生态学报  2020, Vol. 40 Issue (18): 6573-6583

文章信息

钱拴, 延昊, 吴门新, 曹云, 徐玲玲, 程路
QIAN Shuan, YAN Hao, WU Menxin, CAO Yun, XU Lingling, CHENG Lu
植被综合生态质量时空变化动态监测评价模型
Dynamic monitoring and evaluation model for spatio-temporal change of comprehensive ecological quality of vegetation
生态学报. 2020, 40(18): 6573-6583
Acta Ecologica Sinica. 2020, 40(18): 6573-6583
http://dx.doi.org/10.5846/stxb201906041188

文章历史

收稿日期: 2019-06-04
网络出版日期: 2020-07-13
植被综合生态质量时空变化动态监测评价模型
钱拴 , 延昊 , 吴门新 , 曹云 , 徐玲玲 , 程路     
国家气象中心, 北京 100081
摘要: 为了能掌握全国植被综合生态质量的高低及其时空变化,构建了既能反映植被生产力又能反映植被覆盖度的植被综合生态质量指数,建立了植被综合生态质量指数年际对比和多年变化趋势评价模型。利用构建的指数和评价模型,以2017年作为监测评价的当年,以2000-2017年作为评价的多年时段,对全国植被综合生态质量时空变化进行了监测评价。结果表明:(1)2017年全国大部地区植被综合生态质量指数高于2000-2016年多年平均值,生态质量偏好;2017年福建、广西、海南、广东、云南植被综合生态质量位居全国前五位,构建的植被综合生态质量指数及其年际对比模型可以定量反映全国植被综合生态质量的空间差异和年际差异。(2)全国有90.7%的区域2000-2017年植被综合生态质量指数呈提高趋势,东北地区西部、内蒙古东部、华北大部、西北地区东部、西南地区东部、华南西部等地生态质量指数提升明显,构建的植被综合生态质量指数多年变化趋势评价模型可以定量反映植被生态质量的多年变化趋势和幅度。(3)南方大部地区2000-2017年平均年植被综合生态质量指数在50.0以上,北方大部地区在50.0以下;我国中东部大部地区在20.0以上,西部大部地区在20.0以下,表明南方大部地区年植被生态质量好于北方、中东大部好于西部。可见,构建的植被综合生态质量指数及其年际对比和多年变化趋势评价模型,能够监测评价当年和多年全国植被综合生态质量的时空变化,可为掌握全国植被生态质量动态提供模型和方法。
关键词: 植被综合生态质量指数    净初级生产力    覆盖度    时空变化    监测评价    
Dynamic monitoring and evaluation model for spatio-temporal change of comprehensive ecological quality of vegetation
QIAN Shuan , YAN Hao , WU Menxin , CAO Yun , XU Lingling , CHENG Lu     
National Meteorological Center, Beijing 100081, China
Abstract: In order to get the information of the comprehensive ecological quality of vegetation in China and its spatio-temporal change, a comprehensive ecological quality index of vegetation, which can reflect both vegetation productivity and vegetation coverage was constructed. The evaluation models for the inter-annual comparison of comprehensive ecological quality of vegetation and multi-year change trend were established. Based on the constructed index and evaluation models, 2017 is used as the current year, and 2000-2017 is used as multi-year to monitor and evaluate the temporal and spatial changes of the comprehensive ecological quality index of vegetation in China. The results showed that: (1) for the most areas of China, the comprehensive ecological quality of vegetation in 2017 was higher than that of the mean annual value from 2000 to 2016, and the ecological quality was better. In 2017, Fujian, Guangxi, Hainan, Guangdong and Yunnan ranked among the top five in terms of the comprehensive ecological quality of vegetation. The constructed comprehensive ecological quality index of vegetation and inter-annual comparison model could reflect the inter-annual and spatial differences of vegetation ecological quality quantitatively in China. (2) The comprehensive ecological quality index of vegetation in 90.7% of the regions in China was on the rise from 2000 to 2017. The ecological quality index of the western part of Northeast China, the east of Inner Mongolia, most of North China, the east of Northwest region, the east of Southwest region, and the western part of South China has improved obviously. The evaluation model of ecological quality multi-year change trend of vegetation can quantitatively reflect the multi-year change trend and amplitude of vegetation ecological quality. (3) The mean annual value of the comprehensive ecological quality index of vegetation from 2000 to 2017 was above 50.0 in most areas of the southern China, and below 50.0 in most areas of the northern China, and above 20.0 in most areas of the middle and eastern China, and below 20.0 in most areas of the western China. These indicated that the annual comprehensive ecological quality of vegetation in most areas of the southern China was better than that in the north, better in most areas of the middle and eastern China than that in the west. It can be seen that the comprehensive ecological quality index of vegetation and the evaluation models of inter-annual comparison and multi-year change trend can monitor and evaluate the temporal and spatial changes of the comprehensive ecological quality of vegetation in the current year and many years in China. The results of this research can provide models and methods for getting the dynamics of the comprehensive ecological quality of vegetation in China.
Key Words: comprehensive ecological quality index of vegetation    net primary productivity    vegetation coverage    temporal and spatial change    monitoring and evaluating    

