基于CASA模型的北京植被NPP時(shí)空格局及其因子解釋

尹鍇， 田亦陳， 袁超， 張飛飛， 苑全治， 花利忠

(1.中國科學(xué)院遙感與數(shù)字地球研究所，北京 100101；2.四川師范大學(xué)國土資源開發(fā)

與保護(hù)協(xié)同創(chuàng)新中心，成都 610068；3.廈門理工學(xué)院，廈門 361024)

基于CASA模型的北京植被NPP時(shí)空格局及其因子解釋

尹鍇1， 田亦陳1， 袁超1， 張飛飛1， 苑全治2， 花利忠3

(1.中國科學(xué)院遙感與數(shù)字地球研究所，北京 100101；2.四川師范大學(xué)國土資源開發(fā)

與保護(hù)協(xié)同創(chuàng)新中心，成都 610068；3.廈門理工學(xué)院，廈門 361024)

以北京為研究區(qū)，整合遙感數(shù)據(jù)、氣象數(shù)據(jù)及其他多源輔助數(shù)據(jù)，基于改進(jìn)的光能利用率(carnegie-ames-stanford approach，CASA)模型分析了2010年北京植被生態(tài)系統(tǒng)凈初級(jí)生產(chǎn)力(net primary productivity,NPP)的時(shí)空分布格局及其主要影響因素。結(jié)果表明： ①2010年北京NPP總量為5.5 TgC，其NPP的空間分布格局為北部和西部山區(qū)總量較高，平原區(qū)NPP總量較低；②北京植被NPP的季節(jié)變化明顯，夏季NPP最大，占全年的62%，冬季最小，僅占3%，春季和秋季分別占全年NPP總量的18%和17%；③北京植被NPP受水分和熱量條件限制，不同區(qū)域的主要限制因子不同，北部和西部山區(qū)自然植被受氣溫影響較大，平原區(qū)農(nóng)作物生長更容易受降水影響，而在山區(qū)向平原過渡區(qū)域的植被受太陽輻射變化影響明顯。

凈初級(jí)生產(chǎn)力(NPP)；CASA模型；遙感；北京

0 引言

生態(tài)系統(tǒng)凈初級(jí)生產(chǎn)力(net primary productivity,NPP)是指生態(tài)系統(tǒng)中綠色植物在單位面積和單位時(shí)間內(nèi)所累積的有機(jī)質(zhì)數(shù)量，是由植物光合作用所生產(chǎn)的有機(jī)質(zhì)總量(gross primary productivity,GPP)扣除其自養(yǎng)呼吸(autotrophic respiration,RA)消耗有機(jī)質(zhì)后的剩余部分，是植物自身生理學(xué)特性與外界環(huán)境因子相互作用的結(jié)果，是有機(jī)物質(zhì)的凈創(chuàng)造[1]。作為表征陸地生態(tài)過程的關(guān)鍵參數(shù)和評(píng)價(jià)陸地生態(tài)系統(tǒng)可持續(xù)發(fā)展的重要生態(tài)指標(biāo)，NPP不僅直接反映了生態(tài)系統(tǒng)的生產(chǎn)能力和質(zhì)量狀況，而且也是判定生態(tài)系統(tǒng)碳源/碳匯的主要因子[2-5]。生態(tài)系統(tǒng)NPP是人類賴以生存與發(fā)展的物質(zhì)基礎(chǔ)，大約有40%的生產(chǎn)力被人類直接或間接利用[6]。因此，國際地圈-生物圈計(jì)劃(international geosphere-biosphere program,IGBP)和京都協(xié)定(Kyoto protocol)等均將生態(tài)系統(tǒng)NPP的研究確定為核心內(nèi)容之一[7]。

