王 芳,汪 左,*,张 运

1 安徽师范大学国土资源与旅游学院,芜湖 241003 2 资源环境与地理信息工程安徽省工程技术研究中心,芜湖 241003

植被净初级生产力(Net Primary Productivity,NPP)是指绿色植物在单位时间单位面积上所积累的有机物数量,是由光合作用所产生的有机物总量(Gross Primary Productivity,GPP)扣除自养呼吸(Autotrophic respiration,RA)后的剩余部分[1]。植被NPP作为陆地生态系统中物质循环与能量流动的重要组成部分[2],不仅反映植物群落在自然环境中的生产能力,也是判定生态系统的碳源、汇和评价陆地生态系统可持续发展的重要因子[3]。目前,陆地生态系统对气候变化的响应是全球变化研究的焦点之一[4],全球生态系统NPP与气候因子的关系从19世纪中期开始研究,并取得很多重要成果[3,5],Nemani等通过对全球陆地植被NPP与气候数据进行分析,认为气候变化使全球陆地植被NPP总量增加了6%[6]。在全球气候变化的大背景下,中国的气候也发生相应的变化,植被NPP表现出一定的增长趋势[7- 8]。国内学者对我国的植被NPP与气候之间的响应关系进行大量的研究,孙睿利用光能利用率估算得到1992年4月—1993年3月的中国陆地植被NPP的分布情况,认为我国NPP的分布主要受水分条件的影响,并呈现从东南到西北递减的趋势[7]。刘刚基于MuSyQ-NPP模型估算了2001—2014年中国植被NPP,认为温度和降水是影响NPP的主要气象因子,而且在不同的地区,其主导因素是不同的[8]。刘军会利用光能利用率模型分析了1986 年—2000年北方植被NPP的时空变化特征,阐述了全球气候变化和人类活动对植被 NPP 的影响程度和地域差异[9]。由于NPP受到植被自身生理特征差异的影响,在不同的区域尺度上,对气候和土地利用变化响应特征表现出较大的时空异质性,而且不同植被类型对气候和土地利用变化也表现出不同的敏感性和响应特征[10- 12],因此,在全国尺度上,很难确定区域尺度上植被NPP时空变化的驱动机制。近年来,国内学者在区域尺度上开展研究[13-16],包括NPP的时空格局、变化规律以及与气候和土地利用变化等相关性内容。

安徽省是我国的农业大省,也是全国小麦、玉米等粮食产品的主产区,其生态系统的动态变化直接关系粮食安全,植被NPP的变化可以有效地反映生态系统的变化。目前,针对安徽省植被NPP相关研究还相对较少,本文基于MOD17A3数据研究安徽省植被NPP时空变化及驱动机制,为该地区植被生产能力评价、生态环境保护、国土资源开发建设以及自然资源合理利用和管理政策的制定提供科学依据。

1 研究区与数据

1.1 研究区概况

安徽省位于中国东部,地理范围介于114°54′E—119°27′E与29°41′N—34°38′N之间(图1),全省地势西南高、东北低,长江和淮河自西向东横贯全境,将全省划分为淮北平原、江淮丘陵、皖西大别山区、沿江平原和皖南山区五大自然区域。安徽处于东亚季风区、亚热带与暖温带的过渡带,气候温暖湿润,四季分明,气候分布差异明显,天气多变,降水年际变化大,全省年平均气温为14—16℃,平均降水量为800—1600mm,年平均日照1800—2500h,年平均无霜期200—250d,其独特的地理位置和气候特征造就了突出的农业区域性特点,淮河南北作物类型和复种指数明显不同,安徽省是我国重要的农业生产基地之一,主要农产品水稻、小麦、玉米等在全国占有重要地位,地处过渡带上温度波动大,旱涝灾害交替发生,农业产量极不稳定。

图1 安徽省土地利用类型图和气象站点分布 Fig.1 Land use type and distribution of meteorological stations in Anhui Province

1.2 数据

本文使用的植被净初级生产力数据为2000—2015年的MOD17A3 NPP产品,空间分辨率为30arcsec(0.0083),时间分辨率为1年,是NASA MOD17数据的升级版,纠正了MODIS LAI-FPAR受云层和气溶胶的影响[17- 19],该产品由美国蒙大拿大数字地球动态模拟研究发布(http://www.ntsg.umt.edu/project/mod17),并证明其数据的有效性[19- 22],该数据产品包含一个质量控制数据(NPP _QC),表示不同地区NPP产品的质量可靠性[23- 24]。本文根据2000—2015年的NPP_QC数据进行统计分析,结果表明2000—2015年安徽省NPP数据质量为中、高等级累积百分比为99.46%,由此可见,NPP数据在该地区具有相当可靠性可用于相关研究。

