和春蘭,陳 超,許林艷
(云南國土資源職業(yè)學(xué)院,云南 昆明 65250)
植被凈初級生產(chǎn)力(Net Primary Production,NPP)是綠色植物在單位時間、單位面積上所積累的有機(jī)物的量,是光合作用產(chǎn)生的有機(jī)物總量(Gross Primary Productivity,GPP)減去自養(yǎng)呼吸(Auto trophic respiration,Ra)消耗后的剩余部分[1]。植被凈初級生產(chǎn)力是指示陸表生態(tài)系統(tǒng)健康狀況的核心指標(biāo)[2-4]。NPP在全球生態(tài)系統(tǒng)的碳循環(huán)過程中占有舉足輕重的位置,是全球生態(tài)環(huán)境監(jiān)測的可靠依據(jù)之一[5,6]。因此,NPP的研究對區(qū)域經(jīng)濟(jì)的可持續(xù)發(fā)展、生態(tài)環(huán)境的保護(hù)具有重要意義。近年來,區(qū)域NPP的研究備受學(xué)者關(guān)注,劉旻霞等[7]分析了青海省2000~2014年植被NPP的時空變化特征及其與氣候因子的關(guān)系;崔博超等[8]采用 MODIS數(shù)據(jù)和CASA模型對2006~2016年塔里木河流域植被生長季草地NPP進(jìn)行估算,并闡述了流域草地NPP的時空格局與變化特征;王思云等[9]利用CASA模型反演估算云南省 2015年植被凈初級生產(chǎn)力(NPP)表明了2015年云南省NPP的平均值 1~2月、5~9月、10~12月處于下降趨勢,2~4月、9~10月處于上升趨勢,一年中的最高值在5月份,最低值在9月份且NPP的高值位于云南省的南部和西部;張仁平等[10]利用CASA模型模擬了新疆草地植被凈初級生產(chǎn)力(NPP),闡述了2001~2014年新疆地區(qū)草地的NPP的空間格局及與氣象因子的關(guān)系。閆文波等[11]基于CASA模型估算云南省1982~2019年植被凈初級生產(chǎn)力(NPP),分析其時空變化特征,并結(jié)合標(biāo)準(zhǔn)降水蒸散指數(shù)SPEI,探討不同時間尺度干旱與NPP的關(guān)系。經(jīng)過幾十年的發(fā)展,目前NPP的研究方法很多。傳統(tǒng)的方法是基于樣點(diǎn)實測,通過直接收割植被來確定其生物量,進(jìn)而確定植被的NPP[12],這種方法原理比較簡單,操作也比較方便,而且精度比較高,缺點(diǎn)是費(fèi)時、費(fèi)力,且對植被具有破壞性,僅能用于小尺度、小面積的NPP研究,不能實現(xiàn)NPP的大范圍研究或是實時監(jiān)測[13],目前這種方法更多的應(yīng)用于對NPP估算結(jié)果的檢驗。在較大尺度上的研究主要采用數(shù)學(xué)模型法。目前計算NPP的模型主要有3大類:氣候相關(guān)模型、過程模型和光能利用率模型[14,15],基于遙感的CASA(Carnegie-ames-Stanford approach)模型建立在植物光合作用過程和Monteith[16]提出的光能利用率上與其他兩大類模型相比,光能利用率模型的優(yōu)點(diǎn)較為突出:參數(shù)少且參數(shù)與植被生理特征相關(guān)性強(qiáng)。因此CASA 模型能夠被廣泛運(yùn)用在評估全球及區(qū)域尺度NPP的動態(tài)變化及其時空變異特征[17]。
