徐 勇,趙 純,郭振東,戴強(qiáng)玉,盤鈺春,鄭志威

中國(guó)八大經(jīng)濟(jì)區(qū)GPP變化及影響因子協(xié)同機(jī)制

徐 勇*,趙 純,郭振東,戴強(qiáng)玉,盤鈺春,鄭志威

(桂林理工大學(xué)測(cè)繪地理信息學(xué)院,廣西 桂林 541006)

以中國(guó)和八大綜合經(jīng)濟(jì)區(qū)為研究區(qū),全面分析人文因子、土地利用類型、氣候因子和地形因子對(duì)植被總初級(jí)生產(chǎn)力(GPP)空間分異的影響差異.利用MODIS GPP數(shù)據(jù)、氣象數(shù)據(jù)、土地利用類型、DEM數(shù)據(jù)、夜間燈光和人口密度數(shù)據(jù)等,基于Theil-Sen Median趨勢(shì)分析、Mann-Kendall顯著性檢驗(yàn)和地理探測(cè)器模型,在全國(guó)和經(jīng)濟(jì)區(qū)尺度上分析2000～2020年植被GPP時(shí)空變化特征,探測(cè)植被空間分異的影響因子及影響因子間的協(xié)同機(jī)制.結(jié)果表明,2000～2020年中國(guó)及八大經(jīng)濟(jì)區(qū)植被GPP整體呈波動(dòng)上升趨勢(shì),呈上升趨勢(shì)的區(qū)域占總面積的84.46%,其中,呈極顯著上升區(qū)域占19.86%,主要分布在黃河中游綜合經(jīng)濟(jì)區(qū)中部和大西北綜合經(jīng)濟(jì)區(qū)東部.影響因子探測(cè)結(jié)果表明,濕度、日照時(shí)數(shù)、降水和土地利用類型是中國(guó)植被GPP空間分異的主要影響因子,其中,濕度的影響力最高,值為0.64.經(jīng)濟(jì)區(qū)尺度上,濕度、日照時(shí)數(shù)、降水是影響東北、黃河中游、大西南和大西北綜合經(jīng)濟(jì)區(qū)植被GPP空間分異的主導(dǎo)因子,而人文因子對(duì)東部和南部沿海綜合經(jīng)濟(jì)區(qū)植被空間分異的影響較大.交互作用探測(cè)結(jié)果表明,中國(guó)植被GPP空間分異主要受土地利用類型∩濕度的協(xié)同影響,值為0.75.經(jīng)濟(jì)區(qū)尺度上,除黃河中游和大西南綜合經(jīng)濟(jì)區(qū)植被GPP空間分異主要受降水∩其他因子協(xié)同影響外,其他經(jīng)濟(jì)區(qū)植被GPP空間分異主要受土地利用類型∩其他因子或濕度∩其他因子的協(xié)同影響.

八大經(jīng)濟(jì)區(qū)；植被總初級(jí)生產(chǎn)力；地理探測(cè)器；人文因子；土地利用類型

植被總初級(jí)生產(chǎn)力(GPP)是指陸地植被生態(tài)系統(tǒng)中綠色植物通過光合作用固定CO2制造的有機(jī)物質(zhì)總量,表征進(jìn)入陸地生態(tài)系統(tǒng)循環(huán)的初始能量,體現(xiàn)了陸地生態(tài)系統(tǒng)植被在自然條件下的生產(chǎn)力[1-4].植被群落的演替和繁衍進(jìn)程在長(zhǎng)時(shí)間內(nèi)主要受氣候和地形條件的影響,短時(shí)間內(nèi)主要受人類活動(dòng)的影響.探究植被GPP時(shí)空演變特征及其驅(qū)動(dòng)因素[5-8],對(duì)于研究全球生態(tài)系統(tǒng)植被發(fā)展動(dòng)態(tài)和碳循環(huán)估算具有重要意義.

近年來,植被GPP時(shí)空變化及其影響因素成為研究的熱點(diǎn).已有研究在全球[9]、喀斯特地區(qū)[10]和中國(guó)陸地植被生態(tài)系統(tǒng)[11]等不同尺度下對(duì)植被GPP時(shí)空變化進(jìn)行了分析,研究表明全球尺度上植被GPP呈上升趨勢(shì),全球喀斯特地區(qū)植被GPP呈上升趨勢(shì)是由中國(guó)和歐洲主導(dǎo).例如,中國(guó)實(shí)施的退耕還林工程主導(dǎo)了中國(guó)喀斯特地區(qū)植被GPP的上升.在中國(guó),人類活動(dòng)對(duì)GPP變化具有雙重影響,且呈現(xiàn)較大區(qū)域差異.例如,人類活動(dòng)促進(jìn)了華南地區(qū)和華北平原植被GPP上升,而對(duì)內(nèi)蒙古東部、東北平原北部和青藏高原西部植被GPP變化則具有負(fù)向影響.以上研究主要分析植被GPP時(shí)空變化以及影響植被GPP變化的主導(dǎo)驅(qū)動(dòng)因子,但影響因子對(duì)植被GPP變化的影響程度及影響因子間的協(xié)同機(jī)制未充分明晰.

許多學(xué)者利用地理探測(cè)器[12]定量探測(cè)了影響因子對(duì)植被GPP空間分異的解釋力,并分析了影響因子間協(xié)同作用的關(guān)系類型和影響力大小.研究發(fā)現(xiàn),不同時(shí)空尺度下植被覆蓋空間分異受不同因子的主導(dǎo).例如,土地利用類型對(duì)中緬經(jīng)濟(jì)走廊[13]和三江源區(qū)[14]植被覆蓋空間分異存在較大影響;京津風(fēng)沙源區(qū)[15]植被覆蓋空間分異主要受降水的影響,其中,降水與其他因子的協(xié)同作用對(duì)植被覆蓋空間分異的影響也大于其他因子間的協(xié)同作用;而長(zhǎng)江流域上游和下游植被覆蓋空間分異分別受氣候因子和人文因子的主導(dǎo)[16].以上研究都聚焦在探究某一區(qū)域植被空間分異的主要影響因子及其影響力大小,鮮有研究從不同空間尺度上全面探究人文因子、土地利用類型、氣候因子和地形因子對(duì)植被空間分異的影響及影響因子間的協(xié)同機(jī)制.綜上所述,已有研究一方面揭示了植被時(shí)空變化特征及其影響因素,另一方面探測(cè)了單一尺度下影響因子對(duì)植被影響力大小及影響因子間的協(xié)同作用,但并未考慮不同空間尺度下植被空間分異主要影響因子及其影響力大小的差異以及影響因子間協(xié)同機(jī)制的空間分異性.

