植被净初级生产力（Net Primary Productivity，NPP）指绿色植物通过光合作用在单位时间、单位面积内产生的有机物总量并减去自养呼吸后的剩余部分^［1］。植被NPP是植被与外界环境因子相互作用下的产物，不仅表征陆地生态系统植被质量状况，同时可用于评价区域生态系统功能及可持续发展能力，是地表碳循环的重要组成部分。因此研究植被NPP对于探究陆地生态系统作用机制及碳循环机理有着重要的意义^［2-3］。

早期的植被NPP测算主要基于试验点观测数据^［4］，易受到空间尺度限制，不便于计算较大范围植被NPP时空变化^［5］。近年来随着地理信息系统及遥感技术的发展，利用遥感数据建立模型开展植被NPP估算已经成为研究植被NPP的最有效手段^［6-12］。美国航空航天局应用BIOME-BGC模型与光能利用率模型建立的NPP估算模型，在全球范围内得到很好的验证^［13-18］。全球MODIS17A3HGF NPP数据产品是基于MODIS/TERRA卫星为参数，参考BIOME-BGC模型与光能利用率模型建立NPP估算模型^［1］，相较于MODIS17A3数据产品，该数据对8d LAI/FPAR中质量较差的像元进行清除并通过线性插值法对其进行估值计算。MODIS17A3HGF数据产品精度有所提高，目前已在不同区域的研究中得到了验证^{［1，19-21］}。

国内学者通过对不同区域及生态系统植被NPP的影响因子研究发现植被NPP与气象因子中的气温、降水存在一定相关性，但不同区域植被NPP与气候因子的相关性存在显著差异性^［22-24］；与此同时地形因子通过改变局地小气候，并与气候背景因子共同影响植被NPP变化^［25-27］，植被分布随着海拔及坡度而改变，不同类型的植被NPP差异较大，因此地形因素对植被NPP变化也起到一定作用。国内对植被NPP与气候及地形因素之间的影响机制研究较多，但大多只局限于对单一因素与植被NPP的相关性研究，对于多个因素或者多因素之间的交互作用研究较少，因此本文引入地理探测器这一统计方法^［28-29］，地理探测器可探究单因子对植被NPP变化的影响以及多个因子间的交互作用。

黄河流域是中国重要的文明发源地，生态脆弱、气候敏感，是中国生态保护的重点区域，同时植被NPP是黄河流域生态保护的重要组成部分。目前应用MOD17A3HGF数据开展对黄河流域植被NPP的研究尚属首次，且对黄河流域地形、气候及植被等自然因子交互作用的定量研究还有待补充。因此本文运用MOD17A3HGF数据，分析2000—2019年黄河流域植被NPP时空变化特征，并对植被NPP的自然驱动因子进行量化研究，以期查明植被NPP变化的主要影响因素，为深入探索流域生态系统与环境因子的内在联系和改善生态环境、合理开发利用自然资源，进而为黄河流域生态保护提供理论依据。

黄河流域横跨青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9省区，从西到东横跨青藏高原、内蒙古高原、黄土高原和黄淮海平原等4个地貌单元。平均海拔800—3 000 m，属于干旱大陆性季风气候，区域年平均气温为3.6—14.3 ℃，具有冬季严寒、夏季暖热的特点，气温年较差和日较差大，且东部和西部的气温变化较大。黄河流域降水亦有较大差异，冬季降水稀少、春季持续干旱，夏、秋季为主要降水季。同时，黄河流域的大部分地区蒸发量普遍高于实际降水量，年蒸发量为1 400—2 000 mm。近些年，国家和各省（区）先后在该区域实施了退耕还林、退牧还草、天然林保护、风沙治理等一系列生态恢复工程，促使其生态环境得到恢复。

