EN中文

地理科学进展 >

2021 , Vol. 40 >Issue 12: 2086 - 2100

DOI: https://doi.org/10.18306/dlkxjz.2021.12.009

研究论文

下垫面因素对喀斯特地区水分利用效率的影响

  • 彭大为 , 1 ,
  • 周秋文 , 1, * ,
  • 谢雪梅 2 ,
  • 韦小茶 1 ,
  • 唐欣 1 ,
  • 严卫红 1
展开
  • 1. 贵州师范大学地理与环境科学学院,贵阳 550025
  • 2. 贵州交通职业技术学院管理工程系,贵阳 550001
*周秋文(1986— ),男,博士,教授,主要从事喀斯特生态水文过程研究。E-mail:

彭大为(1996— ),男,贵州铜仁人,硕士生,研究方向为喀斯特生态水文过程。E-mail:

收稿日期: 2021-01-20

  修回日期: 2021-07-17

  网络出版日期: 2022-02-28

基金资助

贵州省基础研究计划项目(黔科合基础〔2019〕1433)

国家自然科学基金项目(41761003)

贵州省科技计划项目(黔科合平台人才〔2017〕5726号)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Effect of underlying surface factors on water use efficiency in the karst area

  • PENG Dawei , 1 ,
  • ZHOU Qiuwen , 1, * ,
  • XIE Xuemei 2 ,
  • WEI Xiaocha 1 ,
  • TANG Xin 1 ,
  • YAN Weihong 1
Expand
  • 1. School of Geography and Environment Science, Guizhou Normal University, Guiyang 550025, China
  • 2. Department of Management Engineering, Guizhou Communications Polytechnic, Guiyang 550001, China

Received date: 2021-01-20

  Revised date: 2021-07-17

  Online published: 2022-02-28

Supported by

Basic Research Program of Guizhou Province, No. Qiankehe Jichu 〔2019〕1433

National Natural Science Foundation of China(41761003)

The Science and Technology Plan Project of Guizhou Province, No. Qiankehe Pingtai Rencai 〔2017〕5726.

Copyright

Copyright reserved © 2021.
Fold

摘要

水分利用效率是衡量陆地生态系统对气候变化响应的重要指标,而下垫面因素通过影响局部气候进而影响水分利用效率。喀斯特地区生态缺水严重且下垫面情况复杂,但目前该区域多个下垫面因素对水分利用效率的综合影响仍不明晰。论文利用MODIS GPP和ET数据集计算中国西南喀斯特地区的水分利用效率,结合岩性组合、土壤类型、土地利用类型及地表粗糙度,采用广义线性模型,揭示了下垫面因素对水分利用效率的综合影响。结果表明：研究区水分利用效率受海拔和喀斯特发育程度综合影响,在空间上从东南向西北逐渐升高。下垫面因素中岩性组合对水分利用效率的影响表现出了喀斯特与非喀斯特地区的差异,喀斯特地区的碳酸盐岩岩性组合对水分利用效率呈负向影响,纯喀斯特岩性组合比非纯喀斯特岩性组合负向影响更强;土壤类型对水分利用效率的影响受分布海拔高度差异、土壤有机质差异及喀斯特与非喀斯特地貌差异3种因素影响;土地利用类型总体上呈植被越茂盛的地类对水分利用效率的正向影响越强的趋势;地表粗糙度的增大先对水分利用效率趋正向影响,后趋于负向影响。碳酸盐岩影响土壤性质,而土壤性质和地表粗糙度共同影响植被来对喀斯特地区的水分利用效率产生综合影响。

关键词： 水分利用效率; 下垫面因素; 喀斯特; MODIS

本文引用格式

彭大为 , 周秋文 , 谢雪梅 , 韦小茶 , 唐欣 , 严卫红 . 下垫面因素对喀斯特地区水分利用效率的影响[J]. 地理科学进展, 2021 , 40(12) : 2086 -2100 . DOI: 10.18306/dlkxjz.2021.12.009

Abstract

Water use efficiency (WUE) is an important indicator of terrestrial ecosystem response to climate change, and underlying surface factors affect WUE by influencing local climate. Ecological water shortage in the karst area is serious and the underlying surface is complex, but the comprehensive influence of multiple underlying surface factors on WUE is still unclear. In this study, MODIS gross primary productivity (GPP) and evapotranspiration (ET) data sets were used to calculate WUE in the karst area of Southwest China. Coupled with lithology combination, soil type, land use type, and surface roughness, the generalized linear model was used to reveal the comprehensive influence of underlying surface factors on WUE. The results show that: the WUE of the study area is affected by altitude and karst development degree, and increases from southeast to northwest. Among the underlying surface factors, the impact of lithology combination on WUE shows a difference between karst and non-karst areas. The lithology combination of carbonate rock in the karst area has a negative impact on WUE, and the negative impact of pure karst lithology combination is stronger than that of non-pure karst lithology combination; the impact of soil type on WUE is affected by the difference of distribution altitude, soil organic matter difference, and karst and non-karst landform difference; the impact of land use types generally shows a trend that more densely vegetated land use types have a stronger positive impact on the WUE; the increase of surface roughness first has a positive impact on the WUE, and then tends to have a negative impact. Carbonate rocks affect soil properties, and soil properties and surface roughness jointly affect vegetation.

Key words： water use efficiency; underlying surface factors; karst; MODIS

水分利用效率(water use efficiency, WUE)连接了陆地生态系统碳循环和水循环2个关键变量,它不仅能够反映两者的关系,也能衡量陆地生态系统对气候变化的敏感性[1,2,3,4]。岩性、土壤、地表覆盖等下垫面性质能够影响植被的水分吸收状况以及局地气候状况[5,6,7],进而对区域水分利用效率的变化起重要作用。
目前关于下垫面因素对水分利用效率的影响研究多集中于局部区域。已有研究中通过植被类型、土壤类型等下垫面因素对不同地貌类型区的水分利用效率进行研究[8,9,10,11,12,13],如不少学者针对生态环境脆弱的黄土地貌区进行了研究,发现植被会严重影响水分利用效率的空间分布[14,15,16],也有部分研究跨越了多个地貌类型区[17,18,19],进行了多地貌区间的对比分析[20],发现不同地貌类型所导致的植被差异是影响水分利用效率的关键。由于喀斯特地貌的广泛发育,喀斯特地区下垫面情况复杂[21,22],导致其下垫面因素对水分利用效率的影响机制也更为独特。因此,针对喀斯特地区的下垫面因素对区域水分利用效率的影响是一个值得关注的对象。
已有学者就喀斯特地区下垫面因素对水分利用效率的影响进行了研究。大部分研究都阐述了喀斯特地区不同植被类型对水分利用效率的影响。如张继等[23]发现贵州高原地区不同植被类型水分利用效率不同,混交林最高,灌丛最低;还有学者在研究中将喀斯特地区与非喀斯特地区进行对比,如Fu等[24]通过对喀斯特森林和非喀斯特森林进行对比,发现喀斯特地区的常绿乔木和落叶乔木的水分利用效率会高于非喀斯特地区。还有学者发现水分利用效率会受海拔的影响,如黄甫昭等[25]通过对比喀斯特地区洼地到山顶的水分利用效率,发现海拔提高会提升水分利用效率。
以上研究较好地阐述了喀斯特地区下垫面因素的不同对水分利用效率的影响,但都只研究了水分利用效率对单一下垫面因素的响应,而单个下垫面因素的研究结果并不能全面解释喀斯特下垫面情况对水分利用效率的影响。因为自然界各个下垫面要素之间会相互影响[26],尤其是喀斯特地区土层稀薄且岩层透水性强[27,28,29],水文过程更加迅速[30,31],水分利用效率的变化可能会受到多个下垫面因素的综合影响。因此,多个下垫面因素对喀斯特地区水分利用效率的综合影响仍未得到解答。下垫面因素对水分利用效率综合影响研究上的空缺,不利于更深入地了解水分利用效率影响机制,也不能够对提高水分利用效率提供全面的指导意义。
因此,本文通过多个下垫面因素分析其对喀斯特地区水分利用效率的综合影响。首先分析了研究区的年均水分利用效率的空间分布格局,然后对研究区的各个下垫面因素的空间格局进行探讨,最后分析了多个下垫面因素对水分利用效率的影响。研究结果有助于更加深入了解喀斯特地区的水分利用及下垫面因素的空间分布状况,可为研究下垫面因素对水分利用效率的影响提供参考,也可为喀斯特地区提高水分利用效率提供理论建议。

