青海三江源试验区NPP时空特征及影响因素分析

张　馨，陈克龙，王　锋，吴成永

(1.青海师范大学 生命与地理科学学院，青海 西宁　810008； 2.青海师范大学 青海省自然地理与环境过程重点实验室，青海 西宁　810008； )



青海三江源试验区NPP时空特征及影响因素分析

张馨1，陈克龙2，王锋2，吴成永1

(1.青海师范大学 生命与地理科学学院，青海 西宁810008； 2.青海师范大学 青海省自然地理与环境过程重点实验室，青海 西宁810008； )

青海三江源国家生态保护综合试验区是我国建立的第1个国家级生态保护综合试验区，在我国生态文明建设中有重要的地位，分析其植被净初级生产力(NPP)具有重要意义。利用三江源试验区的MODIS遥感影像等数据及其周边地区的气象资料，结合CASA模型，对三江源试验区2010～2013年的NPP进行估算，并对其时空特征及影响因素进行简要分析。结果表明：三江源试验区2010年的NPP平均值最大，2010～2013年NPP呈波动变化趋势，先减少后增加；年均NPP总量为68.46 TgC/a (1 Tg=1012g)，年均NPP为144.29 gC/m2，NPP的季节变化明显，7、8月的月NPP值最大；在空间分布上呈现出由东南向西北递减的特征，东侧出现最高值，其值为418.94 gC/(m2·a)； NPP值高低分布情况与植被类型、海拔、坡度、坡向有密切关系。

NPP；CASA模型；青海三江源；国家综合试验区

植被净初级生产力(NPP)是植被在单位时间和单位面积上的总初级生产力(GPP)与自养呼吸(AR)之后所剩余的有机物数量之差，包含植物枝、叶、根等部分的生产量和植物枯落部分的量，是植被生长和生殖的能量来源[1]。NPP是处于自然条件下的植被群落的净初级生产能力的直观体现，对判断生态系统中碳源汇和调节生态过程有着主导作用[2]。

青海三江源国家生态保护综合试验区是长江、黄河、澜沧江3条重要河流的水源发源地和我国重要的淡水补给地，享有“中华水塔”的美誉[3]，是青藏高原生态安全屏障的重要部分，更是我国建立的第1个国家级生态保护综合试验区以及我国生态文明建设的先行区。然而近10年间，在环境变化、人类活动的共同影响下，青海三江源试验区的环境问题也正不断显现。长此以往，不仅影响本地区的生态环境，也会影响长江、黄河、澜沧江中下游地区的人类的生存环境[4]。对三江源试验区的NPP状况进行研究，可以初步估测三江源试验区生态系统功能的健康状况，并进而为三江源试验区生态机制的建立和生态健康评价提供理论基础[5]。目前，虽有学者对三江源地区NPP进行估算，但其所用数据均采自2010年之前。因此，采用2010～2013年的三江源试验区植被及气象数据，以期研究该区近期的NPP状况。

三江源试验区范围大、海拔高、地形复杂、交通不便，难以进行实地NPP测量。在这种情况下，需要结合地理信息系统、遥感技术、参数模型来估算该地区的NPP状况。主要的NPP估算模型有光能利用率模型、气候生产力模型和生理生态过程模型3种。其中，光能利用率模型因其数据易获取、准确性高等特点而成为NPP估算最常用的方法，如以气候、遥感数据为基础的CASA模型，已被国内外研究者广泛采用并取得了大量成果[5]。故利用2010～2013年的遥感、气象数据，依托CASA模型，对三江源试验区的净初级生产力(NPP)状况进行了估算，并对其时空分布特征及影响因素进行了一定分析。

1　材料和方法

1.1研究区概况

三江源试验区地处青藏高原的腹地，青海省南部，位于N 31°39′～37°10′，E 89°24′～102°27′，总面积约39.5×104km2，占青海省总面积的54.6%。下辖玉树、果洛、黄南、海南4个藏族自治州的21个县和格尔木市唐古拉山镇，共158个乡镇，范围比三江源地区多出5个县(共和县、贵德县、尖扎县、同仁县、贵南县)[4]。三江源试验区内部地势险峻，山地是地貌的主体，地势西北高、东南低，平均海拔4 000 m，属典型的高原大陆性气候[6]。全年平均气温-5.6～3.8 ℃，年平均降水量 200～500 mm，水资源丰富，湖泊众多，代表性的有扎陵湖、鄂陵湖[7]。

