免费文献传递   相关文献

Estimation of net primary productivity in arid region based on coupling model.

基于耦合模型的干旱区植被净初级生产力估算


净初级生产力是陆地生态系统物质与能量运转研究的基础, 在干旱区生态环境演变及其与气候相互作用和影响方面极为敏感,是揭示干旱区生态环境特征的重要指标.本研究基于RS和GIS技术,利用地面气象数据、涡度相关数据、Landsat 8数据和MODIS数据,通过SEBAL模型和光能利用率模型的耦合,估算了新疆玛纳斯河流域植被净初级生产力(NPP),分析了其空间格局及与高程和坡度的关系.结果表明: SEBAL模型与光能利用率模型的耦合对玛纳斯河流域山地-绿洲-荒漠生态系统植被NPP的模拟效果较合理,能较好地反映植被净初级生产力的实际情况;2013年,玛纳斯河流域植被NPP总量为7066.72 Tg C·a-1,平均值为278.06 g C·m-2·a-1,总体分布趋势是自南向北先增加后减少再增加最后减少,随着地貌和土地利用类型的变化呈现明显的分布规律,且其月变化比较明显,7—8月达到最大值,占总量NPP的52.2%;植被净初级生产力随海拔和坡度的增加整体呈下降趋势,但随海拔增加植被NPP出现3次波动.这些波动主要由地表植被覆盖类型和环境因素所引起.

Net primary productivity (NPP), as the base for the research of matter recycling and energy flow in terrestrial ecosystem, is sensitive to the changes of environment and climate in arid region, and also is an important indicator of ecoenvironmental characteristics. Based on remote sensing (RS) and geographic information system (GIS), using meteorological data, eddy covariance data, Landsat 8 and MODIS data, this study coupled SEBAL model and light utility efficiency model to estimate the NPP of vegetation in Manas River Watershed, and the spatial pattern of NPP and the relationships between NPP and terrain factors (elevation and slope) were analyzed. Results showed that the estimated result of NPP in Manas River Watershed by coupling model was reasonable and could actually reflect the NPP of vegetation. The total annual NPP of vegetation and the mean annual NPP in Manas River Watershed in 2013 were 7066.72 Tg C·a-1 and 278.06 g C·m-2·a-1 respectively. With the variation of geomorphic type and land cover, the NPP changed remarkably from south to north in a trend of increasedecreaseincreasedecrease pattern. The temporal variations of NPP were also obvious, with the NPP in July and August accounting for 52.2% of total annual NPP. With the increase of the elevation and slope, the mean annual NPP decreased as a whole with fluctuations induced by different land covers and environmental factors.


全 文 :基于耦合模型的干旱区植被净初级生产力估算
杨会巾1  李小玉1∗  刘丽娟1  马金龙1  王  进2
( 1中国科学院新疆生态与地理研究所, 乌鲁木齐 830011; 2乌兰乌苏农业气象试验站, 新疆石河子 832003)
摘  要  净初级生产力是陆地生态系统物质与能量运转研究的基础, 在干旱区生态环境演
变及其与气候相互作用和影响方面极为敏感,是揭示干旱区生态环境特征的重要指标.本研
究基于 RS和 GIS 技术,利用地面气象数据、涡度相关数据、Landsat 8 数据和 MODIS 数据,通
过 SEBAL模型和光能利用率模型的耦合,估算了新疆玛纳斯河流域植被净初级生产力
(NPP),分析了其空间格局及与高程和坡度的关系.结果表明: SEBAL 模型与光能利用率模
型的耦合对玛纳斯河流域山地⁃绿洲⁃荒漠生态系统植被 NPP 的模拟效果较合理,能较好地反
映植被净初级生产力的实际情况;2013年,玛纳斯河流域植被 NPP 总量为 7066.72 Tg C·a-1,平
均值为 278.06 g C·m-2·a-1,总体分布趋势是自南向北先增加后减少再增加最后减少,随着
地貌和土地利用类型的变化呈现明显的分布规律,且其月变化比较明显,7—8月达到最大值,
占总量 NPP 的 52.2%;植被净初级生产力随海拔和坡度的增加整体呈下降趋势,但随海拔增
加植被 NPP 出现 3次波动.这些波动主要由地表植被覆盖类型和环境因素所引起.
关键词  净初级生产力; SEBAL模型; 光能利用率模型; 高程; 坡度
Estimation of net primary productivity in arid region based on coupling model. YANG Hui⁃
jin1, LI Xiao⁃yu1∗, LIU Li⁃juan1, MA Jin⁃long1, WANG Jin2 ( 1Xinjiang Institute of Ecology and
Geography, Chinese Academy of Sciences, Urumqi 830011, China; 2Wulanwusu Agro⁃meteorological
Experiment Station, Shihezi 832003, Xinjiang, China) .
Abstract: Net primary productivity (NPP), as the base for the research of matter recycling and
energy flow in terrestrial ecosystem, is sensitive to the changes of environment and climate in arid
region, and also is an important indicator of eco⁃environmental characteristics. Based on remote
sensing (RS) and geographic information system (GIS), using meteorological data, eddy cova⁃
riance data, Landsat 8 and MODIS data, this study coupled SEBAL model and light utility efficiency
model to estimate the NPP of vegetation in Manas River Watershed, and the spatial pattern of NPP
and the relationships between NPP and terrain factors (elevation and slope) were analyzed. Results
showed that the estimated result of NPP in Manas River Watershed by coupling model was reasona⁃
ble and could actually reflect the NPP of vegetation. The total annual NPP of vegetation and the
mean annual NPP in Manas River Watershed in 2013 were 7066.72 Tg C·a-1 and 278.06 g C·
m-2·a-1 respectively. With the variation of geomorphic type and land cover, the NPP changed re⁃
markably from south to north in a trend of increase⁃decrease⁃increase⁃decrease pattern. The temporal
variations of NPP were also obvious, with the NPP in July and August accounting for 52.2% of total
annual NPP. With the increase of the elevation and slope, the mean annual NPP decreased as a
whole with fluctuations induced by different land covers and environmental factors.
