河西走廊植被凈初級(jí)生產(chǎn)力時(shí)空變化及其影響因子研究

李傳華,朱同斌,周 敏,殷歡歡,王玉濤,孫 皓,曹紅娟,韓海燕

西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院, 蘭州 730070

凈初級(jí)生產(chǎn)力(Net Primary Productivity,NPP)是植物在單位時(shí)間和單位面積上,通過(guò)光合作用產(chǎn)生的有機(jī)質(zhì)總量中扣除自養(yǎng)呼吸后的剩余部分,通常以干質(zhì)量表示[1]。NPP是衡量全球與區(qū)域生態(tài)系統(tǒng)質(zhì)量的重要指標(biāo),也是陸地生態(tài)系統(tǒng)碳循環(huán)過(guò)程的重要參數(shù),準(zhǔn)確估算NPP是該領(lǐng)域最基礎(chǔ)的科學(xué)問(wèn)題之一。氣候變暖在持續(xù)加劇[2],對(duì)陸地生態(tài)系統(tǒng)產(chǎn)生顯著影響,人類(lèi)活動(dòng)也是影響植被的重要因子[3],因此,研究NPP的時(shí)空格局變化及其影響因子對(duì)地區(qū)可持續(xù)發(fā)展具有重要意義[4]。

NPP估算模型主要有氣候模型[5- 6]、過(guò)程模型[7]和參數(shù)模型[8- 9]等,國(guó)內(nèi)外學(xué)者利用這些模型取得了大量的進(jìn)展。這些模型各具特點(diǎn)也存在某些不足,例如氣候模型估算沒(méi)有考慮植被信息,不確定性很大；過(guò)程模型機(jī)制復(fù)雜,所需參數(shù)多且獲得困難；參數(shù)模型,比如光能利用率模型的光能傳遞與轉(zhuǎn)換過(guò)程還存在許多的不確定性。因此,繼續(xù)發(fā)展NPP的估算方法是減少不確定性的重要途徑。隨機(jī)森林(Random Forest,RF)機(jī)器學(xué)習(xí)算法近年來(lái)在地學(xué)領(lǐng)域應(yīng)用非常廣泛[10- 12],在NPP估算方面被證明具有較高的可靠性。眾多學(xué)者利用RF方法估算的東亞和美國(guó)地區(qū)的NPP與MOD17A3產(chǎn)品相關(guān)性R2>0.8[13],估算的中國(guó)青藏高原的NPP與實(shí)測(cè)數(shù)據(jù)相關(guān)系數(shù)為0.86[14-15],估算的歐洲總初級(jí)生產(chǎn)力與MOD17A2產(chǎn)品數(shù)據(jù)相關(guān)系數(shù)為0.84[16],因此,隨機(jī)森林算法具有較廣泛的適用性,被認(rèn)為是一種可靠的NPP估算方法。同時(shí),隨機(jī)森林能夠處理高維特征的輸入數(shù)據(jù),不需要數(shù)據(jù)降維,對(duì)于數(shù)據(jù)缺省問(wèn)題也具有較好的容忍度[17]。

河西走廊是“絲綢之路經(jīng)濟(jì)帶”的重要通道,是我國(guó)向西開(kāi)放的黃金地段；該區(qū)南部是祁連山國(guó)家森林公園,北部被沙漠環(huán)繞,是我國(guó)重要的生態(tài)屏障。河西走廊是典型的干旱半干旱區(qū),降水稀少、土壤貧瘠,生態(tài)環(huán)境十分脆弱,對(duì)氣候變化和人類(lèi)活動(dòng)非常敏感[3, 18]。隨著全球氣候變暖,干旱半干旱區(qū)變暖趨勢(shì)更加明顯[19-20],降水的變化具有不確定性[21],因此其植被變化表現(xiàn)出較強(qiáng)的空間異質(zhì)性[22-23]。干旱半干旱區(qū)NPP變化的驅(qū)動(dòng)因子結(jié)論也不一致,有研究表明降水是干旱區(qū)植被NPP變化的主導(dǎo)因子[24-25],也有人認(rèn)為是氣溫[26],同時(shí),人類(lèi)活動(dòng)的影響也不容忽視。

本研究基于RF機(jī)器學(xué)習(xí)模型,利用實(shí)測(cè)數(shù)據(jù)和遙感數(shù)據(jù)估算2002—2018年期間的河西走廊NPP,分析NPP時(shí)空變化以及氣溫、降水和人類(lèi)活動(dòng)對(duì)NPP變化的影響。本研究的目的有三點(diǎn),一是評(píng)估RF機(jī)器學(xué)習(xí)算法估算NPP在干旱半干旱區(qū)的適用性；二是分析河西走廊NPP變化時(shí)空格局；三是定量評(píng)估該區(qū)NPP變化的驅(qū)動(dòng)因子,為類(lèi)似區(qū)域的生態(tài)保護(hù)工作提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

河西走廊地處中國(guó)內(nèi)陸甘肅省境內(nèi),位于37 °17 ′N(xiāo)—42 °48 ′N(xiāo),92 °12 ′E—103 °48 ′E,自東向西依次分布石羊河、黑河和疏勒河三大內(nèi)陸河流域,平均海拔2166 m。該地是典型溫帶大陸性氣候,通過(guò)遙感數(shù)據(jù)統(tǒng)計(jì),研究期間年均降水為150.09 mm,年均溫為5.29 ℃。該地自南向北由山地、綠洲、荒漠三個(gè)子系統(tǒng)構(gòu)成,對(duì)應(yīng)的子氣候類(lèi)型有高寒氣候、溫帶氣候、荒漠氣候,主要植被有林地、草地、耕地和荒漠。

圖1 研究區(qū)概況圖Fig.1 Overview of the study area

1.2 數(shù)據(jù)處理與方法

1.2.1NPP數(shù)據(jù)

