黑龙江省植被NPP时空演变特征及气候变化响应

Temporal and Spatial Evolution Characteristics of Vegetation NPP and Its Response to Climate Change in Heilongjiang Province

摘要: 为了揭示黑龙江省植被NPP时空演变规律及气候变化响应，对区域生态系统的保护与建设、合理利用与可持续发展具有重要的现实意义。本文基于MOD17A3HGF数据和气象数据，分析黑龙江省植被NPP时空演变特征，并进一步分析其对气候变化的响应。结果表明：(1) 黑龙江省植被NPP表现为增加趋势，增速为4.13 gC·m⁻²·a⁻¹，表现为增加趋势的面积占比为96.59%，其中表现显著的面积占比为82.22%，增速最快和最慢的城市分别为伊春市(6.29 gC·m⁻²·a⁻¹)和鸡西市(2.01 gC·m⁻²·a⁻¹)；增速最快和最慢的植被类型分别为草原(6.22 gC·m⁻²·a⁻¹)和沼泽(2.29 gC·m⁻²·a⁻¹)。(2) 植被NPP多年均值为433.75 gC·m⁻²·a⁻¹，在空间上表现为西南部和东北部低，东南部高的空间分布格局。(3) 植被NPP的Hurst指数平均值为0.43，其中表现为反持续性的面积占比最高，占比为77.27%。(4) 偏相关结果表明降水对植被的生长明显高于气温。

Abstract: In order to reveal the spatiotemporal evolution of vegetation NPP and its response to climate change in Heilongjiang Province, it has important practical significance for the protection and construction, rational utilization and sustainable development of regional ecosystems. Based on MOD17A3HGF data and meteorological data, this paper analyzes the spatiotemporal evolution characteristics of vegetation NPP in Heilongjiang Province and further analyzes its response to climate change. The results show that: (1) The vegetation NPP in Heilongjiang Province shows an increasing trend with a growth rate of 4.13 gC·m⁻²·a⁻¹. The area showing an increasing trend accounts for 96.59%, of which the area showing a significant trend accounts for 82.22%. The cities with the fastest and slowest growth rates are Yichun City (6.29 gC·m⁻²·a⁻¹) and Jixi City (2.01 gC·m⁻²·a⁻¹), respectively. The vegetation types with the fastest and slowest growth rates are grassland (6.22 gC·m⁻²·a⁻¹) and swamp (2.29 gC·m⁻²·a⁻¹), respectively. (2) The multi-year mean value of vegetation NPP is 433.75 gC·m⁻²·a⁻¹, and the spatial distribution pattern is low in the southwest and northeast, and high in the southeast. (3) The average value of the Hurst index of vegetation NPP is 0.43, among which the area showing anti-persistence accounts for the highest proportion, accounting for 77.27%. (4) The partial correlation results show that precipitation has a significantly greater impact on vegetation growth than temperature.

1. 引言

植被净初级生产力(Net Primary Productivity, NPP)是指绿色植物在单位面积与单位时间内，通过光合作用生产与呼吸作用消耗所剩余的部分，用于解释陆地生态系统的动态及其在碳循环中的作用机制[1]。植被NPP能够表征陆地生态系统中物质循环和能量流动，是可以深刻反映环境变化的重要因子之一，对生物和非生物环境的敏感性较强[2]。定量分析植被NPP动态变化和气象驱动因子，为评价全球变化背景下植被生长状况、生态系统质量和环境监测提供科学依据[3]。近年来国内外众多学者主要分析其时空演变规律和气候变化的响应，Khalifa等[4]研究表明植被NPP对干旱和降水的响应更加显著。李诗瑶等[5]研究表明植被NPP变化与降水量呈显著正相关，而与气温的相关性较弱。张颖等[6]研究表明天津市植被NPP变化存在较大的时空异质性，且受温度、降水、风速影响。

黑龙江省拥有大兴安岭、长白山等国家重点生态保护区，区位安全与生态屏障功能极为重要，是我国“两屏三带”中东北森林带的重要组成部分[7]。鉴于此，本文在研究气候变化的大背景下，以黑龙江省作为研究区域，基于MOD17A3HGF数据，定量分析黑龙江省植被NPP时空演变特征及气候变化的响应。

2. 研究区概况

黑龙江省位于我国的东北部，西部与内蒙古自治区接壤，南部与吉林省相邻，北部和东部与俄罗斯隔海相望。黑龙江省东经位于121˚11'~135˚05'之间，北纬位于43˚26'~53˚33'之间，总面积47.3万km²。黑龙江省的地势表现为四周高中部低的空间分布格局，地形轮廓由大兴安岭、小兴安岭、张广才岭、三江平原和松嫩平原等构成。黑龙江省多样化的地理条件造就了生物种类多样化，全省拥有5个内陆陆生生物多样性保护区，占据全国总数的五分之一以上[8]。研究区概况见图1。

