森林植被净初级生产力与气候因子关系研究
——以京津冀地区为例

张晓艺，冯仲科，张晓丽，范永祥

（北京林业大学 精准林业北京市重点实验室，北京 100083）

全球气候变化是当今生态发展的热点问题，位于我国心脏地带的京津冀地区近年来的生态建设出现了种种问题，这种情况受到了社会的广泛关注。森林植被净初级生产力（Net Primary Productivity，NPP）水平是决定生态发展方向的重要因素，NPP作为陆地生态系统中物质循环与能量流动的重要组成部分和陆地植被生长或生产活动的测量媒介，不仅直观反映了植被群落在自然环境下的生产能力，而且是判定生态系统碳积累和调节生态过程的主要因子，而气候变化会对植被生产力的高低产生很大影响[1-4]。

传统的样地清查研究方法在典型样地中，以土壤、植被及凋落物等的生物量作为研究植被净初级生产力的基础，费时费力又很难保证准确性[5]。随着遥感与GIS的发展，可以获得准确的历史数据，快速定量，并通过植被生产力和气候因子的空间分布制图，直观地反映时空分布情况及二者间的相关关系，为实现京津冀地区协同发展的生态建设提供数据支撑[6-8]。通过研究森林植被净初级生产力NPP和气候因子的变化情况，得出NPP对气候因子的响应规律，以此为未来NPP的变化趋势提供数据基础，并为生态发展建设提出针对性建议。

1　材料与方法

1.1　数据来源

遥感数据MODIS卫星遥感产品MOD17A3数据来源于美国地质勘探局[9-10]。包括Gpp_1 km，Npp_1 km 和Gpp_Npp_QC_1 km三个波段。

气象数据来源于中国气象数据网的中国地面气候资料日值数据集。

1.2　研究方法

1.2.1MODIS遥感产品数据计算方法

MODIS产品MOD17A3数据的NPP波段，可定量反映NPP的空间分布[11]。获取包括从2000到2014年共15 a的数据，每年包括中国区范围内编号“h26v04”、“h26v05”、“h27v04”、“h27v05”4部分数据。使用HDFExoplorer文件查看器，读取HDF格式文件，分辨率为1 km，使用ArcGIS的“以表格显示分区统计功能”，将各像元数值按一定规律和单位转换处理为NPP值，计算京津冀地区各年度NPP均值。将HDF格式文件转换为TIFF格式，并按京津冀区矢量范围进行裁剪，完成空间分布制图。

1.2.2气象数据空间分析方法

获取2000—2014年气象数据，在中国气象数据网的中国地面气候资料年值数据集中获取北京、天津、河北三个地方的日照时数（1 h），平均风速（1 m/s），降水量（1 mm），平均相对湿度（1%），平均水汽压（1 hPa）和平均气温（1℃）数据。将数据整理成按照不同年份分类的数据，每年包括京津冀地区的不同气象站点的数据。北京的气象站点包括延庆、密云、北京；天津的气象站点包括宝坻、天津、塘沽；河北省的气象站包括张北、蔚县、石家庄、邢台、丰宁、张家口等。

采用WGS-84坐标系统，按各区站点的经纬度将各站点数据导入ArcGIS中，京津冀地区各气象站点分布见图1，在属性表中可查得各气象要素数值。在ArcGIS的空间统计模块中，根据京津冀地区矢量范围对气象数据各属性值进行克里金空间插值，插值得到与MODIS数据具有相同坐标系和分辨率的栅格图像。

图1　京津冀地区气象站点分布Fig.1　Meteorological stations distruibution in Jing-Jin-Ji region

2　结果与分析

2.1　空间分析

2.1.1NPP空间分析

利用MOD17A3数据对京津冀地区森林植被进行净初级生产力（NPP）的估算，京津冀及各行政区NPP结果如表1所示。

表 1　京津冀地区及各行政区NPP数据Table 1　NPP data of study area and each administrative district

