长江流域片2000-2015年植被NPP时空特征及影响因子探测

冯 婉, 谢世友,2

(1.西南大学 地理科学学院, 重庆400715; 2.西南大学 三峡库区生态环境教育部重点实验室, 重庆400715)

植被净初级生产力(Net Primary Productivity，NPP)是指绿色植被在单位时间、面积通过光合作用产生的有机物质总量中扣除自养呼吸后的剩余部分[1-2]。NPP能直接反映地表植被在自然环境下的生产状况[3]，研究NPP时空尺度的变化趋势，可以了解植被活动和陆地生态系统的质量状况，探究气候变化与人类活动等因素影响下陆地植被的响应机制。陆地生态系统对气候变化的响应成为热点研究议题，定量分析NPP时空动态变化特征和驱动因子，对评价全球变化背景下区域植被生长状况、陆地生态系统质量、资源环境监测提供科学依据。

国内外对NPP的研究主要经过了“站点实测——统计模型——机理模型”3个阶段[4]，站点实测为最早的测定方法，但受到诸多条件限制而不便于开展，目前较多的研究集中于利用遥感和地理信息技术手段采用不同模型估算陆地植被NPP值，研究区域也延伸到市域、省域、自然地理分区、全国乃至全球尺度。国内对NPP的研究，研究尺度多集中在省域、自然区划等，研究方法主要有CASA模型、Hurst指数、趋势分析、变异系数等，研究内容多为时空特征、驱动因子等[5]。MODIS NPP产品MOD17A3是基于MODIS遥感参数、参考BIOME-BGC模型与光能利用率模型模拟的NPP数据[6-7]，目前已经广泛应用到诸多研究尺度。国内已有诸多学者利用MOD17A3产品针对不同区域、不同时间尺度进行了研究，潘洪义等[8]对岷江中下游地区植被 NPP时空格局演变进行了研究；刘旻霞等[9]对青海省植被NPP时空格局变化及其驱动因素进行了研究；刘刚等[10]对2001—2014年中国植被NPP时空变化做了研究并探讨了与气象因子的关系。

长江流域片横跨我国东、中、西3个经济区，随着经济发展、气候变化及人类活动的影响，长江流域片面临生境退化、生物多样性减少、生态服务功能减弱等问题，上游区域草场退化、喀斯特山区石漠化、土壤侵蚀严重，中游湿地面积锐减、水环境恶化、灾害频发，下游水污染严重[11]。前人对长江流域中部分区域的植被NPP时空特征及气候因子进行了一定的研究[12-18]，但基于MOD17A3数据对整个流域片NPP变化及自然、人为影响因子的定量研究较少，且尚未有人利用地理探测器针对长江流域片量化NPP各驱动因子贡献率、探讨最主要驱动因子及因子交互影响。鉴于此，本文利用MODIS NPP数据、土地利用数据、气象数据等，结合气象因子、海拔、土地利用变化对长江流域片近16 a的植被净初级生产力状况及驱动因子进行定量研究，以期在全球变化、可持续发展背景下，为长江流域片的生态环境监测及生态调控提供依据。

1 研究区概况

长江流域片是我国九大流域片之一，处于24°—36°N，90°—122°E，自西向东横贯我国中部，流域片总面积约180万km2，约占全国陆域总面积的1/5(图1)。流域地势西高东低，跨我国地貌三大阶梯，地貌类型复杂多样，高原、山地、丘陵、盆地约占85%，平原面积约占11%，河流、湖泊、水库约占4%，主要流经青藏高原、云贵高原、四川盆地、长江中下游平原大地形区。流域内气候类型多样，其中大部分地处亚热带季风气候区，流域内气温空间分布东南高、西北低，多年平均气温为13.3°，降水呈东南向西北递减的趋势，平均年降水量1 100 mm[19]。长江流域片是我国的经济战略枢纽，流域片内人口占我国总人口的37%以上，近年来，流域片内长江经济带覆盖的11省(市)GDP总量超过全国的40%[11]。

