寧夏黃土丘陵區植被碳水利用效率時空格局及其影響因素分析

摘 要：植被碳水利用效率是表征生態系統碳水循環的重要指標。研究基于趨勢分析法和地理探測器，分析了寧夏黃土丘陵區植被碳水利用效率時空格局及其影響因素。結果表明：①寧夏黃土丘陵區的總初級生產力（GPP）、凈初級生產力（NPP）及蒸散量（ET）均呈現出顯著的上升趨勢；②2003—2023年寧夏黃土丘陵區植被碳利用效率（Carbon Use Efficiency，CUE）的線性趨勢率為-0.008～0.013 a-1，線性變化速率較為平緩，水分利用效率（Water Use Efficiency，WUE）的線性趨勢率為-0.48～0.02 g（C）/（m2·a），WUE整體上呈現出微弱的上升趨勢；③就單個因子而言，對CUE影響最大的是年平均降水量，其次是DEM高程和到河流的距離，對WUE影響最大的是年平均降水量。

關鍵詞：寧夏黃土丘陵區；碳水利用效率；趨勢分析法；地理探測器

中圖分類號：Q948.11 文獻標志碼：A 文章編號：1674-7909（2024）14-115-7

DOI：10.19345/j.cnki.1674-7909.2024.14.027

0 引言

在氣候變化的宏觀背景下，植被的碳水循環機制及其對環境變化的響應成為生態學領域研究的熱點。植被的碳水利用效率作為衡量植被碳水循環效率的重要指標，在全球變化研究中占據了舉足輕重的地位［1］。碳水利用效率是衡量生態系統內碳水耦合緊密程度的關鍵指標，能夠有效揭示生態系統中的碳水循環機制及其之間的相互作用關系［2］。

近年來，國內外學者從不同方面對碳水利用效率的時空演變格局進行分析。在研究區方面，大多數學者研究了鄂爾多斯、黃河流域、鄱陽湖流域、蒙古高原、黃土高原等區域［2-5］，極少數學者對寧夏黃土丘陵區進行了研究［6-7］，較少學者同時研究植被的碳利用效率和水分利用效率。因此，研究基于ＭODIS數據產品，深入分析了寧夏黃土丘陵區植被CUE和WUE時空演變特征，并探討了各影響因素對寧夏黃土丘陵區植被CUE和WUE的影響，目的在于厘清寧夏黃土丘陵區植被碳水利用效率時空演變格局及其特征，挖掘出影響碳水利用效率時空演變格局的主要驅動因子，幫助學者深層次理解碳水循環過程和演變機理，平衡區域碳水循環，指導區域國土空間開發、生態系統優化，為區域生態保護和高質量發展提供理論指引和政策遵循。

1 研究區概況與數據來源

1.1 研究區概況

寧夏黃土丘陵區位于寧夏回族自治區南部，以黃土丘陵為主要地貌，地處黃土高原的西北部，地勢呈南高北低之勢，地形溝壑縱橫。海拔大部分在1 500～2 000 m。寧夏黃土丘陵區位于黃土高原暖溫半干旱氣候帶，屬典型的大陸性氣候區，晝夜溫度差異很大，同時該區域的降水也呈現出明顯的差異。年平均降水量為472 mm，無霜期為155 d。

1.2 數據來源

1.2.1 碳水利用數據

研究使用的總初級生產力（GPP）、凈初級生產力（NPP）和蒸散量（ET）遙感數據均源自MODIS數據產品系列，具體為MOD17A2H、MOD17A3H和MOD16A2，空間分辨率為500 m，時間跨度為2003—2023年。這3類數據的地理坐標系均設置為WGS-84。

1.2.2 影響因素數據

影響因素數據主要分為社會經濟數據和氣候環境數據兩大類，用于分析碳水利用效率時空演變的驅動因素。將數據空間分辨率統一為30 m×30 m，地理坐標系統統一為GCS_WGS_1984。碳水利用效率的驅動因子共8個，其中氣候環境因子4個，社會經濟因子4個（見表1）。

2 研究方法

2.1 CUE和WUE計算方法

2.1.1 碳利用效率（CUE）

碳利用效率（CUE）是衡量植被生態系統效能的一個重要指標，是凈初級生產力（NPP）與總初級生產力（GPP）的比值，即CUE=NPP/GPP，其可以直觀反映植被將大氣中的CO2轉化為生物量的能力［6］。CUE越接近1，植被的固碳潛力越大，意味著單位時間內植被能更高效地將碳轉化為生物量。

