基于BEPS模型的東北三省森林生態系統NPP模擬

毛學剛，焦裕欣，張穎

(東北林業大學 林學院，哈爾濱 150040)

基于BEPS模型的東北三省森林生態系統NPP模擬

毛學剛，焦裕欣，張穎

(東北林業大學 林學院，哈爾濱 150040)

為了精確模擬森林生態系統凈初級生產力(NPP)及研究東北森林生態系統NPP分布特征，本研究選取東北三省為研究區域，應用遙感和過程模型相結合的方法，采用1km的MODIS遙感數據、逐日氣象數據、土壤數據等相關數據，對2012年東北三省的森林生態系統NPP進行估算，并采用多種方法進行驗證，分析東北三省森林生態系統NPP的空間分布格局及季節變化規律。結果表明：模擬的凈生態系統生產力(NEP)與帽兒山通量站點測量的凈生態系統碳交換量(NEE)的決定系數(R2)為0.88～0.92，均方根誤差(RSME)為0.3～1.4 gC/(m·m·d)，說明BEPS模型能夠較好地估算東北三省森林生態系統的NPP。估算的針葉林、闊葉林、針闊混交林NPP平均值都介于各個學者的模擬結果之間，估算結果比較合理。

凈初級生產力；BEPS；東北森林；生態過程模型

0 引言

森林生態系統在全球碳循環過程中起著極為重要的作用[1-2]。森林生態系統碳平衡的精確估算取決于生態系統CO2凈交換量(NEP)，NEP包括凈初級生產力(NPP)和土壤異養呼吸(Rh)，而基于遙感的土壤呼吸研究則存在很大的限制。但對NPP的模擬研究已經做了大量的工作，建立了一大批模型，主要分為經驗模型和過程模型，這兩種模型也不同程度地加入了遙感信息，但過程模型與經驗模型相比具有明顯的優勢。Boreal Ecosystem Productivity Simulator(BEPS)模型，融合了多源數據作為模型的輸入，并耦合了碳水過程，是較大空間尺度模型陸地生態系統凈初級生產力很好的選擇，在國外和國內已經得到了廣泛的應用[3-4]，但還未在東北森林生態系統上對NPP模擬進行嘗試。東北陸地生態系統的NPP也已經有了大量的研究成果，但NPP估算主要以光能利用率模型為基礎或者建立基于氣候數據的陸地碳循環平衡模型，而且主要研究NPP的年際變化特征和空間變化特征[5-10]。東北森林生態系統NPP的年際變化并不是很明顯，而季節的變化對東北森林生態系統NPP影響非常大，甚至每月都變化很大，所以本研究側重于對東北森林生態系統NPP的季節、月變化進行研究。利用MODIS的葉面積指數(LAI)、站點和美國國家環境預測中心/國家大氣研究中心(NCAR/NCEP)的再分析氣象資料相互補充生成1km分辨率的氣象數據、土壤資料、森林類型分類數據及其他輔助性資料驅動基于過程的北部森林生態系統生產力模擬模型(BEPS)，采用通量觀測資料進行驗證，模擬并分析2012年東北三省森林生態系統NPP的時空分布格局，進一步研究NPP的月變化規律，為中國東北地區乃至全國森林生態系統的碳源/匯格局的估測奠定基礎。

1 研究區概況與研究方法

1.1 研究區概況

東北三省或稱東三省包括黑龍江、吉林和遼寧三個省份，位于東經118°～135°和北緯38°～53°。東北三省的主要森林類型是寒溫針葉林和針闊混交林，森林覆蓋率接近40%，森林面積為3.88×107hm2。

1.2 模型選擇

BEPS模型時間步長是以天為單位。該模型融合了FOREST-BGC[11]、Farquhar[12]、Penman-Monteith模型[13]3個主要模型，并采用兩葉模型來計算植物的光合作用，對陸地生態系統碳通量模擬效果比較好[14]。模型輸入需要有遙感數據提取的LAI和土地覆蓋類型數據，每日的氣象數據，模型的輸出數據包括站點尺度和區域尺度的年際NPP、日NPP、GPP、NEP和蒸散。根據以前的研究結果BEPS模型參數也調整到了適合中國各種生態系統的參數[15-17]。

