基于CASA模型的皖江城市帶植被凈初級生產力時空變化特征研究

谷家川， 彭 豐， 沈 非， 趙 來， 查良松， 王汝幸

(1.滁州學院 地理信息與旅游學院，安徽 滁州 239000；2.安徽師范大學 國土資源與旅游學院，安徽 蕪湖 241003；3北京師范大學 減災與應急管理研究院，北京 100875)

基于CASA模型的皖江城市帶植被凈初級生產力時空變化特征研究

谷家川1， 彭 豐1， 沈 非2， 趙 來1， 查良松2， 王汝幸3

(1.滁州學院 地理信息與旅游學院，安徽 滁州 239000；2.安徽師范大學 國土資源與旅游學院，安徽 蕪湖 241003；3北京師范大學 減災與應急管理研究院，北京 100875)

運用GIS和RS技術，利用植被、氣候和輻射等地面空間數據，基于CASA模型估算2001-2010年之間皖江城市帶植被凈初級生產力(NPP)，并分析其時空變化特征.結果表明：10年之間皖江城市帶植被凈初級生產力呈減少趨勢，其中NPPMAX年均減少速度5.3gC/m2·a，NPPMEAN年均減少率0.513%；10年NPPMAX均值為805.09gC/m2·a，NPPMEAN均值為463.26gC/m2·a；凈初級生產力年累計量變化幅度較大，約在30.052-43.483TgC/a之間；年際變化十分明顯，最大值出現在2008年，為43.483TgC，最小值在2006年，為30.052TgC，年均減少率0.51%.植被凈初級生產力空間格局表現出較大的不均勻性，整體分布狀況是以長江為界，長江以南植被凈初級生產力較大，但有逐漸變小趨勢；長江以北植被凈初級生產力較小，卻表現出逐漸增加的趨勢.

CASA模型；時空變化；凈初級生產力；植被指數；植被；皖江城市帶

陸地生態系統、海洋生態系統和大氣是全球變化的三個重要研究對象，其中對于陸地生態系統的研究最受學者關注，因為陸地生態系統不僅提供了人類賴以生存的物質基礎，而且是全球變化中易受人類干擾、變化最大與最劇烈的[1-3].植被作為陸地生態系統最基本的生物組成之一，在區域乃至全球氣候變化和碳循環中扮演著重要的作用，同時在調節碳平衡、減緩大氣中二氧化碳等溫室氣體濃度快速上升，以及維護區域氣候穩定等方面具有不可替代的作用[4-7].植被凈初級生產力(Net Primary Productivity, NPP)不僅直接反映了植物在自然環境條件下的生產能力，也是估算陸地生態系統碳平衡和評價陸地生態系統可持續發展的重要生態標志[9]，也是判定生態系統碳匯與調節生態過程的關鍵因子.同時，也反映陸地生態系統的質量狀況與植被自身健康狀況.因此，NPP的準確估算與動態監測和理解它與各種控制因素的相關關系，不僅有助于了解植被碳循環過程，減少目前碳循環研究中的不確定性，也有助于區域植被的合理布局與合理開發，以及為植被資源的可持續利用提供科學依據.此外，對于預測和減緩全球氣候變化也具有重要的意義.

皖江城市帶植被資源豐富，是安徽省重要的林區和農作物生產區域[10].本文利用2001-2010年遙感數據和地面氣象數據及相關統計資料，運用CASA參數模型建立皖江城市帶陸地植被NPP遙感反演估算模型，重建了皖江城市帶2001-2010年植被NPP年際變化的時空序列及演變模式；初步揭示了過去10年間其區域植被生態系統NPP的時空變化特征.

1 研究區概況

皖江城市帶位于長江安徽段沿岸，地處東經115°45’-119°37’，北緯29°41’-33°13’之間，行政區劃包括八個地級市，分別為合肥、馬鞍山、銅陵、滁州、安慶、蕪湖、池州、宣城，以及巢湖市(縣級)、六安市的金安區和舒城縣，共59個縣(區)，土地面積7.6萬Km2，占安徽省土地面積的54%，氣候屬于亞熱帶濕潤季風氣候，候，風向有明顯的季節變化，冬季以北風為主，夏季主要為偏南風，年平均氣溫在13-17℃之間，年均降水量800-1700mm之間，太陽輻射總量分布均勻，日照充足，年均為1800-2500小時，無霜期在200-250天左右.植被資源豐富，主要有大別山植被區、沿江平原植被區、皖南山丘植被區.2011年末，皖江城市帶人口占安徽省人口比重的44.99%；生產總值占全省的67.63%，人均GDP高于全省11201元；城鎮居民人均可支配收入占全省比重的112.75%，農民人均純收入占全省比重的117.60%.皖江城市帶是安徽省經濟相對發達地區，是實施推進中部地區崛起戰略的重點開發區域，是泛長三角地區的重要組成部分，是中西部承接產業轉移示范區域，具有重要的戰略地位.

