2023, Vol. 44
2. 中国科学院水利部水土保持研究所, 杨凌 712100;
3. 承德市水土保持科学研究所, 承德 067000
2. Institute of Soil and Water Conservation, Chinese Academy of Sciences, Ministry of Water Resources, Yangling 712100, China;
3. Chengde Institute of Soil and Water Conservation Science, Chengde 067000, China
植被净初级生产力(net primary productivity, NPP)是绿色植物在单位面积、时间通过光合作用产生的有机物质量除去自身消耗所剩余的部分[1, 2], 反映了植被生产能力和质量[3], 是监测植被生长状况和评价生态系统健康的重要指标[4~6].潜在NPP是理想状态下不受人类活动干扰的植被生产力[7], 利用潜在NPP与实际NPP的差值衡量人类活动影响NPP变化强弱.因此, 张良侠等[8]和何旭洋等[9]将NPP选作指标因子衡量气候变化和人类活动对环境影响大小.目前, 国内外针对NPP的研究主要集中在NPP估算[10, 11]、时空分布[12, 13]、驱动因子[14, 15]、气候响应[16, 17]、量化气候和人为影响程度[18, 19]等方面, 认为气候变化和人类活动是影响植被变化的主导因素[20, 21], 但选取对象和区域有所不同.已有研究对象涉及植被类型[22]和土地利用类型及乔木树种等[23, 24], 区域涉及流域、省域[25]和全球范围[26].承德接坝区处于内蒙古高原向华北平原过渡地区, 是防止内蒙古高原风沙南侵的第一道屏障, 又是潮河流域、滦河流域和辽东流域的源头区, 属于京津冀水源涵养区和防风固沙区.沿西北到东南方向将承德接坝区分成坝上、接坝区和坝下地区.坝上以森林草原和草甸草原植被为主; 接坝地区多属于半干旱草原地带, 植被以旱地作物、原生林及人工防护林为主; 坝下地区以落叶阔叶林和旱生灌丛草原为主[27].承德接坝区土壤贫瘠, 砂砾覆盖层厚, 导致植被难以存活, 同时风蚀和水蚀在全年中交替进行, 相互促进, 导致该区域生态十分脆弱, 虽可从事农牧生产活动, 但不合理经营会使生态环境加剧, 甚至出现不可逆转的沙漠化问题[28].已有研究表明该区域年均气温升高幅度较快, 降水量显著减少, 干旱区区域不断扩大, 人类活动引起植被显著退化区域占比高于95%, 显著大于气候变化所导致的[29, 30]. 针对承德接坝区的研究主要集中在不同耕作方式、植被类型下分析土壤养分变化[31, 32], 分析植被变化因素[33]及评估生态环境风险等方面[34].然而, 缺乏气候变化和人类活动对该地区生态环境相对影响的研究.本文将NPP作为评价指标, 重点分析承德接坝区的NPP与气候因子间的响应、空间分布及稳定性分布情况, 统计气候变化和人类活动共同作用下植被改善的占比, 最终量化气候变化和人类活动对承德接坝区植被变化的影响.
因此, 本文以承德接坝区的围场满族蒙古族自治县、丰宁满族自治县和隆化县作为研究区域, 基于MODIS NPP数据获取研究区的实际NPP, 运用相关系数法分析实际NPP与年降水量和年均气温间的相关性.采用Thornthwaite Memorial模型计算该区域2000~2020年潜在NPP, 利用潜在NPP与实际NPP间的差值衡量人类活动影响植被生产力变化强弱.借助变异系数和趋势分析法分析该地区2000~2020年潜在NPP、实际NPP和人类活动作用下NPP的变化趋势和稳定性.量化气候变化和人类活动对植被变化的作用大小, 通过揭示气候变化和人类活动对该地区植被变化的影响, 旨在为后期该区域的植被管理提供数据支撑和参考依据.
1 材料与方法 1.1 研究区概况承德接坝区处于温带向寒温带过渡、半干旱地区向半湿润地区过渡及农牧交错地带, 主要分布于河北省的围场满族蒙古族自治县、丰宁满族自治县和隆化县[图 1(a)和图 1(b)].该地区常住人口约120万人, 50%为少数民族, 以第一产业(种植业、养殖业)为主.土地类型以林地为主, 约占49.5%, 其次是草地和耕地, 占比分别是25%和22%[图 1(c)].植被类型以栽培植被(一年生作物)为主, 面积占比43.07%, 针叶林和阔叶林的面积之和占比17.32%, 灌丛面积占比20.50%[图 1(d)].该地区气候属于大陆性季风型气候, 年平均温度为-1.4~4.7℃, 无霜期80~110 d, 降水量380~450 mm, 日照时数2 250 h.
|
图 1 研究区区划、土地和植被类型 Fig. 1 Study area zoning, land, and vegetation type map |
本研究所采用数据包括NPP数据、气象数据(年均气温、年降水量)和行政区划数据.气象数据和行政区划数据均来源于国家地球系统科学数据中心共享服务平台(http://www.geodata.cn/), 气象数据的时间序列为2000~2020年, 地理坐标系为CGS-WGS-1984, 空间分辨率为1 km, 数据格式为NC, 年均气温的单位为℃, 降水量的单位为mm, 精度为0.1.气温和降水量数据基于WorldClim全球高分辨气象数据, 利用中国496个独立气象站的数据进行验证, 已证实数据可靠[35].借助ArcGIS软件的多维工具将NC格式转化为tiff格式, 采用栅格投影工具添加投影坐标(WGS_1984_UTM_Zone_50N).
