基于通量观测数据的MODIS生产力模型在攀西典型烟田的适用性验证

2018-09-08徐同庆徐宜民张烨王程栋刘光亮王树声董建新陶健

中国烟草学报 2018年4期

徐同庆，徐宜民，张烨，王程栋，刘光亮，王树声，董建新，陶健

1 中国农业科学院烟草研究所，山东青岛 266101;2 中国农业科学院研究生院，北京 100081;3 山东工商学院公共管理学院，山东烟台 264005

农田生态系统生产力作为农田碳循环的重要组成，是农田生态系统物质-能量过程研究的基础[1]，同时也是评估农田生产能力的关键生态指标[2-3]。田间观测和模型模拟是研究农田生产力形成过程及影响机理的2个主要手段[1,4]。其中，田间观测主要采用定位观测和空间多点采样等手段，其研究数据在站点尺度上具有较高的准确性[1,5]，但田间观测数据的空间连续性较差，采用统计方法进行尺度外推时误差较大[2,4,6]。模型模拟是研究大尺度生产力过程的重要手段，已在区域生态系统生产力研究中得到了广泛应用[2,7]。烤烟作为重要的经济作物，烟田生产力水平直接决定着烟叶光合产物的积累及内含物质的形成，从而影响着烟叶的产量和质量。因此，结合站点观测数据，优化模型过程和参数，准确评估区域烟田生产力变化过程及其影响机理，对优质烟叶产量和质量的宏观预测及烤烟优势种植区位的选择起到重要参考作用。

随着遥感（remote sensing, RS）和地理信息系统（geographic information system, GIS）等技术的发展，模型模拟成为区域生态系统生产力研究的关键手段和重要方向[8-11]。其中，MODIS生产力模型是当前区域生产力研究中最受认可的模型之一[12-13]。该模型采用MODIS遥感数据作为输入参数，对区域生态系统总初级生产力（gross primary production, GPP）过程进行模拟。由于模型计算过程中涉及多个遥感生物物理指标，同时受诸多非生物和生物参数的影响，MODIS生产力模型在区域生产力模拟中需要进行本地适用性验证及参数化调整[1,14-15]。因此本研究采用MODIS生产力模型对攀枝花和西昌烟区（以下简称“攀西烟区”）典型烟田生态系统GPP进行初步模拟，并依据田间涡度相关通量观测数据[16]对模型进行适用性验证和本地参数化，为MODIS生产力模型在攀西烟区的应用提供依据。

1 材料与方法

1.1 研究区概况

试验设置在四川省凉山州西昌市（27°49′N，102°22′E），海拔1700 m，属于南亚热带季风气候。区域内年均温17.0℃，年均降水量1013.1 mm，土壤多为酸性红壤和紫色土[17-18]。试验站与周围大片农田相连，满足涡度相关通量观测仪对下垫面的要求。研究时间段内，试验站点周围烟田生长状况、农艺管理措施、土壤肥力及气象因素等在区域内均具有典型代表性。

1.2 数据的选取

本研究以2016年5月—10月（DOY 116～289，表1）每8 d的遥感数据作为MODIS生产力模型的输入项，以相应时间点GPP地面涡度相关通量观测值为参照，对MODIS生产力模型在研究区的适用性进行初步验证，然后以地面通量观测数据和气象数据对导致模型误差的原因进行分析，并对模型进行本地参数化，最后以2016年全生育期和2015年烤烟旺长期和成熟期（DOY 161～233）数据对参数化后的MODIS生产力模型在研究区的适用性与精度进行独立检验。其中，遥感数据来源于MOD17A2、MOD15A2、MOD12及GMAO/NASA 产品（https∶//modis.gsfc.nasa.gov），地面观测数据包括通量数据及气象数据，由地面涡度相关通量观测系统采集获得。

表1 烤烟不同生育期所对应日序数范围Tab.1 Daily ordinal range of flue-cured tobacco at different growth stages

1.3 模型计算方法

1.3.1GPP模拟计算过程

MODIS 生产力模型将GPP（gC·m-2·day-1）看做光能利用率（ε，gC·m-2·MJ-1）与植被吸收的光合有效辐射（APAR，MJ·day-1）的乘积（公式 1）[19-20]：

光能利用率ε通过以下公式计算获得：

其中，εmax表示最大光能利用率，因研究区域植被覆盖类型而存在取值差异，具体取值可通过查表获得。TS和VPDS分别表示气温和水分限制因子，可通过日最低气温和日均饱和水汽压差计算获得，GPP详细计算过程及参数选取参照Running等[20]。

