2026, Vol. 47
植被净初级生产力（net primary productivity，NPP）是指植物通过光合作用固定的总有机碳量减去植物自身呼吸作用消耗的有机碳量[1，2]，NPP作为生态系统中能量固定和转化的关键指标，在理解和管理生态系统功能、应对气候变化、维持生物多样性和优化资源利用等方面具有重要意义[3~6]，通过监测和分析NPP，能够为地方甚至全球性的生态环境问题研究提供重要依据. 近年来，国内外学者从不同的空间与时间尺度探讨植被NPP时空变化格局、演变规律等内容，Potter等[7]采用CASA生态系统模型估算2000~2009年全球二氧化碳净初级生产力通量（NPP），发现自2000年以来，北半球高纬度地区、南亚、中非和亚马逊西部地区的短期多年期增加. 滑永春等[8]利用改进的CASA模型探讨1982~2015年内蒙古草原NPP变化趋势，发现草原NPP增加的面积大于减少的面积，草原处于恢复状态.
从植被NPP变化驱动因素来看，包括气候、土壤及人为影响等多种因素，Guo等[9]分析蒙古高原降水蒸散发指数（SPEI）和NPP的时空变化特征，探讨干旱对NPP的影响，发现干旱显著降低了该区域的NPP，生长季节干旱的负面影响更为明显. Xu等[10]分析2000~2020年东非地区植被动态的时空变异及其与气候因子的相关性，设置不同情景来区分气候和人为因素对NPP变化的相对贡献，结果显示人类活动对NPP增加的贡献率大于气候变化，而气候变化对NPP减少的作用大于人类活动. 马炳鑫等[11]研究了滇黔桂岩溶区植被NPP的时空变化特征及其与气候变化之间的关系，发现滇黔桂岩溶区的NPP对降水和温度变化敏感，适度的降水量增加则有利于NPP的提升，研究结果为制定区域生态保护政策提供理论依据.
四川省作为中国西南地区重要的生态安全屏障之一，其丰富的森林资源对保持水土、调节气候和涵养水源等方面发挥了重要作用，故而研究其植被NPP变化对四川省生态系统稳定性具有重要意义. 从研究对象来看，目前西南地区对植被NPP研究中多以西南地区整体作为研究对象[12~16]，也有部分学者[17~22]对四川省内部分区域植被NPP演变规律做出探究，但缺少对四川省整体植被NPP空间格局变化及驱动因素方向的研究. 就研究方法而言，目前对于NPP驱动因素多以构建驱动因素与NPP线性关系为主[23~25]，该方法能定量评估影响因子的作用，但无法判断单个影响因子及组合因子对NPP空间分异影响程度，因此本文基于MOD17A3HGF产品NPP数据，结合气象、地形及社会经济数据，采用Sen's斜率估计（Sen's slope estimator）结合（M-K）趋势检验和变异系数法对四川省植被NPP时空变化趋势和稳定性作出分析，通过地理探测器与相关性分析探究四川省及省内各个经济区植被NPP空间分异与驱动因素影响机制，因地制宜在各个经济区实施生态建设工程，保障四川省生态系统稳定、实现生态资源的可持续发展.
1 材料与方法 1.1 研究区概况四川省（97°21'~108°31'E，26°03'~34°19'N）位于中国西南腹地，素来有“天府之国”的美誉. 地处长江上游，东西长1 075 km，南北宽921 km，河流众多，以长江水系为主，地势总体上呈西高东低走势，地貌类型以平原、丘陵、山地和高原为主，因地形地貌差异气候可分为三大气候，川中盆地为中亚热带湿润气候，川西南山地气候为亚热带半湿润气候，川西北高山高原气候表现为高寒气候. 年平均气温14~19℃之间，年平均降水量900~1 200 mm，全年日照时数约为1 000~1 600 h. 四川省五大经济区的划分概念首次出现在我省国民经济和社会发展第11个五年规划纲要中，即成都平原经济区、川南经济区、川东北经济区、攀西经济区和川西北生态经济区，根据地域经济特色将四川划分为五大经济区，以四川省五大经济区作为研究区，探究经济区NPP特征有助于制定科学合理的生态保护和经济发展策略，研究区概况见图 1.
|
图 1 四川省位置及概况 Fig. 1 Location overview of Sichuan Province and economic zones |
2001~2020年NPP数据来源于美国国家航空航天局（NASA LP DAAC at the USGS EROS Center），数据下载于GEE（Google Earth Engine）平台，时间、空间分辨率分别为1 a和500 m，MOD17A3HGF产品已经进行大气校正、辐射定标，去云掩膜，裁剪得到研究区多年NPP数据，该平台被广泛应用于气候、植被和生态等领域研究[26~28]. 基于研究区现状与数据的可获取性，选取人口密度、GDP、年均降水量、年均温度、相对湿度、年均潜在蒸散发、DEM和坡度共8个驱动因子构建因子探测（表 1），其中高程数据DEM（digital elevation model）与四川省及省内各经济区矢量边界数据均来源于地理空间数据云，高程数据空间分辨率为90 m. 气象数据降水、温度、相对湿度和潜在蒸散发数据来源于时空三极环境大数据平台. 人口密度与GDP数据分别来自NASA社会经济数据和应用中心与中国科学院资源环境科学与数据中心. 坡度数据由DEM计算得到，气象数据格式为NetCDF，经Arcgis栅格转换、平均值合成、重采样及裁剪得到研究区多年年均数据，各驱动因子数据均重采样统一分辨率为1 km.
|
表 1 四川省NPP影响因子 Table 1 NPP influencing factors in Sichuan Province |
1.3 研究方法 1.3.1 趋势分析
趋势分析采用Sen+Mann-Kendall法，Sen趋势分析通过计算序列中值，能够有效地识别长期趋势和周期性变化，Mann-Kendall法是一种非参数统计方法，能够有效地识别小到中等大小的趋势变化，对于数据中的噪声和异常值相对稳健. 将两种方法结合可以更有效地识别和描述时间序列中的趋势变化[29，30]. Mann-Kendall趋势检验建立在序列Xi={x1，x2，x3，…，xn}，对偶值（xi，xj，j > i）中两者大小关系定义为S，建立假设H0：数据样本{xi，i=1，2，3，…，n}为独立同分布，H1：序列存在单调趋势. S计算表达式为：
显著性检验统计量的选取取决于时间序列n值，本次时间序列n > 10，采用检验统计量Z进行趋势检验，Z计算表达式为：
| $ Z= \begin{cases}\frac{S-1}{\sqrt{\operatorname{Var}(S)}}, & S>0, \\ 0, & S=0, \\ \frac{S+1}{\sqrt{\operatorname{Var}(S)}}, & S<0 .\end{cases} $ |
式中，m为序列中结（重复出现的数据组）的个数，n表示序列的数据个数，ti为结的宽度（第i组重复数据组中的重复个数）.
Sen趋势计算表达式为：
式中，xi和xj为时间序列数据，当β > 0表示时间序列呈现上升趋势，β < 0时时间序列为下降趋势. 本文趋势检验取显著性水平为α=0.05，当β > 0且
变异系数被广泛应用于评估研究参数时间序列的稳定性[31，32]，采用变异系数反映四川省2001~2020年NPP的稳定性，计算表达式为：
式中，CV为NPP变异系数，σ为NPP标准差，
通过Pearson相关系数法分析自然与人类活动因素与NPP之间相关性. 相关系数r区间为：
式中，Rxy表示变量x与y的相关系数，xi为第i年NPP对应的值，yi为第i年影响因子变量值，
重心迁移模型能够直观刻画研究对象在空间上的整体移动趋势与方向[33]. 通过计算某一指标在不同时期的空间“中心位置”，可以揭示区域发展过程中空间分布格局的演变特征，从而反映研究对象在空间上的均衡性与集聚性，其公式为：
式中，（Xt，Yt）表示研究对象在时期t的空间重心坐标，文中研究对象为各经济区GDP与人口密度，xi和yi分别表示各经济区重心坐标的经纬度，Pit表示经济区i在第t年的GDP或者人口密度值.
