2001—2013年黃土高原植被凈初級生產力時空變化及其歸因

周夏飛 馬國霞 曹國志 賈倩 於方

摘要基于光能利用率模型（CASA），利用遙感數據、氣象數據和基礎地理數據，測算了2001—2013年黃土高原植被凈初級生產力（NPP），并輔以一元線性回歸、Hurst指數及相關分析等方法，分析了2001—2013年黃土高原NPP時空變化特征、未來變化趨勢及其驅動因素。結果表明，2001—2013年黃土高原植被年均NPP呈顯著增加趨勢，年增速為4.9 g/（m2·a）。黃土高原植被NPP空間分布差異顯著，表現出由東南向西北遞減的趨勢。黃土高原植被NPP呈增加趨勢和減少趨勢的面積分別占78.0%和22.0%。Hurst指數表明研究區未來植被NPP變化的正向特征顯著，呈持續性和反持續性的比重分別為72.1%和28.9%。黃土高原植被NPP變化與降水、氣溫相關性不大，人類活動是影響植被NPP變化的重要因素，且對NPP有雙重影響。

關鍵詞植被凈初級生產力；時空；黃土高原

中圖分類號Q948.1文獻標識碼A文章編號0517-6611（2017）14-0048-06

AbstractBased on the CarnegieAmesStanfordApproach （CASA）， the Net Primary Productivity （NPP） of vegetation in the Loess Plateau during 2001-2013 was measured and calculated with the related remote sensing data， meteorological data and basic geographic data. The temporal and spatial variation characteristics of NPP in the Loess Plateau during 2001-2013， the future trend and its driving factors were analyzed. The results showed that：The average annual NPP of vegetation in the Loess Plateau increased significantly during 2001-2013， with an annual growth rate of 4.9 g/（m2·a）.The spatial distribution of vegetation NPP in the Loess Plateau showed a significant trend， with a decreasing tendency from southeast to northwest.The area of improved and degraded NPP accounts for 78.0% and 22.0% of the total study area， respectively.The NPP of the vegetation in the study area was supposed to have a significant positive trend， the area of positive and reverse characteristic accounts for 72.1% and 28.9% of the total study area， respectively.There was no significant correlation between the NPP change and the precipitation as well as the air temperature in the Loess Plateau. The human activities were the core elements affecting the change of the vegetation NPP， leading to both negative effect and positive effect.

Key wordsNPP；Spatialtemporal；Loess plateau

植被凈初級生產力（NPP）是指單位時間、單位面積上，植被通過光合作用所產生的有機物總量扣除自養呼吸后的剩余部分[1]。NPP作為地表碳循環的重要組成部分[2]，不僅能反映植被群落在自然環境條件下的生產能力，表征陸地生態系統的質量狀況[3]，還是判定生態系統碳源、碳匯和調節生態過程的主要因子[4]。目前，全球/區域碳源、碳匯、碳平衡成為全球變化科學研究的熱點問題之一[5-7]。因此，動態監測NPP在調節全球碳平衡、維護氣候穩定及減緩溫室效應等全球變化問題中具有重要意義[8]。

黃土高原地處干旱和濕潤的過渡區，是我國生態環境最為脆弱、水土流失最為嚴重的地區之一[9]。為改善黃土高原日益惡化的生態環境，從1999年開始我國在黃土高原地區實施退耕還林還草等大規模植被建設。1999—2010年黃土高原累計造林面積已達到1 890.6×104 hm2，該地區植被得到一定恢復[10-11]。然而，如此大規模的生態工程，很可能會改變黃土高原地區生態系統景觀格局，從而影響生態系統特征，而其直接體現在NPP變化上。因此，研究黃土高原自退耕以來NPP的變化具有重要的生態學意義[12]。