本研究采用MODIS NPP数据是美国航天航空局(National Aeronautics and Space Administration)网站(https://earthdata.nasa.gov/)提供的MOD17A3HGF产品, 时间序列为2000~2020年, 空间分辨率为500 m, 数据格式为HDF. MODIS NPP数据基于MODIS传感器收集分辨影像, 采用biome-BGC模型剔除无效值, 再乘以相应的比例因子, 最终获得年度累计实际NPP[36].便于栅格影像在ArcGIS软件后期处理, 借助MODIS Reprojection Tool(MRT)工具完成栅格影像的镶嵌拼接、重采样、格式及投影转换工作.投影方式转换成WGS_1984_UTM_Zone_50N, 数据格式转换成tiff格式.保证数据与年降水量、年均气温数据的空间分辨率一致, NPP经重采样后分辨率为1 km.依据研究区的矢量边界利用ArcGIS掩膜提取工具完成栅格影像(年均气温、年降水量和NPP)裁剪, 获得研究区影像数据.
1.3 研究方法 1.3.1 植被潜在NPPThornthwaite Memorial模型考虑了降水量和气温2项因子且能较好反映植被生长发育状况, 在气候变化中拟合植被潜在NPP的效果良好, 因此被广泛用于计算潜在NPP[37].本文采用Thornthwaite Memorial模型[8]计算研究区域2000~2020年的潜在NPP, 其计算公式如下所示：
|
(1) |
|
(2) |
|
(3) |
式中, NPPP为植被潜在NPP(以C计, g ·m-2); T为年均气温(℃); R为年降水量(mm); L为年均蒸发量(mm); V为年实际蒸发量(mm).使用公式(1)和公式(2)需满足R>0.316L条件, 否则按照V=R来计算.
1.3.2 人类活动对NPP影响利用潜在NPP与实际NPP的残差反演计算人类活动作用下的NPP的变化量[37], 其计算如公式(4)所示：
|
(4) |
式中, NPPA为实际NPP; NPPH为人类活动作用下NPP损失或增加量.若NPPH为正值, 表明人类活动造成的NPP损失量, 负值表示人类活动作用下NPP增加量[4].
1.3.3 趋势分析法趋势分析法用以分析较长时间序列中的变量数据, 确定变量在研究时期内是否增加, 减少了偶然因素对时间序列的干扰[38].本文利用趋势分析法分析2000~2020年的实际NPP、潜在NPP和人类活动作用下NPP的变化.其计算如公式(5)所示：
|
(5) |
式中, n为时间序列长度(n=21); i为时间序列的第i个年份; NPPi为第i年的NPP; K为NPP在时间序列的变化斜率, 包括KA(实际NPP)、KP(潜在NPP)和KH(人类活动作用下的NPP)这3种斜率.若K < 0, 表明研究时期内呈现下降趋势, 反之呈现增加趋势.K绝对值大小反映其变化程度, 绝对值越大, 表示变化越强烈, 反之变化较小.
Mann-Kendall是常用非参数统计检验方法, 简称M-K检验.依据显著性差异检验的P值(P=0.05, P=0.01)大小, 结合实际NPP变化趋势, 将其结果分为以下5种情况：极显著改善、显著改善、显著退化、极显著退化和不显著变化.
1.3.4 稳定性检验变异系数不仅反映变量的波动程度, 且可检验变量在时间序列上是否稳定[39].本文利用变异系数法衡量3种NPP的稳定性, 稳定性分级标准见文献[4, 40], 其计算如公式(6)所示：
|
(6) |
式中, n为时间序列长度(n=21); NPPi为第i年的NPP值; NPP为时间序列内NPP均值; CV为变异系数.若变异系数越小, 说明NPP越稳定.
1.3.5 相关性分析从气候因子中选取了年均气温、年降水量两项因子, 利用皮尔逊相关系数法计算实际NPP与年均气温和年降水量的相关系数并分析相关性, 其计算如公式(7)所示：
|
(7) |
式中, n为时间序列长度(n=21); xi和yi分别为第i年的实际NPP、气象因子(年降水量和年均气温)的值; x和y分别为n年的NPP和气象数据的均值; Rxy为实际NPP与气象因子间的相关系数; 若Rxy < 0表示气象因子与实际NPP间存在负相关, Rxy>0表示气象因子与实际NPP间存在正相关.
1.3.6 植被变化因素评估依据潜在NPP、实际NPP和人类活动作用下的NPP变化斜率判断气候变化和人类活动对植被变化是否存在积极作用.若KA>0表明植被改善, KH>0表明人类活动阻碍植被改善, KP>0表明气候变化对植被改善有促进作用, 反之则意义相反.3种NPP的斜率进行组合形成以下情景(表 1)[41], 并以此作为判断气候变化和人类活动对植被变化的影响.
