毛烏素沙地海流兔河流域植被凈初級(jí)生產(chǎn)力估算

張 燕， 尹立河， 胡伏生， 賈伍慧， 王曉勇， 徐丹丹， 張 俊， 劉天罡

〔1. 中國(guó)地質(zhì)大學(xué)(北京)水資源與環(huán)境學(xué)院， 北京 100083； 2. 中國(guó)地質(zhì)調(diào)查局西安地質(zhì)調(diào)查中心， 陜西 西安 710054； 3. 長(zhǎng)安大學(xué)環(huán)境科學(xué)與工程學(xué)院， 陜西 西安 710064〕

毛烏素沙地海流兔河流域植被凈初級(jí)生產(chǎn)力估算

張 燕1， 尹立河2，①， 胡伏生1， 賈伍慧1， 王曉勇2， 徐丹丹3， 張 俊2， 劉天罡1

〔1. 中國(guó)地質(zhì)大學(xué)(北京)水資源與環(huán)境學(xué)院， 北京 100083； 2. 中國(guó)地質(zhì)調(diào)查局西安地質(zhì)調(diào)查中心， 陜西 西安 710054； 3. 長(zhǎng)安大學(xué)環(huán)境科學(xué)與工程學(xué)院， 陜西 西安 710064〕

采用CASA(Carnegie-Ames-Stanford Approach)模型，結(jié)合TERRA MODIS衛(wèi)星數(shù)據(jù)和氣象數(shù)據(jù)，對(duì)毛烏素沙地海流兔河流域2015年各月的植被凈初級(jí)生產(chǎn)力(NPP)進(jìn)行估算，并對(duì)植被NPP月平均值的時(shí)空分布規(guī)律及其與氣象因子和地下水位埋深的關(guān)系進(jìn)行了分析。結(jié)果表明：毛烏素沙地海流兔河流域2015年植被NPP總量為2.88×1011g，生長(zhǎng)季(4月份至10月份)的植被NPP總量達(dá)2.81×1011g，占全年植被NPP總量的97.57%。隨著時(shí)間推移，植被NPP月平均值和歸一化差分植被指數(shù)(NDVI)月平均值呈“緩慢增加—急劇增加—急劇下降”的變化趨勢(shì)。植被NPP月平均值季節(jié)變化明顯，春季、夏季、秋季和冬季植被NPP月平均值之和分別為20.55、69.39、20.46和0.48 g·m-2。從空間分布上看，中部河谷和灘地的植被NPP月平均值總體上高于東南部、西部和西北部等沙丘荒漠區(qū)。月平均氣溫對(duì)植被NPP月平均值變化的影響最大，其次為平均實(shí)際日蒸散發(fā)量和地表月太陽(yáng)輻射。植被NPP月平均值隨著地下水位埋深的增加而減小，最大值出現(xiàn)在地下水位埋深1～2 m之間。上述研究結(jié)果顯示：采用CASA模型可以較好地估算毛烏素沙地海流兔河流域植被NPP值，月平均氣溫和地下水位埋深對(duì)該流域植被NPP值的影響較大。

毛烏素沙地海流兔河流域； 凈初級(jí)生產(chǎn)力(NPP)； CASA模型； 時(shí)空分布； 氣象因子； 地下水位埋深

Abstract： Taking CASA (Carnegie-Ames-Stanford Approach) model， and combing TERRA MODIS satellite data and meteorological data， vegetation net primary productivity (NPP) of each month in Hailiutu River catchment of Mu Us Sandland in 2015 was estimated， and spatial and temporal distribution rule and its relationships with meteorological factors and depth to water table were analyzed. The results show that in 2015, total vegetation NPP is 2.88×1011g in Hailiutu River catchment of Mu Us Sandland， and the sum of vegetation NPP during the growing season (April to October) reaches 2.81×1011g， accounting for 97.57% of total vegetation NPP of whole year. With prolonging of time， monthly mean vegetation NPP and monthly mean normalized difference vegetation index (NDVI) appear the trend of “increasing slowly-increasing sharply-decreasing sharply”. The seasonal variation of monthly mean vegetation NPP is clear， and the sums of monthly mean vegetation NPP in spring， summer， autumn and winter are 20.55， 69.39， 20.46 and 0.48 g·m-2， respectively. On the view of spatial distribution， monthly mean vegetation NPP in river valley and bottomland in middle area is generally higher than that in dune and desert in southeastern, western and northwestern areas. The effect of monthly mean temperature on change of monthly mean vegetation NPP is the greatest， following by mean actual daily evapotranspiration and surface monthly solar radiation. With increasing of depth to water table， monthly mean vegetation NPP decreases， and the maximum value occurs in depth to water table of 1-2 m. It is suggested that vegetation NPP in Hailiutu River catchment of Mu Us Sandland can be estimated well by using CASA model， and monthly mean temperature and depth to water table have important effects on vegetation NPP in this catchment.

