近20年來西藏地區NPP時空變化及影響因素

凡晚晴吳 華樊風雷

(1.西藏大學 工學院,西藏 拉薩850012;2.西藏大學 高原地表環境遙感監測聯合實驗室,西藏 拉薩850000;3.華南師范大學 地理科學學院,廣東 廣州510631)

植被凈初級生產力(net primary productivity,NPP)是指植被在單位地表面積單位時間內所積累的有機物質總量,由植物通過光合作用途徑所固定的碳總量(gross primary productivity)減去植物自養呼吸(autotrophic respiration)的碳消耗所得到[1-2]。陸表生態系統是碳循環過程中受人類活動影響最大的部分,陸表生態系統中的碳儲量對調節全球碳平衡及溫室氣體的減少至關重要,如何及時有效地獲取碳儲量成為當前研究領域的熱點。NPP不僅反映了自然環境條件下植物的生產能力,也是研究地表碳循環過程,估算地球物質支持能力,反映陸表生態系統環境質量的重要生態指標之一,它的大小能夠直觀地反映陸表生態系統碳儲量的多少[3-4]。西藏地區地形復雜,氣候多變,是全國乃至全球氣候變化響應的敏感區,其生態系統的動態變化將直接影響我國碳平衡、氣候及生態環境,準確地掌握區域NPP動態變化規律及其影響因素,對生態系統的研究和生態保護建設的實施具有重要意義[5]。

近年來,隨著遙感技術的發展,已有學者[6]利用MOD17A3數據針對NPP開展了大量相關研究。李登科等[7]對2000—2015年中國陸地植被NPP變化特征進行了分析,認為我國植被NPP在波動增加,并呈現東南高西北低的趨勢;國志興等[8]分析了我國東北地區植被凈初級生產力的時空分布格局,并認為降水及土地類型變化是造成東北地區植被NPP變化的主要因素;王強等[9]分析了2004—2014年橫斷山區植被NPP的空間分布,并討論了不同植被生態系統NPP的年際變化;李傳華等[10]建立NPP人為影響模型分析石羊河流域植被NPP時空分布,認為降雨與人為影響是植被NPP變化的主導因子;王芳等[11]基于MODIS NPP數據對安徽省NPP變化規律及驅動分布進行了分析,并認為江淮地區植被NPP變化的主要影響因素是降水和人類活動,城市化對植被NPP變化影響日益增加。綜上所述,研究區集中在全國尺度[12-16]、區域尺度[17-19],包括東北地區[20]、西部地區[21]、西南地區[22-23]、青藏高原[24-28]、東南地區等[29],主要針對NPP時空變化及氣候因子之間響應關系進行研究,基于MODIS NPP數據對西藏地區進行NPP時空變化及自然、人為影響因子的研究較少,且尚未有人利用地理探測器針對西藏地區NPP進行影響因子貢獻率計算,探討區域NPP變化的主要驅動因子及影響因子交互作用探測。本文采用MOD17A3 NPP數據分析西藏地區NPP的時空分布格局,同時對NPP與氣候因子(氣溫、降雨量)、土地利用覆被、地形因子(海拔、坡度)、植被類型進行影響因子分析,從而在一定程度上揭示其時空動態變化的原因,為該地區植被建設管理、生態環境保護、自然資源開發和綠色生態建設提供科學依據。

1 研究區與數據來源

1.1 研究區概況

本文的研究范圍覆蓋整個西藏自治區。西藏自治區位于78°24′—99°06′E和26°52′—36°32′N之間,全自治區總面積122.84萬km2。研究區內地形復雜,地貌豐富,境內有山地、高原、盆地和峽谷等多種地形,整體地勢呈西北高東南低,海拔落差大的特點,在63～8 848 m之間;西藏地區南北氣候差異較大,藏北主要為大陸性氣候,藏南主要為熱帶山地季風濕潤氣候,年均溫為-31.1～24.5℃,年均降雨量為9～3 105 mm;土壤類型以草原土、草甸土、寒漠土為主;植被類型主要有高寒荒漠、高寒草原、高寒草甸、灌叢、高山植被,藏東南地區有大量的針葉林和闊葉林。

