北部灣南流江流域植被凈初級生產力時空分布及其驅動因素

田義超,黃遠林,張 強,陶 進,張亞麗,黃 鵠,周國清

1 北部灣大學資源與環境學院·海洋地理信息資源開發利用重點實驗室, 欽州 535000 2 北部灣大學廣西北部灣海洋生物多樣性養護重點實驗室, 欽州 535000 3 桂林理工大學廣西空間信息與測繪重點實驗室, 桂林 541004

全球氣候變化與陸地生態系統響應是當前全球變化研究的重要內容,有關地表植被覆蓋與環境演變的關系是全球變化中最復雜、最具活力的研究內容[1]。在全球生態系統中,植被是該系統的重要組成部分,植被在保持水土流失、調節大氣、維持氣候及整個生態系統穩定等方面具有重要的作用[2]。植被凈初級生產力是表征全球氣候變化和陸地生態系統響應的重要指標[3-4],它作為陸地生態系統中物質循環與能量流動的重要組成部分[5],不僅反映植物群落在自然環境和生態系統中的生產能力,也是判定生態系統的碳源、碳匯和評價陸地調節生態系統生態過程的主要因子[6]。因此,始于1987年的國際地圈—生物圈計劃[7]、全球變化與陸地生態系統[8]和全球碳項目[9]都將植被凈初級生產力的研究作為其核心研究內容之一。通過對歷史時期不同地域的植被凈初級生產力時空變化進行動態監測,可以理清區域生態環境變化情況,這對于理解全球氣候變化對陸地生態系統植被變化過程的作用機制,掌握研究區域碳源碳匯時空變化特征,促進區域生態建設具有重要的理論與現實意義。

早期在進行區域凈初級生產力監測時,主要依靠傳統的站點實測方法,該方法觀測效率低,難以在大尺度上進行推廣,因此采用模型模擬NPP成為一種可行且廣為接受的研究方法。自1876年Ebermayer開始對凈初級生產力的模型進行研究之后[10],國內外學者和專家提出了眾多的計算和觀測NPP的研究方法,并在模型模擬方面取得了一系列可喜的成果,推動了凈初級生產力模型及其模擬方法的進一步發展。目前,用于估算凈初級生產力的模型大體上可分為氣候相關統計模型[11],生態系統生態過程模型[12-13]和光能利用模型CASA (Carnegie Ames Stanford Approach)[14]等。CASA模型是光能利用率模型的一種,該模型利用光合有效輻射和光能利用率兩個參數來估算區域的凈初級生產力,同時引入最適溫度、水分利用效率等光合作用脅迫因子,比較適用于區域或者大尺度上的NPP時空動態監測與分析,甚至在全球尺度上的NPP時空動態監測方面得到了廣泛的應用。國內很多學者應用CASA模型對NPP時空變化特征及其對氣候變化的響應進行了定量研究,部分學者如樸世龍等[15]、朱文泉等[16]、周廣勝等[17]、穆少杰等[18]基于CASA模型或改進的CASA模型對中國以及NPP的時空分布特征開展了大量的研究工作。從研究的空間尺度來看,國內的NPP研究集中在全國以及東北、華北等區域,研究尺度多為省域、縣域以及鄉鎮等行政區單元[19],已有的流域尺度上凈初級生產力的研究成果也主要集中于北方典型流域,如黃河流域[20]、黑河流域[21]等。然而,對中國南亞熱帶獨流入海河流自20世紀初期以來凈初級生產力的演變規律、空間差異特征及其對氣候變化和人類活動的響應認識比較薄弱。

南流江流域,位于廣西壯族自治區東南部,是廣西獨流入海第一大河,發源于玉林市北流市大容山南側,自北向南流經北流、玉東、玉州、福綿、博白,是玉林的母親河。近年來,由于玉林市及其周邊市政府對流域的生態環境保護工作重視不夠,導致流域電廠、工業園區以及采礦場侵占流域中的自然保護區的現象時有發生,濫砍亂伐導致區域的水土流失嚴重,致使河流水質下降,目前針對該流域的生態環境缺乏定量化評估,已有研究關于生態環境的定量化評估多以定性分析為主,而關于南亞熱帶獨流入海河流NPP時空變化規律、氣候變化對植被的主控因素以及人類活動通過改造地表土地覆被類型繼而影響到流域NPP變化等方面的研究成果較少。另外,由于南流江流域地貌類型多樣,山地丘陵地貌分布于上游、河谷平原地貌分布于中游,而下游則以濱海濕地地貌為主,在如此復雜的陸海交錯地貌區如何定量識別氣候變化和人類活動對植被凈初級生產力的影響,在國際上不但缺少相關數據支持,更缺少方法技術上的經驗和貢獻。鑒于此,本研究以北部灣南流江流域為研究對象,基于光能利用率模型,利用遙感、氣象和植被類型等數據估算了南流江流域2000—2015年的凈初級生產力,借助于Theil-Sen趨勢、Mann-Kendall檢驗以及Hurst指數等數理統計方法對研究區NPP的時空變化特征、未來趨勢及其驅動力因素進行了定量分析。本研究不僅意義重大,同時可為南流江流域新時期水土保持工作,生態環境建設以及流域生態系統可持續性管理等工作的開展提供數據支撐和理論依據。

