中國(guó)陸地植被凈初級(jí)生產(chǎn)力估算模型優(yōu)化與分析
——基于中國(guó)生態(tài)系統(tǒng)研究網(wǎng)絡(luò)數(shù)據(jù)

蘇勝濤,曾 源,*,趙 旦,鄭朝菊,吳興華

1 中國(guó)科學(xué)院空天信息創(chuàng)新研究院 遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100101

2 中國(guó)科學(xué)院大學(xué),北京 100049

3 中國(guó)長(zhǎng)江三峽集團(tuán)有限公司,北京 100089

植被凈初級(jí)生產(chǎn)力(net primary production, NPP)是指綠色植被一定時(shí)間內(nèi)光合作用所產(chǎn)生的有機(jī)物總量減去綠色植被自身維持呼吸和生長(zhǎng)消耗以后的殘余部分[1]。它既能表征植被群落在自然環(huán)境條件下的生產(chǎn)能力,也能估算陸地生態(tài)系統(tǒng)碳源、碳匯,描述碳循環(huán)和能量的流動(dòng)過(guò)程[2]。因此,植被NPP的準(zhǔn)確估算對(duì)生態(tài)環(huán)境治理、碳循環(huán)研究和自然資源合理開(kāi)發(fā)利用均具有重要的理論與實(shí)踐意義[3—5]。

自20世紀(jì)60年代以來(lái),各國(guó)學(xué)者對(duì)NPP的研究倍受重視,國(guó)際地圈-生物圈計(jì)劃(IGBP)和京都協(xié)定(Kyoto Protocol)等均把植被NPP確定為核心內(nèi)容之一[6—7]。目前NPP估算方法主要有統(tǒng)計(jì)模型、參數(shù)模型和過(guò)程模型,其中以基于光能利用率的過(guò)程模型(CASA)應(yīng)用最為廣泛。Potter等[8]最早利用CASA估算了北美植被NPP；樸世龍等[9]利用CASA模型估算了我國(guó)1997年的陸地植被NPP；Nayak等[10]利用CASA模型估算了印度2003年植被NPP。經(jīng)過(guò)驗(yàn)證發(fā)現(xiàn),前期研究中使用的傳統(tǒng)CASA模型估算中國(guó)NPP的結(jié)果普遍偏小,主要原因是模型中最大光能利用率(εmax)的常規(guī)取值(0.389gC/MJ)不適用于中國(guó)區(qū)域[11]。因此,后續(xù)研究重點(diǎn)在CASA模型的區(qū)域優(yōu)化,例如朱文泉等[12]引入植被覆蓋分類數(shù)據(jù),同時(shí)基于NPP實(shí)測(cè)數(shù)據(jù)模擬各植被類型的εmax,估算了全國(guó)1989—1993年8公里的植被NPP；Yu等[13]和Zhang等[14]分別基于改進(jìn)εmax的CASA模型監(jiān)測(cè)了東亞與中國(guó)京津冀地區(qū)的植被NPP。此外,BAO等[15]利用地表濕潤(rùn)指數(shù)(LSWI)簡(jiǎn)化CASA模型的水分脅迫系數(shù)估算蒙古高原的草地NPP；Liu等[16]利用土壤水分的葉水勢(shì)代替?zhèn)鹘y(tǒng)CASA土壤水分子模型估算了廣州市白云區(qū)的植被NPP。由此可見(jiàn),在對(duì)CASA模型進(jìn)行區(qū)域優(yōu)化時(shí),往往聚焦在εmax取值和參數(shù)簡(jiǎn)化方面,卻很少關(guān)注模型中另一關(guān)鍵因子光合有效輻射(PAR)計(jì)算方法的改進(jìn)。對(duì)于PAR的計(jì)算,常規(guī)利用氣象觀測(cè)資料(太陽(yáng)總輻射、日照時(shí)數(shù)等)來(lái)模擬并進(jìn)行空間插值,但很難合理揭示PAR的空間分布特征。隨著遙感數(shù)據(jù)源的不斷豐富,可以直接利用遙感數(shù)據(jù)估算地表氣象參量,例如Bisht等[17]利用 MODIS 數(shù)據(jù)直接計(jì)算晴空條件下的日凈輻射；Wu等[18]利用風(fēng)云衛(wèi)星數(shù)據(jù)估算了黑河流域的日照累積時(shí)數(shù),避免空間插值的不確定性。因此,對(duì)于CASA模型的進(jìn)一步改進(jìn),可以綜合考慮最大光能利用率、參數(shù)簡(jiǎn)化以及光合有效輻射的同步優(yōu)化。

