基于CASA模型的北京植被NPP時空格局及其因子解釋

尹鍇， 田亦陳， 袁超， 張飛飛， 苑全治， 花利忠

(1.中國科學院遙感與數字地球研究所，北京 100101；2.四川師范大學國土資源開發

與保護協同創新中心，成都 610068；3.廈門理工學院，廈門 361024)

基于CASA模型的北京植被NPP時空格局及其因子解釋

尹鍇1， 田亦陳1， 袁超1， 張飛飛1， 苑全治2， 花利忠3

(1.中國科學院遙感與數字地球研究所，北京 100101；2.四川師范大學國土資源開發

與保護協同創新中心，成都 610068；3.廈門理工學院，廈門 361024)

以北京為研究區，整合遙感數據、氣象數據及其他多源輔助數據，基于改進的光能利用率(carnegie-ames-stanford approach，CASA)模型分析了2010年北京植被生態系統凈初級生產力(net primary productivity,NPP)的時空分布格局及其主要影響因素。結果表明： ①2010年北京NPP總量為5.5 TgC，其NPP的空間分布格局為北部和西部山區總量較高，平原區NPP總量較低；②北京植被NPP的季節變化明顯，夏季NPP最大，占全年的62%，冬季最小，僅占3%，春季和秋季分別占全年NPP總量的18%和17%；③北京植被NPP受水分和熱量條件限制，不同區域的主要限制因子不同，北部和西部山區自然植被受氣溫影響較大，平原區農作物生長更容易受降水影響，而在山區向平原過渡區域的植被受太陽輻射變化影響明顯。

凈初級生產力(NPP)；CASA模型；遙感；北京

0 引言

生態系統凈初級生產力(net primary productivity,NPP)是指生態系統中綠色植物在單位面積和單位時間內所累積的有機質數量，是由植物光合作用所生產的有機質總量(gross primary productivity,GPP)扣除其自養呼吸(autotrophic respiration,RA)消耗有機質后的剩余部分，是植物自身生理學特性與外界環境因子相互作用的結果，是有機物質的凈創造[1]。作為表征陸地生態過程的關鍵參數和評價陸地生態系統可持續發展的重要生態指標，NPP不僅直接反映了生態系統的生產能力和質量狀況，而且也是判定生態系統碳源/碳匯的主要因子[2-5]。生態系統NPP是人類賴以生存與發展的物質基礎，大約有40%的生產力被人類直接或間接利用[6]。因此，國際地圈-生物圈計劃(international geosphere-biosphere program,IGBP)和京都協定(Kyoto protocol)等均將生態系統NPP的研究確定為核心內容之一[7]。

在NPP研究開展之初，主要采用站點測量的方法，但站點實測法無法在區域和全球尺度上進行全面測量，因此需要建立植被-氣候之間的經驗關系模型來模擬陸地生物圈-大氣圈的相互關系和過程[1]。隨著機理研究的深入，建立了基于植物光合作用、生長和維持呼吸、水分蒸騰及光合產物的分配等生物地理和生物地球化學過程的機理性模型[8-10]，并得到廣泛應用，但是由于機理模型相對復雜，其涉及參數眾多，需要較多實測數據和文獻資料的支撐。光能利用率模型通過遙感途徑獲取多種植被參數，如光合有效輻射吸收比率(fraction of photosynthetically active radiation,FPAR)和葉面積指數(leaf area index,LAI)等，在結合關鍵氣候因子(如氣溫、降水及太陽輻射等)后，可用于估算陸地生態系統NPP，其代表模型有改進的光能利用率(carnegie-ames-stanford approach，CASA)模型[11]和全球生產效率模型(global production efficiency model,GLO-PEM)[12]等。光能利用率模型相對機理模型簡單，已經成為近年來NPP估算研究的主要方向之一。在眾多光能利用率模型中，CASA模型在全球范圍內應用最為廣泛。該模型由Potter等[11]1993年建立，并基于此模型計算了全球陸地生態系統的NPP。

