吉林省植被NPP的动态演变及其与气候因子的相关性

刘山林, 李春景

( 延边大学 地理与海洋科学学院, 吉林 延吉 133002 )

0 引言

植被净初级生产力(net primary productivity,NPP)是指单位面积的绿色植物在单位时间内通过光合作用产生的有机干物质总量在扣除自养呼吸所消耗的能量后所剩余的部分[1],它能够表征陆地植被系统的整体生态质量[2].近年来,已有学者对吉林省的植被NPP进行了研究.例如:罗玲等[3]利用2000—2006年MOD17A3数据集的年均植被NPP数据对吉林省西部草地生长的主要影响因素进行了研究;汤洁等[4]利用CASA模型和土壤微生物呼吸模型计算了2001—2010年吉林省西部的陆地植被NPP和土壤微生物呼吸RH;刘舒[5]对2000—2016年吉林省西部的湿地面积及其NPP的时空动态变化规律进行了研究.但是,目前相关研究大多针对的是吉林省的局部区域,且对植被NPP未来发展变化趋势的预测以及不同土地覆盖类型的植被NPP与气候因子的相关性研究得较少,因此本文将研究2000—2021年吉林省植被NPP的动态演变,并在此基础上分析不同土地覆盖类型的植被NPP与气候因子的相关性以及植被NPP未来发展的变化趋势,以期为吉林省植被生态环境的评价和保护提供参考.

1 研究区概况与数据来源

1.1 研究区概况

吉林省位于中纬度欧亚大陆的东侧(40°50′～46°19′N,121°38′～131°19′E),面积为18.74万km2.气候从东南部向西北部由湿润气候逐渐过渡到半湿润气候和半干旱气候;地势东南高、西北低;东部地区主要为典型的山地森林植被,中部地区主要为森林草原过渡带,西部主要为草甸草原植被[6].图1为研究区的概况图.

1.2 数据来源

本研究采用的数据主要包括NPP数据、气象数据、土地覆盖数据.NPP数据来自美国国家航空航天局(NASA)的MOD17A3数据(https://lpdaac.usgs.gov),时间分辨率为1 a,空间分辨率为500 m.气温、降水数据集来自国家青藏高原科学数据中心(https://data.tpdc.ac.cn/)的中国1 km分辨率逐月平均气温数据集和中国1 km逐月降水量数据集[7];太阳辐射数据来自Terra Climate气象数据集(https://www.climatologylab.org/);土地覆盖数据来自武汉大学杨杰和黄昕团队发布的1985—2021中国逐年土地覆盖数据集(https://www.zenodo.org/)[8].为避免因空间分辨率和坐标系等不同而在后续处理数据时产生误差,本文将所有数据统一投影至WGS84/Albers坐标系,并将其分辨率设置为500 m.

2 研究方法

2.1 趋势分析法

趋势分析法是一种对时间变量进行线性回归分析的方法[9].由于该方法可以综合表征一定时间序列内区域格局的演变规律,因此其可用于衡量植被NPP的变化情况.趋势分析法的表达式为:

式中:θslope为趋势线斜率,即NPP的年际变化速率;Mi是第i年的NPP值;i为年变量;n(n=22)为监测年数.当θslope>0时,表示植被NPP呈增加趋势;反之则呈减少趋势.植被NPP变化趋势的显著性由F检验来判断.本文根据F检验结果,将变化趋势分为以下级别:极显著减少(θslope<0,P<0.01)、显著减少(θslope<0,0.010.05)、不显著增加(θslope>0,P>0.05)、显著增加(θslope>0,0.010,P<0.01).

2.2 重标极差(R/S)分析法

重标极差分析法是一种定量描述数据在时间序列内其持续性特征的方法,它能够反映出时间序列的长期变化情况(通过计算Hurst指数)[10].Hurst指数(H)的取值区间为[0,1]:①当0.5

2.3 相关系数

由于相关系数可以直观地反映出各要素之间的相互影响程度,因此本文通过计算气候因子与植被NPP变化的相关系数来分析其相关性.相关系数的计算公式[11]为:

3 植被NPP的时空动态演变特征

3.1 植被NPP的时间变化特征

图2为2000—2021年吉林省植被NPP的年际变化情况.由图2可以看出:2000—2021年吉林省植被NPP的最大值和平均值都出现缓慢波动性的增长趋势,年均植被NPP在351.71～497.66 gC/(m2·a)范围内.其中:峰值出现在2014、2017、2019年,分别达到1098.00、1101.00、1100.10 gC/(m2·a);谷值出现在2010、2016、2018年,分别达到871.04、961.21、996.24 gC/(m2·a).