中國(guó)幅員遼闊,經(jīng)濟(jì)發(fā)展呈明顯地域差異,一方面,城市化程度由2000年的36.22%提升到了2020年的63.89%(中國(guó)統(tǒng)計(jì)年鑒2001～2021),經(jīng)濟(jì)快速發(fā)展導(dǎo)致土地利用類型發(fā)生改變,進(jìn)而改變了植被生產(chǎn)能力;另一方面,中國(guó)實(shí)施退耕還林還草、三北防護(hù)林和植樹造林等林生生態(tài)工程也在短時(shí)間內(nèi)增加了植被生產(chǎn)能力[10,17-19].因此,本研究以中國(guó)為研究區(qū),以八大經(jīng)濟(jì)區(qū)為研究單位,首先,結(jié)合Theil-Sen Median趨勢(shì)分析和Mann-Kendall顯著性檢驗(yàn),分析中國(guó)及八大經(jīng)濟(jì)區(qū)2000～2020年植被GPP的時(shí)空變化特征;然后,利用地理探測(cè)器,揭示人文因子(人口密度、夜間燈光)、土地利用類型、氣候因子(氣壓、濕度、氣溫、降水、日照時(shí)數(shù)和風(fēng)速)和地形因子(坡度、坡向、曲率和高程)對(duì)中國(guó)及八大經(jīng)濟(jì)區(qū)植被GPP空間分異的影響力及影響因子間的協(xié)同機(jī)制.研究結(jié)果可為生態(tài)建設(shè)和生態(tài)修復(fù)等工程的實(shí)施提供理論依據(jù).

1 材料與方法

1.1 研究區(qū)概況

中國(guó)位于亞洲東部,陸地面積約為960萬km2,位于135°2￠E～73°40￠E,3°52￠N～53°33￠N之間.海拔整體呈西高東低的空間分布特征.如圖1所示,本研究將中國(guó)(Y)劃分為八大經(jīng)濟(jì)區(qū):東北綜合經(jīng)濟(jì)區(qū)(Y1)、北部沿海綜合經(jīng)濟(jì)區(qū)(Y2)、東部沿海綜合經(jīng)濟(jì)區(qū)(Y3)、南部沿海綜合經(jīng)濟(jì)區(qū)(Y4)、黃河中游綜合經(jīng)濟(jì)區(qū)(Y5)、長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)(Y6)、大西南綜合經(jīng)濟(jì)區(qū)(Y7)和大西北綜合經(jīng)濟(jì)區(qū)(Y8).從氣候類型上看,東部、南部、大西南和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)以亞熱帶季風(fēng)氣候?yàn)橹?東北和北部沿海綜合經(jīng)濟(jì)區(qū)以溫帶季風(fēng)氣候?yàn)橹?黃河中游北部以溫帶大陸性氣候?yàn)橹?大西北綜合經(jīng)濟(jì)區(qū)南部以高原山地氣候?yàn)橹?植被類型的空間分布主要受氣候類型的影響,東部、南部、大西南和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)以亞熱帶常綠闊葉林為主,大西北綜合經(jīng)濟(jì)區(qū)以青藏高原高寒草地和溫帶荒漠為主,北部綜合經(jīng)濟(jì)區(qū)以暖溫帶落葉闊葉林為主.黃河中游綜合經(jīng)濟(jì)區(qū)主要以溫帶草原和溫帶荒漠為主.從土地利用類型上看,東北、北部、東部、南部、大西南綜合經(jīng)濟(jì)區(qū)主要分布耕地和林地,大西北綜合經(jīng)濟(jì)區(qū)主要分布草地和未利用地,而黃河中游綜合經(jīng)濟(jì)區(qū)主要分布草地、耕地和未利用地.

圖1 中國(guó)八大經(jīng)濟(jì)區(qū)高程空間分布

審圖號(hào):GS(2020)4632號(hào)

1.2 數(shù)據(jù)來源

中分辨率成像光譜儀(MODIS) GPP的時(shí)間和空間分辨率分別為8d和500m,每年包括46個(gè)時(shí)相,由美國(guó)國(guó)家航空航天局提供(https://www.nasa.gov/).經(jīng)最大值合成、裁剪、重采樣和重投影等預(yù)處理,得到覆蓋中國(guó)2000～2020年最大值合成MODIS GPP時(shí)間序列. 數(shù)字高程模型(DEM)數(shù)據(jù)、土地利用類型數(shù)據(jù)、人口密度數(shù)據(jù)和夜間燈光數(shù)據(jù)來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心平臺(tái)(https://www.resdc.cn/),時(shí)間分辨率為每年,空間分辨率為1km,所有數(shù)據(jù)經(jīng)過重采樣到500m空間分辨率.DEM數(shù)據(jù)經(jīng)過投影轉(zhuǎn)換、坡度分析、坡向分析和曲率分析等預(yù)處理,得到覆蓋中國(guó)的坡度、坡向和曲率柵格圖.2000～2020年氣象數(shù)據(jù)來自于國(guó)家氣象局?jǐn)?shù)據(jù)共享中心提供的2416個(gè)氣象站點(diǎn)的逐日氣象數(shù)據(jù)(https://data.cma.cn/),主要包含濕度、平均氣溫、氣壓、降水、風(fēng)速和日照時(shí)數(shù).首先,基于SPSS 24對(duì)各站點(diǎn)年缺失值少于5%的數(shù)據(jù)使用線性內(nèi)插法進(jìn)行插補(bǔ),否則對(duì)該站點(diǎn)該年數(shù)據(jù)進(jìn)行舍棄;然后,使用Anusplin模型,在考慮經(jīng)度、緯度和高程的前提下插值得到2000～2020年500m空間分辨率的各氣象因子?xùn)鸥駡D.

1.3 研究方法

1.3.1 Theil-Sen Median趨勢(shì)分析與Mann-Kendall顯著性檢驗(yàn) Theil-Sen Median趨勢(shì)分析與Mann-Kendall顯著性檢驗(yàn)[20]可用來分析2000～ 2020年植被GPP時(shí)空演變特征并檢驗(yàn)其在時(shí)間序列上變化的顯著性.Theil-Sen Median趨勢(shì)分析可有效剔除異常數(shù)據(jù)和離散數(shù)據(jù)對(duì)總體趨勢(shì)結(jié)果的影響.計(jì)算公式如下:

式中:GPP為第年的植被GPP的值;GPP為第年的植被GPP的值;GPP為2000～2020年植被GPP變化速率,當(dāng)GPP>0,表明研究區(qū)植被GPP為上升趨勢(shì);當(dāng)GPP=0,表明研究區(qū)植被變化基本保持穩(wěn)定;當(dāng)GPP<0,表明研究區(qū)植被GPP為下降趨勢(shì).

Mann-Kendall顯著性檢驗(yàn)被用來揭示2000～ 2020年中國(guó)植被GPP變化趨勢(shì)的顯著性.根據(jù)Mann-Kendall顯著性檢驗(yàn)的檢驗(yàn)統(tǒng)計(jì)量值,將植被GPP變化趨勢(shì)劃分為6個(gè)變化等級(jí):極顯著下降、顯著下降、不顯著下降、不顯著上升、顯著上升和極顯著上升.當(dāng)||>2.58,即置信區(qū)間為99%,為極顯著變化特征;當(dāng)1.96<||￡2.58,即置信區(qū)間為95%,為顯著變化特征;當(dāng)0<||￡1.96,為不顯著變化特征.

