李燕麗, 潘賢章, 王昌昆, 劉 婭, 趙其國(guó)

(1. 中國(guó)科學(xué)院土壤環(huán)境與污染修復(fù)重點(diǎn)實(shí)驗(yàn)室(南京土壤研究所)，南京 210008；2. 中國(guó)科學(xué)院研究生院，北京 100049)

2000—2011年廣西植被凈初級(jí)生產(chǎn)力時(shí)空分布特征及其驅(qū)動(dòng)因素

李燕麗1,2, 潘賢章1,*, 王昌昆1,2, 劉 婭1,2, 趙其國(guó)1

(1. 中國(guó)科學(xué)院土壤環(huán)境與污染修復(fù)重點(diǎn)實(shí)驗(yàn)室(南京土壤研究所)，南京 210008；2. 中國(guó)科學(xué)院研究生院，北京 100049)

受人類活動(dòng)及自然環(huán)境影響，廣西土壤酸化、水土流失及石漠化等問題比較嚴(yán)重，生態(tài)環(huán)境面臨巨大壓力。NPP能有效反映植物群落在自然環(huán)境中的生產(chǎn)能力，是評(píng)價(jià)生態(tài)服務(wù)功能的重要指標(biāo)。利用2000—2011年MODIS歸一化植被指數(shù)(NDVI)數(shù)據(jù)，基于光能利用率模型對(duì)廣西植被凈初級(jí)生產(chǎn)力(NPP)進(jìn)行估算，分析其時(shí)空變化規(guī)律，探討氣象因子、植被類型、土壤類型、海拔高度及人類活動(dòng)的影響。研究表明：近12年廣西全區(qū)NPP總體呈增加趨勢(shì)，在西南部地區(qū)上升較為明顯，而在桂林、柳州等地區(qū)呈緩慢下降趨勢(shì)。廣西NPP與降水呈顯著正相關(guān)關(guān)系，與溫度相關(guān)性不顯著；NPP值隨海拔高度升高而增加；NPP時(shí)空變化特征隨植被類型和土壤類型的不同而不同，其中栽培植被NPP不斷上升，顯示人類活動(dòng)逐漸成為影響NPP變化的主要因素。

廣西；NPP；NDVI；驅(qū)動(dòng)因素

植被凈初級(jí)生產(chǎn)力(Net Primary Production，NPP)是指植被在單位時(shí)間、單位面積上所積累的有機(jī)物的數(shù)量。NPP是植物自身與外界環(huán)境因子相互作用的結(jié)果，它不僅反映了植物群落在自然環(huán)境中的生產(chǎn)能力，也是物質(zhì)、能量循環(huán)以及變化研究的基礎(chǔ)。NPP作為表征陸地生態(tài)系統(tǒng)循環(huán)過程的重要參數(shù)，是研究地表碳循環(huán)過程中不可或缺的部分。

從1876年Ebermayer最早開始對(duì)植被凈初級(jí)生產(chǎn)力進(jìn)行研究以來[1]，世界各國(guó)科學(xué)家提出各種計(jì)算和測(cè)量NPP的方法，并在模型模擬植被凈初級(jí)生產(chǎn)力方面取得了一定進(jìn)展。隨著研究的深入以及遙感技術(shù)的發(fā)展，利用模型進(jìn)行植被凈初級(jí)生產(chǎn)力的估算和研究逐漸成為一種重要方法。目前國(guó)內(nèi)外關(guān)于估算NPP的模型有20多種，Ruimy等將其概括為三類：統(tǒng)計(jì)模型(氣候相關(guān)模型)、參數(shù)模型(光能利用率模型)以及過程模型(又稱機(jī)理模型)，其中后兩個(gè)模型又稱為遙感模型[2- 3]。CASA(Carnegie Ames Stanford Approach)模型是光能利用率模型的一種，利用光合有效輻射和光能利用率兩個(gè)參數(shù)來估算NPP，同時(shí)引入溫度、水分等光合作用脅迫因子，比較適用于區(qū)域NPP動(dòng)態(tài)監(jiān)測(cè)?；谶b感的CASA模型建立在光合作用過程和光能利用率的基礎(chǔ)上，因其能很好的監(jiān)測(cè)大區(qū)域甚至全球尺度上NPP的時(shí)空動(dòng)態(tài)變化而得到廣泛應(yīng)用[4]。大區(qū)域尺度上的陸地生態(tài)系統(tǒng)NPP與氣候因子的相互關(guān)系研究從十九世紀(jì)中期已經(jīng)開始，且已經(jīng)取得了較大進(jìn)展[5- 6]。然而，在區(qū)域尺度上的研究中，不同的植被類型對(duì)氣候、地形、土壤類型等環(huán)境因子變化的敏感性和響應(yīng)特征差別較大[6- 11]，因此，很難確定區(qū)域尺度上NPP時(shí)空變化的驅(qū)動(dòng)機(jī)制。

