长江科学院院报

长江科学院院报 >

2024 , Vol. 41 >Issue 11: 65 - 74

DOI: https://doi.org/10.11988/ckyyb.20230452

水土保持与生态修复

定量评价人类活动对吕梁山植被NPP的影响

  • 孟鑫 , 1 ,
  • 刘珺 2 ,
  • 张菊梅 3 ,
  • 苏宇凡 2 ,
  • 杨俊亮 , 1
展开
  • 1 中国能源建设集团山西省电力勘测设计院有限公司,太原 030024
  • 2 太原理工大学 矿业工程学院,太原 030024
  • 3 山西冶金岩土工程勘察有限公司,太原 030024
杨俊亮(1988-),男,山西太原人,高级工程师,硕士,主要从事测绘及地理信息等研究工作。E-mail:

孟 鑫(1996-),男,山西长治人,助理工程师,硕士,主要从事地理信息技术与遥感等研究。E-mail:

Copy editor: 王慰

收稿日期: 2023-05-04

  修回日期: 2023-10-08

  网络出版日期: 2024-11-26

基金资助

山西省自然科学基金面上项目(202203021221043)

收起

Quantitative Evaluation of the Impact of Human Activities on Net Primary Productivity of Vegetation in Lüliang Mountains

  • MENG Xin , 1 ,
  • LIU Jun 2 ,
  • ZHANG Ju-mei 3 ,
  • SU Yu-fan 2 ,
  • YANG Jun-liang , 1
Expand
  • 1 China Energy Engineering Group Shanxi Electric Power Engineering, Co.,Ltd., Taiyuan 030024,China
  • 2 School of Mining Engineering, Taiyuan University of Technology, Taiyuan 030024,China
  • 3 Shanxi Metallurgical Geotechnical Engineering Investigation Co., Ltd., Taiyuan 030024,China

Received date: 2023-05-04

  Revised date: 2023-10-08

  Online published: 2024-11-26

Fold

摘要

为研究2000—2019年吕梁山植被NPP的时空分布格局,定量评价人类活动对其影响,采用改进的CASA模型估算2000—2019年吕梁山实际NPP(NPPA),结合周广胜模型估算得到的潜在NPP(NPPP)计算人类活动导致的NPP损失(NPPH),并利用人类活动相对影响贡献率指数(RICI)来定量评价人类活动对植被NPP的贡献率,同时分析土地利用类型变化对植被NPPA的影响。结果表明:吕梁山NPPA和NPPH分别呈增加和减少趋势,NPPA整体呈东南向西北减少,NPPH呈东南向西北增加;土地利用变化主要集中在林地、农田、草地、水体之间,林地和农田面积增加会使NPPA总量增加,林地转为其他类型和草地转为农田则会造成NPPA减少;人类活动对吕梁山NPP的贡献率为51.80%,表明人类活动在吕梁山NPP变化中占主导因素。研究结果可为吕梁山生态环境的修复、保护和可持续发展提供科学依据。

关键词： 土地利用; NPP; CASA; 人类活动; 定量评价

本文引用格式

孟鑫 , 刘珺 , 张菊梅 , 苏宇凡 , 杨俊亮 . 定量评价人类活动对吕梁山植被NPP的影响[J]. 长江科学院院报, 2024 , 41(11) : 65 -74 . DOI: 10.11988/ckyyb.20230452

Abstract

To investigate the spatial and temporal distribution patterns of vegetation net primary productivity (NPP) in the Lüliang Mountains from 2000 to 2019, and to quantitatively assess the impact of human activities on these patterns, this study employs an enhanced CASA model to estimate the actual NPP (NPPA) for the region. By integrating the potential NPP (NPPP) estimated using Zhou Guang-sheng’s model, we calculate the NPP loss (NPPH) attributed to human activities. In association with the Relative Impact Contribution Index (RICI), we quantify the influence of human activities on vegetation NPP and analyze how changes in land use types affect NPPA. Results reveal that NPPA in the Lüliang Mountains generally exhibited a decreasing trend from southeast to northwest, while NPPH displayed an increasing trend in the same direction. Changes in land use primarily affected forest land, farmland, grassland, and water bodies. Increasing areas of forest land and farmland led to a rise in total NPPA, whereas converting forest land to other uses and transforming grassland into farmland resulted in a decrease in NPPA. Human activities account for 51.80% of the observed changes in NPP, highlighting their significant role in altering NPP in the Lüliang Mountains. These findings provide a scientific foundation for the restoration, protection, and sustainable management of ecological environment in the Lüliang Mountains.

Key words： land use; NPP; CASA; human activities; quantitative evaluation

开放科学(资源服务)标识码(OSID):

