EN中文

Acta Geographica Sinica >

2021 , Vol. 76 >Issue 3: 626 - 644

DOI: https://doi.org/10.11821/dlxb202103010

Environment and Ecosystem Services

Spatial identification and scenario simulation of ecotone distribution in China

  • FAN Zemeng , 1, 2, 3
Expand
  • 1. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China

Received date: 2020-10-19

  Request revised date: 2021-03-09

  Online published: 2021-05-25

Supported by

National Key R&D Program of China(2018YFC0507202)

National Key R&D Program of China(2017YFA0603702)

National Natural Science Foundation of China(41971358)

National Natural Science Foundation of China(41930647)

Strategic Priority Research Program of the Chinese Academy of Sciences(XDA20030203)

Innovation Research Project of State Key Laboratory of Resources and Environment Information System, CAS

Copyright

Copyright reserved © 2020
Fold

Abstract

Explicitly identifying the ecotone distribution and scenario change is of important significance to understand the response of ecosystem to climatic change. In this paper, a spatial identification method was developed to analyze the ecotone distribution in terms of the improved Holdridge life zone (iHLZ) model. Based on the climatic observation data of 782 weather stations of China in the T0 (1981-2010) period, and the climatic scenario data of IPCC CMIP5 RCP2.6, RCP4.5 and RCP8.5 in T1 (2011-2040), T2 (2041-2070) and T3 (2071-2100), the ecotones distribution and scenarios in China were simulated in the four periods. Moreover, a spatial shift trend model of mean center was introduced to quantitatively calculate the shift direction and distance of each ecotone type during the periods from T0 to T3. The simulated results show that there are 41 ecotone types in China, accounting for 18% of the total land area of China. The ecotones of cold temperate grassland / humid forest and warm temperate arid forest (564238.5 km2), cold temperate humid forest and warm temperate arid / humid forest (566549.75 km2), and northern humid / humid forest and cold temperate humid forest (525750.25 km2) are the main ecotone types, accounting for 35% of the total area of ecotones in China. Between T0 and T3, the area in the ecotone of cold temperate desert shrub and warm temperate desert shrub / thorn steppe will increase at a rate of 4% per decade, which is up by 3604.2, 10063.1 and 17242 km2 per decade under the RCP2.6, RCP4.5 and RCP8.5 scenarios, respectively. The cold ecotones will transform to the warm humid ecotones in the future. The average shift distance of mean center in the ecotone of north wet forest and cold temperate desert shrub / thorn grassland will be generally larger than that of other ecotones, whose mean center will move to the northeast, and the shift distance will be more than 150 km between T0 and T3. In addition, with a gradual increase of temperature and precipitation, the ecotones in northern China will show a shifting northward trend, while the ecotones in southern China will decrease gradually, and their mean center move to the high-altitude areas. The effects of climate change on ecotones will show an increasing trend in China, especially in the Qinghai-Tibet Plateau.

Key words： ecotone; mean center; spatial identification method; scenario simulation; China

Cite this article

FAN Zemeng . Spatial identification and scenario simulation of ecotone distribution in China[J]. Acta Geographica Sinica, 2021 , 76(3) : 626 -644 . DOI: 10.11821/dlxb202103010

1 引言

自1905年生态过渡带的概念被Clements[1]提出后,其定义和内涵经历了很长时期的讨论,于1988年在巴黎召开的第七届环境问题科学委员会（SCOPE）上被明确定义为：在时间和空间上特征具有不确定性,且相互影响的2个相邻生态系统之间的生态地带[2]。而且会议认为生态过渡带的概念把生态系统界面理论以及非稳定的脆弱性特征结合起来,可以作为识别全球变化的基本指标,呼吁国际生态学界对生态过渡带开展研究[2]。随着生态过渡带概念定义的明确和研究热度的增加[3,4,5],国际上将生态过渡带的研究逐渐延伸到100 m~10 km的空间尺度上,认为生态过渡带在空间格局水平上,可定义为是某一空间范围内的优势植被类型之间,在气候变化和人类活动驱动下发生快速交替演变的生态过渡区域[6,7]。
基于上述定义,可认为生态过渡带不仅具有时间和空间2个维度的不确定性特征[8],生态过渡带内还通常叠加有两种或两种以上的生态系统类型,而不同生态系统间容易相互渗透、相互联系和相互作用。尤其是在一定的空间格局和空间尺度上,在气候变化和人类活动驱动下,生态过渡带内的优势生态系统之间会发生快速交替演变[9],进而引起生态过渡带时空分布的演替变化[5, 10]。譬如,生态过渡带的植被类型分布变化及其对气候变化的响应速度均快于相邻的非生态过渡带区域[11,12];气候干旱和变暖对生态过渡带植物物种消长影响的风险要高于非过渡带区域[13,14,15];生态过渡带的土地覆盖变化强度及其景观多样性均高于非过渡带[16,17];降雨量对生态过渡带常绿植物冠层的影响会引起的植物组成结构变化幅度高于非过渡带[18];生态过渡带是植物生长及其光合作用对气候变暖响应敏感性较高的区域[19]。
一方面,现有研究均表明生态过渡带是对气候变化和人类活动最为敏感的区域[20,21,22],不仅生态过渡带区域的生物物种易于扩散和传播,而且生态过渡带生物多样性更容易受到气候变化的影响而发生改变[23]。开展生态过渡带的生态系统时空变化研究比非过渡带更需要关注[24],这将有助于分析生态过渡带物种传播模式,有效构建物种类群优先保护框架[25],进而降低气候变化对生物多样性影响的风险系数[26]。另一方面,目前虽在针对某一类生态过渡带区域内的土地利用/覆盖变化[17, 27-30]、植被结构与分布[6]、生物多样性[31,32,33]、生态系统评估[34]、遥感监测[35]等方面开展系列研究,但这些研究主要是开展某一类型的生态过渡带区域内的生态系统对气候变化和人类活动响应规律,而在生态过渡带空间分布范围和边界的定量识别领域,则一直主要是处于生态过渡带边界确定的讨论及概念模型构建,两种生态系统类型过渡带以及某一区域的生态过渡带边界识别的研究阶段[36]。譬如,基于景观格局过渡与边界概念关系的生态过渡带层次概念模型[37];运用线性和“S”型回归方法构建植被—气候关系方程识别美国明尼苏达州草原和森林生态系统边界[38];基于Alpha和Gamma多样性分析澳大利亚荒漠沙丘区域的三叶草地和金合欢灌丛之间的过渡和突变边界[39];依据食草动物空间活动特征区分陆地与水生生态系统的过渡带边界[40]。
鉴于此,如何构建能够适用于大尺度生态过渡带类型及其分布范围的空间识别方法,定量揭示生态过渡带类型空间分布范围、时空变化特征及其类型间差异,是厘清各类生态过渡带及其内部的各种生态系统类型之间对气候变化和人类活动响应的时空差异特征亟需研究的热点问题。因此,本文旨在对HLZ（Holdridge Life Zone）模型进行拓展,建立生态过渡带类型判别规则,进而构建生态过渡带类型的空间分析模型,实现全国生态过渡带类型及其分布范围的空间识别。并在此基础上,结合平均中心的时空偏移分析模型,运用全国气候观测数据和IPCC CMIP5的不同气候情景模式数据,对全国生态过渡带类型及空间分布及未来变化趋势的情景模拟。