土地利用数据为2000年、2005年和2010年安徽省1∶10万的土地覆盖数据(图1),来源于地球系统科学数据共享平台(http://www.geodata.cn),依据安徽省土地利用方式和分析精度要求,将研究区域的土地利用类型归并为6个一级地类,包括耕地、林地、草地、城镇、水域和未利用土地。

气象数据为2000—2010年中国1km栅格逐年平均降雨数据集、中国1km栅格逐年平均气温数据集[25],来自地球系统科学数据共享平台(http://www.geodata.cn)。2011—2015年气象数据是通过对安徽省24个气象站点观测数据(图1)进行插值获得,来源于中国地面气象要素月值数据集(http://data.cma.cn/data/)。

2 研究方法

2.1 偏差分析

偏差定义为每年的NPP值减去多年平均的NPP值,正值表示高于多年平均水平,反之则表示低于多年平均水平,偏差反映某一时段内NPP偏离多年NPP均值的程度,基于像元进行计算,公式如下：

(1)

2.2 趋势分析

利用线性倾向估算NPP的时间趋势,随着时间的变化,NPP常表现为序列整体的上升或下降趋势、空间分布格局变化,应用趋势分析法对2000—2015年NPP年际变化趋势进行分析,基于像元的计算公式如下：

(2)

式中,Bslope为线性倾向值,NPPi为第i年的净初级生产力,t为年份,n=16,当Bslope>0时,表示随着时间t增加,NPP呈上升趋势,反之,NPP呈下降趋势,Bslope值的大小反映上升或下降的速率,即表示上升或下降的倾向程度。

(3)

2.3 变异系数

变异系数(Coefficient of Variation,CV)是反映观测值变异程度的一个统计量,即标准差与平均值的比值：

(4)

2.4 相关性分析

相关分析是为了揭示要素间相互关系的密切程度,偏相关分析是在不考虑其他要素影响的前提下计算两个变量之间的相关性[26],利用基于像元的相关性分析法分别计算植被NPP与降雨、气温的偏相关系数,为了计算偏相关系数,首先计算相关系数,其公式如下：

(5)

(6)

式中,Rxy,z表示固定自变量z之后因变量x与自变量y的偏相关系数。偏相关系数的显著性检验一般采用t检验法,其统计量计算公式为：

(7)

式中,Rxy,z为偏相关系数,n为样本数,m为自变量个数。

一个要素的变化往往会受到多个要素的综合影响,而要素间又是相互影响、相互联系的,而单相关分析和偏相关分析都不能反映各要素的综合影响[27],所以研究几个要素与某一个要素间的相关关系可用复相关分析法,其计算公式如下：

(8)

式中,Rx,yz表示因变量x和自变量y、z的复相关系数,Rxy为x,y的相关系数,Rxy,z为偏相关系数。复相关系数的显著性检验,采用F检验法,其统计量计算公式：

(9)

式中,Rx,yz为复相关系数,n为样本数,k为自变量个数。

3 结果与分析

3.1 植被NPP的时间变化特征

通过对安徽省植被年均NPP值进行统计(图2),2000—2015年安徽省植被NPP变化范围为396.6—531.8gC/m2,平均值为476.6gC/m2,最大值出现在2015年,达到531.8gC/m2,超过平均值55.2gC/m2,最小值则在2005年,为396.6gC/m2,低于平均值80.0gC/m2,2000—2015年间植被净初级生产力整体上呈现微小的波动增加趋势。采用偏差分析法分析2000—2015年各年NPP偏离多年平均水平的程度(图2),NPP的偏差值呈现先减少后增大的趋势,其中2000年和2005年的偏差值较大,说明偏离平均水平程度较严重,从2006年开始,除2009年和2011年以外均高于平均水平。2000—2015年安徽省植被NPP总量的年际波动较小(图3),范围为55.23—74.06TgC(1Tg=1012g),其中2002年和2015年的NPP总量较高,分别为72.03TgC和74.06TgC,高于多年平均的8%和11%；2000年和2005年的NPP总量较低,分别为55.41TgC和55.23TgC,低于多年平均的16.5%和16.7%,其他年份的NPP总量位于平均值上下6%范围内[3]。

