生态学报  2017, Vol. 37 Issue (9): 3084-3095

文章信息

王强, 张廷斌, 易桂花, 陈田田, 别小娟, 何奕萱
WANG Qiang, ZHANG Tingbin, YI Guihua, CHEN Tiantian, BIE Xiaojuan, HE Yixuan.
横断山区2004-2014年植被NPP时空变化及其驱动因子
Tempo-spatial variations and driving factors analysis of net primary productivity in the Hengduan mountain area from 2004 to 2014
生态学报. 2017, 37(9): 3084-3095
Acta Ecologica Sinica. 2017, 37(9): 3084-3095
http://dx.doi.org/10.5846/stxb201602030248

文章历史

收稿日期: 2016-02-03
网络出版日期: 2016-12-19
横断山区2004-2014年植被NPP时空变化及其驱动因子
王强 1, 张廷斌 1,2,3, 易桂花 1,4, 陈田田 4, 别小娟 1, 何奕萱 1     
1. 成都理工大学地球科学学院, 成都 610059;
2. 地学空间信息技术国土资源部重点实验室, 成都 610059;
3. 成都理工大学工程技术学院, 乐山 614000;
4. 中国科学院水利部成都山地灾害与环境研究所, 成都 610041
摘要: 横断山区是我国长江上游重要的生态屏障区,对周边区域乃至我国中西部地区气候和生态环境有着深刻的影响。NPP作为碳收支和气候变化研究的核心内容,是判定生态系统健康状况和可持续发展水平的重要指标。基于MODIS C6的NPP数据、1:100万植被类型图、气象数据和地形数据,采用趋势线分析法和相关分析法对横断地区2004-2014年植被NPP时空格局、变化规律以及驱动因子进行了研究。结果表明:① 2004-2014年横断山区植被年NPP总量的介于183.768-223.239 TgC之间,多年平均为208.498 TgC,单位面积下的植被年NPP均值为463 gC m-2 a-1。整体上,植被NPP呈增加趋势,但局部差异明显。② 植被NPP平均值的年际变化率在-53-97 gC m-2 a-1之间,NPP呈增加趋势的区域分布在北部与中部的东侧以及南部的东、西两侧地区,而减少趋势的区域主要集中在西北部、中部的汶川-映秀一带以及南部攀枝花地区。③ 横断山区植被NPP变化受气候因子驱动影响的区域占比8.42%,主要集中在中部的大雪山-沙鲁里山地区,而非气候因子占比91.58%,分布在北部的阿坝地区以及南部的低海拔广大地区。该研究将对横断山区生态环境建设和可持续发展起到指导作用。
关键词: NPP     气候变化     驱动因子     MODIS C6     横断山区    
Tempo-spatial variations and driving factors analysis of net primary productivity in the Hengduan mountain area from 2004 to 2014
WANG Qiang 1, ZHANG Tingbin 1,2,3, YI Guihua 1,4, CHEN Tiantian 4, BIE Xiaojuan 1, HE Yixuan 1     
1. Chengdu University of Technology, College of Earth Sciences, Chengdu 610059, China;
2. Key Laboratory of Geoscience Spatial Information Technology, Ministry of Land and Resources of the P.R.China, Chengdu 610059, China;
3. The Engineering& Technical College of Chengdu University of Technology, Leshan 614000, China;
4. Institude of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu 610041, China
Abstract: The Hengduan mountain area is acting as the essential ecological barrier for the upper reaches of the Yangtze River, which exerts profound influences to the climate and ecological environment of its surrounding areas as well as the Middle West part of our country. As the core of carbon budget climate changes, NPP functions as the crucial indicator in measuring the health status and sustainable development of the ecological system. Therefore, based on the NPP statistics of MODIS C6, vegetation map (1:1000000), meteorological data as well as topographic data, this paper is intended to utilize trend line analytical method and other related analysis methods to perform study on the spatial pattern, variation rules and the driving factors to NPP in Hengduan mountain area during year 2004-2014. Detailed research results indicate that: ① total NPP for Hengduan mountain area during 2004-2014 falls between 183.768-223.239 TgC with average of annual NPP total value as 208.498 TgC and annual NPP mean value per unit area as 463 gC m-2 a-1. On the whole, overall NPP is showing an increasing trend with distinct local disparity. ② average annual NPP change rate is within-53-97 gC m-2 a-1. And regions with a rising NPP tendency are mainly distributed at the north part, east of middle part as well as east and west of the south part; whereas regions with a decreasing tendency mainly concentrates on Wenchuan-Yingxiu areas which belong to the northwest and middle part. ③ The regions with NPP changes resulted from climate factors take up 8.42% of the total coverage of the Hengduan mountain area. These regions mainly sit at the mountainous areas at Daxue Mountain-Shaluli Mountain. By contrast, those subject to non-climate factors occupy 91.58% of the Hengduan mountain area. And they are mainly located at Aba areas in the north and broad regions in the south part with lower altitude. As far as the significance of this paper is concerned, it will provide instructions to the ecological environment construction and the sustainable growth for Hengduan mountain area.
Key words: NPP     climate change     driving factors     MODIS C6     Hengduan mountain area    