1 研究區概況

圖1 北部灣南流江流域在廣西區地理位置Fig..1 Location of the Nanliu River basin in the Beibu Gulf in Guangxi Autonomous Region

選擇北部灣南流江流域為研究區,該區位于廣西壯族自治區東南部,地處北緯21°21′—23°04′,東經105°47′—107°41′之間,東西長約139.22 km,南北長約155.06 km,面積9337.26 km2。該地區氣候屬南亞熱帶季風氣候,具有亞熱帶向熱帶過渡性質的海洋季風氣候特點,氣候溫暖,冬短夏長,流域多年平均氣溫在21.5—22.4℃,四季適宜農作物生長。均日照1630—1800 h,冬季偶有輕霜,無霜期長達320 d以上;多年平均降水量為1400—1760 mm。南流江流域是廣西獨流入海第一大河,發源于北流市大容山南側,自北向南流,故稱南流江。流域內地勢平坦,有玉林盆地、博白盆地和南流江三角洲,土地肥沃,農業發達。在下游,南流江分流入海,并且在出海處形成網狀河系,造就了廣西最大的三角洲——南流江三角洲。三角洲地勢低平,是廣西重要的稻谷、甘蔗、花生生產區,其外沿也多島嶼、灘涂,適宜捕撈和海產養殖。

2 數據來源與研究方法

2.1 數據來源

本研究所選用的數據包括氣象、歸一化指數NDVI、植被覆被類型以及DEM數據。氣象數據為2000年—2015年研究區各個氣象站點的逐日氣溫和逐日降水量數據,此數據來源于中國氣象科學數據共享服務網(http://cdc.cma.gov.cn)。凈初級生產力的估算主要選擇了氣象因子數據(降水量、氣溫和太陽凈輻射量)、植被類型數據和歸一化植被指數等數據。研究區植被覆被類型數據來源于全國2000—2010年生態環境調查30 m分辨率的生態系統分類數據;NDVI數據為研究區2000—2015年每月的MODIS13Q1遙感影像,來源于美國國家宇航局(http://modis.gsfc.nasa.gov),該數據的空間分辨率為250 m,獲取數據后利用MRT(Modis Reprojection Tools)工具、ArcGIS 10.2以及ENVI 5.1軟件對下載的遙感數據進行投影變換、裁剪等一系列操作,所有空間數據統一投影為WGS84、Albers Equal Area Conic投影坐標系統。1∶5萬DEM數據(http://www.gscloud.cn/)來源于中國地理空間數據云,主要用于研究區流域的劃定與提取,南流江流域矢量邊界的確定是通過ArcGIS 10.2中的Hydrology模塊進行流域邊界自動提取,依據《廣西水資源綜合規劃報告》南流江流域的上游段以博白水文站以上的區域為集水區,中游段和下游段的集水區則以小江水文站為劃分單元,下游段則主要是地勢比較平坦的南流江河口三角洲。

2.2 研究方法

2.2.1凈初級生產力估算CASA模型

凈初級生產力作為陸地地表碳循環過程的重要組成部分,能反映出陸地生態系統的質量狀況,但是直接或全面的測量出區域或全球尺度的NPP是很困難的。所以利用模型估算已經成為一種重要的研究方法。目前估算NPP的模型分為三類,分別為氣候生產力模型、生態系統模型和光能利用率模型。CASA(Carnegie-Ames-Stanford Approach)模型是一個基于過程的遙感模型[15],耦合了生態系統生產力和土壤碳、氮通量,由網格化的氣候、輻射、土壤和遙感植被指數數據集驅動,模型在計算時主要由植被所吸收的光合有效輻射(APAR)與光能轉化率兩個變量來確定。本研究在對北部灣南流江流域2000—2015年的陸地植被凈初級生產力進行估算時,采用的是朱文泉等改進的CASA光能利用率模型[18]。

