Study on shallow mild saline groundwater use safety in winter wheat irrigation based on the subsurface drainage system in the coastal area of Hebei Province in China
-
摘要:
河北滨海盐碱耕地缺少灌溉水资源, 该区具有丰富的浅层微/轻度咸水资源, 冬小麦生长关键期适当进行微/轻度咸水灌溉能够缓解该区农田灌溉危机。本文以河北省滨海盐碱地为研究对象, 选择沧州市南大港产业园区马营村为试验基地, 开展浅层轻度咸水冬小麦农田灌溉试验, 分析咸水灌溉对冬小麦产量和土壤盐分含量变化的影响。结果表明: 1)河北滨海盐碱地浅层轻度咸水(6 g∙L−1)在冬小麦拔节—抽穗期进行一次600 m3∙hm−2的灌溉, 产量能够达到旱作冬小麦的1.5倍以上, 增产效果明显。2)基于暗管排水排盐工程、在雨季保持多年平均降雨量条件下, 2016—2018年雨季后试验地土壤平均含盐量分别为2.86 g∙kg−1、1.60 g∙kg−1和1.38 g∙kg−1, 呈现逐年降低的趋势。由此得出: 河北滨海盐碱地浅层咸水资源在冬小麦灌溉方面能够实现安全利用。在此基础上, 以河北滨海沧州市为例分析浅层咸水资源利用前景, 从水资源量上, 1~5 g∙L−1的浅层微/轻度咸水资源可以满足冬小麦农田因地下水压采限采造成的至少1.7×108 m3灌溉水量亏缺, 从耕地资源方面, 扩大一年两熟种植面积, 增加冬小麦种植面积约131 000 hm2。研究结果可为河北滨海盐碱地咸水资源安全利用、土壤健康和粮食安全提供科学依据。
Abstract:There is a shortage of irrigation water resources in the coastal saline-alkali land of Hebei Province, which is rich in shallow saline water resources. Appropriate saline irrigation during the critical period of winter wheat growth could alleviate the irrigation crisis in this area. In this study, the coastal saline-alkali land of Hebei Province was selected as the research object, and the Maying Village of Nandagang Industrial Park, located in Cangzhou City, was selected as the test base. An experiment of shallow mild saline water irrigation of winter wheat was conducted to analyze the effects of saline irrigation on winter wheat yield and soil salt content. The results indicated that:1) mild saline water irrigation in the joint to heading stage of winter wheat increased the yield of winter wheat in the coastal saline-alkali land of Hebei Province, which was more than 1.5 times that of dry wheat. 2) Based on the subsurface drainage system, mild saline water irrigation did not cause salt accumulation in the soil surface layer. When the rainfall was maintained at multi-year average rainfall level in the rainy season, the average soil salt contents after the 2016−2018 rainy seasons was 2.86, 1.60, and 1.38 g∙kg−1, and the degree of soil salinization was reduced year by year after two consecutive years of salt water irrigation. Shallow saline water resources in the coastal saline-alkali land of Hebei Province can be safely utilized to irrigate winter wheat. Based on this, we considered the coastal region of Cangzhou City of Hebei Province as an example. The analysis of shallow salt water resource prospects showed that: only winter wheat water demand was considered in Cangzhou City, irrigation water demand deficit was at least 1.7 × 108 m3. The shallow saline water resources of 1−5 g·L−1 in Cangzhou City are abundant, meeting the deficit in terms of water resources. The feasibility of mild saline water irrigation for winter wheat makes the planting mode of one crop of spring maize a year in some cultivated land change to the planting mode of two crops of winter wheat-summer maize a year. The sown area of winter wheat can be increased by at least 131 000 hm2 in Cangzhou. The results provide a scientific basis for the safe utilization of mildly saline coastal water resources, guaranteed grain yield, and sustainable soil development in the coastal area of Hebei Province.