2 数据与方法

2.1 数据收集与处理

用于生态过渡带类型空间识别及模拟分析的气候数据,主要包括观测数据和模式模拟的情景数据。其中,气候观测数据来源于全国752个气象观测站点的月观测数据（1981—2010年）。气候情景数据采用IPCC数据分布中心的CMIP5情景中代表温室气体排放的高中低3种情景[41],即：RCP 2.6（低排放情景）、RCP 4.5（中间排放情景）、RCP 8.5（高排放情景）（https://esgf-node.llnl.gov/projects/cmip5/）的2011—2040年（T1）、2041—2070年（T2）和2071—2100年（T3）3个时段的气候情景数据。全国1 km×1 km的DEM采用SRTM数据来自于美国航空航天局（NASA）的数据网站（http://srtm.csi.cgiar.org）。
如何对气候站点观测数据进行空间插值和对气候模式情景数据进行空间降尺度,进而获得高精度的气候要素空间分布数据,对生态过渡带空间分布及情景变化模拟结果具有重要影响,甚至直接关系到生态过渡带类型定量识别的准确度。空间插值和降尺度模型主要包括反距离加权模型（IDW）、三角网模型（TIN）、克里金模型（Kriging）和样条插值模型（Spline）,以及基于微分几何学曲面理论发展的高精度曲面建模（HASM,High Accuracy Surface Modeling）方法[42]。HASM方法能够克服IDW、TIN、Kriging、Spline等方法存在的理论缺陷,大幅度提高气候数据的空间插值和降尺度精度[43,44]。因此,文中采用高精度曲面建模（HASM）方法,结合经纬度及高程数据,实现气候观测数据的空间插值和未来气候情景数据的降尺度处理,分别获得全国1 km×1 km空间分辨率的T0（1981—2010年）、T1（2011—2040年）、T3（2041—2070年）和T3（2071—2100年）4个时段的年平均生物温度、年降水量和潜在蒸散比率数据。

2.2 生态过渡带类型的空间识别模型

平均生物气温、降水及潜在蒸散比率等关键气候要素空间分布的连续性特征[45],决定两种甚至多种生态系统类型在地球表层空间上并不是独立分布,而是在这些生态系统的空间分布边界地带形成一定范围的重叠区域。在这些区域内,平均生物气温、降水及潜在蒸散比率等关键气候要素的时空变化将直接影响到各种生态系统类型边界的拓展和萎缩。这些多种生态系统类型重叠区域则称之为生态过渡带（Ecotone）。在模型构建的过程中,基于GIS空间分析方法,在对HLZ模型参数格式、运行模式进行改进的基础上[46,47,48,49],将其分类体系中平均生物温度、平均降水和潜在蒸散比率刻度线相交而成的正三角形定义为生态过渡带（原HLZ模型中相邻正六边形的相交地带）,从而建立生态过渡带类型的理论判别体系（图1）。
图1 生态过渡带空间识别机理及模型框架

Fig. 1 Mechanism and scheme for identifying ecotones

具体计算方法为：根据重新定义的生态过渡带判别体系,计算每一类生态过渡带的年均生物温度的边界阈值（ MA B 0 i (℃)）、年均降水量的边界阈值（ TA P 0 i (mm)）和潜在蒸散比率的边界阈值（ PE R 0 i ）,进而构建定量识别所有生态过渡带类型边界阈值的判定标准集合,整个集合中包括49类生态过渡带类型的判别标准值（表1）。譬如,如果某一生态过渡带的MAB、TAP和PER 3个关键气候要素的值同时满足MAB > 0.375 ℃、TAP < 125 mm和PET < 0.25,那么该生态过渡带则被识别为风荒漠与冰雪过渡带。生态过渡带类型的空间定量识别理论计算公式可表达如下：
MAB x , y , t = 1 365 ∑ j = 1 365 TEM ( j , x , y , t )
TAP x , y , t = ∑ j = 1 365 P ( j , x , y , t )
PER x , y , t = 58.93 MAB ( x , y , t ) TAP ( x , y , t )
if MAB x , y , t ∈ MA B 0 i TAP x , y , t ∈ TA P 0 i PER x , y , t ∈ PE R 0 i E cot one x , y , t = i 1,2 , 3 , … , 49 ; elseEcotone x , y , t = 0
式中, MAB x , y , t 、 TAP x , y , t 和 PER x , y , t 分别为t时段每一个栅格 x , y 的年平均生物温度、年平均降水量和潜在蒸散比率; Ecotone x , y , t 表示实现分类后的每种生态过渡带的类型值; MA B 0 i 、 TA P 0 i 和 PE R 0 i 分别代表第i种生态过渡带类型的判别标准值。
表1 生态过渡带类型的判别标准

