阿壩州植被NPP動態(tài)變化及驅(qū)動力分析

陳 超 謝玉鳳

（1.東莞水鄉(xiāng)特色發(fā)展經(jīng)濟(jì)區(qū)管理委員會，廣東 東莞 523000；2.四川省冶金地質(zhì)勘查局測繪工程大隊，四川 成都 610212)

0 引言

植被凈初級生產(chǎn)力（Net Primary Productivity，NPP）是指綠色植物在單位時間、單位面積內(nèi)積累的有機物數(shù)量［1］，是地區(qū)生態(tài)環(huán)境質(zhì)量評價、植被保護(hù)與恢復(fù)建設(shè)的重要指標(biāo)。目前，中國學(xué)者們已經(jīng)在植被NPP的模擬計算、時空動態(tài)變化及驅(qū)動因素分析等方面取得諸多研究成果。周淑琴等［1］利用MODIS-NPP成果數(shù)據(jù)完成了榆林市近10 年來植被NPP時空特征差異分析；張鐿鋰等［2］利用CASA 模型對青藏高原高寒草地NPP進(jìn)行模擬計算，并對其1982—2009 年的時空變化過程進(jìn)行定量分析；孫成明等［3］為尋求快捷簡便的中國草地NPP獲取方式，利用MODIS-NDVI與氣象數(shù)據(jù)探索出中國草地NPP獲取模型，并與實測數(shù)據(jù)對比驗證取得良好效果；毛德華等［4］對東北地區(qū)植被NPP時空格局變化與驅(qū)動力因素進(jìn)行了分析。

由于NPP數(shù)據(jù)獲取需要涉及到氣象、植被類型、土地利用類型等諸多因素，目前大多對區(qū)域NPP變化的研究主要采用MODIS17A3 影像反演產(chǎn)品完成。然而，該反演產(chǎn)品在大多數(shù)地區(qū)均存在極少像元缺失的情況。針對此類問題，學(xué)者們通常采用異常值剔除［5］或Savitzky-Golay 濾波［6-8］進(jìn)行數(shù)據(jù)處理，但這兩種方法均會對數(shù)據(jù)整體質(zhì)量造成較大的影響。此外，它們大都側(cè)重于植被NPP動態(tài)變化規(guī)律的探索，而對其形成空間分布差異的主要原因少有涉及。近年來，隨著地理信息科學(xué)的飛速發(fā)展，利用GIS 技術(shù)對該類數(shù)據(jù)進(jìn)行修復(fù)的方法已趨于成熟，并且取得良好效果。同時，為實現(xiàn)地理現(xiàn)象空間分異規(guī)律的探索，學(xué)者們提出了地理探測的概念，較好地彌補了該領(lǐng)域研究的不足［8-12］。

基于以上，本研究利用GIS 數(shù)據(jù)修復(fù)技術(shù)完成阿壩州MODIS-NPP數(shù)據(jù)修復(fù)，并將GIS 與RS 技術(shù)相結(jié)合對2000—2015 年阿壩州植被NPP進(jìn)行時空格局變化分析，借助地理探測器對影響區(qū)域NPP分布的驅(qū)動因素進(jìn)行研究，以期為該地區(qū)植被保護(hù)與生態(tài)環(huán)境建設(shè)提供科學(xué)的理論參考依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

2000 年、2007 年和2015 年植被NPP數(shù)據(jù)來源于美國蒙大拿大學(xué)森林學(xué)院(NTSG)提供的MODIS17A3 地球表面GPP/NPP 遙感成果，其空間分辨率為30 s，比例系數(shù)為0.1，單位為gC/(m2·a)。1:100 萬中國植被類型矢量數(shù)據(jù)，2015 年該地區(qū)的各要素均為空間分辨率1 km 的柵格數(shù)據(jù)（年均溫度、年累計降雨量、NDVI、土地利用類型、DEM、人口密度和GDP）均由中國科學(xué)數(shù)據(jù)中心(http://www.resdc.cn)提供。

1.2 數(shù)據(jù)處理

1.2.1 數(shù)據(jù)修復(fù)。因受到云、霧、氣溶膠等因素的影響，三期數(shù)據(jù)均有約0.74%的像元為空值，這些異常像元MODIS-NPP解算模型默認(rèn)賦值65 535。為減少異常值對研究的干擾，提高研究成果的準(zhǔn)確性與科學(xué)性，本研究在參考大量相似數(shù)據(jù)修復(fù)成果［13-14］的基礎(chǔ)上對該數(shù)據(jù)集進(jìn)行修復(fù)。

