卢 娜 牛 俊

(中国农业大学 水利与土木工程学院，北京 100083)

植被是陆地生态系统最基本的构成要素，是自然景观最直接的反映[1]。在特定环境条件下，气候仅发生微小的改变，就能引起植被的剧烈响应[2]，导致植被初级生产力发生变化。植被总初级生产力(Gross primary productivity, GPP)指植被在单位时间内通过自身的光合作用所累积的用于植被生长的碳量。最初估算GPP的方法有产量收割法、测定O2法、测定CO2法、测定叶绿素法、同位素标记法以及开顶式同化箱法和自由CO2施肥方法(FACE)等[3]。随着通量站点的增加和遥感技术的发展，用模型对大尺度区域的生态系统GPP进行估算成为了可能。美洲通量塔数据、欧洲通量塔数据及中国通量塔数据等数据站都使得陆地生态系统碳循环得到了更加广泛的研究[4]。Schubert等[5]运用长时间序列的MODIS产品估算了北欧森林的GPP； Ryu等[6-7]基于MODIS产品首次构想了BESS模型。近年来，许多模型也被应用于估算陆地生态系统的GPP。目前对于我国干旱地区的GPP研究相对较少：王洪林等[8]运用标准降水指数(SPI)和归一化差值植被指数(NDVI)对我国1982—2011年干旱动态变化对植被的影响进行了研究；何洪林等[9]运用大量的通量数据结合VPM模型对青藏高原高寒草甸植被GPP进行了不确定性分析。

新疆位于西北干旱区，该区域的植被覆盖是其生态系统的主要构成部分。新疆地区的水资源十分缺乏，年降水量约为150 mm[10]，南疆地区的降雨量更少。新疆南部地区的地理地貌比较独特，该区的环境与水资源表现出与与众不同的特点，主要包括气候条件干燥，昼夜温差较大，夏季持续高温，多风少雨，日照充足(年日照时长可达2 500～3 500 h[10])。同时，在社会系统水资源需求不断提升的情况，水生态环境的健康存续面临一系列问题。

现阶段，新疆地区在生态环境的破坏和维护上面临重大的挑战，为了更好地解决区域环境可持续发展的问题，对南疆部分地区的植被总初级生产力进行了研究。本研究拟使用基于MODIS遥感参数的GPP数据，通过模型计算出的日平均值数据，探寻其时空分布的规律，进行季节性分解以期更好地了解GPP的时间变化趋势；并通过计算GPP与同期区域降水之间的相关系数以建立二者之间的定量响应关系，分析不同地区GPP与区域降水之间的时滞性以提高响应规律的精确度和普适性，充分了解南疆生态系统对区域降水的响应规律，以期对新疆自然环境和自然资源的潜力进行正确的评估，合理开发利用新疆植被资源。

1 数据与方法

1.1 研究区概况

本研究选择南疆地区的和田、阿克苏、喀什地区为研究对象。和田中心位置位于79.92° E，37.12° N，总面积24.78 万km2，是典型的内陆干旱区；阿克苏地区地处78.05～84.12° E，39.50～42.68° N，占地面积13.25 万km2，其北部、西部湿润多雨，夏季温度较低，冬季十分寒冷，高海拔山区常年积雪；喀什地区位于71.39～79.52° E、35.28～40.16° N之间，占地面积16.2万km2。

研究区的植被类型以草地为主，辅以极少量乔木林和灌木林，其中：和田地区的草地类型主要是荒漠草地和高山亚高山草地；阿克苏地区的草地类型主要是草甸和高山亚高山草地；喀什地区的草地类型主要是高山亚高山草地和平原草地。

1.2 数据来源

植被数据是由美国国家航空航天局提供的2000—2014年空间分辨率为250 m、16 d时间合成的MODIS—GPP数据。GPP数据是基于MODIS遥感参数，通过模型计算出陆地植被总初级生产力的日平均值数据，目前已在全国不同区域的相关研究中得到了广泛应用，已应用于区域植被生长状况、区域植被生物量的估算和区域环境监测等领域[11-13]。研究中使用的MODIS数据为2000—2014年逐日的时间序列数据，通过数据处理后，得到GPP的空间分布。

