大興安嶺植被凈第一性生產力估算與動態分析

大興安嶺植被凈第一性生產力估算與動態分析

劉正顯1，李國春2，羅琳1，王維芳1*

(1.東北林業大學 林學院，哈爾濱 150040；2.黑龍江省林業監測規劃院，哈爾濱 150040)

摘要：植被凈第一性生產力在全球變化研究中扮演著重要的角色，NPP的估算與分析對于研究全球生態系統碳循環和區域氣候變化具有重要意義。本文借助MODIS衛星傳感器提供的歸一化植被指數NDVI數據和大興安嶺地區的氣象數據等為研究資料，通過構建CASA模型對大興安嶺地區不同類型植被的NPP進行了模擬估算，并通過地理信息系統等研究工具研究了該地區2010年生長季(5~9月份)不同植被NPP分布隨時間的動態變化，和總體植被的NPP空間分布狀況。大興安嶺地區植被生長期NPP總體平均值為318.29 gC/m`2·a。從空間分布格局看，全區植被NPP空間分布差異較為明顯。不同植被類型的NPP具有明顯差異，生長期NPP總體平均值森林>草甸>灌木>農作物。不同植被類型5~9月NPP隨時間動態變化的趨勢基本一致，植被NPP最大峰值出現在在6~7月份之間。最后對模型計算結果與實測植被NPP數據、Modis數據的NPP產品及其他學者的估測結果進行比較，結果基本一致。

關鍵詞：植被凈第一性生產力；大興安嶺；CASA模型；NDVI

中圖分類號：S 762.1

文獻標識碼：A

文章編號：1001-005X(2015)02-0061-05

Abstract：Net primary productivity(NPP)plays an important role in the research of global change，which has great significance for studying carbon cycle of global ecosystem，ecological environment，and regional climate change.In this paper，a CASA model for Daxing’an Mountain was established to simulate the NPP of different types of vegetation based on the data of normalized vegetation index(NDVI)data provided by EOS satellites and meteorological data in this region.With the help of the research tool of Geographic Information System，the dynamic change of NPP of different vegetations in the growing season(from May to September)in 2010 and the whole NPP’s spatial distribution were studied.The average NPP value of the Daxing’an Mountain in the growing season was up to 318.29 gC/(a·m`2).From the spatial distribution pattern of vegetation，the spatial distribution of the total NPP was significantly different and there were obvious differences among the NPP of different vegetation types.The order of total NPP average was meadow>forest>bush>crop.The change tendency of NPP values of different vegetation types from May to September was consistent.The peak value of vegetation NPP occurred between June and July.Finally，the model estimation results were compared with the observed data，MODIS data，and other scholars’ data，and found that the results were basically the same.

Keywords：net primary productivity；Great Xing’an mountain；CASA model；NDVI

收稿日期：2014-11-01

基金項目：黑龍江省普通高校重點實驗室空間地理信息綜合實驗室開放課題(KJKF-12-08)

作者簡介：第一劉正顯，碩士研究生，助教。研究方向：森林經理及3S技術應用。

通訊作者：*王維芳，博士，副教授。研究方向：森林經理及3S技術應用。E-mail：weifangwang@126.com

Estimation and Dynamic Analysis of VegetationNet Primary Productivity in Daxing’an Mountain

Liu Zhengxian1，Li Guochun2，Luo Lin1，Wang Weifang1*

(1.School of Forestry，Northeast Forestry University，Harbin 150040；

2.Heilongjiang Province Forestry Survey and Planning Institute，Harbin 150040)

引文格式：劉正顯，李國春，羅琳，等.大興安嶺植被凈第一性生產力估算與動態分析[J].森林工程，2015，31(2)：61-65.