另外一類估算NPP的方法可以通過(guò)GPP的轉(zhuǎn)換得以實(shí)現(xiàn)。目前估算GPP的最新模型為He等[19]提出的兩葉光能利用率模型(TL-LUE),該模型的核心是將葉片分為陰葉和陽(yáng)葉兩部分,分別計(jì)算其光能利用率與GPP。Zhou等[20]利用全球98個(gè)通量站點(diǎn)數(shù)據(jù)對(duì)TL-LUE模型進(jìn)行驗(yàn)證,發(fā)現(xiàn)模型在站點(diǎn)尺度表現(xiàn)良好；Zan等[21]利用日光誘導(dǎo)葉綠素?zé)晒鈹?shù)據(jù)(SIF)對(duì)TL-LUE模型進(jìn)行驗(yàn)證,發(fā)現(xiàn)模型能夠反映GPP時(shí)空變化。結(jié)合NPP/GPP的比率可將GPP轉(zhuǎn)化為NPP,即可通過(guò)兩葉模型計(jì)算NPP[22]。兩葉模型考慮了冠層散射輻射對(duì)植被生產(chǎn)力的影響,更加適用于植被茂密、葉片遮擋嚴(yán)重的林區(qū),但在稀疏林、草等植被類型下的適用性尚未有定論,且NPP/GPP比率數(shù)據(jù)的尺度適用性及精度是影響NPP估算的關(guān)鍵。

對(duì)于估算植被NPP哪類方法更為適用,需要從監(jiān)測(cè)尺度來(lái)分析。TL-LUE模型在站點(diǎn)尺度上由于植被類型確定,NPP/GPP比率更為準(zhǔn)確,但隨著研究尺度擴(kuò)大,尤其是在植被覆蓋類型多變的地區(qū),會(huì)導(dǎo)致NPP/GPP比率數(shù)據(jù)及估算的NPP結(jié)果出現(xiàn)不確定性。改進(jìn)的CASA模型因具有較強(qiáng)地域性更適用于像元尺度的植被NPP估算。然而,NPP的估算精度需要地面實(shí)測(cè)數(shù)據(jù)的驗(yàn)證,隨著渦度相關(guān)技術(shù)的發(fā)展和成熟,基于觀測(cè)站點(diǎn)的通量數(shù)據(jù)計(jì)算的NPP是模型驗(yàn)證的主要數(shù)據(jù)源[23—24]。此外,區(qū)域尺度的土地覆被數(shù)據(jù)可以提供不同生態(tài)系統(tǒng)類型的分布信息,為分區(qū)域分植被覆蓋類型驗(yàn)證NPP提供了可能。因此,充分利用地面觀測(cè)數(shù)據(jù)和詳盡的植被分類數(shù)據(jù),結(jié)合高時(shí)空分辨率遙感數(shù)據(jù),選擇適用于全國(guó)尺度的植被NPP估算模型,是有待研究的問(wèn)題。

中國(guó)生態(tài)系統(tǒng)研究網(wǎng)絡(luò)(Chinese Ecosystem Research Network, CERN) 成立于1988年,目前共計(jì)有分布在不同生態(tài)區(qū)域的42個(gè)生態(tài)研究站,涵蓋了農(nóng)田、森林、草原、荒漠、湖泊、海灣、沼澤、喀斯特和城市9大類生態(tài)系統(tǒng)[25—26]。CERN的觀測(cè)以樣點(diǎn)尺度的臺(tái)站為核心,重點(diǎn)通過(guò)定位觀測(cè)和控制試驗(yàn),進(jìn)行生態(tài)系統(tǒng)結(jié)構(gòu)與功能、格局與過(guò)程的機(jī)理分析。一方面CERN可以為生態(tài)模型提供輸入數(shù)據(jù),如徐保東等[27]以CERN站的LAI數(shù)據(jù)為基礎(chǔ)評(píng)價(jià)了觀測(cè)數(shù)據(jù)的空間代表性；顏紹馗等[28]以CERN兩個(gè)喬木生長(zhǎng)數(shù)據(jù)集為例,挖掘生態(tài)質(zhì)量評(píng)估的方法與指數(shù)；孫婉馨等[29]基于1998—2017年 CERN逐日氣象數(shù)據(jù)計(jì)算了典型森林生態(tài)系統(tǒng)的潛在蒸散。另一方面,CERN提供了不同生態(tài)類型、時(shí)空連續(xù)的地面觀測(cè)數(shù)據(jù),是進(jìn)行生態(tài)參數(shù)產(chǎn)品真實(shí)性檢驗(yàn)的數(shù)據(jù)來(lái)源。此外,依托CERN建立的中國(guó)陸地生態(tài)系統(tǒng)通量觀測(cè)研究網(wǎng)絡(luò)(CiInaFLUX),通過(guò)微氣象學(xué)的渦度相關(guān)法和箱式法進(jìn)行典型陸地生態(tài)系統(tǒng)和大氣間二氧化碳、水熱通量的長(zhǎng)期觀測(cè)研究,目前已共享數(shù)據(jù)的8個(gè)典型生態(tài)站點(diǎn),包括4個(gè)森林站(分別為長(zhǎng)白山溫帶闊葉紅松林通量觀測(cè)研究站、千煙州中亞熱帶人工常綠針葉林通量觀測(cè)研究站、鼎湖山南亞熱帶季風(fēng)混交林通量觀測(cè)研究站和西雙版納熱帶季雨林通量觀測(cè)研究站)、3個(gè)草地站(分別為內(nèi)蒙古溫帶典型草原通量觀測(cè)研究站、海北高寒草地通量觀測(cè)研究站和當(dāng)雄高寒草甸通量觀測(cè)研究站)和1個(gè)農(nóng)田站(禹城溫帶農(nóng)田通量觀測(cè)研究站),可為基于通量數(shù)據(jù)進(jìn)行NPP估算的精度驗(yàn)證提供數(shù)據(jù)支撐[30—32]。

