利用不同时相遥感影像估算大兴安岭北部火干扰后NPP

胡海清，苏志杰，魏书精，孙 龙

(东北林业大学林学院，哈尔滨150040)

森林是陆地生态系统的主体，在全球物质循环和能量流动中具有重要的地位［1］。森林火灾是森林生态系统重要的干扰因子，对碳循环和碳平衡具有重要影响［2］。火干扰作为大兴安岭森林生态系统中重要的干扰因子，对该区的净初级生产力NPP(net primary productivity)产生重要影响。NPP是生态系统中植被碳固定与碳释放之差，是大气中的碳进入生物群落的主要途径。理解NPP对火干扰的响应，了解NPP在火干扰后的变化规律，是揭示火干扰对生态系统碳循环影响的基础，对认识火干扰在森林生态系统碳平衡的地位有重要作用［3］。国外在火干扰对NPP的影响方面研究较多。Reed等［4］在美国黄石国家公园1988年大火发生9 a后，测量样地内松林叶面积指数和地上NPP，其值在相同密度的成熟林范围内，这表明NPP在火后迅速恢复。Amrio等［5］利用AVHRR影像对加拿大北方森林的研究表明，火干扰后植被NPP会持续增长20～30 a，其后会保持平稳约60 a。Jeffery等［6］利用 AVHRR －NDVI数据研究北美北方森林火干扰后NPP恢复，结果显示平均恢复期为9 a。Harden等［7］在模拟北美地区火干扰对碳循环的影响时，发现NPP需要约10 a时间恢复到火干扰前水平。Diaz－Delgado等［8］研究泰罗尼亚森林时，发现火干扰后该生态系统恢复约需7 a。国内孙龙等［9］利用森林清查资料，采用空间代替时间的方法，调查了1987年大兴安岭火干扰后落叶松林NPP恢复动态，研究发现火后乔木层NPP在21 a间呈逐渐增加趋势，并在23～24 a达到未过火林地水平。王玉涛等［10］也采用空间代替时间的方法，研究了川西高山松林火后NPP恢复动态，结果表明火干扰后乔木、灌木和草本分别表现出不同的恢复过程。孔繁华等［11］利用遥感数据研究了大兴安岭北部不同强度火干扰后景观变化。目前国内有关火干扰后植被恢复研究较少，多数集中在景观恢复研究［12－13］。本研究以 1987年 “5·6”大火火后植被NPP为研究对象，对火干扰后植被恢复进行了定量研究，为火干扰后森林生态系统碳平衡研究提供基础数据具有重要意义。

1 材料与方法

1.1 研究区概况

研究地点位于黑龙江省大兴安岭林区北部(52°2' ～ 53°3'N，121°4' ～ 124°2'E)，面 积16799 km2。该区属寒温带季风气候，年均气温－2～4℃，最低气温 －52.3℃，最高气温39.0℃。年降水量350～500 mm，降水集中于7～8月份。相对湿度70%～75%，积雪期达5个月，林内雪深30～50 cm。土壤以棕色针叶林土和暗棕壤为主。全区山势比较平缓，海拔在300～1400 m左右，15°以内的缓坡占80%以上。区内林型以杜鹃(Rhododendron)－落叶松(Larix gmelinii)林、杜香(Ledum palnstre)－落叶松林、草类落叶松(Larixgrass)林、樟子松(Pinus sylvestris)林、白桦(Betula platyphylla)－落叶松林、白桦林、蒙古栎(Quercusm ongolica)林为主。该区为我国森林火灾高发区，年均森林过火面积居全国之首，是我国森林火灾危害最严重的地区［14］。如图1所示。

