秦岭山地植被动态的多维归因：基于kNDVI与GPP的2000–2025年时空演变及气候—地形驱动解析

《Forests》：Spatio-Temporal Evolution and Multidimensional Attribution of Ecosystem Services in Sanjiangyuan National Park

　　

秦岭山脉是中国重要的地理分界线和气候过渡带。本研究基于中分辨率成像光谱仪（MODIS）NDVI数据计算核归一化差值植被指数（kNDVI），并以常规NDVI和总初级生产力（GPP）为参照，利用趋势分析、偏相关分析、方差分解和地理探测器等方法，对2000–2025年秦岭陕西段植被动态进行了系统评估。（1）植被总体呈改善趋势：区域年平均kNDVI从0.593上升至0.668，增速为0.0027 yr?1（R2 = 0.90），84.55%的区域呈显著增加。（2）kNDVI与GPP的相关系数仅略高于NDVI与GPP（逐像元r = 0.566对0.563；差值0.0026，95%置信区间0.0025–0.0027），经错误发现率校正后无任何像元达到显著差异，因此无法断言kNDVI在局部具有显著优势。（3）气温和降水促进植被生长，而日照时数起抑制作用；三个因子对kNDVI的气候解释方差唯一贡献率分别为44.3%、39.2%和15.9%，气温对GPP的单独贡献率达74.2%。（4）经显著性掩膜后，60.08%的kNDVI像元和33.94%的GPP像元无显著主导驱动因子；气温主导了64.96%区域的GPP变化，而kNDVI在西部以降水为主导、在东部以气温为主导。年尺度气候仅能解释年际变异的约五分之一至四分之一，剩余部分呈现大范围空间连贯的残差趋势。

论文解读

一、研究背景与研究意义

植被是陆地生态系统的重要组成部分，在调节生态平衡、气候以及水、碳、能量循环中发挥着关键作用。近几十年来，全球气候变化的加剧持续改变着植被类型、覆盖度和质量，且不同区域因地形地貌差异而呈现显著不同的变化方向、幅度和速率。准确量化长期植被趋势及其驱动因子，有助于阐明生态系统对气候波动和人类干扰的响应模式。

归一化差值植被指数（NDVI）作为最广泛使用的植被指数，虽具有计算简单、数据兼容性强等优点，但在植被茂密区域存在数值饱和问题，同时易受大气干扰、土壤背景噪声和地形效应影响。为克服上述局限，核归一化差值植被指数（kNDVI）被提出，其通过径向基函数（RBF）核实现对植被信号的非线性表征，在茂密冠层（如森林和高产农田）中对生物物理参数变化具有高敏感性，且在时空上较为稳定，与总初级生产力（GPP）和日光诱导叶绿素荧光（SIF）等核心生态变量密切相关。

秦岭山脉作为中国南北之间的重要地理分界线和气候过渡带，具有独特的气候与生态特征，科研价值极高。然而，已有研究存在三方面不足：其一，kNDVI相对于常规NDVI的敏感性优势极少以正式统计检验对照生产力基准进行量化，多数研究仅报告相关系数，且将第三位小数的差异解读为优越性证据；其二，在山地区域，植被动态的气候驱动因子通常仅针对单一植被指数报告，碳吸收的平行行为未被同步检验；其三，去除线性气候信号后的残差趋势常被标注为“人为因素”，但此类残差同样吸收遗漏的气候变量和非线性气候响应，若无独立的土地利用或生态工程证据，不能将其归因于人类活动。

本研究旨在量化2000–2025年间秦岭陕西段kNDVI和GPP的时空行为，并通过显式统计检验，将气候和地形对其动态的控制作用与线性气候模型无法解释的趋势分离开来。

二、主要技术方法

研究人员以MODIS NDVI（MOD13Q1，250 m分辨率）和GPP（MOD17A2HGF，500 m分辨率）遥感产品、32个国家气象站插值得到的气温、降水和日照时数数据，以及Copernicus DEM GLO-30高程数据为主要数据源，时间跨度2000–2025年。气象数据采用ANUSPLIN 4.3软件的薄板样条（TPS）算法进行空间插值，统一重采样至250 m分析网格。分析方法包括：Sen+Mann–Kendall趋势分析用于检测植被变化趋势及显著性；Pearson相关和偏相关分析用于量化气候因子与植被指标的关系；多元线性回归结合方差分解用于分离各气候因子的独特贡献；残差趋势分析用于识别线性气候模型未解释的植被变化；地理探测器用于量化地形和气候因子对植被趋势空间方差的解释力；Wilcoxon符号秩检验、配对t检验、空间分块自助法和Steiger检验用于比较kNDVI与NDVI对GPP相关性的差异。

三、研究结果

（1）kNDVI时空变化特征

区域平均kNDVI在2000–2025年间呈显著上升趋势，多年均值为0.637，增速为0.0027 yr^?1（R² = 0.901，p < 0.001），从2000年的最低值0.593上升至2021年的峰值0.668。空间上，kNDVI呈现山地内部高、外围河谷低的格局，核心森林区持续保持高值。趋势分析显示，84.55%的区域呈显著增加，显著减少区域仅占1.02%，主要分布于河谷和城市建成区。平行GPP序列以13.57 g C·m^?2·a^?1的速度增加（R² = 0.676），96.47%的区域显著增加，区域碳汇能力与植被绿化同步提升。

