Page 44 - 《高原气象》2026年第2期
P. 44

高     原      气     象                                 45 卷
              344
             式中： R 为变量 x 和 y 之间的相关系数； x 为第 i 月                  植被对干旱响应的稳定性。其中， 抵抗力（Rt）表示
                                                   i
                     xy
             LAI 或 GPP； y 为第 i 月 SPEI； x ˉ 和 y ˉ 分别是 LAI 或      生态系统在干旱干扰下保持其正常原始状态的能
                          i
             GPP的均值和SPEI的均值。                                    力（Ivits et al， 2016）， 而恢复力（RS）表示生态系统
                 （3） 植被对干旱的时滞响应                                 从干旱干扰后恢复到正常状态的能力（De et al，
                  有研究表明， 植被对干旱的响应大多存在滞后                         2015）。这种方法计算的Rt和RS是无单位的， 可以
             性。有学者对 2006 -2010 年多个干旱事件下西南                       在生产力水平不同的研究区间进行比较； 是具有对
             地区区域平均 GPP与干旱进行对比研究发现， 西南                          称性的， 可以直接在正负扰动之间进行比较（Isbell
             地区植被对多次干旱的滞后响应期均表现为 1~3个                           et al， 2015）。计算公式如下：
                                                                                        -
             月（Zhou et al， 2019）。因此， 为确定干旱对西南地                                          Y n
                                                                                 Rt =     -              （11）
             区植被 LAI 和 GPP 的时间滞后影响， 将当期 LAI 和                                        |Y e - Y n |
                                                                                          -
             GPP 与 LAI 和 GPP 时间序列的前 1~3 个月的 SPEI                                    | | | | Y e - Y n | | | |
                                                                               RS = | | |  - | | |       （12）
             指数计算相关性（包括当期）， 并找出最大相关性所                                               | Y e + 1 - Y n |
                                                                      -
             对应的月数， 作为植被对干旱响应的滞后月。计算                            式中： Y n 是正常年份（所有非极端干旱期间）LAI 或
             公式如下：                                              GPP的平均值； Y 和 Y 是极端干旱发生当期和极端
                             r i = corr( x，SPEI i)      （7）     干旱事件发生后一年的 LAI 或 GPP 值。较高的 Rt
                                                                                   e+1
                                                                               e
                             R maxlag = max( r i)       （8）     表示耐旱性更高， 较高的RS代表更强的恢复力。
             式中： r 是滞后 i 个月的 Pearson 相关系数； i 是滞后                2. 3. 4 CLM模拟方案
                    i
             时间（取值为 0~3， 单位是月， i 为 0 时， x 和 SPEI 对                  本文使用 CLM5. 0-BGC 对西南地区进行区域
             应 月 相 关 ， 不 存 在 滞 后 性）； x 是 当 期 的 LAI 或            LAI、 GPP 等模拟。BGC 模块建立在 CLM4. 0 和
             GPP， SPEI 是滞后 i 个月的 SPEI 指数； R       maxlag 是所有    CLM4. 5 的碳氮循环耦合的基础之上（Cheng et al，
                       i
             滞后月数的最大相关性。                                        2021）， 综合考虑生态系统特征以及生理生态参数
                 （4） 干旱对植被的累积效应                                 的差异， 更好地模拟不同植被类型的植被生长过
                  植被对干旱的时滞效应只考虑了前一个时期                           程。CLM5. 0-BGC 是目前 CLM 陆面模式中主要的
             某时间段的干旱情况， 而忽略了在一定时间内能够                            植被模拟模块， 可以根据不同的研究问题调整模型
             持续影响植被生长的持续性的动态气候条件， 而累                            参数， 更好地评估生态系统在各种气候环境下的变
             积效应恰恰反映了干旱从开始到结束对植被生长                              化， 是生态系统模拟的重要工具。
             的持续影响， 即考虑连续一段时间的干旱影响                                  驱动数据、 初始化文件是模拟的重要基础。本
             （Wei et al， 2022）。SPEI 的不同时间尺度代表了过                 文使用中国区域地面气象要素驱动数据集（CMFD）
             去不同时间的累积水平衡状况（盈余或亏损）， 其                            作为模式的驱动数据， 包括降水、 近地面温度、 近
             中， SPEI 的短期时间尺度（3、 6 和 9 个月）被广泛用                   地面压强、 近地面比湿、 近地面风速、 向下短波辐
             于研究植被对干旱响应的有效指标（Chen et al，                        射、 向下长波辐射。初始状态对模型性能的影响显
             2013； Wu et al， 2018）。因此， 本文计算了植被 LAI              著， 在开始模拟之前要对模型进行初始化（spin‐
             和 GPP 与 1、 3、 6 和 9 个月时间尺度 SPEI 的相关系               up）， 使模型在模拟周期内与大气驱动充分适应，
             数， 找出最大相关系数对应的时间尺度， 以研究植                           达到水热状态平衡， 降低因初始场不稳定而产生的
             被对干旱的累积响应情况。计算公式如下：                                模拟偏差。本文将 CLM 的默认初始文件设为初始
                            R j = corr ( x，SPEI j )     （9）     场， 以 2000 -2016 年为模拟周期， 设置模拟结果为
                            R max - cum = max ( R j )  （10）     月输出， 空间分辨率为 0. 1°×0. 1°， 循环驱动模式
             式中： R 是 LAI 或 GPP 与同期但多时间尺度（j）的                    17 次（680 模型年）， 使模型达到稳定状态。将 spin‐
                     j
             SPEI之间的Pearson相关系数； x是LAI或GPP； j分                  up 后的文件作为新的初始场来模拟 2000 -2016 年
             别为 1、 3、 6 和 9 个月的累积时间； SPEI 代表 1、 3、              的LAI及GPP等。
                                                  j
             6 和 9 个月时间尺度的 SPEI； R        max-cum 是所有考虑的        3  研究结果
             时间尺度中， 最大的相关系数。
             2. 3. 3 植被对干旱的抵抗力和恢复力                              3. 1 驱动数据干旱表征的验证
                  本文使用抵抗力和恢复力这两个指标来衡量                               驱动数据的逐月和年均降水量、 气温和 SPEI
   39   40   41   42   43   44   45   46   47   48   49