吳路華,王世杰,白曉永,*,周 苗,宋小慶,田義超,羅光杰,李匯文,操 玥,李 琴,陳 飛,鄧元紅

1 銅仁學(xué)院經(jīng)濟(jì)管理學(xué)院,銅仁 554300 2 中國科學(xué)院地球化學(xué)研究所,貴陽 550081 3 中國科學(xué)院大學(xué),北京 100049 4 中國科學(xué)院普定喀斯特生態(tài)系統(tǒng)觀測(cè)研究站,安順 562100 5 天津大學(xué)表層地球系統(tǒng)科學(xué)研究院,天津 300072 6 貴州省地質(zhì)礦產(chǎn)勘查開發(fā)局111地質(zhì)大隊(duì),貴陽 550000 7 北部灣大學(xué)資源與環(huán)境學(xué)院,欽州 535099 8 貴州省地理國情監(jiān)測(cè)重點(diǎn)實(shí)驗(yàn)室,貴陽 550018 9 西安交通大學(xué)人居環(huán)境與建筑工程學(xué)院, 西安 710049 10西安地球環(huán)境創(chuàng)新研究院, 西安 710061

當(dāng)前,全球持續(xù)增溫,并可能在未來很長一段時(shí)間保持著變暖趨勢(shì)。全球變暖加快了水文循環(huán),同時(shí)也增大了極端氣候事件發(fā)生的頻率和幅度,導(dǎo)致旱澇事件增多[1—2]。據(jù)統(tǒng)計(jì),過去40年,全球氣候變化及相關(guān)的極端氣候事件所造成的經(jīng)濟(jì)損失平均上升了10倍[3—4]。2007年IPCC[5]最新評(píng)估報(bào)告表明,在過去50年中,極端氣候事件特別是強(qiáng)降雨、極端高溫、熱浪等事件的頻率和強(qiáng)度分別呈現(xiàn)不斷增多與增強(qiáng)的趨勢(shì)。根據(jù)我國發(fā)布的《氣候變化國家評(píng)估報(bào)告》預(yù)測(cè),氣候變暖可能會(huì)導(dǎo)致各流域未來年蒸發(fā)量增大,旱澇等災(zāi)害的出現(xiàn)頻率增加,并加劇水資源的時(shí)空不穩(wěn)定性與供需矛盾[6—7]。因此,研究極端氣候事件的發(fā)生演變規(guī)律對(duì)于緩解極端氣候事件引起的各種旱澇災(zāi)害,預(yù)防和監(jiān)測(cè)自然災(zāi)害有重要意義,而且也是當(dāng)前研究氣候變化的重點(diǎn)。

極端氣候的演變特征、原因和機(jī)制在各個(gè)區(qū)域乃至全球都進(jìn)行了大量的研究[8—11]。這些研究發(fā)現(xiàn),全球變暖導(dǎo)致了極端氣候事件發(fā)生頻率增大,幅度增強(qiáng),且極端降雨事件卻有較大的時(shí)空差異[12—14]。在全球變暖的背景下,極端氣候事件發(fā)生的原因極其復(fù)雜,與多種因素密切相關(guān),尤其是極端降雨事件的演變特征、未來變化情景預(yù)估以及影響極端氣候演變的因素均存在一定的復(fù)雜性、不確定性和區(qū)域差異性[15—17],這些因素導(dǎo)致極端氣候事件發(fā)生機(jī)理、演變過程和影響機(jī)制的研究受到了長期的制約。而現(xiàn)今,關(guān)于極端氣候指數(shù)的研究也主要集中在極端氣候事件發(fā)生的頻率、幅度和非穩(wěn)定性變異等領(lǐng)域[18—21]。而在地域上也主要集中全球大尺度區(qū)域,在中國多集中于東部、北部和西北干旱半干旱地區(qū)[22—26],在喀斯特地區(qū)主要以省市等行政區(qū)為單元,而以流域尺度的研究相對(duì)缺乏。此外,長時(shí)間尺度上極端氣候的演變規(guī)律及其對(duì)流域生態(tài)環(huán)境的影響也尚不明晰,如極端氣候事件的變化趨勢(shì)、突變時(shí)間、周期性特征和未來演變規(guī)律及其對(duì)生態(tài)環(huán)境變化的影響等,這嚴(yán)重制約了喀斯特槽谷流域極端氣候事件的模擬預(yù)測(cè),對(duì)于槽谷區(qū)流域水資源優(yōu)化管理及其生態(tài)環(huán)境恢復(fù)產(chǎn)生了重要的影響。

鑒于此,本文以中國南方典型喀斯特槽谷區(qū)的印江河流域作為研究對(duì)象,運(yùn)用Men-Kendall趨勢(shì)及突變檢驗(yàn)法、連續(xù)小波變換和Hurst指數(shù)揭示了印江河流域極端氣候指數(shù)的演變趨勢(shì)、突變特征、周期性以及未來持續(xù)性特征,并利用Lindeman-Merenda-Gold模型定量評(píng)估了極端氣候?qū)ι鷳B(tài)環(huán)境變化的相對(duì)貢獻(xiàn)率。研究主要解決以下三個(gè)問題:(1)闡明極端氣候指數(shù)演變特征；(2)揭示極端氣候事件之間發(fā)生演變的關(guān)聯(lián)性；(3)揭示極端氣候演變對(duì)流域生態(tài)環(huán)境的影響。研究結(jié)果可為國內(nèi)同行研究極端氣候事件演變特征及其影響下的生態(tài)環(huán)境恢復(fù)和流域管理提供科學(xué)依據(jù)。

