自然资源遥感, 2023, 35(4): 169-177 doi: 10.6046/zrzyyg.2022347

技术应用

河南省植被NPP时空分异及其驱动因子

职露,1,2, 胡涛2, 邹滨,3, 李浩生1, 赵永强1

1.郑州师范学院地理与旅游学院,郑州 450000

2.信息工程大学数据与目标工程学院,郑州 450000

3.中南大学地球科学与信息物理学院,长沙 410083

Spatio-temporal differentiation of vegetation net primary productivity in Henan Province as well as its driving factors

ZHI Lu,1,2, HU Tao2, ZOU Bin,3, LI Haosheng1, ZHAO Yongqiang1

1. School of Geography and Tourism, Zhengzhou Normal University, Zhengzhou 450000, China

2. School of Data and Target Engineering, Information Engineering University, Zhengzhou 450000, China

3. School of Geosciences and Info-Physics, Central South University, Changsha 410083, China

通讯作者: 邹滨(1981-),男,博士,教授,主要从事环境污染及自然资源遥感监测研究。Email:210010@csu.edu.cn。

责任编辑: 陈理

收稿日期: 2022-08-30   修回日期: 2022-12-16  

基金资助: 国家自然科学基金面上项目“东北杨树农田防护林碳储量遥感估算”(31971723)
自然资源部东南沿海海洋信息智能感知与应用重点实验室课题“滨海湿地红树林生态系统多源遥感碳汇监测研究”(23103)

Received: 2022-08-30   Revised: 2022-12-16  

作者简介 About authors

职露(1991-),女,博士,讲师,主要从事生态环境及高光谱遥感影像处理研究。Email: zhilu_361@163.com。

摘要

植被净初级生产力(net primary productivity,NPP)是判定生态系统碳源/碳汇的主要参数之一,具有区域差异性。综合MOD17A3HGF、地形和人类活动等数据,运用重心、趋势分析和地理探测器等方法,探究2010—2020年河南省植被NPP时空分异及其对驱动因子的响应,揭示各因子解释力及交互作用。结果表明,时间上,2010—2020年植被NPP呈波动微上升趋势,多年均值为424.89 gC·m-2·a-1; 重心演变时间分异明显,平均重心距离几何中心较近。空间上,植被NPP自东北向西南递增,以中值区(300~600 gC·m-2·a-1)为主。影响因素上,降水与植被NPP的相关性高于气温; 植被NPP随海拔、坡度的增加而先增加后减少,海拔小于200 m、坡度小于2°的区域对研究区NPP贡献最大; 阳坡植被NPP相较于阴坡更高; 土地利用变化下,向耕地的转化对NPP总量增长起主要作用。地理探测显示,对植被NPP变化解释力最强的单因子为降水; 双因子交互均表现为增强关系,其中降水∩经度q值最高。研究结果可为河南省生态保护和高质量发展提供数据支持。

关键词： 河南省; 植被NPP; 时空分异; 驱动因子

Abstract

The net primary productivity (NPP) of vegetation, exhibiting regional differentiation, serves as a crucial parameter for determining the carbon source/sink of ecosystems. Based on the MOD17A3HGF, topography, and human activity data, this study delved into the spatio-temporal differentiation of vegetation NPP in Henan Province from 2010 to 2020 and its response to driving factors using methods like the gravity center model, trend analysis, and the geographical detector model. Moreover, it revealed the explanatory power and interactions of the driving factors. The results are as follows: ① Temporally, the vegetation NPP from 2010 to 2020 displayed a slightly fluctuating upward trend, averaging 424.89 gC·m-2·a-1. Its gravity center exhibited significant temporal differentiation, with the average center of gravity closer to the geometric center. ② Spatially, the vegetation NPP values increased from the northeast to the southwest and were dominated by median values (300~600 gC·m-2·a-1). ③ In terms of influencing factors, the vegetation NPP showed a higher correlation with precipitation compared to temperature. Moreover, it first increased and then decreased with an increase in altitude and slope. The areas with altitudes below 200 m and slopes less than 2° contributed the most to NPP in the study area. The vegetation NPP on sunny slopes was higher than that on shady slopes. In the case of land use changes, the shift to arable land plays a significant role in the increase of total NPP. ④ The geographical detection results indicate that precipitation exhibited the highest explanatory power for changes in vegetation NPP. The two-factor interactions all showed an enhanced relationship, with the q value of precipitation ∩ longitude being the highest. These findings provide data support for ecological protection and high-quality development of Henan Province.

Keywords： Henan Province; vegetation NPP; spatio-temporal differentiation; driving factor

PDF (3872KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

职露, 胡涛, 邹滨, 李浩生, 赵永强. 河南省植被NPP时空分异及其驱动因子[J]. 自然资源遥感, 2023, 35(4): 169-177 doi:10.6046/zrzyyg.2022347

ZHI Lu, HU Tao, ZOU Bin, LI Haosheng, ZHAO Yongqiang. Spatio-temporal differentiation of vegetation net primary productivity in Henan Province as well as its driving factors[J]. Remote Sensing for Land & Resources, 2023, 35(4): 169-177 doi:10.6046/zrzyyg.2022347