1.3.5 地理探测器采用地理探测器[34]定量探究各影响因子对NPP影响机制，地理探测器用于探索和分析空间数据中的地理异质性，其基本思想为某个自变量对某个因变量有重要影响，那么自变量和因变量的空间分布应该具有相似性. 地理探测器包含单因子探测、双因子交互探测、生态探测与风险区探测这4个模块，本研究采用单因子探测、交互探测与风险区探测，通过单因子探测四川省及川内五大经济区NPP空间分异与影响因子解释度，交互探测探究因子组合间对NPP影响，生态探测用于判断两个子区域间的属性均值是否具有显著差别，可检测出NPP最优值对应各因子适宜区间. 研究区NPP所有栅格单元组成的格网系统作为Y，X为影响因子格网系统，用q值度量因子探测探测Y的空间分异性及各因子X多大程度解释属性Y的空间分异，表达式为：
式中，h=1，2，…，L为变量Y或因子X的分层，Nh和N分别为层h和全区的单元数，
|
图 2 研究技术路线 Fig. 2 Research methodology flow |
由图 3所示，2001~2020年四川省植被NPP（以C计，下同）年均值为504.53 g·（m2·a）-1，最大值出现在2019年，为548.97 g·（m2·a）-1，最小值为454.50 g·（m2·a）-1，出现在2001年. 川内各经济区NPP多年均值：攀西经济区[789.83 g·（m2·a）-1] > 成都平原经济区[631.87 g·（m2·a）-1] > 川东北经济区[550.20 g·（m2·a）-1] > 川南经济区[541.15 g·（m2·a）-1] > 川西北生态经济区[362.43 g·（m2·a）-1]. 从时间变化趋势上来看，研究时段内四川省NPP变化趋势表现为极显著上升，年均上升速率为3.702 g·（m2·a）-1，川内各经济区变化趋势均为上升趋势，上升速率为川南经济区[9.148 g·（m2·a）-1] > 川东北经济区[7.496 g·（m2·a）-1] > 成都平原经济区[6.977 g·（m2·a）-1] > 攀西经济区[2.960 g·（m2·a）-1] > 川西北生态经济区[0.925 g·（m2·a）-1]，除川西北生态经济区为不显著上升，其余各区均为极显著上升，根据图 3可知四川省及省内各经济区NPP年际变化波动情况，成都平原经济区、川南经济区与川东北经济区年间变化与四川省年间变化波动基本一致，川西北与攀西经济区年际变化波动较大，这两个区域地形复杂，坡度大且地势起伏显著，不同海拔和坡向导致微气候差异，使植被对气象变化的响应更敏感[40]. 其次，两区受区域地形影响区域内的气候因素，如温度、降水及干旱事件[12]，在年际间波动明显，直接影响植被生长与净初级生产力，另外自然灾害对区内植被NPP也存在影响，2008年汶川地震及对川西北经济区局部植被覆盖造成破坏，导致其NPP在2008年出现明显下降[41]，成都平原经济区、川南经济区与川东北经济区年间变化与四川省年间变化波动都表现为显著上升，三区的波动变化较小，最小值多出现在较早年份，成都平原经济区与川东北经济区均在2001年，川南经济区则在2006年出现最低值，这与该年夏季遭遇自1951年有气象记录以来最严重的特大伏旱有关，干旱持续时间长、影响范围广及强度大致使川东和川南地区受灾极为严重[42]. 四川省多年NPP均值极大值出现在2019年，川南、成都平原和川东北经济区NPP极大值出现年份受各区气象和人为因素等差异影响表现为不同年份，但均出现在2015年后，为有利的气候条件与强有力的人类活动干预共同作用的结果，2015年之后，四川省未再出现如2006年或2011年毁灭性、全区域性的特大干旱，尽管仍有年际波动，但总体水热条件对植被生长更为有利，加之政府实施的多项国家级生态工程[43，44]，经过十多年的持续建设后，2015年左右开始进入“收获期”和“提质增效期”.
|
图 3 四川省及省内经济区NPP时间变化趋势 Fig. 3 Temporal variation trend of NPP in Sichuan Province and its economic zones |
如图 4（a）所示四川省整体NPP变化区间为6.33~1 773.02 g·（m2·a）-1，2001~2020年四川省NPP多年年均值在空间上总体表现为“东高西低，南高北低”的分布特征，图 4（b）中，各经济区NPP多年年均值中攀西经济区NPP多年年均值最高，达到789.83 g·（m2·a）-1，川西北生态经济区NPP值最低为362.43 g·（m2·a）-1，空间格局分布是地形、气候、植被及人类活动共同作用的直接体现. 川西地区高寒的高原山地，水热组合差、生长期短，严重限制了植被生产力；而川东、川南地区以低海拔的盆地和丘陵为主，水热条件优越，为植物生长提供理想环境，川南地区凭借其低纬度和河谷地形带来的热量优势，NPP普遍高于气温较低的川北，环境差异直接决定植被类型的分布：川东、川南以高生产力的亚热带常绿阔叶林、人工林和密集农田为主，而川西则广泛分布着生产力低下的高寒草甸与荒漠；人类活动，四川盆地的精耕农业和大规模生态修复工程，叠加提升东部地区的NPP，从而共同巩固并强化宏观分布格局.
|
1.四川省，2.成都平原经济区，3.川南经济区，4.川东北经济区，5.攀西经济区，6.川西北生态经济区 图 4 四川省及各经济区NPP时空趋势、稳定性变化 Fig. 4 Spatiotemporal evolution and stability analysis of NPP in Sichuan Province and different economic zones |
成都平原经济区低值出现在中部与东部地区、川东北经济区低值出现在南部区域、川南经济区低值则出现在北部区域. 成都平原中东部的最低值，直接对应着成都主城区及“东进”发展廊道的城市与交通建设用地. 川东北南部的低值中心，则体现了方山丘陵区农业开垦与季节性干旱的共同制约，使其NPP显著低于北部生态良好的大巴山区. 而川南经济区北部的低值带，正是自贡、内江等老工业城市及泸州-宜宾北部工业走廊的集中区域，其植被生产力在与南部森林覆盖区的对比中明显逊色. 低值区的空间模式一致表明，城市扩张、工业集聚及交通网络建设已成为抑制植被生产力的关键因素.
由图 4（c）可知，四川省NPP变化趋势84.88%的面积占比为上升趋势，15.12%为下降趋势，其中显著降低、轻微降低、轻微增加和显著增加面积占比分别为1.01%、14.11%、46.06%和38.82%，增加区域主要为成都平原经济区、川东北经济区、川南经济区、川西北生态经济区西北部石渠县、攀西经济区东部地区，减少区域主要为川西北生态经济区、攀西经济区以及川中平原、丘陵向山地过渡的区域，多分布于各经济区城市人口集中区域. 各经济区显著性变化占比[图 4（d）]显示，NPP呈上升趋势占比均大于75%，其中川南经济区NPP显著上升区域面积占比达到87.22%，区内增长趋势面积占比达到97.90%，仅次于川东北经济区（98.09%），各区NPP显著降低区域面积占比均小于3%，各区NPP表现为下降趋势占比最大区域为攀西经济区（21.64%），其次为川西北生态经济区（20.61%），两区轻微下降面积占比分别为19.11%、19.78%.
