北部灣典型入海流域植被凈初級生產力時空分布特征及其影響因素

田義超 ，楊棠，徐欣

1.北部灣大學資源與環境學院，廣西 欽州 535000；2.北部灣大學海洋地理信息資源開發利用重點實驗室，廣西 欽州 535000；3.桂林理工大學/廣西空間信息與測繪重點實驗室，廣西 桂林 541004

植被是全球生態系統中必不可少的重要構成部分，在調節氣候、涵養水源、保持水土、維護生物多樣性及穩定生態系統等方面發揮著至關重要的作用（孫紅雨等，1998；Field et al.，1995）。植被凈初級生產力（Net Primary Productivity，NPP）指植被經光合作用后，在單位時間、面積內，所累計產生的剩余有機碳物質數量的總和（Cramer et al.，1999；王強等，2017）。植被NPP作為全球生態環境研究中碳循環的重要指標之一，對推進生態環境可持發展具有重要戰略效益（Peng et al.，2000；宋藝等，2017；趙苗苗等，2019）。如今，植被凈初級生產力 NPP已成為全球陸地生態環境變化研究、國際生態氣候研究和全球碳匯項目等重要科學研究的重要主題（劉海江等，2015；朱士華等，2017）。

借助模型來研究區域植被凈初級生產力的方法被眾多學者所采用，和傳統的野外觀測或定點觀測等方式相比較來說，模型估算不僅極大地提高了植被凈初級生產力的估算效率，同時還滿足了全球或區域大尺度NPP觀測的需求（趙國帥等，2017）。目前，用于估算植被凈初級生產力的模型可分為氣候相關模型、生態生理過程模型和光能利用率模型（Uchijima et al.，1985）。其中，由Potter et al.（1993）提出的基于光能利用率的CASA模型最具代表性，引入最適溫度、水分利用效率等光合作用脅迫因子。近年來，國內眾多研究學者如朱文泉等（2007a）、侯英雨等（2007）、周廣勝等（1996）、董丹等（2011）、許靜等（2019）利用CASA模型或改進的 CASA模型對全國或省域范圍內的 NPP動態變化監測進行了大量研究，結果表明CASA模型較好地估算了區域植被凈初級生產NPP，該方法具有廣泛的適用性。很多學者采用改進模型對我國典型的流域如：長江流域、黃河流域、拉薩河流域、汾河流域、等（苗茜等，2010；陳強等，2014；韓王亞等，2018；田慧文等，2019）植被凈初級生產力進行了定量化評估。但是大部分的研究成果主要集中在中國的內陸地區，對我國南亞熱帶河流，尤其是獨流入海河流的植被凈初級生產力研究較少。鑒于此，本研究在全球氣候變化背景下以北部灣獨流入海7條較大河流作為研究對象，基于CASA模型，結合利用遙感數據、氣象數據和土地利用類型數據及 DEM 等數據估算了北部灣典型入海流域2000—2017年的植被NPP，并結合Theil-Sen趨勢、Hurst指數、偏相關系數等數理統計方法對其時空變化特征、未來趨勢及其與氣象因子的關系進行了定量化研究，并揭示了流域植被NPP空間變化的影響因素。本研究為北部灣獨流入海典型流域生態環境建設、流域生態系統可持續性管理及北部灣生態環境效益等工作提供理論依據和數據支撐。