受气候条件的影响, 植被生长状况每年差异很大[1-13], 及时监测评价植被生态质量可为生态文明建设提供重要信息。植被净初级生产力(Net Primary Productivity, NPP)和覆盖度为反映陆地生态系统服务功能的两个最基本特征量, 也是反映植物群落生长茂盛程度、植被生态质量的两个关键特征量。全球变化研究十分关注此两个变量, 国内外广泛研究了其估测的方法[2-6, 8, 11-27]。特别是随着遥感技术应用水平的不断提高, 植被NPP从站点测定发展到大范围甚至全球尺度的模型估算, 其中利用气象卫星遥感资料和地面气象观测资料估算植被NPP已成为获取大范围植被NPP的主要方法之一[2-6, 14-16]。目前估测植被覆盖度的方法也很多[11-13, 20-27], 其中利用EOS/MODIS月NDVI合成数据估测植被覆盖度已成为获取大范围地表植被覆盖状况的重要方法[11-13, 20, 25]。但是, 目前国内外对植被NPP和覆盖度的研究基本还处于单独估算方法的研究和应用状态, 很少看到基于二者估测植被整体生态质量的模型和方法。

实际上, 一地植被生长的茂盛程度和植被生态质量的高低, 不只是用植被生产力或覆盖度中的一个关键特征量表示或反映, 还需要知道一地植被综合生态质量的高低和优劣。在为生态文明建设的服务中发现, 只考核一地植被生产力或覆盖度, 其结果可能不全面, 存在着植被NPP相同、覆盖度不同或覆盖度相同、NPP不同情况下如何评价植被的综合生态质量问题。为此, 本研究的关键不是如何估测植被NPP和覆盖度, 而是基于植被NPP和覆盖度, 通过构建植被综合生态质量指数以及生态质量时空变化监测评价模型, 以定量表达植被综合生态质量的高低以及年际之间对比、多年变化趋势, 为监测评价全国植被生态质量的时空变化提供可实施的模型和方法。

毛留喜[28-29]和钱栓等[30]2006年研究建立了基于植被NPP的生态气象指数(EMD), 为开展生态气象监测评价探索了一个较好的方法, 但是该方法只考虑了植被NPP, 没有考虑植被覆盖度。实际上, 基于植被NPP和覆盖度, 构建植被综合生态质量指数可以综合反映植被在单位面积上的生产能力和面域上的覆盖能力, 因此可以用植被NPP、覆盖度作为反映植被生态质量的两个关键特征量, 通过组合成一个综合指数, 以解决植被NPP相同、覆盖度不同或覆盖度相同、NPP不同情况下如何评价植被综合生态质量的问题, 也可解决植被综合生态质量在时空上的定量对比问题。但是, 长期以来如何把植被NPP和覆盖度有机地组合成一个模型, 定量地计算植被综合生态质量, 监测评价其时空变化一直是个难题。为此, 本研究的主要目的是在利用中国区域EOS/MODIS月NDVI合成数据和逐日地面气象观测资料估算植被NPP、覆盖度的基础上, 研究构建基于植被NPP和覆盖度的植被综合生态质量指数模型, 建立植被生态质量年际对比和多年变化趋势评价模型, 用于监测评价全国植被综合生态质量的时空变化, 以便为掌握全国植被综合生态质量动态提供模型和方法。

