黄土高原植被净初级生产力的时空变化及其与气候因子的关系*

史晓亮，杨志勇，王馨爽，高 军，胡 艳



黄土高原植被净初级生产力的时空变化及其与气候因子的关系*

史晓亮1，杨志勇2**，王馨爽3，高 军4，胡 艳1

（1.西安科技大学测绘科学与技术学院，西安 710054；2.中国水利水电科学研究院水资源研究所，北京 100038；3.国家测绘地理信息局陕西基础地理信息中心，西安 710054；4.中国林业科学研究院资源信息研究所，北京 100091）

以西北典型植被脆弱区黄土高原为研究区，利用AVHRR GIMMS和MODIS两种NDVI数据源，基于CASA模型对1982-2014年黄土高原植被净初级生产力（NPP）进行模拟，并分析其时空变化特征及其与气候因子的关系。结果表明：黄土高原年均植被NPP为254.0gC·m-2，1982-2014年总体呈增加趋势。不同植被类型NPP有较大差异，落叶阔叶林NPP值最高，年均NPP达513.0gC·m-2，其次为常绿针叶林、草甸、农田、灌丛和草原。黄土高原植被NPP空间分布差异显著，表现出南高北低的特点。从NPP年际变化的空间分布来看，在退耕还林还草生态工程实施之前（1982-1998年），黄土高原大部分区域植被NPP变化不明显。自1999年后该区植被NPP增加趋势显著，增速达到5.38gC·m-2·a-1。在空间分布上，66.6%的区域植被NPP呈显著增加趋势，主要分布在陕北高原、山西中西部的吕梁-太行山等地。退耕还林等生态工程的实施，使该区植被状况得到改善。黄土高原植被NPP与降水量具有显著的相关性，但与气温相关性不大，说明降水是影响黄土高原植被NPP的主要因素。

净初级生产力；AVHRR GIMMS NDVI；MODIS NDVI；CASA模型；黄土高原；时空变化；气候因子

植被净初级生产力（Net Primary Productivity，NPP）直接反映植物群落在自然环境条件下的生产能力，作为表征植被活力的关键因素，NPP不仅关系到生态系统固碳能力的强弱，同时也是判定碳汇和调节生态过程的主要因子[1]。因此，随着全球变化和碳循环研究的不断深入，研究NPP估算方法及其与全球变化的响应关系，在陆地生态系统的碳循环研究中具有重要的地位，并被国际地圈-生物圈计划（IGBP）、人与生物圈计划（MAB）、全球变化与陆地生态系统（GCTE）和京都议定书确定为核心研究内容之一[2-3]。

随着遥感技术的发展，利用其时间序列长和覆盖范围广的特点，以及在反演获取地表植被信息和关键参数方面的优势，基于遥感数据驱动的估算模型已被广泛应用于长时间序列NPP时空特征及其对全球变化的响应研究[4-5]。其中建立在植物光合作用过程和光能利用率概念基础上的CASA模型，以归一化植被指数（Normal Difference Vegetation Index，NDVI）为驱动，目前已成为全球和区域尺度较为常用的植被NPP估算模型[6]，并在国内外得到广泛应用[7-11]。气温和降水等主要气候因子对植被的生长过程具有重要影响，并对气候变化存在明显响应[12]。目前在全球气候变暖的背景下，植被NPP对气候变化的响应特征表现出较大的空间异质性。毛德华等[9]研究认为，中国东北地区NPP与降水间相关性空间差异显著，而与气温的相关性不明显。穆少杰等[10]研究发现，内蒙古不同植被类型NPP对气候因子的敏感性差异明显。森林植被NPP主要受温度限制，而荒漠、农田和草地植被NPP则主要受降水量影响。周杰等[13]在渭河流域的研究则表明温度和降水是影响渭河流域NPP的主要因子。因此，有必要在典型区域开展植被NPP研究，对于深入探讨区域水平植被NPP时空演变的驱动机制，丰富全球碳循环研究具有重要意义。

