如图1所示, 叶尔羌河流域位于塔里木河流域西缘, 东临塔克拉玛干沙漠, 西与布古里和托格拉克沙漠相接, 南抵喀喇昆仑山脉北坡, 北侧为天山山脉南麓, 整体处在74° 27'25″— 80° 46'52″E, 35° 27'7″— 40° 30'32″N之间, 总面积为8.59× 10⁴ km², 海拔介于964~8 572 m之间, 地势起伏较大, 由西南向东北陡降。 流域内高山和平原面积占比分别为70.82%和29.18%。 高山区气候为典型的高原高寒干旱半干旱气候, 冬季漫长严寒且少雨, 无明显夏季, 降水主要集中在春秋季节^[6]; 平原区气候属于典型的干旱荒漠大陆性气候, 日照时间长, 昼夜温差大, 蒸发强烈, 四季气候悬殊。 流域水系发源自喀喇昆仑山脉北坡的喀喇昆仑山口, 流经区域冰川广泛发育, 属于典型的冰雪融水补给型河流, 高山冰雪融水约占年径流量的68.5%^[7], 河流主要由叶尔羌河、 塔什库尔干河、 提孜那甫河和克勒青河交汇而成, 经卡群乡出山后于阿瓦提县与和田河交汇注入塔里木河。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 研究区地理位置图及代表气象站气象因子变化状况Fig.1 Location map of the study area and the changes of meteorological factors at representative weather stations

1.2.1 数据来源

应用的数据主要有遥感影像数据(NDVI数据下载自美国LAADS网站(https://ladsweb.modaps.eosdis.nasa.gov/)的MOD13A1数据集; 土地利用类型数据下载自欧洲航天局网站(http://maps.elie.ucl.ac.be/CCI/viewer/))和气象数据(下载自中国气象局国家气象信息中心(http://data.cma.cn/site/index.html)。 MODIS数据集下的NDVI产品空间分辨率为500 m, 时间分辨率为16 d, 因研究所需, 采用MRT软件进行拼接并重投影为WGS-84坐标系, 通过最大值合成法合成为月尺度数据; 土地利用类型数据空间分辨率为500 m, 时间分辨率为1 a, 依据研究区特征重分类为农用地、 林地、 草地、 水域、 居住地、 灌丛、 高山稀疏植被、 裸地、 积雪等九大类, 以此为依据对应各植被类型的最大光能利用率。

1.2.2 研究方法

对NPP进行模拟所选用的CASA模型结构具体如式(1)

NPP(x, t)=SOL(x, t)×FPAR(x, t)×0.5×ε(x, t)(1)

式(1)中, x为像元的空间信息, t为时间信息。 NPP(x, t)为单位像元x在单位月份t内的植被净初级生产力(单位为gC· m^-2); SOL(x, t)为单位像元x在单位月份t内的太阳总辐射量, 具体计算过程见参考文献[8]; FPAR(x, t)为单位像元x在单位月份t时植被对入射光合有效辐射的吸收比例; 常数0.5表示植被所能利用的太阳有效辐射(一般认为波长在0.38~0.71 μm之间)占太阳总辐射的比例。 ε (x, t)表示单位像元x处植被在单位月份t内将吸收的太阳有效辐射转换固存为有机碳的能力。

根据前人研究成果, 结合归一化植被指数(NDVI)以及比值植被指数(SR)综合计算FPAR对于提高FPAR估算精度具有重要作用, 参考陈福军等^[9]的研究计算单位像元FPAR值, 如式(2)所示

FPAR(x, t)=FPAR(x, t)NDVI+FPAR(x, t)SR2(2)

ε(x, t)=Tε1(x, t)×Tε2(x, t)×Wε(x, t)×ε*(3)

植物在高温和低温情况下光合作用能力会受到自身生理作用影响而削弱, T_{ε 1}(x, t)表示了这种削弱程度; 而植物在生长最适温度(一般采用NDVI值最高时月份的温度)向高温和低温变化时光能利用效率会逐渐变小, T_{ε 2}(x, t)表示了这个变小趋势, T_{ε 1}(x, t)和T_{ε 2}(x, t)的计算方法详见参考文献[10]; W_ε (x, t)表示水分盈亏状况对光能利用效率的约束程度, 计算方法如式(4)所示; ε ^* 表示理想条件下的最大光能利用效率, 在传统研究中一般以0.389 gC· MJ^-1为准, 但我国许多学者在实际应用中认为该值往往存在偏低的问题。 朱文泉等^[11]根据NPP实测数据, 对我国各种植被类型的最大光能利用率进行了模拟, 其结果在利用CASA模型进行NPP模拟中得到了广泛应用, 本研究采用其研究成果对研究区各植被类型最大光能利用率进行赋值。

