地形對新疆昌吉州草地凈初級生產力分布格局的影響

杜夢潔，鄭江華，2，*，任 璇，蔡亞榮，穆 晨，閆 凱

1 新疆大學資源與環境科學學院，烏魯木齊 830046 2 綠洲生態教育部重點實驗室，烏魯木齊 830046 3 新疆維吾爾自治區草原總站，烏魯木齊 830001

草地是主要的陸地生態系統之一，并且在全球碳庫計算和生態系統功能評價領域中占有重要的地位[1]。新疆作為全國五大牧區之一，草地除具備一定的生態功能和經濟效益以外，在畜牧業中的經濟職能更不容忽視[2]。然而近年來由于人類對草地資源的不合理開發利用、資源重組，草地資源呈現出嚴重退化、沙化，致使草地生態本底愈加脆弱[3]。植被是草地生態系統中的重要組成部分，在區域尺度的氣象變化中扮演重要角色，因此植被常被視為草地生態系統探究的基礎[4]。

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所積累的有機物能量，即去處呼吸消耗后的光和能量創造出的有機質剩余量[5]，既是反映氣候變化的重要參考因子，也是反映草地健康狀況的重要衡量指標[6]。草地NPP的研究方法多樣，其中比較傳統的運算方法是站點實測法，該方法基于站點實測數據，經過參數換算后得到該地區的生產力[7]，雖然該方法操作簡單，但對人力和物力的要求比較高，除了對研究區草地產生不同程度的破壞以外，用地上生物量計算得到的生物量，其精度存疑[8]。在各國學者及國際生物學計劃(IBP,1965—1974)推動下，目前用于NPP計算的模型主歸為三大類：氣候相關模型、過程模型和光能利利用率模型[9- 12]。與其他兩大類模型相比，光能利用率模型以其參數少且其參數與植被生理特征相關性強等的優點，受到國內外專家學者的認可，隨著以CASA(Carnegie-Ames-Stanford Approach)模型為代表的光能利用率模型的興起，更多的專家學者開始使用這種方法進行針對性研究[13]，Field在1995年對于CASA模型中的主要參數進行修訂并在當地研究中得到可靠的研究成果[14]，Running等則使用過程模型BIOME-BGC估算了各種植被的最大光能力利用率，在此基礎上改進CASA模型投入使用[15]。相比于國外對于NPP的研究，國內的研究起步比較晚，李文華于1978年分析了國內外森林生態系統NPP的研究現狀，針對我國森林資源國情，提出了基于地帶特征及水熱條件的數學估算模型[16]。繼朱文泉等[17- 18]運用CASA模型在全國尺度上計算了國內陸地植被的凈初級生產力后該方法被大范圍應用于全國各地植被凈初級生產力的估算當中并取得了較為可靠的成果，其中穆少杰[13]和楊紅飛[1]就應用CASA模型分別對內蒙古及新疆的植被凈初級生產力進行了估算和相關因子分析，進一步闡明了CASA模型對小尺度研究具有一定的可靠性，其后成方妍等[19]以北京市為研究區對于遙感數據尺度問題進行進一步探討并計算對比NPP，這一研究不僅討論了模型參數調整也為NPP小尺度研究提供了先驗知識。相較于常用的MODIS產品數據而言，基于Landsat得到的NDVI數據在分辨率上有很明顯的提升，而NDVI精度提升也將對模型運算結果有助益。在已有研究中楊會巾等[20]發現分辨率為30 m的NDVI數據計算結果比990 m的NDVI數據計算結果高出5%，這在模型計算時的參量優化上提供了創新的可能。

談及凈初級生產力不可避免的需要討論NPP與地形引起的植被異質性之間的關系，草地植被異質性主要由群落尺度體現，而群落尺度的異質性由地形對水熱條件的重新分配導致的土壤環境變化決定。因此，地形差異成為生產力格局研究中不可避免、影響深遠的因素，但在現有研究中鮮少被充分重視[21],而新疆草地資源豐富且地形多變，就目前的研究而言地形作為影響植被生產力最主要的環境因素之一卻未被充分考慮，因此本研究將在CASA模型推算NPP的基礎上討論新疆昌吉州草地NPP與地形之間的關系，研究采用2000—2016年7月的Landsat數據與CASA模型相結合計算連續17年7月的NPP數值，將計算結果與昌吉州草地的DEM數據結合，提取海拔、坡度和坡向參數，分類討論這三個地形參數對NPP分布格局的影響。

