东北地区植被碳利用率时空变化及其影响因子分析.pdf

第3 0卷第6期2 0 2 3年1 2月水土保持研究R e s e a r c ho fS o i l a n dW a t e rC o n s e r v a t i o nV o l.3 0,N o.6D e c.,2 0 2 3 收稿日期:2 0 2 2-1 0-1 0 修回日期:2 0 2 2-1 1-0 9 资助项目:江西省教育厅科学技术研究项目(G J J 2 1 2 7 0 1);广西自然科学基金(2 0 2 0 G X N S F B A 2 9 7 1 6 0)第一作者:胡佶熹(1 9 8 1),男,江西萍乡人,博士研究生,研究方向为土地资源管理。E-m a i l:h j x 1 9 8 1 1 81 6 3.c o m 通信作者:徐勇(1 9 8 8),男,湖南益阳人,博士,副教授,主要从事气候变化和植被覆盖反演研究。E-m a i l:y o n g x u g l u t.e d u.c nh t t p:s t b c y j.p a p e r o n c e.o r gD O I:1 0.1 3 8 6 9/j.c n k i.r s w c.2 0 2 3.0 6.0 0 5.胡佶熹,周清华,徐勇.东北地区植被碳利用率时空变化及其影响因子分析J.水土保持研究,2 0 2 3,3 0(6):2 7 4-2 8 3.H uJ i x i,Z h o uQ i n g h u a,X uY o n g.S p a t i o t e m p o r a lV a r i a t i o no fV e g e t a t i o nC a r b o nU s eE f f i c i e n c ya n dI t s I n f l u e n c i n gF a c t o r s i nN o r t h e a s tC h i n aJ.R e s e a r c ho fS o i l a n dW a t e rC o n s e r v a t i o n,2 0 2 3,3 0(6):2 7 4-2 8 3.东北地区植被碳利用率时空变化及其影响因子分析胡佶熹1,周清华2,徐 勇3(1.萍乡学院 商学院,江西 萍乡3 3 7 0 5 5;2.玉林市福绵区自然资源技术信息中心,广西 玉林5 3 7 0 0 0;3.桂林理工大学 测绘地理信息学院,广西 桂林5 4 1 0 0 6)摘 要:目的 揭示东北地区植被碳利用率的时空分布特征,探明植被C U E与影响因子间的关系,为监测区域生态环境质量和植被生态系统状况提供参考。方法 基于MO D I SG P P和N P P数据,结合气象数据,采用一元线性回归分析、M a n n-K e n d a l l显著性检验和偏相关分析等方法,探讨了2 0 0 02 0 2 0年东北地区植被C U E的时空变化特征,分析了植被C U E与气候因子的相关关系及时滞效应,揭示了影响植被C U E变化的气候驱动机制的空间分布特征。结果2 0 0 02 0 2 0年东北地区多年平均植被C U E为0.6 4,在空间上呈现东高西低的分布格局。近2 1年,东北地区植被C U E呈缓慢上升趋势,变化斜率为0.0 0 2/a。变化斜率大于0的区域占6 9.2 2%,植被C U E呈极显著上升和极显著下降的占比分别为6.2 8%,1.1 1%,极显著下降区域主要位于黑龙江省的东北部地区。植被C U E与气温、日照时数和相对湿度整体呈负相关,与降水整体呈正相关,且降水对植被C U E的影响强于其他气候因子。东北地区植被C U E主要响应于当月气温、降水、日照时数和相对湿度的变化,且植被C U E主要受气温、降水、日照时数、相对湿度弱驱动。结论 东北地区植被C U E总体呈上升趋势,且主要受当月气候因子的影响。研究结果可为制定东北地区植被生态系统可持续发展方针提供参考依据。关键词:东北地区;植被碳利用率;气候驱动机制中图分类号:Q 9 4 8 文献标识码:A 文章编号:1 0 0 5-3 4 0 9(2 0 2 3)0 6-0 2 7 4-1 0S p a t i o t e m p o r a lV a r i a t i o no fV e g e t a t i o nC a r b o nU s eE f f i c i e n c ya n dI t s I n f l u e n c i n gF a c t o r s i nN o r t h e a s tC h i n aH uJ i x i1,Z h o uQ i n g h u a2,X uY o n g3(1.S c h o o l o fB u s i n e s s,P i n g x i a n gU n i v e r s i t y,P i n g x i a n g,J i a n g x i3 3 7 0 5 5,C h i n a;2.T e c h n o l o g yI n f o r m a t i o nC e n t e r,N a t u r a lR e s o u r c e sB u r e