2.2.2Theil-Sen Median趨勢分析

該研究將Theil-Sen趨勢分析方法與Mann-Kendall 檢驗方法[22]使用到NPP時間序列的分析當中,可以解釋植被NPP長期的變化的顯著趨勢。

Sen趨勢度(ρ)計算公式為：

(1)

式中,xj,xi為NPP時間序列。當ρ<0時,表示時間序列NPP成下降趨勢,當ρ>0時,表示時間序列呈上升趨勢,通過Mann-Kendall方法進行顯著性檢驗。

Mann-Kendall檢驗(MK檢驗)是在氣象學和水文學中,比較常用的時間序列趨勢檢驗方法之一。MK檢驗能夠剔除少數異常值,樣本不需要遵從一定的分布,適用于非正態分布的數據。

Mann-Kendall檢驗的公式為：

(2)

(3)

(4)

式中,Q為檢驗統計量;Z為標準化后的檢驗統計量;xj、xi為時間序列數據;n為樣本數,當n>8時,Q近似為正態分布,其均值和方差計算公式為：

E(Q)=0

(5)

(6)

標準化后Z為標準正態分布,若|Z|>Z1-ɑ/2,表示存在明顯趨勢變化。Z1-ɑ/2為標準正態分布表在置信度水平ɑ下對應的值。本文中置信度水平ɑ為0.05,自由度為15-2=13。根據研究區15年NPP年均值數據,基于Theil-Sen Median trend 和Mann-Kendall 檢驗分析原理,借助于MATLAB軟件編程實現NPP的逐象元柵格計算。

2.2.3凈初級生產力R/S分析

英國的水文學家Hurst[23]首先提出了R/S分析方法(Rescaled Range Analysis Method,重新標度極差分析法),后來該方法經過Mandelbrot和Wallis等學者的進一步修正和完善[24],很快將其發展成為研究長時間序列數據的經典方法,目前該方法已在在水文學、經濟學、氣候學等領域得到了廣泛的應用。不同的Hurst指數H的取值范圍為H(0

(1)若0.5

(2) 若H=0.5,表明NPP時間序列為互相獨立的隨機序列;

(3) 若0

2.2.4偏相關性分析

本研究采用基于象元分析的空間分析方法[25],在matlab19.0軟件的支持下計算NPP與氣溫和降水之間的關系,相關系數的分析公式如下：

(7)

偏相關系數計算公式如下：

(8)

式中,Rxy.z為固定自變量z之后因變量x與之變量y的偏相關系數,偏相關系數的顯著性檢驗一般采用t檢驗法[25]。

3結果與分析3.1植被凈初級生產力時間變化特征

2000—2015年北部灣南流江流域植被NPP總體上呈現出上升趨勢,增速為44.03 g C m-2(10 a)-1(圖2),明顯快于廣西自治區2000—2011年植被凈初級生產力(全區植被NPP的平均增長速率0.01g C m-2(10 a)-1[26]),未通過顯著性水平為0.01的檢驗。流域NPP的變化范圍為911.30—1075.44 g C/m2,平均值為995.25 g C/m2,最大值出現在2011年,其值達到1075.44 g C/m2,高出平均值80.19 g C/m2,最小值則出現在2006年,低于平均值83.95 g C/m2,從整體上來看,流域植被凈初級生產力呈現“波動―上升”趨勢,其中2011年為NPP的變化閾值點,2011年以前植被NPP呈現出上升趨勢,2011年以后則呈現下降趨勢。由不同流域分區凈初級生產力(圖2.b、c、d)可知：不同分區植被NPP的多年平均值均呈現出波動增加的趨勢,且NPP波動的幅度及規律與研究區整體上的NPP波動規律保持一致,但是其增長的速度存在顯著差異,具體來說,流域上游和下游地區植被NPP快于總體,而中游地區由于植被基質較好,年內NPP值都保持較高趨勢,增長速率慢于全區。

圖2 研究區不同區域植被NPP的空間變化率Fig.2 Spatial change rate of vegetation NPP in different regions of the study area

