气候变化驱动下呼伦湖流域植被变化对关键水文过程控制机理研究

The balance of the ecosystem of Hulun Buir Grassland changed significantly in Hulun Lake watershed, which is seriously affected by climate changes. Moreover, both hydrological process and the change of water budget are irregular. However, studies on the influence mechanism of change in vegetation on hydrological process in Hulun Lake watershed, and the accuracy of eco-hydrological model are still insufficient. Therefore, the key objectives of this research are: to analyze the effects of vegetation physiological parameters on hydrological processes, and to improve the accuracy of simulation of the eco-hydrological model in Hulun Lake watershed. This research is to quantify the effects of vegetation ecological processes on hydrological processes, to identify the key hydrological processes which are sensitive to changes in vegetation, further to reveal the mechanism of vegetation change and its influence on the key hydrological processes. In addition, by improving the modules of eco-hydrological model, eco-hydrological model will be built for simulation and prediction of complex eco-hydrological processes in the Hulun Lake watershed, which illustrate the influence of vegetation change on hydrological processes in the Hulun Lake watershed. Therefore, understanding the impact of vegetation change on hydrological processes in the Hulun Lake watershed driven by climate change, is of great significance to reveal the mechanism of interaction between ecological processes and hydrological processes in Hulun Lake watershed.

受气候变化影响，呼伦湖流域草原生态系统平衡发生显著变化，即植被分布格局发生改变，流域水文过程及其水分收支规律紊乱。针对呼伦湖流域草原植被变化对水文过程影响机制及其模型化研究中的不足，本项目拟重点解决两大科学问题：流域植被生理参数对水文要素的影响过程和呼伦湖流域生态水文模型的改进。本项目研究有助于识别对植被变化响应较为敏感的关键水文过程，明晰植被变化形成机理及其对关键水文要素的影响过程机制；通过改进生态水文模型模块，构建基于流域特征的生态水文模型，可以实现流域长时间序列的生态水文过程模拟，以及大尺度上植被变化对水文过程影响的定量化。综上，本研究通过掌握气候变化驱动下呼伦湖流域植被变化对关键水文过程的作用，有助于揭示气候变化下呼伦湖流域生态水文过程相互作用机理。

半干旱地区生态环境脆弱，局部地区植被恢复趋近区域水资源可持续开发的极限，表现出新的生态-水资源矛盾，使得水资源分配不均，干旱事件频发。为探究半干旱区流域水循环过程对植被动态响应趋势，获取连续时空尺度不同植被类型区域蒸散发数据，构建植被动态下的流域生态水文模型，本研究选择呼伦湖上游典型流域——海拉尔河流域为研究对象，使用高分辨率遥感影像数据结合野外植被样方采样结果，进行植被光谱及纹理特征识别，进而构建随机森林模型输入植被光谱数据集和纹理特征数据集，决策提取流域植被类型，并对植被斑块进行分区处理。在揭示海拉尔河流域生态水文关键耦合过程及作用机制的基础上，构建理论监督下的双重AI算法对高度时空异质性的关键要素进行流域离散实现尺度转换，根据不同植被类型根区土壤水分作用深度的不同，确定各植被类型区土壤水分胁迫系数， 进而对BTOP模型进行针对性的改进和应用优化生态水文垂向过程模拟，增进水文模型在不同植被分区下的模拟效果。在模型的基础上揭示植被动态对流域关键水循环要素的长期累积效应。主要研究成果如下，（1）解析流域植被-水资源现状问题，并提出流域生态水文过程作用假设，验证了流域内植被动态演替与恢复增长已成为水资源供需的主要矛盾；（2）划分流域不通过植被类型区域，分析流域近年来的植被变化规律，主要表征为植被盖度不断增加，植被类型由草地向林草交错带转变；（3）改进流域点尺度土壤水分模拟方法，优化后的土壤水分模拟结果精度提升了53%，引入植被分区后的生态水文模型模拟结果精度提升了25%。根据以上结果可知，植被作为区域生态恢复的重要手段，在植被恢复工程中仍需要根据流域现有水资源状况进行综合评估，制定植被需水上限，在保证植被正常生长的情况下，恢复流域生态健康，保障流域水资源的可持续发展，本研究可为生态脆弱地区水资源保障和生态系统健康管理提供理论依据与技术支持。