中国生态系统GPP变化热点区域检测与归因分析.pdf

177JournalofBeiNormalUnivers(NaturalScience)59(2)2023-04北京师范大自然科学版）中国生态系统GPP变化热点区域检测与归因分析赵泉博朱秀芳谢天颜辰亦（北京师范大学地理科学学部，10 0 8 7 5，北京）摘要结合趋势分析与热点分析检测中国GPP变化的热点区域，从热点区和像元2 个尺度探讨了自然和人类活动对热点区域GPP变化的影响.结果表明：198 2-2 0 17 年中国GPP总体呈增加趋势，变化均值为1.92 gm-2a-；G PP正向变化的热点区域位于川西高原、黄土高原、华北平原及云贵高原；GPP负向变化的热点区域位于藏南、长江三角洲和东南沿海地区；研究考虑的3个自然因子中，气温与GPP相关程度最高；以气温和人类活动为主导因素的像元比例最高，达43.8 6%.气温和人类活动在各热点区域的影响方向不同，总体上在GPP显著增加的4个热点区域都起到了促进作用，在GPP显著减少的3个热点区域都起到了负面影响.关键词总初级生产力；趋势分析；热点分析；突变点监测；相关分析中图分类号号P942D0I:10.12202/j.0476-0301.2021101陆地生态系统为人类的生存与持续发展提供了物质基础，在全球碳循环中发挥着重要作用，是大气中CO,等气体的重要来源.植物作为陆地生态系统中重要的组成部分，通过光合作用吸收CO,并转化为有机物，对生物圈的物质循环和能量流动起关键作用，是全球变化与陆地生态系统关系研究的重点2 陆地生态系统初级生产力是陆地生态系统与大气之间进行碳素交换的主要途径3，是描述生态系统碳吸收能力的主要指标.其中，总初级生产力（grossprimaryproduction，G PP)指一定时间内植物通过光合作用所固定的有机碳总量.GPP能够有效表征生态系统中的植被生产力状况，反映了自然环境下陆地生态系统的生产力水平4.研究初级生产力的时空变化及其驱动机制，不仅有利于理解生态系统碳循环过程对气候变化和人类活动的响应4-5 及生态系统碳循环的生物化学动态过程6 ,还可以为评价生态工程成效和制定生态环境保护政策等提供科学依据7-8 .目前，国内外关于生态系统GPP研究主要集中在遥感模型模拟9、时空变化特征10-1 及其与主要影响因子的响应关系12 等.对于生态系统GPP的影响因素，已有的研究多探究其与气候因子之间的关系。如：Yao等13研究了198 2 2 0 15年中国GPP与气候的关系，发现GPP年际变化的主要驱动因素是温度的区域面积最大；Jia等14 分析了气候变化、CO,体积分数和土地利用覆盖变化对198 1一2 0 10 年中国GPP的影响，发现气候变化是GPP年际趋势、年际变化和季节变化的主导控制因素；Mo等15 模拟分析了2 0 0 0 2 0 13年中国植被GPP的变化，发现GPP的年际变化与降水和叶面积指数呈较强的相关关系；刘刚等16 对2 0 0 1一2014年中国植被NPP进行了估算，分析了其与气温、降水的相关性；Xie等17 探讨了人类活动对植被生产力的影响，估算198 2 一2 0 17 年中国三北地区GPP时空变化，发现气候变化、CO,体积分数和人类活动在不同子区域对GPP趋势的贡献有显著差异；陈探等18 对沈阳经济区的土地利用和植被净初级生产力的关系进行了研究；Liu等19 对武汉地区的土地利用和植被GPP的关系进行了研究；周夏飞等2 0 研究了黄土高原退耕还林工程累积造林面积与植被净GPP的变化情况；王耀斌等2 1 通过设置城市缓冲区研究了秦巴山区人类活动对植被净GPP的影响；裴凤松等2 2 对长江三角洲城市建成区绿化覆盖率和植被GPP的关系进行了研究.虽然针对生态系统GPP的研究在多尺度、多区域上均有开展，但已有的研究多数从一定的研究区域出发，先依据特定的方式，如经济区位18.2 2 、地形地貌单元5.2 1.2 3、河流流域2 4、自然保护区8 等，确定研究区域后再进行分析.已有研究鲜见在全国尺度分离出GPP显著变化的热点区域，横向比较不同GPP显著变化区域的GPP变化成因差异。*国家级大学生创新创业训练计划资助项目（2 0 2 0 10 0 2 7 0 0 4）十通信作者：朱秀芳（198 2 一），女，博士，副教授，研究方向：遥感应用E-mail:收稿日期：2 0 2 1-0 4-2 6178第59 卷北京师范大自然科学版）综上所述，本研究通过识别GPP显著增加和减少的热点区域，在像元和区域尺度探讨GPP变化的影响因子，比较分析不同热点区域、不同尺度下各因子对GPP变化的贡献率大小，以及不同因子之间的交互影响.