目前，已有學者對黃土高原植被NPP開展了大量研究，并取得了一定成果。謝寶妮等[12]研究表明，2000—2010年黃土高原大部分地區NPP呈增加趨勢；史曉亮等[10]研究指出，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；李登科等[13]基于MOD17A3數據集的研究認為，2000—2006年陜西省大部分地區NPP呈增加趨勢；許紅梅等[14]研究指出，黃土丘陵溝壑區植被NPP對溫度升高比對降雨變化的響應更為敏感。 綜上，以往研究多局限于對植被NPP時空變化特征進行分析，并從整體上探討植被與氣候因子的相關性，而關于黃土高原地區植被NPP變化未來趨勢尚不明確。筆者基于光能利用率模型（CASA），利用遙感數據、氣象數據和基礎地理數據測算2001—2013年黃土高原NPP，并輔以一元線性回歸、Hurst指數、相關分析等方法，分析植被NPP時空變化特征、未來趨勢及其驅動因素，以期為黃土高原生態環境保護、建設及生態環境管理提供科學依據。

1資料與方法

1.1研究區概況 黃土高原位于我國中部偏北，地理坐標為33°43′～41°16′ N，100°54′～114°33′ E，總面積64萬km2。在行政單元上，區域地跨山西、陜西、甘肅、青海、河南、寧夏以及內蒙古等省區（圖1）。該區地勢西高東低，平均海拔在1 500～2 000 m，氣候為大陸性季風氣候，冬季寒冷干燥、夏季炎熱少雨，年均氣溫3.6～14.3 ℃，年降水量300～800 mm。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，主要土壤類型為黃綿土、草原風沙土和褐土。

1.2數據來源

1.2.1遙感數據。遙感數據為2001—2013年的MOD13A1數據，來源于美國國家航空航天局（NASA）的EOS/MODIS數據產品（http：//e4ftl01.cr.usgs.gov），空間分辨率為500 m×500 m，時間分辨率為16 d。由于MODIS/NDVI產品經過水、云、氣溶膠等處理，保證了數據質量，加之較高的空間分辨率，因此被廣泛應用于植被NPP估算的研究中。首先，利用MRT（MODIS Reprojection Tools）將4景MOD13A1數據進行合并，并將其投影為Albers（Albers Conical Equal Area）；然后，采用最大合成法（MVC），消除異常值的影響，合成月NDVI數據；最后，利用研究區邊界裁切NDVI影像，得到2001—2013年逐月NDVI影像。

1.2.2土地利用類型數據。采用的土地利用類型數據為2001—2013年的MCD12Q1，來源于美國國家航空航天局（NASA）的EOS/MODIS數據產品（http：//e4ftl01.cr.usgs.gov），空間分辨率為500 m×500 m。該數據集下共有5種土地覆蓋分類方案，采用第1種分類方案即IGBP全球植被分類體系，將其劃分為常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林等17類。數據處理流程同遙感數據處理流程一致。

1.2.3氣候數據。采用的氣象數據為2001—2013年黃土高原73個氣象站點的逐日數據（平均氣溫、降水量、日照時數），來源于中國氣象數據網（http：//data.cma.cn/）。

1.2.4造林面積數據。來源于各省區統計年鑒和《中國林業統計年鑒》。

1.3研究方法

1.3.1植被NPP估算。采用基于遙感和光能利用率改進的CASA模型[4，15]來估算植被NPP。NPP主要由植被所吸收的光合有效輻射與實際光能利用率2個變量確定，詳細計算過程參考朱文泉等[4，15]的方法。

1.3.2趨勢分析。 采用一元線性回歸分析方法分析2001—2013年黃土高原13年每個柵格植被NPP的變化趨勢，計算公式為

式中，Slope為趨勢線的斜率，即NPP的變化趨勢；Yi為柵格第i年的NPP值；n為監測時段的年數（n=13）。Slope>0時，表明NPP呈增加趨勢；Slope<0時，表明NPP呈下降趨勢。

1.3.3Hurst指數。 Hurst指數是預測時間序列數據相對于過去未來發展趨勢的一個重要指數，目前被廣泛應用于水文、氣象等經濟領域[16-18]。基于重標極差（R/S）的Hurst指數是定量描述時間序列信息長期依賴性的有效方法，其基本原理[19]是：

