2000—2019年洞庭湖流域植被NPP時空特征及驅動因素分析

朱思佳， 馮徽徽， 鄒 濱， 葉書朝

(中南大學地球科學與信息物理學院，長沙 410083)

0 引言

植被生產力[1]包括總初級生產力(gross primary production，GPP)和凈初級生產力(net primary production，NPP)，是植被通過光合作用實現光能向化學能的轉化并為自身及異養生物提供有機物的能力，也是維系生態系統運行與發展的核心參數[2]。明晰植被NPP的時空分布特征及其影響因素是精準掌握區域生態系統狀態、制定科學的生態規劃與管理的重要依據，因而成為陸地生態系統研究的核心內容之一[3]。

傳統NPP監測主要依托地面站點開展，雖然精度較高，但空間代表性弱，只能反映站點周圍的植被生產效率，在區域大范圍監測中受到較大限制[4]，隨著遙感技術的發展，全球與區域大范圍NPP遙感估算模型取得系列研究成果[5-8]，模型精度逐漸提升。依托不同監測方法，目前已有大量研究揭示了全球[9-10]及區域[11-13]尺度下NPP的時空特征。

NPP影響因子較多，主要包括氣象因子(降水、氣溫等)、土壤條件、植被生理特性[9]等。光合作用“原料”之一為水，植物細胞內的自由水決定著植被代謝活動的強度，自由水含量越高代謝活動越旺盛[14]。溫度對植物的影響主要在于植物的生理及生化過程都需要在適宜的溫度下進行，適當的升溫能夠加快生長發育、降溫會延緩生長發育，但極端的低溫或高溫都會對植物的正常生長造成阻礙，更甚者會造成植物死亡[15]。土壤條件、植被生理特性等因子深刻影響了植被對外界物質和能量的吸收方式與強度，進而對植被NPP產生重要影響[9]。此外，不同因子對植被NPP的影響并不是單一獨立的，而是在地球復雜巨系統框架下呈現復雜的交互作用[9,16]，導致精準解析NPP影響因子依然面臨較大不確定性，這也是陸地生態系統研究中的重要內容。

洞庭湖流域是我國重要的長江集水蓄洪和生態區，其植被變化特征不僅影響了區域生態系統結構與質量，同時也會對長江流域生態環境產生顯著影響，但該區域目前相應研究成果不足，分析洞庭湖流域植被NPP時空特征及其驅動因素具有較重要的理論與實踐意義。鑒于上述問題，本文基于2000—2019年MODIS NPP數據產品，分析了20 a間洞庭湖流域NPP時空變化特征，并在此基礎上結合流域氣象與地表特征，利用地理探測器定量探究NPP驅動因素及因子間交互作用。研究結果有助于準確把握洞庭湖流域生態系統生產更新能力變化特征，并為生態保護與恢復政策的制定提供科學決策依據。

1 研究區概況與數據源

1.1 研究區概況

洞庭湖流域(N24°39′～30°24′，E107°16′～114°14′)主要包含湖南省大部及周邊六省(市區)部分地區(圖1)，處于亞熱帶季風氣候帶，多年降水量均值約為1 437 mm，平均氣溫為17 ℃，是長江重要的集水和蓄洪區[17]。研究區東部整體地勢較低，高海拔地區主要分布在中西部山地，呈西北-東南走向。流域內植被以常綠闊葉林為主，兼有混交林、灌木、草地等類型。2000—2019年，該地區耕地面積增加明顯(約4 129 km2)而林地、草地有一定程度減少，分別為1 491 km2和2 911 km2。

圖1 洞庭湖流域地理位置Fig.1 Location of the Dongting Lake basin

1.2 數據源及預處理

本文基于遙感與地面多源數據，開展洞庭湖流域NPP時空特征及其驅動因子研究，數據說明如下：

1)NPP數據。本文采用2000—2019年的MOD17A3HGF數據集作為植被NPP的數據源(https: //e4ftl01.cr.usgs.gov/)，該數據集能夠提供通過光能利用模型估算得到的500 m分辨率的年凈初級生產力信息，是MOD17的改進版本產品，清除了8 d合成LAI/FPAR質量差的輸入，較前版精度有所提升。根據MOD17A3HGF數據集質量控制數據(Npp_QC)可以得到在洞庭湖流域研究時相內NPP反演產品中、高等級20 a平均可信度高達97.04%，具有一定可靠性。

