福建省杉木林植被凈初級生產力時空特征及影響因子分析

徐偉濤林嘉源丘麗萍張帆賴日文

(福建農林大學 林學院,福州 350002)

0 引言

全球氣候變暖是當前人類面臨的主要生存考驗,IPCC報告顯示全球表面溫度較一百年前平均升高1.09 ℃,中國是最受影響的區域之一。森林作為陸地生態系統中最大的碳庫,在調節全球二氧化碳含量、緩解氣候變暖和維持碳平衡中起到了不可替代的作用[1],增加森林碳匯是實現“雙碳”目標的有效策略。植被凈初級生產力(Net Primary Productivity,NPP)也稱凈第一性生產力,指植物在單位面積和時間內所積累的有機物量,能有效表征植被固碳能力[2]。NPP作為地表碳循環的重要組成部分,是量化森林碳循環的重要指標,也是判定生態系統碳匯和調節生態過程的主要因子。目前,NPP估算模型可大致分為統計模型、生理生態過程模型和光能利用率模型3類[3]。CASA(Carnegie-Ames-StanfordApproach)模型作為光能利用率模型的代表,是最廣泛、最成熟的NPP估算模型,其基于植物光合作用過程和光能利用率,通過遙感數據和氣象數據估算NPP,具有快速實現廣泛時空動態NPP估算的優勢。

氣候的變化對植物的生長發育和碳積累有著重要影響。Luo等[4]研究發現青藏高原有54 %和89 %的像元NPP與年平均氣溫和年降水量呈負相關,約68 %的像元顯示年太陽輻射與NPP呈正相關。地形因子能夠通過影響水、熱和肥等資源在時空中的分配,使植被群落形成垂直景觀格局和差異,多方面影響著植被的生產力。李金珂等[5]研究表明NPP與海拔、坡度間梯度性特征明顯,并且海拔對NPP的影響變化幅度較坡度更大。此外,土壤養分狀況與植被產量息息相關。葛萍等[6]研究發現不同毛竹林總生物量與土壤有機質、全氮和速效磷存在不同程度的正相關,其中土壤有機質含量是影響毛竹生產力的關鍵因素。大尺度區域中環境是造成植被NPP時空分異的主要因素,因此研究主要氣候因子、地形因子和土壤養分因子與植被凈初級生產力之間的關系能夠較好地揭示植被及其群落對環境變化的響應。

杉木(Cunninghamialanceolata)是我國南方林區的主要速生用材樹種。福建省現有杉木林面積占全國杉木林面積的11.9%,其面積和蓄積均為福建所有樹種之最,對福建省森林碳匯和可持續發展起著決定性作用[7]。而福建省作為杉木中心產區,還未有學者探究其杉木林NPP時空分布情況,并且對于杉木NPP的影響因子也鮮有報道。為此,本研究基于改進的CASA模型估算2006年、2011年和2016年福建省杉木林NPP,通過探究杉木林NPP的時空分異特征和潛在影響因子的梯度響應,指明杉木人工林中心產區的高生產力的核心區域,探尋杉木林NPP的主要影響因素,為杉木人工林合理布局提供理論依據,為福建省森林碳匯經營提供科學參考。

1 研究區概況與方法

1.1 研究區概況

福建省地處我國東南沿海,位于23°33′～28°20′ N,115°50′～120°40′ E,東西最長480 km,南北最寬530 km,總面積約為12.4萬km2。地貌呈“八山一水一分田”之態,屬亞熱帶季風性氣候,常年平均氣溫17～21 ℃,年降水量約為1 400～2 000 mm,是中國雨量最為豐富的省份之一。區域氣候差異明顯,閩南地區屬南亞熱帶氣候,閩西和閩北地區屬中亞熱帶氣候,受地形影響氣溫和降水的垂直性差異也較明顯。福建省是全國六大林區之一,森林面積達811.58萬hm2,森林植被總生物量達87 296.84萬t,碳儲量為42 848.88萬t,森林覆蓋率66.80%,已連續42 a位居全國首位,是我國南方重要的生態屏障。

1.2 數據來源與處理

1.2.1 MODIS數據

遙感數據源自美國地質調查局USGS網站(https://doi.org/10.5067/MODIS/),采用MOD13Q1產品作為歸一化植被指數(NDVI)源數據,空間分辨率為250 m,時間分辨率為16 d,運用MAT工具批量提取NDVI,采用最大合成法生成逐月數據。利用MOD17A3HGF產品作為NPP驗證數據,其間分辨率為500 m,時間分辨率為1 a,單位為kg/(m2·a)。