北京作為我國政治、經濟及文化的中心，開發歷史悠久，人類活動對植被分布格局影響深刻，隨著全球氣候的變化，其城市生態環境質量受到越來越多的關注。NPP作為重要的生態環境質量評價指標，能夠綜合反映當前北京地區的陸域生態系統質量。本文利用CASA模型，基于遙感、氣象及其他輔助數據估算了2010年北京植被的NPP，并分析四季的時空分布格局及其主要影響因素。

1 研究區概況

北京位于E115°25′～117°30′，N39°28′～41°05′之間，在華北平原西北緣太行山脈與燕山山脈的交接位置，地勢西北高聳，東南低緩。行政區域內山區面積占62%，平原占38%，山區多以中、低山地形為主。北京屬暖溫帶大陸性季風氣候，年平均氣溫10～12 ℃，全年無霜期180～200 d，年平均降雨量約595 mm，降水季節分配很不均勻，其地帶性植被為暖溫帶落葉闊葉林。目前平原地區的植被類型主要是農作物，山區植被是以落葉闊葉灌木林和落葉闊葉林為主。

2 數據與方法

2.1 數據源

本文主要數據源有2010年覆蓋北京16區縣的1 km MODIS NDVI遙感數據產品、北京及其周邊地區17個氣象站點的觀測數據(月總降水量、月平均氣溫及太陽總輻射)、基于同時期遙感影像分類獲得的1 km土地利用數據及輔助數據(DEM及坡度)。其中，NDVI數據來源于美國地質調查局地球資源觀測系統數據中心發布的NDVI產品。

2.2 遙感數據標準化

本文NDVI遙感數據集統一采用Sin Grid投影，并已進行去云、輻射校正及大氣校正等處理，時間分辨率為16 d，空間分辨率為1 km，每年共計23個時相。利用MODLAND提供的MRT(MODIS reprojection tool)投影轉換工具，對數據進行拼接和等經緯度(geographic Lat/Lon)投影轉換。選用了2010年23幅逐旬圖像，對每月的3旬數據進行最大值合成，得到12個波段逐月最大NDVI值數據集，并將圖像再次進行投影坐標轉換，統一為Albers正軸等面積雙標準緯線割圓錐投影(Albers equal area connie projection)。

2.3 氣象數據柵格化

基于薄盤光滑樣條插值法ANUSPLIN[13]對2010年氣象站點觀測數據進行空間插值，生成北京市1 km氣象數據集。以平面坐標作為樣條函數自變量，對氣象站點觀測數據進行空間插值(其中對氣溫的插值用高程作為協變量)，并對插值結果的精度進行檢驗。結果顯示氣溫、降水量及太陽總輻射擬合度較好，決策系數R2分別為0.998，0.979及0.997，能夠滿足NPP估算需求。

2.4 CASA模型運算

在本研究CASA模型中，NPP主要由植物吸收的光合有效輻射和光能利用率2個因子來表示，計算公式為[14]

NPP(x，t)=APAR(x,t)ε(x,t),

(1)

式中：APAR(x,t)為像元x在t月吸收的光和有效輻射，MJ·m-2·月-1；ε(x,t)為像元x在t月的光能利用率，gC·MJ-1。

植物吸收的光合有效輻射取決于太陽總輻射和植物本身吸收太陽輻射的特征，可表示為

APAR(x,t)=0.5SOL(x,t)FPAR(x,t) ,

(2)

式中： 常數0.5為植被所能利用的太陽有效輻射占太陽總輻射的比例；SOL(x,t)為像元x在t月的太陽總輻射量，MJ·m-2·月-1；FPAR(x,t)為植被對光合有效輻射的吸收比例，可以采用

FPAR(x,t)=αFPARNDVI(1-α)FPARSR

(3)

來計算。其中α為2種方法間的調整系數；FPARNDVI為由NDVI估算的FPAR；FPARSR為由比值植被指數SR估算的FPAR。

在理想條件下，植被具有最大光能利用率，在現實條件下最大光能利用率主要受氣溫和水分的影響，實際的光能利用率ε(x，t)可估算為

ε(x，t)=εmaxTε1(x,t)Tε2(x,t)Wε(x,t) ,

(4)

