基于遙感和CASA模型的西江流域NPP時空分布特征研究

張永領(lǐng),郝成元

（河南理工大學,河南焦作 454000）

陸地植被凈初級生產(chǎn)力(Net Primary Production,簡稱NPP)是陸地植物通過光合作用固定的太陽能,在單位面積、單位時間內(nèi)所獲得的生物量的凈增加量,通常以干物質(zhì)重量表示。陸地植被NPP通常用gC/m2來表示,它是陸地植被碳固定能力的重要表征,是地球生命能量循環(huán)和生物地球化學循環(huán)的開端,是全球碳循環(huán)的重要環(huán)節(jié),在全球碳循環(huán)中扮演著重要角色,而且任何自然的和人文的波動如土地利用方式的變化、管理方式的變更以及氣候變動等都能影響到陸地生態(tài)系統(tǒng)NPP的變化[1]。

對植被NPP的研究國外起步較早[2],但是由于技術(shù)手段落后對植被NPP的估算精度不高。自20世紀80年代以來,隨著RS和GIS技術(shù)的快速發(fā)展,對NPP的研究也取得了重大突破[3-4],并且使對全球凈初級生產(chǎn)力的估計成為可能。我國學者盡管對植被NPP的研究起步相對較晚,但是近年來也得到了深入發(fā)展,如陳正華等利用CASA模型結(jié)合多光譜遙感數(shù)據(jù)和氣候數(shù)據(jù),研究了干旱半干旱典型區(qū)黑河流域凈第一性生產(chǎn)力的時空分布,并分析了黑河流域上、中、下游NPP的驅(qū)動因子[5]。高清竹等采用CASA模型分析了藏北地區(qū)草地植被NPP的時空變化特征指出,受水熱條件的制約,藏北地區(qū)的植被NPP的分布規(guī)律受水熱條件的制約,呈有規(guī)律性的性的水平地帶分布[6]。

基于GIS和 RS技術(shù)的CASA(Carnegie Ames Stanford Approach)模型在考慮了水分、溫度和養(yǎng)分的脅迫作用條件下,通過遙感技術(shù)獲取FPAR,以得到植被吸收的光合有效輻射APAR,進而估算植被NPP[7-8]。

西江是珠江水系的主干流,流域面積占珠江總流域面積的77.83%。西江流域?qū)儆诘湫偷膩啛釒Ъ撅L區(qū),多年平均降水量在1 500 mm左右,地貌類型復雜,由高原山地、丘陵和平原組成。植被類型和植被覆蓋差異顯著。然而對西江流域單元的凈第一生產(chǎn)力(NPP)的研究尚未見報道。本文則以 EOS/MODIS遙感數(shù)據(jù)和氣象數(shù)據(jù)為基礎(chǔ),采用CASA模型分析西江流域植被NPP的季節(jié)變化特征以及空間分布特點。

1 資料與方法

在GIS 9.1和ENVI 4.1軟件的支持下,對于MODIS影像以及植被通過統(tǒng)一轉(zhuǎn)換為我國常用的Albers等圓錐準投影。對于氣象站點數(shù)據(jù),按照氣象站點的經(jīng)緯度,利用GIS軟件轉(zhuǎn)化為矢量格式,然后按照氣象站點的經(jīng)緯度直接對氣候數(shù)據(jù)進行Kriging插值成氣象要素柵格圖,賦予投影信息,并使其投影參數(shù)與遙感數(shù)據(jù)保持一致,以便進一步計算。

1.1 數(shù)據(jù)資料

1.1.1 遙感資料 所用的遙感數(shù)據(jù)為美國國家航空航天局(NASA)就開始計劃建立地球觀測系統(tǒng)(Earth Observing System-EOS)的MODIS遙感圖像的前7個波段的數(shù)據(jù),在7個波段的數(shù)據(jù)中,第1,2波段的空間分辨率為250 m,其他5波段的分辨率為500 m,前2個波段通過重采樣得到分辨率為500 m數(shù)據(jù)。

