基于地理探測器的山地城市植被凈初級生產力時空演變及驅動因素研究

摘要：為探究植被凈初級生產力（net primary productivity，NPP）時空演變特征和主要驅動情況，本研究基于2000—2020年的GLASS-NPP數據，并結合氣象、高程（digital elevation model，DEM）、人口密度、土地利用和歸一化植被指數（normalized difference vegetation index，NDVI）數據，采用趨勢分析、相關性分析和地理探測器模型，定量研究了重慶市2000—2020年間植被NPP的時空演變和影響因子的驅動情況。結果表明：1）2000—2020年，重慶市植被NPP隨時間變化呈現出波動上升的趨勢，值處于567.56～756.32 g·C/m²/a之間。2）在空間上呈現出“兩高一低”的分布狀況，全市植被NPP最高值為968.34 g·C/m²/a，最低值為76.23 g·C/m²/a。3）重慶市植被NPP與氣溫、降水之間均存在顯著的相關性，相關系數的均值分別為-0.22和0.31。4）對重慶市植被NPP起主導作用的影響因子為植被覆蓋因子、氣溫因子、海拔因子，并且任意兩個因子之間的作用表現為非線性增強，表明多因子之間交互作用為協同交互。文章旨在為地方監測森林植被高質量發展和同類型城市實施生態環境保護提供科技支撐和行動參考。

關鍵詞：植被凈初級生產力（NPP）；地理探測器；時空變化；驅動因子；重慶

中圖分類號：Q948文獻標志碼：A植被凈初級生產力（net primary productivity，NPP）是地表植被在單位面積、單位時間內除去自生呼吸代謝所保留的有機物總量，是植被生長繁殖和生態系統內其他生物生命代謝的基礎條件［1］。NPP可以用來衡量植被固定大氣中的CO2的能力［2］，借此用來作為判斷生態系統碳平衡以及調控生態過程的重要因子［3］。研究NPP的時空變化以及驅動力因子的作用情況可以有效地了解植被的生長狀況，用于植被生長評估、生態系統的碳平衡測算，對維護區域生態環境可持續發展有著重要的研究意義［4］。

目前，對于植被NPP主要是基于遙感的Biome-BGC模型［5］和CASA模型模擬演算的方法進行研究。內容多以研究其植被NPP時空變化、驅動機制情況以及對氣候因子的響應等為主。在基于MODIS數據產品的研究中，植被NPP的值在研究時序范圍內呈現出波動上升的趨勢，表示植被處于恢復狀態［6-7］，植被NPP變化與蒸散發、溫度、區域和季節相關［8］，植被NPP與降水量相關性顯著，與年均氣溫相關性不顯著［9-10］。對于植被NPP影響因子的作用情況，在單因子之中，降水、海拔和植被覆蓋等因子起到了主導作用，任意兩個因子之間均存在線性增強的作用［11］。李肖等[12-14]針對不同空間尺度的生態環境評估提供了相關理論支撐，擴展了植被NPP與碳循環機制的研究。高竹清等[15]結合遙感監測和氣象數據，通過CASA模型模擬出研究區的植被NPP情況，以及對潛力進行評估［16］。上述內容豐富了在不同區域與不同尺度下對于植被NPP的空間演變與長時序的動態監測的研究，驗證了影響因子與植被NPP的耦合關系，為后續研究生態系統碳循環提供了堅實的理論依據［17-18］。

地理探測器可用來探測事物的空間分異情況，探究單個因子的影響情況以及多個因子交互作用于因變量的程度，并將這種影響程度定量化，使其具有更好的解釋作用［19］。相較于傳統的統計學方法，地理探測器的優勢在于能夠更加客觀地對數據進行分析、量化指標因子、識別其對地理事物的耦合情況。將地理探測模型運用到植被NPP的研究當中，可以量化因子的作用程度以及各個因子的協同情況［20-21］。

本研究基于GLASS數據集中的Net Primary Productivity（NPP）數據，對重慶市2000—2020年植被NPP進行研究，并結合趨勢分析、相關性分析、地理探測器模型對植被NPP的時空演變、氣象因子的相關性以及多個因子的影響情況進行分析，定量解釋時空演變規律、植被NPP與氣象因子的相關程度和區域的主要驅動因素。