1.4 模型模拟效果的验证

本研究通过由最小二乘法所计算出的模拟值与通量观测值的1∶1直线斜率、决定系数（R2）、效率系数（NS）[21]以及均方根误差（RMSE，gC·m-2·day-1）[22]对MODIS生产力模型在研究区的模拟效果进行分析，以评价MODIS生产力模型在以研究站点为中心的攀西烟区的适用性。其中，NS是验证水文模型和生物物理模型好坏的重要指标，其取值范围为负无穷至1，当NS取值接近1，表示模型模拟质量好，模型可信度高；当NS接近0，表示模型模拟结果接近观测值的平均值水平，即总体结果可信，但模拟误差大；当NS远远小于0时，则模型是不可信的。

对每个进行敏感性分析的参数在默认取值的80%～120%的范围内变动，并进行原来的模型计算过程，然后将每次参数变动所模拟得到的GPP进行如下计算，以表示GPP对此参数的敏感度：

式中，∆x表示参数变动的百分比，∆y表示GPP因参数变动而改变的百分比。依敏感性程度将参数进行分类（敏感度绝对值）：＞0.2，表示GPP对此参数高度敏感；0.1～0.2，表示GPP对此参数中度敏感；＜0.1，表示GPP对此参数低敏感性。

2 结果与分析

2.1 MODIS生产力模型默认参数模拟结果验证

采用MODIS生产力模型中有关农田生态系统过程的默认参数，对研究区烟田GPP模拟后，与通量观结果进行比较，结果如图1所示。

由图1a可知，采用默认参数的GPP模拟值与通量观测值相比，1∶1直线斜率为0.769，R2为0.776，NS为0.253，RMSE为26.8%，说明GPP模拟值与观测值相关性显著，但过程模型模拟误差较大，模拟值比观测值整体偏低约23.1%，即采用默认参数的MODIS生产力模型会低估研究区烟田GPP的实际水平。进一步结合GPP模拟值与观测值在整个研究时间段内的动态变化曲线（图1b）可知，采用默认参数的MODIS 生产力模型所模拟的GPP值与观测值相比，整体变化趋势相近，在烤烟伸根期和采收期中后期，模型模拟结果与实际相比明显偏低。

图1 默认参数MODIS生产力模型GPP模拟值与实测值比较Fig.1 Comparison of GPP simulated values from MODIS productivity model with measured values

2.2 MODIS生产力模型的本地参数化

光能利用率模型虽然在区域生态系统GPP模拟计算中具有较高的可信度，但是由于其在计算的过程中受到温度和水分2个限制因子的影响，而卫星在对地观测过程中往往会受到气溶胶及复合像元的干扰，对温度、水汽及光照辐射的监测存在误差，因此在MODIS生产力模型模拟计算中，模型的模拟效果会受到气象数据精度和生理参数适应性的共同影响[23-25]。因此结合前人研究结果，利用地面观测气象数据代替遥感气象数据，以验证气象数据误差对模型的影响，同时基于观测数据构建默认参数模型修正系数，从而找到能对攀西烟区烟田生产力进行相对准确评估的遥感观测模型。

根据MODIS生产力模型中GPP相关计算过程，对GPP模拟过程进行参数化。由公式（1）可知，ε和APAR是GPP模拟过程中2个重要的输入变量，其中ε计算值与εmax取值有关，因此，本研究以Running等[20]所提出的εmax在农田生态系统中的取值为基础，对εmax在模型中的取值进行参数化校正，通过对比调整εmax取值后的模拟精度，选定适用于研究区烟田生态系统的εmax取值，分析结果如表2所示。从表中可以看出，εmax取值适当上调能够明显的较低GPP模拟值与实测值之间的差异，提高模拟值与实测值的相关性和效率系数，其中εmax取值为0.001148（上调10%）时，GPP模拟值与实测值的1∶1直线回归斜率达到0.913，R2和NS最高，分别为0.805和0.748，RMSE最小，为0.135，说明该参数取值下，GPP的模拟效果得到明显提高，因此选择0.001148作为MODIS生产力模型在研究区烟田生态系统GPP模拟过程中εmax的近似取值。但此时GPP模拟值与实测值相比，NS仍相对较低，未达到模型适用水平，所以需对模型进一步参数化。

表2 εmax参数化调整下GPP模拟结果对比分析Tab.2 Comparison on simulation efficiency of MODIS-GPP model in parameterizing process of εmax

