左麗媛，高江波

1.中國(guó)科學(xué)院地理科學(xué)與資源研究所/中國(guó)科學(xué)院陸地表層格局與模擬重點(diǎn)實(shí)驗(yàn)室，北京 100101；2.中國(guó)科學(xué)院大學(xué)，北京 100049

植被凈第一性生產(chǎn)力（Net Primary Productivity，NPP）反映著植物固定和轉(zhuǎn)化光合作用產(chǎn)物的效率，決定了可供利用的物質(zhì)和能量，是陸地生態(tài)系統(tǒng)中物質(zhì)與能量運(yùn)轉(zhuǎn)研究的重要環(huán)節(jié)（樸世龍等，2001）。NPP作為地表碳循環(huán)的重要組成部分，是判定生態(tài)系統(tǒng)碳匯和調(diào)節(jié)生態(tài)過(guò)程的主要因子，在全球變化及碳循環(huán)平衡中扮演著重要的角色（IGBP Terrestrial Carbon Working Group，1998；Pan et al.，2011）。雨熱同期、二元三維地質(zhì)構(gòu)造與大面積分布的碳酸鹽巖使得喀斯特地區(qū)形成獨(dú)特的碳循環(huán)和巨大的碳匯潛力，在區(qū)域和全球碳循環(huán)過(guò)程中發(fā)揮著重要的作用（王世杰等，2017；Thevs et al.，2013）。然而，喀斯特地區(qū)由于水土流失引起的土層淺薄、基巖裸露、土地生產(chǎn)力喪失和生態(tài)環(huán)境退化等現(xiàn)象致使該地區(qū)出現(xiàn)嚴(yán)峻的石漠化景觀（Yahdjian et al.，2015），植被生長(zhǎng)環(huán)境相對(duì)惡劣，環(huán)境對(duì)植被生長(zhǎng)的選擇性限制作用強(qiáng)（蘇維詞等，2000）。同時(shí)，脆弱的生態(tài)環(huán)境與強(qiáng)烈的人類活動(dòng)相疊加使得當(dāng)?shù)刂脖灰坏┢茐募措y以恢復(fù)，因此定量評(píng)估環(huán)境因子、人類活動(dòng)及其耦合作用對(duì)喀斯特地區(qū) NPP的影響對(duì)石漠化的治理以及推進(jìn)喀斯特生態(tài)系統(tǒng)的恢復(fù)尤為重要。

目前常見(jiàn)的 NPP估算方法包括站點(diǎn)實(shí)測(cè)以及模型估算兩類。長(zhǎng)時(shí)間序列、區(qū)域以及全球的空間尺度使得大規(guī)模站點(diǎn)實(shí)測(cè)NPP不易實(shí)現(xiàn)，因此利用基于遙感數(shù)據(jù)的模型估算 NPP成為當(dāng)前廣泛使用的研究方法（Fang et al.，2003）。同時(shí)，遙感數(shù)據(jù)時(shí)間序列長(zhǎng)和覆蓋面廣的特點(diǎn)也使得區(qū)域及全球尺度NPP的動(dòng)態(tài)變化分析成為可能。在眾多基于遙感數(shù)據(jù)估算NPP的模型中，CASA模型在區(qū)域以及全球的生產(chǎn)力估算中有著廣泛的應(yīng)用（Crabtree et al.，2009），其遙感數(shù)據(jù)反演的可靠性以及植被最大光能利用率的準(zhǔn)確估算是利用 CASA模型模擬 NPP的關(guān)鍵點(diǎn)。在研究?jī)?nèi)容方面，目前針對(duì)喀斯特地區(qū)植被的研究主要集中于 3個(gè)方向，一是基于氣象觀測(cè)資料和遙感產(chǎn)品模擬植被凈第一性生產(chǎn)力并分析其季節(jié)和年際變化規(guī)律，如黃曉云等（2013）基于喀斯特地區(qū)衛(wèi)星遙感和地面氣象觀測(cè)資料分析氣候變化背景下中國(guó)南方喀斯特地區(qū) NPP的時(shí)空變化規(guī)律。二是研究土地利用變化或生態(tài)恢復(fù)對(duì)喀斯特地區(qū)植被碳儲(chǔ)量的影響，如Tong et al.（2018）研究了生態(tài)工程對(duì)中國(guó)西南喀斯特地區(qū)植被的大尺度積極效應(yīng)。三是對(duì)比研究喀斯特地區(qū)和非喀斯特地區(qū)NPP的分布頻度和趨勢(shì)（王冰等，2007；董丹等，2011）。以上研究雖然針對(duì)喀斯特地區(qū)的特殊性對(duì)植被NPP進(jìn)行分析，但較少考慮喀斯特地區(qū)類型多樣的地貌區(qū)之間植被NPP及其影響因子的異同性。

