基于MODIS序列的北京市土地利用變化對凈初級生產力的影響

成方妍,劉世梁,張月秋,尹藝潔,侯笑云

北京師范大學環境學院水環境模擬國家重點實驗室, 北京 100875

基于MODIS序列的北京市土地利用變化對凈初級生產力的影響

成方妍,劉世梁*,張月秋,尹藝潔,侯笑云

北京師范大學環境學院水環境模擬國家重點實驗室, 北京 100875

了解土地利用變化對區域凈初級生產力(NPP)的影響,對于綜合理解區域植被的固碳能力及其與土地利用變化的關系,以及維持區域生態安全均具有重要意義。以北京市為例,基于2000—2012年MODIS NPP遙感影像和土地利用類型數據,利用同期Landsat TM影像(分辨率30 m)對MODIS NPP數據進行降尺度計算的基礎上,分析北京市區域NPP的時空分布特征,探討土地利用變化對植被固碳能力的影響。結果表明：研究期內Landsat NDVI與NPP數據的線性關系顯著(R2為0.22—0.68,P<0.01),基于該線性關系可實現對MODIS NPP的降尺度重計算。土地利用面積分配和景觀格局的變化均顯著影響NPP。13年間,北京市林地和草地面積增加而耕地面積迅速減少,NPP總量由123萬 t C增長至190萬 t C,其中66%的NPP由林地貢獻,其次為耕地(26%),草地最低(8%)。2000—2006年,面積變化促進了NPP的增加,貢獻率為34%；而2006—2012年,面積變化則抑制區域NPP的增加,貢獻率降低至27%。同時,研究區域內斑塊聚集度的降低,斑塊密度及豐富度的增加均有利于其NPP的增加。提高研究區植被固碳能力,需要在維持區域當前植被數量和質量的基礎上,增加區域景觀的異質性和多樣性。

土地利用變化；凈初級生產力；MOD17A3 NPP；時空變化；景觀格局指數

隨著城市化進程的加劇,區域土地利用格局變化迅速而劇烈,大量非建成區土地快速流轉為城市建筑用地,這直接影響區域系統的組成和結構,伴隨而來的是系統過程和功能的變化[1],以及區域物質和能量循環過程的變化[2]。損失最嚴重的土地利用類型為林地和耕地,直接導致區域植被固碳能力的下降,給區域生態安全造成巨大壓力[3- 6]。

土地利用的變化直接引起了區域植被凈初級生產力(NPP)的變化[7- 9]。植被NPP是指綠色植物在單位時間、單位面積內所累積有機物數量,是由植物光合作用所產生的有機質總量中減去自養呼吸后的剩余部分,也稱凈第一生產力[10]。NPP反映了植被的固碳能力,其數量的變化還能反映植被對土地利用變化的響應。DeFries等[11]研究發現,每年,全球NPP因土地利用變化而降低約5%。從區域景觀甚至全球尺度估測土地利用變化對NPP的影響不僅有利于我們對陸地生態系統碳循環及其動態調節機制的了解,增強區域土地利用格局的合理優化管理,對尋求區域的碳增長空間更是具有重要意義[2,6,12]。

以往研究曾采用光能利用率模型、生態-遙感光能利用率模型和遙感光能利用率-植被-大氣-土壤循環模型等模型對NPP進行模擬[13- 15],這往往需多種多年連續數據的支持,且模型中的氣象數據需要插值補充；還有少部分學者直接利用MODIS NPP數據進行了不同尺度的NPP時空變化研究[16- 18]。以上兩種NPP數據均存在分辨率偏低的問題(1—10 km),分辨率偏低時地物邊界模糊,將會造成NPP對土地利用類型變化響應的敏感性降低,產生尺度效應[19]。但尺度效應對NPP模擬值的影響目前尚不清楚,Turner等[20]研究發現分辨率50 km的植被NPP估計值比分辨率1 km的NPP估計值高出11%；楊會巾等[21]則發現分辨率30 m的植被NPP模擬值比990 m的NPP模擬值高出5%。考慮到不同尺度的NPP具有相似的空間格局,其基本特征不變[21]；而且許多具有高分辨率影像的植被指數如LAI(Leaf Area Index)、NDVI(Normalized Difference Vegetation Index)等與NPP具有較好的線性關系[22- 24],嘗試利用各指數間良好的統計相關性或可提高NPP數據分辨率。

