气候变化对北京山区华北落叶松林NPP影响研究

气候变化对北京山区华北落叶松林NPP影响研究
苏薇;余新晓;吕锡芝;范敏锐;张艺
【摘要】应用BIOME-BGC模型模拟估算了1974-2010年间北京百花山华北落叶松林的净初级生产力(NPP),并分析了不同CO2浓度和气候变化情景对NPP的影响.结果表明:模型模拟出的NPP总体上高于样地实际的测定值,平均值相差范围为-13.61％～23.55％,表现出数值的波浪形年际变化,年际变动率达4.65％;相对于温度变化,降水量是控制华北落叶松林NPP年际变化的主要气候因子；华北落叶松林NPP对单独的CO2浓度加倍、降水增加表现出正向响应,而单独的温度增加不利于华北落叶松林NPP的积累；CO2浓度加倍、降水增加和温度增加三因子共同作用有促进华北落叶松NPP增加的作用,各因子之间表现出较强的交互作用.
【期刊名称】《广东农业科学》
【年(卷),期】2012(039)007
【总页数】4页(P69-72)
【关键词】净初级生产力;气候变化;BIOME-BGC模型
【作者】苏薇;余新晓;吕锡芝;范敏锐;张艺
【作者单位】北京林业大学水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持与荒漠化防治教育部重点实验室,北京100083
【正文语种】中文
【中图分类】Q948
在全球气候变暖和极端气候事件频发的大环境下，气候变化对生态系统的影响逐渐成为全球变化研究的焦点之一[1]。

植被作为陆地生态系统的主体，在陆地生态系
统与大气系统间的能量与物质交换过程中发挥着十分重要的作用[2]。

植被净初级
生产力（Net Primary Productivity，NPP）是指绿色植物在单位面积单位时间内所累积的生物量，表现为光合作用固定的有机碳中扣除本身呼吸消耗的部分，也称净第一性生产力[3]。

估算植被NPP的模型可以概括为3大类：统计模型（Statistical Model）、参数模型（Parameter Model）和过程模型（Process-based Model）[4]，其中 CENTURY 模型[5]、CARAIB 模型[6]、TEM 模型[7-9]、BIO ME-BGC模型[10]被广泛应用于模拟气候变化对NPP的影响中。

本研究在前人研究的基础上，根据实测数据，利用BIOME-BGC模型计算出华北落叶
松林NPP并进行了验证；通过设置不同的气候变化情景，模拟出华北落叶松林NPP对不同气候变化的响应，旨在为气候变化条件下北京山区落叶针叶林生态系
统的科学经营与妥善管理提供理论依据。

1 材料与方法
1.1 研究区概况
北京市百花山林场位于门头沟西部黄塔乡境内，39°49′～39°53′N、115°25′～115°42′E，地处亚高山地带，属于太行山北端小五台山支脉。

最高峰白花畔，海
拔2 050 m。

温带大陆性季风气候，林场全年平均气温为7℃，7月份平均气温为22℃，年降水量为450～720 mm，褐色土地带。

林场多为天然次生林和人工林，林场内植被类型丰富，林分类型主要有华北落叶松（Larix principis-
rupprechtii）、油松（Pinus tabulaeform）、侧柏（Platycladus orientalis）等。

1.2 试验方法
1.2.1 NPP估算本研究采用了解析木和样地调查数据结合经验模型的方法来推求NPP，具体过程如下：
（1）先通过样地标准木的解析木数据获得标准木胸径D、树高H的连年变化量
ΔD、ΔH，然后推算出之前各年份该标准木的胸径Di、树高值Hi。

（2）以胸径、树高为参数，通过经验模型计算出各年份该树种生物量值Wi，然
后通过做差得到该标准木的连年生物量增长量ΔWi。

本研究采用王战提出的经验
模型计算华北落叶松单株生物量，方程如下：
式中，W干、W皮、W枝、W叶、W根分别代表单株华北落叶松的干、皮、枝、叶、根的生物量（kg），D 代表胸径（cm）。

