2024, Vol. 44 
2. 中国科学院 中亚生态与环境研究中心, 新疆 乌鲁木齐 830011;
3. 中国科学院大学, 北京 100049;
4. 新疆农业大学 草业学院, 新疆 乌鲁木齐 830052
2. Research Center for Ecology and Environment of Central Asia, Chinese Academy of Sciences, Urumqi, Xinjiang 830011, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China;
4. College of Grassland Science, Xinjiang Agricultural University, Urumqi, Xinjiang 830052, China
植被净初级生产力(net primary productivity，NPP)作为评估陆地生态系统质量的重要指标，它衡量了绿色植被在光合作用过程中所固定的有机碳(以有机物形式储存)减去植物呼吸作用消耗的碳量[1]。监测植被NPP的动态变化，对于维持生态系统功能、促进碳平衡和水循环等方面具有重要意义[2-3]。以往研究中，学者们通常结合卫星遥感数据来估算大尺度区域的NPP。例如Liu Haixin等[4]基于MOD17A3 NPP数据对陕甘宁地区植被NPP时空演变情况进行了研究；Xue Yingying等[5]利用MOD17A3HGF NPP数据探究中国植被NPP对春季物候的响应。在全球变暖和“双碳”目标背景下，探讨植被NPP的时空变化及其影响因素，不仅可以为实现碳中和目标提供科学依据，并能为改善区域和全球生态环境质量提出建设性意见[6]。
自然因素和人为因素是影响植被NPP动态变化的两个重要方面。一方面，气候因素直接影响植物的光合作用和生长状况，而地形和土壤类型也决定了植被的生长环境和水分养分的供应状况。如，茆杨等[7]研究表明，温度升高会抑制中国西南地区植被NPP的增长。而韩焕焕等[8]发现中国西北地区的植被NPP对降水响应尤为敏感。另一方面，植被NPP与人为活动也密切相关，如人类活动(农业开垦、城市化、工业排放、过度放牧和森林砍伐等)直接导致植被NPP出现显著下降[9-14]。然而，尽管其他学者综合考虑了自然和人为因素对NPP的影响，但在跨境视角下对植被NPP及其影响因素的探讨仍然不足。
中蒙阿勒泰毗邻区位于阿尔泰山脉东南部，不仅是中国和蒙古国之间贸易往来的重要门户，也是“一带一路”倡议下推动区域经济一体化的关键枢纽。该地区位于干旱荒漠与半干旱荒漠的交界处，特殊的地理位置和气候条件使其成为一个气候交互区，同时也是研究气候变化的重要信息库。丰富的自然景观和高度多样化的生物群落，使该区域形成了一个相对独立且复杂的地理、生态及气候环境单元[15]。由于生态系统的脆弱性，该地区的植被NPP对气候变化极为敏感。如Chen Bojian等[16]发现降水是新疆阿勒泰地区草地NPP的主要驱动因素；Bao Gang等[17]的研究则揭示了蒙古国植被NPP与夏季气候变化的密切相关性；Nanzad Lkhagvadorj等[18]则发现不同植被类型对蒙古国干旱条件的响应存在差异。此外，赵鹏等[19]的研究指出，人类活动(放牧)已经导致新疆阿勒泰地区15.22%的区域植被NPP出现下降。然而，现有研究大多局限于中国或蒙古国的行政单元范围，缺乏对跨境区域植被NPP变化及其影响因素差异性的综合性研究。开展跨境植被NPP的研究，将为中蒙两国在生态环境的协同治理中提供了重要的数据支持。因此，探究中蒙阿勒泰毗邻区跨境植被NPP的时空变化及其影响因素，对于推动中蒙两国在生态环境方面的合作，促进生态资源的可持续利用，乃至协同应对全球气候变化，都具有重要的实践意义和政策参考价值。
为此，本研究采用回归分析、相关性分析和地理探测器等方法，深入探讨了中蒙阿勒泰毗邻区植被NPP对气候(气温、降水)、地形(海拔、坡度、坡向)、人类活动(年均人口数量、土地利用类型)等因素的响应。
1 研究方法与数据来源 1.1 研究区概况中蒙阿勒泰毗邻区，指中国新疆阿勒泰地区及其毗邻区蒙古国西部的巴彦乌列盖省和科布多省(图 1)。
|
注：a本图基于自然资源部标准地图服务网站审图号为GS(2020)4403号的标准地图制作，底图边界无修改。 图 1 中蒙阿勒泰毗邻区位置及地形 Figure 1 Location and topography of China-Mongolia Altay adjacent area |
新疆阿勒泰地区(45°00′—49°10′N，85°31′—91°04′E)位于中国西北端、阿尔泰山脉中段西南麓、准噶尔盆地北部，东接蒙古国，西邻哈萨克斯坦，北与俄罗斯相交，南位于古尔班通古沙漠。该地区有1个县级市阿勒泰市及清河县、富蕴县、吉木乃县、福海县、哈巴河县、布尔津县6个县。新疆阿勒泰地区属于温带大陆性气候，夏季干旱，冬季严寒，年均温为4.5 ℃，年降水量为200~400 mm。此外，该地区海拔高度为367~4 297 m，起伏大，地形类型主要划分为山地、平原等，土地利用类型主要以草地为主，草地亚类多为荒漠类草地，如羊茅属、针茅属。
蒙古国西部(45°00′—50°00′N，87°50′—94°10′E)，指巴彦乌列盖省、科布多省，其位于蒙古国西部、阿尔泰山脉北麓，西邻中国，北接俄罗斯。巴彦乌列盖省共有1个市乌列盖市及12个县。科布多省共有1个市(科布多市)及15个县。蒙古国西部属于温带大陆性气候，夏季干燥，冬季严寒，年均气温为-0.54 ℃，年降水量为100~300 mm。此外，该地区海拔高度为1 031~4 316 m，地形类型主要为山地、平原，土地利用类型主要以草地为主，草地亚类主要为荒漠类草地。
