地震災(zāi)區(qū)植被凈初級(jí)生產(chǎn)力恢復(fù)效應(yīng)評(píng)價(jià)

李福根, 辛?xí)灾? 李小軍

(1.中國科學(xué)院 遙感與數(shù)字地球研究所遙感科學(xué)國家重點(diǎn)實(shí)驗(yàn)室, 北京 100101; 2.中國科學(xué)院大學(xué), 北京 100049)

地震災(zāi)區(qū)植被凈初級(jí)生產(chǎn)力恢復(fù)效應(yīng)評(píng)價(jià)

李福根1,2, 辛?xí)灾?, 李小軍1,2

(1.中國科學(xué)院 遙感與數(shù)字地球研究所遙感科學(xué)國家重點(diǎn)實(shí)驗(yàn)室, 北京 100101; 2.中國科學(xué)院大學(xué), 北京 100049)

地震等重大災(zāi)害的發(fā)生，對(duì)區(qū)域植被及生態(tài)環(huán)境造成了巨大破壞，植被凈初級(jí)生產(chǎn)力(net primary productivity，NPP)能夠反映綠色植物的生長狀況，進(jìn)行地震災(zāi)區(qū)植被NPP恢復(fù)效應(yīng)評(píng)價(jià)，對(duì)掌握震后植被恢復(fù)情況和變化趨勢具有指導(dǎo)意義。以“5·12”汶川大地震的極重災(zāi)區(qū)為研究區(qū)，選擇地震前后3個(gè)時(shí)期的TM及MODIS衛(wèi)星遙感數(shù)據(jù)，結(jié)合氣象資料等其他數(shù)據(jù)，利用改進(jìn)的CASA模型估算了災(zāi)區(qū)前后三年植被NPP。結(jié)果表明，災(zāi)后2009年植被NPP總量為9.827億gC/a，相比災(zāi)前2007年減少了31.99%，2011年恢復(fù)期相比2009年增長了28.55%，但仍比2007年低12.57%，震后兩年，災(zāi)區(qū)植被凈初級(jí)生產(chǎn)力有所恢復(fù)，但未達(dá)到震前水平；從植被NPP空間分布來看，離地震中心越近的地方，植被NPP受到的削減程度越大，其恢復(fù)能力越差；經(jīng)驗(yàn)證分析，評(píng)價(jià)結(jié)果具有較高的可信度，可為相關(guān)部門制定災(zāi)區(qū)生態(tài)重建和生態(tài)恢復(fù)計(jì)劃與實(shí)施提供科學(xué)依據(jù)。

NPP; 遙感; GIS; CASA模型; 恢復(fù)效應(yīng)

植被凈初級(jí)生產(chǎn)力作為地表碳循環(huán)的重要組成成分，不僅反映了綠色植被在自然環(huán)境下的生產(chǎn)能力，而且還是判定生態(tài)系統(tǒng)碳匯和調(diào)節(jié)生態(tài)過程的重要因子[1]，它是指植物單位時(shí)間和單位面積由光合作用產(chǎn)生的有機(jī)物中扣除自養(yǎng)呼吸后的剩余部分[2-5]，表征了生態(tài)系統(tǒng)的質(zhì)量狀況。將GIS和RS技術(shù)與CASA模型相結(jié)合，對(duì)實(shí)現(xiàn)災(zāi)區(qū)植被凈初級(jí)生產(chǎn)力恢復(fù)效應(yīng)評(píng)價(jià)具有重要意義。2008年“5·12”汶川地震，引發(fā)了嚴(yán)重的生態(tài)系統(tǒng)損毀，大量的植被遭到破壞，導(dǎo)致環(huán)境惡化和自然災(zāi)害頻發(fā)[6]，因而進(jìn)行地震災(zāi)區(qū)植被凈初級(jí)生產(chǎn)力恢復(fù)效應(yīng)評(píng)價(jià)，掌握災(zāi)區(qū)植被恢復(fù)情況及變化趨勢，是災(zāi)區(qū)環(huán)保部門和有關(guān)決策部門迫切需要掌握的重要信息。

近年來，國內(nèi)外學(xué)者對(duì)植被NPP估算模型的研究層出不窮，從最初德國研究者Ebermayer提出的測定巴伐利亞叢林生產(chǎn)力的設(shè)想[7]到Miami模型和Thornthwaite Memorial模型的建立，植被凈初級(jí)生產(chǎn)力的研究逐漸得到全世界各國的高度關(guān)注。進(jìn)入21世紀(jì)，隨著“3S”技術(shù)的迅猛發(fā)展，尤其是遙感技術(shù)在獲取地表植被動(dòng)態(tài)變化過程中扮演著重要的角色，相對(duì)于原始的實(shí)地測定工作節(jié)約了大量的人力、財(cái)力和物力，使得利用遙感技術(shù)估算植被NPP成為現(xiàn)階段研究的焦點(diǎn)。20世紀(jì)70年代我國植被NPP研究逐步展開，1988年國內(nèi)建立了陸地生態(tài)系統(tǒng)的研究網(wǎng)絡(luò)，為開展植被NPP估算和分析奠定了基礎(chǔ)，在CASA模型的基礎(chǔ)上，利用遙感數(shù)據(jù)和GIS技術(shù)，對(duì)不同區(qū)域的植被凈初級(jí)生產(chǎn)力研究很多[8-10]，然而，對(duì)受地質(zhì)災(zāi)害影響導(dǎo)致植被凈初級(jí)生產(chǎn)力嚴(yán)重降低的災(zāi)區(qū)的研究尚為少見。

