数据驱动的全球NPP变化模式分析

赵学晶，吴文瑾，刘国林

(1.山东科技大学，山东 青岛 266590；2.中国科学院遥感与数字地球研究所，北京 100094)

0 引言

工业革命以来，地球大气中的CO2含量不断增加，研究认为这是导致全球变暖的主要原因[1-3]。化石燃料的燃烧等一系列人为活动造成温室气体大量排放[4]。因此，减少碳排放已成为一个非常重要的热点问题。陆地生态系统作为全球碳循环中重要的碳汇，可以将CO2固定在植被或土壤中抵消碳排放，为实现大气CO2浓度的降低提供了一种解决方法[5]。净初级生产力(net primary productivity，NPP)作为陆地碳循环的重要组成部分，代表植被固定的大气碳量，是反应生态系统碳汇强弱的重要指标[6]。NPP通常是指在单位时间和单位面积内，从植物通过光合作用所产生的全部有机物中减去植物自养呼吸消耗的剩余部分[7-8]。

现有的一些研究已对全球或区域的NPP变化情况进行了探索分析[9-11]。焦翠翠等利用站点实测NPP数据分析全球各大洲之间森林NPP的空间分异[6]。Zhao等分析结果表明2000—2009年全球NPP降低，南半球的干旱趋势使该地区的NPP减少，抵消了北半球NPP的增加[12]。Peng等分析了2000—2014年全球53个国家的NPP变化趋势[13]。这些方法在分析全球或区域的NPP变化情况时，会将全球分成一些区域(比如不同国家、不同洲、不同温度带等)，然后对比NPP变化的异同，但是这种方法的问题就是分区是非常主观的，同区域的碳吸收本就不一定相同。因此本文提出用数据驱动的方法分析全球植被NPP的时空变化特征。数据驱动可以避免通过人工划分区域、预设类别等方式引入先验及主观因素导致的不确定性，从而挖掘参数数据的变化模式。本文采用支持向量聚类的数据驱动方法分析1990—2014年全球NPP时空变化模式，得到12种NPP变化模式，分析每种变化模式的时空变化特征以及与气候类型、经纬度和土地覆盖类型的关系，为分析全球不同地区碳汇变化情况提供了科学依据。

1 数据与方法

1.1 数据及预处理

本文的研究区域是除南极大陆以外有植被覆盖的陆地生态系统。全球NPP数据由2种数据组成，1990—1999年NPP数据是从美国马里兰大学网站(http：//glcf.umd.edu/data/glopem/)下载的GLOPEM NPP数据，该产品是基于NOAA AVHRR数据生产的，数据的空间分辨率是8 km。2000—2014年NPP数据来自美国国家航空航天局地球观测系统计划的MODIS MOD17A3数据产品，该产品是利用BIOME-BGG生态系统模型计算得到的地表植被年NPP数据，数据空间分辨率为1 km。

土地覆盖数据采用CCI-LC数据产品(http：//maps.elie.ucl.ac.be/CCI/viewer/download.php)，数据空间分辨率为300 m，由欧洲航空局提供，时间跨度为1992—2015年，分类精度较高[14-15]。由于缺少1990—1991年土地覆盖数据，所以本文采用1992年数据代替。为了便于分析分类为9种土地覆盖类型，为常绿阔叶林、常绿针叶林、落叶阔叶林、落叶针叶林、混交林、灌木、草地、农田、稀疏植被，如表1所示。

表1 CCI-LC分类体系

利用LP DAAC(Land Processes Distributed Active Archive Center)提供的MODIS图像处理工具MRT(MODIS Reprojection Tool)对MODIS NPP数据进行拼接、投影和格式转换。利用ArcGIS软件对GLOPEM NPP和MOD17A3 NPP数据进行有效值提取的处理。为了保持1990—2014年NPP数据分辨率一致，将MOD17A3 NPP数据重采样至8 km。

1.2 研究方法

支持向量聚类(supporting vector clustering，SVC)是一种非监督的学习方法，可以根据数据变化规律的相似性和距离将数据划分为不同类型，并且不需要事先假定聚类的数目和结构，可提取并放大有用的特征从而提高数据点可分的概率[16]。SVC算法的步骤分为建立核心半径函数的训练阶段和簇标记阶段[17]。

