氣候干旱化背景下云南地區生態系統脆弱性的變化特征

閆文波, 何云玲, 余嵐, 屈新星, 崔茜琳

氣候干旱化背景下云南地區生態系統脆弱性的變化特征

閆文波, 何云玲*, 余嵐, 屈新星, 崔茜琳

云南大學地球科學學院, 昆明 650500

基于CASA模型模擬云南省1982—2019年植被NPP, 根據IPCC脆弱性框架分析其生態脆弱性時空變化特征, 并結合標準化蒸散指數(SPEI)探討干旱對生態脆弱性的影響。結果表明: 近38年研究區生態脆弱性總體呈波動上升趨勢, 增長比例最為明顯的是極度脆弱區, 面積比例增加了2.7%; 生態脆弱性空間分布差異較大, 以輕度與中度脆弱區為主(85%); 重度與極度脆弱區占比較少, 主要分布在橫斷山區以及高山峽谷區域; 大部分地區(53%)生態脆弱性與干旱呈正相關, 隨干旱等級增大, 生態脆弱性增大, 其中呈顯著正相關的區域(面積占比15%)主要集中在橫斷山區、高山峽谷地帶, 受干旱影響顯著; 隨干旱頻率上升, 輕度與中度脆弱區比例增加顯著; 熱帶森林植被生態脆弱性整體上最高, 但受干旱的持續性影響不顯著; 持續性干旱對亞熱帶森林、灌叢、草地與高山植被的生態脆弱性有較顯著的影響。

CASA模型; NPP; SPEI; 生態脆弱性; 云南省

0 前言

近百年來全球氣候正經歷一次以變暖為主要特征的顯著變化, 聯合國政府間氣候變化專門委員會(Intergovernmental Panel Climate Change, IPCC)第五次評估報告表明: 1880—2012年全球地表溫度升高了0.85 ℃, 變暖幅度自20世紀90年代以來明顯加速[1]。隨著全球變暖加劇, 極端氣候發生的頻率和強度都在急劇增加[2–3], 一個明顯的表現就是世界上大部分陸地干旱趨勢日益明顯, 其中僅在1972—2002年間, 全球極端干旱區域面積從占比12%增加到30%[4]。在極端干旱頻率和強度不斷增加的背景下, 開展生態系統的脆弱性研究, 對識別生態系統的功能與結構至關重要, 也是區域可持續發展的核心問題之一[5–6]。

生態脆弱性指的是系統易受到不利影響的特性, 主要包括系統對外界環境敏感性增強而適應性減弱等特征[7]。目前關于生態脆弱性的研究主要包括: 基于GIS的脆弱性區劃、氣候變化影響下的(物種、多樣性)脆弱性分析、基于指標體系的氣候變化脆弱性評價等[8–9]。單一型的生態系統指標體系針對性強、結構簡單, 具有較強的區域性特征, 在氣候變化領域廣泛應用; 其中植被凈初級生產力(Net Primary Productivity, NPP)作為表征生態系統質量與生產力的重要參量, 與其他植被指數(如歸一化植被指數NDVI、總初級生產力GPP等)相比對氣候變化的響應更加敏感[10], 在區域生態脆弱性評價中廣泛應用, 國內外學者對此進行了大量研究。例如最早是AIR-CLIM項目對歐洲生態系統脆弱性進行評價時, 選取NPP作為生態系統響應氣候變化的指標, 以多年平均NPP的10%為基準變量, 按照是否超過這一基準對生態脆弱性進行劃分[11]; Klemme以NPP偏離多年平均值±25%確定5個極端脆弱年份, 并分析生態脆弱性對牧場承載力影響時發現: 未來NPP波動可能對牧場資源的生態可持續性產生不利影響[12]; 李克讓等將全球不同植被類型NPP多年平均值確定為生態基礎進行建模, 將NPP減少40%、60%、80%、100%作為生態系統輕度、中度、重度崩潰的臨界值, 結果表明: 中國生態系統基本處于輕中度脆弱區[13]; Zhang等基于生態系統過程模型(CEVSA模型)模擬長江中下游地區1961—2000年NPP, 分析極端降水對區域生態脆弱性的研究發現: 極端降水偏少(干旱)年份輕度脆弱區面積較多年平均脆弱性水平增加6%, 中度脆弱區增加1%, 重度及以上脆弱區面積比例下降[14]; 於利等借助CEVSA模型模擬過去40年年長江中下游地區NPP, 并分析干旱對區域生態脆弱性的研究發現: 干旱對區域生態脆弱性有持續影響, 干旱發生后一年的區域生態脆弱性水平大于多年平均脆弱性水平[15]。從目前研究結果來看, 基于NPP對區域生態系統脆弱性評價結果在不同空間尺度與不同生態系統中得到了檢驗。

