冶曉娟， 王永輝， 潘紅忠， 白 鈺， 董得福， 姚華明,3

（1.長(zhǎng)江大學(xué)油氣地球化學(xué)與環(huán)境湖北省重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430000；2.黃河上游水電有限責(zé)任開(kāi)發(fā)公司，青海 西寧 810000；3.中國(guó)長(zhǎng)江電力股份有限公司，湖北 宜昌 443000）

陸地生態(tài)系統(tǒng)是全球氣候變化研究的核心內(nèi)容之一，在全球碳平衡中發(fā)揮著重要作用［1］。定量估算陸地碳匯時(shí)空變化是預(yù)測(cè)氣候變化和執(zhí)行溫室氣體控制協(xié)議的基礎(chǔ)。通過(guò)比較區(qū)域間的碳平衡才能深刻理解區(qū)域間循環(huán)過(guò)程。通過(guò)人工生態(tài)工程的實(shí)施來(lái)提高植物固碳量，是區(qū)域內(nèi)增匯的主要手段。凈生態(tài)系統(tǒng)生產(chǎn)力（NEP）是單位時(shí)間單位面積上植物的碳收支狀況，可作為定性和定量化分析陸地植被碳循環(huán)的關(guān)鍵參量［2］，是近幾年的研究熱點(diǎn)，如基于氣候變量的統(tǒng)計(jì)模型，基于光能利用率相關(guān)的參數(shù)模型和生態(tài)系統(tǒng)機(jī)制的過(guò)程模型等，尤其是3S 技術(shù)推動(dòng)遙感反演獲取相關(guān)地表參數(shù)和植被信息發(fā)展，使得3S技術(shù)支撐下快速發(fā)展的生態(tài)系統(tǒng)機(jī)制模型成為了當(dāng)前研究的主流之一［3］。

青海省位于“第三極”東北部，被譽(yù)為“三江之源，中華水塔”，是對(duì)全球氣候變化響應(yīng)最敏感的地區(qū)之一，故青海省植被固碳能力變化對(duì)青藏高原乃至全球控制溫室氣體排放和碳循環(huán)均有巨大影響［4］。在青海省城市化和工業(yè)化進(jìn)程中，人口分布、地表覆蓋也隨之發(fā)生改變，這必將在一定程度上影響陸地上的植被碳循環(huán)［5-6］。雖然，已確定陸地生態(tài)系統(tǒng)將在未來(lái)持續(xù)長(zhǎng)時(shí)間發(fā)揮碳匯的作用，但植被NEP 驅(qū)動(dòng)機(jī)制和植被固碳量變化仍存在較大爭(zhēng)議，如何在復(fù)雜的變化環(huán)境中闡明氣候敏感區(qū)植被NEP近幾十年的變化特征以及驅(qū)動(dòng)機(jī)制有待探究［7-8］。劉鳳等［9］和周夏飛等［10］對(duì)青海高原植被、青藏高原草地的NEP進(jìn)行氣候驅(qū)動(dòng)力分析，指出氣候變化對(duì)該區(qū)域NEP的演變產(chǎn)生影響；張新中等［11］通過(guò)分析石羊河流域的NEP與NDVI、降水、氣溫和太陽(yáng)輻射的關(guān)系，指出流域內(nèi)NEP 變化主要受降水和氣溫影響，受太陽(yáng)輻射的影響不顯著；劉春雨［12］研究了西南地區(qū)植被NEP 的時(shí)空演變，并結(jié)合人類(lèi)強(qiáng)度指數(shù)，采用地理加權(quán)回歸法探析不同視角下的人為因素對(duì)植被NEP 影響。已有對(duì)植被NEP 的驅(qū)動(dòng)因素研究主要是基于氣候因素，對(duì)人為因素的驅(qū)動(dòng)研究還限于單因子的影響。為探析雙因素交互作用對(duì)植被NEP的影響，本文將地理探測(cè)器用于NEP驅(qū)動(dòng)因素的定量分析，該方法既可進(jìn)行單因子影響分析，亦可探測(cè)多種人為因子和氣候因子交互作用對(duì)NEP的影響［13-15］。