1.3.2 地理探測(cè)器 地理探測(cè)器[12]主要分為4個(gè)模塊,分別為:影響因子探測(cè)、交互作用探測(cè)、風(fēng)險(xiǎn)探測(cè)和生態(tài)探測(cè).影響因子探測(cè)主要用于探測(cè)自變量對(duì)因變量空間分異的解釋程度,值的值域范圍為[0,1],值的數(shù)值越接近數(shù)值0,證明影響因子對(duì)因變量的解釋力越弱,反之則越強(qiáng).交互作用探測(cè)可以探測(cè)任一雙因子組合對(duì)因變量空間分異的交互作用,即推斷雙因子共同作用時(shí)是否會(huì)增強(qiáng)或削弱對(duì)因變量的解釋力或影響是否獨(dú)立存在,交互作用探測(cè)結(jié)果分類如表1所示.風(fēng)險(xiǎn)區(qū)探測(cè)可以判斷不同影響因子的子區(qū)域間的屬性均值是否存在顯著性的差異,從而得到因變量的最適宜區(qū)間.生態(tài)探測(cè)可用于探測(cè)雙因子1和2對(duì)的地理空間分布的影響是否存在顯著性的差異.已有研究表明[21-24],植被生長(zhǎng)與區(qū)域人類活動(dòng)強(qiáng)度、土地利用類型、氣候條件和地形狀況息息相關(guān).因此,本研究選取的影響因子包含人文因子、土地利用類型、氣候因子和地形因子四大類,共13個(gè)因子作為植被GPP空間分異的影響因子,如表2.本研究使用2000～2020年植被GPP、氣候因子和人文因子多年平均值,2010年土地利用類型數(shù)據(jù)為地理探測(cè)器輸入數(shù)據(jù).

表1 雙因子交互作用的類型

表2 影響因子類型

2 結(jié)果與分析

2.1 植被GPP時(shí)空變化特征

2.1.1 植被GPP時(shí)間變化特征 由圖2可知, 2000～2020年中國(guó)GPP(以C計(jì),下同)整體呈波動(dòng)上升趨勢(shì),上升速率為3.84g/(m2·a).研究時(shí)段內(nèi)植被GPP均值為478.72g/(m2·a),植被GPP最大值出現(xiàn)在2018年,為587.72g/(m2·a),最小值出現(xiàn)在2000年,為436.72g/(m2·a).八大經(jīng)濟(jì)區(qū)植被GPP均呈波動(dòng)上升趨勢(shì),其中,東北綜合經(jīng)濟(jì)區(qū)的增長(zhǎng)速率最快,為5.68g/(m2·a),其次是黃河中游綜合經(jīng)濟(jì)區(qū),為5.58g/ (m2·a),增長(zhǎng)速率最低的是東部沿海綜合經(jīng)濟(jì)區(qū),僅為0.96g/(m2·a).八大經(jīng)濟(jì)區(qū)中,2000～2020年東北綜合經(jīng)濟(jì)區(qū)植被GPP均值最大,為681.13g/(m2·a),其次是南部沿海綜合經(jīng)濟(jì)區(qū),為661.22g/(m2·a).最小值為大西北綜合經(jīng)濟(jì)區(qū),僅為249.05g/(m2·a).由上可知, 2000～2020年中國(guó)及八大經(jīng)濟(jì)區(qū)植被GPP整體呈改善趨勢(shì).其中,東北綜合經(jīng)濟(jì)區(qū)和黃河中游綜合經(jīng)濟(jì)區(qū)的上升速率最快.而東北綜合經(jīng)濟(jì)區(qū)的年均植被GPP最高,大西北經(jīng)濟(jì)區(qū)的年均植被GPP最低.

圖2 2000～2020年中國(guó)植被GPP時(shí)間變化趨勢(shì)圖

2.1.2 植被GPP空間變化特征 由圖3(a)可知,中國(guó)植被GPP多年均值呈明顯空間異質(zhì)性,整體呈現(xiàn)東南高、西北低的分布規(guī)律.植被GPP多年平均值小于200g/(m2·a) 的區(qū)域占總面積的18.57%,主要分布在黃河中游和大西北綜合經(jīng)濟(jì)區(qū).植被GPP多年平均值大于200g/(m2·a)的區(qū)域占總面積的81.43%,其中,植被GPP大于600g/(m2·a)的區(qū)域主要分布在長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)、東北綜合經(jīng)濟(jì)區(qū)東部、南部沿海經(jīng)濟(jì)區(qū)南部和大西南綜合經(jīng)濟(jì)區(qū)南部.

由圖3(b)可知,2000～2020年中國(guó)植被GPP的變化斜率在–42.38～39.22g/(m2·a)之間,植被GPP變化斜率整體呈“中部高,兩翼低”的空間分布格局.由圖3(c)和(d)可知,中國(guó)植被GPP呈上升趨勢(shì)的區(qū)域占總面積的84.46%,其中,呈極顯著上升的區(qū)域占總面積的19.86%,主要分布在黃河中游綜合經(jīng)濟(jì)區(qū)中部和大西北綜合經(jīng)濟(jì)區(qū)東部;呈下降趨勢(shì)的區(qū)域僅占總面積的15.54%,其中,呈極顯著下降的區(qū)域占總面積的0.68%,主要分布在東部沿海、長(zhǎng)江中游、大西北、大西南西和南部沿海綜合經(jīng)濟(jì)區(qū).八大經(jīng)濟(jì)區(qū)中,植被GPP呈上升趨勢(shì)的面積均大于呈下降趨勢(shì)的面積.其中,呈極顯著上升區(qū)域的面積占比最高的是大西北綜合經(jīng)濟(jì)區(qū),為52.02%,其次是長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū),為50.70%,東部沿海綜合經(jīng)濟(jì)區(qū)最低,為8.57%.呈極顯著下降區(qū)域的面積占比最高的是東部沿海綜合經(jīng)濟(jì)區(qū),為6.00%,大西北綜合經(jīng)濟(jì)區(qū)最低,僅為0.53%.由上可知,2000～2020年中國(guó)植被GPP呈上升趨勢(shì)的面積遠(yuǎn)高于呈下降趨勢(shì)的面積,植被覆蓋總體呈改善態(tài)勢(shì),其中,東北綜合經(jīng)濟(jì)區(qū)的植被改善面積占比高于其他經(jīng)濟(jì)區(qū),而大西北、大西南、長(zhǎng)江中游和黃河中游綜合經(jīng)濟(jì)區(qū)的植被改善程度強(qiáng)于其他經(jīng)濟(jì)區(qū).

圖3 2000～2020年中國(guó)植被GPP變化空間分布

審圖號(hào):GS(2020)4632號(hào)

2.2 植被GPP空間分異影響因素地理探測(cè)

2.2.1 影響因子探測(cè) 地理探測(cè)器被用來在中國(guó)和經(jīng)濟(jì)區(qū)尺度上揭示影響因子對(duì)植被GPP空間分異的解釋力大小.全國(guó)尺度上,影響植被GPP空間分異最主要因子是濕度,值為0.64,其次是土地利用類型、日照時(shí)數(shù)和降水,值分別為0.48、0.46和0.40.坡度、坡向、曲率、人口密度和夜間燈光對(duì)中國(guó)植被GPP空間分異的影響較小,值均小于0.1.經(jīng)濟(jì)區(qū)尺度上,濕度是影響東北、黃河中游和大西北綜合經(jīng)濟(jì)區(qū)植被GPP空間分異的主要影響因子;土地利用類型是影響北部和東部沿海綜合經(jīng)濟(jì)區(qū)植被GPP空間分異的主要影響因子;南部沿海和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)植被GPP主要受坡度的影響;大西南綜合經(jīng)濟(jì)區(qū)植被GPP空間分異主要受高程的影響.

