EN中文

自然资源遥感 >

2025 , Vol. 37 >Issue 3: 212 - 220

DOI: https://doi.org/10.6046/zrzyyg.2024019

技术应用

内蒙古草原生态系统NEP时空变化特征及影响因素研究

  • 唐霞 ,
  • 刘永新 ,
  • 马敏 ,
  • 甄宏超
展开
  • 中国地质调查局呼和浩特自然资源综合调查中心,呼和浩特 010010
刘永新(1986-),男,硕士研究生,高级工程师,研究方向为遥感数据处理与应用。Email: 。

唐 霞(1998-),女,硕士研究生,助理工程师,研究方向为遥感数据处理与GIS应用。Email: 。

Office editor: 李瑜

收稿日期: 2024-01-10

  修回日期: 2024-06-07

  网络出版日期: 2026-06-03

基金资助

内蒙古重点研发和成果转化项目“融合无人机技术的草甸草原生态修复区健康定量评价及功能评估技术研发与应用”(2022YFDZ0026)

收起

Exploring the spatiotemporal variations and influential factors of net ecosystem productivity in the Inner Mongolian grassland ecosystem

  • TANG Xia ,
  • LIU Yongxin ,
  • MA Min ,
  • ZHEN Hongchao
Expand
  • Hohhot General Survey of Natural Resources Center, China Geological Survey, Hohhot 010010, China

Received date: 2024-01-10

  Revised date: 2024-06-07

  Online published: 2026-06-03

Fold

摘要

净生态系统生产力(net ecosystem productivity,NEP)是定量反映生态系统固碳能力的重要指标。为探究内蒙古草原生态系统的碳源/汇状况,支撑低碳减排工作,该文基于MODIS净初级生产力(net primary productivity,NPP)和气象数据,采用趋势分析、变异系数、Hurst指数和通径分析法探究了2001—2020年内蒙古草原生态系统NEP指数的时空变化特征及其与影响因素的关系。结果显示: 内蒙古草原生态系统NEP均值整体呈“由西北向东南逐步增加,由大兴安岭向东西两麓逐渐减小”的空间分布格局,2001—2020年间的年均NEP为210.65 gC·m-2·a-1,表现为波动性增强,增速为3.81 gC·m-2·a-1; NEP增加的区域占草原总面积的99.33%,碳汇功能变化较稳定; 69.08%的草原NEP在未来一段时间内呈弱反持续性,碳汇功能可能会减弱; 所选影响因素综合解释了83.7%的NEP变化,其中降水量和最低温度是NEP变化的主导因素。研究结果不仅有助于了解内蒙古草原生态系统的固碳特征,而且对实现“碳达峰,碳中和”的战略目标具有重要意义。

关键词： 内蒙古草原生态系统; NEP指数; 碳源/汇; 时空变化特征; 通径分析

本文引用格式

唐霞 , 刘永新 , 马敏 , 甄宏超 . 内蒙古草原生态系统NEP时空变化特征及影响因素研究[J]. 自然资源遥感, 2025 , 37(3) : 212 -220 . DOI: 10.6046/zrzyyg.2024019

Abstract

Net ecosystem productivity (NEP) serves as a significant index that quantitatively represents the carbon sequestration capacity of ecosystems. This study aims to explore the carbon source/sink status of the Inner Mongolian grassland ecosystem to support the efforts for low carbon and emission reduction. Based on MODIS NPP and meteorological data, and applying the trend analysis, coefficient of variation, Hurst index, and path analysis, this study explored the spatiotemporal variations of the NEP index in the Inner Mongolian grassland ecosystem from 2001 to 2020 and its relationship with influential factors. The results indicate that the overall spatial distribution pattern of average NEP in the Inner Mongolian grassland ecosystem was characterized by a gradual increase from northwest to southeast, and a gradual decrease from the Great Xing’an Range to the eastern and western foothills. The average annual NEP over the past 20 years was 210.65 gC·m-2·a-1, showing a fluctuating increase at a rate of 3.81 gC·m-2·a-1. The areas with increased NEP represented 99.33 % of the total grassland area, suggesting relatively stable changes in carbon sink. However, 69.08 % of NEP in the grassland system is expected to show weak anti-persistence in the near future, suggesting that carbon sink might be weakened. The selected influential factors, dominated by rainfall and minimum temperature, comprehensively explained 83.7 % of NEP variations. The results of this study assist in understanding the carbon sequestration characteristics of the Inner Mongolian grassland ecosystem while holding critical significance for achieving the carbon peak and neutrality goals.

