秦岭山地NPP遥感估算及其时空变化特征研究

张善红,丁小松

(1.商洛学院 城乡规划与建筑工程学院,陕西 商洛 726000;2.上海海洋大学 海洋科学学院, 上海 201306)

秦岭山地NPP遥感估算及其时空变化特征研究

张善红1,丁小松2

(1.商洛学院 城乡规划与建筑工程学院,陕西 商洛 726000;2.上海海洋大学 海洋科学学院, 上海 201306)

基于2000～2013年的MODIS-NDVI数据和气象数据,利用CASA模型对秦岭山地植被净第一生产力(NPP)进行了模拟估算。结果表明:2000～2013年秦岭山地植被年均NPP为833.87 g C/(m2·a);不同类型植被的NPP表现为栽培植被<草丛<草甸<针叶林<灌丛<阔叶林；各季植被的NPP表现为夏季>春季>秋季>冬季;秦岭山地植被NPP与当月气温及前1个月、2个月、3个月气温均呈显著正相关,但受当月气温的影响最大。

秦岭山地;植被；NPP;遥感估算；时空变化

植被净第一生产力(NPP)是指单位面积植被在单位时间内积累的有机干物质总量,反映植被在一定时段内的生产能力,是生态系统演变的指示器及碳循环研究中的一个重要参数[1],对分析碳循环过程对全球气候变化的响应具有非常重要的意义[2-3]。自20世纪70年代以来,人们开始广泛对全球的NPP进行研究；自20世纪80年代以来,随着RS和GIS技术的迅速发展,各国学者对NPP的研究取得了重大进展[4-5]。我国学者对NPP的研究也取得了显著成果，如方精云等[6]利用森林蓄积量获得森林净生物量和生物量的方法,研究了森林植被生物生产力;孙睿等[7-8]利用AVHRR-NDVI数据集对我国的NPP进行了模拟,指出全国植被年NPP空间分布总体上呈从东南向西北递减的趋势;柯金虎等[9]根据遥感数据、气象资料及植被类型以及土壤数据,利用CASA模型对长江流域植被的NPP进行了模拟;张继平等[10]基于MODIS GPP数据对三江源地区的草地生态系统碳储量的时空变化进行了研究,结果表明基于该数据能够支撑较大尺度草地生态系统碳储量的研究,比传统方法更便捷有效;王钧等[11]基于AWHRR GLOPEM NPP数据集及相应时段的气候数据集,研究了1981～2000年内蒙古中部地区植被净初级生产量退化的状况及其对各气候因子的响应。

秦岭山地位于东经105°30′～110°5′,北纬32°40′～34°35′,是我国划分南北自然地理的一条重要的分界线,同时也是生态环境的过渡极敏感区,其气候的空间分布差异大,北坡气候类型为暖温带半湿润气候带,南坡气候类型为亚热带湿润气候带。开展秦岭山地植被NPP变化及其对气候变化响应的研究,不仅可以揭示全球变暖大趋势下秦岭山地森林生态系统对气候变化的响应程度,为气候变化对陆地植被生态系统影响的研究提供典型案例,而且可以为秦岭山地的生物多样性保护和水源地的保护提供理论支撑和实践指导。

1 研究方法

1.1 NPP估算模型

采用Potter等[12]提出的光能利用率模型(CASA模型),估算NPP,其估算公式为:

NPP(x,t)=APAR(x,t)×ε(x,t)=PAR(x,t)×FPAR(x,t)×ε(x,t)

(1)

式(1)中:APAR(x,t)为像元x在t月吸收的光合有效辐射;ε(x,t)为实际光能利用率;FPAR(x,t)为植被层对入射光合有效辐射(PAR)的吸收分量,其计算公式如下[12]:

(2)

(3)

(4)

FPAR(x,t)=0.5FPARNDVI(x,t)+0.5FPARSR(x,t)

(5)

上式中：NDVI(i,max)和NDVI(i,min)分别表示第i种植被类型NDVI的最大值和最小值;SR(i,max)和SR(i,min)分别代表第i种植被类型NDVI在95%和5%下侧百分位数;FPARmax和FPARmin的取值与植被类型无关,分别为0.95和0.01。

光能利用率由温度、水分和最大光能利用率决定,其计算公式为:

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax

(6)

式(6)中：Tε1(x,t)和Tε2(x,t)为温度胁迫系数,均可采用Potter等[12]提出的方法估算;εmax为最大光能利用率,其取值因植被类型不同而不同,本文利用朱文泉等[13]研究确定的中国典型植被类型最大光能利用率模拟结果；Wε(x,t)为水分胁迫系数,由公式(7)计算:

Wε(x,t)=0.5+0.5×E/Ep

(7)

式(7)中：E为区域实际蒸散量,可根据周广胜和张新时的区域实际蒸散模型求得；Ep为潜在蒸散量，可根据Boucher提出的互补关系[14-15]求取。

1.2 SPSS偏相关分析法

本研究中NPP与气温的相关系数计算采用如下公式[16]:

(8)

利用如下公式[17],计算以降水为控制变量的NPP和气温间的偏相关系数:

(9)

式(9)中:r12、r13、r23分别表示变量V1与V2、V1与V3、V2与V3间的相关系数；r12.3是定变量V3后变量V1与V2间的偏相关系数。

2 结果与分析

2.1 秦岭山地植被NPP的空间分布特征

2.1.1 年均NPP的空间分布特征 根据NPP估算模型,得到2000～2013年秦岭山地植被平均NPP分布图(见图1),将NPP值分为5个等级(<500,500～700,700～900,900～1300,>1300)。在14年间,秦岭山地植被NPP的平均值为833.87 g C/m2,最高值为1511 g C/m2。上述5个等级植被面积占研究区总面积的百分比分别为5.55%、39.02%、15.02%、34.31%和6.08%. 由此可以看出,秦岭山地植被的NPP主要集中在500～1300 g C/m2范围内,该范围植被面积占研究区总面积的88.36%。其中,低值区(<700 g C/m2)主要位于汉中、安康和商洛市中心及其周边,以及研究区北部边界，在这些区域植被比较稀疏,且耕地较多,受人类活动的影响较大,因此NPP值较低。高值区(>1300 g C/m2)分布比较零散,主要位于人类活动影响较小的常绿阔叶林、灌丛等区域。

2.1.2 不同植被类型NPP的分布特征 利用秦岭山地植被类型图对2000～2013年年均NPP进行统计,结果表明,秦岭山地不同植被类型植被的NPP存在明显差异。其中阔叶林的年均NPP最高,14年平均NPP达1229.69 g C/(m2·a)；其次是灌丛，年均NPP为879.75 g C/(m2·a)；然后是针叶林，为643.89 g C/(m2·a)；排在第四位的是草丛，为597.81 g C/(m2·a)；然后依次是栽培植被540.62 g C/(m2·a)、草甸530.46 g C/(m2·a)。不同植被的年均NPP基本上表现为栽培植被<草丛<草甸<针叶林<灌丛<阔叶林。

2.2 秦岭山地植被NPP的变化特征

2.2.1 在年际上的变化特征 在2000～2013年期间,秦岭山地植被NPP值在781.53～883.02 g C/(m2·a)之间波动,平均值为835.71 g C/(m2·a)。其中最大值出现在2008年,为883.02 g C/(m2·a)；最小值出现在2001年,为781.53 g C/(m2·a)。从年均NPP波动曲线(图2)可以看出,秦岭山地植被NPP在2000～2013年间呈不显著的增长趋势,其变化可以分为2个阶段：2000～2008年为上升阶段,从2000年的826.053 g C/(m2·a)上升到2008年的883.02 g C/(m2·a)；但在2008年之后,秦岭山地植被NPP呈微弱下降趋势。2001年的植被NPP值最低,可能与当年降水量偏少,无法满足植被生长需求有关。2008年NPP值最高,是因为当年的水、热条件良好,植被的生长状况好。

