黃土高原地區NPP的自然影響因素分析

徐　茜，楊　忍，任志遠

(1.中山大學地理科學與規劃學院/土地研究中心， 廣東 廣州 510275；2.陜西師范大學旅游與環境學院， 陜西 西安 710062)

?

黃土高原地區NPP的自然影響因素分析

徐茜1，楊忍1，任志遠2

(1.中山大學地理科學與規劃學院/土地研究中心， 廣東 廣州 510275；2.陜西師范大學旅游與環境學院， 陜西 西安 710062)

以SPOT NDVI和多種自然地理要素數據為基礎，利用改進光能利用率計量模型，探究影響凈第一性生產力(NPP)變化的自然因素差異及各地貌類型區NPP變化的主導影響因素。結果表明：① 1998—2010年黃土高原地區NPP物質量平均值為9.884～50.790 gC·m-2·a-1，明顯低于全國平均水平342 gC·m-2·a-1。② 影響NPP變化的自然因素差異顯著。臺塬區保水性好，水土流失強度較低，NPP物質量增加顯著，風蝕地貌區NPP水平低，降幅明顯；干濕條件是影響NPP變化的重要自然要素，半濕潤區NPP增幅量較大；坡度對NPP變化的影響顯著，陡坡區林、草植被覆蓋度增加，NPP增幅明顯；微觀尺度上水熱空間分布與海拔高度相關，研究區海拔200～1 000 m范圍NPP增幅顯著，海拔高于1 000 m的區域NPP呈下降趨勢。③ 影響NPP空間分布格局差異的主導因素為水熱條件，但決定黃土粱卯地貌類型區的NPP物質量水平正相關的主導因素為高程因子，0.01置信水平下相關系數為0.52；太陽輻射對NPP物質量表現為顯著負相關關系，尤其對氣候干旱區域表現突出。

NPP；CASA模型；自然影響因素；黃土高原

陸地生態系統凈第一性生產力水平是由多種自然因子共同作用的結果，不同地域NPP的主導因素及限制因子也有所差異。同一地理位置由于地貌類型的差異，水熱條件相應變化，使區域生態系統NPP產生差異。為深化微觀尺度對NPP變化的影響，本文選取1998—2010年中國黃土高原地區NDVI影像數據及地貌、氣候等自然因子數據，選用改進光能利用率模型(CASA模型)進行NPP物質量的測評。從宏觀尺度揭示黃土高原地區凈第一性生產力的時序變化特征，并從地貌類型、濕度條件、坡度因子、高程水平、土壤類型、植被類型6個微觀尺度對NPP的空間分布格局特征及變化規律進行研究，并基于不同地貌類型對NPP變化影響因素的差異性進行研究，深化黃土高原地區生態環境物質生產能力的影響因素研究。

1　數據來源與研究方法

1.1研究區概況

黃土高原地區位于我國中部偏北，地理位置為北緯34°～40°，東經103°～114°。包括太行山以西、青海省日月山以東，秦嶺以北、長城以南的廣大地區，面積約40萬km2，其按地形差別分為隴中高原、陜北高原、山西高原和豫西山地等。平均海拔為1 000～1 500 m，除少數石質山地外，高原上覆蓋著深厚的黃土層。黃土高原地區的黃土主要為風成黃土，粉粒占黃土總重量的50%，結構疏松、孔隙度大、透水性強、遇水易崩解、抗沖抗蝕性弱。年均氣溫6℃～14℃，年均降水量200～700 mm。黃土高原地區為我國生態脆弱區，氣候較干旱，降水集中，植被稀疏，水土流失嚴重。其地貌類型復雜多樣，塬、粱、卯為其特有類型，多農牧交錯帶、農林交錯帶等土地利用類型過渡地帶分布，風沙帶、黃土溝壑區光熱組合條件差。

