全 文 ：2000-2008 年中国东北地区植被净初级生产力的
模拟及季节变化*
赵国帅1,2 摇 王军邦2**摇 范文义1 摇 应天玉1
( 1 东北林业大学林学院, 哈尔滨 150040; 2 中国科学院地理科学与资源研究所, 北京 100101)
摘摇 要摇 利用 GLOPEM鄄CEVSA模型模拟并分析了中国东北地区 2000-2008 年植被净初级生
产力(NPP)时空分布格局及其影响因素,并以 4 个森林生态站点(大兴安岭、老爷岭、凉水和
长白山森林生态站)为例研究了东北地区森林 NPP 季节变化特征及其环境驱动. 结果表明:
2000-2008 年,东北地区植被年均 NPP为 445 g C·m-2·a-1;整个研究区沿长白山山脉到小
兴安岭山脉地区以及三江平原部分地区的 NPP最高,沿长白山山脉到小兴安岭山脉西侧的辽
河平原、松嫩平原东部、三江平原和大兴安岭地区次之,西部稀疏草原和荒漠地区的 NPP最低.
东北地区森林生态系统年均 NPP最高,其次为灌丛、农田和草地,荒漠最低.森林生态系统中,针
阔混交林年均 NPP最大(722 g C·m-2·a-1),落叶针叶林年均 NPP最小(451 g C·m-2·a-1) .
研究期间,森林 NPP无显著年际变化,其中 2007、2008 年较往年 NPP 大幅增加,很可能与该
地区期间气温上升有关(较往年偏高 1 益 ~2 益) .东北地区森林自北向南生长季开始时间逐
渐提前,生长季变长.
关键词摇 东北地区摇 季节变化摇 净初级生产力摇 植被摇 遥感鄄过程模型
文章编号摇 1001-9332(2011)03-0621-10摇 中图分类号摇 Q948摇 文献标识码摇 A
Vegetation net primary productivity in Northeast China in 2000-2008: Simulation and sea鄄
sonal change. ZHAO Guo鄄shuai1,2, WANG Jun鄄bang2, FAN Wen鄄yi1, YING Tian鄄yu1 ( 1School of
Forestry, Northeast Forestry University, Harbin 150040, China; 2 Institute of Geographic Science and
Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China) . 鄄Chin. J. Appl.
Ecol. ,2011,22(3): 621-630.
Abstract: By using GLOPEM鄄CEVSA model, the spatiotemporal pattern and its affecting factors of
the vegetation net primary productivity (NPP) in Northeast China in 2000-2008 were simulated,
and, taking four forest ecosystem stations ( Daxing爷 anling, Laoyeling, Liangshui and Changbai
Mountains) as the cases, the seasonal changes and their main driving force of forest NPP in North鄄
east China were studied. In 2000-2008, the annual averaged vegetation NPP in the region was 445
g C·m-2 ·a-1, being the highest in the areas from Changbai Mountains to Xiaoxing爷 anling
Mountains and parts of Sanjiang Plain, followed by in the areas from Changbai Mountains to Liaohe
River Plain, eastern Songnen Plain, Sanjiang Plain, and Daxing爷anling Mountain, and the lowest
in the sparse grass and desert areas in the west. Forest ecosystem had the highest annual averaged
NPP, followed by shrub, cropland and grassland, and desert. In forest ecosystem, coniferous and
broad鄄leaf mixed forests had the highest annual averaged NPP (722 g C·m-2·a-1), while decid鄄
uous needle鄄leaf forest had the lowest one (451 g C·m-2·a-1). During the study period, no sig鄄
nificant inter鄄annual changes were observed in the forest NPP though it was higher in 2007 and 2008
probably due to the increased air temperature (1 益-2 益 higher than that in other years). The be鄄
ginning time of forest growth season in Northeast China advanced gradually from north to south, and
the growth season became longer.
Key words: Northeast China; seasonal change; net primary productivity ( NPP); vegetation;
GLOPEM鄄CEVSA.
*国家重点基础研究发展计划项目(2009CB421105)、中国气象局气候变化专项(CCSF鄄09鄄09)和国家自然科学基金项目(30500064,40501048)
资助.
**通讯作者. E鄄mail: jbwang@ igsnrr. ac. cn
2010鄄07鄄06 收稿,2010鄄12鄄09 接受.
应 用 生 态 学 报摇 2011 年 3 月摇 第 22 卷摇 第 3 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Mar. 2011,22(3): 621-630
摇 摇 陆地生态系统净初级生产力(NPP)作为地表碳
循环的重要组成部分,代表了伴随异养呼吸的生态
系统与大气之间的两种主要碳交换过程之一[1] . 森
林是陆地生态系统的主体,其碳储量占整个陆地植
被碳储量的 80%以上,每年的碳固定量约占整个陆
地生物碳固定量的 2 / 3[2],在调节全球碳平衡、影响
大气 CO2 等温室气体浓度上升以及维持全球气候
等方面具有不可替代的作用. 中国东北地区地处我
国中高纬度地区,是全球变化最敏感的区域之
一[3] .作为全国最大的林区,对该地区森林净初级
生产力的研究具有特别重要的意义[4] .
近年来对东北地区 NPP 已进行许多有意义且
重要的研究,并取得很大进展. 如赵俊芳等[5]利用
FORCCHN优化模型模拟了中国东北地区森林生态
系统 NPP;国志兴等[6]等利用 EOS / MODIS 卫星遥
感资料对东北地区植被 NPP 变化的时空特征及主
要影响因素进行分析;王萍[7] 应用 IBIS 模型对
2004-2005年大小兴安岭的植被 NPP进行了定量估
算;张峰等[8]应用生态系统碳循环过程 CASA 模型
分析了中国东北样带 1982-1999 年植被 NPP 的时
空变异及其影响因子. 但目前,对东北地区 NPP 季
节变化的研究相对较少,且以往研究对模型不确定
性和 NPP时空变化机制尚缺乏深入的认识.
