基于Century与生态遥感综合模型相结合的植被生产力估算

摘 要：该文研究利用气候数据和气候情景数据驱动Century模型模拟河南部分地区生态系统的净初级生产力（NPP），并利用MODIS植被指数产品与之模型模拟处理的NPP建立线性模型，从而反演整个河南地区的净初级生产力（NPP）。识别结果显示，模拟NPP值与实测NPP值的线性回归系数最高达到0.9，决定系数最高达到0.85，均方根误差最低为2.0 g/m2。结果表明，该文采用Century模型，并利用遥感资料进行植被生产力的估算在河南区域准确度高和普适性强，该方法的应用在未来河南地区植被生产力估算中起着一定作用。

关键词：Century模型；生态遥感综合模型；MODIS；气象数据；净初级生产力

中图分类号：F323 文献标志码：A 文章编号：2096-9902（2024）21-0025-04

Abstract： This paper uses climate data and climate scenario data to drive the Century model to simulate the net primary productivity （NPP） of ecosystems in some areas of Henan， and uses the MODIS vegetation index product to establish a linear model with the NPP simulated by the model to retrieve the NPP of the entire Henan region. The identification results show that the linear regression coefficient between the simulated NPP value and the measured NPP value reaches up to 0.9， the coefficient of determination reaches up to 0.85， and the root-mean-square eE9HRXnYa3ocK2NFL/zDcZw==rror is 2.2. The results show that this paper uses Century model and remote sensing data to estimate vegetation productivity with high accuracy and universality in Henan， and the application of this method will play a certain role in estimating vegetation productivity in Henan in the future.

Keywords： Century model; integrated ecological remote sensing model; MODIS; meteorological data; net primary productivity

植被生产力是衡量全国植被因素的一个重要指标，其能有效地展现特定地区的植被生长状况。因此，对植被生产力的研究在全国植被生态领域具有重要作用。探索植被的碳循环机制，估算植被的碳储量，可对系统分析和全球气候变化作出重要贡献，具有巨大的生态价值和对全球碳收支的重要价值[1]。

目前，国内外利用遥感数据进行植被生产力估算大致分为四大类[2-4]。生产力气候模型主要分为统计模型、半经验模型和半理论模型。生产力气候统计模型是基于年平均气温、年降水量和实际NPP测量值之间的统计关系建立的回归模型。生产力气候模型目前主要有Miami模型[5]、Thornthwaite Memorial模型[6]、Chikugo模型[7]、国内的朱志辉模型[8]和周广胜模型[9]。生物地球化学模型具有高度的机械性和系统性，是一种可靠且详细描述不同条件下生物过程的模型。这些模型主要包括BEPS模型[10]、Century模型[11]、BIOMe-BGC模型[12]等。光能利用模型：近年来，光能模型已成为研究植物净初级生产力（NPP）的主要方法。这些模型基于植物的光合作用过程和光能利用原理，采用资源平衡的观点建立[12-14]。遥感生态模型在全球变化研究中也扮演着重要角色，其中遥感参数模型在实现植被参数尺度转换方面发挥着关键作用。另外，通过利用斑块尺度的生态系统参数，可以推算出更大尺度的生态系统参数[15]。随着遥感技术的发展，卫星遥感数据作为研究植被净初级生产力（NPP）的信息来源显示出了明显的优势。通过比值植被指数和归一化差值植被指数，可以确定植被的光合有效辐射吸收比（FPAR），而光能利用模型则根据植被指数和FPAR来估算植物的生长情况，进而探究光合作用对植物生长发育的影响。

植物生长依靠光合作用吸收能量并转化为生物质，光能利用模型能直接应用于遥感数据，因此已成为NPP模型发展的主要方向。这些模型的主要代表是CASA模型和C-FIX模型[16]。其中，CASA（Carnegie Ames Stanford Approach） 模型借助光合作用原理，结合遥感、气象和地理信息数据，可以进行调整和优化，得到空间分辨率更高、精度更好的月度和年度NPP数据。这种方法已在全球范围内得到广泛应用[17-18]。人类活动、气候水文等多种因素影响着区域净初级生产力（NPP）的变化[19]。在王云霓等[20]的研究中，其考察了华北落叶松人工林NPP对气象因子的响应，结果显示NPP与大部分月份的温度指标保持正相关。