廣西地處中國(guó)華南沿海、云貴高原的東南邊緣，屬于亞熱帶季風(fēng)氣候區(qū)，全區(qū)地形復(fù)雜多變，喀斯特地貌突出，山多地少，且土層較薄、土壤質(zhì)量差。近年來，隨著廣西社會(huì)經(jīng)濟(jì)的快速發(fā)展，人類活動(dòng)加強(qiáng)，生態(tài)環(huán)境面臨巨大壓力；加之不合理的開發(fā)利用使土壤污染、土壤酸化、水土流失等問題突出，生態(tài)環(huán)境惡化，其潛在資源的生產(chǎn)能力得不到充分發(fā)揮，整個(gè)地區(qū)農(nóng)業(yè)、經(jīng)濟(jì)持續(xù)發(fā)展受到嚴(yán)重影響[12- 13]，而有關(guān)該區(qū)植被生產(chǎn)力狀況的研究相對(duì)較少。因此，本研究利用2000—2011年250m MODIS NDVI時(shí)間序列數(shù)據(jù)、植被類型數(shù)據(jù)、氣象數(shù)據(jù)等，基于朱文泉等改進(jìn)的光能利用率模型[14]，對(duì)廣西地區(qū)植被凈初級(jí)生產(chǎn)力進(jìn)行估算，旨在揭示廣西植被NPP空間分布格局及其時(shí)空變異特征，探討NPP的時(shí)空變異對(duì)氣候變化的響應(yīng)特征，以及不同環(huán)境因素影響下(區(qū)域、植被類型、土壤類型、海拔)NPP對(duì)氣候變化響應(yīng)特征的差異，以期為該區(qū)植被保護(hù)和合理利用提供科學(xué)依據(jù)。

1 研究區(qū)概況

廣西位于中國(guó)南部，介于東經(jīng)104°26′—112°04′、北緯20°54′—26°20′之間，總面積23.6多萬(wàn)km2，山多地少，地形復(fù)雜，喀斯特地貌突出，地勢(shì)由西北向東南傾斜，四周山地環(huán)繞，呈盆地狀，中部和南部多為平地，高程范圍為0—2014m，坡度范圍為0—73.41°。全區(qū)位于亞熱帶季風(fēng)氣候區(qū)，受地形影響，桂西、桂北山地氣候明顯，小氣候生態(tài)環(huán)境多樣，而桂南具有溫濕的海洋氣候特色。就全區(qū)而言，氣候溫和，雨量豐富，年均溫16—23℃，年均降雨量1000—2800 mm，光、水同季，全年夏長(zhǎng)冬短，北部夏季長(zhǎng)達(dá)4—5個(gè)月，冬季僅兩個(gè)月左右；南部從5—10月均為夏季，冬季不到兩個(gè)月，沿海地區(qū)幾乎沒有冬季[15]。主要農(nóng)作物為甘蔗、玉米、木薯、花生等，土壤類型按土綱劃分主要以鐵鋁土、初育土和人為土為主，三者分別占總土壤面積的60.01%、25.97%、10.22%。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)源

本研究中數(shù)據(jù)包括2000—2011年MODIS NDVI時(shí)間序列遙感數(shù)據(jù)、氣象臺(tái)站數(shù)據(jù)(月均氣溫、月降雨量、月太陽(yáng)總輻射等)以及廣西1∶100萬(wàn)植被類型圖(圖1)、廣西1∶100萬(wàn)土壤類型圖、90m DEM數(shù)據(jù)、廣西分縣行政圖、廣西土地利用圖、廣西統(tǒng)計(jì)年鑒等數(shù)據(jù)。其中，MODIS NDVI時(shí)間序列數(shù)據(jù)，為每16d最大化合成的NDVI數(shù)據(jù)，空間分辨率為250 m×250 m，數(shù)據(jù)來源于中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心國(guó)際科學(xué)數(shù)據(jù)服務(wù)平臺(tái)。氣象數(shù)據(jù)來源于中國(guó)氣象局國(guó)家氣象中心，氣象數(shù)據(jù)包括近12年廣西及其周邊共40個(gè)氣象站點(diǎn)和7個(gè)輻射站點(diǎn)的月值數(shù)據(jù)集。

圖1 廣西區(qū)植被類型圖Fig.1 The vegetation cover type of Guangxi

所有數(shù)據(jù)的分辨率均轉(zhuǎn)換為250m分辨率。為避免各種空間數(shù)據(jù)地理坐標(biāo)和投影坐標(biāo)不一致，將所有空間數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一的坐標(biāo)系。地理坐標(biāo)系與投影坐標(biāo)系參數(shù)如下：

地理坐標(biāo)系 GCS_WGS_1984 Datum：D_WGS_1984

投影坐標(biāo)系 WGS_1984_UTM_Zone_48N

Projection：Transverse Mercator

False Easting：0.00000000

False Northing：0.00000000

Central Meridian：105.00000000

Scale Factor：0.99960000

Latitude Of Origin：0.0000000

Linear Unit：Meter

2.2 數(shù)據(jù)預(yù)處理

根據(jù)各氣象站點(diǎn)的經(jīng)緯度坐標(biāo)信息，利用ArcGIS軟件地統(tǒng)計(jì)模塊(Geostatistical Analyst)的克里格插值方法對(duì)氣象數(shù)據(jù)進(jìn)行插值，其投影信息和象元大小與NDVI數(shù)據(jù)保持一致。運(yùn)用ENVI軟件的IDL模塊對(duì)MODIS NDVI數(shù)據(jù)進(jìn)行影像拼接、重投影等數(shù)據(jù)批處理，采用最大合成法(MVC)提取月NDVI最大值，用于對(duì)研究區(qū)植被凈初級(jí)生產(chǎn)力的估算。利用廣西行政圖對(duì)所有遙感數(shù)據(jù)以及氣象柵格數(shù)據(jù)進(jìn)行批量裁剪。

