植被净初级生产力(NPP, Net Primary Productivity)直接反映植物在自然环境条件下的生产能力, 是理解全球变化对陆地生态系统影响及响应的关键参数, 也是陆地生态系统碳循环研究的重要内容^[1-4]。因此, 植被NPP的准确估算、时空分布与动态变化分析, NPP与环境因子相关性的定量分析, 对区域生态环境质量定量评价、生态环境治理、区域碳循环研究和自然资源合理开发利用均具有重要的理论与实践意义^[5-7]。

青海高原作为青藏高原的重要组成部分, 生态环境脆弱, 是气候及环境变化的敏感区域^[8]。近年来, 受气候因素变化与人类活动的共同影响, 青海高原生态环境退化问题突出, 并已引起科学界及社会各界的广泛重视。因此, 作为衡量生态系统功能与状况的定量指标——植被NPP的时空变化及其气候响应机制也成为研究热点。卫亚星等(2012)以实测数据为基础, 估算并分析了2006年青海草地NPP空间分布与季相变化特征^[9]；陈卓奇等(2012)基于MODIS数据分析了青藏高原植被NPP, 并探讨了气象因素对NPP的影响机制^[10]；张镱锂等(2013、2015)分析了青藏高原高寒草地NPP, 并基于NPP数据和样区对比法对青藏高原自然保护区保护成效进行了分析^[11-12]。与此同时, 为缓解青海高原生态环境进一步恶化的态势, 近年来在青海高原的三江源区、青海湖流域、祁连山地开展了一系列生态环境保护与重建工程, 为了科学全面的掌握生态保护与重建设工程的成效, 开展了许多有关植被NPP时空变化特征的研究。李英年等(2007、2008)采用野外气象站观测资料, 分析长江源、黄河源区气候变化对植被生产力的影响^[13-14]；张景华等(2008)基于草地资源调查及牧业气象站监测资料, 分析青海祁连山地及环青海湖区NPP分布规律与变化特征^[15]。上述基于野外观测数据的NPP估算及分析研究, 受观测站点数量、分布的限制, 研究建立的NPP估算模型难以有效推广到较大的区域, 研究结果也限于局部区域。为此, 基于遥感数据与模型的区域NPP估算研究得到较多的应用。张镱锂等(2007)以NOAA_8 km分辨率数据为基础, 分析了三江源地区植被指数的空间变化特征及地理背景^[16]；王军邦等(2009)采用GLOPEM-CEVSA模型及1 km分辨率遥感数据, 模拟1988—2004年青海三江源区NPP时空格局及其控制机制^[17]；肖桐等(2009)利用GLOPEM模型模拟三江源地区1988—2008年NPP时空分布及特征^[18]；邵全琴等(2013, 2016)采用GLOPEM模型利用Spot—NDVI数据, 估算三江源草地NPP, 评估了2005—2009年、1970—2012年两个时段三江源区生态保护建设工程的生态成效^[19-20]；Chen等(2011)基于MODIS数据模拟青海湖流域植被NPP, 并分析植被碳储量^[21]；DENG等(2017)基于遥感数据、气象数据、社会经济数据分析了青海省植被NPP与畜牧生产之间的相互影响^[22]；张颖等(2017)借助CASA模型和气候生产力模型, 结合土地利用变化, 定量分析了2001—2012年气候变化、土地利用和草地管理措施对三江源草地NPP变化的影响^[23]。上述研究为阐明青海高原植被生态系统NPP的时空分布特征、动态变化奠定了基础, 并为NPP估算模型的选取、参数设置及验证等提供了参考。然而, 这些研究多数集中在三江源区, 并主要针对草地植被的研究, 有关青海高原区域长时间序列、高分辨率NPP估算及时空演化研究尚显不足。因此, 采用高时空分辨率遥感数据, 估算青海高原长时间序列植被NPP的时空分异格局与变化规律, 分析植被NPP与气候因素、人为因素的相关关系, 对于全面系统地分析青海高原植被生态系统状况以及区域碳循环的研究具有重要的意义。