首先根據(jù)對于未完全覆蓋西江流域的影像進行鑲嵌處理,根據(jù)圖像接近星下點無云或者對西江流域來說云量較少等特點,每月選取8～10景,分別經(jīng)過處理后計算NDVI植被指數(shù),并用嚴格視角的最大合成法(CV-MVC)求出每個月份西江流域的NDVI指數(shù),即當無云像元數(shù)小于5 d時,選擇視角最小的2 d的資料,計算植被指數(shù),取其大者,也就是所謂的嚴格視角的最大合成方法。這樣就盡可能減少殘云、暗影、大氣氣溶膠以及二相反射(BRDF)對NDVI的影響,同時又能保證合成資料的質(zhì)量和一致性[9]。

1.1.2 氣象及植被資料 所需要的氣象數(shù)據(jù)均來自國家氣候中心。所需的氣象數(shù)據(jù)包括:2005年4月至2006年3月西江流域各個氣象臺站的逐日降水量(mm)、逐日平均氣溫(℃)、逐日平均相對濕度(%)、逐日10 m高平均風速(m/s)、逐日日照時數(shù)(h),以及全國93個臺站1970-2003年的逐日太陽輻射資料(MJ?m-2?d-1)、逐日日照時數(shù)資料(h)。植被類型數(shù)據(jù)來自1∶100萬中國植被圖(中國科學院中國植被圖編輯委員會,2001)。

1.2 模型簡介

在光能利用率模型CASA中,陸地植被凈第一性生產(chǎn)力主要由植被所吸收的光合有效輻射APAR與光能轉(zhuǎn)化率ε兩個變量來確定:

式中:NPP(x,t)——空間位置x上的植被在t時間內(nèi)的凈第一性生產(chǎn)力;APAR(x,t)——空間位置上的植被在t時間內(nèi)所吸收的光合有效輻射(APAR);ε(x,t)——像元x在t時間的實際光利用率.

植被吸收的光合有效輻射APAR用下列公式表示:

式中:APAR(x,t)——植被冠層對入射光合有效輻射的吸收分量;Rs(x,t)——t月份像元x處的太陽總輻射量(MJ/m2);FPAR(x,t)——植被層對入射光合有效輻射(PAR)的吸收比例,FPAR取決于植被類型和植被覆蓋狀況,而通過遙感數(shù)據(jù)得到的歸一化植被指數(shù)(NDVI)能很好地反映植被覆蓋狀況[7];常數(shù)0.5表示植被所能利用的太陽有效輻射(即光合有效輻射,波長范圍0.4～0.7 μ m)占太陽總輻射的比例。

式中 :Tε1(x,t),Tε2(x,t)——溫 度 脅 迫 系數(shù) ;Wε(x,t)——水分脅迫系數(shù);ε*——理想條件下植被的最大光能利用率。

歸一化植被指數(shù)NDVI是計算植被對太陽有效輻射的吸收比例(FPAR)的重要參數(shù),它是MODIS數(shù)據(jù)產(chǎn)品經(jīng)“Bow tie effect”、幾何校正、計算地物反射率、大氣校正之后,通過下列公式計算出來的:

