全 文 ：第 26 卷第 12 期
2006 年 12 月
生 　　态 　　学 　　报
ACTA ECOLOGICA SINICA
Vol. 26 ,No. 12
Dec. ,2006
中国区域植被地上与地下生物量模拟
黄　玫1 , 季劲钧1 ,2 , 曹明奎1 , 李克让1
(11 中国生态系统网络研究中心 ,中国科学院地理科学与资源研究所 ,北京　100101 ; 21 中国科学院大气物理研究所 ,北京　100029)
基金项目 :国家重点基础研究发展规划资助项目 (2002CB412500) ;中国科学院百人计划资助项目 ;自然科学杰出青年基金资助项目 (40425103)
收稿日期 :2005208211 ;修订日期 :2005212220
作者简介 :黄玫 (1968～) ,女 ,贵州人 ,博士 ,副研究员 ,从事气候变化与陆地生态系统碳循环研究. E2mail : huangm @igsnrr. ac. cn
Foundation item :This work was financially supported by the National Key Basic Research Project (No. 2002CB412500) , A Hundred Talents Plan of Chinese
Academy of Science and Nature Science Outstanding Young People Foundation (No. 40425103)
Received date :2005208211 ;Accepted date :2005212220
Biography :HUANG Mei , Associate Professor , mainly engaged in climate change and terrestrial ecosystem carbon cycle. E2mail : huangm @igsnrr. ac. cn
摘要 :应用大气2植被相互作用模型 AVIM2 在 011°×011°经纬度网格上估算了中国区域植被总生物量、地下和地上生物量以及
根茎比的空间分布格局。研究了植被生物量和根茎比的空间分布与水热限制条件的关系。研究表明 :中国植被总生物量、地下
和地上生物量受水热条件影响明显 ,空间分布趋势基本相似 ,即在暖湿的东南和西南地区生物量大 ,而在干冷的西部地区生物
量小。同类植被生物量的空间分布有显著区域差异 ,气温高、降水量大的区域植被生物量大 ;低温和干旱地区的植被生物量小。
除灌木以外 ,植被生物量大小的空间分布受水分的影响大于温度。中国区域植被根茎比的空间分布存在明显区域差异 ,全国大
致以大兴安岭、太行山、秦岭以及青藏高原东南侧一线为界线 ,界线东南植被根茎比较小 ;界线以西 ,植被根茎比较大。植被根
茎比的空间分布与年平均气温、土壤湿度和年降水量显著反相关 ,水分因子对根茎比空间分布的影响大于温度。
关键词 :生物量 ; 根茎比 ; AVIM2 ; 中国
文章编号 :100020933(2006) 1224156208 　中图分类号 :Q948. 15 　文献标识码 :A
Modeling study of vegetation shoot and root biomass in China
HUANG Mei1 , J I Jin2Jun1 ,2 , CAO Ming2Kui1 , LI Ke2Rang1 　(11 The Synthesis Research Center , Chinese Ecosystem Research Network ,
Institute of Geographic Sciences and Natural Resources Research , CAS , Beijing 100101 , China ; 21 Institute of Atmospheric Physics , CAS , Beijing 100029 ,
China) . Acta Ecologica Sinica ,2006 ,26( 12) :4156～4163.
Abstract :The spatial patterns of total vegetation biomass , shoot and root biomass , as well as root to shoot ( RΠS ) ratio were
estimated by the atmospheric2vegetation interaction model (AVIM2) at the resolution of 011°×011°grids across China. The
relationships between soil moisture , precipitation , temperature , and the spatial distributions of vegetation biomass as well as the
RΠS ratio were also studied.
The results indicate that the spatial distributions of total biomass , root and shoot biomass as well as RΠS ratio were limited by
both water and energy. During the study period of 1961 1990 , total carbon stocks in vegetation in China is estimated to be
14104 Gt C (1Gt = 1015g) , with a mean value of 1154kg CΠm21 The total vegetation biomass and shoot biomass have the same
overall pattern in spatial distributions : the highest values occurred at the northeast and northwest areas of China and the lowest
value located at the west areas of China. In terms of regional distribution , valley bottom area of southwestern China are dominated
by evergreen broadleaf forest and needle leaf forest where water and heat conditions are excellent and total biomass is the highest ,
above 10kg CΠm21 Part of hilly and mountainous areas in southeastern coastal zone of China where dominated by evergreen needle
leaf forest , with total vegetation biomass of 5 10 kg CΠm21 In southern part of Qinghai2Tibet Plateau , hilly and mountainous
areas of southwestern province Yunnan and Guizhou , part of the areas south of the Huaihe River as well as Great Xing’an and
Changbai mountains in Northeast China , vegetation is dominated by deciduous broadleaf forest , deciduous needle leaf forest and
mixed forest , with vegetation total biomass above 5kg CΠm2 . Total crop biomass in northern China is about 017kg CΠm2 ; the total
biomass of alpine steppe and desert steppe in Inner Mongolia Plateau and southern part of Qinghai2Tibet Plateau ranges mostly from
012 to 015 kg CΠm2 ; and that in desert and semi2desert areas of western China is less then 012 kg CΠm21
For the same vegetation type , the total biomass is positively correlated with precipitation , soil moisture , and temperature.
