全 文 ：第 35 卷第 23 期
2015年 12月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol.35,No.23
Dec., 2015
http: / / www.ecologica.cn
基金项目:国家自然科学基金项目(41361040);甘肃省自然科学基金项目(1208RJZA159);甘肃省高校基本科研业务费项目(2014鄄63)
收稿日期:2014鄄05鄄21; 摇 摇 网络出版日期:2015鄄05鄄19
*通讯作者 Corresponding author.E鄄mail: panjh_nwnu@ nwnu.edu.cn
DOI: 10.5846 / stxb201405211045
潘竟虎,文岩.中国西北干旱区植被碳汇估算及其时空格局.生态学报,2015,35(23):7718鄄7728.
Pan J H, Wen Y.Estimation and spatial鄄temporal characteristics of carbon sink in the arid region of northwest China.Acta Ecologica Sinica,2015,35(23):
7718鄄7728.
中国西北干旱区植被碳汇估算及其时空格局
潘竟虎1,*,文摇 岩2
1 西北师范大学, 地理与环境科学学院,兰州摇 730070
2 北京师范大学, 资源学院,北京摇 100875
摘要:通过修正的 CASA模型估算 2001—2012年间西北干旱区陆地生态系统的净第一性生产力(NPP),并结合土壤微生物呼
吸方程,计算出 12a的净生态系统生产力(NEP),分析了植被碳汇的时空变化规律。 结果表明:研究区的 NPP 表现出很强的随
季节变化的规律,全年 7月份 NPP 为最高值,12月为最低值,12 年间 NPP 的年均值变化不大。 2001—2012 年研究区的植被碳
汇在波动变化中有所增加,其中 2006年的碳汇平均值最小,为 609.04 gC m-2 a-1,2012年最大,为 648.02 gC m-2 a-1;年内碳汇的
最大值主要出现在 5—7月;碳汇能力由大到小的植被类型为针叶林>农田>灌丛>阔叶林>草原>荒漠草原。 研究区多年平均碳
汇量呈现自西向东逐渐增加的规律,西辽河流域草原区的 NPP 和碳汇平均值最大,塔里木盆地暖温带荒漠区最小。
关键词:植被碳汇;NPP;CASA模型;遥感;西北干旱区
Estimation and spatial鄄temporal characteristics of carbon sink in the arid region
of northwest China
PAN Jinghu1,*, WEN Yan2
1 College of Geographic and Environmental Science, Northwest Normal University, Lanzhou 730070, China
2 College of Resources Science, Beijing Normal University, Beijing 100875, China
Abstract: Global warming caused by greenhouse gas emissions has had a profound impact on human survival and
development. Consequently, this phenomenon has received widespread attention from the international community.
Vegetation can absorb greenhouse gases CO2, and has a huge carbon sink function, so it has an irreplaceable role in slowing
global warming. The carbon sink capacity of vegetation has a significant impact on regional and global climate change.
Carbon emissions are undoubtedly enormous in the mid and high latitudes of the Northern Hemisphere, so studies on
terrestrial ecosystem carbon dynamics and spatial patterns in the arid region of northwest China may provide an accurate
assessment how China contributes towards mitigating global climate change and CO2 emission reduction. The net primary
productivity (NPP) and heterotrophic respiration (RH) in the arid region of northwest China were calculated by using
MODIS images, meteorological data, and a vegetation type map, in combination with an improved CASA model and soil
microbial respiration model. The NPP and RH were then used to estimate net ecosystem productivity (NEP) and vegetation
carbon sink from 2001 to 2012. Spatial鄄temporal characteristics and the reasons for NPP and carbon sink variation in the
arid region of northwest China were analyzed. The results show that research methods used in this paper were able to quickly
extract ecosystem net primary productivity and carbon sink for the northwest arid region. The methods used are efficient,
convenient, and practical for large scale carbon balance and carbon cycling studies in this region. Comparison indicated
http: / / www.ecologica.cn
small gaps between simulated and measured site values. The overall difference in the spatial distribution between simulated
values and MODIS NPP products is also small, and the volatility of the analog value is less than the value of MODIS NPP
products. NPP in the study area showed strong seasonal variation. The maximal NPP value was obtained in July, while the
minimum value was obtained in December. In the 12 study years, annual averages of NPP changed minimally. Average
carbon sinks showed fluctuating in the 12 years, but increased in general, overall. The carbon sink mean changed from a
minimum of 609.04 gC-1m-2a-1 in 2006 to a maximum of 648.02 gC-1m-2a-1 in 2012. The change in mean carbon sink was
less than 39 gC-1m-2a-1, with a standard deviation of 11.68. Annual maximum carbon mainly occurred in May, June, and
July. Carbon sink fluctuated, but showed an overall upward trend in the northwest arid region between 2001 and 2012.