2)氣象數據。主要包括降水及氣溫數據，用于研究NPP氣象驅動因子分析。數據來源于國家資源環境與數據中心(http: //www.resdc.cn/Default.aspx)，由全國氣象站日氣象數據經整理、插值等形成年均結果，空間分辨率為1 km。

3)土地利用數據。該數據主要用于分析不同用地類型NPP的空間差異性，數據來源于2001—2019年MODIS MCD12Q1數據集，該數據集包括5個分類產品，本文采用其中IGBP分類規則產品。

4)數字高程模型數據。數據由資源環境與數據中心發布的90 m STRM(shuttle Radar topography mission，SRTM)裁剪得到。

本文數據來源不一，數據格式差異較大，因此，本文將所有數據統一到WGS84 UTM投影，并重采樣至1 km分辨率。

2 研究方法

為探討洞庭湖流域NPP時空變化特征及其影響因子，本文首先采用地理信息系統時空分析方法分析NPP時空趨勢，并采用重心模型等方法，研究NPP聚集效應及其遷移規律。在此基礎上，利用相關性分析方法，分析了NPP與氣象、地表參數的整體相關關系，最后采用地理探測器等方法，定量解析各驅動因子對NPP時空差異性的解釋程度及其交互作用。

2.1 趨勢分析

本文綜合采用Theil-Sen Median與Mann-Kendall方法研究洞庭湖流域NPP長時序變化趨勢[18]，其計算公式為：

(1)

式中：median()為求中位數函數；β為變化趨勢檢測因子，若β>0，則植被NPP表現為增加趨勢； 若β<0，則植被NPP表現為減少趨勢;n為研究期數。進一步對β值采用Mann-Kendall方法檢驗其顯著性，公式為：

(2)

(3)

(4)

(5)

式中:sgn()為符號函數;var()為求方差函數;S為檢驗統計量;Z為標準化檢驗統計量。檢驗結論為： 若|Z|≥1.28，1.64，2.32則分別表示該結果通過了置信度為90%，95%，99%的顯著性檢驗，指導意義分別為無明顯變化、顯著變化、極顯著變化。

2.2 重心模型

重心是一個物理概念，表征物理受力平衡點的所在位置，在地理學中同樣可以引入該概念用以對環境因子或人為影響在空間上“偏向”情況[19]進行描述。其計算公式如下：

(6)

(7)

2.3 地理探測器

地理探測器集成了探測因子驅動力的多種統計學方法，交互友好，使用方便，在地理環境或人為因素探測中得到廣泛應用[20]。地理探測器中包含因子探測、風險探測、交互作用探測及生態探測4個模塊，通過地理探測器的分析能夠實現對多個影響因子對研究變量影響程度及因子間交互作用關系的研究。其中，因子探測及交互作用探測模塊被廣泛應用于地理現象與過程的驅動因子解析研究，具體原理如下：

1)因子探測。該模塊能夠檢驗研究變量的空間分異性，也能對影響因子之于研究變量的影響程度進行估計，結果以q值表達，公式為：

(8)

式中：h為某一解釋數據范圍；N，Nh分別為整體數據總量及某類解釋數據量；σ，σh為整體數據及某類解釋因子的標準差。q的取值位于0～1之間，數值越大表明解釋因子對研究變量的驅動性越強，地理探測器結果中還會給出有關q值的顯著性F檢驗結果。

2)交互作用探測。該模塊用于探測解釋因子間的交互作用會對研究變量產生怎么樣的結果，通過比較解釋因子單獨的q值與交互作用下q的相對大小分為非線性減弱、單因子非線性減弱、雙因子增強、獨立和非線性增強5種結果。對應關系如表1所示。