北京市區域景觀近年來變化顯著,而以往研究多集中探討區域NPP的空間分布及其季節性變化,大多集中于森林碳庫,但是區域NPP對景觀格局變化的響應仍不清楚[25- 28]。本文采用的MODIS NPP影像分辨率為1 km,對區域建成區內的綠地變化反應不敏感,因此本文集中探討研究區內大面積連續植被(林地、草地和耕地)多年來的變化情況。本文將以北京市為例,選取MODIS NPP影像,包括同期的Landsat影像和土地利用類型圖,全面分析北京市NPP的時空變化,及其對景觀格局變化的響應,以期量化土地利用變化對NPP年際變化的貢獻,并分析影響區域NPP的景觀格局因素。由于MODIS NPP數據分辨率較低,研究中進一步探討了利用高分辨率的Landsat數據對其降尺度的方法及可行性。

1 研究區概況和研究方法

1.1 研究區概況

北京位于115°25′—117°30′E,39°28′—41°05′N,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,降水季節分配不均勻,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,主要農作物類型為玉米、小麥、大豆、大白菜和西瓜；山區植被是以落葉闊葉灌木林和落葉闊葉林為主[28]。

1.2 數據來源

NPP數據由美國NASA的EOS/MODIS TERRA衛星(MOD17A3)提供,選取2000—2012年13期遙感數據,分辨率為1 km。MODIS NPP基于MODIS遙感參數,利用改進的光能利用率模型BIOME-BGG模型計算全球陸地植被NPP年際變化數據[29]。

NDVI數據采用GLCF Earth Science Data Interface(ESDI)的陸地衛星數據計算,軌道號為123/32,為了與NPP數據相匹配并保證數據的質量,最終選取2000、2006和2012年9月份無云覆蓋的影像,分辨率為30 m。影像壞帶利用ENVI插件TM-DESTRIPE處理,填補壞帶后進行投影參數設置,幾何校正等,并利用ERDAS的INDICES計算NDVI值。

土地利用數據采用2000、2006和2012年的Landsat TM/ETM遙感影像和面向對象的解譯方法而獲得。由于NPP數據分辨率為1 km,區域內部面積較小的綠地無法識別,故該研究著重于北京市的大面積連續的非建成區土地利用類型,考慮研究區內主要的植被類型,將區域內非建成區土地利用類型簡化為3類：林地、草地和耕地,未考慮未利用地等。

1.3 研究方法

以1 km分辨率的MODIS NPP為基礎,探討北京市NPP的年際變化趨勢。為了分析景觀格局變化對NPP的影響,對1 km分辨率的MODIS NPP降尺度至30 m,結合土地利用類型數據,分析NPP總量變化、土地利用變化以及景觀格局變化對NPP的影響。研究從區域和樣方2個尺度展開,分析NPP年際變化趨勢和土地利用變化時,采用區域尺度；為了更系統的分析景觀格局變化對NPP的影響,參考以往區域尺度的相關研究[30],在ArcGIS 10.2.2中劃定連續的10 km×10 km正方形格網進行樣方分析,北京市共167個格網。

1.3.1 NPP年際變化趨勢

分別對2000—2006和2006—2012兩個時段進行NPP年際變化趨勢分析,年際變化趨勢以各柵格多年數值回歸方程的斜率(slope)表示[31],回歸方程采用最小二乘法獲得,具體公式如下：

(1)

式中,n為7,i為年序號,MNPP,i為第i年的NPP。其中,當slope>0時,說明植被覆蓋在年際間的變化趨勢是增加的；反之,則降低。當前,slope值變化趨勢的劃分并沒有統一標準[32- 34],考慮研究區域NPP的整體分布情況,通過計算slope值的變化,發現slope值基本符合正態分布,故利用等間距劃分法,將NPP變化劃分為5個等級,分別為明顯降低(slope≤-15)、輕度降低(-15≤slope<-5)、穩定不變(-5≤slope<5)、輕度增長(5≤slope<15)和明顯增長(slope≥15)。

1.3.2 降尺度方法

植被的NDVI與NPP具有較好的線性關系[24,35],利用這種線性關系實現NPP數據的降尺度。首先,對30 m分辨率的NDVI重采樣至1 km,對1 km分辨率的NDVI和NPP構建線性關系。本文假定分辨率為30 m時,NDVI與NPP的線性關系與分辨率為1000 m時相同。將30 m分辨率的NDVI代入以上關系式,求取NPP值,得到30 m分辨率的NPP。本研究采用的3期NDVI影像中,NDVI值在0.7以上的約為10%,故不考慮NDVI過飽和的問題[36]。