2.1.2 水分利用效率（WUE）

水分利用效率（WUE）是評估生態系統中碳水循環相互關系的關鍵指標，是衡量植物在消耗單位質量水分時所能固定的碳量（或干物質質量）［7-8］。在遙感技術的實際應用中，為了獲取大尺度區域的水分利用效率，通常采用凈初級生產力（NPP）與蒸散量（ET）的比值來估算，即WUE=NPP/ET，這種計算方法能更精確地理解生態系統中的水分利用效率和碳水循環的動態變化。

2.2 趨勢分析法

在深入探究事物客觀發展規律的基礎上，趨勢分析法成了一種科學且有效的方法，它用于對研究對象既有狀態及其潛在未來演變趨勢進行準確判斷和合理預測。研究使用一元線性回歸分析方法，對2003—2023年寧夏黃土丘陵區全區植被的碳水利用效率進行長時間序列分析，在充分考慮異常值的同時，提高計算效率，并得出更準確的趨勢分析結果。具體計算過程見式（1）。

[slope=n×i=1ni×Xi-i=1ni×i=1nXin×i=1ni2-i=1ni2] " " " " " " （1）

式中：slope為變化速率，n為研究總年數，X為自變量，研究中自變量為WUE和CUE。

2.3 地理探測器

地理探測器作為一款專為空間分析設計的統計模型，其核心價值在于深入剖析空間分布的差異性，并揭示這些差異背后的關鍵驅動力量。這款工具集合了多種探測器類型（如因子探測器、交互作用探測器、風險區探測器和生態探測器等）［7］，共同提供了全面、細致的空間分析視角。

單因子是指一個獨立變量對響應變量的影響，不考慮其他變量的存在或影響。交互因子則是指2個或多個獨立變量聯合起來對響應變量的影響，與這些變量單獨影響之和不同。如果2個變量之間存在交互作用，那么一個變量的效果會受到另一個變量水平的影響。

因子探測器用于評估自變量X對因變量Y的空間分異解釋力q，空間分異解釋力q的計算公式見式（2）。

[q=1-h=1LNhσ2hNσ2] " " " " " " " " " " " " "（2）

式中：L為碳水變量Y或影響因素X的分層；Nh和N分別為層h和全區域內的樣本數；σh2和σ2分別為層h和全區域內Y的方差；q的值域為［0，1］，q值越接近1，則說明該因子對Y的解釋力越強［8］。

3 寧夏黃土丘陵區植被生產力與蒸散特征

3.1 總初級生產力特征

2003—2023年，寧夏黃土丘陵區植被的總初級生產力（GPP）為437～705 g（C）/（m2·a），這表明該地區植被在吸收和儲存碳方面具有較高的能力。如圖1所示，寧夏黃土丘陵區植被GPP在年際尺度上呈波動上升的趨勢，最小值出現在2009年，在2018年達到最大值。從線性趨勢分析結果來看，GPP的增長速率為10.819 g（C）/（m2·a）。2009—2012年，GPP值的波動尤為明顯，2010年GPP值有所回升。GPP值在2011年再次出現了小幅度減少。2012年，GPP值的增幅變大，增加至589 g（C）/（m2·a）。2012—2023年，GPP值在2018年達到最大后，出現了小幅度的下降，這一變化可能反映了生態系統在面對長期壓力時的脆弱性，也可能與近年來氣候變化、環境惡化等因素有關。

3.2 凈初級生產力特征

2003—2023年，寧夏黃土丘陵區植被的年均凈初級生產力（NPP）呈現了較為明顯的變化，如圖2所示。由圖2可知，在近21 a的時間里，雖然NPP值波動頻繁且幅度較大，但總體呈波動上升趨勢。線性趨勢分析為揭示寧夏黃土丘陵區植被NPP值上升趨勢的具體數據提供了有力支撐，結果表明，寧夏黃土丘陵區植被的NPP增長速率為5.428 g（C）/（m2·a）。其中，2007年是一個明顯的低谷，NPP均值為289 g（C）/（m2·a），這可能與當年的氣候異常或人為干擾等因素有關。然而，在經歷了一段時間的波動后，2015年寧夏黃土丘陵區植被NPP均值達到了最高峰，為613 g（C）/（m2·a）。這一顯著增長不僅彰顯了寧夏黃土丘陵區植被恢復工作的成效，也預示著寧夏黃土丘陵區生態環境質量的持續改善。