本文在綜合分析光能利用效率模型的基礎(chǔ)上,利用CERN提供的典型生態(tài)系統(tǒng)光能利用效率數(shù)據(jù)、光合有效輻射逐日觀測(cè)數(shù)據(jù)和30min連續(xù)通量觀測(cè)數(shù)據(jù),對(duì)傳統(tǒng)CASA模型進(jìn)行優(yōu)化,對(duì)比兩葉模型與改進(jìn)后的CASA模型在站點(diǎn)尺度和像元尺度對(duì)于典型森林、草地和農(nóng)田樣區(qū)NPP的估算精度,隨后選擇在像元尺度表現(xiàn)更好的NPP模型結(jié)合中國(guó)土地覆被數(shù)據(jù)(ChinaCover)開(kāi)展2000—2019年中國(guó)陸地植被NPP監(jiān)測(cè),并與同類數(shù)據(jù)進(jìn)行對(duì)比分析。

1 數(shù)據(jù)源與預(yù)處理

1.1 遙感數(shù)據(jù)

NPP 估算模型中的遙感數(shù)據(jù)來(lái)自美國(guó)國(guó)家航空航天局的MOD13Q1植被指數(shù)(NDVI)產(chǎn)品、MOD11A2地表溫度(LST)產(chǎn)品以及MOD15A2葉面積指數(shù)(LAI)產(chǎn)品(https://ladsweb.modaps.eosdis.nasa.gov),利用MRT工具對(duì)數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換、圖像融合、S-G濾波等處理,以2000—2019年250m空間分辨率逐月的NDVI、 LAI、近紅外與短波紅外等數(shù)據(jù)作為模型輸入?yún)?shù)。用于計(jì)算日照時(shí)數(shù)的云分類數(shù)據(jù)來(lái)自國(guó)家衛(wèi)星氣象中心的風(fēng)云2號(hào)衛(wèi)星(http://satellite.nsmc.org.cn)。

1.2 CERN數(shù)據(jù)

CERN數(shù)據(jù)來(lái)自國(guó)家生態(tài)科學(xué)數(shù)據(jù)中心(http://www.cnern.org.cn)。其中,中國(guó)典型植被最大光能利用效率數(shù)據(jù)集(共126組樣本)和2010年逐日光合有效輻射數(shù)據(jù)集用于優(yōu)化CASA模型；日尺度氣象數(shù)據(jù)與中國(guó)逐月散射光合有效輻射數(shù)據(jù)用于點(diǎn)尺度NPP估算模型輸入；光合有效輻射數(shù)據(jù)集用于驗(yàn)證基于風(fēng)云衛(wèi)星計(jì)算PAR的精度；用于NPP估算模型精度驗(yàn)證的30min連續(xù)通量觀測(cè)數(shù)據(jù)來(lái)自于ChinaFLUX中的8個(gè)典型生態(tài)站。

1.3 土地覆被數(shù)據(jù)

用于植被覆蓋分類的全國(guó)土地覆被數(shù)據(jù)(ChinaCover)來(lái)自中科院空天信息創(chuàng)新研究院(http://www.aircas.ac.cn)[33]。結(jié)合CERN典型植被光能利用率數(shù)據(jù)集,將ChinaCover數(shù)據(jù)中原有的26類植被類型重分類為常綠闊葉、常綠針葉、落葉闊葉、落葉針葉、針闊混交、灌叢、草地、耕地共八類,并將原有空間分辨率30m重采樣至250m。

1.4 氣象數(shù)據(jù)

用于NPP估算的氣象數(shù)據(jù)來(lái)源于國(guó)家氣象科學(xué)數(shù)據(jù)中心(http://data.cma.cn),時(shí)間為2000年1月至2019年12月,包括753個(gè)臺(tái)站的氣溫、相對(duì)濕度、日照時(shí)數(shù)。利用ETWatch[34]軟件對(duì)氣象數(shù)據(jù)進(jìn)行空間插值,生成空間分辨率為250m的柵格數(shù)據(jù)。

2 研究方法

2.1 改進(jìn)CASA模型

本研究從最大光能利用率取值、參數(shù)簡(jiǎn)化以及光合有效輻射計(jì)算三方面對(duì)CASA模型進(jìn)行同步優(yōu)化。傳統(tǒng)CASA模型的估算公式如下所示:

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

APAR(x,t)=PAR(x,t)×FPAR(x,t)

(2)

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax

(3)

式中,APAR為植物吸收的光合有效輻射；ε為實(shí)際光能利用率；PAR為光合有效輻射；FPAR為光合有效輻射吸收比例,通過(guò)NDVI來(lái)進(jìn)行估算[12]；Tε1和Tε2表示低溫和高溫對(duì)光能利用率的脅迫作用,選取MODIS NDVI最大值所對(duì)應(yīng)月份的平均溫度作為最適溫度,計(jì)算公式參照文獻(xiàn)[8]；Wε為水分脅迫影響系數(shù),反映水分條件的影響；x代表單個(gè)像元,t表示月份。

2.1.1最大光能利用率優(yōu)化

最大光能利用率(εmax)是指植被在沒(méi)有任何限制性的理想條件下對(duì)光合有效輻射的利用率,環(huán)境因子如氣溫、土壤水分狀況等都會(huì)通過(guò)影響植物的光合能力,進(jìn)而調(diào)節(jié)植被的生產(chǎn)力[35]。

為確定本研究中的典型植被εmax,首先對(duì)CERN提供的典型植被最大光能利用效率數(shù)據(jù)集進(jìn)行統(tǒng)計(jì),隨后與前人研究進(jìn)行對(duì)比分析,其中只有朱文泉等[35]在中國(guó)的研究和Running等[36]在北美的研究中涵蓋了本研究的全部8種植被類型,其他的研究只包括單一或幾種植被類型,因此本研究在確定εmax取值時(shí)重點(diǎn)參考這兩個(gè)研究。又發(fā)現(xiàn)樣本平均值與中國(guó)的εmax最為接近,樣本最大值與北美的εmax相近,一方面可以表明基于CERN統(tǒng)計(jì)的樣本數(shù)據(jù)是在合理范圍內(nèi),另一方面確定選擇樣本平均值作為優(yōu)化后的εmax,且8種植被類型都采用平均值,具體取值詳見(jiàn)表1。

表1 中國(guó)典型植被類型的最大光能利用率(εmax)

2.1.2水分脅迫系數(shù)優(yōu)化

水分脅迫系數(shù)(Wε)反映了植被所能利用的有效水分對(duì)光能利用率的影響。傳統(tǒng)CASA模型中Wε(x,t)由土壤水分子模型計(jì)算得到,涉及眾多復(fù)雜的土壤參數(shù),導(dǎo)致模型難以實(shí)現(xiàn)。地表水分指數(shù)(LSWI)是描述植被葉片水分含量的一項(xiàng)指標(biāo),Xiao等[37]首次利用LSWI估算水分脅迫,此后眾多學(xué)者將LSWI引入CASA模型并取得了良好的效果[38—39]。因此,本研究使用LSWI對(duì)Wε(x,t)進(jìn)行估算,計(jì)算公式如下:

(4)

(5)

式中,LSWImax表示單個(gè)像元生長(zhǎng)期內(nèi)LSWI的最大值；ρnir與ρswir分別代表MOD13Q1數(shù)據(jù)中的近紅外與短波紅外波段。

2.1 光合有效輻射優(yōu)化

光合有效輻射(PAR)為太陽(yáng)輻射中波長(zhǎng)位于0.4—0.7 μm且能夠被綠色植物用來(lái)進(jìn)行光合作用的那部分太陽(yáng)輻射能量。PAR是不僅影響植物生長(zhǎng)的重要生態(tài)因子,也是光合作用模擬、植被初級(jí)生產(chǎn)力計(jì)算和生態(tài)系統(tǒng)大氣CO2交換研究的關(guān)鍵參數(shù)。因此PAR在時(shí)間、空間尺度上的變化直接影響著NPP時(shí)空變異性,尤其是在基于光能利用率的CASA和兩葉模型中對(duì)PAR的估算精度要求更高。

依據(jù)世界糧農(nóng)組織(FAO)給出的公式[40—41]計(jì)算PAR:

(6)

n(t)可以利用氣象站點(diǎn)觀測(cè)獲得的日照累計(jì)時(shí)數(shù)通過(guò)空間插值算法獲得全國(guó)尺度的日照累計(jì)時(shí)數(shù)；還可以參考Wu等[18]提出的基于FY- 2D氣象衛(wèi)星計(jì)算日照時(shí)數(shù)的方法,得到全國(guó)尺度的日照累積時(shí)數(shù)?；贔Y- 2D氣象衛(wèi)星計(jì)算日照時(shí)數(shù)的公式為:

(7)

式中,SFi為云型日照因子；Tgap為時(shí)間間隔,設(shè)為1d；hsr與hss分別為日出和日落時(shí)間；i表示日出與日落之間的時(shí)間序列。

