黃土高原植被凈初級生產力的時空變化及其與氣候因子的關系*

史曉亮，楊志勇，王馨爽，高 軍，胡 艷

?

黃土高原植被凈初級生產力的時空變化及其與氣候因子的關系*

史曉亮1，楊志勇2**，王馨爽3，高 軍4，胡 艷1

（1.西安科技大學測繪科學與技術學院，西安 710054；2.中國水利水電科學研究院水資源研究所，北京 100038；3.國家測繪地理信息局陜西基礎地理信息中心，西安 710054；4.中國林業科學研究院資源信息研究所，北京 100091）

以西北典型植被脆弱區黃土高原為研究區，利用AVHRR GIMMS和MODIS兩種NDVI數據源，基于CASA模型對1982-2014年黃土高原植被凈初級生產力（NPP）進行模擬，并分析其時空變化特征及其與氣候因子的關系。結果表明：黃土高原年均植被NPP為254.0gC·m-2，1982-2014年總體呈增加趨勢。不同植被類型NPP有較大差異，落葉闊葉林NPP值最高，年均NPP達513.0gC·m-2，其次為常綠針葉林、草甸、農田、灌叢和草原。黃土高原植被NPP空間分布差異顯著，表現出南高北低的特點。從NPP年際變化的空間分布來看，在退耕還林還草生態工程實施之前（1982-1998年），黃土高原大部分區域植被NPP變化不明顯。自1999年后該區植被NPP增加趨勢顯著，增速達到5.38gC·m-2·a-1。在空間分布上，66.6%的區域植被NPP呈顯著增加趨勢，主要分布在陜北高原、山西中西部的呂梁-太行山等地。退耕還林等生態工程的實施，使該區植被狀況得到改善。黃土高原植被NPP與降水量具有顯著的相關性，但與氣溫相關性不大，說明降水是影響黃土高原植被NPP的主要因素。

凈初級生產力；AVHRR GIMMS NDVI；MODIS NDVI；CASA模型；黃土高原；時空變化；氣候因子

植被凈初級生產力（Net Primary Productivity，NPP）直接反映植物群落在自然環境條件下的生產能力，作為表征植被活力的關鍵因素，NPP不僅關系到生態系統固碳能力的強弱，同時也是判定碳匯和調節生態過程的主要因子[1]。因此，隨著全球變化和碳循環研究的不斷深入，研究NPP估算方法及其與全球變化的響應關系，在陸地生態系統的碳循環研究中具有重要的地位，并被國際地圈-生物圈計劃（IGBP）、人與生物圈計劃（MAB）、全球變化與陸地生態系統（GCTE）和京都議定書確定為核心研究內容之一[2-3]。

隨著遙感技術的發展，利用其時間序列長和覆蓋范圍廣的特點，以及在反演獲取地表植被信息和關鍵參數方面的優勢，基于遙感數據驅動的估算模型已被廣泛應用于長時間序列NPP時空特征及其對全球變化的響應研究[4-5]。其中建立在植物光合作用過程和光能利用率概念基礎上的CASA模型，以歸一化植被指數（Normal Difference Vegetation Index，NDVI）為驅動，目前已成為全球和區域尺度較為常用的植被NPP估算模型[6]，并在國內外得到廣泛應用[7-11]。氣溫和降水等主要氣候因子對植被的生長過程具有重要影響，并對氣候變化存在明顯響應[12]。目前在全球氣候變暖的背景下，植被NPP對氣候變化的響應特征表現出較大的空間異質性。毛德華等[9]研究認為，中國東北地區NPP與降水間相關性空間差異顯著，而與氣溫的相關性不明顯。穆少杰等[10]研究發現，內蒙古不同植被類型NPP對氣候因子的敏感性差異明顯。森林植被NPP主要受溫度限制，而荒漠、農田和草地植被NPP則主要受降水量影響。周杰等[13]在渭河流域的研究則表明溫度和降水是影響渭河流域NPP的主要因子。因此，有必要在典型區域開展植被NPP研究，對于深入探討區域水平植被NPP時空演變的驅動機制，豐富全球碳循環研究具有重要意義。

