重庆市植被净初级生产力的遥感估算及分析

2016-10-21简太敏

安徽农业科学 2016年4期

简太敏

摘要[目的]遥感估算和分析2007年重庆市植被净初级生产力（NPP）。[方法]基于CASA模型，结合SPOT/VEGETATION NDVI S10 数据、植被覆盖分类图、气象数据等，对2007年重庆市NPP进行遥感估算，在GIS及RS的支持下，进行数据的前期处理，对2007年重庆市NPP分布状况及年内变化情况进行分析。[结果] NPP平均值为112.343～799.391 g C/m2，研究区植被净初级生产力区域变化明显，季相差异显著，其中高值主要出现在渝东南、东北区域，低值主要存在于渝西北区域；NPP值夏季（6～8月）﹥春季（3～5月）﹥秋季（9～11月）﹥冬季（12～2月），年内阔叶林植被NPP最高，水生植被NPP生产量最低。[结论] 该NPP估算方法能较好地模拟重庆市的NPP及其时空格局，估算结果比较符合实际，能应用于NPP估算项目中。

关键词植被净初级生产力；CASA模型；遥感估算；重庆市

中图分类号S181文献标识码A文章编号0517-6611（2016）04-080-03

Remote Sensing Estimation and Analysis of Vegetation Net Primary Productivity in Chongqing City

JIAN Taimin（Ningxia Normal University， Guyuan， Ningxia 756099）

Abstract[Objective] To estimate and analyze the vegetation net primary productivity （NPP） in Chongqing City by remote sensing. [Method] Based on CASA model， remote sensing estimation of NPP in Chongqing in 2007 was carried out by using meteorological data， SPOT/VEGETATION NDVI S10 data and vegetation classification figure. Under the support of GIS and RS， data pretreatment was adopted， and NPP distribution and change situation were analyzed in Chongqing in 2007. [Result] The NPP average value was 112.343-799.391 gC/m2； vegetation NPP changed significantly in research region； seasonal differences were significant. The high values appeared in southeast and northeast areas of Chongqing； while low values appeared in northwest Chongqing. The NPP values were in the order of summer （JuneAugust）﹥ spring （MarchMay） ﹥ autumn （SeptemberNovember） ﹥ winter （December -February）. NPP of broadleaved forest vegetation was the maximum； but NPP of aquatic vegetation was the minimum. [Conclusion] This NPP estimation method can simulate the NPP in Chongqing City and its spatial and temporal pattern. The estimation results are relatively realistic， and can be used for the NPP estimation.

Key wordsNet Primary Productivity （NPP）； CASA model； Remote sensing estimation； Chongqing

植被净初级生产力（Net Primary Productivity，NPP）是指绿色植物在单位面积、单位时间内所累计的有机物数量，是由光合作用所产生的有机质总量扣除自养呼吸后的剩余部分[1-2]，通常以干重表示。NPP作為地表碳循环的重要组成部分，不仅直接反映植被群落在自然环境条件下的生产能力，表征陆地生态系统的质量状况，还是判定生态系统碳汇和调节生态过程的主要因子[3]，在全球变化及碳平衡中起着重要作用。自20世纪60年代国际地圈-生物圈（International GeosphereBiosphereProgramme，IGBP）计划以来，全球及区域NPP得到了大规模研究，IGBP和全球变化与陆地生态系统（GCTE）和京都议定书中均把植被的NPP研究确定为核心内容之一[1]。近年来，各国学者进行了大量的植物NPP测定，且以测定资料为基础，结合气候环境因子建立模型，对植被NPP的区域分布进行评估。而利用遥感技术所获数据来实现对地表植被净初级生产力的估算，是最近10年来NPP的模型建立和估算方法研究的热点，由于遥感不受过程模型所需特定观测条件的限制或因素的影响，因而得到了迅速发展。我国有关于NPP的研究起步较晚，直至20世纪70年代后期才进行了一些不同植被的生产量研究，取得了一些成果，但是数据精度不一，且用来推算大面积NPP有一定困难，大多借用国外一些NPP模型或对模型进行改进研究[3]，在20世纪90年代末进入新领域，发展速度较快，研究主要集中于植被NPP测算模型及其估算、分析。目前，仍欠缺对重庆市NPP遥感估研究。鉴于此，笔者采用基于光能利用率估算的CASA模型 [3-4]，对2007年重庆市NPP进行遥感估算，旨在为该模型参数在我国区域尺度的改进及有效应用提供科学依据。

1研究区概况

重庆市位于我国西南地区的经济文化中心，地处我国东西部地区的过渡地带，地理坐标为105°11′～110°12′ E，28°10′～32°15′ N，与陕、湘、鄂、川、贵等省毗邻，位于长江上游地区，是西南区域工商业重镇，水陆交通发达，是商贸口岸与水陆交通枢纽。重庆市总面积约8.24万km2，目前所辖40个区县，横跨川中方山丘陵、川东平行岭谷和盆南边缘山地三大自然地理区，地形以山地、丘陵为主，是亚热带季风性湿润气候的典型区域，全境的两江（长江、嘉陵江）干流为“山城”气候增加了色彩。特殊的地形、气候形成了雨热同季、冬暖春早、夏热多雨的特征，这种气候适合农作物的生长发育。全年气候宜人，年均温在18 ℃左右，冬季平均气温在6～8 ℃，夏季平均气温在27～29 ℃，常年降雨量达1 000～1 400 mm。复杂的地形与湿热气候环境共同形成了重庆市特殊的生态环境。