2 數據與方法

2.1數據來源

主要數據包括2001-2010年的MODIS遙感數據和氣象數據兩部分.其中遙感數據包括不同時期的MOD13Q1植被指數數據(250米分辨率)，片區號H27V05、H28V05、H28V06，數據來源于國際科學數據服務平臺(http://datamirror.csdb.cn/).氣象數據包括降水、平均溫度、總輻射和凈輻射數據等來源于中國氣象科學數據共享服務網(http://old-cdc.cma.gov.cn/).輔助數據包括皖江城市帶行政區劃圖、植被圖、土地利用現狀圖等.

2.2研究方法

CASA模型是采用光能利用率估算NPP的代表模型，也是至今全球NPP估算中應用最多、最成熟的模型.在CASA模型中植被NPP主要由植被所吸收的光合有效輻射(APAR)與光能利用率(ε)兩個變量來確定.植被NPP估算公式如(1)所示:

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

式中：x為空間位置，t為時間；NPP(x,t)為像元x在t年份的植被NPP(gC·m-2·a-1)；APAR(x,t)為像元x在t年吸收的光合有效輻射(MJ·m-2·a-1)；ε(x,t)為像元x在t年的實際光能利用率(gC·MJ-1)[11-13].

2.2.1 植被吸收的光合有效輻射估算 植被吸收的光合有效輻射APAR決定于太陽總輻射和植被對光合有效輻射的吸收分量，公式如(2)所示：

APAR(x,t)=SOL(x,t)×0.5×FPAR(x,t)

(2)

式中：SOL(x,t)為t時間在像元x處的太陽總輻射量(MJ·m-2·t-1)；FPAR(x,t)為植被對入射光合有效輻射(PAR)的吸收量；常數0.5為植被所能利用的太陽有效輻射即光合有效輻射(波長范圍0.4-0.7μm)占太陽總輻射的比例[14].

在一定范圍內，FPAR與NDVI之間存在著線性關系，該種關系可根據某植被類型NDVI的最大值和最小值分別所對應的FPAR最大值和最小值來確定，即：

(3)

式中：NDVIi，max和NDVIi，min分別對應第i種植被類型的NDVI最大值和最小值.進一步研究表明，FPAR與比值植被指數(Simple Ratio,簡稱SR)也存在較好的線性關系，可由下式表示：

(4)

(5)

式中:SR(x,t)為t時間x像元的SR值；SRi,max和SRi,min為i種植被類型的SR最大值和最小值;FPARmax和FPARmin為FPAR最大值和最小值，其取值與植被類型無關，分別為0.950和0.001.

Los[15]對兩種方法的估算結果進行比較發現，NDVI估算的FPAR比實測值高，SR估算的FPAR則低于實測值.如將兩種方法糅合起來，取其平均值作為FPAR的估算值，可以使其估算的FPAR誤差達到最小.計算公式為

FPAR(x,t)=(FPARNDVI+FPARSR)/2

(6)

式中:FPARNDVI和FPARSR分別為公式(3)、(4)的估算結果.

2.2.2 光能轉化率ε 光能轉化率(ε)是光能利用率模型中最關鍵的要素，它直接影響到NPP的固定量.其含義為通過植被光合作用，吸收單位光合PAR所固定的干物質總量，ε單位為gC/MJ.它代表植被將吸收的光合PAR轉化為有機碳的效率，即對能量的利用固定效率.現實條件下，光能轉化率受氣溫、土壤水分情況和理想條件下植被具有最大光能轉化率ε*等影響，光能轉化率公式為

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×ε*

(7)

式中：Tε1(x,t)和Tε2(x,t)為溫度脅迫系數；Wε(x,t)為水分脅迫系數，反應水分條件的影響；ε*為理想條件下植被最大光能轉化率.最大光能轉化率ε*的取值因不同的植被類型而有所不同，鑒于CASA模型所采用的最大光能利用率0.389gC/MJ，并不適用于皖江城市帶的植被，在本論文中植被的最大光能利用率為0.521gC/MJ[11-19].

