Ecologica Sinica， 2010， 20（2）： 533 - 540.

孙智辉， 刘志超， 雷延鹏， 等.

延安北部丘陵沟壑区植被指数变化及其与气候的关系

［J］. 生态学报， 2010， 20（2）： 533 - 540.

Xin Zhongbao， Xin Xujiong， Zheng Wei.

Impacts of climate change and human activities on vegetation cover change in the Loess Plateau

［J］. Science in China： Series D Earth Sciences， 2007， 37（11）： 1504 - 1514.

[本文引用: 1]

信忠保， 许炯心， 郑伟.

气候变化和人类活动对黄土高原植被覆盖变化的影响

［J］. 中国科学： D辑 地球科学， 2007， 37（11）： 1504 - 1514.

[本文引用: 1]

Zhang Xiumin， Sheng Yu， Zhoutong Nan， et al.

Classification of alpine grassland vegetation in hot spring area of Qinghai-Tibet Plateau based on decision tree method

［J］. Pratacultural Sciences， 2011， 28（12）： 2074 - 2083.

[本文引用: 1]

张秀敏， 盛煜， 南卓铜， 等.

基于决策树方法的青藏高原温泉区域高寒草地植被分类研究

［J］. 草业科学， 2011， 28（12）： 2074 - 2083.

[本文引用: 1]

Pu Zongchao， Zhang Shanqing.

The effects of climate changes on the net primary productivity of natural vegetation in Tianshan Mountains

［J］. Pratacultural Sciences， 2009， 26（2）： 11 - 18.

[本文引用: 1]

普宗朝， 张山清.

气候变化对新疆天山山区自然植被净第一性生产力的影响

［J］. 草业科学， 2009， 26（2）： 11 - 18.

[本文引用: 1]

Li Xiang， Wang Zhong， Zhao Jingxue， et al.

Altitudinal variations in the sensitivity of alpine meadow productivity to temperature and precipitation changes along the southern slope of Nyainqentanglha Mountains

［J］. Acta Ecologica Sinica， 2017， 37（17）： 5591 - 5601.

[本文引用: 1]

李翔， 王忠， 赵景学， 等.

念青唐古拉山南坡高寒草甸生产力对温度和降水变化的敏感性及其海拔分异

［J］. 生态学报， 2017， 37（17）： 5591 - 5601.

[本文引用: 1]

Liu Haijiang， Yin Siyang， Sun Cong， et al.

Temporal and spatial variation of net primary productivity （NPP）and its responses with climatic changes in the Xilingol grassland from 2000 to 2010

［J］. Pratacultural Sciences， 2015， 32（11）： 1709 - 1720.

[本文引用: 1]

刘海江， 尹思阳， 孙聪， 等.

2000 - 2010年锡林郭勒草原NPP时空变化及其气候响应

［J］. 草业科学， 2015， 32（11）： 1709 - 1720.

[本文引用: 1]

Yao Yubi， Yang Jinhu， Wang Runyuan， et al.

Response of net primary productivity to climate change over Source of Yangtze River in 1959 - 2008

［J］. Journal of Glaciology and Geocryology， 2011， 33（6）： 1286 - 1293.

[本文引用: 1]

姚玉璧， 杨金虎， 王润元， 等.

1959 - 2008长江源被净初级生产力对气候变化的响应

［J］. 冰川冻土， 2011， 33（6）： 1286 - 1293.

[本文引用: 1]

Luo Jun， Xu Duanyang， Ren Hongyan.

The desertification dynamics in Ordos from 2000 to 2010 and their relationship with climate change and human activity

［J］. Journal of Glaciology and Geocryology， 2013， 35（1）： 48 - 56.

罗君， 许端阳， 任红艳.

2000 - 2010年鄂尔多斯地区沙漠化动态及其气候变化和人类活动驱动影响的辨识

［J］. 冰川冻土， 2013， 35（1）： 48 - 56.

Guo Linghui， He Chengyuan， Wu Shaohong， et al.