1.2數據資料

1.2.1數據來源本研究所采用1998—2010年NDVI影像來源于寒區旱區科學數據中心國家地球系統科學數據平臺的SPOT-VEGETATION NDVI數據。該數據已經過大氣校正、輻射校正、幾何校正等預處理，空間分辨率為1 km，時間分辨率為10日。月均溫及年總降水量氣象數據來源于國家氣象中心氣象站日實測數據，由覆蓋黃土高原地區的29個臺站實測數據經過空間差值后獲得。太陽輻射總量數據及植被分布數據來源于中國科學院地球科學數據共享數據庫，研究區地貌圖來源于中國1∶400萬地貌圖，土壤圖來源于1∶100萬中國土壤數據庫及國家第二次土壤普查提供的土壤有機質含量、全氮、全磷、全鉀、孔隙度、顆粒物組成等數據，DEM空間分辨率為90 m。

1.2.2自然因子劃分依據

(1) 干濕水平劃分。依據我國主要根據地區年降水量劃分干濕區的標準，對研究區的干濕水平進行劃分。研究區內的干濕水平共分3級(P：年降水總量)：干旱(P<200 mm)、半干旱(200 mm≤P<400 mm)、半濕潤(400 mm≤P<800 mm)。研究區內年降水總量最大值為705.185 mm，年降水總量高值區位于研究區東南部，即山西省東南部及河南省范圍，整個研究區內無濕潤區分布。

(2) 坡度因子劃分。黃土高原地區是嚴重的水土流失地區，水土保持綜合治理規劃通則[21]中規定了6級坡度分級標準，分級數目較多，依據研究區內坡度水平的差異，在水土保持綜合治理規劃通則的基礎上將研究區內坡度因子縮減為4級：平坡(0°，6°]、緩坡(6°,15°]、斜坡(15°，25°]、陡坡(25°，90°)。

畢業實習是對大學生基礎理論和實踐能力檢驗和提高的過程，對于學生完善自我和挑選工作單位以及提高我國教育水平具有重要的作用。畢業實習遠比課堂教學問題復雜，學校的規章制度及具體實施辦法及成績評定方法是保障實習效果的決定因素，實習指導老師和學生本身應該對畢業實習引起足夠的重視。對于畢業實習體系及實習證明的種種亂象，教育部門應高度重視，國家應制定相關政策鼓勵社會各界對高校的“大學生實習基地”進行支持。

1.3改進光能利用率模型

CASA模型是一個充分考慮環境條件和植被本身特征的光能利用率模型，1993年由Potter等[22]提出，模型通過植被吸收的光合有效輻射(APAR)和光能利用率(ε)來計算植被NPP。該模型將遙感數據、植被生理因子及光、熱、水等自然環境因子相結合，以實現植被覆蓋NPP的時空動態模擬。CASA模型的優點在于模型參數隨時間及空間而變化，受水分及溫度脅迫因子的調控，能夠比較客觀地評價不同時空尺度下的區域NPP物質量。但其缺陷為Potter等[22]認為全球植被的最大光能轉化率(εmax)為0.389 g C·MJ-1，在現實情況中這并不合理，εmax并非定量，而是由植被類型、植被覆蓋度和生物群系的共同影響所決定。本文參考朱文泉等[23-25]的研究方法，根據黃土高原地區植被覆蓋類型及區域自然環境特征，確定εmax，改進CASA模型，以科學地測評黃土高原地區NPP物質量。

2　結果與分析

2.1黃土高原NPP物質量時序動態變化特征

基于ArcGIS10.2軟件平臺，依據改進CASA模型，對數據資料進行運算及處理，得到1998—2010年黃土高原地區單位面積NPP物質量(見圖1)。1998—2010年黃土高原地區單位面積NPP物質量平均值為94.884～50.790 gC·m-2·a-1，明顯低于全國平均水平342 gC·m-2·a-1[15]。本模型測算結果與謝寶妮等[26]基于MOD17A3數據測算的黃土高原地區NPP變化趨勢一致，認為2000—2010年黃土高原地區凈第一性生產力呈整體上升趨勢，其中2001年為最低值，全年植被總NPP由2000年的119 TgC增加至2010年的144 TgC。本文測算結果NPP物質量為整體上升趨勢，并分為三個階段波動變化，呈現以下幾個特點：① 1998—2001年NPP物質量平均值明顯下降，由92.611 gC·m-2·a-1下降至75.081 gC·m-2·a-1，年均減少4.739 gC·m-2·a-1；② 2001—2006年NPP物質量平均值波動下降，降至50.7904 gC·m-2·a-1，為1998—2010年NPP物質量最低水平，這與2005年氣候干旱相關；③ 2006—2010年，NPP物質量平均值明顯逐年上升，增加至134.646 gC·m-2·a-1。