1研究區概況

重慶市（圖1）位于我國西南地區，處于川東平行嶺谷地區，區域地形起伏較大，以低山、丘陵為主，市區四周地勢高，中心地勢低，是一個典型的山地城市［22］。重慶市地跨東經105°11′～110°11′，北緯28°10′～32°13′，東臨湖北、湖南，南靠貴州，西接四川，北連陜西，幅員面積8.24萬km2。重慶市是長江上游地區經濟發展的重要節點城市，也是承載其政治、經濟、文化等多要素的中心，轄區內除主城9區以外，還包含26個縣（自治縣）。重慶市作為西南地區的特大山地城市，具有特殊的地形地貌條件，植被類型較為豐富。因此，本文選擇重慶市作為研究對象，研究植被NPP的時空變化，基于生態視角探究重慶市歷年植被的固碳能力，為后續植被凈初級生產力研究提供參考。

2數據與方法

2.1數據來源與處理

數據來源如表1所示。本研究獲取NPP數據的時間范圍為2000—2020年，時間分辨率為1 a。Digital Elevation Model（DEM）數據來源于地理空間數據云（http：//www.gscloud.cn/home），其分辨率為90 m。氣溫和降水數據來源于西北農林科技大學水土保持研究所的彭守章研究員在《Earth System Science Data》發表的論文《1 km monthly temperature and precipitation dataset for China from 1901 to 2017》，時間為1901.1—2020.12。氣候數據是據CRU發布的全球0.5°氣候數據以及WorldClim發布的全球高分辨率氣候數據，通過Delta空間降尺度方案在中國地區降尺度生成。并用496個獨立氣象觀測點數據進行驗證，驗證結果可信。氣溫單位為0.1 ℃，降水單位為0.1 mm［23］。歸一化植被指數（normalized difference vegetation index，NDVI）數據來源于1992年2月美國地球觀測系統（EOS）計劃中發射的衛星Terra所搭載的中分辨率成像光譜儀（MODIS）所采集的MOD13Q1系列數據集，其數據全稱為MODIS/Terra Vegetation Indices 16-DayL3 Global 250 m SIN Grid。土地利用數據來源于全球地表30 m地表覆被精細化分類產品V1.0。原始數據包含29個地類，通過整理合并，最終得到6個一級大類，分別為耕地、林地、草地、水域、建設用地和未利用地。人口密度數據來源于World Pop hub，該數據整合了全世界2000—2020年的人口密度數據，以柵格像元的大小表示人口密度的高低。通過預處理，將數據進行投影、柵格分辨率的統一，并將歷年的柵格數據進行裁剪，最終得到重慶市范圍的研究數據。

2.2研究方法

2.2.1趨勢分析

采用基于柵格像元尺度的一元線性回歸分析的方法，對柵格像元逐個進行回歸分析，得出研究區內植被NPP隨時間的變化在空間上的增減趨勢，以及其動態的演化規律。本研究通過此方法，探究在2000—2020年間重慶市植被NPP的動態變化規律。其計算公式如式（1）：

2.2.2相關性分析

2.2.3地理探測器

空間分異是地理現象的一個特點，地理探測器則是對空間分異進行探測的一種方法，也是揭示其背后驅動因子的一種統計學方法，具有明確的物理含義。假設研究區分為若干子區域，如果子區域的方差之和小于區域總方差，則存在空間分異性;如果兩變量的空間分布趨于一致，則兩者存在統計關聯性。采用地理探測器的q統計量來度量空間分異性、探測解釋因子、分析變量之間的交互關系。

