毛烏素沙地植被凈初級生產力時空變化及其驅動因素

摘要：凈初級生產力（Net primary productivity，NPP）及其對全球氣候變化的響應是全球變化研究的熱點之一。本研究基于MODIS遙感數據、DEM數據和氣象數據等，采用Sen趨勢分析、MK顯著性檢驗、CV穩定性分析、偏相關與多元回歸分析等方法，分析毛烏素沙地植被NPP的時空變化規律，并定量分析氣候變化對植被NPP的影響機制。結果表明：2001—2022年毛烏素沙地植被NPP年均值變化范圍介于102.75～210.62 g·m-2之間。整體上，植被NPP呈現波動上升趨勢，但是存在明顯差異?？臻g上，毛烏素沙地植被NPP年平均值為164.43 g·m-2，植被NPP呈增加趨勢的區域分布在北部，呈減少的區域位于南部。在毛烏素沙地東部對植被NPP的影響中，輻射是主導因素之一；在西部與中部，溫度和降水是主導因素之一。研究表明氣候因素對毛烏素沙地植被NPP的變化有顯著作用，其結果也為研究區的生態綠色建設與資源的開發提供科學依據。

關鍵詞：NPP；氣候變化；毛烏素沙地；驅動因素

中圖分類號：S713""" 文獻標識碼：A""""" 文章編號：1007-0435（2024）09-2962-11

收稿日期：2024-01-22；修回日期：2024-03-14

基金項目：陜西林業科技創新重點專項（SXLK2023-02-14，SXLK2022-02-7）;國家自然科學基金青年基金項目（41977077，42107512）資助

作者簡介：

王志鵬（1994-），男，漢族，河南安陽人，碩士研究生，主要從事草地動態遙感監測及其驅動機制研究，E-mail：wangzhipeng123@nwafu.edu.cn；*通信作者：Author for correspondence，E-mail：zmwen@ms.iswc.ac.cn；hnlylcbtks@163.com

doi：10.11733/j.issn.1007-0435.2024.09.030

引用格式：

王志鵬， 石長春， 馬雅莉，等.毛烏素沙地植被凈初級生產力時空變化及其驅動因素［J］.草地學報，2024，32（9）：2962-2972

WANG Zhi-peng， SHI Chang-chun， MA Ya-li，et al.Spatial and Temporal Changes of Vegetation Net Primary Productivity and Its Driving factors in Mu Us Sandy Land［J］.Acta Agrestia Sinica，2024，32（9）：2962-2972

Spatial and Temporal Changes of Vegetation Net Primary Productivity and

Its Driving factors in Mu Us Sandy Land

WANG Zhi-peng1， SHI Chang-chun2， MA Ya-li2， ZHANG Yan2， Yusupukadier·ZIMINI1，

ZHANG Ge-yu1， WEN Zhong-ming1*， LIU Yang-yang1*

（1.College of Grassland Agriculture， Northwest Agriculture and Forestry University， Yangling， Shaanxi Province 712100， China；

2.Shaanxi Academy of Forestry， Xi’an， Shaanxi Province 710082， China; 3.State Long-term Observation and Research Station for

Mu Us Sandland Ecosystem in Yulin of Shaanxi，Yulin， Shaanxi Province 719000， China）

Abstract：Net primary productivity （NPP） and its response to global climate change is one of the hotspots in global change research. In this study，based on MODIS remote sensing data，DEM data and meteorological data，we analyzed the temporal and spatial variation pattern of vegetation NPP in Mu Us Sandland by using the methods of Sen trend analysis，MK significance test，CV stability analysis，bias correlation and multiple regression analysis，etc.，and quantitatively analyzed the mechanism of climate change impact on vegetation NPP. The results showed that the annual mean values of vegetation NPP in Mu Us Sandland varied between 102.75 and 210.62 g·m-2 from 2001 to 2022. Overall，the vegetation NPP showed a fluctuating upward trend，but there were obvious differences. Spatially，the annual mean value of vegetation NPP in the Mu Us Sandland was 164.43 g·m-2，and the area with an increasing trend in vegetation NPP was distributed in the north，and the area with a significant decrease was located in the south. Radiation was one of the dominant factors in the influence of vegetation NPP in the eastern part of the Mu Us Sandy land，and temperature and precipitation were two of the dominant factors in the western and central regions. The study shows that climatic factors play a significant role in the changes of vegetation NPP in the Mu Us Sandland，and the results also provide a scientific basis for the ecological green construction and resource development in the study area.

