2. 中国林业科学研究院森林生态环境与保护研究所, 100091, 北京
-
项目名称
- 四川省科技厅杰出青年科技人才项目"碳中和背景下川西区域森林水碳生态功能的协同与权衡"(2022JDJQ0005);国家自然科学基金"非稳态条件下西南亚高山流域森林恢复的水文响应定量"(31770759)
-
第一作者简介
- 余恩旭(1996-), 男, 硕士研究生。主要研究方向: 森林生态系统。E-mail: enxuyu96@163.com
-
通信作者简介
- 张明芳(1982-), 女, 博士。主要研究方向: 生态水文信息采集与分析, 流域生态恢复与规划管理等。E-mail: mingfangzhang@uestc.edu.cn
-
文章历史
-
收稿日期:2021-06-28
修回日期:2021-12-15
2. 中国林业科学研究院森林生态环境与保护研究所, 100091, 北京
2. Research Institute of Forest Ecology, Environment and Protection, Chinese Academy of Forestry, 100091, Beijing, China
水源涵养是重要的森林生态系统服务功能之一[1-3]。但长期的人类活动干扰破坏森林生态系统平衡,造成森林水源涵养功能严重退化,进而引发水土流失等生态环境问题。采取封育、抚育、疏伐等森林恢复措施对受损或退化森林生态系统进行重建和修复是提升森林水源涵养功能、遏制水土流失的有效手段[4]。快速、准确定量评估和预测不同恢复措施对森林植被结构和水源涵养功能的影响有助于筛选有效的森林恢复措施,优化森林恢复模式,为区域未来森林生态系统保护以及水土保持工作提供科学支撑。
森林水源涵养功能效益的评价方法主要分为实验法和模型法[5]。实验法多为小尺度上的评价,对多尺度水源涵养功能动态过程的刻画相对有限[6-7]。模型法较直观地反映森林变化对水源涵养功能的影响[8-9],但现有成熟的模型模拟数据需求量大、过程复杂、耗时长,难以实现快速地森林变化的水文效益评价,且水文模型缺少对森林植被生长变化的刻画和预测,无法直接评价森林时空累积变化及其对水源涵养功能的影响,难以满足森林资源管理经营的实际需求[10]。
ENVI/IDL是美国ITT VIS公司的旗舰产品,IDL为面向矩阵进行运算的交互式数据语言,ENVI则为由IDL开发的遥感影像处理软件。ArcGIS Engine为进行GIS二次开发的功能组件包,其支持C#.NET开发语言。ENVI/IDL和ArcGIS Engine/C#.NET二次开发和混合编程技术被广泛运用于森林资源动态监测、森林水源涵养功能评价以及空间信息管理与决策等方面[11-12]。针对水源涵养功能评价,李姗姗[12]基于SEBAL-SCS模型,运用水量平衡法,采用ENVI/IDL和ArcGIS Engine/C#.NET技术,开发区域水源涵养量估算系统,实现大尺度长时间序列的区域水源涵养量估算;但是目前缺少能够同时模拟和预测森林变化动态以及水源涵养等生态功能的时空变化的综合性快速评价模型。
针对上述问题,笔者基于森林等量采伐面积(equivalent clear-cut area, ECA)概念,创新性地开发森林等量恢复面积(equivalent recovery area, ERA)预测模型以用于森林恢复动态定量。该模型不仅能够快速定量时空累积的森林恢复水平,同时考虑森林植被的动态演替和水文功能恢复过程,能够反映生态功能的时空累积变化[3]。笔者通过集成ERA模型和传统的综合蓄水能力法等水源涵养功能评价方法,基于GIS二次开发平台,研究、设计与实现区域森林水源涵养功能评价模型(regional forest water conservation function assessment model, RFWCFAM),并应用于杂谷脑流域。该模型可为林业部门和水资源管理部门快速准确地评价和预测森林生长动态以及森林水源涵养量变化提供技术支撑。
1 RFWCFAM模型设计 1.1 评价流程区域森林变化与水源涵养功能评价步骤涉及评价数据管理和处理、森林变化模拟与预测、森林水源涵养功能评价与预测。输入数据包括空间数据(DEM、植被/森林类型、降水栅格、林相图、土壤数据等)与非空间数据(森林恢复措施、ERA系数等);森林变化模拟预测采用基于森林演替过程的ERA模型;森林水源涵养量采用综合蓄水能力法计算(含林冠层截留量、土壤层蓄水量和枯枝落叶层持水量);最后可基于森林变化情景模拟预测区域森林水源涵养量变化(图 1)。
研究前需要对空间数据和非空间数据进行数据处理和数据管理,以满足模型各部分数据的需求。数据管理模块主要管理文档、空间数据和数据库。数据处理模块主要包括矢量栅格数据处理、遥感影像处理、字段处理、格式转换以及预处理。其中预处理核心功能为日最大降雨查找、土地类型和龄组划分、林地与非林地划分。
1.2.2 森林变化模拟与预测森林变化模拟与预测包含森林区域筛选、森林变化模拟(区域变化和随机变化)和森林变化情景预测。运用森林区域筛选结合地形数据提取特定区域用于森林恢复措施布局。森林变化情景预测通过输入土地覆被数据、优势树种生长曲线、恢复措施和ERA系数,输出森林恢复措施布局和森林景观变化分布图。
