山東省植被NPP時空變化特征及氣候影響分析

摘要：基于山東省2010—2022年MOD17A3產品數據，采用一元回歸趨勢分析、變異系數法、偏相關分析、Hurst指數法探討山東省生態系統植被凈初級生產力（NPP）時空分布特征及氣候因子的影響。結果顯示：2010—2022年山東省植被NPP呈波動上升的趨勢，多年均值為（398.03±150.20） g/（m2·a），高于全國均值，與京津冀地區相近。NPP空間分布差異明顯，東部沿海丘陵區高于內陸平原區域。年際變化上，山東省植被NPP整體較為穩定（CV值為0.09）。未來植被NPP變化趨勢上，正向趨勢與負向趨勢的面積接近，結合趨勢分析，27.86%的區域呈增長趨勢，33.49%的區域呈降低趨勢，但由增轉降的區域多集中于植被NPP較高的林地區域，需進一步研究。山東省植被NPP與氣候因素有正相關關系，氣溫升高和降水增加有利于植被NPP的增長，但氣溫較降水對植被NPP有更廣的顯著性影響區域，且平原農作區植被NPP與氣候因子相關性較差。

關鍵詞：植被NPP；時空變化；氣候因子；山東省

中圖分類號：X87文獻標志碼：A文章編號：1002-4026（2024）05-0103-08

開放科學（資源服務）標志碼（OSID）：

The spatiotemporal variation characteristics and climate impact analysis of

vegetation NPP in Shandong Province

LIU Jianjun1，SUN Kaizheng1，GONG Hualin1，ZHU Yuling2*

（1.Shandong Jinan Center for Ecological Environment Monitoring， Jinan 250101，China；

2.Jinan Center for Food and Drug Inspection and Testing，Jinan 250014，China）

Abstract∶Based on MOD17A3 product data for Shandong Province from 2010 to 2022， this study uses univariate regression trend analysis， the coefficient of variation method， partial correlation analysis， and the Hurst index method to investigate the spatiotemporal distribution of vegetation net primary productivity （NPP） for the ecosystem of Shandong Province and analyze the impact of climate factors. Results demonstrate the fluctuating upward trend of vegetation NPP for Shandong Province in recent years， with an annual average of （398.03±150.20） g/（m2·a）， higher than the national average and comparable with that of the Beijing-Tianjin-Hebei region. Vegetation NPP varies considerably across different areas. The vegetation NPP in the eastern coastal hilly area is higher than that in the inland plain area. With respect to interannual variation， the overall vegetation NPP in Shandong Province is relatively stable. With regard to the variation trend of vegetation NPP， the areas of positive and negative trends are equivalent. The trend analysis shows that 27.86% of the areas show an increasing trend， whereas 33.49% show a decreasing trend. However， the areas that have shifted from the increasing trend to the decreasing trend are mostly in woodland areas with high vegetation NPP levels， and further research is needed. In general， a positive correlation exists between vegetation NPP and climate factors. Temperature has a wider and more considerable impact on vegetation NPP than precipitation; moreover， the correlation between vegetation NPP and climate factors is poor in plain agricultural areas.

Key words∶net primary productivity of vegetation; spatiotemporal variation; climate factors; Shandong Province

植物是陸地生態系統的主要組成部分，對于減緩氣候變暖以及調節碳平衡具有重要作用［1］。凈初級生產力（NPP）是生態系統固碳功能的直接指示因子，表征綠色植物在單位時間、單位面積內所累積的有機干物質總量［2］，其長期變化趨勢能有效監測生態系統環境變化，反映陸地生態系統的質量狀況，同時也是評價生態系統碳匯或碳源的重要指標［3-4］。

