土地利用變化對三峽庫區重慶段植被凈初級生產力的影響

趙 曉,周文佐,田 羅,何萬華,章金城,劉東紅,楊 帆

西南大學地理科學學院, 重慶 400715

植被凈初級生產力(Net Primary Productivity,NPP)指植物在單位時間單位面積上由光合作用所固定的有機物總量減去自養呼吸后的剩余部分[1]。NPP反映植被在生態系統中的生產能力,是判定生態系統碳積累和調節生態過程的主要因子,在碳平衡和全球變化中具有重要作用[2]。土地利用變化將直接影響植被NPP,而NPP的變化反映了植被對土地利用變化的響應。Defries等[3]研究發現全球每年因土地利用變化減少的NPP約占5%；Imhoff等[4]研究表明美國由城市化引起的土地轉換每年造成0.04 PgC的碳損失；Milesi等[5]研究發現美國東南部由城市化引起的土地利用變化導致NPP每年下降0.4%；孫政國等[6]研究表明城市化使土地利用和覆蓋方式改變,導致NPP大量損失；Xu等[7]研究表明三峽工程使移民安置區的NPP在2000—2010年減少了8%,主要驅動機制為土地利用變化。三峽庫區地理位置特殊,自然災害頻發,加之三峽水利工程建設的影響,導致庫區土地利用格局和生態環境發生劇烈變化,影響了庫區生態系統的結構和功能[8]。研究庫區土地利用變化對植被NPP的影響有利于合理優化庫區土地利用格局,對探求更多的碳增長空間、調節碳循環具有重要意義[9]。

植被NPP的估算主要有兩種方式：一是實地調查法；二是模型估算法。其中估算模型主要分為4類：氣候模型、遙感模型、過程模型和遙感-過程耦合模型[10]。本文使用的MOD17A3數據利用改進的BIOME-BGC模型[11]與光能利用率模型進行耦合估算全球陸地生態系統年NPP,屬于遙感—過程耦合模型。該數據已在全球和區域的植被生長狀況、生物量估算、全球變化等研究中得到廣泛應用和驗證[12- 13]。國內學者也在東北地區、陜西省、黃河三角洲、南嶺山地等不同地形、不同大小的區域驗證了在我國使用MOD17A3數據的適用性[1,14- 16]。

已有研究主要從土地利用的面積變化、類型轉變、時空特征、驅動因素等方面來分析三峽庫區土地利用變化[17- 19],而對庫區土地利用變化對NPP的影響研究較少。研究土地利用變化對NPP的影響多從土地利用面積變化、土地轉移、影響因素等角度分析[9,20],較少從景觀格局的角度去探究。因此,本文以三峽庫區重慶段為研究區,從景觀生態學的角度分析土地利用變化與區域NPP變化的關系,量化土地利用變化對區域NPP變化的貢獻,并從景觀格局的角度分析影響區域NPP變化的因素,以期為優化區域土地利用結構,提高區域固碳能力提供有益參考。

1 研究區概況

三峽庫區重慶段(28°28′—31°44′N,105°49′—110°12′E)位于我國西南部,長江上游的下段,海拔高度在148—2793 m之間,地形以山地、丘陵為主。研究區西起江津區,東抵巫山縣,南起武隆縣,北至開縣,包括了重慶主城區、涪陵區、長壽區、豐都縣等共22個區縣,面積約4.6×104km2,占三峽庫區總面積的86%。研究區處于亞熱帶季風濕潤氣候區,年均溫15—18℃,具有春季較短,夏季炎熱,秋季多雨,冬季溫暖,全年降水豐富,濕度大等氣候特征[21]。主要地帶性植被為亞熱帶常綠闊葉林,主要植被類型包括農作物、林地和草地。地勢較為平坦的地區主要為草地和農作物,其中農作物類型主要為水稻、玉米、小麥；海拔較高的地區如巫溪、巫山縣則以林地為主,森林植被主要為馬尾松和櫟類[22]。

