太湖流域植被NPP時空特征及其驅動因素研究

周益，陳德超，，張委偉，余成，

(1.蘇州科技大學 環境科學與工程學院，江蘇 蘇州 215009；2.蘇州科技大學 地理科學與測繪工程學院，江蘇 蘇州 215009)

0 引言

陸地生態系統是人類賴以生存的物質基礎，而植被在陸地生態系統中扮演著重要的角色，直接影響全球的物質流動和能量循環[1]。作為地表碳循環的重要組成部分，植被凈初級生產力(net primary productivity，NPP)是指單位時間和單位面積內綠植通過光合作用產生的有機物質總量減去自養呼吸后的剩余部分[2]。NPP不僅直接反映了自然環境條件下植被群落的生產力水平，也是用來判斷全球各個生態系統中碳源/匯和調節生態變化過程的主要影響因子，在全球經濟、氣候變化及碳質量平衡的研究中起著重要的作用[3-5]。

國內外對植被NPP的研究主要集中在基于模型的植被NPP估算與探究其背后的驅動因素等方面[6-13]。李輝等[14]分別用CASA模型和Thornthwaite Memorial模型計算了ANPP(annual NPP)、PNPP(potential NPP)以及HNPP(human NPP)，分析了內蒙古草地1982—2015年的NPP動態變化；Martinez等[15]研究了各土地利用類型變化導致的智利NPP動態變化；Azhdari等[16]調查研究了氣候變化對伊朗南部縣城植被NPP的影響。

近年來，大量學者以國家、省域等[17-22]作為研究尺度，對植被NPP進行了相關研究，而流域作為特殊的地理單元，是區域生態研究的焦點[23]。在區域尺度上，國內學者的研究主要集中在高海拔地區[24-25]、長江流域[26-27]以及西北干旱地區[28-30]。太湖流域作為長三角地區的經濟中心之一，已有研究僅圍繞太湖流域植被NPP的模型估算、土地利用變化及城鎮擴張對太湖流域植被NPP的影響[31-32]，只考慮到人為因素，忽略了自然因素在其中的作用，且對太湖流域植被NPP時空尺度上的研究尚有不足。由于區域植被NPP的變化受氣候、地形和人類活動等的眾多協同作用，以往研究多側重其中一個因素對植被NPP的影響，未能綜合考慮多個因素對植被NPP的相對貢獻，因此不能清楚闡明太湖流域植被NPP變化的響應機制。本研究采用MOD17A3HGF數據對流域2000—2019年的植被NPP時空變化特征及其驅動因素作出定量分析，研究結果有助于理解氣候變化及人類活動對植被生長的影響機制，對太湖流域的生態建設及可持續發展具有一定意義。

1 研究區域與方法

1.1 研究區域概況

太湖流域地處長江三角洲南部，年均氣溫15～17 ℃，年均降水量1 177 mm，水熱資源豐富。流域地勢平坦低洼，西部多丘陵、多常綠樹木，自然植被構造及類型從北向南漸趨復雜。鑒于數據可獲取性，選取蘇州、無錫、常州、湖州、嘉興、杭州(部分地區)以及上海市(不包括崇明島)7個城市作為研究區域，如圖1所示。

圖1 研究區域2018年土地利用及位置圖

1.2 數據來源

植被NPP數據來自于美國NASA(National Aeronautics and Space Administration)官網(https：//modis.gsfc.nasa.gov/)，空間分辨率500 m。本研究使用的太湖流域20年植被NPP數據質量中、高等級(0～60%)多年平均可信度達到95.4%，數據整體質量較好，具有較高的可靠性。運用MRT(MODIS reprojection tools)軟件對原始數據進行格式轉換和重投影后，再按掩膜提取出太湖流域的植被NPP數據，去除無效值、乘以縮放因子。

氣象數據來自于國家科技基礎條件平臺—國家地球系統科學數據中心(http：//www.geodata.cn)的中國1 km分辨率逐月降水量數據集和逐月平均氣溫數據集，數據為nc(NETCDF)格式，用MATLAB軟件讀取數據并進行格式轉換，最終生成2000—2019年太湖流域年降水和年均溫分布圖。