图1 近14年秦岭山地植被年均NPP的空间分布

图2 秦岭山地植被NPP的年际变化

2.2.2 在月份上的变化特征 图3为秦岭山地植被NPP在各月份的变化情况。由于水热组合的不同,植被在不同月份的生长状况不同,因此各月份对应的NPP也会有所不同.其中最高值在7月(164.43 g C/m2),最低值在1月(13.49 g C/m2)。1～3月植被NPP值较低,这主要是由于气温较低,多数植被基本上处于停止生长状态。从4月份开始,随着气温回升,太阳辐射增加,植被生长加速,因此植被NPP值快速增加。6～8月是植被生长的鼎盛时期,月均NPP值在7月达到最高。进入9月后,随着太阳辐射减少、气温逐渐下降,植被生长变缓,植被NPP逐渐减少。该地区的植被生长季为4～9月,这6个月的NPP占全年总NPP的85.06%。在这段时间内,气温较高,降水丰富,太阳辐射强,有利于植被的生长和能量的累积[4]。10月过后,秦岭山地植被NPP值迅速减少,到12月份减少到13.51 g C/m2。

图3 秦岭山地各月份植被NPP的变化

2.2.3 在季节上的变化特征 统计结果表明：春(3～5月)、夏(6～8月)、秋(9～11月)、冬(12～2月)四个季节多年平均NPP值分别为221.45、431.32、139.21、42.35 g C/(m2·月)；各季对全年NPP的贡献率表现为夏季(51.52%)>春季(26.45%)>秋季(16.96%)>冬季(5.06%)。不同季节NPP的变化趋势如图4所示。由图4可以看出：从2000年至2013年，秦岭山地春、秋两季植被NPP总体上在波动中增长,但增长速度较小,其中春季增长较快,增长速度为2.0843 g C/m2,秋季的增长速度为0.1264 g C/m2；夏季NPP总体上呈现波动下降趋势,下降速度为0.6483 g C/m2；冬季由于气温较低,植被基本上停止生长,因此冬季NPP在研究时段内基本保持不变,仅有细微的变化。

图4 秦岭山地各季节植被NPP的变化

2.3 秦岭山地植被NPP对气温变化的响应

图5反映了秦岭山地植被月均NPP与月均气温

的时间序列变化趋势,从图5中可以看出:秦岭山地植被月均NPP与月均气温呈现明显的一致性。采用SPSS 16.0对秦岭山地月均NPP与月均气温进行相关分析,相关系数为0.902,相关性达极显著水平(P<0.01)。以降水为控制变量,对秦岭山地植被月均NPP与月均气温进行偏相关分析,偏相关系数为0.809(P<0.01),同样表现出显著的正相关,说明秦岭山地植被NPP在月时间序列上与气温存在显著的正相关。

植被的生长状况不仅与当月气温有关,可能与前1个月、前2个月、前3个月的气温都有关系。因此,对前1个月、2个月、3个月的气温与当月植被NPP进行相关分析,研究气温对NPP的滞后影响,结果见表1。由表1可以看出：滞后1个月的相关系数和偏相关系数分别为0.731(P<0.01)和0.667(P<0.01);滞后2个月的相关系数和偏相关系数分别为0.371(P<0.01)和0.491(P<0.01);滞后3个月的相关系数和偏相关系数分别为0.082和0.332(P<0.05)。说明当月植被NPP与提前1个月、2个月和3个月的月均气温在0.01或0.05水平上呈显著正相关。但提前1个月、2个月和3个月的相关系数均小于当月的相关系数,这说明当月气温对当月植被NPP的影响是最大的。

图5 秦岭山地植被月均NPP与月均气温的变化

滞后月份数相关性相关系数显著性(P值)偏相关性相关系数显著性(P值)00．902<0．010．809<0．0110．731<0．010．667<0．0120．371<0．010．491<0．0130．082<0．050．332<0．05

3 结论

2000～2013年秦岭山地植被年均NPP为833.87 g C/(m2·a),最高值为1511 g C/(m2·a),研究区植被NPP主要集中在500～1300 g C/m2范围内,该范围植被面积占研究区总面积的88.36%;秦岭山地不同植被类型的NPP存在明显差异,基本上表现为栽培植被<草丛<草甸<针叶林<灌丛<阔叶林。

秦岭山地植被年均NPP值波动范围在781.53～883.02 g C/(m2·a)之间,平均值为835.71 g C/(m2·a)。其中最大值在2008年,最小值在2001年。秦岭山地植被NPP在2000～2013年间的变化分为2个阶段：2000～2008年为上升阶段；2008～2013年为微弱下降阶段。