式中：Tε1(x,t)和Tε2(x,t)分別為低溫和高溫對光能利用率的脅迫作用；Wε(x,t)為水分脅迫影響系數，反映水分條件的影響；εmax為理想條件下的最大光能利用率，gC·MJ-1。

2.5 因子相關性分析

對研究區每個像元，均建立其NPP與氣候因子的線性關系模型，從而計算出每個像元的NPP與氣候因子間的單相關系數，即

(5)

NPP和氣溫、NPP和降水的偏相關系數可以用

(6)

進行計算。式中： r12，r23，r13分別表示變量x與y，y與z，x與z的單相關系數；r12·3是將變量z固定后變量x與y之間的偏相關系數。

不同相關系數或者偏相關系數所對應的變量相關程度如表1所示。

表1 線性相關程度及其對應的相關系數范圍Tab.1 Correlation coefficient of linear and corresponding range

3 結果分析

3.1 NPP空間分布格局

根據縣級行政界，按照地形地貌把北京市分為山區和平原區2部分，山區包括房山、門頭溝、昌平、懷柔、密云、延慶和平谷7個區縣，其余為平原區。NPP總量空間分布如圖1所示。

圖1 北京植被NPP空間分布Fig.1 Spatial distribution of vegetation NPP in Beijing

由圖1可以看出，山區NPP總量遠大于平原區，山區中植被的生產力水平存在區域差異，這主要和植被類型有關。喬木林的NPP要大于灌草叢，山區中450～600 gC·m-2·a-1范圍所對應的自然植被多為落葉闊葉林(實測值范圍114～1 669 gC·m-2·a-1[15])；300～450 gC·m-2·a-1范圍所對應的自然植被多為落葉闊葉灌草叢(實測平均值為364 gC·m-2·a-1[15])。北京平原區NPP多來源于耕地，大多介于450～600 gC·m-2·a-1之間(實測平均值為533 gC·m-2·a-1[16])，而城區和水域中的植被較為稀疏，NPP最低，集中在0～150 gC·m-2·a-1之間。

3.2 NPP季節變化規律

北京1—12月各月份的NPP變化情況如圖2所示。

由圖2看出，NPP時間變化規律與植物長勢規律基本一致。2010年北京NPP總量為5.5 TgC，其中山區NPP總量為4.5 TgC，占總體的81.8%。2010年6月的NPP是這一季度的最大值，而11月至次年2月的4個月是全年NPP的低谷區間，其中1月最低，NPP從3月開始逐漸增加。北京山區植被類型以落葉闊葉林和落葉闊葉灌草叢為主，11月至次年2月除常綠針葉林等常綠植物以外，大部分自然植被均已落葉，山區植被光合作用減弱，固碳能力下降，NPP開始顯著降低；從3月開始，日照輻射增長，降水量增多，氣溫逐漸上升，NPP快速增加。平原區植被以農作物為主，在5—9月生長期內，NPP占總體的比例約為1/5，10月耕地作物逐漸收割，平原區NPP所占比例明顯下降，直到次年4月春播之后才開始回升。

北京2010年1—12月的NPP呈現出明顯的季節變化趨勢，具體為冬季NPP最小(0.16 TgC)，僅占全年NPP總量的3%，所有植被均呈現四季中最低的生產力水平，僅東北部山區植被NPP相對較高，可能是與該區域分布的大面積果園有關。此外，山區中常綠植被區域(如常綠針葉林等)也有較高的NPP。春、秋季次之，分別為1.04 TgC和0.90 TgC，分別占全年NPP總量的18%和17%，春、秋季的NPP空間分布以及大小均十分接近，區別最大的是農田，春季的旱地NPP比秋季小，這與北京地區的耕作制度有關；夏季最大(3.44 TgC)，占全年NPP的62%，夏季的植被生產力格局幾乎決定了全年的NPP空間分布(圖3)。

