近20年西南喀斯特地区植被NPP时空变化及自然因素地理探测

何宏昌, 马炳鑫, 靖娟利,2, 徐 勇, 窦世卿, 刘 兵

(1.桂林理工大学 测绘地理信息学院, 广西 桂林541006; 2.广西空间信息与测绘重点实验室, 广西 桂林 541006)

植被净初级生产力(Net Primary Production, NPP)，是指单位时间、单位面积上植被固定的有机干物质的总量[1-2]。植被NPP是表征植物活动的重要变量，是陆地碳循环的重要组成部分，它不仅反映了植被在自然环境下的恢复和退化情况，也是判定生态系统中碳循环过程的主要因子，在全球气候变化中扮演着重要角色[3-5]。近年来，通过植被NPP动态变化来反映生态系统功能成为了生态学研究的热点，监测植被NPP的动态变化并探索其影响因素，已经成为了未来生态保护研究的重点[6-7]。

关于植被NPP的研究开始于19世纪80年代[8]。Nemani等[1]通过研究全球植被NPP的变化情况，发现全球气候朝着有利于植被生长的方向发展；Peng等[9]分析了加拿大中部植被NPP分布特征，指出气候变化、碳含量等因素与植被NPP变化密切相关。我国对植被NPP的研究起源于二十世纪八十年代，国内学者使用不同数据源对不同区域进行了净初级生产力的时空动态及气候影响因子研究。陶波等[2]利用CEVSA模型探讨了1981—1998年中国植被NPP的时空变化格局，指出了气候因子中的降水是影响植被NPP时空分布的关键性因素；刘恒等[10]利用MOD17A3数据集分析了武陵山区植被NPP的时空动态特征及变化趋势，并利用地理探测器的方法解析了气温是影响该区域植被NPP变化的主要因子。

西南喀斯特地区位于中国南部亚热带季风气候区，是世界著名的喀斯特地貌区域，山多地少，土层薄、土质差，并且有石漠化现象[11-12]，生态环境问题已成为影响该地区社会经济发展的瓶颈，受到了学者们的广泛关注。谷晓平等[13]利用AVIM2模型模拟了西南地区植被NPP的空间分布格局和多年变化，发现西南地区植被NPP的空间分布与降水量呈显著正相关，与海拔高度呈负相关；李燕丽等[14]基于光能利用率模型对广西植被NPP进行估算，发现广西植被NPP总体呈现增加趋势，并指出人类活动正在逐渐成为植被NPP变化的主要因素；左丽媛等[15]基于地理探测器方法对2015年贵州三岔河流域植被NPP进行定量归因，发现植被覆盖度和温度是植被NPP的显著控制因子。上述研究为阐明西南地区植被NPP的空间分布特征、动态变化奠定了基础，并在探索植被NPP的驱动力机制上做出了探索。然而，目前大多数研究时间较短，范围较小，且大多数的研究集中于探讨植被NPP与降水及气温之间的关系，对于植被NPP与其他自然因子之间的研究较少。

鉴于此，本文基于长时间序列MOD17A3数据集、基于站点的气象数据和DEM数据，运用趋势分析、Mann-Kendall检验、R/S分析及地理探测器方法研究西南喀斯特地区植被NPP时空格局及变化趋势，探讨自然因子对植被NPP的影响程度，以期为该区环境保护和生态系统变化提供科学依据。

1 研究区概况

研究区位于中国西南部，包含3个省级行政区、1个自治区和1个直辖市，分别为四川、云南、贵州、广西壮族自治区及重庆。地理位置介于97°21′—112°04′E，20°54′—34°19′N。东临南岭山脉、鄂西山地，西起青藏高原，北依秦岭淮河一带，南毗邻越南、老挝、濒临于北部湾和南海；区域总面积137.63万km2，占全国陆表总面积的14.34%。该区域地势自西向东阶梯式降低，地形地貌复杂，是世界著名的喀斯特地貌区，其中包含横断山脉、云贵高原、四川盆地、广西丘陵等，气候条件以亚热带季风气候和热带季雨林气候为主，年均温为12～27℃，年降水量为1 000～1 300 mm，受季风气候影响，水热条件良好，适合植物生长发育，降水自东南向西北方向递减，受地形因素影响很大(图1)。

图1 研究区概况

2 数据与方法

2.1 数据来源及预处理

植被NPP数据为MOD17A3数据集，该数据时间跨度为2000—2019年，空间分辨率为500 m，时间分辨率为1 a，数据来源于美国国家航空航天局(http:∥lpdaac.usgs.gov)。DEM数据来源于地理空间数据云(http:∥www.gscloud.cn/search)，空间分辨率为30 m，主要用于提取研究区高程、坡度及坡向等数据。同期气象数据包括全国613个站点在的逐月气温、降水、湿度和日照时数数据，源于国家地球系统科学数据共享服务平台( http:∥www.geodata.cn/)，该数据经剔除无效值，利用ArcMap10.8软件的IDW工具进行插值，得到空间分辨率为500 m的栅格数据。