瀾滄江下游流域具有復(fù)雜的地形和水熱分布差異,是全球生態(tài)環(huán)境地理地帶性最典型的區(qū)域之一。近年來,由于人類活動加劇,以橡膠、香蕉、甘蔗、茶葉、水稻為代表的農(nóng)林混合用地模式在該地區(qū)發(fā)展迅速,土地覆被景觀類型和格局發(fā)生了顯著變化,對該區(qū)生態(tài)環(huán)境和生物多樣性產(chǎn)生了顯著影響。因此,準(zhǔn)確估算流域內(nèi)植被NPP有助于預(yù)測流域生態(tài)系統(tǒng)的生產(chǎn)格局及功能潛力;分析NPP的時空變化特征,有助于揭示人類活動對自然界的影響,為流域生物多樣性保護(hù),土地資源合理利用,制定相應(yīng)的社會和經(jīng)濟(jì)發(fā)展戰(zhàn)略提供依據(jù)。但目前,有關(guān)瀾滄江流域的研究主要集中在生態(tài)環(huán)境遙感監(jiān)測、植被覆蓋、土壤侵蝕、土地利用覆被變化等,而該區(qū)域NPP的研究文獻(xiàn)幾乎沒有。
由于區(qū)域范圍較大,分月遙感數(shù)據(jù)獲取難度較大,因此本研究基于收集的數(shù)據(jù)選擇了2000年、2010年、2018年3期有代表性的3月、7月和11月的MODIS NDVI數(shù)據(jù)、結(jié)合流域氣象數(shù)據(jù)和土地覆被數(shù)據(jù),利用CASA模型對瀾滄江下游流域進(jìn)行近18年的NPP動態(tài)模擬,從而揭示流域內(nèi)植被NPP空間分布格局及時空演變特征,為該流域生態(tài)監(jiān)測,生態(tài)治理提供基礎(chǔ)數(shù)據(jù),對流域自然資源的開發(fā)保護(hù)有現(xiàn)實意義。
瀾滄江流域是中國西南地區(qū)的國際跨境河流之一,流域面積167 400 km2,干流全長2 130 km[18],自北向南流經(jīng)中國青海、西藏和云南3省(區(qū))。流域以昌都和功果橋為界,自北向南劃分為上游、中游和下游3個子流域。其中,昌都以上為上游,昌都至云龍縣的功果橋為中游,功果橋以下為下游。本研究以瀾滄江下游流域為研究區(qū)。
瀾滄江下游流域位于中國西南地區(qū)(21°11′~26°47′N,99°42′~101°50′E),面積為73 221.30 km2,占瀾滄江流域總面積的43.74%;涉及18個縣市,占云南省國土總面積的18.77%。區(qū)域為典型的高山峽谷到低山盆地過渡區(qū),整個地勢為北高南低,西高東低,海拔高差約3 716 m;流域土壤以赤紅壤、磚紅壤等為主;受西風(fēng)帶環(huán)流控制,氣候類型多樣,大部分地區(qū)的年降雨量在1 000 mm以上,且季節(jié)分配不均,5~10月份雨量集中。流域內(nèi)資源豐富,人口眾多。根據(jù)科學(xué)家的評估,這一流域是世界上生物多樣性最豐富的地區(qū)之一。瀾滄江下游流域包括了滇南區(qū)域和部分滇中區(qū)域。滇南西雙版納保留著世界北回歸線附近唯一一片熱帶原始森林,滇中是中國重要的人工造林區(qū)以及原始林集中分布區(qū)。
1.2.1 遙感數(shù)據(jù)
本研究所用MODIS NDVI數(shù)據(jù)源自美國國家航空航天局NASA/EOS PDAAC 數(shù)據(jù)中心(https://lpdaac.usgs.gov/),下載MODIS產(chǎn)品MOD13A1數(shù)據(jù)集,成像時間為2000年~2018年3~11月,共18景影像,空間分辨率為250 m,時間分辨率為16 d。該數(shù)據(jù)產(chǎn)品結(jié)合改進(jìn)的 CASA 模型已被證明對模擬植被NPP數(shù)據(jù)精度效果較好[19]。