图2 2000—2021年吉林省植被NPP的年际变化

图3为2000—2021年吉林省不同土地覆盖类型的植被NPP年际变化情况.由图3可以看出,2000—2021年吉林省不同土地覆盖类型的植被NPP都出现了缓慢波动性的增长趋势,但不同土地覆盖类型的植被NPP值差异较大.其中:森林的植被NPP值变化范围为495.03～685.24 gC/(m2·a),其年均值为626.95 gC/(m2·a)(最高);耕地和湿地的植被NPP值变化范围分别为244.81～382.57 gC/(m2·a)和219.55～372.17 gC/(m2·a),其年均值分别为339.87 gC/(m2·a)和317.19 gC/(m2·a);草地的植被NPP值变化范围为162.29～329.11 gC/(m2·a),其年均值为243.44 gC/(m2·a);裸地的植被NPP值变化范围为104.10～233.30 gC/(m2·a),其年均值为170.85 gC/(m2·a).

图3 不同土地覆盖类型植被NPP的年际变化

3.2 植被NPP的空间变化特征

3.2.1植被NPP年均值的空间分布格局

图4为2000—2021年吉林省植被NPP均值的空间分布情况.由图4可知,吉林省植被NPP的空间分布呈由西北向东南逐渐递增的趋势,年均植被NPP在40.11～961.42 gC/(m2·a)范围内.其中:东部地区(占吉林省总面积的41.94%)的植被NPP均大于500 gC/(m2·a),这些地区主要包括吉林市、延边朝鲜族自治州、白山市以及通化市,其中高值区位于延边朝鲜族自治州的北部和东部;西北地区(占吉林省总面积的20.40%)的植被NPP均低于300 gC/(m2·a),这些地区主要包括白城市、松原市西部等地区,其中最低值区位于白城市和松原市的交界地带.

图4 2000—2021年吉林省植被NPP均值的空间分布

3.2.2植被NPP的变化趋势分析

图5为2000—2021年吉林省植被NPP的空间变化趋势情况.由图5可知:植被NPP呈极显著增加和显著增加趋势的区域分别占吉林省总面积的29.84%和15.57%,这些地区主要包括白城市、松原市、长春市北部、吉林市北部、四平市西部等地区;植被NPP呈无显著变化的区域占全省总面积的53.95%.从不同土地覆盖类型植被NPP变化趋势的面积占比(图6)可以看出:草地和裸地主要分布于吉林省西部地区(面积较小),并呈现出显著的增加趋势,其中草地的植被NPP呈极显著增加和显著增加的面积分别占草地总面积的87.63%和4.32%;森林的植被NPP呈无显著变化的区域占森林总面积的75.61%,这表明森林植被NPP的整体变化不大;耕地的植被NPP呈极显著增加的面积占耕地总面积的45.02%,整体上呈增加的趋势.

图5 2000—2021年吉林省植被NPP的变化趋势等级图

图6 不同土地覆盖类型植被NPP变化趋势的面积占比

4 植被NPP的未来变化趋势预测

图7为吉林省植被NPP的Hurst指数分布(a)和植被NPP变化趋势的预测结果(b).由图7(a)可以看出:吉林省植被NPP的Hurst指数分布在0.15～0.88之间,研究区内未出现指数为0.5的区域,且其中Hurst指数小于0.5的区域占全省总面积的61.15%,这表明吉林省未来植被NPP的变化主要表现为反持续特征.为了更好地预测植被NPP的未来变化趋势,本文将植被NPP的变化趋势图与Hurst指数分布图进行了叠加(见图7(b)),并按照表1的分类标准将叠加结果分为10种类型.由图7(b)可以看出:Hurst指数小于0.5的区域中,植被NPP呈反持续极显著增加和反持续显著增加的区域占吉林省总面积的27.32%,且其分布较为分散(主要分布在白城市、松原市西部、吉林市北部等地区).这表明,这些地区植被NPP的增加趋势在未来将会放缓.

表1 吉林省植被NPP的未来变化趋势

图7 吉林省植被NPP的Hurst指数分布(a)和未来变化趋势的预测结果(b)

在Hurst指数大于0.5的地区中:植被NPP呈持续极显著和持续显著减少的区域仅占0.55%.这表明,仅有极小区域的植被NPP在未来会呈持续减少的趋势.植被NPP呈持续显著和持续极显著增加的区域分别占吉林省总面积的6.47%和11.63%,主要分布在松原市、长春市西部、四平市中西部等地区.这表明,该区域的植被NPP在未来会呈持续增加的趋势.

5 植被NPP与气候因子的相关性

研究表明,气候因子对植被NPP的影响具有区域差异性[12-14].在诸多气候因子中,由于气温、降水、辐射量与植物生长的关系最为密切[15],因此本文选取这3个因素来分析其对植被NPP的影响.

