北部湾典型入海流域植被净初级生产力时空分布特征及其影响因素

田义超 ，杨棠，徐欣

1.北部湾大学资源与环境学院，广西 钦州 535000；2.北部湾大学海洋地理信息资源开发利用重点实验室，广西 钦州 535000；3.桂林理工大学/广西空间信息与测绘重点实验室，广西 桂林 541004

植被是全球生态系统中必不可少的重要构成部分，在调节气候、涵养水源、保持水土、维护生物多样性及稳定生态系统等方面发挥着至关重要的作用（孙红雨等，1998；Field et al.，1995）。植被净初级生产力（Net Primary Productivity，NPP）指植被经光合作用后，在单位时间、面积内，所累计产生的剩余有机碳物质数量的总和（Cramer et al.，1999；王强等，2017）。植被NPP作为全球生态环境研究中碳循环的重要指标之一，对推进生态环境可持发展具有重要战略效益（Peng et al.，2000；宋艺等，2017；赵苗苗等，2019）。如今，植被净初级生产力 NPP已成为全球陆地生态环境变化研究、国际生态气候研究和全球碳汇项目等重要科学研究的重要主题（刘海江等，2015；朱士华等，2017）。

借助模型来研究区域植被净初级生产力的方法被众多学者所采用，和传统的野外观测或定点观测等方式相比较来说，模型估算不仅极大地提高了植被净初级生产力的估算效率，同时还满足了全球或区域大尺度NPP观测的需求（赵国帅等，2017）。目前，用于估算植被净初级生产力的模型可分为气候相关模型、生态生理过程模型和光能利用率模型（Uchijima et al.，1985）。其中，由Potter et al.（1993）提出的基于光能利用率的CASA模型最具代表性，引入最适温度、水分利用效率等光合作用胁迫因子。近年来，国内众多研究学者如朱文泉等（2007a）、侯英雨等（2007）、周广胜等（1996）、董丹等（2011）、许静等（2019）利用CASA模型或改进的 CASA模型对全国或省域范围内的 NPP动态变化监测进行了大量研究，结果表明CASA模型较好地估算了区域植被净初级生产NPP，该方法具有广泛的适用性。很多学者采用改进模型对我国典型的流域如：长江流域、黄河流域、拉萨河流域、汾河流域、等（苗茜等，2010；陈强等，2014；韩王亚等，2018；田慧文等，2019）植被净初级生产力进行了定量化评估。但是大部分的研究成果主要集中在中国的内陆地区，对我国南亚热带河流，尤其是独流入海河流的植被净初级生产力研究较少。鉴于此，本研究在全球气候变化背景下以北部湾独流入海7条较大河流作为研究对象，基于CASA模型，结合利用遥感数据、气象数据和土地利用类型数据及 DEM 等数据估算了北部湾典型入海流域2000—2017年的植被NPP，并结合Theil-Sen趋势、Hurst指数、偏相关系数等数理统计方法对其时空变化特征、未来趋势及其与气象因子的关系进行了定量化研究，并揭示了流域植被NPP空间变化的影响因素。本研究为北部湾独流入海典型流域生态环境建设、流域生态系统可持续性管理及北部湾生态环境效益等工作提供理论依据和数据支撑。

1 研究区概况

以中国北部湾 7条典型独流入海河流为研究对象，从西到东依次分别为北仑河、防城江、江平江、茅岭江、钦江、大风江、南流江（图1）。研究区位于 21°31′00″—23°04′45″N，108°00′30″—110°53′00″E之间，东西贯长约296.83 km，南北长约155.66 km，流域面积达18713.95 km2。该研究区气候类型属于南亚热带季风性湿润气候区，邻近北部湾沿海，海洋性季风气候特征显著；研究区全年气候温暖，多年平均气温在21.98—22.99 ℃之间，光热充足；多年平均降水量在1208.67—2627.43 mm之间，降水充沛，雨热同期。研究区地形起伏，地貌类型多样，多以山地丘陵地貌为主，东北方横贯着约60 km长的六万山山脉，西北方横贯着约100 km长的十万大山山脉，地势北高南低，地形特征差异显著，由南至北地形呈浅海-滩涂-丘陵-山地的过渡特征。该区主要自然植被类型有亚热带常绿阔叶林、亚热带针叶林、混交林、灌木林、灌丛等，植被类型丰富。