尽管利用遥感估算植被生产力的技术已经比较成熟，但在大面积情况下，如何快速且有效地对植被生产力进行估算的研究还不够，无论是方法的可操作性，还是结果精度的验证上都还存在着一些问题。本研究的主要目的是利用气象数据和遥感数据，探寻Century模型和生态遥感综合模型结合点，从而建立一种能够快速和高效估算植被生产力的方法，以期能够为气象和遥感数据对大面积植被生产力提取提供一种新的且行之有效的研究思路。

1 研究区概况

河南省地势西高东低，东部为黄淮海冲积平原，西南方向是南阳盆地。河南省大部分区域的气候在地理上属于暖温带气候，只有很少部分区域，特别是河南省的南部是亚热带气候条件，所以河南省基本在其南部种植水稻，其他区域基本上种植麦类作物，具有从东到西、从平原向丘陵山地气候过渡的特点，有4个不同的季节，多雨热期，气象灾害复杂多样，频繁发生。年平均温度是10.5～16.7℃，年平均降水量为407.7～1 295.8 mm，降雨主要在6月至8月，年平均日照时数为1 285.7～2 292.9 h，全年无霜期201～285 d，适合各种植被的生长。

2 数据及预处理

2.1 数据获取

气象数据。本研究使用国家卫星气象中心天擎数据下载官网（http：//idata.cma/cmadaas/）提供的气象站点数据，站点数据为日数据，总共需要3种，分别为最高温度、最低温度和降水量。

站点观测数据（用于校验模型）。搜集有野外详细观测记录的站点，下载模型模拟需要的相关数据：站点经纬度、草地类型（草种）、管理制度（生长期、放牧等）；地上生物量、土壤有机质。站点经纬度、草地类型和管理制y+cet9pZyevSriFg6E331g==度作为模型的输入数据，驱动模型；观测的地上生物量和土壤有机质作为模型输出结果对比和模型的校验。下载方式：国家生态科学数据中心网站（http：//www.cnern.org.cn/data/initDRsearch？classcode=STA）。

土壤数据。通过世界土壤数据库软件获取整个河南地区各站点的土壤数据（土层深度（cm）、沙粒（0-1）、黏粒（0-1）、土壤容重（g/cm3）、土壤有机碳（0-1））。

遥感数据。MODIS产品很多种，从NASA统计总共44种，其中就有所需的植被指数产品MOD13Q1，MODIS/Terra植被指数16天L3全球250 M SIN网格MOD13Q1数据投影为正弦投影，其空间分辨率为250 m，每16天提供一次。MODIS13Q1数据下载链接为https：//ladsweb.modaps.eosdis.nasa.gov/search/。

其他数据。本研究除了使用上述数据，还使用了矢量数据和Google高清底图数据。矢量数据用于行政边界的确认和遥感数据的裁剪。

2.2 数据预处理

1）气象数据处理。将从天擎下载的各站点气象数据转化为Century模型要求的气象数据格式（example.wth）。

土壤数据处理。将HWSD软件中的土壤数据转化为Century模型要求的土壤数据格式（soil.in）。处理过程：①将沙粒（0-1）、黏粒（0-1）、土壤容重（g/cm3）、土壤有机碳（0-1）换算成模型要求的单位；②由沙粒和黏j25la3s1xIMmgbH2JaK2NA==粒可以计算出田间持水量（0-1）、萎蔫点（0-1）、饱和导水率（cm/sec）；③蒸发系数（0-1）、根比例（和为1）使用默认值；④最小含水量参考默认值，并且要小于萎蔫点。

站点观测数据处理。将从网站下载的观测站点经纬度、草地类型（草种）、管理制度（生长期、放牧等）输入模型对应的文件（站点信息文件example.100；站点管理制度文件example.sch；草地类型（草种）数据库crop.100）。

