基于净初级生产力的省公顷生态足迹模型参数的计算——以江苏省为例

鲁 凤，陶 菲，钞 振 华，胡 秀 芳

(南通大学地理科学学院，江苏 南通 226007)

基于净初级生产力的省公顷生态足迹模型参数的计算
——以江苏省为例

鲁 凤，陶 菲，钞 振 华，胡 秀 芳

(南通大学地理科学学院，江苏 南通 226007)

基于传统生态足迹模型，在省域空间尺度下构建了“省公顷”生态足迹模型，基于植被净初级生产力(NPP)，对生态足迹的均衡因子和产量因子加以本地化改进，并改进了化石能源土地的计算方法。以江苏省为例，根据省公顷模型参数的计算形式，采用该区域2000-2010年间MOD17A3遥感数据的年NPP以及土地利用数据，计算了不同年份江苏省各类生物生产性土地的均衡因子和13个地市各类土地的产量因子。结果表明，江苏省各类土地的均衡因子与全球或国家公顷的均衡因子差异显著，各地市的产量因子也存在一定差异，但总体更为符合区域实际情况。基于NPP的省公顷模型使得动态均衡因子和产量因子的计算快速简便，适用于省、市域等中小尺度区域可持续发展生态评估。

省公顷；净初级生产力；均衡因子；产量因子；生态足迹

0 引言

生态足迹概念及方法自1992年William Rees 首次提出以来，短时期内得到了广泛的应用，其理论方法和计算模型也处于不断地发展和完善之中[1-5]。在传统生态足迹模型的基础上，成分法、投入产出法、能值法等计算方法相继提出，研究成果颇为丰富[6-11]。空间信息技术包括地理信息系统、遥感等理论与技术，以其特有的空间特征，简明、直观的可视化效果，成为当前区域资源开发与环境决策中重要的技术支撑。目前，国内外的多数生态足迹研究都是基于统计数据的计算分析，综合应用空间信息技术的成果还不多见。

生态足迹模型与空间尺度密切相关。对应于全国—省域—市域不同的空间尺度，模型的重要参数即均衡因子和产量因子的大小不同，其计算形式也存在差异。计算中国生态足迹，如果采用全球公顷(global hectares,ghm2)，需对全球均衡因子和中国产量因子进行测算；计算省域生态足迹，如果采用国家公顷(national hectares,nhm2)，需对中国均衡因子和省域产量因子进行测算；计算市域生态足迹，如果采用省公顷(provincial hectares,phm2)，需对省域均衡因子和市域产量因子进行测算。目前，有些研究已经对此进行了探索，如Wiedmann等探讨了全球公顷和本地公顷之间的转换[12]；国内顾晓薇等、吴开亚等分别采用国家公顷法对沈阳市和安徽省的生态足迹进行了实证分析[13,14]，张恒义等尝试基于热值构建省公顷模型[15]。

近年来，基于遥感估算方法的植被净初级生产力(Net Primary Productivity,NPP)，开始被应用于生态足迹的改进研究。Venetoulis 等将生态足迹与NPP联系起来，提出了基于NPP的生态足迹计算方法[16]，国内也涌现了一些基于NPP改进生态足迹及其参数的研究[17-21]。在生态足迹的时间序列研究中，遥感以其快速、实时、准确等优点，应用于土地利用动态监测、均衡因子和产量因子的计算等方面，大大提高生态足迹在时空上的敏感性，成为该研究领域的热点和前沿[17-19]。

本研究基于全球公顷生态足迹模型，在省域空间尺度下，构建“省公顷”生态足迹模型，基于NPP对生态足迹的均衡因子和产量因子进行本地化改进，并改进化石能源土地的计算方法。以江苏省为例，根据省公顷模型参数的计算形式，采用该区域2000年、2005年、2008年和2010年MOD17A3遥感数据的年NPP与土地利用数据，计算相应年份江苏省各类生物生产性土地的均衡因子和13个地市各类土地的产量因子。基于NPP的省公顷生态足迹模型能真实反映省、市域实际土地生产力的动态变化，既提高了省、市域生态足迹分析的准确性，又便于展开省域内计算结果的横向对比，充分发挥生态足迹对省、市域等中小尺度区域可持续发展生态评估的实用价值。