2 數據來源與研究方法

2.1 數據來源及預處理

本文數據主要包括遙感數據和土地利用數據。遙感數據為EOS/MODIS的MOD17A3數據,來源于美國國家地質調查局MODIS數據分發中心(https://modis.gsfc.nasa.gov)。該數據是基于BIOME-BGC模型計算出全球陸地植被凈初級生產力年際變化的資料,像元值即為年NPP值,表示全年每日光合作用產生的有機物總量的加和減去全年自養呼吸后剩余的部分[15],空間分辨率為1 km。研究區涉及的數據行列號為h27v05和h27v06,2000—2015年共32景。采用MRT(MODIS Reprojection Tool)工具對數據進行投影轉換、拼接等預處理,最后將無效值剔除[23]。土地利用數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn),包括2000、2005、2010、2015年共4期數據,空間分辨率為1 km。該土地利用數據的分辨率較低,研究區內較小的綠地無法識別,因此本文主要考慮研究區內的主要植被類型,將非建成區的土地利用類型劃分為耕地、林地和草地,不考慮未利用地。

2.2 研究方法

2.2.1 NPP時空特征分析

簡單差值法：利用同一地區不同時相的圖像間的差值來表示NPP變化,公式[14]為：

一元線性回歸法：分別對2000—2005年、2005—2010年、2010—2015年、2000—2015年進行NPP年際變化趨勢分析,其變化趨勢用多年柵格數值回歸方程的斜率(slope)[24]來反映,斜率使用最小二乘法獲得,公式為：

式中,n為研究時段年數,i為年序號,VNPP,i為第i年的NPP值。slope>0表示NPP年際變化趨勢增加；反之則降低。目前對slope的劃分沒有統一標準[25],本文采用等間距劃分法,將NPP變化分為5個等級：明顯增長(slope≥15)、輕度增長(5≤slope<15)、穩定不變(-5≤slope<5)、輕度降低(-15≤slope<-5)和明顯降低(slope≤-15)。

2.2.2 景觀格局變化對NPP的影響

景觀格局變化采用土地利用轉移矩陣[26]來描述。本文通過構建2000—2015年三峽庫區重慶段的土地利用轉移矩陣,分析16年來研究區景觀格局的變化。

景觀格局變化對區域NPP的影響可以通過計算土地利用變化的面積對NPP總量變化的貢獻率(R)來表示[27]：

式中,ΔS和ΔNPP分別表示土地利用面積變化量和NPP變化量,S1和NPP1分別表示某一時段初始時間的土地利用面積和單位面積NPP值；ΔS×NPP1表示土地利用面積變化對NPP總量的影響量；S1×ΔNPP表示氣候變化對NPP總量的影響量；ΔNPP×ΔS表示氣候變化和土地利用共同作用對NPP總量的影響。因本文只探討土地利用對NPP變化的影響,故只計算土地利用變化對NPP的貢獻量。

本文基于以往的研究[18,28- 29],從景觀水平上選取了3個景觀格局指數來表征景觀格局的變化：表征景觀異質性的香農多樣性指數(SHannon′s Diversity Index, SHDI)、表征景觀破碎度的斑塊密度指數(Patch Density, PD)以及表征景觀聚集度的聚合度指數(Aggregation Index, AI)。本文采用移動窗口法(20 km)通過Fragstats 4.2軟件計算2000、2005、2010、2015年的景觀格局指數,再通過SPSS計算各年份各景觀格局指數與NPP的相關系數,并利用主成分分析法提取3個景觀格局指數的主成分,分析主成分與NPP間的關系。

