气候变化和人类活动对盐池县植被净初级生产力的影响

李诗瑶， 丛士翔， 王融融， 余海龙， 黄菊莹

（1.宁夏大学地理科学与规划学院，宁夏 银川 750021；2.宁夏大学生态环境学院，宁夏 银川 750021）

盐池县地处我国北方农牧交错带，在近几十年内，在全球气候变化背景下，由于过度放牧、倒山种地、矿产开采、药材（甘草）采集、编制原料的樵采等人类活动导致植被退化、土地沙化和水土流失加重［1］。为逆转沙漠化进程、修复退化草原，盐池县于2002年启动退耕还林项目，于2003年开始推行草原禁牧封育政策和退牧还草工程，旨在控制土壤侵蚀、提高生态环境质量、恢复草原植被、提高植被覆盖度和遏制土地沙漠化进程。同时，气候格局的演变促进了生态工程成效的提升和植被的恢复［2］。气候变化和人类活动是植被变化的两大主要驱动因子［3-4］，如何定量区分气候变化与人类活动在植被变化中的相对贡献，对深入理解植被变化驱动机制、保障草地生态安全和控制荒漠化发展具有重要意义。因此，亟需构建植被变化动态监测方法并辨析各影响因子的相对贡献率。

植被净初级生产力（Net primary productivity,NPP）是植物通过光合作用转换累积的有机物质总量，是表征植物活动的重要变量，可以准确反映植被生长状况［5］。由于NPP对气候变化和人类活动敏感，是监测草地变化、区分气候变化和人类活动影响的可靠指标［6-7］。目前定量区分气候变化与人类活动在植被变化中相对贡献率的主要方法有回归模型法、差值比较法、基于生物物理过程的模型方法［8］。其中，将差值比较法与基于NPP 的评价方法相结合已成为植被变化中将气候变化因素和人类活动因素区分研究中应用最多的方法［9］。其原理如下：假设未受人类活动干扰的、仅以气候为主要驱动力的植被NPP 为潜在净初级生产力（Potential net primary productivity,PNPP）［10］，主要借助气候模型估算［11］；实际净初级生产力（Actual net primary productivity,ANPP）则为气候变化和人类活动共同影响下的植被NPP，可借助CASA（Carnegie-ames-stanford approach）模型进行估算，因其所需参数少且易于获取［12］，是目前应用最广泛的估算模型［5］；而PNPP 与ANPP的差值被认为是人类活动作用下的NPP损失或增加量，即人类活动影响下NPP 的变化值（Human net primary productivity,HNPP）。John等［13］成功应用差值比较法区分了人类活动和降水对蒙古高原植被覆盖变化的影响，结果表明植被NPP下降的原因主要是源自放牧强度和人口密度的增加，而植被的上升则归因为生态恢复工程及围封禁牧政策的实施。田海静［14］和Piao 等［15］采用差值比较法定量评估了我国人为生态恢复工程的成效，认为除气候变化外，林业建设工程对植被变化有显著贡献。说明差值比较法不仅可以厘定各类影响因子贡献率的区域差异，也可以量化评价人类活动在NPP变化过程中的相对贡献率。这相较于以往气候变化和人类活动整体性分析［16-17］，能更好地解释区域植被变化的空间分异及其驱动机制。因此，本研究充分考虑了气候变化和人类活动因素的空间异质性以及气象数据的可获取性，在县域尺度上探讨宁夏典型荒漠草原分布区在大型生态工程（退耕还林还草工程）和围封禁牧政策实施前后的植被变化及其驱动机制，以植被NPP为量化指标，利用CASA模型估算2000—2020 年盐池县ANPP 的动态变化，并结合基于气候模型估算的PNPP 及二者差值，定量评估气候变化与人类活动在植被动态变化过程中的相对贡献率及其时空变化。