-
气候变化和可持续发展是人类社会面临的两大挑战[1]。植被作为陆地生态系统的首要生产者和主要组成部分[2], 其生长受到多种因素的影响。当前, 气候变化对植被的适应性和稳定性产生了重要影响, 增加了植被生态系统的不确定性。这种不确定性进一步影响着碳水循环, 进而对气候模式和社会发展产生深远影响。海南岛作为我国最大的热带岛屿, 具有丰富的植被资源, 在气候调节和碳循环中发挥着至关重要的作用[3]。因此, 研究海南岛植被时空变化对于维护生态平衡和政策制定具有重要意义。
近年来, 许多研究利用遥感方法, 将各种植被指数作为全球、国家和区域尺度的指标, 以确定植被的变化。基于遥感影像的归一化植被指数(normalized difference vegetation index, NDVI)主要反映了植被的光谱反射特征, 被广泛应用于植被覆盖的定量研究[4]。陈甲豪等[5]基于GIMMS NDVI数据, 运用趋势分析法研究了1982—2015年海南岛NDVI的时空变化趋势, 并通过偏相关分析和主成分回归分析探讨了气候对植被变化的影响。然而, NDVI在高植被覆盖区存在饱和现象[6], 这严重影响了对地表植被真实情况的准确反映。相比之下, 叶面积指数(LAI)考虑了叶片的空间分布和层次结构, 其定义为单位土地面积上所有叶片的单面面积之和[7], 常用于描述植被冠层结构及功能, 是生态模拟、作物估产等模型的重要输入参数, 是深刻理解气候变化和生态系统碳储量的重要数据支撑[7-9]。
国内外许多学者开展了植被变化及其驱动机制研究[10-14]。为了更深入地探究植被时空变化特征及其对气候因子的响应, 众多学者利用LAI数据进行分析。Sun等[15]将中国生态脆弱地区的LAI与气候因素相结合, 发现温度是主导气象因素。张佳华等[16]研究了全球植被LAI对温度和降水的响应。此外, 长时间序列LAI的变化能够揭示区域生态的演化过程, 在植被生长状态监测、农产品估产等方面具有高度应用价值。Zou等[17]对京津冀地区2001—2020年的植被时空格局进行了分析, 发现气温和降水与LAI呈正相关。Reygadas等[18]评估了2002—2017年间墨西哥中部LAI与地表温度(LST)在年内和季节内的关系。趋势分析是一种用于识别数据随时间或其他独立变量变化的统计方法, 能够较好地理解变量的演变规律。皇彦等[19]结合气象数据, 利用趋势分析等方法探讨了乌兰察布市LAI时空变化及与气温、降水、土壤湿度的关系, 发现乌兰察布市2000—2019年LAI整体呈上升趋势, 并与气温呈负相关, 与降水和土壤湿度呈正相关。Theil-Sen中值分析是一种高效、稳健的非参数统计方法, 它通过计算所有数据点组合之间可能的斜率, 并使用这些斜率的中位数来估计趋势, 在长时间序列数据的趋势分析中具有广泛应用。杨正兰等[20]使用Theil-Sen中值分析方法对2001—2018年横断山区植被LAI进行研究, 认为该地区整体LAI呈上升趋势, 且空间分布与地形因素相关。
海南是中国自然植被类型丰富的地区之一, 也是中国“双碳”计划实施的重要地区[21]。然而, 目前关于该地区LAI及其与气候因子相关性研究相对缺乏。因此, 本文基于MODIS (Moderate Resolution Imaging Spectroradiometer) LAI数据, 采用Theil-Sen中值分析、Mann-Kendall趋势检验和相关分析方法, 研究2002—2022年海南岛LAI的时空分布变化以及LAI与气候因子的关系, 从而了解海南岛植被资源现状、发展趋势, 为海南岛植被多样性保护、生态安全政策制定提供相应的科学依据。
1. 材料与方法
1.1 研究区概况
海南岛(18°10′~20°10′N, 108°37′~111°03′E, 图1)地处中国南端, 东、南、西三面环海, 北隔琼州海峡与广东省相望, 岛形椭圆, 全岛面积约 3.5万km2。海南岛位于热带季风区, 年平均气温22~26℃, 年均降水量大于1600 mm[22]。岛内雨量充沛但降水分布不均, 雨季(5—10月)和干季(11—4月)明显; 受海洋影响, 岛内年温差较小。年平均日照1750~2650 h, 光照充足且光合潜力高。海南岛地势中部高、四周低, 河流大都发源于中部山区, 成辐射状水系。岛内地势变化大, 地貌景观多样, 有山地、丘陵、平原等地形单元, 地形结构阶梯状明显[23]。复杂的地形和优越的水热资源使该岛植被丰富多样, 森林覆盖率在62%以上, 在气候调节、涵养水源等方面发挥着重要作用。
![]()
图 1 研究区域海南岛概况HK: 海口市; SY: 三亚市; DZ: 儋州市; WZS: 五指山市; WC: 文昌市; QH: 琼海市; WN: 万宁市; DF: 东方市; DA: 定安县; TC: 屯昌县; CM: 澄迈县; LG: 临高县; BS: 白沙黎族自治县; CJ: 昌江黎族自治县; LD: 乐东黎族自治县; LS: 陵水黎族自治县; BT: 保亭黎族苗族自治县; QZ: 琼中黎族苗族自治县。Figure 1. Overview of the study area of the Hainan IslandHK: Haikou City; SY: Sanya City; DZ: Danzhou City; WZS: Wuzhishan City; WC: Wenchang City; QH: Qionghai City; WN: Wanning City; DF: Dongfang City; DA: Ding’an County; TC: Tunchang County; CM: Chengmai County; LG: Lingao County; BS: Baisha Li Autonomous County; CJ: Changjiang Li Autonomous County; LD: Ledong Li Autonomous County; LS: Lingshui Li Autonomous County; BT: Baoting Li and Miao Autonomous County; QZ: Qiongzhong Li Autonomous County.1.2 数据来源