1 研究區與方法

1.1 研究區概況

昌吉州位于新疆維吾爾自治區天山北麓，準噶爾盆地南緣，地理位置為85°34′—91°32′E,43°06′—45°38′N(圖1)，總面積9.39萬km2。該區氣候屬典型的大陸性干旱氣候，冬冷夏熱晝夜溫差大。由于地形條件的影響，由南向北氣候差異較大，南部山區氣候特征明顯。夏季降水充沛，北部沙漠性氣候特征明顯，熱量條件充足。

圖1 研究區示意圖Fig.1 Location of study area

1.2 材料

遙感數據采用地理空間數據云(http://www.gscloud.cn)提供的 Landsat TM、Landsat 8oil數據，成像時間分別為2000—2016年6—7月，共114景影像，每10幅拼接裁剪后成為當年遙感本底數據，缺失數據年份由相鄰且兩年度自然情況一致的年份補齊。7月月均降水量、7月月均溫及月太陽總輻射數據采用中國氣象數據網(http://data.cma.cn/)的站點數據，通過整理插值形成氣象本底數據。草地類型圖采用分辨率為1000 m的GLC2000數據。

1.3 研究方法

1.3.1 遙感數據處理

首先對獲取遙感影像的多光譜數據進行輻射校正，其次對基于輻射校正的多光譜數據進行大氣校正，在此基礎上提取對應年份的歸一化植被指數(Normalized vegetation index, NDVI)備用。

1.3.2 氣象數據處理

本研究中用到的月均降水量、月均溫及月太陽總輻射數據均為站點數據，前期需要進行數據整理工作，此后在ArcGIS中進行插值運算，本研究選用的插值方法是協同克里格法(Co-Kriging,CK)，該方法能夠基于空間屬性的相關聯性，對一個或多個變量進行空間估值，以此達到提高估值合理性與提高估值結果精度的目的[22]。

1.3.3 NPP計算

本研究應用的NPP計算模型是朱文泉等改進的CASA(Carnegie-Ames-Stanford Approach)模型[6]，該模型是光能利用率模型中最常見的模型之一，主要運用植物吸入的光和輻射(APAR)與光能利用率(?)實現NPP的計算，計算公式如下：

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

其中APAR(x,t)表示像元x位置處植物t月所吸收的光合有效輻射，?(x,t)表示像元x位置在t月植被實際光能利用率。

已有研究表明，由于遙感數據覆蓋范圍廣、時間分辨率高，故以遙感影像為參量之一的CASA模型能夠實現大尺度NPP動態監測，且CASA模型相對于其他模型所需要輸入的參量較少，有效規避了由于參數缺乏而造成的誤差，與此同時該模型綜合考慮了計算NPP時的兩個主要驅動變量，基于植被生理過程而建立的機理計算模型在一定程度上能夠比較全面的反應真實情況，是目前國際上最通用的NPP模型之一[6]。

1.3.4 研究區生產力分級

根據CASA模型的運行原理，將準備好的參數帶入CASA模型計算得到對應年份的生產力(圖2)，其次根據屬性表中的信息計算研究區的平均生產力，根據其變化特征，將高于平均值的2009、2011、2012、2013和2014年定義為生產力較高年份，將低于平均值的2000、2001、2004、2005、2006和2015年定義為生產力較低年份，2002、2003、2007、2008、2010和2016年定義為生產力中等年份(圖3)。

圖3 2000—2016年草地植被生產力分布Fig.3 Dynamic of vegetation productivity of grassland from 2000 to 2016

1.4 地形因子提取

地形因子信息提取是根據ASTER GDEM制作的DEM數據為基礎進行的，在ArcGIS 10.1的空間分析模塊中實現。其中海拔以每隔500 m進行劃分，坡度以8°為一個單元劃分，坡向自北偏西22.5°每隔45°為一個單元進行劃分，其中令北偏西22.5°到北偏東22.5°之間為正北方向，在此基礎上進行對生產力進行空間分析，其屬性表如表1所示。

經過屬性信息統計后不難發現，海拔高度中(表1)，自最低高程273—773 m之間面積最大達3352490 hm2，占總面積的43.35%；坡度中，自最小坡度0°—8°之間的面積最大達5021760 hm2，占總面積的77.7%；坡向中，NW面積最大達901463 hm2，占總面積的14.14%。根據以上屬性條件，因此本研究將選擇3個地形控制因子中面積最大的區域進行代表性研究，綜上，本文將以海拔高度273—773 m、坡度0°—8°之間以及坡向為NW方向為控制條件(圖4)，在此基礎上綜合昌吉州87個常年觀測點點位信息，對分布在該區間的生產力進行點位信息提取并進行年間分析。在此基礎上應用已有的2010—2014年實地測算的生產力點位平均值與提取后對應時間跨度的點位生產力平均值進行擬合分析，其結果顯示CASA模型測算生產力與實測數據呈現波動吻合如圖5，本研究中將差異在±0.5 g/m2以內的波動定義為基本相似，其結果顯示模型測算的生產力數據與實測數據吻合精度為85.05%，造成誤差的原因主要是地上生物量采集換算得到的生物量與通常定義的生物量存在差異，因此經由CASA模型計算得到的該區凈初級生產力能夠很好的代表當地的生產力水平，可以有效彌補實測數據不全對于研究的限制。

