張 筠, 張春華, *, 張安定, 方美紅, 吳孟泉, 林 哲, 張奕昂, 宋曉林

1 魯東大學(xué)資源與環(huán)境工程學(xué)院, 煙臺 264025 2 南京大學(xué)國際地球系統(tǒng)科學(xué)研究所, 南京 210023 3 中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所, 長春 130012

植被是陸地生態(tài)系統(tǒng)的主體,在調(diào)節(jié)全球氣候、碳平衡等方面有著不可替代的作用,增加陸地植被碳匯已成為人類應(yīng)對氣候變化的必要戰(zhàn)略選擇[1- 2]。植被凈初級生產(chǎn)力(Net Primary Productivity, NPP)是指綠色植物在單位時間和單位面積上由光合作用所產(chǎn)生的有機干物質(zhì)總量中扣除自養(yǎng)呼吸后的剩余部分[3- 4]。作為陸地生態(tài)過程的關(guān)鍵參數(shù),NPP不僅可以反映氣候變化(氣溫、降水、輻射等)與人類活動(土地利用/覆蓋、水土保持、植被建設(shè)等)對陸地植被綜合作用的結(jié)果[3,5],也是判定生態(tài)系統(tǒng)碳收支、健康狀況和可持續(xù)發(fā)展的重要指標(biāo)[6- 7]。目前,水熱波動(包括氣溫和降水)和土地覆蓋變化被廣泛認為是造成植被NPP變異的最主要驅(qū)動力[1,8]。隨著陸地碳循環(huán)研究的不斷深入,植被NPP估算及其與水熱波動和土地覆蓋變化的響應(yīng)關(guān)系已成為當(dāng)前國際生態(tài)學(xué)和全球變化研究的重要內(nèi)容和熱點[6,9- 11]。

近年來,國內(nèi)外學(xué)者在植被NPP估算方法、時空變異及影響機制等方面都取得了顯著的進展[10- 14],在全球[13,15]、國家[16- 18]、生態(tài)環(huán)境敏感區(qū)或脆弱區(qū)[13- 16]等不同尺度上探討了NPP時空動態(tài)變化及其影響因素。遙感數(shù)據(jù)具有時間序列長、覆蓋范圍廣等特點,從而使基于遙感數(shù)據(jù)驅(qū)動的生態(tài)系統(tǒng)過程模型成為全球植被NPP時空特征及其驅(qū)動機制研究的重要手段。MODIS數(shù)據(jù)因其較高的時間分辨率及獲取成本低廉性,使其成為目前區(qū)域植被NPP模擬估算的主要遙感數(shù)據(jù)源之一[17- 18]。MOD17A3是利用MODIS遙感參數(shù),參考BIOME-BGC生態(tài)過程模型與光能利用率模型建立的全球陸地植被NPP[19],該數(shù)據(jù)產(chǎn)品已在全球和區(qū)域碳循環(huán)研究中得到廣泛驗證和應(yīng)用[6,20- 22]。國內(nèi)學(xué)者使用MOD17A3數(shù)據(jù)對我國許多地區(qū)植被NPP進行研究[23- 27],均不同程度地驗證了水熱波動和土地覆蓋變化對NPP的影響,但植被NPP對這些因子的響應(yīng)特征表現(xiàn)出較大的空間異質(zhì)性。如降水和城市化是安徽省植被NPP變化的主要原因[23]；秦巴地區(qū)植被NPP與氣溫和降水呈正相關(guān),人類活動對NPP具有雙重擾動作用[24]；城市加速擴張是黃河流域植被NPP損失的主要驅(qū)動力[25]；植樹造林是陜西省植被NPP增加的主導(dǎo)因素[26]；溫暖干燥氣候和生態(tài)環(huán)境破壞是導(dǎo)致青藏高原地區(qū)植被NPP下降的主要原因[27]。這些研究提高了對我國特定區(qū)域植被NPP的理解和認識,但是不同區(qū)域、不同時期水熱波動和土地覆蓋變化均有各自的特殊性,而且以往研究主要關(guān)注植被NPP對單一因子的響應(yīng),很少同時考慮水熱波動和土地覆蓋變化對植被NPP的影響。