图8为2000—2021年吉林省气温、降水、太阳辐射与植被NPP的相关性.由图8(a)可以看出:植被NPP与气温呈不显著相关的区域占吉林省总面积的88.68%,呈显著正相关和极显著正相关的区域占吉林省总面积的11.32%.这表明吉林省大部分地区的植被NPP与气温的相关性较小.呈显著正相关和极显著正相关的区域主要分布在延边朝鲜族自治州北部、通化东南部和白山市等地区.

图8 2000—2021年吉林省气温(a)、降水(b)、太阳辐射(c)与植被NPP的相关性

由图8(b)可以看出:植被NPP与降水的相关性呈极显著正相关和显著正相关的区域分别占吉林省总面积的22.32%和6.17%,这些区域主要分布在白城市、松原市、四平市西部以及长春市和松原市的交界地区.其原因是吉林省西部平原区为温带大陆性季风气候,蒸发量大于降水量,易形成干旱[16].植被NPP与降水量呈极显著负相关和显著负相关的区域占吉林省总面积的0.23%和2.18%,这些区域主要分布在延边朝鲜族自治州和白山市.其原因主要是:一是吉林省东部地区夏季降雨较多,易使土壤入渗量达到阈值,进而易造成林地的根系形成厌氧环境;二是阴雨天气会降低植物的光合作用,进而会抑制植被生长[17].

由图8(c)可以看出:太阳辐射与植被NPP呈极显著正相关和显著正相关的区域占吉林省总面积的17.33%和12.71%,这些区域主要分布在延边朝鲜族自治州、白山市和通化市东南部等地区.其主要原因是这些区域夏季的阴雨天气使得植被接受的太阳辐射量不足,从而抑制了该地区的植被生长.太阳辐射与植被NPP呈极显著负相关和显著负相关的区域占吉林省总面积的21.73%,这些区域主要分布在白城市和松原市等地区.其主要原因是该地区日照充足,且降水较少,易造成地表干旱和植物生长缓慢.由以上可知,太阳辐射和降水对吉林省植被NPP的影响相对更为显著.

表2为不同土地覆盖类型的植被NPP与气候因子的相关性.由表2可以看出:耕地的植被NPP与降水呈极显著正相关和显著正相关的区域分别占耕地总面积的36.32%和11.54%,与气温呈不显著相关的区域占耕地总面积的92.61%,与太阳辐射呈极显著负相关和显著负相关的区域占耕地总面积的16.88%和19.29%.这表明,耕地的植被NPP与降水呈正相关,与太阳辐射呈负相关,但与气温的相关性较小.森林的植被NPP与太阳辐射、气温呈显著正相关和极显著正相关的区域分别占森林总面积的58.57%和18.78%,这表明森林的植被NPP受太阳辐射的影响较大.草地的植被NPP与降水呈显著正相关和极显著正相关的区域分别占草地总面积的4.89%和81.89%,与太阳辐射呈极显著和显著负相关的区域分别占草地总面积的48.17%和32.83%,这表明绝大部分草地的植被NPP受降水和太阳辐射的影响较大,即与降水呈正相关、与太阳辐射呈负相关.湿地的植被NPP与降水呈极显著正相关和显著正相关的区域分别占湿地总面积的37.78%和6.67%,与气温呈不显著相关的区域占湿地总面积的89.16%,这说明湿地的植被NPP受降水的影响较大.

表2 2000—2021年吉林省不同土地覆盖类型的植被NPP与气候因子的相关性

6 结论

对吉林省2000—2021年的植被NPP动态演变及其与气候因子的相关性等进行研究表明:

1)2000—2021年吉林省的植被NPP呈缓慢波动性增长趋势,其中白城市、松原市、长春市北部、吉林市北部、四平市西部等地区的增加趋势最为显著,在空间上则呈由西北向东南逐渐递增的趋势.植被NPP年均值处于40.11～961.42 gC/(m2·a)范围内,且不同土地覆盖类型的年均植被NPP存在较大差异,其中森林>耕地>湿地>草地>裸地.

2)2000—2021年吉林省的植被NPP的Hurst指数分布在0.15～0.88之间,其中呈反持续极显著增加和反持续显著增加的区域呈明显的分散性.

3)2000—2021年吉林省森林的植被NPP变化与太阳辐射具有较大相关性,耕地和草地的植被NPP变化与降水具有较大正相关性.

本文研究结果可为吉林省生态管理和保护提供参考.本文在研究中仅在年尺度上对吉林省植被NPP进行了研究,而对于不同生长季的植被NPP变化未能进行具体分析;因此,在后续的研究中,我们将从季度和月份的角度对植被NPP进行分析,以期得到更为准确的研究结果.