昆明市城市化及城市熱島效應(yīng)對植被凈初級生產(chǎn)力的影響

師 靜，魯雪媛，陳 旭

（1.貴州省林業(yè)調(diào)查規(guī)劃院, 貴州 貴陽 550001；2.中國科學(xué)院、水利部成都山地災(zāi)害與環(huán)境研究所,四川 成都 610041；3.云南師范大學(xué)地理學(xué)部, 云南 昆明 650500）

在過去幾十年，全球范圍內(nèi)大部分城市都經(jīng)歷了快速城市化。作為最極端的土地利用/土地覆被變化(land use and land cover change, LULC)之一[1-3]，城市化已成為全球變化的重要組成部分[4]。已有研究表明，城市化不僅直接影響了區(qū)域乃至全球陸地生態(tài)系統(tǒng)的碳循環(huán)[5-8]，而且其導(dǎo)致的城市熱島效應(yīng)也可能間接促進城市植被的生長。植被凈初級生產(chǎn)力(net primary productivity, NPP)是植被在光合作用過程中每單位面積、每單位時間內(nèi)所累積的干燥有機物的量[9-11]，反映了陸地生態(tài)系統(tǒng)結(jié)構(gòu)和功能的變化[12-13]。作為碳循環(huán)的重要組成部分，NPP 既可以作為驅(qū)動陸地生態(tài)系統(tǒng)碳循環(huán)的基本生態(tài)變量，也可以用于表征碳源、碳匯的主要結(jié)果[14]。因此，城市化對區(qū)域生態(tài)系統(tǒng)NPP 的影響可以用于描述地球系統(tǒng)科學(xué)和全球變化的研究問題[15]。

城市化強烈影響NPP 的變化，并成為影響碳循環(huán)的最關(guān)鍵干擾因素之一[16]。一方面，城市化帶來的城市擴張會導(dǎo)致自然植被與農(nóng)田的減少，從而降低了城市植被NPP[17]；另一方面，城市化過程中的人為管理(如人工灌溉、引入高產(chǎn)植物、增加綠化面積)可以促進城市植被的生長，增加城市植被NPP[18]。另外，也有研究表明城市化造成的局部氣候變化(如熱島效應(yīng))會延長植被生長周期，從而促進城市植被的生長[19]。因此，本研究將城市化過程中由于城市擴張對NPP 帶來的負面削減作用稱之為城市化對NPP 的直接影響，將人為管理或局部氣候變化等因素對城市植被NPP 的促進作用稱之為城市化對NPP 的間接影響。為了對城市生態(tài)系統(tǒng)進行完整的生態(tài)評價，有必要將城市化對NPP 的直接、間接影響進行量化分析。

雖已有研究為分離城市化對NPP 的直接、間接影響提供了理論基礎(chǔ)[20-21]，但城市化以及城市化帶來的局部氣候變化對NPP 不同影響的驅(qū)動機制尚未明晰。此外，城市地區(qū)有著土地覆蓋類型復(fù)雜，規(guī)模和發(fā)展?fàn)顩r高度不均勻的特點[22]，存在空間異質(zhì)性。傳統(tǒng)回歸分析模型中易忽略不同空間位置的作用從而導(dǎo)致分析的偏差[23]，但是空間分析模型[包括空間自相關(guān)、地理探測器和地理加權(quán)回歸(geographically weighted regression, GWR)模型]結(jié)合地理信息，允許估算參數(shù)適應(yīng)不同區(qū)域空間差異[24-26]，更有利于明晰在高空間異質(zhì)性的城市區(qū)域中城市化帶來的局部氣候變化對NPP 不同影響的驅(qū)動機制。

綜上所述，城市化強烈影響著陸地生態(tài)系統(tǒng)，在對植被NPP 帶來了負面削減作用的同時，城市化伴隨的人為管理及局部氣候變化也對NPP 帶來了一定程度上的間接促進作用。因此本研究致力于解決以下目標(biāo)：1)分離城市化對NPP 的直接、間接影響。2)分析NPP 以及城市化與城市熱島效應(yīng)的時空變化與空間相關(guān)性。3)明晰高空間異質(zhì)性城市區(qū)域內(nèi)城市化與城市熱島效應(yīng)對NPP 的驅(qū)動機制。以期可以深刻地理解城市化對陸地生態(tài)系統(tǒng)及全球變化的響應(yīng)和反饋。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

