曲學(xué)斌，竇華山，高紹鑫，林 聰，王 涵

（1.中國(guó)氣象局蘭州干旱氣象研究所，甘肅省干旱氣候變化與減災(zāi)重點(diǎn)實(shí)驗(yàn)室，中國(guó)氣象局干旱氣候變化與減災(zāi)重點(diǎn)實(shí)驗(yàn)室，甘肅 蘭州730020；2.呼倫貝爾市氣象局，內(nèi)蒙古 呼倫貝爾021008；3.內(nèi)蒙古呼倫湖國(guó)家級(jí)自然保護(hù)區(qū)，內(nèi)蒙古 呼倫貝爾021008）

植被凈初級(jí)生產(chǎn)力（Net Primary Productivity，NPP）是指植被在單位時(shí)間、單位面積上，由光合作用產(chǎn)生的有機(jī)物質(zhì)總量扣除自養(yǎng)呼吸后剩余的部分， 是反映作物生長(zhǎng)變化和生態(tài)系統(tǒng)物質(zhì)能量循環(huán)的重要指標(biāo)[1-2]。 IPCC 第四次評(píng)估報(bào)告指出，全球許多生態(tài)系統(tǒng)正在受到氣候變暖的影響。 而植被作為陸地生態(tài)系統(tǒng)的重要組成部分， 在氣候變化研究中可充當(dāng)“指示劑”作用[3-4]。因此開(kāi)展NPP 區(qū)域分布特征及對(duì)氣候變化的響應(yīng)研究， 可以更準(zhǔn)確地理解氣候變化對(duì)植被的影響， 在生態(tài)環(huán)境保護(hù)和可持續(xù)發(fā)展領(lǐng)域具有重要意義[5]。

NPP 估算模型主要分為氣候統(tǒng)計(jì)模型、光能利用率模型和過(guò)程模型[6]。 氣候統(tǒng)計(jì)模型是通過(guò)建立氣候因子和NPP 的相關(guān)關(guān)系估算NPP。 Lieth 等[7]在1973 年建立了全球首個(gè)利用降水量和氣溫制作的NPP 回歸模型。 王勝蘭等[8]對(duì)比了Miami、Thornthwaite等5 種基于氣象要素建立的NPP 模型在烏魯木齊地區(qū)的差異。 隨著遙感技術(shù)的快速發(fā)展，CASA、GLO-PEM 等基于歸一化植被指數(shù)和氣候因子的光能利用率模型得到了快速發(fā)展和應(yīng)用。 高軍等[9]利用基于MOD13A3 數(shù)據(jù)驅(qū)動(dòng)的CASA 模型分析天山北坡植被NPP 變化，表明溫度是影響天山北坡NPP年內(nèi)變化的主要因素。 穆少杰等[10]利用光能利用率模型，模擬分析了內(nèi)蒙古草地生態(tài)系統(tǒng)10 a 間NPP的時(shí)空變化及其對(duì)氣候因子的響應(yīng)。 過(guò)程模型是從植物機(jī)理出發(fā)計(jì)算NPP， 常見(jiàn)的過(guò)程模型有CENTURY、BIOME-BGC、LUE、BEPS 等。潘萌甜等[12]利用MODIS 數(shù)據(jù)驅(qū)動(dòng)的LUE 模型模擬了內(nèi)蒙古溫帶草原NPP，并分析其時(shí)空變化及其對(duì)氣候的響應(yīng)。黃秉光等[13]利用大氣植被相互作用模型分析了新疆55 a 植被凈初級(jí)生產(chǎn)力的時(shí)空演變特征。

呼倫貝爾市是我國(guó)東北最重要的生態(tài)屏障之一，境內(nèi)同時(shí)擁有草原、森林、農(nóng)田等不同生態(tài)區(qū)，生態(tài)環(huán)境敏感而脆弱[14-15]。 隨著我國(guó)生態(tài)環(huán)境保護(hù)力度的增加，呼倫貝爾市境內(nèi)的呼倫貝爾大草原、呼倫湖、 大興安嶺等地的生態(tài)環(huán)境保護(hù)工作受到了各級(jí)部門(mén)的高度重視。 因此， 開(kāi)展呼倫貝爾市植被NPP時(shí)空變化及其對(duì)氣候變化的響應(yīng)研究， 可以更好地拓展生態(tài)氣象服務(wù)領(lǐng)域， 為呼倫貝爾市的生態(tài)管理等工作打下堅(jiān)實(shí)基礎(chǔ)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