2.2NPP變化的自然影響因素差異分析

NPP的空間分布及時序變化受自然及人文多種因素的綜合影響，黃土高原地區面積廣闊，自然因素復雜多變，影響NPP的時空演變格局。文中主要選取6類自然因子，探究1998—2010年影響NPP增幅變化的自然因素差異(圖2)。

圖11998—2010年黃土高原地區單位面積NPP物質量空間分布

Fig.1The spatial distribution of NPP substance per unit area in Loess Plateau from 1998 to 2010

1998—2010年，各自然因子對NPP變化的影響為：從干濕條件看，半濕潤區NPP增幅顯著，為12.42%；半干旱區NPP物質量減少明顯，共減少10.55%，多為農牧交錯區；干旱區植被覆蓋水平差、生產力水平低，NPP物質量為減少趨勢；半干旱區NPP降幅最為明顯。從地貌類型看，臺塬區和塬區NPP物質量增加顯著，分別增加了13.84%、10.83%，分布于黃土高原南部，陜西、甘肅及河南省

注 Note：Ⅰ—針葉林 Coniferous forest；Ⅱ—闊葉林 Broadleaf forest；Ⅲ—灌叢和萌生矮林 Shrub and coppice；Ⅳ—荒漠 Desert；Ⅴ—草原和稀樹灌木草原 Grassland and dilute tree-shrub grassland；Ⅵ—草甸和草本沼澤 Meadow and herbaceous swamp；Ⅶ—一年一熟糧作和耐寒經濟作物 One crop or cold-tolerant economic crop a year；Ⅷ—一年兩熟或兩年三熟旱作(局部水稻)和暖溫帶落葉果樹園、經濟林 A year two cooked or three dry farming (local rice) and warm temperate deciduous orchard, economic forest.

圖2NPP變化的自然影響因素差異

Fig.2The differences of natural factors affecting the changes of NPP

境內。低河漫灘水分條件較好，NPP增加明顯。山地及黃土梁卯區NPP物質量變化不大，而風蝕地貌區、臺地、平原區NPP均為減少區，且風蝕地貌區NPP物質量減少尤其顯著，共減少11.53%。從坡度差異看，研究區坡度>25°的陡坡區域NPP物質量增幅明顯，共增加了6.85%；斜坡區域NPP物質量也有明顯增幅；緩坡區域NPP增幅水平變化不大；平坡區域NPP顯著減少。從土壤類型看，干旱土及高山土的肥力水平差、土壤含水量低，NPP物質量明顯降低，降幅分別高達21.84%、10.00%；淋溶土及半淋溶土土壤水分條件較好，肥力水平高，多分布于水熱條件較好的沖積平原，NPP物質量明顯增加。從高程因子看，研究區200～1 000 m高程值范圍區域NPP增加顯著，尤其500～1 000 m區域，NPP增幅高達12.36%；高程值大于1 000 m區域NPP呈下降趨勢，尤其高程大于2 500 m的高山區水熱組合條件差，NPP水平下降明顯；高程值小于200 m的平原區面積較小，NPP下降明顯。從植被類型看，研究區經濟林的NPP水平明顯增加，NPP總增幅為11.82%；荒漠、草甸及草原植被退化嚴重，NPP水平大幅下降，植被覆蓋度下降，分別下降了15.48%、13.00%、9.39%，生態水平降低。