1 研究區(qū)

圖1 印江河流域海拔高程及水文氣象觀測(cè)站點(diǎn)Fig.1 Elevation and hydrometeorological observation stations in Yinjiang river basin

印江河流域(108°21′21″—108°47′27″E,27°53′17″—28°13′57″N)位于貴州省東北部,貴州武陵山區(qū)腹地,是印江縣喀斯特石漠化綜合治理示范區(qū)的一個(gè)典型喀斯特槽谷型流域。印江河流域隸屬于長江流域?yàn)踅档囊粋€(gè)重要分支流域,面積691.56 km2。流域地形梯度大,東南高,中部和西北部相對(duì)偏低,海拔范圍439—2466 m(圖1),平均海拔1033 m。流域內(nèi)擁有1個(gè)水文觀測(cè)站,1個(gè)氣象觀測(cè)站,3個(gè)雨量觀測(cè)站。槽谷區(qū)僅有一條河流,為流域主河道印江河,并經(jīng)過槽谷底部。此外,還擁有從上游從梵凈山西麓流下的3條主要支流。流域地表陡峭而破碎,以順層坡和逆層坡為主。盡管印江河流域水熱條件豐富,但流域內(nèi)地形起伏大,喀斯特坡面連通著大量地下裂隙管道,導(dǎo)致徑流和降雨地下漏失非常嚴(yán)重。此外,流域喀斯特地區(qū)植被覆蓋低,土壤淺薄,人類活動(dòng)極其頻繁,水土流失嚴(yán)重,且集水區(qū)域小,河網(wǎng)密度低,因而流域內(nèi)徑流量較小,多年平均年徑流量僅達(dá)4.62×108m3/a。由于受濕潤的亞熱帶季風(fēng)氣候的影響,流域溫度高,降雨豐富,蒸發(fā)強(qiáng)度大,多年平均氣溫17.14℃,最高氣溫40.4℃,最低氣溫-4.1℃,多年平均降雨量和蒸發(fā)量分別高達(dá)1103.44 mm/a和667.01 mm/a,最大降水量151.5 mm/d,總降雨量以0.89 mm/a的速率上升。2000年以后,全年35℃以上的高溫天數(shù)平均達(dá)30天以上,25℃以上高溫天數(shù)達(dá)150天以上,并分別以0.3、0.12 d/a的速率上升,極端高溫和極端低溫分別以0.1℃/10a和0.3℃/10a的速率上升。極端降雨事件發(fā)生頻率總體上也有上升趨勢(shì),在近20年來引發(fā)了非常嚴(yán)重的洪澇災(zāi)害。

2 材料與方法

2.1 數(shù)據(jù)來源與預(yù)處理

本文選用典型喀斯特槽谷區(qū)印江河流域的逐日最高氣溫、最低氣溫、平均氣溫和降雨資料計(jì)算極端氣候指數(shù),時(shí)間跨度從1961年1月1日至2015年12月31日,長達(dá)55a。氣溫?cái)?shù)據(jù)來源于中國氣象共享平臺(tái)(http://cdc.cma.gov.cn/),雨量站及氣象站降雨數(shù)據(jù)來自于貴州省水文水資源局(http://www.gzswj.gov.cn/hydrology_gz_new/index.phtml)。所有氣象資料精度高、觀測(cè)歷時(shí)長,缺失數(shù)據(jù)少于0.01%。較少的缺失數(shù)據(jù)用同站點(diǎn)同期臨近時(shí)段數(shù)據(jù)的均值進(jìn)行填補(bǔ)[27]。其中,氣溫資料利用SNHT[28—29]和TPR方法[30]進(jìn)行均一化檢驗(yàn)和訂正處理。數(shù)據(jù)質(zhì)量控制利用R軟件程序包“RClimDex”(http://etccdi.pacificclimate.org/software.shtml)來完成。此外,在對(duì)降雨數(shù)據(jù)進(jìn)行均一性檢驗(yàn)時(shí),由于日降雨噪聲較大,因而對(duì)非均一性斷點(diǎn)很難判斷,因此,本文先對(duì)經(jīng)過對(duì)數(shù)轉(zhuǎn)換的月數(shù)據(jù)進(jìn)行均一性檢驗(yàn),以此為依據(jù),再對(duì)日降雨數(shù)據(jù)進(jìn)行均一性判斷[31]。均一性檢驗(yàn)利用程序包“RHtestsV4”(http://etccdi.pacificclimate.org/software.shtml)來完成。結(jié)果顯示所有數(shù)據(jù)不存在均一性斷點(diǎn)。最后,利用“RClimDex”程序包在R平臺(tái)[32]下進(jìn)行極端氣候指數(shù)計(jì)算。此外,本文基于MATLAB平臺(tái)和C語言程序?qū)Ω鱾€(gè)極端氣候指數(shù)進(jìn)行了Men-Kendall趨勢(shì)及突變檢驗(yàn)、小波周期性和Hurst指數(shù)分析。