1)训练阶段。设数据空间X⊆Rd，{xi}⊆X是由N个数据点构成的数据集，用非线性变换Φ从X映射到某一高维特征空间，寻找半径为R的最小包围球体：

‖Φ(xj)-a‖2≤R2+ξj

(1)

式中：a为超球体中心；ξj为允许软边界的某一松弛变量。通过在其惩罚项中引入具有规则常数的拉格朗日变换：

(2)

式中：βj≥0；μj≥0均为拉格朗日乘数；C是常数；C∑ξj是惩罚因子。

为了有效求解最优化问题(1)，将其转化成Wolfe对偶形式：

(3)

只有0<βj

(4)

(5)

Ci,i=1,2,…,p是不同聚类的集合，p是聚类的数量。

2)簇标记阶段。为了划分所有的数据点，采用邻接矩阵A，邻接矩阵A在图中相连接的区域位于同一个簇，可表示为：

(6)

2 结果与分析

1990—2014年全球年均NPP如图1所示，其中北美洲、欧洲和亚洲沿海地区NPP普遍高于内陆地区，北极圈地区以及澳大利亚中部NPP较低，亚马逊流域、刚果流域以及东南亚地区NPP较高。为了进一步分析25年全球NPP时空变化规律，通过规则格网将全球NPP数据划分成等大小200像素×200像素的影像块共141幅，去除区域中的0值，然后对每一幅小影像块求平均值，得到每一年的NPP均值，每幅影像块共有25年的数据，利用支持向量聚类方法对处理后的全球NPP数据进行分析，得到12种变化模式(图2)，分析每种NPP类型的时空变化特征。

图1 全球NPP分布

图2 SVC NPP聚类结果

2.1 全球NPP空间分布特征

SVC1主要是分布在北极圈以北的地区，包括加拿大北部的若干岛屿，格陵兰岛以及阿拉伯半岛东部；SVC2分布范围比较广主要位于纬度较高的地区，分布在亚欧大陆、北美洲大部分地区、智利及阿根廷东部和南部、非洲南部纳米比亚以及博茨瓦纳和南非等国家、澳大利亚中部地区；SVC3面积较小，包括葡萄牙、西班牙西北部、爱尔兰和新西兰；SVC4是在美国东南部、欧洲西部法国、意大利、西班牙北部和西部、匈牙利等周围国家、秘鲁西部少部分地区、朝鲜南部、韩国、日本中南部地区河澳大利亚南部沿海；SVC5分布在墨西哥南部，哥斯达黎加、巴拿马、巴西中南部、玻利维亚东部、巴拉圭、阿根廷北部和东部、乌拉圭、非洲中部、印度南部沿海；SVC6主要是分布在秘鲁、巴西东南部、新几内亚岛、所罗门群岛、澳大利亚东北部；SVC7主要位于缅甸、泰国、老挝、柬埔寨、越南、中国南部沿海和菲律宾北部；SVC8是分布在印度东部和孟加拉国；SVC9包括南美洲北部和加勒比海沿岸国家、马达加斯加中南部、马来西亚、印度尼西亚、菲律宾中南部；SVC10分布在几内亚湾沿岸国家；SVC11主要分布在斯里兰卡、巴西西北部沿海地区；SVC12主要位于苏门答腊岛东南部和爪哇岛西部。

