河南省农作物最大光能利用率综合 评估与时空特征分析

孟 琪，王来刚，秦 奋,3，张喜旺,3*，刘 莎

(1.黄河中下游数字地理技术教育部重点实验室,河南 开封 475004； 2.河南省农业科学院 农业经济与信息研究所,河南 郑州 450002； 3.河南大学 城市大数据研究所,河南 开封 475004； 4.河南省气象局，河南 郑州 450003)

植被生产力水平通常用总初级生产力(GPP)与净初级生产力(NPP)表示，二者取值对区域碳循环研究具有重要意义[1]。最大光能利用率(εmax)是估算GPP、 NPP的重要参数，植被光合作用的效率越高，表明光能利用率越大。遥感模型与遥感产品的广泛应用，为植被光能利用率研究提供关键的技术手段和数据来源[2]。光能利用效率与植被类型、降水、气温、CO2含量、化肥施用量、地形因子以及植被生长期之间有着极其紧密的联系。

εmax是一种理想状态下植被的光能利用效率，遥感估算模型研究中大多将其取为固定值[3]。Yan等[4]对农田GPP研究时将小麦εmax设为1.64 g/MJ，玉米εmax设为1.99 g/MJ。朱文泉[5]基于CASA模型和生理生态过程BIOME-BGC模拟得到εmax介于0.472～1.064 g/MJ；张美玲等[6]基于草原综合顺序分类对原有的CASA模型进行改进，计算得到的εmax的全国平均值为0.345 g/MJ；康婷婷等[7]在利用植被光合生产模型(VPM)得到的εmax值介于0.757～3.435 g/MJ；王保林等[8]通过算法改进得到εmax值介于0.608～1 g/MJ；包刚等[9]利用野外实测NPP与CASA模型的优化建模得到内蒙古草原的εmax值为0.573 g/MJ。对εmax的研究，主要是大区域空间尺度的研究，研究对象多是林地或者草地等单一植被类型[10]。εmax在时空分布上存在差异，对εmax的生态学机制进行深入研究是进行植被遥感估产的前提和基础。

目前，有关河南省农用地最大光能利用率的研究很少，本研究以河南省农田生态系统为研究对象，以增强εmax估算精度为目的，基于研究区主要作物统计数据与遥感产品，进行作物单产估测研究，从而进一步提高作物产量估算预测精度。具体做法是利用CASA模型中植被吸收的光合有效辐射(APAR)、NPP与光能利用率之间的关系，并结合VPM对河南省农作物εmax进行估算[1]。综合考虑化肥施用量、坡度、坡向、海拔高度等因素对εmax的变化趋势的影响，对εmax时空分布特征及其影响因素进行分析，以期优化εmax取值。

1 研究区概况

河南省地处暖温带和北亚热带地区，以秦岭淮河一线为界，北部为暖温带，南部属亚热带。位于东经110°21′～116°39′、北纬31°23′～36°22′。地形大致分为平原、丘陵、盆地、山地，其中平原面积占55.7%。横跨黄淮海及长江四大水系，与各支流以及人工建造水库结合在一起，形成良好的灌溉条件。夏季炎热多雨，冬季寒冷干燥、降水较少，年平均降雨量543.5 mm，无霜期约为210 d，年平均降水约700 mm，年平均日照时长约2 550 h。

研究区农业生产主要分布在秦岭淮河以北，包括旱地和水田，其中粮食作物主要有小麦、玉米、红薯、水稻、高粱、谷子，经济作物主要是棉花、油料作物、烟草等。2015年河南省的农作物总播种面积为1 442.49万hm2，与2014年相比增加4.66万hm2，同比增长0.30%，其中粮食作物播种面积1 026.71万hm2，与2014相比增加5.73万hm2，同比增长0.56%，可见粮食作物在农作物总播种面积中占很大比例(研究区位置示意图见图1)。

2 数据及预处理

2.1 遥感数据

MOD09A1是Terra卫星搭载的陆地2级标准地表反射数据产品[源于MODIS数据下载中心(https://urs.earthdata.nasa.gov/)]，行带号是h27v05，每8 d观测一次数据。本研究利用ArcGIS栅格数据处理工具对其进行投影、拼接，提取所需的红光、近红外、蓝光和短波红外4个波段反射率信息，然后通过波段运算得到增强型植被指数EVI、陆地表面水分指数LSWI，并按照河南省县域行政矢量边界裁剪，最终得到河南省县域各植被指数栅格影像。

图1 研究区位置示意图

2.2 统计数据

数据来源于2001—2015年河南省县级行政单元作物的产量、种植面积、化肥施用量以及CO2含量数据。结合植被不同部位含碳量系数，估算得到地上部分、地下部分、残余部分的NPP，进而得到整个植被NPP。