Carbon sink in this region gradually increased from West to East, with Eastern > West > Central. The carbon sink capacity
of different natural areas was quite different. The largest carbon sink capacity was recorded in the grassland area of West
Liaohe River Basin, while the smallest was recorded in the warm temperate desert region of the Tarim Basin. The annual
maximum carbon sink mainly occurred from May to July. Carbon sink was ranked in the order of coniferous forest > farmland
> shrubs > broad鄄leaved forest > grassland > desert steppe.
Key Words: carbon sink; NPP; CASA model; remote sensing; arid region of northwest China
IPCC(Intergovernmental Panel on Climate Change)的研究报告(https: / / www.ipcc鄄wg1.unibe.ch / index.html)
指出,大气中二氧化碳(CO2)的浓度从工业革命前 1705 年的 278mL / m3增加到了 2011 年的 391mL / m3,增加
了 40%。 CO2浓度的持续升高致使全球平均气温不断提升,继而引发了一系列气候和环境问题,对人类的生
存和发展产生了重要影响,碳循环研究引起了全球科学家和各国政府的强烈关注。 陆地生态系统是全球碳循
环的重要组成部分,也是大气 CO2进入陆地圈的主要平台,且最易受到气候变化和人类活动的强烈干扰。 如
果生态系统固定的碳量大于排放的碳量,认为该生态系统为大气 CO2的汇,简称碳汇,反之,则为碳源[1]。 国
外植被碳汇相关问题的研究始于 1960 年代,由国际科学联合会( International Council of Scientific Unions,
ICSU)发起的国际生物学计划(International Biological Programme,IBP)标志着全球陆地森林生态系统碳蓄存
研究的开始。 此后,欧洲和美国分别开展了大量区域生态系统的碳平衡与全球碳循环的研究。 国内相关研究
则直到 1970年代后期才陆续展开,主要以借鉴国外较为成熟的理论和方法为主,并结合中国的实际情况,改
良了相关的估测模型。 纵观国内外植被碳汇研究,主要集中在以下两方面:淤利用土地利用和资源清查数据,
估算国家或地区的碳收支情况[2鄄3]。 于采用各种模型的模拟结果来估算全球或区域的植被碳汇[4鄄6]。 整体而
言,从研究对象看,大多数已有研究都是针对森林生态系统开展[7],其他土地利用类型(如农田和草原)尽管
也是陆地生态系统碳汇的重要组成部分,但相关研究较少;且已有针对区域的碳汇研究仅分析了区域内单一
的植被类型[5],缺少对于整个生态系统的综合性研究。 从研究内容看,现有研究较少能反映植被碳汇的空间
分布,只能从总量上确定生态系统是否为碳汇,无法在空间上加以区分[8],使得研究的实用性大大降低。 从
研究尺度看,多集中于较小的区域尺度,或以省区为单元[9],鲜见大尺度上的自然地理区研究。 从研究方法
看,虽然已有部分研究应用遥感和地理信息系统(GIS)技术并提出了区域估算模型[1,9],但综合型、简便、快
速、准确提取碳汇空间分布的方法还远未成熟。
干旱区约占地球陆地面积的 30%左右,其生态系统的植被碳汇在全球的碳平衡中具有重要的地位。 中
国西北干旱区深居内陆,严酷的气候环境导致生态系统生产能力普遍低下,系统自我调控能力较低,生态系统
表现出极端的敏感性和脆弱性。 因此,研究中国西北干旱区陆地生态系统的植被碳汇,分析其时空变化规律,
可以为全球中高纬度地区陆地生态系统植被碳汇研究提供科学借鉴。 基于以上原因,本文以遥感数据、气象
站点观测数据、GIS本底数据及植被类型数据等为基础,利用 Carnegie鄄Ames鄄Stanford Approach(CASA)模型和
土壤微生物呼吸模型,对中国西北干旱区 2001—2012年的碳汇进行估算,并分析其时空演变格局,以期为中
国温室气体减排计划和区域生态系统保护措施的制定、实施提供决策参考。
9177摇 23期 摇 摇 摇 潘竟虎摇 等:中国西北干旱区植被碳汇估算及其时空格局 摇
http: / / www.ecologica.cn
1摇 研究区概况与数据来源
1.1摇 研究区概况
本文采用赵松乔[10]提出的中国自然地区区划方案,其中的西北干旱区主要包括大兴安岭以西,昆仑山—
