朱鵬凡,劉 剛,2,何 敬,代堂銳

(1.成都理工大學 地球科學學院,成都 610059; 2. 成都理工大學 地質災害防治與地質環(huán)境保護國家重點實驗室,成都 610059)

0 引 言

隨著環(huán)境問題的不斷加劇,碳循環(huán)的重要性日益突顯,現(xiàn)已成為評判全球氣候變化影響的關鍵指標[1]。植被凈初級生產(chǎn)力直接反映了植被通過光合作用來固定大氣中CO2的能力,凈初級生產(chǎn)力(Net Primary Productivity,NPP)被定義為植物通過光合作用吸收碳的凈含量,等同于植被光合作用過程中同化的碳減去呼吸過程中釋放的碳[2],它是碳循環(huán)過程不可或缺的生態(tài)指標[3]。最常見的NPP估算方法是直接觀測法或間接估算法,直接估算雖然精度較高,但是只能用于小區(qū)域[4]。遙感(Remote Sensing,RS)的出現(xiàn)大大提高了間接估算的區(qū)域面積。

通過RS技術或基于過程的建模技術,NPP的變化趨勢成為世界范圍內學者研究的熱點。Yuan等[5]利用CASA(Carnegie-Ames-Stanford Approach)模型探究了長江源區(qū)NPP對氣候因子的響應,并且將人類活動對NPP的影響考慮其中,結果表明氣候因素導致研究區(qū)大部分地區(qū)NPP增加,人類活動對NPP的影響主要集中在下游地區(qū)。賈俊鶴等[6]基于CASA模型對西北六省的NPP受氣候變化的響應進行了探究,研究表明NPP與氣溫和降水之間的相關性隨時間增加而逐漸顯著。劉亮等[7]利用改進的CASA模型對伊犁河流域NPP的時空分異特征進行了研究,結果表明研究區(qū)在研究時間段內波動上升,在空間上呈現(xiàn)東北低西南高、沿天山山脈分布的特點。賀倩等[8]利用地理探測器研究植被、氣候和地形因素對NPP的影響,結果發(fā)現(xiàn)NDVI對NPP的影響最大,其次為氣候因素。張振宇等[9]基于改進的MOD17A3數(shù)據(jù),利用變化率分析、MK統(tǒng)計法以及地理信息系統(tǒng)(Geological Information System,GIS)分析法,研究了我國西北地區(qū)NPP與干旱氣候的關系,結果表明氣候對NPP有巨大影響。馬炳鑫等[10]利用MOD17A3數(shù)據(jù)對滇黔桂巖溶區(qū)的NPP與氣候關系進行了研究,結果發(fā)現(xiàn)氣溫對NPP有明顯促進作用。近幾十年來,NPP受到溫度上升和降水模式重新分布的顯著影響[11-12],但主要氣候因素對不同地區(qū)的NPP的影響不同。由于研究地區(qū)和研究時間段的不同,氣候因素對不同地區(qū)的影響仍有待于進一步研究和討論。

大別山區(qū)地處河南省、安徽省、湖北省三省交界處,地理位置優(yōu)越,常為沿海地區(qū)的產(chǎn)業(yè)中轉站,整體區(qū)域介于濕潤與半濕潤地區(qū)。自改革開放后,大力開發(fā)自然資源,過度的資源索取以及亂砍亂伐,導致水土流失,洪澇災害加劇, 生態(tài)環(huán)境日益惡化。自1998年實施山區(qū)天然林資源保護工程以來,相關部門大力實施退耕還林政策,加速推進防護林建設。但上述措施對大別山區(qū)生態(tài)系統(tǒng)的影響尚未明確,不利于對革命老區(qū)生態(tài)系統(tǒng)的構建與完善,因此開展大別山區(qū)在生態(tài)恢復政策下的NPP變化研究十分重要。

本文利用中分辨率成像光譜儀(Moderate-resolution Imaging Spectroradiometer,MODIS)遙感數(shù)據(jù)、氣象數(shù)據(jù)、土地利用類型數(shù)據(jù)以及植被類型數(shù)據(jù),在改進的CASA模型基礎上,通過一元線性回歸法、Pearson相關系數(shù),Hurst指數(shù)等研究方法,對大別山區(qū)的NPP進行研究。該研究結果對加強生態(tài)環(huán)境建設有一定的指導意義,對革命老區(qū)可持續(xù)生態(tài)建設提供了科學的理論支撐。

