中國(guó)西北半干旱區(qū)凈初級(jí)生產(chǎn)力驅(qū)動(dòng)因子空間計(jì)算分析

姬盼盼,高敏華,*,付曉紅,王鵬飛,平 淵,楊曉東,4

1 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院,烏魯木齊 830046 2 新疆大學(xué)綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室,烏魯木齊 830046 3 新疆大學(xué)數(shù)學(xué)與系統(tǒng)科學(xué)學(xué)院,烏魯木齊 830046 4 自治區(qū)智慧城市與環(huán)境建模重點(diǎn)實(shí)驗(yàn)室,烏魯木齊 830046

凈初級(jí)生產(chǎn)力 (Net Primary Productivity, NPP),是單位時(shí)間與單位面積中綠色植物光合作用產(chǎn)生的有機(jī)物質(zhì)總量減去自養(yǎng)呼吸所消耗后的剩余部分[1,2]。NPP能夠較為直接地表現(xiàn)生態(tài)環(huán)境表觀變化和生態(tài)系統(tǒng)生產(chǎn)能力,并且能夠作為環(huán)境氣候變化在地球物理和生物地球化學(xué)過(guò)程中的體現(xiàn)[3,4]。所以,開(kāi)展NPP研究具有較高的自然科學(xué)價(jià)值與社會(huì)意義。且自然環(huán)境脆弱性表達(dá)與生態(tài)效益評(píng)價(jià)等研究都與NPP有較強(qiáng)的關(guān)聯(lián)性,它已成為環(huán)境變化過(guò)程研究和生態(tài)系統(tǒng)安全領(lǐng)域中的一個(gè)重要因子[5- 7]。NPP環(huán)境因子分析研究,在近年成為生態(tài)環(huán)境變化研究領(lǐng)域的熱點(diǎn)問(wèn)題,研究?jī)?nèi)容及成果包括：以NPP為監(jiān)測(cè)對(duì)象的全球氣候變化下地球物理與生物地球化學(xué)地表觀測(cè)研究[8],借助NPP數(shù)據(jù)追蹤碳循環(huán)過(guò)程研究[9],生態(tài)環(huán)境變化下的生態(tài)安全評(píng)估與預(yù)測(cè)[10],以及農(nóng)田發(fā)展與質(zhì)量監(jiān)督的農(nóng)用地NPP研究等[11]。目前,有關(guān)我國(guó)干旱與半干旱區(qū)NPP環(huán)境因子分析的研究較少,西北干旱區(qū)生態(tài)景觀豐富利于獲得較為客觀的因子分析結(jié)果。

西北干旱與半干旱區(qū)大體呈現(xiàn)為高海拔山地到傍山面狀綠洲,再到存在明顯邊界的沙漠地帶景觀格局。該區(qū)域地形復(fù)雜,生態(tài)景觀豐富,水資源分布不均,屬于生態(tài)環(huán)境脆弱區(qū)域和氣候變化敏感區(qū)域,獨(dú)特的自然環(huán)境條件,使得西北干旱與半干旱區(qū)成為景觀生態(tài)研究的一個(gè)重要研究區(qū)[12]。另外,其環(huán)境管理與生態(tài)系統(tǒng)控制對(duì)區(qū)域經(jīng)濟(jì)發(fā)展和社會(huì)發(fā)展也具有十分重要的意義[13]。所以,對(duì)該區(qū)域內(nèi)NPP環(huán)境因子響應(yīng)機(jī)制進(jìn)行分析,可將區(qū)域內(nèi)環(huán)境變化與生態(tài)系統(tǒng)生產(chǎn)力間信息流的內(nèi)在關(guān)系突顯,有助于掌握該區(qū)域內(nèi)生態(tài)系統(tǒng)生產(chǎn)力發(fā)展變化趨勢(shì),對(duì)區(qū)域科學(xué)持續(xù)發(fā)展及生態(tài)環(huán)境建設(shè)具有十分重要的意義與價(jià)值[14]。

