高旭旭，于長文，張 婧，張金龍

定量評估京津冀氣候變化和人類活動對植被NPP變化的相對作用*

高旭旭，于長文**，張 婧，張金龍

（河北省氣候中心/河北省氣象與生態(tài)環(huán)境重點實驗室，石家莊 050021）

氣候變化和人類活動是影響植被生長的兩個重要因素，定量評估兩因素對京津冀地區(qū)植被凈初級生產(chǎn)力（NPP）的相對作用，對了解該區(qū)域植被變化的驅(qū)動機制，改善生態(tài)環(huán)境具有參考價值?；?001?2020年CASA模型的NPP數(shù)據(jù)和氣象數(shù)據(jù)，采用“去趨勢回歸殘差法”定量區(qū)分氣候變化和人類活動對京津冀地區(qū)植被NPP的影響。結(jié)果表明：(1)京津冀地區(qū)47.8%的植被呈現(xiàn)顯著改善的狀態(tài)，4.5%呈現(xiàn)顯著退化的狀態(tài)。張家口中部地區(qū)植被NPP增加趨勢最大，經(jīng)濟發(fā)達的城市群（除北京外）減少趨勢顯著；（2）京津冀大部分地區(qū)植被得到顯著改善的主要原因為氣候變化和人類活動的共同作用，其中氣候變化對NPP影響為1.5gC·m?2·a?1，人類活動為2.4gC·m?2·a?1；（3）氣候變化和人類活動對植被顯著改善的貢獻率平均為25.8%和74.2%。氣候變化貢獻率大于80%的區(qū)域面積約占1.3%，主要集中在張家口西北部、滄州東部等地；人類活動貢獻率超過80%的區(qū)域面積占比22.1%，主要集中在張家口中部和西南部、承德大部、滄州南部、衡水大部等地。而人類活動對植被顯著退化區(qū)的作用高達94.9%。研究結(jié)果表明人類活動在植被生長能力恢復和退化中的作用大于氣候變化，因此，京津冀植被恢復的生態(tài)建設中應重點關注人類活動的影響。

凈初級生產(chǎn)力；氣候變化；人類活動；去趨勢回歸殘差法；京津冀

植被凈初級生產(chǎn)力（net primary productivity，NPP）是綠色植被通過光合作用固定太陽能，在單位面積和單位時間內(nèi)所獲得生物量的凈增加量。NPP大小不僅能夠直接反映植被在自然環(huán)境條件下的生產(chǎn)能力，也能有效反映植被對所處環(huán)境和氣候變化的響應情況，因此，NPP是研究氣候和環(huán)境變化對生態(tài)系統(tǒng)影響的重要指標[1?2]。而定量評估氣候變化和人類活動對NPP影響的相對作用，可為了解生態(tài)系統(tǒng)結(jié)構變化，改善生態(tài)環(huán)境精準施策提供技術參考。目前在定量評估氣候變化和人類活動對植被變化相對貢獻中，殘差分析法是常用方法之一。通常認為模型計算的NPP是真實情況下的凈初級生產(chǎn)力，基于氣候指標統(tǒng)計得到的NPP值視為僅受氣候因子影響的NPP即潛在NPP（Potential NPP，PNPP）。人類活動造成的NPP變化量（Human NPP，HNPP）則由NPP與PNPP的差值得到。國內(nèi)利用殘差法探究氣候變化和人類活動對生態(tài)影響的研究較為廣泛[3?6]，金凱等[7]使用殘差法分析了在中國不同省份中氣候變化和人類活動對植被變化的貢獻率，發(fā)現(xiàn)人類活動對植被恢復的作用不容忽視；Zhang等[8?9]利用該方法分別分析了石羊河流域和疏勒河流域氣候變化和人類活動在植被改善和退化區(qū)對NPP影響的相對作用；劉斌等[10]基于殘差法探究了氣候變化和人類活動對華北不同植被覆蓋類型的相對作用，發(fā)現(xiàn)在華北地區(qū)人類活動對植被改善和退化的作用中都占有主導地位。

然而在利用氣象要素與NPP回歸得到的PNPP中，容易混淆人類活動的影響[11]，因為氣象因素的長期變化本身包含人類活動的影響，如人類活動導致大氣中二氧化碳濃度升高，造成溫室效應加劇氣溫驟增，而以上研究都是根據(jù)公式或回歸關系直接利用氣象因子計算PNPP，這有可能會高估或低估氣候變化對NPP的影響。所以提高氣候變化和人類活動對NPP影響的評估精確度，要盡可能減少人類活動對氣候變化的影響。

本研究采用“去趨勢回歸殘差法”，以期有效避免上述缺陷，提高對氣候變化和人類活動相對貢獻評估的精度。選取京津冀地區(qū)為研究區(qū)，主要是因為京津冀地區(qū)受極端氣候變化[12?13]和頻繁的人類活動影響，生態(tài)環(huán)境十分脆弱，該地區(qū)又是國家發(fā)展戰(zhàn)略的重要指向區(qū)、北方生態(tài)文明建設先行區(qū)和生態(tài)環(huán)境治理重點區(qū)[14]，同時面臨著“冬奧”和“雄安”重大工程建設，生態(tài)環(huán)境成為兩項工程的著力點，因此，厘清氣候變化和人類活動對NPP造成的影響，對揭示植被變化的驅(qū)動機制，促進京津冀經(jīng)濟和生態(tài)環(huán)境協(xié)調(diào)發(fā)展，完善生態(tài)管理保護措施具有重要參考價值。