遥感数据可以提供光合有效辐射(PAR)等估
算地表 NPP所必须的植被参数和环境变量,为研究
陆地生态系统 NPP的分布、季节变化和年际变化提
供了强有力的手段.有研究表明,“遥感鄄过程耦合模
型冶融合了生态生理过程模型和光能利用率模型的
优点,实现了碳循环过程的跨尺度模拟,能够反映区
域甚至全球尺度碳收支的空间分布及动态变化,增
加了陆地植被 NPP估算的可靠性和可操作性,是未
来陆地植被 NPP 估算的主要发展方向[9] . 李克让
等[10]将生态系统过程模型 CEVSA 和生产效率模型
GLO鄄PEM 进行耦合,建立了 GLOPEM鄄CEVSA 模
型[11],并利用通量观测数据验证该模型,得到了较
理想的结果. 为此,本研究试图利用 GLOPEM鄄
CEVSA模型,对 2000-2008 年间中国东北地区植被
NPP进行定量估算,分析了该区 NPP 的空间分布格
局及季节变化,并对模型精度进行验证,探讨了
GLOPEM鄄CEVSA模型在东北地区生态系统碳循环
研究中的适用性,以期为合理估算东北地区陆地生
态系统碳储量及动态变化提供科学依据.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
中国东北地区行政上包括黑龙江、吉林、辽宁三
省和内蒙古自治区东部四盟(呼伦贝尔市、兴安盟、
通辽市、赤峰市),约占我国国土总面积的 12郾 9% .
研究区冬季低温干燥,夏季温暖湿润,无霜期 130 ~
170 d.年降水量由东向西递减,东部地区的年降水
量可达 400 ~ 800 mm,而西部仅为 250 ~ 400 mm,其
中一半以上的降水发生在 7-9 月.东北地区自北向
南随纬度减小具有寒温带、温带和暖温带的热量变
化,从西到东具有半干旱、半湿润和湿润的湿度分
异,形成了独特的植被分布格局.该地区森林主要分
布在大兴安岭、小兴安岭和长白山地区,横跨温带和
寒温带两个气候带. 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(Larix gmeli鄄
nii)为典型树种;长白山和小兴安岭山地为温带针
阔叶混交林分布区,以喜湿的红松(Pinus koraiensis)
和紫椴(Tilia amurensis)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(Leymus chinensis)、贝加尔针茅(Stipa baicalensis)
等植物为典型植被;西南部有面积广阔的科尔沁沙
地[6,12] .研究区地带性土壤包括棕色针叶林土、暗棕
色森林土、棕色森林土、黑土、黑钙土、栗钙土等,且
多集中连片分布,界限较清楚;非地带性土壤有白浆
土、草甸土、沼泽土、风沙土、碱土等,常与地带性土
壤呈复域分布[13] .
东北地区有 3 个国家级森林生态站:大兴安岭
生态站、帽儿生态站(包括老爷岭主站点和凉水附
站点)和长白山生态站(表 1).大兴安岭森林生态站
(50毅50忆 N,121毅30郾 5忆 E)是我国目前纬度最高的森
林生态系统野外科学观测站,海拔 736 m,植被类型
为以兴安落叶松为主的北方针叶林,属寒温带湿润
气候,林地土壤为暗棕壤土.帽儿山森林生态站是我
国生态系统定位研究网络中最东北部的森林定位
站,帽儿山老爷岭主站点(45毅22郾 5忆 N,127毅32忆 E)位
于黑龙江省尚志市帽儿山东北林业大学实验林场
内,海拔 530 m,属张广才岭支脉,为温带大陆性季
风气候,植被是经过不同程度干扰后形成的东北东
部山区典型的温带天然次生林和人工林,地带性土
壤为暗棕壤[14]; 附站点凉水站 ( 47毅 10郾 5忆 N,
128毅51郾 5忆 E)位于黑龙江省伊春市带岭区东北林业
大学凉水国家级自然保护区内,平均海拔 369 m,位
于小兴安岭南坡,属北温带湿润气候,植被为东北山
226 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
表 1摇 2000-2008 年东北地区森林生态站概况
Table 1摇 Description of forest ecosystem stations in Northeast China in 2000-2008
森林生态站
Forest eco鄄station
年均降水量
Annual average
precipitation
(mm)
年均气温
Annual average
temperature
(益)
生长季 fPAR
fPAR of
growing season
(% )
生长季开始时间
Beginning time
of growing
season (d)
生长季结束时间
Ending time
of growing
season (d)
年均 NPP
Annual average
NPP (g C·
m-2·a-1)
长白山 Changbai Mountains 663 3郾 5 54郾 3 89 296 811
老爷岭 Laoyeling 690 3郾 8 56郾 4 65 328 1039
凉水 Liangshui 647 1郾 6 61郾 0 81 304 624
大兴安岭 Daxing爷anling 395 -4郾 1 43郾 2 105 280 409
fPAR: 植被吸收光合有效辐射比率 Fraction of absorbed photosynthetically active radiation by vegetation.
区典型的原始阔叶红松林,地带性土壤为暗棕壤.长
白山站位于长白山北坡的国家级自然保护区内
(42毅24忆 N,128毅28忆 E),海拔 701 m,典型植被为阔
叶红松林,属温带大陆性山地气候,土壤为白浆化暗
棕色森林土[15] .
1郾 2摇 GLOPEM鄄CEVSA模型
GLOPEM鄄CEVSA模型是在生态系统跨尺度模
拟[9]基础上,将基于样地的试验研究扩展到区域尺
度的生态系统过程模型(CEVSA)与区域尺度时空
连续、能够实时监测植被结构和过程的遥感模型
(GLO鄄PEM)进行耦合,是建立在碳循环过程及其生
理生态学理论基础上的遥感鄄过程耦合模型[10-11] .