1 研究区概况与研究方法

1.1 研究区概况

本文研究区选取位于中国西南部的典型湿润喀斯特地区,涵盖了中国西南3省区(贵州省、云南省、广西壮族自治区)(图1),总面积约为796773 km2。区内总体气候为亚热带湿润季风气候,年平均气温17.6 ℃,平均年降水量1021 mm。地形多为高原山地,地势从东南向西北逐渐升高。喀斯特地区岩性主要为灰岩和白云岩,其余地区由碎屑岩组成;区内土壤以黄棕壤、红壤和石灰土为主,土质较为松散易蚀。植被类型多样,主要类型有常绿针叶林、常绿阔叶林、灌丛及灌草丛等。
图1 研究区概况

注：图中黑线为省级行政界线,白线为地貌分区,1为非喀斯特地貌区,2为喀斯特槽谷,3为喀斯特高原,4为喀斯特峡谷,5为喀斯特盆地,6为中高山区,7为峰丛洼地,8为峰林平原。

Fig.1 Map of the study area

根据地形、岩性和地质条件将研究区域划分为8个地貌类型区：峰丛洼地(20.72%)、峰林平原(8.22%)、喀斯特高原(6.85%)、喀斯特峡谷(8.74%)、喀斯特槽谷(6.15%)、喀斯特盆地(9.23%)、中高山区(5.57%)和非喀斯特区(34.52%)(图1)[32]。

1.2 数据来源

1.2.1 MODIS GPP和ET数据集
总初级生产力(gross primary productivity,GPP)和蒸散发(evapotranspiration,ET)数据来源于MODIS产品(MOD17 A2/A3和MOD16 A2/A3, http://www.ntsg.umt.edu/),GPP和ET时间分辨率为月,空间分辨率都为1 km,时间跨度为2000—2014年,对影像进行预处理后,计算其年均值进行分析。
1.2.2 实测GPP及蒸发数据
通量数据来自于中国通量观测研究网络(ChinaFLUX, http://www.chinaflux.org/),根据研究区范围选择了西双版纳站和哀牢山站的实测GPP数据,可获取的数据时间跨度为2005—2014年。实测蒸发数据来源于国家气象科学数据中心(http://data.cma.cn/),时间跨度为2000—2014年,数据包含大、小型蒸发皿数据,采用2种蒸发皿的有效数据对遥感数据进行检验。
1.2.3 下垫面数据
由于研究区位于中国西南部,多山地丘陵且喀斯特地貌广布,为了能够凸显研究区地理特征,本文选择了地表粗糙度、岩性、土壤类型及土地利用类型4种下垫面因素。地表粗糙度使用DEM数据计算得到[33,34],DEM数据取自地理空间数据云(http://www.gscloud.cn/),空间分辨率为90 m。首先通过DEM数据提取出坡度数据,再通过坡度计算得到地表粗糙度,将地表粗糙度重采样为1 km,在参考前人研究的基础上[35],把地表粗糙度重分类为8个等级,如表1所示。
表1 地表粗糙度分级

Tab.1 Surface roughness classification

等级 分布区间 面积占比/%
一 [1.00, 1.02) 38.62
二 [1.02, 1.04) 16.86
三 [1.04, 1.06) 11.88
四 [1.06, 1.08) 8.56
五 [1.08, 1.10) 6.19
六 [1.10, 1.20) 13.31
七 [1.20, 1.40] 4.11
八 >1.40 0.47
研究区岩性数据来自地质科学数据出版中心(http://geodb.cgs.gov.cn/)的1∶250万全国地质图,将地质图转换为岩性组合,然后将岩性组合数据转为栅格形式进行之后的运算。
研究区土壤类型和土地利用类型数据都来自于中国科学院资源环境数据云平台(http://www.resdc.cn/),空间分辨率为1 km。土壤类型数据根据中国全国土壤普查办公室1995年编制并出版的《1∶100万中华人民共和国土壤图》数字化生成,采用了传统的“土壤发生分类”系统,基本制图单元为亚类,本文将亚类合并为土类用于分析;土地利用类型数据取自中国土地利用现状遥感监测数据库,该数据库是在国家科技支撑计划、中国科学院知识创新工程重要方向项目等多项重大科技项目的支持下经过多年的积累而建立的覆盖全国陆地区域的多时相土地利用现状数据库,本文选用的是2010年的土地利用类型数据。由于人工植被会受到人为灌溉、施肥的影响,与自然植被的水分利用效率变化规律相异,因此本文将水田、旱地、城镇用地及农村居民点去除,不参与计算。
1.2.4 土壤有机质数据
研究区土壤有机质数据通过土壤有机碳计算得到,土壤有机碳数据来自于寒区旱区科学大数据中心提供的基于世界土壤数据库(HWSD)的土壤数据集(v1.1) (westdc.westgis.ac.cn),数据属性中T_OC代表了表层土壤(0~30 m)有机碳情况,由于喀斯特地区土层大多较为稀薄,因此只使用表层土壤有机碳数据。为保证数据空间分辨率一致,将数据重采样为1 km。该数据集在多项喀斯特地区和非喀斯特地区的研究中得到使用[36,37,38],能够较好地反映出该地区有机碳的情况。

1.3 研究方法

1.3.1 水分利用效率计算方法
本文计算水分利用效率的方式采用总初级生产力(GPP)与蒸散发(ET)的比值[39]。
WUE = GPP / ET
式中：WUE为水分利用效率。GPP和ET先计算其年值,即分别计算研究区的GPP和ET一年之和。由于一年的值无法代表研究区的GPP和ET情况,因此采用多年平均值(2000—2014年)来计算水分利用效率。本文主要是从空间上来探究水分利用效率的分布及下垫面因素对其的影响,故不对水分利用效率的时间变化进行探讨。
1.3.2 岩性组合判别说明
由于地质图的岩性描述较为复杂,因此本文在参考前人研究的基础上,将矢量的地质图斑与前人在贵州和广西的研究结果相叠加[40,41,42],然后根据经验对云南省喀斯特地区的岩性组合进行划分,将研究区的岩性描述总结为岩性组合,分别为连续性石灰岩组合,连续性白云岩组合,灰岩夹碎屑岩组合,白云岩夹碎屑岩组合,灰岩、白云岩与碎屑岩互层,石灰岩、白云岩组合及碎屑岩7个岩性组合,具体划分标准如表2所示。
表2 岩性组合判别标准