本研究通過對(duì)原CASA模型改進(jìn)的基礎(chǔ)上，結(jié)合GIS和RS技術(shù)，選擇汶川地震極重災(zāi)區(qū)為研究區(qū)，以Landsat5 TM和MODIS數(shù)據(jù)作為遙感數(shù)據(jù)，結(jié)合氣象資料等其他數(shù)據(jù)，定量估算了災(zāi)區(qū)2007年、2009年、2011年地震前后3個(gè)時(shí)段的植被凈初級(jí)生產(chǎn)力NPP，揭示了地震災(zāi)區(qū)植被生產(chǎn)力功能恢復(fù)效果和變化趨勢，為管理部門制定震后生態(tài)重建與恢復(fù)計(jì)劃提供科學(xué)依據(jù)。

1 研究區(qū)概況

選擇“5·12”汶川大地震中的汶川縣、北川縣等10個(gè)極重受災(zāi)行政區(qū)為研究區(qū)，其介于102°51′46″—105°37′12″E和30°48′8″—33°1′26″N，地理位置見圖1，總面積達(dá)2.58萬km2，地形復(fù)雜，氣候溫和，屬于北亞熱帶山地濕潤季風(fēng)氣候區(qū)，年降雨量為500～600 mm，年蒸發(fā)量為1 000～1 500 mm，具有降水次數(shù)多，強(qiáng)度小的特點(diǎn)。5—10月的降雨量占全年總降雨量的75%～90%之間。雨季正值植被生長季，雨水分配均勻，溫度適中，十分有利于植被生長[11]，典型植被是由冷杉(Abiesfabri (Mast.)Craib)，云杉(PiceaasperataMast.)，松樹(Pinus)等針葉樹種所組成的純林或混交林。植被分布呈現(xiàn)出明顯的垂直地帶性，在海拔1 300～2 200 m的河谷谷底，分布著干旱河谷灌叢；海拔1 600～2 000 m的河谷和陰坡，為殼斗科的常綠種類、樟科樹種以及槭樹(Acerspp.)，落葉櫟(Quercusspp.)等均構(gòu)成落葉闊葉與山地常綠闊葉混交林；海拔2 200～3 800 m地帶為亞高山暗針葉林；海拔3 800 m以上為高山草甸。本區(qū)地處長江上游，是長江中上游防護(hù)林體系工程建設(shè)、天然林資源保護(hù)工程等一系列大型生態(tài)建設(shè)工程的主體部分，這些大型工程建設(shè)體系形成了多樣化的森林生態(tài)系統(tǒng)，分布有王朗、白水河、雪寶頂?shù)缺姸鄧壹?jí)自然保護(hù)區(qū)，是研究植被NPP的天然實(shí)驗(yàn)室。

圖1研究區(qū)地理位置

2 數(shù)據(jù)獲取與處理

2.1 遙感數(shù)據(jù)源

本研究所用的遙感數(shù)據(jù)主要有Landsat5 TM影像和MOD13A3數(shù)據(jù)。TM影像時(shí)間分辨率為16 d，可見光波段空間分辨率為30 m，要覆蓋整個(gè)研究區(qū)范圍每個(gè)年份需要6景影像，每一期數(shù)據(jù)均進(jìn)行了幾何校正、輻射定標(biāo)、大氣校正、鑲嵌等預(yù)處理。MOD13A3是月合成的空間分辨率為1 km的MODIS植被指數(shù)產(chǎn)品，該產(chǎn)品已經(jīng)過幾何校正等預(yù)處理[12]，它包含增強(qiáng)型植被指數(shù)(Enhanced Vegetation Index，EVI)產(chǎn)品、歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)產(chǎn)品、紅光、近紅外、中紅外、藍(lán)光等波段反射率以及其他輔助信息，具有較高的精度和應(yīng)用價(jià)值[13]。上述遙感數(shù)據(jù)最后經(jīng)投影變換處理，選擇的投影方式為通用橫軸墨卡托投影(UTM)，統(tǒng)一像元大小為100 m，使數(shù)據(jù)具有一致性和可比性。