2.2 研究方法

2.2.1 植被NPP变化动态分析 一元线性回归趋势分析能逐像元分析研究区植被NPP的波动规律和动态变化[16]，计算过程如下:

(1)

式中:T为植被NPP变化的趋势和强度；n表示估算年数；NPPi为第i年植被NPP值。若T>0,表示此区域植被NPP值呈增加趋势,反之减少,且T绝对值越大,变化趋势越明显。

2.2.2 植被NPP变化显著性检验 本文采用Mann-Kendall(MK)趋势检验方法对植被NPP的变化趋势的显著性进行检验。MK检验是一种非参数检验方法，在气象与水文研究中广泛使用，其优点是计算样本不用遵循特定的规律分布，且不受少数异常值的影响[17-19]。

该方法通过计算检验值(Z)判断时间序列变化趋势是否显著，标准化后Z值为标准正态分布排列，根据标准正态分布表采用置信度95%的条件下对应的值，即|Z|>1.96的区域表示具有显著的变化趋势，反之表示趋势变化不显著，计算公式详见参考文献[20]。根据研究区2000—2019年植被NPP数据，使用MATLAB 2020年软件编程实现植被NPP逐像元计算。

2.2.3 植被NPP变化持续性分析 R/S分析法(rescaled range analysis)，又称为重新标度极差分析法，最先被用于水文研究，经过多国学者进行完善，已经成为了研究水文学、气候学等方面长时间序列数据的经典方法，并相较于传统的残差方差法、聚合方差法准确性更高[21-23]。通过计算赫斯特指数(H)来分析研究区植被NPP变化趋势的持续性，计算方法详见参考文献[21]。

2.2.4 地理探测器法 地理探测器法，最早由中国学者王劲峰等[24]提出并使用，是一种探测空间要素成因和机理的重要方法，已经被广泛应用到社会经济、风险评估、人类健康等相关领域中[25-27]。该方法不仅可以探测空间分异性的大小，还可用于识别不同因子之间的交互作用，即评估双因子对植被NPP共同作用时是否会增加或减弱对植被NPP的解释力，其具体计算公式详见参考文献[24]。空间分异性是由地理探测器的q值来衡量的，q的取值范围为[0,1]，当q值越大时，表明该因子对NPP的影响越大，反之则影响越小。本文选取高程(AL)、坡度(SL)、坡向(AS)、生物温暖指数(BWI)、生物寒冷指数(BCI)、生物干湿度指数(BK)、湿度(H)、日照时数(S)、降水(P)、气温(T)共计10种自然因子(其中BWI，BCI，BK计算方法详见参考文献[28-30])。研究过程中，研究区划分为2 km×2 km的栅格点，各因素进行重分类后将其与植被NPP空间关系进行一一对应，以格网为基本单元，对研究区逐年进行因子影响力探测。

3 结果与分析

3.1 植被NPP空间分布特征

基于西南喀斯特地区2000—2019年的植被NPP数据逐像元计算近20 a年均植被NPP，计算结果见图2。从图2可以看出，研究区年均植被NPP分布呈现出明显的空间异质性，20 a间总体均值为751.37 gC/(m2·a)，空间分布总体呈北低南高，造成这种分布的原因可能与气候变化、人类活动、土壤类型、地形、植被类型等因素有关。

图2 2000-2019年西南喀斯特地区年均NPP空间分布

为了进一步分析西南喀斯特地区年均植被NPP空间分布格局，将年均NPP分为7个等级(分级规律见参考文献[14])。从图2可以看出，大部分区域植被NPP值在550～1 000 gC/(m2·a)；低值区[0～550 gC/(m2·a)]占研究区面积的26.55%，主要分布在横断山脉和四川盆地，这些区域植被NPP植较低的原因主要有两点，一部分地区平均海拔较高，自然环境恶劣，植被覆盖相对较低，另外一部分区域地处盆地平原，城镇建设面积大，受人类活动影响较大。高值区[1 000～1 950 gC/(m2·a)]占研究区面积的19.19%，主要分布在云贵高原南部区域，如云南西双版纳傣族自治州、德宏傣族景颇族自治州及其附近区域，广西防城港市、大桂山一带也有零星分布，这些区域植被类型主要为针叶林及阔叶林，因此其植被NPP较高。

