植被净初级生产力(Net Primary Production, NPP)是绿色植物在光合作用下吸收大气中的二氧化碳产生的有机干物质总量去除其自身呼吸作用耗费量的剩余有机物质^[1]。植被净初级生产力是陆地生态系统碳循环的重要指标, 能够有效反映陆地土地覆盖情况、碳储备和生态环境质量等^[2-3]。探究NPP的时空动态变化机理对定量评估陆地生态系统的健康状况与区域可持续发展具有重要意义^[4]。

目前, NPP相关研究主要包括两个方面, 一是基于过程和遥感模型模拟估算NPP时空变化来评估研究区域陆地生态系统碳循环规律；二是分析NPP时空变化的驱动因素。气候变化和人类活动是引起NPP变化的主要因素^[5]。其中, 快速城市化导致的土地覆盖变化和生态工程、毁林开垦、森林砍伐等人类活动引起NPP变化^[6-8]。城市扩张占用耕地、草地等生态用地, 是造成NPP下降的原因之一^[9-10]。而国家大力推行的植树造林和退耕还林还草等生态工程有效提高植被覆盖度以及改善生态环境, 是NPP增加的重要原因^[11]。

我国西南地区是中国喀斯特地貌的主要分布区, 山体陡峭且基岩多裸露, 水土流失较为严重, 植被一旦遭到破坏恢复难度大, 生态环境脆弱, 人类活动对该地区易产生影响^[12-13]。20世纪80年代起, 国家高度重视林业发展, 在重点区域实施一系列生态工程。西南地区以喀斯特地貌为主, 典型的生态脆弱区, 长防林工程、天保工程和坡耕地退耕等一系列国家大型生态工程在西南地区从试点到逐步推广^{[7, 12]}。2007年, 有研究显示非喀斯特地区的NPP高于喀斯特地区^[14]。据《中国林业年鉴》统计数据, 自2001年到2018年, 西南地区的营造林总面积达到3437.71万hm², 这一系列生态工程对西南地区的植被绿度和覆盖度增长起到重要作用。有学者利用时间序列卫星遥感数据探究西南部分喀斯特区域大规模植树造林等生态工程对陆地生物碳的影响, 认为生态工程实施后, 云贵大部分地区生物碳呈上升趋势, 起到有效固碳作用^[7]。植被叶面积指数、生长季植被归一化差值植被指数等相关植被指数经常被用来研究西南喀斯特地区生态工程的实施对其生态脆弱性的影响^{[7, 12, 15]}。研究表明多年来植树造林、坡耕地退耕等生态工程在西南喀斯特地区实施, 喀斯特石漠化面积大幅度降低, 植被生物量大幅度提升, 贡献大量区域碳汇^{[12, 16-18]}, 生态工程对西南喀斯特地区植被恢复起到重要作用^{[16, 19]}。

从土地覆盖变化的角度, 目前基于土地转移矩阵描述NPP变化的研究较多^[20-22], 但进一步讨论由土地类型间相互转化而导致NPP的净变化研究尚不充分, 土地类型间的相互转换对区域NPP的贡献仍缺乏定量研究。近年来在生态工程和气候变化背景下, 区域气候因子和植被生长密度与区域NPP变化的关联性也需要重新评估。因此, 本文选取我国西南的云贵川渝为研究区, 分析西南地区2001—2018年以土地覆盖变化为驱动导致的NPP时空分布差异和NPP变化量, 探究NPP变化主要受哪些土地类型转变影响。通过定量描述土地覆盖类型、降水、气温以及植被密度变化对区域NPP变化量的影响, 有助于明晰生态工程实施以来西南地区的NPP变化影响机理。