1 研究區概況

以中國北部灣 7條典型獨流入海河流為研究對象，從西到東依次分別為北侖河、防城江、江平江、茅嶺江、欽江、大風江、南流江（圖1）。研究區位于 21°31′00″—23°04′45″N，108°00′30″—110°53′00″E之間，東西貫長約296.83 km，南北長約155.66 km，流域面積達18713.95 km2。該研究區氣候類型屬于南亞熱帶季風性濕潤氣候區，鄰近北部灣沿海，海洋性季風氣候特征顯著；研究區全年氣候溫暖，多年平均氣溫在21.98—22.99 ℃之間，光熱充足；多年平均降水量在1208.67—2627.43 mm之間，降水充沛，雨熱同期。研究區地形起伏，地貌類型多樣，多以山地丘陵地貌為主，東北方橫貫著約60 km長的六萬山山脈，西北方橫貫著約100 km長的十萬大山山脈，地勢北高南低，地形特征差異顯著，由南至北地形呈淺海-灘涂-丘陵-山地的過渡特征。該區主要自然植被類型有亞熱帶常綠闊葉林、亞熱帶針葉林、混交林、灌木林、灌叢等，植被類型豐富。

圖1 北部灣入海典型流域地理位置Fig.1 Geographical location map of typical basins entering the sea in Beibu Gulf

2 數據來源與研究方法

2.1 數據來源

本文所采用的數據主要包括 MODIS植被NDVI數據、氣象數據、土地利用、地形等數據。其中，NDVI數據來源于美國國家宇航局（http://modis.gsfc.nasa.gov）的 2000—2017年的MODIS13q1產品，時間分辨率為16天，空間分辨率為250 m。由于北部灣入海流域的植被NDVI數據涉及到H27V06和H28V06兩個區域，因此利用MRT（modis reprojection tool）工具對研究區的植被遙感數據做拼接、合成以及投影變換等操作，采用最大值合成（Maximum Value Composite Syntheses，MVC）工具生成研究區的月NDVI數據。氣象數據來源于同時期廣西壯族自治區及其周邊的 40個站點的氣象數據，主要包括月平均降水、月平均氣溫及月太陽輻射值，在ArcGIS 10.5中的克里金插值技術的支持下，將氣象數據和太陽輻射數據統一插值成250 m，隨后使用GIS中的裁剪命令裁剪出研究區的氣象柵格數據。植被類型數據來源于中國科學院資源環境科學數據中心，比例尺為1∶1000000的矢量數據。土地利用類型來源于美國USGS網站（http://glovis.usgs.gov/），利用ENVI5.3中的監督分類工具，同時結合人工目視解譯，得到了研究區2000、2005、2010和2015年的30 m土地利用類型圖。1∶50000DEM數據由地理空間數據云（http://www.gscloud.cn/）提供的數字高程模型數據產品，空間分辨率為30 m。用ArcGIS 10.2對DEM數據進行鑲嵌拼接，投影坐標轉換，并用研究區掩膜進行裁剪。全部柵格數據的空間分辨率通過GIS中的重采樣工具統一為 250 m，投影類型為 UTM 48N，中央經線108°。

2.2 研究方法

2.2.1 CASA模型

在全球和區域尺度上，基于CASA模型的NPP動態變化和時空差異性研究已被廣泛應用。Monteith（1972）發現植物凈初級生產力NPP和從太陽輻射中所能吸收的光合有效輻射存在相關性關系，認為植被累計產生的有機物質是植物在光合有效輻射下吸收轉化的結果（Monteith et al.，1977）。本研究選擇朱文泉等（2007b）改進的光能利用率CASA模型基于研究區的降水、氣溫、太陽輻射、蒸散量等數據估算北部灣入海典型流域的植被凈初級生產力NPP，模型公式如下：

式中，NPP(x,t)單位為 g·m?2·a?1（以 C 計，下同），指植被凈初級生產力；APAR(x,t)單位為MJ·m?2，是指光合有效輻射；ε(x,t)單位為 g·MJ?1，指實際光能轉化率。

2.2.2 Theil-Sen趨勢

本文將Theil-Sen趨勢分析方法運用到NPP時間序列的分析當中（劉洋等，2016），借助Matlab 2009a軟件實現植被NPP的逐年數據的趨勢變化計算，得到北部灣典型流域的Sen趨勢值及Sen趨勢顯著性變化空間分布圖，可直觀有效反映 2000—2017年北部灣入海典型流域NPP的空間分布趨勢特征以及研究區植被NPP趨勢變化的顯著性水平，計算公式如下：