3.3 蒸散特征

2003—2023年，寧夏黃土丘陵區植被年均蒸散量（ET）有較為明顯的變化，如圖3所示。在這段時間內，寧夏黃土丘陵區植被年均蒸散量為351～576 mm，多年平均蒸散量為451.667 mm。在2003年和2004年，寧夏黃土丘陵區植被平均蒸散量為歷史低點（僅為351 mm）。2019年，寧夏黃土丘陵區植被蒸散量達到巔峰（高達564 mm），比多年平均蒸散量高124.333 mm。總體而言，寧夏黃土丘陵區植被年均蒸散量呈現增加趨勢。

4 寧夏黃土丘陵區植被碳水利用效率時空演變特征

4.1 植被CUE的時空演變特征及趨勢分析

4.1.1 植被CUE時空分布特征

2003—2013年和2013—2023年寧夏黃土丘陵區植被年均CUE空間分布如圖4所示。由圖4可知，2003—2013年，寧夏黃土丘陵區植被年均CUE值域為0.50～0.69，其高值區主要分布在寧夏黃土丘陵區西部；低值區則集中分布在寧夏黃土丘陵區南部的六盤山山脈，即圖中淺色區域；而東部地區其CUE值大多在0.62～0.64。2013—2023年，寧夏黃土丘陵區植被年均CUE值域略有變化，為0.50～0.68。CUE的高值區依然主要聚集在寧夏黃土丘陵區西部，即圖中深色部分；低值區主要分布在寧夏黃土丘陵區南部六盤山山脈。與2003—2013年相比，2013—2023年CUE高值區面積略有增加，特別是寧夏黃土丘陵區中部的CUE值有所提高。然而，低值區的分布特征在這2個時間段內均保持一致。

4.1.2 寧夏黃土丘陵區植被CUE變化趨勢

通過Sen趨勢分析法對寧夏黃土丘陵區植被CUE的線性變化率進行統計，如圖5所示。由圖5可知，寧夏黃土丘陵區植被CUE的線性趨勢率為-0.008～0.013 a-1，這表明CUE的年際變化雖然存在，但總體上并不顯著，寧夏黃土丘陵區植被CUE的線性變化速率較為平緩。這種微小的變化率可能反映了寧夏黃土丘陵區植被生態系統在長時間尺度上的穩定性和自我調節能力。雖然寧夏黃土丘陵區植被CUE在近21 a間呈現出一定的下降趨勢，但這種下降趨勢緩慢而穩定。

4.2 植被WUE的時空演變特征及趨勢分析

4.2.1 植被WUE時空分布特征

2003—2013年和2013—2023年寧夏黃土丘陵區植被年均WUE空間分布如圖6所示。由圖6可知，2003—2013年均WUE值域為0.36～4.95 g（C）/（m2·mm），WUE值主要集中在0.36～0.85 g（C）/（m2·mm），WUE值在0.36～0.70 g（C）/（m2·mm）的區域主要分布在寧夏黃土丘陵區西北部，這里的植被由于水分條件的限制，其WUE值自然偏低。WUE值在0.70～0.85 g（C）/（m2·mm）的區域主要分布在寧夏黃土丘陵區中部。2013—2023年，寧夏黃土丘陵區植被WUE值域略有變化，年均WUE的值域為0.30～1.42 g（C）/（m2·mm），從空間上看WUE的高值區主要分布在六盤山山脈區域的山麓森林，這些地區由于森林植被的茂密和水分條件的相對優越，使得WUE值顯著提高；低值區則主要分布在寧夏黃土丘陵區西部，這些地區由于水分條件的限制，植被的WUE值仍然較低。

4.2.2 寧夏黃土丘陵區植被WUE變化趨勢

在深入探究寧夏黃土丘陵區植被水分利用效率（WUE）的變化趨勢時，采用Sen趨勢分析這一統計方法，以期揭示其線性變化率的空間分布特征。由圖7可知，寧夏黃土丘陵區植被水分利用效率（WUE）的線性趨勢率為-0.48～0.02 g（C）/（m2·a）。這表明在該地區，不同區域的植被WUE變化率存在顯著差異。具體來說，這種變化率的差異可能源于多種因素的疊加影響，一方面，氣候的波動（如降水量的變化、氣溫的升降等）會對植被的水分利用效率產生直接影響；另一方面，土地利用的變化（如農田的開墾、森林的砍伐與恢復等）也會間接改變植被的生長環境和水分利用效率。此外，植被類型本身的差異及人類對其采取的管理措施（如灌溉方式、植被保護政策等），都是影響WUE變化的重要因素。WUE整體上呈現出微弱的上升趨勢。