NPP與環(huán)境因子之間的關(guān)系一直是國(guó)內(nèi)外科學(xué)界普遍關(guān)注的問(wèn)題之一（彭少麟等，2000），不同植被類型在不同環(huán)境條件下的 NPP直接反映了它們對(duì)外界環(huán)境的適應(yīng)性。目前喀斯特地區(qū)對(duì)于NPP空間分布的影響因子研究大多采用相關(guān)或回歸統(tǒng)計(jì)方法，對(duì)于多因子交互作用的定量歸因研究相對(duì)較薄弱。地理探測(cè)器作為探測(cè)空間分異性并揭示其背后驅(qū)動(dòng)因子的一種新的統(tǒng)計(jì)方法，它一方面可以揭示自變量對(duì)因變量空間分異的解釋力，另一方面也可以評(píng)估因子之間的相互作用是否會(huì)增強(qiáng)或減弱對(duì)因變量的解釋力（王勁峰等，2017）。因此本文在有效反演的高精度NDVI數(shù)據(jù)的基礎(chǔ)上準(zhǔn)確估算喀斯特地區(qū)的植被NPP，在地貌形態(tài)類型區(qū)的框架下借助地理探測(cè)器方法開(kāi)展喀斯特流域植被 NPP的主導(dǎo)因子識(shí)別以及多因子交互作用的定量歸因，以期理解環(huán)境因子在植被變化過(guò)程中的作用機(jī)制，為喀斯特地區(qū)的生態(tài)恢復(fù)和石漠化治理提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

三 岔河流域（ 26°06′— 27°00′N，104°54′—106°24′E）位于中國(guó)貴州省西北部，屬烏江南源一級(jí)支流（圖1）。三岔河全長(zhǎng)325.6 km，流域覆蓋面積為4860 km2，屬于典型的亞熱帶季風(fēng)氣候區(qū)。流域內(nèi)降水主要集中在每年的5—10月，多年平均年降水量范圍為1045—1326 mm。地勢(shì)自西北向東南逐漸降低，地貌形態(tài)復(fù)雜，多高山分布，山區(qū)面積占流域總面積的81.16%。三岔河流域?qū)儆诘湫偷目λ固胤鍏餐莸貐^(qū)，獨(dú)特的地質(zhì)背景、地上地下二元水文結(jié)構(gòu)導(dǎo)致地表土層薄且不連續(xù)，水文過(guò)程變化迅速，生態(tài)系統(tǒng)抵抗外界干擾能力低，自然環(huán)境脆弱（陳洪松等，2013）。脆弱的生態(tài)環(huán)境疊加強(qiáng)烈的人類活動(dòng)使得地表土壤嚴(yán)重流失，基巖大面積裸露，土地喪失農(nóng)業(yè)利用價(jià)值，石漠化現(xiàn)象突出（Wang et al.，2004）。

圖1 研究區(qū)地理位置Fig.1 Location of the study area

1.2 數(shù)據(jù)來(lái)源

本文以2015年30 m分辨率的高精度NDVI數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，基礎(chǔ)數(shù)據(jù)的精度以及遙感影像反演的可靠性對(duì)模型的有效模擬以及 NPP積累量的精確計(jì)算至關(guān)重要。該數(shù)據(jù)以 Landsat 8 OLI（http://ids.ceode.ac.cn）HJ星以及 GF-1數(shù)據(jù)（http://www.cresda.com/CN）為數(shù)據(jù)源，經(jīng)過(guò)輻射定標(biāo)、大氣校正、正射校正等預(yù)處理工作后，通過(guò)近紅外和紅光波段反射率線性組合的方式獲取NDVI，再經(jīng)過(guò)異常值處理、數(shù)據(jù)鑲嵌、目標(biāo)區(qū)域裁剪、投影變換等后處理工作得到最終的數(shù)據(jù)產(chǎn)品。三岔河地區(qū)云覆蓋時(shí)間較多，因此，對(duì)于數(shù)據(jù)中的云、云影噪聲，采用當(dāng)月多源、多時(shí)相數(shù)據(jù)重建的方法來(lái)保證高時(shí)間、高空間分辨率NDVI的提取精度。為保證數(shù)據(jù)產(chǎn)品在空間上和時(shí)間上的合理性，本文采用MOD13Q1植被指數(shù)產(chǎn)品數(shù)據(jù)成果進(jìn)行宏觀對(duì)比驗(yàn)證，結(jié)果顯示：從時(shí)間變化上來(lái)看，兩者的NDVI值均表現(xiàn)為逐漸升高并在7—8月達(dá)到較高值，而后開(kāi)始降低，兩者的相關(guān)性分析結(jié)果為決定系數(shù)達(dá)到0.6，表明兩者具有較好的相關(guān)性；從空間分布圖來(lái)看，兩者的NDVI值空間分布趨勢(shì)相同，地物之間的區(qū)分較為一致。本文針對(duì)不同地貌形態(tài)類型區(qū)分析影響NPP的主導(dǎo)因子及因子間的交互作用，選取的因子有：海拔、坡度、降水、溫度、植被覆蓋度和土地利用類型，數(shù)據(jù)及來(lái)源詳見(jiàn)表1。為保證空間分辨率的一致性，所有數(shù)據(jù)重采樣為30 m。