NPP数据为来自美国NASA EOS/MODIS 2000—2019年的MOD17A3HGF数据，空间分辨率500 m×500 m，数据格式为GeoTIFF，投影为WG84等经纬度投影。MOD17A3HGF.v006数据集，包括Npp_500m数据集及Npp_QC_500m数据集，Npp_500m数据集单位为kg·m^-2（以C计量），有效范围 -30 000—32 700，放缩因子为0.0001，填充值范围32 761—32 767，其中：32 761为未分类土地类型，32 762为城镇建成区，32 763为永久湿地或淹没的沼泽地，32 764为常年积雪或覆盖冰的区域，32 765为贫瘠稀疏的地区（如岩石、苔原和沙漠），32 766为内陆淡水等覆盖区，32 767为其他。Npp_QC_500m数据集单位为%，有效范围0—100，填充值范围249—255，其中：249为未分类土地类型，250为城镇建成区，251为永久湿地或淹没的沼泽地，252为常年积雪或覆盖冰的区域，253为贫瘠稀疏的地区（如岩石、苔原和沙漠），254为内陆淡水等覆盖区，255为其他。

土地利用数据来自http：//www.globallandcover.com/，国家863计划重点项目支持下的全球30 m地表覆被全要素数据产品（GlobeLand30），分别选取2000、2010、2020年3期全国地表覆被分幅产品，采用Albers等积投影，按分类体系分为耕地、林地、草地、灌木林、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪十大类。

气象数据包括2000—2019年降水与气温数据，均来自陕西省气象信息中心。选取流域各省92个气象站点观测数据，应用ArcGIS 10.3软件，对气温数据进行“回归+残差”法插值，降水数据利用“标准克里金”法进行插值^［3］。

地形数据采用中国1 km分辨率数字高程模型数据集，来源于地理空间数据云（http：//www.gscliud.cn/）。

MODIS17A3HGF Npp_500m和Npp_QC_500m数据，应用MRT工具进行镶嵌、格式转换及重投影，剔除填充值部分，仅留下有效值范围内的数值，Npp_QC_500m数据是因受天气或污染原因引起NPP计算时LAI（FPAR）缺值的天数与生长季总天数的比值，比值越大反映精度越差。计算黄河流域Npp_QC_500m数据，30%以下的区域面积占总面积的88.94%，因此MODIS17A3HGF Npp数据可用。

利用黄河流域矢量边界数据裁剪得到研究区2000—2019年NPP数据，其他数据均按照研究区范围进行镶嵌、裁剪，定义投影为WGS-84；重采样为500 m。

针对连续的时间序列数据，采用GIS空间分析的线性拟合法对NPP变化趋势进行逐栅格分析，并进行显著性F检验^［16］，计算公式为：

式中：S为NPP的拟合斜率；NPP_i为第i年NPP值；i为年变量；n为样本数。S反映某一时段总体变化趋势，S>0呈增加趋势，反之呈减少趋势。查F分布临界值表，显著性水平为0.05和0.01时，其临界值为4.35和8.10。据此将变化趋势划分为5类：极显著减少（S<0，P<0.01）、显著减少（S<0，0.01≤P<0.05）、变化不显著（P≤0.05）、显著增加（S>0，0.01≤P<0.05）、极显著增加（S>0，P<0.01）。

通过计算相关系数和显著性检验来探究影响因子与植被NPP的密切程度。逐栅格进行植被NPP与其影响因子之间的相关性分析，计算公式为：

式中：R_xy为植被NPP与各影响因子的相关系数；x_i为第i植被年NPP值；y_i为第y点的影响因子值；x¯和y¯分别表示各因子的均值；n为样本数。查相关系数显著性检验表进行显著性检验。

地理探测器是探测空间变异性以及揭示其背后驱动力的一组统计学方法。其理论核心是通过空间异质性来探测因变量与自变量的空间分布格局的一致性，据此度量因变量对自变量的解释度，即q值，并解释因子与分析变量之间的相互关系^［29］。本文选取因子探测器及交互作用探测器。因子探测器用来分析哪种因子是改变植被NPP空间分异的主要因子。计算公式如下：

式中：n和σ2为研究区样本及方差；m为D的分区个数；nD,i为D在i（i=1，2，3，…，m）级区域样本数。P取值范围为［0，1］，P值越大该因子对植被NPP变化影响越大，反之亦然。

