具琳靜 歐陽勛志 潘萍 劉軍 周巧晴 葉青龍

(鄱陽湖流域森林生態(tài)系統(tǒng)保護與修復(fù)國家林業(yè)和草原局重點實驗室(江西農(nóng)業(yè)大學(xué))，南昌，330045)

森林生態(tài)系統(tǒng)在全球碳平衡、涵養(yǎng)水源、改善環(huán)境等方面具有重要影響。森林凈初級生產(chǎn)力(NPP)指綠色植物自身呼吸消耗后剩下的單位時間單位面積內(nèi)光合作用所積累的有機物總量[1]。森林NPP能直接反映森林碳匯功能的強度和森林生態(tài)系統(tǒng)的質(zhì)量狀況[2]，是分析森林碳通量的關(guān)鍵指標(biāo)。開展區(qū)域尺度的森林NPP動態(tài)監(jiān)測將有助于科學(xué)評價區(qū)域森林生態(tài)系統(tǒng)碳匯能力和理解區(qū)域森林NPP對氣候因子的響應(yīng)。

隨著遙感和地理信息技術(shù)的不斷進步，國內(nèi)外學(xué)者利用多種模型和數(shù)據(jù)源對區(qū)域的森林NPP進行了估算，其中MODIS NPP數(shù)據(jù)是基于MODIS(TERRA衛(wèi)星)遙感參數(shù)，參考生物地球化學(xué)模型(BIOME-BGC)和光能利用率模型估算的植被NPP，已在全球及區(qū)域研究中得到應(yīng)用和驗證[3-4]。已有的研究表明，影響森林NPP時空分異的因素主要包括二氧化碳濃度[5]、氣候變化[6]、土壤[7]、地形[1]和人為因素[8]等。其中，氣候因子是影響森林NPP分布和碳收支的重要因素[9]，近幾十年氣候因素引起了森林植被生產(chǎn)力等多方面的改變[10]。國內(nèi)不少學(xué)者應(yīng)用MODIS NPP數(shù)據(jù)對秦嶺林區(qū)[11]、京津冀地區(qū)[12]、中國東北[13]等不同空間尺度的森林NPP做了研究，均發(fā)現(xiàn)氣溫、降水量等氣候條件和森林NPP存在相關(guān)性。然而，不同環(huán)境條件下，氣候因子對森林NPP的驅(qū)動機制存在地域差異，如張鳳英等[14]得出1982—2013年長江流域森林NPP與年均溫呈正相關(guān)的面積占80%以上，而與洞庭湖流域部分區(qū)域則呈負相關(guān)；崔林麗等[15]得出2001—2010年中國東南部地區(qū)植被NPP隨溫度和降水量的變化沒有北方明顯。因此，在全球氣候變化的背景下，針對不同氣候區(qū)域和時段開展研究森林NPP，這能夠更加全面的理解森林生態(tài)系統(tǒng)的碳循環(huán)特征。目前，對植被NPP的時空變化及其驅(qū)動因子的研究多采用趨勢分析、赫斯特(Hurst)指數(shù)、相關(guān)性分析等方法，而Hurst指數(shù)是能夠定量描述時間序列信息長期依賴性的，可用于預(yù)測未來植被NPP的變化情況[16]。如王耀斌等[17]通過計算Hurst指數(shù)得出2000—2015年秦嶺主要表現(xiàn)為持續(xù)性特征，而大巴山主要表現(xiàn)為反持續(xù)性特征，未來秦巴山區(qū)植被NPP良性積累，生態(tài)系統(tǒng)各方面功能和價值將逐年增加。由于傳統(tǒng)的相關(guān)性分析只能從單一的動態(tài)變化角度分析森林NPP與氣候的關(guān)系，無法解析氣候因子間的交互作用，而地理探測器能進一步比較氣候因子對森林NPP時空變化的影響力及因子間的交互作用。

