2. 聊城大学环境与规划学院, 252000, 山东聊城
-
项目名称
- 国家自然科学基金"我国生态脆弱区能源开发生态效应测评与调控研究"(41371523)
-
第一作者简介
- 段艺芳(1980-), 女, 博士研究生, 讲师。主要研究方向:资源环境遥感与GIS。E-mail:duanyifang@snnu.edu.cn
-
通信作者简介
- 任志远(1953-), 男, 学士, 教授。主要研究方向:国土资源开发与生态环境评价。E-mail:renzhy@snnu.edu.cn
-
文章历史
-
收稿日期:2019-09-20
修回日期:2020-04-20
2. 聊城大学环境与规划学院, 252000, 山东聊城
2. College of Environment and Planning, Liaocheng University, 252000, Liaocheng, Shandong, China
作为表征陆地生态系统自身健康和生态平衡的重要指示因子,植被净初级生产力(net primary productivity, NPP)与碳平衡、气候变化和土地利用变化等关系密切[1]。随着人类活动强度的加剧,植被NPP人为影响定量研究正逐渐成为区域生态环境研究领域的新热点,Sue等[2]、吴艳艳等[3]、刘爱琳等[4]、李传华等[5]都通过不同的定量指标分析人类活动植被NPP的影响。而陕北区域生态环境在退耕还林(草)生态工程的积极影响下有所改善,但随着国家战略重点西移和建设新丝绸之路经济带等政策的提出,对土地、煤炭、天然气等资源的开发规模逐渐加大,区域生态环境也不可避免地受到人为负向影响。在此背景下,一些学者对该区域植被NPP时空变化及其影响因素开展了相关研究[6-7],但研究成果均侧重于分析气温、降水、辐射、干旱等自然因子对植被NPP的影响,而通过构建数学模型对植被NPP人为影响程度进行定量测评的研究成果相对缺乏。基于此,笔者运用人为影响测评模型定量测算陕北植被NPP人为影响值,定量分析陕北植被NPP人为影响的时空变化趋势及影响因素,以便科学管理和保护植被,进而为权衡区域水土保持服务与社会经济发展奠定理论基础。
1 研究区概况陕北地处黄土高原中部,位于E 107°15′~110°15′,N 35°02′~39°35′之间,南靠北山与关中平原相接,西靠子午岭与甘肃、宁夏两省相邻,北依鄂尔多斯高原,东隔黄河峡谷与晋西毗邻内蒙古自治区接壤。行政区划主要包括榆林、延安2个地级市,共23个县级市和2个市辖区,总面积8.03万km2。地势西北高东南低,北部长城沿线为风沙区,南部为丘陵沟壑区;气候上,属于温带干旱半干旱大陆性季风气候区,年均温7~12 ℃,年均降水量350~600 mm;植被地带分布上,处于暖温性草原带,是荒漠、荒漠草原向森林草原的过渡区。
2 数据与方法NDVI月值序列数据是对MODIS13Q1数据(空间分辨率为250 m,时间分辨率为16 d,时间序列为2001年1月1日—2014年12月18日,共672景)进行拼接、投影转换、合成后生成。植被覆盖数据采用2000、2005、2010和2015年4个时期的土地覆被类型数据,来源于中国科学院资源环境科学数据中心(http://www.resdc.cn),空间分辨率为1 km。气象数据为2001—2014年陕北及周边22个气象台站平均气温、总降水量、总日照时间等月值数据,来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn)。
2.1 CASA模型考虑到CASA模型[8]在区域植被生产力的测算中应用最广泛,且所需数据易获取,测算结果更准确,故本研究采用CASA模型估算陕北植被NPP,模型中参数参考朱文泉等[9]和宋富强等[10]的研究成果。
2.2 人为影响测评模型笔者通过人为影响测评模型[11]间接测算NPP人为影响值:
$ {{H_{{\rm{NPP}}}} = {A_{{\rm{NPP}}}} - {T_{{\rm{NPP}}}};} $ | (1) |
$ {{C_{\rm{H}}} = \frac{{{\delta _A}}}{{{\mu _A}}} - \frac{{{\delta _T}}}{{{\mu _T}}} \times {\omega _T} - \frac{{{\delta _R}}}{{{\mu _R}}} \times {\omega _R}。} $ | (2) |