Key words: net primary productivity; SEBAL model; light utility efficiency model; elevation;
slope.
本文由国家重大科学研究计划项目(2014CB460603,2014CB954204⁃3)和国家自然科学基金项目(31470708,41271202,41501205)资助 This
work was supported by the National Basic Science Research Program of China (2014CB460603, 2014CB954204⁃3), National Natural Science Foundation
of China (31470708, 41271202, 41501205).
2015⁃11⁃09 Received, 2016⁃03⁃07 Accepted.
∗通讯作者 Corresponding author. E⁃mail: lixy76@ 163.com
应 用 生 态 学 报  2016年 6月  第 27卷  第 6期                                            http: / / www.cjae.net
Chinese Journal of Applied Ecology, Jun. 2016, 27(6): 1750-1758                  DOI: 10.13287 / j.1001-9332.201606.008
    陆地植被净初级生产力(net primary productivi⁃
ty,NPP)作为生态系统碳循环的重要组成部分,不
仅能够以统一的尺度标准体现生态系统生产力、表
征陆地生态系统的质量状况[1-2],而且由于 NPP 与
目前备受关注的一些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有着密
切联系,是判定生态系统碳源 /汇和调节生态过程的
主要因子,在全球变化及碳平衡中发挥着重要作
用[1,3] .
目前,陆地植被 NPP 估算模型可分为统计模型
(气候相关模型)、参数模型(光能利用率模型)和生
理生态过程模型(机理模型)3 类.统计模型虽然参
数少且容易获得,模拟结果可以反映植被 NPP 的地
带性规律,但由于其涉及的因子过于简单,估计精度
难以满足实际要求,且现实中还受到诸如大气和土
壤因素等其他因子的影响,因此模拟结果误差较
大[4] .生理生态过程模型比较复杂,所需参数较多,
而且难以获得,用于区域和全球估算过程中网格点
内参数的尺度转换和定量化相对困难,因而难以推
广[5] .光能利用率模型(参数模型)比较简单,可直
接利用遥感获得地表覆盖数据,在实验基础上适宜
于向区域及全球推广[5] .近年来随着遥感技术的发
展,基于遥感手段的模拟已经成为 NPP 估算的主要
发展方向,如荷兰 Bastiaanssen 等[6-7]提出的陆面能
量平衡方法(SEBAL模型)具有明确的物理意义,最
初被用于蒸散发的估算与反演,之后用于农作物产
量预测和生物量估算,在国际上得到了广泛应用.
中国西部干旱区巨型山盆体系下的山地生态系
统垂直分异明显,荒漠类型复杂多样,绿洲景观特色
鲜明,形成了山地、绿洲、荒漠生态系镶嵌分布的独
特生态单元,山地、绿洲、荒漠生态系统间的物质循
环、能量转化、信息传输的空间分异显著,荒漠与绿
洲生态过渡带的异质性景观结构对比性强烈.因此,
该区域植被 NPP 空间结构特征明显,具有独特的空
间格局和分布规律[8] .目前,已经有许多研究者利用
不同模型对中国西北干旱区生态系统 NPP 进行反
演.如张杰等[9] 利用生态⁃遥感光能利用率模型
NPP⁃PEM 估算了天山北麓植被的 NPP,韩其飞
等[10]利用 Biome⁃BGC模型模拟了近 50年天山北坡
森林生态系统的碳动态,王旭阳等[11]利用 CASA 模
型估算了新疆准格尔盆地南缘的植被净初级生产力
信息,但由于生理生态模型参数繁杂并且其他模型
输入数据分辨率低,估算结果精确度不是很高.因
此,本研究以生态环境特征在干旱区具有很强典型
性的新疆玛纳斯河流域为例,通过陆地能量平衡模
型和光能利用率模型的时空耦合(两种模型的耦合
既保证了数据源的可靠性和可获得性,又对有关参
数进行了简化,因而在很大程度上提高了模型的可
操作性),利用气象数据、涡度相关数据、Landsat 8
和 MODIS数据,反演估算流域植被 NPP,并在此基
础上分析植被 NPP 空间格局和季节变化特征及其
与高程、坡度的关系,不仅可以提高干旱区植被
NPP 估算精度和降低模型操作难度,而且在机理上
揭示干旱区流域特征与 NPP 时空动态的相互反馈
过程.
1  研究地区和研究方法
1􀆰 1  研究区概况
玛纳斯河流域位于新疆天山北坡中段、准噶尔
盆地南缘(43°26′—45°20′ N,84°56′—86°24′ E).玛
纳斯河流域包含玛纳斯县、沙湾县、石河子市、农八
师的 14个农牧团场、农六师的新湖总场以及克拉玛
依的小拐乡,总面积为 2.29 万 km2,在行政上地方
政府和生产建设兵团镶嵌分布,在土地管理上既有
地方政府基于农户的分散式管理,也有兵团农场的
集约化管理.按海拔,玛纳斯河流域地貌类型从南向
北分为:山地、山前倾斜平原和沙漠,地势总体表现
为自东南向西北倾斜,属于山地⁃绿洲⁃荒漠复合生
态系统.该流域属于典型的大陆性气候,冬季严寒,
夏季酷热,年平均气温 5~7 ℃;全年干燥少雨,绿洲
区年平均降水量 110 ~ 200 mm;湿度小,蒸发大,光
热资源丰富,无霜期 160 ~ 180 d.该流域经济发展主
要依赖于农业,2012 年,流域的第一、二、三产业增
加值分别为 201、195 和 152 亿元,农业产业增加值
比重最大.农田占流域总面积的 30.6%,农作物主要
包括棉花、小麦、玉米和其他经济作物,其中,棉花品
质优良,是全国最北的产棉区.玛纳斯河流域的生态
环境特征在干旱区具有良好的代表性,而且流域高
强度的农业生产活动在干旱区也具有很强的典型
性,同时,基于地方农户和兵团农场的镶嵌分布模式
还具有很强的特殊性,是研究干旱区问题的理想
场所.
