重慶市植被凈初級生產力的遙感估算及分析

簡太敏

摘要[目的]遙感估算和分析2007年重慶市植被凈初級生產力（NPP）。[方法]基于CASA模型，結合SPOT/VEGETATION NDVI S10 數據、植被覆蓋分類圖、氣象數據等，對2007年重慶市NPP進行遙感估算，在GIS及RS的支持下，進行數據的前期處理，對2007年重慶市NPP分布狀況及年內變化情況進行分析。[結果] NPP平均值為112.343～799.391 g C/m2，研究區植被凈初級生產力區域變化明顯，季相差異顯著，其中高值主要出現在渝東南、東北區域，低值主要存在于渝西北區域；NPP值夏季（6～8月）﹥春季（3～5月）﹥秋季（9～11月）﹥冬季（12～2月），年內闊葉林植被NPP最高，水生植被NPP生產量最低。[結論] 該NPP估算方法能較好地模擬重慶市的NPP及其時空格局，估算結果比較符合實際，能應用于NPP估算項目中。

關鍵詞植被凈初級生產力；CASA模型；遙感估算；重慶市

中圖分類號S181文獻標識碼A文章編號0517-6611（2016）04-080-03

Remote Sensing Estimation and Analysis of Vegetation Net Primary Productivity in Chongqing City

JIAN Taimin（Ningxia Normal University， Guyuan， Ningxia 756099）

Abstract[Objective] To estimate and analyze the vegetation net primary productivity （NPP） in Chongqing City by remote sensing. [Method] Based on CASA model， remote sensing estimation of NPP in Chongqing in 2007 was carried out by using meteorological data， SPOT/VEGETATION NDVI S10 data and vegetation classification figure. Under the support of GIS and RS， data pretreatment was adopted， and NPP distribution and change situation were analyzed in Chongqing in 2007. [Result] The NPP average value was 112.343-799.391 gC/m2； vegetation NPP changed significantly in research region； seasonal differences were significant. The high values appeared in southeast and northeast areas of Chongqing； while low values appeared in northwest Chongqing. The NPP values were in the order of summer （JuneAugust）﹥ spring （MarchMay） ﹥ autumn （SeptemberNovember） ﹥ winter （December -February）. NPP of broadleaved forest vegetation was the maximum； but NPP of aquatic vegetation was the minimum. [Conclusion] This NPP estimation method can simulate the NPP in Chongqing City and its spatial and temporal pattern. The estimation results are relatively realistic， and can be used for the NPP estimation.

Key wordsNet Primary Productivity （NPP）； CASA model； Remote sensing estimation； Chongqing

植被凈初級生產力（Net Primary Productivity，NPP）是指綠色植物在單位面積、單位時間內所累計的有機物數量，是由光合作用所產生的有機質總量扣除自養呼吸后的剩余部分[1-2]，通常以干重表示。NPP作為地表碳循環的重要組成部分，不僅直接反映植被群落在自然環境條件下的生產能力，表征陸地生態系統的質量狀況，還是判定生態系統碳匯和調節生態過程的主要因子[3]，在全球變化及碳平衡中起著重要作用。自20世紀60年代國際地圈-生物圈（International GeosphereBiosphereProgramme，IGBP）計劃以來，全球及區域NPP得到了大規模研究，IGBP和全球變化與陸地生態系統（GCTE）和京都議定書中均把植被的NPP研究確定為核心內容之一[1]。近年來，各國學者進行了大量的植物NPP測定，且以測定資料為基礎，結合氣候環境因子建立模型，對植被NPP的區域分布進行評估。而利用遙感技術所獲數據來實現對地表植被凈初級生產力的估算，是最近10年來NPP的模型建立和估算方法研究的熱點，由于遙感不受過程模型所需特定觀測條件的限制或因素的影響，因而得到了迅速發展。我國有關于NPP的研究起步較晚，直至20世紀70年代后期才進行了一些不同植被的生產量研究，取得了一些成果，但是數據精度不一，且用來推算大面積NPP有一定困難，大多借用國外一些NPP模型或對模型進行改進研究[3]，在20世紀90年代末進入新領域，發展速度較快，研究主要集中于植被NPP測算模型及其估算、分析。目前，仍欠缺對重慶市NPP遙感估研究。鑒于此，筆者采用基于光能利用率估算的CASA模型 [3-4]，對2007年重慶市NPP進行遙感估算，旨在為該模型參數在我國區域尺度的改進及有效應用提供科學依據。

