基于LPJ模型的中亚地区植被净初级生产力与蒸散模拟
张建财1,2, 张丽2,3, 郑艺2, 田向军4, 周宇2
1.山东科技大学测绘科学与工程学院,山东 青岛 266510
2.中国科学院遥感与数字地球研究所,数字地球重点实验室,北京 100094
3.海南省地球观测重点实验室,海南 三亚 572029
4.中国科学院大气物理研究所,北京 100029
通讯作者:张丽(1975-),女,新疆伊宁人,研究员,博士,研究方向植被生态遥感。E-mail:[email protected]

第一作者:张建财(1989-),男,山西临汾人,在读硕士生,研究方向遥感科学技术与应用。E-mail:[email protected]

摘要

中亚干旱区是对全球气候变化最敏感的区域之一,以草地和耕地为主的植被类型极易受到水资源短缺和人为等因素影响,导致生态环境极易恶化,故分析其植被净初级生产力(NPP)和蒸散(ET)变化特征及对气候的响应具有重要意义。本研究利用LPJ模型模拟中亚地区1982-2012年NPP和ET,并分析其在中亚潜在植被类型中的空间分布和变化特征。结果表明,1)NPP和ET的高低值空间分布基本一致,高值区主要分布在林地、草林地混合区以及耕地区,低值区主要分布在植被稀少的荒漠周边区域和哈萨克中部草地区;2)NPP总量和ET总量均呈波动上升趋势,其中NPP年度变化范围在469.59~1 130.26 Tg C·a-1,年均值为737.24 Tg C·a-1(185.57 g C·m-2·a-1),ET范围在695.53~1 047.69 km3·a-1,年均值为850.46 km3·a-1(214.07 mm·a-1);3)影响中亚地区植被NPP和ET变化的气候因子主要为降水,温度影响相对较弱;4)吉尔吉斯斯坦和塔吉克斯坦植被生产力增长较快,哈萨克斯坦、乌兹别克斯坦和新疆较为稳定,土库曼斯坦植被生产力出现下降现象。

关键词: LPJ模型; 中亚; 净初级生产力(NPP); 蒸散(ET)
中图分类号:S181.6 文献标志码:A 文章编号:1001-0629(2015)11-1721-09 doi: 10.11829\j.issn.1001-0629.2015-0103
Simulation of vegetation net primary productivity and evapotranspiration based on LPJ model in Central Asia
ZHANG Jian-cai1,2, ZHANG Li2,3, ZHENG Yi2, TIAN Xiang-jun4, ZHOU Yu2
1.College of Geomatics, Shandong University of Science and Technology, Qingdao 266510, China
2.Key Laboratory of Digital Earth Science, Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences, Beijing 100094, China
3.Hainan Key Laboratory of Earth Observation, Sanya 572029, China
4.Institute of Atmospheric Physics,Chinese Academy of Sciences, Beijing 100029, China
Corresponding author: ZHANG Li E-mail:[email protected]
Abstract

Central Asia is one of the most sensitive regions to climate changes in the world and the ecological environment is very fragile. The two main vegetation types, grasslands and croplands, are very easily influenced by water shortages and humans activities. Study on changes of net primary productivity (NPP) and evapotranspiration(ET), and their relationship with climate are important in Central Asia. In the present study, the spatio-temporal patterns and changes of NPP and ET in Central Asia (1982-2012) were analyzed based on LPJ model. The results indicated that the spatial distributions of NPP and ET were very consistent. The high-values were mainly located in forests, the mixed area of grass-forest and croplands, whereas the low-values were mainly concentrated in sparse vegetated area around the desert and grasslands of central Kazakhstan. The annual NPP and ET showed a fluctuated increasing trend. Annual NPP varied from 469.59 Tg C·a-1 to 1 130.26 Tg C·a-1 with mean of 737.24 Tg C·a-1(185.57 g C·m-2·a-1). Annual ET varied from 695.53 km3·a-1 to 1 047.69 km3·a-1 with mean of 850.46 km3·a-1 (214.07 mm·a-1). The main climate factor influencing the variations of NPP and ET was precipitation in Central Asia, while temperature played less important role in the region. The vegetation productivity of Kyrgyzstan and Tajikistan increased at a faster rate, yet Turkmenistan indicated a decline trend. Kazakhstan, Uzbekistan and Xinjiang’s vegetation productivitywere relatively stable.