Figure 1. Overview map of the study area

图1. 研究区概况图

3. 数据与方法

3.1. 数据来源与预处理

NPP来自美国NASA的MOD17A3HGF数据集(http://reverb.echo.nasa.gov)，数据空间分辨率为500 m，时间分辨率为1年，数据经镶嵌、比例计算、去除异常值和裁剪等步骤，得到黑龙江省2000~2023年逐年植被NPP数据，为使植被NPP数据与气象数据的空间分辨率保持一致，将数据重采样为1 km。

气温及降水数据来自国家青藏高原科学数据中心(https://data.tpdc.ac.cn/)，该数据集基于CRU及World Clim发布的全球气候数据集，通过Delta空间降尺度处理得到，数据经裁剪得到黑龙江省气象数据。

地形数据来自中国科学院计算机网络信息中心科学数据中心的地理空间数据云(https://www.gscloud.cn/)，经镶嵌和裁剪等步骤，得到黑龙江省90 m分辨率的地形数据。

植被类型来自《1:1,000,000中国植被图集》(https://www.resdc.cn/)，空间分辨率为1 km，经裁剪、重分类等步骤，得到黑龙江省植被类型数据。

3.2. 研究方法

3.2.1. 趋势分析法

为研究黑龙江省2000~2023年植被NPP的演变规律，运用趋势分析法，确定其在研究时段内表现为增加或者减少的分析方法，公式如下[9]：

$\text{slope}=\frac{n\times {\displaystyle \sum _{i=1}^{n}i\times {\text{NPP}}_i-{\displaystyle \sum _{i=1}^{n}i{\displaystyle \sum _{i=1}^n{\text{NPP}}_i}}}}{n\times {\displaystyle \sum _{i=1}^n{i}^2-{\left({\displaystyle \sum _{i=1}^{n}i}\right)}^2}}$ (1)

式中：slope为植被NPP变化的斜率，正为增加，负为减少，slope绝对值越大，表示其变化越快；n为研究年数；NPP_i为第i年植被NPP值。

3.2.2. 未来趋势分析

利用基于R/S分析法的Hurst指数可以较好地预测黑龙江省植被NPP的未来变化趋势，可以判定植被NPP时间序列信息长期依赖性和自相关性，揭示所暗含的系统演变规律，公式如下[10]：

$\overline{{\text{NPP}}_i}=\frac{1}{i}{\displaystyle \sum _{i=1}^i\text{NPP}\left(i\right)}i\text{=1,2,}\cdots n$ (2)

$x\left(t,i\right)={\displaystyle \sum _{t=1}^i\left({\text{NPP}}_i-\overline{{\text{NPP}}_i}\right)}\text{ 1}\le t\le i$ (3)

$R\left(i\right)=\underset{1\le t\le i}{\max }x\left(t,i\right)-\underset{1\le t\le i}{\min }x\left(t,i\right)i\text{=1,2,}\cdots n$ (4)

$S\left(i\right)={\left[\frac{1}{i}{\displaystyle \sum _{t=1}^i{\left({\text{NPP}}_t-{\text{NPP}}_i\right)}^2}\right]}^{\frac{1}{2}}i\text{=1,2,}\cdots n$ (5)

式中：若存在R/S∝$i^H$ ，说明存在Hurst现象，H称为Hurst指数，Hurst指数在0到1之间，指数越趋近于0表示反持续性越强，指数越趋近于1表示持续性越强。

3.2.3. 偏相关分析

气温和降水通常被认为是驱动植被NPP变化的主要气象因素，偏相关分析法可以更好地消除另一变量对其影响，采用偏相关分析法得到黑龙江省植被NPP与气象因子的偏相关系数，公式如下[11]：

$R_{xy,z}=\frac{R_{xy}-R_{xz}{R}_{yz}}{\sqrt{\left(\text{1}-R_{xy}^2\right)\left(\text{1}-R_{yz}^2\right)}}$ (6)

式中：R_xy,z表示固定变量z后，变量x与y的偏相关系数；R_xy、R_xz、R_yz分别x与y，x与z，y与z之间的相关系数，其值在−1到1之间。

4. 黑龙江省植被NPP时空变化特征

4.1. 植被NPP时间变化特征

Figure 2. Temporal change trend of vegetation NPP in Heilongjiang Province from 2000 to 2023