MODIS13Q1数据处理。本文采用Python编程方法进行MODIS13Q1数据自动预处理，包括投影转换和裁剪，这样可以大大提高处理效率，也可以防止人为手动处理导致人为误差。基于同一时期谷歌影像，结合实地调查，选取标志明显的建筑物、道路交叉口、河流等20个拐点作为地面控制点，均匀分布在地图上。然后基于处理好的MODIS13Q1，再进行几何精校正，以防位置有偏差。基于本文研究区矢量，通过矢量进行裁剪出整个河南范围的植被指数结果。

3 研究方法

基于Century和生态遥感综合模型相结合的植被生产力估算的技术路线如图1所示，基于气象站点和土壤站点数据，采用CENTURY模型运算得到每个点的植被生产力作为实测结果，利用MODIS的NDVI产品与CENTURY模型运算得到每个点的植被生产力通过最小二乘法建立线性关系，从而反演得到整个河南省的植被生产力。

3.1 Century模型

其所需环境很多，主要通过3个程序来组成，分别是该模型的输出程序和该模型的2个辅助程序功能。其中，文件程序主要用于方便用户注册和更新该模型的主程序里面涉及的12个参数文件。事件程序主要用于对作物功能、管理过程中遇到的意外事件的一些配置参数的修改。Century模型主要是基于国家气象站、土壤站点的一些因素，通过一些生态机理的耦合然后模拟生态系统环境的一种生态模型。水预算模型是用来平衡水生态系统的分布，模拟水热条件的影响物质的分解，并计算N的矿化和分布率，P、S和其他土壤中的养分物质营养结合土壤有机质模型。水热和营养条件的胁迫会抑制植物的生长发育，其中生物量是受胁迫影响最严重的因素。根据分解速率的不同，植物凋落物主要分布在地面和土壤的材料库中，并重新进入物质循环模型。

3.2 生态遥感综合模型

本文基于Century模型计算出的NPP作为真值与MODIS的植被指数产品，采用最小二乘法对整个河南地区的植被净初级生产力进行反演。

3.3 精度验证

本文通过实测得到的NPP值与反演得到的NPP值进行相关分析和决定性分析，最终得到相关系数、决定系数和均方根误差。这3个指标作为本文反演方法的验证指标。

4 结果与分析

编程提取各站点逐月生产力，结合遥感数据，与对应经纬度的NDVI进行线性拟合，利用最小二乘算法计算线性模型y=ax+b中的系数a和常量b，再将NDVI作为x值代入方程，求出y，即可得到区域上的净初级生产力。基于Century和生态遥感综合模型相结合的植被生产力估算方法获得了2023年4月、2023年5月、2023年6月和2023年7月的河南省植被生产力的分布面积和空间分布格局。

本文通过实测的植被生产力和反演的植被生产力采用上述精度验证方法进行验证，结果见表1，2023年4月、5月、6月和7月的河南省的植被生产力模拟NPP值与实测NPP值的线性回归系数分别为0.78、0.84、0.90和0.88，决定系数分别为0.70、0.78、0.85和0.82，均方根误差分别为5.6、3.4、2.0和15.4 g/m2。

表1 植被生产力精度验证结果

5 结论

本文基于遥感资料的植被生产力估算，利用MODIS的植被指数产品、国家气象站的气象数据（最高温度、最低温度和降水量）和土壤站的土壤数据，结合一些实测数据，利用Century模型估算出整个河南省的植被生产力。从上述结果来看，河南整体上的植被生产力情况与河南省统计局的统计年鉴数据基本上差别不大。河南省整个植被空间上也符合该省的分布情况。