Tab. 1 Identification criteria of ecotones

编码 BTZ类型 MAB(℃) TAP(mm) PER
1 风荒漠与冰雪过渡带 > 0.375 < 125 < 0.25
2 风荒漠—冰缘与冰雪过渡带 < 0.75 > 125 > 0.25
3 风荒漠—冻荒漠与冰缘过渡带 > 0.75 < 125 < 0.50
4 冰缘与冰雪过渡带 > 0.75 < 250 < 0.25
5 冻荒漠—冰缘与高寒草原过渡带 < 1.50 > 125 > 0.50
6 冰缘—冰雪与高寒草甸过渡带 < 1.50 > 250 > 0.25
7 冻荒漠—高寒荒漠/草原过渡带 > 1.50 < 125 < 1.00
8 冰缘—高寒草原/草甸过渡带 > 1.50 < 250 < 0.50
9 冰雪—高寒草甸与苔原过渡带 > 1.50 < 500 < 0.25
10 高寒荒漠/草原与干旱灌丛过渡带 < 3.00 > 125 > 1.00
11 高寒草原/草甸与北方湿润森林过渡带 < 3.00 > 250 > 0.50
12 高寒草甸/苔原与北方潮湿森林过渡带 < 3.00 > 500 > 0.25
13 高寒荒漠与北方荒漠/干旱灌丛过渡带 > 3.00 < 125 < 2.00
14 高寒草原与北方干旱灌丛/湿润森林过渡带 > 3.00 < 250 < 1.00
15 高寒草甸与北方湿润/潮湿森林过渡带 > 3.00 < 500 < 0.50
16 北方潮湿/雨林与苔原过渡带 > 3.00 < 1000 < 0.25
17 北方荒漠/灌丛与冷温带荒漠灌丛过渡带 < 6.00 > 125 > 2.00
18 北方干旱灌丛/湿润森林与冷温带草原过渡带 < 6.00 > 250 > 1.00
19 北方湿润/潮湿森林与冷温带湿润森林过渡带 < 6.00 > 500 > 0.50
20 北方潮湿/雨林与冷温带潮湿森林过渡带 < 6.00 > 1000 > 0.25
21 北方荒漠与冷温带荒漠/灌丛过渡带 > 6.00 < 125 < 4.00
22 北方干旱灌丛与冷温带荒漠灌丛/草原过渡带 > 6.00 < 250 < 2.00
23 北方湿润森林与冷温带草原/湿润森林过渡带 > 6.00 < 500 < 1.00
24 北方潮湿森林与冷温带湿润/潮湿森林过渡带 > 6.00 < 1000 < 0.50
25 北方雨林与冷温带潮湿森林/雨林过渡带 > 6.00 < 2000 < 0.25
26 冷温带荒漠/灌丛与暖温带荒漠灌丛过渡带 < 12.00 > 125 > 4.00
27 冷温带荒漠灌丛/草原与暖温带有刺草原过渡带 < 12.00 > 250 > 2.00
28 冷温带草原/湿润森林与暖温带干旱森林过渡带 < 12.00 > 500 > 1.00
29 冷温带湿润/潮湿森林与暖温带湿润森林过渡带 < 12.00 > 1000 > 0.50
30 冷温带潮湿森林/雨林与暖温带潮湿森林过渡带 < 12.00 > 2000 > 0.25
31 冷温带荒漠与暖温带荒漠/灌丛过渡带 > 12.00 < 125 < 8.00
32 冷温带荒漠灌丛与暖温带荒漠灌丛/有刺草原过渡带 > 12.00 < 250 < 4.00
33 冷温带草原与暖温带有刺草原/干旱森林过渡带 > 12.00 < 500 < 2.00
34 冷温带湿润森林与暖温带干旱/湿润森林过渡带 > 12.00 < 1000 < 1.00
35 冷温带潮湿森林与暖温带湿润/潮湿森林过渡带 > 12.00 < 2000 < 0.50
36 冷温带雨林与暖温带潮湿森林/雨林过渡带 > 12.00 < 4000 < 0.25
37 亚热带荒漠/灌丛与热带荒漠灌丛过渡带 < 24.00 > 125 > 8.00
38 亚热带灌丛/有刺草原与热带有刺疏林过渡带 < 24.00 > 250 > 4.00
39 亚热带有刺疏林/干旱森林与热带很干森林过渡带 < 24.00 > 500 > 2.00
40 亚热带干旱/湿润森林与热带干旱森林过渡带 < 24.00 > 1000 > 1.00
41 亚热带湿润/潮湿森林与热带湿润森林过渡带 < 24.00 > 2000 > 0.50
42 亚热带潮湿森林/雨林与热带潮湿森林过渡带 < 24.00 > 4000 > 0.25
43 亚热带荒漠与热带荒漠/灌丛过渡带 > 24.00 < 125 < 16.00
44 亚热带荒漠灌丛与热带荒漠灌丛/有刺疏林过渡带 > 24.00 < 250 < 8.00
45 亚热带有刺疏林与热带有刺疏林/很干森林过渡带 > 24.00 < 500 < 4.00
46 亚热带干旱森林与热带很干/干旱森林过渡带 > 24.00 < 1000 < 2.00
47 亚热带湿润森林与热带干旱/湿润森林过渡带 > 24.00 < 2000 < 1.00
48 亚热带潮湿森林与热带湿润/潮湿森林过渡带 > 24.00 < 4000 < 0.50
49 亚热带雨林与热带潮湿/雨林过渡带 > 24.00 < 8000 < 0.25
在对生态过渡带类型进行空识别的过程中,当空间栅格单元 x , y 处的 MAB x , y , t 、 TAP x , y , t 和 PER x , y , t 不满足任何一类生态过渡带的判别标准时,将空间栅格单元 x , y 处的生态过渡带类型值赋为0,表示栅格单元 x , y 不属于生态过渡带;如果栅格单元 x , y 处的 MAB x , y , t 、 TAP x , y , t 和 PER x , y , t 满足49种生态过渡带类型中任何一类的判别标准时,则将空间栅格单元处的 x , y 生态过渡带类型值赋为相应的生态过渡带类型编码。在该模型及所有的定量判别过程,均在栅格层次上利用程序设计和算法编程实现,运用识别标准和判别规则,将其与生态过渡带类型的识别标准集合进行对比,从而对每一个栅格单元进行判断识别并赋值,直到完成所有栅格单元的判断识别为止。最终获得研究区所有生态过渡带类型及其空间分布格局的定量识别。

2.3 生态过渡带平均中心偏移的时空分析模型

在计算生态过渡带空间分布平均中心的过程中,引入中心模型并赋予每个输入因子相应的含义[23,24,25],构建了生态过渡带平均中心偏移的时空分析模型,其理论计算公式可表达为：
x j t = ∑ i = 1 I j t s ij t X ij t S j t
y j t = ∑ i = 1 I j t s ij t Y ij t S j t
式中：t为时间变量;Ij(t)为 t 时段内第 j 种生态过渡带类型的斑块数;sij(t)为 t 时段内第 j 种生态过渡带类型的第 i 个斑块的面积;sj(t)为t时段内第 j 种生态过渡带类型每个斑块的面积;(Xij(t), Yij(t))为 t 时段内第 j 种生态过渡带类型的第 i 个斑块的几何中心的经纬度坐标;(Xj(t), Yj(t))为 t 时段内第 j 种生态过渡带类型空间分布的平均中心的经纬度坐标。
第 j 种生态过渡带平均中心的偏移距离和方向可分别为：
d j = x j ( t + 1 ) - x j ( t ) 2 + y j ( t + 1 ) - y j ( t ) 2
θ j = arctg y j ( t + 1 ) - y j ( t ) x j ( t + 1 ) - x j ( t )
其中,dj为第 j 种生态过渡带平均中心从 t 到 t + 1 时段的偏移距离;(xj(t), yj(t))和(xj(t+1), yj(t+1))分别代表第 j 种生态过渡带 t 时段和 t + 1 时段的平均中心坐标;θj为第j种生态过渡带平均中心从 t 到 t + 1 时段的移动方向,当345°< θj ≤ 15°、75°< θj ≤ 105°、165°< θj ≤195°和225°< θj ≤ 285°时,可近似认为分别代表第 j 种生态过渡带的平均中心从 t 时段到 t + 1 时段分别向东、北、西和南偏移,而当5°< θj ≤ 75°、105°< θj ≤ 165°、195°< θj ≤ 255°和285°< θj ≤ 345°时,则分别代表第 j 种生态过渡带的平均中心从 t 时段到 t + 1 时段向东北、西北、西南和东南方向偏移。

3 结果分析

3.1 生态过渡带空间分布特征

IPCC RCP 2.6、RCP 4.5、RCP 8.5气候情景驱动下的T0~T3时段的生态过渡带未来情景模拟结果显示,全国总共将出现41种生态过渡带类型（图2~图4）。其中,东部地区的生态过渡带类型呈东北向西南方向的条带状分布,西部地区的生态过渡带类型分布零散且空间异质性高,生态过渡带区域主要分布在山区,而平原、盆地内部分布较少。在所有生态过渡带类型中,冷温带草原/湿润森林与暖温带干旱森林过渡带、冷温带湿润森林与暖温带干旱/湿润森林过渡带、北方湿润/潮湿森林与冷温带湿润森林过渡带是主要的过渡带类型,3种生态过渡带类型面积占所有过渡带面积的1/3。冷温带草原/湿润森林与暖温带干旱森林过渡带主要分布在长白山、吕梁山和太行山南部地区以及渭河北岸山地丘陵地区。冷温带湿润森林与暖温带干旱/湿润森林过渡带主要分布在长江中下游沿岸山区及云贵高原西部。北方湿润/潮湿森林与冷温带湿润森林过渡带主要分布在大兴安岭北部、横断山地区及四川盆地西北部的山区。风荒漠与冰雪过渡带、风荒漠—冰缘与冰雪过渡带、风荒漠—冻荒漠与冰缘过渡带、冰缘与冰雪过渡带、冻荒漠—冰缘与高寒草原过渡带、冻荒漠—高寒荒漠/草原过渡带、高寒荒漠/草原与干旱灌丛过渡带、高寒荒漠与北方荒漠/干旱灌丛过渡带、北方潮湿/雨林与苔原过渡带、北方荒漠/灌丛与冷温带荒漠灌丛过渡带、北方潮湿/雨林与冷温带潮湿森林过渡带、北方雨林与冷温带潮湿森林/雨林过渡带、冷温带潮湿森林/雨林与暖温带潮湿森林过渡带、亚热带荒漠/灌丛与热带荒漠灌丛过渡带、亚热带湿润/潮湿森林与热带湿润森林过渡带的面积之和仅占全国生态过渡带面积的2%左右,均主要分布在在青藏高原地区。
图2 基于RCP 2.6情景的中国生态过渡带空间分布