本研究可以为深人探索我国陆地生态系统GPP变化情况及其与人为因素、自然因素的内在联系，改善生态环境、合理开发和利用自然资源，制定相关的政策8 等提供理论依据。1数据与预处理本文共使用了4种数据：1)GLASSGPP产品，时间范围为198 2 一2 0 17 年，空间分辨率0.0 5该套数据基于EC-LUE模型生产2 5,数据精度较高且无缺失值，能够进行长时间序列的分析.2来源于欧洲中期天气预报中心的ERA5月尺度再分析气象数据集2 6 ,分辨率为0.2 5，具体包括2 m气温、平均总降水量和表面净太阳辐射3个产品。3)来源于国家科技基础条件平台一一国家地球系统科学数据中心的分辨率为1km的198 0 和2 0 15年的土地利用覆盖数据。4)来源于美国国家地理数据中心1km分辨率的19922013年DMSP/OLS数据数据预处理包括：1)使用ArcGIS10.4提取研究区范围内的气象数据.2)对月降水数据求和得到年总降水量，对月尺度气温和净太阳辐射求均值得到年均温和年均净太阳辐射，在此基础上进行投影变换并将其重采样至与GPP数据分辨率一致.3)对于土地利用覆盖数据首先将耕地、林地、草地类型合并为植被类型，其他土地利用类型合并为非植被类型，然后通过叠置分析建立土地利用转移矩阵，评价植被的变化情况。4)对于夜间灯光数据，由于DMSP/OLS使用了多组传感器数据且传感器未经过星上定标，各期影像之间缺乏可比性，参考卢秀等2 7 的研究，对数据的饱和问题和连续性问题进行了校正.2技术路线利用长时间序列GPP数据，在趋势分析基础上分离出中国范围内GPP变化的热点区域.引人土地利用和夜间灯光数据作为人为驱动力的表征，结合气温、降水和净太阳辐射等自然因子，从像元和热点区域2 个尺度定量分析不同因素单独和交互作用对GPP的影响.技术路线如图1所示，具体步骤包括：1)GPP变化热点区域识别.使用Theil-Senmedian（Se n）方法10)逐像元计算中国陆表GPP变化趋势，并结合Mann-Kendall(M-K)方法10)进行显著性检验，对于通过显著性检验（P10000km的热点和冷点集聚区域作为后续研究中关注的GPP变化热点区域.M-K检验是一种被广泛应用于长时间序列的趋势检测分析中的非参数统计检验方法，可计算时间序列变化的显著性并不受离群值影响；Sen方法得到序列斜率的中值并减少测量误差和异常数据的干扰；热点分析基于局域关联指数Getis-OrdGi*28,该方法被广泛用于测量极值点集聚分布形成的具有统计学意义的高值区和低值区.2)热点区域GPP和影响因子的变化特征分析.逐年计算各个热点区域的GPP、G PP残差、气温、降水和净太阳辐射的趋势值，分析其变化趋势，并使用M-K突变点检验2 9 分析各热点区域GPP、G PP残差、气温、降水和净太阳辐射的均值的突变时间.使用1980和2 0 15年2 期土地利用覆盖数据，建立转移矩阵分析热点区域的植被变化情况.使用夜间灯光数据表征人类活动强度，基于趋势分析得到夜间灯光数据的变化趋势。将残差分析得到的GPP残差表征人类活动对GPP的作用，GPP残差 0、0 或=0 时分别表示人类活动对GPP产生正向、负向影响或无影响.3)热点区域的像元尺度驱动力分析.使用相关分析计算气温、降水、净太阳辐射与GPP之间的相关系数，以表征自然因子对GPP的影响程度10 。由于自然因素之间通常具有交互作用，在相关分析的基础上，使用偏相关系数表征剔除其他变量影响时2 个变量的相关程度；使用复相关系数表征不同自然因子对GPP之间的交互影响程度.逐像元对自然因子和GPP做相关分析并进行显著性检验，将3个自然因子与GPP的显著性复相关系数记作PI.使用多元线性回归拟合GPP和气温、降水和净太阳辐射之间的回归方程，得到气温、降水和净太阳辐射3个因子的标准回归系数（bl、b z 和b）。通过残差分析得到各像元GPP的残差序列，并进行显著性检验，记残差趋势显著性值为P2.设定如图1所示的判定规则逐像元进行GPP变化主导影响因素分析.若Pi0.05且P20.05，说明3个自然因子和GPP的复相关系数和残差的趋势均通过0.0 5水平的显著性检验，3个自然因子和人类活动均对GPP的变化有显著贡献；若Pi0.05,说明3个自然因子对GPP的变化有显著贡献.