基于卫星遥感的东北地区植被净初级生产力时空变化特征分析

基于卫星遥感的东北地区植被净初级生产力时空变化特征分析

植物净初级生产力（epp）是指植物在单位时间和单位面积内的有机物质总量中扣除自卫呼吸后的剩余部分。这是生态系统物质和能量运作的基础，它直接反映了植物群落在自然环境条件下的生产能力。NPP是评价生态系统结构与功能协调性,以及生物圈人口承载力的重要指标。随着全球变化研究的不断深入,植被净初级生产力在研究全球变化对生态系统的影响、响应和对策中,成为一项不可缺少的指标及核心内容。开展区域尺度的生态系统NPP研究有着十分重要的意义,因为它与目前受到广泛关注的其他重大问题如碳循环与碳扰动、土地利用变化、气候变化和自然资源管理等的研究有着密切联系,可以说是这些研究工作中的重要环节之一。MOD17A3是基于MODIS(TERRA卫星)遥感参数,通过BIOME-BGC模型计算出全球陆地植被净初级生产力(NPP)年际变化的资料,目前已在全球不同区域对植被生长状况、生物量的估算、环境监测和全球变化等研究中得到验证和广泛应用[5~9]。由于EOSMODIS的TERRA卫星于1999年发射,因此其MOD17A3资料的年份从2000年至2006年。国内的相关研究包括:郭晓寅等分析了我国青藏高原腹地的江河源区陆地植被净初级生产力的特征,何勇等对我国南水北调东线地区陆地植被NPP变化特征进行分析,张晓浩等对广东省水稻生物质能进行估算。而对我国东北地区区域植被净初级生产力的相关研究还未见报道。东北地区资源丰富,有广阔的农田、森林和草原,是中国重要的商品粮基地和最大的林区,其人均耕地、森林面积和蓄积量均居全国之首。东北地区地处我国中高纬度地区,气候变化剧烈且影响明显,加之长期以来人类活动对资源的不合理利用和过度开发,土地覆盖变化明显,生态环境正逐年恶化。已有很多学者针对该地区的气候变化及其对生态环境的影响[10~12]、土地覆盖变化等作了大量工作。本文是在东北地区生态环境变化趋势及其与人类活动和气候变化相互作用的研究成果的基础上,利用美国国家航空航天局(NASA)的EOSMODIS(对地观测系统中分辨率成像光谱仪)(TERRA卫星)遥感数据(MOD17A3),对东北地区2000年~2006年地表植被的生长状况及其变化进行分析,并分析影响东北地区植被NPP变化的主要因素(如人类活动、气候等),以实现东北地区生态环境状态的监测与评估。1植物群落分布东北地区位于N38°72′~53°55′、El15°52′~135°09′之间,行政区划上包括黑龙江、吉林、辽宁3省全部和内蒙古东北部的呼伦贝尔市、兴安盟、通辽市、赤峰市。研究区属温带大陆性季风气候,冬季寒冷,夏季温度不高,东部地区的年降水量为400mm~700mm,西部仅达到250mm~400mm,属于我国寒温带、温带、暖温带湿润、亚湿润和亚干旱地区。西部大兴安岭山地为寒温带落叶针叶林分布区,以耐寒的兴安落叶松(Larixgmelini)为典型树种;东部的长白山地为温带针阔叶混交林分布区,以喜湿的红松(Pkoraiensis)与枫桦(Betulacostata)为典型树种;东北平原为温带森林草原、草甸草原和干草原分布区,以耐旱的羊草(Aneurolepidiumchinense)、贝加尔针茅(Stipabaicalensis)等植物为典型植物种;西南部还有面积广阔的科尔沁沙地。东北地区从南向北具有暖温带、温带和寒温带的热量变化,自东向西具有湿润、半湿润和半干旱的湿度分异,形成了独特的植被分布格局,成为全球变化研究的敏感区域。2数据和方法2.1数据和模型的计算遥感数据来自美国NASA的EOSMODIS的2000年~2006年7年的MOD17A3数据,该数据利用BIOME-BGC模型估算年NPP,具体的估算流程如图1所示。模型主要的输入变量有:LandCover为土地覆被类型数据,来自MODIS遥感数据中MOD12Q1产品;FPAR为植被光合有效辐射吸收分量,从MODIS遥感数据中MOD15产品获取;LAI为叶面积指数,来自MODIS遥感数据中MOD15产品;εmax为最大光能利用率,根据LandCover数据确定植被类型,然后从NASA提供的生物属性查找表(BiomeParameterLook-UpTableBPLUT)中获取;PAR为吸收光合有效辐射,由单位时间太阳总辐射(SWRad)计算求得,SWRad由NASA数据同化办公室(DataAssimilationOfficeDAO)提供;SLA为比叶面积,从NASA提供的生物属性查找表(BiomeParameterLook-UpTableBPLUT)中获取;日均蒸汽压差标量(VPD)和日最低温度标量(Tmin),呼吸指数形状参数(Q10)和日均温度(Tavg)由NASA数据同化办公室(DataAssimilationOfficeDAO)提供。