西南地區植被生態系統GPP時空變化及其主導氣候因子識別

中圖分類號：Q948 文獻標識碼：A 文章編號：1000-3142（2025）08-1380-1

2025.西南地區植被生態系統GPP時空變化及其主導氣候因子識別［J].廣西植物，45（8）：1380-1391.XIE ZY，LI ZX，2025.Temporalandspatial variationsof grossprimary productivity（GPP）invegetation ecosystemsand itsdominant climatic factors identification in Southwest China[J].Guihaia，45（8）：1380-1391.

Temporal and spatial variations of gross primary productivity （GPP） in vegetation ecosystems and its dominant climatic factors identification in Southwest China

XIE Zongyin， LI Zhenxi

（Guangxi Zhuang Autonomous Region Institute of Natural Resources Remote Sensing，Nanning 530oo，China）

收稿日期：2024-12-03接受日期：2025-02-26基金項目：廣西重點研發計劃項目（桂科AB22080080）；高分辨率對地觀測系統重大專項政府綜合治理應用于規模化產業化示范項目（84-Y50G25-9001-22/23）。第一作者：謝宗音（1986—），高級工程師，主要從事攝影測量與遙感研究，（E-mail）247807325@qq.com。通信作者：黎珍惜，高級工程師，主要從事地理信息與遙感應用研究，（E-mail）ygysy_2024@163.com。

Abstract：Exploring thespatiotemporal variations of gross primaryproductivity（GPP）acrossvegetation ecosystems （cropland，forest，and grassland） in Southwest China，aswellas the influenceof climaticfactorson these variations， holds significant importanceforcategoried management of regional vegetationresourcesamidstclimate change.Basedon vegetation GPP，temperature，and precipitation data spanning from 20O to 2O22，coupled with landuse type data from 2020，thisstudyadopted Theil-SenMedian trendanalysis，Mann-Kendall significance test，andpath analysis to investigate the spatiotemporal paterns of GPPwithin Southwest China's vegetation ecosystems.It further dissected he direct，indirect，andcomprehensive impacts of temperatureand precipitationonvegetationGPP，revealing thedominant climatic factors and their modes of influenceon GPPchanges inthe region.Theresults were as folows：（1）From 2000 to 2022，a significant upward trend（ Plt;0.05 ）wasobserved in GPP across all vegetation ecosystems in Southwest China，with the cropland ecosystem experiencing the highest increase rate，and the grassland ecosystem，the lowest.（2） At theregional scale，temperature hadapositive direct，indirect，andcomprehensive impacts onvegetation GPP， whereas precipitation exertedanegative influence.Temperature had themost significant direct impact ongrassland ecosystem GPP，while precipitation's direct impact was the greatest on cropland ecosystem GPP.（3）At the pixel scale， the impact of temperature on GPP changes in Southwest China and Various ecosystems was stronger than that of precipitation. Temperature directly dominated 54.89% of the changes in vegetation GPP.In summary，a considerable proportion of vegetation ecosystems in Southwest China shows positive changes in GPP，with temperature'sdirect impact being the primary driver of GPP variations across Various ecosystems.The study valuable insights for formulating regionally adaptive ecological restoration and management policies amidst global climate change.

Keywords：Southwest China，vegetation ecosystem，grossprimary productivity（GPP），climatic factors，path analysis

植被是生態系統中能量流動與物質循環的關鍵橋梁（Ritter et al.，2020;Higgins etal.，2023）。植被的總初級生產力（grossprimaryproductivity，GPP）是指在特定時間單位與面積單位內，生態系統中綠色植物經由光合作用過程所累積的有機碳總量（Ritter et al.，2020;Camps-Valls et al.，2021）。植被GPP不僅可反映生態系統的生產能力和健康狀態，還是衡量碳循環效率與可持續發展水平的關鍵指標（Xu et al.，2019；Knaueret al.，2023;Zhongetal.，2023）。植被GPP與氣候密切相關，氣候因素直接影響植被GPP變化，而植被GPP的變化又會對氣候產生反饋作用（Jietal.，2024；羅敏等，2024；徐勇等，2024）。因此，研究植被GPP長期變化特征，并分析其與氣候因子間的關系對氣候變化背景下植被固碳潛力評估具有重要意義。