1 研究方法 1.1 研究区概况与数据来源 1.1.1 研究区概况

本文选取我国西南地区的云南省、贵州省、四川省和重庆市作为研究区, 该区域是我国喀斯特地貌的主要分布区。西南地区有着丰富的林业资源, 如下图 1所示, 其土地覆盖类型主要以灌丛、森林、草地、和耕地为主。灌丛多分布于贵州、重庆和四川东部, 森林集中分布于云南中西部和四川中部, 草地主要分布于四川西北, 耕地分布于云南、贵州西部和四川中部。该区以亚热带季风气候为主, 降水丰富, 雨热同期, 地形复杂, 植被类型丰富^[23]。该地区具有大量的碳酸盐岩等易在流水不断溶蚀作用下形成喀斯特地貌的岩石^[24], 水土流失和石漠化不断加剧并侵占着人类的生存空间成为西南地区严重的生态环境问题^{[17, 25]}。

1.1.2 数据来源及处理

本研究采用中分辨率Moderate Resolution Imaging Spectroradiometer (MODIS)平台2001—2018年的土地覆盖(MCD12Q1)、植被净初级生产力NPP(MOD17A3HGF)和叶面积指数LAI(Leaf Area Index)产品(MOD15A2H), 均为年度合成数据且空间分辨率为500 m, NPP和LAI产品时间分辨率为8 d。降水数据为Global Precipitation Measurement (GPM) Ⅴ6版本的月度合成产品, 其空间分辨率为0.1°；气温数据为European Centre for Medium-Range Weather Forecasts(ECMWF)第五代全球气候大气再分析的月平均气温产品(2 m), 空间分辨率0.25°×0.25°。除气温数据从Google Earth Engine云平台获取, 其他遥感数据来自美国国家航空航天局EarthData网站(https://earthdata.nasa.gov)。2001—2018年生态工程营造林数据来自2002年至2019年《中国林业年鉴》。

数据处理方面, 利用Arcpy模块(基于ArcGIS 10.3)将遥感产品数据进行格式转换和投影变换, 利用西南四省的行政区矢量边界裁剪出研究区土地覆盖和NPP数据。根据国际通用的International Geosphere—Biosphere Programme(IGBP)分类标准, 研究提取了森林、灌丛、草地、耕地、建成区、裸地和水体7个地物类别。叶面积指数与产品比例因子0.1相乘后, 同降水、气温产品分别求取整个研究区和研究区各省的年均值。MOD17A3HGF产品在ArcGIS中去除异常值, 与MOD17操作手册第六版中的MOD17A3HGF产品比例因子0.0001相乘后获取各年份NPP的值, 将NPP单位转换成gC m^-2 a^-1。由于裸地和水体的NPP总量和NPP数值小, 与其他类型转换少, 本文主要分析森林、灌丛、草地、耕地和建成区五种类型之间的NPP转移变化。

1.2 研究方法 1.2.1 趋势分析和显著性检验

线性回归是描述趋势增减的经典方法, 公式如下^[26]：

(1)

式中, δ_slope表示18年来各像元NPP的变化趋势, i=1、2、3…n表示年份, NPP_i是第i年的植被净初级生产力年际均值, 若δ_slope>0, 表明NPP呈现上升趋势, 反之则是下降^[27]。对NPP多年变化趋势进行逐像元显著性检验, 若P < 0.05, 表明变化趋势通过显著性检验, 反之则未通过显著性检验。

1.2.2 相关性分析

降水、气温等气候因子会对植被净初级生产力产生影响, 同时, 植被叶面积指数能够有效指示植被生长叶片密度, 对NPP有一定的影响。通过对降水、气温、LAI与NPP进行相关性分析, 揭示降水、气温、LAI与NPP的相关关系^[26], 计算公式如下：

(2)

式中, R是降水、气温、LAI与NPP的相关系数, X_i为第i年的年降水量、年均气温或年均叶面积指数, Y_i为第i年的NPP年均值, X_a是变量X的平均值, Y_a是变量Y的平均值。决定系数R²也称为拟合优度, 是相关系数的平方。