1 数据与研究方法

1.1 数据来源与处理

采用的NPP数据来源于NASA提供的MOD17陆地4级标准数据产品MOD17A3(http://ladsweb.nascom.nasa.gov)。MOD17A3是基于MODIS 影像计算的全球陆地植被NPP数据，时间跨度为2000-2010年，空间分辨率为1 km，单位为KgC/(m2·a)，目前已在区域植被生长检测、生物量的估算和全球变化等研究领域中得到广泛应用[22]。首先，消除灰度异常值并根据比例因子(Scale Factor)将MOD17A3数据的像元值转换为NPP值;接着，利用NASA提供的MRT(Modis Reprojection Tool)软件对MODIS数据进行影像镶嵌和重投影，采用Albers等积投影;然后，使用国家基础地理信息数据中的江苏省行政区划矢量图对其进行裁剪。

采用以不同时相Landsat TM遥感影像等为主要数据源的2000年、2005年、2008年和2010年江苏省土地利用数据，划分为耕地、林地、草地、水域、城乡工矿居民用地、未利用地6个一级类[23]。

1.2 研究方法

植被的NPP是指绿色植物在单位时间单位面积上所累积的有机干物质量，是由光合作用产生的有机物总量扣除自养呼吸后的剩余部分，NPP反映了植物群落在自然环境条件下的生产能力，是全球所有消费者生命活动的物质和能量来源[24]。使用NPP代表土地的生物生产力，可以简便直观地反映各类型土地的生产力差异。

生物生产性土地分为六大类：耕地、林地、草地、水域、建筑用地和化石能源土地。城镇建设用地一般占用的是耕地，尽管城镇绿化用地也具有一定的NPP，建筑用地的均衡因子和产量因子仍与耕地一致。

“省公顷”生态足迹模型是建立在传统生态足迹模型的基础之上，以单位省公顷土地的平均生物生产力为基准，计算省域各类土地的均衡因子和所有地市各类土地的产量因子等重要参数，从而计算得到省、市域生态足迹。在基于NPP的省公顷模型中，均衡因子为全省不同类型土地的NPP与省域所有土地平均NPP的比值，产量因子则为各地市不同类型土地的NPP与省域该类土地NPP的比值。其中，省域平均NPP由耕地、林地、草地、水域四类生物生产性土地各自的NPP及其面积加权求和得到：

(1)

全省耕地、林地、草地、水域四类土地均衡因子的计算公式为：

(2)

各地市耕地、林地、草地、水域四类土地产量因子的计算公式为：

(3)

(4)

均衡因子和产量因子皆为比值形式，其大小与各类土地平均NPP的相对比率有关。因此，当缺乏相应的NPP实测数据时，只要选择精度合适的区域NPP定量模拟结果，就能进行合理的计算。遥感定量估算NPP，具有耗费低、速度快、范围广的优势，使得动态均衡因子和产量因子的计算更为快速简便。但是，对NPP估算值的精度检验作为重要环节，一直是该领域的难点，一般是与实测数据进行对比，或是与其他模型估算结果作比较。在缺乏足够对应的调查实测数据的情况下，具有一定精度的MOD17A3NPP产品可作为区域NPP估算结果的参照[25-27]。鉴于此，采用区域MOD17A3NPP数据计算生态足迹模型的参数，是可行和可靠的。

基于ArcGIS平台，将同一年份的江苏省NPP与土地利用数据进行分区统计(zonalstatistics)，在ModelBuilder中建立模型以实现批处理，获取江苏省及其13个地级市的各类土地NPP统计数据，计算得到相应年份动态的均衡因子和产量因子。

2 结果与分析

2.1 江苏省的均衡因子

2010 年江苏省植被年NPP空间分布(图略)总体呈现为由东南向西北逐渐递减、沿海地区明显高于内陆地区、苏南地区普遍高于苏北地区的特征。植被NPP是由植物的生态生理特征和气候因子的相互作用决定，除了与气候环境密切相关外，还受到经济发展、施肥、灌溉、耕作方式及人类活动等因素影响[24,25]。统计获得2000年、2005年、2008年和2010年江苏省耕地、林地、草地和水域的NPP(表1)，发现2000年以来江苏省这四类土地的平均NPP变动较大，总体趋于升高。耕地NPP的提升是由于部分地区耕地复种指数升高、农作物种植结构改变等而造成；林地NPP的提升是一些地区大规模植树造林、森林培育和养护良好的结果；草地和水域NPP的升高则与区域植被覆盖度增高或植被生长状况较佳有关。