a uo fF u m i a nD i s t r i c t,Y u l i n,G u a n g x i5 3 7 0 0 0,C h i n a;3.C o l l e g eo fG e o m a t i c sa n dG e o i n f o r m a t i o n,G u i l i nU n i v e r s i t yo fT e c h n o l o g y,G u i l i n,G u a n g x i5 4 1 0 0 6,C h i n a)A b s t r a c t:O b j e c t i v eT h ea i m so f t h i s s t u d ya r e t o r e v e a l t h e t e m p o r a l a n ds p a t i a l d i s t r i b u t i o nc h a r a c t e r i s t i c so fv e g e t a t i o nc a r b o nu s ee f f i c i e n c yi nn o r t h e a s tC h i n a,a sw e l la st h er e l a t i o n s h i pb e t w e e nv e g e t a t i o nC U Ea n d i n f l u e n c i n gf a c t o r s,t h e yc a np r o v i d ear e f e r e n c ef o rm o n i t o r i n gr e g i o n a le c o l o g i c a le n v i r o n m e n tq u a l i t ya n dv e g e t a t i o ne c o s y s t e ms t a t u s.M e t h o d sB a s e do nMO D I SG P Pa n dN P Pd a t a,c o m b i n e dw i t hm e t e o r o-l o g i c a l d a t a,t h el i n e a rr e g r e s s i o na n a l y s i s,M a n n-K e n d a l ls i g n i f i c a n c et e s t,a n dp a r t i a lc o r r e l a t i o na n a l y s i sw e r eu s e dt oe x p l o r e t h e s p a t i o t e m p o r a l v a r i a t i o no f v e g e t a t i o nC U E,t oa n a l y z e t h e c o r r e l a t i o na n d l a ge f f e c to fv e g e t a t i o nC U Ew i t hc l i m a t ef a c t o r s,a n dt or e v e a l t h es p a t i a ld i s t r i b u t i o nc h a r a c t e r i s t i c so f t h ec l i m a t e-d r i v e nm e c h a n i s ma f f e c t i n gv e g e t a t i o nC U Ev a r i a t i o ni nn o r t h e a s tC h i n af r o m2 0 0 0t o2 0 2 0.R e s u l t sT h ea n n u a l a v e r a g ev e g e t a t i o nC U Ew a s0.6 4 i nn o r t h e a s tC h i n a f r o m2 0 0 0t o2 0 2 0,d i s p l a y i n gas p a t i a l d i s t r i b u-t i o np a t t e r no fh i g h i nt h ee a s t a n d l o wi nt h ew e s t.I nt h ep a s t 2 1y e a r s,t h ev e g e t a t i o nC U Es h o w e das l o wu p w a r dt r e n di nn o r t h e a s tC h i n aw i t ha ni n c r e a s i n g m a g n i t u d eo f0.0 0 2/a.T h ea r e a sw i t ha ni n c r e a s i n gm a g n i t u d eg r e a t e r t h a n0a c c o u n t e df o r6 9.2 2%o f t h es t u d ya r e a,a n dt h ea r e a sw i t he x t r e