2001～2010年中国植被NPP的时空变化及其与气候的关系*

仲晓春，陈 雯，刘 涛，郝心宁，李哲敏，孙成明※

(1.中国农业科学院农业信息研究所，北京 100081；2.扬州大学江苏省作物遗传生理国家重点实验室培育点/粮食作物现代产业技术协同创新中心，江苏扬州 225009)



·持续农业·

2001～2010年中国植被NPP的时空变化及其与气候的关系*

仲晓春1，陈 雯2，刘 涛2，郝心宁1，李哲敏1，孙成明2※

(1.中国农业科学院农业信息研究所，北京 100081；2.扬州大学江苏省作物遗传生理国家重点实验室培育点/粮食作物现代产业技术协同创新中心，江苏扬州 225009)

基于2001～2010年全国气象数据及MODIS NDVI数据，利用改进的光能利用率模型(CASA模型)反演了全国植被NPP时空格局，并分析了其与年平均温度及降雨量的关系，结果表明：(1)近10年全国植被平均NPP空间分布地域性明显，总体上北低南高，由西北向东南逐渐增加。其中西北沙漠地区的植被NPP值最小，大都在100gC/m2以下。南方大部分地区植被NPP值在1 000gC/m2以上，特别是广西、广东及海南等省份更是达到了1 500gC/m2以上。(2)近10年全国植被平均NPP总体上呈逐年增加的趋势，倾斜率约为2.82gC/m2·a，即每年每平方米增加的NPP约为2.82gC。相关系数为0.552，未达显著水平。(3)近10年来全国大部分地区的年平均NPP与年平均温度之间呈正相关，这部分地区占所有地区的比例为75.24%。(4)近10年全国绝大部分地区的年平均NPP与降雨量之间呈正相关，这部分地区占所有地区的比例为99.91%，说明降雨量对植被NPP的影响大于年均温。

净初级生产力 时空变化 降雨量 温度 中国

0 引言

自从工业革命以来，由于人类生产、生活的影响，化石燃料的燃烧，CO2等温室气体的排放量急剧上升，全球气候已经发生显著变化。全球变化中引起人们最早关注的是全球气候变暖问题。据IPCC第四次评估评估报告报道，大气中CO2的浓度在19世纪中叶约为280mg/kg， 2005年已达379mg/kg，在100多年的时间内增加了30%多。与19世纪相比，目前的全球平均地面气温已经上升0.74±0.18℃，本世纪全球平均地面气温变暖速率极可能史无前例，模型估算的CO2浓度倍增后，全球平均地面气温将上升1.9～5.2℃，最可能增加值出现在4℃左右。21世纪全球平均年降水量会增加，但在区域尺度上的增加和减少都有可能，主要介于5%～20%之间[1-2]。所有的这些变化均会对陆地植被净初级生产力(net primary productivity，NPP)产生影响，并由之综合表现出来[3]。

陆地植被NPP是指植物群落在自然环境条件下，通过光合作用，在单位时间、单位面积上所积累的有机干物质的数量。它是研究生态系统物质、能量运转及其变化的基础，同时也是估算地球支持能力和评估陆地生态系统可持续发展的一个重要指标[4]。已有研究表明，过去几十年的气候变化导致自然植被NPP呈增加趋势[5-6]。Nemani等人通过对全球陆地植被NPP与气候数据的综合分析，认为气候变化使气候胁迫因子得到缓解，全球陆地植被NPP总量增加了6%[3]。

