利用水碳耦合管理实现黄土高原植被恢复的可持续发展

赵富波 ,  吴一平 ,  阴晓伟 ,  Georgii Alexandrov ,  邱临静

工程（英文） ›› 2022, Vol. 15 ›› Issue (8) : 143 -153.

PDF (8279KB)
工程（英文） ›› 2022, Vol. 15 ›› Issue (8) : 143 -153. DOI: 10.1016/j.eng.2020.12.017

利用水碳耦合管理实现黄土高原植被恢复的可持续发展

作者信息 +

Toward Sustainable Revegetation in the Loess Plateau Using Coupled Water and Carbon Management

Author information +
文章历史 +
PDF (8477K)

摘要

黄土高原'退耕还林（草）'（Grain-for-Green）是世界上规模最大的植被恢复工程。植被恢复引起的土地利用变化（land use change）会改变区域的水碳循环过程，从而影响生态环境稳定和可持续发展。明确植被恢复的水碳效应是当前黄土高原生态水文研究的一个重要科学问题。本研究以黄土高原泾河流域为例，量化了植被恢复引起的水碳效应，并以'减沙、保水、固碳'为原则确定了流域尺度上退耕还林（草）的适宜区域。为此，本研究利用水文-生物地球化学循环耦合模型（SWAT-DayCent），通过设计多种基于植被恢复政策的土地利用转换情景，模拟了水碳循环关键要素的变化。结果表明，与基准情景（2000 年土地利用）相比，当以森林或草地代替坡耕地时，产沙量和产水量都大幅下降。当用森林植被替代坡耕地（坡度大于25°、15°和6°）（CTF）时，会增加土壤的固碳量且对土壤水分产生轻微影响（＜1.0%）；而当用草地替换坡耕地（CTG）时，会导致净初级生产力的下降和土壤含水量大幅增加（3.8%⁓14.9%）。与基准情景相比，土壤有机碳（SOC）在CTF情景下增加0.9%⁓3.2%，而在CTG情景下保持相对稳定。通过分析土地利用变化与水碳效应的关系，进一步确定了实施CTF和CTG的适宜区域，并能实现'减沙、保水、固碳'的效益最大化。本研究基于水碳耦合模拟提供了一个植被恢复工程实施的新视角，即在恰当区域进行退耕还林（草）可实现水碳耦合效益最大化，这可为区域未来生态恢复工程的优化提供科学支撑。

Abstract

The 'Grain-for-Green' project on the Loess Plateau is the largest revegetation program in the world. However, revegetation-induced land use changes can influence both water and carbon cycles, and the diverse consequences were not well understood. Therefore, the reasonability and sustainability of revegetation measures are in question. This study quantifies the impacts of revegetation-induced land use conversions on the water and carbon cycles in a typical watershed on the Loess Plateau and identifies suitable areas where revegetation of forest or grassland could benefit both soil and water conservation and carbon sequestration. We used a coupled hydro-biogeochemical model to simulate the changes of a few key components in terms of water and carbon by designing a variety of hypothetical land use conversion scenarios derived from revegetation policy. Compared to the baseline condition (land use in 2000), both sediment yield and water yield decreased substantially when replacing steep cropland with forest or grassland. Converting cropland with slopes larger than 25°, 15°, and 6° to forest (CTF) would enhance the carbon sequestration with a negligible negative effect on soil water content, while replacing cropland with grassland (CTG) would result in a decline in net primary production but with a substantial increase in soil water content (3.8%–14.9%). Compared to the baseline, the soil organic carbon would increase by 0.9%–3.2% in CTF and keep relatively stable in CTG. Through testing a variety of hypothetical revegetation scenarios, we identified potential priority areas for CTF and CTG, where revegetation may be appropriate and potentially beneficial to conserving soil and water and enhancing carbon sequestration. Our study highlights the challenges in future water and carbon coupling management under revegetation policy, and our quantitative results and identification of potential areas for revegetation could provide information to policy makers for seeking optimal management on the Loess Plateau.

关键词

碳 / 土地利用变化 / 黄土高原 / 泥沙 / 水文-生物地球化学循环耦合模型 / 水资源

Key words

Carbon / Land use change / Loess Plateau / Sediment / SWAT-DayCent / Water resources

引用本文

引用格式 ▾
赵富波,吴一平,阴晓伟,Georgii Alexandrov,邱临静. 利用水碳耦合管理实现黄土高原植被恢复的可持续发展[J]. 工程（英文）, 2022, 15(8): 143-153 DOI:10.1016/j.eng.2020.12.017

登录浏览全文

4963

注册一个新账户 忘记密码

1、 引言

植被恢复是修复退化生态系统和进行栖息地保护的有效措施[1]。植被恢复可以引起显著的土地利用变化，进而影响区域的水循环和碳循环过程[2]。土地利用变化通过改变植被覆盖度和地表过程影响水文过程（如地表径流、产水量、洪水频率和基流）[3‒6]和碳循环（如植被生产、土壤碳储量和二氧化碳通量）[7‒10]。因此，解析植被恢复引起的土地利用变化的综合环境影响对于生态系统管理和相关政策的制定具有重要意义[11‒12]。