秦岭山地植被NPP的季节变化不是很明显,春、秋两季植被NPP在波动中增长,但增长速度较小,其中春季增长较快;夏季NPP呈现波动下降趋势;冬季NPP仅有细微的变化。

秦岭山地植被月均NPP与同月气温、提前1个月、2个月、3个月的月均气温均呈显著正相关,偏相关系数分别为0.809、0.667、0.491、0.332,表明秦岭植被NPP受当月气温及前1个月、2个月、3个月气温的综合影响,但受当月气温的影响最大。

[1] 何勇,董文杰,季劲均,等.基于AVIM的中国陆地生态系统净初级生产力模拟[J].地球科学进展,2005,20(3):345-349.

[2] Fang J Y. Global climate change and ecological responses [M]. Beijing: China Higher Education Press, 2000.

[3] 冯险峰,刘高焕,陈述彭,等.陆地生态系统净第一性生产力过程模型研究综述[J].自然资源学报,2004,19(3):336-378.

[4] 张善红,宋令勇.2000～2013年商洛植被NPP变化及其对气温变化的响应[J].江西农业学报,2016,28(10):67-70.

[5] 张善红,丁小松.西安市热岛效应与植被覆盖度的关系研究[J].商洛学院学报,2016,30(6):76-81.

[6] 方精云,刘国华,徐嵩龄.我国森林植被的生物量和净生产量[J].生态学报,1996,16(5):497-508.

[7] 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,2000,55(1):36-45.

[8] 孙睿,朱启疆.陆地植被净第一性生产力及季节变化研究[J].遥感学报,2001,5(4):300-305.

[9] 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.

[10] 张继平,刘春兰,郝海广,等.基于MODISGPP/NPP数据的三江源地区草地生态系统碳储量及碳汇量时空变化研究[J].生态环境学报,2015,24(1):8-13.

[11] 王钧,蒙吉军.1981～2000年内蒙古中部地区植被净初级生产量变化研究[J].北京大学学报：自然科学版,2008,28(2):85-90.

[12] 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 Cycles, 1993, 7(4): 811-841.

[13] 朱文泉,潘耀忠,张锦水.中国陆地植被净初级生产力遥感估算[J].植物生态学报,2007,31(3):413-424.

[14] 周广胜,张新时.全球变化的中国气候:植被分类研究[J].植物学报,1996,38(1):8-17.

[15] 周广胜,张新时.全球气候变化的中国自然植被的净第一性生产力研究[J].植物生态学报,1996,20(1):11-19.

[16] 朱文泉,潘耀忠,龙中华,等.基于GIS和RS的区域陆地植被NPP估算:以中国内蒙古为例[J].遥感学报,2005,9(3):300-307.

(责任编辑:黄荣华)

Remote-sensing Estimation of NPP and Its Spatial-temporal Change Characteristics in Qinling Mountainous Region

ZHANG Shan-hong1, DING Xiao-song2

(1. College of Urban, Rural Planning and Architectural Engineering, Shangluo University, Shangluo 726000, China; 2. College of Marine Science, Shanghai Ocean University, Shanghai 201306, China)

Based on the MODIS-NDVI data and meteorological data from 2000 to 2013, the net primary productivity (NPP) of vegetation in the Qinling mountainous region was estimated by using CASA model. The results showed that the average annual NPP of vegetation in the Qinling mountainous region during 2000～2013 was 833.87 g C/(m2·a). The NPP of various types of vegetation revealed the following sequence: cultural vegetation< grass cluster< meadow< coniferous forest< bushwood< broad-leaved forest. The NPP of vegetation in different seasons had the order of summer> spring> autumn> winter. The average monthly NPP of vegetation in the Qinling mountainous region had a significantly positive correlation with the average air temperature in the current month, before one month, before two months, and before three months, but it was influenced most greatly by the average air temperature in the current month.

Qinling mountainous region; Vegetation; NPP; Remote-sensing estimation; Spatial-temporal change

2017-04-08

国家林业公益性行业科研专项项目(201304309);商洛学院科研基金项目(14SKY017)。

张善红(1983─),女,山东日照人,讲师,硕士,主要从事全球变化生态学研究。

S771.8

A

1001-8581(2017)08-0124-05