中國亞熱帶地區植被GPP時空變化及其對GPPmax和物候的響應

摘要：亞熱帶地區植被具有很強的固碳能力，其動態變化對區域乃至全球尺度碳循環都具有重要影響。基于植被總初級生產力（GPP）和日光誘導葉綠素熒光（SIF）數據，本文采用曲率求導和樣條插值提取我國亞熱帶植被春秋季物候和GPP峰值（GPPmax），結合MK趨勢檢驗和偏相關分析，定量分析2001—2018年我國亞熱帶植被年GPP時空變化特征及其對物候和GPPmax的響應。結果表明，研究期間，亞熱帶地區植被年GPP和GPPmax均表現為顯著增加的趨勢，春季物候和秋季物候則分別表現出不顯著提前和顯著推遲。偏相關分析結果表明，GPPmax和春季物候與年GPP在整個研究區分別為正相關和負相關；除研究區東南部以外，秋季物候與年GPP也表現為正相關。整體而言，研究區內植被年GPP變化主要受到GPPmax的控制，其次為春季物候和秋季物候。

關鍵詞：總初級生產力；日光誘導葉綠素熒光；物候；GPPmax

中圖分類號：Q948；X171.1 文獻標識碼：A 文章編號：1008-9500（2024）02-0-07

DOI：10.3969/j.issn.1008-9500.2024.02.051

Spatiotemporal variation of vegetation GPP in subtropical regions of China and its response to GPPmax and phenology

YANG Hailong1， HE Yanjun2

（1. School of Geography Science and Planning， Nanning Normal University;

2. Key Laboratory of Environment Change and Resources Use in Beibu Gulf， Ministry of Education，

Nanning Normal University， Nanning 530001， China）

Abstract： Vegetation in subtropical regions has strong carbon sequestration capabilities， and its dynamic changes have significant impacts on regional and even global carbon cycling. Based on the gross primary productivity （GPP） of vegetation and sun-induced chlorophyll fluorescence （SIF） data， the curvature derivative and spline interpolation are used to extract the spring and autumn phenology and GPP peak （GPPmax） of subtropical vegetation in China， and combined with MK trend test and partial correlation analysis， the spatiotemporal variation characteristics of annual GPP of subtropical vegetation in China from 2001 to 2018 and its response to phenology and GPPmax are quantitatively analyzed in this paper. The results showed that during the study period， the annual GPP and GPPmax of vegetation in subtropical regions showed a significant increase trend， while the spring phenology and autumn phenology showed no significant advance and significant delay， respectively. The partial correlation analysis results indicate that GPPmax and spring phenology are positively and negatively correlated with annual GPP in the entire study area， respectively; except for the southeastern part of the study area， there is also a positive correlation between autumn phenology and annual GPP. Overall， the annual GPP variation of vegetation in the study area is mainly controlled by GPPmax， followed by spring phenology and autumn phenology.

Keywords： gross primary productivity; sun-induced chlorophyll fluorescence; phenology; GPPmax

植被總初級生產力（GPP）是單位時間內綠色植物通過光合作用吸收大氣二氧化碳固定的有機碳總量，決定進入陸地生態系統最起始的有機物質和能量[1]，其動態變化將直接影響全球碳循環[2]。因此，準確量化GPP的年際變化及其驅動因子對深入理解氣候變化和陸地生態系統碳循環具有重要意義。研究表明，植被可以通過延長生長季長度和增大碳吸收效率峰值兩種途徑提升生產力。王瑩瑩等[3]研究中國溫帶地區植被物候和生產力的關系時發現，植被生長季長度和GPP整體呈顯著正相關。Chen等[4]基于日光誘導葉綠素熒光（SIF）的遙感，估算青藏高原GPP，并對其時空變化和驅動要素進行研究，結果表明，GPP峰值（GPPmax）主導青藏高原大部分地區GPP的變異。春季物候（SOS）和秋季物候（EOS）共同決定生長季長度，因此二者也能以不同方式改變和影響GPP[5-6]。為了更好地解釋GPP的年際變化，要將植被生長季長度細化為春季物候和秋季物候，綜合考慮春秋季物候和GPPmax對GPP的影響。

