2000—2019年牡丹江市森林NPP时空变化特征及其驱动因素

孙玉成，刘滨辉，张峰源，苏远航，崔长健

(1. 黑龙江多布库尔国家级自然保护区管理局，黑龙江 大兴安岭 165000；
2.东北林业大学林学院，黑龙江 哈尔滨 150040；
3.牡丹江师范学院，黑龙江 牡丹江 151700)

森林是重要的生物资源，同时具备重要的生态功能，净初级生产力(NPP)是衡量生态系统固碳能力的重要指标，是指绿色植被在光合作用下单位时间、单位面积所积累的有机物的量[1]。森林植被NPP具有时间和空间的异质性，是解释陆地植被生态系统生产力和生态环境动态演变的重要指标之一[2-4]。因此，植被NPP在植被固碳、区域碳平衡监测、生态环境适宜性调控等可持续发展研究中具有重要意义[5，6]。

目前，利用植被NPP探究气候和人类活动对其造成的影响已取得了较多的研究成果[7]，NPP的响应还是存在比较大的空间异质性[8]，如有学者研究发现，由于河南地区温度和降水的空间差异性导致该区植被NPP呈现出南部高北部低的特点，而城市化进度的加快也造成了植被NPP的下降[9]；
赵苗苗等[10]通过对2001—2015年中国植被NPP的研究发现，全国绝大部分地区植被NPP与年平均气温呈负相关，与年降水量呈显著正相关；
张振宇等[11]研究发现，制约中国西北植被NPP增长的主要因素是干旱。虽然众多学者研究了不同气候因子对植被NPP的影响，但气候因子的变化对植被NPP影响的研究大部分都是基于年尺度的气候来分析的，忽略了年内月尺度气候变化对区域植被NPP的响应关系。

牡丹江市作为我国东北地区重要的边境城市，其经济地位和生态地位非常关键。鉴于此，本文基于MODIS-MOD17A3数据，对2000—2019年牡丹江森林植被NPP时空动态变化及其影响因子进行了分析，揭示研究期间牡丹江森林植被NPP的时空演变特征及该地区植被生长状况，并阐明该地区森林植被生长的气候因素，在“双碳”战略背景下为该市林业经营管理提供科学数据及指导。

1.1 研究区概况

牡丹江市森林覆盖率达62.3%，林地面积约244.3万hm2[12]。牡丹江市属于温带季风气候，夏季温润多雨，冬季寒冷干燥。利用欧空局(ESA)气候变化倡议(CCI) 2015年陆地覆盖数据(http://maps.elie.ucl.ac.be/CCI/viewer/download.php)获得牡丹江市森林分布数据。

1.2 数据来源及处理

本文NPP数据来源于美国国家航空航天局网站(https://urs.earthdata.nasa.gov/)提供的2000—2019年的MOD17A3NPP数据，该数据原始格式为hdf，空间分辨率为500 m，时间分辨率为每年。该数据集是通过MODIS/TERRA卫星参数，经过BIOME-BGC生态模型模拟得到全球植被净初级生产力数据集。该数据集已经被全球或者区域植被生产力研究广泛应用。首先对该数据集进行预处理，使用MRT工具对hdf格式文件进行批量拼接、重采样和重投影；
然后，将数据集乘比例因子0.1，并且将少量异常值赋值为空值；
最后，基于牡丹江森林区域的矢量边界批量裁剪得到2000—2019年牡丹江研究区森林植被NPP时间序列。

1.3 气象数据来源

气象数据采用牡丹江气象站点，来源于国家气象科学数据中心网站(https://data.cma.cn/)。最后选取了2000—2019年月平均气温、月平均最高气温、月平均最低气温和月累计降水等数据。

1.4 研究方法

1.4.1NPP均值 利用均值法获取2000—2019年牡丹江森林NPP均值。公式如下[13]：

式中：i为年份。

1.4.2 趋势分析和检验 采用Theil-Sen Median趋势分析结合Mann-Kendll检验判断2000—2019年牡丹江森林植被NPP变化[14]。趋势分析的计算公式为：

式中:Q表示NPP变化趋势；
Xj和Xi分别代表j时刻和i时刻的序列值。

Theil-Sen斜率计算结果通常结合Mann-Kendall(M-K)进行统计检验(置信度为90%、95%和99%)，Mann-Kendall(M-K)检验能够去除部分异常值，是一种适用于检验非正态分布数据的常用方法之一[15]。本文利用M-K检验对小兴安岭森林植被物候变化趋势进行检验，sen>0，P<0.05呈显著推迟或延长；
sen<0，P<0.05呈显著提前或缩短；
P>0.05呈不显著变化。