Key words：NPP；Climate change；Mu Us Sandy Land；Driving factor

植被凈初級生產力（Net primary productivity，NPP）是指在單位時間、單位面積植被光合作用產生的有機質減去自養呼吸作用后剩下的部分，能夠反映植被在自然環境下的生產能力，表征陸地生態系統的質量狀況［1，2］。植被凈初級生產力是陸地生態系統發展的基礎，也是評價區域生態系統功能、生態系統質量及可持續發展評價的重要指標［3］。因此，在研究氣候因素與人為因素干擾的生態系統變化中，植被NPP的時空變化也是量化生態系統恢復基礎的指標之一［4-5］。

由于生境異質性的動態變化，植被NPP總是呈現出不同的時空動態變化。石智宇等［6］和Chen等［7］研究發現，近20年來，植被NPP在中國的空間分布變化呈現“東南高西北低”格局，時間上呈現波動增加趨勢，但不同地區植被NPP變化的主導因素不同；崔林麗等［8］利用模型對中國東南部植被NPP的長期變化趨勢進行監測研究，分析了植被NPP與氣候因素的相關性，表明氣候因素是影響東南部區域植被NPP的主導因素；凡晚晴等［9］研究了西藏地區植被NPP時空變化與驅動因子，發現植被NPP呈現整體增加趨勢，且NPP與降水和氣溫具有顯著的空間相關性，氣候因素的影響大于人為因素，且氣候因素與人為因素存在較強的交互作用。這些研究為理解我國或布局區域的生態系統變化提供了重要支持。

毛烏素沙地處于我國典型的農牧交錯區，為典型的干旱半干旱氣候，生態環境脆弱，風沙危害嚴重。為控制風沙侵害，近幾十年來，我國在該地區先后實施三北防護林建設、退耕還林還草等系列生態工程，加之地方政府的持續投入，毛烏素沙地植被恢復成效顯著，引起國內外廣泛關注，也成為沙地治理的典型案例而廣為宣傳［10］。近年來，針對毛烏素沙地也開展了部分研究工作，如朱海等［11］對毛烏素沙地氣溫時空特征進行分析；楊梅煥等［12］對毛烏素沙地不同植被類型分析其水分利用效率的變化；王翠萍等［13］對毛烏素沙地植被對氣候變化的響應進行研究，也有研究探討了毛烏素沙地植被NPP的變化［14］。但截至目前，對該區域長時間序列的植被NPP變化及其與驅動因素的研究較少。而近年來有報道表明，在氣候變化及人為活動的影響下，毛烏素沙地植被可能存在退化并引起二次沙化的風險，但這些報道多限于局部觀察或調研，對毛烏素沙地植被的整體變化趨勢及其驅動因素尚缺乏深入的研究報道，這些局部的二次沙化風險是否有區域性表現不得而知。為此，本研究擬突破行政界線的限制，以整個毛烏素沙地為研究區，基于長時間序列的植被NPP數據（2001—2022年），對毛烏素沙地的植被NPP時空變化進行分析，探討毛烏素沙地植被NPP的發展趨勢，并利用穩定性分析，偏相關與多元回歸分析等方法，分析毛烏素沙地植被NPP的時空變化及其穩定性，探究驅動因素變化對植被NPP變化的綜合影響和相對貢獻，明確毛烏素沙地植被的趨勢性變化及其影響因素，以期為毛烏素沙地的生態恢復或相關決策提供依據。

1" 材料與方法

1.1" 毛烏素沙地自然概況

毛烏素沙地是我國四大沙地之一，處于鄂爾多斯高原向黃土高原的過渡區域，是以草地放牧業為主的牧、林、農的交錯地區，且具有特殊景觀區域的過渡地帶，也是典型的生態環境脆弱區，同時也是沙漠化研究的重點地區［15］。毛烏素沙地（37°27′30″～39°22′30″N，107°20′00″～111°30′00″E）位于內蒙古鄂爾多斯市南部的伊克紹盟、陜西省榆林市北部以及寧夏回族自治區鹽池縣東北部之間［16］，面積約為4.22×104 km2；海拔高度一般在1300～1600 m之間，由北部與西部向東南部降低。毛烏素沙地的植被和土壤呈現出過渡性特點，向西北過渡為棕鈣土半荒漠地帶，向西南到鹽池一帶過渡為灰鈣土半荒漠地帶，向東南過渡為黃土高原暖溫帶灰褐土森林草原地帶［17］；地形為起伏的丘陵、梁地、緩平的洪積一沖積臺地與寬闊的谷地或灘地［18］。毛烏素沙地大部分屬于溫帶，四季分明，年平均溫度6.0～8.5℃，年降水量為250～490 mm，主要集中于7—9月；降水年際變化大，多雨年為少雨年的2～4倍，常發生旱災和澇災，且旱多于澇［19］。

1.2" 數據來源及處理

本文研究所采用的植被NPP數據，源自MOD17A3HGF V061產品，該產品基于Google Earth Engine遙感云平臺（https：//earthengine.google.com/）進行合成處理。數據覆蓋的時間段為2001—2022年，時間分辨率為8 d，空間分辨率為500 m。MOD17A3產品數據在生產中已經被證明是準確的，許多研究使用該產品在黃河流域/黃土高原開展了許多研究［20，21］，證明了MOD17A3產品在該區域的可靠性；且該數據集已廣泛應用于環境監測、全球生態系統碳循環和植被生長變化［22-23］。