在NPP研究開展之初，主要采用站點(diǎn)測(cè)量的方法，但站點(diǎn)實(shí)測(cè)法無法在區(qū)域和全球尺度上進(jìn)行全面測(cè)量，因此需要建立植被-氣候之間的經(jīng)驗(yàn)關(guān)系模型來模擬陸地生物圈-大氣圈的相互關(guān)系和過程[1]。隨著機(jī)理研究的深入，建立了基于植物光合作用、生長和維持呼吸、水分蒸騰及光合產(chǎn)物的分配等生物地理和生物地球化學(xué)過程的機(jī)理性模型[8-10]，并得到廣泛應(yīng)用，但是由于機(jī)理模型相對(duì)復(fù)雜，其涉及參數(shù)眾多，需要較多實(shí)測(cè)數(shù)據(jù)和文獻(xiàn)資料的支撐。光能利用率模型通過遙感途徑獲取多種植被參數(shù)，如光合有效輻射吸收比率(fraction of photosynthetically active radiation,FPAR)和葉面積指數(shù)(leaf area index,LAI)等，在結(jié)合關(guān)鍵氣候因子(如氣溫、降水及太陽輻射等)后，可用于估算陸地生態(tài)系統(tǒng)NPP，其代表模型有改進(jìn)的光能利用率(carnegie-ames-stanford approach，CASA)模型[11]和全球生產(chǎn)效率模型(global production efficiency model,GLO-PEM)[12]等。光能利用率模型相對(duì)機(jī)理模型簡單，已經(jīng)成為近年來NPP估算研究的主要方向之一。在眾多光能利用率模型中，CASA模型在全球范圍內(nèi)應(yīng)用最為廣泛。該模型由Potter等[11]1993年建立，并基于此模型計(jì)算了全球陸地生態(tài)系統(tǒng)的NPP。

北京作為我國政治、經(jīng)濟(jì)及文化的中心，開發(fā)歷史悠久，人類活動(dòng)對(duì)植被分布格局影響深刻，隨著全球氣候的變化，其城市生態(tài)環(huán)境質(zhì)量受到越來越多的關(guān)注。NPP作為重要的生態(tài)環(huán)境質(zhì)量評(píng)價(jià)指標(biāo)，能夠綜合反映當(dāng)前北京地區(qū)的陸域生態(tài)系統(tǒng)質(zhì)量。本文利用CASA模型，基于遙感、氣象及其他輔助數(shù)據(jù)估算了2010年北京植被的NPP，并分析四季的時(shí)空分布格局及其主要影響因素。

1 研究區(qū)概況

北京位于E115°25′～117°30′，N39°28′～41°05′之間，在華北平原西北緣太行山脈與燕山山脈的交接位置，地勢(shì)西北高聳，東南低緩。行政區(qū)域內(nèi)山區(qū)面積占62%，平原占38%，山區(qū)多以中、低山地形為主。北京屬暖溫帶大陸性季風(fēng)氣候，年平均氣溫10～12 ℃，全年無霜期180～200 d，年平均降雨量約595 mm，降水季節(jié)分配很不均勻，其地帶性植被為暖溫帶落葉闊葉林。目前平原地區(qū)的植被類型主要是農(nóng)作物，山區(qū)植被是以落葉闊葉灌木林和落葉闊葉林為主。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)源

本文主要數(shù)據(jù)源有2010年覆蓋北京16區(qū)縣的1 km MODIS NDVI遙感數(shù)據(jù)產(chǎn)品、北京及其周邊地區(qū)17個(gè)氣象站點(diǎn)的觀測(cè)數(shù)據(jù)(月總降水量、月平均氣溫及太陽總輻射)、基于同時(shí)期遙感影像分類獲得的1 km土地利用數(shù)據(jù)及輔助數(shù)據(jù)(DEM及坡度)。其中，NDVI數(shù)據(jù)來源于美國地質(zhì)調(diào)查局地球資源觀測(cè)系統(tǒng)數(shù)據(jù)中心發(fā)布的NDVI產(chǎn)品。

2.2 遙感數(shù)據(jù)標(biāo)準(zhǔn)化

本文NDVI遙感數(shù)據(jù)集統(tǒng)一采用Sin Grid投影，并已進(jìn)行去云、輻射校正及大氣校正等處理，時(shí)間分辨率為16 d，空間分辨率為1 km，每年共計(jì)23個(gè)時(shí)相。利用MODLAND提供的MRT(MODIS reprojection tool)投影轉(zhuǎn)換工具，對(duì)數(shù)據(jù)進(jìn)行拼接和等經(jīng)緯度(geographic Lat/Lon)投影轉(zhuǎn)換。選用了2010年23幅逐旬圖像，對(duì)每月的3旬?dāng)?shù)據(jù)進(jìn)行最大值合成，得到12個(gè)波段逐月最大NDVI值數(shù)據(jù)集，并將圖像再次進(jìn)行投影坐標(biāo)轉(zhuǎn)換，統(tǒng)一為Albers正軸等面積雙標(biāo)準(zhǔn)緯線割圓錐投影(Albers equal area connie projection)。