陆地植被净初级生产力 (NPP) 是指绿色植物在单位时间、单位面积上所累积的有机物数量, 是由光合作用所产生的有机质总量 (GPP) 中扣除自养呼吸 (RA) 后的剩余部分[1]。NPP作为碳收支和气候变化研究的核心内容, 是判定生态系统健康状况和可持续发展水平的重要指标[2-4]。Lieth等建立了第一个全球NPP回归模型 (Miami模型), 认为NPP是年平均气温和年降雨的函数[5]。随着遥感技术的发展, 利用遥感模型估算地表植被净初级生产力成为可能 (如CASA模型[6]、GLO-PEM模型[7])。近年来, 国内研究表明我国陆地植被NPP由东南到西北递减, 其变化受气候、人类活动等因素影响, 全国总量在3.38—4.35 PgC/a之间[8-11]。在区域尺度上, 学者分别对东北亚地区[12]、内蒙古草原[13]、三江源区[14]、青藏高原[15]、西南地区[16-17]等地区进行了综合研究, 包括区内植被NPP的时空格局、变化规律以及其与气候的相关性等内容。

横断山区位于青藏高原东南缘, 横跨我国西南一、二、三级地形阶梯, 拥有世界唯一满足4个条件的“三江并流”自然遗产, 不仅是我国长江上游重要的生态屏障区 (青藏高原生态屏障和黄土高原—川滇生态屏障), 还是我国珍惜濒危动植物的避难所和世界生物物种最丰富的地区之一, 对周边区域乃至我国中西部地区气候和生态环境有着深刻的影响[18-21]。目前针对横断山区植被NPP的相关研究还相对较少, 作为表征气候变化和植被活动、判定生态系统健康状况和可持续发展水平的关键因子之一, 植被NPP时空分布、变化规律及其驱动因子的研究, 对该区生态环境评价和保护具有重要的指导意义。

1 研究区概况

本文选取了横断山区核心区内98个区县为研究区, 包括四川西部、云南西北大部以及西藏东南部小部分地区 (图 1), 总面积约450000 km2, 海拔在294—7049 m之间。根据前人的分区研究将研究区划分为横断山区北部、中部和南部[19-27]。整体上, 研究区地势由西北向东南倾斜, 以高山峡谷为主, 山脉与河流南北纵贯, 相间并列, 地形起伏较大。横断山区北部和中部地形急剧上升, 大部分海拔超过4000 m, 而南部地区多在3000 m以下。区内植被种类繁多[21-25], 植被类型包括针叶林、针阔叶混交林、阔叶林、灌丛、草原、草丛、草甸、沼泽、高山植被和栽培植被等, 其中, 灌丛、针叶林、草甸占大部分 (面积占比达76%)。该地区主要受西风环流和季风系统 (印度洋的西南季风和西太平洋的东南季风) 控制, 气候垂向分带明显, 从山脚到山顶往往具有热带、亚热带、温带与高山寒带等气候类型[25-29], 且由于纵向岭-谷形成的南北通道-东西阻隔的作用, 在同一纬度垂直带谱上, 该地区的山体东、西坡又具有不同的基带和带谱结构特征[26-28]。另外加上局部山地效应[28-30], 使得对该区气候、生态环境的相关研究变得异常复杂。

图 1 横断山区地形及气象站点分布图 Fig. 1 The terrain and meteorological stations of Hengduan mountain area
2 数据来源与研究方法 2.1 数据来源 2.1.1 NPP数据

本文NPP数据来源于美国陆地过程分布式数据档案中心 (Land Processes Distributed Active Archive Center, LPDAAC) 最新的MODIS (Moderate Resolution Imaging Spectroradiometer) C6的MOD17A3数据产品 (https://lpdaac.usgs.gov/)。该数据相对于MODIS C5数据, 不仅将空间分辨率提高到了500 m, 还在一定程度上消除了因卫星传感器老化而造成的数据衰减和失真的问题[31]。有关研究表明, 由Terra MODIS数据衰减而引起的NDVI负趋势率达到了-0.004 a-1。面对某些大范围、长时间、连续变化的科学研究工作, 使用Terra MODIS蓝波段 (Band3) 及其衍生产品时应值得特别注意[32]。本文数据时间跨度为2004—2014年, 空间分辨率为500 m, 时间分辨率为年。该数据产品包含一个数据质量控制文件 (NPP_QC), 其表示了不同地区NPP产品的质量可靠性[33-34]。本文根据2004—2014年的NPP_QC数据进行统计分析, 结果表明, 2004—2014年横断山区NPP数据质量中、高等级多年平均可信度达到了98.63%(反演失败的地区主要集中在贡嘎山、洱海等冰川和水域等非陆地生态区)。这对于地势横跨三级阶梯、地形复杂、起伏大的横断山区来说, 数据整体上质量较好。本文舍弃了那些可信度低及反演失败的像元点, 以突出该地区11a来植被NPP变化特征与规律, 最后利用MODIS重投影工具 (MODIS Reprojection Tool, MRT) 对数据进行镶嵌、格式转换和重投影等预处理。

