中国陆地植被净初级生产力遥感估算重点.docx

中国陆地植被净初级生产力遥感估算重点.docx

《中国陆地植被净初级生产力遥感估算重点.docx》由会员分享，可在线阅读，更多相关《中国陆地植被净初级生产力遥感估算重点.docx（27页珍藏版）》请在冰豆网上搜索。

中国陆地植被净初级生产力遥感估算重点

植物生态学报　2007,31（3）413～424　　　　　　　ΞJournalofPlantEcology（formerlyActaPhytoecologicaSinica

）

中国陆地植被净初级生产力遥感估算

朱文泉　潘耀忠　张锦水3

（北京师范大学资源学院,环境演变与自然灾害教育部重点实验室,北京　100875）

摘　要　该文在综合分析已有光能利用率模型的基础上,构建了一个净初级生产力（NPP）遥感估算模型,该模型体现了3方面的特色:

1）将植被覆盖分类引入模型,并考虑植被覆盖分类精度对NPP估算的影响,由它们共同决定不同植被覆盖类型的归一化植被指数（NDVI）最大值;2）根据误差最小的原则,利用中国的NPP实测数据,模拟出各植被类型的最大光能利用率,使之更符合中国的实际情况;3）根据区域蒸散模型来模拟水分胁迫因子,与土壤水分子模型相比,这在一定程度上对有关参数实行了简化,使其实际的可操作性得到加强。

模拟结果表明,1989～1993年中国陆地植被NPP平均值为3.12PgC（1Pg=1015g）,NPP模拟值与观测值比较接近,690个实测点的平均相对误差为4.5%;进一步与其它模型模拟结果以及前人研究结果的比较表明,该文所构建的NPP遥感估算模型具有一定的可靠性,说明在区域及全球尺度上,利用地理信息系统技术将遥感数据和各种观测数据集成在一起,并对NPP模型进行参数校正,基本上可以实现全球范围不同生态系统NPP的动态监测。

关键词　生物量　遥感　模拟　NPP　NDVI　中国

ESTIMATIONOFNETPRIMARYPROFVEGETATIONBASEDONREMOTEZHUWen2Quan,PANYao2Zhong,andKeyLaboratoryofEnvironmentalChangeofof,CollegeofResourcesScienceandTechnology,BeijingNormalUniversity,Beijing100875Abstract　（NPP）isakeycomponentoftheterrestrialcarboncycle.ModelsimulationistoestimateregionalandglobalNPPgivendifficultiestodirectlymeasureNPPatsuchspatialscales.AnumberofNPPmodelshavebeendevelopedinrecentyearsasresearchissuesrelatedtofoodsecurityandbioticresponsetoclimaticwarminghavebecomemorecompelling.However,largeuncertain2tiesstillexistbecauseofthecomplexityofecosystemsanddifficultiesindeterminingsomekeymodelparame2ters.

Methods　WedevelopedanestimationmodelofNPPbasedongeographicinformationsystem（GIS）andre2motesensing（RS）technology.Thevegetationtypesandtheirclassificationaccuracyaresimultaneouslyintro2ducedtothecomputationofsomekeyvegetationparameters,suchasthemaximumvalueofnormalizeddiffer2encevegetationindex（NDVI）fordifferentvegetationtypes.Thiscanremovesomenoisefromtheremotesens2ingdataandthestatisticalerrorsofvegetationclassification.ItalsoprovidesabasisforthesensitivityanalysisofNPPontheclassificationaccuracy.Themaximumlightuseefficiency（LUE）forsometypicalvegetationtypesinChinaissimulatedusingamodifiedleastsquaresfunctionbasedonNOAA/AVHRRremotesensingdataandfield2observedNPPdata.ThesimulatedvaluesofLUEaregreaterthanthevalueusedintheCASAmodelandlessthanthevaluessimulatedwiththeBIOME2BGCmodel.Thecomputationofthewaterrestrictionfactorisdrivenwithgroundmeteorologicaldataandremotesensingdata,andcomplexsoilparametersareavoided.Resultsarecomparedwithotherstudiesandmodels.