黃土高原地處半干旱半濕潤氣候帶，土質疏松，水土流失嚴重，是中國的生態脆弱區和水土保持重點區域[14]。為改善黃土高原日益惡化的生態環境，從1999年開始國家在該地區實施退耕還林還草、封山育林等大規模植被建設，植被得到一定的恢復[15]。目前已有學者在黃土高原開展了植被NPP研究。韋莉等[16]基于CASA模型估算了2003年黃土高原草地NPP；宋富強等[17]研究了2005年陜北黃土高原地區的植被凈初級生產力及其時空分布；李登科等[18]基于MOD17A3數據集的研究認為陜西省2000-2006年大部分地區NPP呈增加趨勢，表明通過退耕還林等生態建設工程的實施，該地區植被狀況得到較好的改善。謝寶妮等[19]研究認為黃土高原2000-2010年NPP呈增加趨勢，由大規模退耕還林還草植被建設工程引起的土地利用覆被變化是退耕區NPP增加的主要因素。但是以往研究多局限于單一遙感數據源，從而導致研究時間序列較短，較少涉及對黃土高原地區在大規模生態工程建設實施前后植被NPP時空演變特征的研究。鑒于此，本文綜合利用AVHRR GIMMS和MODIS兩種NDVI數據源，估算黃土高原1982-2014年長時間序列植被NPP，并以1999年為分界點，分析探討該區大規模植被建設前后植被NPP的時空變化及其與氣候因子的關系，以期為黃土高原退耕還林還草生態工程成效評價提供科學依據。

1 材料與方法

1.1 研究區概況

黃土高原地區（100°54′-114°33′E、33°43′- 41°16′N）為太行山以西、青海省日月山以東，秦嶺以北、長城以南的廣大地區，行政區涉及陜西省、山西省、甘肅省、青海省、河南省、寧夏回族自治區以及內蒙古自治區等省（區），總面積約63.2萬km2。

研究區地形西高東低，海拔200-3000m。地處半干旱半濕潤氣候帶，屬暖溫帶大陸性季風氣候，冬季寒冷干燥，夏季炎熱少雨，且雨季集中，年際變率較大。年均氣溫3.6～14.3℃，年均降水量300～800mm。植被類型主要包括常綠針葉林、落葉闊葉林、灌叢、草地和農田（圖1），主要土壤類型為黃綿土、草原風沙土和褐土。

1.2 數據來源及預處理

遙感數據源包括AVHRR GIMMS和MODIS兩種NDVI數據集。GIMMS NDVI數據來源于國家自然科學基金委員會“中國西部環境與生態科學數據中心”（http://westdc.westgis.ac.cn）。空間分辨率為8km，為每15d最大值合成數據，時間尺度為1982-2006年。數據集經過輻射和幾何校正等預處理，為減少云、大氣、太陽高度角等的影響，采用最大合成法（Maximum Value Composites，MVC）獲取逐月NDVI值[20]。MODIS NDVI數據來自美國NASA地球觀測系統的2001-2014年的MOD13A3月值NDVI數據，空間分辨率為1km。通過專業處理軟件MRT（MODIS Reprojection Tools）對下載獲取的MODIS NDVI數據完成鑲嵌、裁切、投影與格式轉換等處理，并基于兩種NDVI數據源重合時間段的NDVI數據集（2001-2006年），通過建立逐像元一元線性回歸模型，應用重采樣為8km分辨率的MODIS NDVI對GIMMS NDVI數據集進行插補延長[21]，從而建立黃土高原33a（1982-2014年）長時間序列8km分辨率的NDVI數據集。基于中國科學院植被圖編輯委員會2001年編著的1:100萬中國植被圖集，經掃描數字化得到黃土高原植被類型圖。

對模擬結果進行驗證的NPP產品數據來自美國NASA EOS/MODIS 2000-2014年MOD17A3數據，時間分辨率為年，空間分辨率為1km。MOD17A3數據是參考BIOME-BGC模型與光能利用率模型模擬得到的年NPP，并已在全球和區域碳循環研究中得到廣泛應用[22]。

