河南省黄淮平原区植被NPP时空格局及其与气候的关系

巩文翰，杨德宏，杜 军，王 超，于 辉



河南省黄淮平原区植被NPP时空格局及其与气候的关系

巩文翰1，杨德宏1，杜 军2，王 超2，于 辉1

（1. 昆明理工大学 国土资源学院，云南 昆明 650202；2. 河南省科学院地理研究所，河南 郑州 450052）

以河南省黄淮平原为研究区，利用遥感数据、土地分类数据、气象数据等，基于光能利用率（Carnegie-Ames-Stanford-Approach，CASA）模型对河南省黄淮平原区2001年-2010年的植被生态系统净初级生产力（Net Primary Productivity，NPP）进行估算。本文通过计算统计河南省黄淮平原2001年-2010年10年间NPP的空间分布情况，与土地分类数据进行对比分析，在空间尺度上得到研究区内NPP的分布规律。其中林地和耕地的NPP最高，其次是水田和草地，人工地表、湿地和其他用地相对较低。提取10年间NPP的月平均变化量，按照春、夏、秋、冬四季计算出分布情况，通过统计分析，从时间的尺度上得到研究区NPP的变化规律。结果表明，从1月-12月，NPP的变化曲线呈现对称的山峰状，5月-8月为峰值期，月均值超过1 gC/m2。从10月到次年2月为谷值期，平均值只有0.304 gC/m2。夏季的NPP最高，春季次之，秋季低于春季，冬季最少，。计算基于象元的NPP与温度、降水、日照之间的单相关系数和二阶偏相关系数，比较三者对NPP的影响力度，并剖析地形、地貌和植被类型对不同因子之间相关性系数的影响。

净初级生产力；CASA模型；植被与气候关系；河南省黄淮平原

0 引言

净初级生产力（Net Primary Productivity，NPP）是指绿色植物在单位面积和单位时间内所累积的有机物的数量，是由植物光合作用固定的有机质总量（gross primary productivity，GPP）中扣除自养呼吸（autotrophic respiration，RA）后剩余的部分，是植物在外界因子影响下对有机物质的净创造[1-2]。NPP不仅是表征植被活动的关键参数，也是评价陆地生态系统可持续性发展的重要指标，更是判定碳源/碳汇的主要因子，对于理解地表碳循环过程具有重要意义[3-7]。国际地圈-生物圈计划（international geosphere- biosphere program，IGBP）和京都协议（Kyotoprotocol）等均将生态系统NPP的研究内容定为核心内容之一[8]。

研究表明，NPP存在明显的时间和空间变换，影响因子主要有气候、CO2浓度、氮沉降和土地利用变化等方面[9-10]。NPP与气候因子之间的相关性研究从19世纪中期已经开始了[11-12]，然而学者们对两者之间的相关性存在不同的认识[13-14]。分析NPP与环境关系的方法主要是基于生态系统结构及气候变化与植被响应之间因果关系的模型[15-16]。研究之初，多以站点测量法为主，但受区域限制，不能进行大面积测量，需要利用气候和植被建立相应的经验模型来辅助研究[1]。随着对植物化学反应研究的不断深入，建立了基于生物地理和生物地球化学的机理性模型，并受到广泛应用[17-19]，但其结构复杂，需要较多参数和实测数据的支撑。光能利用率模型通过遥感手段获取植被参数，结合相关气候因子对NPP进行估算，是近些年研究NPP的主要技术手段。

河南省黄淮平原占全省耕地面积的64.67%，是粮食生产的核心区，其范围内有大量植被，NPP产量可观。作为重要的生态评价指标，研究区NPP的产值及分布直接影响河南以及周边省份的生态系统质量。本文利用MODIS遥感数据、气象数据，土地分类数据，基于CASA模型，反演河南省黄淮平原区2001年-2010年NPP，从时间和空间的尺度上进行分析统计，利用相关性系数对研究区的气候影响因子进行分类剖析，以期得到研究区NPP的分布情况和变化规律。

