四川甘孜州2005年-2015年草地长势变化及其影响因素分析

韩继冲， 谢紫菁， 邵怀勇， 喻舒琳

(成都理工大学 a.国土资源部 地学空间信息技术重点实验室；b.地球科学学院，成都 610059)

0 引言

中国草原面积约占全国陆地面积的40%，草原作为重要的自然生态系统，在维持物质循环和全球碳储存等方面发挥着显著作用。近年来由于全球变暖，人口增长等问题，约90%的草地在一定程度上发生退化[1]。草地退化会导致生物生产力下降，生物多样性降低、固碳量减少等问题。气候和人类活动被认为是草地退化的主要驱动力[2]。然而传统方法对这两个因素的评估依赖于实地调查和社会统计数据，且评估方法主要集中在统计分析上(如回归模型、多变量分析技术等)，在定量评价气候和人类活动对草地变化的相对作用方面的研究较少[3]。Wessels等[4]提出了利用归一化植被指数(NDVI)来区分自然的物理变化和人类的影响；李辉霞等[5]基于NDVI的残差分析法研究了三江源地区植被生长对气候变化和人类活动的响应。

植被净初级生产力(NPP)是通过光合作用转化为化学能的太阳能净量，是生态系统健康和生态调控行为的关键因素[6]。相对于其他植被指数，NPP可以反映植被的生长状况，对气候变化和人类活动具有敏感的特性。近年来，将实际和潜在的植被生产力进行残差分析，定量评估气候和人为因素在植被变化中的相对作用已经得到人们的广泛关注[7]。笔者基于该方法，定量分析草地的长势变化以及气候变化和人类活动在草地变化中的相对作用，并分析气候因子和高程对草地变化的影响。甘孜州为高山草原，草地资源丰富，生态环境先天脆弱，其对气候变化和人类活动的干扰更加敏感，因此选择甘孜州作为研究区具有一定的代表性和示范性。

1 研究区概况

甘孜州(97°22′-102°29′E，27°58′-30°20′N)位于青藏高原东缘，草地面积约占全州60%，是川西北牧区的重要组成部分(图1)。海拔在976 m～7 148 m之间，地势北高南低，地貌以山原、丘陵为主。属于高原气候，气候寒冷，据2000年-2015年的气候记录，该地区年平均气温在6.8℃左右，年平均降水量在573.6 mm～741.0 mm之间，昼夜温差较大。该地区植被类型多为高山草地，其具有重要的水土保持等生态系统调节功能。近年来由于受到气候变化及人类活动(过渡放牧、开矿、建筑用地扩张等)的影响，该区域生态环境恶化，草地水源涵养功能下降，已成为四川省乃至长江、黄河流域生态安全保护的重要问题。

图1 甘孜州区域图Fig.1 Ganzi region map

2 数据来源与处理

1)遥感数据。2005年-2015年MOD17A3 NPP数据集，来自NASA MODIS陆地科学团队网站(http://landval.gsfc.naKa.gov)，利用MRT软件对数据进行拼接、投影变换等数据预处理，基于ArcGIS平台进行裁剪，空间数据统计等操作，得到研究时段内研究区的NPP栅格数据。

2)气象数据。2005年-2015年间研究区及周围地区共29个标准气象站点的年均气温，年降水量，太阳日照时数数据，数据获取自中国气象数据网(http://data.cma.cn/)。采用样条插值法对气象数据进行模拟得到覆盖整个研究区的可用于空间分析的气象栅格数据。

3)土地利用数据。使用研究区2005年的土地利用数据提取出草地区域，数据获取自中国科学院资源环境科学数据中心(http://data.cma.cn/)。

4)空间分辨率为30 m的DEM数据，获取自地理空间数据云网站(http://www.gKcloud.cn/)。所有栅格数据空间分辨率统一为1 km，地理坐标系采用Xian 1980。

3 研究方法

研究方法包括①NPP估算；②NPP动态变化分析；③定量评估；④相关性分析方法等。

3.1 NPP估算

3.1.1 实际NPP与潜在NPP估算

笔者使用MOD17A3 NPP数据集来估算甘孜州2005年-2015年实际NPP(NPPa)，该产品是利用MODIS仪器测量的光合有效辐射量(PAR)计算出MOD17A3 NPP，已广泛应用于植被变化研究[8]。MOD17A3 NPP计算为GPP和呼吸之间的差异，其中包括维护和增长的组成部分，其是基于BIOME-BGC模型和光能利用率模型计算得到，计算公式如下：