通过模拟光能利用率,以遥感反演的植被吸收光合
有效辐射比率( fPAR)模拟植被吸收的光合有效辐
射(aPAR),获得植被总初级生产力(GPP);以植被
生物量和气温的关系以及不同植被类型的维持性呼
吸系数模拟植被维持性呼吸(Rm)和生长性呼吸
(Rg),获得植被 NPP[16];植被光合作用固定的碳除
部分通过自养呼吸释放外,其余的碳分配到根、茎和
叶中存储或凋落,凋落物进入土壤后,与土壤中原有
的有机质在微生物等的作用下进行异养呼吸
(HR),将生态系统固定的一部分碳释放到大气中,
最后固定在植被中的这部分碳为净生态系统生产
力[17-19] .模型主要包括 6 个模块:GPP 模块、生物量
分配模块、自养呼吸模块、凋落物模块、异氧呼吸模
块和土壤水分模块.
GLOPEM鄄CEVSA模型沿用了 Prince 等[20]建立
的基于生理生态学的最大光能利用率模拟方法,仍
是一个光能利用率模型. 与完全以气候数据为模型
驱动的生态系统模型和陆地生态系统鄄大气相互作
用模型不同,GLOPEM鄄CEVSA模型以气候数据和遥
感数据作为模型输入,并考虑到生态系统内部的空
间异质性,通过 GLO鄄PEM 模型与 CEVSA 模型的耦
合,实现了碳循环过程(碳固定、碳分配和碳周转)
的模拟[16] .
1郾 3摇 遥感反演的 FPAR
本文应用三维辐射传输模式并优化为查找表的
方法[21],利用 1 km空间分辨率的 MODIS 数据产品
MOD15A2 反演得到 fPAR. fPAR 将全球生物群落分
为 8 种类型,每一类型都有特定的模型结构和相适
应的参数,可建立各种生物群落特征下的 fPAR 查
找表(LUT).当模型得到的冠层反射率和观测值差
异较大时,采用 LAI / fPAR鄄NDVI 经验模型来估算
LAI / fPAR[22-24] .
1郾 4摇 气象数据来源
本研究所用气象数据来自国家气象局数据共享
网,包括全国 750 个气象台站每日的气温、降水量、
风速、日照时数和相对湿度. 计算每 8 d 的平均值
后,利用 ANUSPLIN 插值软件[21]进行空间内插,得
到 2000-2008 年每 8 d 的气象数据,空间分辨率为
1 km,然后从中切取东北地区的气象数据,作为模
型输入.
1郾 5摇 模型参数
模型主要参数包括植被类型、土壤质地、数字高
程模型(digital elevation model,DEM)等. 植被类型
图采用刘勇洪等[25]利用 MODIS 数据的分类结果
(图 1a). 植被碳库数据利用全国森林资源统计
(1989-1993 年)提供的林分各优势树种面积蓄积统
计数据,及文献[26]中的生物量(B)与蓄积量(V)
关系式,计算出各优势树种的总生物量和各类森林
植被类型的平均生物量.参考方精云等[27]和冯宗炜
等[28]对全国森林、农田、草地和荒漠等生物量的研
究结果,得到应用于本研究模型初始化的植被碳库
数据[29] .土壤质地数据来自文献[30],用于土壤水
分参数的计算以及土壤异养呼吸的模拟.采用 90 m
分辨率的 STRM,对原始 DEM 进行拼接、分割、填洼
和空间重采样处理,得到东北地区 DEM 数据,分辨
率为 1 km (图 1b).
1郾 6摇 模型验证数据来源
用于模型验证的地面NPP数据来自东北地区
3263 期摇 摇 摇 摇 摇 摇 摇 摇 赵国帅等: 2000-2008 年中国东北地区植被净初级生产力的模拟及季节变化摇 摇 摇 摇 摇
图 1摇 中国东北地区主要植被类型分布图(a)和 DEM数据(m,
b)
Fig. 1摇 Distribution of the main vegetation ( a) and the DEM
(m,b) in Northeast China.
ENF: Evergreen needle鄄leaf forest; DNF: Deciduous needle鄄leaf forest;
MCF: Coniferous and broad鄄leaf mixed forest; DBF: Deciduous broad鄄
leaf forest.
72 个实测站点数据[31] . 原数据为以生物量表示的
NPP,本文以 0郾 45 为生物量转换因子,换算为以含 C
量表示的 NPP.
作为模型结果对比,本文从 MODIS 数据共享网
站下载并处理了 NPP 遥感产品(MOD17A3). 该产
品的算法是一个光能利用率模型,即 PSN 模型[32] .
PSN模型利用 fPAR 产品(MOD15)、PAR 及其他气
象数据,计算实际光能利用率和 GPP;由 GPP 减去
自养呼吸消耗部分获得 NPP;自养呼吸分为维持性
呼吸 (MR)和生长性呼吸 ( GR);相关参数通过
Biome鄄BGC生态过程模型确定[32-35] . 国志兴等[6]验
证了 PSN模型,认为该模型结果在东北地区是可靠
的,所以将该数据作为模型对比数据,以评价模型模
拟性能.
2摇 结果与分析
2郾 1摇 模型验证
森林清查的 72 个实测站点 NPP 的平均值为
(569依205) g C·m-2·a-1,根据样点坐标提取的
2000 - 2008 年 模 拟 的 NPP 年 均 值 为 ( 492 依
159郾 7) g C·m-2·a-1,平均相对误差[ |模拟值-观
测值 | /观测值伊100% ]为 13郾 6% . 模拟值的标准差
低于观测值标准差,说明模拟值的波动范围小于观
测值.从不同植被类型来看,NPP模拟值均在观测值
范围内,且模型模拟平均值基本位于观测值范围内
(表 2).
