潘竟虎,黃克軍,李 真

1 西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院, 蘭州 730070 2 中國(guó)地質(zhì)大學(xué)(武漢)信息工程學(xué)院, 武漢 430074

2001—2010年疏勒河流域植被凈初級(jí)生產(chǎn)力時(shí)空變化及其與氣候因子的關(guān)系

潘竟虎1,*,黃克軍2,李 真1

1 西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院, 蘭州 730070 2 中國(guó)地質(zhì)大學(xué)(武漢)信息工程學(xué)院, 武漢 430074

通過改進(jìn)的光能利用率CASA模型估算2001—2010年間疏勒河流域陸地生態(tài)系統(tǒng)的凈第一性生產(chǎn)力(NPP),采用線性趨勢(shì)分析、變異系數(shù)和Hurst指數(shù)等方法,分析了NPP的時(shí)空變化特征及其與氣候因子的相關(guān)性。結(jié)果表明：①疏勒河流域NPP的空間分布具有明顯差異,空間上呈現(xiàn)西北低、東南高的趨勢(shì),且具有較明顯的經(jīng)向“條帶”分布特征,2001—2010年,NPP平均值為102.26 gC m-2a-1。②2001—2010年,疏勒河流域NPP總體呈增長(zhǎng)趨勢(shì),年際波動(dòng)較大,NPP明顯增加的區(qū)域占總面積25.15%,明顯減小的區(qū)域約占11.93%。③Hurst指數(shù)分析顯示,疏勒河流域NPP變化的同向特征強(qiáng)于反向特征,其中持續(xù)改善地區(qū)占總面積的78.3%,21.7%的區(qū)域?qū)⒂筛纳妻D(zhuǎn)為退化。④在年尺度上,降水是植被NPP變化的主要影響因素,NPP與降水呈弱的正相關(guān)關(guān)系,與溫度相關(guān)性不顯著；在月尺度上,溫度是NPP變化的主要控制因子。疏勒河流域NPP對(duì)氣候因子不存在明顯的時(shí)滯和累積效應(yīng)。

凈初級(jí)生產(chǎn)力(NPP)；CASA模型；時(shí)空變化；MODIS；疏勒河流域

植被凈初級(jí)生產(chǎn)力(NPP)是單位面積和單位時(shí)間內(nèi)綠色植物從光合作用所獲取的有機(jī)物質(zhì)總量中去除自養(yǎng)呼吸以后的干物質(zhì)量[1]。NPP能夠直觀地反映出地表植被在自然環(huán)境狀況中的生產(chǎn)能力,常常用作判定碳源/碳匯以及區(qū)域生態(tài)支持能力的重要因子[2]。此外,NPP的變化對(duì)溫度、降水等氣候因素較為敏感,而這些因素與植物代謝密切相關(guān),因此NPP的變化能夠很好地表征全球氣候變化[3]。掌握區(qū)域NPP年際間的定量時(shí)空演變特征趨勢(shì),對(duì)于理解全球氣候變化對(duì)陸地生態(tài)系統(tǒng)植被變化過程的作用機(jī)制,科學(xué)評(píng)價(jià)區(qū)域生態(tài)系統(tǒng)的調(diào)節(jié)過程以及估算陸地碳源/匯具有重要的理論和實(shí)踐意義。自Ebermayer[4]在1876年最早開始研究NPP以來,NPP研究經(jīng)歷了從傳統(tǒng)的站點(diǎn)實(shí)測(cè)法到大量的統(tǒng)計(jì)回歸法再到多源數(shù)據(jù)的機(jī)理模型法3個(gè)階段。在區(qū)域尺度上,全空間覆蓋測(cè)量NPP顯然具有極大難度。隨著遙感技術(shù)的發(fā)展,利用模型結(jié)合遙感數(shù)據(jù)進(jìn)行植被NPP的估算及其分布研究逐漸成為主流的研究方法。目前國(guó)內(nèi)外提出用于估算NPP的模型多達(dá)20余種[5],大體上可歸納為3類[6]：氣候相關(guān)模型(統(tǒng)計(jì)模型)、光能利用率模型(參數(shù)模型)和生態(tài)系統(tǒng)過程模型(機(jī)理模型)。Carnegie-Ames-Stanford Approach(CASA)模型是屬于基于光能利用率機(jī)理的一種過程模型,它采用光能利用率與光合有效輻射兩個(gè)因子并引入氣溫、降水等光合作用的脅迫參數(shù)來計(jì)算NPP,在區(qū)域和全球陸地植被NPP監(jiān)測(cè)中被廣泛應(yīng)用[7]。在區(qū)域尺度上,由于植被NPP變化受植被自身生理特征差異的影響,對(duì)氣候、地形、土壤以及人類活動(dòng)等因子變化的敏感性和響應(yīng)特征存在較大差別,NPP時(shí)空演變的驅(qū)動(dòng)機(jī)制是研究的難點(diǎn)之一。在國(guó)內(nèi),學(xué)者們針對(duì)NPP的測(cè)算方法、時(shí)空分異格局、驅(qū)動(dòng)因子等不同視角開展了研究[8- 9]。研究區(qū)域多集中在全國(guó)以及東北、華北等大區(qū)域或省域尺度[10],而針對(duì)作為一個(gè)較完整生態(tài)系統(tǒng)的流域尺度的研究則相對(duì)較少。