2.1.2 气象数据

本文选取了研究区及附近73个地面气象站的2004—2014年逐月平均气温和降水量资料(图 1)。该气象数据来源于中国气象科学数据共享服务网(http://ede.ema.gov.cn).参考季节划分相关研究[26-29], 将5—10月划分为雨季 (季风期), 11月—翌年4月为干季 (非季风期)。由于横断山区雨季降水量占全年降水的绝大多数[25-26], 本文选取雨季的平均气温和降水量作为气候因子, 采用样条函数法对该区域内气象数据进行空间插值处理[26]

2.1.3 植被类型数据

植被类型数据采用全国1:100万植被类型图, 数据来源于中国科学院资源环境科学数据中心 (http://www.resdc.cn)。以植被大类为分类基准进行归并处理, 然后将数据进行投影、矢栅转换等处理, 最后重采样为空间分辨率为500m栅格数据。

2.1.4 地形数据

地形数据采用SRTM90m DEM产品, 数据来源于中国科学院计算机网络信息中心科学数据中心的“地理空间数据云平台”(http://www.gscloud.cn)。同样, 对高程数据进行了投影转换、重采样等处理, 最后统一为500m空间分辨率。

2.2 研究方法 2.2.1 趋势分析

基于像元对多年NPP数据计算其平均值, 得到研究区多年平均NPP的空间分布图, 其计算公式 (1) 如下:

(1)

式中, n为年数 (时间序列为2004—2014, 即n=11);nppi为某一像元点第i年的NPP值;npp为某像元多年NPP平均值。

针对时间序列的NPP数据, 其绝对年际变化率采用基于像元的一元线性回归分析方法, 其计算公式 (2):

(2)

式中, n为年数 (时间序列为2004—2014, 即n=11);nppi为某一像元点第i年的NPP值;θslope则为该像元在该时间段内NPP年际变化的一元线性回归方程的斜率, 反映的是某一时间段内总的变化趋势。θslope>0表明变化趋势是增加, 反之则是减少, 当|θslope|≈0时说明NPP没有变化。该公式已广泛用于植被指数和NPP的时间序列分析, 具有很好的稳定性和置信度[35-36]

2.2.2 相关性分析

偏相关分析是在消除其他变量影响的前提下计算某两个变量之间的相关性[37]。本文利用基于像元的偏相关分析法分别研究了气温和降水量对植被NPP变化的影响, 线性相关系数的计算公式 (3):

(3)

式中, Rxyx, y两变量的线性相关系数;xiyi分别为xy两变量第i年的值;xy分别表示两变量n年的平均值;n为样本数。基于线性相关系数的计算结果, 偏相关系数计算公式 (4):

(4)

式中, Rxy, z为自变量z固定后因变量x与自变量y的偏相关系数。偏相关系数的显著性检验采用t检验法完成。其统计量计算公式 (5):

(5)

式中, n为样本数 (时间序列为2004—2014, 即n=11);m为自变量个数。

实际上, 一个要素的变化往往受多个因子的综合作用影响, 而要素间又是相互影响、相互联系的, 上述的单相关分析和偏相关分析都不能反映各要素的综合影响, 所谓的某个变量固定条件是不成立的, 这就需要采用复相关分析方法来解决。复相关的计算公式 (6) 如下:

(6)

式中, Rx, yz表示因变量x和自变量yz的复相关系数;Rxy表示xy的线性相关系数, Rxz, y表示固定自变量y之后因变量x与自变量z的偏相关系数。

本文采用F检验法对复相关系数进行显著性检验, 其统计量计算公式 (7) 如下:

(7)

式中, n为样本数 (时间序列为2004—2014, 即n=11);k为自变量个数。

3 结果与分析 3.1 横断山区植被NPP基本情况

横断山区2004—2014年的植被NPP在整体上呈波动增加趋势(图 2)。植被年NPP总量在183.768—223.239 TgC之间, 多年平均为208.498 TgC;全区年NPP均值在408—496 gC m-2 a-1之间, 多年平均为463 gC m-2 a-1。从2004年183.768 TgC到2014年的202.834 TgC, 平均增速达2.0 TgC/a。有关研究表明[11], 1961—2008期间我国年NPP总量的均值为3.8 PgC/a, 本研究区面积占大陆面积4.7%, 而NPP总量却占到了全国的5.5%, 这反映了同时期横断山区生态系统植被NPP高于全国平均水平。

图 2 横断山区2004—2014年NPP总量和均值统计 Fig. 2 The statistics of annual NPP total and mean value from 2004—2014 in Hengduan mountain area 1TgC = 1012gC, 1PgC = 1015gC