根据样点坐标提取的 2000-2008 年研究区 NPP
年均模拟值与对应样点 NPP 实测值间的线性关系
显著(P<0郾 001),当截距为 0 时,模拟值与观测值之
间呈极显著线性相关(P<0郾 001),观测值 = 1郾 11伊模
拟值,复相关系数 R2 = 0郾 90,说明 NPP 模拟值较观
测值高估 11% ,能够解释观测值 90%的变异. NPP
模拟值与 MODIS 值之间存在显著的相关性(R2 =
0郾 525,P<0郾 001,n= 72),当截距 = 0 时,R2 = 0郾 955、
P<0郾 001(图 2).
摇 摇 观测值与模拟值之间直接对比存在空间尺度匹
配的问题,因此在今后的验证中需要考虑模拟与观
测间空间尺度转换问题. 模拟值与 MODIS 的 NPP
产品间不存在空间尺度问题,因而,具有更好的线性
相关性.
表 2摇 GLOPEM鄄CEVSA、PSN和 CASA模型模拟的东北地
区各植被 NPP
Table 2 摇 NPP of the terrestrial ecosystems in Northeast
China modeled by GLOPEM鄄CEVSA, PSN, and CASA
models
植被类型
Vegetation type
GLOPEM鄄
CEVSA
PSN[33] CASA[8]
农田 Crop 424依112 356 503
森林 Forest 538依173 498 570
草地 Grass 310依144 306 336
灌丛 Shrub 453依217 420 429
荒漠 Desert 29依78 27 -
全区 Whole area 446依186 389 426
426 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
图 2 摇 模型模拟中国东北地区植被 NPP 与实测 NPP 和
MOD17A3 NPP的比较
Fig. 2 摇 Comparison of simulated forest NPP with the observed
NPP and the MOD17A3 NPP in Northeast China (n=72).
**P<0郾 001.
摇 摇 东北地区不同植被类型 NPP 模拟值均高于
MOD17A3 的 NPP 值,其中,农田、森林、草地、灌丛
和荒漠分别高 19郾 1% 、 8郾 0% 、 1郾 3% 、 7郾 9% 和
7郾 4% ,全区高 14郾 7% .与张峰等[8]利用 CASA 模型
模拟的 1982-1999 年中国东北样带植被 NPP 相比,
GLOPEM鄄CEVSA模拟的 2000-2008 年农田 NPP 值
低 15郾 7% 、森林低 5郾 6% 、草地低 7郾 7% 、灌丛高
5郾 6% ;PSN模型模拟的农田、森林、草地和灌丛分别
低 29郾 2% 、12郾 6% 、8郾 9% 和 2郾 1% ,全区低 8郾 7%
(表 2 ). 说明 GLOPEM鄄CEVSA 模型能够很好
地模拟研究区森林、草地、灌丛和荒漠的NPP,且
GLOPEM鄄CEVSA、PSN 和 CASA 模拟结果间差异较
小;对农田 NPP 的模拟,目前各模型都存在较大的
不确定性,需要在今后的研究中进一步提高模型精
度,加强模型参数本地化的研究. 总体来看,
GLOPEM鄄CEVSA模型能较真实地反映中国东北地
区自然植被 NPP的空间变异特征.
2郾 2摇 东北地区植被 NPP的空间格局
模型模拟的东北地区 2000 -2008 年年均 NPP
的空间分布表明(图 3a),整个研究区,沿长白山山
脉到小兴安岭山脉地区以及三江平原部分地区的
NPP较高( >650 g C·m-2·a-1);其次是环渤海地
区、辽河平原、松嫩平原东部、三江平原和大兴安岭
地区(400 ~ 600 g C·m-2·a-1);内蒙古的东北草地
和荒漠地区的 NPP较小(<262 g C·m-2·a-1).
长白山和小兴安岭属于我国温带森林植被区,
地带植被为阔叶红松林;大兴安岭属于寒温带,典型
植被以兴安落叶松、樟子松为主. 冯宗炜等[28]研究
发现,温带阔叶红松林的生产力高于寒温带兴安落
叶松.东北地区主要植被类型为农田(34郾 3% )和草
地(29郾 8% ),其次为落叶针叶林(12郾 8% )、针阔混
交林(11郾 7% )和落叶阔叶林(7郾 6% ),灌丛、常绿针
叶林和稀疏植被的面积比例很小(表 3). 研究区每
年固定生物碳的植被主要为森林(占植被总固碳的
比例约 43% )和农田(约 33% ),其 NPP 占总 NPP
的 76% ,其次为草地(约 21% )和灌丛(3% ). 研究
期间,东北地区森林生态系统 NPP 年均总量中,针
阔混交林最大 ( 101郾 01 Tg C ), 落 叶 针 叶 林
(68郾 79 Tg C)和落叶阔叶林(57郾 8 Tg C)次之,常绿
针叶林最小(7郾 36 Tg C).
2000-2008 年,东北地区年均 NPP 大体呈现自
西向东逐渐增加的趋势(图 3a),NPP分布格局与年
降水量的空间分布格局(图4)类似,反映了植被类
表 3摇 2000-2008 东北地区不同植被类型年均 NPP及总量
Table 3摇 Annual average NPP and its total amount for different vegetation types from 2000 to 2008 in Northeast China
植被类型
Vegetation type
面积
Area
(104 km2)
年均 NPP
Annual averaged NPP
(g C·m-2·a-1)
标准差
SD
(g C·m-2·a-1)
NPP总量
Total NPP
(Tg C)
常绿针叶林 Evergreen needle鄄leaf forest 1郾 56 470 141郾 63 7郾 36
落叶针叶林 Deciduous needle鄄leaf forest 15郾 25 451 88郾 00 68郾 79
针阔混交林 Mixed forest 13郾 99 722 122郾 49 101郾 01
落叶阔叶林 Deciduous broad鄄leaf forest 9郾 06 638 166郾 18 57郾 80
草地 Grass 35郾 59 310 144郾 26 110郾 18
灌丛 Shrub 2郾 95 453 217郾 37 13郾 34
荒漠 Desert 0郾 03 29 77郾 76 0郾 01
农田 Cropland 40郾 89 424 112郾 10 173郾 26
合计 Total 119郾 31 446 185郾 81 531郾 81
5263 期摇 摇 摇 摇 摇 摇 摇 摇 赵国帅等: 2000-2008 年中国东北地区植被净初级生产力的模拟及季节变化摇 摇 摇 摇 摇
图 3摇 2000-2008 年东北地区植被年均 NPP(g C·m-2·a-1,
a)及其变异系数(% ,b)的空间格局
Fig. 3摇 Spatial pattern of the annual averaged NPP (g C·m-2·
a-1,a) and its coefficient of variation (%,b) in 2000-2008 in
Northeast China.
