气候变化和人类活动对陕西省植被NPP影响的定量分析
2022-08-10李登科王钊
李登科，王钊
陕西农业遥感与经济作物气象服务中心，陕西 西安 710016
植被净初级生产力（Net primary productivity，NPP）是指在自然环境下，绿色植物在单位时间、单位面积上所累积的有机物数量，由光合作用所生产的有机质总量减去自养呼吸消耗量的剩余部分（Field et al.，1995）。NPP作为植物与环境相互作用的结果，不仅直接反映了绿色植物群落自身的生产能力和地表生态质量状况，同时在生态变化和碳循环中扮演重要作用，是评价陆地生态系统与大气碳交换、反映气候变化与人类活动对植被综合作用结果的重要科学指标（陈峰等，2018）。
研究表明，随着研究区域以及时空尺度的变化，不同区域的植被NPP演变和驱动机制显著不同（姬盼盼等，2019；孙静等，2019）。在全球范围内，2000—2010年49.25%的草地生态系统NPP降低；气候变化导致土壤退化作为主要原因引起 NPP降低的占45.51%，而人类活动引起降低的占32.53%；39.40%的草地 NPP增加是由人为干扰造成的，30.6%的草地恢复是由气候变化引起的；最大面积的 NPP退化和恢复都发生在亚洲（Gang et al.，2014）。1982—2008年间欧亚大陆草原带草地NPP与年降水具有显著的正相关关系，对温度的响应较弱，降水是该区域植被生长的主要气候影响因子（陈奕兆等，2017）。受气候变暖的影响，中国陆地植被NPP随着气候变化表现出一定的增长趋势，大部分地区植被年平均 NPP与年降水量之间呈现正相关关系，少部分地区植被年NPP与年平均气温之间呈现正相关关系，NPP与降水量的相关性高于与温度的相关性（刘刚等，2017；王亚林等，2017；周伟等，2017；赵苗苗等，2019；刘洋洋等，2020）。Yan et al.（2021）对中国东北地区，同琳静等（2019）、贾俊鹤等（2019）对中国西北地区，崔林丽等(2016)对中国东南部植被 NPP时空分布及驱动因子进行了分析，结果表明气温与降水的空间格局是影响区域植被NPP分布的重要控制因素，但不同区域表现出的相关程度不同。省级行政区域上，青海（刘凤等，2019；刘旻霞等，2020）、内蒙古（戴尔阜等，2016；沈贝贝等，2019）、山东（刘玉红等，2019）、湖南（陈晓玲等，2016）、安徽（Yang et al.，2020）、陕西（倪向南等，2018）、新疆（张仁平等，2020）等均有研究；自然区域尺度上，黄土高原（刘铮等，2021）、天山山脉（吴晓全等，2016）、祁连山（张禹舜等，2016）、太行山（李晓荣等，2017）、秦巴山脉（李金珂等，2019）、横断山脉（王强等，2017）、三峡库区（张雪蕾等，2021）等的区域时空变化格局和主要影响因素与植被 NPP变化的关系也有所研究。上述研究中，主要选取气温、降水等因素，运用相关分析方法，分析植被NPP与各个因素的相关性，定性描述NPP空间分异的原因，而对于量化研究气候变化和人类活动对生态系统的影响还不充分，针对陕西地区的研究未见报道。
近年来，识别气候变化和人类活动引起植被NPP变化原因的研究，主要有变异系数法（李传华等，2016）、地理探测器法（赵俊红等，2020；左丽媛等，2020）、回归分析法（谢宝妮等，2014）、植被实际NPP和潜力NPP求差法（Tong et al.，2019）等在空间上定量区分人类活动和气候变化对 NPP造成的影响。植被实际NPP和潜力NPP求差法是通过植被实际生产力与潜在生产力的差值法来定量评估人类活动的相对作用，植被潜在生产力是指植被NPP只受到自然条件（主要为气温、降水）的影响，即植被NPP为无人类活动影响下植被演替的最高形态，而植被实际生产力是指植被NPP受到气候变化和人类活动综合作用的结果，定义潜在生产力与实际生产力之差为人类活动的影响值。该方法由于生物学意义明确、计算简单，成为定量研究植被NPP驱动力方面的主要方法（Wu et al.，2018；Teng et al.，2020；张颖等，2017；杜金燊等，2018；周妍妍等，2019；乌尼图等，2020）。