3 結果

3.1 MOD17A3數據驗證

因實測數據缺乏,本文采用與文獻值對比的方式對MOD17A3數據進行驗證。本文數據模擬值為590.94 gC m-2a-1,略高于其他模型模擬值,但仍處于文獻值324—626 gC m-2a-1范圍內(表1)。該數據模擬值偏高可能與不同模型參數不同以及數據分辨率高低有關[35]。陳雅如等[36]使用BIOME-BGC模型模擬三峽庫區1981—2014年植被NPP,其平均值范圍：270.83—552.16 gC m-2a-1,通過3種方式驗證表明該模型能夠真實反映三峽庫區的情況。考慮到地形因素,劉玉安等[37]對太陽總輻射和氣溫進行地形校正,構建改進的CASABTC(CASA based on topographical correction)模型模擬了大別山區植被NPP,并與MOD17A3數據、實測值和文獻值比較,驗證了模型在山區的適用性。CASABTC模擬值、MOD17A3數據和實測值三者較為一致,從側面說明了MOD17A3數據與實測值誤差較小,表明MOD17A3數據在山區應用的可行性。基于以上幾點認為MOD17A3數據在本研究區應用具有可行性。

表1 MOD17A3數據與其他模型模擬值對比

CASA：光能利用率模型Carnegie-Ames-Stanford Approach；GLOPEM-CEVSA：遙感-過程耦合模型AVHRR Global Production Efficiency Model-Carbon Exchange between Vegetation, Soil and Atmosphere；*表示修正后的模型,**為本文數據結果

3.2 NPP時空變化特征

利用ArcGIS 10.3計算得到2000—2015年NPP均值的空間分布(圖1)。研究區多年NPP均值主要集中分布在400—600、600—800(單位：gC m-2a-1)兩個范圍區間。400—600范圍主要分布在長江以北的忠縣、長壽等耕地地區；600—800范圍主要分布在東北部的巫溪、巫山、奉節以及長江以南的石柱、武隆,江津區的四面山等海拔較高的林地地區；低值區(NPP<200和200—400)主要分布在重慶主城區附近以及長江沿岸兩側的生態消落地帶；高值區(800—1000、1000—1200以及NPP>1200)分布較為零散。16年來NPP均值總體變化范圍為76—1282 gC m-2a-1,空間特征表現為從東到西逐漸減少。

采用簡單差值法利用ArcGIS 10.3計算得到16年來研究區NPP的空間變化(圖2)。2015年與2000年相比,大多數地區的NPP值增加,只有少數地區的NPP值減少。其中,NPP值增加的區域約占研究區面積的86.85%。增加幅度主要在0—100間,約占研究區面積的57.44%,包括武隆、豐都、石柱等區縣；增加幅度在100—200的區域約占29.16%,主要有開縣、云陽、奉節、巫山；NPP值減少的區域主要集中在主城區,其中NPP減少差值大于200的區域僅占總面積的0.38%。

2000—2015年,研究區NPP多年均值為590.94(單位：gC m-2a-1)。2000、2005、2010、2015年NPP均值分別為580.51、590.96、588.76、619.58。16年來NPP均值變化趨勢表現為：2001年發生伏旱[22],NPP值開始減少,到2002年增加到峰值668.02,2003年庫區開始蓄水,研究區生態環境得到改善[35],植被生長良好,NPP值趨于穩定水平(NPP值在590.94上下波動),到2011年發生極端高溫事件,導致NPP達到最低值464.64,2012年后又開始增加,至2014年后恢復至穩定水平(圖3)。從整體來看,16年間NPP均值變化有增有減,其總體趨勢基本保持不變。2000—2005年,NPP變化呈輕度增長,面積約占45%,穩定不變的區域約占29%,明顯增長的地區(9%)主要分布在研究區的中部(忠縣、豐都)；2005—2010年,NPP變化表現為穩定不變的區域面積占比最大,約為40%,其次為輕度降低(26%),明顯降低的區域(5%)主要集中在研究區的中部沿河流地段和主城區；2010—2015年,NPP變化表現為明顯增長,約占65%,輕度增長面積占28%,主要分布在東北部地區；2000—2015年,絕大部分地區NPP值保持穩定,增長區主要集中在研究區東北部,減少區主要集中在主城區附近(圖3、圖4)。

圖1 2000—2015年三峽庫區重慶段NPP均值分布圖 Fig.1 Distribution of the average annual NPP from 2000 to 2015 in the Chongqing TGRATGRA：三峽庫區 Three Gorges Reservoir Area

