近10年来山东区域NPP时空变化分析

钞振华,张培栋,王旭峰,钱金波

(1.南通大学地理科学学院，江苏 南通 226007； 2.中国科学院寒区旱区环境与工程研究所，甘肃 兰州 730000; 3.青岛科技大学环境工程与安全学院，山东 青岛 266042； 4.甘肃省基础地理信息中心,甘肃 兰州 730000)

碳循环是地球上最大的物质和能量循环，它通过植被的作用将大气中的CO2固定为有机物质，同时将太阳能转化成化学能，是人类生产和生活最基本的物质和能量来源。植被净初级生产力(Net Primary Productivity，NPP)是指绿色植物在单位面积、单位时间内所积累的有机物数量，是光合作用所产生的有机质总量减去呼吸消耗后的剩余部分。陆地植被NPP是陆地生态过程的关键参数，是表征陆地碳循环的重要变量，也是判定碳的源汇以及调节生态过程的主要因子[1-5]，开展区域和全球尺度NPP变化对碳循环影响的研究有着十分重要的意义。

随着遥感和计算机技术的发展，从多时相、多波段、多角度的遥感信息中可以提取地表覆盖状况、植被吸收的光合有效辐射等植被参数和环境变量，这为实时、准确地反演陆地植被NPP的分布及其变化研究提供了强有力的手段[5-8]。Field等[9]指出，陆地植被NPP对气候、地形、土壤、植物和微生物的特性与分布及人类活动所造成的土地利用变化等非常敏感，综合分析社会和自然系统所引起的NPP变化是必要的。其中，土地利用/覆盖影响植被组成和健康，且土地覆盖形式由一种类型转变为另一种类型往往伴随着大量的碳交换，因此，土地利用/覆盖类型是决定陆地生态系统碳储存的重要因素[10-11]。在经济发展较快的山东地区，城市化及工业化进程的加快势必使该区域农田减少，使土地利用类型发生较大变化[12-14]，从而对该区域NPP变化产生影响。因此，确定山东区域土地利用类型所产生的NPP变化具有重要的现实意义与研究价值。

目前，国内很多研究利用遥感模型估算了中国陆地及区域植被NPP分布及时空变化规律，利用知识可视化工具可进一步归纳气候变化背景下全球碳循环的驱动因素及对策[15]。CASA(Carnegie-Ames-Stanford Approach)模型是Potter等[16]于1993年提出的光能利用率模型。该模型是从植被的生理过程出发建立的植被净第一性生产力机理模型，所需要的输入参数相对较少，且冠层绿叶所吸收的光合有效辐射比例可以通过遥感手段获得，因此，该模型已被广泛应用于植被生产力估算的研究中。朴世龙等[2]利用该模型估算了中国NPP的空间分布及时间动态，董丹和倪健[17]利用该模型估算了1999-2003年中国西南地区的NPP变化，陈正华等[18]利用该模型估算了黑河流域的NPP，田永生等[19]基于CASA探讨了山东省温度、降水、地表太阳辐射与NPP时空分布的关系。但已有的研究主要侧重于分析NPP与气候因子的相互关系，关于气候、土地利用类型与NPP变化的综合研究很少[20]。在此，本研究在GIS系统的支持下，利用CASA模型估算2001-2010年山东省陆地植被NPP，分析NPP与气候、土地利用类型之间的关系，以期探讨城市化背景下区域生物质资源量的时空格局及其变化趋势。

1 方法和数据

1.1研究区介绍 山东省位于中国东部沿海地区，黄河下游，介于34°22′～38°27′ N、114°47′～122°43′ E，濒临渤海与黄海，与朝鲜半岛、日本列岛隔海相望。全省陆地总面积1.57×105km2，近海海域超过1.7×105km2。全省划分为17个地级行政区，下辖140个县级行政区。中部突起，为鲁中南山地丘陵区；东部半岛大都是起伏和缓的波状丘陵区；西部、北部是黄河冲积而成的鲁西北平原区，是华北大平原的一部分。山东省属于暖温带半湿润季风区，气候温和，雨量集中，四季分明。全年平均气温11～14 ℃，降水量550～590 mm，无霜期200 d以上。该地区是我国13个重要的粮食主产区之一，经济社会发展水平比较高，近10年来城市化、工业化水平不断加快。

1.2模型介绍 CASA估算NPP可以由植物所吸收的光合有效辐射(APAR)和光能利用率(e)两个因子来表示，其估算公式如下：

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

式中，NPP为植被的净初级生产力，APAR(x,t)为像元x处植被所吸收的光合有效辐射，ε(x,t)为植被的实际光能利用率。

植被吸收的光合有效辐射可用太阳辐射和植被对光合有效辐射的吸收比例来表示，其计算公式如下：

APAR=SOL×fPAR×0.5

(2)