年NPP主要是对一年内净光合作用的时间积分,简单原理如下:式中:GPP为总初级生产力。常数0.45表示植被所能利用的太阳有效辐射(波长为0.4~0.7um)占太阳总辐射的比例。ε是光能利用率,是由各种植被类型最大光能利用率εmax,受环境中的温度TMIN和水汽压VPD因子影响的结果;式(2)中,Rml和Rmr分别是枝叶和根部用于呼吸所消耗的能量;式(3)中,Rmo是除枝叶和根以外其它部分呼吸消耗的能量,Rg为自身生长呼吸消耗的能量。为了便于计算,利用MRT(ModisReprojectionTool)软件将NPP-1km数据转换成分辨率为0.05°×0.05°经纬度网格数据,东北地区一共有25997个格点,然后将其转化为Albers投影,再计算2000年~2006年该地区植被年均NPP的特征分布及其变化。东北地区植被图来源于中国科学院中国植被图编辑委员会2001年编制的1∶100万中国植被图集。将东北地区划分为7种植被类型:针叶林、针阔叶混交林、阔叶林、灌丛、草地、沼泽和农田(图2)。气象数据来自中国气象科学数据共享服务网。选取东北地区101个气象站点的2000年~2006年月平均温度和月降水量数据,通过数据处理得到101个气象站点的年平均气温和年降水量数据,然后建立具有地理坐标的温度和降水基础气候数据库。同时,在ARC/INFO软件的GRID模块下,经过不同栅格步长调试,按照属性插值,采用普通克里格法生成与NPP数据栅格大小相同的平均温度和降水量的栅格数据。2.2基于一元线性回归分析的互补性检验本文采用简单差值法和一元线性回归分析两种方法对比分析东北不同地区2000年~2006年7年植被NPP的变化特征。简单差值法,是对相同地区不同时相的图像进行相减,利用图像之间的差值来衡量变化的大小:式中:Dij为第i行,j列像素的差值;NPPijt1为时相t1第i行,j列像素的NPP值;t1,t2为时相;i,j为第i行,j列像素的位置。一元线性回归分析可以模拟每个栅格的变化趋势,计算公式为:式中:n为监测时间段的年数;NPPj为第j年NPP的平均值ΘSlope;是趋势线的斜率,这个趋势线并不是简单的最后一年与第一年的连线,其中ΘSlope>0则说明NPP在n年间的变化趋势是增加的,反之则是减少。3结果与分析3.1实测数据与模型估算的比较MOD17A3数据是利用BIOME-BGC模型在全球尺度上估算得到的,将该数据应用到我国东北地区是否可行,本文利用东北地区实测数据与模拟数据进行比较。验证数据中,森林NPP实测数据来自罗天祥博士论文森林实测数据中东北地区部分的128个实测站点数据。农田NPP验证数据来自农业统计数据,数据包含每一个县级行政单元的数据而且有连续的记载,所以应用统计数据进行NPP估算、NPP模型模拟结果验证与NPP年际变化分析是可行的。其原理是根据不同作物的收获部分的含水量和收获指数(经济产量与作物地上部分干重的比值)将农业统计数据的产量转换为植被碳储量。从县级农业统计数据到县级行政单元平均NPP的转换方法为:式中的作物产量和收获面积均来自黑龙江省三江平原地区22个县的2000年~2005年共计6年的农业统计数据中的作物产量数据和农作物播种面积数据,依据三江平原特点,并参考国内外相关研究成果[17~19],本文所确定的主要农作物收获部分的含水量与收获指数见表1。从而得到2000年~2005年三江平原分县农业统计数据计算的NPP,共132个数据点。将实测数据与遥感-模型估算的NPP数据进行比较(图3),可以看出,实测NPP稍高于遥感-模型估算的NPP,但二者之间存在密切的相关关系。为进一步验证本文所用的NPP模拟数据,将BIOME-BGC模型模拟的东北地区各种植被类型的NPP与收集的部分不同植被类型实测数据以及不同模型的模拟结果进行比较(表2),结果表明BIOME-BGC模型模拟结果基本落实在全国范围内不同植被类型的实测值范围之内,说明MOD17A3NPP模拟结果应用到东北地区是可靠的,但从表2中也可以看出,通过不同研究得到的估算值之间有一定的差异,这可能与模型本身的缺点、计算NPP数据的质量等有关。