文中選取6類自然因子從不同角度反映對自然生態系統植被生產力水平的影響。以不同自然因子為側重點，分析區域NPP變化的差異性。在不同的自然條件下，水熱條件具有不同程度的差異，植被生產力水平也因此具有差異。如200、400 mm等降水量線分別是荒漠帶與草原帶、草原帶與森林帶分界線，說明降水及干濕條件差異直接影響地表覆蓋。同時干濕條件影響區域土壤的水分空間分布，而不同的土壤類型其保水性及對降雨的下滲能力又有很大不同，發育不同的植被類型，因而研究區內的干旱區及半干旱區、干旱土及高山土NPP水平較低，半濕潤區、淋溶土及半淋溶土為NPP水平的高值區。不同的地貌類型，其高程值及坡度水平差異明顯，水熱條件也明顯不同，如迎風坡與背風坡、山頂與谷底的降水量與太陽輻射的差異。因而研究區風蝕地貌區、高程值大于1 000 m、尤其高程大于2 500 m的高山區植被覆蓋差，NPP水平低；臺塬、低河漫灘、高程值較低區域的NPP水平高。研究區坡度>25°的陡坡區NPP增幅明顯主要為人為活動的影響，黃土高原地區是國家“退耕還林、還草”政策的重點實施區域。植被類型的差異使其葉面積指數、垂直植被指數、郁閉度等差異明顯，因而直接影響NPP水平的大小。

2.3不同地貌類型區的NPP影響因素分析

本文以探究NPP空間格局形成機理及不同地貌類型對植被覆蓋的影響因素為目的，基于ArcGIS10.2軟件平臺，采用Sample工具，進行隨機采樣，共采得63 936個樣本，按照8類地貌類型對采樣點進行歸并。選取4個一級影響因子(地形、土壤、植被、氣候)，17個二級影響因子(坡向、高程、坡長、坡度、粗砂、粉砂、粘粒、有機質、全氮、全磷、全鉀、歸一化植被指數、植被類型、光能利用率、太陽輻射、氣溫、降水)，建立影響因子柵格數據庫，以1998—2010年NPP物質量平均值作為因變量，柵格數據轉為點數據，運行Sample運算后，每個因變量點均對應17個自變量點，將63 936個樣本提取出自變量與因變量數值，在SPSS軟件中進行空間雙變量相關分析，并在0.01和0.05的相關系數臨界值水平下進行雙邊顯著性檢驗，計算結果見表1。

表1　黃土高原地貌類型區NPP與自然因素相關系數

注：**在0.01水平(雙側)上顯著相關；*在0.05水平(雙側)上顯著相關。

Note: ** significant correlation at the 0.01 level (double side), * significant correlation at the 0.05 level (double side).

影響黃土高原地區NPP的主導因素為氣候因子及植被因子，顯著性水平大多在0.01水平顯著。低河漫灘面積不足研究區面積的0.5%，隨機采樣點數量少，共72個，故與17個二級影響因子的相關性表現不明顯，這里不作討論。通過對不同地貌類型區NPP與自然因子相關性測評，得出結果如下：

(1) 不同地貌類型區NPP物質量的一級影響因子差異不大，二級因子具有一定差異。影響NPP空間分布格局差異的首要因素為氣候因子，主要指水熱條件，山地、塬、臺地、平原、低河漫灘區的NPP物質量與降水因子相關性最大，相關系數分別為0.509、0.661、0.687、0.599、0.814，且均為0.01 水平(雙側)上顯著相關，臺塬和風蝕地貌區的NPP物質量與氣溫因子最為顯著，0.01置信水平下相關系數分別為0.978、0.828。而只有黃土粱卯區NPP物質量的主導因素為非氣候因子，與高程因子正相關性最為密切，相關系數為0.520。黃土梁卯是黃土高原地區典型的區域地貌類型，所占面積為黃土高原總面積的16%。黃土梁是長條狀的黃土丘陵；黃土峁指單個的黃土丘陵，坡度變化較大，主要分布在丘陵溝壑區。兩種黃土高原特有地貌類型區的NPP物質量水平主要由高程因子決定，呈顯著正相關。說明水熱條件的差異是影響地表植被生產力水平的主導因素，但地貌類型的差異使NPP物質量的主導因子產生差異。W. Jesse Hahm[27]等在PNAS中發表的最新研究結果更是推翻了人們普遍意義上認為的水熱因子是決定植被覆蓋首要條件的觀點，而是認為母巖成分決定山地生態系統及景觀變遷，同一氣候條件下發育的植被類型會因基巖組成的不同而有很大差異。

