基于CASA-VPM模型的植被最大光能利用率研究

劉劍鋒，陳 琳，孟 琪，王 璇，王遠征，王來剛，張喜旺

(1.黃河水利職業技術學院，河南 開封 475004；2.河南省地質礦產勘查開發局 第三地質勘查院，河南 鄭州 451464；3.黃河中下游數字地理技術教育部重點實驗室，河南 開封 475004；4.河南省農業科學院 農業經濟與信息研究所，河南 鄭州450002;5.河南大學 環境與規劃學院，河南 開封 475004；)

光能利用率(ε)(Light energy utilization，LEU)可以直觀反映植被的長勢信息以及干物質累計狀況，表示單位面積上植被光合作用產生有機物質所利用的太陽輻射與吸收的太陽輻射的比值[1]。在最理想條件下的ε值即為最大光能利用率(εmax)[2]，既是遙感估算模型的關鍵參數，又是重要的生態學參數，對作物估產及碳源時空分布的研究具有重要意義。植被光合作用生成有機物質的過程也是碳物質積累的過程，二氧化碳是植被光合作用的重要原料，因此，碳循環與區域尺度植被生長狀況存在強烈的相關性。

εmax值的估測方法中，基于地面站點數據的研究適用于較小區域尺度[2]，由于數據分辨率及其經驗性限制，基于葉片尺度的ε值研究擴展到區域尺度較難實現。采樣調查和定點觀測方法受調查區域、觀測范圍的限制，很難實現動態時間尺度演變規律研究。遙感數據具有覆蓋區域較廣等優勢，為εmax值的估算提供重要的支持[3]。因此，基于遙感技術的估算模型被廣泛應用[4]。在大尺度的研究中，εmax值估算由傳統渦度相關通量觀測技術[5]、光量子推算法、生物量收獲方法逐漸演變為遙感方法。

然而，在基于ε的遙感估產模型研究，通常將εmax設為定值，如POTTER等[6]和FIELD等[7]研究陸地生態系統生產力時，將εmax值設定為0.389 g/MJ；朱文泉等[8]在研究中國典型植被的εmax值時，認為其介于0.472～1.064 g/MJ；YAN等[9]在研究農田的總初級生產力時，將玉米的εmax值設定為1.99 g/MJ，小麥的εmax值設定為1.64 g/MJ。實際上，εmax值隨植被類型及其空間分布有所差異。張美齡等[10]利用改進CASA模型模擬草原各類植被的εmax值時，認為全國均值是0.345 g/MJ；王保林等[11]的研究認為，εmax值應介于0.608～1.000 g/MJ；包剛等[12]利用野外實測數據結合模型計算，得出內蒙草原的εmax值平均為0.573 g/MJ。實際上，植被生長過程中，εmax值受到溫度、水分脅迫等外界因素及自身物候差異的影響，使其在不同植被類型間存在明顯的時空差異，即使同一植被類型內部，εmax值也會存在明顯的差異。當前的研究中，通常將εmax值根據植被類型設定為定值，或研究εmax值的范圍，利用統計數據計算得到基于行政單元研究結果[13]，或利用樣方實測數據反推εmax值[12]，鮮有利用遙感基于像元開展εmax值的研究。鑒于此，本研究綜合運用CASA(Carnegie-ames-stanford approach)和VPM(Vegetation photosynthesis model)模型，在像元尺度上研究εmax值，并結合土地利用數據，利用遙感手段，分析εmax值的時空變化規律，以及在林地、草地、水田、旱地之間的差異，并探索其影響因素。

1 材料和方法

1.1 研究區概況

研究區位于我國中東部(東經110°20′～116°40′，北緯31°22′～36°23′)，涉及黃河流域、長江流域、海河流域和淮河流域。整體地勢西部高東部低，平原面積占研究區總面積的55.7%，另有少量丘陵和盆地[14]。

河南省內秦嶺—淮河以北為暖溫帶(占總面積的70%)，南部屬亞熱帶。中、東部為黃淮海沖積平原，灌溉條件優越。農作物種植主要為小麥和玉米輪作的兩熟制[15-17]。

據2015年植被覆被數據，研究區域內，旱田占52.4%，其次是以落葉闊葉林為主的林地，占21.5%。本研究以林地、旱田、水田、草地4種植被覆蓋類型作為研究對象，對其凈初級生產力(Net primary productivity，NPP)和εmax值進行分析。

