張明祥,田鵬舉,谷曉平

(貴州省生態(tài)氣象和衛(wèi)星遙感中心，貴州 貴陽 550002)

0 引言

植被凈初級(jí)生產(chǎn)力(NPP)是指綠色植物在單位面積、單位時(shí)間內(nèi)通過光合作用所制造的有機(jī)物質(zhì)，即總初級(jí)生產(chǎn)量與呼吸消耗之差，又稱植被凈初級(jí)生產(chǎn)量。植被NPP是評(píng)價(jià)植被活力的重要指標(biāo)，可直接反映植被群落在自然條件下的生產(chǎn)能力[1-2]。中國幅員遼闊，地形復(fù)雜，氣候多樣，植被種類豐富，分布著針葉林、落葉闊葉林、常綠闊葉林和熱帶雨林等多種自然植被[3]。近幾十年尤其是20世紀(jì)60年代以來，關(guān)于NPP及植被覆蓋的課題受到了國內(nèi)外眾多學(xué)者的廣泛研究。梁妙玲等[4]基于1961—2000年的降水和氣溫資料對(duì)中國近40 a的植被動(dòng)態(tài)變化進(jìn)行研究，指出降水是影響植被NPP的主要因子，不同地區(qū)溫度對(duì)植被NPP的影響差別很大。谷曉平等[5]利用大氣—植被相互作用模型(AVIM2)模擬西南地區(qū)植被NPP，結(jié)果表明NPP的空間分布與降水、海拔高度等因素密切相關(guān)。楊江州等[6]利用空間統(tǒng)計(jì)降尺度方法分析貴州烏江流域NDVI的變化特征，指出該方法得到的降尺度數(shù)據(jù)誤差較小，具有一定的適應(yīng)性和科學(xué)性。王秀春等[7]基于長(zhǎng)時(shí)間序列的SPOT/ NDVI 數(shù)據(jù)，對(duì)貴州烏江流域的植被覆蓋動(dòng)態(tài)變化進(jìn)行研究，結(jié)果顯示流域的森林和灌木林地植被覆蓋生長(zhǎng)較為穩(wěn)定，而草地和耕地差異較大。張蓓蓓等[8]基于2000—2017年遙感與氣象數(shù)據(jù)，討論了貴州植被覆蓋變化與氣候變化的響應(yīng)規(guī)律，研究發(fā)現(xiàn)NDVI與氣溫的相關(guān)性大于降水，但對(duì)降水的滯后性卻高于氣溫。除了氣候因素，大氣中CO2的濃度也是影響植被NPP的重要因素。CO2作為植物光合作用的原料，通過對(duì)溫度、植物水分及營養(yǎng)物質(zhì)需求等作用來影響NPP。許多研究顯示，CO2濃度升高對(duì)森林NPP增加具有促進(jìn)作用[9-10]。另外，對(duì)于NPP的估算目前也發(fā)展了多種模型，大體可分為統(tǒng)計(jì)模型、過程模型和參數(shù)模型3類。隨著遙感技術(shù)的發(fā)展，以遙感數(shù)據(jù)驅(qū)動(dòng)(光能利用率模型)的植被NPP估算得到了廣泛應(yīng)用[11-12]。

烏江是長(zhǎng)江上游南岸的最大支流，發(fā)源于貴州省烏蒙山東麓，全長(zhǎng)1044 km，流域面積8.79萬 km2。在貴州境內(nèi)，烏江流經(jīng)了畢節(jié)、六盤水、安順、貴陽、黔南、遵義和銅仁等8個(gè)市州(如圖1)。流域內(nèi)高山、峽谷密布，江河、坑洞縱橫，地勢(shì)西高東低，屬于典型的喀斯特地形地貌。在獨(dú)特的水熱條件驅(qū)動(dòng)下，巖溶地貌發(fā)育強(qiáng)烈，75.6%的區(qū)域?yàn)榭骨治g能力強(qiáng)、造土能力差的碳酸鹽[13]，是典型的生態(tài)脆弱區(qū)。作為長(zhǎng)江重要的生態(tài)功能保護(hù)區(qū)之一，烏江受人類活動(dòng)的影響，曾一度成為全省八大水系水質(zhì)達(dá)標(biāo)率最低的河流。近年來，隨著退耕還林、自然保護(hù)地移民等一系列生態(tài)建設(shè)工程的實(shí)施，流域的植被生態(tài)質(zhì)量逐漸改善，干流的水生態(tài)環(huán)境問題得到有效遏制。因此，研究貴州烏江流域植被NPP的時(shí)空變化特征以及與氣候變化的響應(yīng)關(guān)系，有助于揭示流域內(nèi)的生態(tài)環(huán)境演化特征，為重點(diǎn)生態(tài)功能區(qū)的保護(hù)提供科學(xué)依據(jù)，對(duì)于推進(jìn)全省生態(tài)文明建設(shè)也具有重要意義。

