全球气候变化问题的日益凸显，使得对生态系统碳汇功能的研究变得尤为重要。生态系统作为全球碳循环的重要组成部分[1],其碳汇能力对维护全球碳平衡和气候稳定起着决定性作用[2]。在此背景下，净生态系统生产力(NEP)被广泛接受为衡量生态系统碳源或碳汇能力的重要指标[3],其研究对于全球碳循环的理解和应对全球气候变化具有深远影响。黄土高原是中国重要的生态系统之一，具有独特的地理位置和地貌特征。长期以来，频繁的人类活动致使该区域区植被退化严重，水土流失频繁发生，成为国内典型的生态环境脆弱区域[4]。近年来，在"退耕还林(草)"工程的实施下，黄土高原的植被覆盖率得到提升，生态环境状况逐步好转[5],但仍存在生态修复空间分布不均衡以及可持续性问题，因此，亟待对黄土高原的生态系统NEP的时空变化特征及其影响因素进行深入分析，为推动黄土高原生态系统的生态环境恢复和可持续发展提供理论依据。

目前国内外关于黄土高原碳循环的研究多集中在归一化植被指数(NDVI)、植被覆盖度(FVC)、植被净初级生产力(NPP)以及碳储量等指标的[6-8]研究上，而进一步探究黄土高原生态系统碳汇时空分布及其影响因子的研究相对较少。且在研究尺度上主要集中于黄土高原整体或部分区域，却未考虑该地区内部的异质性[9];研究内容上部分研究仅关注生态系统中单一碳库或特定土地利用类型的NEP[10-11],未能揭示黄土高原生态系统整体NEP时空分布特征；影响因素上，黄土高原碳汇的研究多着眼于气候或土地利用对NEP的影响[12],对NEP空间格局的解释能力有限，且多局限于单一因子对NEP的贡献，忽视了不同因子之间的协同作用；在估算方法上，主要包括清查法、涡度相关法、生态系统过程模型和大气反演法[13]。

针对上述问题，本研究以黄土高原内省级行政区为划分单元，结合长时序遥感数据以及地形和土壤数据，运用土壤呼吸模型、趋势斜率分析和地理探测器等工具，对黄土高原生态系统NEP的时空变化特征及其影响因素进行深入分析，进而更全面、深入地理解黄土高原生态系统碳汇功能的演变规律，以及影响其碳汇功能的关键因素，为应对气候变化和推动黄土高原可持续发展提供有力支撑。

1、研究区概况

黄土高原区位见图1,其位于中国中部偏西北，区域地理位置在33°41′—41°16′N,100°52′—114°33′E,是中国面积最大的丘陵沟壑地带之一，跨越了青海、甘肃、陕西、宁夏、山西、内蒙、河南七省(区),占我国陆地总面积约6.67%,即64万km2。该地区地形复杂，海拔高度1 000～2 000 m, 地势呈现出自西北向东南波浪状下降的特点，形成了大量的丘陵和沟壑，因此是全球最严重的水土流失区之一。黄土高原属干旱少雨的大陆性季风气候，年均降水量200～700 mm, 年均气温9～12 ℃,具有昼夜温差大和冬寒夏热的特点。由于人文活动和自然因素的影响，黄土高原地区的生态环境受到了很大的破坏和压力，为了改善其生态环境，自1999年开始实施退耕还林(草)等生态恢复和区域发展项目，导致土地利用类型发生变化，对生态系统的碳储存产生了重要影响。

图1 研究区位置

2、数据和方法

2.1 数据来源与处理

数字高程数据采用日本宇宙航空研究开发机构AW3 D30产品，降雨和温度数据分别采用美国气象中心NCEP产品和欧洲空间局ERA5产品，土壤类型与土壤属性数据采用世界土壤信息中心SoilGrids产品，其中物理属性包括土壤容重、沙粒、粉粒和黏粒含量，植被净初级生产力(NPP)采用MOD17A3 HGF产品，土壤呼吸(RS)产品采用中国科学院空天信息创新研究院研发的全球土壤呼吸数据。不同数据产品的详细参数见表1。同时，利用ArcGIS工具提取坡向、坡度等地形特征，利用张宏鸣等开发的LS_tool工具计算坡度坡长因子，利用自主研发的1990—2020年黄土高原地表覆盖类型产品数据获取研究区地表覆盖变化特征。

