2002-2021年陕西省NPP变化趋势及空间分异特征研究

2022-10-27梁一萱

陕西林业科技 2022年4期

姚遥，梁一萱

(1.陕西千渭之会国家湿地公园管理处，陕西宝鸡 721004；2.西安理工大学，西安 710048)

植被净初级生产力(Net Primary Productivity, NPP)是表征生态系统质量和生态产品供给状况的重要指标，可反映生态系统结构和功能特征[1]，与碳水循环等全球变化重大问题密切相关[2-3]。同时还表征陆地生态系统对大气CO2的直接吸收能力，定量反映生态系统碳源/汇情况，因此也是表征生态系统碳收支的重要指标[4-5]。在当前强调碳中和及森林是“碳库”的大背景下，开展NPP的相关研究具有重要的理论与实践意义。

陕西省行政区划南北狭长，地跨我国南北方，具有从东南湿润气候向西北干旱气候过渡的特点，植被覆盖率由南向北逐渐递减。陕南秦巴山区属亚热带大陆性季风气候，常年湿润温和，山林茂密；关中平原属暖温带半湿润大陆性季风气候，冷暖干湿四季分明，人口密集、农耕发达；陕北黄土高原属温带半湿润易旱气候，四季温差大，历史上曾是农业和牧业交错分布地带，尤其是北部长城沿线游牧活动和耕垦活动多次交替。对过渡特征鲜明的陕西省开展生态系统NPP动态特征研究，有助于加深对NPP动态变化规律的认识。当前，陕西省NPP相关研究大多以省内一些重点区域为对象展开，如陕北地区[6-10]、黄土高原[11-12]、陕南[13-14]、秦巴山地[15-19]以及渭河流域等地[20-21]，但陕西省全域NPP研究报道不多，缺乏系统性，且大多针对气候因素对NPP的影响，而对于人为活动所引起的NPP变化以及NPP变化热点区域识别未见报道，如石志华等人[22]基于CASA模型估算了陕西省2003-2012年逐月NPP，并分析其年际、年内的时空变化特征及趋势；王连喜等[23]运用遥感和GIS手段，结合MODIS/NDVI数据、气象数据以及植被类型数据，应用CASA模型估算了陕西省2013年NPP数据；王娟等[24]基于MOD17A3及MOD16数据产品，研究分析了2000-2014年陕西省植被NPP与ET的时空分布特征；王钊等[25]利用MOD17A3 NPP时间序列数据、地表覆盖类型数据、气象数据、MOD16蒸散产品、地形数据等，分析研究了2000-2015年陕西省植被NPP时空变异特征及其对各影响因素的响应。另外，还有一些对更大区域，如西北地区、北方地区的NPP研究涉及到陕西省，如贾俊鹤等[26]利用CASA模型，对过去34 a间西北六省区NPP变化对气候变化的响应的研究发现，陕西南部NPP以3 a周期变化为主导，陕西北部以长期变化为主；任志远等[27]、朱莹莹等[28]均对西北地区NPP时空分异及其与气象要素的关系进行了研究。

因此，为揭示气候因素与人为活动对陕西省NPP变化的影响，给陕西省植被保护与森林碳库建设提供科学依据，我们研究分析了陕西省生态系统NPP时空动态特征及其变化趋势，识别了NPP变化热点区域。

1 研究区概况与研究方法

1.1 研究区概况

陕西省位于我国西北地区东部(105°29′～111°15′E，31°42′～39°35′N)，南北向880 km，东西向160～490 km。地势南北高而中部低，南部为秦巴山地，北部为黄土高原，中部则为关中平原，全省海拔在500～2 000 m。年均降水量576.9 mm，年均温13.0 ℃，无霜期218 d。全省自南向北分布有北亚热带常绿阔叶林、暖温带落叶阔叶林、森林草原和温带草原等植被类型，植被覆盖度陕南及秦岭地区较高，陕北地区较低。陕西省是我国水土流失与土地沙化最为严重的地区之一，根据2020年中国水土保持公报，水土流失面积64 111 km2，占全省土地总面积31.18%。