图2. 2000~2023年黑龙江省植被NPP时间变化趋势

为了更加直观准确地描述2000~2023年黑龙江省植被NPP时间变化特征，统计2000~2023年黑龙江省植被NPP的平均值，绘制成折线图并进行线性拟合，见图2。由图2可以看出，2000~2023年黑龙江省植被NPP表现为增加趋势，增速为4.13 gC·m⁻²·a⁻¹，植被NPP值在352.96~484.20 gC·m⁻²·a⁻¹之间波动。

整体而言，2000年黑龙江省植被NPP为24年来最低，其值为352.96 gC·m⁻²·a⁻¹，2023年黑龙江省植被NPP为24年来最高，其值为484.20 gC·m⁻²·a⁻¹，多年均值为433.75 gC·m⁻²·a⁻¹。局部而言，黑龙江省植被NPP由2000年的352.96 gC·m⁻²·a⁻¹上升至2006年的425.14 gC·m⁻²·a⁻¹，2006~2008年表现为下降趋势，下降至380.35 gC·m⁻²·a⁻¹，降低值44.79 gC·m⁻²·a⁻¹，2008年之后，植被NPP表现为波动增加的趋势，持续增加至2023年的484.20 gC·m⁻²·a⁻¹，增加值为103.85 gC·m⁻²·a⁻¹。

4.2. 植被NPP空间分布特征

依据2000~2023年黑龙江省植被NPP计算得到多年均值植被NPP，并绘制多年均值空间分布图，见图3。由图3可知，植被NPP多年均值为433.75 gC·m⁻²·a⁻¹。不同植被类型的植被NPP均值由大到小的植被类型分别为混交林(544.57 gC·m⁻²·a⁻¹)、灌丛(516.71 gC·m⁻²·a⁻¹)、阔叶林(513.82 gC·m⁻²·a⁻¹)、针叶林(489.02 gC·m⁻²·a⁻¹)、草甸(399.88 gC·m⁻²·a⁻¹)、沼泽(368.51 gC·m⁻²·a⁻¹)、栽培植被(358.55 gC·m⁻²·a⁻¹)和草原(291.43 gC·m⁻²·a⁻¹)。

植被NPP在空间上表现为西南部和东北部低，东南部高，其他地区中等分布的空间分布格局。造成该空间分布格局的原因是低值区位于松嫩平原和三江平原地区，覆盖着大面的农田，人类耕作导致其值较低，高值区覆盖着大面积的森林，森林固碳能力强且人类活动对其影响较低，使得其植被NPP值较高，植被NPP值中等的地区主要为森林和草原等土地利用类型覆盖。

Figure 3. Spatial distribution of the multi-year average value of vegetation NPP in Heilongjiang Province from 2000 to 2023

图3. 2000~2023年黑龙江省植被NPP多年均值空间分布

4.3. 植被NPP趋势分析

采用趋势分析法计算2000~2023年黑龙江省植被NPP的变化趋势并进行显著性检验，见图4。由图4可知，黑龙江省植被NPP的变化趋势值为4.13 gC·m⁻²·a⁻¹，表现为增加趋势的面积占比为96.59%，可能是随着生态环境的建设与保护工作实施以来，各地积极响应，导致植被NPP表现为增加的趋势。其中高值区集中在黑龙江省的中部和西部，低值区集中在黑龙江省的北部和东部。

不同植被类型的植被NPP变化趋势由快到慢的植被类型分别为草原(6.22 gC·m⁻²·a⁻¹)、混交林(5.00 gC·m⁻²·a⁻¹)、阔叶林(4.65 gC·m⁻²·a⁻¹)、栽培植被(4.08 gC·m⁻²·a⁻¹)、针叶林(3.98 gC·m⁻²·a⁻¹)、草甸(3.36 gC·m⁻²·a⁻¹)、灌丛(2.99 gC·m⁻²·a⁻¹)和沼泽(2.29 gC·m⁻²·a⁻¹)。

表现为增加和减少的趋势面积占比分别为96.59%和3.41%。其中表现为极显著增加的地区分布在黑龙江省的大部分地区，占比为67.81%；表现为显著增加趋势的城市为大兴安岭地区、黑河市、佳木斯市、双鸭山市、鸡西市、牡丹江市和哈尔滨市等，占比为14.41%；表现为增加不显著和减少不显著的城市为大兴安岭地区、黑河市、佳木斯市、双鸭山市、鸡西市、牡丹江市和哈尔滨市等，占比为16.86%；表现为极显著减少和显著减少的城市为哈尔滨市、鸡西市、佳木斯市和牡丹江市等，占比分别为0.94%。

Figure 4. Change trend and significance test of vegetation NPP in Heilongjiang Province from 2000 to 2023