實(shí)測(cè)NPP來(lái)自于2018年7—8月實(shí)地采樣、文獻(xiàn)NPP[27- 30]和黑河計(jì)劃數(shù)據(jù)管理中心(http://www.heihedata.org/),共323組數(shù)據(jù)(圖1)。其中,實(shí)地采樣19組草地?cái)?shù)據(jù)、13組農(nóng)田數(shù)據(jù)和16組荒漠灌草數(shù)據(jù),地上部分采用齊地面收割法,地下部分連根收集；林地的采集數(shù)據(jù)為4組,通過(guò)量取樹(shù)的胸徑(地上1.3 m處的直徑)估算生物量和相應(yīng)的NPP[31]。

1.2.2遙感數(shù)據(jù)

2001—2018年溫度數(shù)據(jù)來(lái)源于歐洲中期天氣預(yù)報(bào)中心(ECMWF)中期再分析產(chǎn)品(ERA-Interim；https://apps.ecmwf.int/datasets/data/interim-full-daily/levtype=sfc/),空間分辨率為0.125 °×0.125 °。降水?dāng)?shù)據(jù)來(lái)源于TRMM3B43數(shù)據(jù)產(chǎn)品(https://earthdata.nasa.gov/),空間分辨率為0.25 °×0.25 °。最后利用雙線性插值法重采樣為250 m×250 m[32]。NDVI數(shù)據(jù)來(lái)源于美國(guó)國(guó)家航空航天局MOD13Q1(https://search.Earthdata.nasa.gov/search),空間分辨率為250 m×250 m。NPP產(chǎn)品來(lái)源于美國(guó)NASA EOS/MODIS的MOD17A3數(shù)據(jù)(http://files.ntsg.umt.edu/data/NTSG_Products/MOD17/),空間分辨率為1 km×1 km,重采樣為250 m×250 m。

1.2.3土地利用數(shù)據(jù)

土地利用數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn),空間分辨率為100 m,重采樣為250 m；土地利用類(lèi)型包括25個(gè)二級(jí)類(lèi)型,合并為6個(gè)一級(jí)類(lèi)型,本文僅研究耕地、林地、草地和荒漠四種類(lèi)型,建設(shè)用地和水域面積較少忽略不計(jì)。

1.2.4其他數(shù)據(jù)

DEM來(lái)源于地理空間數(shù)據(jù)云(http://www.gscloud.cn)。相對(duì)濕度通過(guò)氣溫和露點(diǎn)溫度計(jì)算[33]；FAPAR利用NDVI計(jì)算[34]；潛在蒸散利用氣溫計(jì)算[35]。

1.3 研究方法

1.3.1隨機(jī)森林

RF(隨機(jī)森林算法)是Leo Breiman于2001年提出的一個(gè)組合分類(lèi)算法[36],是用于分類(lèi)和回歸的機(jī)器學(xué)習(xí)方法,它是樹(shù)預(yù)測(cè)變量的組合,每棵樹(shù)都依賴于獨(dú)立采樣的隨機(jī)向量的值。隨機(jī)森林通過(guò)在給定的訓(xùn)練時(shí)間內(nèi)構(gòu)建多個(gè)決策樹(shù)并輸出作為各個(gè)樹(shù)的類(lèi)(分類(lèi))或平均預(yù)測(cè)(回歸)的模式來(lái)進(jìn)行運(yùn)作,隨著樹(shù)木數(shù)量的增加,隨機(jī)森林的泛化誤差收斂到極限。本研究的RF是基于python的scikit-learn包(https://pypi.org/project/scikit-learn/)開(kāi)發(fā)的。

本研究RF的輸入變量包括海拔、坡度、坡向、秋季均溫(上一年)、冬季均溫(上一年)、春季均溫、夏季均溫、秋季均溫、冬季均溫、年平均溫、秋季降水(上一年)、冬季降水(上一年)、春季降水、夏季降水、秋季降水、冬季降水、年總降水、平均年相對(duì)濕度、年相對(duì)濕度(最大)、年相對(duì)濕度(最小)、生長(zhǎng)季平均相對(duì)濕度、生長(zhǎng)季總相對(duì)濕度、年潛在蒸散、年平均FAPAR、年最大FAPAR-年最小FAPAR、年最大FAPAR、年最小FAPAR、生長(zhǎng)季平均FAPAR、生長(zhǎng)季總FAPAR,共32個(gè),NPP為輸出變量。利用隨機(jī)抽取80%的NPP數(shù)據(jù)用于訓(xùn)練,剩下20%用于驗(yàn)證,利用決定系數(shù)(R2)和均方根誤差(RMSE),通過(guò)參數(shù)調(diào)優(yōu)選擇最佳模型。

1.3.2NPP年際變化率的計(jì)算

本研究利用最小二乘法分析2002—2018年河西走廊NPP的時(shí)空變化,公式如下：

(1)

式中slope為NPP的年際變化率,NPPi為第i年的NPP。變化趨勢(shì)的顯著性檢驗(yàn)采用F檢驗(yàn),公式如下：

(2)

1.3.3NPP與氣候因子的相關(guān)性

首先計(jì)算相關(guān)系數(shù),然后計(jì)算偏相關(guān)系數(shù)。相關(guān)系數(shù)計(jì)算公式如下：

(3)

控制降水(或氣溫)的NPP與氣溫(或降水)的偏相關(guān)系數(shù)計(jì)算公式如下：

(4)

式中,rijm為將變量m固定后變量i和變量j之間的偏相關(guān)系數(shù),rij、rjm、rim分別為變量i和j、變量j和m、變量i和m的相關(guān)系數(shù)。

1.3.4驅(qū)動(dòng)因子對(duì)NPP變化的影響

利用式(5)探測(cè)溫度和降水對(duì)NPP變化的貢獻(xiàn),該公式于1974年被McCuen應(yīng)用于水文動(dòng)態(tài)學(xué)中[37],目前被應(yīng)用于驅(qū)動(dòng)因子對(duì)NPP的貢獻(xiàn)中,被證明是一個(gè)比較可行的方法[38-39]。

slope=C(tem)+C(pre)+UF

=(?NPP/?tem)×(?tem/?n)+(?NPP/?pre)×(?pre/?n)+UF

(5)

