用微信扫码二维码

分享至好友和朋友圈

WE ARE COMMITTED TO REPORTING THE LATEST FORESTRY ACADEMIC ACHIEVEMENTS

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

成渝双城经济圈NPP时空变化及气候因子驱动分析

梁帅 辛宇 辜寄蓉

梁帅, 辛宇, 辜寄蓉. 成渝双城经济圈NPP时空变化及气候因子驱动分析[J]. 四川林业科技, 2024, 45(1): 41−49 doi: 10.12172/202304170005
引用本文: 梁帅, 辛宇, 辜寄蓉. 成渝双城经济圈NPP时空变化及气候因子驱动分析[J]. 四川林业科技, 2024, 45(1): 41−49 doi: 10.12172/202304170005
LIANG S, Xin Y, GU J R. Analysis on spatial-temporal changes of NPP and the climate driving factors in Chengdu-Chongqing economic circle[J]. Journal of Sichuan Forestry Science and Technology, 2024, 45(1): 41−49 doi: 10.12172/202304170005
Citation: LIANG S, Xin Y, GU J R. Analysis on spatial-temporal changes of NPP and the climate driving factors in Chengdu-Chongqing economic circle[J]. Journal of Sichuan Forestry Science and Technology, 2024, 45(1): 41−49 doi: 10.12172/202304170005

成渝双城经济圈NPP时空变化及气候因子驱动分析


doi: 10.12172/202304170005
详细信息
    作者简介:

    梁帅(1996—),男,硕士, liangshuai92@qq.com

    通讯作者: 辜寄蓉(1968—),女,教授,博士,annygu126@126.com

Analysis on spatial-temporal changes of NPP and the climate driving factors in Chengdu-Chongqing economic circle

More Information
    Corresponding author: annygu126@126.com
  • 摘要: 为探究成渝地区双城经济圈NPP时空变化及与气候的关系,基于MOD17A3产品NPP数据,采用一元线性回归模型模拟2001—2020年植被NPP演变趋势,分析植被NPP变化特征,结合ANUSPLIN插值的气象数据,采用相关性分析法定量分析气候变化对研究区植被NPP变化的影响。研究表明:(1)研究区内植被NPP整体呈现缓慢增长的趋势,增长率为7.53 g C·m−2·a−1,同时植被NPP均值分布呈现四周高中间低的空间格局。(2)研究区内气候因子对植被NPP变化的影响存在空间异质性,在眉山市、乐山市、雅安市以及重庆市黔江区、彭水县部分地区气温与植被NPP负相关关系明显,其呈正相关关系的区域广泛分布在成渝城市群的中部和东部;降水与植被NPP呈正相关关系的区域面积占比达到92.46%。(3)研究区主要受非气候因子影响,面积占比高达86.87%,说明人类活动对植被NPP变化的影响愈来愈烈,研究人为影响应是成渝城市群生态修复的重点。
  • 图  1  研究区地理位置示意图

    Fig.  1  Schematic diagram of geographical location of the study area

    图  2  成渝地区双城经济圈2001—2020年植被NPP均值分布图及不同海拔下植被NPP均值分布图

    Fig.  2  Mean NPP distribution of vegetation in Chengdu-Chongqing economic circlein 2001-2020 and mean NPP distribution of vegetation at different altitudes

    图  3  成渝地区双城经济圈2001—2020植被NPP变化趋势

    Fig.  3  Variation trend of vegetation NPP in Chengdu-Chongqing economic circle from 2001 to 2020

    图  4  成渝地区双城经济圈各海拔梯度植被NPP年际变化图

    Fig.  4  Interannual variation of vegetation NPP at different elevations in Chengdu-Chongqing economic circle

    图  5  成渝地区双城经济圈植被NPP与气温、降水的偏相关系数(a、b)及显著性(c、d)

    Fig.  5  Partial correlation coefficients (a, b) and significance (c, d) of vegetation NPP with air temperatureand precipitation in Chengdu-Chongqing economic circle

    图  6  复相关系数及驱动力分区图

    Fig.  6  Partition diagram of complex correlation coefficient and driving forces

    表  1  NPP变化驱动因素分区准则

    Tab.  1  Zoning criteria for NPP change drivers

    NPP驱动类型 分区准则
    t检验(气温) t检验(降水) F检验
    气温驱动 $ \left|t\right| > {t}_{0.05}$ $ F > {F}_{0.05} $
    降水驱动 $ \left|t\right| > {t}_{0.05} $ $ F > {F}_{0.05} $
    气温降水共同强驱动 $ \left|t\right| > {t}_{0.05} $ $ \left|t\right| > {t}_{0.05} $ $ F > {F}_{0.05} $
    气温降水共同驱动 $ \left|t\right| < {t}_{0.05} $ $ \left|t\right| < {t}_{0.05} $ $ F > {F}_{0.05} $
    非气候因子驱动 $ F\le {F}_{0.05} $
    下载: 导出CSV

