2000～2013年商洛植被NPP变化及其对气温变化的响应

张善红,宋令勇

(1.商洛学院 城乡规划与建筑工程学院,陕西 商洛 726000;2.山东省济宁市汶上县第一实验中学,山东 济宁 272500)



2000～2013年商洛植被NPP变化及其对气温变化的响应

张善红1,宋令勇2

(1.商洛学院 城乡规划与建筑工程学院,陕西 商洛 726000;2.山东省济宁市汶上县第一实验中学,山东 济宁 272500)

基于2000～2013年的NDVI数据和气象数据,利用CASA模型对商洛地区植被的净初级生产力(NPP)进行了模拟估算。研究结果表明：2000～2013年商洛地区的NPP呈显著的增长趋势(P<0.01)，年均NPP为841.64 gC/m2;春季、秋季、冬季的NPP在波动中增长,其中春季增长最快,而夏季的NPP呈现出波动下降的趋势。商洛地区的月均NPP与当月、提前1个月、提前2个月、提前3个月的月均气温均呈显著的正相关,但其受当月气温的影响最大。

植被；NPP;气温;商洛地区；响应

植被净第一生产力(Net Primary Production,简称NPP)是指绿色植物在单位时间和单位面积上所产生的有机干物质总量[1],它反映植被生产力状况,是表征生态系统功能和碳循环状况的1个重要参数[2-6]。NPP代表植物将光能转化为有机物的能力,反映了植物群落在自然条件下的生产能力,是估算地球支持能力和评价陆地生态系统可持续发展的1个重要生态指标。自20世纪80年代以来,随着RS和GIS技术的快速发展,人们对NPP的研究取得了重大突破[7-8], NPP估算模型朝着2个方向发展:一是通过对植物生理过程的研究建立模型;二是充分利用时效性较强的遥感数据进行模拟。虽然我国学者对NPP的研究起步较晚，但是近年来也取得了较多的成果[9]，例如：冯险峰等利用BEPS模型估算了我国2001年陆地生态系统的NPP,并预测了未来我国不同植被类型的NPP分布[10];柯金虎等根据遥感数据、气象资料、植被类型及土壤数据,利用CASA模型对长江流域植被NPP进行了模拟[11];张莎等利用MODIS数据集及气象数据,对河北省2001～2010年NPP的时空动态变化及其与气候因子的相关性进行了分析[12]。

商洛地处秦岭山地,区域内植被类型繁多。在全球变暖的大背景下,对商洛地区NPP的变化及其对气温变化的响应进行研究,可以揭示全球变暖大趋势下商洛地区森林生态系统的响应程度,从而为该区域的生物多样性保护和生态环境监测与植被保护提供依据。本文采用2000～2013年14年的商洛地区气温、降水、太阳辐射、NDVI等数据,利用CASA模型研究了商洛地区植被的NPP变化规律,分析了商洛地区植被NPP对气温变化的响应。

1　资料与方法

1.1数据来源

MODIS NDVI遥感数据集下载于http://modis.gsfc.nasa.gov/网站。2000～2013年逐月气温和逐月降水量数据来自商洛市7个标准气象站点。太阳辐射数据来源于中国气象科学数据共享服务网。

1.2研究方法

1.2.1NPP估算模型本文采用的NPP估算模型为Potter等[13]提出的光能利用率模型(CASA模型),其估算公式为:

NPP(x,t)=APAR(x,t)×ε(x,t)=PAR(x,t)×FPAR(x,t)×ε(x,t)

(1)

式(1)中:APAR(x,t)为像元x在t月吸收的光合有效辐射;ε(x,t)为实际光能利用率;FPAR(x,t)为植被层对入射光合有效辐射(PAR)的吸收分量,其计算公式[16]如下:

(2)

(3)

(4)

FPAR(x,t)=0.5FPARNDVI(x,t)+0.5FPARSR(x,t)

(5)

式(2)～式(5)中：NDVI(i,max)和NDVI(i,min)分别表示第i种植被类型的NDVI最大值和最小值;SR(i,max)和SR(i,min)分别表示第i种植被类型NDVI的95%和5%下侧百分位数;FPARmax和FPARmin的取值与植被类型无关,分别为0. 95和0.01。

实际光能利用率ε(x,t)由温度、水分及最大光能利用率决定,其计算公式为:

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax

(6)

式(6)中：Tε1(x,t)和Tε2(x,t)为温度胁迫系数,均可采用Potter等[13]提出的方法估算;εmax为最大光能利用率,因植被类型不同而不同,本文利用朱文泉等研究确定的中国典型植被类型最大光能利用率模拟结果[14]；Wε(x,t)为水分胁迫系数,由公式(7)计算:

Wε=0.5+0.5×E/Ep

(7)

式(7)中：E为区域实际蒸散量,可根据周广胜和张新时的区域实际蒸散模型求得；Ep为潜在蒸散量,可根据Boucher提出的互补关系[15-16]求取。

1.2.2SPSS偏相关分析法偏相关分析法是在排除了其他因素的影响后,考察2个因素间的关联程度,目的在于消除其他变量关联性的传递效应。这样分析得出的偏相关系数能够准确地反映2个变量之间的真实相关程度。本文中NPP与气候因子的相关系数计算采用如下公式[17]:

(8)

利用下式计算以降水为控制变量的NPP与气温间的偏相关系数[18]:

(9)

式(9)中：r12、r13、r23分别表示变量V1与V2、V1与V3、V2与V3间的相关系数； r12.3是固定变量V3后变量V1与V2间的偏相关系数。

2　结果与分析

2.1商洛地区NPP的变化规律

2.1.1在年际上的变化规律图1是商洛地区NPP年际变化趋势图,由图1可知,14年间商洛地区NPP波动范围为790～870gC/m2,平均值为842.6187gC/m2。其中峰值出现在2004年和2008年,分别为854.87和878.54gC/m2,且2008年的NPP为14年中的最高值;谷值出现在2001年和2007年,分别为795.09和810.33gC/m2,且2001年的为14年中的最低值。线性模拟结果表明，2000～2013年商洛地区植被NPP呈上升趋势,趋势方程为y=2.8962x+820.90,说明2000～2013年商洛地区NPP增长速度为2.8962gC/m2。可见商洛地区NPP有明显的年际增加趋势,说明研究区近14年植被生长状况良好,NPP积累较多。

图1　商洛地区NPP的年际变化

2.1.2在季节上的变化规律受水、热组合的影响,植被在不同的月份有不同的生长状况,相应的NPP值也会存在一定差异。图2显示了商洛地区各月份NPP的变化趋势。该地区植被生长季为4～9月,植被NPP的年内变化为单峰曲线,4～7月NPP积累较快,这段时期气温高，降水量丰富，太阳辐射强，有利于植被的生长和能量的累积；其中最大值出现在7月份。8月份植被NPP开始下降。10月至次年3月气温降低,植被生长缓慢,植被NPP减缓累积。这与朱文泉等研究内蒙古植被初级生产力的结论[20]一致。

图2　商洛地区各月份NPP的变化

不同季节NPP的变化趋势如图3～图6所示,商洛地区各季节NPP的线性变化趋势均不显著,但可以从图中看出NPP的大体趋势。春、秋、冬3个季节的NPP在波动中增长,但增长速度比较小且各不相同,其中春季增长最快，增长速度为3.0786gC/m2,秋季和冬季的分别为0.1937、0.3028gC/m2。夏季NPP呈现出波动下降的趋势,下降的速度为0.9344gC/m2。

图3　商洛地区春季NPP的变化

图4　商洛地区夏季NPP的变化

2.2植被NPP与气温的相关性

2.2.1气温的变化图7是商洛地区2000～2013年年均气温变化图。从图7中可见,2000～2013年商洛地区年均气温总体上呈上升趋势,趋势方程为y=0.0177x+13.237,式中y为年均气温, x为年份。由趋势方程可以看出2000～2013年商洛地区气温的增长速度为0.0177 ℃/年,可见商洛地区气温有明显的年际增加趋势。

图5　商洛地区秋季NPP的变化

图6　商洛地区冬季NPP的变化

图7商洛地区2000～2013年年均气温的变化

2.2.2植被NPP对气温变化的响应图8反映了商洛地区逐月NPP与月平均气温时间序列的变化趋势,从中可以看出商洛地区2000～2013年植被月均NPP与月平均气温呈现出比较明显的一致性。

对月均NPP与月均气温的关系进行分析,结果(见表1)显示两者间的相关系数达到0.932,在0.01水平下显著相关。但植被NPP的变化不仅受气温的影响,还受降水等因素的影响,因此采用偏相关分析法进行进一步的分析，因为这种方法在研究月平均NPP与同期气温的关系时,可以控制降水对NPP的影响,所得出的偏相关系数能够较好地反映两者之间的关系。偏相关分析(除去了降水的影响)结果表明,NPP与气温间的偏相关系数达到了0.873 (P<0.01),同样表现出显著的相关性,这说明NPP与气温在月时间序列上具有显著的正相关关系。

同时对当月NPP与提前1个月、提前2个月和提前3个月的平均气温进行相关分析,研究可能存在的气温对NPP的滞后影响。结果表明：滞后期为1个月的相关系数和偏相关系数分别为0.853 (P<0.01)和0.787 (P<0.01);滞后期为2个月的相关系数和偏相关系数分别为0.551 (P<0.01)和0.559 (P<0.01);滞后期为3个月的相关系数和偏相关系数分别为0.096 (P<0.05)和0.228 (P<0.01)。说明当月NPP与提前1个月、提前2个月和提前3个月的月均气温均在0.01或0.05显著性水平下具有正相关性。相比较而言,提前1个月、2个月和3个月的相关系数并没有当月的相关系数高,因此认为月均NPP受当月气温及前1月、前2月、前3月气温的综合影响,但当月气温对商洛地区植被NPP的影响是最大的。

图8　商洛地区月均NPP与月均气温在时间序列上的变化

滞后月份数相关性相关系数显著性(P值)偏相关性相关系数显著性(P值)00．932<0．010．873<0．0110．853<0．010．787<0．0120．551<0．010．559<0．0130．096<0．050．288<0．01