在全球气候变化的大背景下，中国的气候也发生了相应的变化，陆地植被NPP表现出了一定的增长趋势[7-8]。国内很多学者对中国植被的NPP进行了估算，并根据未来气候变化情景对NPP进行了预测[4， 9-11]。但目前对大尺度生态系统净第一性生产力动态变化的估计仍有很大的不确定性，因此更准确的估算净初级生产力、理解它与各种气候要素的相互关系，对了解陆地生态系统的演化和生态调节过程具有重要的作用，同时也是揭示植被与环境条件之间的相互关系、分析生态系统对气候变化响应的有效工具[12]。在众多NPP估算方法中，以CASA模型、TEM模型、BIOME-BGC等模型为代表的过程模型则是从植被机理出发而建立的植被净第一性生产力的机理模型，因此在大尺度植被净第一性生产力研究和全球碳循环研究中被广泛应用[13， 14]。为了更好地理解中国陆地植被NPP与气候变化间的关系，文章通过对2001～2010年的气候数据及相应的植被NPP进行分析，以便找出气候变化对中国陆地植被NPP 综合影响的量化程度，有利于认识气候变化对我国植被生态系统的影响，为探索区域植被生态对气候变化的响应与适应、应对气候变化以及自然环境保护提供依据。

1 材料与方法

1.1 数据获取

1.1.1 气候数据获取

2001～2010逐日平均温度、逐日降雨量数据来自于中国气象科学数据共享服务网(http：//cdc.cma.gov.cn/)，共752个地面观测站数据，然后通过预处理获得月平均温度和月降水量数据。

1.1.2 遥感数据

遥感数据来源于美国国家航空航天局NASA的EOS/MODIS数据(http：//edcimswww.cr.usgs.gov/pub/imswelcome)，选择2001～2010年的 MOD13A1数据产品，时间分辨率为16d，空间分辨率为1km。

1.2 处理方法

1.2.1 遥感数据处理

使用MRT(MODIS Reprojection Tools)将下载的MODIS-NDVI数据进行格式转换和重投影，把HDF格式转换为Tiff格式，并将sin地图投影转换为WGS84/Albers Equal Area Conic投影，同时完成图像的空间拼接和重采样。将16d的 MODIS-NDVI数据，采用最大合成法(maximum value composite，MVC)得到月 NDVI数据，并利用行政区划图裁剪出2001～2010年逐月NDVI的栅格图像。

1.2.2 气候数据的插值

对于气象要素来说，常用的空间插值方法包括反距离加权法、样条函数法、趋势面法、克里格法、统计回归法等。该研究采用普通克里格法进行气候数据的插值，该方法是以空间自相关性为基础，利用原始数据和半方差函数的结构性，对区域化变量的预测点进行无偏估值的空间插值方法，是地统计学的主要插值方法[15]。在ArcGIS的插值模块下，设置空间分辨率为1km，并进行相应的投影转换，最后获得相应的栅格数据。

1.3 模型简介

目前全球变化研究中常用的CASA模型是基于光能利用率原理的过程模型。CASA 模型所估算的植被NPP可以由植被吸收的光合有效辐射(absorbed photosynthetic active radiation，APAR)和光能利用率(ε)2个变量来确定。该研究利用穆少杰等改进的CASA模型[16]，其估算公式如下：

NPP(x，t)=APAR(x，t)×ε(x，t)

(1)

式中，APAR(x，t)表示像元x在t月份吸收的光合有效辐射，ε(x，t)表示像元x在t月份的实际光能利用率。植被吸收的光合有效辐射(APAR)取决于太阳总辐射和植被对光合有效辐射的吸收比例，用公式(2)计算：

APAR(x，t)=SOL(x，t)×FPAR(x，t)×0.5

(2)

式中，SOL(x，t)表示像元x在t月份的太阳总辐射量(MJ/m2)； 常数0.5 表示植被所能利用的太阳有效辐射(400～700 nm)占太阳总辐射的比例； FPAR(fraction absorbed photosynthetic active radiation)表示植被层对入射的光合有效辐射(PAR)的吸收比例，在一定范围内FPAR与NDVI、SR(simple ratio)存在较好的线性关系，因而可以通过MOD13A1产品提取归一化植被指数(NDVI)对FPAR进行估算[17]。

光能转化率是指植被把所吸收的光合有效辐射(PAR)转化为有机碳的效率，它主要受温度和水分的影响，用公式(3)计算：

ε(x，t)=Tε1(x，t)×Tε2(x，t)×Wε(x，t)×εmax

(3)