1.2.3 土地利用转移矩阵

土地利用转移矩阵是分析土地类型转移的有效工具, 能获取各土地类型转变的定量数据^[28], 本文将2001和2018年的土地覆盖分类图在ENVI软件中进行土地覆盖变化计算, 获取2001—2018时间段的土地利用转移矩阵, 通过土地利用转移矩阵分析研究区各土地覆盖类型之间的转移量, 为之后的土地类型转变导致的NPP变化量提供基础数据。

1.2.4 土地覆盖类型变化导致的NPP变化

在土地利用转移矩阵的基础上, 以2018年各土地覆盖类型的NPP均值为基准计算不同土地覆盖类型相互转换导致的NPP变化量。计算方法为将某一土地类型转入其他类型产生的NPP量减去该类型转移区域原有的NPP量^[29]。公式如下：

(3)

式中, ΔNPP表示某一土地类型转为其他类型导致的NPP转移量, NPP_out表示某一土地类型转入其他类型产生的NPP量, NPP_former表示该类型转移区域原有的NPP量。

之后, 计算单一土地类型转入和转出导致的本类型NPP净变化量, 将转入某一土地类型的NPP转入总量减去该类型NPP的转出总量得到该类型的NPP净变化量。

2 结果 2.1 植被净初级生产力年际变化

对西南地区2001—2018年的植被NPP年均值进行统计分析, 其NPP年均值在668.21—752.55 gC m^-2 a^-1上下波动。NPP年均值最高值出现在2015年, 为752.55 gC m^-2 a^-1, 最低值出现在2004年, 为668.21 gC m^-2 a^-1, 多年NPP平均值为710.44 gC m^-2 a^-1。由2001—2018年NPP年均值变化趋势来看(图 2), 自2001年以来, 研究区这18年间NPP年均值整体趋势呈显著性水平波动上升(P < 0.01), 其变化率为3.17 gC m^-2 a^-1。

对西南地区2001—2018年森林、灌丛、草地、耕地和建成区逐年NPP总量变化进行统计, 结果如图 3所示。总体来看, 耕地和草地的NPP总量呈下降趋势, 其他类型呈波动上升趋势。其中, 森林的NPP总量增长速率最快, 增长斜率为2.545 TgC/a, 灌丛次之(1.719 TgC/a), 建成区增长最慢(0.056 TgC/a)；耕地的NPP总量下降速率比草地快, 耕地变化速率为-0.631 TgC/a, 草地为-0.422 TgC/a。不同土地覆盖类型的NPP总量年均值差异明显, 灌丛(440.770 TgC/a)>森林(203.313 TgC/a)>草地(59.757 TgC/a)>耕地(26.964 TgC/a)>建成区(0.953 TgC/a)。不同土地覆盖类型NPP总量和增长速率差异与各类型的面积有密切关系。2001—2018年间, 灌丛、森林和草地分布较多, 灌丛占有面积最大, 多年均值为593.60×10³ km²/a, 灌丛(593.60×10³ km²/a)>森林(206.91×10³ km²/a)>草地(176.02×10³ km²/a)>耕地(37.60×10³ km²/a)>建成区(8.19×10³ km²/a)。在土地覆盖面积变化方面, 灌丛、草地和耕地面积呈现减少趋势, 分别为-0.911、-0.921、-0.982 km²/a；森林和建成区面积呈现增加趋势, 森林面积增长速率为2.682 km²/a, 建成区增长速率仅0.145 km²/a。

2.2 植被净初级生产力空间分布差异

2001—2018年, 西南地区NPP平均值空间分布呈现南高北低的现象, 云南省西南方向NPP均值最高；低值区域主要在四川省的东西两侧和重庆市的西部。对研究区域NPP均值进行统计, NPP均值范围在0—1943.43 gC m^-2 a^-1间波动, 平均值为710.44 gC m^-2 a^-1, 不同省域NPP均值差异较大, 云南(989.63 gC m^-2 a^-1)>贵州(773.00 gC m^-2 a^-1)>重庆(597.20 gC m^-2 a^-1)>四川(496.27 gC m^-2 a^-1)。

