淮河流域地上生物量時空特征分析

姚筠 張方敏 侯燦 翁升恒 吳文玉

（1安徽省氣象科學研究所，大氣科學與衛星遙感安徽省重點實驗室，合肥 230031；2 壽縣國家氣候觀象臺，中國氣象局淮河流域典型農田生態氣象野外科學試驗基地，壽縣 232200；3 南京信息工程大學應用氣象學院，南京 210044）

0 引言

生物量是指某一時刻單位面積內所有植被的總干重，是表征植被群體長勢的重要參數之一。地上生物量（aboveground biomass，AGB）不僅僅是生態系統第一性生產力的組成部分，也是評價生態系統的生態脆弱性的重要指標[1]。關于生物量的研究與應用最早是在林學的相關研究中提出[2-6]。其后在草地和農田領域，眾多學者也開展了關于地上生物量的大量研究[7-11]。農田的地上生物量與長勢和單產密切相關，主要受到環境氣候、地形、生物多樣性和管理利用方式等因素的影響。環境與氣候的因素包括光照、水分和土壤溫度。地形主要包括海拔、地勢、斜面等要素，海拔坡度包括光照射、濕度及溫度等環境因素。通過海拔高度的變化，氣候因子對地上生物量的影響進一步加強[12]。

淮河流域是我國農業生產經營活動的典型區域之一，代表了東亞季風區的主要氣候條件和生態環境狀況。同時由于淮河流域地處我國南北氣候過渡帶，天氣復雜多變，加上地形的共同作用，使得該區域地上生物量變化可能較之其他區域更為復雜。而目前流域尺度地上生物量的時空動態變化研究尚不多見。因此建立該區域AGB的估算方法及分析氣候變化背景下該區域AGB的變化特征對了解該區域碳源匯情況，以及評估區域碳源匯潛力具有重要意義。

本研究以淮河流域（圖1）為對象，基于氣象數據、遙感反演數據和BEPS模型，估算得到淮河流域長序列AGB數據，并在此基礎上分析淮河流域地上生物量時空變化特征，以期為農田生態系統的深入研究及長期監測提供數據累積，為農業資源的科學管理和合理利用提供信息支撐。

圖1 研究區淮河流域圖Fig. 1 The map of Huaihe River Basin

1 資料與方法

1.1 資料

本文數據來源于中國氣象局國家氣候中心提供的1981—2018年淮河流域內河南、安徽、江蘇、山東四省共145站逐日氣象資料，包括降雨量、最高溫度、最低溫度、相對濕度、日照時數等。所有的數據進行補插訂正，然后采用Kriging方法插值到0.01°格點數據。葉面積指數（LAI）資料來源于0.08°的1981—2018年的由中國科學院地理所劉榮高團隊制作的GLOBMAP LAI V3的產品[13]，該產品融合AVHRR LAI（1981—1999年）和MODIS LAI（2000—2018年）。

1.2 AGB 估算方法

農田地上生物量主要有3種獲取方法：直接收獲法、產量模擬法和遙感模型法[14-15]。直接收獲法是在植被生長發育最旺盛的時候，通過試驗的方式去獲取某一樣地上的所有生物量并進行稱重。這種方法估算精度高并且操作簡單，但是需要花費大量的時間和精力才能夠采集足夠的樣本數據，而利用有限的樣本數據估算大區域范圍的生物量也存在較大誤差，并且該方法還破壞樣地的植被覆蓋情況。因此，這種方法一般用于估算小區域范圍的地上生物量。產量模擬模型法，此種方法考慮了植被的生態環境特征和生理特征，一般將土壤、植被種類、氣候和技術等條件因素用于模型中。該方法需要研究區大量詳細具體資料，由于搜集足夠的數據存在難度，因此這種模型很難在大范圍區域進行估算。遙感模型法主要是基于遙感數據，利用遙感變量和同一時期的地面采樣數據建立數據集、構建生物量遙感模型，目前運用遙感手段進行綜合建模應用最為廣泛。本研究綜合利用氣象數據和遙感反演數據結合BEPS模型進行AGB的估算。

1.2.1 估算凈第一生產力（NPP）

BEPS模型是在FOREST-BGC模型的基礎上不斷改進、發展得到的，用于估算陸地生態系統的碳水循環[15-16]。經過多次改進，已被許多學者用到中國區、亞洲東部等區域生產力和蒸散空間分布格局的模擬中。該模型是基于過程的生物地球化學模型，涉及到生化、生理和物理等機理方法，綜合運用了生態學、生物物理學、植物生理學、氣候學和水文學的方法來模擬植物的光合、呼吸、碳的分配、水分平衡和能量平衡等關系[17-18]。模型最主要的特點是引入兩葉模型將冠層葉片分為陽葉和陰葉，通過進行氣孔導度的積分對葉片尺度的瞬時光化學模型進行時空尺度轉換，模擬計算逐日值累計。NPP的計算分為3個部分：