我國亞熱帶地區植被具有很高的固碳能力，在全球碳循環中發揮重要作用[7]。我國亞熱帶區域空間范圍為21.8°N～34.4°N、97.9°E～122.9°E，本文將其作為研究區，但研究區不包括香港特別行政區、澳門特別行政區和臺灣省。研究區內年均氣溫介于5～22 ℃，年降水量介于500～3 000 mm，由東南向西北遞減。研究區處于東亞季風盛行區，氣候特點為雨熱同期、濕潤多雨，這也造就該區獨特的植被分布格局和較高的植被生產力[8]。研究區內主要的自然植被類型包括常綠針葉林、常綠闊葉林、落葉闊葉林、灌叢和草地等。從植被物候和GPPmax對年GPP的影響來看，以往研究多集中于中高緯度地區和通量站點尺度，亞熱帶地區的相關研究較少。基于此，本文利用遙感GPP和SIF數據提取亞熱帶GPPmax和物候參數，并結合趨勢分析和偏相關分析，探究年GPP的時空變化特征及其對二者的響應，以期增強對亞熱帶植被碳循環及其驅動機制的認識。

1 數據來源與研究方法

1.1 數據來源

本研究所用的SIF數據基于OCO-2 SIF探測衛星數據、中分辨率成像光譜儀（MODIS）數據和氣象再分析數據生產而成，具有高時空分辨率（0.05°，

8 d），時間跨度為2001—2018年[9]。該數據集與通量站點GPP高度相關，并已廣泛應用于遙感物候提取[10]。本研究所用GPP數據基于上述SIF數據生產而成，其間采用8 d合成GPP產品插值提取GPPmax，用年合成產品表征年GPP[11]。

1.2 研究方法

1.2.1 物候及GPPmax提取

為了降低SIF和GPP的時間序列噪聲，本研究利用TIMESAT軟件的Savitzky-Golay濾波方法對上述兩種時間序列進行濾波處理[12]。之后對GPP時間序列進行樣條插值，提取GPPmax，SIF時間序列前后兩段分別采用Logistic函數進行擬合[13]，如式（1）所示。之后，采用式（2）計算SIF曲線曲率的導數K'。其中，參數z可以用式（3）表示。定義春季物候和秋季物候分別為K'達到局部極值時刻，如圖1所示。

（1）

（2）

z=ea+bt（3）

式中：y（t）為儒略日t對應的SIF值；a和b為擬合參數；c為SIF最大值與SIF背景值的差值；d為SIF背景值。

1.2.2 Mann-Kendall趨勢檢驗及偏相關分析

在R軟件中，利用Mann-Kendall趨勢檢驗逐像元計算年GPP、GPPmax、SOS和EOS的變化趨勢[14]。同時，采用偏相關分析探究年GPP與GPPmax和春秋季物候的關系，計算公式如式（4）所示[15]。本文中計算Mann-Kendall趨勢和偏相關的R包分別為trend程序包和ppcor程序包，同時所有統計量的顯著性系數P均小于0.05。

（4）

式中：rXY·Z為控制變量Z后變量X和變量Y的偏相關系數，若該系數大于0，則表示正相關，若該系數小于0，則表示負相關；rXY為變量X和變量Y的相關系數；rYZ為變量Y和變量Z的相關系數；rXZ為變量X和變量Z的相關系數。

2 結果與分析

2.1 研究區GPP、GPPmax及物候的年際變化特征

基于我國亞熱帶地區2001—2018年SIF數據和GPP數據的提取，分析該區GPP和物候的年際變化趨勢，如圖2所示。結果表明，年GPP和GPPmax二者變化趨勢一致且都為顯著增加，變化率分別為

24 g C/（m2·a）和0.1 g C/（m2·a）。該區春季物候與秋季物候則表現出相反的變化趨勢，即春季物候為不顯著的提前，秋季物候為顯著推遲，二者的變化率分別為-0.25 d/a和0.38 d/a。

