基于時空分解的汾河流域植被凈初級生產力的變異性及驅動因子分析

王標，朱洪芬，許月鳳，孫瑞鵬

（山西農業大學 資源環境學院，山西 太谷 030801）

植被凈初級生產力（Net primary productivity，NPP）是指綠色植物在單位時間、面積內所累積的有機量，它是陸地碳循環的關鍵組成部分和生態系統功能的重要指標，有效反映了區域植被生長和生態系統的狀況[1]。在生態脆弱地區，植被NPP對自然和人為因素引起的環境變化非常敏感，先前的研究已表明，氣候變化是影響NPP變化最重要的自然驅動因素，因為降水和溫度可以決定植被生長所需水熱條件，尤其是在干旱和半干旱區域[2]。人類活動則通過土地利用變化對NPP造成影響，例如植樹造林和生態恢復等措施有效增加了區域的植被覆蓋，而森林砍伐、過度放牧以及快速城市化引起了生態系統功能退化[3]。此外，地形可以直接或間接影響區域水熱氣候條件和人類干擾程度[4]，而土壤提供了植被生長所需的基礎環境，調節周圍水汽環境和養分含量，進而影響NPP變化[5]。因此，探究自然和人為因素對NPP的影響，對NPP變化驅動機制的研究具有重要意義。

當前，很多學者基于相關分析、回歸模型、數理統計等方法對NPP變化的影響因素進行探究，評估每個因素的相對貢獻[6-7]。例如，ZHAO等[8]通過相關分析和多元回歸模型來確定泥石流易發區NPP變化的驅動力；WANG等[9]采用地理加權回歸進行局部回歸分析，評價了內蒙古自治區NPP變化與其驅動因素之間的關系；田惠文等[10]基于相關分析和空間統計的方法，分析了汾河流域NPP與氣象因子、土壤因子間關系以及NPP分布的梯度效應。此外，許多研究采用殘差分析法分離自然和人為因素對NPP的影響[11-12]，或是通過計算潛在NPP和實際NPP間的差值得到受人為因素影響的NPP[13]，其 中，YAN等[14]通過CASA模型計算了由氣候變化和城市擴張所驅動的NPP，并結合殘差分析的思路，分析了氣候變化、城市擴張以及殘余因素（CO2和氮沉降）對北京市NPP變化的影響；而且很多學者以土地利用變化和社會經濟數據來評估人類活動對NPP的影響[15-16]。近年來，很多研究也考慮了自然因子和人為因子間復雜的相互作用，通過地理探測器確定影響區域NPP變化的主要驅動變量以及變量間的交互作用[6,17]，以及ZHOU等[3]基于冗余分析和變異劃分方法，量化分析了白龍河流域的氣候、地形和土壤因子對NPP空間異質性的相對貢獻。然而，前人研究在量化各驅動因子對NPP的影響時，并未從空間維度和時間維度上考慮不同類型因子對NPP影響的差異性。因為植被NPP的時空變異是多種類型變化因子綜合作用的結果，空間變化因子、時間變化因子、時空變化因子對NPP的作用方式不同。

經驗正交分解（Empirical orthogonal function，EOF）可將時空變化的地理變量分解為空間特征向量及其對應的時間系數，進而在空間維度和時間維度上實現對區域植被NPP變化的詳細反映。許多研究采用EOF探究了植被和氣象因子的時空變異性以及因子間的響應關系[18-19]，但是沒有從空間結構上系統考慮多種觀測因子對其變異的潛在影響。此外，結構方程模型（Structural equation modeling，SEM）考慮了變量間復雜的直接或間接效應，可以有效地量化多個觀測變量對目標變量的綜合影響[20]。因此，本研究通過EOF對長時間序列的NPP進行分解，將分解得到的空間模態作為目標變量，在SEM中分析多種空間變化因子對NPP空間結構的影響，相比于先前的研究中將平均NPP值作為目標變量進行分析[21-22]，可以更好地揭示NPP空間變異性。同時，將分解得到的時間系數通過相關分析來評估多種時間變異因子對NPP時間變異的影響。