四川省各经济区NPP波动变化存在区域差异，四川省植被NPP波动变化以低波动变化为主[图 4（e）]，平均变异系数为0.111. 空间上，中高波动多分布于四川东部平原、丘陵区及川西局部地区，低波动则较均匀分布于省内各区，变异系数均值为：川南经济区（0.143） > 成都平原经济区（0.127） > 川东北经济区（0.114） > 川西北生态经济区（0.108） > 攀西经济区（0.083），中高波动变化出现在成都平原经济区东部（绵阳市南侧、德阳市西侧、遂宁市、资阳市及成都市西侧）、川东北经济区南部（南充市南侧、广安市西侧）、川南经济区北部（自贡市、宜宾市北侧），其中攀西经济区NPP波动变化最稳定，川南经济区波动变化最大. 根据图 4（f）可得，各区中等波动及以上面积占比依次为：川南经济区（46.56%） > 成都平原经济区（37.22%） > 川东北经济区（21.72%） > 川西北生态经济区（15.47%） > 攀西经济区（4.48%），其根本驱动力在于人类活动干扰强度与自然生态系统稳定性的空间分异. 波动性最高的川南与成都平原经济区，是全省工业化、城市化与集约化农业的核心区域，频繁的土地利用变化、农业收割及城市建设强烈干扰植被生长，导致NPP年际间剧烈变化. 川东北经济区作为过渡带，其波动主要受农业干旱和中等强度人为活动的共同影响. 相反，波动性最低的攀西与川西北经济区，其生态结构分别表现为稳定的多年生特色经济林、原始森林与高原原生生态系统，稳定的水热条件或强大的生态韧性使其对外界干扰响应迟钝，从而维持较高的年际稳定性.
2.2 NPP地理探测结果分析 2.2.1 单因子影响力探测因子探测可以探测各影响因子对NPP空间分异的解释程度，四川省及省内各经济区因子探测结果见图 5，2001~2020年四川省各因子对植被NPP空间分异q值排序为：DEM（0.675） > 温度（0.672） > 潜在蒸散发（0.511） > 降水（0.382） > 相对湿度（0.244） > 坡度（0.033） > GDP（0.007） > 人口密度（0.002），表明主导四川省NPP空间分异的因素为DEM、温度与潜在蒸散发，其解释度均大于50%，而人为因素（GDP与人口密度）解释度均小于1%，对NPP影响较小，降水与相对湿度解释度大于20%，对植被NPP变化具有一定影响力.
|
**表示P < 0.05，差异显著；色柱表示解释度q值；横坐标的符号含义见表 1 图 5 单因子探测结果 Fig. 5 Results of single-factor detection |
川内各经济区，影响因子解释度前3因素分别为：DEM、温度和GDP（成都平原经济区）；DEM、温度和GDP（川南经济区）；DEM、温度和降水（川东北经济区）；温度、DEM和潜在蒸散发（川西北生态经济区）；DEM、温度和降水（攀西经济区）. 在不同经济区中，成都平原经济区与川南经济区主导因子相同，均为DEM、温度、GDP，两经济区地形地貌差异水平及温度变化规律存在较高的相似性，且作为四川省五大经济区排名第一、第二的重要经济增长极，GDP对两区NPP空间分异性存在较高影响力，两经济区GDP对NPP空间分异解释度分别为40.8%和42%，而其他经济区解释度均小于2%，这一巨大差异源于各区域主导的经济发展模式及其对土地利用方式的不同影响.
成都平原与川南经济区其GDP增长在空间上具体表现为剧烈的城市物理扩张[45]. 扩张过程通过与高植被生产力的耕地、林地等生态用地发生直接的“空间置换”，导致了植被NPP的显著丧失，从而能够极高地解释NPP的空间分异格局[46，47]，以生态保护为主导或产业形态分散的地区，经济增长与植被退化的空间关联则被显著弱化，川西北生态经济区，以生态保护和旅游业为主导的发展模式，使其经济增长与植被破坏在空间上成功实现解耦，攀西经济区，其经济增长依赖于矿业和高NPP的特色经济林农业[48]，两种相反的效应相互抵消，削弱了区域整体的相关性，使得经济区GDP对NPP空间分异解释度小.
主导川西北生态经济区的因子类型为气候因子，气候因子解释度均值为45.4%，人为因素对川西北生态经济区NPP影响微弱；川东北经济区与攀西经济区主导因素相同，两区各因子对NPP空间分异存在高度相似性，原因在于两区影响因子演变规律基本一致，综上所述，四川省NPP空间分异为气候、地形和人为因素综合影响结果，且在省内各经济区中，影响因子对各区NPP空间分异解释力度存在较为明显差异.
2.2.2 双因子交互探测分析利用交互探测器探测四川省及省内各经济区影响因子之间的交互作用对NPP空间分异的影响，交互探测结果见图 6，从中可知任意两因子交互对NPP影响力均大于单因子，均表现为双因子增强和非线性增强，四川省交互探测排名前3的组合为：温度∩相对湿度、温度∩降水和DEM∩降水，对比单因子q值，降水、相对湿度与温度的组合对NPP空间分异解释度分别提升96%、244%，表明气象因子协同作用能够增强对NPP影响力. 省内各经济区交互主导作用存在差异，川西北生态经济区、攀西经济区、川东北经济区排名前三交互因子均为温度∩湿度、温度∩降水和降水∩DEM，且具有相同的影响力排序：温度∩湿度 > 温度∩降水 > 降水∩DEM，气候因子交互影响力大于地形因子交互作用；降水单因子对成都平原经济区NPP空间分异解释度小于1%，但降水∩DEM交互成为成都平原经济区NPP影响最显著因子. 影响NPP空间分异的关键在于具有区域特异性的主导交互作用组合. 在生态功能区（川西北、攀西和川东北），其格局由“水-热”组合（温度∩湿度）的气候协同作用所主导；成都平原NPP的空间分异主要不受降水总量的控制，而是由“地形-水文”交互作用主导. 标志着在该区域，NPP格局的驱动力从宏观气候背景转向了由微地形调控的局部水文过程. 影响NPP空间分异不是单因子作用结果，而是多因子相互增强或非线性增强效应导致；川南经济区GDP与DEM、温度和降水交互成为影响力最大的因子，分别达到51.8%、49.8%和49.1%，表明GDP对川南经济区的NPP空间分异具有较强影响力，区别于水-热”与“地形-水文”交互作用主导，川南经济区格局则转变为由“经济-环境”（GDP∩气候/地形）的交互作用所驱动.
|
**表示非线性增强，*表示双因子增强 图 6 驱动因子交互探测结果 Fig. 6 Driver factor interaction detection results |
风险区探测用于探测不同区域的NPP均值是否具有显著性，影响因子取值差异反映NPP空间分异，根据NPPmax均值得到各影响因子最适宜区间（表 2），气候因子温度、降水、相对湿度及潜在蒸散发最适宜区间分别9.9~13.3℃、893~1 015 mm、69%~74%和1 138~1 485 mm，其中温度、降水量及相对湿度增加，NPP均值变化趋势为先增加后减少，表明适宜的湿热条件对植被NPP有积极的影响，随着潜在蒸散发量增加，NPP均值持续增加，潜在蒸散发量反映了地区理想情况下可能蒸发的水分量，潜在蒸散发量越高意味着水资源越充足，利于植被的生长与NPP产生；地形因子坡度和DEM适宜区间为46°~54°和1475~2 214 m，坡度与DEM增加时，NPP均值变化趋势均为先增加后减少，高海拔抑制植被生长，同时较高的坡度水分更易流失，土壤侵蚀易发，对植被生长不利；人口密度和GDP适宜区间为169~618人·km-2和433~1 529万元·km-2.
|
|
表 2 四川省NPP驱动因子风险探测结果 Table 2 Risk detection results of NPP driving factors in Sichuan Province |
基于风险区探测结果，结合各经济区本底条件分析发现，四川省植被NPP的驱动机制存在显著的“自然-人文”梯度分异. 在成都平原经济区，尽管优越的水热条件[如温度层级NPP均值达839.1 g·（m2·a）-1]为全省最高NPP基础，但GDP与人口密度高值区的NPP显著下降至775.5 g·（m2·a）-1和729.4 g·（m2·a）-1，揭示高度城镇化对生态空间的持续性挤压，这一机制也可在降水充足但NPP未达峰值的现象中得到佐证，说明微地形调控的水文过程（降水∩DEM交互主导）已成为隐性制约因子. 川南经济区则呈现典型的人类活动主导模式，其GDP和人口密度层级的NPP均值[646.6 g·（m2·a）-1和601.5 g·（m2·a）-1]均较低，凸显工业集聚与城市扩张的强胁迫效应. 相比之下，川东北、攀西和川西北生态经济区更清晰地响应自然因子梯度：3区在陡坡度（54°~80°）下NPP均值[713.4、720.8和667.1 g·（m2·a）-1]同步走低，体现出地形约束的普适性；而攀西经济区在温度与DEM层级的高NPP[819.8 g·（m2·a）-1和819.9 g·（m2·a）-1]得益于其独特的光热组合，川西北在高湿度层级的NPP抑制[683.4 g·（m2·a）-1]则揭示了高寒区水热耦合的复杂性. 结果揭示四川省东部经济核心区的NPP分异已由“自然本底驱动”转向“人地耦合主导”，而西部生态功能区仍遵循自然要素规律.