从美国国家航空航天局(NASA)网站 (https://ladsweb.modaps.eosdis.nasa.gov/) 获取 2002—2022 年的 MODIS LAI数据, 其空间分辨率为500 m, 时间分辨率为8 d, 该产品经过了辐射校正和大气校正等预处理。Zou等[24]的研究结果表明, MODIS LAI的时间质量相对稳定, 产品持续可用。为了确保数据的一致性和适用性, 采用MODIS重投影工具(MODIS Reprojection Tool, MRT)软件将数据进行重投影, 使用ENVI 5.3对研究区进行裁剪, 采用最大值合成(Maximum Value Composition, MVC)方法提取LAI的月最大值作为月值, 并将各月最大值的平均值作为LAI年值。气象数据(温度、降水)来自地球大数据科学工程数据共享服务系统(https://data.casearth.cn/), 空间分辨率为500 m。DEM高程数据下载自地理空间数据云网站(http://www.gscloud.cn/), 空间分辨率为 30 m。
1.3 研究方法
1.3.1 植被变化趋势分析方法
采用Theil-Sen中值分析结合Mann-Kendall (M-K)检验方法[25]对海南岛LAI长时间序列进行趋势识别。Theil-Sen中值分析是一种稳健的非参数统计的趋势计算方法。它通过计算所有点对(两两数据点)的斜率来估计趋势, 然后取这些斜率的中位数作为最终估计值[26]。该方法计算效率高, 对于测量误差和异常数据敏感性低, 因此在长时间序列数据的趋势分析中得到了广泛应用。其计算公式如下:
$$ S_{\mathrm{LAI}} = \mathrm{Median}\left(\frac{\mathrm{LAI}_j - \mathrm{LAI}_i}{j - i}\right) \quad \forall \;\; i < j $$ (1) 式中: SLAI为LAI的变化趋势,
$ {\mathrm{L}\mathrm{A}\mathrm{I}}_{j} $ 和$ {\mathrm{L}\mathrm{A}\mathrm{I}}_{i} $ 分别表示第j年和i年的叶面积指数。SLAI>0表示LAI呈增加趋势, SLAI=0表示LAI不变, SLAI<0表示LAI呈下降趋势。SLAI的绝对值越大, 表明趋势变化越明显。由于Theil-Sen中值分析缺乏对趋势分析的统计显著性检验, 采用M-K检验方法进行评估。M-K检验是一种非参数统计检验方法, 可用于长时间序列数据的趋势显著性检验。最初由Mann在1945年提出[27], 后由Kendall和Sneyers进一步完善。该方法功能强大, 不需要样本遵从一定的分布, 部分数据缺失不会对结果造成影响, 适用性强, 被广泛应用于长时间序列数据趋势显著性检验, 不仅能够检验时间序列的变化趋势, 还能检测时间序列是否发生突变, 在植被覆盖度、LAI、净初级生产力(NPP)等方面的应用尤为广泛。M-K检验公式如下:
$$ S={\sum }_{i=1}^{n-1}{\sum }_{j=i+1}^{n}\mathrm{s}\mathrm{g}\mathrm{n}(\mathrm{L}\mathrm{A}{\mathrm{I}}_{j}-\mathrm{L}\mathrm{A}{\mathrm{I}}_{i}) $$ (2) $$ \mathrm{s}\mathrm{g}\mathrm{n}\left(\mathrm{L}\mathrm{A}{\mathrm{I}}_{j}-\mathrm{L}\mathrm{A}{\mathrm{I}}_{i}\right)=\left\{\begin{array}{l} 1, \quad {\mathrm{LAI}}_{j} > {\mathrm{LAI}}_{i}\\ 0, \quad {\mathrm{LAI}}_{j}={\mathrm{LAI}}_{i}\\ -1, \quad {\mathrm{LAI}}_{j} < {\mathrm{LAI}}_{i}\end{array}\right. \forall \;\; i<j $$ (3) $$ \mathrm{V}\mathrm{a}\mathrm{r}\left(S\right)=\frac{n(n-1)(2n+5)}{18} $$ (4) 式中: S为检验的统计量, n为时间序列的长度,
$ {\mathrm{L}\mathrm{A}\mathrm{I}}_{j} $ 和$ {\mathrm{L}\mathrm{A}\mathrm{I}}_{i} $ 分别表示第j年和i年的叶面积指数, sgn是符号函数, Var(S)为方差。在n≥10的情况下, 统计量S的分布近似为标准正态分布, 趋势检验采用检验统计量Z。本研究的时间序列长度为21 (2002—2022年), 对检验统计量进行标准化后, 计算公式如下:
$$Z = \left\{ \begin{array}{ll} \dfrac{S-1}{\sqrt{\mathrm{Var}(S)}}, & S > 0 \\ \qquad 0, & S = 0 \\ \dfrac{S+1}{\sqrt{\mathrm{Var}(S)}}, & S < 0 \end{array} \right. $$ (5) 在不同的显著性水平下, 对检验统计量Z的阈值进行设定, 用于判断趋势是否具有显著性。其中, 当|Z|大于1.65、1.96和2.58时, 表示趋势分别通过了置信度为90%、95%和99%的显著性检验[28]。
1.3.2 变异系数
变异系数是衡量数据系列中数据点围绕均值分散程度的统计量, 常用于反映数据的相对变化程度[29]。为了衡量LAI的波动大小, 引入变异系数(CV), 计算公式如下:
$$ \mathrm{C}\mathrm{V}=\frac{\sigma }{\mu } $$ (6) 式中:
$ \mu $ 为海南岛LAI平均值,$ \sigma $ 为样本标准差。$ \mathrm{C}\mathrm{V} $ 值越大表示LAI波动越大, 相反则表示LAI波动较小。1.3.3 相关性分析