Tε1(x,t)反映低溫和高溫條件下，植物內在的生化作用對光合作用的限制，計算公式：

Tε1(x)=0.8+0.02×Topt(x)-0.0005×(Topt(x))2

(8)

式中：Topt(x)為某區域一年內NDVI值達到最高時月份的平均氣溫；當某一月平均溫度小于或等于-10℃時,Tε1取0，認為光合生產為零.

Tε2(x,t)表示氣溫從最適宜溫度Topt(x)向高溫和低溫變化時植物對光能轉化率的影響，這種條件下，光能轉化率逐漸降低，計算公式:

Tε2(x,t)=1.1814/{1+e0.2×[Topt(x)-10-T(x,t)]}×1/{1+e0.3×(-Topt(x)-10+T(x,t))}

(9)

若某一月均溫T(x,t)比最適宜溫度Topt(x)高10℃或低13℃時，該月的Tε2值等于月平均溫T(x,t)為最適宜溫度(Topt(x))時的Tε2值一半[17-19].

水分脅迫影響系數Wε(x,t)反映了植物所能利用的有效水分條件對光能轉化率的影響.隨著環境中有效水分的增加，Wε逐漸增大.它的取值范圍為0.5-1(極端干旱-非常濕潤)，由下列公式計算:

Wε(x,t)=0.5+0.5×EET(x,t)/PET(x,t)

(10)

式中：PET(x,t)為可能蒸散量(mm)；EET(x,t)為估計蒸散(mm).當月平均溫度小于或等于0℃時，認為PET和EET為零，則該月的Wε(x,t)等于前一個月的值，即Wε(x,t)=Wε(x,t-1)[20-21].

2.3處理過程

非遙感數據處理：將皖江城市帶及周邊的各氣象數據和站點位置數據關聯起來，分別形成降水、溫度和太陽輻射等的空間分布數據，然后使用ArcGIS中的Geostatistieal Analyst模塊的Kriging方法進行插值，得到降水、溫度、和太陽輻射的柵格數據分布圖.

遙感數據處理：根據MOD13Q1數據特性，首先利用MRT(Modis Reprojection Tool)軟件對其進行格式和投影的轉換，然后利用ERDAS軟件對數據進行拼接，之后利用皖江城市帶行政區劃圖進行裁剪，得到皖江城市帶的植被NDVI，最后利用公式(1)-(10)在Erdas的Modeler建立模型進行運算后，通過Erdas的功能定義(Function Definition)中的條件選項(Conditional)中的EITHER條件語句對于小于零的值賦予零值，最終運用ArcGIS的空間統計和出圖功能得到皖江城市帶2001-2010年植被NPP數據，如圖4和表1.

3 結果分析

3.1NPP估算檢驗

本文基于CASA模型遙感反演實現了大尺度上估算植被的NPP，但可能由于復雜的生態系統過程、不同的參數選擇、不同的估算方法和不同來源不同時空分辨率的遙感數據，以及氣象數據運用不同的空間插值方法都會影響植被NPP的估算精度.在研究區植被NPP的實測數據獲取相對困難時，本文選取與其他學者利用相同或不同的模型所估算的結果進行對比來實現精度驗證.20世紀80年代以來，我國學者對某些地區的NPP進行了模型估算，主要模型有氣候相關模型、光能利用率模型和過程模型.選取較為典型的模型估算結果對本文的估算結果進行對比，由于研究區域不完全一致和本文沒有區分詳細的植被類型，因此，對植被的平均NPP進行比較，結果見表1.

由表1可知，本文估算的平均NPP值為473gC/m2·a，與其它估算結果存在一定的差異，但在變動范圍內.因采用不同的模型、不同的氣候數據空間插值方法、不同的估算年份和不同的研究區等原因造成的差異是必然的.因此，可認為本文估算結果比較可信.

表1 不同學者估算的 NPP 結果比較(gC/m2·a)Tab.1 result comparison of different scholars′ estimate NPP