5 寧夏黃土丘陵區植被CUE、WUE的影響因素分析

5.1 寧夏黃土丘陵區植被CUE的影響因素分析

5.1.1 植被CUE單因子探測分析

為探究寧夏黃土丘陵區植被CUE的驅動因子，并且查明每個因子對植被CUE的貢獻率，采用地理探測器對該地區植被CUE進行驅動力分析。將寧夏黃土丘陵區DEM高程、年平均降水量、坡度、到河流的距離、到高速公路的距離、GDP、到國道的距離和人口密度等8個影響因子作為自變量，2003—2023年寧夏黃土丘陵區植被年均CUE作為因變量輸入地理探測器模型，因子探測結果見表2。

由圖8可知，各因子的q值從大到小依次是年平均降水量、DEM高程、到河流的距離、到高速公路的距離、坡度、GDP、到國道的距離、人口密度。在這些因子中，有3個因子的q值尤為突出，均超過了0.2的閾值。其中，年平均降水量的q值最高，達到了0.306 4；其次是DEM高程和到河流的距離，q值分別為0.248 7、0.223 6，這說明年平均降水量是影響寧夏黃土丘陵區植被CUE的關鍵因素，DEM高程是重要因素，到河流的距離對寧夏黃土丘陵區植被CUE也具有較強的影響。

5.1.2 植被CUE交互作用探測分析

地理探測器中的交互探測功能可以深入剖析寧夏黃土丘陵區植被CUE受到多種因子共同作用時的具體影響機制。這一功能不僅揭示了不同因子間的相互關聯，也可以定量評估它們共同作用時對植被CUE的增強或削弱效應。寧夏黃土丘陵區植被CUE各因子交互作用探測結果如圖9所示。由圖9可知，DEM高程、年平均降水量、到河流的距離等因素與其他因子的交互作用均較強。值得注意的是，其中幾組交互作用尤為顯著，依次是DEM高程與到高速公路的距離、年平均降水量與到高速公路的距離、DEM高程與年平均降水量、DEM高程與到河流的距離，q值分別為0.503 25、0.442 81、0.436 41、0.424 05，這些高值意味著這些因子組合對寧夏黃土丘陵區植被CUE的影響是顯著且強烈的。進一步與表2中的數據進行對比可知，到高速公路的距離和到河流的距離單獨作用于植被CUE時q值較低，而與DEM高程共同作用時其值會變大，這意味著這2個因子在與DEM高程共同作用時，對植被CUE的影響得到了顯著增強；具體來說，這2個因子與DEM高程相加的q值均大于交互探測的q值，因此判定為雙因子增強，同時表明2003—2023年寧夏黃土丘陵區植被CUE變化主要受到DEM高程與到高速公路的距離、年平均降水量與到高速公路的距離共同推動。

5.2 寧夏黃土丘陵區植被WUE的影響因素分析

5.2.1 植被WUE單因子探測分析

研究將寧夏黃土丘陵區DEM高程、年平均降水量、坡度、到河流的距離、到高速公路的距離、GDP、到國道的距離和人口密度等8個影響因子作為自變量，2003—2023年寧夏黃土丘陵區植被年均WUE作為因變量，利用因子探測器探測8個影響因子對2003—2023年寧夏黃土丘陵區WUE的影響。寧夏黃土丘陵區植被WUE各驅動因子探測結果見表3。如圖10所示，各因子對寧夏黃土丘陵區植被WUE的解釋力從大到小依次是年平均降水量、到河流的距離、到國道的距離、DEM高程、GDP、坡度、到高速公路的距離、人口密度。在所有因子中，年平均降水量對寧夏黃土丘陵區植被WUE的解釋力最強，其q值高達0.336 9。這一結果表明，年平均降水量是影響寧夏黃土丘陵區植被WUE的主導因素。

5.2.2 植被WUE交互作用探測分析

研究利用交互探測器探測驅動因子之間影響寧夏黃土丘陵區植被WUE變化的相互關系，如圖11所示。研究表明，氣候環境因子中，DEM高程除與年平均降水量、GDP存在雙因子增強作用外，與其他因子存在非線性增強作用；年平均降水量與到國道的距離和人口密度存在非線性增強作用；坡度與GDP、到國道的距離和人口密度也存在非線性增強作用。社會經濟因子中，到國道的距離、人口密度與各個因子都存在非線性增強作用；到高速公路的距離與DEM高程、GDP、到國道的距離、人口密度存在非線性增強作用；GDP與坡度、到高速公路的距離、到國道的距離、人口密度存在非線性增強作用。