0 引言

作为陆地碳循环的重要组成部分,植被净初级生产力(Net Primary Productivity,NPP)不仅能够精确反映植被的生长状况,而且在陆地生态系统的平衡中起着决定性的作用[1]。植被NPP的变化受气候因素和人类活动的共同影响[2⇓-4]。但随着经济的发展,人类活动对周围植被的不利影响是导致NPP减少的重要原因。例如,Zhou等[5]研究发现西北地区69%的NPP减少是由人类活动引起的。Liu等[6]研究发现在伊犁河流域植被改善区,人类活动是NPP增加的主导驱动力。因此,研究人类活动对植被NPP的影响是理解人类活动对生态系统影响的重要一环[7]。
近几十年来,定量计算人类活动对植被NPP的影响有多种方法,如偏导数分析[8]、主成分分析[9]、多变量分析[10]等统计分析方法。谢宝妮等[11]借助多元回归分析,定量评价黄土高原地区植被NPP对不同气候和人类活动因素的响应情况。这些方法主要通过方差率和回归系数来评估气候变化和人类活动对植被NPP的相对重要性,忽略了真实的生态意义,最终导致结果的不确定性[12]。
近年来,有众多学者采用实际NPP(Actual Net Primary Productivity,NPPA)和潜在NPP(Potential Net Primary Productivity,NPPP)之间的差值来评估人类活动对植被NPP的影响(Human-Appropriation of Net Primary Production,NPPH),即残差趋势法[13]。该方法不仅原理简单、参数少,而且可以估计人类活动的间接影响,并且在青藏高原[14]、新疆草地[13]、内蒙古矿区[15]等地区广泛应用。同时,众多学者在NPPH的基础上,通过slope趋势定量分析气候变化和人类活动对植被NPP的影响,并在西北内陆河流域[2]、承德[16]、陕西省[17]等地区广泛应用。以上研究主要关注气象因子与生态环境的关系,但对于定量评估人类活动对植被NPP的影响研究较少。由毛德华[18]提出的基于NPPP和NPPH构建的人类活动相对影响贡献率指数(Relative Impact Contribution Index,RICI),可以只评价人类活动对植被NPP的影响,并且在贵州省[19]、广州市[20]、塔拉滩地区[21]等地区广泛应用。
吕梁山位于山西省和陕西省交界处,是黄河流域重要的生态屏障之一[22]。长期以来,由于过度放牧、采伐,大规模无序开采矿产资源等人类活动,该地区生态环境退化和水土流失严重,生态安全形势日益严峻。吕梁山自2000年启动退耕还林和生态修复等项目,旨在保护吕梁山地区的生态环境、提高植被覆盖度[23]。然而,这些项目的实施及其他人类活动对该地区植被NPP的影响仍未知,因为人类活动会对环境产生消极或积极的影响。因此,本研究重点分析吕梁山植被NPPA和NPPH的动态变化及土地利用类型变化对NPPA的影响,并利用RICI定量评价人类活动对植被NPP的影响及人类活动影响的变化趋势。

1 数据与研究区

1.1 研究区概况

吕梁山(110°38'E—113°48'E,35°67'N—40°30'N,图1)位于黄土高原东部、山西省西部,紧邻太原盆地、大同盆地、临汾盆地[22]。平均海拔1 297 m。为半干旱大陆性季风气候,四季分明。气温呈东南高、西北低的分布格局,多年平均气温为8.12 ℃,降水呈东南向西北减少的趋势,多年平均降水量485.31 mm,夏季是全年降水量最多的季节。吕梁山草地面积占区域总面积的一半以上,主要分布在吕梁山西侧,林地主要分布于东南侧。
图1 吕梁山DEM和气象站点分布

Fig.1 DEM and meteorological stations of the Lüliang Mountains

1.2 数据来源

归一化植被指数(Normalized Difference Vegetation Index,NDVI)、MOD09A1及MOD17A3H数据来源于NASA(National Aeronautics and Space Administration)官网(http://ladsweb.modaps.nasa.gov/)。其中,NDVI数据集选用2000—2019年的MODIS(Moderate-Resolution Imaging Spectroradiometer)陆地标准产品MOD13A1(时间分辨率为16 d,空间分辨率为500 m),采用最大值合成法(Maximum Value Composition,MVC)得到空间分辨率为1 km、时间分辨率为月的NDVI数据。同时,选取同时间序列的MODIS陆地标准产品MOD17A3H(时间分辨率为1 a,空间分辨率为500 m)用来验证CASA模型估算NPP精度。MOD09A1(时间分辨率8 d,空间分辨率500 m),采用最大值合成法得到空间分辨率为1 km、时间分辨率为月的MOD09A1数据。
气象数据来源于国家科技基础条件平台——国家地球系统科学数据中心(http://www.geodata.cn)中的2000—2019年研究区范围内 1 km分辨率的降水[24]、气温[24]和日照时数数据集。
土地利用数据来自NASA中的2000—2019年空间分辨率为1 km的MCD12Q1土地覆盖数据,通过ArcGIS软件进行重分类得到林地、灌木、草地、农田、城市、裸地、水体7类。
DEM数据从地理空间数据云(http://www.gscloud.cn)获得,其空间分辨率为30 m,通过ArcGIS软件对DEM数据进行镶嵌、重投影、重采样得到与NDVI数据相同空间分辨率、投影的栅格数据。
以上所有数据均转换为Albers equal area conica-WGS 84投影坐标,重采样为与NDVI数据相同的空间分辨率(1 km),且裁剪至像元行列数一致。