Key words： Inner Mongolian grassland ecosystem; net ecosystem productivity (NEP) index; carbon source/sink; spatiotemporal variations; path analysis

0 引言

净生态系统生产力(net ecosystem productivity,NEP)是植被净初级生产力(net primary productivity,NPP)与土壤呼吸作用的差值[1],可直接作为评估生态系统固碳能力的指标[2]。NEP>0表现为碳汇,反之则为碳源。目前估算NEP的方法已较为成熟,主要有样地清查法、微气象法和模型估算法3种。样地清查法[3-4]是通过实测植物体干重的变化来估算NEP,方法直接明确、技术简单,可以省去不必要的系统和人为误差,但所需成本较大,更适用于小尺度NEP的研究。微气象法是通过检测近地层湍流和气体浓度对二氧化碳(carbon dioxide,CO2)通量进行动态统计的方法,以涡度相关通量法[5-6]为代表,观测数据连续准确,但在大范围NEP研究方面同样受限。模型估算法的原理是通过模拟多种因素共同作用下生态系统的碳循环机制计算NPP,减去土壤异养呼吸得到NEP,相比于传统的实测手段,引入遥感技术的模型估算法在分析碳源/汇方面具有时效性强、覆盖范围广等优势[7],近年来被广泛应用于NEP研究领域[8-10]。
内蒙古草原是我国北方地区重要的生态安全屏障和畜牧业生产基地[11],在水源涵养、生物多样性保育、防风固沙、气候调节等方面发挥着至关重要的生态服务功能。同时,其覆盖范围广,草原类型多样,也是陆地生态系统碳循环中的重要一环。与森林等生态系统相比,草原固碳更为稳定,成本更低,草地生产力的提高或生物量的积累是固定大气中CO2和增强草原固碳能力的重要方式[12]。然而有研究表明[13],温室效应引起的气候变化和人类活动对草原的过度利用,导致内蒙古草原“三化”(退化、沙化、盐碱化)问题严重,草地生态系统被破坏,碳储量也逐渐下降。纵观国内外对内蒙古草原NEP的研究,从研究对象看,多数都是针对草地群落[14]或单一草原类型[15]开展,缺少对整个草原生态系统的综合性研究。从研究尺度看,多集中于某个具体的草原[16-18],或选取草原样地[18]为单元,鲜见大尺度的自治区草原定量化研究。从研究内容看,探究内蒙古碳汇产业[19]、碳足迹[20]等变化特征的研究居多,仅从社会经济学的角度对碳源/汇进行研究,缺少生态学层面的深入分析,使得研究的实用性大大降低,NEP作为直观反映生态系统碳源/汇的重要指标,相关研究较少。从研究方法看,多数已有研究都是基于实测数据开展[5,17,21],在进行长时序大尺度范围的NEP研究时所需成本过大,另外,虽然部分学者引入遥感技术建立了数理估算模型[9],但综合、便捷、准确提取草原NEP的方法还远未成熟[21]。
本文基于NPP和气象数据,定量估算2001—2020年内蒙古草原生态系统NEP指数,使用趋势分析、变异系数和Hurst指数法分析NEP的时空变化特征,并运用通径分析法进一步探讨影响因素对NEP的直接和间接影响,以期为自治区制定草原生态系统低碳减排策略提供数据支撑,为草原的保护与管理、草地资源的可持续利用提供科学参考[22]。

1 研究区概况及数据源

1.1 研究区概况

内蒙古自治区(37°24'~53°02'N,97°12'~126°04'E)地处我国北部,包括半湿润、半干旱和干旱区[23],由东北向西南延伸呈狭长形态(图1),包含着我国第二大高原——内蒙古高原。内蒙古自治区以温带大陆性气候为主,年均气温-5.8~10.5 ℃,自南向北递减,年降水量31.2~564.6 mm,自西北向东南递增。草原是内蒙古面积最大的陆地生态系统,占全区国土面积的74%,是欧亚大陆草原的重要组成部分,草原类型自西向东依次为温性荒漠草原、温性典型草原和温性草甸草原[24]。
图1 研究区地形及稳定草原分布示意图

注: 该图基于审图号为蒙S(2023)027号的标准地图制作,底图无修改,下文同。

Fig.1 Topography and stable grassland distribution map of study area

1.2 数据源及其预处理

本文所用的数据均基于遥感与地理信息云服务平台(Pixel Information Expert Engine,PIE-Engine)获取(表1),包括NPP、气温、降水、土壤有机质(soil organic matter,SOM)、干燥指数(aridity index,AI)、国内生产总值(gross domestic product,GDP)、人口、CO2、土地利用和研究区矢量数据。其中NPP源于基础遥感数据产品MOD17A3H.006,其准确性已在全球不同地区的研究中得到了应用与验证[25-26]。气象数据提供每个月的降水量和平均、最高、最低气温,经过裁剪、按月累加得到年尺度的内蒙古草原生态系统降水量和平均、最高、最低气温图层。研究区矢量数据源于内蒙古标准地图。土地利用数据包含2000年、2010年和2020年3期数据,预处理为基于内蒙古行政边界进行裁剪,提取3组数据中均为草地的区域,绘制稳定的草地分布图[27]。空间分辨率为30 m和1 km的数据,均需重采样至500 m以匹配NPP的空间分辨率。
表1 数据来源

