基于日光誘導葉綠素熒光技術的新疆植被生產力時空變化特征及其氣候驅動因素分析

中圖分類號：Q948.112 文獻標志碼：ADOI：10.19345/j.cnki.1674-7909.2025.07.027

文章編號：1674-7909（2025）7-132-6

0 引言

在全球氣候變化背景下，生態系統穩定性和碳循環功能受到嚴重影響。作為評估生態系統健康和全球碳匯的關鍵指標，植被生產力的研究價值日益凸顯。植被生產力可分為總初級生產力（GPP）和凈初級生產力（NPP），前者指植物通過光合作用吸收 制造的有機物，后者則是扣除植物自養呼吸消耗后的剩余部分[1-2]。新疆維吾爾自治區（以下簡稱新疆）位于中國西北干旱半干旱區，具有獨特的生態與植被風貌，對全球氣候變化研究具有重要意義。然而，由于該區域NPP估算精度不足和氣候要素復雜多變，新疆植被生產力的現狀及演變規律尚不清晰，NPP與氣候因子的關系也錯綜復雜。

日光誘導葉綠素熒光（SIF）遙感技術為植被生產力研究提供了新途徑。SIF與光合作用緊密相關，能夠靈敏反映植物光合動態和生產力變化，尤其在常綠植被和季節性雪蓋區等特殊環境中具有顯著優勢。研究表明，SIF數據與GPP在不同植被類型中均表現出高度相關性，為植被生產力的精準評估提供了可靠依據[3-6]

目前，關于新疆植被年際變化與氣候關系的研究多集中于整體或單一植被類型，缺乏對不同植被類型與氣候響應滯后效應的深入探討。姜萍等研究表明，傳統植被指數（NDVI）雖能反映潛在光合作用能力，但對實際光合效率的變化捕捉不夠及時。近年來，隨著遙感技術和SIF提取算法的發展，全球SIF產品的獲取為監測植被生長狀態和估算GPP提供了新途徑[8]。然而，冠層尺度上SIF數據與GPP的關系受多種因素影響，其時間尺度上的變化機制仍不明確。

該研究基于SIF數據重構了新疆植被生產力的評估體系，結合氣象數據，分析了2001一2020年新疆SIF數據的時空變化特征，量化了降水、溫度及凈輻射對SIF數據波動的貢獻度，揭示了新疆植被生產力對氣候因子的響應機制[]。該研究不僅深化了對新疆植被動態格局的認識，還為生態保護策略的制定提供了科學依據，并為類似環境條件下的植被生產力研究提供了方法學參考。SIF數據能夠直觀地反映植物光合作用的變化，為全球碳匯功能評估和生態系統健康監測提供了重要支持，助力應對氣候變化對植被的潛在威脅。

1數據與方法

1.1 研究區概況

新疆位于歐亞大陸腹地，是中國西北邊疆面積最大的省級行政區，總面積約166萬 。新疆地貌呈現“三山夾兩盆”的獨特格局：北部為阿爾泰山，中部是天山山脈，南部為昆侖山，三大山系將新疆分割為準噶爾盆地和塔里木盆地兩大干旱區域[0]新疆地勢北高南低，復雜的地形與氣候條件共同塑造了其生態特征。新疆屬溫帶大陸性干旱氣候，年均降水量約 1 5 0 m m ，集中于山區和綠洲，盆地內部降水極少，呈極端干旱沙漠氣候特征。新疆冬季寒冷，夏季干熱，晝夜溫差大，日照充足，年均日照時數超 2 5 0 0 h ，部分地區年均日照時數在 以上，為全國日照資源最豐富的地區之一。

1.2 數據來源

1.2.1 植被生產力數據

該研究采用日光誘導葉綠素熒光（SIF）遙感數據表征植被生產力，數據來源于CHEN等[開發的重建TROPOMISIF（RTSIF）數據集。該數據集基于機器學習技術對2001—2020年的RTSIF數據進行高精度時空重建，空間分辨率為 ，時間分辨率為 。RTSIF在模型訓練和測試中表現出較高準確性，決定系數 為0.907，回歸斜率為1.001。通過與地面觀測塔SIF數據及GOME-2、OCO-2等衛星數據的交叉驗證，RTSIF數據與GPP顯著相關，為植被生產力的長期動態監測和碳通量評估提供了可靠支持。

