2001—2020年中國植被凈初級生產力時空變化及其驅動機制分析

石智宇，王雅婷，趙清，張連蓬，朱長明

江蘇師范大學地理測繪與城鄉規劃學院，江蘇 徐州 221116

植被凈初級生產力（Net Primary Productivity，NPP）是指地球表面綠色植物在單位時間和單位空間上通過光合作用所累積的有機物數量扣除自養呼吸的剩余部分（Lieth et al.，1975），這部分能量是其自身用于生長和繁殖的能量，也是生態系統中其他成員生存和繁衍的物質基礎。植被NPP不僅代表植被生產能力的大小，也是衡量陸地碳循環與生態系統質量的重要指標，在調節全球碳平衡起著重要作用（Piao et al.，2003；Liu et al.，2015；陳峰等，2018）。

近年來，眾多學者從不同的空間與時間尺度探討了中國不同區域植被NPP時空變化格局、演變規律及驅動因素等內容，研究主要集中在生態脆弱的地區，如青藏高原（陳舒婷等，2020）、黃土高原（楊丹等，2022）、北方農牧交錯帶（薛曉玉等，2021）等地區，但針對中國整體植被 NPP的研究相對較少。部分學者對不同時期中國陸地植被NPP進行了反演計算與變化特征分析，李登科等（2018）基于MOD17A3 NPP數據對中國 2000—2015年陸地植被NPP時空格局與變化規律進行了研究，發現全國陸地植被平均 NPP 為 273.5 g·m-2·a-1，NPP 年總量在 2.406—2.811 Pg·a-1之間波動，平均值為 2.635 Pg·a-1，NPP分布呈現西北低東南高、北方低南方高的基本格局，全國大部分區域植被NPP水平較低，且變化趨勢不明顯；孫金珂等（2020）利用Thornthwaite Memorial（TW）模型和周廣勝—張新時（ZGS）模型計算了全國NPP，發現中國植被NPP在空間分布上呈“南高北低”的狀態，由東南向西北呈逐漸遞減趨勢，2000—2015年間全國植被潛在生產力和實際生產力均呈緩慢下降趨勢；蘇勝濤等（2022）基于中國生態系統研究網絡（CERN）數據對傳統CASA模型進行優化，對2000—2019年中國陸地植被NPP進行監測與分析，結果表明近20年中國陸地植被 NPP變化范圍為 2.703—2.882 Pg·a-1，在空間上呈西北低東南高的格局，在時間上呈現波動中緩慢增加的趨勢。總體而言，不同數據和模型計算得到的中國植被NPP差異較大，且多數研究僅針對于中國植被NPP時空演變特征，缺少對中國植被 NPP未來發展趨勢以及不同區域植被NPP變化的主導因素的研究和探討。

植被 NPP變化受氣候變化與人類活動耦合作用，不同區域植被NPP變化驅動因子存在明顯差異（韓王亞等，2018；姬盼盼等，2019；田義超等，2019），在“雙碳”目標的大背景下，定量分析氣候變化和人類活動對中國不同區域植被 NPP變化的相對作用，對了解中國植被變化驅動機制、增強生態系統固碳增匯能力以及提升生態環境治理水平等方面具有重要意義。目前殘差分析法是定量評估氣候變化和人類活動對植被 NPP變化相對貢獻的主要方法之一（高旭旭等，2022），其通過氣候生產潛力模型計算的潛在NPP變化特征與實際NPP變化特征相比較，定量分析氣候變化與人類活動對植被NPP的影響，因其計算簡單、生物學意義明確，成為定量評估氣候變化和人類活動對植被 NPP變化相對貢獻的主要方法（周妍妍等，2019；李登科等，2022）。

本研究基于2001—2020年MOD17A3HGF NPP數據產品，采用趨勢分析、Mann-Kendall顯著性檢驗、R/S分析以及偏相關分析等方法，分析了20年來中國NPP時空演變趨勢、未來變化趨勢以及NPP與氣候因子的相關關系，并基于殘差分析法定量區分了NPP變化過程中氣候變化和人類活動的相對作用。研究結果可以為完善中國生態環境評價與保護體系、合理開發利用自然資源提供理論依據。