Tab.1 Sources of data

数据名称 缩写 单位 空间分辨率 描述
净初级生产力 NPP kgC·m-2·a-1 500 m 通过Smoother算法对NASA MODIS数据进行平滑生成
研究区矢量 — — — 审图号: 蒙S(2023)027号
土地利用 — — 30 m 包含10个类别,筛选其中的“草原”一类
平均气温 Tem ℃ 1 km —
通过Delta空间降尺度方案在中国地区对CRU发布的全球0.5°气候数据以及WorldClim发布的全球高分辨率气候数据降尺度生成
—
最高气温 Temmax ℃ 1 km
最低气温 Temmin ℃ 1 km
降水量 Pre mm 1 km
二氧化碳 CO2 — 1 km 全球化石燃料燃烧产生的二氧化碳排放数据
国内生产总值 GDP 万元/km2 1 km 全球1 km网格化修订的实际国内生产总值
土壤有机质 SOM g/100 g 1 km 基于中国1∶100万比例尺土壤图和土壤剖面图得到的中国土壤有机质数据集
干燥度 AI — 1 km 干燥度=潜在蒸散发/降水量
人口 POP — 1 km WorldPop数据集

2 研究方法

2.1 NEP的估算

NPP是草地在单位时间单位面积内所积累的有机物含量[12],NEP则为NPP扣除土壤异养呼吸(heterotrophic respiration,RH)所消耗的光合产物。本文借鉴已有研究成果[28],结合研究区实际,来估算内蒙古草原生态系统NEP指数。其中RH的计算公式为:
R H = 0.22 × [ e x p ( 0.0913 T ) + l n ( 0.3145 P + 1 ) ] × 30 × 46.5 %
式中: T为年均气温,℃; P为年降水量,mm; RH为土壤异养呼吸量,gC·m-2·a-1。

2.2 趋势、波动性和可持续性分析

Theil-Sen Median趋势分析法简称Sen趋势分析,是一种稳健的非参数统计趋势算法[24],因其对测量误差和离群数据不敏感,计算效率高,故被广泛应用于长时序趋势变化的研究中[29],计算公式为:
S e n = M e d i a n ( N E P j - N E P i j - i ) , ∀ j > i
式中: NEPj和NEPi分别为第j年和第i年的NEP值,gC·m-2·a-1。Sen为正表明NEP增加,为负则意味着NEP减小。Mann-Kendall非参数检验简称MK检验,与其他参数检验方法相比,MK检验不要求数据呈正态或线性分布,受异常值影响小[11],通常与Sen趋势分析结合使用对NEP变化趋势的显著性进行检验。
变异系数(coefficient of variance,CV)又称差异系数,定义为NEP标准差与平均值的比[30],本文运用该统计量从像元尺度分析NEP在空间上的波动性。计算公式为:
C V = σ μ
式中: σ为2001—2020年NEP标准差,gC·m-2·a-1; μ为均值,gC·m-2·a-1。CV越大,表明NEP变化越剧烈,即波动性越大,反之则表明NEP变化稳定。
基于重标定极差法计算的Hurst指数是由英国水文学家Hurst提出,用于反映草原当前状态的未来持续程度或可能性,因其几乎不需要对研究目标进行假设,具有良好的鲁棒性[31],所以常被用于探究NEP的未来演变趋势。基本原理为给定时间序列NEPt,t=1,2,…,20,对于任意正整数n,定义以下内容:
均值序列: N E P ¯ n = 1 n ∑ t = 1 n N E P t , n = 1,2 , … , 20,
累计离差: X ( t , n ) = ∑ t = 1 n ( N E P t - N E P ¯ n ) , 1 ≤ t ≤ n,
极差序列: R ( n ) = m a x 1 ≤ t ≤ n X ( t , n ) - m i n 1 ≤ t ≤ n X ( t , n ) , n = 1,2 , … , 20,
标准差序列: S ( n ) = ∑ t = 1 n ( N E P t - N E P ¯ n ) 2 / n , n = 1,2 , … , 20,
式中: NEPt为第t年的NEP值。如果存在R(n)/S(n)∝nHurst则说明NEP时间序列存在Hurst现象,Hurst值可以根据log(R(n)/S(n))=a+Hurst×log(n)利用最小二乘法拟合得到,a为常数,若0.5<Hurst<1,表明NEP呈持续性,即未来与过去的变化趋势一致,且越接近1,持续性越强; 若Hurst=0.5,说明NEP时间序列在不同的维度上是独立的,表现为没有显著规律的随机状态; 若0<Hurst<0.5,则表明NEP具有反持续性,即未来的变化趋势与过去相反,且越接近0,反持续性越强[2]。

2.3 通径分析

通径分析为通过分解影响因素与NEP的表面相关性来探讨每个因素对NEP的直接和间接影响[32]。相比于皮尔逊、斯皮尔曼等传统的相关分析方法,通径分析在揭示多个因素与NEP相关程度的基础上,可以进一步从复杂的变量相关网中,得到某个因素通过其他因素对NEP产生作用的最佳路径,并将分析结果借助通径图更加直观精确地进行展示。通径分析首先要在构建多元回归方程的过程中剔除存在多重共线性和偏回归系数不显著的因素; 其次结合影响因素与NEP的相关性,计算间接通径系数; 最后通过评价模型和决定系数得到剩余因子,衡量各因素对NEP的解释程度。计算公式为:
N E P = a + b 1 X 1 + b 2 X 2 + … + b i X i
P X i N E P = b i σ X i σ N E P
P X i · X j = r i j P X j N E P , i ≠ j
R 2 = P X i N E P 2
R i j = 2 r i j P X i N E P P X j N E P
ε = 1 - R 2
式中: a为常数项; bi为每个影响因素Xi对应的偏回归系数; P X i N E P和 P X j N E P分别为Xi和Xj到NEP的直接通径系数; σXi和σNEP为标准差; P X i · X j为从Xi经过Xj到NEP的间接通径系数; rij为Xi和Xj的相关系数; R2为直接决定系数; Rij为间接决定系数; ε为剩余因子。

