石曉麗，陳紅娟，史文嬌，王麗艷，潘佩佩，梁彥慶

1. 河北師范大學資源與環(huán)境科學學院，河北 石家莊 050024；2. 河北省環(huán)境演變與生態(tài)建設實驗室，河北 石家莊 050024；3. 河北地質(zhì)大學土地資源與城鄉(xiāng)規(guī)劃學院，河北 石家莊 050031；4. 中國科學院地理科學與資源研究所陸地表層格局與模擬重點實驗室，北京 100101；5. 中國科學院大學資源與環(huán)境學院，北京 100049

基于閾值識別的生態(tài)系統(tǒng)生產(chǎn)功能風險評價
——以北方農(nóng)牧交錯帶為例

石曉麗1,2，陳紅娟3，史文嬌4,5*，王麗艷1,2，潘佩佩1,2，梁彥慶1,2

1. 河北師范大學資源與環(huán)境科學學院，河北 石家莊 050024；2. 河北省環(huán)境演變與生態(tài)建設實驗室，河北 石家莊 050024；3. 河北地質(zhì)大學土地資源與城鄉(xiāng)規(guī)劃學院，河北 石家莊 050031；4. 中國科學院地理科學與資源研究所陸地表層格局與模擬重點實驗室，北京 100101；5. 中國科學院大學資源與環(huán)境學院，北京 100049

明晰未來氣候變化情景下不同類型生態(tài)系統(tǒng)生產(chǎn)功能面臨的風險，對因地制宜地采取氣候變化適應措施具有重要的現(xiàn)實意義。目前從閾值識別角度對生態(tài)系統(tǒng)風險進行評價的研究還較少。該研究提出一種基于閾值識別的氣候變化下生態(tài)系統(tǒng)風險分析的方法?；跉夂?、土壤和植被數(shù)據(jù)，運用大氣-植被相互作用模型對1961—2080年北方農(nóng)牧交錯帶的生態(tài)系統(tǒng)凈初級生產(chǎn)力進行模擬，根據(jù)氣候變化對不同類型生態(tài)系統(tǒng)凈初級生產(chǎn)力的影響定義了“危險的影響”和“不能接受的影響”兩類閾值，并根據(jù)生態(tài)系統(tǒng)凈初級生產(chǎn)力在氣候變化下的減少趨勢與兩類閾值的對比關系進行風險等級的劃分，進而對未來氣候變化下北方農(nóng)牧交錯帶不同類型生態(tài)系統(tǒng)生產(chǎn)功能面臨的風險進行了評估。結(jié)果表明：氣候變化將給北方農(nóng)牧交錯帶生態(tài)系統(tǒng)生產(chǎn)功能帶來風險，以低風險為主。風險分布與未來氣候變化密切相關，主要集中在西北地區(qū)北部、內(nèi)蒙古地區(qū)東北部和東北地區(qū)中南部。風險范圍隨增溫幅度的增加而擴展，到遠期風險面積達到165.72×104km2，占研究區(qū)總面積的44.78%。混交林、稀樹草原與荒漠草原較為危險；高寒草甸與常綠針葉林是較為安全的生態(tài)系統(tǒng)。農(nóng)牧交錯帶核心區(qū)風險程度高于邊緣區(qū)，揭示了其核心區(qū)在未來氣候變化下趨于脆弱的趨勢。

閾值；氣候變化；風險；生產(chǎn)功能；北方農(nóng)牧交錯帶

氣候變化對許多生態(tài)系統(tǒng)都已經(jīng)產(chǎn)生了明顯的影響，且未來可能會加劇影響（IPCC，2007）。本世紀內(nèi)，在中等至高排放情景下，氣候變化的程度和速率可能造成陸地生態(tài)系統(tǒng)的結(jié)構(gòu)和功能面臨發(fā)生突然和不可逆轉(zhuǎn)的區(qū)域尺度變化的高風險（IPCC，2014）。因此，深入理解氣候變化對生態(tài)系統(tǒng)所可能造成的風險，對因地制宜地采取減緩和適應氣候變化的措施具有重要的實際意義。

國內(nèi)外關于生態(tài)系統(tǒng)風險的研究較多（Keith et al.，2013；Matthews et al.，2014；Munns et al.，2016），常用的方法為生態(tài)風險評估模型，但其主要關注毒性化學物質(zhì)對生態(tài)系統(tǒng)的不利影響，很少考慮氣候變化的影響（Bayliss et al.，2012；Munns et al.， 2016）。也有一些研究采用世界自然保護聯(lián)盟的風險評估標準對生態(tài)系統(tǒng)風險進行評價（Keith et al.，2013；Wardle et al.，2015；Auld et al.，2015）。例如，Auld et al.（2015）評估了澳大利亞羅德豪維島云霧林的生態(tài)風險。但是，這種風險評估標準包含的指標很多，并不僅僅局限于氣候變化。