Wε(x, t)=E(x, t)Ep(x, t)×0.5+0.5(4)

式(4)中, E(x, t)为区域实际蒸散发, E_p(x, t)为区域潜在蒸散发, 具体计算方法详见参考文献[12]。

为揭示研究区NPP年际变化整体特征, 对研究时段内NPP进行逐像元趋势分析并进行显著性检验以及年均值线性趋势拟合, 结果如图2所示。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 叶尔羌河流域NPP趋势变化图Fig.2 NPP trend change diagrams of Yarkand River Basin

由图2可知, 叶尔羌河流域NPP年均值变化整体以波动上升为主, 由2000年的74.87 gC· m^-2· a^-1增长至2018年的125.95 gC· m^-2· a^-1, 年均增长速率为2.84 gC· m^-2· a^-1。 流域中大部分区域NPP在研究时段内呈升高趋势, 约占总面积的85.9%, 无变化区域主要集中在高山多年积雪区, 呈现降低趋势的主要集中在水域以及居住地, 以莎车县中部以及巴楚县中部、 东北部最为明显。 研究区约有59.1%的区域NPP变化状态通过显著性检验, 说明流域内有较多区域NPP变化较为明显。 其中, NPP呈现显著升高趋势的区域主要集中在绿洲区、 山麓以及高山区北部河谷地带, 约占通过显著性检验区域的86.28%, 占研究区总面积的51%; 呈现显著降低趋势的区域主要集中在下游的水域和居住地, 约占通过显著性检验区域的0.61%, 占研究区总面积的0.4%。

Hurst指数可用于表征数据在时间序列上的长期变化趋势, 具体反映了数据未来变化趋势与过去的相关性、 一致性, 值的范围介于[0, 1]。 当值大于0.5时, 代表未来变化趋势与过去一致, 越接近于1其持续性越强; 当值等于0.5时, 代表数据的变化趋势是不可持续的; 当值小于0.5时, 代表未来变化趋势与过去相反, 越接近于0其反持续性越强。 对研究区内各栅格时间序列NPP数据进行Hurst指数分析, 得出其未来变化趋势, 结果如图3所示。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 叶尔羌河流域NPP Hurst指数与CV值分布图Fig.3 Distributions of NPP Hurst index and CV value in Yarkand River Basin

由图3可知, 研究区Hurst指数在有定义区域整体呈现明显的分带性, 存在部分空值区域的原因主要是存在多年高山积雪区域, NPP值为0, 在利用R/S法求取Hurst指数时不存在定义。 其中, 呈正向持续性的区域主要集中在绿洲区域以及山麓偏向山区一侧, 约占Hurst指数存在定义区域面积的37.21%; 呈反向持续性的区域主要集中在荒漠、 荒漠绿洲过渡带以及高山区西北部及东南部的局部区域, 约占Hurst指数存在定义区域的62.79%。 在数值范围上, Hurst指数为0.5~0.7的区域约占呈正向持续性区域的95.05%, 0.3~0.5的区域约占呈反向持续性区域的93.75%, 说明在研究区内大部分区域NPP并未呈现明显的正向或反向发展趋势或持续性不强。

变异系数(CV)为数据标准差与平均值之比, 代表了数据的离散程度, 当CV< 0.1时数据为弱变异, 0.1< CV< 1时数据为中等变异, CV> 1时数据为强变异。 为分析叶尔羌河流域NPP值时间序列上的整体变异情况, 对其进行逐像元CV值计算, 结果如图3所示。

由图3可知, 叶尔羌河流域NPP的整体变异系数除多年高山积雪区域无定义之外, 其余大部分区域变异系数均处于0到1之间, 说明流域内绝大部分区域NPP值在研究时段内整体呈现相对稳定的变化状态。 其中CV值为0~0.1, 即处于弱变异状态的区域仅占研究区面积的0.76%, 分散分布于绿洲及荒漠内部; CV值为0.1~1, 即处于中等变异的区域占研究区面积的89.84%, 其中CV值介于0.1~0.3之间的主要集中在绿洲及山区北部, 0.3~0.4之间的集中在山麓冲积扇地带, 0.4~0.5之间的集中于山区南部, CV值为0.5以下的区域共占CV值存在定义区域的87.39%。 CV值大于1的区域共占研究区总面积的1.62%, 主要分布于多年高山积雪区以及绿洲内部水域的边缘, 此类区域由于雪线以及水域的进退导致了NPP值波动较大, 致使CV值较高。 由上可知叶尔羌河流域NPP整体变异性不强, 异常波动较少。