2 研究方法

2.1 NPPA估算

本研究利用CASA模型计算植被NPPA,其中最关键的2个变量是植物吸收的光合有效辐射(APAR)和实际光能利用率(ε)。植被NPPA计算公式为
N P P ( x , t ) = A P A R ( x , t ) ε ( x , t ) 　 。
式中:x表示像元的空间位置;t表示时间段(月);NPP(x,t)为像元x在t月植被NPP(gC/(m2·a));APAR(x,t)表示像元 x在 t月吸收的光合有效辐射(MJ/m2);ε(x,t)表示像元x在t月的实际光能利用率(gC/ MJ)[25]。
其中APAR参数由式(2)求得。
A P A R ( x , t ) = S O L ( x , t ) F P A R ( x , t ) × 0.5 　 。
式中:SOL(x,t)为像元x在t月份的太阳总辐射量(MJ/m2);FPAR(x,t)为地表植被对入射光合有效辐射的吸收比例;常数0.5为地表植被利用的有效太阳辐射(波长范围为400~700 nm)占地表总辐射的大致比例。其像元FPAR值和太阳辐射总量SOL(x,t)值的具体计算参考文献[2]。
实际光能利用效率 ε是指植物把吸收的光合有效辐射(PAR)转换为有机碳的效率。由式(3)求得。
ε ( x , t ) = T ε 1 ( x , t ) T ε 2 ( x , t ) W ε ( x , t ) ε m a x 　 。
式中:Tε1(x,t)为研究区极端低温或高温对植被光合作用的限制;Tε2(x,t)为研究区环境温度从最适温度转变为高温和低温时对植被光合作用的限制;Wε(x,t)为水分对植被生长的胁迫系数;εmax是地表植被最大光能利用率(gC/MJ),本研究采用朱文泉等[26]的计算结果。
Tε1(x,t)和Tε2(x,t)的具体计算公式见参考文献[27]。水分胁迫系数Wε(x,t)取值范围为[0.5,1],其中0.5表示极干旱,1表示极湿润。CASA模型中水分胁迫系数是根据区域实际蒸散量和潜在蒸散量计算的,但由于该模型比较复杂,需要大量的土壤参数,并且很难获取,因此本文根据前人[28]的研究,使用式(4)计算。
W ε = 0.5 + P P m a x 1 - 1 + L S W I 1 - L S W I m a x + 0.5 　 。
式中:LSWI表示地表水分指数;LSWImax为生长季每个像元的最大LSWI值;P和Pmax分别代表月降水量和生长季降水量的最大值。LSWI由式(5)计算。
L S W I = b 02 - b 06 b 02 + b 06 　 。
式中b02和b06分别代表MOD09A1的第二波段和第六波段。

2.2 NPPH估算

NPPH的计算式为
N P P H = N P P P - N P P A 　 。
NPPA可由式(1)计算得到;NPPP采用周广胜模型[29]来估算。NPPH<0表示人类活动促进植被NPP,反之则表示人类活动对植被NPP产生负影响。
NPPP具体计算公式为
N P P = R D I 2 r ( 1 + R D I + R D I 2 ) ( 1 + R D I ) ( 1 + R D I 2 ) · e x p ( - 9.87 + 6.25 R D I ) 　 。
式中:RDI为辐射干燥度,其计算公式见参考文献[29];r为年降水量(mm)。

2.3 人类活动相对影响贡献率指数(RICI)

在NPPH和NPPP的基础上,参照毛德华[18]建立的人类活动相对影响贡献率指数(RICI),采用式(8)来对人类活动对植被NPP的影响进行定量评价。
R I C I = N P P H / N P P P 　 。
当RICI值越大,说明人类活动对植被NPP的干扰强度越大或对植被的保育作用越明显;当RICI值>0.5时,表示人类活动的影响比气候条件更为显著,否则表明气候因素是吕梁山NPP变化最重要的驱动力。

3 结果与分析

3.1 NPPA的精度验证

不同模型、不同区域估算的植被NPP存在较大差异,因此有必要对估算结果进行精度评价以检验模型的适用性。受条件限制,难以获取研究区的实测NPP数据,因此将模拟的吕梁山区域植被NPPA值与MOA17A3H产品NPP值进行对比验证,通过逐像元分析研究结果与MOD17A3H数据产品的相关性大小,以判断本研究结果的可靠性。这样既避免了MOA17A3NPP数据存在异常值导致结果不完整或者失真的问题,同时实现利用有效值评价研究结果估算精度的目的。二者的相关性如图2所示。
图2 本研究估算NPPA值与MOD17A3H产品NPP值相关性

Fig.2 Correlation between NPPA value estimated in the present study and that by MOD17A3H

从图2可知,NPPA估算结果与MOD17A3H产品NPP值的R2达到0.67,说明本文通过CASA模型估算的NPPA结果合理,该数据可以用来研究吕梁山植被NPPA时空变化特征。

3.2 植被NPPA和NPPH的时空变化特征

由图3可知,吕梁山植被NPPA年际波动明显,2000—2019年吕梁山植被NPPA年均值在197.41~383.50 gC/(m2·a)之间变化,经线性拟合,吕梁山植被NPPA值整体趋势为缓慢上升,增长速率为9.59 gC/(m2·a)。在研究时段内,吕梁山植被NPPA在2001—2002年、2018—2019年明显增长,在2000—2001年、2015—2016年明显减少,2019年植被NPPA达到最高值383.50 gC/(m2·a),在2001年出现最低值为197.41 gC/(m2·a),该年植被NPPA值较低主要原因是当时中国的北方地区遭遇大旱,降水少,不利于植被生长。
图3 2000—2019年吕梁山NPPA年际变化及面积占比

Fig.3 Interannual changes and area proportions of NPPA in the Lüliang Mountains from 2000 to 2019