图1 研究区域位置Fig.1 Location of the study area

1.2 CASA模型

估算NPP的模型有统计模型、参数模型和过程模型［15］。其中过程模型以植物生理生态为基础建立的模型，在模拟NPP上更加可靠［16］。本文在研究中采用的CASA模型，就是过程模型中的一种。1972年，Monteith在对农作物生产力的研究中首先提出利用植被所吸收的光和有效辐射APAR(Absorbed photosynthetically active radiation)和光能转 化率 ε 估 算 NPP［17］。1993 年，Potter在Monteith研究基础上，建立了CASA(Carnegie－A-mes－Stanford Approach)模型，并用此模型对全球陆地净初级生产力进行了估算。CASA模型充分考虑了环境条件和植被本身的特点，以遥感和地理信息系统为依托，利用遥感数据、温度、降水、太阳辐射等气象数据以及植被类型和土壤类型估算NPP［18］。

CASA模型是典型的光能利用率模型，在该模型中，NPP由植被吸收的光合有效辐射 (APAR)和光能转化率ε来驱动。公式如下:

式中:x表示像元的空间位置，t表示像元的时间;APAR(x，t)表示t时在x处植被所吸收的光和有效辐射 (MJ·m－2·月－1);ε(x，t)为 t月在 x 处的实际光能利用率 (g C·MJ－1)。

式中:PAR(x，t)是t月在像元x处植被所能利用的有效太阳辐射(MJ·m－2);FPAR(x，t)为植被对入射光合有效辐射的吸收比例，取决于植被类型和植被覆盖状况。可以利用遥感资料提取的归一化植被指数 (NDVI)和比值植被指数 (SR)分别估算。而根据Los研究表明，用这两种植被指数估算的FPAR(x，t)平均值与实测值之间误差最小，具体算法见文献［19－20］。

在现实条件下光能利用率ε受温度和水分及最大光能利用率εmax的影响，如下:

式中:Tε1和 Tε2表示温度对光能转化率的胁迫作用，Wε为水分胁迫作用系数，可采用Potter［18］提出的方法计算;εmax理想条件下植被的最大光能转化率，根据Potter［18］的研究，全球植被的最大光能转化率为0.389 g C·MJ－1。但在实际中εmax受植被类型的影响，本文采用朱文泉等模拟的中国典型植被类型最大光能利用率结果［20］。

1.3 数据来源与处理

遥感数据来源于中国科学院对地观测与数字地球科学中心，三幅影像分别为1987年6月15日TM影像，1999年8月11日ETM+影像，2009年8月30日TM影像。卫星传感器成像时，受到太阳位置、大气气溶胶、传感器自身特性和地形起伏等因素的影响，使遥感图像产生了几何畸变和辐射失真。几何畸变和辐射失真降低了图像的质量，影响了图像应用价值，在使用遥感图像前，必须对遥感影像预处理，校正误差，消除影响。本研究中对遥感图像进行几何校正、辐射矫正和大气校正等预处理。由于卫星成像时会受云量影响，本文只选到了云量影响最小三幅影像。

火灾数据为1987年手绘火灾等级图，在Arcgis 9.2中利用已校正的TM影像对火灾等级图进行了数字化，如图2所示。

图2 1987年“5·6”大火数字化等级图Fig.2 Digital level distribution map of the great fire in May 6，1987

气象数据为1987～2009年大兴安岭地区气候资料日值数据及和辐射日值数据集，来源于中国气象科学数据共享服务网 (http://cbc.cma.gov.cn/)。利用GIS对气象数据进行了栅格化，并从空间上与遥感数据相匹配。植被分类数据来源于黑龙江省二级土地覆盖分类图。