氣象數據來源于中國氣象科學數據共享服務網（http://cdc.nmic.cn），包括研究區45個氣象站點1982-2014年的逐月降水量、平均氣溫和日照時數。太陽總輻射量由大氣上界太陽輻射量和日照時數計算得到。采用IDW插值方法，獲取與NDVI數據具有相同投影和像元大小的月太陽輻射、降水量和平均氣溫柵格數據集。

1.3 NPP估算模型

采用CASA（Carnegie-Ames-Stanford Approach）模型對黃土高原1982-2014年的植被NPP進行估算。該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，由遙感、氣象、植被以及土壤類型數據共同驅動，已被廣泛應用于陸地生態系統NPP的估算[10,23]，可以由植被吸收的光合有效輻射（APAR）和光能利用率（e）兩個因子來確定。

式中，NPP（x，t）是像元x在t月份的植被凈初級生產力，以碳為單位（gC·m-2），APAR（x，t）表示像元x在t月份吸收的光合有效輻射（MJ·m-2），e（x，t）表示像元x在t月份的實際光能利用率（gC·MJ-2），與植被類型有關。植被吸收的光合有效輻射（APAR）計算方法為

式中，S（x，t）表示像元x在t月份的太陽總輻射量（MJ·m-2），可由大氣上界太陽輻射量和日照百分比計算[24]。常數0.5表示植被利用的太陽有效輻射占太陽總輻射的比例，計算式為[25]

式中，SRmin取值為1.08；SRmax的大小與植被類型相關，可由文獻[26]獲取。SR由NDVI計算得到。

光能利用率e表示植被將吸收的光合有效輻射轉化為有機碳的效率（gC·MJ-2），可由下式計算。

式中，Te1（x，t）和Te2（x，t）分別表示低溫和高溫對光能利用率的影響系數，其中，Te1為低溫和高溫情況下植物內在生化作用對光合的限制，由下式計算：

式中，Topt(x)表示研究區1a內NDVI值達到最大時當月的平均氣溫。Te2（x，t）表示環境溫度由最適宜溫度向高溫和低溫變化時植被光能利用率逐漸變小的趨勢。

We（x，t）為水分脅迫影響系數，表示水分條件對光能利用率的影響。隨著環境中有效水分的增加，其取值范圍為0.5（極端干旱條件）～1（非常濕潤條件），計算式為

式中，EET（x，t）為實際蒸散量(mm)，可根據區域實際蒸散模型求取；PET（x，t）為潛在蒸散量(mm)，可根據Boucher提出的互補關系求 取[24]。

emax表示在理想條件下植被的最大光能利用率，其取值因植被類型不同有較大差別，本文emax取值參考朱文泉等[26]在中國范圍內的研究結果確定黃土高原地區各植被類型的最大光能利用率（表1）。

利用以上模型和NDVI、氣象資料，估算得到黃土高原764個格網點1982-2014年逐月植被NPP值，每年1-12月值累加得到相應的年NPP。以所有格點的算術平均值作為整個研究區對應時段的NPP值。

表1 CASA模型中emax取值

Note: ECF is evergreen coniferous forest；DBF is deciduous broadleaf forest. The same as below.

1.4 分析方法

應用一元線性回歸法在像元尺度分析黃土高原在大規模植被建設前后兩個階段（1982-1998和1999-2014年）植被NPP年值的變化趨勢[10]。

基于像元相關分析方法對1982-2014年黃土高原植被NPP年值與主要氣候因子（年均降水量和平均氣溫）進行逐像元相關分析[20]，用相關系數的空間分布情況反映植被NPP對氣候因子的響應。

2 結果與分析

2.1 植被NPP估算精度評價

由于獲取研究區NPP的實測值較難，本文采用與MOD17A3產品數據對比的方法進行模型模擬精度評價[23]。將本研究估算得到的不同類型的NPP均值與部分實測數據進行對比，如果偏差不大，即認為估算結果較合理[27]。由表2可見，對于落葉闊葉林，本研究估算的NPP值與MOD17A3數據差別較大，但在實測范圍之內。其它植被類型差異較小，且反映的趨勢較為一致，說明本研究估算的植被NPP基本可靠。