數(shù)據(jù)下載完畢,利用MRT(MODIS Re-projection Tools)進(jìn)行鑲嵌和投影轉(zhuǎn)換處理,得到tiff格式文件。同時,下載的MODIS-NDVI數(shù)據(jù)采用最大值合成法(maximum value ma composite,MVC)進(jìn)一步消除其他氣象因素的干擾,得到每月NDVI數(shù)據(jù),并利用Savitzky Golay方法對MODIS-NDVI數(shù)據(jù)進(jìn)行濾波處理,以便減少由云和薄霧造成的噪音。
1.2.2 氣象數(shù)據(jù)
本研究采用的氣象數(shù)據(jù)收集于云南省氣象局,包括景洪等21個氣象站點(diǎn)的月平均氣溫、月總降水量、逐日日照時數(shù)。收集逐日的日照時數(shù)是為了計算逐日的太陽總輻射,最后累加得到月太陽總輻射。為了對氣象數(shù)據(jù)進(jìn)行插值,還獲取了各個氣象站點(diǎn)的經(jīng)度、緯度信息。
獲取氣象數(shù)據(jù)后,按照區(qū)域范圍,對21個氣象站點(diǎn)的氣象數(shù)據(jù)在ArcGIS 10.3軟件中采用反距離權(quán)重法(Inverse distance weighting,IDW)進(jìn)行插值。為了保持?jǐn)?shù)據(jù)的一致性,方便后續(xù)的計算,將月平均溫度、月總降水量、月太陽總輻射內(nèi)插成250×250 m,坐標(biāo)均采用WGS-84。
1.2.3 DEM數(shù)據(jù)
本文采用的DEM數(shù)據(jù)是下載自地理空間數(shù)據(jù)云(http://www.gscloud.cn/)。DEM數(shù)據(jù)主要用于提取研究區(qū)瀾滄江下游流域,流域又被稱作集水區(qū)。在ArcGIS 10.3軟件中,運(yùn)用基于DEM地表水文分析工具,提取水流方向,進(jìn)行洼地提取及填充,在此基礎(chǔ)上計算匯流累積量,進(jìn)而得出流域范圍。
1.2.4 土地利用覆被數(shù)據(jù)
土地利用覆被數(shù)據(jù)主要采用2000年、2010年、2018年的土地利用柵格數(shù)據(jù),來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn/),數(shù)據(jù)精度30 m。為了便于研究,將瀾滄江下游流域的土地覆被類型整理劃分為以下6類:草地、耕地、林地、水域、建設(shè)用地、未利用地。經(jīng)野外實地驗證、高空間分辨率Google影像以及局部高比例尺土地利用現(xiàn)狀圖檢驗,采用誤差矩陣法對分類結(jié)果進(jìn)行精度評價,總體分類精度(Overall Accuracy)在90%以上,結(jié)果可靠,滿足本研究的分析要求[20,21]。并且為了數(shù)據(jù)的一致性,將分類結(jié)果進(jìn)行重分類,柵格像元大小設(shè)置為250 m×250 m。
1.3.1 CASA模型
CASA(Carnegie Ames Stanford Approach)模型是目前幾個主要光能利用模型之一,該模型中的植被凈初級生產(chǎn)力是由植被吸收光合有效輻射APAR(MJ/m2)和實際光能轉(zhuǎn)化率ε(gC/MJ)兩個因子來表示。本研究采用的NPP計算模型是由國內(nèi)學(xué)者朱文泉等[22]改進(jìn)過的 CASA 模型。其計算公式如下:
NPP(x,t)=APAR(x,t)×ε(x,t)
(1)
式中:APAR(x,t)表示像元x在t月份接受的太陽;ε(x,t)表示像元x在t月份的實際光能利用率。
1.3.2 相關(guān)分析法