如图2所示，京津冀地区森林植被净初生产力的总体空间分布情况：京津冀地区NPP范围跨度较大，西部和东南部部分地区NPP值较低，最低值出现在西北部，北部和西南部地区NPP值较高。京津冀地区NPP高值主要分布在境内的燕山山脉，即冀北山地和北京北部山区和太行山脉，即北京西部及冀西山区。由于燕山山脉和太行山脉的林区中的落叶阔叶林区是主要的植被生产力的来源，因此NPP高值区分布在此。NPP低值主要分布在河北北部燕山山脉针叶林区和西部山地的混交林和灌丛林区，以及东部沿海地区。从行政区域上看，北京市和河北省承德市NPP值较高，天津市和河北省的廊坊市NPP值较低，NPP空间分布与各行政区森林植被覆盖情况有很大关系，河北省承德市的森林面积最大，而廊坊市的森林覆盖率较小，仅为2.9%。

图2　2000—2014年研究区NPP空间分布Fig. 2　NPP distribution of study area from 2000 to 2014

2.1.2气候因子空间分析

从克里金插值结果空间制图可以看出，京津冀地区平均气温（见图3）总体状况从北至南，温度不断递增，西部比东部平均气温稍低，各年度平均气温的空间分布情况类似，不过从2000年至2014年，京津冀地区最低气温出现范围逐渐向东延伸，2014年北京地区出现了局部高温的情况。

图3　2000—2014年研究区年均气温空间分布Fig. 3　Annual average temperature spatial distribution

图4　2000—2014年研究区年降水量空间分布Fig. 4　Annual precipitation spatial distribution of study area from 2000 to2014

从克里金插值结果空间制图得出，京津冀地区年降水量（见图4），总体趋势从西到东不断递增，北部地区较南部地区值较高。2002年京津冀地区南部该规律出现反转，由西南至东南，年降水量逐渐递减； 2014年降水量由西南至东北逐渐递增，最高值出现在北京西部和天津北部。北京与天津两市降水量较高，北京市降水量东部比西部多，天津市降水量北部比南部多。

2.1.3时间动态分析

时间动态分析包括NPP和气候因子的分析，NPP和气候因子各年数据见表2。

其中NPP的时间动态分析如图5所示，从2000—2014年，京津冀地区NPP空间分布格局大体保持一致，平均年NPP为596.08 gc/m2，年度NPP均值时间曲线在2002年达到最低值511 gc/m2，2004年达到最高值686 gc/m2，2002年至2004年，增长幅度较大，之后时间曲线波动，在2008年出现小峰，在2010年有一个小的低谷。

2.2　相关分析

2.2.1空间相关分析

将各年平均气温与NPP空间分布图进行叠加分析得到：京津冀地区西北角平均气温值较低，其对应位置NPP值也较低，随着年均温从西北到东南逐渐增大，NPP大体变化也由西北到东南逐渐增大。冀北山地和北京西北部地区NPP与气温都较高，北京市局部气温较高的地方NPP值较高，说明较高气温会对NPP的提高提供有利的气候条件。从空间分布可以看出气温对NPP有正相关影响。

京津冀地区随着年降水量从西至东逐渐增大，NPP大体变化也由西至东逐渐增大，不过NPP的空间分布在东南部出现了值更低的现象。京津冀地区的年降水量，从西至东逐渐增加，而北部地区较南部地区值较高，同样，研究区内的NPP分布也是北部高于南部。从行政区域上看，河北省西北部分区域降水量较低，其NPP值很低；北京市和河北省的承德市降水量较高，且从2000年至2014年，该区域降水量有缓慢增多趋势，其NPP值也较其它地区相对较高。从空间分布整体情况来看，降水量对NPP有正相关影响。

表 2　各年NPP和气候因子数据Table 2　NPP and meteorological data of study area

图5　京津冀地区NPP时间变化曲线Fig. 5　NPP-time variation curve in Jing-jin-ji region

2.2.2时间相关分析

从时间上探究森林植被净初生产力与气候因子的关系，用SPSS软件进行双变量Pearson相关分析。2000年至2014年NPP与各气候因子的描述性统计及相关关系见表3。

