基于CASA模型探究泾河流域植被NPP时空动态及其对气候变化的响应

2022-12-27王丽霞丁慧兰张双成孔金玲

水土保持研究 2022年1期

王丽霞, 丁慧兰, 刘招, 张双成, 孔金玲

(1.长安大学地质工程与测绘学院, 西安 710054; 2.长安大学水利与环境学院, 西安 710054)

植被净初级生产力(Net Primary Productivity, NPP)是绿色植物在单位面积、单位时间内所固定的有机物含量，表现为光合作用固定的有机碳中扣除植物本身呼吸消耗的部分，这一部分用于植被生长生殖，也称为第一性生产力[1]。NPP作为地表碳循环的重要组成部分，在全球气候变化及碳平衡中起重要作用[2]，它不仅能直接反映植被群落在自然环境下的生产能力，而且是判定生态系统碳源/碳汇及调节生态过程的主要因子[3]。目前，NPP已广泛应用于区域生态规划、环境监测、水土侵蚀评估、生态效益评估等多方面[4]。另外，植被生产力除受植被本身特性及土壤特性的限制外，气候因子对植被的生产力大小也具有不可忽视的影响作用。因此，探究NPP的时空格局变化及其对气候变化的响应对于揭示流域生态环境演化规律，维系区域生态安全具有重要意义[5]。

传统的NPP估算方法(如实地测算法)难以实现较大时空尺度的NPP观测目的，故将遥感技术引入至NPP计算模型中以简化计算流程。在众多模型中，CASA模型因其参数少且易实现而成为最常用且非常有效的研究手段。我国学者利用CASA模型分别从不同的时空区域尺度上开展了相关研究，有对中国陆地生态系统进行的大尺度模拟[6]，也有对宁夏、甘肃、陕西、内蒙古等省进行的中小尺度的NPP估算及分析[7-10]。但以流域作为完整生态系统的研究稍有见闻。

泾河流域地处黄土高原，水土流失、土地沙化、河道萎缩、水质下降等一系列生态环境问题频发，是我国典型的生态环境脆弱区。2017年，习近平总书记在十九大报告中指出，坚持人与自然和谐共生，践行“绿水青山就是金山银山”的理念，故探究泾河流域植被变化状况对流域生态环境的改善及保护环境基本国策的贯彻落实有重要意义[11]。

综上，目前NPP相关研究已取得一定成果，但就气候变化背景下的流域尺度NPP响应规律的研究仍有待深入。故本文基于CASA模型估算了2000年、2009年及2018年泾河流域NPP，探究NPP时空尺度的特征变化及其对气候变化的响应，以期为泾河流域植被恢复及流域生态环境的改善提供科学参考。

1 研究区概况及数据处理

1.1 研究区概况

泾河流域(34°46′—37°19′N，106°14′—108°42′E)地处黄土高原中部(图1)，流域面积45 421 km2[12]。泾河全长约455.1 km，发源于宁夏六盘山，流经陕甘宁，是渭河的第一大支流，黄河的二级支流。流域北接贺兰山，南依秦岭山脉，西临六盘山脉，东抵子午岭山系，周围一圈山脉形成泾河集水区域的天然分水岭[13]。流域地势西北高东南低，总体呈东西北三面向东南倾斜的特点。流域属半干旱半湿润典型区，平均气温8℃，年降水量350～650 mm。泾河流域水土流失较为严重，尤其在黄土高原及黄土丘陵沟壑区。流域地表植被稀疏，干草地、耕地为流域内主要地表覆盖类型，且流域北部处于严重退化状态的草地占比达80%以上，林地面积仅占流域面积的8%左右[13]。

图1 泾河流域地形图

1.2 数据来源及处理

(1)NDVI数据。本文NDVI数据选用2000年、2009年及2018年NASA官网(https:∥ladsweb.modaps.eosdis.nasa.gov/)的MOD13Q1数据产品，利用MRT软件对影像进行拼接、投影转化及格式转化等预处理，将其转换至TIFF格式，并用最大值合成法将每月的两期NDVI数据合成为月NDVI数据。

(2)气象数据。气象数据下载自中国气象数据网(http:∥data.cma.cn)，渭河流域及其周边共选取气象站点33个。在Excel中对这33个站点的数据进行处理，获得站点的月均气温和月降水量。利用克里金法进行插值，并使其空间分辨率与NDVI数据一致。利用泾河流域边界对其进行裁剪，获得泾河流域气象数据。

(3)辐射数据。由于泾河流域乃至整个渭河流域辐射站点较少，插值精度较低，故利用太阳辐射计算公式由气象站点的日照数据求得渭河流域的太阳总辐射数据[14]。利用克里金法对辐射数据进行插值，获取与NDVI数据投影相同的栅格影像。并利用泾河流域边界对其进行裁剪，获得泾河流域辐射数据。

(4)DEM数据。DEM数据来源于地理空间数据云(http:∥www.gscloud.cn)，其空间分辨率为30 m。在ArcGIS中对所获取数据进行拼接、裁剪，获得覆盖泾河流域的DEM数据，将其重采样至250 m分辨率使其与NDVI数据空间分辨率一致。