注：基于自然资源部标准地图服务网站GS(2016)2923号标准地图制作,底图无修改,图3~图5同。

Fig. 2 Ecotones distribution in China under RCP2.6 scenario

图3 基于RCP 4.5情景的中国生态过渡带空间分布

Fig. 3 Ecotones distribution in China under RCP 4.5 scenario

图4 基于RCP 8.5情景的中国生态过渡带空间分布

Fig. 4 Ecotones distribution in China under RCP 8.5 scenario

3.2 生态过渡带分布面积及格局变化

对RCP 2.6、RCP 4.5、RCP 8.5气候情景驱动下中国生态过渡带的模拟结果（图2~图4）进行统计分析表明（表2）,在2011—2100年间不同气候情景下的全国生态过渡带将呈现出系列变化趋势。
表2 不同情景下的生态过渡带面积(km2)

Tab. 2 Area of ecotones under the three scenarios of RCP 2.6, RCP 4.5 and RCP 8.5 (km2)

编码 T0 RCP 2.6 RCP 4.5 RCP 8.5
T1 T2 T3 T1 T2 T3 T1 T2 T3
1 0 18 11 28 33 20 16 19 12 4
2 0 331 319 186 359 234 60 358 44 8
3 0 112 61 44 99 82 32 106 36 6
4 4133 2523 1929 2252 2249 1362 1255 2311 1251 177
5 69 1733 1621 1066 2043 1487 444 1937 235 21
6 67207 10165 5417 5630 9968 2705 2324 9085 2328 1271
7 0 496 569 85 494 503 38 462 33 0
8 21710 11833 8575 10436 11382 6306 5947 10986 6176 1778
9 50942 61529 54199 57642 56865 39831 35050 58659 30123 3972
10 6226 8108 7560 4602 7505 7651 3534 6888 1899 51
11 42813 72193 62699 63182 77481 51897 33686 74401 29872 9700
12 51665 60798 74726 76468 56264 81194 91293 57836 86511 64255
13 3698 2938 2566 1301 3330 2810 891 3097 568 9
14 33304 43970 35350 28835 44576 26912 22438 39653 26194 20468
15 53039 104570 121523 125735 105814 129326 145756 109206 147273 124791
16 20394 10 16 14 14 1 27 14 15 414
17 14482 16502 13437 13794 17491 11940 11067 15377 10001 3115
18 31289 45109 46366 43487 39986 50052 53911 40208 57198 32904
19 52387 135375 135381 167223 152001 164383 160644 151677 152096 182743
20 5537 0 0 0 0 21 21 0 15 14
21 13194 22047 18090 14887 20233 9779 5739 17244 4532 2311
22 63353 42135 42346 47085 45189 44690 46499 47416 45579 28390
23 148436 108981 102719 96813 104815 91829 77895 106336 86948 58513
24 21484 2006 4495 2412 1909 2212 5104 1702 1580 9054
25 186 0 0 0 0 0 0 0 0 0
26 130080 145120 136429 143718 143769 105773 102151 150962 92610 23052
27 49453 107082 126616 131613 116791 144363 139982 120822 144384 119965
28 206067 247976 236233 227930 215464 268572 267315 215277 230023 200860
29 37587 5908 7822 2878 204 1386 3071 133 315 1645
30 17 43 32 32 39 11 3 41 3 0
31 17491 107649 119337 105099 92396 114786 145654 104675 152720 101876
32 3540 21099 32599 39582 23460 70216 104171 26351 115379 175955
33 98325 19043 29874 32358 27524 50384 46884 28507 102668 167583
34 221686 226182 188416 212098 239735 163580 154365 225159 132460 132566
35 15214 6769 3878 4046 6482 2097 1362 6260 1291 16
37 0 0 0 0 0 0 0 0 0 884
38 13 0 0 0 0 0 0 0 0 0
39 62 0 0 0 0 0 0 0 0 0
40 65438 40014 39494 36285 48298 89004 109617 66368 237548 515481
41 25166 364 3349 1005 3 2304 5937 0 2991 7498
47 18348 39697 55697 54925 41424 85862 134610 42064 157828 317434
在RCP 2.6情景下的T0~T3时段内,北方潮湿/雨林与冷温带潮湿森林过渡带、北方雨林与冷温带潮湿森林/雨林过渡带、亚热带荒漠/灌丛与热带荒漠灌丛过渡带、亚热带灌丛/有刺草原与热带有刺疏林过渡带、亚热带有刺疏林/干旱森林与热带很干森林过渡带将有可能消失。T0~T3时段内,北方湿润/潮湿森林与冷温带湿润森林过渡带、冷温带荒漠与暖温带荒漠/灌丛过渡带、冷温带荒漠灌丛/草原与暖温带有刺草原等过渡带的面积增幅最大,将分别增加11.4万km2、8.7万km2和8.2万km2;冷温带草原与暖温带有刺草原/干旱森林过渡带、冰缘—冰雪与高寒草甸过渡带、北方湿润森林与冷温带草原/湿润森林过渡带的面积减少最多,将分别平均减少6.5万km2、6.1万km2和5.1万km2;冻荒漠—冰缘与高寒草原过渡带、冷温带荒漠灌丛与暖温带荒漠灌丛/有刺草原过渡带增长速度最快,分别以144%/10a和101%/10a的速度增长;北方潮湿/雨林与苔原过渡带、亚热带湿润/潮湿森林与热带湿润森林过渡带减少速度最快,分别以9.9%/10a和9.6%/10a的速度减少。
在RCP 4.5情景下的T0~T3时段内,北方雨林与冷温带潮湿森林/雨林过渡带、亚热带荒漠/灌丛与热带荒漠灌丛过渡带、亚热带灌丛/有刺草原与热带有刺疏林过渡带、亚热带有刺疏林/干旱森林与热带很干森林过渡带将可能完全消失。冷温带荒漠与暖温带荒漠/灌丛过渡带、亚热带湿润森林与热带干旱/湿润森林过渡带、北方湿润/潮湿森林与冷温带湿润森林过渡带相均呈快速增长趋势,在T0~T3时段内将分别增长12.8万km2、11.6万km2和10.8万km2。北方湿润森林与冷温带草原/湿润森林过渡带、冷温带湿润森林与暖温带干旱/湿润森林过渡带、冰缘—冰雪与高寒草甸过渡带将呈严重缩减趋势,在T0~T3时段内将分别减少7万km2、6.7万km2和6.4万km2。冷温带荒漠灌丛与暖温带荒漠灌丛/有刺草原过渡带、冷温带荒漠与暖温带荒漠/灌丛过渡带增长速度最快,在T0~T3时段内将分别以284%/10a和73%/10a的速度增长,而北方潮湿/雨林与苔原过渡带、北方潮湿/雨林与冷温带潮湿森林过渡带则均以9.9%/10a的速度减少。
在RCP 8.5情景下的T0~T3时段内,北方雨林与冷温带潮湿森林/雨林过渡带、亚热带灌丛/有刺草原与热带有刺疏林过渡带、亚热带有刺疏林/干旱森林与热带很干森林过渡带将可能消失。亚热带干旱/湿润森林与热带干旱森林过渡带、亚热带湿润森林与热带干旱/湿润森林过渡带、冷温带荒漠灌丛与暖温带荒漠灌丛/有刺草原过渡带呈快速扩张趋势,T0~T3时段分别扩张45万km2、29.9万km2和17.2万km2。冷温带荒漠/灌丛与暖温带荒漠灌丛过渡带、北方湿润森林与冷温带草原/湿润森林过渡带、冷温带湿润森林与暖温带干旱/湿润森林过渡带缩减面积最大,T0~T3时段内分别减少10.7万km2、9万km2和8.9万km2。冷温带荒漠灌丛与暖温带荒漠灌丛/有刺草原过渡带、亚热带湿润森林与热带干旱/湿润森林过渡带增长速度最快,T0~T3将分别以每10年487%和163%的速度增长。冷温带潮湿森林与暖温带湿润/潮湿森林过渡带、高寒荒漠与北方荒漠/干旱灌丛过渡带、北方潮湿/雨林与冷温带潮湿森林过渡带的缩减速度最快,T0~T3时段内将分别以每10年9.9%的速度减少。