表1 所用数据产品信息介绍

2.2 研究方法

2.2.1 NEP估算方法

陆地净生态系统生产力(NEP)可表征陆地与大气之间的净碳通量或碳储量的变化速率，即固碳速率。当NEP>0时，生态系统是大气二氧化碳的汇，也就是说生态系统吸收的碳多于释放的碳；当NEP=0时，生态系统的二氧化碳排放和吸收达到平衡；当NEP<0时，则表明生态系统是大气二氧化碳的源，即释放的碳多于吸收的碳[14-15]。植被净初级生产力(NPP)的主要部分将形成NEP,增加生态系统有机碳量，而另一部分则以凋落物的形式进入地表之后，通过微生物分解返回大气或形成土壤有机质被蓄积在土壤中，因此NEP为NPP和土壤异养呼吸(Rh)的差值。本研究利用MOD17A3 HGF NPP产品、中国科学院空天信息创新研究院黄妮等(2 020)研发的全球土壤呼吸产品和经验转化公式计算年尺度时间序列NEP[16-17],具体计算过程如公式(1—2):

NEP=NPP-Rh(1)

Ln(Rh)=0.22+0.87ln(Rs) (2)

式中：NPP为植被净初级生产力；Rh为土壤异养呼吸；Rs为土壤呼吸。

2.2.2 趋势斜率分析法

基于时间序列NEP数据集，利用趋势斜率分析法计算黄土高原2000—2022年NEP变化趋势，线性斜率的计算公式如下：

式中：Xi为第i年黄土高原NEP的值；n为总年数。当Slope>0时，NEP呈增加趋势；当Slope<0时，NEP呈减小趋势。

2.2.3 地理探测器

地理探测器一种空间统计分析方法，旨在探索某一地理现象与其影响因素之间的关联关系[18]。本研究使用分异及因子探测器和交互作用探测器揭示黄土高原NEP时空变化关键影响因素。解译因子对黄土高原NEP的解释力可以通过因子探测器的Q值来代表，Q值范围为-1～1,对NEP空间分异的解释力越强则Q值越大。表达式如下：

式中：C=1,2,3…,L为解释变量X的分区；Nc和N分别代表分区L和全区的单元数；Dc和D分别代表分区L和全区Y值的方差。

交互探测器是一种强大的分析工具，用于确定不同驱动因子之间是否存在相互作用的影响。具体来说，交互探测器通过比较两个独立因素X1和X2空间解释力与X1和X2的交互作用的解释力的大小，即比较Q(X1),Q(X2)与Q(X1∩X2)的值来确定这两个驱动因素的影响是增强、减弱还是相互独立的。如果Q(X1∩X2)>Q(X1)+Q(X2),表明两个驱动因子同时作用时，对结果的影响大于单一因子作用之和，即存在协同效应。

本研究选取11个影响NEP的潜在因子，包括高程、坡度、坡向、温度、降雨、土壤侵蚀坡度坡长因子、容重、土壤粉粒含量、土壤沙粒含量、土壤黏粒含量和归一化植被指数(NDVI),利用地理探测器计算了各因子单一及其交互作用对NEP多年平均值的解释能力，同时计算温度趋势、降雨趋势、NDVI趋势以及其他8个因子对NEP时间变化斜率空间分异的解释能力，从而解释黄土高原生态系统碳汇时空变化的影响因素。

3、结果与分析

3.1 2000-2022年多年平均NEP空间分异特征

黄土高原多年平均NEP整体上呈现出自东南向西北递减的空间分布特征，其中NEP低值主要集中在黄土高原的西北地区，高值主要分布于甘肃省和陕西省南部。黄土高原2000—2022年NEP平均值为33.44 gC/m2,除内蒙古自治区和宁夏回族自治区以外，其他各省NEP均高于黄土高原NEP,其中河南省最高，为43.81 gC/m2,内蒙古自治区NEP最低，为16.64 gC/m2。黄土高原多年平均碳汇总量为21.27 Tg C,山西省多年平均碳汇总量最高，为6.41 Tg C,河南省多年平均碳汇总量最低，为0.80 Tg C(图2)。

图2 2000-2022年多年平均NEP空间分布与统计特征

3.2 2000-2022年NEP时空变化特征

2000年黄土高原历史NEP空间平均值为23.4 gC/m2,其中NEP<15 gC/m2的区域占比高达35.3%,主要分布在黄土高原的西北地区，NEP>70 gC/m2的区域占比仅为0.1%,分布于甘肃省和陕西省南部(图3)。2022年黄土高原NEP现状空间平均值为39.9 gC/m2,碳汇总量达到25.40 Tg, 其中NEP<15 gC/m2的区域面积占比下降到10.4%,且NEP>70 gC/m2的区域占比上升为6%。