3.2 植被凈初級生產力空間變化特征

3.2.1年均值分布特征及其波動性

受南流江流域地形地貌、水汽以及植被覆蓋等自然因子空間格局的綜合影響,北部灣南流江流域植被凈初級生產力多年均值表現出明顯的地域分異規律。由圖3可知：南流江流域的中游植被NPP最高(1098.99 g C/m2),下游次之(1041.71 g C/m2),而上游最小(1013.22 g C/m2)。受到地形和地貌多種因素的共同影響,位于流域中游地區的六萬大山地帶、下游浦北縣西部及其西南部五皇山地帶是植被NPP的高值區域,由于該區域屬丘陵地貌類型,植被資源豐富,天然植被為南亞熱帶常綠季雨林,導致該該區域NPP較高,其值介于1100—1233 g C/m2之間。位于流域中游博白縣的南部地區以及流域下游靈山縣的南部地區NPP次之,其值范圍為900—1100 g C/m2,而玉林市的城郊地區以及流域下游的出海口的NPP則處于500—700 g C/m2之間。由于玉林市轄區和南流江三角洲合浦縣受到城市化擴張等人類活動的影響較大,導致區域植被退化嚴重,因此該區域植被NPP處于較低水平,其值為300—500 g C/m2之間,局部地區甚至小于300 g C/m2。綜上,流域多年NPP的平均值呈現出中游地區高,上游和下游地區低的空間分布格局。

2000—2015年植被凈初級生產力的空間波動程度如圖3所示,1)高波動性區域主要聚集于玉林市轄區及其周邊,南流江河口三角洲、合浦-欽州以及靈山的交錯地區、浦北縣與博白縣過渡地區,其中玉林市轄區周邊以及南流江河口三角洲主要受到人類活動的干擾較大,而合浦-欽州以及靈山的交錯地區,浦北縣與博白縣過渡地區這兩個片區分別為洪潮江水庫以及小江水庫,該地區水庫周邊濕地因季節性水位漲落而使周邊植被受到季節性淹沒的影響,因此凈初級生產力波動幅度較大;2)低波動性區域主要分布于六萬大山地帶以及西南部五皇山地帶,該區域植被主要與此區域的花崗巖性有關,屬于典型的亞熱帶季風雨林植被、原始森林等植被遍布于該區域,導致該區域凈初級生產力呈現出穩定狀態;3)中度波動性的NPP集中分布在合浦縣的低海拔地區,其次玉林市的鄉郊區周邊也有零星分布,該區域植被的中等波動性主要與該區域大片的農田植被有關。總體上來看,南流江流域NPP的多年分布呈現出明顯的空間分異規律,主要以低波動性為主,高波動性鑲嵌于低波動性周邊,兩個大型水庫周邊以及城鄉建設用地擴張區域處于高波動狀態,而流域的中部十萬大山地帶則處于低波動狀態。因此,未來應該適度加強對NPP高波動區域的保護和管理。

圖3 研究區NPP平均值及變異系數空間分布Fig.3 Spatial distribution of average NPP and its variation coefficient in study area

3.2.2NPP Sen變化趨勢及顯著性檢驗

為了揭示北部灣南流江流域凈初級生產力在過去16年的變化趨勢及其變化過程,本研究基于Theil-Sen趨勢以及Mann-Kendall檢驗方法,使用ArcGIS 10.2軟件對每年的NPP象元值進行提取,之后借助于Matlab 2013軟件對16年的NPP進行趨勢分析,將趨勢分析的結果與MK檢驗的結果進行疊加,可得到NPP增加與減少的空間分布情況,依據該方法可依次將NPP劃分為顯著減少,不顯著減少,不顯著增加以及顯著增加4種類別。由表1和圖4可知：北部灣南流江流域NPP在空間上呈現出增加的趨勢(增加區域的面積>減少區域的面積),其中NPP輕微減少的區域所占的比重最大,其值為46.57%,輕微增加占43.25%,明顯增加的區域為8.60%,顯著減少的區域所占比重最小,其值僅為1.58%。由圖4可知,NPP的sen趨勢值介于-77.10—74.80 g C m-2a-1之間,平均增長速率為9.29 g C m-2a-1。NPP顯著增加的區域主要集中在玉林市的南部地區、浦北縣的南部以及合浦縣的西部地區;不顯著增加的區域則主要分布于上游的河谷地區、浦北縣與博白縣的交錯地帶,另外靈山縣的東部地區也有大面積分布;不顯著減少的地區則主要分布于博白縣的六萬大山地區,該地區雖然植被的基質較好,植被凈初級生產力的平均值較高,但是該區域的NPP在過去16年期間則呈現出微度減少趨勢;顯著減少的區域則主要集中在玉林市的市轄區周邊以及合浦縣南流江流域的出海口附近,其中,玉林市植被凈初級生產力顯著減少的原因主要與該地區的城市化水平有關,而南流江出海口NPP之所以呈現出顯著減少趨勢究其原因則主要與該地區植被受到大范圍破壞,其植被大面積轉變為蝦塘和魚塘有關。

