史曉亮，楊志勇，王馨爽，高 軍，胡 艷

?

黃土高原植被凈初級生產(chǎn)力的時空變化及其與氣候因子的關(guān)系*

史曉亮1，楊志勇2**，王馨爽3，高 軍4，胡 艷1

（1.西安科技大學(xué)測繪科學(xué)與技術(shù)學(xué)院，西安 710054；2.中國水利水電科學(xué)研究院水資源研究所，北京 100038；3.國家測繪地理信息局陜西基礎(chǔ)地理信息中心，西安 710054；4.中國林業(yè)科學(xué)研究院資源信息研究所，北京 100091）

以西北典型植被脆弱區(qū)黃土高原為研究區(qū)，利用AVHRR GIMMS和MODIS兩種NDVI數(shù)據(jù)源，基于CASA模型對1982-2014年黃土高原植被凈初級生產(chǎn)力（NPP）進行模擬，并分析其時空變化特征及其與氣候因子的關(guān)系。結(jié)果表明：黃土高原年均植被NPP為254.0gC·m-2，1982-2014年總體呈增加趨勢。不同植被類型NPP有較大差異，落葉闊葉林NPP值最高，年均NPP達(dá)513.0gC·m-2，其次為常綠針葉林、草甸、農(nóng)田、灌叢和草原。黃土高原植被NPP空間分布差異顯著，表現(xiàn)出南高北低的特點。從NPP年際變化的空間分布來看，在退耕還林還草生態(tài)工程實施之前（1982-1998年），黃土高原大部分區(qū)域植被NPP變化不明顯。自1999年后該區(qū)植被NPP增加趨勢顯著，增速達(dá)到5.38gC·m-2·a-1。在空間分布上，66.6%的區(qū)域植被NPP呈顯著增加趨勢，主要分布在陜北高原、山西中西部的呂梁-太行山等地。退耕還林等生態(tài)工程的實施，使該區(qū)植被狀況得到改善。黃土高原植被NPP與降水量具有顯著的相關(guān)性，但與氣溫相關(guān)性不大，說明降水是影響黃土高原植被NPP的主要因素。

凈初級生產(chǎn)力；AVHRR GIMMS NDVI；MODIS NDVI；CASA模型；黃土高原；時空變化；氣候因子

植被凈初級生產(chǎn)力（Net Primary Productivity，NPP）直接反映植物群落在自然環(huán)境條件下的生產(chǎn)能力，作為表征植被活力的關(guān)鍵因素，NPP不僅關(guān)系到生態(tài)系統(tǒng)固碳能力的強弱，同時也是判定碳匯和調(diào)節(jié)生態(tài)過程的主要因子[1]。因此，隨著全球變化和碳循環(huán)研究的不斷深入，研究NPP估算方法及其與全球變化的響應(yīng)關(guān)系，在陸地生態(tài)系統(tǒng)的碳循環(huán)研究中具有重要的地位，并被國際地圈-生物圈計劃（IGBP）、人與生物圈計劃（MAB）、全球變化與陸地生態(tài)系統(tǒng)（GCTE）和京都議定書確定為核心研究內(nèi)容之一[2-3]。

隨著遙感技術(shù)的發(fā)展，利用其時間序列長和覆蓋范圍廣的特點，以及在反演獲取地表植被信息和關(guān)鍵參數(shù)方面的優(yōu)勢，基于遙感數(shù)據(jù)驅(qū)動的估算模型已被廣泛應(yīng)用于長時間序列NPP時空特征及其對全球變化的響應(yīng)研究[4-5]。其中建立在植物光合作用過程和光能利用率概念基礎(chǔ)上的CASA模型，以歸一化植被指數(shù)（Normal Difference Vegetation Index，NDVI）為驅(qū)動，目前已成為全球和區(qū)域尺度較為常用的植被NPP估算模型[6]，并在國內(nèi)外得到廣泛應(yīng)用[7-11]。氣溫和降水等主要氣候因子對植被的生長過程具有重要影響，并對氣候變化存在明顯響應(yīng)[12]。目前在全球氣候變暖的背景下，植被NPP對氣候變化的響應(yīng)特征表現(xiàn)出較大的空間異質(zhì)性。毛德華等[9]研究認(rèn)為，中國東北地區(qū)NPP與降水間相關(guān)性空間差異顯著，而與氣溫的相關(guān)性不明顯。穆少杰等[10]研究發(fā)現(xiàn)，內(nèi)蒙古不同植被類型NPP對氣候因子的敏感性差異明顯。森林植被NPP主要受溫度限制，而荒漠、農(nóng)田和草地植被NPP則主要受降水量影響。周杰等[13]在渭河流域的研究則表明溫度和降水是影響渭河流域NPP的主要因子。因此，有必要在典型區(qū)域開展植被NPP研究，對于深入探討區(qū)域水平植被NPP時空演變的驅(qū)動機制，豐富全球碳循環(huán)研究具有重要意義。