通过对安徽省各市植被年均NPP值统计(图4),结果表明,安徽省2000—2015年间各市的植被净初级生产力整体上呈现波动上升趋势,各市多年植被净初级生产力年均值差异显著,其中黄山、宣城和池州的植被净初级生产力较高,而六安的植被净初级生产力最低,六安地处于大别山地带,属于典型的山地气候特征,大别山区是安徽森林资源破坏最严重的地区之一,主要原因是不合理的造林和耕作方式以及土地资源浪费严重,一方面基本建设占地,另一方面农民住房宅基地也过多占用耕地,造成植被破坏严重,森林资源不断减少[28]。

图2 安徽省2000—2015年NPP年际变化和偏离分析Fig.2 Annual variations and deviation analysis of NPP in Anhui Province during 2000—2015

图3 安徽省2000—2015年NPP总量Fig.3 Total NPP in Anhui Province during 2000—2015

图4 安徽省2000—2015年各市NPP年际变化Fig.4 Annual variations of NPP of cities in Anhui Province during 2000—2015

通过对安徽省2000—2015年不同土地利用类型NPP均值变化(图5)进行分析可知,安徽省不同土地利用类型的NPP整体上变化趋势基本一致,呈波动增加趋势,不同土地利用类型的NPP年均值差异明显,林地(535.52gC/m2)>未利用地(487.23gC/m2)>草地(471.63gC/m2)>耕地(462.51gC/m2)>城镇(447.61gC/m2)>水域(396.27gC/m2),不同地类中增长速度最快是未利用地,每年增加5.37gC/m2,水域增长速度最慢,为3.52gC/m2,不同土地利用类型的NPP年际变化幅度不同,其中林地和草地的变化幅度相对较大。

图5 安徽省2000—2015年不同土地利用类型NPP变化Fig.5 Annual variations of NPP over different types of land use in Anhui Province during 2000—2015

3.2 植被NPP的空间变化特征

安徽省2000—2015年近16年植被年均NPP具有较强的空间分异性规律(图6),整体上呈现南高北低趋势,变化范围在55.1—1250.2gC/m2之间,从NPP的空间分布特点来看,淮北平原的植被净初级生产力普遍较低,这些地方年降雨量少,耕地面积大,多为季节性较强的农作物种植区,作物主要是冬小麦和夏玉米,植被净初级生产力在420—450gC/m2之间；净初级生产力的中值区处于江淮丘陵,该地区以季节性强的农作物(油菜、水稻)和落叶-常绿阔叶混交林为主[29]；在皖南山区,森林覆盖率高,常绿植被较多,水热条件适合植被生长,NPP值达到500gC/m2以上。安徽省NPP的CV空间分布情况如图7,平均CV值为0.118,标准差平均值为53.68,说明安徽省植被净初级生产力变异程度稳定,大部分的CV值小于0.2,而在大别山区,其中六安和安庆变异程度比较明显,其CV值在0.2—0.3之间；安徽省2000—2015年各市的变异系数处于0.071—0.124之间,说明各市的NPP在16年间的变异程度较稳定。

图6 安徽省2000—2015年平均NPP空间分布 Fig.6 Spatial distributions of average NPP in Anhui Province during 2000—2015

图7 安徽省2000—2015年NPP的CV空间分布 Fig.7 CV spatial distributions of NPP in Anhui Province during 2000—2015

图8为近16年安徽省植被净初级生产力发生显著增加或减少的区域空间分布情况,安徽省大部分地区植被NPP的增加速率大于0gC/m2,说明安徽省整体上植被生长状态较好,淮北平原地区呈现显著增加趋势,增加速率>5gC/m2,但是沿江地区如池州、安庆、铜陵、芜湖、马鞍山一带,植被NPP呈显著下降趋势,下降速率>5gC/m2。由图9可知,安徽省大部分地区植被NPP的变化百分率大于10%,说明安徽省整体上植被生长状况得到改善,植被NPP的变化百分率小于-10%的地区,主要分布在沿江地区以及水体周围,说明这些地区的植被生长状况趋于退化。根据空间分布图9,安徽省植被NPP整体上主要以增加为主,其中NPP变化百分率增加10%以上的面积占安徽省国土面积的67.1%；NPP变化百分率处于-10%—10%之间的面积占29.8%；NPP变化百分率降低10%以下的面积占3.1%[30]。

