1、DOI:10.11829/j.issn.1001-0629.2022-0204孙强,张立峰,何毅,姚圣,曹胜鹏,赵占骜.甘南藏族自治州植被净初级生产力时空变化及驱动力.草业科学,2023,40(7):1729-1741.SUNQ,ZHANGLF,HEY,YAOS,CAOSP,ZHAOZA.Spatio-temporalchangesanddrivingforceanalysisofvegetationnetprimaryproductivityinGannanTibetanAutonomousPrefecture.PrataculturalScience,2023,40(7):1729-174
2、1.甘南藏族自治州植被净初级生产力时空变化及驱动力孙强1,2,3,张立峰1,2,3,何毅1,2,3,姚圣1,2,3,曹胜鹏1,2,3,赵占骜1,2,3(1.兰州交通大学测绘与地理信息学院,甘肃兰州730070;2.地理国情监测技术应用国家地方联合工程研究中心,甘肃兰州730070;3.甘肃省地理国情监测工程实验室,甘肃兰州730070)摘要:自 2003 年开始甘南藏族自治州推行了“退耕还草”等一系列生态保护政策,对区域植被状态产生了一定的影响。目前针对甘南州不同植被类型下植被净初级生产力(NPP)与归一化植被指数(NDVI)、太阳辐射、气温、降水间响应机制的研究尚不明晰,且关于该区域植被 N
3、PP 时空特征变化及重心迁移的探讨尚少。本研究基于 MODIS 遥感数据、气象数据、植被类型数据,利用 Carnegie-Ames-StanfordApproach(CASA)模型估算了甘南州 20002019 年植被 NPP,分析了 NPP 时空变化特征,探讨了不同植被类型下植被 NPP 与 NDVI、气温、降水以及太阳辐射之间的响应关系。结果表明:1)20002019 年植被 NPP 年均值为 621.79gm2,96.63%区域呈现为增长趋势。2)20002019 年植被 NPP 重心整体呈现西北向东南迁移,东南部植被 NPP 增速高于西北部。3)植被 NPP 与气温、降水、太阳辐射间整
4、体上呈明显的正相关关系,北部边缘及东部中心地带呈负相关关系。4)林地、灌丛、草地的 NPP 均呈稳定增长,湿地类型下除 NPP 外气温亦呈明显增长。本研究可为评价生态质量及生态工程的实施效果提供理论支撑。关键词:净初级生产力;CASA 模型;时空特征;植被变化;重心移动;遥感;环境监测文献标识码:A文章编号:1001-0629(2023)07-1729-13Spatio-temporal changes and driving force analysis of vegetation net primaryproductivity in Gannan Tibetan Autonomous Pr
5、efectureSUNQiang1,2,3,ZHANGLifeng1,2,3,HEYi1,2,3,YAOSheng1,2,3,CAOShengpeng1,2,3,ZHAOZhanao1,2,3(1.FacultyofGeomatics,LanzhouJiaotongUniversity,Lanzhou730070,Gansu,China;2.National-LocalJointEngineeringResearchCenterofTechnologiesandApplicationsforNationalGeographicStateMonitoring,Lanzhou730070,Gans
6、u,China;3.GansuProvincialEngineeringLaboratoryforNationalGeographicStateMonitoring,Lanzhou730070,Gansu,China)Abstract:Since 2003,the Gannan Tibetan Autonomous Prefecture has implemented a series of regional ecologicalprotectionpolicies,including“returningfarmlandtograss”.Theresponsemechanismsbetween