圖1 貴州烏江流域位置示意圖Fig.1 Location diagram of Wujiang River Basin in Guizhou

1 數(shù)據(jù)來源及處理

衛(wèi)星遙感數(shù)據(jù)來源于美國EOS/MODIS數(shù)據(jù)庫提供的2000—2020年的歸一化植被指數(shù)NDVI月合成數(shù)據(jù)，空間分辨率為1 km×1 km。氣象數(shù)據(jù)來自貴州省氣象信息中心的全省84個(gè)氣象站(其中烏江流域包含32個(gè)站點(diǎn))，包括年平均氣溫、降水量、日照時(shí)數(shù)等資料，時(shí)間段為2000—2020年。根據(jù)全省氣象站點(diǎn)的地理信息，基于GIS技術(shù)采用克里金法將氣候要素空間插值成與遙感數(shù)據(jù)具有相同像元大小的柵格數(shù)據(jù)集，再通過掩摸提取得到研究區(qū)的數(shù)據(jù)集。

2 研究方法

2.1 植被NPP估算

利用貴州省范圍內(nèi)1 km分辨率的EOS/MODIS月NDVI合成數(shù)據(jù)，結(jié)合地面氣象觀測(cè)資料，根據(jù)植被光能利用原理，由陸地生態(tài)系統(tǒng)碳通量TEC模型[14]計(jì)算月植被NPP。

NPP=GPP-R*

(1)

GPP=ε×FPAR×PAR

(2)

式中，NPP、GPP、R*分別為月植被凈初級(jí)生產(chǎn)力、總初級(jí)生產(chǎn)力、生長(zhǎng)與維持呼吸消耗量之和(g·C·m-2·month-1)；ε為實(shí)際光能利用率，根據(jù)植被類型、溫度脅迫系數(shù)、水分脅迫系數(shù)等數(shù)據(jù)進(jìn)行計(jì)算；FPAR為植被有效光合輻射吸收比例，利用逐月NDVI估測(cè)逐月FPAR；PAR為入射光合有效輻射(MJ·m-2·month-1)，根據(jù)光合有效輻射占太陽總輻射的比例為0.48計(jì)算PAR。以月植被NPP為基礎(chǔ)，作全年12個(gè)月累加得到年植被NPP?；贕IS技術(shù)通過掩摸提取得到研究區(qū)的年植被NPP。

2.2 相關(guān)性分析

對(duì)貴州烏江流域內(nèi)近21 a(2000—2020年)的植被NPP與氣候因子進(jìn)行相關(guān)性分析，分別計(jì)算NPP與各個(gè)氣候因子之間的皮爾遜相關(guān)系數(shù)[15]。計(jì)算公式為：

(3)

式中，R為植被NPP與氣候因子的相關(guān)系數(shù)，取值范圍在-1.0～1.0之間。變量x、y分別代表氣候因子、植被NPP。當(dāng)R>0時(shí)，表明兩變量呈正相關(guān)，越接近于1.0，正相關(guān)越顯著；當(dāng)R<0時(shí)，表明兩變量呈負(fù)相關(guān)，越接近于-1.0，負(fù)相關(guān)越顯著。

2.3 多元線性回歸

假設(shè)預(yù)報(bào)量與預(yù)報(bào)因子(又稱自變量)x1，x2……，xm符合線性關(guān)系[15]，則建立y的m元線性回歸模型：

y=β0+β1x1+……+βmxm+e

(4)

式(4)中：β0、β1、……、βm為回歸系數(shù)，e為服從正太分布N(0，σ2)的隨機(jī)誤差。根據(jù)實(shí)測(cè)的yt與x1t，x2t……，xmt樣本，則有：

yt=β0+β1x1+……+βmxmt+et

(5)