Tab.2 Lithology combination classification

序号 地质图岩性描述 岩性组合划分
1 只含石灰岩、灰岩、白云质灰岩等各类灰岩 连续性石灰岩组合
2 只含白云岩、藻白云岩等各类白云岩 连续性白云岩组合
3 含1中的岩性及非碳酸盐岩类岩石 灰岩夹碎屑岩组合
4 含2中的岩性及非碳酸盐岩类岩石 白云岩夹碎屑岩组合
5 只含非碳酸盐岩类岩石 碎屑岩
6 含1、2、5中的岩石 灰岩、白云岩与碎屑岩互层
7 只含1和2中的岩石 石灰岩、白云岩组合
1.3.3 数据精度验算
为得到MOD16数据集的精度,本文结合实测站点蒸发皿数据对遥感数据进行验证。考虑到蒸发皿为纯水面,而ET则会受到土壤与植被等条件的影响,选用MOD16数据集的潜在蒸散发(potential evapotranspiration,PET)数据与蒸发皿数据进行验证。因为潜在蒸散发能够表示充分供水的下垫面蒸发或蒸腾到空气中的水量,充分供水后的下垫面能够尽可能地与水面蒸发条件相近。虽然潜在蒸散发与蒸发皿的蒸发条件存在差异,这可能会导致验证结果出现误差,但在缺少通量站点数据的情况下,这已是可选取的最佳验证方法。在去除影像上为无值区和缺测的站点后,将月尺度的实测大、小蒸发皿数据与MOD16-PET数据进行相关性检验,从而得到MOD16数据集的精度。而MOD17 GPP数据由于缺少通量站点数据,因此本文将现有的通量站点GPP均值与本文研究结果进行对比,同时与前人在喀斯特地区的研究进行对比,从而证明MOD17 GPP数据在本研究区的可靠性。在对比验证当中,由于部分已有研究的时段与本文不一致,因此本文选择用年均值进行对比,以尽量减少某些年份突变带来的误差。
1.3.4 广义线性模型
为了探究不同类型的下垫面因素对水分利用效率的影响,由于下垫面因素为类别型数据,水分利用效率为连续型变量,平常的相关性计算方法无法得到其相关性,因此,在参考已有研究的基础 上[43,44],本文选取广义线性模型作为研究方法。广义线性模型是线性回归模型的扩展,它的响应变量可以服从高斯分布、泊松分布及二项分布等多种概率分布,其一般形式为[45]：
G μ y = α + ∑ j = 1 P β j X j
式中： G μ y为特定联系函数, α为常数, β j为回归系数, X j为自变量, μ y为由预测变量线性结合预测得到的响应变量发生的概率。模型回归系数能够反映自变量在其他变量稳定的情况下对因变量的影响程度。
将水分利用效率及下垫面因素数据进行裁剪,使所有影像的行列号一致。所有的下垫面数据中,分布面积小于总面积0.1%的类别以及纯水面的类别都舍去不参加计算,以避免对结果造成干扰,并将对应的空缺值去除,再对影像进行转码,将二维的栅格数据转换为一维数据,在R语言软件中进行广义线性模型计算。
1.3.5 土壤有机质计算方法
土壤有机质与土壤有机碳有着密切联系,二者之间能够通过比例系数进行换算。在参考前人研究的基础上[38],选择了国际上通常采用的范贝梅尔因子(Van Bemmelen factor)来用土壤有机碳计算土壤有机质,按照农业行业标准《土壤检测第6部分：土壤有机质的测定》(NY/T 1121.6—2006),取系数值为1.7246。具体计算公式为：
SOM = 1.7246 × TOC
式中：SOM为土壤有机质含量,1.7246为换算系数,TOC为土壤有机碳含量。由于土壤有机质与土壤类型之间存在明显的相关,所以土壤有机质含量不参与广义线性模型的计算,以防止模型自变量之间存在共线性的问题。

2 结果分析

2.1 数据精度验证结果

鉴于MOD17 GPP数据产品具有完整性高、时间连续性好等特征,并且在多项研究中得到了验证和应用[46,47,48]。如唐荣彬等[49]在广西和云南用实测反演的GPP与MOD17进行线性回归,结果表明两者具有良好的线性关系,能够满足研究需求。通过与其他来源遥感数据结果进行对比发现,张心竹等[50]的研究结果表明GOSIF-GPP产品和DTEC模型得到的西南地区GPP多年均值在1500 g C·m-2左右,本文得到的GPP多年均值为1422.12 g C·m-2,两者相差不大,并且其GPP空间分布与本文一致。通过与实测站点对比,实测站点中西双版纳、哀牢山与元江站均处于本文地貌分区中的非喀斯特地区,丽江站处于中高山区,MOD17 GPP总体略微高于实测值。由于MOD17 GPP的像元大小为1 km×1 km,像元范围可能会与实测站点范围有差别,所以会导致像元值与实测值之间出现误差,但像元值总体上与实测值之间相差不大(表3)。综上,MOD17数据集在研究区具有一定的可信度,能够满足研究需求。
表3 MOD17 GPP 与实测站点GPP值对比

Tab.3 Comparison of MOD17 GPP and measured station GPP

序号 站点 MOD17 GPP/(g C·m-2) 实测站点GPP值/(g C·m-2) 时段 来源
1 西双版纳 2657.17 2710.14 2005—2014年 ChinaFLUX
2 西双版纳 2005.50 2342.67 2003—2008年 [51]
3 西双版纳 2698.85 2547.00 2003—2016年 [52]
4 哀牢山 2457.57 1647.90 2005—2014年 ChinaFLUX
5 哀牢山 2422.45 1848.33 2009—2010年 [53]
6 哀牢山 2371.15 2068.00 2009—2016年 [52]
7 丽江 1474.81 1392.00 2014—2016年 [52]
8 元江 843.75 690.00 2013—2016年 [52]
9 元江 843.75 684.00 2013—2015年 [54]
研究区MOD16-PET与2种实测蒸发皿都具有较高的相关性,与小型蒸发皿的平均相关系数R为0.74,与大型蒸发皿的平均相关系数R为0.70,且在空间上呈高相关性的站点分布均匀(图2),说明在MOD16数据集能够较好地反映研究区蒸散发的空间分布。同样本文还参考了前人对蒸散发数据验证的结果,如李佳等[55]通过对比7种蒸散发产品,最后发现MOD16数据集的应用研究最多,且考虑到了夜间蒸散发的过程;张继等[23]在贵州省的研究也表明MOD16数据集在喀斯特地区具有较高的可信度。综上所述,MOD17数据集与MOD16数据集能够反映研究区真实情况,可以用于WUE的计算。
图2 MOD16-PET与实测小(a)、大(b)型蒸发皿数据相关系数

注：图中圆越大代表相关系数R值越高。

Fig.2 Correlation coefficient between MOD16-PET and measured data of small (a) and large (b) evaporating dish