3 结果与分析

3.1 内蒙古草原生态系统NEP时空变化特征

3.1.1 年际变化特征

内蒙古草原生态系统2001—2020年年均NEP为210.65 gC·m-2·a-1(图2),表现为碳汇。NEP均值从2001年的149.82 gC·m-2·a-1至2020年的237.47 gC·m-2·a-1,增加了0.59倍。2001—2020年20 a间自治区草原生态系统的NEP均值整体呈波动性增强态势,增速为3.81 gC·m-2·a-1,其中2007年和2017年NEP均值明显减小,2012年和2018年NEP显著增加。
图2 内蒙古草原生态系统年均NEP变化

Fig.2 Inter annual variation of mean NEP in Inner Mongolian grassland ecosystem

查阅资料发现,2000年以来,国家和自治区加大了草原生态治理力度,投入大量资金开展退牧还草、草畜平衡和围栏禁牧[14]等管护工程,极大改善了内蒙古草原的生态质量,草原总面积从2001年的8 666.7万hm2增加至2020年的8 800万hm2,其固碳作用也随之增强。另外,2007年和2017年草原NEP的减小可能与自治区发生极端高温及降水少导致的严重干旱事件有关,高温会通过降低光合作用的酶活性来抑制植被生长[33],从而导致土壤异养呼吸增强,碳汇功能变差; 2012年和2018年NEP明显增加,究其原因是因为这2 a自治区的年降水量均高于360 mm,处于较高水平,有研究表明[34],内蒙古90%的草地NEP与降水呈正相关,降水的增加潜在地促进了草地碳汇作用的增强。

3.1.2 空间变化特征

2001—2020年内蒙古草原生态系统NEP均值范围为17.2~672.54 gC·m-2·a-1,表现为“由西北向东南逐步增加,由大兴安岭向东西两麓逐渐减小”的空间分异格局(图3),这与Dai等[23]的研究结果一致。高值区主要集中于大兴安岭西麓的呼伦贝尔草原、锡林郭勒草原和东麓的兴安盟,低值区则广泛分布在锡林郭勒盟西部、毛乌素沙地以及阴山山脉以北的荒漠草原区。上述空间格局形成的原因主要是呼伦贝尔为内蒙古的粮食主产区,地势平坦,气候适宜,雨水充沛,还分布着海拉尔河、额尔古纳河、呼伦湖等众多河流和湖泊,草地长势好且覆盖面积广,碳汇作用强; 内蒙古高原东部为半湿润半干旱区,西拉木伦河、老哈河、新开河、西辽河交错纵横,为草地生长提供了充足的水分,草类种属多,草质好,是我国著名的优良牧场,碳汇功能强大; 内蒙古高原西部则属于半干旱地区,植被稀疏低矮,尤其是阴山山脉周边沙漠戈壁分布广泛,处于牧区-非季风区,气候干燥,碳汇作用差; 大兴安岭的森林覆盖率达60%以上,土壤有机质和微量元素含量高,有研究指出[35],林地资源丰富,导致植被覆盖度增大,水土流失问题得到缓解,生态环境改善,有利于草地进行光合作用,在一定程度上促进了草地的碳汇功能。
图3 研究区草原生态系统NEP均值空间分布

Fig.3 Spatial distribution of annual average NEP in grassland ecosystem of study area

内蒙古草原生态系统NEP变化趋势空间分布见图4,内蒙古草原生态系统NEP均值拟合斜率存在明显的空间差异特征,Sen范围为-12.48~15.44,呈增加趋势的面积占比约99.33%,几乎覆盖整个草原区。其中,极显著增加的面积占50.168%,主要分布于阴山山脉以北的部分荒漠草原区、鄂尔多斯高原中东部、大兴安岭北麓西侧以及南麓两侧的草甸草原区,主要是这些区域草地覆盖度高,气候适宜,降水充沛,日照时间充足,且处于京津风沙源治理工程四大片治理区中,沙地治理和草地保护工程取得了明显成效; 呈显著增加的区域面积占比37.264%,在锡林郭勒盟、阴山山脉周边、呼伦湖南北两侧的典型草原区呈片状分布。NEP减小的区域仅占草原总面积的0.67%,零星分布于锡林郭勒草原北部与蒙古国接壤处、呼伦贝尔草原东北部与俄罗斯接壤处以及赤峰市内不同草原类型交界处。
图4 研究区草原生态系统NEP变化趋势空间分布

Fig.4 Spatial distribution of NEP variation trend in grassland ecosystem of study area