1.2 數據來源與處理

本文所使用的數據主要有:MODIS NPP數據、氣象數據和植被類型空間分布數據。

(1)MODIS NPP數據為美國地質勘探局官網(http:∥www.ntsg.umt.edu/)發布的MOD17A3逐年合成產品數據,空間分辨率為500 m,時間分辨率為1 a。由于研究區面積較大,每年選取4景MODIS影像覆蓋整個研究區,時間序列為2000—2020年,一共選取84景影像;利用MRT(MODIS reprojection tool)軟件對影像數據進行鑲嵌和等重投影預處理,剔除異常值,利用研究區矢量邊界裁剪影像,并對其進行重采樣,將分辨率設置為1 km,獲得該區域2000—2020年NPP數據。

(2)氣象數據來源于國家地球系統科學數據共享服務平臺(http:∥www.geodata.cn),時間為2000—2020年,數據包括中國1 km分辨率柵格逐月降水量數據集和氣溫數據集,數據集均經過驗證,驗證結果可靠,對月數據進行合成得到逐年氣象數據,取氣溫均值和年降雨量數據進行分析[11]。

(3)DEM數據為地理空間數據云(https:∥www.gscloud.cn/)的ASTER GDEM V2數字高程數據,空間分辨率為30 m,同樣對高程數據進行重采樣等預處理,最后統一為1 km空間分辨率。利用ArcGIS軟件提取坡度,并對坡度、海拔進行分級。

(4)2000,2005,2010,2015和2020年土地利用覆被數據,空間分辨率為1 km;中國1∶100萬植被類型空間分布數據來自中科院資源環境科學與數據中心(http:∥www.resdc.cn/);依據土地利用類型將研究區劃分為耕地、林地、草地、水域、城鎮和未利用土地6個一級地類;為了定量分析不同植被類型NPP之間的差異,依據研究區主要植被類型將其劃分為荒漠、草原、草甸、灌叢、闊葉林、針葉林、高山植被和栽培植被8種植被類型;根據不同生態區的溫度和干濕狀況等自然條件,將研究區劃分為7個自然生態區。

1.3 研究方法

1.3.1 偏離分析 對研究區NPP數據取年平均值,利用每年的NPP與年均NPP之差反映該年NPP的增減程度,若偏離值大于0,則表示該年NPP大于近20 a均NPP水平;若偏離值小于0,則表示該年NPP小于近20 a均NPP水平[11]。計算公式為:

式中:D為NPP偏離值;NPPi為第i年的NPP值;為多年均NPP值;i為年份。

1.3.2 趨勢分析 基于一元線性回歸趨勢分析法擬合出線性傾向值,對2000—2020年西藏地區NPP時間變化趨勢進行估算[9]。計算公式為:

式中:θSlope為線性傾向值;NPPi為第i年的NPP;i為年份;n=21,當θSlope＞0時,表示隨時間推移,NPP的變化趨勢是上升的,θSlope＜0時,表示隨時間推移,NPP的變化趨勢是下降的。

1.3.3 變異系數 采用變異系數(coefficient of variation,CV)反映NPP空間變異程度[30]。計算公式為:

式中:Cv為NPP變異系數;NPPi為第i年的NPP;為多年均年NPP值。

1.3.4 相關性分析 基于像元對NPP與降雨、氣溫的相關系數分別進行計算,分析氣候因子與NPP之間響應關系的密切程度,同時利用相關系數T檢驗法對結果進行顯著性檢驗,確定NPP與氣候因子顯著相關區域[9]。計算公式為:

式中:Rxy為x,y兩變量的相關系數;xi為第i年x變量的值;yi為第i年y變量的值;ˉx為變量x均值;ˉy為變量y均值,n=21。其偏相關系數計算公式為:

式中:Rxy,z為固定自變量z后因變量x與自變量y的偏相關系數。

1.3.5 地理探測器 基于地理探測器分析影響因子與NPP變化之間的非線性關聯,地理探測器是分析空間分層異質性的工具,包括因子探測、風險區探測、生態探測和交互作用探測共4個探測器[31]。利用ArcGIS軟件對研究區以1 m×1 m為一個單元布設隨機采樣點,共隨機采樣1 000個點,并提取采樣點的NPP值及影響因子相關值,利用GeoDetector軟件對因變量Y和自變量X進行交互分析[32]。計算公式為:

式中:h=1,…,L為X或Y的分區;Nh為層h的單元數,N為全區的單元數為Y在層h和全區的方差;SSW為層內方差之和;SST為全區總方差。q值越大表示因變量的空間分異性越大,自變量對因變量的解釋力越強,反之越弱[31]。