也有學者關注氣候變化下生態(tài)系統(tǒng)面臨的風險，對其概念和內(nèi)涵進行了探討，評估了氣候變化對生態(tài)系統(tǒng)服務功能所帶來的風險（Schroter et al.，2005；Scholze et al.，2006；Sonwa et al.，2016；Pires et al.，2016）。例如，Scholze et al.（2006）針對生態(tài)系統(tǒng)的關鍵屬性，應用全球動態(tài)植被模型評價了全球生態(tài)系統(tǒng)面臨的風險。Sonwa et al.（2016）選擇災害、影響、社會脆弱性、生物物理脆弱性和適應能力等5個要素對非洲農(nóng)業(yè)生產(chǎn)功能面臨的氣候變化風險進行了評價。Pires et al.（2016）分析了氣候變化給巴西農(nóng)業(yè)種植制度所帶來的風險。這些研究基于氣候變化引起的生態(tài)系統(tǒng)功能指標的變化幅度，評價了氣候變化對生態(tài)系統(tǒng)服務功能的影響程度，但是由于缺乏關鍵閾值的識別，氣候變化所引起的影響是否達到了危險水平不得而知。

一些學者意識到閾值對氣候變化風險評估的重要性，開始基于閾值識別進行風險標準的確定，促進了氣候變化風險的定量評估。例如，Van minnen et al.（2002）提出了“關鍵的氣候變化”的方法并評估了氣候變化對歐洲生態(tài)系統(tǒng)的風險，將“不能接受的影響”這一閾值定義為因氣候變化導致的生態(tài)系統(tǒng)凈初級生產(chǎn)力（Net Primary Productivity，NPP）基于多年平均水平的10%的損失。這種方法可以幫助定量評估風險，但對不同生態(tài)系統(tǒng)的NPP損失的差異未做進一步區(qū)分。Lei et al.（2015）在評估干旱對草地生態(tài)系統(tǒng)的風險時認為“不能接受的影響”是生態(tài)系統(tǒng)參考年的平均NPP與干旱年份NPP的差值，這個設定的閾值適用于干旱事件風險的評估，但是對除干旱之外的綜合多氣候因子的氣候變化對生態(tài)系統(tǒng)的風險評估的適用性有限。

目前從閾值角度評估氣候變化引起的生態(tài)系統(tǒng)生產(chǎn)功能的風險還較少，而對于風險何時何地發(fā)生的理解有助于因地制宜地采取減緩與適應措施。因此，本文介紹了一種定量分析氣候變化風險的方法，識別了“危險的影響”和“不能接受的影響”這兩類閾值，并據(jù)此確定風險等級，對未來氣候變化下北方農(nóng)牧交錯帶生態(tài)系統(tǒng)生產(chǎn)功能面臨的風險進行評估。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

中國北方農(nóng)牧交錯帶是處于東部濕潤區(qū)與西北干旱區(qū)之間的過渡地帶，也是我國面積最大和空間尺度最長的農(nóng)牧交錯帶和世界四大農(nóng)牧交錯帶之一。研究區(qū)包括黑龍江、吉林、遼寧、內(nèi)蒙古、河北、北京、山西、陜西、寧夏、甘肅和青海，共11個省級行政區(qū)（圖1）。近30年來研究區(qū)多年均溫從東北的-5.4 ℃到西南的18.6 ℃，年均降水從西北的34 mm到東南的1050 mm。海拔從小于200 m的東北平原到超過3000 m的祁連山。土地利用類型主要為耕地、草地和林地。在全球變暖、區(qū)域降水變率增大等氣候變化和過度放牧、耕地北擴等人類活動的影響下，近幾十年該區(qū)生態(tài)環(huán)境明顯惡化，已給當?shù)厝嗣裆a(chǎn)、生活帶來了極大危害，并對我國東部地區(qū)的生態(tài)環(huán)境和經(jīng)濟發(fā)展產(chǎn)生了不良影響，成為我國生態(tài)問題最為嚴重的區(qū)域（趙哈林等，2002；趙昕奕等，2003）。

1.2 數(shù)據(jù)