为此, 本研究采用2000—2015年青海高原MODIS13Q1—250 m分辨率NDVI时间序列数据, 结合相关气象、地形数据, 利用CASA改进模型及ArcGIS空间分析方法, 估算并分析了近16年来青海高原植被NPP时空分布规律、变化趋势及其对气候因素变化响应, 探究重大生态保护工程对区域NPP的影响, 以期为青海高原植被生态系统生产力的评估、动态变化监测, 以及重大生态保护工程的实施提供科学参考与决策依据。

1 研究区及数据 1.1 研究区概况

青海高原位居我国西部, 地处东部季风区、西北干旱区和青藏高原三大地理区域的交汇处, 地理位置介于89°25′—103°04′E, 31°40′—39°19′N之间。青海高原土地总面积72.23万km², 约占青藏高原总面积的30%, 境内地势西高东低, 南北高中间低, 平均海拔3000 m以上, 地形复杂, 地貌多样^[24]。属大陆性高原气候, 年降水量为15—750 mm, 降水量时空分布不均, 从西北到东南渐增。年均温为-5.1—9.0℃, 气温的垂直变化明显。主要植被类型有常绿针叶林、落叶阔叶林、高寒灌丛、高寒草甸、高寒草原、高寒荒漠、温性草原等, 植被水平与垂直地带性分异显著。根据自然条件、资源禀赋、环境容量和经济社会发展基础及潜力, 将研究区划分为柴达木地区、环青海湖地区、东部地区和三江源地区四个区域^[25](图 1)。位于青海高原西北部的柴达木地区植被稀疏、种类单一；环青海湖地区分布有草甸草地、高寒草甸、沼泽湿地等, 祁连山地区属青海高原森林资源聚集区；三江源地区典型的植被类型为高寒草甸、高寒草原、高寒荒漠草原；东部地区位于青海高原的东部, 是主要的农业区, 主要的植被类型有常绿针叶林、落叶阔叶林、温性草原等。

1.2 数据来源与预处理 1.2.1 遥感数据及处理

归一化植被指数(NDVI)来自NASA官网(http://lpdaac.usgs.gov), 遥感数据采用MOD13Q1—16天合成NDVI数据, 数据的空间分辨率为250 m×250 m, 时间范围为2000—2015年, 每年共23期影像。整个研究区域由5帧MOD13Q1数据覆盖, 行列号分别是h24v04、h24v05、h25v04、h25v05、h26v05。首先, 利用MRT软件, 将原始影像的正弦曲线投影转换为Albers Equal Area Conic/WGS84投影, 再拼接同期影像获得覆盖研究区的影像数据；其次, 利用ArcGIS软件, 依据青海高原行政区界线完成影像的裁剪；最后, 利用ENVI软件, 进行MOD13Q1数据最大值合成处理, 以进一步消除云、大气、太阳高度角等部分干扰, 并对2000—2015年逐月的NDVI序列数据进行了滤波处理, 剔除异常值, 获得2000—2015年逐月NDVI数据集。

1.2.2 气象及其他数据

气象数据来源于中国气象数据网(http://cdc.nmic.cn/)提供的2000—2015年青海高原及周围59个气象站点的月降水量、月平均气温观测数据, 以及8个太阳辐射站点的月太阳总辐射量。DEM数据来源于地理空间数据云(http:www.gscloud.cn/)。利用DEM数据及各气象站点的经纬度信息、降水与气温数据, 借助SPSS及ArcGIS软件, 采用多元线性回归法, 空间插值获得250 m空间分辨率的气温与降水空间化栅格数据。

土地覆被数据来源于地球系统科学数据共享网(http://spacescience.data.ac.cn/)提供的2005年青海高原1:25万土地覆盖遥感调查与监测数据, 该数据集的精度为80%—90%, 包括森林、草地、农田、建设用地、其他用地5个一级类及20个二级类。青海高原行政区划数据来源于国家基础地理信息中心(http://ngcc.sbsm.gov.cn/)。

2 模型与方法 2.1 NPP估算模型

基于CASA改进模型^[26-27], 依据青海高原的特点构建适用的模型参数, 估算并分析不同植被NPP。CASA模型通过植被吸收的光合有效辐射和光能利用率两个驱动因子估算植被NPP, 其模型如式1所示：