東北地區(qū)是我國重要的商品糧基地,地處針闊葉混交林與北方針葉林的過渡區(qū),是受氣候變化影響最顯著的地區(qū)之一[28]。該區(qū)植被是北半球中高緯度植被的重要組成部分,在區(qū)域甚至全球碳循環(huán)中發(fā)揮著關(guān)鍵作用。隨著社會經(jīng)濟的發(fā)展,人類對土地資源的開發(fā)利用不斷加強,造成土地覆被結(jié)構(gòu)改變和功能退化,生態(tài)環(huán)境問題日益嚴重。近年來,已有諸多學(xué)者對東北地區(qū)植被NPP及其影響機制進行研究,如溫度上升是導(dǎo)致東北地區(qū)植被NPP增加的主控因子[29]；氣溫、降水和土地覆蓋變化是影響植被NPP時空格局的重要因素[30]；東北地區(qū)植被NPP差異受溫度、降水等因素的共同影響[31]。由于植被NPP對不同驅(qū)動因子的響應(yīng)并不是簡單的線性“驅(qū)動-響應(yīng)”關(guān)系,其中存在著復(fù)雜的多尺度(包括時間和空間)相互作用過程和響應(yīng)特征[32]。然而,以往大多研究僅考慮水熱波動或者土地覆蓋變化對東北地區(qū)植被NPP的單一影響,未能綜合定量兩者對植被NPP變化的相對貢獻,從而很難闡明東北地區(qū)植被NPP變化的響應(yīng)機制。本研究擬利用美國國家航空航天局(NASA)2016年發(fā)布的MODIS MOD17A3遙感數(shù)據(jù),對2000—2015年東北地區(qū)植被NPP時空動態(tài)變化及其對水熱波動和土地覆蓋變化的響應(yīng)進行定量分析,研究16年間該地區(qū)植被NPP的時空分布特征,以及水熱波動和土地覆蓋變化對NPP的相對影響。研究成果有望為東北地區(qū)生態(tài)系統(tǒng)健康評估、生態(tài)環(huán)境保護等提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

東北地區(qū)位于亞歐大陸的東側(cè),中國的東北部,地處東經(jīng)115°52′—135°09′和北緯38°72′—53°55′之間,行政區(qū)劃上包括黑龍江、吉林、遼寧三省以及內(nèi)蒙古呼倫貝爾市、通遼市、赤峰市和興安盟,區(qū)域土地面積約144×105km2[33]。東北地區(qū)屬溫帶季風(fēng)氣候,年平均氣溫-4—11℃,年降水量東部地區(qū)為400—700 mm,西部僅為250—400 mm。區(qū)域地貌分為西部的大興安嶺、東北部的小興安嶺、東南部的長白山系、西南部的科爾沁沙地和中部的松嫩平原。地形以山地和平原為主,其中山地占區(qū)域總面積的35.8%、平原占29.0%、丘陵占26.9%、高原占8.3%。土壤多為棕色針葉林土、暗棕壤、黑土。植被類型以寒溫帶落葉針葉林、溫帶針闊混交林、溫帶森林草原、草原草甸為主。東北地區(qū)橫跨暖溫帶、溫帶和寒溫帶,自東向西呈現(xiàn)出濕潤、半濕潤和半干旱的濕度分異,具有典型的植被分布格局,成為全球變化研究的重要區(qū)域。

1.2 數(shù)據(jù)來源與處理

1.2.1NPP數(shù)據(jù)

本研究所用的2000—2015年MOD17A3 NPP數(shù)據(jù)來源于美國NASA EOS/MODIS網(wǎng)站(http://www.ntsg.umt.edu/project/mod17),空間分辨率為1 km×1 km,時間分辨率是1年。該數(shù)據(jù)是利用衛(wèi)星獲得的土地覆蓋、部分光合有效輻射(FPAR)和葉面積指數(shù)(LAI)驅(qū)動Biome-BGC生態(tài)過程模型,模擬獲得的全球陸地植被NPP。MOD17A3產(chǎn)品提供有NPP及其相應(yīng)年份的質(zhì)量控制數(shù)據(jù)(NPP_QC),根據(jù)NPP_QC數(shù)據(jù)節(jié)點值大小(0、32、64和128)可將NPP數(shù)據(jù)的可信度劃分為四個等級：高(0≤NPP_QC<32)、中(32≤NPP_QC<64)、低(64≤NPP_QC<128)和反演失敗(NPP_QC≥128),用于表示NPP產(chǎn)品的質(zhì)量可靠性。根據(jù)2000—2015年NPP_QC數(shù)據(jù)進行統(tǒng)計分析,近16年東北地區(qū)NPP數(shù)據(jù)質(zhì)量中、高等級多年平均可信度達到97.6%,表明NPP數(shù)據(jù)在該地區(qū)用于相關(guān)研究具有較高可靠性(表1)。