生態(tài)系統(tǒng)凈初級生產(chǎn)力是衡量全球碳循環(huán)的主要指標，其變化能夠反映氣候變化對植被生產(chǎn)力的潛在影響和碳循環(huán)反饋，是表征生態(tài)系統(tǒng)生產(chǎn)功能的重要參數(shù)。研究區(qū)NPP采用大氣-植被相互作用模型（Atmosphere Vegetation Interaction Model version 2，AVIM2）模擬（Wu et al.，2007）。該模型主要包括陸面物理過程模塊、植被生理生長模塊以及土壤有機碳轉(zhuǎn)化和分解模塊。模型所需的基本驅(qū)動數(shù)據(jù)包括氣候、土壤和植被數(shù)據(jù)，其模擬效果已在多個區(qū)域得到驗證，模型具體運算方法和驗證結(jié)果參見文獻（Ji，1995；Dan et al.，2005；Lu et al.，2006）。

圖1 研究區(qū)位置示意圖Fig. 1 Location of the study area

由于政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）發(fā)表的《排放情景特別報告》（Special Report on Emissions Scenarios，SRES）中的B2情景屬于中-低排放，與我國的中長期發(fā)展規(guī)劃比較接近，因此選用此情景數(shù)據(jù)作為本研究未來氣候變化數(shù)據(jù)。研究區(qū)IPCC SRES B2情景數(shù)據(jù)（1961—2080年）來自于中國農(nóng)業(yè)科學院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所氣候變化研究組利用英國Hadley中心PRECIS（Providing Regional Climates for Impacts Studies）模擬得到（Xu et al.，2006）。數(shù)據(jù)分辨率為50 km×50 km。模型所需的主要氣候指標有平均氣溫、最低氣溫、最高氣溫、降水、風速、云量、輻射和相對濕度等。

模型所需的土壤質(zhì)地數(shù)據(jù)來自1∶1400萬土壤質(zhì)地類型圖（中國科學院南京土壤研究所，1986），它主要反映各地土壤表層內(nèi)礦質(zhì)顆粒大小的比例情況和區(qū)內(nèi)不同土壤質(zhì)地的地理分布特點及規(guī)律。該圖經(jīng)數(shù)字化處理后轉(zhuǎn)換為柵格數(shù)據(jù)，分辨率為50 km×50 km。

模型所需的植被數(shù)據(jù)主要來自衛(wèi)星遙感數(shù)據(jù)反演得到的分辨率為1 km的全球土地覆被資料，其植被分類采用國際地圈生物圈計劃分類系統(tǒng)，研究區(qū)主要包括常綠針葉林、落葉針葉林、落葉闊葉林、混交林、密閉灌叢、開放灌叢、稀樹草原、草原、高寒草甸、濕地、農(nóng)作物、荒漠草原和荒漠等13類土地類型，植被數(shù)據(jù)同樣轉(zhuǎn)換為柵格數(shù)據(jù)，分辨率為50 km×50 km（張時煌等，2004）。

研究時段按照IPCC的定義來劃分，基準期為1961—1990年，近期為1991—2020年，中期為2021—2050年，遠期為2051—2080年（IPCC，2007），各時期按30年的均值進行計算。

1.3 方法

1.3.1 閾值識別：“危險的影響”與“不能接受的影響”

對于氣候變化對生態(tài)系統(tǒng)生產(chǎn)功能的風險評價，主要考量氣候變化造成的生態(tài)系統(tǒng)NPP的損失。根據(jù)NPP的長期自然變率識別了兩種閾值：“危險的影響”和“不能接受的影響”，并據(jù)此設定風險標準。

每個生態(tài)系統(tǒng)都有各自對溫度、降水或其他參數(shù)的適應范圍，超過各自系統(tǒng)的閾值后，生態(tài)系統(tǒng)就會處于風險之中或面臨滅絕（IPCC，2007）。當NPP在長期自然變率范圍內(nèi)變動時，假設NPP的變化是暫時的，是可恢復到平均狀態(tài)的。反之，當NPP的損失超過長期自然變率范圍，產(chǎn)生異常變動時，則認為發(fā)生了“危險的影響”（Van minnen et al.，2002）。本研究將基準期（1961—1990年）的NPP變率作為正常年份的自然變率，根據(jù)世界氣象組織的定義，異常變率定義為超過多年平均值±2倍標準差的數(shù)值（Hulme et al.，2009）。因此，如果某網(wǎng)格內(nèi)NPP的減少超過了其多年平均值-2倍標準差時，則認為氣候變化對此網(wǎng)格內(nèi)的生態(tài)系統(tǒng)的生產(chǎn)功能產(chǎn)生了“危險的影響”。

如果氣候變化對生態(tài)系統(tǒng)NPP的負面影響在超過該網(wǎng)格長期自然變率后繼續(xù)增強，甚至低于該類生態(tài)系統(tǒng)在基準期的最小值，則認為該網(wǎng)格內(nèi)的此生態(tài)系統(tǒng)發(fā)生了不可逆轉(zhuǎn)的變化，產(chǎn)生了“不能接受的影響”，即達到此類生態(tài)系統(tǒng)多年變動的最小值。