2 NPP估算与精度验证

2.1 NPP估算

根据对CASA模型的分析，如图3所示流程在ENVI 4.7中输出三个时期NPP数据图层，如图4、图5和图6所示。

图3 CASA模型估算NPP流程Fig.3 Steps to estimate NPP by CASA model

图4 1987年6月NPP分布图Fig.4 Distribution of average NPP in June，1987

图5 1999年8月NPP分布图Fig.5 Distribution of average NPP in August，1999

2.2 精度验证

图6 2009年8月NPP分布图Fig.6 Distribution of average NPP in August，2009

利用模型估算NPP，其精度评价长期以来是一个非常困难的问题，也引起了很多争议。估算结果验证方法一般有两种:与样地实测数据对比，以及与其他模型估算结果对比。NPP的实测数据直接获取比较困难，样地上获取的数据也很难扩展到区域尺度，并且经常存在实测NPP的时间与遥感资料的时间不一致的情况。在利用实测数据对模拟结果验证时，因尺度不同和环境异常而存在误差［21］。

2.2.1 2009年8月NPP模拟结果与实测数据对比

研究基于2009年7月末和8月末实测的塔河地区生物量数据相减，得到8月份净增生物量，换算成生产力，将剔除异常值的实测数据空间位置在Arcgis9.2中与模拟值一一对应，进行精度检验(如图7所示)，可以看出模拟结果与实测结果吻合性很好。由于实测数据是来自各样地内乔灌草的NPP之和，而本研究模拟值是整个生态系统的NPP，因此存在一定的差异也是合理的。

图7 NPP模拟值与实测值拟合Fig.7 Fitting of the simulated and observed NPP

2.2.2 2009年8月模拟结果与其他模型对比

本文还与毛学刚利用BEPS模型［22］，王萍利用IBIS模型［23］模拟的NPP作了对比。BEPS是基于过程的生物地球化学模型，涉及到生化、生理和物理的机理，结合生态学、生物物理学、植物生理学、气象学和水文学，耦合了碳水过程来模拟植物的光合、呼吸、碳的分配、水分平衡和能量平衡关系，能对NPP很好地估测［22］。IBIS属于生物物理－动态植被耦合模型，以动态植被模型为基础，集成生物圈模型，将地表与水文过程、陆地生物地球化学循环以及植被动态等整合一体化，将陆地表面水平衡、陆地碳平衡以及植被动态整合来综合描述陆地生态学过程，可模拟生态系统的碳、水和能量平衡，还可耦合大气模型分析陆地生物圈过程的未来动态［24］。IBIS模型通过输入样地和气象、植被信息，对NPP的模拟有较好的结果［23］。从表1可知，本研究模拟NPP平均值高于BEPS模拟值，而低于IBIS模拟值，介于BEPS和IBIS两种模型模拟值之间。BEPS模型模拟的是整个东北地区，本研究模拟了大兴安岭北部地区，研究区域尺度不同。IBIS模型数据来源于森林清查资料，本研究采用卫星影像，实测样地数据与遥感数据也存在点与面的关系。不同空间尺度模拟结果不能单纯的在空间上内推和扩展，因此本研究模拟结果与BEPS、IBIS模拟结果产生误差，但是从样地到区域NPP的模拟趋势是一致的。综合实测数据的对比，本研究模拟NPP值比较合理。

表1 三种模型模拟结果对比 (g C m－2)Tab.1 Comparison of NPP results using three models(g C m－2)

3 结果与分析

3.1 未过火区NPP变化

未过火地区1987年6月NPP值为145 g C m－2，1999年8月为151 g C m－2，2009年8月为196 g C m－2。大兴安岭地区从5月开始进入生长季，到7月份NPP到达峰值，9月份末生长基本结束。变化曲线近似对称单峰型，其中6月份与8月份NPP值近似［25－26］，因此在本研究中，可以对1986年6月份NPP与1999年8月和2009年8月份NPP相比较 (如图8所示)，以此来分析22 a间未过火地区NPP变化，并为过火地区NPP提供对照。根据研究，自20世纪80年代末以来，我国不同植被净初级生产力都在逐渐增加。且高寒地区的变化斜率最大，这可能是由于在这些地区植被生长的限制条件主要是温度，而全球变暖是不争的事实，因此以大兴安岭北部为代表的地区NPP增加很快。而同时我国在20世纪90年代末期实施了天然林保护工程，在大兴安岭天然林区实施了禁伐和减伐的措施，给天然林的生长带来了良好契机。天保工程实施后，还增加了大量防护林，使该地区森林面积增加，森林覆盖率增加，森林蓄积量也快速增加。科学合理的保护和抚育措施的实施，也是促进大兴安岭地区NPP快速增加的原因。