汾河流域境內多山區和丘陵，其破碎的地形引起了嚴重的水土流失，伴隨著流域內對礦產資源和土地資源不合理的開采利用，使得原本脆弱的生態環境進一步惡化，而且在不同的時間或空間維度下，控制植被生長的因素有很大的差異。因此，本研究基于GIMMS NDVI通過CASA模型進行了NPP模擬，并結合MODIS NPP數據進行線性回歸擬合，得到1982—2019年植被NPP，基于趨勢分析、EOF和SEM分析從空間和時間上探討了汾河流域38 a間植被NPP的變化特征及其驅動因素，定量識別不同尺度下的主導驅動因子，進而揭示植被變化的自然和人為相互作用的驅動機制，以及對生態系統結構和功能的影響，旨在為汾河流域生態環境建設與改善提供理論依據。

1 材料和方法

1.1 研究區概況

汾河流域位于山西省中部和西南部，北緯35°20′～39°00′，東經110°30′～113°32′，流域面積占全省國土總面積的25.3%。汾河流域地勢北高南低（圖1-A），干流由北而南蜿蜒穿行于太原、臨汾兩大斷陷盆地內，地貌則主要包括平原、臺地、丘陵和山地四大基本類型，地形起伏較大。該區地處中緯度大陸性季風帶，四季分明，其中，年平均降水量約500 mm，年平均氣溫約10 ℃，且干旱是流域內的主要災害性天氣。境內植被類型主要以耕地、草地以及林地為主，其中農業種植區主要分布在邊山丘陵及盆地平原，草地主要位于流域北部，而林地則集中于西北部和東南部的山區，流域內的礦產資源豐富，種類繁多（圖1-B）。

圖1 汾河流域地理位置（A）和植被類型（B）Fig.1 Location（A） and vegetation types（B） in the Fenhe River Basin

1.2 數據來源

本研究NDVI數據集來源于美國國家海洋和大氣管理局提供的GIMMS NDVI3g v1.0數據產品（https：//ecocast.arc.nasa.gov/data/pub/gimms），其時間序列為1982年1月—2015年12月，空間分辨率為8 km×8 km。MODIS NPP數據采用2000—2019年500 m分辨率的MOD17A3H6 NPP產品，該數據來自美國國家航空航天局網站（https：//www.modis-land.gsfc.nasa.gov）。

氣象數據獲取于中國氣象科學數據共享服務網（https：//data.cma.cn/），土地利用覆蓋數據采用由美國國家航空航天局提供的2001—2019年MCD12Q1數據集（https：//ladsweb.modaps.eosdis.nasa.gov/），以及由歐空局提供的1992—2000年ESACCI LC數據集（https：//www.esa-landcovercci.org/）。土壤數據由全球數字土壤制圖系統所提供（https：//soilgrids.org/）。GDP和POP人口數據來源于中國科學院資源環境科學和數據中心（https：//www.resdc.cn/Default.aspx），夜間燈光數據為中國科學院“火石”地球夜光產品（http：//satsee.radi.ac.cn/cfimage/nightlight/），不透水表面數據來源于宮鵬等[23]提供的全球不透水面數據集（http：//data.ess.tsinghua.edu.cn/）。

1.3 研究方法

1.3.1 CASA模型 植被所吸收的光合有效輻射和光能利用效率是CASA模型估算NPP的重要因素。

式中，NPP（x，t）為凈初級生產力，APAR（x，t）為像元x在t月植物所吸收的光合有效輻射（MJ），ε（x，t）為像元x在t月的實際光能利用率（gC/MJ），x表示空間位置（像元），t表示時間段（月）；采用朱文泉等[24]改進的CASA模型進行NPP模擬，關于CASA模型及APAR和ε（x，t）相關參數的詳細描述可參照文獻[25]。

