定量评估京津冀气候变化和人类活动对植被NPP变化的相对作用*

高旭旭，于长文，张 婧，张金龙

定量评估京津冀气候变化和人类活动对植被NPP变化的相对作用*

高旭旭，于长文**，张 婧，张金龙

（河北省气候中心/河北省气象与生态环境重点实验室，石家庄 050021）

气候变化和人类活动是影响植被生长的两个重要因素，定量评估两因素对京津冀地区植被净初级生产力（NPP）的相对作用，对了解该区域植被变化的驱动机制，改善生态环境具有参考价值。基于2001−2020年CASA模型的NPP数据和气象数据，采用“去趋势回归残差法”定量区分气候变化和人类活动对京津冀地区植被NPP的影响。结果表明：(1)京津冀地区47.8%的植被呈现显著改善的状态，4.5%呈现显著退化的状态。张家口中部地区植被NPP增加趋势最大，经济发达的城市群（除北京外）减少趋势显著；（2）京津冀大部分地区植被得到显著改善的主要原因为气候变化和人类活动的共同作用，其中气候变化对NPP影响为1.5gC·m−2·a−1，人类活动为2.4gC·m−2·a−1；（3）气候变化和人类活动对植被显著改善的贡献率平均为25.8%和74.2%。气候变化贡献率大于80%的区域面积约占1.3%，主要集中在张家口西北部、沧州东部等地；人类活动贡献率超过80%的区域面积占比22.1%，主要集中在张家口中部和西南部、承德大部、沧州南部、衡水大部等地。而人类活动对植被显著退化区的作用高达94.9%。研究结果表明人类活动在植被生长能力恢复和退化中的作用大于气候变化，因此，京津冀植被恢复的生态建设中应重点关注人类活动的影响。

净初级生产力；气候变化；人类活动；去趋势回归残差法；京津冀

植被净初级生产力（net primary productivity，NPP）是绿色植被通过光合作用固定太阳能，在单位面积和单位时间内所获得生物量的净增加量。NPP大小不仅能够直接反映植被在自然环境条件下的生产能力，也能有效反映植被对所处环境和气候变化的响应情况，因此，NPP是研究气候和环境变化对生态系统影响的重要指标[1−2]。而定量评估气候变化和人类活动对NPP影响的相对作用，可为了解生态系统结构变化，改善生态环境精准施策提供技术参考。目前在定量评估气候变化和人类活动对植被变化相对贡献中，残差分析法是常用方法之一。通常认为模型计算的NPP是真实情况下的净初级生产力，基于气候指标统计得到的NPP值视为仅受气候因子影响的NPP即潜在NPP（Potential NPP，PNPP）。人类活动造成的NPP变化量（Human NPP，HNPP）则由NPP与PNPP的差值得到。国内利用残差法探究气候变化和人类活动对生态影响的研究较为广泛[3−6]，金凯等[7]使用残差法分析了在中国不同省份中气候变化和人类活动对植被变化的贡献率，发现人类活动对植被恢复的作用不容忽视；Zhang等[8−9]利用该方法分别分析了石羊河流域和疏勒河流域气候变化和人类活动在植被改善和退化区对NPP影响的相对作用；刘斌等[10]基于残差法探究了气候变化和人类活动对华北不同植被覆盖类型的相对作用，发现在华北地区人类活动对植被改善和退化的作用中都占有主导地位。

然而在利用气象要素与NPP回归得到的PNPP中，容易混淆人类活动的影响[11]，因为气象因素的长期变化本身包含人类活动的影响，如人类活动导致大气中二氧化碳浓度升高，造成温室效应加剧气温骤增，而以上研究都是根据公式或回归关系直接利用气象因子计算PNPP，这有可能会高估或低估气候变化对NPP的影响。所以提高气候变化和人类活动对NPP影响的评估精确度，要尽可能减少人类活动对气候变化的影响。