1 研究区概况

盐池县位于宁夏东部（37°04′～38°10′N，106°30′～107°47′E），土地面积6749 km2，占宁夏总面积的10.16%。地形上，属于鄂尔多斯台地向黄土高原的过渡带；气候上，属于干旱向半干旱区及草原向荒漠草原区的过渡带，具有典型的中温带大陆性气候特征，常年干旱少雨，风大沙多；资源分布上，则是宁夏矿产资源的集中分布区之一。研究区年降水量250～350 mm，年均气温8.1 ℃，年蒸发量高达2200 mm，是年降水量的8.8 倍左右，且降水量多集中在7—9月，盛行风为西风和西北风。地带性土壤以灰钙土、风沙土为主，结构松散、肥力较低，易受风蚀和水蚀的影响。参照1:1000000中国植被图集［18］，可将当地主要植被类型大致分为6 类，分别为典型草原、荒漠草原、荒漠、粮食及经济作物、落叶灌丛和草甸（图1）。

图1 研究区植被类型Fig.1 Vegetation types in the study area

2 数据与方法

2.1 数据来源

2.1.1 遥感数据本研究采用归一化植被指数（Normalized difference vegetation index, NDVI）和NPP 2个反映植被生长状态的指标数据来分析研究区的草地植被时空动态，均来自于Level-1 and Atmosphere Archive & Distribution System Distributed Active Archive Center（LAADS DAAC）网站。其中，NDVI 数据集选用时间序列为2000—2020年的MODIS 陆地标准产品MOD13Q1数据集（空间分辨率为250 m；时间分辨率为16 d），使用最大值合成法（Maximum value composition，MVC）生成逐月最大NDVI数据［19］，是CASA 模型估算ANPP 的重要参数［20］。同时，选用同时间序列的MODIS 陆地标准产品MOD17A3HGF数据集（空间分辨率为500 m；时间分辨率为1 a）用于验证CASA模型NPP模拟精度。

2.1.2 气象数据气象数据来自于国家气象信息中心——中国气象数据网（http://data.cma.cn/），本研究选取盐池及其附近14 个气象站点数据，包括：月降水量、月平均气温、日照百分率及经纬度信息，时间跨度为2000—2020年。根据气象站点经纬度信息，基于ArcGIS 10.2 的Geostatistical Analyst 模块中的克里金插值法对气象数据进行插值运算。

2.1.3 地表覆盖数据地表覆盖数据源自中国国家高技术研究发展计划（863计划）全球地表覆盖遥感制图与关键技术研究项目的重要成果GlobeLand30数据集，空间分辨率为30 m，时间序列为2000、2010、2020年。

模型中所有输入参数，均转换为Albers equal area conica-WGS 84 投影坐标系统，重采样为与NDVI 数据相同的空间分辨率，且裁剪至像元行列数相同。

2.2 指标计算方法

2.2.1 植被实际净初级生产力（ANPP）本研究采用朱文泉等［21］的CASA 改进模型对盐池县2000—2020 年的植被ANPP 进行估算，该模型可对生态系统的生产力、土壤碳进行模拟，并已广泛应用于各尺度下NPP 估算中［21-22］。CASA 模型为NDVI、地表覆盖类型、气象数据共同驱动的光能利用率模型，可通过植被吸收的光合有效辐射（APAR）和光能利用率（ε）来确定，即：

式中：ANPP(x,t)、APAR(x,t)、ε(x,t)分别为像元x在t月的植被初级生产力（g C·m-2）、吸收的光合有效辐射（MJ·m-2）和实际光能利用率（g C·MJ-1）。

式中：FPAR(x,t)为植被对光合有效辐射的吸收比例；常数0.5为植被利用0.38～0.71 μm波长的太阳有效辐射占太阳总辐射比例；SOL(x,t)为像元x在t月的太阳总辐射量（MJ·m-2），参照和清华等［23］提出的中国西部地区太阳总辐射计算公式计算：

式中：SOL0(x,t)为像元x在t月的天文辐射（MJ·m-2）；S为日照百分率。

FPAR(x,t)取决于植被类型和植被的覆盖状况，与NDVI具有良好的线性关系，即：

式中：NDVI(x,t)为像元x在t月的NDVI 值；NDVIi,max、NDVIi,min分别为植被NDVI最大值和最小值；FPARmax、FPARmin的取值与植被类型无关，分别为0.95、0.001。