贛南是中國南方地區(qū)重要的生態(tài)屏障，其森林生態(tài)系統(tǒng)可持續(xù)發(fā)展對區(qū)域氣候調(diào)節(jié)和生態(tài)平衡至關(guān)重要。本研究基于MODIS NPP數(shù)據(jù)，對2000—2019年贛南森林NPP進行分析，旨在闡明以下兩個問題：(1)贛南森林NPP的空間分布特征和時間變化特征；(2)贛南森林NPP對氣候因子的響應(yīng)。研究結(jié)果可為該區(qū)植被生產(chǎn)能力評價、森林管理政策的制定以及進一步理解該區(qū)森林生態(tài)系統(tǒng)與氣候因子的相互作用等提供參考。

1 研究區(qū)概況

研究區(qū)為江西省南部的贛州市。該市是典型的山地丘陵區(qū)，位于羅霄山、南嶺山與武夷山的交匯地帶，形成南高北低地勢。研究區(qū)屬亞熱帶季風(fēng)氣候區(qū)，水熱條件好，2000—2019年的年均降水量為1 577.63 mm，年均氣溫為18.84 ℃。森林類型主要有針葉林、闊葉林、針闊混交林、灌木林和竹林等，森林覆蓋率為76.23%，植被垂直帶較明顯。

2 數(shù)據(jù)來源及處理

NPP數(shù)據(jù)來自MODIS遙感產(chǎn)品MOD17A3H數(shù)據(jù)(https://ladsweb.nascom.nasa.gov/)，空間分辨率500 m，該產(chǎn)品NPP數(shù)值有效值范圍為-30 000～32 700，無效值范圍為32 761～32 767。根據(jù)該產(chǎn)品質(zhì)量信息的節(jié)點值(QC)大小，NPP數(shù)據(jù)的可信度分為反演失敗(QC≥128)、低(64≤QC<128)、中(32≤QC<64)、高(0≤QC<32)4個等級[18]，其中反演失敗是指像元區(qū)域為建筑用地、水域、巖石、沙漠等類型。經(jīng)逐年統(tǒng)計該產(chǎn)品質(zhì)量信息，得出贛南地區(qū)NPP數(shù)據(jù)質(zhì)量為中等級和高等級的區(qū)域占比94.19%，表明該數(shù)據(jù)質(zhì)量整體較好。通過MRT軟件將MODIS數(shù)據(jù)進行格式轉(zhuǎn)換和重投影，利用ArcMap軟件裁剪和單位換算，并刪除可信度較低、反演失敗的像元點。

土地覆被類型數(shù)據(jù)來自歐空航天局(ESA)的全球土地覆蓋產(chǎn)品(http://maps.elie.ucl.ac.be/CCI)，空間分辨率300 m，在全球范圍內(nèi)的精度估計為71.70%[19]，本研究選取2000—2019年共20期，用于表示當(dāng)年的土地覆被類型。高程、坡度和坡向數(shù)據(jù)從SRTM 90 m數(shù)字高程模型(DEM)數(shù)據(jù)集中提取，來自地理空間數(shù)據(jù)云(http://www.gscloud.cn)。2000—2019年降水量、氣溫數(shù)據(jù)集來自國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心(http://www.geodata.cn)，空間分辨率1 km；2000—2019年實際蒸散量來自MODIS MOD16A3數(shù)據(jù)集，空間分辨率500 m；2000—2018年太陽輻射量來自國家青藏高原科學(xué)數(shù)據(jù)中心的中國區(qū)域地面氣象要素驅(qū)動數(shù)據(jù)集[20](http://data.tpdc.ac.cn)，水平空間分辨率0.1°。上述數(shù)據(jù)在ArcMap軟件中重投影為WGS1984，重采樣為500 m，并根據(jù)研究區(qū)范圍進行鑲嵌和裁剪。

3 研究方法

3.1 基于像元的趨勢分析

Theil-Sen Median(Sen)方法是穩(wěn)健的非參數(shù)統(tǒng)計的趨勢分析法，能有效地反映森林NPP時間變化。其公式[21]為：

(1)

式中：xj、xi是第j、i年的NPP值(j>i)；β是sen斜率；β>0表示森林NPP上升趨勢，β<0表示下降趨勢。

Mann-Kendall(M-K)檢驗用于判斷森林NPP的變化趨勢是否顯著。其公式[17]為：

(2)

