谷雷,岳彩榮,張國飛，趙勛，金京

(西南林業(yè)大學 林學院，云南 昆明 650224)

1992年，在亞洲開發(fā)銀行的倡議下，瀾滄江-湄公河流域內的6個國家共同發(fā)起了大湄公河次區(qū)域(Great Mekong Subregion,GMS)經(jīng)濟合作機制，以加強各成員國間的經(jīng)濟聯(lián)系，促進次區(qū)域的經(jīng)濟和社會發(fā)展，實現(xiàn)區(qū)域共同繁榮。大湄公河次區(qū)域包括柬埔寨、中國(云南和廣西)、老撾、緬甸、泰國和越南。隨著GMS地區(qū)的快速發(fā)展，其生態(tài)系統(tǒng)面臨著越來越多的威脅和壓力。GMS地區(qū)的生物多樣性被國際保護組織列為前五個最受威脅的熱點地區(qū)之一，世界自然基金組織(WWF)將原因歸結為經(jīng)濟的快速發(fā)展、人口增長和森林砍伐、非法木材貿易、野生動植物貿易、過度的水壩、道路建設以及采礦等消費模式的增加。WWF也指出該地區(qū)特別容易受到全球氣候變化的影響[1]。如何有效地對該區(qū)域生態(tài)系統(tǒng)進行大規(guī)模的評估和評價，已成為世界上許多經(jīng)濟體特別是GMS地區(qū)發(fā)展中經(jīng)濟體共同關心的問題。

在全球氣候變化、人類活動日益頻繁的背景下，地表植被的變化與大氣環(huán)境之間的相互作用過程已成為地球生態(tài)學領域的研究重點和熱點[2-5]。植被凈初級生產(chǎn)力(Net Primary Productivity,NPP)指綠色植物在單位時間、單位面積內，所累積的有機干物質總量，是在光合作用下產(chǎn)生的有機質總量(Gross Primary Productivity,GPP)扣除自養(yǎng)呼吸(Autotrophic Respiration,RA)所消耗的部分有機質后剩余的部分[6-7]。植被凈初級生產(chǎn)力是反映氣候變化與人類活動對植被協(xié)同作用的關鍵指標，具有明顯的時間和空間變化特征[8-9]。

隨著全球氣候變化以及社會經(jīng)濟的快速發(fā)展，大湄公河次區(qū)域的生態(tài)系統(tǒng)面臨著越來越多的威脅和壓力。植被NPP的變化直接反映著生態(tài)系統(tǒng)對環(huán)境條件的響應，已成為評價生態(tài)系統(tǒng)可持續(xù)發(fā)展、生態(tài)系統(tǒng)服務價值的關鍵指標。植被NPP及其變化是社會經(jīng)濟發(fā)展和氣候變化等自然因素的綜合反映，研究長時間序列的區(qū)域尺度植被NPP的時空變化，對區(qū)域可持續(xù)發(fā)展具有重要意義。目前，對區(qū)域植被NPP的動態(tài)變化的研究幾乎都是基于本地計算機資源實現(xiàn)的，大范圍、長時間尺度的研究不可避免地存在著數(shù)據(jù)收集、存儲、整理繁瑣，數(shù)據(jù)的運算耗時長等問題[10-11]。云計算平臺谷歌地球引擎(Google Earth Engine,GEE)的誕生使得這些問題得到解決，GEE平臺提供了海量的可免費獲取和共享的遙感影像與地理數(shù)據(jù)[12]，避免了下載、存儲等繁瑣過程，且使用基于Web的代碼編輯器進行快速，交互式算法開發(fā)，可以輕松地利用Google云的強大功能進行地理空間分析，利用Google數(shù)據(jù)中心多臺分布式計算機的多個處理器同時對篩選的遙感數(shù)據(jù)進行運算和處理，從而大大加快了處理速度，在大數(shù)據(jù)處理的快速性上具有前所未有的突破。與本地計算機資源相比，GEE平臺使得大范圍、長時間尺度以及運算復雜的分析可以相當容易地執(zhí)行。