式中：ε(x,t)为像元x在t月的实际光能利用率（g C·MJ-1）；Tε1(x,t)和Tε2(x,t)为气温对光能利用率的影响；Wε(x,t)为水分胁迫影响系数；εmax为理想状态下的最大光能利用率，εmax的取值参考Zhu等［22］提出的各植被类型区的最大光能利用率模拟值。

2.2.2 植被潜在净初级生产力（PNPP）本研究应

用Thornthwaite 纪 念模 型［24］进行 植被PNPP 的估算。该模型是被广泛接受的PNPP 估算模型，是基于实地测量的NPP 数据与研究区气温和降水量数据之间的最小二乘回归得出的。计算公式如下：

式中：PNPP为年总潜在NPP（g C·m-2）；v为年平均实际蒸散发量（mm）；r为年总降水量（mm）；L为年平均蒸散发量（mm）；t为年平均气温（℃）。

2.2.3 差值比较法基于NPP 的差值比较法能直观、真实地反映生态环境中植被的变化情况，从而确定各自的相对作用，目前这一方法是研究植被变化驱动机制的新途径［9］。HNPP为PNPP与ANPP的差值，即：

式中：PNPP 为潜在净初级生产力；ANPP 为实际净初级生产力；HNPP 为人类活动影响下NPP 的变化值，HNPP值的正负为人类活动对NPP影响的方向，正值表示人类活动影响下NPP减少，负值表示人为影响下NPP 增加。为辨析人类活动对植被NPP 的影响趋势和方向，本文参照周妍妍等［25］的研究方法，将HNPP的正负与变化趋势进行叠加分析，从而获取人类活动对植被NPP的影响趋势及其空间分布。

2.2.4NPP年际变化率NPP动态可直接反映植被的改善或退化状况，ANPP 的变化趋势可以监测植被变化，PNPP和HNPP的变化趋势可以评估气候变化和人类活动对植被变化的相对影响。本研究采用基于最小二乘法的一元线性回归分析方法计算2000—2020年3种定义下的NPP年际变化趋势。公式如下：

式中：n为研究时间段内的总年份数；NPPi为第i年的NPP值；Slope为NPP的变化趋势，计算结果为正，NPP有增加趋势。采用F检验验证变化趋势的显著性，检验结果仅表示变化趋势的可置信程度，与变化速率无关，公式如下：

式中：x̂i为第i年NPP的回归值；xˉ为21 a间NPP平均值；xi为第i年的NPP值，n=21。基于F检验可以将结果分为以下6种等级：极显著改善（Slope＞0，P＜0.01）、显著改善（Slope＞0，0.01≤P≤0.05）、无显著改善（Slope＞0，P＞0.05）、无 显 著 退 化（Slope＜0，P＞0.05）、显著退化（Slope＜0，0.01≤P≤0.05）、极显著退化（Slope＜0，P＜0.01）。

研究时间段内NPP 的变化量（ΔNPP），用以下公式［26］估算：

2.2.5NPP变化归因定量评估方法为了对气候变化和人类活动在植被的改善或退化中相对贡献率进行区分，可以通过计算3 种定义下的NPP 年际变化 趋 势SANPP、SPNPP、SHNPP以 及NPP 变 化 量ΔPNPP、ΔHNPP来实现，根据刘斌等［27］相关NPP变化相对贡献的情景设定方案，定义以下6种情景（表1）。参照表1中各类情景，可分别计算出人类活动、气候变化对植被变化的相对贡献率。

表1 不同情景下气候变化和人类活动在植被变化中相对贡献的评估方法Tab.1 Methods for assessing the relative contributions of climate change and human activities to vegetation change under different scenarios

3 结果与分析

3.1 ANPP的模拟及其验证

本研究从像元尺度对CASA 模型估算2000—2020 年ANPP 模拟值和同时段的MODIS NPP 产品进行一一对应精度验证［28］与相关性分析（图2）。结果表明，ANPP估算结果和MODIS NPP值基本吻合，模拟精度较高，决定系数达0.82（P＜0.01），且估算结果比MODIS NPP值略低。

