2000—2015年灤河流域植被凈初級(jí)生產(chǎn)力時(shí)空分布特征及其驅(qū)動(dòng)因子分析*

劉 婧, 湯 峰, 張貴軍**, 張蓬濤

2000—2015年灤河流域植被凈初級(jí)生產(chǎn)力時(shí)空分布特征及其驅(qū)動(dòng)因子分析*

劉 婧1, 湯 峰2, 張貴軍1**, 張蓬濤1

(1. 河北農(nóng)業(yè)大學(xué)國(guó)土資源學(xué)院/河北省農(nóng)田生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室 保定 071001; 2. 中國(guó)地質(zhì)大學(xué)(北京)土地科學(xué)技術(shù)學(xué)院 北京 100083)

植被凈初級(jí)生產(chǎn)力(NPP)可以反映植被生長(zhǎng)狀況, 是表征地區(qū)生態(tài)質(zhì)量的重要指標(biāo)。本文以灤河流域?yàn)檠芯繀^(qū), 調(diào)查采集植被NPP、氣象、土地利用結(jié)構(gòu)及變化等多時(shí)空數(shù)據(jù), 利用Sen趨勢(shì)、Hurst指數(shù)及殘差分析等多種方法, 綜合考慮自然環(huán)境和人為利用的影響, 對(duì)2000—2015年植被NPP的時(shí)空變化特征、未來(lái)演變趨勢(shì)及驅(qū)動(dòng)因子進(jìn)行分析和研究, 并定量識(shí)別不同區(qū)域內(nèi)的主導(dǎo)驅(qū)動(dòng)因子, 旨在為該流域的生態(tài)環(huán)境治理工作提供依據(jù)。研究結(jié)果表明: 1)2000—2015年, 灤河流域植被NPP年均值為455.04 g(C)·m-2·a-1, 整體呈波動(dòng)上升趨勢(shì), 顯著增加區(qū)占流域總面積的32.94%, 且未來(lái)同向變化趨勢(shì)略強(qiáng)于反向變化趨勢(shì); 2)該流域植被NPP空間差異較為顯著, 表現(xiàn)為東南高西北低的格局, 受地形影響較大, 流域中游的低山丘陵區(qū)為植被NPP高值區(qū); 3)驅(qū)動(dòng)機(jī)制上, 流域植被NPP變化與溫度和降水均為正相關(guān)關(guān)系, 水熱耦合共同作用于植被NPP的積累,人類(lèi)活動(dòng)則是通過(guò)改變土地利用強(qiáng)度或生態(tài)建設(shè)工程等影響植被NPP的變化, 且在不同地形區(qū)域內(nèi), 植被NPP變化的主導(dǎo)驅(qū)動(dòng)因子不同, 整體上以氣候和人類(lèi)活動(dòng)共同正向促進(jìn)作用為主, 但在平原區(qū)以單因子的反向抑制作用為主。

凈初級(jí)生產(chǎn)力; 時(shí)空分布; 驅(qū)動(dòng)因子; 殘差分析; 灤河流域

植被凈初級(jí)生產(chǎn)力(net primary productivity, NPP)是陸地生態(tài)系統(tǒng)中碳循環(huán)的重要組成部分和調(diào)節(jié)生態(tài)過(guò)程的重要因子[1], 可以直觀地反映自然條件下植被群落的生產(chǎn)能力。因此, 開(kāi)展植被凈初級(jí)生產(chǎn)力時(shí)空變化分析及其與驅(qū)動(dòng)因子的響應(yīng)機(jī)制研究對(duì)探索碳循環(huán)過(guò)程, 開(kāi)展生態(tài)適宜性調(diào)控, 維持生態(tài)系統(tǒng)的安全與可持續(xù)發(fā)展具有重要意義[2]。

國(guó)際上對(duì)NPP的大規(guī)模研究始于20世紀(jì)60年代, 國(guó)內(nèi)學(xué)術(shù)界則于20世紀(jì)70年代開(kāi)始涉及此方面的研究[3], 國(guó)內(nèi)外關(guān)于NPP的研究已經(jīng)取得長(zhǎng)足進(jìn)展。區(qū)域NPP數(shù)據(jù)在早期主要是通過(guò)站點(diǎn)實(shí)測(cè)獲取[4], 由于站點(diǎn)實(shí)測(cè)在當(dāng)前技術(shù)條件下尚無(wú)法在全球尺度上開(kāi)展全面實(shí)時(shí)監(jiān)測(cè), 因此現(xiàn)階段采用的方法主要是構(gòu)建遙感模型對(duì)陸地生態(tài)系統(tǒng)生產(chǎn)力進(jìn)行估算[5-8]。國(guó)外學(xué)者大多從碳循環(huán)的角度出發(fā)[9], 探究不同生態(tài)系統(tǒng)的碳儲(chǔ)量水平及影響因素[10], 特別關(guān)注碳封存的生物和非生物機(jī)制, 以期緩解人和氣候變化的關(guān)系[11], 恢復(fù)各生態(tài)區(qū)的碳同化潛力[12]。國(guó)內(nèi)學(xué)者主要基于兩大視角即不同驅(qū)動(dòng)因子和不同區(qū)域環(huán)境的植被NPP研究。研究成果表明: 在全球變暖的大環(huán)境中, 氣候變化下的植被NPP變化研究成為熱點(diǎn)[13-14], 其中溫度和降水被視為植被NPP變化的主要驅(qū)動(dòng)因素; 人類(lèi)活動(dòng)對(duì)植被NPP的影響多從土地利用變化及格局優(yōu)化[15]、城市擴(kuò)張[16]的角度進(jìn)行分析。研究區(qū)域的選取一般為省域[17]、縣域[18]等行政區(qū)單元, 或是從流域[19]、盆地[20]、丘陵[21]和沙地[22]等景觀或自然地理區(qū)域著手, 也有針對(duì)干旱區(qū)[14]、人工綠洲[23]等生態(tài)脆弱區(qū)進(jìn)行專(zhuān)項(xiàng)研究。對(duì)NPP的驅(qū)動(dòng)因素的研究或是單獨(dú)考慮自然因素, 采用相關(guān)分析[17]、回歸分析[14]、經(jīng)驗(yàn)正交函數(shù)(EOF)和奇異值分解(SVD)的方法[24]分析氣候因素與植被NPP之間的關(guān)系, 或是利用土地利用轉(zhuǎn)移矩陣分析土地利用變化導(dǎo)致的NPP的變化[17], 或是采用地理探測(cè)器方法識(shí)別植被NPP變化的主導(dǎo)因子[25], 但是都未能明確識(shí)別氣候變化和人類(lèi)活動(dòng)影響植被NPP變化的控制區(qū)域。