生態(tài)環(huán)境質(zhì)量數(shù)據(jù)主要為2000—2015年的凈初級(jí)生產(chǎn)力(NPP)和歸一化植被指數(shù)(NDVI)數(shù)據(jù)。其中,NDVI是基于SPOT/VEGETATION NDVI衛(wèi)星遙感數(shù)據(jù)在月數(shù)據(jù)基礎(chǔ)上采用最大值合成法生成的年度空間數(shù)據(jù)集[33](http://www.resdc.cn/),而NPP數(shù)據(jù)來自于MODIS17A3數(shù)據(jù)集的16天合成產(chǎn)品經(jīng)最大值合成法形成的年度NPP產(chǎn)品(http://www.ntsg.umt.edu/)。兩個(gè)數(shù)據(jù)集的空間分辨率均為1000 m。

2.2 極端氣候指數(shù)計(jì)算方法

氣候變化檢測(cè)、監(jiān)測(cè)和指標(biāo)專家組(ETCCDMI)共定義了10個(gè)極端降雨指數(shù)和16個(gè)極端氣溫指數(shù)。本文共計(jì)算了26個(gè)極端氣候指數(shù),以及5個(gè)根據(jù)“RClimDex”程序系統(tǒng)監(jiān)測(cè)閾值確定的極端氣候指數(shù)[6, 34],具體包括11個(gè)極端降雨指數(shù)(表1)和20個(gè)極端氣溫指數(shù)(表2)。極端氣候指數(shù)的百分位數(shù)值分別選取90%(10%)和95%(5%)作為極端氣候指數(shù)的上下限閾值確定標(biāo)準(zhǔn)。日最高溫上限閾值為34.4℃,下限閾值為6.4℃,日最低溫上限閾值為23.8℃,下限閾值為0.6℃,日最高降雨閾值為17.3 mm。

表1 本文所使用的極端降雨指數(shù)定義

表2 本研究所使用的極端氣溫指數(shù)定義

2.3 極端氣候演變分析及貢獻(xiàn)評(píng)估方法

本文結(jié)合Theil-Sen趨勢(shì)分析和Mann-Kendall秩相關(guān)趨勢(shì)檢驗(yàn)法分析時(shí)間序列,能夠定量地檢測(cè)時(shí)間序列的變化趨勢(shì)和顯著性[35—36]。并利用基于Morlet的連續(xù)小波分析法揭示極端氣候指數(shù)在不同時(shí)間尺度上的周期性變化特征[37—41]。最后運(yùn)用Hurst指數(shù)研究極端氣候指數(shù)時(shí)間序列的長期記憶性[42—43]。為了定量描述未來趨勢(shì)性成分的強(qiáng)度大小,本文根據(jù)Hurst系數(shù)進(jìn)行強(qiáng)度分級(jí),由弱到強(qiáng)分為5級(jí),具體詳見Wu 等[44]。最后,利用Lindeman-Merenda-Gold模型定量評(píng)估了極端氣候?qū)ι鷳B(tài)環(huán)境變化的相對(duì)貢獻(xiàn)率[45—47],該模型能夠很好地避免回歸變量的階次效應(yīng),并準(zhǔn)確地計(jì)算出各個(gè)因子對(duì)目標(biāo)因子的相對(duì)重要性,目前已被廣泛應(yīng)用于生態(tài)水文領(lǐng)域研究[48—49]。

3 結(jié)果分析

3.1 極端氣候演變特征

3.1.1趨勢(shì)性

大部分極端氣溫指數(shù)通過了95%置信度標(biāo)準(zhǔn)檢驗(yàn),呈現(xiàn)顯著性上升趨勢(shì)(圖2),系統(tǒng)閾值炎熱夜數(shù)(TR23.8)上升最快,上升速率為0.46 d/a,系統(tǒng)閾值夏日日數(shù)(SU34.4)上升速率次之,為0.30 d/a,系統(tǒng)閾值霜凍日數(shù)(FD0.6)下降速率最快為-0.32 d/a。這表明印江河流域極端溫度顯著上升,極端高溫事件頻率有增多趨勢(shì)。對(duì)于極端降雨指數(shù),只有年最大連續(xù)無降雨天數(shù)(CDD)存在明顯下降趨勢(shì),僅通過90%的顯著性檢驗(yàn)。其中,年最大連續(xù)降雨天數(shù)(CWD)、年總雨日降水量(PRCPTOT)、極強(qiáng)降雨日數(shù)(R20)、年強(qiáng)降雨量(R95p)、年最大1日降雨量(Rx1day)、年最大連續(xù)5日降雨量(Rx5day)呈上升趨勢(shì),而CDD、強(qiáng)降雨日數(shù)(R10)、系統(tǒng)閾值大雨日數(shù)(R17.3)、年極強(qiáng)降雨量(R99p)、年平均日降雨強(qiáng)度(SDII)呈現(xiàn)下降趨勢(shì)。此外,PRCPTOT上升速率最快,為0.90 mm/a,R95p上升次之,上升速率為0.81 mm/a,R99p下降速率最快,為-0.28 mm/a。由此可見,印江河流域極端強(qiáng)度降雨和連續(xù)無雨日數(shù)均有緩慢下降趨勢(shì)。此外,強(qiáng)降雨日數(shù)及年平均日降雨強(qiáng)度均減小,但降水總量增加,年最大連續(xù)降雨天數(shù),說明年內(nèi)下雨天數(shù)增多,這表明流域氣候逐漸呈現(xiàn)著多熱濕潤的特征。