图1 北部湾入海典型流域地理位置Fig.1 Geographical location map of typical basins entering the sea in Beibu Gulf

2 数据来源与研究方法

2.1 数据来源

本文所采用的数据主要包括 MODIS植被NDVI数据、气象数据、土地利用、地形等数据。其中，NDVI数据来源于美国国家宇航局（http://modis.gsfc.nasa.gov）的 2000—2017年的MODIS13q1产品，时间分辨率为16天，空间分辨率为250 m。由于北部湾入海流域的植被NDVI数据涉及到H27V06和H28V06两个区域，因此利用MRT（modis reprojection tool）工具对研究区的植被遥感数据做拼接、合成以及投影变换等操作，采用最大值合成（Maximum Value Composite Syntheses，MVC）工具生成研究区的月NDVI数据。气象数据来源于同时期广西壮族自治区及其周边的 40个站点的气象数据，主要包括月平均降水、月平均气温及月太阳辐射值，在ArcGIS 10.5中的克里金插值技术的支持下，将气象数据和太阳辐射数据统一插值成250 m，随后使用GIS中的裁剪命令裁剪出研究区的气象栅格数据。植被类型数据来源于中国科学院资源环境科学数据中心，比例尺为1∶1000000的矢量数据。土地利用类型来源于美国USGS网站（http://glovis.usgs.gov/），利用ENVI5.3中的监督分类工具，同时结合人工目视解译，得到了研究区2000、2005、2010和2015年的30 m土地利用类型图。1∶50000DEM数据由地理空间数据云（http://www.gscloud.cn/）提供的数字高程模型数据产品，空间分辨率为30 m。用ArcGIS 10.2对DEM数据进行镶嵌拼接，投影坐标转换，并用研究区掩膜进行裁剪。全部栅格数据的空间分辨率通过GIS中的重采样工具统一为 250 m，投影类型为 UTM 48N，中央经线108°。

2.2 研究方法

2.2.1 CASA模型

在全球和区域尺度上，基于CASA模型的NPP动态变化和时空差异性研究已被广泛应用。Monteith（1972）发现植物净初级生产力NPP和从太阳辐射中所能吸收的光合有效辐射存在相关性关系，认为植被累计产生的有机物质是植物在光合有效辐射下吸收转化的结果（Monteith et al.，1977）。本研究选择朱文泉等（2007b）改进的光能利用率CASA模型基于研究区的降水、气温、太阳辐射、蒸散量等数据估算北部湾入海典型流域的植被净初级生产力NPP，模型公式如下：

式中，NPP(x,t)单位为 g·m−2·a−1（以 C 计，下同），指植被净初级生产力；APAR(x,t)单位为MJ·m−2，是指光合有效辐射；ε(x,t)单位为 g·MJ−1，指实际光能转化率。

2.2.2 Theil-Sen趋势

本文将Theil-Sen趋势分析方法运用到NPP时间序列的分析当中（刘洋等，2016），借助Matlab 2009a软件实现植被NPP的逐年数据的趋势变化计算，得到北部湾典型流域的Sen趋势值及Sen趋势显著性变化空间分布图，可直观有效反映 2000—2017年北部湾入海典型流域NPP的空间分布趋势特征以及研究区植被NPP趋势变化的显著性水平，计算公式如下：

式中，xi，xj为NPP时间序列。当ρ<0时，表示 NPP在时间序列呈下降趋势，当 ρ>0时，表示NPP在时间序列呈上升趋势。

2.2.3 R/S指数

R/S分析方法（Rescaled Range Analysis Method）即重新标度极差分析法，最早由英国水文学家 Hurst（1951）提出，经不断补充与完善，现已成研究长时间序列的分析理论方法。Hurst指数（H）一般取值范围介于0—1之间，反映该时间序列是随机序列或是持续性趋势。一般情况下，当0

2.2.4 偏相关分析

本研究基于逐像元分析方法，借助 MatlabR 2009a软件实现NPP分别与逐年气温、降水数据进行相关性分析，分别探讨两者相关性强弱关系，相关系数越大说明相关性越强（车风等，2019）。相关系数计算具体公式如下：

式中，Rxy为净初级生产力NPP与气温（降水）的相关系数；xi为第i年的NPP；yi为第i年的多年平均降水量（气温）均值；为多年平均NPP；为多年平均降水量（气温）；n为样本数量。

