淮河流域植被凈初級生產力與干旱的相關性分析

史曉亮 陳沖 尚雨

摘要：基于CASA（Carnegie-Ames-Stanford approach）模型估算2001—2016年淮河流域植被凈初級生產力，分析其時空變化特征，并結合降水距平百分率，探討干旱對植被凈初級生產力（net primary productivity，NPP）的影響。結果表明，2001—2016年淮河流域年均NPP值呈現遞減趨勢，遞減速率為-2.22 g C/（m2·年）;淮河流域年均NPP值空間分布差異明顯，表現為河南南部和安徽南部地區植被NPP減少明顯，而處于增長趨勢的區域主要位于山東省和江蘇省大部分地區;隨著干旱影響范圍的增加，淮河流域年均植被NPP呈降低趨勢。干旱與植被NPP呈正相關的區域占整個流域總面積的93.1%，兩者呈明顯正相關的地區橫穿山東省中部和安徽省東北部。綜合研究結果可知，淮河流域干旱對植被凈初級生產力影響明顯。

關鍵詞：凈初級生產力（NPP）;氣象干旱;MODIS NDVI;CASA模型;淮河流域;相關性

中圖分類號： TP79;S127 ?文獻標志碼： A ?文章編號：1002-1302（2020）03-0255-07

植被凈初級生產力（net primary productivity，NPP）是指植物在單位時間、單位面積上由光合作用產生的有機物質總量除去自養呼吸后的剩余部分，是生產者用于生長、發育、繁殖的能量值，也是生態系統中其他生物成員生存和繁衍的物質基礎。NPP不僅可以反映植物固定和轉化光合產物的效率，也是評價陸地生態系統可持續發展的重要因子[1]，通常將其作為評估生態系統質量的主要指標。

干旱是指某地區在一定時期內的降水量與蒸發量不平衡，造成區域內水分減少并短缺的現象[2]。目前，在氣候變化和人類活動的雙重影響下，世界范圍內的干旱總體呈現出頻發、多發、連發和并發態勢。干旱程度不僅直接影響植被的光合作用效果，也可通過其他干擾形式間接對生態系統結構和功能產生影響[3]，是植被凈初級生產力的重要影響因素之一。趙志平等研究表明，我國西南地區受干旱影響，植被凈初級生產力下降，造成的碳損失約占我國總碳匯的7.91%[4]。Lei等基于標準化降水指數（SPI）和生物地球化學模型（BIOME-BGC）研究干旱對內蒙古草原NPP的影響，發現草地NPP異常情況和干旱程度存在較強的相關關系[5]。趙林等研究表明，湖北省氣象干旱使森林植被凈初級生產力顯著下降[6]。楊思遙等基于標準化降水蒸散指數（SPEI）研究華北地區植被變化與干旱指數多尺度的響應，發現干旱對植被生長變化影響明顯[7]。劉世梁等研究表明，干旱對云南省植被覆蓋變化影響較明顯，在不同季節的相關性程度不同，其中冬季兩者間的相關性最強[8]。張艷芳等研究發現，黃河源區干旱程度的下降可以促進植被覆蓋的增加[9]。因此，準確評價典型區域干旱特征及其對植被凈初級生產力的影響，能夠直觀地揭示氣候和環境條件變化對陸地生態系統變化的影響程度，對干旱的綜合應對和生態環境可持續發展具有重要意義[7]。

淮河流域地處中國東亞季風區，歷史上旱災頻繁，具有典型的氣象水文災害代表性[10]。但目前有關淮河流域干旱對植被凈初級生產力的影響研究鮮有報道。因此，本研究綜合利用長時間序列MODIS NDVI遙感影像和氣象數據，基于CASA（Carnegie-Ames-Stanford approach）模型估算淮河流域2001—2016年植被NPP，分析NPP的時空分布特征;并選擇降水距平百分率作為干旱指標，分析流域干旱年際變化和空間趨勢變化特征，進而探討近16年來干旱對植被NPP的影響，以期為淮河流域生態環境保護和可持續發展提供科學參考。1 研究區概況

淮河流域地處我國東部，地理位置位于 30°55′～36°36′N，111°55′～121°25′E。行政區涉及安徽、江蘇、河南、湖北、山東5省，總面積約27萬km2，其中淮河水系約19萬km2，沂沭泗水系約8萬km2。

