青海省植被NEP時空變化及驅(qū)動因素分析

冶曉娟， 王永輝， 潘紅忠， 白 鈺， 董得福， 姚華明,3

（1.長江大學(xué)油氣地球化學(xué)與環(huán)境湖北省重點實驗室，湖北 武漢 430000；2.黃河上游水電有限責(zé)任開發(fā)公司，青海 西寧 810000；3.中國長江電力股份有限公司，湖北 宜昌 443000）

陸地生態(tài)系統(tǒng)是全球氣候變化研究的核心內(nèi)容之一，在全球碳平衡中發(fā)揮著重要作用［1］。定量估算陸地碳匯時空變化是預(yù)測氣候變化和執(zhí)行溫室氣體控制協(xié)議的基礎(chǔ)。通過比較區(qū)域間的碳平衡才能深刻理解區(qū)域間循環(huán)過程。通過人工生態(tài)工程的實施來提高植物固碳量，是區(qū)域內(nèi)增匯的主要手段。凈生態(tài)系統(tǒng)生產(chǎn)力（NEP）是單位時間單位面積上植物的碳收支狀況，可作為定性和定量化分析陸地植被碳循環(huán)的關(guān)鍵參量［2］，是近幾年的研究熱點，如基于氣候變量的統(tǒng)計模型，基于光能利用率相關(guān)的參數(shù)模型和生態(tài)系統(tǒng)機制的過程模型等，尤其是3S 技術(shù)推動遙感反演獲取相關(guān)地表參數(shù)和植被信息發(fā)展，使得3S技術(shù)支撐下快速發(fā)展的生態(tài)系統(tǒng)機制模型成為了當(dāng)前研究的主流之一［3］。

青海省位于“第三極”東北部，被譽為“三江之源，中華水塔”，是對全球氣候變化響應(yīng)最敏感的地區(qū)之一，故青海省植被固碳能力變化對青藏高原乃至全球控制溫室氣體排放和碳循環(huán)均有巨大影響［4］。在青海省城市化和工業(yè)化進程中，人口分布、地表覆蓋也隨之發(fā)生改變，這必將在一定程度上影響陸地上的植被碳循環(huán)［5-6］。雖然，已確定陸地生態(tài)系統(tǒng)將在未來持續(xù)長時間發(fā)揮碳匯的作用，但植被NEP 驅(qū)動機制和植被固碳量變化仍存在較大爭議，如何在復(fù)雜的變化環(huán)境中闡明氣候敏感區(qū)植被NEP近幾十年的變化特征以及驅(qū)動機制有待探究［7-8］。劉鳳等［9］和周夏飛等［10］對青海高原植被、青藏高原草地的NEP進行氣候驅(qū)動力分析，指出氣候變化對該區(qū)域NEP的演變產(chǎn)生影響；張新中等［11］通過分析石羊河流域的NEP與NDVI、降水、氣溫和太陽輻射的關(guān)系，指出流域內(nèi)NEP 變化主要受降水和氣溫影響，受太陽輻射的影響不顯著；劉春雨［12］研究了西南地區(qū)植被NEP 的時空演變，并結(jié)合人類強度指數(shù)，采用地理加權(quán)回歸法探析不同視角下的人為因素對植被NEP 影響。已有對植被NEP 的驅(qū)動因素研究主要是基于氣候因素，對人為因素的驅(qū)動研究還限于單因子的影響。為探析雙因素交互作用對植被NEP的影響，本文將地理探測器用于NEP驅(qū)動因素的定量分析，該方法既可進行單因子影響分析，亦可探測多種人為因子和氣候因子交互作用對NEP的影響［13-15］。

近年來為應(yīng)對西北地區(qū)“氣候轉(zhuǎn)型”［16］和人為活動的影響，研究環(huán)境變化下的植被固碳能力成為實現(xiàn)“碳中和”的迫切需求［17］。本文利用經(jīng)驗公式和MODIS數(shù)據(jù)估算青海省NEP，并探析青海省NEP時空演化規(guī)律及驅(qū)動因子，以期科學(xué)評估青海省植被碳儲量變化和對青海省植被增匯政策提供理論參考。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況

