王金杰，趙安周 ，胡小楓

1. 河北工程大學(xué)地球科學(xué)與工程學(xué)院，河北 邯鄲 056038；2. 河北工程大學(xué)礦業(yè)與測繪工程學(xué)院，河北 邯鄲 056038；3. 中國科學(xué)院地理科學(xué)與資源研究所/資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，北京 100101

植被凈初級生產(chǎn)力（Net Primary Productivity，NPP）是指植被在單位時(shí)間、單位面積內(nèi)通過光合作用產(chǎn)生的有機(jī)物總量減去自養(yǎng)呼吸后的殘余部分，是植被與外界環(huán)境因子相互作用下的產(chǎn)物（Lieth et al.，1975）。該參數(shù)可以直接反映植被在自然環(huán)境下的生產(chǎn)能力，同時(shí)也是陸地生態(tài)系統(tǒng)中物質(zhì)、能量循環(huán)的重要組成部分（Cramer et al.，1999；Ito，2011；陳曉玲等，2016）。因此，分析NPP的時(shí)空分布及其影響機(jī)制對全球陸地生態(tài)系統(tǒng)的變化及碳平衡有著重要的意義（Ruimy et al.，1994；Field et al.，1998）。

早期的 NPP研究主要基于站點(diǎn)觀察數(shù)據(jù)和統(tǒng)計(jì)模型模擬（Lieth et al.，1975），這類方法易受空間尺度限制，不適用于大區(qū)域 NPP的時(shí)空演變的研究（張笑鶴，2011）。隨著遙感技術(shù)的發(fā)展，利用遙感數(shù)據(jù)和模型估算開展 NPP監(jiān)測和時(shí)空演變分析已經(jīng)成為研究 NPP的有效手段之一（朱文泉等，2005）。遙感數(shù)據(jù)時(shí)間序列長、覆蓋面積大，同時(shí)可以提供模型估算所需的植被及環(huán)境參數(shù)，為大尺度、高精度的 NPP估算研究提供了有力的支撐（趙國帥等，2011）。在眾多估算模型中，生態(tài)遙感耦合模型利用遙感數(shù)據(jù)簡化了估算過程，同時(shí)又對過程模型和光能利用率模型進(jìn)行了改進(jìn)，能大大提高NPP的估算精度，是目前估算NPP的主要方法（張銳，2015）。這其中，MOD17A3HGF NPP數(shù)據(jù)來自給定年份 8天凈光合作用合成產(chǎn)品（MOD17A2H）的所有數(shù)據(jù)之和，是利用BIOME-BGC過程模型和 PSN光能利用率模型的耦合模型模擬得到的。同時(shí)該數(shù)據(jù)產(chǎn)品對每個(gè)像素清除了8天LAI/FPAR中質(zhì)量較差的輸入，并通過線性插值法估算其值，改進(jìn)了MOD17A3數(shù)據(jù)的質(zhì)量，目前已在全球不同區(qū)域的研究中得到驗(yàn)證（Ge et al.，2021；Venter et al.，2021；Wang et al.，2021）。

NPP與自然環(huán)境因素之間的影響機(jī)制一直是國內(nèi)外學(xué)者研究的熱點(diǎn)問題之一（彭少麟等，2000），諸多學(xué)者已從不同區(qū)域尺度對 NPP時(shí)空分布及其影響因素進(jìn)行了分析（Mao et al.，2014；Liu et al.，2019；Ge et al.，2021；陳福軍等，2011；朱士華等，2017）。目前京津冀地區(qū)對于 NPP驅(qū)動因素的研究主要采用趨勢分析、相關(guān)系數(shù)等方法（張莎，2015；朱利欣，2018；孫濤等，2020），即多集中在單一的動態(tài)變化的角度，對靜態(tài)的空間分異上的相關(guān)性方面研究較少，尤其對于多自然要素因子間交互作用的定量歸因相對薄弱（賀倩等，2020）。地理探測器（Wang et al.，2010）可以定量地探測單一因子對 NPP的解釋力以及因子間的交互作用，能夠較好地解決上述研究中的局限性，現(xiàn)已廣泛應(yīng)用于自然環(huán)境（Chen et al.，2021；左麗媛等，2020）、人文社會（Zhang et al.，2020a）、醫(yī)學(xué)（Zhang et al.，2020b）等多個(gè)領(lǐng)域。已有學(xué)者基于地理探測器分析了 NPP的驅(qū)動因素（李金珂等，2019；潘洪義等，2019；賀倩等，2020），但并未考慮到植被類型、土壤類型等因素的影響，使得區(qū)域尺度 NPP時(shí)空分布的驅(qū)動機(jī)制尚未完全清晰（李金珂等，2019）。