1.3.3 景觀格局變化對區域NPP變化的影響分析

基于土地利用轉移矩陣的景觀格局變化分析：土地利用轉移矩陣(Markov轉移矩陣)可以描述區域內土地利用類型面積之間的相互轉換情況,利用年際間不同利用類型土地轉換的面積以及相應的轉換概率描述土地利用類型轉換情況[37]。本文分別對2000—2006和2006—2012年2個階段進行轉移矩陣的計算。

土地利用變化對NPP變化的貢獻率(R)可以用其面積變化引起的NPP總量變化來表示,具體參考Fu等[38]研究：

(2)

式中,NPP1和S1分別為某一段時間初始時的NPP總量和面積,ΔNPP和ΔS分別為某一段時間的NPP變化量和面積變化量。

基于景觀格局指數的景觀格局變化分析：根據以往經驗并參考張國棟[39],本文從景觀水平上選取9個指數,表征類型組分的有豐富度(PRD)和香農多樣性指數(SHDI),表征空間形態的有斑塊密度(PD)和平均斑塊維數(FRAC),表征空間關系的為分離指數(SPLIT)和聚合度(AI)。以上指數利用移動窗格法(500 m)在Fragstats 4.2中計算。

分別探討2000,2006和2012年樣方尺度上NPP與各景觀格局指數的相關性,采用Pearson系數表示。此外,對6個格局指數提取主成分,分析第一主成分與NPP的線性關系。

2 結果

2.1 NPP時空分布特征

2000—2012年,北京市NPP均值表現為先增大后減小,NPP多年均值為238 g C m-2a-1。2004年達到峰值為334 g C m-2a-1,2001年最低為193 g C m-2a-1(圖1)。2000—2006年,NPP為增長趨勢,77%的區域表現為明顯增長,輕度增長的有20%；而2006—2012年,NPP則出現降低,8%的區域為明顯降低,54%為輕度降低,基本不變和增長的區域約占39%(圖1)。

圖1 2000—2012年北京市NPP變化趨勢Fig.1 NPP variation trend in Beijing from 2000 to 2012

以2000、2006和2012年30 m分辨率的NPP數據為例,對應同期土地利用類型圖,利用ArcGIS的Zonation模塊,得到2000、2006和2012年北京市NPP總量(分別為1230000 t C、2040000 t C和1900000 t C,圖2)。其中,NPP以林地貢獻最大約為1130000 t C,占NPP總量的66%；其次為耕地,其NPP總量約為460000 t C,占26%；草地最低,占NPP總量的8%。

空間上,北京市NPP的主要貢獻者集中在北部和西部,其NPP均值偏低但植被面積大,北部和西部的NPP產量較為穩定與區域整體年際變化同步,呈現先增加而后略降低的趨勢；東南部的NPP值偏高,但面積較小,且呈逐年增長趨勢。

2.2 區域景觀格局變化

2000—2012年,土地利用類型變化多分布在主城區周邊,東北密云水庫以及西北延慶縣內(圖3)。其中林地面積呈增長趨勢,但增長速度逐漸減緩；草地面積也呈增長趨勢,且增長速度加快；但耕地面積在13年間大幅減少。林地的增長主要是由耕地和草地轉換,13年內,有553 km2耕地和129 km2草地轉換為林地；草地面積主要有耕地轉換,13年內,有228 km2耕地轉換為草地；耕地則主要轉化為建設用地(699 km2)、林地和草地。

圖2 2000、2006和2012年北京市NPP總量變化Fig.2 Total NPP variations of Beijing in 2000, 2006 and 2012

圖3 2000、2006和2012年土地利用變化Fig.3 Land-use change in 2000, 2006 and 2012

2000—2012年,北京市景觀格局指數較穩定。類型組成方面,PRD和SHDI的平均值分別為5.26和0.46,PRD逐年降低,說明同一類型斑塊更加集中,SHDI基本不變,說明不同土地利用類型在區域內所占比例變化不大；空間形態方面,PD和FRAC的平均值分別為6.69和1.02,PD逐漸降低,說明破碎化程度降低,斑塊變大；FRAC值偏低,而且基本不變,說明斑塊邊界形狀穩定且較簡單；空間關系方面,SPLIT和AI的平均值分別為1.24和98.41,SPLIT逐漸降低,說明不同土地利用類型分布不均勻性增加,與AI結果一致(表1)。PRD和PD在11年間的波動約為2%,SHDI和SPLIT約為1%,而FRAC和AI年際波動則較微弱?？偟膩碚f,北京市土地利用表現為同一類型集中分布,斑塊形狀相對簡單,整體破碎化程度降低。