由以往研究可知, NPP往往受到降水量和温度等因素的共同影响。 为揭示叶尔羌河流域NPP变化的驱动因素, 分析不同影响因子在空间范围上的影响方式与程度, 通过偏相关分析分别控制降水量和温度的影响, 分析计算NPP与另一种因子的逐像元偏相关系数, 并进行了显著性检验, 其通过显著性0.05检验的偏相关系数结果如图4所示。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 叶尔羌河流域NPP与气象因子偏相关系数图 (a): NPP与降水量偏相关系数; (b): NPP与温度偏相关系数Fig.4 Partial correlation coefficient diagram of NPP and meteorological factors in Yarkand River Basin (a): Partial correlation coefficient between NPP and precipitation; (b): Partial correlation coefficient between NPP and temperature

由图4可知, 叶尔羌河流域降水量和气温对NPP的影响在空间范围以及影响方式上呈现出完全不同的状态。 总体上, 降水量与NPP的偏相关系数通过显著性检验的较之温度显然更多, 广泛存在于流域的大部分区域, 其中以平原区以及高山区北部为主, 且在此类区域两者主要呈现显著正相关关系, 以山麓区域最为显著, 其次为绿洲区以及荒漠绿洲过渡带, 而在高山区南部, 两者存在显著关系的区域只有少量零散分布且以负相关为主; 温度与NPP的偏相关系数分布状况则恰好相反, 在研究区内两者的相关关系通过显著性检验的只有少量零散分布, 主要集中于高山区以及平原区的部分区域, 且在高山区绝大部分通过显著性检验区域的NPP与温度呈正相关关系, 而在平原区以负相关关系为主, 以研究区东北部的荒漠地带最为明显, 山麓区域无显著相关性。

由前人研究可知, 区域NPP的分布特征除受到气温、 降水量等气象因素影响外, 往往与土地利用类型或地形地貌等因素有关。 依据孙帆等^[13]的研究成果, 结合流域内部特征, 将叶尔羌河流域划分为高山、 绿洲、 荒漠、 荒漠绿洲过渡带等四种生态区, 并选取2000, 2005, 2010, 2015和2018年的NPP分布状况分析四种生态区的NPP年际变化, 如图5所示。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 叶尔羌河流域各生态区NPP年际变化图Fig.5 Interannual variations of NPP in the various ecotopes of Yarkand River Basin

高山区以叶尔羌河出山口— 卡群站为界限划分, 如图5所示, 高山区NPP多年均值为65.74 gC· m^-2· a^-1, 由2000年的49.28 gC· m^-2· a^-1增长至2018年的83.43 gC· m^-2· a^-1, 年均增长1.9 gC· m^-2· a^-1, 整体波动相对较大且NPP多年均值在叶尔羌河流域中属于相对较低区域, 仅比荒漠区域略高。 绿洲区、 荒漠区以及荒漠绿洲过渡带主要以NDVI值、 土地利用类型以及人工目视解译为依据进行划分, 其中绿洲区NPP多年均值为303.87 gC· m^-2· a^-1, 由2000年的254.74 gC· m^-2· a^-1增长至2018年的366.45 gC· m^-2· a^-1, 年均增长6.21 gC· m^-2· a^-1, 增速在四种生态区中处于最高水平, 多年均值亦明显高于其他区域, 呈波动上升趋势, 在2005年— 2006年出现较明显的下降; 并且绿洲面积由2000年的9 682.61 km²增长至2015年的12 218.88 km², 增加约26.19%。 荒漠区NPP多年均值为52.23 gC· m^-2· a^-1, 由2000年的40.88 gC· m^-2· a^-1增长至2018年的68.19 gC· m^-2· a^-1, 年均增长1.52 gC· m^-2· a^-1, 处于四种生态区中最低水平; 其面积由2000年的7 295.46 km²增长至2015年的7 559.65 km², 增加约3.62%。 荒漠绿洲过渡带NPP多年均值为97.28 gC· m^-2· a^-1, 由2000年的79.63 gC· m^-2· a^-1增长至2018年的123.83 gC· m^-2· a^-1, 年均增长2.46 gC· m^-2· a^-1, 整体呈现出较为稳定的上升态势; 其面积由2000年的7 324.23 km²缩小至2015年的4 828.5 km², 减少约34.07%。