Vegetations growing in warm and humid areas , their total biomass is greater than those growing in the cold and dry area. Excepting
for shrub lands , the correlation coefficients of total vegetation biomass to precipitation and soil moisture are greater than that to
temperature. This means that the influence of water availability on the spatial distribution of total biomass is greater than energy.
The spatial patterns of RΠS ratio in China have significant spatial variation. A boundary was found along Great Xing’an ,
Taihang Mountain , Qin Mountain and the southeast of Tibetan Plateau. The RΠS ratios on the southeast areas of the boundary are
much smaller than those on the west areas. The simulated mean RΠS ratios of croplands , shrub lands , deserts and grasslands are
0119 , 0191 , 515 and 512 , respectively. The RΠS ratios of forest in China range form 0119 to 01361 The spatial distribution of
RΠS ratio is negatively related to that of annual mean temperature , soil moisture and annual precipitation. The correlation
coefficients of RΠS ratio to precipitation and soil moisture are greater than that to temperature , suggesting that the RΠS ratios of
vegetations growing in warm and humid areas are smaller than those growing in cold and dry areas , and the influence of the water
on the spatial distribution of RΠS is greater than energy.
Key words :root to shoot ratio RΠS ; AVIM2 ; China ; spatial distribution
　　生物量是研究植被净初级生产力的基础 ,是植被碳库的度量 ,是评价生态系统结构与功能的重要参数。
生物量对研究生态系统的营养物质分配和碳循环具有重要意义[1 ,2 ] 。目前区域尺度估计生物量的方法主要有
3 种 ,分别是观测、遥感反演和模型模拟。从观测估算来说 ,在生态系统尺度上对植被生物量的测定方法有多
种。在不破坏植被的情况下 ,常常通过测定的胸径、树木密度和树高推算植被生物量。观测估算方法相对来
说费时、费力且在全球没有统一标准 ,更由于样本量少而使得其缺少代表性[3 ] 。目前通过尺度转换
(Upscaling)将森林清查资料转换到区域尺度的生物量仍然是个挑战[4 ] ,而且尺度转换方法只适用于样本密度
足够大的区域[5～8 ] 。生物量估计还可通过对遥感反演资料的推算而获得 ,Myneni 和 Dong 探索性的将遥感反演
的 NDVI与地面森林清查资料结合推算出陆地尺度的植被生物量 ,而直接从遥感来测量生物量的工作尚待展
开[3 , 9 ,10 ] 。估计区域尺度生物量的第三种方法就是模型模拟 ,由于模型具有普适性与可预测性的优点 ,因而通
过模型估算生物量是一种有效的方法[11 ] 。
目前对中国区域植被生物量的研究已有很多[12～19 ] ,其中大部分研究都是在全国森林和草地资源清查资
料的基础上 ,通过常规统计和尺度转换等方法计算得到区域尺度植被的总生物量。李克让等利用 CEVSA 模
型模拟了国家尺度的植被总碳储量 ,但对于地上和地下植被生物量的大小和分布格局没有进行过研究。