由横断山区2004—2014植被NPP的多年平均空间分布 (图 3) 可知, 整体上植被NPP呈北西向的减少趋势, 具体表现为:① 横断山区北部地区, 植被NPP由东向西逐渐减小(在250—400 gC m-2 a-1之间), 其低值区在江达、松潘等地;而高值分布在九寨沟县, 介于400—950 gC m-2 a-1之间。② 横断山区中部地区, NPP平均值由东南向西北逐渐减小, 低值区在藏东察雅县、贡觉县, 川西的炉霍县、稻城县以及沙鲁里山4000 m以上高海拔地区, 其NPP值在250—400 gC m-2 a-1之间;高值在川西石棉县、冕宁县等地, 其NPP值在400—950 gC m-2 a-1之间。③ 横断山区南部地区, 植被NPP平均值整体上相对较高, NPP平均值在700 gC m-2 a-1以上, 但局部差异明显, 高值在西南部, 其NPP值大部分在800 gC m-2 a-1以上, 云南漾濞、大理等地区超过950 gC m-2 a-1;低值在贡山等高海拔地区, 介于250—550 gC m-2 a-1之间;而在西昌、攀枝花和云南东川、会泽、永仁、元谋等地区, 其NPP值在400—700 gC m-2 a-1之间。此外, 在横断山区南部的高山峡谷地区, NPP明显呈南北向带状分布, 同时分布带之间又有差异。在西面独龙江、怒江、澜沧江峡谷及山脉地区, 峡谷地区高于山脉顶部, 且在由东向西、由南向北方向上呈现明显减少趋势;局部上从谷底到山岭呈现先增加后减少趋势, 在中部金沙江流域河流谷底的NPP比较低, 向河岸山脉先增加后减小, 而在东部大渡河峡谷、雅砻江峡谷地区则河流谷底高, 逐渐向山岭减小。

图 3 横断山区2004—2014年NPP平均空间分布和年际变化斜率分布格局 Fig. 3 he spatial distribution of mean NPP and spatial pattern of NPP absolute annual variability in Hengduan mountain area during 2004—2014
3.2 横断山区植被NPP动态变化

横断山区2004—2014年植被NPP平均值年际变化值θslope介于-53—97 gC m-2 a-1之间 (图 3), NPP增加趋势 (即θslope>0) 区域集中在北部、中部的东侧地区以及南部的东西两侧地区, 其中在云南西北部的怒江峡谷-福贡-泸水一带, 香格里拉县以及绍觉-巧家-会泽等地区增加幅度最大, 其增速在9—40 gC m-2 a-1之间。另外, 金沙江峡谷、雅砻江峡谷地区的NPP增速介于3—9 gC m-2 a-1之间。而NPP呈减少趋势 (即θslope>0) 的区域主要集中在汶川-映秀等地区, 其变化在-3—-9 gC m-2 a-1之间, 攀枝花等局部区域的NPP变化在-9—-53 gC m-2 a-1之间。

研究区涉及针叶林、针阔叶混交林、阔叶林、灌丛等10个植被大类。不同植被类型的NPP年总量差异明显:针叶林>灌丛>草甸>栽培植被>阔叶林>草丛>高山植被>其他类型, 其占比分别为30%、29%、12%、10%、9%、8%、1%和1%。另外, 不同植被类型的NPP均值表现为:草丛 (703 gC m-2 a-1)>栽培植被 (694 gC m-2 a-1)>针阔叶混交林 (590 gC m-2 a-1)>阔叶林 (569 gC m-2 a-1)>针叶林 (564 gC m-2 a-1)>灌丛 (419 gC m-2 a-1)>沼泽 (347 gC m-2 a-1)>草原 (331 gC m-2 a-1)>草甸 (301 gC m-2 a-1)>高山植被 (111 gC m-2 a-1)。由此可见, 在单位时间、单位面积下, 该地区的草丛和栽培植被的固碳能力是最强的, 其次是阔叶林类, 最弱的为高山植被, 这与谷小平[17]和周长海[38]对该地区的研究结论基本一致。

通过横断山区2004—2014年不同植被类型NPP平均值变化曲线 (图 4) 进一步分析可知:① 整体上, 区域内绝大多数植被类型NPP变化相近, 呈波动增加趋势, 平均上升率为4.07 gC m-2 a-1;但草原植被类型呈略微下降趋势, 平均下降率为-0.46 gC m-2 a-1。② 不同植被生态系统的年NPP平均值梯度分异明显, 大致分为5个区间:最高是草丛和栽培植被生态系统 (>640 gC m-2 a-1), 其次是乔木生态系统 (490—630 gC m-2 a-1), 再次是灌木生态系统 (360 —460 gC m-2 a-1), 再次是草原草甸类生态系统 (250—390 gC m-2 a-1), 最低是高山植被生态系统 (80—130 gC m-2 a-1)。③ 该地区不同植被类型NPP年际变化幅度不同, 其中阔叶林、针阔混交林和草原变化幅度相对较大。

图 4 横断山区2004—2014年不同植被类型NPP平均值动态变化 Fig. 4 Dynamic Change of different vegetation types mean NPP in Hengduan mountain area during 2004—2014
3.3 NPP与气温、降水量相关分析

横断山区降水量存在明显的季节性分配, 雨季 (5—10月) 降水量占绝大部分 (80%—90%以上)[21, 23, 26]。近50a来, 气温呈上升趋势, 2000—2008时段年均气温比多年均值 (1960—2008) 高0.46℃, 雨季 (5—10月) 气温和降水量的变化倾向率分别为0.117 ℃/(10a) 和6.01 mm/(10a), 而最明显的是雨季降水在2000年以后明显降低[26]。横断山区 (北部、中部、南部) 及附近73个地面气象站雨季的平均气温和累积降水量统计分析, 结果表明:① 横断山区2004—2014年平均气温在15.03—16.21 ℃之间, 多年平均为15.87 ℃;累积降水量在580.13—744.22 mm之间, 多年平均为691.31 mm。整体上, 研究区中部、南部气温呈上升趋势, 北部气温呈下降趋势, 而整区降水量变化不明显。② 该地区因纬度跨度、海拔等因素, 南北气候变化差异大。由横断山区雨季的气温和降水量变化趋势曲线 (图 5) 所示, 南部气温逐渐上升, 但降水量有所减少, 趋势变化率分别为0.051 ℃/a、-4.344 mm/a;中部气温变化不明显, 降水量增加明显, 趋势变化率分别为0.018 ℃/a、5.593 mm/a;而横断山区北部的气温下降明显, 但降水量在逐渐增加, 趋势变化率分别为-0.059 ℃/a与5.280 mm/a。