京津冀是中國北方經(jīng)濟(jì)最發(fā)達(dá)的地區(qū)?！毒┙蚣絽f(xié)同發(fā)展規(guī)劃綱要》指出生態(tài)環(huán)境保護(hù)是京津冀一體化協(xié)同發(fā)展的基礎(chǔ)和3個(gè)率先突破之一（方創(chuàng)琳，2017）。針對上述研究存在的問題，本文基于MOD17A3HGF數(shù)據(jù)分析了 2000—2019年京津冀NPP時(shí)空演變特征，并利用地理探測器定量探測京津冀 NPP的空間異質(zhì)性以及氣候、地形、植被類型、土壤類型等自然因子的驅(qū)動機(jī)制，進(jìn)而為京津冀生態(tài)環(huán)境建設(shè)與改善工作提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

京津冀地處 113°27′—119°50′E，36°03′—42°40′N，位于華北平原北部，包括北京、天津、河北省，總面積約為2.18×105km2。該地區(qū)東臨渤海，西倚太行，北靠燕山山脈，南部多平原，地勢自西北向東南傾斜，形成了十分明顯的垂直地帶特征（劉廣，2008）。囊括了平原、臺地、丘陵、山地以及高原等多種地貌類型，是中國地貌的縮影（呂國旭等，2017）。氣候類型屬溫帶大陸性季風(fēng)氣候，日照充沛，寒暑溫差較大，年均氣溫 10—11 ℃，年降水量為400—800 mm，多集中于夏季。土壤類型豐富，以半淋溶土、半水成土為主。植被類型主要包括針葉林、闊葉林、草地、灌叢以及耕地，其中又以耕地、灌叢為主。

1.2 數(shù)據(jù)來源與處理

2000—2019年NPP數(shù)據(jù)來源于美國國家航空航天局（National Aeronautics and Space Administration，NASA）的MOD17A3HGF產(chǎn)品，時(shí)間分辨率為 1 a，空間分辨率為 500 m。DEM（Digital Elevation Model）數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/），空間分辨率為90 m，用于提取研究區(qū)的海拔、坡度、坡向等數(shù)據(jù)。植被類型數(shù)據(jù)與土壤類型數(shù)據(jù)分別來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn/）的《1?1000000中國植被圖集》與《1?100萬中華人民共和國土壤圖》（圖1）。氣象數(shù)據(jù)則包括從中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/）獲取的2000—2019年京津冀及其周邊地區(qū)34個(gè)氣象站點(diǎn)的月平均氣溫、月降水量、相對濕度、平均風(fēng)速以及日照時(shí)數(shù)數(shù)據(jù)，月太陽總輻射量數(shù)據(jù)利用日照時(shí)數(shù)數(shù)據(jù)計(jì)算獲得，采用反距離權(quán)重法（Inverse Distance Weighted，IDW）（Shepard，1968）將各氣象數(shù)據(jù)插值為空間分辨率為500 m的柵格數(shù)據(jù)。最后，采用雙線性內(nèi)插法（尤玉虎等，2005）將地形、植被類型、土壤類型等數(shù)據(jù)重采樣為500 m分辨率，使所有數(shù)據(jù)像元大小一致。

圖1 京津冀地形圖及氣象站點(diǎn)分布（a）、植被類型圖（b）、土壤類型圖（c）Fig. 1 Topographic and meteorological stations distribution map (a), vegetation type map (b) and soil type map (c)of Beijing-Tianjin-Hebei