|
表 1 植被变化的因素评估 Table 1 Factor assessment of vegetation NPP |
2 结果与分析 2.1 潜在NPP与实际NPP的空间分布及变化趋势
承德接坝区21 a(2000~2020年)潜在NPP呈现自西北向东南递增趋势[图 2(a)].研究区域内的潜在NPP(以C计, 下同)集中在300~350 g·(m2·a)-1区间, 该区间面积占比63.46%, 分布在围场满族蒙古族自治县的东部、南部、西南部、东北部、东南部、丰宁满族自治县北部、中部、西部、东部、西南部和隆化县的北部、西部地区; 低于300 g·(m2·a)-1区域面积占比12.97%, 仅分布在围场满族蒙古族自治县和丰宁满族自治县2个县, 围场满族蒙古族自治县分布比较集中, 分布在北部和西北部地区, 丰宁满族自治县分布零散, 其分布在西部和西北部地区; 高于350 g·(m2·a)-1区域占比为23.57%, 集中分布在丰宁满族自治县南部、西南部、东南部和隆化县的南部及东南地区.潜在NPP的变化斜率均为正数(KP>0)且呈现自西向东递增[图 2(b)].潜在NPP变化斜率集中在1.0~1.5、1.5~2.0和2.0~2.5区间内, 3个区间面积之和占比为96.21%, 其中变化斜率介于2.0~2.5之间的区域分布在围场满族蒙古族自治县的东部、东南部、丰宁满族自治县的中部及东南部和隆化县的东部、中部和南部地区; 潜在NPP变化斜率小于1.0的区域分布在丰宁满族自治县的西部地区, 面积仅占1.97%; 潜在NPP变化斜率大于2.5的区域大量分布在隆化县西部地区和少量分布在丰宁满族自治县东南部地区, 占比仅为1.83%.利用M-K检验对潜在NPP变化趋势进行显著性分析[图 2(c)].不显著变化区域分布在丰宁满族自治县西部、西北部及西南部, 面积占比10.60%; 显著性变化区域分布在围场满族蒙古族自治县西部、南部、西南及东南部、丰宁满族自治县南部、东北及东南部和隆化县的西部、北部和西北部地区, 面积占比70.09%; 极显著变化区域分布于围场满族蒙古族自治县北部、东北及东南部、丰宁满族自治县东南部和隆化县的南部、东部地区, 面积占比19.31%.潜在NPP稳定性呈现自西向东整体递增[图 2(d)].潜在NPP的变异系数主要集中在0.05~0.07区间, 区间面积占比为67.43%, 主要分布在围场满族蒙古族自治县和丰宁满族自治县2县; 变异系数小于0.05区域分布在丰宁满族自治县的西部地区, 面积占比仅为2.6%; 变异系数大于0.07区域分布在围场满族蒙古族自治县东部、南部、东北及东南部、丰宁满族自治县的东南部和隆化县的北部、中部、南部及东南部, 面积占比为29.96%.
|
图 2 承德接坝区潜在NPP和实际NPP空间分布及变化 Fig. 2 Spatial distribution and changes in potential NPP and actual NPP in Chengde's transitional region from plateau to plain |
承德接坝区21 a(2000~2020年)实际NPP均值分布如图 2(e)所示.该地区实际NPP以400~500 g·(m2·a)-1为主, 约占区域面积的64%, 低于300 g·(m2·a)-1区域集中分布在丰宁满族自治县北部, 300~400 g·(m2·a)-1区域分布在围场满族蒙古族自治县的西部、东北、东南部和丰宁满族自治县的北部、南部地区, 500~600 g·(m2·a)-1区域集中分布在围场满族蒙古族自治县的西南部、丰宁满族自治县西南部和隆化县的东南部, 高于700 g·(m2·a)-1区域主要分布在围场满族蒙古族自治县西南部.承德接坝区植被以改善为主[图 2(f)].改善区域(KA>0) 占比99.85%, 退化区域(KA < 0)分布在围场满族蒙古族自治县北部、西南部和丰宁满族自治县西南部.接坝区实际NPP变化斜率集中在5~10之间, 面积占比为79.54%; 实际NPP变化斜率小于5的区域分布在围场满族蒙古族自治县的北部及东南部和丰宁满族自治县西部; 变化斜率大于15的区域分布零散, 主要分布于丰宁满族自治县中部和隆化县中部地区.植被改善得到极显著变化的区域占比达到94.20%, 显著改善和不显著变化区域分别占3.50%和2.18%, 退化区域仅占0.04%[图 2(g)].实际NPP变异系数集中在0.1~0.2区间, 面积占比60.60%[图 2(h)].实际NPP变异系数小于0.1的面积占比为10.65%, 在围场满族蒙古族自治县、丰宁满族自治县和隆化县3个县均有分布, 其中围场满族蒙古族自治县北部地区分布最为明显; 变异系数介于0.2~0.3之间的区域分布在丰宁满族自治县的南部、东部、西南部及东南部和隆化县中部、南部及西南部.
2.2 实际NPP与气候因子相关性分析实际NPP与年降水量间相关性自西北向东南方向呈现逐渐增强的趋势[图 3(a)].实际NPP与年降水量呈负相关(Rxy < 0)区域占比仅为0.13%, 主要分布在围场满族蒙古族自治县北部, 相关性(0.2 < Rxy < 0.4)区域分布在围场满族蒙古族自治县西北部和丰宁满族自治县的北部、西北部地区, 相关性(0.4 < Rxy < 0.6)区域分布在围场满族蒙古族自治县中部、东部及东南部、丰宁满族自治县中部和隆化县的中部、东部和西北部地区, 相关性(Rxy>0.6)区域分布在丰宁满族自治县南部和隆化县南部.实际NPP与年均气温间呈负相关(Rxy < 0)区域仅占8.33%[图 3(b)], 其中包括相关性(Rxy < -0.2)区域面积占比(不足0.01%).实际NPP与年均气温间呈相关性(0.2 < Rxy < 0.4)、(0 < Rxy < 0.2)区域占比分别是21.71%、69.10%, 相关性(0.4 < Rxy < 0.59)区域面积占比仅0.80%, 主要分布在围场满族蒙古族自治县和丰宁满族自治县.