1）分異因子探測：探測自變量的空間分異和單因子自變量對因變量的空間分異的解釋程度。其結果用q值表示，其公式如式（3）、（4）：

2）交互作用探測：識別出各個自變量之間的交互作用，表現為在多個自變量不同組合的情況下，對因變量的解釋能力是否增強或減弱，還是自變量之間本身即為獨立變量（表2）。

3結果分析

3.1重慶市植被NPP時間變化特征分析

由圖2可知，在2000—2020年的21年間，重慶市植被凈初級生產力的年際均值和最大值均呈現出波動上升的趨勢，重慶市年均NPP在567.56～756.32 g·C/m²/a之間。在2000年時，NPP均值最小，為567.56 g·C/m²/a，在2019年時，NPP均值達到最高，其值為756.32 g·C/m²/a。NPP的均值和最大值在2000—2020年間的整體變化趨勢保持一致，在2002—2006年、2007—2011年、2015—2018年這三個階段出現輕微下降的趨勢，并且同樣是在三個階段的年末NPP均值和最大值都有一定程度的上升，但未保持連續多年持續增長。在2000—2020年內，重慶市的植被在整體上是保持一個持續恢復的態勢，植被的生長狀況也有顯著的提高。

3.2重慶市植被凈初級生產力空間變化特征分析

3.2.1重慶市植被NPP空間趨勢特征

由圖3和表3可知，2000—2020年重慶市平均植被NPP在空間上呈現出“兩高一低”的分布情況。“兩高”則是渝東北和渝東南地區植被NPP值整體較高，其均值分別為693.05 g·C/m²/a和696.54 g·C/m²/a；“一低”是主城都市區植被NPP值相對較低，其均值為573.89 g·C/m²/a，特別是在渝中區、南岸區、九龍坡區、沙坪壩區等主要城區，其植被NPP值出現最低。渝東北地區植被NPP值最低為51.60 g·C/m²/a，位于在萬州區內；最高值為968.34 g·C/m²/a，位于城口縣內。渝東南地區植被NPP值最低為76.23 g·C/m²/a，位于石柱縣內；最高值為870.79 g·C/m²/a，位于酉陽縣；主城都市區植被NPP值最低為27.74 g·C/m²/a，位于渝中區和南岸區；最高值為878.50 g·C/m²/a，位于南川區。

由圖4及表4可知，2000—2020年間，重慶市內植被NPP的變化類型主要以輕微增加為主，其面積為37 672.58 km²，占全市面積的45.72%。該類型在彭水、黔江、酉陽和秀山等區縣出現較為集中的空間分布情況。變化為基本不變和顯著增加的兩種情況占比相差不大，分別為26.92%和25.90%，其面積分別為22 184.07 km²和21 338.40 km²。類型為基本不變的區域主要分布在城口、巫溪、石柱和武隆等區縣，類型為顯著增加的區域則主要分布在開州、萬州、云陽和奉節等區域。顯著減少和輕微減少的面積分別占總面積的0.63%和0.83%，其面積為520.27 km²和681.29 km²。顯著減少和輕微減少主要集中在主城都市區的中心區域，包括渝中區、渝北區、南岸區和九龍坡區等。

3.2.2氣象因子與植被NPP的相關性分析

氣象因子在一定程度上影響著植被的空間分布和第一凈初級生產力的累積。氣溫和降水是影響區域植被凈初級生產力的兩個自然因素。本研究基于柵格像元尺度，分別對植被NPP和氣溫、植被NPP與降水進行相關性研究。采用了2000年、2005年、2010年、2015年以及2020年這5個時間節點的植被NPP數據、平均氣溫和平均降水數據。

通過分析2000—2020年植被NPP與年均氣溫，多年溫度均值在4.32～19.06 ℃，多年平均值為15.76 ℃。由圖5可知，植被NPP與年均氣溫在像元尺度的相關性系數在-0.999 8～0.999 3之間。正相關性區域面積占研究區總面積的30.20%，負相關區域占69.80%。呈負相關的區域面積遠高于呈正相關的區域面積。呈負相關關系的區域主要連片分布在渝西片區，包括合川區、銅梁區、潼南區、榮昌區、沙坪壩區、渝中區、南岸區等，在渝東南與渝東北地區的空間分布狀況為“大分散，不連片，小聚集”。呈現正相關的區域主要分布在渝東南和渝東北地區，包括城口縣、奉節縣、云陽縣、石柱縣、黔江區、酉陽縣等，在空間上并不是集中分布，而是與山脈特征相似的分布狀況，條形紋理較為清晰。在渝西片區的空間狀況表現為零星散點分布。就植被NPP與年均氣溫而言，其相關系數的均值為-0.22，由t檢驗可得，通過Plt;0.05檢驗的區域占研究區總面積的2.31%，集中分布在城口縣和巫溪縣，零星分布在主城都市區范圍內。