式中:HNPP为NPP人为影响值,其值表征排除气候影响后人类活动对植被NPP产生的正向影响(>0)或负向影响(< 0),g/(m2·a);ANPP为实际NPP,由CASA模型估算得到;CH为HNPP的变异系数;δA、δT、δR和μA、μT、μR分别为ANPP、气温、降水的标准差和算术平均值;ωT、ωR分别为气温、降水对植被NPP的影响权重,其值通过求NPP与气温、降水因子的偏相关系数得到;TNPP为理论NPP,其值需通过对CH的绝对值在零(取值0.005)附近的栅格(即无人为影响点位)对应的实际NPP进行空间插值获取。
2.3 趋势分析笔者通过计算HNPP的Theil-Sen趋势度来表征陕北植被NPP人为影响程度的变化趋势。具体SEN趋势度计算公式见参考文献[12]。
2.4 土地利用程度测度根据刘纪远[13]提出的土地利用程度综合分析方法确定土地利用程度分级指数,建立数学模型:
$ L = 100 \times \sum\limits_{i = 1}^n {{A_i}} {C_i}。$ | (3) |
式中:L为土地利用程度综合指数;Ai为i级土地利用程度分级指数;Ci为i级土地利用程度面积比例。
3 结果与分析 3.1 植被NPP人为影响空间分布2001—2014年,陕北植被NPP人为影响整体呈正负交错空间分布格局(图 1),负向影响面积占比(64.92%)明显大于正向影响(35.08%),因人为干扰植被NPP年均减少值为-34.28 g/(m2·a),年均增加值为24.12 g/(m2·a)。受能源建设及农牧业影响,中度和强烈等级负向影响位于北部能源区和黄河沿岸、南部台塬农牧区,面积占比为12.38%;而受生态建设工程的积极影响,中度和强烈等级正向影响主要分布在南部丘陵沟壑区、东北部神木县、府谷县以及西部吴起县境内,面积占比为10.31%。从县区尺度看,黄龙县、黄陵县、富县、宜川县、甘泉县、宝塔区、吴起县和米脂县人类活动对植被NPP总体呈正向影响,人为影响均值介于2.13~95.78 g/m2之间,以黄龙县正向影响面积占比最大(82.50%),且一半以上属于中度和强烈等级;其余县区总体均呈负向影响,其中,延长县、延川县和清涧县负向影响最强,人为影响均值依次为-58.65、-57.17、-54.21 g/m2,绥德县、神木县、佳县和府谷县负向影响最弱,均值介于-13.41~-3.51 g/m2之间。值得一提的是,宝塔区、洛川县、宜川县正向影响区域面积略小于负向影响,但正向影响等级以中度和强烈为主,植被NPP对人类活动的响应较强烈,区域内差异性较大,环境问题较突出。
2001—2014年,陕北植被NPP人为影响值由-156.32 g/(m2·a)减弱至-24.84 g/(m2·a),但正向影响呈增强趋势,而负向影响呈减弱趋势,负向影响程度年均降低3.40 g/(m2·a),正向影响年均增加0.91 g/(m2·a),故总体上陕北生态治理成效已显现,以2013年正向影响最高,负向影响最低(图 2(a))。从县区尺度来看,2001—2014年间各县区植被NPP人为影响年均变化差异较大(图 2(b)),黄陵县、富县、洛川县、黄龙县和定边县总体呈正向影响减弱、负向影响增强趋势,以黄陵县年均变化速率最大,达-7.09 g/(m2·a);其余县区呈相反变化,以延长县年均变化速率最大,达18.21 g/(m2·a)。对正向影响而言,黄陵县、富县、洛川县、黄龙县和宜川县呈减弱趋势,年均降速介于-0.25~-7.09 g/(m2·a)之间,其余县区均呈增大趋势,以佳县年均增速最大,达3.19 g/(m2·a);对负向影响而言,洛川县、黄陵县、富县、黄龙县和定边县有所增强,年均变化以洛川县最大,为-5.94 g/(m2·a),其余县区均有所减弱。
2001—2014年间,陕北植被NPP人为影响变化趋势时空分异明显(图 3(a)),中部和东北部地区正向变化趋势显著,最高值(40.39 gC/(m2·a))位于安塞区,与该区域近14年退耕还林(草)生态建设力度较大有关;而西北和南部地区以负向变化趋势为主,最高值(-37.17 gC/(m2·a))位于黄陵县境内,与该区社会经济快速发展,生态建设速度相对放慢有关。