图8 安徽省年NPP线性拟合斜率Fig.8 Linear regression slope of NPP in Anhui Province

图9 安徽省年植被NPP变化百分率Fig.9 Changing percentages of vegetation NPP in Anhui Province

3.3 气象因子对NPP影响

3.3.1 气象因子的变化趋势

由安徽省2000—2015年的降雨、气温的变化趋势曲线可知(图10),安徽省2000—2015年均降雨量在1019.7—1539.9mm之间,多年均值为1291.5mm,其中2003年均降雨量最大,最小则在2001年,2000—2015年降雨量逐渐增加,趋势变化率为4.181mm/a；安徽省近16年的平均气温在15.03—17.03℃之间,多年均值为15.81℃,平均气温最高在2000年,最小值在2003年,气温呈现波动下降趋势,变化率为-0.022℃/a。

图10 安徽省年降雨量、气温变化趋势Fig.10 Annual variation tendency of precipitation and temperature in Anhui Province during 2000—2015

根据安徽省2000—2015年降雨、气温的多年均值空间分布规律(图11)可以看出,降雨量从安徽南部到北部呈现减小趋势,分布不均,皖南山区和大别山区以及江淮之间地区的降雨较多,尤其是黄山市和安庆市,降雨量最多,皖北平原地区的降雨较少。气温多年平均的空间分布情况则呈现分布不均的趋势,气温较低的地区分布在皖南山区和大别山区,皖北平原地区的气温则处于中间,沿江地区的气温较高。

图11 安徽省多年平均降雨量、气温空间分布Fig.11 Spatial distributions of annual average precipitation, temperature in Anhui Province

3.3.2 植被NPP与气象因子的关系

植被生长与气候变化密切相关,二者之间的相关关系是国内外全球变化研究的主要内容[31-36],为了定量分析气象因子对植被NPP的影响,因此,逐像元计算2000—2015年的植被NPP与年降雨、年气温之间的偏相关系数(图12),植被NPP对气候因子的响应表现出显著的空间差异性。植被NPP与降雨的偏相关分析显示,植被NPP与年降雨的偏相关系数介于-0.94—0.98之间,统计结果表明,植被NPP与降雨呈正相关的面积占总面积的57.8%,主要分布在大别山区,沿江地区以及黄山市和宣城市,主要原因是该区域的海拔较高,其土地类型多为林地和草地,降雨对其植被NPP变化影响较大；呈负相关的面积占42.2%,主要分布在淮河以北地区及江淮之间地区；对偏相关系数进行显著性检验,有3.77%的区域通过P<0.01的检验,主要分布在皖南山区。

由植被NPP与年气温之间的偏相关空间特征(图12)可知,植被NPP与气温的偏相关系数在-0.96—0.93之间,正负相关区域分别占研究区面积的34.7%、65.3%,呈正相关的区域主要集中分布在大别山区、沿江地区以及皖南山区,而负相关区域主要分布在淮河以北地区,研究区有1.23%的区域通过了P<0.01水平的t显著性检验,主要分布在淮南市周围、皖南山区以及大别山区。整体而言,植被 NPP与降雨呈正相关性,与气温呈负相关性的特征。

植被NPP与气温-降雨的复相关空间分布情况如图13所示,植被与气候因子的复相关系数在0.002—0.981之间；由图13可知,植被 NPP 与气候因子复相关性较强的区域主要集中在皖南山区的黄山市和宣城市,复相关较弱地区主要分布在皖北平原和江淮之间地区；植被 NPP 与气候因子之间复相关性存在地区差异,主要与植被类型以及海拔高度有关。

图12 2000—2015年植被NPP与降雨、气温的偏相关系数空间分布Fig.12 Spatial distribution of partial correlations between annual NPP and precipitation, temperature during 2000—2015

图13 2000—2015 年植被NPP与气温-降雨的复相关空间分布和植被NPP变化驱动力分区Fig.13 Spatial distribution of multiple correlation between annual vegetation NPP and temperature-precipitation and vegetation NPP change regions driven by different factors from 2000—2015[T+P]+：气温降雨强驱动型 Change driven by temperature and precipitation strongly;T： 气温驱动型 Change driven by temperature mainly; P：降雨驱动型 Change driven by precipitation mainly; [T+P]-：气温降雨弱驱动型 Change driven by temperature and precipitation weakly; NC：非气候因子驱动型 Change driven by non-climate