（1）定義一個時間序列

若存在R/H∝τH，則說明時間序列{ξ（t）}，t = 1，2，…存在 Hurst現象。H值稱為Hurst指數，其值可在雙對數坐標系（lnτ，lnR/S）中用最小二乘法擬合得到。Hurst指數為0～1.0，02結果與分析

2.1植被NPP數據驗證 對模擬結果進行驗證是后期結果分析的基礎。區域NPP模型模擬精度驗證方法主要有2種：一種是與實測數據進行比較；另一種是與其他模型模擬結果進行比較。由于黃土高原實測數據相對較少，筆者將模型估算的2001—2013年各植被類型平均NPP與其他模型模擬的結果及部分實測數據進行比較，結果見表1。由表1可知，該研究模擬的平均NPP值與同期的MOD17A3數據的值較為接近，基本在實測范圍值內，與其他模型估算的結果差距也不大，表明估算結果具有一定的可靠性。

2.2植被年均NPP年際變化 由圖2可知，2001—2013年黃土高原植被NPP的年際波動較大，但總體上呈增加趨勢，年增速為4.9 g/（m2·a）（P< 0.05）。植被年均NPP在2001年最低[274.0 g/（m2·a）]，2013年最高[378.0 g/（m2·a）]，平均值為333.0 g/（m2·a）。值得注意的是，植被NPP在2006和2010年年均NPP下降較大，前者可能是由于2006年降水稀少，導致NPP有所下降，后者可能是由于新退耕還林的植被覆蓋較低所致。

由圖3可知，2001—2013年NPP > 500 g/（m2·a）的區域面積百分比整體呈增加趨勢，而NPP < 100 g/（m2·a）的區域面積百分比整體呈減少趨勢。NPP > 500 g/（m2·a）的植被主要為林地，說明退耕還林還草使得人類對于森林干擾減少，使其得到較好的恢復。

2.3植被年均NPP空間變化

2.3.1空間分布特征。 從空間分布來看（圖4），黃土高原NPP格局呈現由東南向西北遞減的趨勢，高值區主要分布在陜西省南部、甘肅省南部、青海省、河南省等地區，這主要是由于這些區域的植被類型主要為針葉林、灌叢，植被長勢也相對較好；低值區主要分布在內蒙古、寧夏南部、甘肅北部等地區，這些地區多為牧區和荒漠，植被覆蓋較少、環境較為惡劣。

2.3.2空間變化趨勢。 從空間變化上看（圖5），黃土高原NPP整體上呈增加趨勢，呈增加趨勢和減小趨勢的面積分別占總面積的78.0%和22.0%，其中28.0%的區域呈顯著增加趨勢，主要分布在陜西北部、山西北部、寧夏南部、青海南部等區域，這可能是由于這些地區原本的植被覆蓋度相對較低，然而在“退耕還林還草”等工程實施下，該地區NPP呈增加趨勢；黃土高原僅有4.0%的區域呈顯著下降趨勢，主要分布在內蒙古西部、寧夏北部，這主要是由于這些地區城市化進程速度加快，占用了大量林地、草地，導致其NPP下降。

2001-20132.4植被NPP未來趨勢黃土高原植被NPP的Hurst指數平均值為0.551 8，其中，Hurst指數大于0.5的像元數占72.1%，說明植被NPP變化的正向特征顯著；而Hurst指數小于0.5的像元數占28.9%。Hurst指數高值區主要分布在內蒙古、寧夏西部、甘肅省北部、青海省等地區，說明這些地區植被NPP變化具有同向特征，即未來變化趨勢與過去變化趨勢一致；而Hurst指數低值區主要分布在陜西省西部及南部、寧夏東部及南部、山西省等地區，說明這些地區植被NPP變化具有反向特征，即未來變化趨勢與過去變化趨勢相反（圖6）。