3.2皖江城市帶植被NPP時間變化特征

從圖1可以看出， 2001-2010年皖江城市帶植被NPPMAX變化的線性趨勢是逐漸增加的，但是擬合優度僅有0.0037，說明擬合的線性趨勢并不明顯.然而實際是在波動中呈減少趨勢.皖江城市帶植被的NPPMAX從2001年的833.20gC/m2·a下降到2010年的780.64gC/m2·a，年均以5.3gC/m2·a的趨勢減少；植被的NPPMAX最大值出現在2005年，為914.23gC/m2·a，NPPMAX最小值出現在2006年為676.16gC/m2·a，最大值是最小值的1.35倍.皖江城市帶各市植被NPPMAX的動態變化比較明顯.宣城、池州植被的NPPMAX最大，巢湖、安慶、蕪湖較大，合肥最小；各市年均NPPMAX增加趨勢從大到小有合肥(12.5gC/m2·a)、滁州(10.6gC/m2*a)、金-舒(6.8gC/m2·a)、銅陵(5.5gC/m2·a)、安慶(3.7gC/m2·a)，年均NPPMAX減少趨勢從大到小有宣城(8.3gC/m2·a)、馬鞍山(4.5gC/m2·a)、蕪湖(3.7gC/m2·a)、池州(2.3gC/m2·a).

圖1 2001-2010年皖江城市帶植被的NPPMAX變化Fig.1 Change of Vegetation NPPMAX in Wan Jiang City Belt from 2001 to 2010

圖2 2001-2010年皖江城市帶植被NPPMEAN變化Fig.2 Change of Vegetation NPPMEAN in Wan Jiang City Belt from 2001 to 2010

由表1和圖2可得到，2001-2010年皖江城市帶植被NPPMEAN呈現增大-減小-增大-減小的規律，但植被NPPMEAN整體表現為減少趨勢，從2001年的植被NPPMEAN的446.21 gC/m2·a降低到2010年的426.03gC/m2·a，減少了20.18gC/m2·a，年均減少率0.513%.皖江城市帶植被NPPMEAN最大值出現在2008年值為571.59gC/m2·a，最小值在2006年為395.04gC/m2·a，最大值是最小值的1.45倍.各市植被的NPPMEAN呈現減少-增加-減少規律的地區有池州、宣城、蕪湖，其余皖江各地區也都表現為增大-減小-增大-減小的規律基本與皖江城市帶的整體植被NPPMEAN變化規律相同.植被NPPMEAN各市整體呈增加的趨勢，并且年增長率從大到小的區域包括滁州(5.5%)、合肥(4.2%)、金-舒(0.8%)，其余各市呈減少趨勢，年減少率從小到大有銅陵(0.5%)、巢湖(1.1%)、安慶(1.8%)、宣城(2.6%)、蕪湖(3.7%)、池州(4.0%)、馬鞍山(4.8%).皖江城市帶十年平均植被凈初級生產力最高城市為池州，值為565.29gC/m2·a，最低為合肥，值為357.01gC/m2·a，植被十年平均值的NPPMEAN高于皖江城市帶的整體十年平均值的有安慶、宣城、池州、蕪湖，其余都小于皖江城市帶的整體十年平均值473.06gC/m2·a.從圖2還可見皖江城市帶植被NPPMAX 和NPPMEAN最小都出現在2006年，主要是皖江各市降雨日數和降水量都比較多，影響了有效太陽輻射所造成的.

從圖3可以得到，2001-2010年皖江城市帶NPP產量變化約在30.052-43.483TgC/a之間，年際變化十分明顯，其中2008年、2005年NPP產量相對較大，2006年、2010年NPP產量較小，最大值出現在2008年，為43.483TgC，最小值出現在2006年，為30.052TgC.研究時段內，皖江城市帶植被NPP產量呈減少趨勢，年均減少率0.51%.在2001-2005年皖江城市帶NPP產量呈增加趨勢，2005-2010年皖江城市帶NPP產量呈減少-增加-減少-增加的規律.皖江城市帶各市NPP產量變化呈增加趨勢的有滁州、合肥、金-舒，年均NPP產量增加分別為0.29TgC/a、0.11TgC/a、0.014MgC/a，其余各市年均NPP產量呈減少趨勢，年均NPP產量減少量從小到大分別為銅陵(0.010TgC/a)、馬鞍山(0.027TgC/a)、巢湖(0.041TgC/a)、蕪湖(0.051TgC/a)、安慶(0.123TgC/a)、宣城(0.160TgC/a)、池州(0.170TgC/a).在2001-2005年和2005-2010年兩個階段之間各市植被的NPP產量變化與皖江城市帶的整體NPP產量變化規律大致相同.

