广州市城市森林净初级生产力遥感估算

胡小飞 ，唐 宪 ，胡月明 ,樊舒迪 ，王 璐

（1.华南农业大学 资源环境学院，广东 广州 510642；2.广东省土地利用与整治重点实验室，广东 广州510642；3.广东省土地信息工程技术研究中心，广东 广州 510642；4.广州市测绘地理信息行业工程中心，广东 广州 510642；5.三亚市林业科学研究院，海南 三亚 572000）

广州市城市森林净初级生产力遥感估算

胡小飞1，2，3，4，唐 宪5，胡月明1，2，3，4,樊舒迪1，2，3，4，王 璐1，2，3，4

（1.华南农业大学 资源环境学院，广东 广州 510642；2.广东省土地利用与整治重点实验室，广东 广州510642；3.广东省土地信息工程技术研究中心，广东 广州 510642；4.广州市测绘地理信息行业工程中心，广东 广州 510642；5.三亚市林业科学研究院，海南 三亚 572000）

在分析叶面积指数、降雨量、温度与植被净初级生产力相关关系的基础上，应用Landsat 7卫星影像数据提取研究区的温度、叶面积指数，建立了能反映温度、降雨量对城市森林生态系统植被净初级生产力影响的模型，模拟广州市2013年3月份森林植被净初级生产力。结果表明：该模型模拟的NPP值与前人运用传统方法研究估算的NPP值相比较，精度可以达到91%，证明此模型在区域植被净初级生产力估算方面具有一定的可行性。关键词：净初级生产力；城市森林；遥感；广州市

森林净初级生产力（Net Primary Productivity）是指绿色植物在单位面积和单位时间内通过光合作用将无机物合成为有机物总量中扣除植被自养呼吸消耗的部分[1-2]，它是生态系统自身健康和生态平衡的重要指示因子，在研究全球变化及碳循环中起着重要作用。开展区域尺度的生态系统NPP研究有着十分重要的意义，因为它与目前受到广泛关注的其他重大问题（如碳循环与碳扰动、土地利用变化、气候变化和自然资源管理等的研究）有着密切的联系，可以说是这些研究工作中的重要环节之一。

自20世纪60年代以来，各国学者大力开展了NPP的研究，发展了许多NPP估算模型，大致归纳为统计模型、过程模型和参数模型三类。统计模型是通过建立气候数据与NPP之间的统计关系来估算NPP，比较有代表性的是Lieth的Miami模型、Thornthwaite Memorial模型[3]、Uchijima的Chikugo模型[4]等。过程模型侧重于植物生命过程和能量转换机制，利用光合作用、蒸散发等参数来估算NPP[5]，又称机理模型，以Parton（1987）的CENTURY模型[6]、Melillo的TEM模型[7]为代表。参数模型又称光能利用率模型，通过能量转换效率和植被冠层吸收的光合有效辐射来估算NPP，如CASA模型[8]、C-FIX模型[9]、GLO-PEM模型[10]等。

随着遥感产品的问世，NPP估算研究开始引进遥感数据。采用遥感手段，可以实现研究成果从点向面的推广，解决传统的以单个观测点资料为依据的由点向面转换的尺度问题，促进了多时空尺度大范围地区NPP的研究。利用遥感数据模拟NPP主要有两种方法，一种是通过建立NDVI（Normalized Difference Vegetation Index，植被指数）与地面实测NPP间的回归模型估算NPP[11]；一种是与参数模型相结合，利用卫星遥感丰富的信息及实时数据处理与传输的能力，提取出模型所需的参数模拟NPP[12]。现有的气候相关统计模型适合于较大范围的NPP估算，对于小区域的研究很难体现其空间差异性，而参数模型和过程模型需要大量研究区相关参数，这些参数的获取存在一定的难度。为减少NPP估算工作量，本研究以landsat7影像为数据源，以广州市城市森林生态系统为研究对象，分析叶面积指数、温度、降水与NPP间的相关关系，探索性地构建NPP估算模型，为区域植被净初级生产力遥感估算提供参考。