本文通过气候模型驱动的潜在 NPP变化特征与通过生态过程模型BIOME-BGC计算的实际NPP变化特征相比较的方法分析气候变化以及人类活动对陕西植被NPP的影响。旨在分析陕西省植被恢复和退化动态，区分气候变化和人类活动在植被变化中的相对作用，定量分析陕西不同区域植被NPP变化的主导因素，准确评估气候变化和人类活动对不同生态环境的影响，为深入探索区域生态系统与环境因子的内在联系和改善生态环境、合理开发利用自然资源提供理论依据。
1 研究区概况
陕西省（31°42′—39°35′N，105°29′—111°15′E）地处中国西北地区，北部跨黄土高原中部，总面积2.1×105km2。地势南北高，中部低。从北到南依次是陕北高原、关中平原和秦巴山区。陕北是中国重要的能源生产基地，也是中国水土流失严重地区之一，水土流失面积占全省土地总面积的66.9%。关中是陕西重要的经济产业带和人类活动密集区，秦岭山地是中国中部地区重要的水源涵养区和生态屏障，全省植被对区域社会经济发展发挥着重要生态服务功能。陕西纵贯3个气候带，陕北北部长城沿线属中温带气候，关中及陕北大部属暖温带气候，陕南属亚热带气候。降水南多北少，陕南为湿润区，关中为半湿润区，陕北为半干旱区。植被类型从北到南依次分布温带草原、森林草原、暖温带落叶阔叶林和北亚热带常绿阔叶林。
2 数据与研究方法
2.1 数据来源及处理
MODIS/Terra MOD17A3数据产品提供了准确的测量陆地植被生长状况数据，包括全球植被总第一性生产力GPP和年植被净第一性生产力NPP总量数据，该数据已在全球和区域NPP与碳循环研究中得到广泛应用（安妮等，2020）。
MOD17A3HGF 006是MOD17A3的改进产品，由美国NTSG（Numerical Terradynamic Simulation Group）于2019年发布。MOD17A3HGF 006数据，空间分辨率为500 m，投影为SIN GRID，下载网址https://e4ftl01.cr.usgs.gov/。MOD17A3HGF 006产品提供了 500 m像素分辨率下的年度净初级生产力（NPP）信息。年度净生产力是从给定年份的所有8 d净光合作用（PSN）产品 MOD17A2H之和得出的。PSN值是总初级生产力（GPP）和维持呼吸（MR）的差值。当每年8 d的MOD15A2H可用时，将在每年年底生成 MOD17A3HGF。因此，MOD17A3HGF已经消除了基于每个像素的QC标示的8 d的FPAR／LAI的低质量输入。如果任何LAI/FPAR像素不符合质量筛选标准，则其值通过线性插值确定。因此，用户不能在近实时获得MOD17A3HGF，因为它只能在给定的年底生成。与前一版本数据比较，该产品使用了更新的地表覆盖属性查找表（BPLUT）和每日全球建模和同化办公室（GMAO）气象数据的更新版本，运用了中分辨率的成像光谱辐射计（MODIS）叶面积指数 (LAI)/光合有效辐射（FPAR，MOD15A2H）8 d合成的500 m 分辨率产品（Running et al.，2019）。利用MODLAND提供的MRT软件，对原始数据进行拼接和投影变换，结果为等经纬度坐标系，基准面为WGS-84。
气象资料来源于陕西省气象信息中心。根据石志华等（2015）对陕西省气温、降水栅格化方法研究结果，在 ARCGIS、SPSS软件支持下分别利用“回归+残差IDW（Inverse Distance Weighting）”和OK（Ordinary Kriging）法对陕西省2000—2019年逐年年平均气温和降水进行了栅格化处理，生成500 m×500 m的栅格数据。
2.2 研究方法
本文采用 NPP气候学模型计算潜在植被生产力NPPP，以MOD17A3作为植被实际生产力NPPA，两者之差记作 NPPH。将无人干扰的只受气候影响的 NPPP与实际状况下受气候和人类活动共同影响的NPPA进行比较，从空间格局上分析其影响因子贡献率大小的区域差异性，定量评价人类活动在NPP变化过程中的相对作用和主要贡献。
2.2.1 NPPP与NPPH的计算
Miami模型是最早由Lieth（1973，1975）利用最小二乘法根据陆地生态系统中实测生产力数据与相匹配的年平均气温和年降水量数据建立，是第一个被广泛应用的区域 NPP估算的气候模型之一（Fetzel et al.，2016）。公式为：