1􀆰 2  数据来源与处理
本研究所利用的遥感数据为 Landsat 8卫星获取
的 L1G影像和 Modis 卫星获取的 MOD05_L2 数据.
Landsat 8 L1G影像和 M0D05_L2产品分别来自美国
地质调查局 (USGS)数据中心 ( http: / / glovis. usgs.
gov / )和 https: / / ladsweb.nascom.nasa.⁃gov / data.
15716期                          杨会巾等: 基于耦合模型的干旱区植被净初级生产力估算         
基础地理数据主要包括行政区划图、流域边界、
土地覆盖类型图和数字高程模型(DEM),其空间分
辨率为 30 m×30 m.行政区划图、流域边界图来源于
新疆遥感与地理信息系统重点实验室,土地覆盖类
型图来源于中国国家土地利用数据集 ( National
Land Use Datasets, NLUD),DEM数据来源于中国科
学院计算机网络信息中心国际科学数据镜像网站
(http: / / www.gscloud.cn).气象数据(日照时数和平
均风速)和涡度相关数据(摩擦风速)分别来源于中
国气象数据网和乌兰乌苏农业气象实验站.
摩擦风速和平均风速用于 SEBAL 模型中计算
感热通量时进行迭代计算中的起始参数设置,日照
时数用于光能利用率模型中光合有效辐射的估算.
归一化植被指数(NDVI)采取最大合成法,可以进一
步消除云、大气、太阳高度角等部分的干扰[12-13] .栅
格数据批量处理和 NPP 的计算过程主要采用 py⁃
thon语言完成.
1􀆰 3  模型计算
基于 Landsat 8 遥感影像、MOD05_L2 产品、土
地覆盖类型图、DEM 和气象数据,以及涡度相关数
据,在地表能量平衡的基础上,采用循环递推方法计
算空气辐射温度和感热通量,进而计算水分胁迫系
数,并进一步结合植被的温度胁迫系数和最大光能
利用率,以及吸收光能有效辐射 APAR 的估算结果
反演农作物 NPP.
1􀆰 3􀆰 1 SEBAL模型  SEBAL模型是建立在地表能量
平衡的基础上.能量平衡方程为:
Rn =G+H+λE (1)
式中:Rn为净辐射通量;G 为土壤热通量;H 为感热
通量;λE为潜热通量;λ为水的汽化潜热;E 为蒸散
量.
净辐射通量、土壤热通量和感热通量是由
Landsat 8 遥感影像和 MOD05_L2 产品反演的地表
参数计算而来,详细计算见参考文献[6,14-16].其
中,瞬时潜热通量与有效能量之间的比值为蒸发比.
改进后的蒸发比,假定土壤热通量在一天内的均值
为 0,忽略了土壤通量(G),以减小土壤热通量计算
的不确定性带来的误差.其公式为[17]:
EF=(Rn-G-H) / Rn (2)
1􀆰 3􀆰 2光能利用率模型   模型中所估算的 NPP 可
以用植物吸收的光合有效辐射(APAR)和实际光能
利用率(ε)来表示,估算公式如下:
NPP(x,t)= APAR(x,t)×ε(x,t) (3)
式中:NPP(x, t)为像元 x在 t月份的净初级生产力
(g C·m-2·mon-1);APAR(x, t)为像元 x在 t月份
吸收的光合有效辐射(MJ·m-2·mon-1);ε(x,t)为
像元 x 在 t 月 份 吸 收 的 实 际 光 能 利 用 率
(g C·MJ-1),计算公式如下:
ε(x,t)= Tε1×Tε2×Wε×εmax (4)
式中:Tε1和 Tε2Tε2分别为低温和高温对光能利用率
的胁迫作用;Wε为水分胁迫系数;εmax为理想条件下
的最大光能利用率(g C·MJ-1).
水分胁迫系数反映了植物所能利用的有效水分
条件对光能转化率的影响,计算公式为[18]:
Wε = 0.5+0.5×EF (5)
APAR、Tε1和 Tε2由植被归一化指数和空气温度
反演的地表参数计算而来,详见文献[2,19-21].
2  结果与分析
2􀆰 1  模型的验证
本研究利用野外调查的实测值[22]、统计数据及
不同模型的模拟值对估算结果进行验证.将 2013 年
植被地上生物量野外调查数据与模拟的 NPP 分布
进行比较(图 1),结果表明,野外调查的实测值与估
算值接近(斜率为 1.02),且相关性较高(R2 = 0.89),
模拟结果可靠.
大量研究表明,作物产量可用于农田 NPP 的估
算和验证[23-24],原理是根据不同作物收获部分的转
换系数(表 1),将农业统计数据的产量转换为植被
碳储量,其公式为[25]:
NPP=(H / HI)×(1+RF)×(1-MC)×0.45 (6)
式中:H为作物的单位产量;HI 为作物的收获系数;
RF为地下生物量与地上生物量的比例;MC 为作物
的含水量;0.45为作物碳的转换系数.
棉花、小麦、玉米是玛纳斯河流域最主要的作物
种植类型,其种植面积达到了农田总面积的 80%以
上,分别占到流域内沙湾县和玛纳斯县农田总面积
图 1  NPP 估算值与实测值的比较
Fig.1  Comparison of simulated NPP and observed NPP.
2571                                     应  用  生  态  学  报                                      27卷
表 1  用于估算 NPP的作物转换系数
Table 1  Crop conversion factors used to estimate cropland
net primary production
作物
Crop
MC
(%)
HI RF 文献
Reference
棉花 Cotton 8.0 0.40 0.11 [26]
玉米籽粒 Corn grain 13.0 0.53 0.18 [27]
青贮玉米 Corn silage 74.0 1.00 0.18 [27]
小麦 Wheat 12.5 0.40 0.06 [3]
MC: 含水量 Moisture content; HI: 收获系数 Harvest index; RF: 地下
生物量与地上生物量的比例 Ratio of underground to aboveground bio⁃
mass.
