荒漠區人工林NPP估算模型比較研究

李麗，郭靖，李寧

(1.新疆農業大學草業與環境科學學院， 新疆 烏魯木齊 830052；2.新疆林業科學院，新疆 烏魯木齊 830052)

森林作為陸地生態系統中重要的碳庫之一，在區域生態環境、地表碳循環中都起到梳理作用[1,2]。在森林植被生態系統中，增大森林固碳量被看作應對氣候變化的有效途徑[3,4]。當前，在大氣中CO2、甲烷等溫室氣體增加所導致的全球變暖的氣候背景下，森林生態系統的固碳作用愈來愈受世界各國政府和學界的普遍關注[5]。森林生態系統是動態的碳庫，約占陸地生態系統總碳儲量的五分之三[6]。我國又是幅員遼闊，植被類型多樣，并且基礎數據的裝備程度也因地而異，NPP的估算在全國尺度上存在變化差異，就很難選擇統一的方法進行估算[2]。因此，準確評價地區森林生態系統的植被凈初生產力狀況需要以各地區的立地條件和科學的研究方法為基礎，為全國或全球森林生態系統碳循環的估測增加準確性和可信度，并對森林碳庫的合理管理和科學經營，增強森林生態系統的固碳功能具有重要意義[7-12]。

植被凈初級生產力NPP被視為生物與環境體系碳循環中的關鍵影響因子，它的變化過程極大影響著全球陸地生態系統的碳循環和氣候效應。目前，已有大量學者利用不同方法對森林生態系統各層次的NPP、碳儲量和碳匯功能進行了深入的研究。如，Su HX[13]等，Crame W[14]等，Kimmins J P等[15]，KUCHARIK C J等[16]采用BIOMG-BGC模型、FURCCHN模型、FORECAST模型和ISBS模型依次開展了對全球陸地森林生態系統的植被凈初生產力和碳儲量分析研究。我國方精云[8]，劉國華[17]，趙敏[18]等采用樣地清查法對中國森林生態系統植被凈初生產力及碳儲量及其變化做出了估算。從新疆森林碳匯研究的已有成果來看，眾多學者采用樣地清查法對喀納斯湖自然保護區[19]、克拉瑪依[20]和墨玉縣[21]等局部地區的森林植被固碳能力進行了核算，而利用模型法和遙感手段結合的荒漠區森林碳匯及NPP的估算研究相對缺乏。

荒漠區是生態環境較為敏感和脆弱的地帶，通過營造人工林，可以明顯改善區域水土條件、促進生態系統平衡、減少溫室氣體的排放等。因此，對荒漠區人工林植被凈初生產力進行研究十分必要。本文以墨玉縣，2014年Landsat TM數據和氣象數據為基礎，采用CASA模型、C-FIX模型和GLO-PEM模型，對森林植被凈初生產力進行估算、比較與驗證，探討適合荒漠區人工林植被凈初級生產力的估算方法和模型，從而為新疆森林生態系統碳評估和碳管理提供借鑒。

1 研究區概況

墨玉縣地處新疆維吾爾自治區塔克拉瑪干沙漠西南部邊緣，地理坐標79°08′—80°51′ E，36°36′—39°38′ N。地勢南高北低，海拔在1 120～3 600 m；年均氣溫11.4 ℃，極端最高氣溫42.7 ℃，極端最低氣溫-23.7 ℃；年均降水量32.50 mm，年均蒸發量2 226.00 mm；全年無霜期210 d左右，全年日照時數2 643.9 h，日照率62%，太陽有效輻射年總量為306.5 kJ·cm-2[22]。

2 數據來源及方法

2.1 數據來源

2.1.1 野外實地調查 2012年8月進行野外樣地布設，分別對6種典型人工林林分設置三個重復，沙棗、檉柳、新疆楊、沙棗+檉柳、沙棗+新疆楊、沙棗+新疆楊+桑樹，共設18塊樣地，隨機選擇48個采樣點；樣地大小為10 m×10 m。樣地調查內容主要為林分因子。

2.1.2 遙感影像 Landsat8 ETM+2013年9月18日遙感影像數據，空間分辨率是30 m×30 m，數據通過融合處理變為15 m×15 m空間分辨率。

2.1.3 氣象數據服務網 2013年9月和田(51828)氣象臺站的月平均氣溫、月日照時數、經度、緯度、海拔。數據主要來自于中國氣象科學數據共享服務網。

2.2 方法

2.2.1 CASA模型 CASA模型的主要原理為：植被凈初生產力的吸收的光和有效輻射與入射光合有效輻射的利用比例，公式如下:

NPP(x，t)=SOL(x，t)×FPAR(x，t)×0.5×ε(x，t)

(1)