由2000—2015年的降雨、气温变化趋势可知,安徽省的年均降雨量呈增加趋势,年均气温则呈降低趋势,植被NPP呈现上升趋势,因此,降雨增加可能是安徽省植被NPP呈现增加趋势的主要原因,因为降雨增加使土壤湿度变大,改善土壤水分的供给,增加光合速率,而且较低的气温减少蒸散作用,从而减少水分的散失,有利于植被生长[3],而且降雨量在2015年为高值时,植被NPP值和NPP总量也达到最高,也说明降雨是影响植被NPP变化的主要因素。植被NPP除了受到自身的生物学特性、土壤特性外,还受到不同类型的植被对水分的要求以及植被类型地带性差异的影响,从而导致与气候因子的相关性存在空间差异[37]。

3.4 植被NPP变化驱动力分析

气候变化和人类活动是NPP变化的主要驱动力,其中气候变化特别是降水和温度的变化, 对植被NPP的变化具有重要的影响,气候变化主要通过影响植物光合作用和呼吸作用而改变植被生产力；人类活动主要通过用地方式的改变来体现,土地利用变化则直接改变生态系统的类型、结构和功能,从而改变植被生产力[9]。参考国内众多学者研究的驱动分区原则[26- 27],结合研究区的情况,对植被NPP变化驱动力进行分析,其分类准则如表1所示。

表1 NPP 变化驱动力分区准则

R1：NPP与降雨偏相关的t显著性检验 T-Test significance of the partial correlations between NPP and precipitation; R2：NPP与气温偏相关的t显著性检验T-Test significance of the partial correlations between NPP and temperature; R3：NPP 与气温-降雨复相关的F显著性检验 F-Test significance of the multiple correlations between NPP and temperature-precipitation; [T+P]+：气温降雨强驱动型 Change driven by temperature and precipitation strongly; T：气温驱动型 Change driven by temperature mainly; P：降雨驱动型 Change driven by precipitation mainly; [T+P]-：气温降雨弱驱动型 Change driven by temperature and precipitation weakly; NC：非气候因子驱动型 Change driven by non-climate

由植被NPP变化驱动力分区图(图13)可知,2000—2015年植被NPP变化受到气温降雨弱驱动的区域占研究区面积的4.95%,主要分布在大别山区,皖南山区的宣城市和黄山市以及皖北平原地区；以气温降雨强驱动的区域占研究区面积的0.75%,主要集中在宣城市的南部和安庆市的北部；降雨驱动型占研究区面积的3.58%,以黄山市、宣城市、六安市的北部以及淮南市周围最明显；气温驱动型占1.44%,主要分布在淮河以北地区；非气候因子驱动型所占比例最大为89.28%,在安徽各市均有分布。整体上,安徽省大部分地区的植被NPP变化主要受非气候因素的影响。

图14 2000、2005和2010年土地利用类型面积统计Fig.14 The area of land use types in 2000, 2005 and 2010

3.5 土地利用变化对植被NPP的影响

3.5.1 安徽省土地利用变化

利用安徽省2000年、2005年和2010年土地矢量图进行统计得到2000年—2010年间土地利用变化情况,其中耕地、林地和城镇用地是安徽省最主要的土地利用类型,如图14所示,草地和水域的面积发生显著性变化,草地主要转出到水域用地,耕地主要转移到城镇用地,林地面积总体变化较小,未利用土地增加较少。如表2所示：2000—2005年,安徽省土地利用转移总面积为1736.83km2,占安徽省土地利用总面积的1.22%,其中耕地转移面积最多,转移面积为793.74km2,主要转移为城镇用地和水域用地,分别占耕地转移总面积的38.22%和57.27%；未利用土地转移总面积最少,转移为城镇用地。2005—2010年安徽省土地利用转移总面积为3107.01km2,占土地利用总面积的2.19%,其中耕地转移面积最多,转移面积为2425km2,主要转移为城镇用地,占耕地转移总面积的86.36%；其次是草地转移面积,转移面积为269.51km2,主要转移为城镇用地和林地,分别占草地转移总面积的20.05%和17.95%；未利用土地面积转移最少,转移面积为0.06km2,转移为水域用地。2000—2010年安徽省土地利用转移总面积为4589.81km2,占土地利用总面积的3.23%,其中耕地转移面积最多,转移面积为3097.5km2,主要转移为城镇用地,占耕地转移总面积的76.63%；未利用土地面积转移最少,转移面积为0.05km2,转移为水域用地。安徽省近10年土地转移类型主要发生在耕地与城镇用地,耕地与水域,林地与城镇用地,草地与未利用土地,草地与林地之间,主要是以城镇用地、水域以及未利用土地转入和耕地、草地、林地转出为主要特点的土地转移。