1 資料與方法

1.1 研究區(qū)概況

京津冀地區(qū)（北京市、天津市、河北?。┳鳛檠芯繀^(qū)域，地處113°27′E?119°50′E，36°05′N? 42°40′N。區(qū)域人口約1.1億，總面積21.8萬km2，是中國北方經(jīng)濟規(guī)模最大的地區(qū)。該地區(qū)地形復雜，從西北到東南依次為高原、山地、丘陵、盆地、平原，氣候?qū)俅箨懶园霛駶櫚敫珊导撅L型，四季分明，植被覆蓋多樣化。研究選取2個直轄市（京津）和河北省內(nèi)12個地級市作為14個行政區(qū)進行各項統(tǒng)計分析。

1.2 數(shù)據(jù)來源

氣候數(shù)據(jù)為2001?2020年京津冀147個站（河北142個站、北京2站，天津3站）的氣溫、降水量和日照時數(shù)的年資料，來自河北省氣象信息中心；太陽輻射的月數(shù)據(jù)來自中國氣象信息中心，分辨率為1km×1km。

遙感數(shù)據(jù)包括2001?2020年歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），來自美國NASA EOS/MODIS提供的MOD13A1數(shù)據(jù)集，空間分辨率為1km×1km，時間分辨率為16d，采用最大值合成法生成逐月最大NDVI數(shù)據(jù)；植被覆蓋類型數(shù)據(jù)由MCD12Q1處理得到的2010年資料，空間分辨率為500m×500m。植被覆蓋類型空間分布見圖1。

圖1 京津冀地區(qū)植被覆蓋類型分布

1.3 數(shù)據(jù)處理方法

1.3.1 NPP計算

CASA（Carnegie-Ames-Stanford Approach）模型為光能利用率模型，通過驅(qū)動氣象數(shù)據(jù)、遙感以及植被覆蓋類型數(shù)據(jù)，估算植被的NPP[15?16]。在CASA模型中，NPP主要由植物吸收的光合有效輻射（APAR）和實際光能利用率（ε）來確定，即

將計算的逐月NPP合成年NPP，并進行精度檢驗。將CASA計算的NPP與MOD17A3的數(shù)據(jù)產(chǎn)品進行對比，通過空間相關系數(shù)對NPP進行精度驗證。通過MODIS傳感器獲得MOD17A3數(shù)據(jù)集并基于BIOME-BGC模擬最終得到的NPP數(shù)據(jù)，在陸地碳循環(huán)研究中得到廣泛應用。這里計算2001年、2010年和2020年CASA模擬的NPP數(shù)據(jù)與MOD17A3數(shù)據(jù)集中的NPP的空間相關系數(shù)，分別為0.58、0.67和0.60，均通過了0.01水平的顯著性檢驗，反映出CASA的計算結(jié)果與BIOME-BGC模擬結(jié)果在空間分布上具有一致性，說明CASA模型的京津冀地區(qū)NPP結(jié)果是可靠的。

對氣象站點數(shù)據(jù)進行空間插值，采用ArcGIS10.2空間分析模塊的反距離權重方法對京津冀147個站的氣溫、降水量和日照小時數(shù)據(jù)進行空間插值，并將其重采樣為1km×1km分辨率。太陽輻射數(shù)據(jù)和植被覆蓋類型數(shù)據(jù)轉(zhuǎn)換成與NPP相同坐標系統(tǒng)，重采樣為1km×1km分辨率。

1.3.2 各因素變化趨勢計算

采用線性回歸的方法計算NPP的年際變化趨勢，并將線性回歸方程的斜率作為NPP年際變化趨勢（slop）。計算式為

式中，slope為變量的斜率；i為時間變量，取1到n的整數(shù)；n為研究時間長度，取值20a；Vari為第i年的變量。slope的正負值分別表示變量序列隨時間增加和減少；slope絕對值越大，表明變化越大。最后對不同要素的slop進行t檢驗，顯著性水平達到0.05即通過顯著性檢驗。

1.3.3 PNPP和HNPP計算

采用“去趨勢回歸分析”的方法[17]計算PNPP，主要是為了避免出現(xiàn)常規(guī)回歸分析中將氣候與人類驅(qū)動混淆的問題。首先將NPP和T（氣溫）、P（降水量）、S（日照時數(shù)）的線性趨勢去掉，結(jié)果分別計為D（NPP）、D（P）、D（T）和D（S）。將時間與變量建立一元線性回歸模型，模擬得到的變量預測值作為趨勢值，再利用原始變量數(shù)據(jù)減去趨勢值，得到去趨勢的要素值。

其次，利用多元一次回歸方程模擬D（NPP）對D（P）、D（T）和D（S）的響應，即

將P、T和S原始數(shù)據(jù)代入式（5），得到氣候條件影響下的NPP（PNPP）模擬結(jié)果，即

利用殘差法計算由人類活動影響的NPP（HNPP），即

1.4 植被NPP變化驅(qū)動要素判定及影響

利用式（4）計算京津冀2001?2020年PNPP和HNPP的線性趨勢率，分別代表氣候變化和人類活動影響下NPP的變化趨勢。趨勢率為正表示驅(qū)動因素可促進植被NPP的增加，對植被生長具有促進作用；反之，表示驅(qū)動因素導致植被NPP下降，對植被生長具有抑制作用。此外根據(jù)表1對京津冀年NPP變化的主要驅(qū)動因素進行區(qū)分，計算在NPP變化中氣候變化和人類活動的相對作用。

表1 各種情景下氣候變化和人類活動在植被NPP變化過程中的相對作用評價方法

注：CC代表氣候變化，HA代表人類活動。

Note: CC is climate change, HA is human activities.