式中slope為NPP的年際變化率,C(tem)和C(pre)分別是年均溫和年降水對(duì)NPP年際變化的貢獻(xiàn),其中C(tem)=(?NPP/?tem)×(?tem/?n),?NPP/?tem是NPP和tem之間線性回歸的斜率,?tem/?n是tem和n線性回歸的斜率,n為年數(shù),C(pre)計(jì)算方法同上。UF是氣候因子對(duì)NPP年際變化貢獻(xiàn)的殘差,代表人類(lèi)活動(dòng)、火災(zāi)、病蟲(chóng)害等其他因子,人類(lèi)活動(dòng)占其中的主體,因此本文在描述時(shí)把其當(dāng)作人類(lèi)活動(dòng)的貢獻(xiàn)[40]。

2 結(jié)果2.1 模型驗(yàn)證

RF模擬了2002—2018年的NPP,圖2為實(shí)測(cè)數(shù)據(jù)與模擬NPP的對(duì)比結(jié)果,R2為0.75(P<0.01),說(shuō)明NPP的模擬精度較好。

2.2 河西走廊NPP的時(shí)空分布特征

2002—2018年河西走廊年均NPP空間分布如圖3所示,平均值為153.32 gC m-2a-1,總量為37.468 Tg C/a,呈從東向西和從南向北遞減的分布特征。NPP的高值區(qū)域主要位于祁連山區(qū)和綠洲區(qū),平均值分別為242.18 gC m-2a-1和213.87 gC m-2a-1,低值區(qū)域位于荒漠區(qū),平均值為91.43 gC m-2a-1。

圖2 實(shí)測(cè)NPP與模擬NPP的比較Fig.2 Comparison of measured NPP and simulated NPP

圖3 2002—2018年河西走廊多年平均NPP空間分布 Fig.3 The spatial distribution of multi-year mean NPP in Hexi Corridor from 2002 to 2018

2002—2018年河西走廊植被NPP年際波動(dòng)較大,位于122.64—223.07 gC m-2a-1之間(圖4)。2007和2018年高出多年平均40.70%和45.50%；2006年低于多年平均20.01%。研究期間整體呈增加趨勢(shì),增長(zhǎng)率為2.37 gC m-2a-1(R2=0.18,P=0.09)。不同植被類(lèi)型的NPP差異較大,耕地、林地、草地、荒漠的NPP均值分別為439.51 gC m-2a-1、489.28 gC m-2a-1、200.70 gC m-2a-1、91.43 gC m-2a-1,總量分別為6.993 Tg C/a、3.596 Tg C/a、10.670 Tg C/a、15.257 Tg C/a。

圖4 2002—2018年河西走廊NPP、年均溫和年降水的年際變化Fig.4 Inter-annual variations of NPP, annual average temperature and annual precipitation in Hexi Corridor from 2002 to 2018

2002—2018年間河西走廊植被NPP變化趨勢(shì)見(jiàn)圖5,呈增加趨勢(shì)的面積占80.39%,主要分布在河西走廊北部和祁連山區(qū)；減少趨勢(shì)的占19.61%,主要分布在走廊西南部和中部；呈顯著增加和極顯著增加趨勢(shì)的面積分別占6.33%和3.99%,主要分布在走廊綠洲區(qū)和祁連山區(qū)；呈顯著減少和極顯著減少趨勢(shì)的面積分別占0.22%和0.11%,零星分布在嘉峪關(guān)、肅州區(qū)、涼州區(qū)和民勤等地?？傮w來(lái)看,研究期間河西走廊NPP呈現(xiàn)增加趨勢(shì)。

圖5 2002—2018河西走廊植被NPP年際變化顯著性檢驗(yàn)Fig.5 Significant test of the inter-annual variation of NPP in the Hexi Corridor from 2002 to 2018

2.3 NPP與氣候因子的相關(guān)性

2002—2018年NPP與年降水和年均溫相關(guān)性見(jiàn)圖6,NPP與氣溫呈正相關(guān)和負(fù)相關(guān)各占53.31%和46.69%,呈正相關(guān)的區(qū)域主要位于走廊中部及西南部,呈負(fù)相關(guān)的區(qū)域主要在荒漠區(qū)。NPP與降水88.58%的區(qū)域呈正相關(guān)；呈負(fù)相關(guān)的區(qū)域僅占11.42%,主要分布在祁連山區(qū)。

圖6 2002—2018年年均溫和年降水與NPP的相關(guān)系數(shù)Fig.6 The Correlation coefficients of annual average temperature and annual precipitation with NPP from 2002 to 2018

2.4 氣候與人類(lèi)活動(dòng)對(duì)NPP變化的影響

相關(guān)系數(shù)僅能表征NPP與各氣候因子之間的相關(guān)程度,不能量化各因子對(duì)NPP變化的影響,圖7、8是根據(jù)公式(5)計(jì)算的氣溫、降水以及人類(lèi)活動(dòng)對(duì)NPP變化的貢獻(xiàn)。2002—2018年NPP平均增長(zhǎng)率為0.478 Tg C/a,其中0.251 Tg C/a由氣候決定,0.227 Tg C/a由人類(lèi)活動(dòng)決定(圖7)。其中,氣候?qū)PP變化正貢獻(xiàn)和負(fù)貢獻(xiàn)的面積分別為80.17%和19.83%,正貢獻(xiàn)在石羊河流域、黑河中下游和疏勒河中下游地區(qū),負(fù)貢獻(xiàn)主要在祁連山區(qū)。人類(lèi)活動(dòng)對(duì)NPP變化正貢獻(xiàn)和負(fù)貢獻(xiàn)的面積分別為50.52%和49.48%,正貢獻(xiàn)主要在祁連山區(qū)和石羊河下游荒漠地帶。

圖7 氣候變化和人類(lèi)活動(dòng)對(duì)NPP變化的貢獻(xiàn)Fig.7 Contributions of climate change and human activities to changes in NPP

2.5 氣候因子對(duì)NPP變化的影響

氣溫和降水對(duì)NPP變化的貢獻(xiàn)如圖8所示,研究期間氣溫、降水均對(duì)NPP起促進(jìn)作用,前者對(duì)NPP的正貢獻(xiàn)的面積占85.85%,主要分布在石羊河流域、黑河中下游和疏勒河中下游地區(qū)；后者的正貢獻(xiàn)占68.11%,主要分布在石羊河流域綠洲區(qū)和沙漠區(qū)、黑河中下游和疏勒河中下游地區(qū)。氣溫和降水對(duì)NPP年際變化的貢獻(xiàn)分別為0.185 Tg C/a和0.066 Tg C/a,分別占73.71%和26.29%,氣溫主導(dǎo)著NPP的數(shù)量變化。從影響面積來(lái)看,氣溫和降水分別主導(dǎo)的區(qū)域各占27.79%和72.21%,降水對(duì)NPP變化的格局起主導(dǎo)作用。

