橫斷山區2004—2014年植被NPP時空變化及其驅動因子

王 強,張廷斌,2,3,*,易桂花,,陳田田,別小娟,何奕萱

1 成都理工大學地球科學學院,成都 610059 2 地學空間信息技術國土資源部重點實驗室,成都 610059 3 成都理工大學工程技術學院,樂山 614000 4 中國科學院水利部成都山地災害與環境研究所,成都 610041

?

橫斷山區2004—2014年植被NPP時空變化及其驅動因子

王 強1,張廷斌1,2,3,*,易桂花1,4,陳田田4,別小娟1,何奕萱1

1 成都理工大學地球科學學院,成都 610059 2 地學空間信息技術國土資源部重點實驗室,成都 610059 3 成都理工大學工程技術學院,樂山 614000 4 中國科學院水利部成都山地災害與環境研究所,成都 610041

橫斷山區是我國長江上游重要的生態屏障區,對周邊區域乃至我國中西部地區氣候和生態環境有著深刻的影響。NPP作為碳收支和氣候變化研究的核心內容,是判定生態系統健康狀況和可持續發展水平的重要指標。基于MODIS C6的NPP數據、1∶100萬植被類型圖、氣象數據和地形數據,采用趨勢線分析法和相關分析法對橫斷地區2004—2014年植被NPP時空格局、變化規律以及驅動因子進行了研究。結果表明：①2004—2014年橫斷山區植被年NPP總量的介于183.768—223.239 TgC之間,多年平均為208.498 TgC,單位面積下的植被年NPP均值為463 gC m-2a-1。整體上,植被NPP呈增加趨勢,但局部差異明顯。②植被NPP平均值的年際變化率在-53—97 gC m-2a-1之間,NPP呈增加趨勢的區域分布在北部與中部的東側以及南部的東、西兩側地區,而減少趨勢的區域主要集中在西北部、中部的汶川—映秀一帶以及南部攀枝花地區。③橫斷山區植被NPP變化受氣候因子驅動影響的區域占比8.42%,主要集中在中部的大雪山-沙魯里山地區,而非氣候因子占比91.58%,分布在北部的阿壩地區以及南部的低海拔廣大地區。該研究將對橫斷山區生態環境建設和可持續發展起到指導作用。

NPP；氣候變化；驅動因子；MODIS C6；橫斷山區

陸地植被凈初級生產力(NPP)是指綠色植物在單位時間、單位面積上所累積的有機物數量,是由光合作用所產生的有機質總量(GPP)中扣除自養呼吸(RA)后的剩余部分[1]。NPP作為碳收支和氣候變化研究的核心內容,是判定生態系統健康狀況和可持續發展水平的重要指標[2-4]。Lieth等建立了第一個全球NPP回歸模型(Miami模型),認為NPP是年平均氣溫和年降雨的函數[5]。隨著遙感技術的發展,利用遙感模型估算地表植被凈初級生產力成為可能(如CASA模型[6]、GLO-PEM模型[7])。近年來,國內研究表明我國陸地植被NPP由東南到西北遞減,其變化受氣候、人類活動等因素影響,全國總量在3.38—4.35 PgC/a之間[8-11]。在區域尺度上,學者分別對東北亞地區[12]、內蒙古草原[13]、三江源區[14]、青藏高原[15]、西南地區[16-17]等地區進行了綜合研究,包括區內植被NPP的時空格局、變化規律以及其與氣候的相關性等內容。

橫斷山區位于青藏高原東南緣,橫跨我國西南一、二、三級地形階梯,擁有世界唯一滿足4個條件的“三江并流”自然遺產,不僅是我國長江上游重要的生態屏障區(青藏高原生態屏障和黃土高原—川滇生態屏障),還是我國珍惜瀕危動植物的避難所和世界生物物種最豐富的地區之一,對周邊區域乃至我國中西部地區氣候和生態環境有著深刻的影響[18-21]。目前針對橫斷山區植被NPP的相關研究還相對較少,作為表征氣候變化和植被活動、判定生態系統健康狀況和可持續發展水平的關鍵因子之一,植被NPP時空分布、變化規律及其驅動因子的研究,對該區生態環境評價和保護具有重要的指導意義。

1 研究區概況

本文選取了橫斷山區核心區內98個區縣為研究區,包括四川西部、云南西北大部以及西藏東南部小部分地區(圖1),總面積約450000 km2,海拔在294—7049 m之間。根據前人的分區研究將研究區劃分為橫斷山區北部、中部和南部[19- 27]。整體上,研究區地勢由西北向東南傾斜,以高山峽谷為主,山脈與河流南北縱貫,相間并列,地形起伏較大。橫斷山區北部和中部地形急劇上升,大部分海拔超過4000 m,而南部地區多在3000 m以下。區內植被種類繁多[21-25],植被類型包括針葉林、針闊葉混交林、闊葉林、灌叢、草原、草叢、草甸、沼澤、高山植被和栽培植被等,其中,灌叢、針葉林、草甸占大部分(面積占比達76%)。該地區主要受西風環流和季風系統(印度洋的西南季風和西太平洋的東南季風)控制,氣候垂向分帶明顯,從山腳到山頂往往具有熱帶、亞熱帶、溫帶與高山寒帶等氣候類型[25-29],且由于縱向嶺-谷形成的南北通道-東西阻隔的作用,在同一緯度垂直帶譜上,該地區的山體東、西坡又具有不同的基帶和帶譜結構特征[26-28]。另外加上局部山地效應[28-30],使得對該區氣候、生態環境的相關研究變得異常復雜。

