李曉榮, 高 會, 韓立樸, 劉金銅**

?

太行山區(qū)植被NPP時空變化特征及其驅動力分析*

李曉榮1,2, 高 會1,2, 韓立樸1, 劉金銅1**

(1. 中國科學院遺傳與發(fā)育生物學研究所農(nóng)業(yè)資源研究中心 石家莊 050022; 2. 中國科學院大學 北京 100049)

本文基于2000—2014年MODIS NPP數(shù)據(jù), 結合同期土地利用變化、氣溫、降水和DEM數(shù)據(jù), 運用趨勢分析法、相關系數(shù)法及分區(qū)統(tǒng)計法等方法, 研究了太行山區(qū)2000—2014年植被NPP時空變化特征, 分析了氣溫、降水等氣候因素和人為因素對植被NPP變化的影響, 為太行山區(qū)植被資源管理及生態(tài)環(huán)境調(diào)控提供參考。研究結果表明: (1)太行山區(qū)植被NPP多年平均值為284.0 g(C)·m-2·a-1, 耕地、林地和草地的NPP均值分別為302.5 g(C)·m-2·a-1、258.1 g(C)·m-2·a-1、286.5 g(C)·m-2·a-1。(2)2000—2014年太行山區(qū)植被NPP整體呈上升趨勢, 但大部分植被NPP變化未達到顯著水平; 16.17%的植被NPP顯著或極顯著升高, 主要分布在太行山區(qū)西側; 0.88%的植被NPP顯著或極顯著降低, 零散分布在研究區(qū)內(nèi)。(3)不同植被類型NPP變化速率為草地>耕地>林地。(4)基于區(qū)域平均計算, 太行山區(qū)植被NPP與降水顯著正相關(<0.05), 與氣溫負相關(>0.05)?；谙裨嬎? 植被NPP與降水顯著或極顯著正相關區(qū)面積比例為23.82%, 主要分布在太行山區(qū)北段, 幾乎沒有顯著負相關區(qū); 植被NPP與氣溫顯著或極顯著負相關區(qū)面積比例為8.42%, 主要分布在太行山區(qū)西側, 顯著或極顯著正相關區(qū)面積比例為0.81%, 主要分布在太行山區(qū)最北端。(5)研究期內(nèi)氣候因子對植被NPP的升高整體上表現(xiàn)為促進作用, 而人為因素主要表現(xiàn)為抑制作用。太行山區(qū)生態(tài)環(huán)境保護仍應以減少人為干擾為主。

太行山區(qū); 凈初級生產(chǎn)力(NPP); 土地利用類型; 植被變化; MODIS; 驅動力

植被凈初級生產(chǎn)力(net primary productivity, NPP)是指植被在單位時間、單位面積上由光合作用產(chǎn)生的有機物質(zhì)總量扣除自養(yǎng)呼吸后的部分[1], 是反映植被生長變化的重要指標。植被NPP作為生態(tài)系統(tǒng)物質(zhì)循環(huán)和能量流動的關鍵環(huán)節(jié), 是生物圈的功能基礎[2]。當前, 氣候和環(huán)境問題日益突出, 及時準確了解區(qū)域或全球植被NPP, 并分析其時空變化特征, 理解其與各種影響因素之間的關系對于全球變化及可持續(xù)發(fā)展研究有重要意義, 同時也能為區(qū)域合理開發(fā)利用自然資源提供科學依據(jù)。

從20世紀80年代中后期開始, 學者們針對NPP經(jīng)驗統(tǒng)計模型的不足, 在考慮植物生理生態(tài)特征的基礎上, 提出了植被NPP過程模型; 遙感(RS)、地理信息系統(tǒng)(GIS)和全球定位系統(tǒng)(GPS)技術的發(fā)展則為NPP過程模型的廣泛應用提供了重要的技術平臺[3]。20世紀末期以來, NOAA/AVHRR、EOS/ MODIS等遙感數(shù)據(jù)的引入, 有力推動了我國植被NPP遙感模型的研究和相關數(shù)據(jù)產(chǎn)品的應用。孫睿等[4]、樸世龍等[5]、陳利軍等[6]、朱文泉等[7]先后對我國植被NPP時空變化特征進行了研究; 并且隨著相關遙感數(shù)據(jù)的積累, 長時間序列遙感產(chǎn)品在區(qū)域植被變化研究中發(fā)揮的作用越來越大。

太行山區(qū)是京津冀地區(qū)的重要生態(tài)屏障, 又是生態(tài)敏感區(qū), 生態(tài)環(huán)境極易受到各種因素的干擾; 歷朝歷代的開發(fā)對太行山天然植被造成了嚴重破壞, 使該區(qū)域水土流失嚴重, 旱澇災害頻繁, 影響了當?shù)厣鐣目沙掷m(xù)發(fā)展[8]。解放后, 對太行山區(qū)多半個世紀的生態(tài)恢復綠化了荒山禿嶺, 產(chǎn)生了顯著的綜合效益[9]。當前氣候變化和市場經(jīng)濟背景下, 中國陸地植被波動增大, 影響了區(qū)域生態(tài)系統(tǒng)服務功能的正常發(fā)揮。目前, 有很多植被變化方面的研究涉及太行山地區(qū), 但相關研究中以NPP為中心的還很少, 且這些研究都只涉及了太行山區(qū)的部分區(qū)域。如劉征等[10]對河北省山區(qū)植被NPP空間格局進行研究, 發(fā)現(xiàn)NPP在河北省太行山區(qū)呈帶狀分布; 張莎[11]對河北省植被NPP時空變化特征的研究中發(fā)現(xiàn)太行山迎風坡在生長季降水較多, 形成NPP高值帶; 王新闖等[12]對河南省NPP的研究中發(fā)現(xiàn)太行山河南部分為相對NPP低值區(qū)。目前, 將整個太行山區(qū)的植被作為研究對象的還鮮見報道。