1 研究区概况

河南省黄淮平原位于河南省东北部，地处东经112°84¢~116°39¢，纬31°23¢~36°22¢之间，西临豫西山地、黄土台地丘陵区和太行山地丘陵区，南到沙颍河，东面和北面到省界。平原地势东高西低，以黄河河床为轴，分别向东北和东南倾斜。研究区占地面积83596.38 km2，属于半干旱半湿润气候。年均降水量850 mm，年均气温12°~16°，年均日照1842 h。冬季寒冷而少雨雪，春季干旱而多风沙，夏季炎热多雨而丰沛，秋季天气晴朗日照长。土壤水平分布，因纬度、气候、植被及地貌条件的不同呈现不同的土壤类型。河流众多，主要包含黄河、淮河及海河三大水系，河道较宽，水流缓慢，灌溉能力强，农作物资源丰富。以行政区划为基础，结合自然地貌区划单元、综合农业区划，将黄淮平原划分为六个二级单元，分别为黄河北微起伏平原区、黄河南岸沙质平原区、豫西山前倾斜平原区、黄河南平缓平原区、淮北低缓平原区、大别山北麓波状平原区。后续评价将按照土地利用类型和二级划分单元进行综合统计分析，以期得到NPP在地物类型尺度和区域尺度的空间分异性。

2 据与方法

2.1 数据源

本文数据源主要有2001年-2010年覆盖河南省黄淮平原区的1 km MODIS遥感数据（以旬为单位），42个站点的气象观测数据（旬降水量、旬均温和旬日照辐射量）、同时期的土地分类数据及相关辅助数据（植被类型、农耕密度、地形地貌等）。

剔除低质量MODIS数据，整合可用数据，进行辐射校正和大气校正。对数据进行拼接和裁剪，做必要的地理配准和融合。以年份和月份为尺度，对原始气象数据求和并取平均值，进行分类统计，按经纬度导入Arcgis，生成点数据，并配准WGS_984地理坐标系。利用样条函数法对点数据进行空间插值，使数据栅格化，生成河南省黄淮平原区1 km气象数据集。对结果进行精度检验，显示拟合程度较好，决策系数满足NPP估算要求。最后利用栅格计算器计算得到2001年-2010年的NPP年均和月均数据集。

2.2 运算

净初级生产力的计算采用CASA模型[20]：

革命沟矿床产于芨岭岩体外接触带，含矿围岩为角闪岩、硅质角砾岩、硅质大理岩和花岗岩，铀矿化主要与断裂及其充填位置关系密切。矿体产于革命沟断裂与其次级断裂带呈“入”字型夹持部位，次级断裂在剖面上呈斜列式排列(图11)。

参数1：PAR：从资料文档、气象数据中得到太阳总辐射量、及日照时数等信息，然后结合研究区中像元经纬度计算得到PAR。

参数2：FPAR：利用MODIS、NDVI产品计算得到比值指数SR，然后通过FPAR与比值指数SR之间存在关系，得到FPAR。具体公式如下：

其中，FPAR min和FPAR max的取值与植被类型无关，分别取值为0.001和0.95，SR min和SR max与植被类型有关，为对应植被类型NDVI的5%和95%的下侧百分位数。NIR和RED分别表示近红外波段和红波段的反射率。

参数3：ε：指植被将吸收的光合有效辐射(APAR)通过光合作用转化为有机碳的效率，其获取方法如下：

式中，ε*指的是最大光能利用率（单位：gMJ-1），T1和T2表示环境温度对光利用的抑制影响，W则为水分影响胁迫系数。T1和T2及W均为无量纲参数。其中T1和T2及W分别由下面公式计算获得。

