净初级生产力
-
2023年3月20日发(作者：驾驶员体检表)第４０卷第１５期２０２０年８月
生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡ
Ｖｏｌ．４０，Ｎｏ．１５
Ａｕｇ．，２０２０
ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
基金项目：国家自然科学基金项目（３１７６０１３５，３１３６０１１４）
收稿日期：２０１９⁃０３⁃０４； 修订日期：２０２０⁃０６⁃１２
∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｘｉａｍｉｎｌ＠１６３．ｃｏｍ
ＤＯＩ：１０．５８４６／ｓｔｘｂ２０１９０３０４０４０３
刘旻霞，焦骄，潘竟虎，宋佳颖，车应弟，李俐蓉．青海省植被净初级生产力（ＮＰＰ）时空格局变化及其驱动因素．生态学报，２０２０，４０（１５）：５３０６⁃５３１７．
ＬｉｕＭＸ，ＪｉａｏＪ，ＰａｎＪＨ，ＳｏｎｇＪＹ，ＣｈｅＹＤ，ＬｉＬＲ．ＳｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｐａｔｔｅｒｎｓｏｆｐｌａｎｔｉｎｇＮＰＰａｎｄｉｔｓｄｒｉｖｉｎｇｆａｃｔｏｒｓｉｎＱｉｎｇｈａｉＰｒｏｖｉｎｃｅ．Ａｃｔａ
ＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０２０，４０（１５）：５３０６⁃５３１７．
青海省植被净初级生产力（ＮＰＰ）时空格局变化及其驱
动因素
刘旻霞
∗，焦 骄，潘竟虎，宋佳颖，车应弟，李俐蓉
西北师范大学地理与环境科学学院，兰州 ７３００７０
摘要：植被净初级生产力（ＮＰＰ）作为陆地生态过程的关键参数，不仅用以估算地球支持能力和评价陆地生态系统的可持续发
展，也是全球碳循环的重要组成部分和关键环节。基于２０００—２０１４年ＭＯＤ１７Ａ３年均ＮＰＰ数据和气象站点气温、降水资料，采
用简单差值、趋势分析、相关性分析和Ｈｕｒｓｔ指数等方法，分析了青海省ＮＰＰ的时空变化特征及其与气候因子的关系。结果表
明：①青海省植被年均ＮＰＰ在２０００—２０１４年间整体分布呈现由南到北、由东到西递减的趋势，各生态区的空间存在显著差异，
表现为Ⅱ区＞Ⅰ区＞Ⅲ区＞Ⅳ区＞Ⅴ区。②２０００—２０１４年，青海省ＮＰＰ变化趋势由北到南、由西到东呈现逐渐增加趋势，平均趋
势系数为０．６１，ＮＰＰ值增加的区域占总面积的１５％，其中显著增加区域为２．８％，轻度增加区域为１２．２％。③青海省ＮＰＰ值的
Ｈｕｒｓｔ的值域范围为０—０．３９，均值为０．１２，除了河流湖泊，建筑用地和未利用土地，青海省ＮＰＰ变化特征为反持续性特征。
④气候因子（年平均降水量和年均气温）对年均ＮＰＰ的分布有影响，海拔的高低造成气温、降水和土壤的差异，间接影响植被
ＮＰＰ，１５年土地利用／覆被变化（ＬＵＣＣ）表现为草地面积减少最多，这是导致ＮＰＰ减少的主要原因。
关键词：净初级生产力（ＮＰＰ）；时空变化；ＭＯＤ１７Ａ３；青海省
ＳｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｐａｔｔｅｒｎｓｏｆｐｌａｎｔｉｎｇＮＰＰａｎｄｉｔｓｄｒｉｖｉｎｇｆａｃｔｏｒｓｉｎ
ＱｉｎｇｈａｉＰｒｏｖｉｎｃｅ
ＬＩＵＭｉｎｘｉａ∗，ＪＩＡＯＪｉａｏ，ＰＡＮＪｉｎｇｈｕ，ＳＯＮＧＪｉａｙｉｎｇ，ＣＨＥＹｉｎｇｄｉ，ＬＩＬｉｒｏｎｇ
ＣｏｌｌｅｇｅｏｆＧｅｏｇｒａｐｈｙａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ，ＮｏｒｔｈｗｅｓｔＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００７０，Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ：Ａｓａｋｅｙｐａｒａｍｅｔｅｒｏｆｔｅｒｒｅｓｔｒｉａｌｅｃｏｌｏｇｉｃａｌｐｒｏｃｅｓｓ，ＮＰＰｃａｎｎｏｔｏｎｌｙｅｓｔｉｍａｔｅｔｈｅｅａｒｔｈ′ｓｓｕｐｐｏｒｔｉｎｇｃａｐａｃｉｔｙ
ａｎｄｅｖａｌｕａｔｅｔｈｅｓｕｓｔａｉｎａｂｌｅｄｅｖｅｌｏｐｍｅｎｔｏｆｔｅｒｒｅｓｔｒｉａｌｅｃｏｓｙｓｔｅｍ，ｂｕｔａｌｓｏａｎｉｍｐｏｒｔａｎｔｐａｒｔａｎｄｋｅｙｌｉｎｋｏｆｇｌｏｂａｌｃａｒｂｏｎ
ｃｙｃｌｅ．ＢａｓｅｄｏｎｔｈｅＭＯＤ１７Ａ３ａｎｎｕａｌｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙｄａｔａａｎｄｔｈｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｓｉｔｅｔｅｍｐｅｒａｔｕｒｅａｎｄｐｒｅｃｉｐｉｔａｔｉｏｎ
ｄａｔａｆｒｏｍ２０００ｔｏ２０１４，ｔｈｅｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＮＰＰｉｎＱｉｎｇｈａｉＰｒｏｖｉｎｃｅａｎｄｉｔｓｃｏｒｒｅｌａｔｉｏｎｗｉｔｈｃｌｉｍａｔｉｃ
ｆａｃｔｏｒｓｗｅｒｅａｎａｌｙｚｅｄｂｙｍｅａｎｓｏｆｓｉｍｐｌｅｄｉｆｆｅｒｅｎｃｅ，ｔｒｅｎｄａｎａｌｙｓｉｓｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓ，ａｎｄＨｕｒｓｔｉｎｄｅｘ．Ｔｈｅｒｅｓｕｌｔｓ
ｓｈｏｗｅｄｔｈａｔｔｈｅａｖｅｒａｇｅａｎｎｕａｌＮＰＰｏｆｖｅｇｅｔａｔｉｏｎｉｎＱｉｎｇｈａｉＰｒｏｖｉｎｃｅｇｒａｄｕａｌｌｙｄｅｃｒｅａｓｅｄｆｒｏｍｓｏｕｔｈｔｏｎｏｒｔｈａｎｄｆｒｏｍｅａｓｔ
ｔｏｗｅｓｔｏｖｅｒｔｈｅｐｅｒｉｏｄ２０００ｔｏ２０１４，ａｎｄｔｈａｔｔｈｅｒｅｗｅｒｅｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅｓｉｎｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｅａｃｈｅｃｏｌｏｇｉｃａｌ
ｒｅｇｉｏｎ，ａｓｆｏｌｌｏｗｓ：ａｒｅａＩＩ＞ａｒｅａＩ＞ａｒｅａＩＩＩ＞ａｒｅａＩＶ＞ａｒｅａＶ．Ｆｒｏｍ２０００—２０１４，ｔｈｅｔｒｅｎｄｓｏｆＮＰＰｉｎＱｉｎｇｈａｉ
