左麗媛，高江波

1.中國科學院地理科學與資源研究所/中國科學院陸地表層格局與模擬重點實驗室，北京 100101；2.中國科學院大學，北京 100049

植被凈第一性生產(chǎn)力（Net Primary Productivity，NPP）反映著植物固定和轉(zhuǎn)化光合作用產(chǎn)物的效率，決定了可供利用的物質(zhì)和能量，是陸地生態(tài)系統(tǒng)中物質(zhì)與能量運轉(zhuǎn)研究的重要環(huán)節(jié)（樸世龍等，2001）。NPP作為地表碳循環(huán)的重要組成部分，是判定生態(tài)系統(tǒng)碳匯和調(diào)節(jié)生態(tài)過程的主要因子，在全球變化及碳循環(huán)平衡中扮演著重要的角色（IGBP Terrestrial Carbon Working Group，1998；Pan et al.，2011）。雨熱同期、二元三維地質(zhì)構(gòu)造與大面積分布的碳酸鹽巖使得喀斯特地區(qū)形成獨特的碳循環(huán)和巨大的碳匯潛力，在區(qū)域和全球碳循環(huán)過程中發(fā)揮著重要的作用（王世杰等，2017；Thevs et al.，2013）。然而，喀斯特地區(qū)由于水土流失引起的土層淺薄、基巖裸露、土地生產(chǎn)力喪失和生態(tài)環(huán)境退化等現(xiàn)象致使該地區(qū)出現(xiàn)嚴峻的石漠化景觀（Yahdjian et al.，2015），植被生長環(huán)境相對惡劣，環(huán)境對植被生長的選擇性限制作用強（蘇維詞等，2000）。同時，脆弱的生態(tài)環(huán)境與強烈的人類活動相疊加使得當?shù)刂脖灰坏┢茐募措y以恢復，因此定量評估環(huán)境因子、人類活動及其耦合作用對喀斯特地區(qū) NPP的影響對石漠化的治理以及推進喀斯特生態(tài)系統(tǒng)的恢復尤為重要。

目前常見的 NPP估算方法包括站點實測以及模型估算兩類。長時間序列、區(qū)域以及全球的空間尺度使得大規(guī)模站點實測NPP不易實現(xiàn)，因此利用基于遙感數(shù)據(jù)的模型估算 NPP成為當前廣泛使用的研究方法（Fang et al.，2003）。同時，遙感數(shù)據(jù)時間序列長和覆蓋面廣的特點也使得區(qū)域及全球尺度NPP的動態(tài)變化分析成為可能。在眾多基于遙感數(shù)據(jù)估算NPP的模型中，CASA模型在區(qū)域以及全球的生產(chǎn)力估算中有著廣泛的應用（Crabtree et al.，2009），其遙感數(shù)據(jù)反演的可靠性以及植被最大光能利用率的準確估算是利用 CASA模型模擬 NPP的關鍵點。在研究內(nèi)容方面，目前針對喀斯特地區(qū)植被的研究主要集中于 3個方向，一是基于氣象觀測資料和遙感產(chǎn)品模擬植被凈第一性生產(chǎn)力并分析其季節(jié)和年際變化規(guī)律，如黃曉云等（2013）基于喀斯特地區(qū)衛(wèi)星遙感和地面氣象觀測資料分析氣候變化背景下中國南方喀斯特地區(qū) NPP的時空變化規(guī)律。二是研究土地利用變化或生態(tài)恢復對喀斯特地區(qū)植被碳儲量的影響，如Tong et al.（2018）研究了生態(tài)工程對中國西南喀斯特地區(qū)植被的大尺度積極效應。三是對比研究喀斯特地區(qū)和非喀斯特地區(qū)NPP的分布頻度和趨勢（王冰等，2007；董丹等，2011）。以上研究雖然針對喀斯特地區(qū)的特殊性對植被NPP進行分析，但較少考慮喀斯特地區(qū)類型多樣的地貌區(qū)之間植被NPP及其影響因子的異同性。