通過分析2000—2020年植被NPP與年均降水，多年降水均值在899.2～1 264.2 mm之間，多年平均值為1 078.28 mm。由圖6可知，植被NPP與年均降水在像元尺度上的相關系數在-0.999 4～0.999 9之間。正相關性區域面積占研究區總面積的70.54%，負相關區域占29.46%。呈正相關的區域面積遠高于負相關區域面積。呈現正相關關系的區域主要分布在渝東北、渝東南以及主城都市區的南部，包括巫山縣、巫溪縣、開州區、云陽縣、奉節縣、黔江區、綦江區等，其中在開州區、云陽縣、奉節縣、巫溪縣和巫山縣呈現出高度的正相關關系并且空間分布情況完整。呈現出負相關關系的區域主要集中分布在主城都市區的東北部分以及中心城區，包括渝中區、沙坪壩區、南岸區、江北區、潼南區、璧山區、涪陵區等，植被NPP與年均降水的相關性在空間上的分布皆為集中連片分布，極少數存在零星分布。就植被NPP與年均降水而言，其相關系數的均值為0.31，由t檢驗可得，通過Plt;0.05的區域面積占研究區總面積的6.72%，主要分布在云陽縣、奉節縣和巫山縣等。

3.3植被NPP空間分異的影響分析

采用地理探測器方法是從自然因素和人為因素兩個方面進行分析，影響因子分別為海拔、坡度、植被覆蓋、氣溫、降水和人口密度、土地利用。通過計算各個因子的q值來衡量每個因子對植被NPP的解釋能力，其中，q值越大表明該因子對植被NPP的解釋能力越強，反之越弱。由圖7可知，2000—2020年間自然因子和人為因子對重慶市植被NPP的解釋程度情況。其中，植被覆蓋因子對植被NPP的解釋能力最強，在2000年、2005年、2010年、2015年和2020年的q值分別為0.68，0.72，0.67，0.67和0.65；氣溫因子的q值分別為0.68，0.64，0.61，0.53 和0.36;其他因子的q值在2000—2020年間都相對較低。由此可知，在2000—2020年間，自然因子中的植被覆蓋和氣溫對重慶市植被NPP起主導作用。相較于人為因子中的土地利用類型和人口密度，歷年的q值分別為0.34，0.39，0.43，0.44 和0.45；0.04，0.06，0.10，0.09和0.14，其解釋能力較弱，其中人口密度因子的解釋能力最弱。

通過地理探測器的多因子交互作用探測，得出任意兩個因子之間均表現出非線性增強作用的特點，表明植被NPP的變化是多因子協同作用的結果。由表5可知，在2000年、2005年、2010年和2020，植被覆蓋與氣溫因子相互作用的解釋能力大于其他因子之間的相互能力，其影響值分別為0.80，0.81，0.78，0.70；在2015年時，植被覆蓋因子和降水因子的相互作用能力大于其他因子之間的交互作用能力，影響值為0.76。綜合分析圖7和表5，植被覆蓋因子在植被NPP的變化當中起到決定性的作用，植被覆蓋程度高的區域其植被的固碳能力就越強。由歷年的多因子交互影響值可以看出，在2000年，第三主導交互作用中含有人為因子中的土地利用類型因子；但在后續研究的時間節點中，前三主導交互作用中均為自然因子，表明在時間的變化過程中，自然因子在植被NPP的變化情況上占據著主要作用，其中包含植被覆蓋因子、氣溫因子、降水因子和地形因子。盡管自然因子起著主要作用，但通過分析表5，前三個交互作用當中的影響值的大小從2000年至2020年，存在明顯的下降，由于本文影響因子選取的局限性，近年來可能出現其他影響因子的情況。

4結論與討論

4.1結論

本研究基于2000—2020年的GLASS-NPP數據，并結合氣象、DEM、人口密度、土地利用和NDVI等數據，采用趨勢分析、相關性分析和地理探測器模型，定量研究了重慶市在2000—2020年間植被NPP的時空演變和影響因子的驅動情況，研究發現：