式中，EET表示区域月实际蒸散量（单位：mm），PET表示区域月潜在蒸散量（单位：mm），可由ET Watch计算获得。

2.3 因子相关性分析

对于研究区，建立基于象元的NPP与各气候因子之间的线性相关模型，计算每个象元的NPP与气候因子之间的单相关系数，公式如下[21]：

在得到单相关系数的基础上计算NPP与温度（降水）、温度（日照）和降水（日照）之间的一阶偏相关系数，公式如下：

在得到NPP与温度、降水和日照6个一阶相关性系数的基础上，计算三者的二阶相关性系数，公式如下[22]：

表1 相关系数范围对应的相关程度

Tab.1 Correspondence degree of the correlation coefficient range

3 结果分析

3.1 地表资源类型分类与NPP空间分布格局

河南省黄淮平原根据不同地形地貌由北向南依次分为黄河北微起伏平原区、黄河南岸沙质平原区、豫西山前倾斜平原区、黄河南平缓平原区、淮北低缓平原区和大别山北麓波状平原区。地表资源类型丰富，分布交错又特点明显（图1（左）），NPP依附不同地貌和地表资源呈现出北高南低和东高西低的总体分布态势（图1（右））。

由图1（左）可以看出研究区地表覆盖类型多样，以耕地为主，占比52.1%，是黄河北微起伏平原区、黄河南岸沙质平原区、豫西山前倾斜平原区、黄河南平缓平原区和淮北低缓平原区的主要植被类型。水田集中分布在大别山北麓波状平原中部和北部，是除耕地外占比最多的植被类型，达到14.7%。林地主要分布在大别山北麓波状平原的西侧和南侧边缘地带，占比9.9%。草地、湿地和其他用地占比较少，分别为3.4%、1.8%和2.6%。人工地表占比15.5%，与各种地类植被交错分布。由图1（右）可看出高地势波状、倾斜平原区的NPP明显低于低地势平缓平原区，不同的气候条件和土质肥厚度导致地表植被类型和浓密度存在显著差异，这是造成NPP区域性差异的主要原因。研究区不同地类NPP产出情况如图2所示。

图1 河南省黄淮平原地表覆盖资源分布（左）2001年-2010年NPP空间分布情况（右）

Fig.1 Distribution of surface cover resources of Huanghuai Plain in Henan Province (left) Spatial distribution of NPP in 2001-2010 (right)

图2 不同地物类型NPP产出情况

图3 河南省黄淮平原NPP逐月变化情况

由图2看出，林地NPP最高，达到1.109 gC/m2，原因是林地多为野生，相比其他植被生长周期长，受人为因素干扰小，常绿阔叶林和常绿针叶林全年产生NPP。耕地占比大，范围广，除大别山北麓波状平原区外，其他平原区都有大面积分布，以黄河南平缓平原区分布最为密集，这与该地区海拔低、地势平缓、土质肥沃有关，NPP也达到1.083 gC/m2。水田NPP为0.727 gC/m2。草地分布稀疏且占比少，NPP为0.545 gC/m2。湿地多为河流、湖泊和水库，植被稀疏，NPP较低，为0.311 gC/m2。人工地表多为建设用地和居民地，NPP为0.288 gC/m2。除上述地物类型，还有裸土、戈壁、荒漠和苔藓等其他用地，虽然范围内有少量植物，但NPP及其有限，为0.427 gC/m2。

3.2 NPP季节变化规律

河南省黄淮平原2001年-2010年月平均NPP变化情况如图3所示。植物的生长趋势决定NPP的变化规律，由图3可以看出1月-12月NPP呈现先升后降的变化趋势。每年从3月份开始，温度、降水和日照辐射都逐渐回升，农耕作物开始大量播种，NPP也随之升高。5月-9月为农作物生长期，也是NPP的峰值区域，产出量均超过1 gC/m2。进入10月，农作物开始陆续被收割，气温、降水和日照辐射也相继下降，研究区内NPP的产出量出现大幅度回跌，10月到次年2月的平均值只有0.304 gC/m2。NPP变化具有明显的季节性，河南省黄淮平原2001年-2010年4季平均NPP分布情况如图4所示。

图4 河南省黄淮平原植被四季NPP空间分布

Fig.4 Spatial Distribution of NPP in four seasons of Huanghuai Plain in Henan Province

