论文部分内容阅读
陆地生态系统是减缓温室效应和调节气候变化的重要系统,植被碳利用效率（Carbon Use Efficiency,CUE）是碳循环的重要生态学参数,反映了植被将大气中CO2转化为生物量的固碳转移效率。因此,明晰和量化植被CUE的时空变化特征对评估和预测碳收支具有至关重要的意义。净生态系统生产力（Net Ecosystem Productivity,NEP）与总初级生产力（Gross Primary Productivity,GPP）是衡量生态系统植被生产力的标尺,也是计算生态系统CUE的基础条件。本研究以青海湖流域为研究区,以遥感数据与气象数据为基础,利用植被光合呼吸模型（The Vegetation Photosynthesis and Respiration Model,VPRM）计算了小泊湖湖滨湿地和瓦颜山河源湿地站点的NEP,并利用2个站点实际观测的NEP数据对VPRM模型进行参数优化和精度验证。在此基础上,计算了青海湖流域植被GPP和NEP,并最终计算了青海湖流域植被CUE。本研究以期为后续大尺度区域植被生产力的模拟和植被碳利用效率研究提供参考。结果如下:（1）在8天尺度上,瓦颜山和小泊湖植被NEP的模拟值与观测值的线性拟合的决定系数分别0.73（p<0.01）和0.89（p<0.01）,说明VPRM模型在青海湖流域模拟植被NEP可以较好反映植被NEP的季节变化趋势,具有较好的拟合效果。但从相对误差（RE）方面来说,小泊湖生长季和瓦颜山生长季初期、末期的植被NEP模拟值有被低估的现象,而瓦颜山生长旺盛期的植被NEP模拟值有被高估的现象。（2）2017-2018年8天尺度下的青海湖流域植被GPP和NEP,从生长季开始出现增加,在生长旺盛季达到最大值,然后开始下降,在生长季末期达到最小值。2017年8天尺度下的生长季青海湖流域植被GPP最高值为48.26 g C/m2,2018年则为40.53 g C/m2。2年植被GPP都是自5月开始增加,7月达到最大值,然后开始下降,在10月最低,2017年植被GPP生长季月平均值为78.46 g C/m2,2018年则为71.79 g C/m2,2017年植被GPP年总累积量在流域内平均值为520.42g C/m2,2018年为467.83 g C/m2,2017年植被GPP累积量也大于2018年。2017年和2018年青海湖流域植被NEP变化趋势呈“单峰型”,从第121天（5月1日）开始增加,在第200天（7月19日）左右达到最大值,然后开始下降。2017年植被NPP年总积累量在流域内平均值为170.60 g C/m2,2018年为118.56 g C/m2,2017年青海湖流域植被NEP累积量大于2018年,同GPP一致,2017年植被生长状况优于2018年。流域植被GPP和NEP的分布基本一致,以青海湖为中心,形成了“低-高-低”的环带状,且由东南向西北递减的分布规律,主要高值区集中在青海湖南北岸中部和西岸部分地区。（3）瓦颜山站点观测的植被NEP与模型输入的参数LSWI、EVI和Ta呈极显著正相关关系（p<0.001）,与PAR相关性不显著（p>0.05）,其原因可能是瓦颜山站点光照充足,植被NEP受到光照抑制较小。VPRM模型的青海湖流域植被生产力模拟,虽然整体模拟具有良好的一致性,但也存在一定的误差。误差的原因主要是输入参数的遥感影像存在误差,模型所需的一些参数因子获取途径存在误差,理想状态下模型模拟本身与实际情况存在误差,涡度相关系统所获取的生态系统植被生产力也存在误差。（4）青海湖流域植被CUE从第145天（5月25日）开始增加,在200天（7月19日）左右达到最高值,然后开始下降,在273天（9月30日）接近于0,青海湖流域植被CUE呈“单峰型”变化趋势。在生长季初期和末期,2017年流域植被CUE高于2018年,在生长旺盛时期2018年植被CUE高于2017,2018年流域8天尺度植被CUE平均值0.31,2017年则为0.34,整体而言,2017年青海湖流域植被固碳潜力更优。青海湖流域植被CUE分布主要以青海湖为中心,形成了“低-高-低”的环形条带状分布特征,且流域整体由东南向西北递减的分布规律。青海湖流域植被CUE的高值区主要分布在青海湖北岸中部、南岸大部分地区和西岸部分地区,低值区主要分布在流域周边和流域西北部。青海湖流域植被GPP、NEP和CUE随海拔高度的增加先增加后减少,峰值均出现在海拔3500-3600 m。