    表  2  植被NPP变化趋势显著性结果统计

    Tab.  2  Statistical results of significance ofvegetation NPP change trend

    变化程度分级标准面积/km2百分比/%
    显著减少Slope<0, P<0.011454.750.75
    减少Slope<0,0.01≤P<0.05825.750.43
    稳定P≥0.0539938.5020.68
    增加Slope>0,0.01≤P<0.0515133.007.84
    显著增加Slope>0, P<0.05135751.7570.30
    下载: 导出CSV
  • [1] 樊星,秦圆圆,高翔. IPCC第六次评估报告第一工作组报告主要结论解读及建议. 环境保护,2021,49(Z2):44−48.
    [2] 陶波,李克让,邵雪梅,等. 中国陆地净初级生产力时空特征模拟. 地理学报,2003(03):372−380.
    [3] 刘杰,汲玉河,周广胜,等. 2000—2020年青藏高原植被净初级生产力时空变化及其气候驱动作用. 应用生态学报,2022:1−8.
    [4] 王强,张廷斌,易桂花,等. 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(09):3084−3095.
    [5] 闫妍,覃金华,房磊,等. 湖南省植被净初级生产力时空动态及其与气候因素的关系. 生态学杂志,2022:1−13.
    [6] 兰小丽,孙慧兰,许玉凤. 贵州植被NPP时空格局及其对气候变化的响应. 安徽农学通报,2020,26(18):162−166.
    [7] Zheng D, Prin Ce S, Wright R. Terrestrial net primary production estimates for 0.5° grid cells from field observations—a contribution to global biogeochemical modeling. GLOBAL CHANGE BIOL, 2003, 9(1).
    [8] 郝永萍,陈育峰,张兴有. 植被净初级生产力模型估算及其对气候变化的响应研究进展. 地球科学进展,1998(06):55−62.
    [9] 陈晓杰,张长城,张金亭,等. 基于CASA模型的植被净初级生产力时空演变格局及其影响因素——以湖北省为例. 水土保持研究,2022,29(03):253−261.
    [10] 茆杨,蒋勇军,张彩云,等. 近20年来西南地区植被净初级生产力时空变化与影响因素及其对生态工程响应. 生态学报,2022,42(07):2878−2890.
    [11] 苏胜涛,曾源,赵旦,等. 中国陆地植被净初级生产力估算模型优化与分析——基于中国生态系统研究网络数据. 生态学报,2022,42(04):1276−1289.
    [12] 冯婉,谢世友. 长江流域片2000-2015年植被NPP时空特征及影响因子探测. 水土保持研究,2022,29(01):176−183.
    [13] 郭睿妍,田佳,杨志玲,等. 基于GEE平台的黄河流域森林NPP时空变化特征. 生态学报,2022(13):1−9.
    [14] 吴英迪,蒙吉军. 中国自然资源生态服务重要性评价与空间格局分析. 自然资源学报,2022,37(01):17−33.
    [15] 兰云飞,李传华. 近16年祁连山植被NPP时空格局及其对气候变化的响应. 草地学报,2022,30(01):188−195.
    [16] CAO M P S D. Response of terrestrial carbon uptake to climate interannual variability in China. GLOBAL CHANGE BIOL, 2003, 9(4).
    [17] Samuel D C, Joseph V, Elke E, et al. Evaluation of Density Corrections to Methane Fluxes Measured by Open-Path Eddy Covariance over Contrasting Landscapes. BOUND-LAY METEOROL, 2017, 165(2).
    [18] Chen Y, Feng X, Tian H, et al. Accelerated increase in vegetation carbon sequestration in China after 2010: A turning point resulting from climate and human interaction. GLOBAL CHANGE BIOL, 2021, 27(22).
    [19] 何宏昌,马炳鑫,靖娟利,等. 近20年西南喀斯特地区植被NPP时空变化及自然因素地理探测. 水土保持研究,2022,29(03):172−178.
    [20] 郭斌,王珊,王明田. 1999—2015年若尔盖草原湿地净初级生产力时空变化. 应用生态学报,2020,31(02):424−432.
    [21] 王耠熠,张聪,赵丽,等. 2000—2019年若尔盖高原植被净初级生产力时空动态变化及其与气候因子的关系. 西南林业大学学报(自然科学),2022:1−10.
    [22] 赵伟,邹欣怡,蒲海霞. 成渝地区双城经济圈生态安全格局构建. 中国环境科学,2021,41(05):2423−2433.
    [23] 梁发超,胡其玉,起晓星. 基于生命共同体的景观生态风险评价与管控策略——以成渝城市群为例. 经济地理,2021,41(08):152−159.
    [24] 王芳,汪左,张运. 2000—2015年安徽省植被净初级生产力时空分布特征及其驱动因素. 生态学报,2018,38(08):2754−2767.
    [25] LI Z N, SUN R Y, ZHANG J, et al. Temporal-spatial analysis of vegetation coverage dynamics in Beijing-Tianjin-Hebei metropolitan regions. Acta Ecologica Sinica, 2017, 37(22).
    [26] Liu H, Li X, Mao F, et al. Spatiotemporal Evolution of Fractional Vegetation Cover and Its Response to Climate Change Based on MODIS Data in the Subtropical Region of China. REMOTE SENS-BASEL, 2021, 13(5).