的 61.6%、12.8%、12.8 和 54.2%、4.7%、21.4%.根据
作物产量计算的玛纳斯县和沙湾县农田 NPP 分别
为 422.46和 460.29 g C·m-2·a-1(表 2),而由模型
模拟得到的农田 NPP 分别为 460. 57 和 501. 78
g C·m-2·a-1,误差为 9.0%和 9.0%,说明模型反演
的农田 NPP 与实际值相近,结果可以接受.
2􀆰 2  与其他模型的比较
对本研究所用耦合模型的模拟值与 NPP⁃PEM
模型、C⁃FIX模型和 CASA 模型在干旱区的模拟结
果进行比较(表 3).由于模拟的时间、空间分辨率和
研究区范围大小不一致,本研究的模拟结果与其他
模型在干旱区的模拟结果有一定差异.玛纳斯河流
域林地主要是分布在天山北坡的常绿针叶林,NPP
较高,但低于中国林地 NPP 平均值(505 g C·m-2·
a-1),更符合研究区的实际情况;草地、灌木林和未
利用地的植被 NPP 分别为 253.94、320.47和 114.07
g C·m-2·a-1,都较干旱区其他模型模拟结果偏
高,但相对于全国平均水平估算值偏低,本模型
NPP 模拟值与实测值更相近(图 1 中斜率为1.02),
表明本模型模拟结果相对较好;农田 NPP 为 479.67
g C·m-2·a-1,比朱文泉等[2]模拟的 1989—1993年
全国农田 NPP 平均值高 53.17 g C·m-2·a-1,原因
是当时的农田产量低于现在[28-29],并且本研究区光
热条件充足和膜下滴管技术的成熟与大面积的推
广[30],有利于农作物对碳的吸收和累积[31] .
2􀆰 3  玛纳斯河流域 NPP 的空间分布
玛纳斯河流域主要地表覆盖类型是农田、草地
和未利用地(图 2a),分别占总面积的 30.6%、32.1%
和 30.8%,其他覆被类型仅有 6.5%.模型计算结果
表明, 2013 年玛纳斯河流域植被 NPP 总量为
7066.72 Tg C·a-1 .从流域 NPP 的空间分布来看(图
2b),位于天山高海拔区域的植被 NPP 在 0 ~ 50
g C·m-2·a-1,表明该地区的植被生长状况较差,
主要受温度限制;位于天山中低海拔区域的植被
NPP 在 200~800 g C·m-2·a-1,比天山高海拔地区
的植被 NPP 高,其原因为此区域植被类型为常绿针
叶林和草地(图 2a),并且此区域水分充足、温度适
宜,有利于植物生长;绿洲区域主要种植农作物,植
被NPP主要在400 ~ 800 g C·m-2·a-1,光热条件
表 2  作物产量计算的农田 NPP 和耦合模型估算的农田 NPP比较
Table 2  Comprison of stimulated NPPs by the measured crop yields and the coupling model (g C·m-2)
地区
Area
棉花
Cotton
玉米∗
Maize
小麦
Wheat
统计数据估算
农田 NPP 平均值
Stimulated NPP by the
measured crop yeild
模型模拟
农田 NPP 平均值
Stimulated NPP by
coupling model
误差
Error
(%)
玛纳斯县 Manas County 253.28 368.11 645.98 422.46 460.57 9.0
沙湾县 Shawan County 226.09 511.62 643.16 460.29 501.78 9.0
∗玉米的 NPP 是玉米和青贮玉米 NPP 的平均值 NPP of maize which consisted of corn grain and corn silage.
表 3  本研究模拟的年均 NPP 值与其他模型研究结果的比较
Table 3  Comparison of simulated average mean NPP in this study with results of others (g C·m-2·a-1)
模型
Model
空间分辨率
Spatial
resolution
(m)
年份
Year
研究区
Study area
林地1)
Forest
land 1)
灌木林地
Bush
land
草地2)
Grassland 2)
未利用地3)
Unused
land 3)
耕地
Farmland
本研究 This study 30 2013 玛纳斯河流域 446.16 320.47 253.64 114.07 479.67
NPP⁃PEMl[9] 1000 2002 天山北麓 422.57 192.44 195.86 89.67 375.27
NPP⁃PEM[8] 1000 1998 叶儿羌⁃喀什噶尔河流域 169.14 - - - 440.48
C⁃FIX[32] 1000 2002 黑河流域 225.36 268.14 172.00 89.62 364.18
CASA[11] 250 2000—2009 准格尔南缘 363.50 - 168.10 - 258.00
MLUEM[2] 1000 1989—1993 中国 505.00 367.70 279.00 173.80 426.50
1)林地包括常绿针叶林和落叶阔林叶 Consisted of evergreen needle and deciduous broad⁃leaf forest; 2)草地包括高覆盖度草地、中覆盖度草地和地
覆盖度草地 Consisted of low, moderate and high coverage grasslands ; 3)未利用地包括沼泽、沙丘 /戈壁、盐碱地和裸地 /裸岩 Consisted of swamp,
sand dune / gobi, saline and alkaline land, and bare soil / bare rock. MLUEM: 改进光能利用率模型 Modified light utility efficiency model.
35716期                          杨会巾等: 基于耦合模型的干旱区植被净初级生产力估算         
图 2  玛纳斯河流域土地利用(a)、植被 NPP 空间分布(b)和高程图(c)
Fig.2  Land cover map (a), spatial pattern of NPP (b) and elevation (c) in Manas River Watershed.
C: 农田 Farmland; F: 林地 Forest land; G:草地 Grassland; W:水体 Water; CT:城乡用地 Urban and rural land; UN:未利用地 Unused land; B:
灌木林地 Shrubland. 下同 The same below.