呼倫貝爾市位于內(nèi)蒙古自治區(qū)東北部（115°31′～126°04′ E，47°05′～53°20′ N）， 平均海拔659.2 m，總面積為2.53×105km2。 大興安嶺以東北—西南走向縱貫呼倫貝爾市，構(gòu)成呼倫貝爾市的林區(qū)；嶺西地區(qū)自東向西為林草交錯(cuò)帶和呼倫貝爾草原， 以牧業(yè)生產(chǎn)為主；嶺東地區(qū)是東北平原—松嫩平原邊緣，以農(nóng)業(yè)生產(chǎn)為主[16]。氣候?qū)贉貛Т箨懶约撅L(fēng)氣候，總體特點(diǎn)為：春季氣溫驟升，多大風(fēng)天氣；夏季短促而炎熱，降水集中；秋季氣溫劇降，霜凍較早；冬季漫長(zhǎng)嚴(yán)寒，多寒潮天氣[17]。

1.2 數(shù)據(jù)源及預(yù)處理

NPP 數(shù)據(jù)采用NTSG 提供的2000—2015 年MOD17A3 數(shù)據(jù)集（http://www.ntsg.umt.edu），空間分辨率為1 km， 時(shí)間分辨率為1 a。 該數(shù)據(jù)利用BIOME-BGC 模型和光能利用率模型建立的估算模型模擬得到陸地生態(tài)系統(tǒng)的年NPP 值，在全球及區(qū)域NPP 與碳循環(huán)研究中得到廣泛認(rèn)可。根據(jù)數(shù)據(jù)集中的數(shù)據(jù)質(zhì)量控制文件（GPP_NPP_QC） 分析，2000—2015 年呼倫貝爾市NPP 的平均可信度達(dá)到99.21%，低可信度地區(qū)主要位于水體周邊等非植被覆蓋區(qū)， 數(shù)據(jù)質(zhì)量整體良好。 使用專業(yè)處理軟件MRT 對(duì)同期影像數(shù)據(jù)進(jìn)行投影、拼接和格式轉(zhuǎn)換[18]，統(tǒng)一采用雙線性（Bilinear）重采樣方式和蘭勃特投影（Lambert Azimuthal）方式處理，投影的中央經(jīng)緯度設(shè)置為（50° N，120° E）。

地表覆蓋數(shù)據(jù)采用NASA 提供的2015 年MCD12Q1 數(shù)據(jù)集（https://search.earthdata.nasa.gov/）中的IGBP 地表覆蓋分類， 空間分辨率為500 m[19]，處理方式與NPP 數(shù)據(jù)相同， 并重采樣至與NPP 相同的空間分辨率。將地表覆蓋數(shù)據(jù)中的常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林和灌叢統(tǒng)一劃分為林地， 稀樹(shù)草地和草原劃分為草地，農(nóng)田和耕地自然植被劃分為耕地，水體與永久濕地劃分為水體，其余地物類型劃分為其他（圖1）。劃分后， 呼倫貝爾市的林地占45.98%， 草地占41.40%，耕地占11.06%，水體和其他地表覆蓋僅占1.56%，由于其他和水體覆蓋面積較小，不單獨(dú)對(duì)其進(jìn)行分析。

圖1 呼倫貝爾市地表覆蓋類型及氣象臺(tái)站分布

氣象數(shù)據(jù)選取呼倫貝爾市16 個(gè)氣象臺(tái)站2000—2015 年的逐年降水量、 氣溫和日照時(shí)數(shù)，數(shù)據(jù)源于中國(guó)氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/）。根據(jù)各氣象臺(tái)站所在區(qū)域的主要地物特征， 也將其劃分在草地、耕地、林地3 個(gè)區(qū)域內(nèi)。

1.3 研究方法

1.3.1 趨勢(shì)線分析

本文采用一元線性回歸方法， 逐像元計(jì)算NPP隨時(shí)間的變化情況， 并利用線性回歸的斜率來(lái)分析NPP 的變化速率，計(jì)算公式如下[20-21]：