将吕梁山植被NPPA均值所占面积百分比划分为4个等级:0~200、200~400、400~600、>600 gC/(m2·a)。结果表明:2000年、2001年研究区植被NPPA集中在0~200 gC/(m2·a),所占比例分别为60.22%、68.52%;2002—2019研究区植被NPPA多集中在200~400 gC/(m2·a),比例在44.16%~69.89%之间变化;吕梁山NPPA均值在400~600 gC/(m2·a)之间的面积占比在8.37%~20.20%之间变化,且在整个研究时段内该区间面积占比有增加的趋势;吕梁山植被NPPA均值>600 gC/(m2·a)所占比例除2000年、2001年<3%之外,其余年份在4%~11%之间变化。2000—2019年是“三北防护林”二阶段的第四期、五期工程实施阶段,吕梁山是该生态恢复工程的重点实施区域,研究区植被NPPA呈明显的上升趋势,这表明生态恢复工程的实施对植被NPP的促进效果十分显著,这与孙从建等[30]研究结果相同。
由图4(a)可以看出,2000—2019年吕梁山植被NPPA整体上呈东高西低、南高北低的空间分布格局。高值区主要分布在吕梁山中南部,包括吕梁交城县、临汾吉县等地区;低值区主要分布在吕梁山西侧和北侧,包括吕梁临县、朔州平鲁区等地方。图4(b)为通过slope趋势分析[30]逐栅格计算植被NPPA的变化速率。2000—2019年吕梁山植被NPPA变化速率在-38.47~63.83 gC/(m2·a)之间变化,平均变化速率为9.59 gC/(m2·a)。吕梁山95.59%的区域植被NPPA值呈增长状态,4.41%的区域呈减少状态。NPPA增长较快的区域主要分布在吕梁山中南部,包括临汾乡宁县、临汾吉县等区域;NPPA降低区域主要分布在吕梁文水县、太原清徐县等区域。根据slope趋势分析结果,将研究区分为极显著增加/下降(P<0.01)、显著增加/减少(P<0.05)、变化不显著(P>0.05)五类,如图4(c)所示。
图4 2000—2019年吕梁山植被NPPA均值空间分布、年际变化速率、显著性

Fig.4 Spatial distribution, interannual change rate, and significance of average NPPA in the Lüliang Mountains from 2000 to 2019

吕梁山植被NPPA变化不显著的区域占38.24%,主要分布在临汾永和县、吕梁汾阳市等区域;NPPA增加的区域占总面积的61.14%,其中显著增加面积占27.69%,极显著增加面积占33.45%,主要分布在吕梁山的中部和西部,主要包括吕梁方山县、临汾吉县等区域;减少的区域较少,约占总面积的0.62%,零散地分布在研究区内。这表明在研究时段内吕梁山的植被得到显著改善。吕梁山极显著增加和显著增加区域可能得益于“三北防护林”、太行山和吕梁山生态保护修复工程等政策,使得研究区内的植被特别是林地有所增加;减少的区域可能是由于城镇化的不断发展,许多耕地转为建设用地,生态系统遭到破坏,使NPP减少。
综上所述,吕梁山植被NPPA空间分布为自东南向西北减少,且主要以显著和极显著增加为主,这与王江涛等[31]、李登科等[32]研究结果相同。
图5(a)反映了周边植被对人类活动的响应情况。2000—2019年,NPPH均值为238.11 gC/(m2·a),呈增加趋势且具有明显的空间差异性。吕梁山西侧是NPP损失最多的区域,主要是由于这些区域人类活动频繁,造成了NPP损失最多;吕梁山中部和东南部的NPPH大部分为负值,可能是这些区域以林地为主,受到较少的人为干扰。不同的人类活动强度和土地利用类型进一步导致植被NPP在空间上的差异。通过slope趋势分析计算NPPH的变化斜率,结果如图5(b)所示。研究区内NPPH变化斜率为在-75.33~44.35 gC/(m2·a)之间变化,其平均值为-10.34 gC/(m2·a),研究期间呈减少趋势,表明人类活动造成的NPP损失逐年减少。
图5 2000—2019年吕梁山NPPH均值空间分布、变化速率

Fig.5 Spatial distribution and change rate of average NPPA in the Lüliang Mountains from 2000 to 2019

3.3 土地利用变化对吕梁山植被NPPA的影响

3.3.1 不同土地利用类型NPPA变化

将植被NPPA数据与土地利用类型数据进行叠加分析可知,不同土地利用类型NPPA多年均值和NPPA多年总量差异明显,结果如图6所示。
图6 2000—2019年吕梁山不同土地利用类型NPPA多年均值和多年总量、年均值

Fig.6 Multi-year average, multi-year total, and annual average NPPA of different land use types in the Lüliang Mountains from 2000 to 2019

总体来看,吕梁山各土地利用类型的NPPA多年均值排序为:林地(508.10 gC/(m2·a))>灌木(357.19 gC/(m2·a))>草地(291.20 gC/(m2·a))>农田(253.96 gC/(m2·a))>水体(242.90 gC/(m2·a))>建设用地(198.37 gC/(m2·a))>裸地(138.46 gC/(m2·a))。在不同的土地利用类型中,草地是吕梁山NPPA多年总量最高的土地利用类型,达到205.34 TgC,远超其他6种土地利用类型NPPA多年总量,主要原因是因为吕梁山有丰富的草地资源,占吕梁山总面积的65%;林地的NPPA多年总量仅次于草地,为71.87 TgC,这是因为林地的最大光能利用率较高且分布广泛;其他5种土地利用类型的NPPA多年总量大小为:农田(25.14 TgC)>灌木(14.0 TgC)>水体(7.96 TgC)>建设用地(3.67 TgC)>裸地(0.02 TgC),这与分布面积和土地利用类型有一定的关系。

