2000—2018年京津冀地區(qū)植被凈初級生產(chǎn)力時空演變及其驅(qū)動因素

王金杰, 趙安周, 張兆江, 張安兵, 胡小楓

2000—2018年京津冀地區(qū)植被凈初級生產(chǎn)力時空演變及其驅(qū)動因素

王金杰1, 趙安周2, 3, 4,*, 張兆江2, 4, 張安兵2, 4, 胡小楓2

1. 河北工程大學地球科學與工程學院, 邯鄲 056038 2. 河北工程大學礦業(yè)與測繪工程學院, 邯鄲 056038 3. 中國科學院地理科學與資源研究所, 資源與環(huán)境信息系統(tǒng)國家重點實驗室, 北京 100101 4. 邯鄲市自然資源空間信息重點實驗室, 邯鄲 056038

基于MODIS-NDVI(Moderate-Resolution Imaging Spectroradiometer, Normalized Difference Vegetation Index)、氣象站點及植被類型數(shù)據(jù), 采用改進的CASA(Carnegie-Ames-Stanford Approach) 模型估算了2000—2018年京津冀地區(qū)NPP (Net Primary Productivity), 并采用趨勢分析、相關分析等方法對該地區(qū)NPP時空分布特征及其影響因素進行了分析。結(jié)果表明: 1)時間上, 2000—2018年京津冀地區(qū)NPP整體呈增加趨勢(=0.6535 gC·(m2·a)-1), 其中草地增速最快(=1.5123 gC·(m2·a)-1); 2)空間上, 2000—2018年年均NPP為349.96 gC·(m2·a)-1, 高值區(qū)主要集中在燕山山脈及太行山脈等地, 低值區(qū)主要集中在西北部高原以及東部沿海地區(qū)。西北高原及山地地區(qū)植被恢復顯著, 中部及沿海區(qū)域NPP退化嚴重; 3)地形上, NPP隨海拔升高呈“增加-減少-增加”的變化趨勢, 隨地形起伏度整體呈增加趨勢, 不同植被NPP隨地形的變化大致相同; 4)就相關性來看, NPP與氣溫整體呈負相關關系(=-0.03), 與降水整體呈正相關關系(=0.36), 降水對NPP影響更大; 5)就不同地形的NPP變化來看, 中海拔地區(qū)、丘陵及山地地區(qū)綠化趨勢顯著, 耕地、草地和林地恢復顯著, NPP顯著增加; 低海拔、低起伏度處, 受耕地NPP顯著減少影響, 植被退化嚴重。

NPP; 改進的CASA模型; 時空演變; 驅(qū)動因素; 京津冀

0 前言

植被凈初級生產(chǎn)力(Net Primary Productivity, NPP)是植被在單位時間、單位面積內(nèi)通過光合作用產(chǎn)生的有機物總量減去自養(yǎng)呼吸后的殘余部分[1]。該參數(shù)不僅可以反映植被在自然條件下的自身生產(chǎn)能力, 同時也可用于評價生態(tài)系統(tǒng)的質(zhì)量及其可持續(xù)發(fā)展能力[2]。此外, 作為判定生態(tài)系統(tǒng)碳匯和調(diào)節(jié)生態(tài)過程的重要因子, 研究NPP的時空演變及其影響因素對全球陸地生態(tài)系統(tǒng)的變化以及全球碳平衡有著重要的意義[3]。