两组变量的相关关系可以通过相关系数表达, 皮尔逊相关系数是其中最为常见的一种。本研究使用皮尔逊相关系数(r)分析LAI与同期平均气温、降水之间的相关性。计算公式为:
$$ r=\frac{{\displaystyle\sum }_{i=1}^{n}({X}_{i}-\overline{X})({Y}_{i}-\overline{Y})}{\sqrt{{\displaystyle\sum }_{i=1}^{n}({X}_{i}-\overline{X}{)}^{2}{\displaystyle\sum }_{i=1}^{n}({Y}_{i}-\overline{Y}{)}^{2}}} $$ (7) 式中:
$ {X}_{i}\mathrm{和}{Y}_{i} $ 分别为第i年的气温或降水数据和相应的LAI值;$ \overline{X}\mathrm{和}\overline{Y} $ 分别为多年气温或降水的平均值和LAI的平均值; r的取值范围为[−1, 1], 绝对值越大表示关联越强, 反之表示关联越弱。如果r为正值, 则表示两个变量之间存在正相关关系, 即当一个变量增加时, 另一个变量也会增加; 反之则为负相关关系。2. 结果与分析
2.1 海南岛LAI时空分布特征
2002—2022 年海南岛LAI呈由中部向四周递减的空间分布格局(图2), LAI介于0.20~6.73, 平均值为3.33。低值区主要分布在研究区东北部, 集中于海口—文昌—临高一带(图2和图3), 与该区域平原面积较广, 城市分布密集, 人类活动频繁有关。高值区主要分布在研究区中部和南部, 集中在五指山—白沙—琼中—保亭一带(图2和图3), 该区域多为山地和丘陵, 中部地区热带森林分布广泛, 南部地区种植业较为发达。
![]()
图 2 2002—2022年海南岛植被叶面积指数(LAI)均值空间分布图Figure 2. Spatial distribution of mean leaf area index (LAI) values in Hainan Island from 2002 to 2022![]()
图 3 2002—2022年海南岛不同地区植被叶面积指数(LAI)变化符号说明见图1。Figure 3. Variation of leaf area index (LAI) of different regions in Hainan Island from 2002 to 2022Details of the code can be seen in Figure 1.海南岛地形差异大, 地势中部高, 四周低, 结构阶梯状明显。研究发现海南岛地势分布与LAI具有高度相关性。LAI低值区多集中在300 m以下的低海拔区域, 高值区多集中在600 m以上海拔区域。为了进一步分析LAI与海拔的关系, 将研究区高程进行间隔分级, 结果表明(图4a): 500 m以下高程区间LAI值随海拔升高呈快速上升趋势, 500~1600 m高程区间LAI值随海拔升高呈缓慢下降趋势, 1600 m以上高程区间LAI变化趋于稳定。随高程升高, LAI值变化呈“升高—降低—稳定”的特征, 该现象可能与研究区植被垂直带谱有关。
![]()
图 4 海南岛植被叶面积指数(LAI)随高程变化(a)和随坡向变化(b)Figure 4. Variations of vegetation leaf area index (LAI) with elevation (a) and aspect (b) in Hainan Island坡向作为地形的一个基本属性, 影响着光照角度和持续时间, 进而影响地表温度和微气候条件, 对植物生长有重要影响。LAI随坡向变化(图4b)显示: 北面坡向的LAI值最高, 而西面坡向的LAI值相对较低。海南岛位于热带北缘, 光热资源充足。北坡的LAI值最高可能是由于北坡接收到的直射日光较少, 水分蒸发速率较慢, 湿度更高, 从而支持了更密集的植被生长。相反, 南坡存在更强烈的蒸发压力, 从而降低了LAI。此外, 海南岛属热带季风气候区, 夏季主要受东南季风影响, 冬季则受西北季风影响。东南侧作为夏季风的迎风坡, 降水相对较多, 对植被生长起到促进作用, 从而导致东坡的LAI值高于西坡。
从时间维度, LAI年际间波动上升, 增长速率为0.03∙a−1 (图5)。进一步分析, LAI 最小值出现在2005年, 为2.80, 通过查阅和分析海南省水务厅发布的历年海南省水资源公报发现: 2005年海南岛LAI的低值可归因于连续两年的极端天气事件, 2004年的严重干旱和2005年的连续热带风暴及冬春连旱[30]严重影响了植被生长, 尤其是农作物, 从而显著降低了海南岛的LAI值。LAI最大值出现在2019年, 为3.65。海南岛LAI值在年内具有明显的季节性变化特征: 2—6月LAI值迅速升高, 6—9月上升速度减缓, 9月达到峰值, 随后呈下降趋势, 直至次年1月降至最低点。总体而言, 多年月均LAI值表现出植被生长过程中的周期性变化, 与现实一致。
![]()
图 5 2002—2022年海南岛植被叶面积指数(LAI)的年际(a)和多年月平均(b)变化图Figure 5. Inter-annual (a) and monthly average (b) variations of leaf area index (LAI) in Hainan Island from 2002 to 20222.2 海南岛LAI的空间变化趋势
基于M-K趋势检验的Z值结果, 在α=0.05的显著性水平下, 对海南岛的LAI趋势进行分类: S>0, |Z|≥1.96, 显著改善; S>0, |Z|<1.96, 不显著改善; S=0, 无变化; S<0, |Z|<1.96, 不显著退化; S<0, |Z|≥1.96, 显著退化[31]。结果显示(图6): 2002—2022 年间海南岛LAI整体呈增长趋势, 北部的增长高于南部。其中, 显著改善趋势面积占研究区总面积的59.06%, 集中分布在研究区北部的白沙—儋州—临高—澄迈一带, 说明该地区植被处于增长状态。儋州、白沙等地天然橡胶产胶潜力较高[32], 在生态保护以及橡胶树产业扶持的大背景下[33], 种植业迅速发展使LAI增长速度加快。不显著改善区域面积占研究区总面积的27.65%, 地区分布较广, 整个海南岛均有涉及。中部如五指山市、屯昌县、琼中黎族苗族自治县等地区增长速度相对较慢, 由于该区域热带雨林分布较广[34], 植被覆盖基数较大, LAI增加的主要原因是草地转化为林地。显著退化区域面积占研究区总面积的2.31%, 集中分布于海口北部和三亚南部, 与当地房地产建设、旅游资源开发等人类活动密切相关[35], 城镇化建设导致林地和农田减少, 进而显著削弱该区域的LAI[36]。不显著退化区域面积占比约为8.25%, 主要分布在研究区南部和中部。以上研究表明海南岛植被整体变化趋势呈上升状态。
