2000—2019年赣南森林净初级生产力时空变化及其与气候因子的关系1)
时间：2023-06-02 11:55:19 来源：雅意学习网 本文已影响 人 
具琳静 欧阳勋志 潘萍 刘军 周巧晴 叶青龙
(鄱阳湖流域森林生态系统保护与修复国家林业和草原局重点实验室(江西农业大学)，南昌，330045)
森林生态系统在全球碳平衡、涵养水源、改善环境等方面具有重要影响。森林净初级生产力(NPP)指绿色植物自身呼吸消耗后剩下的单位时间单位面积内光合作用所积累的有机物总量[1]。森林NPP能直接反映森林碳汇功能的强度和森林生态系统的质量状况[2]，是分析森林碳通量的关键指标。开展区域尺度的森林NPP动态监测将有助于科学评价区域森林生态系统碳汇能力和理解区域森林NPP对气候因子的响应。
随着遥感和地理信息技术的不断进步，国内外学者利用多种模型和数据源对区域的森林NPP进行了估算，其中MODIS NPP数据是基于MODIS(TERRA卫星)遥感参数，参考生物地球化学模型(BIOME-BGC)和光能利用率模型估算的植被NPP，已在全球及区域研究中得到应用和验证[3-4]。已有的研究表明，影响森林NPP时空分异的因素主要包括二氧化碳浓度[5]、气候变化[6]、土壤[7]、地形[1]和人为因素[8]等。其中，气候因子是影响森林NPP分布和碳收支的重要因素[9]，近几十年气候因素引起了森林植被生产力等多方面的改变[10]。国内不少学者应用MODIS NPP数据对秦岭林区[11]、京津冀地区[12]、中国东北[13]等不同空间尺度的森林NPP做了研究，均发现气温、降水量等气候条件和森林NPP存在相关性。然而，不同环境条件下，气候因子对森林NPP的驱动机制存在地域差异，如张凤英等[14]得出1982—2013年长江流域森林NPP与年均温呈正相关的面积占80%以上，而与洞庭湖流域部分区域则呈负相关；
崔林丽等[15]得出2001—2010年中国东南部地区植被NPP随温度和降水量的变化没有北方明显。因此，在全球气候变化的背景下，针对不同气候区域和时段开展研究森林NPP，这能够更加全面的理解森林生态系统的碳循环特征。目前，对植被NPP的时空变化及其驱动因子的研究多采用趋势分析、赫斯特(Hurst)指数、相关性分析等方法，而Hurst指数是能够定量描述时间序列信息长期依赖性的，可用于预测未来植被NPP的变化情况[16]。如王耀斌等[17]通过计算Hurst指数得出2000—2015年秦岭主要表现为持续性特征，而大巴山主要表现为反持续性特征，未来秦巴山区植被NPP良性积累，生态系统各方面功能和价值将逐年增加。由于传统的相关性分析只能从单一的动态变化角度分析森林NPP与气候的关系，无法解析气候因子间的交互作用，而地理探测器能进一步比较气候因子对森林NPP时空变化的影响力及因子间的交互作用。
赣南是中国南方地区重要的生态屏障，其森林生态系统可持续发展对区域气候调节和生态平衡至关重要。本研究基于MODIS NPP数据，对2000—2019年赣南森林NPP进行分析，旨在阐明以下两个问题：(1)赣南森林NPP的空间分布特征和时间变化特征；
(2)赣南森林NPP对气候因子的响应。研究结果可为该区植被生产能力评价、森林管理政策的制定以及进一步理解该区森林生态系统与气候因子的相互作用等提供参考。
研究区为江西省南部的赣州市。该市是典型的山地丘陵区，位于罗霄山、南岭山与武夷山的交汇地带，形成南高北低地势。研究区属亚热带季风气候区，水热条件好，2000—2019年的年均降水量为1 577.63 mm，年均气温为18.84 ℃。森林类型主要有针叶林、阔叶林、针阔混交林、灌木林和竹林等，森林覆盖率为76.23%，植被垂直带较明显。