1 數據與方法

1.1 數據來源與處理

本研究采用的植被 NPP數據來源于美國國家航空航天局（NASA）EOS/MODIS的 2001—2020年MOD17A3HGF 6.0版本的全球NPP數據集。數據下載地址為：https://lpdaac.usgs.gov/，時間分辨率為1 a，空間分辨率為500 m，數據格式為HDF，使用MODIS重投影工具（MODIS Reprojection Tool，MRT）批量對NPP原始影像進行拼接、格式轉換和重投影，將下載的影像批量拼接，統一坐標后，裁剪生成2001—2020年中國植被NPP數據，對各年份NPP數據乘以轉換因子并剔除無效值，無效值部分在本研究中不參與數值的分析與計算。MOD17A3HGF 6.0版本數據是 MOD17A3的改進產品，該數據基于BIOME-BGC模型及光能利用率模型，并采用新型生物屬性調查表（BPLUT）和新版的全球模型與融合室（GMAO）的日氣象數據對NPP數值進行模擬，進一步提高了 NPP的估算精度，該數據集已經在全球不同地區研究中得到驗證與應用（Ge et al.，2021；Venter et al.，2021；Wang et al.，2021；劉文瑞等，2022）。

溫度和降水數據來源于國家科技基礎條件平臺——國家地球系統科學數據中心（http://www.geodata.cn），采用 2000—2020年中國區域1 km分辨率逐月近地表平均氣溫與降水量數據集，時間序列為2001—2020年，通過計算月平均氣溫和月平均降水量數據的平均值得到年平均溫度和年平均降水量數據。為保證植被NPP與氣象因子相關性分析在同樣的分辨率下進行，同時考慮到運算數據量，對植被NPP數據進行重采樣處理，使其空間分辨率與氣象數據相同。

中國植被類型數據來源于中國科學院資源環境科學與數據中心（http://www.resdc.cn），空間分辨率為1 km。為便于充分了解我國不同植被類型NPP變化趨勢，參考耿慶玲等（2022）的方法，按照植被類型的一級分類，將植被分為森林、灌叢、荒漠植被、草原、沼澤、農作物等6種類型，如圖1所示。

圖1 中國不同植被類型的空間分布Figure 1 Spatial distribution of different vegetation types in China

1.2 方法

1.2.1 趨勢分析與顯著性檢驗

本研究采用Theil-Sen Median趨勢分析方法計算植被NPP的逐年趨勢變化，并通過Mann-Kendall統計檢驗法對中國植被 NPP變化趨勢進行顯著性檢驗（Jiang et al.，2015）。Sen趨勢計算公式為：

式中：

K——斜率；

xj和xi——第i年和第j年NPP的年均值。當K＜0時，表示 NPP在研究時段內呈下降趨勢，當K＞0時，表示NPP在研究時段內呈上升趨勢。

Mann-Kendall檢驗是一種非參數檢驗法，通常用于對長時間序列變化趨勢進行顯著性檢驗，目前已被廣泛應用于氣象、水文、植被等研究中（Fensholt et al.，2012；解晗等，2022）。其計算方法如下：

假定 x1、x2、…、xn為時間序列變量，檢驗的統計量S計算公式為：

檢驗統計量Z的計算公式為：

式中：

S——正態分布；

Var(S)——方差。對于給定的顯著水平（P＜0.05，P＜0.01），如果當|Z|＞1.96 和 2.58 時，表示變化趨勢通過了0.05與0.01置信水平的顯著性檢驗。

1.2.2 未來變化趨勢分析

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，目前被廣泛應用于植被、氣象等領域（史雯雨等，2021），具體計算公式為：

設有時間序列{V(t)}（t=1, 2, …），將其分為等長度子區間，定義均值序列：

等長度子區間可變，不同分段對應不同情況，由上式可建立如下關系：

式中：

H——Hurst指數，取值范圍為（0, 1）。當0＜H＜0.5時，表明植被NPP未來趨勢與過去變化相反，具有反持續性；當H=0.5時，表明過去變化對未來趨勢不造成影響；當0.5＜H＜1時，表明植被NPP未來趨勢與過去變化相同，具有持續性。

