基于3S技术的河北省山区植被净初级生产力估算及空间格局研究

刘 征, 赵旭阳, 米林迪

(石家庄学院 资源与环境科学学院, 石家庄 050035)

基于3S技术的河北省山区植被净初级生产力估算及空间格局研究

刘 征, 赵旭阳, 米林迪

(石家庄学院 资源与环境科学学院, 石家庄 050035)

植被净初级生产力是国际地圈—生物圈计划(IGBP)、全球变化与陆地生态系统(GCTE)以及京都协定的核心研究内容之一。以GIS为主要技术手段，借助CASA模型计算出河北省山区NPP，分析了山区NPP的空间格局，并对森林、草原的NPP分布情况进行了统计分析，对引起这种变化的主要因子进行了初步探讨，评价分析模型的不确定性。结果表明：(1) 河北省山区2012年植被NPP总量为24 746.51 kt/a，平均值为744.1 g/(m2·a)；从整体上看，植被NPP主要分布在境内燕山山脉，太行山山脉呈带状分布，其它地区零星分布。(2) 河北省山区NPP值差异显著，由森林、草原、灌丛依次递减。(3) NPP空间分布与气温和降水的空间分布有一定的相关性。研究结果为河北省山区生态系统结构功能协调性、生态承载力、生态服务功能等后续研究奠定基础，为山区社会经济和生态环境可持续发展提供科学依据。

植被净初级生产力； CASA模型； 空间格局； 河北省山区

植被净初级生产力(Net Primary Productivity，NPP)是指地球表面绿色植物在单位时间单位面积上由光合作用所固定的有机物质总量扣除自养呼吸后的剩余部分，它不仅是生态系统的重要功能指标，也是生态系统经济价值研究的基础和重要内容[1]。在大区域尺度上人们无法直接用传统的测量方法，采用新技术进行植被NPP研究的方法应运而生[2]。目前的NPP估算模型可以根据数据源和影响因子的区别大致分为三种类型：气候相关模型、过程模型和光能利用率模型[3]。光能利用率模型主要有CASA模型、GLO-PEM模型和C-FIX模型等。光能利用率模型计算结果的空间分辨率要高于过程模型，可用于各种尺度的NPP计算，成为NPP建模的热点，本文将采用光能利用率模型中的CASA模型，并进行改进。

NPP研究虽然发展了很多年[3-12]，也取得了不少成果，但目前NPP时空研究还不深入，各种尺度上的估算有很大的差异性和不确定性[13]，目前还没有找到统一的方法来计算植被的NPP[14]。因此将遥感数据和地面实测数据相结合，互相补充，开发动态模型，实现NPP的实时监控和动态预测，是未来研究的主要方向。鉴于此，本文基于遥感和GIS技术对河北省山区NPP空变化进行研究，旨在掌握山区NPP的时空格局；并对森林、草原NPP的分布情况进行了统计分析，对引起这种变化的主要因子进行了初步探讨，评价分析模型的不确定性。为该地区的NPP研究提供重要的基础数据，同时也为相关部门制定植被保护对策提供依据，希望对河北省山区的生态环境建设有一定的指导意义。

1 研究区概况

河北省地处北纬36°05′—42°37′，东经113°11′—119°45′，全省内环首都北京市和北方重要商埠天津市，东临渤海，地理位置十分重要[15]。河北省山地主要由燕山和太行山两大山脉组成。山区包括承德、唐山、张家口、秦皇岛、邯郸、邢台、石家庄、保定8市66个县(市、区)，总面积12.33万km2，占河北省国土总面积的65.68%；总人口2 496万人，占河北省总人口的35.72%[16]。太行山、燕山山脉呈扇形分布于我省的东北部、北部和西部，是华北的生态屏障，京津冀的水源地和绿色农副产品供应基地，生态、经济和战略位置十分重要。但由于受山区自然条件和区位特点的限制，山区经济社会发展相对滞后，成为制约全省生态、经济、社会全面协调可持续发展的难点。

