基于地理探測器的岷江中下游地區植被NPP時空格局演變及其驅動力研究

潘洪義,黃 佩,徐 婕

1 四川師范大學西南土地資源評價與監測教育部重點實驗室,成都 610068 2 四川師范大學地理與資源科學學院,成都 610068

植被凈初級生產力(Net Primary Productivity,NPP)是評價生態系統結構與功能協調性及其與環境相互作用的重要指標[1]。它直接與全球變化的關鍵科學問題-碳循環、水循環與食物安全密切相關[2- 3],可以反映氣候變化和人類活動對陸地植被綜合作用結果[4]。國外大規模的NPP 研究始于20世紀60 年代,經歷了“傳統的站點實測法-大量的統計回歸法-多源數據的機理模型法”三個階段[5]。國內研究相較國外起步較晚,隨著遙感技術的發展,基于遙感觀測的植被 NPP估算方法已較好的用于NPP 年際波動或長期變化趨勢的監測[5,6]。近年來,國內眾多學者針對NPP分布的時空特征、其變化驅動力、NPP與經濟協調性及利用遙感生產力模型(CASA 模型)反演NPP數據等開展了大量研究。就時空特征研究而言,劉剛等以全球陸表特征數據集(GLASS)為基礎,對2001—2014年中國植被 NPP 進行了估算,分析了我國植被NPP時空分布特征[7]。崔林麗等基于2001—2010年MOD17A3年均NPP數據研究中國東南部植被NPP的時空格局[8]。池源等以黃河三角洲為研究區,通過遙感手段和現場調查,對黃河三角洲NPP時空變化特征[9]。從變化驅動力研究方面來看,王芳等基于MOD17A3 NPP數據、氣象數據和土地利用類型數據,對安徽省2000—2015年植被NPP的時空格局、變化趨勢及驅動因子進行研究[10]。經濟協調性研究方面,主要有喬旭寧等基于MODIS17A3數據分析河南省淮河流域NPP時空演變特征,及區域主體功能類型特征構建生態經濟協調度模型,對研究區生態經濟協調關系進行評估[11]。在利用CASA 模型進行NPP數據反演方面,蘇日古嘎等以呼倫貝爾市為研究區,利用遙感生產力模型(CASA 模型)獲取研究區四期 NPP數據,分別從NPP 空間分布特征、特征值變化、NPP 變化的空間格局和不同植被類型NPP 變化等方面分析時空變化特點。隨著在NPP時空演變特征方面研究成果不斷涌現[12- 20],主要呈現出以下特點：(1)采用衛星遙感數據結合陸地生態過程模型開展植被NPP的演變分析已經成為NPP研究的主流[6]。(2)由于數據源主要來源于MODIS數據,研究區域以宏觀尺度的國家、自然經濟區劃分區和省域為主。(3)以NPP時空分布的特征并結合地形地貌與氣候因素進行回歸分析,從而研究其變化的驅動力。基于以上研究特點,在當前的研究中對NPP空間分布的特征成因的社會經濟與人類擾動因素研究較少,以地學的視角采用地理探測器對其變化驅動力的研究更為鮮見。然而NPP時空變化是自然-人文綜合作用的結果,因此,本文在自然因素的基礎上考慮了社會經濟與人類擾動的因素,采用地理探測器模型,在刻畫NPP時空分布規律的基礎上,揭示影響分布規律的主要驅動力。岷江中下游地區人口較為密集,土地利用率較高,交通便利,經濟開發程度較高。因此,同時兼備農田植被,其中水田主要種植水稻、油菜,旱地主要種植小麥和玉米及其他經濟作物。園地作為另一類人工植被分布面積較廣,受人類擾動強度高。研究區作為長江上游重要的生態屏障保護區重要組成部分,其NPP變化會直接反映生態系統的健康程度的變化,刻畫其時空分布特征,并揭示不同時間主要驅動力有助于為研究區生態安全預警和生態補償提供數據上的支持,為國土開發及自然資源可持續利用政策指導提供科學依據。