2.3 氣象數(shù)據(jù)柵格化

基于薄盤光滑樣條插值法ANUSPLIN[13]對(duì)2010年氣象站點(diǎn)觀測(cè)數(shù)據(jù)進(jìn)行空間插值，生成北京市1 km氣象數(shù)據(jù)集。以平面坐標(biāo)作為樣條函數(shù)自變量，對(duì)氣象站點(diǎn)觀測(cè)數(shù)據(jù)進(jìn)行空間插值(其中對(duì)氣溫的插值用高程作為協(xié)變量)，并對(duì)插值結(jié)果的精度進(jìn)行檢驗(yàn)。結(jié)果顯示氣溫、降水量及太陽總輻射擬合度較好，決策系數(shù)R2分別為0.998，0.979及0.997，能夠滿足NPP估算需求。

2.4 CASA模型運(yùn)算

在本研究CASA模型中，NPP主要由植物吸收的光合有效輻射和光能利用率2個(gè)因子來表示，計(jì)算公式為[14]

NPP(x，t)=APAR(x,t)ε(x,t),

(1)

式中：APAR(x,t)為像元x在t月吸收的光和有效輻射，MJ·m-2·月-1；ε(x,t)為像元x在t月的光能利用率，gC·MJ-1。

植物吸收的光合有效輻射取決于太陽總輻射和植物本身吸收太陽輻射的特征，可表示為

APAR(x,t)=0.5SOL(x,t)FPAR(x,t) ,

(2)

式中： 常數(shù)0.5為植被所能利用的太陽有效輻射占太陽總輻射的比例；SOL(x,t)為像元x在t月的太陽總輻射量，MJ·m-2·月-1；FPAR(x,t)為植被對(duì)光合有效輻射的吸收比例，可以采用

FPAR(x,t)=αFPARNDVI(1-α)FPARSR

(3)

來計(jì)算。其中α為2種方法間的調(diào)整系數(shù)；FPARNDVI為由NDVI估算的FPAR；FPARSR為由比值植被指數(shù)SR估算的FPAR。

在理想條件下，植被具有最大光能利用率，在現(xiàn)實(shí)條件下最大光能利用率主要受氣溫和水分的影響，實(shí)際的光能利用率ε(x，t)可估算為

ε(x，t)=εmaxTε1(x,t)Tε2(x,t)Wε(x,t) ,

(4)

式中：Tε1(x,t)和Tε2(x,t)分別為低溫和高溫對(duì)光能利用率的脅迫作用；Wε(x,t)為水分脅迫影響系數(shù)，反映水分條件的影響；εmax為理想條件下的最大光能利用率，gC·MJ-1。

2.5 因子相關(guān)性分析

對(duì)研究區(qū)每個(gè)像元，均建立其NPP與氣候因子的線性關(guān)系模型，從而計(jì)算出每個(gè)像元的NPP與氣候因子間的單相關(guān)系數(shù)，即

(5)

NPP和氣溫、NPP和降水的偏相關(guān)系數(shù)可以用

(6)

進(jìn)行計(jì)算。式中： r12，r23，r13分別表示變量x與y，y與z，x與z的單相關(guān)系數(shù)；r12·3是將變量z固定后變量x與y之間的偏相關(guān)系數(shù)。

不同相關(guān)系數(shù)或者偏相關(guān)系數(shù)所對(duì)應(yīng)的變量相關(guān)程度如表1所示。

表1 線性相關(guān)程度及其對(duì)應(yīng)的相關(guān)系數(shù)范圍Tab.1 Correlation coefficient of linear and corresponding range

3 結(jié)果分析

3.1 NPP空間分布格局

根據(jù)縣級(jí)行政界，按照地形地貌把北京市分為山區(qū)和平原區(qū)2部分，山區(qū)包括房山、門頭溝、昌平、懷柔、密云、延慶和平谷7個(gè)區(qū)縣，其余為平原區(qū)。NPP總量空間分布如圖1所示。