为缓解水土流失、修复退化生态系统，我国实施了大规模的植被恢复工程[13‒14]。“退耕还林（草）”是我国政府于1999年启动的代表性植被恢复工程，其目的是将低产农田和坡耕地转变为林地或草地。黄土高原由于植被稀疏、水土流失严重[9,15]，成为退耕还林（草）工程的先行区。在黄土高原，退耕还林（草）的主要目标是将坡耕地（坡度大多在15°以上）转变为林地或草地[16‒17]。据报道，黄土高原植被覆盖度已经从1999年的31.6%增加到2013年的59.6%。近20年来，约有1.6万平方公里的坡耕地被转为林地和草地[18‒19]。植被恢复引起的土地利用变化在很大程度上改变了区域水循环和碳循环过程[20‒21]，进而影响区域生态系统的稳定性。中国政府计划于2050年前继续投资95亿美元用于黄土高原的植被建设[22]。因此，未来土地利用将持续发生变化，进一步影响区域水碳循环过程。

过去几十年间，关于黄土高原植被恢复对水碳循环的影响已有诸多研究[23‒26]。Qiu等[5]的研究表明，在黄土高原典型小流域，坡耕地（坡度大于15°）退耕还林可降低地表径流和土壤水分含量。Yin等[27]发现，自退耕还林（草）实施以来，径流受土地利用变化的影响逐渐变大。Wang等[19]认为植被建设是黄土高原产流输沙减少的主导因素。Lü等[16]采用多元回归方法量化造林对区域土壤有机碳（SOC）固存的影响，发现从农田向森林和草地的转换可以增强土壤碳固存。通过分析遥感数据发现造林显著提高了生态系统生产力。然而，这些研究仅关注单一方面（如水或碳），鲜有评估水碳的综合影响，因此难以考虑到水、沙和碳之间的权衡。此外，当前仍存在一些与退耕还林（草）相关的决策性挑战[13,29‒31]。例如，15°⁓25°之间的坡耕地应退多少[13]，以及如何通过植被恢复来增强碳固存以缓解土壤侵蚀，同时维持区域水安全等问题。

本文以典型的黄土丘陵沟壑区流域——泾河流域（JRB）为例，利用水文-生物地球化学循环耦合模型（SWAT-DayCent），研究退耕还林（草）驱动的土地利用转换的潜在环境影响，并识别流域尺度上适宜的植被恢复区域。通过设置一系列潜在的土地利用转换情景，利用SWAT-DayCent模拟水循环（如流域产水量、土壤水分含量和产沙量）和碳循环[如净初级生产力（NPP）和SOC ]关键组分的变化。基于此，本文试图回答以下问题：①植被恢复引起的土地利用变化如何影响流域水碳循环？②植被恢复措施是否同时有利于“减沙、保水、固碳”？

2、 材料和方法

2.1 研究区概况

泾河流域是典型的黄土高原丘陵沟壑区（图1）。该流域面积有45 421 km2，处于半湿润半干旱的过渡带，属典型的温带大陆性气候。泾河发源于六盘山，全长约455 km。泾河流域年平均降水量为350⁓600 mm，年平均气温为8⁓13 ℃。由于降水的空间变化，气候由半湿润向半干旱过渡（由南到北）。流域土地利用类型主要为耕地、草地和森林，占流域总面积的90%。根据不同的气候条件，可将该地区分为4个生物气候区：半湿润森林、半湿润至半干旱森林草地过渡区、半干旱草地和干旱半干旱荒漠草地过渡区[32]。由于流域气候干燥、土壤疏松，该流域水资源严重短缺、水土流失严重。

图1 泾河流域区况图。（a）红线表示泾河流域的生物气候分区：森林区（Forest）、森林草地过渡区（Forest-Grass）、草地区（Grass）、荒漠草地过渡区（Desert-Grass）；（b）和（c）是泾河流域典型丘陵沟壑实景图。

2.2 模型描述

SWAT-DayCent [33]是将流域分布式水文模型（Soil and Water Assessment Tool, SWAT）[34]与生物地球化学模型（Daily version of CENTURY model, DayCent）[35‒36]相结合而成。该模型以SWAT模型为基本框架，将DayCent模型嵌入SWAT中。在模型运行过程中，SWAT模型首先基于水文响应单元（HRU）模拟水文过程。DayCent可自动获取每个HRU的具体信息，并通过循环来模拟所有HRU的生物地球化学循环过程。模型的主要输出包括SWAT输出的水文变量（如产水量、径流量、土壤水分含量和蒸散量）和DayCent输出的碳相关变量（如NPP、SOC、土壤呼吸和生物量）。因此，可以基于模型输出来分析流域尺度的水碳循环[33,37‒40]。

2.3 模型输入和验证

本研究利用ArcSWAT地理信息系统（GIS）界面进行流域划分，并初始化模型参数。ArcSWAT所需的空间输入包括地形、土地利用、土壤类型和气象信息。数字高程模型（DEM）由美国国家航空航天局提供，分辨率为90 m。2000年30 m分辨率的土地利用数据由中国科学院遥感与数字地球研究所（Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences）提供。土壤性质数据由中国西部生态环境科学数据中心（Environmental Science Data Center for west China）提供，分辨率为1 km。日均气象数据来自中国气象局（CMA）数据中心。

