江西省森林植被NPP的时空变化及气候影响分析

陈兴鹃，李翔翔，徐 爽，聂志强，黄淑娥*

（1.江西省生态气象中心，江西 南昌 330096；2.江西省气象科学研究所，江西 南昌 330096；3.河北省邢台市气象局，河北 邢台 054000）

森林植被生态系统对气候变化的敏感性很强，两者的相关性一直以来都是国内外的研究热点［1-4］。森林植被净的初级生产力（Net Primary Productivity，NPP）是指林区绿色植物通过光合作用在单位时间、单位面积内所产生的有机物质总量与自养呼吸之差［5-6］。NPP是反映陆地生态系统服务功能的最基本特征量之一，可以直观地反映出植被系统在其各自生存环境下的生产能力［7-9］。

目前，国内外学者对全球森林NPP的分布特征已有较多研究。Del等［10］指出全球森林NPP呈现了从寒冷气候区向温暖气候区呈逐渐增大的趋势，热带气候区明显高于温带气候区。焦翠翠等［11］也指出，全球森林的NPP满足“纬度越高，NPP越低”的规律，且从全球角度研究，相较于年降水量，年均气温与森林NPP有更强的相关性。根据中国地势和森林系统的分布，对森林NPP的研究以我国东北和东南林区为主。毛德华等学者分别对东北地区、东南地区植被NPP的分布特征以及气候影响关系做了初步的探讨［12-14］。李登秋等［15］研究了东南地区森林NPP在气候变化、林龄、CO2浓度和氮沉降等不同因子驱动下的变化趋势。

江西省是全国生态文明试验区之一［16］，作为我国南方重点林区，丘陵和山地占全省国土面积的60%以上，森林植被生态是影响江西省生态系统质量的重要因素。因此开展江西省森林NPP的空间格局、动态变化及驱动因子的研究和学术探讨，对江西省生态示范区建设和生态质量监测与评价具有重要的指导作用和重大的现实意义。本文采用遥感（RS）和地理信息系统（GIS），针对近20年江西森林NPP的演变规律开展了精细化分析和讨论，通过构建气候因子立体分布模型，对气候变化的响应情况进行分析，旨在了解近几十年来江西省森林植被的分布格局、稳定性特征和变化趋势，为江西省生态文明建设、生态质量评价、森林资源的合理开发利用等提供科学依据。

1 数据来源与方法

1.1 数据来源

研究中涉及的归一化植被指数（NDVI）、土地利用分类和森林植被类型数据主要采用2000 ～2019年的EOS/MODIS资料，来源于美国USGS网站（https：//lpdaac.usgs.gov）提供的1 km空间分辨率的月合成产品（MOD13A3）和500 m空间分辨率的年合成产品（MCD12Q1）。依据IGBP全球植被分类方案，选取常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混交林、灌木丛等6种森林植被类型开展研究［17］。

NPP计算及气候要素影响分析所用到的气象数据来自江西省气象局2000～2019年87个气象站的逐日降水、气温、湿度、辐射等资料。

1.2 研究方法

1.2.1 NPP计算 基于光能利用率原理，根据陆地生态系统碳通量模型TEC［8，18］计算植被NPP，公式如下：

式中，NPP：当月的植被净初级生产力；GPP：当月的总初级生产力；R：当月的呼吸消耗量［g C/（m2·月）］，包含生长呼吸和维持呼吸2个部分；ε：实际光能利用率，可根据植被类型、空气温度和地表湿润指数等数据进行计算； FPAR：植被吸收光合有效辐射的比例，可利用逐月归一化差值植被指数（NDVI）进行估算；PAR：入射光合有效辐射［MJ/（m2·月）］，其占太阳总辐射的比例为0.48。

以月植被NPP为基础，对各个月植被NPP进行累加，可得到江西省2000～2019年各年度1 km分辨率的植被NPP数据。

1.2.2 气象数据处理 降水数据基于2000～2019年全省气象台站逐日气象资料，采用反距离权重插值法获得与NPP空间分辨率一致的降水栅格数据。江西省以丘陵山地为主，气温随海拔的变化会发生明显变化。省内87个气象站点大部分位于海拔较低的平坦地区，仅庐山和井冈山为高山气象观测站，且站点间隔各不相同，直接插值计算气温网格数据，不能准确反映各网格点气温随海拔变化的真实情况。为客观地反映江西省内气温的立体分布特征，根据区域地形特点，分区域分年度建立精细化气温高程模型。江西省全境共分为赣东北武夷山区（Ⅰ区）、赣西北庐山区（Ⅱ区）、赣西井冈山区（Ⅲ区）、赣南南岭山区（Ⅳ区）这4个气候区（图1），根据各区域内各气象站点气温与海拔的关系模型和全省数字高程模型（DEM），计算出江西省2000～2019年各年度气温1 km网格数据。