青海省位于89°35′～103°04′E，31°9′～39°19′N之間，屬高原溫帶半干旱地區(qū)，多風(fēng)，日照時間長，降雨少，年降水量在50～550 mm，年均溫在-5.1～9.0 ℃；地勢總體西北向東南逐漸傾斜；區(qū)域降水稀少，主要集中于春、夏季，徑流主要來源于冰雪融水和西南暖濕氣流。

青海省林地資源主要分布于江河源區(qū)附近，全省林地面積2.65×106km2［18］，天然草地面積4.2×105km2。草地類型主要為高寒草甸和草原（圖1），主要分布在祁連山東北部和柴達木盆地東部地區(qū)。由于特殊的氣候、高海拔和風(fēng)化侵蝕地貌，導(dǎo)致青海省植被易受人類和氣候變化影響［6］。

圖1 研究區(qū)植被概況Fig.1 Vegetation map of study area

1.2 數(shù)據(jù)來源與處理

凈初級生產(chǎn)力(NPP)數(shù)據(jù)來源于MODIS(https://ladsweb.modaps.eosdis.nasa.gov/)所提供的MOD17A3-HGF產(chǎn)品，時間分辨率為年，空間分辨率500 m，時間跨度2000—2020 年。歸一化植被指數(shù)（NDVI）數(shù)據(jù)來源于MOD13Q1 產(chǎn)品，時間分辨率16 d，空間分辨率250 m，時間跨度2001—2020年，采用最大值合成月數(shù)據(jù)。土地利用數(shù)據(jù)來源于MCD12Q1 產(chǎn)品，時間分辨率為年，空間分辨率500 m，時間跨度2001—2019 年。以上數(shù)據(jù)均利用MRT 及ArcGIS 進行數(shù)據(jù)拼接，并投影裁剪研究區(qū)范圍。

青海省氣象數(shù)據(jù)來自2000—2020 年國家氣象科學(xué)數(shù)據(jù)中心(http://data.cma.cn/)月值數(shù)據(jù)集,空間分辨率為0.5°×0.5°，對該數(shù)據(jù)用ArcGIS進行數(shù)據(jù)還原并采用樣條函數(shù)法插值。

人均GDP 和人口密度數(shù)據(jù)均來自中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(https://www.resdc.cn)，分辨率為1 km。以上所有數(shù)據(jù)均采用Albers 等面積圓錐投影進行統(tǒng)一分析。

用地理探測器探測空間分異性時，選取40 km的空間網(wǎng)格來分析變化環(huán)境對植被凈生態(tài)系統(tǒng)生產(chǎn)力（NEP）的影響，降水、氣溫采用自然間斷法劃分為6類；人均GDP、人口密度采用分位數(shù)劃分為6類［19］。

2 模型與方法

2.1 NEP的估算

NEP 常被用來描述區(qū)域碳平衡動態(tài)變化，可指示單位時間單位面積上植物的碳收支狀況，不僅可作為衡量植被活動的關(guān)鍵因子，還能用來表征植被的健康程度和固碳能力［20］。在不考慮其他自然及人為因素影響下，可用NEP值表征陸地和大氣生態(tài)系統(tǒng)的碳交換率。NEP＞0，說明植被固碳量多于土壤呼吸（RH）排放的碳量，表現(xiàn)為植被碳匯［21］。計算公式如下：

本文土壤呼吸RH采用裴志永等［22］建立的經(jīng)驗公式，由氣溫和降水間接估算。經(jīng)已有研究實地采樣驗證，該公式可用于監(jiān)測青海地區(qū)、西北地區(qū)土壤呼吸。計算公式如下［12,23］：

式中：T指年均溫(℃)；P指年降水量(mm)；RH為年土壤呼吸（g C·m-2）。

2.2 驅(qū)動因素分析

2.2.1 趨勢分析 采用Mann-Kendall 法［24］及Theil-Sen法分析2000—2020年植被NEP的年際變化規(guī)律與動態(tài)變化［25］，計算公式如下：