2 結(jié)果與分析

2.1 研究區(qū)主要植被覆蓋類型凈初級生產(chǎn)力的變化

2.1.1 年際變化

由圖2可見，全區(qū)耕地、草地、林地和灌叢四種植被覆蓋類型2001?2020年歷年平均NPP（凈初級生產(chǎn)力）值均呈波動變化的趨勢。其中，林地年NPP值最大，波動范圍在563.4～736.1gC·m?2，2002年最小，2020年最大，其線性變化傾向率也最大，為6.8gC·m?2·a?1（P＜0.01)。灌叢NPP值次之，年NPP值波動范圍在459.1～604.7gC·m?2，2006年最小，2016年最大，其線性變化傾向率較大，為6.0gC·m?2·a?1（P＜0.01）。草地和耕地的年NPP值相對較小，變化范圍364.8～513.6gC·m?2和390.4～492.8gC·m?2，但草地的線性變化傾向率變化僅次于林地，為6.1gC·m?2·a?1（P＜0.01)。京津冀地區(qū)平均NPP變化范圍在387.2～498.4gC·m?2，最小值和最大值分別出現(xiàn)在2002年和2020年，線性傾向率為3.9gC·m?2·a?1（P＜0.01)，表明京津冀植被生產(chǎn)潛力恢復明顯，其中表現(xiàn)最突出的是林地。

注：CASA模型為光能利用率模型，通過驅(qū)動氣象數(shù)據(jù)、遙感以及植被覆蓋類型數(shù)據(jù)，估算植被的NPP。

Note: CASA model is classified as light use efficiency models which estimates vegetation NPP by driving meteorological, remote sensing and vegetation cover type data.

2.1.2 變化趨勢

圖3表明，2001?2020年京津冀年均NPP變化趨勢具有很大的空間異質(zhì)性，呈顯著增加和顯著減少趨勢的面積分別約占總面積的47.8%和4.5%，其中NPP增加較快（slop＞14gC·m?2·a?1）的區(qū)域面積約占總面積的2.5%，主要分布在張家口地區(qū)；NPP呈顯著減少趨勢的區(qū)域主要分布在經(jīng)濟發(fā)達的城市群（北京除外）。

14個行政區(qū)NPP在研究階段均呈增加趨勢，張家口區(qū)域平均NPP增加最快（slop=9.4gC·m?2·a?1），其次為北京（slop=6.9gC·m?2·a?1），增加最慢的為唐山（slop=3.0gC·m?2·a?1）。

注：空白區(qū)域為未通過0.05水平的顯著性檢驗。下同。

Note: The blank regions are statistically non-significant at the 5% confidence level based on a two-tailed Student’s test. The same as below.

2.2 氣象要素對不同植被NPP變化的影響

由圖4a1-c1可見，在年均NPP與氣象要素包含趨勢的情況下，年NPP與年降水量整體呈正相關，相關系數(shù)＞0.45（P＜0.05）的區(qū)域面積占比約為54.1%，集中在太行山區(qū)、唐山南部以及廊坊、滄州大部。年NPP與年平均氣溫相關性存在空間異質(zhì)性，相關系數(shù)＞0.45的面積占比僅為1.6%，主要分布在北京中部以及邯鄲西南部，呈顯著負相關的區(qū)域（相關系數(shù)＜?0.45）占比4.2%，分布在承德北部、唐山的西南部等地。植被NPP對日照時數(shù)以正向響應為主，相關系數(shù)＞0.45的面積占比為22.6%，其中在滄州東部相關性超過0.66。

圖4 包含趨勢（1）和去趨勢（2）情況下年NPP與降水量（a）、氣溫（b）和日照時數(shù)（c）相關系數(shù)空間分布

對NPP以及氣象要素去掉趨勢并探求兩者之間的相關性，可以真實地反映兩者內(nèi)部年際變化關系，最大程度規(guī)避了人類活動對兩者的共同影響。圖4a2?c2顯示，年NPP與年降水量的相關性分布與包含趨勢條件下相似，相關系數(shù)＞0.45的區(qū)域面積占比約為46.5%，張家口東部以及北京西部相關性明顯減小。去趨勢的年NPP與年平均氣溫的關系整體呈負相關，相關系數(shù)＜?0.45的面積占比為5.6%，分布在秦皇島北部、天津東部以及衡水南部等地，相較于包含趨勢相關分布，負相關的面積明顯增加。去掉趨勢后年NPP與日照時數(shù)在張家口大部地區(qū)的相關性明顯降低，并且在承德西北部和張家口東北部出現(xiàn)負相關。氣候變化趨勢中既包括受人類活動影響產(chǎn)生的趨勢，又包括受自身影響的趨勢，其中人類活動影響很大[18?19]，因此，可以認為去掉的趨勢是來自人類活動的影響。對比發(fā)現(xiàn)，包含趨勢的相關性與去趨勢的相關性存在差異，說明人類活動作用下的趨勢對氣候變化與NPP年際關系有一定干擾。