APAR作为GPP模拟计算过程中另一个重要的输入参数，其模拟值主要受到FPAR和IPAR精度的影响，而研究中FPAR数据来源于MOD15A2产品，其数据取值往往受到云层、地面植被结构组成等因素的影响而与实际值存在偏差，因此研究中选择FPAR作为提高MODIS生产力模型在研究区适用性的另一个参数化对象。在εmax参数化后的基础上对FPAR参数化，结果如表3所示。从中可以看出，FPAR适当上调能减少GPP模拟值与实测值之间的差异，提高模型模拟效果，而FPAR下调会降低GPP模拟过程在研究区的适用性。其中，当FPAR上调5%时，参数化后的模型GPP模拟值与实测值相比，1∶1直线斜率为 1.001，R2达到 0.984，NS达到 0.919，RMSE下降至0.0978，说明该参数化水平下MODIS生产力模型GPP模拟结果接近实测值水平，模型达到模拟精度要求。

表3 FPAR参数化调整下GPP模拟结果对比分析Tab.3 Comparison on simulation efficiency of MODIS-GPP model in parameterizing process of FPAR

2.3 本地参数化后的MODIS生产力模型适应性检验

以2015年和2016年2年的数据验证本地参数化后的MODIS生产力模型在研究区烟田GPP模拟中的适用性，结果如图2所示，在2015年和2016年利用参数化后的MODIS生产力模型所估算的GPP值与地面通量观测值相比，模型模拟精度较高，其1∶1直线回归斜率分别为0.992和1.001，R2分别为0.901和0.984，NS分别为0.866和0.919，RMSE分别为0.113 和 0.0978 g C·m-2·8d-1，说明本地参数化后的MODIS生产力模型在研究区烟田GPP的模拟计算中适用性达到模型精度要求。

图2 MODIS生产力模型参数化后GPP模拟值与观测值比较Fig.2 Comparison of MODIS-GPP model simulated values after parameterization with field flux observed values

3 讨论

3.1 MODIS生产力模型参数化校正结果分析

本研究基于地面通量观测数据，对MODIS生产力模拟进行参数化校正及模拟效果检验，以优化该模型在研究区生产力研究中的适用性。本研究中，采用默认参数的模型模拟结果小于实测值，且误差较大。GPP模拟结果的效率系数相对较低，模拟效果略高于观测值的平均水平，但GPP模拟与观测结果的时间动态曲线变化趋势相对一致。对MODIS生产力模型进行本地参数化后，模型模拟精度提升，GPP模拟结果的效率系数达到模型精度要求，2015年和2016年2年的GPP模拟结果的效率系数分别达到0.866和0.919，证明了该模型经过本参数化后在研究区具有较高的模拟精度和适用性。

整个烤烟大田生育期，使用默认参数的GPP模拟值与实测值的关系因生育期而异，在烤烟采收期中后期，烟田GPP模拟值与实测值相比明显偏低。表明MODIS生产力模型对于生态系统生产力的评估的准确性，除了与大气中水汽对近短波红外波段的干扰有关[26]，也与天气、植物构成、地表等参数有关[22]。研究指出，由MOD15A2所提供的FPARI数据值在森林生态系统中高于实测值[27-29]，也有些研究表明在森林生长期MOD15A2/FPAR值低于实测值[30]。研究中以1 km分辨率的遥感数据作为模型输入值，而遥感数据可能因多像元（如林地）的干扰而使相关指标的遥感观测值与实际值存在差异。综合来看，参数化后的MODIS生产力模型，基本修正了MODIS数据产品在研究区烟田生态系统应用中的误差，提高了模型在研究区的适用性。但由于研究区生态条件的复杂性及脆弱性，仅以此为依据对区域GPP进行反演仍需长期观测数据的多尺度验证。

3.2 MODIS生产力模型参数敏感性分析

在MODIS生产力模型中，GPP模拟过程中涉及较多的非生物与生物参数，不同参数对于模拟结果的贡献率不同，因此不同参数对模拟结果的影响存在差异。采用前人研究方法，在保证其余参数保持不变的前提下，对模型参数逐一进行调整，以分析各参数对GPP模拟结果影响的敏感性差异。由表4可知，GPP模拟过程受FPAR影响的敏感性最强，敏感性值为0.235。FPAR是植物水、碳及能量循环的重要检测指标，它与植物生理生态、叶片蒸腾、光能截获力等密切相关，FPAR越大，植物光合能力越强，生产力水平也越高[31]。因此，FPAR是生态系统模型的重要特征参数，MODIS/FPAR遥感数据与实测值的误差，会通过影响群体冠层与土壤能量的分配比例，进而对模拟精度产生影响[32]。而比叶面积（SLA）、根叶比（Froot_leaf_ratio）等参数对GPP模拟结果影响相对较小，敏感性相对较弱。总体看来，一定范围内εmax、FPAR及LAI取值与GPP模拟精度变化呈正相关，而SLA和Froot_leaf_ratio取值与GPP呈负相关。