云南省位于中國西南部, 大部區域降水量均在1000 mm以上, 全省河川縱橫、湖泊眾多, 水資源總量豐富, 但近年來由于全球變暖持續加劇, 云南干旱頻發, 并且干旱發生頻率與強度明顯增大[16], 已成為最為突出的自然災害, 對區域生態系統造成了嚴重的破壞[17]。隨著干旱發生頻率增加, 植被生態系統對干旱的響應不容忽視, 理清極端氣候背景下云南省生態脆弱性特征, 是制定氣候變化對策的重要基礎, 也是區域社會可持續發展的訴求。但目前關于極端干旱與生態脆弱性響應的研究較少, 因此深入開展極端干旱背景下植被生態系統脆弱性分析, 不僅有利于科學應對氣候變化、實現趨利避害, 還可以為云南省乃至西南地區生態環境監測與保護提供決策參考。

1 材料與方法

云南省位于21°8′—29°15′N, 97°31′—106°11′E, 地形復雜多樣, 山地、高原、盆地面積分別占全省國土面積的84%、10%、6%。全省地勢呈西北高, 東南低, 自北向南呈階梯狀下降。復雜的地形地貌造就了區內多樣的氣候類型: 滇西北屬于寒帶氣候類型, 滇東、滇中屬于溫帶氣候類型, 滇南、滇西南屬于干熱河谷區。具有寒、溫、熱三個氣候帶, 有“一山分四季, 十里不同天”之說。區域干濕季分明, 濕季為5—10月, 集中了85%的降水量; 干季11—次年4月, 降水量只占全年15%; 并且降水量地區分布差異明顯, 降水量最多可達2200—2700 mm, 最少的地方僅有584 mm。

1.1 數據來源與處理

氣象數據包括云南省126個氣象站點的氣溫、降水和日照時數, 數據來源于國家氣象信息中心, 采用ANUSPLIN軟件的樣條函數插值法[18]進行內插值，分辨率為250 m×250 m的柵格數據。

遙感數據采用1982—1999年GIMMS NDVI與2000—2019年MODIS NDVI, 由于兩種數據所使用的傳感器不同, 故采用EOT算法[19]對兩種NDVI數據進行擬合, 為延長時間序列數據提供較好的依據。

植被類型數據來源于中國科學院第二次1:100萬植被類型普查數據; 為了比較不同植被類型的差異, 根據何敏等[7]人的研究將研究區植被類型劃分為7大類, 分別為: 熱帶森林、亞熱帶森林、灌叢、草地、農業植被、高山植被和水體。

1.2 研究方法

1.2.1 NPP模擬

目前, NPP的模擬模型主要有三類: 統計模型、過程模型與遙感模型等。遙感模型是基于光能利用率原理, 結合氣象資料估算植被NPP的方法。與其他模型相比, 其可進行區域尺度上較為精確的NPP估算和時空分布模擬, 計算步驟較為簡單, 其中CASA模型相對于其他遙感光能模型所需參數較少, 且避免由于參數缺乏而帶來的誤差, 能夠獲取陸面的全覆蓋信息、模擬過程易操作, 具有時間分辨率高的優點[20], CASA模型的計算步驟可參考文獻[21]。