1研究區概況

重慶市位于我國西南地區的經濟文化中心，地處我國東西部地區的過渡地帶，地理坐標為105°11′～110°12′ E，28°10′～32°15′ N，與陜、湘、鄂、川、貴等省毗鄰，位于長江上游地區，是西南區域工商業重鎮，水陸交通發達，是商貿口岸與水陸交通樞紐。重慶市總面積約8.24萬km2，目前所轄40個區縣，橫跨川中方山丘陵、川東平行嶺谷和盆南邊緣山地三大自然地理區，地形以山地、丘陵為主，是亞熱帶季風性濕潤氣候的典型區域，全境的兩江（長江、嘉陵江）干流為“山城”氣候增加了色彩。特殊的地形、氣候形成了雨熱同季、冬暖春早、夏熱多雨的特征，這種氣候適合農作物的生長發育。全年氣候宜人，年均溫在18 ℃左右，冬季平均氣溫在6～8 ℃，夏季平均氣溫在27～29 ℃，常年降雨量達1 000～1 400 mm。復雜的地形與濕熱氣候環境共同形成了重慶市特殊的生態環境。

2數據來源與研究方法

2.1數據來源該研究采用的數據分為氣象數據、遙感數據和植被覆蓋分類數據3部分。①氣象數據以氣溫、降水月值數據、地面輻射數據等為主；利用ArcGIS 10.0數據插值工具，根據各氣象站點的定位坐標信息，對站點的點值氣象數據通過克里金插值法獲取像元大小與NDVI數據一致、投影相同的氣象要素面狀柵格圖。②遙感數據主要來源于國家自然科學基金委員會“中國西部環境與生態科學數據中心”，SPOT/VEGETATION S10按旬合成的空間分辨率為1.0 km的東亞地區植被歸一化指數產品，數據時間段為2007年1～12月，共36個時相；數據經幾何校正后，應用ENVI 4.7軟件的波段計算，求取NDVI月值數據，并通過掩膜處理獲取重慶市區域尺度數據。③植被覆蓋分類數據是通過掃描儀器掃描《重慶市地圖集》中的植被類型圖經過數據矢量化得到的；對數據分類做合并處理，最終得到所使用的8類植被。

2.2研究方法

2.2.1NPP的估算。采用1993年Potter提出的光能利用率模型（CarnegieAmesStanford Approach，CASA）[5]來估算NPP。CASA是由遙感、氣象、植被以及土壤類型數據共同驅動的光能利用率模型，屬于過程模型范疇[6-7]。隨著計算機技術、遙感與地理信息系統等手段的不斷完善，CASA模型的應用已成為大面積區域NPP和碳循環研究的主要手段之一[7]。CASA模型中的NPP主要由植物吸收的光和有效輻射（APAR）和光能利用率（ε）2個變量來確定：NPP（x，t）=APAR（x，t）×ε（x，t），式中，t為時間；x為空間位置；APAR（x，t）為像元x在t月吸收的光合有效輻射；ε（x，t）為像元 x在 t月的實際光能利用率。

2.2.2相關性分析。為對比2007年12個月NPP的月平均變化幅度及其與氣候因子之間的相互關系，筆者先對月均NPP、月總降水量和月均氣溫進行標準化處理，即進行了歸一化處理，將12個月的各因子最大值取1.0，最小值取0，然后求算以上每個因子的波動規律與變化趨勢。應用SPSS軟件做月NPP值與氣象因子的相關性分析，計算得到其相關性，并通過0.01顯著性檢驗其線性相關。最終發現，NPP的變化與氣溫、降水的相關性均較高，達0.687 0以上，但氣溫的相關性略高于與降水的相關性。

