基于ZGS和TW模型的长江流域植被NPP时空演变特征

徐 勇， 周清华,2， 窦世卿， 郭振东， 吴杰峰， 郑志威

(1.桂林理工大学 测绘地理信息学院， 广西 桂林 541006； 2.玉林市福绵区自然资源技术信息中心， 广西 玉林 537000)

植被净初级生产力(net primary productivity，NPP)是指绿色植物在单位时间单位面积上所积累的有机物数量，是由光合作用所产生的有机物总量扣除自养呼吸后的剩余部分[1]，气候生产力的大小能够反映当地光、温资源的配合效果[2]，用于评价陆地植被生态系统的可持续发展[3]，是生态学研究的重要内容。全球气候变暖，环境问题受到越来越多学者的关注，并采用Thornthwaite Memorial模型(TW模型)、周广胜—张新时模型(ZGS模型)对NPP进行估算[4-7]，对NPP的时空分布特征进行研究，进一步探究了不同因子对NPP的影响，结果表明，温度、降水等气候因子对NPP的影响较为明显，ZGS模型和TW模型在估算NPP时具有较高的准确性，已被广泛应用于NPP估算方面的研究。

虽然长江流域气候温暖湿润，水热条件充足，适合植被生长，但流域内部分地区生态基础脆弱，生态系统稳定性差，生态问题仍然不可忽视[8-9]。因此，亟需对长江流域陆地植被生态系统NPP进行研究，用以评估其植被生态系统的稳定程度。本文利用2000—2019年的降水和气温数据，采用ZGS模型、TW模型、皮尔逊相关分析、一元线性回归分析和Mann-Kendall显著性检验，研究长江流域陆地植被生态系统NPP时空演变特征，以期为政府部门建立和调整生态功能恢复项目提供借鉴，并进一步了解长江流域生态系统的地表碳循环。

1 研究区概况

长江流域位于90°30′—122°25′E，24°30′—35°45′N之间，包含青海、江西、四川、湖南、湖北等省份，流域面积约1.80×106km2，约占中国国土面积的19%。流域内自然资源丰富，植被覆盖率较高，广西、江西这两个区域的森林覆盖率达到60%以上，陆地植被生态系统占长江流域总面积的91.5%，其中森林、农田、草地3个陆地植被生态系统分别占41.46%，26.74%，23.30%，其他生态系统仅占8.5%。森林生态系统主要分布在长江流域的中部和东南部地区；农田生态系统主要分布在四川盆地以及长江流域的东北部地区；草地生态系统主要分布在长江流域西北部地区。长江流域大部分地处亚热带季风区，年降水量约1 098 mm，年均气温约14 ℃，大部分地区雨热同期，光、热、水等条件优越，是中国重要的农粮产品基地。

2 数据来源与研究方法

2.1 数据来源

2.1.1 气象数据 气象数据资料来源于中国气象数据网(http:∥data.cma.cn)提供的2000—2019年2 416个气象站点的日降水和日平均气温，其中长江流域覆盖站点数为718个。首先，采用邻近点的线性趋势法对缺失值进行填补，进一步计算得到月累积降水和月平均气温；然后采用克里金插值法对降水和气温进行插值，得到时间分辨率为每月，空间分辨率为1 km，投影坐标系为Albers_WGS_1984的月累积降水和月平均气温栅格时间序列。气温单位为℃，精度为0.1 ℃，降水数据单位为mm，精度为0.1 mm。

2.1.2 遥感数据 土地利用遥感监测数据来源于中国科学院资源环境科学数据中心(http:∥www.Resdc.cn)，本研究采用的是该平台提供的2000，2005，2010，2015，2020年的中国土地利用遥感监测数据，用以统计2000—2019年长江流域陆地植被生态系统的实际NPP与潜在NPP，具体方法详见孙金珂等[10]研究。土地利用遥感监测数据主要分为耕地，林地，草地，水域，城乡、工矿、居民用地，未利用地6大类，本文为了研究陆地植被生态系统的NPP时空演变特征，根据生态系统分类标准，将土地利用数据重分类，通过掩膜提取得到长江流域草地、森林、农田3个生态系统，空间分辨率为1 km，投影坐标系为：Albers_WGS_1984。

