全 文 ：气候变化情景下中国自然植被净初级生产力分布*
赵东升摇 吴绍洪**摇 尹云鹤
(中国科学院地理科学与资源研究所, 北京 100101)
摘摇 要摇 基于国际上较通用的 Lund鄄Potsdam鄄Jena(LPJ)模型,根据中国自然环境特点对其运
行机制进行调整,并重新进行了参数化,以 B2 情景气候数据作为主要的输入数据,以 1961—
1990 年为基准时段,模拟了中国 1991—2080 自然植被净初级生产力(NPP)对气候变化的响
应.结果表明: 1961—1990 年,中国自然植被的 NPP 总量为 3郾 06 Pg C·a-1;1961—2080 年,
NPP总量呈波动下降趋势,且下降速度逐渐加快.在降水相对变化不大的条件下,平均温度的
增加对我国植被生产力可能会产生一定的负面影响. NPP的空间分布从东南沿海向西北内陆
呈逐渐递减趋势,在气候变化过程中,该格局基本没有太大变化.在东部 NPP 值相对较高地
区,NPP值以减少为主,东北地区、华北东部和黄土高原地区的减少趋势尤为明显;在西部
NPP值相对较低地区,NPP以增加趋势为主,青藏高原地区和塔里木盆地的表现尤为突出.随
着气候变化的深入,东西部地区这种变化趋势的对比将越发明显.
关键词摇 气候变化摇 净初级生产力摇 LPJ模型摇 自然植被
文章编号摇 1001-9332(2011)04-0897-08摇 中图分类号摇 P467摇 文献标识码摇 A
Variation trends of natural vegetation net primary productivity in China under climate
change scenario. ZHAO Dong鄄sheng, WU Shao鄄hong, YIN Yun鄄he ( Institute of Geographic Sci鄄
ences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China) .
鄄Chin. J. Appl. Ecol. ,2011,22(4): 897-904.
Abstract: Based on the widely used Lund鄄Potsdam鄄Jena Dynamic Global Vegetation Model (LPJ)
for climate change study, and according to the features of natural environment in China, the opera鄄
tion mechanism of the model was adjusted, and the parameters were modified. With the modified
LPJ model and taking 1961-1990 as baseline period, the responses of natural vegetation net prima鄄
ry productivity (NPP) in China to climate change in 1991-2080 were simulated under the Special
Report on Emissions Scenarios (SRES) B2 scenario. In 1961-1990, the total NPP of natural vege鄄
tation in China was about 3郾 06 Pg C·a-1; in 1961-2080, the total NPP showed a fluctuant de鄄
creasing trend, with an accelerated decreasing rate. Under the condition of slight precipitation
change, the increase of mean air temperature would have definite adverse impact on the NPP. Spa鄄
tially, the NPP decreased from southeast coast to northwest inland, and this pattern would have less
variation under climate change. In eastern China with higher NPP, especially in Northeast China,
east of North China, and Loess Plateau, the NPP would mainly have a decreasing trend; while in
western China with lower NPP, especially in the Tibetan Plateau and Tarim Basin, the NPP would
be increased. With the intensive climate change, such a variation trend of NPP would be more obvi鄄
ous.
Key words: climate change; net primary productivity; LPJ model; natural vegetation.
*国家自然科学基金项目(40771016,40901058)和国家“十一五冶科
技支撑计划项目(2007BAC03A02)资助.
**通讯作者. E鄄mail: wush@ igsnrr. ac. cn
2010鄄08鄄20 收稿,2011鄄01鄄25 接受.
摇 摇 以气候变暖为标志的全球气候变化已引起了各
国政府、国际组织和科学工作者的高度重视.有研究
显示,近 100 年全球平均气温升高了 0郾 74 益,最近
50 年有加速之势. 21 世纪的全球地表气温仍将表现
为明显增温. 与 1980—1999 年相比,全球平均地表
气温可能升高 1郾 1 益 ~ 6郾 4 益,极端天气气候事件
的发生频率可能增加[1] . 中国位于东亚季风区,对
全球气候变化的响应极为敏感.研究表明,中国未来
气候的变暖趋势将进一步加剧,极端气候事件发生
应 用 生 态 学 报摇 2011 年 4 月摇 第 22 卷摇 第 4 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Apr. 2011,22(4): 897-904
频率可能增加,降水分布不均现象将更加明显,强降
水事件发生频率将增加,干旱区范围可能扩大[2] .
如此强烈的气候变化将对自然生态系统产生巨大影
响,如气候变暖将改变植被群落的结构、组成和生物
量,使自然植被的空间格局发生变化[3] . 气候变化
对生态系统的强烈影响正在改变着生态系统固有的
自然过程,其后果已经、并将愈来愈严重地威胁人类
的生存环境及社会经济的可持续发展.因此,明确气
候变化与不同尺度下生态系统之间的相互作用,揭
示生态系统对气候变化的响应及适应能力成为全球
变化研究的重要内容之一[4-7] .