2.2 水分利用效率的空间格局

研究区年水分利用效率的空间变化较为明显(图3),除部分高值分布在研究区东南部外,总体上呈从东向西递增的趋势。水分利用效率整体分布区间为0.09~3.67 g C·(kg H2O)-1,均值为2.04±0.42 g C·(kg H2O)-1。年水分利用效率的最高值和最低值都出现在喀斯特地区,喀斯特地区水分利用效率均值为1.91±0.38 g C·(kg H2O)-1;非喀斯特地区水分利用效率数值分布区间为0.18~3.56 g C·(kg H2O)-1,均值为2.28±0.39 g C·(kg H2O)-1。
图3 水分利用效率空间分布

注：图中空白区域为无值区,下同。

Fig.3 Spatial distribution of water use efficiency

2.3 下垫面因素的空间格局

研究区地表粗糙度整体分布从东南向西北递增,低值区主要位于东南部和中部地区,数值分布区间为1~4.12,均值为1.06。喀斯特地区地表粗糙度数值分布区间为1~4.12,均值为1.05;非喀斯特地区数值分布区间为1~3.18,均值为1.06。地表粗糙度的分级中,一类等级面积最广,主要分布在研究区的东南部及中部地区,粗糙度最高的8类等级主要分布于研究区的西北部(图4a)。
图4 地表粗糙度(a)、岩性组合(b)、土壤类型(c)及地表覆盖类型(d)分布

Fig.4 Spatial distribution of surface roughness (a), lithology combination (b), soil type (c), and land cover type (d)

研究区岩性组合表现出了明显的喀斯特与非喀斯特的差异。在喀斯特地区中,岩性主要以碳酸盐岩类组合为主,占喀斯特地区的68.9%,面积从大到小排序为灰岩夹碎屑岩组合(约占喀斯特地区面积的23.0%),连续性石灰岩组合(约16.2%),灰岩、白云岩与碎屑岩互层(约12.8%),连续性白云岩组合(约7.6%),石灰岩、白云岩组合(约6.2%),白云岩夹碎屑岩组合(约3.1%)。碎屑岩主要分布于研究区东部、东南部和西南部的非喀斯特地区,中部喀斯特地区也有少许分布(图4b)。
土壤类型共包含19种土类(图4c),研究区北部主要以黄壤、水稻土及黄棕壤为主,东部主要以红壤为主,东南部与西南部主要以赤红壤为主,西部以红壤和紫色土为主,中部以红壤和水稻土为主。分布面积大于总面积5%的土类从大到小排序为：红壤(约25.3%)>黄壤(约14.6%)>赤红壤(约13.8%)>石灰土(约12.2%)>紫色土(约8.9%)>水稻土(约7.1%)>黄棕壤(约6.5%)。其中97.9%的石灰土、超过70%的红壤与黄壤、超过60%的水稻土与黄棕壤分布在喀斯特地区;66.3%的赤红壤与59.3%的紫色土分布于非喀斯特地区。
土地利用类型共分为12种类型(图4d),研究区北部主要以灌木林、疏木林及中覆盖度草地为主,东部以有林地为主,中南部以有林地、灌木林及有林地为主,西部以有林地、灌木林、疏木林及高覆盖度草地为主。分布面积大于总面积5%的地类从大到小排序为有林地(约占24.4%)>灌木林(约21.1%)>疏木林(约12.7%)>高覆盖度草地(约9.6%)>中覆盖度草地(约7.3%)。其中约80%的中覆盖度草地,超过60%的灌木林、疏木林与高覆盖度草地,54.6%的有林地分布在喀斯特地区。

2.4 水分利用效率与下垫面因素的关系

由于水分利用效率是非负小数,所以肯定不符合泊松分布和二项分布,于是建立了Gamma分布广义线性模型和Gaussian分布广义线性模型,通过对比2个模型的赤池信息量准则(Akaike information criterion,AIC)值,Gaussian分布的AIC值更小、模型拟合更好,因此本文选取Gaussian分布广义线性模型。模型的残差变差与残差自由度的比值为0.128,远小于1,因此模型不存在过度离势。模型整体截距为0.680±0.005,P<0.001。
由于4个下垫面因素中,每个因素中都有一个因素作为参照变量,所以结果中共含4个下垫面因素中的38个因素(图5),从模型回归系数来看,土壤类型中的草毡土(-0.814±0.012,P<0.001)、褐土 (-0.752±0.012,P<0.001)、黑毡土(-0.387±0.004,P<0.001)、棕色针叶林土(-0.218±0.003,P<0.003)负向影响最强,仅黄棕壤、紫色土和棕壤呈正向影响。岩性组合中所有碳酸盐岩类组合均呈现负向影响,并且连续性石灰岩组合(-0.062±0.002,P<0.001)、连续性白云岩组合(-0.057±0.002,P>0.05)及石灰岩、白云岩组合(-0.044±0.002,P<0.001)比碳酸盐岩与碎屑岩互层(-0.021±0.002,P<0.001)及灰岩夹碎屑岩组合(-0.001±0.002,P<0.001)的负向影响更强,碎屑岩则呈正向影响(0.033±0.001,P<0.002),其中连续性白云岩组合不显著。地表粗糙度中仅一级分类呈负向影响,然后随着等级提高正向影响越强,但第七等级的时候正向影响减弱。土地利用类型中的有林地为下垫面因素中正向影响最强的因素(0.110±0.003,P<0.001),其次灌木林、高覆盖度草地、疏林地等的参数都为正,裸岩石质地的参数为负(-0.252,P<0.008)。
图5 下垫面因素对水分利用效率的影响情况

注：***、**分别表示P <0.001、P <0.05,为空则表示P >0.1。

Fig.5 Influence of underlying surface factors on water use efficiency

3 讨论

3.1 水分利用效率空间格局成因

研究区水分利用效率整体上从东南向西北递增(图3),在空间分布上与研究区的高程分布相近。水分利用效率在西北部出现了明显的山体脉络,且低海拔的东南部水分利用效率值明显低于高海拔的西北部地区。这说明研究区水分利用效率受海拔的影响较大,随着海拔的升高,气温及地表温度下降使蒸散效应减弱,从而提高了水分利用效率,整体上与已有研究结果相近[12]。
研究区内绝大部分喀斯特地区水分利用效率低于非喀斯特地区(表4)。由于非喀斯特地区土层较厚,植被类型多为林地,且土壤中能够存储更多的水分供给植物生产。而喀斯特地区土层稀薄且植被多为灌木与草地,其GPP产量远低于林地。并且喀斯特地区独特的碳酸盐岩渗水能力强,水分会快速下渗到地下水文系统中流失。而且喀斯特地区存在大面积的石漠化地区,岩石裸露,会使地表蒸发加剧,从而使喀斯特地区水分利用效率水平低于非喀斯特地区。
表4 不同地貌类型区水分利用效率情况

Tab.4 Water use efficiency by landform types

地貌类型 水分利用效率/(g C·(kg H2O)-1) 平均高程/m
峰丛洼地 1.84±0.22 715.16
峰林平原 1.80±0.30 351.32
喀斯特高原 1.74±0.19 1226.13
喀斯特峡谷 1.96±0.36 1763.93
喀斯特槽谷 1.36±0.23 876.69
喀斯特盆地 2.24±0.37 1828.86
中高山区 2.17±0.75 3020.18
非喀斯特区 2.28±0.39 1343.77
总体平均 2.04±0.42 1274.69
在喀斯特地区内部,喀斯特地貌发育程度的差异也会影响水分利用效率。喀斯特高原海拔远高于峰林平原,但其年水分利用效率反而低于峰林平原(表4)。因为喀斯特高原为喀斯特地貌发育的早期或中期,地表破碎程度高,石漠化现象最严重[56],难以生长高大植被,导致水分利用效率较低。所以本文推测在喀斯特地区,水分利用效率会受到喀斯特地貌发育程度的影响。