式中：xk，xi為連續(xù)的NEP數(shù)據(jù)序列；n為年份。標(biāo)準(zhǔn)化檢驗統(tǒng)計量ZC，其中ZC＞0 時表示上升趨勢，反之，則表示下降趨勢。由于Mann-Kendall 法強調(diào)單調(diào)趨勢，結(jié)果不一定是線性，為體現(xiàn)變化幅度引入Theil-Sen斜率法表征變化幅度Q的大?。?6］：

式中：1＜i＜k＜n。當(dāng)Q＞0時，反映上升趨勢；反之，則反映下降趨勢。

2.2.2 相關(guān)性分析

（1）偏相關(guān)系數(shù)。運用偏相關(guān)分析可定量刻畫植被NEP 對其他影響要素的響應(yīng)。偏相關(guān)系數(shù)計算公式如下：

假設(shè)有i、j、k3 個變量，Pij,k是自變量k與自變量i和j的偏相關(guān)系數(shù)；Pij，Pjk，Pik為兩因子間的相關(guān)系數(shù)［27］。

（2）地理探測器。地理探測器是一種探測空間分異性，并揭示其背后驅(qū)動力的統(tǒng)計學(xué)方法［28］。根據(jù)研究需要，本文應(yīng)用因子探測器，交互探測器等4種探測器探測NEP的驅(qū)動力及多因子交互作用［15］。因子X對屬性Y的空間分異解釋程度用q值度量，q值的計算公式如下：

式中：q為某因子對NEP 空間分異的解釋力，q的值域［0，1］，q值越大表征該因子的空間分異性愈明顯。在極端情況下，q=1 表明該因子完全控制了NEP的空間分布。h取值范圍為［1，L］，表征因子X的分區(qū)，σh2和σ2分別為第h層和全區(qū)NEP 的方差，Nh和N分別為層h和全區(qū)的單元數(shù)；SSW和SST分別為層內(nèi)方差之和和全區(qū)總方差。

交互探測器可用來評估不同因子間交互作用對NEP分異解釋力的強弱。評估方法是先分別計算2種影響因子X1和X2對NEP的解釋力q，再計算其交互作用時的q值，最后進行比較。判斷依據(jù)如表1。

表1 交互作用判斷依據(jù)Tab.1 Basis of interaction judgment

3 結(jié)果與分析

3.1 NEP精度評價

由于NEP的實測數(shù)據(jù)難以獲取，本文采用其他學(xué)者在青海省實測NEP結(jié)果、青藏高原數(shù)據(jù)中心三江源氣象站點實測NPP 結(jié)果和站點氣象數(shù)據(jù)模擬RH結(jié)果計算NEP［29-33］。將實測數(shù)據(jù)與估算結(jié)果進行相關(guān)性分析、顯著性檢驗，表明兩者的相關(guān)系數(shù)為0.864（圖2），實測與估算數(shù)據(jù)顯著相關(guān)（R2=0.7821，P＜0.01），顯示結(jié)果具有可靠性。

圖2 青海省NEP模擬結(jié)果驗證Fig.2 Verification of NEP simulation results in Qinghai Province

3.2 青海省NEP時空分布特征

3.2.1 青海省NEP空間分布特征 近20 a青海省年均NEP的空間分布差異顯著，呈現(xiàn)出東南高西北低的特征（圖3）。青海省年均植被NEP為134.05 g C·m-2·a-1，其中NEP＞0 區(qū)域高達4.89×105km2（占比74.15%），NEP＜0 區(qū)域可達890 km2。NEP 高值區(qū)（312～735.90 g C·m-2·a-1）面積總占比5.07%，主要位于祁連山附近、青海湖濕地附近、江河源區(qū)和黃河上游谷地等地。植被碳源區(qū)主要有格爾木市、治多縣和雜多縣等地。植被在空間分布上過渡明顯的原因，主要與當(dāng)?shù)氐慕邓疇顩r以及植被分布有關(guān)。NPP 多年均值分布與NEP 分布相似。RH呈西北向東南遞增之勢，具體分布為森林＞草原＞荒漠，空間差異較明顯。