Ｐｒｏｖｉｎｃｅｃｈａｎｇｅｄｆｒｏｍｎｏｒｔｈｔｏｓｏｕｔｈａｎｄｆｒｏｍｗｅｓｔｔｏｅａｓｔ，ａｎｄｔｈｅａｖｅｒａｇｅｔｒｅｎｄｃｏｅｆｆｉｃｉｅｎｔｗａｓ１５％ｏｆｔｈｅｔｏｔａｌａｒｅａ，
ｗｉｔｈａｎｏｔａｂｌｅｉｎｃｒｅａｓｅｏｆ２．８％ａｎｄａｓｌｉｇｈｔｉｎｃｒｅａｓｅｏｆ１２．２％ｉｎｔｈｅａｒｅａｏｆ０．６１，ＮＰＰ．ＴｈｅｒａｎｇｅｏｆｔｈｅＨｕｒｓｔｉｎｄｅｘｏｆ
ＮＰＰｖａｌｕｅｓｉｎＱｉｎｇｈａｉＰｒｏｖｉｎｃｅｗａｓ０—０．３９ａｎｄｔｈｅｍｅａｎｖａｌｕｅｗａｓ０．１２；ｉｎａｄｄｉｔｉｏｎｔｏｒｉｖｅｒｓａｎｄｌａｋｅｓ，ｂｕｉｌｄｉｎｇｌａｎｄ，
ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
ａｎｄｕｎｕｓｅｄｓｏｉｌ，ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＮＰＰｃｈａｎｇｅｉｎＱｉｎｇｈａｉＰｒｏｖｉｎｃｅｗｅｒｅｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆａｎｔｉ⁃ｐｅｒｓｉｓｔｅｎｃｅ．Ｃｌｉｍａｔｉｃ
ｆａｃｔｏｒｓ（ａｎｎｕａｌａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎａｎｄａｎｎｕａｌａｖｅｒａｇｅｔｅｍｐｅｒａｔｕｒｅ）ｈａｄａｎｉｍｐａｃｔｏｎｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅａｎｎｕａｌ
ａｖｅｒａｇｅＮＰＰ．Ｔｈｅｅｌｅｖａｔｉｏｎｒｅｓｕｌｔｓｉｎｄｉｆｆｅｒｅｎｃｅｓｉｎｔｅｍｐｅｒａｔｕｒｅ，ｐｒｅｃｉｐｉｔａｔｉｏｎａｎｄｓｏｉｌ，ａｎｄｉｎｄｉｒｅｃｔｌｙａｆｆｅｃｔｓｖｅｇｅｔａｔｉｏｎ
ＮＰＰ．Ｌａｎｄｕｓｅａｎｄｃｏｖｅｒｃｈａｎｇｅ（ＬＵＣＣ）ｉｎ１５ｙｅａｒｓｓｈｏｗｅｄｔｈａｔｇｒａｓｓｌａｎｄａｒｅａｄｅｃｒｅａｓｅｄｔｈｅｍｏｓｔ，ｗｈｉｃｈｗａｓｔｈｅｍａｉｎ
ｒｅａｓｏｎｆｏｒｔｈｅｄｅｃｒｅａｓｅｉｎＮＰＰ．
ＫｅｙＷｏｒｄｓ：ｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ（ＮＰＰ）；ｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｖａｒｉａｔｉｏｎ；ＭＯＤ１７Ａ３；ＱｉｎｇｈａｉＰｒｏｖｉｎｃｅ
植被净初级生产力（ＮｅｔＰｒｉｍａｒｙＰｒｏｄｕｃｔｉｏｎ，ＮＰＰ）是指植被地上部分在单位时间，单位面积上所积累的
有机物的数量。植被净初级生产力（ＮＰＰ）作为陆地生态过程的关键参数，不仅用以估算地球支持能力和评
价陆地生态系统的可持续发展，也是全球碳循环的重要组成部分和关键环节。掌握陆地植被ＮＰＰ的变化趋
势，对于理解全球气候变化对陆地生态系统植被变化过程的作用机制具有重要的理论和实际意义。ＭＯＤ１７Ａ３是基于ＭＯＤＩＳ（ＴＥＲＲＡ卫星）遥感参数，通过ＢＩＯＭＥ⁃ＢＧＣ计算出全球陆地植被ＮＰＰ年际变化的