1.2.2 脆弱性計算

脆弱性指的是系統受到不利因素影響的傾向或者習性, 根據IPCC脆弱性概念, 脆弱性計算公式如下[22]:

式中,(Vulnerability)指的是生態系統脆弱性指數,(Sensitivity)指的是生態系統敏感指數,(Adaptation)指的是生態系統適應性指數。

敏感性指數指系統在正常運轉時, 由于氣候變化或者其他擾動而導致系統失靈的難易程度, 其具體計算公式如下[23]:

適應性指數指的是生態系統在面對氣候變化和其他擾動而保持和恢復期結構的能力, 其計算公式如下[24]:

式中,指適應性,為時間序列,為NPP的絕對變率, 即每年NPP的絕對變化量, 由每年NPP值減去多年NPP的均值計算;越大說明適應性越高, 反之亦然。

各個區域的敏感性、適應性和脆弱性是一個相對概念, 因此敏感性與適應性指數的計算結果未必在一個量綱, 故需對敏感性指數與適應性指數進行標準化后方可進行脆弱性的計算[25]。對計算結果采用自然斷點法[26]將脆弱性等級由低到高劃分為5類: 不脆弱(1級)、輕度脆弱(2級)、中度脆弱(3級)、重度脆弱(4級)和極度脆弱(5級)。

為了表征研究區脆弱性的整體情況, 引入綜合脆弱性指數(), 其計算公式如下[27]:

式中,G表示第類的脆弱性等級,S表示第類脆弱性等級的面積,表示研究區的總面積,值越大, 表征生態系統越脆弱。

1.2.3 干旱指標分析

為了定量描述區域降水與蒸散差值偏離常年程度的干旱事件, 利用標準化降水蒸散指數(SPEI), 對研究區極端干旱事件進行評價, 其具體計算步驟可以參考文獻[28]。SPEI指數具有多尺度特點, 選取SPEI-12有利于涵蓋整年的干旱事件。根據研究區實際情況并結合文獻[29]將SPEI指數對應的干旱等級劃分如表1所示。干旱頻率指干旱發生月數與研究時段內總月數的比值; 極端干旱年指SPEI值相對多年平均水平異常偏低的年份。研究時間段(1982—2019年)研究區SPEI值最小的5個年份分別是: 1987年、2000年、2007年、2011年、2013年, 而根據資料記載歷史上這些年份云南省都經歷了較為嚴重的旱災[3, 30]。

表1 SPEI指數對應的干旱等級

再采用Pearson相關系數法, 分析生態脆弱性對于干旱的響應特征, 其計算公式可參考文獻[31]。根據檢驗結果可將顯著性水平劃分為六類: 極顯著正相關(>0,<0.01)、顯著正相關(>0, 0.01≤<0.05)、不顯著正相關(>0,≥0.05)、不顯著負相關(<0,≥0.05)、顯著負相關(<0, 0.01≤<0.05)、極顯著負相關(<0,<0.01)。

2 結果與分析

2.1 脆弱性的時空變化分析

1982—2019年研究區平均EVSI指數為3.21, 最小值是1985與1989年的3.11, 最大值是1987年的3.35(圖1), 近38年EVSI指數波動較大, 整體上呈上升趨勢, 但其變化趨勢未通過顯著性檢驗。根據自然斷點法將研究區脆弱性等級劃分為5類: 不脆弱(-0.98— -0.46)、輕度脆弱(-0.46— -0.12)、中度脆弱(-0.12—0.12)、重度脆弱(0.12—0.35)和極度脆弱(0.35—0.78)。統計1982—2019年不同脆弱等級的面積比例變化, 可以發現: 除中度脆弱區外, 研究區的不脆弱區、輕度脆弱區、重度脆弱區與極度脆弱區均呈現上升趨勢, 其中增長比例最為明顯的是極度脆弱區, 為0.071%/a(未通過顯著性檢驗)。

空間分布特征上(圖2), 輕度脆弱區占比43%, 分布較為廣泛, 在滇西南與滇東南區域分布較為集中：中度脆弱區占比42%, 多集中于橫斷山區、昭通北部以及高山峽谷區域; 重度脆弱區占比12%, 多沿水系峽谷延伸; 極度脆弱區占比1%, 集中分布于橫斷山區等高山峽谷地帶; 不脆弱區占比為2%, 多為河流與各大湖泊。

