河南省陆地植被净第一性生产力估算及其时空分布

李军玲，邹春辉，刘忠阳，郭其乐，郭 鹏

（1．中国气象局农业气象保障与应用技术重点开放实验室，河南 郑州450003；2．河南省气象科学研究所，河南 郑州450003）

植被净第一性生产力（net primary productivity，NPP）是指绿色植物在单位面积、单位时间内所累积的有机物数量［1］。NPP作为地表碳循环的重要组成部分，不仅直接反映了植被群落在自然环境条件下的生产能力，表征陆地生态系统的质量状况，而且是判定生态系统碳汇和调节生态过程的主要因子［2］，在全球变化及碳平衡中扮演着重要的作用。

NPP的研究方法很多，但在区域或全球尺度上，人们无法直接、全面地测量，因此利用模型估算NPP已成为一种重要且被广泛接受的研究方法［3－4］。目前国内外关于NPP的模型很多。Ruimy和Saugier［5］把这些模型概括为3类，即统计模型（statistical mode）、参数模型（parameter mode）和过程模型（process－based model）。统计模型也称为气候相关模型，以 Miami模型、Thornthwaite Memorial模型等为代表。统计模型是利用气候因子来估算NPP，因此大部分统计模型估算的结果是潜在植被生产力。过程模型是在参数模型上的引申，其中最为普通的处理方式是在参数模型基础上加上温度、水分及养分等参数，代表性的模型有TEM（terrestrial ecosystem model）模 型、BIOME－BGC（biome bio－geochemical cycles model）模型等。这些过程模型是从植被机理出发而建立的NPP模型，因此在大尺度NPP和全球循环研究中被广泛应用。随着遥感和计算机技术的发展，利用遥感模型进行NPP估算已深入到许多领域。遥感作为唯一能重复连续获取地表环境数据的手段克服了以往以点代面尺度推绎过程中的累积误差［6］，使将实地测量数据与卫星遥感信息相结合，联系植物生理生态学过程和环境因子的NPP模型研究成为当前研究的热点［7］。基于资源平衡理论的光利用率过程模型在遥感技术的支持下更容易实现区域及全球尺度的NPP估算［8－9］。在小区域 NPP估算方面，王莺等［10］通过建立干物质遥感反演模型，采用干物质转碳率来估算甘南草地NPP，为提高小区域NPP的估算精度提供了参考。卫亚星和王莉霞［11］为提高NPP的估算精度，对NPP的空间尺度效应进行了研究。

本研究在GIS的支持下，利用地面气象数据和MODIS数据，考虑到最大光利用率在不同植被类型中的差异，构建了一个区域陆地植被NPP估算模型，以2008年的河南省植被为例，对NPP进行了估算，并对其进行时空分布的分析。

1 数据来源

所用的EOS／MODIS数据为河南省气象科学研究所接收并预处理的数据。整个预处理过程使用的算法及对此数据集的讨论和分析在文献［12］中有详细介绍。数据选取2008年1－12月的月最大值合成归一化植被指数（NDVI）。

地面气象数据来源于河南省气象局，时间为2008年1－12月，包括气温、降水、太阳辐射以及118个气象站点的经纬度和海拔。计算NPP需要栅格化的气象数据，并从空间上与遥感数据相匹配。本研究根据各气象站点的经纬度信息，通过对气象数据进行Kringing插值和基于数字高程模型（DEM）的插值，获取像元大小与NDVI数据一致、投影相同的气象要素栅格图［13］。

2 研究方法

采用CASA模型对NPP（以C计）进行估算，由植物吸收的光合有效辐射（APAR）和光利用率（ε）表示，其估算公式如下：

式中，t为时间，x 为空间位置；APAR（x，t）为像元x在t月份吸收的光合有效辐射［14－15］；ε（x，t）为像元x在t月份的实际光利用率。

2．1 APAR的估算 植物吸收的APAR取决于太阳总辐射和植物本身的特征，估算公式为：

式中，SOL（x，t）为t月份在像元x处的太阳总辐射量（MJ／m2）；FPAR（x，t）为植被层对入射光合有效辐射的吸收比例；常数0．5为植被所能利用的太阳有效辐射（波长0．38～0．71μm）占太阳总辐射的比例。