研 究 區(qū) 為 昆 明 市 主 城 區(qū)(102.36°～103.05° E，24.72°～25.30° N)，包含昆明市的五華區(qū)、盤龍區(qū)、官渡區(qū)、西山區(qū)、呈貢區(qū)5 個行政區(qū)的主要城市區(qū)域 (圖1)。昆明市主城區(qū)總面積為2 602.46 km2，平均海拔約為1 900 m，三面環(huán)山，位于云南滇池盆地北部。雖然昆明屬北緯亞熱帶，但位于云貴高原，海拔較高，故具有典型的溫帶氣候特點，其氣候呈夏季潮濕，冬季干燥，大部分降水發(fā)生在生長季(4 月-10 月)[18]。其次，昆明是西部地區(qū)重要的中心城市，亦是滇中城市群的核心圈。就城市發(fā)展進程而言，昆明市五華區(qū)和盤龍區(qū)是開發(fā)最早的主城區(qū)，不透水程度相對較高。西山區(qū)和官渡區(qū)城市化程度相比于五華區(qū)、盤龍區(qū)略低。2010 年后昆明城市發(fā)展呈現(xiàn)南延、北拓、一城三區(qū)(主城區(qū)、空港開發(fā)區(qū)、呈貢區(qū))的發(fā)展格局。與此同時，由于昆明的城市化和工業(yè)化進程使得城市區(qū)域環(huán)境發(fā)生改變，城市內(nèi)熱島效應(yīng)日益顯著[27]。

圖1 研究區(qū)概況Figure 1 Study area profile

1.2 數(shù)據(jù)與預(yù)處理

本研究主要數(shù)據(jù)來源如表1 所列，數(shù)據(jù)處理分析主要通過ArcGIS 10.2 與ENVI 5.2 軟件處理完成。所使用的遙感數(shù)據(jù)主要包括Landsat 與MODIS 衛(wèi)星數(shù)據(jù)。其中Landsat 衛(wèi)星數(shù)據(jù)包括Landsat 5 TM(Thematic Mapper)影像和Landsat 8 OLI (Operational Land Imager)影像，時間分辨率為16 d，空間分辨率為30 m，由地理空間數(shù)據(jù)云(http://gscloud.cn/)免費下載，具體Landsat 遙感影像信息如表2 所列。MODIS衛(wèi)星數(shù)據(jù)包括條帶號為h27v06 的MOD17A3 的500 m分辨率的NPP 產(chǎn)品，以及MCD12Q1 的500 m 空間分辨率的種植功能分類土地利用數(shù)據(jù)，由美國地質(zhì)勘探局官網(wǎng)(USGS)免費下載(http://glovis.usgs.gov/)。并對Landsat 與MODIS 衛(wèi)星數(shù)據(jù)進行輻射定標(biāo)、重投影、裁剪等預(yù)處理。

表1 研究數(shù)據(jù)來源Table 1 The sources of research data

表2 Landsat 遙感影像信息Table 2 Landsat image information

此外，本研究所使用的氣象數(shù)據(jù)包括月平均降水、月平均溫度與月總太陽輻射。其中，月平均降水與月平均溫度全云南省共20 個站點數(shù)據(jù)由國家氣象科學(xué)數(shù)據(jù)中心下載(http://data.cma.cn/)，并采用克里金插值法(Kriging)插值至30 m 分辨率柵格數(shù)據(jù)[28]。太陽輻射全省共5 個站點數(shù)據(jù)由國家青藏高原科學(xué)數(shù)據(jù)中心下載(http://data.tpdc.ac.cn/)，因站點較為稀疏，采取用反距離加權(quán)(inverse distance weight，IDW)插值法得到的結(jié)果精度會更高[29-30]。

1.3 研究方法

本研究基于Landsat 遙感數(shù)據(jù)，采用線性光譜混合 分 析 模 型(linear spectral mixing model, LSMM)計算昆明市城市每個像元不透水面百分比[31]，并采用(大氣校正法radiative transfer equation, RTE)反演地表溫度[32]，以獲取昆明市城市化強度與地表溫度數(shù)據(jù)。在以往城市熱島效應(yīng)研究中，有44%的相關(guān)研究用地表溫度代表城市熱島效應(yīng)，因此地表溫度已被廣泛應(yīng)用于城市熱島效應(yīng)的研究[33-34]。

同時，本研究使用朱文泉[35]開發(fā)的CASA 模型ENVI 插件進行植被NPP 的估算。CASA 模型是一種區(qū)域NPP 的估算模型，具有輸入?yún)?shù)少、便于計算處理等特點，能夠反映NPP 的空間分布特點[36]，且CASA 模型可輸入高空間分辨率遙感數(shù)據(jù)，能夠滿足對小尺度城市區(qū)域NPP 監(jiān)測的需求，所以本研究選擇CASA 模型反演昆明市植被NPP。該插件使用過程中需要輸入植被類型圖、NDVI、氣溫、降水和太陽輻射等柵格文件，同時還需輸入靜態(tài)參數(shù)。具體處理流程：首先利用Landsat 5/8 TM/OLI 數(shù)據(jù)計算獲得30 m 分辨率的NDVI；其次借助ArcGIS 10.2、ENVI 5.2 等軟件，利用克里金插值法生成月平均溫度、月總降水量和月總太陽輻射等氣象柵格數(shù)據(jù)；最后將所有柵格數(shù)據(jù)處理至與NDVI 圖像相同分辨率及大小。將所有處理好的圖像輸入CASA 插件，便可得到2001、2005、2009、2013、2017 年昆明市城市植被NPP 空間分布圖。

