基于Century與生態遙感綜合模型相結合的植被生產力估算

摘 要：該文研究利用氣候數據和氣候情景數據驅動Century模型模擬河南部分地區生態系統的凈初級生產力（NPP），并利用MODIS植被指數產品與之模型模擬處理的NPP建立線性模型，從而反演整個河南地區的凈初級生產力（NPP）。識別結果顯示，模擬NPP值與實測NPP值的線性回歸系數最高達到0.9，決定系數最高達到0.85，均方根誤差最低為2.0 g/m2。結果表明，該文采用Century模型，并利用遙感資料進行植被生產力的估算在河南區域準確度高和普適性強，該方法的應用在未來河南地區植被生產力估算中起著一定作用。

關鍵詞：Century模型；生態遙感綜合模型；MODIS；氣象數據；凈初級生產力

中圖分類號：F323 文獻標志碼：A 文章編號：2096-9902（2024）21-0025-04

Abstract： This paper uses climate data and climate scenario data to drive the Century model to simulate the net primary productivity （NPP） of ecosystems in some areas of Henan， and uses the MODIS vegetation index product to establish a linear model with the NPP simulated by the model to retrieve the NPP of the entire Henan region. The identification results show that the linear regression coefficient between the simulated NPP value and the measured NPP value reaches up to 0.9， the coefficient of determination reaches up to 0.85， and the root-mean-square eE9HRXnYa3ocK2NFL/zDcZw==rror is 2.2. The results show that this paper uses Century model and remote sensing data to estimate vegetation productivity with high accuracy and universality in Henan， and the application of this method will play a certain role in estimating vegetation productivity in Henan in the future.

Keywords： Century model; integrated ecological remote sensing model; MODIS; meteorological data; net primary productivity

植被生產力是衡量全國植被因素的一個重要指標，其能有效地展現特定地區的植被生長狀況。因此，對植被生產力的研究在全國植被生態領域具有重要作用。探索植被的碳循環機制，估算植被的碳儲量，可對系統分析和全球氣候變化作出重要貢獻，具有巨大的生態價值和對全球碳收支的重要價值[1]。

目前，國內外利用遙感數據進行植被生產力估算大致分為四大類[2-4]。生產力氣候模型主要分為統計模型、半經驗模型和半理論模型。生產力氣候統計模型是基于年平均氣溫、年降水量和實際NPP測量值之間的統計關系建立的回歸模型。生產力氣候模型目前主要有Miami模型[5]、Thornthwaite Memorial模型[6]、Chikugo模型[7]、國內的朱志輝模型[8]和周廣勝模型[9]。生物地球化學模型具有高度的機械性和系統性，是一種可靠且詳細描述不同條件下生物過程的模型。這些模型主要包括BEPS模型[10]、Century模型[11]、BIOMe-BGC模型[12]等。光能利用模型：近年來，光能模型已成為研究植物凈初級生產力（NPP）的主要方法。這些模型基于植物的光合作用過程和光能利用原理，采用資源平衡的觀點建立[12-14]。遙感生態模型在全球變化研究中也扮演著重要角色，其中遙感參數模型在實現植被參數尺度轉換方面發揮著關鍵作用。另外，通過利用斑塊尺度的生態系統參數，可以推算出更大尺度的生態系統參數[15]。隨著遙感技術的發展，衛星遙感數據作為研究植被凈初級生產力（NPP）的信息來源顯示出了明顯的優勢。通過比值植被指數和歸一化差值植被指數，可以確定植被的光合有效輻射吸收比（FPAR），而光能利用模型則根據植被指數和FPAR來估算植物的生長情況，進而探究光合作用對植物生長發育的影響。

植物生長依靠光合作用吸收能量并轉化為生物質，光能利用模型能直接應用于遙感數據，因此已成為NPP模型發展的主要方向。這些模型的主要代表是CASA模型和C-FIX模型[16]。其中，CASA（Carnegie Ames Stanford Approach） 模型借助光合作用原理，結合遙感、氣象和地理信息數據，可以進行調整和優化，得到空間分辨率更高、精度更好的月度和年度NPP數據。這種方法已在全球范圍內得到廣泛應用[17-18]。人類活動、氣候水文等多種因素影響著區域凈初級生產力（NPP）的變化[19]。在王云霓等[20]的研究中，其考察了華北落葉松人工林NPP對氣象因子的響應，結果顯示NPP與大部分月份的溫度指標保持正相關。