全球气候变化因区域不同而异,不同地区陆地
生态系统对气候变化的响应也因自身抗干扰能力和
恢复能力的不同而不同. 而区域尺度的生态系统对
气候变化的响应研究一直是气候变化研究的热
点[8-9] .由于观测站点数量有限,较大尺度的生态系
统与气候变化关系研究主要以模型模拟为主要的研
究方法.模型模拟方法正成为全球变化生态学的重
要研究方向之一,因为生态系统模型能较好地模拟
生态系统过程的相互作用和反馈,对理解生态系统
能量平衡、水循环和物质循环,以及区域和全球气候
变化至关重要[10-11] .我国生态系统模型研究虽然起
步较晚,但近年来得到普遍重视且有了较大发展,已
有不少模型对国家尺度的净初级生产力[12-16]进行
了模拟,但主要以生物地化模型和遥感模型为主.近
年来,动态植被模型以其机制合理、过程全面引起了
广泛重视,应用动态植被模型评价气候变化对自然
植被的可能影响,已经成为全球变化生态学相关研
究的一种发展趋势. 而我国在这方面的研究仍显滞
后[17] .为此,本研究选用国际上较通用的 Lund鄄Pots鄄
dam鄄Jena(LPJ)模型[18](LPJ模型主要用于全球尺度
的研究,参数的选择主要基于欧洲和美洲相关区域
的研究结果,该模型直接用于我国还存在一定的适
宜性问题,所以本研究在广泛收集数据资料的基础
上,根据中国自然环境特点对其运行机制进行了调
整,并进行了重新参数化)作为研究工具,分析气候
变化下中国自然植被净初级生产力 ( net primary
productivity,NPP)的变化. 在此基础上,模拟了气候
变化驱动的中国自然植被 NPP 的分布格局,分析了
自然植被 NPP 格局的时空变化及气候变化的可能
影响,旨在进一步明确植被生产功能对气候变化的
敏感程度及其区域差异,为相关部门制定适应气候
变化的决策提供依据.
1摇 研究方法
1郾 1摇 模型简介
LPJ模型是在 BIOME 系列模型[19-20]基础上发
展而来,模型的植被动力学过程以自然植被为基础,
没有考虑人工植被的影响. 自然植被的建立和死亡
决定于一组基于 20 年移动气候极值的植物功能型
环境限制因子,并考虑不同植物种类由于生理适应
性、资源利用能力和光合效率的差异所产生的竞争
优势或劣势,然后通过种群统计方法确定植被的分
布和组成.在植被动力学的指导下,LPJ 模型以光合
作用、冠层能量平衡以及光合产物在植物体内的分
配和土壤水分平衡为基础,模拟生态系统的光合作
用、呼吸作用、叶片形成和脱落、组织周转、土壤微生
物分解等过程,计算植物鄄土壤鄄大气之间的养分循
环、CO2 和水的交换通量、植被光合作用强度以及植
被和土壤的碳储量. LPJ 模型是一个中等复杂程度
的动 态 植 被 模 型, 建 立 在 早 期 平 衡 态 模 型
(BIOME3)基础之上,在同一个模型框架中耦合了
陆地植被动态、碳和水循环过程,并兼顾了计算效
率,是陆气耦合模型的代表. LPJ 模型充分利用了大
气科学和生态学的监测数据,对模型的适应性进行
了综合评价,可广泛应用于全球和区域环境变化问
题研究.
1郾 2摇 模型改进
植物功能型(PFTs)限制因子控制着光、温、水
的有效输入,同时,由生态气候因子构成的环境限制
因子模型决定了各个功能型气候分布空间. 我国受
东亚季风的强烈影响,自然环境比较独特,原模型中
的环境限制因子不能准确反映我国植物功能型的分
布状况.根据我国气候和植物的分布特征,并参照植
被生理限制因子,定义了每种植物功能型分布区的
环境因子范围(表 1) [21-22] .在对我国植被分布特点
分析总结[23]和 LPJ模型原有的 10 种植物功能型基
础上,新增加了荒漠灌丛和寒性草本两种植物功能
型,以适应中国植被的分布特点,并根据《中国植
被》 [21]、《高寒草甸生态系统》 [24]、 《中国嵩草草
甸》 [25]和贲桂英等[26]的研究成果及同类模型参数
化方案[27],对新增功能型进行了参数化(表 2).
