2001—2013年黄土高原植被净初级生产力时空变化及其归因

周夏飞 马国霞 曹国志 贾倩 於方

摘要基于光能利用率模型（CASA），利用遙感数据、气象数据和基础地理数据，测算了2001—2013年黄土高原植被净初级生产力（NPP），并辅以一元线性回归、Hurst指数及相关分析等方法，分析了2001—2013年黄土高原NPP时空变化特征、未来变化趋势及其驱动因素。结果表明，2001—2013年黄土高原植被年均NPP呈显著增加趋势，年增速为4.9 g/（m2·a）。黄土高原植被NPP空间分布差异显著，表现出由东南向西北递减的趋势。黄土高原植被NPP呈增加趋势和减少趋势的面积分别占78.0%和22.0%。Hurst指数表明研究区未来植被NPP变化的正向特征显著，呈持续性和反持续性的比重分别为72.1%和28.9%。黄土高原植被NPP变化与降水、气温相关性不大，人类活动是影响植被NPP变化的重要因素，且对NPP有双重影响。

关键词植被净初级生产力；时空；黄土高原

中图分类号Q948.1文献标识码A文章编号0517-6611（2017）14-0048-06

AbstractBased on the CarnegieAmesStanfordApproach （CASA）， the Net Primary Productivity （NPP） of vegetation in the Loess Plateau during 2001-2013 was measured and calculated with the related remote sensing data， meteorological data and basic geographic data. The temporal and spatial variation characteristics of NPP in the Loess Plateau during 2001-2013， the future trend and its driving factors were analyzed. The results showed that：The average annual NPP of vegetation in the Loess Plateau increased significantly during 2001-2013， with an annual growth rate of 4.9 g/（m2·a）.The spatial distribution of vegetation NPP in the Loess Plateau showed a significant trend， with a decreasing tendency from southeast to northwest.The area of improved and degraded NPP accounts for 78.0% and 22.0% of the total study area， respectively.The NPP of the vegetation in the study area was supposed to have a significant positive trend， the area of positive and reverse characteristic accounts for 72.1% and 28.9% of the total study area， respectively.There was no significant correlation between the NPP change and the precipitation as well as the air temperature in the Loess Plateau. The human activities were the core elements affecting the change of the vegetation NPP， leading to both negative effect and positive effect.

Key wordsNPP；Spatialtemporal；Loess plateau

植被凈初级生产力（NPP）是指单位时间、单位面积上，植被通过光合作用所产生的有机物总量扣除自养呼吸后的剩余部分[1]。NPP作为地表碳循环的重要组成部分[2]，不仅能反映植被群落在自然环境条件下的生产能力，表征陆地生态系统的质量状况[3]，还是判定生态系统碳源、碳汇和调节生态过程的主要因子[4]。目前，全球/区域碳源、碳汇、碳平衡成为全球变化科学研究的热点问题之一[5-7]。因此，动态监测NPP在调节全球碳平衡、维护气候稳定及减缓温室效应等全球变化问题中具有重要意义[8]。

黄土高原地处干旱和湿润的过渡区，是我国生态环境最为脆弱、水土流失最为严重的地区之一[9]。为改善黄土高原日益恶化的生态环境，从1999年开始我国在黄土高原地区实施退耕还林还草等大规模植被建设。1999—2010年黄土高原累计造林面积已达到1 890.6×104 hm2，该地区植被得到一定恢复[10-11]。然而，如此大规模的生态工程，很可能会改变黄土高原地区生态系统景观格局，从而影响生态系统特征，而其直接体现在NPP变化上。因此，研究黄土高原自退耕以来NPP的变化具有重要的生态学意义[12]。