使用张家山站（图1）月径流数据和产沙量数据进行模型校验，其中1973—1979年径流数据用于模型率定，1980—1990年的用于模型验证；1973—1978年泥沙数据用于模型率定，1979—1987年的用于模型验证；利用年度NPP数据（2000—2010年）验证DayCent。对于SWAT，通过敏感性分析确定了最敏感的关键参数（见附录A中的表S1）。对于DayCent部分，关键参数“PRDX”是基于经验和前人研究[36,39,41‒42]确定的。如图2所示，在径流模拟中，Nash-Sutcliffe效率（NSE）、相关系数（R2）和百分比偏差（PB）分别为0.70、0.71和6.7%；在泥沙模拟中，NSE、R2和PB分别为0.58、0.71和-24.9%。基于模型评价标准[43]，可知SWAT对水文过程的模拟效果良好。在模型验证阶段，NSE、R2和PB分别为0.54、0.62和5.3%；在泥沙模拟中，NSE、R2和PB分别为0.60、0.67和30.2%。对于DayCent模型，使用Model-R开展模型校验[9,39]。结果表明：三种生态系统（农田、森林和草地）的|PB|值均小于5%，R2范围为0.21⁓0.55，均方根误差（RMSE）范围为每年每平方米20.8⁓39.3 g碳（图3）。综合来看，SWAT-DayCent对水碳循环过程模拟较为满意。

图2 张家山站月径流（a）和月产沙（b）模拟。

图3 模型模拟的NPP与遥感估算的NPP对比。（a）农田生态系统；（b）森林生态系统；（c）草地生态系统；（d）整个流域。

2.4 植被恢复情景设置

2.4.1. 植被恢复概况

退耕还林（草）是由我国政府主导实施的，旨在恢复退化的生态系统，缓解水土流失[44]。在退耕还林（草）实施过程中，最重要的标准之一是将坡耕地转为森林或草地。在黄土高原地区，目标坡度为15° [13]，即将坡度大于15°的农田转为林地或草地。另外，坡度小于6°的耕地由于土壤侵蚀程度低、土壤肥力较高、粮食生产等原因需加以保护[45]。基于退耕还林（草）政策驱动，本文设置了几种潜在土地利用转换情景。

2.4.2. 植被恢复情景

首先，根据退耕还林（草）政策要求，基于2000年土地利用的实际情况，建立了6种潜在的植被情景。情景S1⁓S3代表坡度大于25°、15°和6°的农田转为林地（CTF），情景S4⁓S6代表坡度大于25°、15°和6°的农田转为草地（CTG）（表1）

表1 本研究设置的9种土地利用转化情景

AbbreviationDescription
BSActual land use in 2000
S1Cropland with slope > 25° to forest
S2Cropland with slope > 15° to forest
S3Cropland with slope > 6° to forest
S4Cropland with slope > 25° to grassland
S5Cropland with slope > 15° to grassland
S6Cropland with slope > 6° to grassland
S7Cropland with slope > 25° to forest in the Forest and Forest‒Grass zones or grassland in the Grass and Desert‒Grass zones
S8Cropland with slope > 15° to forest in the Forest and Forest‒Grass zones or grassland in the Grass and Desert‒Grass zones
S9Cropland with slope > 6° to forest in the Forest and Forest‒Grass zones or grassland in the Grass and Desert‒Grass zones

除坡度外，植被恢复还应考虑生物气候条件[46]。在本研究中，将泾河流域划分为森林、森林草地过渡区、草地和荒漠草地过渡区4个生物气候带（图1）。基于生物气候分区，建立了三个额外的植被恢复情景。在森林和森林草地过渡区，将坡度大于25°、15°和6°的农田分别转换为林地；在草地和荒漠草地过渡区，将坡度大于25°、15°和6°的农田分别转换为草地（CTFG）（S7⁓S9）。

表2列出了相应的土地利用比例。将2000年的土地利用情况作为基准条件，利用SWAT-DayCent模拟这9种植被恢复情景（1976—2005年的历史气象数据作为气候强迫）。

表2 不同情景下的土地利用比例（%）

ScenarioForestGrassCropShrubWater bodyDevelopmentBarren
BS7.433.044.114.10.11.10.1
S114.3‒37.3‒‒‒‒
S222.2‒29.3‒‒‒‒
S331.6‒19.9‒‒‒‒
S4‒39.837.3‒‒‒‒
S5‒47.829.3‒‒‒‒
S6‒57.219.9‒‒‒‒
S710.536.837.3‒‒‒‒
S813.641.629.3‒‒‒‒
S917.547.119.9‒‒‒‒