进一步比较3个因子的标准回归系数b1、b,和b3.若b,最大，则认为气温和人类活动是主导影响因素；若b,最大，则认为是降水和人类活动是主导影响179赵泉博等区域检测与归因分析第2 期热点区域GPP和影响GPP变化热点区域识别因子的变化特征分析GPPGPPGPP残差气温降水净太阳辐射M-K检验+Sens slopeM-K突变点检验+GPP变化趋势分段拟合土地利用/DMSP/OLS热点分析+面积阈值法覆盖数据夜间灯光GPP增加和减少的热点区域土地转移矩阵Sens slope热点区域的驱动力分析自然驱动力分析主导驱动力分析气温降水3个自然因子和GPP的复相关系数P值PGPP残差趋势P值P2，气温、降水、净太阳辐净太阳辐射射拟合GPP得到的标准回归系数b、b z、b,YNP/0.05?相关分析YP,0.05?NP,0.05且P20.05且P20.05，说明3个自然因子和GPP的复相关系数和残差的趋势均未通过0.05水平的显著性检验。本研究所考虑的因子对GPP的变化的贡献均不显著。3研究结果与分析3.1GPP变化热点区域识别趋势分析显示有33.8 9%的区域通过了P0.01的显著性检验（图2-a)，与Yao等13 基于涡流通量数据反演得到的198 2 一2 0 15年中国GPP变化趋势分布格局相似.基于热点分析，结合面积阈值法提取出7 个GPP变化显著的区域（图2-b)。其中，4个GPP显著增加的区域分别位于四川西部和青海东南、西藏东北部（I1，简称川西高原区）、黄土高原及汾渭谷地（12，简称黄土高原区）、华北平原（13）和云贵高原（14），变化趋势值分别为7.6 4、8.48、8.6 9和7.18 gmal.3个GPP显著减少的区域主要位于藏南地区（D1）、长江三角洲（D2)和珠江三角洲及福建沿海地区（D3，简称东南沿海区），其GPP变化趋势值分别为-7.2 5、-8.0 5和-6.6 2 gma-l.所有的热点区域GPP变化趋势值绝对值都显著高于全国的均值1.92 g m-2.al3.2热点区域GPP和潜在影响因子的变化特征分析3.2.1热点区域GPP变化特征分析M-K突变分析和残差分析结果（图3）显示，各热点区域GPP和GPP残差的逐年变化趋势相似，且突变时间点接近，相差均 5a.除长江三角洲和藏南地区GPP变化趋势分别在1999和2 0 10 年出现由正向转为负向的变化外，其他热点区域突变年份前后变化趋势未发生改变.除藏南地区外，其他区域残差值变化趋势均极显著，说明人类活动在这些地区对GPP有重要影响.3.2.2热点区域自然因子变化特征分析斤热点区域气温、降水、净太阳辐射的突变时间点，突变点前后和整个时间序列的变化趋势如图4所示.198 2 一2017年，所有热点区域的气温均显著上升，而降水的变化在不同地区趋势有所不同.除华北平原和藏南地区，净太阳辐射都有显著增加.其中，川西高原、东南沿海、华北平原、云贵高原、长江三角洲气温突变点，以及川西高原、云贵高原净太阳辐射突变时间点和对应区域GPP突变点很接近，相差 3a.3.2.33热点区域人类活动变化特征分析在GPP变化热点区域中，植被和非植被之间的土地利用类型转移总面积约为3.52 万km（图5-a），占研究区总面积的2.55%.在GPP显著减小的区域中，土地利用类型热点GPP热点GPP180第59 卷北京师范大自然科学版）Nab40D2600000060000000GPP变化趋势/20GPP显著增加区域(gC:m-2:a-l)GPP显著减小区域B3-44.76148.90GPP变化趋势/(gCm-2a-)1:33000000-44.7648.90南海诸岛1:33000000南海诸岛100120E100120Ea.通过（P0.01)M-K显著性检验的像元分布；b.GPP变化热点区域.图2GPP变化热点区域识别GPPGPP变化趋势GPP残差GPP残差变化趋势热点区突变时间突变前突变后整体突变时间突变前突变后整体川西高原20012000增加黄土高原20032007区域华北平原19941990云贵高原19951995藏南地区20102011减少长三角19992004区域东南沿海19911996图例0.01水平显著上升0.0 5水平显著上升不显著上升0.01水平显著下降0.0 5水平显著下降不显著下降图3热点区域GPP和GPP残差M-K突变点检验结果气温气温变化趋势降水降水变化趋势净太阳辐射净太阳辐射变化趋势热点区突变时间突变前突变后整体突变时间突变前突变后整体突变时间突变前突变后整体川西高原200219842000GPP增加黄土高原199320011996热点区域华北平原199620051991云贵高原199720011997藏南地区200520001998GPP减少热点区域长三角199619951991东南沿海199319851988图例0.01水平显著上升0.0 5水平显著上升不显著上升0.01水平显著下降0.0 5水平显著下降不显著下降图4热点区域自然因子M-K突变点检验结果的转移方向主要是植被向非植被转移，净转出面积约1.50 万km，占区域总面积的7.40%.