Keyword: LPJ model; Central Asia; net primary productivity(NPP); evapotranspiration (ET)

中亚地区作为全球最主要干旱区之一, 区域内气候变化和水资源分布不均匀已经造成生态环境问题的出现[1, 2]。人口不断增长、水资源不合理利用和土地利用类型不断更迭等人为因素又加速了中亚生态环境问题激化, 甚至导致部分区域生态环境出现恶化的趋势[2, 3]。中亚生态环境的变化影响着区域内的大气与陆地之间碳水循环, 使其表现出新的时空特殊性, 这引起了人们的日益关注[1, 3, 4]

中亚地区植被类型以草地和耕地为主, 并有少量林地分布, 分析其碳水时空格局, 有利于合理规划农牧区和缓解水资源的短缺, 并为中亚生态系统的可持续发展提供依据。陆表植被是影响大气和陆表间碳、水与能量交换的主要因素之一[5], 其中, 净初级生产力(NPP)是植被在单位时间单位面积上由光合作用所产生的有机物质总量扣除自养呼吸的剩余部分, 能够反映植物在自然环境下的生产力, 同时也是陆地生态系统中物质与能量的存储基础[6]。蒸散(ET)是植被蒸腾和地表蒸发之和, 是维持地表水平衡和能量平衡的重要组成部分[7]。NPP和ET不仅能反映区域碳循环、水循环的特征, 同时也是评价生态环境的重要指标, 因此能够反映生态环境的质量状况。

Lund-Potsdam-Jena Dynamic Global Vegetation Model(LPJ模型)作为动态植被模型, 能够较充分考虑植被整个生理生态过程(叶、边材、心材和细根的生长过程), 并较为真实地模拟碳水与能量流动过程[8], 已广泛应用到全球不同地区的植被生产力、蒸散和碳通量等的模拟[9, 10, 11, 12, 13]中。本研究利用LPJ模型, 基于气象、土壤等数据估算1982-2012年中亚植被的NPP和ET, 分析二者的时空序列特征及其主要驱动因子, 并进一步分析中亚五国和我国新疆地区的年均NPP和ET值, 评价各区域植被生产力状况, 对于改善中亚植被生长状况和中亚生态环境具有重要意义。

1 数据与方法
1.1 研究区域概况

本研究所指中亚地区包括中亚五国(乌兹别克斯坦、吉尔吉斯斯坦、土库曼斯坦、塔吉克斯坦和哈萨克斯坦)和我国的新疆维吾尔自治区。该地区的地形地貌以沙漠和草原为主, 其中沙漠的面积超过整体面积的1/4。中亚由于地处欧亚大陆腹地, 并受到东南方高山阻隔, 印度洋、太平洋的暖湿气流对气候的影响, 导致该地区形成典型的温带沙漠、草原大陆性气候。中亚地区温度变化剧烈, 昼夜和季节性温差较大, 许多地方昼夜温差可达20~30 ℃, 年均温度为4~8 ℃; 年降水量通常在300 mm以下, 山区降水相对较多, 咸海和沙漠地区降水较少[3]。太阳辐射热量较大(年均热量为4.18× 107~5.43× 107 kJ· cm-2· a-1), 空气干燥, 引起大量的蒸发[2, 3]

温带大陆性气候的特点决定了中亚地区为干旱区, 其主要植被类型为草地、灌丛和森林等。根据MODIS土地覆盖数据(MOD12Q1)统计中亚植被类型发现草地面积超过总植被面积的60%, 主要分布在哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦以及我国新疆的西北部。主要河流有锡尔河、阿姆河、塔里木河和伊犁河等, 并有咸海、巴尔喀什湖和博斯腾湖等湖泊。工农业用水量的激增使得河流径流量减少, 湖泊面积缩小, 再加上淡水资源分布极不均匀(超过75%位于塔吉克斯坦和吉尔吉斯斯坦境内)和浪费等, 导致中亚水资源比较短缺[14]