1.3 研究方法

1.3.1 CASA模型

CASA模型是一個(gè)基于過(guò)程的遙感模型，它耦合了環(huán)境變量、遙感數(shù)據(jù)和植被生理參量，實(shí)現(xiàn)了植被NPP的時(shí)空動(dòng)態(tài)模擬（馮險(xiǎn)峰等，2004）。本文使用CASA模型，利用2015年高分辨率的遙感數(shù)據(jù)以月為間隔估算NPP，并將各月的累加值作為年 NPP的積累值，旨在明晰三岔河流域植被 NPP的空間分布。NPP的計(jì)算方法為：

表1 數(shù)據(jù)來(lái)源及概況Table 1 Data source and description

式中，NPPt、APARt和εt分別表示月份t的植被凈初級(jí)生產(chǎn)力（g·m-2·month-1）、植被吸收的光合有效輻射（g·m-2·month-1）和實(shí)際光能利用率（g·MJ-1），以上均以C計(jì)算。

植被吸收的光合有效輻射與太陽(yáng)總輻射和植物自身的特征有關(guān)，可用式（2）計(jì)算。

式中，SOLt表示t月的太陽(yáng)總輻射量（MJ·m-2·month-1）；FPARt表示植被對(duì)入射光合有效輻射的吸收分量；常數(shù)0.5為植被利用的太陽(yáng)有效輻射占太陽(yáng)總輻射的比例。

研究表明，F(xiàn)PAR與NDVI和比值植被指數(shù)（SR）有很好的線性關(guān)系（Ruimy et al.，1994；Potter et al.，1993），本文參考 Los（1998）的研究方法，取FPARNDVI與FPARSR的平均值作為FPAR的估算值。

式中，F(xiàn)PARNDVI,t和FPARNDVI,t分別表示月份t內(nèi)由 NDVI和 SR 估算的 FPARt；NDVImin和NDVImax分別對(duì)應(yīng)某種植被類型的NDVI最小值和最大值；FPARmin=0.001，F(xiàn)PARmax=0.95；SR為比值植被指數(shù)，由NDVI決定。

實(shí)際光能利用率表示植物通過(guò)光合作用將所吸收的光合有效輻射轉(zhuǎn)化為有機(jī)碳的效率（樸世龍等，2001）。Potter et al.（1993）認(rèn)為實(shí)際光能利用率主要受溫度和水分的影響，當(dāng)溫度和水分達(dá)到理想條件時(shí)，植被具有最大光能利用率，其公式為：

式中，εt表示實(shí)際光能利用率（g·MJ-1，以 C 計(jì)），Tmax,t和Tmin,t分別表示高溫和低溫的脅迫系數(shù)，Wt為水分脅迫因子，εmax是理想條件下的最大光能利用率（g·MJ-1）。

Tmax,t和Tmin,t取決于植物生長(zhǎng)的最適宜溫度Topt和該月的月平均溫度Tmean,t，植物生長(zhǎng)的最適宜溫度Topt是指研究區(qū)域內(nèi)NDVI達(dá)到最大值時(shí)的當(dāng)月平均溫度。Tmax,t和Tmin,t通過(guò)式（8）和式（9）求得。

水分脅迫因子Wt表示植物所能利用的有效水分對(duì)光能利用率的影響，通過(guò)式（10）計(jì)算得出。EVt為實(shí)際蒸散量（mm·month-1），根據(jù)周廣勝等（1996）建立的區(qū)域?qū)嶋H蒸散模型計(jì)算（式11）；PETt為潛在蒸散量（mm·month-1），通過(guò)標(biāo)準(zhǔn) Penman-Monteith（P-M）公式（Allen et al.，1998）求得。