(2) 太陽輻射對NPP分布影響較大，均為0.01水平上的顯著相關，且為負相關，尤其對風蝕地貌、臺地、平原區NPP的相關系數絕對值高達0.7以上。風蝕地貌區氣候干旱，地表主要為沙粒，植被稀疏，在惡劣的氣候條件下太陽輻射強度大使地表水分蒸發強烈，惡化了植被生長條件，故負相關水平高達-0.911，在0.01 水平(雙側)上顯著相關。

(3) 坡向因子與NPP物質量的相關性最小，坡度因子相關性也較小。高程因子對不同地貌類型區NPP物質量的相關性呈現出相反關系，山地、黃土粱卯、風蝕地貌、臺地、平原區NPP與高程水平呈0.01置信水平下的顯著正相關，而對臺塬、塬區的NPP呈現0.01置信水平下的顯著負相關。臺塬區的NPP與高程水平相關系數較高，為-0.679，臺塬高程值越低，離河谷垂直距離越近，水分條件相對較好，植被生產力水平提高，故臺塬區的NPP物質量與高程因子呈顯著負相關，高程值越大，NPP物質量越低。

3　結論與討論

利用改進CASA模型，模擬1998—2010年黃土高原地區植被NPP的時空變化情況，對研究區不同自然因素主導地域類型區的NPP變化差異及不同地貌類型區影響NPP變化的因子進行分析。黃土高原地區為嚴重水土流失區及生態脆弱地區，單位面積NPP物質量平均值為94.884～50.790 gC·m-2·a-1，明顯低于全國平均水平，空間格局呈現由東南向西北逐漸降低的地帶性分異特征，與水、熱條件空間分布一致，內部地形地貌存在較大的差異，局部打破地帶性分異特征。黃土高原南部的子午嶺及黃龍林區“雙肺”效應顯著，為NPP高值聚集區。黃土高原北部、陜北風沙過渡帶至內蒙古南部的毛烏素沙地及其邊緣區域為干旱、半干旱氣候，水熱條件配置差，是NPP低值聚集區。自然地理環境六大要素之間通過物質循環與能量流動緊密聯系，黃土高原不同自然因素主導地域類型區的NPP變化差異顯著，其根本驅動機理為自然要素的差異產生水熱條件差異，因而區域內的植被NPP發生變化。黃土高原地貌類型復雜多樣，不同地貌類型區水熱條件差異顯著，故相同因子在不同地貌類型區對NPP變化的影響具有差異。

陸地生態系統植被NPP的變化是生物圈、大氣圈、水圈等各圈層共同作用的復雜過程，其自然驅動力因子非單一因子，而是多因子互相交織、共同作用，具體的驅動因子也很難確定。自然地理六大要素(氣候、地形、水文、土壤、植物、動物)的任一要素變化，都會影響局部小氣候環境的變化。水熱條件是決定植被覆蓋及其生產力水平的根本原因，但水熱條件同樣受到其他因子的影響，其具體的驅動因子因地而異，且可能隨時空變化而發生變化。如黃土粱卯地貌類型NPP物質量的主導因素為地形因素中的高程因子，但其根本原因是高程因子的差異而產生的水熱條件的差異。闡明黃土高原不同地貌類型區地表覆蓋的主要影響因素及限制因子，對恢復黃土高原植被覆蓋、治理水土流失、改善生態環境等工作能夠起到因地制宜的重要指導意義。本文中主要針對影響NPP的自然影響因素進行測評，而對于自然及社會經濟因子是怎樣耦合相關影響區域NPP變化，及人類活動對區域NPP影響的時間滯后性如何，都有待于我們進一步深入探究。

致謝：感謝中山大學地理科學與規劃學院土地研究中心的董玉祥教授對本文的指導。

[1]Wei Yaxing, Wang Liwen. Simulating alpine vegetation net primary productivity by remote sensing in Qinghai Province, China[J]. Journal of Mountain Science, 2014,11(4):967-978.