目前,應(yīng)用于生態(tài)環(huán)境因子分析研究的統(tǒng)計(jì)分析方法主要包括：主成分分析法、線性模型擬合法、馬爾科夫預(yù)測(cè)、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)等方法。這些數(shù)理分析方法能夠反映各因子間的數(shù)值變化關(guān)系,但并不能很好地體現(xiàn)對(duì)象的空間屬性與地域分異特征[15- 19]。不同的生態(tài)系統(tǒng)有不同的地理環(huán)境設(shè)定與空間分布狀態(tài),所以在做數(shù)值統(tǒng)計(jì)分析時(shí)也應(yīng)反映其空間屬性,特別是生態(tài)環(huán)境變化研究等對(duì)于區(qū)位變化較為敏感的研究領(lǐng)域[20]?；诖?本文希望尋求一種帶有空間屬性的因子分析過(guò)程,發(fā)現(xiàn)因子間更多的空間關(guān)系紐帶與信息流傳遞,為NPP生態(tài)環(huán)境變化研究解決新問(wèn)題、開(kāi)拓新思路,并體現(xiàn)空間屬性在因子分析研究中的重要價(jià)值。

1 研究區(qū)概況

圖1 研究區(qū)Fig.1 Study area

本研究選取新疆伊犁河谷部分區(qū)域?yàn)檠芯繀^(qū),伊犁河谷位于中國(guó)天山山脈西部,三面環(huán)山,地處80°09′—84°56′E,42°14′—44°50′N(xiāo)。北與博爾塔拉蒙古自治州接壤,東與塔城地區(qū)和巴音郭楞蒙古自治州毗鄰,南與阿克蘇地區(qū)拜城和溫宿縣連接,西與哈薩克斯坦共和國(guó)交界,是古絲綢之路的北道要沖,地域優(yōu)勢(shì)十分突出。伊犁河谷氣候溫和濕潤(rùn),溫帶大陸性氣候,年平均氣溫約10.4 ℃,年日照時(shí)數(shù)約2870 h。全區(qū)大部分區(qū)域年均降水量350 mm左右,部分山區(qū)可達(dá)600 mm,是新疆最濕潤(rùn)的地區(qū),屬半干旱區(qū)。天然草場(chǎng)總面積約2000多萬(wàn)公頃,森林面積180萬(wàn)公頃,森林覆蓋率16%,動(dòng)植物種類(lèi)豐富[21]。

2 方法

2.1 數(shù)據(jù)準(zhǔn)備與整理

本研究使用中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn)多年NPP監(jiān)測(cè)數(shù)據(jù)、中國(guó)氣象背景空間插值數(shù)據(jù)、土壤類(lèi)型空間分類(lèi)數(shù)據(jù)、海拔高程數(shù)據(jù)和NDVI數(shù)據(jù),數(shù)據(jù)類(lèi)型為數(shù)值型柵格數(shù)據(jù),由數(shù)據(jù)中心網(wǎng)站下載后使用ArcMAP10.0軟件經(jīng)過(guò)空間坐標(biāo)系和投影方式的統(tǒng)一后進(jìn)行數(shù)據(jù)提取與分析工作。

2.2 數(shù)值提取

具體數(shù)據(jù)數(shù)值提取方法為：先建立一個(gè)點(diǎn)陣(86 Km×87 Km)形式的點(diǎn)屬性圖層,點(diǎn)間距離1 Km以適應(yīng)原始數(shù)據(jù)的空間分辨率,確保每個(gè)點(diǎn)在數(shù)值提取過(guò)程中都能獲得有效值。隨后使用ArcGIS中Toolbox內(nèi)的數(shù)值提取工具,使用之前所建立的點(diǎn)圖層提取柵格數(shù)據(jù)中各點(diǎn)位像元屬性值,從而獲得本研究所要使用的數(shù)據(jù)集。本數(shù)據(jù)集以空間位置順序排列導(dǎo)出的,即以ArcGIS的默認(rèn)導(dǎo)出方式,從矩形點(diǎn)陣的左下角自左向右、自下而上依次導(dǎo)出空間各點(diǎn)位數(shù)值信息[22]。分析過(guò)程涉及因子包括年均凈初級(jí)生產(chǎn)力(NPP,gC/m2/yr)、年均溫度(tadem,縮放倍數(shù)10,℃)、年均降水(pa,縮放倍數(shù)10,mm)、濕潤(rùn)指數(shù)(im,縮放倍數(shù)100)、干燥指數(shù)(arid,縮放倍數(shù)1000)、大于10 ℃積溫(aat10,縮放倍數(shù)10)、海拔高程(dem,m)和歸一化植被指數(shù)(NDVI)。