![]()
图 6 2002—2022年海南岛植被叶面积指数(LAI)变化趋势分布Figure 6. Distribution of leaf area index (LAI) trends in Hainan Island from 2002 to 20222.3 海南岛LAI稳定性的空间格局
通过逐像元计算变异系数(CV)对2002—2022年海南岛LAI空间格局进行分析(图7)。借鉴王雅鑫等[37]的研究并结合海南岛实际情况, 将变异系数分为7个等级以定量评估海南岛LAI空间变化的稳定性。结果表明: 海南岛大部分地区LAI的CV介于0.1~0.3之间(占98.09%), 其中, 0.10~0.15区间的面积占比最大, 达26.14%。小部分区域CV>0.3, 表明2002—2022年这些区域植被处于不断波动状态。2002—2022年间, 整个研究区的平均CV为0.136, 这表明该地区LAI值变异性较低, 波动相对较小。
![]()
图 7 2002—2022年海南岛植被叶面积指数(LAI)变异系数空间分布图Figure 7. Spatial distribution of coefficient of variation of leaf area index (LAI) in Hainan Island from 2002 to 2022从空间分布角度来看(图7), LAI的CV呈北高南低的特征, 具有明显空间异质性。CV<0.20的区域面积占比达82.03%, 表明海南岛绝大部分地区LAI波动较小。可能与该区热带雨林广布相关, 由于该地区具有较为一致的环境条件, 如稳定的高温和丰富的降水, 有利于植被持续稳定生长而不会产生过大波动。此外, 热带雨林广布区的生物多样性高、生态系统稳定性强也有助于减少LAI的变异性, 表明即便面临自然或轻微人为干扰, 热带雨林仍能保持其内在的生态平衡和一致性。CV≥0.20的区域集中在儋州—临高—澄迈一带以及文昌北部和东部沿海, 表明该区域LAI的年际波动大, 植被不稳定, 可能与该区域人类活动频繁相关。
2.4 海南岛植被LAI对气候因子的响应
2.4.1 植被LAI对气温的响应分析
植被对环境变化十分敏感, 由于不同地区水热条件和植被类型存在差异, 植被变化及其对气候因子的响应也呈明显异质性[38]。2002—2022年海南岛气温呈波动上升趋势(图8a), 年均气温为22.45~24.03℃, 多年平均气温为23.47℃, 热量充足, 雨季、干季气温具有一定差异(图8b)。气温与海拔存在较高相关性, 气温随海拔升高逐渐递减, 整体呈中间低, 四周高的分布趋势, 其中西北部为高温多发区(图8c)。
![]()
图 8 海南岛2002—2022年平均气温(a)、不同季节平均气温(b)变化及多年平均气温的空间分布(c)Figure 8. Variations of annual mean temperature (a), seasonal mean temperature (b) and spatial distribution of multi-year mean temperature (c) in Hainan Island from 2002 to 2022海南岛LAI与气温相关性分析结果表明(图9), LAI与气温主要呈正相关。LAI与气温的相关性存在明显的南北空间分布差异, 受气温空间分布影响, 气温对LAI的促进作用呈北方强于南方的空间格局。在海南岛北部地区, LAI对温度的响应较为强烈, 呈正相关区域主要分布于白沙黎族自治县—儋州东南部—澄迈西南部—琼中黎族苗族自治县—屯昌县—琼海市一带, 面积占比为76.96%, 温度升高导致植物生长季延长, 从而导致LAI增加。然而, 在海南岛南部大部分区域(占研究区总面积23.04%), LAI与温度的相关系数为负值, 主要分布在乐东黎族自治县—三亚市—保亭黎族苗族自治县—陵水黎族自治县一带。高温常伴随蒸发量增加, 土壤水分减少, 进而引起水分胁迫, 可能抑制植被生长, 导致LAI值下降。海南岛东北部和西部沿海温度与LAI的相关系数绝对值较大。考虑到海南岛东北部人类活动影响显著, 人类活动导致的城镇化和土地利用改变使得植被覆盖减少, 从而降低LAI值。此外, 海南岛降水呈由东到西递减的空间格局(图10), 西部地区降水量不足以抵消高温引起的蒸发增加, 加剧了水分胁迫, 从而进一步降低LAI。因此, 海南岛东北部和西部沿海温度与LAI呈较强的负相关性, 主要是人类活动导致的植被覆盖度减少和降水不足造成的水分胁迫共同作用的结果。
![]()
图 9 海南岛植被叶面积指数(LAI)与多年平均气温的相关系数空间分布图Figure 9. Spatial distribution of correlation coefficients between vegetation leaf area index (LAI) and multi-year mean temperature of Hainan Island2.4.2 植被LAI对降水的响应分析
研究区降水量为1301.63~2275.25 mm, 多年平均降水量为1877.03 mm。其中, 2004—2009年降水呈波动上升趋势, 随后年降水呈波动下降趋势(图10a); 降水分布的时间和空间差距较大, 降水空间分布呈东多西少的特征(图10b), 由于热带风暴或台风的影响, 70%~90%的降水发生在雨季(5—10月) (图10a)。
![]()
图 10 海南岛2002—2022年降水时间变化(a)及空间分布(b)Figure 10. Time variations (a) and spatial distribution (b) of precipitation in Hainan Island from 2002 to 2022海南岛LAI与降水相关性分析结果表明, LAI与降水主要呈负相关。如图11所示, 海南岛LAI与降水相关系数整体偏小, 植被对降水的响应弱于温度, 这与其他学者研究结果基本一致[5]。呈负相关区域主要分布于白沙—琼中—五指山—屯昌一带以及儋州市东南部, 占研究区总面积的77.09%。这是因为海南岛位于热带季风气候区, 全年降雨量充沛。从宏观角度来看, 降水对植被的影响力减弱, 甚至在部分地区出现过饱和现象, 降水成为限制中部林地植被增长的主要因素。海南岛降水呈现自东向西递减趋势, 西南部沿海地区如乐东黎族自治县、东方市、昌江黎族自治县等地区(占研究区总面积22.91%)的降水量较少(图10), 降水增多将促进植被生长, 因此该区域LAI与降水呈正相关(图11)。