2.2 全球NPP时间变化特征

利用SVC聚类结果，对1990—2014年每类NPP变化模式的数据求均值，绘制不同NPP变化模式的时序变化曲线(图3)，可以看出不同类别之间的差异主要体现为NPP水平不同和年际变化差异，这与聚类思想相一致。1990—1999年之间是AVHRR GLOPEM NPP数据，2000—2014年是MOD17A3 NPP数据，由于是2种数据且MOD17A3 NPP普遍低于GLOPEM NPP，所以在2000年NPP时序变化曲线会有很大的落差，但是在SVC3中2000年NPP并未有显著降低并且呈上升趋势。在12类NPP变化模式中，SVC1 NPP最低，在150 gC/m2以下，最大值是1994年的133.17 gC/m2。SVC2 NPP较低，为750 gC/m2以下，1990—1999年NPP年际变化波动较小，2000—2014年变化平稳，1999年NPP最大，为704.4 gC/m2，最低值是2002年的299.6 gC/m2，2000年之后，NPP波动很小。SVC3、SVC4、SVC5、SVC6 NPP在1990—1999年较低，为1 000～1 600 gC/m2左右。2000—2014年，在12中NPP变化模式中，SVC3、SVC6 NPP明显较高，SVC4、SVC5 NPP稍低，SVC3 NPP从1990—2014年际变化比较平稳，分布在1 000～1 200 gC/m2之间。1990—1999年之间，SVC11、SVC12类NPP明显高于其他几类NPP变化模式，大部分NPP在2 000 gC/m2以上，SVC11最大值出现在1998年，为2 284.2 gC/m2，SVC12最大值是1990年的2 525.6 gC/m2，SVC7、SVC8、SVC9、SVC10类NPP较高，为1 500～2 000 gC/m2。2000—2014年，SVC9、SVC12类NPP较高，SVC9的NPP呈现缓慢减小趋势，SVC12的NPP波动一直很大，2010年NPP减少剧烈(约-363 gC/m2)，SVC7 NPP要比SVC9、SVC12类稍低，而SVC8、SVC10、SVC11类NPP却显著下降，明显低于其他几类NPP变化模式，SVC8在2009年NPP最小，这可能是因为2009年是印度近35年降水最少的一年[18]。1991年NPP减少剧烈，可能是由于菲律宾群岛的皮纳图博火山爆发导致气温冷却，生长期缩短影响了植被生长[19]。SVC4～SVC12在2005年NPP均呈现减少趋势，可能与非洲、泰国、亚马逊河流域等地区发生严重干旱有关[12]。

图3 1990—2014年不同SVC NPP变化趋势

2.3 全球NPP变化模式与气候类型和地理区域分布的关系

气候是影响陆地生态系统土地覆盖类型和分布的非常重要的因素，植被则是地球气候最鲜明的反映和标志，本文研究反映植被群落生产能力的植被NPP，因此要考虑气候类型与全球NPP变化模式的关系[20]。计算每类NPP变化模式与气候类型和经纬度的重叠比例(图4)，统计每类NPP变化模式不同气候的每年年均NPP(图5)。NPP变化模式与气候类型分布有近似的对应关系，又与经纬度相耦合。

图4 不同NPP变化模式与气候类型和经纬度关系

SVC1气候类型主要是寒带气候，分布在高纬度地区，由于这里天气严寒，降水少土温低限制了乔木的生长，自然植被只有苔藓、敌意及小灌木等，植被稀少，所以NPP较低，其中寒带气候NPP最低，为100 gC/m2左右。SVC2气候类型主要是温带大陆性气候与热带沙漠气候，2种气候类型NPP较低，在100 gC/m2以下，热带草原气候、寒带气候、高原山地气候面积近似，热带草原气候NPP较高，寒带气候NPP高于SVC1。SVC3主要为温带海洋性气候。SVC4气候类型较为复杂，亚热带季风气候占24.1%，温带海洋性气候占35.6%，温带大陆性气候占15.8%，地中海气候占15.5%。1990—1999年，SVC3温带海洋性气候略低于SVC4，而2000—2014年SVC3明显较高。地中海气候主要分布在SVC3、SVC4中且SVC3 NPP较高，年均值在1 000 gC/m2以上，SVC4亚热带季风气候NPP较高，SVC3、SVC4 NPP要明显高于同纬度其他地区，可能是受气候影响有利于植被生长。SVC5主要是热带草原气候，NPP波动上升，有部分热带雨林气候和亚热带季风气候，热带雨林NPP明显较高。SVC6热带雨林气候1991年NPP为谷值，1998年达到峰值，之后NPP呈现下降趋势。SVC7、SVC8气候类型主要为热带季风和亚热带季风，2000—2014年，SVC8 NPP低于SVC7，NPP呈波浪式变化并有上升趋势。SVC9、SVC10气候类型相似，1990—1999年，SVC10 NPP变化波动较大，1992年、1994年、1998年为谷值，而SVC9波动较小，这种差异可能与土地覆盖类型不同或者极端气候变化有关。SVC11、SVC12主要是热带雨林气候，SVC11 NPP低于SVC12且波动较小，1990—1999年SVC12 NPP变化趋势类似于SVC10，但是2000—2014年NPP波动较大，2010年NPP显著较少。SVC5、SVC6、SVC9、SVC10、SVC11、SVC12气候类型主要是热带雨林与热带草原气候，分布在30°N～30°S之间，说明热带低纬度地区NPP变化模式较为复杂。