其中，长江三角洲和东南沿海热点区域建设用地面积显著上升，城市化进程迅速，由植被转为非植被类型的土地面积是非植被转为植被类型的2 0 倍以上.在GPP显著增加的区域中，土地利用类型整体上变化较小，植被净转出面积约0.8 4万km，占区域总面积的0.7 3%.其中，川西热点区域植被面积增幅较大，植被覆盖净转入面积约10 8 0 km，占区域总面积的0.49%.I2、13、14区域植被覆盖面积均有所减少，净转出面积分别占区域总面积的0.42%、2.33%、0.7 2%.热点区域内的夜间灯光强度呈现上升趋势（图5-b).其中长三角、珠三角地区（D2、D 3)夜间灯光变化幅度最为显著，夜间灯光强度变化均值高，表明这些区域城市化程度高，受到人类活动影响的强度大.川西、藏南、云贵高原热点区域的夜间灯光强度变化幅度不明显，表明这些区域受到人类活动影响较弱。3.3热点区域GPP变化的驱动力分析3.3.1自然驱动因素分析图6 显示了热点区域GPP与气温、降水、净太阳辐射的简单相关、偏相关、复相关181赵泉博等：中国太系统区域检测与归因分析TPP第2 期5a0.87%0.55%0.58%0%0.46%0.22%0.02%00%0.06%0.76%-51.28%6.37%2.91%-108.94%非植被一植被植被一非植被D1D2D31112131412b1.021.00.80.60.510.40.260.20.130.0100.070D1D2D311121314图5热点区域植被非植被之间土地利用类型转移统计（a）和夜间灯光强度变化趋势统计（b）N40ac(T)b c(P)cc(S)1230D1D2D1D2D14D2D3D3dpc(T)epc(P)f pc(S)401330D1D2D1D2D1D2D3D3g mc(T,P)h mc(T,S)imc(P,S)4012121330D1D2D1D2DI14D2D3D3D3100110120100110120100110120E0700 km-0.830.86显示通过P0.05显著性检验的像元；c为相关系数，pc为偏相关系数，mc为复相关系数.图6热点区域GPP与气温（T)、降水（P)和净太阳辐射（S)的相关分析系数.经统计，热点区域中分别有6 0.7 5%、9.34%、17.11%的区域的GPP与气温、降水、净太阳辐射的简单相关系数通过显著性水平为P0.05的检验；分别有55.44%，5.59%，6.99%的区域的GPP与气温、降水、净太阳辐射偏相关系数均通过了显著性水平为P0.05的检验；分别有7 3.45%、7 4.2 4%和2 6.93%的区域的GPP与气温和降水、气温和净太阳辐射、降水和净太阳辐射的复相关通过了显著性水平为P0.05的检验.3个因子中，温度与GPP的简单相关和偏相关最显著，包含温度时自然因子与GPP的复相关系数高于不包含温度时自然因子与GPP的复相关系数，复相关系数的值总体要高于偏相关和简单相关的182第59 卷北京师范大自然科学版）值。由此可以看出3个自然因子中，气温是与GPP相关程度最高的自然驱动因素，且自然因子对植被总初级生产力的影响存在交互作用，复合影响效果更强。3.3.2主导驱动因素分析斤通过相关分析和残差分析得到GPP与3个自然因子的复相关系数（图7-a)和GPP残差趋势（图7-b），基于图1中GPP像元尺度主导因素分析方法，得到GPP变化的主导因素空间分布图（图7-c)及比例分布（表1）.在所有热点区域中，“气温和人类活动”为主导因素的区域占比最大（43.8 6%），次之是“气温（2 6.8 6%）.不同热点区域间主导因素存在差异：在GPP增加的热点区域中，占比最大的是以“气温和人类活动”为主导因素的区域（48.6 0%），次之是以“气温”为主导因素的区域(26.01%）.