黃土高原地處半干旱半濕潤氣候帶，土質(zhì)疏松，水土流失嚴(yán)重，是中國的生態(tài)脆弱區(qū)和水土保持重點區(qū)域[14]。為改善黃土高原日益惡化的生態(tài)環(huán)境，從1999年開始國家在該地區(qū)實施退耕還林還草、封山育林等大規(guī)模植被建設(shè)，植被得到一定的恢復(fù)[15]。目前已有學(xué)者在黃土高原開展了植被NPP研究。韋莉等[16]基于CASA模型估算了2003年黃土高原草地NPP；宋富強等[17]研究了2005年陜北黃土高原地區(qū)的植被凈初級生產(chǎn)力及其時空分布；李登科等[18]基于MOD17A3數(shù)據(jù)集的研究認(rèn)為陜西省2000-2006年大部分地區(qū)NPP呈增加趨勢，表明通過退耕還林等生態(tài)建設(shè)工程的實施，該地區(qū)植被狀況得到較好的改善。謝寶妮等[19]研究認(rèn)為黃土高原2000-2010年NPP呈增加趨勢，由大規(guī)模退耕還林還草植被建設(shè)工程引起的土地利用覆被變化是退耕區(qū)NPP增加的主要因素。但是以往研究多局限于單一遙感數(shù)據(jù)源，從而導(dǎo)致研究時間序列較短，較少涉及對黃土高原地區(qū)在大規(guī)模生態(tài)工程建設(shè)實施前后植被NPP時空演變特征的研究。鑒于此，本文綜合利用AVHRR GIMMS和MODIS兩種NDVI數(shù)據(jù)源，估算黃土高原1982-2014年長時間序列植被NPP，并以1999年為分界點，分析探討該區(qū)大規(guī)模植被建設(shè)前后植被NPP的時空變化及其與氣候因子的關(guān)系，以期為黃土高原退耕還林還草生態(tài)工程成效評價提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

黃土高原地區(qū)（100°54′-114°33′E、33°43′- 41°16′N）為太行山以西、青海省日月山以東，秦嶺以北、長城以南的廣大地區(qū)，行政區(qū)涉及陜西省、山西省、甘肅省、青海省、河南省、寧夏回族自治區(qū)以及內(nèi)蒙古自治區(qū)等省（區(qū)），總面積約63.2萬km2。

研究區(qū)地形西高東低，海拔200-3000m。地處半干旱半濕潤氣候帶，屬暖溫帶大陸性季風(fēng)氣候，冬季寒冷干燥，夏季炎熱少雨，且雨季集中，年際變率較大。年均氣溫3.6～14.3℃，年均降水量300～800mm。植被類型主要包括常綠針葉林、落葉闊葉林、灌叢、草地和農(nóng)田（圖1），主要土壤類型為黃綿土、草原風(fēng)沙土和褐土。

1.2 數(shù)據(jù)來源及預(yù)處理

遙感數(shù)據(jù)源包括AVHRR GIMMS和MODIS兩種NDVI數(shù)據(jù)集。GIMMS NDVI數(shù)據(jù)來源于國家自然科學(xué)基金委員會“中國西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心”（http://westdc.westgis.ac.cn）?？臻g分辨率為8km，為每15d最大值合成數(shù)據(jù)，時間尺度為1982-2006年。數(shù)據(jù)集經(jīng)過輻射和幾何校正等預(yù)處理，為減少云、大氣、太陽高度角等的影響，采用最大合成法（Maximum Value Composites，MVC）獲取逐月NDVI值[20]。MODIS NDVI數(shù)據(jù)來自美國NASA地球觀測系統(tǒng)的2001-2014年的MOD13A3月值NDVI數(shù)據(jù)，空間分辨率為1km。通過專業(yè)處理軟件MRT（MODIS Reprojection Tools）對下載獲取的MODIS NDVI數(shù)據(jù)完成鑲嵌、裁切、投影與格式轉(zhuǎn)換等處理，并基于兩種NDVI數(shù)據(jù)源重合時間段的NDVI數(shù)據(jù)集（2001-2006年），通過建立逐像元一元線性回歸模型，應(yīng)用重采樣為8km分辨率的MODIS NDVI對GIMMS NDVI數(shù)據(jù)集進行插補延長[21]，從而建立黃土高原33a（1982-2014年）長時間序列8km分辨率的NDVI數(shù)據(jù)集。基于中國科學(xué)院植被圖編輯委員會2001年編著的1:100萬中國植被圖集，經(jīng)掃描數(shù)字化得到黃土高原植被類型圖。