2.4 全球NPP变化模式与土地覆盖类型的关系

利用ArcGIS统计分析功能计算每类NPP变化模式与不同土地覆盖类型的重叠区域(图6)，统计每类变化模式不同土地覆盖类型的每年年均NPP(图7)，可以看出，SVC1、SVC2、SVC3、SVC4、SVC6、SVC8、SVC10、SVC12不同土地覆盖类型的NPP变化存在差异，SVC5、SVC7、SVC9、SVC11不同土地覆盖类型的年均NPP变化近似。为了分析土地覆盖变化对NPP的影响，统计了1992—2014年各时间段每类变化模式主要土地覆盖类型净变化量如表2所示。

SVC1主要为稀疏植被，NPP较小在150 gC/m2以下，稀疏植被净变化量较小，所以NPP年际变化无较大波动。SVC2稀疏植被所占面积比例较大但NPP最小，净变化量处于减少的状态，不同植被的NPP年际变化规律具有相似性，1992年NPP增大，1994年NPP减小，1997年NPP增大，2000年之后NPP变化较小，草地、农田、灌木林及常绿针叶林所占面积比例在15%左右，混交林、落叶阔叶林与落叶针叶林所占面积比例近似。SVC3稀疏植被、草地、落叶阔叶林NPP年际变化波动较大，草地净变化量呈减少趋势，其余几种植被NPP变化波动较小，1994年NPP出现峰值，草地所占面积比最大。SVC4主要为农田，土地覆盖面积一直呈减少趋势，2005—2010年农田面积剧烈减少，而常绿针叶林和落叶针叶林在15%左右，NPP年际变化有起伏但整体波动较小。SVC6主要植被为常绿阔叶林，NPP较高在1 500 gC/m2左右，除2005—2010年其他时间段内净变化量均减少，农田占18.95%，1990—1999年NPP呈波动上升趋势，2000—2014年NPP变化平稳，其余每种土地覆盖类型所占面积比例较小。SVC5和SVC7土地覆盖类型相似，SVC7的NPP更高，可能是由于SVC7有较多灌木而且植被减少量要明显低于SVC5，2005年以前SVC7农田面积增加，2005年之后农田面积减少，SVC5常绿阔叶林面积呈减少趋势，1995—2000和2000—2005年变化显著。SVC9NPP呈下降趋势，这可能与常绿阔叶林面积显著减少有关。SVC8和SVC10土地覆盖类型相似，但SVC10树木所占比例较多，这可能使SVC8 NPP要低于SVC10，并且SVC8农田面积由增加变为减少，而SVC10农田面积呈增加趋势。SVC11主要的土地覆盖类型为常绿阔叶林和农田，其中常绿阔叶林面积变化较小，1990—1999年农田NPP明显高于常绿阔叶林。SVC12农田所占面积比例最高，农田面积呈下降趋势，2010年NPP最小，1990—1999年农田NPP明显高于常绿阔叶林和混交林，2000—2014年农田NPP减小。

图5 不同气候类型年均NPP变化趋势

图6 不同NPP变化模式每种土地覆盖类型面积百分比

图7 不同土地覆盖类型年均NPP变化趋势

SVC类别土地覆盖类型1992—1995/km21995—2000/km22000—2005/km22005—2010/km22010—2014/km2SVC1稀疏植被64-19264256128SVC2稀疏植被-31 104-156 736-129 280-22 14411 712SVC3草地64-44864-128-64SVC4农田-9 408-1 728-15 168-19 264-5 120SVC5常绿阔叶林-56 192-110 656-113 600-10 752-8 768SVC6常绿阔叶林-16 704-22 080-23 2324 480-4 096SVC7农田10 24020 7369 088-2 304-4 992SVC8农田1 9204 096-896-768-2 112SVC9常绿阔叶林-32 704-53 120-55 808-25 856-11 520SVC10农田2 1767 3605 4404 672448SVC11常绿阔叶林-128-320-320-1280SVC12农田-192-1 536-1 280-512-384