Jackson指出植被地下生物量的大小和分布对于研究土壤在生态系统碳循环中的作用具有重要意义[20 ] 。
Mahfouf , Jackson 和 Schenk 的研究也证明了根生物量的大小和分布在大气与植被相互作用研究中的重要
性[21～23 ] 。
本研究利用大气 ———植被相互作用模式 (AVIM2)模拟了中国区域植被的总生物量、地上和地下生物量以
及根茎比的空间分布格局 ,研究了植被总生物量和根茎比的空间分布与水热条件的关系。研究在 011°×011°
经纬网格上将植被按照其功能型进行分类以代表每个格点的植被状况 ,从而计算单位面积平均植被地上和地
下生物量。
1 　研究资料与方法
111 　模型简介
本研究采用的大气2植被相互作用模型 (AVIM2)是在 1995 年 Ji [24 ]提出的 AVIM 的基础上经过对其中土壤
过程、物候过程以及光合产物的分配方案等的改进而形成的。该模型包含反映植被、大气与土壤三者之间的
热量和水分交换的生物物理过程、反映植被光合、呼吸等 CO2 交换的植物生理过程以及反映土壤有机碳的转
化和分解、氮的矿化作用等生物地球化学过程。3 个过程的不同时间尺度 :物理过程最快 ,时间步长取 015h ;
751412 期 黄玫 　等 :中国区域植被地上与地下生物量模拟 　
植物生理过程中光合、呼吸过程等随着气温、湿度的变化而有明显的日变化 ,时间步长取为 1h ;同化物的分
配、器官生物量的积累以及土壤有机质的分解等时间步长取为 1d ,3 个过程相互作用和反馈而构成一个系统。
物理子模块的详细结构和过程参数化在文献[25 ,26 ] 中已有描述。植物生长过程子模块详见文献[24 ,27 ] 。土
壤子模块是在 CENTURY[28 ]和 CEVSA[29 ]模型的土壤碳、氮转换过程子模块的基础上经修改而形成的。本文主
要介绍与生物量模拟直接相关的一些过程 ,如光合产物在植物体的叶、茎和根的分配和物候期等。
根据质量守恒原理 ,植物各器官生物量的变化为 :
d Mi
d t = ηi (1 - σi ) ( A - Rm ) - Lossi Mi 　i = f ,s ,r (1)
　　式中 ,A 为光合速率 ;σi 是生长呼吸系数 ; Rm 为维持呼吸 ;ηi 为对各器官 (叶、茎、根) 的分配比例系数 ;
Lossi 为植被的凋落率 ,茎和根的凋落率与生物量成正比 ,叶子的凋落率与叶丛的生物量和植物的物候期有
关。下标 f ,s ,r 分别代表叶、茎和根。
AVIM2 对光合产物在植物体的分配采用以下分配方案。即在生长季初期 ,光合同化物较多地分配给叶子
部分 ,以利于吸收更多的 CO2 , 随着生长季的变化 ,叶面积指数增大 ,分配给非同化器官的部分逐渐增多 ,从
而可以满足植物生长对营养和水分的需求[24 ,30～32 ] 。
对叶、茎、根的分配比例系数ηf ,ηs ,ηr 的计算如下 :
ηf = (1 - α1 ) exp ( - b1 (LAIΠLAIM) 2 )
ηs = α2 (1 - ηf )
ηr = (1 - α2 ) (1 - ηf )
(3)
　　式中 ,LAIM 为特征叶面积指数 ,依植物群落种类不同而不同 ; b1 是经验常数 ;α1 和α2 是由物候决定的对
各器官的分配。
物候是植物在生长过程中对外部因子如辐射、温度、湿度、昼长等季节性变化而出现的诸如种子的萌发、
芽的开放、叶的展开、开花、叶褪色和衰老等现象 ,是植物季节性生长过程中的重要环节 ,也是生长模式中必须
表达的过程。由于植被物候的多样性和复杂性 ,要定量描述各种植被类型的物候期在目前是困难的。本模型
对不同植被功能型的物候变化做了以下假定 : (1)热带、亚热带常绿树只给定迅速展叶时的相应温度 ,一般在
10 ℃左右 ,叶子的凋落由其生命期 (life time)长短而定。(2)温带落叶林和草原迅速展叶的温度较低 ,一般为 2
～5 ℃; (3)每种植被的光合作用有一个最低温度 ,温带在 0 ℃左右 ; (4) 当日平均气温连续数日低于一临界值
(5 ℃)或积温大于一阈值 ,落叶期开始并迅速凋落 ,直到叶面积到达一最低值 (茎面积指数) 。
112 　数据来源和数据预处理
本研究的空间分辨率为 011°×011°经纬度网格 ,模式所需的 1961～1990 年 679 个气象站点累年气候数
据 ,即 30a 平均月气温、降水、风、相对湿度、云量资料来源于中国气象局国家气象中心气候资料中心。本研究
使用澳大利亚 ANUSPLIN311 插值软件 ,采用样条函数插值法对气候要素进行空间插值 ,在对温度的插值中考
虑了高度的影响。在对气候数据插值的基础上 ,采用天气发生器 WGEN[33 ] 由逐月气候数据产生每日的气象
数据作为模型的输入数据。
本研究所用土壤质地数据为中国 1∶1400 万土壤质地类型图 ,它主要反映各地土壤表层内矿质颗粒大小
的比例情况和我国境内不同土壤质地的地理分布特点及规律。该图以建国以来的大量土壤质地调查结果为