式中，a 為趨勢(shì)線的傾向率，n 為研究期長(zhǎng)度，i 為年份，xi為i 年對(duì)應(yīng)NPP 的值。當(dāng)a>0 時(shí)說(shuō)明研究期內(nèi)該地區(qū)的NPP 有增加趨勢(shì)，反之則為減少趨勢(shì)。

1.3.2 相關(guān)性分析

本文采用相關(guān)系數(shù)方法，逐柵格計(jì)算NPP 線性變化的相關(guān)系數(shù)及NPP 與氣溫、降水、日照的相關(guān)程度，進(jìn)而分析呼倫貝爾市NPP 的空間變化特征及影響其變化的主要?dú)庀笠蜃樱嚓P(guān)系數(shù)的表達(dá)式為[22]：

式中，rxy是變量x 和y 的相關(guān)系數(shù)，n 為樣本數(shù)；xi為逐年NPP 的值，yi為逐年氣象要素； xˉ、 yˉ分別是變量x 和y 的均值。

2 結(jié)果與分析

2.1 NPP 時(shí)空分布及變化

2.1.1 NPP 空間分布特征

2000—2015 年，呼倫貝爾市植被NPP 的平均值為261.02 gC/（m2·a），總體呈現(xiàn)自西向東依次遞增的分布格局（圖2）。 從不同植被的年平均NPP 來(lái)看，林地最高， 為291.3 gC/（m2·a）； 其次是耕地，為278.2 gC/（m2·a）；最低是草地，為238.2 gC/（m2·a）。

NPP 在0～100 gC/（m2·a） 的區(qū)域面積占全市總面積的1.3%，主要分布在呼倫湖、尼爾基水庫(kù)等大型水體和海拉爾市區(qū)等人口聚集區(qū)， 幾乎無(wú)植被覆蓋。100～200 gC/（m2·a）的區(qū)域面積占16.6%，主要分布在新巴爾虎右旗、 新巴爾虎左旗中西部和陳巴爾虎旗西部， 該地區(qū)地表均為草地， 且以典型草原為主，植被覆蓋度偏低。 200～300 gC/（m2·a）的區(qū)域面積占52.4%，主要位于陳巴爾虎旗中東部、新巴爾虎旗東部、額爾古納市南部、根河市南部、牙克石市、阿榮旗西部，該區(qū)域包含剩余草地以及大部分的林地和耕地，植被覆蓋度較高。 NPP 值在300 gC/（m2·a）以上的區(qū)域面積占29.7%，主要位于根河市北部、額爾古納市北部、鄂倫春旗、莫旗大部，即大興安嶺北部的林地及大興安嶺東坡的部分林地和耕地。其中，大興安嶺北部林區(qū)是我國(guó)集中連片、 面積最大的原始林區(qū)，以興安落葉松為主，植被覆蓋度高；大興安嶺東坡為呼倫貝爾夏季風(fēng)的迎風(fēng)坡，水熱條件較好，適宜植被生長(zhǎng)，因此這兩個(gè)區(qū)域的NPP 較高。

圖2 2000—2015 年呼倫貝爾市年平均NPP 分布

2.1.2 NPP 的年際變化特征

2001—2015 年，呼倫貝爾市植被年平均NPP 總體呈波動(dòng)增加趨勢(shì)（圖3a），最大值出現(xiàn)在2014 年，為331.4 gC/（m2·a）； 最小值出現(xiàn)在2001 年，為183.6 gC/（m2·a）。 NPP 的年平均變化率為5.51 gC/（m2·a），其中NPP 變化率小于0 的區(qū)域占1.4 %，主要位于大型水體和城鎮(zhèn)人口聚集區(qū)周邊。 從不同植被類型來(lái)看，耕地NPP 的年變化率最低，為4.51 gC/（m2·a），其次是草地，為4.95 gC/（m2·a）；林地最高，為6.90 gC/（m2·a）。 其中大興安嶺中南部偏東地區(qū)NPP 的變化速率可高達(dá)10 gC/（m2·a）以上。