3.2 过火区NPP变化

1987年“5·6”大火使大兴安岭北部地区森林遭到严重的破坏，使NPP迅速下降。火后对火场进行了科学考察［27］，研究发现无论是轻度、中度，还是重度过火区，森林灌木层、草本层和地被物层基本被烧光。而乔木层由于具有一定的抗火性，在不同强度火干扰下损失不同。以未过火区NPP与过火区进行对照 (如图9所示)，轻度过火区NPP降到74 g C m－2，降低了49%。轻度过火区受害较轻，乔木层死亡30%，主要是烧死了各树种的幼树、下木以及抗火性较差的樟子松和白桦等。而生长健壮的白桦、甜杨及部分兴安落叶松未受害或受害较轻。轻度过火区尚存70%的活立木，使轻度过火区保存了相当的生产力水平。中度过火区，NPP降到58 g C m－2，降低了60%。火场内林木死亡率在30% ～70%，但还有一定数量的活立木存活下来，约为70%～30%。在重度过火区，NPP降到36 g C m－2，降低了73%。在重度过火区最严重的火场，乔木全部被烧死，枯枝落叶烧光，幼树，下木化为灰烬，NPP几乎降到0。重度过火区树木死亡率70%以上，活立木只有不到30%。幼树、下木全部烧死，枯枝落叶烧光。而活立木的树皮、树干和树冠也有部分被烧掉。大火烧掉的地被物使土壤肥力增加，火灾后不久，烧死的中、小径木的白桦树干基部就发出很多萌芽条，很多有萌生能力的灌木也萌发新枝，如杜鹃和杜香等，有地下根、茎的草本在火烧后生长茂盛。这为火干扰后植被恢复提供了基础。

图8 未过火区1987年6月、1999年8月、2009年8月NPP比较Fig.8 Comparison of NPP results of unburned area in 1987(June)，1999(August)，and 2009(August)

图9 1987年6月不同强度过火区和未过火区NPP比较Fig.9 comparison of NPP results of low burned，medium burned，and high burned area in 1987(June)

3.3 火干扰不同年限后NPP变化

1999年8月，火干扰12 a，未过火区植被NPP为151 g C m－2，轻度过火区NPP为149 g C m－2，中度过火区NPP为147 g C m－2，重度过火区NPP为146 g C m－2，分别达到了未过火区的98%、97%和96%。过火区生产力恢复迅速，在火干扰12 a后NPP基本恢复到了对照地区的水平。在对火烧迹地的调查中发现，火干扰后当年和之后一两年，灌草层的生物量较小，但在火后5 a内始终保持增加趋势，在5 a左右，过火区内灌草生物量达到甚至略大于对照区的灌草层生物量，通常在5～7 a，灌草层就恢复到了未过火区NPP水平［28］。火干扰后林内透光率加大，阳光充足，白桦和山杨等快速生长，并在演替层成为优势树种，过火区生产力得到了快速的恢复。火干扰后12 a时，过火区NPP就基本达到与未过火区同等水平。如图10所示。

图10 不同强度过火区1987年6月、1999年8月、2009年8月NPP分布Fig.10 Distribution of NPP in low burned，medium burned，and high burned area in 1987(June)，1999(August)，and 2009(August)

