在中国不同气候区域中，对净初级生产力（NPP）具有显著因果作用的因素

《Environmental and Sustainability Indicators》：Factors that are strongly causal to NPP Across Diverse Climate Regions in China

中国五个气候区NPP驱动机制研究综合运用GCCM和Geodetector方法，揭示地形因素（DEM、TR）与 sunshine radiation、temperature存在强因果弱相关特性，并确定DEM（511-607m）、TR（22-128m）、sunshine radiation（1.24-1.36×10^7 J/m2）、temperature（16.2-18.1°C）等最优区间。地形作为生态整合者调控能量-水循环，为NPP建模和生态修复提供空间异质性参数支撑。

　　
中国五大气候区Net Primary Productivity（NPP）驱动机制与空间异质性关联研究

摘要
本研究针对传统NPP驱动关系研究中存在的因果关系与线性相关混淆问题，创新性地构建了地理收敛交叉映射（GCCM）与空间异质性分解（Geodetector）的协同分析框架。通过2000-2020年遥感数据，系统解构了中国东南、西南、东北、西北及青藏高原五大气候区的NPP驱动机制，发现地形要素在生态系统中发挥"整合枢纽"作用，其因果效应往往超越简单统计相关性。研究揭示了以下核心发现：

1. 地形要素的因果突破
在东南和西南气候区，海拔梯度（DEM）与地形起伏度（TR）分别展现出ρ>0.4的强因果效应，但仅呈现弱至中等相关性（R<0.3）。这种"强因果-弱相关"现象表明地形要素通过非线性耦合机制调控NPP，具体表现为：
- 西南喀斯特地区：DEM通过塑造"地形-能量-水循环"协同系统，影响光合有效辐射分布（SR）与蒸散发（ET）的时空配置
- 东南丘陵区：TR主导的水分保持机制与SR的辐射再分配形成复合驱动
- 东北平原山地：TR通过降水再分配影响植被覆盖度（NDVI）

2. 因素作用区间优化
研究首次量化了关键驱动要素的"最优作用区间"：
- DEM有效海拔范围511-607米，对应山地植被带谱分界
- TR有效坡度梯度22-128米，涵盖典型坡向地形单元
- 太阳辐射有效阈值1.24-1.36×10^7 J/m2，对应亚热带湿润区年日照平衡点
- 温度敏感窗口16.2-18.1°C，与东亚植物生长季匹配度达0.87

3. 空间异质性机制解析
通过Geodetector的分层异质性检测，揭示出：
- 西南区：DEM与SR的协同效应指数达0.82（q值），形成"地形遮光-辐射调节"的动态平衡
- 东南区：TR与ET的交互作用强度（q=0.79）显著高于西北区（q=0.31）
- 青藏高原：TEM的弱因果效应（ρ=0.32）与高空间异质性（q=0.64）并存，反映温度梯度对稀疏植被的间接调控

研究方法突破
采用三阶段验证机制：
1. GCCM因果检测：构建地理收敛映射模型，通过空间嵌入点扩展消除噪声干扰，ρ值临界阈值设定为0.4（95%置信区间）
2. Pearson相关过滤：排除同步变异干扰，筛选出具有独立因果贡献的要素
3. Geodetector异质性分解：建立空间分层模型（L=5-8），量化驱动要素对NPP空间变异的贡献度（q值>0.6为显著）

创新性贡献
1. 首次揭示青藏高原"弱因果-高异质性"现象，破解传统认为温度是主要驱动力的认知偏差
2. 构建地形要素的"双阈值"调控模型：既包含有效作用区间，又识别关键梯度临界值
3. 开发多尺度验证框架：通过空间分辨率（10km→500m）与时间尺度（年际→季度）的嵌套分析，提升结论可靠性

政策启示
1. 生态修复工程优化：
- 西南喀斯特区：重点保护海拔550-600米核心植被带
- 东南丘陵区：实施22-128米坡度梯田改造
- 东北山地：建立TR分级管理制度（I类坡地占23%需重点防护）

2. NPP模型升级方向：
- 引入地形调节因子（如TR指数化表达）
- 构建多要素耦合响应模型（DEMTemp-SR）
- 增加空间异质性修正模块（q值调节因子）

研究局限与展望
1. 空间尺度局限性：10km分辨率可能掩盖微观地形效应，建议后续研究采用0.5°×0.5°网格进行验证
2. 时间序列跨度：2020年后气候突变数据缺失，需补充近五年观测值
3. 人为干扰因素：研究排除人为活动影响，但实际应用中需考虑退耕还林、火灾频率等参数
4. 扩展性不足：当前仅验证温度阈值16.2-18.1°C，未来应建立动态适应模型，考虑气候变暖导致的阈值漂移

该研究为全球生态系统建模提供了新范式，特别是针对季风区与高原山地等复杂地形，其揭示的"地形整合"机制已应用于三江源国家公园的植被恢复规划，使NPP预测精度提升17.3%。后续研究可结合数字孪生技术，构建包含地形要素的动态NPP仿真系统，为碳中和目标下的国土空间规划提供决策支持。