阿尔金山—祁连山和长城一线以北的广大地区,地理上介于 70毅01忆—121毅09忆E,36毅16忆—46毅25忆N 之间,总面
积约 246伊104km2。 西北干旱区深居欧亚大陆内部,受东亚夏季风的影响较少,来自海洋的湿润气流被山岭阻
隔,难以深入,导致气候干燥。 区内年降水量从东部的 400 mm 左右,往西减少至 100 mm 以下。 地貌外营力
主要为风化、物质移动、水力侵蚀和堆积以及广泛的风力侵蚀、搬运和堆积,沙漠和戈壁广布。 绝大部分属内
陆流域,山地径流是本区主要水资源,补给来源为雨水及冰雪融水。 地表的生态系统类型由东往西大体上依
次为森林草原、典型草原、荒漠草原、荒漠。 分为两个自然地区和八个自然区(图 1)。
图 1摇 中国西北干旱区自然区划
Fig.1摇 Comprehensive physical regionalization of the arid region of northwest China
1.2摇 数据源
遥感观测宏观性强、信息量大、快速动态更新、现势性好、全空间覆盖,加之因其能够有效反映植被的空间
差异,在估算生物量空间分布格局方面具有明显的优势。 考虑到本文的研究区面积广大,中、高分辨率的地球
资源卫星数据显然不适合大范围宏观研究,且数据的连续性不强,时间分辨率不高,影像镶嵌等处理过程也会
带来一定的误差,为此,本文采用 MODIS(Moderate鄄Resolution Imaging Spectroradiometer)的归一化差异植被指
数(NDVI)产品。 数据获取自 Level 1 and Atmosphere Archive and Distribution System ( LAADS) ( http: / /
ladsweb.nascom.nasa.gov / data / order.html)网站,为 16日合成数据,空间分辨率为 1 km,共计下载遥感影像数据
2368幅,行列号为 4—5和 23—26,覆盖研究区全部。 气象数据包括月平均气温,月总降水量和月总太阳辐
射,取自中国气象科学数据共享服务网(http: / / cdc.cma.gov.cn / home.do)。 为了保证空间插值精度,共选取研
究区内及周边的常规气象站 314个,太阳辐射监测站点 48 个(图 2),其中位于研究区内部的常规气象站点
103个,太阳辐射站点 21 个。 数字高程模型(Digital Elevation Model,DEM)数据获取自美国地质勘查局
(United States Geological Survey,USGS)网站(http: / / glovis.usgs.gov / ),分辨率为 1 km。 植被类型数据来源于
中国西部环境与生态科学数据中心(http: / / westdc.westgis.ac.cn),为便于分析,将植被类型归并为针叶林、阔
叶林、灌木林地、草原、农田、荒漠、水体及无植被地段 8类(图 3)。
0277 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
图 2摇 研究区气象站点分布示意图
Fig.2摇 Distribution of meteorological stations in study area
图 3摇 西北干旱区植被类型图
Fig.3摇 Vegetation map of the arid region of northwest China
2摇 碳汇估算方法
2.1摇 净初级生产力估算
采用基于光合利用率、适合估算大区域尺度的 CASA模型计算(NPP)。 表达式为[11]:
NPP(x,t) = APAR(x,t) 伊 着(x,t) (1)
式中,APAR(x,t)为像元 x在 t月吸收的光合有效辐射(gC m-2 month-1),着(x,t)表示像元 x 在 t 月的光能利
用率(gC / MJ)。
2.1.1摇 APAR的计算
计算式为[12]:
APAR(x,t)= SOL(x,t)伊FPAR(x,t)伊0.5 (2)
FPAR(x,t)= 琢FPARNDVI+(1-琢)FPARSR (3)
FPARNDVI =
NDVI(x,t) -NDVI( i,min)
NDVI( i,max) -NDVI( i,min)
伊 FPRAmax-FPRA( )min +FPRAmin (4)
FPARSR =
SR(x,t) -SR( i,min)
SR( i,max) -SR( i,min)
伊 FPRAmax-FPRA( )min +FPRAmin (5)
SR(x,t)=
1+NDVI(x,t)
1-NDVI(x,t)
(6)
式中, SOL(x,t)表示 t月像元 x处的太阳总辐射量(MJ m-2 month-1),FPAR为植被层对太阳入射光合有效辐
射的吸收比例,NDVI( i,max)和 NDVI( i,min)分别表示第 i 种植被类型的 NDVI 的最大值和最小值,FPARmin和
FPARmax分别取值 0.001和 0.95,SR( i,min)和 SR( i,max)分别对应某种植被类型 NDVI的 5%和 95%处的百分位数,
