基于Google Earth Engine平臺的大湄公河次區域2001—2019年植被NPP時空變化分析*

谷雷,岳彩榮,張國飛，趙勛，金京

(西南林業大學 林學院，云南 昆明 650224)

1992年，在亞洲開發銀行的倡議下，瀾滄江-湄公河流域內的6個國家共同發起了大湄公河次區域(Great Mekong Subregion,GMS)經濟合作機制，以加強各成員國間的經濟聯系，促進次區域的經濟和社會發展，實現區域共同繁榮。大湄公河次區域包括柬埔寨、中國(云南和廣西)、老撾、緬甸、泰國和越南。隨著GMS地區的快速發展，其生態系統面臨著越來越多的威脅和壓力。GMS地區的生物多樣性被國際保護組織列為前五個最受威脅的熱點地區之一，世界自然基金組織(WWF)將原因歸結為經濟的快速發展、人口增長和森林砍伐、非法木材貿易、野生動植物貿易、過度的水壩、道路建設以及采礦等消費模式的增加。WWF也指出該地區特別容易受到全球氣候變化的影響[1]。如何有效地對該區域生態系統進行大規模的評估和評價，已成為世界上許多經濟體特別是GMS地區發展中經濟體共同關心的問題。

在全球氣候變化、人類活動日益頻繁的背景下，地表植被的變化與大氣環境之間的相互作用過程已成為地球生態學領域的研究重點和熱點[2-5]。植被凈初級生產力(Net Primary Productivity,NPP)指綠色植物在單位時間、單位面積內，所累積的有機干物質總量，是在光合作用下產生的有機質總量(Gross Primary Productivity,GPP)扣除自養呼吸(Autotrophic Respiration,RA)所消耗的部分有機質后剩余的部分[6-7]。植被凈初級生產力是反映氣候變化與人類活動對植被協同作用的關鍵指標，具有明顯的時間和空間變化特征[8-9]。

隨著全球氣候變化以及社會經濟的快速發展，大湄公河次區域的生態系統面臨著越來越多的威脅和壓力。植被NPP的變化直接反映著生態系統對環境條件的響應，已成為評價生態系統可持續發展、生態系統服務價值的關鍵指標。植被NPP及其變化是社會經濟發展和氣候變化等自然因素的綜合反映，研究長時間序列的區域尺度植被NPP的時空變化，對區域可持續發展具有重要意義。目前，對區域植被NPP的動態變化的研究幾乎都是基于本地計算機資源實現的，大范圍、長時間尺度的研究不可避免地存在著數據收集、存儲、整理繁瑣，數據的運算耗時長等問題[10-11]。云計算平臺谷歌地球引擎(Google Earth Engine,GEE)的誕生使得這些問題得到解決，GEE平臺提供了海量的可免費獲取和共享的遙感影像與地理數據[12]，避免了下載、存儲等繁瑣過程，且使用基于Web的代碼編輯器進行快速，交互式算法開發，可以輕松地利用Google云的強大功能進行地理空間分析，利用Google數據中心多臺分布式計算機的多個處理器同時對篩選的遙感數據進行運算和處理，從而大大加快了處理速度，在大數據處理的快速性上具有前所未有的突破。與本地計算機資源相比，GEE平臺使得大范圍、長時間尺度以及運算復雜的分析可以相當容易地執行。

為了探明大湄公河次區域植被NPP時空變化特征，本研究基于Google Earth Engine云計算平臺，調用2001—2019年MOD17A3HGF NPP時序數據，利用GEE平臺在數據獲取便利，運算效率高等方面的優勢，分析大湄公河次區域2001—2019年植被NPP時空變化特征。以期為大湄公河次區域植被生產能力評價、生態環境保護和植被碳源/匯評價以及經濟社會的可持續發展規劃提供科學依據和參考背景。

1 材料與方法

1.1 研究區概況

大湄公河次區域是指湄公河流域的6個國家共7個地區，包括緬甸、泰國、老撾、柬埔寨、越南和中國云南省及廣西壯族自治區。大湄公河次區域是“一帶一路”倡議的重要投資貿易區域，是中國發展“21世紀海上絲綢之路”合作伙伴關系的重要區域和關鍵樞紐。大湄公河次區域經濟合作加強了各成員國間的經濟聯系，促進了次區域的經濟和社會發展。