已有研究在國家和區域尺度上探究了植被GPP與氣候因子間的關系。Ji等（2024）研究表明，1982—2018年全球超過 60% 的林地GPP呈顯著上升趨勢，而林地GPP變化受 CO₂ 施肥的影響強于氣溫、降水和太陽輻射等氣候因子，并且太陽輻射對GPP的負向影響正在增強。Fan等（2023）研究發現，2001—2018年東南亞和云南植被GPP上升速率大于植被EVI，并且在大部分區域氣溫和降水對植被EVI的影響大于植被GPP， 38%～40% 研究區域的植被變化主要受氣候變化的主導。Yuan等（2020）分析了1901—2016年和2006—2100年植被GPP對極端氣溫和降水的響應，發現植被GPP對北緯高緯度地區和高海拔地區（如青藏高原）的極端氣溫及熱帶地區的極端降水最為敏感。高振翔等（2022）研究表明，1982—2016年中國植被GPP整體呈上升趨勢，植被GPP與氣溫和降水均呈正相關，并且植被GPP與氣溫的相關系數高于降水。楊宇萌等（2024）研究表明，氣溫、降水和土壤濕度與植被GPP均有較好的相關性，降水對植被GPP的影響更為顯著，氣候變化對多個時間段內的植被恢復起決定性作用，而人類活動對植被退化的影響高于氣候變化。徐勇等（2023）研究表明，濕度、日照時數和降水是影響中國植被GPP空間分異的主要影響因子。西南地區植被GPP空間分異主要受降水和其他因子的協同影響。以上研究表明，植被GPP與氣溫和降水的相關性存在明顯的地域分異性，并且已有研究表明不同植被生態系統對氣溫和降水的響應程度存在差異（戴黎聰等，2019；Dangetal.，2023；徐勇等，2023；Xuetal.，2024）。已有研究大多采用相關分析和偏相關分析來判定植被指數與氣候因子之間的關系（Gao etal.，2022；Renetal.，2023；莫建飛等，2024），而忽視了氣候因子之間復雜的相互作用。通徑分析（徐勇等，2024）是一種多元統計分析方法，能夠揭示多個自變量與因變量之間的復雜關系，探究氣候因子對植被GPP的直接、間接和綜合影響。

西南地區地處中國西南部，地貌類型復雜，氣候條件多變，植被資源豐富，明顯的區域差異使得植被生態系統對氣候變化的響應較為復雜。鑒于此，本文以西南地區為研究區域，采用植被GPP、氣溫和降水數據，通過Theil-SenMedian趨勢分析、Mann-Kendall顯著性檢驗和通徑分析等方法，擬探討以下問題：（1）西南地區植被生態系統植被GPP時空變化特征；（2）氣溫和降水對西南地區植被生態系統直接、間接和綜合影響的差異及其空間分布特征；（3）不同植被生態系統GPP變化的主導氣候因素及其影響方式。

1 研究區概況

西南地區位于中國西南部，地理位置為97^°21^′-112^°04^′E.20^°54^′-34^°19^′N ，涵蓋了云南、貴州、四川、重慶及廣西等地，其總面積達137.63萬km² ，約占中國陸地國土面積的 14.33% 。研究區地勢起伏較大，高程為 -20～6304m 。西南地區位于熱帶季風區和亞熱帶季風區，降水充沛，熱量充足，雨熱同期，年均降水量為 115.99～2543.75mm ，年均氣溫為 -2.76～23.66°C ，降水和氣溫在空間上呈從東南到西北逐漸遞減的趨勢。西南地區農田、林地和草地分別占西南地區總面積的 24.06%.48.76% 和23.08% （圖1）。西南地區為典型的喀斯特地貌區，其特殊的地理位置、復雜的氣候條件和地貌條件使得該地區植被資源十分豐富。其中，云南省高等植物約有17000種，占全國的 57% ；四川省維管束植物有9254種，其中喬木1000多種，約占全國總數的50% 。具體而言，草原、草甸和高山植被主要分布在高海拔的高原和山地地區，灌叢、針葉林、闊葉林和沼澤主要分布在中海拔山地和丘陵地區，而草叢和栽培植被則主要分布在低海拔的丘陵和平原地區。西南地區因其多樣的植被類型和脆弱的生態環境而成為我國生態環境保護工作中不可忽視的重點區域。

2 材料與方法

2.1數據來源

本文使用的GPP數據由LAADSDAAC（ladsweb.modaps.eosdis.nasa.gov）提供，數據為開源數據，數據集名稱為MOD17A2H，數據每8d為1期，空間分辨率為 500m 。為確保生成的MODISGPP時間序列數據集的準確性和可用性，基于GEE平臺，合成并裁剪得到2000—2022年西南地區MODISGPP時間序列數據，空間分辨率重采樣為 1km 。

氣溫和降水數據來源于資源與環境科學數據平臺（https：//www.resdc.cn/）提供的中國氣象要素月度空間插值數據集，數據空間分辨率為 1km 覆蓋全國。經裁剪得到西南地區2000—2022年的逐月氣溫和降水時間序列。