2.3 NPP与影响因子相关性分析为深入揭示各影响因子与植被NPP的作用方向，在地理探测器分析基础上，进一步通过时序相关性分析其相互关系. 结果见图 7，不同气象因子与NPP的相关性呈现出鲜明的空间分异规律，四川省从东部盆地到西部高原的“水热格局”对植被生长具有控制作用. 降水与相对湿度的促进作用主要集中在四川东部与南部，川南、川东北及成都平原，正相关占比普遍超过78%，表明在热量充足的亚热带季风区，水分可用性是植被光合作用的关键限制因子，充沛的降水和较高的空气湿度直接缓解了蒸散压力，促进植被生长；川西北生态经济区，降水与相对湿度却以负相关为主（正相关占比仅22.43%和43.72%），该区域高海拔导致的低温是首要限制因子. 高降水和湿度往往与高寒、多云与少日照环境相伴，热量不足，抑制植物生长，从而掩盖了水分的积极作用.
|
色柱表示为各经济区NPP与因子正负相关性占比 图 7 四川省植被NPP与各因子相关性 Fig. 7 Correlation between vegetation NPP and various factors in Sichuan Province |
温度在全省范围内以正相关为主（71.10%），但其促进作用在空间上与水分条件形成互补. 在川西北、川南及攀西地区，温度的正相关性最强（占比超86%），表明这些地区植被生长主要受热量驱动，升温直接延长了生长期并促进光合作用；川东北等地出现的温度负相关，可能与城市热岛效应或高温伴随的伏旱胁迫有关[49]，当温度超过植被最适区间后，反而会加剧呼吸消耗与水分蒸散，抑制生长. 潜在蒸散发与NPP的相关性空间对立最为显著，潜在蒸散发表现出鲜明的干湿分界，在西部能量限制区，其表征太阳辐射强度，与NPP协同变化，东部水分敏感区，则指示蒸散耗水强度，与NPP此消彼长.
人为活动因素方面，通过GDP与NPP相关性与占比结合其趋势变化可知[图 8（e）]，四川省GDP与植被NPP以正相关为主，面积占比达到81.18%，整体GDP变化趋势为显著增加，人口密度与植被NPP正负相关性占比相差较小，人口密度变化趋势为先减小后增加，整体为显著减少，四川省整体人口密度减少由城镇化推进及人口集中分布和城乡差异的扩大区域发展不均衡等原因导致[50~52]；成都平原经济区GDP与NPP正相关面积占比达到92.14%，人口密度与NPP相关性为高度负相关，占比为70.53%，作为四川第一经济增长极，其GDP增长速率最高，增长速率为149.99万元·（km2·a）-1，人口密度极显著增加；川南经济区GDP、人口密度变化趋势差异明显，GDP表现为极显著增加，而人口密度则极显著减少，人口密度、GDP与NPP相关性分别表现为高度负相关、高度正相关，人口密度减少的原因在于城镇化进程推进，居民向成都等中心城市聚集的趋势增强，另外其植被NPP增加，得益于经济重心逐渐由重工业、能源产业向绿色、低碳转型；川东北经济区GDP和人口密度与植被NPP相关性变化与川南经济区相似，人口密度不显著减少，GDP表现为显著增加；攀西经济区与川西北生态经济生态区GDP与人口密度变化趋势相似，两地区人口密度与GDP均为极显著增加，其中攀西经济区GDP和人口密度与植被NPP正相关面积占比分别为80.84%和60.21%，川西北经济区为69.96%和61.06%，两地区人口密度、GDP及植被NPP增加，原因在于基础设施的改善促进了生活条件的提升，产业转型与经济发展吸引了更多劳动力和技术人才，政策支持带动区域经济和社会发展，生态文明建设使得其余生态健康发展，利用重心迁移模型反映人口密度与GDP动态变化（图 9），结果显示四川省人口密度重心始终位于资阳市附近，整体呈现逐年向西、2015~2020年总体向北移动的趋势，体现出人口逐步向成都平原和川西北方向集聚；而GDP重心则在资阳市与内江市之间波动，长期保持在川中地区，且整体变化幅度有限. 表明四川省的经济发展和人口迁移总体上仍以川中及成都平原为核心，但区域间差异正在逐渐显现. 结合植被NPP变化来看，人口和经济重心的稳定与缓慢迁移对应着四川省整体NPP的稳定增长，说明经济发展和人口集聚对植被生产力的影响存在一定的时空滞后效应. 同时，不同经济区人口与经济的迁移方向与速度，与其NPP的增减趋势密切相关，人口和经济重心的集聚往往带动局地资源压力加大，但区域绿色转型和生态文明建设在一定程度上缓解了经济增长对植被生产力的不利影响.
|
图 8 四川省及省内各经济区GDP、人口密度与NPP变化情况 Fig. 8 Changes in GDP, population density, and NPP in Sichuan Province and its economic zones |
|
图 9 GDP与人口密度重心迁移 Fig. 9 Migration of GDP and population density centroids |
总而言之，人口密度与GDP变化对NPP影响机制较为复杂，四川省人口密度与NPP相关性在各经济区之间存在差异，成都平原区、川南经济区和川东北经济区人口密度高，与植被NPP主要表现为负相关，这些地区经济活动集中，城镇化和工业化水平较高，这就导致了土地资源的压力增加，农田和森林面积减少，从而抑制了植被NPP的提升，攀西与川西北生态经济区相对偏远，人口密度较低，经济发展更多依赖于资源开发和生态旅游，反而促进了植被恢复和生态系统健康，使得NPP得到提升. GDP与植被NPP在各区均表现为高度正相关，攀西与川西北经济区在经济上依赖于矿产资源、旅游业，资源开采可能导致局部植被退化，旅游业虽然促进了NPP增长，但其经济贡献可能不如工业化地区显著，与其他经济区相比GDP与NPP的正相关关系在这些区域内的占比相对较低.
3 讨论 3.1 四川省植被NPP时空变化四川省2001~2020年植被NPP空间分布格局为“南高北低，东高西低”，其总体格局为地形、气候、植被类型和人类活动共同作用下的必然结果，地形气候方面，四川西部区域多为高山、高海拔严寒地区，东部海拔低，气候湿润温暖，水热组合优越，植被生长期短；植被类型与人类活动方面，川西植被以草地、荒漠和高寒植被为主，其植被NPP基础低，川东及南部区域植被类型多为森林与农田，植被NPP高，四川盆地为农业区和人口密集区，城市化会降低NPP，但精耕细作的农业（如水稻、油菜）和大规模的植树造林（退耕还林、长江防护林）极大地提升NPP. 各经济区中攀西经济区NPP年均值最高，达到789.71 g·（m2·a）-1，川西北生态经济区均值最低，为362.41 g·（m2·a）-1，攀西经济区为南亚热带季风气候，气候湿润，土壤种类丰富，生态环境相对原始，且多样的地形为植被提供了多样的生长环境和微气候条件；川西北生态经济区为青藏高原气候区，气候干燥，降水量较少，蒸发量相对较大，土壤贫瘠，有机质含量低，同时过度放牧、乱砍滥伐等不良行为也会导致植被生长受到限制[53].