表1 地理探測器交互作用Tab.1 Interaction of GeoDetector

3 結果分析

3.1 洞庭湖流域植被NPP時空變化特征

2000—2019年洞庭湖流域地表覆蓋變化較為明顯，如表2所示，表中，和分別表示某用地類型面積較上一年呈增加或減少態勢。在此背景下，流域NPP空間分布如圖2所示，其多年平均值為0.65 kgC/(m2·a)，總體處于中等初級生產力水平。NPP高值區(>0.83 kgC/(m2·a))主要分布于流域西部及南部，低值區(<0.44 kgC/(m2·a))主要位于洞庭湖區附近及流域中部。從時間變化上看(圖3)，流域NPP呈較穩定的上升趨勢(y=0.003x+0.622 7,R2=0.437，p<0.001)。此外，NPP的標準差呈微小變化趨勢，表明流域植被生產力空間分布趨于穩定狀態。圖4顯示了2000—2019年NPP變化的空間特征。趨勢檢驗(圖4(a)及(b))結果表明，植被NPP的減少主要分布在北部小范圍、東南部及南部邊緣的大部分地帶，占流域總面積的21.78%，但這種變化不具有顯著性； 而植被NPP增加的范圍較為廣泛，且主要表現為 “極顯著增加”趨勢，表明流域內從2000—2019年空間上植被生產力增強的普遍性。圖4(c)及(d)進一步展示了NPP變化程度，流域大部分區域呈較明顯增長趨勢，特別是西北及中東部地區(增加超過88 gC/(m2·a))，而NPP降低區域在范圍及強度上均遠不及增加，再一次證實流域內生態系統“動力強化”的事實。進一步分析不同階段NPP變化特征可以發現(圖5)，2000—2005年及2005—2010年NPP的變化較為均衡，增長與減少的比例在-30～88 gC/(m2·a)內均勻分布，且變化面積較接近； 2010—2015年和2015—2019年時期NPP變化較集中，前者為整體上的增加且大部分區域增幅超88 gC/(m2·a)，后者則表現為一致的減少但減幅相對較小。綜上可以發現，洞庭湖流域NPP在2000—2019年呈現較復雜的波動變化，主要原因可能是受流域氣候條件的周期性變化，加之退耕還林還草等一系列人類活動的影響，導致研究區植被NPP變化出現復雜響應特征。

表2 2001—2019年洞庭湖流域土地利用二級類面積變化Tab.2 Change of land use second class area in the Dongting Lake basin from 2001 to 2019 (km2)

圖2 洞庭湖流域2000—2019年多年平均NPP空間分布Fig.2 Spatial pattern of multi-year average NPPin the Dongting Lake basin from 2000 to 2019

圖3 洞庭湖流域2000—2019年NPP年均值時序變化趨勢Fig.3 Temporal trend of multi-year average NPP in the Dongting Lake basin from 2000 to 2019

圖4 2000—2019年洞庭湖流域NPP時空變化特征

圖5 不同階段洞庭湖流域NPP變化特征

對洞庭湖流域NPP重心分布進行分析(圖6)，2000—2019年NPP重心變化較弱，遷移距離最長不超過5.8 km，總體上呈微弱西移趨勢，不同階段遷移軌跡較混亂。從方向軸上來講，洞庭湖流域NPP在東北-西南和垂直向的大小分布更為平衡，容易發生重心沿此兩軸線的交替變化，而在西北-東南和水平方向上，NPP的大小差距大于前面兩方向，故發生此兩軸線重心遷移的情況略少； 從遷移距離上來講，最遠的距離出現在2018—2019年和2003—2004年，均超過了5 000 m，表明這2個時間段洞庭湖該方向軸線上兩端NPP出現了較大差距，形成了強拉扯力，而在2014—2018年之間每年NPP重心遷移距離都較小，研究區生態系統內部及環境擾動較小。

圖6 洞庭湖流域2000—2019年NPP重心遷移規律Fig.6 Migration of center of the gravity of NPP in theDongting Lake basin from 2000 to 2019

3.2 植被NPP變化驅動因素

采用地理探測器對洞庭湖流域NPP時空變化的驅動因子進行探索。結果表明，土地利用變化對NPP時空差異性的解釋程度最高(q= 0.162 0)，其次分別為降水(q= 0.010 6)、DEM(q= 0.010 5)及氣溫(q= 0.003 22)。