美國國家航空航天局（National Aeronautics and Space Administration，NASA）發布的MOD17A3年NPP數據產品，是利用Biome-BGC模型與光能利用模型建立的NPP估算模型模擬得到陸地生態系統的NPP，該數據已在全球不同區域應用于植被生長狀況、生物量的估算、環境監測和全球變化等研究中［5］。李登科等［6］基于MOD17A3分析了中國植被NPP變化特征，認為2000年以來全國植被NPP呈波動增加趨勢，山東半島植被NPP增加速率較快。朱利欣等［7］、郭豪等［8］利用MODIS（moderate-resolution imaging spectroradiometer）數據分析了京津冀地區植被 NPP分布特征，認為植被NPP受地形、氣象因素影響較大，隨著高度和坡度的增加，植被 NPP 呈減少的趨勢；隨著降水的增多，充分的水分條件適合植被生長，進而增加植被NPP累積速度。閆妍等［9］基于MODIS 數據研究了湖南省植被凈NPP動態特征，認為人類活動顯著影響植被NPP 動態變化，城市周邊植被 NPP 顯著降低。劉亮等［10］基于2002—2018年MODIS數據預測了伊犁河流域植被NPP的變化趨勢，認為伊犁河流域大部分區域未來植被NPP以持續增加為主。盡管各學者針對不同地區開展了大量研究，但生態系統與氣候變化間的關系因植被種類等的不同會產生明顯的地域差異，陸地植被生態系統對氣候的響應在不同地區也有所不同［11］。

山東省是工業、農業、人口大省，同時也是二氧化碳排放大省，近年來鮮有對山東省生態系統碳匯變化以及氣候因子的影響研究。本文利用MODIS產品數據分析了山東省 2010—2022年植被NPP時空變化特征， 探討了氣象因素的影響， 并預測未來山東省植被NPP變化趨勢，以期為山東省碳達峰、碳中和提供理論基礎。

1研究區概況

山東省位于中國東部沿海（N34°22.9′—N38°24.01′，E114°47.5′—N122°42.3′），屬暖溫帶季風氣候，降水集中，雨熱同季，年平均氣溫11～14 ℃，年平均降水量為676.5 mm。

山東省東部是山東半島，西部及北部屬華北平原，中南部為山地丘陵，地形地貌以山地丘陵為骨架，其間平原與盆地交錯分布。山東省陸域面積15.58×104 km2，第三次國土調查數據顯示，耕地面積最大為6.46×104 km2，占41.5%；城鎮村及工礦用地次之，為2.81×104 km2，占比為18.0%；林地2.61×104 km2，園地1.26×104 km2，分別占比為16.8%和8.1%；其他交通、水域、濕地、未利用地等占比約為15.6%。

2數據來源與方法

2.1數據源

植被NPP數據：本研究使用NASA發布的MODIS衛星年度植被凈生產力產品數據（MOD17A3），該產品空間分辨率為500 m，數據單位為kg/（m2·a），產品原始值按0.000 1因子縮放，并對其中無效值進行了填充：32761為未分類土地類型，32762為城鎮建成區，32763為永久濕地或淹沒的沼澤地，32764為常年積雪或覆蓋冰的區域，32765為貧瘠稀疏的地區（如巖石、苔原和沙漠），32766為內陸淡水等覆蓋區，32767為其他情況填充值［12］。

氣象數據：利用哥白尼氣候變化服務中心（copernicus climate change service）數據庫中的再分析大氣表層月均氣溫和降水數據產品。在ENVI5.3下計算年度氣溫均值和年降水總量，后在ArcGISs10.8中采用IDW方法進行插值，生產空間分辨率為500 m的氣象柵格數據。

2.2分析方法

2.2.1變化趨勢分析

趨勢分析表征的是研究區植被生產力的變化趨勢，線性回歸分析能夠反映植被NPP在時間尺度上的變化趨勢和強度，本研究利用一元線性回歸分析山東省植被NPP變化趨勢，slope指數S>0表示該像元植被NPP為增長趨勢，S<0表示該像元植被NPP為降低趨勢。

2.2.2穩定性分析

變異系數（coefficient of variation，CV）是原始數據標準差與原始數據平均數的比，可反映區域植被生產力的時間尺度上的穩定性，將CV按大小分為穩定（CV≤0.1）、比較穩定（0.1<CV≤0.2）、不穩定（0.2<CV≤0.3）和很不穩定（CV>0.3）4級。