|
图 3 实际NPP与气候因子相关性分析 Fig. 3 Correlation analysis of actual NPP and climate factors |
利用潜在NPP与实际NPP的差值计算承德接坝区21 a(2000~2020年)人类活动作用下NPP的空间分布[图 4(a)].人类活动促进NPP增加(NPPH < 0)区域面积占比为96.63%, 其中, 人类活动作用下NPP增加量最为明显(NPPH < -200)区域分布在围场满族蒙古族自治县北部、西南部和丰宁满族自治县的西部地区, 该面积占比为4.60%.人类活动作用下使得NPP增加量集中在-200~-100 g·(m2·a)-1和-100~0 g·(m2·a)-1这2个区间, 占比分别为45.12%和46.91%.人类活动作用下NPP损失量集中在0~100 g·(m2·a)-1区间, 主要分布丰宁满族自治县北部、中部和南部地区, 其面积占比为3.33%, 损失量大于100 g·(m2·a)-1的区域分布零散, 在3个县的南部地区均有分布, 但面积占比仅为0.03%.人类活动对植被改善具有积极作用(KH < 0)的区域占比为93.29%[图 4(b)].人类活动促进植被改善最明显的区域分布在围场满族蒙古族自治县的中部及南部、丰宁满族自治县的南部、西部及西南部和隆化县的西北部地区, 该面积占比为4.22%.人类活动促进植被改善的变化区间集中在(-10 < KH < -5)区间, 该区间面积占比为56.15%, 主要分布于围场满族蒙古族自治县的南部、西北部、西南部及东南部、丰宁满族自治县的北部、中部、南部及东南部和隆化县全境.人类活动抑制植被改善的区域占比仅为6.71%, 其中以抑制程度较小(0 < KH < 5)为主, 该区域主要分布在围场满族蒙古族自治县北部、东部、东北部及东南部、丰宁满族自治县西部、东南部和隆化县的南部地区, 面积占比为6.65%.人类活动对该区域植被改善程度以极显著变化为主, 极显著改善区域占比为91.11%, 显著改善和不显著变化区域占比分别是5.96%和2.82%, 显著退化和极显著退化区域面积之和占比为0.56%[图 4(c)].人为活动作用下NPP的稳定性突变系数集中于0.30~0.32区间, 该区间面积占比为99.80%, 突变系数大于0.32的区域占比为0.04%, 分布在丰宁满族自治县中部及东南部和隆化县中部[图 4(d)].
|
图 4 人类活动影响NPP的空间分布及变化 Fig. 4 Spatial distribution and change in NPP affected by human activities |
依据表 1获得2000~2020年气候变化和人类活动影响NPP相对作用的空间分布(图 5).
|
图 5 气候因素和人为因素影响NPP空间分布 Fig. 5 Climate and human factors affect the spatial distribution of NPP |
由于潜在NPP的变化趋势大于0(KP>0), 因此气候变化和人类活动对该地区植被变化不存在表 1中的情景2、情景4和情景6.植被改善区域(情景1+情景3)占整个区域面积的99.85%, 植被退化区域(情景5)占整个区域面积的0.15%.其中, 气候变化和人类活动共同主导的植被改善区域(情景3)占整个区域面积的99.71%, 而仅由气候因素主导植被改善区域(情景1)占整个区域面积的0.14%, 主要分布于围场满族蒙古族自治县的北部、南部及东南部、丰宁满族自治县西部、南部和东南部和隆化县的南部地区.仅由人类活动导致植被退化区域(情景5, 0.15%)主要零散分布在围场满族蒙古族自治县北部、西南部和丰宁满族自治县西南部.这表明该区域植被改善是由气候变化和人类活动共同主导, 植被退化仅由人类活动所导致.
3 讨论本文利用Thornthwaite Memorial模型计算潜在NPP, 分析了2000~2020年潜在NPP的变化趋势和稳定性, 本研究结果与毕凡等[42]基于改进CASA模型分析中国2000~2020年潜在NPP的空间分布结果一致[图 2(a)], 即潜在NPP由西北向东南递增, 变化趋势(KP>0)自西向东递增[图 2(b)], 可以得出承德接坝区西部地区潜在NPP在2000~2020年期间变化幅度最小, 表明该地区潜在NPP变化速度最为缓慢.但变异系数存在差异, 潜在NPP的变异系数介于0.03~0.08之间[图 2(d)], 文献[42]的研究结果介于0.05~0.10之间, 究其原因是采用不同模型导致区域的潜在NPP存在差异.