1.3 研究方法

1.3.1 指標(biāo)構(gòu)建與信息提取

已有研究表明，氣候和地形都在一定程度上影響著植被的生長（毛德華等，2012）。鑒于此，本文選取平均氣溫、年均降水量、平均風(fēng)速、相對濕度、太陽總輻射量、海拔、坡度、坡向、植被類型、土壤類型共 10種涵蓋氣候、地形、植被、土壤 4個(gè)方面的自然因子，探測自然因子對京津冀 NPP的影響機(jī)制（表1）。

為使層內(nèi)平均離散方差最小，而層間平均離散方差最大，采用自然斷點(diǎn)法將平均氣溫、年均降水量、相對濕度、平均風(fēng)速、太陽總輻射量、海拔、坡度等可量化數(shù)據(jù)分為9類，將坡向數(shù)據(jù)按平坡、北坡、東北坡、東坡、東南坡、南坡、西南坡、西坡、西北坡等分為9類。同時(shí)將植被類型數(shù)據(jù)分為常綠針葉林、落葉闊葉林、耕地、草地、灌叢以及非植被6類，將土壤類型數(shù)據(jù)按土綱分為淋溶土、半淋溶土、水成土、半水成土等12類（圖1b和1c）。利用ArcGIS軟件漁網(wǎng)點(diǎn)工具生成等間距（0.05°）的采樣點(diǎn)9010個(gè)，并對NPP數(shù)據(jù)及各因子的柵格數(shù)據(jù)數(shù)據(jù)進(jìn)行信息提取。

1.3.2 趨勢分析

本文采用一元線性回歸分析法逐像元地分析2000—2019年京津冀 NPP的變化趨勢，并采用Mann-Kendall趨勢檢驗(yàn)法來判斷其變化趨勢的顯著性，計(jì)算公式為：

式中，Slope表示NPP線性回歸系數(shù)，Slope>0時(shí)NPP呈增長趨勢，反之則呈減少趨勢。n為研究年數(shù)，變量i為年序號，xi表示第i年的NPP值。

1.3.3 變異系數(shù)

本文利用變異系數(shù)（Coefficient of Variation，CV）來分析 2000—2019年京津冀 NPP的波動程度，計(jì)算公式為：

式中，CV為變異系數(shù)；n為研究年數(shù)；xi為第i年NPP值；ˉ為京津冀研究時(shí)段平均NPP。CV值越大，表明NPP變化程度越大；反之，表明NPP變化程度越小。

1.3.4 地理探測器

地理探測器是由Wang et al.（2010）提出的探測空間分異性，以及揭示其背后驅(qū)動因子與影響機(jī)制的一組統(tǒng)計(jì)學(xué)方法，該方法通過比較目標(biāo)因子與影響因子空間分布的一致性來判定影響因子的解釋力與貢獻(xiàn)力（王歡等，2018）。其核心思想是：如果某自變量對因變量有重要影響，那么該自變量與因變量的空間分布具有相似性。地理探測器包括因子探測器、交互作用探測器、風(fēng)險(xiǎn)探測器以及生態(tài)探測器4種探測器。

（1）因子探測器：因子探測器主要通過因子解釋力的大小來定量地衡量各自然因子對京津冀NPP空間分異的影響程度。其中，解釋力q值表達(dá)公式為：

式中，h=1,…,L為影響因子的分層數(shù)；Nh與N分別表示影響因子在層h及整個(gè)京津冀的樣本數(shù)；σh與σ分別表示影響因子在層h及整個(gè)京津冀的NPP值的方差。q的值域?yàn)閇0, 1]，q值越大，表明該影響因子對京津冀NPP空間分布的解釋力越強(qiáng)，q=0表示因子與NPP無任何關(guān)系，q=1則表示因子可以完全解釋NPP的空間分布。

（2）交互作用探測器：交互作用探測器用來探測兩影響因子交互作用時(shí)是否會增強(qiáng)或減弱對NPP的解釋力，或者這些因子對NPP的影響是相互獨(dú)立的。其判斷依據(jù)如表2。