基于上述兩種方法,利用IDL批處理分別得到2010年基于空間插值PAR與基于FY- 2D PAR的全國(guó)逐月數(shù)據(jù),圖1為PAR月均值結(jié)果的空間分布對(duì)比。空間插值PAR以各氣象站點(diǎn)為中心出現(xiàn)較明顯的圓形區(qū)域,在空間分布上缺乏均質(zhì)性。然而,基于FY- 2D PAR充分考慮了云層對(duì)太陽(yáng)輻射的影響,在全國(guó)范圍內(nèi)能更好的反映PAR的空間變化,同時(shí)也避免了空間插值造成的結(jié)果不確定性。

圖1 基于空間插值PAR和基于FY- 2D的PAR結(jié)果對(duì)比

利用在CERN選取的8個(gè)典型站點(diǎn)PAR觀測(cè)數(shù)據(jù)對(duì)上述兩種方法的估算結(jié)果進(jìn)行精度驗(yàn)證,詳見(jiàn)圖2?；贔Y- 2D PAR的精度 (RMSE=77.46MJ/m2,R2=0.49)明顯高于基于空間插值PAR(RMSE=119.3MJ/m2,R2=0.25)。因此,將基于FY- 2D PAR作為優(yōu)化CASA模型的輸入?yún)?shù)。

圖2 PAR精度驗(yàn)證

2.2 兩葉模型

兩葉光能利用率模型(TL-LUE)是進(jìn)行GPP估算的常用模型,TL-LUE計(jì)算公式如下:

GPP=(εmsu×APARsun+εmsh×APARmsh)×f(VPD)×g(Ta)

(8)

式中,εmsu和εmsh分別為陽(yáng)葉和陰葉的最大光能利用率,采用Zhou等[20]利用全球98個(gè)通量站觀測(cè)數(shù)據(jù)優(yōu)化之后的取值。APARsun和APARmsh和分別為陽(yáng)葉和陰葉的吸收PAR,f(VPD)和g(Ta)分別為飽和汽壓差(VPD)和最低氣溫(Ta)對(duì)光能利用率影響的修正因子,在0—1之間變化,計(jì)算公式為[42—43]:

(9)

(10)

式中,VPDmax、VPDmin等參數(shù)與植被類型相關(guān)。基于NPP/GPP比率數(shù)據(jù)可將GPP轉(zhuǎn)化為NPP,即可通過(guò)兩葉模型計(jì)算NPP。

2.3 不同尺度NPP估算方法

站點(diǎn)尺度的研究方法是以2010年8個(gè)典型生態(tài)站的日尺度氣象數(shù)據(jù)與光合有效輻射數(shù)據(jù)為數(shù)據(jù)源,分別利用兩葉模型與優(yōu)化CASA模型估算日序列站點(diǎn)尺度NPP(NPPTL與NPPCASA),再利用站點(diǎn)的30min通量數(shù)據(jù)計(jì)算得到日序列NPPEC視為實(shí)測(cè)值,對(duì)NPPTL與NPPCASA進(jìn)行驗(yàn)證與對(duì)比。其中,NPPEC的計(jì)算公式為:

GPP=Re-NEE

(11)

NPPEC=α×GPP

(12)

式中,Re是生態(tài)系統(tǒng)呼吸,NEE是觀測(cè)的生態(tài)系統(tǒng)與大氣之間的CO2凈交換通量,α代表NPP占GPP的比率,取值參考已有研究的經(jīng)驗(yàn)值[44—46]。NPPEC的具體計(jì)算流程為:首先利用每30min NEE觀測(cè)數(shù)據(jù)計(jì)算GPP (gross primary productivity) 總初級(jí)生產(chǎn)力,由于在夜間植被不進(jìn)行光合作用時(shí)Re與NEE相等,所以利用夜間觀測(cè)的溫度建立Re的估算方程,再利用該方程和白天觀測(cè)的溫度計(jì)算得到白天的Re,最后得到GPP并結(jié)合公式12將GPP轉(zhuǎn)為NPPEC[47]。

像元尺度的研究方法是以8個(gè)站點(diǎn)的通量塔為中心,選取與遙感數(shù)據(jù)1個(gè)像元相匹配的緩沖區(qū)(250m×250m),分別利用兩葉模型與優(yōu)化CASA模型結(jié)合遙感數(shù)據(jù)估算逐月的像元尺度NPP,計(jì)算緩沖區(qū)內(nèi)NPP平均值并記為NPPTL_month與NPPCASA_month,時(shí)間跨度為2005—2010年,再將月尺度NPPEC_month視為實(shí)測(cè)值,分別對(duì)NPPTL_month與NPPCASA_month進(jìn)行對(duì)比分析。