PsnNet=GPP-Rml-Rmr

(1)

(2)

式中:PsnNet为植物净光合作用；Rml和Rmr分别是叶和根呼吸消耗的能量；Rmo和Rg分别指植物其他部位消耗的能量及其生长呼吸消耗的能量。

使用综合自然植被净第一性生产力模型估算研究区潜在NPP(NPPp)，该模型是基于生态生理特征与水热平衡方程相关的区域蒸散模型[9-10]，其以与植被光合作用密切相关的蒸散为基础，综合考虑了各因子的相互作用，其计算公式如下:

(3)

RDI=(0.629+0.237×PER-

0.00313×PER2)2

(4)

PER=BT×58.93/P

(5)

(6)

式中：NPPp是年净第一性生产力，t DM / hm2；RDI是辐射干燥指数；P是年降水量，mm；PER是潜在蒸散率；BT是年平均生物温度，℃；T是月平均温度，℃；T小于30 ℃且大于0 ℃，月平均温度为每天平均气温相加再除以当月的天数。

3.1.2 人为NPP估算

草地的变化主要由气候因素和人类活动共同引起的，在忽略其他非决定性因素条件下，由人类活动因素所引起变化的部分为实际NPP与潜在NPP之间的差值[11](式7)。

NPPhi=NPPpi-NPPai

(7)

式中:NPPhi为第i年人类活动导致的NPP；NPPai为第i年实际NPP；NPPpi为第I年的潜在NPP。

3.2 NPP动态变化分析方法

利用NPP与时间序列(年)的之间关系，可以确定NPP年际变化的显着性。我们采用普通最小二乘法估算NPP随时间的变化趋势(式8)，该方法可较为合理地反映植被净初级生产力的年际变化趋势[12]。

(8)

式中：slope表示NPP的年际变化率；n表示年数；本文的研究时间段为2005年-2015年，n=11；i表示年份的序号，2005年i=1，2006年i=2，依次类推；NPPi表示第i年的NPP。slope为负值时表示NPP的年际变化为下降趋势，为正值时表示上升趋势。

3.3 定量评估模型

草地退化或恢复可以通过实际NPPa的斜率(Ka)表示，Ka为正值表示草地具有恢复的趋势，负值表示草地具有退化的趋势。气候和人类活动对草地NPP的影响以潜在NPPp和人为NPPh的斜率(Kc，Kh)来表示，Kc为正值表示气候对草地生长有利，反之负值表示气候对草地生长不利；Kh为负值表明研究期间人类活动导致的NPP损失减少，正值表示着人类活动会促进草地退化。因此，评估气候和人类活动在退化中的相对作用可以通过这三种类型的NPP的斜率来定义(表1)。

3.4 相关性分析方法

Pearson相关系数用于反映一定时间段内两个变量的长期长势变化关系，函数主要描述了草地NPP与气候因子长时间序列的相关性，其计算公式如下:

(9)

式(9)中:n是年数;Xi和Yi分别代表对应年份的气象因子(温度、降水、太阳日照时数)和实际NPP值。r为正值时，表示两者之间呈正相关，负值时表

表1 定量评估气候与人类活动在草地变化中相对作用的方案Tab.1 Quantitative assessment of the relative role of climate and human activities in grassland changes

示两者之间呈负相关，r的绝对值越大，表示两者之间的相关性越大。

4 结果及讨论

4.1 NPP动态变化及空间分布特征

2005年-2015年甘孜州11年的平均实际NPP为286.6 g C/m2，其中2012年最低(256.19 g C/m2)，2006年达到峰值(320.1 g C/m2)。据图2(a)，2005年-2015年整体上研究区平均NPP的空间分布由南向北逐渐降低，由区域统计得到泸定县NPP最高(440.5 g C/m2)，石渠县NPP最低(190.8 g C/m2)，具有明显的空间分布差异。据图2(b)，实际 呈现下降趋势的区域主要发生在北部的石渠、德格、甘孜、色达等地，下降区域面积约占整个研究区的61.7%，其中石渠县草地退化幅度最大；草地增长区主要分布在研究区南部的理塘、丹巴、泸定和九龙等地，其中丹巴县增长幅度最大。研究时间段内，总体上草地的恢复比例小于草地的退化比例。