土地利用數據來自中國多時期土地利用/土地覆蓋遙感監測數據庫，空間分辨率30 m。在ArcGIS里進行預處理后根據中科院土地利用/覆蓋分類體系將地表覆蓋類型大致分為耕地、林地、草地、水域、建設用地和未利用地6種土地類型。

2 研究方法

2.1 Theil-Sen趨勢分析和Mann-Kendall檢驗

Theil-Sen趨勢分析結合Mann-Kendall檢驗常用于長時間序列數據的趨勢分析和判斷中[33]。當趨勢值>0或<0時，NPP隨時間變化分別呈現上升和下降趨勢。檢驗過程中，在給定的顯著性水平α下，若值Z

2.2 相關性分析

相關性分析可以用來反映多個要素之間的相關程度及方向，本研究采用Pearson相關系數法，基于MATLAB軟件逐像元計算太湖流域植被NPP與氣溫、降水的相關系數，并用T檢驗對偏相關結果進行檢驗。

2.3 Hurst指數分析

Hurst指數可以體現時間序列的自相關性，尤其反映序列中隱藏的長期趨勢[34]。如果0.5

2.4 地理探測器

地理探測器是探測要素空間變異性及揭示其背后驅動力的有效工具[35]。自變量對因變量影響的解釋力用q值表示，q值區間在[0，1]，值越大，解釋力越強。本文分別選取地理探測器四個研究模塊中的因子探測和交互探測的結果來定量判別單因子作用下和雙因子共同作用下驅動因子對NPP的貢獻率。

3 結果與分析

3.1 植被NPP時空變化特征

太湖流域年均植被NPP在研究時間段內呈波動上升趨勢，最大值出現在2019年，最小值出現在2002年和2003年?？侼PP值范圍在0.143 6～0.116 8 Tg/a(1 Tg=1012g)之間，變化趨勢同年均NPP。

太湖流域植被NPP空間分布差異顯著。如圖2所示，對年均NPP進行重分類，植被NPP小于200 gC/(m2·a)、大于800 gC/(m2·a)的面積分別占流域總面積的0.4%和0.8%，極小值零星分布在城市中心邊緣，極大值則集中分布在湖州和杭州的西南方向，該區域主要是海拔一千多米的丘陵山地，植被覆蓋茂密且降水量多；NPP在400～600 gC/(m2·a)之間的區域分布廣泛，占總面積的66.2%，土地利用類型多為耕地、林地和草地，植被保護良好；NPP值在200～400 gC/(m2·a)的區域占21.2%，主要分布在常州、蘇州、杭州和湖州的主城區邊緣，土地利用開發強度大，植被破壞嚴重；600～800 gC/(m2·a)的區域占11.5%，位于上海東部及湖州和杭州西南側的低海拔丘陵，除水熱條件好，植被覆蓋度高的原因外，城市生態發展也是造成植被NPP值高的一大原因。

圖2 年均NPP分布圖

3.2 植被NPP變化趨勢及顯著性分析

流域植被NPP趨勢值范圍在-32.63～30.75，呈下降和上升趨勢的區域面積分別占總面積的31.8%和68.2%，表明太湖流域植被NPP總體上處于增長趨勢，與上述隨時間變化的統計結論相同。

根據Sen趨勢分析和Mann-Kendall檢驗結果，將研究區分為極顯著上升/下降區(P<0.01)、顯著上升/下降區(P<0.05)、弱顯著上升/下降區(P<0.1)和無顯著上升/下降區共8類，如圖3所示。植被NPP下降區(除無顯著下降)占總面積的15.9%，主要分布在流域東側的上海、蘇州、嘉興東部及湖州近太湖區域，這些地區多集中市區周圍，地勢平坦、土地利用開發強度大，同時具有一定的生態破壞和環境問題；植被NPP上升區(除無顯著上升)占總面積的45.5%，主要分布在無錫、常州、湖州、杭州的西部以及嘉興中西部地區，這些區域位于西部丘陵河流水生態保護區內，多為丘陵草地，生態工程建設力度大，土地開發受到限制，生態環境保護良好。