大湄公河次區域(92.2°～112.0°E,5.6°～29.2°N)，面積256.86×104km2，總人口約3.2×108人。湄公河是連接中國和東南亞地區的重要國際河流，也是東南亞最長的河流，全長2 741.0 km，流域面積41×104km2。大湄公河次區域氣候類型多樣，以熱帶季風氣候為主，兼具北熱帶、南亞熱帶、中亞熱帶、南溫帶等多種氣候類型；生態類型多樣、生物多樣性豐富，森林資源和農業資源豐富，固碳能力強，對全球碳匯貢獻高，生態環境具有區域分異特征。

隨著該地區的快速發展，保護大湄公河次區域自然資源、棲息地、生物多樣性和生態環境的行動已迫在眉睫。

1.2 數據來源

本研究采用的NPP數據來自美國國家航空局(NASA)的陸地過程分布式數據檔案中心，數據為2001—2019年MOD17A3HGF V6數據集，空間分辨率為500 m，時間分辨率為1 a。MOD17A3HGF V6產品提供有關500 m像素分辨率下的年度凈初級生產力(NPP)的信息。年度NPP來自給定年份的所有8 d凈光合作用(PSN)產品(MOD17A2H)的總和。PSN值是總初級生產力(GPP)與維持呼吸(MR)(GPP-MR)的差。MOD17A3HGF數據集6.0版的NPP年度數據，相較于5.5版的MOD17A3數據集，該數據集采用了新的生物屬性調查表(BPLUT)和每日全球模擬和同化辦公室(GMAO)氣象數據的更新版本對NPP數據進行模擬，提高了NPP的估算精度[13]。已有學者通過BIOM-BGC模型對三峽庫區的植被NPP進行估算，并將估算值、實測值以及MPD17A3值三者進行對比，驗證了MPD17A3數據的可靠性[14]。目前，在不同地區的植被NPP和碳循環研究中該數據集已被廣泛應用[15-18]。

本研究采用的氣象數據是陸地表面溫度產品MOD11A2.006，空間分辨率為1 000 m，時間分辨率為8 d。MOD11A2.006版本產品在1 200 km×1 200 km的網格中提供了平均每像素8 d的地表溫度和發射率(land surface temperature & emissivity，LST&E)。MOD11A2中的每個像素值是8 d內收集的所有對應MOD11A1 LST像素的簡單平均值。之所以選擇8 d的合成周期，是因為該周期的兩倍是Terra和Aqua平臺的準確地面軌跡重復周期。

此次研究所使用的數據均可從GEE平臺上直接調用。

1.3 研究方法

每個像元的植被NPP隨著時間的變化可表現為穩定上升或下降趨勢，本研究采用一元線性回歸趨勢分析方法，分析大湄公河次區域2001—2019年變化趨勢，即植被NPP隨時間變化的關系，基于像元尺度采用最小二乘線性回歸方程擬合每個像元的斜率，從而計算變化率，最終獲得大湄公河次區域植被NPP的時空變化趨勢。計算方法如式①所示:

①

式①中：θslope為植被NPP變化趨勢線斜率；n=19為監測年數；i=1,2,3…,19為年序號；NPPi為第i年植被NPP值。斜率為正表示植被NPP上升，反之則表示植被NPP減少。

植被NPP一元線性回歸趨勢顯著性采用t檢驗方法進行檢驗[19-20]，顯著性僅代表趨勢性變化可置信程度的高低，與變化快慢無關。見式②：

②

以上計算過程通過JavaScript編程調用GEE云平臺中MOD17A3HGF V6產品數據和計算方法而實現。

2 結果分析

2.1 大湄公河次區域植被NPP時間變化特征

對大湄公河次區域范圍內植被NPP的逐年平均值進行統計(圖1)，2001—2019年大湄公河次區域植被NPP變化范圍為878.82～1 008.77 gC/m2，平均值達943.96 gC/m2，其中2003年均植被NPP最大，達到1 008.77 gC/m2，超過平均值64.82 gC/m2，而2004、2005、2010年以及2012年的年均植被NPP值明顯低于多年均值，其他年份的植被NPP均值位于多年平均值上下5%范圍內。2001—2019年間大湄公河次區域植被NPP整體上變化趨勢不顯著，變化波動較大。通過與年均溫度對比發現，年均NPP與年均溫度的R2為-0.492，具有顯著的負相關關系。

圖1 大湄公河次區域2001—2019年NPP年際變化

通過查閱文獻，對比其他研究區，如湖北省(2004—2015年，446.1～553.7 gC/m2)[21]，陜西省(2000—2006年，340～434 gC/m2)[22]，黃河流域(2000—2015年，179.6～258.1 gC/m2)[23]，廣西喀斯特區(2000—2017年，800～1 100 gC/m2，屬于大湄公河次區域)[24]等，大湄公河次區域植被NPP值總體較高。這主要得益于該區域的氣候條件，濕熱多雨的環境為植被的生長提供了良好的環境。