1.3 輸入數據

BEPS模型輸入數據包括土地覆蓋類型數據、LAI、土壤有效持水力(AWC)和每天的氣象數據，需要把這些輸入數據放到統一坐標系下，并采用相同的空間分辨率。研究區模型輸入數據的空間分辨率為1 km×1 km，投影方式為UTM投影，整個研究區共有1308×1619個像元。

1.3.1 森林類型

在BEPS模型中土地覆蓋類型數據作用確定每個像元分配植被生理參數。2012年東北三省的土地覆蓋類型數據只包括森林類型，不含其它的土地覆蓋類型。森林類型分為針葉、闊葉和針闊混交林三種類型，采用30 m空間分辨率的TM影像分類獲得。為了與其他數據能夠進行計算，對該數據進行了重采樣，采成1 km×1 km的分辨率。

1.3.2 葉面積指數

葉面積指數(LAI)是BEPS模型的一個重要輸入參數。LAI數據采用的是2012年MODIS的LAI數據產品，空間分辨為1km，時間分辨為8d。盡管MODIS的LAI數據已經進行了大氣糾正和去云處理，但該LAI數據仍然存在著非真實性波動，為了解決該問題，對LAI序列數據采用局部調整的三次樣條帽蓋算法(LACSC)做平滑處理[18]。應用LACSC算法程序時平滑參數(λ)設置為0.5，對46幅MODIS的東北三省森林LAI數據進行處理。選擇了兩種森林類型的LAI進行了對比，如圖1和2所示。采用LACSC算法程序對MODIS的LAI進行處理之后，該數據在時間序列上是平滑的，這比較符合實際規律，LAI數據經過平滑處理能夠大大提高NPP的估算精度。

圖1 闊葉林平滑前后對比Fig.1 The comparison between before and after smoothness process on broad-leaved forest

圖2 針葉林平滑前后對比Fig.2 The comparison between before and after smoothness process on coniferous forest

1.3.3 氣象數據

每日氣象數據由國家氣象信息中心提供，除日總太陽輻射以外其他氣象數據(最高和最低溫度，濕度和降水量)都采用ANUSPLIN算法插值成1 km分辨率的柵格數據[19]。ANUSPLIN算法是由澳大利亞國立大學采用FORTRAN語言開發的空間插值模型，已在國際上廣泛應用[20]。該插值算法的優點是輸入參數比較靈活，而且氣象站點數量不受限制。東北三省的輻射氣象站點比較少(僅有10個)，如果直接用空間插值的方法獲得輻射柵格數據則會有相當大的誤差。所以，日太陽總輻射數據采用美國氣候診斷中心(American Climate Diagnostics Center)提供的NCEP/NCAR再分析資料中的日總太陽輻射數據。根據以往的研究[21]，NCEP/NCAR的輻射數據普遍高于地面實測值。由于NCEP/NCAR的太陽輻射數據高估了北半球地區的太陽輻射，所以采用馮險峰等的方法進行修正[22]。該數據水平分辨率為10×10經/緯度，需要對該數據進行投影和尺度轉換與其他數據進行空間匹配。采用的空間匹配方法為：首先將NCEP/NCAR再分析數據的經緯度球面坐標采用UTM投影轉化成平面直角坐標系，再進行雙線性插值，輸出網格數據的空間分辨率1 km×1 km與其他數據進行空間匹配。

1.3.4 土壤有效持水力

AWC數據采用的是國際全球變化研究計劃的數據信息系統(IGBP-DIS)提供的土壤屬性數據庫，對數據進行了重采樣，采成了1 km×1 km的分辨率。東北三省絕大多數像元的AWC值在0.05和0.25 mm之間。

1.3.5 通量數據

采用研究區域內的帽兒山定位站的通量資料對BEPS模型進行驗證，通量數據由亞洲通量網提供。該數據是每半小時的通量數據和氣候數據。這些數據包括氣象因子30 min平均值：太陽輻射、風速、降水、相對濕度、氣溫、飽和蒸汽壓差、土壤含水量和土壤溫度。數據插補前通量30 min平均值：顯熱通量、潛熱通量、凈生態系統交換和生態系統呼吸。數據插補后通量日總量：凈生態系統交換、總初級生產力和生態系統呼吸。