Analysis of changes in net primary productivity and its susceptibility to climate change of Inner Mongolia grassland using the CENTURY model

［J］. Geographical Research， 2016， 35（2）： 271 - 284.

[本文引用: 1]

郭灵辉， 郝成元， 吴绍洪， 等.

内蒙古草地NPP变化特征及其对气候变化敏感性的CENTURY模拟研究

［J］. 地理研究， 2016， 35（2）： 271 - 284.

[本文引用: 1]

Knapp A K， Smith M D.

Variation among biomes in temporal dynamics of aboveground primary production

［J］. Science， 2001， 291（5503）： 481 - 484.

[本文引用: 1]

Zhang Meiling， Jiang Wenlan， Chen Quangong， et al.

Research progress in the estimation models of grassland net primary productivity

［J］. Acta Agrestia Sciences， 2011， 19（2）： 356 - 366.

[本文引用: 1]

张美玲， 蒋文兰， 陈全功， 等.

草地净第一性生产力估算模型研究进展

［J］. 草地学报， 2011， 19（2）： 356 - 366.

[本文引用: 1]

Yang Zelong， Du Wenxu， Hou Qiong， et al.

Analysis of climate change and grassland production potential in eastern Inner Mongolia

［J］.Chinese Journal of Grassland， 2008， 30（6）： 62 - 66.

[本文引用: 1]

杨泽龙， 杜文旭， 侯琼， 等.

内蒙古东部气候变化及其草地生产潜力的区域性分析

［J］. 中国草地学报， 2008， 30（6）： 62 - 66.

[本文引用: 1]

He Yüfei， Zhao Mingxu， Wang Jinxiang， et al.

Response of grassland productivity to climate elements in the farming-pastoral ecotone of Inner Mongolia： a case study of Duolun County

［J］. Arid Meteorology， 2008， 26（2）： 84 - 89.

[本文引用: 1]

何玉斐， 赵明旭， 王金祥， 等.

内蒙古农牧交错带草地生产力对气候要素的响应——以多伦县为例

［J］. 干旱气象， 2008， 26（2）： 84 - 89.

[本文引用: 1]

Han Fang， Miao Bailing， Guo Ruiqing， et al.

Temporal and spatial evolution characteristics of plant climate productivity in desert steppe of Inner Mongolia Plateau

［J］. Journal of Anhui Agricultural Sciences， 2010， 38（18）： 9717 - 9719.

[本文引用: 1]

韩芳， 苗百岭， 郭瑞清， 等.

内蒙古高原荒漠草原植物气候生产力时空演变特征

［J］. 安徽农业科学， 2010， 38（18）： 9717 - 9719.

[本文引用: 1]

Nemani R R， Keeling C D， Hashimoto H， et al.

Climate-driven increases in global terrestrial net primary production from 1982 to 1999

［J］. Science， 2003， 300（5625）： 1560 - 1563.

[本文引用: 1]

Gu Xiaoping， Huang Mei， Ji Jinjun， et al.

The influence of climate change on vegetation net primary productivity in southwestern China during recent 20 years period

［J］. Journal of Natural Resources， 2007， 22（2）： 251 - 259.

[本文引用: 1]

谷晓平， 黄玫， 季劲钧， 等.

近20年气候变化对西南地区植被净初级生产力的影响

［J］. 自然资源学报， 2007， 22（2）： 251 - 259.

[本文引用: 1]

Jiang Chong， Wang Fei， Mu Xingmin， et al.

Effects of climate change on net primary productivity of vegetation in the northern and southern regions of the Qinling Mountains（Ⅱ）

［J］. Science of Soil and Water Conservation， 2012， 10（6）： 45 - 51.

[本文引用: 1]

蒋冲， 王飞， 穆兴民， 等.

气候变化对秦岭南北植被净初级生产力的影响（Ⅱ）——近52年秦岭南北植被净初级生产力

［J］. 中国水土保持科学， 2012， 10（6）： 45 - 51.

[本文引用: 1]

Zhou Guangsheng， Zhang Xinshi.

Study on NPP of natural vegetation in China under global climate change

［J］. Acta Phytoecologica Sinica， 1996， 20（1）： 11 - 19.