淮河流域兼具南北方氣候的部分特征，北部屬暖溫帶半濕潤區，南部為亞熱帶季風氣候。流域年均氣溫11～16 ℃，由北向南遞增。多年平均降水量約為883 mm，主要集中在汛期（6—9月），占全年降水量的50%～80%，空間上大致呈現由南向北遞減、同緯度山區大于平原分布狀況。流域自然植被分布呈現明顯的地帶性，淮南丘陵地區和淮陽山脈南部多為亞熱帶性的落葉闊葉林，并夾雜有天然生長的常綠闊葉植物，平原地帶以耕作植被為主。淮河流域特殊的氣候特征，導致流域內旱災頻發，多為春旱或冬春連旱，且近年來部分地區干旱面積呈現出波動性增加的趨勢。

2 數據來源與研究方法

2.1 數據來源與預處理

本研究所采用的植被指數來源于美國國家航空航天局（NASA）的MODIS NDVI數據（https：//modis.gsfc.nasa.gov/），選擇時間序列為2001—2016年的MOD13A3最大月合成數據，空間分辨率為1 km。使用MRT（MODIS reprojection tools）工具完成對數據的鑲嵌、投影和格式轉換等預處理，并利用淮河流域邊界數據，對影像進行掩膜處理，最終獲取淮河流域2001—2016年的MODIS NDVI柵格數據集。

氣象數據來源于中國氣象科學數據共享服務網（http：//cdc.cma.gov.cn），共收集了淮河流域30個標準氣象站點2001—2016年的月均氣溫、降水和逐日日照時數資料（圖1）。太陽輻射基于逐日日照時數估算得到[11]。基于ArcGIS的空間分析模塊，采用反距離權重法（IDW）對處理后的氣象數據進行空間插值，獲取與NDVI數據投影相同、像元大小一致的逐月太陽輻射、降水量和平均氣溫柵格數據。

2.2 研究方法

3 結果與分析

3.1 NPP反演精度驗證

由于植被凈初級生產力的估算受到諸多因素的限制，導致流域尺度NPP模擬結果與實際值之間存在一定的差距。對于區域尺度植被NPP的精度評價一般采用2種方法：一是與實測數據對比，二是與其他模型的估算結果進行對比。由于實測數據難以獲取，本研究將淮河流域植被NPP估算結果與其他不同模型模擬值及部分實測數據進行對比，判斷其可靠性。由表3可見，本研究估算的各種植被類型的NPP年均估算值均在實測范圍之內，且與其他模型反映的趨勢較為一致，雖有稍許偏差，但考慮到數據獲取的時空差異，可以認為本研究估算的植被NPP基本可靠。

3.2 淮河流域NPP時空變化特征

3.2.1 年際變化 從圖2可見，2001—2016年淮河流域NPP年際波動較大，整體呈遞減趨勢，遞減速率為-2.22 g C/（m2·年）。其中，2001—2009年間淮河流域NPP呈波動性增長，并在2009年達到16年間最大值，為561.48 g C/（m2·年），高于多年均值（454.40 g C/m2·a）23.6%;而2009—2010年NPP值驟降，并持續下降至2011年，達到16年間最小值，即225.06 g C/（m2·年），低于多年均值 50.5%; 2011—2012年的NPP值增長迅速，達到279.42 g C/（m2·年），同比其他年份的年均變化值為最大。

3.2.2 空間分布特征 從圖3可以看出，2001—2016年淮河流域年均NPP受到氣候、地形、植被類型和人類活動等多種因素的綜合影響，流域內NPP空間分布差異明顯，總體為平原高、山地低。平均NPP在200.0 g C/（m2·年）及以下的區域主要分布在江蘇省南部及部分東北部、安徽省中部和河南北部部分區域，約占整個淮河流域面積的2.3%。而平均NPP為>540.0～844.9 g C/（m2·年）的區域主要分布于安徽省南部、河南省北部，在其他區域也有零星分布，部分沿長江、淮河方向發散，其面積僅占流域總面積的6.1%左右。

3.2.3 變化趨勢的空間分布 本研究進一步采用一元線性回歸方法分析了2001—2016年淮河流域NPP的變化趨勢。由圖4可以看出，近16年來淮河流域NPP在空間上發生了不同程度的變化。NPP呈減小趨勢的區域約占流域總面積的60.5%，其中明顯減小的區域主要集中在河南省北部、安徽省與河南省東南部的交界處，約占退化區域的3.5%;而NPP呈增加趨勢的區域主要集中在山東省、江蘇省、河南省中部及南部和安徽省的北部及西部，約占淮河流域總面積的39.5%，其中增加趨勢明顯的區域主要位于山東省北部和中部部分地區，約占流域總面積的1.1%。這些地區主要是淮河流域的水