1.2 研究數據及預處理

1.2.1 氣象數據 氣象數據涉及共34個站點(研究區域內18個)，包括氣溫、降水、日照百分比等指標。

1.2.2 遙感數據 遙感數據為2001—2015年的MOD09 A1產品，8 d步長，空間分辨率500 m，以及由改數據集計算得到的歸一化植被指數數據。

采樣Albers投影，中央經線105°，標準緯線25°、47°。

1.2.3 其他輔助數據 2001—2015年的農作物產量、種植面積、化肥施用量等來自于《河南統計年鑒》，以縣為統計單元。

1.3 研究方法

研究總體技術路線如圖1所示，(1)計算NPP值并與農業統計數據進行整合處理，本研究利用CASA模型和關系模型結合的方法；(2)根據NPP值、植被吸收光合有效輻射(APAR)、ε值之間的內在關系，并結合VPM模型在像元尺度計算得到εmax值；(3)結合土地利用數據，分析4種植被覆蓋類型(林地、水田、旱田、草地)εmax值的時空變化及影響因素。

圖1 εmax值研究技術路線

1.3.1 εmax值的推導 CASA模型被用于計算NPP值[18]，公式如下：

NPP=APAR×ε

(1)

APAR=SOL×FPAR×0.5

(2)

式中，NPP(g/m2)；ε(g/MJ)；APAR(MJ/m2)；SOL為太陽總輻射(MJ/m2)；FPAR為光合有效輻射吸收比。

VPM模型由XIAO等[19]提出，將FPAR區分為光合和非光合部分，且在計算水分脅迫時利用遙感光譜指數，從而使之與遙感有更加緊密的結合。公式如下：

GPP=ε×FPAR×PAR

(3)

ε=εmax×Tscalar×Pscalar×Wscalar

(4)

式中，GPP(g/m2)為總初級生產力；εmax(g/MJ)；Tscalar、Wscalar、Pscalar分別為溫度、水分、葉齡的脅迫系數。

研究表明，NPP和GPP之間存在如下關系：

NPP=r×GPP

(5)

式中，r為植被NPP占GPP的比例[20]。

聯合公式(1)—(5)，得到εmax值：

(6)

1.3.2 APAR的計算 FPAR由NDVI計算得到[21-22]，公式如下：

FPAR(x,t)=

(7)

式中，NDVIi,max、NDVIi,min分別為第i種植被類型的NDVI最大、最小值。

太陽輻射是光合作用的能量來源。由于葉片大小、厚度等自身特征，不同植被在生長期內對太陽輻射有效吸收量存在差異。日太陽總輻射(SOLd)計算公式如下：

S0=

(8)

式中，S0為潛在太陽輻射[MJ/(m2·d)]；I0是太陽常數；T為周期；ρ指日地距離；σ為赤緯；ω0為日出時角；ψ為緯度。

SOLd值的計算需要引入日照百分率，并結合相應天文參數進行運算，公式如下：

(9)

式中，SOLd指日太陽總輻射[MJ/(m2·d)]；N為最大日照時數(h)；n為實際日照時數(h)；n/N為日照百分率；a、b為與大氣透明狀況有關的系數。

1.3.3NPP經驗關系模型 基于與NDVI關系估算模型計算NPP值[23-24]。計算公式如下：

(10)

1.3.4 相關脅迫參數的計算 溫度脅迫因子Tscalar計算公式如下：

Tscalar=Tε1×Tε2

(11)

Tε1(x,t)=0.8+0.002×Topt(x,t)-

0.000 5×T2opt(x,t)

(12)

Tε2(x,t)=1.184/{1+exp[0.2×(Topt(x)-10-

T(x,t))]}×1/{1+exp[0.3×(-Topt(x)-10+T(x,t))]}

(13)

式中，Topt(x,t)為最適宜溫度(℃)；Tε1為生長環境處于低溫或高溫時的脅迫系數；Tε2為從最適宜溫度向高溫或低溫轉變時的脅迫系數。

水分脅迫系數Wscalar計算公式如下：

(14)

(15)

式中，LSWI為地表水分指數，由近紅外波段BNIR和短波紅外波段BSWIR計算得到；

Pscalar為物候脅迫系數，與葉片壽命密切相關。當葉片壽命為1 a時，葉子出芽至充分舒展期間，Pscalar計算公式如下：

Pscalar=(1+LSWI)/2

(16)