圖1 橫斷山區地形及氣象站點分布圖 Fig.1 The terrain and meteorological stations of Hengduan mountain area

2 數據來源與研究方法

2.1 數據來源

2.1.1 NPP數據

本文NPP數據來源于美國陸地過程分布式數據檔案中心(Land Processes Distributed Active Archive Center, LPDAAC)最新的MODIS(Moderate Resolution Imaging Spectroradiometer) C6的MOD17A3數據產品(https://lpdaac.usgs.gov/)。該數據相對于MODIS C5數據,不僅將空間分辨率提高到了500 m,還在一定程度上消除了因衛星傳感器老化而造成的數據衰減和失真的問題[31]。有關研究表明,由Terra MODIS數據衰減而引起的NDVI負趨勢率達到了-0.004 a-1。面對某些大范圍、長時間、連續變化的科學研究工作,使用Terra MODIS藍波段(Band3)及其衍生產品時應值得特別注意[32]。本文數據時間跨度為2004—2014年,空間分辨率為500 m,時間分辨率為年。該數據產品包含一個數據質量控制文件(NPP_QC),其表示了不同地區NPP產品的質量可靠性[33-34]。本文根據2004—2014年的NPP_QC數據進行統計分析,結果表明,2004—2014年橫斷山區NPP數據質量中、高等級多年平均可信度達到了98.63%(反演失敗的地區主要集中在貢嘎山、洱海等冰川和水域等非陸地生態區)。這對于地勢橫跨三級階梯、地形復雜、起伏大的橫斷山區來說,數據整體上質量較好。本文舍棄了那些可信度低及反演失敗的像元點,以突出該地區11a來植被NPP變化特征與規律,最后利用MODIS重投影工具(MODIS Reprojection Tool, MRT)對數據進行鑲嵌、格式轉換和重投影等預處理。

2.1.2 氣象數據

本文選取了研究區及附近73個地面氣象站的2004—2014 年逐月平均氣溫和降水量資料(圖1)。該氣象數據來源于中國氣象科學數據共享服務網(http://ede.ema.gov.cn).參考季節劃分相關研究[26- 29],將5—10月劃分為雨季(季風期),11月—翌年4月為干季(非季風期)。由于橫斷山區雨季降水量占全年降水的絕大多數[25-26],本文選取雨季的平均氣溫和降水量作為氣候因子,采用樣條函數法對該區域內氣象數據進行空間插值處理[26]。

2.1.3 植被類型數據

植被類型數據采用全國1∶100萬植被類型圖,數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn)。以植被大類為分類基準進行歸并處理,然后將數據進行投影、矢柵轉換等處理,最后重采樣為空間分辨率為500m柵格數據。

2.1.4 地形數據

地形數據采用SRTM90m DEM產品,數據來源于中國科學院計算機網絡信息中心科學數據中心的“地理空間數據云平臺”(http://www.gscloud.cn)。同樣,對高程數據進行了投影轉換、重采樣等處理,最后統一為500m空間分辨率。

2.2 研究方法

2.2.1 趨勢分析

基于像元對多年NPP數據計算其平均值,得到研究區多年平均NPP的空間分布圖,其計算公式(1)如下:

(1)

針對時間序列的NPP數據,其絕對年際變化率采用基于像元的一元線性回歸分析方法,其計算公式(2)：

(2)

式中,n為年數(時間序列為2004—2014,即n=11)；nppi為某一像元點第i年的NPP值；θslope則為該像元在該時間段內NPP年際變化的一元線性回歸方程的斜率,反映的是某一時間段內總的變化趨勢。θslope>0表明變化趨勢是增加,反之則是減少,當|θslope|≈0時說明NPP沒有變化。該公式已廣泛用于植被指數和NPP的時間序列分析,具有很好的穩定性和置信度[35-36]。

2.2.2 相關性分析

偏相關分析是在消除其他變量影響的前提下計算某兩個變量之間的相關性[37]。本文利用基于像元的偏相關分析法分別研究了氣溫和降水量對植被NPP變化的影響,線性相關系數的計算公式(3)：

(3)

(4)

式中,Rxy,z為自變量z固定后因變量x與自變量y的偏相關系數。偏相關系數的顯著性檢驗采用t檢驗法完成。其統計量計算公式(5)：

(5)

式中,n為樣本數(時間序列為2004—2014,即n=11)；m為自變量個數。

實際上,一個要素的變化往往受多個因子的綜合作用影響,而要素間又是相互影響、相互聯系的,上述的單相關分析和偏相關分析都不能反映各要素的綜合影響,所謂的某個變量固定條件是不成立的,這就需要采用復相關分析方法來解決。復相關的計算公式(6)如下：

(6)