氣象因子對不同植被覆蓋類型的NPP作用差異明顯（表2）。包含趨勢的情況下，耕地、林地、草地、灌叢均與降水量呈極顯著正相關（P＜0.01），草地與降水量的相關系數(shù)達0.74，為最高。而4種植被覆蓋類型與氣溫的相關系數(shù)未通過顯著性檢驗，說明在逐年變化中，氣溫對4種植被的作用不明顯。林地與日照時數(shù)呈顯著正相關（P＜0.05），耕地、草地和灌叢與日照時數(shù)相關性不顯著。去趨勢后，耕地、草地和灌叢3種植被類型與降水的相關系數(shù)均通過0.05水平顯著性檢驗，林地與降水相關系數(shù)未通過顯著性檢驗，4種植被覆蓋類型與降水的去趨勢相關性比包含趨勢的要低。較其他3種植被覆蓋類型而言，草地與氣溫的相關性最高，但并未通過顯著性檢驗。4種植被覆蓋類型與日照時數(shù)的相關系數(shù)均未通過顯著性檢驗。

表2 包含趨勢和去趨勢情況下不同植被覆蓋類型年NPP與氣象因子的相關系數(shù)

注：*、**分別表示在0.05和0.01水平顯著相關。

Note:*is P<0.05, and**is P<0.01.

相較于包含趨勢的相關性，去趨勢的NPP與氣溫的相關性明顯提高，與降水量、日照時數(shù)的相關性有所降低，說明受人類活動影響，趨勢低估了氣溫對植被生長能力的影響，高估了降水量、日照時數(shù)對植被生長能力的影響[20]。所以在定量化評估氣候因子對NPP的影響時，有必要去掉趨勢以剝離人類活動的影響。

2.3 氣候變化和人類活動對植被NPP變化的驅(qū)動分析

利用去趨勢法得到PNPP（氣候條件影響下的NPP）和HNPP（人類活動影響下的NPP），通過PNPP和HNPP的變化趨勢分析氣候變化和人類活動對NPP變化的影響。圖5表明，氣候變化（人類活動）對京津冀NPP變化的作用存在空間異質(zhì)性；就同一地區(qū)而言，兩種驅(qū)動因素的影響作用也存在差異。PNPP呈顯著正向變率的面積占比約為30.7%，其中正向變率在2～8gC·m?2·a?1的面積占比最大，為24.0%，正向變率在＞8gC·m?2·a?1的面積占比僅為0.5%，主要分布在滄州東北部、天津局部等地。PNPP呈現(xiàn)顯著的負變率面積占比很小，僅為1.9%，數(shù)值在?8～?2gC·m?2·a?1，集中在衡水南部、邢臺東部等地。整個研究區(qū)平均而言，PNPP的變化趨勢為1.5gC·m?2·a?1。

圖5 氣候條件影響下（a）和人類活動影響下（b）的NPP變化趨勢分布

注：PNPP為氣候條件影響下的NPP，由式（6）計算得到；HNPP為人類活動影響下的NPP，由式（7）計算得到。PNPP和HNPP的變化趨勢，分別代表氣候變化和人類活動影響下NPP的變化趨勢，詳見1.4.

Note: PNPP indicates NPP under the influence of climate change, calculated by Equation (6). HNPP means NPP under the influence of human activities, calculated by Equation (7). The slop of NPP and HNPP represent the trend of NPP on the impact of climate change and human activities respectively.

人類活動對年NPP起促進作用的區(qū)域面積占比，與氣候變化的影響相比相差不大，HNPP呈顯著的正向變率面積比為43.2%，在張家口中西部，HNPP增加趨勢明顯，均＞8gC·m?2·a?1。HNPP呈顯著負向變化趨勢的面積占比為18.4%，主要分布在廊坊大部、天津南部、滄州北部、石家莊中部以及邯鄲中部等地，其中石家莊市區(qū)和邯鄲市區(qū)HNPP負變率大。整個研究區(qū)平均HNPP變化趨勢為2.4gC·m?2·a?1。

根據(jù)表1中的計算方法對京津冀植被改善和退化的驅(qū)動因素進行分析，結(jié)果如圖6。由圖6和表3可見，京津冀地區(qū)NPP增加區(qū)域中由氣候變化和人類活動共同作用的面積占比為41.8%，單獨由氣候變化引起的面積占比為0.5%，主要分布在滄州東北部；單獨由人類活動引起的面積占比約為5.5%，主要分布在承德北部、衡水大部和邢臺。此外，NPP減少區(qū)域中由兩種因素共同作用造成的面積占比為1.3%，主要集中在保定東北部、石家莊西南部、邢臺西部等地；而由氣候變化這一單因素造成的面積占比為0.001%，可忽略不計；由人類活動單一要素造成的面積約占3.2%，主要分布在石家莊中部以及邯鄲中部等地?？傮w上，氣候變化和人類活動的共同作用是促進2001?2020年京津冀植被改善的主要原因，而人類活動是植被退化的主要因素。

