2001—2020年中国植被净初级生产力时空变化及其驱动机制分析

石智宇，王雅婷，赵清，张连蓬，朱长明

江苏师范大学地理测绘与城乡规划学院，江苏 徐州 221116

植被净初级生产力（Net Primary Productivity，NPP）是指地球表面绿色植物在单位时间和单位空间上通过光合作用所累积的有机物数量扣除自养呼吸的剩余部分（Lieth et al.，1975），这部分能量是其自身用于生长和繁殖的能量，也是生态系统中其他成员生存和繁衍的物质基础。植被NPP不仅代表植被生产能力的大小，也是衡量陆地碳循环与生态系统质量的重要指标，在调节全球碳平衡起着重要作用（Piao et al.，2003；Liu et al.，2015；陈峰等，2018）。

近年来，众多学者从不同的空间与时间尺度探讨了中国不同区域植被NPP时空变化格局、演变规律及驱动因素等内容，研究主要集中在生态脆弱的地区，如青藏高原（陈舒婷等，2020）、黄土高原（杨丹等，2022）、北方农牧交错带（薛晓玉等，2021）等地区，但针对中国整体植被 NPP的研究相对较少。部分学者对不同时期中国陆地植被NPP进行了反演计算与变化特征分析，李登科等（2018）基于MOD17A3 NPP数据对中国 2000—2015年陆地植被NPP时空格局与变化规律进行了研究，发现全国陆地植被平均 NPP 为 273.5 g·m-2·a-1，NPP 年总量在 2.406—2.811 Pg·a-1之间波动，平均值为 2.635 Pg·a-1，NPP分布呈现西北低东南高、北方低南方高的基本格局，全国大部分区域植被NPP水平较低，且变化趋势不明显；孙金珂等（2020）利用Thornthwaite Memorial（TW）模型和周广胜—张新时（ZGS）模型计算了全国NPP，发现中国植被NPP在空间分布上呈“南高北低”的状态，由东南向西北呈逐渐递减趋势，2000—2015年间全国植被潜在生产力和实际生产力均呈缓慢下降趋势；苏胜涛等（2022）基于中国生态系统研究网络（CERN）数据对传统CASA模型进行优化，对2000—2019年中国陆地植被NPP进行监测与分析，结果表明近20年中国陆地植被 NPP变化范围为 2.703—2.882 Pg·a-1，在空间上呈西北低东南高的格局，在时间上呈现波动中缓慢增加的趋势。总体而言，不同数据和模型计算得到的中国植被NPP差异较大，且多数研究仅针对于中国植被NPP时空演变特征，缺少对中国植被 NPP未来发展趋势以及不同区域植被NPP变化的主导因素的研究和探讨。

植被 NPP变化受气候变化与人类活动耦合作用，不同区域植被NPP变化驱动因子存在明显差异（韩王亚等，2018；姬盼盼等，2019；田义超等，2019），在“双碳”目标的大背景下，定量分析气候变化和人类活动对中国不同区域植被 NPP变化的相对作用，对了解中国植被变化驱动机制、增强生态系统固碳增汇能力以及提升生态环境治理水平等方面具有重要意义。目前残差分析法是定量评估气候变化和人类活动对植被 NPP变化相对贡献的主要方法之一（高旭旭等，2022），其通过气候生产潜力模型计算的潜在NPP变化特征与实际NPP变化特征相比较，定量分析气候变化与人类活动对植被NPP的影响，因其计算简单、生物学意义明确，成为定量评估气候变化和人类活动对植被 NPP变化相对贡献的主要方法（周妍妍等，2019；李登科等，2022）。

本研究基于2001—2020年MOD17A3HGF NPP数据产品，采用趋势分析、Mann-Kendall显著性检验、R/S分析以及偏相关分析等方法，分析了20年来中国NPP时空演变趋势、未来变化趋势以及NPP与气候因子的相关关系，并基于残差分析法定量区分了NPP变化过程中气候变化和人类活动的相对作用。研究结果可以为完善中国生态环境评价与保护体系、合理开发利用自然资源提供理论依据。