7、netprimaryproductivity(NPP)andthenormalizeddifferencevegetationindex(NDVI),solarradiation,temperature,andprecipitationindifferentvegetationtypesinGannanarestillunclear.Furthermore,thespatialandtemporalcharacteristicsofvegetationNPPandthemigrationofthecenterofgravityintheregionhavenotbeeninvestigated
8、.Inthisstudy,basedonMODISremotesensing,meteorological,and vegetation type data,the Carnegie-Ames-Stanford Approach(CASA)model was used to estimatevegetationNPPinGannanfrom2000to2019,analyzethespatialandtemporalvariationcharacteristicsofNPP,andexplore收稿日期:2022-03-22接受日期:2022-06-06基金项目:国家自然科学基金(421610
9、63);甘肃省自然科学基金(20JR10RA249);甘肃省青年科学基金(20JR10RA272)第一作者:孙强(1995-),男,河南永城人,在读硕士生,研究方向为生态环境遥感。E-mail:通信作者:张立峰(1982-),男,吉林农安人,副教授,博士,研究方向为遥感应用。E-mail:第40卷第7期草业科学1729-1741Vol.40,No.7PRATACULTURALSCIENCE7/2023http:/theresponserelationshipsbetweenvegetationNPPandNDVI,temperature,precipitation,andsolarradiat
10、ionunderdifferentvegetationtypes.TheannualaveragevalueofvegetationNPPfrom2000to2019was621.79gm2,and96.63%oftheareashowedanincreasingtrend.ThecenterofgravityofvegetationNPPfrom2000to2019showedanoverallnorthwesttosoutheastmigration,andthegrowthrateofvegetationNPPinthesoutheastwashigherthanthatinthenor
11、thwest.Theoverallpositive relationship between vegetation NPP and temperature,precipitation,and solar radiation was obvious,and thenorthernedgeandtheeasterncentershowedanegativerelationship.Finally,theNPPofwoodland,scrub,andgrasslandshowedastableincrease,andthetemperatureofthewetlandtypealsoshowedas
12、ignificantincreaseinadditiontoNPP.Thefindingsprovidetheoreticalsupportfortheevaluationofecologicalqualityandimplementationofecologicalprojects.Keywords:netprimaryproductivity;CASAmodel;spatialandtemporalcharacteristics;vegetationchange;centerofgravityshift;remotesensing;environmentalmonitoringCorres
13、ponding author:ZHANGLifengE-mail:植被净初级生产力(netprimaryproduction,NPP)指绿色植物在单位面积单位时间内所累积的有机物数量,不仅是陆地生态系统中物质与能量转换的基础,而且能反映植物群落的生产力。此外,植被NPP 还可用于评估生态系统的功能协调性及其与其他环境因素的相互作用1。因此,在全球气候变化的大背景下,植被 NPP 对气候变化的响应机制方面发挥着重要作用。随着“退耕还草”等一系列生态保护政策和生态恢复工程的推行,长时序、定量化的植被 NPP 研究分析对于评价生态系统质量状况,监测区域植被变化具有重要意义。随着国内外学者对 NPP