圖3 青海省NEP、RH和NPP空間分布Fig.3 Spatial distribution of NEP,RH and NPP in Qinghai Province

3.2.2 青海省NEP的年際變化特征 近20 a青海省NEP 年際變化較明顯（圖4），2000—2020 年青海省生態(tài)系統(tǒng)的固碳能力呈波動增加趨勢。年均植被NEP 在114.55～155.49 g C·m-2·a-1，NEP 年均增幅為1.54 g C·m-2·a-1。植被NEP 的極大值、極小值分別出現(xiàn)在2018年、2001年。按照植被NEP近20 a的變化態(tài)勢，劃分3個時段討論其年際變化特征：2000—2008年間植被NEP波動增加，2006年出現(xiàn)第1個峰值144.93 g C·m-2·a-1；2008—2015年間，NEP圍繞多年均值上下波動；2015—2020 年間，植被NEP 值逐年上升，該階段也為增幅最大的時段。

圖4 青海省NEP的年際變化Fig.4 Interannual variation of NEP in Qinghai Province

3.2.3 青海省NEP的動態(tài)變化 為研究青海省NEP的空間動態(tài)變化規(guī)律，采用逐像元Theil-Sen斜率估計法，得出青海省21 a NEP 變化趨勢（圖5）。植被NEP 空間分布增長格局與其空間分布格局相似，從變化趨勢可知，青海省植被固碳能力整體上有增長趨勢，少部分呈負增長趨勢的區(qū)域主要分布在海西市和玉樹市內(nèi)，約占青海省面積的2.17%，主要為植被稀疏地區(qū)；增長幅度大的高值區(qū)（占比3.17%）主要位于青海湖濕地、貴南縣和共和縣附近等地，這些區(qū)域的降水較多，植被覆蓋豐富。將Theil-Sen 趨勢分析和M-K顯著性檢驗結(jié)果疊加，通過P＜0.05顯著性水平的區(qū)域面積為3.55×105km2，其中顯著增加區(qū)域占全省面積的52.95%，主要分布在柴達木盆地荒漠、祁連山森林與高寒草原、江河源區(qū)-甘南高寒草甸草原等生態(tài)區(qū)；顯著減少的區(qū)域僅占0.23%，零星分布于天峻縣、瑪多縣、曲麻萊縣、湟中區(qū)、治多縣等地。

圖5 青海省Mann-Kendall和Theil-Sen植被NEP的空間分布Fig.5 Spatial distribution of vegetation NEP of Mann-Kendall and Theil-Sen in Qinghai Province

3.3 青海省NEP驅(qū)動機制分析

3.3.1 NEP對氣候因子的響應(yīng) 氣候因子通過影響植被的生長態(tài)勢、凈初級生產(chǎn)力以及土壤呼吸，進而影響植被凈生態(tài)系統(tǒng)生產(chǎn)力的變化；尤其是氣溫、降水這2個主要氣象因素，在一定程度會影響植被NEP的變化。

由圖6 可知，近20 a 青海省植被NEP 的極大值出現(xiàn)在2010 年，降水量極大值出現(xiàn)在2009 年（463.54 mm），在2010年左右年均溫也有1個顯著的峰值。說明青海省在2010 年前后水熱組合相對較好，有利于提高生態(tài)系統(tǒng)固碳能力。NEP 的極小值出現(xiàn)在2001 年，該年降水量顯著偏低，氣溫雖相比2000年略有升高，但長歷時干旱易造成土壤呼吸增強和植被退化，從而導(dǎo)致固碳能力下降。對上述3個因素間的響應(yīng)程度進行分析，2000—2014年間植被NEP變化相對降水存在一定的滯后性，滯后期約為1 a；2014 年后兩者變化相對一致。近20 a，氣溫與植被NEP的變化保持一致。上述分析表明，青海省植被NEP對年均溫和年降水的響應(yīng)程度較高。