3.3 生态过渡带平均中心的时空偏移

运用生态过渡带平均中心时空偏移模型对基于RCP 2.6、RCP 4.5和RCP 8.5三种情景的生态过渡带平均中心的时空偏移进行求算（表3~5,表中的空白均表示某一种生态过渡带类型在相邻两个时段内的某一个时段没有出现）,并对平均中心偏移距离大于50 km的生态过渡带类型的平均中心进行时空变化趋势制图（图4）,发现RCP 2.6情景驱动下的生态过渡带平均中心偏移距离大于50 km的生态过渡带有15种类型,RCP 4.5情景驱动下的生态过渡带有27种类型,RCP 8.5情景驱动下的生态过渡带有31种类型。
表3 RCP 2.6情景下生态过渡带平均中心的时空偏移(km)

Tab. 3 Shift trends of mean center in ecotones under RCP 2.6 scenario (km)

编码 T0~T1 T1~T2 T2~T3
偏移距离 偏移方向 偏移距离 偏移方向 偏移距离 偏移方向
1 575.89 东南 158.44 西
2 36.46 北 364.35 东南
3 524.49 西北 440.09 东南
4 313.37 西 45.65 西北 33.72 西
5 163.57 东北 204.43 西北 80.98 东南
6 75.23 南 111.08 西北 34.18 西南
7 62.35 东 183.79 西北
8 344.76 西 9.82 东北 34.16 南
9 65.01 北 66.15 西 3.16 东北
10 114.76 西北 102.64 西北 80.54 西北
11 133.99 南 90.37 西北 25.27 南
12 265.35 东北 75.64 西 10.24 东
13 221.6 西 33.91 西北 23.62 西
14 226.46 西南 72.05 西北 153.18 西北
15 171.44 东南 110.42 西 36.23 东南
16 2827.93 东北 251.73 西南 251.45 东北
17 289.66 西南 134.86 西 218.66 西
18 447.75 南 64.87 西南 127.8 北
19 119.67 东南 150.92 西南 197.31 南
21 86.68 东南 56.18 西南 97.37 西南
22 981.11 西南 167.08 西南 30.74 东北
23 533.87 西南 66.24 西 309.09 东北
24 2268.19 东北 843.93 西南 1032.88 东北
26 54.23 西南 18.27 西 9.99 东南
27 101.5 东北 38.75 西北 167.87 东
28 216.51 东北 101.74 东北 72.23 东北
29 160.22 西 20.78 西 46.98 北
30 766.46 东南 13.12 南 0
31 259.19 东南 95.16 东南 44.37 西北
32 839.21 北 415.56 东南 112.89 西北
33 294.23 西南 48.46 西北 21.06 东南
34 220.07 西南 52.5 北 19.88 西北
35 378.48 东 35.47 东南 9.45 东南
40 488.65 西北 48.12 东北 381.42 南
41 641.45 东北 216.49 东北 169.64 东北
47 29.03 西北 61.2 北 2.36 南
表4 RCP 4.5情景下生态过渡带平均中心的时空偏移(km)

Tab. 4 Shift trends of mean center in ecotones under RCP 4.5 scenario (km)

编码 T0~T1 T1~T2 T2~T3
偏移距离 偏移方向 偏移距离 偏移方向 偏移距离 偏移方向
1 293.08 东 123.63 南
2 36.08 东北 279.36 东南
3 473.97 西北 494.86 东南
4 320.13 西 52.11 西北 57.99 西
5 170.54 东 203.39 西北 70.2 东南
6 87.43 南 237.81 西 161.8 西北
7 120.74 西北 104.33 南
8 321.52 西 28.5 北 112.16 西北
9 64.65 北 115.89 西北 71.13 西北
10 170.76 西北 119.2 西北 33.71 西
11 131.38 南 114.57 西北 101.63 西北
12 268.45 东北 149.39 西 95.55 西
13 226.55 西 28.13 北 54.75 西
14 217.42 西南 248.67 西 175.08 西北
15 213.48 东南 120.03 西北 119.29 西
16 2827.64 东北 2225.08 西南 60.36 南
17 384.24 西 372.57 西 72.11 西南
18 325.97 西南 234.82 南 52.36 南
19 174.34 南 432.43 西南 308.11 西南
20 0.28 东北
21 69.1 南 377.76 西南 412.93 西南
22 919.58 西南 332.35 西南 150.7 西南
23 445.81 西南 260.71 西南 155.94 西南
24 2650.17 东北 179.94 西南 1561.57 西南
26 63.85 西 82.43 西 57.92 西南
27 306.92 东 146.99 西北 140.7 西北
28 320.71 东北 191.07 东北 24.79 西北
29 153.5 西北 214.07 西 103.68 西
30 768.54 东南 19.08 北 24.07 北
31 235.48 东南 346.37 东 67.52 东南
32 743.09 北 664.54 东南 20.01 北
33 274.56 西南 99.58 西北 89.56 西北
34 322.29 西南 137.42 东北 76.99 东北
35 384.46 东 105.23 东南 94.5 东南
40 556.84 西 253.32 东北 108.94 东北
41 1017.64 东北 58.91 东南 7.72 东北
47 34.71 西北 136.54 东北 74.47 北
表5 RCP 8.5情景下生态过渡带平均中心的时空偏移(km)

Tab. 5 Shift trends of mean center in ecotones under RCP 8.5 scenario (km)