式中，SOL是太阳总辐射量(MJ·m-2)，fPAR是植被层对入射光合有效辐射(PAR)的吸收比例，常数0.5表示植被所能利用的太阳有效辐射占太阳总辐射的比例，通常认为光合有效辐射的能量占太阳总辐射的一半。

冠层的光合有效吸收比例与植被指数有很好的线性关系，本研究利用下式计算光合有效辐射吸收比：

(3)

式中，SR是比值植被指数，SRmin和SRmax分别是最小和最大的比值植被指数，在本研究中参考朴世龙等[2]的研究结果，分别将其设为1.08和5.15。

光能利用率是在一定时期单位面积生产的干物质中所包含的化学潜能与同一时间投射到该面积上的光合有效辐射能之比。实际光能利用率(ε)主要受温度和水分因子的影响，其计算公式为：

ε=Tscalor1×Tscalor2×Wscalor×ε0

(4)

式中，Tscalor1和Tscalor2表示温度对光能利用率的影响，Wscalor为水分条件对光能利用率的影响系数，ε0是理想条件下的最大光能利用率。

Tscalor1和Tscalor2分别通过式(5)和式(6)计算获得：

Tscalor1=0.8+0.02×Topt-0.0005×(Topt)2

(5)

Tscalor2=1.181 4×[1+e0.2(Topt-10-T)]-1×

[1+e0.3(-Topt-10-T)]-1

(6)

式中，Tscalor1反映在低温和高温时植物内在的生化作用对光合的限制而对净第一性生产力产生的降低作用，当某月的温度低于-10 ℃时Tscalor1为0，Tscalor2反映温度从最适光合温度升高或降低时对植被光合的影响，Topt为最适光合温度，本研究选用研究区NDVI最大月的平均温度。

CASA模型中，Wscalor是通过一个简单的土壤子模型来计算的，其中存在着很大的不确定性，所以本研究参考Xiao等[21]的研究，利用陆面水分指数(LSWI)来计算Wscalor，LSWI可以直接通过遥感方法获得。计算公式如下：

Wscalor=min(LSWI/LSWImax,1)

(7)

(8)

式中，LSWImax是研究区生长季无雪覆盖时的最大LSWI，ρnir和ρswir分别是短波红外和近红外波段的反射率。

山东省位于北半球中纬度，故本研究中最大光能利用率参考已有研究[16,22]，统一设置为0.39 g·MJ-1PAR。

1.3数据获取 本研究收集了2001-2010年山东省境内及周边的31个气象站的观测数据，将这些资料在ArcMap中利用Kriging插值模块插值获得分辨率为1 km的降水和温度数据。土地利用类型数据由Ran等[23]提供，该数据是利用2000年的全国1∶100 000的土地利用图，1∶1 000 000的植被图制作的植被功能型分布图。遥感资料收集了2001-2010年MODIS反射率数据(MOD09)(http://modis.gsfc.nasa.gov/data/dataprod/index.php)，利用其计算植被指数。辐射根据日照时数估算获得[24]。

2 结果与分析

2.12001-2010年NPP的空间分布 从CASA模型估算的山东省2001-2010年10年平均NPP分布图可以看出，山东省绝大区域植被NPP在200～500 g·m-2·a-1，其中NPP最高值分布在西南部(图1)。与NPP的空间分布一致，山东省西南部年平均温度高于其它区域(图2)，南部的降水量也高于北部(图3)，而辐射的分布是东北高西南低(图4)，与NPP的分布不一致。山东省植被固定的碳总量为3.46×1013g·a-1。田永生等[19]估算的2001-2005年山东省每年的NPP在3.1×1013～3.9×1013g·a-1，与本研究中估算的结果非常接近，说明本研究利用陆面水分指数(LSWI)来估算水分对植被NPP的影响是可行的。其中，林地为1.50×1012g·a-1，灌木为0.19×1012g·a-1，草地为6.89 ×1012g·a-1，农田为2.625×1013g·a-1，湿地为0.04×1012g·a-1(表1)。农田的NPP占了山东全区NPP的75%以上。苏本营等[25]估算的山东省农田的NPP约为476.5 g·m-2·a-1，略高于本研究中估算的394.66 g·m-2·a-1。