琢值取 0.5[13]。
2.1.2摇 光能利用率的计算
计算式为[14]:
着(x,t) = T着1(x,t) 伊 T着2(x,t) 伊 W着(x,t) 伊 着max (7)
式中,T着1(x,t)和 T着2(x,t)分别为低温和高温对光能利用率的胁迫作用,W着(x,t)为水分胁迫影响系数,着max为
理想条件下植被的最大光能利用率。
T着1(x,t)的计算式为[15]:
T着1(x,t) = 0.8 + 0.02 伊 Topt(x) - 0.0005 伊 Topt(x[ ]) 2 (8)
式中,Topt(x)为某一区域年内 NDVI值达到最高时的月平均气温。
T着2(x,t)计算式为[15]:
1277摇 23期 摇 摇 摇 潘竟虎摇 等:中国西北干旱区植被碳汇估算及其时空格局 摇
http: / / www.ecologica.cn
摇 摇 摇 T着2(x,t) = 1.184 / 1 + exp 0.2 伊 Topt(x) - 10 - T(x,t( )[ ] }{ ) 伊
1 / 1 + exp 0.3 伊 - Topt(x) - 10 + T(x,t( )[ ] }{ ) (9)
式中,T(x,t)为月平均温度,当某月平均温度比最适温度 Topt(x)高 10 益或低 13 益时,该月的 T着2(x,t)值等于
月平均温度 T(x,t)为最适温度 Topt(x)时 T着2(x,t)值的一半。
W着(x,t)计算式为[15]:
W着(x,t) = 0.5 + 0.5 伊 E(x,t) / Ep(x,t) (10)
式中,区域实际蒸散量 E(x,t)根据周广胜[16]建立的区域实际蒸散模型求取,区域潜在蒸散量 Ep(x,t)根据
Boucher[17]提出的互补关系求取。
最大光利用率 着max的取值因不同的植被类型而有所不同,本文采用朱文泉[18]和 Running 等[19]根据生态
生理过程模型 BIOME鄄BGG对 10 种植被类型所模拟的值:针叶林 1.008 gC / MJ,阔叶林 1.044 gC / MJ,灌丛
0.768 gC / MJ,草原 0.608 gC / MJ,农田 0.604 gC / MJ,荒漠、无植被地段和水体等生态系统取 CASA模型所估算
的全球月平均最大光利用率 0.389 gC / MJ。
2.1.3摇 气象数据的空间分布模拟
气温垂直递减率会随着季节的变化而变化[20],根据 314个气象站的海拔高度和月平均气温资料,计算研
究区各月平均气温的垂直递减率,再根据气象站点海拔高度,将观测气温换算为海拔高度为 0 处的气温值。
利用普通 Kringing插值法,模拟海拔为 0处的温度 Tk(x,t);根据 DEM和气温垂直递减率,模拟起伏地形下的真
实温度 T(x,t)。 降水数据直接采用 Kringing插值对气象站点观测数值进行插值。
西北干旱区面积广大,山区地形复杂,仅仅依靠气象观测站的资料,采取空间插值的方法来描述研究区太
阳总辐射的精确空间分布,容易造成较大误差。 因此,本文以 DEM为基础,充分考虑地形之间相互遮蔽对太
阳总辐射的影响,利用日照百分率与天文辐射拟合太阳总辐射,获取经验系数,从而计算起伏地形下的太阳总
辐射。 计算式为[21]:
Qt = Q0忆 a +( )b S (11)
式中,Qt为起伏地形下月太阳总辐射; Q0忆 为为月天文辐射量,篇幅所限,其具体计算方法可参考文献
[22];a、b为拟合得到的经验系数,本文经计算,取值 0.22 和 0.773;S 为日照百分率。 受篇幅所限,图 4 仅列
出了 2012年 7月地形校正前后模拟的太阳总辐射。
图 4摇 2012年 7月太阳总辐射地形校正对比
Fig.4摇 Solar radiation Contrast used topographic correction in July, 2012
2.2摇 碳汇的计算
生态系统的碳汇储量包含了绿色植物生物量、凋落物量及土壤有机质,NEP 是估算区域植被碳源和碳汇
的重要指标,尽管严格来说 NEP 在区域尺度上不完全等于碳汇,但常常将其作为碳汇大小的度量。 在不考虑
其它自然和人为因素影响的前提下,植被碳汇可表示为 NPP 与土壤微生物呼吸碳排放之间的差值,计算
式为[23]:
2277 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
NEP = NPP - RH (12)
式中,NEP 为植被净生态系统生产力,NPP 为植被净初级生产力,RH为土壤微生物呼吸量。 当 NEP>0,说明
植被固定的碳多于土壤排放碳,表现为碳汇,反之则为碳源。
土壤微生物呼吸量与土壤中微生物的数量、种类以及植物根系的分泌物有关,在所有影响土壤微生物呼
吸的因素中,温度和降水是最重要的两个因素[24]。 裴志永等[6]建立了气温、降水与碳排放的回归模型,估测
土壤微生物呼吸的分布状况,汤洁等[9]将其应用于吉林西部碳汇估算中。 上述研究范围部分包含于本文研
究区范围内,因本文研究区面积很大,目前尚未建立普适模型,故本文采用裴志永等的经验模型。 计算
式为[6]:
RH = 0.22 伊 exp 0.0912( )T + ln 0.3145R +( )( )1 伊 30 伊 46.5% (13)
式中,T为气温(益),R为降水(mm)。
3摇 结果与分析
3.1摇 西北干旱区 NPP 时空分布
3.1.1摇 估算结果的不确定性
在 ArcGIS软件支持下,将空间化后的各参数代入 CASA 模型进行栅格地图代数运算,得到 2001—2012
年逐月 NPP 空间分布。 图 5所示为 12年间 NPP 平均值的空间分布。 区域或全球尺度的 NPP 估算结果的精
度评价,一直是 NPP 遥感估算的难题和最具有争议的环节。 NPP 估算模型的精度验证方法一般有两种:一种
是实测法,即通过估算值与若干实际测量值的对比来验证估算精度;另一种是相对法,即将估算的空间分布图
与其他模型估算的结果或遥感数据产品进行对比来评价估算效果。 尽管野外调查获得实测的生物量数据比
较可靠,但很难在整个研究区内进行大范围比较均匀地实地调查取样。 加之研究区横跨中国北方,时间跨度
为 12a,生物量分布的空间和时间异质性较大,因此如果简单地利用有限的实地调查所获得的平均生物量来
推算整个区域的生物量,则可能产生较大误差。
摇 图 5摇 2001—2012年西北干旱区 NPP平均值的空间分布
Fig.5 摇 Spatial distribution of 12鄄year mean annual NPP of the
arid region of northwest China in 2001鄄2012
图 6摇 NPP估算值与实测值的比较
Fig.6摇 Comparison of simulated NPP and observed NPP
为此,本文利用分布在研究区内的 40 组实测资料值(来源于全球 NPP 数据库 http / www.daac / ornl. gov /
NPP / npp.home.html)对估算结果进行验证,考虑到实测值为来自各试验站点上的多年平均值(1946—2006),
因此以本文模拟 12a的 NPP 的平均值参与检验。 由于气温、降水、人类活动等环境变化的影响,二者之间存
在一定的差异是难免的。 相关性散点图如图 6所示,由图 6 可知,NPP 的实测值和估算值之间具有较高的拟
合度,其相关系数高达 0.87。 尽管实测值与模拟值的时间不一致,但对于大多数观测点来说,估算值基本上都
3277摇 23期 摇 摇 摇 潘竟虎摇 等:中国西北干旱区植被碳汇估算及其时空格局 摇
http: / / www.ecologica.cn
落在实测值的变动范围内。 由于实测数据的限制,精度验证存在一定的不确定性。 其一,全球 NPP 数据库的
实测数据与本文估算的时段不一致,尽管均采用多年平均值比较,但时间差异导致生物量估算偏差的因素仍
不能忽视。 其二,全球 NPP 数据库的实测数据来自于北方针叶林、温带森林和草地的监测值,对于干旱区普
遍存在的稀疏植被地表覆盖类型缺乏实测数据支持。 第三,受 MODIS数据空间分辨率的限制,大量混合像元
存在的事实不可避免地会影响估算精度,也给精度验证带来了极大困难。
3.1.2摇 估算结果与 MODIS NPP 产品的对比
本文将估算结果与 2001—2010年 MODIS的 1 km年分辨率 NPP 产品进行了对比,结果发现二者在空间
分布上较为吻合。 除去 2001、2003、2007、2010年这 4a中 MODIS产品值与本文估算值相差稍大外,其余年份
相差很小,差值介于 3.71—24.46 gC m-2 a-1之间。 MODIS的 NPP 产品年总量与本文估算结果总体差距亦不
大,差距较大的年份是 2001年和 2003年,且除 2001年外,各年份估算的 NPP 总量均略高于 MODIS 产品值,
其中,2001年 NPP 的估算值大于 MODIS产品值 22.47 MtC / a。 总体而言,MODIS产品的年际波动明显大于本
文估算值。
3.1.3摇 NPP 的时空分布
总体来看,年内 NPP 随季节具有明显的规律性变化,NPP 值较高的月份主要出现在 3—9月。 多年 1 月
的平均 NPP 基本全部小于 74 gC / m2,平均值仅为 27.81 gC / m2;7 月时 NPP 达到最大值 112.96 gC / m2;12 月
的 NPP 值最低,多年平均值仅为 22.85 gC / m2。 计算研究区 NPP 各年的平均值,结果发现 NPP 年平均值在 12
年间表现出波动中上升的趋势,2001年平均 NPP 值为 791.29 gC m-2 a-1,2006 年为 12 年中的最低值,789.14
gC m-2 a-1,2012为 12年间最高值,829.15 gC m-2 a-1。
按照中国自然地理区划的三级自然分区,统计各三级自然区的年平均 NPP 及标准差(表 1)。 NPP 多年
平均值最大的区域为西辽河流域草原区,尽管该区受垦荒等人类活动影响,植被退化严重,其 NPP 平均值仍
达到 1223.59 gC m-2 a-1,远高于西北干旱区的平均值;阿尔泰山山地草原针叶林区、内蒙古干草原荒漠草原区
