2. 中国科学院大学,北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049, China
近地面风速是影响湖泊生态系统的重要气象因素。湖泊分层[1]、水柱溶解氧的动态变化[2]、底泥再悬浮和内源释放[3]、藻类生长和聚团[4]等都会受到风速的影响。尤其对于浅水湖泊,强烈的风浪扰动是湖泊生态系统的典型环境条件,风速左右着浊度、溶解氧、湖流、波浪等一系列与之相关的湖泊物理要素,风速的变化对整个湖泊生态系统以及湖泊富营养化具有重要影响[5-7]。
自1980年前后起,全球范围内尤其是北半球中低纬地区出现地表风速下降的“大气静止”现象[8]。这一现象在2010年出现转折点,自2010年以后全球地表风速发生了快速反弹[9]。风速反弹现象同样出现在我国境内。近几十年来,中国地面风速总体呈下降趋势[10],有研究指出这一趋势在1990年开始减缓[11],也有学者认为,除东部地区外,中国大部分地区是在2002年出现转折之后风速回升[12];但也有研究认为,我国北部、东南沿海和新疆东部等地区的地表风速仍在持续下降[13]。
风速反弹这一全球性现象对我国湖泊有何影响、对湖泊生态系统乃至湖泊富营养化治理有何潜在影响尚不清晰。现通过整理全国气象站观测资料,分析全国面积>1 km2的湖泊和受重点关注的富营养化湖泊近年的风速变化,对这一问题进行初步探讨。
1 研究方法 1.1 数据来源通过中国气象数据共享网(http://cdc.nmic.cn)收集、整理全国745个气象监测站1960—2020年逐日10 m平均风速数据。面积>1 km2的湖泊空间分布数据由中国科学院南京地理与湖泊研究所提供[14]。其中,江西仙女湖、安徽天河湖和云南普者黑数据从HydroLAKES[15]全球湖泊数据集中补充。
全国87个重点监测湖泊来自中国环境监测总站(http://www.cnemc.cn/)2021年地表水水质月报。湖泊的营养状态按照2021年出现的最高营养状态,划分为7个重度富营养化湖泊,22个中度富营养化湖泊,36个轻度富营养化湖泊和22个中、贫营养湖泊。7个重度富营养化湖泊为太湖、巢湖、滇池、达里诺尔、焦岗湖、异龙湖和杞麓湖。其中,虽然太湖、巢湖、滇池从水质监测上未达到重度富营养化,但是常年暴发藻类水华[16],故在此列为重度富营养化湖泊。
1.2 统计分析由于再分析数据无法准确反映多年地表风速变化趋势[9, 17],仅使用站点实测资料进行分析。具体方法为:使用R软件将逐日风速数据整合为年平均数据,根据五大湖泊分区[14]计算区域平均值;用普通克里金法对气象站点资料进行空间插值,用湖泊水域范围提取湖泊上方的平均风速;使用分段线性回归对湖泊年平均风速时间序列进行分析。分段线性回归[18]为趋势变化分析的常用方法,常用于全球和我国地表风速变化研究。该方法采用差分进化算法寻找最优多段回归拟合方程和转折点,并采用t检验[19]进行显著性检验。
2 结果分析 2.1 不同湖区风速变化差异马荣华等[14]以湖泊特征和我国气候地貌条件为基础,参考行政分区边界,把我国湖泊划分为五大湖区:青藏高原湖区、蒙新湖区、云贵高原湖区、东北平原与山地湖区、东部平原湖区。除云贵高原湖区以外,其他四大湖区年平均风速均存在显著下降趋势,见图 1(a)—(e),均通过Mann-Kendall统计值置信水平0.05的显著性检验。由图 1(b)可见,云贵高原湖区年平均风速在2000年前后出现转折点,其后风速大幅上升至1970年左右水平;蒙新湖区、东北平原与山地湖区和青藏高原湖区均在2010年前后出现转折点,风速开始回升;东部平原湖区回升趋势不明显。
1970—2010年,全国面积>1 km2的湖泊有2 907个,其中有2 906个(99.97%)的年平均风速有所下降,且所有这些风速下降的湖泊在Mann-Kendall趋势检验中其p < 0.05,具有显著下降趋势。在2010—2020年,全国面积>1 km2的湖泊中,有2 081个(71.59%)的年平均风速升高,其中1 050个(50.46%)在Mann-Kendall趋势检验中其p < 0.05,具有显著上升趋势,见图 2(a)(b)。风速反弹现象的分布具有明显的空间差异,除东部沿海地区和新疆东部地区湖泊未出现风速反弹外,全国大部分湖泊均出现风速反弹现象。