1.2.2土地覆蓋數(shù)據(jù)

土地覆蓋數(shù)據(jù)來自NASA MODIS網(wǎng)站(https://modis.gsfc.nasa.gov/)2001—2015年的MCD12Q1產(chǎn)品,空間分辨率為500 m,時間分辨率是1年。利用MRT軟件對原始數(shù)據(jù)進行格式轉(zhuǎn)換、拼接、投影和重采樣,使其與MOD17A3數(shù)據(jù)的坐標(biāo)體系(WGS84/Albers投影)和分辨率(1 km)保持一致。本研究選擇通用于土地覆蓋類型的IGBP分類方案數(shù)據(jù),該方法將土地覆蓋類型劃分為17種(分別用代碼0—16表示),包括11個自然植被類型、3個土地利用和土地鑲嵌、3個無植生土地類型。本研究將17種地類重新合并為7種,即：森林、灌木、草地、耕地、水體、居民地、裸地。由于缺少2000年MCD12Q1土地覆蓋數(shù)據(jù),本研究采用鄰近年份2001年的數(shù)據(jù)代替。

1.2.3水熱因子數(shù)據(jù)

本研究水熱因子數(shù)據(jù)來源于國家氣象信息中心(http://data.cma.cn/),選取東北地區(qū)136個地面氣象站的月平均氣溫、月總降水量資料,時間為2000—2015年。對于缺失站點的氣溫和降水?dāng)?shù)據(jù),根據(jù)鄰近觀測站的實際資料進行插補延長,以保證數(shù)據(jù)的完整性?？紤]到研究區(qū)氣象站點較少,為了提高水熱因子數(shù)據(jù)的準(zhǔn)確性,在ArcGIS環(huán)境下,采用Kriging插值方法實現(xiàn)對氣溫和降水?dāng)?shù)據(jù)的空間化,獲取空間分辨率與NPP數(shù)據(jù)一致、投影相同的水熱因子?xùn)鸥駡D。

1.3 研究方法

1.3.1NPP精度檢驗

本研究MOD17A3 NPP產(chǎn)品的精度驗證數(shù)據(jù)來自于文獻調(diào)研資料,所用驗證方法有兩種：一是從像元尺度上將NPP值與實測值進行比較；二是在區(qū)域尺度上將NPP值與他人在相同區(qū)域計算的結(jié)果進行比較。東北地區(qū)典型的植被類型包括森林和農(nóng)田,由于該地區(qū)草地和灌木等實測NPP數(shù)據(jù)較少,加之農(nóng)田明顯的季節(jié)性特征,本文NPP產(chǎn)品像元尺度上的驗證,僅考慮森林植被類型。森林實測NPP值分別是Wang等[34]和Zhao和Zhou[35]對中國地區(qū)森林生產(chǎn)力的研究結(jié)果,包括落葉松、冷杉、油松等東北地區(qū)典型森林樹種(附錄1)。

1.3.2NPP時空變化趨勢分析

在ENVI IDL工具支持下,利用一元線性回歸方法分析2000—2015年東北地區(qū)每個柵格植被NPP的變化趨勢：

(1)

式中,θslope為趨勢線斜率,即NPP的年際變化速率,單位為g C m-2a-1；NPPi是第i年的NPP值,單位為g C m-2a-1；i為年變量；n為監(jiān)測年數(shù)(n=16)。當(dāng)θslope> 0時,表示植被NPP呈增加趨勢；反之則減少。

1.3.3NPP與水熱因子的相關(guān)性

根據(jù)估算得到的東北地區(qū)每個柵格像元的NPP值,以及空間化的水熱因子要素,選取Pearson系數(shù)來描述每個像元的NPP與氣溫、降水之間的關(guān)系：

(2)

式中,Rxy為變量x、y之間的Pearson相關(guān)系數(shù)；xi表示第i年的NPP值；yi表示第i年的氣溫或降水；xp、yp分別表示2000—2015年東北地區(qū)年均NPP值及相應(yīng)的氣溫、降水值；i為年變量；n為監(jiān)測年數(shù)(n=16)。