3.2 内蒙古草原生态系统NEP波动性及可持续性分析

2001—2020年内蒙古草原生态系统NEP变异系数介于0.003~0.74,均值为0.196,碳汇变化较稳定(图5)。采用“自然断裂法”将CV值划分为3级,统计各级栅格单元的面积占比发现,NEP变化最稳定(0.003~0.16)的草原主要集中于大兴安岭东西两麓,结合NEP均值空间分布(图3)可知2001—2020年20 a间这些草原区的NEP较高,碳汇功能处于良性循环状态; 其次NEP变化较平稳(0.16~0.23)的区域广泛分布于锡林郭勒草原、鄂尔多斯高原和浑善达克沙地的荒漠草原区; 锡林郭勒草原北部呈东西向长条形分布的典型草原区、鄂尔多斯西部的荒漠草原区、呼伦湖以西的典型草原区、阴山山脉中段以北荒漠草原和典型草原的交界处NEP变化最大(0.23~0.74),是因为这些区域近年来大规模进行造林种草、退化林修复等生态保护建设工程[36],不断完善风沙阻隔林草带,从而导致NEP波动较大。同时,旅游开发区建设、过度放牧等人类活动[37]也是这些草原区碳汇功能波动较大的干扰因素。
图5 研究区草原生态系统NEP波动性空间分布

Fig.5 Spatial distribution of NEP volatility in grassland ecosystem of study area

对内蒙古草原生态系统NEP的可持续性进行分析(图6)发现,Hurst指数介于0.1~0.87,均值为0.46。30.78%的草原NEP具有持续性,其中呈弱持续性(0.5<Hurst≤0.75)的区域面积占比为30.77%,主要集中于锡林郭勒草原北部、浑善达克沙地东部、大兴安岭南麓东侧以及大青山周边,结合NEP变化趋势可知在未来一段时间内这些地区的NEP仍保持增加趋势,究其原因主要是政府在大青山、呼伦贝尔市辉河、锡林郭勒草原、科尔沁等处建立了自然保护区,设定生态保护红线,禁止人类活动,保证了草地生态系统的修复,潜在地促进了草原碳汇功能的持续增强,研究结果表明设立自然保护区来治理生态环境具有长效性。69.17%的草原NEP具有反持续性,其中呈弱反持续性(0.25≤Hurst<0.5)的区域面积占比为69.08%,分布范围广,且多呈片状分布,意味着NEP未来变化趋势与2001—2020年间相反,其中鄂尔多斯高原、乌兰察布草原、锡林郭勒盟中部的地势较高,生态环境脆弱,呼伦湖周边温度偏低,植被覆盖度波动性大[24],草原生态系统容易被破坏,从而导致NEP在未来一段时间内呈弱反持续性,结合NEP演化趋势可知其碳汇功能在未来可能会减弱,因此应当参考造林种草、围栏禁牧等措施和保护区试点经验,加大草原修复治理力度。
图6 研究区草原生态系统NEP未来演化趋势预测

Fig.6 Future evolution trend prediction of NEP in grassland ecosystem of study area

3.3 NEP影响因素分析

以NEP为因变量,各影响因素(Tem,Temmax,Temmin,Pre,DEM,SOM,AI,CO2,GDP,POP)为自变量进行通径分析,首先在多元回归的过程中剔除了Tem,CO2和GDP因素,说明它们对内蒙古草原生态系统NEP的影响可以忽略[32]。其次在进行多重共线性检验时剔除了Temmax,其余各因素的偏回归系数显著性均小于0.05,表明与NEP存在显著差异,有统计学意义[38]。最后得到通径分析结果如表2和图7所示,直接通径系数绝对值排序为Pre>Temmin>SOM>AI>DEM>POP,表明降水量和最低气温对NEP的直接影响最大; 间接通径系数之和的绝对值排序为AI>DEM>SOM>Temmin>Pre>POP,其中AI通过Pre产生的负效应远大于通过SOM和DEM产生的正效应,综合补偿导致AI对NEP的间接影响最大[23]; Pre和Temmin对NEP的直接影响均强于间接影响,且作用方向相同,相互叠加导致其与NEP的相关性较强; DEM,POP和SOM主要通过Temmin和Pre路径对NEP产生负效应,间接作用强于直接作用且方向相反,导致与NEP呈负相关且相关性较差。
表2 内蒙古草原生态系统NEP影响因素通径分析结果

Tab.2 Path analysis results of influencing factors of NEP in Inner Mongolian grassland ecosystem

因素 相关系数 直接通
径系数		 间接通径系数 间接通径
系数之和		 决定系数
Temmin Pre DEM POP SOM AI
Temmin -0.627 -0.581 — -0.031 0.003 0 0.000 7 -0.008 -0.011 -0.046 0.729 0
Pre 0.692 0.654 0.027 — -0.006 0 0.000 4 -0.016 0.033 0.038 0.905 0
DEM -0.318 0.018 -0.105 -0.228 — -0.000 1 0.009 -0.011 -0.336 0.011 0
POP -0.008 0.008 -0.051 0.036 -0.000 2 — -0.001 0.001 -0.016 0.000 1
SOM -0.023 0.067 0.070 -0.154 0.002 0 -0.000 2 — -0.009 -0.091 0.003 0
AI -0.751 -0.038 -0.174 -0.560 0.005 0 -0.000 2 0.016 — -0.713 0.057 0
图7 内蒙古草原生态系统NEP变化通径分析图