近年來(lái)為應(yīng)對(duì)西北地區(qū)“氣候轉(zhuǎn)型”［16］和人為活動(dòng)的影響，研究環(huán)境變化下的植被固碳能力成為實(shí)現(xiàn)“碳中和”的迫切需求［17］。本文利用經(jīng)驗(yàn)公式和MODIS數(shù)據(jù)估算青海省NEP，并探析青海省NEP時(shí)空演化規(guī)律及驅(qū)動(dòng)因子，以期科學(xué)評(píng)估青海省植被碳儲(chǔ)量變化和對(duì)青海省植被增匯政策提供理論參考。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況

青海省位于89°35′～103°04′E，31°9′～39°19′N(xiāo)之間，屬高原溫帶半干旱地區(qū)，多風(fēng)，日照時(shí)間長(zhǎng)，降雨少，年降水量在50～550 mm，年均溫在-5.1～9.0 ℃；地勢(shì)總體西北向東南逐漸傾斜；區(qū)域降水稀少，主要集中于春、夏季，徑流主要來(lái)源于冰雪融水和西南暖濕氣流。

青海省林地資源主要分布于江河源區(qū)附近，全省林地面積2.65×106km2［18］，天然草地面積4.2×105km2。草地類(lèi)型主要為高寒草甸和草原（圖1），主要分布在祁連山東北部和柴達(dá)木盆地東部地區(qū)。由于特殊的氣候、高海拔和風(fēng)化侵蝕地貌，導(dǎo)致青海省植被易受人類(lèi)和氣候變化影響［6］。

圖1 研究區(qū)植被概況Fig.1 Vegetation map of study area

1.2 數(shù)據(jù)來(lái)源與處理

凈初級(jí)生產(chǎn)力(NPP)數(shù)據(jù)來(lái)源于MODIS(https://ladsweb.modaps.eosdis.nasa.gov/)所提供的MOD17A3-HGF產(chǎn)品，時(shí)間分辨率為年，空間分辨率500 m，時(shí)間跨度2000—2020 年。歸一化植被指數(shù)（NDVI）數(shù)據(jù)來(lái)源于MOD13Q1 產(chǎn)品，時(shí)間分辨率16 d，空間分辨率250 m，時(shí)間跨度2001—2020年，采用最大值合成月數(shù)據(jù)。土地利用數(shù)據(jù)來(lái)源于MCD12Q1 產(chǎn)品，時(shí)間分辨率為年，空間分辨率500 m，時(shí)間跨度2001—2019 年。以上數(shù)據(jù)均利用MRT 及ArcGIS 進(jìn)行數(shù)據(jù)拼接，并投影裁剪研究區(qū)范圍。

青海省氣象數(shù)據(jù)來(lái)自2000—2020 年國(guó)家氣象科學(xué)數(shù)據(jù)中心(http://data.cma.cn/)月值數(shù)據(jù)集,空間分辨率為0.5°×0.5°，對(duì)該數(shù)據(jù)用ArcGIS進(jìn)行數(shù)據(jù)還原并采用樣條函數(shù)法插值。

人均GDP 和人口密度數(shù)據(jù)均來(lái)自中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(https://www.resdc.cn)，分辨率為1 km。以上所有數(shù)據(jù)均采用Albers 等面積圓錐投影進(jìn)行統(tǒng)一分析。

用地理探測(cè)器探測(cè)空間分異性時(shí)，選取40 km的空間網(wǎng)格來(lái)分析變化環(huán)境對(duì)植被凈生態(tài)系統(tǒng)生產(chǎn)力（NEP）的影響，降水、氣溫采用自然間斷法劃分為6類(lèi)；人均GDP、人口密度采用分位數(shù)劃分為6類(lèi)［19］。

