近50年来青藏高原荒漠气候因子的时空变化

近50年来青藏高原荒漠气候因子的时空变化

1气象要素与气候变化近年来，荒漠化监测、气候和生态研究表明，青藏高原的荒漠化趋势正在恶化。导致高原荒漠化加剧的因素包括自然和人为等多种因素,其中气候因素起着关键作用。关于气候因素,特别是气候变化的趋势如何影响高原的生态状况,目前已经做过的研究多是从中长期时间尺度上气候的变化来分析其生态环境的效应。研究表明,这种年际和年代际气象要素累计值或平均值的变动往往不能很好地解释荒漠化发展的气候学原因。例如降水状况的变动是导致荒漠化最重要的因素之一,然而实际研究往往会出现矛盾的结果。如章予舒等对河西走廊所做的研究表明,年降水变率与荒漠化之间相关性极低,艾丽坤等研究西北东部地区荒漠化特征时也发现表征地面荒漠化程度的地—气温差和春季降水量之间呈负相关。近50年高原上一些荒漠化地区如柴达木盆地的德令哈、都兰等地的年降水都有显著增加,但当地荒漠化加剧趋势却并未减小。显然,只研究气象要素总量值或平均值的长周期变动趋势不足以阐明其与当地荒漠化发生发展的联系。例如某降水量或年平均温度等气象要素统计值还不能完全反映在该年时间尺度内的温湿情况。Lavee等的研究也指出了这一点。同样的降水量,但在年度内不同的分配状况往往造成不同的干旱和荒漠化效果。因此,有必要将重点转移到气象要素在年度内不同时段分配格局、配置状况及其变动趋势的研究上来,才能合理地解释气候变化与生态变化之间的关系和机理。另外,在探索荒漠化的气候学成因时,过去多是根据气候变化趋势采用定性描述的方式来研究,缺乏对两者之间关系有说服力的定量化描述。本研究以青藏高原北部重点荒漠化地区为对象,尝试从降水、风速等影响荒漠化的关键气象要素在时间尺度上分配状况和配置格局的变化入手,采用空间自相关分析等方法探讨高原荒漠化加剧和气候变化及人类活动的关系。青藏高原是我国主要荒漠化地区之一,根据1999\_2000年在西藏和青海进行的第二次荒漠化监测结果,两地合计荒漠化土地为4092.85×104hm2,约占全国荒漠面积26740×104hm2的15.3%,占两省区总面积的21%。其中,高原北部是全国重点荒漠化地区,共有荒漠化土地2045.4×104hm2,其中沙化土地1196.5×104hm2,荒漠占高原北部总面积的三分之一,占整个高原荒漠化面积的一半。目前,以柴达木盆地和黄河源头区域为代表的高原北部荒漠化主要有以下特点:一是风蚀、水蚀、盐渍和冻融等各种类型的荒漠化同时发生,其中风蚀荒漠化类型占荒漠总面积的70%以上,是造成当地主要危害的荒漠类型。二是荒漠化快速发展,例如沙质荒漠化(沙漠化)年增长率高达0.82%,远远高于高原南部(西藏)0.154%和全国平均0.195%的增长率。三是治理的速度远远赶不上荒漠化扩展的速度。5年来通过多种治理措施使沙化土地逆转为非沙化土地面积共3250.3hm2,而同期由非沙化发展为沙化土地面积高达488936.5hm2,沙化速度是治理速度的150倍,荒漠化形势十分严峻。高原上荒漠化的加剧不仅给当地农牧业生产、人民生活和基础设施建设带来重大损失,也对高原周边地区的生态环境构成严重威胁,正确认识高原荒漠化发生、发展的原因和过程并进行科学地治理,显得尤为紧迫。2数据和分析2.1气象站和监测数据气象资料选择高原北部有代表性的重点沙漠化地区德令哈、格尔木、都兰、共和以及黄河源头玛多共5个气象站近50年的气象观测,包括降水、蒸发量和风速等因子,同时结合5个地区荒漠化动态监测数据和同期社会经济指标对导致荒漠化加剧的气候—人为因素进行分析。荒漠化监测数据主要采用了国家荒漠化监测中心公布的第二次荒漠化监测数据和董得红、李森等、邹学勇等的研究结果。2.2相关参数的确定及关联度分析空间统计分析中的空间自相关分析(SpatialAutocorrelationAnalysis)方法被广泛应用于地理、生态和人类学等研究领域,能够有效地探讨某一随机变量在二维空间中与位置相关的分布状态。