1.2.2 氣象數據

來源于國家氣象科學數據中心(http://data.cma.cn/),獲取福建省及其周邊96個氣象臺站的地面氣候日值數據集和月氣象輻射基本要素月值數據集,利用matlab軟件對日值氣象數據進行預處理,篩選可利用數據計算各站點逐月氣象數據。氣象數據空間插值常用Kriging插值法、反距離權重插值法、最優插值法和Aunsplin插值法等[8-10],其中Aunsplin插值法已被證實能在一定程度上提高NPP的估算精度[11],故使用Aunsplin氣象專用插值工具薄盤樣條函數空間插值獲取研究區逐月氣象空間數據。

1.2.3 植被類型數據

基于福建省第3次森林資源二類調查成果的小班矢量邊界和優勢樹種數據,將植被類型按優勢樹種分為非林地、馬尾松、杉木、闊葉樹、竹林、經濟林和灌木林共7種類型,提取研究區植被類型和杉木矢量邊界。

1.2.4 DEM數據

來源于NASA’s Earth Science Data Systems(https://earthdata.nasa.gov/),下載ALOS 12.5 m分辨率研究區DEM數據,使用ArcGIS 10.8柵格表面分析工具提取海拔、坡度和坡向數據。

1.2.5 土壤屬性數據

來源于地球系統科學數據共享網,獲取福建省1∶25萬土壤評價數據(2002年),根據福建省土壤養分分類及分級標準重編碼[12],提取福建省表層土壤有機質、全氮、全磷及全鉀數據。

由于數據來源各異,各項數據格式存在較大差異,為此運用ArcGIS 10.8將所有數據投影轉換為WGS_1984_UTM_Zone_50N坐標,重采樣為250 m分辨率并利用研究區矢量邊界進行掩膜提取。

1.3 研究方法

1.3.1 基于改進的CASA模型的NPP(公式中用NPP表示)估算

采用朱文泉等[13]改進的CASA模型,該模型已經得到了多位學者的驗證[14-16]。其主要公式如下

式中:APAR(x,t)為像元x在t月份的光合有效輻射(APAR),MJ/m2;ε(x,t)為像元x在t月份實際光能利用率,g/MJ;FPAR(x,t)為植被對于太陽總輻射的吸收比例(FPAR);SOL(x,t)為像元x在t月份接受到的太陽總輻射(SOL);T1和T2分別為低溫和高溫的脅迫作用;W為水分脅迫因子;εmax為像元x所在植被類型的最大光能利用率。

作為CASA模型的2個重要參數,FPAR和εmax直接影響估算結果,利用NDVI數據計算各植被類型NDVI和比值植被指數(SR)最大值和最小值,結合溫度和降水脅迫修正研究區植被的FPAR。當前對于NPP估算研究中所用的植被最大光能利用率普遍為0.389～1.25 g/MJ[17-19],且已有研究證實亞熱帶地區植被光能利用率高于全國和全球的平均水平[20],對比選擇Running根據BIOME-BGC模型所模擬出典型植被的εmax作為本研究的參數[21]。最終參數見表1,將相關數據與參數導入ENVI Classic軟件中,運用凈植被初級生產力估算插件生成3個年份的時間序列NPP數據。

表1 福建省不同年份各植被類型參數表Tab.1 Parameters of vegetation types in different years in Fujian Province

1.3.2 估算結果驗證方法

研究區域較廣,大范圍的NPP實地測量難以實現,因此采用以下2種方式對估算結果進行檢驗:一是在像元尺度將模擬結果值與MODIS的NPP數據進行對比,MOD17A3HGF數據是當前最成熟的MODIS NPP產品,已證實其能較好反映全球生態系統的植被生產力水平[22-24],并且常被用于NPP估算模型的驗證[25],研究隨機生成270個驗證點,最小生成距離為10 km,提取各驗證點不同年份的CASA模型模擬值和MOD17A3HGF數據值,借助SPSS 25.0進行線性回歸分析;二是在區域尺度與其他學者對于福建省植被NPP的研究結果進行比較[26]。

1.3.3 統計與分析

根據杉木林NPP的估算結果分布情況,結合ArcGIS 10.8重分類工具標準差方法,將福建省杉木林分單元的NPP分為低值(≤450 g/(m2·a))、較低值(450 g/(m2·a)＜NPP≤700 g/(m2·a))、中值(700 g/(m2·a)＜NPP≤1 000 g/(m2·a))、較高值(1 000 g/(m2·a)＜NPP≤1 300 g/(m2·a))和高值(＞1 300 g/(m2·a))5個等級進行分區統計。