表1 坡度、坡向、海拔面積分布

N：北，North；NE：東北，Northeast；E：東，East；SE：東南，Southeast；S：南，South；SW：西南，Southwest；W：西，West；NW：西北，Northwest

圖5 觀測點模擬值與實測值 Fig.5 The simulation value and the measured value of the observation point

2 結果分析

2.1 海拔高度對草地生產力的影響

坡度為0—8°和坡向NW條件下，將逐年運用CASA模型計算得到的數據按照控制條件及點位信息進行提取，將滿足控制條件的18個觀測點點位生產力與海拔進行單因素分析發現，生產力水平與海拔高度呈現線性相關(Sig<0.001)，其中生產力與海拔高度間的關系在生產力較低年份與生產力中等年份表現出更好的線性相關趨勢(R2>0.9)。從變化趨勢來看(圖6)，不論是從整體水平還是生產力水平差異年份上都有生產力水平隨著海拔高度升高而顯著增加的特征，但該增加模式并非持續上升，而是在上升到一定程度后受到抑制而趨于平穩。這里抑制并不是不增長，而是其增長趨勢由開始的較快趨于平穩，這主要是因為隨著海拔升高，光和有效輻射也隨之積累，當積累觸頂后其增長趨勢就逐漸緩慢下來。就整體而言當海拔達到770 m后生產力水平趨于穩定，漲幅不再明顯。根據觀測點點位信息提取得到的生產力數據顯示，整體、生產力較高年份、生產力較低年份及生產力中等年份的最高值均出現在764 m處，分別為11.8、20.9、3.6 g/m2和10.7 g/m2，在控制條內，該地區的光和有效輻射、植被分布以及氣候條件相比同條件下的其他點位達到了最優狀態，因此該點位的生產力較高。

圖6 海拔高度與生產力之間的關系Fig.6 Relationship between elevation and NPP坡度：0—8°; 坡向：NW

2.2 坡度對草地生產力影響

當控制條件為海拔273—773 m和坡向NW時，繼續對計算得到的數據按照控制條件及點位信息進行提取，將滿足條件的42個觀測點位生產力與坡度綜合分析發現，生產力水平與坡度呈現線性相關(Sig<0.001)，其中生產力較高年份表現出更好的線性相關趨勢(R2>0.9)。不論是處于任意一個水平差異年份上，其生產力隨著坡度的增大而減小且變化趨勢明顯，根據數據統計情況顯示(圖7)，整體在坡度為2°時生產力達最大值23.2 g/m2，坡度為61°時出現最小值0.053 g/m2。生產力較高年份在坡度為0°時達最大值23.9 g/m2，坡度為61°時生產力趨于0 g/m2。生產力較低年份在坡度為8°時達最大值6.3 g/m2，坡度為55°時趨于0 g/m2。生產力中等年份在坡度為5°時達最大值10.7 g/m2，坡度為61°時出現最小值0.07 g/m2。

圖7 坡度與生產力之間的關系Fig.7 Relationship between slope and NPP海拔：273—733m; 坡向：NW

2.3 坡向對草地生產力的影響

坡向與草地生產力的關系從整體而言(圖8)，其N與NE方向生產力水平較高，NW和E方向次之，W、SW、S和SE方向偏低。整體、生產力較高年份、生產力較低年份及生產力中等年份的最大值均出現在N方向分別為23.2、60.5、6.33 g/m2和10.74 g/m2，最小值均出現在SW方向分別為3.54、4.36、0.23 g/m2和0.16 g/m2。

圖8 坡向與生產力之間的關系Fig.8 Relationship between aspect and NPP海拔：273—733 m; 坡度：0—8°; N、E、S、W分別為北、東、南、西方向

3 討論

地形條件不同其地下及水熱分布也不同，由此導致地表植被組織結構及空間分布格局也有所不同，研究地形與生產力的內在聯系，能夠更好把握植被的空間分布特征與空間結構形態[23]。但就目前已有的草地生產力分布格局研究中，對地形因素的考慮還不夠周全，特別是在較大的空間尺度及連續的時間尺度研究中，需要將地形因子作為一個重要的環境因素進行考量[21]。