编码 T0~T1 T1~T2 T2~T3
偏移距离 偏移方向 偏移距离 偏移方向 偏移距离 偏移方向
1 122.27 东南 333.54 西
2 930.5 东南 285.74 东南
3 297.21 东南 81.38 东
4 326.75 西 136.14 西北 64.26 南
5 173.46 东 246.25 东南 840.32 东南
6 86.9 南 445.58 西北 133.04 西北
7 295.09 东南
8 333.53 西 147.15 西北 78.14 西
9 67.49 北 185.05 西北 150.35 西北
10 189.19 西北 76.72 西 74.34 南
11 137.95 南 239.1 西北 265.65 西北
12 280.61 东北 257.8 西 290.64 西
13 224.04 西 79.49 西南 50.82 西北
14 259.6 西南 386.82 西北 113.5 西北
15 196.98 东南 202.81 西北 299.93 西北
16 2827.64 东北 2282.75 西南 206.86 南
17 479.18 西 346.49 西南 49.96 西
18 326.78 西南 349.86 南 428.34 西南
19 231.84 南 727.43 西南 656.35 西
20 1.12 南
21 100.83 南 1140.32 西南 89.01 西北
22 956.6 西南 508.54 西南 719.47 西南
23 389.8 西南 791.86 西南 1331.83 西南
24 2649.15 东北 744.07 西南 1838.76 西南
26 64.76 西 206.18 西 427.11 西
27 289.31 东北 278.89 西北 378.4 西
28 364.48 东北 312.33 东北 176.63 北
29 153.47 西北 267.16 西 138.46 北
30 767.04 东南 39.75 北
31 260.29 东南 388.81 东 189.04 东
32 720.01 北 631 东南 250.86 西北
33 280.88 西南 215.3 西北 137.05 北
34 349.58 西南 165.45 北 953.92 东北
35 401.18 东 232.65 东南 202.82 东南
40 510.16 西 418.01 东北 128.65 东北
41 13.76 西北
47 36.96 西北 233.08 东北 102.5 北
其中,① 高寒荒漠/草原与干旱灌丛过渡带、高寒草原/草甸与北方湿润森林过渡带、高寒草原与北方干旱灌丛/湿润森林过渡带等生态过渡带的平均中心整体上呈向西北偏移趋势。揭示出随着平均气温的逐渐上升,随着主要位于青藏高原和天山区域的冰川消融的增加,相应的高寒生态过渡带将逐渐演替成其邻域内的非过渡带类型。② 北方干旱灌丛/湿润森林与冷温带草原过渡带、北方湿润/潮湿森林与冷温带湿润森林过渡带、北方荒漠与冷温带荒漠/灌丛过渡带、北方干旱灌丛与冷温带荒漠灌丛/草原过渡带、北方湿润森林与冷温带草原/湿润森林过渡带等生态过渡带的平均中心整体上呈向西南偏移趋势。③ 冰雪、高寒草甸与苔原过渡带、亚热带湿润森林与热带干旱/湿润森林过渡带等生态系统类型的平均中心整体上呈向北偏移趋势。

3.4 3种情景下的生态过渡带时空变化对比分析

RCP 2.6、RCP 4.5和RCP 8.5的3种气候变化情景下的全国生态过渡带时空分布及变化趋势模拟表明：随着平均生物温度的不断上升和和降水的不断增加,全国生态过渡带类型空间格局及其平均中心在2011—2100年间,将会发生一系列的时空变化趋势,且不同的气候变化情景对生态过渡带类型的变化将产生不同的驱动效应。其中,① 冰缘与冰雪过渡带、冰缘—冰雪与高寒草甸过渡带、冰缘—高寒草原/草甸过渡带、冷温带潮湿森林与暖温带湿润/潮湿森林过渡带的面积,在RCP 4.5和RCP 8.5气候变化情景下均将呈持续减少趋势,而亚热带湿润森林与热带干旱/湿润森林过渡带的面积将呈持续增加趋势;② 北方湿润/潮湿森林与冷温带湿润森林过渡带的面积在RCP 2.6和RCP 8.5气候变化情景下将持呈续增加趋势,而RCP 4.5情景下也仅是在T2~T3时段有呈减少趋势;③ 高寒草甸/苔原与北方潮湿森林过渡带、高寒草甸与北方湿润/潮湿森林过渡带的面积在RCP 2.6和RCP 4.5气候变化情景下将呈持续增加趋势,而RCP 8.5情景下也仅是在T2~T3时段有呈减少趋势;④ 2种情景下的高寒荒漠与北方荒漠/干旱灌丛过渡带、北方湿润森林与冷温带草原/湿润森林过渡带的面积均将呈持续减少趋势而冷温带荒漠灌丛与暖温带荒漠灌丛/有刺草原过渡带的面积将呈持续增加趋势。
总之,在RCP 2.6、RCP 4.5和RCP 8.5的3种气候变化驱动的未来情景下,高寒冰雪等高寒过渡带类型约占总生态过渡带总面积的20%。虽有个别高寒生态过渡带的面积呈增长趋势,如高寒草甸/苔原与北方潮湿森林过渡带、高寒草甸与北方湿润/潮湿森林过渡带,但大部分高寒生态过渡带呈减少趋势,甚至部分过渡带面临消失,如风荒漠与冰雪过渡带、风荒漠、冻荒漠与冰缘过渡带、冻荒漠、高寒荒漠/草原过渡带的面积均不超过50 km2。其中,冻荒漠、高寒荒漠/草原过渡带将在RCP 8.5情景的T3时段消失。这一研究显示,未来的全球气候变暖,将会使冰雪消融增加,导致土壤水分增加,进而引起冻荒漠、高寒荒漠/草原过渡带朝其邻域的非过渡带类型发生演替。
图5 不同情景下的中国生态过渡带平均中心偏移趋势

Fig. 5 Shift trends of mean center in ecotones under the three scenarios of RCP 2.6, RCP 4.5 and RCP 8.5

另外,在3种气候变化情景的驱动下,高寒草原与北方干旱灌丛/湿润森林过渡带、北方荒漠/灌丛与冷温带荒漠灌丛过渡带、北方干旱灌丛/湿润森林与冷温带草原过渡带、北方湿润/潮湿森林与冷温带湿润森林过渡带、北方干旱灌丛与冷温带荒漠灌丛/草原过渡带、北方湿润森林与冷温带草原/湿润森林过渡带,冷温带潮湿森林/雨林与暖温带潮湿森林过渡带、冷温带荒漠灌丛与暖温带荒漠灌丛/有刺草原过渡带、亚热带干旱/湿润森林与热带干旱森林过渡带等生态过渡带类型的平均中心时空偏移幅度整体上大于其它生态过渡带类型的平均中心偏移幅度。以上生态过渡带的平均中心在T0~T3时段内,每个时段的平均偏移幅度均超过150 km。这表明在同样的气候变化条件下,以上生态过渡带类型对气候相关因子的灵敏性高于其它的生态过渡带类型。