2 結果及分析

2.1 NPP的空間分布特征

采用2000—2020年的NPP數據對研究區近20 a的平均NPP進行計算(圖1)。西藏地區NPP分布具有顯著的空間異質性。年平均值NPP為0～1 930.48 g/(m2·a),總體均值為137.36 g/(m2·a),多數區域年平均植被NPP處于0～900 g/(m2·a)之間,占研究區總面積的96.79%。

圖1 西藏地區2000—2020年平均NPP空間分布

西藏生態地理分區自東南到西北分別為中亞熱帶濕潤的東喜馬拉雅南翼地帶(VA6)和高原溫帶濕潤的川西藏東高山深谷地帶(HIIAB1),高原溫帶半干旱的藏南山地地帶(HIIC2),高寒半濕潤的果洛那曲丘狀高原地帶(HIIB1),高寒半干旱的羌塘高原湖盆地帶(HIC2),高原溫帶干旱的阿里山地地帶(HIID3)和高寒干旱的昆侖高山高原地帶(HID1)。植被類型自東南到西北的分布分別為常綠闊葉林、針葉林、山地灌叢及草甸、高寒灌叢、高寒草甸、高寒草原和高寒荒漠。故不同生態地理分區的植被NPP空間分布差異明顯,且自東南向西北呈逐漸降低的趨勢。

將NPP劃分為6個等級:①0～100 g/(m2·a)主要分布在昆侖高山高原地帶、阿里山地地帶、羌塘高原湖盆地帶的和藏南山地地帶的西北部,植被類型主要以高寒荒漠、山地荒漠和高寒草原為主,約占研究區的69.11%;②100～200 g/(m2·a)主要分布在羌塘高原湖盆地帶的東南部及藏南山地地帶的中部,植被類型主要以高寒草原和山地草原為主,約占研究區的15.01%;③200～300 g/(m2·a)主要分布在果洛那曲丘狀高原地帶及藏南山地地帶的東北部,川西藏東高山深谷地帶也有零星分布,植被類型多為高寒草甸,約占研究區的7.11%;④300～600 g/(m2·a)主要分布在川西藏東高山深谷地帶的東部和西南部,植被類型以高山灌叢為主,約占研究區的3.95%;⑤600～900 g/(m2·a)主要分布在東喜馬拉雅南翼地帶,藏南山地地帶和川西藏東高山深谷地帶的南部也有零星分布,植被類型多為針葉林和灌叢,約占研究區的1.62%;⑥＞900 g/(m2·a)主要分布在東喜馬拉雅南翼地帶,植被類型主要為常綠闊葉林,約占研究區的3.21%。對研究區按生態地理分區進行劃分,2000—2020年東喜馬拉雅南翼地帶的植被NPP平均值最大,為911.97 g/(m2·a);昆侖高山高原地點的最小,為29.20 g/(m2·a),按均值大小順序排列為:東喜馬拉雅南翼地帶〔911.97 g/(m2·a)〕＞川西藏東高山深谷地帶〔228.09 g/(m2·a)〕＞果洛那曲丘狀高原地帶〔140.26 g/(m2·a)〕＞藏南山地地帶〔109.02 g/(m2·a)﹞＞羌塘高原湖盆地帶〔53.09 g/(m2·a)〕＞阿里山地地帶〔33.20 g/(m2·a)〕＞昆侖高山高原地帶〔29.20 g/(m2·a)〕。

2.2 NPP的時間變化特征

2000—2020年西藏地區年均NPP整體上呈波動上升趨勢(圖2)。近20 a間年均NPP主要在128～149 g/(m2·a)之間波動,總體平均值為137.36 g/(m2·a)。2006年NPP為近20 a間的最大值,達到148.06 g/(m2·a),比年平均值高7.79%;2014年NPP為最小值,僅有128.04 g/(m2·a),比年平均值低6.78%。由圖2可知,近20 a來西藏地區NPP變化大體可分為3個階段,2000—2006年上升,2006—2014年圍繞年平均值波動下降,2014—2020年再次上升,且2020年NPP高于2000年。2006—2014年,由于年均溫的影響NPP產生波動,其中2006年和2009年NPP增加可能與年均溫較高有關。