2.2 干旱與生態脆弱性的相關分析

通過分析1982—2019年研究區逐年生態脆弱性與SPEI-12的關系(圖3), 結果表明干旱與生態脆弱性呈正相關的區域占比53.1%, 主要集中在滇中的楚雄、玉溪, 滇西南的大理、保山、德宏、西雙版納, 滇東南的文山等地; 其中呈極顯著正相關與顯著正相關的區域占比15%, 主要集中在橫斷山區、高山峽谷地帶。為了進一步分析干旱對不同植被類型生態脆弱性的影響, 對通過顯著性檢驗的各植被類型生態脆弱性進行分類發現(表2): 熱帶森林與亞熱帶森林生態脆弱性與干旱呈顯著正相關的面積比例最小, 而高山植被與水體的生態脆弱性與干旱呈顯著正相關的面積比例較大。

為了更好說明研究區生態脆弱性與干旱發生頻率的關系, 根據自然斷點法[26]將干旱頻率分為5類: Ⅰ類(干旱頻率29%—31%)、Ⅱ類(干旱頻率31%—33%)、Ⅲ類(干旱頻率33%—35%)、Ⅳ類(干旱頻率35%—37%)、Ⅴ類(干旱頻率37%—39%)。根據表3統計可以發現: 當干旱頻率從Ⅰ類增加到Ⅴ類時, 輕度、中度脆弱區面積分別增加了14.20%、16.45%, 變化顯著; 而不脆弱區、重度脆弱區和極度脆弱區面積分別減少了12.15%、7.49%和11.01%。

圖1 云南省1982—2019年EVSI指數的動態變化

Figure 1 Variation of EVSIin Yunnan from 1982 to 2019

圖2 云南省生態脆弱性格局

Figure 2 Spatial pattern of ecological vulnerability in Yunnan

圖3 云南省干旱與生態脆弱相關性的顯著分類結果

Figure 3 Significant classification of correlation between drought and ecological vulnerability in Yunnan

表2 云南省不同植被類型生態脆弱性與干旱相關性的顯著性面積比例/%

表3 云南省干旱頻率與生態脆弱性的關系

2.3 極端干旱年對區域生態脆弱性的影響

為了描述干旱對生態脆弱性的影響程度及影響時間, 計算干旱年份的脆弱性以及干旱年份后1年的平均脆弱性, 分別與多年平均水平進行比較。如圖4所示, 干旱年份、干旱次年以及多年平均脆弱性格局中, 輕度與中度脆弱區分別占比55%、53%、42%; 而對干旱年份、干旱次年以及多年分別求取EVSI值發現: 干旱年EVSI(3.28)>干旱次年EVSI(3.21)>多年EVSI(3.17)。對比干旱年份與干旱次年各脆弱性等級面積比例, 結果顯示除不脆弱與中度脆弱性, 輕度、重度和極度脆弱性比例都有所增加, 表明研究區生態系統在經歷干旱后的1年里, 干旱的影響仍在加劇, 導致部分生態系統的脆弱性仍在持續增加。

為了更好探究干旱對不同植被類型的生態脆弱性影響, 分別計算不同植被類型干旱當年、干旱次年以及多年平均生態脆弱性(表4)。熱帶森林在干旱年、干旱次年以及多年生態脆弱性的極度脆弱區面積占比均最大, 干旱影響下生態脆弱性高; 干旱年與多年平均水平比較, 重度脆弱區面積比例增加明顯, 而極度脆弱區面積比例下降明顯; 干旱次年與干旱年比較, 重度、極度脆弱區面積下降, 輕度、中度脆弱區面積上升, 生態系統脆弱性水平受干旱持續性影響較小。亞熱帶森林、灌叢與草地生態系統干旱年與多年平均水平相比: 重度、極度脆弱面積比例減少; 干旱次年與干旱年相比重度與極度脆弱區面積比例增加, 表明干旱對亞熱帶森林、灌叢與草地生態系統脆弱性具有持續性的嚴重影響。對于農業植被生態系統來說, 干旱年與干旱次年以及多年平均脆弱性水平相比, 重度、極度脆弱性面積比例持續減少。高山植被生態系統干旱年與多年平均水平比較, 中度、重度、極度脆弱性水平比例都有所減少, 而干旱次年與干旱年相比, 不脆弱、輕度脆弱面積比例減少, 中度、重度與極度脆弱性水平則增加, 說明干旱對高山植被脆弱性有持續性的影響。