圖2 三峽庫區重慶段2000—2015年NPP差值分布圖Fig.2 Difference of NPP from 2000 to 2015 in the Chongqing TGRA

圖3 2000—2015年三峽庫區重慶段NPP變化趨勢Fig.3 NPP variation trend in the Chongqing TGRA from 2000 to 2015

圖4 2000—2015年三峽庫區重慶段NPP變化斜率空間分布圖Fig.4 Spatial distribution of NPP variation slope in Chongqing TGRA from 2000 to 2015

利用分辨率為1 km的4期土地利用數據,使用ArcGIS 10.3中的分區統計模塊(Zonal Statistics as Table)分別統計2000、2005、2010、2015年研究區NPP總量,得到NPP總量分別約為25.6 TgC(1 TgC=1012gC)、26.2 TgC、26.6 TgC、28.5 TgC,呈總體增長趨勢。其中耕地對NPP總量的貢獻最大,約為11.8 TgC,占NPP總量的44%；其次是林地,NPP總量約為10.7 TgC,占NPP總量的40%；草地約占NPP總量的14%；其他用地約占NPP總量的2%(圖5)。

圖5 2000、2005、2010、2015年三峽庫區重慶段NPP總量變化Fig.5 Total NPP variation of the Chongqing TGRA in 2000,2005,2010,2015

3.3 區域景觀格局變化

研究區景觀類型以耕地和林地為主,耕地主要分布在低海拔的西南部,林地主要分布在高海拔的東北部。2000—2015年,其他用地面積增加826 km2,3個時段變化率分別為：12.6%、30.1%、45.6%,增速不斷加快；耕地不斷減小,減小面積約970 km2,變化率分別約為：-1.2%、-1.5%、-2.4%,減速逐漸加快；林地表現為先增長后減少,總體呈增長趨勢,增長面積約681 km2,變化率分別為3.8%、0.4%、-0.2%,增勢逐漸減緩；草地面積也在不斷減少,16年減少了156 km2,但其變化率(-2.0%、-0.2%、-0.3%)在逐漸降低。

16年來耕地面積不斷減小,主要轉換為其他用地(777 km2)、林地(289 km2)和草地(118 km2)；林地面積增加,主要來源于耕地和草地(207 km2)的轉換；草地面積減少,除了轉換為林地外,還轉換為耕地(83 km2)和其他用地(53 km2)(表2)。

表2 2000—2015年三峽庫區重慶段土地利用轉移矩陣/km2

TGRA：三峽庫區 Three Gorges Reservoir Area

2000—2015年,研究區景觀格局指數總體變化不大。SHDI各年份平均值為2.28,總體呈上升趨勢,表明斑塊類型增加；PD均值為0.32,基本保持穩定不變,表明景觀破碎化程度變化不大；AI平均值約為66.66,AI減小,表明同一土地利用類型集中分布度降低(表3)。3個指數反映了研究區景觀格局的變化：景觀多樣性增加,土地利用類型集中度降低,景觀破碎化程度較低且維持穩定狀態。

表3 2000、2005、2010、2015年三峽庫區重慶段景觀格局指數

SHDI：香農多樣性指數 Shannon′s Diversity Index；PD：斑塊密度 Patch Density；AI：聚合度 Aggregation Index

3.4 景觀格局變化對NPP變化的影響分析

3.4.1 土地利用變化對NPP的影響

由于其他用地(主要為城市建成區)中的植被較少,盡管該類型面積變化較大,但對NPP的影響較小(圖5),因此本文只探討耕地、林地和草地對NPP變化的影響。2000—2005年,林地變化最大,增長面積約650 km2,NPP相應增長了約0.02 TgC,增長幅度(0.02%)不大；草地面積減小,NPP相應也減少；2005—2010年,林地持續增長,NPP相應增加,增幅(5.77%)較大；草地面積繼續減少,但NPP總量增加；2010—2015年,林地面積開始減少,減少幅度較小,NPP仍然保持增加(5.32%)趨勢；草地面積持續減少,其NPP總量繼續增加。2000—2015年,耕地面積持續減小,其NPP表現為先增加后減少再增加(圖6)。

