甘肃省净初级生产力时空变化特征

刘春雨 董晓峰　刘英英 潘竟虎 车彦军

摘要 本研究通过改进的光能利用率概念模型（CarnegieAmesStanford Approach，CASA）和MODISNDVI数据估算了2000-2010年甘肃省净初级生产力（NPP）的空间分布格局，并结合气候因子，在不同空间和时间尺度上探讨森林生态区、草原生态区、农业生态区和荒漠生态区的NPP变化特征及与气候变化之间的关系。研究表明：①2000-2010年甘肃省NPP的空间分布差异比较显著，总体上呈现东南高西北低，即从东南向西北是逐渐递减的；其中，森林生态区、草原生态区、农业生态区和荒漠生态区的年均NPP分别为580.12 g·cm-2·a-1、380.12 g·cm-2·a-1、280.71 g·cm-2·a-1和83.27 g·cm-2·a-1。②2000-2010年甘肃省NPP显著增加和轻度增加的面积分别占总面积的6.00 %和17.49 %，NPP显著减少和轻度减少的面积分别占总面积的12.31%和27.07%，NPP有减少的趋势。③以年为尺度，森林生态区和草原生态区主要受温度影响，而降水量是荒漠生态区和农业生态区的主要控制因子；在月尺度上，气候因子对NPP的作用相当；草原生态区和农业生态区分别对月降水量和月均温存在时滞与累积效应，森林生态区和荒漠生态区对降水量或温度不存在时滞与累积效应。④本文认识和了解不同空间和时间尺度上NPP的变化规律，探讨NPP与气候变化之间的相互作用与机理，为生态系统调节起到重要的理论指导意义。

关键词甘肃省；NPP；偏相关系数；气候因子

中图分类号Q149文献标识码A文章编号1002-2104（2014）01-0163-08doi：103969/jissn1002-2104201401023

生态系统净初级生产力的变化及其对气候变化的响应是国内外研究的焦点，与此同时产生的生态环境效应，在环境变化和可持续发展中占有重要的地位[1-3]。净初级生产力（Net Primary Productivity，NPP）是光合作用所产生的有机质总量中扣除自养呼吸后的剩余部分，也是生态系统中其他生物成员生存和繁衍的物质基础[4]。它作为分析碳循环、水循环、食物安全和调节生态过程的关键因子[5-6]，是陆地生态系统提供人类生活必不可少的能量来源，将其应用于资源的管理中，并发挥着越来越重要的作用[7]。越来越多的学者[8-11]利用3S技术[12]研究了生态系统净初级生产力的空间变化及受气候因素的影响，并分析由此带来的生态环境效应。在西部大开发的推动下，甘肃省的生态系统格局发生了重大变化，相应的也会引起NPP的变化。对NPP与气候因子（降水量和温度）的研究集中在一般的时间尺度及简单的相互关系，忽视了不同时间和空间尺度上NPP对气候变化的响应[8]，而考虑不同生态系统与气候因子之间的关系较欠缺[10]。同时，由于缺少同步观测系统获取相应的模型参数，导致应用生态模型估算区域NPP存在很大误差；加上经验统计模型获取大区域NPP受到了限制，以致不能较好的对NPP进行研究。本研究通过改进的CASA模型，并使用新一代对地观测系统MODIS数据和同期的降水量与温度数据，以不同时间（年、当月及前月）和空间尺度（整个研究区和不同生态区）为视角，分析不同植被类型（生态系统）NPP的空间格局及其对气候变化的相应，以期为甘肃省的社会经济可持续发展提供科学依据，为更好的推动西部大开发。

1研究区概况

甘肃（图1），由古甘州（今张掖）和肃州（今酒泉）两地首字而得名。研究区位于北纬32°35′-42°47′和东经92°21′-108°43′之间，地处西北干旱区、青藏高寒区、东部季风区三大自然区域的交汇处；东接陕西，南邻四川，西连青海、新疆，北靠内蒙古、宁夏并与蒙古人民共和国接壤。甘肃地貌复杂多样，有山地、高原、平川、河谷、沙漠和戈壁交错分布；地势自西南向东北倾斜，地形狭长，海拔一般在1 000-3 000 m之间。全省年均温度在0-14 ℃之间，全省各地年降水量在36.6-734.9 mm，大致从东南向西北递减，乌鞘岭以西降水量明显减少，陇南山区和祁连山东段降水偏多。甘肃总面积为42.58×104 km2，辖87个县（市、区）。