注: 圖中0、1、2、3、4、5分別代表不相關、極顯著正相關、顯著正相關、無顯著正相關、極顯著負相關、顯著負相關、不顯著負相關。

Figure 4 Impacts of drought on ecological vulnerability in Yunnan

表4 不同植被類型干旱年份及干旱次年各脆弱等級所占比例及其變化情況/%

續表

再對不同植被類型多年平均、干旱年以及干旱次年分別求EVSI發現(表5): 熱帶森林植被生態脆弱性整體上最高, 干旱年EVSI>多年EVSI>干旱次年EVSI, 熱帶森林生態系統脆弱性水平受干旱的持續性影響較小; 而亞熱帶森林、灌叢、草地、高山植被以及水體在干旱次年EVSI>干旱年EVSI, 說明上述4種生態系統整體脆弱性受長期干旱影響較大; 農業植被干旱次年EVSI<干旱年EVSI, 可能干旱期人們注重對農業生態系統灌溉與防旱。

表5 不同植被類型干旱年與干旱次年EVSI指數

3 討論

近年來生態系統的脆弱性評價逐漸成為研究熱點[32–35], 但關于極端干旱與生態系統脆弱性關系的研究較少。本研究從生態脆弱性的基本概念出發, 以IPCC脆弱性概念為基礎, 基于NPP為評價指標, 計算云南省生態脆弱性的時空變化, 并結合EVSI指數對研究區的脆弱性程度進行了探討, 發現研究區的生態脆弱性整體上呈上升趨勢, 大部分地區為輕度與中度脆弱性, 受氣候與環境因素影響其重度與極度脆弱區多集中在橫斷山區, 而且橫斷山區生態脆弱性水平受干旱影響最大, 這與朱雪等對云南省山區生態脆弱性的研究結果一致[36]。溫度、降水、地質地貌、植物和動物的垂直分布和碎片化的分布狀況造就了山區生態系統的多樣性, 由于山區的地形和地貌不利于大規模機械化生產, 影響了人類活動的規模和力度, 部分山區還處在很少有人活動的區域, 這也就使之成為很多瀕危動物的庇護所度較高的區域; 山區生態系統屬于對外界干擾的敏感區, 對干旱等氣候變化適應能力差是這些地區的生態系統脆弱性顯著的主要原因。高山峽谷以及湖泊周圍生態脆弱性也受干旱的強烈影響, 可能原因在于: 其周圍濕地對湖泊河流的調節受干旱影響較大[37]。

對比干旱年份與多年平均脆弱等級面積所占比例, 結果顯示輕度與中度脆弱區所占比例增加, 表明研究區多數地區生態脆弱性會受干旱的影響; 重度與極度脆弱區所占比例減少, 表明區域重度以上脆弱性受蒸/散發限制不是很強烈[15], 干旱不是導致區域重度以上脆弱性水平變化的主要原因。

從整體上看, EVSI在干旱年>干旱次年>多年平均, 表明研究區生態系統在經歷干旱后的1年里, 干旱的影響仍在加劇, 導致部分生態系統的脆弱性仍在持續增加。干旱不是熱帶森林生態脆弱性的主要影響因素, 持續性干旱僅影響其輕度與中度脆弱性。而極端干旱對亞熱帶森林、灌叢與草地生態系統有重要且持續的影響。干旱與農業植被的脆弱性呈反比主要原因是在極端干旱年, 可能原因是農業植被生態系統生長期相對較短, 持續性的干旱對其影響較小; 以及在極端干旱年人們注重加強對農業植被的灌溉力度, 降低了農業生態系統的在極端干旱年的脆弱性水平[38–40]。