首先，為便于植被NPP數(shù)據(jù)修復(fù)工作的順利進(jìn)行，使用ArcGIS10.0 軟件對其進(jìn)行投影變換與重采樣處理，保證三期植被NPP數(shù)據(jù)均采用Albers 投影，像元大小均統(tǒng)一為1 000 m。其次，利用Arc-GIS10.0軟件Conversion tool模塊下的Raster to Point工具實現(xiàn)柵格數(shù)據(jù)向矢量數(shù)據(jù)的轉(zhuǎn)換，同時利用數(shù)據(jù)屬性表將異常值65 535刪除，從而得到無異常值的點矢量數(shù)據(jù)；利用Spatial analysis 模塊下面的Interpolation analysis 功能完成點矢量數(shù)據(jù)的柵格化，得到空間分辨率為1 000 m 的柵格數(shù)據(jù)；以異常值65 535 為分界閾值對數(shù)據(jù)進(jìn)行重分類，從而構(gòu)建數(shù)據(jù)空洞掩膜Mask(0,1)與Mask(1,0)。最后，借助Spatial analysis 模塊下Grid calculator 構(gòu)建數(shù)學(xué)表達(dá)式（1），實現(xiàn)數(shù)據(jù)模擬修復(fù)（如圖1所示）。

圖1 2000—2015年阿壩州年均植被NPP修復(fù)

式中：NPP為模擬修復(fù)后的成果數(shù)據(jù)；NPP1為含有異常值的原始數(shù)據(jù)；NPP2為去除異常值后進(jìn)行空間插值生成的柵格數(shù)據(jù)；Mask(0,1)空洞值為0的掩膜數(shù)據(jù)；Mask(1,0)空洞值為1 的掩膜數(shù)據(jù)；0.1 為該數(shù)據(jù)的比例系數(shù)。

1.2.2 數(shù)據(jù)分類定級。NPP數(shù)據(jù)分類定級能最大化做到化整為零，實現(xiàn)整個研究區(qū)NPP時空格局變化的具體化與準(zhǔn)確化表達(dá)。目前，涉及數(shù)據(jù)分類、分級的研究大都采用人工判讀的方法進(jìn)行［1，12］，該方法主要是通過大量參照前人的研究成果同時結(jié)合其他相關(guān)輔助資料來完成的，受人為主觀因素的影響較大，存在較大的缺陷。自然斷點法從柵格像元空間分布概況與數(shù)據(jù)空間聚類原理出發(fā)，能較好地完成柵格數(shù)據(jù)的分類，既能最大限度地實現(xiàn)將具有相似像元值的柵格像元進(jìn)行恰當(dāng)分組，又能將各類別間的差異得以最大化凸顯。因此，本研究在參考該地區(qū)土地利用類型與NPP像元頻數(shù)分布的基礎(chǔ)上，采用自然斷點實現(xiàn)三期數(shù)據(jù)分類定級，將其分為Ⅰ級、Ⅱ級、Ⅲ級、Ⅳ級、Ⅴ級等5個等級。

1.3 地理探測器

地理探測器是一種能揭示地理現(xiàn)象空間分異差異和分析自變量與因變量之間相互作用的數(shù)學(xué)模型［9-10］。因子探測器主要用于探測各個自變量X對因變量Y空間分異的影響力度［11-12］，采用q進(jìn)行表征，公式為式（2）和式（3）。

式中：q為因子解釋力，數(shù)值在[0,1]；h為變量X或Y的分類區(qū)間；Nh和N和為各層或者全域的分區(qū)數(shù)量；SSW和SST為層內(nèi)和全區(qū)總方差。

2 結(jié)果與分析

2.1 NPP空間分布特征

2000—2015 年阿壩州年均NPP空間分布狀況如圖1 所示。2000—2015 年內(nèi)全州年均NPP空間分布主要表現(xiàn)為南部地區(qū)、東北部地區(qū)NPP平均值較高，越靠近西部及西北地區(qū)植被NPP值越低的空間分布特征。這主要是阿壩州的地形、土地利用狀況、植被分布類型及氣象等因素共同作用的結(jié)果。

2.2 NPP狀態(tài)與趨勢變化

NPP整體狀態(tài)與趨勢變化反映了各等級NPP間相互轉(zhuǎn)換關(guān)系，用狀態(tài)與趨勢變化指數(shù)描述［15-16］，見式（4）。