1）2000—2020年，重慶市植被NPP整體呈現波動上升的趨勢，其值在567.56～756.32 g·C/m²/a之間，在2019年到達頂峰，在2000年最低。重慶市的植被NPP在整體上保持一個持續恢復的態勢，植被的生長狀況也有顯著的改善。

2）2000—2020年，重慶市植被NPP均值空間分布情況表現為“兩高一低”。“兩高”是渝東南和渝東北，“一低”為主城都市區。該空間分布情況與區域發展存在相關性。全市植被NPP值最低（76.23 g·C/m²/a）位于主城都市區內的渝中區和南岸區，最高值（968.34 g·C/m²/a）位于渝東北地區的城口縣內。

3）在2000年、2005年、2010年、2015年和2020年，重慶市降水、氣溫與植被NPP存在顯著相關性，其中氣溫與植被NPP的相關系數在-0.999 8～0.999 3之間；降水與植被NPP的相關系數在-0.999 4～0.999 9之間。

4）通過地理探測器來探測單因子和多因子交互作用對植被NPP變化的影響，最終得出植被覆蓋因子、氣溫因子和海拔因子在單因子作用的情況下起著主導作用。其中，任意兩高因子之間對于植被NPP的影響均為非線性增強，表明多因子的交互作用為協同交互。

文章旨在為地方監測森林植被高質量發展和同類型城市實施生態環境保護提供科技支撐和行動參考。

4.2討論

4.2.1植被NPP時空演變趨勢

2000—2020年重慶市植被NPP在空間上呈現“兩高一低”的分布格局。重慶市作為山地城市，其“兩高”區域分別是渝東南和渝東北地區，多山且以林地為主是其主要地理特征，對于林地而言，其植物對光能轉化效率大于其他地表覆被類型，再加上重慶市屬于亞熱帶季風濕潤氣候，為植被的生長和發育提供了極有利的先決條件，故植被NPP較高［24-25］；重慶市的渝西片區主要為城市建成區，地表覆被類型主要為不透水面，植被的生長條件受到限制，因此植被NPP較低［26］。從時序上看，2000—2020年，重慶市植被NPP呈現波動上升的趨勢，與之前研究結果一致［27-28］。重慶市地屬我國西南地區，自然災害高發，特別是冬夏兩季，這對于植被的生長情況會產生抑制作用，可能是造成在某些年份植被NPP下降的自然原因［29-31］。除自然原因導致植被NPP下降之外，本身的氣候條件適宜植被生長，再加上國家重視生態環境保護，實施了一些環境保護工程，如退耕還林、長江防護林等工程。綜上原因，從2000至2020年的21年以來，從自然和人為兩個方面的研究結果顯示，對植被生長是利好而不是抑制。

4.2.2重慶市植被NPP影響因子分析

基于地理探測器方法對重慶市植被NPP的影響因子進行探測，得到結果是自然因數占據主導作用，其解釋力要強于人為因素。從土地利用類型與人口密度因子歷年的作用情況可知，隨時間增加其解釋力在逐漸增強，這與之前研究不謀而合［6，11，32-33］，側面驗證該方法的適用性和準確性。通過分析單因子影響和多因子交互作用情況可知，對于重慶市植被NPP的影響是多因子交互作用的結果，其中包括自然因素和人為因素兩個方面的交互作用。從2000至2020年，影響因子交互作用情況的影響值逐年降低，表明選取的影響因子的影響情況也在減弱。本文是在前人的同類研究基礎之上，最終確定土地利用類型、NDVI、人口密度、坡度、海拔、降水和氣溫7個因子作為研究的自變量［6，11，34］，以期較為全面地分析對植被NPP的影響，提高其結果的準確性。由于本文在研究過程中對植被NPP時空變化未考慮季節、月份等角度，可在以后研究當中加入進行研究。在后續研究過程中可增加因子數量，從多角度、多層次進行分析，從而進一步提高研究結果的準確性。參考文獻：

[1]FIELD C B. Global net primary production： combining ecology and remote sensing［J］.Remote Sensing of Environment， 1995， 51：74-88.

［2］ 申霞， 王鵬， 王為攀， 等.濱海鹽沼凈碳匯能力研究方法綜述［J］.生態學雜志， 2022， 41（4）： 792-803.