1.2 数据来源与处理植被NPP来源于MOD17A3HGF数据集，时间分辨率为1 a，空间分辨率为500 m；气温来源于ERA5数据集，时间分辨率为1月，空间分辨率为10 km；降水来源于TerraClimate数据集，时间分辨率为1月，空间分辨率为4 km；DEM来源于GDEMV2数据集，空间分辨率为30 m；土地利用类型来源于MCD12Q数据集，时间分辨率为1 a，空间分辨率为500 m；人口数量来源于美国橡树岭国家实验室，时间分辨率为1 a，空间分辨率为1 km。
基于GEE平台调用“ECMWF/ERA5_LAND/MONTHLY_AGGR”数据集的地表空气温度，将单位开尔文(K)转换成摄氏度(℃)；调用“IDAHO_EPSCOR/TERRACLIMATE”数据集的降水，并合成为年尺度数据。基于Python进行统计降尺度，使空间分辨率统一至500 m。
1.3 研究方法(1) 趋势分析。利于线性趋势法计算中蒙阿勒泰毗邻区2001—2021年每个栅格单位的植被NPP变化趋势，计算公式为[20]：
| $ S=\frac{n \sum\limits_{i=1}^n i \times x_i-\sum\limits_{i=1}^n i \sum\limits_{i=1}^n x_i}{n \sum\limits_{i=1}^n i^2-\left(\sum\limits_{i=1}^n i\right)^2} $ | (1) |
式中：S为线性倾向率；n为时间序列长度(n=21)，S为正值时，表示植被NPP呈增加趋势，反之则相反。
(2) 相关性分析。为分析植被NPP的主要影响因子，应用ArcGIS10.2栅格计算器逐像元计算中蒙阿勒泰毗邻区气温、降水与植被NPP两两之间的年际尺度相关性分析，计算公式为[20]：
| $ Y_{x y}=\frac{\sum\limits_{i=1}^n\left(x_i-\bar{x}\right)\left(y_i-\bar{y}\right)}{\sqrt{\sum\limits_{i=1}^n\left(x_i-\bar{x}\right)^2 \sum\limits_{i=1}^n\left(y_i-\bar{y}\right)^2}} $ | (2) |
式中：Yxy是x，y两个变量之间的相关系数；│Y│值在(-1, 1)范围内，当Y＞0表示正相关；Y＜0表示负相关关系；系数越接近1相关性越强；当│Y│=0时，表明无相关性。
偏相关系数计算公式为[21]：
| $ r_{12, 3}=\frac{r_{12}-r_{13} r_{23}}{\sqrt{\left(1-r_{13}^2\right)\left(1-r_{23}^2\right)}} $ | (3) |
式中：r12, 3是将变量3固定后变量1与变量2的偏相关系数，r12，r13，r23分别表示变量1与变量2，变量1与变量3，变量2与变量3的简单相关系数。
用t检验法对偏相关系数进行显著性检验，公式为[20]：
| $ t=\frac{r}{\sqrt{\left(1-r^2\right)}} \sqrt{n-2} $ | (4) |
式中：r为偏相关系数，n为时间序列长度(n=21)；i=1, 2…n。查询t分布表进行判断偏相关系数的显著性，结合偏相关系数正负状况，可将其分为5个等级：极显著正相关(r>0, p < 0.01)，显著正相关(r>0, 0.01 < p < 0.05)，相关性不显著(p>0.05)，显著负相关(r < 0, 0.01 < p < 0.05)，极显著负相关(r < 0, p < 0.01)。
(3) Miami模型及残差分析。本研究潜在NPP的估算利用Liebig提出Miami模型，公式为[21]：
| $ \mathrm{NPP}_{\text {㳻在 }}=\min \left\{\left[\frac{3\;000}{1+\exp (1.315-0.119 T)}\right], 3\;000[1-\exp (-0.000\;664 P)]\right\} $ | (5) |
式中：NPP潜在为潜在NPP(g·m-2·a-1)，以C计；T为年均温度(℃)；P为年降水量(mm)。
| $ \mathrm{NPP}_{\mathrm{RES}}=\mathrm{NPP}_{\text {实际 }}-\mathrm{NPP}_{\text {港在 }} $ | (6) |
式中：NPPRES表示植被NPP残差，NPP实际为MODIS NPP，NPP潜在表示植被NPP预测值。
(4) 土地利用转移矩阵。土地利用转移矩阵主要通过建立二维矩阵，反映区域研究期初、末阶段各土地利用类型间的转移情况，计算公式为：
| $ A_{i j}=\left[\begin{array}{cccc} A_{11} & A_{12} & \cdots & A_{1 m} \\ A_{21} & A_{22} & \cdots & A_{2 m} \\ \vdots & \vdots & \vdots & \vdots \\ A_{m 1} & A_{m 2} & \cdots & A_{m m} \end{array}\right] $ | (7) |
(5) 地理探测器。地理探测器是探测空间分异性，并揭示其驱动因子的一种新的统计学方法[22]。地理探测器包括4个探测器。本研究运用分异及因子探测和交互作用探测2个探测器。
① 分异及因子探测。探测y(植被NPP)的空间分异性；以及探测某因子x解释属性y空间分异的程度。用q值度量[22-23]，公式为：
| $ q=1-\frac{\sum\limits_{h=1}^L N h \delta h^2}{N \delta^2}=1-\frac{\mathrm{SSW}}{\mathrm{SST}} $ | (8) |
| $ \mathrm{SSW}=\sum\limits_{h=1}^L N_h \delta_h^2, \mathrm{SST}=N \delta^2 $ | (9) |