本文采用Pearson相關(guān)系數(shù)分析法,對每一個像元相應(yīng)的月植被NPP與降雨因子和溫度因子進(jìn)行相關(guān)性分析,以此分析植被NPP與氣候因子之間的響應(yīng)關(guān)系。其計算公式為:
(2)
式中:R為x、y兩個變量的相關(guān)系數(shù),n為研究時間的年數(shù),xi為第i月的植被NPP,yi為第i月的氣候因子(降水、溫度)值。
采用ArcGIS 10.3軟件及公式(1)得到3期各月的單位面積NPP。結(jié)果見圖1~圖3(封三圖版Ⅱ圖1~圖3)。
2.1.1 瀾滄江下游流域植被NPP時間變化特征
(1)NPP值年內(nèi)變化
從表1中可以看出雖然3期各個月的單位面積NPP和NPP總量有一定差異,但總體趨勢一致,年內(nèi)變化趨勢均為7月>3月>11月。這也符合植被生長的自然規(guī)律,每年4到10月是瀾滄江下游流域植被生長最旺盛的時候,因此7、8月份植被NPP達(dá)到峰值。
表1 研究區(qū)2000~2018年3月、7月、11月NPP值Tab.1 NPP in the study area from March, July and November of 2000 to 2018
(2)NPP值年際變化
由表1所示,瀾滄江下游流域各時期3月、11月單位面積NPP平均值、NPP總量大小的變化趨勢均為:2000年>2018年> 2010年,從2000年到2018年,數(shù)據(jù)呈現(xiàn)先降后升的趨勢;7月單位面積NPP平均值、NPP總量大小的變化趨勢為:2018年>2010年> 2000年,從2000年到2018年,數(shù)據(jù)呈現(xiàn)逐漸上升的趨勢;各期3月、7月、11月的NPP數(shù)值均有變化,但變化幅度不大。
(3)不同土地覆被類型植被NPP的時間變化特征
利用土地覆被類型圖以及NPP柵格數(shù)據(jù),對2000年、2010年、2018年瀾滄江下游流域3月、7月、11月不同土地覆被類型的NPP總量、單位面積NPP值進(jìn)行統(tǒng)計,進(jìn)而分析不同土地覆被類型NPP變化情況(表2)。
表2 研究區(qū)2000~2018年3月、7月、11月不同土地覆被類型各時期單位面積NPP Tab.2 Average NPP of different land cover types in the study area from March,July and November of 2000 to 2018 gC·m-2
從表2中可以看出,研究區(qū)2000年3月單位面積NPP值變化情況為:林地>草地>耕地>建設(shè)用地>未利用地>水域;2010年、2018年3月的變化趨勢除了耕地的單位面積NPP高于草地以外,其余均一致,林地、草地、耕地的單位面積NPP值遠(yuǎn)遠(yuǎn)高于建設(shè)用地、未利用地、水域。2010年3月相對于2000年3月,耕地、林地、草地、水域、建設(shè)用地的單位面積NPP均呈下降狀態(tài),其中林地的單位面積NPP下降最多,達(dá)7.50 gC·m-2;2018年3月相對2010年3月,所有土地覆被類型的單位面積NPP均呈上升趨勢,其中水域的單位面積NPP上升程度最高,上升了11.68 gC·m-2;2018年3月相對于2000年3月,除了林地單位面積NPP呈下降趨勢(下降了4.72 gC·m-2),其余用地均呈上升趨勢,未利用地的單位面積NPP上升幅度最大,達(dá)18.94 gC·m-2。由此可見瀾滄江下游流域在2010年3月生態(tài)環(huán)境狀況較差,尤其是植被面積減少帶來林地單位面積NPP降低,2010年到2018年,區(qū)域生態(tài)環(huán)境有所改善,但植被狀況較2000年稍差。
