2000—2010年东北三省碳源汇时空动态遥感研究

张 璐， 王 静， 施润和

(1. 华东师范大学 地理信息科学教育部重点实验室，上海 200241；2. 华东师范大学 环境遥感与数据同化联合实验室，上海 200241;3. 华东师范大学 科罗拉多州立大学中美能源与环境联合研究院，上海 200062)

2000—2010年东北三省碳源汇时空动态遥感研究

张 璐1,2， 王 静1,2， 施润和1-3

(1. 华东师范大学 地理信息科学教育部重点实验室，上海 200241；2. 华东师范大学 环境遥感与数据同化联合实验室，上海 200241;3. 华东师范大学 科罗拉多州立大学中美能源与环境联合研究院，上海 200062)

植被净生态系统生产力(Net Ecosystem Productivity, NEP)是估算区域上植被碳源、碳汇的重要指标.以东北三省为研究区，基于EOS/MODIS遥感资料，结合气象数据，对2000—2010年NEP的分布情况和时间变化特征进行分析，结果表明，2000—2010年我国东北三省大部分地区为碳汇区域，NEP值处于0～300 g C·m-2·a-1之间，碳源地主要集中在吉林省西北部和黑龙江省西南部地区；林地的碳汇能力最大，NEP均值为176.74 g C·m-2·a-1，其次为灌丛175.02 g C·m-2·a-1，农田、湿地、草地的碳汇能力依次减弱；11年间，东北三省约66.36%的地区NEP呈下降趋势，即过半数地区固碳能力都在减弱，固碳能力大幅增强的地区集中在辽宁省长白山西南段和西辽低山丘陵，NEP上升的斜率在5～15之间.结合年均温和年降水对逐年的东三省年平均NEP进行分析，结果显示， NEP与降水呈正相关关系，且相关性显著；NEP与温度呈负相关关系，但是相关性不够显著；NEP值受温度、降水的极值影响很明显.本文基于多时相遥感数据展开了区域尺度的碳源汇模拟，为遥感数据在此领域的应用和碳储蓄动态变化研究提供了理论依据和方法借鉴.

净生态系统生产力； 东北三省； MODIS

0 引 言

随着人类社会现代化进程的加速，CO2、CH4等温室气体的大量排放引发了严重的全球气候变暖问题[1,2].碳排放导致的温室效应给人类生存和发展带来了威胁与挑战，是人类面临的最严重的环境问题之一[3].陆地生态系统在全球碳循环过程中有着重要作用，准确地评估陆地生态系统碳汇及碳源变化对于研究碳循环过程、预测气候变化及制定合理政策具有重要意义[4,5].

东北地区是我国最大的林区和重要的农业生产基地，也是受气候变化影响最为显著的地区之一[6,7].研究东北地区生态系统碳源汇大小、分布格局和变化趋势具有重大的意义.目前已有多位学者针对该地区的碳收支进行了研究.其中大部分研究单独针对植被净初级生产力或者土壤呼吸的碳收支过程，而没有把两者有机结合起来，不能很好的描述碳汇碳源的分布及变化[8-13].部分学者综合考虑了两者之间的关系进行研究，但是存在研究时间短、时效性不强或者空间分辨率较低等不足[6,14-15].本文结合EOS/MODIS遥感数据(MOD17A3)与气象观测数据对我国东北三省2000—2010年的净生态系统生产力时空动态格局进行了研究，并分析了变化的主要影响因素，以期为该地区生态系统碳循环、碳储蓄动态变化提供科学的研究依据，并为相关地方部门提供决策依据.

1 研究区概况

东北三省在行政区划上包括黑龙江省、吉林省和辽宁省，占全国总面积的8.2%.该地区大体属于温带季风气候，热量资源较少，年降水集中在夏季.东北三省物质富饶，农田、草原和森林面积广阔，人均耕地、森林面积和蓄积量均为全国首位[16].森林主要由长白山森林、大兴安岭森林和小兴安岭森林等部分组成，森林覆盖率达39.6%，远高于16.55%的全国平均水平.其中，大兴安岭主要分布着寒温带落叶针叶林，小兴安岭和长白山主要分布温带针阔混交林[11].研究区遥感影像图如图1所示.