NPP與環(huán)境因子之間的關系一直是國內(nèi)外科學界普遍關注的問題之一（彭少麟等，2000），不同植被類型在不同環(huán)境條件下的 NPP直接反映了它們對外界環(huán)境的適應性。目前喀斯特地區(qū)對于NPP空間分布的影響因子研究大多采用相關或回歸統(tǒng)計方法，對于多因子交互作用的定量歸因研究相對較薄弱。地理探測器作為探測空間分異性并揭示其背后驅(qū)動因子的一種新的統(tǒng)計方法，它一方面可以揭示自變量對因變量空間分異的解釋力，另一方面也可以評估因子之間的相互作用是否會增強或減弱對因變量的解釋力（王勁峰等，2017）。因此本文在有效反演的高精度NDVI數(shù)據(jù)的基礎上準確估算喀斯特地區(qū)的植被NPP，在地貌形態(tài)類型區(qū)的框架下借助地理探測器方法開展喀斯特流域植被 NPP的主導因子識別以及多因子交互作用的定量歸因，以期理解環(huán)境因子在植被變化過程中的作用機制，為喀斯特地區(qū)的生態(tài)恢復和石漠化治理提供科學依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

三 岔河流域（ 26°06′— 27°00′N，104°54′—106°24′E）位于中國貴州省西北部，屬烏江南源一級支流（圖1）。三岔河全長325.6 km，流域覆蓋面積為4860 km2，屬于典型的亞熱帶季風氣候區(qū)。流域內(nèi)降水主要集中在每年的5—10月，多年平均年降水量范圍為1045—1326 mm。地勢自西北向東南逐漸降低，地貌形態(tài)復雜，多高山分布，山區(qū)面積占流域總面積的81.16%。三岔河流域?qū)儆诘湫偷目λ固胤鍏餐莸貐^(qū)，獨特的地質(zhì)背景、地上地下二元水文結(jié)構(gòu)導致地表土層薄且不連續(xù)，水文過程變化迅速，生態(tài)系統(tǒng)抵抗外界干擾能力低，自然環(huán)境脆弱（陳洪松等，2013）。脆弱的生態(tài)環(huán)境疊加強烈的人類活動使得地表土壤嚴重流失，基巖大面積裸露，土地喪失農(nóng)業(yè)利用價值，石漠化現(xiàn)象突出（Wang et al.，2004）。

圖1 研究區(qū)地理位置Fig.1 Location of the study area

1.2 數(shù)據(jù)來源

本文以2015年30 m分辨率的高精度NDVI數(shù)據(jù)為基礎數(shù)據(jù)，基礎數(shù)據(jù)的精度以及遙感影像反演的可靠性對模型的有效模擬以及 NPP積累量的精確計算至關重要。該數(shù)據(jù)以 Landsat 8 OLI（http://ids.ceode.ac.cn）HJ星以及 GF-1數(shù)據(jù)（http://www.cresda.com/CN）為數(shù)據(jù)源，經(jīng)過輻射定標、大氣校正、正射校正等預處理工作后，通過近紅外和紅光波段反射率線性組合的方式獲取NDVI，再經(jīng)過異常值處理、數(shù)據(jù)鑲嵌、目標區(qū)域裁剪、投影變換等后處理工作得到最終的數(shù)據(jù)產(chǎn)品。三岔河地區(qū)云覆蓋時間較多，因此，對于數(shù)據(jù)中的云、云影噪聲，采用當月多源、多時相數(shù)據(jù)重建的方法來保證高時間、高空間分辨率NDVI的提取精度。為保證數(shù)據(jù)產(chǎn)品在空間上和時間上的合理性，本文采用MOD13Q1植被指數(shù)產(chǎn)品數(shù)據(jù)成果進行宏觀對比驗證，結(jié)果顯示：從時間變化上來看，兩者的NDVI值均表現(xiàn)為逐漸升高并在7—8月達到較高值，而后開始降低，兩者的相關性分析結(jié)果為決定系數(shù)達到0.6，表明兩者具有較好的相關性；從空間分布圖來看，兩者的NDVI值空間分布趨勢相同，地物之間的區(qū)分較為一致。本文針對不同地貌形態(tài)類型區(qū)分析影響NPP的主導因子及因子間的交互作用，選取的因子有：海拔、坡度、降水、溫度、植被覆蓋度和土地利用類型，數(shù)據(jù)及來源詳見表1。為保證空間分辨率的一致性，所有數(shù)據(jù)重采樣為30 m。