式中，xi，xj為NPP時間序列。當ρ<0時，表示 NPP在時間序列呈下降趨勢，當 ρ>0時，表示NPP在時間序列呈上升趨勢。

2.2.3 R/S指數

R/S分析方法（Rescaled Range Analysis Method）即重新標度極差分析法，最早由英國水文學家 Hurst（1951）提出，經不斷補充與完善，現已成研究長時間序列的分析理論方法。Hurst指數（H）一般取值范圍介于0—1之間，反映該時間序列是隨機序列或是持續性趨勢。一般情況下，當0

2.2.4 偏相關分析

本研究基于逐像元分析方法，借助 MatlabR 2009a軟件實現NPP分別與逐年氣溫、降水數據進行相關性分析，分別探討兩者相關性強弱關系，相關系數越大說明相關性越強（車風等，2019）。相關系數計算具體公式如下：

式中，Rxy為凈初級生產力NPP與氣溫（降水）的相關系數；xi為第i年的NPP；yi為第i年的多年平均降水量（氣溫）均值；為多年平均NPP；為多年平均降水量（氣溫）；n為樣本數量。

利用偏相關系數分別單獨研究NPP與氣溫（降水）之間的相互關系密切程度，計算公式如下：

式中，Rxy,z為固定自變量氣溫（降水）之后，因變量NPP與自變量降水（氣溫）的偏相關系數。

3 結果與分析

3.1 流域NPP時空格局特征

3.1.1 NPP月均值時空變化特征

北部灣入海典型流域屬南亞熱帶季風氣候，NPP存在明顯的季節變化差異。由圖2和圖3可以看出，流域多年月均NPP介于8.50—95.86 g·m?2（以C計，下同）之間，呈倒“V”型單峰分布特征。具體而言，1—3月，植被光合作用能力較弱，流域NPP變化趨于平緩，NPP低值（黃色）大面積分布，NPP最低值出現在2月，為6.92 g·m?2。從4月開始，受太陽直射點北移，夏季風的影響，氣溫升高，地表植被復蘇生長，NPP生產量快速增加，研究區西部以及南流江流域出現NPP高值區（湖藍色和藍色）。4—8月植被NPP呈快速上升趨勢，單位面積 NPP 在 60.77—100.25 g·m?2之間，NPP 低值零星分布，受城市化水平和土地利用類型影響，主要集中分布在南流江上游中部和欽江流域入海口部分區域；8月是植被最適宜生長的月份，NPP達到最大值，為 100.25 g·m?2，高值區主要分布在十萬大山山脈及六萬大山山脈；其中5—9月流域植被NPP累積量約占全年 NPP的 75%，該時段是流域植被NPP生產的關鍵時段；9月之后，隨著氣溫降低，降水量的減少，植被生長緩慢，流域植被NPP呈逐漸減少的趨勢；12月植被NPP出現明顯減少，研究區西部及南流江六萬大山附近NPP相對較高，其他區域 NPP 均小于 20 g·m?2。

圖2 北部灣入海典型流域年內NPP變化Fig.2 Annual variation of NPP in typical basin entering the sea in Beibu Gulf

圖3 北部灣入海典型流域年內NPP月均值空間分布格局Fig.3 Temporal and spatial distribution pattern of monthly NPP average in typical basin entering the sea in Beibu Gulf

3.1.2 年均NPP時空分布特征

2000—2017年北部灣入海典型流域NPP總體上呈現波動上升的趨勢。NPP上升趨勢增速為8.83 g·m?2·a?1，快于全區植被凈初級生產力的增速（全區 NPP 平均增速為 0.001 g·m?2·a?1）（李燕麗等，2014）。近18年流域NPP平均值的波動范圍介于418.20—644.29 g·m?2·a?1之間，多年平均值為543.09 g·m?2·a?1。其中，在 2004 年出現最小值，為 418.20 g·m?2·a?1，低于多年平均值 22%。在 2016 年出現最大值，為 644.29 g·m?2·a?1，比多年平均值高 18%。總體而言，2000—2017年北部灣入海典型流域NPP變化可大致分為3個階段：2001—2004年呈下降趨勢，2005—2008年呈上下波動狀態，2009—2017年呈平穩波動上升狀態（圖4a）。