1.4.3 一元线性回归 利用一元线性回归方程获取2000—2019年牡丹江森林NPP变化趋势。公式如下[16]：

式中：Slope为斜率，Pi为i年份NPP，n是年数。

1.4.4 相关分析 本文基于SAS软件，分别计算牡丹江森林植被NPP对气候变化的响应。计算公式如下[17]：

2.1 牡丹江植被NPP时间变化特征

由图1可以看出，2000—2019年，牡丹江植被年均NPP总体呈现显著增加趋势，线性增长达到显著水平，NPP变化趋势线斜率为3.65 gm-2，牡丹江植被年均NPP在490.351 5～704.907 5 gm-2。牡丹江植被年均NPP在2017年达到最大,在2000年最小。2000—2001年植被NPP呈明显上升趋势，植被得到显著恢复，2001年后牡丹江植被NPP逐步趋于稳定。

图1 NPP变化趋势

2.2 牡丹江植被NPP空间变化特征

2.2.1 2000—2019年年均NPP空间分布特征 受多重因素的综合影响，牡丹江2000-2019年平均森林植被NPP总体呈现南部高、北部低的分布特征。如图2所示，牡丹江南部边缘地区森林植被年均NPP高于800 gm-2；
北部边缘地区森林植被年均NPP低于500 gm-2；
而中部地区森林植被NPP年均值处于500～800 gm-2范围。

图2 2000—2019年NPP均值

从牡丹江森林植被NPP空间分布(表1)来看，NPP介于>600～700 gm-2的像元数占总像元数的3.36%，其次NPP介于800～900 gm-2的像元数占总像元数的6.04%，NPP≤500 gm-2的像元数占总像元数的6.84%，NPP介于>700～800 gm-2的像元数占总像元数的29.93%，NPP介于>500～600 gm-2的像元数最多，为53.83%。

表1 NPP值分布统计

2.2.2 森林植被NPP空间趋势特征 牡丹江2000—2019年森林植被NPP总体呈增长态势(图4)，根据Sen趋势分析和Mann-Kendll检验结果，将研究区分成显著减少区(P<0.05)、不显著减少区、不显著增加区和显著增加区(P<0.05)。由表2 可以看出，森林植被NPP显著增加区占研究区面积的91.91%，分布在牡丹江森林区域绝大部分地区；
森林植被NPP不显著增加区占研究区面积的5.71%，零星分布于研究区内；
不显著减少区占研究区面积的0.31%；
显著减少区占研究区面积的2.07%，分布在研究区的东南部。

图3 植被NPP空间变化趋势

图4 NPP与月尺度气候因子相关系数。

表2 NPP趋势值分布统计 单位：g·m-2·a-1

2.3 牡丹江森林NPP与气候因子的关系

研究区森林植被NPP与2000-2019年的年均气温、最高温、最低温和累计降水量的相关系数分别为0.32(P=0.17)、0.37(P=0.11)、0.28(P=0.24)和0.08(P=0.74)。

研究区森林植被NPP与月尺度气候因子相关分析如图4所示，研究表明：牡丹江地区森林植被NPP与当年6月平均温度呈显著负相关关系(P<0.05)，与当年8月平均温度呈极显著负相关关系(P<0.01)；
与当年3月、6月和8月平均最高温呈显著正相关关系(P<0.05)；
与6月平均最低温呈显著负相关关系(P<0.05)，与8月平均最低温呈极显著负相关关系(P<0.01)；
该地区森林植被NPP与月尺度降水大部分呈不显著关系，仅与当年12月降水呈显著负相关关系(P<0.05)。研究表明：牡丹江地区森林植被NPP对温度因子响应最为明显，尤其是6月和8月的温度(夏季)。

牡丹江森林植被NPP总体呈现增加趋势，南部区域NPP普遍高于北部区域，这得益于“天然林保护”工程的实施，有助于我国“碳达峰”战略的实现。另外，牡丹江森林植被NPP主要受当年6月和8月的平均温、平均最高温和平均最低温的影响，降水量对其影响不大，年尺度气候因子对其影响不显著(P>0.05)。