表2 影響因子交互作用類型Table 2 Types of the interaction between two influencing factors

（3）風(fēng)險(xiǎn)區(qū)探測器：風(fēng)險(xiǎn)區(qū)探測器用來判斷兩個(gè)因子在子區(qū)域之間的屬性均值是否有顯著差異，用于搜索NPP均值高的區(qū)域。該探測器用t統(tǒng)計(jì)量來檢驗(yàn)：

式中，表示影響因子層h處NPP的均值；nh表示影響因子在層h的樣本數(shù)；Var表示方差。

（4）生態(tài)探測器：生態(tài)探測器用于比較兩影響因子X1與X2對京津冀NPP的空間分布的影響是否有顯著差異，以F統(tǒng)計(jì)量來衡量：

式中，NX1與NX2分別表示影響因子X1與X2的樣本數(shù)；L1與L2分別表示影響因子X1與X2的分層數(shù)；SSWX1與SSWX2分別表示影響因子X1與X2所分層的層內(nèi)方差之和。

2 結(jié)果

2.1 NPP時(shí)空分布

2.1.1 NPP年際變化

2000—2019年京津冀植被NPP整體呈顯著增長趨勢，其增長速率為 5.85 g·(m2·a)?1（以 C 計(jì)，下同）。NPP 年均值在 235.05—386.36 g·(m2·a)?1之間波動，平均值為 323.99 g·(m2·a)?1。其中，最大值出現(xiàn)在2016年，最小值出現(xiàn)在2000年（圖2）。

圖2 2000—2019年京津冀年均NPP變化趨勢Fig. 2 Trend of annual average NPP in Beijing-Tianjin-Hebei from 2000 to 2019

2.1.2 NPP空間變化及穩(wěn)定性

2000—2019年京津冀年均NPP空間分布如圖3a。從全區(qū)范圍看，京津冀NPP介于25.97—749.29 g·(m2·a)?1之間；高值區(qū)主要集中在北部以及西部的燕山和太行山脈，其 NPP 值高于 400 g·(m2·a)?1；低值區(qū)主要集中在西北部壩上高原地區(qū)以及東南部平原地區(qū)，其 NPP 值普遍低于 300 g·(m2·a)?1。

就變化趨勢而言（圖 3b），2000—2019年京津冀植被整體恢復(fù)顯著。NPP呈增加與減少趨勢的面積分別占 97.62%和 2.38%，其中有 80.29%和0.31%的區(qū)域呈顯著增加與顯著減少趨勢。京津冀北部地區(qū)NPP增加顯著，NPP下降的區(qū)域主要零星分布于南部及沿海地區(qū)。

就變異系數(shù)而言（圖 3c），2000—2019年京津冀植被 NPP整體情況較穩(wěn)定，平均變異系數(shù)為17.25%。其中，變異系數(shù)低于15%的穩(wěn)定區(qū)域占京津冀總面積的 36.31%，主要分布在西南與東北部部分地區(qū)；變異系數(shù)介于15%—40%的較穩(wěn)定區(qū)域占京津冀總面積的 63.11%，主要分布于京津冀西北、中部以及東南部部分區(qū)域；變異系數(shù)大于40%的極不穩(wěn)定區(qū)域主要分布在燕山山脈及太行山脈等高海拔山地地區(qū)。

圖3 2000—2019年京津冀NPP均值（a）、變化趨勢（b）及變異系數(shù)（c）空間分布Fig. 3 Spatial distribution of the mean (a), change trend (b), and coefficient of variation (c) of NPP in Beijing-Tianjin-Hebei from 2000 to 2019

2.2 NPP自然影響因子地理探測

2.2.1 單因子影響力探測

地理探測器因子探測結(jié)果表明，各影響因子對京津冀 NPP空間分布的影響程度有明顯差異（表3）。各影響因子對應(yīng)的q值大小排序?yàn)椋浩骄鶜鉁?海拔>土壤類型>坡度>平均濕度>太陽總輻射量>植被類型>平均風(fēng)速>降水>坡向。從影響因子解釋力的角度來看，平均氣溫、海拔、坡度、土壤類型的解釋力均在30%以上，是影響京津冀NPP空間分布的最主要因素；降水、平均風(fēng)速、平均濕度、太陽總輻射量以及植被類型的解釋力在 10%—20%之間，是影響京津冀 NPP空間分布的次要因素；坡向的解釋力只有 1.12%，說明京津冀植被NPP的空間分布受坡向影響較小。

