顾及时滞效应的西南地区植被NPP变化归因分析

2022-08-06郑志威戴强玉郭振东盘钰春

农业工程学报 2022年9期

徐勇，郑志威，戴强玉，郭振东，盘钰春

（桂林理工大学测绘地理信息学院，桂林 541006）

0 引言

植被是陆地生态系统重要组成部分，对区域乃至全球碳循环起关键作用。植被生态系统在提供物质和能量的同时还推动着全球物质和能量的循环，但极易受气候变化和人类活动的影响。植被净初级生产力（Net Primary Productivity，NPP）也称净第一性生产力，是植被光合作用与呼吸作用的产物，作为碳循环的重要组成部分，能较好地体现植被自然状态下的生产状况，表征陆地生态系统的优劣，常用于植被生长监测、生态效益评估和区域生态规划等领域的研究。

气候变化和人类活动是影响植被生长的两大主要因素，对此，国内外学者针对植被NPP对气候变化与人类活动的响应机制进行了大量研究。在全球范围，Zarei等研究发现温度与蒸散的提高会使坦桑尼亚草原植被NPP上升，而温度和光合有效辐射与哈萨克斯坦月植被NPP存在较强正相关，与同月降水量相关性不显著或为负。在中国，Sun等研究发现青藏高原和黄土高原植被NPP以上升为主，青藏高原和黄土高原植被NPP对气候变化和人类活动的响应机制存在明显的时空差异。退耕还林还草工程的实施、干旱状况的缓解和人类活动的频繁程度是影响植被NPP变化的主要原因。

随着研究的进一步深入，如何定量厘定气候变化和人类活动对植被生长的影响成为了新的研究主题。Zhang等使用植被NPP、降水、气温和太阳辐射数据，通过建立多元回归分析和残差分析模型实现了气候变化和人类活动对洞庭湖流域、锡林郭勒盟草地和祁连山国家公园植被NPP影响的定量分离。Ge等在植被NPP、降水、气温和太阳辐射的基础上引入土地利用类型数据，通过建立残差分析模型定量分离了气候变化对植被NPP变化单独影响以及气候变化和人类活动对中国和中国西北部植被NPP变化的共同影响。综上，目前针对植被NPP与气候变化和人类活动关系研究的尺度大多基于区域整体或省市级行政区，考虑的气候因素较单一，多为降水、气温和太阳辐射等，忽视了其他气候因子对植被生长的影响、地形与小气候可能带来的植被生境差异、以及植被生长对气候因子的滞后效应。

鉴于此，本文以西南地区为研究区，以地貌类型（广西丘陵、云贵高原、四川盆地、若尔盖高原、横断山地和青藏高原）为研究单元，首先，从影响植被NPP变化的多种气候因子中筛选出主导气候因子，在筛选时将气候因子对植被生长的影响显著性和滞后效应及主要气候因子间可能存在的严重多重共线性纳入考虑；然后，基于植被NPP和筛选出来的主导气候因子时间序列，分区建立多元回归分析和残差分析模型，定量厘定气候变化和人类活动对植被NPP变化的影响，揭示气候变化与人类活动对西南地区植被生长的影响。以期为如何定量厘定气候变化与人类活动对植被变化的影响带来新思路。

1 数据与方法

1.1 研究区概况

研究区地处中国西南部，位于78°25′～112°04′E，20°54′～36°53′N之间，由广西的广西丘陵，云南和贵州的云贵高原，西藏的青藏高原及四川省和重庆市的四川盆地、横断山地和若尔盖高原组成（图1），共涉6个省级行政区，总面积约为255万km，海拔在-20～8 405 m之间，地势起伏明显。研究区受热带季风气候、亚热带季风气候和高原山地气候影响，地表温度常年维持在1.5～28.5 ℃，降水在19～2 688 mm，相对湿度在32%～85%，以上气候因素受海拔影响均主要呈“西高东低”的空间分布格局。适宜的气候使得研究区植被以乔木类的阔叶、针叶林和草本类的草甸、草丛、栽培植被为主。研究区作为中国西南部的重要门户，随着城市化和工业化进程的加快，近年来西南地区部分区域生态环境日趋脆弱。