目前，已有学者对黄土高原植被NPP开展了大量研究，并取得了一定成果。谢宝妮等[12]研究表明，2000—2010年黄土高原大部分地区NPP呈增加趋势；史晓亮等[10]研究指出，退耕还林还草生态工程实施之前（1982—1998年），黄土高原大部分区域植被NPP变化不明显，自1999年后该区植被NPP增加趋势显著；李登科等[13]基于MOD17A3数据集的研究认为，2000—2006年陕西省大部分地区NPP呈增加趋势；许红梅等[14]研究指出，黄土丘陵沟壑区植被NPP对温度升高比对降雨变化的响应更为敏感。 综上，以往研究多局限于对植被NPP时空变化特征进行分析，并从整体上探讨植被与气候因子的相关性，而关于黄土高原地区植被NPP变化未来趋势尚不明确。笔者基于光能利用率模型（CASA），利用遥感数据、气象数据和基础地理数据测算2001—2013年黄土高原NPP，并辅以一元线性回归、Hurst指数、相关分析等方法，分析植被NPP时空变化特征、未来趋势及其驱动因素，以期为黄土高原生态环境保护、建设及生态环境管理提供科学依据。

1资料与方法

1.1研究区概况 黄土高原位于我国中部偏北，地理坐标为33°43′～41°16′ N，100°54′～114°33′ E，总面积64万km2。在行政单元上，区域地跨山西、陕西、甘肃、青海、河南、宁夏以及内蒙古等省区（图1）。该区地势西高东低，平均海拔在1 500～2 000 m，气候为大陆性季风气候，冬季寒冷干燥、夏季炎热少雨，年均气温3.6～14.3 ℃，年降水量300～800 mm。植被类型主要包括常绿针叶林、落叶阔叶林、灌丛、草地和农田，主要土壤类型为黄绵土、草原风沙土和褐土。

1.2数据来源

1.2.1遥感数据。遥感数据为2001—2013年的MOD13A1数据，来源于美国国家航空航天局（NASA）的EOS/MODIS数据产品（http：//e4ftl01.cr.usgs.gov），空间分辨率为500 m×500 m，时间分辨率为16 d。由于MODIS/NDVI产品经过水、云、气溶胶等处理，保证了数据质量，加之较高的空间分辨率，因此被广泛应用于植被NPP估算的研究中。首先，利用MRT（MODIS Reprojection Tools）将4景MOD13A1数据进行合并，并将其投影为Albers（Albers Conical Equal Area）；然后，采用最大合成法（MVC），消除异常值的影响，合成月NDVI数据；最后，利用研究区边界裁切NDVI影像，得到2001—2013年逐月NDVI影像。

1.2.2土地利用类型数据。采用的土地利用类型数据为2001—2013年的MCD12Q1，来源于美国國家航空航天局（NASA）的EOS/MODIS数据产品（http：//e4ftl01.cr.usgs.gov），空间分辨率为500 m×500 m。该数据集下共有5种土地覆盖分类方案，采用第1种分类方案即IGBP全球植被分类体系，将其划分为常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混交林等17类。数据处理流程同遥感数据处理流程一致。

1.2.3气候数据。采用的气象数据为2001—2013年黄土高原73个气象站点的逐日数据（平均气温、降水量、日照时数），来源于中国气象数据网（http：//data.cma.cn/）。

1.2.4造林面积数据。来源于各省区统计年鉴和《中国林业统计年鉴》。

1.3研究方法

1.3.1植被NPP估算。采用基于遥感和光能利用率改进的CASA模型[4，15]来估算植被NPP。NPP主要由植被所吸收的光合有效辐射与实际光能利用率2个变量确定，详细计算过程参考朱文泉等[4，15]的方法。

1.3.2趋势分析。 采用一元线性回归分析方法分析2001—2013年黄土高原13年每个栅格植被NPP的变化趋势，计算公式为

式中，Slope为趋势线的斜率，即NPP的變化趋势；Yi为栅格第i年的NPP值；n为监测时段的年数（n=13）。Slope>0时，表明NPP呈增加趋势；Slope<0时，表明NPP呈下降趋势。

1.3.3Hurst指数。 Hurst指数是预测时间序列数据相对于过去未来发展趋势的一个重要指数，目前被广泛应用于水文、气象等经济领域[16-18]。基于重标极差（R/S）的Hurst指数是定量描述时间序列信息长期依赖性的有效方法，其基本原理[19]是：