早期的NPP研究主要基于站點觀察數(shù)據(jù)和統(tǒng)計模型[1]。隨著遙感科學等空間信息技術(shù)的發(fā)展, 利用遙感技術(shù)和模型估算開展陸地生態(tài)系統(tǒng)NPP監(jiān)測和時空演變趨勢分析已經(jīng)成為研究NPP的有效手段之一[4]。這其中以CASA (Carnegie-Ames-Stanford Approach)模型為主要代表的光能利用率模型又因其所需參數(shù)少且其參數(shù)與植被生理特征高度相關等優(yōu)點, 成為國內(nèi)外專家學者廣泛使用的研究方法[5]。該模型于1993年由Potter等[6]提出, 消除了基于傳統(tǒng)站點數(shù)據(jù)的模擬在大尺度研究中的局限性[7]。之后國內(nèi)外諸多學者采用該模型對全球尺度、大洲以及地區(qū)等不同尺度的NPP進行了估算, 如Field等[8]、樸世龍等[9]。然而該模型將植被最大光能利用率統(tǒng)一取值為0.389 gC·MJ-1, 已有研究表明, 不同植被的光能利用率存在著顯著的差異, 直接影響NPP的估算精度, 因此諸多學者對CASA模型進行了改進。朱文泉等[10]基于改進的CASA模型估算了中國陸地植被NPP, 該模型引入植被覆蓋類型圖以及分類精度, 考慮了植被分類精度對NPP估算的影響, 并對所需參數(shù)進行了簡化, 提高了研究結(jié)果的精度。程春曉等[11]就利用朱文泉改進的CASA模型對東北三省2001—2010年NPP進行估算, 且對比發(fā)現(xiàn)模擬結(jié)果優(yōu)于MOD17A3 NPP產(chǎn)品。近些年來, NPP影響因素的研究也逐漸成為生態(tài)環(huán)境中的研究熱點, 諸多研究發(fā)現(xiàn)NPP主要受到降水和氣溫的影響[12]。此外, NPP的時空分布還會受到地形、植被類型等要素的影響。因此, 區(qū)域尺度NPP時空演變的驅(qū)動機制尚未完全清晰[13]。

京津冀地區(qū)是中國社會經(jīng)濟發(fā)展水平最高的地區(qū)之一?！毒┙蚣絽f(xié)同發(fā)展規(guī)劃綱要》明確指出京津冀生態(tài)環(huán)境是京津冀一體化協(xié)同發(fā)展的基礎, 要構(gòu)建京津冀城市群生態(tài)體系。近幾年該地區(qū)先后實施了植樹造林、退耕還林等一系列生態(tài)修護工程。盡管已有研究對該地區(qū)的NPP及其影響因素進行了分析, 但是多集中在分析各個氣候要素對NPP的影響, 對地形等因素對NPP的影響研究相對薄弱。鑒于此, 本研究利用改進的CASA模型估算2000—2018年京津冀地區(qū)的NPP, 分析該地區(qū)NPP時空變化特征及其與氣候因子、海拔、地形起伏度的關系, 進而為京津冀地區(qū)的生態(tài)建設與恢復工作提供參考。

1 材料與方法

1.1 研究區(qū)概況

京津冀地區(qū)(113°27 ′E—119°50 ′E, 36°03 ′N—42°40 ′N), 地處華北平原北部, 包括北京、天津、河北省, 總面積約為2.18×105km2。研究區(qū)內(nèi)地貌復雜, 囊括了平原、臺地、丘陵、山地以及高原等多種地貌類型; 西北地區(qū)地勢較高, 東南地區(qū)地勢平坦, 又因平原與山地之間海拔差異較大, 引起了十分明顯的垂直地帶特征[14]; 氣候類型屬溫帶大陸性季風氣候, 寒暑溫差較大, 年降水量約為400—800 mm, 多集中于夏季, 年均氣溫10 ℃—11 ℃; 該區(qū)植被類型豐富, 主要包括針葉林、闊葉林、草地、灌叢以及耕地, 其中又以耕地、灌叢為主(圖1)。

1.2 數(shù)據(jù)來源及處理

(1)遙感數(shù)據(jù): 本文采用來源于美國國家航空航天局(National Aeronautics and Space Administration, NASA)的2000—2018年MOD13A2數(shù)據(jù)。該數(shù)據(jù)空間分辨率為1 km, 時間分辨率為16 d。采用MRT(MODIS Reprojection Tools)軟件對原始MODIS NDVI數(shù)據(jù)進行格式及投影轉(zhuǎn)換, 并采用最大值合成法(Maximum value composite, MVC)合成月NDVI數(shù)據(jù)集。此外, DEM(Digital Elevation Model)數(shù)據(jù)來源于地理空間數(shù)據(jù)云(http://www.gscloud.cn/), 空間分辨率為90 m, 利用最近鄰重采樣法將其重采樣為1 km, 同時基于鄰域分析法提取地形起伏度信息。同時, 本文將京津冀地區(qū)地形起伏度劃分為6個等級: 平原(0—30 m)、臺地(30—70 m)、丘陵(70—200 m)、小起伏山地(200—500 m)、中起伏山地(500—1000 m)、大起伏山地(1000—2500 m)。

