基于CASA模型的玉溪市NPP時空變化分析

,2(.云南師范大學 旅游與地理科學學院,云南 昆明 650500;2.云南省基礎地理信息中心,云南 昆明 650500)

基于CASA模型的玉溪市NPP時空變化分析

吳 瓊1,王金亮1,李 佳1,段 平1,李石華1,2
(1.云南師范大學 旅游與地理科學學院,云南 昆明 650500;2.云南省基礎地理信息中心,云南 昆明 650500)

凈初級生產力是陸地生態系統碳匯的決定因子,是生態系統中物質與能量流動研究的基礎。為了解玉溪市凈初級生產力時空變化情況及其與影響因子的相互關系,利用CASA模型對玉溪市2000年、2005年、2010年、2015年凈初級生產力進行了估算,并從時間、空間變化及其與DEM、NDVI等的空間關系進行了分析。結果表明:①玉溪市15年間凈初級生產力均值呈先“減小后增大再減小”的趨勢。②各地區凈初級生產力空間差異明顯,西南部地區最高,東北部地區最低;15年間西部與西南部地區減少較明顯,北部與東北部地區增加較明顯。③凈初級生產力均值總體隨海拔的上升而增大,與DEM、NDVI呈正相關。在海拔較高區域,與NDVI相關性較大；在海拔較低區域,與DEM相關性較大。

玉溪市;凈初級生產能力;CASA模型;時空變化;植被覆蓋度

1 引言

陸地植被凈初級生產力(Net Primary Productivity,NPP)是指陸地植物光合作用積累的有機質干物質總量。即在單位面積、單位時間上,由光合作用產生的有機質總量和呼吸作用消耗有機質量的差值，表征著植被的固碳能力,反映了植物轉化和固定光合產物的效率[1]。NPP估算的模型方法依據其計算機理主要有氣候生產力模型、生理生態過程模型、光能利用率模型和生態遙感耦合模型4種[2],其中氣候生產力模型最為簡單且參數易獲取,但估算誤差較大,適用于區域潛在NPP估算;生理生態過程模型估算較準確,但模型較復雜,參數較多且難獲取,適用于小尺度均質斑塊NPP的估算;光能利用率模型尺度轉換相對容易且植被參數可由遙感數據獲取,適用于區域估算;生態遙感耦合模型是生理生態過程模型和光能利用率模型的結合,兼具其優缺點,但有參數難于獲取的弊端,估算受葉面積指數(LAI)的影響較大。綜上所述,同時考慮參數獲取難易程度與估算結果的準確性,光能利用率模型成為NPP估算的主要模型。其中,基于GIS和RS技術的CASA模型充分考慮了NPP計算中最主要的兩個驅動變量,同時參數需求較少,避免了參數估算帶來的誤差,在國內外得到廣泛應用[3,4]。

我國曾對不同區域,如平原、高原、丘陵、山區等地的NPP開展了研究工作[5]:如根據生態系統過程模型對我國三江平原NPP變化及其主要影響因素進行了研究[6];依據CASA模型,估算了青藏高原和全國凈初級生產力,并分析其空間格局[7];結合MODIS數據模擬了福建省森林生態系統NPP,對其影響因子進行了分析[8];基于氣候變化下的長白山闊葉紅松林NPP變化與響應研究[9]等,但是對地形較復雜的西南地區研究鮮見。

玉溪市位于云南省中部地區,緊鄰省會昆明,享有“滇中糧倉”和“云煙之鄉”的美譽,同時也是撫仙湖、哀牢山、陽宗海等著名風景區的所在地。云南省玉溪市動植物種類繁多,植物種類達2000多種,屬國家重點保護的有28種,包括國家森林公園2個、國家級自然保護區1個、省級自然保護區1個、地縣級自然保護區17個。因此,無論是從景區維護還是物種保護方面,對玉溪市的NPP研究都顯得尤為重要。此外,玉溪市地勢西北高、東南低,山地、峽谷、高原、盆地交錯分布,位于新平縣的哀牢山主峰為最高峰,海拔3165.9m,最低海拔為元江河谷,海拔328m,相對高差2838m,十分有利于研究區域NPP在不同海拔范圍內與DEM、NDVI等因子的相關性。