系分布集中區，包括淮河、洪澤湖、高郵湖三大水源和渦河、潁河、沙河3個支流。

3.3 淮河流域干旱變化特征

3.3.1 干旱影響范圍年際變化特征 利用降水距平百分率計算淮河流域2001—2016年歷年干旱率，以此反映流域干旱影響范圍的年際變化特征。從圖5可以看出，16年間淮河流域干旱率年際變化較大，平均干旱率約為29%，2001—2002年、2013—2014年連續出現大面積干旱;16年間干旱面積覆蓋率達到80%以上的有3年，其中2011年流域內干旱面積覆蓋率最大，為86.1%;2013年次之，為 85.1%;2014年為80.7%;2001年和2002年的干旱面積覆蓋率較大，分別為69.0%、61.1%。從年際變化過程來看，淮河流域2001—2010年干旱發生范圍呈波動減小趨勢;在此之后，研究區干旱范圍又呈波動增大的趨勢。總體上，淮河流域干旱影響范圍呈現一定增加趨勢，旱情不斷加劇。

3.3.2 干旱空間分布特征 本研究進一步分析了2001—2016年淮河流域各氣象站點干旱發生情況，以反映干旱的空間分布特征。從表4可以看出，氣象站點發生干旱的平均頻率為25.55%，其中發生特大干旱、嚴重干旱、中度干旱、輕度干旱的平均頻率分別為1.8%、1.6%、6.8%、15.4%;日照、開封發生干旱的頻率最高（37.5%），定陶、費縣、信陽、射陽、壽縣、固始、高郵發生干旱的頻率最低（18.8%）。根據不同干旱等級出現的頻數分析得出：特大干旱易發地區為沂源、定陶、兗州、費縣、鄭州、信陽、壽縣，頻率均為6.3%;嚴重干旱易發地區為莒縣、開封、固始、射陽、淮安、盱眙，頻率均為 6.3%;中度干旱易發地區為定陶、日照、駐馬店、盱眙、射陽、固始、蚌埠、高郵、東臺，頻率均為12.5%;輕度干旱頻數最高的地區為開封，頻率為31.3%，兗州、日照、許昌、寶豐、商丘、贛榆、淮安次之，頻率均為25.0%。

3.4 淮河流域干旱與NPP間的相關性分析

結合2001—2016年淮河流域NPP與干旱影響范圍的年際變化情況可以得出，研究區干旱率在60%以上的年份NPP均值約為393.1 g C/（m2·年），干旱率在20%～40%之間的年份NPP均值約為 474.7 g C/（m2·年），而干旱率低于20%的年際NPP均值約為493.0 g C/（m2·年）。結果表明淮河流域干旱率越高，影響范圍越大，植被NPP越小。隨著干旱程度的加劇，植被NPP隨之降低。

本研究進一步利用逐像元的相關分析方法，計算2001—2016年淮河流域NPP與降水距平百分率的相關系數，從而在空間尺度分析干旱對植被NPP的影響。從圖6可以看出，干旱與NPP正相關的區域占整個流域總面積的93.1%，表明在流域大部分地區，隨著降水距平百分率減小，干旱程度加劇，植被NPP將會有所降低，因此，干旱將會對流域植被NPP產生影響。其中正相關系數在0.50以上和處于>0.30～0.50之間的區域主要集中在江蘇省中部和安徽省東部及部分南部地區，<0.30及以下的地區主要集中在山東省、安徽省、河南省西南部;而負相關的區域僅占流域面積的6.9%，其中負相關系數處于 >-0.30～0之間的區域主要分布在河南省北部、安徽省南部部分地區、江蘇省南部和北部邊界處部分地區，在>-0.71～-0.30之間的負相關性較強地區位于江蘇省南部極少部分地區。結合圖4可以看出，處于正相關的地區，植被的凈初級生產力大部分處于增長趨勢;而負相關地區的植被凈初級生產力大部分處于退化趨勢。

4 討論與結論

4.1 討論

通過對2001—2016年淮河流域的NPP時空特征和降水距平百分率的相關性分析發現，干旱強度和干旱范圍均對流域內植被凈初級生產力有明顯影響，但由于植被和氣候之間的相關因素較多，且降水對植被生長的影響存在不同程度的時間滯后性。前期的氣候狀況對植被生長具有累積效應，并且植被對氣候因子的響應有明顯的空間差異性[20]。因此，有必要對植被的滯后效應進行討論，應選取合適的滯后時間進一步深化氣候-植被之間的理解和其他方面的研究。