3.2 下垫面因素对水分利用效率影响的原因

进一步分析中国西南喀斯特地区的下垫面因素对年均水分利用效率的影响发现,首先,在岩性组合中表现出了明显的喀斯特与非喀斯特的分异,岩性组合中仅碎屑岩为正向影响,含碳酸盐岩类的岩性组合都对水分利用效率呈负向影响。由于与碎屑岩相比,碳酸盐岩透水性更强,且喀斯特地区的石漠化现象严重[53],植被稀少,所以喀斯特地区的岩性组合对水分利用效率呈负向驱动。喀斯特内部地区中,纯碳酸盐岩的岩性组合比碳酸盐岩夹碎屑岩组合及碳酸盐岩与碎屑岩互层组合的模型回归系数更小,对水分利用效率有着更强的负向作用(图5)。因为非纯碳酸盐岩组合中的碎屑岩成分能够减弱岩溶作用,从而更有可能形成稳定隔水层将水分阻隔在土壤中供给植物生长,拥有更高的水分利用效率。纯碳酸盐岩中,连续性石灰岩组合的模型回归系数比连续性白云岩组合更低,因为石灰岩比白云岩更容易溶蚀,且石灰岩更容易引发石漠化现象[57],所以对水分利用效率的负向驱动更强。因此,在喀斯特地区岩性组合的渗水能力影响着水分利用效率。
其次,土壤类型对水分利用效率的影响方式可分为如下3种。第一种土壤类型所处海拔影响水分利用效率。研究区西北部的土壤类型分布呈明显的山体脉络形状,将其与该地区高程图进行对比,可以发现其分布具有明显垂直分异特征(图6)。分布在较低河谷地区的褐土、红壤以及较高海拔的黑毡土和草毡土都对水分利用效率呈负向影响,位于中海拔地区的棕壤及黄棕壤则产生正向驱动。这是由于河谷地区保温效果较好,土壤温度更高,蒸散发更强,使水分利用效率不高。随着海拔的爬升,气温逐渐降低而使蒸散发减弱,从而提高水分利用效率,但海拔达到一定高度后,多生长高山草甸或裸土,GPP减弱,对水分利用效率的贡献转为负。第二种则是土壤有机质高低影响水分利用效率。土壤类型平均有机质含量和其平均水分利用效率的相关分析结果显示,二者相关系数R为0.51。对水分利用效率呈正向影响的棕壤与黄棕壤的土壤有机质较高,而褐土、石质土和草毡土等对水分利用效率呈负向影响的土类有机质较低。土壤有机质越高会让植被生长更好,GPP产量更高。因此总体而言,土壤有机质含量越高,水分利用效率越高(表5)。第三种是喀斯特地区土壤类型会影响水分利用效率。主要分布在喀斯特地区的石质土、岩石、粗骨土、石灰土、红壤及黄壤对水分利用效率呈负向影响,与主要分布在非喀斯特地区的紫色土相反。喀斯特地区土壤大多土层稀薄,松散易蚀,加之基岩易渗的碳酸盐岩,导致土壤水分大量下渗到地下水文系统,土壤中供给植物生长的水分较少,因此对水分利用效率呈负向作用。非喀斯特地区的紫色土土壤深厚,基岩能够将土壤水分阻隔在土壤中,植被生长更好,水分利用效率更高,这导致紫色土虽然土壤有机质低于石灰土及粗骨土等,但对水分利用效率的正向影响大于这些主要分布在喀斯特地区的土壤类型。
图6 研究区西北部土壤类型(a)及高程(b)分布

注：图(a)中红色系土类对水分利用效率呈负向影响,绿色系土类对水分利用效率呈正向影响。

Fig. 6 Soil type distribution (a) and elevation distribution (b) in the northwest of the study area

表5 土壤类型水分利用效率情况

Tab.5 Water use efficiency by soil types

土壤类型 平均水分利用效率/(g C·(kg H2O)-1) 平均土壤有机质/% 模型回归系数
草毡土 0.810 4.787 -0.814
褐土 0.945 3.607 -0.752
黑毡土 1.351 4.995 -0.387
棕色针叶林土 1.757 4.581 -0.218
粗骨土 1.742 5.684 -0.180
石灰土 1.785 5.744 -0.159
石质土 1.747 4.373 -0.150
水稻土 1.848 5.566 -0.144
黄壤 1.928 5.684 -0.113
新积土 1.893 5.761 -0.072
砖红壤 2.002 6.688 -0.068
赤红壤 2.062 5.399 -0.057
燥红土 2.153 4.685 -0.023
红壤 2.145 4.824 -0.022
黄棕壤 2.268 5.810 0.038
紫色土 2.303 5.058 0.043
棕壤 2.404 5.794 0.085
再次,地表粗糙度中一级粗糙度对水分利用效率呈负向影响,这可能是因为这些最平坦的地区受人类活动的干扰最大,植被遭到破坏,加上这些地区的海拔相对较低,温度较高,蒸发更加旺盛,因此对水分利用效率呈负向驱动。然后随着粗糙度的增大,人类对土地的利用减少,植被所受到的破坏减少,所以从第二到第六级地表粗糙度对水分利用效率的正向驱动逐渐增强。当地表粗糙度持续变高,海拔过高导致植被变少,对水分利用效率的正向驱动减弱。
最后,土地利用类型的植被含量对水分利用效率的影响有着重要作用,比如有林地、灌木林、高覆盖度草地及疏林地相对于其他地类植被更多,拥有更多的植物来生产GPP,因此对水分利用效率呈正向影响。主要分布在喀斯特石漠化地区的裸岩石质地则是由于喀斯特地貌发育,水土流失严重,岩石裸露,所以是唯一对水分利用效率呈负向影响的土地利用类型,体现出了喀斯特地区的土地利用类型对水分利用效率的独特影响。

3.3 多个下垫面因素对水分利用效率的综合影响

喀斯特地区碳酸盐岩广泛发育,岩石可溶性强,不利于水分利用效率的提高。在喀斯特岩性组合对水分利用效率的负向驱动中,呈现出纯碳酸盐岩岩性组合比非纯碳酸盐岩岩性组合负向作用强、石灰岩比白云岩负向作用强的规律。岩石性质会影响土壤的成土母质,进而决定土壤性质,因此,在喀斯特地区中以石灰岩为成土母质的石灰土(模型回归系数为-0.159)对水分利用效率呈负向影响。同样,主要分布在喀斯特地区的土壤也呈现出同样的规律。比如黄壤(-0.113)、石质土(-0.150)及粗骨土(-0.180),这些土壤孔隙较大,渗透性强,再加上同样易渗的碳酸盐岩为基岩,导致水分大量渗透到地下水文系统,土壤中供给植物生长的水分较少,因此对水分利用效率呈负向作用。喀斯特地区的土壤特性导致该区域难以生长高大植被,植被多为草地和灌木林。本文发现不同覆盖度的草地及灌丛的回归系数均低于有林地,因为草地及灌丛的GPP产量不及有林地,因此对水分利用效率的正向驱动低于有林地,这与已有研究结果相近[10]。而喀斯特地区有林地多生长在南部地区,该地区纬度和地表粗糙度都较低,导致气温较高,植被蒸腾与土壤蒸发旺盛,不利于提高水分利用效率。随着地表粗糙度等级的提高,温度降低,水分利用效率得以提高。而高等级地表粗糙度的崎岖地形和高海拔则会让植被减少,降低水分利用效率。
综上所述,在喀斯特地区,碳酸盐岩易渗易蚀,其生成的土壤土层浅薄且孔隙大,土壤水分下渗严重,共同作用下使得喀斯特地区多生长灌木和草丛,GPP产量有限。而喀斯特林地多分布于低地表粗糙和低纬度地区,ET较高,因此,这些下垫面因素综合对喀斯特地区水分利用效率产生不利影响。