图1 研究区概况

2 数据来源与研究方法

2.1 数据来源及处理

本文的MODIS NPP数据来源于美国国家航空航天局(NASA)最新的MODIS(Moderate Resolution Imaging Spectroradiometer)C6的MOD17A3产品，空间分辨率为1 000 m，时间分辨率为1 a，本文选择了2000—2015年的数据产品。利用 ArcGIS，对植被NPP进行空间计算和分析，获得多年平均NPP的空间分布图。长江流域片矢量边界、长江矢量线来自于中国科学院资源环境科学与数据中心(http:∥www.resdc.cn/data.aspx)。气象数据来自于中国科学院资源环境科学与数据中心(http:∥www.resdc.cn/data.aspx)，选取2000—2015年逐月平均气温和降水量数据，分辨率为1 000 m，利用ArcGIS软件裁剪出研究区域的气象数据，利用Matlab软件计算其与NPP的偏相关系数。DEM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/data.aspx)，分辨率为250 m，利用ArcGIS软件进行坡度分析、高程分级。土地利用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/data.aspx)，利用ArcGIS软件进行土地利用类型重分类及像元统计。

2.2 研究方法

2.2.1 趋势分析 计算NPP多年平均值，考察NPP空间分布情况，计算公式如下：

(1)

采用一元线性回归分析法计算长江流域片2000—2015年NPP变化斜率，考察NPP变化趋势，计算公式如下：

(2)

式中:θslope为NPP变化斜率；n为年数(研究时段为2000—2015年,则n=16)；NPPi为某一像元第i年的NPP数值。当θslope>0,则NPP为增加趋势,当θslope<0,则NPP为减少趋势。利用t检验来验证显著性水平。

2.2.2 相关性分析

通常采用偏相关分析考察气温与NPP、降水与NPP的相关关系。偏相关分析是在消除其他变量影响的前提下，计算某两个变量的关系性[20]。线性相关系数计算公式为：

(3)

(4)

式中:Rxy，z为固定自变量z值后；x,y的偏相关系数。得到的偏相关系数进行显著性t检验,计算公式如下:

(5)

式中:m为自变量个数；n为样本个数(研究时段为2000—2015年,则n=16)。

2.2.3 地理探测器 地理探测器是探测空间分异性，以及揭示其主要驱动因子的一种新的统计学方法，地理探测器包括4个探测器：因子探测器、交互探测器、生态探测器和风险探测器[21]。因子探测用来定量判别单因子对NPP的贡献率，找出主要驱动因子；交互探测用来判别两因子共同作用下对NPP的贡献率；生态探测用来判别不同因子对NPP的影响是否具有显著性差异。计算公式如下：

(6)

式中:h=1,2，…，n;L为X或Y的分层或分区;N全区的单元数；Nh为层h的单元数;σh2和σ2分别是层h、全区的Y值的方差;SSW,SST为层内方差之和(Within Sum of Squares)，全区总方差(Total Sum of Squares)。q值范围为0到1,q值越大,则因变量y的空间分异性越明显,自变量对因变量的解释力越强。

3 结果与分析

3.1 长江流域片植被NPP时间变化特征

长江流域片植被NPP年际间波动明显(图2)，2000—2015年各年均值在478.4～547.4 gC/(m2·a)，16 a间植被NPP平均值为516.5 gC/(m2·a)，高于全国平均值514.48 gC/(m2·a)[22]，经线性拟合，流域内NPP整体表现为缓慢上升趋势。2000—2002年、2011—2013年增长明显，2002年达到研究时段内最高值547.4 gC/(m2·a)。最低值出现在2000年，为478.4 gC/(m2·a)，比多年平均值低7%。这一结论与张凤英在基于遥感和LPJ模型模拟的长江流域植被净初级生产力格局及驱动力分析中的研究结果一致[23]。

