基于CASA模型的2005—2019年云南断陷盆地NPP时空变化研究

张鑫彤, 吴秀芹

北京林业大学水土保持学院, 北京 100083;

北京林业大学水土保持国家林业局重点实验室, 北京 100083;

北京林业大学云南建水荒漠生态系统国家定位研究站, 云南建水 654399

植被净初级生产力(NPP), 是指绿色植物经过光合作用合成的有机物总量减去自身呼吸作用消耗的有机物之后, 剩余的可用于植物生长、发育和繁殖的能量值, 用来表现绿色植物的固碳量(尹锴等,2015)。利用NPP对地表植被固碳量进行反演模拟,既可以反映植物的生长状况、完成对植被数量的监测, 又可以对碳循环以及整个全球气候的变化研究起到重要辅助作用, 有很强的现实可用性。NPP估算模型主要有: 气候生产力模型、生态学过程模型、光能利用率模型。其中气候生产力模型只考虑气候因子而忽略了许多影响植物干物质积累的其他因素和植物对环境的反馈作用, 因此误差较大(朱文泉等, 2005a; 生态学过程模型涉及多种复杂参数的采集, 难度很大。相比之下, 光能利用率模型数据获取难度较小且精度较高, 另外其可通过遥感手段辅助计算, 节省了大量繁杂的野外试验测定步骤, 在近年来遥感技术的迅速发展推动下, 逐渐成为 NPP测算研究方法的主流(朱文泉等, 2005b)。其中,CASA模型通过遥感数据、气象数据对NPP进行估算(Potter et al., 1993), 既避免了复杂参数的采集,又能较为准确地进行大范围的NPP模拟, 在国内外广泛应用于不同地区不同地表植被类型固碳量的反演模拟。

我国曾对不同区域进行了 NPP的测算并展开研究。如基于CEVSA模型分析了青藏高原2000—2014年植被净初级生产力时空变化(许洁等, 2020);基于CASA模型研究了中国西北地区植被NPP多时间尺度的变化, 并分析了其对气候变化的响应(贾俊鹤等, 2019); 结合 MODIS数据模拟了福建省植被NPP(余弘泳和余会康, 2018); 运用CASA模型模拟了新疆近十年草地生态系统 NPP并分析了其时空格局变化(杨红飞等, 2014)。通过这些研究, 对区域生态系统变化情况有了进一步的了解, 对于采取下一步的生态治理措施、研究区域发展起到了重要作用。在我国西南喀斯特地区, 特殊的地质构造、雨热同期的气候条件、广泛分布的碳酸盐岩使其形成了独特的碳循环和巨大的碳汇潜力, 在区域和全球碳循环过程中发挥着重要作用(王世杰等, 2017),岩溶地区植被 NPP的研究是植被建设和生态系统恢复的重要基础, 掌握其动态变化情况对于该区域生态恢复与可持续发展具有重要意义。岩溶断陷盆地位于云贵高原, 共有43个县, 其中, 有32个位于云南, 由于其特殊的地形、地貌、气候条件, 地表极易受到不可恢复的破坏和发生严重的水土流失现象, 使得云南省成为除贵州之外第二大石漠化分布地区(王宇等, 2017), 全省岩溶面积占总面积的29%。由于特殊的地质构造体系、强烈的构造运动及各类人为干扰(张云等, 2010), 云南石漠化面积不断扩大发展, 治理工作迫在眉睫。因此, 从2008年开始, 为推进石漠化防治, 全省开展了石漠化综合治理试点工程建设, 至2012年, 65个石漠化重点县全面开展了综合石漠化治理, 将生物措施、工程措施、农业措施相结合, 突出重点、集中治理, 取得了明显成效, 区域植被盖度明显增加、区域环境逐步改善。

综上, 为了解近年石漠化治理工程实施以来云南断陷盆地的生态环境变化, 本文用CASA模型在县域尺度上模拟估算了其 2005—2019年间的 NPP值, 并分析了其时间、空间分异及动态变化, 旨在提示NPP对石漠化治理效果、生态环境恢复状况的响应, 以期为断陷盆地下一步生态环境保护建设提供科学参考。