為了探明大湄公河次區(qū)域植被NPP時空變化特征，本研究基于Google Earth Engine云計算平臺，調用2001—2019年MOD17A3HGF NPP時序數(shù)據(jù)，利用GEE平臺在數(shù)據(jù)獲取便利，運算效率高等方面的優(yōu)勢，分析大湄公河次區(qū)域2001—2019年植被NPP時空變化特征。以期為大湄公河次區(qū)域植被生產(chǎn)能力評價、生態(tài)環(huán)境保護和植被碳源/匯評價以及經(jīng)濟社會的可持續(xù)發(fā)展規(guī)劃提供科學依據(jù)和參考背景。

1 材料與方法

1.1 研究區(qū)概況

大湄公河次區(qū)域是指湄公河流域的6個國家共7個地區(qū)，包括緬甸、泰國、老撾、柬埔寨、越南和中國云南省及廣西壯族自治區(qū)。大湄公河次區(qū)域是“一帶一路”倡議的重要投資貿易區(qū)域，是中國發(fā)展“21世紀海上絲綢之路”合作伙伴關系的重要區(qū)域和關鍵樞紐。大湄公河次區(qū)域經(jīng)濟合作加強了各成員國間的經(jīng)濟聯(lián)系，促進了次區(qū)域的經(jīng)濟和社會發(fā)展。

大湄公河次區(qū)域(92.2°～112.0°E,5.6°～29.2°N)，面積256.86×104km2，總人口約3.2×108人。湄公河是連接中國和東南亞地區(qū)的重要國際河流，也是東南亞最長的河流，全長2 741.0 km，流域面積41×104km2。大湄公河次區(qū)域氣候類型多樣，以熱帶季風氣候為主，兼具北熱帶、南亞熱帶、中亞熱帶、南溫帶等多種氣候類型；生態(tài)類型多樣、生物多樣性豐富，森林資源和農業(yè)資源豐富，固碳能力強，對全球碳匯貢獻高，生態(tài)環(huán)境具有區(qū)域分異特征。

隨著該地區(qū)的快速發(fā)展，保護大湄公河次區(qū)域自然資源、棲息地、生物多樣性和生態(tài)環(huán)境的行動已迫在眉睫。

1.2 數(shù)據(jù)來源

本研究采用的NPP數(shù)據(jù)來自美國國家航空局(NASA)的陸地過程分布式數(shù)據(jù)檔案中心，數(shù)據(jù)為2001—2019年MOD17A3HGF V6數(shù)據(jù)集，空間分辨率為500 m，時間分辨率為1 a。MOD17A3HGF V6產(chǎn)品提供有關500 m像素分辨率下的年度凈初級生產(chǎn)力(NPP)的信息。年度NPP來自給定年份的所有8 d凈光合作用(PSN)產(chǎn)品(MOD17A2H)的總和。PSN值是總初級生產(chǎn)力(GPP)與維持呼吸(MR)(GPP-MR)的差。MOD17A3HGF數(shù)據(jù)集6.0版的NPP年度數(shù)據(jù)，相較于5.5版的MOD17A3數(shù)據(jù)集，該數(shù)據(jù)集采用了新的生物屬性調查表(BPLUT)和每日全球模擬和同化辦公室(GMAO)氣象數(shù)據(jù)的更新版本對NPP數(shù)據(jù)進行模擬，提高了NPP的估算精度[13]。已有學者通過BIOM-BGC模型對三峽庫區(qū)的植被NPP進行估算，并將估算值、實測值以及MPD17A3值三者進行對比，驗證了MPD17A3數(shù)據(jù)的可靠性[14]。目前，在不同地區(qū)的植被NPP和碳循環(huán)研究中該數(shù)據(jù)集已被廣泛應用[15-18]。

本研究采用的氣象數(shù)據(jù)是陸地表面溫度產(chǎn)品MOD11A2.006，空間分辨率為1 000 m，時間分辨率為8 d。MOD11A2.006版本產(chǎn)品在1 200 km×1 200 km的網(wǎng)格中提供了平均每像素8 d的地表溫度和發(fā)射率(land surface temperature & emissivity，LST&E)。MOD11A2中的每個像素值是8 d內收集的所有對應MOD11A1 LST像素的簡單平均值。之所以選擇8 d的合成周期，是因為該周期的兩倍是Terra和Aqua平臺的準確地面軌跡重復周期。