1.3.2 等級劃分

以氣候變化對生態(tài)系統(tǒng)生產(chǎn)功能“危險的影響”和“不能接受的影響”兩類閾值為參考，根據(jù)某時期生態(tài)系統(tǒng)的NPP與基準期NPP正常變率范圍的關系，將各生態(tài)系統(tǒng)分為無風險、低風險和高風險。如果某時期NPP與基準期NPP相比是減少的，并且其值小于“危險的影響”，定義為低風險；當其繼續(xù)減少到小于此類生態(tài)系統(tǒng)“不能接受的影響”時，認為發(fā)生了高風險（圖2）。無風險主要包括3種情況，一是某時期NPP大于基準期NPP，即NPP呈增加趨勢；二是NPP接近于0的區(qū)域，大都是一些荒漠、裸巖地區(qū)；三是NPP減少幅度并未超過“危險的影響”。

圖2 風險等級劃分示意圖Fig. 2 Schematic diagram of risk level classification

1.3.3 區(qū)域綜合風險評價

風險指數(shù)是指某生態(tài)系統(tǒng)（或區(qū)域）內(nèi)風險總值與其總面積的比值，即單位面積上承擔的風險程度，可以表示此生態(tài)系統(tǒng)（或區(qū)域）將要面臨的總體風險程度（Duggan et al.，2015）。風險指數(shù)構(gòu)建如下：

式中，Ri代表生態(tài)系統(tǒng)（或區(qū)域）i的風險指數(shù)；Ri0、Ri1、Ri2分別代表無、低、高風險的分值，分別為0、1和2分；Si0、Si1、Si2分別代表生態(tài)系統(tǒng)（或區(qū)域）i內(nèi)無、低、高風險的面積；Si代表生態(tài)系統(tǒng)（或區(qū)域）i的總面積。

2 結(jié)果與分析

2.1 空間分布特征

IPCC SRES B2情景下的氣候變化對生態(tài)系統(tǒng)生產(chǎn)功能產(chǎn)生的風險主要分布在西北地區(qū)北部、內(nèi)蒙古地區(qū)東北部和東北地區(qū)中南部（圖3）。未來近期、中期和遠期研究區(qū)均溫分別增加0.95、1.93和2.99 ℃，高于同時期全國平均增溫。與此同時，風險面積從近期的98.57×104km2擴大到中期的136.22×104km2，遠期時高達165.72×104km2，與近期相比增加了68.13%。風險面積占全區(qū)的比例也由最初的26.64%增加至遠期的44.78%，風險范圍隨著增溫幅度的增加而擴展。

3個時期，低風險以占全區(qū)總面積18.41%～28.26%的比例占據(jù)了主導地位。其面積由近期的68.11×104km2增至中期的94.01×104km2，再增至遠期的104.56×104km2，增幅為53.52%。高風險面積則翻倍擴展，從近期的30.46×104km2增至遠期的61.15×104km2（圖3）。

2.2 時間變化特征

為方便分析風險程度的時間變化特征，就某網(wǎng)格而言，將后一時期風險分值與前一時期風險分值相減，若得分為1（2），則代表風險程度增加一級（二級），即由無風險到低風險或由低風險到高風險（由無風險到高風險）轉(zhuǎn)變，用I1（I2）表示；若得分為-1（-2），則代表風險程度減弱一級（二級），用D1（D2）表示，C代表風險程度沒有變化。

圖4 生態(tài)系統(tǒng)風險程度變化Fig. 4 Change in risk levels on the ecosystems

圖3 近期(a)、中期(b)和遠期(c)生態(tài)系統(tǒng)生產(chǎn)功能風險分布Fig. 3 Risk distribution of ecosystems during the (a) near, (b) middle and (c) long terms

近期到中期，309.61×104km2的生態(tài)系統(tǒng)風險程度保持不變，占全區(qū)總面積的83.67%（圖4）。54.2×104km2的生態(tài)系統(tǒng)面臨的風險呈發(fā)展趨勢，占全區(qū)總面積的14.64%，主要分布在東北地區(qū)和西北地區(qū)。生態(tài)系統(tǒng)風險增加的程度以I1為主，面積為51.08×104km2。與此同時，6.24×104km2的生態(tài)系統(tǒng)風險呈減少趨勢。中期到遠期，風險程度變化趨勢與前一時期相同，但風險程度增加的范圍（45.81×104km2）略小于前一階段，占全區(qū)總面積的12.38%，主要分布在研究區(qū)北部地區(qū)（圖4）。這一階段風險增加的程度仍以I1為主，其面積為41.73×104km2，占全區(qū)總面積的11.28%。除此之外，0.96×104km2的生態(tài)系統(tǒng)風險程度減緩，占全區(qū)總面積的0.26%。由此可知，兩個時段生態(tài)系統(tǒng)生產(chǎn)功能的風險程度均有加重之勢，以I1為主。就變化幅度而言，后一階段（中期到遠期）較前一階段（近期到中期）變化溫和。

