王江濤, 楊永崇, 楊梅煥

(西安科技大學 測繪科學與技術學院, 陜西 西安, 710054)

植被凈初級生產(chǎn)力(net primary productivity,NPP),是指植物在單位時間和面積內(nèi)產(chǎn)生積累的有機干物質(zhì)總量[1]。也是陸地植被固碳能力的重要指標之一[2]。NPP的估算方法有通過建立氣候因子與NPP之間的回歸分析模型,該模型僅考慮到溫度、降水對NPP的影響,常用來計算自然植被氣候生產(chǎn)量,但一些學者認為其缺乏理論基礎[3]。有以生態(tài)循環(huán)模型為基礎,通過多源遙感數(shù)據(jù)建立的遙感過程模型,其理論體系相對完整,結構更加嚴謹,但模型較為復雜,需要調(diào)整模型狀態(tài)變量來提高估算精度,不適用于大尺度估算[4]。光能利用率模型是基于植被通過光合作用將吸收的能量轉化為有機碳的效率來估算植被NPP,適用于區(qū)域場景NPP的估算。精度受光合有效輻射和光能轉換率兩個因子的影響,其中的水分脅迫指標的確定是光能利用率模型精度估算的重點[5]。光能利用率模型中的CASA模型充分考慮植被生長的環(huán)境條件和植被自身特征,在國內(nèi)外得到廣泛應用[6-8]。同時也有相當多的學者基于MODIS NPP產(chǎn)品數(shù)據(jù)運用諸如趨勢分析法、Hurst指數(shù)、變異系數(shù)法等方法研究不同尺度下NPP的時空變化及與氣溫、降水等自然因子的相關性[9-10]。

近年來國內(nèi)外諸多學者用不同的分析方法例如地理探測器、相關分析法等探討自然因素、人為因素對區(qū)域NPP的影響。王娟等[11]研究認為自然驅(qū)動因子中的氣溫、降水、海拔高程對黃河流域均有影響且驅(qū)動力影響差異明顯。邵嘉豪等[12]研究表明近年來人為活動對山西省NPP變化產(chǎn)生了較大的擾動。孫治娟等[13]研究認為自然因素對云南省NPP影響強于人為因素,但人為為活動對NPP的影響在逐年增強。史曉亮等[14]研究認為降水是黃土高原植被NPP主要自然影響因素。穆少杰等[15]研究認為,不同植被類型NPP對氣候敏感存在差異性,林地NPP主要受到溫度限制,耕地和草地NPP主要受到降水限制。張佑銘等[16]研究認為高度、土地利用變化的交互作用對黃土高原植被NPP空間異質(zhì)性分布有著重要作用。楊丹等[17]研究表明人類活動在黃土高原生態(tài)改善方面發(fā)揮著重要作用。Qi等[18]研究表明降水對NPP影響相對復雜,溫度對NPP起到抑制作用,并且氣候變化和人類活動對NPP的影響均表現(xiàn)出較大的空間異質(zhì)性。Yang等[19]研究表明與氣候變化相比,人類活動對植被NPP總量增加具有積極作用。上述學者的研究內(nèi)容和成果揭示了不同自然因子和人為因子對黃土高原NPP的影響情況,將為后續(xù)研究黃土高原生態(tài)變化和陸地碳循環(huán)等方面提供一定的理論依據(jù)。但是,此前關于植被NPP時空動態(tài)的研究往往存在時間尺度短、空間分辨率低且NPP數(shù)據(jù)采用傳統(tǒng)CASA模型或MODIS MOD17A3HGF數(shù)據(jù)產(chǎn)品,存在數(shù)據(jù)精度不足等問題。并且關于人為擾動與自然條件的具體耦合因素對區(qū)域NPP的影響研究還比較少[20]。深入探討黃土高原植被NPP時空演變背后的驅(qū)動因子,對區(qū)域碳循環(huán)以及生態(tài)恢復和管理仍具有重要意義。本研究采用空間分辨率500 m并且在像元尺度表現(xiàn)更佳的改進CASA模型解決了此前表達不力的問題,探究黃土高原植被NPP近20年時空分布變化及自然因子和人文因子耦合對其變化的影響