式中，Pt為t月的降水量（mm），Rnt為t月的地表凈輻射（MJ·m-1·d-1）。

最大光能利用率εmax的取值在很大程度上會(huì)影響NPP的估算，不同植被類型的最大光能利用率不同。本文參考董丹等（2011）對(duì)西南喀斯特地區(qū)植被類型最大光能利用率的改進(jìn)，確定了三岔河流域各種植被類型的εmax值。

1.3.2 地理探測(cè)器

地理探測(cè)器是探測(cè)要素的空間分異性并揭示其背后驅(qū)動(dòng)力的統(tǒng)計(jì)學(xué)工具（王勁峰等，2017）。該假設(shè)認(rèn)為：如果某個(gè)自變量對(duì)某個(gè)因變量有重要影響，那么自變量和因變量的空間分布應(yīng)該具有相似性，其解釋力用q值度量（Wang et al.，2010）。地理探測(cè)器包括4個(gè)模塊，分別是：分異及因子探測(cè)、交互作用探測(cè)、生態(tài)探測(cè)和風(fēng)險(xiǎn)區(qū)探測(cè)。本文聚焦于三岔河流域的年積累植被NPP，以海拔、坡度、降水、溫度、植被覆蓋度和土地利用類型為自變量，NPP為因變量運(yùn)行地理探測(cè)器。分異及因子探測(cè)器用以識(shí)別影響NPP空間分布的主導(dǎo)因子，交互作用探測(cè)器在計(jì)算和比較各單因子q值及兩因子疊加后q值的基礎(chǔ)上，判斷因子兩兩之間是否存在交互作用以及交互作用的強(qiáng)弱、方向、線性還是非線性等關(guān)系（王勁峰等，2017）；生態(tài)探測(cè)器可以比較影響因子對(duì)NPP空間分布的影響是否有顯著差異；風(fēng)險(xiǎn)探測(cè)器可以判斷影響因子的層間NPP量是否有顯著差別并識(shí)別NPP的高風(fēng)險(xiǎn)區(qū)域。q統(tǒng)計(jì)的公式如下：

式中，h=1, 2…,L為因變量（Y）和自變量（X）的分層；Nh和N分別為層h內(nèi)和區(qū)域內(nèi)的單元數(shù)；是層h和全區(qū)的Y值的方差。SSW和SST分別為層內(nèi)方差之和和全區(qū)總方差。地理探測(cè)器q統(tǒng)計(jì)量的值域?yàn)閇0, 1]，q值越大說(shuō)明因變量的空間分異性越明顯，各項(xiàng)環(huán)境因子對(duì)NPP的解釋力越強(qiáng)。

地理探測(cè)器要求輸入的自變量為類型量，因此土地利用類型與地貌形態(tài)類型均按照類別分類，而對(duì)于自變量為數(shù)值量的其他影響因子，則需要進(jìn)行離散化處理。本文根據(jù)王勁峰等（2017）提出的數(shù)據(jù)離散化方法以及先驗(yàn)知識(shí)，將海拔、降水和溫度按照自然斷點(diǎn)分類法分成9類，坡度按照＜5°、5°—10°、10°—15°、15°—20°、20°—25°、25°—30°、30°—35°、＞35°分為 8 類，植被覆蓋度按照＜0.3、0.3—0.4、0.4—0.5、0.5—0.6、0.6—0.7、0.7—0.8、0.8—0.9、0.9—1分為 8類。對(duì)于不同的地貌形態(tài)類型區(qū)，本文中所有的影響因子均采取一致的分層方法，以確保不同地貌區(qū)之間的結(jié)果具有可比性。

2 結(jié)果及分析

2.1 植被NPP空間分布特征與主導(dǎo)影響因子探測(cè)