疏勒河流域深居內(nèi)陸,氣候干旱,生態(tài)環(huán)境敏感、脆弱。近年來,受氣候變化和人類活動(dòng)加劇的影響,流域出現(xiàn)了草場(chǎng)退化、濕地萎縮、土地沙漠化、次生鹽漬化、地下水位下降等一系列生態(tài)環(huán)境問題[11],并與河西走廊其他內(nèi)陸河下游一樣,成為我國(guó)沙塵源區(qū)之一。區(qū)內(nèi)著名的風(fēng)景名勝月牙泉由于水位下降嚴(yán)重,目前靠“打點(diǎn)滴”來維系。如何實(shí)現(xiàn)流域自然-經(jīng)濟(jì)-社會(huì)的協(xié)調(diào)和可持續(xù)發(fā)展,是值得探討并且非常嚴(yán)峻的現(xiàn)實(shí)問題。因而,研究疏勒河流域NPP時(shí)空變化,進(jìn)而理解流域的碳循環(huán)過程和物質(zhì)的流動(dòng)方向,對(duì)于解決流域生態(tài)環(huán)境問題具有重要的現(xiàn)實(shí)意義。此外,研究發(fā)現(xiàn),全球未知碳匯可能存在于陸地生物圈,特別是北半球中高緯度陸地生態(tài)系統(tǒng)[12],而疏勒河流域恰好處于這一范圍內(nèi),因此對(duì)疏勒河流域的植被NPP研究具有重要價(jià)值。目前針對(duì)疏勒河流域長(zhǎng)時(shí)間序列的NPP估算鮮見報(bào)道,疏勒河流域退耕還林(草)、生態(tài)綜合治理工程的實(shí)施,農(nóng)業(yè)灌溉暨移民安置綜合開發(fā)項(xiàng)目的實(shí)施,以及國(guó)家風(fēng)電基地開發(fā)等引起的區(qū)域植被NPP空間分布及其年際變化狀況如何？NPP對(duì)氣候變化可能的響應(yīng)機(jī)制是什么？這些問題亟需回答。因此,本文采用2001—2010年遙感數(shù)據(jù)、氣象站點(diǎn)觀測(cè)數(shù)據(jù)以及地面氣象數(shù)據(jù),利用改進(jìn)的CASA模型建立疏勒河流域植被NPP遙感估算模型,重建了流域植被NPP年際變化的時(shí)空序列,旨在揭示：(1)疏勒河流域植被NPP 的空間分布格局及其年內(nèi)變化趨勢(shì)；(2)氣候因子與植被NPP間的關(guān)系。希望本研究能為CASA模型在流域尺度上的應(yīng)用提供科學(xué)依據(jù),同時(shí)為區(qū)域生態(tài)系統(tǒng)保護(hù)措施的制定和實(shí)施提供決策參考。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

疏勒河流域是甘肅河西地區(qū)三大內(nèi)陸河之一,地處甘肅省河西走廊西段,介于92°11′—98°30′E,38°00′—42°48′N之間(圖1)。行政區(qū)劃上包含甘肅省的玉門、敦煌、瓜州、肅北縣的大部分、阿克塞縣的一部分,以及張掖市肅南縣和青海省天峻縣的一部分,面積13.36×104km2。干流全長(zhǎng)約670 km,多年平均徑流量10.31×108m3。地貌上由南部的祁連山地、中部的沖積平原和北部的馬鬃山3大單元構(gòu)成,屬典型的大陸性荒漠氣候,年均氣溫6.9—8.8℃,大部分地區(qū)年均降雨量在60 mm以下,年蒸發(fā)量卻高達(dá)3000 mm。疏勒河流域自漢代以來就一直是河西著名的“糧倉(cāng)”,灌溉農(nóng)業(yè)發(fā)達(dá)。始于1996年、歷經(jīng)10a的疏勒河農(nóng)業(yè)灌溉暨移民安置綜合開發(fā)項(xiàng)目安置了甘肅中、南部共計(jì)7.53萬移民,使得流域的人口和耕地面積激增,用水量加大,生態(tài)壓力增大。由于疏勒河流域在青海省境內(nèi)分布均為高山冰川積雪,本文的研究區(qū)不包括疏勒河上游在青海境內(nèi)的部分。

圖1 研究區(qū)位置示意圖Fig.1 Location of Shule river basin

1.2 數(shù)據(jù)來源

疏勒河流域面積較大,若采用Landsat TM等中、高分辨率的地球資源衛(wèi)星數(shù)據(jù),顯然不適合大范圍宏觀研究,且數(shù)據(jù)的連續(xù)性不強(qiáng),時(shí)間分辨率不高,難以獲得同一時(shí)間的多景影像,影像鑲嵌等處理過程也會(huì)帶來一定的誤差。考慮到疏勒河流域土地覆蓋類型簡(jiǎn)單,本文采用MODIS的歸一化差異植被指數(shù)(NDVI)產(chǎn)品,完全能夠滿足精度要求,而且時(shí)間分辨率高,便于分析植被動(dòng)態(tài)變化特征。數(shù)據(jù)獲取自Level 1 and Atmosphere Archive and Distribution System(LAADS)(http://ladsweb.nascom.nasa.gov/data/order.html)網(wǎng)站,為16d合成數(shù)據(jù),空間分辨率為1 km。下載MOD17A3 NPP產(chǎn)品用于與估算值進(jìn)行比較。氣象數(shù)據(jù)包括月平均氣溫,月總降水量和月總太陽輻射,取自中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/home.do)。為了保證空間插值精度,共選取研究區(qū)內(nèi)及周邊的常規(guī)氣象站56個(gè),太陽輻射監(jiān)測(cè)站點(diǎn)8個(gè)。數(shù)字高程模型(DEM)數(shù)據(jù)獲取自美國(guó)地質(zhì)勘查局(United States Geological Survey,USGS)網(wǎng)站(http://glovis.usgs.gov/),分辨率為1 km。植被類型數(shù)據(jù)來源于中國(guó)西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心(http://westdc.westgis.ac.cn),為便于分析,將指標(biāo)類型歸并為針葉林、闊葉林、灌木林地、草原、農(nóng)田、荒漠、水體及無植被地段8類。

2 研究方法

2.1 NPP估算

采用CASA模型計(jì)算NPP(表1),該模型雖然簡(jiǎn)化了生理生態(tài)基礎(chǔ),光能傳遞與轉(zhuǎn)換過程中存在一定的不確定性,但是該模型易于實(shí)現(xiàn)區(qū)域尺度轉(zhuǎn)換,且模型中的參數(shù)均可由遙感或空間分析方法獲得,適用于區(qū)域和全球尺度上的NPP估算。區(qū)域?qū)嶋H蒸散量E(x,t)根據(jù)周廣勝[13]建立的區(qū)域?qū)嶋H蒸散模型求取,區(qū)域潛在蒸散量Ep(x,t)根據(jù)Boucher等[14]提出的互補(bǔ)關(guān)系求取。最大光能利用率εmax的取值因不同的植被類型而有所不同,本文采用朱文泉等[15]和Running等[16]根據(jù)生態(tài)生理過程模型BIOME-BGG對(duì)10種植被類型所模擬的值：針葉林1.008 gC/MJ,闊葉林1.044 gC/MJ,灌叢0.768 gC/MJ,草原0.608 gC/MJ,農(nóng)田0.604 gC/MJ,荒漠、無植被地段和水體等取全球月平均最大光能利用率0.389 gC/MJ。