表2 海拔高度與生產力擬合模型的誤差分析

相對于海拔對生產力的影響而言，坡度對生產力的影響與其相反，根據圖7可知，隨著坡度升高，其生產力呈下降趨勢。整體水平上生產力最高與最低相差23.18 g/m2，較高年份為23.89 g/m2，較低年份為6.33 g/m2，中等年份為10.37 g/m2。由表3可知，相較于其他3個擬合模型基于整體水平的擬合模型效果最好。這也意味著基于整體水平坡度每上升1°生產力增加-0.225 g/m2，較高水平坡度每增加1°生產力增加-0.4066 g/m2，較低水平坡度每增加1°生產力增加-0.0836 g/m2，中等水平坡度每增加1°生產力增加-0.1892 g/m2，與海拔高度一樣，對生產力的增加與否有著深遠影響。

表3 坡度與生產力擬合模型的誤差分析

相對于前兩個地形因素而言，坡向對生產力的影響在不同坡向之間存在差異(圖8)，基于整體情況的生產力變化在23.23 g/m2(N)到3.51 g/m2(SW)之間，相差19.72 g/m2；較高年份生產力變化在60.49 g/m2(N)到4.36 g/m2(SW)之間，相差56.154 g/m2；較低年份生產力變化在6.23 g/m2(N)到0.23 g/m2(SW)之間，相差6 g/m2；中等年份生產力變化在10.74 g/m2(N)到0.16 g/m2(SW)之間，相差10.58 g/m2；不難發現其變化不論是在任何差異年份主要集中在N方向到SW方向之間。比較整體生產力變化幅度在海拔、坡度和坡向的特征可以看出，坡度導致的生產力變化最大，海拔和坡向變化較小，坡向略高于海拔。

將不同年份生產力與海拔高度、坡向、坡度這3個地形因子一一對應研究分析后發現，地形對生產力格局的分布有重要影響，在本文設定的控制條件之下，坡度對于生產力的影響最大，根據已有研究顯示，一般當坡度<15°時，土壤含水量隨坡度的增加而增加，當坡度>15°時，土壤含水量隨坡度增加而減少[23- 24]，因此在設定控制條件之下對NPP影響最大的是土壤含水量；相對于坡度而言，坡向對于NPP的空間分布影響次之，主要表現在坡向不同，植被接受的太陽輻射量不同，盛行風和地面的交角也不同，從而影響了不同坡度的水熱分布，改變了NPP的空間分布狀態[25- 26]，海拔在本研究中的影響較小但也不能忽視，從圖6中不難發現，NPP隨著海拔高度升高呈現明顯的增長趨勢，當達到本研究設定的參數臨界值時逐漸趨于平穩，除了水熱和氣候的因素以外，根據相同研究對于該因素的研究發現，這種增長抑制現象頻頻發生，這主要是由于起初隨著海拔升高，太陽輻射的量也開始急劇積累，但當達到臨界值時增長開始變得緩慢，換言之，這里的抑制并不是不再增長而是增長的比較緩慢[27- 29]。通過對比研究發現，地形對于NPP空間分布的相關研究中表現出趨同性和差異性，趨同性表現為地形因子作用下NPP變化的趨勢，差異性表現為不同的研究區，三個地形因子的影響力排序不同[21,30- 32]。

最后，從CASA模型測算地面生物量的角度來看，該模型數據獲取便捷，運用遙感數據獲取數據并進行相關處理能夠快速得到數據，有效避免因實地采集換算而導致的生物量計算不完全的情況。

4 結論

地形對草地植被生產力有著深遠影響，在3個地形因子對整體生產力變化趨勢的影響中，坡度引起的NPP變化幅度最大，坡向次之，海拔較小，在整體水平上，海拔每升高30 m，生產力增加4.11 g/m2；坡度每增加1°生產力增加-0.225 g/m2；N坡向生產力水平最高(23.23 g/m2)，SW坡向最低(3.54 g/m2)。不同生產力年份影響趨勢相同但變化幅度不同，在較高生產力年份3個地形因子的變化幅度都是最大的；通過與實測值對比分析發現，CASA模型在新疆小區域NPP測算工作中適應性較強；經過研究發現，植被生長受光和有效輻射和土壤水分影響，而這些因素又隨地形的海拔、坡度和坡向發生變化，經此得以論證地形影響著新疆昌吉州天然草地生產力的空間分布，在進行生產力相關研究時地形因子應當被給予足夠的關注和研究。

致謝：感謝新疆維吾爾自治區產學研聯合培養研究生示范基地及新疆維吾爾自治區草原總站在研究過程中提供的數據支持。