近百年來，地球氣候顯著變暖，嚴重影響著全球生態環境，東北地區是我國氣候顯著變暖的地區之一。凈第一性生產力(NPP，Net Primary Productivity)是理解地表碳循環過程不可或缺的部分，是估算地球承載能力和評價陸地生態系統可持續發展的一個重要生態指標[1]。NPP不僅是碳循環原動力，而且是判定碳源、碳匯以及調節生態過程的主要因子，目前對大尺度的NPP動態變化的估計仍有很大的不確定性，因此更準確的估算NPP、理解它與各種氣候要素的相互關系，對于了解陸地生態系統的演化和判定生態系統碳匯和生態調節過程具有重要的作用[2-3]。

本文通過地理信息系統和遙感技術等科學手段，利用地面氣像數據和MODIS數據，考慮到最大光能利用率在不同植被類型中的差異，根據光能利用率模型，對大興安嶺地區植被NPP進行估算，分析不同植被類型的NPP在生長季節的月變化，并對其空間分布格局，以及相關影響因子的關系進行分析。研究結果對于評價黑龍江省陸地生態系統的碳匯能力、預測環境變化具有重要意義，可為地方政府制定合理的經濟發展和環境保護政策提供科學依據。

1研究區概況與研究方法

1.1　研究區域概況

大興安嶺地區隸屬于我國黑龍江省，位于黑龍江省的最北端，西南與內蒙相鄰，北部與俄羅斯隔黑龍江向望。大興安嶺地區區域廣闊，總面積約85 000多km2，擁有人口50萬，緯度方向上南起北緯50°08′，最北達到北緯53°34′，經度方向上西起東經121°11′東到東經127°02′。冬季氣候寒冷，晝短夜長，冬季氣溫多在零下30攝氏度，建國以來歷史最低氣溫-52.3℃。大興安嶺地區年均降水量450 mm，日照時間達到2 600 h，晝夜溫差較大，無霜期80~110 d，降水季節分布不均，夏季降水量能夠達到全年的一半以上，而冬季降水量僅占全年的10%左右。大興安嶺最為寶貴最為豐富的還要數其森林資源。大興安嶺地區森林植被多以針葉林為主，但其中混有少量的闊葉樹[4]。全地區大約有高等植物1 200余種。大興安嶺地區共有林地面積655萬hm2，活立木總蓄積達55 000萬m3，大約占黑龍江省森林總蓄積的26.6%，占全國森林總蓄積的7.8%，人均占有林地面積約為12.59 hm2，森林覆蓋率超過80%，大興安嶺地區是國家實施天然林保護工程的重點國有林區之一[5]。

1.2　研究方法

1.2.1數據獲取

本文采用的數據主包含大興安嶺地區的氣象數據、遙感數據、以及行政區劃等空間數據。其中氣象數據來源于中國氣象數據共享網2010年5～9月份的觀測數據，包括月平均氣溫，月總降雨量，月凈輻射量和月總輻射量等；遙感數據來源于中國科學院計算機網絡信息中心國際科學數據鏡網站站，包括黑龍江省大興安嶺地區5～9月份的NDVI數據，是由MODIS數據計算得到的合成產品，空間分辨率為1 km2×1 km2，時間分辨率為10 d；行政區劃數據來源于中國科學數據共享網。

1.2.2數據處理方法

通過遙感圖像處理軟件裁剪，得到大興安嶺地區的月NDVI值，象元大小為0.005 9。將各觀測站的氣象數據進行整理，根據氣象站點的坐標信息，將其導入地理信息系統軟件，生成各站點矢量數據，對矢量氣象數據進行空間插值，得到分辨率為0.005 9的氣象柵格數據，并定義數據的投影坐標等信息。

1.2.3NPP估算

在全球碳循環和大尺度植被NPP的研究中CASA模型被廣泛應用[6-9]，在我國學者模擬植被NPP的研究中也發揮了重要作用[10-12]。本文選用CASA模型基于光能利用率來估算植被NPP值。首先構建NPP的估算模型，構建CASA模型應當四個關鍵要素：光能輻射量的計算、植被光能利用率的確定、不同植被NDVI數據提取、溫度脅迫因子與水分脅迫因子的計算。本文通過植被類型圖來確定歸一化植被指數NDVI和比值植被指數SR，進而確定植被對光合有效輻射量的吸收比例FPAR，再結合根據氣象數據確定光能轉化率以及溫度和水分脅迫因子，最終根究構建的模型估算出大興安嶺地區不同植被的NPP。