Importantfindings　ThesimulatedmeanNPPinChineseterrestrialvegetationfrom1989-1993is3.12Pg

15C（1Pg=10g）.ThesimulatedNPPisclosetotheobservedNPP,andthetotalmeanrelativeerroris

4.5%for690NPPobservationstationsdistributedinthewholecountry.Thisillustratestheutilityofthemodelfortheestimationofterrestrialprimaryproductionoverregionalscales.

Keywords　biomass,remotesensing,simulation,NPP,NDVI,China

　　收稿日期:

2006202215　接受日期:

2006206224

　　基金项目:

国家自然科学基金项目（40371001）和北京师范大学青年基金项目

　3通讯作者Authorforcorrespondence　E2mail:

zhangjsh@

E2mailofthefirstauthor:

zhuwq75@

414　植　物　生　态　学　报31

卷

　　植被生产力是人类生活所需食物、原料及燃料的来源。

植物通过光合作用将太阳能固定并转化为植物生物量。

单位时间和单位面积上,绿色植物通过光合作用所产生的全部有机物同化量,即光合总量,叫总初级生产力（GPP）;净初级生产力（NPP）则是从光合作用所产生的有机质总量中扣除自养呼吸后的剩余部分。

NPP作为地表碳循环的重要组成部分,不仅直接反映了植被群落在自然环境条件下的生产能力,表征陆地生态系统的质量状况,而且是判定生态系统碳源/汇和调节生态过程的主要因子（Fieldetal.,1998）,在全球变化及碳平衡中扮演着重要的作用。

自20世纪60年代以来,各国学者对NPP的研究倍受重视,国际生物学计划（Internationalbiologicalprogramme,IBP,1965～1974）期间,曾进行了大量的植物NPP的测定,并以测定资料为基础联系气候环境因子建立模型对植被NPP的区域分布进行评估,如Miami模型、Thornthwaite纪念模型、Chikugo模型等（Lieth,1975;Uchijima&Seino,1985）。

建立于1987年的国际地圈2ternationalgeo2biosphere,（2tems,GCTE）（Kyotoprotocol）均把植被的NPP研究确定为核心内容之一。

早在20世纪70年代Monteith就发现NPP和植被吸收的光合有效辐射（APAR）之间存在着稳定的关系:

当水分和肥料处在最适的条件下,农作物的NPP与APAR具有很强的线性相关（Monteith,1972）。

进一步的研究发现,NPP与APAR的时间序列积分有较好的相关性（Landsberg,1996）,但是不同的植被类型,或者同一植被类型在不同的生长条件下,所获得的经验模型存在着差异,这就意味着植被的NPP受植物本身及其生长环境的影响（Evans,1989）。

尽管早期的一些科学家利用APAR2NPP这一关系在小范围的实验点上开展植被NPP估算,取得了一定的成功,但在区域及全球尺度上,由于气候类型和植被类型的多样,其应用受到了很大的限制,问题主要存在于一些参数的确定上,具体表现在以下几个方面:

1）很多光能利用率模型本身考虑了不同的植被覆盖类型对NPP估算结果的影响,但也仅仅是在光合有效辐射吸收比例（FPAR）的估算过程中,根据不同的植被覆盖类型来确定比值植被指数最大值（Fieldetal.,1995;朴世龙等,2001;彭少麟等,2000）,没有考虑不同的植被覆盖分类精度对NPP

估算结果的影响。

2）全球植被最大光能利用率的取值对NPP的估算结果影响很大。

Monteith最初的“光能利用率”模型包含一个最大光能利用率（εmax）,然后再根据不同的环境胁迫因子对其进行调整。

早期的研究都是假设εmax为一个不变的常量,如CASA模型就将全球最大光能利用率取值为0.389gC・MJ-1（Fieldetal.,1995）,后来的研究表明,月最大光能利用率的取值因不同的植被类型而有所不同（彭少麟等,2000;Russelletal.,1989）,可能与自养呼吸耗减量的差异有关（Hunt,1994）。