對模擬結(jié)果進行驗證的NPP產(chǎn)品數(shù)據(jù)來自美國NASA EOS/MODIS 2000-2014年MOD17A3數(shù)據(jù)，時間分辨率為年，空間分辨率為1km。MOD17A3數(shù)據(jù)是參考BIOME-BGC模型與光能利用率模型模擬得到的年NPP，并已在全球和區(qū)域碳循環(huán)研究中得到廣泛應(yīng)用[22]。

氣象數(shù)據(jù)來源于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http://cdc.nmic.cn），包括研究區(qū)45個氣象站點1982-2014年的逐月降水量、平均氣溫和日照時數(shù)。太陽總輻射量由大氣上界太陽輻射量和日照時數(shù)計算得到。采用IDW插值方法，獲取與NDVI數(shù)據(jù)具有相同投影和像元大小的月太陽輻射、降水量和平均氣溫柵格數(shù)據(jù)集。

1.3 NPP估算模型

采用CASA（Carnegie-Ames-Stanford Approach）模型對黃土高原1982-2014年的植被NPP進行估算。該模型是一個充分考慮環(huán)境條件和植被本身特征的光能利用率模型，由遙感、氣象、植被以及土壤類型數(shù)據(jù)共同驅(qū)動，已被廣泛應(yīng)用于陸地生態(tài)系統(tǒng)NPP的估算[10,23]，可以由植被吸收的光合有效輻射（APAR）和光能利用率（e）兩個因子來確定。

式中，NPP（x，t）是像元x在t月份的植被凈初級生產(chǎn)力，以碳為單位（gC·m-2），APAR（x，t）表示像元x在t月份吸收的光合有效輻射（MJ·m-2），e（x，t）表示像元x在t月份的實際光能利用率（gC·MJ-2），與植被類型有關(guān)。植被吸收的光合有效輻射（APAR）計算方法為

式中，S（x，t）表示像元x在t月份的太陽總輻射量（MJ·m-2），可由大氣上界太陽輻射量和日照百分比計算[24]。常數(shù)0.5表示植被利用的太陽有效輻射占太陽總輻射的比例，計算式為[25]

式中，SRmin取值為1.08；SRmax的大小與植被類型相關(guān)，可由文獻[26]獲取。SR由NDVI計算得到。

光能利用率e表示植被將吸收的光合有效輻射轉(zhuǎn)化為有機碳的效率（gC·MJ-2），可由下式計算。

式中，Te1（x，t）和Te2（x，t）分別表示低溫和高溫對光能利用率的影響系數(shù)，其中，Te1為低溫和高溫情況下植物內(nèi)在生化作用對光合的限制，由下式計算：

式中，Topt(x)表示研究區(qū)1a內(nèi)NDVI值達(dá)到最大時當(dāng)月的平均氣溫。Te2（x，t）表示環(huán)境溫度由最適宜溫度向高溫和低溫變化時植被光能利用率逐漸變小的趨勢。

We（x，t）為水分脅迫影響系數(shù)，表示水分條件對光能利用率的影響。隨著環(huán)境中有效水分的增加，其取值范圍為0.5（極端干旱條件）～1（非常濕潤條件），計算式為

式中，EET（x，t）為實際蒸散量(mm)，可根據(jù)區(qū)域?qū)嶋H蒸散模型求?。籔ET（x，t）為潛在蒸散量(mm)，可根據(jù)Boucher提出的互補關(guān)系求 取[24]。

emax表示在理想條件下植被的最大光能利用率，其取值因植被類型不同有較大差別，本文emax取值參考朱文泉等[26]在中國范圍內(nèi)的研究結(jié)果確定黃土高原地區(qū)各植被類型的最大光能利用率（表1）。

利用以上模型和NDVI、氣象資料，估算得到黃土高原764個格網(wǎng)點1982-2014年逐月植被NPP值，每年1-12月值累加得到相應(yīng)的年NPP。以所有格點的算術(shù)平均值作為整個研究區(qū)對應(yīng)時段的NPP值。

表1 CASA模型中emax取值

Note: ECF is evergreen coniferous forest；DBF is deciduous broadleaf forest. The same as below.