14、研究的逐渐深入,NPP获取方法也在不断革新。实地测量法2-3最先被应用,但由于工作量大,获取周期长等诸多因素不能被推广。随后利用模型模拟间接估计的多种方法被提出,其中属于遥感反演法之一的 Carnegie-Ames-StanfordApproach(CASA)模型具有模型简单、数据获取方便、精度较高等优势,被广泛应用4-5。朴世龙等6采用 CASA 模型估算了中国 1997 年植被NPP 分布情况;张美玲等7将顺序分类系统和温湿度指标引入 CASA 模型,得到 20042008 年中国草地 NPP 时空分布,并分析得到影响 NPP 的决定因素。此后,对于 NPP 的研究8-13更倾向于基于典型
15、区域、多源数据的 NPP 时空分布特征和驱动力响应机制研究,旨在揭示 NPP 和独特区域特征间(高程、坡向、气候因子等)的内在联系。近年来我国针对类似甘南藏族自治州的脆弱生态区推行了“退耕还草”等一系列生态保护政策和生态恢复工程,这一系列举措对区域植被变化造成了一定的改变,引起了学者们的兴趣。学者们开始对甘南藏族自治后植被 NPP 进行研究,采用趋势分析法和变异系数法探究了 NPP 时空变化规律与气温和降水的响应关系,并分析了区域内 NPP 在不同植被类型下的变化趋势分布14-16。但针对甘南藏族自治州植被 NPP 的已有研究中,长时序下该地区植被 NPP 重心有无迁移缺乏探讨,此外,不同植被
16、类型下探究甘南藏族自治州 NPP 与归一化植被指数(normalizeddifferencevegetationindex,NDVI)、太阳辐射、气温、降水各因子之间的响应机制及趋势分布未见报道。本研究基于 MODIS 遥感数据、气象站点数据、植被类型数据,利用 CASA 模型计算了甘南藏族自治州 20002019 年的植被 NPP;利用相关系数法探究 NPP 与 NDVI、气温、降水、太阳辐射间的响应关系及不同区间下的变化和分布。通过一元线性回归趋势分析 NPP 的变化趋势,基于重心模型17-18揭示长时序下植被 NPP 在空间上的差异和重心迁移规律,并进一步探究 NPP 在不同植被类型下与
17、太阳辐射、气温、降水的变化趋势,明确甘南藏族自治州NPP 与各因子间的相应机制。本研究旨在为认识区域生态环境、生态措施制定与实施实效提供理论支撑。1 研究区概况甘南藏族自治州(1004610444E,33063610N)地处甘肃省西南部,青藏高原和黄土高原过渡地带,全州下辖夏河、玛曲、碌曲、卓尼、迭部、临潭、舟曲和合作共 7 县 1 市;东部山地交错,农牧业兼营;西北部为广阔草原,是重要的农牧业生产基地和国家级生态主体功能区(图 1)。甘南藏族自1730草业科学第40卷http:/治州年平均气温在 113,年内高于 10 的月份不足 3 个月,昼夜温差极其明显,年均降水在440800mm 间且
18、集中在 7 月9 月,其气候为典型的高原大陆性季风气候19-20。甘南藏族自治州独特 的 气 候 特 征 和 境 内 丰 富 的 植 被 资 源 为 植 被NPP 的研究提供了自然基础。2 材料与方法 2.1 数据来源及处理本研究所用气温和降水等气象数据均来源于国家气象科学数据中心中国地面气候资料月值数据集(http:/ 110 个气象站点的月平均气温和降水量数据插值得到西北地区气候时空数据,最后裁剪出研究区范围数据,站点分布如图 2 所示。数据预处理过程中,首先对缺测值和异常值进行预处理,将缺测值超过 6 个月的数据予以剔除,未超过6 个月的通过 MATLABR2018b 进行线性插值后得到
19、,将降水量低于 0mm 的数据用前后月份的均值作为替换。之后利用ANUSPLIN软件对研究区域的气温、降水数据在西北地区尺度上插值处理后裁剪出研究区 20002019 年逐月气温和降水分布图,进行波段组合后得到年平均气温、降水分布图,通过 ANUSPLIN 方法插值时引入了数字高程模型(digitalelevationmodel,DEM)数据,以提升局部和全局的插值精度。太阳辐射数据来自于国家气象科学数据中心(http:/ 118 个气象站点数据,处理方法与生成气温、降水图一致。NDVI 数据来自于美国地质调查局土地过程分布 活 动 档 案 中 心(https:/lpdaac.usgs.gov