2.3 空間分析

為能通過(guò)一些數(shù)學(xué)處理方式獲得數(shù)據(jù)數(shù)值間空間關(guān)系與屬性,本文使用一種全新的運(yùn)算過(guò)程,獲得相應(yīng)具有數(shù)據(jù)空間屬性和代表性的新數(shù)據(jù)集,具體運(yùn)算過(guò)程為：首先,使用ArcGIS中導(dǎo)出的按原順序排列的數(shù)據(jù)集,使用Matlab語(yǔ)言編程，將各元素轉(zhuǎn)化為以空間相對(duì)位置排列的矩陣,從矩陣中選取臨近的9個(gè)點(diǎn)作為一個(gè)新的數(shù)組,計(jì)算該數(shù)組的標(biāo)準(zhǔn)偏差(SD)、均值(Mean)和變異系數(shù)(C.V=SD/Mean),將C.V值賦值于中心點(diǎn)像素,計(jì)算得出C.V矩陣。空間分析相關(guān)計(jì)算使用自行編寫(xiě)的Matlab語(yǔ)言程序在MatlabR2012a(7.14)軟件中計(jì)算完成,計(jì)算過(guò)程示意圖見(jiàn)圖2(a1代表像元所在點(diǎn)位的原數(shù)據(jù)值,cv1代表使用a1、a2、a3、a6、a7、a8、a11、a12和a13組成的小組,經(jīng)過(guò)計(jì)算得到的中心點(diǎn)C.V值。以后的cv2、cv3等計(jì)算依次類(lèi)推。)：

圖2 空間C.V計(jì)算過(guò)程示意圖Fig.2 Diagram of the C.V calculation process

2.4 統(tǒng)計(jì)分析

如果只通過(guò)本文計(jì)算的C.V數(shù)據(jù)集做后續(xù)數(shù)理統(tǒng)計(jì)分析,得出的結(jié)果無(wú)法與前人研究相互驗(yàn)證,所以本文首先使用常規(guī)數(shù)據(jù)處理方式將原數(shù)據(jù)做相關(guān)分析和回歸分析獲得主要驅(qū)動(dòng)因子,隨后使用本文提出的帶有空間關(guān)系的C.V數(shù)據(jù)集來(lái)完成相應(yīng)的分析與處理,從而證明本研究方法的可行性與科學(xué)性,并對(duì)比分析兩數(shù)據(jù)集間的聯(lián)系與差異。

3 結(jié)果

3.1 原數(shù)據(jù)C.V處理

使用Matlab軟件和86 Km×87 Km矩形樣方中提取的屬性數(shù)據(jù),完成空間C.V統(tǒng)計(jì)分析得到以各因子相對(duì)空間位置重建的C.V影像,各因子經(jīng)過(guò)Matlab軟件計(jì)算和可視化處理后結(jié)果見(jiàn)圖3：圖3中結(jié)果可發(fā)現(xiàn)積溫(>10 ℃)、溫度和干燥度的C.V在空間分布上存在明顯的關(guān)聯(lián)與相似性,降水、濕潤(rùn)指數(shù)相關(guān)性強(qiáng),這也一定程度上驗(yàn)證了本實(shí)驗(yàn)數(shù)據(jù)處理方法的穩(wěn)定與可靠性。獲得影像結(jié)果后,將影像內(nèi)各像元屬性值重新提取出來(lái)獲得C.V數(shù)據(jù)集,本研究將使用新的C.V數(shù)據(jù)集與原始數(shù)據(jù)集同時(shí)做統(tǒng)計(jì)分析,對(duì)比分析兩數(shù)據(jù)集因子分析結(jié)果,探索本研究中使用的空間統(tǒng)計(jì)分析(本文認(rèn)為可稱(chēng)之為空間鄰域變異系數(shù)法,C.V計(jì)算)方法在因子分析中運(yùn)用的可行性與科學(xué)性。另e和f圖中條帶是由于與原數(shù)據(jù)在做空間插值處理時(shí),圖像拼接處留下了未能全局處理的邊界插值誤差帶。