（1）定义一个时间序列

若存在R/H∝τH，则说明时间序列{ξ（t）}，t = 1，2，…存在 Hurst现象。H值称为Hurst指数，其值可在双对数坐标系（lnτ，lnR/S）中用最小二乘法拟合得到。Hurst指数为0～1.0，02结果与分析

2.1植被NPP数据验证 对模拟结果进行验证是后期结果分析的基础。区域NPP模型模拟精度验证方法主要有2种：一种是与实测数据进行比较；另一种是与其他模型模拟结果进行比较。由于黄土高原实测数据相对较少，笔者将模型估算的2001—2013年各植被类型平均NPP与其他模型模拟的结果及部分实测数据进行比较，结果见表1。由表1可知，该研究模拟的平均NPP值与同期的MOD17A3数据的值较为接近，基本在实测范围值内，与其他模型估算的结果差距也不大，表明估算结果具有一定的可靠性。

2.2植被年均NPP年际变化 由图2可知，2001—2013年黄土高原植被NPP的年际波动较大，但总体上呈增加趋势，年增速为4.9 g/（m2·a）（P< 0.05）。植被年均NPP在2001年最低[274.0 g/（m2·a）]，2013年最高[378.0 g/（m2·a）]，平均值为333.0 g/（m2·a）。值得注意的是，植被NPP在2006和2010年年均NPP下降较大，前者可能是由于2006年降水稀少，导致NPP有所下降，后者可能是由于新退耕还林的植被覆盖较低所致。

由图3可知，2001—2013年NPP > 500 g/（m2·a）的区域面积百分比整体呈增加趋势，而NPP < 100 g/（m2·a）的区域面积百分比整体呈减少趋势。NPP > 500 g/（m2·a）的植被主要为林地，说明退耕还林还草使得人类对于森林干扰减少，使其得到较好的恢复。

2.3植被年均NPP空间变化

2.3.1空间分布特征。 从空间分布来看（图4），黄土高原NPP格局呈现由东南向西北递减的趋势，高值区主要分布在陕西省南部、甘肃省南部、青海省、河南省等地区，这主要是由于这些区域的植被类型主要为针叶林、灌丛，植被长势也相对较好；低值区主要分布在内蒙古、宁夏南部、甘肃北部等地区，这些地区多为牧区和荒漠，植被覆盖较少、环境较为恶劣。

2.3.2空间变化趋势。 从空间变化上看（图5），黄土高原NPP整体上呈增加趋势，呈增加趋势和减小趋势的面积分别占总面积的78.0%和22.0%，其中28.0%的区域呈显著增加趋势，主要分布在陕西北部、山西北部、宁夏南部、青海南部等区域，这可能是由于这些地区原本的植被覆盖度相对较低，然而在“退耕还林还草”等工程实施下，该地区NPP呈增加趋势；黄土高原仅有4.0%的区域呈显著下降趋势，主要分布在内蒙古西部、宁夏北部，这主要是由于这些地区城市化进程速度加快，占用了大量林地、草地，导致其NPP下降。

2001-20132.4植被NPP未来趋势黄土高原植被NPP的Hurst指数平均值为0.551 8，其中，Hurst指數大于0.5的像元数占72.1%，说明植被NPP变化的正向特征显著；而Hurst指数小于0.5的像元数占28.9%。Hurst指数高值区主要分布在内蒙古、宁夏西部、甘肃省北部、青海省等地区，说明这些地区植被NPP变化具有同向特征，即未来变化趋势与过去变化趋势一致；而Hurst指数低值区主要分布在陕西省西部及南部、宁夏东部及南部、山西省等地区，说明这些地区植被NPP变化具有反向特征，即未来变化趋势与过去变化趋势相反（图6）。