4 結論

(1)研究區生態脆弱性空間分布差異較大, 以輕度與中度脆弱區為主(85%), 主要分布在滇西南、滇東南、昭通北部以及高山峽谷區域; 重度與極度脆弱區占比較少, 分布在橫斷山區以及高山峽谷區域。

(2)研究區干旱與生態脆弱性呈顯著正相關的區域占比15%(<0.05), 主要集中在橫斷山區、高山峽谷地帶, 其受干旱影響顯著。

(3)隨干旱頻率上升, 不脆弱、重度與極度脆弱區面積比例分別下降12.15%、7.49%和11.01%, 輕度與中度脆弱區面積比例分別上升14.20%、16.45%, 干旱頻率對生態系統的輕度與中度脆弱性有顯著影響。

(4)研究區EVSI在干旱年(3.28)>干旱次年(3.21)>多年平均(3.17), 生態系統在經歷干旱后的1年里, 生態系統脆弱性仍在加劇; 除農業植被與熱帶森林生態系統外, 其他植被類型整體生態脆弱度均受長期干旱顯著影響。

[1] ZHOU Baotao, CHAO Qingchen, Li Huage. The core conclusions and interpretation of Working Group I Contribution to the Fifth Assessment Report of the Intergovernmental Panel on cimate change [J]. Chinese Journal of Urban and Environmental Studies, 2015, 3(1): 31–37.

[2] 萬云霞, 晏紅明, 金燕, 等. 低緯高原水汽輸送特征及其對云南氣候的影響 [J]. 高原氣象, 2020, 39(5): 925–934.

[3] 馮一, 姚林, 姜守政, 等. 1983―2015年中國西南地區干旱綜合損失率與SPI的關系研究 [J]. 灌溉排水學報, 2019, 38(10): 97–105.

[4] HUANG Jianping, JI Mingxia, XIE Yongkun, et al. Global semi-arid climate change over last 60 years [J]. Climate Dynamics, 2016, 46(3/4):1131–1150.

[5] NELSON R, KOKIC P, CRIMP S, et al. The vulnerability of Australian rural communities to climate variability and change: Part I-Conceptualising and measuring vulnerability [J]. Environmental Science & Policy, 2010, 13(1): 8–17.

[6] METZGER M J, ROUNSEVELL M D A, ACOSTA- MICHLIK L, et al. The vulnerability of ecosystem services to land use change [J]. Agriculture Ecosystems & Environment, 2006, 114(1): 69–85.

[7] 何敏, 王鶴松, 孫建新. 基于植被生產力的西南地區生態系統脆弱性特征 [J]. 應用生態學報, 2019, 30(2): 429–438.

[8] LI Fapeng, ZHANG Yongqiang, XU Zongxue, et al. The impact of climate change on runoff in the southeastern Tibetan Plateau [J]. Journal of Hydrology, 2013, 505(18):188–201.

[9] VINAGRE C, LEAL I, MENDONCA V, et al. Vulnerability to climate warming and acclimation capacity of tropical and temperate coastal organisms [J]. Ecological Indicators, 2016, (62): 317–327.

[10] POTTER C S, BROOKS V. Global analysis of empirical relations between annual climate and seasonality of NDVI [J]. International Journal of Remote Sensing, 1998, 19(15): 2921–2948.

[11] MINNEN J G V, ONIGKEIT J, ALCAMO J. Critical climate change as an approach to assess climate change impacts in Europe: development and application [J]. Environmental Science and Policy, 2002, 5(4):69–85.

[12] KLEMM T, BRISKE D D, REEVES M C. Vulnerability of rangeland beef cattle production to climate-induced NPP fluctuations in the US Great Plains [J]. Global Change Biology, 2020, 26(9): 4841–4853.