2.2 黃土高原植被NPP時空變化特征

2.2.1 研究區域植被NPP平均值的年際變化

由圖2可見，黃土高原1982-2014年植被NPP的年際波動變化較大，但整體呈增加趨勢，年增速為1.7gC·m-2（P＜0.05）。年NPP值在1982年為最低（214.6gC·m-2），2012年最高（322.0gC·m-2），平均254.0gC·m-2。其中1982-1998年研究區植被NPP年均增速為1.2gC·m-2，年均NPP為244.1gC·m-2。但是自1999年實施大規模生態工程建設以來，該區植被NPP隨時間推移呈現明顯增加趨勢，1999-2014年年均增速達到5.4gC·m-2，年均NPP增至264.6gC·m-2。

表2 不同植被類型NPP年均估算值與實測值的比較（gC·m-2）

2.2.2 大規模植被建設前后不同植被類型NPP的變化

1982-2014年不同植被類型年均NPP存在較大差異，統計比較表明，黃土高原生態系統中落葉闊葉林NPP值最高，33a間年均NPP達513.0gC·m-2，但是區域內落葉闊葉林分布較少，僅占全區總面積的2.63%。

常綠針葉林為346.0gC·m-2，草甸為300.1gC·m-2，農田為261.2gC·m-2，灌叢為271.7gC·m-2，草原最小，為235.4gC·m-2。后3種是黃土高原的主要植被類型，占總面積的88.53%。

相對于退耕還林還草工程實施之前（1982-1998年），經過近15a的大規模植被建設，黃土高原不同植被類型的NPP均呈不同程度的上升趨勢（表3）。其中，落葉闊葉林的NPP增長趨勢最大，達到32.4gC·m-2·a-1。常綠針葉林和草甸、灌叢等植被類型NPP增長也較明顯。

表3 黃土高原大規模植被建設實施(1998年)前后不同植被類型年均NPP（gC·m-2）

2.2.3 整個分析期植被年NPP平均值空間分布

1982-2014年黃土高原植被年均NPP分布受到植被類型、氣候和地形等多種因素的綜合影響，空間差異顯著，總體為南高北低，分布在15.12～940.21gC·m-2。從圖3可以看出，在內蒙古自治區的鄂爾多斯地區、河套平原，甘肅省隴中地區和寧夏回族自治區南部大部分地區，以及陜北地區，上述區域主要植被類型為灌叢、草原和荒漠等無植被地區，植被覆蓋相對較少，自然環境惡劣，植被年均NPP多在200gC·m-2以下，相對較低。而在青海省南部、陜西省關中地區以及山西省大部分地區，主要分布植被類型多為農田和落葉闊葉林，植被年均NPP大于200gC·m-2，尤以陜西省的銅川、寶雞和渭南等地，植被年均NPP大于600gC·m-2。

2.2.4 植被年NPP變化趨勢的空間分布

采用逐像元線性趨勢法對黃土高原大規模生態工程建設實施前后的植被NPP變化趨勢進行分析，從圖4a可以看出，在大規模植被建設實施前（1982-1998年），雖然黃土高原73.3%的區域植被年均NPP有所增加，但呈顯著增加趨勢的區域占整個黃土高原的面積比例為20.4%，主要分布在內蒙古南部、山西省北部，甘肅省隴東和陜北地區等，其它大部分地區植被NPP變化不明顯。由此可見，在大規模植被建設前，黃土高原大部分區域植被年NPP無顯著變化。而自1999年開始經過16a的大規模植被建設，該區在1999-2014年88.3%的區域植被年NPP有所增加，其中呈顯著增加趨勢的區域面積比例達到了66.6%，平均增速達到7.49gC·m-2·a-1（P<0.05）（圖4b）。另有11.7%的地區植被NPP變化趨勢不明顯，主要分布在研究區西北部的干旱荒漠地區，以及陜西省關中地區的西安、寶雞等地。可以看出，黃土高原植被的生長狀況整體有所改善。