以上数据均采用统一坐标系为WGS_1984_UTM_Zone_49N，空间分辨率为250 m。

2 研究方法

2.1 CASA模型

在CASA模型中NPP主要由植被所吸收的光合有效辐射(APAR)和光能利用率(ε)两个变量来确定，模型表达如下：

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

式中:APAR(x,t)表示像元x在t月吸收的光合有效辐射(MJ/m2)[15];ε(x,t)表示像元x在t月的实际光能利用率(gC/MJ)[16]。

(1)光合有效辐射APAR。APAR(Absorbed Photosynthetically Active Radiation,APAR)是指植物进行光合作用时，叶冠层可吸收利用的，对光合作用有意义的太阳辐射能，光合作用将其固定为植物有机质[17]。植被吸收的光合有效辐射由太阳辐射及植被本身的生态特征共同决定[18]。计算公式如下：

APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5

(2)

式中:SOL(x,t)为像元x在t月的太阳总辐射(MJ/m2),SOL(Solar Radiation Energy,SOL)为太阳辐射能,是植物光合作用的能量来源[17];FPAR(Fraction of Absorbed Photosynthetically Active Radiation,FPAR)为植被层对入射光合有效辐射的吸收比例,该比例取决于植被类型及植被覆盖情况[19];0.5为植被所能利用的太阳有效辐射(波长为0.38～0.78 μm)占太阳总辐射的比例[20]。

已有研究表明FPAR与归一化植被指数NDVI及比值植被指数SR均有良好的线性关系[21]，故将两者结合起来，得到优化后的FPAR的估算公式：

(3)

式中:SRmin取值为1.05;SRmax取值大小与植被类型有关,取值大小介于4.46～6.91。SR(x,t)由NDVI(x,t)求得:

(4)

(2)光能利用率ε的确定。光能利用率ε(Utility rate of luminous energy,ε)是植被将光合作用所吸收的光合有效辐射转化为有机质的效率[22]，由植被自身的属性决定[23，32]。光能利用率在不同类型植被下有很大的差异。计算公式如下：

ε(x,t)=f1(x,t)×f2(x,t)×Wε(x,t)×εmax

(5)

式中:f1和f2分别表示低温和高温对光能利用率的胁迫作用(无单位)[24];Wε为水分胁迫影响系数,反映水分条件的影响[24];εmax是理想条件下的最大光能利用率(gC/MJ)[25]。f1,f2以及Wε的值根据朱文泉等学者的研究获得；εmax的取值从朱文泉等学者的中国典型植被最大光能利用率模拟结果中获得[24]。在模型应用时,采用朱文泉等学者改进后的CASA模型针对我国植被分布生产特征对植被类型相关的参数进行了适宜性调整,从数据获取层提升了模型运用的区域适宜度。

2.2 相关性分析

相关分析是分析变量间联系程度的方法。本文基于像元尺度对NPP与主要气候因子(降水和气温)进行相关分析，进而利用相关系数探究NPP对气候变化的响应[26]。相关系数的计算公式为：

(6)

查找并对照相关系数表，对所得相关系数进行F检验。取显著性水平为α=0.05和α=0.01，得fα(n-2)=f0.05(1)=0.88，fα(n-2)=f0.01(1)=0.96，依照相关系数的显著性将相关程度分6个等级：显著负相关(R<-0.96)、中度负相关(-0.96≤R<-0.88)、轻度负相关(-0.88≤R<0)、轻度正相关(00.96)[27]。

3 结果与分析

基于中国植被及环境特征等影响因素，调整CASA模型参数，获得更符合研究区特征的NPP估算结果，基于像元尺度分析其时空分布特征，并探究NPP对气候变化的响应特征，以期为未来流域植被恢复及改善流域生态环境提供参考。

3.1 泾河流域植被NPP年际、月际变化特征

图2，图3表明泾河流域NPP在年际间呈稳定增长趋势，2000年、2009年及2018年泾河流域NPP均值分别为521.81，664.77，719.78 gC/(m2·a)，即该流域植被覆盖情况在逐渐好转。究其主要原因，一方面与自然因素有关，在2000—2018年泾河流域降水呈增加趋势，降水增多在一定程度上补充了水资源供给，促进植物生长，使NPP升高；另一方面与人类活动也有密切关系，特别是生态保护政策的实施使得植被覆盖度增加。其中，2009—2018年的增速较2000—2009年的增速略缓。增速趋缓的主要原因可能为生态保护政策实施后期，侧重对已有植被的维护与管理，即在保证木材蓄积量的基础上，对树种进行养护，这使得增速减缓，植被覆盖度不再明显增加。

图2 2000年、2009年、2018年泾河流域NPP估算结果

泾河流域月均NPP年内变化曲线呈单峰型周期波动[28]，见图3。在4—8月间呈较强上升趋势；8月后呈降低趋势。该趋势与植被的一般生长规律相符：4月份植被开始进入生长季，NPP开始缓慢上升[29]；5月份随着降水增多及气温回暖，植被生长速度加快，NPP迅速上升；8月份植被处于生长旺盛阶段，NPP达到最大值[30]；9月份后，气温和降水均有减少，NPP不断下降[31]。