式中，Tε1(x，t)和 Tε2(x，t)表示温度对光能转化率的影响，Wε(x，t)表示水分条件对光能转化率的影响，εmax表示在理想状态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，根据朱文泉等[17]文中介绍：常绿针叶林为1.008g/MJ，常绿阔叶林为1.259g/MJ，落叶针叶林为1.103g/MJ，落叶阔叶林为1.044g/MJ，混交林为1.116g/MJ，落叶灌丛及稀树草原为0.768g/MJ，稀疏灌木为0.774g/MJ，矮林灌丛为0.888g/MJ，草地0.608g/MJ，耕作植被为0.604gC/MJ，城市、水体等为0.389g/MJ。该研究取其中间值0.608 g/MJ作为εmax的值。FPAR、Tε1(x，t)、Tε2(x，t)和Wε(x，t)的计算方法及改进见文献[17]。

1.4 相关性分析

文中植被NPP随时间的变化以及与温度及降雨量的关系可以用Pearson相关系数进行分析。Pearson相关系数可用来衡量定距变量间的线性关系。如两个时间数据序列之间的相互关系或者一个时间数据序列与时间序列之间的相互关系等。

1.4.1 2个时间数据序列的相关(NPP与温度及降雨量的关系)

主要用相关系数r来表示，r绝对值越大表示两者之间的关系越密切。当r值为正时，表示2个数据序列之间呈正相关； 当r值为负时，表示两个数据序列之间呈负相关[18]。假设两个时间序列x、y，其样本长度均为N，其中必须有1个是一维时间序列(设为x)，那么相关系数表达式为：

(4)

1.4.2 单个数据序列的变化趋势(NPP随时间的变化关系)

当需要表示某个时间数据序列长期变化趋势时，是n个时间数据序列与自然数据序列1， 2， 3…n的相关系数，表达式为：

(5)

1.4.3 假设检验

判断r不等于零是由于抽样误差所致，还是2个变量之间确实存在相关关系，需与总体相关系数ρ=0进行比较，看两者的差别有无统计学意义。计算检验统计量tr的公式如下：

(6)

如果|tr|在0.05水平上大于临界值，则说明两变量间有显著关系。

2 结果与分析

2.1 近10年全国植被NPP的时空分布

2.1.1 基于实测数据的CASA模型估算结果验证

利用内蒙、新疆及江苏等3省区的90个样点的实测数据对CASA模型的对应点估算结果进行验证，结果见表1。由表1可知，实测值与模拟值比较接近，平均实测值在468 gC/m2左右，平均模拟值在514 gC/m2左右，二者相差46.319 gC/m2，根均方差为76.352 gC/m2，结果比较可靠。

表1 模拟值与实测值的比较

图1 2001～2010年全国植被NPP空间分布

图2 2001～2010年全国植被NPP时间变化

2.1.2 近10年全国植被NPP的空间分布

利用近10年的气候数据和遥感数据，基于CASA模型计算了我国植被的NPP，其时空分布特征见图1。由图1可知，近10年全国植被平均NPP空间分布地域性明显，总体上北低南高，由西北向东南逐渐增加。其中西北沙漠地区的植被NPP值最小，大都在100gC/m2以下。其次是其周边地区，植被NPP值在100～200gC/m2之间。从东北向西南的条状区域范围较大，植被NPP值在300～500gC/m2之间。南方大部分地区植被NPP值在700gC/m2以上，特别是广西、广东及海南、台湾等省份达到了1 100gC/m2以上。

2.1.3 近10年全国植被NPP的时间变化

图2为全国植被平均NPP逐年变化情况。由图2可知，近10年全国植被平均NPP总体上呈逐年增加的趋势，变化范围在492.33～544.36 gC/m2之间，最小值出现在2001年，最大值出现在2010年，全国平均为514.48 gC/m2。从NPP增加趋势看，近10年全国平均NPP的倾斜率约为2.82 gC/m2·a，即每年每平方米增加的NPP约为2.82gC。相关系数为0.552，未达显著水平。