表3 單影響因子q值Table 3 q values of single impact factor

從各影響因子q值變化情況來看（圖4），除平均風(fēng)速外，2000—2019年其它各影響因子q值均呈上升趨勢，表明除平均風(fēng)速外的各影響因子對NPP空間分布的解釋力逐步增強(qiáng)。分時(shí)間段來看，2000—2005年，除降水量和平均風(fēng)速外，其余影響因子的q值均呈上升趨勢，其中平均氣溫q值增長幅度最大；2005—2010年，降水量、平均風(fēng)速及坡向解釋力有所提升，且平均風(fēng)速解釋力已接近降水量，其余影響因子q值均呈下降趨勢，其中相對濕度q值下降幅度最大；2010—2015年，相對濕度和太陽輻射量的解釋力增加，其他影響因子q值呈下降趨勢；2015—2019年，各個(gè)影響因子的q值均呈上升趨勢，其中相對濕度上升幅度最大，且逐漸逼近平均氣溫的q值，成為對京津冀NPP空間分異解釋力第二高的影響因子。

圖4 2000—2019年各影響因子q值變化Fig. 4 Changes in q values of impact factors in 2000-2019

2.2.2 自然因子顯著性差異分析

各自然因子對京津冀NPP空間分布的影響的差異顯著性如表4所示。從表中可以看出，平均氣溫及海拔與其他影響因子對 NPP的影響均存在顯著性差異，除坡度外，土壤類型與其它影響因子存在顯著性差異，降水與平均風(fēng)速對 NPP的影響無顯著性差異。以上分析進(jìn)一步表明，平均氣溫、海拔、土壤類型及坡度對京津冀 NPP空間分布的影響最大。

表4 影響因子顯著性差異（置信水平95%）Table 4 Significant difference of influencing factors (confidence level 95%)

2.2.3 因子交互作用探測

因子交互作用探測結(jié)果表明（表5），京津冀NPP空間分異特征的形成并非只受單一因子影響，而是各因子共同作用的結(jié)果。同時(shí)也可以看出，各影響因子間的交互作用對京津冀 NPP的影響并非相加等簡單的疊加過程，而是呈非線性增強(qiáng)及雙因子增強(qiáng)關(guān)系。就解釋力而言，平均氣溫與其它因子交互作用的解釋力均達(dá)到45%以上。平均氣溫與土壤類型的交互作用最為明顯（q=0.6112），其次是平均氣溫與降水（q=0.6028）、平均氣溫與太陽總輻射量（q=0.5899）、降水與海拔（q=0.5826）；交互作用最不明顯的為降水與坡向，解釋力只有12.3%。

表5 影響因子交互作用q值Table 5 q values of interaction factors

2.2.4 NPP高值區(qū)識別及因子層間NPP差異性分析

京津冀 NPP高值區(qū)以及各影響因子的適宜范圍或類型如表6所示。結(jié)果表明，對于氣候因子，隨降水量及相對濕度的增加，京津冀 NPP逐漸增加，分別在602.46—655.64 mm、63.39%—67.50%時(shí)NPP達(dá)到最大值；隨平均風(fēng)速的增加NPP呈減少趨勢，風(fēng)速 1.56—1.82 m·s?1時(shí) NPP 值最高；NPP隨平均氣溫及太陽總輻射量呈先增加后減少的變化趨勢，分別在8.37—9.31 ℃、5415.28—5489.42 MJ·m?2時(shí) NPP值最大。隨高程、坡度及坡向的不同，NPP呈波動變化趨勢，分別在1670—2803 m、5.13°—7.41°、西南坡向處NPP達(dá)到最大值；常綠針葉林及淋溶土類型處的NPP值最高。