20、/)发 布 的MOD13Q1 全球产品,数据周期为 16d,空间分辨率为 500m。选取覆盖研究区甘南州的影像,利用MODISReprojectionTool(MRT)软件进行影像的批量拼接、转投影、最大值合成处理。将 NDVI在 0.10以上的区域定义为植被覆盖区,去除 NDVI 小于 0.10的无植被覆盖区。借助 ArcGIS10.3 软件提取甘南20002019 年各月份 NDVI 数据,并统一定义为350000 N350000 N343000 N400000 N960000 E1020000 E1040000 E1020000 E1040000 E1040000 E植被类型Vegeta
21、tion types林地 Woodland灌丛 Bush草地 Grassland沼泽 Swamp耕地 Arable landNNN 程 Elevation/m4 7791 176审图号:GS(2022)1873 号图 1 研究区行政区划图及植被类型分类图Figure 1 Administrative division map and vegetation cover classification map of the study area审图号:GS(2022)1873 号N气 站点 Meteorological stations研究区 Study area西北五省 Five northwes
22、tern provinces05001 000 km图 2 气象站点分布图Figure 2 Distribution of meteorological stations第7期孙强等:甘南藏族自治州植被净初级生产力时空变化及驱动力1731http:/Albers投影。最后与气象数据处理方法相同,将全年 12 个月的数据进行波段组合后得到年均NDVI分布图。数字高程模型(DEM)数据来源于NASA(NationalAeronauticsandSpaceAdministration)的 SRTM 数据(http:/srtm.csi.cgiar.org/),空间分辨率为 500m。利用嵌套在 ANU
23、SPLIN 包中的薄板平滑样条进行空间插值,其中薄板平滑样条包含了温度和降水数据的高度依赖性,协变量的引入能够使得插值精度更高,插值结果更为平滑。用来与 CASA 模型反演 NPP 结果进行一致性分 析 的 MOD17A3NPP 产 品 数 据 来 源 于 MODISMOD17A3H 版本产品中年度净初级生产力数据集,时间分辨率为 1 年,空间分辨率为 500m,且已经通过大气校正、辐射校正、几何校正和去云等处理。数据下载完成后使用 ArcGIS10.3 软件进行拼接、裁剪、重投影后剔除其异常值,得到 20002020 年的NPP 精度验证数据集。植被类型数据来自中国科学院资源环境科学与数据中
24、心(https:/ 22 种植被类型的栅格数据,掩膜提取出甘南藏族自治州植被类型数据,经整合后重分类为研究区主要的5 种植被类型(林地、灌丛、草地、湿地、耕地),并定义为 Albers 投影,用于 CASA 模型中最大光能利用率的确定。2.2 空间插值方法本研究中站点数据采用国际上认可并被广泛应用的 ANUSPLIN 软件进行插值,由于引入数字高程模型数据,其插值结果精度更高,结果的细节展示也更为突出。本研究中主要使用薄盘光滑样条函数和 LAPGRD(局部薄盘光滑样条表面估值并计算贝叶斯标准误差)等主要程序模块。ANUSPLIN 软件的核心是局部薄盘光滑样条法,其理论模型为:zi=f(xi)+
25、bTyi+ei(i=1,N)。(1)fwi2wi2f式中:zi为空间中 i 点的因变量,(xi)为 xi的光滑函数,xi为关于样条独立变量的 d 维向量,bT为 yi的p 维系数,yi为 p 维独立协变量,ei是期望为 0 且方差为的随机误差项,为已知的相对误差方差,为未知的所有数据点上的误差方差常数,N 为观测值的个数。光滑函数 和系数 b,通过数据点及其周边已知点插值,由最小二乘法确定。2.3 CASA 模型估算 NPP 方法选取改进后的 CASA 模型5来估算 NPP。该模型以 NDVI 为驱动,借助气温、降水、太阳辐射为主要驱动因子,在对相关参数(、SR、SRmin、SRmax)进行了