1 数据与方法

1.1 数据来源与处理

本研究采用的植被 NPP数据来源于美国国家航空航天局（NASA）EOS/MODIS的 2001—2020年MOD17A3HGF 6.0版本的全球NPP数据集。数据下载地址为：https://lpdaac.usgs.gov/，时间分辨率为1 a，空间分辨率为500 m，数据格式为HDF，使用MODIS重投影工具（MODIS Reprojection Tool，MRT）批量对NPP原始影像进行拼接、格式转换和重投影，将下载的影像批量拼接，统一坐标后，裁剪生成2001—2020年中国植被NPP数据，对各年份NPP数据乘以转换因子并剔除无效值，无效值部分在本研究中不参与数值的分析与计算。MOD17A3HGF 6.0版本数据是 MOD17A3的改进产品，该数据基于BIOME-BGC模型及光能利用率模型，并采用新型生物属性调查表（BPLUT）和新版的全球模型与融合室（GMAO）的日气象数据对NPP数值进行模拟，进一步提高了 NPP的估算精度，该数据集已经在全球不同地区研究中得到验证与应用（Ge et al.，2021；Venter et al.，2021；Wang et al.，2021；刘文瑞等，2022）。

温度和降水数据来源于国家科技基础条件平台——国家地球系统科学数据中心（http://www.geodata.cn），采用 2000—2020年中国区域1 km分辨率逐月近地表平均气温与降水量数据集，时间序列为2001—2020年，通过计算月平均气温和月平均降水量数据的平均值得到年平均温度和年平均降水量数据。为保证植被NPP与气象因子相关性分析在同样的分辨率下进行，同时考虑到运算数据量，对植被NPP数据进行重采样处理，使其空间分辨率与气象数据相同。

中国植被类型数据来源于中国科学院资源环境科学与数据中心（http://www.resdc.cn），空间分辨率为1 km。为便于充分了解我国不同植被类型NPP变化趋势，参考耿庆玲等（2022）的方法，按照植被类型的一级分类，将植被分为森林、灌丛、荒漠植被、草原、沼泽、农作物等6种类型，如图1所示。

图1 中国不同植被类型的空间分布Figure 1 Spatial distribution of different vegetation types in China

1.2 方法

1.2.1 趋势分析与显著性检验

本研究采用Theil-Sen Median趋势分析方法计算植被NPP的逐年趋势变化，并通过Mann-Kendall统计检验法对中国植被 NPP变化趋势进行显著性检验（Jiang et al.，2015）。Sen趋势计算公式为：

式中：

K——斜率；

xj和xi——第i年和第j年NPP的年均值。当K＜0时，表示 NPP在研究时段内呈下降趋势，当K＞0时，表示NPP在研究时段内呈上升趋势。

Mann-Kendall检验是一种非参数检验法，通常用于对长时间序列变化趋势进行显著性检验，目前已被广泛应用于气象、水文、植被等研究中（Fensholt et al.，2012；解晗等，2022）。其计算方法如下：

假定 x1、x2、…、xn为时间序列变量，检验的统计量S计算公式为：

检验统计量Z的计算公式为：

式中：

S——正态分布；

Var(S)——方差。对于给定的显著水平（P＜0.05，P＜0.01），如果当|Z|＞1.96 和 2.58 时，表示变化趋势通过了0.05与0.01置信水平的显著性检验。

1.2.2 未来变化趋势分析

Hurst指数是预测时间序列数据相对于过去未来发展趋势的一个重要指数，目前被广泛应用于植被、气象等领域（史雯雨等，2021），具体计算公式为：

设有时间序列{V(t)}（t=1, 2, …），将其分为等长度子区间，定义均值序列：

等长度子区间可变，不同分段对应不同情况，由上式可建立如下关系：

式中：

H——Hurst指数，取值范围为（0, 1）。当0＜H＜0.5时，表明植被NPP未来趋势与过去变化相反，具有反持续性；当H=0.5时，表明过去变化对未来趋势不造成影响；当0.5＜H＜1时，表明植被NPP未来趋势与过去变化相同，具有持续性。