2020年土地利用遙感監測數據集來源于資源與環境科學數據平臺，空間分辨率為 1km 。土地利用類型可以分為耕地、林地、草地、水域、建設用地和未利用地，分別占總面積的 24.06%.48.76% 23.08%，1.07%，1.63% 和 1.42% （2020年）。本文將耕地、林地和草地分別為定義農田、林地和草地生態系統。

2.2研究方法

2.2.1 Theil-Sen Median 趨勢分析Theil-SenMedian趨勢分析是一種穩健的非參數統計方法，用于分析數據集中的趨勢（Arrogante-Funesetal.，2024）。該方法具有抗噪性強和可以降低數據異常值的影響等優勢，常用于氣象、水文、植被指數等長時間序列數據的分析。其計算公式如下：

j?2022

式中： Slope_GPP 表示植被GPP變化趨勢;median表示中值函數; GPP_j 和 GPP_i 分別表示 j 年和 i 年的植被GPP值。

2.2.2Mann-Kendall顯著性檢驗Mann-Kendall顯著性檢驗是一種非參數統計檢驗方法（Wangetal.，2023）。該方法具有樣本數據無需服從正態分布、不受少數異常值的干擾和適用范圍廣等優點，常用于長時間序列數據變化趨勢的顯著性檢驗。其計算公式如下：

設定 {GPP_i，GPP_j }， i=2000，2001，…，2022 統計量 （2）其中， （3）

圖1西南地區生態系統空間分布

Fig.1Spatial distribution of ecosystems in Southwest China

式中： GPP_i 和 GPP_j 分別表示每個像元第 i 年和第 j 年的植被 GPP 值; n 表示時間序列長度; sgn 為符號函數； VAR（S） 為方差；統計量 Z 的取值范圍為 （-∞，+∞） 。當 ∣Z∣gt;Z_1-α/2 時，表明西南地區植被GPP在時間序列長度內發生了顯著趨勢變化，反之則為無顯著趨勢變化，將變化趨勢劃分為3個顯著性等級，即極顯著變化（ Plt;0.01 ）、顯著變化（ 0.01?Plt;0.05 ）、不顯著變化（ P?0.05 。

2.2.3通徑分析通徑分析是一種綜合了多元線性回歸分析和相關分析的技術方法，可用于探究植被GPP與氣候因子之間的線性關系。通過通徑分析，將植被GPP與氣候因子之間的相關系數（綜合影響）分解為氣候因子對植被GPP的直接和間接影響（Fengetal.，2021;徐勇等，2024）。本研究利用通徑分析探究氣溫和降水對植被GPP的影響，其原理如下。

因變量 y 和自變量 x_i 的回歸方程如下：

式中： a_n 為非標準化系數，對線性回歸方程進行數學變換建立正規矩陣方程。

式中： r_xixj∣（i，j?n） 表示 x_i 和 x_j 的相關系數;r_xiy （ i?n， 表示 x_i 和 y 的相關系數。

通過矩陣方程的求解，得到直接通徑系數 a_i ，它代表自變量 x_i 對因變量 y 的直接作用效果。而間接通徑系數則由 r_xixj×a_i 得出，它表示 x_i 通過另一個自變量 x_j 對 y 產生的間接影響。

為了統一不同變量之間的單位和量綱，我們采用Z-score標準化方法（李雙成和蔡運龍，2005；徐勇等，2024）對植被GPP、氣溫及降水數據進行了處理。

式中： X_std 表示經過標準化處理后的數值； 表示平均值； σ 則表示標準差。

根據植被的總初級生產力（ GPP_stad ）、氣溫（ T_stad ）及降水（ P_stad ）的數據，構建多元線性回歸方程：

GPP_stad=A_t×T_stad+A_p×P_stad+ε

式中： A_t 表示氣溫對植被GPP的直接通徑系

數，反映氣溫對植被GPP的直接影響； A_p 表示降水對植被GPP的直接通徑系數，體現降水對植被GPP的直接影響； ε 表示殘差項。

氣溫與降水之間存在相互的影響作用，這種相互作用可以表達如下：

A_tp=r_tp×A_p

A_pt=r_tp×A_t

式中： A_tp 表示氣溫與植被GPP的間接通徑系數，即氣溫對植被GPP的間接影響； A_pt 表示降水與植被GPP的間接通徑系數，即降水對植被GPP的間接影響； r_tp 表示氣溫和降水之間的相關系數。