由图3可知，研究区夏季NPP产量最高，大部分地区超过0.9 gC/m2，只有人工地表和湿地低于0.9 gC/m2，整体平均值为1.19 gC/m2，占四季总量36.9%。秋季受秋收影响，耕地NPP下降明显，一般在0.6 gC/m2-0.9 gC/m2之间，林地保持在0.9 gC/m2之上，研究区秋季NPP整体水平为0.778 gC/m2，占四季总量24.1%。冬季的温度、降水和日照辐射都处于全年的谷值期，研究区只有少量的常绿型林地保持着NPP的产出，这并不影响研究区的整体格局，冬季NPP为全年谷值期，平均值只有0.269 gC/m2，占四季总量的8.4%。春季气候回暖，降水增多，随着农耕的开始，NPP也回升到0.985 gC/m2，占全年总量的30.6%。

3.3 NPP与气候因子相关性分析

图5为基于象元的NPP与温度之间的单相关系数（左）及固定住降水和日照辐射的二阶偏相关系数（右）。

由图5（左）看出，河南省黄淮平原大部分区域的NPP受温度的影响很大，黄河北微起伏平原、黄河南平缓平原和大别山北麓波状平原表现最为明显，相关系数达到0.8以上，大别山北麓波状平原内的部分林地更是超过0.95。当除去降水和日照的影响后，温度和NPP的相关性整体降低，如图5（右）所示。大别山北麓波状平原和黄河南平缓平原下降明显，这表明该区域的NPP不仅和温度有关，还受降水和日照的影响较大。黄河南平缓平原地势平缓，土质肥沃，开垦率高，农作物密度大，对降水和日照的需求高，受其影响相对也大。大别山北麓波状平原内的农作物是水田，对降水的依赖性比较高，丰富的水资源是必不可少的生存条件，除去降水和日照的影响后，NPP与温度的相关性明显减小。

图5 NPP与温度单相关系数（左）、二阶偏相关系数（右）

图6为基于象元的NPP与降水之间的单相关系数（左）及固定住温度和日照辐射的二阶偏相关系数（右）。由图6可以看出豫西山前倾斜平原区的东部、黄河南沙质平原区的中南部和淮北低缓平原区的北部NPP与降水的相关性系数都很低。这是因为该区域地形和土质的特性，植被多为旱生作物，抗旱能力强，对水资源有相对较低的敏感性。大别山北麓波状平原、豫西山前倾斜平原区的西部和黄河北微起伏平原区内NPP与降水的单相关性较高，如图6（左）所示。除去温度和日照的影响，研究区内NPP和降水二者的相关性普遍降低，只有极少的区域出现反向增长，如图6（右）所示。这可能与少量阴生植物的存在有关，过度的日照会抑制喜阴植物的生长。

图7为基于象元的NPP与日照之间的单相关系数（左）及固定住温度和降水的二阶偏相关系数（右）。由图7（左）可以看出大部分研究区内的NPP与日照辐射的单相关系数在0.3-0.8之间。在相对少量的区域内，二者相关性系数高于0.8，虽然布局分散，但有规律可循，一般都在平原和山区之间的过度地带。因为类似区域内的植物多为灌木类，抗寒性和耐旱性较强，反而对日照辐射的依赖性更多。由图7（右）可以看出，除去温度和降水的影响，NPP与日照辐射之间的相关性是普遍降低的，以淮北低缓平原、豫西山前倾斜平原和黄河南平缓平原最为明显，甚至大部分区域的相关性低于0.3。这表明在以耕地为主的河南省黄淮平原上，除去农作物赖以生存的温度和降水，单纯的日照对植物的生长意义不大。

图6 NPP与降水单相关系数（左）、二阶偏相关系数（右）

Fig.6 Single correlation coefficient (left), second-order partial correlation coefficient (right) between NPP and precipitation

图7 NPP与日照单相关系数（左）、二阶偏相关系数（右）

Fig.7 Single correlation coefficient (left), second-order partial correlation coefficient (right) between NPP and sunshine

4 结论

本文通过计算统计河南省黄淮平原2001年-2010年10年间NPP的平均分布情况，与土地分类数据进行对比分析，在空间尺度上得到研究区内NPP的分布规律。其中林地和耕地的NPP最高，其次是水田和草地，人工地表、湿地和其他用地相对较低。