1.3.4水熱波動和土地覆蓋變化對植被NPP的貢獻

本研究利用Hicke等[36]提出的貢獻率方法,定量分離水熱波動和土地覆蓋變化對植被NPP變化的影響,時間段界定為2000—2005年、2005—2010年和2010—2015年。在每個研究時間段,水熱波動對植被NPP的相對貢獻(Rht)表示為實際NPP與水熱不變條件下估算的NPP之間的差異；土地覆蓋(森林、灌木、草地和農(nóng)田)變化對植被NPP的相對貢獻(Rlc)表示為實際NPP與土地覆蓋不變條件下估算的NPP之間的差異。各因子的相對貢獻率可由下式表達：

(3)

(4)

式中,S1為某一段時間初始時的土地覆蓋類型的面積；ΔS為某一段時間不同土地覆蓋類型面積的變化量；NPP1為某一段時間初始時的NPP值；ΔNPP為某一段土地覆蓋類型的NPP變化量；ΔNPP×S1為水熱波動對東北地區(qū)NPP總量的影響量；ΔS×NPP1為土地覆蓋變化對東北地區(qū)NPP總量的影響量。

2 結(jié)果與分析

2.1 MOD17A3 NPP估算結(jié)果驗證

圖1是東北地區(qū)MOD17A3產(chǎn)品的森林NPP估算結(jié)果與Wang等[34]和Zhao和Zhou[35]研究的結(jié)果對比圖。在像元尺度上,本研究NPP估算結(jié)果與文獻獲取樣地實測的NPP值存在顯著的線性關(guān)系(P<0.01),與1∶1線較為接近,但是MOD17A3 NPP產(chǎn)品存在著低值高估、高值低估的現(xiàn)象。因為在實際生產(chǎn)力水平較低的區(qū)域,MOD17A3產(chǎn)品模型中輸入的FPAR值偏高導(dǎo)致該區(qū)域中NPP值被高估。相反,由于MOD17A3產(chǎn)品模型中輸入的光能利用率偏低,實際生產(chǎn)力水平較高地區(qū)的NPP值則被低估[37]。

圖1 東北地區(qū)MOD17A3 NPP值與地面實測值的比較 Fig.1 Comparison of MOD17A3 NPP with field observation in Northeast China

在區(qū)域尺度上,由于所用數(shù)據(jù)、方法等不同,東北地區(qū)植被NPP估算值存在較大差距(表2)。本文估算的2000—2015年東北地區(qū)植被NPP均值為412.10 g C m-2a-1,與趙國帥等[41]的研究結(jié)果接近,略低于薛梅等[29]、王彥穎[38]的結(jié)果,高于程春曉等[40]的結(jié)果。造成上述差異的原因主要與不同研究的數(shù)據(jù)、方法,以及研究時間和空間尺度等有關(guān)。值得注意的是,本研究結(jié)果介于已有研究NPP值范圍內(nèi)(100—700 g C m-2a-1),表明MOD17A3數(shù)據(jù)用于估算東北地區(qū)植被NPP是可行的。

表2 東北地區(qū)植被NPP均值與以往研究結(jié)果的對比

2.2 東北地區(qū)植被NPP時空變化特征

2000—2015年東北地區(qū)植被NPP年際變化特征明顯(圖2),整體呈現(xiàn)波動增加趨勢,從2000年的369.24 g C m-2a-1增加到2015年的453.84 g C m-2a-1,16年平均NPP是412.10 g C m-2a-1,年均增加速率為4.54 g C m-2a-1(P<0.01)。東北地區(qū)植被NPP年際變化可以分為三個階段：2000—2005年植被NPP呈較明顯上升趨勢,凈增加66.04 g C m-2a-1；2005—2010年植被NPP值圍繞多年平均值上下波動,變化范圍在356.25—435.28 g C m-2a-1,并在2007年達到最小值,為356.25 g C m-2a-1,比16年平均NPP低14%；2010—2015年植被NPP呈上升趨勢,其中最大值出現(xiàn)在2014年,為463.83 g C m-2a-1,比16年平均NPP高13%。

圖2 2000—2015年東北地區(qū)植被NPP年際變化特征Fig.2 Interannual variations of vegetation NPP from 2000 to 2015 in Northeast China