盡管利用遙感估算植被生產力的技術已經比較成熟，但在大面積情況下，如何快速且有效地對植被生產力進行估算的研究還不夠，無論是方法的可操作性，還是結果精度的驗證上都還存在著一些問題。本研究的主要目的是利用氣象數據和遙感數據，探尋Century模型和生態遙感綜合模型結合點，從而建立一種能夠快速和高效估算植被生產力的方法，以期能夠為氣象和遙感數據對大面積植被生產力提取提供一種新的且行之有效的研究思路。

1 研究區概況

河南省地勢西高東低，東部為黃淮海沖積平原，西南方向是南陽盆地。河南省大部分區域的氣候在地理上屬于暖溫帶氣候，只有很少部分區域，特別是河南省的南部是亞熱帶氣候條件，所以河南省基本在其南部種植水稻，其他區域基本上種植麥類作物，具有從東到西、從平原向丘陵山地氣候過渡的特點，有4個不同的季節，多雨熱期，氣象災害復雜多樣，頻繁發生。年平均溫度是10.5～16.7℃，年平均降水量為407.7～1 295.8 mm，降雨主要在6月至8月，年平均日照時數為1 285.7～2 292.9 h，全年無霜期201～285 d，適合各種植被的生長。

2 數據及預處理

2.1 數據獲取

氣象數據。本研究使用國家衛星氣象中心天擎數據下載官網（http：//idata.cma/cmadaas/）提供的氣象站點數據，站點數據為日數據，總共需要3種，分別為最高溫度、最低溫度和降水量。

站點觀測數據（用于校驗模型）。搜集有野外詳細觀測記錄的站點，下載模型模擬需要的相關數據：站點經緯度、草地類型（草種）、管理制度（生長期、放牧等）；地上生物量、土壤有機質。站點經緯度、草地類型和管理制y+cet9pZyevSriFg6E331g==度作為模型的輸入數據，驅動模型；觀測的地上生物量和土壤有機質作為模型輸出結果對比和模型的校驗。下載方式：國家生態科學數據中心網站（http：//www.cnern.org.cn/data/initDRsearch？classcode=STA）。

土壤數據。通過世界土壤數據庫軟件獲取整個河南地區各站點的土壤數據（土層深度（cm）、沙粒（0-1）、黏粒（0-1）、土壤容重（g/cm3）、土壤有機碳（0-1））。

遙感數據。MODIS產品很多種，從NASA統計總共44種，其中就有所需的植被指數產品MOD13Q1，MODIS/Terra植被指數16天L3全球250 M SIN網格MOD13Q1數據投影為正弦投影，其空間分辨率為250 m，每16天提供一次。MODIS13Q1數據下載鏈接為https：//ladsweb.modaps.eosdis.nasa.gov/search/。

其他數據。本研究除了使用上述數據，還使用了矢量數據和Google高清底圖數據。矢量數據用于行政邊界的確認和遙感數據的裁剪。

2.2 數據預處理

1）氣象數據處理。將從天擎下載的各站點氣象數據轉化為Century模型要求的氣象數據格式（example.wth）。

土壤數據處理。將HWSD軟件中的土壤數據轉化為Century模型要求的土壤數據格式（soil.in）。處理過程：①將沙粒（0-1）、黏粒（0-1）、土壤容重（g/cm3）、土壤有機碳（0-1）換算成模型要求的單位；②由沙粒和黏j25la3s1xIMmgbH2JaK2NA==粒可以計算出田間持水量（0-1）、萎蔫點（0-1）、飽和導水率（cm/sec）；③蒸發系數（0-1）、根比例（和為1）使用默認值；④最小含水量參考默認值，并且要小于萎蔫點。

站點觀測數據處理。將從網站下載的觀測站點經緯度、草地類型（草種）、管理制度（生長期、放牧等）輸入模型對應的文件（站點信息文件example.100；站點管理制度文件example.sch；草地類型（草種）數據庫crop.100）。