三岔河流域2015年植被NPP的空間分布如圖2所示，年植被累積NPP總量為C 0—867.97 g·m-2，均值為C 443.42g·m-2。這一結(jié)果與張明陽(yáng)等（2014）在桂西北西部喀斯特地區(qū)運(yùn)用 CASA模型模擬的NPP結(jié)果（C 422.73 g·m-2）較為一致；與王冰等（2007）在貴州省運(yùn)用光合作用與呼吸作用相分離的模型計(jì)算得出的喀斯特地區(qū) NPP值（C 407.00 g·m-2）較為相近，證明本文的模擬結(jié)果具有較高的可靠性。經(jīng)過(guò)與中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心發(fā)布的基于光能利用率模型 GLM_PEM 計(jì)算的2010 年三岔河流域的植被 NPP（C 0—1313.1 g·m-2，均值為C 316.65 g·m-2）比對(duì)，本文的數(shù)值范圍與均值與其基本相似，同時(shí)也符合天然林保護(hù)工程、退耕還林、還草工程等生態(tài)工程實(shí)施背景下植被逐年增多的趨勢(shì)。三岔河流域的植被NPP總量在空間格局上呈現(xiàn)出明顯的分異特征，其高值區(qū)主要分布在流域的西北部，低值區(qū)主要分布在東南部。主要原因?yàn)榱饔蛭鞅辈康闹饕脖活愋蜑榱值?，林地的最大光能利用率較高，加之流域西北部的降水條件較好，因而植被累積NPP總量較高；流域的東南部分布有大面積的草地，最大光能利用率較低、降水量較少，所以NPP累積量較少。運(yùn)用地理探測(cè)器對(duì)三岔河流域2015年植被NPP的主導(dǎo)影響因子進(jìn)行探測(cè)，結(jié)果如表2所示，植被覆蓋度是影響植被NPP空間分布的主導(dǎo)因子，其解釋力高達(dá)75.9%；土地利用類型對(duì)NPP的解釋力次之，其q值為0.167；其他影響因子對(duì) NPP空間分布的解釋力大小表現(xiàn)為q值的排序，具體為溫度＞海拔＞坡度＞降水。交互作用探測(cè)器的結(jié)果顯示，雙因子的交互作用有助于增強(qiáng)對(duì)植被NPP的解釋力，任意兩個(gè)影響因子的交互均表現(xiàn)為非線性增強(qiáng)。植被覆蓋度與其他因子的交互作用均顯著高于其他因子的兩兩交互，其中，植被覆蓋度與溫度的交互對(duì)植被NPP的影響最為顯著，其q值為0.778。生態(tài)探測(cè)器的結(jié)果顯示在三岔河流域尺度內(nèi)，植被覆蓋度、坡度和降水對(duì)植被NPP空間分布的影響顯著區(qū)別于其他因子。

圖2 2015年三岔河流域植被NPP空間分布Fig.2 The spatial distribution of NPP in the Sancha River Basin in 2015

2.2 不同地貌形態(tài)類型區(qū)植被NPP主導(dǎo)因子研究

分異及因子探測(cè)器的運(yùn)行結(jié)果表明，不同地貌形態(tài)類型區(qū)內(nèi)的同一因子以及同一地貌形態(tài)類型區(qū)內(nèi)的不同因子對(duì) NPP空間分布的影響及其解釋力有顯著差異（表3）。在各個(gè)地貌形態(tài)類型區(qū)中，植被覆蓋度仍是影響NPP空間分布的主導(dǎo)因子，其解釋力均大于71%。土地利用類型在中海拔平原和中海拔臺(tái)地等相對(duì)平緩的地區(qū)對(duì) NPP的解釋力達(dá)20%以上，該值是山地丘陵等地勢(shì)起伏較大地區(qū)q值的近兩倍。海拔因子對(duì)NPP的影響在山地地區(qū)更為顯著，具體表現(xiàn)為小起伏中山和中起伏中山地區(qū)的q值較大，分別為0.140和0.166，而在其余3種地貌形態(tài)類型區(qū)內(nèi)其解釋力均不足10%。溫度因子對(duì)NPP的解釋力在中海拔平原、小起伏中山和中起伏中山地區(qū)較大，其解釋力在10%—18%的范圍內(nèi)，而在中海拔臺(tái)地和中海拔丘陵地區(qū)，其q值約是上述三類地貌形態(tài)類型區(qū)q值的 1/5。坡度和降水因子對(duì)植被 NPP的解釋力在不同地貌形態(tài)類型區(qū)中表現(xiàn)出明顯的差異性，但其值均較小。在同一地貌形態(tài)類型區(qū)內(nèi)，植被NPP的空間分布對(duì)不同環(huán)境因子的響應(yīng)有所差異，具體表現(xiàn)為各個(gè)影響因子的q值在同一地貌形態(tài)類型區(qū)內(nèi)的排序，如在中海拔平原、中海拔臺(tái)地和中海拔丘陵地區(qū)，土地利用類型是影響植被NPP空間分布的第二大主導(dǎo)因子；而在小起伏中山地區(qū)，海拔因子對(duì)NPP的解釋力僅次于植被覆蓋度，排在其后的是土地利用類型、溫度、坡度和降水因子；在中起伏中山地區(qū)，溫度是影響NPP的第二大主導(dǎo)因子，再則是土地利用類型，但二者的q值相差不大。