圖4 研究區凈初級生產力空間變化趨勢及顯著性檢驗Fig.4 Spatial distribution of NPP sen trend and its Mann-Kendall test in study area

表1 研究區凈初級生產力變化趨勢

Sen trend：Theil-Sen趨勢;Z：顯著性水平

3.2.3植被凈初級生產力Hurst指數及未來變化趨勢

由圖5可知,北部灣南流江流域凈初級生產力Hurst的范圍為0—0.99993,平均值為0.70,植被凈初級生產力的反持續序列僅占到區域整體的NPP百分比為0.3986%,持續性序列占到區域整體的的NPP百分比為99.6014%。從圖6中NPP的正態分布圖中可知反持續性、弱反持續性、弱持續性和強持續性的面積百分比分別為0.34%、2.85%、75.73%和21.08%。北部灣南流江流域凈初級生產力Hurst指數的正態分布圖的空間形狀表現出單峰右偏趨勢,說明多年NPP的均值持續性趨勢顯著大于反持續性,由此可知南流量流域植被凈初級生產力NPP整體的變化趨勢則處于持續性的狀態。從凈初級生產力Hurst指數空間分布狀況(圖5)可以看出,南流江流域Hurst指數分布的趨勢為：弱持續性呈現出大面積分布狀態,強持續性分布于流域的河谷地帶,而強反持續與弱反持續性則零星散布于研究區的上游以及下游地區。

為了更進一步明晰北部灣南流江流域凈初級生產力NPP的變化趨勢及其未來的可持續性特征,本研究將NPP Sen趨勢的顯著性檢驗值(圖4)與Hurst指數的計算結果(圖5)在ArcGIS 10.2中進行疊加分析,可以得到北部灣南流江流域植被凈初級生產力增加、減少與未來可持續性的耦合圖(圖6)。由(圖6和表2)可以看出：在NPP空間尺度上,南流江流域未來植被凈初級生產力持續性增加的序列所占的百分比(51.64%)高于持續性減少的百分比(45.18%)。其中強持續性減少的組合所占的面積比重為5.52%,主要分布于玉林市的城鄉過渡地區、博白縣的東南部、靈山縣的南部,其次,合浦縣的南流江流域出海口也有大面積分布;弱持續性減少的組合所占的百分比最大,其值為39.66%,主要分布于南流江流域中游的六萬大山地帶,另外,流域下游的五皇山地區也有大范圍分布;弱持續性增加的組合所占的百分比與弱持續性減少的比重相當,其值為36.07%,主要分布于流域上游河谷地區向山體的過渡地帶,其次流域下游的河谷地區也有少量分布;強持續性增加的組合所占的百分比最小,僅為15.57%,主要分布于流域的上游的河谷地帶,而強反持續與弱反持續性則零星散布于研究區的上游以及下游地區十萬大山的南麓地帶、浦北縣的東南部,另外,欽州-合浦-靈山的交錯地帶也呈現出片狀分布狀態,凈初級生產力Hurst在該類區域呈現出持續性增加的區域,預示著未來凈初級生產力將有持續性增加趨勢。

圖5 Hurst指數和NPP持續性特征Fig.5 Hurst and sustainability of inter-annual NPP in study area

圖6 Hurst+sen指數空間分布及指數正態分布圖Fig.6 The spatial structure of Hurst+sen index and Normal distribution plot of the Hurst index

3.3 植被凈初級生產力驅動因素

3.3.1氣象因子的特征及其變化趨勢

由于南流江流域可用的氣象站點數據非常稀少,本研究將運用泰森多邊形對附近的雨量站進行插值,可以得出南流江流域降水和氣溫的變化特征(圖7)及其空間分布狀況(圖8)。南流江流域2000—2015年均降水量介于1361.50—2431.16 mm之間,多年均值為1802.09 mm,其中2008年的年均降水量最大,而最小值則出現在2004年,2000—2015年降水量呈現出顯著增加趨勢(P<0.01),增加的速率為177.35 mm/10 a;南流江流域2000—2015年均氣溫介于21.69—23.17 ℃之間,多年均值為22.53 ℃,其中2015年的年均氣溫最高,而最小值則出現在2011年,2000—2015年氣溫呈現出波動不顯著下降趨勢,下降的速率為0.019 ℃/10 a。