圖8 氣候因子對(duì)NPP變化的貢獻(xiàn)Fig.8 Contribution of climate factors to changes in NPP

為了進(jìn)一步明確NPP變化的驅(qū)動(dòng)機(jī)制,將NPP與氣候因子的相關(guān)性和貢獻(xiàn)聯(lián)系起來(lái)進(jìn)行分析(表1),可以看出,降水增加使NPP增加即NPP_P(++)占整個(gè)區(qū)域面積最大,為61.46%,主要在石羊河以東和河西走廊北部；氣溫升高使NPP增加即NPP_T(++)占整個(gè)區(qū)域的52.61%,主要在河西走廊中部和南部、石羊河以東區(qū)域。

3 討論

3.1 NPP值及其變化

圖2說(shuō)明了基于隨機(jī)森林算法的NPP估算值是可靠的,與前人的研究結(jié)果較為一致,見(jiàn)表2。同時(shí),也與MODIS NPP遙感產(chǎn)品(MOD17A3)(圖9)進(jìn)行了比較(空白區(qū)是無(wú)值區(qū)),相關(guān)性為0.782,RMSE為190.96 gC m-2a-1,說(shuō)明兩者吻合較好。在走廊南部草地區(qū)域吻合較好,祁連山區(qū)和綠洲區(qū)較差,其原因有兩點(diǎn),一是MOD12Q1產(chǎn)品是MOD17A3 NPP的輸入數(shù)據(jù),該產(chǎn)品在同質(zhì)區(qū)域準(zhǔn)確性較好[41],祁連山區(qū)地貌破碎,陰坡陽(yáng)坡分布的植被差異很大,綠洲區(qū)由于人類(lèi)的影響景觀破碎度很高,比較而言草地的均質(zhì)性較高；其次,本研究用于模型訓(xùn)練的不同植被類(lèi)型的NPP數(shù)據(jù)的數(shù)量比例相差較大,實(shí)測(cè)草地NPP較多,這也是原因之一。

表1 NPP對(duì)氣候因子響應(yīng)的組合

表2 估算NPP與文獻(xiàn)結(jié)果比較

圖9 MODIS NPP空間分布Fig.9 The spatial distribution of MODIS NPP

本研究NPP總體呈上升趨勢(shì)(2.37 gC m-2a-1,P=0.09),與2000—2013年中亞的草地NPP呈上升趨勢(shì)一致[46],與潘竟虎等研究發(fā)現(xiàn)疏勒河流域NPP增加趨勢(shì)結(jié)論一致[47]。研究區(qū)19.61%的區(qū)域NPP減少,這主要是氣候變化造成的,如圖10,可以看出,氣溫升高、降水減少,加劇了水分脅迫,導(dǎo)致NPP減少。

圖10 NPP呈減少趨勢(shì)區(qū)域的年均溫和年降水變化Fig.10 Changes of temperature and precipitation in NPP decreasing trend region

3.2 氣候與人類(lèi)活動(dòng)對(duì)NPP的影響

研究期間河西走廊植被NPP平均增長(zhǎng)率為0.478 Tg C/a(P=0.09),氣候變化和人類(lèi)活動(dòng)分別貢獻(xiàn)52.51%和47.49%,兩者共同主導(dǎo)NPP變化,與本研究組前期在石羊河流域的研究結(jié)論相符[48]。很多研究也發(fā)現(xiàn)氣候變化和人類(lèi)活動(dòng)對(duì)生態(tài)環(huán)境脆弱區(qū)的植被影響基本相當(dāng),例如Zheng等發(fā)現(xiàn)氣候變化對(duì)黃土高原植被的影響貢獻(xiàn)57.65%,人類(lèi)活動(dòng)貢獻(xiàn)42.35%[3]；周妍妍等發(fā)現(xiàn)氣候變化對(duì)疏勒河流域植被恢復(fù)貢獻(xiàn)占55%,減少占45%[49],Chen等發(fā)現(xiàn)2001—2011年氣候變化和人類(lèi)活動(dòng)對(duì)青藏高原NPP變化影響的面積分別為56.59%和42.98%[50]。

圖11 氣候?qū)PP變化正貢獻(xiàn)區(qū)域的年氣溫和降水變化 Fig.11 Changes of temperature and precipitation in regions where climate contributes positively to changes in NPP

氣候?qū)PP變化正貢獻(xiàn)的面積為80.17%,這是河西走廊氣候朝暖濕方向變化的結(jié)果,這與楊雪梅等發(fā)現(xiàn)河西地區(qū)氣溫和降水皆呈上升趨勢(shì),植被呈顯著改善狀態(tài)[51]結(jié)論一致。很多研究結(jié)果表明西北內(nèi)陸河流域氣候趨向暖濕化,如1981—2015年期間石羊河流域氣溫和降水均呈增加趨勢(shì)[52]；雖然本研究期間河西走廊的氣溫和降水增長(zhǎng)趨勢(shì)并不顯著,但在正貢獻(xiàn)區(qū)域的氣候是顯著的暖濕化,見(jiàn)圖11,緩解了水分脅迫和低溫脅迫對(duì)植被生長(zhǎng)的限制[53]。