此外，本研究結合降水距平百分率，從年尺度上對植被的凈初級生產力進行估算分析，尚未綜合考慮其他因素的影響，主要包括氣溫、太陽輻射、植被類型、植被的空間分布等對流域內NPP的綜合作用。如何在自然災害和惡劣環境下識別不同因子對不同類型植被生長情況的影響程度，對研究區域的生態文明建設更具指導意義。

4.2 結論

本研究利用2001—2016年長時間序列遙感和氣象數據，在基于CASA模型估算淮河流域NPP的基礎上，分析了淮河流域NPP的時空變化特征，以及與干旱的相關性。取得以下結論：（1）淮河流域2001—2016年均NPP為 454.40 g C/（m2·年），整體NPP值呈現波動性遞減趨勢，遞減速率為 -2.22 g C/（m2·年）。（2）流域內NPP分布空間差異較大，呈現高低相間的特點。從植被NPP變化趨勢的空間分布來看，淮河流域內呈現退化趨勢的區域占60.5%，3.5%的區域明顯退化;NPP增加的區域占總面積的39.5%。淮河流域的植被生長狀況呈現整體在退化，局部地區有所改善的特征。（3）隨著干旱程度加劇，淮河流域植被NPP呈降低趨勢。在像元尺度干旱與植被NPP的相關性研究同樣表明，正相關的區域占整個流域總面積的93.1%，淮河流域干旱對植被凈初級生產力影響明顯。

參考文獻：

[1]周夏飛，朱文泉，馬國霞，等. 稀土礦開采導致的植被凈初級生產力損失遙感評估——以江西省贛州市為例[J]. 遙感技術與應用，2016，31（2）：307-315.

[2]《第二次氣候變化國家評估報告》編寫委員會. 第二次氣候變化國家評估報告[M]. 北京：科學出版社，2011.

[3]田漢勤，徐小鋒，宋 霞. 干旱對陸地生態系統生產力的影響[J]. 植物生態學報，2007，31（2）：231-241.

[4]趙志平，吳曉莆，李 果，等. 2009—2011年我國西南地區干旱程度及其對植被凈初級生產力的影響[J]. 生態學報，2015，35（2）：350-360.

[5]Lei T J，Wu J J，Li X H，et al.A new framework for evaluating the impacts of drought on net primary productivity of grassland[J]. Science of the total environment，2015，536：161-172.

[6]趙 林，徐春雪，劉學瑩，等. 干旱對湖北省森林植被凈初級生產力的影響[J]. 長江流域資源域環境，2014，23（11）：1595-1602.

[7]楊思遙，孟 丹，李小娟，等. 華北地區2001—2014年植被變化對SPEI氣象干旱指數多尺度的響應[J]. 生態學報，2018，38（3）：1028-1039.

[8]劉世梁，田韞鈺，尹藝潔，等. 云南省植被NDVI時間變化特征及其對干旱的響應[J]. 生態學報，2016，36（15）：4699-4707.

[9]張艷芳，吳春玲，張宏運，等. 黃河源區植被指數與干旱指數時空變化特征[J]. 山地學報，2017，35（2）：142-150.

[10]楊傳國，陳 喜，張潤潤，等. 淮河流域近500年洪旱事件演變特征分析[J]. 水科學進展，2014，25（4）：503-510.

[11]童成立，張文菊，湯 陽，等. 逐日太陽輻射的模擬計算[J]. 中國農業氣象，2005，26（3）：165-169.

[12]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.

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

[14]陳少勇，郭俊瑞，吳 超. 基于降水量距平百分率的中國西南和華南地區的冬旱特征[J]. 自然災害學報，2015，24（1）：23-31.

[15]國家氣候中心. 氣象干旱等級：GB/T 20481—2017[S]. 北京：中國標準出版社，2017.

[16]張禹舜，賈文雄，趙一飛，等. 基于CASA模型研究祁連山地區植被凈初級生產力的時空變化[J]. 西北植物學報，2014，34（10）：2085-2091.

[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]陶 波，李克讓，邵雪梅，等. 中國陸地凈初級生產力時空特征模擬[J]. 地理學報，2003，58（3）：372-380.

[19]Nemani R R，Keeling C D，Hashimoto H，et al.Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J]. Science，2003，300（5625）：1560-1563.

[20]嚴建武，陳報章，房世峰，等. 植被指數對旱災的響應研究——以中國西南地區2009—2010年特大干旱為例[J]. 遙感學報，2012，16（4）：720-737.