3　结论

在NPP的年际变化方面,2000～2013年商洛地区NPP的波动范围为790～870 gC/m2,平均值为842.62 gC/m2。线性模拟结果表明2000～2013年商洛地区植被NPP呈上升趋势,其增长速度为2.90 gC/m2。

在NPP的季节变化方面,商洛地区2000～2013年各季节NPP的线性变化趋势均不显著。春、秋、冬3个季节的NPP在波动中增长,但增长速度比较小且各不相同,其中春季增长最快。

在NPP对气温变化的响应方面,商洛地区的月均NPP与同月、提前1个月、提前2个月、提前3个月的月均气温均呈显著正相关,偏相关系数分别为0.873、0.787、0.559、0.228 (P<0.01),表明商洛地区NPP受当月气温及前1月、前2月、前3月气温的综合影响,但当月气温的影响最大。

[1] 何勇,董文杰,季劲均,等.基于AVIM的中国陆地生态系统净初级生产力模拟[J].地球科学进展,2005,20(3):345-349.

[2] 高艳妮,于贵瑞,张黎,等.中国陆地生态系统净初级生产力变化特征：基于过程模型和遥感模型的评估结果[J].地理科学进展,2012,31(1):109-117.

[3] Cenk D, Suha B, Paul J C. Modelling the current and future spatial distribution of NPP in a Mediterranean watershed [J]. International Journal of Applied Earth Observation and Geoformation, 2011, 13(3): 336-345.

[4] Bai Y F, Han X G, Wu J G, et al. Ecosystem stability and compensatory effects in the Inner Mongolia grassland [J]. Nature, 2004, 431: 181-184.

[5] Ives R, Carpenter S R. Stability and ecosystem[J]. Science, 2007, 317: 58-62.

[6] Peng C H, Apps M J. Modeling response of net primary productivity (NPP) of boreal forest ecosystem to changes in climate and fire disturbance regime [J]. Ecol Model, 1999, 122: 175-193.

[7] Goward S N, Dye D G. Evaluating North American net primary productivity with satellite observations [J]. Advances in Space Research, 1987, 7(11): 165-174.

[8] Law B E, Waring R H. Combining remote sensing and climatic data to estimate net primary production across Oregon [J]. Ecological Applications, 1994(4): 717-728.

[9] Nemani R, Keeling C, Hashimoto H, et al. Climate-driven increases in global terrestrial I net primary production from 1982 to 1999 [J]. Science, 2003, 300: 1560-1563.

[10] 陈利军,冯险峰,刘高焕.运用遥感估算中国陆地植被净第一性生产力[J]. Acta Botanica Sinica, 2001, 43(11): 1191-1198.

[11] 柯金虎,朴世龙,方精云.长江流域植被净第一性生产力及其时空格局研究[J].植物生态学报,2003,27(6):764-770.

[12] 张莎,袁金国,张宇佳,等.河北省2001～2010年植被NPP时空变化及与气候因子相关性分析[J].河北大学学报:自然科学版,2014,34(5):516-523.

[13] 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 Biogeochemical Cycles, 1993, 7(4): 811-841.[14] 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.

[15] 周广胜,张新时.全球变化的中国气候:植被分类研究[J]. Acta Botanica Sinica, 1996, 38(1): 8-17.

[16] 周广胜,张新时.全球气候变化的中国自然植被的净第一性生产力研究[J].植物生态学报,1996,20(1):11-19.

[17] 徐建华.现代地理学中的数学方法[M].北京:高等教育出版社,2002:37-47.

[18] 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.

(责任编辑:黄荣华)

Vegetation NPP Change and Its Response to Temperature Change in Shangluo from 2000 to 2013

ZHANG Shan-hong1, SONG Ling-yong2

(1. College of Urban, Rural Planning and Architectural Engineering, Shangluo University, Shangluo 726000, China;2. Wenshang No. 1 Experimental Middle School of Ji’ning City in Shandong Province, Ji’ning 272500, China)

Based on the NDVI data and meteorological data during 2000～2013, the author applied CASA model to stimulate and assess the Net Primary Productivity (NPP) of vegetation in Shangluo area. From 2000 to 2013, the NPP of vegetation in Shangluo area showed a significant (P<0.01) increasing trend, and the average annual NPP was 841.64 gC/m2. The NPP revealed a fluctuating growth trend in spring, autumn and winter, and it increased fastest in spring. On the contrary, the NPP in summer showed a wavelike decreasing change. The average monthly NPP in Shangluo area had a significantly positive correlation with the average monthly air temperature of the same month, one month ahead, two month ahead, and three month ahead, but it was most greatly influenced by the average air temperature of the same month.

Vegetation; NPP; Air temperature; Shangluo area; Response

2016-04-11

商洛学院科研基金项目(14SKY017)。

张善红(1983─),女,山东日照人,讲师,硕士,主要从事全球变化生态学研究。

Q948.156

A

1001-8581(2016)10-0067-04