0 引言

植被是陆地生物圈的重要组成部分,在维护全球气候稳定中扮演着重要的角色[1]。单位时间、单位面积内,植被通过光合作用将无机物转换成有机物,减去自身生长和生殖消耗部分后所积累的有机物总量被称为植被净初级生产力(net primary productivity,NPP)[2]。作为调节碳循环的主要因子,植被NPP体现了植被在自然环境下的生产、恢复、退化能力,且表征了植被生长对气候变化、人类活动的响应,是区域生态环境质量评价的重要依据[3]。研究植被NPP估算模型、时空演变及驱动因素,对于改善生态环境、调节区域及全球的气候系统具有重要的理论和实际意义。

传统植被NPP监测以实地测量为主,精度虽高,却由于大范围实地调查的不便性,难以实现全球或区域性NPP估算[4-5]。国内外学者针对大尺度NPP估算相继提出了统计模型、机理模型以及光能利用率模型[6]。随着遥感技术的迅速发展,诸多学者基于MODIS NPP产品展开了区域植被NPP空间分布、动态变化以及驱动因子分析,并取得了一定的研究成果[7-8],刘婵等[9]分析了2000—2014年间中亚地区不同生态分区下植被NPP分布,结果发现典型草原区的植被NPP下降趋势最为显著; 茆杨等[10]在西南地区植被NPP研究中发现,该区域NPP与气温相关性更强; 朱思佳等[11]和冯婉等[12]分别针对洞庭湖流域、长江流域进行了长时间序列NPP研究,多驱动因素中土地利用、海拔分别对2个流域NPP时空差异解释程度最高; 刘旻霞等[13]发现土地利用变化是青海省植被NPP变化的主要原因。上述研究验证了MODIS NPP产品的可靠性,揭示了植被NPP受气候、地形和土地利用等多种因素影响,具有明显的区域差异性。

河南省地处中国中东部,是我国主要的粮食生产基地,是黄河流域生态保护和全国生态格局的有机组成部分,复杂多变的气候、无序的开垦和快速的城镇化建设直接关系到该区域的植被状态、生态环境平衡和粮食安全[14]。近年来,已有学者针对河南省植被NPP进行了相关研究,李军玲等[15]探究了改进CASA(Carnegie-Ames-Stanford approach)模型下1994—2008年河南省植被NPP的年际变化、空间分布特征及其与气温、降水的关系; 王新闯等[16]基于MOD17A3数据阐明了2000—2010年河南省地市植被NPP时空变化; 刘忠阳等[17]探讨了2000—2018年河南省植被NPP季节性变化特征及其对气温、降水的响应。综上,目前研究大多聚焦于通过差值、线性回归和相关分析等方法研究植被NPP时空变化趋势及其与气候因子的相关性,关于植被NPP本身,鲜有学者从宏观方面分析植被NPP时空演变特征; 关于驱动因子,对地形和人类活动等因子的考虑较少,且尚缺乏对植被NPP空间分异的定量归因。这些不足在一定程度上给区域生态系统研究带来了不确定性[18-19],制约了有针对性的河南生态强省建设路径的制定[14]。鉴于此,本文基于2010—2020年MOD17A3HGF数据分析河南省植被NPP时空分异特征,在此基础上引入重心模型揭示植被NPP重心分布及其迁移特征,进而结合气候、地形和人类活动等数据全面探究植被NPP对各驱动因子的响应,并利用地理探测器定量研究驱动因子对植被NPP空间分异的影响力,以期为河南省生态保护与调控政策提供科学支撑。

1 研究区概况及数据源

1.1 研究区概况

河南省地貌类型以平原为主,地势西高东低(图1)。该区域属于山区向平原、北亚热带向暖温带双重过渡地带,以大陆性季风气候为主,雨热同期,夏季炎热多雨,冬季干旱少雨,气温西低东高,降水量南多北少。河南省面积约16.7万 km2,占国土面积的1.73%; 常住人口约9 936.6万人,占全国人口的7.04%; 面积和人口分别位居全国第17位和第3位。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区概况示意图

Fig.1   An overview of the study area


1.2 数据源

NPP数据采用美国国家航空航天局(https://ladsweb.modaps.eosdis.nasa.gov/)2010—2020年h27v05分幅的MOD17A3HGF产品,空间分辨率为500 m; 气象数据为国家地球系统科学数据中心(http://www.geodata.cn)提供的逐月平均气温和逐月降水量数据,空间分辨率为0.008 333 3°(约1 km); 地形数据源于资源环境科学与数据中心(https://www.resdc.cn)提供的经90 m STRM重采样的1 km数字高程模型数据; 土地利用数据源于资源环境科学与数据中心,空间分辨率为1 km。本研究将采用的遥感数据和地面多源数据统一投影为Albers坐标系(等积投影),空间分辨率重采样为1 km。

2 研究方法

2.1 趋势分析法

Theil-Sen Median是一种通过Median函数获取时间序列数据斜率中值的趋势计算法,计算简单、不敏感于误差数据[20],公式为:

β=MedianNPPj-NPPij-i

式中: β为趋势检测因子,若其值大于0,植被NPP呈增加趋势,反之,呈减少趋势; NPPi和NPPj分别为时间序列数i和j的NPP值。

Mann-Kendall是一种非参数统计检验方法[20],具体计算公式为:

S=∑i=1n-1∑j=i+1nsgn(NPPj-NPPi)
Var(S)=n(n-1)(2n+5)18
Z=S-1Var(S)(S>0)0(S=0)S+1Var(S)(S<0)