黄土高原地处半干旱半湿润气候带，土质疏松，水土流失严重，是中国的生态脆弱区和水土保持重点区域[14]。为改善黄土高原日益恶化的生态环境，从1999年开始国家在该地区实施退耕还林还草、封山育林等大规模植被建设，植被得到一定的恢复[15]。目前已有学者在黄土高原开展了植被NPP研究。韦莉等[16]基于CASA模型估算了2003年黄土高原草地NPP；宋富强等[17]研究了2005年陕北黄土高原地区的植被净初级生产力及其时空分布；李登科等[18]基于MOD17A3数据集的研究认为陕西省2000-2006年大部分地区NPP呈增加趋势，表明通过退耕还林等生态建设工程的实施，该地区植被状况得到较好的改善。谢宝妮等[19]研究认为黄土高原2000-2010年NPP呈增加趋势，由大规模退耕还林还草植被建设工程引起的土地利用覆被变化是退耕区NPP增加的主要因素。但是以往研究多局限于单一遥感数据源，从而导致研究时间序列较短，较少涉及对黄土高原地区在大规模生态工程建设实施前后植被NPP时空演变特征的研究。鉴于此，本文综合利用AVHRR GIMMS和MODIS两种NDVI数据源，估算黄土高原1982-2014年长时间序列植被NPP，并以1999年为分界点，分析探讨该区大规模植被建设前后植被NPP的时空变化及其与气候因子的关系，以期为黄土高原退耕还林还草生态工程成效评价提供科学依据。

1 材料与方法

1.1 研究区概况

黄土高原地区（100°54′-114°33′E、33°43′- 41°16′N）为太行山以西、青海省日月山以东，秦岭以北、长城以南的广大地区，行政区涉及陕西省、山西省、甘肃省、青海省、河南省、宁夏回族自治区以及内蒙古自治区等省（区），总面积约63.2万km2。

研究区地形西高东低，海拔200-3000m。地处半干旱半湿润气候带，属暖温带大陆性季风气候，冬季寒冷干燥，夏季炎热少雨，且雨季集中，年际变率较大。年均气温3.6～14.3℃，年均降水量300～800mm。植被类型主要包括常绿针叶林、落叶阔叶林、灌丛、草地和农田（图1），主要土壤类型为黄绵土、草原风沙土和褐土。

1.2 数据来源及预处理

遥感数据源包括AVHRR GIMMS和MODIS两种NDVI数据集。GIMMS NDVI数据来源于国家自然科学基金委员会“中国西部环境与生态科学数据中心”（http://westdc.westgis.ac.cn）。空间分辨率为8km，为每15d最大值合成数据，时间尺度为1982-2006年。数据集经过辐射和几何校正等预处理，为减少云、大气、太阳高度角等的影响，采用最大合成法（Maximum Value Composites，MVC）获取逐月NDVI值[20]。MODIS NDVI数据来自美国NASA地球观测系统的2001-2014年的MOD13A3月值NDVI数据，空间分辨率为1km。通过专业处理软件MRT（MODIS Reprojection Tools）对下载获取的MODIS NDVI数据完成镶嵌、裁切、投影与格式转换等处理，并基于两种NDVI数据源重合时间段的NDVI数据集（2001-2006年），通过建立逐像元一元线性回归模型，应用重采样为8km分辨率的MODIS NDVI对GIMMS NDVI数据集进行插补延长[21]，从而建立黄土高原33a（1982-2014年）长时间序列8km分辨率的NDVI数据集。基于中国科学院植被图编辑委员会2001年编著的1:100万中国植被图集，经扫描数字化得到黄土高原植被类型图。

对模拟结果进行验证的NPP产品数据来自美国NASA EOS/MODIS 2000-2014年MOD17A3数据，时间分辨率为年，空间分辨率为1km。MOD17A3数据是参考BIOME-BGC模型与光能利用率模型模拟得到的年NPP，并已在全球和区域碳循环研究中得到广泛应用[22]。

气象数据来源于中国气象科学数据共享服务网（http://cdc.nmic.cn），包括研究区45个气象站点1982-2014年的逐月降水量、平均气温和日照时数。太阳总辐射量由大气上界太阳辐射量和日照时数计算得到。采用IDW插值方法，获取与NDVI数据具有相同投影和像元大小的月太阳辐射、降水量和平均气温栅格数据集。