NPP数据来自MODIS遥感产品MOD17A3H数据(https://ladsweb.nascom.nasa.gov/)，空间分辨率500 m，该产品NPP数值有效值范围为-30 000～32 700，无效值范围为32 761～32 767。根据该产品质量信息的节点值(QC)大小，NPP数据的可信度分为反演失败(QC≥128)、低(64≤QC<128)、中(32≤QC<64)、高(0≤QC<32)4个等级[18]，其中反演失败是指像元区域为建筑用地、水域、岩石、沙漠等类型。经逐年统计该产品质量信息，得出赣南地区NPP数据质量为中等级和高等级的区域占比94.19%，表明该数据质量整体较好。通过MRT软件将MODIS数据进行格式转换和重投影，利用ArcMap软件裁剪和单位换算，并删除可信度较低、反演失败的像元点。
土地覆被类型数据来自欧空航天局(ESA)的全球土地覆盖产品(http://maps.elie.ucl.ac.be/CCI)，空间分辨率300 m，在全球范围内的精度估计为71.70%[19]，本研究选取2000—2019年共20期，用于表示当年的土地覆被类型。高程、坡度和坡向数据从SRTM 90 m数字高程模型(DEM)数据集中提取，来自地理空间数据云(http://www.gscloud.cn)。2000—2019年降水量、气温数据集来自国家地球系统科学数据中心(http://www.geodata.cn)，空间分辨率1 km；
2000—2019年实际蒸散量来自MODIS MOD16A3数据集，空间分辨率500 m；
2000—2018年太阳辐射量来自国家青藏高原科学数据中心的中国区域地面气象要素驱动数据集[20](http://data.tpdc.ac.cn)，水平空间分辨率0.1°。上述数据在ArcMap软件中重投影为WGS1984，重采样为500 m，并根据研究区范围进行镶嵌和裁剪。
3.1 基于像元的趋势分析
Theil-Sen Median(Sen)方法是稳健的非参数统计的趋势分析法，能有效地反映森林NPP时间变化。其公式[21]为：
(1)
式中：xj、xi是第j、i年的NPP值(j>i)；
β是sen斜率；
β>0表示森林NPP上升趋势，β<0表示下降趋势。
Mann-Kendall(M-K)检验用于判断森林NPP的变化趋势是否显著。其公式[17]为：
(2)
(3)
(4)
式中：n为样本数；
var(S)为方差；
Z是正态分布的统计值，在给定显著性水平α下，如果|Z|>Z1-α/2，表明森林NPP变化趋势存在显著性。本研究结合Sen趋势分析和M-K检验的结果，将森林NPP变化趋势分为4个等级：在α=0.05置信水平上，显著上升(β>0，|Z|>1.96)；
不显著上升(β>0，|Z|≤1.96)；
显著下降(β<0，|Z|>1.96)；
不显著下降(β<0，|Z|≤1.96)。
3.2 变异系数分析
变异系数是衡量森林NPP年际变化的指标，反映森林NPP在时间序列上的稳定性。其公式[22]为：
(5)
3.3 未来变化趋势分析
Hurst指数是定量描述时间序列数据长期依赖性的重要指标，能够量化森林NPP未来变化趋势，监测森林未来的健康状况。其基本原理是[17，23]，设时间序列{ξ(t)}(t=1,2,…,n)，对于任意正整数τ，定义均值序列：
(6)
累计离差：
(7)
极差(R)：
(8)
标准差(S)：
(9)
R、S、τ满足一般关系式：
R(τ)/S(τ)=c·τH。
(10)
最小二乘法拟合：
log(R/S)τ=logc+H·logτ。
(11)
式中：R(τ)/S(τ)是重标极差；
c是常数；
H是Hurst指数值。若0
3.4 相关分析
采用逐栅格空间分析法探讨森林NPP时间格局与气候因子之间的相关性强弱，其公式为[1]：
(12)
式中：R是变量x、y的相关系数；
第i年的NPP值、气候因子值分别是xi、yi；
n为样本数。R值在[-1，1]，|R|值越大，相关性越强；
若R<0，呈负相关，若R>0，则呈正相关。由相关系数表可知，显著性检验结果包括显著(P≤0.05)和不显著。