鑒于此, 本文以灤河流域?yàn)檠芯繀^(qū)域, 采用Sen趨勢(shì)度分析、Mann-Kendall非參數(shù)檢驗(yàn)、Hurst指數(shù)及多元回歸殘差分析等多方法融合, 探討了灤河流域植被NPP的時(shí)空演變機(jī)理, 并從氣候、地形及人類(lèi)活動(dòng)等多角度進(jìn)行驅(qū)動(dòng)因素分析, 定量識(shí)別不同區(qū)域內(nèi)的主導(dǎo)驅(qū)動(dòng)因子, 旨在為灤河流域未來(lái)的生態(tài)環(huán)境管治和可持續(xù)發(fā)展提供一定的理論支持。

1 研究區(qū)概況

灤河流域(39°10~42°35′N(xiāo), 115°20~119°15′E)位于華北地區(qū)的東北部, 發(fā)源于河北省豐寧縣, 于樂(lè)亭縣注入渤海, 全長(zhǎng)約877 km, 流域總面積448.8萬(wàn)hm2, 涉及內(nèi)蒙古自治區(qū)的多倫縣、太仆寺旗、遼寧省的建昌縣、綏中縣和河北省的遷西縣、灤縣等31個(gè)縣市(圖1)。由于所跨緯度較大, 流域內(nèi)地貌類(lèi)型復(fù)雜多樣, 有壩上高原、燕山山地與河北平原, 地勢(shì)由西北向東南傾斜, 氣候類(lèi)型由寒溫帶干旱和半干旱氣候過(guò)渡到暖溫帶半濕潤(rùn)氣候, 年平均氣溫為1~11 ℃, 年均降水量為400~800 mm。灤河流域作為京津冀地區(qū)重要的水源涵養(yǎng)區(qū)和生物多樣性保護(hù)區(qū),其生態(tài)支持能力的強(qiáng)弱對(duì)維護(hù)區(qū)域生態(tài)安全發(fā)揮著重要作用。

2 研究方法

2.1 數(shù)據(jù)來(lái)源

本文使用的植被凈初級(jí)生產(chǎn)力數(shù)據(jù)來(lái)源于美國(guó)國(guó)家航空航天局網(wǎng)站(https://modis.gsfc.nasa.gov/)提供的MODIS17A3數(shù)據(jù)產(chǎn)品, 空間分辨率為1 km, 單位為g(C)·m-2·a-1; 研究區(qū)涉及的行列號(hào)為h26v04、h27v04和h27v05, 2000—2015年共48景影像, 通過(guò)ENVI5.1對(duì)數(shù)據(jù)進(jìn)行拼接、裁剪等預(yù)處理, 并將無(wú)效值剔除。土地利用、年平均溫度、年平均降水量等數(shù)據(jù)均來(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), 包括2000年、2005年、2010年和2015年共4期數(shù)據(jù), 數(shù)據(jù)格式均為1 km×1 km分辨率的空間分布柵格數(shù)據(jù)。參照中國(guó)科學(xué)院的“土地利用/土地覆蓋遙感監(jiān)測(cè)數(shù)據(jù)分類(lèi)系統(tǒng)”和植被NPP的相關(guān)文獻(xiàn)資料, 本文根據(jù)研究需要和灤河流域的實(shí)際土地利用分異情況將土地利用類(lèi)型劃分為耕地、林地、草地、水域、建設(shè)用地和未利用地6類(lèi)。DEM高程數(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)中心提供的1 km分辨率數(shù)據(jù), 坡度數(shù)據(jù)利用ArcGIS 10.2中Spatial Analyst工具從高程數(shù)據(jù)中提取生成。

2.2 研究方法

2.2.1 植被NPP時(shí)空變化分析方法

2.2.1.1 基于像元的植被NPP趨勢(shì)分析

用非參數(shù)化趨勢(shì)度(Sen)方法模擬每個(gè)像元植被NPP的變化趨勢(shì), 分析不同時(shí)期單個(gè)像元的空間變化特征, 并采非參數(shù)檢驗(yàn)法(Mann-Kendall)進(jìn)行變化趨勢(shì)的顯著性檢驗(yàn), 以綜合表征一定時(shí)間序列內(nèi)灤河流域植被NPP演變規(guī)律。Sen斜率估計(jì)和Mann-Kendall檢驗(yàn)方法如下:

以時(shí)間為序列的樣本12x, x為第年的植被NPP值, 研究時(shí)段長(zhǎng)度為=15年。其變化趨勢(shì)大小的計(jì)算公式為:

式中:為趨勢(shì)度, median為中位數(shù)函數(shù)。當(dāng)>0時(shí), 表示NPP隨時(shí)間增加呈上升趨勢(shì); 當(dāng)<0時(shí), 表示NPP隨時(shí)間增加呈下降趨勢(shì)。

構(gòu)造檢驗(yàn)統(tǒng)計(jì)量:

式中:為正態(tài)分布, Var()為方差。在給定的顯著性水平下, 若<Z/2, 則表示通過(guò)了相應(yīng)置信度的顯著性檢驗(yàn)。

2.2.1.2 基于像元的植被NPP變異系數(shù)分析

變異系數(shù)是用來(lái)描述數(shù)據(jù)離散程度的指標(biāo), 可以反映植被NPP變化的穩(wěn)定性[17], 公式為:

2.2.1.3 基于像元的植被NPP未來(lái)趨勢(shì)分析

基于重標(biāo)極差(/)分析方法的Hurst指數(shù)()是定量描述非常數(shù)長(zhǎng)周期序列信息依賴(lài)性的有效方法[26], 其基本原理是:

確定累積離差:

求得極差:

樣本標(biāo)準(zhǔn)差:

由于子區(qū)間的長(zhǎng)度可變, 求得不同的分段情況對(duì)應(yīng)不同的/, 可建立如下關(guān)系:

式中: k為常數(shù),R/S為重標(biāo)極差,為Hurst指數(shù)。以log()序列為自變量, log(R/S)序列為因變量做線性回歸可得到Hurst指數(shù)的估計(jì)值, 其反映的是時(shí)間序列均值的累計(jì)離差隨時(shí)間變化的范圍。

時(shí)間序列的Hurst指數(shù)介于0~1, 主要可分為3種情況: 1)屬于(0, 0.5), 表明植被NPP將來(lái)的總體趨勢(shì)與過(guò)去相反, 即具有反持續(xù)性, 且這種反持續(xù)性取決于與0的距離, 距離越小, 反持續(xù)性越強(qiáng); 2)=0.5, 表明植被NPP隨時(shí)間序列是隨機(jī)游走的, 現(xiàn)在的變化不會(huì)對(duì)未來(lái)產(chǎn)生影響; 3)屬于(0.5, 1), 表明植被NPP將來(lái)的總體趨勢(shì)與現(xiàn)在同方向變化, 即具有持續(xù)性, 且隨著越接近于1, 趨勢(shì)增強(qiáng)行為的強(qiáng)度越大。