[本文引用: 1]

周广胜， 张新时.

全球气候变化的中国自然植被的净第一性生产力研究

［J］. 植物生态学报， 1996， 20（1）： 11 - 19.

[本文引用: 1]

Liu Chunyu， Dong Xiaofeng， LiuYingying， et al.

Spatial differences of net primary productivity in Gansu Province

［J］. China Population Resources and Environment， 2014， 24（1）： 163 - 170.

[本文引用: 1]

刘春雨， 董晓峰， 刘英英， 等.

甘肃省净初级生产力时空变化特征

［J］. 中国人口： 资源与环境， 2014， 24（1）： 163 - 170.

[本文引用: 1]

Zhang Yili， Hu Zhongjun， Qi Wei， et al.

Assessment of protection effectiveness of nature reserves on the Tibetan Plateau based on net primary production and the large-sample-comparison method

［J］. Acta Geographica Sinica， 2015， 70（7）： 1027 - 1040.

[本文引用: 1]

张镱锂， 胡忠俊， 祁威， 等.

基于NPP数据和样区对比法的青藏高原自然保护区保护成效分析

［J］. 地理学报， 2015， 70（7）： 1027 - 1040.

[本文引用: 1]

Qi Wenwen， Zhang Baiping， Pang Yu， et al.

Spatial and seasonal distribution characteristics of precipitation over the Tibetan Plateau based on TRMM data

［J］. Scientia Geographica Sinica， 2013， 33（8）： 999 - 1005.

[本文引用: 1]

齐文文， 张百平， 庞宇， 等.

基于TRMM数据的青藏高原降水的空间和季节分布特征

［J］. 地理科学， 2013， 33（8）： 999 - 1005.

[本文引用: 1]

Zhou Shengnan， Luo Yali， Wang Hui.

TRMM data analysis of the frequency of summer precipitation systems in the eastern and northern subtropical regions of China

［J］. Meteorological Monthly， 2015， 41（1）： 1 - 16.

周胜男， 罗亚丽， 汪会.

青藏高原、 中国东部及北美副热带地区夏季降水系统发生频次的TRMM资料分析

［J］. 气象， 2015， 41（1）： 1 - 16.

Li Dian， Bai Aijuan， Huang Shengjun.

Analysis of characteristics of severe convective weather over the Tibetan Plateau using TRMM satellite data

［J］. Plateau Meteorology， 2012， 31（2）： 304 - 311.

李典， 白爱娟， 黄盛军.

利用TRMM卫星资料对青藏高原地区强对流天气特征分析

［J］. 高原气象， 2012， 31（2）： 304 - 311.

Luo Bujiancan， Zhai Panmao， Jia Lha， et al.

Estimation of precipitation in precipitation and TRMM estimation of precipitation in Tibet Plateau

［J］. Meteorological Monthly， 2015， 41（9）： 1119 - 1125.

[本文引用: 1]

罗布坚参， 翟盘茂， 假拉， 等.

西藏高原测站降水与TRMM估测降水一致性评估

［J］. 气象， 2015， 41（9）： 1119 - 1125.

[本文引用: 1]

Zhang Meng， Huang Anning， Ji Xiaolong， et al.

Applicability analysis of satellite inversion precipitation data in Qinghai-Tibet Plateau

［J］. Plateau Meteorology， 2016， 35（1）： 34 - 42.

[本文引用: 1]

张蒙， 黄安宁， 计晓龙，等.

卫星反演降水资料在青藏高原地区的适用性分析

［J］. 高原气象， 2016， 35（1）： 34 - 42.

[本文引用: 1]

Feng Jinming， Wang Zhijun， Chu Rongzhong， et al.

Comparison between the ground Doppler radar of the Qinghai-Tibet Plateau and the TRMM spaceborne radar

［J］. Plateau Meteorology， 2001， 20（4）： 345 - 353.

冯锦明， 王致君， 楚荣忠， 等.

青藏高原地面Doppler雷达与TRMM星载雷达测云比较

［J］. 高原气象， 2001， 20（4）： 345 - 353.