利用偏相关系数分别单独研究NPP与气温（降水）之间的相互关系密切程度，计算公式如下：

式中，Rxy,z为固定自变量气温（降水）之后，因变量NPP与自变量降水（气温）的偏相关系数。

3 结果与分析

3.1 流域NPP时空格局特征

3.1.1 NPP月均值时空变化特征

北部湾入海典型流域属南亚热带季风气候，NPP存在明显的季节变化差异。由图2和图3可以看出，流域多年月均NPP介于8.50—95.86 g·m−2（以C计，下同）之间，呈倒“V”型单峰分布特征。具体而言，1—3月，植被光合作用能力较弱，流域NPP变化趋于平缓，NPP低值（黄色）大面积分布，NPP最低值出现在2月，为6.92 g·m−2。从4月开始，受太阳直射点北移，夏季风的影响，气温升高，地表植被复苏生长，NPP生产量快速增加，研究区西部以及南流江流域出现NPP高值区（湖蓝色和蓝色）。4—8月植被NPP呈快速上升趋势，单位面积 NPP 在 60.77—100.25 g·m−2之间，NPP 低值零星分布，受城市化水平和土地利用类型影响，主要集中分布在南流江上游中部和钦江流域入海口部分区域；8月是植被最适宜生长的月份，NPP达到最大值，为 100.25 g·m−2，高值区主要分布在十万大山山脉及六万大山山脉；其中5—9月流域植被NPP累积量约占全年 NPP的 75%，该时段是流域植被NPP生产的关键时段；9月之后，随着气温降低，降水量的减少，植被生长缓慢，流域植被NPP呈逐渐减少的趋势；12月植被NPP出现明显减少，研究区西部及南流江六万大山附近NPP相对较高，其他区域 NPP 均小于 20 g·m−2。

图2 北部湾入海典型流域年内NPP变化Fig.2 Annual variation of NPP in typical basin entering the sea in Beibu Gulf

图3 北部湾入海典型流域年内NPP月均值空间分布格局Fig.3 Temporal and spatial distribution pattern of monthly NPP average in typical basin entering the sea in Beibu Gulf

3.1.2 年均NPP时空分布特征

2000—2017年北部湾入海典型流域NPP总体上呈现波动上升的趋势。NPP上升趋势增速为8.83 g·m−2·a−1，快于全区植被净初级生产力的增速（全区 NPP 平均增速为 0.001 g·m−2·a−1）（李燕丽等，2014）。近18年流域NPP平均值的波动范围介于418.20—644.29 g·m−2·a−1之间，多年平均值为543.09 g·m−2·a−1。其中，在 2004 年出现最小值，为 418.20 g·m−2·a−1，低于多年平均值 22%。在 2016 年出现最大值，为 644.29 g·m−2·a−1，比多年平均值高 18%。总体而言，2000—2017年北部湾入海典型流域NPP变化可大致分为3个阶段：2001—2004年呈下降趋势，2005—2008年呈上下波动状态，2009—2017年呈平稳波动上升状态（图4a）。

图4 2000—2017年北部湾入海典型流域NPP（a）时间变化特征和（b）NPP空间分布特征Fig.4 The temporal variation of NPP (a) and the spatial distribution of NPP (b) in typical basins entering the sea of Beibu Gulf from 2000 to 2017

北部湾入海典型流域地形复杂，总体地势自西向东、自北向南倾斜，地理环境差异性较大，同时受自然因素影响和人类活动影响，致使不同地区的NPP存在差异。依据自然间断法分类，将每年NPP重分类分成5个等级（图4b）。由图4b可知，NPP小于 300 g·m−2·a−1的区域主要分布在钦江的河道附近、南流江的上游中部和下游西南部地区，该区域受强烈的人类活动以及城市化水平影响；NPP在300—600 g·m−2·a−1之间的区域集中分布在茅岭江的中上游、钦江中游北部、大风江、南流江下游的北部，植被类型主要以灌木和草本植物，植被生产力相对较低；NPP 在 900—1200 g·m−2·a−1的区域与300—600 g·m−2·a−1的区域呈现出镶嵌斑块分布状态，植被发育良好；NPP 值大于 1200 g·m−2·a−1出现在研究区西南部的十万大山的南麓，其次少许分布在六万大山南麓，该区域水热条件充足、植被基质较好，人为因素干扰较少，是研究区NPP的高值区域。