[13] 李克讓, 曹明奎, 於琍, 等. 中國自然生態系統對氣候變化的脆弱性評估 [J]. 地理研究, 2005, 24(5): 653–663.

[14] ZHANG Yongxiang, TAO Bo, YU Li. Assessment on the vulnerability of different ecosystems to extreme rainfalls in the middle and lower reaches of Yangtze River [J]. Theoretical and Applied Climatology, 2015, 121(1/2): 157–166.

[15] 於琍. 干旱對生態系統脆弱性的影響研究以長江中下游地區為例 [J]. 長江流域資源與環境, 2014, 23(7): 1063–1070.

[16] YANG Cuiping, TUO Yunfei, MA Jimin, et al. Spatial and temporal evolution characteristics of drought in Yunnan Province from 1969 to 2018 based on SPI/SPEI [J]. Water Air and Soil Pollution, 2019, 230(11):1–13.

[17] Ting Ding, Hui Gao. The Record-Breaking Extreme drought in Yunnan Province, Southwest China during Spring-Early summer of 2019 and possible causes [J]. 2020, 34(5): 997–1012.

[18] GUO Binbin, ZHANG Jing, MENG Xianyong, et al. Long-term spatio-temporal precipitation variations in China with precipitation surface interpolated by ANUSPLIN [J]. Scientific Reports, 2020, 10(1):243–250.

[19] 劉海, 黃躍飛, 鄭糧, 等. 長時序丹江口水源區NDVI數據集構建及其時空動態變化分析 [J]. 長江流域資源與環境, 2020, 29(8): 1780–1789.

[20] 樸世龍, 方精云, 郭慶華. 1982–1999年我國植被凈第一性生產力及其時空變化 [J]. 北京大學學報(自然科學版).2001, 21(4): 563–569.

[21] 張仁平, 郭靖, 張云玲. 新疆草地凈初級生產力(NPP)空間分布格局及其對氣候變化的響應 [J]. 生態學報, 2020, 40(15): 5318–5326.

[22] ROBINSON S A. Climate change adaptation in SIDS : a systematic review of the literature pre and post the IPCC Fifth Assessment Report [J]. Wiley Interdisciplinary Reviews: Climate Change, 2020, 11(4):21–41.

[23] 陳金月, 王石英. 岷江上游生態環境脆弱性評價 [J]. 長江流域資源與環境, 2017, 26(3): 471–479.

[24] 於琍, 曹明奎, 陶波, 等. 基于潛在植被的中國陸地生態系統對氣候變化的脆弱性定量評價 [J]. 植物生態學報,2008,32 (3): 521–530.

[25] 段士中. 氣候變化下的四川省自然生態系統脆弱性分析 [D]. 成都理工大學, 2013.

[26] 吳健生, 陳莎, 彭建. 基于圖像閾值法的森林雪災損失遙感估測以云南省為例 [J]. 地理科學進展, 2013, 32(6): 913–923.

[27] 覃飛. 山岳型自然遺產地與OUV生態脆弱性評價 [D].上海:華東師范大學, 2018.

[28] YE Chongchong , SUN Jian, LIU Miao, et al. Concurrent and lagged effects of extreme drought induce net reduction in vegetation carbon uptake on Tibetan Plateau [J]. Remote Sensing, 2020, 12(15): 2746–2751.

[29] 高瑞, 王龍, 張燕明, 等. 基于SPEI的滇中季節性干旱時空特征分析 [J]. 云南農業大學學報(自然科學), 2019, 34(03): 516–521.

[30] 何嬌楠, 李運剛, 李雪, 等. 云南省1961—2012年干旱時空變化特征 [J]. 山地學報, 2016, 34(1): 19–27.

[31] 李傳華, 周敏, 王玉濤, 等. 西北干旱區植被凈初級生產力年際變化及其時空和氣候因子的貢獻以河西走廊為例 [J]. 生態學雜志, 2020, 39(10): 3265–3275.

[32] 張學玲, 余文波, 蔡海生, 等. 區域生態環境脆弱性評價方法研究綜述 [J]. 生態學報, 2018, 38(16): 5970–5981.