Song Lei.

Research on regional high spatial and temporal resolution precipitation based on TRMM

3B43 on the Tibetan Plateau［D］. Nanjing： Nanjing University of Information Science & Technology， 2015.

[本文引用: 1]

宋蕾.

基于TRMM 3B43青藏高原区域性高时空分辨率降水探究

［D］. 南京： 南京信息工程大学， 2015.

[本文引用: 1]

Zhang Xianzhou.

Estimation and distribution of net primary productivity of natural vegetation in China

［J］. Resources Science， 1993（1）： 15 - 21.

[本文引用: 1]

张宪洲.

我国自然植被净第一性生产力的估算与分布

［J］. 资源科学， 1993（1）： 15 - 21.

[本文引用: 1]

Shao Hairong， Jia Qingtang.

Estimating plant climate productivity in Beijing by LIETH method

［C］//Proceedings of Chinese Forestry Meteorology Collection. Beijing： China Meteorological Press， 1989： 190 - 198. ［

[本文引用: 1]

邵海荣， 架庆棠.

用LIETH法估算北京地区的植物气候生产力

［C］//中国林业气象文集. 北京： 气象出版社， 1989： 190 - 198.］

[本文引用: 1]

Huang Fujun， Shen Rujin.

Analysis of Water Vapor Source and Water Vapor Budget in the Tibetan Plateau during the Summer Monsoon

［C］//Proceedings of Qinghai-Tibet Plateau Meteorological Science Experiment Collection（2）. Beijing： Science China Press， 1984： 215 - 224. ［

黄福均， 沈如金.

夏季风时期青藏高原地区水汽来源及水汽收支分析

［C］//青藏高原气象科学实验文集（二）. 北京： 科学出版社， 1984： 215 - 224.］

Li Hongmei， Li Lin.

Mean and extreme climate change on the Qinghai-Tibet Plateau with 2 ℃ global warming

［J］. Adv Clim Chang Res， 2015， 11（3）： 157 - 164.

[本文引用: 1]

李红梅， 李林.

2 ℃全球变暖背景下青藏高原平均气候和极端气候事件变化

［J］. 气候变化研究进展， 2015， 11（3）： 157 - 164.

[本文引用: 1]

Shi Hongxia， Wang Chenghai.

Change of NPP at the mid-high latitude of Northern Hemisphere in the 21st century and its relation with climate factors

［J］. Journal of Glaciology and Geocryology， 2015， 37（2）： 327 - 335.

[本文引用: 2]

施红霞， 王澄海.

21世纪北半球中高纬度净初级生产力（NPP）变化及其与气候因子之间的关系

［J］. 冰川冻土， 2015， 37（2）： 327 - 335.

[本文引用: 2]

Du Jun， Hu Jun， Zhang Yong.

Response of net primary productivity of Tibetan vegetation to climate change

［J］. Transactions of Atmospheric Sciences， 2008， 31（5）： 738 - 743.

[本文引用: 1]

杜军， 胡军， 张勇， 等.

西藏植被净初级生产力对气候变化的响应

［J］. 南京气象学院学报， 2008， 31（5）： 738 - 743.

[本文引用: 1]

Shilong Piao， Fang Jingyun.

Terrestrial net primary production and its spatio-temporal patterns in Qinghai-Xizang Plateau during

1982 - 1999［J］. Journal of Natural Resources， 2002， 17（3）： 373 - 380.

[本文引用: 1]

朴世龙， 方精云.

1982 - 1999年青藏高原植被净第一性生产力及其时空变化

［J］. 自然资源学报， 2002， 17（3）： 373 - 380.

[本文引用: 1]

/

〈 〉

陇ICP备2021001824号-10
　 甘公网安备 62010202000676号
网站版权 © 《冰川冻土》编辑部
地址：兰州市天水中路8号　
邮编：730000　电话：0931-8260767　
E-mail：edjgg@lzb.ac.cn
总访问量 　 今日访问 　 在线人数
技术支持：北京玛格泰克科技发展有限公司