图1 研究区地貌单元空间分布 Fig.1 Spatial distribution of landform units in study area

1.2 数据来源与处理

空间分辨率为500 m的2000－2020年MODIS NPP数据源于National Aeronautics and Space Administration （https://earthdata.nasa.gov/）的MOD17A3 C6产品，原始数据需进行镶嵌、重采样和重投影等预处理，从而获取分辨率为1 km西南地区植被NPP时间序列。

1999—2020年气候因子（最低气温、最高气温、平均气温、降水、相对湿度、日照时数、大气压强、地表温度）来源于国家气象科学数据中心提供的逐日数据（https://data.cma.cn/），共2 416个气象站点，原始数据需剔除数据缺失造成的影响并进行空间插值以获取研究区栅格气象数据。通过平均气温和降水时间序列，可以计算得到可能蒸散率、可能蒸散量、生物干燥度指数、湿润指数、温暖指数、寒冷指数时间序列，因此，本文选取以上14个因子作为影响植被NPP变化的待筛选气候因子。

DEM数据和2000－2020年土地利用数据来源于中国科学院资源环境数据云平台（https://www.resdc.cn/）。人口密度数据和夜间灯光数据分别来源于WorldPop发布的Population Density数据（https://www.worldpop.org/）和Harvard Dataverse发布的全球NPP-VIIRS-like时间序列产品（https://dataverse.harvard.edu/）。以上数据空间分辨率均为1 km。

1.3 研究方法

植被NPP变化受多种气候因子的共同影响，且植被生长在不同地貌单元对不同气候因子的响应机制存在差异，同时植被生长对气候变化存在滞后效应，因此，本文通过联合相关分析、显著性检验和一阶偏导实现主导气候因子的筛选。具体步骤如下：首先，通过相关分析计算不同地貌单元植被NPP与前0～12个月各气候因子的相关系数，以获取影响各地貌单元植被生长的主导气候因子；然后，通过一阶偏导法，确认各气候因子在不同地貌单元的绝对值最大相关系数和滞后期；最后，通过检验判断最大相关系数是否显著，当最大相关系数通过＜0.1显著性检验，则认为该因子是影响植被NPP变化的主要气候因子。

考虑到主要影响因素间可能会存在严重的多重共线性问题，导致数据冗余的同时造成残差模型失真和预测结果的不稳定，本文通过使用方差膨胀系数（Variance Inflation Factor，VIF）检验主要影响因子间的多重共线性，从而降低其他影响因素对研究结果的干扰。本文选取各地貌单元与植被NPP相关性最高的气候因子为工具变量，将VIF＞10的气候因子视为与工具变量因子间存在严重多重共线性。气候影响因子筛选结果及相应VIF值如表1。

基于各地貌单元工具变量、主导气候因子（表1）和植被NPP观测值，建立多元回归分析模型，生成气候影响下的植被NPP预测值（NPP，下同），以此探究植被NPP在气候变化下的时空变化；同时剥离气候因素的影响，建立残差分析模型，计算出反映人类活动影响下的植被NPP残差值（NPP，下同），以探究植被NPP在人类活动影响下的时空变化。植被NPP和NPP计算式如下：

表1 主导气候因子筛选结果 Table 1 Selection result of dominant climate factors

式中b为系数；C为不同地貌单元对应的各主导气候因子；为气候因子类别；为常量。

Theil-Sen Median趋势分析计算效率高，对数据误差造成的结果偏差影响小，在长时间序列数据的趋势分析研究方面具有较好的估计效果。将植被NPP在时间序列上的变化斜率＞0、＜0和=0分别作为植被NPP上升、下降和不变的判定条件。Mann-Kendall显著性检验法在对时间序列趋势性检验时，对试验数据的分布无严格要求，且不会因数据异常而受到影响，具有较好的检测效果，本文运用此方法对西南地区植被NPP变化趋势进行显著性检验，当|MK|＞2.58时，为极显著变化；当1.96＜|MK|≤2.58时，为显著变化；其余为不显著变化。