在GPP减小的热点区域中，“气温”为主导因素的区域占比最大，达31.58%.表2 显示了不同GPP变化主导因素区的夜间灯光强度和土地利用变化情况。识别出的人类活动为主导因素的区域中，校正后夜间灯光强度的平均变化高于自然因子主导及人类活动和自然因子共同主导的区域.在不同类型主导因素区中，植被的面积均呈减少趋势，其中，自然因子为主导因素的区域植被总体变化最小，植被减少了1.59%，人类活动主导区域植被减少了1.6 7%，人类活动和自然因子共同主导区域植被减少了1.8 6%.以上结果间接验证了本研究GPP变化主导因素识别的准确性.3.3.3主导自然因素和人类活动对不同热点区域GPP变化影响方向对比分析综合上述分析，可以看出人类活动和气温是热点区域GPP变化的主导因素，然而二者在7 个子区域的影响方向不同.总体来说，对于GPP显著增加的热点区域，气温和人类活动对GPP的增加都有促进作用，而对于GPP显著减少的3个热点区域，气温和人类活动都起到了负面影响。100110120E100110120ENab4040121213133030D114D2D114D2D3D3残差变化趋势复相关系数(单位：gm-2.a)0300600 km0300600 km0.330.8629.6626.9012020100110120E1001100120E64.22%41.59%57.62%29.86%28.37%14.13%8,97%10.96%12.61%1.49%2.52%1.20%2.73%6.26%1.75%2.55%5.98%0.58%0.87%0.66%1.37%0.55%0.87%2.31%100110Y20NC404049.47%1233.82%32.46%1322.16%18.41%I111.59%9.30%7.02%1,31%2.70%10.18%0.18%2.11%1.58%0.71%3030D1D234.85%1434.33%25.86%22.23%19.84%D310.92%13.05%7.22%7.75%5.25%5.85%0.98%3.23%5.35%2.82%0.46%N100110120E0400kmLJ气温和人类活动净太阳辐射和人类活动降水人类活动降水和人类活动气温净太阳辐射本研究考虑的因素都不是主导因素图7热点区域GPP与自然因子的复相关系数（a）、G PP残差趋势（b和GPP变化主导因素（c)空间分布183赵泉博等：中国生态系统GPP变化热点区域检测与归因分析第2 期表1热点区域GPP变化主导因素占比%所有热GPP增加的GPP减少的主导因素点区域热点区域热点区域气温和人类活动43.8648.6015.01降水和人类活动0.690.551.65净太阳辐射和人类活动1.521.293.05气温26.8626.0131.57降水2.471.807.01净太阳辐射5.884.3515.49人类活动7.017.384.71本研究考虑的因素都不是主导因素11.7010.0121.51表2不同主导因素区域人类活动变化情况夜间灯光平均强度变化植被变化百分比/%主导因素趋势(转入-转出）人类活动主导1.38-1.67人类活动和自然1.36-1.86因子共同主导自然因子主导1.23-1.59就气温来看（图6-a），气温升高对川西高原、云贵高原、黄土高原、华北平原的GPP增加都有促进作用.原因可能是对于山区和高寒草原，冬季和春季气温偏低，气温可能成为影响植被生长的主要限制因子2 1,气候暖湿化使得高原区域植被GPP增加30-31,同时也促进了华北作物复种指数提高，周年面积产量增加32 .此外，气温升高可以减少低温冷冻灾害，帮助越冬作物安全过冬33。全球植被生长的最适温度约为2 334,在长江三角洲和东南沿海地区，气温升高可能促使植被受高温胁迫，进而降低GPP34。藏南地区大部分区域为喜马拉雅山脉东部的茂密森林，人类活动强度较低，土地覆盖类型长时间内保持不变.该热点区域光照充足，辐射强，日温差大，雨季集中，冬春季干燥多风35,是森林火灾高风险区36 。气温升高可能导致该地区林火频率增加，从而减少GPP.就人类活动来看（图7-b），在GPP显著正向变化的热点区域，人类活动对GPP的促进作用主要得益于政府大规模实施的生态环境保护工程，如退耕还林还草工程、天然林保护工程、“三北”防护林体系建设工程等37 .M-K突变点检验显示，黄土高原和云贵高原热点区域的GPP分别在2 0 0 3和1995年之后呈现显著增加趋势，这与生态工程建设实施的时间段和已有研究得出的结论一致7.38-39.