资料，目前已在全球不同区域对植被生长状况、生物量的估算，环境监测和全球变化等研究中得到验证和广泛
应用。
实地测量是ＮＰＰ最早的测定方法，主要方法包括收割法、生物量调查法、光合测定法、值测定法、放射测
定法、叶绿素测定法和原料消耗测定法等
［１⁃４］，但是受很多因素的限制，不利于开展，后来，学者又提出了气候
统计模型估测、生理生态过程模型、光能利用率模型、多模型交互应用等方法
［５⁃９］，早在１９世纪８０年代，
Ｅｂｅｒｍａｙｅｒ用基本的实地测量方法对巴伐利亚森林进行了ＮＰＰ的测定；１９３２年丹麦科学家Ｂｏｙｓｅｎ⁃ＪｅｎｓｅｎＰ
出版了《植物的物质生产》一书，第一次明确的提出了总生产量（Ｇｒｏｓｓｐｒｏｄｕｃｔｉｏｎ）和净生产量（Ｎｅｔｐｒｏｄｕｃｔｉｏｎ）
的概念和它们的计算公式
［１０］；之后又以英国Ｗａｔｓｏｎ为代表提出了著名的Ｗａｔｓｏｎ法则，日本生态学家门司和
佐伯提出了群落光合作用理论
［１１］。到２１世纪之后，我国学者用光能利用率模型（ＣＡＳＡ）来研究陆地生态系
统碳循环和ＮＰＰ。潘竟虎和李真
［１２］
利用改进的ＣＡＳＡ模型估算２００１—２０１２年西北干旱区陆地生态系统的
净第一性生产力（ＮＰＰ），结果ＮＰＰ表现出很强的季节性变化规律
［１３］；高原利用ＭＯＤ１７Ａ３数据研究新疆
２０００—２０１０年ＮＰＰ时空变化特征，研究显示不同生态功能区和市、县行政区ＮＰＰ存在区域差异［１４］；江源通
分析了２０００—２０１０年湘江流域植被ＮＰＰ的空间格局变化特征，得到了气候变化和土地利用与湘江流域植被ＮＰＰ的关系。
对于ＮＰＰ变化驱动因子的研究，之前大多局限于气候因子的研究，特别针对海拔和人为因素没有定量研
究ＮＰＰ的变化。本文以此为出发点，用气候因子结合海拔和土地利用分析了ＮＰＰ的变化关系，研究２０００—２０１４年青海省ＮＰＰ时空分布变化及其与驱动因子的关系，同时，青海省是三江源的发源地，也是我国重要的
生态屏障区
［１５⁃１６］，近１５年来植被ＮＰＰ发生很大变化，对该地区ＮＰＰ时空变化特征进行定量分析，以便为青
海省资源环境监测提供重要依据，以期为区域生态环境和植被碳源／汇评价、经济社会的可持续发展规划提供
科学依据和参考背景。
１ 研究区与数据
１．１ 研究区概况
青海省地处青藏高原东北部，介于８９°３５′—１０３°０４′Ｅ，３１°４０′—３９°１９′Ｎ之间（图１）。海拔在３０００—５０００ｍ之间，气候区域分布差异大，冬季寒冷，夏半年凉爽，雨热同期。草原分为９个草地类７个草地亚类２８个草
地组１７３个草地型，是青海天然草原的主体。
１．２ 数据来源
植被ＮＰＰ数据来源于美国ＮＡＳＡＥＯＳ／ＭＯＤＩＳ的２０００—２０１４年的ＭＯＤ１７Ａ３数据（ｈｔｔｐ：／／ｒｅｖｅｒｂ．ｅｃｈｏ．
７０３５
１５期 刘旻霞 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
ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
图１ 研究区概况及气象站点的空间分布