全国面积>1 km2的湖泊平均风速均值整体呈下降趋势,分段线性回归(r2=0.96,P < 0.001)结果显示,在2007年前后出现转折,之后风速回升,变化速率为转折前每10 a减少0.23 m/s,转折后每10 a增加0.37 m/s。对每个湖泊平均风速时间序列进行的分段线性回归结果显示,转折点的年份分布并不集中,在2000年前后最多(图 3)。
7个重度富营养化湖泊中,太湖、巢湖和焦岗湖并未出现风速反弹,并且在20世纪90年代和21世纪00年代出现转折后风速下降速率增加。滇池、达里诺尔、异龙湖和杞麓湖在20世纪90年代后转为风速回升,但并未形成快速反弹(转折点后上升速率大于转折点前下降速率的绝对值)。22个中度富营养化湖泊中,仅有7个出现风速反弹,15个未出现风速反弹,其中5个风速下降速率增大,无出现风速快速反弹的湖泊。36个轻度富营养化湖泊中,17个出现风速反弹,其中7个出现风速快速反弹,19个未出现风速反弹,其中11个风速下降速率增大,见图 4和图 5(a)(b)。所有65个富营养化湖泊中,28个(43.08%)出现风速反弹,其中7个(10.77%)出现风速快速反弹,37个(56.92%)未出现风速反弹,其中19个(29.23%)风速下降速率增大。22个中、贫营养湖泊中,18个(81.82%)出现风速反弹,其中5个(22.73%)出现风速快速反弹,4个(18.18%)未出现风速反弹,2个(9.09%)风速下降速率增大。所有87个重点监测湖泊中,46个(52.87%)出现风速反弹,其中12个(13.79%)出现风速快速反弹,41个(47.13%)未出现风速反弹,其中21个(24.14%)风速下降速率增大。
由上节的分析可以看出,虽然全国大部分面积>1 km2的湖泊出现了风速反弹,且风速反弹时间比全球范围内2010年的转折点[9]有所提前,其中,以云贵高原湖区风速反弹发生时间最早且反弹最明显,但总体而言区域差异较大,时间分布分散。同时,东部平原湖区尚未出现明显的风速反弹,这一结果与相关研究结果相近[13];特别是富营养化湖泊分布密集的长江下游地区未出现风速反弹。我国65个重点监测的富营养化湖泊中,出现风速反弹的不到半数(43.08%),大部分未受到全球近地面风速反弹现象的影响。太湖、巢湖等富营养化严重的湖泊甚至出现平均风速下降速率增大的现象。由于我国风速反弹现象的空间差异性和转折点年份的分散性,“大气静止”的恢复尚未对我国富营养化湖泊带来显著的整体影响。
3.1 我国风速反弹的可能原因风速的变化由驱动力和阻力决定[10]。地表风速的快速反弹回升一定程度上反驳了之前陆地地表风速持续下降主要受陆地下垫面变化影响的观点,“大气静止”及其恢复现象主要的影响因素应为大气环流驱动力的变化[9-10]。研究表明,全球陆地区域地表风速变化与海气振荡的相位变化存在显著相关关系:热带北大西洋海温指数与北美区域风速呈显著负相关关系,北大西洋涛动与欧洲和美国区域风速呈显著正相关关系,太平洋年代际振荡(Pacific Decadal Oscillation,PDO)和全球区域风速呈显著正相关关系[9]。研究显示,我国地表风速反弹与北太平洋阿留申低压强度增加有关[17],与多个大尺度海气环流相关[20]。东亚季风的变化也对我国地表风速有显著影响,东亚夏季风受海气振荡影响在20世纪60—70年代出现减弱,在20世纪90年代和21世纪00年代有所增强,与地表风速变化趋势相近[21]。我国风速反弹的区域性差异同样来自大气环流的复杂影响。一些研究显示,我国西北地区的地表风速反弹与高低纬之间温度梯度增强有关,与欧亚经向环流相关[22];东部地区2000年开始的地表风速上升主要由(51°—69.75° N, 51.75°—111.75° E)区域海平面气压增强引起[23];中部、东部和南部地区地表风速和PDO呈显著负相关关系[12]。我国风速反弹以及其区域性差异背后的原因还有待进一步研究。