太行山地處我國第二階梯的東沿, 是平原到山地高原的過渡帶, 同時, 它又是東部經(jīng)濟發(fā)達地區(qū)到中西部經(jīng)濟欠發(fā)達地區(qū)的過渡帶。在太行山整體尺度上研究植被NPP變化, 可以增進人們對全球變化背景下生態(tài)敏感地區(qū)植被反饋特征的認識, 這對于典型山區(qū)自然資源的合理開發(fā)利用、社會的可持續(xù)發(fā)展有重要的現(xiàn)實意義。本研究借助3S技術對太行山區(qū)植被變化進行研究, 了解植被變化趨勢, 并對導致植被變化的驅動力進行分析, 可以幫助管理者改進現(xiàn)有的植被資源管理策略, 更有效地調(diào)控太行山區(qū)的生態(tài)環(huán)境。

1 研究區(qū)概況

關于太行山區(qū)范圍的說法有很多, 本文參考范曉[13]的說法, 將太行山區(qū)作為和西部呂梁山區(qū)、東部華北平原對等的地理單元; 同時參考古代“太行八陘”的說法[14], 確定太行山南北界。這樣, 太行山自然區(qū)域北起永定河, 南止黃河, 西自汾河谷地, 東至華北平原, 跨越北京、山西、河南、河北4省(市), 115個縣級行政區(qū)。本文研究范圍(110°14′E~116°35′E, 34°34′N~40°47′N)特指太行山過境的所有縣級行政區(qū), 總面積約13.7×104km2, 平均海拔861 m, 地勢西北高東南低。區(qū)內(nèi)氣候屬溫帶大陸性季風氣候, 四季分明, 年均溫11.1 ℃, 年均降水511.7 mm, 全年一半以上的降水集中在夏季。研究區(qū)內(nèi)植被狀況隨海拔、經(jīng)度、緯度的變化而呈現(xiàn)出顯著差異, 溝谷、盆地內(nèi)平坦地區(qū)多為農(nóng)田或建設用地, 崎嶇陡坡地段多為林地或草地(圖1)。

2 材料與方法

2.1 數(shù)據(jù)來源及處理

DEM數(shù)據(jù)來源于中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn), 為日本METI和美國NASA聯(lián)合研制的ASTER GDEM V2數(shù)據(jù), 基于“先進星載熱發(fā)射和反輻射計(ASTER)”數(shù)據(jù)計算生成, 空間分辨率30 m。

植被NPP數(shù)據(jù)為美國蒙大拿大學發(fā)布的2000— 2014年的MOD17A3數(shù)據(jù)(https://ipdaac.usgs. gov), 空間分辨率為1 km, 時間分辨率為1 a。該產(chǎn)品基于MODIS/TERRA衛(wèi)星遙感數(shù)據(jù), 通過參考BIOME- BGC模型計算得到植被NPP數(shù)據(jù)。BIOME-BGC模型通過模擬植被生理過程來估算NPP, 估算精度相對較高[15], MODIS NPP數(shù)據(jù)的相關檢驗已有很多[16-17]。用MRT (MODIS reprojection tools)軟件對圖像進行拼接、轉投影、重采樣等操作。用ArcGIS 10.2軟件進行有效值提取。

土地利用數(shù)據(jù)基于2010年TM影像、30 m DEM、Google高分影像, 進行目視解譯生成, 數(shù)據(jù)來源于中國科學院山地災害與環(huán)境研究所。

氣象數(shù)據(jù)為2000—2014年太行山區(qū)及周邊北京、山西、河南、河北4省(市)58個氣象站點逐年的降水、氣溫數(shù)據(jù), 數(shù)據(jù)來源于中國氣象科學數(shù)據(jù)共享服務網(wǎng)(http://cdc.cma.gov.cn)。氣象數(shù)據(jù)采用反距離加權插值法(inverse distance weighted, IDW)進行空間插值。

所有圖像數(shù)據(jù)均采用WGS84/Albers Equal Area投影, 由ArcGIS 10.2軟件進行進一步的處理分析。

2.2 分析方法

2.2.1 植被NPP變化趨勢分析

用一元線性回歸分析法, 基于像元分析太行山區(qū)2000—2014年植被NPP變化, 線性回歸的趨勢斜率即為NPP變化速率[16,18], 公式為:

式中:為NPP變化速率,=15為年數(shù),x為第年的NPP值,為年份。基于ArcGIS的柵格計算功能, 可得到植被NPP在2000—2014年間的變化趨勢圖。當>0, 說明植被NPP呈增加趨勢, 反之為減少趨勢。

用檢驗法檢驗NPP變化趨勢的顯著性, 該檢驗結果僅代表趨勢變化可置信程度的高低, 與變化速率大小無關[16,19]。檢驗公式為:

2.2.2 植被NPP變化與氣候因素的相關分析

采用基于像元計算的偏相關系數(shù)分析NPP與降水或氣溫的相關性[16]。先計算簡單相關系數(shù), 進而計算偏相關系數(shù)。簡單相關系數(shù)計算公式如下:

式中:R為、兩變量的相關系數(shù);x和y分別表示第年NPP和氣候因子值;和分別表示多年平均NPP和多年平均氣候因子值;=15, 為年數(shù)。

偏相關系數(shù)計算公式如下:

用檢驗法對偏相關系數(shù)進行顯著性檢驗[20], 公式如下:

式中:為偏相關系數(shù),=15為年數(shù)。查詢分布表可判斷偏相關系數(shù)的顯著性, 結合偏相關系數(shù)正負情況, 可將其分為5個等級: 極顯著負相關(<0,<0.01)、顯著負相關(<0, 0.01<<0.05)、相關性不顯著(>0.05)、顯著正相關(>0, 0.01<<0.05)和極顯著正相關(>0,<0.01)。