1 数据与研究方法 1.1 数据

卫星遥感数据来自美国EOS/MODIS数据库提供的2000—2017年空间分辨率为1 km的MODIS卫星月NDVI合成数据。气象资料来自国家气象信息中心全国所有长序列气象站2000—2017年的逐日平均气温、最低气温、最高气温、降水量、相对湿度、风速、日照时数等数据, 计算其月值, 在ArcGIS支持下采用反距离权重法插值生成1 km×1 km的气象要素网格数据。植被类型、土地利用、海拔高程、土壤质地等基础数据来自国家基础地理信息中心和中国科学院相关研究所, 其中前三者的空间分辨率为1 km, 土壤质地为10 km, 插值成1 km。

1.2 研究方法 1.2.1 月和全年植被NPP估算

利用EOS/MODIS月NDVI合成数据和月地面气象观测资料, 根据植被光能利用原理由陆地生态系统碳通量TEC模型计算月植被NPP[7]

(1)
(2)

式中, NPPij、GPPijRij分别为第i年第j月的植被净初级生产力、总初级生产力和呼吸消耗量(gC m-2-1);εij为第i年第j月的实际光能利用率;FPAR为植被吸收光合有效辐射的比例, 是随植被生长而变化的量, 本文利用逐月NDVI估测逐月FPAR, 可以反映FPAR的逐月变化。PARij为第i年第j月的入射光合有效辐射(MJ m-2-1), 采用世界粮农组织推荐的方法由全国气象站日照时数计算太阳总辐射, 然后根据入射光合有效辐射占太阳总辐射的比例0.48计算PARij

全年陆地植被NPP计算公式:

(3)

式中, NPPi为第i年陆地植被NPP(gC m-2 a-1);NPPij同式(1), 为第i年第j月陆地植被NPP(gC m-2-1);n为第i年的12个月;j为第i年的月序。

1.2.2 月和年植被覆盖度估算

月植被覆盖度通过EOS/MODIS月NDVI合成数据, 根据混合像元分解法计算。像元NDVI值由土壤和植被两部分信息加权平均, NDVI计算公式:

(4)

式中, NDVIij为第i年第j月NDVI合成数据;NDVIv为纯植被像元的NDVI值;NDVIs为纯土壤像元的NDVI值;FVCij为第i年第j月植被覆盖度。

据式(4), 可得第i年第j月植被覆盖度, 计算公式:

(5)

式中, NDVIs同式(4), 为像元为纯土壤时的值, 接近0;NDVIv同式(4), 为像元为纯植被时的值, 接近1。但是, 受多种因素的影响, NDVIs和NDVIv的实际值会发生变化。因此, 在用公式(5)估算植被覆盖度时, 根据经验, 取给定置信区间内NDVI的最小值和最大值分别为NDVIs和NDVIv的值, 许多学者将置信区间设置为0.5%—99.5%和5%—95%[25-27]。本研究, 根据我国植被特点, NDVIs=0.05, NDVIv=0.95, 通过公式(5)计算月植被覆盖度FVCij

式(5)计算的月植被覆盖度反映的是当月地表被绿色植被覆盖的程度。我国南北气候差异大, 北方植被有明显的越冬期, 冬季无森林的地区植被覆盖度一般接近0, 有森林的地区植被覆盖度一般大于0。尽管北方植被一年四季绿色程度变化较大, 但有森林区域的植被覆盖度在同一时间高于无森林区域, FVCij可以反映有森林和无森林区域的植被覆盖变化。因此, 全年地表被绿色植被覆盖的总体状况用12个月的平均植被覆盖度来反映, 计算公式:

(6)

