基于生態(tài)過程模型的哈爾濱市凈初級生產(chǎn)力模擬和分析1)

毛學(xué)剛 陳文曲 胡屾 劉駿

(東北林業(yè)大學(xué)，哈爾濱，150040) (國家林業(yè)局華東林業(yè)調(diào)查規(guī)劃設(shè)計(jì)院)

?

基于生態(tài)過程模型的哈爾濱市凈初級生產(chǎn)力模擬和分析1)

毛學(xué)剛 陳文曲 胡屾 劉駿

(東北林業(yè)大學(xué)，哈爾濱，150040) (國家林業(yè)局華東林業(yè)調(diào)查規(guī)劃設(shè)計(jì)院)

凈初級生產(chǎn)力(NPP)是衡量陸地生態(tài)系統(tǒng)碳源(匯)的重要參數(shù)，為準(zhǔn)確模擬城市NPP及研究城市NPP空間分布特征。以哈爾濱市為研究對象，以Landsat-5 TM遙感數(shù)據(jù)、MODIS的葉面積指數(shù)(LAI)數(shù)據(jù)和氣象要素等資料為基礎(chǔ)數(shù)據(jù)，采用基于過程的北部森林生態(tài)系統(tǒng)生產(chǎn)力模擬模型(BEPS)，模擬獲得哈爾濱市NPP空間分布特征圖，并對NPP時(shí)空變化進(jìn)行分析。結(jié)果表明：哈爾濱北部及西南部NPP整體比較高，哈爾濱西部及東北部NPP整體比較低，主要與研究區(qū)土地覆蓋類型有關(guān)。哈爾濱市2011年NPP積累總量為2.427×1013g·a-1，NPP年平均值為511 g·m-2·a-1。哈爾濱市NPP積累主要在7、8月份，NPP年積累值在7月份達(dá)到最高值。通過采用通量數(shù)據(jù)及MODIS的NPP產(chǎn)品驗(yàn)證可知，BEPS模型能夠較好地估算哈爾濱市植被NPP。為揭示城市NPP變化的影響因素(氣候、地域等)提供技術(shù)支持，也可為城市生態(tài)建設(shè)提供參考。

生態(tài)過程模型；凈初級生產(chǎn)力；葉面積指數(shù)；哈爾濱市

BEPS； Net primary productivity (NPP)； LAI； Harbin

植被凈初級生產(chǎn)力(NPP)是綠色植物在單位時(shí)間、單位面積內(nèi)凈增長的有機(jī)干物質(zhì)，是植物光合作用產(chǎn)生的有機(jī)質(zhì)總量扣除自養(yǎng)呼吸后的剩余部分[1]。NPP作為陸地碳循環(huán)的重要組成部分，不僅能反映在自然環(huán)境下植物群落的生產(chǎn)能力，指示陸地生態(tài)系統(tǒng)的發(fā)展?fàn)顟B(tài)，而且是判定生態(tài)系統(tǒng)為碳源(匯)和調(diào)節(jié)生態(tài)過程的重要因子，在全球變化及碳循環(huán)中起著關(guān)鍵作用[2]。植被NPP的估算有站點(diǎn)實(shí)測法和模型模擬法。站點(diǎn)實(shí)測法比較適合于小區(qū)域的調(diào)查或者單一的植被覆蓋區(qū)域。常用的森林樣地清查的NPP數(shù)據(jù)估算城市林地的碳儲存能力[3]，然而城市植被覆蓋有高度時(shí)空變化的特征，全面測量大范圍的NPP較難，借助于模型和遙感數(shù)據(jù)更為有效[4-6]。NPP估算模型主要分為經(jīng)驗(yàn)?zāi)Ｐ秃瓦^程模型，這兩種模型雖然不同程度地都加入了遙感信息，但是過程模型與經(jīng)驗(yàn)?zāi)Ｐ拖啾染哂忻黠@的優(yōu)勢[7]。北部森林生態(tài)系統(tǒng)生產(chǎn)力模擬模型(BEPS)，融合多源數(shù)據(jù)，作為模型的輸入數(shù)據(jù)，并耦合了碳水過程，是模型模擬陸地生態(tài)系統(tǒng)凈初級生產(chǎn)力很好的選擇，在國內(nèi)外已經(jīng)得到了廣泛的應(yīng)用[8-10]。目前關(guān)于城市陸地生態(tài)系統(tǒng)NPP模擬估算有很多[11-17]，但關(guān)于有效地估算城市植被NPP空間分布的研究不多。