3.2 植被NPP时空变化特征

3.2.1 植被NPP时间变化特征 从时间上来看(图3)，西南喀斯特地区2000—2019年植被NPP年际变化特征明显，20 a间研究区植被NPP介于706.28～793.57 gC/(m2·a)，波动幅度为87.29 gC/(m2·a)，最小值出现在2000年，最大值出现在2015年，整体呈现上升趋势，年均上升速率为3.67 gC/(m2·a)。从总体变化趋势来看，2000—2003年、2005—2009年和2012—2018年植被NPP呈现波动上升趋势，2004—2005年和2009—2010年植被NPP出现明显降低。其中植被NPP下降原因可能与2004年南方大旱以及2009年间西南旱情致使降雨不足，温度升高，植被生长受限，西南地区生态被破坏有关[31]。

图3 2000-2019年西南喀斯特地区年际NPP变化趋势

3.2.2 植被NPP空间变化特征 基于一元线性回归趋势方法，对西南喀斯特地区2000—2019年植被NPP进行逐像元趋势分析，并结合MK检验，得到近20 a研究区植被NPP变化趋势(图4)。从图4可以看出，植被NPP呈增加趋势的占比为78.10%，其中呈显著增加趋势(|Z|>1.96,T>0)的区域占42.14%，主要分布在四川盆地、乌蒙山一带，广西丘陵及云贵高原西部也有少量分布。植被NPP呈减少趋势的占比为21.90%，其中呈显著减少趋势(|Z|>1.96,T<0)的区域占3.90%，主要分布在云南西双版纳傣族自治州、普洱市附近，广西丘陵也有呈零星分布的显著减少区域。总体来看，研究区植被NPP呈增加趋势的区域远大于呈减少趋势的区域，由于气候变化和人类活动的影响，各地区植被NPP变化存在显著的空间差异。

图4 2000-2019年西南喀斯特地区植被NPP变化趋势

3.3 植被NPP未来变化趋势分析

为探究西南喀斯特地区植被NPP未来变化趋势，对研究区植被NPP进行R/S分析，并参考文献[32]将分析结果分为3个等级，反持续(H<0.5)，弱持续(0.50.75)，并将分级结果与变化趋势进行叠加分析，得到12种未来变化趋势。如图5所示，H> 0.5的区域占比为94.93%，说明研究区未来植被NPP变化趋势具有较高的持续性，其中呈强持续的面积占比为48.23%，主要分布在嘉陵江东部及长江重庆段上游地区，乌蒙山一带及广西盆地、都阳山附近也有大量分布。由表1可知，研究区未来植被NPP以增加趋势为主；未来呈增加趋势的面积占比为76.97%，其中呈强持续增加的面积占30.67%，主要分布在四川盆地、五莲峰、乌蒙山一带，广西河池市及南宁市附近地区，其他地区有零星分布；未来呈减少趋势的面积占23.03%，主要分布在云贵高原南部及横断山脉等地。

3.4 植被NPP驱动因素分析

3.4.1 植被NPP自然因子影响力分析 植被NPP变化是多个因子协同作用后的结果，应综合考虑自然因素对植被NPP的影响。基于地理探测器方法，本文选取高程(AL)、坡度(SL)、坡向(AS)、生物温暖指数(BWI)、生物寒冷指数(BCI)、生物干湿度指数(BK)、湿度(H)、日照时数(S)、降水(P)、气温(T)共计10种自然因素，对影响植被NPP变化的因素进行了探测。如表2，表3所示，不同年份驱动因子q值不同(除坡向外其余各因子p检验值均小于0.01)，说明不同年份，驱动因子对植被NPP解释力强度不同。20 a间，湿度、生物温暖指数、日照时数和气温是影响西南喀斯特地区植被NPP空间分布差异的主要因素，q均值分别为0.405，0.351，0.350，0.308；降水、高程、生物寒冷指数、生物干湿度指数是造成研究区年均NPP空间差异的次要因素，其q均值均超过了0.2；坡度q均值小于0.1，说明坡度在一定程度上影响植被NPP空间分布差异，但影响程度较小；坡向q均值接近于0，p检验值大于0.01，说明坡向与植被NPP无明显的线性及非线性关系。

1)数据访问对象(DAO)模式：主要用于软件架构的数据层，其主要功能为完成数据的编辑(添加、删除和修改)与查询。

表1 西南喀斯特地区植被NPP未来变化趋势

图5 西南喀斯特地区植被NPP Hurst指数

3.4.2 植被NPP自然因子交互作用探测分析 使用地理探测器交互作用模块对植被NPP的驱动因子进行交互作用探测，用来评估双因子共同作用时是否会增强或减弱对植被NPP解释力，或者这些因子对植被NPP作用是否是相对独立的。见表3，不存在相互独立对植被NPP起作用的因子，并且双因子交互作用q值均大于单因子q值，说明双因子交互作用对植被NPP作用均表现为双因子增强或非线性增强。其中，湿度、生物温暖指数、日照时数、气温及高程与其他因子交互作用较强，其中高程∩生物温暖指数、高程∩湿度和湿度∩日照时数的q值最高，分别为0.498，0.493，0.482。双因子对研究区植被NPP的作用并非简单相加，而是一种双因子增强或非线性增强的关系。