鑒于研究的目的，需要建立研究區(qū)土地利用分類體系，研究中采用最大似然分類算法對(duì)Landsat5 TM影像進(jìn)行監(jiān)督分類，參考國家頒布的“土地利用分類標(biāo)準(zhǔn)”[14]，并結(jié)合研究目和的研究區(qū)實(shí)際狀況，制定建設(shè)用地、喬木、灌叢、草地、園地、耕地、未利用地、水體8個(gè)類別的土地利用分類體系，不同類型地物的影像特征描述，見表1。

表1 TM影像上不同類型地物特征描述

注：特征描述是在TM4，5，3假彩色合成圖像上的描述。

根據(jù)上述地物的影像光譜特征，結(jié)合野外實(shí)地觀測資料，同時(shí)參考其他土地利用資料，在TM影像上進(jìn)行樣本訓(xùn)練，綜合考慮分類時(shí)間和分類精度等因素，每類地物均在影像上均勻的選擇50個(gè)感興趣區(qū)，最后執(zhí)行監(jiān)督分類并對(duì)分類結(jié)果進(jìn)行后處理和精度評(píng)定。本研究應(yīng)用混淆矩陣的Kappa系數(shù)來進(jìn)行分類精度的檢驗(yàn)，它是1960年Cohen提出的[15]，之后有許多學(xué)者在其算法和應(yīng)用方面做了大量工作，逐步發(fā)展成為遙感分類的主要精度評(píng)價(jià)方法，計(jì)算公式如下：

(1)

式中：K是Kappa系數(shù)；r是誤差矩陣的行數(shù)；xii是主對(duì)角線上的值；xi+和x+i是第i行的和與第i列的和；N是樣點(diǎn)總數(shù)。Kappa系數(shù)分析是評(píng)價(jià)分類精度的多元統(tǒng)計(jì)方法，它與分類精度的具體關(guān)系參考文獻(xiàn)[16]。本研究中得到的3個(gè)時(shí)段土地利用分類Kappa系數(shù)分別為77.34%，82.59%，83.61%，分類精度均處于較好或之上，分類結(jié)果見附圖8。

2.2 非遙感數(shù)據(jù)源

本研究用到的非遙感數(shù)據(jù)源主要是由中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(網(wǎng)址http:∥cdc.cma.gov.cn)提供的氣象資料，時(shí)間為2007年、2009年、2011年各個(gè)月份，數(shù)據(jù)內(nèi)容有太陽總輻射月值數(shù)據(jù)、氣溫月值數(shù)據(jù)、降雨量月值數(shù)據(jù)以及各氣象站的經(jīng)緯度數(shù)據(jù)，受到條件限制，再考慮到尺度效應(yīng)，這里獲得的太陽總輻射月值數(shù)據(jù)僅是由研究區(qū)及周邊17個(gè)太陽輻射氣象站提供的。而降水月值數(shù)據(jù)和氣溫月值數(shù)據(jù)是由研究區(qū)及其周邊31個(gè)氣象站提供，其空間位置分布見圖2。

計(jì)算光能利用率時(shí)需要有空間上能與遙感數(shù)據(jù)相匹配的柵格化數(shù)據(jù)。本研究利用GIS的空間插值方法，根據(jù)各氣象站點(diǎn)的經(jīng)緯度信息，通過對(duì)離散的氣象數(shù)據(jù)進(jìn)行克里金插值，獲得空間上連續(xù)并且像元大小與遙感影像一致、投影相同的氣象柵格圖。以2009年1月平均氣溫為例，見圖3，同理，太陽輻射月值數(shù)據(jù)、降雨月值數(shù)據(jù)亦是如此。

圖2 研究區(qū)及周邊氣象站位置分布

3 研究方法

研究中NPP估算方法是在CASA(Carnegie Ames Stanford Approach)模型改進(jìn)的基礎(chǔ)提出的，其總體技術(shù)路線見圖4。1993年，Potter等在前人的研究基礎(chǔ)上建立了CASA 模型[17]，該模型利用NDVI等遙感數(shù)據(jù)，實(shí)現(xiàn)了利用光能利用率原理的全球陸地植被NPP估算，它是通過植被吸收的光合有效輻射(APAR)和光能利用率(ε)二者的乘積來計(jì)算植被NPP的。

NPP(x,t)=APAR(x,t)×ε(x,t)

(2)

式中：x表示空間位置；t表示時(shí)間。APAR(x,t)表示像元x在t月份吸收的光合有效輻射；ε(x,t)表示像元x在t月份的實(shí)際光利用率。

總體技術(shù)路線可分為3個(gè)模塊，數(shù)據(jù)收集、數(shù)據(jù)處理計(jì)算和結(jié)果與分析，按照公式(1)，只要確定3個(gè)年份每個(gè)月的光合有效輻射(APAR)和實(shí)際光能利用率(ε)，就能計(jì)算出每個(gè)月的植被NPP值，再累加各個(gè)月(1—12月)的植被NPP得到不同年份植被NPP總量，路線中的關(guān)鍵點(diǎn)在于各個(gè)因子之間進(jìn)行計(jì)算時(shí)，需要統(tǒng)一像元大小和投影坐標(biāo)。