图2 MODIS NPP和ANPP模拟值对比Fig.2 Comparison of MODIS NPP and ANPP simulation values

3.2 ANPP的时空变化趋势

由图3 可以看出，2000—2020 年盐池县年均ANPP 密度整体上呈现出上升趋势，增长速率为5.59 g C·m-2·a-1（R2=0.54，P＜0.01），表明盐池县ANPP 总体上呈增加趋势。但从不同时间段来看，整体上呈现波动中上升趋势。按照植被波动方向来看，其中在2004—2005、2012—2013、2018—2020年出现小幅的负向波动。

图3 2000—2020年盐池县植被ANPP的年际变化Fig.3 Interannual ANPP change in Yanchi County during 2000—2020

2000—2020年盐池县年均ANPP空间分布呈从东南向西北逐渐减少的趋势，空间上存在几个明显的高值区和低值区（图4）。其中：ANPP的高值区主要分布在耕地集聚区和块状扬黄灌区，ANPP 介于250～500 g C·m-2·a-1之间。随着退耕还林等生态工程实施范围的增大，出现高值区范围扩大的现象；低值区主要分布在高沙窝镇、大水坑镇、麻黄山乡的沙地区域，ANPP介于30～120 g C·m-2·a-1之间。

图4 盐池县多年平均ANPP及2000、2010、2020年ANPP的空间分布Fig.4 Spatial distributions of ANPP in 2000,2010,2020 and multi-year average in Yanchi County

2000—2020 年植被NPP 变化趋势的显著性分析表明，盐池县植被NPP 整体上呈显著改善趋势（图5a），且呈改善趋势的面积比例（99.39%）远大于呈退化趋势的面积比例（0.61%）。尽管ANPP 总体呈改善趋势，但其改善程度存在显著的空间分异。其中，ANPP 呈极显著改善的区域占研究区面积的68.91%，呈显著改善的面积占17.23%。就空间分布而言，极显著改善的区域遍布于研究区全境，呈退化趋势的区域则零星分布于荒漠和荒漠草原及人口密集区（图5b）。

图5 2000—2020年盐池县ANPP年际变化趋势及显著性检验Fig.5 Interannual variation trend and significance test of ANPP in Yanchi County during 2000—2020

3.3 NPP变化归因分析

3.3.1 气候变化和人类活动对NPP改善区的相对贡献率从图6a 可以看出：在植被改善区，气候变化和人类活动共同主导作用的相对贡献率为74.14%，而气候变化和人类活动的相对贡献率分别为22.65%、3.21%。从空间分布上来看，气候变化主导驱动（即相对贡献率大于50%）的植被NPP 改善区主要分布于盐池县西部的高沙窝镇、王乐井乡的人口稀疏分布区；人类活动主导驱动（即相对贡献率大于50%）的植被NPP 改善区主要分布于盐池县东部的花马池镇、高沙窝镇、青山乡、王乐井乡的人口密集区（图7）。

图6 气候变化、人类活动及二者共同作用在植被改善和退化过程中的空间分布Fig.6 Spatial distributions of climate change,human activities and their combined effects on vegetation improvement and degradation

图7 2000—2020年盐池县气候变化和人类活动在植被改善区的相对贡献率Fig.7 Contribution rates of climate change and human activities to vegetation improvement in Yanchi County during 2000—2020

3.3.2 气候变化和人类活动对NPP退化区的相对贡献率如图6b 所示，人类活动的相对贡献率为72.48%，而气候变化的相对贡献率仅为0.47%，而二者共同主导的相对贡献率为27.05%。说明人类活动是局地植被退化的主要原因。从空间分布上来看，气候变化主导植被退化的区域面积占比仅为8.23%，而91.77%的植被退化区均为人类活动引起，主要分布于冯记沟乡（图8）。

图8 2000—2020年盐池县气候变化和人类活动在植被退化区的相对贡献率Fig.8 Contribution rates of climate change and human activities to vegetation degradation in Yanchi County during 2000—2020