图1 研究区位置图

1.2 数据源及处理

本研究所采用的NPP来源于美国国家航空航天局(NASA)发布的MODIS数据产品，分别选择2002——2021年逐年MYD17A3数据产品，其空间分辨率500 m，时间分辨率为1 a。运用Modis Reprojection Tools，对MYD17A3数据进行投影、重采样与拼接处理，最终通过掩膜运算，生成陕西省NPP逐年数据，该数据采用兰伯特投影坐标系统。DEM数据来源于地理空间数据云(https://www.gscloud.cn/)，空间分辨率90 m，在ArcGIS10.2平台下通过栅格分析功能，提取陕西省高程、地形坡度、坡向等信息。气象数据主要包括1980年以来逐年年均温度与年降水量数据，来源于国家地球系统科学数据共享服务平台(http://www.geodata.cn/);该数据集根据各气象站点的气温与降水数据插值得到，为栅格形式，采用地理坐标系，空间分辨率1 km；在ArcGIS10.2平台进行均值计算及掩膜运算，并重采样值500 m，得到陕西省年均气温与年降水量空间分布栅格数据。陕西省土地覆盖类型数据来源于NASA发布的2020年全球土地覆盖数据MCD12Q1数据产品，该数据产品是基于MODIS的一套年度土地覆被数据，采用多套土地覆盖分类系统，本研究采用IGBP分类系统划分的土地覆盖类型数据，该分类系统将全球土地覆盖分为常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混交林、郁闭灌木、稀疏灌木、有林草原、稀树草原、草地、永久性湿地、农田、城市与建成区、农田/自然植被混合区、积雪、荒地、水体等17个类别；为便于后续分析，将土地覆盖重新分类为森林、草地、水体、农地、建设用地、裸地等7大类，采用兰伯特投影坐标系统，空间分辨率500 m；到建设用地距离用到建筑的欧几里得距离表示，在ArcGIS10.2平台下通过栅格分析功能得到。由于地理探测器模型对处理数据量有运行上线，最大可容量数据量为32 767[29]，为保证研究区数据得以相应处理，本研究采用ArcGIS10.2平台下的子集要素工具对研究区数据随机选取训练样本，以满足地理探测器模型对数据量上限的处理要求。

1.3 统计方法

1.3.1 变化趋势分析方法为分析2002-2021年间陕西省区域生态系统NPP趋势性，本研究采用非参数检验方法Mann-Kendall趋势性检验法。Mann-Kendall属于非参数检验方法，与其他参数检验方法相比，不需样本遵从一定的分布，受异常值干扰小，更适合顺序变量。Mann-Kendall检验可用于判断变化趋势的显著性[30-31]，其统计量Z按照如下公式计算：

其中，S为Man-Kendall检验的随机序列，其计算方法为：

其中，xj和xk分别为第j时间(本研究中为年)和第k时间(年)的NPP值；n为系列长度，本研究中为20；sgn(xj-xk)为表征函数，根据xj和xk之间的相对关系确定符号函数，sgn如下：

随机序列S的均值和方差计算如下：

E(S)=0

为计算陕西省近二十年生态系统NPP变化趋势，基于年度NPP的栅格数据，利用ZS进行趋势统计显著检验。当ZS为正值时，表明NPP有上升趋势；ZS为负值时，则表明NPP有下降趋势。本研究选取90%、95%和99%三个置信水平，分析NPP的变化趋势。

Theil-Sen Median趋势分析通常与Mann-Kendall检验结合使用，在植被长时间序列分析中广泛应用[32]。该方法又被称为Sen斜率估计，是一种稳健的非参数统计的趋势计算方法，计算效率高，相比于线性回归分析方法，不需要数据样本遵循特定分布，不易受离群数据干扰，具有很强的避免测量误差能力[33]。Sen斜率估计计算公式为：