本文所采用的氣溫和降水數據，來自國家地球系統科學數據中心（https：//www.geodata.cn）提供的1901—2022年中國區域1 km分辨率的逐月數據集。輻射數據則來源于Terra Climate全球網格氣象數據產品（https：//climatedataguide.ucar.edu/），其空間分辨率為4 km，時間分辨率為月。為便于分析，本文下載了 2001—2022 年的相關數據，并在ArcGis 10.7軟件中將月度數據通過像元統計方式合成為年度數據，統一重采樣為1 km。

數字高程模型（DEM）數據來源于地理空間數據云提供的（http：//www.gscloud.cn/）SRTMDEMUTM 90M產品。

土地利用數據采用武漢大學楊杰等基于GEE平臺1982—2022年多傳感器觀測的產品（https：//zenodo.org），其利用隨機森林分類器得到LULC分類結果，空間分辨率為30 m。本文使用2001和2022年CLCD LULC數據，并參照全國土地利用遙感分類系統標準，結合毛烏素沙地的地形地貌特征，將其分類體系重分類為草地、耕地、林地、水域和未利用地。

1.3" 研究方法

1.3.1" 趨勢分析法" 本研究采用Theil-Sen斜率估計結合MannKandell（MK）檢驗定量分析2001—2022年毛烏素沙地植被NPP的時空變化趨勢。Theil-Sen斜率［24-25］可以有效避免數據錯誤與異常值對時間序列的干擾，較之簡單的線性回歸與傳統的最小二乘法更加準確［26］。

MK檢驗對測量誤差不敏感，能夠有效剔除異常值［27］，在時間序列的趨勢分析中被廣泛使用［28］。通過MK檢驗確定研究區NPP變化趨勢的顯著性。Sen+MK檢驗具體公式參照文獻［28］，根據該方法，在0.01和0.05顯著性水平下標準化統計量分別為|Z|≥1.96和|Z|≥2.58時，拒絕無趨勢的原假設，將趨勢變化分為五類：極顯著減少，顯著減少，隨機變化，極顯著增加，顯著增加。

對于序列值XI=（x1，x2，…，xn），統計量S計算如下：

S=∑n=1i=1∑n=1j=i+1sgn（xj-xi）（1）

sgn（xj-xi）=1，xj-xigt;00，xj-xigt;0-1，xj-xigt;0（2）

其中xi和xj分別為i和j的序列值。當n≥10時，統計值S接近正態分布，Z值可用于趨勢檢驗：

Z=S-1VAR（S），Sgt;00，Sgt;0S+1VAR（S），Sgt;0（3）

VAR=n（n-1）（2n+5）18（4）

其中n是序列中的數據個數，統計值Z的取值范圍為（-∞，+∞），在給定的顯著水平α下，當|Z|gt;μ1-α/2時，表示研究序列在α水平上存在顯著變化，本研究中取α等于0.05和0.01［27］。

1.3.2" 穩定性分析" 變異系數（Coefficient of variation，CV）是數據系列中數據點在平均值附近離散度的統計量度［29］。CV是比較兩個數據系列變異程度的有用統計量，表示平均值與標準偏差的比值。本研究使用CV值來檢驗毛烏素沙地植被NPP的時空可變性程度。

CV=∑ni=1（xi-x-）n-1x-（5）

式中，CV為變異系數；表示在第i年毛烏素沙地植被NPP，n為時間序列年數；為植被NPP平均值。CV值越小說明數據分布越集中，年際間變化的幅度越小，受外界影響程度低，且具有較高的穩定性；反之則波動性越大，受外界影響程度高，數據不穩定。

1.3.3" 變化持續性及未來發展趨勢分析" Hurst指數（H）能更好地分析年際變化的特征，并被廣泛用于反映未來時間內變化趨勢的可持續性［30］。本文采用重標極差（R/S）分析法計算Hurst指數［31］，對毛烏素沙地植被NPP的未來變化趨勢進行分析預測。當0lt;Hlt;0.5時，表示所研究的時間序列變化與過去相反，時間序列具有反持續性；H=0.5，表示時間序列隨機性，無法預測未來的變化；當1gt;Hgt;0.5，表示研究的時間序列變化狀態與過去一致，即時間序列具有正向持續性。具體公式參考文獻［32］。