2.2.2 植被NPP變化驅(qū)動(dòng)因子分析方法

2.2.2.1 人類(lèi)活動(dòng)強(qiáng)度估算

隨著人類(lèi)活動(dòng)強(qiáng)度增加, 土地利用方式發(fā)生顯著變化, 可以通過(guò)土地覆被和利用類(lèi)型來(lái)反映人類(lèi)對(duì)自然資源的開(kāi)發(fā)利用程度。徐勇等[27]和盛曉雯等[28]將人類(lèi)活動(dòng)強(qiáng)度最大、程度最高的土地利用類(lèi)型——建設(shè)用地作為度量的基本單位即建設(shè)用地當(dāng)量, 并依據(jù)人類(lèi)利用和開(kāi)發(fā)活動(dòng)使土地表層自然屬性的變化程度折算不同地類(lèi)與建設(shè)用地當(dāng)量的系數(shù)。本文在其研究的基礎(chǔ)上, 結(jié)合灤河流域的實(shí)際情況和本研究的需要, 將灤河流域不同土地利用類(lèi)型的人類(lèi)活動(dòng)強(qiáng)度進(jìn)行分級(jí), 具體如表1所示。

2.2.2.2 相關(guān)性分析

相關(guān)分析是揭示兩個(gè)或兩個(gè)以上處于同等地位的隨機(jī)變量間的相關(guān)關(guān)系的統(tǒng)計(jì)分析方法, 偏相關(guān)分析是在控制其他相關(guān)變量的線性影響條件下分析兩變量間的線性相關(guān)性的分析方法[18]?；谙裨謩e計(jì)算植被NPP與其影響因子的相關(guān)系數(shù)及偏相關(guān)系數(shù), 公式如下:

表1 灤河流域不同土地利用類(lèi)型的人類(lèi)影響強(qiáng)度系數(shù)

式中:R為控制變量之后與的偏相關(guān)系數(shù),R、R、R分別為與、,與的相關(guān)系數(shù)。

2.2.2.3 多元回歸殘差分析

殘差分析法是通過(guò)建立氣溫、降水與植被NPP的二元線性回歸模型, 將氣候變化和人類(lèi)活動(dòng)對(duì)植被NPP的影響分離并定量分析, 公式如下:

NPPCC=′+′+(14)

NPPHA=NPPobs?NPPcc(15)

式中: NPPCC和NPPobs分別為基于回歸模型的NPP預(yù)測(cè)值和實(shí)際值,、、為模型參數(shù),、分別為平均氣溫和降水量, NPPHA為殘差。

2.2.2.4 植被NPP變化的驅(qū)動(dòng)因素判定

根據(jù)公式(1)計(jì)算得到2000—2015年NPPCC和NPPHA的變化趨勢(shì), 若趨勢(shì)值為正則代表氣候變化或人類(lèi)活動(dòng)對(duì)植被NPP變化起正向促進(jìn)作用, 反之則為反向抑制作用。依據(jù)NPPCC、NPPHA及NPPobs的變化趨勢(shì)可判定不同區(qū)域植被NPP的主要驅(qū)動(dòng)因素: 當(dāng)NPPobs>0, NPPCC>0, NPPHA>0時(shí)為氣候和人類(lèi)活動(dòng)起共同正向驅(qū)動(dòng)作用; 當(dāng)NPPobs>0, NPPCC>0, NPPHA<0時(shí)為氣候因子的正向驅(qū)動(dòng)作用; 當(dāng)NPPobs>0, NPPCC<0, NPPHA>0時(shí)為人類(lèi)活動(dòng)的正向驅(qū)動(dòng)作用; 當(dāng)NPPobs<0, NPPCC<0, NPPHA<0時(shí)為氣候和人類(lèi)活動(dòng)起共同反向作用; 當(dāng)NPPobs<0, NPPCC<0, NPPHA>0時(shí)為氣候因子的反向抑制作用; 當(dāng)NPPobs<0, NPPCC>0, NPPHA<0時(shí)為人類(lèi)活動(dòng)的反向抑制作用。

3 結(jié)果與分析

3.1 灤河流域植被NPP時(shí)空演化分析結(jié)果

3.1.1 植被NPP空間分布格局

由2000—2015年平均植被NPP分布圖(圖2)可知, 灤河流域植被NPP年平均值為455.04 g(C)·m-2·a-1, 年均值分布在0~200 g(C)·m-2·a-1、200~ 400 g(C)·m-2·a-1、400~600 g(C)·m-2·a-1、600~ 800 g(C)·m-2·a-1、>800 g(C)·m-2·a-1的區(qū)域分別占總面積的12.89%、28.38%、31.57%、21.64%、5.35%。從空間分布來(lái)看, 流域植被NPP呈現(xiàn)東南高、西北低的分布特征。從行政區(qū)劃來(lái)看高值區(qū)主要位于河北省的承德縣、盧龍縣, 該區(qū)域多為中小起伏的低山丘陵, 植被資源豐富, 局部區(qū)域植被NPP超過(guò)800 g(C)·m-2·a-1; 低值區(qū)主要位于內(nèi)蒙古的正藍(lán)旗、多倫縣和唐山市轄區(qū)南部, 唐山市轄區(qū)受到城市化擴(kuò)張等人類(lèi)活動(dòng)的影響較大, 植被退化嚴(yán)重, 局部地區(qū)NPP低于200 g(C)·m-2·a-1。

3.1.2 植被NPP時(shí)間變化特征

2000—2015年灤河流域植被NPP總體處于增長(zhǎng)態(tài)勢(shì)(圖3a), 平均值由405.04 g(C)·m-2·a-1波動(dòng)上升至501.43 g(C)·m-2·a-1。根據(jù)Sen趨勢(shì)分析和Mann-Kendall檢驗(yàn)結(jié)果, 將研究區(qū)分為無(wú)顯著上升/下降區(qū)、弱顯著上升/下降區(qū)(<0.1)、顯著上升/下降區(qū)(<0.05)和極顯著上升/下降區(qū)(<0.01)(圖3b)。植被NPP極顯著增加和顯著增加的區(qū)域占研究區(qū)總面積的32.94%, 主要分布在研究區(qū)中部的河北省隆化縣、灤平縣、寬城滿族自治縣、青龍滿族自治縣, 這些地區(qū)位于京津冀水源涵養(yǎng)生態(tài)功能保護(hù)區(qū)內(nèi), 保護(hù)區(qū)內(nèi)生態(tài)工程的大力建設(shè)加快了地區(qū)生產(chǎn)方式的轉(zhuǎn)變和生態(tài)治理的步伐, 生態(tài)環(huán)境明顯改善, 植被NPP增加明顯; 植被NPP極顯著下降區(qū)域和顯著下降區(qū)域僅占6.98%, 主要分布在研究區(qū)南部的河北省遷安市、盧龍縣、灤縣、昌黎縣和樂(lè)亭縣等, 這些地區(qū)地勢(shì)較為平坦開(kāi)闊, 2000—2015年間經(jīng)濟(jì)不斷發(fā)展, 處于土地利用強(qiáng)度快速上升期, 生態(tài)破壞和環(huán)境問(wèn)題日益突出。