图1 研究区示意图Fig.1 The location of the study area

2 数据与方法

2.1 数据来源

本文研究所使用的遥感数据主要为EOS/MODIS 2000—2010年1 km分辨率净初级生产力产品(MOD17A3).该数据基于MODIS/TERRA卫星的遥感参数，利用BIOME-BGC模型与光能利用率模型计算得到陆地植被生态系统年NPP[17].目前该数据已经在多个区域的碳循环研究中得到了验证与广泛应用[18-22].其中，国志兴等根据我国东北地区实测的森林和农田资料对MOD17A3数据进行了验证，结果表明MOD17A3数据应用到东北地区是可靠的[10].MOD17A3遥感数据共11副.此外，为了分析不同植被类型碳汇能力的差异，使用了MODIS土地覆盖产品MCD12Q1数据，该数据基于IGBP分类系统，共包括17种土地覆盖类型.气象数据为东北三省96个站点2000—2010年间的月平均气温及月降水量数据，基于Kriging方法对气象数据进行空间插值，生成1 km分辨率的栅格数据以与遥感数据相对应.

2.2 NEP的计算

净生态系统生产力(Net Ecosystem Productivity, NEP)定义为生态区内植被净初级生产力(Net Primary Productivity, NPP)与土壤微生物呼吸碳排放(Heterotrophic respiration, RH)之差[23-25]，其被认为是生态系统碳储量随时间变化的比率[26,27]，是区域上碳平衡估算的重要指标[28].虽然在区域尺度上NEP不等于碳汇，但是常常作为碳汇大小的度量[29].NEP的计算公式为：

NEP=NPP-RH.

(1)

式中，NEP为植被净生态系统生产力(gC·m-2·a-1)，NPP为植被净初级生产力(gC·m-2·a-1)，RH为土壤微生物呼吸量(g C·m-2·a-1).若NEP>0，则表明植被固定的碳高于土壤排放的碳，表现为碳汇；反之，若NEP<0，则表现为碳源.上式中的RH可利用温度、降水与碳排放的回归方程计算得来，见式2[30].

RH=0.22×(e(0.0913T)+ln(0.3145R+1))×30×46.5%.

(2)

式中，T为气温(°C)，R为降水(mm).

本文利用MOD17A3数据作为NPP值，利用温度和降水数据计算得到土壤微生物呼吸量，从而完成NEP的计算.

2.3 NEP数据变化趋势分析

为了定量的描述11年间NEP的变化规律，采用一元线性回归分析法来分析东北三省2000—2010年间的每个像元的NEP变化趋势.单个像元的趋势线由该像元11年内的像元值用一元线性回归模拟出来.趋势线的斜率可由下式计算出来[21,31]：

(3)

式中，θslope为趋势线的斜率；i为1—11年序号；NEPi表示第i年的NEP值；n为研究的年数.θslope反映了11年间各像元NEP的总体变化趋势，若θslope>0，表明NEP的变化趋势是增加的，反之则减少.

3 结果与分析

3.1 NEP空间分布特征

对东北地区11年的NEP值取平均，得到东北三省NEP空间分布图(见图2).

图2 2000—2010年东北三省平均NEP分布Fig.2 Spatial distribution of mean NEP in Northeast China in 2000-2010

从图2中可以看出，东北三省的碳汇面积远大于碳源面积.大部分地区的NEP值大于0 g C·m-2·a-1(即为碳汇)，所占面积约为94.07%.其中有部分地区NEP值非常高(NEP>300 g C·m-2·a-1)，高值地区主要分布在黑龙江北部的小兴安岭和沿吉林、辽宁东南部的长白山，尤其是白山、丹东市等地区.这些地方森林覆盖状况好，植被生长繁茂，植被的固碳量远高于土壤的排放量，碳汇量大.NEP小于0 g C·m-2·a-1的地区(即碳源)占东北三省的面积约为5.93%.碳源主要分布在吉林省西北部和黑龙江省西南部，该地区土地利用类型较复杂，湿地和草地盐碱化现象比较严重，盐碱地面积大，土壤有机质含量少[32].此外，城镇及湖泊也为明显的碳源区，尤其以哈尔滨、长春、沈阳、大连等重要城市及中俄边界的兴凯湖最为显著.分别统计东北三个省11年的平均NEP，结果表明吉林省年均NEP最高(146.49 g C·m-2·a-1)，其次为辽宁省(140.07 g C·m-2·a-1)，黑龙江省的年均NEP最低(为130.94 g C·m-2·a-1).

为了探讨植被覆盖与NEP分布之间的关系，将MCD12Q1数据17种土地覆盖类型归并为林地、灌丛、草地、湿地、耕地及其它用地(水体、城镇等)共6类地物(见图3).对比归并后的植被覆盖图与NEP分布图可见，两者存在较好的一致性.林地与灌丛对应于碳汇高值区而其它用地对应于碳源区.分别统计林地、灌丛、草地、湿地、耕地这5种植被类型的11年平均NEP值，结果如表1所示.