式中,Rx,yz表示因變量x和自變量y、z的復相關系數；Rxy表示x與y的線性相關系數,Rxz,y表示固定自變量y之后因變量x與自變量z的偏相關系數。

本文采用F檢驗法對復相關系數進行顯著性檢驗,其統計量計算公式(7)如下：

(7)

式中,n為樣本數(時間序列為2004—2014,即n=11)；k為自變量個數。

3 結果與分析

3.1 橫斷山區植被NPP基本情況

橫斷山區2004—2014年的植被NPP在整體上呈波動增加趨勢(圖2)。植被年NPP總量在183.768—223.239 TgC之間,多年平均為208.498 TgC；全區年NPP均值在408—496 gC m-2a-1之間,多年平均為463 gC m-2a-1。從2004年183.768 TgC到2014年的202.834 TgC,平均增速達2.0 TgC/a。有關研究表明[11],1961—2008期間我國年NPP總量的均值為3.8 PgC/a,本研究區面積占大陸面積4.7%,而NPP總量卻占到了全國的5.5%,這反映了同時期橫斷山區生態系統植被NPP高于全國平均水平。

圖2 橫斷山區2004—2014年NPP總量和均值統計Fig.2 The statistics of annual NPP total and mean value from 2004—2014 in Hengduan mountain area 1TgC= 1012gC, 1PgC=1015gC

由橫斷山區2004—2014植被NPP的多年平均空間分布(圖3)可知,整體上植被NPP呈北西向的減少趨勢,具體表現為：①橫斷山區北部地區,植被NPP由東向西逐漸減小(在250—400 gC m-2a-1之間),其低值區在江達、松潘等地；而高值分布在九寨溝縣,介于400—950 gC m-2a-1之間。②橫斷山區中部地區,NPP平均值由東南向西北逐漸減小,低值區在藏東察雅縣、貢覺縣,川西的爐霍縣、稻城縣以及沙魯里山4000 m以上高海拔地區,其NPP值在250—400 gC m-2a-1之間；高值在川西石棉縣、冕寧縣等地,其NPP值在400—950 gC m-2a-1之間。③橫斷山區南部地區,植被NPP平均值整體上相對較高,NPP平均值在700 gC m-2a-1以上,但局部差異明顯,高值在西南部,其NPP值大部分在800 gC m-2a-1以上,云南漾濞、大理等地區超過950 gC m-2a-1；低值在貢山等高海拔地區,介于250—550 gC m-2a-1之間；而在西昌、攀枝花和云南東川、會澤、永仁、元謀等地區,其NPP值在400—700 gC m-2a-1之間。此外,在橫斷山區南部的高山峽谷地區,NPP明顯呈南北向帶狀分布,同時分布帶之間又有差異。在西面獨龍江、怒江、瀾滄江峽谷及山脈地區,峽谷地區高于山脈頂部,且在由東向西、由南向北方向上呈現明顯減少趨勢；局部上從谷底到山嶺呈現先增加后減少趨勢,在中部金沙江流域河流谷底的NPP比較低,向河岸山脈先增加后減小,而在東部大渡河峽谷、雅礱江峽谷地區則河流谷底高,逐漸向山嶺減小。

3.2 橫斷山區植被NPP動態變化

圖4 橫斷山區2004—2014年不同植被類型NPP平均值動態變化Fig.4 Dynamic Change of different vegetation types mean NPP in Hengduan mountain area during 2004—2014

橫斷山區2004—2014年植被NPP平均值年際變化值θslope介于-53—97 gC m-2a-1之間(圖3),NPP增加趨勢(即θslope>0)區域集中在北部、中部的東側地區以及南部的東西兩側地區,其中在云南西北部的怒江峽谷-福貢-瀘水一帶,香格里拉縣以及紹覺-巧家-會澤等地區增加幅度最大,其增速在9—40 gC m-2a-1之間。另外,金沙江峽谷、雅礱江峽谷地區的NPP增速介于3—9 gC m-2a-1之間。而NPP呈減少趨勢(即θslope>0)的區域主要集中在汶川-映秀等地區,其變化在-3—-9 gC m-2a-1之間,攀枝花等局部區域的NPP變化在-9—-53 gC m-2a-1之間。

研究區涉及針葉林、針闊葉混交林、闊葉林、灌叢等10個植被大類。不同植被類型的NPP年總量差異明顯：針葉林>灌叢>草甸>栽培植被>闊葉林>草叢>高山植被>其他類型,其占比分別為30%、29%、12%、10%、9%、8%、1%和1%。另外,不同植被類型的NPP均值表現為：草叢(703 gC m-2a-1)>栽培植被(694 gC m-2a-1)>針闊葉混交林(590 gC m-2a-1)>闊葉林(569 gC m-2a-1)>針葉林(564 gC m-2a-1)>灌叢(419 gC m-2a-1)>沼澤(347 gC m-2a-1)>草原(331 gC m-2a-1)>草甸(301 gC m-2a-1)>高山植被(111 gC m-2a-1)。由此可見,在單位時間、單位面積下,該地區的草叢和栽培植被的固碳能力是最強的,其次是闊葉林類,最弱的為高山植被,這與谷小平[17]和周長海[38]對該地區的研究結論基本一致。