![]()
图 11 海南岛植被叶面积指数(LAI)与降水的相关系数空间分布Figure 11. Spatial distribution of correlation coefficients between vegetation leaf area index (LAI) and precipitation of Hainan Island3. 讨论
本研究采用2002—2022年的LAI长时间序列数据探讨了海南岛植被时空变化及其对气候因子的响应, 研究数据时间跨度较大且样本数量丰富。结果表明, 2002—2022年海南岛绝大部分地区(占研究区总面积的86.71%)植被呈增加趋势, 说明该地区植被覆盖度增加, 生态环境得到改善。此外, 温度是海南岛LAI增长的主要气候驱动力, 这一发现与当前全球气候变暖导致北半球大部分地区植被发生显著“绿化”的主流观点一致[39]。
海南岛地处热带地区, 台风、暴雨、干旱等气象灾害频发, 严重影响植被生长。2005年的台风“达维”、2011年的台风“纳沙”和“海马”、2014年的台风“威马逊”均从海南岛及周边登陆。其中, 2005年的台风“达维”造成海南岛18个市(县)全部受灾, 农作物受灾面积7700 km2, 绝收面积1550 km2; 2014年超强台风“威马逊”造成海南岛、广东省、广西壮族自治区的59个市(县)、742.3万人、4690 km2农作物受灾[40]。从图5也可以看出, 2005年、2014年海南岛LAI大幅下降, 一方面是由于台风可直接破坏树木, 造成当年海南岛LAI明显降低; 另一方面台风灾害的滞后效应使受灾农作物和植被LAI恢复缓慢[41]。
人类活动引起的土地利用变化对植被有深远影响[42]。土地利用变化(包括农业扩张、城市化、林地开发和转换为其他用途)会导致植被类型、结构和区域配置的改变。人类活动引起的土地利用变化, 如城市化导致的建筑用地增加及农业扩张引起的经济作物种植面积增加, 将直接影响植被覆盖程度和类型, 进而导致LAI的变化。通过分析发现(图6), 2002—2022年间海口北部和三亚南部植被存在显著退化趋势, 通过进一步分析显著退化地区的土地利用变化(图12)发现: 草地和耕地转化为建筑用地可能是导致该区域LAI大幅降低的原因, 表明人类活动可能是影响LAI的重要驱动因素之一。未来需深入分析和量化人类活动对LAI的影响。
![]()
图 12 2002—2022年显著退化区土地利用/覆盖变化和弦图Figure 12. Chord diagram of land use/cover change in significant degradation region from 2002 to 2022当前存在众多LAI产品, 其优缺点各有不同。MODIS LAI产品主要基于三维辐射传输模型和查找表法得到LAI, 其反演结果受到输入地表反射率和植被类型数据的显著影响。虽然本研究使用的MODIS LAI数据已经过消除水汽和云层影响等处理, 且采用最大值合成法进一步消除异常值影响, 数据可靠性提高, 但不可否认的是MODIS LAI在其他区域可能存在一定的局限性。近年来, 一些研究通过利用MODIS数据生成了分辨率较高的产品, 旨在进一步提升LAI的可靠性。在未来的研究中, 使用或生产出精度更高的LAI产品, 有望进一步提高分析结果的准确性。
4. 结论
基于MODIS LAI数据、气象数据结合Theil-Sen中值分析和Mann-Kendall趋势检验方法对海南岛2002—2022年LAI时空分布变化及气候因子对LAI的影响进行分析, 得到以下结论:
1) 2002—2022年海南岛年均LAI总体呈明显上升趋势, 增长速率为0.03·a−1; LAI值较高, 多年均值为3.33。LAI在年际变化中具有明显的季节性趋势, 9月为LAI高峰值, 次年1月为低谷值。LAI值与海拔和坡向密切相关, 表现出随海拔升高先增加后减少最后稳定的趋势; 坡向对LAI值也有显著影响, 北面坡向的LAI值最高, 而西面坡向的LAI值相对较低, 这可能与不同坡向光照、水分蒸发量和降水量不同有关。进一步分析时空变化发现, 海南岛LAI北部增长趋势高于南部。其中, 呈显著改善趋势的地区集中分布在研究区北部的白沙—儋州—临高—澄迈一带(占总研究面积的59.06%); 不显著改善区域面积分布较广, 整个研究区内均有涉及(占研究区总面积的27.65%)。显著退化区域集中分布于海口北部、三亚南部等区域; 不显著退化区域主要分布在研究区南部和中部。
2)海南岛LAI变异系数(CV)呈现明显的空间异质性。海南岛LAI多年平均CV为0.136, 大部分区域LAI的CV值介于0.1~0.3。低变异区(CV<0.2)面积占比为82.03%, 表明海南大部分地区植被变化波动较小, 这主要得益于热带雨林的稳定环境条件, 如恒定高温和充沛降水, 促进植被稳定生长而不会产生过大波动。儋州、临高、澄迈等地的部分地区为高变异区域(CV≥0.2), 植被年际波动显著, 反映出植被的不稳定性, 这可能与人类活动有关。
3)相较于降水, 温度与LAI相关性更强。在研究区中部和北部的大部分地区, LAI与气温呈正相关, 这与温度上升使得作物生长季延长相关。在研究区南部的大部分地区, LAI与气温呈负相关, 可能是因为高温加剧了水分胁迫, 从而抑制植被生长。在研究区中部和北部, LAI与降水呈现负相关, 该区降水充足, 降水对LAI的促进作用存在饱和效应。在研究区西南部沿海区, 降水与LAI多呈正相关, 是由于该地区属于半干旱区, 降水量增多促进植被生长。
综上所述, 本研究的结论与同行研究成果总体一致[5], 即海南岛LAI整体呈增加趋势, 气候变化和人类活动是影响LAI变化的重要因素。本研究的时间跨度更长, 数据更新, 综合考虑了气候变化和人类活动两个方面的驱动因素, 有助于加深对海南岛植被动态变化规律的理解, 为区域生态保护和可持续发展提供科学依据。
-
![]()
图 1 2017年和2018年轻度咸水灌溉对冬小麦产量的影响
FI: 淡水灌溉(1 g∙L−1); SI: 轻度咸水灌溉(6 g∙L−1); NI: 不灌溉。FI: fresh water irrigation (1 g∙L−1); SI: mild saline groundwater irrigation (6 g∙L−1); NI: non-irrigation.