式中：Rt為整個研究區(qū)NPP狀態(tài)與趨勢變化指數(shù)；ΔU1、ΔU2分別為研究區(qū)NPP轉(zhuǎn)入與轉(zhuǎn)出變化量的絕對值；ΔUin-i為其他等級NPP轉(zhuǎn)換為第i級的數(shù)量；ΔUout-i為第i級NPP轉(zhuǎn)換為其他等級的數(shù)量。研究中將狀態(tài)與趨勢變化指數(shù)Rt進(jìn)行分級描述：當(dāng)0 ≤Rt≤0.25 時，研究區(qū)NPP變化為平衡狀態(tài)，各等級NPP間呈現(xiàn)十分明顯的雙向互轉(zhuǎn)關(guān)系；當(dāng)0.25 ≤Rt≤0.5 時，研究區(qū)NPP變化為準(zhǔn)平衡狀態(tài)，各等級NPP間呈現(xiàn)較明顯的雙向互轉(zhuǎn)關(guān)系；當(dāng)0.5 ≤Rt≤0.75 時，研究區(qū)NPP變化為不平衡狀態(tài)，各等級NPP間呈現(xiàn)較明顯的單向轉(zhuǎn)換關(guān)系；當(dāng)0.75 ≤Rt≤1 時，研究區(qū)NPP變化為極度不平衡狀態(tài)，各等級NPP間呈現(xiàn)十分明顯的單向轉(zhuǎn)換關(guān)系。

本研究以NPP轉(zhuǎn)換計算模型計算各等級NPP空間的轉(zhuǎn)移狀況，并計算趨勢變化指數(shù)（見表1）。

表1 阿壩州2000—2015年各等級NPP轉(zhuǎn)換變化量

將三期NPP分級數(shù)據(jù)在ENVI5.2 軟件中進(jìn)行處理，可生成2000—2015 年各等級NPP變化轉(zhuǎn)移矩陣，同時結(jié)合式（4）對整個研究區(qū)NPP狀態(tài)與趨勢變化狀況進(jìn)行分析。研究結(jié)果顯示：三個時段內(nèi)阿壩州NPP狀態(tài)與趨勢指數(shù)變化分別為0.42、0.08、0.35。就整個研究期而言，阿壩州NPP變化為準(zhǔn)平衡狀態(tài)，各等級NPP間呈現(xiàn)較明顯的雙向互轉(zhuǎn)關(guān)系，且NPP轉(zhuǎn)入與轉(zhuǎn)出總量基本持平。比較前后兩個時期的阿壩州NPP狀態(tài)與趨勢變化指數(shù)，可以發(fā)現(xiàn)其前期指數(shù)遠(yuǎn)大于后期，說明前期各等級NPP間相互轉(zhuǎn)換比后期頻繁。

2.3 空間分異影響因素分析

研究選取高程、NDVI、植被類型、年均溫度、土地利用類型、坡度和年累計降水量等7 個因子，借助地理探測器得出各因子解釋力q，可實現(xiàn)其空間分異驅(qū)動機制的分析（見表2）。

表2 各因子q值探測結(jié)果

由表2 可知，各驅(qū)動因子對植被NPP的解釋力也存在明顯的差異。q值變化具體呈現(xiàn)出高程＞NDVI＞植被類型＞年均溫度＞土地利用類型＞坡度＞年累計降水的特征；從q值的數(shù)值變化可知高程對植被NPP空間分布差異性形成的影響力最大，而年累計降水量的影響作用最小；從解釋力分析可知，高程和NDVI 對植被NPP形成空間分布差異的因子解釋力達(dá)到40%以上，為驅(qū)動植被NPP分布差異性形成的主要因子；植被類型、年均溫度和土地利用類型次之，解釋力在20%～40%之間；坡度和年累計降水量對植被NPP形成空間分布地域差異的影響作用最低，在20%以下。

3 結(jié)論

本研究主要以GIS 技術(shù)為工具，實現(xiàn)了阿壩州植被NPP數(shù)據(jù)異常值的剔除與模擬修復(fù)，并對其變化規(guī)律及空間分異分析，主要成果如下。

從NPP空間分布變化狀況進(jìn)行分析，16 年內(nèi)阿壩州NPP空間分布呈現(xiàn)由南向北、自東向西逐漸減小的變化趨勢；NPP整體狀態(tài)與趨勢變化反映出，16 年內(nèi)阿壩州各等級NPP間呈現(xiàn)較明顯的雙向轉(zhuǎn)換關(guān)系，且轉(zhuǎn)入與轉(zhuǎn)出量基本持平，變化趨勢相對合理；高程和植被類型對NPP的空間分布地區(qū)差異產(chǎn)生的明顯的確定作用，且各因子產(chǎn)生交互作用的驅(qū)動力比單因子的驅(qū)動作用更加明顯。