由表3可知,氣候因子中,濕度、氣溫、降水和日照時(shí)數(shù)在東北、黃河中游、大西南和大西北綜合經(jīng)濟(jì)區(qū)的值均較高.地形因子中,坡向?qū)Π舜蠼?jīng)濟(jì)區(qū)植被空間分異的影響微弱,值均小于0.05;高程對(duì)北部沿海和南部沿海綜合經(jīng)濟(jì)區(qū)的影響程度較小,對(duì)其他經(jīng)濟(jì)區(qū)植被GPP空間分異的影響程度較大.人文因子中,人口密度和夜間燈光對(duì)東部沿海和南部沿海綜合經(jīng)濟(jì)區(qū)植被GPP空間分異的影響較大.土地利用類型對(duì)各經(jīng)濟(jì)區(qū)的值均不低于0.19,其對(duì)八大經(jīng)濟(jì)區(qū)植被空間分異的影響程度較高.

由上可知,濕度、日照時(shí)數(shù)、降水和土地利用類型是中國(guó)植被GPP空間分異的主要影響因子.經(jīng)濟(jì)區(qū)尺度上,東北、黃河中游、大西南和大西北綜合經(jīng)濟(jì)區(qū)影響植被GPP空間分異主要受氣候因子主導(dǎo),南部沿海、長(zhǎng)江中游和大西南綜合經(jīng)濟(jì)區(qū)主要受地形因子的影響,而人文因子對(duì)東部沿海和南部沿海綜合經(jīng)濟(jì)區(qū)植被GPP空間分異的影響較大.

表3 單一影響因子探測(cè)q值

2.2.2 交互作用探測(cè) 全國(guó)尺度上,雙因子交互作用的值均大于單因子的值,雙因子交互作用均表現(xiàn)為雙因子增強(qiáng)或非線性增強(qiáng),其中,雙因子增強(qiáng)和非線性增強(qiáng)的占比分別為43.96%和56.04%.由表4可知,雙因子交互作用值前三為:土地利用類型∩濕度(0.75)>降水∩高程(0.71)>濕度∩高程(0.70),因此可知,中國(guó)植被GPP空間分異主要受土地利用類型、濕度、降水和高程的協(xié)同影響.這與單因子影響力探測(cè)結(jié)果較為一致,即,濕度、土地利用類型和降水是中國(guó)植被GPP空間分異的主要影響因子.

為探究雙因子交互作用對(duì)八大經(jīng)濟(jì)區(qū)植被GPP空間分異的影響,本研究統(tǒng)計(jì)了各經(jīng)濟(jì)區(qū)排前三的雙因子交互作用值.由表5可知,八大經(jīng)濟(jì)區(qū)雙因子交互作用的解釋力均大于單因子獨(dú)立作用的解釋力.除北部沿海綜合經(jīng)濟(jì)區(qū)土地利用類型∩降水和大西南綜合經(jīng)濟(jì)區(qū)的日照時(shí)數(shù)∩高程的雙因子協(xié)同作用為非線性增強(qiáng)外,其余經(jīng)濟(jì)區(qū)各影響因子間交互作用均表現(xiàn)為雙因子增強(qiáng).此外,除黃河中游和大西南綜合經(jīng)濟(jì)區(qū)第一主導(dǎo)交互作用均為降水∩其他因子外,八大經(jīng)濟(jì)區(qū)第一和第二主導(dǎo)交互作用均為土地利用類型∩其他因子或濕度∩其他因子,而第三主導(dǎo)交互作用中,北部、東部和南部沿海綜合經(jīng)濟(jì)區(qū)為夜間燈光∩其他因子,東北、黃河中游、大西南和大西北綜合經(jīng)濟(jì)區(qū)為日照時(shí)數(shù)∩其他因子.

由上可知,全國(guó)和八大經(jīng)濟(jì)區(qū)雙因子交互作用探測(cè)結(jié)果表現(xiàn)出較好的一致性,全國(guó)和各經(jīng)濟(jì)區(qū)植被GPP空間分異主要受土地利用類型∩其他因子或濕度∩其他因子的協(xié)同影響,而北部沿海、東部沿海和南部沿海綜合經(jīng)濟(jì)區(qū)植被GPP空間分異受夜間燈光∩其他因子協(xié)同影響明顯強(qiáng)于其他經(jīng)濟(jì)區(qū).

表4 全國(guó)影響因子交互作用探測(cè)q值

注:*表示非線性增強(qiáng),**表示雙因子增強(qiáng).

表5 八大經(jīng)濟(jì)區(qū)排名前三的影響因子交互作用解釋力

注:*表示非線性增強(qiáng),**表示雙因子增強(qiáng).

2.2.3 生態(tài)探測(cè) 由表6可知,全國(guó)尺度上,雙因子組合對(duì)植被GPP空間分異的解釋力大小存在顯著差異和無顯著差異的占比分別為68%和32%.其中,土地利用類型與人文因子和地形因子對(duì)植被GPP空間分異的解釋力均存在顯著差異,土地利用類型與除濕度外的氣候因子均不存在顯著差異,以上結(jié)果進(jìn)一步證明土地利用類型與濕度和地形因子之間的協(xié)同作用是植被GPP空間分異的主要影響因子.高程與濕度、降水和日照時(shí)數(shù)等氣候因子對(duì)植被GPP空間分異的解釋力大小存在顯著差異,這與高程和氣候因子的交互作用主導(dǎo)植被GPP空間分異的結(jié)果基本一致.

表6 全國(guó)影響因子生態(tài)探測(cè)結(jié)果

注:Y表示雙因子組合對(duì)植被GPP空間分異存在顯著差異,N表示雙因子組合對(duì)植被GPP空間分異無顯著差異.

經(jīng)濟(jì)區(qū)尺度上,東北、黃河中游、大西南和大西北綜合經(jīng)濟(jì)區(qū)的生態(tài)探測(cè)結(jié)果與全國(guó)基本一致,即雙因子組合存在顯著差異的占比較大.北部沿海、東部沿海、南部沿海和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)的影響因子組合對(duì)植被GPP空間分異的解釋力大小存在顯著差異占比較低,均不超過30%,這四個(gè)經(jīng)濟(jì)區(qū)中氣候因子與土地利用類型以及坡度和曲率等地形因子不存在顯著差異,而土地利用類型與人文因子、坡向和曲率等地形因子存在顯著差異.綜上所述,除北部沿海、東部沿海、南部沿海和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)外,其他經(jīng)濟(jì)區(qū)影響因子的生態(tài)探測(cè)結(jié)果與交互作用探測(cè)結(jié)果基本一致,即土地利用類型、高程、濕度和降水等是各經(jīng)濟(jì)區(qū)植被GPP空間分異的主要影響因子.