3.3.3 气候变化和人类活动对NPP影响程度空间分异及其相对贡献率在植被改善/退化区2 个因素的相对贡献率表现出明显的空间异质性。在植被极显著改善区，人类活动对植被改善的相对贡献率为76.01%，气候变化的相对贡献率为23.99%；在植被显著改善区，气候变化对植被改善的相对贡献率为82.13%，而人类活动的相对贡献率为17.87%（表2）。从不同植被类型上看，人类活动为荒漠和荒漠草原分布区植被改善的主要因素，气候变化为典型草原、粮食及经济作物、草甸、落叶灌丛等区域植被改善的主要因素（表3）。在各等级植被退化区，人类活动对植被退化的相对贡献率均达到70%以上（表2）。从不同植被类型上看，植被退化区仅有荒漠、荒漠草原、典型草原、粮食及经济作物4 种植被类型，且每种植被类型均以人类活动为植被退化主要因素，尤其在典型草原分布区域，达到91.67%（表3）。

表2 气候变化与人类活动在植被不同变化程度中的相对贡献Tab.2 Relative contribution of climate change and human activities to different degrees of vegetation change

表3 气候变化与人类活动在不同植被类型改善和退化中的相对贡献Tab.3 Relative contribution of climate change and human activities to the improvement and degradation of different vegetation types

3.4 NPP变化驱动力分析

3.4.1 植被NPP变化与气候因子的相关性气候变化是引发植被NPP变化的重要原因，并且气温和降水是该地区气候变化最直接和敏感的因素［2］。基于像元尺度对2000—2020年年均ANPP与年降水量和年均气温进行相关性分析并对其相关性系数进行显著性检验，将结果划分为极显著正/负相关（P＜0.01）、显著正/负相关（0.01≤P≤0.05）、无显著正/负相关（P＞0.05）6 个级差区域（图9）。如图9 所示，研究区植被NPP 整体上与降水量之间呈正相关。其中，呈显著及极显著正相关的区域分别占研究区的63.37%和14.55%；尽管研究区植被NPP与气温整体上呈正相关（94.17%），但呈显著及极显著正相关的区域分别仅占研究区的7.85%和0.11%。表明盐池县植被对降水较为敏感，降水是影响盐池县植被改善的主要气象因素。

图9 2000—2020年盐池县植被NPP与气候因子相关系数的空间分布Fig.9 Spatial distributions of correlation coefficients between vegetation NPP and climate factors in Yanchi County during 2000—2020

3.4.2 人类活动对植被NPP的影响如图7、图8所示，人类活动主导植被改善的区域占植被改善区面积的40.23%，而91.77%的植被退化区则由人类活动所主导，说明一方面人类活动对植被改善有积极作用，而另一方面表现为人类活动驱动了局地的植被退化。由图10a可以统计得出，HNPP＞0的面积占研究区总面积的70.74%，表明人类活动对植被的负向影响分布较为普遍；HNPP＜0的面积仅占29.26%，主要分布于荒漠及荒漠草原地区、麻黄山地区及各乡镇的灌溉区，表明人类活动仅在这些区域对植被改善起促进作用。

为进一步分析HNPP 的变化规律，将HNPP 的正负与HNPP 的变化趋势进行叠加分析，重分类得到4 种结果：正正、正负、负正、负负（图10b）。正正表示人类活动对植被的退化作用增强，占总面积的9.31%；正负表示人类活动对植被的退化作用减弱，分布范围最广（61.49%）；负正表示人类活动对植被的改善作用减弱，分布范围最小（2.08%）；负负表示人类活动对植被的改善作用增强，占总面积的27.12%。综合来看，人类活动对研究区全域的退化作用都有所减弱，并在荒漠及荒漠草原地区表现出显著的改善作用。

图10 2000—2020年盐池县年均HNPP的空间分布及人为活动对NPP影响的方向与趋势Fig.10 Spatial distributions of annual average HNPP in Yanchi County during 2000—2020,and the direction and trend of influence of human activities on NPP

4 讨论

4.1 植被时空变化趋势

近20 a 来，研究区实施退耕还林还草及封山禁牧前后ANPP 的变化总体上以植被改善为主，但会因气候波动出现小幅负向波动；植被NPP改善区面积比例远大于NPP 退化区面积比例。本研究模拟植被NPP多年平均值分布范围为14.75～514.07 g C·m-2·a-1，均值为202.00 g C·m-2·a-1。这与倪向南等［29］、朱玉果等［30］、穆少杰等［31］、李柏延等［32］利用同类方法在临近区域的估算结果接近，说明估算结果具有较好的置信度。受退耕还林［33］、封山禁牧［34］、农业绿洲扩张［35］、农业生产条件改善［36］等因素的影响，人类活动的破坏有所减少，大量坡耕地被转化为草地和林地，使部分荒漠草原、荒漠、耕地区域的ANPP得到相应提高。