河北省山区森林可分为针叶林、阔叶林和灌木林3种。针叶林以温性的油松林为主，兼有少量的凉温性云杉林，面积占针叶林总面积的82%。河北省山区森林面积占全省森林面积93.4%，冀北山地林木最多，占全省林地总面积的74.4%，太行山区次之。草地资源中冀北区占绝对优势，全区草地总面积占全省草地总面积的65.9%。天然草地集中分布在坝上高原，次生草地主要分布在冀西北山间盆地和冀北山地的丘陵低山[17]。河北省作为中国经济、社会发展较为迅速的省份之一，其全年生产总值目前位居全国第六，同时河北省山区以其丰富的植物资源使它成为河北省重要的碳库，具有巨大的生态及社会效益。但近半个世纪以来，河北省山区的资源环境面临巨大威胁，从而使山区植被发生剧烈变化，破坏了生态系统的平衡，并通过植被NPP的变化表现出来。而河北省山区的项目建设改变了山区原有的植被分布格局，加剧了能量转换和NPP变化，这种变化给山区带来什么影响，前人并未深入地进行探讨。

2 数据源与计算方法

2.1 气象数据

利用CASA模型计算NPP需要多种气象数据，包括植被的光能利用率、气温、降水等。本文以2012年河北省183个站点气象数据为研究基础，利用克里格插值法对气象数据进行插值。

2.2 土地利用数据

根据2007年8月5日正式颁布执行的《土地利用分类》国家标准，采用遥感信息与地学信息相结合，室内判读和野外调查相结合的方法，运用ERDAS IMAGINE和ArcGIS软件，通过图像预处理、图像判读，采用监督分类方法对图像进行分类，并对解译好的影像进行土地利用变化检测、分类后处理和精度评价。在分类数据图像中随机产生100个点，完全覆盖于图像中，与可清晰目视判别地类的原图像进行对比。由此得出分类的精度评定报告，结果表明该图的Kappa指数为0.79，均达到最低允许判别精度0.7的要求。

2.3 CASA模型

CASA模型通过植被吸收光合有效辐射(APAR)和光能利用率(ε)来估算区域植被净初级生产力，是目前大区域条件下估算NPP最准确的方法之一[18]。

CASA模型中NPP计算表达式：

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

式中：t——象元被记录的时间；x——象元的空间位置；APAR(x,t)——象元在t时间吸收的光合有效辐射[MJ/(m2·m)]；ε(x,t)——象元在x位置t时间时实际的光能利用率(g/MJ)。

3 结果与分析

3.1 NPP分布特征

3.1.1 NPP空间分布特征 2012年河北省山区植被NPP总量为24 746.51 kt/a，平均NPP为744.1 g/(m2·a)。NPP空间分布如附图20，从图可知，河北省山区植被NPP要分布在境内的燕山山脉，即冀北山地，包括张家口、承德、唐山；境内的太行山山脉呈现带状分布，即冀西山地；其它地区有零星分布。NPP的高值区[1 200 g/(m2·a)以上]主要分布在境内燕山山脉的落叶阔叶林区，呈点状分布；中值区[800～1 200 g/(m2·a)]主要分布在河北省西部山地的混交林区；低值区[400～800 g/(m2·a)]主要分布在冀北燕山山脉的针叶林区；极低值[400 g/(m2·a)以下]出现在冀西北草原区及灌木林区，呈点状分布。

3.1.2 各行政区NPP分布特征 从行政范围上，按市对NPP进行了统计，结果见附图21—22所示。

从附图21可以看出，各行政区的植被年均NPP存在如下规律：北部和西部城市年均NPP值较高，且由北向南NPP值逐渐减小；其中，北部承德市的植被年均NPP最大；东部唐山市的植被年均NPP值最小。

从附图22可以看出，河北省山区各行政区的植被年总NPP呈现由西北部城市向东南部城市逐渐减少的规律，西北(承德和张家口)森林植被的年总NPP值较高，其总和占了研究区NPP总量的77.48%，其余6市的植被年总NPP值较低，其总和占了研究区NPP总量的22.52%。其中，以北部承德市植被年总NPP值最大；其次为张家口市；年总NPP最小的为邯郸市。河北省山区年总NPP的分布格局与植被的分布有关，植被主要分布在北部承德和张家口，而西南部的城市分布较少。

