張 佳,溫仲明,2,楊尚斌

(1.西北農林科技大學資源環(huán)境學院,陜西楊陵712100;2.西北農林科技大學中國科學院水利部水土保持研究所,陜西楊陵712100)

在水土流失嚴重的黃土丘陵區(qū),植被恢復重建對控制水土流失、改善生態(tài)環(huán)境具有至關重要的作用。但該地區(qū)特殊的環(huán)境條件,如降水量少、蒸發(fā)量大、氣候干燥、土壤水分不足等,使得植被恢復重建存在諸多困難,物種、結構單一,“成活率低、保存率低、生態(tài)效益低”等問題較為普遍[1],在局部地區(qū),植被對土壤水分的消耗超過了土壤水分的恢復補償,形成利用性土壤干層[2],導致這些人工植被出現(xiàn)不同程度的退化。針對上述問題,不少研究人員分別從物種選擇[3]、植被重建的水文效應[4]、土壤水分的植被承載力[5]、自然植被模擬[6]等方面進行了較多的研究,為植被恢復重建提供了較好的理論依據(jù),但上述研究大多在小尺度(坡面或樣方)進行或以點帶面進行粗略的空間分析,從環(huán)境要素的空間異質性及植被的空間分布方面研究較少(集中于自然植被),少有研究從生物量角度對環(huán)境的植被承載能力進行分析。而根據(jù)生態(tài)代謝理論,區(qū)域生物量的形成與生態(tài)代謝密切相關[7-8],自然條件下環(huán)境所能承載的生物量受環(huán)境能量控制,有一定的閾值。從現(xiàn)實角度分析,自然演替形成的與環(huán)境處于相對穩(wěn)定狀態(tài)的植物群落,代表了一定立地環(huán)境下植被發(fā)展的最高水平[9],其生物量是自然條件下環(huán)境所能承載的最大現(xiàn)實生物量。但由于人為干擾或利用,現(xiàn)實生物量往往會超出環(huán)境所能承載的最大量,導致植被出現(xiàn)不同的退化。因此,從生物量角度分析這些退化植被的空間分布或對環(huán)境的生物量承載狀況進行評估,有望對這些退化植被的改造和利用、植被恢復規(guī)劃與布局等提供重要的科學依據(jù)。

鑒于此,本文試圖在現(xiàn)有研究的基礎上,以黃土丘陵區(qū)延河流域為研究區(qū),以自然植被為參照,從生物量角度出發(fā),采用模型法等分析流域的潛在生物量和現(xiàn)有生物量,并通過空間分析,對流域的生物量承載狀況進行評估。

1 研究地區(qū)與研究方法

1.1 研究區(qū)概況

本研究區(qū)為延河流域 ,位于 36°23′-37°17′N,108°45′-110°28′E,是黃河中游河口鎮(zhèn)-龍門區(qū)間的一級支流,由西北向東南,流經(jīng)志丹、安塞、延安,在延長縣南河溝鄉(xiāng)涼水岸附近匯入黃河。延河流域全長286.9 km,總面積7 687 km2,平均坡度為4.3‰。該流域屬大陸性季風氣候,年均降水量約500 mm,年均氣溫約 9℃,從東南向西北,氣候、溫度具有明顯的梯度變化特征。流域植被分布從南向北依次為森林區(qū)、森林草原區(qū)和草原區(qū),植被隨環(huán)境梯度的變化明顯。植被類型從南向北分為南部嶗山遼東櫟、刺槐、油松、闊葉-針葉混交林帶,中部延安到安塞之間為檸條、白羊灌草草原過渡帶,安塞以北為百里香、長芒草草原帶。

1.2 研究方法

根據(jù)研究目標,研究對象主要分為兩類,一是與現(xiàn)有氣候環(huán)境條件處于相對平衡的穩(wěn)定的自然植物群落,其生物量將代表現(xiàn)有氣候條件下的潛在生物量,主要利用模型法進行估算;一是流域現(xiàn)有土地利用條件下的生物量,主要利用遙感信息進行評估。