由于地理位置的影響，氣候因素具有地理地帶性的特征，因此，不同區(qū)域氣候要素對NPP的影響都有各自的特點(diǎn)。在地理分布上，北半球中高緯度有巨大的森林生態(tài)系統(tǒng)，對全球碳循環(huán)的平衡有重要的價(jià)值，在全球碳循環(huán)動(dòng)力學(xué)研究中受到越來越多的關(guān)注。黑龍江省森林是亞洲北方森林帶的重要組成部分，哈爾濱市作為中國北方城市的代表，具有獨(dú)特的氣候特征。因此，本研究以哈爾濱市生態(tài)系統(tǒng)為研究對象，采用GIS、RS技術(shù)，結(jié)合BEPS模型對研究區(qū)植被NPP進(jìn)行模擬，研究哈爾濱市植被NPP的空間格局，為預(yù)測城市陸地生態(tài)系統(tǒng)碳匯能力提供理論依據(jù)。

1 研究區(qū)概況

哈爾濱市位于黑龍江省西南部(125°42′～130°10′E，44°04′～46°40′N)，是中國位置最北、緯度最高的省會(huì)城市(見圖1)。管轄7個(gè)縣、9個(gè)市轄區(qū)，代管2個(gè)縣級市，總面積約為5.4×104km2，農(nóng)田面積約占58%，森林面積約占31%。哈爾濱市區(qū)及呼蘭區(qū)、雙城區(qū)地勢低洼、平坦，東部縣(市)多丘陵及山地。北部為小興安嶺山區(qū)，中部有松花江通過，東南臨張廣才嶺支脈丘陵。該區(qū)屬于中溫帶大陸性季風(fēng)氣候，冬季寒冷漫長，夏季涼爽短暫，年均氣溫-2.4 ℃，1月份平均氣溫-19 ℃，7月份平均氣溫23 ℃。年平均降水量569.1 mm。主要樹種有樟子松(Pinussylvestrisvar.mongolica)、落葉松(Larixgmelinii)、紅松(Pinuskoraiensis)、白樺(Betulaphatyphylla)、椴樹(Tiliaamurenisis)、水曲柳(FraxinusrhynchophyllaHance)等。

圖1 研究區(qū)域

2 研究方法

2.1 數(shù)據(jù)收集及處理

土地覆蓋類型：土地覆蓋類型是生態(tài)過程模型一個(gè)關(guān)鍵輸入?yún)?shù)，代表著地物的屬性狀態(tài)，直接影響模型模擬結(jié)果。土地覆蓋類型提取采用的是空間分辨率30 m的Landsat-5 TM遙感影像，該數(shù)據(jù)來源于中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站。在對遙感數(shù)據(jù)進(jìn)行預(yù)處理(幾何校正、輻射定標(biāo)、大氣校正、鑲嵌裁切等)的基礎(chǔ)上，采用相對成熟的最小距離法，將哈爾濱市劃分為針葉林、闊葉林、混交林、農(nóng)田、城市及裸地、水體6種類型(見圖2)，分類總體精度為86%，能夠滿足模型輸入數(shù)據(jù)的要求。