1.3.1 分離城市化對NPP 的直接、間接影響

基礎(chǔ)假設(shè)：假設(shè)城市化發(fā)生前像元為理想全植被覆蓋，且該像元的NPPfv不隨時間的改變而改變。實際應(yīng)用中，NPPfv由研究區(qū)中全森林覆蓋像元的均值決定。

計算過程：依據(jù)光譜混合分析(spectral mixture analysis, SMA)模型，將城市像元的城市化強度β 用光譜混合分析模型中城市像元的不透水面比例表示，而該城市像元的NPPh則由此像元中非城市表面(土壤和植被)的比例(1 - β)和全植被覆蓋像元的NPPfv共同表示[18]，即：

則理想狀態(tài)下城市化后t 時刻像元x 的NPP 可以表示為：

式中：NPPh(x,t)是像素x 在t 時刻的NPP 值，是僅考慮土地覆被變化的直接影響時城市化后的假設(shè)NPP 值。β(x,t)為 城市化強度，NPPfv(x,t)是像素x 植被完全覆蓋時的NPP 值。

根據(jù)式(2)，t0時刻假設(shè)NPP 值為：

在t1時刻為：

則從t0時刻到t1時刻因為城市化所導(dǎo)致的NPP 變化為式(4) - 式(3)，即：

另外，由于理想全植被覆蓋像元NPPfv不隨時間改變，則有：

則式(5)變?yōu)椋?/p>

NPPdir(x,t1)即為t0到t1時刻像素x 處城市化(LUCC 變化)導(dǎo)致的直接NPP 變化，NPPdir(x,t1)與t1時刻CASA 模型估算NPP 之差則為城市化對NPP的間接影響，即：

式中：NPPind(x,t1)為t1時刻像素x 的間接影響NPP。NPP(x,t1)為t1時刻像素x 城市化后的CASA 模型估計的NPP 值，將式(3)帶入式(8)得到間接NPP：

由式(7)和式(9)就可計算得出t1時刻相對于t0時刻城市化對NPP 的直接影響和間接影響。

以上實現(xiàn)流程通過ENVI 5.2 軟件Band Math 波段運算工具處理完成，以2001 年為起始年份，處理獲得2005、2009、2013、2017 年的直接和間接影響NPP。

1.3.2 空 間統(tǒng)計方法

空間相關(guān)性與空間異質(zhì)性是空間統(tǒng)計學(xué)里面最重要的兩個特性，根據(jù)地理學(xué)第一定律(Tobler’s First Law)“任何事物都是與其他事物相關(guān)的，相近的事物關(guān)聯(lián)更緊密”[37]。即空間相關(guān)性分析，這是對某一地理變量空間分布中相鄰位置間的相關(guān)性進行檢驗的一種統(tǒng)計方法，可以揭示本研究NPP 以及NPP 驅(qū)動因素的空間聚集等空間分布特征，可以更直觀地得到數(shù)據(jù)的空間相關(guān)性。空間異質(zhì)性源于Michael Goodchild 提出的地理學(xué)第二定律(Goodhild’s Second Law of Geography)，即空間異質(zhì)性定律(Law of Spatial Heterogeneity)“空間的隔離，造成了地物之間的差異，即異質(zhì)性”[38]，空間異質(zhì)性分為空間局域異質(zhì)性(spatial local heterogeneity)和空間分層異質(zhì)性(spatial stratified heterogeneity)。本研究在進行城市 不 透 水 面 豐 度(impervious surface abundance, IS)、地表溫度(land surface temperature, LST)、植被凈初級生產(chǎn)力(NPP)的時空變化分析后，首先利用Geoda軟件計算得到全局莫蘭指數(shù)和局部LISA 圖，以分析不同地物以及環(huán)境差異所引起的NPP 及其驅(qū)動因素數(shù)據(jù)隨地理位置改變的變化[39-40]；其次用王勁峰和徐成東[41]研發(fā)的地理探測器來揭示NPP 的主要驅(qū)動因子；最后采用地理加權(quán)回歸(geographically weighted regression, GWR) [42]揭 示 城 市 化 與 城 市 熱島效應(yīng)對NPP 的影響機制，為理解區(qū)域碳循環(huán)過程和規(guī)律提供新的分析路線。