Fig.7 Path analysis of NEP changes in Inner Mongolian grassland ecosystem

Pre和Temmin的决定系数远远大于其他因素,说明Pre和Temmin对NEP变化的综合影响较大,是NEP变化的主导因素。决定系数R2为0.837,即所选因素可以综合解释内蒙古草原生态系统83.7%的NEP变化,计算得剩余因子ε为0.547,这意味着还有一些因素没有考虑到,如放牧强度、土壤质地,对NEP影响因素的全面分析有待进一步研究[32]。

4 讨论与结论

4.1 讨论

内蒙古草原生态系统NEP的动态变化非常复杂[37],受诸多因素如气候、植被类型、土地利用等的共同影响,表现出较大的分异性[39]。以往针对NEP影响因素的研究多聚焦于气候变化[15,23],本文综合考虑自然和社会经济因素,发现Pre和Temmin是影响内蒙古草原生态系统NEP变化的主导因素。在构建多元回归模型的过程中剔除了社会经济因素CO2和GDP,可能是由于本文使用的CO2数据为化石燃料燃烧产生的CO2,多集中于重工业工厂,而GDP数据则主要分布于高产值地区,虽然CO2和GDP数据均为1 km空间分辨率的栅格影像,但内蒙古草原覆盖范围广,导致CO2和GDP空间分布差异性大,在通径分析时容易因“相关性过小”被排除。另外,关于放牧强度、草原治理重点工程取得的成果数据目前还在统计阶段,因此在结合草地治理措施对NEP变化进行分析时缺少相关的数据佐证。

4.2 结论

本研究基于长时序的MODIS NPP和气象数据,估算了2001—2020年内蒙古草原生态系统NEP指数,对其时空变化特征进行分析,并进一步采用通径分析探究了NEP与自然因素和社会经济因素之间的关系。结果表明:
1)内蒙古草原生态系统NEP均值整体呈“由西北向东南逐步增加,由大兴安岭向东西两麓逐渐减小”的空间分布格局,2001—2020年的平均NEP为210.65 gC·m-2·a-1,年均增加3.81 gC·m-2·a-1,碳汇作用波动增强。NEP变化以增加为主,占总面积的99.33%,其中极显著增加面积占50.168%,减少区域仅占0.67%,退牧还草、草畜平衡等生态修复措施对内蒙古草原NEP的改善效果明显。
2)2001—2020年内蒙古草原NEP变化较稳定,变异系数均值为0.196,在空间上表现为“以大兴安岭为中心向东西两麓波动性不断增大”的分布格局。NEP呈弱持续性的区域多位于自然保护区附近,占草原总面积的30.77%; 69.08%的草原NEP呈弱反持续性,碳汇功能可能会减弱,今后应加大生态环境治理力度,增强草原的碳汇功能。
3)所选影响因素可以综合解释内蒙古草原生态系统83.7%的NEP变化,其中Pre和Temmin是NEP变化的主导因素,对NEP主要表现为直接影响。其他影响因素中AI通过Pre产生的负效应远大于通过SOM和DEM产生的正效应,综合补偿导致AI对NEP的间接影响最大。DEM,POP和SOM对NEP的间接作用强于直接作用且方向相反,且主要通过Temmin和Pre路径实现。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Woodwell G M, Whittaker R H. Primary production in terrestrial ecosystems[J]. Integrative and Comparative Biology, 1968, 8(1):19-30.

[2]
曹云, 孙应龙, 姜月清, 等. 黄河流域净生态系统生产力的时空分异特征及其驱动因子分析[J]. 生态环境学报, 2022, 31(11):2101-2110.

DOI

Cao Y, Sun Y L, Jiang Y Q, et al. Analysis on temporal-spatial variations and driving factors of net ecosystem productivity in the Yellow River Basin[J]. Ecology and Environmental Sciences, 2022, 31(11):2101-2110.

[3]
Qiu J, Song M, Li Y, et al. High level of ammonium nitrogen increases net ecosystem productivity in a Quercus liaotungensis forest in Northern China[J]. Atmosphere, 2022, 13(6):889.

[4]
Sato Y, Nishihara G N, Tanaka A, et al. Variability in the net ecosystem productivity (NEP) of seaweed farms[J]. Frontiers in Marine Science, 2022,9:861932.

[5]
You C, Wang Y, Tan X, et al. Inner Mongolia grasslands act as a weak regional carbon sink:A new estimation based on upscaling eddy covariance observations[J]. Agricultural and Forest Meteorology, 2023,342:109719.

[6]
Shao Y, Liu H, Du Q, et al. Impact of sky conditions on net ecosystem productivity over a “floating blanket” wetland in Southwest China[J]. Advances in Atmospheric Sciences, 2024, 41(2):355-368.

[7]
田钊, 梁艾琳. 居民碳排放的遥感监测与分析[J]. 自然资源遥感, 2023, 35(4):43-52.doi: 10.6046/zrzyyg.2022310.

Tian Z, Liang A L. Remote sensing-based monitoring and analysis of residential carbon emissions[J]. Remote Sensing for Natural Resources, 2023, 35(4):43-52.doi: 10.6046/zrzyyg.2022310.