1.2.1 植物群落生物量數(shù)據(jù)采集與處理 采用環(huán)境梯度分層采樣技術進行采樣。根據(jù)降水、溫度的梯度變化,將延河流域劃分為17個環(huán)境梯度單元,在各個環(huán)境梯度單元內選擇有代表性的樣地若干,具體方法可參見文獻[10]。樣地的設置采用典型取樣法,喬木林地樣方一般設為10 m×10 m、灌木樣地為5 m×5m、草本樣地為2m×2m。調查每個樣方所在位置的植被類型、經(jīng)緯度、海拔、坡度和坡向等。對于草本樣地,將接近地表的植物地上部分全部剪下,對于灌木樣地,按比例進行部分采樣。記錄樣品總鮮重,帶回實驗室烘干(80℃)至恒重,稱量記錄樣品烘干重。根據(jù)樣品的含水率及總鮮重的大小計算地上生物量。對于喬木樣地,記錄樹種名,測量樣方內喬木的樹高、地徑、胸徑、冠幅等數(shù)據(jù),利用這些數(shù)據(jù),對李秀英[11]文章中的計算公式進行率定,用以計算喬木的生物量。數(shù)據(jù)采集的時間為2008年7-8月,經(jīng)過數(shù)據(jù)校正檢驗最后確定采用的樣本數(shù)為151。對各環(huán)境梯度單元內的各土地利用類型下的生物量進行選樣測定,包括人工喬木林、灌木林、果園、農田等。具體到采樣方法同自然植物群落。根據(jù)采樣比例,共采集樣方191個,其中包括自然植被的生物量數(shù)據(jù)在內。

1.2.2 其他數(shù)據(jù)收集 氣候、地形是影響生物量分布的重要環(huán)境因素。根據(jù)現(xiàn)有研究,結合研究區(qū)實際環(huán)境條件,共選擇9個氣象因子參與植被分布預測模型的建立,分別為年均最冷氣溫(tem p-cold),年均最高氣溫(temp-hot),年均植被生長季溫度(tem-4-10),年均氣溫(tem-avg),年均雨季總降雨量(rain-789),年均總降雨量(rain-y),年均蒸發(fā)量(ET0),降雨季節(jié)變化(rainsea)和溫度季節(jié)變化(temsea)。這些指標可根據(jù)氣候數(shù)據(jù)求算,氣候數(shù)據(jù)來源于黃土高原各省、縣屬57個氣象站點數(shù)據(jù),時間為1980-2000年,面數(shù)據(jù)通過空間插值獲取。

本文選擇的地形因子包括坡度(slope)、坡向(aspe)、相對高程(elev)與地形部位(posi)4個地形因子,其中坡度、坡向可由DEM(25m分辨率)直接生成。高程可從DEM直接讀取。地形部位采用高程殘差分析,并結合坡度,將延河流域的地形部位劃分為7類,即河道與溝間平地、下坡位、中坡、上坡、峁頂、高平地和細小溝谷。

此外,土壤水分也是影響植被生物量的一個重要因素,本文同時在樣地附近進行土壤水分采樣。每20 cm取樣一次,取樣深度為5 m。經(jīng)室內處理后,計算出各層的土壤含水率(SW),由于在黃土丘陵溝壑區(qū),植被的年際降雨下滲深度只在2 m以上[12],所以本文最后采用2 m(為排除雨天影響,去掉最表層的20 cm)的土壤含水率的平均數(shù)作為土壤水分因子數(shù)據(jù)。最終本文植被潛在生物量建模選擇了14個影響因子。

遙感數(shù)據(jù)采用2008年夏季的 TM影像,利用遙感圖像處理軟件ERDAS,從TM圖像數(shù)據(jù)中提取出了最能反映生物量的綠度植被指數(shù)(歸一化植被指數(shù)NDVI、正交植被指數(shù)PVI和土壤調節(jié)植被指數(shù)MSAVI),用以提取流域現(xiàn)有生物量。