2.2.3 區(qū)域統(tǒng)計分析

將研究區(qū)分別按海拔梯度和坡度梯度分區(qū), 結合土地利用數(shù)據(jù)、多年平均NPP、NPP變化分析結果、NPP與降水或氣溫的相關分析結果, 采用ArcGIS分區(qū)統(tǒng)計的方法, 研究不同區(qū)域植被NPP變化特征, 分析人為因素和氣候因素對植被NPP變化的影響。

3 結果與分析

3.1 植被NPP的空間格局

太行山大體呈東北-西南走向, 跨越6個緯度, 山體東西兩側受季風影響差異較大, 且太行山區(qū)局部地形復雜多變, 因此區(qū)域內(nèi)生態(tài)環(huán)境條件差異較大, 植被NPP空間分布異質(zhì)性較高。太行山區(qū)植被NPP多年平均值為284.0 g(C)·m-2·a-1。其中, 耕地、林地和草地的NPP均值分別為302.5 g(C)·m-2·a-1、258.1 g(C)·m-2·a-1、286.5 g(C)·m-2·a-1。從整個區(qū)域來看(圖2), 太行山區(qū)植被NPP空間分布呈現(xiàn)出北段低值、南段高值、中段大部分區(qū)域高低值交叉分布的特征。這一方面與研究區(qū)整體尺度上水熱條件自北向南變好有關, 另一方面也與不同地理區(qū)域的水分條件差異有關。受季風氣候和地形影響, 太行山區(qū)一般迎風坡和中高山區(qū)降水多、溝谷盆地降水少; 且地形對太陽輻射的分配使得陽坡比陰坡的蒸散量高, 植被干旱脅迫更嚴重, 因此, 當?shù)厝斯ぴ炝侄嘀灿陉幤?。耕地條件較高, 植被長勢一般可以比同生長型自然植被更好。部分中高山NPP紅色低值區(qū)分布突出, 對比土地利用圖可發(fā)現(xiàn), NPP低值區(qū)主要為林地。對比其他研究中林地NPP值為500 g(C)·m-2·a-1[16], 甚至更高的生產(chǎn)水平[21], 太行山區(qū)林地的生產(chǎn)力較差。結合太行山區(qū)林地NPP整體較低的特點, 太行山區(qū)林地植被生長受到很大的環(huán)境脅迫。主要由于太行山區(qū)林地分布的平均海拔為1 127 m, 平均坡度達21.4°, 年均降水507.7 mm, 自然條件比農(nóng)田和草地的差; 另一方面, 山地生態(tài)系統(tǒng)比平原區(qū)更脆弱, 歷史開發(fā)引起的水土流失使山體土層瘠薄, 很多地方土層厚度小于15 cm[22], 不少地方巖石大面積裸露, 只適合生長雜草, 這嚴重限制了植被的發(fā)育。

3.2 植被NPP年際變化分析

2000—2014年, 太行山區(qū)植被NPP整體呈波動上升的趨勢, 不同植被類型NPP年際波動與研究區(qū)NPP整體波動基本一致(圖3)。這說明影響太行山區(qū)植被NPP整體變化的因素是一種能作用于大尺度區(qū)域的全局性因素。2001年, 中國北方地區(qū)遭遇干旱, 研究區(qū)NPP值較低; 2003年, 研究區(qū)降水豐沛, 形成NPP高值, 并改善了來年植被長勢。2000年左右, “退耕還林工程”啟動, 封山禁牧等生態(tài)保護措施, 以及農(nóng)村人口向城市轉移等進程, 對植被改善產(chǎn)生了積極影響。

在植被NPP變化速率空間分布圖中可看出 (圖4a), NPP變化速率大部分介于-5~5 g(C)·m-2·a-1, 正值區(qū)面積遠大于負值區(qū); NPP增長較快的區(qū)域主要位于太行山西側, NPP降低區(qū)除部分在太行山區(qū)南段林地成片分布外, 大多零散分布在各地。不同植被類型NPP變化速率有較大差別, 草地、耕地和林地的NPP變化速率平均值分別為2.77 g(C)·m-2·a-1、2.19 g(C)·m-2·a-1、0.83 g(C)·m-2·a-1。從NPP變化顯著性檢驗結果(圖4b)中可知, 研究區(qū)內(nèi)大部分植被NPP變化不顯著, NPP顯著或極顯著升高區(qū)面積比例為16.17%, 主要分布在太行山區(qū)西側; NPP顯著或極顯著降低區(qū)面積比例只有0.88%, 零散分布在整個研究區(qū)域內(nèi)。不同植被類型NPP顯著或極顯著升高的比例: 草地>耕地>林地, 不同植被NPP顯著或極顯著降低的比例: 林地>耕地>草地(表1)。這除了與林地生境較差有關外, 也與不同植被類型的生態(tài)學特征有關。林地生態(tài)系統(tǒng)結構復雜, 穩(wěn)定性相對較高, 在環(huán)境變化中植被波動往往較小; 而草地和耕地以草本植物為主, 對環(huán)境變化敏感, 尤其草地植物適應性強, 在環(huán)境改善后更容易有高的NPP變化速率值。林地植被NPP顯著降低則可能與人類活動有較大關聯(lián)。

從植被NPP變化顯著性檢驗結果的空間分布來看, NPP顯著或極顯著升高區(qū)和NPP變化速率高值區(qū)分布一致, 說明該區(qū)植被在研究時段內(nèi)有明顯改善; NPP顯著或極顯著降低區(qū)面積占全區(qū)面積的比例極小, 呈零星分布, 說明NPP變化速率負值區(qū)植被大部分并未明顯惡化。NPP顯著或極顯著升高區(qū)主要為草地和耕地; NPP顯著或極顯著降低區(qū)主要為建設用地、耕地和林地。其中, 建設用地植被NPP降低是因為城市化過程中占用了原有植被用地; 耕地NPP降低部分多分布在建設用地周邊, 說明人為因素是耕地區(qū)植被惡化的主要影響因素; 林地NPP降低部分多位于太行山區(qū)南段, 大多與NPP低值區(qū)、NPP變化速率低值區(qū)重合, 說明這部分林地中存在長期作用的負面影響因素或機制。氣候因素作用范圍大, 但林地植被顯著惡化區(qū)孤立分布, 說明這些區(qū)域的植被惡化不是氣候因素導致的, 結合近些年太行山區(qū)南段旅游業(yè)快速發(fā)展的事實, 推測這可能是人為破壞的結果。