1.2 LPJ模型和数据资料

LPJ模型是在BIOME3模型基础上, 由Lund University、Potsdam Climate Research Centre 和 Max-Planck-Institute for Biogeochemistry, Jena联合研究开发的全球动态植被模型。该模型模拟过程主要分为两部分:碳循环和水循环。将月均气候数据(气温、降水和云量), 土壤质地和CO2浓度作为驱动数据得到每天的潜在蒸散和平均温度值, 计算植被功能类型物候的变化过程, 进而模拟潜在植被碳水循环的整个过程[8]。LPJ模型进行植被模拟时, 假设研究区域没有植被覆盖和任何生物量, 利用基准年(30年)的英国东安格利亚大学(University of East Anglia)气候研究中心(CRU)气象数据进行1 000年的循环驱动(spin-up), 使植被生态系统和土壤结构达到平衡状态。在达到平衡状态后, 再应用相关驱动数据模拟土壤-植被-大气碳水交换。

本研究的气象数据采用CRU提供的1901-2012年全球0.5° × 0.5° 分辨率的资料; 年均大气CO2浓度采用冰芯大气观测资料(1901-2002年)和夏威夷气象观测站(2003-2012年)提供的数据; 土壤质地数据由联合国粮食及农业组织(FAO)提供。

2 结果与讨论
2.1 LPJ模型模拟结果验证

MODIS NPP(MOD17A3)和ET(MOD16A2)遥感产品已在全球不同区域生产力和蒸散等研究中得到广泛验证和应用, 可以反映全球或者区域的NPP[15]和ET[16]。本研究统计LPJ模型模拟中亚在2000-2012年期间的NPP(NPP_LPJ)和ET(ET_LPJ)结果, 与MODIS的NPP(NPP_MODIS)和ET(ET_MODIS)产品进行对比分析。NPP_LPJ和NPP_MODIS的相关性达到r=0.76(P< 0.01), ET_LPJ和ET_MODIS的相关性r=0.72(P< 0.05), 说明LPJ结果与MODIS产品有较好的相关性。经比较, NPP_MODIS和ET_MODIS产品结果比本研究LPJ模拟的结果偏低。类似地, Turner等[15]、Wang等[17]、范建忠等[18]也均发现MODIS NPP/GPP产品在部分干旱-半干旱区比GLOPEM(AVHRR Global Production Efficiency Model)模拟结果和站点观测值要低, 甚至在一些区域MODIS的NPP值只有GLOPEM模拟值的1/3。类似的, ET_LPJ和ET_MODIS之间也有一定的差异, 在2000-2012年期间, ET_LPJ为198.74~247.02 mm· a-1, ET_MODIS为194.46~229.58 mm· a-1, 二者年均值偏差在2.43%~10.31%。

本研究进一步通过与已有的研究成果进行对比, 以验证本研究NPP和ET的模拟值。Propastin等[19]利用SeaWiFS数据和Landsat数据驱动光能利用率模型得到2004年哈萨克斯坦草地NPP分别为168和161 g C· m-2· a-1, 本研究利用LPJ模拟哈萨克斯坦相同年份草地的结果为172.99 g C· m-2· a-1, 研究结果较为接近。李琴等[20]利用SEBS模型模拟中亚地区2005年ET为974.10 km3(包含里海部分), 本研究模拟2005年ET结果为923.08 km3(未包含里海), 差异较小。通过不同的研究方法获得NPP和ET的模拟值具有一定的差异性, 这可能与模拟过程所使用的模型方法、驱动数据等有关。

2.2 1982-2012年NPP时空变化特征

分析中亚在1982-2012年间植被区NPP年均值分布(图1a), 哈萨克斯坦北部与东北部、吉尔吉斯斯坦的中西部与东北部和塔吉克斯坦的西部NPP较高, 为350~660 g C· m-2· a-1。哈萨克斯坦中部、中亚的中西部戈壁区和新疆荒漠区周围NPP较低, 为0~150 g C· m-2· a-1。NPP高低值分布区分别约占植被区面积的36.92%和45.14%, 且与植被类型、气象条件等因素息息相关。如哈萨克斯坦北部主要植被类型为耕地和草耕混合区, 气候相对温和, NPP较高。其余NPP高值区还位于天山山脉和吉萨尔-阿尔泰山系的崇山峻岭与山间盆地, 植被类型为草林交错带和山地森林区, 这里气温较低但降水量相对充沛。在戈壁荒漠周边NPP低值区受地形地貌的限制, 植被分布较少, 以灌木丛为主, 气温偏高且降水稀少, 而哈萨克斯坦中部低值区主要是以旱生禾本科为主的草原和草甸, 并受到干燥气候的影响。