3）光能利用率模型需要估算水分胁迫对植物的影响,在估算水分胁迫因子时,一般是用土壤水分子模型（Fieldetal.,1995;朴世龙等,2001）,其中涉及到大量的土壤参数,如田间持水量、萎蔫含水量、土壤粘粒和砂粒的百分比、土壤深度等,而通常情况下,这,其精度难以。

本文所构建3个方面作进一:

1）将植被覆盖分类引入模型,并考虑植被覆盖分类精度对NPP估算的影响,由它们共同决定不同植被覆盖类型的NDVI最大值,由此获得各植被覆盖类型的比值植被指数最大值,最后实现FPAR的估算;2）根据误差最小的原则,利用中国的NPP实测数据,模拟出各植被类型的最大光能利用率,使之更符合中国的实际情况。

3）利用气象数据（温度、降水、太阳净辐射）,结合已有的区域蒸散模型来实现水分胁迫因子的估算,这样一方面可以保证数据源的可靠性和可获得性,另一方面则在一定程度上对有关参数实行了简化,使其实际的可操作性得到加强。

1　数据来源与预处理

1.1　遥感数据

本研究所利用的气象卫星NOAA/AVHRRNDVI数据,来源于美国地球资源观测系统（Earthresourcesobservationsystem,EROS）数据中心的探路者数据集（Pathfinderdataset,PDS）,图像空间分辨率为8km×8km,时间分辨率为月,时间序列为1989年1月～1993年12月。

所有数据均进行了几何校正、大气纠正、去云处理以及传感器退化性能的订正（Los,1993;Tuckeretal.,1994;Mynenietal.,1998）,使数

据具有一致性和可比性。

数据最后经投影变换处理,选取的投影方式为波尔伯斯等积圆锥投影（Al2

3期朱文泉等:

中国陆地植被净初级生产力遥感估算　415

bersconicalequalareaprojection）。

1.2　气象数据

1993年的林业普查资料（Nietal.,2001）,共包括

中国17种森林类型690个观测站点的植被属性数据,数据内容为立木年龄、叶面积指数、总生物量和

净初级生产力,以及各观测点的经度、纬度和海拔高度。

净初级生产力的单位是干物质的重量,在转换成以碳为单位（gC・m-2・a-1）时乘了一个0.475的系数（Scurlocketal.,1999）。

本研究所利用的气象数据来源于中国气象局,时间为1989年1月～1993年12月,数据内容为月降水量、月平均气温、月总太阳辐射,以及各气象站点的经度、纬度和海拔高度,共涉及全国726个气象站点。

模拟最大光利用率时需要栅格化的气象数据,并从空间上与遥感数据相匹配。

利用GIS的插值工具,根据各气象站点的经纬度信息,通过对气象数据进行Kriging插值和基于DEM的插值（潘耀忠等,2004）,获取像元大小与NDVI数据一致、投影相同的气象要素栅格图。

1.3　土地覆盖分类图

2　模型构建

NPP估算模型的总体设计如图1所示。

模型

中所估算的NPP可以由植物吸收的光合有效辐射

（APAR）和实际光能利用率（ε）两个因子来表示,其估算公式如下:

ε（x,t）NPP（x,t）=APAR（x,t）×

（1）

土地覆盖分类图来源于欧盟联合研究中心（The

jointresearchcentre,JRC）,原始分类图像由中国科学院遥感应用研究所编译,分类用的遥感数据为2000年的SPOT2VGT1km数据,共分了22类（表1）,检验后的总体分类精度为61.8%。

1.4　NPP实测资料

NPP式中,APAR（x,t）表示像元x在t月吸收的光合有效辐射（gC・m-2・month-1（,t）表示像元x在tg

.1P（PAR）中被植（APAR）是根据植被对红外和近

图1　净初级生产力（NPP）估算模型总体框架Fig.1　Frameofnetprimaryproductivity（NPP）EstimationModel

NDVI:

Normalizeddifferencevegetationindex　IPAR:

Interceptedphotosyntheticallyactiveradiation　FPAR:

Fractionofphotosytheticallyactiverediation

ε

ε:

Actuallightuseefficiency　APAR:

Absorbedphotosyntheticallyactiveradiation　max:

Maximumlightuseefficiency　

416　植　物　生　态　学　报31

卷

红外波段的反射特征实现的。

光合有效辐射（PAR,0.4～0.7μm）是植物光合作用的驱动力,它与生物量有很强的相关性。

植被吸收的光合有效辐射取决于太阳总辐射和植物本身的特征,可用公式

（2）计算。

　APAR（x,t）=SOL（x,t）×FPAR（x,t）×0.5

（2）式中,SOL（x,t）表示t月在像元x处的太阳总辐射量（MJ・m-2・month-1）,FPAR（x,t）为植被层对入射光合有效辐射的吸收比例,常数0.5表示植被所能利用的太阳有效辐射占太阳总辐射的比例。

2.1.1　FPAR的估算

在一定范围内,FPAR与NDVI之间存在着线性关系（Ruimy&Saugier,1994）,这一关系可以根据某一植被类型NDVI的最大值和最小值以及所对应的FPAR最大值和最小值来确定,即:

FPAR（x,t）=

（（））（NDVIi,max-NDVIi,min）

（SR）也存在较好的线性关系（Fieldetal.,1995;Losetal.,1994）,可由公式（4）表示:

FPAR（x,t）=

（））（SRi,max-SRi,min）

（4）×（FPARmax-FPARmin）+FPARmin

式中,FPARmin和FPARmax的取值与植被类型无关,

分别为0.001和0.95;SRi,max和SRi,min分别对应第i种植被类型NDVI的95%和5%下侧百分位数（表1）,SR（x,t）由公式（5）确定:

（5）SR（x,t）=]

1-NDVI（x,t）

通过对FPAR2NDVI和FPAR2SR所估算结果的比较发现,由NDVI所估算的FPAR比实测值高,而由SR所估算的FPAR则低于实测值,但其误差小于直接由NDVI所估算的结果,考虑到这种情况,Los（1998）,取其平均值作为

FPAR,,AR与实测值之间

×（FPARmax-FPARmin）+FPARmin（3）

式中,NDVIi,max和NDVIi,min型的NDVI

（1）,被指数

（3）和（4）组合AR的估算值:

）FPARSR（6）x,t）=αFPARNDVI+（1-α

式中,FPARNDVI为公式（3）所估算的结果;FPARSR为α为两种方法间的调整系公式（4）所估算的结果;

表1　各植被类型NDVI和SR的最大值与最小值

Table1　NDVImax,NDVImin,SRmaxandSRminoftypicalvegetationtypesinChina

代码

Code1

植被类型

Vegetationtype

像元数

Pixels433915104650286901190595828711675436479401018411773

659581*********87452813657126613004610931

NDVImaxNDVIminSRmaxSRmin

落叶针叶林Deciduousneedle2leafforest

2常绿针叶林Evergreenneedle2leafforest3常绿阔叶林Evergreenbroad2leafforest4落叶阔叶林Deciduousbroad2leafforest5灌丛Bush6疏林Sparsewoods7海边湿地Seasidewetlands8高山、亚高山草甸Alpineandsub2alpinemeadow9坡面草地Slopegrassland10平原草地Plaingrassland11荒漠草地Desertgrassland12草甸Meadow13城市City14河流River15湖泊Lake16沼泽Swamp17冰川Glacier18裸岩Barerocks19砾石Gravels20荒漠Desert21耕地Farmland22高山、亚高山草地Alpineandsub2alpineplaingrassland　　NDVI:

Normalizeddifferencevegetationindex　SR:

Simpleration

0.7380.6470.6760.7470.6360.6360.6340.6340.6340.6340.6340.6340.6340.6340.6340.6340.6340.6340.6340.6340.6340.634

0.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.0230.023

6.634.675.176.914.494.494.464.464.464.464.464.464.464.464.464.464.464.464.464.464.464.46

1.051.051.051.051.051.051.051.051.051.051.051.051.051.051.051.051.051.051.051.051.051.05

3期朱文泉等:

中国陆地植被净初级生产力遥感估算　

417

数,在本研究中统一定为0.5（取二者的平均值）。

2.1.2　NDVI最大值与最小值的确定

本研究中,NDVI最大值是指植被刚好达到全覆盖状态下的NDVI值,并不是指某一植被类型NDVI实际能达到的最大值,为了消除植被分类以及NDVI数据本身所固有的误差,本模型将植被分类精度引进来,使NDVI最大值随分类精度的变化而变化。