2.3 NPP值估算

采用朱文泉等改進(jìn)的基于光能利用率的NPP遙感估算模型[14]對(duì)廣西區(qū)植被凈初級(jí)生產(chǎn)力進(jìn)行估算(表1)。該模型在綜合已有的光能利用率模型(CASA模型)的基礎(chǔ)上進(jìn)行諸多改進(jìn)：引入植被覆蓋分類，并考慮其對(duì)NPP估算的影響；以誤差最小為原則，利用中國(guó)NPP實(shí)測(cè)數(shù)據(jù)，模擬出各植被類型的最大光能利用率，使之更符合中國(guó)的實(shí)際情況；基于區(qū)域蒸散模型并利用氣象數(shù)據(jù)(溫度、降雨、太陽(yáng)輻射)來模擬水分脅迫因子，簡(jiǎn)化了有關(guān)參數(shù)，使其可操作性得到提高[14, 16]。因此，該模型適合于廣西區(qū)NPP的估算。

表1 基于光能利用率模型的植被凈初級(jí)生產(chǎn)力計(jì)算

最大光能利用率的取值因植被類型的不同而不同，由于最大光能利用率的取值對(duì)NPP估算結(jié)果影響較大，對(duì)它的大小一直存在爭(zhēng)議[7,17]。本文最大光能利用率采用Running等人基于生態(tài)生理過程模型對(duì)6種植被類型模擬的結(jié)果(表2)[18]。

表2 植被類型及其最大光能利用率[18]

Table 2 Vegetation type and its maximum utilization of light energy[18]

植被類型Vegetationtypes最大光能利用率(ε*)Maximumlightuseefficiency常綠闊葉林Evergreenbroad-leavedforest1.259落葉闊葉林Deciduousbroad-leavedforest1.004常綠針葉林Evergreenconiferousforest1.008草原Prairie0.608灌林Shrubbery0.774農(nóng)業(yè)植被Agriculturalvegetation0.604其它Others0.389無植被區(qū)Novegetation0

2.4 NPP變化趨勢(shì)分析

2.4.1 NPP年際變化率的計(jì)算

采用一元線性回歸分析方法分析2000—2011年研究區(qū)每個(gè)象元的植被NPP的時(shí)間序列變化趨勢(shì)，回歸直線斜率(trend)采用最小二乘法求得。計(jì)算公式為：

式中,變量i為年序號(hào)，n取值為12，X為時(shí)間序列遙感數(shù)據(jù)；θtrend表示遙感數(shù)據(jù)變化趨勢(shì)線的斜率。θtrend>0說明其變化趨勢(shì)是增加的，反之則是減少的。

2.4.2 NPP與氣候因子相關(guān)性計(jì)算

基于象元的植被NPP與氣候因子的相關(guān)系數(shù)計(jì)算公式為：

3 NPP的時(shí)空分布特征

3.1 NPP空間分布特征

由基于MODIS NDVI 數(shù)據(jù)估算出的2000—2011年年總NPP平均值的分級(jí)圖(圖2)可以看出，大部分區(qū)域NPP值在550—850 g C m-2a-1之間；植被類型為針葉林、闊葉林地區(qū)的NPP值較高，其范圍在850—1760 g C m-2a-1之間，占19.08%；而在城鎮(zhèn)及其周邊地區(qū)NPP值相對(duì)較低，一般在550 g C m-2a-1以下，如北海、柳州、桂林的NPP均值分別為409 g C m-2a-1、471 g C m-2a-1、482 g C m-2a-1，這一方面是由于該區(qū)城鎮(zhèn)建設(shè)用地面積比例較大，平均植被覆蓋度較低，另一方面是由于其周邊多為農(nóng)業(yè)植被，光能利用率相對(duì)較低引起的。本研究估算出的NPP值及其范圍與朱文泉、董丹等基于AVHRR NDVI 、SPOT NDVI 數(shù)據(jù)的NPP估算結(jié)果基本一致[14,17]。

圖2 2000—2011年年總NPP平均值空間分布圖Fig.2 Spatial distribution of the average annual NPP from 2000 to 2011

3.2 NPP時(shí)空變化特征

對(duì)全區(qū)范圍內(nèi)年總NPP的平均值進(jìn)行統(tǒng)計(jì)分析(圖3)，從2000—2011年NPP值的變化可以看出，近12年廣西NPP變化大致經(jīng)歷了兩個(gè)階段：(1)2000—2004年，植被NPP緩慢上升；(2)2005—2011年NPP由急劇下降到緩慢上升。這主要是由于相較于2004年，2005年該區(qū)年降雨量減少了273.78mm(圖5)，年均溫度基本沒有變化，從而導(dǎo)致NPP出現(xiàn)較大幅度的下降。進(jìn)入21世紀(jì)以來廣西區(qū)年總NPP呈上下波動(dòng)狀態(tài)，年總NPP位于680—746 g C m-2a-1之間，其變化整體呈緩慢上升趨勢(shì)。