葉面積指數(shù)：葉面積指數(shù)(LAI)是BEPS模型的一個(gè)重要輸入?yún)?shù)。LAI數(shù)據(jù)采用2011年MODIS的LAI數(shù)據(jù)產(chǎn)品(MOD15A)，空間分辨為1 km×1 km，時(shí)間分辨為8 d。盡管MODIS的LAI數(shù)據(jù)已經(jīng)進(jìn)行了大氣糾正和去云處理，但該LAI數(shù)據(jù)仍然存在著非真實(shí)性波動(dòng)，為了解決該問題，對LAI序列數(shù)據(jù)采用局部調(diào)整的三次樣條帽蓋算法(LACC)做平滑處理[18]。應(yīng)用LACSC算法程序時(shí)，平滑參數(shù)(λ)設(shè)置為0.5，對46幅MODIS的LAI數(shù)據(jù)進(jìn)行處理。采用LACSC算法程序?qū)ODIS的LAI進(jìn)行處理之后，該數(shù)據(jù)在時(shí)間序列上是平滑的，這比較符合實(shí)際規(guī)律。MODIS LAI重采樣分辨率為30 m，獲得2011年的LAI時(shí)間序列數(shù)據(jù)。采用2016年盧偉等[19]提出的針對中小區(qū)域尺度時(shí)間序列LAI快速估測方法，即提取林地MODIS LAI的歸一化生長曲線，并結(jié)合傳統(tǒng)遙感統(tǒng)計(jì)模型和TM遙感數(shù)據(jù)，估測展葉完全期的LAI，作為研究區(qū)LAI最大值并與歸一化的LAI擬合函數(shù)相乘得到降尺度的時(shí)間序列LAI數(shù)據(jù)，最終獲得空間分辨率為30 m的LAI數(shù)據(jù)。

圖2 哈爾濱市土地覆蓋類型圖

氣象數(shù)據(jù)：每日氣象數(shù)據(jù)由國家氣象信息中心提供，哈爾濱市及周圍共有11個(gè)氣象站點(diǎn)和1個(gè)輻射站點(diǎn)(見圖3)。

圖3 哈爾濱市及周圍氣象站點(diǎn)

除總太陽輻射以外,其他氣象數(shù)據(jù)(最高和最低溫度，濕度和降水量)都采用ANUSPLIN算法插值成1 km分辨率的柵格數(shù)據(jù)[20]。ANUSPLIN算法是由澳大利亞國立大學(xué)采用FORTRAN語言開發(fā)的空間插值模型，已在國際上廣泛應(yīng)用[21]。該插值算法的優(yōu)點(diǎn)是輸入?yún)?shù)比較靈活，而且氣象站點(diǎn)數(shù)量不受限制。采用輻射站點(diǎn)的日值數(shù)據(jù)，代替整個(gè)哈爾濱市的逐日太陽輻射，使用ArcGIS10.0軟件將站點(diǎn)數(shù)據(jù)轉(zhuǎn)化為1 km分辨率的柵格數(shù)據(jù)。

土壤有效持水力：土壤有效持水力(AWC)數(shù)據(jù)采用國際全球變化研究計(jì)劃的數(shù)據(jù)信息系統(tǒng)(IGBP-DIS)提供的土壤屬性數(shù)據(jù)庫，對數(shù)據(jù)進(jìn)行了重采樣，采成了30 m×30 m的分辨率。哈爾濱市絕大多數(shù)像元的AWC值在0.05～0.25 mm。

通量數(shù)據(jù)：采用帽兒山定位站的通量資料對BEPS模型進(jìn)行驗(yàn)證，通量數(shù)據(jù)由亞洲通量網(wǎng)提供。該數(shù)據(jù)是每半小時(shí)的通量數(shù)據(jù)和氣候數(shù)據(jù)。這些數(shù)據(jù)包括氣象因子30 min平均值：太陽輻射、風(fēng)速、降水、相對濕度、氣溫、飽和蒸汽壓差、土壤含水量和土壤溫度。數(shù)據(jù)插補(bǔ)前通量30 min平均值：顯熱通量、潛熱通量、凈生態(tài)系統(tǒng)交換和生態(tài)系統(tǒng)呼吸。數(shù)據(jù)插補(bǔ)后通量日總量：凈生態(tài)系統(tǒng)交換(NEE)、總初級生產(chǎn)力和生態(tài)系統(tǒng)呼吸。