1）總初級生產力（GPP）的計算

式中：A為葉片的光合作用速率（μmol/(m2·s)）；Wc和Wj分別為受Rubisco活性限制和光限制的光合作用速率；Rd為白天葉子的暗呼吸；Vm為最大羧化作用速率；Ci是葉肉細胞CO2濃度（mol·mol-1）；Γ是無暗呼吸時的CO2補償點（mol·mol-1）；K為酶促反應速度常數（mol·mol-1）；J是電子傳遞速度。

式中：Acanopy、Asun、Ashade分別為整個冠層、陽葉和陰葉的日光合速率；LAIsun和LAIshade分別為陽葉和陰葉的葉面積指數；θ為太陽高度角；Ω為葉子聚集度系數；daylenth為日長；CGPP為轉換比例。

2）呼吸作用的計算

植物的呼吸作用可以分為自養呼吸和異養呼吸，其中，植物的自養呼吸（Ra）主要包括生長呼吸（Rg）和維持呼吸（Rm）兩部分：

式（3）中，i代表植物的不同器官（葉、莖、粗根和細根）；Mi為第i個器官的生物量；Rm,i為第i個器官在溫度Tb（℃）時的呼吸速率（μmol·m-2·s-1）；T為氣溫（℃）；Q10為呼吸對溫度變化的響應系數。

3）NPP的計算

植物每天的NPP即為植物每天的凈碳吸收量，計算為GPP與呼吸作用消耗之差，即：

1.2.2 估算地上生物量（AGB）

AGB就是生育期內從第一天到n的干物質的累積量，即

式（5）中，NPP為第一凈生產力，也表示為有機物質干重，n為生育期的第n天。

2 結果與分析

2.1 淮河流域年均AGB時空變化

2.1.1 淮河流域日均AGB 的年變化

如圖2所示，淮河流域多年平均AGB在年內日尺度變化呈現“單峰型”變化規律，存在兩個快速上升期。在年初和年末，AGB都處在較低水平，僅有400 g·m-2，到了73 d（3月14日（平年）/3月13日（閏年））左右，AGB上升速度明顯變快，至129 d（5月9日（平年）/5月8日（閏年））左右上升速度放緩，到170 d（6月19日（平年）/6月18日（閏年））進入第二段快速上升期，并在217 d（8月5日（平年）/8月4日（閏年））達到一年中的最大值，為2531 g·m-2，而后迅速下降。

圖2 淮河流域年均AGB年變化Fig. 2 Annual variation of 38 years mean daily AGB in Huaihe River Basin

2.1.2 淮河流域年均AGB年際變化

將淮河流域AG B逐年進行平均而得到圖3。1981—2018年這38年間淮河流域AGB呈現波動上升的趨勢，從1981年的836.8 g·m-2逐漸上升到2018年的983.3 g·m-2。多年平均AGB為884.0 g·m-2，最大值出現在2015年，為1083.6 g·m-2，最小值出現在1996年，為741.0 g·m-2。構建所得年份與AGB的線性方程為y=6.333x+760.53（R2=0.581），表明，所研究年份內AGB有明顯的上升趨勢。

圖3 淮河流域平均AGB年際變化（1981—2018年）Fig. 3 Interannual variation of annual average AGB in Huaihe River Basin from 1981 to 2018

2.1.3 淮河流域不同年代的年均AGB空間分布

由圖4可知，淮河流域AGB自1980年代到2010年代這4個年代間呈現出明顯的增加趨勢，AGB區域上大體分布為南高北低，淮河流域的西部地區AGB也較高。西部和南部地區（主要為山區）自1980年代以來就大于700 g·m-2，甚至大于1400 g·m-2（圖中未能顯示）。在1980與1990年代，淮河流域中部的AGB大多在500 g·m-2以下；而2000年代時AGB小于400 g·m-2的區域大幅度減少，500～700 g·m-2的區域大幅增加，南部和西部地區繼續保持高AGB，但區域較前兩個年代有略微擴大；到了2010年代，淮河流域大范圍內AGB＞600 g·m-2，僅北部和部分東部沿海地區AGB＜400 g·m-2。

圖4 淮河流域不同年代的年均AGB空間分布Fig. 4 Spatial distribution of annual average AGB in Huaihe River Basin from 1980s to 2010s