圖6 2000—2020年青海省NEP與年均溫、年降水量的年際變化Fig.6 Interannual variations of NEP,annual temperature and annual precipitation in Qinghai Province from 2000 to 2020

空間上分析青海省植被NEP與年均溫、年降水量的偏相關(guān)關(guān)系，并對其進行P＜0.05的顯著性檢驗（圖7、圖8）。區(qū)域內(nèi)植被NEP與降水的偏相關(guān)系數(shù)均值為0.134，與氣溫的偏相關(guān)系數(shù)均值為0.429，這表明氣溫、降水與NEP 均呈正相關(guān)，且降水的偏相關(guān)小于氣溫的偏相關(guān)。初步分析干旱和半干旱區(qū)氣溫對植被的分布及長勢影響更大。

2000—2020 年，青海省降水介于325～460.85 mm，年平均降水量為395.26 mm。降水與植被NEP的偏相關(guān)系數(shù)介于-0.24～0.42 之間（圖7a）。植被NEP與降水呈負相關(guān)的區(qū)域占全省面積的23.32%，主要分布在玉樹、囊謙、曲麻萊、甘德、久治、班瑪、雜多、河南縣等地。植被NEP與年降水量呈正相關(guān)的區(qū)域占青海省面積的65.75%，主要分布在海南市、海北市、海西、海東等地；其中與降水呈現(xiàn)顯著正相關(guān)（P＜0.05）的區(qū)域面積達7.81×104km2，約占全省面積的11.7%（圖8a）。

圖7 NEP與降水和年均溫偏相關(guān)關(guān)系Fig.7 Correlation of NEP with precipitation and annual mean temperature deviation

2000—2020 年，青海省年均溫-2.35～-0.70 ℃，年均溫均值-1.44 ℃。植被NEP與氣溫呈負相關(guān)的區(qū)域面積為1.142×104km2，僅占總面積的1.71%，零星分布于各市；植被NEP與年均溫呈正相關(guān)的區(qū)域占青海省面積的71.5%，這些區(qū)域位于山麓處、江河源區(qū)以及河流谷地，主要為森林、草原。其中，通過顯著性檢驗（P＜0.05）的植被NEP與氣溫正相關(guān)的區(qū)域面積達2.572×105km2，占全省面積的38.53%（圖8b）。

圖8 NEP與降水和年均溫偏相關(guān)顯著性分析Fig.8 Correlation analysis of NEP with precipitation and annual mean temperature deviation

3.3.2 NEP與NDVI的相關(guān)性 分析表明，青海省年均植被NEP 與NDVI 的空間分布具有高度相似性，在青海湖濕地、貴南縣和共和縣等地是植被NEP（312～735.90 g C·m-2·a-1）與NDVI（0.68～0.91）的高值分布區(qū)。在空間分布上（圖9），植被NEP與NDVI呈正相關(guān)的區(qū)域占全省面積的65.83%，其中通過顯著性檢驗（P＜0.05）的區(qū)域占比達31.43%，這些區(qū)域主要分布在海南、海東和海西東南部。NEP與NDVI呈負相關(guān)的區(qū)域占全省面積的7.37%，主要分布在曲麻萊、玉樹、雜多、久治、同仁和門源等地；通過P＜0.05 顯著性檢驗的區(qū)域僅占0.12%，這些區(qū)域零星分布于各地。

圖9 植被NEP與植被NDVI相關(guān)性系數(shù)分布Fig.9 Distribution of correlation coefficient between vegetation NEP and NDVI