图2 2000-2015年长江流域片年均NPP年际变化及流域面积占比

3.2 长江流域片植被NPP空间变化特征

长江流域片2000—2015年16 a间的NPP平均值为0.04～1 747.79 gC/(m2·a)，受到气候、地形、植被等诸多因素影响，流域内NPP分布的空间差异显著，见图3A。整体上，流域内NPP空间分布格局与气温、降水格局基本一致，为自东南向西北减少，其中北部、西北部低，西南部高，分布格局与刘刚等研究我国的NPP空间分布特征一致[10]。整个研究区域约8.5%的区域NPP值高于800 gC/(m2·a)，主要分布在流域片西南部，包括云南省丽江、楚雄及四川省攀枝花、凉山；约67.2%的区域NPP值介于400～800 gC/(m2·a)；约24.3%的区域NPP值低于400 gC/(m2·a)，主要分布于青海南部、四川西北部、陕豫鄂交界区。

采用一元线性回归分析法计算出NPP变化斜率，见图3B，θslope值介于-70.1～49 gC/(m2·a)。其中呈增加趋势的区域约占流域面积的14.3%，主要分布在横断山脉和秦岭、乌蒙山北段，增长趋势最明显的区域位于云南省迪庆州、贵州省毕节市西部。呈减少趋势的区域约占6.7%，主要分布在流域片南部湘黔交界、长江三角洲及成都平原，但其中大多集中于贵州省东部。NPP值基本不变的区域约占79%，主要位于中部、东部和西北部，包括四川东部、重庆、湖北、湖南北部、江西北部及青海。

图3 长江流域片2000-2015年NPP平均值、年际变化斜率分布格局

3.3 长江流域片植被NPP驱动因子

3.3.1 植被NPP与气候因子 气候因子是影响植被生长的重要因素，也是NPP值的重要影响因子，流域内NPP空间分布格局与气温、降水格局基本一致，为自东南向西北减少，在此基础上定量探究NPP与气候因子的相关性。由图4知，长江流域片2000—2015年16 a间年均温约12.1°，2008年最低，为7.2°，其余年份年均温波动较小。16 a间年均降水量约1 107 mm。流域片内大部分地处亚热带季风气候区，受季风影响区域广大。

图4 长江流域片2000-2015年NPP、气温、降水年际变化

由图5A知，长江流域片植被NPP与气温的相关系数介于-0.93～0.99，NPP与气温呈正相关的占88%，分布面积较广，集中于中部和西部高原高山区；呈负相关的占12%，主要分布在西南部、东南部；偏相关系数大于0.6的为极显著正相关，占比约16%，集中于青海省、贵州省北部、湖南省和重庆；偏相关系数小于-0.6的为极显著负相关，占比约0.3%。研究区内通过显著性0.05检验的占29%，其中，极显著正相关、极显著负相关均通过检验。由图5B知，长江流域片植被NPP与降水的相关系数介于-0.96—0.95，NPP与降水呈正相关的占67%，主要分布在横断山区和武夷山区以外的地区；呈负相关的占33%，主要分布在横断山区且以四川省最为明显；偏相关系数大于0.6的为极显著正相关，占比约10%，集中于青海省、湖南省、重庆市；偏相关系数小于-0.6的为极显著负相关，占比约3%，集中于四川省。研究区内通过显著性0.05检验的占23%，其中，极显著正相关、极显著负相关均通过检验。