4.2 气候和人类活动对草地变化的相对作用

根据上述方案得到气候和人类活动因素在草地变化中的相对作用(图2(c))。由空间数据统计可知气候、人类活动和两者共同作用对草地变化的贡献率分别为26.58%，61.18%和12.4%。其中人类活动为草地退化的主导因素，由人类活动引起的草地退化面积约占总退化面积的85.2%，主要分布在研究区北部和中部地区。受气候和人类活动共同影响的草地退化主要分布在西南部地区，所占面积比例较小。相比之下，气候因素主导了草地的恢复，气候变化主导因素的草地恢复面积占草地总恢复面积的60.1%，主要分布在研究区的东南部。由人类活动及两者共同作用影响的草地恢复区域主要分布在研究区的中部及西南部地区。由此可知，气候和人类活动对草地变化的相互作用在空间分布上具有差异性。气候变化主导了草地的恢复，这一结果与前人的研究结果一致：气候变化有利于植被生长，气候变化的贡献大于人类活动[3]。

人类活动对草地退化的影响表现在长期超载过牧、经济产业结构单一及人口数量增长等方面。在受人类活动影响较大的甘孜州北部草地退化区，如德格县2011年草地畜牧量较80年代超载达到98%。经济因素引起的草地退化主要表现为以饲养牛、羊为主的单一产业结构。位于北部草地退化区的石渠县、甘孜县、色达县等地2015年的第一产业所占比重分别为54.80%、52.0%、50.31%，这些地区居民的收入主要依赖于畜牧业。而位于南部受人类活动影响的草地增长区县市的各产业结构较为协调且主要以第三产业为主(如2015年泸定县、理塘县、乡城县的第三产业比重分别为43.58%、43.74%、53.51%)。人口的快速增长也会增加人类活动对草地生长的压力，对以畜牧业为主的甘孜州北部地区表现的更为明显。2005 年石渠、德格、甘孜色达四县的年末总人口为 22.8×104人，到2015年增长至31.82×104人，增长率达39.56%。

图2 2005年-2015年甘孜州NPP变化及其影响因素分布图Fig.2 Pistribution of NPP and its influening fadors in Gonzi plefectare from 2005 to 2015(a)2005年-2015年研究区平均实际NPP；(b)2005年-2015年实际NPP变化斜率；(c)气候和人类活动对草地变化影响

同时，近年来国家及当地政府对该地区实施“天然保护林资源保护工程”及“退耕还林还草”等工程，出台了一系列政策，如《川西藏区生态保护与建设规划(2103年-2020年 》等[13]。以位于南部的草地增长区理塘县(纯牧业县)为例，该县是退牧还草工程项目的试点之一，目前理塘县实施退耕还林还草已达27.33 km2，其中退耕还草4.27 km2，且该县在2007年被确定为“川西北防沙治沙试点示范项目建设的试点县”，项目总投资为1500×104元，分三年完成治理沙化土地16 km2。这些生态工程的实施使得部分地区草地得到恢复。

4.3 影响因素

4.3.1 气候因子

通过对2005年-2015年各气候因子与实际NPP的一元线性回归及person相关系数的分析，得到各气候因子与实际NPP年际变化之间的关系。

1)年均温度。据图3(a)所示，在研究时间段内研究区年均温度整体呈增加趋势，其变化趋势与NPP的变化趋势大致相同。通过一元线性回归和person相关系数(r=0.26),发现实际NPP与温度存在微弱的正相关。其原因主要是温度升高会延长草地生长季节，加快高寒草地光合速率，促进碳同化和生物量生产，同时增加了土壤硝态氮和铵态氮的浓度，间接提高了草地生长[14-15]。此外，前人研究表明，全球变暖会导致陆地NPP的显著增加，特别是在北半球的高纬度地区，热条件是植物生长的主要制约因素[15]。由于高山地区与高纬度地区相比，高寒草地实际NPP具有相似的热量背景，甘孜州为高山草原，因此可以对温度变化做出反应。