摇 摇 潜在蒸散指假定在水分供应充分的条件下土壤
蒸发和植物蒸腾所消耗的水分,或在一定气候条件
下土壤和植物达到最大蒸散量所需要的水量. 潜在
蒸散量大小表明了植被潜在水分流失的多少,可反
映该区域植被对干旱的耐受程度.在 LPJ模型中,光
898 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
表 1摇 植物功能型的环境限制因子
Table 1摇 Absolute bioclimatic limits of plant function types
(PFTs)
植物功能型
Plant function
type
Tc min
(益)
Tc max
(益)
GDD5 min Tw max
(益)
(Tw Tc)min
(益)
玉 12 - - - -
域 12 - - - -
芋 -2 22 900 - -
郁 0 14 1500 - -
吁 -17 0 1500 - -
遇 0 -25 550 23 -
喻 - -2 350 23 43
峪 - -15 350 23 -
御 - -5 350 23 -
愈 15 - - 12 -
欲 - -8 - - -
狱 - -12 - - -
玉:热带雨林 Tropical broadleaved evergreen forest;域:热带季雨林
Tropical broadleaved monsoon forest;芋:温带常绿针叶林 Temperate
needleleaved evergreen forest; 郁:温带常绿阔叶林 Temperate broad鄄
leaved evergreen forest;吁:温带落叶阔叶林 Temperate broadleaved de鄄
ciduous forest;遇:北方常绿针叶林 Boreal needleleaved evergreen for鄄
est;喻:北方落叶针叶林 Boreal needleleaved deciduous forest; 峪:北方
落叶阔叶林 Boreal broadleaved deciduous forest;御:温带荒漠灌丛
Temperate desert shrub;愈:热带草本 Tropical grasses;欲:温带草本
Temperate grasses; 狱:寒性草本 Cold grasses. Tc min:最冷月平均温度
的最小值 Minimum value of mean temperature of the coldest month;
Tc max:最冷月平均温度的最大值 Maximum value of mean temperature
of the coldest month;GDD5 min: >5 益的生长度日的最小值 Minimum
value of growing degree days of over 5 益; Tw max:最暖月平均温度的最
大值 Maximum value of mean temperature of the warmest month; ( Tw
Tc)min:最暖月均温与最冷月均温之差的最小值 Minimum value of
difference between mean temperature of warmest month and mean temper鄄
ature of coldest month.
合作用是通过碳水耦合方式来计算,即实际水分状
况决定了冠层导度的大小,进而决定了植被的实际
光合能力;植被的实际需水量由可能蒸散来推算,而
供水主要源于大气降水,植被的需水和实际供水情
况共同决定了植被的生活型和光合作用的方式. 利
用 Jarvis等[28]提出的方法计算可能全球尺度的蒸
散时,模拟精度基本可以满足要求,但在区域尺度模
拟时精度就显得较粗糙,加之我国蒸散分布存在巨
大的空间差异,因此,本文采用联合国粮食及农业组
织(FAO)推荐的 Penman鄄Monteith [29]方法(该方法
在我国应用广泛且模拟效果较好[30] )计算潜在蒸
散.最大可能蒸散(ET0,mm·d-1)计算公式如下:
ET0 = [0郾 408驻(Rn - G) + 酌
900
T + 273U2(es -
ea)] / [驻 + 酌(1 + 0郾 34U2)] (1)
式中:驻为饱和水汽压曲线斜率(kPa·益 -1);Rn 为
净 辐 射 (MJ·m-2·d-1); G 为 土 壤 热 通 量
(MJ·m-2·d-1);酌 为干湿常数( kPa·益 -1 );T 为
日均温度(益);U2 为 2 m 高处的风速(m·s-1);es
为平均饱和水汽压(kPa);ea 为实际水汽压(kPa).
式中各变量的算法见文献[30].
1郾 3摇 输入数据
1郾 3郾 1 气候情景数据摇 本研究所需的气候情景数据
由中国农业科学院气候变化小组提供[31] .选用区域
可持续发展(B2)情景作为模型的气候输入数据,根
据我国“十一五冶中长期发展规划,中国未来发展的
选择与 B2 情景接近. 在 B2 情景下,中国区域气温
呈明显增加趋势(图 1),与基准时段(1961—1990
年)相比,2080 年平均气温将增加 3郾 2 益左右,且高
纬度地区增温大于低纬度地区,新疆和东北地区的
升温幅度较大,最高可达 4郾 5 益,沿海地区升温幅度
较小.降水变化呈现出较大波动,空间变化差异明
显.与基准时段相比,2080 年年降水量将增加 13% ,
其中西北干旱地区降水的增幅最大,柴达木盆地年
降水的增幅可达 80% ,而东北部分地区将出现年降
水的小幅减少.根据 IPCC 的建议,本文将情景数据
分为 4 个时段进行分析:1961—1990 年为基准时
段,1991—2020 年为近期,2021—2050 年为中期,
2051—2080 年为远期.