    [27] 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(06):716−720.
    [28] 张凤英,张增信,田佳西,等. 长江流域森林NPP模拟及其对气候变化的响应. 南京林业大学学报(自然科学版),2021,45(01):175−181.
    [29] 陆军. 持续实施长江大保护,深入推动长江生态环境保护修复. 中国环境监察,2022(Z1):42−44.
    [30] 胥晓. 四川植被净第一性生产力(NPP)对全球气候变化的响应. 生态学杂志,2004(06):19−24.
    [31] 张锐,罗红霞,张茹蓓,等. 重庆市植被净初级生产力估算及其生态服务价值评价. 西南大学学报(自然科学版),2015,37(12):40−46.
    [32] 吴珊珊,姚治君,姜丽光,等. 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(01):39−51.
    [33] 潘萌甜,梁俊红,李佳,等. 基于LUE模型的长江源流域NPP时空变化特征分析. 西北林学院学报,2017,32(05):237−242.
  • [1] 刘勇, 李祥乾, 李阳娣, 杨伟, 杨桦.  基于MaxEnt的松墨天牛在中国的潜在分布及其对气候变化的响应 . 四川林业科技, 2024, 45(2): 1-10. doi: 10.12172/202306120001
    [2] 薛飞阳, 王鑫, 青玲萱, 苏子昕, 杨存建.  2001—2020年成渝地区城市扩展及建成区植被变化 . 四川林业科技, 2024, 45(1): 23-32. doi: 10.12172/202306020002
    [3] 蔡苗, 卢杰.  树轮-气候“分异问题”研究进展 . 四川林业科技, 2023, 44(6): 7-13. doi: 10.12172/202303270002
    [4] 董燕, 贾飞飞.  树木径向生长对气候的响应研究进展 . 四川林业科技, 2023, 44(3): 1-9. doi: 10.12172/202207190002
    [5] 黄雪梅, 黄怡, 贾泽旭, 陈德朝.  气候变化背景下药用植物牡丹的潜在适生区分析 . 四川林业科技, 2023, 44(6): 23-31. doi: 10.12172/202302050001
    [6] 张岳, 孙梦鑫, 辛宇, 杨存建.  成渝城市群土地利用变化与冲突识别研究 . 四川林业科技, 2023, 44(4): 49-57. doi: 10.12172/202209210003
    [7] 齐宇坤, 张欣, 邓巍, 黄帅义, 佘容, 杨晓燕.  火后森林土壤中捕食线虫真菌的即时恢复能力及驱动因子研究 . 四川林业科技, 2022, 43(1): 37-43. doi: 10.12172/202106140001
    [8] 舒柳, 李岩林, 黄柳菁.  基于web of science的乔木与微气候相互关系知识图谱分析 . 四川林业科技, 2022, 43(6): 109-115. doi: 10.12172/202203050001
    [9] 黄琴, 何江林, 郭海铭, 余水, 孟常来, 王鑫.  成都市城市景观格局时空演变特征及生态效应驱动研究 . 四川林业科技, 2022, 43(4): 31-37. doi: 10.12172/202204110003
    [10] 何清玉, 徐健雄, 杜忠, 徐瑶.  南充市近50年主要气候要素变化分析 . 四川林业科技, 2022, 43(4): 60-66. doi: 10.12172/202204070002
    [11] 金银春, 陈伟, 毛国慧, 陈善波, 罗慧, 王丽华.  盐源县花椒气候适应性评价与种植区划 . 四川林业科技, 2021, 42(4): 94-98. doi: 10.12172/202012120001
    [12] 林伟军, 李春萍, 李哲敏.  基于TPB拓展模型的森林防火意识驱动机理研究 . 四川林业科技, 2021, 42(4): 139-144. doi: 10.12172/202101110001
    [13] 陈黄礼.  基于SEM的林农参与林业碳汇意愿驱动力因素研究 . 四川林业科技, 2019, 40(5): 29-33,59. doi: 10.16779/j.cnki.1003-5508.2019.05.006
    [14] 曾诗卉, 赵志芳, 陈琪.  四川米仓山国家级自然保护区生态环境变化及其驱动力分析 . 四川林业科技, 2019, 40(2): 62-68. doi: 10.16779/j.cnki.1003-5508.2019.02.014
    [15] 刘培芳, 李洪国.  天竺桂插穗不同下切口对生根存活率的影响 . 四川林业科技, 2018, 39(2): 40-42. doi: 10.16779/j.cnki.1003-5508.2018.02.010
    [16] 刘芙蓉, 罗建勋, 杨马进.  西南地区香椿的潜在地理分布区及其气候特点 . 四川林业科技, 2017, 38(1): 16-21. doi: 10.16779/j.cnki.1003-5508.2017.01.004
    [17] 伍杰, 刘燕云, 兰常军, 余海清, 彭克忠.  土壤pH值对康定木兰幼苗生长的影响 . 四川林业科技, 2017, 38(3): 88-92. doi: 10.16779/j.cnki.1003-5508.2017.03.019
    [18] 隆世良, 唐小明, 张海鸥, 黎燕琼, 陈俊华, 龚固堂, 慕长龙, 牛牧.  成都市城市扩张对景观生态安全格局的驱动影响 . 四川林业科技, 2014, 35(2): 18-24. doi: 10.16779/j.cnki.1003-5508.2014.02.005
    [19] 李晓清, 杜宜建, 朱纯燕, 尹贤利, 龙汉利, 张炜, 辜云杰.  四川桢楠栽培气候区划与应用研究 . 四川林业科技, 2013, 34(2): 16-19. doi: 10.16779/j.cnki.1003-5508.2013.02.003
    [20] 陈家德.  加拿大应对气候变化的政策机制及其林业碳计量模型——赴加拿大太平洋林业中心考察报告 . 四川林业科技, 2013, 34(2): 102-105. doi: 10.16779/j.cnki.1003-5508.2013.02.024
  • 加载中
  • 图(6) / 表(2)
    计量
    • 文章访问数:  76
    • HTML全文浏览量:  57
    • PDF下载量:  33
    • 被引次数: 0
    出版历程
    • 收稿日期:  2023-04-17
    • 网络出版日期:  2023-10-25
    • 刊出日期:  2024-02-25