1 研究區域與數據來源

1.1 研究區概況

岷江中下游地區地處四川盆地西南部,地理范圍介于28°18′5″—31°22′7″和101°56′11″—104°54′47″之間。海拔范圍為147—7845 m之間,氣候上屬于中亞熱帶季風氣候區,分布著中亞熱帶-暖溫帶-溫帶-寒溫帶的垂直氣候帶譜,四季分明,平均氣溫在 16.5—18.0℃,多年均降水量1000—1600 mm 之間[21]。研究區自然植被受地形海拔影響,形成了常綠闊葉林、闊葉針葉混交林同時在林地間隙分布著灌叢、草甸；該段河流屬于丘陵平原型河流,這類河流出自峽谷,大部分流經丘陵和平原,水能資源相對減少。其河流主要由岷江及其重要支流大渡河組成,本文以岷江中下游所流經的縣域組成研究區,共涉及成都市、眉山市、樂山市和雅安市的27個縣(市、區)。

1.2 數據來源及處理

本文所采用的MODIS NPP,源于美國國家航空航天局(NASA),分別選擇 2000,2005,2010和 2015 年的MOD17A3 數據產品,其空間分辨率為 500m,時間分辨為 1年。在ENVI軟件支持下,運用MCTK工具進行數據的預處理,以便于與其他數據進行配準。DEM數據源于地理空間數據云官網(http://www.gscloud),空間分辨率為30m,主要用于提取研究區的高程、地形坡度、坡向等數據。氣象數據主要包括研究區各站點在研究時限內的氣溫和降水數據,源于國家地球系統科學數據共享服務平臺(http://www.geodata.cn/)氣溫與降水公里網格數據,同時結合中國氣象科學數據共享服務網(http://data.cma.cn),研究區內站點年平均氣溫和降水主要進行驗證與回歸分析,通過插值計算獲得研究區內年平均氣溫和年降雨量。研究區土地利用/覆蓋數據來源于資源環境數據云平臺(http://www.resdc.cn/Default.aspx),結合研究區現狀和研究內容,將土地利用類型劃分為林地、草地、耕地、建設用地、濕地、其他六大類。需要指出的是,地理探測器所處理的數據量有運行上限,軟件最大可容納數據量是32767[22]。而本研究區數據的超過了這一上限,因此需要對研究區數據進行相應處理。因此,本文運用ArcGIS的子集要素工具將研究區數據隨機訓練樣本,使之與地理探測器軟件的最大可容納數據量最為接近。

2 研究方法

2.1 分區統計

分區統計用于根據來自其他數據集的值(賦值柵格)為每一個由區域數據集定義的區域計算統計數據。以研究區范圍為基礎創建研究區漁網,結合研究區植被NPP、降水、氣溫等數據將漁網大小設置為926.63m×926.63m。采用分區統計到表的方法,將研究區氣溫、降水和土地利用類型等數據進行對平均值或眾數值的統計,以建立研究區的基礎數據庫。

2.2 標準差分級法

標準差分級法是以均值為中心,以標準差的倍數為級差,分別向大于和小于均值的兩個方向進行分級的方法[23]。此分級方法完全根據原始數據固有的數值特征和分布規律來進行分級,分級數不受人為控制,避免了人為因素的干擾,使得分級結果更具客觀性。各種分類算法的效果可通過地理探測器的q統計量來評價,q值越大分類效果越好[22]。本文分別采用1倍、1/2倍、1/3倍和1/4倍的標準差進行分級,并分別計算q統計量的值,發現采用1倍標準差分級所得的q值最大,分類效果最好。