1.3 研究方法

1.3.1 CASA模型

CASA模型是一個基于過程的遙感模型，它耦合了環(huán)境變量、遙感數(shù)據(jù)和植被生理參量，實現(xiàn)了植被NPP的時空動態(tài)模擬（馮險峰等，2004）。本文使用CASA模型，利用2015年高分辨率的遙感數(shù)據(jù)以月為間隔估算NPP，并將各月的累加值作為年 NPP的積累值，旨在明晰三岔河流域植被 NPP的空間分布。NPP的計算方法為：

表1 數(shù)據(jù)來源及概況Table 1 Data source and description

式中，NPPt、APARt和εt分別表示月份t的植被凈初級生產(chǎn)力（g·m-2·month-1）、植被吸收的光合有效輻射（g·m-2·month-1）和實際光能利用率（g·MJ-1），以上均以C計算。

植被吸收的光合有效輻射與太陽總輻射和植物自身的特征有關，可用式（2）計算。

式中，SOLt表示t月的太陽總輻射量（MJ·m-2·month-1）；FPARt表示植被對入射光合有效輻射的吸收分量；常數(shù)0.5為植被利用的太陽有效輻射占太陽總輻射的比例。

研究表明，F(xiàn)PAR與NDVI和比值植被指數(shù)（SR）有很好的線性關系（Ruimy et al.，1994；Potter et al.，1993），本文參考 Los（1998）的研究方法，取FPARNDVI與FPARSR的平均值作為FPAR的估算值。

式中，F(xiàn)PARNDVI,t和FPARNDVI,t分別表示月份t內(nèi)由 NDVI和 SR 估算的 FPARt；NDVImin和NDVImax分別對應某種植被類型的NDVI最小值和最大值；FPARmin=0.001，F(xiàn)PARmax=0.95；SR為比值植被指數(shù)，由NDVI決定。

實際光能利用率表示植物通過光合作用將所吸收的光合有效輻射轉(zhuǎn)化為有機碳的效率（樸世龍等，2001）。Potter et al.（1993）認為實際光能利用率主要受溫度和水分的影響，當溫度和水分達到理想條件時，植被具有最大光能利用率，其公式為：

式中，εt表示實際光能利用率（g·MJ-1，以 C 計），Tmax,t和Tmin,t分別表示高溫和低溫的脅迫系數(shù)，Wt為水分脅迫因子，εmax是理想條件下的最大光能利用率（g·MJ-1）。

Tmax,t和Tmin,t取決于植物生長的最適宜溫度Topt和該月的月平均溫度Tmean,t，植物生長的最適宜溫度Topt是指研究區(qū)域內(nèi)NDVI達到最大值時的當月平均溫度。Tmax,t和Tmin,t通過式（8）和式（9）求得。

水分脅迫因子Wt表示植物所能利用的有效水分對光能利用率的影響，通過式（10）計算得出。EVt為實際蒸散量（mm·month-1），根據(jù)周廣勝等（1996）建立的區(qū)域?qū)嶋H蒸散模型計算（式11）；PETt為潛在蒸散量（mm·month-1），通過標準 Penman-Monteith（P-M）公式（Allen et al.，1998）求得。