基础 ,以 1981 年中国制土壤质地为标准 ,以 1∶1400 万中国成土母质类型图为底图 ,并参考中国科学院南京土
壤研究所编制的中国土壤图编制而成。其图像精度在 114～614km ,经数字化后在 ARC2GIS 软件中进行坐标
转换并重采样 ,得到分辨率为 011°×011°经纬度网格的中国土壤质地图[34 ] 。
所用的植被分类数据是在对两类数据进行数据融合的基础上产生的。第 1 类数据是由美国 Boston 大学
遥感中心陆地研究小组根据 2000 年 10 月 15 日至 2001 年 10 月 15 日期间中等解析度成像分光辐射计
(Moderate Resolution Imaging Spectro2radiometer , 简称 MODIS)卫星遥感数据反演得到的分辨率为 1km 的全球土
8514　 生 　态 　学 　报 26 卷
地覆被资料 ,其植被分类采用国际地圈生物圈计划 ( IGBP) 分类系统 ;第 2 类数据是中国科学院植物研究所
1979 年编制的 1∶400 万中国植被图。在 ARCVIEW平台上对两类数据进行了融合 ,方法是根据 1∶400 万中国
植被图将 IGBP 分类系统中的草地进一步细分为草地、高寒草甸和荒漠草原 ,并应用地理信息系统 ( GIS) 方法
进行重采样从而形成了模式运行所需的 011°×011°经纬度网格的中国植被分类图[35 ] 。
2 　结果与讨论
211 　我国植被总生物量的空间分布
模拟结果表明 ,中国区域植被总生物量为 14104GtC ,全国平均植被总生物量为 1154kg CΠm2 。本文模拟的
结果略高于李克让等应用 CEVSA 模型在 015°×015°网格上计算的结果。李等计算的中国植被总碳贮量为
13134GtC ,平均植被碳密度为 1147kg CΠm2 。
图 1 为模拟的年平均中国区域植被总生物量 (叶、茎、根的总和) 的空间分布图。图 1 表明我国总生物量
的分布主要受水分条件的限制 ,整体呈现东南部高而西北部低的趋势。从区域分布来看 ,我国云南西南部河
谷地带 ,水热条件好 ,植被以常绿针叶林和常绿阔叶林为主 ,总生物量达 10kg CΠm2 以上。东南沿海的部分丘
陵山地植被以常绿针叶林为主 ,总生物量在 5～10 kg CΠm2 之间。青藏高原西南侧、云南、贵州的丘陵山地、淮
河以南的部分区域以及东北大兴安岭、长白山地区植被以落叶阔叶林、落叶针叶林和针阔混交林为主 ,总生物
量均在 5kg CΠm2 以上。华北地区农作物总生物量在 017kg CΠm2 左右 ;内蒙古草原以及青藏高原东南部的高
寒草甸和荒漠草原的总生物量在 012～015 kg CΠm2 之间 ;西部荒漠、半荒漠地区生物量在 012 kg CΠm2 以下。
表 1 给出AVIM2 模拟的全国范围各植被类型总生物量的平均值与其它研究结果的比较。从表 1 可见 ,本
研究模拟的各植被类型的平均总生物量与李克让等应用 CEVSA 模型模拟的结果较为接近 ,也在方精云等估
算的范围内。对森林的估算除了混交林外 ,其余几种森林的估算均高于周玉荣等的研究。对草地的估算低于
Ni 的研究。由于各研究采用的方法不同 ,研究分辨率不同 ,且使用的植被分类系统以及研究时段不同 ,因此
各研究估算有一定差异是自然的 ,总体来看本研究的模拟结果是基本合理的。
表 1 　模拟的中国陆地植被类型平均总生物量 (kg CΠm2)与其它估算的比较
Table 1 　Comparisons of simulated vegetation total biomass (kg CΠm2) with other researches
植被类型 Vegetation types AVIM2
文献 References
[18] [12 ] [17] [15]
研究时段 Study periods 1961～1990 1981～1998 1989～1993 1989～1993 20 世纪 80 年代 1980s
常绿针叶林 Evergreen needle leaf forest 7198 719 5. 82～8. 5 2. 95～7. 56
常绿阔叶林 Evergreen broad leaf forest 12. 08 14. 24 8. 4～12. 75 7. 37～10. 07
落叶针叶林 Deciduous needle leaf forest 10. 09 12. 09 10. 26～15. 67 4. 33～6. 02
落叶阔叶林 Deciduous broad leaf forest 7. 01 8. 09 6. 86～9. 45 4. 78
混交林 Mixed forest 4. 95 5. 34 9. 72～14. 71 6. 47
郁闭灌丛 Closed shrub lands 1. 08 0. 11～1. 2
稀疏灌丛 Open shrub lands 0. 79 0. 11～1. 2