图1　研究区示意图Fig.1　Sketch map of the study area

1.2数据来源与预处理

1.2.1数据来源所用气象数据来自中国气象科学数据共享服务网，包括2010～2013年青海省及周边地区45个气象站所测得的逐月月均温、月降水量、日照百分率、相对湿度等数据；所用遥感数据来自美国国家航空航天局(NASA)网站，数据为2010～2013年的MOD15A2数据和MOD13A1数据。试验所用DEM高程数据来源于地理空间数据云网站。

1.2.2数据处理对于气象数据，利用内插法将2010～2013年的逐月月均温、月降水量、日照百分率、相对湿度进行空间插值，获得统一像元和坐标的气象栅格数据，并利用ARCGIS 10.2的掩膜裁剪工具，裁剪出三江源试验区的气象栅格图，并在栅格计算器中进行叠加计算；对于遥感数据，用MRT处理MODIS数据，使其坐标、像元大小与气象栅格数据保持一致，并在ARCGIS 10.2中进行裁剪、提值，利用MOD15A2数据提取吸收的入射光合有效辐射的比例(FPAR)，利用MOD13A1数据提取归一化植被指数(NDVI)；海拔、坡度、坡向数据的提取均在ARCGIS 10.2中完成。

1.3研究方法

1.3.1CASA模型CASA模型，由Potter等[8]于1993年提出，其参数随地点(x)和时间(t)的变化而变化，并通过与之对应的温度和水分条件对参数进行修正：

NPP(x,t) =APAR(x,t)×ε(x,t)

(1)

式中：APAR(x,t)代表像元x在t月吸收的光合有效辐射；ε(x,t)代表像元x在t月的实际光能利用率。

1)APAR的计算

APAR(x,t) =SOL(x,t)×0.5×FPAR(x,t)

(2)

式中：SOL(x,t)代表像元x在t月所获得的太阳总辐射量(MJ/m2)；FPAR(x,t)代表植被层所吸收的入射光合有效辐射的比例；常数0.5指植被所能利用的太阳有效辐射在太阳总辐射中所占的比例。

2)ε的计算

ε(x,t) =Tε1(x,t)×Tε2(x,t)×Wε(x,t)×ε*

(3)

式中：Tε1(x,t)以及Tε2(x,t)代表光能利用率低温和高温胁迫因子；Wε(x,t)为水分胁迫影响系数；ε*代表理想条件下的最大光能利用率(gC/MJ)，笔者在最大光能利用率的取值上主要参考朱文泉等[9]的研究。

Tε1(x,t)代表在低温及高温时植物内在生化作用对光合的限制。

Tε1(x,t) = 0.8+0.02Topt(x,t)-0.0005[Topt(x,t)]2

(4)

式中：Topt(x,t)代表植物生长的最适宜温度，即某区域年内NDVI达最高值时的当月气温均值，若月平均温度小于或等于-10℃，Tε1(x,t)取0。

Tε2(x,t)代表环境温度向高温或低温变化时植物光能利用率下降的趋势。

Tε2(x,t) = (1.184/1+e(0.2×(Topt(x)-10-T(x,t))))×(1/1+e(0.3×(-Topt(x)-10+T(x,t))))

(5)

式中：T(x,t)为像元x在t月平均气温，当某一月平均温度T(x,t)比最适温度Topt(x,t)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Topt(x,t)时Tε2(x,t)值的一半。

水分胁迫影响系数Wε(x,t)代表植物能够利用的有效水分条件对光能利用率的影响，环境中有效水分的增加，Wε(x,t)随之增加，其取值范围在0.5(在极端干旱条件下)到1(非常湿润条件下)之间。

Wε(x,t) = 0.5+0.5×EET(x,t)/EPT(x,t)

(6)