2000—2015年東北地區(qū)植被年均NPP空間分布格局呈現(xiàn)南高北低、東高西低的特點,具有明顯的空間異質(zhì)性(圖3)。大部分區(qū)域的年均NPP分布在0—900 g C m-2a-1之間,占總面積的98.4%。遼東灣北部區(qū)域形成NPP高值區(qū),年均NPP值高于600 g C m-2a-1。NPP值由東南地區(qū)向西部遞減,自小興安嶺至長白山脈NPP值較低,分布在300—600 g C m-2a-1之間。中部和西部形成NPP低值區(qū),該區(qū)的NPP值小于300 g C m-2a-1,集中分布在內(nèi)蒙古呼倫貝爾草原以及松嫩平原西部。

從植被NPP變化趨勢來看(圖3),2000—2015年東北地區(qū)大部分地區(qū)植被NPP表現(xiàn)為輕微增加的變化趨勢,占總面積的45.9%。顯著增加和極顯著增加的面積占24.2%,主要集中在黑龍江省北部的小興安嶺地區(qū)、遼寧省南部的沿長白山脈一帶以及內(nèi)蒙古北部的大興安嶺地區(qū)。NPP值無明顯變化的區(qū)域占總面積的25.8%,分布區(qū)域較為分散。呈下降趨勢的面積占比較少,僅占4.5%,分布在黑龍江省的北部以及西部?？傮w來說,2000—2015年東北地區(qū)植被NPP增加的總面積約占該區(qū)總面積的70.1%,遠高于減少的面積,這表明東北地區(qū)的植被生長狀況有所改善。

圖3 2000—2015年東北地區(qū)植被NPP年均空間分布及變化趨勢圖Fig.3 Spatial distribution and temporal trends of the average annual vegetation NPP from 2000 to 2015 in Northeast of China

2.3 土地覆蓋變化對植被NPP的影響

2000—2015年東北地區(qū)四種土地覆蓋類型年均NPP變化介于265.68—483.8 g C m-2a-1之間,多年平均NPP值為361.43 g C m-2a-1,整體呈波動上升的趨勢,灌木和森林的變化幅度較大(圖4)。森林的植被NPP平均值為375.5 g C m-2a-1,年際增加速率為5.84 g C m-2a-1,在2000—2005年間呈波動上升的趨勢,凈增加94.63 g C m-2a-1；2006—2010年NPP值圍繞多年平均值上下波動,并在2007年達到最小值,為265.67 g C m-2a-1；之后呈上升趨勢,在2013年達到16 年間的最大值,為471.03 g C m-2a-1,2015年又下降到412.7 g C m-2a-1。灌木的年均NPP值為400.34 g C m-2a-1,16 年間變化值介于305.27—483.80 g C m-2a-1之間。灌木的NPP值在2003年以前呈現(xiàn)波動增加的趨勢,在2003年達到最大值為483.8 g C m-2a-1；2003—2007年呈現(xiàn)下降的趨勢,之后呈波浪狀在375 g C m-2a-1附近上下浮動。草地的植被NPP平均值為300.49 g C m-2a-1,在16 年間變化值介于265.67—343.2 g C m-2a-1之間,并以每年4.17 g C m-2a-1的趨勢增加。2010年之前,草地的植被NPP值呈波浪狀在280 g C m-2a-1上下浮動；2010—2013呈現(xiàn)明顯的上升趨勢,并于2013年達到最大值343.21 g C m-2a-1。農(nóng)田的植被NPP值在16 年間的變化值介于331.18—401.39 g C m-2a-1之間,平均值為373.56 g C m-2a-1,整體呈現(xiàn)增加的變化趨勢,年變化率為2.18 g C m-2a-1。2005年之前以及2010—2013年,都呈現(xiàn)增加的變化趨勢,并于2013年達到最大值,為401.39 g C m-2a-1；2005—2010年圍繞多年平均值上下波動,擺動范圍在334.34—399.98 g C m-2a-1之間；2013年之后,呈下降趨勢。

圖4 2000—2015年東北地區(qū)不同土地覆蓋類型植被NPP年際變化Fig.4 Interannual variation of vegetation NPP among different land cover types from 2000 to 2015 in Northeast China