1.2.3 偏相關分析

對2001—2020年中國植被NPP與氣候因子（氣溫和降水）進行逐像元偏相關分析，采用0.05的置信水平完成T檢驗。計算公式為：

式中：

rxy,z——將z影響剔除后x與y之間的偏相關系數；

rxy、rxz、ryz——兩因子間相關系數。

對植被NPP與降水、氣溫的偏相關系數分別進行T顯著性檢驗，T檢驗計算公式為：

式中：

n——樣本數;

m——自變量個數。

1.2.4 潛在NPP的估算

本文中潛在 NPP的估算利用 Lieth提出的Miami模型（Lieth，1972）。Miami模型是從植物的生理生態角度出發，指出對植物生長及其生物量形成的主要影響因子是溫度和水分，并通過該地區的年降雨量和年平均氣溫資料來計算植物的氣候生產潛力，因此便于定量分析氣候變化對植被的影響（周刊社等，2021）。計算公式為：

式中：

VNPP-θ——利用年平均氣溫θ（℃）計算得到的潛在植被凈初級生產力（g·m-2·a-1）；

VNPP-R——利用年降水量R（mm）計算得到的潛在植被凈初級生產力（g·m-2·a-1）。根據 Liebig 最小因子定律，選取二者的最小值作為潛在植被凈初級生產力 VNPP-P（g·m-2·a-1）。

1.2.5 植被NPP殘差分析

本研究通過計算3種植被NPP變化指標：（1）基于 MOD17A3HGF 數據的實際 NPP（VNPP-A）；（2）基于Miami模型的潛在NPP（VNPP-P），其代表在僅受到氣候變化影響下植被NPP的預測值；（3）人類活動導致的NPP變化（VNPP-H），由潛在NPP與實際NPP的差值（VNPP-H=VNPP-P-VNPP-A）計算得來。通過Theil-Sen Median趨勢分析分別計算VNPP-P、VNPP-H和VNPP-A的斜率KP、KH和KA，以此來評價氣候變化和人類活動對植被 NPP的影響和表示植被的恢復或退化狀態。當KA＞0，表示實際NPP處于增加狀態，KA＜0，表示實際NPP處于減少狀態；當KP＞0時，表明氣候變化導致植被NPP增加，而當 KP＜0時，表明氣候變化導致被 NPP減少；當KH＞0時，表明人類活動導致植被NPP減少，而當KH＜0時，表明人類活動導致植被NPP增加。參考李詩瑤等（2022）的NPP變化相對貢獻的情景設定方案，定義以下6種具體情景（表1）。

表1 氣候變化與人類活動在植被凈初級生產力變化中相對作用的評價方法Table 1 Evaluation method of the relative role of climate change and human activities in the change of NPP

2 結果與分析

2.1 中國植被NPP時空演變特征

2.1.1 2001—2020年中國植被NPP年際變化

2001—2020年中國植被NPP年際變化見圖2。20 a間中國陸地平均植被 NPP總體上呈波動增加趨勢，變化速率為 2.86 g·m-2·a-1，最大植被 NPP均值出現在 2020 年，達到 455.79 g·m-2·a-1，而最小值出現在 2001 年，為 386.24 g·m-2·a-1，波動幅度達到69.55 g·m-2·a-1。整體來看，中國陸地植被 NPP 保持了較大幅度的持續增長，其中在 2001—2003年與2010—2013年兩個時間段內出現了較大幅度的連續增長，這可能與 2000年實施的一系列退耕還林與天然林保護工程以及 2009年前后的大規模植樹造林工程有一定聯系，使得森林面積擴大，森林碳匯增加（樊奇，2021）。2003—2005年與2009—2010年間中國植被NPP出現了回落，可能與中國南方等地出現的氣象干旱有關（趙志平等，2015）。此外，分別統計2001—2020年中國陸地不同級別NPP面積占比，可以看出，20年來中國NPP低值區面積呈現波動減少趨勢，高值區呈波動增加趨勢，這與全國年均NPP變化情況相符。

圖2 2001—2020年中國平均植被NPP與各級NPP面積占比年際變化Figure 2 Interannual variation of average NPP and percentage of each class of NPP in China from 2001 to 2020