式中，β为NPP变化趋势，i与j均为时间序列的表征，xj和xi分别表示时间j和时间i时刻的NPP值。β>0表示NPP呈增加趋势，反之则表示NPP呈退化趋势。

1.3.2 地理探测器模型为了深入分析陕西省生态系统NPP动态变化的空间分异特征，本研究采用地理探测器模型进行NPP空间分布分析。地理探测器模型通过探测地理要素的空间分异特征，揭示地理要素空间分布的潜在影响因素[34]。同时，可以有效克服传统统计方法的局限。地理探测器模型不仅能探测各因素的贡献率，还能对两因子的交互作用进行探测[34]。因此，在地理要素格局演变与空间分异等方面已有广泛应用[29,35-36]。

本研究以各像元NPP变化趋势为因变量，以高程(Elevation, ELE)、坡度(Slope, SLP)、坡向(Aspect, ASP)、土地覆盖类型(Land covers, LND)、年均降水量(Annual mean precipitation, AMP)和年均温(Annual mean temperature, AMT)等为自变量，并对各自变量指标按照自然间断点进行离散化。其中，高程划分为，各区域各自变量等级分别以1、2、…、9表示，主要自变量变化等级见表2。最后，开展地理探测模型分析，模型分析结果包括因子探测、交互作用探测和风险探测。

(1)因子探测

(2)交互作用探测

用以分析不同自变量因子的共同作用对因变量的解释程度。地理探测器通过比较因子单独作用时的q值(q(x1)和q(x2))与交互作用时的q值(q(x1∩x2))，对两个因子之间的关系进行界定(表2)。

表1 地理探测器模型因子交互作用类型

表2 2002-2021年陕西省NPP变化趋势地理探测器模型探测因子分析结果

(3)风险区探测

风险区探测用于判断影响因子区域间的属性均值是否有显著差异，用于识别生态系统NPP变化的热点区域。风险区探测用t统计量进行检验，计算公式为：

1.3.3相关分析NPP的影响因子包括气候因素和人为活动二方面。为识别气候因素对NPP的影响，本研究通过建立NPP与年降水量与年均气温之间的多元回归方程，以该回归方程的决定系数(R2)定量化气候因素对NPP变化的影响，而将气候因素解释效率之外的部分作为人为活动的影响。R2的计算方法为：

R2=

式中，β0、β1和β2为回归系数，n为样本数量，NPP表示年NPP。R2越大，表示气候因素对NPP变化的解释程度越高，反之则表示人为活动对NPP的影响越大。

2 结果与分析

2.1 陕西省多年平均NPP空间分布

2002年以来，陕西省生态系统年均NPP 461.16 gC·m-2，高于我国陆地植被多年NPP平均值(273.5 g C·m-2)[37]。空间上大体呈现从南向北逐渐递减的分布规律，各地级市中，汉中、宝鸡、安康三市生态系统年均NPP超过600 gC·m-2，商洛市和西安市年均NPP也高于全省平均水平，位于陕北的榆林市年均NPP仅209.94 gC·m-2，只有汉中市的1/3，亦低于全国平均水平。陕西省年均NPP的空间分布与植被分布有关，南部秦巴山地植被以森林为主，中部则为关中平原农田广布，陕北农牧交错带植被以灌木与草地为主。进一步分析各土地覆盖类型年均NPP发现，森林年均NPP最高，达610.44 gC·m-2；其次为灌木林地和农田，其年均NPP均在450.0 gC·m-2以上；裸地年均NPP最低，仅126.89 gC·m-2，只有森林年均NPP的21%。

2.2 陕西省年NPP变化趋势

2002-2021年，陕西省NPP变化趋势具有较为显著的空间分异特征(图2)。整体看，陕北地区NPP变化明显，而中南部NPP无明显变化趋势(P>0.05)。按照P=0.01和P=0.05两个显著度水平以及NPP年际变化趋势的增减趋势，将陕西省NPP变化趋势划分为极显著减小、显著减少、不显著变化、显著增加、极显著增加等5个等级，分别统计各等级面积占比结果显示，2002年以来，陕西省NPP极显著增加的面积占比达56%，显著增加的面积占比17%，而极显著减小和显著减小的面积比重则均在1%以下，而不显著变化的面积占比也只有26%左右。由此可见，陕西省NPP近二十年来显著增大，NPP减小的区域极小且呈零星分布。其中，在延安市北部、宝鸡市西北部等地NPP增幅最大，均超过9.5 gC·m-2·a-1；榆林市西北部长城沿线以及中南部等地NPP增幅较小，平均在1.4 gC·m-2·a-1左右;NPP减幅最为明显的地区主要集中在西安、宝鸡、咸阳等城市周边。各地级市NPP变化趋势为，陕西省各地级市NPP均呈增加趋势，表明近二十年来陕西省生态系统固碳能力呈增长趋势，商洛、渭南、安康、西安、汉中及铜川等位于中南部的城市NPP增幅较小，均在5 gC·m-2·a-1以内，延安、宝鸡、咸阳、榆林等西北部城市NPP增幅较大。