建立多元回歸方程的基本方法：由觀測(cè)值確定回歸系數(shù)β0、β1、……、βm的估計(jì)，b0、b1、……、bm得到y(tǒng)t對(duì)x1t，x2t……，xmt的線性回歸方程：

(6)

表1 貴州烏江流域植被NPP與氣候因子的相關(guān)系數(shù)Tab.1 Correlation between NPP and climate factors in Wujiang River Basin，Guizhou

3 結(jié)果與分析

3.1 植被NPP的時(shí)空變化特征

根據(jù)2000—2020年貴州烏江流域植被NPP年際變化(圖2a)，可以看出，近21 a貴州烏江流域的植被NPP呈上升的趨勢(shì)，平均每10 a增長(zhǎng)74 g·C·m-2。最大值出現(xiàn)在2016年，為972.7 g·C·m-2，最小值出現(xiàn)在2001年，為779.5 g·C·m-2。近5 a來流域的植被NPP均處于歷史較高水平，可見隨著退耕還林、自然保護(hù)地移民等一系列生態(tài)保護(hù)工程的推進(jìn)，全省重點(diǎn)生態(tài)功能區(qū)的生態(tài)保護(hù)成效顯著。從NPP多年均值的空間分布(圖2b)來看，貴州烏江流域植被NPP分布不均勻，大部分區(qū)域780 g·C·m-2以上，其中西南部、南部部分地區(qū)和北部邊緣相對(duì)較高，超過了950 g·C·m-2，而在人口密集的城鎮(zhèn)區(qū)域則相對(duì)較小。

3.2 植被NPP變化與氣候因子的響應(yīng)

3.2.1 氣候因子的年際變化 氣候是人類賴以生存的自然環(huán)境，也是經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展的重要基礎(chǔ)資源。受自然和人類活動(dòng)的共同影響，全球氣候正經(jīng)歷以變暖為主要特征的氣候變化[18]。由2000—2020年貴州烏江流域年平均降水量和氣溫的變化(圖3a)可見，流域的降水、氣溫呈增加、升高的趨勢(shì)，年平均降水量最少出現(xiàn)在2011年，為804.5 mm；最多出現(xiàn)在2014年，達(dá)到1319.5 mm。年平均氣溫最高為2013年和2016年，達(dá)到15.9 ℃，最低出現(xiàn)在2012年，為14.4 ℃。從日照時(shí)數(shù)的變化來看(圖3b)，2000—2020年貴州烏江流域年平均日照時(shí)數(shù)總體呈略減少的趨勢(shì)。流域內(nèi)年日照時(shí)數(shù)最多出現(xiàn)在2013年，達(dá)到1337.4 h，最少出現(xiàn)在2012年，為846.5 h。結(jié)合前面的分析可以得出，貴州烏江流域總體氣候條件變化(即降水的增多和氣溫的升高)有利于植被NPP增強(qiáng)。

圖2 2000—2020年貴州烏江流域植被NPP年際變化(a)和多年均值空間分布(b)Fig.2 The annual variation(a)and sptial distribution of multi-year mean(b)of vegetation NPP in Wujiang River Basin, Guizhou from 2000 to 2020

圖3 2000—2020年貴州烏江流域年平均降水量和氣溫(a)、日照時(shí)數(shù)(b)的變化Fig.3 The variation of annual mean precipitation and temperature(a)、sunshine duration(b) in Wujiang River Basin, Guizhou from 2000 to 2020

3.2.2 植被NPP對(duì)氣候因子的響應(yīng)分析 植被與氣候因子之間存在顯著的耦合關(guān)系，氣候可通過改變環(huán)境條件在植被的生理結(jié)構(gòu)、過程等方面控制植被NPP的形成，因而NPP變化能反映植被生態(tài)系統(tǒng)對(duì)環(huán)境氣候條件的響應(yīng)[17]。對(duì)貴州烏江流域2000—2020年植被NPP與氣候因子進(jìn)行相關(guān)性分析，由表1可以看出，植被NPP與氣溫、日照時(shí)數(shù)的相關(guān)系數(shù)分別達(dá)到0.74、0.50，通過了99%、95%信度的檢驗(yàn)，明顯高于植被NPP與其他氣候因子的相關(guān)性，表明貴州烏江流域植被NPP的年際變化受氣溫和日照時(shí)數(shù)的影響更為明顯。