表2 安徽省土地利用变化转移面积矩阵/km2

“—”代表无数值或者数值很小

3.5.2 不同土地覆盖类型转换下的植被NPP变化分析

不同土地利用类型对应不同的土地生态系统结构,其净初级生产力也是不同,因此,不同的土地利用类型之间相互转换,直接影响到该区域的生态系统结构,进而影响到净初级生产力[38]。土地利用类型对植被NPP变化的影响主要表现在两个方面：一方面,具有较高植被NPP的土地覆盖类型向城镇用地、未利用土地等植被NPP较低的土地覆盖类型转换导致NPP损失；另一方面,城镇用地、未利用土地等植被NPP较低的土地覆盖类型向林地等具有较高植被NPP的土地覆盖类型转换使NPP值增加[39]。

表3为不同土地利用类型转换下NPP损益情况,2000—2005年,耕地转移城镇用地和水域导致植被NPP损失最大,为35551.67t/a；林地转移为其他土地类型时植被NPP均减少,其中林地转耕地造成植被NPP损益较大,为-5635.73t/a；建筑用地转林地和耕地使植被NPP增加量最大,为9453.1t/a；草地转移为林地使植被NPP增加较大,为4015.95t/a；水域转移为其他土地类型时植被NPP均增加,其中水域用地转林地、耕地使植被NPP增加较大；未利用土地转移为城镇用地使植被NPP增加较少。

表3 不同土地利用类型转换下的NPP损益矩阵/(t/a)

“— ”表示无数值或者数值很小,*表示该方式下不转换

2005—2010年植被NPP损失最大的方式是耕地转城镇,为37254.93t/a,水域用地转耕地是NPP收益最大的方式,为7977.39t/a,耕地转水域用地、林地转城镇用地、林地转移未利用地这三种转移方式带来的NPP损失较大,但是整体上可以看出植被NPP在数量上比前五年损失大,说明随着安徽省城市扩张的加剧,使NPP损失增加。2000—2010年,耕地转城镇用地带来的NPP损失远远大于其他转移方式带来的NPP损失,其中耕地转水域用地、林地转城镇用地仍是使NPP损失较大的转移方式,说明城市化是使植被NPP损失的主要驱动力。

4 结论与讨论

基于MOD17A3 NPP数据、气象数据和土地利用类型数据,对2000—2015年安徽省植被NPP的时空格局、变化趋势及驱动因素进行研究,结论如下：

(1)2000—2015年安徽省植被年NPP均值为476.6gC/m2；波动范围为396.6—531.8gC/m2,整体上呈现微小的波动上升趋势；各市多年净初级生产力年均值差异显著,但与年均NPP变化趋势一致；不同土地利用类型NPP差别较大,而且不同地类年际变化幅度不同,其中林地和草地的变化幅度相对较大。

(2)安徽省2000—2015年植被年均NPP具有较强的空间分异性,呈现南高北低趋势,而且大部分地区的植被NPP增加速率大于0,说明植被NPP主要以增加为主。

(3)植被NPP变化是气候、环境变化以及人类活动等多种因素综合作用的结果,其中气候变化和人类活动是NPP变化的主要驱动因素；安徽省植被NPP变化受气候因子的影响占10.72%,其中降雨对NPP变化影响较大；非气候因子占89.28%,主要体现在人类活动对土地利用方式的改变,其中城镇建设用地面积增加最多,导致NPP损失最大,说明随着人类活动日益频繁,城市化逐渐成为植被NPP变化的主要驱动力。

本研究分析了植被NPP变化的主要驱动因素以及定量评估了气候变化条件下土地覆盖类型转化对植被NPP的影响,为陆地生态系统碳收支、生态环境评价和保护以及区域粮食安全提供科学参考,但也存在一些不足：未考虑土地政策变化对植被NPP的影响等；在后续的研究中,将进一步探讨土地政策变化对植被NPP的影响。

参考文献(References):

[1] Lieth H, Whittaker R H. Primary Productivity of the Biosphere. New York: Springer, 1975.