(3)

(4)

式中：n為樣本數(shù)；var(S)為方差；Z是正態(tài)分布的統(tǒng)計值，在給定顯著性水平α下，如果|Z|>Z1-α/2，表明森林NPP變化趨勢存在顯著性。本研究結(jié)合Sen趨勢分析和M-K檢驗的結(jié)果，將森林NPP變化趨勢分為4個等級：在α=0.05置信水平上，顯著上升(β>0，|Z|>1.96)；不顯著上升(β>0，|Z|≤1.96)；顯著下降(β<0，|Z|>1.96)；不顯著下降(β<0，|Z|≤1.96)。

3.2 變異系數(shù)分析

變異系數(shù)是衡量森林NPP年際變化的指標(biāo)，反映森林NPP在時間序列上的穩(wěn)定性。其公式[22]為：

(5)

3.3 未來變化趨勢分析

Hurst指數(shù)是定量描述時間序列數(shù)據(jù)長期依賴性的重要指標(biāo)，能夠量化森林NPP未來變化趨勢，監(jiān)測森林未來的健康狀況。其基本原理是[17，23]，設(shè)時間序列{ξ(t)}(t=1,2,…,n)，對于任意正整數(shù)τ，定義均值序列：

(6)

累計離差：

(7)

極差(R)：

(8)

標(biāo)準(zhǔn)差(S)：

(9)

R、S、τ滿足一般關(guān)系式：

R(τ)/S(τ)=c·τH。

(10)

最小二乘法擬合：

log(R/S)τ=logc+H·logτ。

(11)

式中：R(τ)/S(τ)是重標(biāo)極差；c是常數(shù)；H是Hurst指數(shù)值。若0

3.4 相關(guān)分析

采用逐柵格空間分析法探討森林NPP時間格局與氣候因子之間的相關(guān)性強弱，其公式為[1]：

(12)

式中：R是變量x、y的相關(guān)系數(shù)；第i年的NPP值、氣候因子值分別是xi、yi；n為樣本數(shù)。R值在[-1，1]，|R|值越大，相關(guān)性越強；若R<0，呈負相關(guān)，若R>0，則呈正相關(guān)。由相關(guān)系數(shù)表可知，顯著性檢驗結(jié)果包括顯著(P≤0.05)和不顯著。

3.5 地理探測器

地理探測器是一組統(tǒng)計學(xué)方法，能揭示地理現(xiàn)象的空間分異性及其背后驅(qū)動力，具體原理見文獻[24]。因子探測器是指探究各氣候因子對森林NPP時空分異的影響程度。交互作用探測是用于探究因子間的交互作用是否會增強或減弱對森林NPP的影響，或者因子間是獨立的。因子分析中q值在[0，1]，q值越大，表明因子對該年森林NPP空間變化的解析力越強，反之則越弱。

4 結(jié)果與分析

4.1 森林NPP空間分布特征

森林NPP整體分布特征。由圖1可知，贛南各地森林NPP年均值介于262.83～1435.26 g·m-2·a-1，存在明顯的空間差異，總體分布呈南高北低、西高東低的特征。森林NPP年均值超過600 g·m-2·a-1的區(qū)域占森林總面積的98.27%。按相等間隔法劃分為低、中低、中、中高、高5個等級，各等級占比分別為0.05%、37.17%、42.35%、4.36%、16.07%，其中，高值區(qū)集中在南部的尋烏縣、定南縣、全南縣、龍南市和安遠縣，中值區(qū)以西部的崇義縣、上猶縣、大余縣為主，中低值區(qū)集中在中部和北部，沒有明顯集中的低值區(qū)。