3.3.2 土地利用类型对吕梁山NPPA的影响

总体来看,2000—2019年间,吕梁山土地利用类型发生变化的面积共1.11×104 km2,占研究区土地总面积的19.63%(表1)。农田、林地、草地和水体之间的相互转换为该地区土地利用转移的主要特征。结合图7可知,草地主要集中在吕梁山西侧,农田主要分布在临汾盆地和吕梁市南部。由表1可知,2000—2019年草地面积净减少6.50×103 km2,跌幅达到14.63%;林地面积净增加1.22×103 km2,增幅为20.85%;农田面积净增加3.58×103 km2,增幅为118.28%。
表1 2000—2019年吕梁山土地覆被转移矩阵

Table 1 Conversion matrix of land use in the Lüliang Mountains from 2000 to 2019km2

土地
利用
类型		 草地 建设
用地		 灌木 林地 裸地 农田 水体 流出 总计
草地 37 042 25 332 2 092 4 2 839 2 074 7 366 44 408
建设
用地		 14 842 0 2 0 16 7 39 881
灌木 6 0 241 659 0 0 1 666 907
林地 474 7 675 4 288 0 345 95 1 596 5 884
裸地 1 1 0 0 3 5 1 8 11
农田 143 93 1 28 0 2 643 121 386 3 029
水体 228 29 10 42 0 764 495 1 063 1 558
流入 866 145 1 018 2 823 4 3 969 2 299
总计 37 908 987 1 259 7 111 7 6 612 2 794 0 56 678
图7 吕梁山2000年、2019年土地利用类型RICI

Fig.7 RICI of land use types of Lüliang Mountains in 2000 and 2019

人为活动下土地利用类型的转变是影响植被NPP变化的重要原因,其影响因素主要来源于土地利用变化过程及其用地功能转变[33]。因此将2000年和2019年植被NPPA的差值与土地利用类型在对应年份内的转移面积相乘,得到不同土地利用类型变化下的NPPA损益流[29],结果如表2所示。由于裸地面积占比极低,所以裸地不纳入计算。由表2可知,2000—2019年,在土地利用变化、气候等多种因素影响下,NPPA净增加1.96 TgC。林地转为其他土地利用类型,使得林地NPPA总量损失0.121 TgC,占损失总量的17.85%。随着城镇化不断加快,使得区域内土地功能发生改变,生态系统结构变化和功能降低,导致植被NPPA下降,城市面积增加106 km2,城市面积的增加导致NPPA损失0.108 TgC,占损失总量的17.83%。草地转为农田和水体,共损失0.368 TgC,占损失总量的54.23%。在2000—2019年土地利用类型没有发生变化的NPPA总量却出现了增加趋势,这与不同的地域格局和水热条件有关。李志祥等[34]在研究山西省六大煤田NPP时也得到了相似的结果。
表2 2000—2019土地利用类型转换过程的NPPA净变化值

Table 2 Net changes of NPPA of land use conversion from 2000 to 2019TgC

土地利用类型 草地 建设用地 灌木 林地 农田 水体
草地 6.09 -0.004 0.005 0.908 -0.210 -0.158
建设
用地		 0.000 0.027 0.003 0.134 0.005 0.001
灌木 -0.021 0.000 0.029 0.29 0.000 0.000
林地 -0.064 -0.001 -0.039 0.902 -0.015 -0.002
农田 0.222 -0.106 0.000 0.37 0.247 -0.02
水体 0.133 -0.002 0.001 0.33 0.263 0.068

3.4 植被生产力变化中RICI时空分布

3.4.1 RICI年际变化

统计吕梁山2000—2019年RICI值的变化趋势,其结果如图8所示。可知,2000—2019年吕梁山平均RICI值表现为在波动中缓慢减少趋势,减少趋势为每年0.007 9,说明该区域的植被NPP受到人类活动的影响正在逐渐减弱。吕梁山RICI值存在着明显的年际变化差异,主要受人类活动的影响,2000年以来RICI值在0.39~0.63之间变化,反映出人类活动在吕梁山植被NPP变化中主要为干扰因素。2000年、2001年的RICI值增加,主要因为退耕还林还草实施初期,退耕地上没有生长出新的植被,所以人类活动对植被表现为干扰;在2006—2015年之间,RICI值虽为波动减少趋势但RICI值>0.5,主要是在这期间人类过度开垦农田、过度砍伐,导致植被覆盖率低,植被生长环境比较恶劣。
图8 吕梁山2000—2019年RICI值年际变化

Fig.8 Interannual change of RICI in the Lüliang Mountains from 2000 to 2019

其中,2019年RICI值在近20 a中最低为0.39,表明人类活动对植被NPP的负面影响相对较小,生态系统保持健康稳定发展。2015—2016年RICI值为增加趋势,可能是由于2016年为吕梁山生态脆弱区林业生态综合治理工程的开始阶段,人为活动较为严重。
综上所述,吕梁山受人类保护效果较好,如吕梁山生态脆弱区林业生态综合治理工程、退耕还林还草、吕梁山和太行山生态修复工程等对吕梁山植被的保护与恢复起到重要的作用,降低了人类活动对吕梁山的负面干扰效应[19]。