2.5 影响分析方法

通过比较基准情景和植被恢复情景之间的差异，量化了植被恢复对流域的水碳影响。为了确定退耕还林（草）的适宜区域，进行了叠加分析（栅格计算）来计算特定HRU的水碳净变化。如果各目标要素之间变化不一致，则应权衡其变化关系；若植被恢复能同时对水分（增加土壤含水量）、土壤保持（减少泥沙）和碳（增加SOC）产生积极效应[47]，则区域被确定为植被恢复的适宜区域。基于植被恢复对土壤含水量、产沙量和SOC的总影响程度，将退耕还林（草）的适宜区域划分为5个推荐度：极低、低、中等、高和极高。总影响程度的计算是将植被变化（CTF或CTG）对土壤水分、泥沙或SOC含量的影响进行归一化，然后将各个影响的归一化值进行加和计算[47‒48]，并基于此确定推荐度级别。极低推荐度代表植被恢复对特定目标区域（一个HRU）的总影响量（total influence magnitude, TIM）小于5%；低推荐度代表5% ≤TIM＜25%；中等推荐度代表25%＜TIM＜75%；高推荐度代表75% ＜TIM ≤95%；极高推荐度代表TIM＞95%。极高推荐度表明造林或种草可以获得最大的环境效益，其次是高推荐度、中等推荐度、低推荐度和极低推荐度。

3、 结果

3.1 植被恢复的环境效应

（1）CTF情景。与基准情景相比，农田转为林地会产生不同的水碳影响（情景S1⁓S3，图4），但总体上都会减少流域产水量和产沙量。在情景S1中，产水量和产沙量的相对减少量介于-4.7%和-5.2%之间；在情景S3中，产水量和产沙量的相对减少量介于-17%和-19.1%之间。这表明，退耕还林可导致水资源减少，但同时可以缓解土壤侵蚀。模拟结果还表明，CTF对土壤含水量的影响较小（图4）。此外，在情景S1⁓S3下NPP增加了1.3%⁓4.7%，SOC增加了0.9%⁓3.2%，表明退耕还林增强了植被生产力和土壤固碳能力。

图4 各土地利用变化情景的环境效应。WY、SY、SW、NPP及SOC分别表示流域平均产水量、产沙量、土壤水分、植被净初级生产力及土壤有机碳。图中数字表示与基准情景的相对变化比例（%）。

（2）CTG情景。退耕还草会导致流域产水和产沙量减少（图4）。随着退耕还草面积的增加，流域产水量呈下降趋势，但下降幅度小于退耕还林情景。坡面大于25°的退耕还草使流域产水量减少2.4%，而坡面大于6°的退耕还草使流域产水量减少8.6%。随着草地面积的增加，产沙量也呈下降趋势：情景S4的下降幅度为-5.6%，情景S6的下降幅度为-10.7%，均小于CTF情景。退耕还草情景下，土壤含水量显著增加，从情景S4的3.8%增加到情景S6的14.9%。此外，NPP下降显著，从情景S4的-3.9%到情景S6的-14.7%。SOC在CTG的不同情景下保持相对稳定，表明CTG对SOC的影响较小。

（3）CTFG情景。CTFG情景下产水和产沙量的相对变化与CTF和CTG情景相似。相对于基准情景，产水量的减少值由情景S7下的-5.4%增加到S9情景下的-17.3%；产沙量的减少值由S7情景下的-5.9%增加到S9情景下的-16.5%。与CTG情景相比，退耕还草会增加土壤含水量，其中情景S9下的增幅最大为6.9%。此外，NPP在情景S7⁓S9下比在基准情景下略有下降（-0.8%⁓-4.2%），SOC略有增加（0.6%⁓1.8%）。

3.2 水碳效应的空间格局

由图5可见，退耕还林（草）的环境效应具有较大的空间异质性。在CTF情景下（图5），产水量和产沙量的变化规律相似。随着退耕还林面积的增加（情景S1⁓S3），整个流域（特别是流域北部）的产水和产沙量均呈下降趋势。土壤水分的减少主要发生在流域北部，说明半干旱地区的土壤水分对造林较为敏感。随着退耕还林面积的扩大，NPP和SOC显著增加，且NPP的增加幅度大于SOC。

图5 S1~S3情景下WY、SY、SW、NPP及SOC相对基准情景变化的空间格局。图中数字表示与基准情景的相对变化比例（%）。

在CTG情景下（图6），随着草地面积的增加（情景S4⁓S6），流域北部和中部地区的产水量呈下降趋势。产沙量与产水量的变化规律基本一致。西部和北部部分地区的产沙量略有增加。与CTF情景不同，流域北部和南部区域的土壤含水量略有增加，说明退耕还草对土壤水分保持有积极作用。随着退耕还草面积的增加，大面积的NPP呈下降趋势，但SOC保持相对稳定。

图6 S4~S6情景下WY、SY、SW、NPP及SOC相对基准情景变化的空间格局。图中数字表示与基准情景的相对变化比例（%）。

随林地和草地面积的增加（情景S7⁓S9，图7），大部分区域的产水量和产沙量呈减少趋势，表明在半湿润区造林和在半干旱区种草将有助于土壤保持，但都会降低流域产水量。CTFG情景对土壤含水量有轻微的积极影响，只有小部分区域呈下降趋势。退耕还林和退耕还草情景下的NPP具有明显的差异，退耕还草降低了流域生产力，退耕还林提高了生产力。复合情景对SOC产生轻微的积极影响。