2.2.4 風(fēng)險(xiǎn)探測(cè) 如表7所示,全國(guó)尺度上,不同人文因子中,當(dāng)人口密度在0～893 人/km2,夜間燈光在0.00～1.29時(shí),植被GPP均值最高,可見人類活動(dòng)干擾頻率越低,植被生產(chǎn)力越高.不同地形因子中,當(dāng)坡度在25.05～49.32°,高程在404～912m時(shí),植被GPP均值最高,表明在海拔較低,地表起伏適中的區(qū)域植被覆蓋程度更高,植被生長(zhǎng)力更強(qiáng).不同氣候因子中,氣溫在19.69～25.47℃,日照時(shí)數(shù)在1265.82～1547.02h,降水在1797.17～2688.6mm,濕度在65.82～71.42%之間時(shí),植被GPP均值最高,表明在降水和日照充足,氣溫和濕度適宜的區(qū)域有利于植被群里的繁衍和植被生長(zhǎng).不同土地利用類型中,林地的植被GPP均值最高.由上可知,較低強(qiáng)度的人類活動(dòng),適宜的土地利用類型、地形條件、以及氣溫、降水和濕度等氣候條件有利于中國(guó)植被的生長(zhǎng).

表7 全國(guó)及八大經(jīng)濟(jì)區(qū)影響因子適宜范圍和GPP平均值

注:GPP平均值的單位為g/(m2·a),以C計(jì).

經(jīng)濟(jì)區(qū)尺度上,就人文因子而言,除北部沿海和大西北綜合經(jīng)濟(jì)區(qū)外,六大經(jīng)濟(jì)區(qū)的植被GPP均值在人口密度范圍為0～893人/km2,夜間燈光為0.00～1.29時(shí)最高,由此可知,受人類活動(dòng)影響程度較低的區(qū)域,植被覆蓋程度較好,植被生產(chǎn)力更高.各經(jīng)濟(jì)區(qū)的土地利用類型林地的植被GPP均值達(dá)到最大,穩(wěn)定的森林生態(tài)系統(tǒng),以及退耕還林、還草等工程的實(shí)施,使得林地的面積持續(xù)擴(kuò)大,均有利于促進(jìn)植被生長(zhǎng).由于八大經(jīng)濟(jì)區(qū)的地理生態(tài)環(huán)境存在較大的差異,因此氣候因子和地形因子促進(jìn)植被GPP生長(zhǎng)的最優(yōu)范圍在各經(jīng)濟(jì)區(qū)中存在差異.就氣候因子而言,在東部沿海、南部沿海、長(zhǎng)江中游和大西南綜合經(jīng)濟(jì)區(qū),當(dāng)濕度和降水分別在76.57%～86.26 %和1094.51～1335.72mm時(shí),植被GPP均值最大.就地形因子而言,在北部沿海、黃河中游、長(zhǎng)江中游和大西北綜合經(jīng)濟(jì)區(qū),當(dāng)高程在2187～3029m時(shí),植被GPP均值最大.從八大經(jīng)濟(jì)區(qū)的GPP均值可知,土地利用類型、氣候因子和地形因子中的坡向和高程對(duì)八大經(jīng)濟(jì)區(qū)植被變化的影響程度較大,而人文因子對(duì)八大經(jīng)濟(jì)區(qū)植被變化的影響程度較低.綜上所述,八大經(jīng)濟(jì)區(qū)風(fēng)險(xiǎn)探測(cè)的結(jié)果與生態(tài)探測(cè)結(jié)果基本相符,說明土地利用類型、氣候因子和地形因子是影響八大經(jīng)濟(jì)區(qū)植被生長(zhǎng)的重要因素.

3 討論

3.1 植被GPP時(shí)空演變特征

時(shí)間尺度上,2000～2020年中國(guó)及八大經(jīng)濟(jì)區(qū)植被GPP均呈波動(dòng)上升趨勢(shì),其中,上升趨勢(shì)最為顯著的是東北、黃河中游和大西南綜合經(jīng)濟(jì)區(qū),這與已有的研究結(jié)果一致[25-27].空間尺度上,中國(guó)植被GPP呈上升趨勢(shì)的面積占比為84.46%,主要分布在東北、黃河中游、大西南、長(zhǎng)江中游和北部沿海綜合經(jīng)濟(jì)區(qū),得益于天然林保護(hù)工程、退耕還林還草工程、三北防護(hù)林工程、長(zhǎng)江中下游地區(qū)重點(diǎn)防護(hù)林體系建設(shè)工程、京津風(fēng)沙源治理工程、野生動(dòng)植物保護(hù)及自然保護(hù)區(qū)建設(shè)工程和重點(diǎn)地區(qū)以速生豐產(chǎn)用材林為主的林業(yè)產(chǎn)業(yè)建設(shè)工程的實(shí)施,以上地區(qū)植被覆蓋呈顯著上升趨勢(shì),區(qū)域生態(tài)環(huán)境質(zhì)量得到明顯改善,這與已有研究結(jié)果一致[17-19,25].中國(guó)植被GPP呈下降趨勢(shì)的面積占比為15.54%,主要分布在東部沿海、長(zhǎng)江中游、大西北、大西南和南部沿海綜合經(jīng)濟(jì)區(qū).大西北綜合經(jīng)濟(jì)區(qū)南部和大西南綜合經(jīng)濟(jì)區(qū)西北部屬于西北干旱與半干旱區(qū)和青藏高原高寒區(qū),區(qū)域內(nèi)生態(tài)系統(tǒng)脆弱,一方面,放牧等人類活動(dòng)使得草場(chǎng)和濕地退化,荒漠化不斷擴(kuò)大,另一方面全球氣候變暖背景下氣溫和降水等氣候條件的限制,導(dǎo)致植被覆蓋呈下降趨勢(shì)[17,28].而快速城市化導(dǎo)致大量林地、草地和耕地轉(zhuǎn)化為建設(shè)用地是導(dǎo)致東部沿海(長(zhǎng)江三角洲經(jīng)濟(jì)區(qū))、長(zhǎng)江中游(武漢都市經(jīng)濟(jì)圈、長(zhǎng)株潭經(jīng)濟(jì)圈)和南部沿海綜合經(jīng)濟(jì)區(qū)東北部(珠江三角洲經(jīng)濟(jì)區(qū))植被GPP下降的主要原因[16,27,29].

3.2 植被GPP影響因素分析

影響因子探測(cè)結(jié)果表明,濕度、土地利用類型、日照時(shí)數(shù)和降水是影響中國(guó)植被GPP空間分異的關(guān)鍵因素.其中,濕度是影響中國(guó)植被GPP空間分異的主導(dǎo)因素.濕度是區(qū)域水熱光條件的綜合體現(xiàn),由于濕度影響植被蒸騰作用中的氣孔蒸騰,濕度過大或過小均會(huì)導(dǎo)致植物葉片的氣孔關(guān)閉進(jìn)而抑制植被生長(zhǎng)[30].土地利用類型對(duì)中國(guó)植被GPP空間分異的影響程度僅次于濕度,土地利用類型的變化,如城市持續(xù)擴(kuò)張導(dǎo)致短時(shí)間內(nèi)大量占用林地、草地和耕地,會(huì)導(dǎo)致區(qū)域內(nèi)植被覆蓋下降[16,27,29],而天然林保護(hù)工程、退耕還林還草工程和三北防護(hù)林工程等林業(yè)生態(tài)工程的實(shí)施,促進(jìn)了生長(zhǎng),提高了植被覆蓋程度[17-19,25].因此,土地利用類型對(duì)中國(guó)植被GPP空間分異具有較大的影響.