图3 东北三省土地覆盖类型图Fig.3 The landcover map of Northeast China

表1 不同植被类型NEP统计特征Tab.1 The distributions of NEP over different vegetation coverage

从表中可见，不同植被类型的碳汇能力具有较大差异.林地与灌丛的碳汇能力最高，其NEP平均值分别为176.74 g C·m-2·a-1和175.02 g C·m-2·a-1，农田、湿地与草地的碳汇能力显著低于林地与灌丛，其NEP平均值分别为115.55 g C·m-2·a-1、101.12 g C·m-2·a-1和99.29 g C·m-2·a-1.另外，草地的NEP标准差最高(116.70 g C·m-2·a-1)，湿地、灌丛和林地次之，农田的NEP标准差最低(68.91 g C·m-2·a-1).这可能是由于草地、湿地等自然植被分布范围广、区域差异大、多样性指数高，因此NEP值不均一.农田多分布于平原地区，且由于人类灌溉等原因受降水影响较小，因此NEP值差异相对比较小.

3.2 NEP时间变化特征

为了定量的分析东北三省不同植被类型在此11年内碳汇能力的变化趋势，统计这5种植被类型的年均NEP值，其时间变化曲线如图4所示.

图4 年均NEP的时序变化Fig.4 Annual variations of mean NEP

从上图可以看出，2000—2010年间不同植被类型的年均NEP值均呈波动起伏.总体上，林地和灌丛的NEP值较草地、湿地和农田的NEP值高，这与上述分析一致.林地、草地、湿地和农田的整体变化趋势较一致.其中，湿地和农田年均NEP值在2000年为11年中最低，分别为54.20 g C·m-2·a-1和68.42 g C·m-2·a-1.4者NEP值在2000—2002年保持上升，2002—2004年小幅下降，2005年达到各自的最高值,林地为256.03 g C·m-2·a-1，草地为141.45 g C·m-2·a-1，湿地为144.35 g C·m-2·a-1，农田为152.03 g C·m-2·a-1.2006—2007年4者均大幅下降，林地和草地的年均NEP为11年间最低值，分别为86.02 g C·m-2·a-1和58.99 g C·m-2·a-1.随后的两年4者有较大幅度的上升，但在2009—2010年期间为第二次大幅下降.灌丛的年均NEP值在2000—2005年间呈现波动的小幅上升趋势，2006年略微下降，并于2007年下降到11年间的最低值113.13 g C·m-2·a-1.随后开始上升，2008—2009年上升幅度最大，年均NEP值达到最高值240.45 g C·m-2·a-1，2010年下降为126.00 g C·m-2·a-1.

为了获取东北三省11年间NEP变化趋势的空间分布特征，利用一元线性回归分析逐像元计算年均NEP的变化斜率，即年变化率(见图5).从图中可以看出，在2000—2010年期间东北地区NEP变化率呈现出显著的空间差异性，黑龙江大部分、吉林东部地区NEP呈现减少趋势，辽宁大部分地区、吉林西部表现为增加趋势.据统计，东三省中变化趋势斜率小于0的像元占总像元66.36%，即大部分地区的NEP都在减小，碳汇能力下降，碳源能力上升.NEP下降最严重的地区为黑龙江省中部小兴安岭、吉林省东部长白山东北段以及三江平原上松花江东北段和饶力河流域，下降的斜率为-15～-5之间.而辽宁省大部分区域NEP都呈现上升趋势，长白山西南段和西辽低山丘陵的斜率为5～15之间.吉林省西北部虽然表现为碳源地，但是近11年来该地区的植被固碳能力上升，NEP变化斜率大部分处于0～5之间.此外，哈尔滨、吉林和沈阳等城市周边NEP值呈现出显著的下降趋势，这主要是由城市扩展改变了土地覆盖状况造成的，反映了人类活动对于陆地生态系统碳循环的影响.