m e l ys i g n i f i c a n ti n c r e a s ea n de x t r e m e l ys i g n i f i c a n td e c r e a s ea c c o u n t e df o r6.2 8%a n d1.1 1%o f t h es t u d ya r e a,r e s p e c t i v e l y.T h ea r e a sw i t he x t r e m e l ys i g n i f i c a n td e c r e a s ew e r em a i n l yl o c a t e di nt h en o r t h e a s t e r np a r to fH e i l o n g j i a n gP r o v i n c e.V e g e t a t i o n C U E w a sn e g a t i v e l yc o r r e l a t e d w i t ht e m p e r a t u r e,s u n s h i n ed u r a t i o n,a n dr e l a t i v eh u m i d i t y,a n dp o s i t i v e l yc o r r e l a t e dw i t hp r e c i p i t a t i o na saw h o l e.I na d d i t i o n,p r e c i p i t a t i o nh a das t r o n g e ri m p a c to nv e g e t a t i o nC U Et h a no t h e r c l i m a t i c f a c t o r s.T h ev e g e t a t i o nC U Em a i n l yr e s p o n d e dt ot h ec h a n g e so f c u r r e n tm o n t ho fp r e c i p i t a t i o n,a i rt e m p e r a t u r e,s u n s h i n ed u r a t i o n,a n dr e l a t i v eh u m i d i t yi nn o r t h e a s tC h i n a,a n d t h ev e g e t a t i o nC U Ew a sm a i n l yd r i v e nb yw e a kc o m b i n a t i o ne f f e c t o f a i r t e m p e r a t u r e,p r e c i p i t a t i o n,s u n s h i n ed u r a t i o n,a n dr e l a t i v eh u m i d i t y.C o n c l u s i o nT h ev e g e t a t i o nC U Ei nn o r t h e a s tC h i n ah a dg e n e r a l l yi n c r e a s e d,a n dw a sm a i n l ya f f e c t e db y t h e c o n c u r r e n tm o n t ho f t h ec l i m a t e f a c t o r s.T h e r e s e a r c hr e s u l t sc a np r o v i d et h e r e f e r e n c e f o r f o r m u l a t i n gs u s t a i n a b l ed e v e l o p m e n t p o l i c i e s f o rv e g e t a t i o ne c o s y s t e m s i nn o r t h e a s tC h i n a.K e y w o r d s:n o r t h e a s tC h i n a;v e g e t a t i o nc a r b o nu s ee f f i c i e n c y;c l i m a t e-d r i v e nm e c h a n i s m 植 被 作 为 地 球 表 层 生 态 系 统 的 重 要 组 成 部分1-2,因其对气候变化响应较为敏感,且作为陆地表面主要的碳库,具有较高的碳密度和较快的碳积累速度,在减缓大气C O2浓度升高和全球气候变暖方面发挥着关键的作用3-5。植被碳利用率(c a r b o nu s ee f f i c i e n c y,C U E),即植被净初级生产力(n e tp r i m a r yp r o d u c t i v i t y,N P P)与植被总初级生产力(g r o s sp r i-m a r yp r o d u c t i v i t y,G P P)的比值,可反映植被将初级生产力转化为植被生物质储存在生态系统中的效率,是碳循环研究的核心主题6-9。