為了詳細了解玉溪市NPP的時空變化,探討玉溪市與各影響因子的相關性,本文將運用CASA模型逐像元模擬2000—2015年玉溪市NPP分布及其時空變化,分析與各影響因子的相關性。該研究成果有利于進一步了解玉溪市植被空間布局與承載力現狀,對評估各縣區生態平衡狀況具有重要的參考價值。

2 研究區與數據來源

2.1 研究區概況

玉溪市的地理坐標為23°19′—24°53′N、101°16′—103°09′E之間,位于云南省中部地區,全市總面積15285km2,分2個市轄區、5個縣、3個自治縣,屬于低緯度高原區。玉溪市的氣候隨復雜地形變化,年平均氣溫15.4—24.2℃,年平均降水量787.8—1000mm,多集中于6—10月,相對濕度75.3%,年平均蒸發量1801mm。由于玉溪市的地形高差較大、地形復雜,一般山區比壩區降雨量大、溫度較低,從山頂到谷底,全年和晝夜溫差變化較顯著。

2.2 數據來源

本研究主要采用遙感數據、氣象數據和其他空間數據。遙感數據主要包括2000年、2005年、2010年、2015年1—12月份的MODAS NDVI產品數據;2000年、2005年、2010年、2015年的TM影像數據(利用監督分類與目視解譯的方法得到各年土地利用數據);氣象數據包括玉溪市8個站點的實測數據,主要有日照時數、月均溫、月降水量、局地潛在蒸散量等，其他空間數據包括玉溪的市行政區劃數據等。

3 研究方法及計算

本文采用CASA模型估算玉溪市的NPP。NPP的計算與植物光合有效輻射(APAR)和實際光能利用率(ε)兩個因子相關[3,10],計算公式為:

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

兩個參數的具體計算方法見APAR的估算和ε的估算。

3.1 APAR的估算

APAR的主要影響因子有植被所能吸收的太陽有效輻射、植被對入射光合有效輻射的吸收比例,其代數關系式為:

APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5

(2)

式中,SOL(x,t)為t月在像元x處的太陽總輻射量(g C/m2·month),可根據各站點日照時數求得太陽總輻射量,采用IDW插值法求得各像元總輻射量;0.5表示植被可利用的太陽有效輻射占太陽總輻射的比例[3,10,11];FPAR(x,t)是指植被對入射光合有效輻射的吸收比例,它同時與NDVI、SR相關。

根據FPAR與NDVI的線性關系[10,12,13],利用像元二分模型做出各地物掩膜文件,并得出不同地物各像元的NDVI值,同時用各地物分類矢量文件裁剪出不同地物的NDVI,得到其最大值和最小值,代入式(3)求得FPARNDVI。

(3)

式中,NDVIi,max、NDVIi,min分別表示第i種植被類型NDVI最大值、最小值;各像元NDVI值根據MODAS、NDVI產品數據獲取。

根據FPAR與SR的線性關系[1,10,14,],與Step1同理求得各像元SR值、不同地物SR最大值和最小值,代入式(4)求得FPARSR。

(4)

式中,FPARmin、FPARmax分別取值0.001、0.95;SRi,max、SRi,min分別表示第i種植被類型的NDVI在95%和5%下的百分位數[18,26]。SR(x,t)由式(5)求得:

(5)

對FPARNDVI和FPARSR估算結果進行對比分析,發現由NDVI估算的FPAR比實測值高,而由SR估算的FPAR比實測值低,因此依據式(6)取其平均值作為FPAR最終估算值[1,10,15](本研究α取0.5)。

FPAR(x,t)=αFPARNDVI+(1-α)FPARSR

(6)

根據以上方法,可求得APAR因子。

3.2 ε的估算

光能利用率是指在一定時期內植被單位面積上干物質中所包含的化學潛能,與同一時間投射到該面積上的光合有效輻射能之比。主要與溫度對光能利用率的脅迫作用、水分脅迫影響系數、最大光能利用率相關,其代數關系式為:

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax

(7)

Tε1(x,t)是指在低溫或高溫條件下,植物內在的生化作用會對光合作用產生一定的限制,從而降低植物第一性生產力。具體的計算公式為：

Tε1(x,t)=0.8+0.02×Topt(x)-0.0005×[Topt(x)]2

(8)