圖3 北京植被四季NPP空間分布Fig.3 Spatial distribution of four seasons NPP in Beijing

北京NPP的季節變化反映了氣候特點，該區屬于典型的暖溫帶半濕潤大陸性季風氣候。夏季溫暖多雨，適宜綠色植物生長和生產；冬季寒冷干燥，自然植被大多落葉、并停止了光合作用；春、秋季氣候條件變化劇烈，NPP也呈現突變趨勢。

4 分析與討論

NPP是各氣候要素以及其他環境要素與植物自身生物學特征綜合作用的結果，北京植被NPP時空格局反映了暖溫帶大陸性季風氣候特點。本文研究結果與劉芳等[17]2009年計算的北京市NPP結果相比，二者的空間分布情況相近，即北部和西部山區NPP高，東南部平原區的NPP較低；時間分布同樣為夏季最高，冬季最低，春、秋季居中，但不同區域內影響生態系統的主要氣候要素不同。

4.1 NPP與氣溫相關性分析

建立NPP與氣溫的線性相關模型，首先計算每個像元的NPP與氣溫因子間的單相關系數(圖4(左))，進而計算基于降水的NPP和氣溫的偏相關系數(圖4(右))。

圖4 NPP與氣溫的相關系數(左)及偏相關系數(右)Fig.4 Correlation coefficient(left) and partial correlation coefficient(right) between NPP and temperature

由圖4可以看出，北京植被受氣溫影響顯著。圖4(左)中NPP與氣溫的相關系數大多大于0.8；圖4(右)除去降水的影響，大部分區域NPP與氣溫的相關系數有所降低，說明這些區域不但受氣溫影響，還與降水有關。西部山區相關系數變化較小，該區域植被NPP主要受氣溫影響較大，而受降水影響較小。北京東部有部分地區的相關系數下降較為明顯，表明這部分區域植被受降水影響顯著，以濕地植被類型為主。

4.2 NPP與降水相關性分析

建立NPP與降水的線性相關模型，首先計算每個像元的NPP與降水因子間的單相關系數(圖5(左))，進而計算基于氣溫的NPP和降水的偏相關系數(圖5(右))。

圖5 NPP與降水的相關系數(左)及偏相關系數(右)Fig.5 Correlation coefficient(left) and partial correlation coefficient(right) between NPP and precipitation

由圖5(左)可以看出，北京平原區植被與降水的相關系數較高，主要因為平原區植被大部分為旱地農作物，農產品產量受降水量影響較大，山區植被與降水的相關系數則不高，可能因為山區植被大多為多年生自然植被，耐旱性較強，對降水量敏感性較低；圖5(右)顯示，除去氣溫的影響，大部分區域NPP與降水的相關系數有所降低，尤其西部和北部山區相關系數變化較大，說明該區域植被NPP主要受氣溫影響，受降水影響較小。東南部平原區植被NPP與降水的相關系數顯示，NPP在一定程度上受到降水影響，這是由于該區域植被主要以旱地作物為主。

4.3 氣候因子對NPP的綜合影響

將氣溫、降水量及太陽輻射3個氣候因子與NPP的線性相關關系進行RGB合成，即氣溫與NPP的相關系數設置為紅色通道(R)、降水量與NPP的相關系數設置為綠色通道(G)、太陽輻射與NPP的相關系數設置為藍色通道(B)，3個氣候因子對植被NPP交叉影響會產生不同的顏色，如圖6所示。

圖6 3種氣候因子對NPP的綜合影響Fig.6 Comprehensive influence of 3 kinds of climate factors on NPP

由圖6可以看出，北京山區自然植被受氣溫影響較大，而平原區農作物生長更容易受降水量的影響，在山區向平原過渡的區域內植被受太陽輻射變化影響明顯，可能由于該區域植被大多為灌木，對寒冷、干旱的耐受性較強，受氣溫和水分影響不如喬木林和農田顯著，表明光照對于灌木生產力更為重要。