在云贵高原热点区域，喀斯特地貌土壤侵蚀导致的养分流失是植被GPP限制因素40 ,石漠化治理工程的实施使植被GPP有了显著提高7.川西高原热点区域是黄河上游重要的水源涵养地，M-K突变点检验显示该地区的GPP正向突变发生在2 0 0 0 年，这与该热点区域实施的退牧还草、天然草原植被恢复等工程时间范围相一致31,已有研究证实这些生态工程收到了较明显的生态收益41.华北热点区域是我国重要的粮食产区，该地区土地覆盖类型以耕地为主，GPP残差发生突变的时间点为1990年，与我国开始大量施用化肥的趋势相符42 .Wang等43 在三江平原的研究显示，氮沉积的增加有利于提高GPP，作物单产与施肥量和土壤有机碳含量显著相关44,可以推测该热点区域GPP的增加和灌溉、化肥施用等农业管理手段密切相关33。在GPP显著减小的区域，长三角和东南沿海热点区域受到城市化进程影响，植被覆盖面积呈减少趋势.GPP减少程度最高的区域主要出现在一些经济发展较快的区域周边，如广州、上海、深圳、苏州等城市的周边地区，与夜间灯光数据显示的人类活动高强度区域相符。人类活动通过土地利用方式的改变来改变生态系统的结构、类型和功能，从而改变植被的GPP.这些地区经济发展较快，人口集中，城市化快速发展，建设用地规模快速扩张，使得区域GPP减少45.4结论与讨论4.1结论本文在全国尺度上关注不同类型GPP变化（增加和减少)的热点区域，引人土地利用土地覆盖和夜间灯光数据作为人为驱动力，结合气温、降水和日照等自然因素，利用不同的统计分析方法，从像元和热点区域2 个尺度，定量分析不同因素单独和交互作用对GPP的影响，横向对比了不同热点区域GPP变化的驱动力得到的主要结论如下：1)19822017年7 2.14%的区域GPP变化趋势为正向，中国GPP总体呈增加趋势。2)识别得到川西高原、黄土高原、华北平原及云贵高原4个GPP呈显著增加趋势的热点区域和藏南、长三角和东南沿海3个GPP呈显著减少趋势的热点区域.3)在所研究的3个自然因子中，气温与GPP变化的相关程度最高，其次是净太阳辐射。4)气温和人类活动是主导各热点区域GPP变化的主要驱动因素.在不同的热点区域人类活动对植被GPP的影响方式不同，总体上生态工程和环境保护措施起到了正向影响，而城市化和建设用地扩张带来的植被覆盖面积减少造成了负面的效应。4.2讨论本研究尚存在如下不足1)本研究使用的GLASS产品的AVHRRGPP栅格数据集是基于气温、PAR（光合作用有效辐射）等184第59 卷北京师范大学自然科学版）参量反演得到的产品，所使用的气候数据来自于欧洲中期天气预报中心（ECWMF)推出的第5代再分析产品ERA5.原始数据集的精度及数据本身存在的误差会影响本研究的结果。2)灯光数据和土地利用覆盖数据的时间尺度与所研究的时间范围不完全匹配，可获取的数据时间范围小于GPP数据的时间范围，不能完全反映研究时间段内的灯光和土地利用覆盖变化情况.在数据可用的情况下，可以扩大所分析的影响因子的时间范围，以提高分析结果的准确性。3)对于所有热点区域而言，“本研究所考虑的因素都不是主导因素”的像元的占比为11.7 0%，说明本文考虑的影响因素还不够全面，未来有必要增加更多的潜在影响因子进行分析5参考文献1李银鹏，季劲钧.全球陆地生态系统与大气之间碳交换的模拟研究.地理学报，2 0 0 1,56(4)：37 92 LIU X F,ZHU X F,PAN Y Z,et al.Spatiotemporalchanges in vegetation coverage in China during 1982-2012.Acta Ecologica Sinica,2015,35(16):53313常顺利，杨洪晓，葛剑平.净生态系统生产力研究进展与问题J.北京师范大学学报（自然科学版），2 0 0 5，41(5)：5174 刘青瑞。中国陆地生态系统总初级生产力变化趋势及成因分析D.