式中, FVCi为第i年全年平均植被覆盖度;FVCij同式(4)和式(5), 为第i年第j月植被覆盖度;n为第i年的12个月;j为第i年的月序。

1.2.3 植被综合生态质量指数的构建及全年值计算

植被NPP和覆盖度是反映陆地生态系统服务功能的两个最基本特征量, 也是反映植被生态质量的两个关键特征量。但是, 无论用植被NPP, 还是用植被覆盖度, 只能反映陆地生态系统服务功能或植被生态质量的一个方面, 即生产能力或覆盖能力。基于植被NPP和覆盖度, 构建的植被综合生态质量指数可反映植被在单位面积上生产能力和覆盖能力的综合能力, 可解决空间上存在的单位面积上植被NPP相同但对地表的覆盖程度不同或植被覆盖度相同但植被NPP不同的问题。为此, 可以把植被NPP、覆盖度看成是反映植被生态质量的两个重要特征量因子, 采用权重加权的方法来综合反映单位面积上植被的综合生态质量。但是, 二者的相加不能是简单的相加, 考虑到植被覆盖度是某一时刻植被覆盖地表面积的百分比, 其值在0—100%之间;而植被NPP是某一时段植被在单位面积生产累积的干物质大小, 其年值一般在0—2000 gC m-2 a-1之间。为了把二者有机地组合成植被生态质量指数模型, 本研究根据植被生长的气候适应性原理, 得到一地最好气候条件下的植被NPP, 作为该地能达到的最高NPP, 则该地当年植被NPP占其当地历史最大NPP的百分比就可以作为当地该年植被NPP的相对值, 反映其相对于最好气候条件下的当年气候条件生产的植被NPP的相对大小, 其值也在0—100%之间。这样, 就可实现基于植被覆盖度和植被NPP的权重相加, 构建一个植被综合生态质量指数模型, 生态质量指数变化在0—100%之间, 以反映一地植被综合生态质量的高低。那么, 全年植被综合生态质量指数则基于年植被覆盖度和年植被NPP计算, 其中植被覆盖度年内各月差异很大, 全年植被覆盖度用全年各月植被覆盖度的平均值反映, 由公式(4)至公式(6)计算;年植被NPP为年内各月植被NPP之和, 由公式(1)至公式(3)计算。

实际上, 影响植被生态质量高低的还有第三个因素, 即植物群落内部结构的合理性, 但是全国或全省范围植物多样性变化的实时获取目前仍是个难题, 所以在无法考虑大范围植物多样性的情况下, 可以基于植被NPP和覆盖度构建植被综合生态质量指数, 来综合反映植被生态质量。为此, 在暂不考虑植物多样性的情况下, 根据植被NPP和覆盖度对一地植被生态质量的重要性, 采用权重加权的方法把二者有机地构成一个综合模型, 则当年基于植被NPP和覆盖度的植被综合生态质量指数计算公式:

(7)

式中, Qi为第i年全年植被综合生态质量指数, 其值在0—100之间;Qi=0, 说明植被覆盖度为0, 植被NPP也为0;Qi=100, 说明植被覆盖度为100%, 植被NPP达历史最高。f1为全年平均植被覆盖度的权重系数(根据区域及其植被类型进行调整, 全国取0.5);FVCi为第i年全年各月植被覆盖度的平均值, 反映年植被覆盖度的平均状况。f2为年植被NPP的权重系数(根据区域及其植被类型进行调整, 全国取0.5);NPPi为第i年全年植被NPP;NPPmax为全年植被NPP的历史最高值, 即当地最好气候条件下的年植被NPP。进行植被综合生态质量空间对比时, NPPmax为该空间区域范围内相应时段最好气候条件下的植被NPP。此处, f1f2之和为1。

1.2.4 植被综合生态质量指数年际对比监测评价模型构建

植被综合生态质量年际之间的对比, 以当年植被综合生态质量指数相对于多年平均值的增减百分率来表示, 以反映当年相对于多年平均状况的差异, 其计算方法见式(8)。

(8)

式中, ΔQi为第i年植被综合生态质量指数相对于多年均值的增减百分率(%);Qi为第i年植被综合生态质量指数;Q为多年植被综合生态质量指数的平均值, 根据实际情况, 在只有第1年至第i-1年的逐年植被综合生态质量指数的情况下, 以第1年至第i-1年的平均值作为反映多年的平均状况。

当年植被综合生态质量相对多年均值优劣的监测评价以ΔQi为判断依据, ΔQi < 0说明当年植被生态质量不如多年平均状况, ΔQi=0说明当年植被生态质量接近多年平均状况, ΔQi>0说明当年植被生态质量好于多年平均状况, ΔQi的绝对值反映了当年植被生态质量相对于多年均值的偏好偏差程度。

生态文明建设也需要知道当年植被综合生态质量与上一年的对比结果, 此时式(8)中的为上一年的植被综合生态质量指数Qi-1, 计算出的ΔQi为当年与上一年植被综合生态质量指数的增减百分率(%)。