2.4 水熱波動對植被NPP的影響

水熱波動對植被生長具有重要作用,本研究從像元尺度上計算2000—2015年東北地區(qū)植被NPP與同期水熱因子的相關(guān)關(guān)系(圖5)。東北地區(qū)植被NPP與平均氣溫的相關(guān)系數(shù)范圍為-0.90—0.82,平均值為-0.19。年均NPP與年均氣溫呈負相關(guān)的區(qū)域占總面積的59.4%,主要分布于三江平原、松嫩平原以及呼倫貝爾高原,該區(qū)的主要植被類型為耕地與草原,氣溫升高促進了植被的呼吸和蒸騰作用,使植被養(yǎng)分分解加快,葉片的壽命縮短以及根的活動范圍減小,而且會造成地表干旱從而影響植被生長。正相關(guān)區(qū)域占總面積的41.6%,主要集中在大小興安嶺以及長白山區(qū)等地區(qū),該區(qū)域植被類型為森林,溫度是東北地區(qū)森林生長主要的限制性因素[42],溫度的增加可以延長森林的生長季節(jié),提高光合作用效率以及植物的生產(chǎn)力?？傮w來說,東北地區(qū)植被NPP與氣溫呈負相關(guān)的區(qū)域面積與呈正相關(guān)的區(qū)域面積基本持平,相關(guān)性不顯著。

2000—2015年東北地區(qū)絕大部分地區(qū)的年均NPP與年降水量之間呈正相關(guān)關(guān)系,正相關(guān)系數(shù)最大值為0.95(圖5)。年均NPP與年降水量呈正效應(yīng)的面積高達81.3%,主要分布在內(nèi)蒙古干旱區(qū)與東北平原,主要植被類型為草原與耕地,植被根系較短,對降水變化很敏感,使降水成為該地區(qū)植物生長的主要制約因素。年均NPP與年降水量呈負相關(guān)的區(qū)域集中于東部以及東南部沿海區(qū)域,主要植被類型為森林,沿海地區(qū)氣候濕潤,降水增多導(dǎo)致植被淹水使根系無法進行有氧呼吸,直接影響?zhàn)B分和水分的吸收效率,從而使植被的生長發(fā)育受抑制。植被年均NPP與降水量的正相關(guān)地區(qū)面積高于NPP與氣溫的負相關(guān)地區(qū)面積,表明東北地區(qū)植被NPP與降水量的相關(guān)性更為顯著。

圖5 2000—2015年東北地區(qū)植被NPP與氣溫和降水量年際相關(guān)性圖Fig.5 Interannual correlations between vegetation NPP and temperature and precipitation from 2000 to 2015 in Northeast China

2.5 水熱波動和土地覆蓋變化對植被NPP的相對貢獻

從不同時期水熱波動和土地覆蓋變化對東北地區(qū)不同植被類型NPP總量的影響量和貢獻率來看,除灌木外,2000—2005年、2005—2010年和2010—2015年東北地區(qū)水熱波動對不同土地覆蓋類型NPP總量變化的貢獻遠高于土地覆蓋變化的貢獻,其中對森林和農(nóng)田的貢獻率均達到70%以上(表3)。2000—2005年和2010—2015年水熱波動對不同土地覆蓋類型的影響量均為正值,即氣溫和降水量增加使得不同植被類型的NPP值增加,而土地覆蓋變化則相反。2000—2005年土地覆蓋變化對除森林之外的土地覆蓋類型的影響量均為負值,而水熱波動所導(dǎo)致的東北地區(qū)NPP總量的增加趨勢抵消了土地覆蓋變化所帶來的減少趨勢,使不同土地覆蓋類型的NPP總量增加。其中,水熱波動對農(nóng)田貢獻率最大為87.3%,使農(nóng)田在這一時期增加了34.4 Tg C。2005—2010年各土地覆蓋類型的NPP總量都有不同程度減少,其中森林的減少量最多,為29.63 Tg C。土地覆蓋變化對各土地利用類型的NPP變化的貢獻較上一時期均有所上升,其中對灌木的貢獻率由27.1%增加到64.1%,使灌木在這一時間段內(nèi)減少了9.93 Tg C,遠遠超過同時期水熱波動對灌木NPP總量變化的貢獻。除灌木外,2010—2015年不同土地覆蓋類型的NPP總量都有所增加。與其他土地覆蓋類型不同的是,土地覆蓋變化對灌木NPP的貢獻高于水熱波動的貢獻。