Ｆｉｇ．１ Ｓｔｕｄｙａｒｅａａｎｄｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｍｅｔｅｏｒｏｌｏｇｉｃａｌ
ｓｔａｔｉｏｎｓ
ｎａｓａ．ｇｏｖ），空间分辨率为１ｋｍ，时间分辨率为１ａ；气象
数据来源于中国气象科学数据共享服务网（ｈｔｔｐ：／／ｃｄｃ．ｃｍａ．ｇｏｖ．ｃｎ）；土地利用数据来源于中国科学院寒旱区
科学数据中心；ＤＥＭ数据来源于中国科学院计算机网
络信息中心地理空间数据云平台（ｈｔｔｐ：／／ｗｗｗ．ｇｓｃｌｏｕｄ．ｃｎ）；青海省主要农作物的产量和播种面积数据来源于
青海省统计年鉴；中国土地利用数据来源于中国西部环
境与生态科学数据中（ｈｔｔｐ：／／ｗｅｓｔｄｃ．ｗｅｓｔｇｉｓ．ａｃ．ｃｎ）的ＷＥＳＴＤＣ，根据中科院土地利用／覆盖分类体系（ＬＵＣＣ
分类体系）将地表覆盖类型主要分为耕地、林地、草地、
水体、建设用地和未利用地６种类型（表１）。
１．３ 数据处理
本文选用ｈ２５ｖ０５、ｈ２６ｖ０５这２幅数据。首先利用ＭＲＴ对ＭＯＤ１７Ａ３数据进行拼接和投影转换，然后利用
ＥＮＶＩ４．３以青海省行政区划图为基础进行裁剪，提取青海省的ＮＰＰ数据。利用ＡｒｃＧＩＳ１０．０采用掩膜法扣除
ＮＰＰ数据中的水体及建设用地，并得到不同土地利用类型的ＮＰＰ值。气象数据为与遥感数据进行匹配，在
ＡｒｃＧＩＳ１０．０中，采用三角网插值方法将站点气候数据插值成空间分辨率为１０００ｍ
×
１０００ｍ地理投影的栅格
数据。
表１ 土地利用分类及编号
Ｔａｂｌｅ１ Ｌａｎｄｕｓｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｃｏｄｉｎｇ
一级分类及编号Ｆｉｒｓｔｃｌａｓｓｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｎｕｍｂｅｒ二级分类及编号Ｓｅｃｏｎｄａｒｙｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｎｕｍｂｅｒ
１耕地Ｐｌｏｕｇｈ１１水田、１２旱地
２林地Ｆｏｒｅｓｔｒｙ２１有林地、２２灌林地、２３疏林地、２４其他林地
３草地Ｍｅａｄｏｗ３１高覆盖草地、３２中覆盖草地、３３低覆盖草地
４水体Ｗａｖｅ４１河渠、４２湖泊、４３水库坑塘、４４永久性冰川雪地、４５滩涂、４６滩地
５建设用地Ｃｏｎｓｔｒｕｃｔｉｏｎ５１城镇用地、５２农村居民点、５３其他建设用地
６未利用地Ｕｎｔｒｅａｔｅｄ
６１沙地、６２戈壁、６３盐碱地、６４沼泽地、６５裸土地、６６裸岩石质山地、６７其他未利用地（包括
高寒荒漠、苔原等）
１．４ ＮＰＰ数据验证
由于ＮＰＰ的实测数据难以测得，本文利用作物产量估算ＮＰＰ值和其他学者结合ＮＰＰ观测数据估算的ＮＰＰ值来进行验证。
１．４．１ 根据统计数据中作物产量估算ＮＰＰ的方法
农业统计中的产量、面积等资料估算ＮＰＰ是根据不同作物的收获部分的含水量和收获指数（经济产量与
作物地上部分干重的比值）将农业统计数据的产量转换成植被碳储量。从主要作物县级统计收获数据到县
级平均ＮＰＰ的转换方法可以用下面公式表达
［１７］：
ＮＰＰ
＝∑ｎ
ｉ
＝
１