圖1 森林NPP年均值空間分布

不同地形森林NPP分布特征。根據(jù)江西省森林資源二類調(diào)查技術(shù)規(guī)程對研究區(qū)高程、坡度和坡向進行分級，其各級森林NPP值見表1?？傮w上，森林NPP隨高程的增加，呈現(xiàn)先增后減的趨勢，其中，高程100～249 m的區(qū)域，森林NPP平均值和總量均較小；250～499 m的森林NPP平均值較大，總量最大；500～999 m的森林NPP平均值達到最大值，總量較大；1 000 m以上的森林NPP平均值低于500～999 m的平均值，且該區(qū)域面積比例小，森林NPP總量較小。

森林NPP隨坡度的增大，呈現(xiàn)先增后減的變化趨勢，但其波動程度較高程平緩，其中，平坡(0°～5°)的平均值為811.39 g·m-2·a-1；緩坡(6°～15°)的平均值、總量均最大；而隨坡度逐漸加大，植被生長受到限制，植被覆蓋度降低，森林NPP平均值下降，在急坡(36°～45°)區(qū)域降至806.96 g·m-2·a-1。由于高程<100 m、坡度≥46°的區(qū)域面積占研究區(qū)總面積的比值分別為0.18%、0.01%，森林覆蓋度低，森林NPP值未進行統(tǒng)計。

各坡向森林NPP平均值進行從大到小排序為南坡、東南坡、西南坡、東坡、東北坡、西坡、北坡、西北坡，其中南坡的森林NPP平均值最大，其次是東南坡和西南坡，而西北坡最小。總體上，各坡向的森林NPP值存在明顯的差異，森林NPP平均值在南坡、東坡高于北坡、西坡。

表1 不同高程與坡度區(qū)間的森林NPP比較

坡度/(°)面積占比/%NPP平均值/g·m-2·a-1NPP總量/Tg0～533.12811.393.836～1546.60854.7911.3416～2517.40848.575.1826～352.69819.630.8136～450.18806.960.05

坡向面積占比/%NPP平均值/g·m-2·a-1NPP總量/Tg北 坡11.48830.472.32東北坡11.74841.392.37東 坡13.11841.852.64東南坡13.69855.823.00南 坡12.10871.412.79西南坡12.21851.492.68西 坡12.65833.222.71西北坡12.87821.202.69

4.2 森林NPP時間變化特征

由圖2可知，2000—2019年贛南逐年森林NPP均值變幅為780.93～904.49 g·m-2·a-1，多年平均值為843.46 g·m-2·a-1，其逐年總量變幅為20.32～23.33 Tg，多年平均值為21.54 Tg，其中2000年出現(xiàn)最小值20.32 Tg，2003年出現(xiàn)最高值23.33 Tg。從不同時間段來看，表現(xiàn)為“升-降-升-降-升-降-升-降”波動狀態(tài)。

圖2 森林NPP年際變化趨勢

變化趨勢。根據(jù)公式(1)計算得出2000—2019年森林NPP呈增加趨勢(β值>0)的區(qū)域占森林總面積的34.38%，呈減少趨勢(β值<0)的區(qū)域占65.62%。由圖3可看出，森林NPP呈不顯著上升、不顯著下降趨勢即沒有發(fā)生顯著變化的區(qū)域，占比64.72%；森林NPP呈顯著上升趨勢的區(qū)域占森林總面積的19.43%，平均速率為8.88 g·m-2·a-1，主要分布在興國縣、贛縣區(qū)、章貢縣、于都縣、南康區(qū)等；呈顯著下降趨勢的區(qū)域占15.85%，平均速率為-6.23 g·m-2·a-1。

圖3 森林NPP變化趨勢

由圖4可知，2000—2019年森林NPP變異系數(shù)介于0.03～0.55，平均值為0.07，變異系數(shù)值小于0.1的區(qū)域占森林總面積的91.77%，低值集中在贛南南部和西部，高值零散分布在西北部，表明森林NPP變異系數(shù)整體處于較低水平，20年間總體趨于相對穩(wěn)定狀態(tài)。

圖4 森林NPP變異系數(shù)

2000—2019年森林NPP的Hurst指數(shù)值域介于0.16～0.88，平均值為0.47。由表2可知，呈反持續(xù)趨勢(0

表2 森林NPP變化趨勢的持續(xù)性統(tǒng)計

圖5 森林NPP變化趨勢的持續(xù)性

4.3 森林NPP對氣候因子的響應(yīng)