式中，Pt為t月的降水量（mm），Rnt為t月的地表凈輻射（MJ·m-1·d-1）。

最大光能利用率εmax的取值在很大程度上會影響NPP的估算，不同植被類型的最大光能利用率不同。本文參考董丹等（2011）對西南喀斯特地區(qū)植被類型最大光能利用率的改進，確定了三岔河流域各種植被類型的εmax值。

1.3.2 地理探測器

地理探測器是探測要素的空間分異性并揭示其背后驅(qū)動力的統(tǒng)計學工具（王勁峰等，2017）。該假設認為：如果某個自變量對某個因變量有重要影響，那么自變量和因變量的空間分布應該具有相似性，其解釋力用q值度量（Wang et al.，2010）。地理探測器包括4個模塊，分別是：分異及因子探測、交互作用探測、生態(tài)探測和風險區(qū)探測。本文聚焦于三岔河流域的年積累植被NPP，以海拔、坡度、降水、溫度、植被覆蓋度和土地利用類型為自變量，NPP為因變量運行地理探測器。分異及因子探測器用以識別影響NPP空間分布的主導因子，交互作用探測器在計算和比較各單因子q值及兩因子疊加后q值的基礎上，判斷因子兩兩之間是否存在交互作用以及交互作用的強弱、方向、線性還是非線性等關系（王勁峰等，2017）；生態(tài)探測器可以比較影響因子對NPP空間分布的影響是否有顯著差異；風險探測器可以判斷影響因子的層間NPP量是否有顯著差別并識別NPP的高風險區(qū)域。q統(tǒng)計的公式如下：

式中，h=1, 2…,L為因變量（Y）和自變量（X）的分層；Nh和N分別為層h內(nèi)和區(qū)域內(nèi)的單元數(shù)；是層h和全區(qū)的Y值的方差。SSW和SST分別為層內(nèi)方差之和和全區(qū)總方差。地理探測器q統(tǒng)計量的值域為[0, 1]，q值越大說明因變量的空間分異性越明顯，各項環(huán)境因子對NPP的解釋力越強。

地理探測器要求輸入的自變量為類型量，因此土地利用類型與地貌形態(tài)類型均按照類別分類，而對于自變量為數(shù)值量的其他影響因子，則需要進行離散化處理。本文根據(jù)王勁峰等（2017）提出的數(shù)據(jù)離散化方法以及先驗知識，將海拔、降水和溫度按照自然斷點分類法分成9類，坡度按照＜5°、5°—10°、10°—15°、15°—20°、20°—25°、25°—30°、30°—35°、＞35°分為 8 類，植被覆蓋度按照＜0.3、0.3—0.4、0.4—0.5、0.5—0.6、0.6—0.7、0.7—0.8、0.8—0.9、0.9—1分為 8類。對于不同的地貌形態(tài)類型區(qū)，本文中所有的影響因子均采取一致的分層方法，以確保不同地貌區(qū)之間的結(jié)果具有可比性。