(1)

式中, APAR(x, t)表示像元x在t月吸收的光合有效辐射(MJ/m²)；ε(x, t)表示像元x在t月的实际光能利用率(gC/MJ)。

(2)

式中, SOL(x, t)表示像元x在t月份的太阳总辐射量(MJ/m²)；0.5表示植被光合作用利用的太阳有效辐射量占太阳总辐射的比例, FPAR(x, t)表示植被层对光合有效辐射PAR的吸收比例, 具体计算方法参考文献[28]。

(3)

式中, T_ε1(x, t)和T_ε2(x, t)表示高温或低温对光能利用率的胁迫系数, W_ε(x, t)为水分对光能利用率的胁迫程度, 计算方法参考文献[29], ε_max表示不同植被类型理想状态下的最大光能利用率, 本研究参考朱文泉估算中国陆地植被NPP及青海高原已有相关研究^{[9, 27-28]}, 确定研究区不同植被类型的最大光能利用率。

2.2 NPP模拟精度评价

目前较为常用的NPP精度评价方法有两类：一类是根据实测数据评价；另一类是根据其他研究结果进行对比分析与评价。由于研究区范围广, 开展大范围的植被NPP验证数据的实测较为困难, 而且实测数据获取时间较难与模型模拟时间相匹配, 且二者由于气候因素变化及其他因素的影响存在一定程度的不可比性。基于以上考虑, 本研究利用研究时段内相关的实测数据及其他研究结果, 综合评估模拟结果的可靠性。

在分析研究区相关文献资料的基础上, 统计野外站点植被NPP实测值、地上净初级生产量、野外样地生物量实测数据。为利用地上生物量实测数据获得植被NPP值, 首先, 确定地上生物量与地下生物量的比率关系(即根冠比, R/S), 本文选用的R/S为5.8^[30]；其次, 根据根冠比计算出相应植被的地下生物量, 并计算得到总生物量；然后根据生物量与NPP的换算比率将生物量转换成碳单位, 本文选用0.45^[30-31]的比率将生物量转换成碳单位。NPP估算精度分析中, 相对于NPP实测值中有站点位置信息的数据, 提取对应位置、时间的NPP模拟值；对于仅有所在县级单位的实测数据, 提取对应年份、月份, 同一县级单元模拟结果平均值。最后, 利用SPSS软件分析模拟数据与实测数据的相关性, 并检验其显著性。同时, 整理统计其他模型模拟的NPP结果、提取与本研究对应时间、相同植被类型的NPP值进行对比分析与评价分析。

2.3 时空变化分析方法 2.3.1 NPP年际变化率

采用一元线性回归法分析植被NPP的年际波动规律与动态变化^[32], 计算研究区逐像元多年回归趋势线斜率, 用于反映NPP年际变化率。计算公式如下：

(4)

式中，θ_slope表示趋势斜率，n表示估算年数，NPP_i表示第i年的植被NPP，利用NPP值与时间序列的相关关系表示NPP年际变化的显著性，θ_slope>0表示增加，反之减少。

2.3.2 NPP与气候因素相关性

采用基于像元的空间分析法, 分析NPP与气候因素的相关性, 确定气候因素与NPP的相关系数(式(5)), 以及偏相关系数(式(6))。

(5)

式中，R_xy表示x、y变量间的相关关系；x_i为第i年的NPP；y_i表示第i年变量y的值；x_p为多年NPP的平均值；y_p为变量y多年平均值；n为样本数。

(6)

式中，r_xy，r_yz，r_xz分别表示变量x与y，y与z，及x与z的相关系数，r_xy·z指变量z固定后, 变量x与y之间的偏相关系数。

采用T检验法对各相关系数、偏相关系数进行显著性检验^[33], 显著性水平取α=0.05。依据相关性系数将研究区划分为显著正相关(r>0, P < 0.05)、不显著正相关(r>0, P≥0.05)、显著负相关(r < 0, P < 0.05)和不显著负相关(r < 0, P≥0.05)不同的区域。