(2)氣象數(shù)據(jù): 氣象數(shù)據(jù)包括從中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)獲取的2000—2018年京津冀地區(qū)34個氣象站點的月平均氣溫、月降水量以及日照百分率數(shù)據(jù), 月太陽總輻射數(shù)據(jù)則利用日照百分率數(shù)據(jù)計算獲得。采用反距離權(quán)重法(Inverse Distance Weighted, IDW)將各氣象數(shù)據(jù)插值為空間分辨率為1 km的柵格數(shù)據(jù)。

(3)土地利用類型數(shù)據(jù): 采用來源于國家自然科學基金委員“中國西部環(huán)境與生態(tài)科學數(shù)據(jù)中心”(http://westdc.westgis.ac.cn)的中國1:100萬植被類型圖。按照實際需求將京津冀地區(qū)土地利用類型重分類為常綠針葉林、落葉闊葉林、耕地、草地、灌叢以及非植被6種地類。

1.3 研究方法

1.3.1 CASA模型

CASA模型所估算的NPP主要由植被吸收的光合有效輻射(APAR)及實際光能利用率()兩個因子來決定, 計算公式為:

式中, APAR()表示像元在月份吸收的光合有效輻射;(,)表示像元在月份的實際光利用率。

式中, SOL()為像元在月的太陽輻射總量, FPAR()為植被層對入射光合有效輻射的吸收比例, 常數(shù)0.5則表示植被所能利用的太陽有效輻射(波長為0.38—0.71 μm)占太陽輻射總量的比例。

FPAR與NDVI及比值植被指數(shù)(Simple Ratio, SR)都有著較好的線性關系, 詳細計算公式參照文獻[10]。本文基于1:100萬植被類型圖以及MOD13A2產(chǎn)品, 結(jié)合朱文泉的提取方法[10]提取NDVI、SR, 并對FPAR進行估算。

注: ECF:常綠針葉林; DBF:落葉闊葉林; GRA:草地; CUL:耕地; TH:灌叢; NV:非植被。

Figure 1 Distribution of meteorological stations and vegetation types in Beijing-Tianjin-Hebei

式中,表示植被在理想條件下的最大光能利用率, 本文采用朱文泉的計算結(jié)果[10]。T1()與T2()分別表示高溫和低溫對光能利用率的脅迫作用, W()為水分因子對光能利用率的脅迫作用, 詳細計算公式參照文獻[10]。

1.3.2 統(tǒng)計分析

本文采用一元線性回歸分析法來分析2000—2018年京津冀地區(qū)的NPP變化趨勢, 并采用Mann- Kendall(M-K)趨勢檢驗法判斷其變化趨勢的顯著性。同時, 本文基于Pearson相關系數(shù)法分析NPP與各氣候因子的相關性。

2 結(jié)果分析

2.1 NPP模型驗證

基于改進的CASA模型, 本文計算出京津冀地區(qū)主要植被類型的NPP均值處于306.08—558.2 gC·(m2·a)-1之間, 常綠針葉林、落葉闊葉林、灌叢、草地和耕地估算的NPP分別為306.08 gC·(m2·a)-1、558.2 gC·(m2·a)-1、350.71 gC·(m2·a)-1、346.55 gC·(m2·a)-1和334.61 gC·(m2·a)-1, 可以發(fā)現(xiàn)其估算結(jié)果與實測及其他研究的數(shù)據(jù)相近(表1), 表明本文所估算的不同植被類型的NPP結(jié)果較為可信。

2.2 NPP年際變化特征

2000—2018年京津冀地區(qū)年均NPP變化整體呈波動上升趨勢, 其增加速率為0.6535 gC·(m2·a)-1(圖2)。多年平均值為349.96 gC·(m2·a)-1, 其中最大值為389.94 gC·(m2·a)-1, 出現(xiàn)在2004年; 最低值為314.17 gC·(m2·a)-1, 出現(xiàn)在2002年。

就不同植被類型而言(表2), 各植被NPP整體呈微弱的增長趨勢(>0.05), 增長速率主要表現(xiàn)為: 草地>灌叢>落葉闊葉林>常綠針葉林>耕地。其中, 增速最快的草地增長速率達到了1.5123 gC·(m2·a)-1, 增速最慢的耕地增長速率僅為0.2617 gC·(m2·a)-1。