对于FPAR的计算采用Ruimy和Saugier［5］提出的如下计算公式：

2．2 光利用率的估算 Potter等［15］认为理想条件下植被具有最大光利用率，而现实条件下的最大光利用率主要受温度和水分的影响，计算如公式为：

式中，Tε1（x，t）和 Tε2（x，t）为低温和高温对光利用率的胁迫作用，Wε（x，t）为水分胁迫影响系数，反映水分条件的影响，εmax为理想条件下的最大光利用率。Tε（x，t）反映在低温和高温时植物内在的生化作用对光合的限制而降低NPP［16］。

式中，Topt（x）为某一区域一年内NDVI值达到最高时的当月平均气温。NDVI的大小及其变化可以反映植物的生长状况，NDVI达到最高时，植物生长最快，此时的气温可以在一定程度上代表植物生长的最适温度。Tε1（x，t）表示环境温度从最适温度Topt（x）向高温和低温变化时植物光利用率逐渐变小的趋势，这是因为低温和高温时高的呼吸消耗必将降低光利用率，生长在偏离最适温度的条件下，其光利用率也一定会降低。

当某一月平均温度T（x，t）比最适温度高10℃或低13℃时，该月的Tε2（x，t）值等于月平均温度T（x，t），为最适温度时Tε2（x，t）值的一半。

由于CASA模型所用的土壤水分子模型涉及到大量的土壤物理参数，比较难以获取而且精度难以保证，本研究采用了周广胜和张新时［17］建立的区域实际蒸散模型来求取Wε，该模型主要利用的是气象数据，数据较容易获取且计算简便。Wε反映了植物所能利用的有效水分条件对光利用率的影响。随着环境中有效水分的增加，Wε逐渐增大。它的取值范围为0．5（在极端干旱条件下）到1．0（非常湿润条件下）。

式中，EET（x，t）为区域实际蒸散量（mm），根据周广胜和张新时［17］建立的区域实际蒸散模型求取；PET（x，t）为 区 域 潜 在蒸散 量 （mm），可 根 据Bouchet提出的互补关系求取［18］。

式中，r（x，t）为像元x在t月的降水量，Rn（x，t）为像元x在t月份的太阳净辐射量（mm）。

式中，BT＝∑t／365或∑T／12；t为大于0℃与小于30℃的日均温；T为0℃与小于30℃的月均温。

根据河南省的实际植被分布及地理情况，对εmax进行了相应的改进。由于CASA模型所采用的固定最大光利用率0．389g／MJ并不适用于中国的植被［19－20］，Running 等［21］根 据 生 态 生 理 过 程 模 型BIOME－BGC模拟的结果，赋予不同的植被覆盖类型以不同的最大光利用率，这样通过植被类型所赋予的最大光利用率的值就更接近中国的实际情况。河南省森林植被相对少且单调，主要以落叶阔叶林为主，经调整后具体取值如表1所示。

表1 不同植被类型的最大光利用率 （εmax） g／MJ

3 结果与分析

先对2008年1－12月逐月进行NPP的计算，然后将12个月的NPP累加起来得到2008年全年的NPP总量分布图。

3．1 模型精度评价 区域及全球尺度的NPP精度评价一直是一个非常困难的问题，也引起了很多的争议，评价的方法一般有两种：一是与实测数据对比，二是与其他模型所估算的结果进行对比［22］。NPP的实测数据获取比较困难，试验点上所得到的数据也很难推广到区域及全球的尺度，而且往往存在NPP获取的时间与模型所模拟的时间不一致的情况，所以在进行NPP验证时，二者之间因为环境变化异常而存在着一定程度的不可比性。本研究通过两种方法对模型进行验证。

3．1．1 与其他模型对比验证 把本研究模拟结果和Miami模型、Montreal模型、Chinkugo模型的计算结果进行对比（表2），可以看到本研究结果和Miami模型结果最为接近。与Miami模型反映的趋势较为一致，除耕地外，从大到小的顺序为森林、灌丛、草地、其他植被，主要差别在耕地，Miami模型结果较大。再从其他两个模型的趋势来看，也与本研究所得模型一致，耕地小于有森林，和草地差别不大。说明该模型对区域陆地植被NPP的模拟效果较好。

3．1．2 通过与实测数据进行对比验证 河南省主要植被类型是森林植被和农田植被。森林植被NPP通过中国气象科学数据共享服务网下载的站点数据对比进行验证。数据库里河南省境内的点只有4个可用，数据对比结果如表3所示。从表3中可以看出，有一定误差，但是在可接受的范围内。