2数据来源与研究方法

2.1数据来源该研究采用的数据分为气象数据、遥感数据和植被覆盖分类数据3部分。①气象数据以气温、降水月值数据、地面辐射数据等为主；利用ArcGIS 10.0数据插值工具，根据各气象站点的定位坐标信息，对站点的点值气象数据通过克里金插值法获取像元大小与NDVI数据一致、投影相同的气象要素面状栅格图。②遥感数据主要来源于国家自然科学基金委员会“中国西部环境与生态科学数据中心”，SPOT/VEGETATION S10按旬合成的空间分辨率为1.0 km的东亚地区植被归一化指数产品，数据时间段为2007年1～12月，共36个时相；数据经几何校正后，应用ENVI 4.7软件的波段计算，求取NDVI月值数据，并通过掩膜处理获取重庆市区域尺度数据。③植被覆盖分类数据是通过扫描仪器扫描《重庆市地图集》中的植被类型图经过数据矢量化得到的；对数据分类做合并处理，最终得到所使用的8类植被。

2.2研究方法

2.2.1NPP的估算。采用1993年Potter提出的光能利用率模型（CarnegieAmesStanford Approach，CASA）[5]来估算NPP。CASA是由遥感、气象、植被以及土壤类型数据共同驱动的光能利用率模型，属于过程模型范畴[6-7]。随着计算机技术、遥感与地理信息系统等手段的不断完善，CASA模型的应用已成为大面积区域NPP和碳循环研究的主要手段之一[7]。CASA模型中的NPP主要由植物吸收的光和有效辐射（APAR）和光能利用率（ε）2个变量来确定：NPP（x，t）=APAR（x，t）×ε（x，t），式中，t为时间；x为空间位置；APAR（x，t）为像元x在t月吸收的光合有效辐射；ε（x，t）为像元 x在 t月的实际光能利用率。

2.2.2相关性分析。为对比2007年12个月NPP的月平均变化幅度及其与气候因子之间的相互关系，笔者先对月均NPP、月总降水量和月均气温进行标准化处理，即进行了归一化处理，将12个月的各因子最大值取1.0，最小值取0，然后求算以上每个因子的波动规律与变化趋势。应用SPSS软件做月NPP值与气象因子的相关性分析，计算得到其相关性，并通过0.01显著性检验其线性相关。最终发现，NPP的变化与气温、降水的相关性均较高，达0.687 0以上，但气温的相关性略高于与降水的相关性。

3结果与分析

3.1NPP季相分布NPP平均值在季节分配上主要表现为夏季（6～8月）﹥春季（3～5月）﹥秋季（9～11月）﹥冬季（12～2月）。由于重庆市雨热同期，主要在夏季，而夏季光照充足，以致估算NPP的气候因素（如降雨、辐射、气温、光照等）在夏季最大、冬季最小，也因此影响到了NPP的季节分配，但是空间分布趋势变化不大。春季高值区域分布范围较大，且分布片区较密集；夏季东南部高值区减少，东北部中高值区有所增加，但不明显；秋季高值区进一步减少，东南及西南部大片为中高值区域，冬季高值区域比较破碎，中、低值区域面积较大，且连续性较好。

3.2NPP年内分布对2007年重庆市NPP的估算结果为112.343～799.391 gC/m2。如图1所示，NPP在空间分布上，与地形相关性较高，高值区域大部分分布于植被密度较高的山地地区，地质区域分布于地势较平坦的区域，具体情况如下：渝东北、东南地区NPP较高，渝西北较低，这与重庆市植被覆盖类型有关，由植被覆盖类型可知，渝东北部分布有大片针阔叶林，渝东南受湖南总辐射数据的影响（总辐射数据图12007年重庆市NPP空间分布情况

Fig.1Spatial distribution of vegetation NPP in Chongqing in 2007是應用重庆市一个站点与周边站点数据做插值获取），以致NPP值也相应升高。在行政单位上巫溪、武隆县NPP较高，这与该2个县的山地地形森林覆盖率较高密切相关，潼南县最低；主城区由于森林植被覆盖度较低，但是人工绿化草丛、园林规划及减噪林的建造致使主城区NPP为中低值。

3.3NPP植被分布对重庆市8类植被的NPP进行估算，由表1可知NPP在各植被类型分布与叶面积、植被含水量等相关性较为吻合，具体体现在：NPP以阔叶林最高，达465.98 gC/m2，水生植被NPP最低，仅202.17 gC/m2，这是由于阔叶林分布面积较广，植被叶面积大，所吸收光照、水分指数高，且最大光能利用率指数高；而水生植被不仅因为接受的光、热被水分吸收和削减最终吸收的较少，且其最大光能利用率最低，分布密度低，单株数量少，也对其生产NPP的能力产生一定影响。