式中: sgn(θ)为符号函数,当θ>0,θ=0,θ<0时,函数值分别为1,0,-1; Var(S)为S的方差; Z为标准化检验统计量; n为时间序列总数。

2.2 重心模型法

地理学通过重心描述地理要素属性分布的矢量合力点[21]。本研究采用地理重心表达研究区域NPP在空间上的聚集性,通过长时间序列重心迁移轨迹描述NPP动态变化情况。研究区域植被NPP分布重心坐标(x-,y-)为:

(x-,y-)=∑k=1twkxk∑k=1twk,∑k=1twkyk∑k=1twk

式中: wk为第k个像元的NPP值; t为像元总数; xk和yk分别为第k个像元中心的经度、纬度。

2.3 马尔可夫转移矩阵

马尔可夫模型描述了不确定系统下事物从一个状态到另一个状态的转移情况[22]。本研究利用马尔可夫模型描述土地利用类型变化,并定量分析各类土地利用类型转移下NPP总量变化。结果由马尔可夫矩阵C表示,公式为:

C=c11…c1v…c1m︙ ︙ ︙cu1…cuv…cum︙ ︙ ︙cm1…cmv…cmm

式中: m为土地利用类型总数; cuv为土地利用类型u向类型v转移的面积或该类型转移下NPP变化。

2.4 地理探测器

地理探测器是一种用于度量地理事物空间分异性、探测其背后驱动因子作用的新统计方法,原理简单、操作方便[23]。本研究利用地理探测器中的因子探测模块分析研究区域高程、坡度和坡向等因子对植被NPP空间分异的影响程度,用q值表示,计算公式为:

q=1-∑h=1LNhσh2Nσ2

式中: h为变量的分层; N和Nh分别为研究区及层h数据量; σ和σh分别为研究区及层h因变量的方差。

3 结果与分析

3.1 河南省植被NPP时空分异特征

2010—2020年河南省NPP整体呈现缓慢增加趋势(图2(a)),多年均值为424.89 gC·m-2·a-1; 植被NPP年际波动幅度较为明显,尤其对于先急速下降后迅速上升的2012—2014年和2018—2020年,该阶段气候、人类活动可能出现了较大变化。河南省植被NPP重心主要集中于该区域几何中心西南部,平均重心与几何中心相距约18.42 km,表明植被NPP分布较为均衡。植被NPP重心演变时间分异明显(图2(b)), 2010—2014年NPP重心变化较为强烈,依次沿着东北、西北、东南、东北方向迁移,迁移距离最小为8.6 km,该时间段内各方向轴两端NPP具有较大的变化,形成空间上的拉扯力; 2014—2020年NPP重心变化微弱,迁移距离均小于5.5 km,整体呈现向西北微弱迁移趋势。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   河南省2010—2020年植被NPP年际变化以及重心迁移轨迹

Fig.2   Interannual change and migration trajectory of the gravity center of vegetal NPP in Henan Province from 2010 to 2020


2010—2020年河南省NPP空间分异较为明显(图3(a)),平均值为34.5~918.7 gC·m-2·a-1,整体上呈现从东北到西南不断增加的趋势,与海拔走势分布较为一致。为了进一步分析植被NPP变化趋势,采用Theil-Sen Median方法计算2010—2020年植被 NPP趋势值(图3(b)),并对其进行Mann-Kendall检验(图3(c))。结果表明,河南省约92%区域植被NPP呈现增加趋势且主要表现为不显著增加; 显著增加区域主要分布在太行山山地、豫西黄土丘陵区、豫西山地丘陵区东部; 不显著减少区域主要位于南阳盆地、桐柏山—大别山山地丘陵区与黄淮海平原交界处以及黄河(河南段)中下游区域; 显著减少区域呈零星分布。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   河南省2010—2020年植被NPP空间分布、变化趋势及其显著性检验

Fig.3   Spatial distribution, trend and significance of vegetal NPP in Henan Province from 2010 to 2020


3.2 植被NPP变化驱动因子分析

气温、降水是影响植被生长的决定性气候因素。通过散点图分析年尺度下植被NPP与气温、降水的关系(图4(a)和(b)),结果表明气温与植被NPP的相关性较弱,降水对研究区域的植被NPP影响更为显著。进一步探究像元尺度下植被NPP与气温、降水相关性的空间特征(图4(c)和(d)),植被NPP与气温、降水的相关性均呈现正负相关并存、以正相关为主的趋势。其中,植被NPP与降水正相关区域面积约占84%,相关系数自西向东逐步增加。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   植被NPP对气温、降水的响应关系

Fig.4   Effects of temperature and precipitation on vegetal NPP


河南省地跨两级阶梯,地形条件是生态环境的重要影响因素。研究区域以低海拔区为主(图5(a)),随着海拔的增加,NPP先增加后降低,1~1.5 km海拔区间NPP均值最高(约529.69 gC·m-2·a-1),所占面积却较少,对研究区NPP贡献不大。植被NPP对坡度的响应类似于海拔(图5(b)),植被NPP均值随坡度增加而先增加后降低,当坡度大于35°时,植被NPP均值迅速下降; 低坡度区域(小于2°)的植被NPP均值(约406.13 gC·m-2·a-1)所占面积最多(约74%),对河南省植被NPP贡献较大。图5(c)显示,随着经度的增加,植被NPP均值先下降后增加,114°E以西植被NPP快速下降,以东植被NPP缓慢上升; 随着纬度的增加,植被NPP均值整体呈现下降趋势。图5(d)表明,对于研究区而言,阳坡植被NPP均值较高,平均高于阴坡9.26 gC·m-2·a-1。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   植被NPP对海拔、坡度、经纬度和坡向的响应