式中：h=1…L为变量y(植被NPP)或x的分层，即为分类或分区；Nh和N分别是层h和全区的单元数；σh2和σ2分别是层h和全区的y值的方差。SSW和SST分别是层内方差之和及全区总方差。q 的值域是[0, 1]，值越大表示y(植被NPP)的空间分异性越明显；如果分层是由x生成的，则q值越大表示x对属性y的解释力越强，反之则越弱。
② 交互作用探测。识别因子之间的交互作用，即为评估因子x1和x2共同作用时是否会增加或减弱对y的解释力。评估的方法是首先分别计算两种因子x1和x2对y的q值：q(x1)和q(x2)，并且计算交互时的q值：q(x1∩ x2)，q(x1)与q(x2)进行比较。表 1反映了两个因子之间的关系。
|
表 1 两个自变量交互作用的类型 Table 1 Type of interaction between two covariates |
图 2显示，2001—2021年中国新疆阿勒泰地区植被NPP呈轻微下降趋势〔5.49 g/(m2·10 a)〕；蒙古国西部地区植被NPP呈显著上升趋势〔27.06 g/(m2·10 a)，p < 0.05〕。
|
图 2 2001—2021年中蒙阿勒泰毗邻区植被NPP年际变化 Figure 2 Interannual variation of NPP in Altai adjacent area of China and Mongolia from 2001 to 2021 |
图 3显示，植被NPP空间分布不均，21 a间中国新疆阿勒泰地区植被NPP年均值为385.22 g/(m2·a)；蒙古国西部植被NPP年均值为272.74 g/(m2·a)。结合土地利用类型图(图 1b)，植被NPP高值区主要位于阿尔泰山、蒙古国西部湿地区域；研究区主要呈增加趋势，占研究区面积67 %，其中显著增加主要分布在蒙古国西部北侧区域以及阿尔泰山区。
|
图 3 2001—2021年中蒙阿勒泰毗邻区植被NPP空间分布 Figure 3 Spatial distribution of NPP in Altai adjacent area of China and Mongolia from 2001 to 2021 |
2001—2021年中国新疆阿勒泰地区多年平均气温为0.18 ℃；蒙古国西部多年平均气温为-0.81 ℃。研究期间，中国新疆阿勒泰地区和蒙古国西部年均温均呈微弱增加的趋势，但不显著。2001—2021年中国新疆阿勒泰地区多年平均降水量为331.55mm，最大降水量出现在2019年，而最小降水量出现在2014年；蒙古国西部2001—2021年的多年平均降水量为261.14 mm，最大降水量出现在2013年，最小降水量出现在2015年。近21 a，中国新疆阿勒泰地区的年降水量呈微弱减小趋势，而蒙古国西部则呈增加趋势，均不显著(图 4)。
|
图 4 2001—2021年中蒙阿勒泰毗邻区年均温、年均降水年际变化 Figure 4 Trend of temperature and precipitation in Altai adjacent area of China and Mongolia from 2001 to 2021 |
植被NPP不仅与降水因子具有交叉性影响，而且其与气温因子也具有交叉性影响[22]。从空间分析气温和降水对植被NPP的影响(图 5)可知，研究区植被NPP与年均温之间的偏相关系数为-0.97~0.95，正相关主要分布在研究区北部地区以及阿尔泰山脉附近；植被NPP与气温显著性T检验结果显示，研究区域植被NPP与气温总体呈不显著相关，极显著正相关与显著正相关区域所占比例较少，主要分布在巴彦乌列盖省北部和阿尔泰山脉中段。
|
图 5 植被NPP与气温、降水的偏相关系数及其显著性检验 Figure 5 Correlation of vegetation NPP with temperature, and precipitation and significance test |
中蒙阿勒泰毗邻区植被NPP与年降水量之间的偏相关系数为-0.98~0.99，其中正相关区域主要为研究区北部及阿尔泰山脉附近。植被NPP与降水的偏相关系数进行T检验结果表明，研究区域植被NPP与降水总体呈不显著相关，极显著正相关和显著性相关区域所占比例小，主要分布在研究区北部及阿尔泰山脉附近。此外，本研究发现草地NPP与降水量之间呈现出极显著正相关，这说明降水在很大程度上影响草地的生长情况(图 5)。
2.3 人类活动对植被NPP变化的影响由图 6a可知，中国新疆阿勒泰地区残差NPP呈下降趋势，但趋势不显著〔8.90 g/(m2·10 a)〕；蒙古国西部残差NPP呈上升趋势，趋势也不显著〔32.72 g/(m2·10 a)〕。由图 6b可以看出，残差NPP空间变化趋势，介于-20.76~19.08 g/(m2·a)之间，中国新疆阿勒泰地区增加趋势所占面积(92%)远大于蒙古国西部(59%)。
|
图 6 2001—2021年中蒙阿勒泰毗邻区人类活动对植被NPP的影响 Figure 6 Impact of human activities on NPP in Altai adjacent area of China and Mongolia from 2001 to 2021 |
2001—2021年研究区域土地利用类型在空间上发生了显著的变化(图 7)。通过运用残差法，本研究发现人类活动对中蒙阿勒泰地区植被NPP具有双重影响。人类活动所引起的土地利用类型的变化是影响植被NPP的重要因子。与新疆阿勒泰地区相比，蒙古国西部地区裸地和草地面积所占比例较大，而林地和耕地面积则相对较小。蒙古国西部地区土地利用类型转移面积顺序为：裸地转为草地(7 435.81 km2)>草地转为裸地(787.25 km2)>草地转为水域(130.25 km2)。中国新疆阿勒泰地区裸地转为草地面积最大(7 284.06 km2)，其次是草地转为裸地的面积(1 995.75 km2)；然后是草地转为耕地的面积(1 581.44 km2)，最后是部分草地及水域类型转为林地类型。