圖3 C.V計(jì)算影像化處理Fig.3 C.V calculation image processing

3.2 數(shù)據(jù)集因子相關(guān)分析

隨后,本研究還需對(duì)C.V數(shù)據(jù)集做更為深入地統(tǒng)計(jì)分析和處理,從而突顯一般數(shù)理統(tǒng)計(jì)分析處理與本文空間統(tǒng)計(jì)分析在分析結(jié)果中差異性。

原數(shù)據(jù)集做相關(guān)性分析(圖4)發(fā)現(xiàn)相關(guān)性極強(qiáng)(|R|>0.9)的是：aat10—tadem、tadem—dem、aat10—dem。該結(jié)果是可以預(yù)見(jiàn)的,因?yàn)榉e溫可以由溫度計(jì)算得出,溫度受海拔的升高而隨之降低,當(dāng)然積溫也就隨之降低,這三個(gè)因子兩兩相關(guān)。其中,與NPP有較強(qiáng)相關(guān)性的是溫度與海拔。

圖4 原始數(shù)據(jù)集因子相關(guān)性Fig.4 Factors correlation of Normal datasets***表示相關(guān)極顯著

為探尋原始數(shù)據(jù)集因子相關(guān)性與C.V數(shù)據(jù)集間存在的差異,本文對(duì)C.V數(shù)據(jù)集做了相關(guān)性分析。為能更為詳細(xì)地表達(dá)溫度降水兩大主要因子與NPP的相關(guān)性,對(duì)其做空間相關(guān)性分析,結(jié)果如圖5：由圖5可知降水與NPP在研究區(qū)的大部分區(qū)域呈正相關(guān),而溫度則存在相對(duì)較多的負(fù)相關(guān)關(guān)系。且此處正負(fù)相關(guān)分界線基本與山脊線重合,地形變化對(duì)此有顯著的主導(dǎo)力。

圖5 NPP-溫度-降水空間相關(guān)性Fig.5 NPP-Temperature-Precipitation spatial correlation

C.V數(shù)據(jù)集相關(guān)性分析結(jié)果中(圖6)有極強(qiáng)相關(guān)性的是paCV—imCV和ariCV—aat10CV,其中濕潤(rùn)指數(shù)可由年均降水計(jì)算得出,環(huán)境積溫可影響蒸發(fā)量。與NPPCV有較強(qiáng)相關(guān)性的是年均降水、濕潤(rùn)指數(shù)、海拔和歸一化植被覆蓋指數(shù)(NDVI)。不難發(fā)現(xiàn)C.V數(shù)據(jù)集中能讓更多因子與NPP因子間的相關(guān)性得以體現(xiàn)出來(lái),而且降低了環(huán)境各因子間的相關(guān)性,更能客觀地體現(xiàn)因子間的真實(shí)關(guān)系。

圖6 C.V數(shù)據(jù)集因子相關(guān)性Fig.6 Factors correlation of C.V datasets

3.3 NPP環(huán)境因子建模

各環(huán)境因子與NPP間的數(shù)值變化關(guān)系和貢獻(xiàn)度需通過(guò)模型擬合和預(yù)測(cè)等方法分析獲得,因此,本文分別以NPP和NPPCV為因變量,其他因子為自變量做逐步回歸分析,結(jié)果見(jiàn)表1。