Fig.5   Effects of altitude, slope, longitude, latitude and aspect on vegetal NPP


人类活动引起的土地利用类型变化能够直接影响生态系统中的碳循环,从而造成植被NPP的变化。表1—2分别为2010—2020年河南省土地利用类型转移矩阵以及该阶段不同土地利用类型转移下的植被NPP总量变化。由表1可知,2010—2020年河南省草地、耕地和未利用地3种土地利用类型面积分别减少了397.95 km2,4 255.40 km2和38.97 km2,建设用地、林地和水体面积分别增长了4 080.23 km2,326.78 km2和285.31 km2,其中,增长的建设用地面积主要由耕地类型转化而来(94%)。从表2中可以发现,2010—2020年土地利用类型转化下河南省植被NPP总量增加了2 785.68 kgC·m-2·a-1,其中,向耕地类型转化引起的NPP增长为该区域NPP总量增长做了最大的贡献,占41%。

表1   2010—2020年河南省土地利用类型转移矩阵

Tab.1  Transition matrix of land use types in Henan Province from 2010 to 2020 (km2)

土地利用类型2020年
草地耕地建设用地林地水体未利用地
2010年草地4 778.262 613.94294.941 463.61176.473.01
耕地2 517.3984 969.5314 761.093 125.181 925.603.03
建设用地102.3611 157.826 364.10104.05217.820.01
林地1 403.012 613.45293.7822 180.36286.3211.99
水体129.261 656.64309.49231.521 723.970.00
未利用地2.0035.042.9910.976.012.97

新窗口打开| 下载CSV


表2   2010—2020年河南省土地利用类型转化下的植被NPP总量变化

Tab.2  Change of vegetal NPP under different transition matrix in Henan Province from 2010 to 2020 (kgC·m-2·a-1)

土地利用类型2020年
草地耕地建设用地林地水体未利用地
2010年草地—202.5218.77124.455.710.36
耕地201.81—775.08208.2887.710.20
建设用地7.37671.80—7.289.730
林地115.91183.9116.51—14.781.00
水体8.7193.6413.2412.13—0
未利用地0.143.100.301.020.22—

新窗口打开| 下载CSV


采用地理探测器探究海拔、坡度和坡向等8个因子对河南省植被NPP空间分异的解释力,以及各因子间交互作用。结果表明,对于单因子而言,坡向、气温、降水、土地利用和纬度是研究区域植被NPP空间分异的主要影响因子,其贡献率均大于25%,q值分别为0.299,0.390,0.435,0.263,0.432; 海拔和坡度因子对植被NPP空间分异的贡献特征(q= 0.129和q= 0.134)相对较弱; 经度变化通过影响区域下垫面特征、干湿度等参数,对植被NPP空间分异具有相当的贡献率(q= 0.230)。对于双因子交互而言,河南省植被NPP各因子间交互作用关系均呈现双因子增强或非线性增强,对植被NPP空间分异解释力处于前7位的双因子交互q值如表3所示,整体上海拔、降水与其他因子存在更为明显的交互作用,q(海拔∩降水)和q(海拔∩纬度)为0.728和0.685,明显增强了海拔单因子对NPP空间分异的解释力; 值得注意的是,排名前7位的双因子交互有5类为降水与其他因子的交互结果,不仅表明降水与地形条件、人类活动驱动因子的交互作用,而且进一步说明了降水对河南省植被NPP的重要性。

表3   驱动因子交互作用探测结果

Tab.3  Detection results of interaction for different driving factors

因子海拔∩降水海拔∩纬度降水∩坡向降水∩气温降水∩土地利用降水∩经度经度∩纬度
q0.7280.6850.7810.6820.7400.8040.699

新窗口打开| 下载CSV


4 讨论

与以往研究不同,本研究利用重心模型从宏观视角揭示了河南省植被NPP空间分布的均衡性以及重心变化先强烈而后微弱的特征,全面分析了气候、地形和土地利用等多因子对植被NPP的影响,借助地理探测器从空间角度对植被NPP空间分异进行了定量归因。

2010—2020年河南省植被NPP呈波动微上升趋势,年均增加了6.51 gC·m-2·a-1。由于2013年河南省降水量偏少、气温偏高,干旱缺水和高温分别减弱了植被的光合作用、加快了植被的自身消耗,给植被NPP带来了较大的负面影响,尤其对于作为农业大省的研究区,农作物生长和粮食安全更是受到严重的威胁,同期水土流失治理面积较2012年减少127.4万hm2[24]; 2019年河南省降水量和年均气温分别为1961年以来第三少及第二高,且全年的阶段性干旱及短期洪涝灾害使得农业生产受损严重[25],导致该时期植被NPP显著减少; 相较于2013年和2019年植被NPP低谷期,2014年和2020年河南省降水量增加、气温降低、水土流失治理面积增多,对植被NPP增长产生了积极作用,由此形成了2012—2014年和2018—2020年植被NPP先急速下降后迅速上升的现象。