2 結(jié)果與分析

2.1 NPP 的驗證

MODIS NPP 產(chǎn)品MOD17A3 是基于BIOME-BGC模型模擬的NPP 數(shù)據(jù)，該數(shù)據(jù)集在全球和區(qū)域研究中得到了廣泛驗證和應(yīng)用[43]。所以用MOD17A3數(shù)據(jù)來驗證CASA 模型反演的NPP。因MOD17A3城市區(qū)域無數(shù)據(jù)，所以去除城市區(qū)域后，將CASA模型估算的NPP 值提取為500 m 漁網(wǎng)數(shù)據(jù)，并隨機選取100 個點進行相關(guān)性分析。CASA 模型模擬的NPP 值與MOD17A3 NPP 值相關(guān)性分析結(jié)果顯示二者擬合度良好(R2= 0.780，P＜ 0.01)，說明基于CASA模型模擬得到的昆明市NPP 具有較高的模擬精度和可靠性。

2.2 NPP 時空分布

由于城市發(fā)展水平與人類活動因素的不同，NPP 時空分布也因地理位置不同而產(chǎn)生差異。圖2 A-E 是CASA 模型反演的2001、2005、2009、2013、2017 年的昆明市NPP 分布柵格圖，空間分辨率均為30 m。由圖可看出昆明市NPP 總體空間分布規(guī)律為：NPP 較高的區(qū)域主要集中在昆明市西部、北部、東部等植被覆蓋區(qū)，昆明市中部城市區(qū)域NPP值相對較低。從時間變化上來看，自2001 年至2017 年，NPP 總體呈現(xiàn)削減的趨勢。NPP 平均值自2001 年的68.749 g·m-2削減至2009 年的61.162 g·m-2，至2013、2017 年有緩慢回升，但昆明市內(nèi)NPP 平均值總體仍呈削減趨勢(圖2F)。從空間變化上來看，2001 年至2009 年，城市區(qū)域逐漸向空港經(jīng)濟區(qū)、呈貢區(qū)擴張，侵占了原本NPP 值較高的植被區(qū)域；2009 年至2017 年，城市發(fā)展趨于集約化發(fā)展，城市化造成的NPP 削減得到了緩解。值得注意的是，2013 年雖然低值NPP (紅色區(qū)域)區(qū)域較大，但是由于氣候等因素導(dǎo)致高值NPP (深綠色)區(qū)域的數(shù)值較大，因此NPP 均值也相對較高。

圖2 昆明市凈初級生產(chǎn)力分布圖Figure 2 Net primary product distribution map in Kunming

城市化對NPP 的直接影響主要由起始年份與當(dāng)前時間點的不透水面豐度差值乘以全植被覆蓋NPP (NPPfv)計算得到的，反映了由于城市化直接損失的NPP 值。城市化對NPP 的直接影響主要集中城市擴張區(qū)域，即官渡區(qū)的空港經(jīng)濟區(qū)和呈貢區(qū)等地區(qū)，這些區(qū)域NPP 損失都達30 g·m-2以上(圖3 A-D)。直接影響平均削減的NPP 值自2001 年至2005 年達到了35.201 g·m-2，至2009 年的削減值為-45.381 g·m-2，從2009 年 至2017 年 城 市 化 對NPP的削減作用有所緩解。城市化對NPP 的間接影響主要表現(xiàn)為城市中心的橙色區(qū)域，是城市化后城市中植被NPP 值增加的區(qū)域，主要分布在不透水面豐度較高的城區(qū)內(nèi)部(圖3E-H)。從間接影響NPP 時間變化來看，間接影響NPP 從2005 年的平均23.628 g·m-2迅速擴張至2009 年的29.231 g·m-2，后增長速率減緩，至2017 年，增長到30.904 g·m-2。從空間變化來看，2005 年至2009 年間接影響NPP 擴張區(qū)域明顯擴大，從2001 年昆明市老城區(qū)擴張至官渡區(qū)、呈貢區(qū)等區(qū)域，至2017 年逐漸向空港經(jīng)濟區(qū)進行擴張，后擴張至整個城市區(qū)域。間接影響增加的主要原因是城區(qū)內(nèi)的人為干預(yù)的城市綠化、局部氣候變化使得城市植被NPP 相對周邊植被較高。

圖3 昆明市城市化對凈初級生產(chǎn)力的直接影響(NPPdir)和間接影響(NPPind)分布圖Figure 3 Distribution map of the direct (NPPdir) and indirect (NPPind) effects of urbanization on net primary productivity (NPP) in Kunming City

