基于Google Earth Engine平台的大湄公河次区域2001—2019年植被NPP时空变化分析*

谷雷,岳彩荣,张国飞，赵勋，金京

(西南林业大学 林学院，云南 昆明 650224)

1992年，在亚洲开发银行的倡议下，澜沧江-湄公河流域内的6个国家共同发起了大湄公河次区域(Great Mekong Subregion,GMS)经济合作机制，以加强各成员国间的经济联系，促进次区域的经济和社会发展，实现区域共同繁荣。大湄公河次区域包括柬埔寨、中国(云南和广西)、老挝、缅甸、泰国和越南。随着GMS地区的快速发展，其生态系统面临着越来越多的威胁和压力。GMS地区的生物多样性被国际保护组织列为前五个最受威胁的热点地区之一，世界自然基金组织(WWF)将原因归结为经济的快速发展、人口增长和森林砍伐、非法木材贸易、野生动植物贸易、过度的水坝、道路建设以及采矿等消费模式的增加。WWF也指出该地区特别容易受到全球气候变化的影响[1]。如何有效地对该区域生态系统进行大规模的评估和评价，已成为世界上许多经济体特别是GMS地区发展中经济体共同关心的问题。

在全球气候变化、人类活动日益频繁的背景下，地表植被的变化与大气环境之间的相互作用过程已成为地球生态学领域的研究重点和热点[2-5]。植被净初级生产力(Net Primary Productivity,NPP)指绿色植物在单位时间、单位面积内，所累积的有机干物质总量，是在光合作用下产生的有机质总量(Gross Primary Productivity,GPP)扣除自养呼吸(Autotrophic Respiration,RA)所消耗的部分有机质后剩余的部分[6-7]。植被净初级生产力是反映气候变化与人类活动对植被协同作用的关键指标，具有明显的时间和空间变化特征[8-9]。

随着全球气候变化以及社会经济的快速发展，大湄公河次区域的生态系统面临着越来越多的威胁和压力。植被NPP的变化直接反映着生态系统对环境条件的响应，已成为评价生态系统可持续发展、生态系统服务价值的关键指标。植被NPP及其变化是社会经济发展和气候变化等自然因素的综合反映，研究长时间序列的区域尺度植被NPP的时空变化，对区域可持续发展具有重要意义。目前，对区域植被NPP的动态变化的研究几乎都是基于本地计算机资源实现的，大范围、长时间尺度的研究不可避免地存在着数据收集、存储、整理繁琐，数据的运算耗时长等问题[10-11]。云计算平台谷歌地球引擎(Google Earth Engine,GEE)的诞生使得这些问题得到解决，GEE平台提供了海量的可免费获取和共享的遥感影像与地理数据[12]，避免了下载、存储等繁琐过程，且使用基于Web的代码编辑器进行快速，交互式算法开发，可以轻松地利用Google云的强大功能进行地理空间分析，利用Google数据中心多台分布式计算机的多个处理器同时对筛选的遥感数据进行运算和处理，从而大大加快了处理速度，在大数据处理的快速性上具有前所未有的突破。与本地计算机资源相比，GEE平台使得大范围、长时间尺度以及运算复杂的分析可以相当容易地执行。

为了探明大湄公河次区域植被NPP时空变化特征，本研究基于Google Earth Engine云计算平台，调用2001—2019年MOD17A3HGF NPP时序数据，利用GEE平台在数据获取便利，运算效率高等方面的优势，分析大湄公河次区域2001—2019年植被NPP时空变化特征。以期为大湄公河次区域植被生产能力评价、生态环境保护和植被碳源/汇评价以及经济社会的可持续发展规划提供科学依据和参考背景。

1 材料与方法

1.1 研究区概况

大湄公河次区域是指湄公河流域的6个国家共7个地区，包括缅甸、泰国、老挝、柬埔寨、越南和中国云南省及广西壮族自治区。大湄公河次区域是“一带一路”倡议的重要投资贸易区域，是中国发展“21世纪海上丝绸之路”合作伙伴关系的重要区域和关键枢纽。大湄公河次区域经济合作加强了各成员国间的经济联系，促进了次区域的经济和社会发展。