植被葉片充分舒展后Pscalar=1.0；當植被冠層由不同葉齡的葉片構成，或生長季內新葉不斷出現的植被，Pscalar=1.0。

今年的各種優惠政策用的比較靈活，再加上增加了折扣卡的優惠政策，黑龍江銷售所屬分公司客戶維護得都比較好，特別有些分公司將折扣卡運用好了，流失的客戶和有流失傾向的客戶都及時地進行了補救。“黑河分公司僅運用折扣卡優惠政策就爭取了31個大型客戶。”洪松濤說。

2 結果與分析

2.1 河南省εmax值

2.1.1 APAR值 APAR值是NPP值估算的重要參數，反映植被生長狀況、有機物積累量。根據1.3.2中的估算模型，本研究分別提取了2001、2005、2010、2015年河南省的APAR值，如圖2所示。

圖2 河南省2001、2005、2010、2015年APAR值

結果顯示，研究區APAR值介于0.0～196.8 MJ/m2，15 a的均值為71.3 MJ/m2。整體上呈現西部、東部高，中部、北部低的分布格局。南陽大部分地區、洛陽東南部以及三門峽西南部的APAR值較高，結合土地利用數據可知，這些區域主要以林地為主；周口市、商丘、平頂山大部分、駐馬店東部的APAR值也較高，結合土地利用數據可知，這些區域以農田為主。APAR值較低區域主要分布在西部的黃土丘陵區、桐柏山大別山地區以及黃河兩側，結合土地利用數據可知，這些區域植被蓋度低，光合作用較弱。

2.1.2 年凈初級生產力(NPPy) NPPy值如圖3所示，NPPy值在600 g/(m2·a)以上區域的比例較大。NPPy值較高區域出現在以落葉闊葉林為主的西部林區[600.0～1 754.2 g/(m2·a)]和東部農區[705.0～899.0 g/(m2·a)]；NPPy值較低區域集中在鄭州附近、安陽西北以及信陽中部。整體隨時間呈現上升趨勢，增長較大的區域主要為東部農區。

圖3 河南省2001、2005、2010、2015年NPPy值

2.1.3 εmax值 基于1.3.1的推導，計算得到2001、2005、2010、2015年河南省εmax值如圖4所示。可見，εmax值在空間分布上呈現西南和西北部較高，其他地區相對較低的分布格局，εmax值介于0.000～4.796 g/MJ，最大值出現在2010年。

2001年εmax值>1.10 g/MJ的區域占研究區域總面積的41.58%，2005年增加至77.80%，2010年達到88.45%，而到2015年僅為5.86%。而對于εmax值低于0.70 g/MJ的區域，2001年占研究區域總面積的17.47%，2015年占研究區域總面積的65.93%。可以看出，εmax值空間分布與植被覆蓋類型有很大的相關性，εmax值較高的區域主要是旱田和林地，而水田和草地的εmax值較低。結合河南省幾種主要植被覆蓋類型進行分析，其εmax值大小表現為旱田>林地>水田>草地。其中，旱地與其他幾種植被覆蓋類型的εmax值差別較大，而草地和水田的εmax值較接近且沒有較大的年際變化，整體先上升，之后平緩下降；旱田的εmax值年際波動較明顯，且整體呈現下降趨勢。結合氣象數據可知，林地受到降水、氣溫等外界因素的影響明顯高于農田和草地；另外，由于耕作措施和對農田水分、肥力等條件的控制和調節，農田生態系統的ε值相對較高。因此，河南省東部平原農區植被εmax值主要受到人為因素的影響，而海拔較高的山區植被主要受到氣候的季節性變化的影響。

圖4 河南省2001、2005、2010、2015年的εmax值

2.2 不同植被覆蓋類型的εmax值

如圖5所示，不同植被覆蓋類型εmax值大小排序為林地>旱田>水田>草地。εmax值整體上隨時間呈現下降趨勢，這是因為隨著城市化水平的提高，植被覆蓋率有所下降。εmax值與植被覆蓋類型密切相關，因為用于光合作用的葉面積較大，從而使得林地εmax值較高。另外，εmax值與溫度和水分的協同作用有關，南陽、信陽地區處在溫帶、亞熱帶之間，濕度、溫度、水分適宜，光合作用受到促進，反之，光合作用則會受到抑制[25-26]。黃河濕地的自然氣候與人工保護使其植被覆蓋類型豐富，從而εmax值明顯較高。