灤河流域植被NPP的變異系數(shù)介于0.03~2.07 (圖4a), 一般認(rèn)定變異系數(shù)小于0.1為弱變異, 0.1~1.0為中等變異, 大于1為強(qiáng)變異, 說(shuō)明灤河流域植被NPP變異的空間差異性顯著, 但大部分區(qū)域變異系數(shù)值較低, 植被NPP相對(duì)穩(wěn)定。變異系數(shù)較高值區(qū)出現(xiàn)在流域上游的內(nèi)蒙古錫林郭勒盟正藍(lán)旗, 該地區(qū)多為草地, 適應(yīng)干旱策略等異質(zhì)性較強(qiáng), 生境條件變化會(huì)使草地調(diào)整響應(yīng)策略[29], 引起植被NPP的變化。

通過(guò)計(jì)算灤河流域植被NPP的Hurst指數(shù), 可以將其未來(lái)的變化趨勢(shì)具體量化, 從而更好地對(duì)灤河流域未來(lái)的生態(tài)環(huán)境進(jìn)行監(jiān)測(cè)和預(yù)警。灤河流域植被NPP的Hurst指數(shù)介于0.17~0.95, 隨時(shí)間序列呈持續(xù)性變化的區(qū)域占54.13%, 呈反持續(xù)性變化的區(qū)域占40.25%。研究將Hurst指數(shù)分為6個(gè)等級(jí), 結(jié)合Sen趨勢(shì)度得到灤河流域植被NPP未來(lái)變化趨勢(shì)(圖4b), 植被NPP增長(zhǎng)且未來(lái)呈持續(xù)性變化的區(qū)域占研究區(qū)的41.90%, 植被NPP增長(zhǎng)但呈反持續(xù)性變化的區(qū)域占33.57%。流域上游的內(nèi)蒙古圍場(chǎng)滿族蒙古族自治縣、豐寧滿族自治縣主要表現(xiàn)為較強(qiáng)持續(xù)性變化, 且該地區(qū)多為林地和草地, 生態(tài)本底條件優(yōu)越, NPP不斷良性積累, 生態(tài)系統(tǒng)價(jià)值逐年增加; 流域下游的河北省遷安市、唐山市等地也表現(xiàn)為持續(xù)性變化, 但其植被NPP大部分處于下降趨勢(shì), 這些地區(qū)處于平原緩坡區(qū), 人類(lèi)活動(dòng)對(duì)土地生態(tài)系統(tǒng)的干擾不斷增強(qiáng), 城鄉(xiāng)建設(shè)用地大量侵占林地和耕地, 生態(tài)環(huán)境持續(xù)惡化; 得益于森林和草地資源的管護(hù), 灤河流域中游段大部分區(qū)域在研究期間植被NPP呈現(xiàn)遞增變化, 但未來(lái)變化呈現(xiàn)出弱持續(xù)與弱反持續(xù)特征, 尤其是部分區(qū)域表現(xiàn)為較強(qiáng)反持續(xù), 說(shuō)明該區(qū)域未來(lái)生態(tài)環(huán)境存在惡化的可能性。

3.2 灤河流域植被NPP時(shí)空變化歸因

3.2.1 氣候因子對(duì)植被NPP的驅(qū)動(dòng)特征

氣候因素通過(guò)溫度變化、降水機(jī)制作用于植物的生長(zhǎng)與分布, 影響植物光合作用和呼吸作用而改變植被NPP。通過(guò)計(jì)算2000—2015年植被NPP與年氣溫、年降水逐像元的相關(guān)系數(shù)和偏相關(guān)性系數(shù)并進(jìn)行空間化顯示, 分析降水量與溫度對(duì)植被NPP的影響。計(jì)算結(jié)果顯示灤河流域植被NPP與溫度的相關(guān)系數(shù)介于-0.74~0.86, 控制降水影響后, 偏相關(guān)系數(shù)介于-0.72~0.84(圖5a、5b), 相差不大, 而呈顯著相關(guān)(<0.05)的區(qū)域占總面積的比例由9.25%上升至34.38%, 表明水熱條件共同作用于植被NPP的積累?？刂茰囟扔绊懞? 植被NPP與降雨呈正相關(guān)的區(qū)域顯著減少, 呈負(fù)相關(guān)的區(qū)域由27.19%增至60.26%, 顯著相關(guān)的區(qū)域面積比例無(wú)顯著變化但分布有所不同, 這是由于強(qiáng)降水會(huì)影響植物光合作用, 抑制植被NPP的積累(圖5c、5d)。

3.2.2 地形因子對(duì)植被NPP的驅(qū)動(dòng)特征

自然地理環(huán)境會(huì)隨地形的不同而出現(xiàn)分異, 不同高程和坡度的水熱、土壤條件的分異都會(huì)影響區(qū)域植被格局, 引起植被NPP的變化。從圖6可以看出, NPP隨著高程和坡度而變化顯著, 在一定的高程范圍內(nèi), 植被NPP隨高程增加波動(dòng)上升, 但達(dá)到一定高度后由于水熱條件的變化會(huì)導(dǎo)致植被的垂直性地帶變化, 進(jìn)而影響NPP的積累, 且表現(xiàn)出隨著坡度增大植被NPP波動(dòng)增強(qiáng)。根據(jù)國(guó)際地理學(xué)會(huì)地貌調(diào)查與制圖委員會(huì)對(duì)高程及坡度的劃分標(biāo)準(zhǔn)并結(jié)合灤河流域?qū)嶋H情況, 對(duì)灤河流域2000—2015年植被NPP平均值、變化趨勢(shì)及未來(lái)變化趨勢(shì)按高程和坡度進(jìn)行分類(lèi)統(tǒng)計(jì)(表2)。

高程200 m以下的平原區(qū)多為耕地和建設(shè)用地, 受人類(lèi)活動(dòng)干擾較強(qiáng), 植被NPP與高程的相關(guān)系數(shù)僅為0.03; 200~1000 m的低山、丘陵區(qū)主要位于流域中游, 屬于京津水源涵養(yǎng)生態(tài)功能保護(hù)區(qū), 地表覆被多為林地, NPP均值達(dá)491.69 g(C)·m-2·a-1, 且呈波動(dòng)式緩慢上升; 流域上游的中山區(qū)和高山區(qū)主要為草地和耕地, 位于陰山山麓-渾善達(dá)克沙地生態(tài)功能保護(hù)區(qū), 因?yàn)檫^(guò)度放牧導(dǎo)致土壤沙化問(wèn)題, 該區(qū)域的生態(tài)敏感性和脆弱性都較高, NPP隨高程增加迅速減少, 需切實(shí)加強(qiáng)生態(tài)建設(shè), 恢復(fù)和繁育植被, 并通過(guò)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)適當(dāng)降低土地開(kāi)發(fā)利用強(qiáng)度。