將Hurst指數與一元線性回歸分析結果進行疊加分析發現，植被NPP持續改善地區主要分布在內蒙古南部、陜西北部、甘肅北部、寧夏南部等地區，這主要是由于這些區域長期實行退耕還林工程，已取得明顯效果；植被NPP持續退化地區主要分布在陜西南部、內蒙古北部、青海北部等地區，這可能是由于這些區域未開展退耕還林工程或工程措施不到位；植被NPP由改善轉退化地區主要分布在陜西中部、甘肅南部、山西等地區，這可能是由于退耕還林工程措施不到位；植被NPP由退化轉改善地區主要分布在青海省西部、內蒙古西部、山西東部等地區，這可能是由于這些區域之前未實施退耕還林工程，近年來開始開展退耕還林工程所致（圖6）。

2.5黃土高原植被NPP影響因素

2.5.1植被NPP與氣候因子的相關性。 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，因此筆者利用逐像元的相關分析方法，分別對2001—2013年的年植被NPP、年降水量和年平均氣溫的相關系數進行分析，從而在空間尺度分析植被NPP與主要氣候因子的關系。從圖7可以看出，黃土高原植被NPP與年降雨量和年均溫具有一定的相關性，但相關性不大。在黃土高原，73.3%的區域年降雨量與NPP呈正相關，其中僅有6.9%的區域通過了0.05顯著性檢驗，主要分布在黃土高原東部及西部地區，表明降水量增加，NPP增加；60.8%的區域年均溫與NPP呈負相關，其中僅有9.9%的區域通過了0.05顯著性檢驗，主要分布在黃土高原北部，這些區域NPP隨著溫度的升高反而減小（圖7）。

2.5.2人類活動的影響。除氣溫、降水等自然因素外，人類活動也會對黃土高原NPP的時空分布格局產生重要影響，人類活動對其影響包括正面影響（如退耕還林）和負面影響（如城市擴張）。筆者主要分析了黃土高原退耕還林工程的歷年累積造林面積與植被NPP變化情況，結果見圖8。由圖8可知，自1999年退耕還林還草工程實施以來，黃土高原造林面積持續上升，植被NPP總體上也表現出升高趨勢，表明退耕還林還草工程可以在一定程度上提高植被NPP，有效改善黃土高原的生態環境；但NPP變化并未與造林面積變化嚴格一致，存在一定的波動性，尤其是2010年波動較大，這可能是由于近年來城市化、放牧等活動對植被NPP造成負面影響。

3結論與討論

該研究以黃土高原為研究區域，基于光能利用率模型（CASA），利用遙感數據、氣象數據和基礎地理數據測算了2001—2013年黃土高原植被凈初級生產力（NPP），并輔以一元線性回歸、Hurst指數、偏相關分析等方法，分別從3個尺度分析了植被NPP時空變化特征、未來趨勢及驅動因素，得到以下結論：

（1）2001—2013年黃土高原植被年均NPP呈增加趨勢，年增速為4.9 g/（m2·a），植被年均NPP在2001年最低[274.0 g/（m2·a）]，2013年最高[378.0 g/（m2·a）]，平均值為333.0 g/（m2·a）。

（2）黃土高原NPP格局呈現由東南向西北遞減的趨勢，高值區主要分布在陜西省南部、甘肅省南部、青海省、河南省等地區，低值區主要分布在內蒙古、寧夏、甘肅北部等地區。

（3）黃土高原NPP整體上呈增加趨勢，呈增加趨勢和減小趨勢的面積分別占總面積的78.0%和22.0%，其中28.0%的區域呈顯著增加趨勢，主要分布在陜西北部、山西北部、寧夏南部、青海南部等區域。

（4）Hurst指數分析表明，黃土高原植被NPP變化正向特征顯著，植被NPP由改善轉退化的地區主要分布在陜西中部、甘肅南部、山西等；植被NPP由退化轉改善的地區主要分布在青海西部、內蒙古西部、山西東部等。