NPP 線性變化的顯著性檢驗(yàn)（圖3b）表明，大部分草地和扎蘭屯市東南部耕地的NPP 線性增長(zhǎng)趨勢(shì)達(dá)到極顯著水平（P<0.01），大興安嶺南部林地、大部分耕地和部分草地的NPP 線性增長(zhǎng)趨勢(shì)達(dá)到顯著水平（P<0.05），NPP 達(dá)到顯著或極顯著增加的面積占全市總面積的57.0%，NPP 線性增長(zhǎng)趨勢(shì)未達(dá)到顯著的區(qū)域主要位于額爾古納市北部、 根河市北部和鄂倫春旗中北部。

圖3 2000—2015 年呼倫貝爾市NPP 的變化傾向率（a）和變化顯著性（b）

2.2 NPP 與氣候因子的關(guān)系

2.2.1 氣候因子的年變化特征

由圖4 可知，2000—2015 年呼倫貝爾市的年平均氣溫為0.1 ℃，總體呈現(xiàn)耕地>草地>林地、從大興安嶺兩側(cè)向中北部遞減的空間分布特征。 耕地年平均氣溫傾向率為-0.04 ℃/10 a，草地為-0.27 ℃/10 a，林地為0.22 ℃/10 a，均未通過(guò)顯著性檢驗(yàn)。呼倫貝爾市的年平均降水量為388.2 mm，耕地與林地的年降水量較為接近，且高于草地，總體呈現(xiàn)自東向西依次遞減的分布特征。 耕地年平均降水量的傾向率為191.1 mm/10 a， 草地年平均降水量的傾向率為77.5 mm/10 a， 林地年平均降水量的傾向率為136.9 mm/10 a，耕地和林地降水傾向率達(dá)極顯著（P<0.01），說(shuō)明研究期內(nèi)呼倫貝爾市降水的增加趨勢(shì)明顯。 年平均日照時(shí)數(shù)為2 700.2 h，草地的日照時(shí)數(shù)要高于耕地和林地，呈現(xiàn)出自東南向西北遞減的分布特征。耕地年日照時(shí)數(shù)的傾向率為-42 h/10 a，草地年日照時(shí)數(shù)的傾向率為17.5 h/10 a， 林地日照時(shí)數(shù)的傾向率為-142 h/10 a， 林地日照時(shí)數(shù)傾向率達(dá)極顯著水平（P<0.01），耕地與草地未通過(guò)顯著性檢驗(yàn)。

圖4 2000—2015 年呼倫貝爾市NPP（a）、年平均氣溫（b）、年降水量（c）和年日照時(shí)數(shù)（d）

表1 2000—2015 年各氣象站20 km 緩沖區(qū)內(nèi)NPP 與年平均氣溫、年降水量、年日照時(shí)數(shù)的相關(guān)性

2.2.2 NPP 與氣候因子的相關(guān)關(guān)系

以呼倫貝爾市16 個(gè)氣象臺(tái)站為中心建立半徑為20 km 的緩沖區(qū)， 分別統(tǒng)計(jì)緩沖區(qū)內(nèi)的NPP 均值、并與臺(tái)站氣溫、降水、日照時(shí)數(shù)進(jìn)行相關(guān)性分析，結(jié)果見(jiàn)表1。NPP 均值與年平均氣溫均呈負(fù)相關(guān)，草地NPP 與年平均氣溫的平均相關(guān)性最高（-0.23），耕地最低（-0.15），除海拉爾區(qū)外均未通過(guò)顯著性檢驗(yàn)。 NPP 與年降水量均呈正相關(guān)，草地NPP 與年降水量的平均相關(guān)性最高（0.73），耕地最低（0.64），除莫旗外所有臺(tái)站均達(dá)極顯著（P<0.01）相關(guān)，這主要是由于莫旗以耕地為主，且臺(tái)站靠近尼爾基水庫(kù)，周邊有較好的水源進(jìn)行農(nóng)田灌溉， 因此受降水影響較小。 NPP 與日照時(shí)數(shù)呈負(fù)相關(guān)的臺(tái)站多于正相關(guān)臺(tái)站，但僅額爾古納市和小二溝的NPP 與日照時(shí)數(shù)的負(fù)相關(guān)顯著（P<0.05）。