3 結(jié)果與分析

3.1 站點(diǎn)尺度NPP估算的結(jié)果與分析

利用站點(diǎn)通量數(shù)據(jù)對(duì)估算結(jié)果進(jìn)行驗(yàn)證,分別計(jì)算R2和RMSE(圖3和圖4)。結(jié)果表明在4個(gè)典型森林生態(tài)站點(diǎn)中,NPPTL與NPPEC具有良好的相關(guān)性,R2的最小值為0.92(長(zhǎng)白山與鼎湖山),最大值為0.94(西雙版納)。NPPCASA除了千煙州外R2均低于0.85,其中長(zhǎng)白山站點(diǎn)僅為0.77。站點(diǎn)尺度中NPPTL的RMSE最小值為1.68gC/d(鼎湖山),其余站點(diǎn)RMSE均小于2.46gC/d。NPPCASA的RMSE最小值為2.23gC/d(千煙州),其余站點(diǎn)RMSE均高于2.28gC/d。這些指標(biāo)均表明TL-LUE模型在典型森林站點(diǎn)估算精度高于優(yōu)化CASA模型,因?yàn)閮扇~模型充分考慮了植被陰葉和陽(yáng)葉對(duì)光能利用效率的利用差異,將冠層散射輻射引入模型中,使得在植被覆蓋度高的森林生態(tài)站點(diǎn)NPP估算精度提高,而優(yōu)化CASA模型中散點(diǎn)圖明顯偏向上半部分(如鼎湖山和長(zhǎng)白山),說(shuō)明優(yōu)化CASA模型在森林等高植被覆蓋的地區(qū)估算結(jié)果偏低。

圖3 站點(diǎn)尺度兩葉模型NPP估算精度驗(yàn)證

圖4 站點(diǎn)尺度優(yōu)化CASA模型估算NPP精度驗(yàn)證

在內(nèi)蒙古、當(dāng)雄和海北3個(gè)草地生態(tài)站點(diǎn)中,TL-LUE在點(diǎn)尺度的估算優(yōu)勢(shì)不再明顯,甚至優(yōu)化CASA模型在當(dāng)雄站(R2=0.90,RMSE=0.90gC/d)和海北站(R2=0.89,RMSE=1.98gC/d)的估算精度高于兩葉模型?？梢?jiàn)在草地生態(tài)系統(tǒng)中由于植被覆蓋降低,陽(yáng)葉與陰葉的區(qū)分不再顯著,冠層之間的散射輻射對(duì)NPP的貢獻(xiàn)降低,兩葉估算存在高估現(xiàn)象(如海北),從而導(dǎo)致精度降低。尤其在冬季低溫的月份,兩葉模型中單位LAI散射輻射項(xiàng)會(huì)出現(xiàn)負(fù)值,顯然不符合常理,可見(jiàn)TL-LUE估算草地NPP對(duì)LAI精度要求很高[30—31]。在禹城農(nóng)田生態(tài)站中,TL-LUE估算精度略低于優(yōu)化CASA模型(RMSE分別為5.14gC/d和4.26gC/d)。因此在站點(diǎn)尺度上TL-LUE在森林生態(tài)系統(tǒng)中表現(xiàn)更好,優(yōu)化CASA模型在草地生態(tài)系統(tǒng)中估算精度更高。

3.2 像元尺度NPP估算結(jié)果與分析

利用站點(diǎn)通量數(shù)據(jù)對(duì)像元尺度估算結(jié)果進(jìn)行驗(yàn)證,分別計(jì)算R2和RMSE(圖5和圖6)。優(yōu)化CASA模型在典型森林、草地和農(nóng)田三類生態(tài)系統(tǒng)中表現(xiàn)均要好于TL-LUE,其中以鼎湖山(R2=0.70,RMSE=29.01gC/d)、長(zhǎng)白山(R2=0.95,RMSE=16.64gC/d)和海北(R2=0.95,RMSE=7.73gC/d)尤為顯著。主要原因在于:(1)TL-LUE模型在草地生態(tài)系統(tǒng)中適用性降低,LAI精度對(duì)NPP估算結(jié)果具有顯著影響；(2)TL-LUE模型輸入?yún)?shù)與優(yōu)化CASA模型相比要復(fù)雜的多,尤其在像元尺度因遙感數(shù)據(jù)的混合像元問(wèn)題導(dǎo)致誤差增大；(3)TL-LUE模型無(wú)法直接估算NPP,只能通過(guò)前人研究的比率數(shù)據(jù)將GPP轉(zhuǎn)換為NPP,因此在轉(zhuǎn)換過(guò)程中也會(huì)產(chǎn)生誤差。

圖5 像元尺度兩葉模型估算NPP精度驗(yàn)證

圖6 像元尺度優(yōu)化CASA模型估算NPP精度驗(yàn)證

驗(yàn)證結(jié)果說(shuō)明NPP估算模型在不同尺度(數(shù)據(jù)分辨率不同)下的估算結(jié)果會(huì)出現(xiàn)明顯差異,在像元尺度中優(yōu)化CASA模型表現(xiàn)整體好于TL-LUE模型。因此,充分考慮兩個(gè)模型在不同尺度上的適用性,選擇像元尺度表現(xiàn)更好的優(yōu)化CASA模型對(duì)全國(guó)尺度植被NPP進(jìn)行估算。