2.2山东省NPP时间变化动态 城市化地区通常以肥沃的土地为代价，因此，城市化与NPP变化是密切相关的，城市化通常导致NPP降低[26-28]。但本研究表明(图5)，随着城市化进程的加快，山东省NPP在过去的10年里有微弱的增加趋势(0.7×1012g·a-1)。田永生等[19]发现2000-2006年山东省的NPP有逐年增加的趋势，苏本营等[25]的研究表明，2000-2006年山东省农田生态系统的NPP也有逐年增加的趋势，这可能归因于围海造田、植树造林及荒地开垦等[29-32]。从气象站观测的温度和降水来看，2001-2010年山东省的温度(图6)和降水量(图7)都有增加的趋势，而辐射(图8)有减小的趋势，辐射的减小可能是由于降水增多导致云量增加而引起的。山东省年NPP与年平均温度的相关系数为0.42，与年降水量的相关系数为0.15，与辐射的相关系数是-0.33，这说明温度和降水是导致NPP增加的主要原因。在NPP的年际变化曲线中，2002年的NPP明显低于其它年份，而2002年的降水量远远低于平均水平(图7)，因此，该年NPP的减小主要是受降水量影响所致。NPP的另一个较大的谷值出现在2009，从温度和降水变化曲线看，该年温度和降水量都较前几年小，这两个因子共同导致了2009年NPP的减小。

表1 不同土地利用类型NPP统计Table 1 The NPP for different land use types

图1 2001-2010年10年平均NPP分布图Fig.1 Distribution map of average annual NPP from 2001 to 2010

图2 2001-2010年气象站10年平均温度分布图Fig.2 Map of average annual air temperature from 2001 to 2010

图3 2001-2010年10年平均降水量分布图Fig.3 Map of average annual precipitation from 2001 to 2010

图4 2001-2010年10年平均总辐射分布图Fig.4 Map of average annual total radiation from 2001 to 2010

图5 2001-2010年山东省NPP变化趋势Fig.5 Change of NPP in Shandong Province from 2001 to 2010

图6 2001-2010年山东省平均温度变化趋势Fig.6 Change of average air temperature in Shandong Province from 2001 to 2010

图7 2001-2010年山东省年降水量变化趋势Fig.7 Change of precipitation in Shandong Province from 2001 to 2010

图8 2001-2010年山东省太阳总辐射变化趋势Fig.8 Change of total solar radiation in Shandong Province from 2001 to 2010

图9 山东省2001-2010年NPP空间分布图Fig.9 Spatial distribution of net primary production of Shandong Province from 2001 to 2010

3 结论

1)NPP的分布，山东省西南部高于其他区域，而降水量和温度也有类似的空间分布。受温湿同期作用的影响，2001-2010年山东省NPP有微弱增加的趋势。进一步分析表明，NPP与温度的相关性高于植被年NPP与降水之间的相关性。

2)分析近10年来不同土地利用类型对NPP的影响表明，山东省每年植被吸收的碳约为3.46×1013g，其中农田占了75%。随着城市化进程的加快，农田面积的减少必将破坏该区域碳循环的平衡。

本研究详细分析了自然因素影响下近10年来山东植被的NPP时空变化，但仍存在一些不确定因素。首先是数据的不确定性。本研究CASA模型驱动数据主要为气象数据和遥感数据两部分。气象数据总共有31个观测站点，在此基础上利用插值获得了面上气象数据，插值过程没有考虑高程、坡度、坡向等对气象因子的影响，因此，插值获得的面上的气象数据包含了一定误差。在计算fPAR的时候，用到了MODIS的反射率产品(MOD09)，利用该产品计算了比值植被指数(SR)，然后根据公式将SR转换成了fPAR，并没有对SR做时间序列重建等剔除噪声的工作，而MODIS反射率产品由于受云、气溶胶等的影响包含了一定的噪声，这给本研究的结果带来了一定不确定性。此外，由于资料所限，本研究只用了一景植被类型分布图，所以不能很好地反映土地利用变化所引起的NPP变化。

[1] Field C B,Behrenfeld M J,Randerson J T,etal.Primary production of the Biosphere:Integrating terrestrial and oceanic components[J].Science,1998,281：237-240.

[2] 朴世龙,方精云,郭庆华.1982-1999年我国植被净第一性生产力及其时空变化[J].北京大学学报(自然科学版),2001,37(4):563-569.

[3] 李世华,牛铮,李壁成.植被净第一性生产力遥感过程模型研究[J].水土保持研究,2005,12(3):126-128.

[4] Fang J Y,Guo Z D,Piao S L,etal.Terrestrial vegetation carbon sinks in China,1981-2000[J].Science in China (D-Earth Science),2007,50：1341-1350.