2.3 气象数据

气象数据(包括日最高气温、日最低气温、平均气温、日照时数等)来源于中国气象数据中心，本研究利用以下公式估算大气太阳辐射：

(1)

结合太阳常数、日地相对距离、太阳时角、太阳赤纬等计算得到大气太阳辐射，其中，S0是大气外界太阳辐射[MJ/(m2·d)];T指周期，单位为秒，取值24×60×60 s;I0为太阳常数,值为1 367×10-6[MJ/(m2·s)];ρ指相对距离;ω0为太阳时角;σ是太阳赤纬。

所有数据均采用Albers等面积投影(中央经线为105°E，标准经纬线是25°E、47°N)，投影到WGS84的500 m分辨率。

3 研究方法

本研究利用农田NPP与GPP的关系，综合河南省气象数据、农业统计数据以及MODIS数据，并利用VPM模型估算河南省农田εmax(图2)。

3.1 εmax计算

3.1.1 EVI、LSWI的提取 利用河南省MOD09A1 8 d合成的地表反射率数据，对其投影、提取近红外(841～875 nm)、红光(620～670 nm)、蓝光(459～479 nm)、短波红外(1 628～1 652 nm)4个波段的数据，用于计算LSWI和EVI 。

LSWI=(ρnir-ρswir)/((ρnir+ρswir)

(2)

EVI=2.5×(ρnir-ρred)/[ρnir+

(6×ρred-7.5×ρblue)+1]

(3)

其中，ρ表示地表反射率，nir、 swir、 red、 blue分别表示近红外、短波红外、红光和蓝光，分别对应MODIS数据的band2、band6、band1、band3。

3.1.2 NPP的计算 根据自变量对NPP的影响程度及模型的复杂程度，NPP估算模型主要分为气候统计模型、过程模型和光能利用率模型。其中，过程模型比较复杂，涉及的变量较多。考虑到数据获取以及数据研究结果的精度等因素，本研究利用作物地上部分、地下部分以及残余部分的含碳比例、干质量比例将农业统计数据的产量转换为植被碳储量，通过计算得到NPP的年均数据。河南省农作物包括C3和C4作物的多种类型，本研究仅对种植面积较大的水稻、小麦、谷子、玉米、高粱、豆类、薯类、棉花、花生、油菜、芝麻、向日葵、大麦、甜菜、甘蔗等进行研究，而对于蔬菜瓜果所占比例较小的作物，由于数据量的缺失以及缺少相关的计算模型不予研究。每一种作物的产量转换为NPP的方法为：

图2 εmax估算的技术路线

NPPir=Yi×Fid×(1+Riry)×Rirs×Ficr

(4)

NPPis=Yi×Fid×Riy×Fics

(5)

NPPiy=Yi×Fid×Ficy

(6)

NPPi=NPPiy+NPPir+NPPis

(7)

得到一个行政单元的NPP

(8)

式中NPPir、NPPis、NPPiy分别是指地下部分、残余部分、地上部分的NPP，NPPi是指第i种作物的NPP；Ficy、Ficr、Fics表示地上部分、地下部分、残余部分的含碳比例；Yi是第i种作物的单位面积产量；Ricy是残余与地上产量的比例；Rirs是地下与地上部分产量的比例；Fid为干质量比例。表1是主要农作物含碳比例、干质量比例、残余/地上产量、地下NPP和地上NPP的常数值，无量纲。

3.1.3 εmax的计算 利用VPM模型以及NPP与GPP的转化关系计算εmax。

GPP=α×NPP

(9)

GPP=ε×FPAR×PAR

(10)

ε=εmax×Pscalar×Wscalar×Tscalar

(11)

由此可以推导出:

表1 主要农作物含碳比例、干质量比例、残余/地上产量、地下/地上NPP

其中,Pscalar是物候胁迫因子，Wscalar是水分胁迫因子，二者均可以由LSWI计算得到，Tscalar是温度胁迫因子，由植物的最适温度即EVI达到最高值的温度计算得到。

Pscalar=(1+LSWI)/2

(13)

Wscalar=(1+LSWI)/(1+LSWImax)

(14)

Tscalar=0.8+Topt×0.02-Topt2×0.000 5

(15)

其中,LSWImax是生长期内LSWI的最大值；Topt是EVI达到最大值时的日平均气温均值。

3.2 εmax变化分析

3.2.1 趋势分析 为了分析河南省农作物εmax在时间尺度上的变化规律，使用一元线性回归分析方法分析河南省2001—2015年εmax的变化趋势，计算公式如下所示：

(16)

式中,θslope为趋势线的斜率，即为εmax的变化趋势；Yi为某县第i年的εmax；i为年变量，从1到n(n为时间尺度的年数,为15)。当θslope>0,表示εmax增加，反之则表示减少。使用T检验对εmax的取值进行变化显著性检验，当P<0.05表示变化趋势显著。