式中：
VNPP-T和VNPP-R——分别利用年平均气温t（℃）和年降水量R（mm）计算得到的潜在植被净初级生产力（g·m-2·a-1）。根据Liebig最小因子定律，选取二者的最小值作为潜在植被净初级生产力VNPP-P。
VNPP-H——人类活动所导致的NPP损失或增加量。由于土地利用等人类活动造成植被的破坏，VNPP-A可能小于VNPP-P，所以VNPP-H可能为负值，计算公式为：
2.2.2 植被NPP年际变化趋势分析
以像元为基本单位，采用最小二乘法分析NPP的变化斜率，实现像元尺度上的线性变化趋势分析，反映植被的恢复或退化状况。随时间变化NPP表现为上升或下降趋势，空间分布格局也发生变化。公式为：
式中：
S——线性倾向值；
Vi——VNPP-A、VNPP-P或VNPP-H；
i——年序号；n=20。S>0，表示NPP呈上升趋势；S<0，表示NPP呈下降趋势。S的绝对值的大小反映了NPP增加或降低的速率。
用相关系数检验法对不同 NPP变化趋势进行显著性检验。根据相关系数表可知，当n=20时，r在[0.5614, 1]时为极显著正相关，r在[0.4438,0.5614)时为显著正相关，r在（-0.4438, 0.4438）时为相关不显著，r在（-0.5614, -0.4438]时为显著负相关，r在[-1, -0.5614]时为极显著负相关。
根据线性倾向值计算值及检验结果，NPP变化趋势可分为6类：极显著降低（S<0，P≤0.01）；显著降低（S<0，0.01
2.2.3 气候变化和人类活动对植被 NPP影响的定量评估
为了区分气候变化和人类活动对植被 NPP恢复和退化的作用，计算NPPA、NPPP和NPPH的线性倾向值，分别记作SA、SP和SH。SA>0，表示植被实际生产力处于恢复状态；SA<0，表示植被实际生产力处于退化状态（秦景秀等，2020）。参考赵鹏等（2020）定量评估方法，该方法分为5种不同情形，具体见表1。
表1 气候变化和人类活动对植被NPP的相对作用评估方法Table 1 Assessment method of relative effects of climate change and human activities on vegetation NPP
3 结果与分析
3.1 NPPA空间分布特征
陕西省2000—2019年平均植被NPPA分布（图1）显示，由于受纬度地带性、经度地带性和植被、气候、地形因素的综合影响，总体呈现从南到北递减的趋势。榆林市位于长城沿线风沙区和风沙区与黄土高原丘陵沟壑区过渡地带，年平均NPPA是陕西省最低的地区，大部在100—300 g·m-2·a-1（以C计）之间。延安市北部位于黄土高原丘陵沟区，年平均 NPPA大部在 200—400 g·m-2·a-1之间；延安市南部为桥山林区、黄龙山林区，年平均NPPA在30—500 g·m-2·a-1之间。关中大部为灌溉农作区，年平均NPPA大部在 300—500 g·m-2·a-1之间，关中西部大于东部；大城市周围NPPA较低，如西安市、宝鸡市城区 NPPA接近 0 g·m-2·a-1。秦巴山地是陕西省NPPA最高的区域，大部分区域年平均 NPPA在 C 500 g·m-2·a-1以上；秦巴山地中部、东部在 400—500 g·m-2·a-1之间，区域性差异显著。
图1 2000—2019年NPPA平均值空间分布图Figure 1 Spatial distribution of the average annual NPPA from 2000 to 2019
3.2 NPPA、NPPP和NPPH变化趋势
统计陕西省各年植被NPPP、NPPA和NPPH年均值，统计结果与年份进行线性拟合（图 2）。结果表明：2000—2019年，NPPP、NPPA和 NPPH都出现上升趋势，上升速率分别为：C 1.70、8.60和9.42 g·m-2·a-1，其中 NPPA和 NPPH呈现极显著的增加趋势（P<0.01），说明在研究时段，无论是气候因素还是人类活动都促进NPPA的增加，使NPPA出现上升趋势，人类活动对植被NPP的影响远远大于气候因素的影响。