通過橫斷山區2004—2014年不同植被類型NPP平均值變化曲線(圖4)進一步分析可知：①整體上,區域內絕大多數植被類型NPP變化相近,呈波動增加趨勢,平均上升率為4.07 gC m-2a-1；但草原植被類型呈略微下降趨勢,平均下降率為-0.46 gC m-2a-1。②不同植被生態系統的年NPP平均值梯度分異明顯,大致分為5個區間：最高是草叢和栽培植被生態系統(>640 gC m-2a-1),其次是喬木生態系統(490—630 gC m-2a-1),再次是灌木生態系統(360 —460 gC m-2a-1),再次是草原草甸類生態系統(250—390 gC m-2a-1),最低是高山植被生態系統(80—130 gC m-2a-1)。③該地區不同植被類型NPP年際變化幅度不同,其中闊葉林、針闊混交林和草原變化幅度相對較大。

3.3 NPP與氣溫、降水量相關分析

圖5 橫斷山區北部、中部、南部2004—2014年的雨季平均氣溫和累積降水量動態變化Fig.5 Dynamic change of the rainy season′s mean temperatures and accumulated precipitation in Hengduan mountain area′s different part during 2004—2014 (ⅰ):橫斷山區南部 south part of Hengduan mountain area ; (ⅱ):橫斷山區中部 middle part of Hengduan mountain area; (ⅲ):橫斷山區北部 north part of Hengduan mountain area

橫斷山區降水量存在明顯的季節性分配,雨季(5—10月)降水量占絕大部分(80%—90%以上)[21,23,26]。近50a來,氣溫呈上升趨勢,2000—2008時段年均氣溫比多年均值(1960—2008)高0.46℃,雨季(5—10月)氣溫和降水量的變化傾向率分別為0.117 ℃/(10a)和6.01 mm/(10a),而最明顯的是雨季降水在2000年以后明顯降低[26]。橫斷山區(北部、中部、南部)及附近73個地面氣象站雨季的平均氣溫和累積降水量統計分析,結果表明：①橫斷山區2004—2014年平均氣溫在15.03—16.21 ℃之間,多年平均為15.87 ℃；累積降水量在580.13—744.22 mm之間,多年平均為691.31 mm。整體上,研究區中部、南部氣溫呈上升趨勢,北部氣溫呈下降趨勢,而整區降水量變化不明顯。②該地區因緯度跨度、海拔等因素,南北氣候變化差異大。由橫斷山區雨季的氣溫和降水量變化趨勢曲線 (圖5)所示,南部氣溫逐漸上升,但降水量有所減少,趨勢變化率分別為0.051 ℃/a、-4.344 mm/a；中部氣溫變化不明顯,降水量增加明顯,趨勢變化率分別為0.018 ℃/a、5.593 mm/a；而橫斷山區北部的氣溫下降明顯,但降水量在逐漸增加,趨勢變化率分別為-0.059 ℃/a與5.280 mm/a。

由植被NPP與氣溫偏相關性的空間分布特征(圖6)可知,植被NPP年均值與雨季氣溫的相關系數介于-0.91—0.98之間,正、負相關的區域分別占研究區面積的78.39%、21.61%。呈正相關區域主要集中在北部的紅原縣、中部的沙魯里山周圍以及南部瀾滄江德欽—迪慶、貢山—維西一帶；負相關主要分布在北部的松潘地區、中南部的沙魯里山和貢嘎山附近以及南部的攀枝花地區。由t檢驗可知,有2.98%的區域通過了P<0.01水平的顯著性檢驗(在中部的沙魯里山和大雪山地區)。

植被NPP與降水量的偏相關性分析(圖6)顯示,植被年NPP均值與雨季降水量在-0.98—0.93之間,正、負相關的區域分別占研究區面積的27.06%、72.94%,正相關區域主要集中在北部的阿壩縣、中部東緣茂縣至瀘定一帶)以及南部的東西兩側；而負相關區域主要分布在中部的沙魯里山和大雪山等地。研究區有4.68%的區域通過了P<0.01水平的t顯著性檢驗,分布在中部的爐霍-道孚至沙魯里山地區。另外, NPP與氣溫、降水的偏關系數在東北部(特別是阿壩、紅原地區)存在正負相關性互補現象,而中部的云嶺-沙魯里山以及南部大部分地區的NPP分別與氣溫、降水的偏關系數一致。整體而言,橫斷山區2004—2014年植被NPP與氣溫、降水的偏相關系數的平均值分別為0.230、-0.225,植被NPP與氣溫呈正相關性、與降水量呈負相關性的特征明顯。

圖6 橫斷山區2004—2014年植被NPP與氣溫、降水的偏相關系數空間分布Fig.6 Spatial distribution of partial correlations between annual NPP and temperature,as well as precipitation in Hengduan mountain area during 2004—2014