圖3 2009年1月平均氣溫分布

圖4 植被NPP估算總體技術(shù)路線

3.1 APAR的估算

太陽輻射能是綠色植物進(jìn)行光合作用的重要能量基礎(chǔ)，植物吸收太陽輻射能并在光合作用下合成自身所需的有機(jī)物，這部分太陽輻射能稱為光合有效輻射(APAR)，它是波長范圍處于可見光380～710 nm范圍的太陽能。光合有效輻射是由植被層對(duì)入射光合有效輻射的吸收比例和太陽能輻射總量二者共同決定的。其計(jì)算公式如下：

APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5

(3)

式中：SOL(x,t)表示t月在像元x處的太陽能輻射總量(MJ/m2)；FPAR(x,t)是植被層對(duì)入射光合有效輻射的吸收比例，常數(shù)0.5表示植被所能利用的太陽有效輻射占太陽總輻射的比例，F(xiàn)PAR計(jì)算公式參考文獻(xiàn)[17]。SOL(x,t)是由氣象站提供的太陽總輻射月值數(shù)據(jù)經(jīng)過插值而獲得的。

3.2 光能利用率ε的估算

光能利用率是進(jìn)行植被NPP估算的1個(gè)重要參數(shù)，它是指在一定時(shí)間范圍內(nèi)植被單位面積上生產(chǎn)的干物質(zhì)中所包含的化學(xué)潛能與同一時(shí)期投射到該面積上的光合有效輻射能之比[18]。CASA模型中認(rèn)為，只有在理想條件下植被才具有最大光能利用率，而在實(shí)際情況下最大光能利用率主要受水分和溫度的影響[17]，其計(jì)算公式如下：

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax

(4)

式中：Tε1(x,t)和Tε2(x,t)是溫度脅迫因子，表示溫度對(duì)光能利用率的脅迫作用；Wε(x,t)為水分脅迫因子，反映水分條件的影響；εmax是理想條件下的最大光能利用率(gC/MJ)，不同植被類型εmax的取值不同。溫度脅迫因子的確定方法參考文獻(xiàn)[17]，水分脅迫因子Wε(x,t)計(jì)算公式參考文獻(xiàn)[17,19-21]。CASA模型中全球植被的最大光能轉(zhuǎn)化率取值為0.389 gC/MJ。

3.3 CASA模型的修訂

CASA模型是應(yīng)用于全球尺度上的植被NPP估算，而本次研究的區(qū)域是汶川地震中的極重災(zāi)區(qū)，該研究區(qū)相對(duì)于全球范圍來說為較小尺度，直接照搬原CASA模型將存在一些問題。另外，CASA模型使用的遙感數(shù)據(jù)是NOAA/AVHRR數(shù)據(jù)，而本研究使用的遙感數(shù)據(jù)是MODIS數(shù)據(jù)，相比于NOAA/AVHRR數(shù)據(jù)，MODIS數(shù)據(jù)具有更高的空間分辨率和數(shù)據(jù)質(zhì)量[22]，因此在對(duì)地震災(zāi)區(qū)植被凈初級(jí)生產(chǎn)力估算之前，要對(duì)CASA模型的一些參數(shù)以及計(jì)算方法進(jìn)行進(jìn)一步的修訂，以便提高CASA模型在較小尺度應(yīng)用的適應(yīng)性以及植被NPP估算結(jié)果的準(zhǔn)確性。研究中對(duì)以下參數(shù)進(jìn)行了修訂：

(1) 對(duì)FPAR進(jìn)行修訂。本研究采用MODIS數(shù)據(jù)產(chǎn)品MOD15的光合有效輻射算法中設(shè)計(jì)的NDVI-FPAR查找表法來計(jì)算植被層對(duì)入射光合有效輻射的吸收比例FPAR，公式如下[23]：

(5)

式中：FPAR(x,t)表示t月份像元x處的植被層對(duì)入射光合有效輻射的吸收比例；NVDI(x,t)表示t月份像元x處的NDVI值。

(2) 對(duì)εmax進(jìn)行修訂。εmax是估算植被NPP的1個(gè)重要影響因子，一直以來學(xué)者們對(duì)它的取值有很大爭議，本研究采用朱文泉(2006年)模擬的中國典型植被的εmax數(shù)據(jù)作為研究區(qū)主要類型植被的εmax[24]，其他類型地物的εmax仍采用CASA模型中εmax的固定值0.389 gC/MJ，從而確定地震災(zāi)區(qū)各種類型地物的εmax。