年尺度、像元尺度下分析河南省植被NPP与气温、降水的相关性,发现植被NPP与降水相关性更强,这与刘忠阳等[17]、陈阳[26]的研究结果一致。部分区域植被NPP与降水呈负相关,主要位于三门峡、洛阳、济源高海拔区,这是因为垂直分布于高海拔区的植被受人类活动影响较小,植被类型较为单一,多属于耐干旱植被,过多的降水不利于植被的生长; 与气温呈负相关区域主要位于河南省南部地带,该地带纬度偏低、气温相对较高,过高的气温导致水分蒸发反而抑制了植被的生长。河南省以低海拔、低坡度为主,这些区域植被NPP相对较弱却所占面积较多,成为河南省植被NPP的主要贡献源; 随着海拔、坡度的升高,人类活动减弱,更多的有机物被固定,植被NPP逐步提升; 当海拔、坡度继续升高,植被营养逐步流失,气温持续降低等气候条件不利于植被生长,植被NPP呈减少趋势。河南省植被NPP呈现明显的坡向差异,阳坡植被NPP均值高于阴坡,向阳坡热量充足,有利于植被生长,而王莉娜等[27]发现祁连山国家公园阴坡植被NPP高于阳坡,光照条件对该区域植被NPP影响相对较小,体现了植被NPP对驱动因子响应的区域差异性及机制复杂性。因子影响力探测表明降水对研究区域植被NPP空间分异贡献最大,水分是该区域植被NPP空间分异形成的外部主导因子,这与相关性分析结果具有相似性,也进一步说明了2013年和2019年植被NPP迅速下降与当年降水量减少有关。此外,不同于气温与植被NPP的弱相关性,气温对植被NPP空间分异的解释力相对较强,仅次于降水和纬度因子,说明地处山区向平原、亚热带向暖温带双重过渡地带的河南省区域内气温存在较为明显的空间差异性[28],并直接影响植被NPP的空间分布。

5 结论

1)2010—2020年,河南省植被NPP均值呈微弱上升趋势,年际间波动较为强烈; 受气候和人类活动影响,2013年和2019年植被NPP出现低谷值。植被NPP重心演变具有明显的时间分异性,2010—2014年,NPP重心在距离、方向上均具有较大的变化,此后重心迁移变化相对微弱。

2)研究期间河南省植被NPP年均值介于34.5~919 gC·m-2·a-1,由东北至西南不断增加,中值区域所占面积最多,主要位于研究区南部环山区域及南阳盆地; 低值区域和高值区域分别位于北部和西南部。

3)河南省植被NPP与降水相关性更强,相关系数具有空间分异性; 随着海拔、坡度增加,植被NPP均先增后减,低海拔、低坡度区域植被NPP较低,却对研究区植被NPP贡献率最大; 阳坡植被NPP高于阴坡; 耕地面积增长下的植被NPP为近11 a来NPP增长主要来源。

4)单因子而言,降水对河南省植被NPP变化解释力最强,其次为纬度、气温; 各因子交互关系为双线性增强或非线性增强,其中,降水与经度、土地利用、坡向双因子交互对植被NPP具有更为显著的协同增强作用。

参考文献

Yan M, Xue M, Zhang L, et al.

A decade’s change in vegetation productivity and its response to climate change over northeast China

[J]. Plants, 2021, 10(5):821.

DOI:10.3390/plants10050821      URL     [本文引用: 1]

In this study, we simulated vegetation net primary productivity (NPP) using the boreal ecosystem productivity simulator (BEPS) between 2003 and 2012 over Northeast China, a region that is significantly affected by climate change. The NPP was then validated against the measurements that were calculated from tree ring data, with a determination coefficient (R2) = 0.84 and the root mean square error (RMSE) = 42.73 gC/m2·a. Overall, the NPP showed an increasing trend over Northeast China, with the average rate being 4.48 gC/m2·a. Subsequently, partial correlation and lag analysis were conducted between the NPP and climatic factors. The partial correlation analysis suggested that temperature was the predominant factor that accounted for changes in the forest NPP. Solar radiation was the main factor that affected the forest NPP, and the grass NPP was the most closely associated with precipitation. The relative humidity substantially affected the annual variability of the shrub and crop NPPs. The lag time of the NPP related to precipitation increased with the vegetation growth, and it was found that the lag period of the forest was longer than that of grass and crops, whereas the cumulative lag month of the forest was shorter. This comprehensive analysis of the response of the vegetation NPP to climate change can provide scientific references for the managing departments that oversee relevant resources.

Li F, Meng J, Zhu L K, et al.

Spatial pattern and temporal trend of land degradation in the Heihe River basin of China using local net primary production scaling

[J]. Land Degradation and Development, 2020, 31(4):518-530.

DOI:10.1002/ldr.v31.4      URL     [本文引用: 1]

Wang H, Liu G H, Li Z S, et al.

Assessing the driving forces in vegetation dynamics using net primary productivity as the indicator:A case study in Jinghe River basin in the Loess Plateau

[J]. Forests, 2018, 9(7):374.

DOI:10.3390/f9070374      URL     [本文引用: 1]

田义超, 杨棠, 徐欣.

北部湾典型入海流域植被净初级生产力时空分布特征及其影响因素

[J]. 生态环境学报, 2021, 30(5):938-948.