1.3.4" 偏相關分析法" 采用偏相關分析法計算植被NPP對降水、溫度和輻射等氣候要素動態的相應［33］。在一個變量同時與兩個變量相關時，偏相關分析可以剔除另一個變量對其產生的影響。首先計算兩變量間的相關系數，在其基礎上進一步計算偏相關系數［34］。因此，簡單的線性相關系數并不能真實反映兩個變量之間的本質關系。為了排除溫度、降水與輻射彼此之間的影響，以便更加準確分析研究區植被NPP與氣象因子的關聯性，本研究采用偏相關分析法研究不同氣象因子對植被NPP變化的影響，并通過雙邊t檢驗判斷其顯著性。具體公式參考文獻［35］。

1.3.5" 多元線性回歸" 為了分析氣候與植被恢復引起的變化，建立了多元線性回歸模型來研究要素與氣候變量之間的關系。逐步多元線性回歸基于幾個有意選擇的解釋變量為因變量Y構建多元模型［36］。貢獻變量均在Plt;0.05的統計水平上通過顯著性檢驗，為了便于比較貢獻度，在逐步多元線性回歸模型中將不同單位的所有變量標準化。通過標準化的多元線性回歸模型，獨立變量的相對貢獻可以通過下面的公式計算：

Y=a′1x1+a′2x2+…a′nxn（6）

ni|ai|∑ni=1|ai|（7）

其中Y是因變量，是自變量（溫度、降水和輻射等氣候因素），1≤i≤n）是逐步多元線性回歸方程中i變量的標準偏回歸系數，表示當解釋變量變化1個單位時，響應變量Y的變化量，是相對貢獻。

2" 結果與分析

2.1" 毛烏素沙地植被NPP的年際變化特征

圖2所示2001—2022年毛烏素沙地植被NPP以4.31 g·m-2·a-1的速率顯著增加（Plt;0.05），呈波動上升趨勢，標志著生態系統生產力呈顯著性改善。具體而言：植被NPP年均值自2001年的102.75 g·m-2增加到2019年的210.62 g·m-2，共增加107.87 g·m-2。然而2022年的年均值下降至189.63 g·m-2，相較于2019年下降了20.99 g·m-2。盡管有波動，但毛烏素沙地植被NPP的多年均值仍維持在164.43 g·m-2。

圖3分析了毛烏素沙地植被NPP在空間分布的差異和趨勢，為自北向南逐漸增加的分布格局。圖3a 所示：2001年毛烏素沙地植被年平均NPP為102.75 g·m-2；植被NPP范圍為50～150 g·m-2時，約占總面積的96.67%。圖3b 所示：2008年毛烏素沙地植被年平均NPP上升到140.64 g·m-2；植被NPP值范圍為100～150 g·m-2時，則在北部與中部的地區，約占總面積的62.80%。圖3c所示：2015年毛烏素沙地植被年平均NPP為172.05 g·m-2；植被NPP值范圍為100～150 g·m-2時，位于北部的地區，約占總面積的37.55%；植被NPP值范圍為200～250 g·m-2時，位于南部的地區，約占總面積的19.54%。圖3d所示：2022年毛烏素沙地植被年平均NPP為189.63 g·m-2；植被NPP值范圍為150～200 g·m-2時，位于南部的地區，約占總面積的41.87%；植被NPP值范圍為200～400 g·m-2時，位于南部與東部地區，約占總面積的37.44%。圖3e 表明毛烏素沙地北部植被NPP年均變化值為53.37～150 g·m-2，約占總面積的39.93%；在中部地區植被NPP年均變化值為150～200 g·m-2，約占總面積的42.20%；在南部與東南部地區植被NPP年均變化值為200～400 g·m-2，約占總面積的17.87%。

2.2" 毛烏素沙地植被NPP的時空變化

如圖4a所示，毛烏素沙地植被NPP的線性趨勢率在-7.80～17.33 g·m-2·a-1之間。結合Mann-Kendall檢驗方法，對毛烏素沙地植被NPP變化趨勢進行顯著性檢驗，并將研究區分為五個分區（圖4b）。表明毛烏素沙地99.96%的地區植被NPP呈上升趨勢，而呈下降趨勢的地區僅占0.04%。其中，植被NPP呈極顯著（Plt;0.01）增加與顯著增加（Plt;0.05）的區域占總面積的絕大部分，約為42 138.12 km2；表明這些區域植被恢復穩定與植被生長狀況良好，具有較強的抗沙化能力。植被NPP呈極顯著減少（Plt;0.01）和顯著減少（Plt;0.05）區域位于毛烏素沙地東部與中部，約占總面積的0.036%。說明毛烏素沙地經過多年的植被恢復，沙化面積不斷減少，植被覆蓋度與綠化面積都在增加，植被NPP增長呈波動性上升，恢復趨勢穩定。