4 讨论

如何获取高精度的年平均生物温度、年平均降水和潜在蒸散比率等关键模型参数的空间分布数据,直接关系到生态过渡带空间识别模型模拟结果的质量[16]。文中结合经纬度及高程数据,采用HASM方法,对年平均生物温度、年平均降水和潜在蒸散比率三个关键模型参数的现状数据和未来情景进行空间插值和降尺度模拟,能够有效保证生态过渡带模型参数的精度和质量。
基于HLZ模型修正和拓展构建的生态过渡带类型的空间识别模型,能够通过年平均生物温度、年平均降水和潜在蒸散比率3个关键模型参数对生态过渡带类型及空间分布进行定量刻画和求算,有效弥补了现有研究仅通过景观格局过渡与边界概念关系确定生态过渡带层的次概念模型[37]、运用线性和“S”型回归方法构建植被—气候线性关系模型[38],以及仅局限于局地区域的边界识别或者是两种生态系统类型的突变边界识别[40]的研究缺陷。另外,生态过渡带空间识别模型能够结合不同的未来气候变化情景数据对生态过渡带类型未来变化的时空情景进行模拟分析。
运用RCP 2.6、RCP 4.5和RCP 8.5三种未来气候变化情景数据,2011—2100年间不同情景下全国生态过渡带的时空变化模拟显示,在未来80年内,随着平均气温的逐渐增加,高寒型生态过渡带的面积总体上呈现减少趋势,而且主要位于青藏高原的寒冷型生态过渡带的平均中心呈向西北偏移趋势。这一研究能够有效阐释随着气温的逐渐上升,青藏高原和天山区域的冰雪将呈逐渐向高海拔退缩的趋势,而且由于冰雪消融水导致相应区域的土壤湿度的增加,使原有的生态过渡带类型演替为邻域范围内的其他非过渡带生态类型[48,49]。另外,由于干旱区域的气温升高,蒸腾强度上升,致使干旱型的生态过渡带普遍呈向西南偏移趋势[50]。总体上看,寒冷型生态过渡带和干旱型过渡带在同样的气候变化驱动下,对气候相关因子的灵敏性普遍高于其他的生态过渡带类型。
另外,生态过渡带作为对气候变化和人类活动最为敏感的区域,区域内的植被结构及其分布、土地利用覆盖不仅在同等气候变化条件下发生的变化高于其他的非过渡带区域[20,21,22],而且在人类活动干扰下也较非过渡带容易发生变化[16]。全国的农牧交错带大部分位于生态过渡带区域,其耕地和草地之间的变化强度和幅度要高于其他的区域。尤其是处于生态过渡带的农田控制水源涵养区域,在农牧生产、林果种植及生态旅游等人类活动的作用下,植被结构和土地覆盖格局的变化要高于其他的区域[51]。该模型方法主要阐释了在不同气候变化情景驱动下的全国生态过渡带类型空间分布的时空变化趋势,有效反应了气候变化对不同生态过渡带类型时空演替的驱动效应,揭示不同生态过渡带类型对气候变化驱动效应的敏感性问题。但目前主要侧重于气候变化对生态过渡带的驱动效应分析。在后续的研究过程中,将深入探讨人类活动作用对生态过渡带时空格局变化的驱动效应,综合分析自然气候要素与人类活动双重耦合驱动下的全国生态过渡带时空变化规律,并对其变化幅度和强度进行归因分析。

5 结论

基于HLZ模型修正和拓展构建的生态过渡带类型空间识别模型,能够有效实现全国生态过渡带类型及空间分布格局的定量识别。引入平均中心空间分析模型,能够实现全国生态过渡带平均中心的偏移方向和距离的时空刻画和表征。冷温带草原/湿润森林与暖温带干旱森林过渡带、冷温带湿润森林与暖温带干旱/湿润森林过渡带、北方湿润/潮湿森林与冷温带湿润森林过渡带是全国分布最广的三种生态过渡带类型,在三种气候变化情景下的平均面积分别为564238.5 km2、566549.75 km2和525750.25 km2,其总面积约占全国生态过渡带总面积的1/3。在RCP 2.6、RCP 4.5和RCP 8.5未来气候变化情景的驱动下,冷温带荒漠灌丛与暖温带荒漠灌丛/有刺草原过渡带的面积增加最快,将分别增加3604.2 km2/10a、10063.1 km2/10a和17242 km2/10a。高寒荒漠与北方荒漠/干旱灌丛过渡带、冰缘—冰雪与高寒草甸过渡带、冷温带潮湿森林与暖温带湿润/潮湿森林过渡带等生态过渡带类型,在未来气候变化驱动下的面积减少总体上高于其他的生态过渡带类型。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Clements F C. Research Methods in Ecology. Lincoln: University Publishing Corporation, 1905.

[2]
Holland M M. SCOPE/MAB technical consultations on landscape boundaries: Report on a ACOPE /MAB Workshop on Ecotones. Biology International, 1988,17:47-106.

[3]
Castri F, Hansen A J, Holland M M. A new look at ecotones: Emerging international projects on landscape boundaries. Biology International, 1988,17(Special Issue):1-167.

[4]
Niu Wenyuan. The discriminatory index with regard to the weakness, overlapness, and breadth of ecotone. Acta Ecological Sinica, 1989,9(2):97-105.

[ 牛文元. 生态环境脆弱带ECOTONE的基础判定. 生态学报, 1989,9(2):97-105.]

[5]
Ma Shijun. A Perspective of Modern Ecology. Beijing:Science Press, 1990.

[ 马世骏. 现代生态学透视. 北京:科学出版社, 1990.]

[6]
Bestelmeyer B T, Wiens J A. Local and regional-scale responses of ant diversity to a semiarid biome transition zone. Ecography, 2001,24(4):381-392.

DOI

[7]
Gosz J R. Ecotone hierarchies. Ecological Applications, 1993,3(3):369-376.

DOI PMID

[8]
Ferro I, Morrone J J. Biogeographical transition zones: A search for conceptual synthesis. Biological Journal of the Linnean Society, 2014,113(1):1-12.

DOI

[9]
Wuyts B, Champneys A R, House J I. Amazonian forest-savanna biostability and human impact. Nature Communication, 2017,8(1):15519. DOI: 10.1038/ncomms15519

DOI

[10]
Peteet D. Sensitivity and rapidity of vegetational response to abrupt climate change. PNAS, 2000,97(4):1359-1361.

DOI PMID

[11]
Breshears D D, Cobb N S, Rich P M, et al. Regional vegetation die-off in response to global-change-type drought. PNAS, 2005,102(42):15144-15148.

PMID

[12]
Williamsa A P, Allen C D, Millar C I, et al. Forest responses to increasing aridity and warmth in the southwestern United States. PNAS, 2010,107(50):21289-21294.

DOI PMID

[13]
Dolezal J, Dvorsky M, Kopecky M, et al. Vegetation dynamics at the upper elevational limit of vascular plants in Himalaya. Scientific Reports, 2016,6:24881. DOI: 10.1038/srep24881.

DOI PMID

[14]
Rich R L, Stefanski A, Montgomery R A, et al. Design and performance of combined infrared canopy and belowground warming in the B4WarmED (Boreal Forest Warming at an Ecotone in Danger) experiment. Global Change Biology. 2015,21(6):2334-2348.

DOI PMID

[15]
Feddema J J, Oleson K W, Bonan G B, et al. The importance of land-cover change in simulating future climates. Science, 2005,310(5754):1674-1678.

DOI PMID

[16]
Fan Z M, Li J, Yue T X. Land-cover changes of biome transition zones in Loess Plateau of China. Ecological Modelling, 2013,252:129-140.

DOI

[17]
Guan K Y, Pan M, Li H B, et al. Photosynthetic seasonality of global tropical forests constrained by hydroclimate. Nature Geoscience, 2015,8(4):284-289.

DOI

[18]
Reich P B, Sendall K M, Rice K, et al. Geographic range predicts photosynthetic and growth response to warming in co-occurring tree species. Nature Climate Change, 2015,5(2):148-152.