3.1.3 各森林类型NPP的分布特征 按森林类型对研究区NPP进行统计，分析NPP在各森林类型中的分布情况[19](附图23，24)。研究区内各森林类型年均NPP的大小依次为：落叶阔叶林>混交林>常绿针叶林>落叶针叶林。主要是因为河北省山区的落叶阔叶林分布在海拔800～1 500 m的高度，这个位置气温适宜，人类对森林破坏作用较小，植被生产较好，NPP值较大；而落叶针叶林主要分布在海拔1 800～2 500 m以上的高度，海拔升高，温度下降，条件变差，植被生长不利，NPP值较小。

研究区各森林类型年总NPP的大小依次为：混交林>落叶阔叶林>常绿针叶林>落叶针叶林。以上数据表明，河北省山区混交林对森林NPP的贡献最大，常绿针叶林和落叶针叶林对NPP贡献较小，两者总和占NPP总量的比例不到40%。主要是由于山区内混交林的面积较大，针叶林的面积较小，加上混交林的年均NPP大于针叶林的年均NPP，从而使河北省山区混交林的NPP总量大于针叶林的总量。

依据中国资源环境数据库1∶400万植被类型分布图，将河北省山区灌丛分为以下两种植被类型：落叶灌丛、矮林包括：沙棘、黄栌、棒子、酸枣、野杜鹃、荆条灌丛等。高山矮灌木、苔原包括：苔鲜、苔原等[20]。河北省山区灌丛以落叶灌丛、矮林为主，温带高山矮灌木、苔原只占极少的一部分，所以没有对二者进行分类分析。落叶灌丛、矮林在河北省山区的占地面积较小，共计213.7 km2，NPP值也不高为301.5 kt/a，NPP均值为198.6 g/(m2·a)。

3.1.4 各草原类型NPP分布特征 河北省的坝上草原有三处：张北坝上，丰宁坝上和围场坝上[17]。依据中国科学院中国资源环境数据库中的1:400万植被类型数据库知：河北省草原分为三类：森林草原、草甸草原、干草原。

由表1可知河北省山区草原NPP总体上是偏低的。由于河北省山区草原类型较少，各种草原类型的NPP值差异不大，其中森林草原净初级生产力最大；草甸草原次之；干草原最低。草原生产力的高值区主要分布在坝上，可见草原NPP的大小受温度影响较大。

表1 2012年河北省山区草原NPP

3.1.5 结果验证 本文采用和其他研究者的同类结果进行比较的方法[21]对NPP的结果进行验证。由于研究区域的不一致，本文对各植被类型的平均NPP进行对比，结果见表2。

表2 不同研究者估算的NPP结果比较g/(m2·a)

由表2对比可知，常绿针叶林、落叶针叶林、落叶阔叶林、混交林的NPP都稍大，灌丛的NPP值则偏小，但都在前人模拟结果的变化范围之内，波动幅度不大。本文结果偏高(灌丛除外)，主要是因为本文研究的是河北省山区，其他大都以我国为例，区域及植被分布的不一致导致取值有偏差。山区灌丛分布最少，NPP值偏低；山区森林覆盖面积广，NPP值偏高。

综上所述，本文的NPP结果虽然和前人的研究结果存在一些偏差，但都在前人研究结果的变动范围内[15]。分析产生差异的原因，主要是由于模型选择的参数不同，估算的年份及研究区域也不相同，另外，在统计结果时利用不同的植被分类图。

3.2 NPP影响因子分析

3.2.1 气温 西部山区月均气温较低，承德和唐山靠近北京、天津的小部分山区月均气温较低，其余各地山区月均气温相接近。与河北省山区NPP分布作对比，温度与植被NPP也有关系，主要取决于最适植被生长的温度范围的大小。温度对植被NPP积累过程在不同时期影响不同，温度升高虽然可以使植被NPP增加，但温度过高或过低反而会对NPP产生影响，只有在水热条件都适宜的情况下，才会使植被NPP出现最大值，这与赵国帅的研究结果相一致[21]。

3.2.2 降水量 从北向南降水量依次增多。承德北部和张家口西部山区降水最少，月均降水量在15 mm以下；承德和张家口的其他部分山区月均降水量是15～60 mm ；唐山、秦皇岛、保定部分山区月均降水量是45～75 mm；河北省南部山区降水充沛，几乎都在75 mm以上。与河北省山区NPP分布对比，可以看出，NPP分布没有依次递增的规律性；承德北部和张家口西部降水量最少，植被NPP值也极低；降水多的地区，如邢台、邯郸，NPP积累只是中等；而承德大部分地区以及唐山和秦皇岛的部分地区NPP积累最多，但降水量只是适中。