計算4種植被覆蓋類型的PNPP和HNPP變化趨勢發(fā)現(xiàn)，氣候變化對NPP的影響在1.3（耕地）～2.2（灌叢）gC·m?2·a?1，氣候變化在不同植被生長能力上的影響差異不大；而人類活動的影響在1.4（耕地）～5.3（林地）gC·m?2·a?1，以林地最大，耕地最小。4種植被生長能力增加，是由氣候變化和人類活動共同促進的，對于耕地，氣候變化和人類活動影響相當；林地、草地和灌叢受人類活動的影響更大。

圖6 依據(jù)表1判定各格點年NPP變化的驅(qū)動因素

注：CC&HA表示NPP變化由氣候變化和人類活動共同驅(qū)動，CC表示NPP變化單獨由氣候變化驅(qū)動，HA表示NPP變化單獨由人類活動驅(qū)動。

Note: CC&HA indicates that NPP variability is driven by both climate change and human activities. CC means that NPP variability is only driven by climate change. HA indicates that NPP variability is driven by human activities alone.

表3 不同驅(qū)動因素面積占比統(tǒng)計結(jié)果(%)

2.4 氣候變化和人類活動對植被NPP變化的相對貢獻

由圖7和表4可見，氣候變化對京津冀NPP增加的貢獻率≤20%的面積占比較大，約22.1%。貢獻率＞80%的區(qū)域面積約占1.3%，主要集中在張家口西北部、滄州東部等地。人類活動對京津冀地區(qū)植被NPP增加的貢獻率＞60%的區(qū)域面積較大，占比37.5%，其中＞80%的區(qū)域分布在張家口中部和西南部、承德大部、滄州南部、衡水大部等地。京津冀植被改善由氣候變化和人類活動貢獻的區(qū)域平均分別為25.8%和74.2%，與金凱等[7]的計算結(jié)果接近。

表4 2001?2020年4種植被類型年NPP變化趨勢(gC·m?2·a?1)

圖7 京津冀氣候變化(a)和人類活動(b)對植被NPP增加區(qū)(1)和減少區(qū)(2)的相對貢獻率

由于NPP減少趨勢的面積相較于增加趨勢明顯減少，所以氣候變化和人類活動對NPP減少起作用的面積比對NPP增加起作用的面積明顯小很多。進一步統(tǒng)計分析（表5和圖8）發(fā)現(xiàn)，氣候變化對植被生長能力退化的貢獻率≤20%的面積比僅為4.1%，并且范圍分散；氣候變化對NPP減少的貢獻率＞20%的面積占比較小，為0.4%，集中分布在石家莊西南部、邢臺東部等地。人類活動對植被生長能力退化有影響的格點貢獻率都＞60%，面積占比為4.3%，對植被退化貢獻率的區(qū)域平均為95.4%。因此，京津冀地區(qū)植被NPP減少主要是人類活動導致。

就不同植被覆蓋類型而言（圖8），氣候變化對年NPP變化的貢獻率在21.8%～48.5%。氣候變化對耕地的貢獻率最大，其次為灌叢。人類活動對年NPP的貢獻率在51.5%～78.2%，人類活動對林地的NPP貢獻率最大，其次為草地。就4種植被覆蓋類型而言，人類活動對NPP變化的影響大于氣候變化的影響。

表5 兩種驅(qū)動因素不同貢獻率區(qū)間面積占比的統(tǒng)計

圖8 氣候變化和人類活動對主要植被覆蓋類型NPP變化的貢獻率

3 結(jié)論與討論

3.1 討論

本研究表明，2001?2020年京津冀植被生長能力整體呈增加趨勢，但空間異質(zhì)性大。氣候變化和人類活動共同作用是京津冀多數(shù)地區(qū)植被生長能力增強的原因。2001?2020年京津冀地區(qū)氣溫上升，降水增加，暖濕化給植被生長提供了良好的水熱條件，增強光合作用效率，提高固碳能力[21]。另外京津冀地區(qū)實施的生態(tài)保護工程（三北防護林工程、退耕還草）[10,22]以及高效農(nóng)業(yè)管理水平等一系列人類活動，對植被變化的影響超過2gC·m?2·a?1，貢獻率在60%以上，因此，人類活動屬于植被生長過程中不可忽視的重要驅(qū)動因素。

氣候變化和人類活動同樣能夠?qū)е轮脖煌嘶?，值得注意的是氣候變化對衡水南部以及邢臺東部等地植被變化具有一定的負面影響，可能與該地區(qū)降水少、氣溫高導致的干旱日數(shù)，尤其是生長季干旱日數(shù)較周圍地區(qū)偏多有關[23]，從而表現(xiàn)出氣候?qū)Ξ數(shù)刂脖簧a(chǎn)的抑制作用。此外人類活動對植被生長的負面影響在城鎮(zhèn)化加速發(fā)展的城市地區(qū)較為明顯，多是由于城市蔓延式擴張和交通路網(wǎng)密度加大對耕地、林地等綠色植被侵占造成[24]。以上研究表明，錯綜復雜的氣候變化和人類活動對京津冀植被NPP變化的空間分布具有決定性意義。