2.2 BEPS模型

BEPS模型是在FOREST-BGC、Farquhar、Penman-Monteith模型的基礎(chǔ)上發(fā)展起來的遙感機(jī)理模型，模型的詳細(xì)描述請參見文獻(xiàn)[22-23]。該模型最初采用分辨率為1 km的MODIS遙感數(shù)據(jù)，對加拿大北方森林生態(tài)系統(tǒng)的NPP進(jìn)行模擬。該模型綜合運(yùn)用了生態(tài)學(xué)、生物物理學(xué)、植物生理學(xué)、氣象學(xué)和水文學(xué)的方法來模擬植物的光合作用、呼吸作用、碳分配、水分平衡和能量平衡等關(guān)系。模型最主要特點(diǎn)是將遙感數(shù)據(jù)與機(jī)理性生態(tài)模型有機(jī)地結(jié)合起來，模擬總初級生產(chǎn)力(GPP)和凈初級生產(chǎn)力(NPP)。模型的NPP計(jì)算過程采用如下公式。

GPP=Acanppy×Lday×FGPP；

(1)

Acanopy=AsunILAsun+AshadeILAshade；

(2)

ILAsun=2coxθ(1-exp(-0.5ΩILA/cosθ))；

(3)

ILAshade=ILA-ILAsun。

(4)

式中：Acanopy表示冠層總光合作用速率；Lday表示日長；FGPP表示光合作用轉(zhuǎn)換為GPP的比例因子；ASUN和Ashade分別表示陽生葉和陰生葉的光合作用速率；ILAsun、ILAshade分別表示陽生葉和陰生葉的葉面積指數(shù)；θ為太陽天頂角；Ω為聚集度指數(shù)。

NPP=GPP-Ra;

(5)

Ra=Rm+Rg=∑Rm,i+Rg,i;

(6)

(7)

Rg,i=rg,ira,iGPP。

(8)

式中：Ra表示植物自養(yǎng)呼吸；Rm表示植物維持性呼吸；Rg表示植物生長性呼吸；Rm,i和Rg,i分別表示植物器官i維持性呼吸和生長性呼吸；Mi表示植物器官i的碳質(zhì)量分?jǐn)?shù)；rm,i是植物器官i的維持性呼吸系數(shù)；rg,i表示植物器官i生長性呼吸系數(shù)；ra,i表示生物量在植物器官i分配的比例因子；Q10,i是溫度影響因子(植物器官不同值不同)；i表示植物的不同器官(1為葉，2為莖，3為根)；T表示溫度；Tb表示基溫。根據(jù)有關(guān)研究，植物生長性呼吸占GPP的25%[24]。

2.3 參數(shù)設(shè)置

BEPS模型是基于植被的光合及呼吸作用過程建立的生態(tài)過程模型，模型參數(shù)基本不受地域限制。結(jié)合哈爾濱市條件，本研究采用文獻(xiàn)法、實(shí)測法對模型參數(shù)進(jìn)行修正和設(shè)置(見表1)。

表1 BEPS模型參數(shù)

3 結(jié)果與分析

3.1 通量數(shù)據(jù)驗(yàn)證

站點(diǎn)的通量數(shù)據(jù)為NEE數(shù)據(jù)，NEE和凈生態(tài)系統(tǒng)生產(chǎn)力(NEP)在數(shù)值上相等，只是符號相反。NEP扣除土壤呼吸為NPP。由于帽兒山植被比較繁茂,土壤呼吸相對較小，NEP與NPP可近似看做相等。因此，可直接采用NEE數(shù)據(jù)對模擬的NPP數(shù)據(jù)進(jìn)行驗(yàn)證。驗(yàn)證方法為：將通量站點(diǎn)測定的模型的參數(shù)(太陽輻射、風(fēng)速、降水、相對濕度、氣溫、飽和蒸汽壓差)帶入到模型中來計(jì)算通量站點(diǎn)的森林生態(tài)系統(tǒng)的日NPP，并與日NEE數(shù)據(jù)進(jìn)行比較?？傮w上模型估算日NPP與站點(diǎn)觀測的日NEE的R2在0.82～0.91波動(dòng)，估算NPP的均方根誤差(RMSE)0.30～1.40 g·m-2·d-1波動(dòng)，模型估算的NPP與站點(diǎn)的NEE數(shù)據(jù)之間相關(guān)系數(shù)為0.86，說明模型估算的NPP與站點(diǎn)的NEE數(shù)據(jù)高度相關(guān)，同時(shí)也能夠說明BEPS模型能夠較好地估算哈爾濱市植被NPP。