本研究运用MODIS NPP数据获取承德接坝区年度实际NPP, 为减少误差采用均值法计算实际NPP空间分布.承德接坝区实际NPP集中在400~500 g·(m2·a)-1区间[图 2(e)], 其结果与借助风云3D卫星估算陆地生产力结果一致[43].采用趋势分析和显著性检验分析了2000~2020年承德接坝区实际NPP的变化趋势和显著变化区域, 结果表明了研究区域99.87%的地区得到改善[图 2(f)], 利用M-K检验得出该区域面积94.20%的地区得到极显著改善[图 2(g)], 此两项结果与郭豪等[44]研究中国实际NPP改善区域和显著性变化的占比是一致的, 证实了改善区域分布在农牧交错区、内蒙古高原和华北平原地区周边区域[45].一方面是过去20年气候显著性发生改变, 降水和气温均呈现增加, 有效促进了植被生长; 另一方面, 与塞罕坝地区人民充分发扬“塞罕坝精神”在承德接坝区种植树木和实施美化环境工程有关, 加大了树木种植, 增加了树木对二氧化碳的固定能力.实际NPP稳定性的结果表明了围场满族蒙古族自治县北部地区优于其他地区[图 2(h)], 主要是由于河北省围场满族蒙古族自治县的机械林场和坝上草原分布于此, 机械林场的林地面积达到767.33 km2, 森林覆盖率达到82%, 坝上草原面积为360 km2, 且已有研究发现了不同土地利用类型对NPP变化趋势贡献大小依次是草地、森林、建设用地和农田[46], 进一步证实了围场满族蒙古族自治县北部地区植被的稳定性与林草覆盖率息息相关.采用皮尔逊相关系数法探究实际NPP与气候因子(年均降水量、年均气温)相关性, 结果与洪乐乐等[47]探究实际NPP与气候因子间的相关性结果一致[图 3(a)和图 3(b)], 证实了实际NPP与年均降水量呈正相关分布, 实际NPP与年均气温间存在正相关和负相关性.
将NPP作为评价指标, 量化了气候变化和人类活动对该区域植被变化的相对影响(图 5), 气候变化和人类活动共同主导影响植被改善区域占比99.71%, 证实了京津冀地区植被改善是气候变化和人类活动共同作用的结果[29].本研究利用Thornthwaite Memorial模型计算潜在NPP, 该模型本质是利用了年均降水量和年均气温数据计算潜在NPP, 影响潜在NPP的因素远大于这两项.因此, 计算结果具有一定的误差及不确定性, 最后间接影响了人类活动作用下NPP的分布[47].针对以上问题, Ge等[48]提出利用多个时期土地利用数据量化单独气候以及气候和人为因素共同影响区域, 其核心思想在于在土地类型中除去农田、无植被覆盖及前后两个时期内土地利用类型发生改变区域划定为气候影响区域, 其他剩余区域均为气候和人为活动共同影响区域.人为活动是影响植被分布的多种行为的集合体, 其可以分成积极和消极作用, 因此, 后期需要细化人为因素对植被变化影响的研究.
4 结论(1) 潜在NPP由西北向东南递增, 其变化趋势(KP)和稳定性(CV)均由西向东递增.
(2) 2000~2020年期间, 99.85%区域的植被得到了改善, 且稳定性较强, 人类活动作用使得NPP增加.
(3) 实际NPP与年降水量和年均气温间的相关性以正相关为主, 表明年降水量和年均气温促进了植被改善.
(4) 植被改善主要是由气候因素和人类活动共同主导, 而植被退化完全是由人为因素所导致.
| [1] |
徐勇, 黄雯婷, 郑志威, 等. 基于空间尺度效应的西南地区植被NPP影响因子探测[J]. 环境科学, 2023, 44(2): 900-911. Xu Y, Huang W T, Zheng Z W, et al. Detecting influencing factor of vegetation NPP in Southwest China based on spatial scale effect[J]. Environmental Science, 2023, 44(2): 900-911. |
| [2] |
邵嘉豪, 李晶, 闫星光, 等. 基于地理探测器的山西省2000~2020年NPP时空变化特征及驱动力分析[J]. 环境科学, 2023, 44(1): 312-322. Shao J H, Li J, Yan X G, et al. Analysis of spatiotemporal variation characteristics and driving forces of NPP in Shanxi province from 2000 to 2020 based on geodetector[J]. Environmental Science, 2023, 44(1): 312-322. |
| [3] |
郑碧军, 刘晓芳, 周忠学. 秦巴山区人类活动对生态系统质量的影响——以汉中市为例[J]. 陕西师范大学学报(自然科学版), 2022, 50(4): 45-58. Zheng B J, Liu X F, Zhou Z X. Effects of human activities on ecosystem quality in Qinling-Daba Mountains: a case study of Hanzhong city[J]. Journal of Shaanxi Normal University(Natural Science Edition), 2022, 50(4): 45-58. |
| [4] | Liu Y Y, Zhang Z Y, Tong L J, et al. Assessing the effects of climate variation and human activities on grassland degradation and restoration across the globe[J]. Ecological Indicators, 2019, 106. DOI:10.1016/j.ecolind.2019.105504 |
| [5] | Jiang Y L, Guo J, Peng Q, et al. The effects of climate factors and human activities on net primary productivity in Xinjiang[J]. International Journal of Biometeorology, 2020, 64(5): 765-777. DOI:10.1007/s00484-020-01866-4 |
| [6] |
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[J]. 生态学报, 2018, 38(8): 2754-2767. Wang F, Wang Z, Zhang Y. Spatio-temporal variations in vegetation net primary productivity and their driving factors in Anhui province from 2000 to 2015[J]. Acta Ecologica Sinica, 2018, 38(8): 2754-2767. |
| [7] |
史晨璐, 吴秀芹. 喀斯特断陷盆地土地利用对生态系统生产力的影响[J]. 北京大学学报(自然科学版), 2020, 56(2): 341-351. Shi C L, Wu X Q. Impact of land use on ecosystem productivity in Karst Faulted Basin[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2020, 56(2): 341-351. |
| [8] |
张良侠, 岳笑, 周德成, 等. 气候变化和人类活动对我国典型草原区植被恢复的影响[J]. 环境科学, 2023, 44(5): 2694-2703. Zhang L X, Yue X, Zhou D C, et al. Impacts of climate change and human activities on vegetation restoration in typical grasslands of China[J]. Environmental Science, 2023, 44(5): 2694-2703. |
| [9] |