26、适宜性调整后对 NPP 进行反演。模型表达如下:NPP(x,t)=APAR(x,t)(x,t)。(2)xt式中:APAR(x,t)为像元 x 在 t 月份吸收的光合有效辐射(gm2),(x,t)为像元 在 月份的实际光能利用率(gMJ1)。在此基础上,将植被覆盖分类引入模型,根据误差最小的原则,利用中国的 NPP 实测数据,模拟出各植被的最大光能利用率,其中植被吸收的光合有效辐射取决于总太阳辐射(S)和光合有效辐射分量(FPAR)。APAR(x,t)=S(x,t)FPAR(x,t)0.5。(3)式中:S(x,t)为像元 x 在 t 月份的太阳辐射量(MJm2);FPAR(x,t)为植被层对光合
27、有效辐射的吸收比例;常数 0.5 表示植被所能利用的有效辐射占总辐射的比例。其中 FPAR、NDVI、比值植被指数(SR)之间的关系公式如下:FPAR(x,t)=min(SRSRminSRmaxSRmin,0.95)。(4)式中:SRmin和 SRmax分别对应各植被 NDVI 的 5%和 95%下侧百分位数,SR(x,t)可由 NDVI(x,t)求得,公式如下:SR(x,t)=1+NDVI(x,t)1NDVI(x,t)。(5)式中:NDVI(x,t)为像元 x 在 t 月份的 NDVI。2.4 相关性分析相关性分析主要用来反映各个因子之间相关程度和相关方向,本研究采用皮尔森相关系数法探讨Z-
28、score 标准化后的 NPP 与各因子的响应关系,公式如下:Rxy=ni=1(xix)(yiy)ni=1(xix)2ni=1(yiy)2。(6)式中:xi、yi为其他因子(x)和 NPP(y)第 i 年的值。Rxy为变量 x 和 y 年际值的相关性系数,取值范围为1732草业科学第40卷http:/1.0 到 1.0。采用 F 显著性检验结果,将相关性分为为8 个等级:显著负相关(r0.8)、中度负相关(0.8r0.5)、轻度负相关(0.5r0.3)、弱负相关(0.3r0)、弱正相关(0r0.3)、轻度正相关(0.3r0.5)、中度正相关(0.5r0.8)、显著正相关(0.8r)。2.5 趋
29、势分析一元线性回归分析通过拟合一条数据趋势线来模拟每一个像元的年际变化趋势,其优点是可消除特定年份由于异常因素对 NPP 变化趋势的影响,真实反映 NPP 的演化趋势。计算公式:slope=nni=1iNPP|ni=1ini=1NPPi|nni=1i2|ni=1i|2。(7)式中:slope为拟合得到的年际 NPP 数值变化速率,负值表示 NPP 呈下降趋势,正值则表示 NPP 呈增长趋势。n 为所研究时间序列长度,NPPi为第 i 年的NPP 值。根据 Slope 和显著性检验结果(P 值)将NPP 空间变化趋势分为 5 个等级:显著减少(Slope0,P0.05),不显著减少(Slope0
30、,P0.05),显著增加(Slope0,0.01P0,P0.01)。2.6 Z-score 标准化在研究不同量纲的因子间变化趋势分布时,将它们的趋势值分别做 Z-score 标准化处理用于后续的研究分析,表达式如下:ZX(i)=XMean(X)Std(X)。(8)式中:X 为要进行 Z-score 标准化的一元线性回归后的趋势像元值,其中 X(i)为第 i 年的趋势像元值,Mean(X)和 Std(X)是研究期间内 X 的平均值和标准偏差。Z-score 标准化在多个目标值上界和下界已知的情况下,将有量纲表征的数据规约变换成相同尺度内无量纲的数据,消除样本奇异值。2.7 NPP 重心分析“重心
31、”的迁移方向和距离可以反映某一地理现象的程度和趋势的变化。重心模型被广泛应用于研究经济社会问题,包括人口分布及其迁移、区域经济增长趋势、粮食分布及其变化、土地利用分布及其变化、生态环境变化等。该模型对事物内部变化趋势有着较强的展示,本研究利用重心模型分析植被NPP 增速在空间上的差异和植被 NPP 重心迁移规律。重心定义为一对坐标(x,y),模型内笛卡尔坐标设为(xi,yi)。然后将 n 个空间单元(像元)组成的区域的空间均值定义为笛卡尔坐标。结合植被 NPP 像元特点,应用于研究区 NPP 重心模型迁移时的公式为:x=ni=1NPPixini=1NPPi,y=ni=1NPPiyini=1NP