随着遥感技术的快速发展,学者在不同时空尺度上研究了植被碳利用率的时空变化特征及其影响因素,并取得了丰硕的成果。在全球尺度上,H e等7基于遥感影像和过程模型研究了全球植被C U E时空变化特征,结果表明,全球植被C U E呈现明显的纬度地带性,高纬度地区植被C U E较高。植被C U E随气温的上升呈非线性下降趋势,但对降水的增加表现较为稳定。M k e l 等1 0研究发现在6 0 7 0 N,随着纬度的上升,由于碳通量和存量的下降,针叶林C U E和N E P均 呈 梯 度 下 降 趋 势。在 中 国,C h u a i等1 1研究表明2 0 0 02 0 1 5年中国植被C U E呈微弱上升趋势,寒冷干燥地区植被C U E通常较高,而温暖湿润地区植被C U E通常较低。G a n g等1 2研究发现中国北方同一时期草地的C U E比森林的C U E高,并且森林C U E受近期干旱的影响比草地更大。兰垚等1 3研究表明青海湖流域中部地区在生长季初期和末期C U E值偏高,生长旺盛期较低,青海湖边界地区与中部地区相反。郑飞鸽等1 4研究表明降水量是影响植被C U E变化的主要因素,并且月均植被C U E与年均植被C U E存在较大的差异。此外,罗赵慧1 5、安相1 6和刘福红1 7等分别对粤港澳大湾区、东亚森林和草地、鄱阳湖流域的植被C U E进行了深入的研究,研究结果表明不同地区和不同植被类型的植被C U E存在较大差异。以上研究主要分析植被C U E时空变化特征,及其与降水和气温的相关关系,但植被C U E除受气温和降水影响外,还受其他气候因子的影响,且植被C U E对气候变化存在滞后效应,因此,在研究中应当充分考虑其他气候因子对植被C U E的影响、植被C U E对气候变化的滞后效应以及各气候因子对植被C U E变化的综合驱动作用。东北地区作为我国生态敏感区之一,研究其植被C U E的时空动态变化及其对气候变化的响应有着重大意义。因此,本文以东北地区作为研究区,探讨2 0 0 02 0 2 0年东北地区植被C U E的时空变化特征,分析植被C U E与气候因子的相关关系及时滞效应,揭示影响植被C U E变化的气候驱动机制的空间分布特征,以期为东北地区生态建设与保护提供理论参考和科学依据。1 研究区概况东北地区包括吉林、黑龙江和辽宁3个省份,地理位置为1 1 8 1 3 5 E,4 8 5 5 N,北面与俄罗斯相邻,东面与朝鲜接壤,隔日本海和黄海与日本、韩国相望,南濒渤海与华北区相邻(图1)。东北地区总面积为7.8 91 05k m2,约占全国总面积的8.3%,受纬度、海陆位置、地势等因素的影响,东北地区属大陆性季风型气候,自北而南由温带向暖温带过渡,年平均气温约为4,年累积降水量约为11 8 3mm,年平均湿度约为6 5%,蕴含着丰富的森林资源,总蓄积量约占全国的1/3,主要以栽培植被、阔叶林和针叶林为主。572第6期 胡佶熹等:东北地区植被碳利用率时空变化及其影响因子分析注:基于标准地图服务系统下载的审图号G S(2 0 1 6)6 0 0号的标准地图制作,底图未做修改,下图同。图1 研究区气象站点空间分布F i g.1 S p a t i a l d i s t r i b u t i o no f t h em e t e o r o l o g i c a ls t a t i o n s i nt h e s t u d ya r e a s2 数据源及研究方法2.1 数据源植被G P P和N P P数据来源于美国国家航空航天局发布MO D I S系列产品数据集,其中,G P P来自MO D 1 7 A 2 H G F产品数据集,N P P来自MO D 1 7 A 3 H G F产品数据集,空间分辨率均为5 0 0m,为剔除缺失值、水、云、重气溶胶和云影对试验结果的影响,本文采用最大值合成法得到2 0 0 02 0 2 0年植被G P P时间序列,并对G P P和N P P数据进行投影变换、掩膜、裁剪和重采样等处理,得到覆盖研究区空间分辨率为1k m的G P P和N P P时 间 序 列,然 后 计 算N P P和G P P的比值,得到研究区植被C U E栅格数据集。气象数据资料来源于中国气象数据网(h t t p:d a t a.c m a.c n)提供的1 9 9 92 0 2 0年24 1 6个气象站点的逐日气温、降水、日照时数和相对湿度数据,其中东北地区覆盖站点数为2 0 0个,在考虑高程、经度和纬度的基础上,经过A n u s p l i n模型插值后得到空间分辨率为1k m的东北地区的气温、降水、日照时数和相对湿度栅格数据集。2.2 研究方法2.2.1 一元线性回归分析 一元线性回归分析可用来估算变量在长时间序列上的变化趋势,本文采用一元线性回归分析在区域和像元尺度上计算植被C U E的变化斜率1 8,以探究东北地区植被C U E的变化特征,计算公式如下:s l o p e=nni=1(iC U Ei)-ni=1ini=1C U Einni=1i2-(ni=1i)2(1)式中:s l o p e为 变 化 斜 率;C U Ei为 第i年 的 植 被C U E;n为研究年限,当s l o p e 0时,表示植被C U E在该时段内处于上升趋势,反之,则为下降趋势。