|
图 7 2001—2021年中蒙阿勒泰毗邻区土地利用类型及转移和弦图 Figure 7 Land use types and chord chart of land transfer in Altai adjacent area of China and Mongolia from 2001 to 2021 |
本研究选取年均温、年降水量、海拔、坡度、坡向、土地利用类型、年均人口数量共7个影响因子，并运用地理探测器对研究区植被NPP的主导因素进行探测。结果显示(表 2)，中国新疆阿勒泰地区单因子对植被NPP变化影响程度排序为：年均温>高程>土地利用类型>年降水量>坡度>坡向>年均人口数；蒙古国西部单因子排序为：年降水量>年均温>高程>土地利用类型>坡向>坡度>年均人口数。年均温、高程、土地利用类型是中国新疆阿勒泰地区植被NPP变化的主要因素，三者的解释力30%~50%；年降水量、气温、高程是蒙古国西部植被NPP变化的主要因素，三者解释力为20%~30%。
|
|
表 2 中蒙阿勒泰毗邻区各因子地理探测器q值 Table 2 The q values of geographic detection of driving factors in Altai adjacent area of China and Mongolia from 2001 to 2021 |
双因子交互作用分析比单因子更能反映植被NPP空间变化的规律，且各因子交互作用的影响相对于单因子来说更强。交互作用探测器的运行结果表明(表 3)，7个影响因子交互作用均呈现双因子增强和非线性增强趋势。双因子之间的交互作用对中国新疆阿勒泰地区植被NPP变化解释力最高的3组为：土地利用类型∩年均温(0.68)>土地利用类型∩高程(0.68)>高程∩年降水量(0.56)；对蒙古国西部植被NPP变化解释力最强的3组为：土地利用类型∩年降水量(0.37)>年降水量∩高程(0.36)>坡向∩年降水量(0.35)。
|
|
表 3 中蒙阿勒泰毗邻区影响因子交互作用q值 Table 3 The q values of interaction between influencing factors in Altai adjacent area of China and Mongolia from 2001 to 2021 |
评估跨境植被NPP变化趋势及其影响因素对于跨区域生态系统协同发展具有重要意义[24]。本研究利用回归、相关性及地理探测器方法，揭示了中蒙阿勒泰跨境地区植被NPP时空变化规律及其影响因素。结果显示，2001—2021年新疆阿勒泰地区植被NPP均值〔385.22 g/(m2·a)〕明显高于蒙古国西部地区〔272.74 g/(m2·a)〕(图 3a)，这与程霞等[25]和屈冉等[26]的研究结果相似。蒙古国西部地处温带大陆性气候，年均温低(-0.81 ℃)，降水量少，生长期短促[27]，此外南部为大面积戈壁区，极度干旱，因此导致整个区域植被NPP较低。从新疆阿勒泰地区看，相比于北部的阿尔泰山区域，南部的古尔班通古特沙漠区域整体植被NPP较低，可能是由于该区域气温高且降水稀少，不利于植被生长，而阿尔泰山区域有充足的水热条件，植被覆盖度高，因此植被NPP更高。对于蒙古国西部地区来说，位于东部湿地区域的植被NPP明显高于其他区域，这可能由于湿地周围水分条件充足，明显促进了植被生长[16]。2001—2021年新疆阿勒泰地区年均NPP呈微弱下降趋势〔5.49 g/(m2·10 a)〕，(以C计)(图 2)，这可能主要是由于干旱半干旱地区降水量减少，气温上升促使蒸发增加，土壤含水量下降，植被生长受限[28]。而蒙古国西部地区年均NPP呈显著上升趋势〔27.06 g/(m2·10 a)〕；(p < 0.05)(图 2)，可能是因为自21世纪以来，蒙古国西部气候呈暖湿化趋势，促进了该区域的植被生长。此外，蒙古国西部海拔较高(>2 000 m的区域占53.2%)，高海拔缓解了气候上升导致的水分蒸发[28]，且巴彦乌列盖省位于蒙古国西端的阿尔泰山脉最高处，气温升高使得冰雪融化，促进植被生长，且山区迎风坡降水增加有利于植被NPP增加。
通过水热平衡、干湿变换等过程，气候因子显著影响植被NPP[29]。地理探测器单因子结果表明，气温和降水分别是影响新疆阿勒泰地区、蒙古国西部植被NPP变化主要因素，这与前人研究结果一致[28]。有研究表明，新疆阿勒泰地区季节温差大，植被对温度波动适应能力较强且植被生长受土壤温度的直接影响，气温上升使土壤温度升高，促进植被内部反应速率，从而导致植被NPP增加[30]。蒙古国西部降水量少，土壤孔隙大，水分流失快，这使得植被生长需要时间去积累生长所需的水分[31], 因此，降水是该地区是植被生长的主导因素。此外，植被NPP变化是多因素共同作用的结果，不同气候因子与人类活动的交互作用明显增强了单因子对植被NPP的作用力。尹超华等[32]、同琳静等[33]发现气温和土地利用类型的交互作用对新疆阿勒泰地区植被NPP的解释力最强，蒙古国西部主要受降水和土地利用类型交互作用的影响，这与本研究结果一致(表 3)。新疆阿勒泰地区土地利用类型复杂且人类活动频繁，土地利用类型易发生转变，这些转变直接或间接影响植被生长环境，甚至导致植被退化。特别是气温与土地利用类型的交互作用对植被NPP影响更显著。蒙古国西部对降水具有高敏感性，因为降水增加使土壤湿度变大，改善土壤水分的供给，有利于植被生长。蒙古国西部土地利用类型主要是草地(65%)和裸地(33%)，草地的根系结构有助于增强土壤的水分保持能力，降水能够有效地利用，有助于植被生长[34-35]。2001—2021年区内土地利用类型在空间上有显著变化(图 7)，主要是裸地转为草地(7 435.81 km2)，随着土地利用类型的转化，植被覆盖度增加和土壤肥力的增加有助于降水利用效率的提高。因此人类应采用不同管理措施来应对气候变化和抵消或增强人类活动对植被生长产生的影响[36]。
