基于CASA模型的祁连山地区草地净初级生产力时空动态遥感模拟

张建平

（甘肃省有色金属地质勘查局天水矿产勘查院，甘肃 天水 741000）

本研究用到的MODIS数据产品为：MOD11A2MOD13A2，为搭载在Terra星（上午星）上的传感器获得的数据。行列号为h25v05、h25v06，时间分辨率分别为每8天和每16天，空间分辨率均为1000m，数据格式为HDF格式，投影为geographic。

1 数据的处理方法与步骤

1.1 MODIS数据的处理方法

①采用f i lezilla软件首先下载MOD11A2和MOD13A2，为搭载（上午星）上的传感器获得的数据。行列号为h25v05、h25v06。②采用数据处理工具MODIStool，将MOD11A2和MOD13A2数据h25v05和h25v06合成为一个数据，投影转为geogranphic投影，坐标系为WGS84坐标系，并将数据格式hdf转换为tiff的文件格式。③打开ArcGIS10.2.2-spatial Analyst Tools-Extraction-Extractionby Mask的裁切工具界面，用疏勒河流域边界去裁切LST（MOD11A2）数据和NDVI(MOD13A2)数据。④通过栅格计算器采用最大值合成方法将8日MOD11A2数据合成16日LST数据层。⑤通过Times工具条进行MODIS数据批量处理，其中将地表温度数据（LST）乘以0.002，归一化植被指数（NDVI）乘以0.0001。⑥合成13年的平均地表温度数据（LST）和归一化植被指数（NDVI）。⑦裁切数据层；用疏勒河植被类型图去裁切地表温度数据（LST）和归一化植被指数（NDVI）数据层[1，2]。

1.2 NPP的处理方法与步骤

1.2.1 计算草所吸收的光合有效辐射比例FPAR

光合有效辐射比例(FPAR)与比值植被指数(VI)密切相关,二者的关系可表示为：

找出每16天的最大最小值代入公式

其 中：FPARmax=0.950,FPARmin=0.001;VImax和VImin分别表示草地的最大和最小比值植被指数VI为比值植被指数（用疏勒河植被类型图去裁切的归一化植被指数数据层）。

1.2.2 计算温度对光能利用率影响系数

其中：Ts为近地层气温或地表温度(用疏勒河植被类型图去裁切的LST数据层);σT为温度对植物生长的影响系数。

1.2.3 计算大气水汽压差对光能利用率的影响

大气水汽压差反映了空气的湿润程度,直接影响草的蒸腾作用,进而影响草的光能利用率。大气水汽压差对草光能利用率的影响可由下式求得

其中：Ts为近地层气温或地表温度(K);Td为近地层露点温度(K),Td可根据整层大气水汽含量w(g·cm2)来计算

其中：w是大气水汽含量

其中：e是绝对水汽压(KPa),可表示为；

其中：RH为相对湿度,取72%；T0为近地层(一般为2 m处)大气温度,文中取91.16 K。

1.2.4 确定草地最大光能利用率

由于最大光能利用率的确定对NPP的估算结果影响很大,人们对它的大小一直存在争议。CASA模型中采用的最大光能利用率0.389 g/MJ,并不适用于中国的植被[3]。

1.2.5 计算太阳辐射量Q

点击spatial Analyst Tools下的solar Radiation的工具条，选择Area solar Radiation通过DEM计算出各时间段的太阳辐射量Q。

1.2.6 计算光合有效辐射PAR

光合有效辐射是植物生命活动和有机物质合成的能量来源,是指绿色植物吸收的太阳辐射中使叶绿素分子呈激发状态的那部分光谱能量,其波长约为400 um～700 um。因此,它可由太阳总辐射求得

其中：PAR为光合有效辐射(MJ m-2month-1)；Q为太阳总辐射值

2 计算草地净初级生产力(NPP)

光能利用率模型通过由卫星遥感的大范围光合有效辐射，光能利用率等数据来估算这一地区的NPP,能够反映出大范围气候变化对NPP的影响。由于光能利用率受到气温、水分、土壤等各种因素的影响,考虑了温度和大气水汽的影响,构建的光能利用率模型NPP为

其中：NPP为草地净初级生产力;FPAR表示草所吸收的光合有效辐射比例;PAR表示到达地表的光合有效辐射;ε*为草的最大光能利用率;△T为温度对草生长的影响系数;△E为大气水分含量对草生长的影响系数。

由公式（8）计算出的2005年～2017年各月NPP结果。

3 统计计算年NPP

通过zonal statistics统计各月NPP，根据统计数据层计算年NPP，并将各月NPP用折线图的形式表示.。由此可得到2005年～2017年各月NPP的变化趋势（见下图1所示）。

图1 2005年~2017年各月NPP的变化趋势

通过上述的数据，将各月的NPP全部求和得到年NPP；年NPP=565.52g c/(m2·a)；

4 结果分析

4.1 祁连山地区净初级生产力随月份的变化

在ArcGIS10.2.2环境下通过以上各式的操作，统计各月NPP的值得到2005年～2017年各月NPP,然后把各月NPP累加得到祁连山地区13年草地平均NPP分布图。从图1可以看出祁连山地区2005年～2017年各个月份（4月～9月）草地平均NPP的变化情况。

4.2 祁连山地区草地NPP的空间变化

2005年～2017年4月和5月的植被NPP的空间分布较为相似,分布特征为东南区域植被NPP明显高,西北地区次之，而中部地区相对较少。从4月到5月中部地区的植被NPP明显减少，而西北地区却在增加，东南地区变化不是较大;5月～6月西北和中部地区减少，东南地区变化不大;6月～7月整体没有大的变化，东南地区在这段时间NPP增加，从6月份开始，西北地区和中部地区的NPP较4 5月份下降明显，7月份～9月份基本趋于缓慢下降，导致这种分布格局的主要原因是降水,温度，季节以及地理位置。

5 主要结论

本文以祁连山为研究区域，利用MODIS数据对研究区域NPP估算的基础上，对研究区域NPP空间分布特征以及不同时间NPP之间的差异性进行了分析，得到了以下主要结论：①采用基于CASA模型对MODIS数据进行处理，通过所得结果证明CASA模型能较好的模拟植被净初级生产力以及时空动态分布。②通过对研究区NPP空间分布分析发现：NPP在整体区域内高值出现的概率相对较低，除了东南地区高值出现的概率相对较高外，其他地区的概率很小,这与该地区的地理位置和水热条件的影响还是比较吻合的。③植被净初级生产力NPP与影响因子之间的关系研究表明：NPP与地表温度和植被指数是密切相关的，总体上呈现出随影响因子的降低，NPP逐渐降低的趋势。