植被GPP與氣候因子的直接通徑系數和間接通徑系數之和等于相關系數。

r_t-gpp=A_t+A_tp

r_p-gpp=A_p+A_pt

式中： r_t-gpp 為氣溫與植被GPP的相關系數，即氣溫對植被GPP的綜合影響; r_p-gpp 為降水與植被GPP的相關系數，即降水對植被GPP的綜合影響。當植被GPP與氣溫和降水的直接相關系數、間接相關系數和綜合相關系數通過 Plt;0.05 顯著性檢驗時，即二者之間呈顯著影響，反之則為不顯著影響。

3結果與分析

3.1植被GPP和氣候因子時空變化特征

由圖2：A可知，西南地區植被GPP2000—2022年平均值為 632.88g?m^-2?a^-1 。研究時段內，西南地區植被GPP呈顯著上升趨勢（ Plt; 0.05），上升速率為 3.49g?m^-2?a^-1 。由圖2：B-D可知，2000—2022年西南地區農田、林地和草地生態系統GPP呈顯著上升，速率分別為3.72、3.54、（20 3.53g?m^-2?a^-1 。林地生態系統GPP 2000—2022年平均值最高，為 684.32g?m^-2?a^-1 ，農田生態系統GPP2000—2022年平均值次之，為 _613.83g ：m^-2?a^-1 ，草地生態系統GPP2000—2022年平均值最低，為 571.14g?m^-2?a^-1 。

由圖3：A可知，2000—2022年西南地區植被GPP平均值為 18.09～1070.83g?m^-2?a^-1 。植被GPP高值區主要分布在研究區南部，而低值區主要分布在若爾蓋高原、四川盆地和廣西東南部。由圖3：B可知，研究時段內西南地區植被GPP變化斜率為 -35.31～54.42g?m^-2?a^-1 。由圖3：C可知，研究區 86.01% 的植被GPP呈上升趨勢，通過Plt;0.05 顯著性檢驗的區域占 37.35% ，主要分布在四川盆地四周，云南、貴州和四川三省交界處，以及云南西部和廣西中部。從不同的植被生態系統來看，農田、林地和草地生態系統GPP呈上升趨勢的面積占比分別為 84.37% 、 88.35% 和 87.19% ，其中通過 Plt;0.05 顯著性檢驗的區域分別占 44.57% ！37.35% 和 33.07% 。綜上表明，林地生態系統GPP呈正向變化的區域占比最大，但農田生態系統GPP呈顯著上升的面積占比最大。

3.2植被GPP與氣候因子的多尺度關系

3.2.1基于區域尺度的植被GPP與氣候因子的通徑分析由表1可知，西南地區植被GPP受氣溫直接、間接和綜合影響均為正向作用，分別為0.688（ Plt;0.05， 、0.005（ P?0.05 和0.693（ Plt;0.05 ；受降水直接、間接和綜合影響均為負向作用，分別為-0.028（ P?0.05 ）、-0.127（ P?0.05 ）和-0.155（ P?0.05. 。整體而言，氣溫對各植被生態系統GPP的直接、間接和綜合影響明顯高于降水。從不同的植被生態系統來看，氣溫和降水對草地生態系統GPP變化的綜合影響最大，而對農田生態系統GPP變化的綜合影響最小。除對農田生態系統間接作用以外，氣溫對農田、林地和草地生態系統GPP變化均具有正向影響，但降水對不同植被生態系統GPP變化存在差異。具體表現在降水對農田生態系統GPP變化具有正向影響（直接、間接和綜合），對林地和草地生態系統GPP變化具有負向影響。

3.2.2基于像元尺度的植被GPP與氣候因子的通徑分析由圖4：A-C可知，氣溫對植被GPP的直接影響和綜合影響高值區主要由西南地區中部向四周蔓延，而間接影響的高值區主要分布由西南地區中部向西部和西南部延伸。氣溫對植被GPP的直接、間接和綜合影響呈正向影響的面積占比分別為 69.30% 、 50.64% 和 70.95% 。從不同的植被生態系統來看，氣溫對草地生態系統GPP的直接影響和綜合影響呈正向影響的面積占比均大于呈負向影響的面積占比，并且草地生態系統呈正向影響的面積占比高于林地和農田生態系統。由圖4：D-F可知，降水對植被GPP的直接、間接和綜合影響呈負向影響的面積占比分別為 56.49% ！55.60% 和 59.01% 。降水對植被GPP直接和綜合影響呈顯著負向影響的區域主要分布在西南地區西部，而呈顯著正向影響的區域則主要分布在四川盆地及其周邊地區。從不同的植被生態系統來看，降水對農田生態系統GPP直接影響（ 58.47% ）和綜合影響（ 56.32% ）以正向影響為主，而對林地和草地生態系統GPP的直接、間接和綜合影響均以負向影響為主，區域占比均大于 50% 。