人類(lèi)活動(dòng)對(duì)河西走廊植被生產(chǎn)力呈積極影響,主要分布在祁連山區(qū)、綠洲區(qū)和石羊河下游荒漠地帶[54]。其原因主要有,人類(lèi)活動(dòng)對(duì)祁連山區(qū)呈正貢獻(xiàn)主要與政府實(shí)施封山育林育草、草場(chǎng)的輪牧與休牧政策有關(guān),大量研究表明國(guó)家生態(tài)保護(hù)政策有利于植被恢復(fù)和生長(zhǎng)[55- 57]；綠洲區(qū)呈正影響主要是人類(lèi)對(duì)耕地的灌溉、施肥等管理措施導(dǎo)致的[58-59]；下游荒漠區(qū)的正向作用主要是流域治理工程的成效,如黑河流域生態(tài)調(diào)水工程、石羊河流域環(huán)境治理工程等通過(guò)跨流域調(diào)水保證了下游荒漠區(qū)的生態(tài)用水,植被得以恢復(fù)[60- 63]。這與Zhou等人發(fā)現(xiàn)人類(lèi)活動(dòng)導(dǎo)致中國(guó)西北地區(qū)NPP增長(zhǎng)[64],Gang等人指出人類(lèi)活動(dòng)導(dǎo)致非洲、南美和歐洲的NPP顯著增長(zhǎng)[65]等結(jié)論一致。呈顯著負(fù)向影響區(qū)域主要分布在疏勒河流域北部和西部,主要原因是由于該區(qū)域過(guò)度放牧導(dǎo)致植被退化,這與周妍妍等發(fā)現(xiàn)人類(lèi)活動(dòng)對(duì)疏勒河流域植被的負(fù)向影響比較普遍的結(jié)論一致[49][47]。

3.3 氣溫和降水對(duì)NPP的貢獻(xiàn)度

氣溫和降水對(duì)NPP的影響在數(shù)值和面積上的主導(dǎo)地位并不一致,這個(gè)現(xiàn)象是由河西走廊復(fù)雜的氣候類(lèi)型和植被類(lèi)型決定的。降水主導(dǎo)NPP變化的面積占河西走廊的72.21%(圖12),這是因?yàn)楦珊蛋敫珊档貐^(qū)植被對(duì)降水量的變化更加敏感,降水增加(0.21 mm/a,P=0.587)改善了植被生長(zhǎng)的氣候條件,與Scanlon等和Rodríguez-Iturbe等得出降水是塑造干旱半干旱生態(tài)系統(tǒng)植被組成和分布的主要驅(qū)動(dòng)力的結(jié)論一致[66-67]。氣溫主導(dǎo)NPP數(shù)量變化,區(qū)域主要在河西走廊高寒氣候區(qū),該區(qū)研究期間增溫明顯(0.03 ℃/a,P=0.175),NPP增長(zhǎng)趨勢(shì)較大(3.13 gC m-2a-1,P=0.074)。河西走廊高寒氣候區(qū)年均氣溫較低(年均0.37 ℃),降水比較充沛(年均448.25 mm),低溫是植物生長(zhǎng)的主要脅迫因子,主要分布森林和高寒草甸,NPP占全域NPP總量的比重較大,因此,溫度在NPP變化量的貢獻(xiàn)中占主導(dǎo)地位。對(duì)于干旱半干旱區(qū),很多研究表明降水主導(dǎo)NPP的變化,如Xu等發(fā)現(xiàn)降水是控制中國(guó)北方干旱地區(qū)NPP變化的主要因素[68],Henrik等指出蒙古南部荒漠草原NPP變化的66%是由降水引起的[69]。其結(jié)論與本研究不一致的原因主要是和研究的對(duì)象有關(guān),比如Henrik研究的荒漠草原,其主控因子肯定是降水。

圖12 氣溫在氣候貢獻(xiàn)中的貢獻(xiàn)率 Fig.12 The contribution of temperature in climate contribution降水的貢獻(xiàn)率為1減去氣溫貢獻(xiàn)率

溫度對(duì)河西走廊NPP的影響是一個(gè)多重的角色,溫度升高導(dǎo)致NPP增加和溫度降低導(dǎo)致NPP增加的區(qū)域分別占52.61%和45.62%。前者主要分布在祁連山區(qū)高寒氣候帶,后者主要分布在荒漠區(qū)。在荒漠區(qū),溫度降低可以減少蒸散發(fā),減緩水分脅迫[70]；同時(shí)荒漠區(qū)還存在高溫脅迫,降溫可以增加光合利用率[71],有利于生物量累積。降水與NPP呈正相關(guān)的面積占全區(qū)的88.58%,呈負(fù)相關(guān)的僅占11.42%。前者面積比例大是因?yàn)榛哪畾夂騾^(qū)占全區(qū)的73.44%,該區(qū)的植被以典型草地和荒漠植被為主,水分是植物的主要脅迫因子,降水主導(dǎo)著NPP的變化[72]。與降水呈負(fù)相關(guān)的主要分布在流域上游的高寒氣候帶,該區(qū)降水充沛,降水增加意味著晴天時(shí)間減少,植被光合作用時(shí)間減少,不利于植物生長(zhǎng)[73]。

4 結(jié)論

本研究利用RF模型結(jié)合實(shí)測(cè)數(shù)據(jù)、地形、氣象和植被特征數(shù)據(jù),對(duì)2002—2018年河西走廊NPP進(jìn)行估算,并分析了驅(qū)動(dòng)因子對(duì)NPP影響,結(jié)論如下：

利用RF可以可靠的估算干旱半干旱區(qū)NPP,與傳統(tǒng)的估算方法精度相當(dāng),具有算法簡(jiǎn)單、訓(xùn)練速度快和泛化能力強(qiáng)等優(yōu)點(diǎn)。在人類(lèi)活動(dòng)和氣候變化的共同作用下,2002—2018年河西走廊NPP呈0.478 Tg C/a的增長(zhǎng)趨勢(shì),兩者的貢獻(xiàn)基本相當(dāng)。只考慮氣候的作用,就貢獻(xiàn)值而言,溫度對(duì)全區(qū)NPP變化值的貢獻(xiàn)占73.71%,降水占26.29%；就影響面積而言,72.21%的區(qū)域NPP變化由降水主導(dǎo),27.79%由溫度主導(dǎo)；就相關(guān)性而言,降水與NPP呈顯著的正相關(guān),溫度與NPP的相關(guān)性受氣候類(lèi)型影響。

總體來(lái)看,溫度主導(dǎo)著NPP變化的數(shù)量,降水控制著該區(qū)NPP變化格局,增溫和增濕均有利于該區(qū)植被生長(zhǎng),隨著中國(guó)西北干旱區(qū)氣候的暖濕化,河西走廊未來(lái)的植被將會(huì)進(jìn)一步改善。

參考文獻(xiàn)(References):

[1] Goudriaan J. Global carbon cycle and carbon sequestration//Beran M A, ed. Carbon Sequestration in the Biosphere. Berlin, Heidelberg: Springer, 1995: 3- 18.