2.1.3 其他数据 中国行政区矢量数据和9大流域矢量数据来源于中国科学院资源环境科学数据中心(http:∥www.Resdc.cn)。根据九大流域矢量数据的属性，提取得到长江流域的矢量数据；基于长江流域矢量数据，裁剪得到长江流域的行政区划矢量数据，投影坐标系为：Albers_WGS_1984。

2.2 研究方法

2.2.1 ZGS模型 周广胜和张新时根据植物生理生态学特点，基于水量、热量平衡方程，建立了植物净第一性生产力模型[11]，计算得到实际NPP，计算公式如下：

Rn=rRrdiLi

(2)

Li=597-0.6T

(6)

式中：t为日均温(℃)；T为月均温(℃)；BT为生物温度(℃)；Rn为年净辐射(mm)；Rrdi为辐射干燥度；Li为蒸发潜热(kJ/g)；Ppet为可能蒸散量(mm)；Pper为可能蒸散率；r为年降水量(mm)； NPP为植被净第一性生产力(g/m2)。

2.2.2 Thornthwaite Memorial模型(TM模型) Thornthwaite Memorial模型[12]主要考虑影响植被生长的降水量、温度等气候因子，计算得到潜在NPP，具体的计算公式如下：

NPPT=3 000×〔1-e-0.000 969 5(v-20)〕

(7)

L=300+25y+0.05y3

(9)

式中：v为年均实际蒸散量(mm)；r为年降水量(mm)；y为年均温度(℃)；L为年均最大蒸散量(mm)； NPPT为由蒸散量决定的植被气候生产潜力(g/m2)。

2.2.3 皮尔逊相关系数法 皮尔逊相关系数法是英国统计学家皮尔逊提出的以数值的方式精确反映两个变量之间线性相关的强弱程度，是相关性分析中的常用方法[13]。本文拟利用相关分析法计算实际NPP和潜在NPP的相关系数，计算公式如下：

2.2.4 一元线性回归分析法 本文基于最小二乘法的一元线性回归方程[1]，计算长江流域陆地植被生态系统实际NPP和潜在NPP近20 a的年际变化趋势，计算公式如下：

式中：n为研究的总年数； slope为变化斜率； NPPi为第i年的NPP值。

2.2.5 Mann-Kendall显著性检验 采用Mann-Kendall显著性检验[13]来检验潜在NPP和实际NPP在2000—2019年变化趋势的显著性。

UBk=-UFk′k=n+1-k

(16)

式中：Sk为第i个样本的累积量；E(sk)为Sk的均值； var(Sk)为Sk的方差； UFk为Sk的标准差。

3 结果与分析

3.1 实际NPP与潜在NPP相关性分析

采用皮尔逊相关系数法计算2000—2019年长江流域实际NPP与潜在NPP的相关系数，结果如图1所示，长江流域实际NPP与潜在NPP的相关系数在0.612～0.999之间，全部通过p<0.01显著性检验，表明实际NPP与潜在NPP呈显著正相关关系。农田、森林和草地植被生态系统的相关性由大到小为：农田生态系统、森林生态系统、草地生态系统，相关系数依次为0.985，0.982，0.979。综上可知，基于ZGS模型和TW模型估算得到的实际NPP与潜在NPP相关性极强，说明通过两个模型模拟得到的陆地植被生态系统的NPP能够弥补单个模型的不足，可以提高估算结果的准确性。

图1 长江流域实际NPP和潜在NPP相关性空间分布

3.2 植被生态系统NPP时间变化特征

本文利用一元线性回归分析探究长江流域及各陆地植被生态系统NPP的时间变化趋势。由图2a可知，2000—2019年长江流域实际NPP呈上升趋势，上升斜率为6.85 g/(m2·a)，最低值出现在2011年，为1 466.06 g/m2，这是由于2010年长江流域遭遇大面积洪涝灾害，植被遭到严重破坏，导致长江流域实际NPP急剧下降[14-16]。农田、森林、草地生态系统NPP呈波动上升趋势，草地生态系统NPP上升最快，速率为7.82 g/(m2·a)，其次为森林生态系统，上升速率为7.64 g/(m2·a)。以上结果表明，3个植被生态系统的实际NPP均呈上升的趋势，其中草地生态系统的上升趋势最为明显，农田生态系统的上升趋势最为缓慢。综上可知，长江流域不同陆地植被生态系统的时间变化趋势存在一定的差异，一方面由于不同植被生态系统光合作用能力和固碳能力不同，另一方面由于长江流域从1989年开始实施长江流域防护林建设，构建长江流域生态屏障，森林覆盖面积变化较大，导致森林生态系统的NPP年际变化趋势有较大的变化[17-18]。