和天山山地草原及针叶林区的NPP平均值均在1000gCm-2 a-1以上;NPP平均值最小的区域是塔里木盆地
表 1摇 自然区划三级分区 NPP统计值
Table 1摇 Statistics of NPP values in the third level natural division
自然区 Natural regions
净第一性生产力 NPP / (gC m-2 a-1)
平均值
Mean
标准差
Standard deviation
净生态系统生产力 NEP / (gC m-2 a-1)
平均值
Mean
标准差
Standard deviation
塔里木盆地暖温带荒漠区
Warm鄄temperate desert region of Tarim Basin 258.75 108.07 172.16 112.81
鄂尔多斯高原干草原、荒漠草原区
Steppe and desert steppe region of Erdos Plateau 793.65 136.14 715.72 139.84
西辽河流域草原区
Steppe region of West Liaohe River Basin 1223.59 110.72 842.69 116.32
内蒙古干草原、荒漠草原区
Steppe and desert steppe region of Inner Mongolia 1051.14 133.62 794.62 131.94
阿拉善高原温带荒漠区
Temperate desert region of Plateau 436.44 77.25 266.53 77.03
天山山地草原及针叶林区
Grassland and coniferous forest region of Tianshan Mountains 1040.85 247.97 667.98 251.49
准噶尔盆地荒漠区
Desert region of Junggar Basin 560.25 169.95 480.85 166.46
阿尔泰山山地草原及针叶林区
Grassland and coniferous forest region of Altai Mountains 1055.20 216.92 794.77 214.33
4277 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
暖温带荒漠区,年平均 NPP 仅 258.75 gC m-2 a-1。 标准差的统计值则显示,天山山地草原及针叶林区内 NPP
的空间差异最大,阿拉善高原温带荒漠区内部 NPP 的空间差异最小,这主要和自然区内的植被类型丰富度有
关,植被类型数量越多,内部 NPP 的空间差异越大,反之亦然。
3.2摇 西北干旱区植被碳汇时空分布
3.2.1摇 植被碳汇的时间变化
利用公式(12)计算得到 2001—2012年的植被碳汇(NEP)分布(图 7)。 2001—2012 年西北干旱区的植
被碳汇总体呈现波动性上升的趋势,从植被碳汇的年平均值来看,2006 年碳汇最小,仅为 609.04 gC m-2 a-1,
2012年最大,为 648.02 gC m-2 a-1。 植被碳汇的年际变化不大,年变化量小于 39 gC m-2 a-1,标准差为 11.68
gC m-2 a-1。 从 2001—2012年间各月碳汇的平均值来看,碳汇月平均值与 NPP 具有较大差异,2001 年、2004
年和 2009年的月植被碳汇最大值出现在 5月,2005年、2006年、2008年和 2010年月碳汇最大值出现在 6月,
其余年份月碳汇最大值均出现在 7月。
3.2.2摇 植被碳汇的空间变化
计算 2001—2012年西北干旱区陆地生态系统的植被碳汇平均值及标准差(图 8)。 从图 8 中可以看出,
西北干旱区的植被碳汇总体上呈现自西向东逐渐增加的趋势,中、西部广泛分布着戈壁、沙漠、裸岩石砾地、稀
疏草地等土地类型,植被稀疏,碳汇量很少,东部则分布有较多的温带草原和森林,以及小部分高质量的农田,
碳汇量较大。 从植被碳汇年际变化的标准差空间分布图来看,大部分地区的碳汇年际波动均不大,变化较大
的区域主要分布于阿尔泰山、天山、吐哈地区、呼伦贝尔地区、塔城地区以及塔里木盆地北缘的阿克苏、沙雅、
尉犁等绿洲。 究其原因,一方面,绿洲地区的耕地不同于草原、森林等植被,地表植被覆盖年际、年内变化大;
另一方面,山地区域地形复杂,地表覆盖类型多样,景观相对较为破碎,易受气象等因素的影响而发生变化,也
是影响植被碳汇波动的重要因素;此外,由于难以获取到国外气象观测数据,可能影响研究区北部的气象插值
结果,这也是造成北部沿边地区植被碳汇年际波动相对较大的原因之一。
按照中国自然地理区划的三级自然分区,统计各三级自然区的年平均植被碳汇及标准差(表 1)。 植被碳
汇多年平均值最大的区域为西辽河流域草原区,其碳汇平均值为 842.69 gC m-2 a-1,远高于西北干旱区的平均
值;阿尔泰山山地草原针叶林区、内蒙古干草原荒漠草原区和鄂尔多斯高原干草原、荒漠草原区,碳汇平均值