土地利用類型及其空間差異性直接決定了NPP的時空分布特征。不同用地類型NPP統計結果(圖7)表明，林地NPP最高(0.70 kgC/(m2·a))，其次為草地(0.63 kgC/(m2·a))和耕地(0.55 kgC/(m2·a))。雖然各用地類型NPP值差異較大，但其變化趨勢較為一致，均呈較顯著上升趨勢，其中草地的NPP增長速率最快，約為林地增長速率的2倍，而耕地介于兩者之間。

圖7 洞庭湖流域2000—2019年不同地類NPP年均值時序變化趨勢Fig.7 Trends of NPP of different land use types in the Dongting Lake basin from 2000 to 2019

氣溫、降水等氣象因素是影響植被光合作用的決定性條件，相關性分析研究結果表明(圖8(a)和(c))氣溫對NPP的影響更加顯著，該流域內植被NPP受到降水量的限制微弱。進一步分析氣象條件與NPP相互關系的空間特征(圖8(b)和(d))，可以發現，氣溫在更大的范圍內與NPP呈正相關(約占研究區面積33.49%)，尤其是西部林地區域； 降水與NPP的空間相關性相對較弱，主要原因可能是對于位于降水充沛的長江中下游的洞庭湖流域而言，過多的降水天氣導致的太陽輻射減少或水量過于豐沛反而抑制了植被的光合作用[9]。

(a) 降水量與NPP散點圖 (b) 植被NPP與降水相關系數

(c) 氣溫與NPP散點圖 (d) 植被NPP與氣溫相關系數

地形條件對于植被類型分布具有較大影響，同時不同下墊面特征也會對氣象條件產生一定的間接作用，進而影響區域NPP分布特征。分析不同采樣尺度下(1 km，10 km，50 km，100 km)高程與NPP的時空相關性(圖9)，發現兩者均具有顯著的正相關性，主要原因是洞庭湖流域地處丘陵地帶，平原地帶以耕地為主，而山坡則為林地為主。進一步統計結果表明，研究區內高生產力(>1.50 kgC/(m2·a))植被主要生長于0.6～0.9 km間，中等生產力(0.2～1.5 kgC/(m2·a))植被廣泛分布于0.3～0.6 km之間，較低生產力(<0.2 kgC/(m2·a))植被則存在于低海拔地區。

圖9 洞庭湖流域高程與NPP不同尺度采樣散點圖

3.3 多因子交互作用

進一步探討不同因子對研究區NPP影響的交互作用，結果表明，洞庭湖流域NPP各因子間主要表現為雙因子增強或非線性增強，其中降水—土地利用、氣溫—土地利用、降水—氣溫、高程—氣溫組合呈現較顯著的非線性增強特征，而土地利用—高程和降水—高程則為雙因子增強及非線性增強交替出現(圖10)。已有大量研究表明，作為氣象系統中的重要參數，降水與氣溫間存在復雜的交互作用與反饋關系[21]。此外，土地利用變化作為地—氣交互作用的重要因子，通過改變下墊面特征，對區域能量平衡與水文循環產生重要影響，進而影響區域與局地氣象特征，并對NPP產生復雜的非線性疊加作用[22]。洞庭湖流域地形多山地丘陵、地貌多元，不同高程分布的優勢植被差異顯著，此外，不同地形地勢條件對空氣動力學特征也具有較強影響，從而影響區域氣象條件。然而，相對于其他因子而言，地形特征變化較小，其長時序非線性加強相對較弱，導致其與其他因子的交互作用較多呈現雙因子增加特征。上述多因子交互作用的研究結果有助于正確認識研究區植被NPP變化的內在機理，并為相關生態治理與規劃提供科學的輔助依據，由于地理系統的復雜性特征，其交互作用的物理機制尚須進一步深入研究。

圖10 不同因子的典型交互作用統計Fig.10 Statistics on the typical interactions of driving factors

4 討論

綜上，在全球氣候變化及區域人類活動等多因子復雜交互作用下，2000—2019年間洞庭湖流域植被NPP呈現復雜的時空變化特征，對上述結果開展進一步分析，可以發現：

洞庭湖流域植被NPP的時間特征表現為波動上升的態勢，表明在經歷了一系列“退耕還林還草”等生態修復措施后，研究區植被生產力得到逐步提升，為促進區域生態系統可持續發展奠定了較好基礎。另一方面，區域生態修復效果具有明顯的空間異質性，NPP增長區域主要位于中部地勢平坦地區，該區域主要為洞庭湖農業生產區，在地方政府的高度重視下，其生態系統服務價值得到較大的恢復與改善。然而，對于周邊丘陵林地區域，NPP增長并不明顯甚至出現一定的退化現象(如西南部武陵山片區等)，未來需要進一步加強對森林區域的保護力度，避免森林質量退化導致的植被生產力減弱的風險。