型的空间分布特征(图 1a).降水较少、气温较低、以
草地为主的西部地区年均 NPP 最低;降水和气温较
高、以农田和落叶针叶林为主的中部地区年均 NPP
较高;降水量最多、以针阔混交林为主的东部地区年
均 NPP最高.
2郾 3摇 东北地区 NPP的年际波动
从 2000-2008 年东北地区 NPP 的变异系数可
以看出:以草地和荒漠为主的西部地区及以落叶针
叶林为主的北部地区 NPP的年际波动较大,以针阔
混交林和落叶阔叶林为主的东部地区 NPP 的年际
波动较小,以农田为主的中部地区NPP的年际波动
图 4摇 2000 -2008 年东北地区年均气温(益,a)和降水量
(mm,b)的空间格局
Fig. 4 摇 Spatial pattern of annual average temperature (益,a)
and precipitation ( mm, b) in Northeast China from 2000 to
2008.
最小(图 3b).研究期间,东北地区荒漠 NPP 的年际
波动最大,变异系数为 46郾 0% ,然后依次为草地
(28郾 2% )、常绿针叶林 ( 26郾 6% )、落叶针叶林
(26郾 5% )、灌丛(22郾 1% )、落叶阔叶林(20郾 9% )、针
阔混交林(19郾 7% )和农田(16郾 9% ).表明东北地区
各植被类型 NPP 的稳定性依次为农田>针阔混交
林>落叶阔叶林>灌丛>落叶针叶林>常绿针叶林>草
地>荒漠.
2000-2006 年,东北地区 4 种主要森林植被类
型(落叶针叶林、常绿针叶林、针阔混交林、落叶阔
叶林)和灌丛 NPP 均有年际的小幅波动,但变化不
626 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
大,而 2007 和 2008 年均出现大幅增加,全区 NPP
的变化与这 4 种植被基本一致. 草地 NPP 除 2007
年无明显变化外,其余年份与全区 NPP 波动情形基
本一致;农田 NPP 在 2000 - 2007 年间波动较小,
2008 年出现大幅增加;荒漠地区 NPP的年际波动较
小.研究期间,东北地区各植被类型年 NPP 的变化
斜率普遍较大,其中,针阔混交林最大(0郾 10),草地
最低,但也达到了 0郾 05(表 4). 除稀疏植被 NPP 呈
明显的年际变化趋势外(R2 = 0郾 65,P = 0郾 01),其余
植被 NPP年际变化趋势均不显著(P>0郾 05).
研究期间,整个东北地区年 NPP 最小值出现在
2003 年(394 g C·m-2·a-1),最大值出现在 2008
年(591 g C·m-2·a-1). NPP 年际变化趋势线斜率
为 0郾 07,R2 = 0郾 31,P = 0郾 12,表明东北地区 NPP 基
本呈增长趋势,但并未达到显著性水平.
东北地区纬度高、年均气温低,是影响该地区植
被生长最重要的限制因素. 温度升高有利于冬季积
雪的融化,也利于植被生长季的提前和生长季的延
长.研究发现,就平均状况而言,温度升高对东北森
林生态系统 NPP的影响最显著,气温增加 3 益情景
下,年均 NPP 将增加 0郾 032 Pg C · a-1,增幅为
9郾 4% [36] . 2007、2008 年东北地区各植被类型 NPP
突然大幅增长很可能与该区期间气温上升有关,
2007 年东北地区气温较往年偏高 1 益 ~ 2 益,暖冬
现象极明显,冬季平均气温较常年同期偏高 2 益 ~
4 益;2008 年全国除冬季末期气温偏低外,其余较
往年同期均偏高[37] . 东北地区各森林植被类型中,
常绿针叶林 NPP年均增量最大(35 g C·m-2·a-1),
明显高于其他 3 种,原因可能与常绿针叶林受气温
升高影响所表现出的生长季提前和生长期延长
有关.
2郾 4摇 以生态站点为例探讨东北地区典型森林植被
类型 NPP的季节变化
利用模型模拟的 2000-2008 年间每 8 d 的 NPP
以及气象资料和 fPAR 数据,以东北地区森林生态
站为例分析 NPP随着气温、降水和太阳辐射强度变
化的年内变化过程(图 5).