3.3.3 NEP的人為驅(qū)動力 土地利用類型轉(zhuǎn)變能揭示人為因素對植被NEP的影響。參考《土地利用現(xiàn)狀分類》和原數(shù)據(jù)IGBP標(biāo)準(zhǔn)，將MCD12Q1重新劃分為6大類（耕地、林地、草地、水域、城鄉(xiāng)居民用地、未利用地）。為研究2000—2020年土地利用類型對青海省NEP 的影響，結(jié)合數(shù)據(jù)的時間跨度（2005 年、2010 年、2015 年、2020 年），以5 a 為1 個研究期，探究人為因素對植被NEP的影響。分析表明，2015—2020年的土地利用類型轉(zhuǎn)換最為明顯，轉(zhuǎn)換面積達研究區(qū)總面積的2.7%，該階段主要是未利用地和草地之間的類型轉(zhuǎn)換，主體為荒漠向草地轉(zhuǎn)換，其面積占本階段轉(zhuǎn)換總面積的49.48%，主要位于柴達木盆地荒漠區(qū)、昆侖山東段高寒荒漠草原、北羌塘高寒荒漠草原區(qū)，主要為荒漠與草原過渡區(qū)域。耕地面積在2005—2015年呈下降趨勢并轉(zhuǎn)換為草地，主要是政府在該時期內(nèi)采取了退耕還草等生態(tài)保護措施。2001—2020 年荒漠與草地間的轉(zhuǎn)換較為頻繁，2010—2015年荒漠化面積略大于綠洲化面積,該階段存在微弱的荒漠化趨勢，植被NEP呈下降趨勢（圖10）。

圖10 青海省土地利用轉(zhuǎn)移?；鶊DFig.10 Sangji map of land use transfer in Qinghai Province

3.3.4 因子影響力探測 為探究不同因子對青海省植被NEP 的影響，選取6 種典型因子并對其進行地理探測器分析，探測其空間分異的驅(qū)動力（其中2020年人均GDP數(shù)據(jù)缺失）。單因子對植被NEP的影響分析結(jié)果表明（圖11），在該研究期內(nèi)，NDVI是影響植被NEP 的主導(dǎo)因子，其q值均在0.7 以上，并且年際波動較小，說明植被覆蓋度對植被NEP貢獻較大。氣溫與降水的解釋力較強，均超過了0.3，降水在2015年的影響力超過氣溫，主要是由于年降水偏少，限制了植被生長，從而抑制了植被的固碳能力。土地利用和人均GDP 影響力相對穩(wěn)定且解釋力較低，人口密度解釋力較高，在2010 年的影響力高于氣溫；降水在2020年解釋力略高于土地利用。

圖11 代表年份植被NEP單因子影響力和交互作用q值Fig.11 Single factor influence and interaction q value of vegetation NEP in representative years

地理探測器交互作用結(jié)果表明（圖11）：區(qū)域內(nèi)兩因子交互作用的q值顯著大于單因子的q值，表明交互作用呈非線性增強，兩因子交互作用后對植被的NEP解釋力會顯著增強。對4個代表年份的主導(dǎo)交互因子進行排列，最大主導(dǎo)作用的交互因子是該年最強主導(dǎo)因子與其他因子的組合。2000—2020年最強主導(dǎo)交互因子均為NDVI 與人均GDP、氣溫與NDVI，解釋力均達到了0.8以上。雖然GDP的單因子影響力小，但當(dāng)人均GDP與NDVI交互作用時，在特定年份會超越其他因素。

4 討論

MOD17A3HGF 模型已被用于估算青海省NPP,通過作物產(chǎn)量驗證，證實估算結(jié)果可靠［18］。估算RH的檢驗?zāi)Ｐ驮谇嗪８咴颓嗖馗咴ㄟ^了實地驗證［9,18,22］。

本文估算青海省近20 a NEP 年均值為134.69 g C·m-2·a-1，與周夏飛等［10］（120.8 g C·m-2·a-1）、劉鳳等［9］（128.40 g C·m-2·a-1）的估算結(jié)果較為接近。雖然本文采用的NEP估算方法不同且更新了時間序列，但估算結(jié)果與前人的較為接近，說明估算方法可行。該方法存在的不確定性，主要源自土壤呼吸的不確定性。將RH定義為與氣象因子相關(guān)的函數(shù)，容易忽視呼吸底物的分解對異養(yǎng)呼吸的貢獻，容易造成高植被覆蓋度區(qū)域的碳匯高估，低植被覆蓋度區(qū)域?qū)μ紖R的低估，因此需慎重采用［34］。此外，RH究竟是否適用于青海省全省植被NEP 的估算需要大量的地表觀測實測值作參考，盡管以多年平均值做比較，但時間跨度的區(qū)別難免產(chǎn)生一定誤差［23］。本文NEP與氣溫的關(guān)系，與已有研究存在一定差異［9］，主要由于兩者對NPP 的估算方式及采用的氣象原數(shù)據(jù)插值方法存在差異所致，在中亞地區(qū)和石羊河流域的研究結(jié)論與本文相似［35-36］。