1 研究区概况

岩溶断陷盆地位于我国云贵高原, 处于100°3′—105°10′E、22°39′—29°10′N 之间, 包括滇东至四川攀西盐源及贵州西部的43个县(史晨璐和吴秀芹, 2020), 其中云南省境内有32个县(图 1)。断陷盆地盆山共存、地形变化剧烈, 季节性干旱缺水且地下河深埋等自然条件, 导致其水土资源不匹配,生产条件落后。近些年, 城镇化和经济开发建设过程中断陷盆地土地被过度占用, 导致人地关系矛盾日益突出, 加速了石漠化发展, 导致地区经济贫困。其中, 滇东为该区域岩溶发育最严重和重度石漠化地区分布最多的区域(曹建华等, 2016)。滇东区域终年太阳高度角大、是西南岩溶断陷盆地光照强度最大的区域。属于热带季风气候, 干湿两季分明,光照时间长且季节性干旱严重, 且由于断陷盆地气候反差大、较之周围山地降水少而蒸发快, 导致缺水极为严重、岩溶地貌发育显著(李丹, 2019)。云南省石漠化分布广, 尤其以东部、南部最为严重。按照地质环境及石漠化发育状况, 可将滇东划分为:滇东北中山峡谷岩溶盆地区石漠化区、滇东岩溶断陷盆地区石漠化区、滇东南岩溶峰丛洼谷地区石漠化区三个岩溶分布区(吕文丽, 2014)。自2000年以来, 云南省积极进行生态环境建设、治理工作, 积极应对水土流失、石漠化等环境难题。从2008年起,政府投入大量资金对 12个重点县实施石漠化综合治理试点工程, 全省持续采用石漠化综合治理、天然林生态林公益林保护、退耕还林还草等生态工程,采取人工造林、封山育林(草)、陡坡改梯等方式, 加快岩溶地区林草植被保护与石漠化土地修复。2012年, 石漠化综合治理从 12个县增加到 65个县, 基本涵盖了断陷盆地所在县域。

图1 研究区位置示意图Fig. 1 Location map of the study area

2 数据与方法

2.1 数据来源及数据处理

2.1.1 NDVI数据来源与处理

NDVI数据来源于MODIS数据, 采用NASA官网MOD13Q1系列产品, 该产品是Terra卫星采集的以16天为周期的全球250 m分辨率NDVI数据, 根据研究需要和影像采集规则, 选取研究区云南所在的h26v06、h27v06两景影像, 并进行影像的批量拼接、转投影、最大值合成处理。借助 ArcGIS工具提取出云南省断陷盆地 2005、2010、2015、2019年各月份 NDVI数据, 并统一定义为 Albers投影,将一年12个月数据进行波段组合, 形成年均NDVI分布图, 保存备用。

2.1.2 气象数据来源及处理

气象数据来源于中国地面气候资料月值数据集, 经过数据整理, 在 Arcmap中加载云南省各气象站点点位信息, 并通过克里金插值法插值得到2005年、2010年、2015、2019年1—12月云南气温、降水分布图, 设置像元大小为250 m×250 m。再运用波段组合工具将每年12个月的气温、降水图分别组合, 得到年平均气温图、年总降水量图, 最后根据云南断陷盆地边界范围进行裁剪。同理, 利用中国地面日气象资料数据集, 根据其日照信息文件(SSD)及温度信息, 计算出各站点太阳辐射值,后利用距离倒数插值法进行插值, 再用与制作气温、降水图相同的方法, 得到太阳辐射分布图。

2.1.3 CASA模型静态参数配置

在一定范围内, FPAR与NDVI、SR存在较好的线性关系(周伟等, 2017), 故通过NDVI、SR加权平均或平均值估算CASA模型中的FPAR参数。静态参数文件用于配置各植被类型的最大光能利用率及NDVI最大、最小值, 本实验参考朱文泉研究成果(朱文泉等, 2006)配置静态参数文件。植被类型及对应的参数值如表1所示。

表1 各植被类型静态参数Table 1 Static parameters of various vegetation types

2.1.4 植被分布图处理

植被分布图来源于 ESA CCI的全球植被覆盖数据, 分别下载2005、2010、2015、2019年植被覆盖数据, 掩膜提取出云南省断陷盆地植被覆盖数据,并转化为与其他数据相同的Albers投影类型。同时,对其进行重分类操作, 分成与静态参数表相对应的22种类型以进行CASA模型运算。

2.2 研究方法

采用CASA模型对NPP进行估算。CASA模型是一种基于过程的遥感模型, 基于CASA模型可对生态系统的生产力、土壤碳进行模拟(朱文泉等,2005b, 2006, 2007)。其原理是通过植被光合有效辐射、实际光能利用率来估算 NPP。即 NPP(x,t)=APAR(x,y)*ε(x,y)(Potter et al., 1993; 朱文泉等,2007)。

(1)APAR(x,y)=SOL(x,t)×FPAR(x,t)×0.5

其中, SOL(x,t)表示像元x在t月的太阳总辐射量, FPAR(x,t)表示植被层对入射光合有效辐射的吸收比例, 常数 0.5表示植被能利用的太阳有效辐射占太阳总辐射比例。