式中:x為空間位置，t為時間，SOL(x,t) 代表太陽總輻射量;FPAR(x，t) 為受植被類型和植被覆蓋度影響的光合有效輻射；常數0.5 表示植被吸收的太陽有效輻射轉化為有機物的比例;在理想環境條件下，ε(x，t) 表示實際光能利用率，實際情況中受溫度條件、空氣濕度等多種因素影響，計算公式如下：

ε(x，t)=Tε1(x，t)×Tε2(x，t)×Wε(x，t)×εmax

(2)

式中：Tε1(x,t)和Tε2(x，t)是空氣溫度對植被的影響系數，Wε是大氣水分對對植被的影響系數。各項參數的詳細計算方式見相關文獻描述[23]。

2.2.2 C-FIX模型 C-FIX模型為基于Monteith理論提出的光能利用率模型，可以在較大空間尺度范圍內對GPP、NPP和NEP3個碳循環分量估算[24]。

對于每個單個像元，C-Fix模型計算每日NPP值，單位是g CP/(m2·日)見公式(1):

NPPd=p(Tatm)·CO2fert·ε·fAPAR·C·Sg,d·(1-Ad)

(1)

其中:p(Tatm)為歸一化氣溫依賴因子，取值[0，l]；CO2fert為歸一化CO2施肥效應因子；ε是值為0.692g C/MJ的光能利用率；fAPAR為植被冠層可吸收的光合有效輻射比例(gC·MJ-1)，取值[0,1]；C是值為0.48 gC·MJ-1的氣候效率系數；Sg，d為逐日太陽入射總輻射通量(MJ·m2·d-1)；Rh，d為土壤異養呼吸通量(gC·m-2·d-l)；Ad為植被自養呼吸率(MJ·md-1)；詳細計算方法見相關文獻描述[24]。

2.2.3 GLO-PEM模型 該模型根據植被吸收和利用光合有效輻射的原理，利用遙感反演出影響APAR利用效率的APAR和環境變量。其計算NPP公式如下[25]:

NPP=FPARt×PARt×εg-Ra

式中,PARt為t時光合有效輻射,εg為植被吸收光合有效輻射后有機物轉化率,FPARt為植被冠層對入射光合有效輻射的吸收系數,Ra為植被呼吸消耗量，有關各種參數的計算方法可以參照其他相關文獻[26,27]。

3 結果與分析

3.1 CASA模型、C-FIX模型和GLO-PEM模型NPP值

通過對影像地圖進行監督分類并用完整的NDVI植被數據圖進行核對處理，獲得研究區人工林地NDVI數據，根據CASA、C-FIX和GLO-PEM模型，再結合研究方法對2013年9月的氣溫、太陽總輻射數據處理得到研究區森林植被2013年NPP總量的柵格數據。

圖1 CASA模型NPP變化圖

圖2 C-FIX模型NPP變化圖

圖1為利用CASA模型計算的研究區2013年9月森林植被NPP空間分布結果圖，從圖中可以看出，中部和西北區域NPP值普遍較高，該區域植被比較豐厚，NPP值大于100Tg。研究區NPP取值范圍為1～270 gC，最大值為270 gC，最小值為1.5 gC，平均值為70 gC·m-2。

圖2為利用C-FIX模型計算得出的研究區的NPP空間分布圖，從圖中可以看出，NPP取值范圍為1.5～236 gC，最大NPP值為236 gC，最小值為1 gC，平準值為56 gC·m-2。該模型NPP取值范圍小于CASA模型，空間分布范圍也小于CASA模型。

圖3 GLO-PEM模型NPP變化圖

圖3為利用GLO-PEM模型計算得出的NPP空間分布圖，從圖中可以看出，NPP取值范圍為1 ～189 gC，最大值為189 gC，最小NPP值為1，平準值為28 gC·m-2。該模型取值范圍均小于CASA模型和GLO-PEM模型。

3種模型植被凈初級生產力空間分布差異比較明顯，主要集中于研究區中部和東南部。這可能與研究區人工林長勢和水熱條件的分布特征有關。

梁妙玲[28]等基于 LPJ植被動態模型，通過整理中國676個雨量站的1961—2000年日資料，通過在0.5×0.5網格上進行氣候模型插值得到的溫度和降水數值，估算出我國植被1961—2000年的凈初級生產力，認為我國當前NPP分布范圍在0～ 1 510 g·m-2·a-1，全國的NPP平均值為 493 g·m-2·a-1。劉建鋒[29]等人運用光能利用效率模型(3-PGS) ，對2003年-2007年的中國植被NPP進行估算，認為我國各地區夏季7、8月太陽輻射強，水熱條件適宜植被生長，月平均NPP達到峰值，分別為79. 70 gC·m-2和75. 54 gC·m-2，和本研究結果有差異，原因可能是所采用的方法和尺度范圍不同。本研究模型中CASA模型模擬結果最接近劉建鋒的研究結果。