圖3 植被NPP顯著性

3.3 植被NPP Hurst指數及未來趨勢預測

流域19年間的NPP Hurst指數在0.18～0.96之間，將結果等分為4個等級，如圖4所示。其中強反持續、弱反持續、弱持續和強持續的比例分別占0.2%、57.5%、41.0%和1.4%，說明太湖流域植被NPP未來趨勢總體上是反持續狀態且大部分區域表現弱反持續性，即未來與過去的變化趨勢相反?？臻g分布上，弱反持續性和弱持續性大致分布在流域的南北兩側，強持續性分散在蘇州、無錫、常州及上海的中心城區，而強反持續性則零星分布在流域的中西部地區。

圖4 植被NPP未來趨勢分布圖

為了更好地探究太湖流域植被NPP的未來變化趨勢，將Sen趨勢結果和Hurst指數分級結果在ArcGIS里疊加后進行耦合分析，最終產生了12種情形，如圖5所示。

圖5 植被NPP變化趨勢持續性分布圖

其中，植被NPP未來呈現持續增長的區域占研究區的26.7%，高于未來持續下降的占比(15.7%)。持續增長區域主要分布在流域北部的蘇州、無錫、常州等地，持續下降區域則主要分布在蘇州、無錫、常州和上海等少部分地區。植被NPP未來呈現反持續下降的區域遠小于反持續上升區域(16.1%<41.5%)。結合圖4與圖6，處于上升趨勢的中西部地區以反持續為主，表明該區域的植被NPP未來可能會出現減少的態勢，而以顯著下降趨勢為主的東部上海等地未來呈現出反持續性，這可能得益于近年來城市園林綠化的有效管理，以及人們生態環保意識的加強。總體說，太湖流域植被NPP未來會呈以反持續為主的微弱增加，即NPP可能會有所減少。

圖6 植被NPP與降水、植被NPP與氣溫的相關性

3.4 植被NPP驅動因素

1)植被NPP與氣象因子的相關性分析。植物的生長與分布由氣候因子通過氣溫的變化與降水機制共同作用[36]。本文通過對2000—2019年流域植被NPP與年均溫、年降水逐像元的相關性分析，探究溫度和降水對植被NPP的影響。

流域2000—2019年年均氣溫的變化范圍在15.84～17.03 ℃，呈不顯著上升趨勢；年降水量在940.34～1 337.34 mm，呈顯著上升趨勢。受季風氣候影響及垂直地帶性分異規律，浙江的湖州、杭州、嘉興多為丘陵山地，降雨量較其他城市多，同時降水量呈現出從東北向西南方向逐漸遞增的空間分布特征；氣溫變化在空間上分異不明顯，除西南方向的少量山地由于海拔原因氣溫較低外，其他區域基本無變化。

植被NPP與年降水的偏相關系數在-0.70～0.78，正相關與負相關區域分別占流域總面積的74.3%和25.7%；與氣溫的偏相關系數介于-0.79～0.81，正相關區域占72.3%，負相關區域占27.7%。從圖6可以看出，植被NPP與氣溫和降水的相關性在空間上沒有顯著差異，大部分面積呈不顯著正相關(66.1%和72.3%)，但氣溫對植被NPP的影響顯著區域(7.5%)大于降水(2.1%)，總體上氣候變化促進了太湖流域的植被NPP生長但影響效果不明顯。

2) 土地利用變化對植被NPP的影響。人類活動對NPP的影響主要體現在土地利用方式的改變上[37]。據統計，太湖流域2000年的耕地面積為20 308.92 km2，占流域總面積的58.21%，2000—2018年間耕地面積持續減少，2018年占比為43.62%，共減少了14.59%。伴隨耕地面積的減少，建設用地面積也在不斷擴張，2000—2018年間共計增加建設用地面積7 722.41 km2，占總面積的22.13%。