式中,Topt(x)表示最適宜植物生長溫度,取研究區一年內NDVI值最高時的當月平均氣溫(℃)。

Tε2(x,t)是指當植物生長的環境溫度從最適宜溫度Topt(x)向高溫或低溫變化時,植物光能利用率有變小趨勢,該因子主要與當月各像元的溫度相關,代數關系式為：

(9)

式中,T(x,t)表示t月份像元x處的溫度,采用IDW插值法對各氣象站點月均溫插值得到。

水分脅迫影響系數Wε(x,t)表示植物所能利用的有效水分條件對光能利用率的影響,主要與區域實際蒸散量E(x,t))、區域潛在蒸散量Ep(x,t)相關,計算式為式(10)；E(x,t)又由P(x,t)和Rn(x,t)決定,計算式為式(12)；P(x,t)為t月份內像元x處的降水量(mm),同樣采用IDW插值法對氣象站點月降雨量插值計算獲取;Rn(x,t)利用經驗公式(12)求得。

Wε(x,t)=0.5+0.5×E(x,t)/Ep(x,t)

(10)

(11)

(12)

對不同植被類型的月最大光能利用率εmax的取值不同,本文參照中國典型植被類型最大光能利用率模擬的結果[16],結合本研究的分類結果,歸類得出不同生態類型的光能利用率取值(表1),根據以上公式可求得ε因子。

表1 不同生態類型的光能利用率取值(gC/MJ)

4 玉溪市NPP估算與分析

我們將估算的植被光合有效輻射(APAR)和實際光能利用率(ε)代入式(1),求得玉溪市2000年、2005年、2010年、2015年4期的NPP分布(圖1,見封三)。根據圖1可見,各區域4期的NPP分布趨勢大體相同,均表現東北部地區較小、西部和西南部地區較大。根據統計分析,2000年的NPP均值為830.052g/m2·a、2005年為616.126g/m2·a、2010年為776.424g/m2·a、2015年為593.213g/m2·a,總體呈“先減小后增大”的趨勢。在高程較高的新平哀牢山地區和元江西部地區的NPP值均較大,分析認為NPP與DEM存在一定程度的正相關性。在植被覆蓋水平相對較低的澄江、華寧、玉溪、通海、易門等地,海拔較高,但NPP相對較低,據此分析NPP與NDVI也存在一定程度的正相關性。

注:a為2000年；b為2005年；c為2010年；d為2015年。

圖2玉溪市NPP總量均值直方圖

圖3 玉溪市2000—2015年各縣區NPP均值分布

4.1 玉溪市的NPP時空變化

分析4期NPP結果，玉溪市NPP總體呈現明顯的空間分異(圖1，見封三),其中西南部地區均值最高。元江地區屬中部高原溫暖區,適宜各種植被生長,15年間NPP年平均值高達492.761g/m2·a,新平地區為405.669g/m2·a;東北部地區NPP均值最低,以水體流域最多的澄江最低,15年平均值為200.063g/m2·a;其次華寧地區為296.197g/m2·a;中部地區15年間NPP均值在300—400g/m2·a之間變化。

15年間玉溪市NPP均值總體呈“先減小后增大再減小”的趨勢(圖2),同時各縣區NPP也呈同樣的趨勢(圖3)。NPP最小值出現在2015年(593.213g/m2·a),最大值出現在2000年(830.052g/m2·a),15年間總量減少較明顯。

從不同地區變化趨勢看(圖4,見封三),15年間新平的西部地區、元江的西部和東北部地區由于受氣候影響NPP均值減少較明顯,澄江、華寧、江川、易門的部分地區有所增加,中部地區變化幅度較小。