2結果與分析

2.1　NPP計算結果

基于光能利用率CASA模型估算植被NPP值的結果如圖1~圖6所示。

圖1　5月份NPP分布 Fig.1 NPP distribution in May

圖2　6月份NPP分布圖 Fig.2 NPP distribution in June

圖3　7月份NPP分布 Fig.3 NPP distribution in July

圖4　8月NPP分布 Fig.4 NPP distribution in August

圖5　9月份NPP分布 Fig.5 NPP distribution in September

圖6　生長季NPP分布 Fig.6 NPP distribution in the growing season

2.2　NPP季節變化及分析

2.2.1生長季NPP時空分布分析

從大興安嶺地區整個生長期的NPP情況看，全區植被NPP空間分布差異較為明顯。總體上，NPP的高產區主要是大興安嶺的西北部地區和東南部地區，而西南部分，中部和東北部地區的NPP值相對較低。這種分布狀況與不同地區的降水、溫度以及地形等因素有密切關系。大興安嶺地區NPP較高的地區主要集中在漠河縣、塔河縣尤其是兩縣的北部，新林和呼瑪東部和南部地區。

經過計算，大興安嶺地區不同植被的NPP平均值為318.29 gC/m2·a，全區內NPP的總產量可達27 754 616 tC，如圖7所示。從圖7可以看出，NPP在5~9月生長期內隨時間的變化呈現單峰曲線形狀，5月份植被進入生長期，植被NPP維持在20 gC/m2·月，此時生產力較低，進入6月份，植被NPP變化非常顯著，NPP上升速度很快，由較低水平上升到120 gC/m2·月，并且達到了全年的最高值，由此可知大興安嶺地區植被生長最快的時期在每年的6月份左右。進入7月份之后，植被NPP有所下降，但仍維持在100 gC/m2·月以上，生產水平依然很高，此時期植被枝繁葉茂，NDVI值達到最大狀態；8~9月份，植被NPP逐漸降低，由8月份的84 gC/m2·月下降到9月份的17 gC/m2·月。

圖7　總體NPP隨月份變化圖 Fig.7 The change of total NPP with months

大興安嶺地區生態系統的主體是森林，森林覆蓋面積達到了75%左右，主要的森林類型主要有寒溫帶落葉針葉林、落葉闊葉林、常綠針葉林以及針闊混交林等。NPP計算結果見表1。

表1　森林植被NPP值 Tab.1 NPP value of different vegetations

2.2.2不同類型植被NPP的季節變化對比分析

由于不同植被對環境因素(光照、降水、溫度等)敏感程度各不相同，不同的植被類型對外界環境變化的響應程度不同，在植被凈第一性生產力方面表現為相同地區不同知被的NPP值大小不同。大興安嶺地區不同植被的NPP差異表現非常明顯，在碳循環過程中對碳的固定能力也有所差別。如圖8所示。

圖8　不同植被NPP隨月份變化圖 Fig.8 The change of NPP of different vegetations with months

從圖8可以看到，在5月份時大興安嶺地區的植被開始生長，并且植被的NPP維持在一個比較低的水平(小于20 gC/m2·月)，但是灌木的植被NPP卻達到了40 gC/m2·月以上，說明大興安嶺地區某些灌木植被具有較強的低溫生長能力；在5月份到六月份這段時間，植被的NPP增長速率非常明顯，從20 gC/m2·月以下迅速增長到了80 gC/m2·月以上，森林植被最高超過了140 gC/m2·月；到7月份之后，植被NPP出現下降趨勢，但仍然保持快速增長的趨勢，值得注意的是，此時農作物植被的NPP仍然保持了增長，并且達到了全年的最高水平，超過了同時期落葉針葉林的生長速度；進入8月份，植被NPP依然呈下降趨勢，此時植被NPP在40~80 gC/m2·月之間，生長速度依然較快；到了九月份的時候，大興安嶺地區氣溫開始低于10℃，并且在9月末開始進入冬季，植被NPP繼續下降，直到進入低溫休眠狀態。