1.2.2 氣象數據

為探究氣候對植被生產力的影響，該研究選取氣溫、降水和太陽輻射為主要研究因子。氣溫數據來源于青藏高原數據中心，基于CRU發布的全球 分辨率氣候數據集，并通過與全國496個氣象站點實測數據驗證，確保了高精度和可靠性。降水數據3基于CMIP6全球氣候模式數據集，結合WorldClim高分辨率數據，采用Delta空間降尺度方案生成，提升了空間分辨率和區域適用性。太陽輻射數據來源于地球資源數據云平臺，基于氣象站日均值，制作生成了2000—2022年全國 1 k m 分辨率地表太陽輻射數據集，為研究太陽輻射對植被生產力的影響提供了重要支持。

1.3 研究方法

該研究聚焦于2001—2020年新疆植被生產力（以SIF數據表征）及其關鍵氣候驅動因子（溫度、降水及太陽輻射）的時空演變特征。通過整合Sen斜率估計與Mann-Kendall檢驗方法[14]，系統解析了研究區SIF數據及氣候要素的變化趨勢、顯著性水平及其空間分異規律。通過Pearson相關系數法[15]計算SIF數據與各個氣候因子的相關關系，結果越接近 ± 1 則表示相關性越強。鑒于氣候因子間存在復雜的相互作用，研究采用偏相關分析法，通過控制其他2個氣候變量的影響，分別探討了溫度、降水及太陽輻射與SIF的獨立相關性[16]。計算方法見式（1）。

式（1）中， 是變量 x 和 y 在控制變量 z 后的偏相關系數， 分別是變量 x 和 和 z ， y 和 z 之間的簡單相關系數。

為了進一步量化評估各個氣候因子對SIF變化的相對貢獻率，該研究進一步分析了溫度、降水和太陽輻射對SIF變化的影響，并量化了其各自的貢獻。計算方法見式（2）至式（4）。

式（2）至式（4）中， T ， P 和 R 分別代表溫度、降水和太陽輻射對SIF變化的貢獻程度， 是溫度與SIF的偏相關系數， 是降水與SIF的偏相關系數， 是太陽輻射與SIF的偏相關系數。

2分析結果

2.1 SIF植被時空變化特征

新疆區域遼闊，地形復雜、氣候條件嚴苛，SIF多年平均變化趨勢總體呈現不顯著 （ Plt;0 . 1 ） 但波動上升的趨勢，如圖1所示。具體而言，從2001一2020年，SIF從 上升至 n m ? s r. ，這一時期的多年平均值為 n m ? s r 。SIF在2012年達到了一個峰值，當年的平均值為 。SIF年均增加的速度相對緩慢，為每年

新疆SIF空間分布不均勻，整體表現為中西部和西南部較高、東部較低，如圖2所示。低 S I F（ - 0 . 0 1 6 - 0.042）區域集中于哈密盆地北側，占比 6 8 . 1 % ，可能受干旱氣候和稀疏植被影響；中高SIF（0.086—0.144）區域分布在塔里木盆地外側、天山南支脈南側、昆侖山脈北側及部分盆地內部，占比 2 4 . 8 5 % ，水熱條件適宜，植被生長旺盛；高 區域主要位于準噶爾盆地南緣和塔里木盆地西北部，占比 5 . 3 1 % ，與灌溉農業和天然綠洲相關；較高SIF（0.220—0.433）區域集中于伊犁河谷，得益于優越的水熱條件和肥沃土壤，植被生產力顯著高于其他地區。這種分布格局受地理環境、氣候、土壤類型及人類活動等多重因素影響，反映了新疆不同區域植被類型和生態系統的顯著差異。

新疆SIF變化呈現明顯的區域分異特征，植被生產力整體呈“北高南低”格局，如圖3所示。天山以北山區農業區生產力較高，天山以南地區較低。西部地區SIF變化率較高，東部變化率較低且無明顯上升趨勢。伊犁河谷地區SIF下降率較高 ，呈不顯著減少趨勢 （ P lt;0 . 1 ） ·東部地區SIF以下降為主，主要分布在塔里木盆地外緣、天山南支脈南側、昆侖山脈北側及部分盆地內部。部分區域SIF變化率顯著增加 （ 0 . 0 0 3 5 2 ± 0.00006），其他區域總體穩定。SIF增加區域占1 7 . 3 9 7 % ，高于減少區域的 4 1 . 7 % ，表明新疆植被生產力整體呈上升趨勢，與馬楠等基于NDVI研究的“變綠趨勢”一致，印證了區域內植被生產力得到改善的結論。