7月份,各期單位面積NPP值的排序情況為:林地>草地>耕地>建設(shè)用地,其余用地水域、未利用地對區(qū)域的NPP貢獻(xiàn)較少。相對于2000年、2010年,2018年7月林地、草地、耕地單位面積NPP均呈上升趨勢。林地的單位面積NPP值增長最高,達(dá)14.81 gC·m-2。其余地類相對于2000年,2010年和2018年的建設(shè)用地、水域單位面積NPP值呈現(xiàn)下降趨勢,但下降程度不明顯。
11月份,各期單位面積NPP值的排序情況為:林地>耕地>草地>未利用地>建設(shè)用地>水域。相比2000年,2010年、2018年的耕地、林地、草地單位面積NPP均呈下降趨勢,建設(shè)用地單位面積NPP呈現(xiàn)上升趨勢,水域呈現(xiàn)先降后增的趨勢。
從統(tǒng)計結(jié)果可以看出,不論是哪個時期,3月、7月、11月的數(shù)據(jù)均為林地的單位面積NPP值最高,且對區(qū)域NPP值貢獻(xiàn)較大的是林地、耕地、草地這3種土地利用類型,未利用地、水域?qū)^(qū)域NPP的貢獻(xiàn)最小。且7月份林地、耕地、草地的單位面積NPP值比3月、11月高,11月至來年3月NPP值較低。
2.1.2 瀾滄江下游流域植被NPP的空間變化特征
瀾滄江下游流域由于土地覆被類型不同以及人類擾動等因素,NPP的空間分布呈現(xiàn)差異。為了數(shù)據(jù)的可對比性,將研究區(qū)單位面積NPP劃分為5級,1級為單位面積NPP<30 gC·m-2,2級為單位面積NPP>=30 gC·m-2且<50 gC·m-2,3級為單位面積NPP>=50gC·m-2且<70 gC·m-2,4級為單位面積NPP>=70 gC·m-2且<90 gC·m-2,5級為單位面積NPP>=90 gC·m-2。劃分結(jié)果見圖1、2、3,及表3。其中1級、2級為植被NPP低值區(qū)域;3級、4級為中值區(qū)域;5級為高值區(qū)域。
表3 研究區(qū)2000~2018年3月、7月、11月單位面積NPP各級別分布比例Tab.3 The distribution ratio of average NPP levels in the study area from March,July and November of 2000 to 2018 %
從圖1、2、3及表3中可以看出,各時期,3月植被NPP主要為中值區(qū)域分布,NPP值位于50~70 gC·m-2;7月植被NPP主要為高值區(qū)域分布,NPP值大于90 gC·m-2;11月主要為低值區(qū)域分布,NPP值位于30~50 gC·m-2,沒有高值區(qū)域分布。
從空間分布來看,不同時期3月份單位面積NPP低值區(qū)域主要集中在下流流域的北部區(qū)域,單位面積NPP中、高值區(qū)域主要集中在流域中部和南部,且對比2000年,2018年單位面積NPP高值區(qū)域所占比重降低,下降了14.38%;低值區(qū)域所占比重也較2000年,下降了9.59%,減少的高值區(qū)和低值區(qū)多數(shù)轉(zhuǎn)換為中值區(qū)域,空間變化主要體現(xiàn)在北部和西部區(qū)域。7月不同時期單位面積NPP主要以中高值區(qū)域為主,低值區(qū)域在流域中均有分布,呈分散狀態(tài)。2000年單位面積NPP中值區(qū)域面積很少,占區(qū)域面積的19.12%,高值區(qū)域所占面積最大,占到區(qū)域面積的42.33%,到了2018年可以明顯看出,單位面積NPP低值區(qū)域所占面積較2000年減少了一半左右,高值區(qū)域較2000年減少了約10%,中值區(qū)域較2000年增加了約27.95%,主要由低、高值區(qū)域轉(zhuǎn)化而來,空間變化主要體現(xiàn)在南部區(qū)域。