洞庭湖流域植被NPP時空演化的影響因子較多，本文結果表明其主導驅動因子主要包括土地利用、降水、高程和氣溫。土地利用直接反映了植被類型及其時空分布特征，因而對流域NPP起到決定性作用。其他地形、氣象因素等則通過影響植被光合作用方式與強度，直接影響了NPP總量。根據地理探測器分析結果，降水與高程對洞庭湖流域NPP的貢獻特征較強，表明在亞熱帶濕潤區的典型丘陵地帶，水分與地形特征是區域植被生產力的主導外部因素。氣溫對洞庭湖流域植被NPP的貢獻特征相對較小，表明在降水、地形等諸多因素的影響下，氣溫對植被光合作用的影響受到一定程度的削弱，其內在關聯機制還有待于進一步野外實驗監測予以解釋與驗證。

此外，不同因素對NPP的影響還存在較顯著的交互作用，主要表現為“降水—土地利用”、“氣溫—土地利用”、“降水—氣溫”、“高程—氣溫”等因子間的非線性增強特征以及“土地利用—高程”和“降水—高程”等雙因子增強。已有諸多研究表明，土地利用與氣象條件間具有顯著的交互作用。一方面，氣象條件是影響植被長勢等關鍵外部因素； 另一方面，土地利用變化過程通過改變下墊面特征，強烈改變了“地—氣”界面水熱交互通量，從而對不同尺度氣象特征產生顯著影響[23-24]。此外，氣象條件與高程間的交互作用主要體現在隨著海拔不斷變化，其氣壓、溫度、大氣水汽等關鍵參數差異較大，從而對氣象條件產生顯著影響[25]； 同時，地形條件改變了下墊面粗糙程度，對風場具有較強影響，從而間接影響了溫度與降水的形成過程[26]。上述結果表明，植被NPP成因機制具有顯著的復雜性，任何單一因子均難以完全解釋NPP時空演化的內在原因，從而為區域植被生產力成因分析與監測評估帶來了極大難度，亟待進一步深入研究。

5 結論

本文針對長江中下游洞庭湖流域2000—2019年顯著的植被變化特征，采用長時序遙感數據，系統分析了NPP時空變化特征及其內在影響因素，為理解流域植被變化、指導開展合理的生態治理與土地規劃管理提供科學的輔助依據，主要結論有：

1)2000—2019年洞庭湖流域植被NPP多年均值為0.65 kgC/(m2·a),高值區域主要分布在流域西部及南部，而低值區域主要位于洞庭湖附近； 流域內植被多年平均NPP主要位于0.44～0.96 kgC/(m2·a)區間內，占據了整體的91.26%，相對于其他地區處于較高生產力水平。

2)2000—2019年，洞庭湖流域植被NPP發展變化較為穩定，且表現為上升趨勢(y=0.003x+0.622 7,R2=0.437，p<0.001)； 2019年相對于2000年，在洞庭湖流域東北及西南邊緣植被NPP發生了較為明顯的下降，而其他區域主要表現為不同程度的增長。植被NPP重心在流域內接近幾何中心的位置，表明流域內植被NPP的分布較為均衡。

3)洞庭湖流域植被NPP總體上受氣象因素(尤其是氣溫)影響較顯著，但NPP空間特征則主要受土地利用影響較大，其次是降水、高程； 顯著的2個因子交互作用中主要為非線性增強，少量為雙因子增強，在生態恢復工作中應根據該特性發揮因子的協同影響效應，實現高效率改善。

未來研究將進一步定量化分析不同因素對研究區植被NPP變化的貢獻率，并基于不同氣候變化背景及人工干預條件下，開展流域NPP未來情景預測研究，以期客觀揭示洞庭湖流域植被變化規律，更好地服務于區域生態規劃，促進人與自然和諧發展。