1.3 NPP估算模型

采用CASA（Carnegie-Ames-Stanford Approach）模型对黄土高原1982-2014年的植被NPP进行估算。该模型是一个充分考虑环境条件和植被本身特征的光能利用率模型，由遥感、气象、植被以及土壤类型数据共同驱动，已被广泛应用于陆地生态系统NPP的估算[10,23]，可以由植被吸收的光合有效辐射（APAR）和光能利用率（e）两个因子来确定。

式中，NPP（x，t）是像元x在t月份的植被净初级生产力，以碳为单位（gC·m-2），APAR（x，t）表示像元x在t月份吸收的光合有效辐射（MJ·m-2），e（x，t）表示像元x在t月份的实际光能利用率（gC·MJ-2），与植被类型有关。植被吸收的光合有效辐射（APAR）计算方法为

式中，S（x，t）表示像元x在t月份的太阳总辐射量（MJ·m-2），可由大气上界太阳辐射量和日照百分比计算[24]。常数0.5表示植被利用的太阳有效辐射占太阳总辐射的比例，计算式为[25]

式中，SRmin取值为1.08；SRmax的大小与植被类型相关，可由文献[26]获取。SR由NDVI计算得到。

光能利用率e表示植被将吸收的光合有效辐射转化为有机碳的效率（gC·MJ-2），可由下式计算。

式中，Te1（x，t）和Te2（x，t）分别表示低温和高温对光能利用率的影响系数，其中，Te1为低温和高温情况下植物内在生化作用对光合的限制，由下式计算：

式中，Topt(x)表示研究区1a内NDVI值达到最大时当月的平均气温。Te2（x，t）表示环境温度由最适宜温度向高温和低温变化时植被光能利用率逐渐变小的趋势。

We（x，t）为水分胁迫影响系数，表示水分条件对光能利用率的影响。随着环境中有效水分的增加，其取值范围为0.5（极端干旱条件）～1（非常湿润条件），计算式为

式中，EET（x，t）为实际蒸散量(mm)，可根据区域实际蒸散模型求取；PET（x，t）为潜在蒸散量(mm)，可根据Boucher提出的互补关系求 取[24]。

emax表示在理想条件下植被的最大光能利用率，其取值因植被类型不同有较大差别，本文emax取值参考朱文泉等[26]在中国范围内的研究结果确定黄土高原地区各植被类型的最大光能利用率（表1）。

利用以上模型和NDVI、气象资料，估算得到黄土高原764个格网点1982-2014年逐月植被NPP值，每年1-12月值累加得到相应的年NPP。以所有格点的算术平均值作为整个研究区对应时段的NPP值。

表1 CASA模型中emax取值

Note: ECF is evergreen coniferous forest；DBF is deciduous broadleaf forest. The same as below.

1.4 分析方法

应用一元线性回归法在像元尺度分析黄土高原在大规模植被建设前后两个阶段（1982-1998和1999-2014年）植被NPP年值的变化趋势[10]。

基于像元相关分析方法对1982-2014年黄土高原植被NPP年值与主要气候因子（年均降水量和平均气温）进行逐像元相关分析[20]，用相关系数的空间分布情况反映植被NPP对气候因子的响应。

2 结果与分析

2.1 植被NPP估算精度评价

由于获取研究区NPP的实测值较难，本文采用与MOD17A3产品数据对比的方法进行模型模拟精度评价[23]。将本研究估算得到的不同类型的NPP均值与部分实测数据进行对比，如果偏差不大，即认为估算结果较合理[27]。由表2可见，对于落叶阔叶林，本研究估算的NPP值与MOD17A3数据差别较大，但在实测范围之内。其它植被类型差异较小，且反映的趋势较为一致，说明本研究估算的植被NPP基本可靠。