3.4.2 RICI空间分布特征

逐栅格计算2000—2019年吕梁山人类活动相对影响贡献率的平均值,结果如图9(a)所示。统计得到吕梁山RICI多年平均值为0.518,表示人类活动对吕梁山植被NPP的影响贡献率是51.80%,表明在研究期内人类活动对吕梁山植被起到负面干扰作用,导致植被NPP明显减少。据统计约有89.48%的区域为正值,其中37.97%的区域RICI值>0.5,这些区域主要集中在吕梁山西侧和东南部,西侧包括吕梁兴县、吕梁柳林县、朔州平鲁区、忻州偏关县等区域,这些地区矿区众多,以露天开采为主的开采方式对植被造成了巨大的影响;东南部主要包括吕梁汾阳市、吕梁孝义市等区域,这些区域主要以农田为主,耕种、灌溉等活动也会对植被造成影响。51.51%区域的RICI值介于0~0.5之间,广泛分布在吕梁山南部和中部,包括临汾吉县、临汾汾西县、忻州岢岚县等区域。仅有10.52%的区域为负值,主要分布在吕梁交城县、临汾大宁县、吕梁方山县等区域,表明该区域的植被处于有效的保护工程中,且该区域主要以林地为主,陆地生态系统稳定发展,受人类活动的影响程度较小,植被NPP值相对较高。
图9 吕梁山人类活动相对影响贡献率的平均值、变化速率、显著性检验

Fig.9 Average value, change rate, and significance of the contribution rate of human activities

由图9(b)可知,RICI值呈减少状态的区域占研究区的97.40%,呈增加状态的区域占2.60%。同时结合图9(c)可知,2000—2019年吕梁山有64.43%的区域RICI值未发生明显变化,面积约为36 500.35 km2,主要分布在临汾大宁县、临汾永和县、忻州五寨县、忻州神池县、朔州朔城区等城市;有35.31%的区域RICI值呈极显著减少和显著减少,面积约为19 991.96 km2,集中分布在吕梁山西侧和中部,主要包括吕梁临县、吕梁兴县、忻州保德县、吕梁交城县、朔州平鲁区等区域,这些区域人类活动对地表植被的影响逐渐减少,可能是由于这些地区近些年来采取的煤田生态修复和植树造林推进生态农业等措施,使得当地的生态环境改善,促进植被生长;RICI值呈显著增加和极显著增加的面积为154.94 km2,占总面积的0.26%,零散地分布在研究区内。

4 结论

本研究基于改进的CASA模型估算吕梁山2000—2019年的植被NPPA,结合周广胜模型估算的NPPP计算NPPH,通过人类相对活动影响贡献率(RICI)研究人类活动对植被NPP的影响,结果有助于深入了解当地生态系统的演变历程,制定更科学的生态保护和生态恢复策略。主要结论如下:
(1)2000—2019年,吕梁山植被NPPA呈缓慢上升趋势,而植被NPPH呈下降趋势,两者具有明显的空间差异。全区NPPA整体呈东南向西北减少的分布格局,NPPH整体表现为自东南向西北增加的分布格局。
(2)2000—2019年,吕梁山地区各地类NPPA多年均值排序为:林地>灌木>草地>农田>水体>建设用地>裸地。
(3)在2003年,人类活动对吕梁山植被NPP的影响最为严重,使得植被NPP明显减少。在2003—2015年间,人类活动对研究区植被NPP的负面影响相对较少。特别是自2016年之后,人类活动对植被的保育作用明显增强。
(4)吕梁山RICI多年均值为0.518,表明人类活动是植被NPP变化最重要的驱动力。从RICI变化趋势来看,RICI呈缓慢下降趋势,表明人类活动对吕梁山植被NPP的干扰程度正在减少,相关的生态修复工程取得了阶段性的进展。因此,未来应继续推进生态保护工程建设,以减少人类活动对吕梁山植被NPP的不良影响。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈玉森, 艾柯代·艾斯凯尔, 王永东, 等. 1994—2018年哈萨克斯坦首都圈植被NPP时空变化特征及驱动因素[J]. 干旱区研究, 2022, 39(6): 1917-1929.

DOI

(CHEN Yu-sen, ASKARL A, WANG Yong-dong, et al. Characteristics and Drivers of the Spatial-temporal Change of Net Primary Productivity in the Capital Area of Kazakhstan from 1994 to 2018[J]. Arid Zone Research, 2022, 39(6): 1917-1929. (in Chinese))

[2]
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 Xu-yang, ZHANG Fu-ping, LI Ling, 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. (in Chinese))

[3]
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.

DOI

(LI Shi-yao, CONG Shi-xiang, WANG Rong-rong, 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. (in Chinese))

DOI

[4]
杨安乐, 张小平, 李宗省, 等. 气候变化和人类活动对祁连山国家公园植被净初级生产力的定量影响[J]. 生态学报, 2023, 43(5): 1784-1792.

(YANG An-le, ZHANG Xiao-ping, LI Zong-xing, et al. Quantitative Analysis of the Impacts of Climate Change and Human Activities on Vegetation NPP in the Qilian Mountain National Park[J]. Acta Ecologica Sinica, 2023, 43(5): 1784-1792. (in Chinese))

[5]
ZHOU W, GANG C, ZHOU F, 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.