圖3西南地區植被生態系統GPP空間分布及其變化Fig.3Spatial distribution and variation of vegetation ecosystem GPP in Southwest China

表1氣候因子對西南地區植被生態系統GPP的影響

Table1Impacts of climate factors on vegetation ecosystem GPP in Southwest China

注： ? 表示相關系數通過顯著性檢驗（ Plt;0.05 ）。Note： * indicates that the correlation coefficient has passed the significance test （ Plt;0.05）

3.2.3西南地區植被GPP變化主導因子識別由圖5可知，西南地區植被GPP變化受氣溫主導的面積占比大于降水。植被GPP變化受氣溫直接影響主導的面積占比為 84.38% ，廣泛分布在西南地區。植被GPP變化受降水影響的面積占比為

圖4西南地區植被GPP與氣候因子通徑分析

Fig.4Path analysis betweenvegetation GPP and climate factors in Southwest China

15.62% ，其中降水直接影響主導 13.65% 植被GPP變化，集中分布在四川東部和云南西部。從不同的植被生態系統來看，農田、林地和草地生態系統GPP變化受氣溫直接影響主導的面積占比分別為84.42% 84.63% 和 85.31% 。綜上可知，西南地區和各植被生態系統GPP變化主要受氣溫直接影響的控制。氣溫和降水的直接影響對各植被生態系統的主導面積均大于其間接影響。

4討論

4.1西南地區植被GPP時空變化特征

研究時段內，西南地區 86.01% 的植被GPP整體呈上升態勢。西南地區因其獨特的地理環境和地形地貌條件，植被資源豐富且類型多樣，主要以草原、草甸、灌叢、喬木和栽培植被為主。加之西南地區受亞熱帶季風氣候、高原山地氣候和熱帶季風氣候的影響，降水豐沛、熱量和光照條件充足，以上條件為植被光合作用和生長發育提供了有利的環境（劉剛等，2017；馬炳鑫等，2023）。此外，西南地區實施了退耕還林還草和石漠化綜合治理等一系列生態恢復工程，同時，控制放牧數量、禁止亂砍濫伐和開山造田等人類活動正向干預均對西南地區植被改善具有促進作用（Zengetal.，2020；Songetal.，2022；耿慶玲等，2022）。因此，西南地區植被GPP整體上呈上升趨勢且廣泛分布在研究區（Ding etal.，2021;Dong etal.，2023;徐勇等，2023）。

圖5西南地區植被GPP變化氣候主導因子空間分布 Fig.5Spatial distribution of climatic dominant factor on vegetation GPP in Southwest China

西南地區農田生態系統GPP上升速率高于林地和草地生態系統，這主要是由于西南地區除實施的一系列生態修復工程以外，人類活動的正向干預，如1999年頒布的《中華人民共和國土地管理法》中明確規定的永久基本農田劃定制度，以及《基本農田保護條例》和《永久基本農田保護紅線管理辦法》的提出，均為農田生態系統生產力和糧食安全的提升提供了保障（王江和唐藝蕓，2023）。此外，隨著農業技術的發展，智慧農業和數字農業的全面推廣，集約化農業得到廣泛實施，水利設施的修建和科學田間管理技術的提升，使得西南地區農田生態系統GPP的上升斜率高于林地和草地生態系統（馬炳鑫等，2023；吳富有等，2023）。

4.2西南地區植被GPP與氣候因子間的關系

整體而言，氣溫是西南地區植被GPP變化的主導氣候因子。西南地區位于我國西南部，氣候類型多樣，氣溫和降水呈明顯的季節變化特征。氣溫是決定光合作用速率和呼吸作用強度的關鍵因素，西南地區年平均氣溫為 15.21～16.26^°C ，在研究時段內氣溫以 0.21°?a^-1 的速率上升，在適宜的氣溫條件下，呼吸作用與光合作用之間的平衡可以保持植被GPP的穩定增長。此外，李婷婷等（2022）研究表明氣溫升高可以有效延長植物生長季。西南地區年累積降水量為970.12～1270.16mm ，并且除云南以外，其余地區降水呈上升趨勢，加之西南地區河網密布，水系發達，水量豐富，形成了復雜而豐富的長江、珠江、怒江和瀾滄江等水系網絡（竇明等，2023；薛媛等，2024），因而降低了植被GPP對降水變化響應的敏感性，氣溫是影響西南地區植被GPP變化的主導因素（Gong et al.，2023;Zhang et al.，2023；Li et al.，2024）。