（3）最后用得出的标准木连年生物量增长量ΔWi乘以样地的林分密度P（单位面积林地的林木株树）即得出单位面积的年初级净生产力增长量（NPP）。

1.2.2 模型简介 BIOME-BGC模型是模拟全球生态系统不同尺度植被、凋落物、
土壤中水、碳、氮储量和通量的生物地球化学模型[11]。

该模型将自然植被被划分为7种类型，分别是落叶阔叶林（DBF）、常绿阔叶林（EBF）、常绿针叶林（ENF）、灌木林（SHRUB）、落叶针叶林（DNF）、C3 草地和 C4草地，运行模型至少需要样地参数、气象资料、生理生态参数3类参数。

不同的植被类型对
应不同的生理参数文件，共包含42个参数。

本研究结合研究区实测值、国家气象信息中心提供的气象数据以及蒙大拿大学陆地动态数字模拟研究组（Numerical Terradynamic Simulation Group）提供的美国各类型植被生理学参数值，作为
模型输入文件，输出结果比较符合研究区的植被特征，模型参数见表1。

表1 华北落叶松的BIOME-BGC模型参数值参数整株植物死亡率植物火烧死亡率细根对叶片的碳分配比例茎对叶片的碳分配比例活木质组织对所有木质组织的碳分配比例细根对茎的碳分配比例目前生长比例叶片碳氮比枯落物碳氮比细根碳氮比活木质组织碳氮比死木质组织碳氮比叶片枯落物中易分解物质比例叶片枯落物中纤维素比例叶片枯落物中木质素比例细根中易分解物质比例细根中纤维素比例数值0.005/年0.005/年0.96 0.74 0.071 0.29 0.5 42.15kg/kg 93kg/kg 139.45kg/kg 159.86kg/kg 730kg/kg 0.31DIM 0.45DIM 0.24DIM 0.34DIM 0.44DIM参数细根中木质素比例死木质组织中纤维素比例死木质组织中木质素比例截留系数冠层光衰减系数叶表面积指数对投影叶面积指数的比例冠层平均比叶面积阳生、阴生比叶面积比例酮糖二磷酸羧化酶中氮含量对叶片氮含量比例最大气孔导度表皮导度边界导度气孔开始缩小时的叶片水势气孔完全闭合时的叶片水势气孔开始缩小时的饱和水气压差气孔完全闭合时的饱和水气压差数值0.22DIM 0.71DIM 0.29DIM 0.045/LAI·d 0.51/LAI·d 2.6DIM 22m2/kg 2DIM 0.08DIM 0.006m/s
0.00006m/s 0.09m/s-0.65MPa-2.5MPa 610Pa 3100Pa
1.2.3 未来气候变化情景设置本文对未来气候变化将模拟方案设置见表2。

表2 不同的未来气候变化情景气候情景C0T0P0 C1T0P0 C0T1P0 C0T0P1
C0T1P1 C1T1P0 C1T0P1 C1T1P1 CO2浓度不变加倍不变不变不变加倍加倍加倍温度不变不变升高2.6℃不变升高2.6℃升高2.6℃不变升高2.6℃降水量不变不变不变增加10%增加10%不变增加10%增加10%
2 结果与分析
2.1 模型验证
由于仅有1974—1992年的实测NPP数据，故采用此时间段的实测数据进行模型验证，而NPP模拟到2010年。

通过计算得出的1974—1992年18年间华北落叶松林实测NPP的平均值与模型模拟出的NPP平均值相差18.76%（相差范围-
13.61%～23.55%），模拟NPP值高于样地实际的测定值（图1），这可能是由
于模型模拟需要的部分参数值无法测定而采用模型自带参数和参考文献的数值，以及在小尺度范围内，尤其是在山区，林地的小生境条件（如小地形、海拔、坡向、坡度、土壤等）有可能影响森林NPP[12]，而模型模拟时对这些因素考虑不全面，可能导致实测数据与模拟结果之间产生一定差异。

图1 1974—2010年间华北落叶松林模拟NPP与实测NPP
总体来说，模拟NPP的大小和范围都与实际调查数据基本一致，模拟值与实测值的变化趋势基本相同，与其他研究结果较为接近，模拟效果整体较好。