交互作用探测器用以识别不同风险因子X_s之间的交互作用，即评估因子X₁和X₂共同作用时是否会增加或减弱对因变量Y的解释力，或这些因子对Y的影响是相互独立的^［29］。计算方法：①运用公式（3）分别计算出各因子的P值；②再应用公式（3）计算双因子交互。交互探测结果如下：min（P（x₁），P（x₂））<P（x₁∩x₂）<max（P（x₁），P（x₂）），则交互后单因子非线性减弱；P（x₁∩x₂）<min（P（x₁），P（x₂）），则交互后非线性减弱；P（x₁∩x₂）>max（P（x₁），P（x₂）），则交互后双因子增强；P（x₁∩x₂）>P（x₁）+P（x₂），则交互后独立。

基于MOD17A3HGF数据与应用BIOME-BGC模型与光能利用率模型反演黄河流域植被NPP，多年平均值在同一范围内（200—350 g·m^-2）。如刘洋洋等^［30］利用光能利用效率模型反演得出黄土高原2000—2015年植被NPP年均值为202.93 g·m^-2，刘铮等^［31］应用MOD17A3数据发现黄土高原草地2000—2015年植被NPP呈增加趋势，显著增加的区域占一半以上，与MOD17A3HGF数据植被NPP趋势一致。因此应用MOD17A3HGF数据开展黄河流域植被NPP研究具有较高可信度。

黄河流域2000—2019年植被NPP年均值呈波动增加趋势（图1，P<0.01），增速5.75 g·m^-2·a^-1。流域多年平均值为281.39 g·m^-2，其中2001年平均值最低，仅为206.05 g·m^-2，2018年平均值达到峰值，为325.57 g·m^-2。2011年以前流域植被NPP年平均值均低于多年平均值，2011年以后流域平均植被年NPP值高于多年平均值，变化范围为270—347 g·m^-2。

2000—2019年，黄河流域年NPP在200—350 g·m^-2的面积百分比40%—50%；植被年NPP<100 g·m^-2的面积呈波动下降趋势，除2011年是9.10%以外，其余年份均在7%以下；植被年NPP在100—200 g·m^-2的面积亦呈波动下降趋势，2010年后均在28%以下；植被年NPP在200—300 g·m^-2的面积变化趋势较小但占比最大；植被年NPP>300 g·m^-2的面积呈波动上升趋势，尤其是>500 g·m^-2面积上升趋势较为显著，从2000年只有1.03%上升至2019年的11.12%，是各个等级中面积增速最快的等级（图2）。

黄河流域不同土地利用类型年NPP差异很大（图3），其中林地植被年NPP一直保持在较高水平，大部分年份为400—500 g·m^-2；其次是耕地及湿地，年NPP为220—350 g·m^-2；灌木植被年NPP最低，一直保持在100—200 g·m^-2。各土地利用类型植被NPP年际变化差异较大（图4），林地变化幅度最为显著，增速为8.98 g·m^-2·a^-1，其次是耕地，增速为7.04 g·m^-2·a^-1，增速最为缓慢的是湿地，变化速率仅为2.16 g·m^-2·a^-1，湿地生态系统相对稳定，因此植被NPP年均值年际变化较小。植被NPP年均值增速林地>耕地>灌木>草地>湿地。

黄河流域2000—2019年植被NPP年均值空间分布整体呈现西北低东南高的趋势（图5A），高值区集中在陕西中南部、甘肃南部、青海东南部、山西、河南及山东大部分地区。研究区植被NPP年变化范围在7.55—1 057.17 g·m^-2，变异系数0.018，其中内蒙古均值最低，为160.87 g·m^-2，河南省均值最大，为388.10 g·m^-2，区域内各省植被NPP年均值河南>四川>陕西>山西>山东>甘肃>宁夏>青海>内蒙古。