3 结果与分析 3.1 NPP估算精度评价

根据研究区2000—2015年野外站点植被NPP实测值^{[30, 34-36]}、地上净初级生产量、地上生物量实测数据^{[14, 37]}, 换算获得的观测站点的植被NPP值, 与本研究NPP估算值的相关性分析及显著性检验, 结果如图 2所示。分析结果表明, 本文模拟结果与统计实测数据的相关系数为0.86(P < 0.01), R²=0.736(n=26), 模拟值与实测值呈显著相关, 说明遥感估算结果的可靠性。为进一步验证本文模拟结果的可靠性, 将本文结果与其他模拟结果进行对比分析。分析结果表明, 青海高原范围内, 本文估算结果与王莉雯等^[34]采用光能利用率模型估算相接近, 草地NPP差17 gC m^-2 a^-1左右；本研究在三江源地区估算的植被NPP略高于祁威等^[38]基于CASA模型的模拟的同期结果, 相差值在16—20 gC m^-2 a^-1之间。总之, 本文估算结果与同期、同一区域的其他模拟结果比较接近。

3.2 青海高原植被NPP空间分布格局

2000—2015年青海高原植被NPP多年平均值242.50 gC m^-2 a^-1, NPP空间分布格局呈现东高西低, 南高北低, 由西北向东南逐渐递增趋势。NPP多年平均值的高值区集中于青海高原的三江源区的东南部、环青海湖地区以及东部地区, 低及较低值分布在柴达木地区及三江源地区的西北部(图 3)。青海高原不同区域NPP多年平均值的空间分异特征如下：

I.柴达木地区：该区气候干旱少雨, 主要的植被类型为荒漠草地与低地草甸类草地, 周边有冰川、永久积雪, 以及大面积的裸地、裸岩, 区内土壤沙化、盐渍化严重, 植被覆盖度低。该区植被NPP多年平均值为89.49 gC m^-2 a^-1, 是青海高原NPP低值分布区。区内NPP由西北向东南递增, 西北部分布着大面积的荒漠, NPP偏低, 最高值仅20 gC m^-2 a^-1；东部区域为农牧业区, NPP多年平均值大于50 gC m^-2 a^-1；而柴达木盆地南部的荒漠草地与高寒草原区是本区NPP的高值区, NPP多年平均值在50—200 gC m^-2 a^-1之间。

II.环青海湖地区：水热组合条件相对较好, 草地、沼泽湿地、森林资源丰富。该区NPP多年平均值约269.34 gC m^-2 a^-1。其中, 祁连山地森林资源及草地资源丰富, NPP多年平均值在45—500 gC m^-2 a^-1之间, 空间上由西北向东南递增, 少数区域NPP高于500 gC m^-2 a^-1；环湖周边NPP多年平均值在20—700 gC m^-2 a^-1之间, 呈从湖区向周边递减的趋势。总体上, 该区NPP空间差异性显著, 呈东高西低, 中部高边缘低的分布格局。

III.三江源地区：位于青藏高原腹地, 是我国面积最大的国家级自然保护区, 该区山脉绵延, 湖泊密布, 生物多样性丰富, 生态环境脆弱, 草地退化严重^[39]。植被NPP多年平均值为267.83 gC m^-2 a^-1, 区内NPP呈西北向东南递增的趋势。其中, 黄河源区NPP多年平均值分布在300—400 gC m^-2 a^-1之间, 少数区域大于600 gC m^-2 a^-1, NPP多年平均值呈西北向东南递增态势；长江源区的西北部分布着大面积荒漠与雪山, 兼有沼泽与河湖滩地零星分布, NPP多年平均值总体较低, 多分布在300 gC m^-2 a^-1以下, 仅其东南部草地分布区达到300 gC m^-2 a^-1以上。

IV.东部地区：东部地区地处黄土高原向青藏高原过渡的镶嵌地带, 属暖凉温半干旱气候, 境内水资源较为丰富, 是青海高原自然条件最为优越的地区^[40], 具备植被及农作物生长的水热与光照条件, 区内近一半的耕地分布在河湟谷地。该区NPP多年平均值达346.89 gC m^-2 a^-1, 是青海高原NPP多年平均值高值分布区。其中, 北部大通河流域NPP多年平均值在300—600 gC m^-2 a^-1之间, 部分区域高于600 gC m^-2 a^-1；中部湟水谷地海拔低、气候温和、环境适宜, 植被NPP多年平均值在150—300 gC m^-2 a^-1之间波动；南部黄河谷地NPP多年平均值大多在300 gC m^-2 a^-1以上, 呈由北向南递增态势。