DOI:10.16258/j.cnki.1674-5906.2021.05.006      [本文引用: 1]

北部湾入海流域处于典型河口-近海岸相互作用地带,是中国南亚热带地区典型的独流入海河流,对该地区的植被净初级生产力（NPP）进行定量化研究,可为中国南亚热带地区典型独流入海流域碳循环研究及其生态恢复提供科学依据。以北部湾典型入海流域为研究对象,基于CASA模型并结合Theil-Sen趋势、Hurst指数、偏相关分析等数理统计方法,定量化分析了流域2000&#x02014;2017年NPP的时空变化特征、未来趋势及其影响因素。结果表明,时间尺度上,流域多年月均NPP介于8.50&#x02014;95.86 g&#x02219;m<sup>-2</sup>（以C计,下同）之间,呈倒&#x0201c;V&#x0201d;型结构;年际变化上,多年NPP总体呈现波动上升趋势,增速为8.83 g&#x02219;m<sup>-2</sup>&#x02219;a<sup>-1</sup>,快于广西壮族自治区（增速为0.001 g&#x02219;m<sup>-2</sup>&#x02219;a<sup>-1</sup>）。空间尺度上,典型入海流域NPP呈明显地域分异规律,NPP高值区主要位于西南部的十万大山南麓,低值区散布钦江河道附近、南流江流域的上游以及下游的西南部地区。流域NPP总体上以改善为主,NPP增加区域是减少区域的3.05倍。流域NPP的Hurst指数范围介于0.20973&#x02014;1之间,总体上以持续序列为主,预示研究区NPP未来处于持续增加趋势。影响因素上,气温是影响NPP的主导因素,NPP与多年平均气温存在正相关关系,与降水存在负相关关系。NPP在不同覆被类型、海拔和坡度梯度上均呈现出显著的地域分异规律以及时空差异性特征。该研究表明北部湾入海典型流域NPP呈逐年增加趋势,气温是流域NPP的主导因素。

Tian Y C, Yang T, Xu X.

Temporal and spatial distribution characteristics and influencing factors of net primary productivity of vegetation in typical basin entering the sea Beibu gulf

[J]. Ecology and Environmental Sciences, 2021, 30(5):938-948.

[本文引用: 1]

孙庆龄, 李宝林, 李飞, 等.

三江源植被净初级生产力估算研究进展

[J]. 地理学报, 2016, 71(9):1596-1612.

DOI:10.11821/dlxb201609011      [本文引用: 1]

植被净初级生产力（NPP）作为重要的植被参数和生态指标,能够直观地反映生态环境的变化和区域碳收支水平。鉴于三江源特殊的地理环境和战略地位,众多学者曾应用不同的方法对三江源植被NPP进行了估算,但是由于各方面原因,NPP估算结果存在较大差异。目前,虽在三江源地区开展了大量NPP估算研究,但尚未有相关文章对这些研究进行汇总并加以分析和评价。因此,本文在前人研究成果的基础上,通过综述已有文献,对三江源植被NPP估算的相关方法与结果进行了系统地总结,探讨不同方法在三江源地区的适用性,指出已有方法存在的主要问题,并对现有NPP估算结果进行评估分析,最后提出了未来三江源NPP估算研究亟待加大研究力度的方向。

Sun Q L, Li B L, Li F, et al.

Review on the estimation of net primary productivity of vegetation in the Three-River Headwater region,China

[J]. Acta Geographica Sinica, 2016, 71(9):1596-1612.

[本文引用: 1]

徐雨晴, 肖风劲, 於琍.

中国森林生态系统净初级生产力时空分布及其对气候变化的响应研究综述

[J]. 生态学报, 2020, 40(14):4710-4723.

[本文引用: 1]

Xu Y Q, Xiao F J, Yu L.

Review of spatio-temporal distribution of net primary productity in forest ecosystem and its responses to climate change in China

[J]. Acta Ecologica Sinica, 2020, 40(14):4710-4723.

[本文引用: 1]

Han H Z, Bai J J, Ma G, et al.

Seasonal responses of net primary productivity of vegetation to phenological dynamics in the Loess Plateau,China

[J]. Chinese Geographical Science, 2022, 32(2):340-357.

DOI:10.1007/s11769-022-1270-8      [本文引用: 1]

Guan X B, Shen H F, Li X H, et al.

A long-term and comprehensive assessment of the urbanization-induced impacts on vegetation net primary productivity

[J]. Science of the Total Environment, 2019, 669:342-352.

DOI:10.1016/j.scitotenv.2019.02.361      URL     [本文引用: 1]

刘婵, 刘冰, 赵文智, 等.

中亚地区植被净初级生产力时空动态及其与气候因子关系

[J]. 遥感技术与应用, 2020, 35(4):924-933.

[本文引用: 1]

Liu C, Liu B, Zhao W Z, et al.

Temporal-spatial variation analysis of net primary productivity and its relationship with climate in central Asia

[J]. Remote Sensing Technology and Application, 2020, 35(4):924-933.

[本文引用: 1]

茆杨, 蒋勇军, 张彩云, 等.

近20年来西南地区植被净初级生产力时空变化与影响因素及其对生态工程响应

[J]. 生态学报, 2022, 42(7):2878-2890.

[本文引用: 1]

Mao Y, Jiang Y J, Zhang C Y, et al.