1.4 分析方法

應(yīng)用一元線性回歸法在像元尺度分析黃土高原在大規(guī)模植被建設(shè)前后兩個階段（1982-1998和1999-2014年）植被NPP年值的變化趨勢[10]。

基于像元相關(guān)分析方法對1982-2014年黃土高原植被NPP年值與主要氣候因子（年均降水量和平均氣溫）進行逐像元相關(guān)分析[20]，用相關(guān)系數(shù)的空間分布情況反映植被NPP對氣候因子的響應(yīng)。

2 結(jié)果與分析

2.1 植被NPP估算精度評價

由于獲取研究區(qū)NPP的實測值較難，本文采用與MOD17A3產(chǎn)品數(shù)據(jù)對比的方法進行模型模擬精度評價[23]。將本研究估算得到的不同類型的NPP均值與部分實測數(shù)據(jù)進行對比，如果偏差不大，即認(rèn)為估算結(jié)果較合理[27]。由表2可見，對于落葉闊葉林，本研究估算的NPP值與MOD17A3數(shù)據(jù)差別較大，但在實測范圍之內(nèi)。其它植被類型差異較小，且反映的趨勢較為一致，說明本研究估算的植被NPP基本可靠。

2.2 黃土高原植被NPP時空變化特征

2.2.1 研究區(qū)域植被NPP平均值的年際變化

由圖2可見，黃土高原1982-2014年植被NPP的年際波動變化較大，但整體呈增加趨勢，年增速為1.7gC·m-2（P＜0.05）。年NPP值在1982年為最低（214.6gC·m-2），2012年最高（322.0gC·m-2），平均254.0gC·m-2。其中1982-1998年研究區(qū)植被NPP年均增速為1.2gC·m-2，年均NPP為244.1gC·m-2。但是自1999年實施大規(guī)模生態(tài)工程建設(shè)以來，該區(qū)植被NPP隨時間推移呈現(xiàn)明顯增加趨勢，1999-2014年年均增速達(dá)到5.4gC·m-2，年均NPP增至264.6gC·m-2。

表2 不同植被類型NPP年均估算值與實測值的比較（gC·m-2）

2.2.2 大規(guī)模植被建設(shè)前后不同植被類型NPP的變化

1982-2014年不同植被類型年均NPP存在較大差異，統(tǒng)計比較表明，黃土高原生態(tài)系統(tǒng)中落葉闊葉林NPP值最高，33a間年均NPP達(dá)513.0gC·m-2，但是區(qū)域內(nèi)落葉闊葉林分布較少，僅占全區(qū)總面積的2.63%。

常綠針葉林為346.0gC·m-2，草甸為300.1gC·m-2，農(nóng)田為261.2gC·m-2，灌叢為271.7gC·m-2，草原最小，為235.4gC·m-2。后3種是黃土高原的主要植被類型，占總面積的88.53%。

相對于退耕還林還草工程實施之前（1982-1998年），經(jīng)過近15a的大規(guī)模植被建設(shè)，黃土高原不同植被類型的NPP均呈不同程度的上升趨勢（表3）。其中，落葉闊葉林的NPP增長趨勢最大，達(dá)到32.4gC·m-2·a-1。常綠針葉林和草甸、灌叢等植被類型NPP增長也較明顯。

表3 黃土高原大規(guī)模植被建設(shè)實施(1998年)前后不同植被類型年均NPP（gC·m-2）

2.2.3 整個分析期植被年NPP平均值空間分布

1982-2014年黃土高原植被年均NPP分布受到植被類型、氣候和地形等多種因素的綜合影響，空間差異顯著，總體為南高北低，分布在15.12～940.21gC·m-2。從圖3可以看出，在內(nèi)蒙古自治區(qū)的鄂爾多斯地區(qū)、河套平原，甘肅省隴中地區(qū)和寧夏回族自治區(qū)南部大部分地區(qū)，以及陜北地區(qū)，上述區(qū)域主要植被類型為灌叢、草原和荒漠等無植被地區(qū)，植被覆蓋相對較少，自然環(huán)境惡劣，植被年均NPP多在200gC·m-2以下，相對較低。而在青海省南部、陜西省關(guān)中地區(qū)以及山西省大部分地區(qū)，主要分布植被類型多為農(nóng)田和落葉闊葉林，植被年均NPP大于200gC·m-2，尤以陜西省的銅川、寶雞和渭南等地，植被年均NPP大于600gC·m-2。

2.2.4 植被年NPP變化趨勢的空間分布

采用逐像元線性趨勢法對黃土高原大規(guī)模生態(tài)工程建設(shè)實施前后的植被NPP變化趨勢進行分析，從圖4a可以看出，在大規(guī)模植被建設(shè)實施前（1982-1998年），雖然黃土高原73.3%的區(qū)域植被年均NPP有所增加，但呈顯著增加趨勢的區(qū)域占整個黃土高原的面積比例為20.4%，主要分布在內(nèi)蒙古南部、山西省北部，甘肅省隴東和陜北地區(qū)等，其它大部分地區(qū)植被NPP變化不明顯。由此可見，在大規(guī)模植被建設(shè)前，黃土高原大部分區(qū)域植被年NPP無顯著變化。而自1999年開始經(jīng)過16a的大規(guī)模植被建設(shè)，該區(qū)在1999-2014年88.3%的區(qū)域植被年NPP有所增加，其中呈顯著增加趨勢的區(qū)域面積比例達(dá)到了66.6%，平均增速達(dá)到7.49gC·m-2·a-1（P<0.05）（圖4b）。另有11.7%的地區(qū)植被NPP變化趨勢不明顯，主要分布在研究區(qū)西北部的干旱荒漠地區(qū)，以及陜西省關(guān)中地區(qū)的西安、寶雞等地?？梢钥闯觯S土高原植被的生長狀況整體有所改善。