3.4 NPP估算方法的驗(yàn)證

由于研究區(qū)內(nèi)NPP實(shí)測數(shù)據(jù)甚少，因而將從以下方面對(duì)估算結(jié)果進(jìn)行比較與驗(yàn)證：(1) 與其他人研究結(jié)果比較；(2) 與其他模型估算結(jié)果比較。首先，與其他人的研究結(jié)果進(jìn)行比較。由于研究區(qū)域大小不一樣，以及土地利用類型劃分種類不一致，因而僅對(duì)主要植被類型的年平均NPP進(jìn)行簡單比較，見表2。

從表中可以看出本研究估算的各種類型植被NPP年均值和其他研究者的估算值相差不大，其中，關(guān)于朱文泉的CASA模型、陶波的CEVSA模型的NPP估算數(shù)據(jù)都是全國尺度范圍的數(shù)據(jù)，相對(duì)來說，本研究區(qū)尺度較小且不同區(qū)域植被類型和種類存在著明顯差異，驗(yàn)證結(jié)果僅作為一個(gè)參考。進(jìn)一步和劉勇洪等人對(duì)于華北地區(qū)植被NPP估算結(jié)果進(jìn)行對(duì)比，發(fā)現(xiàn)耕地和草地的NPP值略高，但耕地與朱文泉的研究結(jié)果較為接近，草地可能由于研究中將裸地歸為草地，增大了草地的NPP值。另外，本研究估算的植被NPP均值與李貴才的估算均值最為接近，處在劉勇洪估算的植被NPP均值范圍內(nèi)，估算結(jié)果具有較高的準(zhǔn)確性。

表2 改進(jìn)CASA模型與其他研究者估算結(jié)果的比較 gC/(m2·a)

數(shù)據(jù)來源：李貴才，中國地區(qū)[25]；劉勇洪，華北地區(qū)[26]；朱文泉，中國地區(qū)[18]；陶波，中國地區(qū)[27]。

其次，與其他模型估算值比較。本研究通過將估算結(jié)果與氣候相關(guān)性統(tǒng)計(jì)模型Thornthwaite Memorial模型和Miami模型的植被NPP估算值進(jìn)行比較來對(duì)改進(jìn)CASA模型進(jìn)行驗(yàn)證，見表3，兩種模型的具體原理見參考文獻(xiàn)[28-29]，結(jié)合表可以看出不同模型對(duì)災(zāi)區(qū)植被NPP的估算結(jié)果不同。整體而言，改進(jìn)CASA模型估算的不同類型植被的NPP值小于Miami模型和Thornthwaite Memorial模型的估算結(jié)果，并且Miami模型和Thornthwaite Memorial模型估算的不同植被類型NPP之間也有差異，但3個(gè)模型的NPP均值卻非常接近。

表3 改進(jìn)CASA模型與其他模型估算結(jié)果的比較 gC/(m2·a)

通過研究區(qū)內(nèi)均勻分布的樣本點(diǎn)，還分別研究了改進(jìn)CASA模型與Thornthwaite Memorial模型和Miami模型之間的相關(guān)性。結(jié)果表明，改進(jìn)CASA模型與Thornthwaite Memorial模型估算的研究區(qū)NPP值具有良好的相關(guān)性，數(shù)據(jù)較為集中，相關(guān)系數(shù)達(dá)0.938 2，而與Miami模型相關(guān)性稍差，估算結(jié)果整體較差，相關(guān)系數(shù)僅為0.694 3。這是因?yàn)镸iami模型僅僅考慮了溫度和降水對(duì)NPP的影響，而Thornthwaite Memorial模型和本研究的CASA模型除了考慮了溫度和降水外，還考慮了實(shí)際蒸散量，因而二者相關(guān)性較好(圖5)。

圖5改進(jìn)CASA模型與ThornthwaiteMemorial模型或Miami模型的相關(guān)性分析

從以上結(jié)果可以看出，3種不同模型估算的研究區(qū)NPP值之間均存在一定的差異。其原因如下：一是模型之間的自身差異。Miami模型和Thornthwaite Memorial 模型考慮的因子相對(duì)簡單，生態(tài)理論基礎(chǔ)相對(duì)薄弱，而本研究中改進(jìn)的CASA 模型為光能利用率模型，它是建立在植物光合作用過程和光能利用率的概念上，以植被光合作用機(jī)理作為基礎(chǔ)，生態(tài)理論較強(qiáng)；二是不同模型所使用的參數(shù)存在差異。Miami模型和Thornthwaite Memorial模型是植被生產(chǎn)力與環(huán)境因子的回歸，忽略了植被覆蓋類型等其他因子對(duì)NPP估算值的影響。而本研究采用的方法是在利用遙感數(shù)據(jù)提取地表植被覆蓋信息的基礎(chǔ)上計(jì)算的地震災(zāi)區(qū)植被NPP，除了溫度和降水外，同時(shí)考慮了太陽輻射等眾多因子對(duì)植被的影響，能比較真實(shí)地反映研究區(qū)植被NPP的時(shí)空分布狀況，故更接近于實(shí)際的植被NPP值。