3.2 风速反弹对湖泊富营养化的影响风速反弹回升可能加剧部分浅水湖泊透明度下降速率。以太湖为例,平均风速每上升1 m/s,透明度下降0.57 m[24]。按此估算,由全国平均风速上升导致的最大透明度下降速率为2.1 cm/a。然而上述风速与透明度的负相关关系仅适用于浅水湖泊或者湖泊的浅水区域,风速变化并非我国湖泊透明度变化的主要影响因素[25]。根据遥感反演结果,2000—2017年我国大型湖泊透明度变化为整体上升趋势,平均为3.3 cm/a,存在“西高东低”的空间分布格局,东部湖泊透明度变化速率普遍<1 cm/a[25]。但是对于部分已经出现透明度下降的湖泊,风速反弹回升可能会进一步加剧透明度的下降。例如,出现透明度快速下降(>10 cm/a)的呼伦湖,同样为浅水湖泊(平均水深约5.7 m),按上述风速与透明度关系估算,风速上升对透明度下降的贡献可达20%。
除透明度外,风速反弹上升对湖泊内生源要素循环以及藻类生长过程具有复杂的潜在影响。对中、贫营养湖泊而言,湖泊本身营养化程度低,湖泊沉积物累积的氮、磷有限,风速变化对湖泊的生源要素循环产生影响,可能会间接影响自然的和人类活动影响下的富营养化过程。对富营养化湖泊而言,一般认为,平均风速下降有利于藻类生长和水华形成[16, 26-27]。邓建明等[28]研究显示,太湖的正磷酸根和叶绿素a与风速呈负相关关系。有研究显示[29],太湖、巢湖和滇池水华面积和风速呈负相关关系。温度上升和风速下降的共同效应会导致湖泊分层的加剧,从而诱发蓝藻的上浮和聚集[27]。对于浅水湖泊,风速下降可能削弱对湖下层的扰动,强化湖底间歇性缺氧和厌氧,增加内源营养盐的释放,促进藻类生长,进而加重湖泊富营养化[30]。风速同样影响湖泊透明度和悬浮物浓度,风速增高导致悬浮物浓度增加,进而影响水下光场,遏制藻类生长[31]。但是特定条件下风速增大有利于底泥再悬浮和动态内源释放[7],并且有利于藻类聚团上浮[4]。综合来看,风速上升对湖泊的潜在影响为:静态内源释放减少,动态内源释放增加,透明度下降,混合层深度增加,除此以外还会对湖流产生影响。各方面的影响机制综合起来,风速回升对湖泊富营养化的整体影响是正向还是负向可能因湖而异,但是有利于部分水华严重湖泊的富营养化防治。
3.3 未来风速变化趋势和对湖泊富营养化的影响从短期来看,风速反弹可能继续持续[9]。但是由于全球风速下降和反弹变化趋势的主要驱动因素为海气振荡,以年代际为周期的波动,在未来很可能再次回归风速下降周期[9]。从长远来看,全球气候变化和人类活动对下垫面糙度的影响可能导致近地面风速下降。有研究表示,在国际耦合模式比较计划第5阶段(CMIP5)高排放情景(RCP8.5)和中等排放情景(RCP4.5)下,CO2排放的增加会导致我国东部平均近地面风速分布呈现每10a减少0.007和0.002 m/s的下降趋势[32]。因此短期内,未来风速回升加上日照时长的下降将会有利于湖泊富营养化的防治,长期来看,近地面风速下降可能不利于湖泊富营养化的防治。本研究采用将气象观测站实测风速空间插值获得湖泊风速,而实际湖面风速受周围地形、湖泊局地气候、人类活动等因素影响,两者之间会有所差异。
4 结论我国湖泊近地面风速普遍出现反弹现象,但是东部沿海和新疆东部湖泊暂时未出现风速反弹。尤其是富营养化湖泊分布密集的长江下游地区湖泊未受到风速反弹的影响。全国面积>1 km2的湖泊有71.59%出现风速反弹现象,重点监测的87个湖泊只有52.87%出现风速反弹。同时,出现风速反弹的湖泊风速转折点出现时间分散。云贵高原湖区年平均风速在2000年前后出现转折点,蒙新湖区、东北平原与山地湖区和青藏高原湖区均在2010年前后出现转折点,东部平原湖区未出现转折点。未来短期内,风速持续反弹可能有利于我国湖泊富营养化治理;未来长期来看,随着全球气候变化、CO2排放增加,预期地表风速随之下降,可能对我国湖泊富营养化治理造成不利影响。
[1] |
BOEHRER B, SCHULTZE M. Stratification of lakes[J]. Reviews of Geophysics, 2008, 46(2). DOI:10.1029/2006RG000210 |
[2] |