1.2.5 植被生态质量变化趋势监测评价模型构建

以植被综合生态质量指数为因变量、年为自变量, 建立一元线性方程, 其中斜率反映植被综合生态质量指数多年变化的趋势和快慢程度, 一元线性方程:

(9)

式中, Qi为关注年限内的第i年植被综合生态质量指数, 同式(7), ti为相应年限内的第i年年号, b为该年限内的植被综合生态质量指数Qiti的倾向率(变化趋势率), 计算公式:

(10)

式中, Qi为第i年植被综合生态质量指数, 同式(7)、(9);n为要评价的年限数, 本研究要评价的年限为2000—2017年, n=18。b>0说明植被综合生态质量指数在此18年期间呈提高趋势;反之, 说明植被综合生态质量指数呈下降趋势;b=0, 说明植被生态质量变化趋势不明显。植被综合生态质量变化的快慢程度以b的绝对值表示, 绝对值越大说明上升或下降的速度越快。

2 结果

2000年以来国家加大了生态保护力度, 随着退耕还林还草、风沙源治理等重点生态保护工程的实施, 实时掌握全国每年植被生态质量与多年、上一年的对比情况, 各省(自治区、直辖市)总体植被生态质量及其在全国的位置, 以及全国植被生态质量总体及空间分布上的多年变化趋势、多年平均状况等都是急需要解答的问题。为此, 通过式(1)至(10), 以2000—2017年为例, 计算了逐年全国植被综合生态质量指数;以2017年作为关注的当年, 以2000—2017年为关注的多年时段, 分别给出监测评价的结果。

2.1 2017年植被综合生态质量指数与多年和上一年的对比 2.1.1 2017年植被综合生态质量指数与多年均值的对比

植被综合生态质量指数与多年均值的对比结果可以给出植被综合生态质量相对于多年均值的高低或优劣, 说明全国植被生态质量好于或差于多年均值的空间分布以及偏差偏好的程度。2017年植被综合生态质量指数与2000—2016年均值的对比结果表明, 全国大部地区2017年植被综合生态质量高于2000—2016年的平均状况;但内蒙古中部偏北地区和东部偏西地区、辽宁西部和南部、青海中部和东部、江苏中部等少部分地区植被生态质量指数比2000—2016年均值偏低, 生态质量偏差, 其中偏差幅度最大的出现在内蒙古呼伦贝尔市中西部、锡林郭勒盟北部和西部、乌兰察布市中北部等地(图 1)。

图 1 2017年全国植被综合生态质量指数与2000—2016年均值增减百分率 Fig. 1 Increase and decrease percentage of comprehensive ecological quality Index of vegetation in 2017 compared with the mean annual value from 2000 to 2016 in China
2.1.2 2017年植被综合生态质量指数与上一年的对比

2017年全国植被综合生态质量指数与2016年的对比结果表明, 全国大部地区植被综合生态质量指数高于2016年, 生态质量持平偏好或明显偏好。其中, 东北地区中北部、内蒙古东部、西北地区东部、新疆南部和东北部、青藏高原大部、黄淮大部、江汉东部和北部等地植被生态质量指数较2016年高3%以上, 生态质量明显偏好;东北地区南部、内蒙古中西部、华北东部、江淮北部、新疆北部大部、西南地区东部2017年植被生态质量指数低于2016年, 生态质量偏差(图 2)。

图 2 2017年全国植被综合生态质量指数与2016年增减百分率 Fig. 2 Increase and decrease percentage of comprehensive ecological quality Index of vegetation in 2017 compared with 2016 in China
2.2 2017年省级植被综合生态质量指数排名

2017年全国31个省(自治区、直辖市)植被综合生态质量指数(图 3)表明, 有11个省(自治区、直辖市)植被综合生态质量指数达80.0以上, 分别是福建、广西、海南、广东、云南、贵州、重庆、湖南、江西、浙江、湖北, 其位于我国亚热带和热带湿润气候区, 水热条件优越, 植被综合生态质量指数处于全国相对较高水平。其中植被综合生态质量位于全国前五位的福建、广西、海南、广东、云南水热条件最为优越, 年植被NPP、覆盖度为全国最高, 植被综合生态质量指数达83.0以上, 生态质量最好。新疆、内蒙古、青海、甘肃、宁夏年植被综合生态质量指数为倒数五位, 其值低主要与其所处温带干旱半干旱气候区有关, 水分不足、植被生长期短, 导致年植被覆盖度和植被NPP较低、植被综合生态质量较差。可见全国31个省(自治区、直辖市)年植被综合生态质量的相对高低反映了全年气候的影响结果。