2.3 黃土高原植被NPP與氣候因子的相關分析

降水和氣溫等氣候因子的變化對陸地植被的生長發育具有重要影響，因此本文利用逐像元的相關分析方法，分別對1982-2014年的年植被NPP、年降水量和年平均氣溫的相關系數進行逐像元分析，從而在空間尺度分析植被NPP與主要氣候因子的關系。如圖5a所示，整個黃土高原植被NPP與降水量的相關系數為0.39，呈顯著正相關（P<0.05）。而從像元尺度來看，除了陜西關中地區，以及其它省（自治區）的部分地區外，黃土高原大部分地區植被NPP與降水之間表現為顯著正相關（P<0.05），呈顯著正相關（P<0.05）的區域面積占全區總面積的比例達到65.3%。尤其是在內蒙古自治區鄂爾多斯地區，甘肅的隴東以及陜北的榆林等地植被NPP與降水量的相關性較高。

從圖5b可以看出，整個黃土高原地區植被NPP與年平均氣溫的相關系數為0.05（P>0.05），不存在明顯的相關性。而從像元尺度來看，研究區內植被NPP與氣溫呈顯著正相關的地區占總面積的9.8%（P<0.05），主要分布在內蒙古自治區鄂爾多斯地區、山西省北部和陜西省銅川等地，研究范圍內植被NPP與氣溫呈顯著負相關的地區占總面積的4.9%，主要分布在山西省中部，以及寧夏、甘肅和內蒙古等地，其余地區（占像元面積85.3%）兩者間的相關系數未通過0.05水平的顯著性檢驗。說明黃土高原大部分地區植被NPP與氣溫之間相關性不大。

3 結論與討論

3.1 討論

黃土高原1999-2014年降水量呈緩慢增加趨勢，而氣溫略有降低[15]，且大部分地區降水與NPP呈正相關，因此該區降水的增加在一定程度上導致植被NPP增加。但是NPP與氣溫相關性不大，氣溫的增加對植被NPP影響較小，因此可以認為，降水量的增加是黃土高原植被NPP增加的主要因素。

由于不同NPP反演模型在機理和關鍵植被參數取值、研究時間序列長短和模型輸入數據分辨率和質量等方面存在的差異，導致植被NPP反演模型結果有所不同。本文基于CASA模型估算的1982-2014年黃土高原植被年平均NPP為254.0gC·m-2，與謝寶妮等[19]研究結果基本一致。此外，對比朱文泉等[26]提供的各植被類型NPP的實測值，本研究的模擬結果也在其范圍之內。

以往關于黃土高原植被NPP的模擬研究[16-19]，由于遙感數據源時間尺度限制，未能分析該區在大規模生態工程實施前后植被NPP的時空演變。而本文綜合利用AVHRR GIMMS和MODIS兩種NDVI數據源，并應用逐像元線性回歸模型方法對GIMMS NDVI數據進行插補延長，從而實現了黃土高原長時間序列植被NPP的估算，對于評價退耕還林還草等生態工程的實施效應更具參考價值。本文分析了植被NPP與主要氣候因子的響應關系，但是NPP的變化還與地形和人類活動等多種因素有關，因此，對于植被NPP的驅動機制尚需進一步深入研究。

3.2 結論

（1）黃土高原1982-2014年植被年平均NPP為254.0gC·m-2，總體呈增加趨勢，尤以1999年該區實施大規模生態環境工程建設以來，NPP增加趨勢更為明顯。對于不同植被類型而言，落葉闊葉林NPP值最高，其次為常綠針葉林、草甸、農田、灌叢和草原。

（2）黃土高原植被NPP空間分布差異顯著，總體為南高北低。而從植被NPP變化趨勢的空間分布來看，在大規模植被建設實施前（1982-1998年），該區大部分區域植被NPP無顯著變化。而自1999年開始經過16a大規模生態工程的建設實施，黃土高原在1999-2014年66.6%的區域植被NPP呈顯著增加趨勢，年增速達到7.49gC·m-2（P<0.05）。尤其以陜北高原、山西中西部的呂梁-太行山等地，植被NPP增加趨勢更為明顯。

（3）黃土高原植被NPP與降水量具有較強的正相關，而與氣溫相關性不大，因此，降水是該區植被NPP的主要影響因素。

參考文獻References

[1]樸世龍,方精云,郭慶華.利用CASA模型估算我國植被凈第一性生產力[J].植物生態學報,2001, 25(5):603-608.