2.2.2 M a n n-K e n d a l l显著性检验 M a n n-K e n d a l l显著性检验1 8-1 9作为常用的非参数检验法,不需要样本遵循一定的分布规律。本文运用该方法对2 0 0 02 0 2 0年植被C U E时间序列的变化趋势进行显著性检验,计算公式如下:Sk=ki=1ij=1s g n(xi-xj)(2)E(Sk)=k(k-1)4(3)v a r(Sk)=k(k-1)(2k+5)7 2(4)U FkSk-E(Sk)v a r(Sk)(5)U Bk=-U Fk(k=n+1-k)(6)式中:xi和xj分别为第i个和j个样本的值;Sk为第i个样本的累积量;E(Sk)为Sk的均值;v a r(Sk)为Sk的方差;U Fk为Sk的标准差,U Bk是对U Fk进行倒置再取负。在给定显著性水平下,在正态分布表中查临界值Z1-2,当|Z|Z1-2,则认为趋势显著。本文给定当|Z|2.5 8时,为极显著变化;当|Z|1.9 6时,为显著变化,否则,为轻微变化。2.2.3 相关分析和偏相关分析法 相关分析法可用于表征两个因子之间的相关程度。本文采用相关分析2 0探究植被C U E与影响因子间的相关关系。计算公式如下:rx y=ni=1(xi-x)(yi-y)ni=1(xi-x)2 ni=1(yi-y)2(7)式中:n为研究年限;i为年序号;y为植被C U E对应像元2 1a平均C U E值;x为气候因子。当多个因子同时与植被C U E存在相关关系时,使用偏相关分析2 1-2 2可以在控制其他影响因素的条件下,衡量2个因子间的相关关系(表1)。本文采用偏相关分析法,计算植被C U E与气温、降水、日照时数和相对湿度的偏相关关系,计算公式如下:rx y.z1z2zn=rx y.z1z2zn-1-rx z n.z1z2zn-1ry z n.z1z2zn-1(1-r2x z n.z1z2zn-1)(1-r2y z n.z1z2zn-1)(8)672 水 土 保 持 研 究 第3 0卷式中:rx y.z1z2zn为控制自变量z1,z2,zn时,变量x和y的偏相关系数。采用t检验法对最大偏相关系数进行显著性检验,定义p0.0 1为极显著相关;0.0 1p0.0 5为显著相关;p0.0 5为不显著相关。表1 植被C U E变化气候驱动类型判定T a b l e1 D e t e r m i n a t i o no f c l i m a t e-d r i v e nt y p eo fv e g e t a t i o nC U Ec h a n g e气候驱动类型偏相关系数C U E_T e mC U E_P r eC U E_S dC U E_R h复相关系数C U E_T P S R气温驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5降水驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5日照时数驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5相对湿度驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5气温、降水驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5气温、日照时数驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5气温、相对湿度驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5降水、日照时数驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5降水、相对湿度驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5日照时数、相对湿度驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5气温、降水、日照时数驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5气温、降水、相对湿度驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5气温、日照时数、相对湿度驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5降水、日照时数、相对湿度驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5气温、降水、日照时数、相对湿度强驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5气温、降水、日照时数、相对湿度弱驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5非气候因子驱动p0.0 5p0.0 5p0.0 5p0.0 5p0.0 5注:C U E_T e m表示植被C U E与气温;C U E_P r e表示植被C U E与降水;C U E_S d表示植被C U E与日照时数;C U E_R h表示植被C U E与相对湿度;C U E_T P S R表示植被C U E与气温、降水、日照时数和相对湿度。