1 研究區(qū)域概況

如圖1所示,本次研究區(qū)域地跨安徽、河南、湖北3省,經(jīng)度橫跨3°18′(113°47′E—117°05′E),緯度縱跨5°15′(29°46′N—35°01′N),總占地面積約為6.7 km2,整個地區(qū)海拔處于-9～1 673 m之間,包含安徽、河南、湖北3省的36個貧困縣[13]。大別山區(qū)南部以山區(qū)為主,屬于北亞熱帶濕潤季風氣候,年均降水量為1 115～1 563 mm;北部地處黃淮平原,為暖溫帶半濕潤季風氣候,年均降水量為623～975 mm[14]。研究區(qū)內的土地資源豐富,地貌形態(tài)復雜,作為革命老區(qū),大別山區(qū)是《中國農村扶貧開發(fā)綱要(2011—2020年)》中重點部署的14個特殊片區(qū)之一。

圖1 研究區(qū)地理位置示意圖Fig.1 Geographical location of Dabie Mountains

2 數(shù)據(jù)來源與分析方法

2.1 數(shù)據(jù)來源

本次研究所使用的數(shù)據(jù)如表1所示(其空間分辨率最終都重采樣到1 km,坐標系為CGCS2000)。氣象數(shù)據(jù)來自中國國家氣象信息中心(http:∥data.cma.cn/site/index.html),植被類型數(shù)據(jù)、遙感數(shù)據(jù)和土地利用類型數(shù)據(jù)來自中國科學院資源環(huán)境科學與數(shù)據(jù)中心(https:∥www.resdc.cn/)[15]和國家青藏高原科學數(shù)據(jù)中心(https:∥data.tpdc.ac.cn/zh-hans/)[16-17]。本次研究的氣象數(shù)據(jù)選取36個縣區(qū)內部及周圍的22個氣象站點的逐日氣溫(℃)和降水量(mm)。因為克里金插值法在大面積地勢平坦地區(qū)效果較好[18],因此本次研究選用克里金法對氣象數(shù)據(jù)進行插值。遙感數(shù)據(jù)主要為歸-化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)數(shù)據(jù)和地表太陽輻射數(shù)據(jù)(MJ/m2)。植被類型數(shù)據(jù)根據(jù)MCD12Q1_V06產(chǎn)品分成常綠針葉林、常綠闊葉林、落葉闊葉林、混交林、灌叢、草原、草地、農田、其他9種類型。土地利用類型數(shù)據(jù)根據(jù)《土地利用分類》標準重新分成耕地、林地、草地、水域、城鎮(zhèn)、未利用土地6種類型。

表1 本研究數(shù)據(jù)信息統(tǒng)計Table 1 Statistics of research data in this study

2.2 NPP計算

本次對大別山區(qū)的NPP估算采用改進的CASA模型[19],其計算公式為:

NPP(x,t)=APAR(x,t)ε(x,t) ;

(1)

APAR(x,t)=FPAR(x,t)SoL(x,t)×0.5 ;

(2)

ε(x,t)=εmaxTε1(x,t)Tε2(x,t)Wε(x,t) 。

(3)

式中:NPP(x,t)為t月份單位像元x內植被的凈初級生產(chǎn)力(gC/m2);APAR(x,t)為植被所吸收的有效光合輻射(MJ/m2);ε(x,t)為光能利用率,t為時間;x為空間位置;SoL(x,t)為t月份內單位像元x的太陽輻射總量;FPAR(x,t)為植被所能吸收的有效光合輻射;εmax表示理想條件下的最大光能利用率;Tε1(x,t)和Tε2(x,t)表示t月份溫度對于NPP積累的影響作用[20];Wε(x,t)表示t月份植物生長發(fā)育過程中可以充分利用的水分對其光合作用的影響作用。

大量研究表明,除了NDVI外,比值植被指數(shù)(Simple Ratio,SR)也與FPAR相關[21-22]。因此,本文采用朱文泉等[19]提出的方法計算像元的FPAR值,并依照其方法對植被歸一化指數(shù)最大值(NDVImax)和比值植被指數(shù)最大值(SRmax)重新取值(表2),具體計算方法和取值方法見文獻[19]。

表2 不同植被類型的NDVImax和SRmax取值Table 2 Values of NDVImax and SRmax for differentvegetation types

2.3 NPP變化趨勢分析

為了探究植被NPP在研究時間內變化趨勢和強度,采用一元線性回歸法[23]對研究區(qū)2000—2018年的NPP進行分析,其計算方法為:

(4)

(5)