1.2.3 偏相关分析

对2001—2020年中国植被NPP与气候因子（气温和降水）进行逐像元偏相关分析，采用0.05的置信水平完成T检验。计算公式为：

式中：

rxy,z——将z影响剔除后x与y之间的偏相关系数；

rxy、rxz、ryz——两因子间相关系数。

对植被NPP与降水、气温的偏相关系数分别进行T显著性检验，T检验计算公式为：

式中：

n——样本数;

m——自变量个数。

1.2.4 潜在NPP的估算

本文中潜在 NPP的估算利用 Lieth提出的Miami模型（Lieth，1972）。Miami模型是从植物的生理生态角度出发，指出对植物生长及其生物量形成的主要影响因子是温度和水分，并通过该地区的年降雨量和年平均气温资料来计算植物的气候生产潜力，因此便于定量分析气候变化对植被的影响（周刊社等，2021）。计算公式为：

式中：

VNPP-θ——利用年平均气温θ（℃）计算得到的潜在植被净初级生产力（g·m-2·a-1）；

VNPP-R——利用年降水量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（g·m-2·a-1）。

1.2.5 植被NPP残差分析

本研究通过计算3种植被NPP变化指标：（1）基于 MOD17A3HGF 数据的实际 NPP（VNPP-A）；（2）基于Miami模型的潜在NPP（VNPP-P），其代表在仅受到气候变化影响下植被NPP的预测值；（3）人类活动导致的NPP变化（VNPP-H），由潜在NPP与实际NPP的差值（VNPP-H=VNPP-P-VNPP-A）计算得来。通过Theil-Sen Median趋势分析分别计算VNPP-P、VNPP-H和VNPP-A的斜率KP、KH和KA，以此来评价气候变化和人类活动对植被 NPP的影响和表示植被的恢复或退化状态。当KA＞0，表示实际NPP处于增加状态，KA＜0，表示实际NPP处于减少状态；当KP＞0时，表明气候变化导致植被NPP增加，而当 KP＜0时，表明气候变化导致被 NPP减少；当KH＞0时，表明人类活动导致植被NPP减少，而当KH＜0时，表明人类活动导致植被NPP增加。参考李诗瑶等（2022）的NPP变化相对贡献的情景设定方案，定义以下6种具体情景（表1）。

表1 气候变化与人类活动在植被净初级生产力变化中相对作用的评价方法Table 1 Evaluation method of the relative role of climate change and human activities in the change of NPP

2 结果与分析

2.1 中国植被NPP时空演变特征

2.1.1 2001—2020年中国植被NPP年际变化

2001—2020年中国植被NPP年际变化见图2。20 a间中国陆地平均植被 NPP总体上呈波动增加趋势，变化速率为 2.86 g·m-2·a-1，最大植被 NPP均值出现在 2020 年，达到 455.79 g·m-2·a-1，而最小值出现在 2001 年，为 386.24 g·m-2·a-1，波动幅度达到69.55 g·m-2·a-1。整体来看，中国陆地植被 NPP 保持了较大幅度的持续增长，其中在 2001—2003年与2010—2013年两个时间段内出现了较大幅度的连续增长，这可能与 2000年实施的一系列退耕还林与天然林保护工程以及 2009年前后的大规模植树造林工程有一定联系，使得森林面积扩大，森林碳汇增加（樊奇，2021）。2003—2005年与2009—2010年间中国植被NPP出现了回落，可能与中国南方等地出现的气象干旱有关（赵志平等，2015）。此外，分别统计2001—2020年中国陆地不同级别NPP面积占比，可以看出，20年来中国NPP低值区面积呈现波动减少趋势，高值区呈波动增加趋势，这与全国年均NPP变化情况相符。

图2 2001—2020年中国平均植被NPP与各级NPP面积占比年际变化Figure 2 Interannual variation of average NPP and percentage of each class of NPP in China from 2001 to 2020

分别统计并计算 2001—2020年中国不同植被类型NPP均值及其年际变化（图3）。由图3可以看出，中国各植被类型NPP均呈现增加趋势，其中作物植被增加速率最快，达到了4.11 g·m-2·a-1，其次为沼泽植被，而荒漠植被增速最慢，为 1.71 g·m-2·a-1，NPP 增速依次为：农作物＞沼泽＞森林＞灌丛＞草原＞荒漠植被。中国各植被类型中，森林多年平均NPP值最高，均在605 g·m-2·a-1以上，其次是灌丛、农作物和沼泽，其 NPP均值介于 351.32—623.69 g·m-2·a-1之间，最低为草原和荒漠植被类型，其 NPP 均值介于 79.93—269.46 g·m-2·a-1之间。此外，在6种植被类型中，沼泽植被NPP生长波动幅度最大，表明中国湿地沼泽在过去 20年中出现了较大面积的减少或增加，而草地 NPP生长波动最小，表明中国草地在过去 20年间整体保持稳定增长的态势，没有出现大面积退化或增长。