表1 基于改進(jìn)CASA模型的NPP計(jì)算[13- 17]

根據(jù)56個(gè)氣象站的海拔高度和月平均氣溫資料,計(jì)算流域各月平均氣溫的垂直遞減率,再根據(jù)氣象站點(diǎn)海拔高度,將觀測(cè)氣溫?fù)Q算為海拔高度為“0”處的氣溫值。利用普通Kriging插值法,模擬海拔為“0”處的溫度Tk(x,t)；根據(jù)DEM和氣溫垂直遞減率,模擬起伏地形下的真實(shí)溫度T(x,t)。降水?dāng)?shù)據(jù)直接采用Kriging插值對(duì)氣象站點(diǎn)觀測(cè)數(shù)值進(jìn)行插值。本文對(duì)CASA模型中計(jì)算參數(shù)的主要改進(jìn)如下：(1)考慮到南部祁連山區(qū)和北部馬鬃山地形復(fù)雜,若僅僅依靠氣象觀測(cè)站空間插值的結(jié)果來描述流域太陽總輻射的空間分布,誤差較大。因此,本文通過DEM提取參數(shù),充分考慮地形之間相互遮蔽對(duì)太陽總輻射的影響,利用日照百分率與天文輻射擬合太陽總輻射,獲取經(jīng)驗(yàn)系數(shù),從而較準(zhǔn)確地計(jì)算出起伏地形下的太陽總輻射。(2)本文在計(jì)算水分脅迫因子時(shí),保持了原模型中的植物生理生態(tài)學(xué)因素,但回避了其復(fù)雜的土壤參數(shù)計(jì)算,只利用氣象數(shù)據(jù)通過區(qū)域蒸散模型進(jìn)行估算。

2.2 NPP變化分析方法

2.2.1 年際變化率計(jì)算(趨勢(shì)分析)

一元線性回歸分析可以模擬每個(gè)柵格的變化趨勢(shì),通過不同時(shí)期單個(gè)像元的空間變化特征,綜合表征一定時(shí)間序列的區(qū)域格局演變規(guī)律。該方法的優(yōu)點(diǎn)是可以消除由于異常因素對(duì)NPP的趨勢(shì)分析所造成的影響,真實(shí)地反映長(zhǎng)時(shí)間序列NPP的演化趨勢(shì)。計(jì)算式為[18]：

(1)

式中,Slope是線性擬合方程的斜率；NPPi是第i年通過最大值合成法得到的NPP值,n為研究時(shí)段的長(zhǎng)度。

2.2.2 穩(wěn)定性分析(變異系數(shù))

采用穩(wěn)定性分析來計(jì)算2001—2010年每個(gè)柵格NPP的變異系數(shù),用其來評(píng)估時(shí)間序列上的穩(wěn)定性,計(jì)算式為[19]：

(2)

2.2.3 Hurst指數(shù)

采用R/S分析法來估算Hurst指數(shù),從而分析NPP的持續(xù)性特征。篇幅所限,計(jì)算原理詳見參考文獻(xiàn)[20]。Hurst的值域?yàn)?—1之間,若0.5

2.2.4 NPP與氣候因子的相關(guān)性分析

利用基于像元的空間分析法,計(jì)算NPP與降水或氣溫的相關(guān)系數(shù),通過計(jì)算兩者的簡(jiǎn)單相關(guān)系數(shù),進(jìn)而獲得偏相關(guān)系數(shù)。計(jì)算式詳見參考文獻(xiàn)[21]。采用t檢驗(yàn)法對(duì)偏相關(guān)系數(shù)進(jìn)行檢驗(yàn)。

3 結(jié)果與分析

3.1 精度驗(yàn)證

圖2 NPP實(shí)測(cè)值與模型估算結(jié)果的比較Fig.2 Comparison between measured and estimated NPP

在ArcGIS軟件支持下,將空間化后的各參數(shù)代入CASA模型進(jìn)行柵格地圖代數(shù)運(yùn)算,得到2001—2010年逐月NPP空間分布。全球或區(qū)域尺度上的NPP估算結(jié)果的精度驗(yàn)證問題,始終是NPP遙感定量反演的難題,也是最具爭(zhēng)議的問題。精度驗(yàn)證一般有兩種方法：一是將估算值與實(shí)際測(cè)量的數(shù)值進(jìn)行對(duì)比；二是將估算的NPP空間分布與他人在相同區(qū)域采用其他模型計(jì)算的結(jié)果或遙感數(shù)據(jù)產(chǎn)品進(jìn)行對(duì)比。首先利用2010年7月和9月兩次在疏勒河流域玉門、瓜州、敦煌和阿克塞選取的20個(gè)點(diǎn)作為野外精度驗(yàn)證點(diǎn),設(shè)置樣方為100 m×100 m,利用對(duì)角線采樣法[22]獲得植被的地上生產(chǎn)力和地下生物量,計(jì)算地面實(shí)測(cè)NPP。受條件限制,樣方實(shí)測(cè)地點(diǎn)多選擇設(shè)置在綠洲邊緣的荒漠草原和草甸草原內(nèi),農(nóng)田無法實(shí)測(cè)生物量,只記錄作物類型進(jìn)行轉(zhuǎn)換。由于地下生物量實(shí)測(cè)難度較大,部分樣地的植被地下生物量數(shù)據(jù)通過計(jì)算根冠比得到[23]。用GPS記錄實(shí)測(cè)數(shù)據(jù)的地理位置坐標(biāo),提取相應(yīng)的基于改進(jìn)的CASA模型計(jì)算出的NPP數(shù)據(jù),進(jìn)行估算值的精度驗(yàn)證。相關(guān)性分析(圖2)表明,估算值與地面實(shí)測(cè)值之間的相關(guān)性非常顯著,決定系數(shù)R2=0.8811,P<0.01,說明改進(jìn)的CASA模型適用于疏勒河流域NPP的估算。誤差分析顯示,CASA模型估算的NPP與地面實(shí)測(cè)NPP的平均絕對(duì)誤差為37.13 gC m-2a-1,平均相對(duì)誤差為0.208,均較小。因?qū)嶋H樣方大小(100 m)與MODIS像元分辨率(1 km)差距很大,誤差在所難免?？傮w來看,估算值在荒漠草原偏低而在草甸草原偏高。