圖4 2000—2017年北部灣入海典型流域NPP（a）時間變化特征和（b）NPP空間分布特征Fig.4 The temporal variation of NPP (a) and the spatial distribution of NPP (b) in typical basins entering the sea of Beibu Gulf from 2000 to 2017

北部灣入海典型流域地形復雜，總體地勢自西向東、自北向南傾斜，地理環境差異性較大，同時受自然因素影響和人類活動影響，致使不同地區的NPP存在差異。依據自然間斷法分類，將每年NPP重分類分成5個等級（圖4b）。由圖4b可知，NPP小于 300 g·m?2·a?1的區域主要分布在欽江的河道附近、南流江的上游中部和下游西南部地區，該區域受強烈的人類活動以及城市化水平影響；NPP在300—600 g·m?2·a?1之間的區域集中分布在茅嶺江的中上游、欽江中游北部、大風江、南流江下游的北部，植被類型主要以灌木和草本植物，植被生產力相對較低；NPP 在 900—1200 g·m?2·a?1的區域與300—600 g·m?2·a?1的區域呈現出鑲嵌斑塊分布狀態，植被發育良好；NPP 值大于 1200 g·m?2·a?1出現在研究區西南部的十萬大山的南麓，其次少許分布在六萬大山南麓，該區域水熱條件充足、植被基質較好，人為因素干擾較少，是研究區NPP的高值區域。

3.2 NPP變化趨勢分析

3.2.1 Theil-Sen趨勢變化

基于Sen趨勢值以及Sen趨勢顯著性分析結果，采用空間疊加命令將上述兩個圖層進行疊加，可得到明顯改善、中度改善、輕微改善、輕微減少、中度減少和嚴重減少6種類別，具體分類類別見表1。

由圖5和表1可知，改善區域的面積（14088.19 km2）顯著大于退化區域的面積（4625.44 km2），NPP改善區域占研究區面積比重較大，占76%，而退化區域面積僅為24%。具體而言，植被NPP明顯改善的區域（藍色）占33%，主要分布在研究區中部的大風江流域，其次南流江的上游北部有少許分布；中度改善的區域（湖藍色）占12%，主要鑲嵌分布于明顯改善區域中；輕微改善的區域（綠色）占31%，主要集中連片分布在研究區西部的北侖河流域、江平江流域、防城河流域以及南流江的中部；輕微退化區域（黃色）占16%，主要分布在防城江上游的西北部、南流江流域上游的玉林市及下游的合浦縣，欽江流域中游則有零星分布；中度減少的區域（橙色）僅為 3%，主要分布與嚴重減少區域鑲嵌分布；嚴重減少的區域（紅色）為 5%，主要分布在欽江下游的欽州市區、南流江上游的玉林市、中游的博白縣及下游的合浦縣地區，其次東興市和防城港市也有少許分布。

圖5 北部灣入海典型流域Sen趨勢空間變化Fig.5 Spatial variation of Sen trend in typical basin entering the sea in Beibu Gulf

表1 2000—2017年北部灣入海典型流域NPP趨勢變化統計Table 1 Statistics of NPP trend changes in typical basins entering the sea of Beibu Gulf from 2000 to 2017