2.1.4 淮河流域年均AGB變化趨勢的空間分布

如圖5所示，除東部沿海等小范圍區域以外，1981—2018年間淮河流域AGB變化趨勢均大于0，即淮河流域大范圍的AGB表現為上升趨勢，但上升的速率有所不同。在淮河流域的中部、中部偏北和中部偏西區域大范圍AGB變化趨勢最大，上升最明顯，幾乎都在0.50以上，甚至出現大面積大于0.75的情況；然而在淮河流域的南部和東部沿海地區，AGB變化趨勢大多小于0.50，甚至有大面積小于0的情況，即AGB在淮河流域這些范圍內增長不快甚至有減小。

圖5 1981—2018年淮河流域年均AGB變化趨勢的空間分布Fig. 5 Spatial distribution of AGB variation trend in Huaihe River Basin from 1981 to 2018

圖6 1981—2018年淮河流域AGBmax逐年變化Fig. 6 Annual average AGBmax in Huaihe River Basin from 1981 to 2018

2.2 淮河流域最大AGB（AGBmax） 時空變化

2.2.1 淮河流域AGBmax年變化

將淮河流域各格點AGB求逐年內最大值，再求平均得到淮河流域AGBmax變化圖（圖6）。38年間淮河流域AGBmax呈現波動上升的趨勢，從1981年的2111 g·m-2逐漸上升到2018年的2610 g·m-2。多年平均AGBmax為2221 g·m-2，最大值出現在2015年，為3025 g·m-2，最小值出現在1982年，為1699 g·m-2。構建所得年份與AGB的線性方程為y=28.639x+1662.9（R2=0.661）。與AGB相同（圖3），淮河流域AGBmax有明顯的上升趨勢。

2.2.2 淮河流域不同年代AGBmax 空間分布

由圖7可知，淮河流域AGBmax自1980年代到2010年代這4個年代間呈現出明顯的增加趨勢，AGBmax區域大體分布為南高北低，淮河流域的西部地區AGBmax也較高。西部和南部地區（主要是山區）自1980年代以來就大于2500 g·m-2，在1980與1990年代，淮河流域中部的AGBmax大多在700～1500 g·m-2；而2000與2010年代時AGBmax小于1000 g·m-2的區域大幅度減少，1500～2500 g·m-2的區域大幅增加，甚至淮河流域大范圍內AGBmax大于2500 g·m-2，僅西北部和部分東部沿海地區AGBmax還小于700 g·m-2。

圖7 淮河流域不同年代AGBmax空間分布Fig. 7 Spatial distribution of AGBmax in Huaihe River Basin from 1980s to 2010s

2.2.3 淮河流域AGBmax變化趨勢的空間分布

如圖8所示，同AGB變化趨勢類似（圖5），除東部沿海等小范圍區域以外，1981—2018年間淮河流域AGBmax變化趨勢均大于0，即淮河流域大范圍的AGBmax表現為上升趨勢，但上升的速率有所不同。在淮河流域的中部、中部偏北和中部偏西區域AGBmax變化趨勢最大，上升最明顯，幾乎都在0.50以上，甚至出現大于0.75的情況；然而，在淮河流域的南部和東部沿海地區地區，AGBmax變化趨勢多在0.50以下，甚至在東部沿海地區出現大面積小于0的情況，即AGBmax在淮河流域這些范圍內為減小趨勢。

圖8 1981—2018年淮河流域AGBmax變化趨勢的空間分布Fig. 8 Spatial distribution of AGBmax variation trend in Huaihe River Basin from 1981 to 2018

3 結論與討論

1）本文分析了淮河流域年均AGB時空變化。結果表明：淮河流域多年均AGB在年內日尺度變化呈現“單峰型”變化，存在兩個快速上升期，峰值出現在217 d（8月5日（平年）/8月4日（閏年））；淮河流域年均AGB年際變化呈現波動上升的趨勢，從1981年的836.8 g·m-2逐漸上升到2018年的983.3 g·m-2；淮河流域年均AGB年代空間分布自1980年代到2010年代這4個年代間呈現出明顯的增加趨勢，AGB區域上大體分布為南高北低，淮河流域的西部地區AGB也較高；1981—2018年間淮河流域年均AGB空間變化趨勢均大于0，即淮河流域大范圍的AGB表現為上升趨勢，但上升的速率有所不同。

2）淮河流域最大AGB（AGBmax）時空變化。近38年間淮河流域逐年AGBmax呈現波動上升的趨勢，從1981年的2111 g·m-2逐漸上升到2018年的2610 g·m-2；AGBmax區域大體分布為南高北低，淮河流域的西部地區AGBmax也較高；1981—2018年淮河流域AGBmax變化趨勢均大于0，即淮河流域大范圍的AGBmax表現為上升趨勢，但上升的速率有所不同。