2 結(jié)果及分析

2.1 植被NPP空間分布特征與主導影響因子探測

三岔河流域2015年植被NPP的空間分布如圖2所示，年植被累積NPP總量為C 0—867.97 g·m-2，均值為C 443.42g·m-2。這一結(jié)果與張明陽等（2014）在桂西北西部喀斯特地區(qū)運用 CASA模型模擬的NPP結(jié)果（C 422.73 g·m-2）較為一致；與王冰等（2007）在貴州省運用光合作用與呼吸作用相分離的模型計算得出的喀斯特地區(qū) NPP值（C 407.00 g·m-2）較為相近，證明本文的模擬結(jié)果具有較高的可靠性。經(jīng)過與中國科學院資源環(huán)境科學數(shù)據(jù)中心發(fā)布的基于光能利用率模型 GLM_PEM 計算的2010 年三岔河流域的植被 NPP（C 0—1313.1 g·m-2，均值為C 316.65 g·m-2）比對，本文的數(shù)值范圍與均值與其基本相似，同時也符合天然林保護工程、退耕還林、還草工程等生態(tài)工程實施背景下植被逐年增多的趨勢。三岔河流域的植被NPP總量在空間格局上呈現(xiàn)出明顯的分異特征，其高值區(qū)主要分布在流域的西北部，低值區(qū)主要分布在東南部。主要原因為流域西北部的主要植被類型為林地，林地的最大光能利用率較高，加之流域西北部的降水條件較好，因而植被累積NPP總量較高；流域的東南部分布有大面積的草地，最大光能利用率較低、降水量較少，所以NPP累積量較少。運用地理探測器對三岔河流域2015年植被NPP的主導影響因子進行探測，結(jié)果如表2所示，植被覆蓋度是影響植被NPP空間分布的主導因子，其解釋力高達75.9%；土地利用類型對NPP的解釋力次之，其q值為0.167；其他影響因子對 NPP空間分布的解釋力大小表現(xiàn)為q值的排序，具體為溫度＞海拔＞坡度＞降水。交互作用探測器的結(jié)果顯示，雙因子的交互作用有助于增強對植被NPP的解釋力，任意兩個影響因子的交互均表現(xiàn)為非線性增強。植被覆蓋度與其他因子的交互作用均顯著高于其他因子的兩兩交互，其中，植被覆蓋度與溫度的交互對植被NPP的影響最為顯著，其q值為0.778。生態(tài)探測器的結(jié)果顯示在三岔河流域尺度內(nèi)，植被覆蓋度、坡度和降水對植被NPP空間分布的影響顯著區(qū)別于其他因子。

圖2 2015年三岔河流域植被NPP空間分布Fig.2 The spatial distribution of NPP in the Sancha River Basin in 2015

2.2 不同地貌形態(tài)類型區(qū)植被NPP主導因子研究

分異及因子探測器的運行結(jié)果表明，不同地貌形態(tài)類型區(qū)內(nèi)的同一因子以及同一地貌形態(tài)類型區(qū)內(nèi)的不同因子對 NPP空間分布的影響及其解釋力有顯著差異（表3）。在各個地貌形態(tài)類型區(qū)中，植被覆蓋度仍是影響NPP空間分布的主導因子，其解釋力均大于71%。土地利用類型在中海拔平原和中海拔臺地等相對平緩的地區(qū)對 NPP的解釋力達20%以上，該值是山地丘陵等地勢起伏較大地區(qū)q值的近兩倍。海拔因子對NPP的影響在山地地區(qū)更為顯著，具體表現(xiàn)為小起伏中山和中起伏中山地區(qū)的q值較大，分別為0.140和0.166，而在其余3種地貌形態(tài)類型區(qū)內(nèi)其解釋力均不足10%。溫度因子對NPP的解釋力在中海拔平原、小起伏中山和中起伏中山地區(qū)較大，其解釋力在10%—18%的范圍內(nèi)，而在中海拔臺地和中海拔丘陵地區(qū)，其q值約是上述三類地貌形態(tài)類型區(qū)q值的 1/5。坡度和降水因子對植被 NPP的解釋力在不同地貌形態(tài)類型區(qū)中表現(xiàn)出明顯的差異性，但其值均較小。在同一地貌形態(tài)類型區(qū)內(nèi)，植被NPP的空間分布對不同環(huán)境因子的響應有所差異，具體表現(xiàn)為各個影響因子的q值在同一地貌形態(tài)類型區(qū)內(nèi)的排序，如在中海拔平原、中海拔臺地和中海拔丘陵地區(qū)，土地利用類型是影響植被NPP空間分布的第二大主導因子；而在小起伏中山地區(qū)，海拔因子對NPP的解釋力僅次于植被覆蓋度，排在其后的是土地利用類型、溫度、坡度和降水因子；在中起伏中山地區(qū)，溫度是影響NPP的第二大主導因子，再則是土地利用類型，但二者的q值相差不大。