东北地区森林 NPP 季节变化与水热条件和太
阳辐射的季节变化密切相关. 11 月至次年 2 月,东
北大部分地区受蒙古高压的控制,气温均在 0 益以
下,植被不能萌动生长,4 个生态站的 NPP 均为
0 g C·m-2·(8 d) -1;3 月,随着太阳的北移,气温
开始迅速回升,4 个生态站中,老爷岭地区植被首先
进入生长季,长白山生态站尽管纬度较低,但由于海
拔较高,3 月底才进入生长季,位于最北部的大兴安
岭生态站未进入生长季;4 月,冬季风逐渐北撤,地
表迅速回暖,大兴安岭生态站区每 8 d 的 NPP 几乎
为 0, 其他 3 个地区均开始增加, 但仍较小
[<2 g C·m-2·(8 d) -1];5 月,地表气温( >5 益)
迅速升高,且 fPAR几乎呈线性增加,植被进入快速
生长阶段,NPP 明显增加;6 月,东北大部分地区
fPAR和气温均接近全年峰值,由于温度升高和植被
迅速生长,使呼吸消耗迅速增加,大部分地区 NPP
增速放缓,有的地区甚至略有下降 (长白山生态
站);7 月,东北大部气温达到年内峰值,同时受太平
洋副热带高压的影响,雨带北移,降水较丰富,植物
进入最适生长时期,4 个生态站每 8 d 的 NPP 均达
到峰值,其中老爷岭生态站最高[88 g C·m-2 ·
(8 d) -1],然后依次为长白山生态站[83 g C·m-2·
(8 d)-1]、凉水生态站[65 g C·m-2·(8 d) -1]和大
兴安岭生态站[59 g C·m-2 ·(8 d) -1 ];8 月,由
于雨带滞留在华北、东北地区,降水持续增加,反而
表 4摇 2000-2008 年东北地区不同植被类型 NPP年均增量、趋势斜率以及 NPP与年份的相关系数和显著性
Table 4摇 Mean increase of annual NPP and its trend slope, coefficients of correlation between NPP and year and its signifi鄄
cant level for different vegetation types in Northeast China from 2000 to 2008
植被类型
Vegetation type
年均增量
Inerannual increase of NPP
(g C·m-2·a-1)
趋势线斜率
Trend slope
复相关系数
R2
显著性
Sig.
常绿针叶林 Evergreen needle鄄leaf forest 35 0郾 08 0郾 35 0郾 09
落叶针叶林 Deciduous needle鄄leaf forest 31 0郾 08 0郾 24 0郾 18
针阔混交林 Mixed forest 30 0郾 10 0郾 27 0郾 16
落叶阔叶林 Deciduous broad鄄leaf forest 30 0郾 09 0郾 29 0郾 13
草地 Grass 17 0郾 05 0郾 18 0郾 25
灌丛 Shrub 19 0郾 07 0郾 33 0郾 10
荒漠 Desert 2 0郾 09 0郾 65 0郾 01
农田 Cropland 15 0郾 07 0郾 32 0郾 11
合计 Total 21 0郾 07 0郾 31 0郾 12
7263 期摇 摇 摇 摇 摇 摇 摇 摇 赵国帅等: 2000-2008 年中国东北地区植被净初级生产力的模拟及季节变化摇 摇 摇 摇 摇
图 5摇 东北地区 4 个森林生态站点 2000-2008 年每 8 d 气温、降水、植被吸收光合有效辐射比率( fPAR)和净初级生产力
(NPP)的平均值
Fig. 5摇 Average temperature, precipitation, fPAR and NPP for every 8 days of the four forest ecosystem stations in Northeast China
from 2000 to 2008.
玉:长白山 Changbai Mountains; 域:老爷岭 Laoyeling; 芋:凉水 Liangshui; 郁:大兴安岭 Daxing爷anling.
对植物生长形成胁迫,fPAR 迅速下降,同时由于太
阳的南移,气温也开始降低,NPP开始呈下降趋势;9
月,印度低压和太平洋高压开始明显衰退,而中高纬
度的蒙古高压又开始活跃起来,东北地区进入秋季,
气温、降水量和 fPAR均迅速下降,导致 NPP大幅下
降,每 8 d的 NPP均在 5 g C·m-2·(8 d) -1以下;10
月,气温逐渐降到 0 益以下,NPP 持续迅速减小,大
兴安岭生态站区植被生长季最先结束,然后依次分
别为凉水、长白山和老爷岭生态站.
研究区不同时期气温、降水、太阳辐射对 NPP
影响力的大小有所差异. 气温决定了生长季的起止
时间,在生长季开始(4 -6 月)和结束阶段(9 -10
月),每 8 d的 NPP对气温最敏感,NPP 整体变化趋
势与气温的变化趋势十分吻合;NPP 最大值往往不
是出现在气温和降水到达峰值的时段内,而是水热
和光照条件结合的最好时期;降水在 NPP 的年变化
过程中一直扮演着重要角色.
3摇 结摇 摇 论
本文利用 GLOPEM鄄CEVSA 模型模拟得到了东
北地区 2000-2008 年每 8 d 的 NPP 数据,通过与样
地实测数据、经过验证的 MODIS数据和他人研究成
果进行比较发现,该模型对森林、灌丛、草地、荒漠等
模拟精度较高,对农田模拟精度相对较低,需在以后
的研究中加强模型精度方面的工作.总体来看,模型
模拟结果基本可靠,能够较好地反映东北地区 NPP
的空间分布和年际变化.
东北地区 NPP呈现自西向东逐渐增加的趋势,
与降水量空间分布格局相似,并与植被覆盖类型密
切相关.整个研究区沿长白山山脉到小兴安岭山脉
地区以及三江平原部分地区 NPP 最高,其次是沿长
白山山脉到小兴安岭山脉西侧的辽河平原、松嫩平
原东部、三江平原和大兴安岭地区,内蒙古的东北草
地和荒漠地区的 NPP较小.
从 C 固定角度而言,东北地区森林年固定 C
234郾 96 Pg.研究区农田(32郾 6% )、草地(20郾 7% )和
针阔混交林 ( 19郾 0% ) NPP 占研究区总 NPP 的
72郾 3% ,然后依次为落叶针叶林(12郾 9% )、落叶阔
叶林(10郾 9% )和灌丛(2郾 5% ).
对东北地区 4个生态站点 NPP季节变化分析的
结果表明,研究期间,自北向南随着纬度的降低,植物
生长季开始时间逐渐提前,生长季变长.年均温最高
(3郾 8 益)的老爷岭生态站地区生长季最长(263 d),
NPP最高(1093 g C·m-2·a-1);长白山生态站地区
826 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
年均温 3郾 5 益,NPP 次之(811 g C·m-2·a-1);凉水
生态站地区尽管年均温很低(1郾 6 益),但生长季相对
较长(225 d),且植被吸收光合有效辐射比率较高
(61%),因此年均 NPP 达到了624 g C·m-2·a-1;大
兴安岭生态站地区年均温最低(-4郾 1 益),生长季最
短(175 d),年均 NPP最小(409 g C·m-2·a-1),说明
气温对 NPP有决定性作用.