1郾 3郾 2 土壤质地数据摇 根据 1 颐 1400 万土壤质地类
型图获得研究区土壤质地数据,主要反映各地表层
土壤矿质颗粒大小的比例,以及区内不同土壤质地
表 2摇 LPJ模型中新增植物功能型及其部分生理参数
Table 2摇 Newly added PFTs and their several physiological parameters in LPJ model
植物功能型
Plant function type
物候类型
Phenology type
TOPl
(益)
TOPu
(益)
Gmin
(mm·s鄄1)
Emax
(mm·d-1)
R30
(% )
Ll
(a)
Lt
(a)
LAIs K
温带荒漠灌丛
Temperate desert shrub
常绿
Evergreen 20 30 0郾 3 5 65 0郾 8 2 0郾 5 0郾 4
寒性草本
Cold grass
夏绿
Summer鄄green 15 25 0郾 5 3 95 0郾 4 1 0郾 01 0郾 3
TOPl: 光合作用最适温度下限 Lower limit of temperature optimum for photosynthesis; TOPu:光合作用最适温度上限 Upper limit of temperature opti鄄
mum for photosynthesis; Gmin:最低冠层导度 Minimal canopy conductance; Emax:最大日呼吸率 Maximal daily respiration rate; R30:土壤上层 30 cm
内根的比例 Percentage of roots in the upper soil of 30 cm in depth; Ll: 叶寿命 Leaf longevity; Lt:叶周转周期 Leaf turnover period; LAIs: 初始叶面
积指数 Sapling (or grass on initialization) leaf area index; K: 消光系数 Extinction coefficient.
9984 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 赵东升等: 气候变化情景下中国自然植被净初级生产力分布摇 摇 摇 摇 摇
图 1摇 B2 情景下气温(a)和降水(b)相对基准时期的变化
Fig. 1 摇 Variations of temperature ( a) and precipitation ( b)
during 1991-2080 under B2 scenario relative to averages during
1961-1990.
的地理分布特点和规律[15-16] .该图以新中国成立以
来大量的土壤质地调查结果为基础,以文献[32]中
的中国土壤质地为标准,以 1 颐 1400 万中国成土母
质类型图[33]为底图,并参考《中国土壤图》 [34]编制
而成.数字化后在 ArcGIS 9郾 3 软件中进行坐标转换
并重采样,得到分辨率为 0郾 5毅 伊0郾 5毅网格的中国土
壤质地分类图.
1郾 4摇 模型运行
LPJ模型模拟时,首先应用 1961—1990 年年均
气候数据运行 1000 年,使生态系统达到平衡,即各
状态变量的年际变化较小,并且 NPP、凋落物量
(LT)和异养呼吸量(HR)相等.模型达到平衡后,用
1961—2080 年的气候资料进行动态模拟.
2摇 结果与分析
2郾 1摇 模拟结果验证
目前,对 NPP模拟结果的检验还没有形成较可
靠的精度检验方法. 本文通过与其他研究结果和实
测结果进行对比,对本研究的模拟结果进行验证.由
图 2 可以看出,LPJ 模拟的 NPP 空间分布与基于
MODIS遥感反演的研究结果较吻合,较好地反映了
我国植被 NPP的分布趋势,即从东南向西北逐渐降
低.与相关研究结果[14-16]相比,本研究中东北地区
和西南地区的 NPP 值略高,可能是 LPJ 模型中的
NPP是以潜在植被为基础进行模拟,而其他 3 个研
究是以现实植被为基础进行模拟,未考虑气候变化
下植被的动态.
摇 摇 用于精度检验的 NPP实测数据源于两部分.一
部分源于罗天祥[35]的博士学位论文,数据包括国家
图 2摇 基于改进后 LPJ的基准年(a)和基于MODIS遥感反演
(b)的 NPP空间分布(g C·m-2·a-1)
Fig. 2摇 Spatial variations in NPP based ( g C·m-2 ·a-1 ) on
improved LPJ in baseline ( a) and modeled based on remote
sensing data MODIS (b).
林业局的森林清查数据、各地的森林研究报告和 60
余篇文献数据;另一部分源于美国橡树岭国家实验
室 NPP数据库中关于中国草地的 NPP 数据[36] . 这
两部分数据常被用于模型检验[37-38] .由图 3 可以看
出,改进的 LPJ 模型对 NPP 有较好的模拟能力,与
Ni等[38]利用未改进 LPJ的模拟结果相比,本研究的
模拟精度有所提高.改进的 LPJ 模拟的全国 NPP 总
量为 3郾 06 Pg C·a-1,与 CEVSA、AVIM2 和 TEM 3
个基于生态过程模型估算的结果较接近,而高于孙
睿等[14]和朴世龙等[12]的估算结果(表 3). 不同研
究结果是基于不同数据进行独立估算的,且各模型
表 3摇 LPJ模型的 NPP总量与其他研究比较
Table 3 摇 Comparison of total NPP based on LPJ model
with other researches
模型
Model
NPP总量
Total NPP
(Pg C·a-1)
来源
Resource
CEVSA 3郾 09 [15]
AVIM2 2郾 94 [16]
TEM 3郾 65 [13]
BEPS 2郾 65 [14]
CASA 1郾 95 [12]
LPJ 3郾 06 本研究 This study
009 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
图 3摇 LPJ模拟值与实测值比较
Fig. 3 摇 Comparison between the NPP estimated with LPJ and
that from field measurement.
的过程基理和输入数据有所不同,因此,研究结果之
间存在一定差异是不可避免的.