2.2 多年平均GPP、GPPmax及物候的分布格局

2001—2018年，我國亞熱帶地區年GPP的分布呈現出從東南向西北逐漸遞減的趨勢，如表1所示。東南地區的廣東省、福建省等地GPP多年均值高于2 100 g C/（m2·a），中部地區江西省等地的多年均值在1 800 g C/（m2·a）左右，位于西部的四川省等地GPP多年均值在1 300 g C/（m2·a）左右。相較于GPP多年均值，GPPmax的空間分布特征不明顯，高值區主要分布于研究區西北部的陜西省、甘肅省等地，多年均值多高于11 g C/（m2·a），其次為南部的廣西壯族自治區、貴州省等地，多年均值多在

10 g C/（m2·a）以上，較低值出現在研究區西南部的四川省、云南省等地，多年均值多在9 g C/（m2·a）左右。春季物候和秋季物候空間分布較為類似。具體來看，研究區東南部廣東省、福建省等地春季物候出現最早，最小低于60 d，中部地區的春季物候則在70 d

左右，西北和西南地區的春季物候最晚，多高于90 d。秋季物候的空間分布特征較為明顯，表現為東南地區秋季物候結束最晚，從東南地區到中部地區，秋季物候逐漸提前至330 d左右，而后又向西北逐漸提前。

2.3 年GPP、GPPmax及物候年際變化趨勢的分布格局

2001—2018年，我國亞熱帶年GPP整體上均呈顯著增加趨勢，如圖3（a）所示，大多數省級行政單位的顯著區域面積占比在90%以上。廣西壯族自治區、廣東省等南部地區的變化率能夠超過30 g C/（m2·a），變化率較小的區域主要集中于西部的云南省、四川省，變化幅度約為15 g C/（m2·a）左右。此外，江西省、湖南省、福建省等中東部地區的變化率多在

25 g C/（m2·a）附近。對于GPPmax，顯著增加的區域主要位于西北部的陜西省、甘肅省等地，變化趨勢可達0.20 g C/（m2·a）左右，顯著區域面積占比超過90%，如圖3（b）所示。GPPmax變化趨勢較小的區域主要分布在云南省、四川省等西南部地區，變化幅度在0.05 g C/（m2·a）左右。對于春季物候，提前的省級行政單位要遠多于推遲的省級行政單位，如圖3（c）所示。春季物候提前的區域主要位于東南部和西部地區，其中顯著提前的區域主要位于西南部的貴州省和中部的江西省等地；推遲的區域主要集中于北部地區和中部地區。對于秋季物候，大多數省級行政單位主要表現為推遲趨勢且顯著推遲的區域集中于研究區東北部的安徽省、浙江省、江蘇省等地，如圖3（d）所示。

2.4 年GPP與GPPmax、物候的偏相關分析

年GPP與GPPmax的偏相關系數大體上都表現出顯著正相關，表明GPPmax增大有利于年GPP的積累，系數較高的區域分布在研究區西北部的陜西省、甘肅省等地，如圖4（a）所示。對于春季物候，其與年GPP的偏相關系數整體呈負相關，表明春季物候提前有助于年GPP總量的提升，如圖4（b）所示。其中，位于西北部的甘肅省及西南部的貴州省、四川省等地呈現出顯著的負相關。除研究區東南部的福建省外，其他省級行政單位秋季物候和年GPP均表現為正相關，表明秋季物候的推遲能夠增加年GPP，如圖4（c）所示。由年GPP變化主控因子可以看出，研究區絕大部分省級行政單位年GPP變化主要受到GPPmax的影響，其次為春季物候，受秋季物候影響的面積占比最小，如圖4（d）所示。春季物候作為主控因子的區域主要分布于研究區南部的廣東省、廣西壯族自治區等地，而秋季物候作為主控因子的區域主要集中于重慶市、安徽省等地。