3.2.2 NPP未來變化趨勢

從圖6可以看出，北部灣入海典型流域NPP的Hurst指數范圍為0.20973—1，平均值為0.7919，Hurst指數大于0.5比重較大，持續性序列占區域整體的NPP百分比為97.19%，反持續性序列所占百分比僅為2.81%。Hurst指數正態空間分布特征表現為單峰右偏趨勢，表明北部灣入海典型流域NPP總體上呈持續性改善趨勢。由圖7可以看出，研究區總體上以持續性序列分布為主，集中連片分布。大部分以強持續和弱持續性分布為主，分別占研究區的67.22%和35.97%，而反持續分布的比例較少；丘陵地帶持續性特征大于反持續性序列特征，研究區中部持續性相對較大。反持續性序列呈零星分布，主要分布于研究區的十萬大山南麓、欽江上游和南流江流域的中下游部分區域。總體而言，北部灣入海典型流域NPP在呈現持續性改善態勢，且未來北部灣入海典型流域 NPP變化將呈現持續性增加趨勢。

圖6 Hurst指數正態分布Fig.6 Normal distribution diagram of Hurst index

圖7 Hurst指數空間分級Fig.7 Spatial classification of Hurst index

3.3 NPP驅動力因子

3.3.1 氣象因子特征及其空間分布格局

圖8為北部灣入海典型流域2000—2017年的氣溫和降水時間變化特征圖，由圖可知，多年平均氣溫呈現出不顯著下降趨勢，變化率為?0.0004·a?1，其值介于 21.98—22.99 ℃之間，多年平均氣溫為 22.63 ℃，其中年均氣溫在 2015年達到最高值，最小值出現在 2011年，氣溫整體呈現下降趨勢，年均溫變化浮動不大。而多年平均降水量也呈現出下降趨勢，變化率為?2.493·a?1。多年降水量的年際變化幅度較大，其值在 1208.67—2627.43 mm之間波動，多年降水量平均值為1953.50 mm，其中，2001年降水量最大，2017年最小。由多年氣溫和降水量的均值空間分布特征（圖9）可以看出，研究區多年平均氣溫空間分布呈現明顯的地域分異規律，氣溫由西部南部向北呈現遞減趨勢，氣溫較高的區域主要集中分布于研究區的西部和南部地區，北部及西北區域受地形因素影響，海拔相對較高，氣溫較低。北部灣入海典型流域屬于南亞熱帶季風性濕潤氣候區，年均降水量降水分布不均，其中，南流江流域降水由西南向東北遞減，玉林市地區為降水量的低值區；北部灣沿海區域主要受海洋暖濕氣流和天氣系統影響，降雨量大。

圖8 研究區多年氣溫（t）和降水（R）變化特征Fig.8 Variation trend and spatial distribution of mean value of multi-year temperature (t) and precipitation (P) in research area

圖9 研究區多年氣溫和降水變化均值空間分布特征Fig.9 Variation trend and spatial distribution of mean value of multi-year temperature and precipitation in research area

3.3.2 NPP與氣象因子的關系

研究區 NPP與氣溫和降水的密切關系表現出顯著的空間差異性特征（圖10）。NPP對氣溫的偏相關系數介于?0.9019—0.97368之間，其中，正相關所占的區域為76.56%，而負相關所占的區域僅為23.44%。正相關區域主要分布于研究區的西部、中部以及東北部流域，負相關區域主要散布在南流江流域河道附近，其他流域零星分布少許。NPP與降水的偏相關系數介于?0.95877—0.86439之間，其中NPP與降水的相關系數以負相關為主，所占比例高達82.16%，其中，呈正相關區域主要分布在茅嶺江流域、江平江流域以及欽江流域，南流江流域和其他河流流域零星分布；而負相關區域主要分布于研究區的西北部、中部以及東北區域，尤其是南流江、北侖河以及大風江流域。

圖10 研究區NPP與氣溫和降水的偏相關系數Fig.10 Partial correlation coefficient between NPP and temperature and precipitation in the study area