充足;位于荒漠边缘的植被 NPP 在 0 ~ 100 g C·
m-2·a-1,主要受水分条件的限制.
由于玛纳斯河流域的植被覆盖度低并且干燥少
雨,因此净初级生产力低于全国平均水平.陈福军
等[27]估算的中国西部荒漠生态系统植被 NPP
1981—2008年平均值在 100 g C·m-2·a-1以下,而
玛纳斯河流域 2013 年植被年均 NPP 为 278. 06
g C·m-2·a-1,比全国植被年均 NPP (355 g C·
m-2·a-1) [33]低 21.7%.从植被 NPP 的年总量来看,
农田、草地和未利用地分别为 3735.19、2072.66 和
890.72 Tg C,而林地和灌木面积较小,其 NPP 也较
低,分别为 198.45和 15.46 Tg C,仅占全区所有植被
NPP 的 1.7%和 0.3%.
总体来看,玛纳斯河流域植被 NPP 整体较低,
处于 0~200 g C·m-2·a-1之间的面积最大,占流域
总面积的 48.7%,主要为未利用地;NPP 在 200~400
和 400~ 600 g C·m-2·a-1区间的面积分别占流域
总面积的 22.0%和 17.8%,主要为农田;而 NPP 处
于 600~800 g C·m-2·a-1区间和 NPP>800 g C·
m-2·a-1的面积分别为 11.3%和 0.3%,主要为部分
经济作物(如葡萄、果园等)和山区森林.
2􀆰 4  玛纳斯河流域 NPP 的月变化
由图 3和图 4 可以看出,7—8 月,玛纳斯河流
域太阳辐射量充足,水热条件适合植物生长.这段时
期的净初级生产力达到最大值,占全年净初级生产
力的 52.2%.6—9 月 NPP 占全年的 82.7%,该时期
是草本植物和作物的生长季.4和 10月,由于月平均
气温较低,植物生长缓慢,导致净初级生产力很低,
月平均 NPP 分别为 10.19和 4.93 g C·m-2 .1—3月
和 11—12月,新疆平均温度在 0 ℃以下,植被光合
作用所产生的有机质总量小于或等于自养呼吸后的
剩余部分,植被停止生长.
    从不同土地覆被类型的植被 NPP 月变化可以
看出,山区中低海拔区植被(常绿针叶林、草地和灌
丛)NPP 在 7月达最大(图 4);未利用地(沙地、戈
壁、盐碱地沼泽地以及裸土地等) NPP 在 4—10 月
呈先增加再减少最后又增加的双峰现象;分布在绿
洲区域的农田 NPP 在 6月超过 80 g C·m-2,7月达
到一年中的最大值(图4);天山中海拔区的常绿针
图 3  玛纳斯河流域植被 NPP 的月变化
Fig.3  Changes of monthly NPP in Manas River Watershed.
4571                                     应  用  生  态  学  报                                      27卷
图 4  玛纳斯河流域植被月 NPP 空间分布
Fig.4  Spatial distribution of monthly NPP in Manas River Watershed.
叶林 NPP 在 7 月有一部分小于 20 g C·m-2,由于
云的覆盖(图 4),导致其估计值偏低;由于 6 月的
Landset 8 影像(图 4)中一部分山地被云覆盖,导致
山地植被月累积 NPP 估计值偏低(图 3).
2􀆰 5  地形因子与植被 NPP 的关系
在复杂地形条件下,海拔和坡度对植被 NPP 的
影响不可忽略[34] .本研究采用等差分级法对植被
NPP 与高程和坡度的相关性进行分析,以 30 m 和
3°为级差[35],计算各高程和坡度分级(表 4)内植被
NPP 的平均值和标准差.
    由图 5可以看出,在高程 700 m以内,植被 NPP
出现较大波动并且变化剧烈:在高程 250 m处,植被
NPP达到顶峰,为558.79 g C·m-2·a-1 .因为此处
表 4  高程和坡度的区间划分
Table 4  Interval divisions of elevation and slope
地形因子
Topographic factor
区间划分
Interval division
区间含义
Meaning of interval
高程 ≤200 平原地区
Elevation (m) 200~500 丘陵地区
500~1000 低山
1000~1500 中山
>1500 高山
坡度 ≤2 平原至微倾斜平原
Slope (°) 2~5 缓坡地
5~15 斜坡地
15~25 陡坡地
25~35 急坡
35~50 急陡坡
>50 垂直坡
的植被全部为农作物,由于光热充足并且膜下滴管
提供充足水分,植被 NPP 平均值较高.在高程 260 ~
500 m,随着高程的增加,植被从荒漠过渡到绿洲,植
被 NPP 呈增加趋势,从 227.74 g C·m-2·a-1增加
到 430.98 g C·m-2·a-1;高程 500~700 m主要位于
天山北麓洪积扇顶部,随着高程的增加,草地所占比
例增加,农田所占比例减少,导致植被 NPP 平均值
下降至 216.69 g C·m-2·a-1,标准差降低了 68.86
g C·m-2·a-1 .高程 700 ~ 1800 m 的植被类型包括
草地和山间谷地的农田,由于积雪融化,土壤含水量
随高程的增加逐渐增多, NPP 从 179.61 g C·m-2·
a-1增加到 502.37 g C·m-2·a-1 .高程 1800~4000 m
的植被类型包括常绿针叶林和草地,随着高程增加,
气温降低,林地比例减少、草地增加,因此植被 NPP
平均值降低至 74.65 g C·m-2,并且标准差也随之
降低.随着高程增至 4400 m,积雪所占比例增加,未
利用地所占比例减少,并且周围气温逐渐下降,限制
了植被对碳的吸收和累积,植被 NPP 平均值呈现降
低趋势.
流域内植被 NPP 整体上随坡度升高而下降.在
16.5°以内,随坡度的增加,植被 NPP 逐渐减少,从
300.37 g C·m-2·a-1降到 278.18 g C·m-2·a-1,标
准差降低了 1.07 g C·m-2·a-1;在 16.5° ~64.5°,随
着坡度的增加,植被 NPP 下降至 96.78 g C·m-2·
a-1,标准差也随之下降;当坡度达到 85°时,NPP 趋
于 0.