4结论与讨论

（1）笔者在CASA模型的基础上，利用SPOT/VEGETATION NDVI S10 数据和气象资料建立了重庆市NPP遥感估算模型，并对2007年重庆市的NPP进行了模拟分析。结果表明： ①建立的基于SPOT/VEGETATION NDVI S10 数据的NPP估算方法能较好地模拟重庆市的NPP及其时空格局，估算结果比较符合实际，能应用于NPP估算项目中；②重庆市NPP年内季节性变化明显，区域内部变化显著，这说明NPP变化受植被覆盖率及其气候因子变化的影响较大。

（2）笔者基于当前气象部门收集处理的大量使用的SPOT/VEGETATION NDVI S10 数据，无需经过复杂的大气校正和双向反射率校正来实现动态估算NPP及监测其变化，对气象业务发展应用具有积极意义[8]。

（3）由于目前有关于重庆市NPP的研究鲜见报道，笔者采用涵盖重庆区域的其他研究结果与该研究估算结果进行比对验证。朱文泉[9]对1989～1993年我国植被分类结果进行估算得出NPP在100～400 g/m2。柯金虎等[10]对1982～1999年长江流域的NPP进行估算，得到重庆市的NPP为100～400 g/m2。而笔者研究得出2007年NPP为112.343～799.391 gC/m2，且空间分布趋势相似。董丹等[11]利用CASA 模型对西南喀斯特NPP进行模拟计算，其中，重庆市空间变化趋势与笔者研究得出的一致，但其计算结果显示重庆属于中等值地区，1999～2003年NPP值为285～480 gC/m2，低值略低于文献[9]的计算值，高值略高，这可能由于区域、年份、气候差异，以致对NPP估算结果有很大影响的光能利用率计算中的水分、气温因子不同，同时笔者划分的植被类型中水生植被与水体最大光能利用率值较低，以上因素使得计算结果与以往研究有部分差异。综上所述，该研究估算结果与相近区域空间相关研究结果基本一致。

参考文献

[1] WALKER B H，STEFFEN W L，CANADELL J，et al.The terrestrial biosphere and global change：Implications for natural and managed ecosystems：A synthesis of GCTE and related research[Z].IGBP Book Series Number 4，1997.

[2] 郑凌云，张佳华.草地净第一性生产力估算的研究进展[J].农业工程学报，2007（23）：280-283.

[3] 李世华，牛铮，李壁成.植被净第一性生产力遥感过程模型研究[J].水土保持研究，2005，12（3）：126-128.

[4] 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）：265-272.

[5] 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：中国科学院遥感应用研究所，2004.

[6] POTTERC S，RANDERSON J T，FIELD C B，et al.Terrestrial ecosystem production：A processmodel based on global satellite and surface data [J].Global biogeochemical cycles，1993，7：811-841.

[7] 齐晔，HALL C A S.全球变化研究中的生物圈模型（Ⅰ）：初级生产力模拟[M]//李博.现代生态学讲座.北京：科学出版社，1995：129-142.

[8] 王彧，黄耀，张稳，等.中国农业植被净初级生产力模拟（Ⅱ）：模型的验证与净初级生产力估算[J].自然资源学报，2006，21（6）：916-924.

[9] 朱文泉.中国陆地生态系统植被净初级生产力遥感估算及其与气候变化关系的研究[D].北京：北京师范大学，2005.

[10] 柯金虎，朴世龙，方精云.长江流域植被净第一性生产力及其时空格局研究[J].植物生态学报，2003，27（6）：764-770.

[11] 董丹，倪健.利用CASA 模型模拟西南喀斯特植被净第一性生产力[J].生态学报，2011，31（7）：1855-1866.安徽农业科学2016年

（上接第73页）

[3] 杨苏才，南忠仁，曾静静.土壤重金属污染现状与治理途径研究进展[J].安徽农业科学，2006，34（3）：549-552.

[4] 张丽，郁建锋，杜兰芳.铅胁迫对豌豆种子的毒害效应[J].安徽农业科学，2007，35（34）：10997-11000.

[5] 冯淑利，邵云，刘洋，等.Zn2+胁迫对小麦幼苗生理活性影响的研究[J].农业环境科学学报，2007，26（1）：140-145.

[6] 杜兰芳，王立新，许俊，等.镧对汞胁迫下豌豆生长发育效应的影响[J].科技通报，2007，23（5）：671-675.

[7] 张宪政.植物叶绿索含量测定丙酮乙醇混合法[J].辽宁学报，1986（3）：26-28.

[8] 薛刚，刘文红，黄海涛，等.2，4二硝基苯肼比色法测定婴幼儿配方食品和乳粉及其制品中总抗坏血酸的含量[J].食品研究与开发，2006，21（3）：48-50.