2.3 不同生態(tài)系統(tǒng)風險分析

不同生態(tài)系統(tǒng)所面臨的風險范圍與程度存在差異。就風險范圍而言，草原與農(nóng)作物分布面積之和占總面積的41.61%，其風險面積也相應較大。3個時期草原風險面積均為最大，分別為31.9×104、37.17×104和43.89×104km2；農(nóng)作物位列其后，3個時期的風險面積分別為19.67×104、27.1×104和33.1×104km2。但是兩者風險比例并不突出。與此形成鮮明對比的是全區(qū)分布面積最小的混交林（只占總面積的0.71%），風險比例最高，介于63.64%～72.73%；其次為稀樹草原，風險比例在40.91%～63.64%之間。就風險指數(shù)而言，3個時期，混交林、稀樹草原與荒漠草原一直是較危險的生態(tài)系統(tǒng)；高寒草甸與常綠針葉林是較為安全的生態(tài)系統(tǒng)；其他生態(tài)系統(tǒng)在不同時期的排序有所改變。所有生態(tài)系統(tǒng)的危險程度均隨溫度的增加而持續(xù)加重（表1）。

2.4 核心區(qū)與邊緣區(qū)風險分析

綜合前人成果，將北方農(nóng)牧交錯帶分為核心區(qū)與邊緣區(qū)，對其區(qū)域差異進行分析（圖1）（Liu et al.，2011）。邊緣區(qū)與核心區(qū)的總面積之比為4.91，而兩者的風險面積之比介于3.31～4.08之間。核心區(qū)風險面積由最初的22.54×104km2增至遠期的32.62×104km2，增加了44.68%；而邊緣區(qū)由最初的76.02×104km2增至遠期的133.10×104km2，增加了75.08%，幅度更為明顯。就風險指數(shù)而言，不論哪個時期，核心區(qū)均比邊緣區(qū)高出0.16～0.17，表明其處于更加嚴重的風險狀態(tài)。除此之外，兩者的風險范圍與程度均呈現(xiàn)出隨增溫幅度的增加而變大的趨勢（表2）。

表2 近期、中期和遠期北方農(nóng)牧交錯帶核心區(qū)與邊緣區(qū)的風險面積和風險指數(shù)Table 2 Risk areas and risk index for the core and marginal region of the farming-pasture ecotone in northern China over three terms

3 討論與結(jié)論

3.1 討論

基于“危險的影響”和“不能接受的影響”兩類閾值，本研究對未來氣候變化下北方農(nóng)牧交錯帶生態(tài)系統(tǒng)生產(chǎn)功能可能面臨的風險進行了評估。與原來研究采用指標的變動幅度相比，該方法通過對閾值的識別賦予了風險標準更多的地理和生態(tài)意義，考慮了氣候變化引起的生態(tài)系統(tǒng)的變化是否達到一個危險或不可逆轉(zhuǎn)的水平。閾值的確定方法靈活、操作性強，適用于風險領域的其他影響指標，加上其長期性和大尺度的視角，可以作為氣候變化風險定量評價的一種借鑒方法。

本研究風險空間格局與其他研究結(jié)果大致相同，Scholze et al.（2006）認為21世紀東北地區(qū)會面臨森林減少的風險。於俐（2006）也發(fā)現(xiàn)，21世紀末期Hadley RCM A2情景下，東北地區(qū)南部、內(nèi)蒙古和西北地區(qū)較為脆弱。另外，Wu et al.（2007）研究得出的21世紀B2情景下我國生態(tài)系統(tǒng)的脆弱性的格局與發(fā)展趨勢與本研究結(jié)果大致吻合。B2情景下，北方地區(qū)增溫明顯，蒸散加強；與此同時，東北地區(qū)和除荒漠地帶以外的西北地區(qū)降水減少，導致這些區(qū)域干旱程度加大，限制了植物光合作用，生態(tài)系統(tǒng)NPP下降（郭靈輝等，2016）。降水是該區(qū)域植被所需水分的主要來源，是植被生長的主要限制因子，降水減少導致區(qū)域內(nèi)植被NPP降低，風險增加（毛德華等，2016）。Lei et al.（2015）發(fā)現(xiàn)，北方農(nóng)牧交錯帶生態(tài)系統(tǒng)NPP隨干旱的加劇而顯著減少。Chen et al.（2012）研究認為，干旱氣候?qū)е旅绹喜康貐^(qū)NPP減少40%。稀樹草原與荒漠草原處于缺水的干旱地區(qū)，其分布與溫度、降水變率以及土壤條件密切相關，對氣候變化非常敏感（Staver et al.，2011），在未來氣候變化下風險程度較高。東北地區(qū)北部以溫度為限制因子，氣候變暖可緩解低溫對植被生長的限制，NPP呈增加趨勢，因此基本不受風險的影響。Gao et al.（2013）認為，對存在低溫限制的青藏高原而言，年均溫度的增長對植被NPP有顯著的促進作用，但是降水的變化對NPP的影響不大。Yuan et al.（2017）發(fā)現(xiàn)，2016—2050年，東北地區(qū)松遼平原的森林與草原的NPP對氣候變化的敏感性會減弱。高寒草甸和常綠針葉林主要分布在溫度限制的區(qū)域，增溫有助于促進這些地區(qū)生態(tài)系統(tǒng)NPP的增加，因而在未來氣候變化下所面臨的風險較低（Ji et al.，2008）。