NEP在2000—2022年期间发生了显著的变化。2022与2000年的NEP差值>0区域占据95.4%,NEP差值<0区域仅占4.6%,且零星分布在各省中心城市及其附近，NEP变化介于0～10 gC/m2的区域多集中在黄土高原的西北地区，NEP变化介于10～25 gC/m2的区域占比最大，为46.2%。NEP年际变化增加的区域占整个黄土高原的95.4%,且增加最为显著的区域主要分布在甘肃省东部和陕西省中部地区。

图3 黄土高原NEP空间分布、差异分析与趋势分析

由图4可知，黄土高原NEP年际变化特征总体表现为明显上升且逐渐趋于稳定，增长速率为0.70 gC/(m2·a),其中2001年出现最小值，约22.21 gC/m2,2018年出现最大值，约为41.19 gC/m2。陕西省和山西省NEP上升趋势最为明显，增长速率分别为0.98,0.80 gC/(m2·a),相比之下，内蒙古自治区和青海省上升幅度较小，增长速率分别为0.35,0.38 gC/(m2·a)。从图中可知，黄土高原陆地生态系统碳汇能力每年增加0.45 Tg C,其中山西省和陕西省贡献最大，河南省贡献最小。

针对黄土高原NEP的时空变化特征，未来应进一步加强生态恢复工程的实施力度，提高植被覆盖度，特别是在西北部地区加大生态恢复投入，促进区域生态环境的整体改善。对生态脆弱区的保护和修复，如黄土丘陵沟壑区、黄土丘陵残塬沟壑区等，采取水土保持、植被恢复等措施，提高生态系统的碳汇功能。同时，应加强对重点生态功能区的保护和管理，维持其生态系统的稳定性。

3.3 地表覆盖类型对生态系统碳汇的影响

基于黄土高原2000—2020年地表覆盖产品，分析了研究时段地表覆盖变化情况(图5)。经统计，在地表覆盖不变化类型中，农田、草地和森林的面积占比分别为30.25%,29.23%和12%。在地表覆盖变化类型中，农田转变为林草类型的面积占比最大，达到12.72%,裸地转变为林草和草地转变为森灌的面积占比分别为4.82%和1.84%。

基于2000—2022年NEP多年平均值，时间变化斜率和地表覆盖类型产品，得到不同地表覆盖类型碳汇能力与增汇能力统计表，由表2可知地表覆盖不变类型的NEP均值(gC/m2)排序为森林(54.47)>农田(33.41)>草地(27.72)>裸地(7.50),生态系统碳汇总量(Tg C)排序为农田(7.25)>草地(4.79)>森林(3.83)>裸地(0.20)。地表覆盖变化类型的NEP均值(gC/m2)排序为草地转变森灌(50.78)>农田转变林草(38.08)>裸地转变林草(13.58),生态系统碳汇总量(Tg C)排序为农田转变林草(3.0)>草地转变森灌(0.66)>裸地转变林草(0.46)。与草地、农田和裸地相比，草地—森灌、农田—林草，裸地—林草可分别提升碳汇能力83.2%,14.0%和81.1%。

图4 2000-2022年黄土高原NEP时间变化

图5 黄土高原土地利用类型与统计

基于NEP时间变化斜率和地表覆盖产品，得到地表覆盖不变类型中NEP上升趋势最大的为森林，增长速率为0.90 gC/(m2·a),农田增汇速率最大，为143.84 GgC/a, 地表覆盖变化类型中草地转变森灌类型NEP上升趋势最大，增汇速率最大为农田转变为林草类型，为79.32 GgC/a。与草地、农田和裸地相比，草地—森灌、农田—林草，裸地—林草可分别提升增汇能力5.6%,15.8%,127.7%。黄土高原生态系统中农田和草地增汇贡献率最大，为33.67%和26.42%。

综上可知，通过科学的土地管理措施，比如合理植被恢复和土地利用结构优化，可以有效地提高黄土高原NEP,实现生态环境的可持续发展。未来，黄土高原地区应继续加强退耕还林(草)生态恢复工程的实施力度，加强对林草资源的保护和恢复，通过合理调整土地利用结构，探索其他类型土地向林草转变的可行路径，有效提高黄土高原生态系统的增汇速率。

