2000—2020年宁夏植被净初级生产力时空变化及其驱动因子分析

doi:10.3969/j.issn.1673-503X.2024.04.013

气象与环境学报 ›› 2024, Vol. 40 ›› Issue (4): 107-115.doi: 10.3969/j.issn.1673-503X.2024.04.013

2000—2020年宁夏植被净初级生产力时空变化及其驱动因子分析

赵慧^1,^2,³(),李梦华^1,^2,³,杨建玲^1,^2,³,李剑萍^1,^4,*(),王艳萍⁵,韩颖娟^1,^2,³,吴海英⁶

1. 中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室，宁夏银川 750002
2. 宁夏气象防灾减灾重点实验室，宁夏银川 750002
3. 宁夏回族自治区气象科学研究所，宁夏银川 750002
4. 吴忠市气象局，宁夏吴忠 751100
5. 宁夏气象信息中心，宁夏银川 750002
6. 盐池县气象局，宁夏盐地 751500

收稿日期:2023-04-19 出版日期:2024-08-28 发布日期:2024-10-11
通讯作者: 李剑萍 E-mail:zhaohui_cau@163.com;lijp_111@163.com
作者简介:赵慧，女，1992年生，工程师，主要从事生态气象遥感监测评估研究，E-mail: zhaohui_cau@163.com
基金资助:
第五批宁夏青年科技人才托举工程、国家自然基金联合基金项目(U22A20577);宁夏自然科学基金项目(2022AAC03681);宁夏自然科学基金项目(2022AAC03679);中亚大气科学研究基金项目(CAAS202013);风云三号03批气象卫星工程地面应用系统(FY-3(03)-AS-12.12-ZT)

Spatial and temporal variations of vegetation net primary productivity and its driving factors in Ningxia from 2000 to 2020

Hui ZHAO^1,^2,³(),Menghua LI^1,^2,³,Jianling YANG^1,^2,³,Jianping LI^1,^4,*(),Yanping WANG⁵,Yingjuan HAN^1,^2,³,Haiying WU⁶

1. Key Laboratory of Meteorological Disaster Monitoring, Early Warning, and Risk Management of Characteristic Agriculture in Arid Regions, China Meteorological Administration, Yinchuan 750002, China
2. Ningxia Key Laboratory of Meteorological Disaster Prevention and Reduction, Yinchuan 750002, China
3. Ningxia Institute of Meteorological Sciences, Yinchuan 750002, China
4. Wuzhong Meteorological Service, Wuzhong 751100, China
5. Ningxia Meteorological Information Center, Yinchuan 750002, China
6. Yanchi Meteorological Service, Yanchi 751500, China

Received:2023-04-19 Online:2024-08-28 Published:2024-10-11
Contact: Jianping LI E-mail:zhaohui_cau@163.com;lijp_111@163.com

摘要/Abstract

摘要：

为明确宁夏2000年以来植被生产力时空变化特征及驱动因子，基于MODIS植被净初级生产力(NPP)数据MOD17A3HGF，应用Sen′s斜率、Mann-Kendall趋势检验、Hurst指数分析2000—2020年宁夏NPP时空变化特征，应用地理探测器探测气象条件、地形地貌、社会经济等10个因子对宁夏NPP空间分布差异的影响。结果表明：2000—2020年，宁夏植被净初级生产力空间分布为南北高、中间低，NPP增长速率为52.8 gC·m^-2·(10 a)^-1，显著增大的区域占全区面积的91.4%。Hurst指数均值为0.447，未来NPP为较弱反持续性，即未来变化与过去变化相反，有弱减小趋势。气象条件是影响宁夏NPP空间分布差异的主要因素，社会经济因子影响力不明显。

关键词: Hurst指数, 地理探测器, 气象条件

Abstract:

To clarify the spatiotemporal variation characteristics and driving factors of vegetation productivity in Ningxia since 2000, this study utilizes MODIS Net Primary Productivity (NPP) data (MOD17A3HGF), Sen′s slope, Mann-Kendall trend test, and Hurst index to investigate the changes in NPP from 2000 to 2020. Employing the geographical detector, the study examines the influence of ten factors including meteorological conditions, topography, and socio-economic aspects on the spatial differentiation of vegetation NPP in Ningxia. The results indicate that from 2000 to 2020, the spatial distribution of vegetation NPP in Ningxia was high in the north and south and low in the middle, with an NPP growth rate of 52.8 gC·m·(10 a^-1), and significant increases observed in 91.4% of the region. The average Hurst index is 0.447, suggesting a weak anti-persistence in future NPP, indicating a slight decreasing trend. Meteorological conditions are identified as the primary factor influencing the spatial differentiation of vegetation NPP in Ningxia, while the impact of socio-economic factors is not significant.