图7 S7~S9情景下WY、SY、SW、NPP及SOC相对基准情景变化的空间格局。图中数字表示与基准情景的相对变化比例（%）。

3.3 植被恢复的适宜区域

如前所述，植被恢复减少了产沙量，但造成了水资源的减少，从而增加了大多数地区的土壤碳固存。通过对植被恢复水碳效应进行叠加分析，识别了能够同时实现“减沙、保水、固碳”效益的退耕还林（草）适宜区域。如图8所示，CTF的适宜区域主要分布在流域的中部和南部。流域南部地区坡度大于25°、15°和6°的大面积区域推荐退耕还林（推荐度为极高和高）。大多数地区为中等推荐度，而中部和西部的部分地区的推荐值较低或极低。坡度大于25°、15°、6°的CTG的适宜区域大部分位于流域中部和北部，小部分地区位于南部。仅西部边缘小部分坡度大于25°、15°和6°的区域为高推荐和极高推荐，流域北部大部分区域为极低推荐。通过对比图8与泾河流域的生物气候分区发现，CTF或CTG的适宜区域与流域的生物气候分区基本一致。CTF的适宜区域主要分布在半湿润森林和森林草地过渡区，而CTG推荐区域则主要分布在森林草地过渡区和草地区（图1）。这表明在实施植被恢复工程时有必要考虑区域的气候条件。

图8 退耕还林（草）的适宜区域。红色到绿色的变化表明递进的推荐度：极低推荐、低推荐、中等推荐、高推荐及极高推荐。

4、 讨论

4.1 植被恢复措施的环境影响

退耕还林（草）会减少流域产水量，且减少幅度取决于土地利用转换的程度[49‒50]。与农田相比，林地具有相对较大的叶面积和蒸腾速率，因此林地替代农田后会导致较高的水分损失[9]。本研究结果也表明，产沙量会随森林和草地面积的增加而减少。一般来说，草地或树木替代农田会提高地表粗糙度和蒸散量，从而减少产水和产沙量[16,45]。退耕还林对土壤水分的影响较小[51‒52]。Qiu等[5]对延河流域的研究也表明坡耕地（坡度大于25°和15°）转为林地对土壤水分的影响较小。与林地相比，草本植物根深较浅，生长所需的水分较少，导致了CTG和CTFG情景下土壤水分的增加。此结果与前人的实验研究结果相一致。例如，Yu等[51]报道了黄土高原丘陵沟壑区草地土壤湿度高于林地和农田。除土地利用类型外，地形因子（如坡向和高程）对土壤水分也有显著影响，因此土壤水分对土地利用变化的响应相对复杂[53‒54]。由于森林具有较大的生产力[55]，将坡耕地转为林地后会提高生产力，从而增加SOC的固存。坡耕地转为草地则会导致较低的植被生产力和SOC含量[9]。

4.2 水、沙、碳的权衡和协同关系

本研究表明，在不同土地利用转换情景中，土壤水分、土壤保持和土壤碳固存之间存在着显著的不一致性[56‒59]。在CTF情景中，产水量和土壤碳固存之间存在明显冲突，表明退耕还林的水碳协同管理具有一定的挑战性。本研究结果与前期研究[60‒61]相一致。Jackson等[62]通过分析全球超过600个流域的案例发现，人工林种植在固碳的同时平均每年可减少全球227 mm的产水量。因此，在进行退耕还林以保持土壤时，应更加关注水资源的可持续性。CTG和CTFG情景下土壤固碳量与土壤水分之间存在明显的冲突。退耕还草有助于保持土壤水分，但以减少产水量和土壤碳固存为代价[58,63‒64]。从时间上看，9种情景下的产水量、产沙量和NPP均呈现出类似的变化规律（见附录A中的图S1）。随着NPP的增加，产水量和产沙量呈先减小后增加的趋势，表明水碳关系可能随时间发生变化[65]。1976—2005年期间，产水量、产沙量、NPP的年际波动及其正相关关系（见附录A中的图S1）可能受到降雨量变化的控制[9]。在CTG和CTFG情景中，退耕还草对土壤水分和SOC均有显著的积极影响，表明在未来的退耕还草实施中，可考虑对这两种生态系统服务功能的协同管理。

4.3 对植被恢复政策的指示意义

本研究对植被恢复政策的制订具有一定的指示意义。首先，在流域空间尺度上，不同植被恢复措施可能增加、也可能减少某一具体的环境指标，流域尺度的更加细化的管理措施可在一定程度上避免负面影响[47]。其次，本研究识别的退耕还林（草）的适宜区域，能够实现“减沙、保水、固碳”的“双赢”的目标。无论退耕还林还是退耕还草，在实施过程中应更加注重水、沙、碳效应之间的权衡[66]。此外，本研究所使用的分析框架及所得结果也可为黄土高原其他地区（如延河和渭河流域）正在进行的植被恢复提供决策支持。

4.4 局限性和未来研究展望

本研究存在一定的局限性。首先，尽管本研究中设置的土地转换场景包括许多不同的组合，但未考虑具体的植被类型（即涉及转换的森林和草地类型）。未来研究中应该评估不同林、草类型对水碳循环过程的影响。其次，在模拟水文与生物地球化学过程中，只关注土地利用变化，未考虑其他工程措施（如淤地坝和梯田建设）的影响[67]。另外，本研究中模拟的水碳关键要素可能对气候变化较为敏感，未来研究中应检测这些要素对气候变化的敏感性。最后，人口增长和经济发展会加剧水资源消耗，因此制订植被恢复措施时需考虑社会经济发展的用水量。