图 5 横断山区北部、中部、南部2004—2014年的雨季平均气温和累积降水量动态变化 Fig. 5 Dynamic change of the rainy season's mean temperatures and accumulated precipitation in Hengduan mountain area's different part during 2004—2014 (ⅰ):横断山区南部south part of Hengduan mountain area; (ⅱ):横断山区中部middle part of Hengduan mountain area; (ⅲ):横断山区北部north part of Hengduan mountain area

由植被NPP与气温偏相关性的空间分布特征 (图 6) 可知, 植被NPP年均值与雨季气温的相关系数介于-0.91—0.98之间, 正、负相关的区域分别占研究区面积的78.39%、21.61%。呈正相关区域主要集中在北部的红原县、中部的沙鲁里山周围以及南部澜沧江德钦—迪庆、贡山—维西一带;负相关主要分布在北部的松潘地区、中南部的沙鲁里山和贡嘎山附近以及南部的攀枝花地区。由t检验可知, 有2.98%的区域通过了P<0.01水平的显著性检验(在中部的沙鲁里山和大雪山地区)。

图 6 横断山区2004—2014年植被NPP与气温、降水的偏相关系数空间分布 Fig. 6 patial distribution of partial correlations between annual NPP and temperature, as well as precipitation in Hengduan mountain area during 2004—2014

植被NPP与降水量的偏相关性分析 (图 6) 显示, 植被年NPP均值与雨季降水量在-0.98—0.93之间, 正、负相关的区域分别占研究区面积的27.06%、72.94%, 正相关区域主要集中在北部的阿坝县、中部东缘茂县至泸定一带) 以及南部的东西两侧;而负相关区域主要分布在中部的沙鲁里山和大雪山等地。研究区有4.68%的区域通过了P<0.01水平的t显著性检验, 分布在中部的炉霍-道孚至沙鲁里山地区。另外, NPP与气温、降水的偏关系数在东北部 (特别是阿坝、红原地区) 存在正负相关性互补现象, 而中部的云岭-沙鲁里山以及南部大部分地区的NPP分别与气温、降水的偏关系数一致。整体而言, 横断山区2004—2014年植被NPP与气温、降水的偏相关系数的平均值分别为0.230、-0.225, 植被NPP与气温呈正相关性、与降水量呈负相关性的特征明显。

由植被年NPP均值与平均气温和降水量的复相关分析可知 (图 7), NPP与雨季气候因子 (平均气温、累积降水) 的复相关系数在0—0.98之间。整体而言, 植被NPP与气候因子的复相关性较强的区域主要集中在横断山区中部, 特别是中部的云岭—沙鲁里山—大雪山一带。复相关性较弱的区域分布在北部的阿坝县、黑水县, 中部东缘的得荣县、泸定县、石棉县以及东南部广大地区。通过分析, 植被NPP与气候因子复相关性的地区差异很可能与海拔、植被类型有关。横断山区南北海拔差异大, 中部、北部处于高海拔地区 (>4000 m), 南部大部分地区海拔在3000 m以下, 根据有关研究, 同纬度不同海拔气温变化敏感性有差异, 高海拔地区对气温变化敏感度高于同纬度的低海拔地区[26]。另外, 横断山区中部、北部植被类型以草甸和高山植被, 南部地区植被以针叶林、灌丛以及栽培植被为主, 草甸和高山植被对气温、降水的敏感性要高于其他森林植被[39]

图 7 横断山区2004—2014年NPP与气温-降水的复相关分布和NPP变化驱动力分区 Fig. 7 Spatial distribution of multiple correlation between annual NPP and temperature-precipitation and NPP change regions driven by different factors from 2004—2014 in Hengduan mountain area [T+P]+:气温、降水强驱动Change driven by temperature and precipitation strongly; T:气温为主驱动Change driven by temperature mainly; P:降水为主驱动Change driven by precipitation mainly; [T+P]-:气温降水弱驱动Change driven by temperature and precipitation weakly; NC:非气候驱动Change driven by non-climate
3.4 PP变化驱动分区

植被NPP的动态变化主要受气候和人类活动影响[40-41]。其中, 气候变化特别是降水和温度的变化, 对陆地植被的生长具有重要的影响[42-43]。本文参考国内外众多学者研究[44-46], 参照植被覆盖变化驱动分区的原则[47]并进行适当修正 (表 2), 对横断山区植被NPP变化进行驱动分区研究。