从时空变化趋势上看，四川省整体NPP时空变化趋势均为上升趋势，本研究结果与前人研究结果一致[6，13，14，40，54]，省内各经济区NPP时间变化趋势除川西北生态经济区为不显著上升，其余各经济区均表现为极显著上升，且在空间变化趋势上，各经济区NPP趋势变化均以上升趋势为主，这与众多学者研究结果一致[17~22，55，56]，其中王叶兰等[55]指出川西地区NPP趋势下降区域主要为汶川、泸定、金川与康定等区域，与本研究高度一致，且本研究发现川西北地区NPP趋势下降区域多沿龙门山-大凉山山脉沿线，造成这一现象是沿线山脉两侧地形高差悬殊且岩石裸露，加之地震灾后经济恢复及道路建设等因素综合作用形成[55，57，58]；川东北经济区拥有较高的植被覆盖率[59，60]、良好的植被资源基础与适宜的水热条件，加之政府对天然林保护政策、水土流失的综合治理政策积极落实，使得川东北经济区植被NPP上升显著；成都平原经济区NPP空间格局为“四周高，中心低”，东侧遂宁市、绵阳市东南部和资阳市等低NPP地区波动变化较强，区域NPP主要为显著增加，NPP减少区域分布于高NPP的雅安市、乐山市南部和绵阳市北部，这与梁帅等[20]和Zhao等[22]研究结果一致；作为五大经济区中NPP年均值最高的经济区，攀西经济区NPP以低和较低波动变化为主，空间上NPP减少区域分布于木里县、攀枝花市和西昌市，李秋蓉 [19]对攀西地区研究表明NPP高值分布于宁南县以西、南部的河谷平坝与西北部的高海拔区域，低值主要分布于人口密度高的西昌市、攀枝花市等区，与本研究基本一致；川南经济区NPP在空间上表现为由北部向南部增加，且波动变化较强，显著降低区域主要为各市区中心，与Zhao等[22]研究相符，另本研究发现泸州市南部古蔺县及合江县西侧NPP均存在减少趋势. 综上所述，植被NPP显著降低区域主要为各经济区市县中心区，随着各区经济发展及城镇化进程的推进，导致土地利用结构发生变化，森林、湿地和草地等自然植被面积减少或消失[56，61]，显著增加区域多分布于四川东部，且波动变化较强，四川东部区域为农田生态系统，随着农田灌溉技术与田间管理技术的不断升级进步，对农作物生长起到重要作用，从而影响植被NPP变化，另外生态环境向较好方向发展离不开国家政策支持，天然林保护工程、退耕还林还草工程、生态公益林建设、长江上游防护林体系建设、城市绿化和森林城市建设与结合生态补偿机制共同助力四川省生态环境可持续发展[62~64].
3.2 四川省植被NPP影响因子分析通过地理探测器结果与相关性、趋势分析可知，四川省植被NPP变化受气象因子、地形因子和人类活动工作作用影响，四川省整体上受自然因子影响强于人为因素，其中高程与温度为影响四川省植被NPP空间分异的主导因素，与徐勇等[16，40]研究结果一致. 不同气象因子对植被NPP空间分异影响存在差异，成都平原经济区、川东北经济区及川南经济区降水和相对湿度与植被NPP表现为较高正相关性，与温度、潜在蒸散发表现为负相关，其他经济区则相反，这是因为川东地区降水量、相对湿度较川西地区高，潜在蒸散发量小，而随着潜在蒸散发量增加，水分蒸发与植物蒸腾需求量增加，土壤水分消耗迅速，植被生长因缺少水分而受到抑制，川西地区气候以高原气候、山地气候为主，过量的降水与低温会加剧水分胁迫[65，66]、降低光合作用效率进而减少碳固定；四川省的地势从西北向东南逐渐降低，地势高差显著，地形因子差异影响着气候垂向分带、水热组合状况与坡面侵蚀强度[32，36]，进而影响区域植被类型与植被分布格局，如四川盆地植被以常绿阔叶林和农作物为主，而川西高原植被类型主要为高山草甸和灌丛；人为因素影响对四川省整体NPP空间分异解释度较小，但在成都平原经济区与川南经济区影响较大，解释度均值分别为0.373、0.309，成都平原经济区、川南经济区作为全省第一、第二经济增长极，经济发展迅速，但人口流动存在差异，成都平原经济区人口密度增加，川南经济区人口密度减少，根据前人研究[52，67，68]及四川省人口普查结果显示：四川省人口流动除成都具有较强的人口吸附力之外，川内地级市均处于人口流出状态，且人口集中分布趋向于城镇化率高城市，这与研究结果具有一致性. 人口向城镇化率高的城市集中，这可能会出现大面积撂荒，特别是凉山州及川中丘陵地区[69，70]，虽然短期内能提高植被NPP生产，但是撂荒后的土地会存在生产力下降、生态恢复困难等问题，对植被NPP的提高具有一定的阻碍作用，根据人为因素与植被NPP趋势分析表明：人为因素对植被NPP增长起到推动作用，这与近年来经济发展理念转变和土地利用方式的改善、农业技术创新[71]加之严格的农耕地生态红线保护措施的落实有关，植被生态环境得以良性发展.
交互作用探测结果显示，与单一因子相比，双因子协同作用均增强了对植被NPP空间分异的解释能力，气象因子与地形因子交互后提升显著，使得温度∩相对湿度成为影响四川省植被空间分异的主导因素，同时人类活动影响与其他因素耦合作用也增强了对NPP变化的作用力. 本文借助地理探测器系统探究四川省及省内经济区植被NPP变化及驱动因素，仍存在一定的不足之处，除引进的影响因子外，土地利用类型的变化、土壤类型及植被类型等因子也会对NPP变化起到影响作用，另外自然因素与人为因素在时间上对植被NPP的影响程度未做出探究，所以在后续的研究中，应积极探求NPP变化影响因子，并通过影响因子解释度的时序变化，分析植被NPP空间分异驱动主要由自然因素还是人为因素主导，以及两因素主导变化过程.
4 结论（1）四川省植被NPP变化趋势在2001~2020年表现为极显著上升，空间上以“东高西低，南高北低”的格局分布，84.88%面积占比区域为上升趋势；植被NPP平均变异系数为0.111，较低波动变化，波动变化较强地区为成都平原经济区西侧、川南经济区北侧以及川东北经济区西南侧，
（2）地理探测器揭示四川省20 a内植被NPP空间分异性单因子探测影响排名为：DEM > 温度 > 潜在蒸散发 > 降水 > 相对湿度 > 坡度 > GDP > 人口密度，地形因子与气象因子影响力大于人类活动因子，交互探测结果显示，各影响因子交互作用类型为非线性增强与双因子增强，其中温度∩相对湿度对四川省植被NPP空间分异解释度最高（q=0.764），气象因子与其他因子交互后解释度提升显著，人类活动因子与其他因子交互也得到一定提升，表明自然因素与人类活动共同驱动着四川省植被变化，
（3）NPP与气象因子（降水、相对湿度、温度和潜在蒸散发）整体表现为正相关，四川东部、西部气象因素对植被NPP影响差异较大，GDP与NPP变化具有较高一致性，人类活动对NPP主要起到促进作用，人口密度与GDP重心整体稳定，人口逐步向成都平原和川西北方向集聚，经济重心长期维持在川中地区且变化幅度有限. 后期将进一步量化人为因素与自然因素对NPP的影响的贡献程度，并加入时间趋势变化，探究人为因素在时间尺度上对NPP影响是正反馈还是逆向反馈.