雖然野外調(diào)查所獲取的生物量數(shù)據(jù)比較可靠,但很難在整個(gè)流域區(qū)內(nèi)進(jìn)行大范圍相對(duì)均勻的實(shí)地調(diào)查取樣。加之研究時(shí)段跨度為10a,生物量分布的空間和時(shí)間異質(zhì)性較大,因此如果簡(jiǎn)單地利用有限的實(shí)地調(diào)查所獲得的平均生物量來推算整個(gè)區(qū)域的生物量,則可能產(chǎn)生較大誤差。為此,本文將估算結(jié)果與2001—2010年MODIS的1 km年分辨率NPP產(chǎn)品(MOD17A3)進(jìn)行了對(duì)比,發(fā)現(xiàn)估算的NPP與MOD17A3產(chǎn)品在空間分布上較為吻合,除去2001、2003、2007、2010年這4a中MOD17A3值與估算值相差稍大外,其余年份相差很小,差值介于2.18—21.53 gC m-2a-1之間。MOD17A3年總量與本文估算結(jié)果總體差距亦不大,差距較大的年份是2001年和2003年,且除2001年外,各年份估算的NPP總量均略高于MOD17A3值?？傮w而言,MOD17A3的NPP年際波動(dòng)明顯大于本文估算值。

3.2 年平均NPP的空間分布

圖3 2001—2010年疏勒河流域NPP平均值的空間分布Fig.3 Spatial distribution of 10-year mean annual NPP of Shule River basin in 2001—2010

2001—2010年,疏勒河流域年均單位面積上的NPP空間分布狀況見圖3。疏勒河流域NPP值小于100 gC m-2a-1的區(qū)域占流域總面積的比重高達(dá)62.9%,反映出流域整體生產(chǎn)力水平不高。從空間分布來看,流域NPP值呈現(xiàn)南高北低、東高西低的態(tài)勢(shì),表現(xiàn)出較為明顯的經(jīng)向地帶性“條帶”分布特征,即上游的祁連山區(qū)和中游的綠洲區(qū)NPP較高,其兩側(cè)的戈壁荒漠和洪沖積扇NPP較低。這也是干旱內(nèi)陸河流域普遍具有的特點(diǎn),體現(xiàn)了綠洲—荒漠—山地耦合生態(tài)系統(tǒng)的典型特征。流域NPP最高的區(qū)域是上游地帶,西祁連山高寒荒漠草原區(qū)、柴達(dá)木盆地東北部山地高寒荒漠草原區(qū)以及阿爾金山高寒荒漠草原區(qū)的NPP值一般均在150 gC m-2a-1以上,自然植被以高山草甸為主。流域中下游地勢(shì)低平,NPP高值區(qū)均分布在以灌溉農(nóng)業(yè)為主的綠洲區(qū)。北部的馬鬃山風(fēng)蝕荒漠區(qū)和花牛山-柳園灌木-半灌木荒漠區(qū)植被稀疏,大部分區(qū)域NPP在50—100 gC m-2a-1之間。NPP最低的區(qū)域分布在敦煌西部的庫木塔格沙漠、阿克塞北部的安南壩以及瓜州的安西極旱荒漠保護(hù)區(qū),NPP值大都在50 gC m-2a-1以下。

3.3 NPP年際變化特征

圖4 2001—2010年疏勒河流域年平均NPP變化趨勢(shì) Fig.4 The change trend of monthly average NPP in the Northwest Arid Region from 2001 to 2012

疏勒河流域年均NPP值2001年最低,2010年最高,分別為99.97 gC m-2a-1和127.2 gC m-2a-1,2001—2010年平均NPP值為125.08 gC m-2a-1。從NPP值的變化來看(圖4),大致可分為兩個(gè)階段： 2001—2008年,NPP由急劇上升變?yōu)?008年之后的小幅波動(dòng)；2008—2010年,NPP由急劇下降轉(zhuǎn)為急劇上升。整體來看,10間NPP值整體呈現(xiàn)出波動(dòng)中上升的趨勢(shì)。從2001—2010年,NPP<50 gC m-2a-1的區(qū)域面積整體上呈減少的趨勢(shì),而NPP>350 gC m-2a-1的區(qū)域面積整體則呈現(xiàn)增加的趨勢(shì)。

3.4 NPP空間變化特征

3.4.1 總體趨勢(shì)

圖5為10年來疏勒河流域年最大NPP的變化趨勢(shì),流域年最大NPP呈緩慢增加趨勢(shì),平均趨勢(shì)系數(shù)為1.79。NPP增加的區(qū)域占總面積25.15%,其中顯著增加區(qū)域?yàn)?.59%,輕度增加區(qū)域?yàn)?8.56%,主要分布于南部的肅北、玉門的南部及阿克塞的東部；基本不變的區(qū)域約占62.92%；減少的區(qū)域較少,約占總面積的11.93%,其中輕度減少區(qū)域?yàn)?0.11%,顯著減少的區(qū)域僅為1.81%,主要分布于北部的肅北、阿克塞中部及玉門、瓜州、敦煌的綠洲周圍。

圖5 2001—2010年疏勒河流域NPP線性變化趨勢(shì)圖Fig.5 Distribution of linear trend of annual NPP changes in the Shule River basin from 2001 to 2010