采用SPSS 25.0軟件Pearson相關性分析杉木林NPP與各環境因子間的相關性,采用方差分析檢驗NPP在各環境因子梯度間的差異性,后利用Excel 2016軟件制作相關性圖和梯度變化柱狀圖。所有數據在分析前均進行正態性檢驗,若數據不通過正態性檢驗,則對其進行對數轉化。

2 結果與分析

2.1 NPP估算結果驗證

采用MOD17A3HGF植被凈初級生產力產品對模型估算結果進行驗證,如圖1所示,3個年份CASA模型估測值與MOD17A3數據之間均存在顯著線性關系(P＜0.01),散點的分布整體與1∶1線較為接近,其決定系數(R2)分別為0.581 9、0.615、0.553 6,CASA模型反演的各期NPP平均值分別為765.37 、793.00 、816.74 g/(m2·a),而MOD17A3平均值分別 為823.1、818.6 、794.6 g/(m2·a),2006年估測平均值與MOD17A3平均值相差約58 g/(m2·a),2011年和2016年兩者的差值均在25 g/(m2·a)左右,檢驗結果表明基于改進的CASA模型NPP估測值與MOD17A3HGF數據較為接近,整體擬合度較好,相關性較高。

圖1 各期NPP估測值與MOD17A3對比Fig.1 Comparison of NPP estimates in each period and MOD17A3

通過查閱福建省植被NPP相關研究文獻,有多位學者通過不同模型或數據源開展福建省區域NPP估算研究,不同研究的NPP年均值見表2。本研究3期的NPP平均值介于眾學者研究結果范圍內。且本研究杉木林NPP均值與其他學者關于杉木林或常綠針葉林的研究結果(693.04～863.7 g/(m2·a))較為接近。綜合與MOD17A3 NPP數據的對比結果可說明NPP數據基本可靠。

2.2 杉木林NPP的時空特征

2.2.1 福建省杉木林NPP的時間變化

利用優勢樹種為杉木的小班矢量邊界提取出各期杉木林NPP,逐月統計研究區杉木林NPP的平均值,由圖2可以看出,杉木林NPP季節變化明顯,逐月平均值呈現倒“V”形趨勢,即隨著時間序列先增后減,夏季杉木林NPP較高,2006年、2011年均在8月份達到NPP的峰值,分別為131.99 g/m2和136.23 g/m2,2016年則是7月份NPP平均值最高,為132.27 g/m2。冬季杉木林NPP較低,NPP平均值均小于35 g/m2,各期NPP平均值最低月份均出現在1月,分別為18.83 、19.20 、23.71 g/m2。結果表明6—9月是杉木林最主要的生長期,月NPP平 均值均大于100 g/m2。

表2 不同研究的福建省NPP均值對比Tab.2 Comparison of NPP mean values of different studies in Fujian Province

根據圖3的杉木林NPP各等級占比變化可知,2006年NPP為中值及以上單元占比為61.18%,2011年中值及以上單元占比為67.96%,2016年中值及以上單元占比為72.68%,表明福建省杉木林

圖2 福建省杉木林NPP月變化Fig.2 Monthly variation of NPP of Chinese fir forests in Fujian Province

2.2.2 福建省杉木林NPP的空間分布

由圖4可知,福建省的杉木林空間分布呈現為南平市和三明市為首的西部和北部較多,東南部沿海地區較少。由圖5可知,3個年份的NPP分級地市占比較為一致,NPP較高值單元龍巖市占比最高,其次是三明、南平和漳州等地市,其余NPP分級單元均呈現南平市和三明市的占比較高。作為杉木林面積最多的南平市和三明市區域,其杉木林分分生產力以中、高生產力(NPP為中值以上)占優勢,從2006年、2011年到2016年中、高生產力區域占比呈現增長的趨勢。像元占全省的2/3,2006年、2011年和2016年該區域中、高生產力杉木林分單元分別占全省杉木林分總面積的36.04%、41.98%和45.60%,是名副其實的福建省杉木核心產區。但同時3期南平市和三明市的低生產力區域也分別占全省杉木總面積的27.05%、21.12%和17.49%,雖然2016年該區域杉木林分NPP相較2006年和2011年已有所提高,但仍有較大的增產潛力。

圖3 福建省各期杉木林NPP分級占比Fig.3 The proportion of NPP grades of Chinese fir forests in different periods in Fujian Province

圖4 各期福建省杉木林NPP分布Fig.4 NPP distribution of Chinese fir forests in Fujian Province at different periods