森林变化预测的核心为采用ERA模型刻画森林变化过程。ERA模型的雏形为ECA模型,ECA模型通过ECA恢复系数表征不同类型森林干扰(林火、病虫害、采伐等)后森林变化的水文功能变化状况,用于计算区域尺度各类干扰后森林的时空累积变化[13]。森林等量采伐面积的减少意味着森林等量恢复面积的增加[14]。据此,笔者改进ECA模型,基于森林植被的水文功能恢复过程构建出森林等量恢复面积(ERA)模型用于表征造林或自然更新后森林的时空累积恢复情况。ERA模型通过建立森林植被生长(年龄或树高等)与水文功能恢复速率的关系来确定ERA系数,并由此定量不同森林恢复措施作用后流域森林的时空变化,ERA系数等于0,表明森林水文功能完全未恢复;ERA系数等于100%,表明森林水文功能已完全恢复。图 2为ERA计算示意图,计算公式如下所示:
$ {F_{ij}} = {R_{ij}}{S_i}; $ | (1) |
$ {E_{ij}} = {F_{ij}} - {F_{i(j - 1)}}。$ | (2) |
式中:F为累积森林等量恢复面积,m2;R为ERA系数;S为恢复林分面积,m2;E为森林等量恢复面积,m2;i为恢复林分编号;j为恢复时间长度。基于时间序列计算出各年份不同恢复措施下(自然恢复和人工恢复)的ERA系数,得到流域ERA系数曲线。F: Cumulative equivalent recovery area, m2; R: ERA coefficient; S: Recovery area, m2
1.2.3 森林水源涵养功能评价与预测该模块通过输入土地覆被、降水、土壤、水源涵养功能参数和ERA水文功能系数等数据实现对区域森林水源涵养功能现状的评价和预测,采用综合蓄水能力法[15]定量评价森林水源涵养功能现状,计算公式见(3)~(6)。森林水源涵养功能预测是基于初始年份天然针叶林(流域顶级森林群落类型为恢复终极目标)的林冠层、枯枝落叶层、土壤层以及总水源涵养量,结合ERA模型和文献参数生成各类型森林植被在不同森林恢复措施下的ERA水文功能系数曲线,该系数定义为等效水文功能恢复系数(equivalent hydrological function recovery coefficient,EHFR coefficient),构建森林水源涵养功能预测模型,实现未来各层次水源涵养量的预测,计算公式见(7)~(10):
$ W = C + L + S; $ | (3) |
$ C = \sum\limits_{k = 1}^n {{\alpha _k}} P{A_k}; $ | (4) |
$ L = \sum\limits_k^n {{\beta _k}} {A_k}; $ | (5) |
$ S = \sum\limits_k^n {{\gamma _k}} D{A_k}{\rm{; }} $ | (6) |
$ {S_{kj}} = {H_{kj}}{S_0}{\rm{; }} $ | (7) |
$ {L_{kj}} = {H_{kj}}{L_0}; $ | (8) |
$ {C_{kj}} = {H_{kj}}{C_0}; $ | (9) |
$ {W_{kj}} = {H_{kj}}{W_0}。$ | (10) |
式中:W、C、L、S分别为森林生态系统总水源涵养量、林冠层截留量、枯枝落叶层持水量和土壤层蓄水量,m3;α为林冠截留率,%;P为年日最大降雨量,m;β为枯落物最大持水量,m3/hm2;γ为土壤非毛管孔隙度,%;D为土壤厚度,m;A为植被面积,hm2,k为植被类型;Sij、Lij、Cij和Wij分别为第j年k类森林植被-措施组合的土壤层蓄水量、枯枝落叶层最大持水量、林冠层截留量和总水源涵养量,t/hm2;Hij为第j年k类森林植被-措施组合的EHFR系数;C0、L0、S0和W0分别为初始年份天然针叶林的林冠层、枯枝落叶层、土壤层以及总水源涵养量,t/hm2。
2 RFWCFAM模型实现笔者基于ENVI/IDL和ArcGIS Engine/C#.NET开发和实现RFWCFAM模型,模型框架和主界面如图 3所示,模型数据层主要存储和管理模型的输入数据和相关参数等。业务逻辑层主要提供数据访问、数据处理、模型计算与模拟的功能。表现层是基于Visual Studio 2010、.NET 4.0、C#和ArcEngine10.2进行开发,借助DotNetBar进行UI设计与美化,实现软件菜单设计、WinForm窗口设计、工作目录、工具箱、GIS基本地图显示和操作、专题制图、图层渲染、统计、图表绘制和时空分析等功能。
笔者以岷江杂谷脑流域数据为实例,应用RFWCFAM模型进行流域森林恢复措施空间布局,评价和预测森林恢复对杂谷脑森林水源涵养功能的影响。本研究涉及到的数据包括林相图(川西林业局提供)、土地覆被(ChinaCover 2010,空间分辨率30 m,http://www.geodata.cn/)、降水(http://data.cma.cn/,ANUSPLIN插值,空间分辨率500 m)、土壤(HSWD,1 ∶100万,http://westdc.westgis.ac.cn/)和地形(ASTER DEM,空间分辨率30 m,http://www.gscloud.cn/)数据,恢复措施及水源涵养参数见表 1。