Figure 1. Effects of mild saline water irrigation on winter wheat yield in 2017 and 2018
![]()
图 2 2016—2018年暗管排盐下浅层轻度咸水灌溉试验区土壤盐分时空变化分布图
Figure 2. Spatial and temporal distribution of soil salt content changes under mild saline groundwater irrigation of the experimental area with subsurface drainage system
![]()
图 3 2017年和2018年研究区雨季降雨量
Figure 3. Rainy season rainfall in the study area in 2017 and 2018
![]()
图 4 沧州市浅层地下水埋深及矿化度空间分布
Figure 4. Spatial distribution of shallow groundwater depth and salinity in Cangzhou City
![]()
图 5 2014—2020年河北省微咸水资源供水量
Figure 5. Quantity of brackish water resources in Hebei Province from 2014 to 2020
-
[1] DE FRAITURE C, WICHELNS D. Satisfying future water demands for agriculture[J]. Agricultural Water Management, 2010, 97(4): 502−511 doi: 10.1016/j.agwat.2009.08.008
[2] 朱正全, 冯绍元, 王娟, 等. 内蒙古河套灌区农业灌溉资源型节水潜力分析[J]. 中国农村水利水电, 2016(9): 77−80 ZHU Z Q, FENG S Y, WANG J, et al. Analysis and estimation on resource-based water-saving potential of agricultural irrigation in Hetao Irrigation District of Inner Mongolia[J]. China Rural Water and Hydropower, 2016(9): 77−80
[3] 张喜英, 刘小京, 陈素英, 等. 环渤海低平原农田多水源高效利用机理和技术研究[J]. 中国生态农业学报, 2016, 24(8): 995−1004 ZHANG X Y, LIU X J, CHEN S Y, et al. Efficient utilization of various water sources in farmlands in the low plain nearby Bohai Sea[J]. Chinese Journal of Eco-Agriculture, 2016, 24(8): 995−1004
[4] 李亚松, 费宇红, 钱永, 等. 沧州地区深层地下水位降落漏斗演变特征与形成机理探讨[J]. 干旱区资源与环境, 2013, 27(1): 181−184 LI Y S, FEI Y H, QIAN Y, et al. Discussion on evolution characteristics and formation mechanism of deep groundwater depression cone in Cangzhou region[J]. Journal of Arid Land Resources and Environment, 2013, 27(1): 181−184
[5] 曹彩云, 郑春莲, 李科江, 等. 不同矿化度咸水灌溉对小麦产量和生理特性的影响[J]. 中国生态农业学报, 2013, 21(3): 347−355 CAO C Y, ZHENG C L, LI K J, et al. Impact of saline water irrigation with different salinities on yield and physiological indices of wheat[J]. Chinese Journal of Eco-Agriculture, 2013, 21(3): 347−355
[6] 苏寒, 王金涛, 董心亮, 等. 不同质量浓度咸水灌溉对冬小麦产量和生理生化特性的影响[J]. 灌溉排水学报, 2021, 40(8): 1−9 SU H, WANG J T, DONG X L, et al. Effects of different saline water irrigation on yield, physiological and biochemical traits of winter wheat[J]. Journal of Irrigation and Drainage, 2021, 40(8): 1−9
[7] 吴忠东, 王全九. 微咸水连续灌溉对冬小麦产量和土壤理化性质的影响[J]. 农业机械学报, 2010, 41(9): 36−43 WU Z D, WANG Q J. Effect of saline water continuous irrigation on winter wheat yield and soil physicochemical property[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(9): 36−43
[8] 杨莉琳, 杨友山, 李铃蔓, 等. 直灌咸水与施氮磷对重盐碱柽柳地的改良效应[J]. 中国生态农业学报(中英文), 2022, 30(8): 1372−1380 YANG L L, YANG Y S, LI L M, et al. Effects of direct saline irrigation and application of nitrogen and phosphorus on coastal saline-alkali soil planted Tamarix chinensis[J]. Chinese Journal of Eco-Agriculture, 2022, 30(8): 1372−1380
[9] 张刘东, 王庆明. 咸水非充分灌溉对土壤盐分分布的影响及SWAP模型模拟[J]. 节水灌溉, 2015(7): 32−35, 39 ZHANG L D, WANG Q M. Effect of non-sufficient irrigation with saline water on the distribution of water and salinity in soil and SWAP model simulation[J]. Water Saving Irrigation, 2015(7): 32−35, 39
[10] WEI C C, LI F H, YANG P L, et al. Effects of irrigation water salinity on soil properties, N2O emission and yield of spring maize under mulched drip irrigation[J]. Water, 2019, 11(8): 1548 doi: 10.3390/w11081548
[11] 刘兆昌, 李广贺, 朱琨. 供水水文地质[M]. 北京: 中国建筑工业出版社, 2011 LIU Z C, LI G H, ZHU K. Hydrogeology of Water Supply[M]. Beijing: China Architecture & Building Press, 2011
[12] 王全九, 徐益敏, 王金栋, 等. 咸水与微咸水在农业灌溉中的应用[J]. 灌溉排水, 2002(4): 73−77 WANG Q J, XU Y M, WANG J D, et al. Application of saline and slight saline water for farmland irrigation[J]. Irrigation and Drainage, 2002(4): 73−77
[13] FENG G X, ZHANG Z Y, WAN C Y, et al. Effects of saline water irrigation on soil salinity and yield of summer maize (Zea mays L.) in subsurface drainage system[J]. Agricultural Water Management, 2017, 193: 205−213 doi: 10.1016/j.agwat.2017.07.026
[14] LI P, REN L. Evaluating the saline water irrigation schemes using a distributed agro-hydrological model[J]. Journal of Hydrology, 2021, 594: 125688 doi: 10.1016/j.jhydrol.2020.125688
[15] 赵英, 王丽, 赵惠丽, 等. 滨海盐碱地改良研究现状及展望[J]. 中国农学通报, 2022, 38(3): 67−74 ZHAO Y, WANG L, ZHAO H L, et al. Research status and prospects of saline-alkali land amelioration in the coastal region of China[J]. Chinese Agricultural Science Bulletin, 2022, 38(3): 67−74