1 研究区概况及数据源

广 州 市 位 于 22°26′～ 23°56′N，112°57′～114°13′E，地势由东北向西南倾斜，地处亚热带，年平均温度为22 ℃，气候温暖，雨量充沛。在植被类型中，有属于地带性植被的北热带季雨林、南亚热带季风常绿阔叶林、中亚热带典型常绿阔叶林和沿海的热带红树林，还有非纬度地带性的常绿—落叶阔叶混交林、常绿针阔叶混交林、常绿针叶林、竹林、灌丛和草地以及水稻、果园和茶园等栽培植被。

本文中所用的遥感数据为来源于美国地质勘探局USGS网站的2013年3月Landsat 7影像，多光谱波段和热红外波段的空间分辨率为30 m，全色波段的空间分辨率为15 m。温度、降水数据来源于国家气象中心数据共享网。

2 研究方法

根据野外实测数据建立广州陆地植被净初级生产力（NPP，x）和温度、降雨量、叶面积的统计模型，经过多次多项式模拟研究，选用二次多项式建立两者关系（如图1、图2、图3所示）。

由图1、图2、图3可以看出，LOG(x)与叶面积指数、温度、LOG(r)间呈明显的线性相关关系。通过线性回归分析，得到相关关系式，相关系数为0.838。计算公式为：

图1 LOG（x）与温度散点图Fig.1 The scatter diagram of LOG(x) and temperature

图2 LOG(x)与LOG(r)散点图（r代表降雨量）Fig.2 The scatter diagram of LOG(x) and LOG(r)(r represents rainfall)

式中：x1代表降雨量；x2代表温度；x3代表叶面积指数。

图3 LOG(x)与叶面积指数散点图Fig.3 The scatter diagram of LOG(x) and leaf area index

3 结果与分析

3.1 影像大气校正

为了消除大气和光照等因素对地物反射的影响，对影像进行大气校正。本研究采用基于6S模型的大气校正，在对图像作了几何纠正后，从中截取实验区的子影像，然后对2个可见光波段和近红外波段进行6S大气模拟，消除地—气耦合效应。

6S（Second Simulation of Satellite Signal in the Solar Spectrum）模型建立在辐射传输理论的基础上，综合了地形、气象、光谱等多种参数，而且适用于多种卫星传感器不同波段范围，输出的是经过大气校正后的反射率值，通过输入所需参数（见表1），得出大气校正的参数xa、xb和xc，然后根据式（3）计算校正后的反射率。

式中：ρ为校正后的反射率；i为波段辐射亮度值。

表1 6S输入参数Table 1 6S input parameters

表2为各波段6S模拟的大气校正参数结果，图4～图7是大气校正结果。

表2 大气校正参数Table 2 The atmospheric correction parameters

3.2 植被指数及叶面积指数计算

在Landsat7影像中NIR代表波段4，R代表波段3。NDVI值在[-1,1]范围内，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示岩石或裸土等；正值表示有植被覆盖，且越大表明覆盖度越大。

叶面积指数（leaf area index）是一个重要的植被结构参数，一般定义为单位面积柱体内叶子表面积的一半，反映的是作物群体大小和生态价值高低的动态指标[13]。叶面积指数越高代表植被光合作用面积越大，产生的NPP或者产出有机物价值越高。LAI的计算是一个相当繁琐的过程，传统的LAI测量方法仅能获得地面有限点的LAI值，不能满足大范围内植被生态研究的需求。

图4 Band2 大气校正结果Fig.4 Band2 atmospheric correction result

图5 Band3 大气校正结果Fig.5 Band3 atmospheric correction result

图6 Band 4 大气校正结果Fig.6 Band4 atmospheric correction result

图7 彩色合成结果Fig.7 The color composition result

大量的研究表明，NDVI（I）与地面真实的LAI（n）之间呈现较好的函数关系，采用光学遥感手段可以估算地面植被叶面积指数，为反演其他地面生物物理参数提供参考[14-15]。本研究采用徐剑波等人[16]建立的回归方程：