2郾 2摇 中国自然植被净初级生产力的空间分布特征
基准年(1961—1990 年)我国 NPP 的分布呈现
从东南向西北逐渐减少的趋势(图 2a) [12-16] . 我国
东南部地区水热条件较好,能满足植被生长的需求;
而西北内陆地区的水分条件较差,多以荒漠植被覆
盖为主,生产力水平较低. 南方热带湿润区、青藏高
原东南部是 NPP 的高值区(1000 g C·m-2·a-1以
上),西北荒漠地区是 NPP 的低值区 (平均在 50
g C·m-2·a-1以下).东北地区小兴安岭、长白山等
森林地区的 NPP一般在 600 ~ 700 g C·m-2·a-1 .
大兴安岭、内蒙东北部地区、海河平原、黄河三角洲、
黄土高原、四川西部地区年 NPP 一般在 300 ~ 600
g C·m-2·a-1;黄河上游地区和西藏东部地区年
NPP在 300 ~ 500 g C·m-2·a-1 . 长江以南大部地
区、四川盆地、云南大部、东南地区气候温暖湿润、植
被生产能力较高,年 NPP多在 800 g C·m-2·a-1以
上,其中,广西南部、福建东部、广东南部、海南和台
湾大部地区的年均 NPP>1000 g C·m-2·a-1 .
2郾 3摇 中国自然植被净初级生产力总量的年际变化
气候变化条件下,1961—2080 年中国 NPP年总
量呈波动式减少趋势(图 4). 基准年(1961—1990
年)全国 NPP年总量约(3郾 06依0郾 16) Pg C·a-1,最
大值(3郾 43 Pg C)出现在 1977 年,最小值 (2郾 66
Pg C)出现在 1983 年. 近期,我国自然植被 NPP 总
量约(3郾 06依0郾 18) Pg C·a-1,最大值(3郾 41 Pg C)出
现在 1992 年,最小值(2郾 74 Pg C)出现在 2003 年,
期间 NPP总量开始缓慢下降,其变幅比基准年小;
中期,NPP总量为(2郾 99依0郾 18) Pg C·a-1,最大值
(3郾 27 Pg C)出现在2034年,最小值(2郾 63 Pg C)出
图 4摇 1961-2080 年中国自然植被 NPP总量的年变化
Fig. 4 摇 Interannual variations of total NPP in Chinese natural
vegetation during 1961-2080.
玉:NPP;域:5 年移动平均 5 year moving average.
现在 2033 年,期间 NPP 总量的下降趋势明显;远
期,NPP总量为(2郾 92依0郾 18) Pg C·a-1,少于近期
和中期,最大值(3郾 18 Pg C)出现在 2064 年,最小值
(2郾 59 Pg C)出现在 2063 年,期间 NPP 总量一直呈
下降趋势. NPP是衡量生态系统状况的一个重要指
标,其值的持续下降可能使生态系统服务功能和生
态系统碳汇功能降低,从而导致生态系统自身稳定
性下降.
2郾 4摇 中国自然植被净初级生产力空间的分布变化
近期,中国自然植被 NPP 总量整体上略有减
少,空间分布上既有 NPP 增加区域,也有 NPP 减少
区域(图 5a).期间,松嫩平原、内蒙古呼伦贝尔、黄
土高原中部的 NPP 减幅超过 20% ;辽河平原、内蒙
东部、青海三江源、藏北高原、四川盆地、东南沿海、
贵州南部、云南中部、广西大部分地区 NPP 的减幅
约 10% ;塔里木盆地周边地区 NPP 的减幅超过
60% .东北大兴安岭北部、小兴安岭、三江平原、长白
山地区、华北平原南部、华中大部、江南地区北部、云
南中部、青藏高原南部 NPP 的增幅约 10% ;青藏高
原中部、柴达木盆地西部 NPP 的增幅超过 60% ,部
分地区的增幅甚至超过基准期的 1 倍以上. 这主要
是由于这些区域以草原和荒漠草原为主,植被生长
的限制因子主要是水分,气候变化情景下,该区域降
水大幅增加可能导致 NPP的增加.
中期,中国自然植被 NPP 的区域变化较明显,
东部地区 NPP 以减少为主,西部地区以增加为主
(图 5b).黑龙江中部、河北南部、山东西南、黄土高
原部分地区 NPP 的减幅达 40% ;东北大部、呼伦贝
尔、鄂尔多斯、广西南部、海南岛等地的 NPP 减幅约
20% ;天山北部、阿尔泰山、西藏东南、黄河以南长江
1094 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 赵东升等: 气候变化情景下中国自然植被净初级生产力分布摇 摇 摇 摇 摇
图 5摇 近期(a)、中期(b)和远期(c)中国自然植被 NPP空间格局(g C·m-2·a-1,A)及其相对基准年(% ,B)比较
Fig. 5摇 NPP spatial distribution (g C·m-2·a-1, A) and compared with baseline (% , B) in near鄄term (a), mid鄄term (b) and
long鄄term (c) in Chinese natural vegetation.
a)1991-2020; b)2021-2050; c)2051-2080.