2.2 黄土高原植被NPP时空变化特征

2.2.1 研究区域植被NPP平均值的年际变化

由图2可见，黄土高原1982-2014年植被NPP的年际波动变化较大，但整体呈增加趋势，年增速为1.7gC·m-2（P＜0.05）。年NPP值在1982年为最低（214.6gC·m-2），2012年最高（322.0gC·m-2），平均254.0gC·m-2。其中1982-1998年研究区植被NPP年均增速为1.2gC·m-2，年均NPP为244.1gC·m-2。但是自1999年实施大规模生态工程建设以来，该区植被NPP随时间推移呈现明显增加趋势，1999-2014年年均增速达到5.4gC·m-2，年均NPP增至264.6gC·m-2。

表2 不同植被类型NPP年均估算值与实测值的比较（gC·m-2）

2.2.2 大规模植被建设前后不同植被类型NPP的变化

1982-2014年不同植被类型年均NPP存在较大差异，统计比较表明，黄土高原生态系统中落叶阔叶林NPP值最高，33a间年均NPP达513.0gC·m-2，但是区域内落叶阔叶林分布较少，仅占全区总面积的2.63%。

常绿针叶林为346.0gC·m-2，草甸为300.1gC·m-2，农田为261.2gC·m-2，灌丛为271.7gC·m-2，草原最小，为235.4gC·m-2。后3种是黄土高原的主要植被类型，占总面积的88.53%。

相对于退耕还林还草工程实施之前（1982-1998年），经过近15a的大规模植被建设，黄土高原不同植被类型的NPP均呈不同程度的上升趋势（表3）。其中，落叶阔叶林的NPP增长趋势最大，达到32.4gC·m-2·a-1。常绿针叶林和草甸、灌丛等植被类型NPP增长也较明显。

表3 黄土高原大规模植被建设实施(1998年)前后不同植被类型年均NPP（gC·m-2）

2.2.3 整个分析期植被年NPP平均值空间分布

1982-2014年黄土高原植被年均NPP分布受到植被类型、气候和地形等多种因素的综合影响，空间差异显著，总体为南高北低，分布在15.12～940.21gC·m-2。从图3可以看出，在内蒙古自治区的鄂尔多斯地区、河套平原，甘肃省陇中地区和宁夏回族自治区南部大部分地区，以及陕北地区，上述区域主要植被类型为灌丛、草原和荒漠等无植被地区，植被覆盖相对较少，自然环境恶劣，植被年均NPP多在200gC·m-2以下，相对较低。而在青海省南部、陕西省关中地区以及山西省大部分地区，主要分布植被类型多为农田和落叶阔叶林，植被年均NPP大于200gC·m-2，尤以陕西省的铜川、宝鸡和渭南等地，植被年均NPP大于600gC·m-2。

2.2.4 植被年NPP变化趋势的空间分布

采用逐像元线性趋势法对黄土高原大规模生态工程建设实施前后的植被NPP变化趋势进行分析，从图4a可以看出，在大规模植被建设实施前（1982-1998年），虽然黄土高原73.3%的区域植被年均NPP有所增加，但呈显著增加趋势的区域占整个黄土高原的面积比例为20.4%，主要分布在内蒙古南部、山西省北部，甘肃省陇东和陕北地区等，其它大部分地区植被NPP变化不明显。由此可见，在大规模植被建设前，黄土高原大部分区域植被年NPP无显著变化。而自1999年开始经过16a的大规模植被建设，该区在1999-2014年88.3%的区域植被年NPP有所增加，其中呈显著增加趋势的区域面积比例达到了66.6%，平均增速达到7.49gC·m-2·a-1（P<0.05）（图4b）。另有11.7%的地区植被NPP变化趋势不明显，主要分布在研究区西北部的干旱荒漠地区，以及陕西省关中地区的西安、宝鸡等地。可以看出，黄土高原植被的生长状况整体有所改善。

2.3 黄土高原植被NPP与气候因子的相关分析

降水和气温等气候因子的变化对陆地植被的生长发育具有重要影响，因此本文利用逐像元的相关分析方法，分别对1982-2014年的年植被NPP、年降水量和年平均气温的相关系数进行逐像元分析，从而在空间尺度分析植被NPP与主要气候因子的关系。如图5a所示，整个黄土高原植被NPP与降水量的相关系数为0.39，呈显著正相关（P<0.05）。而从像元尺度来看，除了陕西关中地区，以及其它省（自治区）的部分地区外，黄土高原大部分地区植被NPP与降水之间表现为显著正相关（P<0.05），呈显著正相关（P<0.05）的区域面积占全区总面积的比例达到65.3%。尤其是在内蒙古自治区鄂尔多斯地区，甘肃的陇东以及陕北的榆林等地植被NPP与降水量的相关性较高。