图4. 2000~2023年黑龙江省植被NPP变化趋势和显著性检验

4.4. 植被NPP未来变化趋势分析

对于2000~2023年黑龙江省植被NPP进行Hurst指数分析，结果见图5。由图5可知，Hurst指数平均值为0.43。不同植被类型的Hurst指数均值由大到小的植被类型分别为草原(0.46)、灌丛(0.48)、沼泽(0.45)、栽培植被(0.45)、混交林(0.44)、阔叶林(0.43)、草甸(0.42)和针叶林(0.40)。

Figure 5. Hurst index of vegetation NPP and future change trend in Heilongjiang Province from 2000 to 2023

图5. 2000~2023年黑龙江省植被NPP-Hurst指数和未来变化趋势

将植被NPP的变化趋势和Hurst指数叠加可得NPP变化趋势的持续变化形式，分为潜在增加(2000~2023年减少，之后年份增加，slope < 0且H < 0.5)，潜在减少(2000~2023年年增加，之后年份减少，slope、0且H < 0.5)，无变化趋势(H = 0.5)，持续增加(2000~2023年增加，之后年份增加，slope、0且0.5 < H < 1)，持续减少(2000~2023年减少，之后年份减少，slope < 0且0.5 < H < 1)等5类。黑龙江省植被NPP未来表现为潜在减少，说明黑龙江省植被NPP过去表现为增加，未来表现为减少，情况不容乐观；其次为持续增加，说明植被NPP过去表现为增加，未来表现为增加；面积占比最低的为持续减少，仅占1.10%。

5. 黑龙江省植被NPP对气候因子的响应

黑龙江省2000~2023年气温平均值为2.09℃，在空间上表现为由南到北气温逐渐降低；降水多年平均值为562.15 mm，在空间上表现为明显的异质性，东部地区降水明显高于西部地区。2000~2023年黑龙江省气温和降水均值空间分布见图6。

Figure 6. Spatial distribution of the mean values of temperature and precipitation in Heilongjiang Province from 2000 to 2023

图6. 2000~2023年黑龙江省气温和降水均值空间分布

逐像元计算2000~2023年黑龙江省植被NPP与气温的偏相关系数并进行显著性检验，其结果见图7。由图7可知，偏相关系数平均值为0.11，其中表现为正相关的地区占比为66.74%，负相关的地区占比为33.26%。

不同植被类型的植被NPP与气温偏相关系数均值由大到小的植被类型分别为灌丛(0.258)、沼泽(0.238)、混交林(0.233)、草原(0.190)、阔叶林(0.177)、栽培植被(0.152)、草甸(0.028)和针叶林(−0.125)。

表现为极显著正相关和显著正相关的城市为佳木斯市、双鸭山市、鸡西市、七台河市、牡丹江市，占比为14.69%；表现为正相关不显著的地区覆盖黑龙江省大半地区，占比为52.05%；表现为负相关不显著的城市为黑河市、伊春市、齐齐哈尔市、绥化市等，占比为32.21%；表现为极显著负相关和显著负相关的城市为黑河市和大兴安岭地区，占比为1.05%。

逐像元计算2000~2023年黑龙江省植被NPP与降水的偏相关系数并进行显著性检验，其结果见8。由图8可知，偏相关系数平均值为0.30，其中表现为正相关的地区占比为86.87%，负相关的地区占比为13.13%。

不同植被类型的植被NPP与降水偏相关系数均值由大到小的植被类型分别为草原(0.581)、栽培植被(0.400)、混交林(0.300)、阔叶林(0.285)、草甸(0.225)、针叶林(0.173)、灌丛(0.126)、沼泽(0.125)。

Figure 7. Partial correlation coefficient between vegetation NPP and temperature and significance test in Heilongjiang Province from 2000 to 2023

图7. 2000~2023年黑龙江省植被NPP与气温偏相关系数和显著性检验

表现为极显著正相关和显著正相关的城市为齐齐哈尔市、大庆市、绥化市、哈尔滨市、伊春市等，占比为38.77%；表现为正相关不显著的城市为大兴安岭地区、黑河市、鹤岗市、双鸭山市、佳木斯市、七台河市、哈尔滨市和牡丹江市等，占比为48.10%；表现为负相关不显著的城市为大兴安岭地区、鸡西市、佳木斯市等，面积占比为12.25%；表现为极显著负相关和显著负相关的城市为佳木斯市、双鸭山市和鸡西市等，面积占比为0.88%。综上所述，降水对植被的生长明显高于气温。

Figure 8. Partial correlation coefficient between vegetation NPP and precipitation and significance test in Heilongjiang Province from 2000 to 2023