圖2 極端氣候指數(shù)Mann-Kendall趨勢(shì)Fig.2 Mann-Kendall trend of extreme climate indexes CDD：年最大連續(xù)無降雨天數(shù);CSDI：冷持續(xù)指數(shù);CWD：年最大連續(xù)降雨天數(shù);DTR：平均溫差;FD0：霜凍日數(shù);FD0.6：系統(tǒng)閾值霜凍日數(shù);GSL：生長期長度;ID0：結(jié)冰日數(shù);ID6.4：系統(tǒng)閾值結(jié)冰日數(shù);PRCPTOT：年總雨日降水量;R10：強(qiáng)降雨日數(shù);R17.3：系統(tǒng)閾值大雨日數(shù);R20：極強(qiáng)降雨日數(shù);R95p：年強(qiáng)降雨量;R99p：年極強(qiáng)降雨量;Rx1day：年最大1日降雨量;Rx5day：年最大連續(xù)5日降雨量;SDII：年平均日降雨強(qiáng)度;SU25：夏日日數(shù);SU34.4：系統(tǒng)閾值夏日日數(shù);TN10p：冷夜日數(shù);TN90p：暖夜日數(shù);TNn：年日最低溫的最小值;TNx：年日最低溫的最大值;TR20：炎熱夜數(shù);TR23.8：系統(tǒng)閾值炎熱夜數(shù);TX10p：冷晝?nèi)諗?shù);TX90p：暖晝?nèi)諗?shù);TXn：年日最高溫的最小值;TXx：年日最高溫的最大值;WSDI：熱持續(xù)指數(shù)

3.1.2突變性

對(duì)于極端氣溫指數(shù),除冷持續(xù)指數(shù)(CSDI)、結(jié)冰日數(shù)(ID0)、熱持續(xù)指數(shù)(WSDI)外,其他18個(gè)指數(shù)均發(fā)生了突變(圖3),但只有平均溫差(DTR)、系統(tǒng)閾值霜凍日數(shù)(FD0.6)和霜凍日數(shù)(FD0)三個(gè)指數(shù)突變通過了95%水平顯著性檢驗(yàn),年日最低溫的最小值(TNn)突變通過了99%水平顯著性檢驗(yàn)。其他極端氣溫指數(shù)均表現(xiàn)為非顯著性突變特征。從突變時(shí)間上看,大部分極端氣溫指數(shù)的突變年份集中在1990和2000年左右,處于全球氣溫上升階段。對(duì)于極端降雨指數(shù),除CWD沒有突變年份外,其他9個(gè)極端降雨指數(shù)均存在突變年份,但均沒有通過顯著性水平檢驗(yàn),突變年份在1990年以后居多,表明極端降雨事件發(fā)生受到了極端氣溫事件的影響。

圖3 極端氣候指數(shù)突變時(shí)間特征Fig.3 Abrupt change time of extreme climate indexes Z為檢驗(yàn)統(tǒng)計(jì)量

3.1.3極端氣候指數(shù)周期性

印江河流域極端氣溫指數(shù)均存在不同時(shí)間尺度的周期性變化(圖4),主要極端氣溫指數(shù)存在著28 a左右的周期性。由于多時(shí)間尺度特征,印江河流域極端氣溫事件發(fā)生較為頻繁。對(duì)于極端降雨指數(shù),除CWD沒有明顯的周期性外,其他的極端降雨指數(shù)均有明顯的周期性,其中CDD具有三個(gè)明顯的主周期。

從時(shí)間尺度上看,印江河流域極端降雨指數(shù)與極端氣溫指數(shù)都存在28 a時(shí)間尺度的周期性。PRCPTOT、R17.3、R20具有相同的第一主周期(28 a)和第二主周期(18 a)。CDD、R95p、R99p、Rx1day具有時(shí)間尺度為6 a的第二主周期,表明連續(xù)無雨期和極端降雨期均比較集中,且存在小時(shí)間尺度的周期性變化。此外,本文發(fā)現(xiàn)大部分極端氣溫指數(shù)與極端降雨指數(shù)在25—32 a時(shí)間尺度上具有10 a一次,交叉出現(xiàn)的偏多偏少中心。隨著年份遞增,FD0和FD0.6在各個(gè)時(shí)間尺度上的周期性均有減弱,在2000年后周期性極不明顯。而ID0周期性則越加明顯,在5 a時(shí)間尺度以下卻基本沒有周期性特征。

3.1.4未來持續(xù)性

根據(jù)Hurst指數(shù)結(jié)果(圖5、圖6),所有極端氣候指數(shù)的Hurst指數(shù)均大于0.5,呈正持續(xù)性,這表明未來印江河流域極端氣候指數(shù)將持續(xù)過去的趨勢(shì)。無論從持續(xù)等級(jí)還是持續(xù)強(qiáng)度上看,極端氣溫指數(shù)的持續(xù)等級(jí)更高,持續(xù)強(qiáng)度更強(qiáng),這表明未來極端氣溫事件會(huì)增多。從持續(xù)時(shí)間看,未來極端氣溫都將有所上升,由于限制持續(xù)年份的指數(shù)不多,因而,印江河流域未來將有可能出現(xiàn)嚴(yán)重的連續(xù)性高溫事件。

圖5 極端氣候指數(shù)Hurst指數(shù)特征Fig.5 Characteristics of Hurst Index of extreme climate indexes R為極差序列，S為標(biāo)準(zhǔn)差序列，lg(R/S)表示對(duì)極差序列與標(biāo)準(zhǔn)差序列的比值R/S取十進(jìn)對(duì)數(shù);t為時(shí)間序列，lg(t)表示對(duì)時(shí)間序列t取十進(jìn)對(duì)數(shù)