3 結論

本文以我國亞熱帶植被為研究對象，采用遙感GPP和SIF數據提取GPPmax和物候參數，并分析GPP年際變化及其對GPPmax和春秋季物候的響應。研究表明，2001—2018年，年GPP和GPPmax均呈現出顯著增加的趨勢，春季和秋季物候則分別表現出不顯著提前和顯著推遲。其中，年GPP和GPPmax的變化率分別為24 g C/（m2·a）和0.1 g C/（m2·a），春秋季物候的變化率分別為-0.25 d/a和0.38 d/a。從分布格局上看，研究區年GPP和GPPmax整體上也都呈顯著增加趨勢，但春季物候以提前的區域居多，秋季物候以推遲的區域居多。此外，研究還發現，GPPmax的增加和春季物候的提前均能提升年GPP。在研究區東南部，秋季物候的推遲對年GPP有抑制作用，其余地區則為促進作用。就整個研究區而言，年GPP的變化受GPPmax主控的區域占絕大部分，其次為春季物候和秋季物候。

參考文獻

1 王軍邦，楊屹涵，左 嬋，等.氣候變化和人類活動對中國陸地生態系統總初級生產力的影響厘定研究[J].生態學報，2021（18）：7085-7099.

2 張心竹，王鶴松，延 昊，等.2001—2018年中國總初級生產力時空變化的遙感研究[J].生態學報，2021（16）：6351-6362.

3 王瑩瑩，袁金國，張 瑩，等.中國溫帶地區植被物候期時空變化特征及對總初級生產力的影響[J].遙感技術與應用，2019（2）：377-388.

4 Chen S，Huang Y，Gao S，et al.Impact of physiological and phenological change on carbon uptake on the Tibetan Plateau revealed through GPP estimation based on spaceborne solar-induced fluorescence[J].Science of The Total Environment，2019（663）：45-59.

5 原 媛，母艷梅，鄧鈺潔，等.植被覆蓋度和物候變化對典型黑沙蒿灌叢生態系統總初級生產力的影響[J].植物生態學報，2022（2）：

162-175.

6 楊 靖.橫斷山區植被的生長季和總初級生產力變化及主要驅動因素[D].西安：長安大學，2023：11-12.

7 周 蕾，遲永剛，劉嘯添，等.日光誘導葉綠素熒光對亞熱帶常綠針葉林物候的追蹤[J].生態學報，2020（12）：4114-4125.

8 楊勤業，鄭 度，吳紹洪.關于中國的亞熱帶[J].亞熱帶資源與環境學報，2006（3）：1-10.

9 Li X，Xiao J.A global，0.05-degree product of solar-induced chlorophyll fluorescence derived from OCO-2，MODIS，and reanalysis data[J].Remote Sensing，2019（5）：517.

10 Ren P，Liu Z，Zhou X，et al.Strong controls of daily minimum temperature on the autumn photosynthetic phenology of subtropical vegetation in China[J].Forest Ecosystems，2021（3）：413-424.

11 Li X.Mapping Photosynthesis Solely from Solar-Induced Chlorophyll Fluorescence：A Global，Fine-Resolution Dataset of Gross Primary Production Derived from OCO-2[J].Remote Sensing，2019

（21）：2563.

12 宋春橋，柯靈紅，游松財，等.基于TIMESAT的3種時序NDVI擬合方法比較研究：以藏北草地為例[J].遙感技術與應用，2011（2）：

147-155.

13 Zhang X，Friedla M A，Schaaf C B.Monitoring vegetation phenology using MODIS[J].Remote Sensing of Environment，2003（3）：84.

14 Zu J，Zhang Y，Huang K，et al.Biological and climate factors co-regulated spatial-temporal dynamics of vegetation autumn phenology on the Tibetan Plateau[J].International Journal of Applied Earth Observation and Geoinformation，2018（69）：198-205.

15 袁倩穎，馬彩虹，文 琦，等.六盤山貧困區生長季植被覆蓋變化及其對水熱條件的響應[J].國土資源遙感，2021（2）：220-227.