陕北人类活动对植被NPP的正向影响以增强趋势为主,增强区主要分布在榆阳区、神木县、府谷县和吴起县(图 3(b)),极显著和显著变化区面积占比仅为7.86%,主要分布在府谷县、神木县中部窟野河沿线的丘陵沟壑区以及榆阳区和米脂县交界处的榆溪河湿地,与该区退耕还林(草)实施力度相对较大关系密切。而南部以及吴起县和靖边县人为正向影响则主要呈减弱趋势(图 3(b)),但分布在吴起县和靖边县的显著、弱显著和极显著减弱区仅占0.82%,与该区退耕还林(草)实施力度逐渐减弱及城镇工矿建设用地增加有关。
陕北人类活动对植被NPP的负向影响亦以增强趋势为主,增强区分布范围较广,但显著或极显著变化区面积占比仅为8.82%,主要分布在北部榆神府能源区和中东部农牧区(图 3(c)),主要因为该区培育煤炭、电力、建材、化工产业力度较大,同时,半农半牧区草地退化等人为干扰亦大;而南部的富县-黄陵-洛川-黄龙一带以及榆阳区、靖边县和定边县负向影响主要呈减弱趋势(图 3(c)),说明该区植被生态有好转迹象。
3.3 植被NPP人为影响因素实证分析根据陕北土地利用、社会经济及生态治理实际情况,主要从以下4方面分析:
3.3.1 生态建设由逐年造林面积数据可知(图 4(a)),2002—2004年造林面积最大,同期植被NPP人为负向影响迅速减弱或转为正向影响,2005年之后生态工程继续稳步推进,陕北人类活动对植被NPP总体仍呈正向影响增强或负向影响减弱的趋势,说明生态建设有效增加了植被NPP。
由陕北逐年第二产业比例可知(图 4(a)),2001—2008年、2009—2012年2个时期,第二产业比例呈上升态势,而同期植被NPP人为影响均值大多为负,说明此时期人类活动对植被NPP以负向影响为主;而2009年、2013年第二产业比例分别较上年度下降3.28%、2.76%,且同期植被NPP人为影响均值为正,即人类活动对植被NPP的负向影响明显降低,正向影响上升。
3.3.3 城市扩张以延安市为例,计算出2001—2014年植被NPP人为影响多年均值及变化率,再以城市中心为圆心,生成10个1 km间隔缓冲区,统计结果显示(图 4(b)),城市周边地区植被NPP人为影响多年均值皆为负值,且距离城市中心越远NPP人为影响绝对值越小,表明植被NPP的人为负向影响呈减弱趋势,而NPP人为影响变化率则在1~5 km之内呈负向减小趋势,5 km之外呈负向增大趋势,说明城市扩张是植被NPP人为负向影响的主要诱因之一。
3.3.4 土地利用程度以2014年为例,采用等间隔法,将土地利用程度划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ级,统计分析植被NPP对土地利用程度高低的响应(表 1)。结果显示,Ⅱ级区人为正向影响值最大(1.76 g/m2),而负向影响值最小(-36.14 g/m2),主要原因是该区为生态建设重点区,生态建设扩大林地面积,而控制建设用地和耕地的面积;Ⅰ级区人为正向影响值最小、负向影响也较低,主要因为全区40.56%的未利用地分布于此区,而林地、草地占比仅为0.22%和0.86%,土地利用程度极低,生态条件极差,其植被NPP主要受气候影响;而Ⅲ、Ⅳ、Ⅴ级区人为负向影响值明显高于均高于Ⅰ、Ⅱ级区,主要是因为该区耕地、建设用地面积大,人类负向扰动相对较大所致。
1) 14年间,陕北植被NPP人为正向影响呈增强趋势,而负向影响呈减弱趋势,总体来看陕北生态治理成效已显现,且以2013年最显著。受复杂人为因素影响,陕北地区植被NPP对人类活动的响应具有明显的差异性,南部丘陵区、东北部的神木县、府谷县以及西部的吴起县受生态建设的正向影响较强,且变化趋势以正向效应(正向影响增强或负向影响减弱)为主;而北部能源区及南部台塬农业区则受能源开发及农牧业发展的负向影响较强,且变化趋势以负向效应(负向影响增强或正向影响减弱)为主,因此,还应进一步加大该区生态建设力度。
2) 退耕还林(草)生态工程建设是陕北植被NPP人为正向影响增强的主要原因,而能源产业比例的上升以及城市扩张则是人为负向影响逐渐增强的主要诱因。而植被NPP人为影响与土地利用程度之间并非简单的线性关系,土地利用程度Ⅱ级区植被NPP人为正向影响最强,Ⅴ级区负向影响最强。
5 讨论笔者所用植被NPP数据采用遥感模型估算获得,将其与部分实测数据对比验证,发现二者总体偏差较小,但耕地NPP估算值明显偏小(图 5),这可能与研究数据、最大光能利用率等参数的取值差异有关。由于目前我国NPP实测值还比较少,在模型的建立和选择上也没有统一的方法和标准,有必要继续加强相关研究,以更精确地对模拟结果进行拟合和校验。