圖1 北京植被NPP空間分布Fig.1 Spatial distribution of vegetation NPP in Beijing

由圖1可以看出，山區(qū)NPP總量遠(yuǎn)大于平原區(qū)，山區(qū)中植被的生產(chǎn)力水平存在區(qū)域差異，這主要和植被類型有關(guān)。喬木林的NPP要大于灌草叢，山區(qū)中450～600 gC·m-2·a-1范圍所對(duì)應(yīng)的自然植被多為落葉闊葉林(實(shí)測(cè)值范圍114～1 669 gC·m-2·a-1[15])；300～450 gC·m-2·a-1范圍所對(duì)應(yīng)的自然植被多為落葉闊葉灌草叢(實(shí)測(cè)平均值為364 gC·m-2·a-1[15])。北京平原區(qū)NPP多來源于耕地，大多介于450～600 gC·m-2·a-1之間(實(shí)測(cè)平均值為533 gC·m-2·a-1[16])，而城區(qū)和水域中的植被較為稀疏，NPP最低，集中在0～150 gC·m-2·a-1之間。

3.2 NPP季節(jié)變化規(guī)律

北京1—12月各月份的NPP變化情況如圖2所示。

由圖2看出，NPP時(shí)間變化規(guī)律與植物長勢(shì)規(guī)律基本一致。2010年北京NPP總量為5.5 TgC，其中山區(qū)NPP總量為4.5 TgC，占總體的81.8%。2010年6月的NPP是這一季度的最大值，而11月至次年2月的4個(gè)月是全年NPP的低谷區(qū)間，其中1月最低，NPP從3月開始逐漸增加。北京山區(qū)植被類型以落葉闊葉林和落葉闊葉灌草叢為主，11月至次年2月除常綠針葉林等常綠植物以外，大部分自然植被均已落葉，山區(qū)植被光合作用減弱，固碳能力下降，NPP開始顯著降低；從3月開始，日照輻射增長，降水量增多，氣溫逐漸上升，NPP快速增加。平原區(qū)植被以農(nóng)作物為主，在5—9月生長期內(nèi)，NPP占總體的比例約為1/5，10月耕地作物逐漸收割，平原區(qū)NPP所占比例明顯下降，直到次年4月春播之后才開始回升。

北京2010年1—12月的NPP呈現(xiàn)出明顯的季節(jié)變化趨勢(shì)，具體為冬季NPP最小(0.16 TgC)，僅占全年NPP總量的3%，所有植被均呈現(xiàn)四季中最低的生產(chǎn)力水平，僅東北部山區(qū)植被NPP相對(duì)較高，可能是與該區(qū)域分布的大面積果園有關(guān)。此外，山區(qū)中常綠植被區(qū)域(如常綠針葉林等)也有較高的NPP。春、秋季次之，分別為1.04 TgC和0.90 TgC，分別占全年NPP總量的18%和17%，春、秋季的NPP空間分布以及大小均十分接近，區(qū)別最大的是農(nóng)田，春季的旱地NPP比秋季小，這與北京地區(qū)的耕作制度有關(guān)；夏季最大(3.44 TgC)，占全年NPP的62%，夏季的植被生產(chǎn)力格局幾乎決定了全年的NPP空間分布(圖3)。

圖3 北京植被四季NPP空間分布Fig.3 Spatial distribution of four seasons NPP in Beijing

北京NPP的季節(jié)變化反映了氣候特點(diǎn)，該區(qū)屬于典型的暖溫帶半濕潤大陸性季風(fēng)氣候。夏季溫暖多雨，適宜綠色植物生長和生產(chǎn)；冬季寒冷干燥，自然植被大多落葉、并停止了光合作用；春、秋季氣候條件變化劇烈，NPP也呈現(xiàn)突變趨勢(shì)。

4 分析與討論

NPP是各氣候要素以及其他環(huán)境要素與植物自身生物學(xué)特征綜合作用的結(jié)果，北京植被NPP時(shí)空格局反映了暖溫帶大陸性季風(fēng)氣候特點(diǎn)。本文研究結(jié)果與劉芳等[17]2009年計(jì)算的北京市NPP結(jié)果相比，二者的空間分布情況相近，即北部和西部山區(qū)NPP高，東南部平原區(qū)的NPP較低；時(shí)間分布同樣為夏季最高，冬季最低，春、秋季居中，但不同區(qū)域內(nèi)影響生態(tài)系統(tǒng)的主要?dú)夂蛞夭煌?/p>