本研究雖然采用“去趨勢回歸殘差法”很好地克服了混淆氣候變化和人類活動作用的問題，但是研究中仍然存在諸多不確定性，不同植被對氣候變化的響應存在滯后性和累積性，如何細化選擇滯后的時間尺度和積累長度[25]；雖然降水、氣溫和日照時數(shù)是影響半濕潤半干旱地區(qū)植被生長的主要控制因子，但是相對濕度、風速等氣象因子的作用也不應忽視；在獲取人類活動對植被的影響時，并沒有考慮具體人類行為（城鎮(zhèn)擴張、交通建設、植被恢復等）的影響，如何定量區(qū)分具體人類活動影響及差異，這些問題都是需要考慮并進一步研究的。

3.2 結(jié)論

（1）2001?2020年京津冀年NPP呈增加趨勢，趨勢為3.9gC·m?2·a?1。不同植被覆蓋類型增加趨勢不一致，林地增加趨勢最大，耕地增加趨勢最小。NPP趨勢存在空間異質(zhì)性，呈顯著增加和減少趨勢的面積分別約占總面積的47.8%和4.5%。其中NPP增加較快的區(qū)域主要分布在張家口地區(qū)，減少較快的區(qū)域主要分布在經(jīng)濟發(fā)達的城市群（北京除外）。

（2）趨勢干擾了氣象因子對植被生長能力的實際影響，在定量化評估氣候因子對NPP的影響時，有必要去掉趨勢剝離人類活動的影響。與包含趨勢的結(jié)果相比，去趨勢的NPP與氣溫的相關性明顯提高，而與降水、日照的相關性有所降低。

（3）氣候變化和人類活動對京津冀植被NPP變化的影響存在空間差異，但均以正向影響為主。相比氣候變化，京津冀北部地區(qū)，人類活動對植被NPP變化正向影響更大，在經(jīng)濟發(fā)達的城市區(qū)，人類活動的負向影響大。在京津冀大部分地區(qū)植被NPP變化的驅(qū)動因素為氣候變化和人類活動共同作用。

（4）氣候變化和人類活動對京津冀NPP變化的響應貢獻均存在很大的空間異質(zhì)性。針對植被顯著改善區(qū)，氣候變化和人類活動貢獻率平均為25.8%和74.2%。氣候變化貢獻率大于80%的區(qū)域面積約占1.3%，主要集中在張家口西北部、滄州東部等地；人類活動貢獻率超過80%的區(qū)域主要集中在張家口中部和西南部、承德大部、滄州南部、衡水大部等地。在植被顯著退化區(qū)，氣候變化的貢獻率在20%以下，人類活動貢獻率平均為94.9%。就整個區(qū)域而言，人類活動對NPP變化的影響大于氣候變化的影響。

[1] 劉芳,遲耀斌,王智勇,等.NPP列入生態(tài)統(tǒng)計指標體系的潛力分析:以北京地區(qū)NPP測算和空間分析為例[J].生態(tài)環(huán)境學報,2009,18(3):960-966.

Liu F,Chi Y B,Wang Z Y,et al.Potential analysis on NPP included as ecological statistical indicators: taking Beijing vegetation net primary productivity measurement and spatial analysis as an example[J].Ecology and Environment Sciences,2009,18(3):960-966.(in Chinese)

[2] 史曉亮,楊志勇,王鑫爽,等.黃土高原植被凈初級生產(chǎn)力的時空變化及其與氣候因子的關系[J].中國農(nóng)業(yè)氣象,2016, 37(4):445-453.

Shi X L,Yang Z Y,Wang X S,et al.Spatial and temporal variation of net primary productivity and its relationship with climate factors in the Chinese Loess Plateau[J]. Chinese Journal of Agrometeorology,2016,37(4): 445-453. (in Chinese)

[3] Zhou W,Gang C C,Zhou F C,et al.Quantitative assessment of the individual contribution of climate and human factors to desertification in northwest China using net primary productivity as an indicator[J].Ecological Indicators,2015, 48:560-569.

[4] 尹小君,祝宏輝,GAO Gerry,等.氣候變化和人類活動對天山北坡凈初級生產(chǎn)力變化的影響[J].農(nóng)業(yè)工程學報,2020, 36(20):195-202..

Yin X J,Zhu H H,Gao G,et al.Effects of climate change and human activities on net primary productivity in the northern slop of Tianshan,Xinjing,China[J].Transactions of the CSAE, 2020,36(20):195-202.(in Chinese)

[5] 同琳靜,劉洋洋,章釗穎,等.定量評估氣候變化與人類活動對西北地區(qū)草地變化的相對作用[J].水土保持研究,2020, 27(6):202-210.

Tong L J,Liu Y Y,Zhang Z Y,et al.Quantitative assessment on the relative effects of climate variation and human activities on grassland dynamics in Northwest China[J]. Research of Soil and Water Conservation,2020,27(6):2020- 210.(in Chinese)

[6] 李曉光,劉華民,王立新,等.鄂爾多斯高原植被覆蓋變化及其與氣候和人類活動的關系[J].中國農(nóng)業(yè)氣象,2014, 35(4):470-476.