(2)ε(x,y)由最大光能利用率、温度水分胁迫因子共同决定。

ε(x,y)=Tε1(x,y)×Tε2(x,y)×Wε(x,y)×εmax

由于CASA模型比较成熟, 具体公式计算方法与参数含义不再赘述。

3 结果分析

3.1 2005—2019年云南省断陷盆地NPP时间变化

2005年到2019年, 云南省断陷盆地NPP平均值总体上呈现出先减少后增加再减少的趋势, 为便于分析变化, 分别统计断陷盆地各典型土地覆盖类型在该期间的变化情况。各植被类型NPP值见表2与图2。

图2 各植被类型NPP均值Fig. 2 Mean value of NPP of each vegetation type

表2 各植被类型NPP值Table 2 NPP of various vegetation types

2005到2010期间, 林地类型NPP平均值明显下降, 其中, 常绿针叶林NPP平均值由626.92 gc/m2下降至218.49 gc/m2, 约降低408.43 gc/m2; 常绿阔叶林在 2005年至 2010年 NPP平均值由1 320.11 gc/m2下降至468.41 gc/m2; 落叶阔叶林由862.12 gc/m2降至305.75 gc/m2。草地NPP平均值也有明显下降, 由614.95 gc/m2下降至218.96 gc/m2。此外, 灌丛、耕地NPP均值均有不同程度的下降。

2010到2015年间, NPP平均值略有上升, 且有持续上升趋势。按照各土地覆盖类型来看, 常绿针叶林NPP均值约增加18.76 gc/m2, 常绿阔叶林NPP均值约增加 151.09 gc/m2, 落叶阔叶林均值约增加57.63 gc/m2, 草地NPP均值约增加53.15 gc/m2。

2015到2019年间, NPP平均值略有下降, 但相较于2010年NPP水平仍有一定提升。按各类土地覆盖类型来看, 常绿阔叶林 NPP均值下降最明显,约减少154.01 gc/m2; 落叶阔叶林NPP均值约减少37.6 gc/m2; 草地NPP均值约减少31.9 gc/m2。

从NPP总值变化来看, 2005—2010年, 断陷盆地植被 NPP总量下降, 2010—2015年总量上升,2015—2019年 NPP总量略有下降。结合同期土地利用的转移变化来看, 2005—2010年草地、林地、灌丛等植被面积均有减少, NPP总量也有一定下降。2010年以后, 随着石漠化治理措施的实行以及大量植树造林工程的推进, 林地、草地面积逐步增加,对提高 NPP水平起到了显著作用, 但 2015—2019年, 各类植被NPP水平又有一定下降。

2005—2019年NPP分布图见图3。

图3 2005(a)、2010(b)、2015(c)、2019(d)年云南省断陷盆地NPP分布图Fig. 3 Distribution of NPP in Yunnan fault-depression basins in 2005 (a), 2010 (b) , 2015 (c) and 2019 (d)

3.2 云南省断陷盆地NPP空间分异及变化

借助Arcgis中分区统计的方法, 统计了云南省2005—2019年断陷盆地所在县域内的NPP平均值,并绘制了柱状图进行对比, 分析其空间分布特征。同时, 结合各县域石漠化分布状况, 分析其石漠化治理工程实施以来NPP变化情况, 以探究NPP对石漠化的响应。各县域2005—2019年间NPP均值变化情况见表3与图4。

表3 云南省2005—2019年断陷盆地所在县域NPP均值统计(单位: gc/m2)Table 3 Statistics of average NPP in Yunnan fault-depression basins in 2005–2019(unit: gc/m2)

图4 2005(a)、2010(b)、2015(c)、2019(d)年云南省断陷盆地县域NPP分布均值图Fig. 4 Bar graph of average NPP in Yunnan fault-depression basins in counties in 2005(a), 2010 (b), 2015 (c), 2019 (d)

由以上NPP分布图和分区统计表来看, 云南省断陷盆地NPP空间分布不均。从总体来看, 云南省断陷盆地东部、南部地区NPP均值较高, 而西部、北部等地NPP值较低, 空间上呈现出自东向西、自南向北递减的趋势。以2015年NPP均值分布为例,其中, 西部五华区、盘龙区、呈贡县、江川县、澄江县等NPP均值较低, 在101～213 gc/m2之间; 丘北县、罗平县、马关县、师宗县NPP平均水平较高, 均大于300 gc/m2。

由NPP总值分布情况来看, 丘北县、宣威县、禄劝彝族苗族自治县、弥勒县、建水县NPP总值较高, 均大于1.65×107gc; 通海县、江川县、 澄江县、呈贡县、盘龙区、五华区 NPP总值最低, 均小于2.8×106gc。NPP总值在2005—2019年间也呈现出先下降后上升再下降的波动趋势。