圖5 玉溪市2000年—2015年(高程gt;1500m)NPP、NDVI、DEM剖面圖

4.2 NPP與DEM、NDVI的關系

為了研究玉溪市NPP在不同范圍內對DEM、NDVI的不同響應,我們選取研究區某區域繪制一條剖面直線,分別得到NPP、DEM、NDVI空間剖面曲線圖。以DEM等于1500m為界,分別研究不同高程范圍內NPP與DEM、NDVI的相關性。研究表明,在玉溪市高程范圍內,NPP與NDVI、DEM均呈現正相關性。但高程大于1500m時,NPP與NDVI相關性較大(圖5);小于1500m時,NPP與DEM相關性較大(圖6)。究其原因是:在一定范圍內隨著海拔的上升,降水量逐漸增大,上升到一定高度時,降水量又隨之減小;其次,太陽總輻射量隨海拔升高而不斷增大,增長速度為先快后慢。綜合兩者在海拔較小時,降水量和太陽總輻射量隨海拔升高,正向變化較明顯；而在海拔較大的區域,降水量變小,太陽輻射量增加變慢,所以在海拔較低(DEM較小)區域的NPP與DEM相關性更高。此外,在海拔較高區域(DEM較大),植被類型多樣化、植被保護較好;低海拔區域的人為活動特別是城鎮建設用地較多,植被幅度較低,因此也表現出海拔較高區域的NPP與NDVI相關性更高。結合本文剖面線的選取位置(高海拔區域剖面線在澄江、江川、通海地區;低海拔區域剖面線在新平、元江的河谷地區),澄江、江川、華寧、通海等地NPP受NDVI的影響較大,因此這些區域植被類型與數量的保護顯得尤為重要。峨山、新平、元江的河谷地帶,由于海拔較低,NPP受DEM影響更大,但并不否決NDVI的變化作用,只是在NDVI同等變化情況下,澄江、江川等高海拔地區NPP的響應強于元江、峨山等低海拔地區。

圖6 玉溪市2000—2015年(高程lt;1500m)NPP、NDVI、DEM剖面圖

5 精度評價分析

玉溪市的NPP誤差來源主要有兩個方面：一是各氣象數據的選擇,二是通過監督分類得到的遙感影像分類結果。本文氣象數據均來自云南省氣象局,較為準確,因此主要進行監督分類的精度驗證。我們將研究區分為林地、耕地、水體、居民地、草地5類,采用Google Earth隨機選取若干驗證樣本區,通過計算分類混淆矩陣和Kappa系數,完成了分類結果的精度驗證,見表2。從表2可見,玉溪市各年份Kappa系數均大于0.75,表明分類結果較為理想。

表2 影像分類精度檢驗結果

6 結語

利用遙感影像數據、氣象數據,根據CASA模型可較為準確地對玉溪市的NPP值進行估算。估算結果表明,2000—2015年十五年間玉溪市的NPP均值呈現“先減小后增大再減小”的趨勢;各區域變化有所差異,隸屬低海拔區域的新平東部地區和峨山的西南部地區NPP的變化不大,玉溪市低海拔區域玉溪市NPP與DEM表現出較高的相關性,澄江、華寧、江川、易門部分地區有所增加;結合NPP與NDVI、DEM的相關性,玉溪市該區域的NDVI提高較大(高海拔區域NPP與NDVI相關性更強),說明澄江、華寧、易門各縣近年來政府對生態環境保護力度較大,各植被生長狀態較好,區域基本保持了生態平衡。但同屬玉溪市高海拔地區的新平西部(主要集中在哀牢山地區)、元江西部和東北部地區的NPP減少明顯,一方面是由于城市化發展過程對城市建筑、道路等建設的需求,導致對林地、草地等植被覆蓋區域的占用；另一方面則是人們不重視保護環境。因此,我們建議當地有關部門在城市化進程中協調好城鎮建設與區域生態開發的比重,加大環境監測力度,減少對山區的開發,尤其像哀牢山一類難以恢復的景區地區禁止砍伐森林,避免大面積高植被覆蓋度林區減少。

[1]俞靜芳.基于CASA模型的浙江省植被凈初級生產力估算[J].浙江農林大學學報,2012,29(4)∶473-481.

[2]陳雯,孫成明,劉濤,等.植被NPP估算的模型方法與機理[J].安徽農學通報,2014,(8)∶30-33.

[3]朱文泉,潘耀忠,龍中華,等.基于GIS和RS的區域陸地植被NPP估算——以中國內蒙古為例[J].遙感學報,2005,9(3)∶300-307.

[4]Donmez C,Berberoglu S,Curran P J.Modelling the Current and Future Spatial Distribution of NPP in a Mediterranean Watershed[J].International Journal of Applied Earth Observation and Geoinformation,2011,13(3)∶336-345.