将经过大气校正后的可见光波段，根据式（1）建立NDVI和LAI的关系和影像提取的NDVI，反演出研究区域的叶面积指数（见图8、9）。

图8 NDVI分布Fig.8 The distribution of NDVI in Guangzhou city

图9 LAI分布Fig.9 The distribution of LAI in Guangzhou city

3.3 温度反演

本研究温度反演采用辐射传输方程法，首先使用大气模型估计大气对地表热辐射的影响，然后把这部分大气影响从卫星高度上传感器所观测得到的热辐射总量中减去，得到地表热辐射强度，再将其转化为相应的地表温度。其表达式为：

式中：Isensor是传感器热辐射强度；ε是地表比辐射率；B(TS)是由普朗克定律推导得到的黑体辐射强度；Iatm↑和Iatm↓是大气上行和下行热辐射强度，是大气透射率。其中大气透过率和大气上行、下行热辐射强度可以用MODTRAN程序模拟，只需知道地表比辐射率，就能求解出黑体辐射强度B(TS)。

本文中针对2013年3月份的广州市Lantsat7影像热红外波段，运用MODTRAN4计算大气透过率和大气上行、下行热辐射强度。使用的MODTRAN4软件是由Spectral Sciences,Inc.(SSI)the Air Force Research Laboratory(AFRL)共同研制开发的MODTRAN辐射传输程序的4.1版本。运行MODTRAN4大气校正模型需要选择和输入相应的模式和参数。鉴于研究区的地理位置和所需的TM数据源时间，其中所需的大气组分参量选用标准大气模式，气溶胶模式为城市气溶胶，可见度23 km，天气为无云和雨。在进行辐射传输模式计算时，还要考虑几何信息和光谱信息，包括TM卫星的空间位置（卫星天顶角、卫星方位角及高程）、观测对象的空间位置（海拔、经度、纬度）、光谱范围（初始波长、终止波长）等。通过计算得出的大气透过率为0.59，大气上行辐射为3.11 W·m-2sr-1μm-1，大气下行辐射为 4.71 W·m-2sr-1μm-1。

地表比辐射率（land surface emissivity, LSE）的确定对于仅有一个热红外通道的遥感数据而言，没有额外的辅助数据是不可能同时反演地表温度和地表比辐射率的，本研究根据前人的研究成果，通过分类影像获得LSE影像，估计每种地表类型的发射率值，由于本文没有实时的卫星过境时不同类别典型地物发射率值，故通过归一化植被指数获得LSE。将植被指数划分为3个不同的情况来估算地表比辐射率：

（1）像元的NDVI值小于0，研究区看作是水体，其比辐射率值赋值为0.995。

（2）像元的NDVI值大于0.7，研究区看作是植被完全覆盖区，地表比辐射率值假设为常数0.986。

（3）像元的NDVI值在0～0.7范围内，研究区看作是裸土、植被、城市建筑物的混合区，通过式（7）来计算混合像元的地表比辐射率值。

式中：εV是植被发射率；PV是植被构成比例；εS为建筑物表面发射率。根据研究者已发表的值，植被发射率估计为0.986[17]，建筑物表面发射率取值为0.968[18]。

根据以上分析，要求得地表比辐射率值还必须有植被构成比例，本研究采用Charlson等人[19]提出的估算方法（如式7）：

式中：I为NDVI为归一化植被指数，其中IV=0.70，IS=0.0，且当某个像元的NDVI值大于0.7时，其植被覆盖度取值为1，NDVI值小于0时，其植被覆盖度取值为0。

求解出黑体辐射强度后，可以进一步采用式（8）近似求解地表温度：

式中：TS是地表温度（K）；K1和K2均为常量，对于 Lantdsat TM 系列产品，K1=607.76 W·m-2sr-1μm-1，K2=1 260.56 K。

影像经过几何纠正后采用上述方法进行温度反演，求取研究区广州市2013年3月的地表温度（见图10）。

图10 2013年3月份广州市地表温度Fig.10 Surface temperature in March 2013 of Guangzhou city

3.4 区域尺度森林植被净初级生产力估算

根据前面建立的NPP与温度、降水、LAI统计模型，结合遥感反演的相应参数值，对研究区进行NPP估算，获得研究区域的NPP空间分布（见图11）。对数据进行统计可以得出，研究区域2013年3月份的平均NPP值为6.945 t/hm2·a，最大值为 20.635 t/hm2·a，最小值为 6.241 t/hm2·a。