經(jīng)濟(jì)區(qū)尺度上,影響植被GPP空間分異的主導(dǎo)因素存在明顯的地域差異.例如,影響東北、黃河中游和大西北綜合經(jīng)濟(jì)區(qū)的植被GPP空間分異的主要因素是濕度和日照時(shí)數(shù).黃河中游和大西北綜合經(jīng)濟(jì)區(qū)為干旱半干旱區(qū),氣候干燥,蒸發(fā)量大并且地表水較少[23,31-32],而東北綜合經(jīng)濟(jì)區(qū)屬于溫帶大陸性氣候,冬冷夏熱,年溫差大,年降雨量較少[33-34].因此,以上經(jīng)濟(jì)區(qū)植被GPP變化對(duì)濕度和日照時(shí)數(shù)極為敏感.影響北部沿海和東部沿海綜合經(jīng)濟(jì)區(qū)植被GPP空間分異的主導(dǎo)因素是土地利用類型.人類活動(dòng)會(huì)間接影響經(jīng)濟(jì)區(qū)土地利用類型的變化,北部沿海綜合經(jīng)濟(jì)區(qū)的京津冀經(jīng)濟(jì)圈和東部沿海綜合經(jīng)濟(jì)區(qū)的長(zhǎng)江三角洲地區(qū)城市化水平高,人口密度大,由此帶來的城市擴(kuò)張和城市基礎(chǔ)設(shè)施建設(shè)導(dǎo)致植被覆蓋呈下降趨勢(shì).而部分地區(qū)為維護(hù)生態(tài)環(huán)境,實(shí)施京津風(fēng)沙源治理工程和退耕還林等工程,使得植被覆蓋得到提高[27,29,35],因此,以上經(jīng)濟(jì)區(qū)植被GPP空間分異對(duì)土地利用類型變化響應(yīng)敏感.

交互作用探測(cè)結(jié)果表明,植被GPP空間分異對(duì)影響因子協(xié)同作用的響應(yīng)存在明顯地域差異.除黃河中游和大西南綜合經(jīng)濟(jì)區(qū)外,其他經(jīng)濟(jì)區(qū)植被GPP空間分異主要受土地利用類型和其他因子的交互作用.例如,影響東部沿海綜合經(jīng)濟(jì)區(qū)植被空間分異的主要因素是土地利用類型和人文因子的共同作用.東部沿海綜合經(jīng)濟(jì)區(qū)的經(jīng)濟(jì)發(fā)展速度快,城市向外圍擴(kuò)張,占用耕地和林地,導(dǎo)致植被覆蓋度高的區(qū)域向植被覆蓋度低變化[16,36].東北、北部沿海和大西北綜合經(jīng)濟(jì)區(qū)的植被變化主要受土地利用類型與氣候因子的協(xié)同影響.大西北綜合經(jīng)濟(jì)區(qū)的土地利用類型以草地為主,東北和北部沿海綜合經(jīng)濟(jì)區(qū)的土地利用類型以耕地和林地為主.而草地、林地和耕地的變化與區(qū)域氣候條件緊密相關(guān)[18-19,37-38].南部沿海和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)的植被空間分異主要受土地利用類型與地形因子的協(xié)同影響.這兩大經(jīng)濟(jì)區(qū)的土地利用類型以耕地為主,地形以平原、丘陵和山地為主.在海拔低、坡度小的區(qū)域中土地利用類型易受人類活動(dòng)的干擾,城區(qū)擴(kuò)張和農(nóng)業(yè)生產(chǎn)的發(fā)展會(huì)占用較多的林地導(dǎo)致植被覆蓋降低.隨著高程和坡度的增加,林地的面積在不斷擴(kuò)大,適宜的濕熱的氣候條件有利于植被生長(zhǎng).因此,以上兩個(gè)經(jīng)濟(jì)區(qū)主要受土地利用類型和地形因素的協(xié)同影響[16,25].

4 結(jié)論

4.1 2000～2020年中國(guó)植被GPP整體呈波動(dòng)上升趨勢(shì),其上升斜率為3.84g/(m2·a).八大經(jīng)濟(jì)區(qū)植被GPP均呈上升趨勢(shì),其中,上升趨勢(shì)最為顯著的為東北綜合經(jīng)濟(jì)區(qū)和黃河中游綜合經(jīng)濟(jì)區(qū),上升斜率分別為5.68g/(m2·a)和5.58g/(m2·a).

4.2 2000～2020年中國(guó)植被GPP分布存在明顯空間異質(zhì)性,整體呈現(xiàn)東南高、西北低的分布規(guī)律,植被GPP變化斜率整體呈中部高,兩翼低的空間分布格局.2000～2020年中國(guó)植被GPP改善趨勢(shì)顯著,呈上升趨勢(shì)的面積占比為84.47%,遠(yuǎn)高于呈下降趨勢(shì)的面積.其中,東北綜合經(jīng)濟(jì)區(qū)的植被改善面積占比為90.45%,遠(yuǎn)高于其他經(jīng)濟(jì)區(qū).

4.3 影響因子探測(cè)結(jié)果表明,濕度是影響中國(guó)植被GPP空間分異的主導(dǎo)因子,經(jīng)濟(jì)區(qū)尺度上,氣候因子是影響東北、黃河中游、大西南和大西北綜合經(jīng)濟(jì)區(qū)植被GPP空間分異的主導(dǎo)因子,而人文因子對(duì)東部和南部沿海綜合經(jīng)濟(jì)區(qū)植被空間分異影響較大.影響因子交互作用結(jié)果表明,中國(guó)植被GPP空間分異受土地利用類型∩濕度的交互作用影響最大,其值為0.75.經(jīng)濟(jì)區(qū)尺度上,北部、東部和南部沿海綜合經(jīng)濟(jì)區(qū)植被GPP空間分異受夜間燈光∩其他因子協(xié)同影響大于其他經(jīng)濟(jì)區(qū).

[1] Jian J, Bailey V, Dorheim K, et al. Historically inconsistent productivity and respiration fluxes in the global terrestrial carbon cycle [J]. Nature communications, 2022,13(1):1-9.

[2] Tang R, He B, Chen H W, et al. Increasing terrestrial ecosystem carbon release in response to autumn cooling and warming [J]. Nature Climate Change, 2022,12(4):380-385.

[3] Wang X, Chen J M, Ju W. Photochemical reflectance index (PRI) can be used to improve the relationship between gross primary productivity (GPP) and sun-induced chlorophyll fluorescence (SIF) [J]. Remote Sensing of Environment, 2020,24:111888.

[4] Chen S, Huang Y, Gao S, et al. Impact of physiological and phenological change on carbon uptake on the Tibetan Plateau revealed through GPP estimation based on spaceborne solar-induced fluorescence [J]. Science of the Total Environment, 2019,663:45-59.

[5] He P, Ma X, Sun Z. Interannual variability in summer climate change controls GPP long-term changes [J]. Environmental Research, 2022, 212:113409.

[6] Cheng L, Zhang L, Wang Y P, et al. Recent increases in terrestrial carbon uptake at little cost to the water cycle [J]. Nature Communications, 2017,8(1):1-10.