图2 2000—2019年NPPA、NPPP和NPPH年际变化趋势Figure 2 The inter-annual variations in NPPA, NPPP,and NPPH from 2000 to 2019
为了了解NPPP、NPPA和NPPH变化趋势的空间分布特征，逐像元对NPPA、NPPP、NPPH和年份进行一元线性回归分析，计算它们随时间的变化趋势，并进行显著性检验。然后，逐像元计算NPPA、NPPP、NPPH变化的百分率。
2000—2019年陕西省植被 NPPA的变化趋势（图 3）以增加为主，增加的区域占国土总面积的98.1%，其中通过极显著性检验（P<0.01）、显著性检验（P<0.05）的区域分别占总面积的 90.1%和4.2%。NPP呈现减少趋势的区域仅占总面积的0.8%，减少的区域位于城市周边，主要由近年来城市大规模扩张造成；无变化的面积占1.1%，主要为2000年以前的城市建成区和无植被覆盖区域。与石志华等（2016）基于CASA模型的陕西省植被净初级生产力时空分析结论基本一致。
图3 2000—2019年陕西省植被NPPA变化趋势Figure 3 NPPA change trend of vegetation from 2000 to 2019 in Shaanxi Province
2000—2019年陕西省NPPP的变化趋势（图4）以增加为主，增加的区域占总面积的85.3%，其中占总面积13.3%、7.7%的区域分别通过显著性检验（P<0.05）和极显著性检验（P<0.01）。显著性增加区域主要位于关中地区和汉中盆地。NPPP降低区域占总面积14.7%，通过显著性检验的区域仅占0.7%。
图4 2000—2019年陕西省植被NPPP变化趋势Figure 4 NPPP change trend of vegetation from 2000 to 2019 in Shaanxi Province
2000—2019年陕西省 NPPH（图 5）增加的趋势大于减少的趋势，具有增加趋势区域的面积占全省总面积的95.0%，其中有55.9%的区域通过极显著性检验（P<0.01）、17.0%的区域通过显著性检验（P<0.05），NPPH显著增加的区域主要分布在陕北和陕南地区。NPPH降低的区域主要分布在关中平原地区，占总面积的4.4%；显著和极显著降低的区域仅占1.2%，主要分布的城市周边区域。NPPH不变的区域占0.6%。
图5 2000—2019年陕西省植被NPPH变化趋势Figure 5 NPPH change trend of vegetation from 2000 to 2019 in Shaanxi Province
3.3 气候变化与人类活动在植被NPP变化过程中的相对作用
图6根据表1的判别方法逐像元比较NPPP和NPPH变化斜率S的绝对值确定的陕西省植被NPP变化的驱动因子分布图。图6上共有5种类型：没有变化、气候因素导致 NPP增加、人类活动导致NPP增加、气候因素导致NPP降低、人类活动导致NPP降低。从图6可以看出，2000—2019年间，全省气候变化和人类活动对植被的恢复作用明显大于对植被的退化作用。植被NPP增加的区域占总面积的 98.06%，其中有11.93%的区域是由气候因素驱动，主要分布在关中地区和汉中盆地的农作区；86.13%是由人类活动驱动，主要分布在陕北、陕南地区。减少的区域占总面积的0.83%，其中有0.03%的区域是由气候因素驱动，零星分布在全省地区；0.80%的区域是由人类活动导致，主要分布在城镇周边区域。人类活动在植被的恢复和退化中的所占比重最大。植被NPP没有变化的区域面积占总面积的1.11%，主要分布在城市2000年以前的建成区和水域。整体来看，气候驱动的区域占总面积的11.96%，人类活动影响的区域占比为86.93%。
图6 2000—2019年陕西省植被NPP变化原因分布Figure 6 Spatial distributions of different causes of vegetation NPP changes from 2000 to 2015 in Shaanxi Province
4 讨论
4.1 NPPA与气候变化的关系