图1 1982-2012年中亚年均(a)NPP和(b)ET空间分布图Fig.1 Spatial patterns of annual mean NPP(a) and ET (b) in Central Asia during 1982-2012

分析中亚植被NPP年度变化趋势空间分布(图2a), NPP变化趋势总体呈从西南到东北的递增。年均NPP变化增长和减少的区域分别占植被区面积的50.03%和41.10%。在增长区域内, 尤其是在哈萨克斯坦北部与东南部以及吉尔吉斯斯坦的大部区域NPP呈现显著增长趋势(> 4 g C· m-2· a-2, P< 0.05), 说明这些区域植被生长状态良好, 生态环境在不断改善。在哈萨克西北部部分农业区与部分草地区以及土库曼斯坦东南部林地区的NPP都呈现减少趋势(< -2 g C· m-2· a-2, P=0.08), 有可能受到气象和其他因素的影响, 植被生长出现了退化。

图2 中亚1982-2012年NPP年度变化趋势空间分布图(a)和NPP年总量的年际变化图(b)Fig.2 Spatial pattern of annual NPP trend (a) and inter-annual variations of regional mean NPP (b) in Central Asia during 1982-2012

在1982-2012年间, 中亚植被NPP年均值为737.24 Tg C· a-1(即185.57 g C· m-2· a-1)(图2b), 变化趋势整体呈显著增加趋势(slope=3.20 Tg C· a-2, P< 0.05), 但每10年的增长速度不同。1982-1991年间, NPP年均值为692.54 Tg C· a-1(slope=15.93 Tg C· a-2, P< 0.05); 在1992-2001年间, NPP年均值为713.18 Tg C· a-1(slope=10.22 Tg C· a-2, P=0.15)。相对于前10年, NPP增幅为2.98%。在1992-1997年间, 中亚地区植被覆盖度出现下降趋势, 但在1997年后植被覆盖度相对增加[21], 从而导致NPP年均总量整体增加。在2002-2012年间, NPP年均值为799.74 Tg C· a-1(slope=19.38 Tg C· a-2, P=0.07), 比1982-1991年间增加了15.48%, 比1992-2001年间增加了12.14%, 极有可能与2002年之后中亚地区植被生长较为稳定[21]和降水量相对增加[22]相关。

2.3 1982-2012年ET时空变化特征

中亚ET高值区为300~450 mm· a-1, 约占植被区面积的37.52%(图1b)。如哈萨克斯坦的东北部和东南部ET较高, 不仅有林地与草林交错带地的存在, 而且区域内有丰富的水资源, 致使该地区降水量较多, 同时受温度较高的影响, 植被的蒸腾量和地表的蒸发量都相对较多。吉尔吉斯斯坦的大部分区域、塔吉克斯坦的西部和乌兹别克斯坦的东部也属于ET高值区, 是中亚地区降水量最多的区域[22], 常年降水补给充足, 地表蒸发量为中亚最多的地带, 植被以草林为主, 良好的生长环境, 使得植被蒸腾量较大。在中亚大部分的草地区, 主要气候条件以降水较少和温度较低为主[22, 23], 使得草地蒸腾量和地表蒸发量都受到限制, ET主要集中在100~300 mm· a-1, 约占植被区面积的39.14%。在荒漠地区周围, 植被稀疏, 降水稀少, ET以少量地表蒸发为主, 为65~100 mm· a-1, 约占植被区面积的23.34%。

水资源、降水量和植被分布影响着ET年际变化趋势。中亚ET呈增长趋势的区域约占植被区面积的55.34%, 主要分布在哈萨克西部、中东部大部分区域和科斯塔奈州、北哈萨克州部分区域, 吉尔吉斯斯坦的大部分区域, 乌兹别克斯坦的费尔干纳和塔什干绿洲以及新疆主要植被区(图3a)。ET减少趋势区域仅占植被区面积的26.32%, 中亚各个区域均有分布。ET的趋势变化主要受到气候条件以及植被生长状况的影响, 在降水增加与温度适宜, 植被生长状况良好的条件下, ET呈增长趋势, 反之, 其会出现降低的现象。