55716期                          杨会巾等: 基于耦合模型的干旱区植被净初级生产力估算         
图 5  植被 NPP 与高程和坡度的关系
Fig.5  Relationships between stimulated NPP with elevation and slope.
3  讨    论
3􀆰 1  模型的改进
本研究在光能利用率模型的基础上,耦合 SE⁃
BAL模型,实现干旱区典型流域植被 NPP 的模拟估
算.参照朱文泉等[2,21,36]的方法,选取本研究区内某
一植被类型生长季 NDVI 的 5%下侧分位数和 95%
下侧分位数作为该植被类型 NDVI 的最大值和最小
值,计算不同植被类型吸收的光合有效辐射,使该模
型更适合干旱区植被的模拟;最大光能利用率根据
干旱区 NPP 实测值[37]设定;水分胁迫系数通过改
进的蒸发比计算;基于能量平衡原理计算净辐射、感
热通量和土壤热通量,进而计算蒸发比;在感热通量
的计算过程中,考虑到近地层大气的极不稳定性和
遥感影像的信噪比,模型中引入了 Monin⁃Obukhov
定律进行递归运算,通过多次迭代修正空气动力学
阻抗,直到取得稳定的感热通量值,减少误差.
本研究中的相关参数(如植被最大光能利用
率、各植被类型 NDVI最大值和最小值等)仅适用于
干旱区生态系统,与生理生态模型相比,参数较少且
计算过程较为简化,但仍然比光能利用率模型复杂.
本研究模型的空间分辨率比其他模型高,经过与实
测值、农田产量的相互验证,模拟精度明显提高.
3􀆰 2  植被净初级生产力的时空格局
植被 NPP 的分布受土地覆被类型、气候、地形
等因素的综合影响,空间异质性强.天山北麓空间垂
直分异大,水热条件限制明显,植被碳吸收受到水平
梯度变化的影响,生态系统 NPP 空间异质性强
烈[9] .玛纳斯河流域植被净初级生产力呈现从南向
北先增加后减少再增加最后减少的趋势,主要原因
在于地表覆盖类型的不同,位于高海拔地区植被的
生长主要受温度影响,位于绿洲和荒漠地区植被主
要受水分限制.
玛纳斯河流域山地⁃绿洲⁃荒漠生态系统各植被
类型月 NPP 有明显的季节特征,其主要受地表辐
射、气温、降水和径流分配的季节变化[9] .绿洲农田
植被月累积 NPP 在 7 月达到最大值,而山区植被
NPP 在 5月率先超出 80 g C·m-2·mon-1,是由于 5
月冰雪融水和春雨导致植物生长旺盛,而此时绿洲
农田受温度和水分限制,大部分 NPP 尚未达到 80
g C·m-2·mon-1(图 4).生长在荒漠边缘的短命植
物的 NPP 变化呈现双峰趋势(图 3 和图 4),因为其
在 4—6月主要利用早春雨水和雪水生长发育,在夏
季干热季节来临之前迅速完成生活周期,到 6—7月
开始衰减[9,38],7—8月随夏季自然降水和高山冰雪
融水在冲积扇外缘溢散量增加,植被又进入生长旺
盛期[9] .
3􀆰 3  植被 NPP 与地形因子的关系
坡地易于发生水土流失进而导致土壤贫瘠化,
地形起伏是导致水土流失的最直接因素,而坡度是
主要的地形指标[39] .玛纳斯河流域自然植被 NPP
的分布受山盆结构分异造成的水热条件限制明显,
总体呈现随海拔升高在山区递减而在平原增加的趋
势.在 NPP 与高程和坡度的相关性分析中,等差分
级法较好地揭示了植被 NPP 随高程和坡度的连续
变化趋势[33-34],分级尺度越小,植被 NPP 随海拔和
坡度增加的波动越明显(图 5).在高程小于 200 m
并且坡度也小于 2°的区域,农田分布集中,植被
NPP 年均值最高;而在高程大于 1500 m 并且坡度
大于 50°的区域,草地和未利用地所占比例大,且地
表空气温度低,因此植被 NPP 年均值最低.
4  结    论
基于 SEBAL 模型和光能利用利用率模型的耦
合,估算了干旱区天山北麓玛纳斯河流域 2013 年的
植被 NPP.玛纳斯河流域 2013 年植被 NPP 总量为
6571                                     应  用  生  态  学  报                                      27卷
7066.72 Tg C·a-1,平均值为 278.06 g C·m-2·a-1,
NPP 的分布以 0~200 g C·m-2·a-1为主.在光、热、
水充足的 7、8月,植被 NPP 达到最大值;4 和 10 月
的植被 NPP 较低.玛纳斯河流域属于典型的山地⁃绿
洲⁃荒漠复合生态系统,植被 NPP 地域差异明显,空
间异质性强.随着高程和坡度的增加,平均植被 NPP
呈现降低趋势;随着高程增加,植被 NPP 呈现出在
山区递减而在平原增加的趋势;随着坡度增加,植被
NPP 整体呈下降趋势.本研究结果经检验,模拟效果
较其他模型精度高,说明 SEBAL模型和光能利用率
模型的耦合,是估算干旱区植被 NPP 的一种有效
途径.
参考文献
[1]  Field CB, Behrenfeld MJ, Randerson JT, et al. Primary
production of the biosphere: Integrating terrestrial and
oceanic components. Science, 1998, 281: 237-240
[2]  Zhu W⁃Q (朱文泉), Pan Y⁃Z (潘耀忠), Zhang J⁃S
(张锦水). Estimation of net primary productivity of
Chinese terrestrial vegrtation based on remote sensing.