1 材料與方法

1.1 研究區(qū)概況

黃土高原(33°41′～41°16′N,100°54′～114°33′E)地處我國西北部,總面積約為62×104km2,地勢西高東低(見圖1)。屬溫帶大陸性季風氣候,雨熱同期。地形破碎,千溝萬壑。儲藏有豐富的煤、天然氣等自然資源。該區(qū)域生態(tài)環(huán)境脆弱,對全球氣候變化響應十分敏感。程曉鑫等[21]的研究結果表明黃土高原氣候受全球氣候變化的影響,表現(xiàn)為降水增加、氣溫不再升高、風速降低和濕度減小等特點。自1999年實行退耕還林等一系列生態(tài)工程以來,黃土高原的植被覆蓋度得到了一定程度的恢復,多位學者研究表明黃土高原NPP總體呈增加趨勢,逐漸成為我國植被固碳的重要區(qū)域。

圖1 黃土高原高程水系圖Fig.1 Elevation drainage system of the Loess Plateau注:此圖基于國家自然資源部標準地圖服務網(wǎng)站審圖號為GS(2020)4619的標準地圖制作,底圖無修改。

1.2 數(shù)據(jù)來源與預處理

MODIS遙感數(shù)據(jù)產(chǎn)品包括MOD13Q1、MOD09A1、MCD12Q1和MOD17A3HGF,數(shù)據(jù)均來源于美國NASA數(shù)據(jù)服務中心(https://lpdaac.usgs.gov),MOD13Q1和MOD09A1采用最大值合成法( maximum value composite MVC)得到逐月柵格數(shù)據(jù)。氣溫、降水和日照時長數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn),基于反距離權重插值法,得到氣象柵格數(shù)據(jù)。太陽輻射數(shù)據(jù)根據(jù)日照時長數(shù)據(jù),利用聯(lián)合國糧農(nóng)組織推薦使用的Angstrom公式計算得到逐日太陽輻射。運用簡單Kriging插值[22],逐日加和得到月總太陽輻射數(shù)據(jù)。社會經(jīng)濟數(shù)據(jù)采用中科院資源環(huán)境與數(shù)據(jù)中心(https://www.resdc.cn)提供的人口密度數(shù)據(jù)和GDP數(shù)據(jù)集。黃土高原矢量數(shù)據(jù)來源于國家地球系統(tǒng)分中心黃土高原中心(http://loess.geodata.cn)。土地利用數(shù)據(jù)采用武漢大學楊杰等[23]發(fā)布的空間分辨率30 m逐年中國土地覆蓋數(shù)據(jù)集(CLCD),利用眾數(shù)聚合法重采樣為1 km,這種方法能夠更好地保留優(yōu)勢類別[24]。

1.3 CASA模型

CASA模型主要受光合有效輻射PAR和光能利用率ε兩者的影響,本文采取優(yōu)化水分脅迫系數(shù)后的CASA模型實現(xiàn)NPP估算。計算公式為:

NPP(x,t)=PAR(x,t)×ε(x,t)

(1)

1.3.1 光合有效輻射估算

光合有效輻射由太陽輻射和植被吸收光合有效輻射ε的比例共同決定,公式為:

PAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5

(2)

式中:SOL(x,t)表示月總太陽輻射量, MJ·m-2·month-1。通過計算日太陽輻射SOL(x,t),逐日加和可得。

1.3.2 光能利用率估算

光能利用率是指植物吸收光合有效輻射轉換為有機碳的效率,公式為:

ε(x,t)=εmax×T1(x,t)×T2(x,t)×Wt(x,t)

(3)

式中:T1(x,t)、T2(x,t)表示溫度脅迫系數(shù);εmax表示植被在溫度、水分和光照條件都充分的狀態(tài)下,植被通過光合作用吸收太陽輻射轉換有機碳的最大效率;Wt(x,t)表示水分條件對植被光能轉換率的影響。傳統(tǒng)CASA模型采用土壤水分蒸散發(fā)模型,需要眾多復雜土壤參數(shù),朱文泉等[25]的改進CASA模型通過計算氣溫降水得到的區(qū)域?qū)嶋H和潛在蒸散發(fā)數(shù)據(jù)作為水分脅迫系數(shù),被眾多學者采用。一些學者將地表水分指數(shù)(land surface water index,LSWI)引入CASA模型中。相關研究顯示使用LSWI作為水分脅迫系數(shù),更加適用于區(qū)域尺度的NPP監(jiān)測[26]。在像元尺度的全國NPP監(jiān)測中,優(yōu)化后的CASA模型像元尺度上表現(xiàn)明顯好于傳統(tǒng)模型[27]。