这表明：降水量多少都会影响植被NPP的积累，只有降水适宜的地方，植被生长状况才良好。降水在植被NPP的积累和空间分布变化中起着决定性的作用。尤其在干旱地区，水分更是决定植被NPP的重要因子，这与刘勇洪的研究结果相一致[22]。

对植被NPP来说，植物生长初期温度比水分重要；到了生长后期，则水分比温度重要，只有在水分充足的条件下，温度升高才会使NPP增多，若只是温度升高只会造成干旱，反而会使NPP下降，这与孙睿的研究结果相一致[23]。只有温度和降水同时增加，并保证水热条件良好时，植被NPP才会明显增加，这与林慧龙的研究结果相一致[24]。

3.2.3 光能利用率 2012年河北省山区植被光能利用率的分布情况：河北省山区植被光能利用率在0～80×10-4g/MJ之间，平均光能利用率为32.68×10-4g/MJ，河北省的西北部山区光能利用率较低，在10×10-4～30×10-4g/MJ之间；承德、秦皇岛和唐山的部分山区植被光能利用率较高，在40×10-4～80×10-4g/MJ 之间，尤其是承德东南部与唐山和秦皇岛的临近部分，植被光能利用率在 60×10-4～80×10-4g/MJ之间。与NPP分布图比较发现，光能利用率分布与植被NPP分布非常相似，且植被的光能利用率决定着植被NPP的多少[25]。

3.2.4 植被类型 河北省太行山脉、燕山山脉以及承德一带植被类型多为树林、灌丛和矮林。与2012年河北省山区植被NPP分布情况比较发现：落叶阔叶林NPP积累最多，草原次之，灌丛最少。此外，植被NPP还与地形地貌、人类活动等有关系。

综上所述，影响植被NPP的因素很多，而只有在特定条件下，单一因素(或以某一因素为主，多种影响因素为辅)对植被NPP产生明显影响。不论是哪种条件，植被NPP积累都是由自然和人为因素共同决定的，这与偶星的研究结果相一致[26]。

3.3 模型的不确定性分析

3.3.1 数据的不确定性 研究所用的数据分为气象数据和其他基础数据，其不确定性可以分为数据本身的不确定性和数据处理的不确定性[27]。本文使用的河北省土地利用类型数据是采用遥感处理得到的，在数据处理过程中误差会逐步积累。气象数据(温度、降水等)是将站点数据通过空间插值得到的[28]。由于站点的疏密和插值方法的影响，插值结果与实际空间分布状况存在一定误差，尤其时在站点稀疏区，误差会更大。这种误差在一定程度上会影响到计算结果的精度，应该继续加大实测网点密度，减少误差[15]。植被类型的划分也会因基础数据的采集和分类系统的不同以及分类精度的影响，而与真实情况存在一定差别[29]。

3.3.2 模型的不确定性 在使用植被NPP估算模型(CASA模型)时，基本上都是利用遥感数据和GIS软件，估算过程中所用的大部分参数也是采用实验方法获得的，这样会造成一定误差。参数间存在一定的关系模式，在计算和转化时也有不确定性[24]。最大光能利用率ε是使用CASA模型估算植被NPP的基础，在理想状态下，最大光能利用率ε的取值一般为 0.389 g/MJ[15]，但人们对它的取值一直存在着争议，甚至不同人员在不同模型中使用的值也不同，这种情况对植被NPP的估算结果影响很大。光合有效辐射(APAR)的计算中，取常数值0.5，近似表示植被所能利用的太阳有效辐射占太阳总辐射的比例，这一近似取值也给实验结果带来一定的影响。实际光能利用率计算时，温度和水分影响因子的计算都会带来一定的误差[30]。