2 模型與方法

2.1 NEP的估算

NEP 常被用來(lái)描述區(qū)域碳平衡動(dòng)態(tài)變化，可指示單位時(shí)間單位面積上植物的碳收支狀況，不僅可作為衡量植被活動(dòng)的關(guān)鍵因子，還能用來(lái)表征植被的健康程度和固碳能力［20］。在不考慮其他自然及人為因素影響下，可用NEP值表征陸地和大氣生態(tài)系統(tǒng)的碳交換率。NEP＞0，說(shuō)明植被固碳量多于土壤呼吸（RH）排放的碳量，表現(xiàn)為植被碳匯［21］。計(jì)算公式如下：

本文土壤呼吸RH采用裴志永等［22］建立的經(jīng)驗(yàn)公式，由氣溫和降水間接估算。經(jīng)已有研究實(shí)地采樣驗(yàn)證，該公式可用于監(jiān)測(cè)青海地區(qū)、西北地區(qū)土壤呼吸。計(jì)算公式如下［12,23］：

式中：T指年均溫(℃)；P指年降水量(mm)；RH為年土壤呼吸（g C·m-2）。

2.2 驅(qū)動(dòng)因素分析

2.2.1 趨勢(shì)分析 采用Mann-Kendall 法［24］及Theil-Sen法分析2000—2020年植被NEP的年際變化規(guī)律與動(dòng)態(tài)變化［25］，計(jì)算公式如下：

式中：xk，xi為連續(xù)的NEP數(shù)據(jù)序列；n為年份。標(biāo)準(zhǔn)化檢驗(yàn)統(tǒng)計(jì)量ZC，其中ZC＞0 時(shí)表示上升趨勢(shì)，反之，則表示下降趨勢(shì)。由于Mann-Kendall 法強(qiáng)調(diào)單調(diào)趨勢(shì)，結(jié)果不一定是線(xiàn)性，為體現(xiàn)變化幅度引入Theil-Sen斜率法表征變化幅度Q的大?。?6］：

式中：1＜i＜k＜n。當(dāng)Q＞0時(shí)，反映上升趨勢(shì)；反之，則反映下降趨勢(shì)。

2.2.2 相關(guān)性分析

（1）偏相關(guān)系數(shù)。運(yùn)用偏相關(guān)分析可定量刻畫(huà)植被NEP 對(duì)其他影響要素的響應(yīng)。偏相關(guān)系數(shù)計(jì)算公式如下：

假設(shè)有i、j、k3 個(gè)變量，Pij,k是自變量k與自變量i和j的偏相關(guān)系數(shù)；Pij，Pjk，Pik為兩因子間的相關(guān)系數(shù)［27］。

（2）地理探測(cè)器。地理探測(cè)器是一種探測(cè)空間分異性，并揭示其背后驅(qū)動(dòng)力的統(tǒng)計(jì)學(xué)方法［28］。根據(jù)研究需要，本文應(yīng)用因子探測(cè)器，交互探測(cè)器等4種探測(cè)器探測(cè)NEP的驅(qū)動(dòng)力及多因子交互作用［15］。因子X(jué)對(duì)屬性Y的空間分異解釋程度用q值度量，q值的計(jì)算公式如下：

式中：q為某因子對(duì)NEP 空間分異的解釋力，q的值域［0，1］，q值越大表征該因子的空間分異性愈明顯。在極端情況下，q=1 表明該因子完全控制了NEP的空間分布。h取值范圍為［1，L］，表征因子X(jué)的分區(qū)，σh2和σ2分別為第h層和全區(qū)NEP 的方差，Nh和N分別為層h和全區(qū)的單元數(shù)；SSW和SST分別為層內(nèi)方差之和和全區(qū)總方差。

交互探測(cè)器可用來(lái)評(píng)估不同因子間交互作用對(duì)NEP分異解釋力的強(qiáng)弱。評(píng)估方法是先分別計(jì)算2種影響因子X(jué)1和X2對(duì)NEP的解釋力q，再計(jì)算其交互作用時(shí)的q值，最后進(jìn)行比較。判斷依據(jù)如表1。