逐步回歸方法優(yōu)勢(shì)在于,能對(duì)因變量有較高主導(dǎo)能力的因子做出篩選與排序,使得該結(jié)果可直觀地表達(dá)各自變量因子在模型構(gòu)建中的重要性。由表1發(fā)現(xiàn),各因子對(duì)于NPP的重要性排序,在兩個(gè)數(shù)據(jù)集間存在差異,最顯著的差異表現(xiàn)在第二因子,原數(shù)據(jù)集中為積溫,而C.V數(shù)據(jù)集為海拔,且積溫在C.V數(shù)據(jù)集中未被選為重要因子,海拔在原數(shù)據(jù)集中也未被選為重要因子。且使用兩數(shù)據(jù)集擬合獲得的線性模型中,C.V數(shù)據(jù)集擬合度明顯高于原數(shù)據(jù)集,說(shuō)明C.V數(shù)據(jù)集擬合模型的解釋能力更強(qiáng),體現(xiàn)出的因變量變化趨勢(shì)更準(zhǔn)確,也肯定了C.V計(jì)算在因子分析研究中應(yīng)用的可行性。

3.4 C.V數(shù)據(jù)集因子海拔分布

在以往其他研究區(qū)域中,其N(xiāo)PP因子分析結(jié)果中海拔因子并沒(méi)有成為NPP的主要驅(qū)動(dòng)因子,可知干旱區(qū)海拔因子對(duì)NPP作用能力較強(qiáng),所以本文試圖以海拔為尺度劃分,使用C.V數(shù)據(jù)集做Duncan分析,分類(lèi)結(jié)果如圖7：經(jīng)方差分析發(fā)現(xiàn)(圖7)除年均氣溫C.V值在海拔尺度上未能體現(xiàn)出較顯著的差異外,其余因子均可分為4—6組,在海拔尺度下存在顯著的差異性,這也驗(yàn)證了海拔因子對(duì)NPP以及其他環(huán)境因子的重要性。

表1 原始數(shù)據(jù)集與C.V數(shù)據(jù)集回歸分析

y：凈初級(jí)生產(chǎn)力,net primary productivity；Xndvi：歸一化植被指數(shù),Normalized difference vegetation index；Xaat10；大于10 ℃積溫,>10 ℃Accumulated temperature；Xarid：干燥度,Aridity；Xpa：降水,Precipitation；Xim：濕潤(rùn)指數(shù),Humid index；Xtadem：高程校正年均溫度,Average annual temperature (elevation corrected)；Xdem：海拔,Elevation

圖7 C.V因子海拔尺度Duncan顯著性檢驗(yàn)Fig.7 Duncan significance test of C.V factor at altitude scale

4 討論

生態(tài)特征要素的環(huán)境因子分析研究一直是生態(tài)系統(tǒng)演變與模擬研究中最為基礎(chǔ)與核心的內(nèi)容,通過(guò)量化因子間協(xié)同變化關(guān)系和空間區(qū)位關(guān)系,尋求具有較高穩(wěn)定性和科學(xué)價(jià)值的數(shù)學(xué)模型或預(yù)測(cè)模式,可以幫助人們更加科學(xué)地監(jiān)測(cè)和管理生態(tài)系統(tǒng)[23- 25]。本研究通過(guò)引入C.V計(jì)算過(guò)程,期于將因子間的空間關(guān)系得以量化和表達(dá),從而探索其在因子分析中的可行性與實(shí)際價(jià)值。因子相關(guān)性分析和回歸分析結(jié)果均可體現(xiàn)C.V計(jì)算在因子分析中的價(jià)值,驗(yàn)證了該研究方法在大尺度分析研究中應(yīng)用的可行性與科學(xué)性。各因子C.V計(jì)算分析結(jié)果以圖像展現(xiàn),可以直觀地反映出該因子相應(yīng)空間位置的波動(dòng)變化強(qiáng)度,也可認(rèn)為是變化頻率在鄰域空間內(nèi)的記錄。其計(jì)算過(guò)程選擇相鄰9個(gè)鄰近像元為一個(gè)小組參與計(jì)算,結(jié)果值賦值于中心點(diǎn)位像元,所以,C.V計(jì)算結(jié)果表達(dá)了因子在拓?fù)淇臻g的數(shù)值變化強(qiáng)度,也就是中心點(diǎn)周?chē)奈蓙y程度或穩(wěn)定程度[26,27]。這種計(jì)算削弱了計(jì)算小組以外因子的干擾,使該方法能更加靈敏地洞察變化的存在,對(duì)因子變化的響應(yīng)更敏銳。