1.2.3 潛在生物量建模 主要利用實際調查的延河流域自然植物群落生物量數(shù)據(jù)為響應變量,環(huán)境因子為預測變量,通過分析生物量與氣候、水分、地形等環(huán)境因子的關系,建立生物量-環(huán)境因子關系模型,來實現(xiàn)潛在生物量的估算。但因環(huán)境條件的復雜性和多變性,現(xiàn)實中的生物量數(shù)據(jù)并不遵循正態(tài)分布,采用線性模型難以獲得較好的關系模型。利用線形模型、廣義線形模型(generalized linear model,GLM)及廣義相加模型(GAM)對數(shù)據(jù)進行多次分析,廣義相加模型(GAM)的預測效果最好,因此采用廣義相加模型來實現(xiàn)對潛在生物量的估算。

GAM是通過聯(lián)結函數(shù),建立響應變量的數(shù)學期望值與預測變量的光滑函數(shù)關系。數(shù)學公式為

式中:gi——連接函數(shù);E(Y)——響應變量的數(shù)學期望值;fi——光滑函數(shù);Xi——自變量。GAM 其實質是廣義線性模型(GLM)的半?yún)?shù)擴展,其假設函數(shù)是可以相加的,并且函數(shù)的組成部分是光滑函數(shù)。GAM是一個非參數(shù)模型。GAM模型具有高度的靈活性,能有效揭示數(shù)據(jù)中所隱含的生態(tài)關系,是近年來生態(tài)學中應用較為廣泛的模型之一。

研究采用的工具和技術平臺包括:(1)ANUSPLIN空間插值分析工具;(2)ARCGIS和ARCV IEW空間分析平臺;(3)S-PLUS統(tǒng)計工具。

1.2.4 現(xiàn)有生物量遙感建模 現(xiàn)有生物量主要基于地面實測數(shù)據(jù)與遙感植被數(shù)據(jù)關系來獲取。經(jīng)過對線性回歸方法與GAM模型的比較,結果表明,采用GAM可獲得較為理想的結果。楊英蓮[13]等的研究也表明采用植被指數(shù)監(jiān)測生物量時非線性模型要好于線性模型,與本研究結論一致。

1.2.5 潛在/現(xiàn)有生物量空間格局模擬 將生物量數(shù)據(jù)與環(huán)境因子數(shù)據(jù),分別按照統(tǒng)計分析建模需求的格式進行整理,導入統(tǒng)計軟件S-PLUS中(設定坡向和地形部位為因子變量),利用其中的GRASP(generalized regression analysis and spatial prediction)模塊,得到生物量-環(huán)境關系模型,生成查找表(lookup table)。在ARCVIEW 軟件中導入環(huán)境因子圖及查找表,通過模型運算得到延河流域自然生態(tài)系統(tǒng)潛在生物量空間分布圖。同理,利用SPLUS中GRASP模塊,得到生物量與各植被指數(shù)的關系模型,在ARCVIEW中生成延河流域現(xiàn)有生物量的空間模擬圖。

1.2.6 生物量估算結果驗證 本研究在進行建模的時候,預留取出一定比例的樣地數(shù)據(jù)用于最后的模型驗證。具體為:在分布預測圖中提取出預留點的生物量預測值,將之與原始的生物量數(shù)據(jù)進行回歸分析,采用相關系數(shù)R檢驗和P值檢驗。R是用來判斷回歸直線與各樣本點的緊密程度,R越接近于1,表明擬合程度越好。P值檢驗,若Pα＜(α為預定顯著水平,一般為0.1或0.05),說明因變量與自變量顯著相關,即預測結果符合實際。

2 結果與分析

2.1 潛在植被生物量建模

潛在生物量估算,是評估流域植被生產(chǎn)潛力的重要參照。根據(jù)生物量數(shù)據(jù)分布,建立GAM模型時選擇預測效果較好的泊松分布,并采用雙向逐步回歸法建模,以解決變量間的共線性問題,同時在ARCV IEW 中導入查找表(look up table),利用GRASP插件對整個流域的潛在植被生物量進行估算。所得模型如下:

式中:s——光滑函數(shù) spline;4——預測變量自由度;分布族 family——逆似然 quasi模型;log——關聯(lián)函數(shù);方差variance為mu,mu是線性預測器的平滑可逆函數(shù)。方差檢驗結果表明,總自由度138,剩余殘差431.031 5,對應自由度81.470 87,零模型擬合離差(nu ll deviance)為1 046.8,表明模型可以較好地擬合潛在生物量的分布。同時也采用ROC檢驗對模型進行交叉驗證,ROC檢驗是使用ROC曲線來表示模型敏感度與特異性之間的平衡度,ROC值一般為0.5～1,當值等于0.5時表明模型無法診斷優(yōu)劣,值愈大,表明模型愈優(yōu),在本模型中,ROC值為0.796 975 7,同樣可以得出,模型置信度較高。

模型表明,該區(qū)潛在生物量主要受水分、溫度、地形因素的影響。具體地,主要受土壤水分、坡位、年均植被生長季氣溫和溫度季節(jié)比的影響。雖然從自由度來看,都為4,但是具體分析各個因子的貢獻率可以看出各預測因子做出的貢獻是不同的(表1)。

表1 預測變量貢獻率分析

從表1中可以看出:當從模型中剔除坡位時,模型變化為1.228,變化較小,但是剔除其他三個變量時,變化稍大。假設模型僅包括單個變量時,四個變量的貢獻率由高到低為:溫度季節(jié)變化比(219.430 2)、坡位(151.298 3)、年均植被生長季氣溫(112.517 3)、土壤含水率(101.467 0),這表明,溫度季節(jié)變化比對模型的貢獻最高。

2.2 現(xiàn)有生物量建模

利用遙感估算現(xiàn)有生物量是大尺度生物量估算的重要途徑。以遙感植被指數(shù)為預測變量,生物量為響應變量,建立現(xiàn)有生物量遙感估算模型,結果如下:

同理,模型檢驗中:零模型擬合離差null deviance為1 146.86,總自由度147,剩余殘差764.239 8,對應自由度134.207 7,ROC值為0.715 43,方程置信度較高。最終進入模型的因子是MSAVI和NDVI。根據(jù)貢獻率分析,M SAVI對模型的貢獻率更大,這是因為MSAV I為修正土壤調整植被指數(shù),去除了土壤背景值的影響,能更好地反映植被的綠度信息。

表2 預測變量貢獻率分析

2.3 延河流域潛在生物量預測與制圖

利用建模時生成的查找表,將其導入 ARCV IEW中,同時將模型所需的各預測變量導入ARCV IEW,然后運算模型,即可實現(xiàn)對延河流域潛在植被生物量的預測制圖(附圖16),圖中生物量單位為 t/hm2。

延河流域植被分布基本情況是:南部地區(qū)自然分布有灌木林及喬木林分,如酸棗、狼牙刺、荊條、遼東櫟林、側柏、雞爪槭等,中北部,植被類型逐漸過渡到鐵桿蒿、大針茅等,生物量逐漸降低,至西北角,則主要分布有百里香等地帶性草本群落,旱生特征明顯,生物量最低。

從附圖16中可以看出,延河流域潛在生物量的空間分布隨溫度和降雨梯度,表現(xiàn)出從東南向西北遞減的變化趨勢,與現(xiàn)實狀況相符。但個別生境也會造成生物量的異常分布,如在中北部地區(qū),能夠明顯看到幾個生物量異常大的地點。經(jīng)核查實際數(shù)據(jù),生物量異常與局部特殊的土壤條件有關。這些立地土層較薄,一般為100 cm,土壤下層為巖石層,水分入滲小,土壤含水量較高,因此可分布有大的灌木如丁香、狼牙刺、鐵桿蒿、栒子,具有較高的生物量。這一結論,與張信寶等人[14]的推論一致,也說明GAM模型具有較好的預測能力。