有林草地 Woody savannas 2. 59 2. 66
草地 Grasslands 0. 41 0. 34 0. 3～0. 75 0. 64～2. 37
高寒草甸 Arctic2alpine Steppe 0. 28
农作物 Croplands 0. 71 0. 57 0. 68～0. 93
农作物Π自然植被 CroplandΠnature vegetation mosaic 2. 24
荒漠草原 Desert Steppe 0. 08
荒漠 Barren or Sparsely vegetated 0. 07
212 　中国植被地上与地下生物量的空间分布特征
地上生物量的空间分布图 2 (a)与总生物量的分布基本一致。西南地区和东南沿海的丘陵山地地上生物
量较大 ,达 5 kg CΠm2 以上 ;东北大兴安岭和长白山地区地上生物量在 3～5 kg CΠm2 ;长江流域以南的大部分区
域在 2～3 kg CΠm2 之间 ;松辽平原、华北平原和四川盆地的农作物在 014～018 kg CΠm2 之间 ;青藏高原东南部
和内蒙古草原在 0105～012 kg CΠm2 之间。西部荒漠、半荒漠地区地上生物量在 0105 kg CΠm2 以下。
951412 期 黄玫 　等 :中国区域植被地上与地下生物量模拟 　
图 2 (b) 为模拟的我国植被根生物量的空间分布 ,由此看出 ,除了东部的农作物以外 ,我国植被根生物量
呈现出从东南向西北减少的趋势。青藏高原东南侧、云南、贵州的丘陵山地、东南沿海的部分丘陵山地、秦岭
等川、陕部分区域以及东北大兴安岭、长白山地区植被根的生物量较高 ,大多在 115kg CΠm2 以上 ;四川盆地的
农作物、内蒙古草原以及青藏高原东南部的高寒草甸和和荒漠草原根的生物量在 011～012 kg CΠm2 之间 ;松
辽平原、华北平原的部分农作物以及西部荒漠、半荒漠地区根生物量在 011 kg CΠm2 以下。
将根茎比定义为 8 月份植被根生物量除以植被的地上生物量 (茎和叶生物量之和)的比值 ,经计算得到我
国根茎比的空间分布 (图 3) 。由图 3 可见 ,根茎比的空间分布存在明显区域差异。全国大致以大兴安岭、太
行山、秦岭以及青藏高原东南侧一线作为分界 ,界线以东和以南 ,根茎比较小 ,界线以西根茎比较大。我国长
白山地区、东南沿海的部分丘陵山地、青藏高原西南侧、云南和贵州的丘陵山地以及淮河以南的部分区域 ,植
被以阔叶林、针叶林和针阔混交林为主 ,这些区域的根茎比值一般在 012～014 之间 ;华北平原和四川盆地农
作物的根茎比则在 012 以下 ;内蒙古草原以及青藏高原东南部的高寒草甸和荒漠草原的根茎比值在 115～6
之间变化 ;西部荒漠、半荒漠地区根茎比值在 6 以上。
Jackson 等[20 ]在总结了全球 250 个根生物量数据集的基础上总结出全球各种类型植被的根茎比值 ,为便
于比较将其研究的植被类型进行合并 ,同时对本研究的各植被类型的根茎比值也进行合并求平均 ,二者比较
于表 2 中。
表 2 　模拟的各类型植被平均根茎比值与全球平均比较
Table 2 　Comparisons of simulated rootΠshoot with global mean
植被类型
Vegetation types
文献 References
[20 ] 本研究 This study
森林 Forests 0. 17～0. 32 0. 17～0. 36
农作物 Croplands 011 0119
荒漠 Deserts 415 515
灌木 Shrub lands 112 0191
草地 grasslands 317 512从表 2 可看出 ,模拟的荒漠的根茎比值最大 ,达515 ,其次是草地 ,达 512。农作物的平均根茎比值最小 ,为 0119。森林和灌木的根茎比值小于 1。通过与Jackson 等的研究比较可知 ,模拟的森林、农作物和灌木的根茎比值与全球平均相近 ,模拟的荒漠和草地的平均根茎比值略高于全球平均。据 Luo 等[36 ] 在青藏高原高寒植被样带上的观测表明 ,草地的根茎比值最
大 ,其次是灌木 ,最后是森林 ,它们的根茎比值分别在
618～1211、019～116、0102～017 之间变化。此观测结果与本模拟基本一致 ,由此说明本研究对根生物量的模
拟是基本合理的。
由于 Jackson 等和Luo 等的根茎比估算是根据点上的观测得到 ,而本研究模拟的是 011°×011°经纬度网格
上的平均 ,二者研究的尺度不同 ,结果有差别是可以理解的。
213 　中国植被总生物量和根茎比的空间分布与水、热条件的关系
为了探求影响植被总生物量和根茎比空间分布的控制因子 ,首先将植被类型按照森林、灌丛、草地、农作
物和荒漠进行了合并归类 ,然后在社会科学统计软件包 (Statistical Program for Social Sciences , SPSS)操作平台上