以北大部分地区、广东、广西和福建南部地区的 NPP
减幅约 10% .雅鲁藏布江河谷以南、藏北高原、塔里
木盆地周边地区 NPP增幅均超过 60% ,NPP增加区
域比近期有所扩展;大兴安岭北部、辽宁东部地区、
内蒙中部、藏南、云南北部和长江下游等区的 NPP
增幅约 20% ;山西大部、浙江、江苏、安徽和江西大
部分地区 NPP的增幅约 10% . 在西部地区,NPP 增
加区域与减少区域呈相嵌式分布,表明该地区气候
条件较复杂、植被对气候变化的反应较敏感,气候的
较小变化也能引起植被较大的反应.
远期,中国东西部地区 NPP 的变化更加显著,
西部 NPP 的增幅持续上升,且 NPP 上升的区域增
多;东部地区 NPP 的相对变幅不大,但 NPP 减少的
区域面积将变大(图 5c). 河北南部、阿拉善高原和
宁夏北部地区 NPP 的减幅超过 60% ;东北平原大
部、呼伦贝尔、关中平原、黄河下游等地区的 NPP 减
幅超过 40%,该期 NPP减少区域比中期明显扩大;大
兴安岭北部、华北大部、华中、四川盆地、藏东南、阿尔
泰山和天山山地等地区的 NPP 减幅约 20% .与中期
相比,中国西部地区植被 NPP增幅将进一步加大,内
蒙中部地区、江西北部、浙江南部和江苏大部分地区
NPP增幅约 10%;青藏高原地区和塔里木盆地周边
地区 NPP增幅超过 60%的区域将进一步扩大.
总体而言,气候变化将改变中国自然植被的生
209 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
产功能,但 NPP 的总体格局并不会发生大的改变.
未来气候变化情景下,东部地区 NPP 呈减少趋势,
但减幅约 20% ;西部 NPP 呈增加趋势,且增幅较明
显.这与西部地区的植被特征直接相关,因为西部地
区的植被对气候较敏感,气候较小的变化就可能导
致植被生产力较大幅度的变化.
3摇 讨摇 摇 论
本研究通过改进的动态植被模型 LPJ,以 B2 情
景气候数据作为主要的输入数据,模拟了中国
1961—2080 自然植被 NPP对气候变化的响应.结果
显示,在气候变化的影响下,中国自然植被 NPP 时
空格局将发生明显改变.在基准年阶段,中国自然植
被 NPP总量年均 3郾 06 Pg C,与同类研究[12鄄16]结果
较接近;1961—2080 年 NPP 总量呈波动下降趋势,
且下降速度逐渐加快. 在降水相对变化不大的条件
下,平均温度的增加对我国自然植被净初级生产力
可能会产生一定的负面影响. NPP 的空间分布从东
南沿海向西北内陆呈逐渐递减趋势,在气候变化过
程中,该格局基本稳定. 在东部 NPP 值相对较高地
区,NPP 值以减少为主,东北地区、华北东部和黄土
高原地区的减少趋势尤为明显;在西部 NPP 值相对
较低地区,NPP以增加趋势为主,青藏高原地区和塔
里木盆地的增加趋势表现突出. 随着气候变化程度
的加剧,东、西部地区变化趋势的对比越发明显.
以气候情景数据和改进后的 LPJ模型模拟中国
自然植被净初级生产力时空变化状况,结果存在一
定程度的不确定性. 原因在于:1)气候变化的不确
定性.在不同气候情景下,气候变化方向不尽相同,
由于气候系统自身是一个过程复杂的非线性系统,
加之青藏高原大地形作用的影响,使很多气候模式
在中国的分辨率都不高,导致研究结果的不确定性.
2)模型自身的不确定性.任何一个生态系统模型都
是建立在一定的前提假设基础上,其实质是对生态
系统机理进行了一些简化处理.对于不同的区域,生
态系统特征不一样,模型本身所带来的误差将不可
避免地影响预测结果的准确性. 3)由于动态植被模
型结构较复杂,需要很多资料去确定、识别模型参
数,而一些资料代表性不强甚至很难得到,不得不采
用简化的方法确定或借用其他相关模型的参数,进
而也影响模拟结果的准确性.
本文基于植被和气候关系探索了中国自然植被
对气候变化的响应状况,分析了气候变化下自然植
被 NPP的可能变化,重点描述了生态系统响应气候
变化的程度及其区域差异,研究目的是希望增进对
生态系统响应气候变化的认识,从而更好地理解生
态系统对气候变化的敏感性. 本研究只是应用全球
尺度的生态系统模型进行区域尺度研究的一个尝
试,今后需要进一步完善荒漠灌丛和高寒植物功能
型响应气候变化的生理机制,补充生理、物候等方面
的关键参数,优化模型的资源竞争方案,并对一些重
要参数进行敏感性评价.
参考文献
[1]摇 IPCC. Technical Summary. Climate Change 2007: The
Physical Science Basis. Contribution of Working Group I
to the Fourth Assessment Report of the Intergovernmen鄄
tal Panel on Climate Change. Cambridge: Cambridge
University Press, 2007
[2]摇 National Assessment Report of Climate Change Editorial
Committee (气候变化国家评估报告编写委员会).