由图2a和2b可知，基于TW模型模拟得到的长江流域陆地植被生态系统潜在NPP与基于ZGS模型得到的实际NPP时间变化趋势一致，均呈现缓慢上升的趋势。由图2b可知，2000—2019年长江流域潜在NPP呈上升的趋势，上升斜率为2.74 g/(m2·a)，最大值出现在2016年，最小值出现在2011年。其中，农田生态系统、森林生态系统、草地生态系统的变化斜率分别为2.61，2.53，2.51 g/(m2·a)，农田生态系统的上升速度最快，森林生态系统和草地生态系统的上升速度较为接近。

图2 长江流域陆地植被生态系统实际NPP和潜在NPP时间变化趋势

3.3 植被生态系统NPP空间分布特征分析

图3a为基于ZGS模型模拟得到的2000—2019年实际NPP均值空间分布特征。如图3a所示，长江流域实际NPP呈东南高西北低的空间分布格局。实际NPP在0～800 g/m2范围内的占9.07%，主要集中分布在西藏、青海、甘肃以及四川北部这几个草地资源较丰富的区域；实际NPP大于2 300 g/m2的占13.98%，主要集中分布在江西、广西这两个森林覆盖率在60%以上，森林资源较丰富的省份。从空间分布来看，农田生态系统的年均实际NPP呈现南高北低，东南高西北低的空间格局，仅有0.07%的年均实际NPP低于800 g/m2，高值区域(>2 300 g/m2)主要分布江西、广西这两个区域，占12.10%；森林生态系统的年均实际NPP呈东南高西北低的空间格局，主要分布在长江流域的中部、东部地区，低值区域(<800 g/m2)占0.17%，高值区域(>2 300 g/m2)占22.85%；草地生态系统的实际NPP分布较为零散，主要集中分布在长江流域的西北地区，总体的年均实际NPP较低。

如图3b所示，长江流域多年平均潜在NPP呈东南高西北低的空间分布格局，整体空间分布特征与长江流域实际NPP相似。长江流域多年平均潜在NPP高值区域(>1 200 g/m2)主要分布在江西、广西、湖南等区域，占19.62%，低值区域(<600 g/m2)主要分布在青海省，占11.64%。长江流域陆地植被生态系统年均潜在NPP的高值区域(>1 200 g/m2)主要分布在森林生态系统，占长江流域年均潜在NPP高值区域(>1200 g/m2)的61.29%；低值区域(<600 g/m2)主要分布在草地生态系统，占长江流域年均潜在NPP低值区域(<600 g/m2)的70.43%。

a 长江流域实际NPP b 长江流域潜在NPP

3.4 植被生态系统NPP空间变化特征

3.4.1 植被生态系统实际NPP空间变化特征 采用一元线性回归分析法计算得到的2000—2019年长江流域NPP变化斜率,当变化斜率大于0时,表明NPP呈上升趋势;当变化率小于0时,表明NPP呈下降趋势,并结合Mann-Kendall显著性检验对长江流域NPP变化趋势进行显著性检验,当0.01≤p<0.05时,表明上升或下降趋势显著，当p<0.01时，表明上升或下降趋势极显著。