相關(guān)性分析主要反映因子間的關(guān)聯(lián)程度,是一種較為常見(jiàn)的探究因子間關(guān)聯(lián)度的方法。本研究相關(guān)性分析結(jié)果發(fā)現(xiàn)：原始數(shù)據(jù)集中,相關(guān)系數(shù)r值較高的兩因子在C.V數(shù)據(jù)集結(jié)果中也相對(duì)較高,兩結(jié)果十分相像。但也有個(gè)別因子間的r值存在較大差異,例如NPP—tadem兩因子(R=0.50),在C.V數(shù)據(jù)集結(jié)果中R值偏小(R=-0.03)。經(jīng)初步分析認(rèn)為, C.V計(jì)算使得兩因子關(guān)聯(lián)度減弱的原因是：C.V計(jì)算的本質(zhì)是將空間小鄰域間的波動(dòng)關(guān)系突顯出來(lái),但同時(shí)又相當(dāng)于對(duì)原始數(shù)據(jù)做了歸一化處理,使之成為無(wú)量綱的參數(shù),而就原始數(shù)據(jù)數(shù)值本身的大小分布無(wú)較高的敏感性,所以分析時(shí)建議兩者結(jié)合使用能較全面的說(shuō)明問(wèn)題[28]。由此可知,C.V計(jì)算能較好地表現(xiàn)因子空間波動(dòng)變化關(guān)系7,而對(duì)于數(shù)值分布變化并不敏感。

兩數(shù)據(jù)集擬合模型因子重要性排序,第一因子均為NDVI,原因是NDVI作為地表植被生長(zhǎng)狀態(tài)信息的直接表達(dá)因子NPP的內(nèi)在聯(lián)系較強(qiáng),且NPP是年內(nèi)單位面積上有機(jī)物積累量減去消耗損失量計(jì)算獲得。所以植被蓋度能間接影響該地域有機(jī)物的凈產(chǎn)量,而消耗量差異較小時(shí),NDVI因子對(duì)NPP的驅(qū)動(dòng)能力將得到加強(qiáng)[29,30]。原數(shù)據(jù)集第二因子為大于10 ℃積溫,積溫作為溫度和能量供給的另一種體現(xiàn),對(duì)植物體的生命活動(dòng)有十分重要的作用,植物可簡(jiǎn)單分為喜溫與喜涼作物,但適宜生長(zhǎng)的環(huán)境溫度都在零度以上[31,32],所以積溫達(dá)到一定數(shù)值時(shí),植被才能較為充分地完成自身代謝與能量積累,而且在干旱區(qū)積溫的高低變化對(duì)地表水分蒸散活動(dòng)影響也十分明顯,進(jìn)而能間接影響植物體水力提升活動(dòng)和對(duì)各器官的水分供給能力[33,34]。C.V數(shù)據(jù)集第二因子為海拔,說(shuō)明海拔的變化在小鄰域范圍內(nèi)對(duì)NPP的作用效果是十分顯著的,海拔變化能直接影響區(qū)域降水條件和環(huán)境溫度等諸多自然環(huán)境因素,進(jìn)而作用于土壤屬性和植被分布等生態(tài)環(huán)境因子,這是地理與環(huán)境學(xué)者們所公認(rèn)的,沙漠地區(qū)的綠洲均“依山而立”就是很好的例證[35]。