2.3 地理探測器

地理探測器是探測空間分異性,以及揭示其背后驅動力的一組統計學方法[22]。它能探測各因子對模型的貢獻率,能從龐大的空間數據庫中提取有用的空間關聯規則[24]。因此,在分析地理要素格局演變和地域空間分異等方面具有非常廣泛的應用,但對植被NPP空間演變分析的應用較少。運用地理探測器分析模型,將各年的植被NPP數據作為因變量,引入研究區植被NPP值分異決定力指標q。

3 結果分析

3.1 岷江中下游土地覆被及其NPP時空變化分析

利用岷江中下游2000—2015年土地利用現狀圖,對各地類空間分布與變化進行空間化表達。

圖1 2000—2015年研究區土地利用現狀圖Fig.1 Land utilization maps in study area during 2000—2015

研究區內土地利用類型以林地和耕地為主,從空間格局上來看,林地和草地主要集中在研究區西南部的雅安和樂山兩市所轄的縣(市、區),耕地主要分布在成都市、宜賓市和樂山所轄的各縣(市、區)。

表1 2000—2015年各類用地面積/km2

從地類變化上而言,主要表現在東部建設用地迅速增加,其增加來源主要為耕地,而濕地面積在研究區西部和東部都表現為減少的趨勢。

各地類在不同年份,其NPP數量受綜合因素的影響表現出了不同變化趨勢。由圖2可知,在整個研究期內,岷江中下游NPP呈現出2000—2010年下降,2010—2015年緩慢增加的趨勢,整體波動幅度比較明顯。研究區年均NPP值在380—785gC/m2之間波動,16年間NPP平均值為515.09gC/m2。

圖2 2000—2015研究區各類用地年均植被NPP值 Fig.2 Annual value of NPP over different types of land use in study area during 2000—2015

其中,2000年年均植被NPP值最高,為780.51gC/m2,比平均NPP值高51.53%,2010年年均NPP值最低,為386.07gC/m2,比平均NPP值低25.05%。自2000 年至2005年,研究區年均NPP值由780.51gC/m2下降至418.82gC/m2,下降幅度達46.34%；隨后,2005至2010年緩慢下降至最低值386.07gC/m2,下降幅度達7.76%；相反,2010至2015年,年均NPP值則呈現出緩慢上升趨勢,上升至474.97gC/m2,上升幅度達22.95%。不同土地利用類型的 NPP 年際波動與研究區的NPP年際波動趨勢基本一致,NPP大小關系整體上表現為林地>草地>耕地>濕地。

圖3 2000—2015年研究區NPP值空間分布Fig.3 Spatial distributions of NPP in study area during 2000—2015

圖4 2000—2015年研究區NPP值動態變化格局Fig.4 Annual variations of NPP in study area during 2000—2015

就空間變化而言,研究期內岷江中下游NPP均表現出了明顯的空間分異性,研究時限內的年均植被NPP值整體上呈現出西高東低的空間分布特征。年均NPP高值區分布于研究區西部的石棉縣、漢源縣、寶興縣、蘆山縣、峨邊彝族自治縣等地,低值區主要位于東部的翠屏區、宜賓縣、五通橋區、東坡區、雙流縣、溫江區等地(圖3)。就行政區而言,2000與2005年,研究區縣域植被NPP最大值均出現在研究區西南部的石棉縣,最大值分別為1148.77gC/m2、578.32gC/m2,漢源縣、蘆山縣、峨邊彝族自治縣NPP值依次降低,最小值均位于東南部的翠屏區,最小值分別為503.55gC/m2、302.67gC/m2。2010年,年均植被NPP最大值仍位于西南部的石棉縣,最大值有所下降,為528.55gC/m2,其次為漢源縣、蘆山縣、雨城區、峨邊彝族自治縣、金河口區、寶興縣等,而年均植被NPP最小值區域則位于研究區北部的溫江區,最小值為274.49gC/m2。反觀2015年,研究區的年均植被NPP最大值向東北擴展,位于石棉縣東北部的雨城區,最大值為566.65gC/m2,峨邊彝族自治縣、漢源縣、石棉縣、金河口區、沐川縣、蘆山縣等緊隨其后,而最小值仍然位于研究區北部的溫江區,最小值為342.33gC/m2。