如果一个变量有较高的空间自相关性,说明该变量在空间中存在着有序的结构(Patterns),并可能存在聚集分布区(Clustering)。较低的相关性说明该变量在空间的分布是趋于与位置无关的随机分布。虽然该方法多用于二维空间数据分布状态的统计分析,但也完全可以用于一维时间尺度上气象要素分配状况的分析,只是将样本的二维空间相邻关系理解为一维时间相邻关系而已,其本质上和数学处理上没有任何不同。描述空间自相关的指数公式较多,本研究中采用了Moran指数,公式为I=n∑i=1n∑j∈NiWij⋅∑i=1n∑j∈NiWijzizj∑i=1nz2i,Ι=n∑i=1n∑j∈ΝiWij⋅∑i=1n∑j∈ΝiWijzizj∑i=1nzi2,式中,I为Moran指数,Zi=(xi−x¯),Zj=(xj−x¯)Ζi=(xi-x¯),Ζj=(xj-x¯)为变量x在位置i和相邻位置j的距平,Wij为空间相邻权重矩阵,n为样本单元个数,Ni为i单元的相邻单元个数。Moran指数是一区间为[-1,+1]的相对值,I值越高,变量的自相关性就越大。如某一气象要素具有较高的I值,就说明该要素在时间维上的分布与其时间位置密切相关,也即存在明显有序的时间分布格局和相近观测值的密集分布区。I值为负时说明分布呈现为极为粗糙或剧烈跌宕起伏的“插花”状态,I→0时,观测值趋近于与时间位置无关的均匀随机分布。比较年度间I值的变化趋势将能够说明与荒漠化有关的气象要素在年度内时间分配格局和均匀度的变化。相邻权重矩阵Wij选择的适当与否将决定分析效果的好坏。首先用某一年的观测数据按下式进行半方差分析(SemivarianceAnalysis),以期找出一个较好的分析距离尺度h,并以h确定相邻矩阵的大小:γ(h)=12nh∑i=1nh(xi−xi+k)2,γ(h)=12nh∑i=1nh(xi-xi+k)2,式中γ(h)为半方差,h为选定相邻单元集的距离,nh为相邻单元个数。由于荒漠化与气象要素时间分配变异以及人为活动之间存在着复杂的关系,加之样本数据所限,用传统的数理统计方法很难建立理想的数量模型。本研究中将采用灰色关联度分析方法,定量描述荒漠化趋势与气候、人为因素之间的关联度和关联排序,以期找出影响荒漠化发展的主导因子。关联度分析对样本的大小和概率分布无特定要求,还能够对任意多的数据序列(即相关因子)间的关联度或曲线间几何形状的接近程度进行比较。在本研究中使用了面积关联度分析方法。设有参考序列:X0(j)={x01,x02,x03,…x0j,…x0n}与比较序列Xi(j)={xi1,xi2,xi3,…xij,…xin},则第j项比较数据对x0j与xij之间的关联系数为ζ0i(j)=Δmin+ΔmaxKΔ0i(j)+ΔmaxK,ζ0i(j)=Δmin+ΔmaxΚΔ0i(j)+ΔmaxΚ,式中Δ0i(j)为x0j与xij之间的绝对差值,Δmin和Δmax分别为各数据对之间的最小和最大绝对差值,K是分辨系数,取值介于0～1之间。参考序列X0(j)与比较序列Xi(j)之间的关联度为γ0i=1n∑i=1nζ0i(j),γ0i=1n∑i=1nζ0i(j),通过关联度的比较和排序,可以确认各比较序列与参考序列间相关程度的大小。3结果分析3.1降水的时间分布选择5个荒漠化重点地区中降水最少的格尔木和降水最多的共和2000年的候降水资料进行半方差分析(图1)。结果表明:(1)不论降水多寡,候降水半方差都在5个候(约25天～1个月)的时间距离尺度(lag)之后趋于稳定,这也是半方差变动的主要区间(range)。这说明5个候是选定候降水自相关分析相邻矩阵的较佳时间尺度,也是这两个地区降水在时间分布上存在自相关的最大时间尺度。(2)降水量大而且降水次数较多的共和候降水半方差远远大于降水量较小的格尔木,方差变异区间也大得多。共和为2817～5336,格尔木仅为441～640。