图1 江西省气候分区示意图

根据每个区域内气象站点的历史观测数据，利用线性回归方法，分别建立各年度气象要素与海拔的关系模型。以2019年为例，表1列出的是2019年度不同分区内年平均气温的高度模型。根据计算，各年度不同区域年平均气温高度模型的相关系数均大于0.9，相关性显著。

表1 2019年平均温度不同区域的高度模型

1.2.3 林区信息提取 根据土地利用分类数据，将NPP数据、气象要素数据与森林类型数据进行集成，提取得到2000～2019年森林植被NPP数据和林区气象要素（气温、降水）数据。

1.2.4 趋势分析 采用一元线性回归分析法，利用方程斜率（θslope）计算NPP随时间的变化趋势，其值的大小反映NPP增加或减小的倾向程度［19］。

一元线性回归方程斜率计算公式为：

式（3）中：n为研究年数；i代表第i年；NPPi为第i年的NPP值。θslope即可表示NPP随年份的变化趋势。

1.2.5 稳定性分析 变异系数（Coefficient of variation， CV）是反映样本波动的常用指标。本文计算了2000～2019年江西省森林植被NPP的变异系数，通过变异系数的变化来描述森林植被NPP年际间的稳定性。

变异系数计算公式为：

式（4）中：n为研究年数；i代表第i年；NPPi为第i年的NPP值；NPP为NPP的n年平均值。CV值越小，代表植被稳定性越高。

1.2.6 相关性分析 气象因子与森林植被NPP的相关性，采用Pearson相关分析法进行分析。

相关系数计算公式为：

式（5）中：Rxy为相关系数；n为研究年数；i代表第i年；x为自变量（气温、降水），y为因变量（NPP）。

2 结果与分析

2.1 江西省森林植被NPP的时空变化特征

从江西省森林植被NPP年际变化曲线图可知（图2A），近20年来江西省森林植被生产力整体呈波动增长的趋势，平均增加量为3.63 g C/（m2·a）。其中，2003年和2019年的森林植被NPP较其他年份显著偏小。这主要是因为江西省2003年夏季出现了历史罕见的大范围高温干旱，2019年则出现了特大夏、秋、冬3季连旱，森林植被的光合机能减弱，所累积的有机物数量明显减小。

不同森林类型的NPP值有所不同（图2B），常绿针叶林和常绿阔叶林的年均NPP要明显高于其他森林类型，其中常绿针叶林近20年平均NPP为1050.4 g C/（m2·a），常绿阔叶林近20年平均NPP为1043.1 g C/（m2·a）。落叶针叶林年均NPP值最低。趋势计算结果表明，近20年各森林类型NPP变化趋势率均大于0，呈现向上的趋势。其中落叶阔叶林最大，为4.14；其次矮树灌丛，为4.11；常绿阔叶林最小，为2.92。

图2 2000～2019年江西省森林植被NPP（A）及不同类型森林植被NPP（B）的年际变化趋势

从空间分布上来看（图3A），近20年江西省森林植被年均NPP值主要分布在800～1200 g C/（m2·a）之间，NPP平均值为1007 g C/（m2·a），其中NPP值大于1000 g C/（m2·a）的林区占森林总面积的64.4%。NPP值大于1200 g C/（m2·a）的林区主要分布在赣南南部及赣东部分地区。在空间领域，NPP值表现出由外围向中间递减、南高北低的特征，这主要受江西省东、西、南三面环山、热量资源南多北少、中部地区主要为耕地、人类活动干扰较多等因素影响。

由于2019年为特大高温干旱年，NPP值发生断崖式降低，因此采用2000～2018年度数据进行NPP变化趋势分析。从变化趋势空间分布来看（图3B），近20年江西省大部分林区NPP呈增加趋势，占林区总面积的95.7%，说明绝大部分林区植被生产能力变好，植被生态系统质量正在稳步提升。其中，增加趋势十分明显的区域主要分布在赣南和赣西等地。NPP呈减小趋势的林区很少，仅占林区总面积的4.3%，减少趋势十分明显的区域多分布在与设区市辖区（如新余、萍乡、南昌、上饶、景德镇）的交会处，原因主要在于城镇发展和人类活动对森林植被的破坏。