MODIS13Q1數據處理。本文采用Python編程方法進行MODIS13Q1數據自動預處理，包括投影轉換和裁剪，這樣可以大大提高處理效率，也可以防止人為手動處理導致人為誤差。基于同一時期谷歌影像，結合實地調查，選取標志明顯的建筑物、道路交叉口、河流等20個拐點作為地面控制點，均勻分布在地圖上。然后基于處理好的MODIS13Q1，再進行幾何精校正，以防位置有偏差。基于本文研究區矢量，通過矢量進行裁剪出整個河南范圍的植被指數結果。

3 研究方法

基于Century和生態遙感綜合模型相結合的植被生產力估算的技術路線如圖1所示，基于氣象站點和土壤站點數據，采用CENTURY模型運算得到每個點的植被生產力作為實測結果，利用MODIS的NDVI產品與CENTURY模型運算得到每個點的植被生產力通過最小二乘法建立線性關系，從而反演得到整個河南省的植被生產力。

3.1 Century模型

其所需環境很多，主要通過3個程序來組成，分別是該模型的輸出程序和該模型的2個輔助程序功能。其中，文件程序主要用于方便用戶注冊和更新該模型的主程序里面涉及的12個參數文件。事件程序主要用于對作物功能、管理過程中遇到的意外事件的一些配置參數的修改。Century模型主要是基于國家氣象站、土壤站點的一些因素，通過一些生態機理的耦合然后模擬生態系統環境的一種生態模型。水預算模型是用來平衡水生態系統的分布，模擬水熱條件的影響物質的分解，并計算N的礦化和分布率，P、S和其他土壤中的養分物質營養結合土壤有機質模型。水熱和營養條件的脅迫會抑制植物的生長發育，其中生物量是受脅迫影響最嚴重的因素。根據分解速率的不同，植物凋落物主要分布在地面和土壤的材料庫中，并重新進入物質循環模型。

3.2 生態遙感綜合模型

本文基于Century模型計算出的NPP作為真值與MODIS的植被指數產品，采用最小二乘法對整個河南地區的植被凈初級生產力進行反演。

3.3 精度驗證

本文通過實測得到的NPP值與反演得到的NPP值進行相關分析和決定性分析，最終得到相關系數、決定系數和均方根誤差。這3個指標作為本文反演方法的驗證指標。

4 結果與分析

編程提取各站點逐月生產力，結合遙感數據，與對應經緯度的NDVI進行線性擬合，利用最小二乘算法計算線性模型y=ax+b中的系數a和常量b，再將NDVI作為x值代入方程，求出y，即可得到區域上的凈初級生產力。基于Century和生態遙感綜合模型相結合的植被生產力估算方法獲得了2023年4月、2023年5月、2023年6月和2023年7月的河南省植被生產力的分布面積和空間分布格局。

本文通過實測的植被生產力和反演的植被生產力采用上述精度驗證方法進行驗證，結果見表1，2023年4月、5月、6月和7月的河南省的植被生產力模擬NPP值與實測NPP值的線性回歸系數分別為0.78、0.84、0.90和0.88，決定系數分別為0.70、0.78、0.85和0.82，均方根誤差分別為5.6、3.4、2.0和15.4 g/m2。

表1 植被生產力精度驗證結果

5 結論

本文基于遙感資料的植被生產力估算，利用MODIS的植被指數產品、國家氣象站的氣象數據（最高溫度、最低溫度和降水量）和土壤站的土壤數據，結合一些實測數據，利用Century模型估算出整個河南省的植被生產力。從上述結果來看，河南整體上的植被生產力情況與河南省統計局的統計年鑒數據基本上差別不大。河南省整個植被空間上也符合該省的分布情況。