MODIS的NPP產(chǎn)品是目前應(yīng)用最廣泛的NPP數(shù)據(jù)產(chǎn)品，因此將本研究估算的NPP與MODIS的NPP數(shù)據(jù)進(jìn)行比較，比較結(jié)果如圖4所示。本研究估算的NPP與MODIS的NPP數(shù)據(jù)具有很好的相關(guān)性，R2達(dá)到了0.546。從圖4也可以看出，估算的NPP高于MODIS的NPP數(shù)據(jù)，其最主要的原因是MODIS的NPP數(shù)據(jù)計(jì)算采用的MODIS的LAI受云層的影響比較嚴(yán)重，LAI值比較低，導(dǎo)致MODIS的NPP值比較低。

圖4 BEPS模型估算的NPP與MOIDS的NPP數(shù)據(jù)的關(guān)系

3.2 哈爾濱市年NPP空間分布規(guī)律

由圖5可知，哈爾濱市大部分植被NPP都在500 g·m-2·a-1以下，主要原因是哈爾濱大部分土地覆蓋類型為農(nóng)田；哈爾濱市北部、中部、西南部NPP比較高，個(gè)別區(qū)域NPP達(dá)到了1 000 g·m-2·a-1以上，主要原因是哈爾濱北部、中部及西南部土地覆蓋類型主要為森林，森林的NPP高于農(nóng)田的NPP。

哈爾濱市各個(gè)縣市區(qū)的NPP年積累量如圖6所示。哈爾濱市NPP年積累量為2.43×1013g·a-1。哈爾濱市南部的尚志市和北部的通河縣NPP年積累量最高，分別為4.57×1012、3.98×1012g·a-1；哈爾濱西部的呼蘭區(qū)及哈爾濱市區(qū)NPP年積累量最低，分別為8.50×1011、4.80×1011g·a-1。哈爾濱市各個(gè)縣市區(qū)對NPP貢獻(xiàn)率最高的是尚志市，其貢獻(xiàn)率為19%；貢獻(xiàn)率最低的是哈爾濱市區(qū)，其貢獻(xiàn)率為2%。尚志市森林的NPP年積累量最高為3.03×1012g·a-1，五常市農(nóng)田的NPP年積累量最高為1.63×1012g·a-1。結(jié)合哈爾濱市NPP的空間分布圖(圖5)，可看出NPP貢獻(xiàn)率高低的分布趨勢與哈爾濱市NPP空間分布一致。

圖5 哈爾濱市NPP空間分布圖

圖6 哈爾濱市各個(gè)縣市區(qū)年NPP積累量

3.3 哈爾濱市NPP月積累量空間分布

哈爾濱市2011年1—12月的NPP月積累量分布圖(圖7)，可反映哈爾濱市NPP的年內(nèi)及季節(jié)變化特征。哈爾濱市NPP有明顯的季節(jié)性變化特征，第一、四季度的NPP值比第二、三季度值低了大概兩個(gè)數(shù)量級，主要是因?yàn)榇蟛糠諲PP都是第二、三季度積累的，6—8月份NPP明顯高于其他月份，這種季節(jié)性的分布主要原因是夏季降水量比較大，遙感獲得的LAI最大值出現(xiàn)在夏季。NPP最高值出現(xiàn)在6月份，NPP值大部分在100～200 g·m-2·月-1，主要原因是6月份是森林進(jìn)行光合作用的最佳條件。1、2、3、4、11、12月份NPP月累積量較低，不同土地覆蓋類型的NPP基本無變化。6—9月份NPP積累量較高，不同土地覆蓋類型的NPP值明顯不同。

3.4 不同植被類型NPP月變化規(guī)律

哈爾濱市植被類型劃分為針葉林、闊葉林、混交林、農(nóng)田4種類型。4種植被類型年NPP均值由大到小依次為：闊葉林、混交林、針葉林、農(nóng)田(見表2)，森林年NPP均值(639 g·m-2·a-1)明顯高于農(nóng)田(389 g·m-2·a-1)；相同植被類型農(nóng)田NPP差距最小，混交林差距最大。