本研究揭示了中蒙阿勒泰跨境地区植被NPP的动态变化及其影响因素，但仍存在一些局限性。首先，本研究所使用的Miami模型仅以气温和降水作为模拟参数，没有对NPP进行全面理解。其次，实际NPP与潜在NPP之间的残差不仅反映了人类活动的影响，还可能包括其他环境和社会因素的作用，这可能导致结果的不准确性或不完整性。因此，未来的研究应当考虑更为复杂的环境变化情景，纳入更多影响因素，采用更为精细的模型，并深入分析不同环境条件及人类活动对植被NPP的综合影响。
4 结论(1) 2001—2021年新疆阿勒泰地区植被NPP年均平均值为385.22 g/(m2·a)，呈不显著下降趋势，而蒙古国西部植被NPP多年平均值为272.74 g/(m2·a)，呈显著上升趋势。
(2) 降水比气温对植被NPP的积极影响更明显，其中蒙古国西部极显著正相关面积明显大于新疆阿勒泰地区，主要分布在蒙古国西部的北侧以及阿尔泰山脉西南麓。
(3) 气温和降水分别是影响新疆阿勒泰地区和蒙古国西部植被NPP的主要因素；气温和土地利用类型交互作用对新疆阿勒泰地区植被NPP解释力最强，降水和土地利用类型交互作用对蒙古国西部植被NPP解释力最强。
| [1] |
Butler S M, Melillo J M, Johnson J E, et al. Soil warming alters nitrogen cycling in a New England forest: Implications for ecosystem function andstructure[J]. Oecologia, 2012, 168(3): 819-828. DOI:10.1007/s00442-011-2133-7 |
| [2] |
Melillo J M, McGuire A D, Kicklighter D W, et al. Global climate change and terrestrial net primary production[J]. Nature, 1993, 363: 234-240. DOI:10.1038/363234a0 |
| [3] |
闫丰, 李晨阳, 鲁志雪, 等. 白洋淀流域植被净初级生产力时空变化及驱动因素[J]. 水土保持通报, 2024, 44(2): 345-353. Yan Feng, Li Chenyang, Lu Zhixue, et al. Spatial and temporal succession and driving factors of vegetation net primary productivity in Baiyangdian watershed[J]. Bulletin of Soil and Water Conservation, 2024, 44(2): 345-353. DOI:10.13961/j.cnki.stbctb.2024.02.035 |
| [4] |
Liu Haixin, Zhang Anbing, Jiang Tao, et al. Response of vegetation productivity to climate change and human activities in the Shaanxi-Gansu-Ningxia Region, China[J]. Journal of the Indian Society of Remote Sensing, 2018, 46(7): 1081-1092. DOI:10.1007/s12524-018-0769-z |
| [5] |
Xue Yingying, Bai Xiaoyong, Zhao Cuiwei, et al. Spring photosynthetic phenology of Chinese vegetation in response to climate change and its impact on net primary productivity[J]. Agricultural and Forest Meteorology, 2023, 342: 109734. DOI:10.1016/j.agrformet.2023.109734 |
| [6] |
耿垭鑫, 易桂花, 张廷斌, 等. 青藏高原气候变化对草地碳汇/源格局的影响[J]. 自然资源学报, 2024, 39(5): 1208-1221. Geng Yaxin, Yi Guihua, Zhang Tingbin, et al. Impacts of climate change on grassland carbon sink/source patterns in the Qinghai-Tibet Plateau[J]. Journal of Natural Resources, 2024, 39(5): 1208-1221. |
| [7] |
茆杨, 蒋勇军, 张彩云, 等. 近20年来西南地区植被净初级生产力时空变化与影响因素及其对生态工程响应[J]. 生态学报, 2022, 42(7): 2878-2890. Mao Yang, Jiang Yongjun, Zhang Caiyun, et al. Spatio-temporal changes and influencing factors of vegetation net primary productivity in Southwest China in the past 20 years and its response to ecological engineering[J]. Acta Ecologica Sinica, 2022, 42(7): 2878-2890. |