本研究采用“去趋势回归残差法”，以期有效避免上述缺陷，提高对气候变化和人类活动相对贡献评估的精度。选取京津冀地区为研究区，主要是因为京津冀地区受极端气候变化[12−13]和频繁的人类活动影响，生态环境十分脆弱，该地区又是国家发展战略的重要指向区、北方生态文明建设先行区和生态环境治理重点区[14]，同时面临着“冬奥”和“雄安”重大工程建设，生态环境成为两项工程的着力点，因此，厘清气候变化和人类活动对NPP造成的影响，对揭示植被变化的驱动机制，促进京津冀经济和生态环境协调发展，完善生态管理保护措施具有重要参考价值。

1 资料与方法

1.1 研究区概况

京津冀地区（北京市、天津市、河北省）作为研究区域，地处113°27′E−119°50′E，36°05′N− 42°40′N。区域人口约1.1亿，总面积21.8万km2，是中国北方经济规模最大的地区。该地区地形复杂，从西北到东南依次为高原、山地、丘陵、盆地、平原，气候属大陆性半湿润半干旱季风型，四季分明，植被覆盖多样化。研究选取2个直辖市（京津）和河北省内12个地级市作为14个行政区进行各项统计分析。

1.2 数据来源

气候数据为2001−2020年京津冀147个站（河北142个站、北京2站，天津3站）的气温、降水量和日照时数的年资料，来自河北省气象信息中心；太阳辐射的月数据来自中国气象信息中心，分辨率为1km×1km。

遥感数据包括2001−2020年归一化植被指数（Normalized Difference Vegetation Index，NDVI），来自美国NASA EOS/MODIS提供的MOD13A1数据集，空间分辨率为1km×1km，时间分辨率为16d，采用最大值合成法生成逐月最大NDVI数据；植被覆盖类型数据由MCD12Q1处理得到的2010年资料，空间分辨率为500m×500m。植被覆盖类型空间分布见图1。

图1 京津冀地区植被覆盖类型分布

1.3 数据处理方法

1.3.1 NPP计算

CASA（Carnegie-Ames-Stanford Approach）模型为光能利用率模型，通过驱动气象数据、遥感以及植被覆盖类型数据，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辐射（APAR）和实际光能利用率（ε）来确定，即

将计算的逐月NPP合成年NPP，并进行精度检验。将CASA计算的NPP与MOD17A3的数据产品进行对比，通过空间相关系数对NPP进行精度验证。通过MODIS传感器获得MOD17A3数据集并基于BIOME-BGC模拟最终得到的NPP数据，在陆地碳循环研究中得到广泛应用。这里计算2001年、2010年和2020年CASA模拟的NPP数据与MOD17A3数据集中的NPP的空间相关系数，分别为0.58、0.67和0.60，均通过了0.01水平的显著性检验，反映出CASA的计算结果与BIOME-BGC模拟结果在空间分布上具有一致性，说明CASA模型的京津冀地区NPP结果是可靠的。

对气象站点数据进行空间插值，采用ArcGIS10.2空间分析模块的反距离权重方法对京津冀147个站的气温、降水量和日照小时数据进行空间插值，并将其重采样为1km×1km分辨率。太阳辐射数据和植被覆盖类型数据转换成与NPP相同坐标系统，重采样为1km×1km分辨率。

1.3.2 各因素变化趋势计算

采用线性回归的方法计算NPP的年际变化趋势，并将线性回归方程的斜率作为NPP年际变化趋势（slop）。计算式为

式中，slope为变量的斜率；i为时间变量，取1到n的整数；n为研究时间长度，取值20a；Vari为第i年的变量。slope的正负值分别表示变量序列随时间增加和减少；slope绝对值越大，表明变化越大。最后对不同要素的slop进行t检验，显著性水平达到0.05即通过显著性检验。