计算了各类型象素点上植被的总生物量与 6～8 月份平均土壤湿度、年降水量、年平均气温的空间相关系数 ,
结果见表 3。
表 3 　植被总生物量与 6～8 月份平均土壤湿度、年降水量、年平均气温的相关系数
Table 3 　Correlation coefficients between total biomass and June to August soil moisture , annual precipitation and annual mean temperature
植被类型
Vegetation types
森林
Forest
灌木
Shrub land
草地
Frassland
农作物
Cropland
荒漠
Desert
所有植被
All vegetations
样本量 Samples 11120 10095 26038 26091 20991 94335
土壤湿度 Soil moisture 01701 01743 01452 01511 01231 01422
降水量 Precipitation 01547 01771 01749 01414 01253 01546
气温 Temperature 01390 01773 01589 01351 01218 01305
　　表中相关系数均达到 0101 置信度 The correlation coefficients are all exceed the confidence level of 0101
　　从表 3 来看 ,森林、灌丛、草地、农作物和荒漠总生物量与土壤湿度、年降水量和年平均气温的空间相关皆
为正相关。表明同一种植被类型其总生物量的空间分布格局为 :高温和降水量大的区域植被的生物量相对较
0614　 生 　态 　学 　报 26 卷
161412 期 黄玫 　等 :中国区域植被地上与地下生物量模拟 　
大。从相关系数的比较来看 ,除灌木以外 ,各植被类型与降水的相关系数均大于与气温的相关 ,说明相对而言
植被受水分的影响更大 ,这其中草地生物量受水分的影响最大。草地的样本量仅次于农作物 ,但其与降水量
的相关系数却高达 01749 ,可以解释草地生物量变化的 56 %。表 2 亦说明 ,如果不分植被类型 ,对所有植物而
言 ,气温高和降水量高的区域 ,植物的生物量大。
植被根茎比与土壤湿度、气温和降水量的关系相对复杂。不分植被类型 ,计算了研究区域内所有植被的
根茎比与 6～8 月份平均土壤湿度、年降水量和年平均气温的相关系数。它们分别为 - 01195 , - 01334 和 -
01190 ,均超过 0101 置信度。相关系数反映了在空间上从森林、灌丛、草地到荒漠 ,随着土壤湿度、降水量和气
温的减少 ,植被根茎比增加。根茎比与降水量的相关系数高于气温 ,说明根茎比的空间分布受水分因子的限
制更大。
3 　结论
本研究应用大气2植被相互作用模型 AVIM2 在 011°×011°经纬度网格上估算了中国植被总生物量、地下
和地上生物量以及根茎比的空间分布特征 ,研究了植被生物量和根茎比的空间分布与水热条件限制的关系 ,
得出以下结论 :
(1) 中国植被总生物量、地下和地上生物量的空间分布受水热条件影响明显 ,分布基本相似。总的趋势
是在暖湿的东南和西南地区生物量较大 ,而在干冷的西部地区生物量较小。地上生物量与总生物量的分布基
本一致。根生物量的空间分布除东部农作物根生物量较低外 ,其余地区根生物量的分布趋势与总生物量基本
一致。
(2) 植被总生物量的空间分布与降水量、土壤湿度和气温呈正相关关系。除灌木以外 ,植被总生物量的
分布与年降水量和土壤湿度的相关系数大于与气温的相关系数 ,即水分因子对生物量空间分布的影响大于热
量因子。
(3) 植被根茎比空间分布的区域差异明显 ,全国大致以大兴安岭、太行山、秦岭以及青藏高原东南侧一线
作为分界 ,界线以东和以南地区 ,植被根茎比较小 ;界线以西地区 ,植被根茎比较大。模拟的农作物平均根茎
比为 0119 ;森林的根茎比在 0117 到 0136 之间 ;灌木、荒漠和草地的平均根茎比值分别为 0191、515 和 512。植
被根茎比的空间分布与年平均气温、土壤湿度和年降水量呈显著反相关关系 ,与降水量和土壤湿度的相关系
数大于与气温的相关系数 ,即暖湿地区植被的根茎比小 ,而干冷地区植被根茎比大 ;水分因子对根茎比空间分
布的影响大于热量因子。
References :
[ 1 ] 　Zheng D , Rademacher J , Chen J , et al . Estimating aboveground biomass using Landsat 7 ETM + data across a managed landscape in northern Wisconsin ,
USA. Remote Sensing of Environment , 2004 , 93 : 402～411.