4 結(jié)果與分析

根據(jù)公式(5)，分別計(jì)算不同年份1—12月植被層對(duì)入射光合有效輻射的吸收比例FPAR，再由公式(3)，(4)并結(jié)合文獻(xiàn)[21]，計(jì)算不同年份各個(gè)月植被吸收的光合有效輻射APAR和實(shí)際光能利用率ε，按照公式(2)得到各個(gè)月的植被NPP值，最后將不同月份的植被NPP累加得震前2007年，震后2009年，恢復(fù)期2011年植被NPP總量，結(jié)果見圖6，其中黑色表示植被NPP值高，白色表示值低。

圖6 研究區(qū)植被NPP空間分布

由圖簡單計(jì)算看出，震前單位面積植被NPP最大值為1 037.060 gC/(m2·a)，震后單位面積植被NPP最大值比震前減少313.672 gC/(m2·a)，而恢復(fù)期植被NPP單位面積最大值比震后增加200.041 gC/(m2·a)，但仍比震前低113.631 gC/(m2·a)，單從這一方面看，研究區(qū)地震前后植被NPP是處于先降低再上升這一狀態(tài)；從植被NPP變化情況來看，圖(B)相比圖(A)，白色區(qū)域面積明顯增加，表明汶川地震很大程度上降低了研究區(qū)植被NPP，而圖(C)較圖(B)黑色區(qū)域面積有所增加，說明地震過后兩年植被NPP有所增加。

對(duì)植被NPP估算結(jié)果進(jìn)行統(tǒng)計(jì)分析，總面積2.58萬km2的研究區(qū)內(nèi)，2007年區(qū)域植被NPP平均值為581.873 gC/(m2·a)，年NPP總量為14.452億gC/(m2·a)；2009年植被NPP平均值比2007年減少181.065 gC/(m2·a)，年NPP總量為9.828億gC/(m2·a)，減少了31.99%；2011年植被NPP平均值為510.585 gC/(m2·a)，相比2009年，植被NPP總量增加了28.55%，但仍比2007年低12.57%，植被NPP有所恢復(fù)，從災(zāi)區(qū)3個(gè)時(shí)間節(jié)點(diǎn)植被NPP標(biāo)準(zhǔn)差來看，地震導(dǎo)致區(qū)域植被NPP方差變小，經(jīng)過兩年恢復(fù)，植被NPP趨于穩(wěn)定，見表4。

表4 地震前后3個(gè)時(shí)期植被NPP

由于不同地區(qū)地理位置、地形地貌差異，加上降水、溫度、太陽輻射等氣象因素的影響，造就不同的區(qū)域環(huán)境，使得不同區(qū)域植被NPP值產(chǎn)生一定的空間差異性，按照研究區(qū)的行政區(qū)劃統(tǒng)計(jì)植被NPP的空間分布情況，見表5。

表5 地震前后不同區(qū)域植被NPP貢獻(xiàn)量統(tǒng)計(jì)

從表5可以看出，3個(gè)年份平武縣植被NPP總量始終處于最高，各個(gè)年份均占到了研究區(qū)NPP總量的25%以上；其次為茂縣和汶川縣，分別占到了研究區(qū)NPP總量的15%和13%左右；而占全區(qū)域NPP總量最少的是什邡市，僅占不到總量的3%。地震災(zāi)區(qū)各行政區(qū)NPP分布格局主要是和植被分布有關(guān)，平武縣，位于四川綿陽北部，其轄區(qū)內(nèi)有王朗自然保護(hù)區(qū)、泗耳自然保護(hù)區(qū)、小河溝自然保護(hù)區(qū)、龍池坪森林公園等自然保護(hù)區(qū)，全縣森林覆蓋率達(dá)40.6%，茂縣和汶川縣等地森林資源豐富，植被覆蓋度高，而什邡市面積較小，并且大部分為城鎮(zhèn)用地，植被分布較少，因而植被NPP較低。再者，2009年各個(gè)地區(qū)NPP總量均低于2007年和2011年的NPP值，表明在遭遇強(qiáng)烈的地震災(zāi)害后，各個(gè)行政區(qū)植被均遭受一定程度上的破壞，并且可以得出在植被越密集的地區(qū)這種破壞表現(xiàn)的越發(fā)明顯。而2011年各地區(qū)NPP總量雖高于2009年但仍然低于2007年的正常水平，這說明，災(zāi)區(qū)植被凈初級(jí)生產(chǎn)力有所恢復(fù)但未達(dá)震前水平。

5 結(jié) 論

(1) 災(zāi)后2009年植被NPP總量為9.827億gC/a，相比災(zāi)前2007年減少了31.99%，2011年恢復(fù)期相比2009年增長了28.55%，但仍比2007年低12.57%，震后兩年，災(zāi)區(qū)植被凈初級(jí)生產(chǎn)力有所恢復(fù)，但未達(dá)到震前水平；