大湄公河次区域(92.2°～112.0°E,5.6°～29.2°N)，面积256.86×104km2，总人口约3.2×108人。湄公河是连接中国和东南亚地区的重要国际河流，也是东南亚最长的河流，全长2 741.0 km，流域面积41×104km2。大湄公河次区域气候类型多样，以热带季风气候为主，兼具北热带、南亚热带、中亚热带、南温带等多种气候类型；生态类型多样、生物多样性丰富，森林资源和农业资源丰富，固碳能力强，对全球碳汇贡献高，生态环境具有区域分异特征。

随着该地区的快速发展，保护大湄公河次区域自然资源、栖息地、生物多样性和生态环境的行动已迫在眉睫。

1.2 数据来源

本研究采用的NPP数据来自美国国家航空局(NASA)的陆地过程分布式数据档案中心，数据为2001—2019年MOD17A3HGF V6数据集，空间分辨率为500 m，时间分辨率为1 a。MOD17A3HGF V6产品提供有关500 m像素分辨率下的年度净初级生产力(NPP)的信息。年度NPP来自给定年份的所有8 d净光合作用(PSN)产品(MOD17A2H)的总和。PSN值是总初级生产力(GPP)与维持呼吸(MR)(GPP-MR)的差。MOD17A3HGF数据集6.0版的NPP年度数据，相较于5.5版的MOD17A3数据集，该数据集采用了新的生物属性调查表(BPLUT)和每日全球模拟和同化办公室(GMAO)气象数据的更新版本对NPP数据进行模拟，提高了NPP的估算精度[13]。已有学者通过BIOM-BGC模型对三峡库区的植被NPP进行估算，并将估算值、实测值以及MPD17A3值三者进行对比，验证了MPD17A3数据的可靠性[14]。目前，在不同地区的植被NPP和碳循环研究中该数据集已被广泛应用[15-18]。

本研究采用的气象数据是陆地表面温度产品MOD11A2.006，空间分辨率为1 000 m，时间分辨率为8 d。MOD11A2.006版本产品在1 200 km×1 200 km的网格中提供了平均每像素8 d的地表温度和发射率(land surface temperature & emissivity，LST&E)。MOD11A2中的每个像素值是8 d内收集的所有对应MOD11A1 LST像素的简单平均值。之所以选择8 d的合成周期，是因为该周期的两倍是Terra和Aqua平台的准确地面轨迹重复周期。

此次研究所使用的数据均可从GEE平台上直接调用。

1.3 研究方法

每个像元的植被NPP随着时间的变化可表现为稳定上升或下降趋势，本研究采用一元线性回归趋势分析方法，分析大湄公河次区域2001—2019年变化趋势，即植被NPP随时间变化的关系，基于像元尺度采用最小二乘线性回归方程拟合每个像元的斜率，从而计算变化率，最终获得大湄公河次区域植被NPP的时空变化趋势。计算方法如式①所示:

①

式①中：θslope为植被NPP变化趋势线斜率；n=19为监测年数；i=1,2,3…,19为年序号；NPPi为第i年植被NPP值。斜率为正表示植被NPP上升，反之则表示植被NPP减少。

植被NPP一元线性回归趋势显著性采用t检验方法进行检验[19-20]，显著性仅代表趋势性变化可置信程度的高低，与变化快慢无关。见式②：

②

以上计算过程通过JavaScript编程调用GEE云平台中MOD17A3HGF V6产品数据和计算方法而实现。

2 结果分析

2.1 大湄公河次区域植被NPP时间变化特征

对大湄公河次区域范围内植被NPP的逐年平均值进行统计(图1)，2001—2019年大湄公河次区域植被NPP变化范围为878.82～1 008.77 gC/m2，平均值达943.96 gC/m2，其中2003年均植被NPP最大，达到1 008.77 gC/m2，超过平均值64.82 gC/m2，而2004、2005、2010年以及2012年的年均植被NPP值明显低于多年均值，其他年份的植被NPP均值位于多年平均值上下5%范围内。2001—2019年间大湄公河次区域植被NPP整体上变化趋势不显著，变化波动较大。通过与年均温度对比发现，年均NPP与年均温度的R2为-0.492，具有显著的负相关关系。

图1 大湄公河次区域2001—2019年NPP年际变化

通过查阅文献，对比其他研究区，如湖北省(2004—2015年，446.1～553.7 gC/m2)[21]，陕西省(2000—2006年，340～434 gC/m2)[22]，黄河流域(2000—2015年，179.6～258.1 gC/m2)[23]，广西喀斯特区(2000—2017年，800～1 100 gC/m2，属于大湄公河次区域)[24]等，大湄公河次区域植被NPP值总体较高。这主要得益于该区域的气候条件，湿热多雨的环境为植被的生长提供了良好的环境。