5、 结论

本研究以黄土高原典型流域为例，运用SWAT-DayCent，研究了植被恢复引起的土地利用变化对水碳循环的潜在影响。结果表明，坡耕地（坡度大于25°、15°和6°）转为林地或草地会降低流域的产沙和产水量。坡耕地转为林地可提高生态系统生产力，且对土壤水分的影响较小；而退耕还草会降低NPP，但会显著增加土壤水分。另外，退耕还林和退耕还草对SOC均有积极的影响。总的来说，植被恢复背景下，应权衡土壤保持、水资源和土壤碳固存之间的关系。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Guerry AD, Polasky S, Lubchenco J, Chaplin-Kramer R, Daily GC, Griffin R, et al. Natural capital and ecosystem services informing decisions: from promise to practice. Proc Natl Acad Sci USA 2015;112(24):7348‒55.
[2]

Wu Y, Liu S, Sohl TL, Young CJ. Projecting the land cover change and its environmental impacts in the Cedar River Basin in the Midwestern United States. Environ Res Lett 2013;8(2):024025.
[3]

Berihun ML, Tsunekawa A, Haregeweyn N, Meshesha DT, Adgo E, Tsubo M, et al. Hydrological responses to land use/land cover change and climate variability in contrasting agro-ecological environments of the Upper Blue Nile basin, Ethiopia. Sci Total Environ 2019;689:347‒65.
[4]

Kertész Á, Nagy LA, Balázs B. Effect of land use change on ecosystem services in Lake Balaton Catchment. Land Use Policy 2019;80:430‒8.
[5]

Qiu L, Wu Y, Wang L, Lei X, Liao W, Hui Y, et al. Spatiotemporal response of the water cycle to land use conversions in a typical hilly‒gully basin on the Loess Plateau. China Hydrol Earth Syst Sci 2017;21(12):6485‒99.
[6]

Zhang S, Wu Y, Sivakumar B, Mu X, Zhao F, Sun P, et al. Climate change-induced drought evolution over the past 50 years in the southern Chinese Loess Plateau. Environ Model Softw 2019;122:104519.
[7]

Akujärvi A, Shvidenko A, Pietsch SA. Modelling the impacts of intensifying forest management on carbon budget across a long latitudinal gradient in Europe. Environ Res Lett 2019;14(3):034012.
[8]

Sleeter BM, Liu J, Daniel C, Rayfield B, Sherba J, Hawbaker TJ, et al. Effects of contemporary land-use and land-cover change on the carbon balance of terrestrial ecosystems in the United States. Environ Res Lett 2018;‍13(4):045006.
[9]

Zhao F, Wu Y, Qiu L, Sivakumar B, Zhang F, Sun Y, et al. Spatiotemporal features of the hydro-biogeochemical cycles in a typical loess gully watershed. Ecol Indic 2018;91:542‒54.
[10]

Zhao S, Liu S, Sohl T, Young C, Werner J. Land use and carbon dynamics in the southeastern United States from 1992 to 2050. Environ Res Lett 2013;8(4):044022.
[11]

Cheng L, Zhang L, Chiew FHS, Canadell JG, Zhao F, Wang YP, et al. Quantifying the impacts of vegetation changes on catchment storage-discharge dynamics using paired-catchment data. Water Resour Res 2017;53(7):5963‒79.
[12]

Gutsch M, Lasch-Born P, Kollas C, Suckow F, Reyer CPO. Balancing trade-offs between ecosystem services in Germany’s forests under climate change. Environ Res Lett 2018;13(4):045012.
[13]

Feng Z, Yang Y, Zhang Y, Zhang P, Li Y. Grain-for-green policy and its impacts on grain supply in West China. Land Use Policy 2005;22(4):301‒12.
[14]

Piao S, Ciais P, Lomas M, Beer C, Liu H, Fang J, et al. Contribution of climate change and rising CO2 to terrestrial carbon balance in East Asia: a multi-model analysis. Global Planet Change 2011;75(3‒4):133‒42.
[15]

Fu B, Liu Y, Lü Y, He C, Zeng Y, Wu B. Assessing the soil erosion control service of ecosystems change in the Loess Plateau of China. Ecol Complex 2011;8(4):284‒93.
[16]

Lü Y, Fu B, Feng X, Zeng Y, Liu Y, Chang R, et al. A policy-driven large scale ecological restoration: quantifying ecosystem services changes in the Loess Plateau of China. PLoS ONE 2012;7(2):e31782.
[17]

Xu Z, Xu J, Deng X, Huang J, Uchida E, Rozelle S. Grain for Green versus Grain: conflict between food security and conservation set-aside in China. World Dev 2006;34(1):130‒48.
[18]

Chen Y, Wang K, Lin Y, Shi W, Song Y, He X. Balancing green and grain trade. Nat Geosci 2015;8(10):739‒41.
[19]

Wang S, Fu B, Piao S, Lü Y, Ciais P, Feng X, et al. Reduced sediment transport in the Yellow River due to anthropogenic changes. Nat Geosci 2016;9(1):38‒41.
[20]

Liang W, Fu B, Wang S, Zhang W, Jin Z, Feng X, et al. Quantification of the ecosystem carrying capacity on China’s Loess Plateau. Ecol Indic 2019;101:192‒202.
[21]