2001—2018年西南地区NPP变化速率为-92.12—114.88 gC m^-2 a^-1。经统计, NPP变化趋势为正的区域占研究区面积的73.62%, 表明研究时段内大部分区域NPP呈增加趋势(图 4)。增加明显的地区主要分布在四川的中东部、重庆、贵州西部和云南东部, 显著增加区域占比为35.69 %。仅4.4%的区域显著减少, 分布在云南和四川中西部和贵州东部。变化不显著区域占59.91%, 主要出现在四川和云南中西部和贵州中东部。

2.3 NPP变化的驱动因子分析

我国西南喀斯特地区是一个生态脆弱区, 植被净初级生产力变化受到气候因子和人类活动等因素的共同作用。气候因子会影响植被的生长发育进而影响NPP^[26]；叶面积指数能反映植被生长密度, 植被的生长密度和覆盖面积会对NPP产生影响^[7]。因此, 本研究考虑降水、气温、叶面积指数和土地覆盖类型转变对NPP的影响。

2.3.1 降水、气温和叶面积指数与NPP的相关关系

从整体上看, 西南地区2001—2018年NPP年均值变化与年降水量没有显著的相关关系, 与年均气温有较显著相关关系, R²为0.45；与植被叶面积指数显著相关, R²为0.67(图 5)。从西南各省的LAI、年降水量、年均气温与NPP年均值的关系来看(图 6), 各省的LAI与NPP年均值都显著相关, 年降水量与NPP相关性低, 年均温与NPP相关性在不同省份差异较大。其中, 云南省的LAI和NPP年均值相关性最高, R²为0.56, 重庆市和四川省为0.53, 贵州省为0.48。在年降水量与NPP年均值的相关性方面, 西南地区各省的年降水量与NPP年均值的相关性都较低, 最高的为重庆, 线性回归R²为0.27。在年平均气温与NPP年均值的相关性方面, 仅四川和贵州省的年均气温与NPP年均值相关性较高, R²分别为0.41和0.37。这表明在西南地区气候因子对NPP的影响相对较弱, 与NPP有显著关联的是植被生长密度。

2.3.2 土地覆盖类型转换对NPP的影响

利用研究区2001和2018年的土地覆盖分类图计算得到2001—2018年的土地利用转移矩阵, 结果表明研究区以灌丛、森林、草地、耕地和建成区的转变为主(图 7)。2001—2018年, 各类土地覆盖转移总面积为153648.5 km²。转出最多的地类是灌丛, 转出83291.75 km², 主要转为森林(66059.25 km²)。灌丛转森林主要分布于云南、贵州、重庆以及四川中部, 占灌丛转出总面积的79.31%。草地、耕地和森林转出总面积分别为28619.75 km²、22096.5 km²和18003.75 km², 多数都转为灌丛。其中, 森林转灌丛主要出现在云南、四川中西部和贵州东部, 草地转灌丛分布于云南西北和东部、四川中西部和贵州南部, 耕地转灌丛分布于云南、贵州西部和四川中部部分地区。

不同土地类型的NPP均值差异较大, 森林(963.864 gC m^-2 a^-1)>灌丛(753.314 gC m^-2 a^-1)>耕地(712.688 gC m^-2 a^-1)>草地(320.173 gC m^-2 a^-1)>建成区(156.773 gC m^-2 a^-1)。森林的NPP均值最高, 因此, 森林转为其他类型导致NPP减少, 低生产力土地类型向灌丛和森林等高生产力类型转变导致NPP增加。

利用土地利用转移矩阵, 计算土地类型转变导致的NPP转移量(表 1)。土地覆盖类型转换对NPP的影响主要是两类情形：一是灌丛转为森林以及耕地、草地转为灌丛导致NPP增加；二是森林转为灌丛以及灌丛转为草地、建成区导致NPP减少。灌丛转入森林, NPP增加13.909 TgC, 草地转入灌丛, NPP增加10.647 TgC, 耕地转入灌丛时, NPP增加3.075 TgC。森林转为灌丛, NPP净减少3.708 TgC, 灌丛转草地、建成区分别净减少3.812 TgC和1.165 TgC。森林的转入总量最多, 增加了14.198 TgC, 灌丛的转入总量增加了10.014 TgC, 草地转入总量减少5.007 TgC。森林NPP转出总量减少3.944 TgC, 灌丛、草地和耕地的转出NPP分别增加了8.695、11.728、1.787 TgC, 由于森林的NPP均值最高, 无论转成何种类型, 其NPP总量都是减少的。而灌丛、草地和耕地的转出大多是以转入森林为最终方向, 故转出NPP总量为增加。建设用地没有转出, 转出NPP为0。