[2] 王新闯, 王世东, 张合兵. 基于MOD17A3的河南省NPP时空格局. 生态学杂志, 2013, 32(10): 2797- 2805.

[3] 穆少杰, 李建龙, 周伟, 杨红飞, 章超斌, 居为民. 2001—2010年内蒙古植被净初级生产力的时空格局及其与气候的关系. 生态学报, 2013, 33(12): 3752- 3764.

[4] 周伟, 牟凤云, 刚成诚, 官冬杰, 何锦峰, 李建龙. 1982—2010年中国草地净初级生产力时空动态及其与气候因子的关系. 生态学报, 2017, 37(13): 4335- 4345.

[5] Cao M K, Woodward F I. Dynamic responses of terrestrial ecosystem carbon cycling to global climate change. Nature, 1998, 393(6682): 249- 252.

[6] Nemani R R, Keeling C D, Hashimoto H, Jolly W M, Piper S C, Tucker C J, Myneni R B, Running S W. Climate-driven increases in global terrestrial net primary production from 1982 to 1999. Science, 2003, 300(5625): 1560- 1563.

[7] 孙睿, 朱启疆. 中国陆地植被净第一性生产力及季节变化研究. 地理学报, 2000, 55(1): 36- 45.

[8] 刘刚, 孙睿, 肖志强, 崔天翔. 2001—2014年中国植被净初级生产力时空变化及其与气象因素的关系. 生态学报, 2017,37(15)：4936-4945.

[9] 刘军会, 高吉喜. 气候和土地利用变化对北方农牧交错带植被NPP变化的影响. 资源科学, 2009, 31(3): 493- 500.

[10] 张峰, 周广胜, 王玉辉. 基于CASA模型的内蒙古典型草原植被净初级生产力动态模拟. 植物生态学报, 2008, 32(4): 786- 797.

[11] Piao S L, Fang J Y, He J S. Variations in vegetation net primary production in the Qinghai-Xizang plateau, China, from 1982 to 1999. Climatic Change, 2006, 74(1/3): 253- 267.

[12] 李燕丽, 潘贤章, 王昌昆, 刘娅, 赵其国. 2000—2011年广西植被净初级生产力时空分布特征及其驱动因素. 生态学报, 2014, 34(18): 5220- 5228.

[13] 高志强, 刘纪远, 曹明奎, 李克让, 陶波. 土地利用和气候变化对区域净初级生产力的影响. 地理学报, 2004, 59(4): 581- 591.

[14] 王宗明, 国志兴, 宋开山, 刘殿伟, 张柏, 张树清, 李方, 金翠, 杨婷, 黄妮. 2000—2005年三江平原土地利用/覆被变化对植被净初级生产力的影响研究. 自然资源学报, 2009, 24(1): 136- 146.

[15] 陈探, 刘淼, 胡远满, 吕久俊, 马俊, 孙凤云, 宫继萍. 沈阳经济区土地利用和净初级生产力变化. 生态学报, 2015, 35(24): 8231- 8240.

[16] 姜春, 吴志峰, 程炯, 李少英, 刘庆. 气候波动和土地覆盖变化对广东省植被净初级生产力的相对影响. 热带亚热带植物学报, 2016, 24(4): 397- 405.

[17] Zhao M S, Running S W, Nemani R R. Sensitivity of Moderate Resolution Imaging Spectroradiometer (MODIS) terrestrial primary production to the accuracy of meteorological reanalyses. Journal of Geophysical Research, 2006, 111(G1): G01002.

[18] Zhao M S, Running S W. Drought-induced reduction in global terrestrial net primary production from 2000 through 2009. Science, 2010, 329(5994): 940- 943.

[19] Zhao M S, Heinsch F A, Nemani R R, Running S W. Improvements of the MODIS terrestrial gross and net primary production global data set. Remote Sensing of Environment, 2005, 95(2): 164- 176.

[20] Heinsch F A, Zhao M S, Running S W, Kimball J S, Nemani R R, Davis K J, Bolstad P V, Cook B D, Desai A R, Ricciuto D M, Law B E, Oechel W C, Kwon H, Luo H Y, Wofsy S C, Dunn A L, Munger J W, Baldocchi D D, Xu L K, Hollinger D Y, Richardson A D, Stoy P C, Siqueira M B S, Monson R K, Burns S P, Flanagan L B. Evaluation of Remote Sensing Based Terrestrial Productivity From MODIS Using Regional Tower Eddy Flux Network Observations. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(7): 1908- 1925.