| [1] |
赵俊红, 周华荣, 卢雅焱, 等. 2000—2015年塔里木胡杨林国家级自然保护区NPP时空动态特征及其影响因素[J]. 干旱区地理, 2020, 43(1): 190-200. Zhao J H, Zhou H R, Lu Y Y, et al. Temporal-spatial characteristics and influencing factors of the vegetation net primary production in the national nature reserve of populus euphratica in tarim from 2000 to 2015[J]. Arid Land Geography, 2020, 43(1): 190-200. |
| [2] | Whittaker R H, Niering W A. Vegetation of the Santa Catalina Mountains, Arizona. V. Biomass, production, and diversity along the elevation gradient[J]. Ecology, 1975, 56(4): 771-790. DOI:10.2307/1936291 |
| [3] | Fensholt R, Langanke T, Rasmussen K, et al. Greenness in semi-arid areas across the globe 1981-2007—an earth observing satellite based analysis of trends and drivers[J]. Remote Sensing of Environment, 2012, 121: 144-158. DOI:10.1016/j.rse.2012.01.017 |
| [4] | Grace J, José J S, Meir P, et al. Productivity and carbon fluxes of tropical savannas[J]. Journal of Biogeography, 2006, 33(3): 387-400. DOI:10.1111/j.1365-2699.2005.01448.x |
| [5] | Field C B, Behrenfeld M J, Randerson J T, et al. Primary production of the biosphere: integrating terrestrial and oceanic components[J]. Science, 1998, 281(5374): 237-240. DOI:10.1126/science.281.5374.237 |
| [6] |
石智宇, 王雅婷, 赵清, 等. 2001—2020年中国植被净初级生产力时空变化及其驱动机制分析[J]. 生态环境学报, 2022, 31(11): 2111-2123. Shi Z Y, Wang Y T, Zhao Q, et al. The spatiotemporal changes of NPP and its driving mechanisms in China from 2001 to 2020[J]. Ecology and Environmental Sciences, 2022, 31(11): 2111-2123. |
| [7] | Potter C, Klooster S, Genovese V. Net primary production of terrestrial ecosystems from 2000 to 2009[J]. Climatic Change, 2012, 115(2): 365-378. DOI:10.1007/s10584-012-0460-2 |
| [8] |
滑永春, 萨如拉, 王冰. 内蒙古草原NPP时空变化及驱动力[J]. 中国沙漠, 2021, 41(5): 130-139. Hua Y C, Sa R L, Wang B. Spatial and temporal variation of grassland NPP and its driving forces in Inner Mongolia[J]. Journal of Desert Research, 2021, 41(5): 130-139. |
| [9] | Guo X M, Tong S Q, Ren J Y, et al. Dynamics of vegetation net primary productivity and its response to drought in the Mongolian Plateau[J]. Atmosphere, 2021, 12(12): 1587. DOI:10.3390/atmos12121587 |
| [10] | Xu M H, Zhang Z K, Wang Y, et al. Quantifying the contributions of climatic and human factors to vegetation net primary productivity dynamics in East Africa[J]. Frontiers in Forests and Global Change, 2024, 6. DOI:10.3389/ffgc.2023.1332631 |
| [11] |
马炳鑫, 靖娟利, 徐勇, 等. 2000—2019年滇黔桂岩溶区植被NPP时空变化及与气候变化的关系研究[J]. 生态环境学报, 2021, 30(12): 2285-2293. Ma B X, Jing J L, Xu Y, et al. Spatial-temporal changes of NPP and its relationship with climate change in Karst areas of Yunnan, Guizhou and Guangxi from 2000 to 2019[J]. Ecology and Environmental Sciences, 2021, 30(12): 2285-2293. |
| [12] |
靖娟利, 孙佳荟, 赵婷, 等. 西南地区植被NPP对多尺度气象干旱的响应[J]. 水土保持学报, 2024, 38(3): 335-344. Jing J L, Sun J H, Zhao T, et al. Response of vegetation NPP to multiscale meteorological drought in southwest China[J]. Journal of Soil and Water Conservation, 2024, 38(3): 335-344. |
| [13] |
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[J]. 生态学报, 2022, 42(7): 2878-2890. Mao Y, Jiang Y J, Zhang C Y, et al. Spatio-temporal changes and influencing factors of vegetation net primary productivity in southwest China in the past 20 years and its response to ecological engineering[J]. Acta Ecologica Sinica, 2022, 42(7): 2878-2890. |
| [14] |
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 in net primary productivity in terrestrial vegetation ecosystems and its driving forces in southwest China[J]. Environmental Science, 2023, 44(5): 2704-2714. DOI:10.13227/j.hjkx.202207068 |
| [15] |
马炳鑫. 西南地区NPP时空变化及驱动因素研究[D]. 桂林: 桂林理工大学, 2023. Ma B X. Spatial and temporal variation and drivers of NPP in southwest China[D]. Guilin: Guilin University of Technology, 2023. |
| [16] |
徐勇, 郑志威, 孟禹弛, 等. 西南地区不同类型植被NPP时空演变及影响因素探究[J]. 环境科学, 2024, 45(1): 262-274. Xu Y, Zheng Z W, Meng Y C, et al. Spatio-temporal variation in net primary productivity of different vegetation types and its influencing factors exploration in southwest China[J]. Environmental Science, 2024, 45(1): 262-274. DOI:10.13227/j.hjkx.202302121 |
| [17] |
王博为, 王维佳, 杨杰, 等. 近十年成都平原经济区植被净初级生产力时空格局变化及其影响因子[J]. 成都信息工程大学学报, 2021, 36(3): 323-329. Wang B W, Wang W J, Yang J, et al. Temporal and spatial pattern change of net primary productivity of vegetation in Chengdu plain economic zone and influencing factors in the last decade[J]. Journal of Chengdu University of Information Technology, 2021, 36(3): 323-329. |
| [18] |
彭月月, 魏妍冰, 李启权, 等. 气候和土地利用变化对成都市植被NPP时空分布的影响[J]. 西南大学学报(自然科学版), 2018, 40(11): 150-159. Peng Y Y, Wei Y B, Li Q Q, et al. The effects of changes in climate and land use on the spatio-temporal distribution of vegetation NPP in Chengdu[J]. Journal of Southwest University (Natural Science Edition), 2018, 40(11): 150-159. |
| [19] |
李秋蓉. 攀西地区植被净初级生产力时空变化及驱动力研究[D]. 成都: 成都理工大学, 2019. Li Q R. Spatio-temporal changes and driving forces of net primary productivity of vegetation in Panxi area[D]. Chengdu: Chengdu University of Technology, 2019. |
| [20] |
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. 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. |
| [21] |
姚昆, 何磊, 白琳, 等. 川西北高原区植被覆盖变化及驱动力[J]. 水土保持研究, 2024, 31(1): 363-372. Yao K, He L, Bai L, et al. Change and driving force analysis of vegetation cover in the northwest Sichuan plateau[J]. Research of Soil and Water Conservation, 2024, 31(1): 363-372. |
| [22] | Zhao X Y, Tan S C, Li Y P, et al. Quantitative analysis of fractional vegetation cover in southern Sichuan urban agglomeration using optimal parameter geographic detector model, China[J]. Ecological Indicators, 2024, 158. DOI:10.1016/j.ecolind.2023.111529 |
| [23] | Wang Y X, Tian J, Feng X J, et al. Analysis of spatio-temporal changes in net primary productivity and their driving factors in ecological functional areas of the Yellow River Basin[J]. Ecological Engineering, 2024, 203. DOI:10.1016/j.ecoleng.2024.107262 |
| [24] | Tian H W, Ji X J, Zhang F M. Spatiotemporal variations of vegetation net primary productivity and its response to meteorological factors across the Yellow River Basin during the period 1981-2020[J]. Frontiers in Environmental Science, 2022, 10. DOI:10.3389/fenvs.2022.949564 |