图5 2000—2010年东北三省NEP变化率Fig.5 The slope of annual mean NEP in Northeast China from 2000 to 2010

3.3 NEP与气候因子的关系分析

植被的固碳能力不仅受到自身生理特征的影响，还会受到气候、土壤等外界条件的影响.统计东北地区2000—2010年逐年的整体年均NEP，并绘制其与温度、降水的年际变化曲线(见图6)，分析NEP与气候因子之间的关系.从图中可见，相对于温度，降水的变化趋势与NEP的变化趋势关系更为密切.以2001、2005和2009年为例，这3个年份年均气温分别为3.47 °C、3.37 °C、3.26 °C，相差0.1 °C左右，年总降水量分别为499.27 mm、647.98 mm、634.52 mm，而NEP年均值分别为123.90 g C·m-2·a-1、184.90 g C·m-2·a-1、166.92 g C·m-2·a-1.不过，需要注意的是2010年，该年份降水达到最高值而NEP值非常低.这主要是因为2010年东北地区遭受了10年来最严重的洪涝灾害[33,34]，极端灾害天气影响了植被的正常生长，进而影响了NEP值.

图6 东北三省逐年平均NEP与温度、降水的关系Fig.6 Annual variation of mean NEP, mean temperature and total precipitation

为了定量的分析NEP与降水、温度的关系，采用相关分析方法计算东北地区年均NEP与年降水、年均温度之间的相关系数.考虑到2010年的极端气候事件会影响正常年份的分析结果，将其去除，对剩下的10年数据进行统计分析.以年均NEP为因变量，年总降水和年均温度为自变量建立了多元线性回归方程(公式4)：

NEP=-68.721-13.638·Temp+0.446·Prec,R2=0.56.

(4)

式中，NEP为年均NEP，Temp为年均温度，Prec为年总降水.

回归方程的判定系数R2=0.56，通过了0.1的显著性水平检验，说明东北三省NEP年际变化在很大程度上受到降水和气温等气候因子变化的影响.回归方程的显著性水平不太高，主要原因是因为时间序列较短(受限于MODIS遥感数据的时间范围).回归方程中，温度的回归系数为负值，降水的回归系数为正值，说明温度越低、降水越多，碳汇能力越强.考虑到温度和降水均对NEP产生影响，利用偏相关分析将其中某一个气候因子的影响剔除，只分析另外一个气候因子与年均NEP之间的相关程度.年均NEP与年总降水之间的偏相关系数为0.693(P<0.05)，两者呈现比较显著的正相关关系，降水越多，NEP值越高.年均NEP与年均温度之间的偏相关系数为-0.334(P>0.1)，表明NEP与温度之间存在一定的负相关关系，温度越高，NEP值越低，但是相关性并不显著.可见，在正常年份东北地区制约NEP的主要气候因子为降水而非温度.前人也有研究表明，长江以北地区植被的生长主要受水分条件制约[35].当降水条件充沛时，植被生长状况好，固碳能力增强，NEP值也会随之增大.

4 结 论

基于MOD17A3数据，以我国东北地区黑龙江省、吉林省和辽宁省为研究区，结合气象数据，计算了2000年至2010年的NEP值，得到了东北三省的碳源汇情况.在此基础上，对NEP的空间分布信息和变化特征进行了分析，并结合年均气温数据和年总降水数据对其变化原因进行分析，得到的结论如下.

(1)东北三省的碳汇面积远高于碳源面积；主要的碳源地分布在吉林省西北部和黑龙江省西南部地区，其余地方都表现为碳汇.其中，吉林、辽宁东南部的长白山碳汇能力最高，NEP集中在200 gC·m-2·a-1以上；东北平原和辽河平原的NEP集中在0～200 g C·m-2·a-1.不同植被类型的碳汇能力不同，在东北三省林地的碳汇能力最强，NEP均值为176.74 g C·m-2·a-1，灌丛、农田、湿地和草地的碳汇能力依次减弱，NEP均值依次为175.02 gC·m-2·a-1，115.55 g C·m-2·a-1，101.12 g C·m-2·a-1和99.29 g C·m-2·a-1.

(2)从2000年至2010年，东北三省约66.36%面积的NEP值呈下降趋势，固碳能力在减弱.下降最严重的地区包括黑龙江省中部、吉林省东部，变化趋势的斜率为-15～-5之间.而辽宁省和吉林省西部NEP值呈上升趋势，斜率多处于0～ 15之间；针对五种不同的植被类型统计NEP变化趋势，结果表明5类植被类型的NEP值在11年间波动起伏，无明显的增大或减小趋势.

(3)东北三省的NEP值年际变化受降水、温度等气候因子影响很大.NEP与降水呈正相关关系，且相关性显著；NEP与温度呈负相关关系，但是相关性不够显著.在东北地区，降水是影响碳汇能力的关键气候因素.此外，NEP值受温度、降水的极值影响很明显.