3.2 NPP变化趋势分析

3.2.1 Theil-Sen趋势变化

基于Sen趋势值以及Sen趋势显著性分析结果，采用空间叠加命令将上述两个图层进行叠加，可得到明显改善、中度改善、轻微改善、轻微减少、中度减少和严重减少6种类别，具体分类类别见表1。

由图5和表1可知，改善区域的面积（14088.19 km2）显著大于退化区域的面积（4625.44 km2），NPP改善区域占研究区面积比重较大，占76%，而退化区域面积仅为24%。具体而言，植被NPP明显改善的区域（蓝色）占33%，主要分布在研究区中部的大风江流域，其次南流江的上游北部有少许分布；中度改善的区域（湖蓝色）占12%，主要镶嵌分布于明显改善区域中；轻微改善的区域（绿色）占31%，主要集中连片分布在研究区西部的北仑河流域、江平江流域、防城河流域以及南流江的中部；轻微退化区域（黄色）占16%，主要分布在防城江上游的西北部、南流江流域上游的玉林市及下游的合浦县，钦江流域中游则有零星分布；中度减少的区域（橙色）仅为 3%，主要分布与严重减少区域镶嵌分布；严重减少的区域（红色）为 5%，主要分布在钦江下游的钦州市区、南流江上游的玉林市、中游的博白县及下游的合浦县地区，其次东兴市和防城港市也有少许分布。

图5 北部湾入海典型流域Sen趋势空间变化Fig.5 Spatial variation of Sen trend in typical basin entering the sea in Beibu Gulf

表1 2000—2017年北部湾入海典型流域NPP趋势变化统计Table 1 Statistics of NPP trend changes in typical basins entering the sea of Beibu Gulf from 2000 to 2017

3.2.2 NPP未来变化趋势

从图6可以看出，北部湾入海典型流域NPP的Hurst指数范围为0.20973—1，平均值为0.7919，Hurst指数大于0.5比重较大，持续性序列占区域整体的NPP百分比为97.19%，反持续性序列所占百分比仅为2.81%。Hurst指数正态空间分布特征表现为单峰右偏趋势，表明北部湾入海典型流域NPP总体上呈持续性改善趋势。由图7可以看出，研究区总体上以持续性序列分布为主，集中连片分布。大部分以强持续和弱持续性分布为主，分别占研究区的67.22%和35.97%，而反持续分布的比例较少；丘陵地带持续性特征大于反持续性序列特征，研究区中部持续性相对较大。反持续性序列呈零星分布，主要分布于研究区的十万大山南麓、钦江上游和南流江流域的中下游部分区域。总体而言，北部湾入海典型流域NPP在呈现持续性改善态势，且未来北部湾入海典型流域 NPP变化将呈现持续性增加趋势。

图6 Hurst指数正态分布Fig.6 Normal distribution diagram of Hurst index

图7 Hurst指数空间分级Fig.7 Spatial classification of Hurst index

3.3 NPP驱动力因子

3.3.1 气象因子特征及其空间分布格局

图8为北部湾入海典型流域2000—2017年的气温和降水时间变化特征图，由图可知，多年平均气温呈现出不显著下降趋势，变化率为−0.0004·a−1，其值介于 21.98—22.99 ℃之间，多年平均气温为 22.63 ℃，其中年均气温在 2015年达到最高值，最小值出现在 2011年，气温整体呈现下降趋势，年均温变化浮动不大。而多年平均降水量也呈现出下降趋势，变化率为−2.493·a−1。多年降水量的年际变化幅度较大，其值在 1208.67—2627.43 mm之间波动，多年降水量平均值为1953.50 mm，其中，2001年降水量最大，2017年最小。由多年气温和降水量的均值空间分布特征（图9）可以看出，研究区多年平均气温空间分布呈现明显的地域分异规律，气温由西部南部向北呈现递减趋势，气温较高的区域主要集中分布于研究区的西部和南部地区，北部及西北区域受地形因素影响，海拔相对较高，气温较低。北部湾入海典型流域属于南亚热带季风性湿润气候区，年均降水量降水分布不均，其中，南流江流域降水由西南向东北递减，玉林市地区为降水量的低值区；北部湾沿海区域主要受海洋暖湿气流和天气系统影响，降雨量大。