2.3 城市化時空分布

昆明市不透水面豐度分布是衡量城市化的一個關(guān)鍵指標(biāo)。圖4 為昆明市2001、2005、2009、2013、2017 年的不透水面豐度分布圖，空間分辨率均為30 m，不透水面豐度范圍為(0, 1)。昆明市IS 總體分布空間特征為：昆明市西部、北部、東部地區(qū)主要以植被覆蓋為主，不透水面豐度小于0.4。在昆明市城市開發(fā)區(qū)不透水面豐度大多大于0.6。從不透水面豐度時間變化上來看(圖4F)，昆明市不透水面豐度平均值從2001 至2017 年平均增加了5.9%。從2001年至2017 年不透水面豐度空間變化來看(圖4A-E)，若將不透水面大于0.6 的區(qū)域看作城市區(qū)域，昆明城市區(qū)域由最初的老城區(qū)，逐漸擴張至昆明市的官渡空港經(jīng)濟區(qū)、呈貢區(qū)等城市新開發(fā)區(qū)。城市不透水面分布格局由小區(qū)域集中發(fā)展轉(zhuǎn)為大面積片狀發(fā)展。其次，可明顯觀察到2009、2013、2017 年城市范圍相對于2009 年前雖明顯擴大，但2009 年后城市擴張明顯放緩，2013 和2017 年的城市范圍相對于2009 年沒有明顯變化。相反的由于城市發(fā)展過程中更加合理的城市規(guī)劃與注重城市綠化，特別是2010 年后道路和河道周邊的植樹、住宅小區(qū)內(nèi)綠地的增加以及在閑置裸地上的綠地改造，使城市不透水面豐度出現(xiàn)降低趨勢。2013 和2017 年城區(qū)內(nèi)不透水面豐度值卻不及2001-2009 年高。而2017 年不透水面豐度值高于2013 年則可能和2015 年后大量的城中村拆遷或棚戶區(qū)改造有關(guān)。

圖4 昆明市不透水面豐度分布圖Figure 4 Distribution maps of the impervious surface abundance (IS) in Kunming

圖5 為2001 至2017 年昆明城市土地利用類型的轉(zhuǎn)換，其中大多數(shù)區(qū)域是常年植被覆蓋區(qū)，少部分區(qū)域涉及裸土、水體的轉(zhuǎn)換。粉色區(qū)域可以觀察到研究期內(nèi)有159.130 km2的區(qū)域保持為不透水面，大多集中于為2001 年的昆明市老城區(qū)(圖5)。由植被區(qū)域轉(zhuǎn)換為不透水面的城市總面積為273.951 km2，主要集中在呈貢區(qū)、官渡區(qū)的空港經(jīng)濟區(qū)部分，說明此區(qū)域發(fā)生了劇烈的城市化過程。同時，由于城市化過程中對植被的人為干預(yù)也帶來了城市綠化，即綠色區(qū)域代表的不透水面向植被轉(zhuǎn)換的用地面積占52.008 km2，主要分布在主城區(qū)城市邊緣及城市中央。城市化過程中可以通過城市綠化彌補由城市擴張削減植被造成的NPP 損失。

圖5 昆明市2001-2017 年不同土地覆蓋變化類型的空間分布(A)與土地利用轉(zhuǎn)換類型所占面積(B)Figure 5 The spatial distribution of different types of land cover change in Kunming from 2001 to 2017 (A) and the percentage of each type of land use conversion (B)

2.4 城市熱島效應(yīng)時空分布

隨著昆明市城市化的發(fā)展，城市熱島效應(yīng)也愈加明顯。2001、2005、2009、2013、2017 年的LST 反演結(jié)果表明，從總體空間分布格局來看，城市區(qū)域地表溫度高于周邊地區(qū)，最高地表溫度都可達到35 ℃以上，而研究區(qū)同月份平均氣溫都在20 ℃左右，說明昆明市存在較強的城市熱島效應(yīng)(圖6)。不同于理想中只有城市區(qū)域呈現(xiàn)出高強度城市熱島效應(yīng)，此時間段內(nèi)城市周邊未完全開發(fā)區(qū)也有熱島效應(yīng)，這可能是由于早期城市周邊為開發(fā)區(qū)裸土熱容量增高導(dǎo)致的。從時間變化來看，昆明市地表溫度均值除了2009 年較低外，自2001 至2017 年，地表溫度平均值由33.118 ℃升高至33.445 ℃。由于地表溫度與氣候背景有關(guān)，而本研究結(jié)果并未剔除氣候背景值，因此地表溫度時間上的變化也有可能是氣候背景變化所致。從空間變化來看，2001 年昆明市地表溫度除了城市周邊植被覆蓋區(qū)外地表溫度都較高。城市發(fā)展至2017 年，城市周邊熱環(huán)境變?nèi)酰邷貐^(qū)域逐漸集中至城市范圍之內(nèi)，呈現(xiàn)明顯的城市熱島效應(yīng)。昆明城市熱島效應(yīng)總體呈現(xiàn)圍繞中心城區(qū)向周邊的放射狀分布?？傮w上昆明市市區(qū)(五華區(qū)、盤龍區(qū)、官渡區(qū)、盤龍區(qū)、西山區(qū))熱島占比明顯高于周邊森林地區(qū)。

圖6 地表溫度分布圖Figure 6 Distribution maps of the land surface temperature (LST)