Sun P, Wu Y, Gao J, Yao Y, Zhao F, Lei X, et al. Shifts in sediment transport regime caused by ecological restoration in the Middle Yellow River Basin. Sci Total Environ 2020;698:134261.
[22]

Feng X, Fu B, Piao S, Wang S, Ciais P, Zeng Z, et al. Revegetation in China’s Loess Plateau is approaching sustainable water resource limits. Nat Clim Chang 2016;6(11):1019‒22.
[23]

Gao G, Fu B, Wang S, Liang W, Jiang X. Determining the hydrological responses to climate variability and land use/cover change in the Loess Plateau with the Budyko framework. Sci Total Environ 2016;557‒558:331‒42.
[24]

Bao Z, Zhang J, Wang G, Chen Q, Guan T, Yan X, et al. The impact of climate variability and land use/cover change on the water balance in the Middle Yellow River Basin. China J Hydrol 2019;577:123942.
[25]

Li Q, Sun Y, Yuan W, Lyu S, Wan F. Streamflow responses to climate change and LUCC in a semi-arid watershed of Chinese Loess Plateau. J Arid Land 2017;9(4):609‒21.
[26]

Duan L, Huang M, Zhang L. Differences in hydrological responses for different vegetation types on a steep slope on the Loess Plateau. China J Hydrol 2016;537:356‒66.
[27]

Yin J, He F, Xiong Y, Qiu G. Effects of land use/land cover and climate changes on surface runoff in a semi-humid and semi-arid transition zone in northwest China. Hydrol Earth Syst Sci 2017;21(1):183‒96.
[28]

Xiao J. Satellite evidence for significant biophysical consequences of the “Grain for Green” Program on the Loess Plateau in China. J Geophys Res Biogeosci 2014;119(12):2261‒75.
[29]

Zhang X, Zhang L, Zhao J, Rustomji P, Hairsine P. Responses of streamflow to changes in climate and land use/cover in the Loess Plateau, China. Water Resour Res 2008;44(7):W00A07.
[30]

Feng X, Fu B, Lu N, Zeng Y, Wu B. How ecological restoration alters ecosystem services: an analysis of carbon sequestration in China’‍s Loess Plateau. Sci Rep 2013;3(1):2846.
[31]

Ge J, Pitman AJ, Guo W, Zan B, Fu C. Impact of revegetation of the Loess Plateau of China on the regional growing season water balance. Hydrol Earth Syst Sci Discuss 2020;24(2):515‒33.
[32]

Zhang H, Huang Z. Bio-climatic division and restoration of the degraded ecosystem on the Loess Plateau. J Arid Land Res Environ 2001;15(1):64‒71.Chinese.
[33]

Wu Y, Liu S, Qiu L, Sun Y. SWAT-DayCent coupler: an integration tool for simultaneous hydro-biogeochemical modeling using SWAT and DayCent. Environ Model Softw 2016;86:81‒90.
[34]

Arnold JG, Srinivasan R, Muttiah RS, Williams JR. Large area hydrologic modeling and assessment—part I: model development. J Am Water Resour Assoc 1998;34(1):73‒89.
[35]

Parton WJ, Hartman M, Ojima D, Schimel D. DAYCENT and its land surface submodel: description and testing. Global Planet Change 1998;19(1‒4):35‒48.
[36]

Delgrosso S, Mosier A, Parton W, Ojima D. DAYCENT model analysis of past and contemporary soil NO and net greenhouse gas flux for major crops in the USA. Soil Tillage Res 2005;83(1):9‒24.
[37]

Zhao F, Wu Y, Wang L, Liu S, Wei X, Xiao J, et al. Multi-environmental impacts of biofuel production in the US Corn Belt: a coupled hydro-biogeochemical modeling approach. J Clean Prod 2020;251:119561.
[38]

Zhao F, Wu Y, Yao Y, Sun K, Zhang X, Winowiecki L, et al. Predicting the climate change impacts on water‒carbon coupling ycles for a loess hilly‒gully watershed. J Hydrol (Amst) 2020;581:124388.
[39]

Zhao F, Wu Y, Sivakumar B, Long A, Qiu L, Chen J, et al. Climatic and hydrologic controls on net primary production in a semiarid loess watershed. J Hydrol 2019;568:803‒15.
[40]

Gramig BM, Reeling CJ, Cibin R, Chaubey I. Environmental and economic trade-offs in a watershed when using corn stover for bioenergy. Environ Sci Technol 2013;47(4):1784‒91.
[41]

Qiu L, Hao M, Wu Y. Potential impacts of climate change on carbon dynamics in a rain-fed agro-ecosystem on the Loess Plateau of China. Sci Total Environ 2017;577:267‒78.
[42]

Oliveira DMS, Williams S, Cerri CEP, Paustian K. Predicting soil C changes over sugarcane expansion in Brazil using the DayCent model. Glob Change Biol Bioenergy 2017;9(9):1436‒46.
[43]

Moriasi DN, Arnold JG, Van Liew MW, Bingner RL, Harmel RD, Veith TL. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Tran ASABE 2007;50(3):885‒900.
[44]

Fu B, Wang S, Liu Y, Liu J, Liang W, Miao C. Hydrogeomorphic ecosystem responses to natural and anthropogenic changes in the Loess Plateau of China. Annu Rev Earth Planet Sci 2017;45(1):223‒43.
[45]