2.3 黃土高原植被NPP與氣候因子的相關(guān)分析

降水和氣溫等氣候因子的變化對陸地植被的生長發(fā)育具有重要影響，因此本文利用逐像元的相關(guān)分析方法，分別對1982-2014年的年植被NPP、年降水量和年平均氣溫的相關(guān)系數(shù)進行逐像元分析，從而在空間尺度分析植被NPP與主要氣候因子的關(guān)系。如圖5a所示，整個黃土高原植被NPP與降水量的相關(guān)系數(shù)為0.39，呈顯著正相關(guān)（P<0.05）。而從像元尺度來看，除了陜西關(guān)中地區(qū)，以及其它?。ㄗ灾螀^(qū)）的部分地區(qū)外，黃土高原大部分地區(qū)植被NPP與降水之間表現(xiàn)為顯著正相關(guān)（P<0.05），呈顯著正相關(guān)（P<0.05）的區(qū)域面積占全區(qū)總面積的比例達(dá)到65.3%。尤其是在內(nèi)蒙古自治區(qū)鄂爾多斯地區(qū)，甘肅的隴東以及陜北的榆林等地植被NPP與降水量的相關(guān)性較高。

從圖5b可以看出，整個黃土高原地區(qū)植被NPP與年平均氣溫的相關(guān)系數(shù)為0.05（P>0.05），不存在明顯的相關(guān)性。而從像元尺度來看，研究區(qū)內(nèi)植被NPP與氣溫呈顯著正相關(guān)的地區(qū)占總面積的9.8%（P<0.05），主要分布在內(nèi)蒙古自治區(qū)鄂爾多斯地區(qū)、山西省北部和陜西省銅川等地，研究范圍內(nèi)植被NPP與氣溫呈顯著負(fù)相關(guān)的地區(qū)占總面積的4.9%，主要分布在山西省中部，以及寧夏、甘肅和內(nèi)蒙古等地，其余地區(qū)（占像元面積85.3%）兩者間的相關(guān)系數(shù)未通過0.05水平的顯著性檢驗。說明黃土高原大部分地區(qū)植被NPP與氣溫之間相關(guān)性不大。

3 結(jié)論與討論

3.1 討論

黃土高原1999-2014年降水量呈緩慢增加趨勢，而氣溫略有降低[15]，且大部分地區(qū)降水與NPP呈正相關(guān)，因此該區(qū)降水的增加在一定程度上導(dǎo)致植被NPP增加。但是NPP與氣溫相關(guān)性不大，氣溫的增加對植被NPP影響較小，因此可以認(rèn)為，降水量的增加是黃土高原植被NPP增加的主要因素。

由于不同NPP反演模型在機理和關(guān)鍵植被參數(shù)取值、研究時間序列長短和模型輸入數(shù)據(jù)分辨率和質(zhì)量等方面存在的差異，導(dǎo)致植被NPP反演模型結(jié)果有所不同。本文基于CASA模型估算的1982-2014年黃土高原植被年平均NPP為254.0gC·m-2，與謝寶妮等[19]研究結(jié)果基本一致。此外，對比朱文泉等[26]提供的各植被類型NPP的實測值，本研究的模擬結(jié)果也在其范圍之內(nèi)。

以往關(guān)于黃土高原植被NPP的模擬研究[16-19]，由于遙感數(shù)據(jù)源時間尺度限制，未能分析該區(qū)在大規(guī)模生態(tài)工程實施前后植被NPP的時空演變。而本文綜合利用AVHRR GIMMS和MODIS兩種NDVI數(shù)據(jù)源，并應(yīng)用逐像元線性回歸模型方法對GIMMS NDVI數(shù)據(jù)進行插補延長，從而實現(xiàn)了黃土高原長時間序列植被NPP的估算，對于評價退耕還林還草等生態(tài)工程的實施效應(yīng)更具參考價值。本文分析了植被NPP與主要氣候因子的響應(yīng)關(guān)系，但是NPP的變化還與地形和人類活動等多種因素有關(guān)，因此，對于植被NPP的驅(qū)動機制尚需進一步深入研究。

3.2 結(jié)論

（1）黃土高原1982-2014年植被年平均NPP為254.0gC·m-2，總體呈增加趨勢，尤以1999年該區(qū)實施大規(guī)模生態(tài)環(huán)境工程建設(shè)以來，NPP增加趨勢更為明顯。對于不同植被類型而言，落葉闊葉林NPP值最高，其次為常綠針葉林、草甸、農(nóng)田、灌叢和草原。