这也是当前NPP模拟研究中的一个重要问题。3.2东北植被年npp分布图4为2000年~2006年东北地区植被7年年均NPP,其变化范围为62gC~1240gC(m2·年),平均值为400.85gC(m2·年),比全国同期植被年均NPP(360.97gC(m2·年))高11.02%。其中2003年东北地区植被的年均NPP最大,为413.17gC(m2·年);其次为2001年,其值为411.87gC(m2·年);2000年植被年均NPP最小,仅385.79gC(m2·年)(表3)。对2000年~2006年东北地区植被年平均NPP分级构成比例分析(图5)可以看出,东北地区植被年NPP主要集中在200gC~400gC(m2·年)区间,占东北地区总面积的百分比在50%~60%之间;其次为NPP在400gC~600gC(m2·年)的区间,所占百分比在25%~35%之间;再次为NPP<200gC(m2·年)区间,占百分比在5%~12%;而NPP>600gC(m2·年)所占比例最小,一般小于9%。东北地区2000年~2006年7年植被年均NPP分布(图4)显示,由于受纬度地带性、经度地带性等植被、气候、地形因素的综合影响,总体呈现从东南到西北递减的趋势。东北地区的长白山地,大兴安岭和小兴安岭等森林分布区植被年平均NPP较高,尤其是长白山地东南部的吉林省抚松、临江、长白、集安、安图、和龙等地区及三江平原的完达山地区,小兴安岭南部的伊春北部地区出现NPP最大值,NPP大于600gC(m2·年),而其它林区年平均NPP在(400~600)gC(m2·年)之间;辽河平原、松嫩平原和三江平原的农业区及呼伦贝尔草原东部的温带草甸草原区,大兴安岭北端的漠河、塔河地区年平均NPP介于(200~400)gC(m2·年),而呼伦贝尔高原的温带丛生禾草草原区,松嫩平原西部的农牧交错区及内蒙古赤峰市的大兴安岭南段与内蒙古高平原向辽河平原的过渡地带农牧交错区及科尔沁沙地年平均NPP最小,其NPP小于200gC(m2·年),表明该地区植被生长状况比较差。基于EOS/MODIS卫星遥感资料反演的东北地区的植被年均NPP的分布特征与王绍强等基于多年平均气候资料建立陆地碳循环平衡模型和何勇等利用植物生理模型模拟的该地区植被NPP的分布特征比较一致,因此,MOD17A3卫星遥感资料可以较好地反映东北地区植被的生长状况。3.3统计分析方法本文将东北地区划分为7种植被类型:针叶林、针阔叶混交林、阔叶林、灌丛、草地、沼泽和农田(图2)。对东北地区2000年~2006年不同类型植被年均NPP特征(表4)进行分析表明,针阔叶混交林年均NPP最大,其值为572.56gC(m2·年);阔叶林次之,NPP值为473.93gC(m2·年),其次是针叶林(454.42gC(m2·年))、沼泽(432.90gC(m2·年))、农田(378.21gC(m2·年))、灌丛(377.33gC(m2·年)),草地年均NPP最小,其值仅为312.45gC(m2·年)。使用简单差值法和一元线性回归分析法对比分析东北地区7年植被NPP的变化特征,以了解7年东北地区植被NPP不同地带的变化规律。简单差值法将本文研究时段始末端点时间2000年和2006年2年年均NPP图像代入公式(4)计算,生成7年东北地区植被NPP变化特征的空间分布图(图6)。一元线性回归分析法使用2000年至2006年7年年均NPP数据代入公式(5)的回归分析模型,得到7年东北地区植被NPP趋势线斜率图(图7)。分别对图6和图7植被NPP变化分析,两图具有相同的变化特征:东北小兴安岭和三江平原等地区植被年均NPP呈减小趋势,而长白山地和西辽低山丘陵区植被年均NPP呈增加趋势。简单差值法能够直接反映7年间东北不同地区植被NPP的变化趋势,但是由于其计算研究时段端点时间图像之间的差异,得到的结果往往很容易受到端点年份极端气候的影响。一元线性回归分析方法,在一定程度上可以消除特定年份极端气候的影响,更能真实地反映植被NPP在7年内演变过程。因此,我们利用一元线性回归分析方法具体分析东北不同地区植被年均NPP在7年的变化趋势。利用一元线性回归分析方法计算得到东北地区植被年均NPP7年的空间变化分布图(图7)。按ΘSlope值的变化范围,定义基本不变、轻微增加(减少)等7个变化区间,具体见表5,并统计各区间的面积及所占东北地区的百分率。