Key words: Hurst index, Geographical detector, Meteorological conditions

中图分类号:

X171.1

赵慧,李梦华,杨建玲,李剑萍,王艳萍,韩颖娟,吴海英. 2000—2020年宁夏植被净初级生产力时空变化及其驱动因子分析[J]. 气象与环境学报, 2024, 40(4): 107-115.

Hui ZHAO,Menghua LI,Jianling YANG,Jianping LI,Yanping WANG,Yingjuan HAN,Haiying WU. Spatial and temporal variations of vegetation net primary productivity and its driving factors in Ningxia from 2000 to 2020[J]. Journal of Meteorology and Environment, 2024, 40(4): 107-115.

图/表 9

表1

表2

图1

图2

图3

图4

图5

表3

表4

参考文献 41

1	Lieth H , Whittaker R H . Primary productivity of the biosphere[M]. Berlin, Heidelberg: Springer, 1975.
2	Field C B , Behrenfeld M J , Randerson J T , et al. Primary production of the biosphere: integrating terrestrial and oceanic components[J]. Science, 1998, 281 (5374): 237- 240. doi: 10.1126/science.281.5374.237
3	朱文泉, 陈云浩, 徐丹, 等. 陆地植被净初级生产力计算模型研究进展[J]. 生态学杂志, 2005, 24 (3): 296- 300. doi: 10.3321/j.issn:1000-4890.2005.03.014
4	Zhao M S , Running S W . Drought-induced reduction in global terrestrial net primary production from 2000 through 2009[J]. Science, 2010, 329 (5994): 940- 943. doi: 10.1126/science.1192666
5	Wang Z Q , Wang H , Wang T F , et al. Effects of environmental factors on the changes in MODIS NPP along DEM in global terrestrial ecosystems over the last two decades[J]. Remote Sensing, 2022, 14 (3): 713. doi: 10.3390/rs14030713
6	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.
7	张振宇, 钟瑞森, 李小玉, 等. 中国西北地区NPP变化及其对干旱的响应分析[J]. 环境科学研究, 2019, 32 (3): 431- 439.
8	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.
9	田智慧, 张丹丹, 赫晓慧, 等. 2000—2015年黄河流域植被净初级生产力时空变化特征及其驱动因子[J]. 水土保持研究, 2019, 26 (2): 255- 262.
10	Turner D P , Ritts W D , Cohen W B , et al. Site-level evaluation of satellite-based global terrestrial gross primary production and net primary production monitoring[J]. Global Change Biology, 2005, 11 (4): 666- 684. doi: 10.1111/j.1365-2486.2005.00936.x
11	Ge W Y , Deng L Q , Wang F , et al. Quantifying the contributions of human activities and climate change to vegetation net primary productivity dynamics in China from 2001 to 2016[J]. Science of the Total Environment, 2021, 773, 145648. doi: 10.1016/j.scitotenv.2021.145648
12	刘旻霞, 焦骄, 潘竟虎, 等. 青海省植被净初级生产力(NPP)时空格局变化及其驱动因素[J]. 生态学报, 2020, 40 (15): 5306- 5317.
13	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.
14	Jiang T , Wang X L , Afzal M M , et al. Vegetation productivity and precipitation use efficiency across the Yellow River Basin: spatial patterns and controls[J]. Remote Sensing, 2022, 14 (20): 5074. doi: 10.3390/rs14205074