Acta Phytoecologica Sinica (植物生态学报), 2007, 31
(3): 413-424 (in Chinese)
[3]  Guo Z⁃X (国志兴), Wang Z⁃M (王宗明), Zhang B
(张  柏), et al. Analysis of temporal⁃spatial characte⁃
ristics and factors influencing vegetation NPP in North⁃
east China from 2000 to 2006. Resources Science (资源
科学), 2008, 30(8): 1226-1235 (in Chinese)
[4]  Zhu J⁃F (朱敬芳). Influence of Land Cover Data on
Regional Carbon and Water Fluxes Simulation: A Case
Study on the Poyang Lake Basin. PhD Thesis. Nanjing:
Nanjing University, 2012 (in Chinese)
[5]  Zhu W⁃Q (朱文泉), Chen Y⁃H (陈云浩), Xu D (徐
丹), et al. Advances in terrestrial net primary produc⁃
tivity ( NPP ) estimation models. Chinese Journal of
Ecology (生态学杂志), 2005, 24(3): 296-300 ( in
Chinese)
[6]  Bastiaanssen WGM, Menenti M, Feddes RA, et al. A
remote sensing surface energy balance algorithm for land
(SEBAL). 1. Formulation. Journal of Hydrology, 1998,
212: 198-212
[7]  Bastiaanssen WGM, Ali S. A new crop yield forecasting
model based on satellite measurements applied across
the Indus Basin, Pakistan. Agriculture, Ecosystems &
Environment, 2003, 94: 321-340
[8]  Zhang J (张  杰), Pan X⁃L (潘晓玲), Gao Z⁃Q (高
志强), et al. Satellite estimates and change detection of
net primary productivity of Oasis Desert based on ecosys⁃
tem process with remotely sensed forcing in arid western
China. Acta Geographica Sinica (地理学报), 2006, 61
(1): 15-25 (in Chinese)
[9]  Zhang J (张  杰), Pan X⁃L (潘晓玲). Spatial pattern
and seasonal dynamics of net primary productivity in
mountain⁃oasis⁃desert ecosystem on the north piedmont
of Tanshani Mountains in arid Northwest China. Arid
Land Geography (干旱区地理), 2010(1): 78-86 (in
Chinese)
[10]  Han Q⁃F (韩其飞), Luo G⁃P (罗格平), Li C⁃F (李
超凡), et al. Simulation of carbon trend in forest eco⁃
system in northern slope of the Tianshan Mountains
based on Biome⁃BGC model. Arid Zone Research (干旱
区研究), 2014, 31(3): 375-382 (in Chinese)
[11]  Wang X⁃Y (王旭阳), Zhang X⁃F (张显峰), Zhao J⁃P
(赵杰鹏), et al. Estimation of vegetation net primary
productivity in the south border of Junggar Bas in using
MODIS and TRMM data. Geography and Geo⁃Informa⁃
tion Science (地理与地理信息科学), 2011, 27(2):
21-25 (in Chinese)
[12]  Chen Q (陈   强), Chen Y⁃H (陈云浩), Wang M⁃J
(王萌杰), et al. Change of vegetation net primary pro⁃
ductivity in Yellow River watersheds from 2001 to 2010
and its climatic driving factors analysis. Chinese Journal
of Applied Ecology (应用生态学报), 2014, 25(10):
2811-2818 (in Chinese)
[13]  Zhang Y⁃C (张月丛), Zhao Z⁃Q (赵志强), Li S⁃C
(李双成), et al. Indicating variation of surface vegeta⁃
tion cover using SPOT NDVI in the northern part of
North China. Geographical Research (地理研究 ),
2008, 27(4): 745-754 (in Chinese)
[14]  Song T (宋  挺), Duan Z (段  峥), Liu J⁃Z (刘军
志), et al. Comparison of four algorithms to retrieve
landsurface temperature using Landsat 8 satellite. Journal
of Remote Sensing (遥感学报), 2015, 19(3): 451-464
(in Chinese)
[15]  Li B⁃F (李宝富), Chen Y⁃N (陈亚宁), Li W⁃H (李
卫红), et al. Remote sensing and the SEBAL model for
estimating evapotranspiration in the Tarim River. Acta
Geographica Sinica (地理学报), 2011, 66(9): 1230-
1238 (in Chinese)
[16]  Liu Z⁃W (刘志武), Lei Z⁃D (雷志栋), Dang A⁃R
(党安荣), et al. Remote Sensing and the SEBAL model
for estimating evapotranspiration in arid region. Journal
of Tsinghua University (Science & Technology) (清华
大学学报:自然科学版), 2004, 44(3): 421-424 (in
Chinese)
[17]   Chen H (陈   鹤), Yang D⁃W (杨大文), Lv H⁃F
(吕华芳). Comparison of temporal extrapolation meth⁃
ods for evapotranspiration over variant underlying crop⁃
lands. Transactions of the Chinese Society of Agricultural
Engineering (农业工程学报), 2013, 29(6): 73-81
(in Chinese)
[18]  Yuan WP, Liu SG, Zhou GS, et al. Deriving a light use
efficiency model from eddy covariance flux data for pre⁃
dicting daily gross primary production across biomes. Ag⁃
ricultural and Forest Meteorology, 2007, 143: 189-207
[19]  Wang L⁃X (王连喜), Li M⁃M (李萌萌), Li Q (李 
琪), et al. Remote sensing estimation of NPP in
Shaanxi province based on CASA model. Journal of West
China Forestry Science (西部林业科学), 2015, 44
(2): 74-80 (in Chinese)
[20]  Potter CS, Randerson JT, Field CB et al. Terrestrial
ecosystem production: A process model based on global
satellite and surface data. Global Biogeochemical Cycles,
1993, 7: 811-841
[21]  Zhu W⁃Q (朱文泉), Pan Y⁃Z (潘耀忠), Long Z⁃H
(龙中华), et al. Estimating net primary productivity of
terrestrial vegetation based on GIS and RS: A case study