此次研究所使用的數(shù)據(jù)均可從GEE平臺上直接調用。

1.3 研究方法

每個像元的植被NPP隨著時間的變化可表現(xiàn)為穩(wěn)定上升或下降趨勢，本研究采用一元線性回歸趨勢分析方法，分析大湄公河次區(qū)域2001—2019年變化趨勢，即植被NPP隨時間變化的關系，基于像元尺度采用最小二乘線性回歸方程擬合每個像元的斜率，從而計算變化率，最終獲得大湄公河次區(qū)域植被NPP的時空變化趨勢。計算方法如式①所示:

①

式①中：θslope為植被NPP變化趨勢線斜率；n=19為監(jiān)測年數(shù)；i=1,2,3…,19為年序號；NPPi為第i年植被NPP值。斜率為正表示植被NPP上升，反之則表示植被NPP減少。

植被NPP一元線性回歸趨勢顯著性采用t檢驗方法進行檢驗[19-20]，顯著性僅代表趨勢性變化可置信程度的高低，與變化快慢無關。見式②：

②

以上計算過程通過JavaScript編程調用GEE云平臺中MOD17A3HGF V6產(chǎn)品數(shù)據(jù)和計算方法而實現(xiàn)。

2 結果分析

2.1 大湄公河次區(qū)域植被NPP時間變化特征

對大湄公河次區(qū)域范圍內植被NPP的逐年平均值進行統(tǒng)計(圖1)，2001—2019年大湄公河次區(qū)域植被NPP變化范圍為878.82～1 008.77 gC/m2，平均值達943.96 gC/m2，其中2003年均植被NPP最大，達到1 008.77 gC/m2，超過平均值64.82 gC/m2，而2004、2005、2010年以及2012年的年均植被NPP值明顯低于多年均值，其他年份的植被NPP均值位于多年平均值上下5%范圍內。2001—2019年間大湄公河次區(qū)域植被NPP整體上變化趨勢不顯著，變化波動較大。通過與年均溫度對比發(fā)現(xiàn)，年均NPP與年均溫度的R2為-0.492，具有顯著的負相關關系。

圖1 大湄公河次區(qū)域2001—2019年NPP年際變化

通過查閱文獻，對比其他研究區(qū)，如湖北省(2004—2015年，446.1～553.7 gC/m2)[21]，陜西省(2000—2006年，340～434 gC/m2)[22]，黃河流域(2000—2015年，179.6～258.1 gC/m2)[23]，廣西喀斯特區(qū)(2000—2017年，800～1 100 gC/m2，屬于大湄公河次區(qū)域)[24]等，大湄公河次區(qū)域植被NPP值總體較高。這主要得益于該區(qū)域的氣候條件，濕熱多雨的環(huán)境為植被的生長提供了良好的環(huán)境。

2.2 大湄公河次區(qū)域植被NPP空間分布格局

通過對大湄公河次區(qū)域各國或地區(qū)植被年均NPP值統(tǒng)計(圖2)，結果表明，大湄公河次區(qū)域2001—2019年間各國或地區(qū)的植被NPP整體上波動不大，但各國或地區(qū)植被NPP年均值差異顯著，老撾最高，中國云南、越南、緬甸次之，中國廣西、泰國、柬埔寨最低。其中老撾的年均植被NPP達1 200 gC/m2以上，而泰國、柬埔寨不到800 gC/m2，其年均植被NPP低主要原因是土地類型以耕地和草本植被為主，森林資源比重小。相較而言，緬甸雖然耕地面積比重也不小，但緬甸大部分地區(qū)的土地類型仍以闊葉林或針闊混交林為主，提高了緬甸植被NPP均值。

圖2 大湄公河次區(qū)域2001—2019年各國家或地區(qū)NPP年際變化

大湄公河次區(qū)域2001—2019年植被年均NPP具有較明顯的空間分異性規(guī)律(圖3)，大體呈中部高，南、西南部略低的狀態(tài)。整個區(qū)域植被NPP超過800 gC/m2的區(qū)域占總面積的60.26%，主要分布于緬甸東部和東北部、中國云南省西南部、泰國西北部以及老撾絕大部分地區(qū)；中國的廣西北部、云南省東北部，柬埔寨東北部等地植被NPP介于600～800 gC/m2，占總面積17.13%；植被NPP介于400～600 gC/m2的區(qū)域占總面積18.90%，主要位于緬甸中部和南部、泰國中部和東部、柬埔寨中部、越南南部以及中國廣西中部地區(qū)；3.05%的面積植被NPP介于200～400 gC/m2，主要位于緬甸中部與南部、越南南部。僅有0.66%的面積植被NPP小于200 gC/m2，主要位于緬甸北部與中國云南西北部部分區(qū)域。