参考文献
[1]摇 Shvidenko AZ, Schepashchenko DG, Vaganov EA, et
al. Net primary production of forest ecosystems of Rus鄄
sia: A new estimate. Doklady Earth Sciences, 2008,
421: 1009-1012
[2]摇 Kramer PJ. Carbon鄄dioxide concentration, photosythesis
and dry鄄matter production. BioScience, 1981, 31: 29-
33
[3]摇 Dong Y鄄S (董云社), Zhang S (章摇 申), Qi Y鄄C (齐
玉春), et al. Fluxes of CO2, N2O and CH4 from a typi鄄
cal temperate grassland in Inner Mongolia and its daily
variation. Chinese Science Bulletin (科学通报), 2000,
45(3): 318-322 (in Chinese)
[4] 摇 Yan X鄄D (延晓冬), Zhao S鄄D (赵士洞), Yu Z鄄L
(于振良). Modeling growth and succession of North鄄
eastern China forests and its applications in global
change studies. Chinese Journal of Plant Ecology (植物
生态学报), 2008, 24(1): 1-8 (in Chinese)
[5]摇 Zhao J鄄F (赵俊芳), Yan X鄄D (延晓冬), Jia G鄄S (贾
根锁). Simulation of carbon stocks of forest ecosystems
in Northeast China from 1981 to 2002. Chinese Journal
of Applied Ecology (应用生态学报), 2009, 20(2):
241-249 (in Chinese)
[6]摇 Guo Z鄄X (国志兴), Wang Z鄄M (王宗明), Zhang B
(张摇 柏). Analysis of temporal鄄spatial characteristics
and factors influencing vegetation NPP in Northeast
China from 2000 to 2006. Resource Science (资源科
学), 2008, 30(8): 1226-1235 (in Chinese)
[7]摇 Wang P (王 摇 萍). Simulation of forest net primary
productivity in northeastern China with IBIS. Acta Eco鄄
logica Sinica (生态学报), 2009, 29(6): 3213-3220
(in Chinese)
[8]摇 Zhang F (张摇 峰), Zhou G鄄S (周广胜). Spatial鄄tem鄄
poral variations in net primary productivity along north鄄
east China transect (NECT) from 1982 to 1999. Chi鄄
nese Journal of Plant Ecology (植物生态学报), 2008,
32(4): 798-809 (in Chinese)
[9]摇 Cao M鄄K (曹明奎), Yu G鄄R (于贵瑞), Liu J鄄Y (刘
纪远), et al. Multi鄄scale observation and cross鄄scale
mechanistic modeling on terrestrial ecosystem carbon
cycle. Science in China Series D: Earth Sciences (中国
科学 D辑: 地球科学), 2004, 34(Supp1. II): 1-14
(in Chinese)
[10]摇 Li K鄄R (李克让), Huang M (黄摇 玫), Tao B (陶摇
波), et al. Prcocess鄄based Modelling on the Response
and Adaptation of Chinese Terrestrial Ecosystems to
Global Change. Beijing: China Meteorological Press,
2009 (in Chinese)
[11]摇 Wang J鄄B (王军邦). Modeling Carbon Fluxes of Ter鄄
restrial Ecosystem on Regional Scale Through Coupling a
Remote Sensing Model With on Ecosystem Process Mod鄄
el. Post鄄doctoral Work Report. Beijing: Institute of Ge鄄
ographical Sciences and Nature Resources Research,
Chinese Academy of Sciences, 2007 (in Chinese)
[12]摇 Cheng X鄄X (程肖侠), Yan X鄄D (延晓冬). Effects of
global climate change on forest succession in Daxing爷an鄄
ling of Northeast China. Chinese Journal of Ecology (生
态学杂志), 2007, 26(8): 1277-1284 (in Chinese)
[13]摇 Wu X鄄Q (吴秀芹), Meng J鄄J (蒙吉军). Landscape
classification of northeast China based on NOAA /
AVHRR images and geographical spatial data. Resources
Science (资源科学), 2004, 26(4): 132-137 (in Chi鄄
nese)
[14]摇 Lin Y鄄H (林英华), Sun J鄄B (孙家宝), Liu H鄄L (刘
海良), et al. Composition of soil fauna community and
its diversity analysis at Maoershan Mountains of Hei鄄
longjiang Province. Scientia Silvae Sinicae (林业科
学), 2006, 42(4): 71-77 (in Chinese)
[15]摇 Wang Z (王 摇 战), Xu Z鄄B (徐振邦), Li X (李 摇
昕), et al. The main forest types and their features of
community structure in northern slope of Changbai
Mountain / / Chanbai Mountain Research Station of For鄄
est Ecosystem, Chinese Academy of Sciences, ed. Re鄄
search of Forest Ecosystem 玉. Beijing: China Knowl鄄
edge Press, 1980: 25-42 (in Chinese)
[16]摇 Wang J鄄B (王军邦), Liu J鄄Y (刘纪远), Shao Q鄄Q
(邵全琴), et al. Spatial鄄temporal patterns of net pri鄄
mary productivity for 1988 - 2004 based on GLOPEM鄄
CEVSA model in the “Three鄄river Head Waters冶 region
of Qinghai Province, China. Chinese Journal of Plant
Ecology (植物生态学报), 2008, 33(2): 254 -269
(in Chinese)
[17]摇 Cao MK, Woodward FI. Net primary and ecosystem pro鄄
duction and carbon stocks of terrestrial ecosystems and
their response to climatic change. Global Change Biolo鄄
gy, 1998, 4: 185-198
[18]摇 Cao MK, Woodward FI. Dynamic responses of terrestrial
ecosystem carbon cycling to global climate change.