偏相关分析可在控制其他气候因子对植被NPP影响条件下，分析单一气候因子与植被NPP的相关性。为探究气候因子对植被NPP影响的相对重要性，本文利用相对重要性分析在像元尺度上确定各气候因子对植被NPP变化的相对重要性，本文定义各像元植被NPP与各气候因子偏相关系数最大的气候因子为影响该像元植被NPP变化的主导气候因子。

2 结果与分析

2.1 西南地区植被NPP、NPPPre、NPPRes时空演变特征

2.1.1 西南地区植被NPP、NPP、NPP时间变化

如图2所示，2000－2020年西南地区植被NPP、NPP和NPP多年平均值分别为453.67、452.82和-0.28 g/(m·a)，其中，植被NPP和NPP最低值出现在2000年，分别为424.98和432.46 g/(m·a)，植被NPP最低值出现在2010年，为-13.86 g/(m·a)，而植被NPP和NPP最高值出现在2020年，分别为473.03和466.89 g/(m·a)，植被NPP的最高值出现在2019年，为12.43 g/(m·a)。如图3所示，在地貌单元上，植被NPP和NPP多年平均值最高均为云贵高原，分别为948.89和948.28 g/(m·a)，植被NPP多年平均值最高为横断山地，为-0.06 g/(m·a)；植被NPP和NPP多年平均值最低均为青藏高原，分别为114.75和114.95 g/(m·a)，植被NPP多年平均值最低为若尔盖高原，为-0.88 g/(m·a)。

图2 2000－2020年西南地区植被NPP时间变化 Fig.2 Temporal variation of vegetation NPP (Net Primary Productivity) in southwest China from 2000 to 2020

如图2所示，2000－2020年西南地区植被NPP、NPP和NPP均呈波动上升趋势，上升斜率分别为1.81、1.21和0.67 g/(m·a)。如图3所示，地貌单元上，青藏高原整体植被NPP、NPP和NPP无显著变化，变化斜率分别为-0.29、-0.15和-0.14 g/(m·a)。除青藏高原外，其余地貌单元植被NPP、NPP和NPP均呈波动上升。其中，四川盆地植被NPP、NPP和NPP波动上升趋势均最显著，其上升斜率分别为7.14、3.72和3.44 g/(m·a)。

图3 2000－2020年西南地区各地貌单元植被NPP时间变化 Fig.3 Temporal variation of vegetation NPP in landform units of southwest China from 2000 to 2020

2.1.2 西南地区植被NPP、NPP和NPP空间变化

如图4a所示，2000－2020年西南地区植被NPP变化斜率在-75.31～82.9 g/(m·a)之间，变化斜率呈东南高、西北低的空间分布格局。2000－2020年西南地区植被NPP呈上升趋势面积占总面积的77.33%，其中，呈显著和极显著上升趋势面积占总面积的35.70%。呈显著和极显著下降趋势面积占总面积的3.99%，零星分布在广西丘陵、云贵高原西南部和青藏高原东南部。在地貌单元中，四川盆地植被NPP呈上升趋势面积占其总面积的95.51%，其中，呈显著和极显著上升趋势面积占其总面积的81.07%。若尔盖高原和青藏高原植被NPP上升趋势强度较低，呈显著和极显著上升趋势面积占各自总面积的比例均不足25%。

如图4b所示，气候变化影响下，2000—2020年西南地区植被NPP变化斜率在-85.47～83.25 g/(m·a)之间。西南地区植被NPP呈上升趋势面积占总面积的77.18%，其中，呈显著和极显著上升趋势面积占总面积的45.18%。在地貌单元中，四川盆地植被NPP呈上升趋势最为显著，其中，呈显著和极显著上升趋势面积占其总面积的69.42%，且呈极显著上升趋势面积占比远高于其他地貌单元，达48.69%。广西丘陵和云贵高原植被NPP呈显著和极显著上升趋势面积占比均超过其总面积的45%。气候变化对若尔盖高原植被NPP的促进作用强度最低，呈显著和极显著上升趋势面积占总面积的33.94%。西南地区植被NPP呈显著和极显著下降趋势面积占总面积的5.34%，零星分布在广西丘陵、云贵高原和青藏高原东南部，其中，因气候变化导致植被NPP呈显著和极显著下降最高的为云贵高原，呈显著和极显著下降趋势面积占其总面积的8.08%。