圖3 大湄公河次區(qū)域(局部)2001—2019年平均NPP空間分布

從各國或地區(qū)的植被NPP空間分布(圖3)來看，在緬甸中部與南部，沿伊洛瓦底江從曼德勒至仰光地區(qū)的廣闊平原地帶，植被NPP普遍較低，該區(qū)域是以水稻(Oryzasativa)為主要農作物的種植區(qū)，植被NPP在200～600 gC/m2之間。此外緬甸大部分地區(qū)以闊葉林或針闊混交林為主，植被NPP較高，在800 gC/m2以上，從總體上提高了緬甸植被NPP均值。緬甸克欽邦北部與云南省迪慶州、怒江州西北部接壤，該區(qū)域為海拔超過4 000 m的高山區(qū)，長年凍雪覆蓋，植被NPP極低。云南省西南地區(qū)的德宏州、版納州、臨滄市、普洱市等地森林資源豐富，雨水氣溫充足，相應的其植被NPP也高，超過800 gC/m2。云南中部、東北部等大部分區(qū)域植被NPP也超過600 gC/m2。云南東南部的紅河、文山地區(qū)，存在石漠化土地，植被NPP在400～600 gC/m2之間。廣西呈現(xiàn)出較為明顯的空間分異規(guī)律，東部、西部大部分地區(qū)植被NPP值較高，超過800 gC/m2，而中部南寧、柳州等地較低，集中在400～600 gC/m2。老撾境內植被NPP較高，除萬象市、沙灣拿吉省等與泰國接壤的部分地區(qū)外，全國大部分地區(qū)植被NPP值超過800 gC/m2。泰國北部山區(qū)叢林植被NPP值較高，超過800 gC/m2，中部湄南河沖積平原以及東北部地區(qū)，植被NPP值集中于400～600 gC/m2，該區(qū)域土地肥沃，盛產(chǎn)水稻和水果，是主要的水稻產(chǎn)區(qū)。南部半島狹長的丘陵地帶，空間分異規(guī)律不明顯，部分地區(qū)植被NPP值小于200 gC/m2。柬埔寨境內除湄公河流域和洞里薩湖流域植被NPP值較低外，絕大部分區(qū)域植被NPP值較高。越南境內湄公河與紅河分別形成了湄公河平原、紅河平原兩大平原，該區(qū)域為農業(yè)種植區(qū)，植被NPP較低，而北部和西北部以及中部大部分地區(qū)，土地類型以闊葉林為主，植被NPP較高。

大湄公河次區(qū)域植被NPP的分布與其主要河流流域[伊洛瓦底江、薩爾溫江(怒江)、湄南河、湄公河(瀾滄江)、紅河]有著重要的聯(lián)系，尤其是泰國、越南、緬甸3個重要的稻米出口國，分別受伊洛瓦底江、湄南河、湄公河(瀾滄江)、紅河的影響，在河流下游形成了廣闊且土地肥沃的平原，且位于熱帶季風和亞熱帶季風氣候區(qū)，水熱充足，為以水稻為主的農作物種植提供了良好的條件。而大湄公河次區(qū)域熱帶雨林氣候和熱帶、亞熱帶季風等氣候也為森林的生成創(chuàng)造了良好的條件，使得整個大湄公河次區(qū)域植被NPP值較高，提高了該地區(qū)的生態(tài)環(huán)境質量。

2.3 大湄公河次區(qū)域植被NPP的變化趨勢

采用一元線性回歸趨勢分析方法對每個像元2001—2019年間的植被NPP變化趨勢進行直線擬合，最終獲得每個像元植被NPP值隨時間的變化趨勢。根據(jù)t檢驗結果將變化趨勢分成5個等級，分級方法見表1。在此基礎上，制作大湄公河次區(qū)域2001—2019年植被NPP變化趨勢圖，直觀反映整個大湄公河次區(qū)域的植被NPP時空變化趨勢如圖4所示。根據(jù)變化趨勢劃分等級，統(tǒng)計植被NPP變化趨勢的面積及比例，見表1。