National Assessment Report of Climate Change. Beijing:
Science Press, 2007 (in Chinese)
[3]摇 IPCC. Technical Summary. Climate Change 2007: Im鄄
pacts, Adaptation and Vulnerability. Contribution of
Working Group II to the Fourth Assessment Report of the
Intergovernmental Panel on Climate Change. Cam鄄
bridge: Cambridge University Press, 2007
[4]摇 Schr觟ter D, Cramer W, Leemans R, et al. Ecosystem
service supply and vulnerability to global change in Eu鄄
rope. Science, 2005, 310: 1333-1337
[5]摇 Zhao G鄄S (周广胜), Xu Z鄄Z (许振柱), Wang Y鄄H
(王玉辉). Adaption of terrestrial ecosystems to global
change. Advance in Earth Sciences (地球科学进展),
2004, 19(4): 642-649 (in Chinese)
[6]摇 Wu SH, Dai EF, Huang M, et al. Ecosystem vulnera鄄
bility of China under B2 climate scenario in the 21st
century. Chinese Science Bulletin, 2007, 52: 1379 -
1386
[7]摇 Liu Y鄄H (刘燕华). Adaptation to Climate Change鄄
Strategies, Policies and Actions in EAS Member Coun鄄
tries. Beijing: Science Press, 2009 (in Chinese)
[8]摇 Piao SL, Fang JY, Ciais P, et al. The carbon balance
of terrestrial ecosystems in China. Nature, 2009, 458:
1009-1013
[9]摇 Hou Y鄄Y (侯英雨), Liu Q鄄H (柳钦火), Yan H (延
昊), et al. Variation trends of China terrestrial vegeta鄄
tion net primary productivity and its responses to climate
factors in 1982-2000. Chinese Journal of Applied Ecolo鄄
gy (应用生态学报), 2007, 18(7): 1546-1553 ( in
Chinese)
[10]摇 Lu LX, Roger A, Pielke SR, et al. Implementation of a
two鄄way interactive atmospheric and ecological model
and its application to the central united states. Journal
of Climate, 2001, 14: 900-919
[11]摇 Zhao H鄄X (赵慧霞), Wu S鄄H (吴绍洪), Jiang L鄄G
(姜鲁光). Research advances in vulnerability assess鄄
ment of natural ecosystem response to climate change.
Chinese Journal of Applied Ecology (应用生态学报),
2007, 18(2): 445-450 (in Chinese)
3094 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 赵东升等: 气候变化情景下中国自然植被净初级生产力分布摇 摇 摇 摇 摇
[12] 摇 Piao S鄄L (朴世龙), Fang J鄄Y (方精云), Guo Q鄄H
(郭庆华). Application of CASA model to the estima鄄
tion of Chinese terrestrial net primary productivity. Acta
Phytoecologica Sinica (植物生态学报), 2001, 25
(5): 603-608 (in Chinese)
[13]摇 Xiao XM. Net primary production of terrestrial ecosys鄄
tems in China and its equilibrium responses to changes
in climate and atmospheric CO2 concentration. Acta
Phytoecologica Sinica, 1998, 22: 97-118
[14]摇 Sun R (孙 摇 睿), Zhu Q鄄J (朱启疆). Effect of cli鄄
mate change of terrestrial net primary productivity in
China. Journal of Remote Sensing (遥感学报), 2001,
5(1): 58-61 (in Chinese)
[15]摇 Tao B (陶摇 波), Li K鄄R (李克让), Shao X鄄M (邵雪
梅), et al. Temporal and spatial pattern of net primary
production of terrestrial ecosystems in China. Acta Geo鄄
graphica Sinica (地理学报), 2003, 58(3): 372-380
(in Chinese)
[16]摇 Ji J鄄J (季劲钧), Huang M (黄摇 玫), Li K鄄R (李克
让). Prediction of carbon exchanges between China ter鄄
restrial ecosystem and atmosphere in 21st century. Sci鄄
ence in China Series D Earth Sciences (中国科学·D
辑), 2008, 38(2): 211鄄223 (in Chinese)
[17]摇 Fu B鄄J (傅伯杰). Trends and priority areas in ecosys鄄
tem research of China. Geographical Research (地理研
究), 2010, 29(3): 383鄄396 (in Chinese)
[18]摇 Sitch S, Smith B, Prentice IC, et al. Evaluation of eco鄄
system dynamics, plant geography, and terrestrial car鄄
bon cycling in the LPJ dynamic global vegetation model.