Piao S L,Fang J Y,Guo Q H.Application of CASA model to the estimation of Chinese terrestrial net primary productivity[J].Acta Phytoecologica Sinica,2001,25(5):603- 608.(in Chinese)

[2]Field C B,Randerson J T,Malmstrom C M.Global net primary production:combining ecology and remote sensing[J].Remote Sensing of Environment,1995,51(1):74-88.

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

[4]Ricotta C,Avena G,de Palma A.Mapping and monitoring net primary productivity with AVHRR NDVI time-series: statistical equivalence of cumulative vegetation indices[J]. ISPRS Journal of Photogrammetry & Remote Sensing,1999, 54(5/6):325-331.

[5]Nemani R R,Keeling C D,Hashimoto H,et al.Climate-driven increases in global terrestrial net primary production from1982 to 1999[J].Science,2003,300(5625):1560-1563.

[6]潘竟虎,李真.2001-2012年西北干旱區植被凈初級生產力時空變化[J].生態學雜志,2015,34(12):3333-3340.

Pan J H,Li Z.Temporal-spatial change of vegetation net primary productivity in the arid region of Northwest China during 2001 and 2012[J].Chinese Journal of Ecology,2015, 34(12): 3333-3340.(in Chinese)

[7]李秀芬,鄭有飛,王晨軼,等.黑龍江省森林NPP的遙感反演[J].中國農業氣象,2009,31(1):88-92.

Li X F,Zheng Y F,Wang C Y,et al.Retrieval of forest NPP by remote sensing in Heilongjiang Province[J].Chinese Journal of Agrometeorology,2009,31(1):88-92.(in Chinese)

[8]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.

Chen F J,Shen Y J,Li Q,et al.Spatio-temporal variation analysis of ecological systems NPP in China in Past 30 years[J].Scientia Geo Graphica Sinica,2011,31(11):1409-1414. (in Chinese)

[9]毛德華,王宗明,羅玲,等.1982-2009年東北多年凍土區植被凈初級生產力動態及其對全球變化的響應[J].應用生態學報,2012,23(6):1511-1519.

Mao D H,Wang Z M,Luo L,et al.Dynamic changes of vegetation net primary productivity in permafrost zone of Northeast China in 1982-2009 in response to global change[J].Chinese Journal of Applied Ecology,2012,23(6): 1511-1519.(in Chinese)

[10]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.

Mu S J,Li J L,Zhou W,et al.Spatial-temporal distribution of net primary productivity and its relationship with climate factors in Inner Mongolia from 2001 to 2010[J].Acta Ecologica Sinica,2013,33(12):3752-3764.(in Chinese)

[11]石志華,劉夢云,吳健立,等.基于CASA模型的陜西省凈初級生產力時空分析[J].水土保持通報,2016,36(1):206-211.

Shi Z H,Liu M Y,Wu J L,et al.Spatial-temporal analysis of vegetation net primary productivity in Shaanxi province based on CASA model[J].Bulletin of Soil and Water Conservation,2016,36(1):206-211.(in Chinese)

[12]張禹舜,賈文雄,劉亞榮,等.近11a來祁連山凈初級生產力對氣候因子的響應[J].干旱區地理,2016,39(1):77-85.

Zhang Y S,Jia W X,Liu Y R,et al.Response of net primary productivity to climatic factors in Qilian Mountains in resent eleven years[J].Arid Land Geography,2016,39(1):77-85.(in Chinese)

[13]周杰,張昌盛,解修平.渭河流域植被凈初級生產力時空格局及影響因素分析[J].水土保持學報,2015,29(2):274-277.

Zhou J,Zhang C S,Xie X P.Vegetation net primary productivity temporal and spatial patterns and influence factors analysis in Weihe watershed[J].Journal of Soil and Water Conservation,2015,29(2):274-277.(in Chinese)

[14]易浪,任志遠,張翀,等.黃土高原植被覆蓋變化與氣候和人類活動的關系[J].資源科學,2014,36(1):166-174.