南京：南京大学,2 0 175 MO X G,LIU S X,MENG D J,et al.Exploring theinterannual and spatial variations of ET and GPP withclimate by a physical model and remote sensing data in alarge basin of Northeast ChinaJ.International Journal ofClimatology,2014,34(6):19456 LI F,PENG Y F,ZHANG D Y,et al.Leaf area rather thanphotosynthetic rate determines the response of ecosystemproductivity to experimental warming in an alpine steppeJ.Journal of Geophysical Research:Biogeosciences,2019,124(7):22777美姜岩.生态工程下桂西北植被NPP时空演变及影响因素分析D.成都：成都理工大学,2 0 168 祁威，摆万奇，张镱锂，等。生态工程实施对塘和三江源国家级自然保护区植被净初级生产力的影响 .生物多样性,2 0 16,2 4(2):12 79袁文平,蔡文文，刘丹，等。陆地生态系统植被生产力遥感模型研究进展J.地球科学进展,2 0 14,2 9(5)：54110董镱，尹冬勤，李渊，等.黄土高原植被的时空变化及其驱动力分析研究.中国农业大学学报，2 0 2 0,2 5(8)：12011王莹莹,袁金国，张莹，等。中国温带地区植被物候期时空变化特征及对总初级生产力的影响.遥感技术与应用,2 0 19,34(2):37 712 FIBBI L,MORIONDO M,CHIESI M,et al.Impacts ofclimate change on the gross primary production of ItalianforestsJ.Annals of Forest Science,2019,76(2):113 YAO Y T,WANG X H,LIY,et al.Spatiotemporal patternof gross primary productivity and its covariation withclimate in China over the last thirty years.GlobalChange Biology,2018,24(1):18414 JIA B,LUO X,CAI X,et al.Impacts of land-use changeand elevated CO,on the interannual variations and seasonalcycles of gross primary productivity in ChinaJ.EarthSystem Dynamics Discussions,2020,11:23515 MO X,LIU S,CHEN X,et al.Variability,tendencies,andclimate controls of terrestrial evapotranspiration and grossprimary productivity in the recent decade over ChinaJ.Ecohydrology,2018,11(4):e195116 刘刚，孙睿，肖志强，等.2 0 0 1-2 0 14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):493617 XIE S D,MO X G,HU S,et al.Contributions of climatechange,elevated atmospheric CO2 and human activities toET and GPP trends in the Three-North Region of ChinaJ.Agricultural and Forest Meteorology,2020,295:10818318陈探，刘淼，胡远满，等。沈阳经济区土地利用和净初级生产力变化J.生态学报，2 0 15,35(2 4)：8 2 3119 LIU S S,DU W,SU H,et al.Quantifying impacts of land-use/cover change on urban vegetation gross primaryproduction:a case study of Wuhan,ChinaJ.Sustaina-bility,2018,10(3):71420周夏飞，马国霞，曹国志，等.2 0 0 1-2 0 13年黄土高原植被净初级生产力时空变化及其归因.