[6]
LIU L, GUAN J, HAN W, et al. Quantitative Assessment of the Relative Contributions of Climate and Human Factors to Net Primary Productivity in the Ili River Basin of China and Kazakhstan[J]. Chinese Geographical Science, 2022, 32(6): 1069-1082.

[7]
WANG Y, DOU T. Human Activities rather than Climate Dominated the Grassland Net Primary Production in the Three Basins of the Hexi Corridor,North-western China[J]. River, 2023, 2(2): 210-221.

[8]
ZHANG Y, ZHANG C, WANG Z, et al. Vegetation Dynamics and Its Driving Forces from Climate Change and Human Activities in the Three-river Source Region, China from 1982 to 2012[J]. The Science of the Total Environment, 2016, 563/564: 210-220.

[9]
石晓丽, 史文娇. 气候变化和人类活动对耕地格局变化的贡献归因综述[J]. 地理学报, 2015, 70(9):1463-1476.

DOI

(SHI Xiao-li, SHI Wen-jiao. Identifying Contributions of Climate Change and Human Activities to Spatial-temporal Cropland Changes: a Review[J]. Acta Geographica Sinica, 2015, 70(9): 1463-1476. (in Chinese))

DOI

[10]
LI D, XU D, WANG Z, et al. The Dynamics of Sand-stabilization Services in Inner Mongolia, China from 1981 to 2010 and Its Relationship with Climate Change and Human Activities[J]. Ecological Indicators, 2018, 88: 351-360.

[11]
谢宝妮, 秦占飞, 王洋, 等. 黄土高原植被净初级生产力时空变化及其影响因素[J]. 农业工程学报, 2014, 30(11): 244-253.

(XIE Bao-ni, QIN Zhan-fei, WANG Yang, et al. Spatial and Temporal Variation in Terrestrial Net Primary Productivity on Chinese Loess Plateau and Its Influential Factors[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(11): 244-253. (in Chinese))

[12]
ZHANG R, LIANG T, 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: 2888.

DOI PMID

[13]
WU Y, LUO Z, WU Z. The Different Impacts of Climate Variability and Human Activities on NPP in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Remote Sensing, 2022, 14(12): 2929.

[14]
GUO B, HAN B, YANG F, et al. Determining the Contributions of Climate Change and Human Activities to the Vegetation NPP Dynamics in the Qinghai-Tibet Plateau, China, from 2000 to 2015[J]. Environmental Monitoring and Assessment, 2020, 192(10): 663.

[15]
YANG F, WANG J, ZHANG C, et al. The Impact of Human Activities on Net Primary Productivity in a Grassland Open-pit Mine: The Case Study of the Shengli Mining Area in Inner Mongolia, China[J]. Land, 2022, 11(5): 743.

[16]
张心茹, 曹茜, 季舒平, 等. 气候变化和人类活动对黄河三角洲植被动态变化的影响[J]. 环境科学学报, 2022, 42(1): 56-69.

(ZHANG Xin-ru, CAO Qian, JI Shu-ping, et al. Quantifying the Contributions of Climate Change and Human Activities to Vegetation Dynamic Changes in the Yellow River Delta[J]. Acta Scientiae Circumstantiae, 2022, 42(1): 56-69. (in Chinese))

[17]
李登科, 王钊. 气候变化和人类活动对陕西省植被NPP影响的定量分析[J]. 生态环境学报, 2022, 31(6):1071-1079.

DOI

(LI Deng-ke, WANG Zhao. Quantitative Analysis of the Impact of Climate Change and Human Activities on Vegetation NPP in Shaanxi Province[J]. Ecology and Environmental Sciences, 2022, 31(6): 1071-1079. (in Chinese))

[18]
毛德华. 定量评价人类活动对东北地区沼泽湿地植被NPP的影响[D]. 哈尔滨: 中国科学院研究生院(东北地理与农业生态研究所), 2014.

(MAO De-hua. Quantitative Evaluation of the Influence of Human Activities on NPP of Swamp Wetland Vegetation in Northeast China[D]. Harbin:Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, 2014. (in Chinese))

[19]
盛叶子, 曾蒙秀, 林德根, 等. 2000—2014年人类活动对贵州省植被净初级生产力的影响[J]. 中国岩溶, 2020, 39(1): 62-70.

(SHENG Ye-zi, ZENG Meng-xiu, LIN De-gen, et al. Impacts of Human Activities on Net Primary Productivity of Vegetation in Guizhou Province from 2000 to 2014[J]. Carsologica Sinica, 2020, 39(1): 62-70. (in Chinese))

[20]
吴艳艳, 吴志峰, 余世孝. 定量评价人类活动对净初级生产力的影响[J]. 应用生态学报, 2017, 28(8):2535-2544.

DOI

(WU Yan-yan, WU Zhi-feng, YU Shi-xiao. Quantitative Assessment of the Impacts of Human Activities on Net Primary Productivity[J]. Chinese Journal of Applied Ecology, 2017, 28(8):2535-2544. (in Chinese))

DOI

[21]
王祎婷, 邹蕊, 王欣悦, 等. 塔拉滩地区光伏电站建设对植被净初级生产力的影响[J]. 农业工程学报, 2022, 38(24): 153-161.

(WANG Yi-ting, ZOU Rui, WANG Xin-yue, et al. Impact of Photovoltaic Power Plant Construction on the Net Primary Productivity of Vegetation in the Tala Shoal Areas[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(24): 153-161. (in Chinese))

[22]
宋晓静, 周淑琴, 荆耀栋, 等. 吕梁山植被时空分布规律及地形差异影响[J]. 湖北农业科学, 2021, 60(5): 53-58, 67.