由植被年NPP均值與平均氣溫和降水量的復相關分析可知(圖7),NPP與雨季氣候因子(平均氣溫、累積降水)的復相關系數在0—0.98之間。整體而言,植被NPP與氣候因子的復相關性較強的區域主要集中在橫斷山區中部,特別是中部的云嶺—沙魯里山—大雪山一帶。復相關性較弱的區域分布在北部的阿壩縣、黑水縣,中部東緣的得榮縣、瀘定縣、石棉縣以及東南部廣大地區。通過分析,植被NPP與氣候因子復相關性的地區差異很可能與海拔、植被類型有關。橫斷山區南北海拔差異大,中部、北部處于高海拔地區(>4000 m),南部大部分地區海拔在3000 m以下,根據有關研究,同緯度不同海拔氣溫變化敏感性有差異,高海拔地區對氣溫變化敏感度高于同緯度的低海拔地區[26]。另外,橫斷山區中部、北部植被類型以草甸和高山植被,南部地區植被以針葉林、灌叢以及栽培植被為主,草甸和高山植被對氣溫、降水的敏感性要高于其他森林植被[39]。

圖7 橫斷山區2004—2014年NPP與氣溫-降水的復相關分布和NPP變化驅動力分區Fig.7 Spatial distribution of multiple correlation between annual NPP and temperature-precipitation and NPP change regions driven by different factors from 2004—2014 in Hengduan mountain area[T+P]+: 氣溫、降水強驅動 Change driven by temperature and precipitation strongly; T: 氣溫為主驅動 Change driven by temperature mainly; P: 降水為主驅動 Change driven by precipitation mainly; [T+P]-: 氣溫降水弱驅動 Change driven by temperature and precipitation weakly; NC: 非氣候驅動 Change driven by non-climate

3.4 NPP變化驅動分區

植被NPP的動態變化主要受氣候和人類活動影響[40-41]。其中,氣候變化特別是降水和溫度的變化,對陸地植被的生長具有重要的影響[42-43]。本文參考國內外眾多學者研究[44-46],參照植被覆蓋變化驅動分區的原則[47]并進行適當修正(表2),對橫斷山區植被NPP變化進行驅動分區研究。

表2 NPP變化驅動力分區準則

R1: NPP與氣溫偏相關的t顯著性檢驗 T-Test significance of the partial correlations between NPP and temperature;R2: NPP與降水偏相關的t顯著性檢驗 T-Test significance of the partial correlations between NPP and precipitation;R3:NPP與氣溫、降水復相關的F顯著性檢驗 F-Test significance of the multiple correlations between NPP and temperature-precipitation;[T+P]+: 氣溫、降水強驅動 Change driven by temperature and precipitation strongly; T: 氣溫為主驅動 Change driven by temperature mainly; P: 降水為主驅動 Change driven by precipitation mainly; [T+P]-: 氣溫降水弱驅動 Change driven by temperature and precipitation weakly; NC: 非氣候驅動 Change driven by non-climate

圖8 橫斷山區2004—2014年不同數據來源和數據集年NPP總量曲線對比Fig.8 The curve′ compairation of total annual NPP with different data source and collection in Hengduan mountain area during 2004—2014Terra-C5-NTSG: Terra衛星的MODIS C5數據,經過美國蒙大拿大學NTSG矯正后發布 MODIS C5 data of the Terra satellite, it was recalibrated and distributed by NTSG; Terra-C5-LPDAAC:Terra衛星的MODIS C5數據,由LPDAAC發布 MODIS C5 data of the Terra satellite, it was calibrated and distributed by LPDAAC; Terra-C6-LPDAAC: Terra衛星的MODIS C6數據,由LPDAAC發布 MODIS C6 data of the Terra satellite, it was calibrated and distributed by LPDAAC

由橫斷山區NPP變化驅動分區圖(圖7)可得出：①2004—2014年植被NPP變化受氣溫、降雨強驅動的區域主要集中在橫斷山區中部的爐霍縣、道孚縣,面積約占研究區面積的0.82%；②以氣溫為主要驅動因素的區域約占研究區面積的2.29%,分布在中部的爐霍—道孚—雅江—康定一帶；③有3.20%區域以降雨為主要驅動因素,主要集中在中部的沙魯里山地區；④以氣溫、降雨為弱驅動因素的區域面積占研究區面積的2.11%,大致分布在中部的巴塘、丹巴、金川以及南部的瀘水—云龍地區；⑤剩余地區(除去冰川/積雪、湖泊)屬于非氣候因素驅動的區域,包括北部的阿壩縣以及東緣、南部地勢較平緩的地區。整體上,橫斷山區植被NPP大部分地區受非氣候因素的影響。

4 討論與結論

4.1 討論

劉思瑤[48]等利用CASA模型對四川地區2000—2011年植被NPP進行了模擬估算,得到多年平均為303.27 gC m-2a-1,變化范圍在285—340 gC m-2a-1之間,與本文所得四川地區部分的NPP整體接近。董丹[49]等對西南喀斯特地區植被NPP進行了模擬,結果與本文相同地區的NPP空間分布基本一致。