11月,不同時期單位面積NPP低值區(qū)域主要分布在研究區(qū)的北部區(qū)域,中值區(qū)域主要分布在流域中下部,且NPP值主要集中在30~50 gC·m-2,相比2000年,2018年NPP值處于50~70 gC·m-2之間的面積比重下降了28.36%,下降的區(qū)域的NPP值轉(zhuǎn)化為了30~50 gC·m-2。
總體來說,不同時期不同月份區(qū)域的單位面積NPP、NPP總量都呈現(xiàn)出大致的趨勢:相對于2000年,2010年的NPP值呈現(xiàn)下降趨勢,2010年~2018年又向較好的趨勢發(fā)展。且下游流域北部的生態(tài)環(huán)境相對于中下部、南部較差。區(qū)域NPP數(shù)值的空間分布變化和區(qū)域的植被類型有較大關(guān)系,區(qū)域耕地面積的減少、建設(shè)用地、水域用地面積的增加會影響NPP的空間分布。
2.2.1 氣候因子對NPP的影響
氣候因素對NPP有著較大影響,降水、溫度、太陽總輻射都是CASA模型中的重要參數(shù)。水在植物的生長或者其它生理過程中起重要作用,降水量的多少會影響土壤水分,影響光合速率,進(jìn)而改變植被生產(chǎn)力;溫度對植物光合作用中酶的活性產(chǎn)生影響,適宜的溫度能夠促進(jìn)植物生長,但是溫度過高則會使蒸散加強(qiáng),土壤變干,光合速率降低;植物生長離不開光照,太陽輻射是植物生長的能量來源[23]。
將研究區(qū)涉及縣域2000年、2010年、2018年3月、7月、11月單位面積NPP值與氣象站測定的月均溫、月降水量、月太陽總輻射在SPSS軟件中進(jìn)行相關(guān)分析,3期3個時點(diǎn)的結(jié)果大體一致,本研究以2018年結(jié)果為例進(jìn)行分析(表4)。
表4 2018年研究區(qū)植被NPP與氣候因素的相關(guān)性Tab.4 The correlation between NPP and climatic factors in the study area of 2018
從表4可以看出,月降水量、月均溫與月單位面積NPP呈現(xiàn)極顯著正相關(guān)(P<0.01);月太陽總輻射與月單位面積NPP呈現(xiàn)不顯著負(fù)相關(guān)(P>0.5)??梢姡瑓^(qū)域NPP值的變化受氣溫和降水的影響較大,受太陽輻射的影響不明顯。
2.2.2 海拔高度對NPP的影響
地形因素是環(huán)境以及植被異質(zhì)性格局的重要影響因素之一,它一般通過不同的過程控制其水熱條件和土壤條件,影響其它環(huán)境變量進(jìn)而對區(qū)域植被格局產(chǎn)生重要影響[24,25]。由于區(qū)域海拔高差較大,達(dá)3 716 m,為了便于研究,將全區(qū)按照海拔高度不同,每隔200 m劃分一個等級,共分為18個等級。由于時點(diǎn)不同,且各時期3月、7月、11月不同海拔等級的NPP值變化趨勢大致相同,因此以2018年3月、7月、11月不同海拔等級NPP平均值的變化趨勢為例展開分析,統(tǒng)計結(jié)果見圖4。
圖4 2018年研究區(qū)海拔高度對NPP的影響Fig.4 The effect of altitude on NPP in the study area of 2018