逐年統(tǒng)計氣候因子的平均值可知，2000—2019年研究區(qū)氣溫年均值呈南高北低、東高西低的分布格局，多年平均值為18.84 ℃；年總降水量的年均值空間分布大體上呈自西北向東南遞增的趨勢，多年平均值為1 577.63 mm；實際蒸散量年均值呈南高北低的分布格局，多年平均值為915.5 mm；2000—2018年太陽輻射量年均值呈北部較低，東南部最高的分布格局，多年平均值為4 794.1 MJ·m-2。由圖6a可知，森林NPP與年均氣溫呈正相關(guān)、負相關(guān)的區(qū)域面積占研究區(qū)森林總面積的比值分別為37.29%、62.71%，其中呈不顯著正相關(guān)區(qū)域占比36.02%，集中在贛南的西北部；呈不顯著負相關(guān)區(qū)域占比60.25%。由圖6b可知，森林NPP與年總降水量呈正相關(guān)、負相關(guān)的區(qū)域占比分別為5.77%、94.23%，其中呈不顯著正相關(guān)的區(qū)域占5.77%；呈顯著負相關(guān)的區(qū)域占20.12%，集中在贛南南部的崇義縣、安遠縣、全南縣等地區(qū)。由圖6c可知，森林NPP與年實際蒸散量呈正相關(guān)、負相關(guān)的區(qū)域占比分別為78.00%、22.00%，其中呈顯著正相關(guān)區(qū)域占38.62%，集中在興國縣、安遠縣、全南縣、南康區(qū)等地區(qū)；呈不顯著負相關(guān)區(qū)域占21.31%，集中在贛南北部。由圖6d可知，森林NPP與年太陽輻射量呈正相關(guān)、負相關(guān)的區(qū)域占比分別為95.10%、4.90%，其中呈顯著正相關(guān)區(qū)域占13.55%，集中在東南部的安遠縣、會昌縣、尋烏縣等地區(qū)。整體而言，研究期間贛南森林NPP與氣候因子呈不顯著相關(guān)關(guān)系的區(qū)域占比最大；與年均氣溫、年總降水量的相關(guān)性中，負相關(guān)占主導(dǎo)地位，與年實際蒸散量、年太陽輻射量的相關(guān)性中，正相關(guān)占主導(dǎo)地位。

圖6 森林NPP與氣候因子的相關(guān)性

氣候因子影響力分析。根據(jù)表3可知，2000—2018年氣候因子對森林NPP的貢獻率(q值)表現(xiàn)出顯著的差異(P<0.01)，2002、2011、2015年，太陽輻射量是該年森林NPP空間分異解析力最強的氣候因子，2000—2001、2003—2010、2012—2014、2016—2018年，實際蒸散量是該年解析力最強的氣候因子，說明贛南森林NPP沒有絕對的主導(dǎo)因子。2000—2018年各因子貢獻率的平均值大小排序為：實際蒸散量(0.263 8)、太陽輻射量(0.143 2)、降水量(0.104 7)、氣溫(0.047 2)，表明在這4種氣候因子中連接水熱綜合效應(yīng)的實際蒸散量對森林NPP時空分異的影響力最大。

表3 因子探測結(jié)果

根據(jù)表4可知，交互作用探測的結(jié)果表明：實際蒸散量∩太陽輻射量=0.385 0，實際蒸散量∩降水量=0.362 9，交互作用q值大于二者最大值(0.263 8)，表現(xiàn)為雙因子增強；其他氣候因子間的交互q值均大于q(X1)+q(X2)之和，表現(xiàn)為非線性增強。對森林NPP貢獻率最大的交互作用為實際蒸散量與太陽輻射量、實際蒸散量與降水量、實際蒸散量與氣溫的耦合。整體而言，任意兩種氣候因子間交互作用的q值均大于單因子q值，均表現(xiàn)為雙因子增強或非線性增強的交互作用，不存在相互獨立及減弱的關(guān)系，即贛南森林NPP受多種氣候因子交互作用的影響。