由图4a可知，长江流域实际NPP的变化斜率在-29.19～44.26 g/(m2·a)之间，其中浙江、安徽等大部分区域实际NPP呈上升趋势；河南、湖北、云南等省份大部分区域实际NPP呈下降的趋势。农田、森林和草地生态系统实际NPP的变化斜率分别在-29.16～40.35,-13.16～12.87,-28.49～42.30 g/(m2·a)之间，由上可知，相较于农田和草地生态系统，森林生态系统较为稳定，NPP变化斜率较小，这与森林生态系统植被抵御外界干扰能力较强，草地和农田生态系统对气候变化和人类活动响应敏感有关。

a 实际NPP 变化趋势 b 实际NPP显著性检验

由表1和图4b可知，长江流域实际NPP呈上升趋势的面积占80.65%，呈下降趋势的面积占19.35%，其中呈显著下降和极显著下降的面积占0.70%，主要分布在云南省；呈极显著上升和显著上升趋势分别占8.03%,11.38%，主要分布在青海、西藏、浙江等区域，由上可知，长江流域实际NPP总体呈现上升的趋势，其中河南、湖北、云南、贵州省中部呈现轻微下降的趋势，云南省由于人类的过度砍伐导致森林面积不断减少，水土流失严重，加上泥石流、滑坡等地质灾害的影响，环境污染严重，植被数量不断下降，导致云南整体的实际NPP呈下降趋势，因此，极显著下降和显著下降的区域主要分布在云南省[19-21]；极显著上升区域主要分布在浙江、青海、四川省；总的来说，长江流域实际NPP在长江流域东部和西北部呈上升趋势，北部和西南部呈下降趋势。

表1 长江流域实际NPP变化的显著性统计

长江流域实际NPP空间变化特征在不同的陆地植被生态系统中存在明显的差异性，造成这种差异性的原因可能与植被种类以及土地利用类型的分布不同有关。由表1可知，草地生态系统NPP呈上升趋势的面积占其总面积的87.60%，而农田和森林生态系统NPP呈上升趋势的面积分别占其总面积的77.51%和76.95%。其中，草地生态系统NPP呈显著和极显著上升的面积为37.67%，远高于农田和森林生态系统NPP的8.58%和13.16%。由上可知，2000—2019年农田、森林和草地生态系统NPP均以上升为主，但草地生态系统NPP呈上升趋势的面积和强度均高于农田和森林生态系统。

3.4.2 植被生态系统潜在NPP空间变化特征 由图5a可知，长江流域潜在NPP的变化斜率在-13.36～12.93 g/(m2·a)之间，其中江苏、浙江、江西、甘肃、陕西以及四川、青海省等大部分区域变化斜率均大于0，表明这些区域的潜在NPP呈上升趋势，云南、湖北、河南、贵州等区域的变化斜率均小于0，表明长江流域这些区域的潜在NPP呈下降趋势；农田、森林和草地生态系统潜在NPP的变化斜率分别在-13.34～12.80 ,-13.16～12.87, -12.93～12.93 g/(m2·a)之间，这与长江流域陆地植被生态系统实际NPP的变化斜率在数值上有所差异，但变化趋势的空间分布特征一致，总体来说，长江流域陆地植被生态系统潜在NPP与实际NPP的大部分区域呈上升的趋势，河南、湖北、云南这3个区域变化斜率大部分小于0，呈下降趋势。

a 潜在NPP变化趋势 b 潜在NPP显著性检验

由表2和图5b可知，长江流域潜在NPP呈上升趋势的面积占84.81%，呈下降趋势的面积占15.19%。其中，呈显著上升和极显著上升趋势的面积分别占13.02%和12.07%，主要分布在青海、四川、浙江、上海等区域。长江流域潜在NPP呈极显著下降和显著下降趋势的面积分别占0.07%，0.48%，主要分布在云南省。由上可知，长江流域实际NPP与潜在NPP空间变化趋势整体一致，呈上升趋势的面积远大于呈下降趋势的面积，极显著上升区域主要分布在西北部地区，轻微下降区域主要位于北部地区，大部分区域处于轻微上升趋势，与上文中实际NPP变化趋势相似。由此可见，通过采用Mann-Kendall趋势检验法验证ZGS模型和TW模型模拟的长江流域NPP的空间变化趋势可信度较高。