图3 泾河流域月均NPP、气温、降水变化趋势

统计泾河流域各季节NPP的年际变化情况，见图4。可以看出，各季节间NPP差异较大，其中夏季值最高，其次是秋、春、冬三季。该变化规律与植被生长规律相符合。

图4 泾河流域各季节植被NPP年际变化趋势

3.2 植被NPP空间分布特征

3.2.1 植被NPP水平方向分布特征由图5可以看出，流域内NPP的分布表现为南高北低。主要是因为南部多为山区，其中六盘山东坡、子午岭西坡等地的NPP最高。北部多为黄土丘陵以及耕地，植被稀疏，泾河上游以及北岸支流流经黄土高原，夹带大量泥沙；且人类活动造成的植被破坏、水土流失等问题严重。因此需加强植被保护，将土地整治与造林种草措施相结合，根据区域特征选择合适树种。合理搭配树种及草种，建设综合性保水保土的防护体系，从而提高泾河流域植被覆盖度。

图5 泾河流域NPP年均值空间分布

3.2.2 植被NPP垂直方向分布特征泾河流域海拔高度介于502～2 879 m，利用分区统计工具统计各区段NPP均值。由图6看出，海拔小于1 000 m的丘陵及低山地区像元占比约为2.27%，对应的NPP值介于304.44～1 164.95 gC/(m2·a)间；随着海拔升高，高度位于1 100～1 700 m时，NPP值呈逐步降低趋势，该阶段主要地形为中山，像元占比为87.14%，对应NPP值介于168.99～2 292.87 gC/(m2·a)间；在海拔1 600～1 700 m间NPP均值曲线出现第一个波谷，该区段的NPP均值为480.10 gC/(m2·a)；随着海拔持续升高，NPP均值恢复增加趋势；在2 800～2 900 m海拔NPP出现最高均值，为1 272.99 gC/(m2·a)。

图6 泾河流域NPP垂直方向变化趋势

低海拔平原区干旱少雨，降水量少量增加即可使NPP增加，而气温升高会加速土壤中水分的流失，使植被生长受到限制，故NPP降低[35]；而海拔较高的山区，受地形作用影响，降水多，气温相对较低，气温升高加剧高山冰川消融，一定程度上补充了山区的水资源供给，促进植物生长，使NPP增加[36]。

3.3 植被NPP对气候因子的响应

气候变化背景下NPP主要受降水与气温影响，故本文选取了降水和气温两个重要的气候因子，通过分析相关性探究气候变化背景下NPP的响应特征[33]。

由图7可知，NPP与降水表现出较强的正相关，正相关的区域像元占比为76.86%，主要分布在流域北部；NPP与气温亦表现为正相关，正相关的区域像元占比为65.33%，主要分布在泾河流域西南的城市聚集区域。

图7 植被NPP与降水、气温的空间相关性

综上，NPP对降水、气温的响应有明显空间差异[34]。降水相关性与气温相关性在区域上互补，即降水(气温)相关性较强的区域，气温(降水)的相关性较弱。且NPP与降水的相关系数绝对值大于与气温相关系数绝对值的像元占比为72.24%。故可推断出该流域NPP与降水的响应程度强于与气温的响应程度[34]。

3.4 不同植被类型NPP的分布特征

图8表明泾河流域不同植被类型下NPP均值存在明显差异。流域内植被可分为：落叶针叶林、常绿针叶林、常绿阔叶林、落叶阔叶林、灌丛、疏林、平原草地、荒漠草地、草甸以及耕地十类[24]。各植被类型下NPP均值按大小可排序为：常绿阔叶林>落叶阔叶林>疏林>落叶针叶林>草甸>灌丛>常绿针叶林>耕地>平原草地>荒漠草地。其中，常绿阔叶林对应NPP均值为1 544.50 gC/(m2·a)，落叶阔叶林对应NPP均值为1 044.95 gC/(m2·a)，疏林对应NPP均值为906.96 gC/(m2·a)；其他各类型植被占比均较小。该差异是由不同植被类型对水分的要求以及植被的生理生态特征不同造成的[30]。如阔叶植被叶片气孔多分布于叶片下表皮，可减弱阳光照射所产生的蒸腾作用，防止植被水分损失过快。

图8 不同植被类型NPP分布特征

各植被类型像元占比的大小排序为：耕地>平原草地>落叶阔叶林>灌丛>疏林>草甸>落叶针叶林>常绿阔叶林>荒漠草地>常绿针叶林。即耕地、平原草地面积占比大，但对应NPP值却并不高；而面积占比低的阔叶林、针叶林等林地对NPP贡献极高。故对泾河流域而言，应加大退耕还林政策的实施力度，在面积占比最大的耕地、平原草地上选择合适的树种进行生态恢复，且泾河流域坡度主要介于1°～35°间，鉴于该坡度分布特征，建议该流域加大果树、茶树、药材等为主的防护型林地种植。