圖3 2000—2011年全區(qū)平均NPP變化Fig.3 The trend of annual NPP from 2000—2011 in Guangxi Province

對(duì)研究區(qū)2000—2011年年總NPP進(jìn)行逐象元的趨勢(shì)分析(圖4)，全區(qū)NPP平均值變化趨勢(shì)線斜率為0.001。由圖4可以看出，大部分地區(qū)NPP變化趨勢(shì)在-0.02—0.02之間；在廣西西南部以及全州、樂縣、隆林、百色等地區(qū)NPP變化明顯呈上升趨勢(shì)，部分地區(qū)上升趨勢(shì)在0.05以上；而在東北部的桂林、柳州等地區(qū)NPP呈緩慢下降趨勢(shì)，甚至部分地區(qū)下降趨勢(shì)小于-0.05。

4 NPP變化的驅(qū)動(dòng)因素分析

4.1 不同氣候因子對(duì)NPP變化的影響

植被生長(zhǎng)和氣候變化關(guān)系密切，二者之間的相互關(guān)系研究一直是國(guó)內(nèi)外全球變化研究的主要內(nèi)容[5,19- 23]。植被NPP對(duì)氣候因子的響應(yīng)表現(xiàn)出顯著的空間差異，不同的植被類型對(duì)氣候因子的響應(yīng)不同，草地、栽培植被以及灌叢具有較其它植被類型對(duì)氣候因子變化更為明顯的響應(yīng)特點(diǎn)[11]。

圖4 2000—2011年廣西NPP變化趨勢(shì)圖Fig.4 The map of NPP trend from 2000 to 2011 in Guangxi Province

圖5 全區(qū)近12年年均降水與NPP變化的相關(guān)關(guān)系Fig.5 The relationship between annual rainfall and NPP from 2000 to 2011 in Guangxi province

4.1.1 降水對(duì)NPP變化的影響

線性回歸分析表明，NPP值與年降水具有顯著正相關(guān)關(guān)系(圖5)，相關(guān)系數(shù)為0.344，表明植被NPP隨著降水的減少而下降。逐象元的計(jì)算2000—2011年年NPP和年降水量之間的相關(guān)系數(shù)如從圖6所示，由圖可見，NPP與降水的正相關(guān)性與負(fù)相關(guān)性并存，但整體呈現(xiàn)正相關(guān)關(guān)系。統(tǒng)計(jì)結(jié)果表明，二者呈正相關(guān)性的占90.36%，其中極顯著正相關(guān)的占9.9%，顯著正相關(guān)的9.38%，主要分布在河池、柳州、百色以及玉林等區(qū)域，主要原因可能是該區(qū)海拔相對(duì)較高，針葉林、灌叢，草叢等植被較多，降水的多少對(duì)NPP的變化影響較大引起的。二者呈負(fù)相關(guān)關(guān)系的只占9.63%，其中關(guān)系達(dá)到顯著的只有0.1%。

圖6 2000—2011年廣西區(qū)年NPP與氣候因子的相關(guān)關(guān)系Fig.6 Correlation relationship between annual NPP and climate factors in Guangxi during 2000—2011

4.1.2 溫度對(duì)NPP變化的影響

NPP與年均溫呈負(fù)相關(guān)關(guān)系，表明隨著溫度的升高，植被NPP在減少，但二者的相關(guān)性不顯著。圖6顯示了廣西NPP與年均溫相關(guān)系數(shù)的空間分布圖，從圖中可以看出全區(qū)大部分地區(qū)NPP與年均溫相關(guān)性不明顯，占全區(qū)總面積的96.65%。全區(qū)2.27%的地區(qū)NPP與年均溫呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，主要分布在桂林市的中北部、百色市南部以及玉林市中部等地區(qū)。NPP與年均溫呈現(xiàn)顯著正相關(guān)的區(qū)域約占1.08%，在全區(qū)范圍內(nèi)零散分布。由以上分析可以看出，全區(qū)植被凈初級(jí)生產(chǎn)力變化受降雨影響較大，受溫度影響不明顯。

4.2 不同植被類型對(duì)NPP變化的影響

根據(jù)1∶100萬(wàn)植被類型圖對(duì)NPP變化趨勢(shì)及其與氣候因子的相關(guān)性進(jìn)行劃分，由表3可以看出，除植被類型為針葉林、灌叢、草叢出現(xiàn)下降趨勢(shì)以外，其它的都呈緩慢上升趨勢(shì)。其中，植被類型為栽培植被的上升趨勢(shì)最高，而植被類型為草地的下降趨勢(shì)最大。

表3 不同植被類型的NPP變化

NPP_trend表示NPP變化趨勢(shì)