15	王金杰, 赵安周, 胡小枫. 京津冀植被净初级生产力时空分布及自然驱动因子分析[J]. 生态环境学报, 2021, 30 (6): 1158- 1167.
16	王娟, 何慧娟, 董金芳, 等. 黄河流域植被净初级生产力时空特征及自然驱动因子[J]. 中国沙漠, 2021, 41 (6): 213- 222.
17	Sen P K . Estimates of the regression coefficient based on Kendall′s tau[J]. Journal of the American Statistical Association, 1968, 63 (324): 1379- 1389. doi: 10.1080/01621459.1968.10480934
18	Gocic M , Trajkovic S . Analysis of changes in meteorological variables using Mann-Kendall and Sen′s slope estimator statistical tests in Serbia[J]. Global and Planetary Change, 2013, 100, 172- 182. doi: 10.1016/j.gloplacha.2012.10.014
19	徐宗学, 孟翠玲, 赵芳芳. 山东省近40 a来的气温和降水变化趋势分析[J]. 气象科学, 2007, 27 (4): 387- 393.
20	蔡博峰, 于嵘. 基于遥感的植被长时序趋势特征研究进展及评价[J]. 遥感学报, 2009, 13 (6): 1177- 1186.
21	汪攀, 刘毅敏. Sen′s斜率估计与Mann-Kendall法在设备运行趋势分析中的应用[J]. 武汉科技大学学报(自然科学版), 2014, 37 (6): 454-457, 472.
22	陈彦光. 基于Matlab的地理数据分析[M]. 北京: 高等教育出版社, 2012.
23	张翀, 任志远. 黄土高原地区植被覆盖变化的时空差异及未来趋势[J]. 资源科学, 2011, 33 (11): 2143- 2149.
24	曲学斌, 王彦平, 高绍鑫, 等. 2000—2020年呼伦贝尔地区归一化植被指数时空变化及其对气候的响应[J]. 气象与环境学报, 2022, 38 (5): 57- 63.
25	王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72 (1): 116- 134.
26	冯新灵, 冯自立, 罗隆诚, 等. 青藏高原冷暖气候变化趋势的R/S分析及Hurst指数试验研究[J]. 干旱区地理, 2008, 31 (2): 175- 181.
27	焦珂伟, 高江波, 吴绍洪, 等. 植被活动对气候变化的响应过程研究进展[J]. 生态学报, 2018, 38 (6): 2229- 2238.
28	洪乐乐, 沈艳, 马红彬, 等. 2000—2019年宁夏植被净初级生产力时空变化及其驱动因素[J]. 应用生态学报, 2022, 33 (10): 2769- 2776.
29	尹振良, 冯起, 王凌阁, 等. 2000—2019年中国西北地区植被覆盖变化及其影响因子[J]. 中国沙漠, 2022, 42 (4): 11- 21.
30	钟宇峰, 牛涛, 贾文贤, 等. 阅海湿地芦苇NPP遥感估算及其时空变化分析[J]. 气象与环境学报, 2021, 37 (6): 71- 78.
31	徐勇, 卢云贵, 戴强玉, 等. 气候变化和土地利用变化对长江中下游地区植被NPP变化相对贡献分析[J]. 中国环境科学, 2023, 43 (9): 4988- 5000.
32	陈广宏. 宁夏封山禁牧生态修复的实践与思考[J]. 中国水土保持, 2007, (5): 12- 14.
33	邓景成, 高鹏, 穆兴民, 等. 黄土高原退耕还林工程对生态环境的影响及对策建议[J]. 水土保持研究, 2017, 24 (5): 63- 68.
34	李梦华, 韩颖娟, 赵慧, 等. 基于地理探测器的宁夏植被覆盖度时空变化特征及其驱动因子分析[J]. 生态环境学报, 2022, 31 (7): 1317- 1325.
35	李雨鸿, 陶苏林, 李荣平, 等. 辽宁省净初级生产力时空演变及其对地形因子的响应[J]. 气象与环境学报, 2021, 37 (5): 107- 112.
36	戴声佩, 张勃, 王海军. 中国西北地区植被NDVI的时空变化及其影响因子分析[J]. 地球信息科学学报, 2010, 12 (3): 315- 321.
37	Gholkar M D , Goroshi S , Singh R P , et al. Influence of agricultural developments on net primary productivity (NPP) in the Semi-arid Region of India: a study using GloPEM model[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2014, XL-8, 725- 732.
38	周蕾, 王绍强, 周涛, 等. 1901—2010年中国森林碳收支动态: 林龄的重要性[J]. 科学通报, 2016, 61 (18): 2064- 2073.
39	张春华. 融合遥感和清查数据的中国森林碳收支模拟研究[D]. 南京: 南京大学, 2014.
40	王雅婷, 同小娟, 管崇帆, 等. 中国典型人工林净初级生产力与林龄的关系[J]. 应用生态学报, 2023, 34 (8): 2017- 2028.
41	李登秋, 张春华, 居为民, 等. 江西省森林净初级生产力动态变化特征及其驱动因子分析[J]. 植物生态学报, 2016, 40 (7): 643- 657.