2.4 延河流域現(xiàn)有生物量分布預測與制圖

采用同樣的方法,可以得到延河流域現(xiàn)有生物量分布圖(附圖17)。附圖17表明,延河流域現(xiàn)有生物量的空間分布,整體趨勢南高北低,但在中北部卻有較多的明顯的高生物量分布,這與附圖16中中北部的生物量分布情況明顯不同。附在圖16的潛在生物量預測中,中北部只有因局部特殊土壤條件而形成的幾處大的生物量分布區(qū),根據(jù)實際調查數(shù)據(jù)可知,附圖17中這些較多分布的高生物量主要來源于人工喬木林和灌木林。比較兩者可以看出,東南部地區(qū)現(xiàn)有生物量低于潛在預測的生物量。這些區(qū)別為延河流域環(huán)境植被承載狀況的評估提供了條件。

2.5 延河流域環(huán)境植被承載現(xiàn)狀評估

評估區(qū)域環(huán)境的植被承載現(xiàn)狀及其空間分布,對于有針對性的植被恢復決策、現(xiàn)有植被的改造和利用具有重要的指導意義。以延河流域潛在生物量為參照,利用ARCGIS空間分析技術,與流域現(xiàn)有生物量分布圖進行相減,得到延河流域環(huán)境的植被承載現(xiàn)狀評估圖(附圖18)。為更好地在空間上顯示流域環(huán)境植被承載現(xiàn)狀的空間分布,將圖進一步簡化,得到流域環(huán)境的植被承載現(xiàn)狀評估簡化圖(附圖19)。

從附圖18可以明顯看出,在流域的東南部地區(qū),潛在生物量高于現(xiàn)實生物量,其原因是東南部在黃土高原植被帶劃分上處于森林區(qū),是該流域自然狀態(tài)下喬灌木分布的主要地區(qū),但因人為干擾等,現(xiàn)實中的土地利用生產(chǎn)潛力卻往往與自然生產(chǎn)潛力有較大差距,如人工純林、果園、農田等系統(tǒng);而在中北部地區(qū),則在局部出現(xiàn)較多的現(xiàn)實生物量高于潛在生物量的情況。環(huán)境的植被承載狀況在整個流域差異較大,超過環(huán)境承載能力的植被大多分布在中北部(附圖19),這也是造成這些地區(qū)人工植被退化的主要原因。

2.6 模擬結果的驗證

上述結論能否對實踐提供真正有價值的依據(jù),需要對所得結論進行驗證。根據(jù)檢驗需求,本研究在建模過程中,隨機挑出一定比例的潛在生物量數(shù)據(jù)(20個采樣點)和現(xiàn)有生物量數(shù)據(jù)(22個),用于預測結果的檢驗。結果表明,對于潛在生物量分布,實際值與預測值相關性分析結果為:R值為0.819,P值為0＜0.05,預測值與實測值差異不顯著,所建模型具有較好的預測能力;對于現(xiàn)有生物量分布,實際值與預測值回歸分析結果為:R值為0.934 6,P值為0＜0.05,利用遙感信息與地面實際調查相結合,可以提取較為可靠的現(xiàn)實生物量信息。上述結果表明,研究所得結果比較可靠,可以對生產(chǎn)實踐提供較好的科學依據(jù)。

3 討 論

黃土高原的植被恢復,因原生自然植被的嚴重破壞,一直存在種什么、在哪里種的問題。雖然有較多的研究從黃土高原的植被地帶性規(guī)律、自然植被演替規(guī)律、黃土高原土壤水分與植被恢復關系等方面,提出了黃土高原植被恢復應該遵循的原則,如遵循植被地帶性分布規(guī)律[15]、模仿自然植被營造人工植被[16]、適地適林[17]等,但在實踐上如何實施卻存在一定的困難。從20世紀50年代在黃土高原開展的一系列的植被恢復工作,在理論上和實踐中也取得了一些成績,但從總體上來講,治理程度和效益不盡如人意,生態(tài)環(huán)境惡化沒有得到有效遏制,營造的很多人工植被恢復背離植被的自然分布規(guī)律及自然條件的制約[18],導致不同程度的系統(tǒng)退化,如土壤水分的過渡消耗[19],甚至土壤干層的出現(xiàn),植被退化明顯,形成大面積的“小老頭”樹[1]。顯然,黃土高原植被恢復在實踐上并沒有很好地實施上述原則。原因之一是在實踐上不能對整個區(qū)域的環(huán)境狀況及其植被分布現(xiàn)狀進行較為準確的評估,植被恢復的整體規(guī)劃和布局缺乏相應的技術支持。