图4 2000—2020年西南地区植被NPP变化趋势及显著性检验空间分布 Fig.4 Spatial distribution of the changing trend of vegetation NPP and its significance test in Southwest China from 2000 to 2020

如图4c所示，在人类活动影响下，2000－2020年西南地区植被NPP的变化斜率在-132.06～86.18 g/(m·a)之间。人类活动影响下，西南地区植被NPP呈上升趋势的面积占总面积的65.6%，其中，呈显著和极显著上升趋势的面积占总面积的18.55%。在地貌单元中，植被NPP显著上升占比最高的为四川盆地，显著和极显著上升面积占比高达其总面积的50.75%。其余地貌单元植被NPP呈显著和极显著上升趋势面积占各自总面积的占比均低于25%，其中人类活动对横断山地植被NPP的促进作用最低，呈显著和极显著上升趋势面积仅占其总面积的8.99%。西南地区植被NPP呈显著和极显著下降趋势占总面积的4.82%，其中，广西丘陵和云贵高原植被NPP下降趋势较为显著，植被NPP呈显著和极显著下降区域面积分别占其总面积的7.28%和7.78%。

综上可知，在气候变化和人类活动影响下，西南地区植被NPP整体呈上升趋势，且存在明显的空间异质性。气候变化对植被NPP促进作用强度要高于人类活动。气候变化和人类活动对四川盆地植被NPP的增长具有显著的积极影响，对若尔盖高原和青藏高原植被NPP增长作用强度较低；广西部分地区、云贵高原西南部和青藏高原东南区植被NPP下降趋势较为显著。

2.2 植被NPP与影响因子的相关性分析

西南地区植被NPP对气候变化的响应特征。如图5所示，气候因子与西南地区植被NPP最大偏相关系数平均值的绝对值由大到小依次为：降水（0.1）、地表温度（0.09）、相对湿度（-0.06）、最高气温（0.05）、大气压强（-0.03）、温暖指数（0.02）。在与西南地区植被NPP整体呈正相关关系的气候因子中，降水和地表温度与西南地区超过50%区域植被NPP呈正相关，其中，呈显著与极显著正相关占比分别为8.99%和8.92%。在与西南地区整体呈负相关关系的气候因子中，大气压强和湿润指数均与西南地区超过50%区域植被NPP呈负相关，其中，呈显著和极显著负相关占比分别为5.76%和5.65%。

图5 西南地区植被NPP与各气候因子偏相关关系空间分布 Fig.5 Spatial distribution of the partial correlation between vegetation NPP and climate factors in Southwest China

在各地貌单元中，广西丘陵植被NPP与降水和最高温度呈较强正相关关系，与大气压强呈较强负相关关系。降水和最高气温与广西丘陵10.99%和8.10%的植被NPP呈显著和极显著正相关，大气压强与广西丘陵9.69%植被NPP呈显著和极显著负相关。横断山地植被NPP与降水和地表温度呈较强正相关关系，与相对湿度呈较强负相关关系，降水和大气压强分别与14.61%和16.05%横断山地植被NPP呈显著和极显著正相关，相对湿度与14.58%横断山地植被NPP呈显著和极显著负相关。若尔盖高原植被NPP与地表温度和最高气温呈较强正相关关系，与相对湿度呈强负相关关系。地表温度和最高气温与分别与若尔盖高原17.64%和16.88%植被NPP呈显著和极显著正相关，相对湿度与若尔盖高原27.66%植被NPP呈显著和极显著负相关。四川盆地仅与大气压强存在较强负相关关系，其中，呈显著和极显著负相关区域占比为24.26%。云贵高原植被NPP与降水和地表温度存在较强正相关关系，二者分别与云贵高原15.61%和13.59%植被NPP呈显著和极显著正相关。各气候因子与青藏高原植被NPP偏相关关系较弱。