1.3.3 PNPP和HNPP计算

采用“去趋势回归分析”的方法[17]计算PNPP，主要是为了避免出现常规回归分析中将气候与人类驱动混淆的问题。首先将NPP和T（气温）、P（降水量）、S（日照时数）的线性趋势去掉，结果分别计为D（NPP）、D（P）、D（T）和D（S）。将时间与变量建立一元线性回归模型，模拟得到的变量预测值作为趋势值，再利用原始变量数据减去趋势值，得到去趋势的要素值。

其次，利用多元一次回归方程模拟D（NPP）对D（P）、D（T）和D（S）的响应，即

将P、T和S原始数据代入式（5），得到气候条件影响下的NPP（PNPP）模拟结果，即

利用残差法计算由人类活动影响的NPP（HNPP），即

1.4 植被NPP变化驱动要素判定及影响

利用式（4）计算京津冀2001−2020年PNPP和HNPP的线性趋势率，分别代表气候变化和人类活动影响下NPP的变化趋势。趋势率为正表示驱动因素可促进植被NPP的增加，对植被生长具有促进作用；反之，表示驱动因素导致植被NPP下降，对植被生长具有抑制作用。此外根据表1对京津冀年NPP变化的主要驱动因素进行区分，计算在NPP变化中气候变化和人类活动的相对作用。

表1 各种情景下气候变化和人类活动在植被NPP变化过程中的相对作用评价方法

注：CC代表气候变化，HA代表人类活动。

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

2 结果与分析

2.1 研究区主要植被覆盖类型净初级生产力的变化

2.1.1 年际变化

由图2可见，全区耕地、草地、林地和灌丛四种植被覆盖类型2001−2020年历年平均NPP（净初级生产力）值均呈波动变化的趋势。其中，林地年NPP值最大，波动范围在563.4～736.1gC·m−2，2002年最小，2020年最大，其线性变化倾向率也最大，为6.8gC·m−2·a−1（P＜0.01)。灌丛NPP值次之，年NPP值波动范围在459.1～604.7gC·m−2，2006年最小，2016年最大，其线性变化倾向率较大，为6.0gC·m−2·a−1（P＜0.01）。草地和耕地的年NPP值相对较小，变化范围364.8～513.6gC·m−2和390.4～492.8gC·m−2，但草地的线性变化倾向率变化仅次于林地，为6.1gC·m−2·a−1（P＜0.01)。京津冀地区平均NPP变化范围在387.2～498.4gC·m−2，最小值和最大值分别出现在2002年和2020年，线性倾向率为3.9gC·m−2·a−1（P＜0.01)，表明京津冀植被生产潜力恢复明显，其中表现最突出的是林地。

注：CASA模型为光能利用率模型，通过驱动气象数据、遥感以及植被覆盖类型数据，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 变化趋势

图3表明，2001−2020年京津冀年均NPP变化趋势具有很大的空间异质性，呈显著增加和显著减少趋势的面积分别约占总面积的47.8%和4.5%，其中NPP增加较快（slop＞14gC·m−2·a−1）的区域面积约占总面积的2.5%，主要分布在张家口地区；NPP呈显著减少趋势的区域主要分布在经济发达的城市群（北京除外）。

14个行政区NPP在研究阶段均呈增加趋势，张家口区域平均NPP增加最快（slop=9.4gC·m−2·a−1），其次为北京（slop=6.9gC·m−2·a−1），增加最慢的为唐山（slop=3.0gC·m−2·a−1）。

注：空白区域为未通过0.05水平的显著性检验。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 气象要素对不同植被NPP变化的影响

由图4a1-c1可见，在年均NPP与气象要素包含趋势的情况下，年NPP与年降水量整体呈正相关，相关系数＞0.45（P＜0.05）的区域面积占比约为54.1%，集中在太行山区、唐山南部以及廊坊、沧州大部。年NPP与年平均气温相关性存在空间异质性，相关系数＞0.45的面积占比仅为1.6%，主要分布在北京中部以及邯郸西南部，呈显著负相关的区域（相关系数＜−0.45）占比4.2%，分布在承德北部、唐山的西南部等地。植被NPP对日照时数以正向响应为主，相关系数＞0.45的面积占比为22.6%，其中在沧州东部相关性超过0.66。