图5 长江流域片植被NPP与气温、降水的偏相关系数

长江流域片植被NPP与气温、降水的相关性空间差异明显，整体上西部、中部受气温、降水影响都最为明显。整体而言，研究区内植被NPP与气温、降水均呈正相关。

3.3.2 植被NPP与地形 长江流域片跨三级阶梯，地形空间分异明显。不同海拔高度下气温、降水、土壤组合不同，且植被类型也不同，因此海拔是影响生物环境的重要因子，不同海拔范围下NPP的分布不同(表1)。根据DEM数据对长江流域片海拔范围分级，高程分级为8级，其中高山(3 500～5 000 m)、极高山(>5 000 m)分布在流域内西部的青藏高原区，其余地区多为中山(1 000～3 000 m)、低山(500～1 000 m)，区域内54%区域海拔低于1 000 m。由表1可知，流域内不同海拔范围植被NPP差异明显，总体上NPP随海拔增加呈先增加后下降的趋势；2 000～3 500 m海拔范围内植被NPP值最高，约720.07 gC/(m2·a)，主要位于流域内的一、二级阶梯交界处，集中于横断山区。海拔3 500 m以上的高山、极高山地区植被NPP值逐渐降低，尤其在5 000 m以上植被NPP值最低，只有31.09 gC/(m2·a)。

表1 长江流域片高程区间的植被NPP比较

不同坡度下，会形成局地小气候的变化，也会影响地表径流、排水状况及水土的保持、流失，对植被生长吸收水分能力也有影响。

对DEM数据进行坡度分析，研究区内部分地区地势起伏大，坡度最高为64.7°，根据长江流域片实际情况划分为9个等级(表2)，坡度小于15°的区域占流域片面积的76%。总体趋势来看，长江流域片植被NPP随坡度呈增加趋势，但坡度大于55°之后NPP值有所下降，这主要分布在一二级阶梯交界附近。坡度15°以上的NPP均值虽高但所占面积很少，对整体NPP的贡献不大，坡度2°以下的区域NPP值相对最低。综合来看，坡度小于15°的区域NPP值并非最高，但占研究区面积最大，对整个研究区的NPP值贡献最大。

表2 长江流域片坡度区间的植被NPP比较

3.3.3 植被NPP与土地利用 根据中科院资源环境数据云平台下载的250 m分辨率的全国土地利用数据，将其重分类为6类(耕地、林地、草地、水域、建设用地、未利用土地)。至2015年，长江流域片林地面积最大，耕地、林地、草地、水域、建设用地、未利用土地6类土地利用类型面积占比分别为27%，41%，23%，3%，2%，4%。综合来看，长江流域片各土地利用类型中NPP值林地>耕地>建设用地>水域>草地>未利用土地(表3)。2000—2015年16 a间，各地类NPP值呈上升趋势，水域NPP均值增长率最大，为15%，耕地、草地、未利用土地NPP均值增长率为13%，林地为12%，建设用地NPP均值增长最小，为8%。

表3 长江流域片2000-2015年各土地利用类型NPP均值 gC/(m2·a)

3.3.4 因子影响力探测 利用地理探测器评估自变量单因子对因变量空间分异的影响力，以及自变量因子交互作用下对因变量的贡献率[24]，选取2000年、2005年、2010年、2015年的气温、降水、海拔、坡度、土地利用五大因子与研究区植被NPP值进行空间探测分析，探讨影响研究区植被NPP变化的主要驱动因子。利用ArcGIS软件对研究区各类数据建立渔网选取采样点，避免随机选点带来的的误差，利用GeoDetector软件，输入自变量x和因变量y，运行后得到q值，包括单因子q值和多因子叠加q值，q值越大，则因变量y的空间分异性越明显，对因变量y的解释力越强。

综合来看，长江流域片5个因子对NPP的解释力排序为海拔>气温>降水>土地利用类型>坡度，以2015年为例，海拔、气温、降水、土地利用类型、坡度q值分别为：0.468，0.438，0.336，0.255，0.026，表明海拔对NPP的解释力最强，是影响长江流域片植被NPP的最主要因子，气温居第二位，其解释力高于降水；坡度对NPP的解释力最小。2000—2015年各影响因子中，其主要驱动因子海拔、气温的决定力q值呈下降趋势，表明未来海拔、气温对长江流域片植被NPP的影响力有下降可能。经交互探测可知，双因子交互作用下对NPP的解释力更高，呈非线性增强，2000—2015年双因子交互作用中，海拔因子与其余因子两两交互的q值最高(表4)，其中2000年海拔与降水量双因子交互作用q值最高，但结合2000年、2005年、2010年、2015年四年的双因子交互作用综合来看，海拔和气温双因子交互作用q值对研究区NPP值的解释力更大。