1.3.2 長時序NPP數據集構建 本研究選取CASA模型擬合得到的NPP和MODIS NPP數據集，通過逐像元一元線性回歸模型獲取1982—2019年長時間序列NPP數據集[26]。

式中，λ、μ為模型參數，分別代表回歸方程的截距和斜率；εi為隨機誤差；n為研究期數；Ci為第i年的CASA擬合得到的NPP值；Mi為第i年的MODIS NPP值；Cˉ為CASA擬合的NPP年均值；Mˉ為MODIS NPP的年均值。

1.3.3 趨勢分析 采用一元線性回歸分析計算汾河流域植被NPP隨時間的變化趨勢[27]，并且對其進行顯著性檢驗。

其中,NPPi為第i年的植被NPP，當θslope＞0時，表示植被NPP呈增加趨勢；當θslope＜0時，表示植被NPP呈退化趨勢。

1.3.4 經驗正交分解（EOF） EOF可以將長時間序列NPP分解為一系列空間特征向量和時間系數，來分析植被NPP的時空變異性，其中，EOF空間模態解釋了NPP變化的空間分布，而時間系數表示了空間模態的時間變化信息。

其中，F是原始數值移除平均值后的距平矩陣，R是協方差矩陣，C是特征向量，T是時間系數，∧表示特征值的對角矩陣。EOF分析計算在MATLAB中完成，并且關于EOF具體描述及公式可以參照文獻[28-30]。

1.3.5 結構方程模型（SEM） SEM可以將幾個觀測變量整合為一個潛變量作為理論變量，以此來分析變量間的直接或間接效應，量化多個驅動變量對目標變量的影響[31]。因此，本研究采用SEM來確定不同驅動因素在影響NPP時空變化的相對重要性，以及這些因素間復雜的相互作用。

在本研究中，將地形和土壤理化性質整合為基礎自然環境，與氣候變化、人類活動一起作為潛變量，而且將EOF分解得到的NPP空間向量值作為目標變量構建SEM概念模型。觀測變量為可以直接觀測得到的變量，在概念圖中用矩形框表示；潛在變量則為理論上存在，無法被直接測量到，用橢圓表示；實線箭頭表示變量對另一個變量的因果關系（圖2）。氣候變化同時從空間和時間維度對植被產生影響，因此，將1982—2019年各氣象因子EOF分解后得到的空間向量作為氣候變化的觀測變量?；A自然環境潛變量中則選擇常見的地形因子、土壤物理性質和土壤化學性質因子的柵格空間數據。在人類活動潛變量中，選擇時期相近的GDP、POP、夜間燈光和不透水面等網格數據，它們可以有效反映人類活動強度以及城市化發展水平。此外，結合已有的先驗理論知識，對變量進行遴選，選擇符合理論邏輯和模型基礎的因果路徑。然后，通過模型擬合的顯著性與否，最終確定相關因子。SEM的運行在AMOS 23.0中進行。

圖2 NPP空間變化的結構方程概念模型Fig.2 The conceptual structural equation model of NPP spatial variation

1.4 數據處理

采用最大合成法將15 d的GIMMS NDVI數據處理為月NDVI數據，并用汾河流域矢量邊界裁剪得到1982—2015年逐月的GIMMS NDVI時序柵格數據集。在ArcGIS中對1982—2015年汾河流域及周圍的110個站點每月的降水、氣溫和總太陽輻射數據進行克里金插值，將氣象數據和GIMMS NDVI數據統一投影和分辨率?；谥煳娜萚24]改進的CASA模型，在ENVI中進行NPP模擬，得到1982—2015年汾河流域植被NPP，且其模擬值與全國NPP實測值相近。因此，結合2000—2019年MODIS NPP數據，利用二者相同時間段內的數據建立線性回歸擬合模型（R2=0.734，P＜0.01，其擬合效果較好），對2000—2019年MODIS NPP進行擬合，構建了長時間序列1982—2019年汾河流域NPP數據集。