2.3 NPP空間變化特征

2.3.1 NPP空間分布格局

2000—2018年京津冀地區(qū)年均NPP空間分布格局如圖3a所示?？梢钥闯? 高值區(qū)主要集中在北部的燕山山脈以及西部的太行山脈, 其NPP的值均高于600 gC·(m2·a)-1, 這些地方的植被類型主要為常綠針葉林及落葉闊葉林, NPP值較高; 低值區(qū)主要集中在西北部高原地區(qū)、東南部部分區(qū)域以及沿海地區(qū), 其NPP的值普遍低于300 gC·(m2·a)-1, 這些地區(qū)的植被類型主要為沼澤、草地和耕地, NPP值較低。

就空間變化趨勢來看(圖3b), 2000—2018年京津冀地區(qū)NPP呈現(xiàn)增加和減少趨勢的面積分別占58.58%和41.42%, 其中有19.33%和僅9.97%的區(qū)域呈現(xiàn)顯著增加和顯著減少的趨勢。呈增加趨勢的區(qū)域主要分布在京津冀西北部高原及山地區(qū)域, 這些地區(qū)人口密度小, 是生態(tài)工程建設重點實施的區(qū)域, 因此植被NPP多呈增長趨勢。呈減少趨勢的區(qū)域多位于京津冀中部及沿海區(qū)域, 植被類型多為耕地, 這些區(qū)域受城市擴張、農(nóng)田灌溉等人類活動影響較大, 使得NPP呈現(xiàn)減少的趨勢。

2.3.2 NPP分布的地形效應

此外, 本文進一步分析了2000—2018年京津冀地區(qū)不同海拔和地形起伏度的NPP分布(圖4)。從不同植被類型來看, 落葉闊葉林在不同海拔和不同的地形起伏度的NPP均值均高于其他植被。不同植被類型的NPP隨海拔高度的增加均呈現(xiàn)“增大—減小—增大”的變化趨勢, 高值區(qū)主要出現(xiàn)在海拔600—800 m以及大于2000 m的地區(qū), 低值區(qū)出現(xiàn)在海拔1200—1600 m左右的地區(qū)。不同植被類型NPP整體隨地形起伏度的增加而呈增長趨勢, 高值區(qū)出現(xiàn)在大起伏山地地區(qū), 低值區(qū)主要出現(xiàn)在臺地和平原等地。

表1 NPP估算結(jié)果對比/(gC·(m2·a)-1)

圖2 2000—2018年年均NPP及其變化趨勢

Figure 2 Annual mean NPP and its change trend from 2000 to 2018

表2 不同植被類型年均NPP變化趨勢

2.4 影響因素分析

2.4.1 氣象因子對NPP的影響

逐像元計算2000—2018年京津冀地區(qū)NPP與氣溫和降水的相關系數(shù)(圖5)。由圖5a可以看出, 京津冀地區(qū)NPP與氣溫的相關系數(shù)介于-0.816—0.795之間, 整體上呈現(xiàn)負相關關系(=-0.03)。呈現(xiàn)正相關和負相關關系的面積分別占44.51%和55.49%, 其中僅有1.17%和2.35%的區(qū)域呈現(xiàn)顯著正相關和顯著負相關關系(<0.05)。呈顯著正相關關系的區(qū)域主要分布在京津冀北部及中部部分地區(qū); 呈顯著負相關關系的區(qū)域主要分布在京津冀南部地區(qū)。

由圖5b可以看出, 京津冀地區(qū)NPP與降水量的相關系數(shù)介于-0.616—0.907之間, 整體上呈現(xiàn)正相關關系(=0.36)。呈現(xiàn)正相關和負相關關系的面積分別占93.81%和6.18%, 其中37.05%和0.05%的區(qū)域呈現(xiàn)顯著正相關和顯著負相關關系(<0.05)。呈正相關的區(qū)域主要分布在該地區(qū)的西北部。

2.4.2 NPP變化與海拔高度

京津冀地區(qū)不同海拔高度的NPP主要呈增加趨勢, 隨著海拔高度的增加, NPP顯著增加區(qū)域的占比先增后減, 顯著減少格點占比呈下降趨勢(圖6)。在海拔200 m以下, NPP呈顯著增加及顯著減少趨勢的面積占比分別為6.37%和18.37%。而后隨著海拔的升高, 區(qū)域人口密度逐漸減少, 植被受人為活動影響減弱, NPP顯著增加的區(qū)域占比開始大幅增加, 且均高于顯著減少的占比。而在海拔1200 m以上的生長條件惡劣區(qū)域, NPP顯著增加的區(qū)域占比開始隨海拔升高而減少。