4 结论

已有的下垫面因素对水分利用效率的影响研究主要集中于单个下垫面因素对水分利用效率的影响,本文通过广义线性模型方法,阐明了中国西南湿润喀斯特地区多下垫面因素对水分利用效率的影响机制。结果表明,下垫面因素中喀斯特岩性组合对水分利用效率呈负向影响,喀斯特地区土壤性质导致其高大植被稀少,以草地和灌丛为主的土地利用类型水分利用效率低,有林地多分布于低地表粗糙度地区,ET较高,多个下垫面因素综合不利于研究区水分利用效率的提高。因此,在提升喀斯特地区水分利用效率的实践中,应当考虑多方面的下垫面因素的综合影响。
相比于单个下垫面因素对水分利用效率的研究,本文补充了喀斯特地区水分利用效率对多个下垫面因素响应这一知识体系,而且对喀斯特地区进一步提升水分利用效率提供了指导。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Ahmadi B, Ahmadalipour A, Tootle G, et al. Remote Sensing of water use efficiency and terrestrial drought recovery across the contiguous United States[J]. Remote Sensing, 2019, 11(6):731. doi: 10.3390/rs11060731.

DOI

[2]
杜晓铮, 赵祥, 王昊宇, 等. 陆地生态系统水分利用效率对气候变化的响应研究进展[J]. 生态学报, 2018, 38(23):8296-8305.

[ Du Xiaozheng, Zhao Xiang, Wang Haoyu, et al. Responses of terrestrial ecosystem water use efficiency to climate change: A review. Acta Ecologica Sinica, 2018, 38(23):8296-8305. ]

[3]
史晓亮, 吴梦月, 张娜. 中国典型陆地生态系统水分利用效率及其对气候的响应[J]. 农业工程学报, 2020, 36(9):152-159.

[ Shi Xiaoliang, Wu Mengyue, Zhang Na. Characteristics of water use efficiency of typical terrestrial ecosystems in China and its response to climate factors. Transactions of the CSAE, 2020, 36(9):152-159. ]

[4]
邹杰, 丁建丽, 杨胜天. 近15年中亚及新疆生态系统水分利用效率时空变化分析[J]. 地理研究, 2017, 36(9):1742-1754.

DOI

[ Zou Jie, Ding Jianli, Yang Shengtian. Spatial and temporal variation analysis of ecosystem water use efficiency in Central Asia and Xinjiang in recent 15 years. Geographical Research, 2017, 36(9):1742-1754. ]

[5]
曾剑, 张强. 2008年7—9月中国北方不同下垫面晴空陆面过程特征差异[J]. 气象学报, 2012, 70(4):821-836.

[ Zeng Jian, Zhang Qiang. A comparative study of the characteristics of the clear-sky land surface processes over the different underlying surfaces in the northern part of China during July-September 2008. Acta Meteorologica Sinica, 2012, 70(4):821-836. ]

[6]
刘树华, 邓毅, 胡非, 等. 森林下垫面陆面物理过程及局地气候效应的数值模拟试验[J]. 气象学报, 2005, 63(1):1-12.

[ Liu Shuhua, Deng Yi, Hu Fei, et al. Numerical simulation experiments of land surface physical processes and local climate effect in forest underlying surface. Acta Meteorologica Sinica, 2005, 63(1):1-12. ]

[7]
吴宏伟. 大气—植被—土体相互作用: 理论与机理[J]. 岩土工程学报, 2017, 39(1):1-47.

[ Wu Hongwei. Atmosphere-plant-soil interactions: Theories and mechanisms. Chinese Journal of Geotechnical Engineering, 2017, 39(1):1-47. ]

[8]
Yuan F H, Liu J Z, Zuo Y J, et al. Rising vegetation activity dominates growing water use efficiency in the Asian permafrost region from 1900 to 2100[J]. Science of the Total Environment, 2020, 736:139587. doi: 10.1016/j.scitotenv.2020.139587.

DOI

[9]
王芳, 张运, 黄静, 等. 基于MODIS数据的安徽省植被水分利用效率时空变化及影响因素[J]. 长江流域资源与环境, 2019, 28(6):1314-1323.

[ Wang Fang, Zhang Yun, Huang Jing, et al. Spatio-temporal variations in vegetation water use efficiency and their influencing factors in Anhui Province based on MODIS data. Resources and Environment in the Yangtze Basin, 2019, 28(6):1314-1323. ]

[10]
宫菲, 杜灵通, 孟晨, 等. 宁夏陆地生态系统水分利用效率特征及其影响因子[J]. 生态学报, 2019, 39(24):9068-9078.

[ Gong Fei, Du Lingtong, Meng Chen, et al. Characteristics of water use efficiency in terrestrial ecosystems and its influence factors in Ningxia. Acta Ecologica Sinica, 2019, 39(24):9068-9078. ]

[11]
胡海英, 李惠霞, 倪彪, 等. 宁夏荒漠草原典型群落的植被特征及其优势植物的水分利用效率[J]. 浙江大学学报(农业与生命科学版), 2019, 45(4):460-471.

[ Hu Haiying, Li Huixia, Ni Biao, et al. Characteristic of typical vegetation community and water use efficiency of dominant plants in desert steppe of Ningxia. Journal of Zhejiang University (Agriculture and Life Sciences), 2019, 45(4):460-471. ]

[12]
Xiao X Y, Fan L M, Li X B, et al. Water-use efficiency of crops in the arid area of the middle reaches of the Heihe River: Taking Zhangye City as an example[J]. Water, 2019, 11(8):1541. doi: 10.3390/w11081541.

DOI

[13]
Guo L M, Shan N, Zhang Y G, et al. Separating the effects of climate change and human activity on water use efficiency over the Beijing-Tianjin sand source region of China[J]. Science of the Total Environment, 2019, 690:584-595.

DOI

[14]
Zheng H, Lin H, Zhou W J, et al. Revegetation has increased ecosystem water-use efficiency during 2000-2014 in the Chinese Loess Plateau: Evidence from satellite data[J]. Ecological Indicators, 2019, 102:507-518.

DOI

[15]
Zheng H, Lin H, Zhu X J, et al. Divergent spatial responses of plant and ecosystem water-use efficiency to climate and vegetation gradients in the Chinese Loess Plateau[J]. Global and Planetary Change, 2019, 181:102995. doi: 10.1016/j.gloplacha.2019.102995.