(4)

(5)

式中:LSWImax表示單個像元在一年內(nèi)的最大值,通過最大值合成得到:ρnir與ρswir分別代表MODIS產(chǎn)品數(shù)據(jù)的近紅外與短波紅外波段。本研究采用Bao等[28]提出的改進算法,計算公式如下:

(6)

1.4 統(tǒng)計與分析

1.4.1 植被NPP的變化趨勢

本文利用一元線性回歸性檢驗(趨勢分析法)逐像元研究黃土高原年植被初級生產(chǎn)力時序變化是否存在單調(diào)性變化趨勢,計算公式為:

(7)

式中;θslope表示變化趨勢;n=20為研究時間區(qū)間;NPPi為第i年植被NPP。θslope<0表示NPP減少,θslope>0表示NPP增加。顯著性檢驗使用F檢驗。

1.4.2 地理探測器

地理探測器是探測空間分異性,以及揭示其因變量空間異質(zhì)性驅(qū)動力的方法[29]。計算公式為:

(8)

式中q為分異性因子(0

氣溫和降水是氣候因子中兩個非常重要的因素,它們的變化直接影響到區(qū)域NPP的積累。地形因子考慮海拔是因為海拔因素直接影響植被垂直分布的水熱組合,從而造成植NPP垂向分布格局的差異。人類活動和氣候變化對植被NPP的影響復雜多樣,可能會產(chǎn)生相互抵消等作用[31],因此細化人類活動對研究人為擾動對NPP的影響至關重要。土地利用類型受人類干擾強烈,是影響區(qū)域NPP變化的重要原因。人口密度和GDP可以在一定程度反映城市擴張水平和經(jīng)濟發(fā)展水平,可以反映區(qū)域受人類活動影響的程度。故選取氣溫、降水、高程、人口密度、GDP、土地利用類型作為自變量因子。

2 結果與分析

2.1 估算結果驗證

采用MOD17A3HGF NPP產(chǎn)品數(shù)據(jù)集對估算結果進行驗證,大量國內(nèi)外研究學者已經(jīng)證明這種間接驗證法具有一定的可靠性[32-34]。將優(yōu)化CASA模型估算的NPP數(shù)據(jù)和MOD17A3HGF NPP數(shù)據(jù)分別合成2000—2019多年均值柵格數(shù)據(jù),創(chuàng)建10 km×10 km漁網(wǎng),獲取漁網(wǎng)中心點對應的MOD17A3HGF NPP數(shù)據(jù)和CASA模型估算NPP數(shù)據(jù)的像元值,由于MOD17A3HGF NPP數(shù)據(jù)集水體NPP估算存在異常值,需剔除水體異常值。剩余65 378組數(shù)據(jù)進行相關性分析。

結果表明優(yōu)化后CASA模型估算與MOD17A3HGF具有緊密的正相關關系(R2=0.61,P<0.01),見圖2。

圖2 CASA模型NPP與MOD17A3產(chǎn)品精度驗證Fig.2 Accuracy verification of CASA model NPP and MOD17A3 products

本研究通過優(yōu)化CASA模型估算的植被類型NPP均值均在實測NPP數(shù)據(jù)范圍內(nèi),且在空間分布具有相似的分布特征,表明本研究使用的優(yōu)化后CASA模型估算結果較為可靠。