图11 广州市NPP分布Fig.11 The distribution of NPP in Guangzhou city

为了验证该模型的精度，在研究区均匀地选取10个样点，将罗天祥[20]总结出来的阔叶林LAI（n）与植被净初级生产力统计模型（式9）提取出2个模型得出的NPP值进行比较，计算精度，结果见表3。

表3 2个模型计算的NPP值及其比较精度†Table 3 Comparing NPP value estimated by two different models and their precision

从表3可知，2个模型计算出的结果比较接近，精度在10%范围内。经分析发现，精度为5.7%、8.7%、6.04%的3个点均属于城市公园植被类型，而2种模型均考虑的是森林植被类型中的阔叶林、针叶林和阔叶针叶混交林。

4 结论与展望

本研究以森林植被类型中阔叶林、针叶林和阔叶针叶混交林为研究对象，借助于遥感技术，建立了利用LAI、温度、降水的回归模型推算NPP的统计模型，对广州市城市森林生态系统的净初级生产力进行估算。经检验，其估算结果与前人研究结果近似，该模型具有一定的可靠性，能实现区域尺度植被净初级生产力的估算。相较于大多数研究者提出的推算NPP统计模型[21]，该模型加入了温度和降雨量对植被净初级生产力的胁迫影响，考虑更加全面。此外，研究中根据Landsat7影像数据，采用辐射传输模型来反演研究区域的温度，相较于直接采用气象资料，能够精确地体现每一个样点的温度。

为提高模型对区域植被NPP估算精度，后续研究将从以下几方面展开：（1）针对研究区的降雨量，可以使用雷达数据进行研究区域的降雨量反演，提高模型的精度。（2）针对不同的植被类型，建立不同的植被指数与LAI的相关模型，找出能较好地反映每一类植被特征的植被指数，消除土壤背景阴影等的影响。（3）采用更高分辨率的遥感影像，对研究区采用面向对象的分类，区分出“同物异谱”或“异物同谱”的植被，较好地反映植被的纹理特征，得到详细的植被分类图。（4）根据不同的植被类型建立不同的NPP估算模型，同时，建立规范长期的野外实测样方作为NPP研究的基础，也是对区域NPP估算的验证。（5）在估算NPP中，一个月中的单天植被数据并不能表征这个月的平均值，在后续的研究中可以加入植被的时序特征。

[1]陈利军.中国植被净第一性生产力的遥感评估研究[D].北京:中国科学院,2001.

[2]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.

[3]Lieth H. Historical survey of primary productivity research[C]//Lieth H, Whittaker R H .Primary Productivity of the Biosphere.New York: Springer-Verlad, 1975: 7-16.

[4]Uchijima Z, Seino H. Agroclimatic evaluation of net primary productivity of natural vegetation Chikugomodel for evaluating productivity [J]. Journal of Agricultural Meteorology, 1985,40:343-353.

[5]Dai Y J, Robert E, Wang Y P. A two-big-leaf model for canopy temperature, photosynthesis and stomatal conductance [J].Journal of Climate, 2004, 17(12): 2281-2299.

[6]Parton W J, Schimel D S, Cole C V,et al.Analysis of factors controlling soil organic matter levels in Great Plains grasslands [J].Soil Sci. Soc. Am., 1987, 51:1173-1179.

[7]Melillo J M, MeGuire A D, Kieklighter D W,et al.Global climate change and terrestrial net Primary Production[J].Nature,1993,363:234-240.

[8]Potter C S, Randerson J T, Field C B,et al.Terrestrial ecosystem production: a process model based on global satellite and surface data[J]. Global Biogeochemical Cycle, 1993,7: 811-841.

[9]Veroustraete F, Patyn J, Myneni R B. Estimating net ecosystem exchange of carbon using the normalized difference vegetation index and an ecosystem model[J]. Remote Sensing of Environment, 1996, 58 (1) :115-130.