3.4.2 NPP變化的穩(wěn)定性

圖6 2001—2012年疏勒河流域NPP變化穩(wěn)定程度 Fig.6 Standard deviation of NPP changes in the Northwest Arid Region from 2001 to 2012

由10年間疏勒河流域NPP變異系數(shù)分布圖(圖6)可知,疏勒河流域NPP整體呈現(xiàn)“一頭大一頭小,高低波動(dòng)并存,低度波動(dòng)居多”的分布格局。整個(gè)流域不同地區(qū)的NPP穩(wěn)定性存在明顯的空間差異,高波動(dòng)區(qū)多分布在白楊河、石油河、疏勒河干流、榆林河、黨河、安南壩河等河流兩側(cè),說明這些區(qū)域易受到自然或人為擾動(dòng),植被的穩(wěn)定程度低。中等波動(dòng)區(qū)域大都分布在上游和中下游之間的沖、洪積扇。低波動(dòng)區(qū)域則連片分布于流域北部和西部。低波動(dòng)區(qū)域占流域總面積的56.74%,較低波動(dòng)區(qū)占38.12%,而高波動(dòng)區(qū)僅占0.3%,這說明疏勒河流域NPP整體相對(duì)穩(wěn)定。

3.4.3 NPP變化的未來趨勢(shì)特征

前述分析主要是對(duì)10年來疏勒河流域NPP“格局-過程”的解釋,而對(duì)于其未來的變化趨勢(shì)尚不明確,為此,借助于Matlab和ArcGIS軟件,計(jì)算研究區(qū)NPP的Hurst指數(shù)。Hurst的值域范圍為0.1—1,均值為0.58。反持續(xù)性占流域總面積的21.70%,持續(xù)性占流域面積的78.30%,說明疏勒河流域NPP變化的同向特征要強(qiáng)于反向特征。將Hurst指數(shù)劃分為弱、中、強(qiáng)3個(gè)持續(xù)性類型,其閾值分別為：<0.5,0.5—0.65和>0.65。從弱、中、強(qiáng)的程度來看,中強(qiáng)程度的反持續(xù)性僅占流域面積的3%,弱反持續(xù)性占18.7%,弱持續(xù)性占49.93%,說明疏勒河流域有一半的區(qū)域未來NPP的變化與過去NPP的變化相一致,但這種持續(xù)性表現(xiàn)得并不夠明顯。中、強(qiáng)持續(xù)性所占比重分別為19.83%和8.54%,這些區(qū)域未來NPP的變化與過去NPP變化有較強(qiáng)的相關(guān)性。

3.4.4 NPP變化的趨勢(shì)性和持續(xù)性綜合分析

圖7 基于趨勢(shì)性和Hurst指數(shù)的NPP空間變化特征圖 Fig.7 The spatial change characteristics of NPP based on the Slope and Hurst index

將一元線性擬合的Slope 值與Hurst指數(shù)計(jì)算結(jié)果進(jìn)行疊加分析,得到2001—2010年NPP變化趨勢(shì)的持續(xù)性分布(圖7),為使結(jié)果更加清晰明了,共分為12種情形。疏勒河流域不變與弱持續(xù)性、不變與強(qiáng)持續(xù)性、增加與弱持續(xù)性、不變與反弱持續(xù)性占研究區(qū)面積的百分比分別為30.50%、18.02%、12.54%和12.15%,可見整個(gè)流域在10年間NPP分布并未大幅度地發(fā)生變化,且可持續(xù)性較差,這與前文分析的疏勒河流域NPP變化趨勢(shì)一致。綜合分析,流域減少且未來會(huì)持續(xù)性減少的面積為9.15%,主要集中在肅北、阿克塞、敦煌地區(qū),應(yīng)加強(qiáng)這些地區(qū)的生態(tài)環(huán)境治理；增加且未來會(huì)繼續(xù)增加的面積為20.63%,主要分布于南部肅北、玉門瓜州的南部和阿克塞的東部,這些地區(qū)基本位于疏勒河流域的上游；特別應(yīng)注意的是不變且為弱持續(xù)性的地區(qū),其比例高達(dá)30.50%,由于可持續(xù)性較差的原因,應(yīng)防止其向退化的趨勢(shì)發(fā)展,這些地區(qū)主要分布于流域的西北部?？梢灶A(yù)見疏勒河流域NPP值在未來的幾年還是會(huì)以不變?yōu)橹?增加為輔,但不變的可持續(xù)性較差,應(yīng)繼續(xù)加強(qiáng)生態(tài)環(huán)境的治理。

3.5 NPP與氣候因素的相關(guān)關(guān)系

3.5.1 年NPP與年氣候因子的相關(guān)關(guān)系

植被的生長(zhǎng)與氣候因素密切相關(guān),由圖8可知,疏勒河流域植被NPP與年降水和年均溫的平均相關(guān)系數(shù)分別為0.37和0.02,平均偏相關(guān)系數(shù)分別為0.41和-0.05,說明疏勒河流域植被年NPP總體上與年降水的相關(guān)性更高,呈正相關(guān)關(guān)系。比較而言,流域西北部受氣溫的影響較大,而東南部受降水的影響大。圖8是NPP與降水的相關(guān)系數(shù)分布圖,消除氣溫影響后(圖8),研究區(qū)內(nèi)NPP與降水呈現(xiàn)正相關(guān)性的區(qū)域面積增大,且相關(guān)性增強(qiáng)；而呈現(xiàn)負(fù)相關(guān)性的區(qū)域面積減小,相關(guān)性減弱。NPP與氣溫的相關(guān)系數(shù)空間分布如圖8所示,消除降水影響后(圖8),研究區(qū)內(nèi)NPP與氣溫呈現(xiàn)正相關(guān)性的區(qū)域面積減小,而呈現(xiàn)負(fù)相關(guān)性的區(qū)域面積增大,整體相關(guān)性增強(qiáng)。將相關(guān)系數(shù)與偏相關(guān)系數(shù)空間分布圖對(duì)比,發(fā)現(xiàn)大部分地區(qū)的偏相關(guān)系數(shù)較之相關(guān)系數(shù)有所下降,說明這些地區(qū)受降水和氣溫的共同影響。