2.3" 毛烏素沙地植被NPP穩定性分析

植被NPP的時間穩定性與植被生態系統抵抗外部干擾能力密切相關。植被NPP的時間穩定性差，則二次沙化風險也就越高。圖5表明2001—2022年毛烏素沙地植被NPP的CV值為0.07～0.81，平均值為0.21，該研究區植被整體的波動性相對較低，植被條件相對穩定。毛烏素沙地植被NPP的CV值在0.07～0.30的范圍時，約占總面積的95.43%；并且該區域CV指數總體小于0.30，說明該地區植被隨時間變化的波動性較小且受外界影響程度低，植被狀態具有較高的穩定性，能抵抗外來不利因素的侵擾。研究區中部與東北部植被NPP的CV變異系數為0.20～0.25之間時，約占總面積的13.88%，約為5 857.368 km2，表明該地區植被隨時間變化的波動性小，植被恢復較為穩定。研究區的西南部到東部的植被NPP的CV值為0.30～0.81之間時，變化的幅度最大為0.51，說明該地區植被NPP的波動性相對較大，易受外部干擾，沙化風險較大。

2.4" 毛烏素沙地植被NPP可持續性分析

圖6a表明毛烏素沙地植被NPP的H均值為0.43，說明該區域的植被NPP總體呈現出弱的反持續性，這說明過去植被NPP的增長趨勢很可能在未來轉為下降趨勢，反之亦然。在空間上，H大于0.50的區域僅占14.87%，集中在毛烏素沙地的西南部與東南部地區；而H小于0.50的區域占據絕大部分（85.13%），集中分布在毛烏素沙地的中部、西北部以及東北部地區。結合Sen-MK趨勢分析與H指數對毛烏素沙地未來植被NPP的變化趨勢進行分析（圖6b）；研究區植被NPP呈上升且持續區域占總面積11.55%，面積約為4874.1 km2；上升且反持續面積占總面積83.04%，約為35 042.88 Km2，主要分布于內蒙古的南部與陜西省榆林市。植被NPP呈下降且持續的區域僅占0.03%，呈下降且反持續的區域占0.02%，且都主要位于榆林市的最北部與神木市的中部。

2.5" 毛烏素沙地植被NPP和氣候因子的關系

圖7a表明植被NPP與溫度以正相關關系為主，其偏相關系數在-0.53～0.54，平均偏相關系數為0.07。植被NPP與溫度呈顯著正相關（Plt;0.05）區域主要分布在陜西省榆林市的部分地區（圖7a），占研究區總面積的0.37%，約為156.14 km2；呈顯著負相關區域僅占0.03%，面積約為12.66 km2。圖7b表明植被NPP與輻射呈正相關關系，其偏相關系數在-0.63～0.64之間，平均偏相關系數為0.30。植被NPP與輻射呈顯著正相關（Plt;0.05）區域主要分布在毛烏素沙地的東部地區（圖7b），占研究區總面積的24.87%，約為10 495.67 km2；而呈顯著負相關的區域僅為0.06%，主要在榆林市的部分區域，面積約為2532 km2。從東部到西部，毛烏素沙地的輻射因子對植被NPP的影響逐漸減弱。圖7c表明植被NPP與降水呈顯著正相關關系，其偏相關系數在-0.44～0.74之間，平均偏相關系數為0.48；植被NPP與降水呈顯著正相關（Plt;0.05）區域主要分布在毛烏素沙地的大部分區域（圖7c），約占總面積的84.90%，面積約為35 827.8 km2；呈顯著負相關區域主要位于毛烏素沙地的西部與南部邊緣地區，約占總面積的0.003%，面積約為1.266 km2。

在圖8a中觀察到輻射對毛烏素沙地植被凈初級生產力（NPP）的貢獻度呈現出由西部向東北部逐漸增加的趨勢，其中在東部地區輻射的貢獻最為顯著，可達到90%以上，而在西部和南部地區，其貢獻相對較低。圖8b顯示，溫度對毛烏素沙地植被NPP的影響也表現出從西部到東部逐漸增強的模式，西部地區的溫度貢獻較低，而在東部，溫度對NPP的貢獻率介于45%至83%之間，屬于高貢獻區。此外，圖8c揭示了降水對該地區植被NPP的貢獻在地理上的分布差異：西部地區的降水貢獻相對較低，為10%至36%，而東部地區的降水貢獻則明顯較高，介于60%至98%之間。

圖9表明在毛烏素沙地的東部地區，輻射作為主導因素極大地影響了植被NPP變化，其占比高達94.30%；這表明輻射在該區域內對植被生長的促進作用尤為關鍵。而在西部地區，降水成為影響植被NPP變化的主導因素之一，占比為0.8%；降水通過調節土壤水分條件、蒸騰作用及空氣濕度等環境因素，間接影響植物生長環境及其生物活性。在毛烏素沙地的西部地區，溫度是影響植被NPP變化的主導因素之一，占比為4.90%；溫度通過影響植物體內的有機物積累和代謝活動，進一步影響植被的生長和生產力。