諸因子對植被NEP的影響分析表明，影響較大的是以氣溫、降水為代表的氣候因子和以土地利用為代表的人為因子。分析結(jié)果顯示，氣溫對NEP的影響程度要大于降水，原因是適度的升溫對NPP的促進作用要大于RH的促進作用［17］，而且當(dāng)海拔超過2000 m 時，水分對于植物NPP 的限制作用越來越弱［24］。與氣溫呈偏負相關(guān)的主要是荒漠區(qū)域（如柴達木盆地荒漠區(qū)），該區(qū)域地表缺水、蒸發(fā)旺盛，氣溫降低會導(dǎo)致區(qū)域內(nèi)蒸發(fā)減弱，有利于缺水狀況緩解并促進植被NEP的積累，進而提升該地區(qū)的植被固碳能力。受三江源頭太陽輻射強烈、冰川資源豐富、海拔高等因素影響，在青海南部NEP 與降水呈負相關(guān)、與氣溫呈正相關(guān)。NDVI 與植被NEP 在空間分布上具有極大相似性，植被覆蓋率高的區(qū)域光合效率高，植物群落固定在地面的有機碳含量及植被凈碳交換量同樣也高。

運用地理探測器探測青海省NEP 的人為及氣候驅(qū)動力，整體上氣候?qū)χ脖籒EP地理分異性的解釋力要超過人為因素，但在某些特殊年份，情況迥異。在氣候趨于“暖濕”背景下［16］，由于氣溫逐年上升，陸地生態(tài)系統(tǒng)的植被儲碳能力對氣候的響應(yīng)將呈現(xiàn)新的格局，人為因素對NEP空間分異解釋力較弱，但與其他因子交互時均超過0.3。雙因子的協(xié)同交互作用遠超單因子的作用，未來在提升生態(tài)系統(tǒng)固碳能力時，需在關(guān)注當(dāng)前氣候變化的同時，采取適當(dāng)?shù)娜藶楦深A(yù)。降水對NEP 的解釋力在2020 年最低的原因尚待進一步探究。

由于生長季內(nèi)農(nóng)作物固定的碳將迅速進入大氣碳循環(huán)，鑒于研究區(qū)內(nèi)農(nóng)田比例較大，若能剔除作物NEP 的影響將對區(qū)域增匯更有指導(dǎo)意義［37］。青海省作為五大牧區(qū)之一，在后續(xù)研究中還應(yīng)將牲畜飼養(yǎng)量納入人為因素，分析其對青海植被NEP的影響。

5 結(jié)論

本文詳細分析了青海省近20 a NEP 的時空變化規(guī)律及驅(qū)動因素，并利用地理探測器定量分析不同因子對NEP的影響，具體結(jié)論如下：

（1）時間尺度上2000—2020 年青海省NEP 呈增加趨勢，增幅為1.07 g C·m-2·a-1，多年平均NEP為134.69 g C·m-2·a-1。空間上，NEP 呈自東向西遞減的特征，NEP分布與植被覆蓋基本一致。

（2）在空間與年際尺度上，植被NEP與氣溫、降水均呈正相關(guān)，氣溫與NEP的相關(guān)性大于降水。

（3）地理探測器表明，近20 a 植被覆蓋度對NEP 起主導(dǎo)作用，氣溫的影響作用相對較強，在干旱年份降水的影響力要超過除NDVI以外的其他因子，雙因子的交互作用超過單因子影響力。青海省植被NEP 空間分布是氣候和人為因素共同作用的結(jié)果，且不同影響因素對其作用的強弱不同，在特定年份人類活動與其他因素交互作用是植被NEP變化的主導(dǎo)因素。