图4 包含趋势（1）和去趋势（2）情况下年NPP与降水量（a）、气温（b）和日照时数（c）相关系数空间分布

对NPP以及气象要素去掉趋势并探求两者之间的相关性，可以真实地反映两者内部年际变化关系，最大程度规避了人类活动对两者的共同影响。图4a2−c2显示，年NPP与年降水量的相关性分布与包含趋势条件下相似，相关系数＞0.45的区域面积占比约为46.5%，张家口东部以及北京西部相关性明显减小。去趋势的年NPP与年平均气温的关系整体呈负相关，相关系数＜−0.45的面积占比为5.6%，分布在秦皇岛北部、天津东部以及衡水南部等地，相较于包含趋势相关分布，负相关的面积明显增加。去掉趋势后年NPP与日照时数在张家口大部地区的相关性明显降低，并且在承德西北部和张家口东北部出现负相关。气候变化趋势中既包括受人类活动影响产生的趋势，又包括受自身影响的趋势，其中人类活动影响很大[18−19]，因此，可以认为去掉的趋势是来自人类活动的影响。对比发现，包含趋势的相关性与去趋势的相关性存在差异，说明人类活动作用下的趋势对气候变化与NPP年际关系有一定干扰。

气象因子对不同植被覆盖类型的NPP作用差异明显（表2）。包含趋势的情况下，耕地、林地、草地、灌丛均与降水量呈极显著正相关（P＜0.01），草地与降水量的相关系数达0.74，为最高。而4种植被覆盖类型与气温的相关系数未通过显著性检验，说明在逐年变化中，气温对4种植被的作用不明显。林地与日照时数呈显著正相关（P＜0.05），耕地、草地和灌丛与日照时数相关性不显著。去趋势后，耕地、草地和灌丛3种植被类型与降水的相关系数均通过0.05水平显著性检验，林地与降水相关系数未通过显著性检验，4种植被覆盖类型与降水的去趋势相关性比包含趋势的要低。较其他3种植被覆盖类型而言，草地与气温的相关性最高，但并未通过显著性检验。4种植被覆盖类型与日照时数的相关系数均未通过显著性检验。

表2 包含趋势和去趋势情况下不同植被覆盖类型年NPP与气象因子的相关系数

注：*、**分别表示在0.05和0.01水平显著相关。

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

相较于包含趋势的相关性，去趋势的NPP与气温的相关性明显提高，与降水量、日照时数的相关性有所降低，说明受人类活动影响，趋势低估了气温对植被生长能力的影响，高估了降水量、日照时数对植被生长能力的影响[20]。所以在定量化评估气候因子对NPP的影响时，有必要去掉趋势以剥离人类活动的影响。

2.3 气候变化和人类活动对植被NPP变化的驱动分析

利用去趋势法得到PNPP（气候条件影响下的NPP）和HNPP（人类活动影响下的NPP），通过PNPP和HNPP的变化趋势分析气候变化和人类活动对NPP变化的影响。图5表明，气候变化（人类活动）对京津冀NPP变化的作用存在空间异质性；就同一地区而言，两种驱动因素的影响作用也存在差异。PNPP呈显著正向变率的面积占比约为30.7%，其中正向变率在2～8gC·m−2·a−1的面积占比最大，为24.0%，正向变率在＞8gC·m−2·a−1的面积占比仅为0.5%，主要分布在沧州东北部、天津局部等地。PNPP呈现显著的负变率面积占比很小，仅为1.9%，数值在−8～−2gC·m−2·a−1，集中在衡水南部、邢台东部等地。整个研究区平均而言，PNPP的变化趋势为1.5gC·m−2·a−1。

图5 气候条件影响下（a）和人类活动影响下（b）的NPP变化趋势分布

注：PNPP为气候条件影响下的NPP，由式（6）计算得到；HNPP为人类活动影响下的NPP，由式（7）计算得到。PNPP和HNPP的变化趋势，分别代表气候变化和人类活动影响下NPP的变化趋势，详见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.