气象数据来自中国气象数据网(http:∥data.cma.gov.cn/)，时间序列为2000年1月—2011年12月，选取了新疆地区研究区范围内的3 个气象站点(编号分别为：51639、51810和51828)的降水数据。筛选去掉与研究无关的数据后，通过ArcGIS对数据进行重采样，与GPP数据进行耦合后，得到与GPP数据分辨率、投影均一致的降水—GPP相关系数的栅格图像。

1.3 研究方法

1.3.1重采样及网格处理

利用ArcGIS作为数据重采样及网格处理的载体软件。采用以下步骤进行处理：1)基于新疆行政区划图进行影像裁剪，提取出和田、阿克苏、喀什地区的边界；2)对MODIS GPP数据进行坐标系转换及对应地区的影像裁剪与融合；3)将MODIS GPP数据重采样：对栅格进行划分后将值提取到点，筛选有效值后将数据进行汇总统计，将GPP日平均值数据转化为月平均值数据，将数据导出即可得到GPP的时间变化分析图；4)在行政区划图上重新划分栅格，将GPP年平均值数据导入地图文件的对应网格中，得到GPP的空间变化分析图；5)计算出降水与GPP之间的相关系数，同样利用渔网将相关系数导入地图文件的对应网格，得到GPP与降水之间相关系数的空间分布。

图1 研究区示意图Fig.1 Schematic diagram of the study area

1.3.2GPP年际变化趋势

为了分析2000—2014年研究区GPP的年际变化趋势，本研究采用一元线性回归的方法，以时间序列为自变量，进而得出研究区GPP的一元线性回归方程，通过计算方程的斜率kslope去分析GPP的变化趋势，斜率kslope<0则表明GPP呈现减少的趋势，反之则呈现增加的趋势。kslope计算公式如下：

式中：kslope为一元线性回归方程的斜率；i为年份的序列值；n取15；GPPi为第i年的GPP平均值。

通过随机抽样、随访和回顾性调查方法，于2013年6月—2015年8月选择在重庆市开州区人民医院进行诊治的晚期非鳞非小细胞肺癌患者102例作为研究对象，纳入标准：影像学诊断为Ⅲ或Ⅳ期非鳞非小细胞肺癌患者，初治患者；年龄≥18岁；既往未接受过化疗或者胸部放疗；化疗前均行肿瘤标志物检查；有可测量病灶，可评估近期疗效；研究得到了本院伦理委员会的批准。排除标准：近期存在放、化疗及手术治疗者；同时接受其他任何抗肿瘤治疗；既往患有其他恶性肿瘤患者；有严重心、肝、肾、血液系统疾病者。根据治疗方法不同分为各51例患者的观察组与对照组，两组基线资料比较无统计学差异。见表1。

1.3.3时间序列的多尺度分析

时间序列就是按照发生的时间将相应数据进行等时间间隔的排列。本研究利用RStudio将GPP数据储存为月度时序数据，生成对应的时序对象，运用ma()函数，通过将时序平滑化处理，去探究GPP的总体变化趋势，并对其进行季节性分解。具体过程如下：

1)简单移动平均。GPP数据中可能会有随机或误差成分存在，为了探寻GPP的时间变化规律，运用了居中移动平均的方法计算，公式如下：

St=(Yt-q+…+Yt+…+Yt+q)/(2q+1)

式中：St是时间点t的平滑值；k=2q+1是用来平均的观测值的个数，在本研究中，k值分别取7、13、17。

2)季节性分解。GPP数据与季节相关，存在季节性因素的时间序列数据可以被分解成趋势因子、季节性因子和随机因子。趋势因子用来观察长期的变化趋势；季节性因子能捕捉到一年内的周期性变化；随机因子则能捕捉到那些不能由变化趋势或季节性效应所解释的变化。可以通过相乘模型进行数据的分解，计算公式如下：

Yt=Trendt×Seasonalt×Irregulart

即观测值等于某一时刻的趋势值(Trendt)、季节效应(Seasonalt)以及随机影响(Irregulart)的乘积。

1.3.4Pearson相关系数

2 结果与分析

2.1 南疆地区2000—2014年植被GPP的时空分布特征

将GPP重采样得到月平均值的分布以观察其在时间尺度上的变化规律(图2)。由图2可以看出，和田地区的GPP总体呈现上升趋势，峰值出现在2013年7月，约为493.41 g/m2；阿克苏地区的GPP呈现出小幅度下降的趋势，峰值出现在2003年7月，约为721.19 g/m2；喀什地区的GPP也呈现上升的趋势，峰值出现在2013年7月，约为655.99 g/m2，并且增加的幅度比较大。值得注意的是，3 个地区均在2009年存在明显拐点，且2009年的峰值最小。