式中：EET(x,t)为区域实际蒸散量；EPT(x,t)为区域潜在蒸散量。

1.3.2光合有效辐射的获取月太阳总辐射的计算采用和清华使用的我国西部地区计算公式[10]：

SOL(x,t) =Q×(a+bS)

(7)

式中：a和b是常数；S为日照百分率；Q表示最大晴天总辐射量，根据纬度、海拔、地面水汽压进行估算[11]：

Q= 0.0418675(C0+C1Φ+C2H+C3e)

(8)

式中：Q为最大晴天总辐射量；Φ为纬度；H为海拔高度；e为地面水汽压；C0、C1、C2、C3为常数。地面水汽压e[12-13]通过以下方法计算：

e=R×e=R×es0×10at/(b+t)

(9)

式中：R为相对湿度；t为近地面大气温度；es0、a、b为常数。

1.3.3水分胁迫系数的获取利用高于0℃的年积温∑θ、年降水量和湿润度来对水分胁迫影响系数进行改进[14]，所得简化模型更便于计算：

BT≈Σθ/365

(10)

可能蒸散量(PET)的计算利用Holdridge[15]提供的计算公式：

PET=BT×58.93

(11)

实际蒸散量(EET)的计算利用[16]区域实际蒸散模型，其公式为：

EET=P×Rn(P2+Rn+P×Rn)/(P+Rn)/(P2+Rn2)

(12)

式中：P=P(x,t)为象元x在t月的降水量；Rn=Rn(x,t)代表象元x在t月的太阳净辐射量(MJ)。

Rn= (PET×P)0.5×[0.369+0.598×(PET/P)0.5]

(13)

将上述公式代入到水分胁迫系数公式中。

2　结果与分析

2.1三江源试验区NPP的空间分布特征

2010～2013年三江源试验区年平均NPP总量为68.46 Tg/a (1 Tg=1012g)，区域内NPP最高值为418.94 gC/(m2·a)，最低值0 gC/(m2·a)，单位面积年平均值为144.29 gC/(m2·a)。整体分析，三江源试验区NPP在空间分布上呈现出由东南向西北递减的特征(图2)，这与各区域在植被、水热条件上的差异有紧密关系。

2.2三江源试验区NPP的时间变化特征

三江源试验区月均NPP值呈抛物线型分布(图3)，随季节变化明显。4～6月，随温度上升、水分增加，植被开始生长；7、8月为植被生长旺季，NPP值达到最大，平均值达到37.92 gC/m2，占全年的70%；9月气温降低，植被进入生长末期，至10月NPP值则迅速降低。

三江源试验区年均NPP值呈现波动变化(图3)，最高值出现于2010年，最低值出现于2012年。2010～2012年，该区NPP值呈下降趋势，2010～2011年的减幅为1.9%，2011～2012年的减幅为7.6%；2012～2013年，该区NPP呈增长趋势，增幅为7.9%。年均NPP的变化幅度不大。年均NPP的波动变化主要是因为CASA模型的参数主要为气候与环境因子，气候与环境因子在不同的年份会存在波动变化，会使年均NPP值也存在波动变化。

图2　三江源试验区年均NPP空间分布Fig.2　Spatial distribution of annual NPP in the Qinghai three river source pilot region

图3　三江源试验区NPP值的月变化与年变化Fig.3　The monthly and yearly change of NPP in the Qinghai three river source pilot region

2.3影响三江源试验区NPP的地形因素

不同的地形因素对NPP的大小有不同的影响(图4)，就海拔而言，随海拔升高，NPP值先增加后减少：在海拔3 500～4 000 m，NPP值达到最大，其值为264 gC/(m2·a)；海拔6 000 m以上，NPP值则接近0 gC/(m2·a)；随坡度加大，NPP值先增加后减小：在0°～25°坡度，随坡度增加，NPP增加，最大值为184 gC/(m2·a)；坡度25°以上时，随坡度增大，NPP值减小，大于35°时，NPP值最小，其值65 gC/(m2·a)；按坡向，南坡NPP值较低，仅为115 gC/(m2·a)，西北坡值最大，最大值为154 gC/(m2·a)，整体来看，NPP值随坡向变化不大。