圖6 土地利用面積變化對NPP的影響Fig.6 Effect of land-use changes on NPP

根據貢獻率(R)計算出3個時段土地利用面積變化對NPP的影響量和貢獻率(表4)。2000—2005年,土地利用變化對NPP的增長表現為促進作用,面積變化使NPP增加了0.17 TgC,貢獻率為26.49%；2005—2010年,土地利用變化抑制了NPP增長,使NPP減少了0.15 TgC,貢獻率為59.76%；2010—2015年,土地利用變化對NPP也表現為抑制作用,NPP總量減少了0.29 TgC,貢獻率為17.27%。

表4土利用變化對NPP總量變化的貢獻率

Table4Contributionrateofland-usechangestototalNPPvariation

時間段Period影響量Influence amount/(TgC)貢獻率(R)Contribution rate2000—20050.1726.492005—2010-0.1559.762010—2015-0.2917.27

圖7 景觀格局指數與NPP相關性分析Fig.7 Correlation between Landscape indexes and NPP SHDI：香農多樣性指數 SHannon′s Diversity Index；PD：斑塊密度 Patch Density；AI：聚合度 Aggregation Index

3.4.2 景觀格局指數變化與NPP的相關性分析

將景觀格局指數分布圖和NPP分布圖按20 km×20 km的大小劃分成連續的格網作為樣方[38],以該尺度分析景觀格局指數與NPP的相關性。剔除無效值和不對應的值后共計102個格網。2000—2015年,SHDI、PD與NPP呈正相關,SHDI各年份相關系數為0.228、0.216、0.205、0.198,PD各年份相關系數分別為0.367、0.210、0.231、0.198。而AI與NPP呈負相關,各年份相關系數分別為-0.386、-0.343、-0.370、-0.321(圖7)。

分別對4個年份的3個景觀格局指數進行主成分分析,方差大于1的成分只有一個,提取該主成分。第一主成分中各年份的特征值分別約為2.368、2.332、2.375、2.282,累積載荷分別約為76%、79%、78%、79%。4個年份中第一主成分與NPP均呈顯著正相關(顯著性水平為0.01)。將各年份的第一主成分與NPP值進行線性擬合(圖8),可以看到四個年份中的NPP值均隨第一主成分的增大而增大。

圖8 景觀指數第一主成分與NPP擬合關系Fig.8 Relationship between the first principal component of landscape indexes and NPP**表示顯著相關；樣本數n=102

4 討論

4.1 不同景觀類型與NPP變化的關系

景觀格局變化是土地利用變化的直接反映。不同時期、不同景觀類型,土地利用變化對NPP的影響不同(圖6)。2000—2005年,城市擴張、退耕還林等因素導致耕地減少,林地大量增加。耕地雖減少,但其NPP總量增長,這可能與耕地的產量提高有關。造林帶的形成增加了林地面積,但該時段處于退耕還林初期,人造林多為幼苗,林地雖增加,但其NPP產量不高。2005—2010年,耕地持續減少,其NPP總量減少。查閱該時段重慶市統計年鑒發現耕地產量下降。該時期發生的旱災(2006年)、雪災(2008年)等導致耕地產量下降,間接導致NPP的減少。該時段林地增長減緩,但幼齡林隨著林齡的增加,NPP產量增加,故林地NPP總量增加。2010—2015年,耕地繼續減少,林地也開始減少,但兩者的NPP總量繼續增加,這與林齡增長和耕地產量提高有關。成方妍等[39]雖指出幼齡林成長為中齡林,NPP產量會有所下降,但黃從德等[40]研究表明重慶地區幼齡林和中齡林碳儲量呈增長趨勢,成熟林的碳儲量呈下降趨勢。草地由于水體淹沒、城鎮重建等因素導致16年來數量減少,但受到近年來生態系統保護政策的影響,草地NPP總量也表現為增長。土地利用面積變化影響NPP的增長,但不同景觀類型受不同因素的影響,導致NPP變化存在差異。因此,合理規劃景觀類型比例對于提高區域NPP增長具有重要意義。