从图5b可以看出，整个黄土高原地区植被NPP与年平均气温的相关系数为0.05（P>0.05），不存在明显的相关性。而从像元尺度来看，研究区内植被NPP与气温呈显著正相关的地区占总面积的9.8%（P<0.05），主要分布在内蒙古自治区鄂尔多斯地区、山西省北部和陕西省铜川等地，研究范围内植被NPP与气温呈显著负相关的地区占总面积的4.9%，主要分布在山西省中部，以及宁夏、甘肃和内蒙古等地，其余地区（占像元面积85.3%）两者间的相关系数未通过0.05水平的显著性检验。说明黄土高原大部分地区植被NPP与气温之间相关性不大。

3 结论与讨论

3.1 讨论

黄土高原1999-2014年降水量呈缓慢增加趋势，而气温略有降低[15]，且大部分地区降水与NPP呈正相关，因此该区降水的增加在一定程度上导致植被NPP增加。但是NPP与气温相关性不大，气温的增加对植被NPP影响较小，因此可以认为，降水量的增加是黄土高原植被NPP增加的主要因素。

由于不同NPP反演模型在机理和关键植被参数取值、研究时间序列长短和模型输入数据分辨率和质量等方面存在的差异，导致植被NPP反演模型结果有所不同。本文基于CASA模型估算的1982-2014年黄土高原植被年平均NPP为254.0gC·m-2，与谢宝妮等[19]研究结果基本一致。此外，对比朱文泉等[26]提供的各植被类型NPP的实测值，本研究的模拟结果也在其范围之内。

以往关于黄土高原植被NPP的模拟研究[16-19]，由于遥感数据源时间尺度限制，未能分析该区在大规模生态工程实施前后植被NPP的时空演变。而本文综合利用AVHRR GIMMS和MODIS两种NDVI数据源，并应用逐像元线性回归模型方法对GIMMS NDVI数据进行插补延长，从而实现了黄土高原长时间序列植被NPP的估算，对于评价退耕还林还草等生态工程的实施效应更具参考价值。本文分析了植被NPP与主要气候因子的响应关系，但是NPP的变化还与地形和人类活动等多种因素有关，因此，对于植被NPP的驱动机制尚需进一步深入研究。

3.2 结论

（1）黄土高原1982-2014年植被年平均NPP为254.0gC·m-2，总体呈增加趋势，尤以1999年该区实施大规模生态环境工程建设以来，NPP增加趋势更为明显。对于不同植被类型而言，落叶阔叶林NPP值最高，其次为常绿针叶林、草甸、农田、灌丛和草原。

（2）黄土高原植被NPP空间分布差异显著，总体为南高北低。而从植被NPP变化趋势的空间分布来看，在大规模植被建设实施前（1982-1998年），该区大部分区域植被NPP无显著变化。而自1999年开始经过16a大规模生态工程的建设实施，黄土高原在1999-2014年66.6%的区域植被NPP呈显著增加趋势，年增速达到7.49gC·m-2（P<0.05）。尤其以陕北高原、山西中西部的吕梁-太行山等地，植被NPP增加趋势更为明显。

（3）黄土高原植被NPP与降水量具有较强的正相关，而与气温相关性不大，因此，降水是该区植被NPP的主要影响因素。

参考文献References

[1]朴世龙,方精云,郭庆华.利用CASA模型估算我国植被净第一性生产力[J].植物生态学报,2001, 25(5):603-608.

Piao S L,Fang J Y,Guo Q H.Application of CASA model to the estimation of Chinese terrestrial net primary productivity[J].Acta Phytoecologica Sinica,2001,25(5):603- 608.(in Chinese)

[2]Field C B,Randerson J T,Malmstrom C M.Global net primary production:combining ecology and remote sensing[J].Remote Sensing of Environment,1995,51(1):74-88.