Yi L,Ren Z Y,Zhang C,et al.Vegetation cover,climate and human activities on the Loess Plateau[J].Resources Science,2014,36(1):166-174.(in Chinese)

[15]張寶慶,吳普特,趙西寧.近30a黃土高原植被覆蓋時空演變監測與分析[J].農業工程學報,2011,27(4):287-293.

Zhang B Q,Wu P T,Zhao X N.Detecting and analysis of spatial and temporal variation of vegetation cover in the Loess Plateau during 1982-2009[J].Transactions of the CSAE,2011,27(4):287-293.(in Chinese)

[16]韋莉,趙軍,潘竟虎,等.基于MODIS數據的黃土高原草地凈初級生產力的估算研究[J].遙感技術與應用,2009,24(5): 660-664.

Wei L,Zhao J,Pan J H,et al.A research of net Primary productivity model of grassland based on MODIS data in the Loess Plateau of China[J].Remote Sensing Technology and Application,2009,24(5):660-664.(in Chinese)

[17]宋富強,康慕誼,陳雅如,等.陜北黃土高原植被凈初級生產力的估算[J].生態學雜志,2009,28(11):2311-2318.

Song F Q,Kang M Y,Chen Y R,et al.Estimation of vegetation net primary productivity on North Shaanxi Loess Plateau[J].Chinese Journal of Ecology,2009,28(11):2311- 2318.(in Chinese)

[18]李登科,范建忠,王娟.基于MOD17A3的陜西省植被NPP變化特征[J].生態學雜志,2011,30(12):2776-2782.

Li D K,Fan J Z,Wang J.Variation characteristics of vegetation net primary productivity in Shaanxi Province based on MO17A3[J].Chinese Journal of Ecology,2011,30 (12):2776-2782.(in Chinese)

[19]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.

Xie B N,Qin Z F,Wang Y,et al.Spatial and temporal variation in terrestrial net primary productivity on Chinese Loess Plateau and its influential factors[J].Transactions of the CSAE,2014,30(11):244-253.(in Chinese)

[20]史曉亮,李穎,趙凱,等.諾敏河流域植被覆蓋時空演變及其與徑流的關系研究[J].干旱區資源與環境, 2013,27(6): 54-60.

Shi X L,Li Y,Zhao K,et al.Temporal and spatial changes of vegetation cover and the relationship with runoff in Nuomin river basin[J].Journal of Arid Land Resources and Environment,2013,27(6):54-60.(in Chinese)

[21]毛德華,王宗明,宋開山,等.東北多年凍土區植被NDVI變化及其對氣候變化和土地覆蓋變化的響應[J].中國環境科學,2011,31(2):283-292.

Mao D H,Wang Z M,Song K S,et al.The vegetation NDVI variation and its responses to climate change and LUCC from 1982 to 2006 year in northeast permafrost region[J].China Environmental Science,2011,31(2):283-292. (in Chinese)

[22]王新闖,王世東,張合兵.基于MOD17A3的河南省NPP時空格局[J].生態學雜志,2013,32(10):2797- 2805.

Wang X C,Wang S D,Zhang H B.Spatiotemporal pattern of vegetation net primary productivity in Henan Province of China based on MOD17A3[J].Chinese Journal of Ecology,2013,32(10):2797-2805.(in Chinese)

[23]沃笑,吳良才,張繼平,等.基于CASA模型的三江源地區植被凈初級生產力遙感估算研究[J].干旱區資源與環境,2014, 28(9):45-50.

Wo X,Wu L C,Zhang J P,et al.Estimation of net primary production in the Three-River headwater region using CASA model[J].Journal of Arid Land Resources and Environment, 2014,28(9):45-50.(in Chinese)

[24]羅玲.基于遙感-機理模型的松嫩西部草地凈初級生產力(NPP)模擬[D].長春:中國科學院東北地理與農業生態研究所,2010.