人类活动对年NPP起促进作用的区域面积占比，与气候变化的影响相比相差不大，HNPP呈显著的正向变率面积比为43.2%，在张家口中西部，HNPP增加趋势明显，均＞8gC·m−2·a−1。HNPP呈显著负向变化趋势的面积占比为18.4%，主要分布在廊坊大部、天津南部、沧州北部、石家庄中部以及邯郸中部等地，其中石家庄市区和邯郸市区HNPP负变率大。整个研究区平均HNPP变化趋势为2.4gC·m−2·a−1。

根据表1中的计算方法对京津冀植被改善和退化的驱动因素进行分析，结果如图6。由图6和表3可见，京津冀地区NPP增加区域中由气候变化和人类活动共同作用的面积占比为41.8%，单独由气候变化引起的面积占比为0.5%，主要分布在沧州东北部；单独由人类活动引起的面积占比约为5.5%，主要分布在承德北部、衡水大部和邢台。此外，NPP减少区域中由两种因素共同作用造成的面积占比为1.3%，主要集中在保定东北部、石家庄西南部、邢台西部等地；而由气候变化这一单因素造成的面积占比为0.001%，可忽略不计；由人类活动单一要素造成的面积约占3.2%，主要分布在石家庄中部以及邯郸中部等地。总体上，气候变化和人类活动的共同作用是促进2001−2020年京津冀植被改善的主要原因，而人类活动是植被退化的主要因素。

计算4种植被覆盖类型的PNPP和HNPP变化趋势发现，气候变化对NPP的影响在1.3（耕地）～2.2（灌丛）gC·m−2·a−1，气候变化在不同植被生长能力上的影响差异不大；而人类活动的影响在1.4（耕地）～5.3（林地）gC·m−2·a−1，以林地最大，耕地最小。4种植被生长能力增加，是由气候变化和人类活动共同促进的，对于耕地，气候变化和人类活动影响相当；林地、草地和灌丛受人类活动的影响更大。

图6 依据表1判定各格点年NPP变化的驱动因素

注：CC&HA表示NPP变化由气候变化和人类活动共同驱动，CC表示NPP变化单独由气候变化驱动，HA表示NPP变化单独由人类活动驱动。

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 不同驱动因素面积占比统计结果(%)

2.4 气候变化和人类活动对植被NPP变化的相对贡献

由图7和表4可见，气候变化对京津冀NPP增加的贡献率≤20%的面积占比较大，约22.1%。贡献率＞80%的区域面积约占1.3%，主要集中在张家口西北部、沧州东部等地。人类活动对京津冀地区植被NPP增加的贡献率＞60%的区域面积较大，占比37.5%，其中＞80%的区域分布在张家口中部和西南部、承德大部、沧州南部、衡水大部等地。京津冀植被改善由气候变化和人类活动贡献的区域平均分别为25.8%和74.2%，与金凯等[7]的计算结果接近。

表4 2001−2020年4种植被类型年NPP变化趋势(gC·m−2·a−1)

图7 京津冀气候变化(a)和人类活动(b)对植被NPP增加区(1)和减少区(2)的相对贡献率

由于NPP减少趋势的面积相较于增加趋势明显减少，所以气候变化和人类活动对NPP减少起作用的面积比对NPP增加起作用的面积明显小很多。进一步统计分析（表5和图8）发现，气候变化对植被生长能力退化的贡献率≤20%的面积比仅为4.1%，并且范围分散；气候变化对NPP减少的贡献率＞20%的面积占比较小，为0.4%，集中分布在石家庄西南部、邢台东部等地。人类活动对植被生长能力退化有影响的格点贡献率都＞60%，面积占比为4.3%，对植被退化贡献率的区域平均为95.4%。因此，京津冀地区植被NPP减少主要是人类活动导致。