陕北植被NPP人为正向影响有所增加,负向影响有所减弱,生态治理成效已显现,这与王钊等[6]、史晓亮等[7]提出的退耕还林(草)生态工程使陕北植被有所改善的研究结论基本一致。不过,受能源开发及农牧业发展的影响,北部能源区及南部台塬农业区以负向影响增强趋势、正向影响减弱趋势为主,该区生态建设应持续推进。本研究的不足之处在于植被NPP人为影响的时空变化趋势分析是基于年际尺度的,今后可基于季节或月度尺度,并结合退耕还林(草)生态工程的具体实施方案及社会经济发展数据进行植被NPP的情景预测分析,深入探讨不同政策情景下陕北植被NPP及水土保持发展变化规律,以期找到平衡社会经济发展与生态环境保护的支点。
[1] |
CHRISTOPHER B F, MICHAEL J B, JAMES T R, et al. Primary production of the biosphere:Integrating terrestrial and oceanic components[J]. Science, 1998, 281(5374): 237. DOI:10.1126/science.281.5374.237 |
[2] |
SUE E T, THOMAS S, STEVEN D M, et al. Accounting for land use in life cycle assessment:The value of NPP as a proxy indicator to assess land use impacts on ecosystems[J]. Science of the Total Environment, 2016, 550(8): 143. |
[3] |
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. WU Yanyan, WU Zhifeng, YU Shixiao. Quantitative assessment of the impacts of human activities on net primary productivity[J]. Chinese Journal of Applied Ecology, 2017, 28(8): 2535. |
[4] |
刘爱琳, 匡文慧, 闫慧敏, 等. 2000-2015年城市和工矿用地扩张对净初级生产力的影响[J]. 干旱区地理, 2017, 40(4): 805. LIU Ailin, KUANG Wenhui, YAN Huimin, et al. Impacts of urban and industrial land expansion on net primary productivity of China during 2000-2015[J]. Arid Land Geography, 2017, 40(4): 805. |
[5] |
李传华, 范也平, 曹红娟, 等. 基于CASA模型的植被第一性生产力人为影响定量研究:以石羊河流域为例[J]. 干旱区地理, 2018, 41(1): 142. LI Chuanhua, FAN Yeping, CAO Hongjuan, et al. Impact of human activities on net primary productivity based on the CASA model:A case study of the Shiyang River Basin[J]. Arid Land Geography, 2018, 41(1): 142. |
[6] |
王钊, 李登科. 2000-2015年陕西植被净初级生产力时空分布特征及其驱动因素[J]. 应用生态学报, 2018, 29(6): 1876. WANG Zhao, LI Dengke. Spatial-temporal distribution of vegetation net primary productivity and its driving factors from 2000 to 2015 in Shaanxi, China[J]. Chinese Journal of Applied Ecology, 2018, 29(6): 1876. |
[7] |