    成渝双城经济圈NPP时空变化及气候因子驱动分析

    doi: 10.12172/202304170005
      作者简介:

      梁帅(1996—),男,硕士, liangshuai92@qq.com

      通讯作者: 辜寄蓉(1968—),女,教授,博士,annygu126@126.com

    摘要: 为探究成渝地区双城经济圈NPP时空变化及与气候的关系,基于MOD17A3产品NPP数据,采用一元线性回归模型模拟2001—2020年植被NPP演变趋势,分析植被NPP变化特征,结合ANUSPLIN插值的气象数据,采用相关性分析法定量分析气候变化对研究区植被NPP变化的影响。研究表明:(1)研究区内植被NPP整体呈现缓慢增长的趋势,增长率为7.53 g C·m−2·a−1,同时植被NPP均值分布呈现四周高中间低的空间格局。(2)研究区内气候因子对植被NPP变化的影响存在空间异质性,在眉山市、乐山市、雅安市以及重庆市黔江区、彭水县部分地区气温与植被NPP负相关关系明显,其呈正相关关系的区域广泛分布在成渝城市群的中部和东部;降水与植被NPP呈正相关关系的区域面积占比达到92.46%。(3)研究区主要受非气候因子影响,面积占比高达86.87%,说明人类活动对植被NPP变化的影响愈来愈烈,研究人为影响应是成渝城市群生态修复的重点。

    English Abstract

    • 政府间气候专门委员会(IPCC)第六次评估报告提出:自第一次工业革命以来,人类活动所排放的温室气体是导致全球气候变暖加剧的重要原因,如何实现碳中和和碳达峰以应对气候变化挑战成为近年来研究热点[1]。植被净初级生产力(NPP)是指植被在单位面积、单位时间内固定有机干物质的总量[2],其作为陆地碳循环的重要组成部分,是判定生态系统碳循环的重要指标[3-4]。探究植被NPP动态变化及其驱动因素,可以反映生态系统固碳能力的时空分异规律,揭示生态环境与气候变化之间的关系,为生态系统保护及“产碳端”和“固碳端”的动态平衡提供参考意见[5]。早在19世纪80年代就已经有学者开始研究植被NPP,但由于技术局限性,早期大多研究都停留在实地调查再构建回归模型计算NPP[6-8],这种获取植被NPP的传统方法不仅耗时、耗力且难以开展。随着遥感技术的发展,利用遥感数据与数学模型计算植被NPP已经成为大尺度区域研究NPP的重要方法[9]。这种方法能获取高时密NPP数据,避免了地面实测数据时间不连续、区域尺度小等缺点,并能够利用数据对其进行长时间序列监测及探索其驱动因子,为决策者制定气候政策达到碳达峰、碳中和等目标提供重要参考。近年来,许多学者利用MODIS数据分析了不同时间、区域下的植被NPP动态变化规律,研究发现近20年间在我国植被NPP在空间上呈现由西北向东南依次递增的格局,在时间上总体呈上升趋势[10-14],此外研究表明NPP的时空变化受气候、高程以及人类活动组合影响[15],其中气候因子直接影响植被覆盖度变化对植被固碳趋势的贡献度即NPP和GPP[16-18]