根据省公顷模型参数的计算公式，计算得到2000年、2005年、2008年和2010年江苏省各类生物生产性土地的均衡因子(表1)。建筑用地的均衡因子同耕地，未利用地的均衡因子仅用于生态承载力的计算。四类土地中，耕地的均衡因子最高，其次是林地、草地和水域。不同年份各类土地的均衡因子相差不大，其中耕地、草地和水域基本稳定，林地存在小幅波动。

表1 2000-2010年江苏省各类土地NPP与其均衡因子及对比Table 1 NPP and equivalence factors of different land types in Jiangsu Province during 2000-2010

将以“省公顷”计算的江苏省均衡因子与 Wackernagel、WWF等以“全球公顷”计算的全球均衡因子，以及国内学者以“国家公顷”计算的中国均衡因子进行对比分析(表1)，发现基于不同公顷模型计算的各类土地均衡因子之间差异明显。1996年Wackernagel提出的全球均衡因子是经典的赋值成果，得到了广泛的应用。与之相比，江苏省耕地的均衡因子明显偏小，林地相近，草地和水域则偏高。与WWF2004、WWF2008公布的2001年和2005年世界均衡因子(http://wwf.panda.org)，以及刘某承[18]测算的2001年中国均衡因子相比，江苏省耕地均衡因子仍然偏低，林地偏低，草地偏高，水域相近。究其原因，一是模型基准的不同。省公顷模型以省域各类土地的平均生产能力为基准，计算得到的均衡因子肯定与全球、全国均衡因子存在一定差异。二是计算方法的不同。计算全球或全国均衡因子时，由于空间尺度过大，受限于数据的获取和大数据量的计算，结果难以符合中小尺度区域实际情况，而计算省域的均衡因子时，基于省域NPP和土地利用现状的详细数据，可以进行明确的分类和计算，计算思路清晰，方法简便，便于实际应用。

由不同土地均衡因子的对比可知，耕地是最具生物生产能力的土地类型，江苏省每公顷耕地生产能力相当于1.12单位phm2土地的生产能力，其次是林地和草地，水域最低。江苏省农业发展条件优越，地类结构以耕地占绝对优势。2010年江苏省耕地NPP值为543.41 gC/(m2·a)，与王琳等[28]计算的江苏省农田NPP实际值 550.5 gC/(m2·a)相近，高于Venetoulis等[15]公布的全球耕地NPP值424.3 gC/(m2·a)。耕地生产力水平高，绝对面积大，使得江苏省四类土地的平均生产力较高。因此，与全球或国家公顷计算结果相比，耕地的均衡因子明显偏低。

江苏丘陵山地较少，土地资源紧缺，森林资源主要是人工林。根据第八次全国森林资源清查结果，江苏森林覆盖率为15.8%，森林面积为162万hm2，2010年覆盖率升至20.64%。在各类土地中，森林的NPP贡献较大，因此林地的均衡因子仅次于耕地。

江苏省的草地是生物生产力相对偏高的土地类型，这与该省的实际情况有关。江苏是我国重要的畜牧生产基地，畜牧业以猪、禽为主。虽然牧草地在大部分地市呈零星分布，少有大面积的牧场草地，但由于自然条件和人工因素，综合生产能力相对较高，所能提供的畜牧产品丰富了居民动物类食品来源。

江苏省河湖众多，水域所占比例高居全国首位，成为江苏一大地理优势，水产资源丰富。湿地生态系统植被类型丰富，具有较高的NPP，使得江苏水域的均衡因子相对偏高。另外，水域均衡因子计算是以水域NPP代表整个渔业水域的生物性生产力，没有包括海洋渔业，低估了江苏省渔业水域的生产力，因此均衡因子计算结果偏于保守。