Yang X, Sun W, Li P, Mu X, Gao P, Zhao G. Integrating agricultural land, water yield and soil conservation trade-offs into spatial land use planning. Ecol Indic 2019;104:219‒28.
[46]

McVicar TR, Li L, Van Niel TG, Zhang L, Li R, Yang Q, et al. Developing a decision support tool for China‍’‍s re-vegetation program: simulating regional impacts of afforestation on average annual streamflow in the Loess Plateau. For Ecol Manage 2007;251(1-2):65‒81.
[47]

Qiu J, Turner MG. Importance of landscape heterogeneity in sustaining hydrologic ecosystem services in an agricultural watershed. Ecosphere 2015;6(11):art229.
[48]

Qin Y, Mueller ND, Siebert S, Jackson RB, AghaKouchak A, Zimmerman JB, et al. Flexibility and intensity of global water use flexibility and intensity of global water use. Nat Sustainability 2019;2(6):515‒23.
[49]

Bieger K, Hörmann G, Fohrer N. The impact of land use change in the Xiangxi Catchment (China) on water balance and sediment transport. Reg Environ Change 2015;15(3):485‒98.
[50]

Wang D, Yu X, Jia G, Wang H. Sensitivity analysis of runoff to climate variability and land-use changes in the Haihe Basin mountainous area of north China. Agric Ecosyst Environ 2019;269:193‒203.
[51]

Yu B, Liu G, Liu Q, Wang X, Feng J, Huang C. Soil moisture variations at different topographic domains and land use types in the semi-arid Loess Plateau. China Catena 2018;165:125‒32.
[52]

Pachepsky YA, Timlin DJ, Rawls WJ. Soil water retention as related to topographic variables. Soil Sci Soc Am J 2001;65(6):1787‒95.
[53]

Huang Y, Chen L, Fu B, Huang Z, Gong J, Lu X. Effect of land use and topography on spatial variability of soil moisture in a gully catchment of the Loess Plateau. China Ecohydrology 2012;5(6):826‒33.
[54]

Gao X, Wu P, Zhao X, Shi Y, Wang J, Zhang B. Soil moisture variability along transects over a well-developed gully in the Loess Plateau. China Catena 2011;87(3):357‒67.
[55]

Xiao J, Sun G, Chen J, Chen H, Chen S, Dong G, et al. Carbon fluxes, evapotranspiration, and water use efficiency of terrestrial ecosystems in China. Agric Meteorol 2013;182‒183:76‒90.
[56]

Zheng H, Li Y, Robinson BE, Liu G, Ma D, Wang F, et al. Using ecosystem service trade-offs to inform water conservation policies and management practices. Front Ecol Environ 2016;14(10):527‒32.
[57]

Qiu J, Carpenter SR, Booth EG, Motew M, Zipper SC, Kucharik CJ, et al. Understanding relationships among ecosystem services across spatial scales and over time. Environ Res Lett 2018;13(5):054020.
[58]

Kim JH, Jobbágy EG, Jackson RB. Trade-offs in water and carbon ecosystem services with land-use changes in grasslands. Ecol Appl 2016;26(6):1633‒44.
[59]

Dymond JR, Ausseil AG, Ekanayake JC, Kirschbaum MUF. Tradeoffs between soil, water, and carbon—a national scale analysis from New Zealand. J Environ Manage 2012;95(1):124‒31.
[60]

Li Y, Zhang L, Qiu J, Yan J, Wan L, Wang P, et al. Spatially explicit quantification of the interactions among ecosystem services. Landsc Ecol 2017;32(6):1181‒99.
[61]

Bradford JB, D’Amato AW. Recognizing trade-offs in multi-objective land management. Front Ecol Environ 2012;10(4):210‒6.
[62]

Jackson RB, Jobbagy EG, Avissar R, Roy SB, Barrett DJ, Cook CW, et al. Trading water for carbon with biological carbon sequestration. Science 2005;310(5756):1944‒7.
[63]

Bai Y, Ochuodho TO, Yang J. Impact of land use and climate change on water-related ecosystem services in Kentucky, USA. Ecol Indic 2019;102:51‒64.
[64]

Sun J, Wang H. Soil nitrogen and carbon determine the trade-off of the above- and below-ground biomass across alpine grasslands. Tibetan Plateau Ecol Indic 2016;60:1070‒6.
[65]

Qiu J, Carpenter SR, Booth EG, Motew M, Zipper SC, Kucharik CJ, et al. Scenarios reveal pathways to sustain future ecosystem services in an agricultural landscape. Ecol Appl 2018;28(1):119‒34.
[66]

Qiu J, Turner MG. Spatial interactions among ecosystem services in an urbanizing agricultural watershed. Proc Natl Acad Sci USA 2013;‍110(29):12149‒54.
[67]

Sun P, Wu Y, Yang Z, Sivakumar B, Qiu L, Liu S, et al. Can ‘Grain-for-Green’ program really ensure a low sediment load on the Chinese Loess Plateau? Engineering 2019;5(5):1‒12.

基金资助

()

AI Summary AI Mindmap
PDF (8279KB)

Supplementary files

Supplementary Material

9044

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