[ 2 ] 　Brown S L , Schroeder P , Kern J S , Spatial distribution of biomass in forests of the eastern USA. Forest Ecology and Management , 1999 , 123 : 81～90.
[ 3 ] 　Hese S , Lucht W , Schmullius C , et al . Global biomass mapping for an improved understanding of the CO2 balance the Earth observation mission
Carbon23D. Remote Sensing of Environment , 2005 , 94 : 94～104.
[ 4 ] 　Janssens I A , Freibauer A , Ciais P , et al . Europe’s terrestrial biosphere absorbs 7 to 12 % of European anthropogenic CO2 emissions. Science , 2003 ,
300 : 1538～1542.
[ 5 ] 　Kauppi P E , Mielikinen K, Kuusela K. Biomass and carbon budget of European forests 1971 19901 Science , 1992 : 256 , 70～74.
[ 6 ] 　Liski J , Korotkov A V , Prins C F , et al . Increased carbon sink in temperate and boreal forests. Climatic Change , 2003 , 61 : 89～99.
[ 7 ] 　Nabuurs GJ , Schelhaas , M J , Mohren GMJ , et al . Temporal evolution of European forest sector sink from 1950 to 19991 Global Change Biology , 2003 ,
9 : 152～160.
[ 8 ] 　Shvidenko A , Nilsson S. Dynamics of Russian Forests and the Carbon Budget in 1961 1998 : An assessment based on long2term forest inventory data.
Climatic Change , 2002 , 55 : 5～37.
[ 9 ] 　Dong J , Kaufmann R K, Myneni R B , et al . Remote sensing estimates of boreal and temperate forest woody biomass : Carbon pools , sources and sinks.
Remote Sensing of Environment , 2003 , 84 : 393～410.
[10 ] 　Myneni R B , Dong J , Tucker C J , et al . A large carbon sink in the woody biomass of Northern forests. PNAS , 2001 , 98 (26) : 14784～ 4789.
[11 ] 　Peng C. From static biogeographical model to dynamic global vegetation model : A global perspective on modelling vegetation dynamics. Ecological
2614　 生 　态 　学 　报 26 卷
Modelling , 2000 , 135 : 33～54.
[12 ] 　Fang J Y, Liu G H , Xu S L. Biomass and net production of forest vegetation in China. Acta Ecologica Sinica , 1996 , 16 (5) : 497～508.
[13 ] 　Zhao M , Zhou G S. Estimation of biomass and net primary productivity of major planted forests in China based on forest inventory data. Forest Ecology and
Management , 2005 , 207 : 295～313.
[14 ] 　Ni J . Net primary productivity In forests of China : scling2up of national inventory data and comparison with model predictions. Forest Ecology and
Management , 2003 , 176 : 485～495.
[15 ] 　Ni J . Carbon storage in grasslands of China. Journal of Environments , 2002 , 50 : 205～218.
[16 ] 　Wang S Q , Zhou C H , Luo C W. Studying carbon storage spatial distribution of terrestrial natural vegetation in China. Progress in Geography , 1999 , 18
(3) : 238～244.
[17 ] 　Zhou Y R , Yu Z L and Zhao S D. Carbon storage and budget of major Chinese forest types , Acta Phytoecologica Sinica , 2000 , 24 (5) : 518～522.
[18 ] 　Li K R , Wang S Q , Cao M K. Vegetation and soil carbon storage in China. Science in China (Series D) , 33 (1) , 72～80.
[19 ] 　Fang J , Chen A , Peng C , et al . Changes in forest biomass carbon storage in China between 1949 and 19981 Science , 2001 , 22 (292) : 2320～2322.
[20 ] 　Jackson R B , Canadell J , Ehleringer J R , et al . A global analysis of root distributions for terrestrial biomes. Oecologia , 1996 , 108 : 389～411.
[21 ] 　Mahfouf J F , Ciret C , Ducharne A , et al . Analysis of transpiration results from the RICE and PILPS workshop . Global and Planetary Change , 1996 , 13 :
73～88.