相較于農田和林地生態系統，草地生態系統GPP變化受氣溫和降水的影響更大。這是由于草地主要分布在西南地區西北部的橫斷山地和若爾蓋高原地區，該地區地勢較高，氣溫相對較低，年降水量相對較少。相較于林地和農田，草地的植被覆蓋度通常較低，根系較淺，生態系統結構較為單一，對于地表溫度和土壤濕度等環境因子變化的緩沖和適應性更弱；相較于林地和草地，氣溫和降水對地表溫度和土壤濕度的影響更為直接；林地相對于草地具有更好的氣溫調節和蒸騰截留的作用，而農田受人為管理的影響較大（雷茜等，2024；徐勇等，2024）。因此，草地生態系統GPP變化對氣溫和降水響應更為敏感。

降水對農田生態系統GPP變化具有正向影響（直接、間接和綜合），主要分布在四川盆地及其周邊地區。西南地區農田生態系統多為水田和旱地且主要分布在四川盆地。以水田為例，種植的作物主要為水稻-其他作物輪作（申哲等，2023），得益于科學的田間管理和灌溉等措施，加之西南地區農業作物基本為需水型農業，降水是對農田生態系統作物生長的一個重要水源補充方式（郭耀輝等，2024）。因此，降水對農田生態系統的直接、間接和綜合影響均以正向影響為主。

5結論

（1）在研究的時間段內，西南地區的農田、林地以及草地生態系統GPP均呈現出明顯的增長趨勢。其中，農田生態系統GPP增長速度略高于林地和草地生態系統。

（2）氣溫對西南地區植被GPP的直接、間接和綜合影響均以正向影響為主，而降水則均以負向影響為主。值得關注的是，在直接影響和綜合影響方面，降水對農田生態系統GPP以正向影響為主。

（3）氣溫對西南地區和各生態系統GPP變化的主導面積大于降水。氣溫和降水的直接影響對各植被生態系統的主導面積均大于其間接影響。

參考文獻：

ARROGANTE-FUNESP，OSUNA D，ARROGANTE-FUNES F，etal.，2O24.Uncovering NDVI time trendsin Spanish high mountain biosphere reserves：A detailed study[J]. Journal of Environmental Management，355：120527.

CAMPS-VALLS G，CAMPOS-TABERNERM，MORENOMARTINEZ A，et al.， 2021. A unified vegetation idex for quantifying the terrestrial biosphere[J].Science Advances， 7（9）：eabc7447.

DAILC，GUOXW，ZHANGFW，etal.，2O19.Theresponseof net primary productivity of two different vegetation types to climatic factors and root turnover analysis on the QinghaiTibetPlateau[J].Acta Ecologica Sinica，39（14）：5241- 5251.［戴黎聰，郭小偉，張法偉，等，2019.青藏高原兩 種植被類型凈初級生產力與氣候因素的關系及周轉值分 析［J].生態學報，39（14）：5241-5251.]

DANG CY，SHAO ZF，HUANG X，et al.，2023.Climate warming-induced phenology changes dominate vegetation productivity in Northern Hemisphere ecosystems[J]. Ecological Indicators，151：110326.

DING Z，ZHENG H，LI H，et al.，2021.Afforestation-driven increases in terrestrial gross primary productivity are partly offsetbyurban expansionin SouthwestChina[J].Ecological Indicators，127：107641.

DONGGY，FANL，FENSHOLTR，etal.，2023.Asymmetric response of primary productivity to precipitation anomalies in Southwest China [J].Agricultural and Forest Meteorology， 331：109350.

DOU M，YU JQ，GUANJ，et al.，2O23.Study on relationship between water system development and connectivity in China based on water resource zoning [J].Advances in Water Science，34（6）：877-886.［竇明，余佳琦，關健，等，

2023.基于水資源分區的中國水系發育度與連通度相關 性［J].水科學進展，34（6）：877-886.] FAN FF，XIAO CW，FENG ZM， et al.， 2023.Impact of human and climate factors on vegetation changes in mainland southeast asia and Yunnan Province of China[J]. Journal of Cleaner Production，415：137690. FENG K，WANG T，LIU SL，et al.，2O21.Path analysis model to identify and analyse the causes of aeolian desertification in Mu Us Sandy Land，China[J].Ecological Indicators，

124：107386. GAO WD，ZHENG C，LIU XH，et al.，2O22.NDVI-based vegetation dynamics and their responses to climate change and human activities from 1982 to 2020：A case study in the Mu Us Sandy Land，China [J].Ecological Indicators，

137： 108745. GAO ZX，YE J，DING RH，et al.，2022.Response of vegetation grossprimary productivity to climate change in China［J].Research of Soil and Water Conservation，29 （4）：394-399，414.[高振翔，葉劍，丁仁惠，等，