就土地利用類型而言,不同地類的NPP值仍存在顯著的空間分異性。林地和草地主要集中分布在研究區西部的石棉縣、漢源縣、蘆山縣、寶興縣、金河口區、峨邊彝族自治縣等地,因而研究區內的年均NPP高值區基本出現在以上地區。而耕地和濕地主要位于岷江干流流經的各個縣域,所以研究區東部地區植被NPP均值低于西部地區。

在研究區兩期植被NPP值的基礎上計算得出2000—2015年岷江中下游地區NPP值的動態變化過程并對其進行可視化分析(圖4)。由圖4可知,2000—2015年研究區NPP減少量呈現出由西向東逐漸減小趨勢,其中位于中部、東南部的峨眉山市、沙灣區、五通橋區、犍為縣、宜賓縣、翠屏區由于受退耕還林工程的影響,部分地塊NPP值有所增加,最大值達409.32 gC/m2,石棉縣、漢源縣、寶興縣、蘆山縣NPP劇減,減少最多能達970.23 gC/m2。這與各縣(市、區)的土地利用變化有著極大的相關性,主要體現了林地和草地對NPP值的極大影響。

3.2 植被NPP變化驅動力分析

3.2.1植被NPP時空分異的主導驅動力診斷及演變

2000—2015年岷江中下游地區植被NPP的時空變化是受多種驅動力的綜合影響結果,本文選取了能反映區域自然環境、資源稟賦和人類擾動等方面的 8項指標,根據地理探測器模型,探測驅動力變化結果(圖5)。

圖5 2000—2015年各驅動力決定力(q)值 Fig.5 The value of determinant(q)about factors during 2000—2015

根據2000—2015年的各驅動力的決定力q值大小,將8個驅動力分為兩個類型。一類以氣溫、海拔和土地利用因素為代表,其決定力q值均在0.2以上,稱之為主導驅動力；另一類以坡向、降水、城鎮距離、公路距離和坡度因素為代表,其決定力q值均在0.1以下,稱之為重要驅動力。就驅動力演變而言,自2000—2005年,各個驅動力的決定力均呈現下降趨勢,其中氣溫和降水因素對植被NPP值的決定力下降幅度最大,分別為35.65%和83.29%,而海拔因素的q值超過降水,表明海拔因素相對于其他因素對研究區植被NPP時空分異的解釋力更大,影響更為顯著。2005—2010年,氣溫、降水、海拔、坡向、城鎮距離因素的q值繼續下降；相反,土地利用、距公路距離因素的q值則呈現出上升趨勢。2010—2015年,氣溫、海拔因素q值繼續呈現下降趨勢,而其他因素均呈現上升趨勢。土地利用因素對植被NPP值的決定力逐漸逼近海拔因素的決定力,逐漸接近所有驅動力q值中的最大值,表明土地利用對研究區NPP值時空分異的作用越來越突出。而距城鎮距離、距公路距離、降水、坡度因素的決定力均逐步上升,其中,降水因素的決定力q值的上升趨勢更為明顯。

整體上而言,氣溫、海拔、坡向等因素對植被NPP時空分異的決定力呈現出下降趨勢,而土地利用、距公路距離、距城鎮距離、降水等因素總體上則呈現出上升趨勢,坡度因素對NPP時空分異的決定力在2010年以后也呈現出一定的上升趨勢,但上升趨勢不明顯。綜合來看,自然因素對岷江中下游地區植被NPP的影響力正逐漸削弱,而人類擾動因素對植被NPP的影響越來越強。