表2 2000-2019年自然因子对西南喀斯特地区植被NPP影响力

表3 双因子交互作用对西南喀斯特地区植被NPP的解释力

4 讨 论

西南喀斯特地区气候多变，地形复杂，大范围监测西南喀斯特地区植被NPP变化及驱动因素的研究相对较少。鉴于此，本文基于MOD17A3 NPP数据，揭示西南喀斯特地区植被NPP年际变化趋势及驱动力，选取10种自然因子，以便更好的分析研究区植被NPP空间分布差异的驱动因素。研究发现，20 a间西南喀斯特地区植被NPP总体均值为751.37 gC/(m2·a)，高于李登科等[33]研究得出的中国陆地植被NPP均值的273.5 gC/(m2·a)及陶波等[2]研究得出的342 gC/(m2·a)，这主要与西南地区水热条件良好，适合植物生长，植被覆盖度高有关。研究结果与董丹等[34]基于改进的CASA模型研究得出的1999—2003年西南地区的植被NPP估算结果相近，且都得出西南喀斯特地区植被NPP在2000—2002年呈持续上升趋势，在2003年呈下降趋势；研究结果与黄晓云等[35]研究结果相同，均得出2006—2011年西南喀斯特地区植被NPP呈波动下降趋势。这些结果从侧面验证了本文研究结果的准确性，一定程度表明了近年来西南喀斯特地区植被覆盖度增加，生态环境得到改善，退耕还林、还草政策已对植被NPP增加起到了促进作用。

本文运用地理探测器的方法分析了西南喀斯特地区植被NPP空间差异的主要因素，发现湿度、生物温暖指数及日照时数在10种驱动因子中解释力较高，这3种驱动因子与气温具有较大的线性关系，研究结果同样表明降水解释力(q=0.265)低于气温解释力(q=0.308)，此研究结果与黄晓云等[35]一致，降水与植被NPP的相关性低于气温与植被NPP的相关性，这可能与西南地区降水充沛，降水量对不同地区的植被生长存在促进与抑制的作用有关。本文研究结果中气温解释力大于降水解释力与谷晓平等[13]研究结果不同，其原因可能与NPP估算模型和驱动数据的不同及研究区域及研究时段的不同有关。

此外，植被 NPP变化是受气候变化及人类活动的共同影响，有研究表明[36-37]，西南喀斯特地区随着人类退耕还林、还草政策的实施，人类活动对NPP的影响力逐渐上升。本研究只基于自然因子对植被NPP的变化进行驱动力分析，并未对人类活动对植被NPP的影响进行探究，此方面将作为下一步的研究内容。

5 结 论

(1) 近20 a西南喀斯特地区植被NPP总体均值为751.37 gC/(m2·a)，空间分布上呈南高北低的分布格局，植被NPP较高的区域主要分布在云贵高原西部及广西丘陵一带，较低的区域主要分布于横断山脉及四川盆地等地，植被NPP分布格局主要与地理环境、人类活动、植被类型及气候变化有关。

(2) 从时间变化看，近20 a研究区植被NPP整体呈上升趋势，增长速度为3.67 gC/(m2·a)；从空间变化看，植被NPP呈上升趋势的面积占78.10%，呈显著增加的区域占42.14%，主要分布在四川盆地、乌蒙山一带；呈下降趋势的占21.9%，主要分布在云南西双版纳傣族自治州、普洱市等地。

(3) 从未来趋势分析来看，植被NPP以上升趋势为主，呈上升趋势的区域占76.97%，其中呈强持续增加的面积占30.67%，主要分布在四川盆地及乌蒙山一带；呈下降趋势的面积占23.03%，主要分布在云贵高原南部及横断山脉附近地区。

(4) 驱动因子影响力分析结果表明，影响西南喀斯特地区植被NPP的主导因子为湿度、生物温暖指数、日照时数和气温，其q均值均超过0.3；次要因子为降水、高程、生物寒冷指数、生物干湿度指数，q均值均超过了0.2。各因子交互作用之间表现为双因子增强或非线性增强，其中高程∩生物温暖指数、高程∩湿度和湿度∩日照时数的q值最高，分别为0.498，0.493，0.482。