3.4 NEP空间分异的环境影响因素分析

单一因子对NEP空间分异的解释力排序为NDVI(0.667)>降雨(0.338)>容重(0.277)>粉粒含量(0.22)>沙粒含量(0.219)>坡向(0.179)>黏粒含量(0.126)>土壤侵蚀坡度坡长因子(0.107)>温度(0.102)>坡度(0.067)>高程(0.052)。双因子探测结果显示，NDVI和降雨两者的交互作用对黄土高原NEP空间分布解释力最高。单一因子对NEP趋势的解释力排序为NDVI(0.281)>容重(0.265)>坡度(0.245))>温度(0.09)>粉粒含量(0.084)>土壤侵蚀坡度坡长因子(0.072)>沙粒含量(0.053)>黏粒含量(0.048)>高程(0.035)>降雨(0.023)>坡向(0.014)。在双因子交互作用中，NDVI与土壤容重的组合对黄土高原NEP趋势的解释力最高，达到了0.46(图6)。

表2 不同地表覆盖类型碳汇能力与增汇能力统计

综上所述，地表覆盖、植被、降雨和土壤属性共同影响了2000—2022年黄土高原生态系统碳汇及其变化趋势空间分布特征。通过科学的土地管理措施，比如合理植被恢复和土壤保护，可以有效地提高黄土高原NEP,实现生态环境的可持续发展。因此在黄土高原生态恢复和土地管理中，需要重点关注提高植被覆盖和改善土壤物理性质，以实现区域生态平衡。

图6 黄土高原NEP均值与变化趋势交互作用探测结果

4、讨论和结论

4.1 讨 论

4.1.1 NEP估算结果的不确定性

在NEP的遥感估算领域，精度评估一直以来都充满了挑战。实地测量数据的缺乏、不同类型数据产品的多样性、产品精度水平的不一致性，以及估算NEP方法多样性增加了NEP估算结果的不确定性[19-20]。例如本研究使用MODIS NPP数据和气候因子数据的精度水平和利用土壤呼吸模型对NEP进行估算的方法都会对NEP估算结果产生影响，从而影响其可信度。但通过与现有研究结果比较发现，本研究NEP呈现东南高西北低的空间格局与Zhang等[21]的研究结果相同，NEP在2001年最低，在2011年突增，在2018年达到最高值后逐渐下降的时间变化趋势与周怡婷等[22]的研究结果相吻合，NEP差异及其趋势变化的空间分异结果与裴宏泽等[23]的研究结果相似，说明本研究方法计算结果具有一定的可信度。

总的来说，NEP遥感估算面临诸多挑战，需要进一步完善实地观测数据、提高产品精度、优化模拟方法等，以此更准确地评估NEP的时空动态，为生态系统管理提供可靠依据。

4.1.2 NEP时空变化影响因素分析

近年来，黄土高原实施了大规模退耕还林还草、天然林保护等生态恢复工程，显著提高了区域植被覆盖度，增强了生态系统碳汇功能[24-25]。NEP增加最为明显的区域集中在陕西、山西两省，特别是陕甘交界地区。这主要是因为该区域水土流失较为严重，因此生态恢复工程实施力度较大，造林覆盖范围广[26-27]。由退耕还林(草)等生态修复工程所引起的地表覆盖变化对NEP增加产生了积极影响，例如裸地和农田向林草转变均可有效提升碳汇能力[28]。因此，在土地利用管理方面，应合理规划土地利用布局，科学实施退耕还林还草等生态恢复工程，提高林草植被占比。

NDVI作为衡量植被活力和生长状况的指标，能够很好地反映植被的光合作用能力，且该指标与植被生产力直接相关，因此NDVI是影响黄土高原NEP及其变化趋势时空变化的最关键因素。黄土高原植被的生长和分布受水分条件的限制，而降雨量的高低则直接决定了土壤湿度和植被可利用的水分，进而影响了植被光合作用能力，最终作用于NEP时空分布及其变化[29]。另外，土壤容重不仅反映了土壤结构紧实程度，还与土壤通气性、保水性和养分状况等密切相关，因此合适的土壤容重更有利于根系生长、养分吸收和土壤有机质积累，良好的土壤结构更能促进根系发展和水分利用，从而提高植被NDVI值[30],反过来又增强了土壤的碳储存能力，形成了一个正向的反馈循环，从而促进NEP增加。因此，地表覆盖、植被、降雨和土壤属性共同影响了2000—2022年黄土高原生态系统碳汇时空分布变化。

4.2 结 论

(1) 黄土高原2000—2022年NEP呈现出自东南向西北递减的空间分布特征，平均值为33.44 gC/m2,年均碳汇总量为21.27 Tg C,其中山西省年均碳汇总量最高，为6.41 Tg C,河南省年均碳汇总量最低，为0.80 Tg C。2022年黄土高原NEP现状水平为39.9 gC/m2,年碳汇总量达到25.40 Tg C。