详细的计算过程请参看文献（Zhuetal.,2006）,所确定的各植被类型的NDVI最大值与最小值如表1所示。

2.2　光能利用率的估算

光能利用率是在一定时期单位面积上生产的干物质中所包含的化学潜能与同一时间投射到该面积上的光合有效辐射能之比。

环境因子如气温、土壤

水分状况以及大气水汽压差等会通过影响植物的光

合能力而调节植被的NPP。

在遥感模型中,这些因子对NPP的调控是通过对最大光能利用率进行调节而实现的。

光能利用率的估算流程如图2所示。

Potter等（1993）认为在理想条件下植被具有最大光能利用率,而在现实条件下的最大光能利用率主要受温度和水分的影响,其计算如公式（7）所示。

ε（x,t）=Tεεε（x,t）×1（x,t）×T2（x,t）×Wε（7）max式中,Tεε1（x,t）和T2（x,t）表示低温和高温对光能利用率的胁迫作用;Wε（x,t）为水分胁迫影响系数,反映水分条件的影响;εmax是理想条件下的最大光能利用率（gC・MJ-1）

。

图2　光能利用率估算流程图

Fig.2　Flowchartoflightuseefficiencyestimation

2.2.1　温度胁迫因子的估算

1）Tεε1（x,t）的估算:

T1（x,t）反映在低温和高

温时植物内在的生化作用对光合的限制而降低净第

一性生产力（Fieldetal.,1995）。

用公式（8）计算:

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

2

（8）

式中,Topt（x）为植物生长的最适温度,定义为某一区域一年内NDVI值达到最高时的当月平均气温（℃）;当某一月平均温度小于或等于-10℃时,

Tε1（x,t）取0。

用率逐渐变小的趋势（Potteretal.,1993;Fieldet

al.,1995）,这是因为低温和高温时高的呼吸消耗必将会降低光能利用率,生长在偏离最适温度的条件下,其光能利用率也一定会降低,用公式（9）计算:

Tε2（x,t）=1.184/{1+exp[0.2×（Topt（x）-10-T（x,t））]}×1/{1+exp[0.3×（-Topt（x）-10+

（9）T（x,t））]}

当某一月平均温度T（x,t）比最适温度Topt（x）

高10℃或低13℃时,该月的Tε2（x,t）值等于月平均温度T（x,t）为最适温度Topt（x）时Tε2（x,t）值的一半。

2.2.2　水分胁迫因子的估算

2）Tεε2（x,t）的估算:

T2（x,t）表示环境温度从

最适温度Topt（x）向高温或低温变化时植物光能利

418　植　物　生　态　学　报31

卷

地面干湿程度对于植物生长有着十分重要的作用。

一般认为,土壤水分超过某一临界值时,蒸发速率不受土壤水分供应的限制,而只与气象条件有关;当土壤水分含量低于这一临界值时,蒸发速率除与气象条件有关外,还随土壤水分的有效性的降低而降低。

因此,周广胜和张新时（1996a,1996b）用区域实际蒸散量与区域潜在蒸散量的比值来反映土壤水分干湿程度。

水分胁迫影响系数Wε（x,t）反映了植物所能利用的有效水分条件对光能利用率的影响,随着环境中有效水分的增加,Wε（x,t）逐渐增大,它的取值范围为0.5（在极端干旱条件下）到1（非常湿润条件下）（朴世龙等,2001）,由公式（10）计算:

（10）Wε（x,t）=0.5+0.5×E（x,t）/Ep（x,t）式中,E（x,t）为区域实际蒸散量（mm）,可根据周广

胜和张新时（1995）建立的区域实际蒸散模型求取;Ep（x,t）为区域潜在蒸散量（mm）,可根据Boucher提出的互补关系求取（张志明,1990;周广胜和张新时,1996a,1996b）。

2.2.3　月最大光能利用率εmax的取值因不同的植被类

型而有所不同,由于全球最大光能利用