就不同植被覆盖类型而言（图8），气候变化对年NPP变化的贡献率在21.8%～48.5%。气候变化对耕地的贡献率最大，其次为灌丛。人类活动对年NPP的贡献率在51.5%～78.2%，人类活动对林地的NPP贡献率最大，其次为草地。就4种植被覆盖类型而言，人类活动对NPP变化的影响大于气候变化的影响。

表5 两种驱动因素不同贡献率区间面积占比的统计

图8 气候变化和人类活动对主要植被覆盖类型NPP变化的贡献率

3 结论与讨论

3.1 讨论

本研究表明，2001−2020年京津冀植被生长能力整体呈增加趋势，但空间异质性大。气候变化和人类活动共同作用是京津冀多数地区植被生长能力增强的原因。2001−2020年京津冀地区气温上升，降水增加，暖湿化给植被生长提供了良好的水热条件，增强光合作用效率，提高固碳能力[21]。另外京津冀地区实施的生态保护工程（三北防护林工程、退耕还草）[10,22]以及高效农业管理水平等一系列人类活动，对植被变化的影响超过2gC·m−2·a−1，贡献率在60%以上，因此，人类活动属于植被生长过程中不可忽视的重要驱动因素。

气候变化和人类活动同样能够导致植被退化，值得注意的是气候变化对衡水南部以及邢台东部等地植被变化具有一定的负面影响，可能与该地区降水少、气温高导致的干旱日数，尤其是生长季干旱日数较周围地区偏多有关[23]，从而表现出气候对当地植被生产的抑制作用。此外人类活动对植被生长的负面影响在城镇化加速发展的城市地区较为明显，多是由于城市蔓延式扩张和交通路网密度加大对耕地、林地等绿色植被侵占造成[24]。以上研究表明，错综复杂的气候变化和人类活动对京津冀植被NPP变化的空间分布具有决定性意义。

本研究虽然采用“去趋势回归残差法”很好地克服了混淆气候变化和人类活动作用的问题，但是研究中仍然存在诸多不确定性，不同植被对气候变化的响应存在滞后性和累积性，如何细化选择滞后的时间尺度和积累长度[25]；虽然降水、气温和日照时数是影响半湿润半干旱地区植被生长的主要控制因子，但是相对湿度、风速等气象因子的作用也不应忽视；在获取人类活动对植被的影响时，并没有考虑具体人类行为（城镇扩张、交通建设、植被恢复等）的影响，如何定量区分具体人类活动影响及差异，这些问题都是需要考虑并进一步研究的。

3.2 结论

（1）2001−2020年京津冀年NPP呈增加趋势，趋势为3.9gC·m−2·a−1。不同植被覆盖类型增加趋势不一致，林地增加趋势最大，耕地增加趋势最小。NPP趋势存在空间异质性，呈显著增加和减少趋势的面积分别约占总面积的47.8%和4.5%。其中NPP增加较快的区域主要分布在张家口地区，减少较快的区域主要分布在经济发达的城市群（北京除外）。

（2）趋势干扰了气象因子对植被生长能力的实际影响，在定量化评估气候因子对NPP的影响时，有必要去掉趋势剥离人类活动的影响。与包含趋势的结果相比，去趋势的NPP与气温的相关性明显提高，而与降水、日照的相关性有所降低。

（3）气候变化和人类活动对京津冀植被NPP变化的影响存在空间差异，但均以正向影响为主。相比气候变化，京津冀北部地区，人类活动对植被NPP变化正向影响更大，在经济发达的城市区，人类活动的负向影响大。在京津冀大部分地区植被NPP变化的驱动因素为气候变化和人类活动共同作用。