2.2 近10年植被NPP与气候要素的相关性

2.2.1 植被NPP与年均温的关系

温度是影响植被NPP的重要因子之一。为了明确近10年我国植被NPP与年均温之间的关系，利用2个时间数据序列(NPP与温度)变化的Pearson相关系数法，计算了近10年全国年平均植被NPP与年平均温度之间的线性变化趋势。当结果为正时，表示2个时间数据序列在计算的时间段内呈正相关； 当结果为负时，表示2个时间数据序列在计算的时间段内呈负相关。同时查阅相关系数r的显著性数据可知，当n=10时，r的绝对值大于0.765为极显著相关，大于0.632为显著相关，其余为一般相关。据此对相关系数r进行显著分类，其结果分布见图3a。由图3a可知，近10年来全国大部分地区的年平均NPP与年平均温度之间呈正相关，这部分地区占所有地区的比例为75.24%，其中67.27%为一般正相关， 7.97%为显著或极显著正相关。另有小部分地区年均植被NPP与年均温之间呈负相关，这部分地区的面积比例为24.76%，其中绝大部分(27.70%)为一般负相关。说明温度对植被NPP的影响在全国大部分地区为正效应。

为了说明上述偏相关分析结果是否有效，对其进行t检验分析，结果见图3b。由图中可知，近10年全国年平均植被NPP与温度之间的相关性在α=0.05(v=8，临界值为2.306)水平上绝大部分通过了检验，超过临界值部分的比例占到了80.05%，这说明了全国绝大多数地区年平均NPP与年平均温度之间确实存在相关关系，且相关性是显著的。

2.2.2 植被NPP与年降雨量的关系

降水也是影响植被NPP的重要因子之一。为了明确近10年我国植被NPP与年降雨量之间的关系，同样利用2个时间数据序列(NPP与降雨量)变化的Pearson相关系数法，计算了近10年全国年平均植被NPP与年降雨量之间的线性变化趋势，其相关系数的分布列于图4a。由图4a可知，近10年来全国绝大部分地区的年平均NPP与降雨量之间呈正相关，这部分地区占所有地区的比例为99.91%，其中43.88%为一般正相关， 56.03%为显著或极显著正相关。负相关地区所占比例几乎为0(0.09%)，这说明降雨对植被NPP的影响在全国所有地区几乎都为正效应，而且降雨对植被NPP影响的效应要大于温度的影响。

图4b为上述偏相关分析的t检验结果。由图中可知，近10年全国年平均植被NPP与年降雨量之间的相关性在α=0.05(v=8，临界值为2.306)水平上几乎全部难过了检验，超过临界值部分的比例占到了99.58%，这说明全国所有地区的年平均植被NPP都与年降雨量之间存在相关关系，且相关性是显著的。

图3 2001～2010年全国植被NPP与年均温的相关系数分布(a)及其t检验结果(b)

图4 2001～2010年全国植被NPP与年降雨量的相关系数分布(a)及其t检验结果(b)

3 讨论

关于植被NPP变化及其对气候因子的响应，诸多学者也进行了相应的探讨，在全国范围或不同地区植被NPP均有逐年增加的趋势，但其影响因素却不尽同。陶波等研究认为全国植被NPP受到厄尔尼诺现象影响较大[20]。谷晓平等研究表明近20年西南地区年降水量有明显增加趋势，总植被NPP年略有上升，与降水量呈显著正相关[21]。黄玫等指出青藏高原近20年自然植被受气温和降水量增加的影响，NPP总量呈现上升趋势[22]。姚玉璧等研究表明长江源地区近50年来由“冷干型”向“暖湿型”转变，植被NPP也呈显著上升趋势[23]。该研究表明，全国大部分地区有温度逐年增加、降雨逐年减少的趋势，总体上呈“暖干型”变化，这与前人的研究略有不同[25]。这可能与该研究的范围较大，气候因子变化复杂等因素有关。同时全国不同地区植被平均NPP有逐年增加的趋势，这与众多的研究结果一致[11， 21-24]。