表1 交互作用判斷依據(jù)Tab.1 Basis of interaction judgment

3 結(jié)果與分析

3.1 NEP精度評(píng)價(jià)

由于NEP的實(shí)測(cè)數(shù)據(jù)難以獲取，本文采用其他學(xué)者在青海省實(shí)測(cè)NEP結(jié)果、青藏高原數(shù)據(jù)中心三江源氣象站點(diǎn)實(shí)測(cè)NPP 結(jié)果和站點(diǎn)氣象數(shù)據(jù)模擬RH結(jié)果計(jì)算NEP［29-33］。將實(shí)測(cè)數(shù)據(jù)與估算結(jié)果進(jìn)行相關(guān)性分析、顯著性檢驗(yàn)，表明兩者的相關(guān)系數(shù)為0.864（圖2），實(shí)測(cè)與估算數(shù)據(jù)顯著相關(guān)（R2=0.7821，P＜0.01），顯示結(jié)果具有可靠性。

圖2 青海省NEP模擬結(jié)果驗(yàn)證Fig.2 Verification of NEP simulation results in Qinghai Province

3.2 青海省NEP時(shí)空分布特征

3.2.1 青海省NEP空間分布特征 近20 a青海省年均NEP的空間分布差異顯著，呈現(xiàn)出東南高西北低的特征（圖3）。青海省年均植被NEP為134.05 g C·m-2·a-1，其中NEP＞0 區(qū)域高達(dá)4.89×105km2（占比74.15%），NEP＜0 區(qū)域可達(dá)890 km2。NEP 高值區(qū)（312～735.90 g C·m-2·a-1）面積總占比5.07%，主要位于祁連山附近、青海湖濕地附近、江河源區(qū)和黃河上游谷地等地。植被碳源區(qū)主要有格爾木市、治多縣和雜多縣等地。植被在空間分布上過(guò)渡明顯的原因，主要與當(dāng)?shù)氐慕邓疇顩r以及植被分布有關(guān)。NPP 多年均值分布與NEP 分布相似。RH呈西北向東南遞增之勢(shì)，具體分布為森林＞草原＞荒漠，空間差異較明顯。

圖3 青海省NEP、RH和NPP空間分布Fig.3 Spatial distribution of NEP,RH and NPP in Qinghai Province

3.2.2 青海省NEP的年際變化特征 近20 a青海省NEP 年際變化較明顯（圖4），2000—2020 年青海省生態(tài)系統(tǒng)的固碳能力呈波動(dòng)增加趨勢(shì)。年均植被NEP 在114.55～155.49 g C·m-2·a-1，NEP 年均增幅為1.54 g C·m-2·a-1。植被NEP 的極大值、極小值分別出現(xiàn)在2018年、2001年。按照植被NEP近20 a的變化態(tài)勢(shì)，劃分3個(gè)時(shí)段討論其年際變化特征：2000—2008年間植被NEP波動(dòng)增加，2006年出現(xiàn)第1個(gè)峰值144.93 g C·m-2·a-1；2008—2015年間，NEP圍繞多年均值上下波動(dòng)；2015—2020 年間，植被NEP 值逐年上升，該階段也為增幅最大的時(shí)段。

圖4 青海省NEP的年際變化Fig.4 Interannual variation of NEP in Qinghai Province

3.2.3 青海省NEP的動(dòng)態(tài)變化 為研究青海省NEP的空間動(dòng)態(tài)變化規(guī)律，采用逐像元Theil-Sen斜率估計(jì)法，得出青海省21 a NEP 變化趨勢(shì)（圖5）。植被NEP 空間分布增長(zhǎng)格局與其空間分布格局相似，從變化趨勢(shì)可知，青海省植被固碳能力整體上有增長(zhǎng)趨勢(shì)，少部分呈負(fù)增長(zhǎng)趨勢(shì)的區(qū)域主要分布在海西市和玉樹(shù)市內(nèi)，約占青海省面積的2.17%，主要為植被稀疏地區(qū)；增長(zhǎng)幅度大的高值區(qū)（占比3.17%）主要位于青海湖濕地、貴南縣和共和縣附近等地，這些區(qū)域的降水較多，植被覆蓋豐富。將Theil-Sen 趨勢(shì)分析和M-K顯著性檢驗(yàn)結(jié)果疊加，通過(guò)P＜0.05顯著性水平的區(qū)域面積為3.55×105km2，其中顯著增加區(qū)域占全省面積的52.95%，主要分布在柴達(dá)木盆地荒漠、祁連山森林與高寒草原、江河源區(qū)-甘南高寒草甸草原等生態(tài)區(qū)；顯著減少的區(qū)域僅占0.23%，零星分布于天峻縣、瑪多縣、曲麻萊縣、湟中區(qū)、治多縣等地。