[8]
Huang Y, Xu X, Zhang T, et al. Multi-temporal and time-lag responses of terrestrial net ecosystem productivity to extreme climate from 1981 to 2019 in China[J]. Remote Sensing, 2023, 16(1):163.

[9]
Huang C, Sun C, Nguyen M, et al. Spatio-temporal dynamics of terrestrial Net ecosystem productivity in the ASEAN from 2001 to 2020 based on remote sensing and improved CASA model[J]. Ecological Indicators, 2023,154:110920.

[10]
Mao F, Du H, Zhou G, et al. Simulated net ecosystem productivity of subtropical forests and its response to climate change in Zhejiang Province,China[J]. Science of the Total Environment, 2022,838:155993.

[11]
王晴宇. 内蒙古草原植被物候变化及其与净初级生产力关系研究[D]. 长春: 东北师范大学, 2023.

Wang Q Y. Research on the relationship between phenological changes of steppe vegetation and net primary productivity in Inner Mongolia,China[D]. Changchun: Northeast Normal University, 2023.

[12]
侯蒙京. 中国天然草地生产力遥感估算及其时空变化成因研究[D]. 兰州: 兰州大学, 2023.

Hou M J. Study on remote sensing estimation of natural grassland productivity and causes analysis of spatiotemporal changes in China[D]. Lanzhou: Lanzhou University, 2023.

[13]
王明玖. 内蒙古草原生态安全屏障建设的核心是维持碳库稳定[J]. 北方经济, 2023(7):9-12.

Wang M J. The core of grassland ecological security barrier construction in Inner Mongolia is to maintain the stability of carbon pool[J]. Northern Economy, 2023(7):9-12.

[14]
穆少杰, 周可新, 陈奕兆, 等. 内蒙古典型草原不同群落净生态系统生产力的动态变化[J]. 生态学杂志, 2014, 33(4):885-895.

Mu S J, Zhou K X, Chen Y Z, et al. Net ecosystem productivity dynamics of grassland communities on the typical steppe of Inner Mongolia[J]. Chinese Journal of Ecology, 2014, 33(4):885-895.

[15]
董晓宇. 2000—2017年内蒙古荒漠草原植被物候和净初级生产力对气候变化的响应[D]. 西安: 长安大学, 2020.

Dong X Y. Responses of phenology and NPP for desert steppe vegetation in Inner Mongolia to climate change from 2000 to 2017[D]. Xi’an: Changan University, 2020.

[16]
Lyu X, Li X, Dou H, et al. Evaluation of grassland carbon pool based on TECO-R model and climate-driving function:A case study in the Xilingol typical steppe region of Inner Mongolia,China[J]. Ecological Indicators, 2020,117:106508.

[17]
Zhang L, Cao W, Fan J. Soil organic carbon dynamics in Xilingol grassland of Northern China induced by the Beijing-Tianjin sand source control program[J]. Frontiers of Earth Science, 2017, 11(2):407-415.

DOI

[18]
关伟涛. 呼伦贝尔草甸草原不同利用方式下有机碳增汇特征研究[D]. 北京: 中国环境科学研究院, 2023.

Guan W T. Study on the characteristic of organic carbon sink enhancement under different disturbances in Hulunbuir meadow steppe[D]. Beijing: Chinese Research Academy of Environmental Sciences, 2023.

[19]
马军, 平丽华. 基于钻石模型的内蒙古草原碳汇产业竞争力研究[J]. 黑龙江畜牧兽医, 2020(8):14-17,23.

Ma J, Ping L H. Study on the competitiveness of Inner Mongolia grassland carbon sequestration industry based on diamond model[J]. Heilongjiang Animal Science and Veterinary Medicine, 2020(8):14-17,23.

[20]
Liu P, Liu L, Xu X, et al. Carbon footprint and carbon emission intensity of grassland wind farms in Inner Mongolia[J]. Journal of Cleaner Production, 2021,313:127878.

[21]
潘竟虎, 文岩. 中国西北干旱区植被碳汇估算及其时空格局[J]. 生态学报, 2015, 35(23):7718-7728.

Pan J H, Wen Y. Estimation and spatial-temporal characteristics of carbon sink in the arid region of Northwest China[J]. Acta Ecologica Sinica, 2015, 35(23):7718-7728.

[22]
刘永新, 张思源, 边鹏, 等. 1989—2020年黄河流域巴彦淖尔段地表覆盖类型时空演变研究[J]. 自然资源遥感, 2024, 36(2):207-217.doi:10.6046/zrzyyg.2023049.

Liu Y X, Zhang S Y, Bian P, et al. Study on temporal and spatial evolution of land cover types in the Bayannur section of Yellow River Basin from 1989 to 2020[J]. Remote Sensing for Natural Resources, 2024, 36(2):207-217.doi:10.6046/zrzyyg.2023049.

[23]
Dai E F, Huang Y, Wu Z, et al. Analysis of spatio-temporal features of a carbon source/sink and its relationship to climatic factors in the Inner Mongolia grassland ecosystem[J]. Journal of Geographical Sciences, 2016, 26(3):297-312.