圖2 西藏地區2000—2020年NPP年際變化

通過計算NPP的變化趨勢斜率和變異系數來反映西藏地區2000—2020年NPP的年際變化和空間分布特征。由圖3可以看出,研究區NPP的平均變化趨勢斜率為0.04,表明近20 a西藏地區NPP整體呈上升趨勢,且平均以0.04 g/(m2·a)的年變化速率增長。NPP的線性傾向斜率范圍為-65.28～42.36,其中83.09%的研究區介于-1～1之間。東喜馬拉雅南翼地帶NPP明顯下降,下降趨勢大于-5;川西藏東高山深谷地帶的南部NPP呈下降趨勢,在-5～-2之間;而在果洛那曲丘狀高原地帶、川西藏東高山深谷地帶的北部及藏南山地地帶的東北部NPP呈上升趨勢,在1～2之間。研究區NPP的變異系數范圍為0.025～2.395,大部分分布在0.1～0.2之間,約占研究區的67.32%。東喜馬拉雅南翼地帶的東部及川西藏東高山深谷地帶的西部NPP波動較大,變異系數多數為0.25;而藏南山地地帶、果洛那曲丘狀高原地帶、羌塘高原湖盆地帶、阿里山地地帶及昆侖高山高原地帶的大部分地區的NPP波動較小,在0～0.2之間。

圖3 西藏地區2000—2020年NPP變化趨勢斜率及變異系數

2.3 不同植被類型的NPP變化

本文將植被類型劃分為8種對NPP進行分析(圖4),不同植被類型20 a的平均NPP差別較大,其中闊葉林的NPP最高,為1 107.09 g/(m2·a);其次是栽培植被,為762.04 g/(m2·a);荒漠的NPP最低,為29.76 g/(m2·a),按NPP均值大小順序排列為:闊葉林〔1 107.10 g/(m2·a)〕＞栽培植被〔762.04 g/(m2·a)〕＞針葉林〔452.24 g/(m2·a)〕＞灌叢〔203.71 g/(m2·a)〕＞草甸〔113.91 g/(m2·a)〕＞高山植被〔60.92 g/(m2·a)〕＞草原〔49.26 g/(m2·a)〕＞荒漠〔29.76 g/(m2·a)〕。對研究區內不同植被類型的變化趨勢斜率及變異系數進行統計(表1),大部分植被類型NPP的趨勢斜率處于增加趨勢,其中闊葉林、針葉林和栽培植被的趨勢斜率均小于0,分別為-6.606,-1.589,-3.790;所有植被類型的NPP變異系數均小于0.2,表示NPP空間變化較為穩定。

表1 不同植被類型NPP變化趨勢斜率及變異系數

圖4 不同植被類型的年均NPP

2.4 不同地形條件的NPP變化

地形因素是造成高原地區植被凈初級生產力空間異質性的主要影響因素之一,它通過改變區域的水熱條件、土壤濕度和太陽輻射等,進而影響NPP空間格局。研究區整體上表現出東南低西北高、地形起伏大的特征,海拔最高處為8 848 m,坡度最大值為88.47°。本文基于數字高程模型提取西藏地區海拔和坡度兩個地形因子,分析不同地形條件下西藏地區NPP的空間分布特征。將海拔分為10個等級(表2),結果顯示,研究區內有90%的區域海拔在4 000～6 000 m之間。西藏地區的NPP垂直分布差異明顯,隨海拔的增加NPP表現出先增加后減少的趨勢;500～1 000 m海拔范圍的NPP均值最高,為1 397.41 g/(m2·a),主要位于東喜馬拉雅南翼地帶,植被類型多為常綠闊葉林。海拔4 000 m以上的高原地區NPP均值較低,其中海拔6 000 m以上NPP均值最低,僅為39.62 g/(m2·a)。利用ArcGIS軟件對數字高程模型進行坡度分析,將研究區的坡度分為9個等級統計不同坡度等級的NPP變化。根據統計結果顯示(表3),研究區內大部分區域坡度小于20°,占研究區總面積的67.13%。西藏地區NPP隨坡度增加呈增長趨勢,且坡度大于50°之后NPP增長變緩。

表2 不同海拔分級的年均NPP

表3 不同坡度分級的年均NPP

2.5 NPP與氣象因子相關性分析

2.5.1 氣候因子的變化趨勢 本文利用降雨、氣溫數據的年平均值分析氣候因子與NPP變化之間的響應關系,分別對近20 a來的氣象數據進行一元線性回歸分析,以斜率作為變化趨勢。由圖5可知,年降雨量趨勢斜率大于0,為0.355 mm/a,年降雨量均值范圍為320.21～419.82 mm,多年均值為379.27 mm,其中2020年均降雨量為最大值,2009年最小;氣溫趨勢斜率大于0,為0.044℃/a,年氣溫均值范圍為-2.91～-1.74℃,多年均值為-2.34℃,年均氣溫在2009年為最大值,2000年最小?？傮w上表示2000—2020年西藏地區降雨和氣溫呈波動上升趨勢,研究區氣候呈現暖濕化趨勢。