圖5 青海省Mann-Kendall和Theil-Sen植被NEP的空間分布Fig.5 Spatial distribution of vegetation NEP of Mann-Kendall and Theil-Sen in Qinghai Province

3.3 青海省NEP驅(qū)動(dòng)機(jī)制分析

3.3.1 NEP對(duì)氣候因子的響應(yīng) 氣候因子通過(guò)影響植被的生長(zhǎng)態(tài)勢(shì)、凈初級(jí)生產(chǎn)力以及土壤呼吸，進(jìn)而影響植被凈生態(tài)系統(tǒng)生產(chǎn)力的變化；尤其是氣溫、降水這2個(gè)主要?dú)庀笠蛩?，在一定程度?huì)影響植被NEP的變化。

由圖6 可知，近20 a 青海省植被NEP 的極大值出現(xiàn)在2010 年，降水量極大值出現(xiàn)在2009 年（463.54 mm），在2010年左右年均溫也有1個(gè)顯著的峰值。說(shuō)明青海省在2010 年前后水熱組合相對(duì)較好，有利于提高生態(tài)系統(tǒng)固碳能力。NEP 的極小值出現(xiàn)在2001 年，該年降水量顯著偏低，氣溫雖相比2000年略有升高，但長(zhǎng)歷時(shí)干旱易造成土壤呼吸增強(qiáng)和植被退化，從而導(dǎo)致固碳能力下降。對(duì)上述3個(gè)因素間的響應(yīng)程度進(jìn)行分析，2000—2014年間植被NEP變化相對(duì)降水存在一定的滯后性，滯后期約為1 a；2014 年后兩者變化相對(duì)一致。近20 a，氣溫與植被NEP的變化保持一致。上述分析表明，青海省植被NEP對(duì)年均溫和年降水的響應(yīng)程度較高。

圖6 2000—2020年青海省NEP與年均溫、年降水量的年際變化Fig.6 Interannual variations of NEP,annual temperature and annual precipitation in Qinghai Province from 2000 to 2020

空間上分析青海省植被NEP與年均溫、年降水量的偏相關(guān)關(guān)系，并對(duì)其進(jìn)行P＜0.05的顯著性檢驗(yàn)（圖7、圖8）。區(qū)域內(nèi)植被NEP與降水的偏相關(guān)系數(shù)均值為0.134，與氣溫的偏相關(guān)系數(shù)均值為0.429，這表明氣溫、降水與NEP 均呈正相關(guān)，且降水的偏相關(guān)小于氣溫的偏相關(guān)。初步分析干旱和半干旱區(qū)氣溫對(duì)植被的分布及長(zhǎng)勢(shì)影響更大。

2000—2020 年，青海省降水介于325～460.85 mm，年平均降水量為395.26 mm。降水與植被NEP的偏相關(guān)系數(shù)介于-0.24～0.42 之間（圖7a）。植被NEP與降水呈負(fù)相關(guān)的區(qū)域占全省面積的23.32%，主要分布在玉樹(shù)、囊謙、曲麻萊、甘德、久治、班瑪、雜多、河南縣等地。植被NEP與年降水量呈正相關(guān)的區(qū)域占青海省面積的65.75%，主要分布在海南市、海北市、海西、海東等地；其中與降水呈現(xiàn)顯著正相關(guān)（P＜0.05）的區(qū)域面積達(dá)7.81×104km2，約占全省面積的11.7%（圖8a）。

圖7 NEP與降水和年均溫偏相關(guān)關(guān)系Fig.7 Correlation of NEP with precipitation and annual mean temperature deviation