(2) 從不同區(qū)縣的統(tǒng)計(jì)結(jié)果來看，離地震中心越近的地方，植被遭受的破壞程度越大，植被凈初級(jí)生產(chǎn)力受到的削減程度越大，其恢復(fù)能力也越差，這與實(shí)際相符，因而，應(yīng)當(dāng)重點(diǎn)加強(qiáng)對(duì)震中及其周邊地區(qū)的改善。

(3) 對(duì)比其他人的研究成果以及不同模型的估算結(jié)果，本研究提出的改進(jìn)CASA模型在估算地震災(zāi)區(qū)植被NPP上，具有一定的可靠性。與傳統(tǒng)方法相比較，基于GIS和RS的植被NPP估算方法具有省時(shí)、經(jīng)濟(jì)等特點(diǎn)，通過該種技術(shù)手段，結(jié)合遙感、氣象等實(shí)測數(shù)據(jù)，本研究對(duì)由地質(zhì)災(zāi)害誘發(fā)植被凈初級(jí)生產(chǎn)力破壞極為嚴(yán)重的災(zāi)區(qū)進(jìn)行了創(chuàng)新性研究，對(duì)比地震前后3個(gè)階段，從理論層面估算了研究區(qū)植被凈初級(jí)生產(chǎn)力恢復(fù)狀況，并沒有對(duì)估算結(jié)果進(jìn)行實(shí)地考察驗(yàn)證，但本次研究的核心目標(biāo)在于揭示研究區(qū)災(zāi)后植被凈初級(jí)生產(chǎn)力恢復(fù)情況和變化趨勢，為相關(guān)部門制定災(zāi)區(qū)生態(tài)重建和生態(tài)恢復(fù)計(jì)劃提供科學(xué)依據(jù)，具有重要意義。

[1] Field C B, Behrenfeld M J, Randerson J T, et al. Primary production of the biosphere:integrating terrestrial and oceanic components[J]. Science, 1998,281(5374):237-240.

[2] Cramer W, Kicklighter D W, Bondeau A, et al. Comparing global models of terrestrial net primary productivity(NPP):overview and key results[J]. Global Change Biology, 1999,5(S1):1-15.

[3] Matsushita B, Tamura M. Integrating remotely sensed data with an ecosystem model to estimate net primary productivity in East Asia[J]. Remote Sensing of Environment, 2002,81(1):58-66.

[4] Euskirchen E S, Chen J, Li H, et al. Modeling landscape net ecosystem productivity(LandNEP)under alternative management regimes[J]. Ecological Modelling, 2002,154(1):75-91.

[5] Ruimy A, Saugier B, Dedieu G. Methodology for the estimation of terrestrial net primary production from remotely sensed data[J]. Journal of Geophysical Research:Atmospheres, 1994,99(D3):5263-5283.

[6] 董廷旭,文星躍,張新合,等.基于GIS的5.12地震北川縣災(zāi)害區(qū)劃研究[J].地域研究與開發(fā),2011,30(4):135-140.

[7] 埃瑟林頓 J R.環(huán)境和植物生態(tài)學(xué)[M].北京：科學(xué)出版社,1989.

[8] 李登科,范建忠,王娟.基于MOD17A3的陜西省植被NPP變化特征[J].生態(tài)學(xué)雜志,2011,30(12):2776-2782.

[9] 高大偉,張小偉,蔡菊珍,等.浙江省植被覆蓋時(shí)空動(dòng)態(tài)及其與生態(tài)氣候指標(biāo)的關(guān)系[J].應(yīng)用生態(tài)學(xué)報(bào),2010,21(6):1518-1522.

[10] 劉勇洪,權(quán)維俊,高燕虎.華北植被的凈初級(jí)生產(chǎn)力研究及其時(shí)空格局分析[J].自然資源學(xué)報(bào),2010,25(4):564-573.

[11] 劉世榮,孫鵬森,羅傳文.岷江上游生態(tài)水文研究圖集[M].中國地圖出版社,2008.

[12] 劉榮高,劉洋,劉紀(jì)遠(yuǎn). MODIS科學(xué)數(shù)據(jù)處理研究進(jìn)展[J].自然科學(xué)進(jìn)展,2009,19(2):141-147.

[13] 畢力格,銀山,包玉龍,等.基于TVDI的內(nèi)蒙古植被生長期干旱研究[J].安徽農(nóng)業(yè)科學(xué),2011,39(10):5945-5948.

[14] 中華人民共和國國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局. 土地利用現(xiàn)狀分類[S].北京:中國標(biāo)準(zhǔn)出版社,GB/T21010-2007.