将Hurst指数与一元线性回归分析结果进行叠加分析发现，植被NPP持续改善地区主要分布在内蒙古南部、陕西北部、甘肃北部、宁夏南部等地区，这主要是由于这些区域长期实行退耕还林工程，已取得明显效果；植被NPP持续退化地区主要分布在陕西南部、内蒙古北部、青海北部等地区，这可能是由于这些区域未开展退耕还林工程或工程措施不到位；植被NPP由改善转退化地区主要分布在陕西中部、甘肃南部、山西等地区，这可能是由于退耕还林工程措施不到位；植被NPP由退化转改善地区主要分布在青海省西部、内蒙古西部、山西东部等地区，这可能是由于这些区域之前未实施退耕还林工程，近年来开始开展退耕还林工程所致（图6）。

2.5黄土高原植被NPP影响因素

2.5.1植被NPP与气候因子的相关性。 降水和气温等气候因子的变化对陆地植被的生长发育具有重要影响，因此笔者利用逐像元的相关分析方法，分别对2001—2013年的年植被NPP、年降水量和年平均气温的相关系数进行分析，从而在空间尺度分析植被NPP与主要气候因子的关系。从图7可以看出，黄土高原植被NPP与年降雨量和年均温具有一定的相关性，但相关性不大。在黄土高原，73.3%的区域年降雨量与NPP呈正相关，其中仅有6.9%的区域通过了0.05显著性检验，主要分布在黄土高原东部及西部地区，表明降水量增加，NPP增加；60.8%的区域年均温与NPP呈负相关，其中仅有9.9%的区域通过了0.05显著性检验，主要分布在黄土高原北部，这些区域NPP随着温度的升高反而减小（图7）。

2.5.2人类活动的影响。除气温、降水等自然因素外，人类活动也会对黄土高原NPP的时空分布格局产生重要影响，人类活动对其影响包括正面影响（如退耕还林）和负面影响（如城市扩张）。笔者主要分析了黄土高原退耕还林工程的历年累积造林面积与植被NPP变化情况，结果见图8。由图8可知，自1999年退耕还林还草工程实施以来，黄土高原造林面积持续上升，植被NPP总体上也表现出升高趋势，表明退耕还林还草工程可以在一定程度上提高植被NPP，有效改善黄土高原的生态环境；但NPP变化并未与造林面积变化严格一致，存在一定的波动性，尤其是2010年波动较大，这可能是由于近年来城市化、放牧等活动对植被NPP造成负面影响。

3结论与讨论

该研究以黄土高原为研究区域，基于光能利用率模型（CASA），利用遥感数据、气象数据和基础地理数据测算了2001—2013年黄土高原植被净初级生产力（NPP），并辅以一元线性回归、Hurst指数、偏相关分析等方法，分别从3个尺度分析了植被NPP时空变化特征、未来趋势及驱动因素，得到以下结论：

（1）2001—2013年黄土高原植被年均NPP呈增加趋势，年增速为4.9 g/（m2·a），植被年均NPP在2001年最低[274.0 g/（m2·a）]，2013年最高[378.0 g/（m2·a）]，平均值为333.0 g/（m2·a）。

（2）黄土高原NPP格局呈现由东南向西北递减的趋势，高值区主要分布在陕西省南部、甘肃省南部、青海省、河南省等地区，低值区主要分布在内蒙古、宁夏、甘肃北部等地区。

（3）黄土高原NPP整体上呈增加趋势，呈增加趋势和减小趋势的面积分别占总面积的78.0%和22.0%，其中28.0%的区域呈显著增加趋势，主要分布在陕西北部、山西北部、宁夏南部、青海南部等区域。

（4）Hurst指数分析表明，黄土高原植被NPP变化正向特征显著，植被NPP由改善转退化的地区主要分布在陕西中部、甘肃南部、山西等；植被NPP由退化转改善的地区主要分布在青海西部、内蒙古西部、山西东部等。

（5）黄土高原植被NPP与降水量及温度相关性不大，73.3%的区域年降雨量与NPP呈正相关，其中仅有6.9%的区域通过了0.05显著性检验；60.8%的区域年均温与NPP呈负相关，其中仅有9.9%的区域通过了0.05显著性检验。

（6）植被NPP变化是气象变化和人类活动共同作用的结果，区域气候变化不大背景下，随着“退耕还林”等一系列生态保护工程的实施，黄土高原生态环境将进一步好转。

由于受遥感数据（MODIS数据）时间分辨率的影响，该研究未分析黄土高原大规模生态工程实施前后的植被NPP时空演变。采用逐像元线性回归模型融合多种数据源構建长时间序列遥感数据，并进行植被NPP估算，深入分析黄土高原退耕还林前后NPP变化及原因是未来研究的重点。

参考文献

[1] FIELD C B，RANDERSON J T，MALMSTRM C M.Global net primary production：Combining ecology and remote sensing[J].Remote sensing of environment，1995，51（1）：74-88.