提取10年间NPP的月平均变化量，按照春、夏、秋、冬四季计算出分布情况，通过统计分析，从时间的尺度上得到研究区NPP的变化规律。从1月-12月，NPP的变化曲线呈现对称的山峰状，5月-8月为峰值期，月均值超过1 gC/m2。从10月到次年2月为谷值期，平均值只有0.304 gC/m2。夏季的NPP最高，均值1.19 gC/m2，占全年36.9%。春季次之，均值0.985 gC/m2，占全年总量的30.6%。秋季低于春季，均值0.778 gC/m2，占四季总量24.1%。冬季最少，平均值只有0.269 gC/m2，占四季总量的8.4%。

计算温度、降水、日照和NPP的单相关系数和二阶偏相关系数，通过分析得出三者对NPP的影响力度，地形、地貌和植被的类型不同导致NPP与三者的相关性存在差异。耕地对降水和温度的依赖性强过日照；阴生作物对日照辐射产生排斥，显示负相关；生长于平原和山区过度地带的灌木丛抗寒性和耐旱性较强，反而对日照辐射的依赖性更多；水生作物相对日照和温度，降水的作用更为重要。总体而言，多数情况下，温度、降水和日照辐射要相辅相成，三者共同合理的作用于植物，才能最大限度的提高NPP。相反，固定其他两个变量，二阶偏相关系数普遍低于单相关系数。

[1] Lieth H. Modeling the Primary Productivity of the World [M]//Primary Productivity of the Biosphere. Berlin Heidelberg: Springer, 1975, 137-263.

[2] Kimmins J. Foresteology. New York. Maemillan Publishing Company 930 Carbon and Climate Working Group A.U.S. Carbon cycle science plan[EB/OL], P1986.

[3] 方精云主编. 全球生态学: 气候变化与生态响应.北京: 高等教育出版社, 2000.

[4] Fang J, Piao S, Tang Z, et al. International variability in net primary production and precipitation[J]. Science, 2001, 293(5536): 1723.

[5] 侯英雨, 柳钦火, 炎昊, 等. 我国陆地植被净初级生产力变化规律及其对气候的响应[J]. 应用生态学报, 2007, 18(7): 1546-1553.

[6] 刘玉安, 黄波, 易成功, 等. 基于地形校正的植被净初级生产力遥感模拟及分析[J]. 农业工程学报, 2013(13): 130-141.

[7] 王李娟, 牛铮, 旷达. 基于MODIS数据的2002-2006年中国陆地NPP分析[J]. 国土资源遥感, 2010, 22(4): 113-116.

[8] Steffen W, Noble I, Canadell J, et al. The terrestrial carbon cycle: Implications for the Kyoto Protocol[J].

[9] Nomani R R, Kccling C D, Hashimoto H, Jolly W M, Climate Driven Increases in Global Terrestrial Net Primary Production from 1982to1999.Science, 2003, 300(5625): 1560-1563.

[10] 高清竹, 万运帆, 李玉娥, 盛文萍, 江村旺扎, 王宝山, 李文福. 藏北高寒草地NPP变化趋势及其对人类活动的响应.生态学报, 2007, 27(11): 4612-4620.

[11] 赵俊芳, 延晓东, 贾根锁. 东北森林净第一性生产力与炭收支对气候变化的响应. 生态学报, 2008, 28(1): 92-104.

[12] Hold ridge L R, Determination of world plant formations from simple climatic data. Science, 1947, 105(2727): 367- 368.

[13] Lieth H, Primary production of major vegetation units of the world//Lieth H, Whittaker R H, editors, Primary Production of the biosphere, New York Springer Verlag, 1975.

[14] Goward SN, Prince SD. Transient effects of climate on vegetation dynamics: satellite observations. Journal of Biogeography, 1995, 22(1): 549-563.

[15] 许红梅, 高竹青, 黄永梅, 贾海坤. 气候变化对黄土丘陵沟壑区植被净初级第一性生产力的影响模拟. 生态学报, 2006, 26(9): 2939-2947.