[3]IGBP.The terrestrial carbon cycle:implications for the Kyoto Protocol[J].Science,1998,280:1393-1394.

[4]Ricotta C,Avena G,de Palma A.Mapping and monitoring net primary productivity with AVHRR NDVI time-series: statistical equivalence of cumulative vegetation indices[J]. ISPRS Journal of Photogrammetry & Remote Sensing,1999, 54(5/6):325-331.

[5]Nemani R R,Keeling C D,Hashimoto H,et al.Climate-driven increases in global terrestrial net primary production from1982 to 1999[J].Science,2003,300(5625):1560-1563.

[6]潘竟虎,李真.2001-2012年西北干旱区植被净初级生产力时空变化[J].生态学杂志,2015,34(12):3333-3340.

Pan J H,Li Z.Temporal-spatial change of vegetation net primary productivity in the arid region of Northwest China during 2001 and 2012[J].Chinese Journal of Ecology,2015, 34(12): 3333-3340.(in Chinese)

[7]李秀芬,郑有飞,王晨轶,等.黑龙江省森林NPP的遥感反演[J].中国农业气象,2009,31(1):88-92.

Li X F,Zheng Y F,Wang C Y,et al.Retrieval of forest NPP by remote sensing in Heilongjiang Province[J].Chinese Journal of Agrometeorology,2009,31(1):88-92.(in Chinese)

[8]陈福军,沈彦俊,李倩,等.中国陆地生态系统近30年NPP时空变化研究[J].地理科学,2011,31(11):1409-1414.

Chen F J,Shen Y J,Li Q,et al.Spatio-temporal variation analysis of ecological systems NPP in China in Past 30 years[J].Scientia Geo Graphica Sinica,2011,31(11):1409-1414. (in Chinese)

[9]毛德华,王宗明,罗玲,等.1982-2009年东北多年冻土区植被净初级生产力动态及其对全球变化的响应[J].应用生态学报,2012,23(6):1511-1519.

Mao D H,Wang Z M,Luo L,et al.Dynamic changes of vegetation net primary productivity in permafrost zone of Northeast China in 1982-2009 in response to global change[J].Chinese Journal of Applied Ecology,2012,23(6): 1511-1519.(in Chinese)

[10]穆少杰,李建龙,周伟,等.2001-2010年内蒙古植被净初级生产力的时空格局及其与气候的关系[J].生态学报,2013,33 (12):3752-3764.

Mu S J,Li J L,Zhou W,et al.Spatial-temporal distribution of net primary productivity and its relationship with climate factors in Inner Mongolia from 2001 to 2010[J].Acta Ecologica Sinica,2013,33(12):3752-3764.(in Chinese)

[11]石志华,刘梦云,吴健立,等.基于CASA模型的陕西省净初级生产力时空分析[J].水土保持通报,2016,36(1):206-211.

Shi Z H,Liu M Y,Wu J L,et al.Spatial-temporal analysis of vegetation net primary productivity in Shaanxi province based on CASA model[J].Bulletin of Soil and Water Conservation,2016,36(1):206-211.(in Chinese)

[12]张禹舜,贾文雄,刘亚荣,等.近11a来祁连山净初级生产力对气候因子的响应[J].干旱区地理,2016,39(1):77-85.

Zhang Y S,Jia W X,Liu Y R,et al.Response of net primary productivity to climatic factors in Qilian Mountains in resent eleven years[J].Arid Land Geography,2016,39(1):77-85.(in Chinese)

[13]周杰,张昌盛,解修平.渭河流域植被净初级生产力时空格局及影响因素分析[J].水土保持学报,2015,29(2):274-277.

Zhou J,Zhang C S,Xie X P.Vegetation net primary productivity temporal and spatial patterns and influence factors analysis in Weihe watershed[J].Journal of Soil and Water Conservation,2015,29(2):274-277.(in Chinese)

[14]易浪,任志远,张翀,等.黄土高原植被覆盖变化与气候和人类活动的关系[J].资源科学,2014,36(1):166-174.