［3］ FIELD C B， BEHRENFELD M J， RANDERSON J T， et al. Primary production of the biosphere： integrating terrestrial and oceanic components［J］. Science， 1998， 281（5374）： 237-240.

［4］ 周自翔， 李晶， 馮雪銘.基于GIS的關中-天水經濟區土地生態系統固碳釋氧價值評價［J］.生態學報， 2013， 33（9）： 2907-2918.

［5］ POTTER C S，RANDERSON J T，FIELD C B， et al. Terrestrial ecosystem production： a process model based on global satellite and surface data［J］. Global Biogeochemical Cycles， 1993， 7（4）： 811-841.

［6］ 孫治娟， 謝世友.基于地理探測器的云南省凈初級生產力時空演變及因子探測［J］.生態學雜志， 2021， 40（12）： 3836-3848.

［7］ 任正超， 朱華忠， 史華， 等.中國潛在自然植被NPP時空分布格局變化及其對氣候和地形的響應［J］.草地學報， 2017， 25（3）： 474-485.

［8］ 張茹， 宋孝斌， 張繼勛.黃河流域植被凈初級生產力對干旱和蒸散發的響應［J］.水利水電技術（中英文）， 2022， 53（9）： 57-69.

［9］ 洪樂樂， 沈艷， 馬紅彬， 等. 2000—2019年寧夏植被凈初級生產力時空變化及其驅動因素［J］. 應用生態學報， 2022， 33（10）： 2769-2776.

［10］楊安樂， 張小平， 李宗省， 等. 氣候變化和人類活動對祁連山國家公園植被凈初級生產力的定量影響［J］. 生態學報， 2023， 43（5）： 1784-1792.

［11］邵嘉豪， 李晶， 閆星光， 等. 基于地理探測器的山西省2000—2020年NPP時空變化特征及驅動力分析［J］. 環境科學， 2023， 44（1）： 312-322.

［12］李肖， 袁金國， 孟丹.河北省2005—2014年植被NPP時空演變及其與氣候因子的關系［J］.水土保持研究， 2018， 25（6）： 109-114， 120.

［13］劉旻霞， 焦驕， 潘竟虎， 等.青海省植被凈初級生產力（NPP）時空格局變化及其驅動因素［J］.生態學報， 2020， 40（15）： 5306-5317.

［14］劉玉紅， 張筠， 張春華， 等.2000—2015年山東省植被凈初級生產力時空變化及其對氣候變化的響應［J］.生態學雜志， 2019， 38（5）： 1464-1471.

［15］高清竹， 萬運帆， 李玉娥， 等. 基于CASA模型的藏北地區草地植被凈第一性生產力及其時空格局［J］. 應用生態學報， 2007， 18（11）： 2526-2532.

［16］李慶， 王洪濤， 劉文， 等.以HJ-1衛星遙感數據估算高寒草地植被凈第一性生產力的潛力評估： 以若爾蓋草地為例［J］.中國沙漠， 2013， 33（4）： 1250-1255.

［17］劉婧， 湯峰， 張貴軍， 等.2000—2015年灤河流域植被凈初級生產力時空分布特征及其驅動因子分析［J］.中國生態農業學報（中英文）， 2021， 29（4）： 659-671.

［18］剛成誠， 王釗齊， 楊悅， 等.近百年全球草地生態系統凈初級生產力時空動態對氣候變化的響應［J］.草業學報， 2016， 25（11）： 1-14.

［19］王勁峰， 徐成東.地理探測器： 原理與展望［J］.地理學報， 2017， 72（1）： 116-134.

［20］左麗媛， 高江波.基于地理探測器的喀斯特植被NPP定量歸因［J］.生態環境學報， 2020， 29（4）： 686-694.

［21］何宏昌， 馬炳鑫， 靖娟利， 等.近20年西南喀斯特地區植被NPP時空變化及自然因素地理探測［J］.水土保持研究， 2022， 29（3）： 172-178， 188.

［22］周浪， 李明慧， 周啟剛， 等.基于電路理論的特大山地城市生態安全格局構建： 以重慶市都市區為例［J］.水土保持研究， 2021， 28（2）： 319-325， 334.