由图7和表5可知,2000年~2006年东北地区年均NPP增加的地区主要分布在内蒙古赤峰市、通辽市及辽宁省西部等辽西平原和丘陵区和辽宁省东部与吉林省东部的长白山地林区,说明这些地区植被生长状况得到较好的改善。而在黑龙江省东部的三江平原农业区、黑龙江省中部小兴安岭林区年均NPP变化呈减少趋势,说明这些地区植被情况退化较严重。从整体看,东北地区年均NPP变化以基本不变的趋势为主,占东北地区总面积的42.05%。年均NPP增加的面积略高于减少的面积,其占总面积的30.51%,其中轻微增加的面积为19.96%,中度和明显增加的面积为10.55%;减少地区的面积占总面积的27.43%,其中轻微减少的面积为17.17%,中度和严重减少的面积为10.26%。3.4影响东北植被gdp变化的因素分析3.4.1江平原地区农田、林地、沼湿地植被类型现状植被年均NPP出现明显的增加和下降趋势可能是因为以下两方面的影响。其一是由于土地覆被发生显著改变,导致年均NPP变化。本文将以三江平原为例,分析土地覆被变化对植被NPP的影响。使用三江平原2000年和2005年两期土地利用数据对三江平原土地覆被变化进行分析(表6),结果显示,2000年到2005年三江平原农田以增加为主,而林地、草地和沼泽湿地呈现退化趋势。农田面积增加了43.51×104hm2,净增加了7.82%,主要是林地、沼泽湿地和草地转化为农田;林地面积减少了15.78×104hm2,主要是林地退化为农田、草地和沼泽湿地;沼泽湿地减少了8.01×104hm2,主要成因为湿地农田化;草地减少了13.54×104hm2,主要转化为农田和林地。从上面分析的数据可知三江平原土地覆被变化以林地、沼泽湿地和草地植被转化为农田为主。同时本文分析了三江平原农田、林地、沼泽湿地和草地等植被NPP特征,与东北其他地区植被类型年均NPP特征略有不同。三江平原林地NPP最大,其值为526.89gC(m2·年),草地和沼泽湿地NPP分别为467.73gC(m2·年)和379.64gC(m2·年),农田NPP最小,其值为344.66gC(m2·年)。所以2000年~2005年三江平原地区植被覆被变化导致植被NPP呈下降趋势,这与本文分析三江平原地区植被NPP的呈下降趋势的结果相一致。结果表明,东北地区植被覆被变化是影响东北地区NPP的变化趋势的重要影响因素之一,下文将详细分析气候变化对植被NPP的影响。3.4.2温度和降水的相关性陆地植被NPP及其地理分布不仅受到自身生理特征的限制,还受到气候、土壤以及人类活动等影响。对陆地植物生理研究表明,外界环境(温度、水分、CO2浓度等)对陆地植被净初级生产力的影响非常复杂,不同地区温度和降水对陆地植被NPP的影响也不相同。对中国陆地植被净初级生产力的研究表明,降水是影响我国陆地植被生长的主要因子,但在不同地区,植被的生长与气象因子的相关性各不相同,我国长江以南大部地区由于年降水量超过了1000mm,太阳辐射是影响该地区陆地植被净初级生产力的主要因素;而长江以北及西北地区植物的生长主要受水分条件的制约。选取东北地区101个气象观测站点的平均温度和降水总量,对其进行空间插值,然后与不同植被年均NPP进行相关性分析,结果显示(表7),针叶林较其它植被对气候条件的影响敏感,针叶林年均NPP与温度的相关系数为0.23,而与降水的相关性要高于温度的相关性,其相关系数为0.26;针阔叶混交林对气候的反映较弱,与温度呈负相关性,相关系数仅为-0.11,与降水的呈正相关,相关系数略高于温度为0.14;阔叶林、灌丛、草地和农田与降水的相关性显著,相关系数分别为0.29、0.42、0.22和0.13而与温度的相关性都很弱;沼泽植被对温度和降水的相关性都不显著。这与植被本身特性和分布状况有关,东北地区针叶林主要分布在大、小兴安岭北部地区,此地区属于大陆性气候特征的寒温带,气候寒冷,故对温度的变化较敏感。而对出现东北地区植被年均NPP与降水的相关性普遍高于与温度的相关性的现象,与刘会玉等东北地区自1997年以来东北地区进入干旱期,植被生长对降水变化的影响敏感分析结果一致。分析东北地区植被年均NPP与全年和生长季及其季节性的温度和降水的相关性显示(表8):无论是全年降水量还是生长季降水量与东北地区植被年均NPP的相关性都高于温度与年均NPP的相关性。同时分析东北地区植被年均NPP与春季、夏季、秋季和冬季平均温度和降水量的相关性,年均NPP与春季降水量的相关性最高,其值为0.23,冬季和秋季次之,夏季最小,其值为0.15。而年均NPP与不同季节温度的相