2.3 不同地貌形態(tài)類型區(qū)植被NPP影響因子交互作用研究

交互作用探測(cè)器的運(yùn)行結(jié)果表明，在5種地貌形態(tài)類型區(qū)中，因子之間的兩兩交互作用均能增強(qiáng)對(duì)植被NPP空間分布的解釋力，且其交互均表現(xiàn)為非線性增強(qiáng)。本文統(tǒng)計(jì)分析了解釋力排在前3位的交互作用方式，其結(jié)果如表4所示。在各個(gè)地貌形態(tài)類型區(qū)中，解釋力排在前3位的主導(dǎo)交互作用方式均為植被覆蓋度因子與另一影響因子的協(xié)同作用，如與溫度、海拔、降水、坡度和土地利用類型之間的交互。通過(guò)對(duì)比不同地貌形態(tài)類型區(qū)3組主導(dǎo)交互作用的q值，發(fā)現(xiàn)3組交互作用q值大小的排序均為：中海拔臺(tái)地＞中海拔平原＞中起伏中山＞中海拔丘陵＞小起伏中山，說(shuō)明雖然環(huán)境因子對(duì)植被 NPP有不同程度的影響，但是地貌形態(tài)類型對(duì)NPP空間分布的宏觀控制作用更為顯著。在同一地貌形態(tài)類型區(qū)中，3組主導(dǎo)交互作用的q值均達(dá)70%以上，但彼此之間的差異較小。

表2 植被NPP影響因子q值統(tǒng)計(jì)Table 2 The q values of factors influencing NPP

表3 不同地貌形態(tài)類型區(qū)植被NPP影響因子q值統(tǒng)計(jì)Table 3 The q values of influencing factors in different morphological types of geomorphology

表4 不同地貌形態(tài)類型區(qū)植被NPP影響因子交互作用探測(cè)Table 4 The dominant interactions between two influencing factors in different morphological types of geomorphology

2.4 植被 NPP高風(fēng)險(xiǎn)區(qū)域識(shí)別及影響因子層間NPP量差異性判斷

風(fēng)險(xiǎn)探測(cè)器可以探測(cè)植被 NPP的空間分布特征，識(shí)別植被NPP的高風(fēng)險(xiǎn)區(qū)域（置信水平為95%）（表5）。在5個(gè)地貌形態(tài)類型區(qū)內(nèi)，植被覆蓋度＜0.3的區(qū)域以及坡度＜5°的區(qū)域均為 NPP的高風(fēng)險(xiǎn)區(qū)域，但不同地貌形態(tài)類型區(qū)內(nèi)平均NPP累積量有顯著差異；在各類土地利用類型中，水域和建設(shè)用地的NPP累積量最少，其他土地利用類型均有植被覆蓋；中海拔臺(tái)地地區(qū)海拔1400 m左右為NPP的高風(fēng)險(xiǎn)區(qū)域，其余四類地貌形態(tài)中NPP的高風(fēng)險(xiǎn)區(qū)均為海拔較低的地區(qū)。溫度和降水與植被NPP的空間分布不具備顯著的正向或負(fù)向相關(guān)關(guān)系，但年平均溫度最高的地區(qū)以及年降水量較少的地區(qū)是 NPP的高風(fēng)險(xiǎn)區(qū)域。風(fēng)險(xiǎn)探測(cè)器可以判斷影響因子層間植被NPP量的差異性，表6統(tǒng)計(jì)了有顯著差異的分層組合數(shù)的百分比。植被覆蓋度在不同地貌形態(tài)類型中的層間差異最大，顯著性百分比均為100%；中海拔平原和中海拔臺(tái)地等較平緩的地區(qū)主要為作物種植區(qū)，土地利用類型單一，層間差異較小，而在山地丘陵地區(qū)，土地利用類型多樣，層間差異較大；海拔和坡度的層間差異在中海拔平原和中海拔臺(tái)地等平均海拔、平均坡度較小的地區(qū)遠(yuǎn)小于中海拔丘陵、小起伏中山、中起伏中山等平均海拔、平均坡度較大的地區(qū)；溫度在中海拔平原和中海拔臺(tái)地地區(qū)的層間差異達(dá)到100%，隨著海拔的升高，溫度逐漸降低，層間差異的顯著性逐漸降低。