图3 中亚1982-2012年ET年际变化趋势空间分布图(a)和ET年总量的年际变化图(b)Fig.3 Spatial pattern of annual ET trend (a) and inter-annual variations of regional mean ET (b) in Central Asia during 1982-2012

在1982-2012年间, 中亚植被ET年均值为850.46 km3· a-1(即214.07 mm· a-1)(图3b), 年际变化趋势基本与NPP的变化趋势相同, 整体呈显著增长趋势(slope=1.49 km3· a-2, P< 0.05)。在1982-1991年、1992-2001年、2002-2012年这3个时段的均值分别为840.08、817.72和889.57 km3· a-1。在1992-2001年间, 受降水偏少[22]以及温度持续增高[23]的影响, 同时植被生长状况呈现“ 先坏后好” 的变化[21], 造成在这期间段内的ET均值相对其他两个时间段较低。在2002-2012年期间, ET整体升高很可能与该地区的“ 暖湿化” [22, 23]密切相关。

2.4 净初级生产力和蒸散变化对气候变化的响应

植被生理生态过程不仅受植被本身特征的制约, 而且主要受到地理环境和气候条件等条件的影响。气候条件中的降水与温度直接影响着植被的分布与生长, 因此, 不同区域植被NPP与ET对降水和温度的响应也存有差异。

利用美国国家环境数据中心(NCDC)提供的11个中亚气象站点的数据与NPP(图4a)、ET(图4c)作相关性分析。降水和NPP相关系数范围在0.01~0.56, 和ET相关系数范围是0.16~0.87, 其中降水与NPP、ET相关系数大于0.5的站点数超过30%。降水与NPP、ET基本是正相关:降水与NPP、ET同增长区主要分布在中亚北部和南部区域, 这些地区主要是耕地区、草耕混合区和农牧交错带, 降水相对充沛; 同降低区主要位于中亚西部, 这些地区以草地为主, 与北部和南部相比水资源(以咸水湖为主)分布较少, 降水稀少。温度和NPP相关系数范围在-0.29~0.28(图4b), 和ET相关系数(图4d)范围在-0.23~0.26。与降水相比, NPP、ET与温度相关性较差。温度与NPP、ET主要是负相关, 分布于中亚西部和东部区域, 正相关分布范围较少, 位于中亚东北和东南区域。中亚地区温度整体呈缓慢增长趋势, 但各区域温度的年际变化较小[2], 对于NPP、ET的变化影响也较有限。

图4 NPP和ET与气候因子相关性
注:(a)NPP与降水; (b)NPP与温度; (c)ET与降水; (d)ET与温度(Ⅰ , 模拟结果与气候因子同增长Ⅱ , 模拟结果与气候因子同降低Ⅲ , 模拟结果降低, 气候因子增长Ⅳ , 模拟结果增长, 气候因子降低)。* , P< 0.1; * * , P< 0.05; * * * , P< 0.001。
Fig.4 Correlations between the results and climatic factor
Note: (a) NPP and precipitation; (b) NPP and temperature; (c) ET and precipitation; (d) ET and temperature (I, the results and climatic factor with growth Ⅱ , the results and climatic factor with decreased Ⅲ , the results decreased but climatic factor growth Ⅳ , the results growth but climatic factor decreased). * , P< 0.1; * * , P< 0.05; * * * , P< 0.001.

综上所述, 中亚地区降水是NPP和ET变化的主要气候驱动因子为降水, 温度对于二者的影响较弱。Poulter等[24]通过分析气象对于干旱区植被覆盖的影响发现, 在南美洲和大洋洲的干旱区, NPP主要是受太平洋环流温度的影响, 降水影响相对较弱。而在北半球的干旱区, 如中国西北等, 降水为影响碳通量变化的主要气候影响因素[25], 与本研究发现的中亚干旱区的现象一致。

2.5 各地区植被生产力与蒸散变化分析

中亚五国和新疆地区由于受到温带大陆性气候、盛行西风带的影响, 气候变化特征总体为“ 暖湿化” [22, 23]。各区域受到气候条件和人文环境等的影响, 所包含的植被类型和覆盖度存有差异, 而不同区域植被类型和气候因素的差别使得其植被生产力和蒸散总量各不相同。