[2]Crabtree R, Potter C, Mullen R, et al. A modeling and spatial-temporal analysis framework for monitoring environmental change using NPP as an ecosystem indicator[J]. Remote Sensing of Environment, 2009,113(7):1486-1496.

[3]Schimel D, Enting I G, Heimann M, et al. CO2and the carbon cycle[C]//Climate Change 1994 (Intergovernmental panel on climate change). Cambridge: Cambridge University Press, 1995.

[4]IGBP. A study of global change[R]. The International Geosphere-Biosphere Programme: The initial core projects. Report 12, Stockholm:IGBP, 1990.

[5]IGBP. The terrestrial carbon cycle: implications for the Kyoto Protocol[J]. Science, 1998,280:1393-1394.

[6]Goulden M L, Mcmillan A M S, Winston G C, et al. Patterns of NPP, GPP, respiration, and NEP during boreal forest succession[J]. Global Change Biology, 2011:17(2):855-871.

[7]A. Bastos, Steven W. Running, Célia Gouveia, et al. The global NPP dependence on ENSO: La Ni?a and the extraordinary year of 2011[J]. Journal of Geophysical Research: Biogeosciences, 2013,118(3):1247-1255.

[8]Florian Sallaba, D?rte Lehsten, Jonathan Seaquist, et al. A rapid NPP meta-model for current and future climate and CO2scenarios in Europe[J]. Ecological Modelling, 2015,302(24):29-41.

[9]Godfrey Pachavo, Amon Murwira. Remote sensing net primary productivity (NPP) estimation with the aid of GIS modelled shortwave radiation (SWR) in a Southern African Savanna[J]. International Journal of Applied Earth Observation and Geoinformation, 2014,30:217-226.

[10]Robert Crabtreea, Christopher Potterb, Randall Mullena, et al. A modeling and spatio-temporal analysis framework for monitoring environmental change using NPP as an ecosystem indicator[J]. Remote Sensing of Environment, 2009,113(7):1486-1496.

[11]Hongfei Yanga, b, Shaojie Mub, Jianlong Li. Effects of ecological restoration projects on land use and land cover change and its influences on territorial NPP in Xinjiang, China[J]. CATENA, 2014,115:85-95.

[12]Baoxiong Chena, b, Xianzhou Zhanga, Jian Tao, et al. The impact of climate change and anthropogenic activities on alpine grassland over the Qinghai-Tibet Plateau[J]. Agricultural and Forest Meteorology, 2014,189:11-18.

[13]Juan Gu, Chunlin Huang. Influence of drought on Chinese terrestrial net primary production from 2002—2010[J]. IGARSS, 2013,13:1752-1755.

[14]張鐿鋰，祁威，周才平，等.青藏高原高寒草地凈初級生產力(NPP)時空分異[J].地理學報,2013, 68(9):1197-1211.

[15]Dobbertin M, Eilmann B, Bleuler P, et al. Effect of irrigation on needle morphology, shoot and stem growth in a drought-exposed Pinus sylvestris forest[J]. Tree Physiology, 2010,30(3):346-360.

[16]Stinson G, Kurz W A, Smyth C E, et al. An inventory based analysis of Canada's managed forest carbon dynamics, 1990 to 2008[J]. Global Change Biology, 2011,17(6):2227-2244.

[17]穆少杰，李建龍，周偉，等.2001—2010年內蒙古植被凈初級生產力的時空格局及其與氣候的關系[J].生態學報,2013,33(12):3752-3764.

[18]周濤，史培軍，孫睿，等.氣候變化對凈生態系統生產力的影響[J].地理學報,2004,59(3):360-365.