BIOME-BGC模型能够比较准确地模拟北京山区落叶针叶林NPP的变化。

2.2 华北落叶松林NPP年际变化与气候变化的关系
华北落叶松林1974—2010年间的NPP平均值为394.50 g/m2·年，变化范围为225.49～519.38 g/m2·年，NPP最高值与最低值相差293.89 g/m2·年。

NPP表现出年际变化并呈现出低值高值的波浪形变化（图2），年际变动率达4.65%。

1977、1979、1986年的 NPP相对较大，而 1980、2001、2006年的NPP相
对较小。

NPP的最大值出现在1977年，最小值出现在2006年。

图2 1974—2010年间华北落叶松NPP变化曲线
在降水量较小的年份（如2001、2006年），华北落叶松林NPP相对较小，在降水量较大的年份NPP相对较大，如降水量最大的年份1977年同样也是NPP最大的年份。

将模拟的华北落叶松林NPP与降水量进行相关分析，得出相关系数为
0.75（P<0.01），具体见图3。

可见，两者之间呈现显著的线性相关关系。

图3 华北落叶松模拟NPP与降水量相关分析
将模拟的华北落叶松林NPP与平均温度进行相关分析，得出相关系数为-0.17（图4），可见，华北落叶松林模拟NPP与平均温度无线性相关性，平均温度与NPP
的年际变化关系较复杂。

这说明在1974—2010年内，降水量是控制北京山区落
叶针叶林NPP年际变化的主要气候因子。

2.3 未来气候方案下的NPP变化
图4 华北落叶松模拟NPP与温度相关分析
在CO2浓度加倍、气候不变（C1T0P0）的情况下，华北落叶松 NPP 模拟值为601.64 g/m2·年，较原来（C0T0P0）增加52.51%。

可见，CO2浓度的加倍有利于华北落叶松NPP的积累。

在CO2浓度和降水量不变、温度升高2.6℃的情况（C0T1P0）下，华北落叶松模拟 NPP 较原来（C0T0P0）降低了5.32%，可见，单独温度升高2.6℃不利于华北落叶松NPP的积累，造成温度升高不利于NPP积累的可能原因是温度变化一方面加速了植被光合作用，有利于植被干物质的积累；另一方面加速了枯枝落叶的分解、土壤CO2的释放，不利于干物质积累[13]；此外，温度升高还会导致土壤水分下降，引起植物干旱胁迫，导致温度升高进而不利于NPP积累[14]。

降水增加10%（C0T0P1），华北落叶松NPP为422.51 g/m2·年，较原来（C0T0P0）增加 7.97%，可见，降水的单独增加有利于华北落叶松NPP的积累，降水的增加能够缓解水分的胁迫，从而促进植被增长，水分的增加主要影响了植被的蒸腾作用和光合作用[15]；在温度升高2.6℃和降水增加10%（C0T1P1）的情况下，华北落叶松的NPP较原来（C0T0P0）降低了1.13%，温度和降水的交互作用为
1.53%，可见，温度和降水两者之间的交互作用较弱，温度和降水的协同增加不利于NPP的积累。

综上所述，在气候变化条件下，不同情景NPP的平均值大小排列为C0T0P1>C0T1P1>C0T0P0>C0T1P0。

在CO2浓度加倍、温度升高2.6℃、降水不变（C1T1P0）的情况下，华北落叶松NPP的模拟值为576.80 g/m2·年，增加了46.21%，交互作用为-0.98%，交互作用较弱；在CO2浓度加倍、温度不变、降水增加（C1T0P1）的情况下，华北落叶松NPP的模拟值为620.49 g/m2·年，增加了57.28%，交互作用为-3.20%；
在CO2浓度加倍、温度升高2.6℃、降水增加10%（C1T1P1）的情况下，华北
落叶松NPP的模拟值为610.42 g/m2·年，增加54.73%，交互作用为-1.1%。

可见，CO2浓度加倍、降水增加10%和温度增加2.6℃协同作用增加了落叶针叶林
的NPP，降水增加10%和温度增加2.6℃对增加NPP起到了促进作用，各因子之间表现出较强的交互作用。

3 结论
3.1 1974—1992年18年间华北落叶松林实测NPP的平均值与模型模拟出的NPP平均值相差18.76%（相差范围-13.61%～23.55%），模拟NPP值高于样地实际的测定值。