4.2 植被动态变化驱动机制分析

降水是驱动研究区植被改善的主要气候因子，且植被NPP 与降水量呈显著和极显著相关的面积远大于其与气温呈显著和极显著相关的面积。这与周伟等［37］的关于温性荒漠草原NPP 与降水量的相关性最显著的论断一致，主要与当地近30 a的降水格局转变［36］有关。尽管植被恢复对黄土高原局地降水量的增加具有积极效应［38］，但大规模生态建设工程的实施，使得区域植物生态需水量增加，在降水波动背景下会出现植被NPP下降的现象，这印证了本研究中降水影响植被波动变化、促使植被稳定增长的结论。气候的波动会对植被NPP 产生较大影响［39］，本研究中，植被NPP 随气候波动呈波动中上升趋势。已有研究表明，本研究区可利用年降水量以1.5 mm·(10a)-1的降幅减少［40］，而气温呈升高趋势［41］，这势必会造成植被蒸散量增加［42］。尽管气温上升可延长植物生长季，使植被NPP 增加［43］，但高温会加剧植被蒸发蒸腾，降低水分利用效率，甚至出现土壤干层，限制了草地植被生长［44］。本研究中，气温与植被ANPP总体上呈正相关，但相关性不显著，说明植被改善的减缓可能会受到气温升高的抑制作用。

研究区退耕还林、退牧还草工程的实施及草原禁牧封育政策的落实，对土壤侵蚀控制、植被覆盖状况改善均起到了积极作用［45］，表现为正向人类干扰增加而负向人类干扰减少，使荒漠草地退化现象得到进一步缓解，植被状况得到显著改善。但在空间分布上具有一定的空间异质性，具体表现为：40.23%的植被改善区由人类活动为主所驱动，而91.77%的植被退化区则由人类活动为主所驱动。但由于退耕还林还草、退牧还草、围封禁牧等生态恢复政策的实施［46］，人类活动对植被退化区NPP的负面影响逐渐减弱。

4.3 气候变化与人类活动对植被变化的相对贡献率

通过NPP 差值比较法，分离气候变化与人类活动对NPP的影响，既可以定量计算NPP的人为影响值，评价生态工程的实施成效，也可以厘定气候变化对NPP 影响的贡献率。本研究发现气候变化和人类活动及其二者共同作用存在显著的空间异质性。这与孙丽蓉等［47］利用地理探测器对疏勒河流域植被变化的归因结果一致。本研究中，负面的人类活动如城市扩张、矿产资源开采、偷牧等依旧是研究区植被退化的主要驱动力，但范围较小，而围栏放牧、禁牧、退耕还林和生态修复工程等对大范围的植被改善有积极作用［48］。

5 结论

本研究利用2000—2020 年MODIS NDVI 时间序列数据、气象数据和地表覆盖数据，以NPP 作为植被变化的衡量指标，基于像元尺度通过CASA 模型和Thornthwaite 纪念模型模拟盐池县因生态工程的实施对区域NPP时空变化的影响，并通过NPP差值比较法定量评估了气候变化和人类活动对区域植被恢复和退化的相对贡献率。得出以下结论：（1）2000—2020 年盐池县植被ANPP 总体呈波动中增加趋势。气候变化和人类活动共同驱动了盐池县植被NPP 的总体增加趋势。（2）气候变化和人类活动在植被改善和退化中的相对贡献率表现出显著的空间异质性。其中，在植被改善区，气候变化的相对贡献率为59.77%，而人类活动的相对贡献率为40.23%；在植被退化区，人类活动的相对贡献率为91.77%，远大于气候变化的相对贡献率。说明气候变化和人类活动一方面促进盐池县总体上的植被恢复，同时也造成极小部分区域植被退化，但退化趋势显著减弱。