| [8] |
韩焕焕, 高敏华, 昝梅. 中国西北半干旱区植被净初级生产力驱动力分析[J]. 湖北农业科学, 2022, 61(5): 186-192. Han Huanhuan, Gao Minhua, Zan Mei. Analysis on driving forces of net primary productivity of vegetation in semiarid region of Northwest China[J]. Hubei Agricultural Sciences, 2022, 61(5): 186-192. |
| [9] |
Sun Wenyi, Song Xiaoyan, Mu Xingmin, et al. Spatiotemporal vegetation cover variations associated with climate change and ecological restoration in the Loess Plateau[J]. Agricultural and Forest Meteorology, 2015, 209: 87-99. |
| [10] |
刘海, 姜亮亮, 刘冰, 等. 近40年中国干旱特征及其对植被变化的影响[J]. 生态学报, 2023, 43(19): 7936-7949. Liu Hai, Jiang Liangliang, Liu Bing, et al. Characteristics of drought in China and its effect on vegetation change in recent 40 years[J]. Acta Ecologica Sinica, 2023, 43(19): 7936-7949. |
| [11] |
Zheng Kai, Wei Jianzhou, Pei Jiuying, et al. Impacts of climate change and human activities on grassland vegetation variation in the Chinese Loess Plateau[J]. Science of the Total Environment, 2019, 660: 236-244. DOI:10.1016/j.scitotenv.2019.01.022 |
| [12] |
Du Jiaqiang, Fu Qing, Fang Shifeng, et al. Effects of rapid urbanization on vegetation cover in the metropolises of China over the last four decades[J]. Ecological Indicators, 2019, 107: 105458. DOI:10.1016/j.ecolind.2019.105458 |
| [13] |
Liu Yanxu, Wang Yanglin, Peng Jian, et al. Correlations between urbanization and vegetation degradation across the world's metropolises using DMSP/OLS nighttime light data[J]. Remote Sensing, 2015, 7(2): 2067-2088. DOI:10.3390/rs70202067 |
| [14] |
赵雪瑞, 韩玲, 刘明, 等. 基于改进CASA模型的陕西省植被NPP遥感估算[J]. 水土保持研究, 2024, 31(3): 247-256. Zhao Xuerui, Han Ling, Liu Ming, et al. Remote sensing estimation of vegetation NPPin Shaanxi Province based on improved CASA model[J]. Research of Soil and Water Conservation, 2024, 31(3): 247-256. |
| [15] |
Fu Qi, Li Bo, Yang Linlin, et al. Ecosystem services evaluation and its spatial characteristics in central Asia'sarid regions: A case study in Altay prefecture, China[J]. Sustainability, 2015, 7(7): 8335-8353. DOI:10.3390/su7078335 |
| [16] |
Chen Bojian, Jiapaer G, Yu Tao, et al. The role of climatic factor timing on grasslandnet primary productivity in Altay, Xinjiang[J]. Ecological Indicators, 2023, 157: 111243. DOI:10.1016/j.ecolind.2023.111243 |
| [17] |
Bao Gang, Tuya A, Bayarsaikhan S, et al. Variations and climate constraints of terrestrial net primary productivity over Mongolia[J]. Quaternary International, 2020, 537: 112-125. DOI:10.1016/j.quaint.2019.06.017 |