表1 景觀格局指數年際變化

PRD：豐富度 Patch Richness Density；SHDI：Shannon′s多樣性指數 Shannon′s Diversity Index； PD：斑塊密度 Patch Density；FRAC：平均斑塊維數 FRACtal dimension index；SPLIT：分離指數 SPLITting index；AI：聚合度 Aggregation Index

2.3 景觀格局變化對區域NPP變化的影響

2.3.1 土地利用面積變化對區域NPP變化的影響

2000—2006年,林地和草地面積均增長,二者NPP也表現為增長；2006—2012年,林地、草地面積繼續增長,但林地NPP則降低,草地NPP繼續增長(圖4)。2000—2012年間,耕地面積持續降低,但前7年耕地NPP仍表現為增加,而后則為降低。

圖4 土地利用變化對NPP的影響Fig.4 Effect of land-use change on NPP

土地利用面積變化對NPP變化的貢獻在兩個時段存在差異,2000—2006年,土地利用面積變化促進了區域的NPP增長,而2006—2012年,土地利用面積變化則抑制了區域NPP的增長。前7年,區域土地利用面積變化對NPP變化的貢獻率為34%,面積變化可以解釋55%的NPP增長區域,而NPP的降低受到面積的影響很小。2006—2012年,土地利用面積變化對區域NPP變化的貢獻率為27%,面積變化可以解釋29%的NPP輕度降低區域,而NPP增長受到面積變化的影響較小。

2.3.2 景觀格局指數變化與區域NPP的關系

2000和2012年,6個景觀格局指數與NPP的相關性多顯著,除了AI與NPP呈負相關,其他指數與NPP均呈正相關；2006年,只有AI與NPP呈顯著負相關(圖5)。

對6個景觀格局指數進行主成分分析,只有第一個主成分的特征值大于1且成分累計載荷超過85%,提取第一個主成分。第一主成分中PRD、SHDI、PD、FRAC、SPLIT和AI的負荷值分別為0.98、0.88、0.99、0.99、0.99和-0.98,該主成分反映了區域內斑塊的類型、分布和形狀。2000、2006和2012年第一主成分的特征值分別為5.60、5.68和5.59,累積載荷分別為93%、95%和93%。2000和2012,NPP與第一主成分均呈顯著的線性關系,但2006年線性關系不顯著,與圖5中的相關分析結果一致；3個年份中,NPP均隨著第一主成分增大而降低(圖6)。

圖5 NPP與景觀格局指數相關性分析Fig.5 Correlation between NPP and landscape indexesPRD：豐富度 Patch Richness Density；SHDI：香農多樣性指數 SHannon′s Diversity Index； PD：斑塊密度 Patch Density；FRAC：平均斑塊維數 FRACtal dimension index；SPLIT：分離指數 SPLITting index；AI：聚合度 Aggregation Index

圖6 NPP與第一主成分的擬合關系Fig.6 Relationship between NPP and the first principal componentNS: 相關性不顯著 Non-significant; *P < 0.05; **P < 0.01. Sample size n=162

3 討論

3.1 NPP降尺度模擬分析

年際間NDVI值差異顯著(F2, 37582=6288.421,P<0.01),探討NDVI與NPP線性關系時,不同年份分別構建線性關系。整體上,NPP與NDVI線性關系均顯著(表2),與蔣蕊竹等[35]與林志東和武國勝[24]的研究結果相似,但本文中NDVI與NPP的線性相關系數低于前述研究結果。原因可能與研究地植被類型不同有關,蔣蕊竹等[35]研究區內主要植被類型為草甸和農田,NDVI數值的高低直接反映了當年植被的生長狀況；林志東和武國勝[24]的研究區內以生長期林地為主,其高覆蓋度的區域也是NPP的高值區。而北京的主要植被類型為中齡林地[27],生產力較低但覆蓋度較高[38],這可能是導致其NDVI與NPP相關性低于其他研究區的主要原因。

表2MODISNPP與LandsatNDVI數據回歸分析模型

Table2ThelinearregressionmodelsofMODISNPPandLandsatNDVI

年Year方程EquationR2P2000y=391．23-1017．649x+448．52x20．680<0．012006y=303．17+197．29x-746．94x20．531<0．012012y=104．85+1511．44x-3212．70x20．224<0．01