表2 凈初級生產力NPP趨勢以及Hurst指數統計特征

根據南流江流域2000—2015年的降水量和氣溫的多年均值空間分布特征(圖8)可以看出,氣溫多年平均的空間分布情況則呈現出明顯的地域分異規律,氣溫較高的地區主要分布在南流江流域的南部地區以及流域的河谷地帶,而流域西北部地區的浦北縣由于地處于六萬大山和五皇山的交接地區,平均海拔較高(六萬大山主峰六萬頂海拔1115 m),導致區域氣溫偏低。南流江流域由于受到季風氣候的影響,降雨量從流域南部到流域中游地區呈現出減小趨勢,且分布不均勻,東北部地區以及流域下游南部地區之間地區的降雨較多,尤其是下游的合浦縣,降雨量最多,流域的東南部降水量偏少。

圖7 研究區年降水量和氣溫變化趨勢Fig.7 Variation trend of annual precipitation and temperature in study area

圖8 研究區多年平均降水量和氣溫空間分布Fig.8 Spatial distribution of annual precipitation and temperature in study area

3.3.2植被NPP與氣象因子之間的關系

降水和氣溫等氣象因子的變化對陸表植被的生長具有重要的作用,為了定量識別流域凈初級生產力對氣象因子的響應特性,本研究逐像元計算了流域2000—2015年的植被凈初級生產力與年均降水量和年均氣溫之間的偏相關系數(圖9),由圖可知,凈初級生產力對氣溫和降水的響應特性表現出顯著的空間差異特征,且植被NPP對氣溫的相關系數高于對降水的偏相關系數。由植被NPP與年均氣溫的偏相關空間特征(圖9)可知,植被NPP對氣溫的偏相關系數介于-0.87—0.95之間,平均值為0.09,由均值可知植被NPP與氣溫之間呈現出正相關關系,表明在南流江流域氣溫越高的地區凈初級生產力越高。具體來說,在北部灣南流江流域,植被NPP與氣溫的偏相關系數正負相關區域分別占流域總面積的15.91%和80.09%,其中只有1.95%的正相關區域通過了顯著性水平為0.01的檢驗,主要分布于玉林市的西北部地區,而21.93%的負相關區域通過了顯著性水平為0.01的檢驗,主要分布于南流江流域的中游地區,其次浦北縣的西南部也有斑塊狀分布。植被NPP對降水的偏相關系數介于-0.96—0.86之間,平均值為-0.25,由均值可知植被NPP與氣溫之間呈現出負相關關系,表明在南流江流域降水越高的地區凈初級生產力越低。具體來說,在北部灣南流江流域,植被NPP與降水的偏相關系數正負相關區域分別占流域總面積的62.56%和37.44%,其中18.26%的正相關區域通過了顯著性水平為0.01的檢驗,主要分布于浦北縣與博白縣的交接地帶,而21.93%的負相關區域通過了顯著性水平為0.01的檢驗,主要分布于浦北縣的五皇山地區。綜上,植被凈初級生產力NPP與氣溫呈正相關性,與降水呈負相關性的特征。

圖9 研究區NPP與氣溫和降水的偏相關系數Fig.9 The partial correlation coefficient between NPP and temperature and precipitation in study area

3.3.3植被NPP與土地利用之間的關系

流域凈初級生產力NPP的變化主要受到氣候變化和人類活動的影響,其中氣候變化中的降水和氣溫對植被凈初級生產力的變化具有重要的作用,而人類活動對凈初級生產力的影響則主要通過土地利用方式的改變來體現。本研究為了揭示土地利用變化對植被NPP的損耗與增益效應,將南流江流域2000—2015年的土地利用圖進行空間疊置分析,在北部灣南流江流域土地利用變化圖譜中(圖10),共有36類土地利用圖譜單元,1類未發生轉化,其中南流江流域上游玉林市的北部地區以及下游的合浦縣是土地利用轉移過程最為復雜的區域,在上游中耕地轉變為建設用地的區域所占的比重最大,而下游則以耕地變為濕地地類為主,當地村民以漁業養殖為主,土地多用于蝦塘和魚塘養殖,分布區域主要集中在南流江流域的下游地區。將土地利用發生變化的圖譜單元按照面積遞降的順序進行排序,在GIS中計算每個圖譜單元的變化率(表3),其中前15類的土地利用圖譜發生轉移的面積累積百分比達到總變化面積的95.31%。

圖10 研究區土地利用變化圖譜及其空間集聚特征Fig.10 Land use changes during the period of 2000—2015 in study area