图8 研究区多年气温（t）和降水（R）变化特征Fig.8 Variation trend and spatial distribution of mean value of multi-year temperature (t) and precipitation (P) in research area

图9 研究区多年气温和降水变化均值空间分布特征Fig.9 Variation trend and spatial distribution of mean value of multi-year temperature and precipitation in research area

3.3.2 NPP与气象因子的关系

研究区 NPP与气温和降水的密切关系表现出显著的空间差异性特征（图10）。NPP对气温的偏相关系数介于−0.9019—0.97368之间，其中，正相关所占的区域为76.56%，而负相关所占的区域仅为23.44%。正相关区域主要分布于研究区的西部、中部以及东北部流域，负相关区域主要散布在南流江流域河道附近，其他流域零星分布少许。NPP与降水的偏相关系数介于−0.95877—0.86439之间，其中NPP与降水的相关系数以负相关为主，所占比例高达82.16%，其中，呈正相关区域主要分布在茅岭江流域、江平江流域以及钦江流域，南流江流域和其他河流流域零星分布；而负相关区域主要分布于研究区的西北部、中部以及东北区域，尤其是南流江、北仑河以及大风江流域。

图10 研究区NPP与气温和降水的偏相关系数Fig.10 Partial correlation coefficient between NPP and temperature and precipitation in the study area

3.3.3 不同土地利用类型对NPP的影响

流域NPP的变化不仅受气候变化的影响，同时人类活动对净初级生产力也产生着巨大影响。不同的土地覆被类型其植被光合作用能力具有不同的强度，NPP也存在着差异。以2000、2005、2010和2015年为时间尺度，分别统计北部湾入海典型流域不同土地覆被类型的NPP值（表2），估算研究区在不同覆被类型中的NPP。由表2可知，2000—2015年林地、耕地、灌丛、湿地4种覆被类型NPP逐年增加，均呈增加趋势；草地覆被类型NPP增长幅度较为缓慢，呈较稳定波动状态；其他覆被类型的NPP呈减少趋势。从不同覆被类型NPP均值看，林地的NPP最高，为747.31 g·m−2·a−1，灌丛次之，其他用地主要包括建筑用地、未利用土地等，植被覆盖度低，且多为混泥土和水泥等材料的不透水层，仅能产生小部分 NPP，故 NPP 最小，为 232.22 g·m−2·a−1。总体而言，各土地覆被类型NPP平均值大小依次为林地>灌丛>耕地>草地>湿地>其他用地。

表2 北部湾入海典型流域不同覆被类型的NPP平均值Table 2 Average NPP of different covering types in typical basins entering the sea of Beibu Gulf g·m−2·a−1

3.3.4 不同海拔梯度对NPP的影响

根据研究区的地势地貌及实际的海拔情况，选取2000、2005、2010和2015年4个时间段分析不同海拔梯度效应下NPP分布情况。由表3可以看出，2000—2015年，NPP平均值在海拔梯度效应上均呈现出先增加后减少的趋势，变化的阈值在800 m左右，大于800 m阈值后，NPP呈现出下降趋势。其中，第三梯度（低山500—800 m）地区的多年年均 NPP 最高，其值为 865.89 g·m−2·a−1，而第一梯度（低丘陵<250 m）的多年年均NPP最小，其值为 500.62 g·m−2·a−1。从时间尺度上来看，2000—2015年，第一（低丘陵<250 m）和第二（高丘陵250—500 m）梯度随着时间的推移，NPP均呈现出增加趋势，而在第三（低山500—800 m）和第四（中山>800 m）梯度的NPP呈现出波动增加趋势，其转折点在2010年。

表3 北部湾入海典型流域NPP海拔梯度差异Table.3 Altitude gradient difference of NPP in typical basins entering the sea in Beibu Gulf g·m−2·a−1