分別統計并計算 2001—2020年中國不同植被類型NPP均值及其年際變化（圖3）。由圖3可以看出，中國各植被類型NPP均呈現增加趨勢，其中作物植被增加速率最快，達到了4.11 g·m-2·a-1，其次為沼澤植被，而荒漠植被增速最慢，為 1.71 g·m-2·a-1，NPP 增速依次為：農作物＞沼澤＞森林＞灌叢＞草原＞荒漠植被。中國各植被類型中，森林多年平均NPP值最高，均在605 g·m-2·a-1以上，其次是灌叢、農作物和沼澤，其 NPP均值介于 351.32—623.69 g·m-2·a-1之間，最低為草原和荒漠植被類型，其 NPP 均值介于 79.93—269.46 g·m-2·a-1之間。此外，在6種植被類型中，沼澤植被NPP生長波動幅度最大，表明中國濕地沼澤在過去 20年中出現了較大面積的減少或增加，而草地 NPP生長波動最小，表明中國草地在過去 20年間整體保持穩定增長的態勢，沒有出現大面積退化或增長。

圖3 2001—2020年中國不同植被類型平均NPP年際變化Figure 3 Interannual variation of average NPP of different vegetation types in China from 2001 to 2020

2.1.2 2001—2020年中國植被 NPP空間分布與變化特征

中國植被 NPP的分布呈現出由東南向西北逐漸減少的分布格局（圖4），其主要原因是中國西部地區氣候干旱，植被覆蓋度低，而東部地區氣候濕潤，水熱條件好，能更好地滿足植物的生長。中國植被NPP空間分異較大，平均植被NPP小于200 g·m-2·a-1的低值區占總面積的24.99%，主要集中在青藏高原、天山山脈及阿爾泰山區、黃土高原、內蒙古高原中部及東北平原部分地區，以上地區水熱條件較差，植被生長情況較差，其中西部荒漠地區幾乎無植被覆蓋，這一區域包括新疆大部分地區、西藏西部、青海西北部、甘肅北部、內蒙古西部等地；植被 NPP 介于 200—600 g·m-2·a-1之間的地區占總面積的49.32%，主要分布在華北平原、東北平原、黃土高原、四川盆地、青藏高原東部邊緣及伊犁河谷地區；植被平均NPP大于600 g·m-2·a-1的高值區占總面積的25.69%，主要分布在中國東南、西南及東北部分地區，其中西藏東南部、云南、貴州南部、廣西省西部、廣東省大部分地區、福建省南部、海南省及臺灣省大部分地區植被NPP在1000 g·m-2·a-1以上，表明以上地區水熱條件優越，生態環境良好，植被生長旺盛。

圖4 2001—2020年中國平均植被NPP的分布特征Figure 4 Distribution features of average NPP in China from 2001 to 2020

采用Theil-Sen Median趨勢分析方法，對中國過去20年間植被NPP進行趨勢分析。由圖5a可知，從空間分布上看，中國植被NPP增加的區域明顯大于NPP減少的區域，NPP呈增加趨勢（K＞0）的區域約占總面積的84.16%，NPP呈減少趨勢（K＜0）的區域約占總面積的15.84%。結合Mann-Kendall顯著性檢驗，將趨勢分析的結果與MK檢驗的結果進行疊加，最后得到NPP增加與減少的空間分布情況，參考李登科等（2018）對中國植被NPP變化趨勢的劃分方法，將NPP變化趨勢劃分為極顯著減少、顯著減少、無明顯變化、顯著增加、極顯著增加5種類別（圖5b，表2）。結果發現，植被NPP極顯著增加和顯著增加的區域分別占研究區總面積的33.50%和15.54%，主要分布在中國中部及東北部，尤其在氣候條件較為干旱、生態環境較為脆弱的黃土高原、內蒙古高原、大興安嶺等地較為集中，這表明在過去20年中，中國有大面積的生態脆弱區植被出現恢復，這可能與黃土高原水土保持和退耕還林工程、三北防護林建設以及阿拉善荒漠治理等有關；植被NPP基本不變的區域占研究總面積的47.17%，表明中國大部分地區過去20年間生態環境較穩定，植被NPP保持較為穩定的狀態，沒有出現明顯改善或退化；植被NPP極顯著減少和顯著減少的區域整體占比較小，分別約占研究區總面積的2.64%和 1.15%，主要分布在中國西南及東南沿海地區，這些地區自然條件較為優越，植被NPP均值較高，但近20年來人類活動的持續增加，如城鎮用地的擴張以及人口增長和過度放牧等，同時疊加氣候變化的影響（劉歡等，2018；柴立夫等，2021；茆楊等，2022；閆妍等，2022），使得這些地區植被出現退化。

圖5 2001—2020年中國植被NPP變化趨勢及顯著性檢驗Figure 5 Change trend and significance test of NPP in China from 2001 to 2020