2)年降雨量。据图3(b)所示，在研究时间段内研究区年降水量整体呈不断增加趋势，其变化趋势与实际NPP的变化趋势相反。通过一元线性回归分析及person相关系数(r=-0.86)，发现研究区NPP与降水之间呈现负相关，表明该高寒地区降水会抑制高寒草地的生长，这与Gao等[17]的研究结果一致。年降水量代表每年可达到的最大水量，但高山草地生长的可利用水量取决于降水的季节性和大气的蒸发需求[17]，与海拔较低的平原不同，降水会导致土壤侵蚀，降低土壤有机质含量，从而导致高寒草地NPP下降。此外，随着光合有效辐射的降低，光合作用活动可能在雨季减少[19]。

3)太阳日照时数。据图3(c)所示，在研究时间段内研究区日照时数的变化趋势与NPP的变化趋势相同。通过一元线性回归分析及person(r=0.711)相关系数发现，NPP与日照时数呈正相关。并且相对于温度，日照时数对NPP变化的影响更加显著。分析主要原因为光合作用通常发生在光照充足的环境中，太阳日照数会增加太阳辐射的能量，从而对植物生长产生起到重要作用，表明有利的热量条件对草地恢复具有积极的作用。此外，NPP对气候因子的滞后效应不明显。

图3 2005年-2015年各气候因子及各县平均高程与年实际NPP变化关系图Fig.3 Relationship between climatic factors and average annual elevation of NPPs and annual NPP in 2005-2015(a)年平均温度；(b)年平均降水量；(c)年日照时度；(d)年均高程

因素线性回归方程R2Person系数r年平均温度T/℃NPP=19.99*T+151.070.0660.257年降雨量P/mmNPP=-0.35*P+519.180.733-0.856日照时数H/hourNPP=0.23*H-245.230.5060.711

4.3.2 地形因子

高程是重要的地形因子之一，分析研究区各县平均高程与实际NPP的关系(图3(d))发现，泸定县平均高程最低但是其年均NPP最高，石渠县高程最高但是其年均NPP最低。随着高程的逐渐增加，NPP具有明显降低的趋势，两者呈显著负相关，表明该地区高程对于NPP增长具有一定地抑制作用。不同的地形特征会造成区域之间草地生长的敏感性不同，随着海拔的增高，气候逐渐寒冷，高山地区常年冰雪覆盖，其中以冻融侵蚀为主的土壤侵蚀严重，土壤的物理性质遭到不同程度的破坏，从而限制了草地的生长，这进一步暗示了地形在草地生态系统过程中的重要作用。

5 结论

笔者选取NPP作为指标，结合气象数据，对2005年-2015年甘孜州的草地长势变化及气候和人类活动对草地变化的相对贡献进行了定量评估，并分析了气候因子和高程与NPP年际变化的相关性。结果表明:

1)在空间尺度上，年平均NPP呈现出从南向北逐渐减少的分布特征，北部的石渠县植被净初级生产力最低；在时间尺度上，年平均NPP变化具有波动性，南部草地主要呈现增长趋势，北部草地主要呈现下降趋势。

2)甘孜州超过半数的草地发生退化，人类活动是该地区草地退化的主导因素，气候和人类活动是草地恢复的主要驱动力，不同因素对草地生长的相对作用在空间上表现出差异性。

3)气候因子和高程是草地变化的重要驱动力，日照时数和温度的变化与NPP的年际变化呈正相关，而在高原山地地区降雨及海拔的增加对草地的增长存在一定程度的抑制作用。因此，草原环境治理除考虑人为因素外还应把气候变化等问题逐步纳入草原发展和管理的考量。

我们是基于草地长势变化由气候和人类活动因素影响的前提下进行的，然而草原鼠害、火灾等也是影响草原变化的因素之一，以后的研究应考虑其他因素的影响，进行不同时空尺度的评价，为草原的治理提供借鉴。

参考文献：

[1] WANG Z, ZHANG Y, YANG Y, et al. Quantitative assess the driving forces on the grassland degradation in the Qinghai-Tibet Plateau, in China[J]. Ecological Informatics, 2016(33):32-44.

[2] CHEN B, ZHANG X, TAO J, et al. The impact of climate change and anthropogenic activities on alpine grassland over the Qinghai-Tibet Plateau[J]. Agricultural & Forest Meteorology, 2014(189):11-18.