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

[11]郑元润, 周广胜. 基于 NDVI 的中国天然森林植被净初级生产力模型[J]. 植物生态学报, 2000, 24(1):9-12.

[12]朴世龙, 方精云, 郭庆华. 利用 CASA 模型估算中国植被净初级生产力[J]. 植物生态学报, 2001, 25(5):603-608.

[13]Chen J M, Pavlic G, Brown L, et al. Derivation and validation of Canada-wide coarse-resolution leaf area index maps using highresolution satellite imagery and ground measurements[J]. Remote Sensing of Environment，2001, 80:165-184.

[14]肖乾广,陈维英, 盛永伟,等.用NOAA气象卫星的AVHRR遥感资料估算中国的净第一性生产力[J].植物学报,1996,38(1): 35-39.

[15]惠凤鸣, 田庆久, 金震宇，等.植被指数与叶面积指数关系研究及定量化分析[J].遥感信息,2003,(2):10-13.

[16]徐剑波,刘振华,宋立生,等. 基于遥感的广州市城市绿地生态服务功能评价[J]. 生态学杂志,2012,31(2):440-445.

[17]Sobrino J A, CasellesV. A fi eld method for estimating the thermal infrared emissivity [J].ISPRS Journal of Photogrammetry and Remote Sensing, 1993,48:24-31.

[18]覃志豪, 李文娟, 徐 斌. 利用 Landsat TM6 反演地表温度所需地表比辐射率参数的估计方法[J].海洋科学进展, 2004,22(21): 129-137.

[19]Carlson T N, Ripley D A. On the relation between NDVI,fractional vegetation coverand leaf area index[J].Remote Sensing of Environment, 1997,62:241-252.

[20]罗天祥.中国主要森林类型生物生产力格局及其数学模型[D].北京:中国科学院, 1996.

[21]岳彩荣,唐 瑶,徐天蜀,等.香格里拉县植被初级生产遥感估算[J].中南林业科技大学学报,2014,34(7):90-98.

Estimation of net primary productivity of urban forest ecological system in Guangzhou city

HU Xiao-fei1,2,3,4, TANG Xian5, HU Yue-ming1,2,3,4, FAN Shu-di1,2,3,4, WANG Lu1,2,3,4
(1.College of Informatics, South China Agricultural University, Guangzhou 510642, Guangdong, China; 2.Key Laboratory of Land Use and Consolidation of Guangdong Province, Guangzhou 510642, Guangdong, China; 3.Guangdong Province Land Information Engineering Technology Research Center, Guangzhou 510642, Guangdong, China; 4.Guangzhou Mapping Geographic Information Industry Engineering Center, Guangzhou 510642, Guangdong, China; 5.Sanya Academy of Forest, Sanya 572000, Hainan, China)

The net primary productivity (NPP) of urban forest vegetation is an important index to measure the health status of urban forest ecological system. Its simulation research has the vital signi fi cance to the carbon balance monitoring. Remote sensing image data with high spatial resolution and short revisit period is an important data source for accurately simulatingthe NPP. In this paper,based on analyzing thecorrelation between the vegetation NPPand the leaf area index, rainfall, temperature respectively, and by using the Landsat 7 satellite image data to extract out the leaf area index and the temperature of the study area, established a model which can re fl ect the in fl uence of temperature and rainfall on the vegetation NPP of urban forest ecological system to simulatethe Guangzhou forest vegetation NPP in March of 2013. It revealed that the precision of the NPP value simulated by the model can reach 91% compared with estimated by traditional methods and It is proved estimating the urban forest vegetation NPP by using the model is feasible.

net primary productivity (NPP); urban forest; remote sensing; Guangzhou city

S771.8；S718.55+6

A

1673-923X(2016)05-0019-07

10.14067/j.cnki.1673-923x.2016.05.004

2015-02-07

国土资源部公益性行业科研专项课题（20131100403）

胡小飞，博士研究生 通讯作者：王 璐，副教授，博士；E-mail：selinapple.com

胡小飞，唐 宪，胡月明，等.广州市城市森林净初级生产力遥感估算[J].中南林业科技大学学报，2016, 36(5): 19-25.

[本文编校：谢荣秀]