(2) 黄土高原NEP年际变化特征总体表现为明显上升后逐渐趋于稳定，增长速率为0.70 gC/(m2·a),其中，碳汇能力上升趋势最明显的为陕西省和山西省，增长速率分别为0.98,0.80 gC/(m2·a),黄土高原陆地生态系统碳汇能力每年增加0.45 Tg C,其中山西省和陕西省贡献最大，河南省贡献最小。

(3) 在研究时段内，黄土高原森林植被的碳汇能力和增汇能力最高，分别为54.47,0.90 gC/(m2·a)。但由于草地面积较大，因此草地碳汇总量和增汇贡献均高于森林。与草地、农田和裸地相比，草地—森灌、农田—林草，裸地—林草提升原地表覆盖碳汇能力83.2%,14.0%和81.1%,且提升增汇能力5.6%,15.8%,127.7%。

(4) 单一影响因子中，NDVI作为植被生物量指标，是驱动黄土高原生态系统NEP时空动态变化的主要因素。双因子相互作用时对碳汇能力的解释力更强，因此 NDVI与降雨和土壤容重的交互作用对NEP空间分异以及NEP趋势变化的影响也不可忽视。

参考文献:

[2]张莉,郭志华,李志勇.红树林湿地碳储量及碳汇研究进展[J].应用生态学报,2013,24(4):1153-1159.

[3]曹云,张称意,孙应龙,等.2000—2020年华北地区植被固碳能力时空变化特征及其气象影响分析[J].生态学报,2023,43(9):3488-3499.

[5]杨欣,薛华柱,董国涛,等.1982—2022年祁连山植被变化及其驱动因子[J].生态学杂志,2024,43(6):1576-1586.

[6]方德昆,闫小月,张学珍,等.1982—2022年黄土高原归一化植被指数变化的时空特征[J].中国环境监测,2023,39(5):13-20.

[7]王一,郝利娜,许强,等.2001—2019年黄土高原植被覆盖度时空演化特征及地理因子解析[J].生态学报,2023,43(6):2397-2407.

[8]吕文宝,徐占军,郭琦,等.黄土高原陆地生态系统碳储量的时间演进与空间分异特征[J].水土保持研究,2024,31(2):252-263.

[9]刘春雨,董晓峰,王春燕,等.甘肃省县级行政单元NEP的时空异质性[J].兰州大学学报:自然科学版,2018,54(1):82-89.

[10]王菲,曹永强,周姝含,等.黄河流域生态功能区植被碳汇估算及其气候影响要素[J].生态学报,2023,43(6):2501-2514.

[11]何源,李星锐,杨晓帆,等.内蒙古锡林郭勒盟典型草原固碳量及固碳潜力估算[J].草地学报,2021,29(10):2274-2285.

[12]孙倩,张美玲,王鑫婧,等.不同气候情景下甘肃草地碳收支时空模拟与预测[J].环境科学,2023,44(10):5842-5851.

[13]朴世龙,何悦,王旭辉,等.中国陆地生态系统碳汇估算:方法､进展､展望[J].中国科学:地球科学,2022,52(6):1010-1020.

[14]赵宁,周蕾,庄杰,等.中国陆地生态系统碳源/汇整合分析[J].生态学报,2021,41(19):7648-7658.

[17]刘凤,曾永年.2000—2015年青海高原植被碳源/汇时空格局及变化[J].生态学报,2021,41(14):5792-5803.

[18]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.

[19]秦云,肖风劲,於琍,等.碳中和评估与预测预估方法研究进展[J].中国环境管理,2024,16(1):63-72.

[20]王楠楠,刘耀林,尹峰,石永阁,刘艳芳.顾及地形校正的生态系统碳汇估算与分析[J].武汉大学学报:信息科学版.

[22]周怡婷,严俊霞,刘菊,等.2000—2021年黄土高原生态分区NEP时空变化及其驱动因子[J].环境科学,2024,45(5):2806-2816.

[23]裴宏泽,赵亚超,张廷龙.2000—2020年黄土高原NEP时空格局与驱动力[J].干旱区研究,2023,40(11):1833-1844.

[24]徐铭璟,冯强,吕萌.生态系统服务权衡及其影响因素:以黄河流域山西段为例[J].干旱区研究,2024,41(3):467-479.

[25]张杰铭,赵广举,金秋,等.水土保持植物措施碳汇研究综述[J].中国水土保持,2024(2):6-12,75.

基金资助:黄委优秀青年人才科技项目(HQK-202307);国家重点研发计划青年科学家项目(2022YFC3205200);

文章来源:张怡,王志慧,卢小平,等.黄土高原生态系统碳汇时空变化及其影响因素[J].水土保持研究,2025,32(01):266-274+284.