[1] TETT S F B, STOTT P A, ALLEN M R, et al. Causes of twentieth-century temperature change near the Earth’s surface[J].Nature,1999,399(6736): 569-572.

[2] CROWLEY T J. Causes of climate change over the past 1000 years[J].Science,2000,289(5477): 270-277.

[3] CANNELL M G R, MILNE R, HAIGREAVES K J, et al. National inventories of terrestrial carbon sources and sinks: the UK experience [J]. Climate Change,1999,42(3):505-530.

[4] CANADELL J G, MOONEY H A, BALDOCCHI D D, et al. Commentary: Carbon metabolism of the terrestrial biosphere: A multitechnique approach for improved understanding[J]. Ecosystems, 2000,3(2): 115-130.

[5] SCHIMEL D S, HOUSE J I, HIBBARD K A, et al. Recent patterns and mechanisms of carbon exchange by terrestrial ecosystems[J].Nature,2001,414(6860):169-172.

[6] 赵俊芳, 延晓冬, 贾根锁. 东北森林净第一性生产力与碳收支对气候变化的响应[J]. 生态学报, 2008, 28(1): 92-102.

[7] WANG S Q，ZHOU C H，LIU J Y，et al． Stimulation analyses of terrestrial carbon cycle balance model in Northeast China[J]. Acta Geographica Sinica，2001，56(4): 390-400．

[8] 朱锋，刘志明，王宗明，等．东北地区农田净初级生产力时空特征及其影响因素分析[J]. 资源科学，2010，32(11): 2079-2084.

[9] 刘曦，国庆喜，刘经伟． 东北东部森林土壤呼吸空间分布格局的模拟[J]. 东北林业大学学报． 2010，28(12): 58-64.

[10] 国志兴, 王宗明, 张柏, 等. 2000年～2006年东北地区植被NPP的时空特征及影响因素分析[J]. 资源科学, 2008, 30(8):1226-1235.

[11] 赵国帅, 王军邦, 范文义, 等. 2000-2008年中国东北地区植被净初级生产力的模拟及季节变化[J]. 应用生态学报, 2011, 22(3): 621-630.

[12] 毛德华，王宗明，韩佶兴，等. 1982～2010年中国东北地区植被NPP时空格局及驱动因子分析[J]. 地理科学, 2012, 32(9): 1106-1111.

[13] 夏学齐，杨忠芳，余涛等. 中国东北地区20世纪末土地利用变化的土壤碳源汇效应[J]. 地学前缘, 2011, 18(6): 56-63.

[14] 王军邦. 中国陆地净生态系统生产力遥感模型研究[D].杭州:浙江大学,2004.

[15] 李洁,张远东,顾峰雪,等.中国东北地区近50 年净生态系统生产力的时空动态[J]. 生态学报,2014,34(6):1490-1502.

[16] 居煇, 熊伟, 许吟隆, 等. 气候变化对中国东北地区生态与环境的影响[J]. 中国农学通报, 2007, 23(4): 345-349.

[17] RUNNING S W, NEMANI R R, HEINSCH F A, et al. A continuous satellite-derived measure of global terrestrial primary production[J]. Bioscience, 2004, 54(6): 547-560.

[18] ZHAO M, HEINSCH F A, NEMANI R R, et al. Improvements of the MODIS terrestrial gross and net primary production global data set [J]. Remote Sensing of Environment, 2005, 95: 164-176.

[19] TURNER D P, RITTS W D, COHEN W B, et al. Evaluation of MODIS NPP and GPP products across multiple biomes [J]. Remote Sensing of Environment, 2006, 102: 282-292.

[20] 王琳，景元书，李琨. 江苏省植被NPP时空特征及气候因素的影响[J]. 生态环境学报，2010，19(11)： 2529-2533.

[21] 李登科, 范建忠, 王娟. 基于MOD17A3 的陕西省植被NPP 变化特征[J]. 生态学杂志, 2011, 30 (12) : 2776-2782.

[22] 谢宝妮，秦占飞，王洋,等. 黄土高原植被净初级生产力时空变化及其影响因素[J]. 农业工程学报，2014,30(11):244-253.

[23] RAICH J W, RASTETTER E B, MELILLO J M, et al. Potential net primary production in South America: Application of a global model[J]. Ecological Application, 1991(1): 399-4291.

[24] CAO M K, TAO B, LI K R, et al. Interannual variation in terrestrial ecosystem carbon fluxes in China from 1981 to 1998[J]. Acta Botan Sin, 2003, 45(5): 552-560.