就不同植被類型來說, 海拔1000 m左右耕地NPP增加顯著, 在海拔1400 m左右的壩上高原地區(qū), 草甸等植被的增多導致草地NPP增加顯著。受此影響, 京津冀中海拔地區(qū)NPP增加顯著(圖7a)。而在低海拔(<400 m)區(qū)域, 植被NPP減少顯著, 尤其是耕地以及草地, 說明低海拔地區(qū)植被受人類活動影響較大, 大量耕地及草地轉(zhuǎn)化為建設用地(圖7b)。

圖3 京津冀地區(qū)NPP空間分布格局及變化趨勢

Figure 3 Spatial distribution pattern and change trend of NPP in Beijing-Tianjin-Hebei

注: P:平原; M:臺地; H:丘陵; SRM:小起伏山地; MRM:中起伏山地; LRM:大起伏山地。

Figure 4 NPP distribution at different altitudes and different topographic relieves

注: 相關系數(shù)|r|<0.456表示相關不顯著(P>0.05); 0.456<|r|<0.575表示顯著相關(P<0.05)。

Figure 5 Distribution of correlation coefficients between NPP and temperature (a) and precipitation (b)

圖6 不同海拔NPP顯著變化格點占比變化趨勢

Figure 6 Trends in the proportion of grids with significant changes in NPP at different altitudes

2.4.3 NPP變化與地形起伏度

不同地形起伏度的植被NPP主要呈增加趨勢, 且隨地形起伏度的增加, NPP顯著增加的區(qū)域占比呈“增—減—增”的變化趨勢, NPP顯著減少的區(qū)域占比呈下降趨勢(圖8)。在地形起伏度較低的平原地區(qū), NPP呈顯著增加及顯著減少趨勢的面積占比分別為8.17%和17.75%; 隨著起伏度的增加, 耕地減少, 林地增多, NPP顯著減少的區(qū)域占比也顯著下降, 且遠遠小于呈顯著增加趨勢的區(qū)域占比。

就不同植被類型來說, 在中起伏度地區(qū), 植被受城市擴張影響較小, 耕地NPP增加顯著, 在高起伏度的山地地區(qū), 草地以及常綠針葉林恢復顯著, 導致了京津冀地區(qū)丘陵及山地地區(qū)NPP顯著增加格點占比的快速增加(圖9a)。在受人類活動影響較大的低起伏度地區(qū), 耕地NPP顯著減少, 而隨著起伏度的增加, NPP顯著減少的格點占比也逐漸減少, 這也是導致京津冀低起伏度地區(qū)NPP顯著減少格點占比大幅下降的主要原因(圖9b)。

(a) NPP顯著增加格點占比變化; (b) NPP顯著減少格點占比變化

Figure 7 Trends in the proportion of grids with significant changes in NPP of different vegetations at different altitudes

圖8 不同地形起伏度NPP顯著變化格點占比變化趨勢

Figure 8 Trends in the proportion of grids with significant changes in NPP in different topographic relieves

(a) NPP顯著增加格點占比變化; (b) NPP顯著減少格點占比變化

Figure 9 Trends in the proportion of grids with significant changes in NPP of different vegetations at different topographic relieves

3 討論

近年來, 在氣候變化及城市擴張的雙重壓力下, 環(huán)境污染、水土流失與水資源短缺已成為京津冀地區(qū)的主要生態(tài)問題, 該地區(qū)的植被恢復工作也得到各界的廣泛關注[17]。本文研究結(jié)果表明, 2000—2018年京津冀地區(qū)NPP整體呈增加趨勢, 與朱麗欣[18]等人的研究結(jié)果一致。主要原因在于自2000年退耕還林、還草工程正式開啟后, 大量草地、林地的增加使京津冀地區(qū)生態(tài)質(zhì)量有所改善, 同時, 諸多生態(tài)屏障的打造也在一定程度上對京津冀地區(qū)的生態(tài)環(huán)境起到了有效的保護作用。