為進(jìn)一步揭示貴州烏江流域植被NPP對(duì)氣候變化的響應(yīng)關(guān)系，對(duì)逐個(gè)像元計(jì)算了植被NPP與氣候因子的相關(guān)系數(shù)(2000—2020年)。從植被NPP與氣溫的相關(guān)系數(shù)空間分布(圖4a)可以看出，除流域的局地存在負(fù)相關(guān)外，其余大部分區(qū)域均為正相關(guān)，其中顯著正相關(guān)區(qū)域占到流域面積的69.98%。從植被NPP與降水相關(guān)性(圖4b)可見，流域以正相關(guān)分布為主，顯著正相關(guān)區(qū)的占比為21.66%，主要集中在西部邊緣和中下游部分地區(qū)，負(fù)相關(guān)的區(qū)域較氣溫有所增加，主要出現(xiàn)在西南部、下游中部和北部以及南部局地。在植被NPP與日照時(shí)數(shù)的相關(guān)性中(圖4c)可以發(fā)現(xiàn)，流域仍以正相關(guān)分布為主，顯著正相關(guān)區(qū)較氣溫明顯減少，僅占14.61%，主要出現(xiàn)在中南部和下游中部地區(qū)，且分布較為零散，流域的西部、下游的南部和北部區(qū)域?yàn)樨?fù)相關(guān)。

3.3 植被NPP與氣候因子的相關(guān)性對(duì)應(yīng)的區(qū)域土地利用類型占比分析

結(jié)合貴州烏江流域的土地利用現(xiàn)狀(以林地、草地和耕地等土地類型居多)，從植被NPP與氣溫、降水、日照時(shí)數(shù)的正負(fù)相關(guān)性可知(表2)，從植被NPP與氣溫的正相關(guān)性占比可知，相較于林地和草地的占比，耕地(90.61%)有所降低，建設(shè)用地(78.65%)降低得更為明顯，負(fù)相關(guān)區(qū)域占比則相反。從植被NPP與降水的正相關(guān)性占比可以看出，耕地、建設(shè)用地的占比分別為82.04%、72.14%，明顯高于林地和草地，負(fù)相關(guān)性呈相反特點(diǎn)。由植被NPP與日照時(shí)數(shù)的正相關(guān)性占比可以看出，建設(shè)用地的占比明顯高于林地、草地，耕地的正相關(guān)區(qū)占比略低于林地、草地。一般來說，建設(shè)用地(包括城鎮(zhèn)、農(nóng)村居民點(diǎn)等)的人口密集，是受人類活動(dòng)影響最為明顯的區(qū)域，其次為耕地。由此可見，在植被NPP與不同氣候因子的響應(yīng)關(guān)系中，人類活動(dòng)發(fā)揮著明顯的影響作用并且具有差異性，尤其在建設(shè)用地的相關(guān)性占比中表現(xiàn)最突出。

圖4 2000—2020年貴州烏江流域植被NPP與氣溫(a)、降水(b)和日照時(shí)數(shù)(c)的相關(guān)系數(shù)空間分布Fig.4 Spatial distribution of the correlation coefficient between NPP and air temperature (a), precipitation (b) and sunshine duration (c) in Wujiang River Basin, Guizhou from 2000 to 2020

表2 貴州烏江流域植被NPP與氣溫、降水、日照時(shí)數(shù)的正負(fù)相關(guān)性所對(duì)應(yīng)的土地類型占比情況Tab.2 Proportion of land types corresponding to different correlations between NPP and air temperature、Precpitaion and sunshine duration in Wujiang River Basin, Guizhou

3.4 基于氣候因子的植被NPP預(yù)測(cè)模型

隨著生態(tài)氣象研究與服務(wù)的不斷發(fā)展，開展關(guān)鍵生態(tài)要素的預(yù)報(bào)預(yù)測(cè)產(chǎn)品應(yīng)用已成為研究重點(diǎn)之一。為此，本文采用多元線性回歸方法建立模型，對(duì)貴州烏江流域的年植被NPP進(jìn)行預(yù)報(bào)預(yù)測(cè)分析。從前面的分析可以看出，植被NPP與各個(gè)氣候因子之間存在較好的相關(guān)性，假定預(yù)報(bào)量y(植被NPP)與3個(gè)預(yù)報(bào)因子x1(氣溫)、x2(降水量)和x3(日照時(shí)數(shù))之間是線性關(guān)系。計(jì)算得到多元線性回歸方程如下：