將30 m的Landsat NDVI數據代入表2方程,得到30 m Landsat NPP,對Landsat NPP重采樣至1 km,與1 km分辨率的MODIS NPP比較(圖7)。Landsat NPP值偏低,整體均值為186 g C m-2a-1,MODIS NPP則為225 g C m-2a-1；且Landsat NPP分布也較為離散,變異系數為0.44,而MODIS NPP則為0.20。文中結果與Turner等[20]的研究相似,與楊會巾等[21]的研究結果則不同,楊會巾等[21]發現高分辨率的NPP模擬值高于低分辨率的模擬值。不同分辨率NPP之間的差異可能由以下兩方面原因造成,首先來自于模擬帶來的誤差,地形變化、植被結構差異等造成的環境因子的變異性較高,增加了NPP空間模擬的不確定性。其次,本文中不同分辨率NPP之間的差異可能來源于森林的結構差異[40],研究區域內多為中齡低產景觀林地,本模型未考慮高覆蓋度林地的實際生產力,在今后的研究中應考慮高覆蓋度植被與高生產力植被不對應的問題。

圖7 MODIS NPP與Landsat NPP擬合關系Fig.7 Modeling relationship between MODIS NPP and Landsat NPP

以往研究中也多次嘗試利用NDVI與NPP的相關性,建立二者的模型以計算NPP(表3)。蔣蕊竹等[35]與林志東和武國勝[24]構建的模型較簡單,但是由于數據來源影像分辨率較低,所以NPP結果的分辨率也低；孫成明等[41-42]的方程模擬效果較好,但是模型相對復雜,需要的參數較多；與以往研究結果相比,本文模型簡單分辨率高,但是模擬結果相關性偏低。模型結構、參數設置和驗證數據的不同會造成研究結果間的差異性,其次本文的估算模型沒有考慮植被擾動干擾、森林年齡結構等其他因素[40,43-44],這些因素均可能促成模型精度的降低。因此,提高本模型模擬精度是下一步亟待解決的問題。

3.2 景觀格局變化對區域NPP變化的影響

3.2.1 土地利用變化對區域NPP變化的影響

2000—2012年,北京市NPP總量呈先增長后降低的變化趨勢,這可能與區域土地利用類型的變化有關。2000—2006年,林地面積快速增長,產生大量高產幼齡林,而2006—2012年,林地面積增長減緩,耕地面積持續降低,這可能導致后期NPP的降低。值得注意的是,盡管13年間耕地面積顯著降低,但其NPP總量仍然為增長趨勢,這可能與農作物產量的提高有關,但考慮到耕地NPP約占植物NPP總量的23%,當前耕地面積驟減的趨勢不容樂觀。2000—2006年,土地利用面積變化促進了區域NPP的增長,這可能與該時期林地的增長有關；而在2006—2012年,土地利用面積變化則抑制了區域NPP的增長,這可能與該時期林地增長減緩,耕地持續大量減少有關。土地利用面積變化對區域NPP具有明顯的影響,在區域規劃建設時,應當協調各種用地類型的比例,維持區域的NPP。

表3 本文NPP模型與以往模型的比較

空間上,NPP分布為東南高,西北低,與土地利用類型對應后發現,耕地的NPP較高而林地則偏低,這與尹鍇等[28]的結果不同。北京市種子管理站數據顯示,2012年北京農作物類型中玉米所占比例為63%,其次為小麥(28%),這兩種農作物的生產力均較高,但北京市林地則多為低生產力的中齡林,這可能導致北京市耕地NPP高于林地。

3.2.2 景觀格局指數變化與區域NPP的關系

除了AI與NPP呈負相關,其他指數與NPP多呈正相關,這可能與土地利用的分布有關。新增的細碎斑塊為幼齡林具有較高的NPP產出,而長期集中分布的森林多形成低產中齡林導致NPP產量逐漸下降[27,45]。因此,隨著林齡的增加,區域土地利用的NPP可能會降低。景觀格局指數與NPP相關性逐漸加強,表明北京市景觀格局特征對區域NPP變化的影響也逐漸加強。對6個景觀格局指數進行主成分分析,第一個主成分的累積載荷在90%以上,PRD、SHDI、PD、FRAC和SPLIT與該主成分均呈負相關,AI與該主成分呈正相關,這與圖5中的相關分析結果一致。3個年份中,NPP均隨著第一主成分增大而降低,表明當前仍需豐富區域內植被類型,此外,還需要對區域內的森林采取撫育更新,維持一定面積成熟林的同時,保證適當的森林更新量。