DOI

[24]
奎国娴, 史常青, 杨建英, 等. 内蒙古草原区植被覆盖度时空演变及其驱动力[J]. 应用生态学报, 2023, 34(10):2713-2722.

DOI

Kui G X, Shi C Q, Yang J Y, et al. Spatial-temporal variations of vegetation coverage and its driving force in Inner Mongolia grassland,China[J]. Chinese Journal of Applied Ecology, 2023, 34(10):2713-2722.

[25]
Shi S, Zhu L, Luo Z, et al. Quantitative analysis of the contributions of climatic and anthropogenic factors to the variation in net primary productivity,China[J]. Remote Sensing, 2023, 15(3):789.

[26]
Terwayet Bayouli O, Zhang W, Terwayet Bayouli H. Assessment of drought characteristics and its impacts on net primary productivity (NPP) in southeastern Tunisia[J]. Arabian Journal of Geosciences, 2022, 16(1):26.

[27]
刘应帅, 余瑞, 郑彬彬, 等. 海南岛森林植被NEP季节性时空变化规律及气候驱动因素分析[J]. 热带生物学报, 2022, 13(2):166-176.

Liu Y S, Yu R, Zheng B B, et al. Analysis of seasonal spatial and temporal variation patterns of forest vegetation NEP and climate drivers in Hainan Island[J]. Journal of Tropical Biology, 2022, 13(2):166-176.

[28]
Zhang J, Hao X, Hao H, et al. Climate change decreased net ecosystem productivity in the arid region of central Asia[J]. Remote Sensing, 2021, 13(21):4449.

[29]
Long Y, Jiang F, Deng M, et al. Spatial-temporal changes and dri-ving factors of eco-environmental quality in the Three-North Region of China[J]. Journal of Arid Land, 2023, 15(3):231-252.

[30]
唐霞, 汤军, 杨勇, 等. 基于LRC的城市发展水平时空演变特征及驱动因素分析——以湖北省为例[J]. 自然资源信息化, 2023(1):55-63.

Tang X, Tang J, Yang Y, et al. Analysis on temporal and spatial evolution characteristics and driving factors of urban development level based on LRC:A case of Hubei[J]. Natural Resources Informatization, 2023(1):55-63.

[31]
Zhang X, Chen L, Zhou C. Deformation monitoring and trend analysis of reservoir bank landslides by combining time-series InSAR and Hurst index[J]. Remote Sensing, 2023, 15(3):619.

[32]
华朗钦, 张方敏, 翁升恒, 等. 1982—2020年安徽省净生态系统生产力时空格局变化及其成因[J]. 生态学报, 2023, 43(17):7237-7251.

Hua L Q, Zhang F M, Weng S H, et al. Spatio-temporal pattern changes and attribution analysis of net ecosystem productivity in Anhui Province from 1982 to 2020[J]. Acta Ecologica Sinica, 2023, 43(17):7237-7251.

[33]
Bao G, Bao Y, Sanjjava A, et al. NDVI-indicated long-term vegetation dynamics in Mongolia and their response to climate change at biome scale[J]. International Journal of Climatology, 2015, 35(14):4293-4306.

[34]
Zhou W, Yang H, Zhou L, et al. Dynamics of grassland carbon sequestration and its coupling relation with hydrothermal factor of Inner Mongolia[J]. Ecological Indicators, 2018,95:1-11.

[35]
曹鹏辉, 齐晓明, 杨雯, 等. 内蒙古土地利用多情景模拟与碳储量预测分析[J]. 干旱区资源与环境, 2023, 37(9):83-90.

Cao P H, Qi X M, Yang W, et al. Multi scenario simulation and prediction of carbon storage for land use types in Inner Mongolia[J]. Journal of Arid Land Resources and Environment, 2023, 37(9):83-90.

[36]
Chen H, Shao L, Zhao M, et al. Grassland conservation programs,vegetation rehabilitation and spatial dependency in Inner Mongolia,China[J]. Land Use Policy, 2017,64:429-439.

[37]
张祯祺, 蔡惠文, 张平平, 等. 基于GEE遥感云平台的三江源植被碳源/汇时空变化研究[J]. 自然资源遥感, 2023, 35(1):231-242.doi: 10.6046/zrzyyg.2022042.

Zhang Z Q, Cai H W, Zhang P P, et al. A GEE-based study on the temporal and spatial variations in the carbon source/sink function of vegetation in the Three-River Headwaters Region[J]. Remote Sensing for Natural Resources, 2023, 35(1):231-242.doi: 10.6046/zrzyyg.2022042.

[38]
杜家菊, 陈志伟. 使用SPSS线性回归实现通径分析的方法[J]. 生物学通报, 2010, 45(2):4-6.

Du J J, Chen Z W. Method of path analysis with SPSS linear regression[J]. Bulletin of Biology, 2010, 45(2):4-6.

[39]
Chen Z, Yu G, Ge J, et al. Roles of climate,vegetation and soil in regulating the spatial variations in ecosystem carbon dioxide fluxes in the Northern Hemisphere[J]. PLoS One, 2015, 10(4):e0125265.

Options
文章导航

/

〈 〉