2.3　模型精度驗證

植被凈第一性生產力估測模型的精度驗證一直是植被NPP模型的研究重點與難點。目前對模型模擬結果的評價方法主要有兩種，分別是將模擬結果與實測數據和其他模型的的模擬結果進行對比。本文將NPP模擬數據同時與林業部實測數據、2010年Modis的NPP數據，以及其他學者的模擬數據進行數據對比，其中實測數據為中國林業部1989~1993年690個觀測點的植被NPP實測數據[5]。

2.3.1與實測數據對比

中國林業部給出的的實測數據為實測數據的統計的范圍值，本文的數據是模擬計算得出的平均值，見表2。由表2可以看出，本文模擬的NPP數據均落在實測數據范圍的中間部分。草原與農作物的模擬值分別為277.65 gC/m2·a和258.30 gC/m2·a，草原植被的模擬值接近實測值范圍的最大值，說明模擬值略微偏高；農作物的模擬值接近實測數據范圍的最小值，體現出農作物的模擬偏低，但兩種植被的NPP模擬值均符合實測范圍，可以認為本文模擬數據的結果與實測數據基本符合。

表2　森林植被NPP模擬值與實測值的比較 Tab.2 Comparison of the estimated NPP with measured NPP

2.3.2與Modis的NPP產品對比

本文使用的NPP產品數據為來自NASA的MOD17四級處理產品，分辨率為1KM，時間觀測頻率為1 a產品。首先將NPP產品轉換成WGS84經緯度坐標，在兩份數據中隨機抽取50對同一位置的NPP數據，繪制散點圖進行對比分析，如圖9所示。從圖9可以看出，本文模擬NPP值與modis數據產品的NPP值具有較好的相關性，相關系數R2=0.630，本文模擬的NPP平均值是318.29 gC/m2·a，modis產品的NPP平均值是311.3 gC/m2·a，總體均值非常接近，但本文模擬值僅為大興安嶺地區生長季內的植被NPP值，與該地區全年的植被NPP值相比較會略低一些，因此說明modes的數據產品得到的NPP值較本文模擬結果較低。

圖9估算NPP與Modis數據產品NPP比較圖 Fig.9 Comparison of the estimated NPP with Modis NPP

2.3.3與其他學者研究結果對比

與其他學者模擬的NPP值比較結果見表3，由表3可以看出，本文估測的不同植被類型NPP值變化趨勢與其他學者估測的結果不完全一致，但差別不是很大。出現這種結果的原因可能是由于研究區域不同，導致植被的生長環境有所差異，使得模擬結果有所不同。

表3　NPP模擬值與其他學者成果的比較 Tab.3 Comparison of the estimated NPP with the results obtained by other scholars

3結論與討論

3.1　結　論

遙感數據具有數據獲取方便、覆蓋范圍廣、跟新周期短等優點，因此遙感數據源已成為目前全球變化研究中優先選擇的數據源。本文以MODIS數據影像產品為主要數據源，同時利用2010年5~9月份的地面氣象資料和同期的太陽輻射數據以及陸地植被類型分布圖，計算得到了2010年5～9月份大興安嶺地區不同植被的凈第一性生產力，獲得了凈第一性生產力的空間格局分布特征和月份變化特征。CASA模型將遙感觀測數據、地面氣象數據、植被類型數據等結合到一起，對植被進行NPP估算，考慮條件比較充分，并具有植被生理生態學基礎，數據獲取方便計算簡單，適合區域及全球尺度的研究應用，值得推廣。