2数据来源与研究模型

2.1数据来源与预处理

遥感数据来源于美国国家航空航天局NASA的EOS/MODIS数据，时间分辨率为16d，空间分辨率为250×250 m，时相为2000-2010年的MOD13数据产品。该数据具有全球覆盖、周期短，在时间和空间上具有连续性，是研究NPP与气候变化非常有效的数据源。同时，使用MRT（MODIS Reprojection Tools）将下载的MODISNDVI数据进行格式转换和重投影，并将投影转换为WGS_1984_Albers投影，同时完成图像的拼接和重采样。将16d的MODISNDVI数据采用最大合成法（Maximum Value Composites，MVC）消除数据中残留的云、大气和太阳高度等因素的影响，得到逐月的NDVI数据，并利用最新的甘肃省行政区划图获取甘肃地区2000-2010逐月NDVI的栅格图像。

气象数据由中国气象科学数据共享服务网（http：//cdc.cma.gov.cn/home.do）提供2000-2010年甘肃省境内及周边地区的50个基本站和15个基准站的降水量、温度、日照时数、气压、平均风速、相对湿度和太阳总辐射。最后，采用ArcGIS 9.3对气象数据进行反距离加权（Inverse Distance Weighted，IDW）插值获取研究区的空间栅格数据，为了与遥感数据相匹配，数据空间分辨率统一至250×250 m。

生态区边界采用中国生态系统与生态功能区划数据库（http：//www.ecosystem.csdb.cn/）提供的生态功能区的数据，并根据空间连续性和主导因素原则，进行合并而获得。根据甘肃省生态区分布的特征将甘肃省分为四个区：森林生态区、草原生态区、农业生态区和荒漠生态区。

2.2研究模型

2.2.1净初级生产力的计算

CASA（CarnegieAmesStanford Approach）模型是一种光能利用率概念模型，主要考虑净初级产力由植被所吸收的光合有效辐射和光能利用率两个驱动变量决定[13]，该模型应用比较广泛，已成为国内外估算NPP的重要模型之一。通常认为NPP的估算是基于资源平衡观点，为此有必要改进CASA模型[14-15]，并考虑其它因素（如温度和大气水汽）的影响，构建基于MODIS数据的NPP估算模型：

NPP=（FPAR×PAR）×（ε*×Tε×We）（1）

式中，NPP为净初级生产力；FPAR为光合有效辐射比率；PAR为到达地表的光合有效辐射[16]；ε*为最大光能利用率，在此取最大光能利用率（一般默认值为0.389 g C/MJ）；Tε为温度胁迫系数[17]；We为水分胁迫系数。

其中，CASA模型中关于FPAR的算法是根据NOAA/AVHRR遥感数据而设计的，在此研究中采用MODISNDVI数据比其具有更高的空间分辨率，原有算法不能准确地反演地面植被FPAR的实际情况。因此对其传统的估算方法进行优化改进，由于FPAR与NDVI[18]和EVI[19]都有很好的线性关系，且对比FPARNDVI和FPAREVI的估算结果发现，NDVI估算的FPAR偏高，而EVI所估算的FPAR偏低。为了能够准确地估算NPP，本研究将上述两种方法相结合，取其平均值作为本研究的FPAR[20]。相关参数的获取如下：

摘要 本研究通过改进的光能利用率概念模型（CarnegieAmesStanford Approach，CASA）和MODISNDVI数据估算了2000-2010年甘肃省净初级生产力（NPP）的空间分布格局，并结合气候因子，在不同空间和时间尺度上探讨森林生态区、草原生态区、农业生态区和荒漠生态区的NPP变化特征及与气候变化之间的关系。研究表明：①2000-2010年甘肃省NPP的空间分布差异比较显著，总体上呈现东南高西北低，即从东南向西北是逐渐递减的；其中，森林生态区、草原生态区、农业生态区和荒漠生态区的年均NPP分别为580.12 g·cm-2·a-1、380.12 g·cm-2·a-1、280.71 g·cm-2·a-1和83.27 g·cm-2·a-1。②2000-2010年甘肃省NPP显著增加和轻度增加的面积分别占总面积的6.00 %和17.49 %，NPP显著减少和轻度减少的面积分别占总面积的12.31%和27.07%，NPP有减少的趋势。③以年为尺度，森林生态区和草原生态区主要受温度影响，而降水量是荒漠生态区和农业生态区的主要控制因子；在月尺度上，气候因子对NPP的作用相当；草原生态区和农业生态区分别对月降水量和月均温存在时滞与累积效应，森林生态区和荒漠生态区对降水量或温度不存在时滞与累积效应。④本文认识和了解不同空间和时间尺度上NPP的变化规律，探讨NPP与气候变化之间的相互作用与机理，为生态系统调节起到重要的理论指导意义。