（2）黃土高原植被NPP空間分布差異顯著，總體為南高北低。而從植被NPP變化趨勢的空間分布來看，在大規(guī)模植被建設(shè)實施前（1982-1998年），該區(qū)大部分區(qū)域植被NPP無顯著變化。而自1999年開始經(jīng)過16a大規(guī)模生態(tài)工程的建設(shè)實施，黃土高原在1999-2014年66.6%的區(qū)域植被NPP呈顯著增加趨勢，年增速達(dá)到7.49gC·m-2（P<0.05）。尤其以陜北高原、山西中西部的呂梁-太行山等地，植被NPP增加趨勢更為明顯。

（3）黃土高原植被NPP與降水量具有較強的正相關(guān)，而與氣溫相關(guān)性不大，因此，降水是該區(qū)植被NPP的主要影響因素。

參考文獻References

[1]樸世龍,方精云,郭慶華.利用CASA模型估算我國植被凈第一性生產(chǎn)力[J].植物生態(tài)學(xué)報,2001, 25(5):603-608.

Piao S L,Fang J Y,Guo Q H.Application of CASA model to the estimation of Chinese terrestrial net primary productivity[J].Acta Phytoecologica Sinica,2001,25(5):603- 608.(in Chinese)

[2]Field C B,Randerson J T,Malmstrom C M.Global net primary production:combining ecology and remote sensing[J].Remote Sensing of Environment,1995,51(1):74-88.

[3]IGBP.The terrestrial carbon cycle:implications for the Kyoto Protocol[J].Science,1998,280:1393-1394.

[4]Ricotta C,Avena G,de Palma A.Mapping and monitoring net primary productivity with AVHRR NDVI time-series: statistical equivalence of cumulative vegetation indices[J]. ISPRS Journal of Photogrammetry & Remote Sensing,1999, 54(5/6):325-331.

[5]Nemani R R,Keeling C D,Hashimoto H,et al.Climate-driven increases in global terrestrial net primary production from1982 to 1999[J].Science,2003,300(5625):1560-1563.

[6]潘竟虎,李真.2001-2012年西北干旱區(qū)植被凈初級生產(chǎn)力時空變化[J].生態(tài)學(xué)雜志,2015,34(12):3333-3340.

Pan J H,Li Z.Temporal-spatial change of vegetation net primary productivity in the arid region of Northwest China during 2001 and 2012[J].Chinese Journal of Ecology,2015, 34(12): 3333-3340.(in Chinese)

[7]李秀芬,鄭有飛,王晨軼,等.黑龍江省森林NPP的遙感反演[J].中國農(nóng)業(yè)氣象,2009,31(1):88-92.

Li X F,Zheng Y F,Wang C Y,et al.Retrieval of forest NPP by remote sensing in Heilongjiang Province[J].Chinese Journal of Agrometeorology,2009,31(1):88-92.(in Chinese)

[8]陳福軍,沈彥俊,李倩,等.中國陸地生態(tài)系統(tǒng)近30年NPP時空變化研究[J].地理科學(xué),2011,31(11):1409-1414.

Chen F J,Shen Y J,Li Q,et al.Spatio-temporal variation analysis of ecological systems NPP in China in Past 30 years[J].Scientia Geo Graphica Sinica,2011,31(11):1409-1414. (in Chinese)

[9]毛德華,王宗明,羅玲,等.1982-2009年東北多年凍土區(qū)植被凈初級生產(chǎn)力動態(tài)及其對全球變化的響應(yīng)[J].應(yīng)用生態(tài)學(xué)報,2012,23(6):1511-1519.

Mao D H,Wang Z M,Luo L,et al.Dynamic changes of vegetation net primary productivity in permafrost zone of Northeast China in 1982-2009 in response to global change[J].Chinese Journal of Applied Ecology,2012,23(6): 1511-1519.(in Chinese)

[10]穆少杰,李建龍,周偉,等.2001-2010年內(nèi)蒙古植被凈初級生產(chǎn)力的時空格局及其與氣候的關(guān)系[J].生態(tài)學(xué)報,2013,33 (12):3752-3764.

Mu S J,Li J L,Zhou W,et al.Spatial-temporal distribution of net primary productivity and its relationship with climate factors in Inner Mongolia from 2001 to 2010[J].Acta Ecologica Sinica,2013,33(12):3752-3764.(in Chinese)

[11]石志華,劉夢云,吳健立,等.基于CASA模型的陜西省凈初級生產(chǎn)力時空分析[J].水土保持通報,2016,36(1):206-211.