图2 2002-2021年陕西省多年平均NPP(a)、NPP变化趋势分布图(b)、各地级市NPP变化趋势图(c)、各土地覆盖类型NPP变化趋势图(d)

2.3 陕西省年NPP变化热点区域识别

从整个研究区看，气候因素对NPP变化的影响强于地貌及土地利用因素。各因子对植被NPP变化影响程度排序为：年降水>土地覆盖类型>年均温>坡度>高程>坡向>到城镇距离。气候因素中，年降水量的影响最为显著，其q值为0.22，解释率在22%以上；土地覆盖类型的q值为0.09，解释率约9%；地形地貌因素对NPP的解释率均较小，q值在0.07以下，解释率均不足7%。

在陕西省NPP变化中，双因子之间的交互作用呈现非线性增强，不存在独立起作用的因子。双因子之间的交互作用对NPP变化解释率最高的六组为：年均降水量∩年均气温(0.37)>年均降水量∩高程(0.367)>年均降水量∩土地覆盖类型(0.342)>年均降水量∩到城镇距离(0.308)>年均降水量∩坡度(0.307)>年均降水量∩坡向(0.228)。表明双因子间的交互作用中，年均降水量与年均气温间交互作用的影响最大，其次为年均降水量与高程的气候因素与地形因素间的交互作用。这与单因子分析的气候因素作用的结果一致。

将年降水量、年均温、高程、坡度、到城镇距离等因子分为9个子区域，用数字1～9表示；土地覆盖类型共7个，采用1～7表示；坡向共9个类型，采用1～9表示。各因子子区域NPP变化趋势见图3。

图3 2002-2021年陕西省各高程等级(a)、坡度等级(b)、坡向(c)、土地覆盖类型(d)、到城镇距离等级(e)、年均降水量等级(f)和年均气温等级(g)NPP变化趋势图

从图3可见，随着年降水量增加，NPP变化呈减小趋势。陕西省在年均降水量达到2类型时NPP变化趋势达到最大值。随着降水量增加，NPP变化趋势逐渐减小。这表明陕西省内降水量较少的区域，其NPP增势明显。

随着年均温升高，NPP变化趋势呈现先增大而后减少的变化特征。在5类型区时NPP变化幅度达到最大值。高程与坡度对NPP变化趋势的影响与年均气温相似，随着高程和坡度的增大，NPP变化趋势均呈现先增大后减少的变化特征。对于高程来说，在4和6两个类型时，NPP变化趋势达到最大值；对于坡度来说，在3类型时，NPP变化趋势达到最大值。对于坡向因子，除平地NPP变化趋势较小外，其他8个坡向NPP变化趋势均在5～6 gC·m-2·a-1之间，其中以朝南坡向区域NPP变化趋势稍大。对于到城镇距离因子，随着到城镇距离增大，NPP变化趋势先增大后减小，在远离城镇的区域NPP又有较大的增幅，在2和9两个类型区NPP变化趋势较大。各土地覆盖中，灌木林NPP增幅增大，达7.23 gC·m-2·a-1；其次依次为草地、农地和森林，年NPP增幅均在4.5 gC·m-2·a-1以上；裸地NPP则呈显著减小趋势，减幅达1.30 gC·m-2·a-1。