黄河流域植被NPP变化拟合斜率（通过α=0.05检验）空间分布见图5B，仅有青海、内蒙古及河南部分地区未通过检验，通过检验的区域拟合斜率均值为6.25 g·m^-2 a^-1，其中植被NPP增长的区域面积占比为99.53%，仅有0.47%的区域植被NPP减少，表明研究区植被NPP年际变化呈现显著增加趋势。增速在10 g·m^-2 a^-1以上的区域面积占比为18.71%，主要分布在陕西大部、甘肃东部及山西部分地区，研究区植被NPP变化拟合斜率陕西（9.68 g·m^-2·a^-1）>山西（8.28 g·m^-2·a^-1）>甘肃（6.86 g·m^-2·a^-1）>宁夏（5.56 g·m^-2·a^-1）>山东（4.47 g·m^-2·a^-1）>河南（4.29 g·m^-2·a^-1）>内蒙古（4.13 g·m^-2·a^-1）>青海（2.14 g·m^-2·a^-1）>四川（1.71 g·m^-2·a^-1）。

研究区海拔起伏较大，呈西部高东部低的趋势，影响植被生长最重要因素为水热条件的匹配是否适宜，因此本文将海拔以50 m为一等级，统计植被NPP均值，借助分段函数显示，同时用标准差反映植被NPP变化幅度。植被NPP年均值与海拔相关性分为5个阶段（图6）：第一阶段迅速上升（50—700 m），由316.17 g·m^-2上升至387.83 g·m^-2，海拔每升高50 m增加5.12 g·m^-2，陕西关中地区、山西南部、河南及山东大部分区域都在此海拔范围内，在此范围内海拔较高的区域植被类型多为林地（如秦岭林地），且水热匹配条件较适宜植被生长，因此植被NPP随海拔升高持续增加；第二阶段缓慢下降（750—1 400 m），海拔每升高50 m植被NPP下降9.76 g·m^-2，陕西北部和内蒙古大部分地区海拔在此范围内，该范围内随海拔上升植被覆盖降低，因此植被NPP也相对下降；第三阶段（1 450—2 500 m），海拔每升高50 m植被NPP缓慢上升4.93 g·m^-2，甘肃、宁夏大部分地区海拔在此范围；第四阶段平稳阶段（2 550—3 600 m），甘肃南部、青海部分地区主要在此海拔范围内，该区域植被类型以草地为主，较为单一，植被NPP均值变化缓慢；第五阶段急剧下降（3 650 m以上），青海大部分地区在此海拔范围内，海拔每升高50 m植被NPP下降8.37 g·m^-2，随海拔升高，植被覆盖较少，植被NPP均值显著减少。海拔变化影响水热条件的匹配，导致研究区不同海拔范围内的植被类型及生长状况不同，从而造成植被NPP随海拔变化差异。

黄河流域植被NPP年均值与年平均气温相关系数介于-0.95—0.95（图7A），正相关区域占总面积的56.70%，其中通过P<0.05显著性检验的正相关区域面积占比为23.20%，通过P<0.01显著性检验的正相关区域面积占比为10.18%；通过P<0.01显著性检验的负相关区域仅占总面积的4.46%。从空间分布来看，显著负相关区域集中在宁夏大部、甘肃及河南部分地区，显著正相关的区域集中在内蒙古、青海、四川西北部及陕西、山西北部地区，这些区域平均气温相对较低，热量条件不足，典型植被以草原为主，植被生长主要受热量条件的限制，表征为平均气温与植被NPP呈显著正相关关系。

黄河流域植被NPP年均值与年降水量相关系数介于-0.84—0.92（图7B），正相关的区域占总面积的80.26%，其中通过P<0.05显著性检验的正相关区域面积占比为44.17%，通过P<0.01显著性检验的正相关区域面积占比高达占34.85%；通过P<0.05显著性检验的负相关区域面积占比仅为0.84%。从空间分布看，显著正相关的区域均在36°N以北地区，集中在陕西、山西北部、宁夏大部、内蒙古部分地区，这些区域降水量较少且蒸发量较大，植被生长主要受水分限制，表征为降水量与植被NPP呈显著正相关关系。根据统计学原理，综合分析平均气温、降水量与植被NPP关系，降水量与植被NPP的正相关关系较平均气温表现得更明显。

为进一步明确上述自然因子对NPP的贡献情况，查明影响黄河流域NPP变化的主要因素，对海拔、降水、气温3个因子作因子探测和交互作用探测分析，将公式（3）计算得到的因子探测P值作为各自然因子的贡献率。表1为因子探测和交互作用探测的结果。