2003年Terra衛星因設備故障問題引成了MODIS藍波段(Band3)數據較大失真,這給直接采用這一波段數據及其衍生產品的相關研究帶來一定程度的影響,而LPDAAC于2014年4月陸續發布了一套經過系列糾正處理的MODIS C6數據產品,在質量上得到了提高[31-32,34]。本文分別對橫斷山區2004—2014年不同來源MODDIS C5與C6產品的NPP數據進行了比較(圖8)。結果表明,C5與C6數據之間存在明顯差異,主要表現在：①數據質量統計結果存在差異,C6數據的數據質量中、高等級(NPP_QC<64)累積百分比高于C5數據；②兩種數據同一研究區內NPP年總量存在著差異,整體上,相比C6數據產品,C5結果偏大,但空間格局基本一致。

4.2 結論

本文基于MODIS C6 的NPP數據、植被類型數據、氣象數據以及地形數據,對2004—2014年橫斷山區植被NPP的時空格局、變化規律及其驅動因子進行了分析研究,得到如下結論：

(1)橫斷山區2004—2014年植被NPP在整體上呈波動增加趨勢,全區年NPP總量在183.768—223.239 TgC之間,多年均值為208.498 TgC；年NPP均值介于408—496 gC m-2a-1之間,多年均值為463 gC m-2a-1；北部、中部、南部植被NPP總量(均值)的多年平均值分別為27.562 TgC (306 gC m-2a-1),64.448 TgC (353 gC m-2a-1),116.486 TgC (671 gC m-2a-1)。

(2)不同植被生態系統的年NPP均值梯度明顯：最高梯度為草叢和栽培植被生態系統(>640 gC m-2a-1),其次是喬木生態系統(490—630 gC m-2a-1),再次是灌木生態系統(360—460 gC m-2a-1),再次為草原草甸生態系統(250—390 gC m-2a-1),最低為高山植被生態系統(80 —130 gC m-2a-1)。

(3)橫斷山區植被NPP年際變化值θslope在-53—97 gC m-2a-1之間,局部差異明顯。NPP增加趨勢(即θslope>0)的區域集中在北部、中部的東側以及南部的東西兩側地區。而NPP呈減少趨勢(即θslope<0)的區域主要集中在北部的西北部,中部的汶川-映秀以及南部的攀枝花等地。

(4)橫斷山區植被NPP變化受氣候因子影響的區域占比8.42%(氣溫和降水疊加影響0.82%、氣溫為主2.29%、降水為主3.20%、氣溫和降水共同影響2.11%),主要分布在中部大雪山-沙魯里山地區；非氣候因子(包括人類活動、自然災害等)占比91.58%,主要位于北部的阿壩地區以及南部低海拔的廣大地區。

致謝： 成都理工大學彭培好教授幫助寫作,特此致謝。

[1] Lieth H, Whittaker R H. Primary Productivity of the Biosphere. New York: Springer, 1975.

[2] 周廣勝, 張新時. 自然植被凈第一性生產力模型初探. 植物生態學報, 1995, 19(3): 193- 200.

[3] Field C B, Behrenfeld M J, Randerson J T, Falkowski P. Primary production of the biosphere: integrating terrestrial and oceanic complements. Science, 1998, 281(5374): 237- 240.

[4] 何云玲, 張一平. 云南省自然植被凈初級生產力的時空分布特征.山地學報, 2006, 24(2): 193- 201.

[5] Lieth H. Modeling the primary productivity of the world. Nature and Resources, 1972, 8(2): 5- 10.

[6] Bonan G B. Land-atmosphere CO2exchange simulated by a land surface process model coupled to an atmospheric general circulation model. Journal of Geophysical Research, 1995, 100(D20): 2817- 2831.

[7] Potter C S, Randerson J T, Field C B, Matson P A, Vitousek P M, Mooney H A, Klooster S A. Terrestrial ecosystem production: a process model based on global satellite and surface data. Global Biogeochemical Cycle, 1993, 7(4): 811- 841.

[8] 孫睿, 朱啟疆. 中國陸地植被凈第一性生產力及季節變化研究. 地理學報, 2000, 55(1): 36- 45.

[9] 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力. 植物生態學報, 2001, 25(5): 603- 608.

[10] 朱文泉, 潘耀忠, 張錦水. 中國陸地植被凈初級生產力遙感估算. 植物生態學報, 2007, 31(3): 413- 424.

[11] 陳福軍, 沈彥俊, 李倩, 郭英, 徐麗梅. 中國陸地生態系統近30年NPP時空變化研究. 地理科學, 2011, 31(11): 1410- 1414.

[12] 毛德華, 王宗明, 韓佶興, 任春穎. 1982- 2010年中國東北地區植被NPP時空格局及驅動因子分析. 地理科學, 2012, 32(9): 1106- 1111.

[13] 穆少杰, 李建龍, 周偉, 楊紅飛, 章超斌, 居為民. 2001- 2010年內蒙古植被凈初級生產力的時空格局及其與氣候的關系. 生態學報, 2013, 33(12): 3753- 3764.

[14] 徐浩杰, 楊太保. 黃河源區植被凈初級生產力時空變化特征及其對氣候要素的響應. 資源科學, 2013, 35(10): 2024- 2031.

[15] 陳卓奇, 邵全琴, 劉紀遠, 王軍邦. 基于MODIS的青藏高原植被凈初級生產力研究. 中國科學: 地球科學, 2012, 42(3): 402- 410.