表1 近期、中期和遠期各生態(tài)系統(tǒng)的風險面積、風險比例和風險指數(shù)Table 1 Risk areas, affected proportions and risk index for each ecosystem over three terms

由于模型沒有考慮CO2效應、森林死亡率以及生態(tài)系統(tǒng)類型的變化，關于生態(tài)系統(tǒng)NPP的模擬具有一定的不確定性。另外，研究未考慮人類對生態(tài)系統(tǒng)的干擾，從長遠來看，人類對生態(tài)系統(tǒng)的干擾有可能會影響其對氣候變化的適應能力，進而改變風險狀況。因此，本研究只是基于閾值識別角度對氣候變化下生態(tài)系統(tǒng)風險進行定量評價的初步探討。更加準確詳細地確定區(qū)域生態(tài)系統(tǒng)NPP的正常范圍，辨識其隨時間、空間和人為干擾因素變化的風險標準，將有助于減少風險評估研究的不確定性。除此之外，理解未來不同情景（例如RCPs）和模擬模型下的風險，有助于從多角度認知氣候變化對生態(tài)系統(tǒng)所帶來的風險。

3.2 結(jié)論

在IPCC SRES B2情景下，風險的范圍與未來氣候變化特征密切相關，主要集中在西北地區(qū)北部、內(nèi)蒙古地區(qū)東北部和東北地區(qū)中南部。風險范圍隨增溫的加強而擴展，其面積從近期的98.57×104km2擴大到遠期的165.72×104km2，占全區(qū)的比例高達44.78%。3個時期，北方農(nóng)牧交錯帶地區(qū)均以低風險為主，生態(tài)系統(tǒng)生產(chǎn)功能的風險程度均有加重之勢，且后一階段（中期到遠期）較前一階段（近期到中期）變化緩和。就生態(tài)系統(tǒng)類型而言，混交林、稀樹草原與荒漠草原一直是較危險的生態(tài)系統(tǒng)；高寒草甸與常綠針葉林是較為安全的生態(tài)系統(tǒng)。北方農(nóng)牧交錯帶的核心區(qū)處于我國半濕潤區(qū)向半干旱區(qū)的過渡地帶，氣候變率較大，農(nóng)牧交錯活動頻繁且強烈，呈現(xiàn)出比氣候與土地利用方式相對穩(wěn)定的邊緣區(qū)更加嚴重的風險特征。

AULD T D, LEISHMAN M R. 2015. Ecosystem risk assessment for Gnarled Mossy Cloud Forest, Lord Howe Island, Australia [J]. Austral Ecology, 40(4): 364-372.

BAYLISS P, VAN DAM R A, BARTOLO R E. 2012. Quantitative ecological risk assessment of the Magela Creek Floodplain in Kakadu National Park, Australia: Comparing point source risks from the Ranger Uranium Mine to diffuse landscape-scale risks [J]. Human and Ecological Risk Assessment, 18(1): 115-151.

CHEN G S, TIAN H Q, ZHANG C, et al. 2012. Drought in the Southern United States over the 20th century: variability and its impacts on terrestrial ecosystem productivity and carbon storage [J]. Climatic Change, 114(2): 379-397.

DAN L, JI J J, LI Y P. 2005. Climatic and biological simulations in a two-way coupled atmosphere-biosphere model [J]. Global and Planetary Change, 47(2): 153-169.

DUGGAN J M, EICHELBERGER B A, MA S, et al. 2015. Informing management of rare species with an approach combining scenario modeling and spatially explicit risk assessment [J]. Ecosystem Health and Sustainability, 1(6): 1-18.