[16] 谭莉梅, 刘金铜, 刘慧涛, 等. 河北省近滨海区暗管排水排盐技术适宜性及潜在效果研究[J]. 中国生态农业学报, 2012, 20(12): 1673−1679 TAN L M, LIU J T, LIU H T, et al. Study on the adaptability and potential application effects of subsurface pipe drainage system in the coastal areas of Hebei Province[J]. Chinese Journal of Eco-Agriculture, 2012, 20(12): 1673−1679
[17] 谭攀, 王士超, 付同刚, 等. 我国暗管排水技术发展历史、现状与展望[J]. 中国生态农业学报(中英文), 2021, 29(4): 633−639 TAN P, WANG S C, FU T G, et al. Development history, present situation, and the prospect of subsurface drainage technology in China[J]. Chinese Journal of Eco-Agriculture, 2021, 29(4): 633−639
[18] 刘慧涛, 谭莉梅, 于淑会, 等. 河北滨海盐碱区暗管埋设下土壤水盐变化响应研究[J]. 中国生态农业学报, 2012, 20(12): 1693−1699 LIU H T, TAN L M, YU S H, et al. Response of water and salt movement to subsurface pipe drainage system in saline-alkali coastal areas of Hebei Province[J]. Chinese Journal of Eco-Agriculture, 2012, 20(12): 1693−1699
[19] 于淑会, 韩立朴, 高会, 等. 高水位区暗管埋设下土壤盐分适时立体调控的生态效应[J]. 应用生态学报, 2016, 27(4): 1061−1068 YU S H, HAN L P, GAO H, et al. Ecological effects of soil salinity regulation through saline water irrigation and subsurface drainage in high water table level area[J]. Chinese Journal of Applied Ecology, 2016, 27(4): 1061−1068
[20] 郜洪强, 费宇红, 雒国忠, 等. 河北平原地下咸水资源利用的效应分析[J]. 南水北调与水利科技, 2010, 8(2): 53−56 doi: 10.3969/j.issn.1672-1683.2010.02.015 GAO H Q, FEI Y H, LUO G Z, et al. Effect analysis of saline groundwater utilization in Hebei Plain[J]. South-to-North Water Transfers and Water Science & Technology, 2010, 8(2): 53−56 doi: 10.3969/j.issn.1672-1683.2010.02.015
[21] 丁蓓蓓, 张雪靓, 赵振庭, 等. 华北平原限水灌溉条件下冬小麦产量及水分利用效率变化的Meta分析[J]. 灌溉排水学报, 2021, 40(12): 7−17 doi: 10.13522/j.cnki.ggps.2021377 DING B B, ZHANG X L, ZHAO Z T, et al. Change in winter wheat yield and its water use efficiency as affected by limited irrigation in North China Plain: a meta-analysis[J]. Journal of Irrigation and Drainage, 2021, 40(12): 7−17 doi: 10.13522/j.cnki.ggps.2021377
[22] 苟淇书, 党红凯, 马俊永, 等. 灌溉水矿化度对土壤盐分及冬小麦产量的影响[J]. 排灌机械工程学报, 2022, 40(8): 850−856 GOU Q S, DANG H K, MA J Y, et al. Effect of irrigation water salinity on soil salinity and winter wheat yield[J]. Journal of Drainage and Irrigation Machinery Engineering, 2022, 40(8): 850−856
[23] 马凤娇, 谭莉梅, 刘慧涛, 等. 河北滨海盐碱区暗管改碱技术的降雨有效性评价[J]. 中国生态农业学报, 2011, 19(2): 409−414 doi: 10.3724/SP.J.1011.2011.00409 MA F J, TAN L M, LIU H T, et al. Evaluation of the rainfall effectiveness for reclaim of saline soil by subsurface pipe drainage system in coastal saline regions of Hebei Province[J]. Chinese Journal of Eco-Agriculture, 2011, 19(2): 409−414 doi: 10.3724/SP.J.1011.2011.00409
[24] 陈素英, 张喜英, 邵立威, 等. 微咸水非充分灌溉对冬小麦生长发育及夏玉米产量的影响[J]. 中国生态农业学报, 2011, 19(3): 579−585 doi: 10.3724/SP.J.1011.2011.00579 CHEN S Y, ZHANG X Y, SHAO L W, et al. Effect of deficit irrigation with brackish water on growth and yield of winter wheat and summer maize[J]. Chinese Journal of Eco-Agriculture, 2011, 19(3): 579−585 doi: 10.3724/SP.J.1011.2011.00579
[25] 王海霞, 徐征和, 庞桂斌, 等. 微咸水灌溉对土壤水盐分布及冬小麦生长的影响[J]. 水土保持学报, 2017, 31(3): 291−297 WANG H X, XU Z H, PANG G B, et al. Effects of brackish water irrigation on water-salt distribution and winter wheat growth[J]. Journal of Soil and Water Conservation, 2017, 31(3): 291−297
[26] 陈文, 郑自宽, 谢军健, 等. 我国非常规水源苦咸水资源及其分布特征研究[J]. 水文, 2021, 41(5): 1−6 doi: 10.19797/j.cnki.1000-0852.20200160 CHEN W, ZHENG Z K, XIE J J, et al. Study on the unconventional water sources: bitter-salty water resources and its distribution characteristics in China[J]. Journal of China Hydrology, 2021, 41(5): 1−6 doi: 10.19797/j.cnki.1000-0852.20200160
[27] YUAN C F, FENG S Y, HUO Z L, et al. Effects of deficit irrigation with saline water on soil water-salt distribution and water use efficiency of maize for seed production in arid Northwest China[J]. Agricultural Water Management, 2019, 212: 424–432
-
期刊类型引用(7)
1. 王子怡，李向强，张佳祺，肖凯. 节水灌溉对冬小麦/夏玉米周年两熟作物光合和细胞保护参数及产量性状的影响. 中国科技论文在线精品论文. 2023(03): 343-354 . 
百度学术
2. 刘英博，周际，陈颖露，姚旭擎，杨晓琳，杜太生. 基于CiteSpace的华北冬小麦-夏玉米周年优化灌溉制度的节水潜力分析. 中国农业大学学报. 2022(06): 1-20 . 百度学术
3. 张旭洋，林青，黄修东，徐绍辉. 大沽河流域土壤水-地下水流耦合模拟及补给量估算. 土壤学报. 2019(01): 101-113 . 百度学术
4. 张凯，刘战东，强小嫚，米兆荣，冯荣成，孙景生. 深松处理对豫北农田土壤水分与作物耗水的影响. 农业机械学报. 2019(10): 251-258 . 百度学术
5. 史鑫蕊，徐强，胡克林，李思恩. 灌水次数对绿洲春玉米田氮素损失及水氮利用效率的影响. 农业工程学报. 2018(03): 118-126 . 百度学术
6. 屈涛，范永胜，宋树柏，赵霞，马晓红，蒋雯，朱坤. 豫北麦区抗旱减灾应对措施. 农业科技通讯. 2017(08): 273-274 . 百度学术
7. 杜玲，徐长春，尹小刚，遆晋松，陈阜. 气候变化对河北低平原冬小麦需水量及水分生态适应性的影响. 中国农业大学学报. 2017(12): 1-9 . 百度学术
其他类型引用(6)
下载:
计量
- 文章访问数: 4030
- HTML全文浏览量: 234
- PDF下载量: 77
- 被引次数: 13