[ 22 ] 　Jackson R B , Schenk HJ , Jobbagy J , et al . Belowground consequences of vegetation change and their treatment in models. Ecological Applications , 2000 ,
10 : 470～483.
[23 ] 　Schenk H J , Jackson R B. The global biogeography of roots. Ecological Monographs , 2002 , 72 (3) : 311～328.
[ 24 ] 　Ji J . A climate2vegetation interaction model2simulating the physical and biological processes at the surface. Journal of Biogeography , 1995 , 22 , 445～451.
[25 ] 　Ji J J , Hu Y C. A multi2level canopy model including physical transfer and physiological gowth processes. Climate and Environmental Research , 1999 , 4
(2) : 152～164.
[26 ] 　Cassardo C , Ji J , Longhetto A. A study of the performance of a land surface processes model . Boundary Layer Meteorology. 1995 , 75 : 87～121.
[27 ] 　Li Y, Ji J . Model estimates of global carbon flux between vegetation and the atmosphere. Advances in Atmospheric Sciences , 2001 , 18 : 807～818.
[28 ] 　Parton W J , Schimel D S , Cole C V , et al . Division S232soil microbiology and biochemistry , Analysis of factors controlling soil organic matter levels in
great plains grasslands. Soil Sci . Soc. Am. J . , 1987 , 51 : 1173～1179.
[29 ] 　Cao M , Woodward F I. Net primary and ecosystem production and carbon stocks of terrestrial ecosystems and their responses to climate change. Global
Change Biology , 1998 , 4 : 185～198.
[30 ] 　Farrar J F. The whole plant : carbon partitioning during development . In : Pollock C J and Gordon A J , eds. Carbon partitioning within and between
organisms Bios. Scientific Publishers Limited , Oxford , U. K. , 1992. 163～179.
[31 ] 　Dickson R E , Shaikh M , Bryant R , et al . Interactive canopies for a climate model . Journal of Climate , 1998 , 11 : 2823～2836.
[32 ] 　Lu J and Ji J . A simulation study of atmosphere2vegetation interactions over the Tibetan Plateau 　Ⅰ. Physical fluxes and parameters. Chinese Journal of
Atmospheric Sciences , 2002 , 26 (1) : 111～126.
[33 ] 　Richardson C W , Wright D A. WGEN : A model for generating daily weather variables : U. S. Department of Agriculture , Agricultural Research Service ,
1984.
[34 ] 　Zhang S , Peng G, Huang M. The feature extraction and data fusion of regional soil textures based on GIS techniques. Climatic and Environmental Research ,
2004 , 9 (1) : 65～79.
[35 ] 　Zhang S , Peng G, Huang M. Derivation of earth surface parameters in vegetation properties supported by GIS techniques. Climatic and Environmental
Research , 2004 , 9 (1) : 80～91.
[36 ] 　Luo T , Brown S , Pan Y, et al . Root biomass along subtropical to alpine gradients : global implication from Tibetan transect studies. Forest Ecology and
Management , 2005 , 206 : 349～363.
参考文献 :
[12 ] 　方精云 ,刘国华 ,徐嵩龄. 我国森林植被的生物量和净生产量. 生态学报 ,1996 , 16 (5) :497～508.
[16 ] 　王绍强 ,周成虎 ,罗承文. 中国陆地自然植被碳量空间分布特征探讨. 地理科学进展 , 1999 ,18(3) :238～244. .
[17 ] 　周玉荣 ,于振良 ,赵士洞. 我国主要森林生态系统碳贮量和碳平衡. 植物生态学报 ,2000 ,24 (5) :518～522.
[18 ] 　李克让 ,王绍强 ,曹明奎. 中国植被和土壤碳贮量 ,中国科学 (D)辑 ,2003 ,33 (1) : 72～80.
[25 ] 　季劲钧 ,胡玉春. 一个植物冠层物理传输和生理生长过程的多层模式. 气候与环境研究 ,1999 ,4 (2) :152～164.
[32 ] 　吕建华 ,季劲钧. 青藏高原大气2植被相互作用的模拟试验　Ⅰ. 物理通量和参数. 大气科学 ,2002 ,26 (1) :111～126.
[34 ] 　张时煌 ,彭公炳 ,黄玫. 基于地理信息系统技术的土壤质地分类特征提取与数据融合. 气候与环境研究 ,2004 ,9 (1) :65～79.
[35 ] 　张时煌 ,彭公炳 ,黄玫. 基于遥感与地理信息系统支持下的地表植被特征参数反演. 气候与环境研究 ,2004 ,9 (1) :80～91.
361412 期 黄玫 　等 :中国区域植被地上与地下生物量模拟