從圖4中可以看出,NPP隨著海拔高度的不同變化比較明顯,總體變化趨勢隨著海拔的增高而降低,海拔在1 300 m以下,NPP平均值保持較高水平,變化相對平穩(wěn),海拔在1 300 m至2 100 m時,NPP平均值呈下降趨勢,且下降幅度較大,海拔在2 100 m至3 100 m時,NPP平均值呈下降趨勢,但下降幅度較平緩,海拔在3 100 m以上時,NPP平均值又快速下降,平均值降到了30 gC·m-2以下。變化趨勢和山地垂直地域分異規(guī)律吻合,隨著海拔高度的增加,降水和熱量減少,而降水和溫度是影響植被NPP變化的重要因素。
2.2.3 土地覆被類型對NPP的影響
將2000年、2010年、2018年瀾滄江下游流域各土地覆被類型3月、7月、11月單位面積NPP值與研究區(qū)氣象站測定的月均溫、月降水量、月太陽總輻射在SPSS軟件中進(jìn)行相關(guān)分析,顯著性和相關(guān)趨勢大致相同,只是具體的相關(guān)系數(shù)略有差異。研究表明:各時期除了水域用地以外,月降水量、月均溫與各土地覆被類型的單位面積NPP呈現(xiàn)極顯著正相關(guān)(P<0.01),相關(guān)性為林地>草地>耕地>建設(shè)用地>未利用地>水域,而與月太陽總輻射則相關(guān)性很小??梢娡恋馗脖活愋蛯PP的影響主要受區(qū)域水熱條件差異的影響,林地對區(qū)域NPP貢獻(xiàn)最大,其次為草地和耕地,未利用地、水域?qū)PP的貢獻(xiàn)最小。
2.2.4 其他人為因素的影響
除了氣候、海拔、土地覆被類型變化等因素,周邊城鎮(zhèn)擴(kuò)張、人口增加也是影響瀾滄江下流流域NPP時空變化的可能因素。農(nóng)業(yè)生產(chǎn)和經(jīng)濟(jì)水平的提高,使植被覆蓋及其生產(chǎn)力水平發(fā)生了很大變化[24]。近年,研究區(qū)建成區(qū)面積不斷擴(kuò)展、人口不斷增多,難免會對流域內(nèi)的自然環(huán)境造成影響。研究區(qū)在近18年間建設(shè)用地不斷增長,由2000年占區(qū)域面積的0.32%增長到2018年占區(qū)域面積的0.74%,面積增長了一倍多,增長率達(dá)127.09%。且相比2000年,有19.52%的耕地、16.95%的林地、13.91%的草地轉(zhuǎn)化為建設(shè)用地;相比2010年,有19.35%的耕地、6.53%的林地、5.49%的草地轉(zhuǎn)換為建設(shè)用地,由此可見,2018年建設(shè)用地的增加主要來源于耕地、林地和草地3種類型。
通過對3期3月、7月、11月的建設(shè)用地和相應(yīng)單位面積NPP結(jié)果進(jìn)行疊加,結(jié)果表明隨著建設(shè)用地的擴(kuò)張,相比2000年,2018年7月的單位面積NPP平均值有所下降,下降了2.17 gCom-2,3月和11月的單位面積NPP值略有上升,上升了1.42 gCom-2、2.19 gCom-2,上升和下降趨勢不明顯;從空間分布來看,建設(shè)用地的擴(kuò)張一定程度上造成被擴(kuò)張區(qū)域植被NPP由高中值區(qū)向中低值區(qū)轉(zhuǎn)移。另,建設(shè)用地的擴(kuò)張在一定程度上帶來人口的增長,以流域所在地的西雙版納州為例,2000年州人口數(shù)為85.4萬人,2018年增長到約118萬人,人口快速增長,人口的增長主要集中在城鎮(zhèn)、流域的周圍。過快的人口增長,勢必會對耕地提出更多要求,對環(huán)境有著更大壓力。
本文以瀾滄江下游流域為研究區(qū),使用遙感數(shù)據(jù)、地形數(shù)據(jù)、氣象數(shù)據(jù)、土地覆被數(shù)據(jù)等,基于CASA模型估算了瀾滄江下游流域2000年、2010年和2018年3月、7月、11月的植被NPP,并分析了其時空分布特征及其驅(qū)動因素,得到以下結(jié)論:
(1)從時間上看,瀾滄江下游流域植被NPP在3個時期的年內(nèi)變化趨勢一致,均為7月份>3月份>11月份,結(jié)果符合區(qū)域植被生長規(guī)律。各時期3月份、11月份單位面積NPP平均值、NPP總量大小的變化趨勢均為:2000年>2018年> 2010年,從2000年到2018年,數(shù)據(jù)呈現(xiàn)先降后升的趨勢;7月份單位面積NPP平均值、NPP總量大小的變化趨勢為:2018年>2010年> 2000年,從2000年到2018年,數(shù)據(jù)呈現(xiàn)逐漸上升的趨勢,但變化幅度不大;從空間上看,下游流域北部的植被NPP值較低,中下部尤其是南部,NPP值較高,且相比2000年,2018年的單位面積NPP高、低值區(qū)區(qū)域面積減小,多數(shù)轉(zhuǎn)化為中等級別區(qū)域,總體上植被NPP呈現(xiàn)下降趨勢,區(qū)域耕地面積的減少、建設(shè)用地、水域用地面積的增加會影響NPP的空間分布。
(2)通過研究區(qū)域不同土地覆被類型的NPP變化,得到:不論哪個時點(diǎn)的數(shù)據(jù),對區(qū)域植被NPP貢獻(xiàn)率最大的是林地,其次為草地和耕地,水域、未利用地對NPP值的貢獻(xiàn)率最小。且7月份各土地利用類型的NPP值比3月、11月高,符合區(qū)域植被生長規(guī)律。
(3)對植被NPP與氣候因素、海拔高度、土地覆被、其他人為因素進(jìn)行分析,得出:①氣候因素對NPP有著較大影響,尤其是降水和氣溫,與植被NPP呈顯著正相關(guān)關(guān)系,月太陽總輻射則呈現(xiàn)不顯著負(fù)相關(guān)關(guān)系;②土地覆被類型對NPP的影響主要受區(qū)域水熱條件(氣溫、降水)差異的影響;③植被NPP隨著海拔高度的不同變化比較明顯,總體變化趨勢隨著海拔的增高而降低;④近18年間,研究區(qū)建設(shè)用地面積增長了127.09%,總?cè)丝谠鲩L了約38.17%,隨著建設(shè)用地的擴(kuò)張、人口的增長,3月、7月、11月單位面積NPP平均值均有所下降,其中7月份數(shù)值下降明顯,3月、11月數(shù)值略有下降,但下降趨勢不明顯。
(1)由于數(shù)據(jù)的可獲得性及遙感影像云量的要求,考慮到數(shù)據(jù)的可對比性和結(jié)果的有效性,本研究選取2000年、2010年和2018年3月、7月、11月的影像數(shù)據(jù)進(jìn)行分析,雖然所選月份具有代表性,但若能收集齊12個月的數(shù)據(jù)進(jìn)行分析,結(jié)果會更完善。
(2)一般情況下NPP估算值的驗證有兩種方法:可以與前人研究的結(jié)果進(jìn)行對比,或是直接與實測值對比。由于沒有實測數(shù)據(jù)、未收集到MOD17A3H的數(shù)據(jù),且無瀾滄江下游區(qū)域植被NPP的研究報道,因此本研究參照周邊區(qū)域杜虹蓉[26]、陳磊[27]的研究結(jié)果,可以看出計算結(jié)果和前人的研究成果存在細(xì)微差異,但由于估算區(qū)域不同,差異在合理范圍內(nèi),說明模型可用。今后若能收集到實測數(shù)據(jù),能更精確的進(jìn)行結(jié)果分析。
(3)在探討瀾滄江下游流域植被NPP時空變化驅(qū)動因子時,主要考慮了氣候因素、土地覆被類型、海拔、建設(shè)用地擴(kuò)張因素的影響。植被NPP的影響因素眾多,今后可以收集更多數(shù)據(jù),進(jìn)一步對區(qū)域植被NPP的驅(qū)動因素進(jìn)行研究。