3.3.5 不同坡度梯度对NPP的影响

根据水利部颁发的水力侵蚀坡度的分级标准，并借助 ArcGIS对坡度进行重分类，将北部湾入海典型流域的坡度划分为6个等级。由表4可知，急坡的 NPP 值最大，其平均值为 905.10 g·m−2·a−1，其次为陡坡的 NPP，其平均值为 887.06 g·m−2·a−1，而缓倾斜坡的 NPP值最小，其平均值为 454.95 g·m−2·a−1。由表可知，研究区的 NPP 并不是随着坡度的增加而增加，NPP在35°的坡度出现明显的阈值效应，大于35°之后，NPP呈现出下降趋势。从所占比例来看，缓倾斜坡的NPP所占面积最大，其面积为13449.44 km2（71.87%），其次为斜坡，NPP面积为2288.38 km2（12.23%），急陡坡的NPP所占比重最小，仅为 4.88 km2（0.03%）。急坡、陡坡和急陡坡的 NPP平均值较高主要是植被比较茂盛，受人类活动的影响较轻；缓倾斜坡、中等斜坡和斜坡的坡度小于 25°，主要为城镇用地和农作物用地等，NPP值相对较小。

表4 北部湾入海典型流域坡度梯度差异Table 4 Gradient difference of slope in typical Basins entering the sea in Beibu Gulf

4 讨论

4.1 CASA模型估算结果

本研究利用MODIS13Q1产品时间序列数据，结合气象数据、土地利用类型数据、DEM数据分析了北部湾入海典型流域 NPP时空变化特征及影响因素，结果表明，本研究估算的多年 NPP平均值为543.09 g·m−2·a−1，小于 2001—2010 年间广西植被的多年 NPP 平均值（662 g·m−2·a−1）（周爱萍等，2014）和广东2000—2007 年的NPP 平均值（774 g·m−2·a−1），大于全国的 NPP 平均值（324 g·m−2·a−1）（朱文泉等，2007a）。由于不同学者所采用的模型驱动数据及其分辨率存在差异，因此所计算的植被NPP结果必然有所区别，同时不可避免地存在一定偏差。从多年NPP平均值的空间分布（图4）可以看出，NPP高于1200的区域主要分布于十万大山周边，该地区植被生长旺盛，大部分为原始森林地区，该值与周爱萍等（2014）计算的2001—2010年NPP平均值空间分布保持一致，该文认为NPP的最高值分布在桂南和桂西南，特别是十万大山、西大明山等地NPP平均值较高的主要原因是由于该区域位于北热带季雨林分布区。从植被NPP年际变化速率可知，北部湾入海流域植被NPP呈逐年持续增加趋势，NPP增速（8.83 g·m−2·a−1）大于南流江 NPP 增速（4.40 g·m−2·a−1）。其研究结果与田义超等（2019）关于南流江流域NPP的变化趋势保持一致，只是其增加的速度是南流江流域的2倍左右，这可能与北部湾入海流域不同地区所处的地理位置及气候类型有一定关系。

4.2 NPP的影响因素

很多研究表明，降雨是控制植被变化的主要因素，如Alessandri et al.（2008）采用相关数理统计方法定量化评估了陆地的季节性植被动态和降水年际异常的关系，得出植被对降水的变化比气温敏感。信忠保等（2007）发现中国黄土高原地区的植被对降水有着敏感的响应，认为降水对该地区的植被空间分布起着决定性作用。索玉霞等（2009）发现中亚地区植被受降水的影响明显大于气温，年降水量尤其是春季降水是中亚地区植被生长的主要限制因子。但是不同的地区气候因素具有空间差异性，植被变化对降水和气温响应的滞后时间也不一致，气候类型的差异以及空间异质性特征有可能导致气温成为控制植被变化的关键性因子。上述研究结果中的黄土高原地区和中亚地区的气候类型分别属于半干旱大陆性季风气候区以及典型的温带沙漠、草原的大陆性气候，植被的变化主要受到降水的因素控制，然而本研究区中的气候类型属于南亚热带气候类型，该地区的植被NPP对气候因子响应特性则与上述两个地区有所不同。由本文的研究结果可知，气候因子中的温度与NPP呈正相关关系，正相关区域占76.56%，与年均降水量呈负相关关系，负相关区域高达 82.16%，表明北部湾入海典型流域 NPP与气温影响显著，植被的生长主要依赖于区域内的光热条件，气温是NPP生长的主导因素。该观点与田义超等（2016）年关于北部湾沿海地区NDVI的控制因素相同，气候因子中的气温对植被的平均滞后时间小于对降水的滞后时间。