吉尔吉斯斯坦和塔吉克斯坦境内山地较多, 山地前沿主要是林地和草林交错带, 而且两国受到地理位置和气候条件的影响, 以农作物和草地为主, 相比其他4个地区, 两国的NPP值较高, 范围为160~480 g C· m-2· a-1(图5)。两国的水资源在中亚区域内极为充沛, 其中锡尔河流量的75.2%位于吉尔吉斯斯坦境内, 阿姆河流量75.0%集中在塔吉克斯坦境内, 此外还有冰川融化的补给[26], 丰富的水源使得该区域内降水量最充沛, 从而导致吉尔吉斯斯坦和塔吉克斯坦两国地表蒸发和植被蒸腾量较高, ET主要集中在240~350 mm· a-1

图5 1982-2012年中亚五国和中国新疆NPP和ET年度变化Fig.5 Inter-annual variations of regional mean NPP and ET in Central Asian countries and Xinjiang during 1982-2012

哈萨克斯坦和我国新疆面积广阔, 植被类型主要是草地和耕地, 而在天山山脉和阿尔泰山脉前沿分布着林地和草林混合区, NPP主要为90~300 g C· m-2· a-1。哈萨克斯坦和新疆降水分布极其不均, 在山区年均降水量可达1 000 mm, 其余地区年均降水只为150~160 mm[2], 降水不均导致山区和平原的蒸散量存有较大差异, 使得哈萨克斯坦和新疆年均ET主要在120~280 mm· a-1

乌兹别克斯坦西北部是克孜勒库沙漠, 但是东部和南部位于天山与吉萨尔-阿赖山系边缘, 由于锡尔河和阿姆河及其支流的流经, 得以形成塔什干、费尔干纳、卡尔希等绿洲, 该国以耕地为主, 并有少量林地和草地分布, NPP范围为30~200 g C· m-2· a-1, ET集中在160~280 mm· a-1

土库曼斯坦的卡拉库姆沙漠约占领土总面积的80%左右, 只有极少数植被分布在东部区域, 植被类型以草地和灌木丛为主, 还有少量的林地与耕地, NPP较低, 为10~190 g C· m-2· a-1。缺少水资源的补充使得降水稀少, 导致该国地表蒸发和植被蒸腾受到限制, ET主要在100~210 mm· a-1

近30年来, 吉尔吉斯斯坦和塔吉克斯坦NPP与ET增长趋势非常显著, 说明两国植被生产力增长较快。哈萨克斯坦、乌兹别克斯坦和我国新疆NPP与ET增长趋势不显著, 说明这3个区域植被生产力较为稳定。上述5个区域很可能与其生态环境恢复和植被生长状况改善[27]相关。土库曼斯坦NPP与ET显现出减少趋势, 说明该国出现植被退化, 这与何学敏等[28]的研究成果相同。

3 结论

本研究利用LPJ模型模拟中亚植被的NPP和ET, 分析1982-2012年该地区的时空变化特征, 并对中亚地区生态环境做出评价。

中亚NPP和ET空间分布特征基本相同, 高值区主要位于林地、草林混合区和耕地, 低值区主要位于沙漠区附近和哈萨克斯坦中部草地区; 二者的时间变化序列也比较类似, 总体上都呈显著增长趋势。中亚干旱区NPP和ET变化的气候驱动因子主要为降水, 温度影响相对较弱。一般来说, 在降水量充足区域的植被生产力增长显著, 如哈萨克东北部, 而在降水量缺乏区域发生了植被生产力减少趋势, 如土库曼斯坦东部, 这说明水资源对于中亚植被生长的重要性。中亚五国和新疆地区植被生产力和蒸散值存有差异, 其中吉尔吉斯斯坦和塔吉克斯坦植被生产力和ET增长较快, 哈萨克斯坦、乌兹别克斯坦和新疆较为稳定, 土库曼斯坦出现下降现象。

利用LPJ模型模拟中亚地区NPP和ET变化可以反映中亚生态环境的变化, 但也存在着不足。由于LPJ模拟过程中使用的是模型内部潜在植被分布, 没有考虑人为因素(如人工林), 使得植被分布可能与实际分布存有差异, 影响NPP和ET的模拟结果, 例如在我国新疆地区模拟的NPP值要比其他已有研究值偏低[29, 30]。在今后的研究中, 需对LPJ模型进行改进, 在模拟过程中应用土地利用/覆盖数据使其估算出更为准确的NPP和ET值, 同时结合气象数据和植被覆盖度对影响二者变化的成因进行更深入的分析, 为中亚地区碳循环、水循环和环境监测提供借鉴和依据。

The authors have declared that no competing interests exist.