DOI

[16]
Cao R C, Hu Z M, Jiang Z Y, et al. Shifts in ecosystem water use efficiency on China's Loess Plateau caused by the interaction of climatic and biotic factors over 1985-2015[J]. Agricultural and Forest Meteorology, 2020, 291:108100. doi: 10.1016/j.agrformet.2020.108100.

DOI

[17]
Gang C C, Zhang Y, Guo L, et al. Drought-induced carbon and water use efficiency responses in dryland vegetation of northern China[J]. Frontiers in Plant Science, 2019, 10:224. doi: 10.3389/fpls.2019.00224.

DOI

[18]
Sun S B, Song Z L, Wu X C, et al. Spatio-temporal variations in water use efficiency and its drivers in China over the last three decades[J]. Ecological Indicators, 2018, 94:292-304.

DOI

[19]
Tian H Q, Chen G S, Liu M L, et al. Model estimates of net primary productivity, evapotranspiration, and water use efficiency in the terrestrial ecosystems of the southern United States during 1895-2007[J]. Forest Ecology and Management, 2010, 259(7):1311-1327.

DOI

[20]
Tian H Q, Lu C Q, Chen G S, et al. Climate and land use controls over terrestrial water use efficiency in monsoon Asia[J]. Ecohydrology, 2011, 4(2):322-340.

DOI

[21]
王在高, 梁虹. 基于GIS分析喀斯特流域下垫面因素对枯季径流的影响: 以贵州省河流为例[J]. 中国岩溶, 2002, 21(1):55-60.

[ Wang Zaigao, Liang Hong. Analyzing the effect of ground factors to the characteristics of low flow in Karst drainage basins based on GIS: Case study of the rivers in Guizhou Province. Carsologica Sinica, 2002, 21(1):55-60.]

[22]
高江波, 吴绍洪, 戴尔阜, 等. 西南喀斯特地区地表水热过程研究进展与展望[J]. 地球科学进展, 2015, 30(6):647-653.

[ Gao Jiangbo, Wu Shaohong, Dai Erfu, et al. The progresses and prospects of research on water and heat balance at land surface in the karst region of Southwest China. Advances in Earth Science, 2015, 30(6):647-653. ]

[23]
张继, 周旭, 蒋啸, 等. 贵州高原不同地貌区和植被类型水分利用效率的时空分异特征[J]. 山地学报, 2019, 37(2):173-185.

[ Zhang Ji, Zhou Xu, Jiang Xiao, et al. Spatial and temporal variability characteristics of water use efficiency in different landform regions and vegetation types of Guizhou Plateau, China. Mountain Research, 2019, 37(2):173-185. ]

[24]
Fu P L, Zhu S D, Zhang J L, et al. The contrasting leaf functional traits between a karst forest and a nearby non-karst forest in South-west China[J]. Functional Plant Biology, 2019, 46(10):907-915.

DOI

[25]
黄甫昭, 李冬兴, 王斌, 等. 喀斯特季节性雨林植物叶片碳同位素组成及水分利用效率[J]. 应用生态学报, 2019, 30(6):1833-1839.

[ Huang Fuzhao, Li Dongxing, Wang Bin, et al. Foliar stable carbon isotope composition and water use efficiency of plant in the karst seasonal rain forest. Chinese Journal of Applied Ecology, 2019, 30(6):1833-1839. ]

[26]
张强, 王蓉, 岳平, 等. 复杂条件陆—气相互作用研究领域有关科学问题探讨[J]. 气象学报, 2017, 75(1):39-56.

[ Zhang Qiang, Wang Rong, Yue Ping, et al. Several scientific issues about the land-atmosphere interaction under complicated conditions. Acta Meteorologica Sinica, 2017, 75(1):39-56. ]

[27]
王恒松, 熊康宁, 刘云. 喀斯特区地下水土流失机理研究[J]. 中国水土保持, 2009(8):11-14, 64.

[ Wang Hengsong, Xiong Kangning, Liu Yun. Mechanism research of soil and water loss underground in karst region. Soil and Water Conservation in China, 2009(8):11-14, 64. ]

[28]
马文瀚. 贵州喀斯特脆弱生态环境的可持续发展[J]. 贵州师范大学学报(自然科学版), 2003, 21(2):75-79.

[ Ma Wenhan. Sustainable development of vulnerable karst ecological environment in Guizhou. Journal of Guizhou Normal University (Natural Science), 2003, 21(2):75-79.]

[29]
焦树林, 梁虹. 喀斯特地区流域地貌与岩性的统计关系探讨: 以贵州省为例[J]. 中国岩溶, 2002, 21(2):95-100.

[ Jiao Shulin, Liang Hong. The research on the relationship between drainage basins' landforms and its lithologic features in karst region: A case study in Guizhou Province. Carsologica Sinica, 2002, 21(2):95-100. ]

[30]
刘梅先, 徐宪立. 气候变化及人为活动驱动下的西南喀斯特生态水文研究评述[J]. 农业现代化研究, 2018, 39(6):930-936.

[ Liu Meixian, Xu Xianli. Ecohydrology in Karst region of southwestern China under changing climate and human activities: A review. Research of Agricultural Modernization, 2018, 39(6):930-936. ]

[31]
何霄嘉, 王磊, 柯兵, 等. 中国喀斯特生态保护与修复研究进展[J]. 生态学报, 2019, 39(18):6577-6585.

[ He Xiaojia, Wang Lei, Ke Bing, et al. Progress on ecological conservation and restoration for China karst. Acta Ecologica Sinica, 2019, 39(18):6577-6585. ]

[32]
Tong X W, Wang K L, Yue Y M, et al. Quantifying the effectiveness of ecological restoration projects on long-term vegetation dynamics in the karst regions of Southwest China[J]. International Journal of Applied Earth Observation and Geoinformation, 2017, 54:105-113.

DOI

[33]
Ai Z P, Wang Q X, Yang Y H, et al. Variation of gross primary production, evapotranspiration and water use efficiency for global croplands[J]. Agricultural and Forest Meteorology, 2020, 287:107935. doi: 10.1016/j.agrformet.2020.107935.

DOI

[34]
曾珍, 杨本勇, 范建容, 等. 基于地表粗糙度地学意义的地表真实面积计算[J]. 遥感技术与应用, 2014, 29(5):846-852.

[ Zeng Zhen, Yang Benyong, Fan Jianrong, et al. Calculating landscape surface area based on the geology significance of the surface roughness. Remote Sensing Technology and Application, 2014, 29(5):846-852. ]

[35]
江冲亚, 方红亮, 魏珊珊. 地表粗糙度参数化研究综述[J]. 地球科学进展, 2012, 27(3):292-303.

[ Jiang Chongya, Fang Hongliang, Wei Shanshan. Review of land surface roughness parameterization study. Advances in Earth Science, 2012, 27(3):292-303. ]

[36]
王雨生, 王召海, 邢汉发, 等. 基于MaxEnt模型的珙桐在中国潜在适生区预测[J]. 生态学杂志, 2019, 38(4):1230-1237.

[ Wang Yusheng, Wang Zhaohai, Xing Hanfa, et al. Prediction of potential suitable distribution of Davidia involucrata Baill in China based on MaxEnt. Chinese Journal of Ecology, 2019, 38(4):1230-1237. ]

[37]
魏博, 马松梅, 宋佳, 等. 新疆贝母潜在分布区域及生态适宜性预测[J]. 生态学报, 2019, 39(1):228-234.