坡度小于0.5°的地區(qū), 植被NPP與坡度的相關(guān)系數(shù)僅為0.0033, 故不予考慮; 0.5°~2°的微斜坡地區(qū)植被NPP值降至最低的398.89 g(C)·m-2·a-1, 且未來(lái)變化趨勢(shì)為下降; 2°~5°、5°~15°、15°~35°的植被NPP均值呈遞增趨勢(shì), 且未來(lái)變化趨勢(shì)均表現(xiàn)為弱持續(xù)性, 說(shuō)明對(duì)坡度較大不宜耕作區(qū)退耕還林還草工程的實(shí)施起到了較好的生態(tài)治理效果; 而大于35°的峭坡由于過(guò)陡對(duì)植被生長(zhǎng)產(chǎn)生限制, NPP均值出現(xiàn)了下降。

3.2.3 人類(lèi)活動(dòng)對(duì)植被NPP的驅(qū)動(dòng)特征

為了進(jìn)一步探究人類(lèi)活動(dòng)對(duì)植被NPP損益的影響, 利用2000年和2015年的土地利用現(xiàn)狀及強(qiáng)度進(jìn)行空間分析得到土地利用強(qiáng)度變化, 結(jié)合植被NPP殘差及殘差變化趨勢(shì)分布(圖7), 統(tǒng)計(jì)各變化單元的植被NPP損益情況(表3)。2000—2015年灤河流域發(fā)生土地利用強(qiáng)度變化的面積為8.07萬(wàn)hm2, 占流域總面積的1.49%。土地利用強(qiáng)度的增強(qiáng)主要發(fā)生在流域的源頭及下游地區(qū), 基本位于NPP殘差的負(fù)值區(qū)域, 主要表現(xiàn)為耕地向建設(shè)用地的轉(zhuǎn)化, 人類(lèi)活動(dòng)對(duì)植被NPP變化起到反向抑制作用, 因此, 在未來(lái)發(fā)展中應(yīng)該控制城鎮(zhèn)村及工礦用地規(guī)模擴(kuò)展對(duì)耕地、林地的占用, 并同時(shí)開(kāi)展生態(tài)修復(fù), 提高生態(tài)效應(yīng); 流域中游的京津冀水源涵養(yǎng)生態(tài)功能保護(hù)區(qū)自然本地條件優(yōu)越, 加之不斷深化的生態(tài)環(huán)境治理, 發(fā)生土地利用強(qiáng)度變化的區(qū)域較少, 人類(lèi)活動(dòng)對(duì)植被NPP的增長(zhǎng)起到有效的促進(jìn)作用; 土地利用強(qiáng)度減弱的區(qū)域較少, 主要發(fā)生于流域源頭的多倫縣, 皆因近年來(lái)該區(qū)域大力開(kāi)展防風(fēng)固沙等生態(tài)建設(shè)工程, 植被得到了較好恢復(fù)。

表2 灤河流域不同地形下的NPP比較

表3 灤河流域2000—2015年土地利用強(qiáng)度變化及導(dǎo)致的植被NPP變化

面積變化小于0.01′104hm2的未在表格中表示。Areas with a change less than 0.01′104hm2 are not represented in the table.

3.2.4 不同驅(qū)動(dòng)因素對(duì)植被NPP變化的相對(duì)貢獻(xiàn)

通過(guò)殘差趨勢(shì)分析得到氣候和人類(lèi)活動(dòng)對(duì)植被NPP變化的作用區(qū)域(圖8), 并結(jié)合地形因素將灤河流域分為平原區(qū)、低山丘陵區(qū)及中高山區(qū), 得到不同地形下植被NPP變化的主導(dǎo)驅(qū)動(dòng)因子(表4)。從灤河流域全域來(lái)看氣候和人類(lèi)活動(dòng)共同作用引起植被NPP正向變化的占比最大, 占總面積的35.79%, 氣候和人類(lèi)活動(dòng)共同起反向抑制作用所占比例最小,為1.74%; 流域下游的平原區(qū)表現(xiàn)為植被NPP的減少趨勢(shì), 人類(lèi)活動(dòng)的反向抑制作用范圍主要發(fā)生在唐山市市轄區(qū)及周邊, 占總面積的1.44%, 占平原區(qū)面積的15.72%, 氣候變化對(duì)植被NPP增加起抑制作用的區(qū)域范圍更廣, 占總面積的5.88%, 占平原區(qū)面積的35.91%; 灤河流域的低山丘陵區(qū)驅(qū)動(dòng)因子作用面積最大的為氣候和人類(lèi)活動(dòng)的共同正向驅(qū)動(dòng),占流域總面積的15.96, 占低山丘陵區(qū)面積的43.01%, 其次為人類(lèi)活動(dòng)的正向驅(qū)動(dòng)作用, 占流域總面積的10.26%, 占低山丘陵區(qū)面積達(dá)27.63%; 中高山區(qū)各驅(qū)動(dòng)因素起正向促進(jìn)作用的范圍占比略低于中山丘陵區(qū), 起反向抑制作用的區(qū)域所占面積比例更大。

4 討論與結(jié)論

4.1 討論

MODIS數(shù)據(jù)具有空間覆蓋面廣和觀測(cè)頻次高的優(yōu)勢(shì), 本文采用MOD17A3 1 km分辨率的NPP數(shù)據(jù), 得到灤河流域2000—2015年平均NPP為455.04 g(C)·m-2·a-1, 高于李登科等[30]研究得到的同期全國(guó)陸地植被平均NPP的273.5 g(C)·m-2·a-1, 略高于李肖等[31]研究得到的河北省年NPP均值, 這主要是因?yàn)闉春恿饔蚴蔷┙蚣降貐^(qū)重要的水源涵養(yǎng)區(qū)和生物多樣性保護(hù)區(qū), 境內(nèi)有塞罕壩、木蘭圍場(chǎng)等多個(gè)國(guó)家森林公園, 植被覆蓋率較高。變化趨勢(shì)上, 本研究結(jié)果與趙苗苗等[7]同時(shí)期研究中黃淮海區(qū)結(jié)果基本一致, 表現(xiàn)為波動(dòng)上升趨勢(shì), 該結(jié)果表明灤河流域的植被覆蓋度增加, 生態(tài)環(huán)境得到明顯改善, 這可能我國(guó)近年來(lái)實(shí)行的退耕還林、還草等生態(tài)建設(shè)工程密切相關(guān)。研究期間, 灤河流域氣溫與年降水量變化趨勢(shì)均不明顯, 但有暖濕化趨勢(shì), 充足的降水和適宜的溫度為植物生長(zhǎng)帶來(lái)良好的水熱條件,增強(qiáng)了光合作用效率, 有利于有機(jī)干物質(zhì)的積累, 但在流域中游降雨充沛的地區(qū), 由于地勢(shì)較陡易引起水土流失, 破壞地區(qū)植被生態(tài)系統(tǒng)。另外地形因子還通過(guò)影響氣候垂向分帶, 使植被的分布呈地帶性分異, 研究區(qū)內(nèi)植被NPP均值由大到小的植被類(lèi)型大致為森林植被-灌溉栽培植被-灌叢植被-草原植被-沼澤, 與劉嬋等[32]對(duì)植被水分利用效率的研究結(jié)論一致?？梢?jiàn)氣候和地形因子都是影響植被NPP變化的重要影響因素。