2 結果與分析

2.1 精度驗證

2.1.1 通量數據驗證

由于站點的通量數據為NEE數據，并不是NPP數據，BEPS模型同時也能模擬NEP數據，NEE和NEP在數值上相等的，所以只能采用帽兒山定位站的通量觀測NEE數據對BEPS模型估算的日尺度的NEP進行驗證。驗證方法把通量站點測定的模型的參數(比如太陽輻射、風速、降水、相對濕度、氣溫、飽和蒸汽壓差)帶入到模型中來計算通量站點的森林生態系統的NEP，與NEE數據進行比較。總體上模型估算NEP與站點觀測的日NEE的R2在0.82～0.91之間波動，估算NEP的均方根誤差(RMSE)在0.30～1.40 gC/(m·m·d)之間波動，模型估算的NEP與站點的NEE數據之間相關系數為0.86，說明模型估算的NEP與站點的NEE數據高度相關，同時也能夠說明BEPS模型能夠較好地估算東北三省森林生態系統的NPP。

2.1.2 與MODIS-NPP對比

BEPS模型估算的NPP(BEPS-NPP)值分布范圍在75.17～632.82 gC/(m·m·a)，平均值為369.92 gC/(m·m·a)。MODIS的NPP(MODIS-NPP)值分布范圍在3.38～619.68 gC/(m·m·a)，平均值為322.21 gC/(m·m·a)。BEPS-NPP和MODIS-NPP最大值和平均值都是比較接近的。BEPS-NPP和MODIS-NPP也具有一定的相關性，相關系數為0.55。從圖3可以看出，MODIS-NPP數據產品整體上低估了NPP值，MODIS-NPP數據產品有明顯的拼接痕跡。

圖3 東北三省森林2012年MODIS-NPP數據(gC/(m·m·a))Fig.3 MODIS NPP data of forest in three northeastern provinces in 2012(gC/(m·m·a))

2.1.3 與其他研究結果的比較

不同學者估算的針葉林NPP為354～585 gC/(m·m·a)，估算的最高值和最低值相差231 gC/(m·m·a)，BEPS模型估算的針葉林NPP平均值為397.39 gC/(m·m·a)；不同學者估算的闊葉林的NPP為304～870 gC/(m·m·a)，最高值和最低值相差566 gC/(m·m·a)，相差的比較多，BEPS模型估算的闊葉林NPP平均值為422.15 gC/(m·m·a)。不同學者估算的針闊混交林的NPP為30～870 gC/(m·m·a)，最高值和最低值相差598 gC/(m·m·a)，相差的比較大，BEPS模型估算的針闊混交林NPP為308.47 gC/(m·m·a)(見表1)。BEPS模型估算針葉林、闊葉林、針闊混交林NPP平均值都介于各個學者的模擬結果之間，說明估算結果比較合理。

表1 BEPS-NPP與其他研究結果的比較 gC/(m·m·a)

2.2 東北 森林年NPP

東北三省森林2012年年NPP空間分布如圖4所示。東北三省絕大部分年NPP主要集中在400～500 gC/(m·m·a)，黑龍江、吉林和遼寧三省森林年NPP空間分布無明顯不同。NPP的最高值(600～700 gC/(m·m·a))出現在東北三省的北部(大興安嶺地區)，森林類型主要為針闊混交林。NPP的最低值(0～100 gC/(m·m·a))分布比較零散，而且非常稀少。黑龍江省、吉林和遼寧三省森林年NPP平均值分別為：365、361、304 gC/(m·m·a)，黑龍江省最高，遼寧省最低，但差距不大。

圖4 東北三省森林2012年NPP空間分布Fig.4 Spatial distribution of MODIS NPP data of forest in three northeastern provinces in 2012

2.3 東北森林月NPP

森林NPP的時間變化模式由于季節變化非常明顯，與森林類型變化不明顯，2012年東北三省森林月NPP空間分布如圖5所示。第一和第四季度的NPP值比春季和夏季值低了大概兩個數量級，主要是因為大部分NPP都是在這時期積累的，有些地方在第一季和第四季的NPP為輕微的負值，這說明在這個時期的森林自養呼吸超過了GPP，也說明東北三省NPP只能在春節和夏季能被精確模擬。夏季森林NPP明顯高于其他季節，這種季節性的分布主要有兩個原因：一是夏季降水量比較大；二是由遙感獲得的LAI最大值出現在夏季。森林月NPP最高值出現在6月份，NPP值大部分在100～200 gC/(m·m·a)。