圖7 哈爾濱市NPP月積累量空間分布

4種植被類型月NPP均呈現(xiàn)明顯的單峰形態(tài)，且在1—3月份及11、12月份NPP月積累平均值均接近于0值(見圖8)。

圖8 不同植被類型的NPP月均值趨勢圖

4月份除了針葉林及農(nóng)田有很少的NPP月積累量，闊葉林和混交林仍接近0值。這與植物的生長特性有關(guān)，在這6個(gè)月份里，月平均溫度3 ℃，不能滿足植物正常生長的條件。從5月份開始，隨著哈爾濱市溫度逐漸升高，4種植被類型NPP月均值都有明顯增長。進(jìn)入6月份后，哈爾濱市月降水量增加，月平均溫度升高，此時(shí)外界水熱條件非常適合植物生長，4種植被類型NPP月均值增長速度最快。7月份農(nóng)田、針葉林、闊葉林、混交林的NPP月均值及總的NPP月均值達(dá)到最高值，分別為108、123、211、187、139 g·m-2·月-1。8月份，隨著溫度升的越高，及降水減少，抑制了植物的生長，NPP月積累均值有部分下降。9、10月份，隨著溫度降低，哈爾濱進(jìn)入秋季，NPP月積累均值開始逐漸下降。

表2 不同土地覆蓋類型年NPP積累值g·m-2·a-1

4 結(jié)論與討論

與經(jīng)驗(yàn)?zāi)Ｐ拖啾萚5-7]，本研究融合了多源數(shù)據(jù)(TM遙感數(shù)據(jù)、MODIS數(shù)據(jù)、氣象數(shù)據(jù)等)作為模型的輸入數(shù)據(jù)，來估算城市凈初級生產(chǎn)力具有以下幾個(gè)優(yōu)點(diǎn)：(1)遙感數(shù)據(jù)被充分利用獲取更加詳盡的NPP的空間分布，可為森林資源管理及作物估產(chǎn)提供幫助；(2)土地覆蓋類型和LAI二者在生態(tài)系統(tǒng)中都是動(dòng)態(tài)變化的，實(shí)時(shí)遙感數(shù)據(jù)能夠檢測到這些變化，對NPP的精確計(jì)算非常重要；(3)氣象和其他環(huán)境變量都能被融合到模型中，能夠研究大區(qū)域NPP的季節(jié)、年度的變化特性和氣候變化對生態(tài)系統(tǒng)的影響；(4)獲得了高空間分辨率(30 m)的NPP數(shù)據(jù)，為城市的生態(tài)建設(shè)提供基礎(chǔ)數(shù)據(jù)。

不同研究者利用不同生態(tài)模型對針葉林、闊葉林、混交林的NPP進(jìn)行了模擬，其研究結(jié)果表明：針葉林NPP范圍是345～585 g·m-2·a-1，闊葉林NPP范圍是422～870 g·m-2·a-1，模擬的混交林NPP范圍是343～928 g·m-2·a-1[27-29]。本研究估算的針葉林、闊葉林、針闊混交林的NPP均在各個(gè)研究者的估算結(jié)果范圍內(nèi)，說明估算結(jié)果比較合理。模型的驗(yàn)證對于生態(tài)系統(tǒng)碳循環(huán)模型的發(fā)展非常重要，但是相對于建立模型的研究，為驗(yàn)證模型結(jié)果的正確性所做的工作卻很少。