[33] 徐君, 李貴芳, 王育紅. 生態脆弱性國內外研究綜述與展望 [J]. 華東經濟管理, 2016, 30(4): 149–162.

[34] 田亞平, 常昊. 中國生態脆弱性研究進展的文獻計量分析 [J]. 地理學報, 2012, 67(11): 1515–1525.

[35] 屈志強, 沈婷婷, 徐勝利, 等. 生態脆弱性評價概述 [J]. 草原與草業, 2020, 32(3): 1–4.

[36] 朱雪. 基于土地利用格局的云南省福貢縣生態脆弱度研究[J]. 生態科學, 2012, 31(6): 661–665.

[37] 王雪梅, 席瑞. 基于GIS的渭干河流域生態環境脆弱性評價[J]. 生態科學, 2016, 35(4): 166–172.

[38] 王永超, 焦樹林, 黃福衛. 西南喀斯特地區農業旱災脆弱性評價研究[J]. 貴州師范大學學報(自然科學版), 2016, 34(3): 13–17.

[39] BEHBOUDIAN M, KERACHIAN R, MOTLAGHZADEH K, et al. Evaluating water resources management scenarios considering the hierarchical structure of decision-makers and ecosystem services-based criteria [J]. Science of The Total Environment, 2020, 751(14): 141759.

[40] XING Zikang, MA Miaomiao, WEI Yongqiang, et al. A new agricultural drought index considering the irrigation water demand and water supply availability [J]. Natural Hazards, 2020, 104(3): 1–21.

Variation of ecosystem vulnerability under the background of climate aridity change in Yunnan Variation

YAN Wenbo, HE Yunling*, YU Lan, QU Xinxing, CUI Xilin

School of Earth Sciences, Yunnan University, Kunming 650500, China

Based on the CASA model, NPP of vegetation in Yunnan province from 1982 to 2019 was simulated. The spatio-temporal variation characteristics of ecological vulnerability were analyzed according to the IPCC vulnerability framework, and the impacts of drought on ecological vulnerability were discussed in combination with the standardized evapotranspiration index (SPEI). The results showed that in the past 38 years, the overall ecological vulnerability of the study area fluctuated and increased, and and the area proportion of extremely vulnerable area increased by 2.7% by 2.7%. The spatial distribution of ecological vulnerability was significantly different, mainly in mild and moderate vulnerable areas (85%). Severe and extremely vulnerable areas were less, mainly distributed in Hengduan mountain area and alpine canyon area. In most areas (53%), the ecological vulnerability was positively correlated with drought, and the ecological vulnerability increased with the increase of drought level. The areas with a significant positive correlation (15%) were mainly concentrated in the Hengduan mountain area and the alpine vegetation area, which were significantly affected by drought. With the increase of drought frequency, the proportion of mild and moderate vulnerable areas increased significantly. The ecological vulnerability of tropical forest vegetation was the highest on the whole, but it was not significantly affected by the persistence of drought. Persistent drought has a significant impact on the ecological vulnerability of subtropical forests, shrubs, grasslands and alpine vegetation.

CASA model; NPP; SPIE; ecological vulnerability; Yunnan province

閆文波, 何云玲, 余嵐, 等. 氣候干旱化背景下云南地區生態系統脆弱性的變化特征[J]. 生態科學, 2023, 42(1): 197–205.

YAN Wenbo, HE Yunling, YU Lan, et al. Variation of ecosystem vulnerability under the background of climate aridity in Yunnan Province[J]. Ecological Science, 2023, 42(1): 197–205.

10.14108/j.cnki.1008-8873.2023.01.023

K903

A

1008-8873(2023)01-197-09

2020-11-20;

2021-01-04

國家自然科學基金項目(41961044)

閆文波(1997—), 男, 河南洛陽人, 碩士研究生, 研究方向為氣候變化與植被生態系統響應, E-mail:2528711455@qq.com

何云玲, 女, 博士, 副教授, 主要從事區域氣候變化及其生態影響研究, E-mail: hy1610@126.com