本文主要方法可以分为两大步骤：①利用下载处理好的气象数据、土壤数据等进入前人研究好的的Century模型进行模型反演，并结合河南省本土情况，采样一些实测数据加入模型中进行模型优化，最后得出符合河南省本土情况的模型反演情况，也就是让Century模型进行模型本地化，适应河南省的总体情况。在参数校正后，使用了每个研究场址的植被NPP观测数据，验证模拟结果的适应性。从总体上看，实测和模拟结果的相关性很好，有连续的分布性和拟合性也比较高。统计分析表明，模拟NPP值与实测NPP值的线性回归系数在0.78～0.90。决定系数在0.7～0.85，回归效果显著; 另外，模拟结果的平均值与观测结果的平均值接近，两者相差-1.4～3.3 g/m2，均方根误差均较小，范围为2.0～15.4 g/m2，该模型结果虽然有点误差，但在可控范围内，结果可见Century模型这种方法的普适性强和可用性，能应用于研究遥感资料对河南植被生产力的影响。②利用MODIS遥感数据处理好的植被指数产品，结合本地化验证的Century模型运转出来的植被生产力，进行相关分析，然后利用最小二乘法，建立遥感植被指数产品和模型运转出的植被生产力一元线性方程，拟合度比较高，线性回归系数达到0.9，决定系数达到了0.85。利用该模型反演得到整个河南省的植被生产力情况。

参考文献：

[1] 钟华平，樊江文，于贵瑞，等.草地生态系统碳蓄积的研究进展[J].草业科学，2005，22（1）：4-11.

[2] 王莺，夏文韬，梁天刚.陆地生态系统净初级生产力的时空动态模拟研究进展[J].草业科学，2010，27（2）：77-88.

[3] 林慧龙，常生华，李飞.草地净初级生产力模型研究进展[J].草业科学，2007，26（12）：26-29.

[4] 崔霞，冯琦胜，梁天刚.基于遥感技术的植被净初级生产力研究进展[J].草业科学，2007，24（10）：36-42.

[5] LIETH H. Modeling the primary productivity of the world[J]. Na-ture and Resources，1972，8（2）：5-10.

[6] LIETH H，BOX E X. Evapotranspiration and primary production：C W Thornthwaite Memorial Mode[J].Publications in climatolo-gy，1972，25（2）：37-46.

[7] UCHIJIMA Z，SEINO H. Agroclimatic evaluation of net primary pro-ductivity of natural vegetationsChikugo model for evaluationnet primary productivity[J].Journal of Agricultural Meteorology，1985，40：343-352.

[8] 朱志辉.自然植被净初级生产力估计模型[J].科学通报，1993，38（15）：1422-1426.

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

[10] LIU J，CHEN J M， CILLLAR J， et al. A process-based boreal eco-system productivity simulator using remote sensing inputs[J].Remote Sensing of Environment，1997，62：158-175.

[11] GILMANOV T G，PARTON W J， OJIMA D S.Testing the 'CENTURY'ecosystem level model on data sets from eight grassland sitesin the former USSR representing a wide climatic/soil gradient[J]. Ecological modeling，1997，96：191-210.

[12] 王超.应用BIOME-BGC模型研究典型生态系统的碳、水汽通量——半干旱地区吉林通榆的模拟[D].南京：南京农业大学，2006.

[13] MONTEITH J L. Climate and efficiency of crop production in Brit-ain[D]. Philosophical Transactions of the Royal Society of Lon-don Series B， Biological Science，1977：277-294.

[14] PRINCE S D， GOWARD S N. Global primary production： A remote sensing approach[J].Journal of Biogeography，1995，22：815-835.

[15] 李贵才.基于MODlS数据和光能利用率模型的中国陆地净初级生产力估算研究[D].北京：中国科学院遥感应用研究所，2004.

[16] 王培娟，谢东辉，张佳华，等.BEPS 模型在华北平原冬小麦估产中的应用[J].农业工程学报，2009，25（10）：148-154.

[17] 刘亮，关靖云，穆晨，等.2008—2018年伊犁河流域植被净初级生产力时空分异特征[J].生态学报，2022，42（12）：4861-4871.

[18] 张猛，陈淑丹，林辉，等.洞庭湖湿地净初级生产力估算研究[J].遥感学报，2023，27（6）：1454-1466.

[19] 李传华，朱同斌，周敏，等.河西走廊植被净初级生产力时空变化及其影响因子研究[J].生态学报，2021，41（5）：1931-1943.

[20] 王云霓，代海燕，海龙，等.华北落叶松人工林净初级生产力对气象因子的响应[J].林业资源管理，2022（3）：67-72.