2.3 不同地貌形態(tài)類型區(qū)植被NPP影響因子交互作用研究

交互作用探測器的運行結(jié)果表明，在5種地貌形態(tài)類型區(qū)中，因子之間的兩兩交互作用均能增強對植被NPP空間分布的解釋力，且其交互均表現(xiàn)為非線性增強。本文統(tǒng)計分析了解釋力排在前3位的交互作用方式，其結(jié)果如表4所示。在各個地貌形態(tài)類型區(qū)中，解釋力排在前3位的主導交互作用方式均為植被覆蓋度因子與另一影響因子的協(xié)同作用，如與溫度、海拔、降水、坡度和土地利用類型之間的交互。通過對比不同地貌形態(tài)類型區(qū)3組主導交互作用的q值，發(fā)現(xiàn)3組交互作用q值大小的排序均為：中海拔臺地＞中海拔平原＞中起伏中山＞中海拔丘陵＞小起伏中山，說明雖然環(huán)境因子對植被 NPP有不同程度的影響，但是地貌形態(tài)類型對NPP空間分布的宏觀控制作用更為顯著。在同一地貌形態(tài)類型區(qū)中，3組主導交互作用的q值均達70%以上，但彼此之間的差異較小。

表2 植被NPP影響因子q值統(tǒng)計Table 2 The q values of factors influencing NPP

表3 不同地貌形態(tài)類型區(qū)植被NPP影響因子q值統(tǒng)計Table 3 The q values of influencing factors in different morphological types of geomorphology

表4 不同地貌形態(tài)類型區(qū)植被NPP影響因子交互作用探測Table 4 The dominant interactions between two influencing factors in different morphological types of geomorphology

2.4 植被 NPP高風險區(qū)域識別及影響因子層間NPP量差異性判斷

風險探測器可以探測植被 NPP的空間分布特征，識別植被NPP的高風險區(qū)域（置信水平為95%）（表5）。在5個地貌形態(tài)類型區(qū)內(nèi)，植被覆蓋度＜0.3的區(qū)域以及坡度＜5°的區(qū)域均為 NPP的高風險區(qū)域，但不同地貌形態(tài)類型區(qū)內(nèi)平均NPP累積量有顯著差異；在各類土地利用類型中，水域和建設用地的NPP累積量最少，其他土地利用類型均有植被覆蓋；中海拔臺地地區(qū)海拔1400 m左右為NPP的高風險區(qū)域，其余四類地貌形態(tài)中NPP的高風險區(qū)均為海拔較低的地區(qū)。溫度和降水與植被NPP的空間分布不具備顯著的正向或負向相關關系，但年平均溫度最高的地區(qū)以及年降水量較少的地區(qū)是 NPP的高風險區(qū)域。風險探測器可以判斷影響因子層間植被NPP量的差異性，表6統(tǒng)計了有顯著差異的分層組合數(shù)的百分比。植被覆蓋度在不同地貌形態(tài)類型中的層間差異最大，顯著性百分比均為100%；中海拔平原和中海拔臺地等較平緩的地區(qū)主要為作物種植區(qū)，土地利用類型單一，層間差異較小，而在山地丘陵地區(qū)，土地利用類型多樣，層間差異較大；海拔和坡度的層間差異在中海拔平原和中海拔臺地等平均海拔、平均坡度較小的地區(qū)遠小于中海拔丘陵、小起伏中山、中起伏中山等平均海拔、平均坡度較大的地區(qū)；溫度在中海拔平原和中海拔臺地地區(qū)的層間差異達到100%，隨著海拔的升高，溫度逐漸降低，層間差異的顯著性逐漸降低。