表 2 NPP变化驱动力分区准则 Table2 The regionalization rules the driving factors for dynamic change of NPP
NPP变化驱动因子
NPP changes driving factors
分区准则Rules
R1R2R3
气候因子Climate factors[T+P]+|t|>tɑ=0.01|t|>tɑ=0.01F>Fɑ=0.05
T|t|>tɑ=0.01F>Fɑ=0.05
P|t|>tɑ=0.01F>Fɑ=0.05
[T+P]-|t|≤tɑ=0.01|t|≤tɑ=0.01F>Fɑ=0.05
非气候因子Non-climate factorsNCF≤Fɑ=0.05
R1: NPP与气温偏相关的t显著性检验T-Test significance of the partial correlations between NPP and temperature; R2: NPP与降水偏相关的t显著性检验T-Test significance of the partial correlations between NPP and precipitation; R3:NPP与气温、降水复相关的F显著性检验F-Test significance of the multiple correlations between NPP and temperature-precipitation; [T+P]+:气温、降水强驱动Change driven by temperature and precipitation strongly; T:气温为主驱动Change driven by temperature mainly; P:降水为主驱动Change driven by precipitation mainly; [T+P]-:气温降水弱驱动Change driven by temperature and precipitation weakly; NC:非气候驱动Change driven by non-climate

由横断山区NPP变化驱动分区图 (图 7) 可得出:① 2004—2014年植被NPP变化受气温、降雨强驱动的区域主要集中在横断山区中部的炉霍县、道孚县, 面积约占研究区面积的0.82%;② 以气温为主要驱动因素的区域约占研究区面积的2.29%, 分布在中部的炉霍—道孚—雅江—康定一带;③ 有3.20%区域以降雨为主要驱动因素, 主要集中在中部的沙鲁里山地区;④ 以气温、降雨为弱驱动因素的区域面积占研究区面积的2.11%, 大致分布在中部的巴塘、丹巴、金川以及南部的泸水—云龙地区;⑤ 剩余地区 (除去冰川/积雪、湖泊) 属于非气候因素驱动的区域, 包括北部的阿坝县以及东缘、南部地势较平缓的地区。整体上, 横断山区植被NPP大部分地区受非气候因素的影响。

4 讨论与结论 4.1 讨论

刘思瑶[48]等利用CASA模型对四川地区2000—2011年植被NPP进行了模拟估算, 得到多年平均为303.27 gC m-2 a-1, 变化范围在285—340 gC m-2 a-1之间, 与本文所得四川地区部分的NPP整体接近。董丹[49]等对西南喀斯特地区植被NPP进行了模拟, 结果与本文相同地区的NPP空间分布基本一致。

2003年Terra卫星因设备故障问题引成了MODIS蓝波段 (Band3) 数据较大失真, 这给直接采用这一波段数据及其衍生产品的相关研究带来一定程度的影响, 而LPDAAC于2014年4月陆续发布了一套经过系列纠正处理的MODIS C6数据产品, 在质量上得到了提高[31-32, 34]。本文分别对横断山区2004—2014年不同来源MODDIS C5与C6产品的NPP数据进行了比较 (图 8)。结果表明, C5与C6数据之间存在明显差异, 主要表现在:① 数据质量统计结果存在差异, C6数据的数据质量中、高等级 (NPP_QC<64) 累积百分比高于C5数据;② 两种数据同一研究区内NPP年总量存在着差异, 整体上, 相比C6数据产品, C5结果偏大, 但空间格局基本一致。

图 8 横断山区2004—2014年不同数据来源和数据集年NPP总量曲线对比 Fig. 8 The curve' compairation of total annual NPP with different data source and collection in Hengduan mountain area during 2004—2014 Terra-C5-NTSG: Terra卫星的MODIS C5数据, 经过美国蒙大拿大学NTSG矫正后发布MODIS C5 data of the Terra satellite, it was recalibrated and distributed by NTSG; Terra-C5-LPDAAC:Terra卫星的MODIS C5数据, 由LPDAAC发布MODIS C5 data of the Terra satellite, it was calibrated and distributed by LPDAAC; Terra-C6-LPDAAC: Terra卫星的MODIS C6数据, 由LPDAAC发布MODIS C6 data of the Terra satellite, it was calibrated and distributed by LPDAAC
4.2 结论

本文基于MODIS C6的NPP数据、植被类型数据、气象数据以及地形数据, 对2004—2014年横断山区植被NPP的时空格局、变化规律及其驱动因子进行了分析研究, 得到如下结论:

(1) 横断山区2004—2014年植被NPP在整体上呈波动增加趋势, 全区年NPP总量在183.768—223.239 TgC之间, 多年均值为208.498 TgC;年NPP均值介于408—496 gC m-2 a-1之间, 多年均值为463 gC m-2 a-1;北部、中部、南部植被NPP总量 (均值) 的多年平均值分别为27.562 TgC (306 gC m-2 a-1), 64.448 TgC (353 gC m-2 a-1), 116.486 TgC (671 gC m-2 a-1)。

(2) 不同植被生态系统的年NPP均值梯度明显:最高梯度为草丛和栽培植被生态系统 (>640 gC m-2 a-1), 其次是乔木生态系统 (490—630 gC m-2 a-1), 再次是灌木生态系统(360—460 gC m-2 a-1), 再次为草原草甸生态系统 (250—390 gC m-2 a-1), 最低为高山植被生态系统 (80 —130 gC m-2 a-1)。