圖5 西藏地區2000—2020年降雨及氣溫變化趨勢

2.5.2 NPP與氣候因子相關性結果 通過計算2000—2020年NPP與降雨、氣溫之間的偏相關系數,分析氣候因子對NPP的影響。由圖6可知,NPP與氣候因子之間的響應關系在空間分布上差異明顯。其中NPP與年降雨偏相關系數分布范圍為-0.897～0.836,有45.16%的研究區NPP與降雨呈正相關,主要分布在昆侖高山高原地帶的西部、阿里山地地帶的南部、羌塘高原湖盆地帶的中部及東喜馬拉雅南翼地帶的大部分地區;54.84%的研究區呈負相關,主要分布在昆侖高山高原地帶的東部、果洛那曲丘狀高原地帶及川西藏東高山深谷地帶。對偏相關系數進行顯著性檢驗,有2.33%的區域通過p＜0.05的檢驗,主要分布在昆侖高山高原地帶的中部、阿里山地地帶的南部及羌塘高原湖盆地帶的中部地區。NPP與年氣溫的偏相關系數分布范圍為-0.852～0.904,研究區有75.80%的區域NPP與氣溫呈正相關,主要分布在昆侖高山高原地帶、阿里山地地帶、果洛那曲丘狀高原地帶、羌塘高原湖盆地帶和川西藏東高山深谷地帶的大部分地區;24.20%的研究區呈負相關,主要分布在羌塘高原湖盆地帶的南部、藏南山地地帶的西部及東喜馬拉雅南翼地帶的部分地區。研究區有5.53%的區域達到了極顯著水平(p＜0.01),主要分布在阿里山地地帶及果洛那曲丘狀高原地帶,東喜馬拉雅南翼地帶和川西藏東高山深谷地帶也有零星分布?？傮w而言,NPP與降雨多呈負相關,與氣溫多呈正相關。

逐像元對NPP與氣候因子的復相關關系進行分析(圖6)。NPP與氣候因子的復相關系數介于0～0.902之間;其中,昆侖高山高原地帶的中部、果洛那曲丘狀高原地帶及川西藏東高山深谷地帶的西北部NPP與氣候因子復相關性較強,羌塘高原湖盆地帶、阿里山地地帶的北部及藏南山地地帶的大部分地區復相關性較弱;西藏地區NPP與氣候因子之間的復相關性空間分布差異較大,可能是由于植被類型及海拔高度的影響。

圖6 NPP與降雨—氣溫的偏相關系數及復相關系數

2.6 影響因子探測

基于隨機采樣點的像元值,對2000,2005,2010,2015和2020年的NPP與年降雨量、年氣溫、海拔、坡度、土地利用類型、植被類型共6個影響因子進行空間探測,分析影響研究區NPP時空變化的主要驅動因子。從表4可以看出,不同影響因子對NPP空間分異性的解釋力差異明顯。其中降雨量對NPP的解釋力最強,其次是海拔,土地利用類型的變化對NPP的空間分異影響最弱,各影響因子解釋力大小依次為:降雨量(0.896 8)＞海拔(0.885 4)＞氣溫(0.808 6)＞坡度(0.743 5)＞植被類型(0.673 4)＞土地利用類型(0.439 5)。從時間上分析(圖7),2000—2020年不同影響因子對植被NPP空間分異性的解釋力具有不同的趨勢變化。植被類型解釋力總體呈增加趨勢,年氣溫、坡度和土地利用類型解釋力總體呈下降趨勢,年降雨量和海拔解釋力較穩定,波動幅度不大,且年降雨量為第一影響因子,海拔為第二影響因子。2000—2005年解釋力總體呈增加趨勢,年氣溫和坡度解釋力呈下降趨勢;2005—2010年解釋力總體呈下降趨勢,坡度和海拔解釋力呈上升趨勢,第一影響因子變為海拔;2010—2015年除年氣溫解釋力呈下降趨勢外,其余各影響因子解釋力均呈上升趨勢,且坡度變為第三影響因子;2015—2020年坡度和土地利用類型解釋力呈顯著下降趨勢,其余各影響因子解釋力呈上升趨勢,年降雨量、海拔和年氣溫分別為第一、第二、第三影響因子?？傮w而言,研究區自然因子對NPP空間分異性的解釋力強于人為因子。