      成渝地区双城经济圈作为长江上游的重要城市群,其生态环境保护及可持续发展对整个长江流域的社会经济高质量发展有着举足轻重的作用。在“十四五”时期,成渝地区生态文明建设进入协同推进减污降碳、实现生态环境质量改善由量变到质变的重要阶段,监测成渝地区双城经济圈的植被NPP时空变化及其气候因子影响,为长江上游生态文明建设及生态屏障构建提供决策性意见。现已有许多学者对川渝、西南地区的植被动态变化做了众多研究,例如茆杨、何宏昌等学者基于MODIS-NPP数据对西南地区植被NPP的时空变化及影响因素进行了研究[10,19],郭斌、王耠熠等学者利用MODIS及气象数据分析了近20年来川西高原若尔盖地区的NPP时空变化特征及气候响应[20-21]。基于MODIS-NPP数据对2001—2020年成渝地区双城经济圈植被NPP时空变化特征进行研究,并利用ANUSPLIN软件插值气象站点数据分析了植被NPP对气候变化的响应,为长江上游城市群的经济发展与生态环境保护的动态平衡提供参考价值。

      • 成渝地区双城经济圈,位于“一带一路”和长江经济带交汇处,以成都和重庆为中心,包含四川15个市和重庆29个区县(见图1),是西南地区经济水平最高,发展潜力最大的城镇化区域[22]。地形与四川盆地基本一致,中部多为平原,周围由低山、丘陵等环绕,气候适宜,自然资源丰富,生态禀赋优良[23]

        图  1  研究区地理位置示意图

        Figure 1.  Schematic diagram of geographical location of the study area

      • 植被NPP数据来源于美国NASA EOS/MODIS的2002—2021年(实际计算植被NPP年份为2001—2020年)的MOD17A3HGF6.0版本的全球NPP数据,空间分辨率为500 m。基于GEE平台对MODIS数据进行预处理,获取统一坐标的成渝地区双城经济圈20年的植被NPP数据。对预处理后的各年份NPP数据乘以转换因子并剔除多年份NPP平均值为0的像元。

        数字高程数据来源于地理空间数据云平台,分辨率为30 m。气象数据来自中国气象局数据信息中心的“中国地面气候资料日值数据集(V3.0)”,其数据时间尺度为2001年1月—2020年12月,包括日照时数、风速、降水、湿度、水面蒸发、日平均温度等6个气象要素逐日数据。基于成渝地区双城经济圈内的气象站点日观测数据,采用ANUSPLIN软件,以DME为协变量插值生成空间分辨率为1 km的气象栅格数据,再经过重采样生成所用的气象数据,空间分辨率为500 m。对比其他插值方法,ANUSPLIN插值精确度得到显著提高[15]

      • 采用一元线性回归模型来分析2001—2020年成渝地区双城经济圈植被NPP整体变化趋势及空间异质性。

        $$ \mathrm{\theta }=\frac{n*{\displaystyle\sum }_{i=1}^{n}i*{NPP}_{i}-{\displaystyle\sum }_{i=1}^{n}i{\displaystyle\sum }_{i=1}^{n}{NPP}_{i}}{n*\displaystyle\sum\nolimits _{i=1}^{n}{i}^{2}-{\left({\displaystyle\sum }_{i=1}^{n}i\right)}^{2}} $$

        式中,$ \mathrm{\theta } $是NPP年际变化趋势的斜率,n为统计时段的累计年数,$ {NPP}_{i} $为第i年植被npp值,若$ \mathrm{\theta } $>0则表明植被NPP呈上升趋势,若$ \mathrm{\theta } $<0则表明植被NPP呈下降趋势,若$ \mathrm{\theta } $=0则表明植被NPP几乎无变化。

        采用F检验法对植被NPP的变化趋势进行显著性分析,其公式如下:

        $$ F=\frac{U*(n-2)}{Q} $$

        式中,U表示为NPP的方差:$ U={\sum }_{i=1}^{n}{(N\widehat{P}{P}_{i}-\overline{NPP})}^{2} $,Q表示为NPP平方和:$ Q={\sum }_{i=1}^{n}{({NPP}_{i}-N\widehat{P}{P}_{i})}^{2} $$ N\widehat{P}{P}_{i} $$ {NPP}_{i} $的回归值,$ \overline{NPP} $是20年内NPP的平均值。

        变异系数($ {C}_{v} $)表示为标准差和平均值的比值,是用来描述数据离散程度的指标[24],采用$ {C}_{v} $来反映近20年植被NPP的波动特征,其公式如下:

        $$ {C}_{v} = \dfrac{\sqrt{\frac{1}{n-1}{\displaystyle\sum\nolimits }_{i=1}^{n}{({NPP}_{i}-\overline{NPP})}^{2}}}{\overline{NPP}} $$