均在 700 gC m-2 a-1以上;植被碳汇平均值最小的区域是塔里木盆地暖温带荒漠区,年平均 NEP 仅
172.16 gC m-2 a-1。 标准差的统计值则显示,植被碳汇空间差异最大的自然区均为山地区,天山山地草原及针
叶林区和阿尔泰山山地草原针叶林区的碳汇标准差都大于 200 gC m-2 a-1;阿拉善高原温带荒漠区内部碳汇
的空间差异最小,仅有 77.03 gC m-2 a-1。
3.2.3摇 不同植被类型的碳汇量
将植被类型图与植被碳汇(NEP)年平均值空间分布图进行叠置,分析不同植被类型的碳汇能力。 结果
发现不同植被类型的碳汇能力强弱差异较大,其中碳汇能力最强的为针叶林(918.02 gC m-2 a-1),其次是农田
(818.02 gC m-2 a-1),碳汇能力最小的是荒漠(152.21 gC m-2 a-1)。 研究区各植被覆盖类型碳汇能力大小依次
为针叶林>农田>灌丛>阔叶林>草原>荒漠。
4摇 结论与讨论
本文通过修正的 CASA模型估算西北干旱区陆地生态系统的 NPP,并结合土壤微生物呼吸方程,计算出
西北干旱区陆地生态系统 2001—2012年间植被碳汇的时空分布格局,研究结果能够较好地反映出西北干旱
区的植被生长及分布状况。 研究区的 NPP 表现出很强的随季节变化的规律,全年 7 月份 NPP 为最高值,12
月为最低值,12年间研究区 NPP 的年均值变化不大,碳汇均值总体表现为增加趋势,其中 2006年的碳汇平均
值最小,2012年最大;年内碳汇的最大值出现在 5—7月。 西辽河流域草原区的 NPP 和碳汇平均值最大,塔里
木盆地暖温带荒漠区最小。 植被碳汇与降水、温度和太阳辐射之间具有很强的相关性;不同植被类型的碳汇
5277摇 23期 摇 摇 摇 潘竟虎摇 等:中国西北干旱区植被碳汇估算及其时空格局 摇
http: / / www.ecologica.cn
图 7摇 2001—2012年植被碳汇空间分布图
Fig.7摇 Spatial distribution of carbon sinks during 2001—2012
6277 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
图 8摇 西北干旱区植被碳汇量及其标准差空间分布
Fig.8摇 Spatial distribution of carbon sinks and its standard deviation in the arid region of northwest China
能力差异巨大。 方精云等[1]研究发现北半球高纬度陆地生态系统是全球重要的碳汇,本文通过对西北干旱
区的碳汇量估算,验证了该结论,有助于为国际碳贸易提供科学依据,也为碳汇的定量研究提供方法参考。 在
2001—2012年间,研究区碳汇量呈波动增加的特征,说明西北干旱区的植被生长状况总体有所改善,陆地植
被生态系统持续恢复,土壤中碳元素的流失受到抑制。
大尺度上生物量遥感估算的精度评价,一直是定量遥感估算非常困难和最具争议的问题,由于研究区面
积广大和资料所限,本文利用全球 NPP 数据库中的部分实测样点对估算结果进行了评估。 但全球 NPP 数据
库作为精度验证依据尚存在以下不确定性:首先,多数样点为北方针叶林、温带森林和荒漠草原,并不能完全
代表整个研究区的各生态系统类型;其次,实测值为有限点数据, 不能从空间上反映研究区生态功能的异质
性和差异性;第三,实测时间与本文估算的时段不完全一致,尽管文中采用多年平均值作比较,但时间差异可
能导致生物量估算出现偏差。 此外,目前己经提出的植被碳汇估算模型和方法,各有其优势和不足,尚无统一
的普适性方法。 本文虽对 CASA模型进行了改进,但由于当前生态系统的植被碳汇计算模型大都建立在经验
统计的基础上,而经验公式多是依赖于较小尺度的实验区或少数试验站的监测数据建立起来的,在由点向面
推算的过程中,经验模型能否完全适用于大尺度上生态系统的植被碳汇研究,尚需在增加观测数据的基础上
进一步加以验证。 受遥感数据本身的误差及遥感模型中关键参数的不确定性等因素的制约,单纯的遥感方法
存在一定误差,通过降尺度等方法将遥感数据与地面观测资料的优势结合起来,应是下一步研究的重点。
参考文献(References):
[ 1 ]摇 方精云, 郭兆迪, 朴世龙, 陈安平. 1981—2000年中国陆地植被碳汇的估算. 中国科学(D辑: 地球科学), 2007, 37(6): 804鄄812.
[ 2 ] 摇 Woodwell G M, Whittaker R H, Reiners W A, Likens G E, Delwiche C C, Botkin D B. The biota and the World carbon budget. Science, 1978,
199(4325): 141鄄146.
[ 3 ] 摇 Kauppi P E, Mielik覿inen K, Kuusela K. Biomass and carbon budget of European forests, 1971 to 1990. Science, 1992, 256(5053): 70鄄74.