2.2 大湄公河次区域植被NPP空间分布格局

通过对大湄公河次区域各国或地区植被年均NPP值统计(图2)，结果表明，大湄公河次区域2001—2019年间各国或地区的植被NPP整体上波动不大，但各国或地区植被NPP年均值差异显著，老挝最高，中国云南、越南、缅甸次之，中国广西、泰国、柬埔寨最低。其中老挝的年均植被NPP达1 200 gC/m2以上，而泰国、柬埔寨不到800 gC/m2，其年均植被NPP低主要原因是土地类型以耕地和草本植被为主，森林资源比重小。相较而言，缅甸虽然耕地面积比重也不小，但缅甸大部分地区的土地类型仍以阔叶林或针阔混交林为主，提高了缅甸植被NPP均值。

图2 大湄公河次区域2001—2019年各国家或地区NPP年际变化

大湄公河次区域2001—2019年植被年均NPP具有较明显的空间分异性规律(图3)，大体呈中部高，南、西南部略低的状态。整个区域植被NPP超过800 gC/m2的区域占总面积的60.26%，主要分布于缅甸东部和东北部、中国云南省西南部、泰国西北部以及老挝绝大部分地区；中国的广西北部、云南省东北部，柬埔寨东北部等地植被NPP介于600～800 gC/m2，占总面积17.13%；植被NPP介于400～600 gC/m2的区域占总面积18.90%，主要位于缅甸中部和南部、泰国中部和东部、柬埔寨中部、越南南部以及中国广西中部地区；3.05%的面积植被NPP介于200～400 gC/m2，主要位于缅甸中部与南部、越南南部。仅有0.66%的面积植被NPP小于200 gC/m2，主要位于缅甸北部与中国云南西北部部分区域。

图3 大湄公河次区域(局部)2001—2019年平均NPP空间分布

从各国或地区的植被NPP空间分布(图3)来看，在缅甸中部与南部，沿伊洛瓦底江从曼德勒至仰光地区的广阔平原地带，植被NPP普遍较低，该区域是以水稻(Oryzasativa)为主要农作物的种植区，植被NPP在200～600 gC/m2之间。此外缅甸大部分地区以阔叶林或针阔混交林为主，植被NPP较高，在800 gC/m2以上，从总体上提高了缅甸植被NPP均值。缅甸克钦邦北部与云南省迪庆州、怒江州西北部接壤，该区域为海拔超过4 000 m的高山区，长年冻雪覆盖，植被NPP极低。云南省西南地区的德宏州、版纳州、临沧市、普洱市等地森林资源丰富，雨水气温充足，相应的其植被NPP也高，超过800 gC/m2。云南中部、东北部等大部分区域植被NPP也超过600 gC/m2。云南东南部的红河、文山地区，存在石漠化土地，植被NPP在400～600 gC/m2之间。广西呈现出较为明显的空间分异规律，东部、西部大部分地区植被NPP值较高，超过800 gC/m2，而中部南宁、柳州等地较低，集中在400～600 gC/m2。老挝境内植被NPP较高，除万象市、沙湾拿吉省等与泰国接壤的部分地区外，全国大部分地区植被NPP值超过800 gC/m2。泰国北部山区丛林植被NPP值较高，超过800 gC/m2，中部湄南河冲积平原以及东北部地区，植被NPP值集中于400～600 gC/m2，该区域土地肥沃，盛产水稻和水果，是主要的水稻产区。南部半岛狭长的丘陵地带，空间分异规律不明显，部分地区植被NPP值小于200 gC/m2。柬埔寨境内除湄公河流域和洞里萨湖流域植被NPP值较低外，绝大部分区域植被NPP值较高。越南境内湄公河与红河分别形成了湄公河平原、红河平原两大平原，该区域为农业种植区，植被NPP较低，而北部和西北部以及中部大部分地区，土地类型以阔叶林为主，植被NPP较高。