3.3.3 不同土地利用類型對NPP的影響

流域NPP的變化不僅受氣候變化的影響，同時人類活動對凈初級生產力也產生著巨大影響。不同的土地覆被類型其植被光合作用能力具有不同的強度，NPP也存在著差異。以2000、2005、2010和2015年為時間尺度，分別統計北部灣入海典型流域不同土地覆被類型的NPP值（表2），估算研究區在不同覆被類型中的NPP。由表2可知，2000—2015年林地、耕地、灌叢、濕地4種覆被類型NPP逐年增加，均呈增加趨勢；草地覆被類型NPP增長幅度較為緩慢，呈較穩定波動狀態；其他覆被類型的NPP呈減少趨勢。從不同覆被類型NPP均值看，林地的NPP最高，為747.31 g·m?2·a?1，灌叢次之，其他用地主要包括建筑用地、未利用土地等，植被覆蓋度低，且多為混泥土和水泥等材料的不透水層，僅能產生小部分 NPP，故 NPP 最小，為 232.22 g·m?2·a?1。總體而言，各土地覆被類型NPP平均值大小依次為林地>灌叢>耕地>草地>濕地>其他用地。

表2 北部灣入海典型流域不同覆被類型的NPP平均值Table 2 Average NPP of different covering types in typical basins entering the sea of Beibu Gulf g·m?2·a?1

3.3.4 不同海拔梯度對NPP的影響

根據研究區的地勢地貌及實際的海拔情況，選取2000、2005、2010和2015年4個時間段分析不同海拔梯度效應下NPP分布情況。由表3可以看出，2000—2015年，NPP平均值在海拔梯度效應上均呈現出先增加后減少的趨勢，變化的閾值在800 m左右，大于800 m閾值后，NPP呈現出下降趨勢。其中，第三梯度（低山500—800 m）地區的多年年均 NPP 最高，其值為 865.89 g·m?2·a?1，而第一梯度（低丘陵<250 m）的多年年均NPP最小，其值為 500.62 g·m?2·a?1。從時間尺度上來看，2000—2015年，第一（低丘陵<250 m）和第二（高丘陵250—500 m）梯度隨著時間的推移，NPP均呈現出增加趨勢，而在第三（低山500—800 m）和第四（中山>800 m）梯度的NPP呈現出波動增加趨勢，其轉折點在2010年。

表3 北部灣入海典型流域NPP海拔梯度差異Table.3 Altitude gradient difference of NPP in typical basins entering the sea in Beibu Gulf g·m?2·a?1

3.3.5 不同坡度梯度對NPP的影響

根據水利部頒發的水力侵蝕坡度的分級標準，并借助 ArcGIS對坡度進行重分類，將北部灣入海典型流域的坡度劃分為6個等級。由表4可知，急坡的 NPP 值最大，其平均值為 905.10 g·m?2·a?1，其次為陡坡的 NPP，其平均值為 887.06 g·m?2·a?1，而緩傾斜坡的 NPP值最小，其平均值為 454.95 g·m?2·a?1。由表可知，研究區的 NPP 并不是隨著坡度的增加而增加，NPP在35°的坡度出現明顯的閾值效應，大于35°之后，NPP呈現出下降趨勢。從所占比例來看，緩傾斜坡的NPP所占面積最大，其面積為13449.44 km2（71.87%），其次為斜坡，NPP面積為2288.38 km2（12.23%），急陡坡的NPP所占比重最小，僅為 4.88 km2（0.03%）。急坡、陡坡和急陡坡的 NPP平均值較高主要是植被比較茂盛，受人類活動的影響較輕；緩傾斜坡、中等斜坡和斜坡的坡度小于 25°，主要為城鎮用地和農作物用地等，NPP值相對較小。

表4 北部灣入海典型流域坡度梯度差異Table 4 Gradient difference of slope in typical Basins entering the sea in Beibu Gulf