图8. 2000~2023年黑龙江省植被NPP与降水偏相关系数和显著性检验

6. 讨论与结论

6.1. 讨论

本文选取黑龙江省作为研究对象，基于MOD17A3HGF数据，分析黑龙江省植被NPP时空演变特征及气候变化响应。黑龙江省植被NPP在空间上表现为西南部和东北部低，东南部高的空间分布格局。低值区位于松嫩平原和三江平原地区，耕作导致其值较低。高值区覆盖着大面积的森林，森林固碳能力强，生态系统结构稳定且人类活动对其影响较低。Hurst指数表明未来植被表现为减少的趋势，黑龙江省未来应以保护生态空间为目标，实行差别化管理，实现区域的高质量发展。

从气候因素变化对植被NPP产生的影响来看，黑龙江省植被NPP与气候表现为正相关关系，降水对其影响较大。植被对降水变化非常敏感，黑龙江省年降水量在366.22~856.70 mm之间，降水较多的地方覆盖着大面积的森林，降水能为植被提供必要的水分条件，有利于植被进行光合作用和其他生理活动。适宜的水热组合条件为植被的生长提供了适宜的气候条件，干旱、水资源短缺、极端的气候条件可能会抑制植被的生长。

本文在讨论黑龙江省植被NPP时空演变特征及气候变化响应过程中按照不同植被类型进行分析，更加直观地表现不同植被类型的植被NPP时空演变特征及气候变化响应。但研究中存在不足，影响因素方面只考虑气候条件，未考虑到人类活动、土壤和地形条件对植被NPP的影响，未来可加入更多的驱动因子，更加直观地展现其对黑龙江省植被NPP变化的影响。

6.2. 结论

(1) 2000~2023年黑龙江省植被NPP增速为4.13 gC·m⁻²·a⁻¹，植被NPP增速最快和最慢的城市分别为伊春市(6.29 gC·m⁻²·a⁻¹)和鸡西市(2.01 gC·m⁻²·a⁻¹)。植被NPP增速最快和最慢的植被类型分别为草原(6.22 gC·m⁻²·a⁻¹)和沼泽(2.29 gC·m⁻²·a⁻¹)。2000年植被NPP最低，其值为352.96 gC·m⁻²·a⁻¹，2023年植被NPP最高，其值为484.20 gC·m⁻²·a⁻¹，多年均值为433.75 gC·m⁻²·a⁻¹。不同地市植被NPP多年均值最大值和最小值的城市分别为牡丹江市(572.82 gC·m⁻²·a⁻¹)和大庆市(284.51 gC·m⁻²·a⁻¹)。不同植被类型的植被NPP多年均值最大值和最小值的植被类型分别为混交林(544.57 gC·m⁻²·a⁻¹)和草原(291.43 gC·m⁻²·a⁻¹)。

(2) 植被NPP在空间上表现为西南部和东北部低，东南部高。森林固碳能力强，使得植被NPP表现为较高值，农田和草原等地区人类活动频繁，使得植被NPP表现为较低值。植被NPP表现为增加趋势的面积占比为96.59%，其中表现为显著的面积占比为82.22%。表现为减少趋势的面积占比仅为3.41%，其中表现为显著的面积占比为1.03%。

(3) 植被NPP的Hurst指数平均值为0.43，其中表现为反持续性的面积占比最高，占比为77.27%。不同地市的Hurst指数均值最大值和最小值的城市分别为大庆市(0.472)和黑河市(0.387)。不同植被类型的Hurst指数均值最大值和最小值的植被类型分别为草原(0.46)和针叶林(0.40)。

(4) 植被NPP与气温的偏相关系数平均值为0.11，其中表现为正相关的地区占比为66.74%，表现为显著的面积占比为14.69%；负相关的地区占比为33.26%。表现为显著的面积占比为1.05%。不同地市的偏相关系数均值最大和最小的城市分别为鸡西市(0.510)和大兴安岭地区(−0.212)。不同植被类型的植被NPP与气温偏相关系数均值最大值和最小值的植被类型分别为灌丛(0.258)和针叶林(−0.125)。

(5) 植被NPP与降水的偏相关系数平均值为0.30，其中表现为正相关的地区占比为86.87%，表现为显著的面积占比为38.77%；负相关的地区占比为13.13%。表现为显著的面积占比为0.88%。不同地市的偏相关系数均值最大和最小的城市分别为大庆市(0.579)和鸡西市(0.030)。不同植被类型的植被NPP与降水偏相关系数均值最大值和最小值的植被类型分别为草原(0.581)和沼泽(0.125)。降水对植被的生长明显高于气温。