GAO Y H, ZHOU X, WANG Q, et al. 2013. Vegetation net primary productivity and its response to climate change during 2001-2008 in the Tibetan Plateau [J]. Science of the Total Environment, 444: 356-362.

HULME M, DESSAI S, LORENZONI I, et al. 2009. Unstable climates: Exploring the statistical and social constructions of ‘normal’climate [J]. Geoforum, 40(2): 197-206.

IPCC. Climate change 2007: Impacts, adaptation and vulnerability. Contribution of working group II to the fourth assessment report of the intergovernmental panel on climate change [R]//Cambridge: Cambridge University Press.

IPCC. Climate change 2014: Impacts, adaptation, and vulnerability. Part a: Global and sectoral aspects. Contribution of working group II to the fifth assessment report of the intergovernmental panel on climate change [R]//Cambridge: Cambridge University Press.

JI J J, HUANG M, LI K R. 2008. Prediction of carbon exchanges between China terrestrial ecosystem and atmosphere in 21st century [J]. Science in China Series D: Earth Sciences, 51(6): 885-898.

JI J J. 1995. A climate-vegetation interaction model: Simulating physical and biological processes at the surface [J]. Journal of Biogeography, 22(2/3): 445-451.

KEITH D A, RODRIGUEZ J P, RODRIGUEZ-CLARK K M, et al. 2013. Scientific foundations for an IUCN Red List of ecosystems [J]. Plos One 8(5): 1-25.

LEI T J, WU J J, LI X H, et al. 2015. A new framework for evaluating the impacts of drought on net primary productivity of grassland [J]. Science of the Total Environment, 536: 161-172.

LIU J H, GAO J X, LV S H, et al. 2011. Shifting farming-pastoral ecotone in China under climate and land use changes [J]. Journal of Arid Environments,75(3): 298-308.

LU J H, JI J J. 2006. A simulation and mechanism analysis of long-term variations at land surface over arid/semi-arid area in north China [J].Journal of Geophysical Research: Atmospheres, 111(D9): 1-19.

MATTHEWS S N, IVERSON L R, PETERS M P, et al. 2014. Assessing and comparing risk to climate changes among forested locations: Implications for ecosystem services [J]. Landscape Ecology, 29(2): 213-228.

MUNNS W R, REA A W, SUTER G W, et al. 2016. Ecosystem services as assessment endpoints for ecological risk assessment [J]. Integrated Environmental Assessment and Management, 12(3): 522-528.

PIRESA G F, ABRAHAOA G M, BRUMATTIA L M, et al. 2016. Increased climate risk in Brazilian double cropping agriculture systems: Implications for land use in Northern Brazil [J]. Agricultural and Forest Meteorology, 228-229: 286-298.

SCHOLZE M, KNORR W, ARNELL N W, et al. 2006. A climate-change risk analysis for world ecosystems [J]. Proceedings of the National Academy of Sciences, 103(35): 13116-13120.

SCHROTER D, CRAMER W, LEEMANS R, et al. 2005. Ecosystem service supply and vulnerability to global change in Europe [J]. Science, 310(5752): 1333-1337.

SONWA D J, DIEYE A, MZOURI E E, et al. 2016. Drivers of climate risk in African agriculture [J]. Climate and Development: http://dx.doi.org/ 10.1080/17565529.2016.1167659.

STAVER A C, ARCHIBALD S, LEVIN S A. 2011. The global extent and determinants of savanna and forest as alternative biome states [J]. Science, 334(6053): 230-232.

VAN MINNEN J G, ONIGKEIT J, ALCAMO J. 2002. Critical climate change as an approach to assess climate change impacts in Europe: Development and application [J]. Environmental Science & Policy, 5(4): 335-347.

WARDLE G M, GREENVILLE A C, FRANK A S, et al. 2015. Ecosystem risk assessment of Georgina Gidgee Woodlands in central Australia [J]. Austral Ecology, 40(4): 444-459.

WU S H, DAI E F, HUANG M, et al. 2007. Ecosystem vulnerability of China under B2 climate scenario in the 21st century [J]. Chinese Science Bulletin,52(10): 1379-1386.

XU Y L, ZHANG Y, LIN E D, et al. 2006. Analyses on the climate change responses over China under SRES B2 scenario using PRECIS [J]. Chinese Science Bulletin, 51(18): 2260-2267.

YUAN Q Z, WU S H, DAI E F, et al. 2017. NPP vulnerability of the potential vegetation of China to climate change in the past and future [J]. Journal of Geographical Sciences, 27(2): 131-142.