式中:Bnir——MODIS數(shù)據(jù)第2通道的近紅外波段;Bred——MODIS數(shù)據(jù)第1通道的紅光波段。

2 結(jié)果分析

2.1 西江流域凈初級生產(chǎn)力的季節(jié)變化

圖1給出了西江流域各個月份(2005年4月至2006年3月)植被平均NPP的變化情況,從圖可知,西江流域月平均NPP在7～83 gC/m2之間波動,表明西江流域植被NPP有顯著的季節(jié)差別。冬季氣溫偏低,降水量偏少,植物的光合作用受到限制,植被的NPP也偏小,如1月份和2月份西江流域的平均NPP分別為7 gC/m2和9 gC/m2左右。夏季氣溫高、降水量豐富,有利于植物的生長和有機質(zhì)的積累,NPP最高。在一年中,西江流域植被的NPP最大值出現(xiàn)在7月,約為80～90 gC/m2,其次是5月、8月和9月,這3個月平均NPP的值相差不大,分別為 56.2 gC/m2、57.3 gC/m2和53.2 gC/m2。在我國華南地區(qū),夏季的6月通常是降水豐沛而氣溫高,有利于植物的生長,但是在2005年的6月西江流域的NPP卻明顯低于5月和 7-9月,僅為 49.8 gC/m2,其主要原因是2005年6月西江流域出現(xiàn)了持續(xù)性的陰雨天氣,雖然降水量豐富,但持續(xù)的陰雨天氣減少了太陽有效輻射直接影響植被的光合作用,使凈初級生產(chǎn)力偏小。

總的來說,西江流域的NPP有顯著的季節(jié)性周期變化,夏季植被的NPP最大,約為190.1 gC/m2,春、秋季節(jié)次之,分別為 95.4 gC/m2和 117.5 gC/m2,冬季最小,植被 NPP約為18.1 gC/m2。

圖1 西江流域平均NPP的季節(jié)變化

2.2 西江流域植被NPP的空間變化

圖2給出了西江流域2005年4月至2006年3月逐月凈初級生產(chǎn)力空間分布特征。從圖可知,無論哪個月份,NPP在西江流域分布并不一致,主要是因為水熱條件、太陽輻射以及植被覆蓋等因素的空間不均勻分布造成的。

2005年4月的西江流域植被NPP的空間分布特征是,左右江流域植被NPP明顯高于其他地區(qū),為30～50 gC/m2,而其他地區(qū)相對較少,為20～30 gC/m2,只有少數(shù)地方植被NPP在10 gC/m2以下。導致這種分布格局的主要原因是2005年4月左右有江流域降水偏多,有利于植被的生長。

2005年5-10月西江流域植被NPP的空間分布比較相似,其分布特征是西江上游地區(qū)植被NPP較少,而中下游地區(qū)較多。西江上游地區(qū)植被NPP為10～30 gC/m2,但不同的月份又有很大差別,比如5月為15 gC/m2左右,6月低于10 gC/m2,水熱條件配合較好的7月最高,可達到40 gC/m2。但是西江的中下游地區(qū)植被NPP則明顯較高,尤其是7月份,部分區(qū)域的NPP可達100～150 gC/m2左右。

西江流域植被NPP空間特征還表現(xiàn)在汛期的各個月植被NPP的空間形態(tài)與非汛期明顯不同,如在1-3月份,西江上游地區(qū)尤其是南盤江流域的植被NPP較高,西江中下游地區(qū)尤其是中游的廣大地區(qū)植被NPP明顯較少。4月西江流域NPP的空間分布又與其它月份有所不同,NPP高值區(qū)出現(xiàn)在左、右江流域,而其它地區(qū)偏少。而11月和12月西江流域植被NPP的基本分布特征是流于南部植被NPP相對較高,而北部地區(qū)植被NPP則相對較低。汛期的5-10月份則表現(xiàn)為典型的上游植被NPP低而中下游植被NPP高的空間分布形態(tài)。另外,西江流域植被NPP的空間差別夏季最大,上游地區(qū)一般為10～30 gC/m2,而中下游地區(qū)一般為50～100 gC/m2,部分地區(qū)NPP可達150 gC/m2,而冬季各月整個流域的NPP都很低,一般不超過20 gC/m2,差別也就相對較小。1月的西江流域植被NPP最低,大部分地區(qū)的NPP低于5 gC/m2。