该文的分析结果表明，在年均温和降雨两个因素中，降雨是植被NPP的主要影响因子，这与前人研究结果一致[11， 21]。在研究时段内，全国不同地区植被平均NPP变化范围在492.33～544.36 gC/m2之间，多年平均为514.48 gC/m2，高于朴世龙等[14]、朱文泉等[11]以及陶波等[21]的研究结果，而略低于刘明亮等[25]的研究结果。这个结果也说明植被NPP会受到多种因素的影响，除了温度和降雨，还与人类活动、土地利用/覆盖变化等因素有关[20， 21]。选取不同的模型，其考虑的因素也不同，结果也会略有差异。因此综合考虑植被NPP不同的影响因子，进一步验证模拟结果的可靠性，才能为正确评价中国陆地生态系统在全球碳循环中的作用以及预测未来气候变化提供更为准确的数据基础。

4 结论

利用2001～2010年的气候和遥感数据，基于改进的CASA模型计算了全国植被的NPP，并探讨了其时空分布特征以及与年平均温度及降雨量的关系，主要结论如下。

(1)近10年全国植被平均NPP空间分布地域性明显，总体上北低南高，由西北向东南逐渐增加。其中西北沙漠地区的植被NPP值最小，大都在100gC/m2以下。南方大部分地区植被NPP值在1 000gC/m2以上，特别是广西、广东及海南等省份更是达到了1 500gC/m2以上。

(2)近10年全国植被平均NPP总体上呈逐年增加的趋势，倾斜率约为2.82 gC/m2·a，即每年每平方米增加的NPP约为2.82gC。相关系数为0.5552，未达显著水平。

(3)近10年来全国大部分地区的年平均NPP与年平均温度之间呈正相关，这部分地区占所有地区的比例为75.24%，说明温度对植被NPP的影响在全国大部分地区为正效应。

(4)近10年来全国绝大部分地区的年平均NPP与降雨量之间呈正相关，这部分地区占所有地区的比例为99.91%，说明降雨对植被NPP的影响在全国所有地区几乎都为正效应。

[1] Solomon S，qin D，Manning M，et al.Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.UK:Cambridge University Press， 2007

[2] Parry M L，Canziani O F，Palutikof J P，et al.Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.UK:Cambridge University Press， 2007

[3] Nemani R R，Keeling C D，Hashimoto H，et al.Climate-driven increases in global terrestrial net primary production from 1982 to 1999.Science， 2003， 300： 1560～1563

[4] 方精云.中国森林生产力及其对全球气候变化的响应.植物生态学报， 2000, 24(5): 513～517

[5] Grosso S C，Parton W，Stohlgren T，et al.Global potential net primary production predicted from vegetation class，precipitation，and temperature.Ecology， 2008， 89： 2117～2126

[6] Running S W，Nemani R R，Heinsch F A，et al.A continuous satellite-derived measure of global terrestrial primary production.Bio-Science， 2004, 54(6): 547～560

[7] 王绍武， 龚道溢，叶瑾琳，等.1880 年以来中国东部四季降水量序列及其变率.地理学报， 2000, 55(3): 281～293

[8] 朴世龙， 方精云.1982～1999年我国陆地植被活动对气候变化响应的季节差异.地理学报， 2003, 58(1): 119～125

[9] 周广胜，张新时.全球气候变化的中国自然植被的净第一性生产力研究.植物生态学报， 1996, 20(1): 11～19

[10]侯英雨， 柳钦火，延昊，等.我国陆地植被净初级生产力变化规律及其对气候的响应.应用生态学报， 2007, 18(9): 1546～1553

[11]朱文泉， 潘耀忠，阳小琼，等.气候变化对中国陆地植被净初级生产力的影响分析.科学通报， 2007, 52(21): 2535～2541

[12]于德永， 潘耀忠，姜萍，等.东亚地区植被净第一性生产力对气候变化的时空响应.北京林业大学学报， 2005， 27： 96～101

[13]李正国， 唐华俊，杨鹏，等.植被物候特征的遥感提取与农业应用综述.中国农业资源与区划， 2012, 33(5): 20～28

[14]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.植物生态学报， 2001, 25(5): 603～608

[15]李伟，李庆祥，江志红.用Kriging方法对中国历史气温数据插值可行性讨论.南京气象学院学报， 2007, 30(2): 246～252

[16]穆少杰，李建龙，杨红飞，等.内蒙古草地生态系统近10年NPP时空变化及其与气候的关系.草业学报， 2013, 22(3): 6～15

[17]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.遥感学报， 2005, 9(3): 300～307