32、Pi。(9)式中:xi和 yi是要素 i 的坐标,n 等于要素总数。NPPi为第 i 个像元处 NPP 的值。3 结果与分析 3.1 甘南藏族自治州植被 NPP 时空变化特征甘南藏族自治州 20002019 年植被 NPP 总体呈稳定增长趋势且年均植被 NPP 具有明显的时间分异性(图3)。植被NPP 年均增长率约为7.5g(m2a)1,变化范围为 556691g(m2a)1,其中表现为增长趋势的时间段为 20002002 年、20032008 年、20112015 年、20182019 年,且增长率大致相同,约为15g(m2a)1。表现为减少趋势的时间段为 20022003 年、200820
33、11 年、20152018 年,其中 20022003 年和 20082011 年下降趋势大致相同,下降率为 12.3g(m2a)1,20152018 年下降较为缓慢,下降率约为 6.7g(m2a)1(此处增长率和下降率是由 CASA 模型反演得出的 2019 年 NPP 与 2000 年NPP 的差值与时间跨度得出,并非是拟合后的趋势)。总体上,甘南藏族自治州植被 NPP 在 20002019年间呈现出稳定增长趋势,虽然时有下降趋势但并不明显。%)%20002019 年年平均 NPP 为 621.79g(m2a)1,主要分布在 450750g(m2a)1,且表现出明显的空间分布差异(图 4a
34、)。其中植被 NPP 低于 200g(m2a)1的区域占比最低(0.78,主要分布在卓尼县南部和迭部县北部交界地带、玛曲县东北部小范围区域和南部边界区域;200450g(m2a)1的区域占比为4.44,主要分布在玛曲县西北部和迭部县境内;450650g(m2a)1的区域占 46.73,主要分布在卓第7期孙强等:甘南藏族自治州植被净初级生产力时空变化及驱动力1733http:/%尼 县 迭 部 县 舟 曲 县 和 玛 曲 县 大 部 地 区。650750g(m2a)1占比 41.52,主要分布在玛曲县东部、碌曲县,夏河县、合作市和临潭县大部地区。高于 750g(m2a)1的区域占比 6.53,聚
35、集在甘南东北边境区、卓尼县、临潭县的交邻地区。甘南藏族自治州 NPP 总体呈增长趋势,大部地区(90.32)表现为极显著增加(图 4b);其中 6.3 的地区表现为显著增加,其分布区域植被覆盖主要以常绿阔叶林和落叶阔叶林为主;3.11 的地区表现为不显著增加,主要分布在迭部县南部、迭部县与卓尼县交界地区、和玛曲县,碌曲县,夏河县境内少数区域,这些区域植被主要以常绿阔叶林为主,其次为落叶阔叶林;仅有 0.22 的地区表现为不显著减少,主要分布在迭部县和碌曲县少数地区;表现为显著减少的区域极少可忽略不计。植被 NPP 表现为极显著增加的区域的高占比(90.32%)空间分布特征与稳定增长的时间分布特
36、征并不排斥。甘南藏族自治州20002019 年植被 NPP 年际变化趋势空间分布,植被 NPP 呈明显增加区域(植被 NPP 年际变化斜率大于 12g(m2a)1)占比为 1.5,主要分布在舟曲县东部边界和临潭县东部地区且主要以林地为主(图 4c);仅有极少区域植被 NPP 呈现明显退化(植被 NPP 年际变化率小于 0);其余区域大多呈现稳定增长趋势,植被 NPP 年际变化在 04g(m2a)1的地区占16.02,4 8 g(m2a)1的 区 域 占 74.85,8 12g(m2a)1的区域占 6.64。整体来看,研究区内大%部地区(90.87)植被 NPP 处于 08g(m2a)1的变化率
37、区间,植被 NPP 变化率小于 0 的区域远远小于变化率大于 12g(m2a)1的区域,甘南藏族自治州植被整体生长状况良好。3.2 甘南藏族自治州 NPP 重心迁移年际 NPP 空间分布差异和增速的空间异质性可通过植被 NPP 重心的迁移有效呈现。在 CASA 模型反演植被 NPP 结果的基础上,通过计算 20002019 年年均 NPP 和逐年 NPP 的重心,并考虑到极端气候等因素的影响以 10 年为时间尺度分为 20002009 年、20102019 年 2 个时间段来研究甘南藏族自治州植被 NPP 的重心迁移规律(图 5)。重心的迁移不仅反映出植被 NPP 聚集的转移,亦是植被NPP
38、增速空间异质性的一种表现。如图 5a 所示,整体重心迁移呈“自西向东,从北到南”跳动偏移的趋势。20002002 年、20052006 年间 NPP 重心整体出现向南迁移的趋势,说明该时间段内南部植被NPP 增速大于北部;20032009 年 NPP 重心整体呈现从西南向东北迁移的趋势,且西向迁移的趋势大于北向迁移的趋势,说明在此期间东部地区植被NPP 增速远超西部地区。20102019 年甘南藏族自治州 NPP 重心迁移幅度较 20002009 年相比更大,跳跃也更明显,NPP 重心更为明显的跳跃说明研究区内植被 NPP 的变化较 20002009 年更为剧烈。其 中 2010 2011 年