表4 植被NPP影响因子主导交互作用决定力(q)值

4 讨论与结论

4.1 讨 论

基于MOD17A3产品 NPP数据，得到16 a间NPP值在478.4～547.4 gC/(m2·a)，16 a间植被NPP平均值为516.5 gC/(m2·a)，高于全国平均值514.48 gC/(m2·a)，总体呈缓慢上升趋势，与张凤英[23]、潘萌甜等[14]的研究结果一致，其增长趋势可能源于长江流域实施的退耕还林政策、防护林建设、自然保护区建设，使流域片内的植被尤其是林地有所增加。空间分布上，流域片内NPP空间分布格局与气温、降水格局基本一致，为自东南向西北减少，与刘刚[10]、李登科[25]等关于我国的NPP空间分布特征的研究结果一致；西南部横断山区植被NPP最高，因其水热条件良好，植被覆盖度高，且以林地为主，林地的最大光能利用率较高。青海南部、四川西北部因其处于青藏高原地区，海拔高，气温较其他地区低，植被类型较单一且稀少，多以草甸为主，植被NPP最低，生态环境脆弱。16 a间长江流域片79%的区域NPP值基本不变，NPP值减少区域主要分布在南部湘黔交界、长江三角洲及成都平原，长江三角洲、成都平原因城市扩张、经济发展、建筑用地增加，人类对植被的干扰增大，NPP下降明显；贵州东部下降明显与岩溶地区碳酸盐出露，植被覆盖度低有关。横断山脉、秦岭、乌蒙山北段NPP值呈增长趋势，与王强[26]、王娟[27]等的研究结果一致。

本文主要讨论了研究区植被NPP五大影响因子：气温、降水、海拔、坡度、土地利用。总体上，研究区NPP值与气温、降水均呈正相关，这与张凤英[23]的研究结果一致，与气温呈正相关的占88%，与降水呈正相关的占67%，表明研究区NPP值对气温变化的响应更为敏感，气温增加，植被积累养分的能力也会提高，NPP值随之增大[28]。因研究区海拔跨度大，不同海拔范围植被NPP差异明显，总体上NPP随海拔增加呈先增加后下降的趋势，与刘恒[5]、赵晓[29]等的研究结果一致，2 000～3 500 m海拔范围内植被NPP值最高，分布于一、二级阶梯交界处，集中于横断山区，因其多高山峡谷，植被覆盖度高且类型多样，人为干扰弱，NPP值高；海拔5 000 m以上地区植被NPP值最低，集中于青海省，因其位于高海拔区，年均温较低，植被类型更单一，光合作用降低，植被养分积累受影响，故NPP值较低。研究区内植被NPP随坡度呈增加趋势，但坡度大于55°之后NPP值有所下降，坡度 35°以上NPP值大但区域面积占比很小，因此对研究区整体NPP值贡献率不大，坡度小于15°的区域NPP值虽并非最高，但占研究区面积却最大，这一坡度范围内，实施了退耕还林(草)、天然林保护等生态政策，是植被改善的最主要区域[30]，因此对整个研究区的NPP值贡献更大。各土地利用类型中，长江流域片林地面积最大，且林地最大光能利用率较高，其NPP均值较其余地类更大，因此林地对长江流域片的植被NPP值贡献最大，研究区是重要的农业生产基地，耕地面积广阔，作物光合效能较高，因此耕地NPP均值及增长幅度仅次于林地。NPP值往往受多因素共同影响。利用地理探测器方法，长江流域片5个因子对NPP的解释力排序为海拔>气温>降水>土地利用类型>坡度，16 a间单因子海拔对长江流域片植被NPP的解释力最强，海拔因素主要是海拔差异结合不同水热组合状况来影响气候垂直分带最终影响植被NPP[8]；气温的解释力居于第二位，海拔和气温双因子交互作用q值最大，对研究区NPP值的解释力更大，因长江流域片横跨三级阶梯，海拔梯度差异大，高低海拔间温度差异大，海拔、温度成为植被NPP的最大影响因素，但区域内整体降水充沛、土壤水分充沛，降水并非该区植被生长的限制性因子，这与前人诸多研究结果一致[19]。但据发展趋势看，主要驱动因子海拔、气温的决定力q值呈下降趋势，表明未来海拔、气温对长江流域片植被NPP的影响力有下降可能，长江流域片横跨我国东、中、西3个经济片区，许多研究表明人类活动对该区植被的影响持续增强，人为扰动对未来植被NPP的变动的影响可能增强，这也与潘洪义[8]的研究结果一致。长江流域片总体NPP虽呈缓慢增长趋势，但局部地区植被破坏仍然严重，NPP值下降明显，未来需增强对流域生态的动态监测，尤其是人类干扰频繁的城市周边的植被状况，健全生态补偿机制，遵循自然规律，恢复与保护为主。