通過對6類土地利用類型相互轉化過程中的NPP值進行面積加權，得到太湖流域2000—2018年土地利用變化過程總NPP損益矩陣表(表1)。

表1 太湖流域2000—2018年不同土地利用轉換下的NPP損益矩陣表 t/a

由表1可知，2000—2010年，土地利用類型不變部分整體上帶來了0.57 TgC的NPP損失和0.17 TgC的NPP增加，凈損失0.4 TgC；在氣候、土地利用變化的共同影響下，NPP總量損失0.61 TgC、增加0.04 TgC，凈損失0.57 TgC。其中耕地轉建設用地造成的NPP損失占到變化部分總損失的68.9%，未利用地轉建設用地次之，達到24.6%，其余用地轉向城市用地造成的NPP損失占損失總量的6.5%。耕地、林地和未利用地的轉出在植被NPP流失環節中占了絕大部分的比重。在城市化進程中，以林地和耕地等為代表的城市植被景觀快速轉化為城市用地，是造成植被NPP大量流失的重要原因之一，城市化、退耕還湖政策和氣候變化等多方面的因素共同造成了植被NPP的大量流失。2010—2018年，土地利用類型不變部分植被總NPP共增加了1.7 TgC；在氣候、土地利用類型變化及其他因素的共同影響下，植被總NPP增加0.1 TgC，總增加量為1.8 TgC，未產生植被NPP的大量流失，雖然伴有土地利用類型間的轉化，但整體仍表現出增加趨勢。研究結果與前人對中國東部植被覆蓋變化的驅動因素研究結果一致。

3.5 因子探測結果

本文分別從自然和人為兩方面選取了降水、氣溫、人口密度和土地利用4個因子，利用地理探測器方法對太湖流域植被NPP變化趨勢的驅動機制進行深入探究。就單因子而言，如圖7所示，對太湖流域植被NPP影響最大的是土地利用因子，且其影響力逐年增加，是驅動流域植被NPP變化的主導因子，其次是降水、人口密度和溫度。

圖7 植被NPP單因子探測結果

根據表2中的研究結果顯示，雙因子交互作用下的q值遠遠大于單因子作用的q值，這也說明雙因子交互作用對植被NPP的解釋力更強。根據q值大小對探測結果進行排序，如表2所示，4個年份內起主導作用的雙因子均為該年份主導的單因子與另一個影響因子的組合。2000年以土地利用∩人口密度(0.244 3)的交互作用為主導，2005年、2010年、2015年均以土地利用∩降水(0.266 2、0.355 9、0.343 6)的交互作用為主導。且2000年、2005年的雙因子作用大部分為非線性增強作用，2010年、2015年則以雙因子增強作用為主。

表2 植被NPP交互作用探測結果

4 結束語

針對太湖流域2000—2019年植被NPP的變化趨勢及驅動因素識別，采用趨勢分析、相關性分析及地理探測器等方法對其進行深入研究，結果有望為流域未來城市發展及土地規劃提供科學依據。主要結論如下。

1)太湖流域2000—2019年植被NPP多年均值隨時間變化呈波動上升趨勢，在空間分布上表現為西南高、中東部低的格局。高值區主要分布在低山丘陵密集的湖州、杭州西南角，高值區則分布在蘇州、無錫、常州以及湖州、杭州中心城區周圍。

2)植被NPP的空間變化趨勢地域性差異特征顯著，表現出下降和增長趨勢的區域面積分別占總面積的31.8%和68.2%，總體上處于增長趨勢。從Hurst指數分析結果看，太湖流域植被NPP的未來生長趨勢大部分表現為弱反持續性，即未來與過去的變化趨勢相反。結合趨勢與持續性結果，未來太湖流域的植被NPP可能會呈現以反持續性為主的不顯著上升，即緩慢下降。

3)驅動因素上，流域氣溫和降水的變化對植被NPP的生長影響不明顯，大部分地區為不顯著正相關。流域植被NPP在2000—2010年之間大幅減少，近年來大力提倡的建設生態文明城市有效促進了資源能源節約和環境保護，這也促使植被NPP在2010—2018年間總量呈現出不斷上升的趨勢，但整體仍為減少的態勢。這說明植被NPP不斷流失的原因與土地利用變化有很大的關系。

4)地理探測器探測結果顯示，土地利用因子在單因子驅動中為主導因子，對植被NPP因子的解釋力最強，且雙因子共同作用的結果較單一因子對植被NPP的驅動作用更顯著。其中，土地利用∩降水的雙因子增強作用是驅動植被NPP的主導作用。