2.4NPP分布特征与植被的关系

三江源试验区针叶林的NPP总量为2.288×10-1TgC/a，年平均值为246.55 gC/(m2·a)；阔叶林的NPP总量为5.207×10-1TgC/a，年平均值为289.34 gC/(m2·a)；耕地的NPP总量为2.831×10-1TgC/a，年平均值为247.72 gC/(m2·a)；灌木的NPP总量为11.05 TgC/a，年平均值为101.85 gC/(m2·a)；草地的NPP总量为54.46 TgC/a，年平均值为183.77gC/(m2·a)；贫瘠及稀疏植被区NPP总量为9.461×10-1TgC/a，年平均值为18.92 gC/(m2·a)。此次所估算的植被NPP平均值与朴世龙等[17]估算的的青藏高原的植被NPP平均值对比，常绿针叶林、常绿阔叶林与灌木均低于其所估算的值，草地高于其所估算的值。

图4　不同地形下三江源试验区NPPFig.4　 Impacts of landform on NPP in the Qinghai three river source pilot region

3　讨论

因三江源试验区范围大、海拔高、气候恶劣，难以获得与此次研究时段相匹配的实测数据，故采用比对的方式进行结果验证(表2)。所估算单位面积NPP年平均值144.29 g C/(m2·a)，与同样利用CASA模型的研究相比，高于张镱锂等[18]估算的青藏高原的NPP值，低于张颖等[19]所估算的三江源NPP值，与沃笑[20]估算的结果相近；与利用其他模型的研究相比，此次的NPP估值低于黄玫等[21]所估算青藏高原NPP值，高于郭晓寅等[22]估算的三江源NPP值。可见，不同的估算模型、区域、年份、所用数据精度都会导致估算的结果不一致。

对于FPAR的获取，传统方法是通过NDVI来反演FPAR[23]，但在计算过程中会产生一定的误差。研究为提高估算精度，利用MOD15A2数据直接提取FPAR，但这也可能会导致部分水体或冰雪被误归入植被中，即在此类NPP值本应当为0的无植被区域中产生了若干数值。这类错误主要是因遥感数据在空间分辨率上的不足而产生的。因此，在今后的NPP估算中，有必要使用空间分辨率较高的遥感影像数据替代MODIS影像来提取FPAR，从而提高NPP估算的精度。

2010～2013年，三江源试验区的NPP年平均值的波动幅度不大，说明此期间三江源试验区的净初级生产力状况及生态系统功能较为稳定，没有出现明显的恶化，这与国家近年来对该区采取的保护政策有一定的关系。但三江源试验区的保护与建设是一项任重而道远的任务，要想取得更加显著的成效，还需长期坚持和加大保护力度。

表1　三江源试验区主要植被的NPP值

表2　与相关研究比对

4　结论

运用CASA模型，估算青海三江源国家生态保护综合试验区的植被净初级生产力(NPP)，并对其时空分布特点以及地形影响因素进行简要分析，得出结论，在空间上，三江源试验区的NPP由东南向西北逐渐递减，NPP值为0～418.94 g C/(m2·a)；在时间上，3～10月的NPP值先增加后减少，在7、8月达到最大值；2010～2013年的年均NPP值呈现波动变化；NPP值的大小与植被类型、地形有密切的关系。

[1]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.

[2]陈福军,沈彦俊,李倩,等.中国陆地生态系统近30年NPP时空变化研究[J].地理科学,2011,31(1):1410-1414.

[3]张静,李希来,徐占香.三江源地区不同退化草地土壤物理性状分析[J].草原与草坪,2008(3):34-37.

[4]陈克龙,王锋,芦宝良,等.三江源国家生态保护综合试验区生态补偿量化研究[J].青海师范大学学报(哲学社会科学版 ),2015,37(1):64-67.

[5]张涛,曹广超,曹生奎,等.2000-2010年青海湖流域NPP时空分布特征[J].中国沙漠,2015,35(4):1072-1080.

[6]张贺全.青海三江源国家生态保护综合试验区生态系统服务功能价值的确定[J].东北农业大学学报(社会科学版),2014,12(5):8-18.

[7]李海山.青海三江源区草地生态建设的思考[J].草原与草坪,2006(4):63-65.