通過圖4和表1可以看出，2001—2019年大湄公河次區(qū)域植被NPP變化趨勢呈現(xiàn)基本不變、輕微改善的特征，其中，基本不變面積占87.16%，明顯改善面積占0.12%，輕微改善面積占7.98%，嚴重退化面積占0.01%，輕微退化面積占4.73%。

表1 顯著性檢驗結果分級和大湄公河次區(qū)域2001—2019年植被NPP變化面積及比例

圖4 大湄公河次區(qū)域(局部)2001—2019年植被NPP變化趨勢圖

通過變化趨勢圖可以看出，總體來說，大湄公河次區(qū)域2001—2019年植被NPP整體變化趨勢不顯著，嚴重退化區(qū)域與明顯改善區(qū)域都非常少，輕微退化區(qū)域主要分布于老撾中部和緬甸北部，改善區(qū)域主要位于中國云南與廣西大部分地區(qū)以及緬甸、越南、柬埔寨等局部地區(qū)。老撾、緬甸部分地區(qū)的森林砍伐是該區(qū)域植被NPP輕微退化的重要原因。而中國廣西與云南植被NPP的改善也反映了近些年來，中國廣西與云南的生態(tài)環(huán)境保護、綠色發(fā)展和林業(yè)建設力度的提升以及生態(tài)文明建設顯有成效。

3 結論與討論

基于GEE云平臺采用MOD17A3HGF NPP的時序數(shù)據(jù)，對2001—2019年大湄公河次區(qū)域19 a的植被NPP時間變化特征、空間分布格局以及變化趨勢進行了分析。結果表明：

(1)大湄公河次區(qū)域植被NPP總體較高，多年均值達943.96 gC/m2，2001—2019年間植被NPP年均值整體上變化趨勢不顯著，變化波動較大，且與年均溫度呈顯著的負相關性。

(2)大湄公河次區(qū)域各國或地區(qū)植被NPP年均值差異顯著，老撾最高，中國云南、越南、緬甸次之，中國廣西、泰國、柬埔寨最低。其中老撾的年均植被NPP達1 200 gC/m2以上。大湄公河次區(qū)域2001—2019年植被NPP年均值具有較明顯的空間分異性規(guī)律，大體呈中部高，南、西南部略低的狀態(tài)，60.26%的地區(qū)植被NPP值超過800 gC/m2。

(3)大湄公河次區(qū)域植被NPP的分布與其主要河流流域：伊洛瓦底江、薩爾溫江(怒江)、湄南河、湄公河(瀾滄江)、紅河有著重要的聯(lián)系，尤其是泰國、越南、緬甸為3個重要的稻米出口國，分別受伊洛瓦底江、湄南河、湄公河(瀾滄江)、紅河的影響，在河流下游形成了廣闊且土地肥沃的平原，為以水稻為主的農作物種植提供了良好的條件。

(4)2001—2019年大湄公河次區(qū)域植被NPP變化趨勢呈現(xiàn)基本不變、輕微改善的特征，改善區(qū)域主要位于中國云南與廣西，輕微退化區(qū)域主要位于老撾中部和緬甸北部。隨著大湄公河次區(qū)域經(jīng)濟和社會快速發(fā)展，生態(tài)環(huán)境面臨著嚴峻的考驗，為了發(fā)揮其長久的經(jīng)濟、社會、生態(tài)效益，需要各經(jīng)濟體之間加強合作，改變對經(jīng)濟的片面追求，樹立綠色發(fā)展、循環(huán)發(fā)展、可持續(xù)發(fā)展觀念，為全球生態(tài)安全做出貢獻。

(5)本研究基于GEE平臺實現(xiàn)，避免了數(shù)據(jù)下載與存儲帶來的不便，且依托GEE平臺的云計算資源，大湄公河次區(qū)域2001—2019年的植被NPP時空變化的數(shù)據(jù)處理在10 min內完成，極大地提升了運算效率。相較于本地計算機資源，GEE云平臺在大范圍、長時間尺度的研究中體現(xiàn)出了強大的優(yōu)勢。這將對區(qū)域、國家乃至全球尺度的植被NPP時空變化分析提供有效的技術方法。