这说明半方差分析用于降水量大、降水次数多的地区效果较好,而对于像格尔木这样降水稀少地区降水时间分布状况的研究较不可靠。(3)两个地区降水的最小剩余半方差(nugget)完全不同,降水量大的地区远大于降水量小的地区,说明两个地区有着不同质的天气系统,进行降水时间分布状况分析的最小分辨率也不一样,因而不宜将不同地区半方差分析结果的绝对值进行简单的横向对比,而只能将其时间分布特征值的相对指数(如Moran指数)进行比较。3.2双向气候变化的趋势根据上述半方差分析所确定的5个候的时间尺度用于所选重点荒漠化地区降水随时间分布的自相关分析,得到反映5个地区近50年降水年度内时间分布特征的Moran指数如图2所示。仔细分析5个地区逐年降水的Moran指数变化趋势,得到如下结论:第一,从20世纪80年代以来,所有5个荒漠化区的Moran指数均呈振荡上升的趋势,降水随时间的自相关性显著增加,表明降水事件从80年代以来具有明显的时间有序性,呈现集中或集聚分布的趋势。也就是说,降水强度大的降水事件或降水强度小的降水事件均集中发生,年度内降水随时间分配的不均匀程度大大增加。这一现象与近年来荒漠加剧趋势同步发生,表明两者之间存在着必然的联系。降水随时间不均匀性增加,必然会导致下垫面水湿条件趋于过湿或过旱的极端状况,容易导致水土流失或旱情,不利于植被的生长。进一步考虑到高原北部总体降水稀少和蒸发量远远大于降水量的现实,降水的不均匀显然将导致大范围的干旱化趋势,所有这些都必然为荒漠化趋势的加剧创造条件。第二,各地区降水Moran指数从20世纪80年代以来呈剧烈振荡,年际间变异幅度明显增加。这说明了两点:首先,振荡的加剧表明年际间降水的不均衡在加剧,这使发生旱、涝灾害的可能性增大,同样也将有助于荒漠化的发生。其次,Moran指数变异的增大表明,以降水时间分布均匀性为特征的天气系统的不稳定性或变异性在增加,给出了近十多年来高原北部气候正在发生剧烈变化的强烈信号,也为荒漠化的加剧提供了预警信号。第三,20世纪80年代以前,5个地区降水的Moran指数多数为负值或接近于零的正值(表1)。负的自相关说明不同降水强度的降水事件呈“插花状”的相间分布,近于零的自相关则表明,年度内降水事件随时间呈均匀随机分布的状态。不论哪一种情形,都表明80年代之前降水时间分布相对较均匀,有利于植被生长而不利于荒漠化发生。80年代之后,降水时间自相关指数>0.1的年份骤然增加(见表1),所占比例由80年代之前的7.7%增加到55.2%,尤其是降水呈强自相关(MoranI>0.3)的年份大量出现,降水年度内分配不均匀程度剧烈,若又同时伴随降水的异常和强风、高温天气,将会大大加剧荒漠化进程。第四,从图1中Moran指数变化趋势线可以看出,虽然5地区降水Moran指数在20世纪80年代之后均明显增加,但增加的幅度是不同的,其次序为玛多>都兰>德令哈>共和>格尔木。位于黄河源头区域的玛多虽然近20年降水波动增加,但其年度内降水不均匀性也明显加剧,这可能是造成近年黄河上游干流频繁持续断流和黄河源头区域干旱和荒漠化加剧的原因之一。3.3生长季内降水集中度的提高为了进一步研究降水年内分配情况对高原生态状况的影响,我们分别按全年和候均温稳定>5℃的生长季,统计了5个地区平均连续无降水日数。该指标的意义在于,不论多年平均降水量如何变化,如果平均连续无降水日数增大,就意味着降水(或无降水)集中度的增大,也即降水年度内的分配不均匀程度增高,气候及下垫面会呈现干湿极端化趋势,就会促使荒漠化加剧发展。生长季内的平均连续无降水日数大小对于植被的生长具有重要的生理、生态意义。如生长季内平均连续无降水日增加,将导致土壤墒情恶化,不利于植被的生长,也会间接促使荒漠化趋势加剧。