2 結果與分析

2.1 汾河流域植被NPP時空變化特征分析

由于汾河流域大面積的NPP實測數據難以獲取，因此，本研究將構建的長時間序列植被NPP與已有的研究結果進行對比。本研究NPP與田惠文等[10]通過CASA模型得到的NPP估算值間的差異較小，并且模擬值的范圍落在全國實測范圍內[24]，而存在差異的原因可能與數據的時間序列、空間尺度以及模型參數設置有關。總體來看，本研究估算的植被NPP結果可信，可以用于后續分析（表1）。

表1 NPP年際估算值和實際值的比較Tab.1 The comparison of estimated and measured annual NPP

從圖3可以看出，汾河流域植被NPP呈現由流域中心向流域兩翼逐漸增加的分布趨勢，而且各植被類型的NPP值具有明顯空間差異性，其中，林地NPP最大，為388.98 gC/（m2·a），其次為耕地（285.34 gC/（m2·a））、草地（277.68 gC/（m2·a））。

圖3 1982—2019年汾河流域NPP均值分布Fig.3 The distribution of averaged NPP over 1982-2019 in the Fenhe River Basin

NPP最大的區域主要位于汾河流域西部和東南部的山區，其原因是這些地區海拔地勢較高，森林植被大范圍覆蓋，光合作用效率高，并且很少受到人類活動的干擾。NPP較低區域則主要位于汾河流域中部和中北部的平原和低海拔丘陵地區，這些區域地勢相對平緩，并且以草地和城市建設用地為主，容易受到城市擴張以及人類活動的影響，限制了植被的生長空間。

汾河流域1982—2019年年均植被NPP平均值為300.02 gC/（m2·a），整體呈波動上升趨勢，表明境內植被生長狀況得到改善（圖4）。植被NPP呈顯著增加區域占總面積的72.9%（P＜0.05），主要分布于汾河流域的東北部、北部以及東南部（圖5-A），植被類型為草地和耕地。此外，植被NPP呈顯著退化的區域占總面積的4.5%（P＜0.05），主要集中于流域西北部的林地以及太原市區、臨汾市區周圍的部分地區（圖5-B）。

圖4 植被NPP年際變化Fig.4 The inter-annual variation of the NPP of vegetation

圖5 汾河流域植被NPP變化趨勢（A）和變化顯著性（B）Fig.5 The change trends（A） and significance（B） of NPP of vegetation in Fenhe River Basin

2.2 基于EOF的植被NPP空間結構和時間變異分析

為進一步分析汾河流域植被NPP的時空變化特征，通過經驗正交函數分解（EOF），將1982—2019年汾河流域植被NPP分解為空間特征向量和時間系數。由于前2個特征向量的累計方差貢獻率達到59.32%（表2），表征了NPP主要的空間分布結構，因此，本研究選取前2個模態進行分析。EOF第1模態的方差貢獻率為38.91%，反映了汾河流域NPP主要的模態特征。從整體上看，第1空間模態的正值主要集中于汾河流域的中北部地區，以及流域的干流河谷盆地（圖6-A），而在流域其余的大部分區域為負值，其中，東北部山區為模態的最大負值中心，表明NPP的空間結構具有明顯的地域差異。第1時間系數則反映了其空間模態的時間變化特征（圖6-C），而且若特征向量和時間系數的乘積為正，則表明該地區NPP為增加趨勢。2003年之前NPP時間系數為正，流域中北部和河谷盆地區域的NPP呈現增加趨勢，其余地區呈現為退化趨勢，而從2003年之后NPP時間系數為負，NPP空間變化格局相反，而且流域的植被生長環境得到明顯改善，NPP的增長中心也由中北部轉移至東北部地區。同時，NPP時間系數在2016年最高，表明NPP在2016年的增加最顯著，并且具有典型的空間結構分布。

表2 植被NPP經驗正交分解的前6個空間模態的方差貢獻Tab.2 The variance contribution by the first six leading modes of NPP of vegetation from empirical orthogonal function %