综上可知，西南地区植被NPP与降水和温度关系密切，其中，植被NPP与降水、地表温度、最高气温和温暖指数主要呈正相关关系，与大气压强和相对湿度主要呈负相关关系，同时发现，各气候因子在不同地貌单元对气候因子的响应存在明显的空间异质性。

如图6所示，西南地区主导植被NPP变化的各气候因子面积占比由大到小依次为地表温度、最高气温、温暖指数、相对湿度、降水、大气压强。地表温度主导着西南地区及各地貌单元最大比例的植被NPP变化，地表温度主导着西南地区29.27%植被NPP变化，其中，影响范围最大的四川盆地，主导39.57%四川盆地植被NPP的变化；最高气温作为第二主导影响因素，主导23.44%西南地区植被NPP变化；以温暖指数和相对湿度为主导因子影响范围次之，主导15.99%和14.15%西南地区植被NPP变化。以温暖指数为主导因子的面积在广西丘陵占比较大，以湿润指数为主导因子面积在青藏高原占比较大。主导范围较小的为降水与大气压强，仅主导8.67%和8.48%西南地区植被NPP变化。各地貌单元中，以降水为主导的面积占比均较低。以大气压强为主导因素在四川盆地占比较大，占四川盆地总面积的19.99%。综上可知，各气候因子主导面积占比在西南地区及其地貌单元间存在高度一致性，植被NPP变化主要受温度类因子的影响。

图6 气候因子对植被NPP变化相对重要性空间分布及占比 Fig.6 Spatial distribution and percentage of the relative importance of climate factors to vegetation NPP variation

人类活动通过驱动土地利用类型变化，进而影响植被的生长状况。如表2所示，2000－2020年西南地区54.18%的土地利用类型发生了改变，城镇用地和未利用地面积变化最大，增长率分比为111.27%和114.63%，其中耕地转化为城镇用地的地区植被NPP呈显著和极显著下降趋势占比最大，为5.94%。非耕地转化为耕地和非林地转化为林地的地区中，均超70%的地区植被NPP呈上升趋势，其中，植被NPP显著和极显著上升均主要发生在耕地与林地相互转化的地区。人口密度和夜间灯光与西南地区植被NPP相关系数如图7所示，人口密度和夜间灯光与西南地区植被NPP的相关系数分别为-0.01和0.14，在地貌单元中，人口密度与四川盆地植被NPP存在较强相关性，相关系数为-0.28，而在其余地貌单元相关系数绝对值均小于0.1，表现出微弱相关性。夜间灯光同样在四川盆地表现为较强相关性，相关系数为0.34，其次为若尔盖高原和广西丘陵，相关系数分别为0.20和0.13，在其余地貌单元相关系数平均值较低。综上可知，土地利用的转变与植被NPP的变化存在较强相关性，城镇用地的扩张是植被NPP下降的影响因素之一，人口密度和经济的发展对四川盆地植被生长影响显著。

表2 2000－2020年间西南地区土地利用类型变化率 Table 2 Change rate of land use types in southwest China from 2000 to 2020 %

图7 植被NPP与人口密度和夜间灯光的相关性空间分布 Fig.7 Spatial distribution of the correlation coefficient between vegetation NPP and population density and night-time light

3 讨论

3.1 植被NPP时空演变特征

从时间尺度上看，西南地区植被NPP整体呈上升趋势。在地貌单元中，四川盆地植被NPP增长速率远高于其他地貌单元，这与以植被NPP作为研究对象的已有研究结果一致，但与已有以植被NDVI作为研究对象的相关结论相反，这是因为植被NPP更侧重体现植物光合累计效应，植被NDVI则侧重体现植被覆盖度，而植被覆盖度本身与植物本身光合能力无较大相关性。青藏高原植被NPP无明显上升趋势，甚至存在微弱下降现象，这与已有研究结果不一致，这主要是由于以上研究选用青藏高原整体，而本文只选用了青藏高原西藏部分，经对比发现，以上研究中青藏高原西藏部分也主要呈下降趋势，这与本文研究结果一致。从空间尺度上看，西南地区及各地貌单元植被NPP主要呈显著上升趋势。特别是在四川盆地、广西丘陵西南部和云贵高原中部，植被NPP上升趋势尤为显著。