2.4 相關性分析

為了探究NPP與氣象因子之間的相關性,本研究利用Pearson相關系數(shù)法分析NPP與氣溫、降水、太陽輻射(Solar Radiation,SoL)之間的相關性,其計算方法為[24-25]

(6)

2.5 Hurst指數(shù)

為了分析NPP變化的持續(xù)性,引入Hurst指數(shù)進行分析,采用重標極差法(R/S)來計算Hurst指數(shù),其計算方法如下[26]:

設存在時間序列{ξ(t)},t=1,2,3,…,任意正整數(shù)τ≥1,存在均值序列

(7)

由此得到累計離差為

極差R的計算式為

(9)

標準差S的計算式為

(10)

R、S、τ存在以下關系:

(11)

(12)

3 結果分析

3.1 精度驗證

本次研究選取使用全球變化科學研究數(shù)據(jù)出版系統(tǒng)(http:∥www.geodoi.ac.cn/)提供的18°N以北中國陸地生態(tài)系統(tǒng)逐月凈初級生產(chǎn)力1 km柵格數(shù)據(jù)集(1985—2015年)[27]的2000—2015年NPP年均數(shù)據(jù)產(chǎn)品作為驗證數(shù)據(jù),其數(shù)據(jù)均裁剪為研究區(qū)相同大小。本次驗證選取NDVImax和SRmax改進前、后得到的NPP產(chǎn)品進行精度驗證,驗證結果如圖2所示。結果表明,改進后的R2比改進前提高了0.046 2,改進后的相關性更高,說明適用性更好。除此之外,改進后的R2為0.602 6,說明此結果較為可靠。

圖2 模擬結果精度驗證Fig.2 Accuracy verification of simulation results

3.2 研究區(qū)NPP空間分布

大別山區(qū)2000—2018年植被NPP年均值分布如圖3所示。

圖3 2000—2018年大別山區(qū)植被NPP平均值空間分布Fig.3 Spatial distribution of average NPP in Dabie Mountains during 2000—2018

由圖3可知,NPP較高區(qū)域主要位于研究區(qū)中部,NPP為600～800 gC/(m2·a),結合土地利用分布狀況發(fā)現(xiàn),在中部地區(qū)多為森林和草地這些高NPP地類。研究區(qū)北部地區(qū)NPP為400～600 gC/(m2·a),屬于中等水平,這部分地區(qū)主要為耕地,因此其整體NPP值不高。研究區(qū)最南端以及右邊東部部分地區(qū)NPP介于0～200 gC/(m2·a)之間,NPP處于極低水平,這主要由于這些區(qū)域地類主要為水域,植被較為稀少。

3.3 研究區(qū)NPP時間變化

2000—2018年大別山區(qū)整體NPP總量以及其均值變化如圖4所示。研究期內,大別山區(qū)的NPP總量變化范圍為23.02～34.82 TgC(1 TgC=1012gC)(圖4(a)),19 a的平均值為29.78 TgC,2001年NPP總量最小,2007年的NPP總量最大,二者極差為11.8 TgC;研究區(qū)年均NPP在349.84～528.63 gC/(m2·a)之間的波動(圖4(b)),多年的均值為455.69 gC/(m2·a)。

圖4 研究區(qū)NPP總量及均值變化趨勢Fig.4 Interannual variation trend of total and mean NPP in Dabie Mountains

參考圖5,2007年研究區(qū)太陽輻射與氣溫都處于較高值且降水也處于較高水平,因此該年NPP最大,而在2001年,降水以及太陽輻射都處于較低水平,導致該年的水分脅迫因子相較其余年份偏低,不利于植被生長,NPP數(shù)值為19 a內最小,極差為178.79 gC/(m2·a)。從研究區(qū)年均NPP變化趨勢來看,2000—2007年呈現(xiàn)波動上升且波動幅度較大,2007—2011年持續(xù)下降,2011年后緩慢上升且波動較小,但整個時間段大別山區(qū)的NPP都是呈現(xiàn)增加趨勢。除此之外,2000—2004年間研究區(qū)NPP處于較低水平,年均NPP處于0～400 gC/(m2·a)區(qū)間的面積占比為61.12%～89.23%,2004年之后整體植被生產(chǎn)力處于較高水平,年均NPP在400～600 gC/(m2·a)的區(qū)域占整個研究區(qū)的46.31%～74.88%。