（4）气候变化和人类活动对京津冀NPP变化的响应贡献均存在很大的空间异质性。针对植被显著改善区，气候变化和人类活动贡献率平均为25.8%和74.2%。气候变化贡献率大于80%的区域面积约占1.3%，主要集中在张家口西北部、沧州东部等地；人类活动贡献率超过80%的区域主要集中在张家口中部和西南部、承德大部、沧州南部、衡水大部等地。在植被显著退化区，气候变化的贡献率在20%以下，人类活动贡献率平均为94.9%。就整个区域而言，人类活动对NPP变化的影响大于气候变化的影响。

[1] 刘芳,迟耀斌,王智勇,等.NPP列入生态统计指标体系的潜力分析:以北京地区NPP测算和空间分析为例[J].生态环境学报,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] 史晓亮,杨志勇,王鑫爽,等.黄土高原植被净初级生产力的时空变化及其与气候因子的关系[J].中国农业气象,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,祝宏辉,GAO Gerry,等.气候变化和人类活动对天山北坡净初级生产力变化的影响[J].农业工程学报,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] 同琳静,刘洋洋,章钊颖,等.定量评估气候变化与人类活动对西北地区草地变化的相对作用[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] 李晓光,刘华民,王立新,等.鄂尔多斯高原植被覆盖变化及其与气候和人类活动的关系[J].中国农业气象,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] 金凯,王飞,韩剑桥,等.1982-2015年中国气候变化和人类活动对植被NDVI变化的影响[J].地理学报,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,郭晓娟,等.疏勒河流域气候变化和人类活动对植被NPP的相对影响评价[J].生态学报,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] 刘斌,孙艳玲,王中良,等.华北地区植被覆盖变化及其影响因子的相对作用分析[J].自然资源学报,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] 赵海燕,张文千,邹旭凯,等.气候变化背景下中国农业干旱时空变化特征分析[J].中国农业气象,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] 韩佳昊,张琪,王丽荣,等.海河平原夏玉米主要生育期发生高温干旱并发事件的气候学分析[J].中国农业气象,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] 刘淼,周园园,鲁春霞.1958-2017年京津冀地区气候干旱变化特征[J].水资源研究,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,张锦水.中国陆地植被净初级生产力遥感估算[J].植物生态学报,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] 刘勇洪,权维俊,高燕虎.华北植被的净初级生产力研究及其时空格局分析[J].自然资源学报,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] 孙建国,张卓,韩惠,等.气候和人类因素在黄土高原西北部植被变化中的贡献率研究[J].遥感信息,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] 巢清尘,周波涛,孙颖,等.IPCC气候变化自然科学认知的发展[J].气候变化研究进展,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] 张华,黄建平.对IPCC第五次评估报告关于人为和自然辐射强迫的解读[J].气候变化研究进展,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,顾骏强,封国林.论带有趋势变化的变量的相关:数值试验[J].数学的实践与认识,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] 刘婧,汤峰,张贵军,等.2000-2015年滦河流域植被净初级生产力时空分布特征及其驱动因子分析[J].中国生态农业学报,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] 蔺星娜,牛健植,贾京伟,等.张家口清水河上游流域植被指数时空变化特征[J].中国水土保持科学,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] 张金龙,刘学锋,于长文.河北省干旱分布特征和变化规律分析[J].干旱区研究,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] 吕国旭,陈艳梅,邹长新,等.京津冀植被退化的空间格局及人为驱动因素分析[J].生态与农村环境学报,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,于长文,张婧,等.定量评估京津冀气候变化和人类活动对植被NPP变化的相对作用[J].中国农业气象,2022,43(2):124-136

收稿日期：2021−07−02

国家自然科学基金青年项目（41705075）；河北省创新能力提升计划项目（19245419D）；京津冀协同发展项目（201810979）；河北省气象局科研开发项目（20ky05）

通讯作者：于长文，高级工程师，主要从事气候变化与气候应用研究，E-mail: ycw127@foxmail.com

高旭旭，E-mail: gaoxuxu08@126.com