[16] 盧玲, 李新, Veroustraete F. 中國西部地區植被凈初級生產力的時空格局. 生態學報, 2005, 25(5): 1026- 1032.

[17] 谷小平, 黃玫, 季勁鈞, 吳戰平. 近20年氣候變化對西南地區植被凈初級生產力的影響. 自然資源學報, 2007, 22(2): 251- 259.

[18] 姚永慧, 張百平, 韓芳, 龐宇. 橫斷山區垂直帶譜的分布模式與坡向效應. 山地學報, 2010, 28(1): 11- 20.

[19] 李吉均. 青藏高原的地貌輪廓及形成機制. 山地研究, 1983, 1(1): 7- 15.

[20] 嚴德一. 橫斷山脈. 地理知識, 1956,(3): 103- 103.

[21] 鄭度, 楊勤業. 橫斷山區自然區劃若干問題. 山地研究, 1987, 5(1): 7- 13.

[22] 李炳元. 橫斷山脈范圍探討.山地研究, 1987, 5(2): 74- 82.

[23] 楊勤業, 鄭度. 橫斷山區綜合自然區劃綱要. 山地研究, 1989, 7(1): 56- 64.

[24] 劉倫輝, 余有德, 張建華. 橫斷山地區植被分布規律的探討. 云南植物研究, 1985, 7(3): 323- 335.

[25] 李鼎甲. 橫斷山區植物區系的基本特點. 山地研究, 1988, 6(3): 148- 152.

[26] 李宗省, 何元慶, 辛惠娟, 王春鳳, 賈文雄, 張蔚, 劉婧. 我國橫斷山區1960- 2008年氣溫和降水時空變化特征. 地理學報, 2010, 65(5): 563- 579.

[27] 姚永慧, 張百平, 韓芳. 基于Modis地表溫度的橫斷山區氣溫估算及其時空規律分析. 地理學報, 2011, 66(7): 917- 927.

[28] 朱國鋒, 蒲燾, 何元慶, 張濤, 杜建括, 辛惠娟, 牛賀文. 橫斷山區土壤相對濕度時空分異. 地理科學, 2012, 32(7): 872- 877.

[29] 張濤, 李寶林, 何元慶, 杜建括, 牛賀文, 辛惠娟. 基于TRMM訂正數據的橫斷山區降水時空分布特征. 自然資源學報, 2015, 30(2): 260- 270.

[30] 文傳甲. 橫斷山區地形對水熱條件的影響. 山地研究, 1989, 7(1): 65- 73.

[31] Lyapustin A, Wang Y, Xiong X, Meister G, Platnick S, Levy R, Franz B, Korkin S, Hilker T, Tucker J, Hall F, Sellers P, Wu A, Angal A. Scientific impact of MODIS C5 calibration degradation and C6+ improvements. Atmospheric Measurement Techniques, 2014, 7(12): 4353- 4365.

[32] Wang D D, Morton D, Masek J, Wu A S, Nagol J, Xiong X X, Levy R, Vermote E, Wolfe R. Impact of sensor degradation on the MODIS NDVI time series. Remote Sensing of Environment, 2012, 119: 55- 61.

[33] Heinsch F A, Reeves M, Votava P, Kang S, Milesi C, Zhao M, Glassy J, Jolly W M, Loehman R, Bowker C F, Kimball J S, Nemani R R, Running S W. User′s Guide: GPP and NPP (MOD17A2/A3) Products NASA MODIS Land Algorithm, Version 2.0. Missoula: The University of Montana, 2003: 31- 33.

[34] Running S W, Zhao M S. User′s Guide Daily GPP and Annual NPP (MOD17A2/A3) Products NASA Earth Observing System MODIS Land Algorithm Version 3.0. South Dakota: Land Processes Distributed Active Archive Center, 2015: 9- 14.

[35] 孫慶齡, 馮險峰, 肖瀟. 武陵山區植被凈第一性生產力的時空格局及其與地形因子的關系. 地球信息科學學報, 2014, 16(6): 915- 924.

[36] 孟丹, 李小娟, 宮輝力, 屈益挺. 京津冀地區NDVI變化及氣候因子驅動分析. 地球信息科學學報, 2015, 17(8): 1001- 1008.

[37] 穆少杰, 李建龍, 陳奕兆, 剛成誠, 周偉, 居為民. 2001- 2010年內蒙古植被覆蓋度時空變化特征. 地理學報, 2012, 67(9): 1255- 1268.

[38] 周長海, 吳紹洪, 戴爾阜, 郝成元, 潘韜. 縱向嶺谷區水汽通道作用及植被生產力響應. 科學通報, 2006, 51(增刊): 81- 89.

[39] 李曉兵, 史培軍. 中國典型植被類型NDVI動態變化與氣溫、降水變化的敏感性分析. 植物生態學報, 2000, 24(3): 379- 382.

[40] Gao Q Z, Li Y, Wan Y F, Qin X B, Jiangcun W Z, Liu Y H. Dynamics of alpine grassland NPP and its response to climate change in Northern Tibet. Climate Change, 2009, 97(3/4): 515- 528.