Ｙ
ｉ
×
１
－
ＭＣ
ｉ
()
×
０．４５
ｇＣ
ｇ
ＨＩ
ｉ
×
０．９
／∑ｎ
ｉ
＝
１
Ａ
ｉ
式中，Ｙ
ｉ
是统计数据中作物ｉ的产量，ＭＣ
ｉ
是作物收获部分的含水量，ＨＩ
ｉ
是作物ｉ的收获指数，Ａ
ｉ
是作物收获面
积。式中的作物产量和收获面积分别来自于中国自然资源网提供的中国农业统计数据中的８大类主要农作
物的产量和播种面积，作物收获部分的含水量和收获指数
［１８］（表２）。
８０３５
生 态 学 报 ４０卷
ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
图２表明，作物产量估算的ＮＰＰ值与ＭＯＤ１７Ａ３值呈显著的正相关关系（Ｐ＜０．０１），且相关系数达到０．７７，
均值的标准误差是３．９５，说明ＭＯＤ１７Ａ３来估算青海省的ＮＰＰ值是可靠的。
１．４．２ 本文ＮＰＰ值与其他学者模型对比
由表３可以看出，不同的植被类型中本文年平均ＮＰＰ与其他模型ＮＰＰ的值趋势大致相同，整体比较接
近，变化在一定的范围之内，对比估算精度在７９％左右，所以ＭＯＤ１７Ａ３值具有一定的可靠性。
表２ 主要农作物的收获指数及含水量
Ｔａｂｌｅ２ Ｈａｒｖｅｓｔｉｎｄｅｘａｎｄｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｏｆｍａｊｏｒｃｒｏｐｓ
作物Ｃｒｏｐ
作物收获部分
的含水量／％ＭＣ（Ｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔ）
收获指数ＨＩ（Ｈａｒｖｅｓｔｉｎｄｅｘ）作物Ｃｒｏｐ
作物收获部分
的含水量／％ＭＣ（Ｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔ）
收获指数ＨＩ（Ｈａｒｖｅｓｔｉｎｄｅｘ）
稻谷Ｐａｄｄｙ１４０．３８—０．５１薯类Ｔｕｂｅｒ８００．５
小麦Ｗｈｅａｔ１２．５０．２８—０．４６棉花Ｃｏｔｔｏｎ８．３０．３—０．４
玉米Ｃｏｒｎ１３—１４０．４５—０．５３油菜Ｒａｐｅ９—１８０．２１—０．３
豆类Ｐｕｌｓｅ１２—１３０．２—０．３糖料（甜菜）Ｓｕｇａｒ８５０．４
表３ 不同植被类型ＮＰＰ值与其他模型对比／（ｇＣｍ－
２ａ－
１）
Ｔａｂｌｅ３ ＴｈｉｓｐａｐｅｒｃｏｍｐａｒｅｓｔｈｅＮＰＰｖａｌｕｅｓｏｆｄｉｆｆｅｒｅｎｔｖｅｇｅｔａｔｉｏｎｔｙｐｅｓｗｉｔｈｏｔｈｅｒｍｏｄｅｌ
土地利用类型Ｌａｎｄｕｓｅｔｙｐｅ数据范围Ｄａｔａｒａｎｇｅ
Ｍｉａｍｉ模型［１９⁃２０］
Ｍｉａｍｉｍｏｄｅｌ
ＣＡＳＡ模型［２１⁃２３］
ＣＡＳＡｍｏｄｅｌ
Ｔｈｏｒｎｔｈｗａｉｔｅ模型［２４］
Ｔｈｏｒｎｔｈｗａｉｔｅｍｏｄｅｌ
ＣＥＶＳＡ模型［２５］
ＣＥＶＳＡｍｏｄｅｌ
耕地Ｐｌｏｕｇｈ２３９—７６０５５８．７５２４．８２１６６４８．８
林地Ｆｏｒｅｓｔｒｙ１１４—１９１３３７３７．５３６１２．２１８９８２９３６．１
草地Ｍｅａｄｏｗ３６４—３１８７２６８４．３２５５２．８—４１４．６
水体Ｗａｖｅ２５６—９４３１１７１．６１０９１．４——