就影響因素而言, 已有諸多研究表明氣候和地形都在一定程度上影響著植被的生長[19]。本文主要針對氣溫、降水以及海拔、地形起伏度幾個因子對京津冀地區(qū)NPP的影響進行了分析。氣候方面, 本文研究表明NPP與氣溫整體呈負相關關系, 與降水整體呈正相關關系。同時, 相比于氣溫升高對植被生長的抑制, 降水增多對植被生長的促進作用更為顯著, 主要原因在于京津冀地處半濕潤、半干旱地區(qū)的過渡帶, 降水的增加會增強植被的光合作用, 從而導致NPP的增加[20]。因此, 未來需合理分配水資源, 改善京津冀水環(huán)境。另一方面, 地形也是影響植被空間分異的重要因素之一, 它往往通過影響區(qū)域的水熱條件及土壤條件等環(huán)境因素, 進而對植被NPP的空間分布產(chǎn)生影響[21]。在京津冀地區(qū), 海拔600—800 m處NPP達到第一個峰值, 該海拔范圍內(nèi)人類活動影響較小, 地勢平緩, 水熱條件優(yōu)越, 植被碳吸收能力增強, 故NPP值較高[22]; 高海拔的山地地區(qū), 植被多為碳吸收能力更強的林地[23], 故NPP增加; 低海拔、低起伏度處, 受人類活動及城市擴張影響, 植被NPP較低。同時, 不同地形條件下植被NPP的變化趨勢也不盡相同。中海拔、丘陵以及山地地區(qū)植被恢復顯著, 這些區(qū)域的植被變化主要受耕地、草地及林地的影響。這說明封山育林等生態(tài)保護政策使林地、草地等植被免受人類活動影響, 對植被恢復有顯著作用。而低海拔、低起伏度處, 受城市擴張以及不合理的耕作方式影響, 耕地退化嚴重, NPP減少顯著。未來京津冀地區(qū)生態(tài)保護與建設工作應對不同地形條件的植被實施不同程度的生態(tài)保護措施, 多注重低海拔、低起伏度區(qū)域, 合理規(guī)劃生態(tài)保護紅線, 繼續(xù)推進退耕還林還草、封山育林等政策, 加大生態(tài)保護力度。

本文采用改進的CASA模型對京津冀地區(qū)NPP進行估算, 其估算結(jié)果與其他研究者估算結(jié)果存在一定差異, 主要原因在于各自所采用的模型、植被類型數(shù)據(jù)、所選的研究區(qū)域及時間段均有所不同, 同時, 本文所需參數(shù)的獲取與確定過程也存在一定的不確定性。京津冀地區(qū)記錄有太陽總輻射量的氣象站點較少, 因此本文的太陽總輻射量數(shù)據(jù)是由經(jīng)緯度、日照百分率等數(shù)據(jù)計算所得, 存在一定誤差。此外, 本文只對常綠針葉林、落葉闊葉林、灌叢、草地以及耕地五種植被類型進行了分析, 沒有考慮草地、灌叢的進一步分類以及海邊濕地等植被類型, 導致NPP結(jié)果值有一定偏差。同時, 京津冀地區(qū)人口密度極大, 人類活動對植被生長的影響也是巨大的, 但本文未能定量的分析人類活動對植被NPP的影響。未來應進行更多實地調(diào)查, 提高模型參數(shù)精度, 并進一步研究人類活動對植被生長的影響情況。

4 結(jié)論

本文基于改進CASA遙感估算模型估算了2000—2018年京津冀地區(qū)NPP, 采用趨勢分析、相關分析等方法分析了京津冀地區(qū)NPP的時空變化及其驅(qū)動因素。主要結(jié)論如下:

(1)時間上, 2000—2018年京津冀地區(qū)NPP整體呈增加趨勢(=0.6535 gC·(m2·a)-1), 其中草地增速最快(=1.5123 gC·(m2·a)-1), 耕地增速最慢(=0.2617 gC·(m2·a)-1)。

(2)空間上, 2000—2018年年均NPP為349.96 gC·(m2·a)-1, 高值區(qū)主要集中在北部燕山山脈及西部太行山脈, 低值區(qū)主要集中在西北高原以及沿海地區(qū)。NPP呈顯著增加和顯著減小趨勢的面積分別占19.33%和9.97%。呈減少趨勢的區(qū)域多位于中部及沿海地區(qū), 呈增長趨勢的區(qū)域主要分布在西北部及東南部地區(qū)。

(3)地形上, 年均NPP隨海拔升高呈“增加—減少—增加”的變化趨勢, 隨地形起伏度整體呈增加趨勢。不同植被類型NPP隨海拔高度及地形起伏度的變化大致相同。

(4)就相關性來看, NPP與氣溫整體呈負相關關系, 其中1.17%和2.35%的區(qū)域呈顯著正相關和顯著負相關關系(<0.05); NPP與降水整體呈正相關關系, 其中分別有37.05%和0.05%的區(qū)域呈顯著正相關和顯著負相關關系(<0.05)。

(5)就不同地形的NPP變化來看, 中海拔地區(qū)NPP增加顯著, 得益于中海拔耕地及草地的恢復。NPP顯著增加區(qū)域占比隨起伏度呈先增后減變化趨勢, 丘陵和山地植被綠化趨勢顯著。低海拔、低起伏度處, 受耕地NPP顯著減少影響, NPP退化顯著。

[1] LIETH H, WHITTAKER R H. Primary productivity of the Biosphere[C]. New York: Springer-Verlag Press, 1975.