2.3 西江流域植被NPP總量特征

西江流域年平均NPP的分布特征為,西江上游地區(qū)比其他地區(qū)偏低,為200～300 gC/m2,而中下游地區(qū)平均為500～600 gC/m2,部分地區(qū)可達到800 gC/m2以上。就整個流域來說,年平均NPP 400～500 gC/m2。西江流域全年植被NPP總量為1.501×1014gC(表1),其中80%集中在高溫多雨的5-10月。在所研究的各個月份中,7月植被NPP總量最大,為 2.95×1013gC,約占全年植被 NPP總量的19.7%,其次是5月和8月、9月,NPP總量分別為1.89×1013gC、2.02×1013gC和1.87×1013gC,分別占全年植被NPP總量的12.6%、13.5%和12.5%。1-3月NPP總量偏低,其中 1月最低,為0.29×1013gC,僅僅占全年NPP總量1.9%。

圖2 西江流域各個月份的NPP空間格局

表1 西江流域各個月份(2005年4月至2006年 3月)及全年植被NPP總量

3 結(jié)論

西江流域植被NPP有顯著的季節(jié)變化,夏季植被NPP最高,約為190.1 gC/m2,春、秋季節(jié)次之,分別為95.4 gC/m2和 117.5 gC/m2,冬季最小,植被NPP約為18.1 gC/m2。西江流域植被NPP有顯著的空間變異特征。4月西江流域植被NPP的空間分布特征是,左右江流域植被NPP明顯高于其他地區(qū)。5-10月西江流域植被NPP的空間分布比較相似,其分布特征是西江上游地區(qū)植被NPP較少,而中下游地區(qū)較多。在1-3月,西江上游地區(qū)尤其是南盤江流域的植被NPP較高,西江中下游地區(qū)尤其是中游的廣大地區(qū)植被NPP明顯較少。而11月和12月西江流域植被NPP的基本分布特征是流于南部植被NPP相對較高,而北部地區(qū)植被NPP則相對較低。西江流域植被NPP的空間差別夏季最大,上游地區(qū)一般為10～30 gC/m2,而中下游部分地區(qū)NPP可達150gC/m2,而冬季各月整個流域的NPP都很低,一般不超過20 gC/m2,差別也就相對較小。1月的西江流域植被 NPP最低,大部分地區(qū)的 NPP低于5 gC/m2。

西江流域平均植被NPP為400～500 gC/m2,上游地區(qū)比其他地區(qū)偏低,為200～300 gC/m2,而中下游地區(qū)平均500～600 gC/m2,部分地區(qū)可達到800 gC/m2以上。

[1]Field C B,Behrenfeld M J,Randeson J T,et al.Primary production of the biosphere:integrating terrestrial and oceanic components[J].Science,1998,281:237-240.

[2]Lieth H F H.Modeling the primary productivity of the world[J].Nature and Resources,1972,8(2):5-10.

[3]Goward S N,Dye D G.Evaluating North American net primary productivity with satellite observations[J].Advances in Space Research,1987,7(11):165-174.

[4]Law B E,Waring R H.Combining remote sensing and climatic data to estimate net primary production across Oregon[J].Ecological Applications,1994,4:717-728.

[5]陳正華,麻清源,王建,等.利用CASA模型估算黑河流域凈第一性生產(chǎn)力[J].自然資源學報,2008,23(2):263-272.

[6]高清竹,萬運帆,李玉娥,等.基于 CASA模型的藏北地區(qū)草地植被凈第一性生產(chǎn)力及其時空格局[J].應用生態(tài)學報,2007,18(11):2526-2532.

[7]Potter C S,Randerson J T.Terrestrial ecosystem production:A process model on global satellite and surface data[J].Global Biogeochern.Cycles,1993,7(4):811-841.

[8]Field B C,Randerson J T,Malmstorm C M.Global net primary combining ecology and remote sensing[J].Remote Sensing of Environment,1995,51:74-88.

[9]劉玉潔,楊忠東.MODIS遙感信息處理原理與算法[M].北京:科學出版社,2001.