圖5 氣候數(shù)據(jù)年均變化趨勢Fig.5 Annual change trend of climate data

3.4 研究區(qū)NPP空間變化

本研究使用一元線性回歸分析法將NPP變化按照大小分成6類,得到的NPP空間變化如圖6所示。從整個研究時間段(2000—2018年)來看,研究區(qū)整體NPP呈現(xiàn)上升趨勢,NPP增長區(qū)域占比89.99%。其中漲幅最大的為大別山區(qū)的中部地區(qū)。研究區(qū)南部的宿松縣、望江縣及麻城市等部分地區(qū)呈現(xiàn)不同的減少趨勢,整個減少區(qū)域占總面積的10.01%,南部小部分區(qū)域出現(xiàn)>40%的負增長,占研究區(qū)的0.15%,這是由于水域和城鎮(zhèn)用地的增加。

圖6 2000—2018年內研究區(qū)NPP變化率Fig.6 NPP changes in the study area during 2000—2018

3.5 研究區(qū)NPP與氣象因子的相關性

氣象因子在NPP的計算中起到關鍵作用,是影響NPP的主要因素[28]。在整體區(qū)域尺度上,本文選取2000—2018年228個月的氣候數(shù)據(jù)(氣溫、降水、SoL)和NPP進行相關性分析;在像元尺度上,本文對2000—2018年氣象數(shù)據(jù)年均值和NPP年均值進行相關性分析,最后結果如圖7和圖8所示。

圖7 整體尺度上NPP與氣象因子的相關性Fig.7 Correlation between NPP and meteorological factors on the whole scale

圖8 像元尺度上NPP與氣象因子的相關性Fig.8 Correlation between NPP and meteorological factors on pixel scale

從圖7來看,整體來說,氣溫、降水、SoL與NPP都存在一定相關性,其中氣溫與NPP相關性最高(R2=0.79,P<0.05),其次是太陽輻射(R2=0.70,P<0.05),降水與NPP相關性最低(R2=0.51,P<0.05)。從圖8(a)來看,研究區(qū)中部、南部大部分地區(qū)的氣溫與NPP之間關系為負相關,面積占整個研究區(qū)的65.54%,其地類主要為林地和草地;研究區(qū)北部的高水縣、淮陽區(qū)、沈丘縣、新蔡縣、太康縣等地區(qū)氣溫與NPP呈正相關,面積占總面積的34.46%,其地類主要為耕地。由圖8(b)可知,研究區(qū)大部分區(qū)域的降水與NPP呈正相關,面積占研究區(qū)的83.22%,其用地類型主要為林地和草地,在一定情況下,降水量的增加導致植被可利用水分增加,從而促進植被生長,最終植被NPP積累速率上升[29];研究區(qū)南部的宿松縣、望江縣的降水與NPP相關性<-0.5,而研究區(qū)北部的邯鄲縣、淮陽區(qū)、太康縣、拓城縣的降水與NPP的相關性介于-0.3～0之間,負相關區(qū)域占整個研究區(qū)的16.78%,其地類主要為耕地和水域。由圖8(c)可知,在研究區(qū)北部以及部分中、南部地區(qū),SoL與NPP呈正相關,其面積占總面積的84.74%,其地類主要為耕地;中部的大悟縣、紅安縣、新縣、麻城市、羅田縣、金寨縣,以及南部的潛山市、望江縣等部分區(qū)域的SoL與NPP呈現(xiàn)負相關,其面積占研究區(qū)的15.26%,其地類主要為林地和草地。

3.6 研究區(qū)土地利用/覆蓋變化對NPP的影響

不同土地利用類型的NPP不同,NPP的變化會受到土地利用/覆蓋變化的顯著影響[30],本次研究將土地利用類型分成6種(耕地、林地、草地、水域、城鎮(zhèn)、未利用地),以土地轉移矩陣為基礎,構建研究區(qū)域土地轉移過程中NPP總量變化表(表3)。

表3 大別山區(qū)2000—2018年土地利用/覆蓋過程下植被NPP總量變化Table 3 Variation of total NPP during LUCC process in Dabie Mountains during 2000—2018 10-2TgC