Nature, 1998, 393: 249-252
[19]摇 Cao MK, Prince SD, Shugart HH. Increasing terrestrial
carbon uptake from the 1980s to the 1990s with changes
in climate and atmospheric CO2 . Global Biogeochemical
Cycles, 2002, 16, 1069, doi: 10. 1029 / 2001 GB001553
[20]摇 Prince SD, Goward SN. Global primary production: A
remote sensing approach. Journal of Biogeography,
1995, 22: 815-835
[21]摇 Sellers PJ, Los SO, Tucker CJ, et al. A global 1毅伊1毅
NDVI data set for climate studies. Part 2: The genera鄄
tion of global fields of terrestrial biophysical parameters
from the NDVI. International Journal of Remote Sens鄄
ing, 1994, 15: 3519-3545
[22]摇 Knyazikhin Y, Martonchik JV, Diner DJ, et al. Estima鄄
tion of vegetation leaf area index and fraction of absorbed
9263 期摇 摇 摇 摇 摇 摇 摇 摇 赵国帅等: 2000-2008 年中国东北地区植被净初级生产力的模拟及季节变化摇 摇 摇 摇 摇
photosynthetically active radiation from atmosphere cor鄄
rected MISR data. Journal of Geophysical Research,
1998, 103: 32239-32256
[23]摇 Knyazikhin Y, Martonchik JV, Myneni RB, et al. Syn鄄
ergistic algorithm for estimating vegetation canopy leaf
area index and fraction of absorbed photosynthetically
active radiation from MODIS and MISR data. Journal of
Geophysical Research, 1998, 103: 32257-32274
[24]摇 Myneni RB, Hoffman S, Knyazikhin Y, et al. Global
products of vegetation leaf area and fraction absorbed
PAR from year one of MODIS data. Remote Sensing of
Environment, 2002, 83: 214-231
[25]摇 Liu Y鄄H (刘勇洪), Niu Z (牛摇 铮), Xu Y鄄M (徐永
明), et al. Design of land cover classification system for
China and its application research based on MODIS da鄄
ta. Transactions of the Chinese Society of Agricultural
Engineering (农业工程学报), 2006, 22(5): 99-104
(in Chinese)
[26]摇 Fang J鄄Y (方精云), Liu G鄄H (刘国华), Xu S鄄L (徐
松龄). Biomass and net production of forest vegetation
in China. Acta Ecologica Sinica (生态学报), 1996, 16
(5): 497-508 (in Chinese)
[27]摇 Fang J鄄Y (方精云), Liu G鄄H (刘国华), Xu S鄄L (徐
嵩龄). Carbon storage in terrestrial ecosystem in Chi鄄
na / / Wang G鄄C (王庚辰), Wen Y鄄P (温玉璞), eds.
The Measurement of Greenhouse Gas and Their Release
and Related Processes. Beijing: China Environmental
Science Press, 1996: 129-139 (in Chinese)
[28]摇 Feng Z鄄W (冯宗炜), Wang X鄄K (王效科), Wu G
(吴摇 刚). Biomass and Productivity of Forest Ecosys鄄
tem in China. Beijing: Science Press, 1999 ( in Chi鄄
nese)
[29] 摇 Wang J鄄B (王军邦). China Terrestrial Net Ecosystem
Production Model Based on Remote Sensing Data. PhD
Thesis. Hangzhou: Zhejiang University, 2004 ( in Chi鄄
nese)
[30]摇 Liu M鄄L (刘明亮). Land鄄Use / Land Cover Change and
Terrestrial Ecosystem Phytomass Carbon Pool and Pro鄄
duction in China. PhD Thesis. Beijing: Institute of
Remote Sensing Applications, Chinese Academy of Sci鄄
ences, 2001 (in Chinese)
[31] 摇 Luo T鄄X (罗天祥). Patterns of Biological Production
and Its Mathematical Models for Main Forest Types of
China. PhD Thesis. Beijing: Graduate University of
Chinese Academy of Sciences, 1996 (in Chinese)
[32]摇 Zhao M, Heinseh FA, Nemani RR, et al. Improve鄄
ments of the MODIS terrestrial gross and net primary
production global data set. Remote Sensing of Environ鄄
ment, 2005, 95: 164-176
[33]摇 Guo X鄄Y (郭晓寅), He Y (何摇 勇), Shen Y鄄P (沈
永平), et al. Analysis of the terrestrial NPP based on
the MODIS in the Source Regions of Yangtze and Yellow
Rivers from 2000 to 2004. Journal of Glaciology and
Geocryology (冰川冻土), 2006, 28(4): 518-521 (in
Chinese)
[34]摇 He Y (何摇 勇), Dong W鄄J (董文杰), Ji J鄄J (季劲
均), et al. The net primary production simulation of
terrestrial ecosystems in China by AVIM. Advances in
Earth Science (地球科学进展), 2005, 20(3): 345-
349 (in Chinese)
[35]摇 Fensholt R, Sandholt I, Rasmussen MS, et al. Evalua鄄
tion of satellite based primary production modelling in
the semi鄄arid Sahel. Remote Sensing of Environment,
2006, 105: 173-188
[36]摇 Zhao J鄄F (赵俊芳), Yan X鄄D (延晓冬), Jia G鄄S (贾
根锁). Simulating the response of forest net primary
productivity and carbon budget to climate change in
Northeast China. Acta Ecologica Sinica (生态学报),
2008, 28(1): 92-102 (in Chinese)
[37]摇 Zhang P鄄Q (张培群), Jia X鄄L (贾小龙), Wang Y鄄G
(王永光). Anomalies of ocean and general atmospheric
circulation in 2008 and their impacts on climate
anomalies in China. Meteorological Monthly (气象),
2009, 35(4): 112-117 (in Chinese)
作者简介摇 赵国帅,男,1987 年生,硕士研究生.主要从事林
业遥感及地理信息系统研究. E鄄mail: zhgshuai@ 163. com
责任编辑摇 杨摇 弘
036 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