3.5 地理探测器
地理探测器是一组统计学方法，能揭示地理现象的空间分异性及其背后驱动力，具体原理见文献[24]。因子探测器是指探究各气候因子对森林NPP时空分异的影响程度。交互作用探测是用于探究因子间的交互作用是否会增强或减弱对森林NPP的影响，或者因子间是独立的。因子分析中q值在[0，1]，q值越大，表明因子对该年森林NPP空间变化的解析力越强，反之则越弱。
4.1 森林NPP空间分布特征
森林NPP整体分布特征。由图1可知，赣南各地森林NPP年均值介于262.83～1435.26 g·m-2·a-1，存在明显的空间差异，总体分布呈南高北低、西高东低的特征。森林NPP年均值超过600 g·m-2·a-1的区域占森林总面积的98.27%。按相等间隔法划分为低、中低、中、中高、高5个等级，各等级占比分别为0.05%、37.17%、42.35%、4.36%、16.07%，其中，高值区集中在南部的寻乌县、定南县、全南县、龙南市和安远县，中值区以西部的崇义县、上犹县、大余县为主，中低值区集中在中部和北部，没有明显集中的低值区。
图1 森林NPP年均值空间分布
不同地形森林NPP分布特征。根据江西省森林资源二类调查技术规程对研究区高程、坡度和坡向进行分级，其各级森林NPP值见表1。总体上，森林NPP随高程的增加，呈现先增后减的趋势，其中，高程100～249 m的区域，森林NPP平均值和总量均较小；
250～499 m的森林NPP平均值较大，总量最大；
500～999 m的森林NPP平均值达到最大值，总量较大；
1 000 m以上的森林NPP平均值低于500～999 m的平均值，且该区域面积比例小，森林NPP总量较小。
森林NPP随坡度的增大，呈现先增后减的变化趋势，但其波动程度较高程平缓，其中，平坡(0°～5°)的平均值为811.39 g·m-2·a-1；
缓坡(6°～15°)的平均值、总量均最大；
而随坡度逐渐加大，植被生长受到限制，植被覆盖度降低，森林NPP平均值下降，在急坡(36°～45°)区域降至806.96 g·m-2·a-1。由于高程<100 m、坡度≥46°的区域面积占研究区总面积的比值分别为0.18%、0.01%，森林覆盖度低，森林NPP值未进行统计。
各坡向森林NPP平均值进行从大到小排序为南坡、东南坡、西南坡、东坡、东北坡、西坡、北坡、西北坡，其中南坡的森林NPP平均值最大，其次是东南坡和西南坡，而西北坡最小。总体上，各坡向的森林NPP值存在明显的差异，森林NPP平均值在南坡、东坡高于北坡、西坡。
表1 不同高程与坡度区间的森林NPP比较
坡度/(°)面积占比/%NPP平均值/g·m-2·a-1NPP总量/Tg0～533.12811.393.836～1546.60854.7911.3416～2517.40848.575.1826～352.69819.630.8136～450.18806.960.05
坡向面积占比/%NPP平均值/g·m-2·a-1NPP总量/Tg北 坡11.48830.472.32东北坡11.74841.392.37东 坡13.11841.852.64东南坡13.69855.823.00南 坡12.10871.412.79西南坡12.21851.492.68西 坡12.65833.222.71西北坡12.87821.202.69
4.2 森林NPP时间变化特征
由图2可知，2000—2019年赣南逐年森林NPP均值变幅为780.93～904.49 g·m-2·a-1，多年平均值为843.46 g·m-2·a-1，其逐年总量变幅为20.32～23.33 Tg，多年平均值为21.54 Tg，其中2000年出现最小值20.32 Tg，2003年出现最高值23.33 Tg。从不同时间段来看，表现为“升-降-升-降-升-降-升-降”波动状态。
图2 森林NPP年际变化趋势