通過以上分析，發現寧夏黃土丘陵區植被WUE受多個因子的交互影響，這些因子間的交互作用主要呈現出雙因子增強和非線性增強的特征，且未觀察到非線性減弱的因子。其中，年平均降水量與到高速公路的距離交互作用的結果對寧夏黃土丘陵區植被WUE空間分布的影響力最大（q=0.521 95）。

6 結論

基于MODIS遙感數據，運用植被生產力和蒸散量對寧夏黃土丘陵區植被碳利用效率（CUE）和水分利用效率（WUE）進行了定量評估。在此基礎上，深入研究了2003—2023年寧夏黃土丘陵區植被CUE和WUE的時空演變特征，并探討了其背后的主要影響因素，得出以下結論。

①2003—2023年，寧夏黃土丘陵區的總初級生產力（GPP）、凈初級生產力（NPP）及蒸散量（ET）均呈現顯著的上升趨勢。GPP值為437～705 g（C）/（m2·a），最小值出現在2009年，在2018年達到最大值。GPP的增長速率為10.819 g（C）/（m2·a）。寧夏黃土丘陵區植被的NPP增長速率為5.428 g（C）/（m2·a）。2007年是一個低谷，NPP均值為289 g（C）/（m2·a），2015年寧夏黃土丘陵區植被NPP均值達到了最高峰，為613 g（C）/（m2·a）。寧夏黃土丘陵區植被年均蒸散量為351～576 mm，多年平均蒸散量為451.667 mm。

②2003—2023年，寧夏黃土丘陵區植被年均CUE的高值區主要分布在寧夏黃土丘陵西部，低值區則集中分布在寧夏黃土丘陵區南部的六盤山山脈；WUE的高值區主要分布在六盤山山脈區域的山麓森林，低值區則主要分布在寧夏黃土丘陵區西部。

③2003—2023年，寧夏黃土丘陵區植被CUE的線性趨勢率為-0.008～0.013 a-1，線性變化速率較為平緩。雖然寧夏黃土丘陵區植被CUE在近21 a間呈現出一定的下降趨勢，但表現為一種緩慢而穩定的變化。WUE的線性趨勢率范圍為-0.48～0.02 g（C）/（m2·a），WUE整體上呈現出微弱的上升趨勢。

④就單個因子而言，對CUE影響最大的是年平均降水量，其次是DEM高程和到河流的距離；對WUE影響最大的是年平均降水量。以上說明年平均降水量對CUE和WUE都有很大的影響。通過交互作用探測分析，可得到CUE變化主要受到DEM高程與到高速公路的距離、年平均降水量與到高速公路的距離共同推動；對WUE變化而言，交互解釋力最強的是年平均降水量與到高速公路的距離。

參考文獻：

［1］劉昌明，劉璇，于靜潔，等.生態水文學興起：學科理論與實踐問題的評述［J］.北京師范大學學報（自然科學版），2022，58（3）：412-423.

［2］梁康，公麗，宋小青，等.黃河水源涵養區土地利用變化的區域分異特征及未來格局［J］.水科學進展，2024，35（2）：325-337.

［3］林子琦，溫仲明，劉洋洋，等.基于遙感數據的植被碳水利用效率時空變化和歸因分析［J］.生態學報，2024，44（1）：377-391.

［4］尹超華，羅敏，孟凡浩，等.蒙古高原植被碳水利用效率時空變化特征及其影響因素［J］.生態學雜志，2022，41（6）：1079-1089.

［5］劉福紅，葉許春，郭強，等.鄱陽湖流域不同土地覆被碳水利用效率時空變化及其與氣候因子的相關性［J］.生態學報，2021，41（2）：694-706.

［6］宮菲，杜靈通，孟晨，等.寧夏陸地生態系統水分利用效率特征及其影響因子［J］.生態學報，2019，39（24）：9068-9078.

［7］李夢華，韓穎娟，趙慧，等.基于地理探測器的寧夏植被覆蓋度時空變化特征及其驅動因子分析［J］.生態環境學報，2022，31（7）：1317-1325.

［8］常曉格，王志慧，肖培青，等.黃土高原生態系統水分利用效率演變及驅動因素空間分異規律［J］.水土保持研究，2022，29（5）：244-252.