建设用地Ｃｏｎｓｔｒｕｃｔｉｏｎ５６—９７２６２８．５５８５．８——
未利用地Ｕｎｔｒｅａｔｅｄ８２—７２５．６９５１．６９１２．８１４—
图２ ＮＰＰ实测值与年均ＮＰＰ结果比较
Ｆｉｇ．２ ＣｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｍｅａｓｕｒｅｄａｎｄｅｓｔｉｍａｔｅｄＮＰＰ
２ 研究方法
２．１ 简单差值法
简单差值法是对相同地区不同时相的图像进行相
减运算，利用图像之间的差值来衡量ＮＰＰ年际间变化
的趋势以及大，其公式为
［６］：
Ｄ
ｉｊ
＝
ＮＰＰｔ１
ｉｊ
－
ＮＰＰｔ２
ｉｊ
式中，Ｄ
ｉｊ
为第ｉ行ｊ列像素的差值；ＮＰＰ
ｔ１
ｉｊ
为时相ｔ
１
第ｉ
行ｊ列像素的ＮＰＰ值；ｔ
１、ｔ２
为时相；ｉ、ｊ为第ｉ行ｊ列像
素的位置。
２．２ 趋势分析法
一元线性回归分析法是分析了１５年间ＮＰＰ值的
趋势倾向率，综合表征一定时间序列的区域格局演变规
律，其公式为
［２６］：
Ｓｌｏｐｅ
＝
ｎ
×∑ｎ
ｉ
＝
１
ｉ
×
ＮＰＰ
ｉ
()
－∑ｎ
ｉ
＝
１
ｉ
×∑ｎ
ｉ
＝
１
ＮＰＰｉ
ｎ
×∑ｎ
ｉ
＝
１
ｉ２－∑ｎ
ｉ
＝
１
ｉ()２
式中，Ｓｌｏｐｅ是线性拟合方程的斜率；ＮＰＰ
ｉ
是第ｉ年通过最大值合成法得到的ＮＰＰ值，ｎ为研究时段的长度，
９０３５
１５期 刘旻霞 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
ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
Ｓｌｏｐｅ大于０，表示１５年间ＮＰＰ值增加，反之减少。
２．３ Ｈｕｒｓｔ指数
Ｈｕｒｓｔ指数的估算方法很多，本文采用Ｒ／Ｓ分析法来分析ＮＰＰ的持续性特征，其公式为［２７⁃２８］：
ＮＰＰ的时间序列ＮＰＰｉ，ｉ
＝
１，２，３，４，…，ｎ，对于任意正整数ｍ，定义该时间序列的均值序列：
ＮＰＰｍ
()
＝
１
ｍ∑ｍ
ｉ
＝
１
ＮＰＰｉ （ｍ
＝
１，２，３，４，…，ｎ）
累计离差：Ｘｔ
()
＝∑ｍ
ｉ
＝
１
ＮＰＰｉ
－
ＮＰＰｍ
()()
（１＜ｔ＜ｍ）
极差：Ｒｍ
()
＝
ｍａｘ
１＜ｍ＜ｎ
Ｘｔ
()
－
ｍｉｎ
１＜ｍ＜ｎ
Ｘｔ
()
（ｍ
＝
１，２，３，４，…，ｎ）
标准差：Ｓｍ
()
＝１
ｍ∑ｍ
ｉ
＝
１
ＮＰＰｉ
－
ＮＰＰｍ
()()２é
ë
ê
ê
ù
û
ú
ú
１
２ （ｍ
＝
１，２，３，４，…，ｎ）
比值Ｒ（ｍ）／Ｓ（ｍ）即Ｒ／Ｓ，Ｒ／Ｓ∝ｍ
Ｈ，则Ｈ就是Ｈｕｒｓｔ指数，Ｈ值可以根据ｍ和对应计算得Ｒ／Ｓ值，在双对
数坐标系（ｌｎｍ，ｌｎＲ／Ｓ）中用最小二乘法拟合得到，如果０．５＜Ｈ＜１，表明是ＮＰＰ
ｉ
是一个持续性序列，如果Ｈ
＝０．５，则说明ＮＰＰｉ
为随机序列，如果０＜Ｈ＜０．５，则表明ＮＰＰ
ｉ
具有反持续性。
２．４ 相关分析法
本文采用Ｐｅａｒｓｏｎ相关系数分析法，对每一个像元相应的年均植被ＮＰＰ与降雨因子和温度因子进行相关
性分析，以此分析植被ＮＰＰ与气候因子之间的响应关系，其计算公式为
［２９
－
３０］：
Ｒ
＝
∑ｎ
ｉ
＝
１
ｘ
ｉ
－