（5）黃土高原植被NPP與降水量及溫度相關性不大，73.3%的區域年降雨量與NPP呈正相關，其中僅有6.9%的區域通過了0.05顯著性檢驗；60.8%的區域年均溫與NPP呈負相關，其中僅有9.9%的區域通過了0.05顯著性檢驗。

（6）植被NPP變化是氣象變化和人類活動共同作用的結果，區域氣候變化不大背景下，隨著“退耕還林”等一系列生態保護工程的實施，黃土高原生態環境將進一步好轉。

由于受遙感數據（MODIS數據）時間分辨率的影響，該研究未分析黃土高原大規模生態工程實施前后的植被NPP時空演變。采用逐像元線性回歸模型融合多種數據源構建長時間序列遙感數據，并進行植被NPP估算，深入分析黃土高原退耕還林前后NPP變化及原因是未來研究的重點。

參考文獻

[1] FIELD C B，RANDERSON J T，MALMSTRM C M.Global net primary production：Combining ecology and remote sensing[J].Remote sensing of environment，1995，51（1）：74-88.

[2] PIAO S L，CIAIS P，LOMAS M，et al.Contribution of climate change and rising CO2 to terrestrial carbon balance in East Asia：A multimodel analysis[J].Global & planetary change，2011，75（3/4）：133-142.

[3] FIELD C B，BEHRENFELD M J，RANDERSON J T，et al.Primary production of the biosphere：Integrating terrestrial and oceanic components[J].Science，1998，281（5374）：237-240.

[4] 朱文泉，張錦水，潘耀忠，等.中國陸地生態系統生態資產測量及其動態變化分析[J].應用生態學報，2007，18（3）：586-594.

[5] 方精云，郭兆迪，樸世龍，等.1981～2000年中國陸地植被碳匯的估算[J].中國科學（D輯：地球科學），2007，37（6）：804-812.

[6] LOBELL D B，HICKE J A，ASNER G P，et al.Satellite estimates of productivity and light use efficiency in United States agriculture，1982-98[J].Global change biology，2002，8（8）：722-735.

[7] 李晶，任志遠.基于GIS的陜北黃土高原土地生態系統固碳釋氧價值評價[J].中國農業科學，2011，44（14）：2943-2950.

[8] 張巖，韋振鋒，黃毅.1999-2012年三江源區植被凈初級生產力及固碳釋氧量測評[J].水土保持通報，2016，36（1）：100-105.

[9] 趙安周，劉憲鋒，朱秀芳，等.2000～2014年黃土高原植被覆蓋時空變化特征及其歸因[J].中國環境科學，2016，36（5）：1568-1578.

[10] 史曉亮，楊志勇，王馨爽，等.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[J].中國農業氣象，2016，37（4）：445-453.

[11] 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.

[12] 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.

[13] 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.

[14] 許紅梅，高清竹，黃永梅，等.氣候變化對黃土丘陵溝壑區植被凈第一性生產力的影響模擬[J].生態學報，2006，26（9）：2939-2947.

[15] 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.

[16] 張翀，任志遠.黃土高原地區植被覆蓋變化的時空差異及未來趨勢[J].資源科學，2011，33（11）：2143-2149.

[17] 李雙雙，延軍平，萬佳.近10年陜甘寧黃土高原區植被覆蓋時空變化特征[J].地理學報，2012，67（7）：960-970.

[18] 劉憲鋒，任志遠，林志慧，等.2000-2011年三江源區植被覆蓋時空變化特征[J].地理學報，2013，68（7）：897-908.

[19] 江田漢，鄧蓮堂.Hurst指數估計中存在的若干問題：以在氣候變化研究中的應用為例[J].地理科學，2004，24（2）：177-182.

[20] 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.

[21] 陶波.中國陸地生態系統凈初級生產力與凈生態系統生產力模擬研究[D].北京：中國科學院地理科學與資源研究所，2003.

[22] NI J，ZHANG X S，SCURLOCK J M O.Synthesis and analysis of biomass and net primary productivity in Chinese forests[J].Annals of forest science，2001，58（4）：351-384.