3.3皖江城市帶植被NPP空間變化特征

圖3 2001-2010年皖江城市帶植被NPP產量變化Fig.3 Change of Vegetation NPP sum in Wan Jiang City Belt from 2001 to 2010

由圖4可以看出，皖江城市帶植被凈初級生產力空間格局分布基本相同，整體表現為長江以南植被凈初級生產力較大，NPPMAX在750.7-800.5gC/m2·a之間，NPPMEAN在424.3-570.0gC/m2·a之間，尤其皖南山區帶植被凈初級生產力最大，NPPMAX在782.9-800.5 gC/m2·a之間，NPPMEAN在544.1-570.6gC/m2·a；長江以北植被凈初級生產力較小NPPMAX在716.2-785.6gC/m2·a之間，NPPMEAN在347.0-510.0gC/m2·a，但安慶北部與合肥東部較大.皖江城市帶各區域植被凈初級生產力空間格局分布情況呈現為滁州的來安縣南部、滁州市區西部在滁州市最大，鳳陽縣南部、天長市西南次之.合肥的肥東縣植被凈初級生產力最大，市區最小.安慶市的岳西縣東北部、潛山縣、桐城市的北部植被凈初級生產力最大，安慶市區南部最小.池州石臺縣全部、青陽縣、市區南部、最大，東至縣南部次之.宣城的涇縣南部、績溪縣、旗縣全部、寧國市西北部、宣城市區西南部較大.蕪湖的南陵縣較大，繁昌縣次之.另外還可以從圖4看出，長江以北的合肥、滁州、金-舒北部的被凈初級生產力隨時間的變化有逐漸增加的趨勢，長江沿岸和長江南部大別山區的植被凈初級生產力隨著時間的變化呈逐漸減小，尤其是南部的大別山區的植被凈初級生產力減少的較快.

圖4 2001、2004、2007、2010年皖江城市帶植被NPP的空間分布Fig.4 Spatial Distribution of NPP of Wan Jiang City Belt in 2001，2004，2007，2010

4 結論

本文運用GIS和RS技術，基于CASA模型估算了2001-2010年皖江城市帶植被的凈初級生產力，并分析了其時空格局，得出以下主要結論：

(1)2001-2010年皖江城市帶植被的NPPMAX和NPPMEAN在波動中呈減少趨勢，其中NPPMAX從2001年的833.20gC/m2·a減少到2010年的780.64gC/m2·a，以平均5.3gC/m2·a的趨勢減少，10年NPPMAX平均值為805.09gC/m2·a；NPPMEAN呈增大-減小-增大-減小的規律，從2001年的446.21gC/m2·a降低到2010年的426.03gC/m2·a，減少了20.18gC/m2·a，年均減少率0.513%.

(2)2001-2010年皖江城市帶NPP產量變化約在30.052-43.483TgC/a之間，年際變化較為明顯，且植被NPP產量呈減少趨勢.植被NPP產量最大值出現在2008年，為43.483TgC，最小值出現在2006年，為30.052 TgC，年均減少率為0.51%.

(3)皖江城市帶植被NPP空間格局表現出較大的不均勻性，整體分布狀況以長江為界，長江以南植被凈初級生產力較大，尤其皖南山區帶植被凈初級生產力最大，但呈現逐漸減小趨勢；長江以北植被凈初級生產力較小，但是安慶北部、和合肥東部較大.

[1] 樸世龍,方精云,郭慶華.1982-1999年我國植被凈第一性生產力及其時空變化[J].北京大學學報：自然科學版,2001,37(4):563-568.

[2] 谷家川,查良松.皖江城市帶農田生態系統碳排放動態研究[J].長江流域資源與環境,2013,22(1):81-87.

[3] WANG Liwen, WEI Yaxing, NIU Zheng. Spatial scaling of net primary productivity model based on remote sensing[J]. Journal of Remote Sensing, 2010,14(6):1074-1081.

[4] 李佳.內蒙古地區地表光合有效輻射和植被凈初級生產力估算——基于遙感和GLO-PEM方法[D].楊凌:西北農林科技大學,2010:1-45.

[5] 王汝幸,谷家川.2000-2009年蕪湖市LUCC對植被碳儲量的影響[J].環境科學與管理,2012,37(6):153-157.

[6] 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力[J].植物生態學報,2001,25(5):603-608.

[7] 葛忠強,許景偉,王德友.縣域植被凈第一性生產力遙感估算模型及應用[J].山東林業科技,2008,177(4):15-18.

[8] 孫睿,朱啟疆.中國陸地植被凈第一性生產力及季節變化研究[J].地理學報,2010,55(1):36-44.

[9] ASNER G P, ELMORE A J, OLANDER L P, et al. Grazing systems and global change[J]. Annual Reviews of Environment and Resources, 2004,29:261-299.

[10] 谷家川,查良松.皖江城市帶農作物碳儲量動態變化研究[J].長江流域資源與環境,2012,21(12):1570-1513.