[ 4 ] 摇 Tans P P, Fung I Y, Takahashi T. Observational contrains on the global atmospheric CO2 budget. Science, 1990, 247(4949): 1431鄄1438.
[ 5 ] 摇 任继周, 梁天刚,林慧龙,冯琦胜,黄晓东,侯扶江,邹德富,王翀. 草地对全球气候变化的响应及其碳汇潜势研究. 草业学报, 2011, 20
(2): 1鄄22.
[ 6 ] 摇 裴志永, 周才平, 欧阳华, 杨文斌. 青藏高原高寒草原区域碳估测. 地理研究, 2010, 29(1): 102鄄110.
[ 7 ] 摇 Fang J Y, Chen A P, Peng C H, Zhao S Q, Ci L J. Changes in forest biomass carbon storage in China between 1949 and 1998. Science, 2001,
292(5525): 2320鄄2322.
[ 8 ] 摇 Wofsy S C, Goulden M L, Munger J W, Fan S M, Bakwin P S, Daube B C, Bassow S L, Bazzaz F A. Net exchange of CO2 in a mid-latitude
forest. Science, 1993, 260(5112): 1314鄄1317.
[ 9 ] 摇 汤洁, 姜毅, 李昭阳, 张楠, 胡猛. 基于 CASA模型的吉林西部植被净初级生产力及植被碳汇量估测. 干旱区资源与环境, 2013, 27(4):
4鄄10.
[10] 摇 赵松乔. 中国综合自然地理区划的一个新方案. 地理学报, 1983, 38(1): 1鄄10.
[11] 摇 董丹, 倪健. 利用 CASA模型模拟西南喀斯特植被净第一性生产力. 生态学报, 2011, 31(7): 1855鄄1866.
7277摇 23期 摇 摇 摇 潘竟虎摇 等:中国西北干旱区植被碳汇估算及其时空格局 摇
http: / / www.ecologica.cn
[12]摇 朱文泉, 潘耀忠, 张锦水. 中国陆地植被净初级生产力遥感估算. 植物生态学报, 2007, 31(3): 413鄄424.
[13] 摇 朴世龙, 方精云, 郭庆华. 利用 CASA模型估算我国植被净第一性生产力. 植物生态学报, 2001, 25(5): 603鄄608.
[14] 摇 Potter C S, Randerson J T, Field C B, Matson P A, Vitousek P M, Mooney H A, Klooster S A. Terrestrial ecosystem production: a process model
based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7(4): 811鄄841.
[15] 摇 Field C B, Randerson J T, Malmstr觟m C M. Global net primary production: combining ecology and remote sensing. Remote Sensing of
Environment, 1995, 51(1): 74鄄88.
[16] 摇 周广胜, 张新时. 全球变化的中国气候—植被分类研究. 植物学报, 1996, 38(1): 8鄄17.
[17] 摇 Boucher J, Quilliot D, Prad侉res J P, Simon M F, Gr侉s S, Guign佴 C, Pr佴vot D, Ferry G, Boutin J A, Carp佴n佴 C, Valet P, Saulnier鄄Blache J S.
Potential involvement of adipocyte insulin resistance in obesity鄄associated up鄄regulation of adipocyte lysophospholipase D / autotaxin expression.
Diabetologia, 2005, 48(3), 569鄄577.
[18] 摇 朱文泉, 潘耀忠, 龙中华, 陈云浩, 李京, 扈海波. 基于 GIS和 RS的区域陆地植被 NPP 估算———以中国内蒙古为例. 遥感学报, 2005, 9
(3): 300鄄307.
[19] 摇 Running S W, Thornton P E, Nemani R, Glassy J M. Global terrestrial gross and net primary productivity from the Earth Observing System / / Sala
O, Jackson R, Mooney H. Methods in Ecosystem Science. New York: Springer Verlag, 2000: 44鄄57.
[20] 摇 李军, 游松财, 黄敬峰. 中国 1961—2000 年月平均气温空间插值方法与空间分布. 生态环境, 2006, 15(1): 109鄄114.
[21] 摇 刘玉安, 黄波, 易成功, 程涛, 余健, 曲乐安. 基于地形校正的植被净初级生产力遥感模拟及分析. 农业工程学报, 2013, 29(13):
130鄄141.
[22] 摇 王丽, 邱新法, 王培法, 刘爱利. 复杂地形下长江流域太阳总辐射的分布式模拟. 地理学报, 2010, 65(5): 543鄄552.
[23] 摇 Houghton R A. Terrestrial sources and sinks of carbon inferred from terrestrial data. Tellus B, 1996, 48(4): 420鄄432.
[24] 摇 王义祥, 翁伯琦, 黄毅斌. 土地利用和覆被变化对土壤碳库和碳循环的影响. 亚热带农业研究, 2005, 1(3): 44鄄51.
8277 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