（2）kNDVI与NDVI对GPP的相关性比较

两种植被指数与GPP均呈显著正相关。区域尺度上，kNDVI与GPP的逐像元平均相关系数为0.5658 ± 0.2031，NDVI为0.5632 ± 0.2040，kNDVI在76.09%的像元中更高。配对Wilcoxon符号秩检验和配对t检验均拒绝两者相等（p < 0.001，Cohen's dz = 0.68），空间分块自助法给出平均差值为0.0026（95%置信区间[0.0025, 0.0027]），表明差异虽极小但在统计上可检测。然而，逐像元Steiger检验显示，在错误发现率（FDR）校正后无任何像元达到显著差异。研究人员由此得出结论：kNDVI在区域尺度上与GPP的相关性略优于NDVI，但在单个像元尺度上两者无法被统计区分。

（3）气候因子对kNDVI的驱动分析

偏相关分析表明，气温和降水对kNDVI具有独立的正向促进作用，而日照时数在控制水热协变后呈负相关。多元回归分析显示，三个气候因子平均解释kNDVI年际变异的19.88%（平均R² = 0.1988），方差分解将44.3%的解释方差唯一归因于气温、39.2%归因于降水、15.9%归因于日照时数。经显著性掩膜后，60.08%的区域无显著主导气候因子；在其余像元中，气温主导20.80%、降水主导16.48%、日照时数主导2.64%。空间上呈现明显的东西分异：西部以降水为主导（占已分类西部像元的60.2%），东部以气温为主导（62.8%）。残差趋势分析显示，97.05%的像元呈正残差斜率（67.70%显著），区域均值为+0.0017 kNDVI yr^?1，表明大部分长期改善未被线性年气候模型解释。

（4）气候因子对GPP的驱动分析

GPP对气候因子的响应更具选择性：气温是主导因子，平均逐像元简单相关系数为0.4333，而降水（0.0680）和日照时数（0.0526）几乎与年碳吸收无关。偏相关分析中，气温与GPP的偏相关系数保持0.4307（32.78%像元显著），降水升至0.1210（1.61%显著），日照时数转为弱负相关（?0.0277）。显著性掩膜后的主导因子图中，气温主导64.96%的区域，33.94%的区域无显著主导气候因子。与kNDVI的东西分异不同，GPP的热量主导性在空间上均匀分布。多元回归平均R² = 0.2587，方差分解将74.2%的气候解释方差唯一归因于气温。残差趋势几乎全域为正（99.52%像元，76.83%显著），区域均值为+8.72 g C·m^?2·a^?1·yr^?1。

（5）地形控制与定量归因

地理探测器结果显示，对于kNDVI趋势类别，坡度的解释力最大（q = 0.053），对于连续Sen斜率，高程的解释力最大（q = 0.145），但所有因子的q值均较小，表明地形和气候因子虽显著塑造了趋势的空间格局，但并未完全决定之。坡度分级分析显示，显著绿化面积比例在中等坡度（8–15°）达到峰值（88.2%），向更缓或更陡地形递减；显著减少面积比例在缓坡（0–8°）最高（4.9%），退化主要集中于河谷底部和城市边缘。

四、讨论与结论

讨论部分指出，秦岭地区植被整体改善与区域变暖变湿背景及全国性土地利用管理驱动的绿化趋势一致。kNDVI与NDVI对GPP的刻画能力在250 m年尺度上基本相当，核公式的理论优势未转化为实际增益。气温和降水是kNDVI的核心正向气候驱动因子，日照时数在控制水热协变后表现为约束因素。残差趋势分析表明，线性年气候模型仅能解释kNDVI约五分之一和GPP约四分之一的年际变异，大部分改善未被解释，可能涉及生态恢复工程、土地利用变化、CO₂施肥效应和森林成熟等，但研究人员强调，由于残差也吸收遗漏气候变量和非线性响应，不能直接将其标注为人为信号，需结合土地利用转移矩阵和生态工程记录才能进一步归因。

研究结论可概括为四点：第一，2000–2025年秦岭植被整体改善，kNDVI以0.0027 yr^?1显著上升，84.55%区域显著增加，GPP以13.57 g C·m^?2·a^?1增加，96.47%区域显著增加；第二，kNDVI与GPP的区域尺度相关性略优于NDVI（差值0.0026），但逐像元经FDR校正后无显著差异，两者在生产力监测中应视为同等有效；第三，气候解释kNDVI年际变异的约五分之一（R² = 0.199）和GPP的四分之一（R² = 0.259），气温和降水是kNDVI的主导正向驱动因子，气温对GPP的贡献尤为突出（74.2%），kNDVI在西部以降水为主导、东部以气温为主导，而GPP几乎全域受热量主导；第四，地理探测器定量证实地形和气候分层解释了植被趋势空间方差的显著但较小的份额，显著绿化面积比例在中等坡度达到峰值，退化集中于缓坡河谷和城市边缘，未来对未解释残差趋势的归因需要土地利用转移矩阵和生态工程记录的支持。