变化趋势。根据公式(1)计算得出2000—2019年森林NPP呈增加趋势(β值>0)的区域占森林总面积的34.38%，呈减少趋势(β值<0)的区域占65.62%。由图3可看出，森林NPP呈不显著上升、不显著下降趋势即没有发生显著变化的区域，占比64.72%；
森林NPP呈显著上升趋势的区域占森林总面积的19.43%，平均速率为8.88 g·m-2·a-1，主要分布在兴国县、赣县区、章贡县、于都县、南康区等；
呈显著下降趋势的区域占15.85%，平均速率为-6.23 g·m-2·a-1。
图3 森林NPP变化趋势
由图4可知，2000—2019年森林NPP变异系数介于0.03～0.55，平均值为0.07，变异系数值小于0.1的区域占森林总面积的91.77%，低值集中在赣南南部和西部，高值零散分布在西北部，表明森林NPP变异系数整体处于较低水平，20年间总体趋于相对稳定状态。
图4 森林NPP变异系数
2000—2019年森林NPP的Hurst指数值域介于0.16～0.88，平均值为0.47。由表2可知，呈反持续趋势(0
未来可能由减少趋势转向增长趋势的区域占比43.86%，主要分布在崇义县、大余县、全南县等；
未来可能持续呈增长趋势的区域占比11.63%，零散分布在整个研究区。整体而言，在降水量、太阳辐射量等气候变化以及植被生长、森林经营等人为干扰下，未来一段时期内呈上升趋势的区域占比大于呈下降趋势的区域占比，未来森林NPP良性积累，其生态环境可能得到进一步改善。
表2 森林NPP变化趋势的持续性统计
图5 森林NPP变化趋势的持续性
4.3 森林NPP对气候因子的响应
逐年统计气候因子的平均值可知，2000—2019年研究区气温年均值呈南高北低、东高西低的分布格局，多年平均值为18.84 ℃；
年总降水量的年均值空间分布大体上呈自西北向东南递增的趋势，多年平均值为1 577.63 mm；
实际蒸散量年均值呈南高北低的分布格局，多年平均值为915.5 mm；
2000—2018年太阳辐射量年均值呈北部较低，东南部最高的分布格局，多年平均值为4 794.1 MJ·m-2。由图6a可知，森林NPP与年均气温呈正相关、负相关的区域面积占研究区森林总面积的比值分别为37.29%、62.71%，其中呈不显著正相关区域占比36.02%，集中在赣南的西北部；
呈不显著负相关区域占比60.25%。由图6b可知，森林NPP与年总降水量呈正相关、负相关的区域占比分别为5.77%、94.23%，其中呈不显著正相关的区域占5.77%；
呈显著负相关的区域占20.12%，集中在赣南南部的崇义县、安远县、全南县等地区。由图6c可知，森林NPP与年实际蒸散量呈正相关、负相关的区域占比分别为78.00%、22.00%，其中呈显著正相关区域占38.62%，集中在兴国县、安远县、全南县、南康区等地区；
呈不显著负相关区域占21.31%，集中在赣南北部。由图6d可知，森林NPP与年太阳辐射量呈正相关、负相关的区域占比分别为95.10%、4.90%，其中呈显著正相关区域占13.55%，集中在东南部的安远县、会昌县、寻乌县等地区。整体而言，研究期间赣南森林NPP与气候因子呈不显著相关关系的区域占比最大；
与年均气温、年总降水量的相关性中，负相关占主导地位，与年实际蒸散量、年太阳辐射量的相关性中，正相关占主导地位。
图6 森林NPP与气候因子的相关性
气候因子影响力分析。根据表3可知，2000—2018年气候因子对森林NPP的贡献率(q值)表现出显著的差异(P<0.01)，2002、2011、2015年，太阳辐射量是该年森林NPP空间分异解析力最强的气候因子，2000—2001、2003—2010、2012—2014、2016—2018年，实际蒸散量是该年解析力最强的气候因子，说明赣南森林NPP没有绝对的主导因子。2000—2018年各因子贡献率的平均值大小排序为：实际蒸散量(0.263 8)、太阳辐射量(0.143 2)、降水量(0.104 7)、气温(0.047 2)，表明在这4种气候因子中连接水热综合效应的实际蒸散量对森林NPP时空分异的影响力最大。