2.5 空間自相關(guān)分析

由NPP 柵格數(shù)據(jù)分析可得出昆明市植被NPP 平均值隨城市化整體呈下降趨勢，但NPP 以及直接、間接NPP 是否存在空間相關(guān)性，其相關(guān)程度如何需要進一步的全局空間自相關(guān)和局部空間自相關(guān)分析。

2001、2005、2009、2013、2017 年NPP、NPPdir和NPPind的全局莫蘭指數(shù)均大于0.45，且通過了顯著性檢驗(P＜ 0.001) (表3)。說明昆明市凈初級生產(chǎn)力(NPP)以及NPPdir和NPPind均呈顯著的空間正相關(guān)性，即昆明市NPP 并非呈隨機分布，而是存在正向的空間聚集。即NPP 的空間分布特征是NPP 值高的網(wǎng)格趨向于與NPP 值高的區(qū)域相鄰。同樣地，NPP 水平低的網(wǎng)格通常與NPP 水平低的區(qū)域相鄰。從時間變化來看，2001 年NPP 全局莫蘭指數(shù)最高，為0.512，隨城市化到2013 年下降至0.457，到2017 年回升至0.476，但總體呈下降趨勢。這說明早在2001 年城市地區(qū)開發(fā)范圍較小、城市空間集聚性較高，所以2001 年NPP 空間自相關(guān)性最高。NPP的空間自相關(guān)程度降低的原因可能是城市擴張區(qū)NPP 的削減，城市范圍增大，從而導(dǎo)致城市空間異質(zhì)性增強，NPP 空間自相關(guān)性有所降低。也可能是由于城市化進程中，城市綠化以及城市更加合理的規(guī)劃導(dǎo)致城市中NPP 較低的網(wǎng)格周圍也存在一些城市植被高NPP 網(wǎng)格，這也會在一定程度上降低NPP 的空間正相關(guān)性。同樣地，NPPdir與NPPind全局莫蘭指數(shù)也呈下降趨勢。

表3 全局莫蘭指數(shù)Table 3 The Globle Moran’s Index (GMI)

2.6 基于地理探測器的NPP 驅(qū)動因素分析

2001 年到2017 年昆明市不透水面豐度與地表溫度對NPP 時空分異性的因子分析結(jié)果顯示(表4)，每年不透水面豐度對NPP 的解釋力(q)值均大于地表溫度對NPP 的解釋力(q)值。這表明不透水面豐度代表的城市化是決定NPP 空間分異性的主導(dǎo)驅(qū)動力，而地表溫度也是決定NPP 空間分異性的重要驅(qū)動力。就驅(qū)動力演變而言，不透水面豐度對NPP 空間分異的解釋力呈現(xiàn)先下降后增強的趨勢，其中2001 至2009 年，不透水面豐度解釋力下降幅度最大，其q值由0.344 下降至0.238，但2009 年至2017 年，不透水面豐度q值至2017 年增長到最大值0.399。地表溫度對NPP 空間分異的解釋力總體呈上升趨勢，其中從2001 至2005 年，地表溫度q值由0.123 增長至0.193，至2013 年下降至0.130，至2017 年增長至最大值0.254。綜合來看，人類活動導(dǎo)致的城市化對NPP 的空間分異的解釋力越來越強烈，城市熱島效應(yīng)對NPP 空間分異的解釋力雖低于城市化帶來的影響，但隨著城市熱島效應(yīng)的在昆明市內(nèi)的逐漸增強，其對昆明市NPP 空間分異解釋力也越來越大。

表4 IS 與LST 對NPP 的交互探測結(jié)果Table 4 The interaction results for IS and LST with NPP

地理探測器的交互探測結(jié)果表明不透水面豐度與地表溫度兩種影響因子的共同交互作用會增強對昆明市NPP 分異的解釋力。交互探測結(jié)果所示，不同年份的交互探測結(jié)果均有差異，其中自2001至2009 年的不透水面豐度與地表溫度交互探測解釋力均大于二者解釋力之和，交互作用表現(xiàn)為非線性增強(表4)；2013 年和2017 年的不透水面豐度與地表溫度交互探測解釋力均大于單因子對NPP 的最大解釋力值，所以交互作用表現(xiàn)為雙因子增強。從交互作用時間變化來看，二者交互作用從2001 年至2005 年有所增加，2009 年交互作用最低，其q值為0.408，2017 年交互作用達到最大值(q= 0.521)。