EOF第2模態的方差貢獻率為20.41%，數值上大部分區域為正，而且正值中心位于汾河流域西北部，表明該區域西北部的植被NPP變化具有空間一致性，即該區域內的NPP呈現為改善或者退化（圖6-B）。第2時間系數表現出劇烈的年際變化（圖6-D），其中，1982—1998年時間系數基本為正，1999—2011年時間系數為負，2012—2017年為正，之后為負，表明在1998、2012年汾河流域西北部地區NPP的空間變化格局發生了明顯變化，區域內NPP變化比較敏感，并且呈現一定程度的退化趨勢。

圖6 NPP變化的前2個主要EOF模態（A、B）及其對應的時間系數（C、D）Fig.6 The first two leading EOF modes（A，B）and their corresponding time coefficients（C，D）about NPP change

2.3 基于SEM的NPP空間結構的影響因素分析

EOF空間模態解釋了NPP隨時間變化的空間變異性，因此，基于植被NPP的前2個空間模態構建了SEM1和SEM2，其模型擬合指數符合標準[29]，表明模型可以較好地反映驅動因子間的關系（表3）。

表3 模型擬合指數Tab.3 Fit index of SEM model

SEM1的分析結果表明（圖7），汾河流域植被NPP空間結構受到人類活動、基礎自然環境和氣候變化共同作用，這3種潛變量對NPP變化的總效應分別為0.50、0.03、0.20。人類活動對NPP的直接影響最大，路徑系數為0.46，其中，夜間燈光的因子載荷系數最高，其次為GDP、不透水表面、人口密度，反映了人類活動的強度。人為因素的擾動對植被生長空間產生影響，并伴隨著區域內劇烈的土地覆被變化，顯著影響了NPP空間結構。此外，人類活動還通過作用于氣候變化，對NPP空間變化產生一個間接影響（0.04）?；A自然環境對NPP空間結構的直接效應為-0.31，土壤有機碳、土壤全氮、海拔高度是其測量模型中載荷系數較大的因子，其次為坡度、土壤容重、地形濕度指數。此外，基礎自然環境還分別作用于人類活動和氣候變化，對NPP空間變化產生間接影響（0.34）。氣候變化對NPP空間結構只有直接影響（0.20），濕度和溫度對氣候變化的表征最明顯，同時降水也作為氣候變化重要的調節因素，共同影響植被生長所需的光合效率和土壤水分。在SEM2中，人類活動、基礎自然環境、氣候變化對NPP變化的總效應分別為0.31、-0.06、0.12，人類活動對流域西北部NPP空間變化影響最大（圖8）。在氣候變化的潛變量中，溫度和降水是影響西北地區NPP變異最明顯的氣候因子。綜合來看，EOF分解得到的2個模態表征了NPP不同空間尺度下的變異信息，而由于區域內的自然基礎及人類活動強度不同，導致SEM1和SEM2對NPP驅動機制表現出一定差異性。

圖7 基于EOF第1模態構建的驅動因子和NPP空間變化的結構方程模型Fig.7 Structural equation model of driving factors and spatial variation of NPP based on the first EOF mode

圖8 基于EOF第2模態構建的驅動因子和NPP空間變化的結構方程模型Fig.8 Structural equation model of driving factors and spatial variation of NPP based on the second EOF mode