[2] CRAMER W, KICKLIGHTER D W, BONDEAU A, et al. Comparing global models of terrestrial net primary productivity (NPP): overview and key results[J]. Global Change Biology, 1999, 5(S1): 1–15.

[3] FIELD C B, BEHRENFELD M J, RANDERSON J T, et al. Primary production of the biosphere: integrating terrestrial and oceanic components[J]. Science, 1998, 281(5374): 237–240.

[4] 朱文泉, 陳云浩, 徐丹, 等. 陸地植被凈初級生產(chǎn)力計算模型研究進展[J]. 生態(tài)學雜志, 2005, (03): 64–68.

[5] 杜夢潔, 鄭江華, 任璇, 等. 地形對新疆昌吉州草地凈初級生產(chǎn)力分布格局的影響[J]. 生態(tài)學報, 2018, 38(13): 4789–4799.

[6] POTTER C S, RANDERSON J T, FIELD C B, et al. Terrestrial ecosystem production: a process model based on global satellite and surface data[J]. Global Biogeochemical Cycles, 1993, 7(4): 811–841.

[7] 李貴才. 基于MODIS數(shù)據(jù)和光能利用率模型的中國陸地凈初級生產(chǎn)力估算研究[D]. 北京: 中國科學院研究生院(遙感應用研究所)博士學位論文, 2004.

[8] FIELD C B, RANDERSON J T, MALMSTR?M C M. Global net primary production: combining ecology and remote sensing[J]. Remote sensing of Environment, 1995, 51(1): 74–88.

[9] 樸世龍, 方精云, 郭慶華. 利用CASA模型估算我國植被凈第一性生產(chǎn)力[J]. 植物生態(tài)學報, 2001, (5): 92–97+ 133.

[10] 朱文泉. 中國陸地生態(tài)系統(tǒng)植被凈初級生產(chǎn)力遙感估算及其與氣候變化關系的研究[D]. 北京: 北京師范大學博士學位論文, 2005.

[11] 程春曉, 徐宗學, 王志慧, 等. 2001-2010年東北三省植被凈初級生產(chǎn)力模擬與時空變化分析[J]. 資源科學, 2014, (11): 2401–2412.

[12] 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.

[13] 李金珂, 楊玉婷, 張會茹, 等. 秦巴山區(qū)近15年植被NPP時空演變特征及自然與人為因子解析[J]. 生態(tài)學報, 2019, 39(22): 8504–8515.

[14] 劉廣. 京津冀地區(qū)森林植被凈初級生產(chǎn)力遙感估算研究[D]. 北京: 北京林業(yè)大學碩士學位論文, 2008.

[15] 鄭穎娟. 基于CASA模型的河北省凈初級生產(chǎn)力遙感估算研究[D]. 石家莊: 河北師范大學, 2013.

[16] 孫睿, 朱啟疆. 中國陸地植被凈第一性生產(chǎn)力及季節(jié)變化研究[J]. 地理學報, 2000, 67(1): 36–45.

[17] 李卓, 孫然好, 張繼超, 等. 京津冀城市群地區(qū)植被覆蓋動態(tài)變化時空分析[J]. 生態(tài)學報, 2017, 37(22): 7418– 7426.

[18] 朱利欣. 基于MODIS數(shù)據(jù)的京津冀地區(qū)NPP及生態(tài)足跡和生態(tài)承載力時空分布研究[D]. 石家莊: 河北師范大學碩士學位論文, 2018.

[19] 毛德華, 王宗明, 韓佶興, 等. 1982~2010年中國東北地區(qū)植被NPP時空格局及驅(qū)動因子分析[J]. 地理科學, 2012, 32(9): 1106–1111.

[20] 趙安周, 張安兵, 馮莉莉, 等. 海河流域生態(tài)水分利用效率時空變化及其與氣候因子的相關性分析[J]. 生態(tài)學報, 2019, 39(04): 1452–1462.