研究区森林变化以森林恢复为主。依次使用森林变化模拟与预测模块中的森林区域筛选、森林变化模拟功能生成杂谷脑流域森林恢复布局图(图 4)。该区域森林恢复模式分自然恢复和人工恢复2种模式。自然恢复下,每种森林类型均采用自然演替进行恢复;人工恢复措施下,每种森林类型按照表 1、图 4措施进行恢复。
基于区域样地实验数据[17-20],采用“空间代时间”的方法构建不同森林植被类型-恢复措施组合对应的等效水文功能恢复系数(equivalent hydrological function recovery coefficient,EHFR coefficient),运用模型的ERA模块计算得到不同森林恢复措施下流域等效水文功能恢复曲线(图 5)。恢复措施实施20年内,自然恢复和人工恢复措施下的森林等效水文功能恢复系数总体均呈上升趋势,且分别达到76.16%和79.10%。结合流域森林恢复布局图和森林演替过程,运用森林变化预测模块,模拟2010年起未来森林景观变化情况。经自然恢复20年后,幼龄灌木林、幼龄天然针阔混交林变化较明显,幼龄灌木林全部变为中龄灌木林,幼龄天然针阔混交林全部变为近熟天然针阔混交林;经人工恢复措施实施后,灌木林则全部演替为人工针叶林,其余类型变化与自然恢复下基本一致(图 6)。
应用森林水源涵养量评价模块,计算杂谷脑流域2010年林冠层截留量、土壤层蓄水量、枯枝落叶层持水量和总水源涵养量分别为129.80、25.96、523.62和679.37 t/hm2。进一步基于EHFR系数对未来20年流域森林水源涵养量进行预测,结果表明自然恢复和人工恢复下,流域森林林冠层、枯枝落物层、土壤层和总水源涵养量均呈上升趋势。2030年自然恢复和人工恢复情景下流域森林总水源涵养量相较于2010年分别提升34.5%和39.7%。总体而言,人工恢复措施下各层次水源涵养能力较自然恢复高5.19%左右(表 2)。
相比李珊珊[12]开发的区域水源涵养评价系统,RFWCFAM模型在水源涵养功能预测、退化森林恢复措施布局等方面具有较强优势。研究中使用的降水、地形、林相图等数据均来自官方渠道,ERA模型构建使用的水源涵养参数来自文章报道和野外实测,使用的方法是应用广泛的经典水源涵养计算方法,据此认为模型和结果可靠;然而,由于水文参数由林分尺度样点数据上推到整个流域尺度,森林水文功能空间异质性被削弱,从而增加了模型的不确定性。因此,在未来的研究中,有必要开展更多的长期性野外测量工作,并使用不同水源涵养计算方法,进一步提升模型预测精度。
5 结论本研究综合运用ENVI/IDL、ArcGIS Engine、C#和.NET二次开发平台,集成ERA森林恢复模型和经典水源涵养功能计算方法,设计与实现区域森林水源涵养功能评价模型(RFWCFAM)用以定量评价和预测森林恢复对森林水源涵养功能的影响,解决传统水源涵养评价方法存在的局限性,并在杂谷脑流域成功应用验证。RFWCFAM模型可为森林、水资源、水土保持等相关部门制定森林资源管理、森林生态系统恢复和水土保持措施提供科学和技术支持。
[1] |
郑学良, 陈丽华, 李洪洋, 等. 基于水源涵养功能的辽东防护林体系健康评价[J]. 中国水土保持科学, 2020, 18(2): 102. ZHENG Xueliang, CHEN Lihua, LI Hongyang, et al. Health assessment of Liaodong shelterbelt system based on water conservation[J]. Science of Soil and Water Conservation, 2020, 18(2): 102. |
[2] |
张丽娜, 许丽, 秦儒, 等. 基于模糊物元模型的3种灌木林水源涵养能力评价: 以内蒙古黑岱沟露天煤矿排土场为例[J]. 中国水土保持科学, 2019, 17(1): 31. ZHANG Lina, XU Li, QIN Ru, et al. Evaluation of water conservation capacity of three shrub forests based on fuzzy matter-element model: A case study of Heidaigou open pit mine dump in Inner Mongolia[J]. Science of Soil and Water Conservation, 2019, 17(1): 31. |
[3] |
王先棒, 贺康宁, 董喆, 等. 北川河流域典型林型水源涵养能力评价[J]. 中国水土保持科学, 2017, 15(5): 94. WANG Xianbang, HE Kangning, DONG Zhe, et al. Evaluation on water conservation capacity of typical forest types in Beichuan River basin[J]. Science of Soil and Water Conservation, 2017, 15(5): 94. |
[4] |
胡婵娟, 郭雷. 植被恢复的生态效应研究进展[J]. 生态环境学报, 2012, 1(9): 1640. HU Chanjuan, GUO Lei. Advances in the research of ecological effects of vegetation restoration[J]. Ecology and Environmental Sciences, 2012, 1(9): 1640. |