本研究應(yīng)用BEPS模型，對中國北方典型城市-哈爾濱市NPP的時(shí)空分布進(jìn)行研究，對其時(shí)空變化進(jìn)行分析，明確其空間分布及變化方向，為預(yù)測未來哈爾濱市陸地生態(tài)系統(tǒng)碳匯能力提供理論依據(jù)，為科學(xué)合理的保護(hù)和利用北方城市林業(yè)、農(nóng)業(yè)等資源提供參考。主要研究結(jié)論有：(1)哈爾濱北部及西南部NPP值比較高，哈爾濱西部及東北部NPP值比較低，主要與土地覆蓋類型有關(guān)；(2)哈爾濱市年NPP積累總量為2.43×1013g·a-1，NPP年平均值為511 g·m-2·a-1，最大值為931 g·m-2·a-1，最小值為239 g·m-2·a-1；(3)哈爾濱市的NPP積累主要在7、8月份，NPP年積累值在7月份達(dá)到最高值；(4)哈爾濱市各個(gè)縣市區(qū)對NPP貢獻(xiàn)率最高的是尚志市，貢獻(xiàn)率為19%，貢獻(xiàn)率最低的是哈爾濱市區(qū)，貢獻(xiàn)率為2%；(5)哈爾濱市各個(gè)縣市區(qū)內(nèi)，尚志市森林的NPP年積累量最高為3.03×1012g·a-1，五常市農(nóng)田的NPP年積累量最高為1.63×1012g·a-1。

[1] LEITH H, WHITTAKER R H. Primary Productivity of the Biosphere[M]. Berlin, Germany: Springer-Verlag,1975.

[2] PIAO S L, FANG J Y, CHEN A P. Seasonal dynamics of terrestrial net primary production in response to climate changes in China[J]. Acta Botanica Sinica,2003,45(3):269-275.

[3] 林文鵬,王臣立,趙敏,等.基于森林清查和遙感的城市森林凈初級生產(chǎn)力估算[J].生態(tài)環(huán)境學(xué)報(bào),2008,17(2):766-770.

[4] 劉海桂,唐旭利,周國逸,等.1981～2000年廣東省凈初級生產(chǎn)力的時(shí)空格局[J].生態(tài)學(xué)報(bào),2007,27(10):4065-4074.

[5] 王倫澈,龔?fù)?張淼,等.武漢地區(qū)植被NPP動(dòng)態(tài)監(jiān)測研究[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2013,38(5):548-552.

[6] 谷家川,彭豐,沈非,等.基于CASA模型的皖江城市帶植被凈初級生產(chǎn)力時(shí)空變化特征研究[J].安徽師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,37(4):371-377.

[7] 胡小飛,唐憲,胡月明,等.廣州市城市森林凈初級生產(chǎn)力遙感估算[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2016,36(5):19-25.

[8] 王修信,孫濤,朱啟疆,等.利用BEPS模型估算城區(qū)植被凈初級生產(chǎn)力的時(shí)空變化[J].干旱區(qū)資源與環(huán)境,2014,28(11):1-5.

[9] 劉志斌,劉茂松,徐馳,等.江陰市植被凈初級生產(chǎn)力及碳匯價(jià)值分析[J].南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2007,31(3):139-142.

[10] ZHOU Y, XING B, JU W. Assessing the impact of urban sprawl on net primary productivity of terrestrial ecosystems using a process-based model： A case study in nanjing, China[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing,2015,8(5):2318-2331.

[11] 袁甲,沈非,王甜甜,等.2000-2010年皖江城市帶土地利用/覆被變化對區(qū)域凈初級生產(chǎn)力的影響[J].水土保持研究,2016,23(5):245-250.

[12] 張娜,毛飛躍,龔?fù)?2009年武漢市植被凈初級生產(chǎn)力估算[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2011,36(12):1447-1450.

[13] MILESI C, ELVIDGE C D, NEMANI R R, et al. Assessing the impact of urban land development on net primary productivity in the southeastern United States[J]. Remote Sensing of Environment,2003,86(3):401-410.

[14] IMHOFF M L, BOUNOUA L, DEFRIES R, et al. The consequences of urban land transformation on net primary productivity in the United States[J]. Remote Sensing of Environment,2004,89(4):434-443.

[15] PAZ-KAGAN T, SHACHAK M, ZAADY E, et al. Evaluation of ecosystem responses to land-use change using soil quality and primary productivity in a semi-arid area, Israel[J]. Agriculture Ecosystems & Environment,2014,193:9-24.

[16] HONG W, LI X B, LONG H L, et al. Monitoring the effects of land use and cover changes on net primary production: a case study in China’s Yongding River basin[J]. Forest Ecology & Management,2009,258(12):2654-2665.