表2 2001—2020年中國NPP變化趨勢統計Table 2 Statistics of NPP change trend in China from 2001 to 2020

2.1.3 中國植被NPP未來變化趨勢特征

中國植被NPP的Hurst指數介于0.07—1之間，Hurst指數空間分布差異較大（圖6a）。植被NPP具有持續性變化的區域（Hurst＞0.5）占研究區總面積的 25.15%，植被 NPP呈反持續性變化的區域（Hurst＜0.5）占研究區總面積的74.85%，說明中國未來植被 NPP變化主要表現為反持續特征。Hurst高值區主要集中在內蒙古中東部，遼寧北部、黃河三角洲、河南、陜西中部等地，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黑龍江北部、內蒙古東北部、新疆北部、青藏高原地區、四川、云南等地，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 中國植被NPP Hurst指數及其未來變化趨勢Figure 6 NPP Hurst index of vegetation in China and its future change trend

為進一步分析中國植被 NPP的未來變化趨勢持續性，將變化趨勢與Hurst指數進行疊加分析（圖6b），由表3可以看出，中國未來呈持續增加趨勢的面積占總面積的 21.03%，主要分布在內蒙古中東部、黃河三角洲地區、河南、山東西南部、湖北東北部、陜西中部、甘肅中部以及云貴高原東北部等地，以上地區原本生態環境較為惡劣，近年來長期實行荒漠治理以及退耕還林等工程，已取得明顯效果。植被 NPP由減少轉為增加的面積占總面積的63.35%，表明中國大多數地區植被NPP在未來將增加，這可能是由于中國整體生態環境持續改善以及氣候變化等因素有關。植被NPP持續減少地區面積占總面積的4.15%，主要集中在遼寧中部，在長江三角洲、江西、福建東南部、云南以及西藏東南部等地也有零散分布。植被NPP由增加轉為減少地區占總面積的11.47%，主要分布在西藏東南部、云南南部、貴州東南部、廣西北部、廣東北部、江西南部、東南沿海地區以及東北部分地區，以上地區植被 NPP未來發生退化可能主要因為經濟持續的發展和人類活動的增加，同時沒有實施相應生態保護措施等原因。

表3 中國植被NPP未來變化趨勢統計Table 3 Statistics of future change trend of NPP in China

2.2 中國植被NPP變化驅動機制分析

2.2.1 中國植被NPP與氣溫、降水的相關性分析

氣候變化是植被NPP變化的重要驅動因素，本研究選取降水、氣溫 2種氣候因子，逐像元計算2001—2020年中國植被NPP與年均降水、年均氣溫之間的偏相關系數并進行顯著性檢驗。如圖7所示，植被 NPP與年降水量的偏相關系數為-0.86—1.0，植被 NPP與降水呈正相關的區域占總面積的71.29%，表明中國絕大部分地區植被NPP與降水呈正相關，其中呈極顯著正相關（P＜0.01）與顯著正相關（P＜0.05）的區域分別占研究區總面積的15.37%和12.63%，主要分布在長江以北地區，包括東北平原、內蒙古高原、大興安嶺、華北平原、江漢平原以及四川盆地等地區，以上地區多為季風氣候區，降水年內與年際變化十分劇烈，且植被多為農作物與草原，植被受季節性降水影響明顯。植被NPP與降水負相關占總面積的28.71%，其中呈極顯著負相關（P＜0.01）與顯著負相關（P＜0.05）的區域分別占研究區總面積的0.86%和2.03%，主要分布于東南沿海與西南地區，主要包括臺灣、福建、江西南部、廣東、川西高原以及青藏高原中東部等地，東南沿海地區由于受西進太平洋暖濕氣流的影響，降水導致區域植被接受日照時數減少，太陽輻射減少，影響植被的光合作用，同時過量的降水也會對植物的生長起到限制作用（Piao et al.，2003；程春曉等，2014），此外，西南地區地勢起伏大，海拔較高，受北上印度洋暖濕氣流及西進太平洋暖濕氣流的交錯影響產生的低溫、陰雨天氣減少了植被接受的日照時數，同時加劇了該區域的水土流失、滑坡以及泥石流等自然災害，不利于植被光合作用，阻礙了植被NPP的積累（劉鳳等，2019；楊瀟等，2019）。