[21] 潘洪義, 黃佩, 徐婕. 基于地理探測器的岷江中下游地區(qū)植被NPP時空格局演變及其驅(qū)動力研究[J]. 生態(tài)學報, 2019, 39(20): 7621–7631.

[22] 王菱. 華北山區(qū)坡地方位和海拔高度對降水的影響[J]. 地理科學, 1996, (02): 150–158.

[23] 李媛. 寧夏中部干旱帶碳平衡特征研究[D]. 銀州: 寧夏大學, 2015.

Spatio-temporal evolution of vegetation net primary productivity and its driving factors in Beijing-Tianjin-Hebei region from 2000 to 2018

WANG Jinjie1, ZHAO Anzhou2, 3, 4,*, ZHANG Zhaojiang2, 4, ZHANG Anbing2, 4, HU Xiaofeng2

1. School of Earth and Engineering, Hebei University of Engineering, Handan 056038, China 2. School of Mining and Geomatics, Hebei University of Engineering, Handan 056038, China 3. Institute of Geographic Sciences and Natural Resources Research, State Key Laboratory of Resources and Environmental Information System, Chinese Academy of Science, Beijing 100101, China 4. Key Laboratory of Natural Resources and Spatial Information, Handan 056038, China

Based on Moderate-Resolution Imaging Spectroradiometer Normalized Difference Vegetation Index (MODIS-NDVI), meteorological stations and vegetation type data, the Net Primary Productivity (NPP) of Beijing-Tianjin-Hebei region from 2000 to 2018 was estimated by using an improved Carnegie-Ames-Stanford Approach (CASA) model. The temporal and spatial distribution characteristics of NPP and its driving factors were analyzed by regression analysis and correlation analysis. Results showed that: 1) From the view of temporal variation, the NPP in Beijing-Tianjin-Hebei region showed an increasing trend from 2000 to 2018 (=0.6535 gC·(m2·a)-1), and grassland with the fastest growth rate (=1.5123 gC·(m2·a)-1). 2) Interms of spatial distribution, the average NPP from 2000 to 2018 was 349.96 gC·(m2·a)-1. High NPP values were mainly located in the Yan Mountains and the Taihang Mountain, while the low-value areas were mainly concentrated in the northwest plateau and the coastal areas in the east. The vegetation restoration in the northwest plateau and mountainous area was remarkable, and the NPP in the central and coastal areas was seriously degraded. 3) Topographically, the NPP showed an "increase - decrease - increase" trend with altitude and an increasing trend with topographic relief. The NPP of different vegetation types had a similar change trend with the terrain. 4) The correlation analysis showed that the NPP had a negative correlation with temperature(=-0.03), and a positive correlation with precipitation(=0.36). The NPP was mainly affected by precipitation. 5) In terms of NPP changes over different terrains, there was a significant recovery of cultivated land, grassland and woodland at mid-altitude and hilly, mountainous areas. At low elevation and low fluctuation, affected by the significant reduction in NPP of cultivated land, vegetation degraded significantly.

NPP; improved CASA model; spatiotemporal evolution; driving factors; Beijing-Tianjin-Hebei

王金杰, 趙安周, 張兆江, 等. 2000—2018年京津冀地區(qū)植被凈初級生產(chǎn)力時空演變及其驅(qū)動因素[J]. 生態(tài)科學, 2021, 40(1): 103–111.

WANG Jinjie, ZHAO Anzhou, ZHANG Zhaojiang, et al. Spatio-temporal evolution of vegetation net primary productivity and its driving factors in Beijing-Tianjin-Hebei region from 2000 to 2018[J]. Ecological Science, 2021, 40(1): 103–111.

10.14108/j.cnki.1008-8873.2021.01.014

X171.1

A

1008-8873(2021)01-103-09

2020-02-23;

2020-04-06

國家科技基礎資源調(diào)查專項(2019FY202503); 教育部人文社會科學研究青年基金項目(18YJCZH257); 河北省高等學校青年拔尖人才計劃項目(BJ2018043); 資源與環(huán)境信息系統(tǒng)國家重點實驗室開放基金資助

王金杰(1995—), 女, 河北邢臺人, 碩士, 主要從事城市生態(tài)遙感研究, E-mail: 1771674182@qq.com

趙安周, 男, 博士, 副教授, 主要從事城市擴張對植被影響等方面的研究, E-mail: zhaoanzhou@126.com