黄土高原植被净初级生产力动态变化研究＊

李荣霞,李伟杰,冯宝顺,魏建洲

（甘肃农业大学理学院，甘肃 兰州 730070）

1 引言

近年来，黄土高原的经济发展随着生态文明建设的开展获得了前所未有的进步[1]。植被净初级生产力（Net Primary Productivity，NPP）指的是绿色植物在单位时间及单位面积上所积攒的有机物的含量[2]，是指植物光合效应所产生的有机质量减去光合或自养呼吸作用后的残余量。NPP 一方面表明了植物在天然条件下所具有的能力，也能够表示整个陆地上自然生态体系的质量情况[3]；另一方面又是分析地球生态系统中碳调节生态过程的主要因子[4]，在全球变化的研究中起了十分关键的角色。因此，为了更进一步地解析植物NPP 在时间空间上的变化特点以及特性，必须从更大的层次上去深入研究植物NPP 的线性变化特点及其非线性特征，同时从地球气候的复杂性着手解析植物NPP 在时间序列上的变化特点及其影响因素，本文研究2000—2015年的MOD17A3 数据，利用ArcMap 软件进行数据处理和空间分析，研究中国黄土高原陆地植被NPP 在不同时间尺度和时空格局上的变化特征，并给出了影响其植被NPP 的部分因素，为我国生态建设伟大工程的效益评估和生态保护提供科学参考。

2 方法

2.1 GIS 空间分析

对于具有连续性特征的时间序列数据，采用arcGIS空间分析对NPP 变化趋势进行拟合分析，并进行显著性F 检验，公式如下：

式（1）中：S 为NPP 的拟合斜率，NPPj为第j 年的NPP 值，j 为年变量，n 为样本数量。S 表示某个时段总体的变化趋势，S>0 呈现增加趋势，相反呈现减少趋势。当显著性水平为95%和99%时，F 检验的界值为4.667 和9.074。因此可以将变化趋势分为以下5 类:

a.极显著减少（S＜0，p≤0.01）

b.显著减少（S＜0，0.01≤p＜0.05）

c.变化不显著（p≥0.05）

d.显著增加（S＞0，0.01≤p＜0.05）

e.极显著增加（S＞0，p≤0.01）。

2.2 利用线性倾向估计的方法对NPP 从时间尺度上进行趋势分析

随着时间的变化，整体上看数据呈现增加或减少的态势、空间分布格局改变以及在某一刻发生的急转或渐变。这些变量都可以被认为是对时间的一元线性回归，其中线性倾向值采用最小二乘法估计：

式（2）中：B 表示线性倾向值；t 为年份，n＝16。当线性倾向值B＞0 时，NPP 会随着时间t 的增加而上升；反而，当B＜0 时，NPP 会随时间t 的增加而下降。｜B｜的大小表示NPP 升高或降低的速率，即表示增加或减少的速度。如果回归方程的相关系数通过0.05，0.01 的置信水平检验（P＜0.05、P＜0.01），则NPP增加或者减少的趋势就达到了显著和极显著水平。

利用线性回归法[5]对2000—2015 年之间的每一个年均NPP 值与年份之间进行线性回归，得到NPP在这16 年之间的趋势倾向值，若趋势倾向值大于0，则表示这16 年之间的NPP 是呈上升趋势的，反之则表示NPP 值是呈下降趋势的。进一步再利用每一个趋势倾向值除以16 年之间NPP 的均值以得到NPP 的变化率，单位为%。

相关性分析[6]。用相关系数r 表示两个时间数据序列之间的相关性，当r＞0 时，则表明两个数据序列之间呈正相关关系；当r＜0 时，则表示两个数据序列之间呈负相关关系，｜r｜的大小代表了相关性的强弱，｜r｜越大表示两者之间的相关性越强。反之表示两者之间的相关性越弱，假设x、y 表示两个时间序列，其样本长度均为N，则相关系数表达式为:

式（3）中：xi为第i 年的NPP 值，x 是n 年NPP的平均值，＝（n+1）/2。当r＞0 时，说明时间数据序列在所取的时间段内是线性增加的；当r＜0 时，反映出时间数据序列在所取的时间段内是线性减少的。

假设检验计算检验统计量的公式tr如下[7]:

如果｜tr｜在0.05 水平上大于临界值，则说明两变量间有显著关系。

3 结果与分析

3.1 植被NPP 在时间尺度上的变化情况

中国黄土高原植被NPP 值变化波动范围主要集中在169.7～267.9 gCm-2，其中年均NPP 的最高值出现在2012 年，为267.9 gCm-2，最低值出现在2001年，为169.7 gCm-2。由图1 可知，除2001 年外，整体上中国黄土高原植被NPP 在2000—2015 年的变化分为3个阶段：2004 年以前为快速上升阶段，从2000 年的194.5 gCm-2增长到2004 年的248.4 gCm-2；但2004年到2011 年期间整个黄土高原植被NPP 呈微弱下降趋势，从2004 年的248.4 gCm-2下降到2011 年的213.9 gCm-2；自2011 年之后黄土高原植被NPP 逐渐恢复缓慢上升趋势，从2011 年的213.9 gCm-2缓慢增长到2015 年的245.6 gCm-2。值得注意的是，植被NPP 在2001 年和2011 年年均NPP 值下降较大，前者可能是由于2001 年降水较少，导致NPP 值有所下降，后者可能是由于新退耕还林的植被覆盖措施实行的效果不明显所致。

图1 2000—2015 年黄土高原地区植被NPP值变化趋势图

由图2 可知，不同年份的植被NPP 的相对变化率波动范围呈现出比较复杂的趋势，最高为2022年的25.6%，最低为2001 年的-12.8%，平均相对变化率为3%，总体呈上升趋势。

图2 2000—2015 年黄土高原植被NPP 值的年际变化

3.2 植被NPP 在空间格局上的变化情况

3.2.1 空间分布特征

基于黄土高原地区2000—2015 年间植被平均NPP 的值作出基本分布图，由图3 可知，因气候变化、人类的行为活动以及地形等各方面的因素导致中国黄土高原地区植被NPP 在地区上具有突出的差异，总体上呈现从北到南、由西至东逐渐增加的趋势，其中甘肃南部、陕西南部、河南、青海等一些地区的NPP显著较高，主要原因是因为这些区域的光照充足，植被光合作用较强；而整个内蒙古地区、宁夏南部、甘肃北部等地区NPP 显著较低，其中主要是因为这些地区放牧区和荒漠区的面积占整个区域的80%，植被覆盖率较低，绿植光合作用较弱等。

图3 黄土高原NPP 空间分布

3.2.2 空间变化趋势

受气候变化、人类活动以及地形等因素的扰动，中国黄土高原地区植被NPP 具有明显的区域差异，总体上呈现一种从北到南、由西到东逐渐增加的趋势。

3.3 影响黄土高原地区植被NPP 值变化的因素分析及相关性检验

温度的高低和降水量的多少都会影响植被NPP 的值。为了清晰地了解黄土高原地区植被NPP与年均气温、降水量之间是否存在相关关系，使用相关系数法分析了近16 年中国黄土高原地区年均植被NPP 与年均气温、年均降水量之间的线性变化的趋势。其结果分布见图4（a）和图5（a）。由图4（a）可知，近16 年来中国黄土高原多半地区的年均NPP与年均气温之间表现正相关关系，是正相关关系的地区占黄土高原地区的比例为76.99%，其中65.21%为一般正相关，11.78%为显著正相关。另有少部分地区年均植被NPP 与年均气温之间具有负相关关系，并且占黄土高原地区面积的比例为23.01%，其中绝大部分（23.65%）为一般负相关。说明温度对中国黄土高原大部分地区植被NPP 的影响为正效应；由图5（a）可知，中国黄土高原绝大部分地区的年平均NPP 与降水量之间存在正相关，是正相关的地区占整个黄土高原地区的比例为98.78%，其中44.27%呈现一般正相关，53.73%为显著或极显著正相关。存在负相关地区所占比约为0(1.22%)，表明降水量对中国整个黄土高原地区植被NPP 的影响几乎都产生了正效应，而且降水量对植被NPP 影响的效应要明显大于温度的影响。

为了更好地说明上述相关分析结果是否显著性，分别对其对其进行t 检验分析，结果见图4（b）和图5（b）。得出结论：近16 年我国黄土高原地区年平均植被NPP 与温度、降水量之间的相关性都通过了显著性的t 检验，说明我国黄土高原超过一半的地区年平均NPP 与年均温度、年均降水量之间真实存在相关关系，且相关性是显著的。

图4（a） 年均气温与NPP 相关系数图

图4（b） 气温与NPP 相关系数显著性检验

图5（a） 年均降水量与NPP 相关系数图

图5（b） 降水量与NPP 相关系数显著性检验

4 结论

本研究通过基于MOD17A3 数据2000—2015年间中国黄土高原地区植被NPP 变化趋势和年际波动的时空分布特征，得出了影响其变化的主要因素。在2000—2015 年期间，中国黄土高原植被NPP值变化波动较大，总体上呈增加趋势；受气候变化、人类活动以及地形等因素的干扰，中国黄土高原地区植被NPP 在不同的地区具有不同的效应值，总体上呈现从北到南、由西到东逐渐增加的趋势；黄土高原大部分地区的年平均植被NPP 与年均气温、年均降水量之间呈现正相关，说明温度和降水量对植被NPP 的影响均为正效应。