3.3 青海高原NPP年际变化特点

2000—2015年, 青海高原年NPP在53.24—96.56 TgC之间, 平均值79.39 TgC。16年间, 年NPP呈平稳增加, 年增长率1.32 TgC/a, 并存在明显的阶段性变化特征(图 4)。其中, 2000—2002年, 年NPP呈快速上升趋势, 与该时段年降水量、年平均气温显著增加趋势一致, 适宜的水热条件有利于该时段植被的生长发育与NPP增加；2003—2009年, 年NPP在波动中平稳增加, 与区域水热条件年际差异显著相关；2010—2011年, 年NPP再次快速上升, 并达到研究时段的最大值, 其对应年份及前一年降水量显著增加, 气温高于多年平均水平, 适宜的水热条件适合植被生长及NPP的累积；2012—2013年, 年NPP呈下降态势, 与该时段气温与降水错位相关；2014—2015年, 年NPP平稳上升, 2014年降水量充足、气温偏高, 年NPP增加；2015年虽降水量欠缺但气温适宜, 同时受降水对植被生长的累积与滞后效应, 年NPP仍有增加。

2000—2015年, 年NPP总体变化趋势分析表明, 2000、2010、2011、2013年年NPP变化较为明显, 其中, 2000年, 全年平均NDVI指数偏低, 年降水量、年均温异常偏低, 年NPP偏低与欠佳的植被自然状况、低温少雨的气候因素导致的植被长势欠佳有关；2010、2011年是青海高原生态保护工程实施的后期, 植被得到恢复, 覆盖度增加, 生态工程的效应逐步得到体现, 且年降水量与年均温均较高或处于多年平均水平之上, 较好的植被生长本底辅之丰水、适温的气候因素, 使得2010、2011年年NPP达到研究时段最大值；2013年, 年NPP主要受气候因素变化的影响, 高温少雨的气候条件不利于植被NPP累积, 导致该年年NPP稍低。

基于以上分析, 2000—2015年青海高原植被NPP的年际波动与区域水热组合条件的波动基本一致, 水热条件是植被NPP变化的重要驱动因子。2010、2011、2015年, 植被NPP与当年及前一年降水、气温的变化分析表明, 降水、气温对植被的生长存在累积与滞后效应。

3.4 青海高原年NPP变化趋势分析

2000—2015年, 青海高原植被NPP年际增长率0.70 gC m^-2 a^-1, 年降水量与年均温变化率分别为：(-1—22.1) mm/a和(0.01—0.086)℃/a(图 5)。依据植被NPP变化程度将其划分为：明显变差(θ_slope < -10)、轻微变差(-10≤θ_slope < -5)、基本稳定(-5≤θ_slope < 2)、轻微好转(2≤θ_slope < 5)、明显好转(θ_slope≥5)5种情况, 其所占的青海高原面积百分比分别为：0.38%、1.11%、57.28%、9.18%、6.96%。

NPP明显好转、轻微好转区域主要分布于柴达木地区的东部与南部, 环青海湖地区的祁连山地北部、青海湖区周边, 三江源地区的东部, 以及东部地区的河湟谷地, 占青海高原总面积的16.14%。这一变化趋势反映了近年来在这些地区开展的一系列生态保护与重建工程所取得的生态成效。同时, 年NPP与年降水量、年均温变化的相关分析表明, 植被NPP好转的区域, 气温与降水逐年增加, 气候向暖湿化的过渡, 促使植被返青期提前、枯黄期推迟, 从而利于NPP的积累与逐年增加；NPP变差的区域零星地分布于环青海湖地区的祁连山地东南部、东部地区的北部, 以及长江源区、黄河源区的少数区域, NPP的退化可能与过度的人类活动影响有关, 此外, 也可能与生态保护工程效应的相对滞后有一定的关系^{[20, 41]}。NPP基本稳定的区域主要位于柴达木地区中部、环青海湖地区的祁连山地、青海湖区附近, 以及青南高原的治多县、曲麻莱县一带的荒漠草地、草甸草地、高寒草甸分布区。综上所述, 青海高原植被生态环境逐渐转好, 局部区域仍处于退化状态。植被NPP的年际变化与水热条件的变化基本同步, 降水量的增加、气候的变暖, 有利于植被生长及植被NPP的增加。而局部地区由于自然与人类活动影响导致的草地退化, 使部分区域NPP有下降的趋势。