3 討論

與經驗模型相比[7-8]，類似BEPS的過程模型有下列優點：

(1)遙感數據被充分利用來獲取NPP的更加詳盡的空間分布，可為森林資源管理提供幫助。

(2)土地覆蓋類型和LAI二者在生態系統中都是動態變化的，實時遙感數據能夠檢測到這些變化，對NPP的精確計算非常重要。

(3)氣象和其他環境變量都能被融合到模型中，能夠研究大區域NPP的季節、年度的變化特性和氣候變化對生態系統的影響。

圖5 東北三省森林2012年1-12月NPP空間分布Fig.5 NPP spatial distribution of forest in three northeastern provinces from January to December in 2012

LAI是BEPS模型的一個重要輸入參數，對NPP的估算起著關鍵的作用。在一年之內東北森林是慢慢開始長葉，夏季最茂盛，到秋季開始落葉，是一個先升高，升高到最高點在逐漸減低的平滑的過程。一年之中LAI不可能突然變得很小，然后又突然升的很高，這明顯不符合實際規律，而MODIS的LAI數據產品存在LAI突然變低的情況[18]，從圖1和圖2也可以明顯的看出。LAI突然變低會使NPP低估很多，因為模型估算的NPP是通過LAI把葉片尺度的光合作用轉換到了像元尺度。如果LAI被低估50%，就相當于只有一半的葉子在進行光合作用。本研究采用LACSC算法對MODIS的LAI進行了修正，提高了NPP的模擬精度，相比沒有經過處理的LAI數據，某些像元的模擬精度甚至提高了50%。

東北三省森林月NPP變化規律中6月份的NPP平均值最高，其主要原因是東北三省的6月份是森林進行光合作用的最佳條件。NPP的逐月變化與溫度有顯著的相關性，在年際變化中，NPP值隨溫度的變化而變化，而溫度又是季節性的重要特征，所以東北三省NPP值的變化具有較強的季節性變異，即存在年際變化。

4 結論

模型的驗證對于生態系統碳循環模型的發展非常重要，但是相對于建立模型的研究，為驗證模型結果的正確性所做的工作卻很少。本研究不僅與其他模型的研究成果以及MODIS的NPP產品進行了對比，而且還加強了地面觀測、遙感衛星觀測結果間的對比和相互驗證。本研究融合了多源數據(TM遙感數據、MODIS數據、氣象數據等)作為模型的輸入，估算森林生態系統的凈初級生產力，與之前模型相比本研究應用遙感獲得了更多的環境和植被信息，使其對森林生態系統的凈初級生產力的估算更加的準確、實用，也為大空間尺度精確估測碳源、匯格局提供一套合理和有利于推廣的方法。

[1] 高志強，劉紀遠，曹明奎.土地利用和氣候變化對區域凈初級生產力影響[J].地理學報，2004，59(4)：581-591.

[2] 王邵軍，阮宏華.全球變化背景下森林生態系統碳循環及其管理[J].南京林業大學學報：自然科學版，2011，35(2)：113-116.

[3] Amthor J S，Chen J M，Clein J S，et al.Boreal forest CO2exchange and evapotranspiration predicted by nine ecosystem process models：intermodel comparisons and relationships to field measurements[J].Journal of Geophysical research-atmospheres，2001，106(33)：623-648.

[4] 張娜，于貴瑞，于振良.基于景觀尺度過程模型的長白山凈初級生產力空間分布影響因素分析[J].應用生態學報，2008，14(5)：659-664.

[5] 王萍.基于IBIS模型的東北森林凈第一性生產力模擬[J].生態學報，2009，29(6)：3213-3220.

[6] 王紹強，周成虎，劉紀遠.東北地區陸地碳循環平衡模擬分析[J].地理學報，2001，56(1)：390-398.

[7] 張冬有，馮仲科，李亦秋.基于C-FIX模型的黑龍江省森林植被凈初級生產力遙感估算[J].林業科學，2007，47(7)：13-19.

[8] 國志興，王宗明，張柏.2000-2006 年東北地區植被NPP的時空特征及影響因素分析[J].資源科學，2008，30(8)：1226-1235.

[9] 張峰，周廣勝.中國東北樣帶植被凈初級生產力時空動態遙感模擬[J].植物生態學報，2008，32(4)：798-809.

[10] 趙俊芳，延曉冬，賈根鎖.東北森林凈第一性生產力與碳收支對氣候變化的響應[J].生態學報，2008，28(1)：92-100.