2000－2020年，无论是西南地区整体还是其地貌单元，均出现某些年份植被NPP出现下降的情况，特别是在2004年、2010年、2012年、2014年和2018年出现了明显的下降，这与在这些年出现的重大环境灾害有关，特别是旱灾和山洪灾害对植被NPP的影响巨大。干旱缺水会导致植被细胞原生质脱水，影响细胞膜的结构与通透性，使植物的新陈代谢产生紊乱，进而影响光合作用的效率与呼吸作用的强度，同时也会对土壤微生物的演替产生巨大的影响，最终影响植被的生长。研究时段内青藏高原南部植被NPP呈下降趋势，这与已有研究结论一致，这是由于青藏高原地区地处高海拔地区，植被类型以草地和草甸为主，光合能力较差，光合产出较低，加之生态环境敏感且脆弱，且青藏高原以畜牧业为主，过度放牧对草地的大量消耗致使青藏高原地区草地面积下降，加上畜牧废物在高海拔地区难以降解从而带来了一定的环境污染，一系列的原因导致了青藏高原地区植被NPP近21 a无显著变化，甚至出现微弱减少的趋势。

3.2 西南地区植被NPP对气候变化与人类活动的响应机制

从气候变化影响方面看，地表温度、最高气温、温暖指数和降水对西南地区植被的生长均以促进作用为主，相对湿度与大气压强对西南地区植被生长则是以抑制作用为主，其中地表温度相对重要性最高，这与已有研究结论较一致。四川盆地植被与降水、相对湿度、地表温度和最高温度主要呈正相关关系，对植被的生长以促进作用为主，其中地表温度主导着四川盆地最大范围的植被NPP变化，研究时段内，四川盆地地表温度年平均值为19.11 ℃，年降水平均值为1 108.05 mm，加之四川盆地自身特殊的地理优势，使其土壤富含各种植被生长所需矿物质，对此，虽然四川盆地植被NPP与大气压强存在较强负相关，但丰沛的水源、充足的光热及各种生长所需的矿物为四川盆地植被的生长提供了非常适宜的生长环境，因此，在气候变化影响下四川盆地植被NPP呈显著上升趋势。青藏高原因地理位置原因光照时间充足，但因海拔较高，气温普遍较低，研究时段内，青藏高原地表温度平均值为8.47 ℃，且降水存在西北高东南低的分布格局，使得青藏高原水资源分布极其不合理，21 a间，青藏高原年降水平均值仅有485.01 mm，加之青藏高原生态系统本身脆弱异常，因此，在全球变暖的气候变化影响下，青藏高原植被NPP出现微弱下降趋势。

从人类活动影响方面看，西南地区植被与夜间灯光存在较强相关性，人类活动对西南地区植被NPP以促进作用为主，这与已有研究结论较一致。西南地区是中国西南部的重要门户，其生态环境一直以来备受社会关注，在退耕还林、石漠化治理等各种生态政策的实施下，西南地区植被覆盖得到了很大提升。四川盆地与人口密度和夜间灯光均存在较强相关性。据《中国统计年鉴2001－2021》可知，2020年四川省经济总值达48 598.8亿元，而在2000年其经济总值仅3928.2亿元，21 a间，增长率超1 200%，在经济飞速发展的同时带动了四川盆地农业的发展，完善的基础农业设施与先进的科学技术，使四川盆地成为中国最大的水稻与油菜籽生产区。西南地区的各项生态工程虽然取得了不错的生态效益，但作为中国重要经济发展区，在经济快速发展的同时带来的生态破坏同样无法忽略。青藏高原在畜牧业快速发展的同时，在对草地的大量消耗的同时畜牧带来的环境污染使青藏高原植被NPP呈下降趋势。据研究，2001－2019年西南地区森林损失面积为375.27万hm，损失主要集中分布在广西、云南省南部和贵州省东南部地区，其中广西森林面积损失情况最为严重，其损失森林面积占总损失的60.76%。快速城市化使得城镇用地面积不断扩张，2000－2020年四川盆地、若尔盖高原和横断山地城镇用地增长率均超过100%，这同样对西南地区植被生长带来了一定的负面影响。