β	Z	变化趋势	β	Hurst	未来趋势
β＞0	Z＞2.58	极显著增大	β＞0	Hurst＞0.5	持续增大
	1.96＜Z≤2.58	显著增大		Hurst=0.5	无持续变化
	Z≤1.96	不显著增大		Hurst＜0.5	反持续增大
β=0	—	无变化	β=0	Hurst＞0.5	持续不变
β=0	—	无变化	β=0	Hurst≤0.5	无持续变化
β＜0	Z≤1.96	不显著减小	β＜0	Hurst＞0.5	持续减小
	1.96＜Z≤2.58	显著减小		Hurst=0.5	无持续变化
	Z＞2.58	极显著减小		Hurst＜0.5	反持续减小

交互作用	判断条件
非线性减弱	q(X₁∩X₂) < Min(q(X₁), q(X₂))
单因子非线性减弱	Min(q(X₁), q(X₁)) < q(X₁∩X₂) < Max(q(X₁), q(X₂))
双因子增强	q(X₁∩X₂)>Max(q(X₁), q(X₂))
独立	q(X₁∩X₂) = q(X₁)+q(X₂)
非线性增强	q(X₁∩X₂)>q(X₁)+q(X₂)

探测因子	年最低气温X₁	年最高气温X₂	年平均气温X₃	年降水X₄	年日照时数X₅	高程X₆	坡度X₇	GDP X₈	人口X₉	土地利用X₁₀
q值	0.392	0.486	0.475	0.533	0.150	0.408	0.052	0.432	0.332	0.134

年份	第一主导交互作用	第二主导交互作用	第三主导交互作用
2000年	年降水∩高程0.743	年最高气温∩高程0.697	年降水∩土地利用0.681
2005年	年降水∩土地利用0.808	年降水∩高程0.793	年日照时数∩土地利用0.755
2010年	年降水∩高程0.779	年降水∩土地利用0.761	年日照时数∩高程0.722
2015年	年降水∩高程0.830	年降水∩土地利用0.830	年降水∩坡度0.799
2020年	年降水∩高程0.748	年降水∩土地利用0.701	年最高气温∩高程0.697

[1]	曲学斌,李丹,田野,赵岳冀,张岚彪,董越. 2001—2021年呼伦贝尔地区净生态系统生产力分布及其与气温和降水的关系[J]. 气象与环境学报, 2024, 40(4): 100-106.
[2]	崔金梦,丛春华,郑怡,陈金敏,杨明,王继康,刘洪利,董旭光. 2013—2021年山东大气污染特征及气象条件分析[J]. 气象与环境学报, 2024, 40(3): 46-54.
[3]	谢勇,王爽,王恒阳,杨旭,张富龙,王宁,陶峰. 东北三省NDVI时空变化特征及对气候因子的响应[J]. 气象与环境学报, 2024, 40(1): 71-78.
[4]	蒋语童, 谢立勇, 高士博, 于丽杰. 辽宁省滑雪气象条件的特征及变化趋势[J]. 气象与环境学报, 2023, 39(1): 65-72.
[5]	张舒,阙粼婧,王莹,王蕾,栾晨,孙兆彬. 2014—2017年哈尔滨地区供暖前与供暖期空气污染特征分析[J]. 气象与环境学报, 2022, 38(6): 81-88.
[6]	曲学斌, 王彦平, 高绍鑫, 张煦明, 辛孝飞, 敖孟奇. 2000—2020年呼伦贝尔地区归一化植被指数时空变化及其对气候的响应[J]. 气象与环境学报, 2022, 38(5): 57-63.
[7]	梁洪海,姜忠宝,刘实,李尚锋. 吉林省冬季旅游气象条件分析与评估[J]. 气象与环境学报, 2022, 38(5): 88-97.
[8]	张晓东,王冠,王秀玲,崔粉娥,郑艳萍. 2016—2019年唐山市臭氧污染及其与气象条件的关系[J]. 气象与环境学报, 2022, 38(2): 62-69.
[9]	张辉,巫楚,张敬伟,林小平,梁家权,刘素,郭艳芳,李成柳. 河源市空气质量首要污染物特征及其与气象条件的关系[J]. 气象与环境学报, 2022, 38(1): 40-47.
[10]	符传博, 丹利, 徐文帅, 刘丽君. 2015-2018年海南省臭氧污染特征及其天气类型[J]. 气象与环境学报, 2021, 37(6): 27-35.
[11]	刘宁微, 权维俊, 任万辉, 李晓岚, 李丽光, 王迪. 辽宁地区O₃污染状况及相关气象要素分析[J]. 气象与环境学报, 2021, 37(5): 27-33.
[12]	于杰,李玉鹏,苏丽欣,邵祺多,李尚锋,丁立,高枞亭,安林昌. 2019年1月长春市一次霾污染过程成因分析[J]. 气象与环境学报, 2021, 37(2): 56-63.
[13]	郭凤娟,李春花,窦春苓. 克拉玛依市PM_2.5质量浓度分布及其影响因素分析[J]. 气象与环境学报, 2020, 36(4): 52-58.
[14]	王秀玲,花家嘉,李轩,马前进,王冠,李衡,曹晓霞. 2015—2017年唐山市PM_2.5重污染生消气象条件分析[J]. 气象与环境学报, 2020, 36(4): 45-51.
[15]	姜丽霞,王晾晾,吕佳佳,高明,王萍,王秋京,宫丽娟,赵慧颖. 基于Hurst指数的黑龙江省作物生长季降水趋势研究[J]. 气象与环境学报, 2020, 36(2): 70-77.

2000—2020年宁夏植被净初级生产力时空变化及其驱动因子分析

Spatial and temporal variations of vegetation net primary productivity and its driving factors in Ningxia from 2000 to 2020

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 41

相关文章 15

Metrics

本文评价

推荐阅读 10