Yi L,Ren Z Y,Zhang C,et al.Vegetation cover,climate and human activities on the Loess Plateau[J].Resources Science,2014,36(1):166-174.(in Chinese)

[15]张宝庆,吴普特,赵西宁.近30a黄土高原植被覆盖时空演变监测与分析[J].农业工程学报,2011,27(4):287-293.

Zhang B Q,Wu P T,Zhao X N.Detecting and analysis of spatial and temporal variation of vegetation cover in the Loess Plateau during 1982-2009[J].Transactions of the CSAE,2011,27(4):287-293.(in Chinese)

[16]韦莉,赵军,潘竟虎,等.基于MODIS数据的黄土高原草地净初级生产力的估算研究[J].遥感技术与应用,2009,24(5): 660-664.

Wei L,Zhao J,Pan J H,et al.A research of net Primary productivity model of grassland based on MODIS data in the Loess Plateau of China[J].Remote Sensing Technology and Application,2009,24(5):660-664.(in Chinese)

[17]宋富强,康慕谊,陈雅如,等.陕北黄土高原植被净初级生产力的估算[J].生态学杂志,2009,28(11):2311-2318.

Song F Q,Kang M Y,Chen Y R,et al.Estimation of vegetation net primary productivity on North Shaanxi Loess Plateau[J].Chinese Journal of Ecology,2009,28(11):2311- 2318.(in Chinese)

[18]李登科,范建忠,王娟.基于MOD17A3的陕西省植被NPP变化特征[J].生态学杂志,2011,30(12):2776-2782.

Li D K,Fan J Z,Wang J.Variation characteristics of vegetation net primary productivity in Shaanxi Province based on MO17A3[J].Chinese Journal of Ecology,2011,30 (12):2776-2782.(in Chinese)

[19]谢宝妮,秦占飞,王洋,等.黄土高原植被净初级生产力时空变化及其影响因素[J].农业工程学报,2014, 30(11):244-253.

Xie B N,Qin Z F,Wang Y,et al.Spatial and temporal variation in terrestrial net primary productivity on Chinese Loess Plateau and its influential factors[J].Transactions of the CSAE,2014,30(11):244-253.(in Chinese)

[20]史晓亮,李颖,赵凯,等.诺敏河流域植被覆盖时空演变及其与径流的关系研究[J].干旱区资源与环境, 2013,27(6): 54-60.

Shi X L,Li Y,Zhao K,et al.Temporal and spatial changes of vegetation cover and the relationship with runoff in Nuomin river basin[J].Journal of Arid Land Resources and Environment,2013,27(6):54-60.(in Chinese)

[21]毛德华,王宗明,宋开山,等.东北多年冻土区植被NDVI变化及其对气候变化和土地覆盖变化的响应[J].中国环境科学,2011,31(2):283-292.

Mao D H,Wang Z M,Song K S,et al.The vegetation NDVI variation and its responses to climate change and LUCC from 1982 to 2006 year in northeast permafrost region[J].China Environmental Science,2011,31(2):283-292. (in Chinese)

[22]王新闯,王世东,张合兵.基于MOD17A3的河南省NPP时空格局[J].生态学杂志,2013,32(10):2797- 2805.

Wang X C,Wang S D,Zhang H B.Spatiotemporal pattern of vegetation net primary productivity in Henan Province of China based on MOD17A3[J].Chinese Journal of Ecology,2013,32(10):2797-2805.(in Chinese)

[23]沃笑,吴良才,张继平,等.基于CASA模型的三江源地区植被净初级生产力遥感估算研究[J].干旱区资源与环境,2014, 28(9):45-50.

Wo X,Wu L C,Zhang J P,et al.Estimation of net primary production in the Three-River headwater region using CASA model[J].Journal of Arid Land Resources and Environment, 2014,28(9):45-50.(in Chinese)

[24]罗玲.基于遥感-机理模型的松嫩西部草地净初级生产力(NPP)模拟[D].长春:中国科学院东北地理与农业生态研究所,2010.