(3) 横断山区植被NPP年际变化值θslope在-53—97 gC m-2 a-1之间, 局部差异明显。NPP增加趋势 (即θslope>0) 的区域集中在北部、中部的东侧以及南部的东西两侧地区。而NPP呈减少趋势 (即θslope<0) 的区域主要集中在北部的西北部, 中部的汶川-映秀以及南部的攀枝花等地。

(4) 横断山区植被NPP变化受气候因子影响的区域占比8.42%(气温和降水叠加影响0.82%、气温为主2.29%、降水为主3.20%、气温和降水共同影响2.11%), 主要分布在中部大雪山-沙鲁里山地区;非气候因子 (包括人类活动、自然灾害等) 占比91.58%, 主要位于北部的阿坝地区以及南部低海拔的广大地区。

致谢: 成都理工大学彭培好教授帮助写作, 特此致谢。
参考文献
[1] Lieth H, Whittaker R H. Primary Productivity of the Biosphere. New York: Springer, 1975.
[2] 周广胜, 张新时. 自然植被净第一性生产力模型初探. 植物生态学报, 1995, 19(3): 193–200.
[3] Field C B, Behrenfeld M J, Randerson J T, Falkowski P. Primary production of the biosphere: integrating terrestrial and oceanic complements. Science, 1998, 281(5374): 237–240. DOI:10.1126/science.281.5374.237
[4] 何云玲, 张一平. 云南省自然植被净初级生产力的时空分布特征. 山地学报, 2006, 24(2): 193–201.
[5] Lieth H. Modeling the primary productivity of the world. Nature and Resources, 1972, 8(2): 5–10.
[6] Bonan G B. Land-atmosphere CO2 exchange simulated by a land surface process model coupled to an atmospheric general circulation model. Journal of Geophysical Research, 1995, 100(D20): 2817–2831.
[7] Potter C S, Randerson J T, Field C B, Matson P A, Vitousek P M, Mooney H A, Klooster S A. Terrestrial ecosystem production: a process model based on global satellite and surface data. Global Biogeochemical Cycle, 1993, 7(4): 811–841. DOI:10.1029/93GB02725
[8] 孙睿, 朱启疆. 中国陆地植被净第一性生产力及季节变化研究. 地理学报, 2000, 55(1): 36–45. DOI:10.11821/xb200001004
[9] 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. 植物生态学报, 2001, 25(5): 603–608.
[10] 朱文泉, 潘耀忠, 张锦水. 中国陆地植被净初级生产力遥感估算. 植物生态学报, 2007, 31(3): 413–424.
[11] 陈福军, 沈彦俊, 李倩, 郭英, 徐丽梅. 中国陆地生态系统近30年NPP时空变化研究. 地理科学, 2011, 31(11): 1410–1414. DOI:10.11820/dlkxjz.2011.11.011
[12] 毛德华, 王宗明, 韩佶兴, 任春颖. 1982-2010年中国东北地区植被NPP时空格局及驱动因子分析. 地理科学, 2012, 32(9): 1106–1111.
[13] 穆少杰, 李建龙, 周伟, 杨红飞, 章超斌, 居为民. 2001-2010年内蒙古植被净初级生产力的时空格局及其与气候的关系. 生态学报, 2013, 33(12): 3753–3764.
[14] 徐浩杰, 杨太保. 黄河源区植被净初级生产力时空变化特征及其对气候要素的响应. 资源科学, 2013, 35(10): 2024–2031.
[15] 陈卓奇, 邵全琴, 刘纪远, 王军邦. 基于MODIS的青藏高原植被净初级生产力研究. 中国科学:地球科学, 2012, 42(3): 402–410.
[16] 卢玲, 李新, VeroustraeteF. 中国西部地区植被净初级生产力的时空格局. 生态学报, 2005, 25(5): 1026–1032.
[17] 谷小平, 黄玫, 季劲钧, 吴战平. 近20年气候变化对西南地区植被净初级生产力的影响. 自然资源学报, 2007, 22(2): 251–259. DOI:10.11849/zrzyxb.2007.02.012
[18] 姚永慧, 张百平, 韩芳, 庞宇. 横断山区垂直带谱的分布模式与坡向效应. 山地学报, 2010, 28(1): 11–20.
[19] 李吉均. 青藏高原的地貌轮廓及形成机制. 山地研究, 1983, 1(1): 7–15.
[20] 严德一. 横断山脉. 地理知识, 1956(3): 103–103.
[21] 郑度, 杨勤业. 横断山区自然区划若干问题. 山地研究, 1987, 5(1): 7–13.
[22] 李炳元. 横断山脉范围探讨. 山地研究, 1987, 5(2): 74–82.
[23] 杨勤业, 郑度. 横断山区综合自然区划纲要. 山地研究, 1989, 7(1): 56–64.
[24] 刘伦辉, 余有德, 张建华. 横断山地区植被分布规律的探讨. 云南植物研究, 1985, 7(3): 323–335.
[25] 李鼎甲. 横断山区植物区系的基本特点. 山地研究, 1988, 6(3): 148–152.
[26] 李宗省, 何元庆, 辛惠娟, 王春凤, 贾文雄, 张蔚, 刘婧. 我国横断山区1960-2008年气温和降水时空变化特征. 地理学报, 2010, 65(5): 563–579. DOI:10.11821/xb201005006
[27] 姚永慧, 张百平, 韩芳. 基于Modis地表温度的横断山区气温估算及其时空规律分析. 地理学报, 2011, 66(7): 917–927. DOI:10.11821/xb201107005