[5] |
陈秀兰, 何勇, 张丹丹, 等. 中国森林生态恢复与重建生态效益评价研究进展[J]. 林业经济问题, 2008, 28(3): 192. CHEN Xiulan, HE Yong, ZHANG Dandan, et al. Review on the eco-efficiency evaluation of forest ecosystem restoration and reconstruction in China[J]. Issues of Forestry Economics, 2008, 28(3): 192. |
[6] |
宫渊波, 陈林武, 张健, 等. 嘉陵江上游低山暴雨区植被恢复对沟道产流的影响研究[J]. 水土保持学报, 2009, 23(4): 1. GONG Yuanbo, CHEN Linwu, ZHANG Jian, et al. Effects of vegetation restoration on channel runoff in the low-mountain and rainstorm area of the upper Jialing river[J]. Journal of Soil and Water Conservation, 2009, 23(4): 1. |
[7] |
李贵祥, 孟广涛, 方向京, 等. 珠江源头区不同地类人工恢复植被树种选择及生态效益研究[J]. 水土保持通报, 2007, 27(4): 126. LI Guixiang, MENG Guangtao, FANG Xiangjing, et al. Species selection and ecological benefits of revegetation on different types of land in the headstream area of Pearl River[J]. Bulletin of Soil and Water Conservation, 2007, 27(4): 126. |
[8] |
桑卫国, 马克平, 陈灵芝, 等. 森林动态模型概论[J]. 植物学报, 1999, 16(3): 193. SANG Weiguo, MA Keping, CHEN Lingzhi, et al. A brief review on forest dynamics models[J]. Chinese Bulletin of Botany, 1999, 16(3): 193. |
[9] |
SITCH S S B, PRENTICE I C, ARNETH A, et al. Evaluation of ecosystem dynamics, plant geography and terrestrial carbon cycling in the LPJ dynamic global vegetation model[J]. Global Change Biology, 2010, 9(2): 161. |
[10] |
DAI Erfu, WU Zhuo, WANG Xiaofan, et al. Progress and prospect of research on forest landscape model[J]. Journal of Geographical Sciences, 2014, 25(1): 113. |
[11] |
王勇, 庄大方, 徐新良, 等. 宏观生态环境遥感监测系统总体设计与关键技术[J]. 地球信息科学学报, 2011, 13(5): 672. WANG Yong, ZHUANG Dafang, XU Xinliang, et al. Design of macro-ecological environment remote sensing monitoring system and the key technologies[J]. Geo-Information Science, 2011, 13(5): 672. |
[12] |
李姗姗. 基于RS与GIS的祁连山南坡水源涵养量估算系统研究与实现[D]. 西宁: 青海师范大学, 2015: 10. LI Shanshan. Research and development of the water conservation estimation system based on RS and GIS in the southern slope of Qilian mountains[D]. Xining: Qinghai Normal University, 2015: 10. |
[13] |
WEI Xiaohua, ZHANG Mingfang. Research methods for assessing the impacts of forest disturbance on hydrology at large-scale watersheds[M]//LI C, LAFORTEZZA R, CHEN J. Landscape Ecology in Forest Management and Conservation: Challenges and Solutions for Global Change. Berlin, Heidelberg; Springer Berlin Heidelberg. 2011: 119.