为了更深入探讨土地覆盖类型转换对研究区NPP的影响, 本文基于2018年各土地覆盖类型NPP均值计算净转入和转出量, 分析各类型转入转出的NPP净变化值, 如表 2所示。结果表明, 各土地覆盖类型的NPP净变化值合计增加20.643 TgC, 森林转入的NPP净增量起到重要作用, 不仅弥补灌丛、草地和耕地的NPP净减, 而且使区域NPP有所增长。森林NPP转入总量为64.136 TgC, 转出总量为17.337 TgC, 净增加46.799 TgC。森林转入面积(66548 km²)远多于转出面积(18003.75 km²), 其中灌丛转入森林66059.25 km², 转入量达土地类型转移总面积的54.21%, 因此, 森林NPP增加量远大于减少量。灌丛转出总面积(83291.75 km²)多于草地(24581.5 km²)和耕地(18922.25 km²)转入灌丛的面积, 故灌丛的转入总量(46.038 TgC)低于转出总量(62.251 TgC)。耕地NPP净减少10.063 TgC, 耕地多数转入灌丛和草地, 少部分转为森林和建设用地, 转出面积(22096.5 km²)多于转入面积(7928.5 km²)。西南地区森林面积的大幅度增加和耕地面积的减少, 国家的退耕还林工程和防护林等生态工程起到重要作用, 2001—2018年西南地区各省生态工程造林情况如表 3所示。从2001年到2018年以来, 西南四省开展了诸如退耕还林还草工程、天然林资源保护、珠江防护林工程和天保工程等一系列生态工程, 造林成效显著, 总计新增营造林达3437.71万hm²。其中, 四川省和云南省的营造林数目较多, 分别为1426万hm²和950.78万hm², 是重庆市和贵州省的两倍之多。

3 讨论与结论 3.1 讨论

植被净初级生产力是陆地生态系统中生态功能和碳循环的重要指标, 探究NPP时空变化和驱动因子具有重要意义^[30-31]。本研究分析了西南地区2001—2018年NPP时空演变差异, 在此基础上分析了NPP变化机理。时间趋势上, 2001—2018年西南地区NPP均值呈显著性波动上升, 草地、耕地转入灌丛以及灌丛转入森林起到重要作用。空间上, 西南地区大部分区域NPP呈增加趋势, 占比达73.62%, 主要集中在四川的中东部、重庆和云贵边界附近区域(图 4)。将年降水量、年均气温、植被叶面积指数与NPP年均值进行回归分析显示, 年降水量与NPP年均值相关性低；年均气温与NPP年均值相关性较强, 在不同省份相关性差异大；叶面积指数与NPP年均值呈显著相关。表明气候因子对NPP的影响较弱, NPP增长与植被生长密度增加有显著相关关系。截至2018年, 西南地区生态工程营造林总计达3437.71万hm², 植被覆盖面积大量增加。2001—2018年, 西南地区森林净转入面积48544.25 km², NPP净增长48.799 TgC, 土地类型转换导致森林面积的大量增长, 提升了区域NPP总量。这表明人类活动对西南地区植被净初级生产力有着极大影响, 这与西南地区开展的一系列诸如退耕还林(草)和人工造林等生态工程有很大关系^[12]。