綜合呼倫貝爾市NPP 與氣溫、降水、日照時(shí)數(shù)的相關(guān)性可知，限制呼倫貝爾市NPP 增長(zhǎng)的主要?dú)夂蛞蜃訛榻邓?高溫少雨所引起的干旱災(zāi)害是目前呼倫貝爾生態(tài)系統(tǒng)的主要威脅之一。

3 結(jié)論

利用2000—2015 年MOD17A3 數(shù)據(jù)和氣象站點(diǎn)資料，分析呼倫貝爾市NPP 的時(shí)空變化特征及其對(duì)氣候變化的響應(yīng)情況，得出如下結(jié)論：

（1）呼倫貝爾市的NPP 平均為261.02 gC/（m2·a），草地<耕地<林地，總體呈現(xiàn)自西向東依次遞增的分布格局。 年變化呈波動(dòng)增長(zhǎng)趨勢(shì)， 平均變化率為5.51 gC/（m2·a），林地的增長(zhǎng)速率最高。57.0%的地區(qū)NPP 的線性增長(zhǎng)達(dá)到顯著，主要位于呼倫貝爾草原、大興安嶺南部林地和大興安嶺與松嫩平原過(guò)渡的耕地。

（2）呼倫貝爾市16 個(gè)氣象臺(tái)站周邊的平均NPP與年平均氣溫均呈負(fù)相關(guān)， 但除海拉爾外均未通過(guò)顯著性檢驗(yàn)；NPP 與年降水量均呈正相關(guān)，且除靠近尼爾基水庫(kù)的莫旗外均達(dá)到極顯著（P<0.01）水平；NPP 與年日照時(shí)數(shù)的正、負(fù)相關(guān)臺(tái)站同時(shí)存在，且僅有小二溝和額爾古納的負(fù)相關(guān)顯著（P<0.05）。

（3）NPP 與年降水量的正相關(guān)和與年平均氣溫的負(fù)相關(guān)表明，降水量是限制呼倫貝爾市NPP 的主要?dú)夂蛞蜃樱?需特別關(guān)注由高溫少雨引發(fā)的干旱災(zāi)害對(duì)呼倫貝爾市生態(tài)系統(tǒng)的影響。

4 討論

本研究表明呼倫貝爾市的生態(tài)環(huán)境總體呈好轉(zhuǎn)趨勢(shì)，這與國(guó)內(nèi)很多學(xué)者的研究結(jié)論基本一致。在氣候因子中， 降水量是NPP 增長(zhǎng)的主要限制因素，由于呼倫貝爾市受季風(fēng)氣候影響，雨熱同期，降水與氣溫間存在一定的負(fù)相關(guān)關(guān)系，因此NPP 與降水量呈顯著正相關(guān)的同時(shí)與氣溫呈現(xiàn)負(fù)相關(guān)， 從而說(shuō)明高溫少雨和干旱對(duì)呼倫貝爾市生態(tài)環(huán)境存在嚴(yán)重威脅。 耕地NPP 與降水的負(fù)相關(guān)系數(shù)最小，可能與節(jié)水灌溉、種植結(jié)構(gòu)調(diào)整等有關(guān)，從而反映出人類行為可以降低氣候?qū)PP 的影響，若加大人類行為對(duì)生態(tài)環(huán)境的正面影響，增加生態(tài)工程建設(shè)投入，將更加有利于生態(tài)環(huán)境的改善。

本研究主要圍繞MODIS NPP 數(shù)據(jù)及其與氣候因子的相關(guān)性分析，缺乏社會(huì)經(jīng)濟(jì)相關(guān)數(shù)據(jù)，對(duì)人類行為與生態(tài)環(huán)境的關(guān)系分析較少， 將在后續(xù)研究中進(jìn)一步改進(jìn)。 由于NPP 數(shù)據(jù)集的時(shí)間序列偏短、空間分辨率較低，無(wú)法反映出氣候變化對(duì)NPP 的長(zhǎng)期影響，分析精度也存在提升空間。袁文平[23]等研究認(rèn)為多種算法的集合預(yù)估方法能夠有效提高NPP 精度，可能成為今后的發(fā)展方向之一。