Li X G,Liu H M,Wang L X,et al.Vegetation cover change and its relationship between climate and human activities in Ordos plateau[J].Chinese Journal of Agrometeorology, 2014,35(4):470-476.(in Chinese)

[7] 金凱,王飛,韓劍橋,等.1982-2015年中國氣候變化和人類活動對植被NDVI變化的影響[J].地理學報,2020,75(5): 961-974.

Jin K,Wang F,Han J Q,et al.Contribution of climatic change and human activities to vegetation NDVI change over China during 1982-2015[J].Acta Geographica Sinica,2020, 75(5):961-974.(in Chinese)

[8] Zhang C X,Wang X M,Li J C,et al.Roles of climate changes and human interventions in land degradation:a case study by net primary productivity analysis in China’s Shiyanghe Basin[J].Environmental Earth Sciences,2011,64(8):2183- 2193.

[9] 周妍妍,朱敏翔,郭曉娟,等.疏勒河流域氣候變化和人類活動對植被NPP的相對影響評價[J].生態(tài)學報,2019,39(14): 5127-5137.

Zhou Y Y,Zhu M Y,Guo X J,et al.Relative effects of climate change and human activities on net primary productivity in Shule River Basin[J].Acta Ecologica Sinica,2019,39(14): 5127-5137.(in Chinese)

[10] 劉斌,孫艷玲,王中良,等.華北地區(qū)植被覆蓋變化及其影響因子的相對作用分析[J].自然資源學報,2015,30(1):12-23.

Liu B,Sun Y L,Wang Z L,et al.Analysis of the vegetation cover change and the relative role of its influencing factors in North China[J].Journal of Natural Resources,2015,30(1): 12-23.(in Chinese)

[11] Wessels K J,van den Bergh F,Scholes R J.Limits to detectability of land degradation by trend analysis of vegetation index data[J].Remote Sensing of Environment, 2012(125):10-22.

[12] 趙海燕,張文千,鄒旭凱,等.氣候變化背景下中國農(nóng)業(yè)干旱時空變化特征分析[J].中國農(nóng)業(yè)氣象,2021,42(1):69-79.

Zhao H Y,Zhang W Q,Zou X K,et al.Temporal and spatial characteristics of drought in China under climate change[J]. Chinese Journal of Agrometeorology,2021,42(1):69-79.(in Chinese)

[13] 韓佳昊,張琪,王麗榮,等.海河平原夏玉米主要生育期發(fā)生高溫干旱并發(fā)事件的氣候?qū)W分析[J].中國農(nóng)業(yè)氣象,2021, 42(6):507-517.

Han J H,Zhang Q,Wang L R,et al.Climatological analysis of extreme heat and drought concurrent events in main growth period of summer maize in Haihe Plain[J].Chinese Journal of Agrometeorology,2021,42(6):507-517.(in Chinese)

[14] 劉淼,周園園,魯春霞.1958-2017年京津冀地區(qū)氣候干旱變化特征[J].水資源研究,2020,9(1):73-81.

Liu M,Zhou Y Y,Lu C X.Climate drought characters in Beijing-Tianjin-Hebei region during 1958-2017[J].Journal of Water Resources Research,2020,9(1):73-81.(in Chinese)

[15] 朱文泉,潘耀忠,張錦水.中國陸地植被凈初級生產(chǎn)力遙感估算[J].植物生態(tài)學報,2007,31(3):413-424.

Zhu W Q,Pan Y Z,Zhang J S.Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing[J].Journal of Plant Ecology,2007,31(3): 413-424.(in Chinese)

[16] 劉勇洪,權維俊,高燕虎.華北植被的凈初級生產(chǎn)力研究及其時空格局分析[J].自然資源學報,2010,25(4):564-573.

Liu Y H,Quan W J,Gao Y H.Net primary production and its spatio-temporal pattern in North China[J].Journal of Natural Resources,2010,25(4):564-573.(in Chinese)

[17] 孫建國,張卓,韓惠,等.氣候和人類因素在黃土高原西北部植被變化中的貢獻率研究[J].遙感信息,2014,29(2):83-87.

Sun J G,Zhang Z,Han H,et al.Contribution of climate and human to vegetation variation on Northwest Loess Plateau[J].Remote Sensing Information,2014,29(2):83-87. (in Chinese)

[18] 巢清塵,周波濤,孫穎,等.IPCC氣候變化自然科學認知的發(fā)展[J].氣候變化研究進展,2014,10(1):7-13.

Chao Q C,Zhou B T,Sun Y,et al.The cognition development of the climate change physical sciences on IPCC[J]. Advances in Climate Change Research,2014,10(1):7-13.(in Chinese)

[19] 張華,黃建平.對IPCC第五次評估報告關于人為和自然輻射強迫的解讀[J].氣候變化研究進展,2014,10(1):40-44.

Zhang H,Huang J P.Interpretation of the IPCC fifth assessment report on anthropogenic and natural radiative forcing[J].Advances in Climate Change Research,2014, 10(1):40-44.(in Chinese)

[20] 施能,顧駿強,封國林.論帶有趨勢變化的變量的相關:數(shù)值試驗[J].數(shù)學的實踐與認識,2007,37(8):98-103.