2.2 黃土高原NPP時空變化特征分析

2.2.1 黃土高原NPP空間分布特征

黃土高原年NPP均值(見圖3)總體呈現(xiàn)西北低,東南高的分布特點。根據(jù)前人研究結果[35],本研究根據(jù)單元格網(wǎng)NPP產(chǎn)量進行等級劃分,[0,200],(200,500],(500,∞),單位gC/(m2·a)分別為低值區(qū)、中值區(qū)、高值區(qū)。高值區(qū)主要分布在山西省的呂梁山脈和太行山脈兩側、陜西省甘泉縣、寶塔區(qū)以南地區(qū)以及黃土高原青海省南部的區(qū)域。低值區(qū)域主要分布在甘肅省的景泰縣、靖遠縣以及寧夏的中衛(wèi)縣和中寧縣以及內(nèi)蒙古的鄂托克旗西北部和杭錦旗的北部地區(qū)。經(jīng)統(tǒng)計分析,NPP低值區(qū)域面積僅占全黃土高原總面積的23.9%,高值區(qū)域面積占全域38.7%。

圖3 2000-2019年黃土高原NPP均值分布圖Fig.3 Mean distribution of NPP in the Loess Plateau from 2000 to 2019注:此圖基于國家自然資源部標準地圖服務網(wǎng)站審圖號為GS(2020)4619的標準地圖制作,底圖無修改。

NPP低值區(qū)主要分布在平均海拔1 041 m的區(qū)域,高于其他區(qū)域且地勢起伏大。多年平均降水304.265 mm,低于其他區(qū)域。多年平均氣溫為8.11℃,多年平均氣溫低于其他區(qū)域。植被覆蓋類型主要為戈壁荒漠和牧草地,植被覆蓋低。在一定程度上說明了NPP低值區(qū)海拔較高,植被生長的水熱條件不充分,有機物積累能力比較弱。而NPP高值區(qū)植被類型主要為針葉林、灌叢和耕地,降水充沛、溫度適宜有利于植物有機物積累。

2.2.2 黃土高原NPP空間變化特征

根據(jù)NPP變化率及變化趨勢檢驗可知,像元尺度上變化率呈現(xiàn)出由四周向中部地區(qū)逐漸增加的趨勢(見圖4),增長率高的區(qū)域出現(xiàn)在陜北地區(qū)和寧夏南部地區(qū),負增長區(qū)域主要在青海海北地區(qū)、山西晉中區(qū)域、陜西關中區(qū)域以及內(nèi)蒙鄂爾多斯地區(qū)。顯著增長區(qū)域(見圖5)主要分布在陜北地區(qū)、甘肅南部地區(qū)、青海南部山區(qū)、寧夏南部山區(qū)。近20年顯著增長區(qū)域面積約占86.7%,山西晉中、青海海北和海西部分地區(qū)以及內(nèi)蒙鄂爾多斯地區(qū)呈現(xiàn)顯著減少,這些地區(qū)屬于煤炭資源富集區(qū)域。這些區(qū)域的土地利用類型由耕地、荒地逐漸轉變?yōu)榻ㄔO用地?？赡芘c城鎮(zhèn)化發(fā)展或煤炭開采導致土地植被破壞有關。

圖4 2000-2019黃土高原NPP變化率Fig.4 Change rate of NPP in the Loess Plateau from 2000 to 2019注:此圖基于國家自然資源部標準地圖服務網(wǎng)站審圖號為GS(2020)4619的標準地圖制作,底圖無修改。

圖5 黃土高原2000-2019年變化趨勢顯著性(F檢驗)Fig.5 Significance of change trend in Loess Plateau from 2000 to 2019 (F-test)注:此圖基于國家自然資源部標準地圖服務網(wǎng)站審圖號為GS(2020)4619的標準地圖制作,底圖無修改。

2.2.3 黃土高原NPP時間變化特征

黃土高原NPP均值從2000年的160.94 gC/(m2·a)波動上升至2019年的225.152 3 gC/(m2·a)(見圖6);平均值為204.04 gC / (m2·a),年平均增加速率為3.194 7 gC/ (m2·a)(R2= 0.754,P<0.01);黃土高原及區(qū)域內(nèi)各省的均值增加趨勢基本一致。從2001年出現(xiàn)低值后呈現(xiàn)穩(wěn)步增長趨勢。

圖6 2000—2019年不同區(qū)域NPP變化趨勢Fig.6 Trends of NPP in different regions from 2000 to 2019

在不同NPP區(qū)域變化當中,低值區(qū)面積以每年778 km2的速率持續(xù)縮減(R2=0.798,P<0.01),中值區(qū)(200～ 400 gC·m-2·a-1)。每年663 km2的速率持續(xù)增加,在高值區(qū)部分以每年115 km2的速率增加(見圖6)。