對(duì)于極端降雨指數(shù),除CWD表現(xiàn)為無時(shí)間限制的增長趨勢(shì)外,其他的極端降雨指數(shù)的持續(xù)性均受到時(shí)間限制。其中PRCPTOT、R20、R95p、Rx1day和Rx5day分別為23、22、22、14、25 a,持續(xù)等級(jí)較低,持續(xù)強(qiáng)度較弱,這表明降雨量在未來20 a左右將會(huì)持續(xù)增多,可能引發(fā)集中性大雨,甚至洪澇事件發(fā)生。而CDD、R10、R17.3、R99p和SDII的持續(xù)時(shí)間也多為20—30 a左右的持續(xù)減小趨勢(shì),持續(xù)等級(jí)低于III級(jí),持續(xù)性強(qiáng)度分別為弱、較弱和較強(qiáng)等級(jí),表明降雨量呈現(xiàn)持續(xù)增多,但未來極強(qiáng)暴雨事件頻率和降雨強(qiáng)度將有所減小,即干旱時(shí)段減少,而濕熱多雨事件將增多。

圖6 極端氣候指數(shù)未來持續(xù)性變化特征Fig.6 Characteristics of the continuous change of extreme climate index in the future Vn為引入的統(tǒng)計(jì)值，用來定量描述時(shí)間序列未來變化趨勢(shì)的平均周期;對(duì)于正持續(xù)性(H>0.5)的時(shí)間序列， Vn-lgt 曲線為上升曲線;反之，對(duì)于逆持續(xù)性(Hurst<0.5)的時(shí)間序列， Vn-lgt 曲線向下傾斜;如果Vn在Vn-lgt曲線上隨lgt的變化而出現(xiàn)轉(zhuǎn)折點(diǎn)時(shí)，歷史狀態(tài)對(duì)未來狀態(tài)的影響即將消失

此外,極端氣溫指數(shù)平均Hurst值為0.78,持續(xù)等級(jí)為IV,持續(xù)強(qiáng)度為強(qiáng)；極端降雨指數(shù)平均Hurst值為0.58,持續(xù)等級(jí)為II,持續(xù)強(qiáng)度為較弱。與極端降雨指數(shù)相比,極端氣溫指數(shù)未來持續(xù)等級(jí)更高,強(qiáng)度更強(qiáng)?？傮w來看,無論是持續(xù)性時(shí)間、持續(xù)性強(qiáng)度和等級(jí),極端氣溫指數(shù)均比極端降雨指數(shù)變化顯著,這表明印江河流域極端氣溫事件的發(fā)生頻率將遠(yuǎn)大于極端降雨事件的頻率,其氣候可能多為連續(xù)性極端高溫下濕熱多雨事件。

3.2 生態(tài)環(huán)境變化特征

由于數(shù)據(jù)時(shí)間分辨率和流域空間限制,本文以NPP和NDVI作為生態(tài)環(huán)境指標(biāo),探討2000—2015年極端氣候?qū)ι鷳B(tài)環(huán)境變化的影響(圖7)。印江河流域NDVI平均值為0.59,總體上以0.0013/a的速率上升,2004、2007和2012年分別為NDVI的三個(gè)突變點(diǎn)。2000—2012年間,NDVI平均以-0.0003/a的速率降低,之后以0.0082/a的速率增長。流域平均NPP為598.53 g C m-2a-1,在研究時(shí)段內(nèi)呈現(xiàn)減少趨勢(shì),平均減少速率為-3.32 g C m-2a-1,在2011年達(dá)到最低值(500.81 g C m-2a-1),2004和2012年分別為NPP的兩個(gè)突變點(diǎn)。2000—2012年間,NPP平均以-8.46 g C m-2a-1的速率降低,之后以22.68 g C m-2a-1的速率增長。研究發(fā)現(xiàn)在2012年突變年份之后無論是NDIV還是NPP均有猛增的趨勢(shì),而在之前均出現(xiàn)了降低趨勢(shì),但在總體上趨勢(shì)卻相反,這表明極端氣候變化對(duì)NDVI和NPP的影響有著一定的差異。

圖7 凈初級(jí)生產(chǎn)力和歸一化植被指數(shù)變化特征Fig.7 Change characteristics of net primary production (NPP) and normalized difference vegetation index (NDVI)

3.3 極端氣候?qū)ι鷳B(tài)環(huán)境變化的影響

基于NPP、NDVI與31個(gè)極端氣候指數(shù)的相關(guān)性表明同類型的極端氣候指數(shù)(極端氣溫指數(shù)或極端降雨指數(shù))的相關(guān)性較高(圖8),且大多表現(xiàn)為正相關(guān)。而極端氣溫指數(shù)與極端降雨指數(shù)間的相互影響并不明顯,并多表現(xiàn)為負(fù)相關(guān),且相關(guān)系數(shù)都較低。以上表明極端氣溫事件中各種單一事件之間會(huì)相互影響,且這種影響既有正面影響也有負(fù)面影響。極端降雨事件之間也存在相互影響,且均為正面影響,即不同程度的降雨事件將可能會(huì)引發(fā)其他程度的降雨事件,而極端氣溫與極端降雨事件的之間的影響極小。