4.3 不同土壤類型對(duì)NPP變化的影響

不同土壤類型的土壤肥力也不同，而土壤肥力的高低直接影響植被生長(zhǎng)狀況，因此本文根據(jù)土壤類型的不同來分析NPP變化。根據(jù)1∶100萬(wàn)土壤類型圖進(jìn)行劃分，除城區(qū)以外全區(qū)土類共有19種，其中紅壤、赤紅壤以及石灰(巖)土分布最多，分別占全區(qū)的29.76%、23.23%和16.39%。由廣西主要土壤類型區(qū)的NPP變化可以看出，近12年來紅壤區(qū)增加最快，而石灰土地區(qū)NPP呈現(xiàn)下降趨勢(shì)(表4)。

表4 不同土壤類型的NPP變化趨勢(shì)

4.4 不同海拔高度對(duì)NPP的影響

地形因素是環(huán)境以及植被異質(zhì)性格局的重要影響因素之一，它一般通過不同的過程控制其水熱條件和土壤條件，影響其它環(huán)境變量進(jìn)而對(duì)區(qū)域植被格局產(chǎn)生重要影響[24- 28]。廣西全區(qū)地形復(fù)雜，喀斯特地貌突出，因此，分析不同海拔高度對(duì)NPP變化影響具有重要意義。

本文將全區(qū)按照海拔高度的不同每隔100m劃分一個(gè)等級(jí)，共21個(gè)等級(jí)[29- 30]，并對(duì)不同等級(jí)的NPP值進(jìn)行統(tǒng)計(jì)分析(圖7)。由圖7中可以看出，NPP隨著海拔高度的不同變化比較明顯，總體變化趨勢(shì)隨著海拔的增高而逐漸增高，其變化可分為四段：海拔0—500m，NPP平均值隨海拔的升高而陡然上升；在海拔500—1300m之間，NPP上升較為緩慢，并出現(xiàn)輕微的上下波動(dòng)，但NPP值基本保持在770—840 g C m-2a-1之間；而海拔1300—1800m時(shí)，NPP下降到735 g C m-2a-1；NPP在海拔1800m以上又快速上升至958 g C m-2a-1。出現(xiàn)這種現(xiàn)象的主要原因是由于一方面在海拔500m以下，人類活動(dòng)較強(qiáng)，該區(qū)NPP變化的主要因素表現(xiàn)為人類活動(dòng)。另一方面是由于廣西地形復(fù)雜，喀斯特地貌突出，植被類型分布受到海拔高度的影響較大，在1300—1800m處，由于這一范圍大部分地區(qū)位于云貴高原的過渡區(qū)域，植被NPP相對(duì)較低，而在海拔1800m以上植被類型基本以灌木林為主，植被NPP普遍較高，因此出現(xiàn)了NPP隨海拔高度的升高而出現(xiàn)如圖7所示的現(xiàn)象。

圖7 海拔高度對(duì)NPP的影響Fig.7 Effects of altitude on the NPP

4.5 人類活動(dòng)對(duì)NPP變化的影響

雖然氣候環(huán)境變化是廣西植被NPP時(shí)空變化的重要影響因素，但近年來人類活動(dòng)的不斷增強(qiáng)對(duì)植被生產(chǎn)力水平的影響也越來越大。農(nóng)業(yè)生產(chǎn)和經(jīng)濟(jì)水平的提高，使植被覆蓋及其生產(chǎn)力水平發(fā)生了很大變化[28,31]。由于很難定量化的研究人類活動(dòng)，本文主要從農(nóng)業(yè)生產(chǎn)和土地利用類型方面來研究人類對(duì)該區(qū)植被NPP變化產(chǎn)生的影響。

圖8 城鎮(zhèn)緩沖區(qū)對(duì)NPP的影響Fig.8 Effects of different buffer area of the town on NPP in Guangxi province

根據(jù)廣西土地利用類型圖提取農(nóng)作物耕作區(qū)NPP值，近12年來農(nóng)業(yè)耕作區(qū)NPP值逐漸增長(zhǎng)，平均增長(zhǎng)斜率為0.011，同期統(tǒng)計(jì)數(shù)據(jù)表明農(nóng)作物單位面積產(chǎn)量呈緩慢上升趨勢(shì)，其增長(zhǎng)斜率為0.022[32]。對(duì)提取城鎮(zhèn)(人類主要活動(dòng)區(qū))NPP值，同時(shí)提取城鎮(zhèn)周邊緩沖區(qū)為1、5、10、15、20km的NPP值。由圖8可以看出，在城鎮(zhèn)周邊5km以內(nèi)，NPP值增加較快，從457 g C m-2a-1增加到660 g C m-2a-1，城市周邊5km以上變化較小，在10km以外的區(qū)域NPP幾乎沒有變化。

5 結(jié)論和討論

近12年來廣西植被NPP整體呈緩慢上升趨勢(shì)，變化不顯著。其中廣西西南部地區(qū)NPP上升較為明顯；而東北部的桂林、柳州等地區(qū)呈減少趨勢(shì)，部分地區(qū)下降趨勢(shì)小于-0.05。植被NPP變化的影響因素很多，降水量的多少是影響NPP變化最主要的氣候因子，氣溫對(duì)NPP變化的影響較小。不同的植被類型中，栽培植被的NPP上升趨勢(shì)較為明顯，受氣候因素的影響較大，與降水量具有顯著正相關(guān)關(guān)系，但與氣溫相關(guān)性不明顯；針葉林和闊葉林受氣候因素的影響相對(duì)較小。對(duì)農(nóng)業(yè)植被而言，由于人類活動(dòng)的頻繁干預(yù)大大降低了氣候環(huán)境對(duì)NPP變化的影響程度，而化肥農(nóng)藥的大量使用以及農(nóng)業(yè)耕作水平的不斷提高，致使農(nóng)業(yè)耕作區(qū)NPP變化在很大程度上體現(xiàn)為人類活動(dòng)的影響，而對(duì)氣候因子的依賴性逐漸降低。