3.3 植被NPP與氣候因素的相關分析

基于空間平均計算, 2000—2014年, 研究區(qū)降水與NPP顯著正相關, 相關系數(shù)為0.530; 氣溫與NPP負相關, 相關系數(shù)為-0.280。由偏相關系數(shù)顯著性檢驗結果(圖5)可知, 降水與植被NPP主要表現(xiàn)為正相關關系, 降水與NPP顯著或極顯著相關區(qū)的面積比例為23.82%, 幾乎全部表現(xiàn)為正相關, 主要分布在太行山北段; 氣溫與植被NPP的關系主要為負相關關系, 其顯著或極顯著負相關區(qū)面積比例為8.42%, 主要分布在太行山區(qū)西側; 氣溫與NPP顯著或極顯著正相關區(qū)面積比例只有0.81%, 這部分植被主要是分布在受熱量限制的太行山區(qū)最北端的耕地和林地。

圖b中, A為變化不顯著, B為顯著降低, C為顯著升高, D為極顯著降低, E為極顯著升高。In figure b, A means not significant change, B means significant reduction, C means significant increase, D means extremely significant reduction, E means extremely significant increase.

A: 極顯著負相關; B: 顯著負相關; C: 相關性不顯著; D: 顯著正相關; E: 極顯著正相關。A: extremely significant negative correlation; B: significant negative correlation; C: not significant correlation; D: significant positive correlation; E: extremely significant positive correlation.

表1 2000—2014年太行山區(qū)不同植被類型NPP變化顯著性檢驗結果面積百分比

不同植被類型NPP與年降水量、年均溫的相關性檢驗結果與全區(qū)平均狀況基本一致(圖6)。對比NPP變化顯著性檢驗結果可發(fā)現(xiàn), NPP顯著變化區(qū)與NPP-降水顯著相關區(qū)、NPP-氣溫顯著相關區(qū)有較多重疊部分, 說明一部分植被NPP的顯著變化與氣候因素有較強關聯(lián)。

以上分析中, 降水對植被NPP的增加主要表現(xiàn)為促進作用, 氣溫對植被NPP的增加主要表現(xiàn)為抑制作用, 這兩種作用形式正是干旱脅迫的表現(xiàn), 說明干旱是限制太行山區(qū)植被NPP增長的重要原因。一些學者也認為太行山區(qū)植被面對的干旱脅迫較為嚴重[8,22-23]。但降水只在全區(qū)平均水平上顯著影響NPP變化, 在像元尺度的分析中, 其顯著影響區(qū)的面積比例很小, 溫度對植被NPP的影響力相對更小。這說明太行山區(qū)植被NPP的變化原因是復雜的, 降水和氣溫只是多種影響因素中的兩種。

A: 極顯著負相關; B: 顯著負相關; C: 相關性不顯著; D: 顯著正相關; E: 極顯著正相關。A: extremely significant negative correlation; B: significant negative correlation; C: not significant; D: significant positive correlation; E: extremely significant positive correlation.

3.4 地理梯度上植被特征的變化

基于海拔梯度和坡度梯度進行分區(qū)統(tǒng)計, 太行山區(qū)不同植被類型的面積百分比、年均NPP、NPP變化速率、NPP-降水偏相關系數(shù)和NPP-氣溫偏相關系數(shù)均產(chǎn)生變化。面積百分比表現(xiàn)為: 隨著海拔上升、坡度增大, 耕地面積比例下降, 草地和林地面積比例上升, 且林地在中、高海拔和大坡度地區(qū)所占比例較大(圖7a, b)。說明林地和草地的地理條件一般比耕地差。NPP的變化表現(xiàn)為: 隨著海拔上升、坡度增大, 林地和耕地NPP趨于下降, 且林地下降幅度更大; 草地NPP則變化不大(圖7c, d), 表現(xiàn)出了對不同地理環(huán)境的適應性。NPP變化速率方面, 隨海拔和坡度增加, 耕地和草地均呈現(xiàn)出了先升高后降低的趨勢, 而林地波動下降(圖7e, f)。這表明林地植被長勢受地形影響更大。降水與NPP的相關性表現(xiàn)為: 隨林地在海拔梯度上波動下降(圖7g, h), 表明隨著海拔上升降水對林地植被生長的影響減小; 草地在坡度梯度上波動下降, 表明隨著坡度增大, 降水對草地植被生長的影響減小; 但其中又有很多不規(guī)則的變化情況, 表明地理梯度上降水對植被生長的影響是復雜的。氣溫與NPP的相關性表現(xiàn)為, 不同植被類型NPP與氣溫的相關系數(shù)在地理梯度上均表現(xiàn)出了先降低后升高的趨勢(圖7i, j)。說明在不同地理梯度上, 氣溫所起的作用不同, 其中可能發(fā)生了主導因子的轉變。除林地外, 氣候因素與NPP的相關系數(shù)曲線大多在中等海拔、中等坡度部位表現(xiàn)凸出, 這與NPP變化速率曲線表現(xiàn)相似。一般而言, 低海拔、小坡度地區(qū), 人類生產(chǎn)活動強烈, 人為因素是植被變化的主導因素, 氣候因子作用相對較弱; 高海拔、大坡度地區(qū), 植被NPP變化可能更多受到土壤等生態(tài)系統(tǒng)內(nèi)部因素的影響。這反映出氣候因素作用相對強烈的地方, 植被生長得更好。而人為因素作用強烈的低海拔、小坡度地區(qū), 人為因素降低了耕地和草地的改善幅度, 盡管人類重視林地植被建設, 但這些地區(qū)林地比例較小, 人為因素主要表現(xiàn)為抑制植被改善。