何旭洋, 张福平, 李玲, 等. 气候变化与人类活动对中国西北内陆河流域植被净初级生产力影响的定量分析[J]. 兰州大学学报(自然科学版), 2022, 58(5): 650-660. He X Y, Zhang F P, Li L, et al. Quantitative analysis of the impact of climate changes and human activities on the NPP of vegetation in the inland river basins of Northwest China[J]. Journal of Lanzhou University(Natural Sciences), 2022, 58(5): 650-660. |
| [10] |
彭擎. 气候变化背景下祁连山国家公园生态环境模拟及预测[D]. 南京: 南京信息工程大学, 2022. Peng Q. Simulation and prediction of ecological environment in Qilian Mountain National Park under climate change[D]. Nanjing: Nanjing University of Information Science & Technology, 2022. |
| [11] |
张雪蕾, 王义成, 肖伟华, 等. 石羊河流域NPP对气候变化的响应[J]. 生态学杂志, 2018, 37(10): 3110-3118. Zhang X L, Wang Y C, Xiao W H, et al. Responses of net primary productivity of natural vegetation to climate change in the Shiyang River basin[J]. Chinese Journal of Ecology, 2018, 37(10): 3110-3118. |
| [12] |
徐勇, 黄海艳, 戴强玉, 等. 西南地区陆地植被生态系统NPP时空演变及驱动力分析[J]. 环境科学, 2023, 44(5): 2704-2714. Xu Y, Huang H Y, Dai Q Y, et al. Spatial-temporal variation of net primary productivity in terrestrial vegetation ecosystems and its driving forces in Southwest China[J]. Environmental Science, 2023, 44(5): 2704-2714. |
| [13] |
田义超, 黄远林, 张强, 等. 北部湾南流江流域植被净初级生产力时空分布及其驱动因素[J]. 生态学报, 2019, 39(21): 8156-8171. Tian Y C, Huang Y L, Zhang Q, et al. Spatiotemporal distribution of net primary productivity and its driving factors in the Nanliu River basin in the Beibu Gulf[J]. Acta Ecologica Sinica, 2019, 39(21): 8156-8171. |
| [14] |
马苏, 崔国屹, 赵玉, 等. 植被NPP时空变化特征及驱动因子分析——以延安地区为例[J]. 中国农学通报, 2022, 38(19): 93-98. Ma S, Cui G Y, Zhao Y, et al. Spatial-temporal variation characteristics of NPP and the driving factors: a case study of Yan'an[J]. Chinese Agricultural Science Bulletin, 2022, 38(19): 93-98. |
| [15] |
程春香, 于敏, 吴门新, 等. 2000~2020年黑龙江省陆地植被NPP驱动因子分析[J]. 东北农业大学学报, 2022, 53(6): 20-28, 75. Cheng C X, Yu M, Wu M X, et al. Analysis of driving factors of terrestrial vegetation NPP in Heilongjiang province from 2000 to 2020[J]. Journal of Northeast Agricultural University, 2022, 53(6): 20-28, 75. |
| [16] |
李芸, 王轶夫, 孙玉军, 等. 吉林省落叶松林净初级生产力时空特征及其对气候变化的响应[J]. 生态学报, 2022, 42(3): 947-959. Li Y, Wang Y F, Sun Y J, et al. Temporal-spatial characteristics of NPP and its response to climate change of larix forests in Jilin province[J]. Acta Ecologica Sinica, 2022, 42(3): 947-959. |
| [17] |
刘旻霞, 焦骄, 潘竟虎, 等. 青海省植被净初级生产力(NPP)时空格局变化及其驱动因素[J]. 生态学报, 2020, 40(15): 5306-5317. Liu M X, Jiao J, Pan J H, et al. Spatial and temporal patterns of planting NPP and its driving factors in Qinghai province[J]. Acta Ecologica Sinica, 2020, 40(15): 5306-5317. |
| [18] |
涂海洋, 古丽·加帕尔, 于涛, 等. 中国陆地生态系统净初级生产力时空变化特征及影响因素分析[J]. 生态学报, 2023, 43(3): 1219-1233. Tu H Y, Jiapaer G, Yu T, et al. Analysis of spatio-temporal variation characteristics and influencing factors of net primary productivity in terrestrial ecosystems of China[J]. Acta Ecologica Sinica, 2023, 43(3): 1219-1233. |
| [19] | Guo Q, Fu B H, Shi P L, et al. Satellite monitoring the spatial-temporal dynamics of desertification in response to climate change and human activities across the Ordos Plateau, China[J]. Remote Sensing, 2017, 9(6). DOI:10.3390/rs9060525 |
| [20] | Zhang R P, Liang T G, Guo J, et al. Grassland dynamics in response to climate change and human activities in Xinjiang from 2000 to 2014[J]. Scientific Reports, 2018, 8(1). DOI:10.1038/s41598-018-21089-3 |
| [21] | Zhou W, Gang C C, Zhou F C, et al. Quantitative assessment of the individual contribution of climate and human factors to desertification in northwest China using net primary productivity as an indicator[J]. Ecological Indicators, 2015, 48: 560-569. |
| [22] |
王瑞泾, 冯琦胜, 金哲人, 等. 青藏高原退化草地的恢复潜势研究[J]. 草业学报, 2022, 31(6): 11-22. Wang R J, Feng Q S, Jin Z R, et al. A study on restoration potential of degraded grassland on the Qinghai-Tibetan Plateau[J]. Acta Prataculturae Sinica, 2022, 31(6): 11-22. |