[3] ZHOU W, GANG C, ZHOU F, 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] WESSELS K J, PRINCE S D, FROST P E, et al. Assessing the effects of human-induced land degradation in the former homelands of northern South Africa with a 1 km AVHRR NDVI time-series[J]. Remote Sensing of Environment, 2004, 91(1):47-67.

[5] 李辉霞, 刘国华, 傅伯杰. 基于NDVI的三江源地区植被生长对气候变.人类活动的响应研究[C]// 中国生态学学会2011年学术年会，2011:5495-5504.

LI H X, LIU G H, FU B J. Response of vegetation to climate change and human activity based on NDVI in the Three-River Headwaters region[C]. Acta Ecologica Sinica, 2011:5495-5504.(In Chinese)

[6] ZHOU W,LI J L,MU S J,et al.Effects of ecological restoration-induced land-use change and improved management on grassland net primary productivity in the Shiyanghe river basin,north-west China[J].Grass and Forage Science,2013,69(4):596-610.

[7] GANG C,ZHOU W,CHEN Y,et al.Quantitative assessment of the contributions of climate change and human activities on global grassland degradation[J].Environmental Earth Sciences,2014,72(11):4273-4282.

[8] 吴珊珊, 姚治君, 姜丽光,等. 基于MODIS的长江源植被NPP时空变化特征及其水文效应[J]. 自然资源学报, 2016(1):39-51.

WU S S, YAO Z J, JIANG L G, et al. The spatial-temporal variations and hydrological effects of vegetation NPP based on MODIS in the source region of the Yangtze river[J]. Journal of Natural Resources, 2016(1):39-51. (In Chinese)

[9] 周广胜, 张新时. 自然植被净第一性生产力模型初探[J]. 植物生态学报, 1995, 19(3):193-200.

ZHOU G, ZHANG X S. A natural vegetation NPP model[J]. Acta Phytoecologica Sinica, 1995, 19(3):193-200. (In Chinese)

[10] 张宪洲. 我国自然植被净第一性生产力的估算与分布[J]. 资源科学, 1993(1):15-21.

ZHANG X Z. Estimation and distribution of net primary productivity of natural vegetation in China[J]. Resources Science, 1993(1):15-21. (In Chinese)

[11] XU H J, WANG X P, ZHANG X X. Alpine grasslands response to climatic factors and anthropogenic activities on the Tibetan Plateau from 2000 to 2012[J]. Ecological Engineering, 2016, 92:251-259.

[12] 郭连发, 来全, 伊博力,等. 2000-2014年呼伦贝尔沙地河流湿地植被NPP时空变化及驱动力分析[J]. 水土保持研究, 2017, 24(6): 267-272.

GUO L F,LAI Q, YI B L, et al. Sptiotemporal changes of net primary productivity of river wetland and its driving factors in Hulun Buir sandy land in 2000-2014[J]. Soil and Water Conservation Research, 2017, 24(6): 267-272. (In Chinese)

[13] 沈茂英.重点生态功能区生态建设与生态补偿制度研究[J].四川林勘设计，2014(03)：1-7+27.

SHEN M Y.Research on issues of ecological constnuction and eco-compensution systen in dey ecological function region[J].Sicuan forestry exploration and design,2014(3):1-7+27.(In Chinese)

[14] DU M,KAWASHIMA S,YONEMURA S,et al.Mutual influence between human activities and climate change in the Tibetan Plateau during recent years[J].Global & Planetary Change,2004,41(3-4):241-249.

[15] WANG S, DUAN J, XU G, et al. Effects of warming and grazing on soil N availability, species composition, and ANPP in an alpine meadow[J]. Ecology, 2012, 93(11):2365-76.

[16] NEMANI R R, KEELING C D, HASHIMOTO H, et al. Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J]. Science, 2003, 300(5625): 1560-1563.

[17] GAO Y, XU Z, QIAO W, et al. Vegetation net primary productivity and its response to climate change during 2001-2008 in the Tibetan Plateau[J]. Science of the Total Environment, 2013, 444(444):356-362.

[18] CHURKINA G,RUNNING S W.Contrasting climatic controls on the estimated productivity of global terrestrial biomes[J].Ecosystems,1998,1(2):206-215.

[19] HILKER T, LYAPUSTIN A I, TUCKER C J, et al. Vegetation dynamics and rainfall sensitivity of the Amazon[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(45): 16041-16046.