圖7 2000—2020年西藏地區影響力q值變化趨勢

通過風險探測,結果均通過顯著性檢驗(p＜0.05),對NPP空間分布具有明顯影響的因子主要有氣溫、植被類型和坡度。通過生態探測分析影響因素對NPP空間分布的影響差異是否有顯著,結果表明氣溫和土地利用類型的影響力要強于其他因素。經交互探測結果表明(表5),2000—2020年6個影響因子交互作用后的影響作用能力更強,對NPP空間分異性的解釋能力更高,且呈非線性增強。結合2000,2005,2010,2015和2020年5 a的雙因子交互作用結果綜合來看,影響力最強的交互因子均為該年份NPP第一影響力因子與其余影響因子的組合,即降雨量因子與其余因子交互作用之后的q值最高,其中2000年降雨量與氣溫雙因子交互作用q值最高,5個代表年份的最強交互因子分別為降雨量∩氣溫和降雨量∩海拔交替主導,解釋力分別為0.973 9,0.968 1,0.972 1,0.961 2和0.965 3,解釋力均在95%以上。這說明西藏地區NPP的空間分異是多因素綜合影響作用的結果。

表5 西藏地區2000—2020年NPP交互作用q值

3 討論與結論

3.1 結論

(1)從時間上分析,2000—2020年西藏地區NPP年平均值為137.36 g/(m2·a),波動范圍為128.04～148.06 g/(m2·a),2014年NPP均值最小,2006年為NPP最大值;研究區內NPP以0.04 g/(m2·a)的年變化速率增長,整體上呈波動上升趨勢。

(2)從空間上分析,2000—2020年西藏地區年均NPP空間分布表現出較強的空間異質性,整體上呈東南高西北低的趨勢。不同植被類型NPP均值差異明顯,將NPP均值按大小順序排列為:闊葉林＞栽培植被＞針葉林＞灌叢＞草甸＞高山植被＞草原＞荒漠。不同的地形條件,NPP空間分布差異明顯,隨海拔增加NPP呈先增加后減少趨勢,隨坡度增加NPP呈上升趨勢。

(3)NPP變化的主要影響因素包括氣候因子、人類活動和環境變化,其中氣候變化是高原植被NPP變化的主要影響因素。利用NPP與氣象因子進行相關性分析發現,西藏地區NPP與氣象因子相關性顯著,總體上NPP與降雨多呈負相關,與氣溫多呈正相關。

(4)西藏地區6個影響因子對NPP空間分異性的解釋力排序依次為:降雨量＞海拔＞氣溫＞坡度＞植被類型＞土地利用類型,降雨量是西藏地區NPP影響力最強因子,自然因子對NPP的影響力強于人為因子。此外,雙因子交互作用后的影響作用能力更強,對NPP空間分異性的解釋能力更高,且呈非線性增強。

本研究對西藏地區NPP的時空格局特征及其影響因子進行了定量分析,直觀地反映西藏地區NPP的變化規律,為區域生態環境評價、陸地生態系統固碳能力評估提供科學參考,為區域自然資源開發及綠色生態建設提供依據。

3.2 討論

本文尚存在一些不足之處,未來需要進一步地改進,主要有以下幾方面。

(1)本文所使用的MOD17A3數據及氣象數據的空間分辨率過低,研究所覆蓋的范圍較廣,在估值上容易出現較大的誤差,且MOD17A3數據在空間分布上地類特征不明顯,未來可使用精度更高的數據基于模型對區域陸表生態系統NPP進行估算,爭取優化結果;

(2)通過氣候因子與NPP變化曲線可以發現,氣候因子年際變化趨勢與NPP并不吻合,這就表明氣候因子變化對高原植被生長的影響可能存在滯后或累加效應,且除降雨和氣溫外還有其他影響因素造成高原植被NPP的變化。經地理探測器結果驗證了這一想法,但本文在進行影響因子的確定時,人為因子的選擇過少,可能會對結果造成一定的偏差,且未對土地利用覆被的變化、人類活動及相關政府政策的實施與NPP變化之間的響應關系進行展開。因此,綜合影響因素與NPP變化的響應機制將是下一步研究的重點。