對(duì)于2000—2015年間的NPP變化,DTR和CSDI與NPP的相關(guān)系數(shù)最大,冷夜日數(shù)(TN10p)次之,生長期長度(GSL)、年日最高溫的最大值(TXx)、夏日日數(shù)(SU25)、暖晝?nèi)諗?shù)(TX90p)和WSDI五個(gè)極端氣溫指數(shù)也表現(xiàn)為正相關(guān),其他極端氣溫指數(shù)對(duì)NPP均為負(fù)相關(guān)。此外,所有極端降雨指數(shù)均與NPP具有正相關(guān)。由于NPP呈下降趨勢(shì),可見該時(shí)段的極端降雨指數(shù)降低限制了NPP的增長。對(duì)于NDVI,WSDI、TX90p和暖夜日數(shù)(TN90p)對(duì) NDVI表現(xiàn)為較強(qiáng)的正相關(guān),其他極端氣溫指數(shù)的正相關(guān)較弱,或表現(xiàn)為負(fù)相關(guān)。WSDI、TN90p、ID6.4與NDVI負(fù)相關(guān)最強(qiáng),而極端降雨指數(shù)中,CDD和DTR與NDVI的正相關(guān)較大,部分表征強(qiáng)降水的極端降雨指數(shù)則表現(xiàn)為負(fù)相關(guān)。這表明該時(shí)段降水減少對(duì)NDVI增長有限制作用。盡管NPP和NDVI變化趨勢(shì)相反,但卻表現(xiàn)為正相關(guān),表明NDVI與NPP的階段性波動(dòng)變化可能都受到某種極端氣候事件的影響。

3.4 極端氣候?qū)ι鷳B(tài)環(huán)境變化的相對(duì)貢獻(xiàn)

基于Lindeman-Merenda-Gold模型計(jì)算得到印江流域各極端氣候指數(shù)對(duì)NPP和NDVI的相對(duì)貢獻(xiàn)率(圖9)。CSDI對(duì)NPP變化的貢獻(xiàn)最大,其貢獻(xiàn)率占到了12.64%,其次為DTR,貢獻(xiàn)率為11.50%。此外,ID6.4、GSL、TN10p、炎熱夜數(shù)(TR20)、SDII和R17.3的貢獻(xiàn)也不容忽視,剩余的極端氣候指數(shù)對(duì)NPP變化的貢獻(xiàn)都不超過5%。ID6.4和TN90p對(duì)NDVI變化表現(xiàn)出較大的貢獻(xiàn)率,分別為13.67%和13.54%。WSDI和TX90p對(duì)NDVI變化的貢獻(xiàn)相對(duì)次之,分別為12.95%和10.02%。其他極端氣候指數(shù)貢獻(xiàn)偏小。ID6.4對(duì)NPP和NDVI均表現(xiàn)為較大的負(fù)貢獻(xiàn),CWD、TX10p和Rx5day對(duì)NPP和NDVI都表現(xiàn)為較低的負(fù)貢獻(xiàn)。而CDD、CSDI、DTR、FD0.6、GSL、ID0、SDII、SU25、TN10p、TN90p、TX90p、TXx和WSDI對(duì)NPP和NDVI均表現(xiàn)為正貢獻(xiàn)其余的極端氣候指數(shù)對(duì)兩者則表現(xiàn)為相反的貢獻(xiàn)。總體上看,多數(shù)的極端氣溫指數(shù)對(duì)NPP累積有限制作用,而對(duì)NDVI具有促進(jìn)作用,而極端降雨指數(shù)多對(duì)NDVI表現(xiàn)為限制作用,而對(duì)NPP表現(xiàn)為促進(jìn)作用。

圖9 不同極端氣候指數(shù)對(duì)NPP和NDVI影響的相對(duì)貢獻(xiàn)率Fig.9 Relative contribution rate of different extreme climate indexes to NPP and NDVI 對(duì)于NPP,藍(lán)色表示正貢獻(xiàn),黃色表示負(fù)貢獻(xiàn)；對(duì)于NDVI,紅色表示負(fù)貢獻(xiàn),綠色表示正貢獻(xiàn)

4討論4.1極端氣候演變的潛在關(guān)聯(lián)性

印江河流域極端高溫、極端低溫及暖晝暖夜日數(shù)增加,冷晝冷夜日數(shù)驟減,平均溫差降低,表明白天和夜晚的極端氣溫都有升高的趨勢(shì),且晝夜溫差呈現(xiàn)不斷減小。SDII減小,而PRCPTOT增加,CDD減少,而CWD增加,都表明降雨總量及連續(xù)性有雨日數(shù)均增加,而連續(xù)無雨期減少,即流域內(nèi)呈現(xiàn)濕熱多雨氣候特征。此外,本文雖然與往研究的時(shí)間尺度有所不同,但大部分極端氣候的演變過程均與以往的研究結(jié)果較為一致[8,50—51]。GSL、CDD、ID6.4和PRCPTOT的突變年份與年總降雨量的突變年份相近(圖3)。TN10p和TXx的突變年份與DTR相近,而SDII與PRCPTOT和DTR的突變年份都比較接近。從圖8的相關(guān)性上看,同類型極端氣候指數(shù)之間都具有一定的相關(guān)性,這表明同類型極端氣候事件的發(fā)生具有一定的關(guān)聯(lián)。以往的研究表明Rx1day、Rx5day、R95p、SDII和R20之間存在良好的相關(guān)性,極端降雨指數(shù)與降水總量之間存在顯著的正相關(guān)[51—52]。這表明同類的極端氣候事件之間存在相互的影響。甚至部分極端降雨事件與極端氣溫事件也存在相互的影響,如CDD和CWD的發(fā)生分別CSDI與WSDI有關(guān)。