2.2.3偏相關分析

當多個變量兩兩之間都存在相關關系時，任兩個變量之間的高相關性有可能是由與第三個變量相關性所引起，因此簡單相關往往不能真實反映變量間的真正關系［13］，因此本文研究利用一階偏相關分析［14］來分析植被NPP與氣候因子間的相關性。

2.2.4Hurst指數

利用采用重標極差（R / S）分析法計算Hurst指數H，預測植被NPP隨時間序列變化的持續性［15］。H=0.5，表示與時間序列不相關；H＞0.5，表示隨時間序列變化具有正向持續性；H＜0.5，表示隨時間序列變化具有負向持續性。

以上分析過程均在Matlab編程實現，結果在Arcgis10.8中統計分析。

3結果分析

3.1植被NPP空間分布特征

從山東省整體區域來看，2010—2022年多年植被NPP均值范圍為0～1 043 g/（m2·a），約86.6%的區域多年植被NPP均值為200～600 g/（m2·a）。圖1顯示山東省多年植被NPP空間分布差異明顯，呈現東南高西北低的分布特征，高值區（>600 g/（m2·a））分布于東部沿海區域，此區域以丘陵山地為主，且海岸線防護林多有分布；極低值區（<200 g/（m2·a））出現在北部環渤海及黃河入海口的泥灘、鹽堿地分布的區域，受自然條件限制，植被生長較為稀疏；中高值區域（400～600 g/（m2·a））廣泛分布于半島以及魯中、魯南地區，此區域多有山區林地分布，植被生長較好；中低值區域（200～400 g/（m2·a））集中分布于魯西北平原農田區域。從地形地貌上看，魯東、魯中及魯南山地丘陵區顯著高于魯西北黃泛平原區。山東省植被NPP均值為（398.03±150.20）g/（m2·a），與京津冀（400 g/（m2·a））［8］持平，高于我國陸地植被多年NPP平均值（273.5 g/（m2·a））［6］。

3.2植被NPP變化趨勢分析

通過計算獲得各年度植被NPP均值，由圖2年度變化明顯看出，2010—2022年山東省植被NPP呈現波動上升的特征，波動區間在331.8～416.1 g/（m2·a），2022年較2010年增長77.1 g/（m2·a），年增速率為1.6%。近13年山東省植被NPP最大值出現在2020年，最低值在2010年。降幅和增幅最大值均出現在2019年度，較2018年度下降29.2%，2020年較2019年提升49.9%，分析原因為2019年山東全省年平均氣溫較常年偏高1.2 ℃，為1951年以來歷史最高值，同時全省平均年降水量較少，較常年偏少12.3%，異常的水熱條件導致了2019年度植被NPP的大幅降低。2013年較2012年同樣也有較大幅度的降低，結合山東省歷史氣象數據分析，7月份出現多次大范圍暴雨過程，全省平均降水量較常年同期偏多99.5%，8月持續高溫，平均氣溫較常年偏高2.6 ℃，7～8月正是植被生長迅速時期，異常的天氣狀況導致了年度植被NPP的降低。

回歸分析能直觀表征過去10多年山東省植被NPP的變化趨勢，圖3為通過顯著性（P<0.05）檢驗的植被NPP年際變化斜率空間分布圖，結果顯示山東省61.6%的區域多年植被NPP呈現顯著的一元回歸趨勢，年際變化值介于-515～376 g/（m2·a），均值為80 g/（m2·a）。山東省大部分區域均呈增長趨勢，S>0的區域占山東省總面積的60.9%，占有回歸趨勢面積的98.9%，主要分布于除魯西北之外的大部分區域；S＜0的區域占山東省面積的0.7%，主要集中于黃河入海口以及城市建成區周邊。

3.3植被NPP穩定性分析

山東省植被NPP變異系數變化范圍為0～1.77，整體均值為0.09。圖4空間分布顯示山東省植被NPP變異系數存在一定的空間差異性，西部平原主要為耕地，受作物種植類型的影響，區域植被NPP穩定性略低于其他區域。對逐像元分級統計后，各級別面積占比大小排序為：穩定（52.1%）、比較穩定（46.6%）、不穩定（0.9%）、很不穩定（0.3%），表明近10多年來山東省植被NPP整體較為穩定。通過信息提取發現，不穩定及很不穩定區域主要集中在南四湖和黃河入海區的灘地，該區域易受水情影響，植被難以穩定生長。