Shi Z H,Liu M Y,Wu J L,et al.Spatial-temporal analysis of vegetation net primary productivity in Shaanxi province based on CASA model[J].Bulletin of Soil and Water Conservation,2016,36(1):206-211.(in Chinese)

[12]張禹舜,賈文雄,劉亞榮,等.近11a來祁連山凈初級生產(chǎn)力對氣候因子的響應(yīng)[J].干旱區(qū)地理,2016,39(1):77-85.

Zhang Y S,Jia W X,Liu Y R,et al.Response of net primary productivity to climatic factors in Qilian Mountains in resent eleven years[J].Arid Land Geography,2016,39(1):77-85.(in Chinese)

[13]周杰,張昌盛,解修平.渭河流域植被凈初級生產(chǎn)力時空格局及影響因素分析[J].水土保持學(xué)報,2015,29(2):274-277.

Zhou J,Zhang C S,Xie X P.Vegetation net primary productivity temporal and spatial patterns and influence factors analysis in Weihe watershed[J].Journal of Soil and Water Conservation,2015,29(2):274-277.(in Chinese)

[14]易浪,任志遠(yuǎn),張翀,等.黃土高原植被覆蓋變化與氣候和人類活動的關(guān)系[J].資源科學(xué),2014,36(1):166-174.

Yi L,Ren Z Y,Zhang C,et al.Vegetation cover,climate and human activities on the Loess Plateau[J].Resources Science,2014,36(1):166-174.(in Chinese)

[15]張寶慶,吳普特,趙西寧.近30a黃土高原植被覆蓋時空演變監(jiān)測與分析[J].農(nóng)業(yè)工程學(xué)報,2011,27(4):287-293.

Zhang B Q,Wu P T,Zhao X N.Detecting and analysis of spatial and temporal variation of vegetation cover in the Loess Plateau during 1982-2009[J].Transactions of the CSAE,2011,27(4):287-293.(in Chinese)

[16]韋莉,趙軍,潘竟虎,等.基于MODIS數(shù)據(jù)的黃土高原草地凈初級生產(chǎn)力的估算研究[J].遙感技術(shù)與應(yīng)用,2009,24(5): 660-664.

Wei L,Zhao J,Pan J H,et al.A research of net Primary productivity model of grassland based on MODIS data in the Loess Plateau of China[J].Remote Sensing Technology and Application,2009,24(5):660-664.(in Chinese)

[17]宋富強,康慕誼,陳雅如,等.陜北黃土高原植被凈初級生產(chǎn)力的估算[J].生態(tài)學(xué)雜志,2009,28(11):2311-2318.

Song F Q,Kang M Y,Chen Y R,et al.Estimation of vegetation net primary productivity on North Shaanxi Loess Plateau[J].Chinese Journal of Ecology,2009,28(11):2311- 2318.(in Chinese)

[18]李登科,范建忠,王娟.基于MOD17A3的陜西省植被NPP變化特征[J].生態(tài)學(xué)雜志,2011,30(12):2776-2782.

Li D K,Fan J Z,Wang J.Variation characteristics of vegetation net primary productivity in Shaanxi Province based on MO17A3[J].Chinese Journal of Ecology,2011,30 (12):2776-2782.(in Chinese)

[19]謝寶妮,秦占飛,王洋,等.黃土高原植被凈初級生產(chǎn)力時空變化及其影響因素[J].農(nóng)業(yè)工程學(xué)報,2014, 30(11):244-253.

Xie B N,Qin Z F,Wang Y,et al.Spatial and temporal variation in terrestrial net primary productivity on Chinese Loess Plateau and its influential factors[J].Transactions of the CSAE,2014,30(11):244-253.(in Chinese)

[20]史曉亮,李穎,趙凱,等.諾敏河流域植被覆蓋時空演變及其與徑流的關(guān)系研究[J].干旱區(qū)資源與環(huán)境, 2013,27(6): 54-60.

Shi X L,Li Y,Zhao K,et al.Temporal and spatial changes of vegetation cover and the relationship with runoff in Nuomin river basin[J].Journal of Arid Land Resources and Environment,2013,27(6):54-60.(in Chinese)

[21]毛德華,王宗明,宋開山,等.東北多年凍土區(qū)植被NDVI變化及其對氣候變化和土地覆蓋變化的響應(yīng)[J].中國環(huán)境科學(xué),2011,31(2):283-292.

Mao D H,Wang Z M,Song K S,et al.The vegetation NDVI variation and its responses to climate change and LUCC from 1982 to 2006 year in northeast permafrost region[J].China Environmental Science,2011,31(2):283-292. (in Chinese)

[22]王新闖,王世東,張合兵.基于MOD17A3的河南省NPP時空格局[J].生態(tài)學(xué)雜志,2013,32(10):2797- 2805.