2.3 杉木林NPP與各影響因子的關系

2.3.1 各因子與杉木林NPP的相關性分析

研究選取了年平均溫度、年降水量、年太陽總輻射、海拔、坡度、坡向、土壤有機質、全氮、全磷和全鉀10個影響因子,借助ArcGIS 10.8和SPSS 25.0逐像元統計分析杉木林NPP和各因子的相關性,由圖6的0.01水平下的顯著性檢驗結果表明:海拔、年降水量、坡度、年太陽總輻射、土壤有機質含量、全氮和全鉀等因子與杉木林NPP之間呈現顯著正相關,年平均氣溫、坡向、全磷與杉木林NPP之間呈顯著負相關關系。海拔對杉木林NPP的影響最大,各期相關系數分別為0.378、0.371、0.277,而坡度、年太陽總輻射、年降水量、年平均氣溫和土壤有機質含量等因子的相關系數也均大于0.1。土壤全氮、全磷、全鉀和坡向等因子與NPP相關性相對較小,其中坡向對杉木林凈初級生產力解釋力最小,各期相關系數均小于0.05。

圖6 杉木林NPP與各因子的相關性Fig.6 Correlation between NPP of Chinese fir forest and various factors

2.3.2 氣候因子與杉木林NPP的關系

為進一步探究各因子的影響機制,本文逐像元統計杉木林NPP在各因子梯度下的變化,其中采用相等間隔方式將各期氣候因子分為5個梯度帶。

由圖7可知,各期不同溫度梯度杉木林NPP之間均存在顯著性差異,NPP平均值呈現隨著年平均氣溫梯度的增加而遞減的變化趨勢。2006年、2011年不同降水量梯度的杉木林NPP之間均存在顯著性差異,2006年除第Ⅱ梯度與第Ⅳ梯度差異不顯著外其余梯度的NPP存在顯著差異,總體上NPP平均值隨年降水量的升高而升高。各期杉木林NPP在不同太陽輻射梯度間均存在顯著差異,總體上NPP平均值隨太陽總輻射的升高而升高。

2.3.3 地形因子與杉木林NPP的關系

將海拔以相等間隔劃分為8個梯度,采用第九次全國森林資源清查福建省清查操作細則坡度和坡向劃分標準,將坡度和坡向分別劃分為6個梯度和8個梯度。由圖8可知,各期杉木林NPP在海拔Ⅵ—Ⅷ梯度間差異不顯著,其余梯度帶間存在顯著差異,NPP平均值表現為隨著海拔升高而升高,在第Ⅵ梯度后(海拔1 200 m以上)趨向平緩。2006年和2016年杉木林NPP在Ⅴ—Ⅵ坡度梯度間差異不顯著,其余梯度帶間均存在顯著差異,杉木林NPP平均值呈現隨坡度升高而升高。各期坡向梯度上杉木林NPP的差異不明顯,杉木林整體上在北、東北、東和東南地理坡向上NPP較高,其余坡向NPP平均值略低。

圖7 各期杉木林NPP在氣候因子梯度上的變化Fig.7 Changes of NPP of Chinese fir forest on the gradient of meteorological factors in different periods

圖8 各期杉木林NPP在地形因子梯度上的變化Fig.8 Changes of NPP on topographic factor gradients in Chinese fir forests in different periods

2.3.4 土壤養分與杉木林NPP的關系

采用賴日文的方式將福建土壤主要養分分為6個梯度[12],由圖9可知,福建省杉木林主要分布在梯度Ⅱ—Ⅵ的土壤有機質梯度范圍內,其中在Ⅱ—Ⅳ梯度間NPP差異不顯著,其余梯度帶上NPP存在顯著差異,2006年杉木林NPP沿土壤有機質梯度遞增,2001年和2016年NPP平均值在第Ⅲ略減,而后隨著有機質含量升高而升高。不同土壤全氮梯度下杉木林NPP平均值的整體變化幅度較小,第Ⅰ梯度與第Ⅳ梯度之間、第Ⅱ梯度與第Ⅲ之間差異不顯著,整體表現為沿全氮梯度杉木林NPP平均值呈“增—減—增”的趨勢。不同土壤全磷梯度之間杉木NPP的差異性較不顯著,總體上杉木林NPP平均值也隨著全磷梯度的升高而呈現“增—減—增”的變化特征。不同全鉀梯度間的差異較不明顯,且各期的顯著性不同,杉木林NPP平均值沿著全鉀梯度上下波動,但Ⅳ—Ⅵ梯度的NPP平均值明顯高于前3個梯度。