GPP的空间分布图是将3 个地区的地图文件按照3 km×3 km的精度划分栅格，将具有相同精度和同样形式进行栅格划分的2000—2014年GPP年均平均值导入，结果见图3～5。结果表明：和田地区的GPP在空间上呈现北低南高的空间格局，年平均量数值主要集中在0～55 g/m2；阿克苏地区的GPP呈现北高南低的空间格局，并且在数值上存在着较大的差异性，主要集中在0～220 g/m2；喀什地区的GPP呈现北高南低的空间格局，西北部GPP分布比较集中并有着较大的值。

图2 南疆部分地区2000—2014年GPP时间分布图Fig.2 Distribution of GPP in time-scale in some regions of Southern Xinjiang from 2000 to 2014

2.2 南疆地区2000—2014年植被GPP时间变化趋势及季节性分解

以和田地区为例，对和田地区2000—2014年植被GPP时序数据进行平滑性处理，得序列图(图6)：图6(a)为原始GPP数据值，图6(b)～(d) 幅图分别为简单移动平均在不同光滑水平上(k=7、k=13、k=17)做过光滑处理后的序列。本研究设置了多个不同的k值进行对比，结果发现随着k的增大，图像变得越来越平滑(图6)：在k=17时的简单移动平均图像可以比较明显地观察到GPP的变化趋势；和田地区GPP呈现上升趋势、阿克苏地区GPP整体比较稳定，略有下降、喀什地区GPP呈现上升的趋势。对于存在季节性因子的GPP数据，仅仅了解总体趋势并不具有代表性，因此需要进行季节性分解去进一步探究季节性波动以及总体的变化趋势。

2.3 南疆植被GPP对区域降水的相关系数

本研究通过计算2000—2011年南疆部分地区年均GPP与年均降水量之间的相关系数，探寻南疆部分地区GPP与降水的响应关系(图7)，结果表明：和田、阿克苏和喀什3 个地区年均GPP与降水之间均为正相关关系；和田地区的相关系数波动范围为0.02～0.32，且主要集中在0.25左右，相关性较差；阿克苏地区的相关系数基本在0.40左右波动，相关性较强；喀什地区的相关系数范围0.3～0.5，主要集中在0.40左右，相关性较强。

图3 2000—2014年和田地区GPP空间分布图Fig.3 Spatial distribution of GPP in Hotan from 2000 to 2014

图4 2000—2014年阿克苏地区GPP空间分布图Fig.4 Spatial distribution of GPP in Aksu from 2000 to 2014

图5 2000—2014年喀什地区GPP空间分布图Fig.5 Spatial distribution of GPP in Kashgar from 2000 to 2014

2.4 GPP时间序列的多尺度分析

为了进一步地探寻南疆地区植被GPP与降水之间的响应关系，本研究通过原始序列和滞后序列的对比来探寻二者间滞后性的关系：在和田地区选取A、B点；阿克苏地区选取C、D点；喀什地区选取E、F点进行相应的滞后性分析。各点的地理位置见图8。在每个网格区内，将本月GPP和前后3 个月及本月降水数据分别进行对比，并求出相对应的GPP和降水之间的相关系数，结果见表1。当相关系数最大时，将此组数据得出的时滞作为区域时滞。由表1看出，和田及喀什地区在降水滞后1 个月的情况下，表现出GPP与降水之间较高的相关性，而阿克苏地区表现为0 时滞，可能与阿克苏地区的植被类型和地形条件有关。对其他的网格进行验证的结果表明(表1)：在降水滞后1 个月的情况下，和田及喀什地区GPP与降水之间的相关系数较高，存在很好的响应关系；但在阿克苏地区，无明显时滞。