大興安嶺地區植被生長期NPP總體平均值為318.29 gC/m2·a，從空間分布格局看，全區植被NPP空間分布差異較為明顯。總體上NPP的高產區主要是大興安嶺的西北部地區和東南部地區，而西南部分、中部和東北部地區的NPP值相對較低，這種分布狀況與不同地區的降水、溫度以及地形等因素有密切關系。大興安嶺地區不同植被類型的NPP具有明顯差異，從生長期總體平均值看，森林>草甸>灌木>農作物。不同植被類型在2010年5~9月份的NPP隨時間季節變化的趨勢基本一致，從五月份開始大興安嶺地區的平均氣溫達到零度以上，植被萌芽開始生長，植被NPP并進入快速增長期，在6~7月份植被NPP達到最大值，此時植被是一年當中最為繁茂的時期，進入8~9月份，植被NPP開始明顯降低，在大興安嶺地區平均氣溫降到0℃下以后，植被開始進入休眠期狀態，NPP降為0。將本文估測的結果分別與實測數據等其它方法獲得的結果進行比較，可以彌補由于不能進行精度檢驗所帶來的問題。

3.2　討　論

本文利CASA模型對大興安嶺地區的植被NPP情況進行了估算，并模擬了不同植被類型的NPP分布狀況和季節變化，在取得初步研究成果的同時也存在的一些問題。

(1)氣象站點記錄的地面氣象資料都是點數據，對氣象數據插值過程即以點帶面的過程，且該地區氣象站點較少，無法避免給本文的數據模擬精度帶來的誤差。

(2)在對植被進行分類時發現，只是片面的分類，因為在森林中植被是分層生存的即喬-灌-草可以同時生存在一個立體空間，遙感模型的估算只能做到對表層植被的NPP估算而忽略了森林中下層的灌木與草本植物，因此會帶來部分誤差。

(3)植被類型圖有待提高更新速度，隨著人類

活動的頻繁程度的增加以及其他自然因素對陸地生態系統的不斷影響，植被分布狀況在不斷發生著改變。人類可以在遙感技術的支持下，實現對植被定期的監測，及時的跟更新植被信息，為陸地生態系統等的研究提供服務。

【參考文獻】

[1] 方精云.全球生態學[M].北京：高等教育出版社，2000.

[2]Field C B，Behrenfeld M J，Randerson J T，et al.Primary production of the biosphere：integrating terrestrialand oceanic components[J].Science，1998，281：237-240.

[3]包剛.基于MODIS數據的內蒙古陸地植被凈第一性生產力遙感估算研究[D].呼和浩特：內蒙古師范大學，2009.

[4]關文彬，陳鐵，董亞杰，等.東北地區植被多樣性的研究Ⅰ.寒溫帶針葉林區域垂直植被多樣性分析[J].應用生態學報，1997(05)：465-470.

[5]彭少麟，郭志華，王伯蓀.利用GIS和RS估算廣東植被光利用率[J].生態學報，2000，20(6)：903-909.

[6]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.

[7]Field C B，Randerson J T，Maelstrom C M.Global net primary production：combining ecology and remote sensing[J].Remote Sensing of Environment，1995，51(1)：74-88.

[8]Hicke J A，Asner G P，Randerson J T，et al.Satellite-drived increases in net primary productivity across North America，1982-1998[J].Geophysical Research Letters，2002，29：1427-1431.

[9]Fang J Y，Piao S L，Field C B，et al.Increasing net primary production in China from 1982 to 1999[J].Frontiers in Ecology and the Environment，2003，1(6)：293-297.

[10]Piao S L，Fang J Y，Guo Q H.Application of CASA model to the estimation of Chinese terrestrial net primary productivity[J].Acta Phytoecologica Sinica，2001，25(5)：603-608.

[11]Zhu W Q，Pan Y Z，Long Z H，et al.Estimation net primary productivity of terrestrial vegetation based on GIS and RS：a case study in inner Mongolia，China[J].Journal of Remote Sensing，2005，9(3)：300-307.

[12]Yu D Y，Shi P J，Shao H B，et al.Modelling net primary productivity of terrestrial ecosystems in East Asia based on an improved CASA ecosystem model[J].International Journal of Remote Sensing，2009，30(18)：4851-4866.

[責任編輯：胡建偉]