主體面積也由低值區(qū)逐步過渡到中值區(qū),NPP主要集中在200 gC/(m2·a)到400 gC/(m2·a)區(qū)間。表示黃土高原植被NPP總量逐年增加,且低值區(qū)NPP增加顯著。

2.3 NPP變化與各因素相關性分析

2.3.1 土地利用因素

不同土地利用類型年際NPP差異明顯(見表1),從2000到2019年黃土高原土地利用類型發(fā)生較大變化。其中耕地、灌木、戈壁荒漠面積均有不同程度的減少,除耕地外,灌木和戈壁荒漠的NPP均值和總量均有損失,耕地的NPP均值和總量比2000年有所增加。林地、水域、建設用地面積增長顯著,與此同時林地、水域、建設用地對應的NPP均值和總量也均有增長。在不同的土地利用類型中,NPP均值最高是林地在330 gC/(m2·a)以上,其次是灌木和耕地。其中林地的光照條件好,光能利用率高,植被光合作用較活躍,生物量累計較高,因此使得林地NPP均值變高。同時草地、耕地和林地這三大用地類型也是黃土高原主要NPP來源,三者NPP總量在2000年和2019年分別占NPP總量的97.6%和98.2%。

表1 2000年和2019年黃土高原各用地類型面積與對應NPP統(tǒng)計Tab.1 Area and corresponding NPP statistics of land use types on the Loess Plateau in 2000 and 2019

2.3.2 氣象因素

從2000年起,黃土高原降水均值隨植被覆蓋提高逐年穩(wěn)步增加,而氣溫變化不明顯(見圖7)?？赡苁怯捎诮邓龆鄬植繗夂虻恼{(diào)節(jié)功能使得溫度沒有顯著變化。年均降水和NPP有顯著相關性(R2=0.526,P<0.05),因此降水可能是黃土高原植被NPP增加的主要原因之一。穩(wěn)定的溫度也給植被生長提供了適宜的環(huán)境溫度,良好的水熱條件也使得黃土高原NPP逐年增加。

圖7 2000-2019年均氣溫降水變化圖Fig.7 Variation of average annual temperature and precipitation from 2000 to 2019

2.3.3 地理探測器

從因子探測器的結果來看,各年份的主導因子均為降水,代表年份解釋力分別為0.458、0.400、0.405、0.442 5和0.310(見圖8)。而從不同年份各因子的q均值大小來看:降水(0.401 4)>土地利用(0.324 5)>氣溫(0.146 8)>高程(0.076)>人口密度(0.064)>生產(chǎn)總值(0.021),表明降雨和土地利用變化是NPP變化的最主要驅(qū)動力。

圖8 不同因子解釋力分布Fig.8 Distribution of explanatory power of different factors

交互作用探測器結果顯示(見表2),雙因子交互后的影響力明顯高于單因子,且任意兩個因子交互結果呈現(xiàn)出雙因子或非線性增強的特點,這說明黃土高原2000—2019年植被NPP的變化受到多個因子的協(xié)同影響,并非受單一因子控制。將各代表年份的交互因子影響值進行排列,可以看到2000年降水和高程在交互后有最高的解釋力,達到了0.604。2005年、2010年、2015和2019年降水和土地利用因子在交互后的影響值最高,分別為0.556、0.560、0.584和0.457。從最終結果來看,雖然降水仍為NPP變化的主導因子且強于人為擾動因素,而隨著時間的變化,降水因子加上土地利用的交互解釋力在不斷上升,說明人為擾動對NPP值變化的影響力在逐漸增強。

表2 各年份主導交互因子情況Tab.2 Dominant interaction factors in each year

本文引用的數(shù)據(jù)采用優(yōu)化CASA模型計算得到,可用于區(qū)域場景定量分析研究。若對小尺度區(qū)域或者更高時間分辨率進行研究分析,則需要更換NPP估算模型。地理探測器能夠解釋多因子交互作用對因變量地理空間分布的異質(zhì)性。但對于因變量的解釋比較依賴于自變量的選取,本文參考前人研究基礎上選取6個自然條件和人為擾動因子。在后續(xù)的研究中應積極探討土壤侵蝕、坡度、城市建設水平、景觀格局指數(shù)等多種自然、人為因子對NPP的影響,繼續(xù)深入探討多因子對生態(tài)脆弱區(qū)植被NPP的驅(qū)動影響。