[21] 国志兴, 王宗明, 刘殿伟, 宋开山, 宋长春. 三江平原农田生产力时空特征分析. 农业工程学报, 2009, 25(1): 249- 254.

[22] 刘琳, 李月臣, 朱翠霞, 杨扬, 李琼瑶. 2001年—2010年重庆地区植被NPP时空变化特征及其与气候因子的关系. 遥感信息, 2013, 28(5): 99- 108.

[23] Heinsch F A, Reeves M, Votava P, Kang S, Milesi C, Zhao M S, Glassy J, Jolly W M, Loehman R, Bowker C F, Kimball J S, Nemani R R, Running S W. User′s Guide GPP and NPP (MOD17A2/A3) Products NASA MODIS Land Algorithm, Version 2.0. Missoula: The University of Montana, 2003: 31- 33.

[24] Running S W, Zhao M S. User′s Guide Daily GPP and Annual NPP (MOD17A2/A3) Products NASA Earth Observing System MODIS Land Algorithm, Version 3.0. South Dakota: Land Processes Distributed Active Archive Center, 2015: 9- 14.

[25] 荆文龙, 冯敏, 杨雅萍. 一种NCEP/NCAR再分析气温数据的统计降尺度方法. 地球信息科学学报, 2013, 15(6): 819- 828.

[26] 陈云浩, 李晓兵, 史培军. 1983—1992年中国陆地NDVI变化的气候因子驱动分析. 植物生态学报, 2001, 25(6): 716- 720.

[27] 王强, 张廷斌, 易桂花, 陈田田, 别小娟, 何奕萱. 横断山区2004—2014年植被NPP时空变化及其驱动因子. 生态学报, 2017, 37(9): 3084- 3095.

[28] 尹文亮, 纪凯婷. 六安市生物多样性保护规划探讨. 安徽农学通报, 2012, 18(5): 43- 48, 87- 87.

[29] 何彬方, 冯妍, 吴文玉, 范伟. 安徽省近十年植被指数时空变化特征. 生态学杂志, 2010, 29(10): 1912- 1918.

[30] 李登科, 范建忠, 王娟. 基于MOD17A3的陕西省植被NPP变化特征. 生态学杂志, 2011, 30(12): 2776- 2782.

[31] Mohamed M A A, Babiker I S, Chen Z M, Ikeda K, Ohta K, Kato K. The role of climate variability in the inter-annual variation of terrestrial net primary production (NPP). Science of the Total Environment, 2004, 332(1/3): 123- 137.

[32] Lin H L, Wang X L, Zhang Y J, Liang T G, Feng Q S, Ren J Z. Spatio-temporal dynamics on the distribution, extent, and net primary productivity of potential grassland in response to climate changes in China. The Rangeland Journal, 2013, 35(4): 409- 425.

[33] 龙慧灵, 李晓兵, 王宏, 魏丹丹, 张程. 内蒙古草原区植被净初级生产力及其与气候的关系. 生态学报, 2010, 30(5): 1367- 1378.

[34] 朱文泉, 潘耀忠, 阳小琼, 宋国宝. 气候变化对中国陆地植被净初级生产力的影响分析. 科学通报, 2007, 52(21): 2535- 2541.

[35] 张静, 任志远. 汉江流域植被净初级生产力时空格局及成因. 生态学报, 2016, 36(23): 7667- 7677.

[36] 陈奕兆, 李建龙, 孙政国, 刚成诚. 欧亚大陆草原带1982—2008年间净初级生产力时空动态及其对气候变化响应研究. 草业学报, 2017, 26(1): 1- 12.

[37] 吴珊珊, 姚治君, 姜丽光, 王蕊, 刘兆飞. 基于MODIS的长江源植被NPP时空变化特征及其水文效应. 自然资源学报, 2016, 31(1): 39- 51.

[38] 苏日古格. 锡林郭勒盟土地利用/土地覆被与NPP变化研究[D]. 呼和浩特: 内蒙古师范大学, 2016.

[39] 姜春, 吴志峰, 程炯, 钱乐祥. 广东省土地覆盖变化对植被净初级生产力的影响分析. 自然资源学报, 2016, 31(6): 961- 972.