图3 2001—2020年中国不同植被类型平均NPP年际变化Figure 3 Interannual variation of average NPP of different vegetation types in China from 2001 to 2020

2.1.2 2001—2020年中国植被 NPP空间分布与变化特征

中国植被 NPP的分布呈现出由东南向西北逐渐减少的分布格局（图4），其主要原因是中国西部地区气候干旱，植被覆盖度低，而东部地区气候湿润，水热条件好，能更好地满足植物的生长。中国植被NPP空间分异较大，平均植被NPP小于200 g·m-2·a-1的低值区占总面积的24.99%，主要集中在青藏高原、天山山脉及阿尔泰山区、黄土高原、内蒙古高原中部及东北平原部分地区，以上地区水热条件较差，植被生长情况较差，其中西部荒漠地区几乎无植被覆盖，这一区域包括新疆大部分地区、西藏西部、青海西北部、甘肃北部、内蒙古西部等地；植被 NPP 介于 200—600 g·m-2·a-1之间的地区占总面积的49.32%，主要分布在华北平原、东北平原、黄土高原、四川盆地、青藏高原东部边缘及伊犁河谷地区；植被平均NPP大于600 g·m-2·a-1的高值区占总面积的25.69%，主要分布在中国东南、西南及东北部分地区，其中西藏东南部、云南、贵州南部、广西省西部、广东省大部分地区、福建省南部、海南省及台湾省大部分地区植被NPP在1000 g·m-2·a-1以上，表明以上地区水热条件优越，生态环境良好，植被生长旺盛。

图4 2001—2020年中国平均植被NPP的分布特征Figure 4 Distribution features of average NPP in China from 2001 to 2020

采用Theil-Sen Median趋势分析方法，对中国过去20年间植被NPP进行趋势分析。由图5a可知，从空间分布上看，中国植被NPP增加的区域明显大于NPP减少的区域，NPP呈增加趋势（K＞0）的区域约占总面积的84.16%，NPP呈减少趋势（K＜0）的区域约占总面积的15.84%。结合Mann-Kendall显著性检验，将趋势分析的结果与MK检验的结果进行叠加，最后得到NPP增加与减少的空间分布情况，参考李登科等（2018）对中国植被NPP变化趋势的划分方法，将NPP变化趋势划分为极显著减少、显著减少、无明显变化、显著增加、极显著增加5种类别（图5b，表2）。结果发现，植被NPP极显著增加和显著增加的区域分别占研究区总面积的33.50%和15.54%，主要分布在中国中部及东北部，尤其在气候条件较为干旱、生态环境较为脆弱的黄土高原、内蒙古高原、大兴安岭等地较为集中，这表明在过去20年中，中国有大面积的生态脆弱区植被出现恢复，这可能与黄土高原水土保持和退耕还林工程、三北防护林建设以及阿拉善荒漠治理等有关；植被NPP基本不变的区域占研究总面积的47.17%，表明中国大部分地区过去20年间生态环境较稳定，植被NPP保持较为稳定的状态，没有出现明显改善或退化；植被NPP极显著减少和显著减少的区域整体占比较小，分别约占研究区总面积的2.64%和 1.15%，主要分布在中国西南及东南沿海地区，这些地区自然条件较为优越，植被NPP均值较高，但近20年来人类活动的持续增加，如城镇用地的扩张以及人口增长和过度放牧等，同时叠加气候变化的影响（刘欢等，2018；柴立夫等，2021；茆杨等，2022；闫妍等，2022），使得这些地区植被出现退化。

图5 2001—2020年中国植被NPP变化趋势及显著性检验Figure 5 Change trend and significance test of NPP in China from 2001 to 2020

表2 2001—2020年中国NPP变化趋势统计Table 2 Statistics of NPP change trend in China from 2001 to 2020