3.5 青海高原NPP与气候因素的相关性

植被NPP与降水量、气温及太阳总辐射量的相关性分析表明, 平均相关系数分别为0.059、0.099和0.018(图 6)。呈正相关的区域占研究区总面积的比例分别为26.17%, 30.45%和20.5%, 其中, 显著正相关的区域占研究区总面积比分别为25.16%、29.77%、13.87%；呈负相关面积比分别为9.49%、5.22%和15.17%, 显著负相关面积为8.53%、4.58%和13.87%, 说明随着青海高原气候向暖湿化演化, 适宜的水分与温度条件、加之充足的光照条件, 是青海高原植被NPP增加的主要驱动因素。

植被NPP与降水量、气温偏相关性的进一步探讨表明(图 6), 当温度条件不变的情况下, 降水量与NPP呈显著负相关的区域上升6.51%, 呈显著正相关的区域下降近7%, 说明一定温度范围内, 降水量的增多可能会导致植被生长受限, 这是由于连续的低温、阴雨天气减少了植被接受的日照时数, 不利于植被光合作用, 阻碍了植被NPP的积累；而在降水条件不变的情况下, 气温与NPP的相关性存在一定的波动, 但仍以显著正相关为主, 说明降水量一定时, 小范围的温度升高并不会对植被生长及NPP的积累有明显作用。

不同区域相关性分析结果表明(表 1), 在柴达木地区、环青海湖地区及三江源地区, 温度是区域NPP积累的关键因素, 而东部地区降水量是影响NPP积累的主要因素。

3.6 青海高原NPP时空间变化与生态工程效应

根据青海高原各区域生态保护与重建工程实施类别、年份差异^[25], 将研究时段划分为A、B两个阶段(表 2), 以此分析各区域不同阶段的植被年NPP变化及生态工程效应。

I.柴达木地区：2000—2015年, 该区年NPP在4.91—8.79 TgC之间(图 7), 占青海高原总值的7.72%—10.56%, 属青海高原年NPP最低的区域。研究时段, 年NPP呈增加趋势, 年际增长率0.09 TgC/a, 总体生态环境趋于转好。生态工程实施A阶段(2000—2008年)是“三北防护林工程”及巩固退耕还林工程的实施期, 期间年NPP呈显著增加, 年际增长率达0.22 TgC/a, 高于整个研究时段；生态工程实施B阶段(2009—2015年)为省级生态保护项目及小型生态项目实施的阶段, 相对于A阶段, 年NPP呈递减趋势, 年际变化率-0.11 TgC/a。

II.环青海湖地区:2000—2015年, 该区年NPP在9.45—16.89 TgC间, 约占青海高原总值15.09%—20.98%。16年间, 年NPP呈增加趋势, 年际增加率0.13 TgC/a, 植被生态系统得到一定程度恢复与改善。生态工程实施A阶段(2000—2007年)是该区国家级自然保护区建立与实施期, 以及“三北防护林”、“天然林资源保护”工程实施阶段, 大规模的生态环境建设促使植被生态系统的好转、植被年NPP呈显著增长, 年际变化率达0.31 TgC/a, 高于16年平均增长水平；生态工程实施B阶段(2008—2015年)是“青海湖流域生态环境保护与综合治理”规划的实施期, 年际增长率仅0.12 TgC/a。