對(duì)于演變周期,CDD、R95p、R99p、Rx1day的第二主周期為6 a,Rx5day為9 a。而根據(jù)陳學(xué)凱等[52]研究表明,極端降水普遍存在6—7 a的主周期和10—12 a的次周期,且極端降水的周期變化與太陽黑子活動(dòng)周期11 a和ENSO事件2—7 a發(fā)生周期相似[53]。TR20、TXx、年日最低溫的最大值(TNx)、SU25、GSL和DTR等具有相似的周期性演變特征,以及極長的持續(xù)時(shí)間,這也表明極端氣溫事件在演變周期上具有一定的關(guān)聯(lián)性。本文通過進(jìn)一步對(duì)比研究發(fā)現(xiàn),極端氣溫指數(shù)與極端降雨指數(shù)在25—32 a時(shí)間尺度間顯著的偏多中心年份也大多數(shù)對(duì)應(yīng)一致,這表明極端氣溫事件與極端降雨事件在演變過程中也存在一定的關(guān)聯(lián)性。

4.2 極端氣候?qū)χ脖谎葑兊挠绊憴C(jī)制

在2000—2015年間。印江河流域NPP呈下降趨勢(shì)而NDVI呈上升趨勢(shì),兩者具有相反的趨勢(shì)。本文通過相關(guān)系數(shù)矩陣圖(圖8)揭示了各個(gè)極端氣候指數(shù)與NPP和NDVI的相關(guān)性。極端降雨指數(shù)與NPP多呈正相關(guān),與NDVI多呈負(fù)相關(guān),這表明極端降水事件對(duì)NDVI和NPP增長有著不同的影響?？傮w上看,印江河流域極端氣候事件的發(fā)生改變了年內(nèi)降水分配格局,縮短了晝夜溫差,使得氣候呈現(xiàn)濕熱多雨的特征。溫度升高導(dǎo)致的暖晝和暖夜日數(shù)增多對(duì)NDVI增長產(chǎn)生了積極的影響。但是對(duì)NPP卻帶來負(fù)面的作用,主要是因?yàn)榕谷諗?shù)比暖晝?nèi)諗?shù)增多得快,夜晚溫度過高加快了植被呼吸強(qiáng)度[54—58],這可能導(dǎo)致植被夜晚的呼吸消耗超過白天的光合作用,進(jìn)而導(dǎo)致NPP降低。研究中發(fā)現(xiàn)極端降雨事件對(duì)NDVI表現(xiàn)為負(fù)貢獻(xiàn),而對(duì)NPP表現(xiàn)為正貢獻(xiàn),主要是因?yàn)樵?000—2011年間,極端降雨指數(shù)大多處于降低趨勢(shì),與NDVI的變化趨勢(shì)相反,而與NPP變化趨勢(shì)相同。水分脅迫制約了植被光合作用,但是溫度升高卻延長了植被的生長期,同時(shí)也加快了呼吸消耗,因而NDVI是增長的,但是NPP是降低的。而2012—2015年間極端降雨事件頻率及降雨總量均有所增加,NDVI和NPP也相對(duì)增加,整個(gè)過程中兩者的波動(dòng)特征與極端降雨指數(shù)的基本一致。然而,從相關(guān)性上看,NNPP明顯受降雨事件影響較大,而NDVI受氣溫事件影響明顯。Lindeman-Merenda-Gold模型計(jì)算結(jié)果表明TN90p、WSDI和TX90p對(duì)NDVI增長具有很大的正貢獻(xiàn),超過了10%,主要是因?yàn)闅夂蜃兣?暖夜(TN90p)和暖晝(TX90p)日數(shù)增加,加快了植被新陳代謝[59],從而促進(jìn)NDVI增長。NDVI和NPP的突變年份與對(duì)其貢獻(xiàn)較大的極端氣候指數(shù)(CDD、R95p、DTR、SDII、SU25、SU34.4、TN10p、TN90p、TNx、TR23.8和TXx等)的突變年份接近,這也間接證實(shí)了這些極端氣候事件的影響。此外,圖7顯示NDVI和NPP在2008年和2011年左右有明顯的轉(zhuǎn)折,這主要是因?yàn)?008年1月中旬至2月中旬,印江河流域乃至中國南方均遭受了50—100年一遇的大范圍的持續(xù)低溫雨雪冰凍天氣,而在2011年又遭受了大范圍的干旱影響,低溫限制了植被參與光合作用的酶活性,進(jìn)而降低葉片的光合速率,而干旱則會(huì)引發(fā)水分脅迫,導(dǎo)致氣孔關(guān)閉以從而水分損失,但同時(shí)也減少了CO2的吸收,降低了光合作用。低溫凝凍和干旱缺水均會(huì)導(dǎo)致植被生態(tài)系統(tǒng)損失嚴(yán)重,尤其是對(duì)NPP的影響更為顯著。由此可見,流域內(nèi)NPP和NDVI均受到極端氣候變化的共同影響,但不同極端氣候事情影響貢獻(xiàn)也存在顯著差異?？傮w上看,在2000—2015年間,印江河流域濕熱多雨的氣候?qū)DVI增長有促進(jìn)作用,但是由于溫度升高和降雨量增加的原因,植被呼吸消耗顯著增加,對(duì)NPP的累積產(chǎn)生了較大的負(fù)面影響。