表2 长江流域潜在NPP变化的显著性统计

由表2可知，农田、森林和草地生态系统潜在NPP呈上升趋势的面积占其总面积的82.14%，81.27%，91.45%，其中，农田、森林和草地生态系统潜在NPP呈显著上升和极显著上升趋势的面积分别占其总面积的10.60%，18.33%和50.02%。2000—2019年农田、森林和草地生态系统潜在NPP均以上升为主，且草地生态系统NPP呈上升趋势的面积和强度均高于农田和森林生态系统。这与上文得到的农田、森林和草地生态系统实际NPP变化趋势较为一致，但农田、森林和草地生态系统潜在NPP的上升趋势的面积和强度均高于农田、森林和草地生态系统实际NPP变化趋势。

4 讨论与结论

4.1 讨 论

研究发现长江流域实际NPP与潜在NPP具有较强的相关性，相关系数为0.98，在空间上均呈现东南高西北低的分布特点，此结论与苗茜等[22]关于长江流域植被NPP的空间分布特征研究结果一致。森林、草地、农田3个生态系统的植被NPP分布情况也呈现由东南向西北递减的趋势，高值区域主要分布在森林生态系统，集中分布在江西省及周边地区；低值区域主要分布在草地生态系统，集中分布在青海省及周边地区。根据Running等[23]基于生态生理过程模型对6种植被类型模拟的结果可知，灌木林等植被的光能利用率比草地的光能利用率高，而在长江流域内江西省森林覆盖率较高，森林的光能利用效率较高，因此其NPP值较高，而青海省的海拔相对较高，植被多为草地，森林覆盖率较低，所以其NPP值较低。

从时间上看，2000—2019年研究区的实际NPP与潜在NPP的最大值都出现在2016年，最小值出现在2011年，并且实际NPP以6.85 g/(m2·a)的速率在上升，潜在NPP以2.74 g/(m2·a)的速率在上升，植被NPP总体呈现上升的趋势，这表明长江流域的环境整体是向好的方向发展。森林生态系统和农田生态系统的植被NPP在2000—2003，2010—2013，2016—2017年出现较大的波动，整体呈现增加的趋势，与张凤英等[24]模拟的长江流域森林植被NPP的变化趋势一致。相较于农田和森林生态系统，草地生态系统的变化情况较为平缓，这可能是由于不同植被类型、不同区域受到的影响不同引起的。

从空间上看，从Mann-Kendall趋势检验法得到的结果发现，实际NPP与潜在NPP呈显著下降趋势主要位于云南省。这个主要是因为云南省的西双版纳热带雨林面积不断减少，水土流失问题严重。云南省的生态环境遭到了破坏，植被NPP值下降。此结论与孙治娟等[25]关于云南省净初级生产力时空演变特征研究结果较一致。实际NPP与潜在NPP呈轻微下降趋势则主要位于湖北省北部，这与车风等[26]研究结果不一致，其主要原因可能是由于研究时段以及数据源的差异，导致研究结论有所差别。极显著上升主要分布在草地生态系统，轻微下降区域则主要分布在森林生态系统与农田生态系统，集中分布在河北、河南两个省份，这与孙金珂等[10]分析得到的结果一致。

综上可知，虽然同为气候生产力模型，但是由于估算的方法不同，模拟得到的NPP数值也会存在一定的差异，但是在空间分布和时间变化情况上来看，两个模型模拟得到的结果是一致的，具有一定的可靠性。

4.2 结 论

本文采用ZGS模型和TW模型估算长江流域的实际NPP和潜在NPP，探讨了长江流域整体以及农田、森林、草地3个生态系统2000—2019年植被NPP的时空演变特征。

(1) 2000—2019年长江流域实际NPP与潜在NPP在空间上都呈现东南高西北低的空间格局，农田生态系统NPP的空间分布情况与森林生态系统的相似，主要分布在长江流域的中部和东部地区，草地生态系统主要分布在长江流域的西北部地区。

(2) 实际NPP与潜在NPP的年际变化趋势均呈现上升趋势，实际NPP上升区域占80.65%，下降区域占19.35%；潜在NPP上升区域占84.81%，下降区域占15.19%；实际NPP与潜在NPP显著上升趋势的区域主要位于青海、西藏、四川北部和浙江等地，显著下降区域主要位于云南省，整体上，实际NPP和潜在NPP的变化趋势一致。