4 結論和討論

4.1 結論

本文基于2000—2014年MODIS NPP數(shù)據(jù), 結合土地利用、氣溫、降水和DEM數(shù)據(jù), 運用趨勢分析、相關系數(shù)及分區(qū)統(tǒng)計等方法, 研究了太行山區(qū)2000—2014年植被NPP時空變化特征, 并對影響植被NPP變化的因素進行了分析, 結論如下:

(1)2000—2014年, 太行山區(qū)植被NPP多年平均值為284.0 g(C)·m-2·a-1。其中, 耕地、林地和草地的NPP均值分別為302.5 g(C)·m-2·a-1、258.1 g(C)·m-2·a-1、286.5 g(C)·m-2·a-1。

(2)2000—2014年, 太行山區(qū)植被NPP整體有上升趨勢, 但大部分植被NPP變化達不到顯著水平, 16.17%的植被NPP顯著或極顯著升高, 0.88%的植被NPP顯著或極顯著降低; 植被NPP顯著或極顯著升高區(qū)主要分布在太行山區(qū)西側, 植被NPP顯著或極顯著降低區(qū)零散分布在研究區(qū)內(nèi)。

(3)不同植被類型NPP變化速率為草地>耕地>林地。草地適應性相對較強, 更多利用了環(huán)境變化的機會; 林地大部分分布區(qū)生境較差, 制約了NPP的升高。

(4)基于區(qū)域平均計算, 太行山區(qū)植被NPP與降水顯著正相關(<0.05), 與氣溫負相關(>0.05)?；谙裨嬎? 植被NPP與降水顯著或極顯著正相關區(qū)面積比例為23.82%, 主要分布在太行山區(qū)北段, 幾乎沒有顯著負相關區(qū); 植被NPP與氣溫顯著或極顯著負相關區(qū)面積比例為8.42%, 主要分布在太行山區(qū)西側, 顯著或極顯著正相關區(qū)面積比例為0.81%, 主要分布在太行山區(qū)最北端。

(5)研究期內(nèi)氣候因子對植被NPP的升高整體上表現(xiàn)為促進作用, 而人為因素主要表現(xiàn)為抑制作用。

4.2 討論

本研究中, 地理位置、地形、開發(fā)歷史和人為管理等通過水、熱、土壤等因子影響太行山區(qū)植被NPP的空間分布, 但水分條件是NPP增長的主要限制因子。太行山區(qū)受季風氣候影響, 雨熱同期, 但潛在蒸發(fā)量多在1 600 mm左右(根據(jù)MODIS蒸散數(shù)據(jù)計算多年平均得到), 遠大于實際降水, 易形成干旱脅迫; 長期水土流失使土層瘠薄, 水源涵養(yǎng)功能降低, 植被水分狀況進一步惡化。耕地植被受人類照料, 生長較好; 草地植被NPP低于耕地, 但因其適應性較強, NPP高于林地。本研究中太行山區(qū)林地NPP較低, 這與林地生境較差有關, 但也與不適宜的造林活動有一定關系。自20世紀80年代開始, 太行山區(qū)相繼實施了“太行山綠化工程”、“退耕還林工程”等多項生態(tài)工程。但各地大規(guī)模造林過程中, 除在宜林地造林外, 因為指標問題, 難免會在不適宜造林的地方造林。這一方面增加了造林成本, 另一方面也違背了“因地制宜”的原則, 影響了林木生長, 使林分成為低質(zhì)低效林[24-25]。張莎[11]對河北省2001—2010年NPP的研究中發(fā)現(xiàn), 河北省NPP絕大部分集中在200~400 g(C)·m-2·a-1, 且耕地NPP大于林地和草地, 與本研究一致。王新闖等[12]對2000—2010年河南省NPP的研究中, 河南省年NPP變化范圍為308~430 g(C)·m-2·a-1, 耕地NPP在300~500 g(C)·m-2·a-1, 豫西和豫東南林區(qū)NPP多在500 g(C)·m-2·a-1以上, 其植被長勢整體上優(yōu)于太行山區(qū)植被。

本研究中, 太行山區(qū)植被大體呈好轉趨勢, 這與國內(nèi)很多學者的研究結果一致。杜加強等[26]對新疆植被NDVI的研究中, 發(fā)現(xiàn)植被在1982—2012年間呈極顯著增加趨勢; 李輝霞等[27]基于NDVI對三江源地區(qū)的研究, 發(fā)現(xiàn)植被在2000—2014年間呈好轉趨勢; 王新闖等[12]對河南的研究也發(fā)現(xiàn)植被NPP在2000—2010年間以增加為主。但在其他區(qū)域的研究中, 也有一些區(qū)域植被未改善, 甚至惡化。張莎[11]對河北植被NPP的研究中發(fā)現(xiàn), 2000—2014年間河北大部分地區(qū)植被呈減少趨勢。有學者指出, 植被變化有明顯的區(qū)域差異性, 與氣候因子關系的空間異質(zhì)性也較強[20]。因此, 即便在大的環(huán)境變化背景下, 不同地區(qū)植被的響應也可能有很大差異。