此外,由于流域具有兩種不同的地質(zhì)背景,其上游為非喀斯特區(qū),而下游為喀斯特區(qū)。相較于非喀斯特區(qū)植被,喀斯特區(qū)植被的生長由于受到了巖性的強(qiáng)烈制約,植被生態(tài)系統(tǒng)極其脆弱[60—61]。印江河流域連續(xù)高溫和濕熱多雨的氣候會(huì)使得碳酸鹽風(fēng)化更加顯著,這雖然能增加了鈣鎂等營養(yǎng)元素的輸入,但是由于流域破碎的地表、大量存在的裂隙和管道,土壤侵蝕極為嚴(yán)重,營養(yǎng)元素流失也變得更加快速。由此可見,極端氣候演變對(duì)槽谷下游喀斯特區(qū)的植被生長更加不利,因此在該地區(qū)植被恢復(fù)過程中應(yīng)盡量選擇能與地質(zhì)背景和氣候變化相適應(yīng)的植被品種。

4.3 研究局限與展望

本文揭示了典型喀斯特槽谷區(qū)印江河流域極端氣候演變的特征及其對(duì)生態(tài)環(huán)境變化的影響貢獻(xiàn)。然而,本文在以下幾個(gè)方面存在著一定的局限。其一,在研究極端氣候演變互饋影響時(shí)僅通過相關(guān)分析闡明了極端氣候事件之間的相互影響,而沒有考慮多個(gè)事件的影響。極端氣候在時(shí)間尺度上可能存在著協(xié)同和競(jìng)爭(zhēng)機(jī)制,以及時(shí)空演變過程上的不一致性,即極端氣候事件之間的影響可能會(huì)存在著重疊效應(yīng)。其二,本文側(cè)重于極端氣候演變過程及其對(duì)生態(tài)環(huán)境變化的影響研究,因而缺乏深入揭示極端氣候事件發(fā)生演變的驅(qū)動(dòng)因子研究。其三,本文雖然依托于典型喀斯特槽谷流域,但并沒有揭示流域內(nèi)喀斯特與非喀斯特區(qū)極端氣候演變?cè)隍?qū)動(dòng)機(jī)制上的關(guān)系和區(qū)別。最后，由于流域面積較小,氣候資料難以滿足流域上游非喀斯特區(qū)與下游喀斯特區(qū)的對(duì)比研究,因而本文沒有具體闡明不同區(qū)域上極端氣候演變對(duì)植被生長的影響機(jī)理差異。下一步將重點(diǎn)選取兩個(gè)鄰近的非喀斯特與喀斯特流域做對(duì)比研究,以揭示不同地質(zhì)背景下極端氣候演變對(duì)植被變化的驅(qū)動(dòng)機(jī)制和影響貢獻(xiàn)。

5 結(jié)論

本文采用Mann-Kendall趨勢(shì)及突變檢驗(yàn)法、連續(xù)小波變換和Hurst指數(shù)闡明了典型喀斯特槽谷印江河流域近60年來極端氣候的變化趨勢(shì)、突變時(shí)間、周期性特征和未來演變規(guī)律,并利用Lindeman-Merenda-Gold模型定量評(píng)估了極端氣候?qū)ι鷳B(tài)環(huán)境變化的相對(duì)貢獻(xiàn)率。結(jié)果表明:

(1)印江河流域極端氣溫顯著上升,降雨量持續(xù)增多,極強(qiáng)度降雨事件和連續(xù)無雨日數(shù)均呈緩慢下降趨勢(shì),其氣候表現(xiàn)為濕熱多雨的氣候特征。相對(duì)于極端降雨指數(shù)，未來極端氣溫指數(shù)的持續(xù)等級(jí)將更高,持續(xù)強(qiáng)度也將更強(qiáng)。

(2)極端氣溫指數(shù)的突變年份主要集中在1990—2000年間,極端降雨指數(shù)突變年份集中在20世紀(jì)90年代以后,大部分極端氣候指數(shù)都存在突變年份,但突變特征不顯著。大部分極端氣候指數(shù)在25—32 a時(shí)間尺度上具有交叉出現(xiàn)的偏多偏少中心,時(shí)間跨度約為20 a。

(3)同類型極端氣候事件具有潛在的關(guān)聯(lián)性,相關(guān)系數(shù)較高,但不同類型間的影響較小,且多呈負(fù)相關(guān)。

(4)在2000—2015年間印江河流域平均NPP和NDVI呈現(xiàn)相反的變化趨勢(shì),NPP平均為598.53 g C m-2a-1,平均減少速率為-3.32 g C m-2a-1。NDVI平均值為0.59,平均增長速率為0.0013/a。從相關(guān)性看,NPP受降雨事件影響較大,而NDVI受極端氣溫事件影響明顯。

(5)CSDI、DTR、ID6.4和GSL對(duì)NPP變化的貢獻(xiàn)較大,貢獻(xiàn)率分別12.64%、11.50%、11.05%和7.4%。CSDI、DTR、GSL對(duì)NPP變化表現(xiàn)為負(fù)貢獻(xiàn),而ID6.4表現(xiàn)為正貢獻(xiàn),大部分極端氣候指數(shù)對(duì)NPP變化的貢獻(xiàn)都不超過5%。ID6.4、TN90p、WSDI和TX90p對(duì)NDVI變化的影響相對(duì)較大,貢獻(xiàn)率分別為13.67%、13.54%、12.95%和10.02%?？傮w上看,在2000—2015年間,印江河流域濕熱多雨的氣候?qū)DVI增長有促進(jìn)作用,但由于氣溫升高和降雨量增加的原因,對(duì)NPP累積產(chǎn)生了較大的負(fù)面影響。