圖7 植被NPP與降水和氣溫的偏相關系數及其顯著性檢驗結果Figure 7 Partial correlation coefficient and significance test results of NPP with precipitation and temperature

植被NPP與年平均氣溫的偏相關系數為-1.0—0.92，呈正相關的區域主要分布在華北、華南與青藏高原地區，占總面積的67.17%，而負相關區域主要分布在東北、西北、黃土高原、云貴高原以及長江中下游平原等地，占總面積的32.83%，表明中國大部分地區植被NPP與氣溫呈正相關關系。通過顯著性檢驗可知，植被NPP與氣溫呈極顯著正相關與顯著正相關的地區分別占總面積的3.23%和6.47%，主要集中在青藏高原東北部、云貴高原東南部、東南沿海地區以及山東南部等地，以上地區降水充沛或土壤水分補給充足，而隨著溫度的升高，植被的光合作用迅速增強，加上部分地區較大的氣溫日較差，有利于植物干物質量的累積，進一步提高了植被NPP。呈極顯著負相關與顯著負相關的地區分別僅占研究總面積的0.23%和0.90%，僅零散分布于東北平原、長江中下游平原、青藏高原南部以及云貴高原等地，絕大部分地區植被NPP與氣溫呈不顯著正相關或不顯著負相關。總體上，植被NPP與降水、氣溫整體均呈正相關，其中降水對植被NPP影響更為顯著，而中國不同地區植被NPP對降水與氣溫的響應存在較大差異。

2.2.2 氣候變化和人類活動對植被 NPP變化的驅動分析

利用Theil-Sen Median趨勢分析分別計算VNPP-P和VNPP-H的變化趨勢KP和KH（圖8），通過VNPP-P和 VNPP-H的變化趨勢分析氣候變化和人類活動對NPP變化的影響。由圖8可知，在僅受到氣溫、降水影響下，中國潛在植被NPP整體分布依然延續由南向北、由東向西逐漸減少的趨勢，且NPP高值區面積大幅增加，一直延伸至秦嶺—淮河一線。KP表現出減少（KP＜0）的地區占總面積的29.19%，主要集中在山東半島、淮河流域、云南、西藏東南部、新疆東南部及北部等地，KP表現出增加（KP＞0）的地區占總面積的70.81%，其中內蒙古高原東部、長江中下游平原、四川東部以及貴州等地氣候變化的影響最為明顯。通過計算潛在NPP與實際NPP的殘差（VNPP-H），發現VNPP-H整體分布趨勢與VNPP-P較為相似，但高值區分布向北移動，主要集中在長江中下游流域與四川盆地附近。KH表現出減少（KH＜0）的地區占總面積的54.52%，其中以黃土高原、淮河流域、山東半島以及云南、廣西等地最為集中。KH表現為增加趨勢（KH＞0）的面積占研究區總面積的45.48%，主要分布在東北、長江中下游平原以及貴州等地。

圖8 2001—2020年氣候變化和人類活動驅動下中國植被NPP的空間分布及變化趨勢Figure 8 Spatial distribution and change trend of NPP driven by climate change and human activities in China from 2001 to 2020

基于殘差分析將氣候變化和人類活動對植被NPP的影響進行定量的區分和評估，分別計算氣候變化和人類活動對中國植被 NPP改善區的相對貢獻率，結果如圖9所示。統計結果顯示，在中國植被改善區中由氣候變化主導（相對貢獻率＞50%）的地區面積占比為47.59%，主要分布在東北平原、內蒙古高原、長江中下游平原、云貴高原東部以及四川盆地等地，由人類活動主導（相對貢獻率＞50%）的地區面積占比為52.41%，主要集中在大興安嶺北部、黃土高原北部、山東、黃淮平原、江漢平原、云貴高原西部、青藏高原北部以及新疆西北部等地。在中國植被退化區中由氣候變化主導（相對貢獻率＞50%）的地區面積占比為 32.93%，主要集中在遼東半島、云南中南部、西藏南部以及新疆西北部等地，由人類活動主導（相對貢獻率＞50%）的地區面積占比為67.07%，表明中國大部分植被退化主要由人類活動引起，主要分布在遼河流域、華東地區南部、華南地區、云南南部以及西藏東南部等地。總體上看，氣候變化和人類活動對中國植被NPP的增加均產生了重要作用，其中氣候變化導致NPP的增加主要集中在中國東北和長江流域，人類活動導致NPP的增加主要集中在東部平原與生態脆弱區，此外，氣候變化對NPP退化影響較小，而人類活動是中國植被NPP退化的主要因素。

