荒漠区人工林NPP估算模型比较研究

李丽，郭靖，李宁

(1.新疆农业大学草业与环境科学学院， 新疆 乌鲁木齐 830052；2.新疆林业科学院，新疆 乌鲁木齐 830052)

森林作为陆地生态系统中重要的碳库之一，在区域生态环境、地表碳循环中都起到梳理作用[1,2]。在森林植被生态系统中，增大森林固碳量被看作应对气候变化的有效途径[3,4]。当前，在大气中CO2、甲烷等温室气体增加所导致的全球变暖的气候背景下，森林生态系统的固碳作用愈来愈受世界各国政府和学界的普遍关注[5]。森林生态系统是动态的碳库，约占陆地生态系统总碳储量的五分之三[6]。我国又是幅员辽阔，植被类型多样，并且基础数据的装备程度也因地而异，NPP的估算在全国尺度上存在变化差异，就很难选择统一的方法进行估算[2]。因此，准确评价地区森林生态系统的植被净初生产力状况需要以各地区的立地条件和科学的研究方法为基础，为全国或全球森林生态系统碳循环的估测增加准确性和可信度，并对森林碳库的合理管理和科学经营，增强森林生态系统的固碳功能具有重要意义[7-12]。

植被净初级生产力NPP被视为生物与环境体系碳循环中的关键影响因子，它的变化过程极大影响着全球陆地生态系统的碳循环和气候效应。目前，已有大量学者利用不同方法对森林生态系统各层次的NPP、碳储量和碳汇功能进行了深入的研究。如，Su HX[13]等，Crame W[14]等，Kimmins J P等[15]，KUCHARIK C J等[16]采用BIOMG-BGC模型、FURCCHN模型、FORECAST模型和ISBS模型依次开展了对全球陆地森林生态系统的植被净初生产力和碳储量分析研究。我国方精云[8]，刘国华[17]，赵敏[18]等采用样地清查法对中国森林生态系统植被净初生产力及碳储量及其变化做出了估算。从新疆森林碳汇研究的已有成果来看，众多学者采用样地清查法对喀纳斯湖自然保护区[19]、克拉玛依[20]和墨玉县[21]等局部地区的森林植被固碳能力进行了核算，而利用模型法和遥感手段结合的荒漠区森林碳汇及NPP的估算研究相对缺乏。

荒漠区是生态环境较为敏感和脆弱的地带，通过营造人工林，可以明显改善区域水土条件、促进生态系统平衡、减少温室气体的排放等。因此，对荒漠区人工林植被净初生产力进行研究十分必要。本文以墨玉县，2014年Landsat TM数据和气象数据为基础，采用CASA模型、C-FIX模型和GLO-PEM模型，对森林植被净初生产力进行估算、比较与验证，探讨适合荒漠区人工林植被净初级生产力的估算方法和模型，从而为新疆森林生态系统碳评估和碳管理提供借鉴。

1 研究区概况

墨玉县地处新疆维吾尔自治区塔克拉玛干沙漠西南部边缘，地理坐标79°08′—80°51′ E，36°36′—39°38′ N。地势南高北低，海拔在1 120～3 600 m；年均气温11.4 ℃，极端最高气温42.7 ℃，极端最低气温-23.7 ℃；年均降水量32.50 mm，年均蒸发量2 226.00 mm；全年无霜期210 d左右，全年日照时数2 643.9 h，日照率62%，太阳有效辐射年总量为306.5 kJ·cm-2[22]。

2 数据来源及方法

2.1 数据来源

2.1.1 野外实地调查 2012年8月进行野外样地布设，分别对6种典型人工林林分设置三个重复，沙枣、柽柳、新疆杨、沙枣+柽柳、沙枣+新疆杨、沙枣+新疆杨+桑树，共设18块样地，随机选择48个采样点；样地大小为10 m×10 m。样地调查内容主要为林分因子。

2.1.2 遥感影像 Landsat8 ETM+2013年9月18日遥感影像数据，空间分辨率是30 m×30 m，数据通过融合处理变为15 m×15 m空间分辨率。

2.1.3 气象数据服务网 2013年9月和田(51828)气象台站的月平均气温、月日照时数、经度、纬度、海拔。数据主要来自于中国气象科学数据共享服务网。

2.2 方法

2.2.1 CASA模型 CASA模型的主要原理为：植被净初生产力的吸收的光和有效辐射与入射光合有效辐射的利用比例，公式如下:

NPP(x，t)=SOL(x，t)×FPAR(x，t)×0.5×ε(x，t)

(1)