3 结果与分析3.1 植被C U E时间变化特征由图2可知,东北地区植被C U E总体呈现波动上升趋势,上升速率为0.0 0 23/a。近2 1a来,研究区植被C U E平均值为0.6 4,其中,最高值出现在2 0 0 3年、2 0 0 9年、2 0 1 4年,为0.6 8,最低值出现在2 0 0 0年,为0.5 7。总 体 来 看,2 0 0 02 0 2 0年 东 北 地 区 植 被C U E的变化大致经历了4个阶段:2 0 0 02 0 0 3年植被C U E呈上升趋势,上升幅度为0.1 1,并且在2 0 0 3年达到最大值;2 0 0 42 0 0 7年植被C U E呈下降趋势,并且在2 0 0 7年出现波谷,下降幅度为0.0 40.0 5;2 0 0 82 0 0 9年呈上升趋势,上升幅度为0.0 7,并在2 0 0 9年出现波峰;2 0 1 02 0 2 0年呈波动上升趋势,波动幅度为0.0 20.0 4,总体变化较为平稳。省级尺度上 看,近2 1a辽宁省多 年平均植 被C U E最高,为0.7 2,黑龙江省最低,为0.6 1。黑龙江省植被C U E年际变化趋势与东北地区植被C U E变化趋势较为一致,辽宁省和吉林省植被C U E年际变化斜率与东北地区植被C U E变化斜率差异较大。辽宁省植被C U E上升斜率为0.0 0 32/a,高于东北地区植被C U E变化斜率,而吉林省植被C U E上升斜率仅为0.0 0 14/a,远低于东北地区植被C U E变化斜率。总体而言,东北地区及其3个省份的植被C U E年际变化趋势均表现为上升趋势,其中,辽宁省植被C U E的上升速率最快,且多年平均植被C U E最高,吉林省植被C U E的上升速率最慢,而黑龙江省的多年平均植被C U E最低。图2 2 0 0 0-2 0 2 0年东北地区植被C U E时间变化F i g.2 T e m p o r a l v a r i a t i o no f v e g e t a t i o nC U Ei nN o r t h e a s tC h i n a f r o m2 0 0 0t o2 0 2 0772第6期 胡佶熹等:东北地区植被碳利用率时空变化及其影响因子分析3.2 植被C U E空间变化特征 采用自然间断点法将东北地区植被C U E分成5类,以揭示2 0 0 02 0 2 0年 东北地区多 年平均植 被C U E空间分布特征。由图3 A可知,2 0 0 02 0 2 0年东北地区植被C U E空间分布差异显著。总体来说,植被C U E整体的空间分布呈“东高西低”的空间分布格局,均值在0.2 61.0 0,平均植被C U E为0.6 4,植被净收C O2的能力中等,总体的标准差为0.1 1,反映了东北地区局部碳利用率的水平差异较大。其中,植被C U E高值区域(0.7 1 1)占2 5.3 7%,主要分布在东北地区的东南部;植被C U E低值区域(0 0.5 3)占1 8.0 8%,主要分布在东北地区的西部和东北部区域。由图3 B可知,东北地区植被C U E的变化斜率为-0.0 3 0 0.0 3 9/a,变化斜率呈东南低、西北高的空间分布格局。由图3 C可知,东北地区植被C U E呈上升趋势的面积占6 9.3 9%,其中,呈显著和极显著上升趋势的面积占1 8.0 9%,主要位于黑龙江省中部和辽宁省西部。东北地区植被C U E呈下降趋势的面积占3 0.6 1%,其中,呈极显著下降趋势的面积占1.0 0%,主要分布在黑龙江省东北部。省级尺度上,黑龙江省、辽宁省和吉林省植被C U E呈上升趋势的面积分别占7 2.0 3%,7 4.5 7%,5 9.1 2%,其中,黑龙江省和辽宁省植被C U E呈显著和极显著上升趋势的面积分别占2 0.0 7%,2 3.6 2%,而吉林省植被C U E呈显著和极显著上升趋势的面积仅占8.8 6%。此外,黑龙江省、辽宁省和吉林省植被C U E呈下降趋势的面积分别占2 7.9 7%,2 5.4 3%,4 0.8 8%,其中,呈显著和极显著下降趋势的面积占比均较低,分别为3.7 0%,1.6 5%,1.7 9%整体而言,东北地区植被C U E呈“东高西低”的空间分异特征。在区域和省级尺度上,植被C U E呈上升趋势的面积均大于呈下降趋势的面积,其中,黑龙江省和辽宁省植被C U E呈上升趋势的面积占比大于吉林省。