4.1 NPP與氣溫相關(guān)性分析

建立NPP與氣溫的線性相關(guān)模型，首先計(jì)算每個(gè)像元的NPP與氣溫因子間的單相關(guān)系數(shù)(圖4(左))，進(jìn)而計(jì)算基于降水的NPP和氣溫的偏相關(guān)系數(shù)(圖4(右))。

圖4 NPP與氣溫的相關(guān)系數(shù)(左)及偏相關(guān)系數(shù)(右)Fig.4 Correlation coefficient(left) and partial correlation coefficient(right) between NPP and temperature

由圖4可以看出，北京植被受氣溫影響顯著。圖4(左)中NPP與氣溫的相關(guān)系數(shù)大多大于0.8；圖4(右)除去降水的影響，大部分區(qū)域NPP與氣溫的相關(guān)系數(shù)有所降低，說明這些區(qū)域不但受氣溫影響，還與降水有關(guān)。西部山區(qū)相關(guān)系數(shù)變化較小，該區(qū)域植被NPP主要受氣溫影響較大，而受降水影響較小。北京東部有部分地區(qū)的相關(guān)系數(shù)下降較為明顯，表明這部分區(qū)域植被受降水影響顯著，以濕地植被類型為主。

4.2 NPP與降水相關(guān)性分析

建立NPP與降水的線性相關(guān)模型，首先計(jì)算每個(gè)像元的NPP與降水因子間的單相關(guān)系數(shù)(圖5(左))，進(jìn)而計(jì)算基于氣溫的NPP和降水的偏相關(guān)系數(shù)(圖5(右))。

圖5 NPP與降水的相關(guān)系數(shù)(左)及偏相關(guān)系數(shù)(右)Fig.5 Correlation coefficient(left) and partial correlation coefficient(right) between NPP and precipitation

由圖5(左)可以看出，北京平原區(qū)植被與降水的相關(guān)系數(shù)較高，主要因?yàn)槠皆瓍^(qū)植被大部分為旱地農(nóng)作物，農(nóng)產(chǎn)品產(chǎn)量受降水量影響較大，山區(qū)植被與降水的相關(guān)系數(shù)則不高，可能因?yàn)樯絽^(qū)植被大多為多年生自然植被，耐旱性較強(qiáng)，對(duì)降水量敏感性較低；圖5(右)顯示，除去氣溫的影響，大部分區(qū)域NPP與降水的相關(guān)系數(shù)有所降低，尤其西部和北部山區(qū)相關(guān)系數(shù)變化較大，說明該區(qū)域植被NPP主要受氣溫影響，受降水影響較小。東南部平原區(qū)植被NPP與降水的相關(guān)系數(shù)顯示，NPP在一定程度上受到降水影響，這是由于該區(qū)域植被主要以旱地作物為主。

4.3 氣候因子對(duì)NPP的綜合影響

將氣溫、降水量及太陽輻射3個(gè)氣候因子與NPP的線性相關(guān)關(guān)系進(jìn)行RGB合成，即氣溫與NPP的相關(guān)系數(shù)設(shè)置為紅色通道(R)、降水量與NPP的相關(guān)系數(shù)設(shè)置為綠色通道(G)、太陽輻射與NPP的相關(guān)系數(shù)設(shè)置為藍(lán)色通道(B)，3個(gè)氣候因子對(duì)植被NPP交叉影響會(huì)產(chǎn)生不同的顏色，如圖6所示。

圖6 3種氣候因子對(duì)NPP的綜合影響Fig.6 Comprehensive influence of 3 kinds of climate factors on NPP

由圖6可以看出，北京山區(qū)自然植被受氣溫影響較大，而平原區(qū)農(nóng)作物生長更容易受降水量的影響，在山區(qū)向平原過渡的區(qū)域內(nèi)植被受太陽輻射變化影響明顯，可能由于該區(qū)域植被大多為灌木，對(duì)寒冷、干旱的耐受性較強(qiáng)，受氣溫和水分影響不如喬木林和農(nóng)田顯著，表明光照對(duì)于灌木生產(chǎn)力更為重要。

綜上所述，北京植被NPP受水分和熱量條件的限制，不同區(qū)域的主要限制因子不同。氣候?qū)χ脖簧L和生產(chǎn)的影響特別復(fù)雜，回歸模型雖然能夠經(jīng)驗(yàn)性地描述NPP與氣候因子之間的關(guān)系，模擬NPP在時(shí)空上的分布情況，但由于它無法闡明NPP和氣候因子的機(jī)理關(guān)系，不能系統(tǒng)模擬植被和氣候變化的相互作用，存在一定程度的不確定性。