关键词甘肃省；NPP；偏相关系数；气候因子

中图分类号Q149文献标识码A文章编号1002-2104（2014）01-0163-08doi：103969/jissn1002-2104201401023

生态系统净初级生产力的变化及其对气候变化的响应是国内外研究的焦点，与此同时产生的生态环境效应，在环境变化和可持续发展中占有重要的地位[1-3]。净初级生产力（Net Primary Productivity，NPP）是光合作用所产生的有机质总量中扣除自养呼吸后的剩余部分，也是生态系统中其他生物成员生存和繁衍的物质基础[4]。它作为分析碳循环、水循环、食物安全和调节生态过程的关键因子[5-6]，是陆地生态系统提供人类生活必不可少的能量来源，将其应用于资源的管理中，并发挥着越来越重要的作用[7]。越来越多的学者[8-11]利用3S技术[12]研究了生态系统净初级生产力的空间变化及受气候因素的影响，并分析由此带来的生态环境效应。在西部大开发的推动下，甘肃省的生态系统格局发生了重大变化，相应的也会引起NPP的变化。对NPP与气候因子（降水量和温度）的研究集中在一般的时间尺度及简单的相互关系，忽视了不同时间和空间尺度上NPP对气候变化的响应[8]，而考虑不同生态系统与气候因子之间的关系较欠缺[10]。同时，由于缺少同步观测系统获取相应的模型参数，导致应用生态模型估算区域NPP存在很大误差；加上经验统计模型获取大区域NPP受到了限制，以致不能较好的对NPP进行研究。本研究通过改进的CASA模型，并使用新一代对地观测系统MODIS数据和同期的降水量与温度数据，以不同时间（年、当月及前月）和空间尺度（整个研究区和不同生态区）为视角，分析不同植被类型（生态系统）NPP的空间格局及其对气候变化的相应，以期为甘肃省的社会经济可持续发展提供科学依据，为更好的推动西部大开发。

1研究区概况

甘肃（图1），由古甘州（今张掖）和肃州（今酒泉）两地首字而得名。研究区位于北纬32°35′-42°47′和东经92°21′-108°43′之间，地处西北干旱区、青藏高寒区、东部季风区三大自然区域的交汇处；东接陕西，南邻四川，西连青海、新疆，北靠内蒙古、宁夏并与蒙古人民共和国接壤。甘肃地貌复杂多样，有山地、高原、平川、河谷、沙漠和戈壁交错分布；地势自西南向东北倾斜，地形狭长，海拔一般在1 000-3 000 m之间。全省年均温度在0-14 ℃之间，全省各地年降水量在36.6-734.9 mm，大致从东南向西北递减，乌鞘岭以西降水量明显减少，陇南山区和祁连山东段降水偏多。甘肃总面积为42.58×104 km2，辖87个县（市、区）。

2数据来源与研究模型

2.1数据来源与预处理

遥感数据来源于美国国家航空航天局NASA的EOS/MODIS数据，时间分辨率为16d，空间分辨率为250×250 m，时相为2000-2010年的MOD13数据产品。该数据具有全球覆盖、周期短，在时间和空间上具有连续性，是研究NPP与气候变化非常有效的数据源。同时，使用MRT（MODIS Reprojection Tools）将下载的MODISNDVI数据进行格式转换和重投影，并将投影转换为WGS_1984_Albers投影，同时完成图像的拼接和重采样。将16d的MODISNDVI数据采用最大合成法（Maximum Value Composites，MVC）消除数据中残留的云、大气和太阳高度等因素的影响，得到逐月的NDVI数据，并利用最新的甘肃省行政区划图获取甘肃地区2000-2010逐月NDVI的栅格图像。

气象数据由中国气象科学数据共享服务网（http：//cdc.cma.gov.cn/home.do）提供2000-2010年甘肃省境内及周边地区的50个基本站和15个基准站的降水量、温度、日照时数、气压、平均风速、相对湿度和太阳总辐射。最后，采用ArcGIS 9.3对气象数据进行反距离加权（Inverse Distance Weighted，IDW）插值获取研究区的空间栅格数据，为了与遥感数据相匹配，数据空间分辨率统一至250×250 m。

生态区边界采用中国生态系统与生态功能区划数据库（http：//www.ecosystem.csdb.cn/）提供的生态功能区的数据，并根据空间连续性和主导因素原则，进行合并而获得。根据甘肃省生态区分布的特征将甘肃省分为四个区：森林生态区、草原生态区、农业生态区和荒漠生态区。