不同土壤類型中，土壤類型為紅壤地區(qū)的NPP增長(zhǎng)較為明顯，石灰土地區(qū)的NPP下降較為明顯，主要原因是由于該土壤類型大多分布在山前交接洼地、崗丘間洼地或是邊緣山丘地區(qū)，農(nóng)業(yè)基本建設(shè)差、生態(tài)條件不良，對(duì)氣候自然條件的依賴性相對(duì)較高，致使該區(qū)域的植被NPP會(huì)隨著降水的減少而降低。海拔高度主要通過控制土壤、水熱條件，影響其它環(huán)境變量進(jìn)而對(duì)植被分布格局產(chǎn)生一定的影響。研究表明全區(qū)NPP平均值與海拔高度具有顯著正相關(guān)關(guān)系，且NPP對(duì)降水的響應(yīng)隨海拔的升高而出現(xiàn)有規(guī)律的波動(dòng)。

以上研究表明2000—2011年廣西全區(qū)NPP有所改善，在西南部地區(qū)NPP上升較為明顯，而桂林、柳州等地區(qū)NPP呈緩慢下降趨勢(shì)；植被NPP變化是氣候、環(huán)境變化和人為影響因素綜合作用的結(jié)果，降水和海拔對(duì)NPP值及其變化的影響相對(duì)較大；NPP時(shí)空變化特征隨植被類型和土壤類型的不同而不同，但在農(nóng)業(yè)生產(chǎn)和生態(tài)建設(shè)等人類活動(dòng)的影響下，人類活動(dòng)逐漸成為影響NPP變化的主導(dǎo)因素。

[1] Ebermeyr E. Die Gesamte Lehre Der Waldstreu Mit Rücksicht Auf Die Chemische Statik Des Waldbaues. Berlin: Julius Springer, 1876: 116- 116.

[2] Ruimy A, Saugier B, Dedieu G. Methodology for the estimation of terrestrial net primary production from remotely sensed data. Journal of Geophysical Research: Atmospheres (1984—2012), 1994, 99(D3): 5263- 5283.

[3] Schuur E A G. Productivity and global climate revisited: the sensitivity of tropical forest growth to precipitation. Ecology, 2003, 84(5): 1165- 1170.

[4] Mu S J, Li J L, Yang H F, Gang C C, Chen Y Z. Spatio-temporal variation analysis of grassland net primary productivity and its relationship with climate over the past 10 years in Inner Mongolia. Acta Prataculturae Sinica, 2013, 22(3): 6- 15.

[5] Mu S J, Li J L, Zhou W, Yang H F, Zhang C B, Ju W M. Spatial-temporal distribution of net primary productivity and its relationship with climate factors in Inner Mongolia from 2001 to 2010. Acta Ecologica Sinica, 2013, 33(12): 3752- 3764.

[6] Cao M K, Woodward F I. Dynamic responses of terrestrial ecosystem carbon cycling to global climate change. Nature, 1998, 393(6682): 249- 252.

[7] McGuire A D, Melillo J M, Joyce L A, Kicklighter D W, Grace A L, Moore III G B, Vorosmarty C J. Interactions between carbon and nitrogen dynamics in estimating net primary productivity for potential vegetation in North America. Global Biogeochemical Cycles, 1992, 6(2): 101- 124.

[8] Cramer W, Kicklighter D W, Bondeau A, Iii B M, Churkina G, Nemry B, Ruimy A, Schloss A L, Intercomparison ThE P OF ThE P NpP M. Comparing global models of terrestrial net primary productivity (NPP): overview and key results. Global Change Biology, 1999, 5(S1): 1- 15.

[9] Huston M A. Precipitation, soils, NPP, and biodiversity: resurrection of Albrecht′s curve. Ecological Monographs, 2012, 82(3): 277- 296.

[10] Zhang Y J, Zhou G S. Exploring the effects of water on vegetation change and net primary productivity along the IGBP Northeast China Transect. Environmental Earth Sciences, 2011, 62(7): 1481- 1490.

[11] Pan T, Wu S H, He D M, Dai E F, Liu Y J. Effects of longitudinal range-gorge terrain on the eco-geographical pattern in Southwest China. Journal of Geographical Sciences, 2012, 22(5): 825- 842.

[12] Li Y L, Pan X Z, Zhou R, Wang C K, Liu Y, Shi R J, Chen D F, Zhao Q G. Long-term changes of soil fertility factors and their relationships with NDVI. Chinese Journal of Ecology, 2013, 32(3): 536- 541.

[13]] Zhao Q G, Huang G Q, Ma Y Q. The problems in red soil ecosystem in southern of China and its countermeasures. Acta Ecologica Sinica, 2013, 33(24): 7615- 7622.