2.1.3 中国植被NPP未来变化趋势特征

中国植被NPP的Hurst指数介于0.07—1之间，Hurst指数空间分布差异较大（图6a）。植被NPP具有持续性变化的区域（Hurst＞0.5）占研究区总面积的 25.15%，植被 NPP呈反持续性变化的区域（Hurst＜0.5）占研究区总面积的74.85%，说明中国未来植被 NPP变化主要表现为反持续特征。Hurst高值区主要集中在内蒙古中东部，辽宁北部、黄河三角洲、河南、陕西中部等地，说明这些地区植被NPP变化具有同向特征，即未来变化趋势与过去变化趋势一致，而Hurst指数低值区主要分布在黑龙江北部、内蒙古东北部、新疆北部、青藏高原地区、四川、云南等地，说明这些地区植被NPP变化具有反向特征，即未来变化趋势与过去变化趋势相反。

图6 中国植被NPP Hurst指数及其未来变化趋势Figure 6 NPP Hurst index of vegetation in China and its future change trend

为进一步分析中国植被 NPP的未来变化趋势持续性，将变化趋势与Hurst指数进行叠加分析（图6b），由表3可以看出，中国未来呈持续增加趋势的面积占总面积的 21.03%，主要分布在内蒙古中东部、黄河三角洲地区、河南、山东西南部、湖北东北部、陕西中部、甘肃中部以及云贵高原东北部等地，以上地区原本生态环境较为恶劣，近年来长期实行荒漠治理以及退耕还林等工程，已取得明显效果。植被 NPP由减少转为增加的面积占总面积的63.35%，表明中国大多数地区植被NPP在未来将增加，这可能是由于中国整体生态环境持续改善以及气候变化等因素有关。植被NPP持续减少地区面积占总面积的4.15%，主要集中在辽宁中部，在长江三角洲、江西、福建东南部、云南以及西藏东南部等地也有零散分布。植被NPP由增加转为减少地区占总面积的11.47%，主要分布在西藏东南部、云南南部、贵州东南部、广西北部、广东北部、江西南部、东南沿海地区以及东北部分地区，以上地区植被 NPP未来发生退化可能主要因为经济持续的发展和人类活动的增加，同时没有实施相应生态保护措施等原因。

表3 中国植被NPP未来变化趋势统计Table 3 Statistics of future change trend of NPP in China

2.2 中国植被NPP变化驱动机制分析

2.2.1 中国植被NPP与气温、降水的相关性分析

气候变化是植被NPP变化的重要驱动因素，本研究选取降水、气温 2种气候因子，逐像元计算2001—2020年中国植被NPP与年均降水、年均气温之间的偏相关系数并进行显著性检验。如图7所示，植被 NPP与年降水量的偏相关系数为-0.86—1.0，植被 NPP与降水呈正相关的区域占总面积的71.29%，表明中国绝大部分地区植被NPP与降水呈正相关，其中呈极显著正相关（P＜0.01）与显著正相关（P＜0.05）的区域分别占研究区总面积的15.37%和12.63%，主要分布在长江以北地区，包括东北平原、内蒙古高原、大兴安岭、华北平原、江汉平原以及四川盆地等地区，以上地区多为季风气候区，降水年内与年际变化十分剧烈，且植被多为农作物与草原，植被受季节性降水影响明显。植被NPP与降水负相关占总面积的28.71%，其中呈极显著负相关（P＜0.01）与显著负相关（P＜0.05）的区域分别占研究区总面积的0.86%和2.03%，主要分布于东南沿海与西南地区，主要包括台湾、福建、江西南部、广东、川西高原以及青藏高原中东部等地，东南沿海地区由于受西进太平洋暖湿气流的影响，降水导致区域植被接受日照时数减少，太阳辐射减少，影响植被的光合作用，同时过量的降水也会对植物的生长起到限制作用（Piao et al.，2003；程春晓等，2014），此外，西南地区地势起伏大，海拔较高，受北上印度洋暖湿气流及西进太平洋暖湿气流的交错影响产生的低温、阴雨天气减少了植被接受的日照时数，同时加剧了该区域的水土流失、滑坡以及泥石流等自然灾害，不利于植被光合作用，阻碍了植被NPP的积累（刘凤等，2019；杨潇等，2019）。