3 討論

高分辨率 NDVI數(shù)據(jù)的有效反演及使用使CASA模型的基礎數(shù)據(jù)在空間尺度上達到一致，消除了低分辨率可能導致的粗糙度?？λ固氐貐^(qū)特殊的碳酸鹽巖基質(zhì)使得當?shù)爻霈F(xiàn)土壤頂級植被類型——常綠落葉闊葉混交林，與亞熱帶典型的常綠闊葉林氣候頂級有很大區(qū)別（朱守謙，1993）。如果采用全球統(tǒng)一的最大光能利用率或是朱文泉等（2006）對全國植被光能利用率的模擬值計算喀斯特地區(qū)的植被NPP，結(jié)果可能產(chǎn)生偏差。因此，本文在考慮喀斯特區(qū)域因素的基礎上準確匹配了喀斯特地區(qū)植被類型與其相應的最大光能利用率值，提高了CASA模型在喀斯特地區(qū)模擬的精度。

表5 不同地貌形態(tài)類型植被NPP高風險區(qū)域及其平均值(by C)/(g·m-2)Table 5 High risk areas of NPP and its mean value (by C)/(g·m-2) in different morphological types of geomorphology

表6 各影響因子中有顯著差異的分層組合數(shù)的百分比Table 6 The percentage of stratification combinations with significant difference in each influencing factor %

植被覆蓋度對 NPP的解釋力在流域尺度以及各地貌形態(tài)類型區(qū)內(nèi)均為最大值，其原因包括兩點：一是植被覆蓋度反映了光合面積的大小和植被生長的旺盛程度（穆少杰，2012），植被覆蓋度的高值區(qū)域植被生長較好，長勢較好的植物固定和轉(zhuǎn)化光合作用產(chǎn)物的效率較高，即NPP累積量較高，因此二者之間存在密切聯(lián)系；二是本文所使用的植被覆蓋度是采用Gutman et al.（1998）提出的模型通過NDVI數(shù)據(jù)計算得出，同時，NDVI又是CASA模型中計算NPP的基礎因子，因此二者之間存在一定程度的聯(lián)系。溫度對植被累積NPP的影響是綜合的，一方面，溫度可以直接影響土壤溫度和空氣溫度，從而影響植物的水肥吸收和傳輸；另一方面，溫度可以通過影響光合作用、呼吸作用、蒸騰作用等影響植被有機物的合成及代謝過程（康紅梅等，2020）。由此，植被覆蓋度與溫度的協(xié)同作用對植被NPP的解釋力達到最高。地貌形態(tài)類型從宏觀上控制著地表過程的發(fā)生和發(fā)展（劉燕華，2007），植被累積NPP作為地表過程的一種，其空間特征和主導影響因子在不同地貌形態(tài)類型區(qū)內(nèi)差異顯著。如土地利用類型對 NPP的解釋力在中海拔平原和中海拔臺地等相對平緩的地區(qū)是山地丘陵等地勢起伏較大地區(qū)解釋力的近兩倍，這可能是因為在地勢起伏度較大的地區(qū)，地形復雜、氣候差異明顯、生態(tài)脆弱，植被NPP的影響因素更為復雜。海拔因子對NPP的影響在山地地區(qū)更為顯著，原因為山地地區(qū)內(nèi)部相對高差較大，隨著海拔的升高，植被的垂直分異性更加明顯。在中海拔平原、中海拔臺地和中海拔丘陵地區(qū)，土地利用類型是影響植被NPP空間分布的第二大主導因子，可能原因是地勢起伏較小的地區(qū)受人類活動影響較大，土地利用方式以及作物種植類型對 NPP的影響較大；在中起伏中山地區(qū)，溫度是影響NPP的第二大主導因子，原因為隨著海拔的升高溫度逐漸降低，此時溫度是制約植被正常生長的主要原因。