2.2 大湄公河次區域植被NPP空間分布格局

通過對大湄公河次區域各國或地區植被年均NPP值統計(圖2)，結果表明，大湄公河次區域2001—2019年間各國或地區的植被NPP整體上波動不大，但各國或地區植被NPP年均值差異顯著，老撾最高，中國云南、越南、緬甸次之，中國廣西、泰國、柬埔寨最低。其中老撾的年均植被NPP達1 200 gC/m2以上，而泰國、柬埔寨不到800 gC/m2，其年均植被NPP低主要原因是土地類型以耕地和草本植被為主，森林資源比重小。相較而言，緬甸雖然耕地面積比重也不小，但緬甸大部分地區的土地類型仍以闊葉林或針闊混交林為主，提高了緬甸植被NPP均值。

圖2 大湄公河次區域2001—2019年各國家或地區NPP年際變化

大湄公河次區域2001—2019年植被年均NPP具有較明顯的空間分異性規律(圖3)，大體呈中部高，南、西南部略低的狀態。整個區域植被NPP超過800 gC/m2的區域占總面積的60.26%，主要分布于緬甸東部和東北部、中國云南省西南部、泰國西北部以及老撾絕大部分地區；中國的廣西北部、云南省東北部，柬埔寨東北部等地植被NPP介于600～800 gC/m2，占總面積17.13%；植被NPP介于400～600 gC/m2的區域占總面積18.90%，主要位于緬甸中部和南部、泰國中部和東部、柬埔寨中部、越南南部以及中國廣西中部地區；3.05%的面積植被NPP介于200～400 gC/m2，主要位于緬甸中部與南部、越南南部。僅有0.66%的面積植被NPP小于200 gC/m2，主要位于緬甸北部與中國云南西北部部分區域。

圖3 大湄公河次區域(局部)2001—2019年平均NPP空間分布

從各國或地區的植被NPP空間分布(圖3)來看，在緬甸中部與南部，沿伊洛瓦底江從曼德勒至仰光地區的廣闊平原地帶，植被NPP普遍較低，該區域是以水稻(Oryzasativa)為主要農作物的種植區，植被NPP在200～600 gC/m2之間。此外緬甸大部分地區以闊葉林或針闊混交林為主，植被NPP較高，在800 gC/m2以上，從總體上提高了緬甸植被NPP均值。緬甸克欽邦北部與云南省迪慶州、怒江州西北部接壤，該區域為海拔超過4 000 m的高山區，長年凍雪覆蓋，植被NPP極低。云南省西南地區的德宏州、版納州、臨滄市、普洱市等地森林資源豐富，雨水氣溫充足，相應的其植被NPP也高，超過800 gC/m2。云南中部、東北部等大部分區域植被NPP也超過600 gC/m2。云南東南部的紅河、文山地區，存在石漠化土地，植被NPP在400～600 gC/m2之間。廣西呈現出較為明顯的空間分異規律，東部、西部大部分地區植被NPP值較高，超過800 gC/m2，而中部南寧、柳州等地較低，集中在400～600 gC/m2。老撾境內植被NPP較高，除萬象市、沙灣拿吉省等與泰國接壤的部分地區外，全國大部分地區植被NPP值超過800 gC/m2。泰國北部山區叢林植被NPP值較高，超過800 gC/m2，中部湄南河沖積平原以及東北部地區，植被NPP值集中于400～600 gC/m2，該區域土地肥沃，盛產水稻和水果，是主要的水稻產區。南部半島狹長的丘陵地帶，空間分異規律不明顯，部分地區植被NPP值小于200 gC/m2。柬埔寨境內除湄公河流域和洞里薩湖流域植被NPP值較低外，絕大部分區域植被NPP值較高。越南境內湄公河與紅河分別形成了湄公河平原、紅河平原兩大平原，該區域為農業種植區，植被NPP較低，而北部和西北部以及中部大部分地區，土地類型以闊葉林為主，植被NPP較高。