2000—2020 年，青海省年均溫-2.35～-0.70 ℃，年均溫均值-1.44 ℃。植被NEP與氣溫呈負(fù)相關(guān)的區(qū)域面積為1.142×104km2，僅占總面積的1.71%，零星分布于各市；植被NEP與年均溫呈正相關(guān)的區(qū)域占青海省面積的71.5%，這些區(qū)域位于山麓處、江河源區(qū)以及河流谷地，主要為森林、草原。其中，通過(guò)顯著性檢驗(yàn)（P＜0.05）的植被NEP與氣溫正相關(guān)的區(qū)域面積達(dá)2.572×105km2，占全省面積的38.53%（圖8b）。

圖8 NEP與降水和年均溫偏相關(guān)顯著性分析Fig.8 Correlation analysis of NEP with precipitation and annual mean temperature deviation

3.3.2 NEP與NDVI的相關(guān)性 分析表明，青海省年均植被NEP 與NDVI 的空間分布具有高度相似性，在青海湖濕地、貴南縣和共和縣等地是植被NEP（312～735.90 g C·m-2·a-1）與NDVI（0.68～0.91）的高值分布區(qū)。在空間分布上（圖9），植被NEP與NDVI呈正相關(guān)的區(qū)域占全省面積的65.83%，其中通過(guò)顯著性檢驗(yàn)（P＜0.05）的區(qū)域占比達(dá)31.43%，這些區(qū)域主要分布在海南、海東和海西東南部。NEP與NDVI呈負(fù)相關(guān)的區(qū)域占全省面積的7.37%，主要分布在曲麻萊、玉樹(shù)、雜多、久治、同仁和門(mén)源等地；通過(guò)P＜0.05 顯著性檢驗(yàn)的區(qū)域僅占0.12%，這些區(qū)域零星分布于各地。

圖9 植被NEP與植被NDVI相關(guān)性系數(shù)分布Fig.9 Distribution of correlation coefficient between vegetation NEP and NDVI

3.3.3 NEP的人為驅(qū)動(dòng)力 土地利用類(lèi)型轉(zhuǎn)變能揭示人為因素對(duì)植被NEP的影響。參考《土地利用現(xiàn)狀分類(lèi)》和原數(shù)據(jù)IGBP標(biāo)準(zhǔn)，將MCD12Q1重新劃分為6大類(lèi)（耕地、林地、草地、水域、城鄉(xiāng)居民用地、未利用地）。為研究2000—2020年土地利用類(lèi)型對(duì)青海省NEP 的影響，結(jié)合數(shù)據(jù)的時(shí)間跨度（2005 年、2010 年、2015 年、2020 年），以5 a 為1 個(gè)研究期，探究人為因素對(duì)植被NEP的影響。分析表明，2015—2020年的土地利用類(lèi)型轉(zhuǎn)換最為明顯，轉(zhuǎn)換面積達(dá)研究區(qū)總面積的2.7%，該階段主要是未利用地和草地之間的類(lèi)型轉(zhuǎn)換，主體為荒漠向草地轉(zhuǎn)換，其面積占本階段轉(zhuǎn)換總面積的49.48%，主要位于柴達(dá)木盆地荒漠區(qū)、昆侖山東段高寒荒漠草原、北羌塘高寒荒漠草原區(qū)，主要為荒漠與草原過(guò)渡區(qū)域。耕地面積在2005—2015年呈下降趨勢(shì)并轉(zhuǎn)換為草地，主要是政府在該時(shí)期內(nèi)采取了退耕還草等生態(tài)保護(hù)措施。2001—2020 年荒漠與草地間的轉(zhuǎn)換較為頻繁，2010—2015年荒漠化面積略大于綠洲化面積,該階段存在微弱的荒漠化趨勢(shì)，植被NEP呈下降趨勢(shì)（圖10）。

圖10 青海省土地利用轉(zhuǎn)移?；鶊DFig.10 Sangji map of land use transfer in Qinghai Province