Spatio-temporal changes and influencing factors of vegetation net primary productivity in southwest China in the past 20 years and its response to ecological engineering

[J]. Acta Ecologica Sinica, 2022, 42(7):2878-2890.

[本文引用: 1]

朱思佳, 冯徽徽, 邹滨, 等.

2000—2019年洞庭湖流域植被NPP时空特征及驱动因素分析

[J]. 自然资源遥感, 2022, 34 (3):196-206.doi:10.6046/zrzyyg.2021283.

[本文引用: 1]

Zhu S J, Feng H H, Zou B, et al.

Spatial-temporal characteristics of 2000—2019 vegetation NPP of the Dongting Lake basin and their driving factors

[J]. Remote Sensing for Natural Resources, 2022, 34(3):196-206.doi:10.6046/zrzyyg.2021283.

[本文引用: 1]

冯婉, 谢世友.

长江流域片2000—2015年植被NPP时空特征及影响因子探测

[J]. 水土保持研究, 2022, 29(1):176-183.

[本文引用: 1]

Feng W, Xie S Y.

Spatiotemporal characteristics and influencing factors of vegetation NPP in the Yangtze River basin from 2000 to 2015

[J]. Research of Soil and Water Conservation, 2022, 29(1):176-183.

[本文引用: 1]

刘旻霞, 焦骄, 潘竟虎, 等.

青海省植被净初级生产力(NPP)时空格局变化及其驱动因素

[J]. 生态学报, 2020, 40(15):5306-5317.

[本文引用: 1]

Liu M X, Jiao J, Pan J H, et al.

Spatial and temporal patterns of planting NPP and its driving factors in Qinghai Province

[J]. Acta Ecologica Sinica, 2020, 40(15):5306-5317.

[本文引用: 1]

宋晓森, 杨朝兴.

基于习近平生态文明思想建设生态强省的路径探讨

[J]. 中州学刊, 2022(7):90-94.

[本文引用: 2]

Song X S, Yang C X.

Research on the path for building a strong eco-province based on Xi Jinping’s concept of ecological civilization

[J]. Academic Journal of Zhongzhou, 2022(7):90-94.

[本文引用: 2]

李军玲, 陈怀亮, 邹春辉, 等.

1994—2008年河南省植被净第一性生产力及其时空变化

[J]. 生态环境学报, 2011, 20(10):1424-1429.

DOI:10.16258/j.cnki.1674-5906(2011)10-1424-06      [本文引用: 1]

Li J L, Chen H L, Zou C H, et al.

Vegetation net primary productivity and its temporal-spatial changes in Henan Province during 1994—2008

[J]. Ecology and Environmental Sciences, 2011, 20(10):1424-1429.

[本文引用: 1]

王新闯, 王世东, 张合兵.

基于MOD17A3的河南省NPP时空格局

[J]. 生态学杂志, 2013, 32(10):2797-2805.

[本文引用: 1]

利用2000&mdash;2010年MOD17A3数据集的年NPP数据和GIS技术，定量分析了河南省植被NPP的时空变化特征。结果表明：河南省年NPP变化范围为308～430 g C&middot;m<sup>-2</sup>&middot;a<sup>-1</sup>，平均值为384 g C&middot;m<sup>-2</sup>&middot;a<sup>-1</sup>；年均NPP分布全省呈现北低南高趋势，NPP高值区(> 500 g C&middot;m<sup>-2</sup>&middot;a<sup>-1</sup>)主要分布在豫西和豫东南的林区，太行山和丹江流域的林区NPP大部在200～300 g C&middot;m<sup>-2</sup>&middot;a<sup>-1</sup>，农田覆盖区年平均NPP在300～500 g C&middot;m<sup>-2</sup>&middot;a<sup>-1</sup>，黄河生态涵养带年平均NPP多小于200 g C&middot;m<sup>-2</sup>&middot;a<sup>-1</sup>，城市及其周边地区NPP多小于100 g C&middot;m<sup>-2</sup>&middot;a<sup>-1</sup>；与2000年相比，2010年河南省年NPP大部分地区是增加的，年NPP增加的面积占总土地面积的93.8%；河南省年NPP线性变化趋势以增加为主，年NPP变化百分率增加10%以上的面积所占河南省国土面积的比例为83.7%；年NPP的变化百分率<-10%的植被主要分布在河南省西南部的丹江流域、焦作市和济源市北部以及各城市周边地区，下降的原因主要是森林的破坏及城市的扩张；植被类型分布、年均气温和年均降雨量差异导致河南省NPP南高北低的分布；不同的NPP估算模型或基于不同数据源对同一区域NPP估算存在较大差异。&nbsp;

Wang X C, Wang S D, Zhang H B.

Spatiotemporal pattern of vegetation net primary productivity in Henan Province of China based on MOD17A3

[J]. Chinese Journal of Ecology, 2013, 32(10):2797-2805.

[本文引用: 1]

刘忠阳, 李梦夏, 李军玲, 等.

河南省植被净初级生产力变化特征及其对气候变化的响应

[J]. 河南农业大学学报, 2021, 55(1):141-151,163.

[本文引用: 2]

Liu Z Y, Li M X, Li J L, et al.

Spatial-temporal changes of vegetation net primary productivity and its response to climate change in Henan Province

[J]. Journal of Henan Agricultural University, 2021, 55(1):141-151,163.