        式中,$ {NPP}_{i} $为第i年植被npp值,$ \overline{NPP} $是20年内NPP的平均值;$ {C}_{v} $值越小,植被NPP变化越小,反之亦然[25]。参考ArcGIS软件中的自然分类法[26],将$ {C}_{v} $分为以下五个等级:稳定($ {C}_{v} $<=0.10),较稳定(0.10<$ {C}_{v} $<=0.20),不稳定(0.20 <$ {C}_{v} $<=0.30),极不稳定($ {C}_{v} > 0.30 $)。

      • 基于像元偏相关分析方法计算植被NPP与气温、降水影响因子的偏相关系数,其公式如下:

        $$ {R}_{xy\text{,}z}=\frac{{R}_{xy}-{R}_{xz}\times {R}_{yz}}{\sqrt{(1-{R}_{xz}^{2})\times(1-{R}_{yz}^{2})}} $$

        式中,$ {R}_{xy,z} $表示为控制变量z之后x与y的偏相关系数,x表示NPP值,y表示降水量,z表示气温,$ {R}_{xy} $$ {R}_{xz} $$ {R}_{yz} $分别表示NPP与降水量、NPP与气温以及气温与降水量的线性相关系数。采用t检验法对偏相关系数进行显著性检验。

        复相关分析法是研究几个要素与某一要素的相关关系[27]。采用复相关分析法探究气温与降水对植被NPP的共同影响作用,其公式如下:

        $$ {R}_{x,yz}=\sqrt{1-\left(1-{R}_{xy}^{2}\right)\left(1-{R}_{xz,y}^{2}\right)} $$

        式中,$ {R}_{xy} $表示NPP与降水量的线性相关系数,$ {R}_{xz,y} $表示NPP与气温的偏相关系数。采用F检验法对复相关系数进行显著性检验。

      • 根据陈云浩等学者研究的植被变化驱动因子分区准则,将引起成渝地区双城经济圈NPP变化的驱动力进行分区,根据偏相关系数与复相关系数的显著性检验结果,将驱动力分为下表五类(见表1[27]。当复相关显著时:气温与NPP偏相关的像元定义为气温驱动;降水与NPP偏相关的像元定义为降水驱动,气温、降水分别与NPP偏相关的像元定义为气温降水强驱动;气温、降水与NPP偏相关不显著的像元定义为气温降水共同驱动。不满足复相关显著的像元定义为非气候因子驱动。

        表 1  NPP变化驱动因素分区准则

        Table 1.  Zoning criteria for NPP change drivers

        NPP驱动类型 分区准则
        t检验(气温) t检验(降水) F检验
        气温驱动 $ \left|t\right| > {t}_{0.05}$ $ F > {F}_{0.05} $
        降水驱动 $ \left|t\right| > {t}_{0.05} $ $ F > {F}_{0.05} $
        气温降水共同强驱动 $ \left|t\right| > {t}_{0.05} $ $ \left|t\right| > {t}_{0.05} $ $ F > {F}_{0.05} $
        气温降水共同驱动 $ \left|t\right| < {t}_{0.05} $ $ \left|t\right| < {t}_{0.05} $ $ F > {F}_{0.05} $
        非气候因子驱动 $ F\le {F}_{0.05} $
      • 研究区内2001—2020年植被NPP均值分布如图2所示,成渝地区双城经济圈植被NPP平均值为563.14 g C·m−2·a−1,年均值分布在<400 g C·m−2·a−1、400—500 g C·m−2·a−1、500—600 g C·m−2·a−1、600—700 g C·m−2·a−1、700—800 g C·m−2·a−1、>800 g C·m−2·a−1的区域分别占总面积的5.49%、28.79%、34.31%、14.33%、8.95%、8.13%。从空间分布来看,研究区内植被NPP呈现四周高中间低的分布格局,其与四川盆地地形特征有着密切联系。结合不同海拔下植被NPP均值分布图来看,随着海拔的升高,植被NPP均值也在增加,在海拔>3000 m的情况下,均值开始显著降低,但通过整体趋势线可以看出植被NPP呈增加趋势。在德阳、成都和雅安一带海拔较高的山脉植被NPP均值高,在海拔较低的盆地内部的各城市中心植被NPP均值最低,在重庆黔江区、彭水县等低山丘陵处植被NPP均值较高。

        图  2  成渝地区双城经济圈2001—2020年植被NPP均值分布图及不同海拔下植被NPP均值分布图

        Figure 2.  Mean NPP distribution of vegetation in Chengdu-Chongqing economic circlein 2001-2020 and mean NPP distribution of vegetation at different altitudes