3.3.4 因子影響力探測(cè) 為探究不同因子對(duì)青海省植被NEP 的影響，選取6 種典型因子并對(duì)其進(jìn)行地理探測(cè)器分析，探測(cè)其空間分異的驅(qū)動(dòng)力（其中2020年人均GDP數(shù)據(jù)缺失）。單因子對(duì)植被NEP的影響分析結(jié)果表明（圖11），在該研究期內(nèi)，NDVI是影響植被NEP 的主導(dǎo)因子，其q值均在0.7 以上，并且年際波動(dòng)較小，說(shuō)明植被覆蓋度對(duì)植被NEP貢獻(xiàn)較大。氣溫與降水的解釋力較強(qiáng)，均超過(guò)了0.3，降水在2015年的影響力超過(guò)氣溫，主要是由于年降水偏少，限制了植被生長(zhǎng)，從而抑制了植被的固碳能力。土地利用和人均GDP 影響力相對(duì)穩(wěn)定且解釋力較低，人口密度解釋力較高，在2010 年的影響力高于氣溫；降水在2020年解釋力略高于土地利用。

圖11 代表年份植被NEP單因子影響力和交互作用q值Fig.11 Single factor influence and interaction q value of vegetation NEP in representative years

地理探測(cè)器交互作用結(jié)果表明（圖11）：區(qū)域內(nèi)兩因子交互作用的q值顯著大于單因子的q值，表明交互作用呈非線(xiàn)性增強(qiáng)，兩因子交互作用后對(duì)植被的NEP解釋力會(huì)顯著增強(qiáng)。對(duì)4個(gè)代表年份的主導(dǎo)交互因子進(jìn)行排列，最大主導(dǎo)作用的交互因子是該年最強(qiáng)主導(dǎo)因子與其他因子的組合。2000—2020年最強(qiáng)主導(dǎo)交互因子均為NDVI 與人均GDP、氣溫與NDVI，解釋力均達(dá)到了0.8以上。雖然GDP的單因子影響力小，但當(dāng)人均GDP與NDVI交互作用時(shí)，在特定年份會(huì)超越其他因素。

4 討論

MOD17A3HGF 模型已被用于估算青海省NPP,通過(guò)作物產(chǎn)量驗(yàn)證，證實(shí)估算結(jié)果可靠［18］。估算RH的檢驗(yàn)?zāi)Ｐ驮谇嗪８咴颓嗖馗咴ㄟ^(guò)了實(shí)地驗(yàn)證［9,18,22］。

本文估算青海省近20 a NEP 年均值為134.69 g C·m-2·a-1，與周夏飛等［10］（120.8 g C·m-2·a-1）、劉鳳等［9］（128.40 g C·m-2·a-1）的估算結(jié)果較為接近。雖然本文采用的NEP估算方法不同且更新了時(shí)間序列，但估算結(jié)果與前人的較為接近，說(shuō)明估算方法可行。該方法存在的不確定性，主要源自土壤呼吸的不確定性。將RH定義為與氣象因子相關(guān)的函數(shù)，容易忽視呼吸底物的分解對(duì)異養(yǎng)呼吸的貢獻(xiàn)，容易造成高植被覆蓋度區(qū)域的碳匯高估，低植被覆蓋度區(qū)域?qū)μ紖R的低估，因此需慎重采用［34］。此外，RH究竟是否適用于青海省全省植被NEP 的估算需要大量的地表觀測(cè)實(shí)測(cè)值作參考，盡管以多年平均值做比較，但時(shí)間跨度的區(qū)別難免產(chǎn)生一定誤差［23］。本文NEP與氣溫的關(guān)系，與已有研究存在一定差異［9］，主要由于兩者對(duì)NPP 的估算方式及采用的氣象原數(shù)據(jù)插值方法存在差異所致，在中亞地區(qū)和石羊河流域的研究結(jié)論與本文相似［35-36］。