[19]Peter T Doran. Antarctic climate cooling and terrestrial ecosystem response[J]. Nature, 2002,415:517-519.

[20]陳福軍，沈彥俊，李倩，等.中國陸地生態系統近30年NPP時空變化研究[J].地理科學，2011，31(11):1409-1414.

[21]郭廷輔，劉萬銓，周錄隨，等.GB/T15772-1995.水土保持綜合治理規劃通則[S].北京：中國標準出版社，1995.

[22]Potter C S, Randerson J, Field C B, et al. Terrestrial ecosystem production: a process model based on global satellite and surface data[J]. Global Biogeochemical Cycle, 1993,7:811-841.

[23]朱文泉，潘耀忠，何浩，等.中國典型植被最大光利用率模擬[J].科學通報,2006,51(6):700-706.

[24]陽小瓊，朱文泉，潘耀忠，等.基于修正的亞像元模型的植被覆蓋度估算[J].應用生態學報，2008，19(8):1860-1864.

[25]朱文泉，陳云浩，徐丹，等.陸地植被凈初級生產力計算模型研究進展[J].生態學雜志，2005，24(3):296-300.

[26]謝寶妮，秦占飛，王洋，等.黃土高原植被凈初級生產力時空變化及其影響因素[J].農業工程學報,2014,30(11):244-253.

[27]W Jesse Hahm, Clifford S Riebe, Claire E Lukens, et al. Bedrock composition regulates mountain ecosystems and landscape evolution[J]. PNAS, 2014,111(9):3338-3343.

Analysis on the natural factors affecting NPP in Loess Plateau

XU Qian1, Yang Ren1, REN Zhi-yuan2

(1.SchoolofGeographyandPlanning/CenterofLandResearch,SunYat-SenUniversity,Guangzhou510062,China;2.CollegeofTourism&EnvironmentScience,ShaanxiNormalUniversity,Xi’an,Shaanxi710062,China)

This study explored differences of natural factors that affected NPP and the driving factors of NPP, which was based on a variety of data of natural geographical elements including the type of land-forms, and SPOT NDVI using a modified light use efficiency model. The study showed that from 1998 to 2010, the mean value of NPP substance changed from 9.884 gC·m-2·a-1to 50.790 gC·m-2·a-1in the Loess Plateau region. The value was lower than the national average level which was 342 gC·m-2·a-1. In addition, natural factors that affected the changes of NPP showed significant differences. The loess platform had high water retention, low water loss and soil erosion intensity, such that NPP substance became increased significantly. NPP was maintained at a relatively low level and was dropped significantly in wind erosion landform areas. Dry and wet conditions were important natural elements which affected the changes of NPP. NPP increase amount was much bigger in semi-humid zone than others. Slope had significantly effects on NPP changes. With the increase of vegetation coverage in steep slope areas, NPP was obviously increased. Within micro scales, heat water spatial distribution was found to be related with the elevation. In the study areas, NPP was significantly increased at altitude from 200 m to 1 000 m. However, NPP was shown to become declined when altitude was over 1 000 m. Furthermore, the dominant factor which affected the differences of NPP special distribution was hydro-thermal condition. But the main effect factor of NPP substance based on loess ridge and loess hill was altitude. Its correlation coefficient was 0.52, under the 0.01 confidence level. There was a significant negative correlation between solar radiation and NPP, which was particularly apparent in arid region.

NPP substance； CASA model；the natural influence factors； Loess Plateau

1000-7601(2016)04-0244-07

10.7606/j.issn.1000-7601.2016.04.37

2015-05-05

國家自然科學基金項目(41401190)

徐茜(1984—)，女，江蘇沭陽人，博士研究生，主要從事土地資源開發利用與保護的研究。 E-mail：xuqian19840613@163.com。

楊忍(1984—)，男，貴州畢節人，博士，講師，主要研究方向為土地資源配置及GIS應用研究、鄉村空間重構及規劃、城鄉發展轉型與區域規劃。 E-mail:yangren0514@163.com。

X171.4

A