大湄公河次區域植被NPP的分布與其主要河流流域[伊洛瓦底江、薩爾溫江(怒江)、湄南河、湄公河(瀾滄江)、紅河]有著重要的聯系，尤其是泰國、越南、緬甸3個重要的稻米出口國，分別受伊洛瓦底江、湄南河、湄公河(瀾滄江)、紅河的影響，在河流下游形成了廣闊且土地肥沃的平原，且位于熱帶季風和亞熱帶季風氣候區，水熱充足，為以水稻為主的農作物種植提供了良好的條件。而大湄公河次區域熱帶雨林氣候和熱帶、亞熱帶季風等氣候也為森林的生成創造了良好的條件，使得整個大湄公河次區域植被NPP值較高，提高了該地區的生態環境質量。

2.3 大湄公河次區域植被NPP的變化趨勢

采用一元線性回歸趨勢分析方法對每個像元2001—2019年間的植被NPP變化趨勢進行直線擬合，最終獲得每個像元植被NPP值隨時間的變化趨勢。根據t檢驗結果將變化趨勢分成5個等級，分級方法見表1。在此基礎上，制作大湄公河次區域2001—2019年植被NPP變化趨勢圖，直觀反映整個大湄公河次區域的植被NPP時空變化趨勢如圖4所示。根據變化趨勢劃分等級，統計植被NPP變化趨勢的面積及比例，見表1。

通過圖4和表1可以看出，2001—2019年大湄公河次區域植被NPP變化趨勢呈現基本不變、輕微改善的特征，其中，基本不變面積占87.16%，明顯改善面積占0.12%，輕微改善面積占7.98%，嚴重退化面積占0.01%，輕微退化面積占4.73%。

表1 顯著性檢驗結果分級和大湄公河次區域2001—2019年植被NPP變化面積及比例

圖4 大湄公河次區域(局部)2001—2019年植被NPP變化趨勢圖

通過變化趨勢圖可以看出，總體來說，大湄公河次區域2001—2019年植被NPP整體變化趨勢不顯著，嚴重退化區域與明顯改善區域都非常少，輕微退化區域主要分布于老撾中部和緬甸北部，改善區域主要位于中國云南與廣西大部分地區以及緬甸、越南、柬埔寨等局部地區。老撾、緬甸部分地區的森林砍伐是該區域植被NPP輕微退化的重要原因。而中國廣西與云南植被NPP的改善也反映了近些年來，中國廣西與云南的生態環境保護、綠色發展和林業建設力度的提升以及生態文明建設顯有成效。

3 結論與討論

基于GEE云平臺采用MOD17A3HGF NPP的時序數據，對2001—2019年大湄公河次區域19 a的植被NPP時間變化特征、空間分布格局以及變化趨勢進行了分析。結果表明：

(1)大湄公河次區域植被NPP總體較高，多年均值達943.96 gC/m2，2001—2019年間植被NPP年均值整體上變化趨勢不顯著，變化波動較大，且與年均溫度呈顯著的負相關性。

(2)大湄公河次區域各國或地區植被NPP年均值差異顯著，老撾最高，中國云南、越南、緬甸次之，中國廣西、泰國、柬埔寨最低。其中老撾的年均植被NPP達1 200 gC/m2以上。大湄公河次區域2001—2019年植被NPP年均值具有較明顯的空間分異性規律，大體呈中部高，南、西南部略低的狀態，60.26%的地區植被NPP值超過800 gC/m2。

(3)大湄公河次區域植被NPP的分布與其主要河流流域：伊洛瓦底江、薩爾溫江(怒江)、湄南河、湄公河(瀾滄江)、紅河有著重要的聯系，尤其是泰國、越南、緬甸為3個重要的稻米出口國，分別受伊洛瓦底江、湄南河、湄公河(瀾滄江)、紅河的影響，在河流下游形成了廣闊且土地肥沃的平原，為以水稻為主的農作物種植提供了良好的條件。

(4)2001—2019年大湄公河次區域植被NPP變化趨勢呈現基本不變、輕微改善的特征，改善區域主要位于中國云南與廣西，輕微退化區域主要位于老撾中部和緬甸北部。隨著大湄公河次區域經濟和社會快速發展，生態環境面臨著嚴峻的考驗，為了發揮其長久的經濟、社會、生態效益，需要各經濟體之間加強合作，改變對經濟的片面追求，樹立綠色發展、循環發展、可持續發展觀念，為全球生態安全做出貢獻。

(5)本研究基于GEE平臺實現，避免了數據下載與存儲帶來的不便，且依托GEE平臺的云計算資源，大湄公河次區域2001—2019年的植被NPP時空變化的數據處理在10 min內完成，極大地提升了運算效率。相較于本地計算機資源，GEE云平臺在大范圍、長時間尺度的研究中體現出了強大的優勢。這將對區域、國家乃至全球尺度的植被NPP時空變化分析提供有效的技術方法。