4 结论与讨论

(1) 2012年河北省山区植被NPP总量为24 746.51 kt/a，平均值为744.1 g/(m2·a)。植被NPP主要分布在境内的燕山山脉，即冀北山地，包括张家口、承德、唐山；境内的太行山山脉呈带状分布，即冀西山地；其它地区有零星分布。NPP的高值区[1 200 g/(m2·a)以上]主要分布在境内燕山山脉的落叶阔叶林区，呈点状分布；中值区[800～1 200 g/(m2·a)]主要分布在河北省西部山地的混交林区；低值区[400～800 g/(m2·a)]主要分布在冀北燕山山脉的针叶林区；极低值[400 g/(m2·a)以下]出现在冀西北草原区及灌木林区，呈点状分布。从植被类型上，常绿针叶林、落叶阔叶林、落叶针叶林和混交林积累的NPP较多；其次是草原；再次是稀疏灌丛、矮林；荒地几乎不累积。

(2) 研究区内植被NPP受温度、降水、植被类型、光能利用率等的共同影响。水分热量增多，植被NPP积累增加，但是水热不足或过多会造成植被NPP积累能力减弱；只有在水热条件充足稳定的情况下，植被类型、光能利用率的变化与植被NPP的变化相一致。

(3) 研究结果经验证得出用CASA模型估算植被NPP的空间特征准确度较高。但NPP结果还存在很多不确定性，如数据参数的不确定性和模型的不确定性，数据参数的不确定性多因遥感数据的处理方法、遥感数据分类系统以及分类精度不同、插值方法等造成；模型的不确定性主要是由模型自身参数的选择、模型公式的形式等产生的。虽然CASA模型本身发展已经比较成熟，在使用过程中也充分考虑了环境条件的影响和植被本身的特性，但在一些参数获取和确定的过程中不可避免的误差对计算过程甚至结果都造成了一定的影响，所以本次研究也存在着一些需要改进的地方。

(1) 基于遥感数据的瞬时性，在使用CASA模型进行估算时，也仅仅是针对植被NPP的瞬时情况进行估算，无法形象的估算出植被NPP变化的完整过程，因此，使用遥感、GIS结合模型进行NPP估算将成为估算植被NPP的主要手段。

(2) CASA模型不能用来进行植被NPP动态变化的模拟和预测，同时在小目标区域范围内利用CASA模型进行植被NPP估算还不能保证估算结果的精度。

[1] 王驷鹞.基于遥感的江苏省植被净初级生产力时空分布研究[D].南京:南京信息工程大学,2012.

[2] 李刚,周磊,王道龙,等.内蒙古草地NPP变化及其对气候的响应[J].生态环境,2008,17(5):1948-1955.

[3] Ebermaryer E.Die geamte Iechr der Waldtreu mit Ruckichtauf diechemiche tatik de Waldbauc[D].Belin: Jpringer,1876.

[4] McGuire A D, Melillo J M, Joyce L A, et al. Interactions between carbon and nitrogen dynamics in estimating net primary productivity for potential vegetation in North America[J]. Global Biogeochemical Cycles,1992,6(2):101-124.

[5] 陆逸.基于MODIS数据的三峡库区净初级生产力遥感估算研究[D]. 武汉:华中农业大学,2011.

[6] 李世华.基于数据模型融合方法植被初级生产力遥感监测研究[D].北京:中国科学院研究生院,2007.

[7] 冯宗炜,陈楚莹,张宪武,等.湖南会同地区马尾松林生物量的测定[J].林业科学,1982,18(2):127-134.

[8] 罗天祥,李文华,罗辑,等.青藏高原主要植被类型生物生产量的比较研究[J].生态学报,1999,19(6): 823-831.

[9] 张宪洲.我国自然植被净第一性生产力的估算与分布[J].自然资源,1993(1):15-21.

[10] 刘世荣.中国森林生产力对气候变化响应的预测研究[J].生态学报,1998,18(5):478-483.

[11] 孙睿,朱启疆.中国陆地植被净第一性生产力及季节变化研究[J].地理学报,2000,5(1):36-44.

[12] 朱文泉,陈云浩,徐丹,等.陆地植被净第一性生产力计算模型研究进展[J].生态学杂志,2005,24(3):296-300.

[13] 朴世龙,方精云,郭庆华.利用CASA模型估算我国植被净第一性生产力[J].植物生态学报,2001,25(5):603-608.

[14] 王琪.黑龙江省植被净第一性生产力的估算及空间特征分析[D].哈尔滨:东北林业大学,2009.

[15] 王璐珏.河北省植被净初级生产力遥感估算[D].石家庄:河北师范大学,2011.