2.2新疆植被生產力對于氣候變化的響應

SIF是植被光合作用的關鍵指標，與植被生產力密切相關，其強度受光合作用效率和葉綠素含量影響，可作為植被生產力的間接指標。氣候因子（如溫度、降水和太陽輻射）對SIF有顯著影響：光照強度直接影響葉綠素熒光，而溫度和降水通過植被生理過程間接影響SIF。

該研究定量分析了新疆SIF對氣候因子的響應機制。降水對SIF的影響表現為以下幾個方面：伊犁河谷及準噶爾盆地西北部外延呈負相關（占比28 % ）；吐魯番盆地、哈密盆地及天山以南大部分地區呈不顯著相關（占比 43 % ）；準噶爾盆地兩側呈顯著正相關（占比 6 % ）。溫度對SIF的影響表現為以下幾個方面：伊犁河谷及昆侖山脈北側呈負相關（占比 31 % ）；吐魯番盆地、哈密盆地及天山以南大部分地區呈不顯著相關（占比 3 3 % ）；阿爾金山脈地區呈顯著正相關（占比 3 % ）。太陽輻射對SIF的影響表現為以下方面：伊犁河谷及準噶爾盆地帶、塔里木盆地內部和昆侖山脈大部分呈負相關（占比48 % ；新疆東北部和天山以南部分地區呈顯著正相關（占比 28 % ）。

在新疆，降水是植被生產力的主要驅動因子，植被對降水的響應比對溫度的響應更為敏感，且響應速度更快。溫度對植被生產力的影響則因植被類型而異，溫度升高在一定程度上促進了植被生產力的提升，但其影響通常滯后于降水。

為了進一步量化氣候因子對于SIF變化的貢獻率，該研究基于偏相關相關系數分析的方法，分析新疆SIF對溫度、降水、太陽輻射變化的響應，并量化了3個氣候因子對SIF變化的貢獻度，結果如圖4所示。降水對于SIF變化的貢獻率在伊犁河谷及準噶爾盆地帶貢獻率為 9 9 . 8 % （占比 6 % ）；溫度對于SIF變化在昆侖山脈的貢獻率為 9 7 . 8 % （占比 4 % ）；而太陽輻射對SIF變化貢獻率為 8 7 . 5 % （占比 8 6 % ）。

該研究進一步計算了主導SIF變化的因子，結果表現為溫度主導SIF區域占比 1 3 . 2 % 、降水主導SIF區域占比 1 0 . 1 % 、太陽輻射主導SIF變化區域占比 7 6 . 5 % 。2001一2020年，新疆植被生產力變化主要由太陽輻射引起，在南疆邊緣地區由溫度主導SIF變化，在研究區西北部由降水主導SIF變化。該研究采用定量分析方法[18]，系統解析了新疆植被生產力對氣候因子的響應機制。氣候變暖通過不同途徑對生態系統植被生產力產生深遠影響：太陽輻射的增強顯著提升了植物的光合作用效率，從而增強了生態系統的碳匯能力；降水和溫度的變化也在調控植被生產力的空間分布和動態演變中扮演了關鍵角色。

3結論

2001—2020年，新疆地區SIF多年平均值為 ，在時空上都存在不顯著提高，進一步驗證了新疆生態環境逐步好轉的結論。

2001—2020年，新疆地區SIF總體呈現不顯著上升趨勢，間接證明新疆地區變綠情況。環塔里木盆地和天山北支山脈地區SIF顯著增加，而伊犁河谷地區SIF不顯著降低，反映環塔里木盆地帶、天山北支山脈地區植被生長情況好轉，而伊犁河谷地區則出現了植被退化情況。

新疆SIF變化與氣候因子有密切關系，其中太陽輻射對SIF變化的影響最大。對于主導SIF變化，三者表現為溫度主導SIF區域占比 1 3 . 2 % 、降水主導SIF區域占比 10 . 1 % 、太陽輻射主導SIF區域占比7 6 . 5 % ，太陽輻射對新疆植被生產力變化起主導作用。

參考文獻：

[1關琳琳.基于葉綠素熒光的植被總初級生產力估算[D].合肥：中國科學院大學，2017.

[2]侶海翔，王瑞燕，王秋虹.黃河流域植被光合動態時空演變及歸因分析：基于日光誘導葉綠素熒光數據[J].生態學報，2024，44（13）：5695-5705.

[3]袁文平，蔡文文，劉丹，等.陸地生態系統植被生產力遙感模型研究進展[J].地球科學進

展，2014，29（5）：541-550.