表4 灤河流域不同區(qū)域驅(qū)動(dòng)因子對(duì)植被NPP變化的影響

本研究采用土地利用強(qiáng)度和殘差分析法探究人類(lèi)活動(dòng)對(duì)植被NPP變化的影響, 但土地利用強(qiáng)度的確定僅從土地利用類(lèi)型角度考慮, 尚不足以衡量人類(lèi)對(duì)土地開(kāi)發(fā)利用、保護(hù)和管理等干擾強(qiáng)度, 殘差分析法雖能定量分離氣候和人類(lèi)活動(dòng)對(duì)植被NPP變化的影響, 但影響植被NPP變化的自然因素較多, 如蒸散量、土壤水分、植被需水差異等, 如何合理選擇要素尚無(wú)定論, 對(duì)人類(lèi)活動(dòng)的分析也沒(méi)有細(xì)化, 使研究結(jié)果存在一定的不確定性。

4.2 結(jié)論

1)時(shí)間尺度上, 2000—2015年灤河流域植被NPP多年平均值介于405.04~501.43 g(C)·m-2·a-1, 整體呈波動(dòng)上升趨勢(shì)且以低波動(dòng)性為主。未來(lái)變化趨勢(shì)上, 表現(xiàn)為同向特征略強(qiáng)于反向特征, 植被NPP未來(lái)持續(xù)增加的趨勢(shì)不明顯, 部分區(qū)域存在生態(tài)環(huán)境持續(xù)惡化的可能。

2)空間分布上, 植被NPP均值為東南高西北低的格局, 高值區(qū)主要分布在流域中游的京津冀水源涵養(yǎng)生態(tài)功能保護(hù)區(qū)內(nèi), 低值區(qū)分布在土地利用強(qiáng)度較大的下游平原區(qū)及生態(tài)脆弱性較高的上游農(nóng)牧區(qū)。

3)驅(qū)動(dòng)機(jī)制上, 氣候和人類(lèi)活動(dòng)對(duì)植被NPP的影響在不同地形上具有較強(qiáng)的空間異質(zhì)性。大部分區(qū)域植被NPP與氣候因子呈正相關(guān)關(guān)系, 且溫度的影響要強(qiáng)于降水, 隨著高程的增加, 植被NPP表現(xiàn)為“波動(dòng)上升-陡降-上升”的變化規(guī)律, 坡度越大植被NPP波動(dòng)上升的起伏也越大; 人類(lèi)活動(dòng)通過(guò)改變土地利用強(qiáng)度或生態(tài)建設(shè)工程等影響植被NPP的變化。整體上, 平原區(qū)以氣候的反向抑制作用和人類(lèi)活動(dòng)的反向抑制作用為主, 低山丘陵及中高山區(qū)以氣候和人類(lèi)活動(dòng)共同的正向驅(qū)動(dòng)作用為主。

[1] 盧偉, 范文義, 田甜. 不同步長(zhǎng)尺度下BEPS碳循環(huán)模型的協(xié)同應(yīng)用[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2016, 27(9): 2771–2778 LU W, FAN W Y, TIAN T. Collaborative application of BEPS at different time steps[J]. Chinese Journal of Applied Ecology, 2016, 27(9): 2771–2778

[2] 馮險(xiǎn)峰, 孫慶齡, 林斌. 區(qū)域及全球尺度的NPP過(guò)程模型和NPP對(duì)全球變化的響應(yīng)[J]. 生態(tài)環(huán)境學(xué)報(bào), 2014, 23(3): 496–503 FENG X F, SUN Q L, LIN B. NPP process models applied in regional and global scales and responses of NPP to the global change[J]. Ecology and Environmental Sciences, 2014, 23(3): 496–503

[3] 蔣沖, 王飛, 穆興民, 等. 氣候變化對(duì)渭河流域自然植被凈初級(jí)生產(chǎn)力的影響研究(Ⅱ)——渭河流域自然植被凈初級(jí)生產(chǎn)力的研究[J]. 干旱區(qū)資源與環(huán)境, 2013, 27(5): 53–57 JIANG C, WANG F, MU X M, et al. Effect of climate change on net primary productivity (NPP) of natural vegetation in Wei river basin (Ⅱ). NPP of natural vegetation in Wei river basin[J]. Journal of Arid Land Resources and Environment, 2013, 27(5): 53–57

[4] 袁文平, 蔡文文, 劉丹, 等. 陸地生態(tài)系統(tǒng)植被生產(chǎn)力遙感模型研究進(jìn)展[J]. 地球科學(xué)進(jìn)展, 2014, 29(5): 541–550 YUAN W P, CAI W W, LIU D, et al. Satellite-based vegetation production models of terrestrial ecosystem: An overview[J]. Advances in Earth Science, 2014, 29(5): 541–550

[5] 周磊, 李剛, 賈德偉, 等. 基于光能利用率模型的河南省冬小麥單產(chǎn)估算研究[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2017, 38(6): 108–115 ZHOU L, LI G, JIA D W, et al. Yield estimation of winter wheat in Henan province based on the vegetation photosynthesis model[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(6): 108–115

[6] 平曉瑩, 馬俊, 劉淼, 等. 基于VPM模型的長(zhǎng)白山自然保護(hù)區(qū)植被總初級(jí)生產(chǎn)力動(dòng)態(tài)變化[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2019, 30(5): 1589–1598 PING X L, MA J, LIU M, et al. Dynamics of gross primary productivity with VPM model in Changbai Mountain Natural Reserve, Northeast China[J]. Chinese Journal of Applied Ecology, 2019, 30(5): 1589–1598

[7] 趙苗苗, 劉熠, 楊吉林, 等. 基于HASM的中國(guó)植被NPP時(shí)空變化特征及其與氣候的關(guān)系[J]. 生態(tài)環(huán)境學(xué)報(bào), 2019, 28(2): 215–225 ZHAO M M, LIU Y, YANG J L, et al. Spatio-temporal patterns of NPP and its relations to climate in China based on HASM[J]. Ecology and Environmental Sciences, 2019, 28(2): 215–225

[8] 楊會(huì)巾, 李小玉, 劉麗娟, 等. 基于耦合模型的干旱區(qū)植被凈初級(jí)生產(chǎn)力估算[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2016, 27(6): 1750–1758 YANG H J, LI X Y, LIU L J, et al. Estimation of net primary productivity in arid region based on coupling model[J]. Chinese Journal of Applied Ecology, 2016, 27(6): 1750–1758

[9] CHEN J M, JU W M, CIAIS P, et al. Vegetation structural change since 1981 significantly enhanced the terrestrial carbon sink[J]. Nature Communications, 2019, 10(1): 4259