2.2研究模型

2.2.1净初级生产力的计算

CASA（CarnegieAmesStanford Approach）模型是一种光能利用率概念模型，主要考虑净初级产力由植被所吸收的光合有效辐射和光能利用率两个驱动变量决定[13]，该模型应用比较广泛，已成为国内外估算NPP的重要模型之一。通常认为NPP的估算是基于资源平衡观点，为此有必要改进CASA模型[14-15]，并考虑其它因素（如温度和大气水汽）的影响，构建基于MODIS数据的NPP估算模型：

NPP=（FPAR×PAR）×（ε*×Tε×We）（1）

式中，NPP为净初级生产力；FPAR为光合有效辐射比率；PAR为到达地表的光合有效辐射[16]；ε*为最大光能利用率，在此取最大光能利用率（一般默认值为0.389 g C/MJ）；Tε为温度胁迫系数[17]；We为水分胁迫系数。

其中，CASA模型中关于FPAR的算法是根据NOAA/AVHRR遥感数据而设计的，在此研究中采用MODISNDVI数据比其具有更高的空间分辨率，原有算法不能准确地反演地面植被FPAR的实际情况。因此对其传统的估算方法进行优化改进，由于FPAR与NDVI[18]和EVI[19]都有很好的线性关系，且对比FPARNDVI和FPAREVI的估算结果发现，NDVI估算的FPAR偏高，而EVI所估算的FPAR偏低。为了能够准确地估算NPP，本研究将上述两种方法相结合，取其平均值作为本研究的FPAR[20]。相关参数的获取如下：

摘要 本研究通过改进的光能利用率概念模型（CarnegieAmesStanford Approach，CASA）和MODISNDVI数据估算了2000-2010年甘肃省净初级生产力（NPP）的空间分布格局，并结合气候因子，在不同空间和时间尺度上探讨森林生态区、草原生态区、农业生态区和荒漠生态区的NPP变化特征及与气候变化之间的关系。研究表明：①2000-2010年甘肃省NPP的空间分布差异比较显著，总体上呈现东南高西北低，即从东南向西北是逐渐递减的；其中，森林生态区、草原生态区、农业生态区和荒漠生态区的年均NPP分别为580.12 g·cm-2·a-1、380.12 g·cm-2·a-1、280.71 g·cm-2·a-1和83.27 g·cm-2·a-1。②2000-2010年甘肃省NPP显著增加和轻度增加的面积分别占总面积的6.00 %和17.49 %，NPP显著减少和轻度减少的面积分别占总面积的12.31%和27.07%，NPP有减少的趋势。③以年为尺度，森林生态区和草原生态区主要受温度影响，而降水量是荒漠生态区和农业生态区的主要控制因子；在月尺度上，气候因子对NPP的作用相当；草原生态区和农业生态区分别对月降水量和月均温存在时滞与累积效应，森林生态区和荒漠生态区对降水量或温度不存在时滞与累积效应。④本文认识和了解不同空间和时间尺度上NPP的变化规律，探讨NPP与气候变化之间的相互作用与机理，为生态系统调节起到重要的理论指导意义。

关键词甘肃省；NPP；偏相关系数；气候因子

中图分类号Q149文献标识码A文章编号1002-2104（2014）01-0163-08doi：103969/jissn1002-2104201401023

生态系统净初级生产力的变化及其对气候变化的响应是国内外研究的焦点，与此同时产生的生态环境效应，在环境变化和可持续发展中占有重要的地位[1-3]。净初级生产力（Net Primary Productivity，NPP）是光合作用所产生的有机质总量中扣除自养呼吸后的剩余部分，也是生态系统中其他生物成员生存和繁衍的物质基础[4]。它作为分析碳循环、水循环、食物安全和调节生态过程的关键因子[5-6]，是陆地生态系统提供人类生活必不可少的能量来源，将其应用于资源的管理中，并发挥着越来越重要的作用[7]。越来越多的学者[8-11]利用3S技术[12]研究了生态系统净初级生产力的空间变化及受气候因素的影响，并分析由此带来的生态环境效应。在西部大开发的推动下，甘肃省的生态系统格局发生了重大变化，相应的也会引起NPP的变化。对NPP与气候因子（降水量和温度）的研究集中在一般的时间尺度及简单的相互关系，忽视了不同时间和空间尺度上NPP对气候变化的响应[8]，而考虑不同生态系统与气候因子之间的关系较欠缺[10]。同时，由于缺少同步观测系统获取相应的模型参数，导致应用生态模型估算区域NPP存在很大误差；加上经验统计模型获取大区域NPP受到了限制，以致不能较好的对NPP进行研究。本研究通过改进的CASA模型，并使用新一代对地观测系统MODIS数据和同期的降水量与温度数据，以不同时间（年、当月及前月）和空间尺度（整个研究区和不同生态区）为视角，分析不同植被类型（生态系统）NPP的空间格局及其对气候变化的相应，以期为甘肃省的社会经济可持续发展提供科学依据，为更好的推动西部大开发。