[本文引用: 2]

Ge W Y, Deng L Q, Wang F, et al.

Quantifying the contributions of human activities and climate change to vegetation net primary productivity dynamics in China from 2001 to 2016

[J]. Science of the Total Environment, 2021, 773:145648.

DOI:10.1016/j.scitotenv.2021.145648      URL     [本文引用: 1]

左丽媛, 高江波.

基于地理探测器的喀斯特植被NPP定量归因

[J]. 生态环境学报, 2020, 29(4):686-694.

DOI:10.16258/j.cnki.1674-5906.2020.04.006      [本文引用: 1]

可下载PDF全文。

Zuo L Y, Gao J B.

Quantitative attribution analysis of NPP in Karst peak cluster depression based on geographical detector

[J]. Ecology and Environmental Sciences, 2020, 29(4):686-694.

[本文引用: 1]

Libiseller C, Grimvall A.

Performance of partial Mann-Kendall tests for trend detection in the presence of covariates

[J]. Environmetrics, 2002, 13(1):71-84.

DOI:10.1002/env.v13:1      URL     [本文引用: 2]

梁龙武, 先乐, 陈明星.

改革开放以来中国区域人口与经济重心演进态势及其影响因素

[J]. 经济地理, 2022, 42(2):93-103.

[本文引用: 1]

Liang L W, Xian Y, Chen M X.

Evolution trend and influencing factors of regional population and economy gravity center in China since the reform and opening-up

[J]. Economic Geography, 2022, 42(2):93-103.

[本文引用: 1]

肖东洋, 牛海鹏, 闫弘轩, 等.

1990—2018年黄河流域(河南段)土地利用格局时空演变

[J]. 农业工程学报, 2020, 36(15):271-281,326.

[本文引用: 1]

Xiao D Y, Niu H P, Yan H X, et al.

Spatiotemperal evolution of land use pattern in the Yellow River basin (Henan section) from 1990 to 2018

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(15):271-281,326.

[本文引用: 1]

王劲峰, 徐成东.

地理探测器:原理与展望

[J]. 地理学报, 2017, 72(1):116-134.

DOI:10.11821/dlxb201701010      [本文引用: 1]

空间分异是自然和社会经济过程的空间表现,也是自亚里士多德以来人类认识自然的重要途径。地理探测器是探测空间分异性,以及揭示其背后驱动因子的一种新的统计学方法,此方法无线性假设,具有优雅的形式和明确的物理含义。基本思想是：假设研究区分为若干子区域,如果子区域的方差之和小于区域总方差,则存在空间分异性;如果两变量的空间分布趋于一致,则两者存在统计关联性。地理探测器q统计量,可用以度量空间分异性、探测解释因子、分析变量之间交互关系,已经在自然和社会科学多领域应用。本文阐述地理探测器的原理,并对其特点及应用进行了归纳总结,以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性。

Wang J F, Xu C D.

Geodetector:Principle and prospective

[J]. Acta Geographica Sinica, 2017, 72(1):116-134.

[本文引用: 1]

河南省统计局.

2013年河南统计年鉴

[EB/OL].(2019-12-31) [2022-06-05]. https://oss.henan.gov.cn/sbgt-wztipt/attachment/hntjj/hntj/lib/tjnj/2013/indexch.htm.

URL     [本文引用: 1]

Henan Province Bureau of Statistics.

2013 Henan statistical yearbook

[EB/OL].(2019-12-31) [2022-06-05]. https://oss.henan.gov.cn/sbgt-wztipt/attachment/hntjj/hntj/lib/tjnj/2013/indexch.htm.

URL     [本文引用: 1]

2019年河南十大天气气候事件公布

[EB/OL].(2020-01-03) [2022-07-06]. https://www.henan.gov.cn/2014/01-01/335400.html.

URL     [本文引用: 1]

The announcement of the top ten weather and climate events in Henan in 2019

[EB/OL].(2020-01-03) [2022-07-06]. https://www.henan.gov.cn/2014/01-01/335400.html.

URL     [本文引用: 1]

陈阳. 河南省植被NPP与水文气象要素的时空变化及其响应关系[D]. 郑州: 华北水利水电大学, 2021.

[本文引用: 1]

Chen Y. Temporal and spatial changes of vegetation NPP and hydrological and meteorological in Henan Province and their response relationship[D]. Zhengzhou: North China University of Water Resources and Electric Power, 2021.

[本文引用: 1]

王莉娜, 宋伟宏, 张金龙, 等.

祁连山国家公园植被净初级生产力时空演变及驱动因素分析

[J]. 草业科学, 2020, 37(8):1458-1474.

[本文引用: 1]

Wang L N, Song W H, Zhang J L, et al.

Spatio-temporal evolution of vegetation net primary productivity in Qilian Mountain National Park and its driving factors

[J]. Pratacultural Science, 2020, 37(8):1458-1474.

[本文引用: 1]

郭灵辉, 高江波, 邹友峰.

21世纪以来河南省植被覆盖变化及气候驱动解析

[J]. 中国农业大学学报, 2019, 24(5):161-173.

[本文引用: 1]

Guo L H, Gao J B, Zou Y F.

Analysis on the vegetation cover change in Henan Province of China since the 21st century and its climatic driving

[J]. Journal of China Agricultural University, 2019, 24(5):161-173.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发