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

[12] 牛錚,王長耀.碳循環遙感基礎與應用[M].北京:科學出版社,2008:206-209.

[13] 谷家川.皖江城市帶碳排放與固碳量時空變化特征研究[D].蕪湖:安徽師范大學,2013:1-50.

[14] 侯湖平.基于遙感的煤礦區植被凈初級生產力變化的監測與評價[D].徐州:中國礦業大學,2010:60-65.

[15] LOS S O. Linkages between global vegetation and climate: an analysis based NOAA advance very high resolution radiometer data[D]. Greenbelt: National Aeronautics and Space Administration (NASA), 1998.

[16] 馮險峰,劉高煥,陳述彭,等.陸地生態系統凈第一性生產力過程模型研究綜述[J].自然資源學報,2004,19(3):369-376.

[17] 張杰,潘曉玲,高志強,等.基于遙感-生態過程的綠洲-荒漠生態系統凈初級生產力估算[J].干旱區地理,2006,29(2):255-261.

[18] 岑奕,張良培,李平湘,等.植被凈初級生產力的遙感模型在武漢地區的應用[J].遙感技術與應用,2008,23(1):12-16.

[19] 朱文泉,潘耀忠,張錦水.中國陸地植被凈初級生產力遙感估算[J].植物生態學報,2007,31(3):413-424.

[20] 谷家川,鄧潔,林玉標,等.基于GIS與RS的皖江城市帶LUCC對植被碳儲量的影響[J].石家莊學院學報,2014,16(3):64-72.

[21] 宗瑋林.文鵬.周云軒.基于遙感的上海崇明東灘濕地典型植被凈初級生產力估算[J].長江流域資源與環境,2011,20(11):1355-1360.

[22] 陶波,李克讓,邵雪梅,等.中國陸地凈初級生產力時空特征模擬[J].地理學報,2003,58(3):372-380.

[23] 王軍邦,劉紀遠,邵全琴,等.基于遙感-過程耦合模型的1988-2004年青海三江源區凈初級生產力模擬[J].植物生態學報,2009,33(2):254-269.

ResearchonSpace-TimeVarietyCharacteristicsofVegetationNetPrimaryProductivityBasedontheCASAModelinWanJiangCityBelt

GU Jia-chuan1， PENG Feng1， SHEN Fei2， ZHA Lai1， ZHA Liang-song2， WANG Ru-xing3

(1.College of Geographical Information and Tourism, Chuzhou University, Chuzhou 239000, China; 2.College of Territorial Resource And Tourism, Anhui Normal University, Wuhu 241003, China; 3.Academy of Disaster Reduction and Emergency Management, Beijing Normal University, Beijing 100875, China)

The net primary production (NPP)of Wan Jiang City Belt vegetation during 2001-2010 was estimated, and its spatial-temporal patterns were explored, based on the CASA (Carnegie-Ames-Stanford Approach)model and using remote sensing imagery and GIS technology and land spatial data of vegetation, climate, soil and solar radiation. As results, terrestrial NPP in Wan Jiang City Belt indicated a significant reduction over the past 10 years, with a mean reducing rate of 5.3gC/m2·a of NPPMAX and a mean reducing rate of 0.513% of NPPMEAN and an average NPPMAX value of 805.09gC/m2·a and an average NPPMEAN value of 463.26gC/m2·a. the average annual total NPP was about 36.77 TgC/a, NPP exhibited an reducing trend during the study period by 0.51%/a and the average annual total NPPMAX value of 43.483TgC in 2008 and the average annual total NPPMIN value of 30.052TgC. Vegetation NPP heterogeneous spatial pattern and spatial changes were less obvious, the overall distribution trend was based on the Yangtze river, the vegetation NPP was bigger in south of the Yangtze river, but showed a trend of decrease gradually; the vegetation NPP was lesser in north of the Yangtze river, but showed a trend of increase gradually.

CASA model; space-time variety; NPP; NDVI; vegetation; Wan Jiang City Belt

2014-01-16

國家自然科學基金(41271545);安徽省軟科學項目(11020503071); 安徽師范大學自然科學培育基金(2013xmpy12).

谷家川(1985-),男,安徽泗縣人,助教,碩士；通訊作者：查良松(1953-),男,教授,主要從事氣候環境變化與GIS模型研究.

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力時空變化特征研究[J].安徽師范大學學報：自然科學版，2014，37(4)：371-377.

TP79;Q948.11

A

1001-2443(2014)04-0371-07