4 討論

4.1 CASA模型估算結果

本研究利用MODIS13Q1產品時間序列數據，結合氣象數據、土地利用類型數據、DEM數據分析了北部灣入海典型流域 NPP時空變化特征及影響因素，結果表明，本研究估算的多年 NPP平均值為543.09 g·m?2·a?1，小于 2001—2010 年間廣西植被的多年 NPP 平均值（662 g·m?2·a?1）（周愛萍等，2014）和廣東2000—2007 年的NPP 平均值（774 g·m?2·a?1），大于全國的 NPP 平均值（324 g·m?2·a?1）（朱文泉等，2007a）。由于不同學者所采用的模型驅動數據及其分辨率存在差異，因此所計算的植被NPP結果必然有所區別，同時不可避免地存在一定偏差。從多年NPP平均值的空間分布（圖4）可以看出，NPP高于1200的區域主要分布于十萬大山周邊，該地區植被生長旺盛，大部分為原始森林地區，該值與周愛萍等（2014）計算的2001—2010年NPP平均值空間分布保持一致，該文認為NPP的最高值分布在桂南和桂西南，特別是十萬大山、西大明山等地NPP平均值較高的主要原因是由于該區域位于北熱帶季雨林分布區。從植被NPP年際變化速率可知，北部灣入海流域植被NPP呈逐年持續增加趨勢，NPP增速（8.83 g·m?2·a?1）大于南流江 NPP 增速（4.40 g·m?2·a?1）。其研究結果與田義超等（2019）關于南流江流域NPP的變化趨勢保持一致，只是其增加的速度是南流江流域的2倍左右，這可能與北部灣入海流域不同地區所處的地理位置及氣候類型有一定關系。

4.2 NPP的影響因素

很多研究表明，降雨是控制植被變化的主要因素，如Alessandri et al.（2008）采用相關數理統計方法定量化評估了陸地的季節性植被動態和降水年際異常的關系，得出植被對降水的變化比氣溫敏感。信忠保等（2007）發現中國黃土高原地區的植被對降水有著敏感的響應，認為降水對該地區的植被空間分布起著決定性作用。索玉霞等（2009）發現中亞地區植被受降水的影響明顯大于氣溫，年降水量尤其是春季降水是中亞地區植被生長的主要限制因子。但是不同的地區氣候因素具有空間差異性，植被變化對降水和氣溫響應的滯后時間也不一致，氣候類型的差異以及空間異質性特征有可能導致氣溫成為控制植被變化的關鍵性因子。上述研究結果中的黃土高原地區和中亞地區的氣候類型分別屬于半干旱大陸性季風氣候區以及典型的溫帶沙漠、草原的大陸性氣候，植被的變化主要受到降水的因素控制，然而本研究區中的氣候類型屬于南亞熱帶氣候類型，該地區的植被NPP對氣候因子響應特性則與上述兩個地區有所不同。由本文的研究結果可知，氣候因子中的溫度與NPP呈正相關關系，正相關區域占76.56%，與年均降水量呈負相關關系，負相關區域高達 82.16%，表明北部灣入海典型流域 NPP與氣溫影響顯著，植被的生長主要依賴于區域內的光熱條件，氣溫是NPP生長的主導因素。該觀點與田義超等（2016）年關于北部灣沿海地區NDVI的控制因素相同，氣候因子中的氣溫對植被的平均滯后時間小于對降水的滯后時間。