化石能源用地的均衡因子基本接近1，这是由于城镇绿化用地具有一定的NPP，江苏省所有土地的平均NPP与四类土地的平均NPP其实相差不大。

2.2 江苏省各地市的产量因子

根据省公顷模型参数的计算公式，计算得到2000年、2005年和2010年江苏省13个地市各类生物生产性土地的产量因子(表2、表3)，反映了各地市不同土地的相对生产力水平。为反映江苏省各类土地产量因子的相对波动程度，计算各类土地NPP或产量因子的变异系数(表2)。从变异系数的大小可知，江苏省各地市耕地产量因子的相对差异最小，其次是林地，草地、水域则差异较大。

表2 2010年江苏省13地市各类土地的NPP及产量因子Table 2 NPP and yield factors of different land types in the 13 cities of Jiangsu Province in 2010

表3 2000年和2005年江苏省13地市各类土地的产量因子Table 3 Yield factors of different land types in the 13 cities of Jiangsu Province in 2000 and 2005

各地市耕地的产量因子较为相近，多数为1左右，也即与江苏省耕地的平均生产力接近，耕地生产力的差异较小。其中南通、盐城、连云港、淮安、宿迁、泰州、扬州等地耕地生产力相对较高，这与滨海地区及苏北、苏中平原地区的地理条件优越和历史传统存在必然联系。

各地市林地的产量因子较为相近，多数在1左右。盐城林地的产量因子最高，常州、无锡、镇江、扬州等苏南和苏中地市相对较高，部分苏北地市的产量因子较低。相对而言率较高的江苏省沿海地市，林地的生产力也相应较高。

各地市草地的产量因子差异较大，产量因子最大的3个地市分别是淮安、苏州、宿迁，都高出1.2，其次是连云港和盐城，其他地市皆低于1。这是由于江苏畜牧生产主要位于粮食主产区、经济欠发达地区。宿迁等苏北地区作为畜牧业主产区，草地的生产力相对较高。

各地市水域的产量因子差异也较大,连云港、盐城产量因子高达1.8以上，而苏州、无锡等地则低至0.6左右。江苏沿海地区湿地资源丰富，水域的生产力相应偏高。

由于每年的气候环境和人工条件不同，同一地市每年各类土地的产量因子应存在差异，进一步对2000年、2005年和2010年江苏省四类土地产量因子的变异系数进行对比分析(表3),发现自2000年以来，各地市耕地、林地和水域产量因子的相对差距趋于小幅下降，草地则小幅波动趋于升高。

2000-2005年间各地市林地和草地的产量因子变化较大，耕地和水域则变化较小。其中苏北地市的耕地、林地和草地产量因子普遍升高，而苏南和苏中地市大多降低；水域产量因子普遍小幅下降。2005年-2010年间，各地市草地和水域的产量因子变化较大，林地和耕地则变化较小。其中耕地的产量因子大多略升；草地大多下降；苏南地市的林地产量因子大多升高，其他地市则多为降低；水域则正好相反。

从2000-2010年间江苏省土地利用发生较大变化分析可知，经济发展驱动下城市扩张迅速，耕地大量减少，主要转变为建筑用地和水域；草地面积不断减少，多转变为水域。随着人类活动影响加剧，部分地区林地、草地和水域的植被生长受到影响，导致其相对生产力趋于下降，这在经济发达的苏南地市更加凸显出来。

2000-2010年间江苏省均衡因子和各地市产量因子的变化情况表明，土地的生产力随着气候环境和人为因素的影响而发生变化，在10 a以上较长的时期内，使用统一的模型参数与省域实际情况产生较大的偏差，因此有必要对其进行动态的实时更新。MOD17A3 NPP数据具有一定的精度，结合相应年份的土地利用现状数据，能及时准确地反映不同时期的土地利用现状及其结构下各地市各类土地生产力的差异，不同年份动态均衡因子和产量因子的计算快速、简便，体现出其明显的优势。