[10] PAYNE N J, CAMERON D A, LEBLANC J D, et al. Carbon storage and net primary productivity in Canadian boreal mixed wood stands[J]. Journal of Forestry Research, 2019, 30(5): 1667–1678

[11] LAL R. Carbon cycling in global drylands[J]. Current Climate Change Reports, 2019, 5(3): 221–232

[12] LEES K J, QUAIFE T, ARTZ R R E, et al. A model of gross primary productivity based on satellite data suggests formerly afforested peatlands undergoing restoration regain full photosynthesis capacity after five to ten years[J]. Journal of Environmental Management, 2019, 246: 594–604

[13] 仲曉春, 陳雯, 劉濤, 等. 2001~2010年中國(guó)植被NPP的時(shí)空變化及其與氣候的關(guān)系[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2016, 37(9): 16–22 ZHONG X C, CHEN W, LIU T, et al. Spatial and temporal change of vegetation net primary productivity and its relationship with climate from 2001 to 2010 in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(9): 16–22

[14] 姬盼盼, 高敏華, 楊曉東. 中國(guó)西北部干旱區(qū)NPP驅(qū)動(dòng)力分析——以新疆伊犁河谷和天山山脈部分區(qū)域?yàn)槔齕J]. 生態(tài)學(xué)報(bào), 2019, 39(8): 2995–3006 JI P P, GAO M H, YANG X D. Analysis of NPP driving force in an arid region of Northwest China: A case study in Yili Valley and parts of Tianshan Mountains, Xinjiang, China[J]. Acta Ecologica Sinica, 2019, 39(8): 2995–3006

[15] 趙曉, 周文佐, 田羅, 等. 土地利用變化對(duì)三峽庫(kù)區(qū)重慶段植被凈初級(jí)生產(chǎn)力的影響[J]. 生態(tài)學(xué)報(bào), 2018, 38(21): 7658–7668 ZHAO X, ZHOU W Z, TIAN L, et al. Effects of land-use changes on vegetation net primary productivity in the Three Gorges Reservoir Area of Chongqing[J]. Acta Ecologica Sinica, 2018, 38(21): 7658–7668

[16] 喬旭寧, 顧羊羊, 鄒長(zhǎng)新, 等. 基于夜間燈光數(shù)據(jù)的太湖流域城鎮(zhèn)擴(kuò)張對(duì)凈初級(jí)生產(chǎn)力的影響研究[J]. 生態(tài)學(xué)報(bào), 2018, 38(16): 5883–5893 QIAO X N, GU Y Y, ZOU C X, et al. The impact of urban expansion on net primary productivity in the Taihu Lake basin based on nighttime light images[J]. Acta Ecologica Sinica, 2018, 38(16): 5883–5893

[17] 王芳, 汪左, 張運(yùn). 2000—2015年安徽省植被凈初級(jí)生產(chǎn)力時(shí)空分布特征及其驅(qū)動(dòng)因素[J]. 生態(tài)學(xué)報(bào), 2018, 38(8): 2754–2767 WANG F, WANG Z, ZHANG Y. Spatio-temporal variations in vegetation Net Primary Productivity and their driving factors in Anhui Province from 2000 to 2015[J]. Acta Ecologica Sinica, 2018, 38(8): 2754–2767

[18] 王釗, 李登科. 2000—2015年陜西植被凈初級(jí)生產(chǎn)力時(shí)空分布特征及其驅(qū)動(dòng)因素[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2018, 29(6): 1876–1884 WANG Z, LI D K. Spatial-temporal distribution of vegetation net primary productivity and its driving factors from 2000 to 2015 in Shaanxi, China[J]. Chinese Journal of Applied Ecology, 2018, 29(6): 1876–1884

[19] 陳強(qiáng), 陳云浩, 王萌杰, 等. 2001—2010年黃河流域生態(tài)系統(tǒng)植被凈第一性生產(chǎn)力變化及氣候因素驅(qū)動(dòng)分析[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2014, 25(10): 2811–2818 CHEN Q, CHEN Y H, WANG M J, et al. Change of vegetation net primary productivity in Yellow River watersheds from 2001 to 2010 and its climatic driving factors analysis[J]. Chinese Journal of Applied Ecology, 2014, 25(10): 2811–2818

[20] 杜夢(mèng)潔, 鄭江華, 任璇, 等. 地形對(duì)新疆昌吉州草地凈初級(jí)生產(chǎn)力分布格局的影響[J]. 生態(tài)學(xué)報(bào), 2018, 38(13): 4789–4799 DU M J, ZHENG J H, REN X, et al. Effects of topography on the distribution pattern of net primary productivity of grassland in Changji Prefecture, Xinjiang[J]. Acta Ecologica Sinica, 2018, 38(13): 4789–4799

[21] 陳曉玲, 曾永年. 亞熱帶山地丘陵區(qū)植被NPP時(shí)空變化及其與氣候因子的關(guān)系——以湖南省為例[J]. 地理學(xué)報(bào), 2016, 71(1): 35–48 CHEN X L, ZENG Y N. Spatial and temporal variability of the net primary production (NPP) and its relationship with climate factors in subtropical mountainous and hilly regions of China: A case study in Hunan Province[J]. Acta Geographica Sinica, 2016, 71(1): 35–48

[22] 安妮, 寧小莉, 海全勝, 等. 基于MODIS數(shù)據(jù)的近15年渾善達(dá)克沙地植被凈初級(jí)生產(chǎn)力時(shí)空分布研究[J]. 干旱區(qū)資源與環(huán)境, 2020, 34(4): 168–175 AN N, NING X L, HAI Q S, et al. Optical model for estimating the spatial and temporal distribution of vegetation net primary productivity in HunShandake Sandyland in recent 15 years[J]. Journal of Arid Land Resources and Environment, 2020, 34(4): 168–175

[23] 張芳, 熊黑鋼, 馮娟, 等. 基于遙感的新疆人工綠洲擴(kuò)張中植被凈初級(jí)生產(chǎn)力動(dòng)態(tài)變化[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2017, 33(12): 194–200 Zhang F, Xiong H G, Feng J, et al. Dynamic change of net primary productivity during process of new artificial oasis expansion in Xinjiang based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(12): 194–200

[24] 劉剛, 孫睿, 肖志強(qiáng), 等. 2001—2014年中國(guó)植被凈初級(jí)生產(chǎn)力時(shí)空變化及其與氣象因素的關(guān)系[J]. 生態(tài)學(xué)報(bào), 2017, 37(15): 4936–4945 LIU G, SUN R, XIAO Z Q, et al. Analysis of spatial and temporal variation of net primary productivity and climate controls in China from 2001 to 2014[J]. Acta Ecologica Sinica, 2017, 37(15): 4936–4945

[25] 左麗媛, 高江波, 基于地理探測(cè)器的喀斯特植被NPP定量歸因[J]. 生態(tài)環(huán)境學(xué)報(bào), 2020, 29(4): 686–694 ZUO L Y, GAO J B. Quantitative attribution analysis of NPP in Karst peak cluster depression based on geographical detector[J]. Ecology and Environmental Sciences, 2020, 29(4): 686–694