除氣候因子對NPP產生重要影響之外，坡度和海拔也會對NPP產生重要的影響。根據Chen et al.（2007）年的研究結果可知，地形因子顯著地影響NPP的空間分布格局，該文強調了地形因子中的海拔和坡向對 NPP空間變化的作用，隨著海拔的升高，NPP呈現出增加趨勢，但是到達1350 m之后，NPP隨著海拔的升高則呈現出下降趨勢。本研究結果認為，影響北部灣地區 NPP變化的高程閾值在800 m左右，大于800 m閾值后，NPP呈現出下降趨勢，這個與廣西的地形地貌以及山地的空間分布格局有關，研究區處于中國第二臺階中的云貴高原東南邊緣，山地和丘陵分布廣泛，尤其是該地區的十萬大山地區，主峰蒔良嶺高達 1462 m，是桂南地區的最高點，該地形特征對NPP的空間分布必然產生重要的影響（蘇宗明，1998）。此外，坡度因素也是影響 NPP的另外一個因素，由周愛萍等（2014）的研究結果可知，坡度小于5°NPP隨著坡度的增加而增加，但是大于 5°之后 NPP隨著坡度的增加而呈現出減少趨勢，這與本研究的研究結果有所差異。本研究結果認為NPP在35°的坡度出現明顯的閾值效應，大于35°之后，NPP呈現出下降趨勢，這與本文所處的地理位置有關。從本研究區西部的十萬大山到東部的六萬大山，山體陡峭，坡度變化劇烈，這也可能是導致 NPP的閾值集中在35°左右的原因之一。

4.3 CASA模型的不確定性及未來研究方向

本研究采用 CASA模型對北部灣入海河流的NPP進行了定量化評估，但是應該注意到，本研究采用的氣象數據是廣西及其周邊的 40個氣象站點數據，隨后本研究采用了GIS中的插值方法生成了估算NPP的相應月值柵格數據，但是由于廣西地形地貌變化復雜，其插值結果在一定程度上存在著一定的不精確性，導致NPP估算模型的參數受一定程度的精度影響。因此，未來研究中應該采用混合插值方法，將地形因子引入到氣溫和降水的插值算法中，這樣可為NPP的精確化評估提供重要保障。此外，由于本研究在進行CASA模型的估算時，采用的空間分辨率是250 m，其他數據源全部經過重采樣工具變換為250 m的尺度，數據在轉換的過程中可能導致模型的估算精度受到一定的影響。

本研究雖然采用了偏相關分析方法定量性描述了研究區NPP與氣溫、降水因子的相關性，但是未能定量化揭示NPP與氣候因子（如降水和氣溫）之間的響應特性，未能定量化揭示降水和氣溫對 NPP的影響時滯問題。此外，由于植被NPP中的另外一個重要的參數是太陽輻射，大部分學者在研究氣候因子和NPP之間的關系時，主要側重于降水和氣溫對NPP的影響，未來應該將太陽輻射因子加入到驅動力因素中，采用相關的定量化模型揭示降水、氣溫和太陽輻射對NPP的貢獻比率，這方面的研究是以后的重點研究方向。

5 結論

（1）北部灣入海典型流域多年月均 NPP介于8.50—95.86 g·m?2（以 C 計，下同）之間，呈倒“V”型單峰分布特征，8月NPP達到全年最大，其值為100.25 g·m?2·a?1；2 月最小，其值僅為 6.92 g·m?2·a?1；年際變化上，流域NPP年際變化總體呈現波動上升趨勢，增速為 8.83 g·m?2·a?1，快于廣西自治區 NPP平均值增長速率（0.001 g·m?2·a?1）。

（2北部灣入海典型流域NPP分布規律呈現明顯地域分異規律，NPP高值區主要位于研究區西南部的十萬大山南麓，低值區散布在欽江流域河道附近、南流江上游的中部以及下游的西南部地區。流域內 NPP總體上呈現改善的趨勢，改善區域面積（14088.19 km2）顯著大于退化區域的面積（4625.44 km2），NPP增加區域是減少區域的3.05倍。

（3）北部灣入海典型流域植被Hurst指數平均值為 0.7919，持續性序列占區域整體的 NPP百分比為97.17%，流域Hurst指數正態分布圖呈現單峰右偏趨勢，表明北部灣入海典型流域的NPP未來將呈現出持續增加的趨勢。

（4）研究區 NPP與多年平均氣溫呈正相關關系，與多年平均降水量呈負相關關系，氣候因子中的氣溫是NPP空間分布的主要控制因素。