[2] Al-Ghussain L. Global warming: review on driving forces and mitigation. Environmental Progress & Sustainable Energy, 2019, 38(1): 13- 21.

[3] Zheng K, Wei J Z, Pei J Y, Cheng H, Zhang X L, Huang F Q, Li F M, Ye J S. Impacts of climate change and human activities on grassland vegetation variation in the Chinese Loess Plateau. Science of the Total Environment, 2019, 660: 236- 244.

[4] IGBP Terrestrial Carbon Working Group. The terrestrial carbon cycle: implications for the kyoto protocol. Science, 1998, 280(5368): 1393- 1394.

[5] Ricotta C, Avena G, De Palma A. Mapping and monitoring net primary productivity with AVHRR NDVI time-series: statistical equivalence of cumulative vegetation indices. ISPRS Journal of Photogrammetry and Remote Sensing, 1999, 54(5- 6): 325- 331.

[6] Uchijima Z, Seino H. Agroclimatic evaluation of net primary productivity of natural vegetations. Journal of Agricultural Meteorology, 1985, 40(4): 343- 352.

[7] Liu J, Chen J M, Cihlar J, Park W M. A process-based boreal ecosystem productivity simulator using remote sensing inputs. Remote Sensing of Environment, 1997, 62(2): 158- 175.

[8] Saki M, Soltani S, Esfahani M T, Jafari R. Evaluating the variability of ANPP in central Iranian arid and semi-arid rangelands using CASA model and its relationship with climatic factors. Geosciences Journal, 2019, 23(3): 531- 545.

[9] Piao S L, Fang J Y, He J S. Variations in vegetation net primary production in the Qinghai-Xizang Plateau, China, from 1982 to 1999. Climatic Change, 2006, 74(1- 3): 253- 267.

[10] Ozigis M S, Kaduk J D, Jarvis C H, da Concei??o Bispo P, Balzter H. Detection of oil pollution impacts on vegetation using multifrequency SAR, multispectral images with fuzzy forest and random forest methods. Environmental Pollution, 2020, 256: 113360.

[11] Baez-Villanueva O M, Zambrano-Bigiarini M, Beck H E, McNamara I, Ribbe L, Nauditt A, Birkel C, Verbist K, Giraldo-Osorio J D, Thinh N X. RF-MEP: a novel Random Forest method for merging gridded precipitation products and ground-based measurements. Remote Sensing of Environment, 2020, 239: 111606.

[12] Hou N, Zhang X T, Zhang W Y, Wei Y, Jia K, Yao Y J, Jiang B, Cheng J. Estimation of surface downward shortwave radiation over china from himawari- 8 AHI data based on random forest. Remote Sensing, 2020, 12(1): 181.

[13] Yu B, Chen F, Chen H Y. NPP estimation using random forest and impact feature variable importance analysis. Journal of Spatial Science, 2019, 64(1): 173- 192.

[14] Zeng N, Ren X L, He H L, Zhang L, Zhao D, Ge R, Li P, Niu Z G. Estimating grassland aboveground biomass on the Tibetan Plateau using a random forest algorithm. Ecological Indicators, 2019, 102: 479- 487.

[15] 李傳華, 孫皓, 王玉濤, 曹紅娟, 殷歡歡, 周敏, 朱同斌. 基于機(jī)器學(xué)習(xí)估算青藏高原多年凍土區(qū)草地凈初級(jí)生產(chǎn)力. 生態(tài)學(xué)雜志, 2020, 39(5): 1734- 1744.

[16] Tramontana G, Ichii K, Camps-Valls G, Tomelleri E, Papale D. Uncertainty analysis of gross primary production upscaling using Random Forests, remote sensing and eddy covariance data. Remote Sensing of Environment, 2015, 168: 360- 373.

[17] Mutanga O, Adam E, Cho M A. High density biomass estimation for wetland vegetation using WorldView- 2 imagery and random forest regression algorithm. International Journal of Applied Earth Observation and Geoinformation, 2012, 18: 399- 406.

[18] Guan Q Y, Yang L Q, Guan W Q, Wang F F, Liu Z Y, Xu C Q. Assessing vegetation response to climatic variations and human activities: spatiotemporal NDVI variations in the Hexi Corridor and surrounding areas from 2000 to 2010. Theoretical and Applied Climatology, 2019, 135(3- 4): 1179- 1193.

[19] Huang J P, Guan X D, Ji F. Enhanced cold-season warming in semi-arid regions. Atmospheric Chemistry and Physics, 2012, 12(2): 5391- 5398.

[20] Modarres R, da Silva V P R. Rainfall trends in arid and semi-arid regions of Iran. Journal of arid environments, 2007, 70(2): 344- 355.

[21] Sivakumar M V K, Das H P, Brunini O. Impacts of present and future climate variability and change on agriculture and forestry in the arid and semi-arid tropics. Climatic Change, 2005, 70(1): 31- 72.

[22] Propastin P A, Kappas M, Muratova N R. Inter-annual changes in vegetation activities and their relationship to temperature and precipitation in central asia from 1982 to 2003. Journal of Environmental Informatics, 2008, 12(2), doi: 10.3808/jei.200800126.

[23] Zhao F B, Wu Y P, Sivakumar B, Long A H, Qiu L J, Chen J, Wang L J, Liu S G, Hu H C. Climatic and hydrologic controls on net primary production in a semiarid loess watershed. Journal of hydrology, 2019, 568: 803- 815.

[24] Guo Q, Hu Z M, Li S G, Li X R, Sun X M, Yu G R. Spatial variations in aboveground net primary productivity along a climate gradient in Eurasian temperate grassland: effects of mean annual precipitation and its seasonal distribution. Global Change Biology, 2012, 18(12): 3624- 3631.