同一土地覆盖类型的NPP在不同NPP变化模式中有差异。常绿阔叶林分布在SVC4～SVC12，SVC6、SVC9、SVC11常绿阔叶林分布较多，1990—1999年SVC11常绿阔叶林NPP较高，2000—2014年SVC6常绿阔叶林NPP明显高于SVC9、SVC11。常绿针叶林面积较少，主要分布在SVC2、SVC3、SVC4，NPP从高到低为SVC3>SVC4>SVC2。落叶针叶林主要是分布在SVC2中。落叶阔叶林在SVC2～SVC8、SVC10、SVC11均有分布，主要分布在SVC4、SVC5、SVC7、SVC8、SVC10。混交林主要分布在SVC2、SVC3，SVC3混交林NPP较高。灌木分布在SVC2～SVC11，SVC2、SVC7、SVC10所占比例较大。SVC2～SVC12中均有农田分布，其中SVC4、SVC8、SVC10、SVC11、SVC12中农田占比较高，SVC12农田NPP最高。

3 结束语

本文利用1990—2014年NPP数据分析了25年全球NPP的时空变化，主要结论如下：

①利用SVC方法得到12种全球NPP变化模式，SVC1主要分布在北极圈以北地区，SVC2分布范围广泛，主要位于中高纬度地区，SVC3和SVC4纬度分布主要在30°～60°之间，SVC5～SVC12主要分布在30°N～30°S之间，说明低纬度地区NPP变化较为复杂。从全球分布来看，30°N～30°S NPP要高于南北半球30°～60°NPP，SVC3和SVC4 NPP要明显高于同纬度其他地区，可能是因为气候类型主要为温带海洋性气候和地中海气候，冬季温和有利于部分植被生长，其他地区由于冬季气温寒冷，植被光和作用微弱，植物基本停止生长，所以NPP较低。

②GLOPEM NPP和MOD17A3 NPP存在明显差异。2000年之后NPP显著降低，但是SVC3中2000年前后2种NPP并未有明显的落差，NPP处于1 000～1 200 gC/m2。SVC1 NPP最低，平均值在150 gC/m2以下。SVC2 NPP较低，为750 gC/m2以下。1990—1999年，SVC4、SVC5、SVC6 NPP较低，为1 000～1 600 gC/m2左右，SVC 7、SVC8、SVC9、SVC10类NPP较高，为1 500～2 000 gC/m2，SVC11、SVC12 NPP最高，平均值在1 800 gC/m2以上，SVC5、SVC6、SVC9、SVC10、SVC11 NPP均值呈现波动上升的趋势。2000—2014年，SVC3、SVC6 NPP明显较高，SVC12 NPP较高但波动较大，SVC9 NPP呈缓慢减小趋势，SVC7低于SVC9，SVC4、SVC5 NPP水平相似，SVC8、SVC10、SVC11 NPP较低且变化较大。

③NPP变化模式与气候类型分布有近似的对应关系。SVC1主要为寒带气候，由于气温低植被稀少NPP最低。SVC2温带大陆性气候占51.7%，温带大陆性气候与热带沙漠气候NPP较低，热带草原NPP较高，寒带气候NPP高于SVC1。温带海洋性气候与地中海气候主要分布在SVC3、SVC4，1990—1999年，SVC3温带海洋性气候略低于SVC4，而2000—2014年SVC3 NPP较高，SVC3地中海气候NPP高于SVC4，年均值在1 000 gC/m2以上。SVC5、SVC6、SVC9、SVC10、SVC11、SVC12类气候类型主要是热带雨林与热带草原气候，说明热带地区NPP变化较为复杂。SVC7、SVC8气候类型主要为热带季风和亚热带季风，2000—2014年，SVC8 NPP低于SVC7，NPP呈波浪式变化并有上升趋势。SVC9、SVC10包含的气候类型相似，但是土地覆盖类型有明显差异，可能是因为SVC9常绿阔叶林较多，所以NPP较高。不同气候类型的NPP存在差异，总体来说热带气候NPP高于温带气候NPP，热带雨林气候NPP最高，寒带气候NPP最低。

④同一NPP变化模式中不同土地覆盖类型的NPP年际变化既存在差异性又有相似性，不同NPP变化模式的同一土地覆盖类型的NPP也存在差异。SVC5、SVC7、SVC9、SVC11不同植被的年均NPP变化近似。SVC4～SVC6、SVC9和SVC11、SVC12主要土地覆盖类型面积均呈减小趋势，其中SVC5和SVC9净变化量显著，2000—2014年SVC9 NPP呈下降趋势。SVC2稀疏植被所占面积比例最大且NPP最小。1990—1999年SVC11常绿阔叶林NPP较高，2000—2014年SVC6常绿阔叶林NPP明显高于SVC9、SVC11。常绿针叶林在SVC3中NPP最高。农田在SVC12中NPP最高。