| [18] |
Nanzad L, Zhang Jiahua, Tuvdendorj B, et al. Assessment of drought impact on net primary productivity in the terrestrial ecosystems of Mongolia from 2003 to 2018[J]. Remote Sensing, 2021, 13(13): 2522. DOI:10.3390/rs13132522 |
| [19] |
赵鹏, 陈桃, 王茜, 等. 气候变化和人类活动对新疆草地生态系统NPP影响的定量分析[J]. 中国科学院大学学报, 2020, 37(1): 51-62. Zhao Peng, Chen Tao, Wang Qian, et al. Quantitative analysis of the impact of climate change and human activities on grassland ecosystem NPP in Xinjiang[J]. Journal of University of Chinese Academy of Sciences, 2020, 37(1): 51-62. |
| [20] |
阿迪来·乌甫, 玉素甫江·如素力, 热伊莱·卡得尔, 等. 基于MODIS数据的新疆地表蒸散量时空分布及变化趋势分析[J]. 地理研究, 2017, 36(7): 1245-1256. Adilai Wufu, Yusufujiang Rusuli, Reyilai Kadeer, et al. Spatio-temporal distribution and evolution trend of evapotranspiration in Xinjiang based on MOD16 data[J]. Geographical Research, 2017, 36(7): 1245-1256. |
| [21] |
陈舒婷, 郭兵, 杨飞, 等. 2000—2015年青藏高原植被NPP时空变化格局及其对气候变化的响应[J]. 自然资源学报, 2020, 35(10): 2511-2527. Chen Shuting, Guo Bing, Yang Fei, et al. Spatial and temporal patterns of NPP and its response to climate change in the Qinghai-Tibet Plateau from 2000 to 2015[J]. Journal of Natural Resources, 2020, 35(10): 2511-2527. |
| [22] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [23] |
Wang Jinfeng, Li Xinhu, Christakos G, et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region, China[J]. International Journal of Geographical Information Science, 2010, 24(1): 107-127. |
| [24] |
李登科, 王钊. 气候变化和人类活动对陕西省植被NPP影响的定量分析[J]. 生态环境学报, 2022, 31(6): 1071-1079. Li Dengke, Wang Zhao. Quantitative analysis of the impact of climate change and human activities on vegetation NPP in Shaanxi Province[J]. Ecology and Environmental Sciences, 2022, 31(6): 1071-1079. |
| [25] |
程霞, 李帅, 师庆东. 阿勒泰地区气候生产力变化分析[J]. 干旱地区农业研究, 2007, 25(3): 86-88. Cheng Xia, Li Shuai, Shi Qingdong. The analysis of climate productivity change in Aletai area[J]. Agricultural Research in the Arid Areas, 2007, 25(3): 86-88. |
| [26] |
屈冉, 王昌佐, 高彦华, 等. 蒙古国与中国接壤处近10年植被长势遥感监测[J]. 安徽农业科学, 2013, 41(14): 6548-6551. Qu Ran, Wang Changzuo, Gao Yanhua, et al. Remote sensing monitoring of vegetation in the region of Mongolia adjacent to China duringthe past 10 years[J]. Journal of Anhui Agricultural Sciences, 2013, 41(14): 6548-6551. |
| [27] |
John R, Chen Jiquan, Giannico V, et al. Grassland canopy cover and abovegroundbiomass in Mongolia and Inner Mongolia: Spatiotemporal estimates and controlling factors[J]. Remote Sensing of Environment, 2018, 213: 34-48. |