参考文献
[1] Lioubimtseva E, Cole R, Adams J M, Kapustin G. Impacts of climate and land -cover changes in arid land s of Central Asia[J]. Journal of Arid Environments, 2005, 62(2): 285-308. [本文引用:2]
[2] 胡汝骥, 姜逢清, 王亚俊, 李均力, 李耀明, 阿布都米吉提·阿布力克木, 罗格平, 张建明. 中亚(五国)干旱生态地理环境特征[J]. 干旱区研究, 2014, 31(1): 1-12. [本文引用:5]
[3] Lioubimtseva E, Henebry G M. Climate and environmental change in arid Central Asia: Impacts, vulnerability, and adaptations[J]. Journal of Arid Environments, 2009, 73(11): 963-977. [本文引用:4]
[4] Chuluun T, Ojima D. Land use change and carbon cycle in arid and semi-arid land s of East and Central Asia[J]. Science In China Series C Life Sciences-English Edition, 2002, 45(Supp): 48-54. [本文引用:1]
[5] 倪健. BIOME 系列模型: 主要原理与应用[J]. 植物生态学报, 2002, 26(4): 481-488. [本文引用:1]
[6] Field C B, Jackson R B, Mooney H A. Stomatal responses to increased CO2: Implications from the plant to the global scale[J]. Plant, Cell & Environment, 1995, 18(10): 1214-1225. [本文引用:1]
[7] Bonan G B, Levis S, Sitch S, Vertenstein M, Oleson K W. A dynamic global vegetation model for use with climate models: Concepts and description of simulated vegetation dynamics[J]. Global Change Biology, 2003, 9(11): 1543-1566. [本文引用:1]
[8] Sitch S, Smith B, Prentice I C, Arneth A, Bondeau A, Cramer W, Kaplan J O, Levis S, Lucht W, Sykes M T, Thonicke K, Venevsky S. Evaluation of ecosystem dynamics, plant geography and terrestrial carbon cycling in the LPJ dynamic global vegetation model[J]. Global Change Biology, 2003, 9(2): 161-185. [本文引用:2]
[9] Cramer W, Bondeau A, Woodward F I, Prentice I C, Betts R A, Brovkin V, Cox P M, Fisher V, Foley J A, Friend A D, Kucharik C, Lomas M R, Ramankutty N, Sitch S, Smith B, White A, Young-Molling C. Global response of terrestrial ecosystem structure and function to CO2 and climate change: Results from six dynamic global vegetation models[J]. Global Change Biology, 2001, 7(4): 357-373. [本文引用:1]
[10] Hickler T, Smith B, Sykes M T, Davis M B, Sugita S, Walker K. Using a generalized vegetation model to simulate vegetation dynamics in northeastern USA[J]. Ecology, 2004, 85(2): 519-530. [本文引用:1]
[11] Wramneby A, Smith B, Zaehle S, Sykes M T. Parameter uncertainties in the modelling of vegetation dynamics——effects on tree community structure and ecosystem functioning in European forest biomes[J]. Ecological Modelling, 2008, 216(3): 277-290. [本文引用:1]
[12] Piao S L, Ciais P, Lomas M, Beer C, Liu H Y, Fang J Y, Friendlingstein P, Huang Y, Muraoka H, Son Y, Woodward I. Contribution of climate change and rising CO2 to terrestrial carbon balance in East Asia: A multi-model analysis[J]. Global and Planetary Change, 2011, 75(3): 133-142. [本文引用:1]