除气候因子对NPP产生重要影响之外，坡度和海拔也会对NPP产生重要的影响。根据Chen et al.（2007）年的研究结果可知，地形因子显著地影响NPP的空间分布格局，该文强调了地形因子中的海拔和坡向对 NPP空间变化的作用，随着海拔的升高，NPP呈现出增加趋势，但是到达1350 m之后，NPP随着海拔的升高则呈现出下降趋势。本研究结果认为，影响北部湾地区 NPP变化的高程阈值在800 m左右，大于800 m阈值后，NPP呈现出下降趋势，这个与广西的地形地貌以及山地的空间分布格局有关，研究区处于中国第二台阶中的云贵高原东南边缘，山地和丘陵分布广泛，尤其是该地区的十万大山地区，主峰莳良岭高达 1462 m，是桂南地区的最高点，该地形特征对NPP的空间分布必然产生重要的影响（苏宗明，1998）。此外，坡度因素也是影响 NPP的另外一个因素，由周爱萍等（2014）的研究结果可知，坡度小于5°NPP随着坡度的增加而增加，但是大于 5°之后 NPP随着坡度的增加而呈现出减少趋势，这与本研究的研究结果有所差异。本研究结果认为NPP在35°的坡度出现明显的阈值效应，大于35°之后，NPP呈现出下降趋势，这与本文所处的地理位置有关。从本研究区西部的十万大山到东部的六万大山，山体陡峭，坡度变化剧烈，这也可能是导致 NPP的阈值集中在35°左右的原因之一。

4.3 CASA模型的不确定性及未来研究方向

本研究采用 CASA模型对北部湾入海河流的NPP进行了定量化评估，但是应该注意到，本研究采用的气象数据是广西及其周边的 40个气象站点数据，随后本研究采用了GIS中的插值方法生成了估算NPP的相应月值栅格数据，但是由于广西地形地貌变化复杂，其插值结果在一定程度上存在着一定的不精确性，导致NPP估算模型的参数受一定程度的精度影响。因此，未来研究中应该采用混合插值方法，将地形因子引入到气温和降水的插值算法中，这样可为NPP的精确化评估提供重要保障。此外，由于本研究在进行CASA模型的估算时，采用的空间分辨率是250 m，其他数据源全部经过重采样工具变换为250 m的尺度，数据在转换的过程中可能导致模型的估算精度受到一定的影响。

本研究虽然采用了偏相关分析方法定量性描述了研究区NPP与气温、降水因子的相关性，但是未能定量化揭示NPP与气候因子（如降水和气温）之间的响应特性，未能定量化揭示降水和气温对 NPP的影响时滞问题。此外，由于植被NPP中的另外一个重要的参数是太阳辐射，大部分学者在研究气候因子和NPP之间的关系时，主要侧重于降水和气温对NPP的影响，未来应该将太阳辐射因子加入到驱动力因素中，采用相关的定量化模型揭示降水、气温和太阳辐射对NPP的贡献比率，这方面的研究是以后的重点研究方向。

5 结论

（1）北部湾入海典型流域多年月均 NPP介于8.50—95.86 g·m−2（以 C 计，下同）之间，呈倒“V”型单峰分布特征，8月NPP达到全年最大，其值为100.25 g·m−2·a−1；2 月最小，其值仅为 6.92 g·m−2·a−1；年际变化上，流域NPP年际变化总体呈现波动上升趋势，增速为 8.83 g·m−2·a−1，快于广西自治区 NPP平均值增长速率（0.001 g·m−2·a−1）。

（2北部湾入海典型流域NPP分布规律呈现明显地域分异规律，NPP高值区主要位于研究区西南部的十万大山南麓，低值区散布在钦江流域河道附近、南流江上游的中部以及下游的西南部地区。流域内 NPP总体上呈现改善的趋势，改善区域面积（14088.19 km2）显著大于退化区域的面积（4625.44 km2），NPP增加区域是减少区域的3.05倍。

（3）北部湾入海典型流域植被Hurst指数平均值为 0.7919，持续性序列占区域整体的 NPP百分比为97.17%，流域Hurst指数正态分布图呈现单峰右偏趋势，表明北部湾入海典型流域的NPP未来将呈现出持续增加的趋势。

（4）研究区 NPP与多年平均气温呈正相关关系，与多年平均降水量呈负相关关系，气候因子中的气温是NPP空间分布的主要控制因素。