3.2.2 显著性分析 为分析河南省农作物εmax变化趋势的离散程度，引入变异系数(CV)，由标准差与平均数求比值得到，CV的计算公式为：

CV=标准偏差/平均值

(17)

4 结果与分析

4.1 河南省农作物εmax时空分布特征

由研究结果可知，河南省2001—2015年年均εmax最高值1.969 g/MJ出现在2006年虞城县，最低值0.047 g/MJ出现在2005年郑州市，各市县均值在0.072～1.034 g/MJ，所有地区年均值为0.648 g/MJ，比最大值的均值1.034 g/MJ低37%，说明εmax在研究期内年际波动较大。年均εmax在2001—2004年有明显波动，2004年以后基本平缓无明显波动。2003—2004年、2011—2012年均值有所下降，前者可能是因为气候干旱导致εmax较少，后者可能是因为农作物种植面积有所下降。河南省εmax在0.1～0.2 g/MJ的区域约占总面积的5%；在0.2～0.3 g/MJ的区域约占总面积的22%；εmax在0.3～0.5 g/MJ的区域所占比例较小，但是总体2001—2011年呈增加趋势，约占总区域面积的12%左右。εmax>0.5 g/MJ的区域所占比例较大，约占总面积的37%，εmax<0.1 g/MJ的区域面积整体呈减少趋势，εmax>0.2 g/MJ的区域面积整体呈增加趋势，εmax的值在0.4 g/MJ以上的大多是林地，河南省大多是平原地区以农田为主，所以εmax大多在0.4 g/MJ以下(图3)。

由于较大研究尺度范围内土地类型复杂多样、涉及参数较多、数据获取困难导致精度下降，大区域尺度εmax的研究精度有待进一步验证。河南省作为农业大省位居平原且自然人文条件适宜，农作物种类丰富，作物光能利用效率较高。2001—2015年河南省北部的濮阳市、新乡市、焦作市εmax均始终较高，最东部的商丘市εmax在2008年之前一直处于较低水平，之后有增加的趋势，并在2010年达到最大值。周口市εmax存在明显的年际波动，表明作物生长外界环境的不稳定性，可能由气温、降水灌溉、施肥等诸多因素引起。位于研究区最南部的信阳市作物εmax整体呈现上升趋势，这与良好的气候条件有关，作为河南省唯一淮河穿境的地市，75%分布在淮河以南，以种植水稻为主，是南北方的分界线。

图3 2001—2015年河南省年均εmax年际变化(以C计)

河南省εmax空间分布上呈现西南部和北部较高、中西部和东部总体偏低，时间上整体呈增加趋势，增加较明显的区域集中在邓州市、泌阳县、唐河县、新蔡县和正阳县及其周边区域，这是由于农业生产条件如灌溉条件有所改善，且近几年天气温暖，适宜农作物的光合生长，εmax增长较明显。由于不同的模型结构参数、研究时段、输入数据各有差异使得研究结果存在较大差异。河南省2001—2010年、2001—2015年εmax均值空间分布如图4所示。

图4 河南省εmax空间分布

河南省农田εmax2010年以后呈现减少趋势，由于近几年城市化进程加快，农田种植面积有所下降，环境污染严重，大气层遭到破坏，从而影响植被的光合呼吸作用。结合图4来看，河南省2010—2015年εmax东部地区呈减少趋势，中部地区无明显增减，而西部地区呈增加趋势。

在探索性研究(exploratory research)中，研究人员探索问题的方式应该是开放的、包罗性的(inclusive)、排除预设的(unpredetermined)，然而，即使是出于验证理论(hypothesis-testing)、数据互证(triangulation)的目的，研究人员也都更倾向于选择一种更能接近被调查者的、更能获得全方位信息的方法。研究性访谈(research interview)正是这样一种方法。

4.2 河南省农作物εmax变化趋势

从2001—2015年河南省εmax均值变化趋势(图5)可知，农田2001—2015年εmax东部地区呈增加趋势，增加明显的是位于研究区北部的安阳市、林州市、鹤壁市、新乡市东部、焦作市西南部等地区，洛阳市、济源市、新乡市减小趋势明显，其他地区增加趋势不明显或者呈现减少趋势。

图5 2001—2015年河南省农田年均εmax变化趋势

由河南省各市县农田εmax的CV空间分布(图6)可知，黄河以南大部分地区CV较高。其中,南阳的镇平县及驻马店的新蔡县CV较大，年际波动明显。南部的信阳市、西部的三门峡市以及北部的新乡市CV较低，无明显年际波动。2001—2015年研究区εmax的CV最高，达0.15以上，表明εmax存在较大的年际间波动，更进一步说明造成植被εmax年均值变化的影响因素的多样性。εmax取值与不同遥感模型估算结果对比(表2)发现，基于VPM的估算结果偏大。