2.7 基于地理加權(quán)回歸的NPP 驅(qū)動機制分析

2.7.1 城市化對直接NPP 的地理加權(quán)回歸分析

直接影響NPP 在昆明市內(nèi)的空間分布存在較強的空間異質(zhì)性，但哪些區(qū)域直接NPP 與城市化強度相關(guān)性更強還需地理加權(quán)回歸(GWR)進行分析。由不透水面表征的城市化強度對直接NPP 的地理加權(quán)回歸系數(shù)分布結(jié)果表明，從整體分布規(guī)律上看，不透水面對直接NPP 的GWR 回歸系數(shù)正負因地理位置分布而異，城市周邊常年植被分布區(qū)大多呈現(xiàn)正值，城市自2001 年來的擴張區(qū)域大多呈負值，這說明城市化帶來的不透水面豐度值升高對直接NPP 有著強烈的負面影響(圖7)。從其時間變化來看，從2001 至2017 年，二者呈負相關(guān)系數(shù)的區(qū)域占比越來越大，且其負相關(guān)系數(shù)的最大絕對值也從2005 年的-364.735 增長到了-414.469，說明城市化對直接NPP 的負面影響隨時間變化愈加強烈。從空間變化來看，只聚焦于昆明市城區(qū)區(qū)域，隨城市化發(fā)展，負相關(guān)區(qū)域范圍擴大且逐漸呈聚集式分布，到2017 年時，負相關(guān)區(qū)域面積達到最大，主要分布在自2001 年來擴張的官渡區(qū)的空港經(jīng)濟區(qū)與呈貢區(qū)等城市區(qū)域?？傊?，城市擴張是城市化對NPP 直接影響的主要因素，城市化對NPP 的直接影響是因為城市擴張時周邊植被替代帶來的NPP損失。

圖7 昆明市不透水面豐度對直接NPP 地理加權(quán)回歸系數(shù)分布Figure 7 Distribution maps of GWR coefficients of IS to NPPdirin Kunming

2.7.2 城市熱島效應(yīng)對間接NPP 的地理加權(quán)回歸分析

為了探索地表溫度在昆明的空間變化及其對間接NPP 的驅(qū)動作用，進一步應(yīng)用地理加權(quán)回歸(GWR)方法探索了昆明LST 對NPPind的空間異質(zhì)性影響。2005、2009、2013、2017 年的地表溫度對NPP 間接影響GWR 標(biāo)準(zhǔn)化殘差90%分布在-2.5～2.5，說明GWR 估算系數(shù)具有可靠性。昆明市地表溫度對間接NPP 地理加權(quán)回歸系數(shù)分布表明，研究期內(nèi)LST 對NPPind的回歸系數(shù)因地理位置分布有正有負(圖8)。負的回歸系數(shù)大多集中于昆明城市區(qū)域的周邊，且每年負相關(guān)系數(shù)都在-20 左右。而正值(橙色與紅色區(qū)域)都在城市中心分布，最高值可達10.442，說明由城市熱島效應(yīng)引起的高溫對城市中心植被有著一定的促進作用。從時間變化來看，2005 年至2009 年LST 對NPPind的GWR 正相關(guān)系數(shù)在增加，最大正相關(guān)系數(shù)也從2.958 增長至8.065。到2017 年，最大相關(guān)系數(shù)也增加到了10.442。從空間變化來看，GWR 正回歸系數(shù)區(qū)域在2001 年散布在主城區(qū)4 個區(qū)域，大致為分布在中部五華區(qū)、東北部盤龍區(qū)以及當(dāng)時新開發(fā)西山區(qū)，說明此區(qū)域城市熱島效應(yīng)促進了城區(qū)的植被生長。隨時間變化，主城區(qū)逐漸向官渡區(qū)、東北部空港經(jīng)濟區(qū)以及東南部呈貢區(qū)擴張，相應(yīng)地，城市熱島效應(yīng)對間接NPP 的正相關(guān)影響區(qū)域也逐漸向這些新擴張城區(qū)偏移。昆明市地表溫度對間接NPP 的正相關(guān)系數(shù)(橙色與紅色區(qū)域)區(qū)域在不斷變化(圖8)。因城市熱島效應(yīng)對間接NPP 的影響區(qū)域主要在昆明主城區(qū)內(nèi)，所以將昆明西山區(qū)、五華區(qū)、盤龍區(qū)、官渡區(qū)與呈貢區(qū)等行政區(qū)內(nèi)GWR 正相關(guān)系數(shù)所占主城區(qū)的百分比和總面積統(tǒng)計(圖9)。2005 年至2009 年地表溫度對間接NPP 地理加權(quán)回歸正回歸系數(shù)占總體面積的比例從3%增加到17%，所占面積增加了164.75 km2，2017 年增加至最高值，正相關(guān)區(qū)域占19%，總面積達208.72 km2。進一步體現(xiàn)了城市化擴張過程中熱島效應(yīng)導(dǎo)致植被NPP 增加，且城市熱島效應(yīng)對城市植被的促進作用愈加明顯，影響范圍也在擴大。經(jīng)過計算，城市中NPPind從城市化前的平均29.220 g·m-2增長至2017 年城市化后的30.904 g·m-2，城市熱島效應(yīng)對NPP 間接影響平均增加了1.684 g·m-2的NPP。