本文主要方法可以分為兩大步驟：①利用下載處理好的氣象數據、土壤數據等進入前人研究好的的Century模型進行模型反演，并結合河南省本土情況，采樣一些實測數據加入模型中進行模型優化，最后得出符合河南省本土情況的模型反演情況，也就是讓Century模型進行模型本地化，適應河南省的總體情況。在參數校正后，使用了每個研究場址的植被NPP觀測數據，驗證模擬結果的適應性。從總體上看，實測和模擬結果的相關性很好，有連續的分布性和擬合性也比較高。統計分析表明，模擬NPP值與實測NPP值的線性回歸系數在0.78～0.90。決定系數在0.7～0.85，回歸效果顯著; 另外，模擬結果的平均值與觀測結果的平均值接近，兩者相差-1.4～3.3 g/m2，均方根誤差均較小，范圍為2.0～15.4 g/m2，該模型結果雖然有點誤差，但在可控范圍內，結果可見Century模型這種方法的普適性強和可用性，能應用于研究遙感資料對河南植被生產力的影響。②利用MODIS遙感數據處理好的植被指數產品，結合本地化驗證的Century模型運轉出來的植被生產力，進行相關分析，然后利用最小二乘法，建立遙感植被指數產品和模型運轉出的植被生產力一元線性方程，擬合度比較高，線性回歸系數達到0.9，決定系數達到了0.85。利用該模型反演得到整個河南省的植被生產力情況。

參考文獻：

[1] 鐘華平，樊江文，于貴瑞，等.草地生態系統碳蓄積的研究進展[J].草業科學，2005，22（1）：4-11.

[2] 王鶯，夏文韜，梁天剛.陸地生態系統凈初級生產力的時空動態模擬研究進展[J].草業科學，2010，27（2）：77-88.

[3] 林慧龍，常生華，李飛.草地凈初級生產力模型研究進展[J].草業科學，2007，26（12）：26-29.

[4] 崔霞，馮琦勝，梁天剛.基于遙感技術的植被凈初級生產力研究進展[J].草業科學，2007，24（10）：36-42.

[5] LIETH H. Modeling the primary productivity of the world[J]. Na-ture and Resources，1972，8（2）：5-10.

[6] LIETH H，BOX E X. Evapotranspiration and primary production：C W Thornthwaite Memorial Mode[J].Publications in climatolo-gy，1972，25（2）：37-46.

[7] UCHIJIMA Z，SEINO H. Agroclimatic evaluation of net primary pro-ductivity of natural vegetationsChikugo model for evaluationnet primary productivity[J].Journal of Agricultural Meteorology，1985，40：343-352.

[8] 朱志輝.自然植被凈初級生產力估計模型[J].科學通報，1993，38（15）：1422-1426.

[9] 周廣勝，張新時.全球氣候變化的中國自然植被的凈初級生產力研究[J].植物生態學報，1996，20（1）：11-19.

[10] LIU J，CHEN J M， CILLLAR J， et al. A process-based boreal eco-system productivity simulator using remote sensing inputs[J].Remote Sensing of Environment，1997，62：158-175.

[11] GILMANOV T G，PARTON W J， OJIMA D S.Testing the 'CENTURY'ecosystem level model on data sets from eight grassland sitesin the former USSR representing a wide climatic/soil gradient[J]. Ecological modeling，1997，96：191-210.

[12] 王超.應用BIOME-BGC模型研究典型生態系統的碳、水汽通量——半干旱地區吉林通榆的模擬[D].南京：南京農業大學，2006.

[13] MONTEITH J L. Climate and efficiency of crop production in Brit-ain[D]. Philosophical Transactions of the Royal Society of Lon-don Series B， Biological Science，1977：277-294.

[14] PRINCE S D， GOWARD S N. Global primary production： A remote sensing approach[J].Journal of Biogeography，1995，22：815-835.

[15] 李貴才.基于MODlS數據和光能利用率模型的中國陸地凈初級生產力估算研究[D].北京：中國科學院遙感應用研究所，2004.

[16] 王培娟，謝東輝，張佳華，等.BEPS 模型在華北平原冬小麥估產中的應用[J].農業工程學報，2009，25（10）：148-154.

[17] 劉亮，關靖云，穆晨，等.2008—2018年伊犁河流域植被凈初級生產力時空分異特征[J].生態學報，2022，42（12）：4861-4871.

[18] 張猛，陳淑丹，林輝，等.洞庭湖濕地凈初級生產力估算研究[J].遙感學報，2023，27（6）：1454-1466.

[19] 李傳華，朱同斌，周敏，等.河西走廊植被凈初級生產力時空變化及其影響因子研究[J].生態學報，2021，41（5）：1931-1943.

[20] 王云霓，代海燕，海龍，等.華北落葉松人工林凈初級生產力對氣象因子的響應[J].林業資源管理，2022（3）：67-72.