因子探测结果显示，黄河流域自然因子对NPP的贡献率存在显著差异（P<0.01）：降水（0.928993）>气温（0.928166）>海拔（0.035115）。在只考虑降水和气温的情况下，降水对植被NPP的贡献率较气温大，黄河流域大部属于半干旱地区，蒸散量较大，在全球气候变暖的背景下，水热同步是植被生长的最重要因素。海拔对植被NPP的影响与气候因子相比较小，海拔的变化改变了局地气候条件及水热条件的分配，随着海拔的升高植被类型变单一、植被覆盖度变低。

交互作用探测结果显示，各因子之间的交互作用均为双因子增强。其中降水∩气温（0.999249）、降水∩海拔（0.943640）交互作用P值大于三者间的单因子最大值0.928993，属于双因子增强；自变量对植被NPP的贡献率排名前两位的主导交互作用为降水与气温及海拔的耦合，降水与气温两者的交互作用是双因子增强，在降水量达到一定程度下，配合适宜的温度更利于植被的生长。

2000—2019年黄河流域植被NPP整体呈现极显著上升趋势（P<0.01），增速5.75 g·m^-2·a^-1，结果与前人研究结论一致^{［14，32］}。空间分布整体呈现西北低东南高的趋势，高值区集中在陕西中南部、甘肃南部、青海东南部、山西、河南及山东大部分地区，结论与研究区植被生长类型相吻合，青海、内蒙古部分地区植被覆盖较低且植被类型以草地为主，因此植被NPP均值及变化速率较低；甘肃、陕西、宁夏及甘肃大部分地区，是中国生态治理工程建设的重点区域，植被恢复较好，因此植被NPP增速较快。研究区植被NPP增长的区域面积占比为99.53%，仅有0.47%的区域植被NPP减少，表明研究区植被NPP年际变化呈现显著增加趋势。不同土地利用类型年NPP差异很大，其中林地的植被NPP年均值一直保持在较高水平。

植被NPP地域性特征受到地形、气候及人类活动等一系列因素直接或间接的影响^［2］。相关资料显示流域内气温呈缓慢上升趋势，而降水呈增加趋势^［30］。黄河流域植被NPP与气温与降水均存在相关性，植被NPP与气温呈现正相关的区域集中在内蒙古、青海、四川西北部及陕西、山西北部地区，这些地区植被以草原为主，热量条件是限制植被生长的主要气候因子；植被NPP与降水呈正相关的区域同时与气温呈负相关，集中在陕西、山西、宁夏及山东大部分地区，这些地区大部干旱少雨，蒸发量大于降水量，因此当气温越高时，植被的蒸腾作用越强，蒸发量变大，对植被生长不利。全流域植被NPP与降水呈正相关的区域达80.26%，而与气温呈正相关的区域为56.70%。

交互作用探测量化结果进一步证明，任意两种自然因子共同作用的贡献率均高于单因子水平，即黄河流域NPP受多种自然因子交互作用的影响，且气候因子与地形因子之间存在耦合作用。其中，降水与地形因子交互作用增强最显著。植被NPP与降水正相关的区域集中在黄河流域北部，纬度越低的地区植被NPP变化与降水越相关，这些区域降水偏少，加之此区域内海拔在1 000 m左右，主要植被类型为草地，植被生长环境较好，因此自然因素中各因子交互作用均为增强。

2000—2019年黄土高原植被NPP总体呈极显著上升趋势（P<0.01）。流域平均年NPP为281.39 g·m^-2，变化范围为270—347 g·m^-2，增速为5.75 g·m^-2·a^-1。黄河流域植被NPP显著增加的区域占整个流域面积的99.53%，NPP大致呈现从东南向西北递减的空间分布规律；不同土地利用类型的植被NPP年平均值差异较大，林地是对该区域植被NPP贡献最大的土地利用类型；自然驱动因素中NPP与气温、降水显著正相关的区域分别占区域总面积的23.20%和44.17%，海拔对植被NPP亦有一定影响；海拔、气温及降水对植被NPP的驱动作用差异明显，降水>气温>海拔，各因子之间的交互作用均为双因子增强，因子间共同作用相较单一因子对植被NPP的驱动作用更大。