其中NPP与降水量的相关关系呈现显著性。NPP与降水量的相关分析结果见表4。NPP与年降水量为正相关关系，NPP随年降水量的增大而增大。相关系数为0.515，显著性（双侧）为0.05，NPP与年降水量的相关性在0.05水平上显著相关。

表 3　NPP与气候因子描述性统计量Table 3　NPP and climate factors data statistical magnitude

表 4　NPP与降水量的相关性Table 4　Correlation of NPP and precipitation

如图6所示，由NPP与降水量的时间变化曲线对比，可以看出NPP与降水量时间变化规律基本一致，曲线直观体现了NPP与降水量之间的显著相关性。图7为以降水量为横坐标，NPP为纵坐标的散点图，此图走势更清晰明确地印证了二者之间的关系，NPP随年降水量的增大而增大，NPP与年降水量为正相关关系。

图6　NPP与降水量时间变化曲线Fig. 6　NPP-time and precipitation-time variation curve in Jing-Jin-Ji region

图7　NPP与降水量散点Fig. 7　NPP and precipitation scatter diagram

3　结论与讨论

3.1　结　论

（1）NPP与气候因子的空间相关性

随着京津冀地区年均温从西北到东南逐渐增大，NPP大体变化也由西北到东南逐渐增大。随着年降水量从西至东逐渐增大，NPP也由西至东逐渐增大，从空间分布整体情况来看，气温和降水量均对NPP有正相关影响。

（2）NPP与气候因子的时间相关性

由NPP与气候因子的相关分析得出NPP与降水量之间存在显著相关性，NPP与年降水量为正相关关系，NPP随年降水量的增大而增大。未来降水量若有增多趋势，则对森林植被生产力的提高提供了有利的气候条件。

据此，可以通过增加降水量，来提高京津冀地区的森林植被生产力。植树造林，恢复植被，修建水库，扩大水面和湿地都将会使空气的湿度增加，降水增多。在京津冀一体化协同发展的过程中，通过一系列生态修复手段，改善京津冀地区的生态环境，加强京津冀地区的生态文明建设[12]。

3.2　讨 论

（1）对NPP估算，除了利用MOD17A3数据计算，还可根据陆地生态系统碳循环模型如Chikugo、CASA模型估算NPP[13]。由于只采用单一的计算方法，可能导致NPP值存在误差。进一步研究会通过利用模型估算NPP的方法对现有NPP结果进行比对与验证，为NPP与气候因子关系的研究提供更准确的数据基础。

（2）气象站点的信息空间插值后由于地表植被覆盖、地形起伏等因素，存在误差[14-16]，因此在插值时必须考虑到陆面不均匀性。使用克里金插值法把气象数据从站点插值到区域上，存在一定的误差。气象数据的空间插值有很多不同的方法[17]，为了提高插值精度可从以下方面着手：增加原始数据站点的数量，同时站点的分布应尽量均匀。站点越多，精度越高；尽量考虑地形、地表植被覆盖等对插值的影响；研究更适合的插值方法，以减少误差。

（3）对结果进行讨论，京津冀地区2000年至2014年森林植被净初生产力与部分气象因子相关性不显著，NPP与这些气象因子相关性很小，如平均风速和平均水汽压，NPP几乎不受这些气象因子变化的影响。如果采用不同的相关性的分析方法可能会出现不同的结果。日后可以采用不同的分析方法研究气象因子对森林植被生产力的影响规律，并对不同分析结果进行对比。

（4）在全球变暖的趋势下，进一步讨论气候变化对京津冀地区森林植被生产力的影响。随着全球变暖，大气水循环加快，总降水量会增加[18-21]。但由于全球变暖，极端天气气候事件增加，灾害性天气强度增大，这样会造成降水分布不均匀[22]，可能造成部分地区降水量增大，而某地区干旱程度加大的情况。所以在全球变暖造成的总降水量增加的情况下，森林植被生产力不一定会提高。我们还是要竭力抑制全球变暖的速度，减少极端天气气候事件，改善京津冀地区的生态环境。