土地利用變化對NPP的貢獻率在3個時段上存在差異。2000—2005年土地利用變化對NPP變化表現為促進作用,能夠解釋NPP增長區域,而對NPP減小區域影響小；后兩個時段土地利用變化對NPP的影響表現為抑制作用,但NPP總量仍持續增加,可能與這兩個時段氣候變化對NPP的影響占主導地位有關,且影響NPP變化的還有如林齡、地形等因素,也可能使NPP總量增加[41]。

4.2 景觀格局變化對NPP變化的影響

不同空間分辨率的數據對景觀格局將產生粒度效應[42]。已有研究表明在景觀水平上斑塊密度PD隨空間粒度變粗,其波動幅度趨于平緩；聚集度AI隨時間推移呈下降趨勢,對粒度變化敏感度低,即降幅不隨粒度變粗而變化；多樣性指數SHDI隨時間推移單調上升且增幅不隨粒度變粗而變化,對于粒度變化不敏感[36,43]。本文研究中,PD基本維持不變,AI由67.23下降到66.08,SHDI由2.28增加到2.31,其變化趨勢與陳雅如、朱明研究結果相符。

16年來研究區景觀異質性增加,可能與造林帶的形成以及質量效應有關。造林帶的形成豐富了植被類型,使景觀多樣性增加。質量效應指一個物種的某些個體從能夠成功建群的區域轉移到不適其生存的區域[44]。庫區生態消落帶因質量效應的存在,增加了物種的多樣性,使景觀異質性增加。研究區景觀破碎化程度基本保持不變,與張煜星等[45]研究表明生態工程的實施發揮了顯著成效,景觀破碎化明顯緩解的結果不符。這可能與粒度效應所產生的指數對斑塊變化不敏感以及造林帶的形成并不意味著景觀破碎化趨勢的變好有關。研究區景觀聚集度下降,可能是林地主要分布在高海拔的山地,而耕地分布在海拔較低的地區,新形成的造林帶與天然的林地并不連續,造成研究區景觀聚集度下降。

SHDI、PD與NPP呈正相關,表明隨著景觀類型和景觀破碎度的增加,NPP總量增加。研究區景觀破碎度雖變化不大,但因新增加的造林帶以及質量效應、林齡效應的存在,植被類型增加,幼齡林和部分中齡林使NPP總量增加；AI與NPP呈負相關,而較為集中分布的天然植被主要為固碳能力逐漸下降的成熟林,導致NPP減少。景觀指數主成分分析中,4個年份的NPP均與第一主成分呈顯著正相關,表明要提高區域固碳能力需要適當增加區域植被類型、對森林進行撫育更新,并控制成熟林數量。需要指出的是本文中景觀格局指數與NPP的相關性不高,這可能與所使用的土地利用數據空間分辨率不高有關。另外,第一主成分的累積載荷值最高只達到79%,雖未達到大于85%的提取要求,但未影響景觀格局指數與NPP之間的線性關系。

5 結論

三峽庫區重慶段2000—2015年NPP均值空間分布特征表現為從東北部山區到西部丘陵區逐漸減少；NPP空間變化有增有減,增長區主要為研究區東北部山區,減少區主要集中在重慶主城區內；16年來NPP總量呈總體上升趨勢,共增加了2.9 TgC。土地利用的類型轉變、面積變化、耕地產量和林地的林齡效應等對區域植被固碳能力、NPP空間變化產生影響；從景觀格局的角度來看,不同景觀類型受不同因素的影響,NPP變化存在差異。景觀格局的優化,即斑塊類型和景觀破碎度的增加可促使NPP增長,而斑塊聚集度的增長將導致NPP的下降。因此,在進行區域規劃時,要考慮到不同的景觀類型植被固碳能力不同,合理的景觀類型比例才能促使區域NPP增長；另外,豐富區域植被類型,增加景觀多樣性和破碎度,重視對幼齡林的培育并控制成熟林數量,改善區域景觀格局,也能提高區域植被固碳能力,增加NPP的增長空間。