3 討論

高分辨率 NDVI數(shù)據(jù)的有效反演及使用使CASA模型的基礎(chǔ)數(shù)據(jù)在空間尺度上達(dá)到一致，消除了低分辨率可能導(dǎo)致的粗糙度?？λ固氐貐^(qū)特殊的碳酸鹽巖基質(zhì)使得當(dāng)?shù)爻霈F(xiàn)土壤頂級(jí)植被類型——常綠落葉闊葉混交林，與亞熱帶典型的常綠闊葉林氣候頂級(jí)有很大區(qū)別（朱守謙，1993）。如果采用全球統(tǒng)一的最大光能利用率或是朱文泉等（2006）對(duì)全國(guó)植被光能利用率的模擬值計(jì)算喀斯特地區(qū)的植被NPP，結(jié)果可能產(chǎn)生偏差。因此，本文在考慮喀斯特區(qū)域因素的基礎(chǔ)上準(zhǔn)確匹配了喀斯特地區(qū)植被類型與其相應(yīng)的最大光能利用率值，提高了CASA模型在喀斯特地區(qū)模擬的精度。

表5 不同地貌形態(tài)類型植被NPP高風(fēng)險(xiǎn)區(qū)域及其平均值(by C)/(g·m-2)Table 5 High risk areas of NPP and its mean value (by C)/(g·m-2) in different morphological types of geomorphology

表6 各影響因子中有顯著差異的分層組合數(shù)的百分比Table 6 The percentage of stratification combinations with significant difference in each influencing factor %

植被覆蓋度對(duì) NPP的解釋力在流域尺度以及各地貌形態(tài)類型區(qū)內(nèi)均為最大值，其原因包括兩點(diǎn)：一是植被覆蓋度反映了光合面積的大小和植被生長(zhǎng)的旺盛程度（穆少杰，2012），植被覆蓋度的高值區(qū)域植被生長(zhǎng)較好，長(zhǎng)勢(shì)較好的植物固定和轉(zhuǎn)化光合作用產(chǎn)物的效率較高，即NPP累積量較高，因此二者之間存在密切聯(lián)系；二是本文所使用的植被覆蓋度是采用Gutman et al.（1998）提出的模型通過(guò)NDVI數(shù)據(jù)計(jì)算得出，同時(shí)，NDVI又是CASA模型中計(jì)算NPP的基礎(chǔ)因子，因此二者之間存在一定程度的聯(lián)系。溫度對(duì)植被累積NPP的影響是綜合的，一方面，溫度可以直接影響土壤溫度和空氣溫度，從而影響植物的水肥吸收和傳輸；另一方面，溫度可以通過(guò)影響光合作用、呼吸作用、蒸騰作用等影響植被有機(jī)物的合成及代謝過(guò)程（康紅梅等，2020）。由此，植被覆蓋度與溫度的協(xié)同作用對(duì)植被NPP的解釋力達(dá)到最高。地貌形態(tài)類型從宏觀上控制著地表過(guò)程的發(fā)生和發(fā)展（劉燕華，2007），植被累積NPP作為地表過(guò)程的一種，其空間特征和主導(dǎo)影響因子在不同地貌形態(tài)類型區(qū)內(nèi)差異顯著。如土地利用類型對(duì) NPP的解釋力在中海拔平原和中海拔臺(tái)地等相對(duì)平緩的地區(qū)是山地丘陵等地勢(shì)起伏較大地區(qū)解釋力的近兩倍，這可能是因?yàn)樵诘貏?shì)起伏度較大的地區(qū)，地形復(fù)雜、氣候差異明顯、生態(tài)脆弱，植被NPP的影響因素更為復(fù)雜。海拔因子對(duì)NPP的影響在山地地區(qū)更為顯著，原因?yàn)樯降氐貐^(qū)內(nèi)部相對(duì)高差較大，隨著海拔的升高，植被的垂直分異性更加明顯。在中海拔平原、中海拔臺(tái)地和中海拔丘陵地區(qū)，土地利用類型是影響植被NPP空間分布的第二大主導(dǎo)因子，可能原因是地勢(shì)起伏較小的地區(qū)受人類活動(dòng)影響較大，土地利用方式以及作物種植類型對(duì) NPP的影響較大；在中起伏中山地區(qū)，溫度是影響NPP的第二大主導(dǎo)因子，原因?yàn)殡S著海拔的升高溫度逐漸降低，此時(shí)溫度是制約植被正常生長(zhǎng)的主要原因。