郭靈輝, 郝成元, 吳紹洪, 等. 2016. 內(nèi)蒙古草地NPP變化特征及其對氣候變化敏感性的CENTURY模擬研究[J]. 地理研究, 35(2): 271-284.

毛德華, 王宗明, 韓佶興, 等. 2016. 1982-2010年中國東北地區(qū)植被NPP時空格局及驅(qū)動因子分析[J]. 地理科學, 32(9): 1106-1111.

於俐. 2006. 中國自然生態(tài)系統(tǒng)對氣候變化的脆弱性評價研究[D]. 北京:中國科學院研究生院: 106.

張時煌, 彭公炳, 黃玫. 2004. 基于遙感與地理信息系統(tǒng)支持下的地表植被特征參數(shù)反演[J]. 氣候與環(huán)境研究, 9(1): 80-91.

趙哈林, 趙學勇, 張銅會, 等. 2002. 北方農(nóng)牧交錯帶的地理界定及其生態(tài)問題[J]. 地球科學進展, 17(5): 739-747.

趙昕奕, 蔡運龍. 2003. 區(qū)域土地生產(chǎn)潛力對全球氣候變化的響應評價——以中國北方農(nóng)牧交錯帶中段為例[J]. 地理學報, 58(4): 584-590.

中國科學院南京土壤研究所. 1986. 中國土壤圖集[M]. 北京: 地圖出版社.

Risk Assessment of Ecosystems Production Based on the Thresholds
Identification: The Case Study of Farming-pastoral Ecotone in Northern China

SHI Xiaoli1,2, CHEN Hongjuan3, SHI Wenjiao4,5*, WANG Liyan1,2, PAN Peipei1,2, LIANG Yanqing1,2
1. College of Resources and Environment Sciences, Hebei Normal University, Shijiazhuang 050024, China;
2. Key Laboratory of Environmental Evolvement and Ecological Construction of Hebei Province, Shijiazhuang 050024, China;
3. School of Land Resources and Urban Planning, Hebei Geological University, Shijiazhuang 050031, China;
4. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China;
5. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

It is helpful for decision-making on adaptation of climate change to illustrate risks of net primary production for ecosystem from climate change. The thresholds identification method has been documented little in previous studies. From the data of climate, soil texture and vegetation, Atmosphere Vegetation Interaction Model version 2 was employed to simulate the net primary production of ecosystem during the period of 1961—2080. Based on the definition of thresholds, we presented a new assessment method to detect the climate change risk on ecosystems. According to the climate change impacts on the net primary production of ecosystems, the ‘dangerous impact’ and the ‘unacceptable impact’ were defined as the thresholds. Compared with the ‘dangerous impact’ and the ‘unacceptable impact’, NPP loss in each grid was used to evaluate the risk on the ecosystems in farming-pastoral ecotone in northern China. The results showed that, climate change will bring risk on primary production of ecosystem in the study area, and the low risk will dominate the region. The risk distribution is likely to correlated with climate change in future, risk areas are likely to be concentrated on northern part of Northwest China, northeast part of Inner Mongolia, central and southern part of Northeast China. The risk areas would expand with the increase of warming degree. To the long-term, about 165.72 Mha ecosystems will face the risk on primary production, accounting for 44.78% of the total area. Temperate mixed forest, wooded savanna and desert grassland are likely to be more vulnerable than other ecosystems, while the alpine meadow and evergreen coniferous forest will be relatively safe. Risks in the core region of the farming-pastoral ecotone will intense than these in the marginal region, indicating the dangerous trend under the climate change.

thresholds; climate change; risk; production; farming-pastoral ecotone

10.16258/j.cnki.1674-5906.2017.01.002

K903; X171.1

A

1674-5906（2017）01-0006-07

石曉麗, 陳紅娟, 史文嬌, 王麗艷, 潘佩佩, 梁彥慶. 2017. 基于閾值識別的生態(tài)系統(tǒng)生產(chǎn)功能風險評價——以北方農(nóng)牧交錯帶為例[J]. 生態(tài)環(huán)境學報, 26(1): 6-12.

SHI Xiaoli, CHEN Hongjuan, SHI Wenjiao, WANG Liyan, PAN Peipei, LIANG Yanqing. 2017. Risk assessment of ecosystems production based on the thresholds identification: the case study of farming-pastoral ecotone in northern China [J]. Ecology and Environmental Sciences, 26(1): 6-12.

河北省社會科學基金項目（HB16SH034）

石曉麗（1981年生），女，副教授，主要從事氣候變化風險評價。E-mail: shixiaoli_2004@163.com *通信作者：史文嬌，副研究員，主要從事氣候變化影響評價。E-mail: shiwj@lreis.ac.cn

2016-11-21