安徽农业科学，2017,45(14):4821王耀斌，赵永华，韩磊，等.2 0 0 0 2 0 15年秦巴山区植被净初级生产力时空变化及其驱动因子J.应用生态学报，2018,29(7):237322裴凤松，王坤，刘小平，等.长江三角洲城市化地区植被初级生产力的时空变化研究.地球信息科学学报，2018,20(6):862185赵泉博等：中国生态系统GPP变化热点区域检测与归因分析第2 期23谭淼，周启刚.2 0 0 0 一2 0 15年典型山地区域净初级生产力时空分布特征J.水土保持研究，2 0 19,2 6(6)：33924浴潘竟虎，黄克军，李真.2 0 0 1-2 0 10 年疏勒河流域植被净初级生产力时空变化及其与气候因子的关系 .生态学报,2 0 17,37(6):18 8 825 YUAN W P,LIU S G,YU G R,et al.Global estimates ofevapotranspiration and gross primary production based onMODIS and global meteorology dataJ.Remote Sensingof Environment,2010,114(7):141626HERSBACH H,BELL B,BERRISFORD P,et al.ERA5monthly averaged data on pressure levels from 1979 topresentZ.Copernicus Climate Change Service(C3S)Climate Data Store(CDS),201927卢秀，李佳，段平，等。中国区域DMSP/OLS夜间灯光影像的校正.测绘通报，2 0 19(7)：12 728 ORD J K,GETIS A.Local spatialautocorrelationstatistics:distributional issuesand.anapplication.Geographical Analysis,2010,27(4):28629刘聚涛，方少文，冯倩，等.基于Mann-Kendall法的湖泊稳态转换突变分析J.中国环境科学,2 0 15,35(12)：37 0 730 徐浩杰，杨太保。黄河源区植被净初级生产力时空变化特征及其对气候要素的响应J.资源科学，2 0 13,35(10):202431李波，邵怀勇.气候变化与人类活动对川西高原草地变化相对作用的定量评估J.草学,2 0 17(3)：1632胡延斌，肖国举，李永平。气候带北移及其对中国作物种植制度的影响研究进展J.干旱地区农业研究，2 0 2 0,38(3):26933陈实.中国北部冬小麦种植北界时空变迁及其影响机制研究D.北京：中国农业科学院，2 0 2 034 HUANG M T,PIAO S L,CIAIS P,et al.Air temperatureoptima of vegetation productivity across global biomesJ.Nature Ecology&Evolution,2019,3(5):77235白玛央宗，奚凤，戴睿，等。基于遥感技术对山南地区火灾监测的个例分析J.西藏科技，2 0 16(10)：6 836 林志强，路红亚，罗布次仁，等.基于GIS的西藏地区森林火险风险区划.资源科学，2 0 13,35(11)：2 31837 金凯.中国植被覆盖时空变化及其与气候和人类活动的关系D.陕西杨凌：西北农林科技大学，2 0 1938 史晓亮，杨志勇，王馨爽，等。黄土高原植被净初级生产力的时空变化及其与气候因子的关系.中国农业气象,2 0 16,37(4):44539许玉凤，张永雷，潘网生。云贵高原植被净初级生产力(NPP)时空格局动态变化J.环境与可持续发展，2 0 18,43(1):9640 HAO Z,GAO Y,SUN X M,et al.Determining nitrogenand carbon footprints to reveal regional gross primaryproductivity and differentiation characteristics in Karst andnon-Karst watersheds,ChinaJ.Journal of CleanerProdu