4 結論

北京市NPP總量在近13 a內呈增長趨勢,區域面積變化明顯影響了區域NPP的分布。除面積變化外,各土地利用類型的年固碳能力變化也容易促使NPP的空間變化,例如農作物的產量和林齡效應干擾下的森林植被年固碳量等會影響NPP在該用地類型的空間分布。因此,在區域規劃建設時,應當充分考慮不同土地利用類型的特性,才能保持甚至提高區域植被的固碳能力。同時,土地斑塊的分布也顯著影響著NPP,隨著斑塊密度和豐富度的增長NPP呈增加趨勢,斑塊聚集度的增長則促使NPP降低。此外,區域內NPP增長量逐漸減緩是值得注意的問題,考慮到區域景觀格局的變化對NPP的顯著影響作用,可以加強區域內植被異質性和豐富度,對森林采取撫育更新,維持成熟林面積的同時,更新部分林地,將有利于維持區域的固碳能力,從而幫助增加區域碳增長空間。

[1] Albert M. The effects of urban patterns on ecosystem function. International Regional Science Review, 2005, 28(2): 168- 192.

[2] Imhoff M L, Tucker C J, Lawrence W T, Stutzer D C. The use of multisource satellite and geospatial data to study the effect of urbanization on primary productivity in the United States. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(6): 2549- 2556.

[3] Nizeyimana E L, Petersen G W, Imhoff M L, Sinclair H R, Waltman S W, Reed-Margetan D S, Levine E R, Russo J M. Assessing the impact of land conversion to urban use on soils with different productivity levels in the USA. Soil Science Society of America Journal, 2001, 65(2): 391- 402.

[4] Imhoff M L, Bounoua L, Defries R, Lawrence W T, Stutzer D, Tucker C J, Ricketts T. The consequences of urban land transformation on net primary productivity in the United States. Remote Sensing of Environment, 2004, 89(4): 434- 443.

[5] Tian G J, Qiao Z. Assessing the impact of the urbanization process on net primary productivity in China in 1989- 2000. Environmental Pollution, 2014, 184: 320- 326.

[6] 姜春, 吳志峰, 程炯, 錢樂祥. 廣東省土地覆蓋變化對植被凈初級生產力的影響分析. 自然資源學報, 2016, 31(6): 961- 972.

[7] 周濤, 史培軍. 土地利用變化對中國土壤碳儲量變化的間接影響. 地球科學進展, 2006, 21(2): 138- 143.

[8] Pei F S, Li X, Liu X P, Wang S J, He Z J. Assessing the differences in net primary productivity between pre-and post-urban land development in China. Agricultural and Forest Meteorology, 2013, 171- 172: 174- 186.

[9] Dong G T, Bai J, Yang S T, Wu L N, Cai M Y, Zhang Y C, Luo Y, Wang Z W. The impact of land use and land cover change on net primary productivity on China′s Sanjiang Plain. Environmental Earth Sciences, 2015, 74(4): 2907- 2917.

[10] Field C B, Behrenfeld M J, Randerson J T, Falkowski P. Primary production of the biosphere: integrating terrestrial and oceanic components. Science, 1998, 281(5374): 237- 240.

[11] Defries R S, Field C B, Fung I, Collatz G J, Bounoua L. Combining satellite data and biogeochemical models to estimate global effects of human-induced land cover change on carbon emissions and primary productivity. Global Biogeochemical Cycles, 1999, 13(3): 803- 815.

[12] Xu C, Liu M, An S, Chen J M, Yan P. Assessing the impact of urbanization on regional net primary productivity in Jiangyin County, China. Journal of Environmental Management, 2007, 85(3): 597- 606.

[13] 朱文泉, 潘耀忠, 何浩, 于德永, 扈海渡. 中國典型植被最大光利用率模擬. 科學通報, 2006, 51(6): 700- 706.

[14] 張杰, 潘曉玲. 天山北麓山地-綠洲-荒漠生態系統凈初級生產力空間分布格局及其季節變化. 干旱區地理, 2010, 33(1): 78- 86.

[15] Eisfelder C, Kuenzer C, Dech S, Buchroithner M F. Comparison of two remote sensing based models for regional net primary productivity estimation-a case study in semi-arid Central Kazakhstan. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 6(4): 1843- 1856.

[16] 李燕麗, 潘賢章, 王昌昆, 劉婭, 趙其國. 2000—2011年廣西植被凈初級生產力時空分布特征及其驅動因素. 生態學報, 2014, 34(18): 5220- 5228.