| [23] |
张炜, 刘亦飞, 沈明星, 等. 长江流域植被净初级生产力时空动态特性及影响因素分析[J]. 水利水电技术(中英文), 2022, 53(10): 165-176. Zhang W, Liu Y F, Shen M X, et al. Spatiotemporal variation of net primary productivity and response to climatic factors in the Yangtze River Basin[J]. Water Resources and Hydropower Engineering, 2022, 53(10): 165-176. |
| [24] |
吴玉莲, 王襄平, 李巧燕, 等. 长白山阔叶红松林净初级生产力对气候变化的响应: 基于BIOME-BGC模型的分析[J]. 北京大学学报(自然科学版), 2014, 50(3): 577-586. Wu Y L, Wang X P, Li Q Y, et al. Response of broad-leaved Korean pine forest productivity of Mt. Changbai to climate change: an analysis based on BIOME-BGC modeling[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(3): 577-586. |
| [25] |
巴桑参木决, 温仲明, 刘洋洋, 等. 西藏草地净初级生产力的时空格局演变及其驱动机制分析[J]. 草地学报, 2022, 30(4): 778-789. Basang C M J, Wen Z M, Liu Y Y, et al. Analysis of the spatial-temporal evolution patterns of grassland net primary productivity and its driving mechanisms in the Tibet[J]. Acta Agrestia Sinica, 2022, 30(4): 778-789. |
| [26] |
徐雪, 罗娅, 杨胜天, 等. 全球不同气候带陆地植被净初级生产力变化趋势与可持续性[J]. 生态学报, 2023, 43(9): 3729-3743. Xu X, Luo Y, Yang S T, et al. Change trend and sustainability of vegetation net primary productivity of terrestrial ecosystems in different global climatic zones[J]. Acta Ecologica Sinica, 2023, 43(9): 3729-3743. |
| [27] |
石先闯, 宋京, 丁明星, 等. 京津冀水源涵养功能区之丰宁县坡耕地综合治理探究[J]. 水土保持应用技术, 2020(2): 31-34. Shi X C, Song J, Ding M X, et al. A study on the comprehensive treatment of slope farmland in Fengning county, Beijing Tianjin Hebei Water Conservation Functional Area[J]. Technology of Soil and Water Conservation, 2020(2): 31-34. |
| [28] |
唐克丽. 黄土高原水蚀风蚀交错区治理的重要性与紧迫性[J]. 中国水土保持, 2000(11): 11-12, 17. Tang K L. Importance and urgency of harnessing the interlocked area with both water and wind erosion in the Loess Plateau[J]. Soil and Water Conservation in China, 2000(11): 11-12, 17. |
| [29] |
高旭旭, 于长文, 张婧, 等. 定量评估京津冀气候变化和人类活动对植被NPP变化的相对作用[J]. 中国农业气象, 2022, 43(2): 124-136. Gao X X, Yu C W, Zhang J, et al. Quantitative assessment on the relative influence of climatic change and human activities on net primary productivity in Beijing-Tianjin-Hebei[J]. Chinese Journal of Agrometeorology, 2022, 43(2): 124-136. |
| [30] |
徐丽君, 卫琦, 徐俊增, 等. 中国北方干旱区降雨与相对湿度变化趋势的非一致性研究[J]. 水资源与水工程学报, 2021, 32(2): 38-44. Xu L J, Wei Q, Xu J Z, et al. Inconsistent change trends between precipitation and relative humidity in arid areas of North China[J]. Journal of Water Resources and Water Engineering, 2021, 32(2): 38-44. |
| [31] |
郭宏, 于沛, 丁丽, 等. 冀西北坝上地区土地利用方式对土壤化学性质的影响[J]. 林业与生态科学, 2022, 37(1): 57-63. Guo H, Yu P, Ding L, et al. Influence of land use types on soil chemical properties in Bashang area, Northwest of Hebei province[J]. Forestry and Ecological Sciences, 2022, 37(1): 57-63. |
| [32] |
柳金昊, 信忠保, 沈晗悦, 等. 河北坝上地区不同植被类型土壤持水性能研究[J]. 土壤, 2021, 53(4): 833-840. Liu J H, Xin Z B, Shen H Y, et al. Water holding capacities under different vegetation types in Bashang Area of Hebei province[J]. Soils, 2021, 53(4): 833-840. |
| [33] |
王彦芳, 裴宏伟, 赵超. 河北坝上地区2000-2019年植被绿度动态及其土地利用/覆被变化归因分析[J]. 水土保持通报, 2021, 41(6): 345-352. Wang Y F, Pei H W, Zhao C. Vegetation greenness change and its attribution related to land use and land cover change in Bashang Area of Hebei province during 2000-2019[J]. Bulletin of Soil and Water Conservation, 2021, 41(6): 345-352. |
| [34] |
刘孟竹, 王彦芳, 裴宏伟. 基于土地利用变化的河北省坝上地区景观生态风险评价[J]. 水土保持通报, 2020, 40(4): 303-311. Liu M Z, Wang Y F, Pei H W. Landscape ecological risk assessment in Bashang Area of Hebei province based on land use change[J]. Bulletin of Soil and Water Conservation, 2020, 40(4): 303-311. |
| [35] | Peng S Z, Ding Y X, Liu W Z, et al. 1 Km monthly temperature and precipitation dataset for China from 1901 to 2017[J]. Earth System Science Data, 2019, 11(4): 1931-1946. |