[16] 刘广.京津冀地区森林植被净初级生产力遥感估算研究[D].北京:北京林业大学,2008.

[17] 王卫,冯忠红,陈辉.河北地理[M].北京:北京师范大学出版社,2012.

[18] 刘海桂,唐旭利,周国逸,等.1981-2000年广东省净第初级生产力的时空格局[J].生态学报,2007,27(10):4065-4074.

[19] 范敏锐.北京山区森林生态系统净初级生产力对气候变化的响应[D]. 北京:北京林业大学,2011.

[20] 曲辉.应用MODIS遥感信息评估华北平原植被净第一性生产力(NPP)[D]. 长春:吉林大学,2004.

[21] 赵国帅.基于光能利用率模型的青海植被净初级生产力模拟研究[D]. 哈尔滨:东北林业大学,2011.

[22] 刘勇洪,权维俊,高燕虎.华北植被的净初级生产力研究及其时空格局分析[J].自然资源学报,2010,25(4):564-573.

[23] 孙睿,朱启疆.陆地植被净第一性生产力的研究[J].应用生态学报,1999,10(6):757-760.

[24] 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,2007,12(24):26-29.

[25] 李贵才.基于MODIS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,2004.

[26] 偶星.基于CASA模型的平朔矿区复垦土地NPP研究[D]. 北京:中国地质大学,2009.

[27] 侯英雨,毛留喜,李朝生,等.中国植被净初级生产力变化的时空格局[J].生态学杂志,2008,27(9):1455-1460.

[28] 罗宇翔.贵州区域气候对植被净初级生产力影响研究[D].兰州:兰州大学,2009.

[29] 戚鹏程.基于GIS的陇西黄土高原落叶阔叶林潜在分布及潜在净初级生产力的模拟研究[D].兰州:兰州大学,2009.

[30] 张娜.景观尺度生态系统生产力过程模型研究：以长白山为例[D].北京:中科院地理科学与资源研究所,2001.

StudyonEstimationandSpatialPatternofVegetationNetPrimaryProductivityinMountainousAreaofHebeiProvinceBasedon3S

LIU Zheng, ZHAO Xu-yang, MI Lin-di

(DepartmentofResourcesandEnvironment,ShijiazhuangUniversity,Shijiazhuang,Hebei050035,China)

Net primary productivity is the core research filed of the international geosphere-Biosphere Programme (IGBP), the Global Change and Terrestrial Ecosystems (GCTE) as well as the Kyoto Protocol. Taking GIS as the main technical means, based on the theory of CASA model, NPP of mountain in Hebei province was calculated and analysis on distribution of vegetation NPP and the distribution of forest and grassland NPP has been carried out. The statistical analysis,on main factor causing this change, the preliminary discussion, analysis and evaluation model of the uncertainty have been carried. The results show that：(1) in mountain of Hebei Province in 2012, the amount of vegetation NPP was 24 746.51 kt/a, with a mean of 744.1 g/(m2·a), on the whole, vegetation NPP mainly distributed in the Yanshan Mountains, it distributed as the band pattern in the Taihang Mountains, and it scattered in other areas; (2) the NPPs are significantly different, which decrease in the order of forests>grasslands>shrub land; (3) spatial distribution of NPP and temperature and spatial distribution of precipitation has certain correlation, only in the case of appropriate hydrothermal conditions and NPP value maximum. Research results can lay the foundation for the mountainou ecosystem structure and function coordination, ecological carrying capacity, ecological service function and other follow-up in Hebei Province, and provide scientific basis for the mountainou social economy and ecological environment sustainable development.

vegetation net primary productivity; CASA model; spatial pattern; mountainous area of Hebei Province

2013-12-27

：2014-01-13

河北省自然科学基金项目“生态功能区风险识别与综合评价研究:以石家庄地表水源保护区为例”(D2010001952); 河北省科技计划项目(2237126D-3)

刘征(1979—),女,河北邯郸涉县人,硕士,讲师,主要从事生态环境遥感研究。E-mail:liuzheng111_1979@163.com

赵旭阳(1959—),男,河北井陉市人,学士,教授,研究方向为区域研究与开发。E-mail:log2008@163.com

P964

：A

：1005-3409(2014)04-0143-05