3.3 全國(guó)尺度NPP估算結(jié)果與分析

基于優(yōu)化CASA模型估算了我國(guó)2000—2019年植被NPP,其時(shí)空分布見(jiàn)圖7。近20年全國(guó)植被平均NPP空間分布的地域性明顯,總體上呈西北低東南高的分布格局。其中,西北沙漠地區(qū)的植被NPP年均值最小,基本都在100gC/m2以下；福建、江西和湖南省的植被NPP年均值達(dá)到1000gC/m2以上,廣西、廣東、海南和臺(tái)灣省的植被NPP年均值更是可達(dá)1500gC/m2以上。該空間分布與我國(guó)的“胡煥庸線”相吻合[48],體現(xiàn)了中國(guó)西北與東南地區(qū)在地形、氣候、植被類型以及人口密度等方面的顯著差異。

圖7 2000—2019年中國(guó)陸地植被凈初級(jí)生產(chǎn)力(NPP)平均值

如圖8所示,全國(guó)2000—2019年NPP總體上呈波動(dòng)增加趨勢(shì)。NPP總量變化范圍在2.703—2.882PgC/a,平均值為2.787gC/m2。與前人的研究成果相比,如樸世龍等與朱文泉等為代表的學(xué)者[12]均對(duì)1981—2000年中國(guó)陸地植被NPP進(jìn)行了估算,所得NPP總量在波動(dòng)中呈現(xiàn)緩慢增加趨勢(shì),本研究估算的2000—2019年中國(guó)陸地植被NPP延續(xù)了1981—2000年的基本走勢(shì)；另外在NPP總量數(shù)值方面,李登科等[49]對(duì)我國(guó)2000—2015年全國(guó)陸地植被NPP估算總量在2.406—2.811PgC/a之間波動(dòng),平均值為2.635PgC/a,本研究近15年的NPP總量在2.604—2.882PgC/a之間波動(dòng),平均值為2.782PgC/a,兩者較為接近。近20年中國(guó)陸地植被NPP呈現(xiàn)該趨勢(shì)主要是自然與人為因素綜合作用的結(jié)果,一方面氣候的暖濕化利于植被生長(zhǎng)使得NPP增加,而逐年的降水、氣溫與地形的耦合作用導(dǎo)致了NPP的年際波動(dòng)；另一方面人口遷移、社會(huì)經(jīng)濟(jì)發(fā)展以及眾多生態(tài)保護(hù)工程的實(shí)施對(duì)不同區(qū)域NPP的空間格局與趨勢(shì)變化也存在不同程度的影響。

圖8 2000—2019年中國(guó)陸地植被NPP總量變化曲線

4 討論

利用遙感模型進(jìn)行NPP估算時(shí),在不同研究尺度所得到的NPP模擬值存在明顯的差異[50—51]。在站點(diǎn)尺度上兩葉模型在森林等高植被覆蓋地區(qū)表現(xiàn)明顯好于優(yōu)化CASA模型,但兩葉模型的局限性在于隨著研究尺度的增加,尤其是當(dāng)一個(gè)植被類型中混合了大量其他植被類型時(shí),NPP/GPP比率以及其它參數(shù)精度降低,導(dǎo)致兩葉模型會(huì)產(chǎn)生較大的估測(cè)誤差。此外,由于兩葉模型對(duì)LAI精度要求較高,在草地等陰陽(yáng)葉區(qū)分不明顯的植被覆蓋較低區(qū)域會(huì)出現(xiàn)NPP負(fù)值。

優(yōu)化CASA模型與兩葉模型相比,最大的特點(diǎn)在于更加適用于區(qū)域尺度的NPP監(jiān)測(cè),并且可以依據(jù)地域特征、植被類型與最新的參數(shù)計(jì)算方法來(lái)進(jìn)行模型簡(jiǎn)化與改進(jìn)。在250m像元尺度的全國(guó)NPP監(jiān)測(cè)中,優(yōu)化CASA模型表現(xiàn)明顯好于兩葉模型。然而,CASA模型用于更高精度的全國(guó)尺度NPP估算時(shí)(如30m分辨率)還存在局限性,主要原因在于部分模型輸入數(shù)據(jù),例如Landsat已經(jīng)可以提供用于計(jì)算NDVI與FPAR的30m全國(guó)覆蓋數(shù)據(jù),但是陸表溫度、光合有效輻射以及用于計(jì)算水分脅迫系數(shù)的近紅外數(shù)據(jù)等,現(xiàn)階段還只能依靠MODIS、風(fēng)云等衛(wèi)星(空間分辨率大于250m)為數(shù)據(jù)源,無(wú)法獲取在空間尺度上相匹配的所有模型輸入數(shù)據(jù)。吳炳方等[52]指出目前大量的中高分辨率光學(xué)遙感數(shù)據(jù)、微波遙感數(shù)據(jù)和激光雷達(dá)數(shù)據(jù)還沒(méi)有成為生態(tài)參數(shù)監(jiān)測(cè)的主流數(shù)據(jù)源,需要進(jìn)一步突破多尺度數(shù)據(jù)融合和多源數(shù)據(jù)集成的技術(shù)將這些數(shù)據(jù)利用起來(lái),進(jìn)而提高產(chǎn)品精度。如歐盟從2015年哨兵2號(hào)傳感器升空后就嘗試生產(chǎn)高分辨率的生態(tài)參數(shù),我國(guó)發(fā)射的高分系列衛(wèi)星也已初步構(gòu)成了高時(shí)空分辨率的對(duì)地觀測(cè)系統(tǒng),均旨在解決分辨率不匹配的問(wèn)題。