[14] Zhu W Q, Pan Y Z, Zhang J S. Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing. Journal of Plant Ecology, 2007, 31(3): 413- 424.

[15] Kuang X Y, Su Z, Tu F X. Climate regionalization of Guangxi. Guangxi Sciences, 2007, 14(3): 278- 283.

[16] Zhu W Q, Pan Y Z, He H, Yu D Y, Hu H B. Simulation of maximum light use efficiency for some typical vegetation types in China. Chinese Science Bulletin, 2006, 51(4): 457- 463.

[17] Dong D, Ni J. Modeling changes of net primary productivity of karst vegetation in southwestern China using the CASA model. Acta Ecologica Sinica, 2011, 31(7): 1855- 1866.

[18] Running S W, Thornton P E, Nemani R, Glassy J M. Global terrestrial gross and net primary productivity from the earth observing system // Methods in Ecosystem Science. New York: Springer, 2000: 44- 57.

[19] Nemani R R, Keeling C D, Hashimoto H, Jolly W M, Piper S C, Tucker C J, Myneni R B, Running S W. Climate-driven increases in global terrestrial net primary production from 1982 to 1999. Science, 2003, 300(5625): 1560- 1563.

[20] Mohamed M A A, Babiker I S, Chen Z M, Ikeda K, Ohta K, Kato K. The role of climate variability in the inter-annual variation of terrestrial net primary production (NPP). Science of Total Environment, 2004, 332(1/3): 123- 137.

[21] Xu H M, Gao Q Z, Huang Y M, Jia H K. Simulated the impact of climate change on net primary production in hilly area of Loess Plateau, China. Acta Ecologica Sinica, 2006, 26(9): 2938- 2947.

[22] Zhao J F, Yan X D, Jia G S. Simulating the responses of forest net primary productivity and carbon budget to climate change in Northeast China. Acta Ecologica Sinica, 2008, 28(1): 92- 102.

[23] Shi Y F, Shen Y P, Hu R J. Preliminary study on signal, impact and foreground of climatic shift from warm-dry to warm-humid in Northwest China. Glaciology and Geocryology, 2002, 24(3): 219- 226.

[24] Garcia-Aguirre M C, Ortiz M A, Zamorano J J, Reyes Y. Vegetation and landform relationships at Ajusco volcano Mexico, using a geographic information system (GIS). Forest Ecology and Management, 2007, 239(1/3): 1- 12.

[25] García-Romero A, Aceves-Quesada J F, Arredondo-León C. Landform instability and land-use dynamics in tropical high mountains, Central Mexico. Journal of Mountain Science, 2012, 9(3): 414- 430.

[26] Wu D Q, Liu J, Wang W, Ding W J, Wang R Q. Mutiscale analysis of vegetation index and topographic variables in the Yellow River delta of China. Chinese Journal of Plant Ecology, 2009, 33(2): 237- 245.

[27] Bian J H, Li A N, Deng W. Estimation and analysis of net primary Productivity of Ruoergai wetland in China for the recent 10 years based on remote sensing. Procedia Environmental Sciences, 2010, 2: 288- 301.

[28] Yang G H, Bao A M, Chen X, Liu H L, Huang Y, Dai S Y. Study of the vegetation cover change and its driving factors over Xinjiang during 1998—2007. Glaciology and Geocryology, 2009, 31(3): 436- 445.

[29] Liu X, Xu J B, Hu Y M, Xi R B, Li H X. Correlation analysis on soil total phosphorus contents and terrain indices of lateritic red soil in Guangdong province based on DEM. Soils, 2009, 41(6): 1014- 1017.

[30] Yang X, Tang G A, Liu X J, Li F Y, Zhu S J. Digital terrain analysis: theory, method and application. Acta Geographica Sinica, 2009, 64(9): 1058- 1070.

[31] Vicente-Serrano S M, Lasanta T, Romo A. Analysis of spatial and temporal evolution of vegetation cover in the Spanish central Pyrenees: role of human management. Environmental Management, 2005, 34 (6): 802- 8l8.

[32] Qiu Z Q. Guangxi Statistical Yearbook. Beijing: China Statistics Press, 2011.

參考文獻(xiàn):

[4] 穆少杰, 李建龍, 楊紅飛, 剛成誠(chéng), 陳奕兆. 內(nèi)蒙古草地生態(tài)系統(tǒng)近10年NPP時(shí)空變化及其與氣候的關(guān)系. 草業(yè)學(xué)報(bào), 2013, 22(3): 6- 15.

[5] 穆少杰, 李建龍, 周偉, 楊紅飛, 章超斌, 居為民. 2001- 2010年內(nèi)蒙古植被凈初級(jí)生產(chǎn)力的時(shí)空格局及其與氣候的關(guān)系. 生態(tài)學(xué)報(bào), 2013, 33(12): 3752- 3764.

[12] 李燕麗, 潘賢章, 周睿, 王昌昆, 劉婭, 石榮杰, 陳冬峰, 趙其國(guó). 長(zhǎng)期土壤肥力因子變化及其與植被指數(shù)耦合關(guān)系. 生態(tài)學(xué)雜志, 2013, 32(3): 536- 541.