[25] Gang C C, Zhou W, Li J L, Chen Y Z, Mu S J, Ren J Z, Chen J M, Groisman P Y. Assessing the spatiotemporal variation in distribution, extent and NPP of terrestrial ecosystems in response to climate change from 1911 to 2000. PLoS One, 2013, 8(11): e80394.

[26] Liu C Y, Dong X F, Liu Y Y. Changes of NPP and their relationship to climate factors based on the transformation of different scales in Gansu, China. CATENA, 2015, 125: 190- 199.

[27] Xia J Z, Ma M N, Liang T G, Wu C Y, Yang Y H, Zhang L, Zhang Y J, Yuan W P. Estimates of grassland biomass and turnover time on the Tibetan Plateau. Environmental Research Letters, 2018, 13(1): 014020.

[28] 杜自強(qiáng), 王建, 沈宇丹. 山丹縣草地地上生物量遙感估算模型. 遙感技術(shù)與應(yīng)用, 2006, 21(4): 338- 343.

[29] 馮琦勝, 高新華, 黃曉東, 于惠, 梁天剛. 2001—2010年青藏高原草地生長(zhǎng)狀況遙感動(dòng)態(tài)監(jiān)測(cè). 蘭州大學(xué)學(xué)報(bào): 自然科學(xué)版, 2011, 47(4): 75- 81.

[30] Wang P J, Xie D H, Zhou Y Y, E Y H, Zhu Q J. Estimation of net primary productivity using a process-based model in Gansu Province, Northwest China. Environmental Earth Sciences, 2014, 71(2): 647- 658.

[31] 王金葉, 車(chē)克鈞, 傅輝恩, 常學(xué)向, 宋采福, 賀紅元. 祁連山水源涵養(yǎng)林生物量的研究. 福建林學(xué)院學(xué)報(bào), 1998, 18(4): 319- 323.

[32] Fang J, Du J, Xu W, Shi P J, Li M, Ming X D. Spatial downscaling of TRMM precipitation data based on the orographical effect and meteorological conditions in a mountainous area. Advances in Water Resources, 2013, 61: 42- 50.

[33] 盛裴軒, 毛節(jié)泰, 李建國(guó). 大氣物理學(xué). 北京: 北京大學(xué)出版社, 2003.

[34] Potter C S, Randerson J T, Field C B, Matson P A, Vitousek P M, Mooney H A, Klooster S A. Terrestrial ecosystem production: a process model based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7(4): 811- 841.

[35] 張新時(shí), 楊奠安, 倪文革. 植被的PE(可能蒸散)指標(biāo)與植被-氣候分類(lèi)(三)幾種主要方法與PEP程序介紹. 植物生態(tài)學(xué)與地植物學(xué)學(xué)報(bào), 1993, 17(2): 97- 109.

[36] Breiman L. Random forests. Machine learning, 2001, 45(1): 5- 32.

[37] McCuen R H. A sensitivity and error analysis CF procedures used for estimating evaporation. JAWRA Journal of the American Water Resources Association, 1974, 10(3): 486- 497.

[38] Meng D J, Mo X G. Assessing the effect of climate change on mean annual runoff in the Songhua River basin, China. Hydrological Processes, 2012, 26(7): 1050- 1061.

[39] Yang H B, Yang D W. Climatic factors influencing changing pan evaporation across China from 1961 to 2001. Journal of Hydrology, 2012, 414- 415: 184- 193.

[40] Zhang Y, Zhang C B, Wang Z Q, Chen Y Z, Gang C C, An R, Li J L. Vegetation dynamics and its driving forces from climate change and human activities in the Three-River Source Region, China from 1982 to 2012. Science of the Total Environment, 2016, 563- 564: 210- 220.

[41] Gulbeyaz O, Bond-Lamberty B, Akyurek Z, West T O. A new approach to evaluate the MODIS annual NPP product (MOD17A3) using forest field data from Turkey. International Journal of Remote Sensing, 2018, 39(8): 2560- 2578.

[42] 李傳華, 曹紅娟, 范也平, 韓海燕, 孫皓, 王玉濤. 基于校正的CASA模型NPP遙感估算及分析——以河西走廊為例. 生態(tài)學(xué)報(bào), 2019, 39(5): 1616- 1626.

[43] 盧玲, 李新, Veroustraete F. 中國(guó)西部地區(qū)植被凈初級(jí)生產(chǎn)力的時(shí)空格局. 生態(tài)學(xué)報(bào), 2005, 25(5): 1026- 1032.

[44] 劉建鋒, 肖文發(fā), 郭明春, 吳煥萍, 江澤平. 基于3-PGS模型的中國(guó)陸地植被NPP格局. 林業(yè)科學(xué), 2011, 47(5): 16- 22.

[45] Eisfelder C, Kuenzer C, Dech S, Buchroithner M F. Comparison of two remote sensing based models for regional net primary productivity estimation—A case study in semi-arid central kazakhstan. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 6(4): 1843- 1856.

[46] Yang Y, Wang Z Q, Li J L, Gang C C, Zhang Y Z, Zhang Y, Odeh I, Qi J G. Comparative assessment of grassland degradation dynamics in response to climate variation and human activities in China, Mongolia, Pakistan and Uzbekistan from 2000 to 2013. Journal of Arid Environments, 2016, 135: 164- 172.

[47] 潘竟虎, 黃克軍, 李真. 2001- 2010年疏勒河流域植被凈初級(jí)生產(chǎn)力時(shí)空變化及其與氣候因子的關(guān)系. 生態(tài)學(xué)報(bào), 2017, 37(6): 1888- 1899.

[48] 李傳華, 趙軍, 師銀芳, 魏偉. 基于NPP的石羊河流域環(huán)境治理工程成效評(píng)價(jià). 干旱區(qū)研究, 2018, 35(5): 1208- 1216.

[49] 周妍妍, 朱敏翔, 郭曉娟, 李凱, 苗俊霞, 郭建軍, 徐曉鋒, 岳東霞. 疏勒河流域氣候變化和人類(lèi)活動(dòng)對(duì)植被NPP的相對(duì)影響評(píng)價(jià). 生態(tài)學(xué)報(bào), 2019, 39(14): 5127- 5137.