[28] 朱国锋, 蒲焘, 何元庆, 张涛, 杜建括, 辛惠娟, 牛贺文. 横断山区土壤相对湿度时空分异. 地理科学, 2012, 32(7): 872–877.
[29] 张涛, 李宝林, 何元庆, 杜建括, 牛贺文, 辛惠娟. 基于TRMM订正数据的横断山区降水时空分布特征. 自然资源学报, 2015, 30(2): 260–270. DOI:10.11849/zrzyxb.2015.02.009
[30] 文传甲. 横断山区地形对水热条件的影响. 山地研究, 1989, 7(1): 65–73.
[31] Lyapustin A, Wang Y, Xiong X, Meister G, Platnick S, Levy R, Franz B, Korkin S, Hilker T, Tucker J, Hall F, Sellers P, Wu A, Angal A. Scientific impact of MODIS C5 calibration degradation and C6+ improvements. Atmospheric Measurement Techniques, 2014, 7(12): 4353–4365. DOI:10.5194/amt-7-4353-2014
[32] Wang D D, Morton D, Masek J, Wu A S, Nagol J, Xiong X X, Levy R, Vermote E, Wolfe R. Impact of sensor degradation on the MODIS NDVI time series. Remote Sensing of Environment, 2012, 119: 55–61. DOI:10.1016/j.rse.2011.12.001
[33] Heinsch F A, Reeves M, Votava P, Kang S, Milesi C, Zhao M, Glassy J, Jolly W M, Loehman R, Bowker C F, Kimball J S, Nemani R R, Running S W. User's Guide: GPP and NPP (MOD17A2/A3) Products NASA MODIS Land Algorithm, Version 2.0. Missoula: The University of Montana, 2003: 31-33.
[34] Running S W, Zhao M S. User's Guide Daily GPP and Annual NPP (MOD17A2/A3) Products NASA Earth Observing System MODIS Land Algorithm Version 3.0. South Dakota: Land Processes Distributed Active Archive Center, 2015: 9-14.
[35] 孙庆龄, 冯险峰, 肖潇. 武陵山区植被净第一性生产力的时空格局及其与地形因子的关系. 地球信息科学学报, 2014, 16(6): 915–924.
[36] 孟丹, 李小娟, 宫辉力, 屈益挺. 京津冀地区NDVI变化及气候因子驱动分析. 地球信息科学学报, 2015, 17(8): 1001–1008.
[37] 穆少杰, 李建龙, 陈奕兆, 刚成诚, 周伟, 居为民. 2001-2010年内蒙古植被覆盖度时空变化特征. 地理学报, 2012, 67(9): 1255–1268. DOI:10.11821/xb201209010
[38] 周长海, 吴绍洪, 戴尔阜, 郝成元, 潘韬. 纵向岭谷区水汽通道作用及植被生产力响应. 科学通报, 2006, 51(增刊): 81–89.
[39] 李晓兵, 史培军. 中国典型植被类型NDVI动态变化与气温、降水变化的敏感性分析. 植物生态学报, 2000, 24(3): 379–382.
[40] Gao Q Z, Li Y, Wan Y F, Qin X B, Jiangcun W Z, Liu Y H. Dynamics of alpine grassland NPP and its response to climate change in Northern Tibet. Climate Change, 2009, 97(3/4): 515–528.
[41] 李传华, 赵军. 2000-2010年石羊河流域NPP时空变化及驱动因子. 生态学杂志, 2013, 32(3): 712–718.
[42] 方精云, 朴世龙, 贺金生, 马文红. 近20年来中国植被活动在增强. 中国科学 (C辑), 2003, 33(6): 554–565.
[43] 李月臣, 宫鹏, 刘春霞, 陈晋, 于德永. 北方13省1982年-1999年植被变化及其与气候因子的关系. 资源科学, 2006, 28(2): 109–117.
[44] 高志强, 刘纪远, 曹明奎, 李克让, 陶波. 土地利用和气候变化对区域净初级生产力的影响. 地理学报, 2004, 59(4): 581–591. DOI:10.11821/xb200404012
[45] Mohamed M A A, Babiker I S, Chen Z M, Ikeda K, Ohta K, Kato K. The role of climate variability in the inter-annual variation of terrestrial net primary production (NPP). Science of the Total Environment, 2004, 332(1/3): 123–137.
[46] 刘军会, 高吉喜. 气候和土地利用变化对北方农牧交错带植被NPP变化的影响. 资源科学, 2009, 31(3): 493–500.
[47] 陈云浩, 李晓兵, 史培军. 1983-1992年中国陆地NDVI变化的气候因子驱动分析. 植物生态学报, 2001, 25(6): 716–720.
[48] 刘思瑶, 卢涛, 唐斌, 吴彦, 吴宁. 基于CASA模型的四川植被净初级生产力及其时空格局分析. 四川农业大学学报, 2013, 31(3): 269–276.
[49] 董丹, 倪建. 利用CASA模型模拟西南喀斯特植被净第一性生产力. 生态学报, 2011, 31(7): 1855–1866.