STEFAN H G, FANG X. Dissolved-oxygen model for regional lake analysis[J]. Ecological Modelling, 1994, 71(1-3): 37-68. DOI:10.1016/0304-3800(94)90075-2 |
[3] |
SONDERGAARD M, JENSEN J P, JEPPESEN E. Role of sediment and internal loading of phosphorus in shallow lakes[J]. Hydrobiologia, 2003, 506(1-3): 135-145. |
[4] |
QIN B Q, YANG G J, MA J R, et al. Spatiotemporal changes of cyanobacterial bloom in large shallow eutrophic Lake Taihu, China[J]. Frontiers in Microbiology, 2018(9): 13. |
[5] |
SCHEFFER M. Ecology of shallow lakes[M]. London: Chapman and Hall, 1998.
|
[6] |
WOOLWAY R I, KRAEMER B M, LENTERS J D, et al. Global lake responses to climate change[J]. Nature Reviews Earth & Environment, 2020, 1(8): 388-403. |
[7] |
QIN B, HU W, GAO G, et al. Dynamics of sediment resuspension and the conceptual schema of nutrient release in the large shallow Lake Taihu, China[J]. Chinese Science Bulletin, 2004, 49(1): 54-64. DOI:10.1007/BF02901743 |
[8] |
VAUTARD R, CATTIAUX J, YIOU P, et al. Northern Hemisphere atmospheric stilling partly attributed to an increase in surface roughness[J]. Nature Geoscience, 2010, 3(11): 756-761. DOI:10.1038/ngeo979 |
[9] |
ZENG Z, ZIEGLER A D, SEARCHINGER T, et al. A reversal in global terrestrial stilling and its implications for wind energy production[J]. Nature Climate Change, 2019, 9(12): 979-985. DOI:10.1038/s41558-019-0622-6 |
[10] |
丁一汇, 李霄, 李巧萍, 等. 气候变暖背景下中国地面风速变化研究进展[J]. 应用气象学报, 2020, 31(1): 3-14. |
[11] |
GUO H, XU M, HU Q. Changes in near-surface wind speed in China: 1969-2005[J]. International Journal of Climatology, 2011, 31(3): 349-358. DOI:10.1002/joc.2091 |
[12] |
WU J, SHI Y. Changes in surface wind speed and its different grades over China during 1961-2020 based on a high-resolution dataset[J]. International Journal of Climatology, doi: 10/1002/joc.7453.