图 3 2017年全国31个省(自治区、直辖市)植被综合生态质量指数排名 Fig. 3 Ranking for annual comprehensive ecological quality index of vegetation for 31 provinces (autonomous regions and municipalities directly under the Central Government) in China in 2017
2.3 2000—2017年植被综合生态质量指数变化趋势 2.3.1 全国范围平均植被综合生态质量指数多年变化趋势

2000—2017年全国范围平均植被综合生态质量指数呈提高趋势, 提高的平均速率为0.5/a, 通过了0.001水平的显著性检验(图 4)。2017年全国范围平均植被综合生态质量指数比2000年增加9.4、比2016年增加0.1, 达2000年以来最高水平。这个主要得益于2000—2017年全国平均降水量呈增加趋势, 有利于植被生长;加之国家持续开展退耕还林还草、风沙源治理等生态保护和修复工程, 全国植被综合生态质量指数上升显著。

图 4 2000—2017年全国植被综合生态质量指数变化趋势 Fig. 4 Change trend of the comprehensive ecological quality index of vegetation from 2000 to 2017 in China
2.3.2 全国地理空间上植被综合生态质量指数多年变化趋势

植被综合生态质量指数多年变化趋势率空间分布(图 5)显示, 2000—2017年全国有90.7%的区域植被综合生态质量指数呈提高趋势, 特别是我国中东部大部地区年平均提高速率在0.25/a以上, 其中东北地区西部、内蒙古东部、华北大部、黄淮大部、西北地区东部、西南地区中东部、华南西部在0.5/a以上, 人居“绿色”生态环境变好比较明显。我国西部大部地区植被综合生态质量指数也在提高, 平均提高的速率主要在0—0.25/a之间, 植被综合生态质量略有好转;四川南部、云南北部、西藏中部和东南部等地部分地区植被综合生态质量指数呈下降趋势, 植被生态质量变差。2000—2017年全国有80.2%的区域年降水量呈增加趋势, 为植被生长提供了良好的水分条件, 同期我国加大了生态保护和建设的力度, 共同促进了植被生态质量的提高。

图 5 2000—2017年全国植被综合生态质量指数变化趋势率 Fig. 5 Change trend rate of the comprehensive ecological quality index of vegetation in China from 2000 to 2017
2.4 全国多年平均植被综合生态质量指数空间分布

2000—2017年平均年植被综合生态质量指数空间分布(图 6)表明, 我国植被综合生态质量指数呈“北低南高、西低东高”的空间分布格局。南方大部地区年植被综合生态质量指数在50.0以上, 是我国植被综合生态质量相对较高的区域。其中, 福建、广东、广西和浙江南部等地部分地区以及云南南部、海南年植被综合生态质量指数达80.0以上, 植被综合生态质量最好。北方除东北地区中东部、黄淮南部、陕西南部等地年植被综合生态质量指数为50.0—70.0、植被生态质量为北方的最好地区外;其余大部地区年植被综合生态质量指数在0—50.0之间, 年植被生态质量相对较差, 其中东北地区西部、华北大部、黄淮北部和东部、陕西中北部、青藏高原东部为20.0—50.0, 为北方植被生态质量相对较好的区域;内蒙古北部和西部、宁夏中北部、甘肃中西部、新疆大部、青藏高原中西部平均年植被综合生态质量指数在20.0以下, 植被生态质量最差。可见, 多年平均年植被综合生态质量指数空间分布图较好地反映了我国年植被生态质量优劣的空间分布格局, 也反映了与气候带的对应关系。

图 6 2000—2017年平均年植被综合生态质量指数空间分布 Fig. 6 Spatial distribution of mean annual comprehensive ecological quality Index of vegetation in China from 2000 to 2017
3 结论

通过研究可见, 基于植被NPP和覆盖度构建的植被综合生态质量指数、生态质量年际对比和多年变化趋势评价模型, 监测评价全国植被生态质量是可行的, 可以定量监测评价全国植被生态质量的高低和时空变化, 主要体现在:

(1) 当年植被综合生态质量指数与多年均值、上一年值的增减百分率能够定量地表达全国植被生态质量相对于多年、上一年的优劣空间分布, 能够反映全国植被生态质量的年际差异。

(2) 全国31个省(自治区、直辖市)年植被综合生态质量指数的排名符合自然状况, 反映了不同地区的植被综合生态质量的高低, 福建、广西、海南、广东、云南地处中、南亚热带和热带湿润气候区, 2017年植被生态质量在全国位居前五位。

(3) 全国有90.7%的区域2000—2017年植被综合生态质量指数呈提高趋势, 其中我国中东部大部地区年平均提高速率在0.25/a以上, 提高最为明显, 反映了我国植被生态质量18年变化趋势的空间分布格局。植被生态质量提升的主要原因是2000—2017年全国有80.2%的区域年降水量呈增加趋势, 加之国家实施的生态保护和修复工程, 共同促进了植被综合生态质量指数的提升。

(4) 南方大部地区2000—2017年平均年植被综合生态质量指数在50.0以上, 植被生态质量为全国相对较好的区域;北方大部地区在50.0以下, 植被生态质量相对较差。我国中东部大部地区年植被综合生态质量指数在20.0以上;西部大部地区在20.0以下, 植被生态质量最差。说明多年平均年植被综合生态质量指数较好地反映了我国植被综合生态质量的空间分布状况。

可见, 利用构建的式(1)至式(10), 可以开展年全国植被综合生态质量监测评价和年际对比以及多年变化趋势评价, 为生态文明建设提供最新的全国植被生态质量及其时空变化信息。

4 讨论

本研究围绕生态文明建设急需, 构建了基于植被NPP和覆盖度的植被综合生态质量指数, 同时建立了年际对比和多年变化趋势监测评价模型, 但这些仅是新的初步的研究, 更全面的系统的研究会在后续的工作中深入展开。主要包括:

(1) 对于小区域或点上, 在能够实时获得植物多样性资料时, 可考虑植物群落内部结构是否合理的问题, 完善植被综合生态质量指数模型。

(2) 研究降水、温度、日照等多种自然因素对植被综合生态质量的影响以及植被综合生态质量指数对气候的响应, 建立影响与响应评价模型。

(3) 对于不同的生态系统, 将深入研究人为因素对植被生态质量的影响, 为生态文明建设绩效考核提供参考依据。

参考文献
[1]
孙立群, 李晴岚, 陈骥, 牛俊. 欧亚大陆不同生态区植被生长对降水响应的季节变化规律. 生态学报, 2018, 38(22): 8051-8059.
[2]
周妍妍, 朱敏翔, 郭晓娟, 李凯, 苗俊霞, 郭建军, 徐晓锋, 岳东霞. 疏勒河流域气候变化和人类活动对植被NPP的相对影响评价. 生态学报, 2019, 39(14): 5127-5137.
[3]
王芳, 汪左, 张运. 2000-2015年安徽省植被净初级生产力时空分布特征及其驱动因素. 生态学报, 2018, 38(8): 2754-2767.
[4]
刘刚, 孙睿, 肖志强, 崔天翔. 2001-2014年中国植被净初级生产力时空变化及其与气象因素的关系. 生态学报, 2017, 37(15): 4936-4945.
[5]
赵志平, 吴晓莆, 李果, 李俊生. 2009-2011年我国西南地区旱灾程度及其对植被净初级生产力的影响. 生态学报, 2015, 35(2): 350-360.
[6]
李燕丽, 潘贤章, 王昌昆, 刘娅, 赵其国. 2000-2011年广西植被净初级生产力时空分布特征及其驱动因素. 生态学报, 2014, 34(18): 5220-5228.
[7]
Yan H, Wang S Q, Billesbach D, Oechel W, Bohrer G, Meyers T, Martin T A, Matamala R, Phillips R P, Rahman F, Yu Q, Shugart H H. Improved global simulations of gross primary product based on a new definition of water stress factor and a separate treatment of C3 and C4 plants. Ecological Modelling, 2015, 297: 42-59. DOI:10.1016/j.ecolmodel.2014.11.002
[8]
Qian S, Wang L Y, Gong X F. Climate change and its effects on grassland productivity and carrying capacity of livestock in the main grasslands of China. The Rangeland Journal, 2012, 34(4): 341-347. DOI:10.1071/RJ11095
[9]
马文红, 杨元合, 贺金生, 曾辉, 方精云. 内蒙古温带草地生物量及其与环境因子的关系. 中国科学C辑:生命科学, 2008, 38(1): 84-92.
[10]
钱拴, 毛留喜, 张艳红. 中国天然草地植被生长气象条件评价模型. 生态学杂志, 2007, 26(9): 1499-1504.
[11]
李丽丽, 王大为, 韩涛. 2000-2015年石羊河流域植被覆盖度及其对气候变化的响应. 中国沙漠, 2018, 38(5): 1108-1118.
[12]
赵舒怡, 宫兆宁, 刘旭颖. 2001-2013年华北地区植被覆盖度与干旱条件的相关分析. 地理学报, 2015, 70(5): 717-729.
[13]
祝聪, 彭文甫, 张丽芳, 罗瑶, 董永波, 王梅芳. 2006-2016年岷江上游植被覆盖度时空变化及驱动力. 生态学报, 2019, 39(5): 1583-1594.
[14]
孙金伟, 关德新, 吴家兵, 金昌杰, 袁凤辉. 陆地植被净初级生产力研究进展. 世界林业研究, 2012, 25(1): 1-6.
[15]
赵俊芳, 延晓冬, 朱玉洁. 陆地植被净初级生产力研究进展. 中国沙漠, 2007, 27(5): 780-786.
[16]
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.
[17]
Lieth H. Primary production:terrestrial ecosystem. Human Ecology, 1973, 1(4): 303-332. DOI:10.1007/BF01536729
[18]
Lieth H. Modeling the primary productivity of the world//Lieth H, Whittaker R H, eds. Primary Productivity of the Biosphere. Berlin, Heidelberg: Springer, 1975: 237-263.
[19]
Ruimy A, Saugier B, Dedieu G. Methodology for the estimation of terrestrial net primary production from remotely sensed data. Journal of Geophysical Research, 1994, 99(D3): 5263-5283. DOI:10.1029/93JD03221
[20]
苗正红, 刘志明, 王宗明, 宋开山, 任春颖, 杜嘉, 曾丽红. 基于MODIS NDVI的吉林省植被覆盖度动态遥感监测. 遥感技术与应用, 2010, 25(3): 387-393.
[21]
贾坤, 姚云军, 魏香琴, 高帅, 江波, 赵祥. 植被覆盖度遥感估算研究进展. 地球科学进展, 2013, 28(7): 774-782.
[22]
汪明霞, 王卫东. 植被覆盖度的提取方法研究综述. 黄河水利职业技术学院学报, 2013, 25(2): 23-26, 31-31.
[23]
张云霞, 张云飞, 李晓兵. 地面测量与ASTER影像综合计算植被盖度. 生态学报, 2007, 27(3): 964-976.
[24]
Wittich K P, Hansing O. Area-averaged vegetative cover fraction estimated from satellite data. International Journal of Biometeorology, 1995, 38(4): 209-215. DOI:10.1007/BF01245391
[25]
刘宪锋, 杨勇, 任志远, 林志慧. 2000-2009年黄土高原地区植被覆盖度时空变化. 中国沙漠, 2013, 33(4): 1244-1249.
[26]
吴志杰, 何国金, 王猛猛, 傅娇凤, 邹丹. 南方丘陵区植被覆盖度遥感估算与时空变化研究——以福建省永定县为例. 遥感技术与应用, 2016, 31(6): 1201-1208.
[27]
张学玲, 张莹, 牛德奎, 张文元, 李志, 李真真, 郭晓敏. 基于TM NDVI的武功山山地草甸植被覆盖度时空变化研究. 生态学报, 2018, 38(7): 2414-2424.
[28]
毛留喜, 李朝生, 侯英雨, 钱拴, 唐世浩. 2006年上半年全国生态气象监测与评估研究. 气象, 2006, 32(12): 88-95.
[29]
毛留喜, 钱拴, 侯英雨, 李朝生. 2006年夏季川渝高温干旱的生态气象监测与评估. 气象, 2007, 33(3): 83-88.
[30]
钱拴, 毛留喜, 侯英雨, 吴门新, 王良宇. 北方草地生态气象综合监测预测技术及其应用. 气象, 2008, 34(11): 62-68.