|
[14] |
蒙作主. 区域森林变化与水源涵养功能估算及系统实现[D]. 成都: 电子科技大学, 2019: 18. MENG Zuozhu. Evaluation and system realization for regional forest change and water conservation function[D]. Chengdu: University of Electronic Science and Technology of China, 2019: 18. |
[15] |
孙清琳, 李延森, 郭继凯, 等. 云和县森林生态系统水源涵养功能评估[J]. 北京大学学报(自然科学版), 2015, 51(5): 888. SUN Qinglin, LI Yansen, GUO Jikai, et al. Assessment of water conservation function of forest ecosystem in Yunhe county, Zhejiang province[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2015, 51(5): 888. |
[16] |
刘彦春. 川西亚高山主要森林类型恢复过程中地上生物量、生产力变化研究[D]. 北京: 中国林业科学研究院, 2010: 15. LIU Yanchun. Research on the changes of aboveground biomass and NPP in recovery process for main forest types in subalpine region of western Sichuan[D]. Beijing: Chinese Academy of Forestry, 2010: 15. |
[17] |
冯秋红, 刘兴良, 卢昌泰, 等. 不同经营模式对川西亚高山天然次生林林地水文效应的影响[J]. 生态学报, 2016, 36(17): 5432. FENG Qiuhong, LIU Xingliang, LU Changtai, et al. Effects of different forest management regimes on woodland hydrological effects of natural secondary forests in a sub-alpine region of western Sichuan, China[J]. Acta Ecologica Sinica, 2016, 36(17): 5432. |
[18] |
师嘉祺. 岷江上游杂谷脑流域森林景观恢复对关键生态功能的影响[D]. 成都: 电子科技大学, 2020: 25. SHI Jiaqi. The effect of forest landscape restoration on key ecological functions in the Zagunao watershed, the upper reaches of Minjiang river[D]. Chengdu: University of Electronic Science and Technology of China, 2020: 25. |
[19] |
师嘉祺, 余恩旭, 徐亚莉, 等. 气候变化下西南亚高山森林景观恢复效果模拟预测: 以岷江杂谷脑河上游流域为例[J]. 应用与环境生物学报, 2021, 27(3): 716. SHI Jiaqi, YU Enxu, XU Yali, et al. Simulating the effects of forest landscape restoration under climate change in southwest subalpine forests in China: A case study in the upper Zagunao watershed of the Minjiang River Basin[J]. Chinese Journal of Applied and Environmental Biology, 2021, 27(3): 716. |
[20] |
邓力濠. 岷江上游森林生态系统水源涵养功能尺度转换的研究[D]. 成都: 电子科技大学, 2021: 35. DENG Lihao. Study on the scale transformation of water conservation function of forest ecosystem in the upper reaches of Minjiang River[D]. Chengdu: University of Electronic Science and Technology of China, 2021: 35. |