史晓亮, 杨志勇, 王馨爽, 等. 黄土高原植被净初级生产力的时空变化及其与气候因子的关系[J]. 中国农业气象, 2016, 37(4): 445. SHI Xiaoliang, YANG Zhiyong, WANG Xinshuang, et al. Spatial and temporal variation of net primary productivity and its relationship with climate factors in the Chinese Loess Plateau[J]. Chinese Journal of Agrometeorology, 2016, 37(4): 445. |
[8] |
同琳静, 刘洋洋, 王倩, 等. 西北植被净初级生产力时空变化及其驱动因素[J]. 水土保持研究, 2019, 26(4): 367. TONG Linjing, LIU Yangyang, WANG Qian, et al. Spatial and temporal dynamics of net primary productivity and its driving factors in Northwest China[J]. Research of Soil and Water Conservation, 2019, 26(4): 367. |
[9] |
朱文泉, 潘耀忠, 何浩, 等. 中国典型植被最大光利用率模拟[J]. 科学通报, 2006, 51(6): 700. ZHU Wenquan, PAN Yaozhong, HE Hao, et al. Simulation of the maximum light utilization efficiency of typical vegetation in China[J]. Chinese Science Bulletin, 2006, 51(6): 700. |
[10] |
宋富强, 康慕谊, 陈雅如, 等. 陕北黄土高原植被净初级生产力的估算[J]. 生态学杂志, 2009, 28(11): 2311. SONG Fuqiang, KANG Muyi, CHEN Yaru, et al. Estimation of vegetation net primary productivity on North Shaanxi Loess Plateau[J]. Chinese Journal of Ecology, 2009, 28(11): 2311. |
[11] |
王建邦, 赵军, 李传华, 等. 2001-2015年中国植被覆盖人为影响的时空格局[J]. 地理学报, 2019, 74(3): 504. WANG Jianbang, ZHAO Jun, ZHAO Chuanhua, et al. The spatial-temporal patterns of the impact of human activities on vegetation coverage in China from 2001 to 2015[J]. Acta Geographica Sinica, 2019, 74(3): 504. |
[12] |
闫俊杰, 吕光辉, 徐海量, 等. 2000-2014年塔里木河干流的植被覆盖与蒸散发时空变化及其关系[J]. 水土保持通报, 2018, 38(3): 248. YAN Junjie, LÜ Guanghui, XU Hailiang, et al. Spatial-temporal variations in vegetation cover and evapotranspiration and their relationship in Tarim River during 2000-2014[J]. Bulletin of Soil and Water Conservation, 2018, 38(3): 248. |
[13] |
刘纪远. 中国资源环境遥感宏观调查与动态研究[M]. 北京: 中国科学技术出版社, 1996: 185. LIU Jiyuan. Study on resources and enviroment survey and dynamic monitoring of China using remote sensing[M]. Beijing: China Science and Technology Press, 1996: 185. |