［23］PENG S Z， DING Y X， LIU W Z， et al. 1 km monthly temperature and precipitation dataset for China from 1901 to 2017［J］. Earth System Science Data， 2019， 11（4）： 1931-1946.

［24］李義平， 蔡宏， 田鵬舉， 等.貴州省黎平縣地表覆被變化引起的生態系統碳儲量變化［J］.水土保持通報， 2020， 40（2）： 92-99， 325.

［25］QIU H H， HU B Q， ZHANG Z. Impacts of land use change on ecosystem service value based on SDGs report： taking Guangxi as an example［J］. Ecological Indicators， 2021， 133：108366.1-108366.14.

［26］沈中健， 曾堅.廈門市熱島強度與相關地表因素的空間關系研究［J］.地理科學， 2020， 40（5）： 842-852.

［27］徐勇， 黃雯婷， 鄭志威， 等.基于空間尺度效應的西南地區植被NPP影響因子探測［J］.環境科學， 2023， 44（2）： 900-911.

［28］WANG Y J， SHEN X J， JIANG M， et al. Spatiotemporal change of aboveground biomass and its response to climate change in marshes of the Tibetan Plateau［J］.International Journal of Applied Earth Observation and Geoinformation， 2021， 102：102385.1-102385.10.

［29］LI J， WANG Z L， LAI C G. Severe drought events inducing large decrease of net primary productivity in China’s mainland during 1982—2015［J］. Science of the Total Environment， 2020， 703： 135541.1-135541.14.

［30］陳杰， 仙巍， 陳春容.2000—2015年川西地區植被NPP時空動態及驅動因子［J］.水土保持研究， 2019， 26（5）： 137-143.

［31］馬炳鑫， 靖娟利， 徐勇， 等.2000—2019年滇黔桂巖溶區植被NPP時空變化及與氣候變化的關系研究［J］.生態環境學報， 2021， 30（12）： 2285-2293.

［32］王釗， 李登科.2000—2015年陜西植被凈初級生產力時空分布特征及其驅動因素［J］.應用生態學報， 2018， 29（6）： 1876-1884.

［33］吳艷艷， 吳志峰， 余世孝.定量評價人類活動對凈初級生產力的影響［J］.應用生態學報， 2017， 28（8）： 2535-2544.

［34］程春香， 于敏， 吳門新， 等.2000—2020年黑龍江省陸地植被NPP驅動因子分析［J］.東北農業大學學報， 2022， 53（6）： 20-28， 75.

（責任編輯：曾晶）

Research on the Temporal and Spatial Evolution and Driving

Factors of Net Primary Productivity of Vegetation in

Mountain Cities Based on Geographic Detectors

——Taking Chongqing as an Example

WANG Fuhai CHEN Dan， LI Hui

（School of Public Affairs， Chongqing Finance and Economic College， Chongqing 401320， China）Abstract： In order to explore the temporal and spatial evolution characteristics and main driving conditions of net primary productivity （NPP） of vegetation in Chongqing， using trend analysis， correlation analysis and geographic detector model， this study quantitatively studies the spatiotemporal evolution of vegetation NPP and the driving conditions of influencing factors in Chongqing during 2000—2020， based on the GLASS-NPP data from 2000 to 2020 as the basic data combined with meteorological data， DEM， population density， land use， and NDVI multi-source data，" The results show that from 2000 to 2020， the vegetation NPP in Chongqing shows a fluctuating and rising trend over time， and the value of vegetation NPP is between 567.56 and 756.32 g·C/m²/a Spatially， it shows “two highs and one low”; the highest value of vegetation NPP in Chongqing is 968.34 g·C/m²/a， and the lowest value is 76.23 g·C/m²/a There is also a significant correlation between vegetation NPP and air temperature and precipitation in Chongqing The mean values of the coefficients are -0.22 and 0.31， respectively The dominant influencing factors for the vegetation NPP in Chongqing are vegetation coverage factor， temperature factor， and altitude factor; the interaction between any two factors is nonlinearly enhanced， indicating that the interaction between multiple factors is a synergistic interaction.

Key words： net primary productivity （NPP） of vegetation; geographic detectors; spatiotemporal changes; drivers; Chongqing