[ Wei Bo, Ma Songmei, Song Jia, et al. Prediction of the potential distribution and ecological suitability of Fritillaria walujewii. Acta Ecologica Sinica, 2019, 39(1):228-234. ]

[38]
张明达, 王睿芳, 李艺, 等. 云南省小粒咖啡种植生态适宜性区划[J]. 中国生态农业学报(中英文), 2020, 28(2):168-178.

[ Zhang Mingda, Wang Ruifang, Li Yi, et al. Ecological suitability zoning of Coffea arabica L. in Yunnan Province. Chinese Journal of Eco-Agriculture, 2020, 28(2):168-178. ]

[39]
杨光, 李庆和, 孙保平. 基于GIS的不同精度DEM提取地形指标误差分析: 以盐池县南部山区为例[J]. 水土保持研究, 2008, 15(5):57-60.

[ Yang Guang, Li Qinghe, Sun Baoping. An uncertainty analysis of terrain features derived from DEM with different precision based on GIS: Taking the south mountain areas of Yanchi County as example. Research of Soil and Water Conservation, 2008, 15(5):57-60. ]

[40]
李瑞玲, 王世杰, 周德全, 等. 贵州岩溶地区岩性与土地石漠化的相关分析[J]. 地理学报, 2003, 58(2):314-320.

[ Li Ruiling, Wang Shijie, Zhou Dequan, et al. The correlation between rock desertification and lithology in karst area of Guizhou. Acta Geographica Sinica, 2003, 58(2):314-320. ]

[41]
凡非得, 王克林, 熊鹰, 等. 西南喀斯特区域水土流失敏感性评价及其空间分异特征[J]. 生态学报, 2011, 31(21):6353-6362.

[ Fan Feide, Wang Kelin, Xiong Ying, et al. Assessment and spatial distribution of water and soil loss in karst regions, Southwest China. Acta Ecologica Sinica, 2011, 31(21):6353-6362. ]

[42]
张撬华. 广西石漠化治理模式案例库管理系统设计及应用[D]. 南宁: 广西师范学院, 2011.

[ Zhang Qiaohua. The design and the application of the case management system of Guangxi desertification governance mode. Nanning, China: Guangxi Teachers Education University, 2011. ]

[43]
张洁, 赵浩彦, 张民侠, 等. 广义线性模型在林火发生预报中的应用[J]. 林业工程学报, 2017, 2(1):135-142.

[ Zhang Jie, Zhao Haoyan, Zhang Minxia, et al. Research on generalized linear models applied to forest fire forecast. Journal of Forestry Engineering, 2017, 2(1):135-142. ]

[44]
柳生吉, 杨健. 基于广义线性模型和最大熵模型的黑龙江省林火空间分布模拟[J]. 生态学杂志, 2013, 32(6):1620-1628.

[ Liu Shengji, Yang Jian. Modeling spatial patterns of forest fire in Heilongjiang Province using generalized linear model and maximum entropy model. Chinese Journal of Ecology, 2013, 32(6):1620-1628. ]

[45]
曹铭昌, 周广胜, 翁恩生. 广义模型及分类回归树在物种分布模拟中的应用与比较[J]. 生态学报, 2005, 25(8):2031-2040.

[ Cao Mingchang, Zhou Guangsheng, Weng Ensheng. Application and comparison of generalized models and classification and regression tree in simulating tree species distribution. Acta Ecologica Sinica, 2005, 25(8):2031-2040. ]

[46]
Balzarolo M, Peñuelas J, Veroustraete F. Influence of landscape heterogeneity and spatial resolution in multi-temporal in situ and MODIS NDVI data proxies for seasonal GPP dynamics[J]. Remote Sensing, 2019, 11(14):1656. doi: 10.3390/rs11141656.

DOI

[47]
Rao Y H, Zhu X L, Chen J, et al. An improved method for producing high spatial-resolution NDVI time series datasets with multi-temporal MODIS NDVI data and Landsat TM/ETM+ Images[J]. Remote Sensing, 2015, 7(6):7865-7891.

DOI

[48]
吕妍, 张黎, 闫慧敏, 等. 中国西南喀斯特地区植被变化时空特征及其成因[J]. 生态学报, 2018, 38(24):8774-8786.

[ Lv Yan, Zhang Li, Yan Huimin, et al. Spatial and temporal patterns of changing vegetation and the influence of environmental factors in the karst region of Southwest China. Acta Ecologica Sinica, 2018, 38(24):8774-8786. ]

[49]
唐荣彬, 付梅臣, 王力, 等. 喀斯特岩溶、非岩溶区植被总初级生产力与土壤呼吸的空间差异及其环境因子分析[J]. 地球与环境, 2020, 48(3):307-317.

[ Tang Rongbin, Fu Meichen, Wang Li, et al. Spatial differences and its environmental factors of vegetation primary productivity and soil respiration in karst and non-karst areas. Earth and Environment, 2020, 48(3):307-317. ]

[50]
张心竹, 王鹤松, 延昊, 等. 2001—2018年中国总初级生产力时空变化的遥感研究[J]. 生态学报, 2021, 41(16):6351-6362.

[ Zhang Xinzhu, Wang Hesong, Yan Hao, et al. Analysis of spatio-temporal changes of gross primary productivity in China from 2001 to 2018 based on Romote Sensing. Acta Ecologica Sinica, 2021, 41(16):6351-6362. ]

[51]
Zhang Y P, Tan Z H, Song Q H, et al. Respiration controls the unexpected seasonal pattern of carbon flux in an Asian tropical rain forest[J]. Atmospheric Environment, 2010, 44(32):3886-3893.

DOI

[52]
Fei X H, Song Q H, Zhang Y P, et al. Carbon exchanges and their responses to temperature and precipitation in forest ecosystems in Yunnan, Southwest China [J]. Science of the Total Environment, 2018, 616/617:824-840.

DOI

[53]
Tan Z H, Zhang Y P, Schaefer D, et al. An old-growth subtropical Asian evergreen forest as a large carbon sink[J]. Atmospheric Environment, 2011, 45(8):1548-1554.

DOI

[54]
Fei X H, Jin Y Q, Zhang Y P, et al. Eddy covariance and biometric measurements show that a savanna ecosystem in Southwest China is a carbon sink[J]. Scientific Reports, 2017, 7:41025. doi: 10.1038/srep41025.

DOI

[55]
李佳, 辛晓洲, 彭志晴, 等. 地表蒸散发遥感产品比较与分析[J]. 遥感技术与应用, 2021, 36(1):103-120.

[ Li Jia, Xin Xiaozhou, Peng Zhiqing, et al. Remote sensing products of terrestrial evapotranspiration: Comparison and outlook. Remote Sensing Technology and Application, 2021, 36(1):103-120. ]

[56]
Guo F, Jiang G H, Yuan D X, et al. Evolution of major environmental geological problems in Karst areas of Southwestern China[J]. Environmental Earth Sciences, 2013, 69(7):2427-2435.

DOI

[57]
王尚彦, 况顺达, 戴传固, 等. 白云岩和石灰岩山区石漠化速度差异原因分析[J]. 贵州地质, 2009, 26(1):49-51.

[ Wang Shangyan, Kuang Shunda, Dai Chuangu, et al. Analyses on the reason of rocky desertification speed difference of dolomite and limestone in mountain area. Guizhou Geology, 2009, 26(1):49-51. ]

Options
文章导航

/

〈 〉