Global Change Biology, 2003, 9: 161-185
[19] 摇 Prentice IC, Cramer W, Harrison SP, et al. A global
biome model based on plant physiology and dominance,
soil properties and climate. Journal of Biogeography,
1992, 19: 117-134
[20]摇 Haxeltine A, Prentice IC. BIOME3: An equilibrium bi鄄
osphere model based on ecophysiological constraints, re鄄
source availability and competition among plant function鄄
al types. Global Biogeochemical Cycles, 1996, 10: 693
-709
[21]摇 Woodward FI. Climate and Plant Distribution. Cam鄄
bridge: Cambridge University Press, 1987
[22]摇 China Vegetation Atlas Editorial Committee of the Chi鄄
nese Academy of Sciences (中国科学院中国植被编委
会). Atlas China Vegetation (1:1000000). Beijing:
Science Press, 2001 (in Chinese)
[23] 摇 Ni J (倪 摇 健). Plant functional type and biomes of
China at a regional scale. Acta Botanica Sinica (植物学
报), 2001, 43(4): 419-425 (in Chinese)
[24]摇 Haibei Alpine Meadow Ecosystem Research Station,
Chinese Academy of Sciences (中国科学院海北高寒
草甸生态系统定位站). Alpine Meadow Ecosystem.
Vol. 4. Beijing: Science Press, 1995 (in Chinese)
[25]摇 Zhou X鄄M (周兴民). Kobresia Meadow of China. Bei鄄
jing: Science Press, 2001 (in Chinese)
[26]摇 Ben G鄄Y (贲桂英), Liao J鄄G (廖俊国), Liu Y鄄F (刘
允芬), et al. Physiological characteristics and adaptive
mechanism of plant population in Qinghai鄄Xizang ( Ti鄄
betan) Plateau / / Li W鄄H (李文华), Zhou X鄄M (周兴
民), eds. Ecosystems of Qinghai鄄Xizang ( Tibetan)
Plateau and Approach for Their Sustainable Manage鄄
ment. Guangzhou: Guangdong Science and Technology
Press, 1998: 271-314 (in Chinese)
[27]摇 Zeng XD, Zeng XB, Barlage M. Growing temperate
shrubs over arid and semiarid region in the Community
Land Model鄄Dynamic Global Vegetation Model. Global
Biogeochemical Cycles, 2008, 22: 1-14
[28] 摇 Jarvis PG, MacNaughton KG. Stomatal control of tran鄄
spiration: Scaling up from leaf to region / / Macfadyen
A, eds. Advances in Ecological Research ( volume
15). London: Academic Press, 1986: 483-496
[29]摇 Allen RG, Pereira LS, Raes D, et al. Crop Evapotrans鄄
piration-Guidelines for Computing Crop Water Require鄄
ments. FAO Irrigation and drainage paper 56. Rome:
United Nations Food and Agriculture Organization, 1998
[30]摇 Yin YH, Wu SH, Zheng D, et al. Radiation calibration
of FAO56 Penman鄄Monteith model to estimate reference
crop evapotranspiration in China. Agricultural Water
Management, 2008, 95: 77-84
[31]摇 Xu Y鄄L (许吟隆), Jones R. Validating PRECIS with
ECMWF reanalysis data over China. Agricultural Mete鄄
orology (中国农业气象), 2004, 25 (1): 5 - 9 ( in
Chinese)
[32]摇 Xiong Y (熊摇 毅), Li Q鄄K (李庆逵). Soil of China.
2nd Ed. Beijing: Science Press, 1987 (in Chinese)
[33] 摇 Institute of Soil Science, Chinese Academy of Sciences
(中国科学院南京土壤研究所). Atlas of China Soil.
Beijing: SinoMaps Press, 1986 (in Chinese)
[34] 摇 Institute of Soil Science, Chinese Academy of Sciences
(中国科学院南京土壤研究所). Soil Taxonomical
Map of China (1: 4000000). Beijing: SinoMaps Press,
1978 (in Chinese)
[35] 摇 Luo T鄄X (罗天祥). Patterns of Biological Production
and Its Mathematical Models for Main Forest Types of
China. PhD Thesis. Beijing: Committee of Synthesis In鄄
vestigation of Natural Resources, Chinese Academy of
Sciences, 1996 (in Chinese)
[36]摇 Scurlock JM, Johnson K, Olson RJ. NPP Grassland Bi鄄
ome: Estimated from Biomass Dynamics for 31 Sites,
1948鄄1994 [ EB / OL]. (2003鄄12鄄10) [2010鄄02鄄08].
http: / / www. daac. ornl. gov
[37] 摇 Zhu W鄄Q (朱文泉), Pan Y鄄Z (潘耀忠), Zhang J鄄S
(张锦水). Estimation of net primary productivity of
Chinese terrestrial vegetation based on remote sensing.
Chinese Journal of Plant Ecology (植物生态学报),
2007, 31(3): 413鄄424 (in Chinese)
[38]摇 Ni J, Zhang XS, Scurlock MO. Synthesis and analysis
of biomass and net primary productivity in Chinese for鄄
ests. Annals of Forest Science, 2001, 58: 351-384
作者简介摇 赵东升,男,1978 年生,博士.主要从事气候变化
对生态系统影响、自然地理综合研究,发表论文 10 余篇.
E鄄mail: zhaods@ igsnrr. ac. cn
责任编辑摇 杨摇 弘
409 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