自然因素是生態(tài)系統(tǒng)和地理單元的基本組成要素，是生態(tài)系統(tǒng)時(shí)空分布的基礎(chǔ)（趙文武等，2018）。但是，各種自然因子對(duì)生態(tài)系統(tǒng)服務(wù)的影響并不是單獨(dú)起作用，而是兩個(gè)或多個(gè)因子的共同作用。交互作用探測(cè)器的結(jié)果表明因子之間的兩兩交互作用均能增強(qiáng)對(duì)植被NPP空間分布的解釋力。在各個(gè)地貌形態(tài)類型區(qū)中，解釋力排在前3位的主導(dǎo)交互作用方式均為植被覆蓋度因子與另一影響因子的協(xié)同作用，且不同的組合方式之間差異明顯。同時(shí)，植被覆蓋度與其他因子的交互作用結(jié)果說(shuō)明，喀斯特地區(qū)植被累積NPP的提高在考慮植被覆蓋度的同時(shí)也要結(jié)合海拔、坡度等地形因子和土地利用變化等人為影響因素。在喀斯特地區(qū)未來(lái)的發(fā)展過(guò)程中，應(yīng)加大對(duì)林地、草地的保護(hù)措施，提高植被覆蓋度，考慮土地利用變化對(duì)植被 NPP的影響，合理配置耕地、林地和草地的空間布局。同時(shí)，也應(yīng)考慮多種環(huán)境因子之間的交互作用，從多視角、多維度探究環(huán)境因子對(duì)植被NPP的影響，以期為喀斯特石漠化的治理工作提供參考依據(jù)。

CASA模型是基于植被的生理過(guò)程而建立的植被NPP機(jī)理模型，在大尺度植被NPP模擬和全球碳循環(huán)研究中得到普遍認(rèn)可。本文通過(guò)采用高分辨率NDVI數(shù)據(jù)以及改進(jìn)植被最大光能利用率參數(shù)，提高了CASA模型在喀斯特流域的模擬精度，模擬結(jié)果經(jīng)過(guò)對(duì)比驗(yàn)證，較為可信。但是，缺乏與遙感數(shù)據(jù)空間分辨率相匹配的大空間尺度的地面實(shí)測(cè)數(shù)據(jù)仍是模型驗(yàn)證的不確定性因素之一。同時(shí)，本文定量分析了 2015年三岔河流域整體以及不同地貌形態(tài)類型區(qū)內(nèi)環(huán)境因子對(duì)植被 NPP空間分布的解釋力，識(shí)別了影響NPP空間分布的主導(dǎo)因子、因子間的交互作用、NPP的高風(fēng)險(xiǎn)區(qū)域以及影響因子層間NPP量的差異性，但今后應(yīng)當(dāng)進(jìn)行多個(gè)時(shí)間節(jié)點(diǎn)或長(zhǎng)時(shí)間尺度內(nèi)喀斯特植被累積 NPP的定量歸因研究，分析環(huán)境因子對(duì)NPP空間分布的解釋力隨時(shí)間的變化，消除溫度、降水等氣候因子的年際突變對(duì)NPP的影響。

4 結(jié)論

本文使用 CASA模型，基于高精度 NDVI數(shù)據(jù)，參考針對(duì)喀斯特地區(qū)改進(jìn)的植被最大光能利用率對(duì)三岔河流域2015年的植被NPP進(jìn)行模擬。在有效模擬的基礎(chǔ)上，應(yīng)用地理探測(cè)器方法識(shí)別三岔河流域植被 NPP在不同地貌形態(tài)類型區(qū)內(nèi)的主導(dǎo)影響因子以及因子間的交互作用，識(shí)別植被NPP的高風(fēng)險(xiǎn)區(qū)域及影響因子層間NPP量的差異性。主要結(jié)論如下：

（1）2015年三岔河流域的年植被NPP均值為C 443.42 g·m-2，空間分布呈現(xiàn)西北高、東南低的特征。地理探測(cè)器中交互作用探測(cè)器的結(jié)果顯示植被覆蓋度與溫度是植被 NPP空間分布的顯著控制因子，其q值為0.778。

（2）地貌形態(tài)及其內(nèi)部特征對(duì)植被NPP的空間分布以及環(huán)境因子對(duì) NPP的解釋力具有宏觀控制作用。土地利用類型、海拔、坡度、溫度等因子對(duì)植被 NPP空間分布的解釋力以及不同地貌形態(tài)類型區(qū)內(nèi)因子的層間差異均隨地貌特征的變化而表現(xiàn)出不同程度的差異性。

（3）因子之間的兩兩交互作用均能增強(qiáng)對(duì)植被NPP空間分布的解釋力。在不同地貌形態(tài)類型區(qū)中，3組主導(dǎo)交互作用q值大小的排序均為：中海拔臺(tái)地＞中海拔平原＞中起伏中山＞中海拔丘陵＞小起伏中山。