Shi N,Gu J Q,Feng G L.On the correlation of variables containing secular trend variation:numerical experiment[J]. Mathematics in Practice and Theory,2007,37(8):98-103.(in Chinese)

[21] 劉婧,湯峰,張貴軍,等.2000-2015年灤河流域植被凈初級生產(chǎn)力時空分布特征及其驅(qū)動因子分析[J].中國生態(tài)農(nóng)業(yè)學報,2021,29(4):659-671.

Liu J,Tang F,Zhang G J,et al.Spatio-temporal distribution of net primary productivity and its driving factors in the Luanhe River Basin from 2000 to 2015[J].Chinese Journal of Eco-Agriculture,2021,29(4):659-671.(in Chinese)

[22] 藺星娜,牛健植,賈京偉,等.張家口清水河上游流域植被指數(shù)時空變化特征[J].中國水土保持科學,2018,16(1):123- 130.

Lin X N,Niu J Z,Jia J W,et al.Spatial-temporal variation of vegetation in Qingshui River Basin,Zhangjiakou[J].Science of Soil and Water Conservation,2018,16(1):123-130.(in Chinese)

[23] 張金龍,劉學鋒,于長文.河北省干旱分布特征和變化規(guī)律分析[J].干旱區(qū)研究,2012,29(1):41-46.

Zhang J L,Liu X F,Yu C W.Analysis on distribution and variation of drought in Hebei province[J].Arid Zone Research,2012,29(1):41-46.(in Chinese)

[24] 呂國旭,陳艷梅,鄒長新,等.京津冀植被退化的空間格局及人為驅(qū)動因素分析[J].生態(tài)與農(nóng)村環(huán)境學報,2017,33(5): 417-425.

Lv G X,Chen Y M,Zou C X,et al.Spatial pattern and driving factors of vegetation degradation in Beijing-Tianjin-Hebei[J]. Journal of Ecology and Rural Environment,2017,33(5): 417-425.(in Chinese)

[25] Xiong Q L,Xiao Y,Marwa W A,et al.Monitoring the impact of climate change and human activities on grassland vegetation dynamics in the northeastern Qinghai-Tibet Plateau of China during 2000-2015[J].Journal of Arid Land,2019,11(5):637-651.

Quantitative Assessment on the Relative Influence of Climatic Change and Human Activities on Net Primary Productivity in Beijing-Tianjin-Hebei

GAO Xu-xu, YU Chang-wen, ZHANG Jing, ZHANG Jin-long

（Hebei Climate Center/Hebei State Key Laboratory of Meteorology and Ecological Environment，Shijiazhuang 050021, China）

Climate change and human activities are two driving factors that have vital influence on vegetation growth capacity. Quantitative assessment of the relative impact of climate change and human activities on net primary productivity (NPP) in Beijing-Tianjin-Hebei (BTH) can significantly improve the understanding of driving mechanism and help the improvement of ecological environment. Based on NPP data derived from Carnegie-Ames-Stanford Approach (CASA) model and meteorological data from 2001 to 2020, the relative contributions of climate change and human activities to NPP in BTH were quantitatively assessed by the methods of trend analysis and “detrended regression residuals methods”. The results showed that: (1) 47.8% of total area in BTH exhibited significant restoration, while only 4.5% underwent significant degradation. The annual NPP in developed urban agglomeration except Beijing decreased faster compared with other regions, while the middle of Zhangjiakou was the area with the fastest increase in annual NPP. (2) The climate change and human activities drove the NPP variation jointly as important forces in BTH and both induced a rapid increasing trend in the most areas. The spatial average influence of climate change on NPP variability was 1.5gC·m?2·y?1, while the impact of human activities was 2.4gC·m?2·y?1. (3) The contributions of climate and human activities accounted for 25.8% and 74.2% respectively to the significant increase of NPP in BTH in the past 20 years. The regions where the contribution rates of climate change were more than 80%, were mainly distributed in the northwest of Zhangjiakou and east of Cangzhou which covered 1.3% of the total areas. While there were 22.1% regions of BTH where the contributions of human activities were over 80% in the southwest of Zhangjiakou, Chengde, the south of Cangzhou and Hengshui. (4) The significant degeneration of vegetation was mainly induced by human activities whose contribution rats reached 94.9%. The results indicate that the human activities should be more focused on the ecological construction of vegetation restoration in BTH.

NPP; Climate change; Human activities; Detrended regression residuals methods; Beijing-Tianjin- Hebei

10.3969/j.issn.1000-6362.2022.02.004

高旭旭,于長文,張婧,等.定量評估京津冀氣候變化和人類活動對植被NPP變化的相對作用[J].中國農(nóng)業(yè)氣象,2022,43(2):124-136

收稿日期：2021?07?02

國家自然科學基金青年項目（41705075）；河北省創(chuàng)新能力提升計劃項目（19245419D）；京津冀協(xié)同發(fā)展項目（201810979）；河北省氣象局科研開發(fā)項目（20ky05）

通訊作者：于長文，高級工程師，主要從事氣候變化與氣候應用研究，E-mail: ycw127@foxmail.com

高旭旭，E-mail: gaoxuxu08@126.com