圖8 年NPP與年降水和年均溫的相關(guān)系數(shù)及偏相關(guān)系數(shù)Fig.8 Correlation relationship between annual NPP and annual precipitation and annual mean temperature

3.5.2 月NPP與當(dāng)月氣候因子的相關(guān)關(guān)系

疏勒河流域月均NPP與當(dāng)月降水及當(dāng)月均溫的平均相關(guān)系數(shù)分別為0.81和0.93,平均偏相關(guān)系數(shù)分別為-0.13和0.81,可見月NPP與當(dāng)月氣候因子的顯著性都較年NPP與氣候因子的相關(guān)性要高。肅北縣的南部受降水的影響較大,其他縣區(qū)主要受氣溫的影響較大。月NPP與當(dāng)月降水量成正相關(guān)的面積占研究區(qū)面積的34.98%(圖9),月NPP與當(dāng)月氣溫成正相關(guān)的面積占研究區(qū)面積的99.68%,說明植被NPP在月尺度變化上,溫度是其主要影響因子。

圖9 月NPP與當(dāng)月降水和均溫的相關(guān)系數(shù)及偏相關(guān)系數(shù)Fig.9 Correlation relationship between monthly NPP and monthly precipitation and monthly mean temperature

3.5.3 月NPP與前一月氣候因子的相關(guān)關(guān)系

氣候因子對(duì)植被的生長(zhǎng)具有一定的時(shí)滯效應(yīng),對(duì)于不同地區(qū)、不同的氣候因子時(shí)滯效應(yīng)程度也不同。由圖10可知,流域月NPP與前一月降水量、前一月的月均溫的平均相關(guān)系數(shù)分別為0.67和0.69,平均偏相關(guān)系數(shù)分別為0.20和0.27,可見月NPP與前一月的降水和當(dāng)月降水的相關(guān)系數(shù)的大小接近,而月NPP與前一月的氣溫的相關(guān)系數(shù)較當(dāng)月的氣溫相關(guān)系數(shù)有明顯的下降。對(duì)整個(gè)疏勒河流域而言,月NPP對(duì)氣候因子變化的時(shí)滯效應(yīng)并不明顯,但從空間分布來看,肅北南部、敦煌及阿克塞的部分地區(qū)的NPP對(duì)降水的時(shí)滯效應(yīng)較為明顯,而在肅北北部和玉門,NPP對(duì)氣溫的時(shí)滯效應(yīng)更為明顯。

圖10 月NPP與前一月降水和均溫的相關(guān)系數(shù)及偏相關(guān)系數(shù)Fig.10 Correlation relationship between monthly NPP and previous monthly precipitation and monthly mean temperature

4 討論

目前,前人關(guān)于疏勒河流域NPP的模擬研究極少,而且模擬的疏勒河流域不同生態(tài)系統(tǒng)NPP 值存在很大差異。本文模擬的2001—2010年疏勒河流域NPP平均值為102.26 gC m-2a-1,與張娟等[24]的結(jié)果(95.2 gC m-2a-1)接近,高于劉春雨等[25]的模擬結(jié)果(55.89 gC m-2a-1)。就植被類型而言,本文估算的安西荒漠草地NPP平均值為266.47 gC m-2a-1,也與張娟等[24]和張杰等[26]的研究結(jié)果接近。不同學(xué)者模擬結(jié)果不一致的主要原因：1)研究的時(shí)間序列不一致；2)數(shù)據(jù)源的時(shí)空分辨率不同；3)所用的模型不同；4)使用CASA模型時(shí),氣象數(shù)據(jù)的插值大都未考慮地形對(duì)氣溫、降水和太陽輻射空間分布的影響。

2001—2010年疏勒河流域凈初級(jí)生產(chǎn)力的空間變化以波動(dòng)式增加為特征,NPP增加顯著且持續(xù)性較強(qiáng)的區(qū)域主要分布在肅北縣南片區(qū)、阿克塞縣的疏勒河上游地區(qū),以及中游的玉門和瓜州綠洲農(nóng)田區(qū)；而NPP顯著減少且持續(xù)性較強(qiáng)的區(qū)域主要分布于肅北北片區(qū)的馬鬃山地區(qū)、疏勒河下游干流以及各支流的綠洲外圍地區(qū)。在干旱內(nèi)陸河流域,水資源是維系綠洲—荒漠生態(tài)系統(tǒng)發(fā)育與演化的首要因素。疏勒河中下游綠洲地區(qū)農(nóng)田為主的NPP持續(xù)增加與綠洲外圍荒漠草地植被NPP的持續(xù)減少,在一定程度上反映出人類活動(dòng)對(duì)水資源的調(diào)控在農(nóng)業(yè)生產(chǎn)上的積極效應(yīng),但另一方面,農(nóng)業(yè)用水、生產(chǎn)用水、生活用水的增加使得生態(tài)用水被嚴(yán)重?cái)D占,引起自然植被退化和生產(chǎn)力下降。僅疏勒河下游的敦煌市和瓜州縣,人口就由1989年的18.26萬增加到2010年的33.48萬。盡管氣候因素是疏勒河流域NPP時(shí)空變化的重要影響因素,但研究時(shí)段內(nèi)人類活動(dòng)的不斷增強(qiáng)對(duì)植被NPP的影響也不斷加大,長(zhǎng)遠(yuǎn)來看,必將反作用于人類生活,產(chǎn)生不利影響。按照“反規(guī)劃”的思想,從流域NPP變化及其影響因子的空間分布情況,可以判斷出某區(qū)域影響植被NPP演變的限制因素,從而對(duì)該區(qū)采取有目的的人為干預(yù),確保植被恢復(fù)與生態(tài)重建,維護(hù)區(qū)域生態(tài)安全。