      • 利用一元线性回归法及变异系数分析研究区植被NPP的时空变化特征(见图3a和3b),并对变化趋势做显著性检验,将结果分为:显著减少、减少、稳定、增加、显著增加五类(见表2图3c)。

        图  3  成渝地区双城经济圈2001—2020植被NPP变化趋势

        Figure 3.  Variation trend of vegetation NPP in Chengdu-Chongqing economic circle from 2001 to 2020

        表 2  植被NPP变化趋势显著性结果统计

        Table 2.  Statistical results of significance ofvegetation NPP change trend

        变化程度分级标准面积/km2百分比/%
        显著减少Slope<0, P<0.011454.750.75
        减少Slope<0,0.01≤P<0.05825.750.43
        稳定P≥0.0539938.5020.68
        增加Slope>0,0.01≤P<0.0515133.007.84
        显著增加Slope>0, P<0.05135751.7570.30

        2001—2020年植被NPP变异系数如图3a所示,可以看出成渝地区双城经济圈近20年来植被NPP较为稳定,大部分区域变异较弱,变异较强的地方存在于成都市和重庆市主城区周边以及沿长江一带。从斜率分布图(见图3b)及近20年植被NPP变化分类图(见图3c)来看,其变异较强的区域都呈现显著减少趋势;在植被NPP均值较高的德阳、成都和雅安一带的山脉以及重庆市的黔江区、彭水县等低山丘陵处变化甚微,趋于稳定;在城市群内部盆地及丘陵地带植被NPP呈现增加趋势;结合表2统计结果来看,其植被NPP呈现显著增加趋势的面积最大,占研究区总面积的70.30%;呈现减少趋势的面积最小,其面积占比为0.43%。从2001—2020年植被NPP年均值变化(见图3b和3d)来看,整体呈现增加趋势,其中植被NPP呈上升趋势的面积占比达95.08%,呈下降趋势的面积占比为4.92%;2005年研究区植被NPP年均值最小为471.93 g C·m−2·a−1,植被NPP年均值最大出现在2020年为644.99 g C·m−2·a−1

      • 将成渝地区双城经济圈海拔划分成不同梯度等级,统计各海拔梯度下植被NPP的变化情况,从图4可以看出,在研究区内,随着海拔的增加,植被NPP的年变化趋势率不断下降,在海拔小于500 m的区域植被NPP增长趋势最显著,年变化趋势率达到8.72 g C·m−2·a−1;在海拔大于3000 m的区域植被NPP最稳定,年变化趋势率为0.95 g C·m−2·a−1;在海拔500—1000 m、1000—2000 m、2000—2500 m及2500—3000 m高程区间内,年变化趋势率分别为7.24 g C·m−2·a−1、4.62 g C·m−2·a−1、2.99 g C·m−2·a−1、1.94 g C·m−2·a−1。从整体来看,成渝地区双城经济圈植被NPP整体处于增长趋势,在海拔大于3000 m的区域人类活动少、植被覆盖度高其植被NPP均值较高且变化小,在海拔小于500 m的区域,由于城市扩张、人类活动干扰其植被NPP均值相对较低,近年来天然林保护、长江流域生态屏障构建等措施致使植被NPP均值得到显著增加。

        图  4  成渝地区双城经济圈各海拔梯度植被NPP年际变化图

        Figure 4.  Interannual variation of vegetation NPP at different elevations in Chengdu-Chongqing economic circle

      • 通过一元线性趋势分析法,可知研究区20年里气温和降水都呈现增长趋势,年变化趋势率分别为0.0067℃a−1、8.14 mma−1

        研究发现成渝地区双城经济圈植被NPP与气温、降水的偏相关系数范围都在−0.83~0.87之间,且相关性空间格局存在异质性(见图5)。分析表明研究区植被NPP与气温呈显著负相关、负相关的区域面积占比分别为0.39%、25.96%,呈显著正相关、正相关的区域面积占比分别为6.22%、67.43%;与降水呈显著负相关、负相关的区域面积占比分别为0.21%、7.33%,呈显著正相关、正相关的区域面积占比分别为23.40%、69.06%。

        图  5  成渝地区双城经济圈植被NPP与气温、降水的偏相关系数(a、b)及显著性(c、d)

        Figure 5.  Partial correlation coefficients (a, b) and significance (c, d) of vegetation NPP with air temperatureand precipitation in Chengdu-Chongqing economic circle

        从空间上来看,研究区植被NPP与气温正负关系并存,在其西南部即眉山市、乐山市和雅安市等地植被NPP与气温呈负相关关系,在重庆市黔江区及彭水县部分地区存在负相关关系且零星出现显著负相关关系;在研究区中部及东北部植被NPP与气温正相关关系明显,尤其是在重庆城市群及东部城市群的部分地区存在显著正相关关系。研究区大部分区域植被NPP与降水之间都呈现正相关关系,并且在成都城市群与东部城市群的区域正相关关系显著;只有在东部城市群零星存在负相关关系。其结果表明了气温在不同区域对植被NPP变化的影响不同,而降水在研究区内几乎都起着积极影响。