2.3 陕西省年NPP变化影响因子

气候因素对NPP的影响有显著的空间分异(图4)。榆林西北部沿古长城一线，受气候变化影响较大，另外在陕西东南部秦岭等地气候因素的影响也较为显著。进一步分析降水和气温的影响发现，气候变化显著影响的地区分布与降水量的影响较为吻合(图4b、4c)。在榆林古长城沿线，降水对NPP有正向影响，随着年降水量增多NPP也逐渐增加；而在陕西东南部秦岭地区，降水对NPP则有负向影响，随着降水增多NPP则有所减少。温度对NPP显著影响的地区则主要位于陕西省西部，包括宝鸡、汉中等地西部地区。在这些地区，年NPP随着年均气温的升高而逐渐增大，显示温度升高对该地区NPP增加有促进作用。整体看，相对于年均气温，年降水因素对陕西省NPP的影响更为显著，不过陕南与陕北的影响截然相反。在陕西省西部地区，温度的影响逐渐变得显著。不过，气候因素的影响相对还较弱，显示陕西省相当一部分NPP变化可能由除气候因素以外的其他因素所导致。

图4 2002-2021陕西省NPP与气候因素复相关系数(a)、年均降水量影响(b)、年均温影响(c)及人为活动影响变化趋势

采用残差分析方法，结合Mann-Kendall检验及Sen斜率方法，计算其他因素所导致NPP变化趋势的结果显示，除气候因素外，其他因素中的主要者近年来也主要呈上升趋势，显示其他因素的影响逐渐增大。其他因素的影响主要集中在陕西中北部地区，包括延安及宝鸡北部等地。这与该地黄土高原植被恢复等人为措施有关。

3 讨论

本研究采用NASA发布的MODIS数据产品作为陕西省NPP的数据源，研究结果大体在已有研究的相关结果范围内(表3)。但不同模型的NPP估算结果之间存在差异，年均NPP空间分异以及NPP年变化趋势等相对变化方面仍具有可比性。如前期研究发现，陕西省南部以林地为主，NPP较高；其次为关中平原，但在西安、咸阳等城市周边较低；陕北黄土高原丘陵沟壑区及长城沿线风沙区植被NPP最低[24]。对于NPP变化趋势，前期研究也发现全省植被NPP呈增加趋势，仅陕南大部分地区及关中南部部分地区增势不显著，而陕北及关中西北部与西部地区增势显著[24]；灌丛与草地的NPP增势也高于林地[14]。陕西省年均NPP及NPP年际变化趋势空间分布特征，与我国西北部植被NPP变化趋势即陕北与宁夏NPP快速上升[27]相似。

表3 本研究结果与前期研究结果比较表

陕南地区NPP变化趋势较小，而陕北地区NPP增势显著，这与二地土地覆盖类型及人为影响有关。陕南地区包括秦巴山地及汉水谷地，森林广布，植被覆盖良好，年均NPP高于省内其他地区。在研究期内，植被覆盖状况并无显著变化，因此NPP变化幅度较小。而陕北地区，地处黄土高原，原始植被覆盖较差，自2000年以来，陆续开展退耕还林还草等工程和水土流失治理，并在长城沿线开展防风固沙工程建设，因此陕北地区NPP增势幅度较大[11]，这也导致黄土高原人为活动所引起的NPP增势最为显著。我国西北部NPP研究也发现，自20世纪90年代以来的植树造林、退耕还林还草、天然林资源保护等工程以及以粮代赈、限制放牧、生态移民等人类活动也起到了重要作用，生态环境逐年改善，植被覆盖面积增加，植被NPP上升趋势明显[26-27]。关中平原则由于农田广布，因此NPP仅次于陕南秦巴山地，同时因西安、咸阳等城市及城镇扩张，基础设施大量占用耕地，因此在城镇周边NPP减势明显[26]。

年均降水量与年均温度为表征的气候要素对NPP年际变化趋势的空间分布有较大影响。陕西省位于我国东部湿润和西部干旱过渡的半干旱地区，降水是影响植被生长变化的首要气候要素[38]。NPP高低是水热条件综合作用的结果，降水增加促使NPP提高，水分是主要制约因素，而温度对NPP积累的作用较为有限[13]。