图3 江西省森林植被年均NPP的空间分布（A）及其变化趋势（B）

2.2 江西省森林植被NPP的稳定性分析

采用变异系数来描述森林植被NPP变化的稳定性，并利用自然断点法［20］，将稳定性分为5个等级，分级标准见表2。从空间分布特征（图4）来看，江西省森林植被NPP稳定性呈现出从赣东南向赣西北增强的趋势，幕阜山、九岭山、罗霄山、怀玉山等山脉处的森林植被NPP稳定度较高。根据统计结果，较高稳定度以上林区面积占比约为48.8%，中稳定度林区面积占比约为44.6%，较低稳定度以下林区面积占比约为6.6%。可见，2000年以来江西省大部分林区处于中等以上稳定性水平，森林植被生态系统的光合生产能力良好。但较高稳定以上水平的林区所占比例不高，而且个别区域稳定度很低，植被生产能力波动性较大，这主要由于江西省人工林面积大，森林生态总体还比较脆弱，应改善人工林结构，加强天然林保护制度的建设，从整体上提高人工林和天然林的光合生产能力。

图4 江西省森林NPP稳定性的空间分布

表2 江西省森林植被NPP稳定性分级表

2.3 NPP与气候因子的相关性分析

气温和降水量是对植被生长起主要作用的气候因子，直接影响植被NPP积累量。对2000～2019年江西省森林植被NPP与年平均气温、年降水量逐像元计算相关系数，结果表明，相关性空间分布差异较明显（图5）。江西省大部分林区植被NPP与气温呈正相关关系，占林区总面积的80.9%；相关系数集中分布在0～0.6之间，占林区总面积的78.4%。大部分林区植被NPP与降水量呈现正相关关系，占林区总面积的90.4%；相关系数集中分布在0～0.5之间，占林区总面积的87.9%。说明气温和降水量的增加均有利于江西省森林植被NPP的提升。

图5 江西省逐年森林植被NPP与年平均气温、年降水量的相关性分析

NPP与降水量达到显著性正相关（P＜0.05）的区域较少，仅占林区总面积的6.1%，主要分布于赣西北的幕阜山等地。NPP与气温达到显著性正相关（P＜0.05）的区域占林区总面积的14.5%，主要分布于赣西的武功山、罗霄山和赣南部分地区。显著性分析表明，相比于降水量，气温是影响江西省森林植被NPP变化更为显著的气象因子。

3 结论

利用卫星遥感和气象数据等，对近20年江西省森林植被NPP的时空变化及气候影响进行了定量分析，研究发现：在年际变化上，江西省森林植被NPP整体呈波动增加的趋势，平均增加量为3.6 g C/（m2·a），增加的区域占林区总面积的95.7%，其中赣南、赣西部分地区NPP增加更为明显。在空间分布上，大部林区的NPP年均值大于800 g C/（m2·a），大 于1000 g C/（m2·a）的 区 域占森林总面积的64.4%，其中赣南南部及西部等地的NPP值最高，森林植被净初级生产力最强；NPP值在空间上体现出由外围向中间递减、南高北低的特征。相较于其他森林植被类型，常绿针叶林和常绿阔叶林年均NPP值最高；近20年各森林类型NPP变化均大于0，NPP呈增加的趋势。

对NPP和气候因子的逐像元相关分析结果表明，年平均气温和年降水量与江西省森林植被NPP具有较高的相关性，其中气温与NPP的相关性更为显著且区域分布更广。

近年来，中央和地方政府加大了山水林田湖草生态环境保护与修复的力度，尤其是实施了划分森林保护区、退耕还林等政策，江西省植被生态得到很好的恢复，森林植被NPP稳步提升。本文仅开展了气候因素对森林植被NPP的影响分析，未将人类活动对植被生态变化的影响加以分析。今后将在本研究基础上，综合人为因素和地形地貌等因素进一步研究森林植被生态变化的多因子驱动机制，定量评估各因子的贡献率，为区域生态环境的建设与评价、资源的开发利用等提供科学参考依据。