3.2 模型驗證

在估算植被凈初級生產力的過程中難以避免不確定性因素的產生，一方面是模型輸入數據的不確定性；另一方面是模型本身誤差積累的不確定性，因此，驗證NPP估算結果的準確性尤為重要，驗證方法一般分為直接驗證和間接驗證，直接驗證為將地面實測的NPP數據與模型模擬值進行比較；而間接驗證則通過與其他方法估計的NPP進行比較，可以在一定程度上度量模型估計結果的可靠性和穩定性[30]。由于多種原因，NPP的實測數據難以獲得，且存在空間異質性特點，因此很難將試驗點獲得的數據擴展到區域和全球尺度上；此外，在NPP的驗證和比較中，兩者存在一定程度的不可比性，很難保證測量數據與模擬數據之間的時間一致性，即使實測數據與模擬結果與預期吻合，也不可避免產生一定的誤差。

為了進一步比較3種方法的優缺點，采用ArcGIS 10.2 提取樣地所在位置的估測值，并將其與樣點的實測結果進行比較，獲取各模型的擬合圖。計算結果如圖4。

圖4模型對比圖

注：圖A是CASA模型擬合圖，圖B是GLO-PEM模型擬合圖，圖C是C-FIX模型擬合圖，D圖是實測值和擬合值的關系對比

本文采用的研究區內的樣本點有48個，采用這些實測數據對3種模型NPP值模擬的NPP結果進行驗證。通過比較模型擬合結果圖a，圖b和圖c發現，3種模型不同森林植被類型的NPP平均值與實測值差異均各不相同，但三者比較而言，CASA模型的相關系數(R2=0.994 15)普遍大于C-FIX模型(R2=0.994 04)和GLO-PEM(R2=0.975 35)模型的相關系數值，這說明CASA模型的擬合程度與C-FIX模型和GLO-PEM模型相比較高，可以更好地反映植被類型的NPP，而C-FIX模型和GLO-PEM對植被類型NPP的擬合結果較為離散，相關性較低。這在一定程度上表明，CASA模型估算結果的穩定性要優于其他兩個模型。

通過實測值和擬合值的關系對比圖D中可以看出，各模型實測值和擬合值相當吻合，各模型的平均值：CASA模型為72.72 gC·m-2，C-FIX模型為58.33 gC·m-2，GLO-PEM模型為32.42 gC·m-2，實測值的平均值為67.20 gC·m-2，結果表明，CASA模型的平均值與實測值接近。由于空間異質性特征，實測數據只能在較小尺度上表示NPP平均值，本文模擬的是30 m區域內的NPP平均值，因此兩者之間存在不可避免的誤差。然而，大多數模擬的NPP值都落在測量值的5%誤差范圍內。因此，通過對實測值的驗證，CASA模型能更好地擬合NPP。

綜上所述，通過應用3個模型對研究區進行NPP數值模擬，雖與前人的研究成果存在一定的差異，但是結果相差不大。造成差異的原因可能是所使用的模型不同、估計數據年份、地域環境及尺度范圍等因素不同。此外，在統計植被數據時使用不同的植被分類圖也對研究產生影響。因此，差異是不可避免的?？梢哉J為，本文用CASA模型模擬NPP的結果更加可信。

4 結論與討論

4.1 CASA模型、C-FIX模型和GLO-PEM模型NPP取值范圍分別為1.5～270 gC、1～236 gC和，1～189 gC，平均值分別為70、56和28 gC·m-2，其中CASA模型模擬值最高，且接近于前人研究。研究區中部和東南部區域NPP值普遍高與其他區域。

4.2 通過3種模型的對比可知，CASA模型的相關系數(R2=0.994 15)普遍大于C-FIX模型(R2=0.994 04)和GLO-PEM模型(R2=0.975 35)的相關系數值，擬合程度較好。說明CASA模型能更好地反映和擬合研究區的植被凈初級生產力。

4.3 經對各樣本點各模型的實測值和擬合值的平均值的比較發現，CASA為72.72 gC·m-2，C-FIX模型為58.33 gC·m-2，GLO-PEM模型為32.42 gC·m-2，實測值的平均值為67.20 gC·m-2，CASA模型的平均值比較接近于實測值，說明CASA模型的估算模擬效果最好。

4.4 對該研究區的NPP進行模擬時，由于研究方法和研究尺度的不一致性， 且受到降水量、溫度、光能利用率以及土壤等眾多因素的影響，導致研究結果與前人研究有差異，但在前人研究結果變動范圍之內，具有一定的實用性。本研究只是小尺度的NPP估算，有待進一步開展大區域尺度的研究。