3結果與分析

3.1NPP季相分布NPP平均值在季節分配上主要表現為夏季（6～8月）﹥春季（3～5月）﹥秋季（9～11月）﹥冬季（12～2月）。由于重慶市雨熱同期，主要在夏季，而夏季光照充足，以致估算NPP的氣候因素（如降雨、輻射、氣溫、光照等）在夏季最大、冬季最小，也因此影響到了NPP的季節分配，但是空間分布趨勢變化不大。春季高值區域分布范圍較大，且分布片區較密集；夏季東南部高值區減少，東北部中高值區有所增加，但不明顯；秋季高值區進一步減少，東南及西南部大片為中高值區域，冬季高值區域比較破碎，中、低值區域面積較大，且連續性較好。

3.2NPP年內分布對2007年重慶市NPP的估算結果為112.343～799.391 gC/m2。如圖1所示，NPP在空間分布上，與地形相關性較高，高值區域大部分分布于植被密度較高的山地地區，地質區域分布于地勢較平坦的區域，具體情況如下：渝東北、東南地區NPP較高，渝西北較低，這與重慶市植被覆蓋類型有關，由植被覆蓋類型可知，渝東北部分布有大片針闊葉林，渝東南受湖南總輻射數據的影響（總輻射數據圖12007年重慶市NPP空間分布情況

Fig.1Spatial distribution of vegetation NPP in Chongqing in 2007是應用重慶市一個站點與周邊站點數據做插值獲取），以致NPP值也相應升高。在行政單位上巫溪、武隆縣NPP較高，這與該2個縣的山地地形森林覆蓋率較高密切相關，潼南縣最低；主城區由于森林植被覆蓋度較低，但是人工綠化草叢、園林規劃及減噪林的建造致使主城區NPP為中低值。

3.3NPP植被分布對重慶市8類植被的NPP進行估算，由表1可知NPP在各植被類型分布與葉面積、植被含水量等相關性較為吻合，具體體現在：NPP以闊葉林最高，達465.98 gC/m2，水生植被NPP最低，僅202.17 gC/m2，這是由于闊葉林分布面積較廣，植被葉面積大，所吸收光照、水分指數高，且最大光能利用率指數高；而水生植被不僅因為接受的光、熱被水分吸收和削減最終吸收的較少，且其最大光能利用率最低，分布密度低，單株數量少，也對其生產NPP的能力產生一定影響。

4結論與討論

（1）筆者在CASA模型的基礎上，利用SPOT/VEGETATION NDVI S10 數據和氣象資料建立了重慶市NPP遙感估算模型，并對2007年重慶市的NPP進行了模擬分析。結果表明： ①建立的基于SPOT/VEGETATION NDVI S10 數據的NPP估算方法能較好地模擬重慶市的NPP及其時空格局，估算結果比較符合實際，能應用于NPP估算項目中；②重慶市NPP年內季節性變化明顯，區域內部變化顯著，這說明NPP變化受植被覆蓋率及其氣候因子變化的影響較大。

（2）筆者基于當前氣象部門收集處理的大量使用的SPOT/VEGETATION NDVI S10 數據，無需經過復雜的大氣校正和雙向反射率校正來實現動態估算NPP及監測其變化，對氣象業務發展應用具有積極意義[8]。

（3）由于目前有關于重慶市NPP的研究鮮見報道，筆者采用涵蓋重慶區域的其他研究結果與該研究估算結果進行比對驗證。朱文泉[9]對1989～1993年我國植被分類結果進行估算得出NPP在100～400 g/m2。柯金虎等[10]對1982～1999年長江流域的NPP進行估算，得到重慶市的NPP為100～400 g/m2。而筆者研究得出2007年NPP為112.343～799.391 gC/m2，且空間分布趨勢相似。董丹等[11]利用CASA 模型對西南喀斯特NPP進行模擬計算，其中，重慶市空間變化趨勢與筆者研究得出的一致，但其計算結果顯示重慶屬于中等值地區，1999～2003年NPP值為285～480 gC/m2，低值略低于文獻[9]的計算值，高值略高，這可能由于區域、年份、氣候差異，以致對NPP估算結果有很大影響的光能利用率計算中的水分、氣溫因子不同，同時筆者劃分的植被類型中水生植被與水體最大光能利用率值較低，以上因素使得計算結果與以往研究有部分差異。綜上所述，該研究估算結果與相近區域空間相關研究結果基本一致。

參考文獻

[1] WALKER B H，STEFFEN W L，CANADELL J，et al.The terrestrial biosphere and global change：Implications for natural and managed ecosystems：A synthesis of GCTE and related research[Z].IGBP Book Series Number 4，1997.