图7 植被NPP与降水和气温的偏相关系数及其显著性检验结果Figure 7 Partial correlation coefficient and significance test results of NPP with precipitation and temperature

植被NPP与年平均气温的偏相关系数为-1.0—0.92，呈正相关的区域主要分布在华北、华南与青藏高原地区，占总面积的67.17%，而负相关区域主要分布在东北、西北、黄土高原、云贵高原以及长江中下游平原等地，占总面积的32.83%，表明中国大部分地区植被NPP与气温呈正相关关系。通过显著性检验可知，植被NPP与气温呈极显著正相关与显著正相关的地区分别占总面积的3.23%和6.47%，主要集中在青藏高原东北部、云贵高原东南部、东南沿海地区以及山东南部等地，以上地区降水充沛或土壤水分补给充足，而随着温度的升高，植被的光合作用迅速增强，加上部分地区较大的气温日较差，有利于植物干物质量的累积，进一步提高了植被NPP。呈极显著负相关与显著负相关的地区分别仅占研究总面积的0.23%和0.90%，仅零散分布于东北平原、长江中下游平原、青藏高原南部以及云贵高原等地，绝大部分地区植被NPP与气温呈不显著正相关或不显著负相关。总体上，植被NPP与降水、气温整体均呈正相关，其中降水对植被NPP影响更为显著，而中国不同地区植被NPP对降水与气温的响应存在较大差异。

2.2.2 气候变化和人类活动对植被 NPP变化的驱动分析

利用Theil-Sen Median趋势分析分别计算VNPP-P和VNPP-H的变化趋势KP和KH（图8），通过VNPP-P和 VNPP-H的变化趋势分析气候变化和人类活动对NPP变化的影响。由图8可知，在仅受到气温、降水影响下，中国潜在植被NPP整体分布依然延续由南向北、由东向西逐渐减少的趋势，且NPP高值区面积大幅增加，一直延伸至秦岭—淮河一线。KP表现出减少（KP＜0）的地区占总面积的29.19%，主要集中在山东半岛、淮河流域、云南、西藏东南部、新疆东南部及北部等地，KP表现出增加（KP＞0）的地区占总面积的70.81%，其中内蒙古高原东部、长江中下游平原、四川东部以及贵州等地气候变化的影响最为明显。通过计算潜在NPP与实际NPP的残差（VNPP-H），发现VNPP-H整体分布趋势与VNPP-P较为相似，但高值区分布向北移动，主要集中在长江中下游流域与四川盆地附近。KH表现出减少（KH＜0）的地区占总面积的54.52%，其中以黄土高原、淮河流域、山东半岛以及云南、广西等地最为集中。KH表现为增加趋势（KH＞0）的面积占研究区总面积的45.48%，主要分布在东北、长江中下游平原以及贵州等地。

图8 2001—2020年气候变化和人类活动驱动下中国植被NPP的空间分布及变化趋势Figure 8 Spatial distribution and change trend of NPP driven by climate change and human activities in China from 2001 to 2020

基于残差分析将气候变化和人类活动对植被NPP的影响进行定量的区分和评估，分别计算气候变化和人类活动对中国植被 NPP改善区的相对贡献率，结果如图9所示。统计结果显示，在中国植被改善区中由气候变化主导（相对贡献率＞50%）的地区面积占比为47.59%，主要分布在东北平原、内蒙古高原、长江中下游平原、云贵高原东部以及四川盆地等地，由人类活动主导（相对贡献率＞50%）的地区面积占比为52.41%，主要集中在大兴安岭北部、黄土高原北部、山东、黄淮平原、江汉平原、云贵高原西部、青藏高原北部以及新疆西北部等地。在中国植被退化区中由气候变化主导（相对贡献率＞50%）的地区面积占比为 32.93%，主要集中在辽东半岛、云南中南部、西藏南部以及新疆西北部等地，由人类活动主导（相对贡献率＞50%）的地区面积占比为67.07%，表明中国大部分植被退化主要由人类活动引起，主要分布在辽河流域、华东地区南部、华南地区、云南南部以及西藏东南部等地。总体上看，气候变化和人类活动对中国植被NPP的增加均产生了重要作用，其中气候变化导致NPP的增加主要集中在中国东北和长江流域，人类活动导致NPP的增加主要集中在东部平原与生态脆弱区，此外，气候变化对NPP退化影响较小，而人类活动是中国植被NPP退化的主要因素。