|
[13] |
YANG Q, LI M X, ZU Z Q, et al. Has the stilling of the surface wind speed ended in China?[J]. Science China-Earth Sciences, 2021, 64(7): 1036-1049. DOI:10.1007/s11430-020-9738-4 |
[14] |
马荣华, 杨桂山, 段洪涛, 等. 中国湖泊的数量、面积与空间分布[J]. 中国科学: 地球科学, 2011, 41(3): 394-401. |
[15] |
MESSAGER M L, LEHNER B, GRILL G, et al. Estimating the volume and age of water stored in global lakes using a geo-statistical approach[J]. Nature Communications, 2016(7): 13603. |
[16] |
HUANG J C, ZHANG Y J, ARHONDITSIS G B, et al. The magnitude and drivers of harmful algal blooms in China's lakes and reservoirs: A national-scale characterization[J]. Water Research, 2020, 181: 115902. DOI:10.1016/j.watres.2020.115902 |
[17] |
ZHANG Z T, WANG K C. Stilling and recovery of the surface wind speed based on observation, reanalysis, and geostrophic wind theory over China from 1960 to 2017[J]. Journal of Climate, 2020, 33(10): 3989-4008. DOI:10.1175/JCLI-D-19-0281.1 |
[18] |
TOMS J D, LESPERANCE M L. Piecewise regression: A tool for identifying ecological thresholds[J]. Ecology, 2003, 84(8): 2034-2041. DOI:10.1890/02-0472 |
[19] |
WILKS D S. Statistical methods in the atmospheric sciences[M]. New York: Academic press, 2011.
|
[20] |
ZHA J L, SHEN C, ZHAO D M, et al. Slowdown and reversal of terrestrial near-surface wind speed and its future changes over eastern China[J]. Environmental Research Letters, 2021, 16(3): 034028. DOI:10.1088/1748-9326/abe2cd |
[21] |
丁一汇, 司东, 柳艳菊, 等. 论东亚夏季风的特征、驱动力与年代际变化[J]. 大气科学, 2018, 42(3): 533-558. |
[22] |
GE J, FENG D P, YOU Q L, et al. Characteristics and causes of surface wind speed variations in Northwest China from 1979 to 2019[J]. Atmospheric Research, 2021, 254. |
[23] |
ZHA J, WU J, ZHAO D, et al. A possible recovery of the near-surface wind speed in Eastern China during winter after 2000 and the potential causes[J]. Theoretical and Applied Climatology, 2019, 136(1): 119-134. |
[24] |
LIU X H, LEE Z P, ZHANG Y L, et al. Remote sensing of secchi depth in highly turbid lake waters and its application with MERIS Data[J]. Remote Sensing, 2019, 11(19). |
[25] |
WANG S L, LI J S, ZHANG B, et al. Changes of water clarity in large lakes and reservoirs across China observed from long-term MODIS[J]. Remote Sensing of Environment, 2020, 247. |
[26] |
张运林, 秦伯强, 朱广伟, 等. 过去40年太湖剧烈的湖泊物理环境变化及其潜在生态环境意义[J]. 湖泊科学, 2020, 32(5): 1348-1359. |
[27] |
PAERL H W, HUISMAN J. Climate change: a catalyst for global expansion of harmful cyanobacterial blooms[J]. Environmental Microbiology Reports, 2009, 1(1): 27-37. DOI:10.1111/j.1758-2229.2008.00004.x |
[28] |
DENG J M, PAERL H W, QIN B, et al. Climatically-modulated decline in wind speed may strongly affect eutrophication in shallow lakes[J]. Science of The Total Environment, 2018, 645: 1361-1370. DOI:10.1016/j.scitotenv.2018.07.208 |
[29] |
ZHANG Y C, LOISELLE S, SHI K, et al. Wind effects for floating algae dynamics in eutrophic lakes[J]. Remote Sensing, 2021, 13(4): 800. DOI:10.3390/rs13040800 |
[30] |
秦伯强. 浅水湖泊湖沼学与太湖富营养化控制研究[J]. 湖泊科学, 2020, 32(5): 1229-1243. |
[31] |
秦伯强, 杨柳燕, 陈非洲, 等. 湖泊富营养化发生机制与控制技术及其应用[J]. 科学通报, 2006(16): 1857-1866. DOI:10.3321/j.issn:0023-074X.2006.16.001 |
[32] |
ZHA J L, WU J, ZHAO D M, et al. Future projections of the near-surface wind speed over eastern China based on CMIP5 datasets[J]. Climate Dynamics, 2020, 54(3-4): 2361-2385. DOI:10.1007/s00382-020-05118-4 |