[16] 李斌, 张金屯. 黄土高原地区植被与气候的关系.生态学报, 2003, 23(1): 82-89.

[17] Prentice I C, Cramer W, Harrison S P, et al. Special paper: A global biome model based on plant physiology and dominance, soil properties and climate[J]. Journal of Biogeography, 1992, 19(2): 117-134.

[18] Woodward F I, Smith T M, Emanuel W R.A global land primary productivity and phytogeography model[J].Global Biogeochemical Cycles, 1995, 9(4): 471-490.

[19] Foley J A, Prentice I C, Ramankutty N, et al. An integrated biosphere model of land surface processes, terrestrial carbon balance, and vegetation dynamics[J].Global Biogeochemical Cycles, 1996, 10(4): 603-628.

[20] 邱士可, 杜军, 马玉凤等. 基于地理国情的农业自然资源综合统计与分析研究-以河南省黄淮平原为例[M]. 北京: 中国农业科学技术出版社, 2017.(54-55)

[21] 尹锴, 田亦陈, 袁超, 等.基于CASA模型的北京植被NPP时空格局及其因子解释[J]. 国土资源遥感, 2015, 27(1): 133-139.

[22] 王海燕, 杨方廷, 刘鲁. 标准化系数与偏相关系数的比较与应用[J]. 数量经济技术经济研究, 2006, 9, 150-155.

Temporal and Spatial Patterns of Vegetation NPP and its Relationship With Climate of Huanghuai Plain area in Henan Province

GONG Wen-han1, YANG De-hong1, DU Jun2, WANG Chao2, YU Hui1

(1. Faculty of Land Resource Engineering, Kunming University of Science and Technology, Kunming 650202; 2. Institute of Geographical Sciences, Henan Academy of Sciences, Zhengzhou 450052)

Taking the Huanghuai Plain in Henan Province as the research area, using remote sensing data, land classification data and meteorological data, the net primary productivity (NPP) of vegetation ecosystems from 2001 to 2010 was estimated based on the solar energy utilization efficiency (Carnegie-Ames-Stanford-Approach, CASA) model for Huanghuai plain area in Henan Province. In this paper, the average distribution of NPP of Huanghuai Plain from 2001 to 2010 in Henan Province was calculated and compared with the land classification data. The distribution of NPP in the study area was obtained on the spatial scale in 10 years. Among them, the NPP of forest land and cultivated land were the highest, followed by paddy fields and grassland, while the artificial surface, wetland and other land use were relatively low. According to the average monthly variation of NPP over 10 years, the distribution was calculated according to the spring, summer, autumn and winter seasons. Through statistical analysis, the change regulation of NPP in the study area was obtained on the time scale. The results showed that, the NPP curve showed a symmetrical peak shape from January to December, the average monthly value exceeded 1gC/m2 in the peak period from May to August. The average value was only 0.304 gC/m2per month in the valley period from October to February. The NPP value was the highest in summer, followed by spring, the third was in the autumn, and the fourth was in the winter. Calculated the single correlation coefficient and second-order partial correlation coefficient between NPP and temperature, precipitation, sunshine based on pixels, compared the influence of the three on NPP, and analyzed the effects of topography, landform and vegetation types on the correlation coefficient between different factors.

Net primary productivity; CASA model; Rlationship between vegetation and climate; Huanghuai plain in henan province

TP79

A

10.3969/j.issn.1003-6970.2018.11.010

河南省基础与前沿研究(批准号：162300410053)、河南省科技攻关项目(批准号：182102310740)

巩文翰(1974-)，男，研究生，主要研究方向：环境资源遥感；杨德宏(1965-)，男，副教授，主要研究方向：测绘工程；杜军(1981-)，男，副研究员，主要研究方向：环境资源遥感；王超(1966-)，男，副研究员，主要研究方向：测绘工程；于辉(1992-)，女，研究生，主要研究方向：环境资源遥感。

巩文翰，杨德宏，杜军，等. 河南省黄淮平原区植被NPP时空格局及其与气候的关系[J]. 软件，2018，39（11）：39-46