3 讨 论

从时间尺度来看，GPP呈现出与季节相关的波动性。这是由GPP本身的性质所致，植被在冬季覆盖面积较小，光合作用减弱，由此积累的干物质也比较少，夏季日照充足，温度够高，植被大量生长，因而具有较高的GPP值，年均GPP的极值点基本出现在每年的7月。此外，南疆地区GPP的时空分布特征在3 个地区均在2009年存在明显拐点，通过查验中国气象数据网(http:∥data.cma.gov.cn/)2000—2012年新疆地区67 个气象站的降水数据，发现2009年年降水量较低，夏季的降水量也远远低于其他年份同期的降水量，因此，2009年GPP的值整体较低。自2000—2010年，GPP的综合平均值与新疆植被覆盖度总体呈上升趋势的结论保持一致[14]。从空间尺度看，可能是由于受到区域地形地貌、植被类型和水气热等条件的制约，GPP呈现出空间差异性。通过季节性分解发现GPP在夏季较高，在冬季较低，这与GPP本身的生态定义完全一致。此外，还有一些随机因素(如人类活动等)影响着GPP的变化。

图6 2000—2014年和田地区时间序列简单移动平均图像Fig.6 Simple moving average of time series in Hotan region from 2000 to 2014

选取A、B、C、D、E、F栅格用于时滞性分析A, B, C, D, E and F are selected for time lagging effect analyze图7 南疆地区GPP与降水之间相关系数的空间分布图Fig.7 Spatial distribution of correlation coefficient between GPP and precipitation in Southern Xinjiang

植被的生长与所在地的气候密切相关。大量研究表明陆地植被的生产力对气候变化的敏感性十分高[15-17]，大气环境如温度、水文、二氧化碳浓度等对植被总初级生产力的影响十分复杂。对中国陆地植被与气候因子研究的关系显示，降水是影响我国陆地植被初级生产力的主要因素[18]。在干旱地区，当降水量较少时，土壤的湿度降低，植被的光合作用速率下降，导致植被GPP降低。GPP与降水相关系数的差异性说明降水可能并不是影响植被GPP变化的主要因素，这可能由于研究区独特的地形地貌、温度条件及植被类型所致，与站点的选择也有一定关系，需要在今后研究中作进一步探究。

时滞表示GPP变化对降水变化反应的滞后性，能够有效地作为代表元素反映区域的脆弱性以及GPP与降水之间的响应关系。对于非农区，时滞越小(即降水变化先于GPP的变化越短)，降水对植被生长的影响越快，因此降水改变能够较快地反映在GPP的变化中。反之，若时滞较长，则植被生态对降水的变化具有一定的抵抗性，不能较快地反映在GPP的变化中。在降水滞后1 个月的情况下，和田及喀什地区GPP与降水之间的相关系数较高，存在很好的响应关系；但在阿克苏地区表现为0 时滞，这可能与阿克苏地区的地形地貌有关，表明区域植被生长更多地依赖于降水的多少，脆弱性较强。

表1 南疆地区GPP与降水时滞性的相关性分析Table 1 Time lag value between GPP and precipitation in Southern Xinjiang

4 结 论

本研究基于2000—2014年MODIS GPP数据，同时结合了2000—2011年的降水数据，对南疆的和田、阿克苏、喀什地区2000—2014年GPP平均值进行了估算和统计，并从时间尺度、空间格局以及与降水之间的响应关系进行系统的分析，得出以下结论：

1)时间尺度上，和田、阿克苏、喀什地区2000—2014年GPP具有很强的季节相关性，夏季有较高的GPP值。不同地区因为植被类型和水气热等条件的不同而有不同的变化趋势：和田及喀什地区GPP呈现增长的趋势，喀什地区GPP的增长趋势大于和田地区，而阿克苏地区GPP呈现小幅下降的趋势。

2)空间尺度上，受到区域地形地貌以及水气热等条件的制约，GPP的空间分布格局存在一定的差异性。和田地区的GPP北低南高；阿克苏地区与喀什地区的GPP均呈现北高南低的空间格局，但阿克苏地区的空间差异性较大。

3)和田、阿克苏、喀什地区的GPP与降水之间均为正相关关系。结果表明，在阿克苏和喀什地区，GPP与降水之间的相关性比较显著，但在和田地区，GPP与降水之间的相关性不是很显著，这与降水数据站点的选择也有一定的关系。

4)当降水滞后1 个月时，和田及喀什GPP与降水之间的相关系数显著提高，表明二者间具有良好的响应关系，但是阿克苏地区没有表现出时滞性，且相关性较强，说明响应关系更加明显。

植被的生长情况由多种因素共同决定，本研究重点关注干旱区降水与植被GPP的响应关系，因为在干旱区，水为主导植物生长的主要因素，温度等其他气象因素、土壤特性及植物本身的生理生态特征与植被GPP的网格化响应关系有待进一步研究。