表3 因子探测结果
根据表4可知，交互作用探测的结果表明：实际蒸散量∩太阳辐射量=0.385 0，实际蒸散量∩降水量=0.362 9，交互作用q值大于二者最大值(0.263 8)，表现为双因子增强；
其他气候因子间的交互q值均大于q(X1)+q(X2)之和，表现为非线性增强。对森林NPP贡献率最大的交互作用为实际蒸散量与太阳辐射量、实际蒸散量与降水量、实际蒸散量与气温的耦合。整体而言，任意两种气候因子间交互作用的q值均大于单因子q值，均表现为双因子增强或非线性增强的交互作用，不存在相互独立及减弱的关系，即赣南森林NPP受多种气候因子交互作用的影响。
表4 交互作用探测结果
2000—2019年赣南森林NPP在时间上与年总降水量、年均气温多呈负相关，这可能是由于赣南属于亚热带季风气候，温度年际波动较小、降水量丰富，在一定范围内的年总降水量和年均气温不是该区域树木生长的限制因素，所以随着年总降水量、年均气温的增加，森林NPP不一定会提高。崔林丽等[15]研究也表明植被NPP与年总降水量、年均温度多呈负相关；
王修信等[25]研究同样得出2000—2016年漓江上游林地区植被NPP均值与年总降水量呈显著负相关。也有研究表明植被NPP与年总降水量、年均气温呈正相关，如吴玉莲等[26]研究表明1960—2011年长白山的红松(Pinuskoraiensis)、阔叶林NPP与年总降水量呈显著正相关，阔叶树NPP与年均温度呈显著正相关；
FANG et al.[27]得出2000—2010年新疆生长季节植被NPP与年总降水量呈正相关，与年均温度呈负相关，这主要与该区气候干燥，气温升高，土壤水分蒸发加速等有关。
气候因子对赣南森林NPP时空变化的影响力排序由大到小为实际蒸散量、太阳辐射量、降水量、气温。森林NPP与表征区域水热循环特征的实际蒸散量的关系更密切[28]，这主要是因为赣南降水多集中在春、夏季，春季较多阴天下雨的天气，缺少阳光照射，引起太阳辐射量减少，夏季先涝后旱，超过一定范围的降水量可能会造成林地积聚水，引起树根的无氧呼吸，森林植被生产力可能会降低[29]。由于不同地区气候条件的差异，气候因子对森林NPP的影响具有区域差异性，如张少伟等[30]研究表明2003—2012年内蒙古大兴安岭针叶林区森林NPP年际变化的主要影响因素是温度和太阳辐射量，而受降水量的影响较小，这是由于该地区在寒温带，年总降水量介于300～450 mm，年际变化较小；
王娟等[11]得出2000—2013年秦岭林区植被NPP与气温的相关性高于降水量，反映了气候因子对森林NPP影响的重要性主要由该区域植被生长的首要限制因素决定。
本研究初步分析了研究区森林NPP对气候因子的响应，但由于使用的遥感数据无法辨别人工林和天然林，不能排除人类活动的干扰，而且极端天气、氮添加、CO2浓度、森林类型、林龄等自然因子，林业相关政策、人工采伐等人为因素对森林NPP的影响也不容忽视，因此全面了解赣南森林NPP时空变化的原因仍有待下一步深入研究。
赣南森林NPP年均值整体上呈南高北低、西高东低的空间分布格局，其随着高程、坡度的增加均表现为先增后减的趋势，南坡、东坡高于北坡、西坡。2000—2019年逐年森林NPP均值变幅为780.93～904.49 g·m-2·a-1；
随年份变化，呈显著上升、显著下降、变化不显著的区域占比分别为19.43%、15.85%、64.72%，整体上比较稳定；
变化特征以反持续性特征为主，未来该区森林NPP良性积累。
在时间上，森林NPP与年实际蒸散量、年太阳辐射量多呈正相关，与年总降水量、年均气温多呈负相关；
2000—2018年气候因子对森林NPP时空变化的影响力排序由大到小为实际蒸散量、太阳辐射量、降水量、气温，森林NPP受多种气候因子的交互影响。