圖9 氣候變化與人類活動對中國NPP變化相對貢獻率的空間分布Figure 9 Spatial distribution of the relative contribution proportions of climate change and human activities to NPP changes in China

3 討論

本研究利用 MOD17A3HGF數據產品分析了2001—2020年全國植被NPP時空變化特征以及未來發展趨勢，同時定量分析了氣候變化與人類活動對植被改善與退化的相對影響，研究結果與前人研究結果基本一致（涂海洋等，2023），結果具有一定的參考價值，但研究仍然存在一些不足。

由于本文研究區面積大，植被分類復雜，且不同氣候條件與不同季節條件下不同植被類型 NPP有較大差異，因此未來針對中國植被NPP時空變化的研究應該進一步細化，在進一步細分植被類型的基礎上，在不同季節、更長時間尺度上探究中國植被NPP的變化趨勢。此外，本研究將溫度、降水作為關鍵氣候因子，基于殘差分析將氣候變化與人類活動對植被NPP的影響統一到可比的層面。由于研究區范圍較大，本文在分析NPP與氣候因子的關系時，僅考慮了降水與氣溫的影響，沒有進一步將太陽輻射、蒸散發等因素加入氣候變化對植被NPP的影響中，同時沒有對人類活動主要驅動因素進行具體分析，未來研究應該進一步細化人類活動具體方式如城市擴張、生態建設等對植被NPP的影響。此外，考慮到中國植被類型復雜多樣，未來研究應針對氣候變化和人類活動對不同植被類型或不同生態系統的相對影響做進一步區分。因此，未來針對中國植被 NPP驅動因素的研究需要在區分不同植被類型和生態系統的基礎上，進一步增加氣候因子選擇的合理性、細化人類活動的具體方式，以增強植被NPP影響因素研究的精確性和可靠性。

4 結論

本研究基于2001—2020年MODIS植被 NPP數據和同期氣溫和降水數據，運用趨勢分析法、R/S分析及偏相關分析等方法分析了中國整體植被NPP時空變化、未來發展趨勢及其與氣候變化的相關關系，并使用殘差分析定量區分了氣候變化與人類活動在中國NPP演變過程中的相對作用，研究主要得出以下結論：

（1）2001—2020年中國植被NPP整體呈現出由東南向西北逐漸減少的分布格局，平均NPP在總體上呈波動增加趨勢，變化速率為2.86 g·m-2·a-1。不同類型植被NPP均呈現增加趨勢，作物植被NPP增加速率最快，而沼澤植被 NPP生長波動幅度最大。NPP空間變化以基本不變為主，呈極顯著增加和顯著增加的區域分別占研究區總面積的 33.50%和15.54%，極顯著減少和顯著減少的區域分別約占研究區總面積的2.64%和1.15%。未來中國NPP呈持續增加趨勢的面積占總面積的21.03%，NPP由減少轉為增加的面積占總面積的63.35%，表明中國大多數地區植被NPP在未來將增加。

（2）中國植被NPP與降水、氣溫總體均呈正相關，其中降水對植被NPP影響更為顯著，相關性分布具有一定的空間異質性。NPP與降水顯著正相關的區域主要分布在長江以北地區，顯著負相關的區域主要分布于東南沿海與西南地區。植被NPP與氣溫顯著正相關的區域主要集中在青藏高原中部和北部、云貴高原東南部、東南沿海地區以及山東南部等地，顯著負相關的地區僅占研究總面積的0.23%和0.90%，僅零散分布于東北平原、長江中下游平原、青藏高原南部以及云貴高原等地。

（3）氣候變化和人類活動對植被改善均產生了重要作用，但兩者對植被改善的影響在空間上表現出明顯差異性，由氣候變化主導的植被改善區主要集中在東北、華北、四川盆地及長江中下游平原等地區，人類活動主導植被改善區主要集中在華中、西南以及西北地區。氣候變化和人類活動對植被退化的影響在空間分布上較為一致，但氣候變化對植被退化影響較小，占植被退化區面積的32.93%，而人類活動是中國植被退化的主要因素，占植被退化區面積的67.07%，主要分布在遼河流域、華東地區南部、華南地區、云南南部以及西藏東南部等地。