表3 土地覆蓋變化和水熱波動對2000—2015年東北地區(qū)不同土地覆蓋類型NPP總量的影響量和貢獻率比較

3 討論

MOD17A3 NPP產(chǎn)品數(shù)據(jù)集是使用BIOME-BGC模型與光能利用率模型模擬所獲得的目前時間跨度最長、生理生態(tài)機制較清楚、估算結(jié)果較精準(zhǔn)的全球陸地植被凈初級生產(chǎn)力產(chǎn)品,是全球和區(qū)域 NPP 與碳循環(huán)研究使用最多的數(shù)據(jù)源之一。該產(chǎn)品可以更好地估計全球生態(tài)系統(tǒng)NPP的時空變化,并在不同植物生長狀況評估、生物量估算、環(huán)境監(jiān)測,碳循環(huán)和全球變化的研究中得到驗證和廣泛應(yīng)用[6,20- 22]。本研究使用的2000—2015 年東北地區(qū)植被 NPP 數(shù)據(jù)質(zhì)量中、高等級多年平均可信度達到 97.6%,數(shù)據(jù)整體質(zhì)量較好。水熱波動和土地覆蓋變化對植被生長具有重要的影響[3],但東北地區(qū)植被NPP對水熱波動和土地覆蓋變化響應(yīng)的定量研究報道較少。Hicke等[36]最初應(yīng)用貢獻率方法研究農(nóng)田NPP變化的原因,該方法常用于定量分離氣候和人類活動的貢獻[43],本研究選用貢獻率方法區(qū)分水熱波動和土地覆蓋變化對東北地區(qū)植被NPP的相對影響。與以往研究相比,本研究在數(shù)據(jù)和方法上具有較高的精度。

東北地區(qū)作為我國重要的森林儲備庫,也是對環(huán)境變化響應(yīng)的敏感區(qū),對該地區(qū)植被NPP進行長時間序列的監(jiān)測對于區(qū)域碳收支的準(zhǔn)確評估和預(yù)測具有重要意義[28- 30]。2000—2015年東北地區(qū)植被NPP年際變化波動明顯,總體呈現(xiàn)增加趨勢,與同時期中國植被NPP的總體變化趨勢一致[44]。近16年來,東北地區(qū)植被NPP平均值(412.10 g C m-2a-1)低于仲曉春等[45]研究的全國植被平均NPP值(514.48 g C m-2a-1)。東北地區(qū)植被年均NPP空間分布格局呈現(xiàn)南高北低、東高西低的特點,原因可能為東南沿海地區(qū)緯度低,水熱條件好,該地區(qū)植被固氮能力強。植被NPP呈顯著增加的區(qū)域主要集中在黑龍江省北部的小興安嶺地區(qū)、遼寧省南部的沿長白山脈一帶以及內(nèi)蒙古北部的大興安嶺地區(qū),這些地區(qū)的植被類型以森林為主,主要為落葉闊葉林、常綠針葉林,這一結(jié)果也定量說明了東北地區(qū)自1998年實施的“天然林資源保護工程”成效顯著。

近年來,東北地區(qū)受水熱波動和土地覆蓋變化的共同作用,NPP空間異質(zhì)性高,厘清水熱波動和土地覆蓋變化對NPP的影響對區(qū)域資源管理和可持續(xù)發(fā)展具有重要意義。在氣溫和降水兩個水熱因子中,降水是東北地區(qū)植被NPP變化的主要影響因子,這一結(jié)果與朱文泉等[42]、仲曉春等[45]、陶波等[46]得出的結(jié)果一致,而薛梅等[29]則認為東北地區(qū)植被NPP對降水不敏感。這種差異可能由于MOD17A3 NPP數(shù)據(jù)使用的Biome-BGC模型和薛梅等[29]使用的BEPS模型在土壤水分含量模擬上采用的土壤水模塊的層數(shù)不同,后者研究中植被NPP對降水的響應(yīng)存在滯后效應(yīng)。通過對水熱波動和土地覆蓋變化對東北地區(qū)植被NPP定量影響分析得知,水熱波動對東北不同土地覆蓋類型NPP總量變化的貢獻遠高于土地覆蓋變化的貢獻,這與姜春等[47]和賈俊鶴等[48]對廣東省和中國西北地區(qū)的研究結(jié)果一致。而王原等[43]和Wu等[49]研究結(jié)果為土地覆蓋變化為植被NPP變化的主要驅(qū)動力,原因可能是其研究區(qū)分別為空間尺度較小與城市化進程較快的上海市和廣州市,植被受人類活動影響較大。由此可見,本研究的結(jié)論可以為東北地區(qū)NPP估算、碳排放、可持續(xù)發(fā)展等提供數(shù)據(jù)參考。