DOI

[19]
Gao Hongwen. Advancement of theoretical research in ecotone. Chinese Journal of Ecology, 1994,13(1):32-38.

[ 高洪文. 生态交错带(Ecotone)理论研究进展. 生态学杂志, 1994,13(1):32-38.]

[20]
Smith T B, Wayne R K, Girman D J, et al. A role for ecotones in generating rainforest biodiversity. Science, 1997,276(20):1855-1857.

DOI

[21]
Mayle F E, Burbridge R, Killeen T J. Millennial-scale dynamics of southern Amazonian rain forests. Science, 2000,290(22):2291-2294.

DOI

[22]
Chapin II I F S, Zavaleta E S, Eviner V T, et al. Consequences of changing biodiversity. Nature, 2000,405(6783):234-242.

DOI PMID

[23]
Pauli H, Gottfried M, Dullinger S, et al. Recent plant diversity changes on Europe's mountain summits. Science, 2012,336(20):353-355.

DOI

[24]
Marshall C J, Liebherr J K. Cladistic biogeography of the Mexican transition zone. Journal of Biogeography, 2000,27(1):203-216.

DOI

[25]
Loehle C. Disequilibrium and relaxation times for species responses to climate change. Ecological Modelling, 2018,384:23-29.

DOI

[26]
Wang X Y, Li Y, Chen Y P, et al. Temporal and spatial variation of extreme temperatures in an agropastoral ecotone of northern China from 1960 to 2016. Scientific Reports, 2018,8:8787. DOI: 10.1038/s41598-018-27066-0.

DOI PMID

[27]
Li S J, Sun Z G, Tan M H. Changing patterns in farming-pastoral ecotones in China between 1990 and 2010. Ecological Indicators, 2018,89:110-117.

DOI

[28]
Fan Z M, Zhang X, Li J, et al. Land-cover changes of national nature reserves in China. Journal of Geographical Sciences. 2013,23(2):258-270.

[29]
Fan Z M, Li J, Yue T X, et al. Scenarios of land cover in karst area of southwestern China. Environmental Earth Sciences, 2015,74(8):6407-6420.

DOI

[30]
Rich R L, Stefanski A, Montgomery R A, et al. Design and performance of combined infrared canopy and belowground warming in the B4WarmED (Boreal Forest Warming at an Ecotone in Danger) experiment. Global Change Biology, 2015,21(6):2334-2348.

DOI PMID

[31]
Fan Zemeng, Zhang Xuan, Li Jing, et al. Transition trends of land-cover in national nature reserves of China. Acta Geographica Sinica, 2012,67(12):1623-1633.

DOI

[ 范泽孟, 张轩, 李婧, 等. 国家级自然保护区土地覆盖类型转换趋势. 地理学报, 2012,67(12):1623-1633.]

[32]
Fan Z M, Bai R Y, Yue T X. Spatio-temporal distribution of vascular plant species abundance on Qinghai-Tibet Plateau. Journal of Geographical Sciences, 2019,29(10):1625-1636.

DOI

[33]
Caneva G, Bartoli F, Savo V, et al. Combining statistical tools and ecological assessments in the study of biodeterioration patterns of stone temples in Angkor (Cambodia). Scientific Reports, 2016,6:32601. DOI: 10.1038/srep32601.

DOI PMID

[34]
Xiao Qianguang, Chen Weiying, Du Peng, et al. Monitoring the ecological transect in East Asia monsoon region by meteorological satellite remote sensing. Acta Botanica Sinica, 1997,39(9):826-830.

[ 肖乾广, 陈维英, 杜鹏, 等. 用气象卫星对东亚季风区的生态过渡带的遥感监测研究. 植物生态学报, 1997,39(9):826-830.]

[35]
van Vuuren D P, Edmonds J, Kainuma M, et al. The representative concentration pathways: An overview. Climatic Change, 2011,109(1/2):5-31.

DOI

[36]
Yarrow M M, Salthe S N. Ecological boundaries in the context of hierarchy theory. BioSystems, 2008,92(3):233-244.

DOI PMID

[37]
Yarrow M M, Marín V H. Toward conceptual cohesiveness: A historical analysis of the theory and utility of ecological boundaries and transition zones. Ecosystems, 2007,10(3):462-476.

DOI

[38]
Danz N P, Frelich L E, Reich P B, et al. Do vegetation boundaries display smooth or abrupt spatial transitions along environmental gradients? Evidence from the prairie-forest biome boundary of historic Minnesota, USA. Journal of Vegetation Science, 2013,24(6):1129-1140.

DOI

[39]
Nicholas A M M, Franklin D C, Bowman D M J S. Floristic uniformity across abrupt boundaries between Triodia hummock grassland and Acacia shrubland on an Australian desert sandplain. Journal of Arid Environments, 2011,75(11):1090-1096.

DOI

[40]
Sarneel J M, Huig N, Veen G F, et al. Herbivores enforce sharp boundaries between terrestrial and aquatic ecosystems. Ecosystems, 2014,17(8):1426-1438.

DOI

[41]
Yue T X. Surface Modelling:High Accuracy and High Speed Methods. New York: CRC Press, 2011.

[42]
Yue T X, Zhao N, Fan Z M, et al. CMIP5 downscaling and its uncertainty in China. Global and Planetary Change, 2016,146(1):30-37.

DOI

[43]
Yue T X, Zhao N, Liu Y, et al. A fundamental theorem for eco-environmental surface modelling and its applications. Science China Earth Sciences, 2020,63(8):1092-1112.

DOI

[44]
Yue T X, Fan Z M, Liu J Y. Changes of major terrestrial ecosystems in China since 1960. Global and Planetary Change, 2005,48(4):287-302.

DOI

[45]
Biermann F. "Earth system governance" as a crosscutting theme of global change research. Global Environmental Change, 2007,17(3/4):326-337.

DOI

[46]
Mayle F E, Beerling D J, Gosling W D, et al. Responses of Amazonian ecosystems to climatic and atmospheric carbon dioxide changes since the last glacial maximum. Philosophical Transactions of the Royal Society B: Biological Sciences, 2004,359(1443):499-514.

DOI

[47]
Yue T X, Fan Z M, Liu J Y, et al. Scenarios of major terrestrial ecosystems in China. Ecological Modelling, 2006,199(3):363-376.

DOI

[48]
Fan Z M, Fan B, Yue T X. Terrestrial ecosystem scenarios and their response to climate change in Eurasia. Science China-Earth Sciences, 2019,62(10):1607-1618.

[49]
Fan Z M, Bai R Y, Yue T X. Spatio-temporal distribution of vascular plant species abundance on Qinghai-Tibet Plateau. Journal of Geographical Sciences, 2019,29(10):1625-1636.

DOI

[50]
Fan Z M, Fan B. Shifts of the mean center of potential vegetation ecosystems under future climate change in Eurasia. Forest, 2019,10(873). DOI: 10.3390/f10100873.

[51]
Shi Wenjiao, Liu Yiting, Shi Xiaoli. Quantitative methods for detecting the impacts of climate change on the fluctuation of farming-pastoral ecotone boundaries in northern China. Acta Geographica Sinica, 2017,72(3):407-419.

DOI

[ 史文娇, 刘奕婷, 石晓丽. 气候变化对北方农牧交错带界线变迁影响的定量探测方法研究. 地理学报, 2017,72(3):407-419.]

Options
Outlines

/

〈 〉