in Inner Mongolia, China. Journal of Remote Sensing
(遥感学报), 2005, 9(3): 300-307 (in Chinese)
[22]  Li C⁃F (李超凡), Carbon Stock and Its Responses to
Climate Change in Central Asia: A Study Based on an
75716期                          杨会巾等: 基于耦合模型的干旱区植被净初级生产力估算         
Arid Ecosystem Model. PhD Thesis. Beijing : University
of Chinese Academy of Sciences, 2015 (in Chinese)
[23]  Fang J⁃Y (方精云), Liu G⁃H (刘国华), Xu S⁃L (徐
嵩龄), et al. Carbon Pools in Terrestrial Ecosystems in
China. Beijing: China Science and Technology Press,
1996 (in Chinese)
[24]  Huang Y, Yu YQ, Zhang W, et al. Agro⁃C: A biogeo⁃
physical model for simulating the carbon budget of agroe⁃
cosystems. Agricultural and Forest Meteorology, 2009,
149: 106-129
[25]  Ciais PH, Wattenbach M, Vuichard N, et al. The Euro⁃
pean carbon balance. Part 2: Croplands. Global Change
Biology, 2010, 16: 1409-1428
[26]   Lobell DB, Hicke JA, Asner GP, et al. Satellite esti⁃
mates of productivity and light use efficiency in United
States agriculture, 1982 - 98. Global Change Biology,
2002, 8: 722-735
[27]  Li ZP, Liu SG, Tan ZG, et al. Comparing cropland net
primary production estimates from inventory, a satellite⁃
based model, and a process⁃based model in the Midwest
of the United States. Ecological Modelling, 2014, 277:
1-12
[28]  Chen F⁃J (陈福军), Shen Y⁃J (沈彦俊), Li Q (李 
倩), et al. Spatio⁃temporal variation analysis of ecologi⁃
cal systems NPP in China in past 30 years. Scientia Geo⁃
graphica Sinica (地理学报), 2011, 31(11): 1409-
1414 (in Chinese)
[29]  Hou Y⁃Y (侯英雨), Liu Q⁃H (柳钦火), Yan H (延
昊), et al. Variation trends of China terrestrial vegeta⁃
tion net primary productivity and its responses to climate
factors in 1982-2000. Chinese Journal of Applied Ecolo⁃
gy (应用生态学报), 2007, 18(7): 1546-1553 ( in
Chinese)
[30]  Ma J⁃L (马金龙), Liu L⁃J (刘丽娟), Li X⁃Y (李小
玉), et al. Evapotranspiration process of cotton field un⁃
der mulched drip irrigation of oasis in arid region. Chi⁃
nese Journal of Ecology (生态学杂志), 2015, 34(4):
974-981 (in Chinese)
[31]  Li Z⁃G (李志国), Zhang R⁃H (张润花), Lai D⁃M
(赖冬梅), et al. Effects of drip irrigation with plastic
mulching on the net primary productivity, soil hetero⁃
trophic respiration,and net CO2 exchange flux of cotton
field ecosystem in Xinjiang, Northwest China. Chinese
Journal of Applied Ecology (应用生态学报), 2012, 23
(4): 1018-1024 (in Chinese)
[32]  Lu L (卢  玲), Li X (李  新), Frank V. Estimation
of net primary productivity of Heihe River Basin using
remote sensing. Journal of Desert Research (中国沙
漠), 2006, 25(6): 823-830 (in Chinese)
[33]  He Y (何  勇), Dong W⁃J (董文杰), Ji J⁃S (季劲
松), et al. The net primary producetion simulation of
terrestrial ecosystem in China by AVIM. Advances in
Earth Science (地球科学进展), 2005, 20(3): 345-
349 (in Chinese)
[34]  Sun Q⁃L (孙庆龄), Feng X⁃F (冯险峰), Xioa X (肖
潇). Spatio⁃temporal pattern of NPP and related analy⁃
ses with terrain factors in Wuling Mountainous area.
Journal of Geo⁃information Science (地理信息科学学
报), 2014, 16(6): 915-924 (in Chinese)
[35]  Zhu M (朱   梅), Li F⁃Y (李发源). Influence of
slope classification on slope spectrum. Science of Surve⁃
ying and Mapping (测绘科学), 2009, 34(6): 165-
167 (in Chinese)
[36]  Zhu WQ, Pan YZ, He H, et al. Simulation of maximum
light use efficiency for some typical vegetation types in
China. Chinese Science Bulletin, 2006, 51: 700-706
[37]  Feng Y⁃M (冯益明), Yao A⁃D (姚爱冬), Jiang L⁃N
(姜丽娜). Improving the CASA model and applying it
to estimate the net primary productivity of arid region
ecology system. Arid Land Resources and Environment
(干旱区资源与环境), 2014, 28(8): 39-43 (in Chi⁃
nese)
[38]  Ren J (任  珺), Tao L (陶  玲). Characterization of
ephemeral plants in northern region of Xinjiang. Pratcul⁃
tural Science (草业科学), 2005, 22(5): 19-24 ( in
Chinese)
[39]  Liu X⁃H (刘新华), Yang Q⁃K (杨勤科), Tang G⁃A
(汤国安). Extraction and application of relief of China
based on DEM and GIS method. Bulletin of Soil and Wa⁃
ter Conservation (水土保持学报), 2001, 21(1): 57-
62 (in Chinese)
作者简介  杨会巾,女,1992 年生,硕士研究生.主要从事陆
地生态系统净初级生产力研究. E⁃mail: huijin_ucas@ 163.
com
责任编辑  杨  弘
杨会巾, 李小玉, 刘丽娟, 等. 基于耦合模型的干旱区植被净初级生产力估算. 应用生态学报, 2016, 27(6): 1750-1758
Yang H⁃J, Li X⁃Y, Liu L⁃J, et al. Estimation of net primary productivity in arid region based on coupling model. Chinese Journal of
Applied Ecology, 2016, 27(6): 1750-1758 (in Chinese)
8571                                     应  用  生  态  学  报                                      27卷