3.4植被NPP趨勢預測分析

為了更進一步掌握山東省植被NPP的發展狀況，利用Hurst指數預測未來植被NPP發展變化趨勢，結果如圖5所示。山東省植被NPP的Hurst指數變化范圍為0.15～0.99，其平均值為0.51，其中植被NPP隨時間變化有正向持續性（H＞0.5）的區域為48.7%，主要集中于地形平坦的平原區域；而具有負向持續性的（H＜0.5）的區域為51.3%，大部分集中于山地丘陵區域。Hurst指數結果說明山東省植被NPP未來變化趨勢與過去一致和與過去相反的面積大致相當。

Slope指數表征的是過去的變化趨勢，Hurst指數表征的是未來與過去變化趨勢的一致性，因此結合兩種指數可以分析出未來植被NPP的增加或降低的趨勢。通過Arcgis的空間疊加統計，表1顯示山東省27.86%的區域未來植被NPP呈增長趨勢，33.49%的區域未來植被NPP呈降低趨勢，而30.17%的區域未來植被NPP變化無法預測，表明未來山東省植被NPP整體可能會出現下降的趨勢，特別是33.02%的區域呈現由增加到降低的趨勢轉變，需加強研究分析。

3.5植被NPP與氣象因子相關性分析

氣候因素直接影響植被生長，導致植被NPP變化，植被NPP與氣象因子的偏相關性分析結果表明，山東省植被NPP與氣溫的偏相關系數-0.98～0.97，平均值為0.46；與降水的偏相關系數-0.89～0.98，平均值為0.42。圖6為通過顯著性檢驗（p<0.05）的偏相關系數分布，結果顯示山東省顯著相關的區域植被NPP與降水和氣溫均有高度的正相關性，相關系數分別為0.71和0.68，影響區域上受氣溫影響的面積高于受降水影響的區域。空間分布上，NPP與氣溫、降水的相關性存在一定差異，山東省東部半島區域植被NPP與氣溫、降水均呈高度正相關關系（r>0.6）；而在西部平原區域，受農作物種植影響，NPP與氣溫、降水呈不顯著相關關系。同時，植被NPP與氣溫顯著相關的區域與植被NPP年際變化呈顯著趨勢的區域有更高的空間一致性。

4討論與結論

4.1討論

氣溫和降水是影響植被NPP的重要因子［16］，但通過研究山東省植被NPP與氣候因子的關系，發現植被NPP變化顯著的區域與氣溫有顯著影響的區域呈現高度一致性，說明氣溫是影響山東省植被NPP的主要因子，氣溫變化在一定程度上影響植被光合作用速率和水分利用效率，改變生態系統的物質循環，從而使得NPP產生變化［17］。山東省植被NPP變化受降水影響的區域僅占33.5%，結合山東省現狀分析，山東省農業較發達，其中約48.2%的區域為耕地，區域內現代農業設施健全，灌溉條件便利，因此植被生長對水分的依賴已很大程度上不受大氣降水的影響。

盡管過去十多年山東省植被NPP呈上升趨勢，但通過更進一步分析未來變化趨勢發現，植被NPP由增加變降低的區域為所有分類中面積最大的一類，且從其空間分布來看，其主要集中于半島以及魯中山地植被NPP較高的地區，該地區多分布為林地，森林樹木的碳匯能力隨樹齡會有明顯變化，在生長周期末段，多數樹木碳匯能力會出現降低［18］，山東省近年來一直強化林地保護和修復，是否因為林地老齡化引起植被NPP出現增長拐點，要在今后的工作中進一步研究。

4.2結論

本文基于2010—2022年MOD17A3系列數據集，結合山東省氣溫、降水等數據，分析了山東省植被NPP的時空變化特征與趨勢以及氣候因素的影響作用，結果表明：

（1）2010—2022年山東省植被NPP區間在331.8～416.1 g/（m2·a），呈現波動上升的特征，多年均值為398 g/（m2·a），高于我國陸地植被多年NPP平均值。