根据叶尔羌河流域多年NPP逐像元趋势检验的结果可知, 在流域内大部分区域NPP均呈上升趋势, 且在此类区域NPP值均较高, 故而流域NPP如多年均值拟合曲线所示, 整体呈现上升趋势。 在此基础上各地域呈现出不同的变化趋势, 下游绿洲以及山麓区域上升趋势更为显著, 说明在此区域生态环境质量在研究时段内得到较大提升; 值得注意的是在绿洲内水域及居住地区域呈现出显著下降趋势, 这可能与城镇化推进以及经济发展过程中对生态环境产生干扰和破坏有关, 需要引起重视。 而在变化持续性方面, 整体表现为山区东部、 山麓以及绿洲区呈现正向持续性, 荒漠地区以及山地西部、 南部呈现反向持续性, 但是其Hurst值绝大部分集中于0.3~0.7之间, 更加接近于0.5时的混沌状态, 整体不具备极显著的正向或反向发展趋势。 在变异性方面, 荒漠、 绿洲、 荒漠绿洲过渡带、 山区西北部表现出相对稳定状态, 异常年份较少。 结合三种逐像元检测的结果可以认为绿洲区域、 荒漠绿洲过渡带NPP在未来仍然会保持平稳上升趋势, 荒漠地区存在降低的可能性但并不显著, 而在山区内部状况较为复杂、 可能发生增长与降低的区域交杂分布, 其中河谷地带保持增长趋势的可能性较高。

陈舒婷等^[14]在青藏高原地区以及尹小君等^[5]在天山北坡地区的研究中均发现降水、 气温等气象因子对于NPP的影响方式在空间上存在差异, 在叶尔羌河流域气象因子与NPP的相关性在空间上也同样呈现出了相异的分布状况。 整体上降水与NPP相关性较温度更强, 在山麓地区相关性最强, 其次为绿洲、 荒漠绿洲过渡带以及高山区域海拔相对较低之处。 这种分布状况可能与叶尔羌河流域气候条件近年来呈现“ 暖湿” 趋势^[15]相关, 在温度相对稳定的情况下, 降水量的显著增长带来了NPP的增长, 两者表现出了强相关性, 相关性强的区域恰好对应降水相对丰沛的区域, 其余区域由于海拔抬升, 表现为高寒气候, 降水稀薄, 在近年来增长亦不明显, 故在此类区域NPP与降水量相关性较弱。 温度与NPP的相关关系空间分布与降水截然相反且通过显著性检验的区域亦较少, 主要在高山区的河谷地带表现为正相关, 而在荒漠等区域表现为负相关, 这种分布情况可能受制于高山区气温普遍较低, 仅在河谷等太阳辐射较强的区域植被生长条件较好, NPP值较高; 而在荒漠区域, 温度较高, 高于植被生长最适温度会限制其生长, 使其呈现为负相关状态。 整体而言, 降水与NPP相关性更强。

叶尔羌河流域内部地域构成复杂, 各生态区地形、 气象因子等不尽相同, 导致NPP在四种生态区出现分异, 如图6所示, 年均值以绿洲区域为最高, 其次为荒漠绿洲过渡带, 高山和荒漠区域较为相近且水平均较低。 绿洲区域因其水热条件较好, 整体植被覆盖度较高, 且与降水量呈显著正相关, 在研究时段内增长较为明显, 其中2005年— 2006年以及2013年— 2015年出现两次显著下降均与气候异常事件的出现有关, 温度的增加以及降水量的异常减少引起了NPP的波动, 同时绿洲面积18年来在人类活动改造下增长明显, 其增长率低于NPP均值增长率, 说明绿洲区域生态环境整体向好发展; 荒漠绿洲过渡带主要以灌丛以及耐旱植物为主, 植株较小且分布较为稀疏, 对于抑制荒漠化以及保护绿洲生态环境具有重要意义, 然而其在18年来主要向人工绿洲转化, 面积缩减明显, 需要引起注意, 该区域植被NPP较低, 年变化较为稳定, 处于平稳上升状态; 荒漠区域在严苛的自然条件下NPP值均处于较低水平, 高山区域则是由于存在广大的积雪区域导致其NPP均值较低, 两者年际平均值较相近, 变异系数(荒漠为0.15, 高山为0.16)均略高于绿洲(0.11)和荒漠绿洲过渡带(0.11), 说明在自然条件较差的区域植被NPP更易受到外界条件的干扰, 波动性更强。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 叶尔羌河流域各生态区NPP年均值变化图Fig.6 Annual mean NPP change map of various ecotope in Yarkand River Basin

区域NPP估算中需要的气温、 降水数据在叶尔羌河流域高山区由于气象观测数据较少可能存在一定的插值精度问题, 本工作采用了国家标准气象站连续观测数据, 通过高山区气温直减率数据^[6]对其余站点进行模拟来提高精度。 然而在复杂地形区太阳辐射会受到地形以及云量的干扰, 采用更高精度的太阳辐射数据产品或者改进插值方法是下一步工作的主要方向。