图6 2001—2015年河南省农田年均εmax的CV空间分布表2 不同模型估算的εmax模拟值

模型εmax模拟值范围研究时期研究范围参考文献CASA0.389～0.9851982—2000中国[5]CASA0.008～0.8462005—2006中国[6]VPM0.757～3.4352001—2010江苏省[7]CASA0.131～1.1462003—2008长白山、鼎湖山、千烟洲和西双版纳[10]VPM0.570～2.2002001—2011中国[11]

由河南省2001—2015年不同作物εmax变化趋势(图7)可知，研究区作物εmax均呈现不同程度的增减趋势。15 a间小麦作物εmax较2001年增长3.5倍，除棉花以外，其他类型作物呈现明显的年际增长。研究区粮食作物占较大比例，且以小麦、玉米作物为主，粮食作物种植面积存在不同程度的年际波动(图8)，与εmax呈现逐年上升的趋势不同。不同作物单产、生长期、最佳生长条件均存在差异，在进行农业估产时需考虑εmax时空分布差异，从而增加估产研究的精确度。

图7 2001—2015年河南省不同作物εmax变化趋势

图8 2001—2015年河南省不同作物种植面积 与εmax变化趋势

4.3 影响河南省农田εmax的时空分布差异的影响因素分析

利用逐步回归的分析方法对影响河南省εmax的自然人为因素进行回归分析(图9)，结果表明，河南中东部(郑州市、商丘市、周口市)和南部地区(驻马店市、南阳市、信阳市)的农田单位面积化肥施肥量与εmax呈现较强的正相关关系，相关系数都大于0.4，说明化肥施用量对这些地区的农作物的长势有很强的促进作用。河南北部的济源市εmax与化肥施用量之间甚至呈现负相关。植被εmax年均值的变化是自然因素与人为因素协同作用的结果，单一的植被指数不足以作为分析εmax的唯一标准。EVI、LSWI的年际变化趋势与εmax基本一致(图10)。

图9 εmax与化肥施用量及灌溉面积的相关性

图10 植被指数与εmax年际间的相关性规律

为分析化肥施用量、空气中CO2含量对εmax时间序列演变的影响，本研究对不同影响因子进行相关分析。结果表明,2001—2015年 εmax均值与化肥施用量、CO2含量的相关系数分别为0.585、0.335。结合河南省90 m分辨率DEM数据可知，研究区最低海拔高度为19 m，最高海拔高度为2 384 m，平均海拔高度为1 174 m，大部分地区海拔高度在2 km以下。εmax较高的区域分别分布在东部海拔较低的平原地区和西部较高的山地丘陵带。

利用SPSS软件的多元线性回归分析模型[12]对εmax与各地形因子进行相关分析(表3)，结果表明，εmax与坡度和纬度呈正相关，与坡度相关系数为0.407～0.659，与纬度相关系数为0.547～0.673，坡度影响氮、磷、水分等的沉降速度，进而影响植物对养分的吸收[13]。其中，坡度为30°和45°时养分沉降速率最高，沉降的养分一部分被植物吸收，另一部分受到雨水的冲刷流失。εmax与海拔高度相关性较弱，河南地处北回归线以北地区，南面属于阳坡，北部多山区，南部多平原，因此南坡平原地带的植物生产率较高。

表3 εmax与影响因子的相关系数

5 结论与讨论

本研究利用农业统计数据、遥感数据、气象数据，结合VPM对河南省2001—2015年农田生态系统εmax时空分布进行综合评定与分析。尽管常规机理模型在独立性和发展潜力方面更具优势，但基于统计数据的植被光合估算模型更具可操作性。统计数据与中高分辨率遥感产品的可获得性，使得本研究方法在作物遥感估产方面具有强大的发展潜力。实用性、可操作性较强的遥感估测方法为作物产量监测提供关键的数据源和技术手段。基于统计数据及中高分辨率遥感数据的估算方法必然成为区域估产研究的趋势。

本研究发现，农田生态系统εmax存在明显的时空分布差异。空间分布上呈现出中部、北部较高，西部、南部偏低的趋势。呈现明显年际波动，2001—2010年总体呈现上升趋势，到2010年以后呈下降趋势，这是由多种影响因素复合作用引起的。结合变化趋势分布结果可知，河南省东部黄淮海平原增加趋势明显，明显增加的主要有北部的濮阳周边、南部的南阳盆地，CV空间分布总体呈现南高北低，与这些地区良好的灌溉条件、充足的光热有紧密联系。多元相关分析结果可知，农田εmax与植被指数存在较好相关性，与坡度呈正相关、与海拔、坡向呈负相关，主要与坡度沉降、作物地形分布有关。