[2] 鄭凌云，張佳華.草地凈第一性生產力估算的研究進展[J].農業工程學報，2007（23）：280-283.

[3] 李世華，牛錚，李壁成.植被凈第一性生產力遙感過程模型研究[J].水土保持研究，2005，12（3）：126-128.

[4] 劉勇洪，權維俊，高燕虎.華北植被的凈初級生產力研究及其時空格局分析[J].自然資源學報，2010，25（4）：265-272.

[5] 李貴才.基于MODIS數據和光能利用率模型的中國陸地凈初級生產力估算研究[D].北京：中國科學院遙感應用研究所，2004.

[6] POTTERC S，RANDERSON J T，FIELD C B，et al.Terrestrial ecosystem production：A processmodel based on global satellite and surface data [J].Global biogeochemical cycles，1993，7：811-841.

[7] 齊曄，HALL C A S.全球變化研究中的生物圈模型（Ⅰ）：初級生產力模擬[M]//李博.現代生態學講座.北京：科學出版社，1995：129-142.

[8] 王彧，黃耀，張穩，等.中國農業植被凈初級生產力模擬（Ⅱ）：模型的驗證與凈初級生產力估算[J].自然資源學報，2006，21（6）：916-924.

[9] 朱文泉.中國陸地生態系統植被凈初級生產力遙感估算及其與氣候變化關系的研究[D].北京：北京師范大學，2005.

[10] 柯金虎，樸世龍，方精云.長江流域植被凈第一性生產力及其時空格局研究[J].植物生態學報，2003，27（6）：764-770.

[11] 董丹，倪健.利用CASA 模型模擬西南喀斯特植被凈第一性生產力[J].生態學報，2011，31（7）：1855-1866.安徽農業科學2016年

（上接第73頁）

[3] 楊蘇才，南忠仁，曾靜靜.土壤重金屬污染現狀與治理途徑研究進展[J].安徽農業科學，2006，34（3）：549-552.

[4] 張麗，郁建鋒，杜蘭芳.鉛脅迫對豌豆種子的毒害效應[J].安徽農業科學，2007，35（34）：10997-11000.

[5] 馮淑利，邵云，劉洋，等.Zn2+脅迫對小麥幼苗生理活性影響的研究[J].農業環境科學學報，2007，26（1）：140-145.

[6] 杜蘭芳，王立新，許俊，等.鑭對汞脅迫下豌豆生長發育效應的影響[J].科技通報，2007，23（5）：671-675.

[7] 張憲政.植物葉綠索含量測定丙酮乙醇混合法[J].遼寧學報，1986（3）：26-28.

[8] 薛剛，劉文紅，黃海濤，等.2，4二硝基苯肼比色法測定嬰幼兒配方食品和乳粉及其制品中總抗壞血酸的含量[J].食品研究與開發，2006，21（3）：48-50.

[9] 鄭光美.實用種子生理學[M].北京：中國農業出版社，1997.

[10] 金璉，葉亞新，許明霞，等.鑭對鉛脅迫下小麥生理指標的影響[J].安徽農業科學，2005，33（12）：2260-2262.

[11] 杜蘭芳，郁建鋒，屠云霞.鑭對鉛脅迫下豌豆幼苗生長發育的影響[J].北方園藝，2007（12）：14-18.

[12] 郭伯生.稀土農用前景廣闊[J].中小企業科技，2006（1）：14-15.安徽農業科學，Journal of Anhui Agri. Sci.2016，44（4）：83-86