[5] Huang C Y,Asner G P,Barger N N.Modeling regional variation in net primary production of pinyon-juniper ecosystems[J].Ecological Modelling,2012,227：82-92.

[6] 朱文泉,潘耀忠,张锦水.中国陆地植被净初级生产力遥感估算[J].植物生态学报,2007,31(3):413-424.

[7] 侯英雨,柳钦火,延昊,等.我国陆地植被净初级生产力变化规律及其对气候的响应[J].应用生态学报,2007,18(7):1546-1553.

[8] Takahiro S,Nobuko S,Kenlo N N,etal.Satellite-driven estimation of terrestrial carbon flux over Far East Asia with 1-km grid resolution[J].Remote Sensing of Environment,2011,115：1758-1771.

[9] Field C B,Randerson J T,Malmström.Global net primary production:Combining ecology and remote sensing[J].Remote Sensing of Environment,1995,51：74-88.

[10] Running S W,Baldocchi D D,Turner D P,etal.A global terrestrial monitoring network integrating tower fluxes,flask sampling,ecosystem modeling and EOS satellite data[J].Remote Sensing of Environment,1999,70：108-127.

[11] 陈广生,田汉勤.土地利用/覆盖变化对陆地生态系统碳循环的影响[J].植物生态学报,2007,31(2):189-204.

[12] Mo X G,Liu S X,Lin Z H,etal.Regional crop yield,water consumption and water use efficiency and their responses to climate change in the North China Plain[J].Agriculture,Ecosystems and Environment,2009,134：67-78.

[13] 庞英.山东沿海地区耕地利用集约度时空特征[J].农业工程学报,2011,27(9):328-333.

[14] 刘玉,郭丽英,刘彦随.1980-2008年环渤海地区县域粮食的时空动态变化及分析[J].农业工程学报,2012,28(12):230-236.

[15] 陈溪,王子彦,匡文慧.土地利用对气候变化影响研究进展与图谱分析[J].地理科学进展,2011,30(7):930-937.

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

[17] 董丹,倪健.利用 CASA 模型模拟西南喀斯特植被净第一性生产力[J].生态学报,2011,31(7):1855-1866.

[18] 陈正华,麻清源,王建,等.利用CASA模型估算黑河流域净第一性生产力[J].自然资源学报,2008,23(2):263-273.

[19] 田永生,郭阳耀,张培栋,等.区域净初级生产力动态及其与气象因子的关系[J].草业科学,2010,27(2):8-17.

[20] Wang H,Li X B,Long H L,etal.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 and Management,2009,258：2654-2665.

[21] Xiao X M,Hollinger D,Aber J,etal.Satellite-based modeling of gross primary production in an evergreen needleleaf forest[J].Remote Sensing of Environment,2004,89：519-534.

[22] Potter C,Klooster S,Myneni R,etal.Continental-scale comparisons of terrestrial carbon sinks estimated from satellite data and ecosystem modeling 1982-1998[J].Global and Planetary Changes,2003,39：201-213.

[23] Ran Y H,Li X,Lu L,etal.Large-scale land cover mapping with the integration of multi-source information based on the Dempster-Shafer theory[J].International Journal of Geographical Information Science,2012,26：169-191.

[24] 许新宜,王红瑞,刘海军,等.中国水资源利用效率评估报告[R].北京:北京师范大学出版社,2010：24-25.

[25] 苏本营,张璐,陈圣宾,等.区域农田生态系统生产力的时空格局及其影响因子研究——以山东省为例[J].生态环境学报,2010,19(9):2036-2041.

[26] Imhoff M L,Bounoua L,DeFries R,etal.The consequences of urban land transformation on net primary producitivity in the United States[J].Remote Sensing of Environment,2004,89：434-443.

[27] Yu D Y,Shao H B,Shi P J,etal.How does the conversion of land cover to urban use affect net primary productivity? A case study in Shenzhen City,China[J].Agricultural and Forest Meteorology,2009,149：2054-2060.

[28] 张媛媛.植被净初级生产力估算及城市化水平的关系研究[D].上海：上海师范大学,2010.

[29] 朱文泉,潘耀忠,阳小琼,等.气候变化对中国陆地植被净初级生产力的影响分析[J].科学通报,2007,52(21):2535-2541.

[30] 王丽娜.山东省土地利用格局及其驱动因素[D].济南：山东大学,2008.

[31] 张高生.基于RS、GIS技术的现代黄河三角洲植物群落演替数量分析及近30年植被动态研究[D].济南：山东大学,2008.

[32] 刘爽,宫鹏.2000-2010年中国地表植被绿度变化[J].科学通报,2012,57(16):1423-1434.