[4]寇宇.基于日光誘導葉綠素熒光的中國植被總初級生產力估算及其對干旱的響應[D].呼和浩特：內蒙古師范大學，2023

[5]王建邦，趙軍，李傳華，等.2001—2015年中國植被覆蓋人為影響的時空格局J.地理學報，2019，74（3）：504-519.

[6]袁艷斌，張城芳，黃鵬，等.基于日光誘導葉綠素熒光的陸地總初級生產力估算[J.農業機械學報，2022，53（4）：183-191.

[7]姜萍，丁文廣，肖靜，等.新疆植被NPP及其對氣候變化響應的海拔分異[J.干旱區地理，2021，44（3）：849-857.

[8]黃躍飛，夏中帥，宋天華，等.基于日光誘導熒光葉綠素估算的全球陸地植被總初級生產力[J].應用基礎與工程科學學報，2025，33（1）：87-102.

[9]CHEN X，ZHANG Y，LI Z，et al.Ahighresolution satellite-based solar-induced chlorophyll fluorescence dataset for China from 20oo to 2022 [J].Remote Sensing of Environment，2023（257）： 112345.

[10]李洪宇，劉曉煌，劉玖芬，等.基于地貌區劃的新疆地表基質質地分類方案[J.現代地質，2024，38（3）：706-717.

[11]CHENXA..RTSIFdataset.figshare.Dataset [DB/OL].（2020-12-31）[2025-01-10].https：//doi. 號 figshare.19336346.v2.

[12]彭守璋.中國 1 k m 分辨率逐月平均氣溫數據集（1901—2023）［DB/OL].（2024-07-17）[2025-01-15].國家青藏高原數據中心.https：//data.tpdc.ac.cn/zh-hans/data/71ab4677-b66c-4fd1-a004-b2a541c4d5bf.

[13]彭守璋.中國 1 k m 分辨率逐月降水量數據集（1901—2023）[DB/OL].（2019-05-22）[2025-02-25].國家青藏高原數據中心.https：//doi.org/10.5281/zenodo.3114194.

[14]LIUZ，WANGH，LIN，et al.Spatial and Temporal characteristicsand driving forcesof vegetation changes in the Huaihe River Basin from 2003 to 2018[DB/OL].（2020-03-02）[2025-02-25].https：// doi.org/10.3390/su12062198.

[15]徐建華.現代地理學中的數學方法[M].北京：高等教育出版社，2002.

[16]嚴麗坤.相關系數與偏相關系數在相關分析中的應用[J].云南財貿學院學報，2003，19（3）：78-80

[17]馬楠，蔡朝朝，白濤.基于機器學習的新疆植被覆蓋變化及其影響因子之間的關系[J].湖北農業科學，2024，63（8）：216222.

[18]聶沖，陳星安，楊鵲平，等.基于葉綠素熒光遙感的長江流域植被生產力時空變化及其氣候驅動因素［J].環境科學研究，2023，36（11）：2200-2209.

Characterization of Spatial and Temporal Changes in Vegetation Productivity and its Climatic Drivers in Xinjiang Based on DaylightInduced Chlorophyll Fluorescence Technology

CHENQiZHUJie WANG Yiting FENG Qinghua

College of Resources and Environment，Yili Normal University，Yining 835ooo，China

Abstract：As an important ecological barrer and agricultural base，the vegetation productivity of Xinjiang is crucial to ecological balance and agricultural production.However，due to the insuficient accuracy of vegetation productivity estimationand the complexity and variability of climatic factors， the current status and evolution paterns of vegetation productivity in Xinjiang are still subject to large uncertainties.This study systematically reveals the spatial and temporal evolution characteristics of vegetation productivity in Xinjiang based on daylight-induced chlorophyllfluorescence （SIF） remote sensing data and climate data.The results showed that： ① the multi-year average value of SIF in Xinjiang was from 2001 to 2020，with a non-significant fluctuating upward trend; ② SIF increased significantly in the areas of the Circum-Tarim Basin and the northern branch of the Tianshan Mountains，with an improvement in the growth of vegetation，whereas SIF decreased slightly in the lli Valley area，indicating local vegetation degradation; ③ SIF changes were closely related to climate factors，with solar radiation contributing 7 6 . 5 % ，and temperature and precipitation accounting for 1 3 . 2 % and 1 0 . 1 % ，respectively. The study reveals the differentiated response of vegetation to climate change in Xinjiang，and provides a scientific basis for ecological protection and sustainable development.

Keywords：Xinjiang;vegetation productivity;SIF