2009年8月，火干扰后22 a，未过火区植被NPP为196 g C m－2，轻度过火区NPP为191 g C m－2，中度过火区NPP为187 g C m－2，重度过火区NPP为183 g C m－2。2009年8月过火区 NPP与1999年8月过火区NPP相比，增加了20%多，但是与同时期未过火区对照分别只占到97%、95%和93%，同比下降了3%。火干扰后12 a到22 a，随着乔木层郁闭度增加，林内阳光减少，使林下灌草层喜光植物的生长和发育受到阻碍，种类减少，生产力增长也降低，甚至下降。而乔木层随着林内乔木均匀度增加，土壤养分在短时间内无法补充白桦和山杨等速生树种的需求，在土壤养分多的地方乔木分布比较集中，从而又使乔木层的生长受到限制［29－30］。在过火区还存在很多兴安落叶松母树和种子，随着兴安落叶松的恢复，又取代了一些白桦和山杨。火干扰后22 a，过火区正在处于演替阶段，相对与未过火区的成熟林，其生产力相比有些下降。但随着过火区兴安落叶松在数量、胸径和树高上取代白桦、山杨，形成适应本地气候的兴安落叶松林，其生产力还会增加。

4 结论与讨论

随着RS和GIS技术的发展，高分辨率的遥感资料为估测区域和全球NPP提供了丰富的数据，以植被光能利用率为基础的CASA模型参数获取容易，在我国的实际应用中取得了很好的效果。本研究利用TM和ETM+影像、气象、植被数据估算了大兴安岭北部地区不同火强度干扰后NPP，通过实测数据和其他模型的对比，结果可靠，表明CASA模型在大兴安岭北部也有较好的适用性。

1987年“5·6”大火使灌草层全部死亡，仅有乔木层部分树木存活。不同强度火干扰影响不同，对照未过火区NPP，轻度过火区NPP下降49%，中度过火区下降60%，重度过火区下降73%。强烈的大火对大兴安岭碳平衡和碳循环造成了严重的影响［9］。火后随着时间的推移，植被逐渐恢复，过火区灌草层最先恢复。而随着白桦和山杨等萌发能力强、喜光树种的生长，火干扰12 a后，过火区生物量恢复到对照区相近水平，NPP恢复到对照区96%以上。标志着过火区生产力基本恢复到未过火区的水平。火干扰22 a后，过火区NPP与未过火区对照，相比火干扰12 a时比重下降了3%，虽然生产力增速降低，但NPP总量还是在增加。“5·6”大火干扰后22 a来，随着人工恢复，天然林保护工程等政策的实施，过火区植被得到了充分的恢复，森林面积和覆盖率得到了充分的发展，使该地区在区域甚至全球碳平衡和碳循环中作用大大增强，为我国森林火灾科学管理和火烧迹地植被恢复提供了量化的参考资料。

本研究模拟NPP值及其在火后的植被变化状况，是在理想条件下该地区只受1987年“5·6”大火对植被的影响估测的，而实际上该地区由于林火频率很高，1987年后还发生了多起森林火灾，但是面积都较小，造成的破坏远小于“5·6”火灾，因此忽略这些火灾的影响。建立更详细的林火数据库，使用精度更高和周期更短的遥感资料，综合考虑林龄及林地条件对火后NPP恢复的影响，是未来研究工作需要探讨的问题。

［1］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.

［2］赵 彬，孙 龙，胡海清，等.兴安落叶松林火后对土壤养分和土壤微生物生物量的影响［J］.自然资源学报，2011，26(3):451－459.

［3］吕爱锋，田汉勤，刘永强.火干扰与生态系统碳循环［J］.生态学报，2005，25(10):2734 －2743.

［4］ Reed R A，Finley M E，Romme W H，et al.Above-ground net primary production and leaf area index in early postfire vegetation in Yellowstone National Park［J］.Ecosystems，1999，2(1):88 － 94.

［5］ Amiro B D，Chen J，Liu J.Net primary productivity following forest fire for Canadian ecoregions［J］.Canadian Journal of Forest Research，2000，30(6):939 －947.

［6］ Jeffrey A H，Gregory P A，Eric S K，et al.Postfire response of North American boreal forest net primary productivity analyzed with satellite observations［J］.Global Change Biology，2003，9(8):1145 －1157.