式中:x为空间位置，t为时间，SOL(x,t) 代表太阳总辐射量;FPAR(x，t) 为受植被类型和植被覆盖度影响的光合有效辐射；常数0.5 表示植被吸收的太阳有效辐射转化为有机物的比例;在理想环境条件下，ε(x，t) 表示实际光能利用率，实际情况中受温度条件、空气湿度等多种因素影响，计算公式如下：

ε(x，t)=Tε1(x，t)×Tε2(x，t)×Wε(x，t)×εmax

(2)

式中：Tε1(x,t)和Tε2(x，t)是空气温度对植被的影响系数，Wε是大气水分对对植被的影响系数。各项参数的详细计算方式见相关文献描述[23]。

2.2.2 C-FIX模型 C-FIX模型为基于Monteith理论提出的光能利用率模型，可以在较大空间尺度范围内对GPP、NPP和NEP3个碳循环分量估算[24]。

对于每个单个像元，C-Fix模型计算每日NPP值，单位是g CP/(m2·日)见公式(1):

NPPd=p(Tatm)·CO2fert·ε·fAPAR·C·Sg,d·(1-Ad)

(1)

其中:p(Tatm)为归一化气温依赖因子，取值[0，l]；CO2fert为归一化CO2施肥效应因子；ε是值为0.692g C/MJ的光能利用率；fAPAR为植被冠层可吸收的光合有效辐射比例(gC·MJ-1)，取值[0,1]；C是值为0.48 gC·MJ-1的气候效率系数；Sg，d为逐日太阳入射总辐射通量(MJ·m2·d-1)；Rh，d为土壤异养呼吸通量(gC·m-2·d-l)；Ad为植被自养呼吸率(MJ·md-1)；详细计算方法见相关文献描述[24]。

2.2.3 GLO-PEM模型 该模型根据植被吸收和利用光合有效辐射的原理，利用遥感反演出影响APAR利用效率的APAR和环境变量。其计算NPP公式如下[25]:

NPP=FPARt×PARt×εg-Ra

式中,PARt为t时光合有效辐射,εg为植被吸收光合有效辐射后有机物转化率,FPARt为植被冠层对入射光合有效辐射的吸收系数,Ra为植被呼吸消耗量，有关各种参数的计算方法可以参照其他相关文献[26,27]。

3 结果与分析

3.1 CASA模型、C-FIX模型和GLO-PEM模型NPP值

通过对影像地图进行监督分类并用完整的NDVI植被数据图进行核对处理，获得研究区人工林地NDVI数据，根据CASA、C-FIX和GLO-PEM模型，再结合研究方法对2013年9月的气温、太阳总辐射数据处理得到研究区森林植被2013年NPP总量的栅格数据。

图1 CASA模型NPP变化图

图2 C-FIX模型NPP变化图

图1为利用CASA模型计算的研究区2013年9月森林植被NPP空间分布结果图，从图中可以看出，中部和西北区域NPP值普遍较高，该区域植被比较丰厚，NPP值大于100Tg。研究区NPP取值范围为1～270 gC，最大值为270 gC，最小值为1.5 gC，平均值为70 gC·m-2。

图2为利用C-FIX模型计算得出的研究区的NPP空间分布图，从图中可以看出，NPP取值范围为1.5～236 gC，最大NPP值为236 gC，最小值为1 gC，平准值为56 gC·m-2。该模型NPP取值范围小于CASA模型，空间分布范围也小于CASA模型。

图3 GLO-PEM模型NPP变化图

图3为利用GLO-PEM模型计算得出的NPP空间分布图，从图中可以看出，NPP取值范围为1 ～189 gC，最大值为189 gC，最小NPP值为1，平准值为28 gC·m-2。该模型取值范围均小于CASA模型和GLO-PEM模型。

3种模型植被净初级生产力空间分布差异比较明显，主要集中于研究区中部和东南部。这可能与研究区人工林长势和水热条件的分布特征有关。

梁妙玲[28]等基于 LPJ植被动态模型，通过整理中国676个雨量站的1961—2000年日资料，通过在0.5×0.5网格上进行气候模型插值得到的温度和降水数值，估算出我国植被1961—2000年的净初级生产力，认为我国当前NPP分布范围在0～ 1 510 g·m-2·a-1，全国的NPP平均值为 493 g·m-2·a-1。刘建锋[29]等人运用光能利用效率模型(3-PGS) ，对2003年-2007年的中国植被NPP进行估算，认为我国各地区夏季7、8月太阳辐射强，水热条件适宜植被生长，月平均NPP达到峰值，分别为79. 70 gC·m-2和75. 54 gC·m-2，和本研究结果有差异，原因可能是所采用的方法和尺度范围不同。本研究模型中CASA模型模拟结果最接近刘建锋的研究结果。