圖5 河南省不同植被覆蓋類型εmax值年際變化

不同植被覆蓋類型εmax值的月尺度變化如圖6所示，εmax值在6—8月份達到最大，可見，εmax值與環境氣候條件有明顯的相關性，適宜的光照、溫度和濕度等條件是εmax值增加的前提。2—4月份和9—12月份不同植被覆蓋類型εmax值的大小順序為林地>旱田>水田>草地。其中，旱田在4月份(1.120 g/MJ)和7月份(1.572 g/MJ)分別出現2個峰值，與河南大部分地區一年兩熟的作物種植制度相吻合。而水田在7月份出現出1個波峰(1.250 g/MJ)。

圖6 河南省不同植被覆蓋類型εmax值月尺度變化

εmax值反映的是植被利用太陽輻射能量的效率，當太陽輻射強度增加的幅度大于或小于作物進行干物質積累的強度時，εmax值會有所下降。可以看到，旱田εmax值春夏季節較大，一方面是由于光照、降水的緯度分布規律影響，另一方面是由于植被物候與太陽輻射、溫度、水分的協同作用影響。

2.3 與統計資料相關性分析

本研究使用河南縣域尺度農業統計資料估算εmax值，并與上述估算結果進行對比，如圖7所示，決定系數(R2)達到0.648 2，具有顯著的相關性，說明研究所得到的結果具有可靠性。另外，由于農業統計數據容易受到人為因素、政策等因素影響，而遙感產品受氣候等自然因素、人為因素的影響較小，某種程度上能更加客觀地反映εmax的真實狀況。

圖7 基于統計資料的εmax值與基于遙感模型的εmax值相關性分析

2.4 河南省εmax值環境影響因素分析

本研究選擇對εmax值可能產生影響的環境因素，如二氧化碳含量、有效灌溉面積和化肥使用折純量等，與εmax值進行相關分析，結果如表1所示。

表1 εmax值與環境影響因素的相關性

結果顯示，化肥使用折純量與εmax值呈明顯的正相關(相關系數為0.66)，說明化肥明顯促進農作物的生長。作為光合作用的重要原料，二氧化碳含量對植被碳物質積累、呼吸消耗具有較大影響，相關系數達到0.61；有效灌溉面積、植被含水指數與εmax值的相關系數分別達到0.53、0.56。可見，εmax值的變化是自然、人為因素共同影響的結果。因此，在農作物生長的關鍵階段，適當增加人為的影響可以提高對εmax值，從而增加作物生產潛力。

3 結論與討論

εmax值常被簡化為常數[6-7]，而現有對εmax值空間差異的研究中，多以行政區為單元，利用統計資料計算εmax值，很少基于像元開展研究[4,8,13]。本研究綜合運用CASA和VPM模型，在像元尺度計算河南省2001—2015年的植被εmax值，分析其時空變化特征，及其影響因素。

河南省εmax值時空變化明顯，空間上呈現西南和西北部較高，其他地區相對較低的分布格局；不同植被覆蓋類型εmax值年際間整體上隨時間呈下降趨勢；而月尺度分布上，除旱田呈現雙峰外，其他植被覆蓋類型εmax值均呈現單峰模式，與河南省的作物種植制度吻合。這樣的時空分布規律與植被的生長發育規律以及水熱氣候條件緊密相關。

不同植被覆蓋類型εmax值之間差別明顯，其中，林地在年際和月尺度εmax值均明顯高于其他植被覆蓋類型；旱田εmax值與河南省大部分地區一年兩熟的作物種植制度相關，呈現2個峰值。

影響εmax值的環境因素中，二氧化碳含量與εmax值的相關系數達到0.61；而化肥的適當使用可以促進作物生長，從而提高光能利用率，化肥使用折純量與εmax值的相關系數達到0.66；充足的水分是植物生長的必要條件，因此有效灌溉面積、植被含水指數與εmax值的相關系數均超過0.50。可見，可以通過人為影響可以改變εmax值，為提高農作物生產潛力和產量提供了理論依據。

在像元尺度估算εmax值的關鍵在于提取NPP值，本研究通過結合VPM和CASA模型，現實了對εmax值的估算，但仍然不是完全具有物理意義的解決方案，需要進行后續研究。