5 結(jié)論

1)2010年北京植被NPP總量為5.5 TgC，其中山區(qū)NPP總量為4.5 TgC，占總體的81.8%；平原區(qū)NPP主要來源于耕地中的農(nóng)作物。

2)北京植被NPP的季節(jié)變化明顯，反映了該區(qū)域暖溫帶半濕潤大陸性季風(fēng)氣候特點(diǎn)，即大部分自然植被在冬季落葉，夏季長勢(shì)旺盛，春、秋季氣候條件變化劇烈。其中，夏季NPP最大，占全年的62%；冬季最小，僅占3%；春季和秋季近乎相同，分別占全年NPP總量的18%和17%。

3)北京植被NPP受水分和熱量條件的限制，在不同區(qū)域，其主要的限制因子不同。北部和西部山區(qū)自然植被受氣溫影響較大，而平原區(qū)農(nóng)作物的生長更容易受降水量的影響，在山區(qū)向平原過渡的區(qū)域內(nèi)植被受太陽輻射變化影響明顯。

[1] Lieth H.Modeling the Primary Productivity of the World[M]//Primary Productivity of the Biosphere.Berlin Heidelberg:Springer,1975,237-263.

[2] Fang J,Piao S,Tang Z,et al.Interannual variability in net primary production and precipitation[J].Science,2001,293(5536):1723.

[3] 侯英雨,柳欽火,延昊,等.我國陸地植被凈初級(jí)生產(chǎn)力變化規(guī)律及其對(duì)氣候的響應(yīng)[J].應(yīng)用生態(tài)學(xué)報(bào),2007,18(7):1546-1553. Hou Y Y,Liu Q H,Yan H,et al.Variation trends of China terrestrial vegetation net primary productivity and its responses to climate factors in 1982-2000[J].Chinese Journal of Applied Ecology,2007,18(7):1546-1553.

[4] 劉玉安,黃波,易成功,等.基于地形校正的植被凈初級(jí)生產(chǎn)力遙感模擬及分析[J].農(nóng)業(yè)工程學(xué)報(bào),2013(13):130-141. Liu Y A,Huang B,Yi C G,et al.Simulation by remote sensing and analysis of net primary productivity of vegetation based on topographical correction[J].Journal of Agricultural Engineering,2013(13):130-141.

[5] 王李娟,牛錚,曠達(dá).基于MODIS數(shù)據(jù)的2002—2006年中國陸地NPP分析[J].國土資源遙感,2010,22(4):113-116. Wang L J,Niu Z, Kuang D.An analysis of the terrestrial NPP from 2002 to 2006 in China based on MODIS data[J].Remote Sensing for Land and Resources,2010,22(4):113-116.

[6] Vitousek P M,Ehrlich P R,Ehrlich A H,et al.Human appropriation of the products of photosynthesis[J].Bioscience,1986,36(6):368-373.

[7] Steffen W,Noble I,Canadell J,et al.The terrestrial carbon cycle:Implications for the Kyoto Protocol[J].Science,1998,280(5368):1393-1394.

[8] Prentice I C,Cramer W,Harrison S P,et al.Special paper:A global biome model based on plant physiology and dominance,soil properties and climate[J].Journal of Biogeography,1992,19(2):117-134.

[9] Woodward F I,Smith T M,Emanuel W R.A global land primary productivity and phytogeography model[J].Global Biogeochemical Cycles,1995,9(4):471-490.

[10]Foley J A,Prentice I C,Ramankutty N,et al.An integrated biosphere model of land surface processes,terrestrial carbon balance,and vegetation dynamics[J].Global Biogeochemical Cycles,1996,10(4):603-628.

[11]Potter C S,Randerson J T,Field C B,et al.Terrestrial ecosystem production:A process model based on global satellite and surface data[J].Global Biogeochemical Cycles,1993,7(4):811-841.

[12]Goetz S J,Prince S D,Goward S N,et al.Satellite remote sensing of primary production:An improved production efficiency modeling approach[J].Ecological Modelling,1999,122(3):239-255.