[50] Chen B X, Zhang X Z, Tao J, Wu J S, Wang J S, Shi P L, Zhang Y J, Yu C Q. The impact of climate change and anthropogenic activities on alpine grassland over the Qinghai-Tibet Plateau. Agricultural and Forest Meteorology, 2014, 189- 190: 11- 18.

[51] 楊雪梅. 氣候變暖背景下河西地區(qū)荒漠植被變化研究(1982- 2013)[D]. 蘭州: 蘭州大學(xué), 2015.

[52] 張雪蕾, 王義成, 肖偉華, 楊瑞祥, 王燕, 朱麗姍. 石羊河流域NPP對(duì)氣候變化的響應(yīng). 生態(tài)學(xué)雜志, 2018, 37(10): 3110- 3118.

[53] 胡光成, 金曉媚, 萬(wàn)力, 蔡曉雨. 祁連山區(qū)植被生長(zhǎng)與水熱組合關(guān)系研究. 干旱區(qū)資源與環(huán)境, 2009, 23(2): 17- 20.

[54] 李傳華, 范也平, 曹紅娟, 韓海燕. 基于CASA模型的植被第一性生產(chǎn)力人為影響定量研究——以石羊河流域?yàn)槔? 干旱區(qū)地理, 2018, 41(1): 142- 151.

[55] 王姝, 張艷芳, 位賀杰, 張宏運(yùn). 生態(tài)恢復(fù)背景下陜甘寧地區(qū)NPP變化及其固碳釋氧價(jià)值. 中國(guó)沙漠, 2015, 35(5): 1421- 1428.

[56] 王子婷, 李廣, 蔡國(guó)軍, 柴春山, 張洋東, 戚建莉. 隴中黃土丘陵區(qū)農(nóng)戶收入對(duì)退耕還林(草)政策的響應(yīng)——以龍灘小流域?yàn)槔? 中國(guó)沙漠, 2020, 40(1): 223- 232.

[57] 楊陽(yáng). 黃土高原典型小流域植被與土壤恢復(fù)特征及生態(tài)系統(tǒng)服務(wù)功能評(píng)估[D]. 楊凌: 西北農(nóng)林科技大學(xué), 2019.

[58] Liang W, Yang Y T, Fan D M, Guan H D, Zhang T, Long D, Zhou Y, Bai D. Analysis of spatial and temporal patterns of net primary production and their climate controls in China from 1982 to 2010. Agricultural and Forest Meteorology, 2015, 204: 22- 36.

[59] Liang W, Lü Y H, Zhang W B, Li S, Jin Z, Ciais P, Fu B J, Wang S, Yan J W, Li J Y, Su H M. Grassland gross carbon dioxide uptake based on an improved model tree ensemble approach considering human interventions: global estimation and covariation with climate. Global Change Biology, 2017, 23(7): 2720- 2742.

[60] Li Y H, Squires V R. Integrated water resources management of inland river basins in the Hexi Corridor, Gansu, China with special reference to the Shule River Basin//Squires V R, Milner H M, Daniell K A, eds. River Basin Management in the Twenty-First Century: Understanding People and Place. Boca Raton: CRC Press, 2014.

[61] Cheng G D, Li X, Zhao W Z, Xu Z M, Feng Q, Xiao S C, Xiao H L. Integrated study of the water-ecosystem-economy in the Heihe River Basin. National Science Review, 2014, 1(3): 413- 428.

[62] 李傳華, 趙軍. 2000- 2010年石羊河流域NPP時(shí)空變化及驅(qū)動(dòng)因子. 生態(tài)學(xué)雜志, 2013, 32(3): 712- 718.

[63] 孫力煒, 張勃, 侯春梅, 遲秀麗, 賀郝鈺. 祁連山區(qū)植被凈初級(jí)生產(chǎn)力的空間變化特征分析. 遙感技術(shù)與應(yīng)用, 2015, 30(3): 592- 598.

[64] Zhou W, Gang C C, Zhou F C, Li J L, Dong X G, Zhao C Z. Quantitative assessment of the individual contribution of climate and human factors to desertification in northwest China using net primary productivity as an indicator. Ecological Indicators, 2015, 48: 560- 569.

[65] Gang C C, Zhou W, Chen Y Z, Wang Z Q, Sun Z G, Li J L, Qi J G, Odeh I. Quantitative assessment of the contributions of climate change and human activities on global grassland degradation. Environmental Earth Sciences, 2014, 72(11): 4273- 4282.

[66] Scanlon T M, Albertson J D, Caylor K K, Williams C A. Determining land surface fractional cover from NDVI and rainfall time series for a savanna ecosystem. Remote Sensing of Environment, 2002, 82(2- 3): 376- 388.

[67] Rodríguez-Iturbe I, D′Odorico P, Porporato A, Ridolfi L. Tree-grass coexistence in Savannas: the role of spatial dynamics and climate fluctuations. Geophysical Research Letters, 1999, 26(2): 247- 250.

[68] Xu H J, Wang X P. Effects of altered precipitation regimes on plant productivity in the arid region of northern China. Ecological Informatics, 2016, 31: 137- 146.

[69] von Wehrden H, Wesche K. Relationships between climate, productivity and vegetation in southern Mongolian drylands. Basic and Applied Dryland Research, 2007, 1(2): 100.

[70] Simoes M, Baruch Z. Responses to simulated herbivory and water stress in two tropical C4grasses. Oecologia, 1991, 88(2): 173- 180.

[71] 劉琴, 孫輝, 何道文. 干旱和高溫對(duì)植物脅迫效應(yīng)的研究進(jìn)展. 西華師范大學(xué)學(xué)報(bào): 自然科學(xué)版, 2005, 26(4): 364- 368.

[72] Pan J H, Dong L L. Spatio-temporal variation in vegetation net primary productivity and its relationship with climatic factors in the Shule River basin from 2001 to 2010. Human and Ecological Risk Assessment: An International Journal, 2018, 24(3): 797- 818.

[73] 楊玲莉. 2000—2014年黃河源區(qū)植被NDVI時(shí)空變化特征與氣候變化響應(yīng)分析[D]. 成都: 成都理工大學(xué), 2016.