III.三江源地区:该区作为青海高原生态保护工程实施与建设的重点区域, 2000—2015年, 年NPP在37.97—66.88 TgC之间波动, 占青海高原总值的67.27%—79.16%, 是青海高原年NPP最高的地理单元。16年间, 年NPP增长率0.87 TgC/a, 属青海高原增长率最高的区域, 说明生态工程建设取得一定的成效, 区域生态环境转好, 植被生长状况得到改善。生态工程实施A阶段(2000—2004年)为生态工程前期, 这一时期年NPP呈快速增长态势, 年际增长率2.73 TgC/a, 显著高于整个研究阶段；生态工程实施B阶段(2005—2015年)实施了三江源生态保护工程一期, 年NPP增加, 年际增长率0.14 TgC/a。其中, 2005—2012年, 年NPP显著高于2000—2004年, 并在2010—2012年度达到显著高于往年水平。16年间, 三江源地区年NPP的变化与一系列生态保护规划的实施以及前期保护工程实施的累积效应密切相关, “生态移民”、草原有害生物防控及减畜工作的实施^[42], 使区内植被退化得到一定程度的控制、退化草地得以恢复, 生态系统向良性方向发展。与此同时, 气候的暖湿化使植被生长期延长。因此, 在自然与人为有利因素的影响下, 植被NPP得到有效积累与提高。

IV.东部地区：2000—2015年, 年NPP在5.02—9.64 TgC之间, 占青海高原总值9.42%—12.63%。16年间, 年NPP年际波动不大, 呈平稳增加态势, 年际增长率0.10 TgC/a, 表明生态工程以及区域水热组合条件的改善, 有利于植被NPP的累积。生态工程实施A阶段(2000—2004年)为大规模退耕还林工程实施的重要时段, 年NPP年际增长率达0.83 TgC/a, 生态保护工程的成效显著；生态工程实施B阶段(2005—2015年), 年NPP基本保持稳定态势, 增长率为0.001 TgC/a。总之, “三北防护林工程”、“天然林资源保护工程”、“巩固退耕还林成果专项工程”、“青海三江源自然保护区生态保护和建设”等一系列生态保护工程的实施, 有效改善了青海高原生态环境, 但受气象因素的影响, 年NPP年际波动较大, 且受生态保护工程实施的规模与力度的影响, 不同区域年NPP分布及年际变化趋势差异显著。三江源地区年NPP上升趋势最为明显, 环青海湖地区、东部地区次之, 柴达木地区是青海高原年NPP增长最慢的区域。

4 结论

(1) 2000—2015年, 青海高原植被NPP多年平均值242.50 gC m^-2 a^-1, 呈东高西低, 南高北低, 由西北向东南逐渐递增分布趋势。

(2) 2000—2015年, 青海高原年NPP分布在53.24—96.56 TgC。年NPP呈平稳增加, 年际增长率1.32 TgC/a, 年际变化特征显著。

(3) 2000—2015年, 青海高原植被NPP年际增长率0.70 gC m^-2 a^-1, 植被生态环境逐步好转, 局部区域仍处于退化状态。年NPP呈明显变差、轻微变差、基本稳定、轻微好转、明显好转, 所占的青海高原总土地面积比分别为：0.38%、1.11%、57.28%、9.18%、6.96%。

(4) 近年来, 气候的暖湿化有利于植被生长与NPP增加, 降水、气温的耦合作用是青海高原植被NPP年际波动的重要因子。气象因素对不同区域植被NPP影响存在一定的差异, 温度是影响柴达木地区、环青海湖地区及三江源地区植被NPP的关键因素, 而降水是影响东部地区植被NPP的关键因素。

(5) 生态保护工程的实施, 对不同区域NPP空间格局、年变化趋势存在不同程度的影响。研究期间, 三江源地区年NPP年际上升趋势最为明显, 环青海湖地区、东部地区次之, 柴达木地区是青海高原年NPP增长最慢的区域。

本研究仅对植被NPP对气候因素变化、生态保护工程实施的效应做了分析, 而NPP的变化是自然与人为因素综合作用的结果, 是一个相对复杂的植物生理过程。因此, 在后续的研究中, 将进一步详细分析植被NPP与气候、人为因素之间的相关关系, 以便更加准确探究NPP时空变化的成因机制。