[5]杜虹蓉.基于CASA模型的中山峽谷區縣域植被NPP時空變化研究[D].昆明：云南大學碩士學位論文,2015.

[6]王宗明,國志興,宋開山,等.2000—2005年三江平原土地利用/覆被變化對植被凈初級生產力的影響研究[J].自然資源學報,2009,(1)∶136-146.

[7]秦瑞,周瑞伍,彭明春,等.CASA模型在金沙江流域(云南部分)NPP研究中的應用[J].山地學報,2014,(6)∶698-705.

[8]江洪,汪小欽,孫為靜.福建省森林生態系統NPP的遙感模擬與分析[J].地球信息科學學報,2010,12(4)∶580-586.

[9]吳玉蓮,王襄平,李巧燕,等.長白山闊葉紅松林凈初級生產力對氣候變化的響應：基于BIOME-BGC模型的分析[J].北京大學學報(自然科學版),2014,50(3)∶577-586.

[10]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.

[11]劉廣.京津冀地區森林植被凈初級生產力遙感估算研究[D].北京：北京林業大學碩士學位論文,2008.

[12]Monteith J L.Solar Radiation and Productivity in Tropical Ecosystems[J].Journal of applied ecology,1972,9(3)∶747-766.

[13]Ruimy A,Saugier B,Dedieu G.Methodology for the Estimation of Terrestrial Net Primary Production from Remotely Sensed Data[J].Journal of Geophysical Research：Atmospheres,1994,99(D3)∶5263-5283.

[14]Los S,Justice C,Tucker C.A Global 1 by 1 Degree NDVI Dataset for Climate Studies Derived from the GIMMS Continental NDVI Data[J].1994,(15)∶3493-3518.

[15]李旭譜.黑河流域NPP遙感估算及其時空變化特征分析[D].西安：陜西師范大學碩士學位論文,2013.

[16]朱文泉,潘耀忠,何浩,等.中國典型植被最大光利用率模擬[J].科學通報,2006,51(6)∶700-706.

AnalysisonTemporalandSpatialVariationofNPPinYuxiCityBasedonCASAModel

WU Qiong1,WANG Jin-liang1,LI Jia1,DUAN Ping1,LI Shi-hua2,1
(1.College of Tourism and Geography,Yunnan Normal University,Kunming 650500,China;2.Yunan Provincial Geoinformatics Center,Kunming 650500,China)

Net Primary Productivity(NPP) was a determining factor of terrestrial ecosystem carbon sink,and it was the basis of research on material and energy flow in ecosystem.For a detailed understanding of the temporal and spatial variation of the NPP in Yuxi City and its relationship with the image factors,in this paper,CASA model was used to estimate the mean NPP of 2000,2005,2010 and 2015in Yuxi City.In addition,the authors analyzed the spatial and temporal variation of NPP and the relationships between the NPP and DEM,NDVI.The results showed that:①Over the past 15 years(2000-2015),the mean NPP in Yuxi City changed in volatility:First decreased and then increased,then decreased.②The spatial difference of the mean NPP in Yuxi City was obvious,with the highest in the southwest region and the lowest in the northeast region.At the same time,the decrease of NPP was obvious in the west and southwest of Yuxi City in fifteen years,and the northern and northeastern regions increased significantly.③In generally,the mean NPP of Yuxi City increased with the increase of DEM,and it was positively correlated with elevation and normalized difference vegetation index.Meanwhile,the correlation between the NPP and the normalized difference vegetation index was big in high altitude areas,but the correlation between NPP and DEM was big in the low altitude areas.

Yuxi City;net primary production capacity;CASA model;temporal and spatial variation;vegetation coverage

10.3969/j.issn.1005-8141.2017.07.002

X826.2

A

1005-8141(2017)07-0777-06

2017-05-21；

2017-06-14

國家自然科學基金項目(編號:41561048);國家測繪地理信息局地理國情監測示范項目“撫仙湖流域生態環境動態監測”(編號：測國土函[2014]35號)。

吳瓊(1991-),女,山西省晉中人,碩士研究生,主要研究方向為資源環境遙感應用。

王金亮(1963-),男,云南省武定人,教授,博士生導師,主要研究方向為資源環境遙感應用。