2.6" 毛烏素沙地土地利用變化

圖10a表明2001年毛烏素沙地各土地利用類型面積占比依次為：草地（67.06%）＞未利用地（24.27%）＞耕地（8.29%）＞水域（0.38%）；圖10c表明2022年毛烏素沙地面積占比依次為：草地（76.59%）＞耕地（13.87%）＞未利用地（9.13%）＞水域（0.39%）＞林地（0.02%）。通過毛烏素沙地22年來土地利用類型轉移方向，制作土地利用類型變化情況圖10b可知，22年來總體表現為未利用地面積減少轉移為草地與耕地面積增加，并增加了林地。其中：未利用地轉移面積減少6389.08 km2；草地轉移面積增加4021.66 km2，耕地增加面積2354.76 km2，林地面積增加8.44 km2。研究可知，草地、林地和耕地面積的增加引起毛烏素沙地植被NPP增加，可能是草本與灌木植物增加和當地加強生態保護，減少對草地的利用有關。

3" 討論

3.1" 毛烏素沙地植被NPP的分布特征及其變化

植被NPP是體現地區植被生產能力的重要指標，本研究基于MODIS遙感衛星數據計算2001—2022年毛烏素沙地植被NPP的時空變化特征和驅動因素，加強對毛烏素沙地植被NPP利用效率的長時間時空趨勢特征理解，反映其在氣候變化背景下植被生態變化方面具有的重要作用。植被NPP的變化可以反映當地植被生態變化及對水熱條件和人類活動的響應過程［37］，2001—2022年毛烏素沙地植被NPP在時空上均呈波動增加趨勢，北部地區與中部地區的植被NPP的增速高于南部地區；植被NPP增長的分布格局為南-中-北的增加趨勢，這反映了植被對水熱條件的響應與對自然環境的適應。植被通過調節自身生長來適應干旱以及其他環境壓力［38］，降水減少和養分供應不足可能導致存儲的植被NPP降低，影響植被的光合速率［39］。此外，受地形、氣候和人為等因素的影響，在時間上植被NPP呈現逐漸增加的趨勢；空間上植被NPP呈現北部低南部高的狀態。一方面，毛烏素沙地的北部地區是沙化的重點恢復區域，但是植被恢復效果卻沒有南部植被恢復效果明顯；另一方面，這也反映了北部地區植被類型少，生態恢復不顯著。根據毛烏素沙地植被NPP的未來預測顯示：90%地區植被NPP存在上升趨勢，主要集中于中部與南部地區。這可能是受到未來氣候持續變暖、植被恢復程度高及植被覆蓋度增加有關；也可能是由于降水，溫度和輻射總體保持穩定提升，導致植被生長速度加快。毛烏素沙地植被的穩定性從北部到中部與南部逐漸升高；在植被穩定性較高的地區，植被恢復與抵抗外界干擾能力強，植被種類相對較多；在植被穩定性較低的區域，植被種類少與水土流失量大，植被抵抗外界因素的能力較低，成為防治二次沙化的重點區域。

3.2" 毛烏素沙地植被NPP的影響因素

分析毛烏素沙地植被NPP 2001—2022年的變化趨勢，發現北部與中部地區，植被NPP的變化最為明顯，表明該區域植被恢復顯著。對生態系統而言，植被NPP的變化是由多種因素共同影響產生的［40］。毛烏素沙地植被NPP與降水呈正相關的區域是毛烏素沙地的大部分區域，水分成為限制植被生長的主要因素。降水減少會升高溫度和蒸散量，其分布的草地和灌叢會隨降水的減少而降低其生態系統生產力［33］；同時，過多水分會限制土壤中的氧氣擴散，使得土壤有機質的分解速率下降，養分供應減慢，進而導致植被固碳效率的下降［29］。毛烏素沙地地區輻射呈相關性的方向是（東部gt;中部gt;西部），這可能是輻射降低影響植物光合作用的降低導致植被儲存物質的減少，進而導致植被凈初級生產力減少。植被NPP總體呈穩定的狀態，但是毛烏素沙地西北部到東北部地區的CV值高于別的區域，說明該區域植被對氣候變化更加敏感。研究時段內，植被NPP變化趨勢與研究區植被類型和氣候因素密切相關，說明毛烏素沙地生態恢復效益明顯，固碳效率得到提升［1］，這一點對于環境保護和應對氣候變化尤為重要。

毛烏素沙地類型主要以草地與沙地為主，人類活動較少且對植被生長的影響有限。毛烏素沙地在造林措施、人工補播植被、林草復合措施等生態保護措施與政策的影響下，研究區內未利用地面積減少轉換成草地、耕地與林地面積的增加，增加更多種類的草本與灌木植物，使毛烏素沙地植被NPP增加；表明毛烏素沙地在生態保護政策的影響下，土地類型轉移面積改變影響研究區植被NPP的變化，但土地利用轉移對植被NPP的影響力小于氣候因素。