[13]Xu T,Hutchinson M.Anuclim version 6.1 user guide[J].Canberra, The Australian National University Fenner School of Environment and Society,2011:90.

[14]朱文泉,潘耀忠,張錦水.中國陸地植被凈初級(jí)生產(chǎn)力遙感估算[J].植物生態(tài)學(xué)報(bào),2007,31(3):413-424. Zhang W Q,Pan Y Z,Zhang J S.Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing[J].Chinese Journal of Plant Ecology,2007,31(3):413-424.

[15]Ni J,Zhang X S,Scurlock J M O.NPP multi-biome:Chinese forests data,1989—1994.Available on-line[EB/OL].[2013-10-16].http://www.daac.ornl.gov.

[16]Prince S D,Justice C O.Coarse resolution remote sensing of the Sahelian environment[J].International Journal of Remote Sensing,1991,12(3):1133-1421.

[17]劉芳,遲耀斌,王智勇,等.NPP列入生態(tài)統(tǒng)計(jì)指標(biāo)體系的潛力分析——以北京地區(qū)NPP測(cè)算與空間分析為例[J].生態(tài)環(huán)境學(xué)報(bào),2009,18(3):960-966. Liu F,Chi Y B,Wang Z Y,et al.Potential analysis on NPP included as ecological statistical indicators:Taking Beijing vegetation net primary productivity measurement and spatial analysis as an example[J].Ecology and Environmental Sciences,2009,18(3):960-966.

(責(zé)任編輯： 邢宇)

NPP spatial and temporal pattern of vegetation in Beijing and its factor explanation based on CASA model

YIN Kai1， TIAN Yichen1， YUAN Chao1， ZHANG Feifei1， YUAN Quanzhi2， HUA Lizhong3

(1.InstituteofRemoteSensingandDigitalEarth,ChineseAcademyofSciences,Beijing100101,China；2.InstitureofGeographyandResourcesScience,SichuanNormalUniversity,Chengdu610068,China;3.XiamenUniversityofTechnology,Xiamen361024,China)

Integrating remote sensing data, meteorological data and other multi-source auxiliary data, the vegetation net primary productivity (NPP) spatial and temporal pattern in Beijing and its main influence factors were analyzed based on carnegie-ames-stanford approach(CASA) model in 2010. The results showed that: ① The total amount of NPP was 5.5 TgC, and the vegetation NPP spatial distribution pattern showed that the NPP in northern and western mountainous areas was higher, while the NPP in plain area was lower. ② The seasonal vegetation NPP in Beijing changed significantly. The NPP in summer was the largest, accounting for 62% of the NPP in the whole year. The smallest was in winter, accounted for only 3%, and the NPP in spring and autumn respectively accounted for 18% and 17% of the total NPP. ③ The vegetation NPP was limited by water and heat conditions. However, the main limiting factor was different in different areas. The natural vegetation in the northern and western mountainous areas was more affected by the temperature, while the crops in plain area were more easily affected by the precipitation. And the vegetation in the transition area from mountains to the plain was more affected by the solar radiation.

net primary productivity (NPP); carnegie-ames-stanford approach(CASA) model; remote sensing; Beijing

2013-10-16；

2013-12-28

國家自然科學(xué)青年基金項(xiàng)目(編號(hào)： 41101501)、國家自然科學(xué)面上基金項(xiàng)目(編號(hào)： 41371540)和遙感科學(xué)國家重點(diǎn)實(shí)驗(yàn)室基金項(xiàng)目(編號(hào)： 10QN-06)共同資助。

10.6046/gtzyyg.2015.01.21

尹鍇，田亦陳，袁超，等.基于CASA模型的北京植被NPP時(shí)空格局及其因子解釋[J].國土資源遙感,2015,27(1):133-139.(Yin K，Tian Y C，Yuan C，et al.NPP spatial and temporal pattern of vegetation in Beijing and its factor explanation based on CASA model[J].Remote Sensing for Land and Resources,2015,27(1):133-139.)

TP 79

A

1001-070X(2015)01-0133-07

尹鍇(1979-)，男，博士，助理研究員，主要從事城市生態(tài)遙感與景觀規(guī)劃等方面的研究。Email： yinkai@irsa.ac.cn。

苑全治(1985-)，男，博士，主要從事土地利用/土地覆被監(jiān)測(cè)與預(yù)測(cè)等方面的研究。Email： yqz_108@163.com。