從表3和圖10中可以看出,近16年來南流江流域土地利用類型面積變化的最大的圖譜單元為“耕地-建設用地”,研究期內共有4780.62 hm2的耕地轉化為建設用地,占總變化面積的百分比為34.24%,由土地利用面積變化導致的NPP損失值達到4715.62 t/a,其面積分布區域主要集中在流域上游玉林市的城鄉過渡地帶。林地轉換為建設用地的面積所占的比重次之,占到變化面積的20.20%,由林地轉化為建設用地所導致的NPP損失值達到2835.19 t/a,變化圖譜主要分布靈山縣與合浦縣的交接地帶,該地區主要是受到靈山縣的擴張,周邊林地受到人類活動的濫砍亂伐導致林地面積大幅度降低;耕地轉換為林地的圖譜單元位居第三位,其面積為1408.59 hm2,占所有變化面積的10.09%,該圖譜單元所導致的NPP損失值達到2510.03 t/a,空間分布區域上主要集中在南流江流域中游的博白縣南部的河谷地區,說明退耕還林還草使得人類對于森林干擾減少,使其流域中游地區植被得到較好恢復;而草地轉換為建設用地的比重最小,其值僅為1.10%,導致NPP減少的損失值僅為184.63 t/a。

3.3.4不同分區氣候因子及土地利用變化與NPP的關系

從表4中可以看出,在不同波動區、不同變化區以及不同持續區多年平均NPP與降水的偏相關系數都為負值,而與氣溫的相關系數均為正值,說明在北部灣地區氣候因子中的氣溫對植被的凈初級生產力起到控制作用。就不同波動區而言,高波動區植被對氣溫的相關系數高于降水,且高波動性區域土地利用變化的幅度顯著大于低波動性區域;從不同變化趨勢區可以看出,NPP增加的區域與降水和氣溫的相關系數的絕對值都為0.27,但是不同土地利用變化的面積核密度值在NPP增加區中小于NPP減少區,說明在南流江流域NPP的增加趨勢與土地利用的穩定性有著直接的關系,土地利用變化越劇烈,區域的NPP增長的趨勢則越慢;就NPP未來變化趨勢而言,持續性序列與降水和氣溫的相關系數都小于反持續性序列,且土地利用面積變化核密度值在持續性區域中小于反持續性區域,這與不同變化趨勢區NPP與土地利用的關系類似,流域土地利用變化越劇烈則區域的NPP的可持續性則呈現出降低趨勢。

表3 研究區2000—2015年土地利用變化類型變化排序及其導致的NPP減少值

表4 不同分區氣候因子及土地利用變化與NPP的關系

4 討論

4.1 植被凈初級生產力模型精度驗證

圖11 CASA模型估算NPP與MODIS17數據的關系Fig.11 Correlation of simulated NPP based on CASA model and MODIS17 data

區域凈初級生產力的精度評價一直以來都是遙感學界以及生態學中的難點和有爭議的環節,NPP估算的結果驗證一般來說分為兩種,一種為實測值驗證,這種方法是通過估算值與實測的NPP數值進行對比驗證。另外一種是相對法,即通過將模型的估算結果與其他模型結果或者其他遙感產品進行對比來評價。第一種方法是通過野外獲得研究區的實測生物量,其數據比較可靠,但是目前南流江流域植被生物量的實地調查數據目前還未開展相關的研究工作。基于此,本研究采用第二種方法對CASA模型的估算結果進行精度驗證,所采用的精度驗證的產品為MODIS 17 NPP產品,該產品是基于BIOME-BGC模型計算出的全球凈初級生產力數據[27],國內也有大量的研究應用該產品驗證了CASA模型估算結果的可靠性,如謝寶妮等[28],孫慶玲等[29]和張繼平等[30]分別使用該產品對黃土高原、武陵山區以及三江源地區的凈初級生產力進行了精度和可靠性驗證。本研究在進行模型驗證時,由于原始的MODIS17 NPP產品的空間分辨率為1000 m,本研究首先對該數據進行重采樣到250 m,之后使用GIS的隨機采樣工具分別在MODIS17數據和本文結果上生成30%的采樣點,以此來分析二者之間的相關關系。從圖11可以看出,本文估算結果與MODIS17數據存在著顯著的相關性(P<0.01),相關系數為0.7943,但是本研究通過CASA模型估算的結果略低于MODIS17的平均值,這可能與MODIS17采用的是16天合成的植被指數中可能存在陰天或多云等情況,使得光合有效輻射吸收系數比實際值偏大,導致光合有效輻射的結果偏大,進而增大NPP的估算值。