3 討論與結論

3.1 討 論

不同模型估算的NPP存在較大差異,其主要原因是模型機理的不同,這使得模型的輸入?yún)?shù),適用范圍都有很大的差異。本文采用的改進CASA模型,引入LSWI作為水分脅迫系數(shù)取代原模型中的蒸散量。前人研究表示[28],LSWI作為水分脅迫系數(shù)可以有效提高傳統(tǒng)CASA模型估算精度。本文模擬的2000—2019年黃土高原NPP均值為204.04 gC/(m2·a),其中耕地、混交林、落葉闊葉林的NPP分別為423 gC/(m2·a)、490 gC/(m2·a)和519 gC/(m2·a)。以往的研究分別在252.50～606 gC/(m2·a),423～582 gC/(m2·a)和284.3～679 gC/(m2·a)之間。MOD17A3數(shù)據(jù)由于存在空值和異常值所以各類型值均低于其余模型模擬的結果。說明本研究估算的不同植被類型NPP均在以往研究結果和實測NPP范圍內(nèi),且NPP分布規(guī)律相同即常綠闊葉林最高其次是落葉闊葉林、混交林、耕地等。

從時間上來看,黃土高原自1999年實行退耕還林還草等一些生態(tài)恢復工程后,植被恢復,生態(tài)環(huán)境改善,NPP整體呈現(xiàn)出穩(wěn)步增長。這也與前人的研究結果相一致。從空間上來看,多年均值NPP呈現(xiàn)出西北低東南高的特點,且在陜北地區(qū)和山西呂梁地區(qū)這些生態(tài)恢復工程重點區(qū)域呈現(xiàn)顯著增加。在內(nèi)蒙鄂爾多斯地區(qū)、陜西關中地區(qū)、山西晉中地區(qū)、青海的海西海北地區(qū)呈現(xiàn)減少趨勢,這些區(qū)域大部分是煤炭資源富集地區(qū)或畜牧業(yè)發(fā)達區(qū),可能是由于人為活動和畜牧活動導致植被破壞。其余地區(qū)為滿足城市發(fā)展的需要,大規(guī)模的耕地等被轉換為建設用地,導致生態(tài)環(huán)境遭到破壞,NPP顯著減少。

氣候決定了區(qū)域植被分布的種類和生長狀況,黃土高原近20年的氣候變化表現(xiàn)為降水顯著增多,氣溫變化不明顯。在NPP低值區(qū),平均降水量和氣溫均低于其余區(qū)域,NPP高值區(qū)的平均降水量高于其余區(qū)域。這是由于黃土高原處于干旱和半干旱地區(qū),水分是限制植物生長的重要氣候因子。隨著降水量逐年增多,植被生長所需要的水熱條件得以改善,表現(xiàn)出NPP逐年增多。在主導因子分析中也表現(xiàn)出降水是黃土高原NPP變化的主導因子。在實行生態(tài)恢復工程后,多年土地利用變化中林地、水域、建設用地面積增長顯著。降水和土地利用交互作用影響值最高,說明黃土高原NPP變化由原來主要由自然因子單一影響轉而由自然因子和人為因子耦合影響,且人為因子影響的程度逐年提高,充分說明外界人為擾動對黃土高原NPP影響顯著。

3.2 結 論

1) 黃土高原多年均值NPP空間異質(zhì)性明顯,表現(xiàn)出東南高西北低的特點。

2) 不同用地類型的NPP總量差異明顯,具體表現(xiàn)為:草地>耕地>林地>建設用地>未利用土地>灌木>水域>冰雪。

3) 不同年份驅(qū)動力因子表明降雨和土地利用變化是NPP變化的主要驅(qū)動力,區(qū)域經(jīng)濟發(fā)展水平對區(qū)域NPP影響較小。

4) 雙因子交互作用說明以2000年為界,黃土高原NPP的主導交互因子由自然因子轉為自然和人為因子耦合協(xié)同影響,人為擾動因素對NPP的影響力在逐步增強。