對于太行山區(qū)植被的變化, 不同學者的研究結果也有所不同。孫雷剛等[28]對太行山中部滹沱河流域植被的研究中發(fā)現(xiàn), 1984—2014年植被覆蓋度總體呈增加趨勢, 但海拔相對較低的區(qū)域表現(xiàn)為植被退化。本文中該區(qū)域雖然也存在植被退化, 但顯著退化區(qū)比例較小?？紤]到孫雷剛等[28]的研究中包括了石家莊平原區(qū)(本文研究范圍未包含), 且研究時段更長, 而該區(qū)域又是城市化較快的地區(qū), 這種差異是很可能出現(xiàn)的。賈寶全[29]基于1987年和2009年兩期TM衛(wèi)星影像對北京植被覆蓋變化進行研究, 發(fā)現(xiàn)植被質(zhì)量以改善為主, 且認為植被變化的驅動力主要是人為生態(tài)工程因素。本文也認為封育禁牧等生態(tài)措施對植被改善有利, 在低海拔區(qū)植被變化受人為因素主導, 但本文中低海拔區(qū)人類行為多表現(xiàn)為負面影響, 而非正面影響; 本研究缺乏林業(yè)相關數(shù)據(jù)分析及對2000年之前植被狀況的認識, 賈寶全[29]的研究中北京造林綠化在2000年后已趨于飽和, 且MODIS NPP數(shù)據(jù)在建設用地缺失, 這些都會導致結果的差異。Chen等[30]基于AVHRR/NDVI數(shù)據(jù)對海河流域植被的研究中發(fā)現(xiàn), 1981—2000年, 北京NDVI顯著減少; 這與賈寶全[29]的研究結果有一定沖突, 但兩者時空尺度和研究方法有較大差別,這可能影響了最終的結果。從學者們的研究中可看到, 方法差異、時空差異都可能導致研究結果的不同。

目前, 本研究還基本停留在對MODIS NPP數(shù)據(jù)的應用分析上, 缺乏對實地狀況的認識, 與社會經(jīng)濟數(shù)據(jù)的結合還很少。而對人類行為只是定性分析, 其實際應用意義將大打折扣, 這是后續(xù)研究需要改進的。MODIS數(shù)據(jù)本身存在一定的精度問題, 本土化過程中需要多方考慮。當前, 各種植被生產(chǎn)力模型精度和準度均有較大差別, 模型應用結果可比性差; 有研究認為基于多種算法的集合預估方法能有效提高模擬精度, 產(chǎn)生顯著優(yōu)于單個算法的模擬結果[31], 這可能是今后的一個發(fā)展方向。

[1] Lieth H, Whittaker R H. Primary Productivity of the Biosphere[M]. Berlin Heidelberg: Springer, 1975

[2] 周廣勝, 張新時. 自然植被凈第一性生產(chǎn)力模型初探[J]. 植物生態(tài)學報, 1995, 19(3): 193–200 Zhou G S, Zhang X S. A natural vegetation NPP model[J]. Acta Phytoecologica Sinica, 1995, 19(3): 193–200

[3] 孫力煒. 祁連山區(qū)植被凈第一性生產(chǎn)力的時空分布特征及氣候變化和人類活動的影響[D]. 蘭州: 西北師范大學, 2013 Sun L W. Temporal and spatial variation of vegetable net primary productivity and influence of climate change and human activity in Qilian Mountains[D]. Lanzhou: Northwest Normal University, 2013

[4] 孫睿, 朱啟疆. 氣候變化對中國陸地植被凈第一性生產(chǎn)力影響的初步研究[J]. 遙感學報, 2001, 5(1): 58–61 Sun R, Zhu Q J. Effect of climate change of terrestrial net primary productivity in China[J]. Journal of Remote Sensing, 2001, 5(1): 58–61

[5] 樸世龍, 方精云, 郭慶華. 利用CASA模型估算我國植被凈第一性生產(chǎn)力[J]. 植物生態(tài)學報, 2001, 25(5): 603–608 Piao S L, Fang J Y, Guo Q H. Application of CASA model to the estimation of Chinese terrestrial net primary productivity[J]. Acta Phytoecologica Sinica, 2001, 25(5): 603–608

[6] 陳利軍, 劉高煥, 勵惠國. 中國植被凈第一性生產(chǎn)力遙感動態(tài)監(jiān)測[J]. 遙感學報, 2002, 6(2): 129–135 Chen L J, Liu G H, Li H G. Estimating net primary productivity of terrestrial vegetation in China using remote sensing[J]. Journal of Remote Sensing, 2002, 6(2): 129–135

[7] 朱文泉, 潘耀忠, 張錦水. 中國陸地植被凈初級生產(chǎn)力遙感估算[J]. 植物生態(tài)學報, 2007, 31(3): 413–424 Zhu W Q, Pan Y Z, Zhang J S. Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing[J]. Journal of Plant Ecology, 2007, 31(3): 413–424

[8] 劉欣, 葛京鳳, 馮現(xiàn)輝. 河北太行山區(qū)土地資源生態(tài)安全研究[J]. 干旱區(qū)資源與環(huán)境, 2007, 21(5): 68–74 Liu X, Ge J F, Feng X H. Study on ecological security of land resources in Taihang Mountain Hebei[J]. Journal of Arid Land Resources and Environment, 2007, 21(5): 68–74

[9] 曾憲芷, 楊躍軍, 張國紅, 等. 對太行山綠化工程建設的思考[J]. 林業(yè)經(jīng)濟, 2010, (7): 52–54 Zeng X Z, Yang Y J, Zhang G H, et al. On the greening project of Taihang mountains[J]. Forestry Economics, 2010, (7): 52–54

[10] 劉征, 趙旭陽, 米林迪. 基于3S技術的河北省山區(qū)植被凈初級生產(chǎn)力估算及空間格局研究[J]. 水土保持研究, 2014, 21(4): 143–147 Liu Z, Zhao X Y, Mi L D. Study on estimation and spatial pattern of vegetation net primary productivity in mountainous area of Hebei Province based on 3S[J]. Research of Soil and Water Conservation, 2014, 21(4): 143–147

[11] 張莎. 基于長時間序列多源遙感數(shù)據(jù)的河北省植被NPP時空分布研究[D]. 石家莊: 河北師范大學, 2015 Zhang S. Research on spatio-temporal distribution of vegetation net primary productivity in Hebei Province based on long time-series multi-source remote sensing data[D]. Shijiazhuang: Hebei Normal University, 2015

[12] 王新闖, 王世東, 張合兵. 基于MOD17A3的河南省NPP時空格局[J]. 生態(tài)學雜志, 2013, 32(10): 2797–2805 Wang X C, Wang S D, Zhang H B. Spatiotemporal pattern of vegetation net primary productivity in Henan Province of China based on MOD17A3[J]. Chinese Journal of Ecology, 2013, 32(10): 2797–2805