3.2.2植被NPP時空變化驅動力作用分析

進一步分析各主導驅動力對研究區NPP值時空分異的具體作用,可為研究區生態安全預警和生態補償提供數據支撐和輔助決策。

(1)氣溫,是反映區域氣候特征的重要指標,也是植被生長不可或缺的重要條件,對植被NPP的時空分布的影響較為顯著。氣溫的升高有利于植被生長,植被在單位時間和單位面積上所固定的能量或產生的有機物質就越多,即植被NPP值就越大；反之, NPP值就越小。

由圖6可知,2000—2005年研究區年均氣溫呈現出下降趨勢,由11.83℃下降至最低點8.90℃,隨后呈現持續上升趨勢,2015年上升至13.06℃。綜合來看,研究區的年均溫波動上升趨勢比較明顯。其中,2000—2010年整體年均溫呈下降趨勢,年均溫的下降會使得植被在單位時間和單位面積內所積累有機物的能力減弱,由此導致該研究時限內研究區的年均植被NPP值呈下降態勢。2000—2005年研究區的年均溫下降趨勢尤為劇烈,幅度達24.82%,在此期間年均植被NPP值隨之大幅度下降。而2010—2015年,研究區的年均溫繼續呈現上升趨勢,由此帶來植被積累養分的能力增加,進一步使得研究區的年均植被NPP值上升。這與2000—2015年研究區植被年均NPP值動態變化過程體現出較好的一致性,進而驗證氣溫因素是影響植被NPP值時空分異的主導因素之一。

除此,不同水熱組合狀況對研究區的NPP時空分異也有著重要影響。在此期間,研究區的年均降水量趨勢線與其決定力q值趨勢線呈現一定程度上的負相關性。由圖7可知,2000年與2015年研究區年均降水量最低,其決定力q值則達到最大值；年均降水量最大的年份降水的決定力q值卻很小。表明1200—1300mm的年均降水量是植被生長的合理區間,對植被年均NPP影響不大。

(2)地形因素是環境以及植被異質性格局的重要影響因素之一,它一般通過不同的過程控制其水熱條件和土壤條件,影響其他環境變量進而對區域植被格局產生重要影響[25]。研究區整體上呈現出西高東低地形特征,西部地區以山地為主,海拔最高處為7845m,而東部地區以丘陵為主,海拔最低處為147m。位于研究區西部的石棉縣、寶興縣、漢源縣、蘆山縣、峨邊彝族自治縣等地其地貌主要特征表現為復雜多樣的山地地貌,最高峰海拔均在5000m以上。西部各縣由于地處高海拔地區,氣候垂直帶普特征比較明顯,植被種類繁多,并且分布范圍廣,植被覆蓋度高。另外,西部地區由于海拔遠高于東部,其年均日照時數長,植被光合作用就越強烈,所固定的能量和積累的有機物質就越豐富。而東部地區地貌以丘陵為主,海拔較低,氣候垂直特征不明顯,年均日照時數短,自然景觀類型較少。且東部地區人口密度遠高于西部地區,植被的生長與分布受人類活動的影響比較大,植被積累有機質的能力較低。從圖5中也可以看出,海拔因素對研究區NPP時空分異的決定力仍呈現出下降趨勢,且與氣溫因素和土地利用因素的q值逐漸逼近,表明雖然海拔因素對研究區植被NPP的時空分異作用逐漸減弱,但仍是主導NPP分異的因素之一。

(3)土地利用是指人類根據土地的自然屬性,采取各種活動和方法來利用土地資源。就土地利用類型而言,研究區年均植被NPP值表現為：林地>草地>耕地>濕地,且四者年際變化趨勢比較一致(表2)。