39、、2012 2013 年、2014700650600550500CASA 模型模拟 NPPNPP simulated from the CASA model/g(m2a)1MODIS NPP 产品值MODIS NPP products/g(m2a)1700650600550500200020042008年份 Year201220162020y=3.174 9x+593.28y=6.365 4x+554.95CASADODIS 线性拟合Linear fit of ModisCASA 线性拟合Linear fit of CASA modelDODIS图 3 20002019 年甘南藏族自治州 CA
40、SA 模型模拟年际 NPP 值及 MODIS NPP 产品年际值Figure 3 Interannual net primary production(NPP)value simulated by CASA model and interannual value of MODIS NPPproducts in Gannan Tibetan Autonomous Prefecture from 2000 to 20191734草业科学第40卷http:/2015 年、20162017 年和 20182019 年这些时段内植被 NPP 出现由西北向东南方向迁移的趋势,说明在此时间段内研究区东南地区
41、植被 NPP 增速大于东北地区(图 5b)。20112012 年、20132018 年植被 NPP 重心出现明显的由东南向西北方向迁移的趋势。3.3 甘南藏族自治州植被 NPP 对各因子的响应%采用皮尔森相关性分析了植被 NPP 与 NDVI、太阳辐射、气温和降水间响应关系(图 6)。有 77.29%的区域显示 NPP 与 NDVI 正相关,仅 22.71 的区域显示 NPP 与 NDVI 之间呈负相关关系。其中呈现负360000 N350000 N340000 N330000 N360000 N350000 N340000 N330000 N1010000 E1030000 E1050000
42、 E1010000 E1030000 E1050000 ENNPP 年际均值空间分布Spatial distribution of mean NPP无值No data0200 450 650 750 1 62704080 km夏河县Xiahe合作市Hezuo卓尼县Zhuoni临潭县Lintan卓尼县Zhuoni碌曲县Luqu玛曲县Maqu 县Diebu舟曲县Zhouqu360000 N350000 N340000 N330000 N360000 N350000 N340000 N330000 N1010000 E1030000 E1050000 E1010000 E1030000 E10500
43、00 ENNPP 变化趋势空间分布 Spatial distribution of NPP change trend无值 No data显著减少 Significant reduction不显著减少 Not Significant reduction不显著增加 Not Significant increase显著增加 Significant increase极显著增加 Extremely significant increase04080 km夏河县Xiahe合作市Hezuo卓尼县Zhuoni临潭县Lintan卓尼县Zhuoni碌曲县Luqu玛曲县Maqu 县Diebu舟曲县Zhouqu360
44、000 N350000 N340000 N330000 N360000 N350000 N340000 N330000 N1010000 E1030000 E1050000 E1010000 E1030000 E1050000 EcbaNNPP 变化率空间分布Spatial distribution of the rate of change of NPP无值No dataNPP 变化率NPP trends/g(m2a)1 00448812 1204080 km夏河县Xiahe合作市Hezuo卓尼县Zhuoni临潭县Lintan卓尼县Zhuoni碌曲县Luqu玛曲县Maqu 县Diebu舟曲县