农田植被NPP由历年粮食产量数据进行验证。河南省耕地主要为一年两熟作物，分别是夏玉米（Zea mays）和冬小麦（Triticum aestivum）。选取主要农作物为一年两熟（夏玉米＋冬小麦）的50个县，以2007年为例，通过作物收获指数（表4）和粮食产量数据（表5）对农田NPP进行验证。

NPP＝（玉米产量×0．433＋小麦产量×0．361）×0．475［23］。

再从整体通过粮食产量数据对河南省农田NPP进行验证。1997－2008年河南省农田NPP均值和粮食数据均值显示，验证数据和模拟数据非常接近。

表2 各生态系统年平均净第一性生产力与国内其他研究以及实测数据的比较 g／（m2·a）

表3 净第一性生产力实测值和模型值对比

表4 中国各类作物谷草比和收获指数［25］

表5 2007年净第一性生产力验证过程数据

表6 12年来粮食产量验证数据和模型估算数据对比

验证结果表明，CASA模型最适合河南省植被净NPP的估算研究。

3．2 河南省净第一性生产力的空间分布 计算结果表明，2008年河南省NPP生产量为34．87 Mt／a。NPP在不同植被类型间的差异是很明显的（表2）。其中，森林植被的平均年NPP最高，达429．48g／（m2·a）；然后依次为灌丛、草地和耕地。河南省植被类型分布比较明显，林区主要分布在西部山区、北部和山西交界地区以及南部与湖北交界地区，这些地区的NPP最高（图1）；同时河南是农业大省，农作物为主要植被类型，遍布在村庄和城镇周围，由于农作物自身特殊的生长周期，从收获到出苗是无植被覆盖的，因此全年平均NPP值最低。另外，灌木林地在河南省分布较少，主要分布在森林植被边缘地带，其值仅次于森林植被；而草地分布也并不多，在冬季地上部分干枯，NPP全年平均值和耕地基本持平。同时，从图1（a）和（b）的对比可以看出，河南省植被类型分布和NPP分布几乎完全一致。

3．3 河南省NPP的季节变化 河南省NPP的季节变化情况有2个峰值，分别是5和8月（表7）。从表7计算所得，5和8月的NPP值分别占全年的18．98%和19．36%；5、7和8月的和占全年总量的56．84%，超过了全年的一半。河南省是农业大省，冬季过后天气转暖，经过返青恢复期之后，5月植物生长茂盛，森林、灌丛等植被的NPP均值达到全年最大值，同时主要农作物冬小麦正值快速生长期；7、8月太阳辐射丰富，水热条件适合植物生长，其中8月农田植被NPP均值达到全年最大，农作物玉米集中在这段时间生长，同时森林、灌丛、草地等植被NPP均值接近全年最大值。由于6月处于冬小麦收获和秋作物播种期，耕地作为河南省的主要植被类型基本无植被覆盖，因此形成一个NPP低值；10月－次年3月，由于气温较低，植物生长缓慢，12月－次年2月植物基本停止生长，因此这段时期内植被的NPP只占全年的1．38%。

图1 河南省2008年净第一性生产力分布图（a）和植被分布图（b）

表7 河南省2008年净第一性生产力分布及季节变化

4 结论

本研究是首次对河南省NPP进行模拟，在GIS和RS的支持下，利用地面气象数据和MODIS数据，同时考虑河南省自身实际地理和植被覆盖情况，在对最大光利用率和水分胁迫系数的获取进行相应地改进的基础上，利用CASA模型对河南省植被净第一性生产力进行了估算，并分析了其时空分布。结论如下：

通过改进，在模型数据的获取上更加容易，所用到的地面数据有降水量、气温、太阳辐射等常规站点数据，以及MODIS卫星数据。但是这种改进并没有影响该模型原有的植物生理生态学基础，同时在参数上的简化使其实际可操作性得到进一步加强。

本研究模拟结果和Miami模型结果相似，它们反映的趋势也较为一致，除耕地外，从大到小的顺序为森林、灌丛、草地、其他植被，主要差别在耕地，Miami模型结果较大。再从其他模型的趋势来看，也和本研究模型一致。