3.2 模型模拟得出的华北落叶松林1974—2010年间的NPP表现出低值高值的波浪形年际变化，年际变动率达
4.65%；华北落叶松林模拟NPP与降水量呈现显著的线性相关关系（相关系数为0.75），而与平均温度无线性相关性（相关系数为-0.17）。

3.3 气候不变的情况下，单独CO2浓度的加倍有利于华北落叶松NPP的积累；
在CO2浓度不变的情况下，单独温度升高不利于华北落叶松NPP的积累，单独
的降水增加有利于华北落叶松NPP的积累，温度和降水的协同增加不利于NPP
的积累。

不同情景下NPP的平均值大小排列为
C0T0P1>C0T1P1>C0T0P0>C0T1P0。

3.4 在CO2浓度加倍、温度升高两者协同作用下，华北落叶松林NPP积累有所
增加，两因子交互作用为-0.98%；CO2浓度加倍和降水增加两者协同作用下华北落叶松林有利于NPP积累，交互作用为-3.20%；CO2浓度加倍、温度升高和降
水增加3因子共同作用下，华北落叶松NPP积累增加，交互作用为-1.1%，可见，CO2浓度加倍、降水增加和温度增加在增加华北落叶松NPP方面起到了促进作用，各因子之间表现出较强的交互作用。

参考文献：
[1] 方精云.中国森林生产力及其对全球气候变化的响应[J].植物生态学
报,2000,24(5):513-517.
[2] 彭舜磊,由文辉,郑泽梅,等.近60年气候变化对天童地区常绿阔叶林净初级生产力的影响[J].生态学杂志,2011,30(3):502-507.
[3] 李平衡,王权,任海.马占相思人工林生态系统的碳格局及其动态模拟[J].热带亚热带植物学报,2009,17(5):494-501.
[4] Peng C H,Guiot J,Van C E,et al.Temporal and spatial variations of terrestrial biomes and carbon storage since 13000 year BP in
Europe:reconstruction from pollen data and statistical models[J].Water Air and Soil Pollution,1995,82:375-391.
[5] 周广胜,郑元润,陈四清.自然植被净第一性生产力模型及其应用[J].林业科
学,1998,34(5):2-10.
[6] 黄康有,郑卓,Cheddadi R,等.CARAIB陆地碳循环模型研究进展及其应用[J].热带地理,2007,27(6):483-488.
[7] McGuire A D,Melillo J M,Kicklighter D W,et al.Equilibrium responses of global net primary production and carbon storage to doubled atmospheric carbon dioxide:sensitivity to changes in vegetation nitrogen concentration[J].Global Biogeochemical Cycles,1997,11(2):173-189.
[8] Tian B H,Melillo J M,Kicklighter D W,et al.The sensitivity of terrestrial carbon storage to historical climate variability and atmospheric CO2in the United States[J].Tellus,1999,51:414-452.
[9] Running S W,Hunt E R J.Generalization of a forest ecosystem process model for other biomes，BIOME－BGC and an application for globalscale
models//Ehleringer J R,Field C B.Scaling Physiological Processes:Leaf to Globe[M].San Diego:Academic Press,1993:141-158.
[10]朱文泉,陈云浩,徐丹,等.陆地植被净初级生产力计算模型研究进展[J].生态学杂志,2005,24(3):296-300.
[11]李慧.福建省森林生态系统NPP和NEP时空模拟研究[D].福州:福建师范大学,2008.
[12]郑元润,周广胜,张新时,等.中国陆地生态系统对全球变化的敏感性研究[J].植物学报,1997,39(9):837-840.
[13]曾慧卿,刘琪璟,冯宗炜,等.基于BIOME-BGC模型的红壤丘陵区湿地松(Pinus elliottii)人工林GPP和NPP[J].生态学报,2008,28(11):5314-5321.
[14]何云玲,张一平.云南省自然植被净初级生产力的时空分布特征[J].山地学
报,2006,24(2):193-201.
[15]苏宏新.全球气候变化条件下新疆天山云杉林生长的分析与模拟[D].北京:中国科学院研究生院,2005.。