2022.中國植被總初級生產力對氣候變化的響應［J].水 土保持研究，29（4）：394-399，414.] GENG QL，CHEN XQ，HE XH，et al.，2022.Vegetation dynamics and its response to climate change and human activities based on diffrent vegetation types in China [J].Acta Ecologica Sinica，42（9）：3557-3568.[耿慶玲， 陳曉青，赫曉慧，等，2022.中國不同植被類型歸一化植 被指數對氣候變化和人類活動的響應［J］.生態學報，

42（9） ： 3557-3568.] GONG H，CHENG Q，JIN H，et al.，2023.Effectsof temporal，spatial，and elevational variation in bioclimatic indiceson the NDVI of different vegetation typesin Southwest China[J].Ecological Indicators，154：110499. GUO YH，KUANG JX，DU XD，et al.，2024. Research on potential，influencing factors and strategies of grain production increase in Southwest China [J].Resources Development amp; Market，40（6）：843-850.[郭耀輝，況嘉欣，杜興端，等，

2024.中國西南地區糧食增產潛力、影響因素與策略研究 [J].資源開發與市場，40（6）：843-850.] HIGGINS SI，CONRADI T，MUHOKO E，2023. Shifts in vegetation activity of terrestrial ecosystems attributable to climate trends[J].Nature Geoscience，16（2）：147-153. JI Y，ZENG S，LIU X，et al.，2024.Mutual inhibition effects of elevated CO₂ and climate change on global forest GPP [J].Environmental Research，252：119145. KNAUERJ，CUNTZ M，SMITHB，et al.，2O23.Higher global gross primary productivity under future climate with more advanced representations ol photosynthesis[J」. Science Advances，9（46） ：eadh9444.

LEI X，HU ZW，WANG JZ，et al.，2023. Spatiotemporal dynamics of NDVI in China from 1985 to 2015：ecosystem variation，regional differences，and response to climatic factors[J].Acta Ecologica Sinica，43（15）：6378- 6391.［雷茜，胡忠文，王敬哲，等，2023.1985—2015年 中國不同生態系統NDVI時空變化及其對氣候因子的響 應［J].生態學報，43（15）：6378-6391.]

LI TT，GUO ZZ，MA C，2022. Spatiotemporal changes of piedmont phenology int the transitional zone between the second and third steps， China [J]. Geographical Research， 41（11）：3000-3020.[李婷婷，郭增長，馬超，2022.中國 第二、三級階梯地形過渡帶山前植被物候時空變化探析 [J].地理研究，41（11）：3000-3020.]

LI SC，CAI YL，2005. Some scaling issues of geography [J].GeographicalResearch，24（1）：11-18.[李雙成，蔡 運龍，2005.地理尺度轉換若干問題的初步探討［J]．地 理研究，24（1）：11-18.]

LIX，XUJ，JIAY，et al.，2O24.Spatio-temporal dynamics of vegetation over cloudy areas in Southwest China retrieved from four NDVI products[J]. Ecological Informatics， 81：102630.

LIU G，SUN R， XIAO ZQ， et al.， 2017. Analysis of spatial and temporal variation of net primary productivity and climate controls in China from 2001 to 2014[J].Acta Ecologica Sinica，37（15）：4936-4945.［劉剛，孫睿，肖志強，等， 2017.2001—2014年中國植被凈初級生產力時空變化及其 與氣象因素的關系[J].生態學報，37（15）：4936-4945.]

LUO M，MENG FH，WANG YQ，et al.，2024.Mutual feedback relationship between vegetation GPP andsoil moisture in China under climate change [J].Acta Geographica Sinica，79（1）：218-239.[羅敏，孟凡浩，王 云倩，等，2024.氣候變化下中國植被GPP與土壤水的 互饋關系［J].地理學報，79（1）：218-239.]

MA BX，HE CX，JING JL，et al.，2023，Atribution of vegetation dynamics in Southwest China from 1982 to 2019 [J].Acta Geographica Sinica，78（3）：714-728.[馬炳鑫， 和彩霞，靖娟利，等，2023.1982—2019年中國西南地區 植被變化歸因研究［J].地理學報，78（3）：714-728.]

MO JF，ZHOU XY，MO WF，et al.，2024.Analysisof vegetation ecological quality change and its driving forces in Guangxi from 2000 to 2020[J].Guihaia，44（5）：907- 924.[莫建飛，周希源，莫偉華，等，2024.2000—2020年 廣西植被生態質量變化及驅動力分析［J].廣西植物， 44（5） ： 907-924.]

REN Y，ZHANG F，ZHAO C，et al.，2023.Atribution of climate change and human activities to vegetation NDVI in Jilin Province，China during 1998-202O[J].Ecological Indicators，153：110415.