[7] Gampe D, Zscheischler J, Reichstein M, et al. Increasing impact of warm droughts on northern ecosystem productivity over recent decades [J]. Nature Climate Change, 2021,11(9):772-779.

[8] Chen H, Bai X, Li Y, et al. Soil drying weakens the positive effect of climate factors on global gross primary production [J]. Ecological Indicators, 2021,129:107953.

[9] 周艷蓮,居為民,柳藝博.1981～2019年全球陸地生態(tài)系統(tǒng)碳通量變化特征及其驅(qū)動(dòng)因子 [J]. 大氣科學(xué)學(xué)報(bào), 2022,45(3):332-344.

Zhou Y L, Ju W M, Liu Y B. Characteristics and driving factors of global terrestrial ecosystem carbon fluxes from 1981 to 2019 [J]. Transactions of Atmospheric Sciences, 2022,45(3):332-344.

[10] Tang X, Xiao J, Ma M, et al. Satellite evidence for China's leading role in restoring vegetation productivity over global karst ecosystems [J]. Forest Ecology and Management, 2022,507:120000.

[11] 王軍邦,楊屹涵,左 嬋,等.氣候變化和人類活動(dòng)對(duì)中國(guó)陸地生態(tài)系統(tǒng)總初級(jí)生產(chǎn)力的影響厘定研究[J]. 生態(tài)學(xué)報(bào), 2021,41(18): 7085-7099.

Wang J B, Yang Y H, Zuo C, et al. Impacts of human activities and climate change on gross primary productivity of the terrestrial ecosystems in China [J]. Acta Ecologica Sinica, 2021,41(18):7085-7099.

[12] 王勁峰,徐成東.地理探測(cè)器:原理與展望[J]. 地理學(xué)報(bào), 2017, 72(1):116-134.

Wang J F, Xu C D. Geodetector: Principle and prospective [J].Acta Geographica Sinica, 2017,72(1):116-134.

[13] Li J, Wang J, Zhang J, et al. Growing-season vegetation coverage patterns and driving factors in the China-Myanmar Economic Corridor based on Google Earth Engine and geographic detector [J]. Ecological Indicators, 2022,136:108620.

[14] Gao S, Dong G, Jiang X, et al. Quantification of natural and anthropogenic driving forces of vegetation changes in the Three-River Headwater Region during 1982～2015 based on geographical detector model [J]. Remote Sensing, 2021,13(20):4175.

[15] 孟 琪,武志濤,杜自強(qiáng),等.基于地理探測(cè)器的區(qū)域植被覆蓋度的定量影響——以京津風(fēng)沙源區(qū)為例 [J]. 中國(guó)環(huán)境科學(xué), 2021,41(2): 826-836.

Meng Q, Wu Z T, Du Z Q, et al. Quantitative influence of regional fractional vegetation cover based on geodetector model-Take the Beijing-Tianjin san source region as an example [J]. China Environmental Science, 2021,41(2):826-836.

[16] 徐 勇,鄭志威,郭振東,等.2000～2020年長(zhǎng)江流域植被NDVI動(dòng)態(tài)變化及影響因素探測(cè)[J]. 環(huán)境科學(xué), 2022,43(7):3730-3740.

Xu Y, Zheng Z W, Guo Z D, et al. Dynamic variation of vegetation cover and its influencing factor detection in the Yangtze River Basin from 2000 to 2020 [J]. Environmental Science, 2022,43(7):3730-3740.

[17] Wang N, Du Y, Liang F, et al. The spatiotemporal response of China's vegetation greenness to human socio-economic activities [J]. Journal of environmental management, 2022,305:114304.

[18] 耿慶玲,陳曉青,赫曉慧,等.中國(guó)不同植被類型NDVI對(duì)氣候變化和人類活動(dòng)的響應(yīng) [J]. 生態(tài)學(xué)報(bào), 2022,42(9):3557-3568.

Geng Q L, Chen X Q, HE X H, et al. Vegetation dynamics and its responses to climate change and human activities in based on different vegetation types in China [J].Acta Ecologica Sinica, 2022,42(9): 3557-3568.

[19] 李 超,李雪梅.2000～2018年中國(guó)植被生態(tài)質(zhì)量時(shí)空變化特征[J]. 長(zhǎng)江流域資源與環(huán)境, 2021,30(9):2154-2165.

Li Chao, Li X M, Characteristics of spatio-temporal variation of ecological quality for vegetation in China from 2000～2018 [J].Resources and Environment in the Yangtze Basin, 2021,30(9):2154- 2165.

[20] 徐 勇,黃雯婷,竇世卿,等. 2000～2020年西南地區(qū)植被NDVI對(duì)氣候變化和人類活動(dòng)響應(yīng)特征[J]. 環(huán)境科學(xué), 2022,43(6):3230-3240.

Xu Y, Huang W T, Dou S, et al. Responding mechanism of vegetation cover to climate change and human activities in Southwest China from 2000 to 2020 [J]. Environmental Science, 2022, 43(6):3230-3240.

[21] 彭文甫,張冬梅,羅艷玫,等.自然因子對(duì)四川植被NDVI變化的地理探測(cè) [J]. 地理學(xué)報(bào), 2019,74(9):1758-1776.

Peng W F, Zhang D M, Luo Y G, et al. Influence of natural factors on vegetation NDVI using geographical detection in Sichuan Province [J]. Acta Geographica Sinica, 2019,74(9):1758-1776.

[22] Huo H, Sun C. Spatiotemporal variation and influencing factors of vegetation dynamics based on Geodetector: A case study of the northwestern Yunnan Plateau, China [J]. Ecological Indicators, 2021, 130:108005.

[23] Ren Z, Tian Z, Wei H, et al. Spatiotemporal evolution and driving mechanisms of vegetation in the Yellow River Basin, China during 2000～2020 [J]. Ecological Indicators, 2022,138:108832.

[24] 徐 勇,戴強(qiáng)玉,黃雯婷,等.2000～2020年西南地區(qū)植被NDVI時(shí)空變化及驅(qū)動(dòng)機(jī)制探究[J]. 環(huán)境科學(xué), 2023,44(1),doi:10.13227/j.hjkx. 202203154.

Xu Y, Dai Q Y, Huang W, et al. Spatio-temporal variation of vegetation cover and its driving mechanisms exploration in Southwest China from 2000 to 2020 [J]. Environmental Science, 2023,44(1),doi: 10.13227/j.hjkx.202203154.

[25] Jiang P, Ding W, Yuan Y, et al. Interannual variability of vegetation sensitivity to climate in China [J]. Journal of Environmental Management, 2022,301:113768.

[26] 田智慧,任祖光,魏海濤.2000～2020年黃河流域植被時(shí)空演化驅(qū)動(dòng)機(jī)制[J]. 環(huán)境科學(xué), 2022,43(2):743-751.

Tian Z H, Ren Z G, Wei H T. Driving mechanism of the spatiotemporal evolution of vegetation in the Yellow River Basin from 2000 to 2020 [J]. Environmental Science, 2022,43(2):743-751.

[27] 趙倩倩,張京朋,趙天保,等.2000年以來中國(guó)區(qū)域植被變化及其對(duì)氣候變化的響應(yīng)[J]. 高原氣象, 2021,40(2):292-301.