从空间分布来看，河南省NPP分布和植被类型分布几乎完全一致，森林植被最大，然后依次是灌丛、草地、耕地等。从时间分布来看，12、1和2月NPP最小，植物基本停止生长，这段时期内植被的NPP只占全年的1．38%；5、7和8月的NPP最大，占全年总量的56．84%。

［1］ Liu J，Chen J M，Chen W．Net primary productivity distribution in the BOREAS region from a process model using satellite and surface data ［J］．Journal of Geophysical Research，1999，104（D22）：27735－27754．

［2］ Fleld C B，Behrenfeld M J，Randerson J T，et al．Primary production of the biosphere：Integrating terrestrialand oceanic components ［J］．Science，1998，281（5374）：237－240．

［3］ Alexandrov G A，Oikawa T，Yamagata Y．The scheme for globalization of a process－based model explaining gradations in terrestrial NPP and its application ［J］．Ecological Modeuing，2002，148（3）：293－306．

［4］ Cramer W，Kicklighter D W，Bondeau A，et al．Comparing global models of terrestrial net primary productivity（NPP）：Overview and key results［J］．Global Change Biology，1999，5（Suppl．1）：1－15．

［5］ Ruimy A，Saugier B．Methodology for the estimation of terrestrial net primary production from remotely sensed data［J］．Journal Geophysical Research，1994，97：18515－18521．

［6］ 田永生，郭阳耀，张培栋，等．区域净初级生产力动态及其与气象因子的关系［J］．草业科学，2010，27（2）：8－17．

［7］ 王莺，夏文韬，梁天刚．陆地生态系统净初级生产力的时空动态模拟研究进展［J］．草业科学，2010，27（2）：77－88．

［8］ 朴世龙，方精云，郭庆华．利用CASA模型估算我国植被净第一性生产力［J］．植物生态学报，2001，25（5）：603－608．

［9］ 陈利军，刘高焕，励惠国．中国植被净第一性生产力遥感动态监测［J］．遥感学报，2002，6（2）：129－135．

［10］ 王莺，夏文韬，梁天刚，等．基于 MODIS植被指数的甘南草地净初级生产力时空变化研究［J］．草业学报，2010，19（1）：201－210．

［11］ 卫亚星，王莉雯．净初级生产力遥感估算模型尺度效应的研究［J］．资源科学，2010，32（9）：1783－1791．

［12］ 刘玉洁，杨忠东．EOS／MODIS遥感信息处理原理与算法［M］．北京：科学出版社，2001．

［13］ 潘耀忠，龚道益，邓磊，等．基于DEM的中国陆地多年平均 温 度 插 值 方 法 ［J］．地 理 学 报，2004，59（3）：366－374．

［14］ 郭志华，彭少麟，王伯荪，等．GIS和RS支持下广东省植被吸收PAR的估算及其时空分布［J］．生态学报，1999，19（4）：441－447．

［15］ 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 Biogeemical Cycles，1993，7（14）：811－841．

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

［17］ 周广胜，张新时．自然植被净第一性生产力模型初探［J］．植物生态学报，1995，19（3）：193－200．

［18］ 张志明．计算蒸发量的原理与方法［M］．成都：成都科技大学出版社，1990．

［19］ 彭少麟，郭志华，王伯荪．利GIS和RS估算广东植被光利用率［J］．生态学报，2000，20（6）：903－909．

［20］ 张娜，于贵瑞，于振良，等．基于3S的自然植被光能利用率的时空分布特征的模拟［J］．植物生态学报，2003，27（3）：325－336．

［21］ Running S W，Thornton P E，Nemani R．Global terrestrial gross and net primary productivity from the earth observing system［A］．In：Sala O E，Iaokson R B，Mooney H A，et al．Methods in Ecosystem Science［M］．New York：Springer Verlag，2000：44－57．

［22］ 朱文泉，潘耀忠，龙中华，等．基于GIS和RS的区域陆地植被NPP估算——以中国内蒙古为例［J］．遥感学报，2005，9（3）：300－307．

［23］ 张峰，周广胜．中国东北样带植被净初级生产力时空动态遥感模拟［J］．植物生态学报，2008，32（4）：798－809．

［24］ 孙睿，朱启疆．中国陆地植被第一性生产力及季节变化研究［J］．地理学报，2000，50（1）：36－45．

［25］ 张福春，朱志辉．中国作物的收获指数［J］．中国农业科学，1990，23（2）：83－87．