图9 气候变化与人类活动对中国NPP变化相对贡献率的空间分布Figure 9 Spatial distribution of the relative contribution proportions of climate change and human activities to NPP changes in China

3 讨论

本研究利用 MOD17A3HGF数据产品分析了2001—2020年全国植被NPP时空变化特征以及未来发展趋势，同时定量分析了气候变化与人类活动对植被改善与退化的相对影响，研究结果与前人研究结果基本一致（涂海洋等，2023），结果具有一定的参考价值，但研究仍然存在一些不足。

由于本文研究区面积大，植被分类复杂，且不同气候条件与不同季节条件下不同植被类型 NPP有较大差异，因此未来针对中国植被NPP时空变化的研究应该进一步细化，在进一步细分植被类型的基础上，在不同季节、更长时间尺度上探究中国植被NPP的变化趋势。此外，本研究将温度、降水作为关键气候因子，基于残差分析将气候变化与人类活动对植被NPP的影响统一到可比的层面。由于研究区范围较大，本文在分析NPP与气候因子的关系时，仅考虑了降水与气温的影响，没有进一步将太阳辐射、蒸散发等因素加入气候变化对植被NPP的影响中，同时没有对人类活动主要驱动因素进行具体分析，未来研究应该进一步细化人类活动具体方式如城市扩张、生态建设等对植被NPP的影响。此外，考虑到中国植被类型复杂多样，未来研究应针对气候变化和人类活动对不同植被类型或不同生态系统的相对影响做进一步区分。因此，未来针对中国植被 NPP驱动因素的研究需要在区分不同植被类型和生态系统的基础上，进一步增加气候因子选择的合理性、细化人类活动的具体方式，以增强植被NPP影响因素研究的精确性和可靠性。

4 结论

本研究基于2001—2020年MODIS植被 NPP数据和同期气温和降水数据，运用趋势分析法、R/S分析及偏相关分析等方法分析了中国整体植被NPP时空变化、未来发展趋势及其与气候变化的相关关系，并使用残差分析定量区分了气候变化与人类活动在中国NPP演变过程中的相对作用，研究主要得出以下结论：

（1）2001—2020年中国植被NPP整体呈现出由东南向西北逐渐减少的分布格局，平均NPP在总体上呈波动增加趋势，变化速率为2.86 g·m-2·a-1。不同类型植被NPP均呈现增加趋势，作物植被NPP增加速率最快，而沼泽植被 NPP生长波动幅度最大。NPP空间变化以基本不变为主，呈极显著增加和显著增加的区域分别占研究区总面积的 33.50%和15.54%，极显著减少和显著减少的区域分别约占研究区总面积的2.64%和1.15%。未来中国NPP呈持续增加趋势的面积占总面积的21.03%，NPP由减少转为增加的面积占总面积的63.35%，表明中国大多数地区植被NPP在未来将增加。

（2）中国植被NPP与降水、气温总体均呈正相关，其中降水对植被NPP影响更为显著，相关性分布具有一定的空间异质性。NPP与降水显著正相关的区域主要分布在长江以北地区，显著负相关的区域主要分布于东南沿海与西南地区。植被NPP与气温显著正相关的区域主要集中在青藏高原中部和北部、云贵高原东南部、东南沿海地区以及山东南部等地，显著负相关的地区仅占研究总面积的0.23%和0.90%，仅零散分布于东北平原、长江中下游平原、青藏高原南部以及云贵高原等地。

（3）气候变化和人类活动对植被改善均产生了重要作用，但两者对植被改善的影响在空间上表现出明显差异性，由气候变化主导的植被改善区主要集中在东北、华北、四川盆地及长江中下游平原等地区，人类活动主导植被改善区主要集中在华中、西南以及西北地区。气候变化和人类活动对植被退化的影响在空间分布上较为一致，但气候变化对植被退化影响较小，占植被退化区面积的32.93%，而人类活动是中国植被退化的主要因素，占植被退化区面积的67.07%，主要分布在辽河流域、华东地区南部、华南地区、云南南部以及西藏东南部等地。