隨著城市化進程的加快,建設用地需求量不斷攀升,草地、耕地、濕地面積呈現出持續減少趨勢,由此帶來2000—2010年研究區的草地、耕地、濕地NPP值不斷降低。而2010至2015年草地、耕地、濕地面積雖然持續減少,但在此階段植被NPP受降水量和溫度的水熱組合狀況的影響也較大,適宜的氣溫和降水給植被提供了良好的生長條件,植被生長更為茂密,其通過光合作用積累有機質的能力隨之提高,此時段內植被NPP值呈現出一定的增長趨勢。就林地而言,2000—2015年林地面積總體上呈現出上升趨勢,林地NPP值上升態勢也較為明顯。2000—2010年,隨著退耕還林政策、天然林保護工程的持續推進,林地面積持續增加了326.05 km2,理論上林地NPP值應呈現出相應的上升趨勢。但2000—2010年,氣溫因素對研究區NPP分異的決定力要遠大于土地利用因素的決定力,氣溫對植被NPP的影響更為顯著。在研究時限內,2005年研究區的年均溫最低,即使降水量在2010年達到最大值,仍對植被的長勢產生了重大影響,這是由于降水的決定力遠小于氣溫,因此在此階段研究區的林地NPP呈現出下降趨勢。2010—2015年林地面積繼續增加,且由此帶來了林地NPP值的增加。總體而言,岷江中下游地區在研究時限內除2000—2005年內林地減少外,林地面積平穩增加,草地、耕地、濕地等土地利用類型面積下降趨勢明顯。林地,草地、耕地、濕地面積的減少勢必會帶來植被NPP總值的下降,研究區NPP總量變化,除了受各地類NPP強度外,植被總量變化也是影響變化的一個重要原因,從2000—2015年研究區,總共減少植被覆蓋662.92 km2,再加上水熱組合狀況的變化,因此帶來了研究區植被NPP總值呈現出先下降后緩慢上升的趨勢。由圖5也進一步可知,2000—2015年土地利用因素對NPP時空分異的決定力呈現出明顯的上升趨勢,并逐漸逼近所有因素中的最大q值,并且距離城鎮距離、距離公路距離因素對植被NPP時空分異的影響力也在逐漸增強,表明在農業生產、生態建設、城鎮建設等人類活動的影響下,人類活動對研究區植被NPP時空分異的作用越來越強烈。

表2 各類型用地植被NPP總量/(gC/m2)

圖6 2000—2015年研究區年均氣溫 Fig.6 The annual average temperature in study area during 2000—2015

圖7 2000—2015年研究區年均降水量 Fig.7 The annual average precipitation in study area during 2000 to 2015

4 結論與討論

本文以2000—2015年岷江中下游地區的NPP數據為基礎,探討了研究區NPP時空演變格局,并選取能反映研究區自然環境、資源稟賦和人類擾動等方面的 8大因素,運用地理探測器模型診斷出了影響研究區NPP時空分異的主導驅動力并對驅動力變化趨勢進行了分析。結果表明：

(1)2000—2015年,岷江中下游地區的NPP存在較強的時空分異規律。整體而言,2000—2015年研究區植被年均NPP值呈現出先下降,隨后緩慢增加的趨勢,波動幅度達50.54%,植被平均NPP值為513.93gC/m2。其中2000年植被NPP均值最高,為780.51gC/m2,2010年NPP均值最低,為386.07gC/m2。就空間分布而言,研究區植被年均NPP整體上呈現出自西高東低的空間分布特征,并且高值區有逐漸向東部擴展的趨勢。植被年均NPP最大值出現在2000年石棉縣北部磽磧藏族鄉的林地分布區,為1876gC/m2,最小值出現在2005年五通橋區中部竹根鎮的平原旱地分布區,最小值為26.98gC/m2。不同土地利用類型的 NPP 年際波動與研究區的NPP年際波動趨勢基本一致,NPP大小關系表現為林地>草地>耕地>濕地。