[17] 孫慶齡, 馮險峰, 肖瀟. 武陵山區植被凈第一性生產力的時空格局及其與地形因子的關系. 地球信息科學學報, 2014, 16(6): 915- 924.

[18] 謝寶妮, 秦占飛, 王洋, 常慶瑞. 黃土高原植被凈初級生產力時空變化及其影響因素. 農業工程學報, 2014, 30(11): 244- 253.

[19] 李成秀, 曹廣超, 吳成永, 陳克龍. 基于LandSat8 OLI數據的山區NPP遙感估算模型研究. 綠色科技, 2016, (4): 7- 9.

[20] Turner D P, Dodson R, Marks D. Comparison of alternative spatial resolutions in the application of a spatially distributed biogeochemical model over complex terrain. Ecological Modelling, 1996, 90(1): 53- 67.

[21] 楊會巾, 劉麗娟, 馬金龍, 王進, 李小玉. 基于Landsat 8遙感影像反演干旱區凈初級生產力的尺度效應. 生態學雜志, 2016, 35(5): 1294- 1300.

[22] 鄭元潤, 周廣勝. 基于NDVI的中國天然森林植被凈第一性生產力模型. 植物生態學報, 2000, 24(1): 9- 12.

[23] 李新. 基于MODIS數據的內蒙古森林凈初級生產力遙感估算研究[D]. 呼和浩特: 內蒙古農業大學, 2011.

[24] 林志東, 武國勝. 基于MODIS的大田縣均溪谷地NPP與NDVI相關性的時空變化特征. 亞熱帶資源與環境學報, 2015, 10(1): 27- 33.

[25] 劉芳, 遲耀斌, 王智勇, 王艷艷. 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. 生態環境學報, 2009, 18(3): 960- 966.

[26] 宋國寶, 潘耀忠, 張樹深, 朱文泉. 北京市植被凈生產力遙感測量與分析. 資源科學, 2009, 31(9): 1568- 1572.

[27] 王光華. 北京森林植被固碳能力研究[D]. 北京: 北京林業大學, 2012.

[28] 尹鍇, 田亦陳, 袁超, 張飛飛, 苑全治, 花利忠. 基于CASA模型的北京植被NPP時空格局及其因子解釋. 國土資源遙感, 2015, 27(1): 133- 139.

[29] 國志興, 王宗明, 張柏, 劉殿偉, 楊桄, 宋開山, 李方. 2000年—2006年東北地區植被NPP的時空特征及影響因素分析. 資源科學, 2008, 30(8): 1226- 1235.

[30] 劉世梁, 崔保山, 溫敏霞, 王娟, 董世魁. 縱向嶺谷區道路網絡特征和生態系統變異統計規律. 科學通報, 2007, 52(S2): 71- 77.

[31] 劉世梁, 趙海迪, 董世魁, 蘇旭坤, 劉琦, 鄧麗, 張翔. 基于SPOT NDVI的阿爾金山自然保護區植被動態變化研究. 干旱區研究, 2014, 31(5): 832- 837.

[32] 張月叢, 趙志強, 李雙成, 孟憲鋒. 基于SPOT NDVI的華北北部地表植被覆蓋變化趨勢. 地理研究, 2008, 27(4): 745- 754.

[33] 莊長偉, 歐陽志云, 徐衛華, 鄭華, 王效科, 白楊. 基于MODIS的海河流域生態系統空間格局. 生態學雜志, 2009, 28(6): 1149- 1154.

[34] 范娜, 謝高地, 張昌順, 陳龍, 李文華, 成升魁. 2001年至2010年瀾滄江流域植被覆蓋動態變化分析. 資源科學, 2012, 34(7): 1222- 1231.

[35] 蔣蕊竹, 李秀啟, 朱永安, 張治國. 基于MODIS黃河三角洲濕地NPP與NDVI相關性的時空變化特征. 生態學報, 2011, 31(22): 6708- 6716.

[36] Xu C, Li Y T, Hu J, Yang X J, Sheng S, Liu M S. Evaluating the difference between the normalized difference vegetation index and net primary productivity as the indicators of vegetation vigor assessment at landscape scale. Environmental Monitoring and Assessment, 2012, 184(3): 1275- 1286.

[37] 張琳琳, 孔繁花, 尹海偉, 孫振如, 莊艷美, 居為民. 基于景觀空間指標與移動窗口的濟南城市空間格局變化. 生態學雜志, 2010, 29(8): 1591- 1598.