就有顯著差異的分層組合百分比而言（表6），各影響因子的百分比在 44.44%—97.22%之間。各氣候因子的層間差異相對較大，具有顯著差異的百分比均在 90%以上，其中相對濕度的層間差異最大，百分比達(dá)到 97.22%；坡度和坡向的層間差異較小，有顯著差異的百分比在49%以下，其中層間差異最小的是坡度，百分比只有44.44%。

表6 影響因子適宜范圍或類型（置信水平95%）Table 6 Suitable ranges or types of impact factors (confidence level 95%)

3 討論

3.1 NPP數(shù)據(jù)精度驗(yàn)證及時(shí)空變化特征

本文研究2000—2019年京津冀植被NPP時(shí)空分布特征發(fā)現(xiàn)，時(shí)間上，京津冀植被 NPP整體呈增長趨勢，與以往研究結(jié)論一致（張莎，2015；朱利欣，2018；孫濤等，2020）。究其主要原因在于2000年退耕還林、還草生態(tài)工程實(shí)施后，京津冀生態(tài)質(zhì)量有所改善，同時(shí)，諸多生態(tài)安全屏障的打造也對京津冀的生態(tài)環(huán)境起到了一定的保護(hù)作用（崔海寧，2011）。

空間分布上，京津冀 NPP均值由西北向東南呈低—高—低的階梯式分布，燕山山脈及太行山脈，植被多為林地，NPP較高；壩上高原、東南部平原地區(qū)植被主要為草地和耕地，NPP值較低，這與張莎（2015）、呂國旭等（2017）、朱利欣等（2019）研究結(jié)果一致。京津冀植被整體處于穩(wěn)定恢復(fù)階段，西北壩上高原及山地地區(qū)人口密度小，是生態(tài)工程建設(shè)重點(diǎn)實(shí)施的區(qū)域，植被恢復(fù)顯著，中部及沿海部分地區(qū)受城市擴(kuò)張、農(nóng)田灌溉等人類活動影響較大，植被出現(xiàn)退化現(xiàn)象。對比張莎（2015）、朱利欣等（2019）的研究結(jié)果，本文中京津冀中部地區(qū)植被退化趨勢有所減緩，造成這種差異的原因可能與研究時(shí)間、數(shù)據(jù)來源及質(zhì)量差異有關(guān)。

3.2 影響因子

從影響因素來看，平均氣溫是對京津冀植被NPP空間分布影響最大的因素，它可以影響植被生長環(huán)境的地表溫度及空氣溫度，還可以通過影響光合作用、蒸騰作用等植被生理特征來直接影響植被的存活與生長。降水對京津冀植被 NPP空間分布的影響力較小，這與侯英雨等（2007）的研究結(jié)果稍有差異，表明靜態(tài)角度下 NPP空間分異的主要影響因子與動態(tài)角度下 NPP變化的主要影響因子存在差異性（賀倩等，2020），主要原因可能在于京津冀地區(qū)耕地面積較大，農(nóng)田灌溉等人類活動使降水對NPP空間分異的影響下降。土壤類型、海拔和坡度也是影響NPP空間分布的主要因素，土壤類型可以直接影響植被的生長，還可以限制植被的類型和分布（楊淑萍等，2019）；海拔直接影響植被類型的分布和氣候狀況，而坡度通過坡面侵蝕強(qiáng)度間接影響植被生長，可見，地形也是通過控制區(qū)域的水熱和土壤條件來影響其他環(huán)境變化，進(jìn)而對植被格局產(chǎn)生影響（李金珂等，2019；潘洪義等，2019）。此外，研究發(fā)現(xiàn)風(fēng)速對京津冀NPP的影響呈下降趨勢，這說明京津冀防風(fēng)固沙等工作成效顯著。