[13] 范曉. 太行山——高原向平原的轉折很壯麗[J]. 中國國家地理, 2011, (5): 15–25 Fan X. Taihang Mountain — The turning from the plateau to the plain is very magnificent[J]. Chinese National Geography, 2011, (5): 15–25

[14] 王尚義. 芻議太行八陘及其歷史變遷[J]. 地理研究, 1997, 16(1): 68–76 Wang S Y. A brief discussion on the eight Taihang passages and their vicissitudes in the history[J]. Geographical Research, 1997, 16(1): 68–76

[15] 李登科, 范建忠, 王娟. 基于MOD17A3的陜西省植被NPP變化特征[J]. 生態(tài)學雜志, 2011, 30(12): 2776–2782 Li D K, Fan J Z, Wang J. Variation characteristics of vegetation net primary productivity in Shaanxi Province based on MOD17A3[J]. Chinese Journal of Ecology, 2011, 30(12): 2776–2782

[16] 穆少杰, 李建龍, 周偉, 等. 2001—2010年內(nèi)蒙古植被凈初級生產(chǎn)力的時空格局及其與氣候的關系[J]. 生態(tài)學報, 2013, 33(12): 3752–3764 Mu S J, Li J L, Zhou W, et al. Spatial-temporal distribution of net primary productivity and its relationship with climate factors in Inner Mongolia from 2001 to 2010[J]. Acta Ecologica Sinica, 2013, 33(12): 3752–3764

[17] 朱鋒, 劉志明, 王宗明, 等. 東北地區(qū)農(nóng)田凈初級生產(chǎn)力時空特征及其影響因素分析[J]. 資源科學, 2010, 32(11): 2079–2084 Zhu F, Liu Z M, Wang Z M, et al. Temporal-spatial characteristics and factors influencing crop NPP across northeastern China[J]. Resources Science, 2010, 32(11): 2079–2084

[18] 吳珊珊, 姚治君, 姜麗光, 等. 基于MODIS的長江源植被NPP時空變化特征及其水文效應[J]. 自然資源學報, 2016, 31(1): 39–51 Wu S S, Yao Z J, Jiang L G, et al. The spatial-temporal variations and hydrological effects of vegetation NPP based on MODIS in the source region of the Yangtze River[J]. Journal of Natural Resources, 2016, 31(1): 39–51

[19] 阿斯姆古麗·阿納耶提, 師慶東, 劉曼, 等. 長時間序列遙感數(shù)據(jù)回歸分析支持下的植被變化分析[J]. 新疆大學學報: 自然科學版, 2014, 31(3): 341–344 Anayeti A, Shi Q D, Liu M, et al. The vegetation cover changes of regress analysis on using time-serial images of remote sensing[J]. Journal of Xinjiang University: Natural Science Edition, 2014, 31(3): 341–344

[20] 阿多, 趙文吉, 宮兆寧, 等. 1981—2013華北平原氣候時空變化及其對植被覆蓋度的影響[J]. 生態(tài)學報, 2017, 37(2): 576–592 A D, Zhao W J, Gong Z N, et al. Temporal analysis of climate change and its relationship with vegetation cover on the north china plain from 1981 to 2013[J]. Acta Ecologica Sinica, 2017, 37(2): 576–592

[21] 陳福軍, 沈彥俊, 李倩, 等. 中國陸地生態(tài)系統(tǒng)近30年NPP時空變化研究[J]. 地理科學, 2011, 31(11): 1409–1414 Chen F J, Shen Y J, Li Q, et al. Spatio-temporal variation analysis of ecological systems NPP in China in past 30 years[J]. Scientia Geographica Sinica, 2011, 31(11): 1409–1414

[22] 李保國. 生態(tài)經(jīng)濟溝建設理論與技術——以太行山為例[M]. 北京: 科學出版社, 2015 Li B G. Theory and Technology of Ecological Economic Ditch Construction — A case of Taihang Mountain[M]. Beijing: Science Press, 2015

[23] 鄧偉, 戴爾阜, 賈仰文, 等. 山地水土要素時空耦合特征、效應及其調(diào)控[J]. 山地學報, 2015, 33(5): 513–520 Deng W, Dai E F, Jia Y W, et al. Spatiotemporal coupling characteristics, effects and their regulation of water and soil elements in mountainous area[J]. Mountain Research, 2015, 33(5): 513–520

[24] 楊海青. 南太行山低山丘陵區(qū)主要灌木林生態(tài)服務功能及可持續(xù)經(jīng)營研究[D]. 鄭州: 河南農(nóng)業(yè)大學, 2013: 5Yang H Q. The ecological services and sustainable management of the main shrubs in the hill areas of south Taihang Mountains[D]. Zhengzhou: Henan Agricultural University, 2013: 5

[25] 羅曉華, 何成元, 劉興良, 等. 國內(nèi)低效林研究綜述[J]. 四川林業(yè)科技, 2004, 25(2): 31–36 Luo X H, He C Y, Liu X L, et al. A study of the domestic low-benefit stand[J]. Journal of Sichuan Forestry Science and Technology, 2004, 25(2): 31–36

[26] 杜加強, 賈爾恒·阿哈提, 趙晨曦, 等. 1982—2012年新疆植被NDVI的動態(tài)變化及其對氣候變化和人類活動的響應[J].應用生態(tài)學報, 2015, 26(12): 3567–3578 Du J Q, Ahati J, Zhao C X, et al. Dynamic changes in vegetation NDVI from 1982 to 2012 and its responses to climate change and human activities in Xinjiang, China[J]. Chinese Journal of Applied Ecology, 2015, 26(12): 3567–3578

[27] 李輝霞, 劉國華, 傅伯杰. 基于NDVI的三江源地區(qū)植被生長對氣候變化和人類活動的響應研究[J]. 生態(tài)學報, 2011, 31(19): 5495–5504 Li H X, Liu G H, Fu B J. Response of vegetation to climate change and human activity based on NDVI in the Three-River Headwaters region[J]. Acta Ecologica Sinica, 2011, 31(19): 5495–5504