[15] Cohen J. A coefficient of agreement for nominal scales[J]. Educational and Psychological Measurement, 1960,20(1):37-46.

[16] Landis J R, Koch G G. An application of hierarchical kappa-type statistics in the assessment of majority agreement among multiple observers[J]. Biometrics, 1977:363-374.

[17] Potter C S, Randerson J T, Field C B, et al. Terrestrial ecosystem production:a process model based on global satellite and surface data[J]. Global Biogeochemical Cycles, 1993,7(4):811-841.

[18] 朱文泉,潘耀忠,張錦水.中國陸地植被凈初級(jí)生產(chǎn)力遙感估算[J].植物生態(tài)學(xué)報(bào),2007,31(3):413-424.

[19] Zhou G, Zhang X. Study on climate-vegetation classification for global change in China[J]. Acta Botanica Sinica, 1995,38(1):8-17.

[20] 張志明.計(jì)算蒸發(fā)量的原理與方法[M].成都：成都科技大學(xué)出版社,1990.

[21] Fang J, Yoda K. Climate and Vegetation in China III water balance and distribution of vegetation[J]. Ecological Research, 1990,5(1):9-23.

[22] 劉闖,葛成輝.美國對(duì)地觀測系統(tǒng)(EOS)中分辨率成像光譜儀(MODIS)遙感數(shù)據(jù)的特點(diǎn)與應(yīng)用[J].遙感信息,2000(3):45-48.

[23] Myneni R B, Knyazikhin Y, Zhang Y, et al. MODIS leaf area index (LAI) and fraction of photosynthetically active radiation absorbed by vegetation (FPAR) product[J]. Transactions of the Institute of Electronics Information & Communication Engineers B, 1999, 84:902-911.

[24] 朱文泉,潘耀忠,何浩,等.中國典型植被最大光利用率模擬[J].科學(xué)通報(bào),2006,51(6):700-706.

[25] 李貴才.基于MODIS數(shù)據(jù)和光能利用率模型的中國陸地凈初級(jí)生產(chǎn)力估算研究[J].北京:中國科學(xué)院研究生院,2004.

[26] 劉勇洪,權(quán)維俊,高燕虎.華北植被的凈初級(jí)生產(chǎn)力研究及其時(shí)空格局分析[J].自然資源學(xué)報(bào),2010,25(4):564-573.

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

[28] Lieth H. Modeling the primary productivity of the world[M]∥Primary Productivity of the Biosphere. Springer Berlin Heidelberg, 1975:237-263.

[29] Lieth H, Box E. Evapotranspiration and primary productivity：CW Thornthwaite memorial model[J]. Publications in Climatology, 1972,25(3):37-46.

AssessmentofRestorationofVegetationNetPrimaryProductivityinEarthquakeDisasterArea

LI Fugen1,2, XIN Xiaozhou1, LI Xiaojun1,2

(1.StateKeyLaboratoryofRemoteSensingScience,InstituteofRemoteSensingandDigitalEarth,ChineseAcademyofSciences,Beijing100101,China; 2.UniversityofChineseAcademyofSciences,Beijing100049,China)

The occurrence of major disasters such as earthquake has caused great damage to the vegetation and ecological environment. The net primary productivity (NPP) of vegetation can reflect the growth status of green plants, and evaluation on the effect of vegetation restoration on primary productivity in earthquake stricken areas is helpful to understand the situation and trend of vegetation restoration after earthquake. Based on the multi-phase remote sensing data (e. g. MODIS and TM), and combination of the meteorological information and other data as auxiliary data, by means of RS and GIS, we improved the CASA model and used it to estimate NPP of three years before and after the disaster area. Results show that the total vegetation NPP was 982.7 million gC/a after the disaster in 2009, decreased by 31.99 percent compared to the previous disaster in 2007, increased by 28.55% due to recovery in 2011 compared to 2009, but still 12.57% lower than in 2007, two years after the quake, vegetation net primary productivity of the disaster area recovered somewhat, but not reached the level before the earthquake; according to the spatial distribution of vegetation NPP, the closer to the center of the earthquake is, the greater the degree of vegetation NPP reduction is, the worse the recovery ability is. The comparison results show that the improved model has high reliability, which can provide scientific basis for the relevant departments to develop the ecological restoration and ecological restoration plan and implementation.

NPP; remote sensing; GIS; CASA model; restoration

P237

A

1005-3409(2017)06-0139-08

2017-01-04

2017-01-19

國家自然科學(xué)基金面上項(xiàng)目“衛(wèi)星像元尺度地表能量平衡與水熱通量遙感模型建模及算法研究”(41371360)

李福根(1991—),男,山東濰坊人,碩士生,主要從事定量遙感方面研究。E-mail:lifugen1@163.com

辛?xí)灾?1976—),男,青海西寧人,博士,副研究員,長期從事地表輻射與能量平衡遙感估算理論與方法研究。E-mail:xin_xzh@163.com