諸因子對(duì)植被NEP的影響分析表明，影響較大的是以氣溫、降水為代表的氣候因子和以土地利用為代表的人為因子。分析結(jié)果顯示，氣溫對(duì)NEP的影響程度要大于降水，原因是適度的升溫對(duì)NPP的促進(jìn)作用要大于RH的促進(jìn)作用［17］，而且當(dāng)海拔超過(guò)2000 m 時(shí)，水分對(duì)于植物NPP 的限制作用越來(lái)越弱［24］。與氣溫呈偏負(fù)相關(guān)的主要是荒漠區(qū)域（如柴達(dá)木盆地荒漠區(qū)），該區(qū)域地表缺水、蒸發(fā)旺盛，氣溫降低會(huì)導(dǎo)致區(qū)域內(nèi)蒸發(fā)減弱，有利于缺水狀況緩解并促進(jìn)植被NEP的積累，進(jìn)而提升該地區(qū)的植被固碳能力。受三江源頭太陽(yáng)輻射強(qiáng)烈、冰川資源豐富、海拔高等因素影響，在青海南部NEP 與降水呈負(fù)相關(guān)、與氣溫呈正相關(guān)。NDVI 與植被NEP 在空間分布上具有極大相似性，植被覆蓋率高的區(qū)域光合效率高，植物群落固定在地面的有機(jī)碳含量及植被凈碳交換量同樣也高。

運(yùn)用地理探測(cè)器探測(cè)青海省NEP 的人為及氣候驅(qū)動(dòng)力，整體上氣候?qū)χ脖籒EP地理分異性的解釋力要超過(guò)人為因素，但在某些特殊年份，情況迥異。在氣候趨于“暖濕”背景下［16］，由于氣溫逐年上升，陸地生態(tài)系統(tǒng)的植被儲(chǔ)碳能力對(duì)氣候的響應(yīng)將呈現(xiàn)新的格局，人為因素對(duì)NEP空間分異解釋力較弱，但與其他因子交互時(shí)均超過(guò)0.3。雙因子的協(xié)同交互作用遠(yuǎn)超單因子的作用，未來(lái)在提升生態(tài)系統(tǒng)固碳能力時(shí)，需在關(guān)注當(dāng)前氣候變化的同時(shí)，采取適當(dāng)?shù)娜藶楦深A(yù)。降水對(duì)NEP 的解釋力在2020 年最低的原因尚待進(jìn)一步探究。

由于生長(zhǎng)季內(nèi)農(nóng)作物固定的碳將迅速進(jìn)入大氣碳循環(huán)，鑒于研究區(qū)內(nèi)農(nóng)田比例較大，若能剔除作物NEP 的影響將對(duì)區(qū)域增匯更有指導(dǎo)意義［37］。青海省作為五大牧區(qū)之一，在后續(xù)研究中還應(yīng)將牲畜飼養(yǎng)量納入人為因素，分析其對(duì)青海植被NEP的影響。

5 結(jié)論

本文詳細(xì)分析了青海省近20 a NEP 的時(shí)空變化規(guī)律及驅(qū)動(dòng)因素，并利用地理探測(cè)器定量分析不同因子對(duì)NEP的影響，具體結(jié)論如下：

（1）時(shí)間尺度上2000—2020 年青海省NEP 呈增加趨勢(shì)，增幅為1.07 g C·m-2·a-1，多年平均NEP為134.69 g C·m-2·a-1?？臻g上，NEP 呈自東向西遞減的特征，NEP分布與植被覆蓋基本一致。

（2）在空間與年際尺度上，植被NEP與氣溫、降水均呈正相關(guān)，氣溫與NEP的相關(guān)性大于降水。

（3）地理探測(cè)器表明，近20 a 植被覆蓋度對(duì)NEP 起主導(dǎo)作用，氣溫的影響作用相對(duì)較強(qiáng)，在干旱年份降水的影響力要超過(guò)除NDVI以外的其他因子，雙因子的交互作用超過(guò)單因子影響力。青海省植被NEP 空間分布是氣候和人為因素共同作用的結(jié)果，且不同影響因素對(duì)其作用的強(qiáng)弱不同，在特定年份人類(lèi)活動(dòng)與其他因素交互作用是植被NEP變化的主導(dǎo)因素。