Luo L.Estimation of grassland Net Primary Production(NPP) in the western Songnen Plain based on the remote sensing-mechanism model[D].Changchun:Northeast Institute of Geography and Agroecology,Chinese Academy of Sciences,2010.(in Chinese)

[25]朱文泉,潘耀忠,龍中華,等.基于GIS和RS的區域陸地植被NPP估算:以中國內蒙古為例[J].遙感學報,2005,9(3): 300-307.

Zhu W Q,Pan Y Z,Long Z H,et al.Estimating net primary productivity of terrestrial vegetation based on GIS and RS:a case study in Inner Mongolia,China[J].Journal of Remote Sensing,2005,9(3):300-307.(in Chinese)

[26]朱文泉,潘耀忠,張錦水.中國陸地植被凈初級生產力遙感估算[J].植物生態學報,2007,31(3):413-424.

Zhu W Q,Pan Y Z,Zhang J S.Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing[J].Journal of Plant Ecology,2007,31(3): 413-424.(in Chinese)

[27]Yuan Q Z,Wu S H,Zhao D S,et al.Modeling net primary productivity of the terrestrial ecosystem in China from 1961-2005[J].Journal of Geographical Science,2014,24(1): 3-17.

Spatial and Temporal Variation of Net Primary Productivity and Its Relationship with Climate Factors in the Chinese Loess Plateau

SHI Xiao-liang1, YANG Zhi-yong2, WANG Xin-shuang3, GAO Jun4, HU Yan1

(1.College of Geomatics, Xi’an University of Science and Technology, Xi’an 710054, China;2.Department of Water Resources, China Institute of Water Resources and Hydropower Research, Beijing 100038; 3.Shannxi Geomatics Center of National Administration of Surveying, Mapping and Geoinformation, Xi’an 710054;4.Institute of Forest Resources Information Techniques, Chinese Academy of Forestry, Beijing 100091)

Based on AVHRR GIMMS NDVI and MODIS NDVI data, spatial-temporal variations of the net primary productivity (NPP) in the Chinese Loess Plateau from 1982 to 2014 was simulated using CASA model. Besides, the relationship between NPP and climate factors was analyzed at grid scale. The results showed that average annual NPP from 1982 to 2014 was 254.0gC·m-2in the Chinese Loess Plateau and the NPP has increased over the past three decades. The average annual NPP of deciduous broadleaf forest was 513.0gC·m-2, which was the highest for different vegetation types, followed by evergreen coniferous forest, meadow, cropland, shrub and steppe. The NPP differs greatly between different vegetation types. There was significant spatial difference of vegetation NPP, and the NPP of the south parts of the study area was higher than that of the north part. Since 1999, the government of China began to carry out the police that is “replace agriculture with forestation and conserve forest” in the study area. Before the project of returning farmland to forestland or grassland (1982-1998), there was no significant change of vegetation NPP in most regions of the study area. However, since the implementation of large-scale vegetation construction from 1999, the annual mean NPP of the study area has increased significantly at a rate of 5.38gC·m-2. About 66.6% of the study area showed an increasing NPP trend, especially in northern Shaanxi Plateau, Taihang-Lvliang mountains, where significant increase in vegetation NPP has been seen. The green for grain project has greatly improved the vegetation state. The NPP had a significant positive correlation with the precipitation, but it had no obvious relationship with temperature. Therefore, precipitation is the main factor driving vegetation NPP change.

Net primary productivity(NPP); AVHRR GIMMS NDVI; MODIS NDVI; CASA model; The Chinese Loess Plateau; Spatial and temporal variation; Climate factors

10.3969/j.issn.1000-6362.2016.04.009

2016-03-20

通訊作者。E-mail：yangzy@iwhr.com

國家自然科學基金項目（51409204）“流域土地利用/覆被變化對干旱的影響評價及綜合調控研究”；陜西省教育廳科學研究計劃項目（15JK1473）“基于CASA模型的黃土高原植被凈初級生產力的遙感估算研究”；西安科技大學科研培育基金項目（201605）“基于分布式水文模擬和遙感技術的干旱評價方法研究”

史曉亮（1985-），講師，主要從事資源環境遙感研究。E-mail：s_xiaoliang@126.com