大湄公河次区域植被NPP的分布与其主要河流流域[伊洛瓦底江、萨尔温江(怒江)、湄南河、湄公河(澜沧江)、红河]有着重要的联系，尤其是泰国、越南、缅甸3个重要的稻米出口国，分别受伊洛瓦底江、湄南河、湄公河(澜沧江)、红河的影响，在河流下游形成了广阔且土地肥沃的平原，且位于热带季风和亚热带季风气候区，水热充足，为以水稻为主的农作物种植提供了良好的条件。而大湄公河次区域热带雨林气候和热带、亚热带季风等气候也为森林的生成创造了良好的条件，使得整个大湄公河次区域植被NPP值较高，提高了该地区的生态环境质量。

2.3 大湄公河次区域植被NPP的变化趋势

采用一元线性回归趋势分析方法对每个像元2001—2019年间的植被NPP变化趋势进行直线拟合，最终获得每个像元植被NPP值随时间的变化趋势。根据t检验结果将变化趋势分成5个等级，分级方法见表1。在此基础上，制作大湄公河次区域2001—2019年植被NPP变化趋势图，直观反映整个大湄公河次区域的植被NPP时空变化趋势如图4所示。根据变化趋势划分等级，统计植被NPP变化趋势的面积及比例，见表1。

通过图4和表1可以看出，2001—2019年大湄公河次区域植被NPP变化趋势呈现基本不变、轻微改善的特征，其中，基本不变面积占87.16%，明显改善面积占0.12%，轻微改善面积占7.98%，严重退化面积占0.01%，轻微退化面积占4.73%。

表1 显著性检验结果分级和大湄公河次区域2001—2019年植被NPP变化面积及比例

图4 大湄公河次区域(局部)2001—2019年植被NPP变化趋势图

通过变化趋势图可以看出，总体来说，大湄公河次区域2001—2019年植被NPP整体变化趋势不显著，严重退化区域与明显改善区域都非常少，轻微退化区域主要分布于老挝中部和缅甸北部，改善区域主要位于中国云南与广西大部分地区以及缅甸、越南、柬埔寨等局部地区。老挝、缅甸部分地区的森林砍伐是该区域植被NPP轻微退化的重要原因。而中国广西与云南植被NPP的改善也反映了近些年来，中国广西与云南的生态环境保护、绿色发展和林业建设力度的提升以及生态文明建设显有成效。

3 结论与讨论

基于GEE云平台采用MOD17A3HGF NPP的时序数据，对2001—2019年大湄公河次区域19 a的植被NPP时间变化特征、空间分布格局以及变化趋势进行了分析。结果表明：

(1)大湄公河次区域植被NPP总体较高，多年均值达943.96 gC/m2，2001—2019年间植被NPP年均值整体上变化趋势不显著，变化波动较大，且与年均温度呈显著的负相关性。

(2)大湄公河次区域各国或地区植被NPP年均值差异显著，老挝最高，中国云南、越南、缅甸次之，中国广西、泰国、柬埔寨最低。其中老挝的年均植被NPP达1 200 gC/m2以上。大湄公河次区域2001—2019年植被NPP年均值具有较明显的空间分异性规律，大体呈中部高，南、西南部略低的状态，60.26%的地区植被NPP值超过800 gC/m2。

(3)大湄公河次区域植被NPP的分布与其主要河流流域：伊洛瓦底江、萨尔温江(怒江)、湄南河、湄公河(澜沧江)、红河有着重要的联系，尤其是泰国、越南、缅甸为3个重要的稻米出口国，分别受伊洛瓦底江、湄南河、湄公河(澜沧江)、红河的影响，在河流下游形成了广阔且土地肥沃的平原，为以水稻为主的农作物种植提供了良好的条件。

(4)2001—2019年大湄公河次区域植被NPP变化趋势呈现基本不变、轻微改善的特征，改善区域主要位于中国云南与广西，轻微退化区域主要位于老挝中部和缅甸北部。随着大湄公河次区域经济和社会快速发展，生态环境面临着严峻的考验，为了发挥其长久的经济、社会、生态效益，需要各经济体之间加强合作，改变对经济的片面追求，树立绿色发展、循环发展、可持续发展观念，为全球生态安全做出贡献。

(5)本研究基于GEE平台实现，避免了数据下载与存储带来的不便，且依托GEE平台的云计算资源，大湄公河次区域2001—2019年的植被NPP时空变化的数据处理在10 min内完成，极大地提升了运算效率。相较于本地计算机资源，GEE云平台在大范围、长时间尺度的研究中体现出了强大的优势。这将对区域、国家乃至全球尺度的植被NPP时空变化分析提供有效的技术方法。