| [36] |
刘铮. 黄土高原植被净初级生产力的时空动态及气候驱动因素研究[D]. 杨凌: 西北农林科技大学, 2021. Liu Z. Temporal and spatial dynamics of vegetation net primary productivity and its climate driving factors analysis in the Loess Plateau of China[D]. Yangling: Northwest A&F University, 2021. |
| [37] |
杜金燊, 于德永. 气候变化和人类活动对中国北方农牧交错区草地净初级生产力的影响[J]. 北京师范大学学报(自然科学版), 2018, 54(3): 365-372. Du J S, Yu D Y. Impacts of climate change and human activities on net primary productivity of grassland in agro-pastoral transitional zone in Northern China[J]. Journal of Beijing Normal University(Natural Science), 2018, 54(3): 365-372. |
| [38] |
阿迪拉·阿布都热合曼. 干旱对新疆植被净初级生产力影响研究[D]. 乌鲁木齐: 新疆师范大学, 2022. Abudureheman A D L. Effects of drought on net primary productivity of vegetation in Xinjiang[D]. Urumqi: Xinjiang Normal University, 2022. |
| [39] |
陈丽梅, 阿布都热合曼·哈力克. 2000—2020年和田河中上游植被净初级生产力时空变化及其与气候因子的关系[J]. 湖南城市学院学报(自然科学版), 2022, 31(3): 59-66. Chen L M, Abudureheman H. Spatial-temporal variation in vegetation net primary productivity and its relationship with climate factors in the middle and upper reaches of the Hotan River from 2000 to 2020[J]. Journal of Hunan City University(Natural Science), 2022, 31(3): 59-66. |
| [40] |
李怀海, 李纯斌, 吴静, 等. 2000-2020年石羊河流域草地净初级生产力时空动态及其对气候的响应[J]. 草业科学, 2022, 39(10): 2048-2061. Li H H, Li C B, Wu J, et al. Spatio-temporal dynamics and climate response of grassland net primary productivity in Shiyang River Basin from 2000 to 2020[J]. Pratacultural Science, 2022, 39(10): 2048-2061. |
| [41] |
李诗瑶, 丛士翔, 王融融, 等. 气候变化和人类活动对盐池县植被净初级生产力的影响[J]. 干旱区地理, 2022, 45(4): 1186-1199. Li S Y, Cong S X, Wang R R, et al. Effects of climate change and human activities on net primary productivity of vegetation in Yanchi county[J]. Arid Land Geography, 2022, 45(4): 1186-1199. |
| [42] |
毕凡, 潘竟虎. 2000年以来中国潜在植被净初级生产力的时空分布模拟[J]. 生态学报, 2022, 42(24): 10288-10296. Bi F, Pan J H. Estimation of temporal and spatial distribution of potential vegetation net primary productivity in China since 2000[J]. Acta Ecologica Sinica, 2022, 42(24): 10288-10296. |
| [43] | Liu Y H, Han X Z, Wang F Z, et al. Estimation of terrestrial net primary productivity in China from Fengyun-3D satellite data[J]. Journal of Meteorological Research, 2022, 36(3): 401-416. |
| [44] |
郭豪, 袁金国, 王景芝, 等. 基于MOD17A3的京津冀地区植被净初级生产力时空演变[J]. 长江科学院院报, 2023, 40(7): 66-72, 103. Guo H, Yuan J G, Wang J Z, et al. Spatio-temporal evolution of net primary productivity in Beijing-Tianjin-Hebei region based on MOD17A3 data[J]. Journal of Yangtze River Scientific Research Institute, 2023, 40(7): 66-72, 103. |
| [45] | Liu G B, Shao Q Q, Fan J W, et al. Change trend and restoration potential of vegetation net primary productivity in China over the past 20 Years[J]. Remote Sensing, 2022, 14(7). DOI:10.3390/RS14071634 |
| [46] |
陈晓玲, 曾永年. 亚热带山地丘陵区植被NPP时空变化及其与气候因子的关系——以湖南省为例[J]. 地理学报, 2016, 71(1): 35-48. Chen X L, Zeng Y N. Spatial and temporal variability of the net primary production(NPP) and its relationship with climate factors in subtropical mountainous and hilly regions of China: a case study in Hunan province[J]. Acta Geographica Sinica, 2016, 71(1): 35-48. |
| [47] |
洪乐乐, 沈艳, 马红彬, 等. 2000—2019年宁夏植被净初级生产力时空变化及其驱动因素[J]. 应用生态学报, 2022, 33(10): 2769-2776. Hong L L, Shen Y, Ma H B, et al. Temporal and spatial variation of vegetation net primary productivity and its driving factors in Ningxia, China from 2000 to 2019[J]. Chinese Journal of Applied Ecology, 2022, 33(10): 2769-2776. |
| [48] | Ge W Y, Deng L Q, Wang F, et al. Quantifying the contributions of human activities and climate change to vegetation net primary productivity dynamics in China from 2001 to 2016[J]. Science of the Total Environment, 2021, 773. DOI:10.1016/j.scitotenv.2021.145648 |