3.3" 本研究不足及后續研究

本研究所使用的土地利用數據對地表真實植被類型的反映不夠精確，且研究區植被主要為草本與灌木類型，不能很好地反映其對植被NPP的調控作用；人為因素對毛烏素沙地植被NPP的影響分析不足，且沒將氣候因素與人為因素的共同作用來深入探討對植被NPP的影響。因此，在未來的研究中需考慮多種因素影響的同時，也需采用精度更高的數據產品，進一步完善毛烏素沙地的生態評估，防止出現植被毀壞與二次沙化的威脅，以便更好地理解和預測植被變化，為毛烏素沙地的生態恢復和可持續發展提供指導。

4" 結論

2001—2022年毛烏素沙地植被年凈初級生產力平均值為164.43 g·m-2·a-1，年均值范圍為102.75～210.62 g·m-2，表現出明顯的空間異質性。毛烏素沙地植被凈初級生產力的變化主要受氣候因素影響，進行相關性分析研究發現植被凈初級生產力與降水呈顯著相關關系，在東部地區輻射為主導因素影響植被凈初級生產力的變化。毛烏素沙地的土地利用類型轉移表明：未利用地面積減少轉移為草地、耕地與林地面積增加，且草地面積增加影響植被凈初級生產力的變化。土地利用類型轉移變化影響毛烏素沙地植被凈初級生產力，但是植被凈初級生產力的變化主要由氣候因素驅動。

毛烏素沙地治理從上世紀開始的生態保護措施到今天已取得顯著成績。對于當前毛烏素沙地生態恢復趨勢不穩定、植被凈初級生產力增長緩慢的區域，需要合理利用光水熱資源對植被恢復的作用；在生態環境保護中采用合適植被種植，尤其是需要篩選當地的草灌物種，避免使用喬木樹種，增強植被對環境的適應性，減少水分耗損和人為因素干擾。

參考文獻

［1］" LIETH H，WHITTAKER R H. Primary productivity of the biosphere［J］. New York：Springer-Verlag，1975：19-22

［2］" ZHU L，SUN W，WU J，et al. Spatiotemporal distribution of carbon sink indicators—NPP and Its driving analysis in ordos city，China［J］. Applied Sciences，2023，13（11）：6457

［3］" 王娟，何慧娟，董金芳，等. 黃河流域植被凈初級生產力時空特征及自然驅動因子［J］. 中國沙漠，2021，41（6）：213-222

［4］" WANG Z，ZHONG J，LAN H，et al. Association analysis between spatiotemporal variation of net primary productivity and its driving factors in inner mongolia，china during 1994-2013［J］.Ecological Indicators，2019，105：355-364

［5］" 任正超，朱華忠，史華，等. 中國潛在自然植被NPP時空分布格局變化及其對氣候和地形的響應［J］. 草地學報，2017，25（3）：474-485

［6］" 石智宇，王雅婷，趙清，等. 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［J］. 生態環境學報，2022，31（11）：2111-2123

［7］" CHEN G，HUANG Y，CHEN J，et al. Spatiotemporal Variation of Vegetation Net Primary Productivity and Its Responses to Climate Change in the Huainan Coal Mining Area［J］. Journal of the Indian Society of Remote Sensing，2019，47（11）：1905-1916