| [25] |
王升红, 陆东芳, 陈雨如, 等. 2001-2020年厦漳泉地区植被净初级生产力时空演变特征及其影响因素[J]. 生态学杂志, 2024, 43(3): 823-832. Wang S H, Lu D F, Chen Y R, et al. Spatial-temporal variations and influencing factors of vegetation net primary productivity in Xiamen-Zhang-zhou-Quanzhou Region from 2001 to 2020[J]. Chinese Journal of Ecology, 2024, 43(3): 823-832. |
| [26] |
杨仙保, 张王菲, 孙斌, 等. 基于GEE和Sentinel-2时序数据的呼伦贝尔沙地及其周边植被类型识别研究[J]. 遥感技术与应用, 2022, 37(4): 982-992. Yang X B, Zhang W F, Sun B, et al. Recognition of vegetation types in Hulunbuir sandy land and its surrounding areas based on GEE cloud platform and Sentinel-2 time series data[J]. Remote Sensing Technology and Application, 2022, 37(4): 982-992. |
| [27] |
闫志远, 张圣微, 王怡璇. 基于GEE的1982—2021年内蒙古地区植被覆盖度时空动态及气候响应特征[J]. 农业工程学报, 2023, 39(15): 94-102. Yan Z Y, Zhang S W, Wang Y X. Spatiotemporal dynamics of fractional vegetation cover and climate response in Inner Mongolia during 1982-2021 based on GEE[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(15): 94-102. |
| [28] |
王仁义, 苏涛, 徐良泉, 等. 基于GEE的长三角城市群城市化与生态环境的动态研究[J]. 无线电工程, 2023, 53(11): 2540-2549. Wang R Y, Su T, Xu L Q, et al. Dynamic Study on urbanization and ecological environment of Yangtze River delta urban agglomerations based on GEE[J]. Radio Engineering, 2023, 53(11): 2540-2549. |
| [29] |
蔡博峰, 于嵘. 基于遥感的植被长时序趋势特征研究进展及评价[J]. 遥感学报, 2009, 13(6): 1170-1186. Cai B F, Yu R. Advance and evaluation in the long time series vegetation trends research based on remote sensing[J]. Journal of Remote Sensing, 2009, 13(6): 1170-1186. |
| [30] |
王佃来, 刘文萍, 黄心渊. 基于Sen+Mann-Kendall的北京植被变化趋势分析[J]. 计算机工程与应用, 2013, 49(5): 13-17. Wang D L, Liu W P, Huang X Y. Trend analysis in vegetation cover in Beijing based on Sen+Mann-Kendall method[J]. Computer Engineering and Applications, 2013, 49(5): 13-17. |
| [31] |
李传华, 赵军, 师银芳, 等. 基于变异系数的植被NPP人为影响定量研究——以石羊河流域为例[J]. 生态学报, 2016, 36(13): 4034-4044. Li C H, Zhao J, Shi Y F, et al. The impact of human activities on net primary productivity based on the coefficient of variation: A case study of the Shiyang river basin[J]. Acta Ecologica Sinica, 2016, 36(13): 4034-4044. |
| [32] |
王金杰, 赵安周, 胡小枫. 京津冀植被净初级生产力时空分布及自然驱动因子分析[J]. 生态环境学报, 2021, 30(6): 1158-1167. Wang J J, Zhao A Z, Hu X F. Spatiotemporal distribution of vegetation net primary productivity in Beijing-Tianjin-Hebei and natural driving factors[J]. Ecology and Environmental Sciences, 2021, 30(6): 1158-1167. |
| [33] |
张新生, 聂达文, 陈章政, 等. 西部地区建筑业碳排放时空演变特征及影响因素分析[J]. 环境科学, 2025, 46(9): 5475-5489. Zhang X S, Nie D W, Chen Z Z, et al. Spatiotemporal evolution characteristics and influencing factors of carbon emissions from construction industry in western China[J]. Environmental Science, 2025, 46(9): 5475-5489. DOI:10.13227/j.hjkx.202408170 |
| [34] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [35] |
郑杰, 冯文兰, 牛晓俊, 等. 四川省植被变化及其与气象因子的相关性分析[J]. 水土保持通报, 2016, 36(2): 99-104. Zheng J, Feng W L, Niu X J, et al. Vegetation change and its correlation with meteorological factors in Sichuan Province[J]. Bulletin of Soil and Water Conservation, 2016, 36(2): 99-104. |
| [36] |
潘洪义, 黄佩, 徐婕. 基于地理探测器的岷江中下游地区植被NPP时空格局演变及其驱动力研究[J]. 生态学报, 2019, 39(20): 7621-7631. Pan H Y, Huang P, Xu J. The spatial and temporal pattern evolution of vegetation NPP and its driving forces in middle-lower areas of the Min river based on geographical detector analyses[J]. Acta Ecologica Sinica, 2019, 39(20): 7621-7631. |
| [37] |
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. |
| [38] |
李传华, 朱同斌, 周敏, 等. 河西走廊植被净初级生产力时空变化及其影响因子研究[J]. 生态学报, 2021, 41(5): 1931-1943. Li C H, Zhu T B, Zhou M, et al. Temporal and spatial change of net primary productivity of vegetation and its determinants in Hexi Corridor[J]. Acta Ecologica Sinica, 2021, 41(5): 1931-1943. |
| [39] |
徐勇, 黄雯婷, 窦世卿, 等. 2000~2020年西南地区植被NDVI对气候变化和人类活动响应特征[J]. 环境科学, 2022, 43(6): 3230-3240. Xu Y, Huang W T, Dou S Q, et al. Responding mechanism of vegetation cover to climate change and human activities in southwest China from 2000 to 2020[J]. Environmental Science, 2022, 43(6): 3230-3240. DOI:10.13227/j.hjkx.202108107 |
| [40] |
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. DOI:10.13227/j.hjkx.202203254 |
| [41] |
罗清虎, 孙凡, 吴建召, 等. 汶川地震对两种气候区植被恢复群落特征的影响[J]. 森林与环境学报, 2018, 38(1): 50-56. Luo Q H, Sun F, Wu J Z, et al. Community characteristics of vegetation restoration in 2 different climate areas of Wenchuan earthquake affected region[J]. Journal of Forest and Environment, 2018, 38(1): 50-56. |
| [42] |
李永华, 徐海明, 刘德. 2006年夏季西南地区东部特大干旱及其大气环流异常[J]. 气象学报, 2009, 67(1): 122-132. Li Y H, Xu H M, Liu D. Features of the extremely severe drought in the east of southwest China and anomalies of atmospheric circulation in summer 2006[J]. Acta Meteorologica Sinica, 2009, 67(1): 122-132. |
| [43] | 中国林学会. 尽快加强长江流域防护林体系三期工程建设[A]. 见: 中国科协科技工作者建议汇编[C]. 北京: 中国林学会, 2010. 53-56. |
| [44] |
张雄一, 邵全琴, 宁佳, 等. 长江上游地区生态恢复程度及植被恢复潜力空间差异分析[J]. 地理研究, 2023, 42(7): 1904-1920. Zhang X Y, Shao Q Q, Ning J, et al. Spatial difference analysis of ecological restoration degree and vegetation restoration potential in the upper reaches of the Yangtze River[J]. Geographical Research, 2023, 42(7): 1904-1920. |
| [45] |
张岳, 孙梦鑫, 辛宇, 等. 成渝城市群土地利用变化与冲突识别研究[J]. 四川林业科技, 2023, 44(4): 49-57. Zhang Y, Sun M X, Xin Y, et al. Research on land use change and conflict identification in Chengdu-Chongqing urban agglomeration[J]. Journal of Sichuan Forestry Science and Technology, 2023, 44(4): 49-57. |
| [46] |
王晶, 侯兰功, 何小勤, 等. 成都平原城市群2000-2019年土地利用变化及其生态环境效应[J]. 水土保持通报, 2022, 42(1): 360-368. Wang J, Hou L G, He X Q, et al. Land use change and its eco-environmental effects in urban agglomeration of Chengdu plain during 2000-2019[J]. Bulletin of Soil and Water Conservation, 2022, 42(1): 360-368. |
| [47] |
赵桐, 蒙吉军. 基于土地利用变化的成都平原经济区碳储量时空演变与情景模拟[J]. 山地学报, 2023, 41(5): 648-661. Zhao T, Meng J J. Spatio-Temporal evolution of land use and resulting change in carbon stock in Chengdu plain economic zone (CPEZ), China[J]. Mountain Research, 2023, 41(5): 648-661. |