土地覆盖类型转变对西南地区NPP有着重要影响。本研究表明, 在2001—2018年间, 草地、耕地转为灌丛以及灌丛转为森林对NPP变化有较大影响。耕地转出面积合计22096.5 km², 远高于转入(7928.5 km²)；森林转入面积高达66548 km², 远多于转出的18003.75 km²。耕地的转出主要以转入灌丛(18922.25 km²)和草地(2460.25 km²)为主, 这符合国家2000年来在西南地区实施的退耕还林还草工程。宜林荒山造林、抚育中幼林、改造低产低效林和封山育林等生态工程措施使得西南地区营造林数量大幅度提升, 对NPP的提升起到极大的促进作用, 四川和云南尤为显著。66059.25 km²灌丛转为森林, NPP增长13.909 TgC。森林的转入面积远大于转出面积, 森林的NPP值高, 其他低生产力类型转为森林会导致NPP增加, 因此森林NPP净增长46.799 TgC。草地和耕地面积均呈减少趋势, NPP总量呈现下降趋势, NPP分别净减少0.29 TgC和10.063 TgC。草地和耕地主要转为灌丛, 这弥补了一部分灌丛大量转出损失的NPP。灌丛大量面积转入森林, 耕地和草地转入灌丛少于灌丛转为森林, 灌丛转出的面积比转入的面积多, 造成对其单一类型而言NPP净减少16.213 TgC。西南地区实施的封山育林措施和低效林改造等生态工程有效提升了植被生长密度, 促使灌丛朝着生产力高的森林生长, 有助于灌丛自身的NPP含量提升。且灌丛的占有面积是所有土地覆盖类型中最多的, 多年平均面积593.60×10³ km², 占研究区面积的58.06%。因此, 灌丛NPP总量呈增加趋势。这在童晓伟等学者对中国南方森林2002—2017年带来大量的碳汇研究中得到验证^[18]。

综上所述, 西南地区土地覆盖类型转换是NPP变化的重要影响因素, 退耕还林和植树造林等生态工程的实施是植被净初级生产力呈增加趋势的重要原因^[7]。本文主要探讨西南地区由于土地覆盖类型转变导致的NPP变化, 气候因子仅考虑了降水和气温, 并未考虑其他气候因子, 今后还需要考虑更多的气候因子对植被净初级生产力的影响。生态工程造林成效主要基于省域尺度数据, 今后应进一步提高数据精度, 以便将来更好的探究生态工程对西南地区植被净初级生产力的影响。

3.2 结论

本文基于遥感数据, 分析了我国西南喀斯特地区2001—2018年的NPP时空变化, 计算了森林、灌丛、耕地、草地和建成区相互转换导致的NPP变化量, 分析了降水、气温和植被密度与NPP变化的关联性。结果表明：(1)2001—2018年, 西南地区NPP均值呈现显著性波动上升, 变化率为3.17 gC m^-2 a^-1。灌丛、草地和耕地面积呈减少趋势, 耕地面积减少率最高, 森林和建成区面积呈增加趋势。森林、灌丛和建成区NPP总量呈增加趋势, 其中森林增长率最高, 草地和耕地的NPP总量呈减少趋势。(2)NPP平均值表现为南高北低, 高值区以云南省为主。多数区域NPP呈增加趋势, 集中分布于四川的中东部、重庆、贵州西部和云南东部；NPP减少主要出现在云南、四川中西部和贵州东部。(3)灌丛转为森林以及森林、草地和耕地转为灌丛对研究区NPP有较大影响。森林转灌丛, NPP减少3.708 TgC；草地和耕地转灌丛, NPP分别增加10.647 TgC和3.075 TgC；灌丛转森林, NPP增加13.909 TgC。土地类型转换导致NPP净增加20.643 TgC, 主要由于森林的净转入量大大高于转出量, 弥补了灌丛、草地和耕地的NPP净减。(4)总体上, 西南地区降水与NPP变化的相关性不大, 气温与NPP有一定相关性, 而植被密度与NPP有显著相关关系。封山育林、宜林荒山造林等生态工程极大提高了植被生长密度和覆盖度, 是NPP增加的主要驱动因子。