NPP的時(shí)空變化受多種因素的綜合影響,本文所采用的改進(jìn)CASA模型的模擬結(jié)果取決于植被指數(shù)和氣象數(shù)據(jù),未考慮土壤狀況、大氣二氧化碳濃度以及人類活動(dòng)等對(duì) NPP的影響,計(jì)算結(jié)果與實(shí)際狀況必然存在偏差,但遙感反演的NPP是一個(gè)綜合性指數(shù),可以反映植被長(zhǎng)勢(shì)與生境條件,故本文的研究結(jié)果仍具有科學(xué)參考價(jià)值。目前己經(jīng)提出的NPP估算模型和方法,各有其優(yōu)勢(shì)和不足,尚無統(tǒng)一的普適性方法。本文雖對(duì)CASA模型進(jìn)行了改進(jìn),但所采用模型中有些靜態(tài)參數(shù)是直接利用已有的研究成果,這些參數(shù)多是依賴于較小尺度的實(shí)驗(yàn)區(qū)或少數(shù)試驗(yàn)站的監(jiān)測(cè)數(shù)據(jù)測(cè)算得到的,直接將其利用到大區(qū)域上,必然會(huì)對(duì)估算結(jié)果產(chǎn)生影響。對(duì)于各種類型的區(qū)域、不同的尺度采用適合建模參數(shù)將是下一步研究的重點(diǎn)。此外,研究區(qū)氣象站點(diǎn)(尤其是太陽輻射站點(diǎn))較少且分布不均,雖然對(duì)氣象數(shù)據(jù)插值方法做了改進(jìn),但是還需發(fā)展更加有效和精確的插值方法以提高模型估算精度。

[1] Leith H, Wittaker R H. Primary Productivity of the Biosphere. New York: Springer Verlag, 1975.

[2] Michaletz S T, Cheng D L, Kerkhoff A J, Enquist B J. Convergence of terrestrial plant production across global climate gradients. Nature, 2014, 512(7512): 39- 53.

[3] Ponce-Campos G E, Susan Moran M, Huete A, Zhang Y G, Bresloff C, Huxman T E, Eamus D, Bosch D D, Buda A R, Gunter S A, Scalley T H, Kitchen S G, McClaran M P, Henry McNab W, Montoya D S, Morgan J A, Peters D P C, John Sadler E, Seyfried M S, Starks P J. Ecosystem resilience despite large-scale altered hydroclimatic conditions. Nature, 2013, 494(7437): 349- 352.

[4] Ebermayer E. Die bestandtheile der streumaterialien // Die gesammte Lehre der Waldstreu mit Rücksicht auf die chemische Statik des Waldbaues. Unter Zugrundlegung der in den K?nigl. Staatsforsten Bayerns angestellten Untersuchungen. GmbH Berlin Heidelberg: Springer-Verlag, 1876.

[5] 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.

[6] Schuur E A G, Bockheim J, Canadell J G, Euskirchen E, Field C B, Goryachkin S V, Hagemann S, Kuhry P, Lafleur P M, Lee H, Galina Mazhitova, Nelson F E, Rinke A, Romanovsky V E, Shiklomanov N, Tarnocai C, Venevsky S, Vogel J G, Zimov S A. Vulnerability of permafrost carbon to climate change: Implications for the global carbon cycle. BioScience, 2008, 58(8): 701- 714.

[7] Prince S D, Goward S N. Global primary production: A remote sensing approach. Journal of Biogeography, 1995, 22(4/5): 815- 835.

[8] 楊勇, 李蘭花, 王保林, 宋向陽, 劉愛軍, 王明玖. 基于改進(jìn)的casa模型模擬錫林郭勒草原植被凈初級(jí)生產(chǎn)力. 生態(tài)學(xué)雜志, 2015, 34(8): 2344- 2352.

[9] 戴爾阜, 李雙元, 吳卓, 閆浩文, 趙東升. 中國(guó)南方紅壤丘陵區(qū)植被凈初級(jí)生產(chǎn)力空間分布及其與氣候因子的關(guān)系——以江西省泰和縣為例. 地理研究, 2015, 34(7): 1222- 1234.

[10] 陳強(qiáng), 陳云浩, 王萌杰, 蔣衛(wèi)國(guó), 侯鵬, 李營(yíng). 2001- 2010年黃河流域生態(tài)系統(tǒng)植被凈第一性生產(chǎn)力變化及氣候因素驅(qū)動(dòng)分析. 應(yīng)用生態(tài)學(xué)報(bào), 2014, 25(10): 2811- 2818.

[11] 常跟應(yīng), 張文俠. 基于生態(tài)文明的疏勒河流域大規(guī)模移民反思. 蘭州大學(xué)學(xué)報(bào): 自然科學(xué)版, 2014, 50(3): 405- 509.

[12] Tans P P, Fung I Y, Takahashi T. Observational constraints on the global atmospheric CO2budget. Science, 1990, 247(4949): 1431- 1438.

[13] 周廣勝, 張新時(shí). 全球變化的中國(guó)氣候-植被分類研究. 植物學(xué)報(bào), 1996, 38(1): 8- 17.

[14] Boucher J, Quilliot D, Pradères J P, Simon M F, Grès S, Guigné C, Prévot D, Ferry G, Boutin J A, Carpéné C, Valet P, Saulnier-Blache J S. Potential involvement of adipocyte insulin resistance in obesity-associated up-regulation of adipocyte lysophospholipase D/autotaxin expression. Diabetologia, 2005, 48(3): 569- 577.

[15] 朱文泉, 潘耀忠, 龍中華, 陳云浩, 李京, 扈海波. 基于GIS和RS的區(qū)域陸地植被NPP估算——以中國(guó)內(nèi)蒙古為例. 遙感學(xué)報(bào), 2005, 9(3): 300- 307.

[16] Running SW, Thornton PE, Nemani R, Glassy J M. Global terrestrial gross and net primary productivity from the Earth Observing System // Sala O E, Jackson R B, Mooney H A, Howarth R W, eds. Methods in Ecosystem Science. New York: Springer Verlag, 2000: 44- 57.

[17] 尹鍇, 田亦陳, 袁超, 張飛飛, 苑全治, 花利忠. 基于CASA模型的北京植被NPP時(shí)空格局及其因子解釋. 國(guó)土資源遙感, 2015, 27(1): 133- 139.