[8]Potter C S,Randerson J T,Field C B,etal.Terrestrial ecosystem production:A process model based on global satellite and surface data[J].Global Biogeochemical Cycles,1993(7):811-841.

[9]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,2002,51(6):700-706.

[10]和清华,谢云.我国太阳总辐射气候学计算方法研究[J].自然资源学报,2010(2):308-319.

[11]杨东辉.基于MODIS数据的石羊河上游植被净第一生产力变化研究[D].兰州:西北师范大学,2011.

[12]李超,魏合理,刘厚通,等.整层大气水汽含量与地面水汽压相关性的统计研究[J].武汉大学学报(信息科学版),2008(6):1170-1173.

[13]盛裵轩.大气物理学[M].北京:北京大学出版社,2003.

[14]魏靖琼,柳小妮,任正超,等.基于CASA模型的甘肃省草地净初级生产力研究[J].草原与草坪,2012,32(4):8-19.

[15]张新时.研究全球变化的植被气候分类系统[J].第四纪研究,1993(2):157-169.

[16]周广胜,张新时.自然植被第一性生产力模拟初探[J].植物生态学报,1995,19(3):193-200.

[17]朴世龙,方精云.1982～1999年青藏高原植被净第一性生产力及其时空变化[J].自然资源学报,2002,17(3):373-380.

[18]张镱锂,祁威,周才平,等.青藏高原高寒草地净初级生产力(NPP)时空分异[J].地理学报,2013,68(9):1197-1211.

[19]张颖,陈怀艳,李建龙.三江源生态系统近10年净初级生产力估测[J].天津农业科学,2014,20(10):25-28.

[20]沃笑,吴良才,张继平,等.基于CASA模型的三江源地区植被净初级生产力遥感估算研究[J].干旱区资源与环境,2014,28(9):45-49.

[21]黄玫,季劲钧,彭莉莉.青藏高原1981～2000年植被净初级生产力对气候变化的响应[J].气候与环境研究,2008,13(5):608-616.

[22]郭晓寅,何勇,沈永平,等.基于MODIS资料的2000-2004年江河源区陆地植被净初级生产力分析[J].冰川冻土,2006,28(4):512-518.

[23]穆少杰,李建龙,周伟,等.2001～2010年内蒙古植被净初级生产力的时空格局及其与气候的关系[J].生态学报,2013,33(12):3752-3764.

Analysis of spatial-temporal characterstics of NPP and Its influencing factors in Three-river Headwater Area pilot region of Qinghai

ZHANG Xin1,2,CHEN Ke-long1,WANG Feng1,WU Cheng-yong1,2

(1.QinghaiProvinceKeyLaboratoryofPhysicalGeographyandEnvironmentalProcess,QinghaiNormalUniversity,Qinghai,Xining810008,China； 2.CollegeofLifeandGeographySciences,QinghaiNormalUniversity,Qinghai,Xining810008,China)

Three-river Headwater Area of Qinghai is the first nation ecological reserve pilot region.It plays an important role in the construction of ecological civilization in our country.Using the MODIS remote sensing image data and meteorological data,the Geographic Information System and CASA model were applied to estimate the NPP in the region during 2010～2013.The result showed that the region had the highest NPP in 2010,the value was increase and then decrease from 2010～2013.The total annual NPP was 68.46 Tg/a (1Tg = 1012g) and the annual average of NPP was 144.29 gC/(m2·a).The seasonal change of NPP was obvious,the maximum value appeared in July and August.The NPP gradually decreased from southeast to northwest in the region,the highest NPP value was 418.94 gC/(m2·a) at the eastern section.The distribution of NPP had a close relation with vegetation types,elevation,slope and aspect.

NPP；CASA model；Qinghai Three-river Headwater Area；nation ecological reserve pilot region

2016-01-11；

2016-06-14

国家哲学社会科学基金项目(12BJY029)；青海省自然科学基金项目(2013-Z-912)资助

张馨(1991-)，女，内蒙古呼伦贝尔人，在读硕士研究生。

E-mail：zhangxin1991love@126.com

Q 948

A

1009-5500(2016)04-0021-07

陈克龙为通讯作者。