[26] 孫銳, 陳少輝, 蘇紅波. 2000—2016年黃土高原不同土地覆蓋類(lèi)型植被NDVI時(shí)空變化[J]. 地理科學(xué)進(jìn)展, 2019, 38(8): 1248–1258SUN R, CHEN S H, SU H B. Spatiotemporal variations of NDVI of different land cover types on the Loess Plateau from 2000 to 2016[J]. Progress in Geography, 2019, 38(8): 1248–1258

[27] 徐勇, 孫曉一, 湯青. 陸地表層人類(lèi)活動(dòng)強(qiáng)度: 概念、方法及應(yīng)用[J]. 地理學(xué)報(bào), 2015, 70(7): 1068–1079 XU Y, SUN X Y, TANG Q. Human activity intensity of land surface: Concept, method and application in China[J]. Acta Geographica Sinica, 2015, 70(7): 1068–1079

[28] 盛曉雯, 曹銀貴, 周偉, 等. 京津冀地區(qū)土地利用變化對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2018, 39(6): 79–86 SHENG X W, CAO Y G, ZHOU W, et al. Impact of land use change on ecosystem service value in Beijing-Tianjin-Hebei Region[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(6): 79–86

[29] 郭靈輝, 郝成元, 吳紹洪, 等. 內(nèi)蒙古草地NPP變化特征及其對(duì)氣候變化敏感性的CENTURY模擬研究[J]. 地理研究, 2016, 35(2): 271–284 GUO L H, HAO C Y, WU S H, et al. Analysis of changes in net primary productivity and its susceptibility to climate change of Inner Mongolian grasslands using the CENTURY model[J]. Geographical Research, 2016, 35(2): 271–284

[30] 李登科, 王釗. 基于MOD17A3的中國(guó)陸地植被NPP變化特征分析[J]. 生態(tài)環(huán)境學(xué)報(bào), 2018, 27(3): 397–405 LI D K, WANG Z. The characteristics of NPP of terrestrial vegetation in China based on MOD17A3 data[J]. Ecology and Environmental Sciences, 2018, 27(3): 397–405

[31] 李肖, 袁金國(guó), 孟丹. 河北省2005—2014年植被NPP時(shí)空演變及其與氣候因子的關(guān)系[J]. 水土保持研究, 2018, 25(6): 109–114 LI X, YUAN J G, MENG D. Spatiotemporal distribution of vegetation net primary productivity and its relationship with climate factors in Hebei Province from 2005 to 2014[J]. Research of Soil and Water Conservation, 2018, 25(6): 109–114

[32] 劉嬋, 劉冰, 趙文智, 等. 黑河流域植被水分利用效率時(shí)空分異及其對(duì)降水和氣溫的響應(yīng)[J]. 生態(tài)學(xué)報(bào), 2020, 40(3): 888–899LIU C, LIU B, ZHAO W Z, et al. Temporal and spatial variability of water use efficiency of vegetation and its response to precipitation and temperature in Heihe River Basin[J]. Acta Ecologica Sinica, 2020, 40(3): 888–899

Spatio-temporal distribution of net primary productivity and its driving factors in the Luanhe River Basin from 2000 to 2015*

LIU Jing1, TANG Feng2, ZHANG Guijun1**, ZHANG Pengtao1

(1. College of Land and Resources, Hebei Agricultural University / Key Laboratory for Farmland Eco-Environment of Hebei Province, Baoding 071001, China; 2. College of Land Science and Technology, China University of Geosciences (Beijing), Beijing 100083, China)

Net primary productivity (NPP) is an important indicator of regional ecological quality and can reflect the growth status of vegetation. We selected the Luanhe River Basin as the study area, and used trend analysis, Hurst index, and residual trend analysis to examine the spatio-temporal distribution of NPP and investigated the effects of climate change, topographic factors, and human activities. This study analyzed NPP based on meteorological data, land use maps, and remote sensing data MOD17A3 from 2000 to 2015 and aimed to provide a basis for the ecological environmental governance of the river basin. The results showed that: 1) The average annual NPP was 455.04 g(C)·m?2·a?1, and the inter-annual variability showed overall growth from 2000 to 2015. Of the total basin area, 32.94% had a significant increase in NPP, whereas 6.98% had a significant decrease. The Hurst index analysis indicated that most NPP changes were in the same direction. 2) There were regional NPP differences in the Luanhe River Basin; the multi-year NPP average was lowest in the low hilly area, intermediate in the plain country, and highest in the middle mountain region. The maximum NPP was in Chengde and Lulong Counties in the Beijing-Tianjin-Hebei water conservation ecological function reserve, with characteristically superior natural environmental conditions. 3) The watershed NPP was positively correlated with the annual average precipitation and the annual average temperature, indicating that temperature was the main climatic factor affecting NPP in the Luanhe River Basin. The accumulation of vegetation NPP was affected by the combined effects of temperature and precipitation. Human activities affected the vegetation NPP by changing the land use intensity, ecological construction, and improving the environment, with positive and negative effects on NPP. Among the different terrain areas, the dominant factors affecting vegetation NPP varied. Overall, the prevailing reasons for NPP increases were climatic factors and human activities; only 1.74% of the regional climate and anthropogenic activities contributed to NPP reduction. The driving characteristics were similar in the low hilly area and the middle and high mountain areas. However, in the low-altitude plain areas, climatic factors or human activity alone led to more significant NPP reductions, accounting for 51.63% of the area. Taken together, this study showed that spatial distribution of NPP was determined by climatic and topographic characteristics, and climate change and human activities strongly affected vegetation NPP.

Net primary productivity; Spatio-temporal distribution; Driving factors; Residual trend analysis; Luanhe River Basin

10.13930/j.cnki.cjea.200701

劉婧, 湯峰, 張貴軍, 張蓬濤. 2000—2015年灤河流域植被凈初級(jí)生產(chǎn)力時(shí)空分布特征及其驅(qū)動(dòng)因子分析[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2021, 29(4): 659-671

LIU J, TANG F, ZHANG G J, ZHANG P T. Spatio-temporal distribution of net primary productivity and its driving factors in the Luanhe River Basin from 2000 to 2015[J]. Chinese Journal of Eco-Agriculture, 2021, 29(4): 659-671

Q948

* 河北省社會(huì)科學(xué)基金項(xiàng)目(HB19YJ020)資助

張貴軍, 主要研究方向?yàn)橥恋卦u(píng)價(jià)與可持續(xù)利用。E-mail: 2569401081@qq.com

劉婧, 主要研究方向?yàn)橥恋卦u(píng)價(jià)與可持續(xù)利用。E-mail: liujingahcz@163.com

2020-08-28

2020-11-13

* This study was supported by the Social Science Fund of Hebei Province (HB19YJ020).

, E-mail: 2569401081@qq.com

Aug. 28, 2020;

Nov. 13, 2020