[18] Stow D, Daeschner S, Hope A, Douglas D, Petersen A, Myneni R, Zhou L, Oechel W. Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s. International Journal of Remote Sensing, 2003, 24(5): 1111- 1117.

[19] 葉輝, 王軍邦, 黃玫, 齊述華. 青藏高原植被降水利用效率的空間格局及其對(duì)降水和氣溫的響應(yīng). 植物生態(tài)學(xué)報(bào), 2012, 36(12): 1237- 1247.

[20] Hurst H E. Long-term storage capacity of reservoirs. Trans of the American Society of Civil Engineers, 1951, 116: 770- 799.

[21] Liu C Y, Dong X F, Liu Y Y. Changes of NPP and their relationship to climate factors based on the transformation of different scales in Gansu, China. Catena, 2015, 125: 190- 199.

[22] Gill R A, Kelly R H, Parton W J, Day K A, Jackson R B, Morgan J A, Scurlock J M O, Tieszen L L, Castle J V, Ojima D S, Zhang X S. Using simple environmental variables to estimate below-ground productivity in grasslands. Global Ecology and Biogeography, 2002, 11(1): 79- 86.

[23] 張鐿鋰, 祁威, 周才平, 丁明軍, 劉林山, 高俊剛, 擺萬奇, 王兆鋒, 鄭度. 青藏高原高寒草地凈初級(jí)生產(chǎn)力(NPP)時(shí)空分異. 地理學(xué)報(bào), 2013, 68(9): 1197- 1211.

[24] 張娟, 田文婷, 頡耀文. 疏勒河流域NPP時(shí)空變化分析. 安徽農(nóng)業(yè)科學(xué), 2015, 43(25): 227- 230, 273- 273.

[25] 劉春雨, 董曉峰, 劉英英. 不同尺度視角下大敦煌NPP分布格局研究. 資源科學(xué), 2014, 36(2): 406- 512.

[26] 張杰, 張強(qiáng), 郭鈮, 孫冰. 荒漠草原牧草凈生產(chǎn)力的遙感估算及其可行性研究. 西北植物學(xué)報(bào), 2006, 26(11): 2324- 2330.

Spatio-temporal variation in vegetation net primary productivity and its relationship with climatic factors in the Shule River basin from 2001 to 2010

PAN Jinghu1,*, HUANG Kejun2, LI Zhen1

1CollegeofGeographicandEnvironmentalScience,NorthwestNormalUniversity,Lanzhou730070,China2FacultyofInformationEngineering,ChinaUniversityofGeosciences(Wuhan),Wuhan430074,China

Vegetation net primary productivity (NPP) is the solar energy fixed by vegetation during photosynthesis, which can be described as the net increase in biomass per unit time per unit area. The NPP, which plays an important part in the terrestrial carbon cycle, directly reflects the production capacity of terrestrial vegetation under natural conditions, and determines the ability of ecosystems to store carbon. The Shule River basin, located in northwest Gansu Province, is an important water source and ecological division within the Hexi Corridor. Increasing human populations and regional economic development have resulted in severe environmental problems within the study area, including natural disasters, vegetation degradation, and soil erosion. The study of NPP in the Shule River basin can provide a scientific basis not only for the prevention and control of natural disasters but also for the improvement of the ecological environment. This is important for local sustainable ecological development in the context of global climate change. The NPP in the Shule River basin was calculated using Moderate Resolution Imaging Spectroradiometer (MODIS) images, meteorological data, and vegetation type maps, along with an improved Carnegie-Ames-Stanford Approach (CASA) NPP model. The spatio-temporal characteristics of NPP in the Shule River basin were analyzed for the period 2001—2010, using linear trend analysis, the coefficient of variation, and the Hurst index. The relationship between NPP and climatic factors was investigated. The results showed that: (1) NPP in the Shule River basin had considerable regional differences. NPP gradually decreased from southeast to northwest in the Shule River basin, and presented a noticeable linear pattern in a longitudinal direction. The inter-annual variability showed overall growth from 2001 to 2010. The annual NPP value ranged from 99.97 to 127.2 gC m-2a-1, with the minimum value occurring in 2001 and the maximum in 2010. The average annual NPP was 125.08 gC m-2a-1over the period 2001—2010; (2) however, within this overall increase, the annual NPP across the Shule River basin varied from 2001 to 2010. Of the total area of the basin, 25.15% showed a significant increase in NPP, whereas 11.93% showed a significant decrease; (3) the Hurst index analysis indicated that the majority of changes in NPP followed the same direction; 78.3% of the entire study area was predicted to follow a continuously increasing trend, while 21.7% of the total area will decrease in future; and (4) there was a weak relationship between NPP and annual precipitation, and no significant relationship between NPP and average temperature at an annual scale, indicating that precipitation was the key influencing factor. However, at a monthly scale, temperature was the dominant climatic factor affecting NPP in the study region. Analysis of the relationships between NPP, precipitation, and temperature showed that correlations at an annual scale were lower than those at a monthly scale. Precipitation and temperature exerted a variety of influences on different parts of vegetation NPP. The relationship between NPP and climatic factors suggested that NPP displayed no obvious time lag or cumulative effect due to climatic factors.

net primary productivity (NPP); CASA model; temporal and spatial variation; MODIS; Shule River basin

國(guó)家自然科學(xué)基金項(xiàng)目(41361040)；甘肅省高?；究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目(2014-63)；甘肅省自然科學(xué)基金項(xiàng)目(1506RJZA117)

2015- 11- 01;

日期:2016- 08- 02

10.5846/stxb201511012207

*通訊作者Corresponding author.E-mail: panjh-nwnu@163.com

潘竟虎,黃克軍,李真.2001—2010年疏勒河流域植被凈初級(jí)生產(chǎn)力時(shí)空變化及其與氣候因子的關(guān)系.生態(tài)學(xué)報(bào),2017,37(6):1888- 1899.

Pan J H, Huang K J, Li Z.Spatio-temporal variation in vegetation net primary productivity and its relationship with climatic factors in the Shule River basin from 2001 to 2010.Acta Ecologica Sinica,2017,37(6):1888- 1899.