在以往的研究中沒(méi)有提出海拔因子對(duì)NPP的顯著作用力[36],本研究通過(guò)均方差分析發(fā)現(xiàn)C.V在海拔尺度下存在顯著差異,說(shuō)明各因子在不同海拔范圍內(nèi)的變化具有區(qū)域特點(diǎn),再次肯定了海拔對(duì)半干旱區(qū)環(huán)境下NPP的重要性與分化作用。各因子中除經(jīng)過(guò)DEM校正的年均氣溫沒(méi)有顯著地分組效應(yīng),其余各因子都表現(xiàn)出了顯著地組間差異(P<0.01)。另外,不難發(fā)現(xiàn)C.V數(shù)據(jù)集在模型擬合中結(jié)果更優(yōu),模型更穩(wěn)定。在模型的建立過(guò)程中,一般認(rèn)為SEE越小模型越好,更具說(shuō)服力,但我們知道當(dāng)因子數(shù)量增多時(shí),隨著變量自由度的增大,SEE便會(huì)減少。所以這時(shí)我們需要注意調(diào)整R2的變化,即當(dāng)變量增多,實(shí)現(xiàn)了SEE減小,R增大,如果調(diào)整R2也隨之變大則說(shuō)明我們加入的變量對(duì)因變量是有意義的,相反調(diào)整R2減小或不變則說(shuō)明新加入的因子是不必要的。當(dāng)然,更少的變量獲得更高的R值,是最為理想的模型構(gòu)建目標(biāo)。根據(jù)該原理,結(jié)合本研究中獲得的結(jié)果,可說(shuō)明使用C.V數(shù)據(jù)集獲得的NPP多元線性模型更優(yōu)。且原始數(shù)據(jù)集模型R值最大為0.654,而C.V數(shù)據(jù)集R值最小為0.697,肯定了C.V計(jì)算數(shù)據(jù)處理過(guò)程在多元回歸分析中運(yùn)用的前景與科學(xué)性。依據(jù)上述因子篩選理論與分析結(jié)果,表明本研究所選擇的因子對(duì)NPP多元線性模型的建立均具有顯著統(tǒng)計(jì)學(xué)意義,且具有一定的科學(xué)性。

5 結(jié)論

本文通過(guò)矩陣計(jì)算重建數(shù)據(jù)空間相對(duì)位置,完成地圖軟件無(wú)法直接實(shí)現(xiàn)的空間分析過(guò)程,經(jīng)地理空間數(shù)據(jù)處理方法的創(chuàng)新與改進(jìn),最終完成對(duì)原數(shù)據(jù)添加空間屬性的計(jì)算過(guò)程,且新數(shù)據(jù)集在因子分析中表現(xiàn)出良好的應(yīng)用價(jià)值與科學(xué)性。依原數(shù)據(jù)集和C.V數(shù)據(jù)集統(tǒng)計(jì)分析與處理結(jié)果,我們可以得出以下結(jié)論：

(1)在干旱區(qū)環(huán)境下環(huán)境因子中NDVI、積溫和海拔對(duì)NPP的作用相對(duì)較強(qiáng)(P<0.01),具體表現(xiàn)為積溫對(duì)植被生長(zhǎng)的積極推動(dòng)作用與海拔對(duì)溫度和局部降水條件的控制。

(2)C.V空間統(tǒng)計(jì)計(jì)算處理后的數(shù)據(jù)集在耦合分析中有一定的模型擬合優(yōu)勢(shì)(P<0.01),且與未經(jīng)處理的數(shù)據(jù)集相比能使一些隱性因子突顯出來(lái)。

(3)C.V空間統(tǒng)計(jì)計(jì)算影像化處理,能將數(shù)據(jù)中特定因子鄰域變化強(qiáng)烈的空間區(qū)域,更直觀,更精確的表達(dá),使因子空間浮動(dòng)變化特征一目了然。

(4)與原數(shù)據(jù)集相比C.V數(shù)據(jù)集擬合獲得的模型擬合度更高,具有較強(qiáng)的說(shuō)服力(P<0.01)。

(5)各因子的C.V值分布在海拔尺度上存在顯著的分布差異(P<0.01)。

致謝：感謝中國(guó)科學(xué)院地理科學(xué)與資源研究所資源環(huán)境數(shù)據(jù)中心(http://www.resdc.cn)為本研究提供原始數(shù)據(jù)與相關(guān)技術(shù)支持,感謝平淵與王鵬飛同學(xué)在程序編寫(xiě)中給予的幫助。