中國(guó)生態(tài)系統(tǒng)研究網(wǎng)絡(luò)是我國(guó)生態(tài)系統(tǒng)監(jiān)測(cè)和生態(tài)環(huán)境研究基地,在我國(guó)的生態(tài)系統(tǒng)科學(xué)研究中具有重要意義與應(yīng)用潛力[53]。本研究中8個(gè)典型站點(diǎn)的觀測(cè)數(shù)據(jù)為模型優(yōu)化與驗(yàn)證提供了重要的數(shù)據(jù)支撐。然而針對(duì)全國(guó)尺度NPP的長(zhǎng)時(shí)間序列監(jiān)測(cè),不是所有的CERN站點(diǎn)都具備通量觀測(cè)的設(shè)備與條件,ChinaFLUX只共享了部分站點(diǎn)的通量觀測(cè)數(shù)據(jù),很難在評(píng)價(jià)全國(guó)尺度NPP數(shù)據(jù)質(zhì)量時(shí)全部依靠觀測(cè)數(shù)據(jù)。從另一角度分析,由于NPP成分中的根系分泌、向根共生者的碳轉(zhuǎn)移以及植物揮發(fā)性有機(jī)化合物的排放等部分難以測(cè)定,使得大多數(shù)NPP研究均采用與其他產(chǎn)品進(jìn)行對(duì)比來(lái)評(píng)價(jià)數(shù)據(jù)質(zhì)量,缺乏客觀的精度驗(yàn)證數(shù)據(jù)。雖然基于通量數(shù)據(jù)計(jì)算的NPP可在研究中視作實(shí)測(cè)值,但真實(shí)性遠(yuǎn)不如實(shí)地測(cè)量數(shù)據(jù)。隨著測(cè)量技術(shù)的不斷發(fā)展,NPP實(shí)測(cè)方法將會(huì)有新的突破,CERN站點(diǎn)如能提供長(zhǎng)時(shí)間序列NPP的地面實(shí)測(cè)數(shù)據(jù)集,并進(jìn)一步開(kāi)放數(shù)據(jù)共享機(jī)制,將更有利于區(qū)域尺度植被生產(chǎn)力的監(jiān)測(cè)、驗(yàn)證與生態(tài)變化分析。

5 結(jié)論

本研究在綜合分析光能利用效率模型的基礎(chǔ)上,利用CERN提供的光合有效輻射數(shù)據(jù)、典型生態(tài)系統(tǒng)光能利用效率數(shù)據(jù)以及通量觀測(cè)數(shù)據(jù),對(duì)傳統(tǒng)CASA模型中最大光能利用率、水分脅迫系數(shù)與PAR三個(gè)參數(shù)進(jìn)行優(yōu)化,發(fā)現(xiàn)基于典型生態(tài)系統(tǒng)光能利用效率數(shù)據(jù)優(yōu)化后的植被最大光能利用率能夠較好反映植被實(shí)際狀況,基于FY2D PAR的優(yōu)化方案顯著提高了PAR的估算精度,且能夠有效避免空間插值導(dǎo)致的不確定性問(wèn)題。

利用森林、草地和農(nóng)田共計(jì)8個(gè)典型生態(tài)站的通量數(shù)據(jù),對(duì)比分析兩葉模型與優(yōu)化CASA模型在站點(diǎn)尺度和像元尺度的NPP估算精度,發(fā)現(xiàn)兩葉模型適用于高植被覆蓋的森林地區(qū),在站點(diǎn)尺度上估算精度高于優(yōu)化CASA模型,而優(yōu)化CASA模型在像元尺度上的表現(xiàn)整體好于兩葉模型,適用于在全國(guó)尺度上估算陸地植被NPP?；趦?yōu)化CASA模型估算的2000—2019年逐月250m中國(guó)陸地植被NPP變化范圍為2.703—2.882PgC/a,近20年的NPP均值為2.787gC/m2,在空間分布上呈西北低東南高的格局,在時(shí)間尺度上呈現(xiàn)波動(dòng)中緩慢增加的趨勢(shì)。

致謝：中國(guó)生態(tài)系統(tǒng)研究網(wǎng)絡(luò)和中國(guó)陸地生態(tài)系統(tǒng)通量觀測(cè)研究網(wǎng)絡(luò)提供觀測(cè)數(shù)據(jù)。