由NPP动态变化的空间分布来看, 2005—2010年, 云南省境内断陷盆地各县NPP均值均有明显下降。其中, 西北部、南部地区NPP均值下降幅度较大, 如马关县、个旧县、师宗县、富民县、禄劝彝族苗族自治县, NPP均值下降均超过 500 gc/m2。2010—2015年, 西南部通海县、玉溪县、江川县等NPP均值变化不大, 而盘龙区、富民县、马龙县、寻甸回族彝族自治县等原 NPP均值较低的地区,NPP水平均有较大提升。2015—2019年, 各县NPP均值均有一定下降, 其中开远县、个旧县、建水县、昆明市各区下降幅度较大, 有些甚至低于 2010年NPP值。

4 结论与讨论

4.1 结论

(1)从时间尺度上来看, 2005—2019年云南省内断陷盆地 NPP平均水平总体上呈现出先减少后增加再减少的趋势。2005—2010年间, 林地、草地等植被NPP均值明显下降、提供的生产力总值也有显著下降, 但林地面积变化不显著, 同时, 城镇面积有显著提升。2010—2015年间, 林地、草地等植被NPP均值有一定上升, 且有持续上升趋势, 同时,植被面积和提供的 NPP总量也有一定上升。2015—2019年, NPP均值又有小幅回落, 植被面积也有所减少。

(2)从空间上来看, 首先, 云南省内断陷盆地NPP空间分布不均, 东部、南部地区NPP指数较高,而西部、北部等地NPP值较低, 空间上呈现出自东向西、自南向北递减的趋势, 同时, 由NPP动态变化的空间分布来看, 2005—2010年, 除西部几个NPP均值极低的县之外, 其余大部分地区NPP均值有显著下降; 2010—2015年, 大部分地区NPP均值均有提升, 其中, 断陷盆地中部、西北部地区 NPP变化较大, 其他如东部、南部地区NPP水平亦有上升趋势; 2015—2019年, 大部分地区NPP有一定下降, 其中南部、西部地区变化最为显著。

4.2 讨论

结合石漠化研究情况来看, 云南省石漠化面积居全国第二, 截止到2016年底, 全省石漠化面积达到 235.2公顷, 而由于云南断陷盆地特殊的地质构造及脆弱的生态环境, 其所在的多个县域均存在不同程度、不同面积的石漠化土地。其中, 马关县(32.69%)、丘北县(23.91%)、罗平县(22.15%)石漠化发生率最高, 均在 20%以上, 其他如师宗县、蒙自县、宣威县、沪西县石漠化发生率也在10%以上。2011—2016年, 云南省全省持续实施了石漠化综合治理等生态工程, 植被覆盖面积有显著上升。经过石漠化综合治理, 截至2016年底, 云南全省石漠化土地面积减少48.8万公顷, 其中, 断陷盆地地区罗平县、马龙县、寻甸回族彝族自治县、富民县石漠化变化率较高, 分别为–20.92、–19.48、–33.13、–43.5。结合断陷盆地所在县域NPP变化来看, 2010—2015年, 罗平县NPP均值由261.69 gc/m2上升至314.64 gc/m2, 约上升20.23%; 马龙县NPP均值由215 gc/m2上升至266.3 gc/m2, 约上升23.86%; 寻甸回族彝族自治县 NPP均值由 228.24 gc/m2上升至275.64 gc/m2, 约上升 20.77%, 在一定程度上反映了石漠化治理效果。但2015—2019年间, NPP水平又出现了一定程度的回落, 说明断陷盆地区生态治理修复仍将是一项艰难的长期工程。

另外, NPP变化受多种因素影响, 如气候、地形等。黄晓云等研究得出NPP与气温、降水变化和分布情况显著相关, 气温上升对植被生长有利, 因此气温与 NPP呈正相关, 降水也与 NPP变化呈正相关。由于受到高太阳辐射量影响, 温度对断陷盆地植被生长的影响大于降水, 断陷盆地气候对NPP变化的影响在空间上呈现 4种模态: 气温与降水量皆上升时, NPP上升; 气温和降水量都下降时, NPP上升; 气温上升但降水量下降时, NPP上升; 气温下降、降水量上升时, NPP下降(黄晓云, 2013)。研究表明, 2000年以来, 喀斯特断陷盆地区气候存在逐渐变暖变干的趋势, 温度的显著升高和降水的显著减少都对NPP变化产生了影响(庄义琳等, 2019)。左丽媛和高江波(2020)用地理探测器的方法证明了植被覆盖度、土地利用类型、温度、海拔、坡度、降水等因子均可对NPP产生影响。因此, NPP的变化可能是各种因素共同作用的结果, 本文限于研究时间与研究方法, 尚未具体探究NPP变化与气候、地形、岩性等影响因子的关系, NPP的变化原因还有待进一步深入研究。

Acknowledgements:

This study was supported by National Key Research and Development Program of China (Nos.2016YFC0502500 and 2016YFC0502506), and National Natural Science Foundation of China (No.41671080).