3 结论与讨论

本文构建的“省公顷”生态足迹模型，是在省域空间尺度下，基于全球公顷生态足迹模型，使用NPP代表土地的生物生产力，以单位省公顷土地的平均生物生产力为基准，计算得到均衡因子和产量因子等。该模型涵盖所有类型土地，改进能源足迹的计算方法，明确各类土地均衡因子和产量因子的计算形式，便于实际应用。

以江苏省为例，根据省公顷模型参数的计算公式，采用2000年、2005年、2008年和2010年区域MOD17A3 NPP和土地利用数据，计算动态的均衡因子和产量因子，充分体现区域土地利用现状及不同区域土地生产力的差异。结果表明，基于省公顷的江苏省各类土地均衡因子与全球或国家公顷的结果差异明显，各地市产量因子之间的差异也较大，但总体更为符合区域实际情况。省公顷模型既提高了省、市域生态足迹分析的准确性，又便于展开市域计算结果的横向对比，适用于疆域辽阔的中国进行省级以下中小尺度的生态足迹分析。

本文计算方法的一些细节问题还存在一定的欠缺，有待进一步的研究和完善。一是直接应用MOD17A3 NPP产品，空间分辨率与精度不够高，有待提高区域NPP模拟值的空间分辨率，并进行精度验证[29]。二是计算结果存在一定误差。首先，江苏省MOD17A3遥感数据的年NPP和以遥感影像为主要数据源解译的土地利用数据存在一定的误差；其次是数据处理过程中产生的误差，导致最终的NPP统计结果难免存在误差。三是水域NPP与水域的生产力及水产品生产情况之间的关系有待探究。另外，虽然以水域代表整个渔业水域，对于海洋渔业所占比例较大的江苏等沿海省份并不合理，但是内陆省份可以不予考虑。

[1] REES W E.Ecological footprints and appropriated carrying capacity:What urban economics leaves out[J].Environment and Urbanization,1992,4(2):121-130.

[2] WACKERNAGEL M,ONISTO L,BELLO P,et al.National natural capital accounting with the ecological footprint concept[J].Ecological Economics,1999,29:375-390.

[3] 徐中民,张志强．甘肃省1998年生态足迹计算与分析[J]．地理学报,2000，55(5)：607-616．

[4] 白钰,曾辉,魏建兵.关于生态足迹分析若干理论与方法论问题的思考[J].北京大学学报(自然科学版),2008,44(3):493-500.

[5] 王雪梅,张志强,熊永兰.国际生态足迹研究态势的文献计量分析[J].地球科学进展,2007,22(8):872-878.

[6] 陈成忠，林振山．生态足迹模型的争论与发展[J]．生态学报,2008,28(12):6252-6263．

[7] 郭秀锐,杨居荣,毛显强.城市生态足迹计算与分析——以广州为例[J].地理研究,2003,22(5):654-662.

[8] ZHAO S,LI Z Z,LI W L.A modified method of ecological footprint calculation and its application[J].Ecological Modelling,2005,185:65-75.

[9] 曹淑艳,谢高地.基于投入产出分析的中国生态足迹模型[J].生态学报,2007,27(4):1499-1507.

[10] 刘淼,胡远满,常禹,等.基于能值理论的生态足迹方法改进[J].自然资源学报,2008,23(3):447-457.

[11] 张芳怡,濮励杰,张健.基于能值分析理论的生态足迹模型及应用——以江苏省为例[J].自然资源学报,2006,21(4):653-660.

[12] WIEDMANN T,MANFRED L.On the conversion between local and global hectares in ecological footprint analysis[J].Ecological Economics,2007,60(4):673-677.

[13] 顾晓薇,王青,刘建兴,等.基于“国家公顷”计算城市生态足迹的新方法[J].东北大学学报(自然科学版),2005,26(4):295-298.

[14] 吴开亚,王玲杰.基于全球公顷和国家公顷的生态足迹核算差异分析[J].中国人口·资源与环境,2007,17(5):80-83.

[15] 张恒义,刘卫东,王世忠,等.“省公顷”生态足迹模型中均衡因子及产量因子的计算——以浙江省为例[J].自然资源学报,2009,24(1):82-92.

[16] VENETOULIS J,TALBERTH J.Refining the ecological footprint[J].Environment,Development and Sustainability,2008,10(4):441-469.