Wang X C,Wang S D,Zhang H B.Spatiotemporal pattern of vegetation net primary productivity in Henan Province of China based on MOD17A3[J].Chinese Journal of Ecology,2013,32(10):2797-2805.(in Chinese)

[23]沃笑,吳良才,張繼平,等.基于CASA模型的三江源地區(qū)植被凈初級生產(chǎn)力遙感估算研究[J].干旱區(qū)資源與環(huán)境,2014, 28(9):45-50.

Wo X,Wu L C,Zhang J P,et al.Estimation of net primary production in the Three-River headwater region using CASA model[J].Journal of Arid Land Resources and Environment, 2014,28(9):45-50.(in Chinese)

[24]羅玲.基于遙感-機理模型的松嫩西部草地凈初級生產(chǎn)力(NPP)模擬[D].長春:中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所,2010.

Luo L.Estimation of grassland Net Primary Production(NPP) in the western Songnen Plain based on the remote sensing-mechanism model[D].Changchun:Northeast Institute of Geography and Agroecology,Chinese Academy of Sciences,2010.(in Chinese)

[25]朱文泉,潘耀忠,龍中華,等.基于GIS和RS的區(qū)域陸地植被NPP估算:以中國內(nèi)蒙古為例[J].遙感學(xué)報,2005,9(3): 300-307.

Zhu W Q,Pan Y Z,Long Z H,et al.Estimating net primary productivity of terrestrial vegetation based on GIS and RS:a case study in Inner Mongolia,China[J].Journal of Remote Sensing,2005,9(3):300-307.(in Chinese)

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

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

[27]Yuan Q Z,Wu S H,Zhao D S,et al.Modeling net primary productivity of the terrestrial ecosystem in China from 1961-2005[J].Journal of Geographical Science,2014,24(1): 3-17.

Spatial and Temporal Variation of Net Primary Productivity and Its Relationship with Climate Factors in the Chinese Loess Plateau

SHI Xiao-liang1, YANG Zhi-yong2, WANG Xin-shuang3, GAO Jun4, HU Yan1

(1.College of Geomatics, Xi’an University of Science and Technology, Xi’an 710054, China;2.Department of Water Resources, China Institute of Water Resources and Hydropower Research, Beijing 100038; 3.Shannxi Geomatics Center of National Administration of Surveying, Mapping and Geoinformation, Xi’an 710054;4.Institute of Forest Resources Information Techniques, Chinese Academy of Forestry, Beijing 100091)

Based on AVHRR GIMMS NDVI and MODIS NDVI data, spatial-temporal variations of the net primary productivity (NPP) in the Chinese Loess Plateau from 1982 to 2014 was simulated using CASA model. Besides, the relationship between NPP and climate factors was analyzed at grid scale. The results showed that average annual NPP from 1982 to 2014 was 254.0gC·m-2in the Chinese Loess Plateau and the NPP has increased over the past three decades. The average annual NPP of deciduous broadleaf forest was 513.0gC·m-2, which was the highest for different vegetation types, followed by evergreen coniferous forest, meadow, cropland, shrub and steppe. The NPP differs greatly between different vegetation types. There was significant spatial difference of vegetation NPP, and the NPP of the south parts of the study area was higher than that of the north part. Since 1999, the government of China began to carry out the police that is “replace agriculture with forestation and conserve forest” in the study area. Before the project of returning farmland to forestland or grassland (1982-1998), there was no significant change of vegetation NPP in most regions of the study area. However, since the implementation of large-scale vegetation construction from 1999, the annual mean NPP of the study area has increased significantly at a rate of 5.38gC·m-2. About 66.6% of the study area showed an increasing NPP trend, especially in northern Shaanxi Plateau, Taihang-Lvliang mountains, where significant increase in vegetation NPP has been seen. The green for grain project has greatly improved the vegetation state. The NPP had a significant positive correlation with the precipitation, but it had no obvious relationship with temperature. Therefore, precipitation is the main factor driving vegetation NPP change.

Net primary productivity(NPP); AVHRR GIMMS NDVI; MODIS NDVI; CASA model; The Chinese Loess Plateau; Spatial and temporal variation; Climate factors

10.3969/j.issn.1000-6362.2016.04.009

2016-03-20

通訊作者。E-mail：yangzy@iwhr.com

國家自然科學(xué)基金項目（51409204）“流域土地利用/覆被變化對干旱的影響評價及綜合調(diào)控研究”；陜西省教育廳科學(xué)研究計劃項目（15JK1473）“基于CASA模型的黃土高原植被凈初級生產(chǎn)力的遙感估算研究”；西安科技大學(xué)科研培育基金項目（201605）“基于分布式水文模擬和遙感技術(shù)的干旱評價方法研究”

史曉亮（1985-），講師，主要從事資源環(huán)境遙感研究。E-mail：s_xiaoliang@126.com