3.2 模型验证

在估算植被净初级生产力的过程中难以避免不确定性因素的产生，一方面是模型输入数据的不确定性；另一方面是模型本身误差积累的不确定性，因此，验证NPP估算结果的准确性尤为重要，验证方法一般分为直接验证和间接验证，直接验证为将地面实测的NPP数据与模型模拟值进行比较；而间接验证则通过与其他方法估计的NPP进行比较，可以在一定程度上度量模型估计结果的可靠性和稳定性[30]。由于多种原因，NPP的实测数据难以获得，且存在空间异质性特点，因此很难将试验点获得的数据扩展到区域和全球尺度上；此外，在NPP的验证和比较中，两者存在一定程度的不可比性，很难保证测量数据与模拟数据之间的时间一致性，即使实测数据与模拟结果与预期吻合，也不可避免产生一定的误差。

为了进一步比较3种方法的优缺点，采用ArcGIS 10.2 提取样地所在位置的估测值，并将其与样点的实测结果进行比较，获取各模型的拟合图。计算结果如图4。

图4模型对比图

注：图A是CASA模型拟合图，图B是GLO-PEM模型拟合图，图C是C-FIX模型拟合图，D图是实测值和拟合值的关系对比

本文采用的研究区内的样本点有48个，采用这些实测数据对3种模型NPP值模拟的NPP结果进行验证。通过比较模型拟合结果图a，图b和图c发现，3种模型不同森林植被类型的NPP平均值与实测值差异均各不相同，但三者比较而言，CASA模型的相关系数(R2=0.994 15)普遍大于C-FIX模型(R2=0.994 04)和GLO-PEM(R2=0.975 35)模型的相关系数值，这说明CASA模型的拟合程度与C-FIX模型和GLO-PEM模型相比较高，可以更好地反映植被类型的NPP，而C-FIX模型和GLO-PEM对植被类型NPP的拟合结果较为离散，相关性较低。这在一定程度上表明，CASA模型估算结果的稳定性要优于其他两个模型。

通过实测值和拟合值的关系对比图D中可以看出，各模型实测值和拟合值相当吻合，各模型的平均值：CASA模型为72.72 gC·m-2，C-FIX模型为58.33 gC·m-2，GLO-PEM模型为32.42 gC·m-2，实测值的平均值为67.20 gC·m-2，结果表明，CASA模型的平均值与实测值接近。由于空间异质性特征，实测数据只能在较小尺度上表示NPP平均值，本文模拟的是30 m区域内的NPP平均值，因此两者之间存在不可避免的误差。然而，大多数模拟的NPP值都落在测量值的5%误差范围内。因此，通过对实测值的验证，CASA模型能更好地拟合NPP。

综上所述，通过应用3个模型对研究区进行NPP数值模拟，虽与前人的研究成果存在一定的差异，但是结果相差不大。造成差异的原因可能是所使用的模型不同、估计数据年份、地域环境及尺度范围等因素不同。此外，在统计植被数据时使用不同的植被分类图也对研究产生影响。因此，差异是不可避免的。可以认为，本文用CASA模型模拟NPP的结果更加可信。

4 结论与讨论

4.1 CASA模型、C-FIX模型和GLO-PEM模型NPP取值范围分别为1.5～270 gC、1～236 gC和，1～189 gC，平均值分别为70、56和28 gC·m-2，其中CASA模型模拟值最高，且接近于前人研究。研究区中部和东南部区域NPP值普遍高与其他区域。

4.2 通过3种模型的对比可知，CASA模型的相关系数(R2=0.994 15)普遍大于C-FIX模型(R2=0.994 04)和GLO-PEM模型(R2=0.975 35)的相关系数值，拟合程度较好。说明CASA模型能更好地反映和拟合研究区的植被净初级生产力。

4.3 经对各样本点各模型的实测值和拟合值的平均值的比较发现，CASA为72.72 gC·m-2，C-FIX模型为58.33 gC·m-2，GLO-PEM模型为32.42 gC·m-2，实测值的平均值为67.20 gC·m-2，CASA模型的平均值比较接近于实测值，说明CASA模型的估算模拟效果最好。

4.4 对该研究区的NPP进行模拟时，由于研究方法和研究尺度的不一致性， 且受到降水量、温度、光能利用率以及土壤等众多因素的影响，导致研究结果与前人研究有差异，但在前人研究结果变动范围之内，具有一定的实用性。本研究只是小尺度的NPP估算，有待进一步开展大区域尺度的研究。