表4 交互作用探測結(jié)果

5 討論與結(jié)論

2000—2019年贛南森林NPP在時間上與年總降水量、年均氣溫多呈負相關(guān)，這可能是由于贛南屬于亞熱帶季風(fēng)氣候，溫度年際波動較小、降水量豐富，在一定范圍內(nèi)的年總降水量和年均氣溫不是該區(qū)域樹木生長的限制因素，所以隨著年總降水量、年均氣溫的增加，森林NPP不一定會提高。崔林麗等[15]研究也表明植被NPP與年總降水量、年均溫度多呈負相關(guān)；王修信等[25]研究同樣得出2000—2016年漓江上游林地區(qū)植被NPP均值與年總降水量呈顯著負相關(guān)。也有研究表明植被NPP與年總降水量、年均氣溫呈正相關(guān)，如吳玉蓮等[26]研究表明1960—2011年長白山的紅松(Pinuskoraiensis)、闊葉林NPP與年總降水量呈顯著正相關(guān)，闊葉樹NPP與年均溫度呈顯著正相關(guān)；FANG et al.[27]得出2000—2010年新疆生長季節(jié)植被NPP與年總降水量呈正相關(guān)，與年均溫度呈負相關(guān)，這主要與該區(qū)氣候干燥，氣溫升高，土壤水分蒸發(fā)加速等有關(guān)。

氣候因子對贛南森林NPP時空變化的影響力排序由大到小為實際蒸散量、太陽輻射量、降水量、氣溫。森林NPP與表征區(qū)域水熱循環(huán)特征的實際蒸散量的關(guān)系更密切[28]，這主要是因為贛南降水多集中在春、夏季，春季較多陰天下雨的天氣，缺少陽光照射，引起太陽輻射量減少，夏季先澇后旱，超過一定范圍的降水量可能會造成林地積聚水，引起樹根的無氧呼吸，森林植被生產(chǎn)力可能會降低[29]。由于不同地區(qū)氣候條件的差異，氣候因子對森林NPP的影響具有區(qū)域差異性，如張少偉等[30]研究表明2003—2012年內(nèi)蒙古大興安嶺針葉林區(qū)森林NPP年際變化的主要影響因素是溫度和太陽輻射量，而受降水量的影響較小，這是由于該地區(qū)在寒溫帶，年總降水量介于300～450 mm，年際變化較?。煌蹙甑萚11]得出2000—2013年秦嶺林區(qū)植被NPP與氣溫的相關(guān)性高于降水量，反映了氣候因子對森林NPP影響的重要性主要由該區(qū)域植被生長的首要限制因素決定。

本研究初步分析了研究區(qū)森林NPP對氣候因子的響應(yīng)，但由于使用的遙感數(shù)據(jù)無法辨別人工林和天然林，不能排除人類活動的干擾，而且極端天氣、氮添加、CO2濃度、森林類型、林齡等自然因子，林業(yè)相關(guān)政策、人工采伐等人為因素對森林NPP的影響也不容忽視，因此全面了解贛南森林NPP時空變化的原因仍有待下一步深入研究。

贛南森林NPP年均值整體上呈南高北低、西高東低的空間分布格局，其隨著高程、坡度的增加均表現(xiàn)為先增后減的趨勢，南坡、東坡高于北坡、西坡。2000—2019年逐年森林NPP均值變幅為780.93～904.49 g·m-2·a-1；隨年份變化，呈顯著上升、顯著下降、變化不顯著的區(qū)域占比分別為19.43%、15.85%、64.72%，整體上比較穩(wěn)定；變化特征以反持續(xù)性特征為主，未來該區(qū)森林NPP良性積累。

在時間上，森林NPP與年實際蒸散量、年太陽輻射量多呈正相關(guān)，與年總降水量、年均氣溫多呈負相關(guān)；2000—2018年氣候因子對森林NPP時空變化的影響力排序由大到小為實際蒸散量、太陽輻射量、降水量、氣溫，森林NPP受多種氣候因子的交互影響。