從表3可知,當?shù)仡愖優(yōu)槌擎?zhèn)、水域以及未利用土地時,NPP總量多表現(xiàn)為減少趨勢,其中草地轉變成水域使NPP減少了1.77×10-2TgC,林地轉變?yōu)槌擎?zhèn)導致NPP減少了2.62×10-2TgC,這是由于城市化進程的不斷推進,導致大量耕地、林地以及草地等地類別占用,導致NPP總量的減少;當?shù)仡愊蚋逳PP地類轉化(草地、林地、耕地)時,NPP總量通常表現(xiàn)為增加趨勢,其中城鎮(zhèn)轉化為耕地(2.23×10-2TgC)、水域轉變?yōu)榱值?7.25×10-2TgC)都一定程度增加了NPP的總量,這與國家“退耕還林”政策的大力實施有關, 此結果也與陳曉杰等[31]的結論一致?？傮w來看,除去土地類型未發(fā)生轉化部分,NPP總量在2000—2018年增加了6.27×10-2TgC,主要是由于耕地轉化為林地引起的,這符合大別山片區(qū)區(qū)域發(fā)展與扶貧攻堅規(guī)劃(2011—2020年)[13]的要求。

3.7 研究區(qū)植被初級生產(chǎn)力未來變化趨勢

為了更好地監(jiān)測研究區(qū)NPP的未來發(fā)展趨勢, 本次研究采用Hurst指數(shù)將大別山區(qū)未來NPP的變化趨勢展示出來。 結果表明, 研究區(qū)植被NPP的Hurst指數(shù)介于0.361～0.979之間(圖9(a)), 均值為0.778。 研究區(qū)內Hurst指數(shù)>0.5的區(qū)域占研究區(qū)的99.58%, 而<0.5的區(qū)域僅占研究區(qū)的0.42%, 這表明研究區(qū)基本上大部分地區(qū)的NPP變化趨勢都將與過去變化趨勢保持一致。

圖9 研究區(qū)植被凈初級生產(chǎn)力Hurst指數(shù)及NPP未來變化趨勢Fig.9 Hurst index of net primary productivity of vegetation and its future trend in the study area

將得到的Hurst指數(shù)與得到slope值疊加,把NPP的變化趨勢分為5類[7](表4),得到的NPP未來變化趨勢如圖9(b)所示。從圖9(b)可以看出,整個研究區(qū)占比最多的為持續(xù)增加(88.95%),其次為持續(xù)減少(10.63%),由增加變減少、由減少變增加的區(qū)域占比極小,分別為0.38%、0.03%、0.01%。這說明了研究區(qū)大部分區(qū)域在2018年以后的NPP將持續(xù)增加,大別山區(qū)南部部分區(qū)域以及周圍少部分區(qū)域的NPP將持續(xù)減少。

表4 NPP未來變化趨勢分級Table 4 Rating of future trends of NPP

4 結 論

(1)在2000—2018年大別山區(qū)植被NPP主要介于400～600 gC/(m2·a)之間,其年均NPP和NPP總量都呈現(xiàn)增長趨勢。2007年,年均NPP和NPP總量分別為528.63 gC/(m2·a)和34.82 TgC,均達到最大值。整個研究區(qū)中部地區(qū)的NPP較高,地類多為森林和草地,而南部NPP較低,地類主要為水域和未利用土地。

(2)整個研究區(qū)植被NPP在2000—2018年呈現(xiàn)上升趨勢,增長區(qū)域占總研究區(qū)面積的89.99%。研究區(qū)南部NPP呈現(xiàn)減少趨勢,這可能與水域面積的增加有關。

(3)大別山區(qū)植被NPP受氣象因子的影響。從整體可以看出,氣象因子與NPP的相關性依次為氣溫與NPP(R2=0.79,P<0.05) >SoL與NPP(R2=0.70,P<0.05)>降水與NPP(R2=0.51,P<0.05);從像元尺度來看,NPP與降水和SoL都呈現(xiàn)正相關,與氣溫呈現(xiàn)負相關。

(4)土地利用類型變化會導致植被NPP的變化。2000—2018年,土地類型變化導致NPP總量增加了6.27×10-2TgC,這與退耕還林、還草政策的實行有關。

(5)NPP未來變化趨勢所占面積從大到小依次為:持續(xù)增加(88.95%)>持續(xù)減少(10.63%)>由增加變減少(0.38%)>由減少變增加(0.03%)>無法預測(0.01%)。

植被NPP的模擬值容易受多種因素影響,研究時間、所用模型、數(shù)據(jù)源、參數(shù)取值等不同因素的差異等都會對植被NPP的模擬情況產(chǎn)生不同影響。本文僅針對NDVImax和SRmax重新取值,并未對最大光能利用率(εmax)重新取值,未來可以針對研究地區(qū)對εmax重新取值,提高模擬的精度。同時除了自然因素外,人為活動也會影響植被NPP,CASA模型對植被NPP的模擬是自然生長的結果,并未包含人為的活動影響,將人為作用整合到模型中去對NPP進行估算是未來的重點研究方向。