从统计结果来看,5个地区除德令哈外,年平均连续无降水日均略有不同程度的增长(图3),而除共和以外的4个地区生长季平均连续无降水日数从20世纪80年代以来都呈现较明显的增加趋势,直线变动率达0.26～0.71d/10a(表2),说明除共和外的各荒漠化地区生长季内降水不均匀程度在加剧,干旱化加剧趋势仍在持续。这也许是近年来高原天然植被、天然草场和湿地生态系统持续退化的主要原因之一。3.4从风蚀到地震反应的期内变化风力是风蚀荒漠化和沙质荒漠化发展的主要动力,也是产生沙尘暴的直接原因。据风洞试验研究,对于流动沙丘而言,临界风速达到5m/s时即可扬尘起沙。我们对5个荒漠区风速≥5m/s的起沙风日数进行了统计(图4,表3),结果显示,除共和以外的4个地区自20世纪80年代以来起沙风日数明显减少,而共和同期则有所增加。这预示共和的风蚀荒漠化未来有可能进一步加剧,而其他4个地区的起沙风对荒漠化发展的影响会有所减弱。柴达木盆地的德令哈、格尔木和都兰在60年代中期至80年代中期,黄河源头玛多直至90年代初存在着一个起沙风高发时期,所产生的强烈的风蚀效应可能也是这4个地区近几十年流沙面积比例急剧扩大的外在驱动力之一。德令哈、格尔木的大风日数多集中于生长季,这两地的降水量又相对较小,有利于流沙移动和形成沙尘天气。玛多、共和两地生长季的大风日数比例较小,产生春、夏沙尘天气的可能性相对较低。从平均风速和起沙风日数上看,玛多这两项指标都相对较高,表明起沙风是驱动玛多县荒漠化扩展的另一个重要因素。共和起沙风速最高而累计天数最少,但近年来共和起沙风天数呈增加态势,可能在今后会加剧当地流沙扩展的程度。3.5社会经济指标的灰色关联度分析荒漠化是一个受气候—人类活动综合影响的复杂过程,为进一步定量地探讨两类因子与荒漠化加剧的关系,我们选取了与荒漠化密切相关的6项气象指标和5项社会经济指标即人为因子与表征沙质荒漠化动态变化的动态指标和表征沙化现状的静态指标进行灰色关联度分析。沙化动态指标以沙化最严重的类型——流动沙丘及其移动扩散致使沙化土地增加的百分比为衡量指标,沙化静态指标则以5个地区1999年沙化土地占土地总面积的比例作为衡量指标,分析数据和结果见表4和表5。3.6气候变化的影响11个气象指标和社会经济指标与沙化动态指标的关联度排序为降水Moran指数0.651>降水Moran指数变动率0.628>平均起沙风日数0.612>草场载畜量0.558>人均农业产值0.536>平均连续无降水日数变动率0.499>人口密度0.489>地面\_空气温差0.487>人均耕地0.480>平均连续无降水日数0.463>森林覆盖率0.414。其中,关联度>0.5,对沙化土地动态变化(即流沙扩展)可能有较大贡献的有降水Moran指数等3项气候因子和草场载畜量等2项人为因子(图5)。降水Moran指数位列关联度首位,表明Moran指数所反映的降水年度内分配不均匀程度的加剧对流沙扩展有较大影响。另一气象因子——生长季平均起沙风日数位居关联度第二位,表明起沙风日数的增加可能有助于风蚀荒漠化尤其是流沙的扩展。影响沙化动态变化的人为因子中位于前两位的是单位草场载畜量和人均农业产值。超载过牧一直是导致高原草甸退化和沙化的重要外在胁迫因子。需要指出的是,这里的载畜量指标反映的是已经发生超载放牧的情况下每一羊单位所能破坏草场面积的大小。因此,这一指标越大,表明单位牲畜对脆弱的天然草场危害的面积也越大,导致草场退化、沙化的胁迫压力也越大。人均农业产值反映了人类以土地为对象的开发强度的大小,在生产力水平普遍低下的情况下,人均产值愈高,对土地的索取和压力也越大,越有利于形成荒漠化的条件(见表5)。3.7人为因子环境因子对森林沙化的影响与沙化静态指标相关的11个气象指数和社会经济指标关联度排序为平均连续无降水日数0.782>草场载畜量0.754>人均农业产值0.740>降水Moran指数变动率0.7>地面-空气温差0.687>平均连续无降水日数变动率0.643>森林覆盖率0.414>人均耕地0.586>平均起沙风日数0.548>降水Moran指数0.528>人