自然因素是生態(tài)系統(tǒng)和地理單元的基本組成要素，是生態(tài)系統(tǒng)時空分布的基礎（趙文武等，2018）。但是，各種自然因子對生態(tài)系統(tǒng)服務的影響并不是單獨起作用，而是兩個或多個因子的共同作用。交互作用探測器的結(jié)果表明因子之間的兩兩交互作用均能增強對植被NPP空間分布的解釋力。在各個地貌形態(tài)類型區(qū)中，解釋力排在前3位的主導交互作用方式均為植被覆蓋度因子與另一影響因子的協(xié)同作用，且不同的組合方式之間差異明顯。同時，植被覆蓋度與其他因子的交互作用結(jié)果說明，喀斯特地區(qū)植被累積NPP的提高在考慮植被覆蓋度的同時也要結(jié)合海拔、坡度等地形因子和土地利用變化等人為影響因素。在喀斯特地區(qū)未來的發(fā)展過程中，應加大對林地、草地的保護措施，提高植被覆蓋度，考慮土地利用變化對植被 NPP的影響，合理配置耕地、林地和草地的空間布局。同時，也應考慮多種環(huán)境因子之間的交互作用，從多視角、多維度探究環(huán)境因子對植被NPP的影響，以期為喀斯特石漠化的治理工作提供參考依據(jù)。

CASA模型是基于植被的生理過程而建立的植被NPP機理模型，在大尺度植被NPP模擬和全球碳循環(huán)研究中得到普遍認可。本文通過采用高分辨率NDVI數(shù)據(jù)以及改進植被最大光能利用率參數(shù)，提高了CASA模型在喀斯特流域的模擬精度，模擬結(jié)果經(jīng)過對比驗證，較為可信。但是，缺乏與遙感數(shù)據(jù)空間分辨率相匹配的大空間尺度的地面實測數(shù)據(jù)仍是模型驗證的不確定性因素之一。同時，本文定量分析了 2015年三岔河流域整體以及不同地貌形態(tài)類型區(qū)內(nèi)環(huán)境因子對植被 NPP空間分布的解釋力，識別了影響NPP空間分布的主導因子、因子間的交互作用、NPP的高風險區(qū)域以及影響因子層間NPP量的差異性，但今后應當進行多個時間節(jié)點或長時間尺度內(nèi)喀斯特植被累積 NPP的定量歸因研究，分析環(huán)境因子對NPP空間分布的解釋力隨時間的變化，消除溫度、降水等氣候因子的年際突變對NPP的影響。

4 結(jié)論

本文使用 CASA模型，基于高精度 NDVI數(shù)據(jù)，參考針對喀斯特地區(qū)改進的植被最大光能利用率對三岔河流域2015年的植被NPP進行模擬。在有效模擬的基礎上，應用地理探測器方法識別三岔河流域植被 NPP在不同地貌形態(tài)類型區(qū)內(nèi)的主導影響因子以及因子間的交互作用，識別植被NPP的高風險區(qū)域及影響因子層間NPP量的差異性。主要結(jié)論如下：

（1）2015年三岔河流域的年植被NPP均值為C 443.42 g·m-2，空間分布呈現(xiàn)西北高、東南低的特征。地理探測器中交互作用探測器的結(jié)果顯示植被覆蓋度與溫度是植被 NPP空間分布的顯著控制因子，其q值為0.778。

（2）地貌形態(tài)及其內(nèi)部特征對植被NPP的空間分布以及環(huán)境因子對 NPP的解釋力具有宏觀控制作用。土地利用類型、海拔、坡度、溫度等因子對植被 NPP空間分布的解釋力以及不同地貌形態(tài)類型區(qū)內(nèi)因子的層間差異均隨地貌特征的變化而表現(xiàn)出不同程度的差異性。

（3）因子之間的兩兩交互作用均能增強對植被NPP空間分布的解釋力。在不同地貌形態(tài)類型區(qū)中，3組主導交互作用q值大小的排序均為：中海拔臺地＞中海拔平原＞中起伏中山＞中海拔丘陵＞小起伏中山。