本文正是針對這一問題,從生物量角度分析環(huán)境對生物量的承載能力,同時考慮了土壤水分、溫度、氣候、地形等環(huán)境因素,所得結果較好地表現(xiàn)了流域的植被承載現(xiàn)狀及其空間分布。從方法看,采用廣義相加模型這一種建模途徑,不僅在用于物種預測時有很好的效果[6,10],對于單一的自變量和多因子建模這種情況,同樣可以運用,且模型效果優(yōu)于線性模型。通過模型法,可以較好地解決植被地帶劃分進行植被區(qū)劃時不能反映環(huán)境要素及植被空間變化的缺點(同一植被帶往往同質),可以為植被恢復重建提供更為科學的指導,對于更好地實施目前提出的植被恢復措施具有重要意義。

[1] 侯慶春,韓蕊蓮.黃土高原植被建設中的有關問題[J].水土保持通報,2000,20(2):53-56.

[2] 王力,邵明安,張青峰.陜北黃土高原土壤干層的分布和分異特征[J].應用生態(tài)學報,2004,15(3):436-442.

[3] 郭志乾,劉東海.黃土丘陵區(qū)水平梯田地埂林植物種選擇[J].寧夏農林科技,1998(1):42-43.

[4] 馬祥華,焦菊英.黃土高原植被恢復與土壤環(huán)境相互作用研究進展[J].水土保持研究,2004,11(4):157-161.

[5] 郭忠升,邵明安.土壤水分植被承載力初步研究[J].科技導報(北京),2006,24(2):56-59.

[6] 溫仲明,焦峰,焦菊英.黃土丘陵區(qū)延河流域潛在植被分布預測與制圖[J].應用生態(tài)學報,2008,19(9):1897-1904.

[7] Brown JH,Gillooly J F,A llen A P,et al.Toward a metabolic theory of ecology[J].Eco logy,2004,85(7):1771-1789.

[8] Vander M J.Metabolic theories in ecology[J].T rends in Ecology&Evolution,2006,21(3):136-140.

[9] 趙黎芳,叢日晨.模擬自然植物群落恢復地帶性植被[J].北京園林,2005,21(3):15-18.

[10] 赫曉慧,溫仲明,王進鑫.基于gam模型的延河流域主要草地物種空間分布及其與環(huán)境的關系[J].生態(tài)學雜志,2008,27(10):1718-1724.

[11] 李秀英.森林健康評價指標體系初步研究與應用[D].北京:中國林業(yè)科學研究院,2006.

[12] 孫長忠,黃寶龍.黃土高原人工植被與其水分環(huán)境相互作用關系研究[J].北京林業(yè)大學學報,1998,20(3):7-14.

[13] 楊英蓮,邱新法,殷青軍.基于MODIS增強型植被指數(shù)的青海省牧草產(chǎn)量估產(chǎn)研究[J].氣象,2007,33(6):102-107.

[14] 張信寶,安芷生.黃土高原地區(qū)森林與黃土厚度的關系[J].水土保持通報,1994,14(6):1-4.

[15] 鄒厚遠.陜北黃土高原植被區(qū)劃及與林草建設的關系[J].水土保持研究,2000,7(2):96-101.

[16] 王占孟.模擬天然植被演替規(guī)律建設黃土高原生態(tài)系統(tǒng)的研究[J].甘肅林業(yè)科技,1995,20(1):41-49,55.

[17] 梁一民,陳云明.論黃土高原造林的適地適樹與適地適林[J].水土保持通報,2004,24(3):69-72.

[18] 楊文治.黃土高原土壤水資源與植樹造林[J].自然資源學報,2001,16(5):433-438.

[19] 王力,邵明安.陜北黃土高原人工刺槐林生長與土壤干化的關系研究[J].林業(yè)科學,2004,40(1):84-91.