[18]黄珏.中国陆地植被NPP对气候变化响应及其敏感性分析.南京：南京信息工程大学， 2011,5～11

[19]王莺，夏文韬，梁天刚，等.基于MODIS植被指数的甘南草地生物量.兰州大学学报(自然科学版)， 2009, 45(5): 73～79

[20]丁娅萍， 张学霞，陈仲.新植被盖度与地表亮温关系的遥感监测分析——以北京市昌平区为例.中国农业资源与区划， 2011, 32(5): 8～15

[21]陶波，李克让，邵雪梅，等.中国陆地净初级生产力时空特征模拟.地理学报， 2003, 58(3): 372～380

[22]谷晓平，黄玫，季劲钧，等.近20年气候变化对西南地区植被净初级生产力的影响.自然资源学报， 2007, 22(2): 251～259

[23]黄玫，季劲钧，彭莉莉.青藏高原1981～2000年植被净初级生产力对气候变化的响应.气候与环境研究， 2008, 13(5): 608～616

[24]姚玉璧，杨金虎，王润元，等.1959-2008长江源被净初级生产力对气候变化的响应.冰川冻土， 2011, 33(6): 1286～1295

[25]刘明亮.中国土地利用/土地覆盖变化与陆地生态系统植被碳库和生产力研究.北京：中国科学院遥感应用研究所， 2001

SPATIAL AND TEMPORAL CHANGE OF VEGETATION NET PRIMARY PRODUCTIVITY AND ITS RELATIONSHIP WITH CLIMATE FROM 2001 TO 2010 IN CHINA*

Zhong Xiaochun1，Chen Wen2，Liu Tao2，Hao Xinning1，Li Zhemin1，Sun Chengming2※

(1.Institute of Agriculture Information，Chinese Academy of Agriculture Sciences，Beijing 100081, China；2.Jiangsu Key Laboratory of Crop Genetics and Physiology/Co-Innovation Center for Modern Production Technology of Grain Crops，Yangzhou University，Yangzhou，Jiangsu 225009，China)

Vegetation net primary productivity(NPP)is an important indicator for global change.Based on meteorological data and MODIS NDVI data during 2001-2010，the spatial and temporal pattern of vegetation NPp in China was simulated using an improved light use efficiency model(CASA model)，and the relationships between NPp and climate factors were analyzed.The results showed that：(1)in recent 10 years，the spatial distribution of the mean vegetation NPp of China indicated an obvious zonality，was a gradual increase of the mean NPP from northwest to southeast.The minimum value of vegetation NPP was in the northwest desert，wiht less than 100 gC/m2.The vegetation NPP values in most areas of south China were more than 1000 gC/m2，especially in Guangxi，Guangdong and Hainan provinces，which was more than 1500 gC/m2.a-1.(2)There was an increase trend of mean vegetation NPP year by year over the study period with a rate of 2.82 gC/m2.a-1.The correlation coefficient was 0.552，but it didn′t reach a significant level.(3)There was a positive correlation between the mean annual NPp and mean annual temperature in the most parts of China in recent 10 years，and the area was 75.24%.(4)There was a positive correlation between the mean annual NPp and mean annual precipitation in the vast parts of China in recent 10 years，and the area proportion was 99.91%.This in dicated that the influence of precipitation on the vegetation NPP was greater than the mean annual temperature.

net primary productivity(NPP)； spatial and temporal change； precipitation； temperature； China

10.7621/cjarrp.1005-9121.20160904

2015-11-02

仲晓春(1984—)，男，江苏东台人，博士、副研究员。研究方向：农业生产生态信息化与农产品质量安全。

※通讯作者：孙成明(1973—)，男，江苏宿迁人，博士、博士后、副教授。研究方向：作物生长模拟与图像识别。Email：cmsun@yzu.edu.cn

中国农业科学院科技创新工程(2015)

TP79; Q948

A

1005-9121[2016]09-0016-07