圖9 各期杉木林NPP在土壤養分梯度上的變化Fig.9 Changes of NPP in soil nutrient gradient in Chinese fir forests in different periods

3 討論與結論

3.1 討論

本研究發現杉木林NPP與年降水量和太陽總輻射間呈顯著正相關,與年平均溫度間呈現顯著負相關。太陽輻射是植物能量的主要來源,水是光合作用必不可少的原料,同時降水使土壤濕度增大,進而改善土壤對杉木根部水分的輸送,因此降水量和太陽輻射的增加能有效加強植物光合作用速率。而研究區中、高生產力的杉木林分單元大多分布在南平市、三明市等年均溫較低的區域,在年均溫較高的閩南沿海杉木分布極小,整體上呈現杉木林NPP隨溫度梯度遞減,這主要由于氣溫存在明顯的季節變化,結合馬帥[31]發現夏季NPP與同期氣溫呈負相關的研究結果,夏季作為杉木最主要的生長期,適當的溫度在促進植物生長的同時能夠有效減緩杉木的蒸散作用,過高的氣溫反而制約杉木生長。

海拔差異會促使氣候形成垂直地帶性,是影響生物環境的重要因子。不同海拔下林分的氣溫、降水、土壤組合不同,而不同坡度會形成局地小氣候的變化,從而影響地表徑流、排水狀況及水土的保持、流失,對植被生長吸收水分能力也有影響。福建省具有“八山一水一分田”的地理特點,研究區大部分區域為山地丘陵,海拔梯度明顯,其中杉木林分所在的海拔梯度范圍為0～1 665 m,在此區間內杉木林分NPP隨海拔梯度和坡度上升而增加,呈顯著正相關,這與王蘭芳等[32]對于浙江省杉木林的地理分異特性的研究結果較為一致。而另一地形因子坡向與杉木林分凈初級生產力之間存在顯著的負相關,但其相關性較弱,李雨鴻等[33]和張月等[34]的研究均表明NPP在不同坡向上的分布差異不大。

土壤是維持林木健康生長的基質,是衡量林分生產力高低的重要技術指標, 其肥力特征影響并控制著林木的生長和健康狀態,土壤養分是構成土壤肥力的最關鍵因素,也是杉木生長發育的必要條件[6]。研究結果表明,杉木生產力隨土壤有機質含量的增長而增長,兩者呈顯著正相關,土壤有機質是土壤養分的主要來源,充足的土壤有機質能為杉木的生長提供良好的養分環境,故而生產力較高。土壤的N、P、K含量一定程度上反映林分土壤養分的貯量和供應能力,研究中杉木林分NPP與土壤全氮、全鉀呈顯著正相關,與全磷呈微弱的顯著負相關,今后的杉木栽培管理中,施肥應以施用氮肥和鉀肥為主。

本文基于福建省森林資源二類調查數據進行植被分類,能夠有效提高CASA模型的估算精度。今后將利用近期的杉木生產力情況,加深對福建省杉木生產力長時序機制的理解,根據影響因子的變化趨勢助力福建省杉木碳匯研究。此外,林分密度、混交度、撫育間伐和林齡等林分因子和人為因素也對杉木的生產力存在影響[35-39],但受限于數據獲取未能納入本研究,未來研究應進行更全面的潛在影響因素分析。

3.2 結論

以福建省杉木林為研究對象,基于改進的CASA模型結合MODIS數據、森林資源調查數據和氣象臺站觀測數據估算和分析2006年、2011年和2016年的杉木林NPP及其時空分異特征,并選取主要影響因子分析不同梯度下杉木林NPP的變化特征及相關性,最終確定影響福建省杉木林NPP的主要因子。主要結論如下:

(1)杉木林NPP季節變化明顯,NPP平均值隨月份增長而先增后減,6—9月是杉木林最主要的生長期。福建省杉木林NPP以中、高生產力占優勢,其中南平市和三明市是福建省杉木的核心產區。

(2)杉木林NPP與年降水量、年太陽總輻射、海拔、坡度、土壤有機質、全氮和全鉀之間呈顯著正相關,杉木林NPP與年平均氣溫、坡向和全磷之間呈顯著負相關。

(3)海拔、坡度、年太陽總輻射、年降水量、年平均氣溫和土壤有機質是影響福建省杉木林NPP的重要因子。且杉木林NPP總體上隨海拔、坡度、太陽總輻射、年降水量和土壤有機質的升高而遞增,隨年平均氣溫的升高而遞減。