[11]Running S W，Coughlan J C.A general model of forest ecosystem processes for regional applications：Hydrological balance，canopy gas exchange and primary production processes[J].Ecological Modelling，1988，42：125-154.

[12]Farquhar G D，Caemmerer S V，Berry J A.A biochemical model of photosynthetic CO2assimilation in leaves of C3 Species[J].Planta，1980，149(1)：78-90.

[13]Allen R G，Pereira L S，Raes D，et al.Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56[J].FAO，Rome，1998，300(9)：D05109.

[14]Chen J M，Liu J，Cihlar J，et al.Daily canopy photosynthesis model through temporal and spatial scaling for remote sensing applications[J].Ecological Modelling，1999，124：99-119.

[15] 劉志斌，劉茂松，徐馳，等.江陰市植被凈初級生產力及碳匯價值分析[J].南京林業大學學報(自然科學版)，2007，31(3)：139-142.

[16] 馮險峰.基于過程的中國陸地生態系統生產力和蒸散遙感研究[D].北京：中國科學院地理科學與資源研究所，2004.

[17] 劉明亮.中國土地利用/土地覆被變化與陸地生態系統植被碳庫和生產力研究[D].北京：中國科學院遙感應用研究所，2001.

[18]Chen J M，Deng F，Chen M Z.Locally adjusted cubic-spline capping for reconstructing seasonal trajectories of a satellite-derived surface parameter[J].IEEE Transactions on Geoscience and Remote Sensing，2006，44(8)：2230-2237.

[19]Hutchinson M F.Interpolating mean rainfall using thin plate smoothing splines[J].International Journal of Geographical Information Science，1995，9：385-403.

[20]Liu J，Chen J M，Cihlar J.Net primary productivity mapped for Canada at 1 km resolution[J].Global Ecology &Biogeography，2002，11：115-129.

[21]Zhao M S，Running S W.Sensitivity of moderate resoluteion imaging spectroradiometer(MODIS)terrestrial primary production to the accuracy of meteorological reanalyses[J].Journal of Geophysical Research，2006，111：1-13.

[22]Feng X，Liu G，Chen J M，et al.Net primary productivity of China’s terrestrial ecosystems from a process model driven by remote sensing[J].Journal of Environmental Management，2007，85(3)：563-73.

[23] 何勇，董文杰，季勁均.基于AVIM的中國陸地生態系統凈初級生產力模擬[J].地球科學進展，2005，20(3)：345-349.

[24] 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.

[25] 陶波，李克讓，邵雪梅.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.

[26] 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，20017，31(3)：413-424.

[27] 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，2000，55(1)：36-45.

NPP Simulation of Forest Ecosystem in Three Provincesof Northeast China Based on BEPS Model

Mao Xuegang，Jiao Yuxin，Zhang Ying

(School of Forestry，Northeast Forestry University，Harbin 150040)

In order to more accurately simulate the net primary productivity(NPP)of forest ecosystem and study NPP distribution characteristics in the Northeast China，three Provinces located Northeast China were selected as the study areas using the method of remote sensing combining the process model.1 km MODIS remote sensing data，daily meteorological data，soil data and other relevant data were used to estimate net primary productivity of forest ecosystem in three northeastern provinces in 2012.Multiple methods were employed to validate the results.The spatial distribution pattern and the seasonal variation of NPP were analyzed in three provinces.The results showed that the determination coefficient(R2)between the simulated net ecosystem productivity(NEP)and the measured net ecosystem carbon exchange(NEE)at MaoEr Montain site was from 0.88 to 0.92 with the root mean square error(RSME)of 0.3～1.4 gC/m·m·d.It was concluded that BEPS model can better estimate the NPP of three provinces in northeast forest ecological system.The average values of NPP in the coniferous forest，broad-leaved forest and mixed forest didn’t exceed the simulation results of the different scholars，so the result was reasonable.

net primary productivity；BEPS；northeast forest；ecological process model

2016-07-22

國家自然科學基金(31300533)

毛學剛，博士，講師。研究方向：遙感及生態過程模型應用。E-mail：maoxuegang@aliyun.com

毛學剛，焦裕欣，張穎.基于BEPS模型的東北三省森林生態系統NPP模擬[J].森林工程，2017，33(1)：22-27.

S 718.5

A

1001-005X(2017)01-0022-06