［7］ Harden J W，Trumbore S E，Stocks B J，et al.The role of fire in the boreal carbon budget［J］.Globe Change biology，2000，6(S1):174－184.

［8］ Diaz-Delgado R，Pons X.Spatial patterns of fires in Catalonia(NE of Spain)along the period 1975-1995 Analysis of vegetation recovery after fire［J］.Forest Ecology and Management，2001，147(1):67 －74.

［9］孙 龙，张 瑶，国庆喜，等.1987年大兴安岭林火碳释放及火后 NPP 恢复［J］.林业科学，2009，45(12):100 －104.

［10］王玉涛，马钦彦，侯广维，等.川西高山松林火烧迹地植被生物量与生产力恢复动态［J］.林业科技，2007，32(1):37 －40.

［11］孔繁华，李秀珍，尹海伟.大兴安岭北坡林火迹地森林景观格局的变化［J］.南京林业大学学报(自然科学版)，2005，29(2):33－37.

［12］王绪高，李秀珍，贺红士，等.大兴安岭北坡落叶松林火后植被演替过程研究［J］.生态学杂志，2004，23(5):34 －41.

［13］孔繁华，李秀珍，王绪高，等.林火迹地森林恢复研究进展［J］.生态学杂志，2003，22(2):60 －64.

［14］郭福涛，胡海清.大兴安岭森林火灾中主要乔木树种含碳气体释放总量的估算［J］.应用生态学报，2008，19(9):1884－1890.

［15］冯险峰，刘高焕，陈述彭，等.陆地生态系统净第一性生产力过程模型研究综述［J］.自然资源学报，19(3):369－378.

［16］张 娜，于贵瑞，赵士洞，等.基于遥感和地面数据的景观尺度生态系统生产力的模拟［J］.应用生态学报，2003，14(5):643－652.

［17］ Monteith J L.Solar radiation and productivity in tropical ecosystems［J］.Journal of Applied Ecology，1972，9(3):747 －766.

［18］ Potter C S，Randerson J T，Field C B，et al.Terrestrial ecosystem production:a process model based on globe satellite and surface data［J］.Globe Biogeochemical Cycle，1993，7(4):811 － 841.

［19］ Los S O，Justice C O，Tucker C J.A global by NDVI dataset for climate studies derived from the GIMMS continental NDVI data［J］.International Journal of Remote Sensing，1994，15(17):3493 －3518.

［20］朱文泉，潘耀忠，何 浩，等.中国典型植被最大光利用率模拟［J］.科学通报，51(6):700 －706.

［21］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.

［22］毛学刚.东北森林碳循环日步长模型与遥感综合应用研究［D］.哈尔滨:东北林业大学，2011.

［23］王 萍.基于IBIS模型的东北森林净第一性生产力模拟［J］.生态学报，2009，29(6):3213 －3220.

［24］高永年，张万昌.IBIS改进及其多尺度流域分布式生态水文模拟［J］.自然资源学报，24(10):1757 －1763.

［25］李秀芬，郑友飞，王晨轶，等.黑龙江省森林NPP的遥感反演［J］.中国农业气象，2009，31(1):88 －92.

［26］张冬有，冯仲科，李亦秋，等.基于C－FIX模型的黑龙江省森林植被净初级生产力遥感估算［J］.林业科学，2011，47(7):13－19.

［27］詹鸿振，王义弘.关于大兴安岭火烧迹地森林恢复的意见［J］.东北林业大学学报，1987，15(S1):73 －77.

［28］张 瑶.大兴安岭26年间林火对森林植被碳收支的影响［D］.哈尔滨:东北林业大学，2009.

［29］赵 俊.大兴安岭火烧迹地森林自然恢复过程的研究［D］.哈尔滨:东北林业大学.2009.

［30］张 欢.基于Super Map的森林火灾监测系统的实现［J］.森林工程，21011(5):50－53.