4.2 植被凈初級生產力貢獻率識別及其未來研究方向

由于本研究中的南流江流域氣象站點偏少,尤其是太陽輻射站點較少,本文雖然采用了插值方法對氣象數據進行了處理,但是由于該流域廣泛存在高山地貌、丘陵地貌以及河谷地貌。因此還需要發展更為精確的插值方法以提高模型估算的精度。另外,本研究雖然采用偏相關分析方法量化了氣候因子對植被NPP的響應關系,利用土地利用變化轉移矩陣分析了流域土地利用變化導致的NPP增加和減少值,但是未對氣候變化和人類活動對流域的貢獻率和控制區域進行定量識別,因此未來可以從兩方面進行入手,一方面可以采用相關的數據模型,如殘差分析模型[31]建立回歸分析方程,對每年的NPP殘差序列進行Sen趨勢度分析,以得到的趨勢值為標準,如果趨勢值為正值,說明NPP象元值受到人類活動的影響,反之,則NPP象元值則受到氣候變化的影響,利用正負值所占的比例可以計算氣候變化和人類活動對植被NPP的貢獻率。另一方面,可以通過統計研究區牲口的數量、草地、坡耕地的面積在研究區植被恢復方面的貢獻比例。因此,關于氣候變化和人類活動對凈初級生產力的貢獻率將是本研究以后重點的研究方向。

5 結論

本文以北部灣南流江流域為研究對象,基于光能利用率模型(CASA),利用遙感、氣象和植被等數據估算了研究區2000—2015年流域的凈初級生產力,借助于Theil-Sen趨勢、Mann-Kendall檢驗以及Hurst指數等數理統計方法對研究區NPP的時空變化特征、未來趨勢及其驅動因素進行了定量化分析。研究結果表明：

(1)時間尺度上,2000—2015年北部灣南流江流域植被凈初級生產力NPP總體上呈現出波動上升趨勢,增速為44.03 g C m-2(10 a)-1,明顯快于廣西自治區2000—2011年植被凈初級生產力,未通過顯著性水平為0.01的檢驗。流域上游和下游地區植被NPP快于全區,而中游地區慢于全區,其中,流域上游、中游和下游的凈初級生產力年平均增加速度分別為：54.17g C m-2(10 a)-1、31.74g C m-2(10 a)-1和46.1g C m-2(10 a)-1。多年平均凈初級生產力介于911.30—1075.44 g C/m2之間,平均值為995.25 g C/m2,最大值出現在2011年,其值為1075.44 g C/m2,高出平均值80.19 g C/m2,最小值則出現在2006年,低于平均值83.95g C/m2。(2)空間尺度上,流域植被凈初級生產力的分布呈現出明顯的地域分異規律,中游植被凈初級生產力最高(1098.99 g C/m2),下游次之(1041.71 g C/m2),而上游最小(1013.22 g C/m2)。NPP的Sen趨勢度介于-77.10—74.80 g C m-2a-1之間,流域凈初級生產力在空間上呈現出增加的趨勢,其中NPP顯著減少的區域所占1.58%,輕微減少占46.57%,輕微增加占43.25%,而明顯增加占8.60%。

(3)空間波動性上,流域凈初級生產力的變異系數較大,其值介于0.01—0.70。流域NPP的多年平均值呈現出明顯的空間分異規律,主要以低波動性為主,其中,洪潮江水庫、小江水庫周邊以及玉林市的城鄉建設用地擴張區域處于高波動狀態,而流域的中部六萬大山以及五皇山地帶則處于低波動狀態。

(4)未來變化趨勢上,流域凈初級生產力Hurst的范圍為0—0.99,平均值為0.70,植被凈初級生產力的反持續序列僅占到區域整體的NPP百分比為0.3986%,持續性序列占到區域整體的的NPP百分比為99.6014%,Hurst指數正態分布圖呈現單峰右偏分布,即NPP均值的持續性序列顯著大于反持續性序列,預示著流域NPP未來處于持續增加的趨勢。

(5)驅動機制上,流域NPP與多年平均氣溫呈正相關關系,與年均降水量呈負相關關系,表明溫度是影響該流域植被NPP的主要氣候因子。由耕地轉化為建設用地,導致的NPP損失值最大,其值達到4715.62 t/a,林地轉換為建設用地所導致的NPP損失值次之,其值為2835.19 t/a,而草地轉換為建設用地導致NPP損失值最小,其值僅為184.63 t/a。