(2)八大影響因素對研究區植被NPP時空分異的決定力差異明顯,氣溫、海拔、土地利用因素是影響植被NPP分異的主導因素。2000—2015年,氣溫、海拔、土地利用因素對研究區植被NPP時空分異的決定力q值均在0.2以上,對NPP分異的作用最為強烈,而降水坡度、坡向、距城鎮距離、距公路距離因素的q值相對比較低,均在0.1以下,對植被NPP分異的作用相對較弱。氣溫因素主要是通過氣溫的升降并結合不同的水熱組合狀況來影響植被在單位時間內、單位面積上積累的有機質數量,進而影響研究區的植被NPP分異；海拔因素主要是通過影響氣候垂向分帶,進一步影響區域植被分布格局,從而對植被NPP分異產生重要影響；土地利用因素主要是人類活動直接改變土地利用方式,并結合水熱組合狀況,直接影響植被的生長與分布,進而影響NPP的時空分異。

(3)從研究區植被NPP的演變驅動力來看,自然因素對研究區NPP分異的影響力正逐漸削弱,而人為擾動因素對植被NPP分異的影響力愈來愈強烈。2000—2015年氣溫、海拔兩大主導因素對研究區植被NPP時空分異的決定力呈現出持續下降趨勢,分別由0.48、0.42下降至0.23、0.26；而土地利用因素對應的q值波動上升趨勢尤為明顯,并逐漸逼近三大主導因素中的最大q值,并于2015年超過氣溫因素的q值,達到0.25。反觀其他因素,坡向因素q值一直呈現出下降趨勢；降水因素的q值在2000—2010年呈現下降趨勢,隨后呈現出上升趨勢；距離城鎮距離、距離道路距離因素的q值上升趨勢十分顯著,坡度因素的q值在所有因素中最小,變化趨勢不明顯。氣溫、降水、海拔、坡度、坡向等自然因素對植被NPP分異的作用力逐漸降低,土地利用、距城鎮距離、距公路距離等人為擾動因素對植被NPP分異的作用力不斷增強。

需要指出的是,由于研究區的數據最大行數超過了地理探測器模型運行的上限,運用ArcGIS軟件的子集要素工具按比例隨機提取適宜樣本來進行因素探測,可能會對最終的研究結果產生一定影響。但如若擴大研究區單個漁網的范圍已達到減少數據行的目的,將會對土地利用數據的精度造成重大影響,而土地利用因素是影響研究區植被NPP時空分異的主導因素之一,這將對最終研究結果影響甚大。其次,如何劃分決定力q的范圍來確定影響研究區的主導因素,目前還沒有明確的劃分標準。本文采用聚類的方法來劃分主導因素q值的范圍,仍具有一定的科學性。最后,自然因素對研究區植被NPP時空分異的影響力逐漸減小,而人為擾動因素對其影響逐漸增強,這與眾多的研究結果[25,26]一致。在NPP總體變化趨勢方面,Tum[27]和Li[28]等人分別就全球和中國2000年以來NPP變化趨勢,得出的結論與本文總體NPP變化趨勢基本一致。另外,通過Taelman[29]等人的研究,得出土地利用是影響NPP變化的重要原因,不同的土地利用類型受人類活動的影響程度不同,與本文中的得出的植被覆蓋總面積減少是導致NPP總量減少重要原因的結果相符。從Yan[30]等人的研究發現,城市擴張是人類擾動自然界環境的直接表現,對NPP的分布與變化的影響越發強烈,從一定程度上印證了本文中,距離城鎮及道路的距離對NPP分布與變化的決定力不斷增強的結論。就植被NPP空間分布而言,研究區東部和西部地區的NPP值存在明顯的空間分異,表現出東部高溫區NPP值明顯低于西部的低溫區的NPP值,必須明確的是,氣溫因素只是影響研究區植被NPP時空分異的主導因素之一,除此之外,植被NPP分異還受到海拔、土地利用兩大主導因素的綜合影響,而海拔和土地利用因素更能解釋研究區“高溫低值、低溫高值”的現象。另外,人類活對于研究區植被NPP時空分異產生綜合影響的正負性還有待進一步的研究,以及在不同因素影響下,如何確定研究區不同地域的生態補償機制是需要進一步解決的關鍵科學問題。