[28] 孫雷剛, 鄭振華. 基于RS的近30年滹沱河流域植被覆蓋度動態(tài)變化研究[J]. 地理與地理信息科學, 2014, 30(6): 36–40 Sun L G, Zheng Z H. RS-based study on dynamic change of vegetation coverage in Hutuo River Watershed in the past 30 years[J]. Geography and Geo-Information Science, 2014, 30(6): 36–40

[29] 賈寶全. 基于TM衛(wèi)星影像數(shù)據(jù)的北京市植被變化及其原因分析[J]. 生態(tài)學報, 2013, 33(5): 1654–1666 Jia B Q. Driving factor analysis on the vegetation changes derived from the Landsat TM images in Beijing[J]. Acta Ecologica Sinica, 2013, 33(5): 1654–1666

[30] Chen F J, Shen Y J, Hu Q L, et al. Responses of NDVI to climate change in the Hai Basin[J]. Journal of Remote Sensing, 2011, 15(2): 401–414

[31] 袁文平, 蔡文文, 劉丹, 等. 陸地生態(tài)系統(tǒng)植被生產(chǎn)力遙感模型研究進展[J]. 地球科學進展, 2014, 29(5): 541–550 Yuan W P, Cai W W, Liu D, et al. Satellite-based vegetation production models of terrestrial ecosystem: An overview[J]. Advances in Earth Science, 2014, 29(5): 541–550

Spatio-temporal variations in vegetation NPP and the driving factors in Taihang Mountain Area*

LI Xiaorong1,2, GAO Hui1,2, HAN Lipu1, LIU Jintong1**

(1. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences, Shijiazhuang 050022, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China)

Net primary productivity (NPP) is an important indicator for the condition of vegetation in a given region. Research on NPP is not only important for the management of vegetation resources, but also a key element of global change. Technological development (such as remote sensing, geographic information system and global positioning system) had created the conditions for the establishment of complex process-based NPP models. On this basis, global NPP products today that continuously release data for long periods of time (e.g., MODIS NPP data appeared) greatly enhance research on NPP of regional vegetation. The objective of this study was to analyze the spatio-temporal variations in NPP of vegetation in Taihang Mountain Area for the period 2000–2014 using MODIS NPP data. At the same time, the study investigated the effects of climatic factors (e.g., temperature and precipitation) and of human factors (e.g., farming) on the change in NPP of vegetation in the region. Also trend analysis, correlation coefficient and zonal statistics were used in the study to analyze the various dataset (e.g., LUCC, temperature, precipitation and DEM). Results showed that the average NPP values of the study area was 284.0 g(C)·m-2·a-1, while those of farmland, forest and grassland were302.5 g(C)·m-2·a-1, 258.1 g(C)·m-2·a-1and 286.5 g(C)·m-2·a-1, respectively. Geographical location, topography, development history and human management influenced the distribution of the NPP of vegetation in the study area. Poor geographical environment was the main reason for the small NPP of forest vegetation in the region. The NPP of vegetation generally showed an upward trend, but was not significant for most of study area. About 16.17% area had significantly or extremely significantly increased vegetation NPP, which was mainly in the west of study area. In another 0.88% area, NPP significantly or extremely significantly dropped. The order of the NPP change rate of different vegetation types was — grassland > farmland > forest. Grassland vegetation was more effective for environmental rehabilitation because it had a better adaptability to the local conditions. Based on calculated regional averages, the vegetation NPP was significantly positively correlated with precipitation (< 0.05), but negatively correlated with temperature (> 0.05). About 23.82% of the study area had a significantly or extremely significantly positive correlation between NPP of vegetation and precipitation, which mainly distributed in the northern section of Taihang Mountain. No significantly negative correlation was observed. Furthermore, about 8.42% of the study area had a significantly or extremely significantly negative correlation between vegetation NPP and temperature, and this was mainly in the west side of Taihang Mountain. In another 0.81% area, the vegetation NPP was significantly or extremely significantly positively correlated with temperature, which was mainly distributed in the extreme north of the study area. Also the rate of NPP change and the correlation coefficient between NPP and climatic factors was positively correlated with altitude and slope gradients — both relatively smaller at low altitude and small slope, where human activity intensity was relatively higher. The area with significantly or extremely significantly reduced vegetation NPP was across the study area, especially around construction lands, which was not as a result of climatic factors. It was therefore suggested that while climatic factors generally enhanced vegetation NPP, human factors mainly inhibited vegetation NPP in the study area during the study period.

Taihang Mountain; NPP; Land use type; Vegetation change; MODIS; Driving factor

10.13930/j.cnki.cjea.160780

Q149

A

1671-3990(2017)04-0498-11

2016-09-02

2016-10-11

Sep. 2, 2016; accepted Oct. 11, 2016

* 國家重點基礎研究發(fā)展計劃(973計劃)課題(2015CB452705)資助

* Supported by the National Program on Key Basic Research Project of China (2015CB452705)

**Corresponding author, E-mail: jtliu@sjziam.ac.cn

**通訊作者: 劉金銅, 主要研究方向為生態(tài)系統(tǒng)可持續(xù)管理與生態(tài)工程。E-mail: jtliu@sjziam.ac.cn

李曉榮, 主要研究方向為山地生態(tài)系統(tǒng)。E-mail: lxrlvge@163.com

李曉榮, 高會, 韓立樸, 劉金銅. 太行山區(qū)植被NPP時空變化特征及其驅動力分析[J]. 中國生態(tài)農(nóng)業(yè)學報, 2017, 25(4): 498-508

Li X R, Gao H, Han L P, Liu J T. Spatio-temporal variations in vegetation NPP and the driving factors in Taihang Mountain Area[J]. Chinese Journal of Eco-Agriculture, 2017, 25(4): 498-508