2.4 基于相關分析的NPP時間變異的影響因素分析

NPP和氣象因子經EOF分解得到的時間系數，可以反映其空間模態的時間變異特征，溫度和NPP的第1時間系數呈極顯著正相關（表4），相關系數為0.592（P＜0.01），表明溫度是影響汾河流域NPP時間變異的重要因素，它可以通過影響地表溫度、光合和蒸騰作用來影響植被生長發育。日照時數與NPP第1時間系數呈極顯著正相關，表明日照時數的增加可以有效地提升植被光合作用效率，而且相對濕度與土壤水分蒸發和植物的蒸騰作用密切相關，在一定程度上調節了植被周圍及自身的水分運輸及溫度，進而促進植被生長。降水與NPP第1時間系數呈顯著正相關，降水補充了土壤中水分含量，降低了植被生長的干旱壓力，可以有效促進植被生長發育。此外，風速主要控制植被的蒸發和蒸騰速率，緩解作物層中可能出現的高溫和高濕現象，然而風速在流域尺度上對NPP第1時間系數影響相對較小。日照時數和NPP第2時間系數的相關系數為-0.348，日照時數與太陽輻射量密切相關，增加的日照時數提高了蒸發量，加劇了土壤水分的流失，進而抑制植被的生長，而且流域的西北地區多為山地和丘陵，在復雜的地形環境下，日照時數是影響該地區NPP時間變異最顯著的氣象因子。

表4 氣象因子和NPP時間系數的相關分析Tab.4 Correlation analysis of climatic factors and NPP time series

3 結論與討論

本研究結果表明，1982—2019年NPP空間上由流域中心向流域兩翼逐漸增加，與區域內地形分布、植被類型和水熱條件密切相關。NPP顯著增加的區域（72.9%）遠大于顯著減小的區域（4.5%），和前人的研究結果保持一致[10]。這可能與我國近些年植樹造林、退耕還林還草生態工程的實施，以及山西省政府對汾河流域生態修復和保護，“引黃工程”和“興水增綠”戰略的提出密切相關，而且流域內暖濕化的氣候條件也是植被生態環境改善的重要因素。流域內顯著退化區域主要集中于西北部，由于礦產資源的開采，造成地表下沉、土壤退化和水土流失，進而導致林地的退化。此外，太原盆地和臨汾盆地的人口分布密集，城市迅速擴張，引起了部分區域植被NPP的減少，導致流域內大量的耕地流向建設用地，而農業活動的加強使得流域的草地主要向耕地轉化，這可能是草地退化的原因之一。此外，政府對于城市濕地、人工湖泊以及河道防護林的建設也緩解了人口增長和城市擴張對植被生長的壓力，限制了由人類活動造成的負面影響進一步擴大[32]。

EOF分析有效地揭示了汾河流域NPP潛在的時空格局及其物理意義，而且EOF與趨勢分析所得結果具有一定的相似性。傳統的趨勢分析更側重于長時間序列NPP的整體變化特征，可能將時間尺度上有意義的變異信息平均化[18]，而EOF則對不同尺度的NPP時空變異進行了分解，可以識別由區域環境變化引起的空間或時間變異，本研究中分別位于東北部和西北部的林地和耕地更容易受到復雜地形、生態工程和人為擾動的影響，通過EOF更好地表征這些地區不同時間點的變異特征。此外，汾河流域東北部山區的耕地相比于中部河谷盆地的耕地具有更大的空間變異性，其原因可能為東北部山區具有更適宜植被生長的水熱條件，然而河谷盆地周圍則伴隨快速城市化，減緩了NPP的增長。值得注意的是，流域內植被生長環境自2003年開始得到顯著改善，NPP增長中心由中北部轉移至東北部，而且NPP空間模態的時間變化相較于2003年之前更明顯。2000年后退耕還林還草工程大規模的實施，增加了流域內林草植被面積[33]，并且2003年降水的顯著增加，提高了土壤水分含量，緩解了由氣候干旱所造成的水分失衡和養分缺失，進而促進了植被的光合作用，使得汾河流域NPP明顯增加。在2016年，植被NPP的增加達到最大值，這可能與2015年流域實施生態修復與保護工程規劃有關，包括在干支流源頭設立保護區，輔之以植樹造林、封山禁牧，嚴格限制人類活動等措施，以及2016年壩系工程和水庫的建設。此外，流域西北部位于高海拔山區，區域內地貌復雜，在較小尺度范圍內引起水熱氣候環境的差異，而且受到礦產資源開采等人為因素對生態環境的擾動，改變了區域生態系統結構，因此，流域西北部的NPP表征了更明顯的時間變異性，其第2時間系數呈現為劇烈年際波動。