［8］" 崔林麗，杜華強，史軍，等. 中國東南部植被NPP的時空格局變化及其與氣候的關系研究［J］. 地理科學，2016，36（5）：787-793

［9］" 凡晚晴，吳華，樊風雷. 近20年來西藏地區NPP時空變化及影響因素［J］. 水土保持通報，2022，42（6）：378-386

［10］錢貴霞，王曉欣，李武，等. 中國從防沙治沙到管沙用沙的演變過程與實現路徑［J］. 應用生態學報，2024，35（1）：8-16

［11］朱海，黃觀文. 毛烏素沙地地區1960—2018年氣溫時空特征分析［J］. 測繪地理信息，2021，46（Sup1）：276-281

［12］楊梅煥，李揚，王濤，等. 毛烏素沙地植被水分利用效率時空變化特征及其對水熱條件的響應［J］. 測繪通報，2023（7）：44-50

［13］王翠萍，韓小紅，王昊琛，等. 1982—2020年毛烏素沙地植被對氣候變化的響應［J］. 林業資源管理，2023（3）：80-89

［14］馮筱，屈建軍，丁新輝，等. 沙漠化逆轉過程中榆林市植被凈初級生產力時空格局及其影響因素［J］. 中國沙漠，2024，44（1）：22-32

［15］閆峰，吳波，王艷姣. 2000～2011年毛烏素沙地植被生長狀況時空變化特征［J］. 地理科學，2013，33（5）：602-608

［16］劉靜，銀山，張國盛，等. 毛烏素沙地17年間植被覆蓋度變化的遙感監測［J］. 干旱區資源與環境，2009，23（7）：162-167

［17］閆峰，吳波. 近40a毛烏素沙地荒漠化過程研究［J］. 干旱區地理，2013，36（6）：987-996

［18］張新時. 毛烏素沙地的生態背景及其草地建設的原則與優化模式［J］. 植物生態學報，1994，18（1）：1-16

［19］段義忠，李娟，杜忠毓，等. 毛烏素沙地天然植物多樣性組成及區系特征分析［J］. 西北植物學報，2018，38（4）：10

［20］WANG Z，DONG C，DAI L，et al. Spatiotemporal evolution and attribution analysis of grassland NPP in the Yellow River source region，China［J］. Ecological Informatics，2023，76：102135

［21］ZHAO F，WU Y，YAO Y，et al. Predicting the climate change impacts on water-carbon coupling cycles for a loess hilly-gully watershed［J］. Journal of Hydrology，2020，581：124388

［22］JIANG T，WANG X，AFZAL M M，et al. Vegetation productivity and precipitation use efficiency across the Yellow River basin：Spatial patterns and controls［J］. Remote Sensing，2022，14（20）：5074

［23］YANG H，ZHONG X，DENG S，et al. Assessment of the impact of LUCC on NPP and its influencing factors in the Yangtze River basin，China［J］. Catena，2021，206：105542

［24］SEN P K. Estimates of the regression coefficient based on Kendall’s Tau［J］. Journal of the American Statistical Association，1968，63（324）：1379-1389

［25］BA W，QIU H，CAO Y，et al. Spatiotemporal characteristics prediction and driving factors analysis of NPP in Shanxi province covering the period 2001-2020［J］. Sustainability，2023，15（15）：12070

［26］YE X C，LIU F H，ZHANG Z X，et al. Spatio-temporal variations of vegetation carbon use efficiency and potential driving meteorological factors in the Yangtze River Basin［J］. Journal of Mountain Science，2020，17（8）：1959-1973

［27］YIN Y，XU C，CHEN H，et al. Trend and concentration characteristics of precipitation and related climatic teleconnections from 1982 to 2010 in the Beas River basin，India［J］. Global and Planetary Change，2016，145：116-129

［28］田智慧，任祖光，魏海濤. 2000～2020年黃河流域植被時空演化驅動機制［J］. 環境科學，2022，43（2）：743-751

［29］林子琦，溫仲明，劉洋洋，等. 基于遙感數據的植被碳水利用效率的時空變化和歸因分析［J］. 生態學報，2024（1）：1-15

［30］CAI B F， YU R. Advance and evaluation in the long time series vegetation trends research based on remote sensing［J］. Journal of Remote Sensing，2009，13，（6）：1170-1186

［31］王桂鋼，周可法，孫莉，等. 近10a新疆地區植被動態與R/S分析［J］. 遙感技術與應用，2010，25（1）：84-90

［32］CHAMBERS J Q，TRIBUZY E S，Toledo L C，et al. Respiration from a tropical forest ecosystem：Partitioning of sources and low carbon use efficiency［J］. Ecological Applications，2004，14（4）：S72-S88

［33］DONG G，ZHAO F，CHEN J，et al. Non-climatic component provoked substantial spatiotemporal changes of carbon and water use efficiency on the Mongolian Plateau［J］. Environmental Research Letters，2020，15（9）：95009

［34］穆少杰，李建龍，陳奕兆，等. 2001-2010年內蒙古植被覆蓋度時空變化特征［J］. 地理學報，2012，67（9）：1255-1268.

［35］尹超華，羅敏，孟凡浩，等. 蒙古高原植被碳水利用效率時空變化特征及其影響因素［J］. 生態學雜志，2022，41（6）：1079-1089

［36］ZHAN X，LIANG X，XU G，et al. Influence of plant root morphology and tissue composition on phenanthreneuptake：Stepwise multiple linear regression analysis［J］. Environmental Pollution，2013，179：294-300

［37］賈俊鶴，劉會山，林振山. 中國西北地區植被NPP多時間尺度變化及其對氣候變化的響應［J］. 生態學報，2019，39（14），5058-5069

［38］張瀟，武娟娟，賈國棟，等. 降水控制對側柏液流變化特征及其水分來源的影響［J］. 植物生態學報，2023：1-15

［39］尹飛虎，李曉蘭，董云社，等. 干旱半干旱區CO2濃度升高對生態系統的影響及碳氮耦合研究進展［J］. 地球科學進展，2011，26（2）：235-244

［40］范蒙恩，王佩堯，陳宇，等. 未來不同氣候情景下全球草地生態系統及凈初級生產力時空動態分析［J］. 草地學報，2023，31（12）：3597-3607

（責任編輯" 付" 宸）