綜上所述，北京植被NPP受水分和熱量條件的限制，不同區域的主要限制因子不同。氣候對植被生長和生產的影響特別復雜，回歸模型雖然能夠經驗性地描述NPP與氣候因子之間的關系，模擬NPP在時空上的分布情況，但由于它無法闡明NPP和氣候因子的機理關系，不能系統模擬植被和氣候變化的相互作用，存在一定程度的不確定性。

5 結論

1)2010年北京植被NPP總量為5.5 TgC，其中山區NPP總量為4.5 TgC，占總體的81.8%；平原區NPP主要來源于耕地中的農作物。

2)北京植被NPP的季節變化明顯，反映了該區域暖溫帶半濕潤大陸性季風氣候特點，即大部分自然植被在冬季落葉，夏季長勢旺盛，春、秋季氣候條件變化劇烈。其中，夏季NPP最大，占全年的62%；冬季最小，僅占3%；春季和秋季近乎相同，分別占全年NPP總量的18%和17%。

3)北京植被NPP受水分和熱量條件的限制，在不同區域，其主要的限制因子不同。北部和西部山區自然植被受氣溫影響較大，而平原區農作物的生長更容易受降水量的影響，在山區向平原過渡的區域內植被受太陽輻射變化影響明顯。

[1] Lieth H.Modeling the Primary Productivity of the World[M]//Primary Productivity of the Biosphere.Berlin Heidelberg:Springer,1975,237-263.

[2] Fang J,Piao S,Tang Z,et al.Interannual variability in net primary production and precipitation[J].Science,2001,293(5536):1723.

[3] 侯英雨,柳欽火,延昊,等.我國陸地植被凈初級生產力變化規律及其對氣候的響應[J].應用生態學報,2007,18(7):1546-1553. Hou Y Y,Liu Q H,Yan H,et al.Variation trends of China terrestrial vegetation net primary productivity and its responses to climate factors in 1982-2000[J].Chinese Journal of Applied Ecology,2007,18(7):1546-1553.

[4] 劉玉安,黃波,易成功,等.基于地形校正的植被凈初級生產力遙感模擬及分析[J].農業工程學報,2013(13):130-141. Liu Y A,Huang B,Yi C G,et al.Simulation by remote sensing and analysis of net primary productivity of vegetation based on topographical correction[J].Journal of Agricultural Engineering,2013(13):130-141.

[5] 王李娟,牛錚,曠達.基于MODIS數據的2002—2006年中國陸地NPP分析[J].國土資源遙感,2010,22(4):113-116. Wang L J,Niu Z, Kuang D.An analysis of the terrestrial NPP from 2002 to 2006 in China based on MODIS data[J].Remote Sensing for Land and Resources,2010,22(4):113-116.

[6] Vitousek P M,Ehrlich P R,Ehrlich A H,et al.Human appropriation of the products of photosynthesis[J].Bioscience,1986,36(6):368-373.

[7] Steffen W,Noble I,Canadell J,et al.The terrestrial carbon cycle:Implications for the Kyoto Protocol[J].Science,1998,280(5368):1393-1394.

[8] Prentice I C,Cramer W,Harrison S P,et al.Special paper:A global biome model based on plant physiology and dominance,soil properties and climate[J].Journal of Biogeography,1992,19(2):117-134.

[9] Woodward F I,Smith T M,Emanuel W R.A global land primary productivity and phytogeography model[J].Global Biogeochemical Cycles,1995,9(4):471-490.

[10]Foley J A,Prentice I C,Ramankutty N,et al.An integrated biosphere model of land surface processes,terrestrial carbon balance,and vegetation dynamics[J].Global Biogeochemical Cycles,1996,10(4):603-628.

[11]Potter C S,Randerson J T,Field C B,et al.Terrestrial ecosystem production:A process model based on global satellite and surface data[J].Global Biogeochemical Cycles,1993,7(4):811-841.

[12]Goetz S J,Prince S D,Goward S N,et al.Satellite remote sensing of primary production:An improved production efficiency modeling approach[J].Ecological Modelling,1999,122(3):239-255.