      • 植被NPP的变化除了受气温、降水等单方面因子的作用,同时受气温与降水等因子的共同驱动作用,通过植被NPP与气候因子的相关性及其显著性分析,将驱动因子进行分区,从图6可知,植被NPP与气温、降水驱动因子的复相关系数范围为0.002~0.867,其高值区主要分布在东部城市群及成都市与德阳市的西部,在东部城市群的东北部、雅安市与宜宾市的屏山区系数值较低。研究发现成渝地区双城经济圈植被NPP变化主要受非气候因子驱动,其面积占比达86.87%;受气候因子影响的区域面积占研究区总面积的13.13%,其中受气温驱动、降水驱动、气温降水共同驱动、气温降水强驱动的面积占比分别为1.58%、8.40%、0.16%、2.99%。从空间上来看,受气温驱动的区域主要分布在东部城市群的平行岭谷地带及重庆城市群的江津区、綦江区;受降水驱动的区域分布最广,包括了成都城市群的西北部及南部部分区域、南部城市群的泸州市部分区域、重庆市黔江区部分区域;受气温、降水共同驱动的区域十分有限,分布稀少;在南充仪陇、蓬安县一带受气温、降水强驱动的区域最为密集。

        图  6  复相关系数及驱动力分区图

        Figure 6.  Partition diagram of complex correlation coefficient and driving forces

      • 基于MOD17A产品NPP数据,利用一元线性趋势法分析2001—2020年成渝地区双城经济圈植被NPP变化特征,并结合气象数据,运用相关分析法,研究植被NPP变化的气候因子驱动力。

        研究结果表明成渝地区双城经济圈植被近20年间NPP在471.93—644.99 g C·m−2·a−1范围之间,均值为563.14g C·m−2·a−1,比全国平均值514.48 g C·m−2·a−1高48.66g C·m−2·a−1,其总体呈现增长趋势,与冯婉[12]、张凤英[28]等学者的关于成渝城市群地区的研究结果一致。从年际变化上来看,研究区内植被NPP整体呈现缓慢增长的趋势,增长率为7.53 g C·m−2·a−1。在植被NPP均值较高的德阳、成都和雅安一带的山脉以及重庆市的黔江区、彭水县等低山丘陵处趋于稳定;在城市群内部盆地及丘陵地带植被NPP呈现增加趋势,这一现象得力于“退耕还林、还草政策”、“长防林工程”、“长江保护修复攻坚战行动计划”[29]。从空间上来看,研究区内植被NPP呈现四周高中间低的分布格局,随着海拔的升高,植被NPP值不断增加。海拔在2500—3000 m的高程区间内植被NPP均值为805.21 g C·m−2·a−1,海拔小于500 m的高程区间内植被NPP均值为491.06 g C·m−2·a−1。这与四川盆地地形息息相关,这可能是因为研究区靠近川西高原的部分高海拔区域,由于气候影响,生态环境脆弱,植被覆盖率低,NPP低且较为稳定,在盆地城市内部由于地势平坦,水热条件好,其城市不断扩张,NPP值较低,在低山丘陵地区,因气候适宜而少受人类活动影响,植被覆盖广,NPP值最高,该结果与胥晓[30]、张锐[31]等学者的研究结论相符合。

        此外,基于气象站点数据,利用ANUSPLIN软件对气象数据进行插值,分析气候因子对植被NPP变化的影响。结果表明研究区植被NPP与气温、降水的相关性存在空间异质性,气温在眉山市、乐山市和雅安市等地以及重庆市黔江区、彭水县部分地区对植被NPP起着抑制作用,在重庆城市群及东部城市群的部分地区促进了植被NPP的增长,而降水与植被NPP在整个研究区内都呈正相关的关系,这可能是因为水热条件决定了植被的生长,而降水的升高使植被获得更多的水分,促进植被生长,使得NPP不断增加,但研究表明气温对植被NPP的影响是个复杂的过程,气温升高能够为植被提供更多的热量促进植被光合作用从而导致NPP增加,但过高的温带增长会对植被产生高温胁迫[10,32]。此外,研究表明研究区内受到非气候因子影响的区域面积占比达到86.87%,植被NPP分异较大程度受到了人为因素干扰,但仅针对气候因子来说,气温、降水仍然是影响植被NPP变化的主要因素。

        以往大多数研究多选择长江流域、川西高原或横断山区这样的生态区内[4,12,33],但对成渝这样的城市群体研究甚少,成渝城市群作为长江上游最大的城市群体,其植被NPP变化趋势对长江上游生态屏障构建及生态修复有着举足轻重的影响。

    参考文献 (33)

    目录

      /

      返回文章
      返回