| [28] |
汪美宏, 赵慧, 吴晓兰, 等. 考虑气候时间效应的额尔齐斯河流域植被动态变化与驱动力量化[J]. 生态学报, 2024, 44(22)(2024-08-22). https://link:cnki.net/urlid/11.2031.Q.20240821.1200.014. Wang Meihong, Zhao Hui, Wu Xiaolan, et al. Vegetation dynamics and its driving force in the Irtysh River basin considering climatie temporal effects[J]. Acta Ecologica Sinica, 2024, 44(22)(2024-08-22). https://link:cnki.net/urlid/11.2031.Q.20240821.1200.014. |
| [29] |
Wang Ying, Xia Wentao, Liang Tiangang. Research progress on spatial-temporal dynamic simulation model of net primary productivity of terrestrial ecosystems[J]. Pratacultural Science, 2010, 27(2): 77-88. |
| [30] |
Wang Chunyu, Wang Junbang. The impacts of climate change and human activities on cropland net primary produetivity in Bangladesh, India and Myanmar[J]. Journal of Resources and Ecology, 2024, 15(4): 814-825. |
| [31] |
Tong Siqin, Zhang Jiquan, Bao Yuhai, et al. Analyzing vegetation dynamic trend on the Mongolian Plateau based on the Hurst exponent and influencing factors from 1982—2013[J]. Journalof Geographical Sciences, 2018, 28(5): 595-610. |
| [32] |
尹超华, 罗敏, 孟凡浩, 等. 蒙古高原植被碳水利用效率时空变化特征及其影响因素[J]. 生态学杂志, 2022, 41(6): 1079-1089. Yin Chaohua, Luo Min, Meng Fanhao, et al. The spatiotemporal variation and influencing factors of vegetation carbon and water use efficiency in the Mongolian Plateau[J]. Chinese Journal of Ecology, 2022, 41(6): 1079-1089. |
| [33] |
同琳静, 刘洋洋, 王倩, 等. 青藏高原草地降水利用效率时空动态及对气候变化的响应[J]. 干旱地区农业研究, 2019, 37(5): 226-234. Tong Linjing, Liu Yangyang, Wang Qian, et al. Spatial-temporal dynamics of precipitation use efficiency in grassland and its relationship with climate changes on Qinghai-Tibet Plateau[J]. Agricultural Research in the Arid Areas, 2019, 37(5): 226-234. |
| [34] |
张雨惠, 萨楚拉, 孟凡浩, 等. 蒙古高原植被返青期对气候、积雪、土壤水变化的响应特征研究[J]. 遥感技术与应用, 2023, 38(6): 1338-1349. Zhang Yuhui, Sa Chula, Meng Fanhao, et al. Response characteristics of vegetation reforestation period to climate, snow cover and soil water in Mongolian Plateau[J]. Remote Sensing Technology and Application, 2023, 38(6): 1338-1349. |
| [35] |
Shen Xiangjin, Jiang Ming, Lu Xianguo, et al. Aboveground biomass and its spatial distribution pattern of herbaceous marsh vegetation in China[J]. Science China Earth Sciences, 2021, 64(7): 1115-1125. |
| [36] |
Tian Jie, Xiong Junnan, Zhang Yichi, et al. Quantitative assessment of the effects of climate change and human activities on grassland NPP in Altay Prefecture[J]. Journal of Resources and Ecology, 2021, 12(6): 743-756. |