本研究仍然存在一些不足,在對NPP數(shù)據(jù)進行驗證時,由于實測數(shù)據(jù)有限,僅考慮森林一種植被類型,并且數(shù)據(jù)涵蓋年份較少,無法確定東北地區(qū)其他植被類型以及不同時間范圍內(nèi)的NPP精度,需在以后的研究中結(jié)合實際采樣數(shù)據(jù)進一步完善模型精度驗證工作。在分析水熱波動對東北地區(qū)植被NPP的影響時,只考慮了氣溫和降水兩種氣候因子,而地表散射、太陽輻射等氣候因子也會對NPP的生長產(chǎn)生作用。對水熱波動和土地覆蓋變化對植被NPP的相對貢獻進行探討中,忽略了兩者共同作用的部分,在后續(xù)研究中,要綜合考慮植被NPP的影響因子,為東北地區(qū)環(huán)境監(jiān)測、碳循環(huán)和全球變化的研究提供依據(jù)和借鑒。

4 結(jié)論

本研究基于2000—2015年MODIS MOD17A3 NPP數(shù)據(jù)和對應(yīng)年的水熱數(shù)據(jù)和土地覆蓋數(shù)據(jù),采用相關(guān)分析、回歸分析和空間分析相結(jié)合的方法,定量研究近16年東北地區(qū)植被NPP的時空變化特征及水熱波動和土地覆蓋變化對東北地區(qū)植被NPP的相對影響。主要結(jié)論如下：

(1)2000—2015年東北地區(qū)植被NPP呈波動上升趨勢,平均值是412.10 g C m-2a-1,年際增加速率為4.54 g C m-2a-1?？臻g上呈現(xiàn)出南高北低,東高西低的特點,NPP均值呈增加趨勢的面積占70.1%。不同土地覆蓋類型年均NPP值存在差異,其中灌木最高為400.34 g C m-2a-1。

(2)通過東北地區(qū)植被年均NPP與年均溫、年降水量的相關(guān)性分析發(fā)現(xiàn),2000—2015年東北地區(qū)植被NPP受氣溫的影響較小,降水量是影響其植被NPP變化的主要因素,年均NPP與年降水量呈正效應(yīng)的面積高達81.3%。

(3)除灌木外,2000—2015年東北地區(qū)水熱波動對不同土地覆蓋類型NPP總量變化的貢獻遠高于土地覆蓋變化的貢獻,其中對森林和農(nóng)田的貢獻率均達到70%以上。水熱波動對不同土地覆蓋類型的影響量均為正值,增加了不同植被類型的NPP值,土地覆蓋變化則相反。

附錄1 東北地區(qū)不同森林類型實測樣地基本信息統(tǒng)計

Appendix 1 Basic information for field plots of different forest types in Northeast China used in this study

站點 Sites森林類型 Forest type經(jīng)度Latitude/(°)緯度Longitude/(°)高程Altitude/m生物量Biomass/(t/hm2)NPP/(t hm-2 a-1)來源Source1LA45.3127.6392131.26.69[34]2LA45.3127.6307186.35.71[34]3LA45.3127.6384174.55.90[34]4PB45.3127.6353197.38.85[34]5LA51.3123.11069293.59.01[34]6LA51.3123.2111414311.72[34]7LA51.6123.2701203.710.63[34]8LA51.8123792109.712.32[34]9LA51.8123830132.911.90[34]10LA51.9123855154.811.51[34]11LA51.912384595.712.57[34]12LA51.912388695.712.57[34]13LA51.9123900116.412.19[34]14LA51.9123892119.312.15[34]15PB51.912372589.48.85[34]16LA50.9121.3839185.910.95[34]17LA50.9121.5830136.611.4[34]18LA50.9121.5830133.411.89[34]19PB44.4128.2152435.18.85[34]20PA44.4128.21428128.911.28[34]21PB42.1128.1198552.68.85[34]22PA42.2128.21114338.811.28[34]23PB42.2128.21054245.38.85[34]24LA42.2128.21125710.11.51[34]25LA42.1128.31440254.89.71[34]26LA42.1128.21436334.28.28[34]27PT42.17121.8400—3.58[35]28PT40.83119.8500—3.21[35]29PT41.9124.1190—12.49[35]30PT41.9124.1270—9.99[35]31PT42121.7240—4.41[35]32PT42121.7200—4.33[35]33PT42121.7300—10.34[35]34PT42.3119700—5.6[35]35PT42.27118.97750—5.4[35]

LA: 落葉松Larixforest；PB: 楊樹、樺木Populus&Betulaforest；PA: 冷杉、云杉Picea&Abiesforest；PT: 油松Pinustabulaeformisforest