[38] Fu Y C, Lu X Y, Zhao Y L, Zeng X T, Xia L L. Assessment impacts of weather and Land Use/Land Cover (LULC) Change on urban vegetation Net Primary Productivity (NPP): a case study in Guangzhou, China. Remote Sensing, 2013, 5(8): 4125- 4144.

[39] 張國棟. 黃河三角洲凈初級生產力、水分蒸散與景觀格局變化的關系[D]. 濟南: 山東大學, 2010.

[40] 李登秋, 張春華, 居為民, 劉麗娟. 江西省森林凈初級生產力動態變化特征及其驅動因子分析. 植物生態學報, 2016, 40(7): 643- 657.

[41] 孫成明, 劉濤, 田婷, 郭斗斗, 王力堅, 陳瑛瑛, 李菲, 李建龍. 基于MODIS的南方草地NPP遙感估算與應用. 草業學報, 2013, 22(5): 11- 17.

[42] 孫成明, 孫政國, 劉濤, 王力堅, 陳瑛瑛, 郭斗斗, 田婷, 李建龍. 基于MODIS的中國草地NPP綜合估算模型. 生態學報, 2015, 35(4): 1079- 1085.

[43] Coomes D A, Holdaway R J, Kobe R K, Lines E R, Allen R B. A general integrative framework for modeling woody biomass production and carbon sequestration rates in forests. Journal of Ecology, 2011, 100(1): 42- 64.

[44] Ter-Mikaelian M T, Colombo S J, Chen J X. Effect of age and disturbance on decadal changes in carbon stocks in managed forest landscapes in central Canada. Mitigation & Adaptation Strategies for Global Change, 2014, 19(7): 1063- 1075.

[45] Luyssaert S, Schulze E D, B?rner A, Knohl A, Hessenm?ller D, Law B E, Ciais P, Grace J. Old-growth forests as global carbon sinks. Nature, 2008, 455(7210): 213- 215.

Effectsofland-usechangeonnetprimaryproductivityinBeijingbasedontheMODISseries

CHENG Fangyan, LIU Shiliang*, ZHANG Yueqiu, YIN Yijie, HOU Xiaoyun

StateKeyLaboratoryofWaterEnvironmentSimulation,SchoolofEnvironment,BeijingNormalUniversity,Beijing100875,China

Understanding the impact of land-use change on Net Primary Productivity (NPP) is important in the elucidation of the relationship between the carbon assimilation ability of vegetation and land-use changes at the regional scale, which is also critical to the maintenance of regional ecological safety. Using Beijing as a case study, we analyzed the spatiotemporal distribution of NPP, and the impact of land-use changes based on land-use maps and MODIS data downscaled by 30-m resolution Landsat TM images from 2000 to 2012. The results revealed significant linear relationships between Landsat NDVI and MODIS NPP (R2values between 0.22 and 0.68,P< 0.01) and these linear functions were used to downscale the NPP data for this region. The NPP levels were also significantly affected by the area allocation and distribution of different land-use types. From 2000 to 2012, areas of woodland and grassland increased rapidly, whereas the area of farmland declined. Overall, the NPP of Beijing increased from 1.23 million t C to 1.9 million t C, and 66% of NPP was contributed by woodlands, followed by farmland (26%) and grassland (8%). For 2000 to 2006, land area variations benefited NPP growth and contributed 34% to its change, whereas the variations from 2006 to 2012 impeded NPP growth and contributed 27% to the change. Moreover, reduction of patch aggregation, and increment in patch density and patch richness density contributed to the enhancement of NPP. The results suggest that maintaining the current vegetation quantity and quality, and increasing local landscape heterogeneity and diversity would improve NPP in Beijing.

land-use change; net primary productivity; MOD17A3 NPP; spatiotemporal variation; landscape index

國家自然科學基金重點項目(41530635);國家自然科學基金面上(41571173)

2016- 06- 30; < class="emphasis_bold">網絡出版日期

日期:2017- 04- 25

*通訊作者Corresponding author.E-mail: shiliangliu@bnu.edu.cn

10.5846/stxb201606301342

成方妍,劉世梁,張月秋,尹藝潔,侯笑云.基于MODIS序列的北京市土地利用變化對凈初級生產力的影響.生態學報,2017,37(18):5924- 5934.

Cheng F Y, Liu S L, Zhang Y Q, Yin Y J, Hou X Y.Effects of land-use change on net primary productivity in Beijing based on the MODIS series.Acta Ecologica Sinica,2017,37(18):5924- 5934.