目前，前人对长江流域植被NPP的研究主要集中于探讨NPP对气候变化的响应，很少对各因子的贡献率定量化研究，本文分别考虑了5个因子与NPP的关系，并利用地理探测器综合考察各因子对NPP的影响，通过空间探测分析，分析单因子贡献率及双因子交互贡献率，定量化指出最主要的驱动因子。本研究存在的不足主要有：(1)时间尺度上：植被NPP变化规律的揭示需要基于长期的动态监测，本文研究时间段为2000—2015年，时间尺度不够长，在揭示NPP时空变化规律上受到制约；(2)驱动因子上：植被NPP影响因子诸多，主要探讨了气候因子、地形因子、土地利用因子；气候因子中未考虑到地表蒸散发、太阳辐射等因素；随着经济发展和城市化进程加快，人类活动对NPP的影响越来越大，而人类影响的定量化较难，目前仅考虑到土地利用类型对NPP的影响，而人口密度、城市分布等也是重要的人为干扰因素，未来研究有望在此基础上将各类驱动因子探讨更全面。

4.2 结 论

(1)长江流域片植被NPP在2000—2015年各年均值为478.4～547.4 gC/(m2·a)，16 a间植被NPP平均值为516.5 gC/(m2·a)，高于全国平均值，流域内NPP整体表现为缓慢上升趋势。

(2)长江流域片2000—2015年16 a的NPP平均值为0.04～1 747.79 gC/(m2·a)，流域内NPP分布空间差异显著。整体上，流域内NPP空间分布格局为自东南向西北减少，流域片西南部NPP值最高，青藏高原地区最低。16 a间大部分地区NPP值基本不变，云南省迪庆州、贵州省毕节市西部增长最明显，下降区域多分布于贵州省东部。

(3)整体而言，研究区内植被NPP与气温、降水均呈正相关；总体上NPP随海拔增加呈先增加后下降的趋势，2 000～3 500 m海拔范围内植被NPP值最高，约720.07 gC/(m2·a)，主要位于流域内的一、二级阶梯交界处，集中于横断山区，5 000 m以上植被NPP值最低；NPP随坡度呈增加趋势，但坡度小于15。的区域对研究区NPP值贡献最大；各土地利用类型中林地对研究区的植被NPP值贡献最大。

(4)长江流域片5个因子对NPP的解释力排序为海拔>气温>降水>土地利用类型>坡度，海拔是影响长江流域片植被NPP的最主要因子，海拔与气温双因子交互作用下q值最大，对NPP的解释力最强，但未来海拔、气温对长江流域片植被NPP的影响力有下降趋势。