45、Zhouqu图 4 甘南藏族自治州 20002019 年 NPP 分布图Figure 4 Net primary production(NPP)distribution map ofGannan Tibetan Autonomous Prefecture from 2000 to 2019342230 N342200 N342130 N342100 N342230 N342200 N342130 N342100 N1024400 E 1024430 E 1024500 E 1024530 E1024400 E 1024430 E 1024500 E 1024530 ENa 2000200920
46、04200920002005200820032006200120072002碌曲县LuquNPP 心NPP center of gravityNPP 年均 心NPP intcrannual ccnter of gravityNPP 年 心 移 势线NPP center of gravity migration trend line0.00.51.0 km342230 N342200 N342130 N342100 N342230 N342200 N342130 N342100 N1024400 E 1024430 E 1024500 E 1024530 E1024400 E 1024430 E
47、 1024500 E 1024530 Eb 20102019N20142019201020152018201320162011201220172002碌曲县LuquNPP 心NPP center of gravityNPP 年均 心NPP intcrannual ccnter of gravityNPP 年 心 移 势线NPP center of gravity migration trend line0.00.51.0 km图 5 甘南藏族自治州 20002019 年植被 NPP 重心迁移图Figure 5 Center of gravity migration of vegetation
48、netprimary production(NPP)in GannanTibetan Autonomous Prefecture from 2000 to 2019第7期孙强等:甘南藏族自治州植被净初级生产力时空变化及驱动力1735http:/%相关关系的面积主要集中在弱负相关(占比 21.05),呈现正相关关系主要集中在弱正相关(0r0.3)(占比31.41)。弱正相关(0r0.3)的面积占比31.41,轻度正相关(0.3r0.5)的面积占比 13.11,中度正相关(0.5r0.8)的面积占比 27.83,显著正相关(0.8r)的面积占比 4.92(表 1)。从空间分布上来看,除夏河县、合作
49、市、卓尼县部分地区显示为负相关,甘南其余大部地区都呈正相关。%甘南藏族自治州 NPP 与太阳辐射间具有显著的相关性特征(图 6),超过 85 区域呈现出显著正相关。呈现弱、轻度、中度正相关的区域分别占比0.61、1.57 和 11.34,极少区域(0.1)显示为负相关,显示为负相关的区域主要分布在迭部县北部边界地带和碌曲县西南地带。植被 NPP与气温呈现正相关的区域占研究区总面积的 94.88,呈负相关关系的区域主要集中在夏河县北部和合作市北部地带(图 6)。植被 NPP 与降水呈正相关的区域面积占%比为 96.76,仅卓尼县和迭部县交界处高海拔地带和迭部县南部高海拔地带呈现负相关关系。从空间
50、分布上来看,绝大多数区域植被 NPP 与太阳辐射、气温、降水间都呈现明显的正相关关系,其中与太阳辐射间的正相关尤为明显。综上,从空间分布上来看甘南藏族自治州植被 NPP 与太阳辐射、气温、降水间都呈现明显的正相关关系,其中与辐射间的正相关尤为明显。3.4 不同植被类型下 NPP 对气候因子的响应本研究中将研究区划分为林地、灌丛、草地、湿地、耕地共 5 种植被类型(图 1),分析 20002019 年间 NPP 与各驱动因子间的变化特征,并与其他区域NPP 对气候因子响应研究对比。NPP 和主要气候因子在不同植被类型下的分布存在明显差异(图 7)。其中降水和辐射由于研究区相同的原因,在 5 种植