[41] 李傳華, 趙軍. 2000- 2010年石羊河流域NPP時空變化及驅動因子. 生態學雜志, 2013, 32(3): 712- 718.

[42] 方精云, 樸世龍, 賀金生, 馬文紅. 近20年來中國植被活動在增強. 中國科學(C輯), 2003, 33(6): 554- 565.

[43] 李月臣, 宮鵬, 劉春霞, 陳晉, 于德永. 北方13省1982年—1999年植被變化及其與氣候因子的關系. 資源科學, 2006, 28(2): 109- 117.

[44] 高志強, 劉紀遠, 曹明奎, 李克讓, 陶波. 土地利用和氣候變化對區域凈初級生產力的影響. 地理學報, 2004, 59(4): 581- 591.

[45] Mohamed M A A, Babiker I S, Chen Z M, Ikeda K, Ohta K, Kato K. The role of climate variability in the inter-annual variation of terrestrial net primary production (NPP). Science of the Total Environment, 2004, 332(1/3): 123- 137.

[46] 劉軍會, 高吉喜. 氣候和土地利用變化對北方農牧交錯帶植被NPP變化的影響. 資源科學, 2009, 31(3): 493- 500.

[47] 陳云浩, 李曉兵, 史培軍. 1983—1992年中國陸地NDVI變化的氣候因子驅動分析. 植物生態學報, 2001, 25(6): 716- 720.

[48] 劉思瑤, 盧濤, 唐斌, 吳彥, 吳寧. 基于CASA模型的四川植被凈初級生產力及其時空格局分析. 四川農業大學學報, 2013, 31(3): 269- 276, 282- 282.

[49] 董丹, 倪建. 利用CASA模型模擬西南喀斯特植被凈第一性生產力. 生態學報, 2011, 31(7): 1855- 1866.

Tempo-spatial variations and driving factors analysis of net primary productivity in the Hengduan mountain area from 2004 to 2014

WANG Qiang1, ZHANG Tingbin1,2,3, *, YI Guihua1,4, CHEN Tiantian4, BIE Xiaojuan1, HE Yixuan1

1ChengduUniversityofTechnology,CollegeofEarthSciences,Chengdu610059,China2KeyLaboratoryofGeoscienceSpatialInformationTechnology,MinistryofLandandResourcesoftheP.R.China,Chengdu610059,China3TheEngineering&TechnicalCollegeofChengduUniversityofTechnology,Leshan614000,China4InstitudeofMountainHazardsandEnvironment,ChineseAcademyofSciences,Chengdu610041,China

The Hengduan mountain area is acting as the essential ecological barrier for the upper reaches of the Yangtze River, which exerts profound influences to the climate and ecological environment of its surrounding areas as well as the Middle West part of our country. As the core of carbon budget climate changes, NPP functions as the crucial indicator in measuring the health status and sustainable development of the ecological system. Therefore, based on the NPP statistics of MODIS C6, vegetation map (1∶1000000), meteorological data as well as topographic data, this paper is intended to utilize trend line analytical method and other related analysis methods to perform study on the spatial pattern, variation rules and the driving factors to NPP in Hengduan mountain area during year 2004—2014. Detailed research results indicate that: ①total NPP for Hengduan mountain area during 2004—2014 falls between 183.768—223.239 TgC with average of annual NPP total value as 208.498 TgC and annual NPP mean value per unit area as 463 gC m-2a-1. On the whole, overall NPP is showing an increasing trend with distinct local disparity. ②average annual NPP change rate is within -53—97 gC m-2a-1. And regions with a rising NPP tendency are mainly distributed at the north part, east of middle part as well as east and west of the south part; whereas regions with a decreasing tendency mainly concentrates on Wenchuan-Yingxiu areas which belong to the northwest and middle part. ③The regions with NPP changes resulted from climate factors take up 8.42% of the total coverage of the Hengduan mountain area. These regions mainly sit at the mountainous areas at Daxue Mountain-Shaluli Mountain. By contrast, those subject to non-climate factors occupy 91.58% of the Hengduan mountain area. And they are mainly located at Aba areas in the north and broad regions in the south part with lower altitude. As far as the significance of this paper is concerned, it will provide instructions to the ecological environment construction and the sustainable growth for Hengduan mountain area.

NPP; climate change; driving factors; MODIS C6; Hengduan mountain area

國家科技支撐項目(2012BAC19B05):重點領域氣候變化影響與風險評估技術研發與應用

2016- 02- 03; 網絡出版日期:2016- 12- 19

10.5846/stxb201602030248

*通訊作者Corresponding author.E-mail: zhangtb@cdut.edu.cn

王強,張廷斌,易桂花,陳田田,別小娟,何奕萱.橫斷山區2004—2014年植被NPP時空變化及其驅動因子.生態學報,2017,37(9):3084- 3095.

Wang Q, Zhang T B, Yi G H, Chen T T, Bie X J, He Y X.Tempo-spatial variations and driving factors analysis of net primary productivity in the Hengduan mountain area from 2004 to 2014.Acta Ecologica Sinica,2017,37(9):3084- 3095.