1研究区概况

甘肃（图1），由古甘州（今张掖）和肃州（今酒泉）两地首字而得名。研究区位于北纬32°35′-42°47′和东经92°21′-108°43′之间，地处西北干旱区、青藏高寒区、东部季风区三大自然区域的交汇处；东接陕西，南邻四川，西连青海、新疆，北靠内蒙古、宁夏并与蒙古人民共和国接壤。甘肃地貌复杂多样，有山地、高原、平川、河谷、沙漠和戈壁交错分布；地势自西南向东北倾斜，地形狭长，海拔一般在1 000-3 000 m之间。全省年均温度在0-14 ℃之间，全省各地年降水量在36.6-734.9 mm，大致从东南向西北递减，乌鞘岭以西降水量明显减少，陇南山区和祁连山东段降水偏多。甘肃总面积为42.58×104 km2，辖87个县（市、区）。

2数据来源与研究模型

2.1数据来源与预处理

遥感数据来源于美国国家航空航天局NASA的EOS/MODIS数据，时间分辨率为16d，空间分辨率为250×250 m，时相为2000-2010年的MOD13数据产品。该数据具有全球覆盖、周期短，在时间和空间上具有连续性，是研究NPP与气候变化非常有效的数据源。同时，使用MRT（MODIS Reprojection Tools）将下载的MODISNDVI数据进行格式转换和重投影，并将投影转换为WGS_1984_Albers投影，同时完成图像的拼接和重采样。将16d的MODISNDVI数据采用最大合成法（Maximum Value Composites，MVC）消除数据中残留的云、大气和太阳高度等因素的影响，得到逐月的NDVI数据，并利用最新的甘肃省行政区划图获取甘肃地区2000-2010逐月NDVI的栅格图像。

气象数据由中国气象科学数据共享服务网（http：//cdc.cma.gov.cn/home.do）提供2000-2010年甘肃省境内及周边地区的50个基本站和15个基准站的降水量、温度、日照时数、气压、平均风速、相对湿度和太阳总辐射。最后，采用ArcGIS 9.3对气象数据进行反距离加权（Inverse Distance Weighted，IDW）插值获取研究区的空间栅格数据，为了与遥感数据相匹配，数据空间分辨率统一至250×250 m。

生态区边界采用中国生态系统与生态功能区划数据库（http：//www.ecosystem.csdb.cn/）提供的生态功能区的数据，并根据空间连续性和主导因素原则，进行合并而获得。根据甘肃省生态区分布的特征将甘肃省分为四个区：森林生态区、草原生态区、农业生态区和荒漠生态区。

2.2研究模型

2.2.1净初级生产力的计算

CASA（CarnegieAmesStanford Approach）模型是一种光能利用率概念模型，主要考虑净初级产力由植被所吸收的光合有效辐射和光能利用率两个驱动变量决定[13]，该模型应用比较广泛，已成为国内外估算NPP的重要模型之一。通常认为NPP的估算是基于资源平衡观点，为此有必要改进CASA模型[14-15]，并考虑其它因素（如温度和大气水汽）的影响，构建基于MODIS数据的NPP估算模型：

NPP=（FPAR×PAR）×（ε*×Tε×We）（1）

式中，NPP为净初级生产力；FPAR为光合有效辐射比率；PAR为到达地表的光合有效辐射[16]；ε*为最大光能利用率，在此取最大光能利用率（一般默认值为0.389 g C/MJ）；Tε为温度胁迫系数[17]；We为水分胁迫系数。

其中，CASA模型中关于FPAR的算法是根据NOAA/AVHRR遥感数据而设计的，在此研究中采用MODISNDVI数据比其具有更高的空间分辨率，原有算法不能准确地反演地面植被FPAR的实际情况。因此对其传统的估算方法进行优化改进，由于FPAR与NDVI[18]和EVI[19]都有很好的线性关系，且对比FPARNDVI和FPAREVI的估算结果发现，NDVI估算的FPAR偏高，而EVI所估算的FPAR偏低。为了能够准确地估算NPP，本研究将上述两种方法相结合，取其平均值作为本研究的FPAR[20]。相关参数的获取如下：