Zhao Q Q, Zhang J P, Zhao T B, et al. Vegetation changes and its response to climate change in China Since 2000 [J]. Plateau Meteorology, 2000,40(2):292-301.

[28] 張心竹,王鶴松,延 昊,等.2001～2018年中國(guó)總初級(jí)生產(chǎn)力時(shí)空變化的遙感研究[J]. 生態(tài)學(xué)報(bào), 2021,41(16):6351-6362.

Zhang X Z, Wang H S, Yan H, et al. Analysis of spatio-temporal changes of gross primary productivity in China from 2001 to 2018 based on Romote Sensing [J]. Acta Ecologica Sinica, 2021,41(16): 6351-6362.

[29] 王 思,張路路,林偉彪,等.基于MODIS歸一化植被指數(shù)的廣東省植被覆蓋與土地利用變化研究 [J]. 生態(tài)學(xué)報(bào), 2022,42(6):2149-2163.

Wang S, Zhang L L, Lin W B, et al. Study on vegetation cover and landuse change of Guangdong Province based on MODIS-NDVI [J]. Acta Ecologica Sinica, 2022,42(6):2149 2163.

[30] 格日樂,烏仁陶德,張 力,等.幾種沙漠植物蒸騰作用特性及其環(huán)境響應(yīng)機(jī)制的研究 [J]. 土保持研究, 2007,14(1):184-186,189.

Ge R L, Wu R T D, Zhang L, et al. The study on transpiration of several desert plants and environment responding mechanism [J]. Research of Soil and Water Conservation, 2007,14(1):184-186,189.

[31] Cao S, He Y, Zhang L, et al. Spatiotemporal characteristics of drought and its impact on vegetation in the vegetation region of Northwest China [J]. Ecological Indicators, 2021,133:108420.

[32] Yang L, Feng Q, Zhu M, et al. Variation in actual evapotranspiration and its ties to climate change and vegetation dynamics in Northwest China [J]. Journal of Hydrology, 2022,607:127533.

[33] 王 華,周玉科,王笑影,等.東北植被生長(zhǎng)峰值特征的變化及對(duì)氣候和物候的響應(yīng)[J]. 遙感技術(shù)與應(yīng)用, 2021,36(2):441-452.

Wang H, Zhou Y K, Wang X Y, et al. Spatiotemporal changes in vegetation growth peak and the response to climate and phenology over Northeast China [J]. Remote Sensing Technology and Application, 2021,36(2):441-452.

[34] 周玉科.中國(guó)東北地區(qū)植被生產(chǎn)力控制因素分析[J]. 地理學(xué)報(bào), 2020,75(1):53-67.

Zhou W K. Analysis of controlling factors for vegetation productivity in Northeast China [J]. Acta Geographica Sinica, 2020,75(1):53-67.

[35] Guo L, Liu R, Shoaib M, et al. Impacts of landscape change on net primary productivity by integrating remote sensing data and ecosystem model in a rapidly urbanizing region in China [J]. Journal of Cleaner Production, 2021,325:129314.

[36] Hou Y, Zhang K, Zhu Y, et al. Spatial and temporal differentiation and influencing factors of environmental governance performance in the Yangtze River Delta, China [J]. Science of The Total Environment, 2021,801:149699.

[37] 李偉霄,徐 軍,姚雅情,等.全球變暖背景下青藏高原三江源地區(qū)植被指數(shù)(NDVI)時(shí)空變化特征探討[J]. 山地學(xué)報(bào), 2021,39(4):473- 482.

Li W X, Xu J, Yao Y Q, et al. Temporal and spatial change characteristics of vegetation cover (NDVI) in the Three-River Headwater Region on Tibetan Plateau under global warming[J]. Mountain Research, 2021,39(4):473-482.

[38] 肖云飛,陳文業(yè),王斌杰,等.祁連山國(guó)家級(jí)自然保護(hù)區(qū)土地利用時(shí)空變化及與氣候因子關(guān)系研究[J]. 草地學(xué)報(bào), 2021,29(9):2049-2057.

Xiao Y F, Chen W Y, Wang B J, et al. Study on temporal and spatial change of land use and its relationship with climate factors in Qilian Mountain National Nature Reserve[J].Acta Agrestia Sinica, 2021, 29(9):2049-2057.

Spatio-temporal variation of gross primary productivity and synergistic mechanism of influencing factors in the eight economic zones, China.

XU Yong*, ZHAO Chun, GUO Zhen-dong, DAI Qiang-yu, PAN Yu-chun, ZHENG Zhi-wei

(College of Geomatics and Geoinformation, Guilin University of Technology, Guilin 541006, China)., 2023,43(1)：477～487

China and the eight economic zones were considered as the study area. This study aimed to comprehensively analyze the impact of anthropogenic factors, land use types, climatic factors, and topographic factors on the spatial differentiation of vegetation GPP. Using MODIS GPP time series, in situ meteorological data, land use type, DEM, nighttime light, and population density data based on Theil-Sen Median trend analysis, Mann-Kendall significance test, and geo-detector model, the spatio-temporal variation of vegetation GPP from 2000 to 2020 were analyzed, and the influencing factors affecting the spatial differentiation of vegetation GPP were detected both on country and regional scales. The results showed that the vegetation GPP showed a fluctuating upward trend both in China and the eight economic zones from 2000 to 2020. The areas with an upward trend accounted for 84.46% of the total area, of which the areas with extremely significant increases accounted for 19.86%, mainly distributed in the middle of the Yellow River economic zone and east of the Northwest economic zone. The factor detection results showed that relative humidity, sunshine duration, precipitation, and land use types were the dominant factors affecting the spatial differentiation of vegetation GPP in China. On regional scale, relative humidity, sunshine duration, and precipitation were the dominant factors affecting the spatial differentiation of vegetation GPP in the Northeast, middle reaches of the Yellow River, Southwest, and Northwest economic zones, while anthropogenic factors exerted the spatial differentiation of vegetation GPP in the Eastern and Southern coastal economic zones. Interaction detection results showed that the interaction between land use type and relative humidity exhibited the greatest influence on the spatial differentiation of vegetation GPP in China with a q value of 0.75. On regional scale, the spatial differentiation of vegetation GPP in the middle reaches of the Yellow River and Southwest economic zones was mostly affected by the interaction between precipitation and other influencing factors, while the spatial differentiation of vegetation GPP in other economic zones was mainly affected by the interaction between land use type and other influencing factors or relative humidity and other influencing factors.

eight economic zones；vegetation gross primary productivity；geo-detector model；anthropogenic factor；land use types

X22

A

1000-6923(2023)01-0477-11

徐 勇(1988-),男,湖南益陽人,副教授,博士,主要研究方向?yàn)闅夂蜃兓椭脖桓采w反演.發(fā)表論文30余篇.

2022-06-17

廣西自然科學(xué)基金資助項(xiàng)目(2020GXNSFBA297160);廣西科技基地和人才專項(xiàng)(桂科AD21220133);國(guó)家自然科學(xué)基金資助項(xiàng)目(42061059,42161028)

* 責(zé)任作者, 副教授, yongxu@glut.edu.cn