[13] 趙其國(guó), 黃國(guó)勤, 馬艷芹. 中國(guó)南方紅壤生態(tài)系統(tǒng)面臨的問題及對(duì)策. 生態(tài)學(xué)報(bào), 2013, 33(24): 7615- 7622.

[14] 朱文泉, 潘耀忠, 張錦水. 中國(guó)陸地植被凈初級(jí)生產(chǎn)力遙感估算. 植物生態(tài)學(xué)報(bào), 2007, 31(3): 413- 424.

[15] 況雪源, 蘇志, 涂方旭. 廣西氣候區(qū)劃. 廣西科學(xué), 2007, 14(3): 278- 283.

[16] 朱文泉, 潘耀忠, 何浩, 于德永, 扈海波. 中國(guó)典型植被最大光利用率模擬. 科學(xué)通報(bào), 2006, 51(6): 700- 706.

[17] 董丹, 倪健. 利用CASA模型模擬西南喀斯特植被凈第一性生產(chǎn)力. 生態(tài)學(xué)報(bào), 2011, 31(7): 1855- 1866.

[21] 許紅梅, 高清竹, 黃永梅, 賈海坤. 氣候變化對(duì)黃土丘陵溝壑區(qū)植被凈第一性生產(chǎn)力的影響模擬. 生態(tài)學(xué)報(bào), 2006, 26(9): 2938- 2947.

[22] 趙俊芳, 延曉冬, 賈根鎖. 東北森林凈第一性生產(chǎn)力與碳收支對(duì)氣候變化的響應(yīng). 生態(tài)學(xué)報(bào), 2008, 28(1): 92- 102.

[23] 施雅風(fēng), 沈永平, 胡汝驥. 西北氣候由暖干向暖濕轉(zhuǎn)型的信號(hào)、影響和前景初步探討. 冰川凍土, 2002, 24(3): 219- 226.

[26] 吳大千, 劉建, 王煒, 丁文娟, 王仁卿. 黃河三角洲植被指數(shù)與地形要素的多尺度分析. 植物生態(tài)學(xué)報(bào), 2009, 33(2): 237- 245.

[28] 楊光華, 包安明, 陳曦, 劉海隆, 黃瑩, 代述勇. 1998- 2007年新疆植被覆蓋變化及驅(qū)動(dòng)因素分析. 冰川凍土, 2009, 31(3): 436- 445.

[29] 劉序, 徐劍波, 胡月明, 席榮賓, 李華興. 基于DEM的廣東省赤紅壤全磷與地形因子相關(guān)分析. 土壤, 2009, 41(6): 1014- 1017.

[30] 楊昕, 湯國(guó)安, 劉學(xué)軍, 李發(fā)源, 祝士杰. 數(shù)字地形分析的理論、方法與應(yīng)用. 地理學(xué)報(bào), 2009, 64(9): 1058- 1070.

[32] 邱祖強(qiáng). 廣西統(tǒng)計(jì)年鑒. 北京: 中國(guó)統(tǒng)計(jì)出版社, 2011.

Changes of vegetation net primary productivity and its driving factors from 2000 to 2011 in Guangxi, China

LI Yanli1,2, PAN Xianzhang1,*, WANG Changkun1,2, LIU Ya1,2, ZHAO Qiguo1

1KeyLaboratoryofSoilEnvironmentandPollution,InstituteofSoilScience,ChineseAcademyofSciences,Nanjing210008,China2GraduateUniversityofChineseAcademyofSciences,Beijing100049,China

Ecological safety has faced serious threats from soil acidification, erosion and rocky desertification caused by natural disasters and increasing human activities in Guangxi. NPP which can effectively reflect productivity of plant community in the environment is one of the key indices for assessing the function of ecosystem service. The vegetation net primary productivity (NPP) in Guangxi province from 2000 to 2011 was estimated using the light use efficiency model and the time-series NDVI of MODIS data. And the spatio-temporal variation of vegetation NPP was analyzed based on several affecting factors, such as climate, vegetation types, soil types, topography, and human activities. The results showed that the NPP had increased in Guangxi province on the whole, especially the southwestern area. However, it decreased gently around Guilin and Liuzhou in recent 12 years. There was a significant positive relationship between total NPP and annual precipitation, while no significant relationship between total NPP and annual average temperature. The spatio-temporal variation characteristics of NPP changed with different vegetation types and soil types. The NPP of cultivated vegetation had been increased constantly and the human activities had become the important role on the NPP variation gradually.

Guangxi; NPP; NDVI; driving factors

國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目(U1033004)

2014- 05- 09;

2014- 08- 11

10.5846/stxb201405100952

*通訊作者Corresponding author.E-mail: panxz@issas.ac.cn

李燕麗, 潘賢章, 王昌昆, 劉婭, 趙其國(guó).2000—2011年廣西植被凈初級(jí)生產(chǎn)力時(shí)空分布特征及其驅(qū)動(dòng)因素.生態(tài)學(xué)報(bào),2014,34(18):5220- 5228.

Li Y L, Pan X Z, Wang C K, Liu Y, Zhao Q G.Changes of vegetation net primary productivity and its driving factors from 2000 to 2011 in Guangxi, China.Acta Ecologica Sinica,2014,34(18):5220- 5228.