RITTER F，BERKELHAMMER M，GARCIA C，2O2O.Distinct response of gross primary productivity in five terrestrial biomes to precipitation variability[J].Communications Earth amp; Environment，1：34.

SHENZ，HAN TF，HUANGJ，et al.，2023.Spatio-temporal variation of relative yield gap of rice and its response to nitrogen fertilizer in China[J].PlantNutritionand Fertilizer Science，29（5）：789-801.［申哲，韓天富，黃 晶，等，2023.中國水稻相對產量差時空變異及其對氮肥 的響應［J].植物營養與肥料學報，29（5）：789-801.]

SONG W，FENG Y，WANG Z，2022.Ecological restoration programs dominate vegetation greening in China [J]. Science of the Total Environment，848：157729.

WANG G，PENG W，ZHANG L，et al.，2023.Quantifying the impacts of natural and human factors on changes in NPP using an optimal parameters-based geographical detector [J].Ecological Indicators，155：111018.

WANG J，TANG YY，2O23. Deficiencies and remedies of the basis farmland production regulations under the goal of food security[J].China Land Science，37（2）：43-50.[王江， 唐藝蕓，2023.糧食安全目標下《基本農田保護條例》的 缺失與補救［J].中國土地科學，37（2）：43-50.]

WU FF，LI ZH， LIAO FQ，et al.，2023. Study on the change of farmland contracting scale of large grain growing households in typical main rice production areas in the middle and lower reaches of the Yangtze River in the past 1O years：A case study of northern Jiangxi Province[J].China Land Science， 37（2）：82-91.[吳富有，李資華，廖富強，等，2023.近 10年長江中下游典型水稻主產區種糧大戶的耕地承包 規模變化研究——以江西省北部為例［J].中國土地科 學，37（2）：82-91.]

XU CG，MCDOWELL NG，FISHER RA，et al.，2019. Increasing impactsofextremedroughtsonvegetation productivity under climate change [J].Nature Climate Change，9（12） ： 948-953.

XU Y，LU YG，ZOUB，et al.，2024. Unraveling the enigma of NPP variation in Chinese vegetation ecosystems：The interplayof climate change and land use change[J].Science of the Total Environment，912：169023.

XU Y，PAN YC， ZOU B，et al.，2O24. Quantitative assessment of the impact of climate change on the growing seasonof vegetation gross primary productivity in the middle and lower reaches of the Yangtze River[J].Environmental Science，45 （3）：1615-1628.［徐勇，盤鈺春，鄒濱，等，2024.定量評 估氣候變化對長江中下游地區植被GPPGS變化的影響 [J].環境科學，45（3）：1615-1628.]

XU Y，ZHAO C，GUO ZD，et al.，2023.Spatio-temporal variation ofgrossprimaryproductivity andsynergistic mechanism of influencing factors in the eight economic zones，China[J].China Environmental Science，43（1）： 477-487.［徐勇，趙純，郭振東，等，2023.中國八大經濟 區GPP變化及影響因子協同機制［J].中國環境科學， 43（1）：477-487.]

XUE Y，YANG Q，MA ZG，et al.， 2024. Trends and possible causes of different levels of precipitation variations in China during 1961-2020 ［J].Chinese Journal of Atmospheric Sciences，48（2）：619-644.[薛媛，楊慶，馬柱國，等， 2024.1961～2020年中國區域不同等級降水的變化趨勢 及其可能成因［J].大氣科學，48（2）：619-644.]

YANG YM，LAIQ，LIU XY，2024.Quantitative analysisof climate change and human activities on vegetation gross primary productivity in Nei Mongol，China [J]．Chinese Journal of Plant Ecology，48（3）：306-316.[楊宇萌，來全， 劉心怡，2024.氣候變化和人類活動對內蒙古植被總初級 生產力的定量影響[J].植物生態學報，48（3）：306-316.]

YUAN MS，ZHU Q， ZHANG J，et al.，2020. Global response of terrestrial gross primary productivity to climate extremes [J].Science of The Total Environment，750：142337.

ZENG Y，YANG XK，FANG NF，et al.，2O2O.Large-scale afforestation significantly increases permanent surfacewater in China’s vegetation restoration regions [J].Agricultural and Forest Meteorology，290：108001.

ZHANG Y， ZHANG LQ，WANG JY，et al.， 2023. Quantitative analysis of NDVI driving factorsbased on the geographical detector model in the Chengdu-Chongqing region，China [J].Ecological Indicators，155：110978.

ZHONG ZQ，HE B，WANG YP，et al.，2023.Disentangling the effects of vapor pressure deficit on northern terrestrial vegetation productivity [J]. Science Advances，9（32）： eadf3166.