圖8 昆明市地表溫度對間接NPP 地理加權(quán)回歸系數(shù)分布Figure 8 Distribution maps of GWR coefficients of LST to NPPindin Kunming

圖9 昆明市地表溫度對間接NPP 地理加權(quán)回歸正相關(guān)系數(shù)占主城區(qū)百分比及面積Figure 9 Percentage of positive GWR correlation coefficients and the effect of LST on NPPindin the urban area of Kunming

2.8 GWR 與OLS 模型對比

最小二乘法(ordinary least square, OLS)模型回歸結(jié)果表明，2005、2009、2013、2017 年的不透水面豐度(IS)與直接NPP、地表溫度(LST)與間接NPP(NPPind)均呈顯著負相關(guān)(P＜ 0.01) (表5)。值得注意的是，OLS 結(jié)果中LST 與NPPind負相關(guān)說明昆明市城市熱島效應(yīng)不利于間接影響NPP 的增長，而LST對NPPind的GWR 模型回歸系數(shù)分布(圖8)在中心城區(qū)則為明顯的正值分布。OLS 模型是全局回歸，忽略了由城市覆被復(fù)雜化帶來的空間異質(zhì)性。GWR模型則以空間權(quán)重矩陣為基礎(chǔ)，考慮了局部每個網(wǎng)格點周圍一定范圍內(nèi)的空間信息來獲取每個網(wǎng)格點的回歸系數(shù)，因此與OLS 相比具有更高的準(zhǔn)確性。另外，GWR 與OLS 模型擬合度參數(shù)對比的具體數(shù)值如表6 所列，其中GWR 模型調(diào)整后R2都遠高于OLS 模型且AIC 值都明顯低于OLS 模型，表明GWR 模型擬合效果更好。GWR 模型在估算IS 對NPPdir和LST 對NPPind的局部影響上有著更好的解釋力。

表5 最小二乘法回歸系數(shù)Table 5 The ordinary least square regression coefficients

表6 OLS 與GWR 模型擬合度對比Table 6 The comparison of model fits between OLS and GWR

3 討論

2001 年至2017 年，昆明城市區(qū)域逐漸向空港經(jīng)濟區(qū)、呈貢區(qū)方向擴張。已有研究表明，全球旱區(qū)1992-2016 年經(jīng)歷了快速的城市擴展過程。城市面積從1992 年的9.46 萬km2增加到2016 年的23.04萬km2，增長了13.58 萬km2，年均增長率為3.78%，是全球同期城市面積年均增長率的1.09 倍。城市面積占比從1992 年的0.16%增加到2016 年的0.38%，增加了0.22%[44]?？焖俚某鞘谢l(fā)展使得城市植被NPP 的空間分布產(chǎn)生了明顯差異。同時，城市熱島也隨城市化方向而擴張，導(dǎo)致昆明市城市化對NPP的直接、間接影響也在空間分布上呈明顯差異。但是，受限于有限的地面控制試驗、且缺乏對城市環(huán)境中氣候與人類活動等數(shù)據(jù)的有效整合，人們對于城市化如何間接影響植被生長的認識仍然不夠充分[45]。本研究表明，由覆被替代導(dǎo)致的城市化對NPP 的負面直接影響主要集中在自2001 年以來的城市新擴張區(qū)域，而城市化對NPP 的正面間接影響則主要集中在主城區(qū)及附近區(qū)域。此結(jié)果驗證了城市化不僅對NPP 有削減作用，也會對城市中的植被NPP 有一定的促進作用。Zhang 等[45]整合了城市內(nèi)部氣候和人類活動相關(guān)近20 年的遙感數(shù)據(jù)，針對全球672 個大型城市，定量研究了城市化對植被生長所造成的直接和間接影響。研究結(jié)果表明，在全球城市化背景下，城市植被量雖然受人類城市化開發(fā)的直接影響而不斷減少，但城市內(nèi)部植被生長(遙感觀測的植被“綠度”)卻在增強，即城市環(huán)境對植被生長存在著廣泛的正向間接效應(yīng)(全球尺度上的平均增強幅度約26%)，且該正向效應(yīng)在時間上具有上升趨勢。這種間接的植被生長增強可在一定程度上抵消城市地區(qū)由于土地利用轉(zhuǎn)變而導(dǎo)致的植被直接損失。同時，Zhang 等[45]研究還發(fā)現(xiàn)，城市化對植被生長的影響作用還因城市發(fā)展階段而不同，其中發(fā)展中國家城市植被管理主要集中在高度城市化的核心區(qū)。這也與本研究中城市化對NPP 的正面間接影響主要集中在主城區(qū)及附近區(qū)域的研究結(jié)果高度一致。