| [48] | 周江, 吴振明. 推进攀西地区建成四川特色经济增长极[J]. 四川省情, 2017, 16(8): 34-35. |
| [49] | Yang Q R, Jiang C, Ding T. Impacts of extreme-high-temperature events on vegetation in North China[J]. Remote Sensing, 2023, 15(18). DOI:10.3390/rs15184542 |
| [50] |
李俊霞. 人口变动对经济发展的影响及对策研究——基于四川的数据[J]. 经济问题, 2017(7): 26-31. Li J X. The effect of population change on the economic development and countermeasures: Based on the data of Sichuan Province[J]. On Economic Problems, 2017(7): 26-31. |
| [51] |
曾珠, 熊瑶. 四川省人口结构变化对产业升级的影响[J]. 西华大学学报(哲学社会科学版), 2019, 38(6): 73-86. Zeng Z, Xiong Y. Impact of population structure change on industrial upgrading in Sichuan Province[J]. Journal of Xihua University (Philosophy & Social Sciences), 2019, 38(6): 73-86. |
| [52] |
袁苏湘. 人口流动对四川省城镇化的影响及其对策研究[D]. 成都: 西南财经大学, 2023. Yuan S X. The impact of population mobility on urbanization in Sichuan Province and its countermeasures[D]. Chengdu: Southwestern University of Finance and Economics, 2023. |
| [53] |
向国萍, 张丹丹, 许向宁, 等. 川西北山水林田湖草生态保护技术研究[J]. 地质灾害与环境保护, 2023, 34(4): 122-126. Xiang G P, Zhang D D, Xu X N, et al. Research on ecological protection technology of landscape forest and lake grass in northwest Sichuan[J]. Journal of Geological Hazards and Environment Preservation, 2023, 34(4): 122-126. |
| [54] |
洪辛茜, 黄勇, 孙涛. 我国西南喀斯特地区2001—2018年植被净初级生产力时空演变[J]. 生态学报, 2021, 41(24): 9836-9846. Hong X Q, Huang Y, Sun T. Spatiotemporal evolution of vegetation net primary productivity in the karst region of southwest China from 2001 to 2018[J]. Acta Ecologica Sinica, 2021, 41(24): 9836-9846. |
| [55] |
王叶兰, 杨鑫, 郝利娜. 2001—2021年川西高原植被NDVI时空变化及影响因素分析[J]. 自然资源遥感, 2023, 35(3): 212-220. Wang Y L, Yang X, Hao L N. Spatio-temporal changes in the normalized difference vegetation index of vegetation in the western Sichuan plateau during 2001—2021 and their driving factors[J]. Remote Sensing for Natural Resources, 2023, 35(3): 212-220. |
| [56] |
薛飞阳, 王鑫, 青玲萱, 等. 2001—2020年成渝地区城市扩展及建成区植被变化[J]. 四川林业科技, 2024, 45(1): 23-32. Xue F Y, Wang X, Qing L X, et al. Urban expansion and vegetation changes in built-up areas in Chengdu-Chongqing area from 2001 to 2020[J]. Journal of Sichuan Forestry Science and Technology, 2024, 45(1): 23-32. |
| [57] |
沈毅, 露丹. 泸定县泥石流灾害特征及降水因子分析[J]. 高原山地气象研究, 2014, 34(2): 81-85, 90. Shen Y, Lu D. Characteristics of debris flow disaster and precipitation factor analysis in Luding[J]. Plateau and Mountain Meteorology Research, 2014, 34(2): 81-85, 90. |
| [58] |
熊俊楠, 张昊, 彭超, 等. 汶川地震灾区植被覆盖度变化与地形因子的关系[J]. 水土保持通报, 2018, 38(3): 24-31, 37. Xiong J N, Zhang H, Peng C, et al. Vegetation variations and correlations with topographic factors in Wenchuan earthquake area[J]. Bulletin of Soil and Water Conservation, 2018, 38(3): 24-31, 37. |
| [59] |
辛宇, 孙梦鑫, 张岳, 等. 2000-2020年四川省植被覆盖时空变化特征及其气候驱动因子[J]. 水土保持通报, 2022, 42(4): 312-319. Xin Y, Sun M X, Zhang Y, et al. Spatiotemporal characteristics of vegetation cover and climate driving factors in Sichuan Province from 2000 to 2020[J]. Bulletin of Soil and Water Conservation, 2022, 42(4): 312-319. |
| [60] |
彭文甫, 张冬梅, 罗艳玫, 等. 自然因子对四川植被NDVI变化的地理探测[J]. 地理学报, 2019, 74(9): 1758-1776. Peng W F, Zhang D M, Luo Y M, et al. Influence of natural factors on vegetation NDVI using geographical detection in Sichuan Province[J]. Acta Geographica Sinica, 2019, 74(9): 1758-1776. |
| [61] |
蒋爱萍, 靳甜甜, 张丽萍, 等. 西南地区道路建设对植被净初级生产力的影响[J]. 生态学报, 2022, 42(9): 3624-3632. Jiang A P, Jin T T, Zhang L P, et al. Influence of road construction on vegetation net primary productivity in southwest China[J]. Acta Ecologica Sinica, 2022, 42(9): 3624-3632. |
| [62] |
蒋之富, 许先鹏, 黄贝. 浅议天然林保护和公益林管理并轨——以四川省、云南省为例[J]. 林业建设, 2024, 42(1): 14-17. Jiang Z F, Xu X P, Huang B. Discussion on the integration of natural forest protection and public welfare forest management: taking Sichuan Province and Yunnan Province as examples[J]. Forestry Construction, 2024, 42(1): 14-17. |
| [63] |
周立江. 长江防护林体系工程建设可持续性评价[J]. 四川林业科技, 2011, 32(5): 8-13. Zhou L J. Sustainable evaluation of the implementation of the Yangtze River protection forest system project[J]. Journal of Sichuan Forestry Science and Technology, 2011, 32(5): 8-13. |
| [64] |
邓绍辉. 四川天然林资源环保护工程的回顾与展望[J]. 环境与发展, 2017, 29(9): 198-199, 201. Deng S H. Retrospect and prospect of Sichuan natural forestresource conservation project[J]. Environment and Development, 2017, 29(9): 198-199, 201. |
| [65] |
权威, 薛文通, 赵天瑶, 等. 植物对低温胁迫的响应机制研究进展[J]. 中国农业大学学报, 2023, 28(2): 14-22. Quan W, Xue W T, Zhao T Y, et al. A review on the response mechanism of plant to low temperature stress[J]. Journal of China Agricultural University, 2023, 28(2): 14-22. |
| [66] |
李霞, 陈永昊, 陈喆, 等. 中国沿海地区植被NDVI时空变化及驱动力分析[J]. 生态环境学报, 2024, 33(2): 180-191. Li X, Chen Y H, Chen Z, et al. Analysis of spatio-temporal changes and driving vegetation NDVI in coastal areas of China[J]. Ecology and Environmental Sciences, 2024, 33(2): 180-191. |
| [67] |
郭金铭. 四川省人口分布及影响因素分析[D]. 成都: 四川师范大学, 2014. Guo J M. Analysis on population distribution and influencing factors in Sichuan[D]. Chengdu: Sichuan Normal University, 2014. |
| [68] |
高雪梅, 董晔. 经济视角下四川省人口空间分布与演变特征[J]. 昌吉学院学报, 2023(1): 35-42, 60. Gao X M, Dong Y. Spatial distribution and evolutionary characteristics of population in Sichuan Province from an economic perspective[J]. Journal of Changji University, 2023(1): 35-42, 60. |
| [69] |
杨磊, 张梅, 罗明良, 等. 基于MODIS NDVI的川中丘陵区植被覆盖度景观格局变化[J]. 生态学杂志, 2013, 32(1): 171-177. Yang L, Zhang M, Luo M L, et al. Landscape pattern change of vegetation coverage in hilly area of central Sichuan, Southwest China based on MODIS NDVI[J]. Chinese Journal of Ecology, 2013, 32(1): 171-177. |
| [70] |
王佑汉. 基于遥感的四川省撂荒耕地多尺度空间格局及机制研究[D]. 成都: 成都理工大学, 2020. Wang Y H. Spatial heterogeneity and mechanism of abandoned farmland in different research scales in the Sichuan Province based on remote sense[D]. Chengdu: Chengdu University of Technology, 2020. |
| [71] |
张萌, 付长亮. 我国农技推广高效协同创新研究——基于机制视角[J]. 中国农机化学报, 2021, 42(1): 219-224. Zhang M, Fu C L. Research on the high-efficiency synergy innovation of major agricultural technologies extension: from the perspective of mechanism[J]. Journal of Chinese Agricultural Mechanization, 2021, 42(1): 219-224. |