[25] LUYSSAERT S, SCHULZE E D, BÖRNER A, et al. Old-growth forests as global carbon sinks[J]. Nature, 2008, 455(7210): 213-215.

[26] JANISCH J E, HARMON M E. Successional changes in live and dead wood carbon stores: implications for net ecosystem productivity[J]. Tree Physiology, 2002, 22(2-3): 77-89.

[27] ARNETH A, KELLIHER F M, MCSEVENY T M, et al. Net ecosystem productivity, net primary productivity and ecosystem carbon sequestration in a Pinus radiata plantation subject to soil water deficit[J]. Tree Physiology, 1998, 18(12): 785-793.

[28] 裴志永, 周才平, 欧阳华, 等. 青藏高原高寒草原区域碳估测[J]. 地理研究, 2010, 29(1): 102-110.

[29] 方精云, 郭兆迪, 朴世龙, 等. 1981～2000年中国陆地植被碳汇的估算[J]. 中国科学:D辑, 2007,37(6): 804-812．

[30] 汤洁, 姜毅, 李昭阳, 等. 基于CASA模型的吉林西部植被净初级生产力及植被碳汇量估测[J]. 干旱区资源与环境, 2013, 27(4): 1-7.

[31] 宋怡, 马明国. 基于SPOT VEGETATION 数据的中国西北植被覆盖变化分析[J]. 中国沙漠, 2007, 27(1): 89-93.

[32] 罗新正, 朱坦, 孙广友. 松嫩平原湿地生态环境退化机制探讨[J]. 干旱区资源与环境, 2002, 16(4): 39-43.

[33] 陈洪滨, 范学花. 2010 年极端天气和气候事件及其他相关事件的概要回顾[J].气候与环境研究, 2012,16(6):789-804.

[34] 孙军,代刊, 樊利强. 2010 年 7—8 月东北地区强降雨过程分析和预报技术探讨[J].气象, 2011, 37(7): 785-794.

[35] 陶波, 李克让, 邵雪梅, 等. 中国陆地净初级生产力时空特征模拟[J]. 地理学报, 2003, 58(3): 372-380.

(责任编辑 李万会)

Temporal-spatial variations of carbon sink/source in Northeast China from 2000 to 2010

ZHANG Lu1,2， WANG Jing1,2， SHI Run-he1-3

(1.KeyLaboratoryofGeographicInformationScience,MinistryofEducation,EastChinaNormalUniversity,Shanghai200241,China; 2.JointLaboratoryforEnvironmentalRemoteSensingandDataAssimilation,EastChinaNormalUniversity,Shanghai200241,China;3.JointResearchInstituteforNewEnergyandtheEnviroment,EastChinaNormalUniversityandColoradoStateUniversity,Shanghai200062,China)

Net Ecosystem Productivity (NEP) is an important parameter when estimating regional carbon source/sink. Based on EOS/MODIS data and meteorological data, NEP was calculated in Heilongjiang, Jilin and Liaoning from 2000 to 2010. The temporal characteristics of NEP were analyzed, the results showed that during 2000 to 2010 most areas in three provinces of Northeast China were carbon sinks, NEP was between 0～300 g C·m-2·a-1, carbon sources were in Northwestern Jinlin and Southwestern Heilongjiang; the mean NEP of forest(176.74 g C·m-2·a-1) was the highest, followed by shrub(175.02 g C·m-2·a-1), the carbon sequestration ability of farmland, wetland and grass decreased successively. In nearly 66.36% of the territory of the study area, NEP tended to decline, which meaned their carbon sequestration were weaker. Area with increased carbon sequestration were in Southeastern Changbai Mountain in Liaoning province and hills in western Liaoning, where the increasing slope was between 5～15. The correlation coefficient between NEP and precipitation was significant; NEP was sensitive to the extreme value of the temperature and precipitation, the trend of NEP was consistent with the fluctuation of precipitation. This paper conducted regional simulation of carbon sink/source, providing theoretical basis and methodological

for the usage of remote sensing data in the related study areas.

NEP; Northeast China; MODIS

1000-5641(2015)04-0164-10

2014-07

国家973项目基金(2010CB951603)；国家自然科学基金项目(41201358)； 上海市科委重点支撑项目(13231203804)

张璐，女，硕士研究生，研究方向为大气遥感. Email:zl66ahgd@gmail.com.

施润和，男，博士，副教授，研究方向为定量遥感. E-mail: rhshi@geo.ecnu.edu.cn.

Q149

A

10.3969/j.issn.1000-5641.2015.04.017