2000—2019年陕西省平均气温呈现弱的升高趋势（r=0.3587），降水量呈现弱的增加趋势（r=0.2309），两者的变化趋势均未通过显著性（P<0.05）检验。而 NPPA呈现极显著增加趋势（r=0.9119），NPPA与平均气温和降水量的相关系数分别为0.3069和0.1792，均未达到P<0.05的显著性检验，说明驱动NPPA的显著增加的主要因素是非气候因子。王钊等（2018）分析2000—2015年陕西省NPPA与降水量、平均气温显著相关的区域分别占全省总面积的9.4%和1.5%，说明由于人类活动的频繁干预大大降低了气候环境对 NPP变化的影响程度，人类活动逐渐成为影响NPP变化的主导因素。
4.2 NPPA与人类活动的关系
人类活动对NPP具有双重扰动性，表现为正向促进和反向抑制。退耕还林还草等生态工程增加了植被覆盖度，直接加快了植被 NPP增长速率。1999—2017年，陕西省累计完成国家下达的退耕还林任务268.9×104km2，占1999年全省耕地面积的53.3%；2008—2015年，累计完成国家下达的巩固退耕还林成果补植补造任务52.9×104km2。森林覆盖率由退耕前的30.92%增长到43.06%。陕北丘陵沟壑区是陕西的主要退耕还林区，地表破碎，土质疏松、脆弱，降雨分布集中，土壤侵蚀和水土流失严重。退耕还林还草使得耕地面积减少，林草地增加，有益于植被覆盖度的增加。而农业技术的发展，使得人们不再为了提高粮食产量而毁林开荒，这对植被恢复以及NPP的积累也起到积极作用。NPP降低的区域主要分布在城市周边区域，这与城市不断扩张有直接的关系。陕西省居民点和工矿用地16年来增加了 32.6%，随着城市化进程的加剧，区域土地利用格局变化迅速而剧烈，大量非建成区土地快速流转为城市建筑用地，这直接影响区域系统的组成和结构，伴随而来的是系统过程和功能的变化，以及区域物质和能量循环过程的变化。NPP损失最严重的土地利用类型为耕地，直接导致区域植被固碳能力的下降。本研究显示，总体上人类活动对植被的恢复作用远远大于对植被的退化作用。Zheng et al.（2019）研究也证明退耕还林等人类活动是黄土高原植被恢复的主要影响因素。因此，实行积极的生态建设和保护措施，不仅对今后控制和减缓植被退化有很大的参考价值，而且在应对气候变化对植被产生的不利影响方面同样发挥积极的作用。
采用潜在NPP与实际NPP求差法评价区域气候变化与人为作用对植被NPP的影响，原理方法简单容易计算，该方法与潜在植被 NPP公式关系较大，科学选择公式对结果计算尤为重要。在气候变化的背景下，预估未来气候变化对植被生产力的影响，以应对气候变化的不确定性所带来的影响是需要进一步研究的重点内容。
5 结论
本文基于 2000—2019年通过生态过程模型BIOME-BGC计算的实际净初级生产力（MOD17A3GF）和气候模型计算的潜在净初级生产力定量分析气候变化和人类活动对陕西植被生态系统的影响，结果表明：
（1）陕西省植被NPP主要驱动力是人类活动。气候驱动的区域占总面积的11.96%，人类活动影响的区域占比为86.93%，保持不变的区域占1.11%。
（2）人类活动是陕西植被生态系统NPP增加的主要因素。植被 NPP增加的区域占总面积的98.06%，其中人类活动影响NPP增加的区域占陕西总面积的86.13%，主要分布在陕北、陕南地区，说明了陕北、陕南地区退耕还林、天然林保护等生态建设工程取得了显著成效；气候变化影响NPP增加的区域占总面积的11.93%，主要分布在关中地区和汉中盆地的农作区。
（3）陕西植被生态系统减少的主要原因也是人类活动造成的。研究区NPP减少的区域占总面积的0.83%，其中有 0.03%的区域是由气候因素驱动，0.8%的区域是由城镇建设所导致。
退耕还林、天然林保护等系列生态建设和保护工程促进了陕西省大部分区域植被覆盖度的增加，进一步提高了植被的固碳释氧生态效益；相反快速推进的城镇化使部分区域植被覆盖度有所降低，固碳能力降低。因此，建议在今后的生态建设和保护工程中，以新一轮退耕还林工程建设和巩固退耕还林成果为重点，认真贯彻落实国家退耕还林政策，不断提高退耕还林质量；在推进城镇化的过程中，要注重城市绿地建设，营造宜居城市。