上述現(xiàn)象均表明各自然因子對京津冀植被NPP空間分布的影響存在一定的耦合關(guān)系。交互作用探測結(jié)果也進(jìn)一步表明，與單一自然因子相比，因子兩兩之間的協(xié)同作用均增強(qiáng)了其對植被 NPP空間分異的解釋能力。其中，解釋力最高的3種交互作用均為平均氣溫與另一因子的協(xié)同作用。氣溫和土壤類型交互作用最強(qiáng)，一方面，氣溫和土壤類型本身是影響京津冀NPP空間分布的最主要因素；另一方面，氣溫是土壤養(yǎng)分的主要制約因素，土壤類型又直接關(guān)系著植被能否有效吸收利用養(yǎng)分（Knorr et al.，2005）。京津冀地處半濕潤、半干旱地區(qū)的過渡帶，平均氣溫和降水的協(xié)同作用對京津冀 NPP時(shí)空分異的影響也尤為重要，植被對水熱組合條件變化的響應(yīng)與適應(yīng)將對植被的生理生態(tài)過程、物質(zhì)積累與分配以及生態(tài)系統(tǒng)的結(jié)構(gòu)和功能產(chǎn)生巨大影響（Butler et al.，2012；呂曉敏等，2015）。太陽輻射是植被進(jìn)行光合作用的重要環(huán)境因子，影響著植被對大氣CO2的吸收（張彌等，2009）。同時(shí)，太陽輻射變化也是造成地表溫度和大氣溫度變化的主要原因，且氣溫與太陽輻射量呈正相關(guān)關(guān)系，因此，平均氣溫與太陽總輻射量的協(xié)同作用對京津冀NPP空間分布的影響也不可忽視。

未來京津冀地區(qū)生態(tài)保護(hù)與建設(shè)工作應(yīng)著重考慮氣溫、土壤及地形對植被的影響，同時(shí)也應(yīng)考慮多種自然因子之間的協(xié)同作用，從多視角、多維度探究自然因子對植被的影響（左麗媛等，2020），合理制定生態(tài)保護(hù)措施，加大生態(tài)保護(hù)力度。

3.3 不足之處

京津冀地區(qū)人口密度極大，人類活動對植被生長的影響也是巨大的，本文僅從氣候、地形、植被和土壤等方面定量分析了自然因子對京津冀植被NPP空間分異的影響機(jī)制，而人類活動對于研究區(qū)NPP時(shí)空分異產(chǎn)生的綜合影響還有待進(jìn)一步的研究。同時(shí)，地理探測器目前對影響因子的空間分區(qū)還沒有明確的劃分標(biāo)準(zhǔn)，加上因子選取以及數(shù)據(jù)獲取方面的限制，其因子解釋力存在一定的主觀性（潘洪義等，2019；陶帥等，2020）。

4 結(jié)論

本文以 2000—2019年京津冀 NPP數(shù)據(jù)為基礎(chǔ)，探討了研究區(qū) NPP的時(shí)空演變特征，并選取氣候、地形、植被、土壤等方面共10個(gè)自然因子，運(yùn)用地理探測器定量探測了各影響因子對京津冀NPP時(shí)空分異的驅(qū)動機(jī)制，主要結(jié)論如下：

（1）時(shí)間上，2000—2019年京津冀植被 NPP整體呈顯著增長趨勢，其增長速率為 5.85 g·(m2·a)?1，年平均值為 323.99 g·(m2·a)?1。

（2）空間上，NPP高值區(qū)主要集中在北部及西部的燕山和太行山脈，低值區(qū)主要集中在西北壩上草原及東南部平原地區(qū)；2000—2019年京津冀植被整體恢復(fù)顯著，NPP呈顯著增加與減少趨勢的面積分別占80.29%和0.31%；NPP整體情況較為穩(wěn)定，平均變異系數(shù)為 17.25%，其穩(wěn)定區(qū)域占京津冀總面積的36.31%。

（3）各影響因子對植被 NPP空間分異的解釋力差異明顯，其中平均氣溫、海拔、土壤類型和坡度是影響植被 NPP空間分異的最主要因素（q>30%，P<0.01）；2000—2019年，除平均風(fēng)速外的各影響因子對 NPP空間分異的解釋力呈上升趨勢。

（4）自然因子對京津冀植被 NPP的影響存在交互作用，均呈非線性增強(qiáng)及雙因子增強(qiáng)關(guān)系，其中平均氣溫與土壤類型的交互作用最為明顯（q=0.6112）。同時(shí)，研究揭示了促進(jìn)植被生長的各自然因子最適宜特征，以進(jìn)一步了解自然因子對植被NPP的影響機(jī)制。