[13] 孙艳玲, 延晓冬, 谢德体, 魏朝富. 应用动态植被模型LPJ模拟中国植被变化研究[J]. 西南大学学报: 自然科学版, 2008, 29(11): 86-92. [本文引用:1]
[14] 张渝. 中亚地区水资源问题[J]. 中亚信息, 2006(10): 9-13. [本文引用:1]
[15] Turner D P, Ritts W D, Cohen W B, Gower S W, Zhao M S, Costa M H, Kirschbaum A A, Ham J M, Saleska S C, Ahl D E. Evaluation of MODIS NPP and GPP products across multiple biomes[J]. Remote Sensing of Environment, 2006, 102(3): 282-292. [本文引用:2]
[16] Mu Q Z, Zhao M S, Running S W. MODIS Global Terrestrial Evapotranspiration (ET) Product (NASA MOD16A2/A3) Algorithm Theoretical Basis Document Collection 5[R]. Washington DC: NASA Headquarters, 2013: 1-55. [本文引用:1]
[17] Wang X F, Ma M G, Li X, Song Y, Tan J L, Huang G H, Zhang Z H, Zhao T B, Feng J M, Ma Z G, Wei W, Bai Y F. Validation of MODIS-GPP product at 10 flux sites in northern China[J]. International Journal of Remote Sensing, 2013, 34(2): 587-599. [本文引用:1]
[18] 范建忠, 李登科, 周辉. LOPEM与MOD17A3NPP的比较[J]. 陕西气象, 2013(1): 21-25. [本文引用:1]
[19] Propastin P A, Kappas M W, Herrmann S M, Tucker C J. Modified light use efficiency model for assessment of carbon sequestration in grassland s of Kazakhstan: Combining ground biomass data and remote-sensing[J]. International Journal of Remote Sensing, 2012, 33(5): 1465-1487. [本文引用:1]
[20] 李琴, 陈曦, 包安明, 徐征和, 赵强. 基于SEBS模型干旱区蒸散发量研究[J]. 遥感技术与应用, 2014, 29(2): 195-201. [本文引用:1]
[21] Zhou Y, Zhang L, Fensholt R, Wang K, Vitkovskaya I, Tian F. Climate contributions to vegetation variations in Central Asian Dryland s: Pre- and post-USSR collapse[J]. Remote Sensing, 2015, 7(3): 2449-2470. [本文引用:3]
[22] 陈发虎, 黄伟, 靳立亚, 陈建徽, 王劲松. 全球变暖背景下中亚干旱区降水变化特征及其空间差异[J]. 中国科学: 地球科学, 2012, 41(11): 1647-1657. [本文引用:6]
[23] 沈伟峰, 缪启龙, 魏铁鑫, 孔承承. 中亚地区近130多a温度变化特征[J]. 干旱气象, 2013, 31(1): 32-36. [本文引用:4]
[24] Poulter B, Frank D, Ciais P, Myneni R B, Andela N, Bi J, Broquet G, Cand dell J G, Chevallier F, Liu Y Y, Running S W, Sitch S, Werf G R. Contribution of semi-arid ecosystems to interannual variability of the global carbon cycle[J]. Nature, 2014, 509: 600-603. [本文引用:1]
[25] 缑倩倩, 屈建军, 韩致文, 肖建华. 西北干旱半干旱区生态系统碳循环研究进展[J]. 中国农学通报, 2013, 29(35): 205-210. [本文引用:1]
[26] 焦一强, 刘一凡. 中亚水资源问题: 症结, 影响与前景[J]. 新疆社会科学, 2013(1): 77-83. [本文引用:1]
[27] 周可法, 张清, 陈曦, 孙莉. 中亚干旱区生态环境变化的特点和趋势[J]. 中国科学: D 辑, 2007, 36(A02): 133-139. [本文引用:1]
[28] 何学敏, 吕光辉, 秦璐, Akhmetkaliyeva Maksat, 刘昊奇, 张雪妮. 土库曼斯坦物种多样性及其与中国新疆的比较[J]. 干旱区地理, 2013, 36(4): 623-630. [本文引用:1]
[29] 张山清, 普宗朝, 伏晓慧, 丁林. 气候变化对新疆自然植被净第一性生产力的影响[J]. 干旱区研究, 2010, 27(6): 905-914. [本文引用:1]
[30] 刘卫国, 魏文寿, 刘志辉. 新疆气候变化下植被净初级生产力格局分析[J]. 干旱区研究, 2009, 26(2): 623-630. [本文引用:1]