SEM的結果顯示，人類活動對流域整體的NPP空間變化產生的綜合影響大于氣候變化和基礎自然環境，人為因素的擾動引起了區域內生物地球化學循環和土地利用覆蓋的變化[3]，直接對NPP的空間結構產生擾動和控制，流域內植被NPP呈現為增加或退化的趨勢。同時，密集的人口和高強度的經濟活動造成大量人為熱量的釋放和特殊的下墊面條件，影響了地球表面的水、熱條件和反射率，從而改變區域氣候，間接地對植被生長狀況產生一定影響[34]。土壤是植被長期生存的物質基礎，土壤全氮和土壤有機碳的增加，提供了作物生長發育所需養分，有效促進根系的生長，而土壤的結構性能可調控土壤水分的傳輸和保持，影響作物的光合作用和干物質積累[35]。區域內垂直高度和山地傾斜度等地形條件的變化，不僅可以影響植被生物量的消耗、水分和營養物質的累積，還會產生水熱條件的氣候差異，并限制人為活動對植被生長環境的擾動。因此，基礎自然環境對NPP空間結構產生了顯著的直接和間接效應，然而由于土壤和地形因子與人類活動和氣候的變化相比更具有穩定性，基礎自然環境在流域尺度下對NPP空間變異的綜合影響相對較小，而在較小地理范圍內引起水熱組合、土壤營養環境的改變，進而可能在小尺度上形成潛在的時空變異格局。氣候變化從空間和時間維度上對NPP的變異性產生影響[36-37]，而且在流域尺度上溫度和相對濕度是影響其空間和時間變異的主要因素，通過對植被的蒸騰和光合作用的調控，促使有機物的積累[38-39]。由于汾河流域大部分區域為半濕潤地區，且境內以耕地和草地為主，引黃工程和農田灌溉等水利措施的實施使得降水并非是流域內植被生長的主導因素[40-41]。綜合來看，NPP與驅動因素間的關系在不同空間尺度上存在差異，其空間變異性是自然因素和人為擾動的共同結果，而NPP隨時間序列產生的時間變異可能與區域的氣候變化和植被的物候特性有關，而且已有研究表明，長期的溫暖潮濕的環境更有利于植被的生長和恢復[42]。

本研究利用1982—2019年長時間序列NPP數據，基于時間變化與空間變異因子對NPP影響的差異性，采用趨勢分析、EOF和SEM分析探究了汾河流域植被NPP的空間與時間變化特征及其驅動因素。汾河流域NPP空間分布具有較強空間異質性，呈由流域中心向兩翼遞增，其差異與地形、植被類型和水熱條件有關，多年的NPP均值為300.02 gC/（m2·a），整體呈現波動上升趨勢，而且境內NPP顯著增加的區域遠大于顯著退化區域。汾河流域NPP時空變化格局自2003年開始發生轉變，生態工程的實施和暖濕化的氣候使得境內植被生態環境得到顯著改善，而且NPP變化最敏感區域位于流域東北部，區域內NPP增加最明顯。由于區域間的自然基礎和人類活動強度不同，人類活動、氣候變化以及基礎自然環境對NPP變化表現出明顯的尺度差異性，其中，人類活動是影響NPP空間結構最主要的驅動因素?；A自然環境則可以在較小地理范圍內引起水熱氣候差異，并間接影響人類活動，形成潛在的時空格局，而在大尺度范圍內具有相對較小的影響。相對濕度和溫度是影響流域NPP空間變異和時間變異主要的氣候因子。

本研究通過將EOF和SEM相結合為研究NPP變化和驅動因子間復雜的相互關系，提供了一種基于空間和時間維度來分析多種類型驅動因子對NPP影響的分析思路，并為汾河流域生態保護和監測提供了依據。