(7)

其中回歸平方和U=2229.71，殘差平方和Q=1341.52，負(fù)相關(guān)系數(shù)R2=0.62，統(tǒng)計(jì)量值F=9.25。根據(jù)F分布表：在顯著水平α=0.05下，分子自由度為3、分母自由度為17時(shí)，F(xiàn)0.05(3,17)=3.20，F(xiàn)>F0.05。線性回歸方程(7)在α=0.05的水平上是顯著的。再利用因子值(氣候預(yù)測(cè)產(chǎn)品)代入回歸方程作出預(yù)報(bào)量的估計(jì)，求出置信區(qū)間[19]。

4 結(jié)論與討論

本文基于遙感數(shù)據(jù)和地面氣象觀測(cè)資料，采用相關(guān)分析、多元回歸等方法，研究貴州境內(nèi)烏江流域植被NPP的時(shí)空分布特征，分析植被NPP與不同氣候因子的響應(yīng)關(guān)系，同時(shí)建立植被NPP的預(yù)報(bào)預(yù)測(cè)模型。得出的結(jié)論如下：

①2000—2020年貴州烏江流域的植被NPP呈顯著上升趨勢(shì)，平均每10 a增長(zhǎng)率為74 g·C·m-2。多年平均植被NPP的空間分布不均勻，流域大部分區(qū)域超過了780 g·C·m-2，流域的南部、西南部以及北部邊緣相對(duì)較高。

②2000—2020年貴州烏江流域年平均氣溫、降水呈升高、增加的趨勢(shì)，而日照時(shí)數(shù)則呈現(xiàn)略微減少的趨勢(shì)，氣候條件總體趨勢(shì)有利于植被NPP增強(qiáng)。

③貴州烏江流域植被NPP的年際變化受氣溫和日照時(shí)數(shù)的影響更為顯著。在植被NPP與氣溫的相關(guān)性空間分布中，流域大部以正相關(guān)系數(shù)分布為主，其中顯著正相關(guān)區(qū)域占到流域面積的69.98%；NPP與降水的相關(guān)性空間分布中以正相關(guān)為主，顯著正相關(guān)區(qū)較氣溫明顯較少，主要出現(xiàn)在流域的西部邊緣、中部和下游南北部地區(qū)，負(fù)相關(guān)分布在流域的西南部和下游中北部區(qū)域；NPP與日照時(shí)數(shù)的相關(guān)性空間分布中，以正相關(guān)為主，顯著正相關(guān)分布較為零散，主要集中在中南部和下游中部地區(qū)，流域的西部、下游的南北部區(qū)域?yàn)樨?fù)相關(guān)。在植被NPP與不同氣候因子的響應(yīng)關(guān)系中，人類活動(dòng)的影響作用明顯且具有差異性。

④基于多元線性回歸分析方法，建立流域植被NPP的預(yù)報(bào)預(yù)測(cè)模型，得到的回歸方程在α=0.05水平上具有顯著性，利用因子值可計(jì)算出對(duì)年植被NPP的估計(jì)。

本文主要研究氣候因子與貴州烏江流域植被NPP的響應(yīng)特征，而氣候因素所引起的植被生長(zhǎng)生理反應(yīng)以及氣候變化與植被生產(chǎn)力的相互作用機(jī)制還有待于進(jìn)一步研究[17]。從研究的結(jié)果來看，貴州烏江流域植被NPP與氣溫、日照時(shí)數(shù)表現(xiàn)出較好的正相關(guān)。需要指出的是對(duì)于不同區(qū)域，氣候因子對(duì)植被NPP的影響具有差異性。如在干旱和半干旱地區(qū)，降水是影響植物生長(zhǎng)的首要因素，因而與NPP的正相關(guān)更為突出[20-21]。另外，文中基于歷年資料建立的植被NPP預(yù)報(bào)預(yù)測(cè)模型，樣本容量為21 a，若要得到更加具有統(tǒng)計(jì)顯著性的回歸方程，還需要收集更長(zhǎng)時(shí)間序列資料。