图3 2 0 0 0-2 0 2 0年东北地区植被C U E空间变化F i g.3S p a t i a l d i s t r i b u t i o no f t h ed y n a m i cv a r i a t i o no f v e g e t a t i o nC U Ei nN o r t h e a s tC h i n af r o m2 0 0 0t o2 0 2 03.3 植被C U E与气候因子的相关关系如图4 AD所示,整体上,东北地区植被C U E与降水和气温呈正相关关系的面积大于呈负相关关系的面积,与日照时数和相对湿度呈负相关关系的面积大于呈正相关关系的面积。东北地区植被C U E与降水的最大偏相关系数平均值为0.1 2,呈南北强、东西弱的响应特征,呈正相关关系的区域占总面积的6 3.9 3%,其中,呈极显著正相关关系的区域占6.4 5%,主要分布在黑龙江省中部和西北部。研究区内4 5.5 9%的植被C U E与气温呈负相关关系,主要零散分布在东北地区的东部和西部区域,植被C U E与气温的最大偏相关系数的平均值为0.0 3。对比植被C U E与降水和气温的偏相关关系可以发现,植被C U E与降水和气温的响应特征存在较大的空间差异,植被C U E与降水呈极显著正相关关系的区域,与气温却呈极显著负相关关系,这说明不同的气候因子对植被C U E的影响存在明显空间分异特征。植被C U E与日照时数最大偏相关系数的平均值为-0.1 4,植被C U E与日照时数呈不显著相关关系占比最大,为8 5.6 4%;仅有0.3 7%呈极显著正相关关系,主要分布在辽宁省的东部地区。东北地区植被C U E与相对湿度呈微弱的负相关关系,最大相关系872 水 土 保 持 研 究 第3 0卷数的平均值为-0.0 5,研究区内5 7.9 4%的植被C U E与相对湿度呈负相关关系,极显著负相关关系占1.6 1%,主要分布在黑龙江省与吉林省的交界处;极显著正相关关系和显著正相关关系占3.5 4%,主要分布在黑龙江省西部、吉林省西部和辽宁省中部。综上可知,东北地区植被C U E对各气候因子变化的最大响应呈明显地域差异。总体上,日照时数、降水、相对湿度和气温对东北地区植被C U E的响应强弱程度依次降低。植被C U E与降水和气温呈正相关的面积大于日照时数和相对湿度。图4 东北地区植被C U E与气候因子偏相关关系空间分布F i g.4 S p a t i a l d i s t r i b u t i o no fp a r t i a l c o r r e l a t i o nb e t w e e nv e g e t a t i o nC U Ea n dc l i m a t e f a c t o r s i nN o r t h e a s tC h i n a 由图5 A可知,东北地区的植被C U E复相关关系均为正相关,且极显著正相关面积占比最大,为3 8.7 3%,主要分布在黑龙江省中部。根据表1气候因素驱动机制分类准则,耦合植被C U E与各气候因子的偏相关和复相关结果可得图5 B。由图5 B可知,东北地区植被C U E变化受气候因素和非气候因素驱动的占比分别为6 9.4 1%,3 0.5 9%。单因子驱动中,东北地区植被C U E受降水、日照时数、气温和相对湿度单独驱动的面积占比依次下降,分别为9.7 6%,7.9 1%,6.5 5%,4.6 5%,其中,降水对植被C U E的影响最强,主要分布在黑龙江省的中部地区。在多因子联合驱动中,受气温、降水、日照时数、相对湿度弱驱动面积占比为2 7.3 6%,主要分布在黑龙江省的北部和吉林省的东部区域。东北地区植被C U E变化受非气候因子驱动占比为3 0.5 9%,主要分布在东北区域的东北部以及南部地区。综上可知,西南地区植被C U E变化受气候因素的驱动大于受非气候因素的驱动。单因子驱动中,东北地区植被C U E受降水的影响强于其他气候因子;多因子联合驱动中,东北地区植被C U E主要受气温、降水、日照时数和相对湿度弱驱动。图5 东北地区植被C U E与气候因子的复相关关系和驱动因素分区F i g.5 M u l t i p l ec o r r e l a t i o nb e t w e e nv e g e t a t i o nC U Ea n dc l i m a t e f a c t o r sa n dt h ed i v i s i o no fd r i v i n gf a c t o r s i nN o r t h e a s tC h i n a3.4 植被C U E与气候因子的时滞效应计算植被C U E与气温、降水、日照时数和相对湿度03个月的相关系数,然后根据最大相关系数得到植被C U E对各气候因子最大响应的滞后期。972第6期 胡佶熹等:东北地区植被碳利用率时空变化及其影响因子分析如图6 AD所示,东北地区植被C U E最大响应于当月气温、降水、日照时数和相对湿度的变化的面积最大,分别占4 9.1 0%,4 8.5 1%,5 2.7 0%,4 8.9 8%。对降水响应滞后0个月主要分布在黑龙江省西北部和辽宁省的西南部、吉林省的东部地区;对日照时数响应滞后0个月主要分布在东北地区的东部;对气温响应滞后0个月主要分布黑龙江省和吉林省的东部地区;对相对湿度响应滞后0个月主要分布在黑龙江省,有少部分零散分布在辽宁省和吉林省。总体而言,植被C U E最大响应于当月气候因子的变化。不同影响因子的时滞效应