[17] 刘某承,李文华,谢高地.基于净初级生产力的中国生态足迹产量因子测算[J].生态学杂志,2010,29(3):592-597.

[18] 刘某承,李文华.基于净初级生产力的中国生态足迹均衡因子测算[J].自然资源学报,2009,24(9):1550-1559.

[19] 杜加强,舒俭民,张林波.基于净初级生产力的生态足迹模型及其与传统模型的对比分析[J].生态环境学报,2010,19(1):191-196.

[20] 方恺,董德明,林卓,等.基于全球净初级生产力的能源足迹计算方法[J].生态学报,2012,32(9):2900-2909.

[21] 赵晶晶,李晓松,郭重阳,等.基于生态足迹分析的义乌市生态承载力评价[J].城市规划,2010,34(11):40-46.

[22] TURNER D P,RITTS W D,COHEN W B,et al.Evaluation of MODIS NPP and GPP products across multiple biomes[J].Remote Sensing of Environment,2006,102(3-4):282-292.

[23] 江苏省1:10万土地利用数据集(2000、2005、2008、2010)，地球系统科学数据共享平台——长三角分平台[EB/D].2012.

[24] 朱文泉,潘耀忠,张锦水.中国陆地植被净初级生产力遥感估算[J].植物生态学报,2007,31(3):413-424.

[25] 任志远,刘焱序.西北地区植被净初级生产力估算模型对比与其生态价值评价[J].中国生态农业学报,2013,21(4):494-502.

[26] 程春晓,徐宗学,王志慧.2001-2010年东北三省植被净初级生产力模拟与时空变化分析[J].资源科学，2014,36(11):2401-2412.

[27] 谢宝妮,秦占飞,王洋,等.黄土高原植被净初级生产力时空变化及其影响因素[J].农业工程学报,2014,30(11):244-253.

[28] 王琳,景元书,李琨.江苏省植被NPP时空特征及气候因素的影响[J].生态环境,2010,19(11):2529-2533.

[29] 周涛,王云鹏,龚健周.等.生态足迹的模型修正与方法改正评述[J].生态学报,2015,35(14):1-17.

Calculation of Ecological Footprint Model Coefficients Based on Net Primary Productivity:A Case Study of Jiangsu

LU Feng,TAO Fei,CHAO Zhen-hua,HU Xiu-fang

(SchoolofGeographicScience,NantongUniversity,Nantong226007,China)

A provincial hectares ecological footprint(EF)model was built in this study based on traditional EF model at provincial scale.Using vegetation net primary productivity(NPP)as the basis for the proposed model,the equivalence factors and yield factors of all types of biologically productive land in EF analysis were calculated for standardization and localization.Moreover,modified methods of the fossil energy land were proposed.Using the case study of Jiangsu Province,application of the methods in the provincial hectares EF model,the coefficients were calculated using MOD17A3 remote sensing products and land use data in 2000,2005,2008,and 2010 in Jiangsu.Firstly,the equivalence factors of all types of productive land were calculated.Then,the equivalence factors of the provincial hectares EF model were compared with results of the global hectares EF model and the national hectares EF model.The results revealed that these equivalence factors differ significantly.Each method had its own advantages and disadvantages,but the results of the Jiangsu provincial hectares EF model were closer to reality.Secondly,the yield factors of cropland,forest,pasture,fisheries of 13 cities at prefectural level in Jiangsu were calculated in 2000,2005,and 2010.There were great disparities between the yield factors of different cities.Finally,it can be concluded that the provincial hectares EF model not only improves the accuracy of results of ecological footprint of cities,but also make it easy to contrast EF results of some cities or counties with others in the same province.The provincial hectares EF model is fit for the ecological assessment of provincial and sub-provincial area.

provincial hectares;net primary productivity;equivalence factor;yield factor;ecological footprint

2015-06-12；

2015-10-13

国家自然科学基金项目(41301646、41401456)；南通大学博士科研启动基金项目(03080716)

鲁凤(1978-)，女，博士，副教授，主要从事地理计算及GIS应用研究。E-mail:aprillf@126.com

10.3969/j.issn.1672-0504.2016.02.016

X826

A

1672-0504(2016)02-0083-06