[17] YU D, SHAO H, SHI P, et al. How does the conversion of land cover to urban use affect net primary productivity? A case study in Shenzhen city, China[J]. Agricultural & Forest Meteorology,2009,149(11):2054-2060.

[18] CHEN J M, DENG F, CHEN M. Locally adjusted cubic-spline capping for reconstructing seasonal trajectories of a satellite-derived surface parameter[J]. IEEE Transactions on Geoscience and Remote Sensing,2006,44(8):2230-2238.

[19] 盧偉,范文義.中小區(qū)域尺度時(shí)間序列林地LAI快速估測方法[J].農(nóng)業(yè)工程學(xué)報(bào),2016,32(5):188-193.

[20] HUTCHINSON M F. Interpolating mean rainfall using thin plate smoothing splines[J]. International Journal of Geographical Information Science,1995,9(4):385-403.

[21] LIU J, CHEN J M, CIHLAR J. Net primary productivity mapped for Canada at 1 km resolution[J]. Global Ecology and Biogeography,2002,11(2):115-129.

[22] CHEN J M, CHEN X, JU W, et al. A remote sensing-driven distributed hydrological model: Mapping evapotranspiration in a forested watershed[J]. Journal of Hydrology,2005,305(1):15-39.

[23] CHEN J M, LIU J, LEBLANC S G, et al. Multi-angular optical remote sensing for assessing vegetation structure and carbon absorption[J]. Remote Sensing of Environment,2003,84(4):516-525.

[24] RUNNING S W, COUGHLAN J C. A general model of forest ecosystem processes for regional applications. I. Hydrologic balance, canopy gas exchange and primary production processes[J]. Ecological Modelling,1988,42(2):125-154.

[25] 盧偉,范文義,田甜.基于東北溫帶落葉闊葉林通量數(shù)據(jù)的BEPS模型參數(shù)優(yōu)化[J].應(yīng)用生態(tài)學(xué)報(bào),2016,27(5):1353-1358.

[26] KIMBALL J S, THORNTON P E, WHITE M A, et al. Simulating forest productivity and surface-atmosphere carbon exchange in the BOREAS study region[J]. Tree Physiology,1997,17(8):589-599.

[27] 樸世龍,方精云,郭慶華.利用CASA模型估算我國植被凈第一性生產(chǎn)力[J].植物生態(tài)學(xué)報(bào)，2001，25(5):603-608.

[28] 何勇,董文杰,季勁均,等.基于AVIM的中國陸地生態(tài)系統(tǒng)凈初級生產(chǎn)力模擬[J].地球科學(xué)進(jìn)展，2005,20(3):345-349.

[29] 陶波,李克讓,邵雪梅,等.中國陸地凈初級生產(chǎn)力時(shí)空特征模擬[J].地理學(xué)報(bào),2003，58(3):372-380.

1)國家自然科學(xué)基金項(xiàng)目(31300533)。

毛學(xué)剛，男，1981年9月生，東北林業(yè)大學(xué)林學(xué)院，講師。E-mail：maoxuegang@aliyun.com。

2017年3月5日。

S718.5

Simulation and Analysis of Net Primary Productivity in Harbin with Ecological Process Model//Mao Xuegang, Chen Wenqu(Northeast Forestry University, Harbin 150040, P. R. China); Hu Shen, Liu Jun(Research Institute of Forestry, State Forestry Administration)//Journal of Northeast Forestry University，2017,45(7)：55-60.

責(zé)任編輯：王廣建。

With Landsat-5 TM remote sensing data, MODIS LAI data and meteorological data in Harbin, we built the simulation model of productivity in forest ecosystems based on process simulation (BEPS), NPP spatial distribution map of Harbin City, and analyzed the spatial-temporal changes of NPP. The values of net primary productivity (NPP) in the north and southwest of Harbin were relatively high, and the NPP values in the west and northeast of Harbin were relatively low. In Harbin, in 2011 NPP cumulative total was 2.427×1013g/a, NPP average was 511 g/(m2·a). NPP of Harbin accumulated mainly in July and August, and the cumulative value of NPP reached the highest value in July. The BEPS model can be used to estimate the vegetation NPP in Harbin by using flux data and NPP MODIS.