Luo L.Estimation of grassland Net Primary Production(NPP) in the western Songnen Plain based on the remote sensing-mechanism model[D].Changchun:Northeast Institute of Geography and Agroecology,Chinese Academy of Sciences,2010.(in Chinese)

[25]朱文泉,潘耀忠,龙中华,等.基于GIS和RS的区域陆地植被NPP估算:以中国内蒙古为例[J].遥感学报,2005,9(3): 300-307.

Zhu W Q,Pan Y Z,Long Z H,et al.Estimating net primary productivity of terrestrial vegetation based on GIS and RS:a case study in Inner Mongolia,China[J].Journal of Remote Sensing,2005,9(3):300-307.(in Chinese)

[26]朱文泉,潘耀忠,张锦水.中国陆地植被净初级生产力遥感估算[J].植物生态学报,2007,31(3):413-424.

Zhu W Q,Pan Y Z,Zhang J S.Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing[J].Journal of Plant Ecology,2007,31(3): 413-424.(in Chinese)

[27]Yuan Q Z,Wu S H,Zhao D S,et al.Modeling net primary productivity of the terrestrial ecosystem in China from 1961-2005[J].Journal of Geographical Science,2014,24(1): 3-17.

Spatial and Temporal Variation of Net Primary Productivity and Its Relationship with Climate Factors in the Chinese Loess Plateau

SHI Xiao-liang1, YANG Zhi-yong2, WANG Xin-shuang3, GAO Jun4, HU Yan1

(1.College of Geomatics, Xi’an University of Science and Technology, Xi’an 710054, China;2.Department of Water Resources, China Institute of Water Resources and Hydropower Research, Beijing 100038; 3.Shannxi Geomatics Center of National Administration of Surveying, Mapping and Geoinformation, Xi’an 710054;4.Institute of Forest Resources Information Techniques, Chinese Academy of Forestry, Beijing 100091)

Based on AVHRR GIMMS NDVI and MODIS NDVI data, spatial-temporal variations of the net primary productivity (NPP) in the Chinese Loess Plateau from 1982 to 2014 was simulated using CASA model. Besides, the relationship between NPP and climate factors was analyzed at grid scale. The results showed that average annual NPP from 1982 to 2014 was 254.0gC·m-2in the Chinese Loess Plateau and the NPP has increased over the past three decades. The average annual NPP of deciduous broadleaf forest was 513.0gC·m-2, which was the highest for different vegetation types, followed by evergreen coniferous forest, meadow, cropland, shrub and steppe. The NPP differs greatly between different vegetation types. There was significant spatial difference of vegetation NPP, and the NPP of the south parts of the study area was higher than that of the north part. Since 1999, the government of China began to carry out the police that is “replace agriculture with forestation and conserve forest” in the study area. Before the project of returning farmland to forestland or grassland (1982-1998), there was no significant change of vegetation NPP in most regions of the study area. However, since the implementation of large-scale vegetation construction from 1999, the annual mean NPP of the study area has increased significantly at a rate of 5.38gC·m-2. About 66.6% of the study area showed an increasing NPP trend, especially in northern Shaanxi Plateau, Taihang-Lvliang mountains, where significant increase in vegetation NPP has been seen. The green for grain project has greatly improved the vegetation state. The NPP had a significant positive correlation with the precipitation, but it had no obvious relationship with temperature. Therefore, precipitation is the main factor driving vegetation NPP change.

Net primary productivity(NPP); AVHRR GIMMS NDVI; MODIS NDVI; CASA model; The Chinese Loess Plateau; Spatial and temporal variation; Climate factors

10.3969/j.issn.1000-6362.2016.04.009

2016-03-20

通讯作者。E-mail：yangzy@iwhr.com

国家自然科学基金项目（51409204）“流域土地利用/覆被变化对干旱的影响评价及综合调控研究”；陕西省教育厅科学研究计划项目（15JK1473）“基于CASA模型的黄土高原植被净初级生产力的遥感估算研究”；西安科技大学科研培育基金项目（201605）“基于分布式水文模拟和遥感技术的干旱评价方法研究”

史晓亮（1985-），讲师，主要从事资源环境遥感研究。E-mail：s_xiaoliang@126.com