(SONG Xiao-jing, ZHOU Shu-qin, JING Yao-dong, et al. Temporal and Spatial Distribution of Vegetation in Lüliang Mountain and the Influence of Topographical Differences[J]. Hubei Agricultural Sciences, 2021, 60(5): 53-58, 67. (in Chinese))

[23]
孙常春. 浅析吕梁山生态脆弱区林业生态工程建设[J]. 山西林业, 2021(6): 10-11.

(SUN Chang-chun. Analysis on Forestry Ecological Engineering Construction in Lüliang Mountain Ecological Vulnerable Area[J]. Forestry of Shanxi, 2021(6): 10-11. (in Chinese))

[24]
PENG S, DING Y, LIU W, 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.

[25]
POTTER C S, RANDERSON J T, FIELD C B, et al. Terrestrial Ecosystem Production: a Process Model Based on Global Satellite and Surface Data[J]. Global Biogeochemical Cycles, 1993, 7(4): 811-841.

[26]
朱文泉, 潘耀忠, 张锦水. 中国陆地植被净初级生产力遥感估算[J]. 植物生态学报, 2007, 31(3):413-424.

DOI

(ZHU Wen-quan, PAN Yao-zhong, ZHANG Jin-shui. Estimation of Net Primary Production of Chinese Terrestrial Vegetation Based on Remote Sensing[J]. Journal of Plant Ecology, 2007, 31(3):413-424. (in Chinese))

[27]
BAO G, BAO Y, QIN Z, et al. Modeling Net Primary Productivity of Terrestrial Ecosystems in the Semi-arid Climate of the Mongolian Plateau Using LSWI-based CASA Ecosystem Model[J]. International Journal of Applied Earth Observation and Geoinformation, 2016, 46: 84-93.

[28]
李传华, 曹红娟, 范也平, 等. 基于校正的CASA模型NPP遥感估算及分析: 以河西走廊为例[J]. 生态学报, 2019, 39(5): 1616-1626.

(LI Chuan-hua, CAO Hong-juan, FAN Ye-ping, et al. Remote Sensing Estimation and Analysis of Net Primary Productivity (NPP) Based on Corrected CASA Model: a Case Study of Hexi Corridor[J]. Acta Ecologica Sinica, 2019, 39(5): 1616-1626. (in Chinese))

[29]
周广胜, 郑元润, 罗天祥, 等. 自然植被净第一性生产力模型及其应用[J]. 林业科学, 1998, 34(5): 2-11.

(ZHOU Guang-sheng, ZHENG Yuan-run, LUO Tian-xiang, et al. NPP Model of Natural Vegetation and Its Application in China[J]. Scientia Silvae Sinicae, 1998, 34(5): 2-11. (in Chinese))

[30]
孙从建, 乔鹏, 王佳瑞, 等. 2000年来吕梁连片贫困区植被净初级生产力时空变化特征[J]. 生态学报, 2022, 42(1): 277-286.

(SUN Cong-jian, QIAO Peng, WANG Jia-rui, et al. Spatio-temporal Variation Characteristics of Net Primary Productivity in Lvliang Contiguous Poverty Areas since 2000[J]. Acta Ecologica Sinica, 2022, 42(1): 277-286. (in Chinese))

[31]
王江涛, 杨永崇, 杨梅焕. 基于地理探测器的黄土高原NPP时空变化及驱动力研究[J]. 西安理工大学学报, 2023, 39(1): 12-20.

(WANG Jiang-tao, YANG Yong-chong, YANG Mei-huan. Spatial and temporal variation and driving forces of NPP on the Loess Plateau based on Geodetector[J]. Journal of Xi’an University of Technology, 2023, 39(1): 12-20. (in Chinese))

[32]
李登科, 王钊. 基于MOD17A3的中国陆地植被NPP变化特征分析[J]. 生态环境学报, 2018, 27(3):397-405.

DOI

(LI Deng-ke, WANG Zhao. The Characteristics of NPP of Terrestrial Vegetation in China Based on MOD17A3 Data[J]. Ecology and Environmental Sciences, 2018, 27(3): 397-405. (in Chinese))

[33]
温旭丁, 罗赵慧, 符良刚. 气候与土地利用变化对粤港澳大湾区NPP的影响[J]. 广西科学, 2021, 28(3):290-300.

(WEN Xu-ding, LUO Zhao-hui, FU Liang-gang. Effects of Climate and Land Use Change on NPP in Guangdong-Hong Kong-Macao Greater Bay Area[J]. Guangxi Sciences, 2021, 28(3):290-300. (in Chinese))

[34]
李志祥, 张艺凡, 张和生. 山西省六大煤田植被净初级生产力对土地覆被变化的响应[J]. 中国矿业, 2021, 30(5):107-114.

(LI Zhi-xiang, ZHANG Yi-fan, ZHANG He-sheng. Response of Net Primary Productivity of Vegetation to Land Cover Change in Six Coal Fields of Shanxi Province[J]. China Mining Magazine, 2021, 30(5):107-114. (in Chinese))

Options
文章导航

/

〈 〉

*严禁使用本系统存储、处理、传输涉密信息*
版权所有 © 《长江科学院院报》编辑部
技术支持：北京玛格泰克科技发展有限公司