[13]Xu T,Hutchinson M.Anuclim version 6.1 user guide[J].Canberra, The Australian National University Fenner School of Environment and Society,2011:90.

[14]朱文泉,潘耀忠,張錦水.中國陸地植被凈初級生產力遙感估算[J].植物生態學報,2007,31(3):413-424. Zhang W Q,Pan Y Z,Zhang J S.Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing[J].Chinese Journal of Plant Ecology,2007,31(3):413-424.

[15]Ni J,Zhang X S,Scurlock J M O.NPP multi-biome:Chinese forests data,1989—1994.Available on-line[EB/OL].[2013-10-16].http://www.daac.ornl.gov.

[16]Prince S D,Justice C O.Coarse resolution remote sensing of the Sahelian environment[J].International Journal of Remote Sensing,1991,12(3):1133-1421.

[17]劉芳,遲耀斌,王智勇,等.NPP列入生態統計指標體系的潛力分析——以北京地區NPP測算與空間分析為例[J].生態環境學報,2009,18(3):960-966. Liu F,Chi Y B,Wang Z Y,et al.Potential analysis on NPP included as ecological statistical indicators:Taking Beijing vegetation net primary productivity measurement and spatial analysis as an example[J].Ecology and Environmental Sciences,2009,18(3):960-966.

(責任編輯： 邢宇)

NPP spatial and temporal pattern of vegetation in Beijing and its factor explanation based on CASA model

YIN Kai1， TIAN Yichen1， YUAN Chao1， ZHANG Feifei1， YUAN Quanzhi2， HUA Lizhong3

(1.InstituteofRemoteSensingandDigitalEarth,ChineseAcademyofSciences,Beijing100101,China；2.InstitureofGeographyandResourcesScience,SichuanNormalUniversity,Chengdu610068,China;3.XiamenUniversityofTechnology,Xiamen361024,China)

Integrating remote sensing data, meteorological data and other multi-source auxiliary data, the vegetation net primary productivity (NPP) spatial and temporal pattern in Beijing and its main influence factors were analyzed based on carnegie-ames-stanford approach(CASA) model in 2010. The results showed that: ① The total amount of NPP was 5.5 TgC, and the vegetation NPP spatial distribution pattern showed that the NPP in northern and western mountainous areas was higher, while the NPP in plain area was lower. ② The seasonal vegetation NPP in Beijing changed significantly. The NPP in summer was the largest, accounting for 62% of the NPP in the whole year. The smallest was in winter, accounted for only 3%, and the NPP in spring and autumn respectively accounted for 18% and 17% of the total NPP. ③ The vegetation NPP was limited by water and heat conditions. However, the main limiting factor was different in different areas. The natural vegetation in the northern and western mountainous areas was more affected by the temperature, while the crops in plain area were more easily affected by the precipitation. And the vegetation in the transition area from mountains to the plain was more affected by the solar radiation.

net primary productivity (NPP); carnegie-ames-stanford approach(CASA) model; remote sensing; Beijing

2013-10-16；

2013-12-28

國家自然科學青年基金項目(編號： 41101501)、國家自然科學面上基金項目(編號： 41371540)和遙感科學國家重點實驗室基金項目(編號： 10QN-06)共同資助。

10.6046/gtzyyg.2015.01.21

尹鍇，田亦陳，袁超，等.基于CASA模型的北京植被NPP時空格局及其因子解釋[J].國土資源遙感,2015,27(1):133-139.(Yin K，Tian Y C，Yuan C，et al.NPP spatial and temporal pattern of vegetation in Beijing and its factor explanation based on CASA model[J].Remote Sensing for Land and Resources,2015,27(1):133-139.)

TP 79

A

1001-070X(2015)01-0133-07

尹鍇(1979-)，男，博士，助理研究員，主要從事城市生態遙感與景觀規劃等方面的研究。Email： yinkai@irsa.ac.cn。

苑全治(1985-)，男，博士，主要從事土地利用/土地覆被監測與預測等方面的研究。Email： yqz_108@163.com。