（2）山東省61.6%的區域多年植被NPP呈現顯著的一元回歸趨勢，其中98.9%的區域均呈增長趨勢，降低趨勢的區域主要集中于黃河入海口以及城市建成區周邊。

（3）研究時段內山東省植被NPP穩定性較高，比較穩定以上等級的面積占比達到98.8%，空間變化趨勢上整體處于一個相對穩定的狀態。

（4）預測分析顯示，山東省27.86%的區域植被NPP呈增長趨勢，33.49%的區域植被NPP呈降低趨勢，30.17%的區域植被NPP變化無法預測。但呈由增加變降低的區域主要集中于植被NPP較高的山地，需進一步研究。

（5）整體上，山東省植被NPP與氣候因子呈正相關關系，與溫度呈顯著相關性的區域高于與降水呈顯著相關性的區域，農作物集中種植區與氣候因子相關性較低。

參考文獻：

［1］樸世龍， 方精云. 1982—1999年青藏高原植被凈第一性生產力及其時空變化［J］. 自然資源學報， 2002， 17（3）： 373-380.

［2］潘竟虎， 黃克軍， 李真. 2001—2010年疏勒河流域植被凈初級生產力時空變化及其與氣候因子的關系［J］. 生態學報， 2017， 37（6）： 1888-1899.

［3］CHOUDHURY B J. Carbon use efficiency， and net primary productivity of terrestrial vegetation［J］. Advances in Space Research， 2000， 26（7）： 1105-1108.

［4］陳智. 2000—2015年中國東北森林生產力和碳素利用率的時空變異［J］. 應用生態學報， 2019， 30（5）： 1625-1632.

［5］余弘泳， 余會康. 基于MODIS產品的福建省植被NPP變化分析［J］. 亞熱帶資源與環境學報， 2018， 13（3）： 82-87.

［6］李登科， 王釗. 基于MOD17A3的中國陸地植被NPP變化特征分析［J］. 生態環境學報， 2018， 27（3）： 397-405.

［7］朱利欣， 袁金國. 京津冀地區植被凈初級生產力時空分布及其與地形因子的關系［J］. 科技通報， 2019， 35（6）： 197-203.

［8］郭豪， 袁金國， 王景芝， 等. 基于MOD17A3的京津冀地區植被凈初級生產力時空演變［J］. 長江科學院院報， 2023， 40（7）： 66-72.

［9］閆妍， 覃金華， 房磊， 等. 湖南省植被凈初級生產力時空動態及其與氣候因素的關系［J］. 生態學雜志， 2022， 41（8）： 1535-1544.

［10］劉亮， 關靖云， 穆晨， 等. 2008—2018年伊犁河流域植被凈初級生產力時空分異特征［J］. 生態學報， 2022， 42（12）： 4861-4871.

［11］呂佳佳， 吳建國. 氣候變化對植物及植被分布的影響研究進展［J］. 環境科學與技術， 2009， 32（6）： 85-95.

［12］劉建軍， 姜騰龍， 劉貴芬， 等. 濟南市2015—2021年植被凈初生產力時空特征分析［C］// 中國環境科學學會2022年科學技術年會論文集（一）. 南昌：中國環境學會， 2022： 31-35.

［13］陳敏瓊， 彭東海. 關于偏相關系數的計算公式的一點注記［J］. 滁州學院學報， 2014， 16（2）： 26-29.

［14］王青.計量經濟學模型及R語言的應用［M］.北京：經濟科學出版社，2021.

［15］陳彥光.地理數學方法：基礎和應用［M］.北京：科學出版社，2011.

［16］仲曉春， 陳雯， 劉濤， 等. 2001—2010年中國植被NPP的時空變化及其與氣候的關系［J］. 中國農業資源與區劃， 2016， 37（9）： 16-22.

［17］郭睿妍， 田佳， 楊志玲， 等. 基于GEE平臺的黃河流域森林植被凈初級生產力時空變化特征［J］. 生態學報， 2022， 42（13）： 5437-5445.

［18］張冬陽. 基于樹盤圖像數字化北京松山主要樹種碳匯能力研究［D］. 北京： 北京林業大學， 2018.