[2] PIAO S L，CIAIS P，LOMAS M，et al.Contribution of climate change and rising CO2 to terrestrial carbon balance in East Asia：A multimodel analysis[J].Global & planetary change，2011，75（3/4）：133-142.

[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，張锦水，潘耀忠，等.中国陆地生态系统生态资产测量及其动态变化分析[J].应用生态学报，2007，18（3）：586-594.

[5] 方精云，郭兆迪，朴世龙，等.1981～2000年中国陆地植被碳汇的估算[J].中国科学（D辑：地球科学），2007，37（6）：804-812.

[6] LOBELL D B，HICKE J A，ASNER G P，et al.Satellite estimates of productivity and light use efficiency in United States agriculture，1982-98[J].Global change biology，2002，8（8）：722-735.

[7] 李晶，任志遠.基于GIS的陕北黄土高原土地生态系统固碳释氧价值评价[J].中国农业科学，2011，44（14）：2943-2950.

[8] 张岩，韦振锋，黄毅.1999-2012年三江源区植被净初级生产力及固碳释氧量测评[J].水土保持通报，2016，36（1）：100-105.

[9] 赵安周，刘宪锋，朱秀芳，等.2000～2014年黄土高原植被覆盖时空变化特征及其归因[J].中国环境科学，2016，36（5）：1568-1578.

[10] 史晓亮，杨志勇，王馨爽，等.黄土高原植被净初级生产力的时空变化及其与气候因子的关系[J].中国农业气象，2016，37（4）：445-453.

[11] 易浪，任志远，张翀，等.黄土高原植被覆盖变化与气候和人类活动的关系[J].资源科学，2014，36（1）：166-174.

[12] 谢宝妮，秦占飞，王洋，等.黄土高原植被净初级生产力时空变化及其影响因素[J].农业工程学报，2014，30（11）：244-253.

[13] 李登科，范建忠，王娟.基于MOD17A3的陕西省植被NPP变化特征[J].生态学杂志，2011，30（12）：2776-2782.

[14] 许红梅，高清竹，黄永梅，等.气候变化对黄土丘陵沟壑区植被净第一性生产力的影响模拟[J].生态学报，2006，26（9）：2939-2947.

[15] 朱文泉，潘耀忠，何浩，等.中国典型植被最大光利用率模拟[J].科学通报，2006，51（6）：700-706.

[16] 张翀，任志远.黄土高原地区植被覆盖变化的时空差异及未来趋势[J].资源科学，2011，33（11）：2143-2149.

[17] 李双双，延军平，万佳.近10年陕甘宁黄土高原区植被覆盖时空变化特征[J].地理学报，2012，67（7）：960-970.

[18] 刘宪锋，任志远，林志慧，等.2000-2011年三江源区植被覆盖时空变化特征[J].地理学报，2013，68（7）：897-908.

[19] 江田汉，邓莲堂.Hurst指数估计中存在的若干问题：以在气候变化研究中的应用为例[J].地理科学，2004，24（2）：177-182.

[20] 朴世龙，方精云，郭庆华.利用CASA模型估算我国植被净第一性生产力[J].植物生态学报，2001，25（5）：603-608.

[21] 陶波.中国陆地生态系统净初级生产力与净生态系统生产力模拟研究[D].北京：中国科学院地理科学与资源研究所，2003.

[22] NI J，ZHANG X S，SCURLOCK J M O.Synthesis and analysis of biomass and net primary productivity in Chinese forests[J].Annals of forest science，2001，58（4）：351-384.