Keywords： Hailiutu River catchment of Mu Us Sandland； net primary productivity (NPP)； CASA model； spatial and temporal distribution； meteorological factor； depth to water table

在遙感應(yīng)用中，常使用歸一化差分植被指數(shù)(normalized difference vegetation index，NDVI)和植被凈初級(jí)生產(chǎn)力(net primary productivity，NPP)表示地表植被的生長(zhǎng)狀況。植被NPP值是指綠色植物在初級(jí)生產(chǎn)過(guò)程中，單位時(shí)間和面積積累的有機(jī)物質(zhì)總量[1]。植被NPP值是陸地生態(tài)系統(tǒng)質(zhì)量狀況的表征，反映自然條件下植物群落的生產(chǎn)能力，是全球碳循環(huán)研究的核心內(nèi)容之一[2-3]。準(zhǔn)確估算植被NPP值有助于解決碳平衡、水資源開發(fā)的生態(tài)效應(yīng)以及生態(tài)環(huán)境恢復(fù)評(píng)估等問(wèn)題。但由于很難直接測(cè)量大范圍的植被NPP值，故利用模型進(jìn)行間接估算是目前的主流方式。目前，很多模型可用于估算植被NPP值，包括氣候生產(chǎn)力模型、生理生態(tài)過(guò)程模型及光能利用率模型等[4]。其中，光能利用率模型采用資源平衡原理[2]估算植被NPP值，該模型所需的植被指數(shù)、植被實(shí)際吸收的光合有效輻射和地表溫度等數(shù)據(jù)均可以直接從衛(wèi)星遙感數(shù)據(jù)獲得，能夠?qū)崿F(xiàn)區(qū)域或全球尺度上植被NPP空間分布的直觀表達(dá)，是目前最常用的植被NPP值估算模型。CASA(Carnegie-Ames-Stanford Approach)模型是一種被廣泛使用的光能利用率模型，已用于研究陜北黃土高原地區(qū)[5]及內(nèi)蒙古錫林河流域[6]植被NPP值的動(dòng)態(tài)變化特征。

毛烏素沙地地處鄂爾多斯高原的中部和南部，位于荒漠草原—草原—森林草原的過(guò)渡帶上，地貌以沙丘、灘地和河谷為主，屬于典型的半干旱氣候。該地區(qū)曾因不合理的農(nóng)業(yè)發(fā)展和過(guò)度放牧，造成了土地荒漠化，植被退化嚴(yán)重[7]。2000年以來(lái)，隨著國(guó)家退耕還林(草)工程的實(shí)施，毛烏素沙地的生態(tài)環(huán)境得到很大改善。趙燦等[8]的研究指出，毛烏素沙地典型沙生灌木植被可以基于地上部分的植被NPP值來(lái)估算地下部分的NPP值。2001年至2010年，毛烏素沙地(內(nèi)蒙古部分)的植被NPP值呈上升趨勢(shì)[9]。潘桂行等[10]通過(guò)對(duì)NDVI值的分析指出，2000年至2014年，海流兔河流域的植被生態(tài)呈良性發(fā)展趨勢(shì)。呂京京[11]研究認(rèn)為，海流兔河流域NDVI值存在明顯的季節(jié)性變化。但尚無(wú)關(guān)于海流兔河流域植被NPP值的研究，海流兔河流域區(qū)域尺度上植被NPP值的時(shí)空分布特征尚不明確，對(duì)于月尺度上植被NPP值的變化規(guī)律也缺乏相關(guān)研究。

本研究以毛烏素沙地東南緣的海流兔河流域?yàn)檠芯繀^(qū)，利用遙感方法，采用CASA模型估算海流兔河流域2015年的植被NPP值，分析其時(shí)空變化規(guī)律及其與氣候因子的關(guān)系，以期為該地區(qū)的生態(tài)環(huán)境修復(fù)提供技術(shù)支撐。

1 研究區(qū)概況和研究方法

1.1 研究區(qū)概況

海流兔河流域位于毛烏素沙地的東南緣，地理坐標(biāo)為東經(jīng)108°38′18″～109°18′50″、北緯38°02′18″～38°50′51″，流域面積約2 600 km2(圖1)。研究區(qū)內(nèi)總的地勢(shì)為北高、南低，東西高、中間低，高程一般為980～1 480 m。流域內(nèi)主要地貌類型為風(fēng)沙灘地，流域中部為河谷地貌。海流兔河流域?qū)俚湫偷陌敫珊祬^(qū)氣候，多年平均降水量350 mm，多年平均潛在蒸散發(fā)量約2 000 mm[12]。研究區(qū)內(nèi)的優(yōu)勢(shì)植被包括沙蒿(ArtemisiadesertorumSpreng.)、北沙柳(SalixpsammophilaC. Wang et Chang Y. Yang)和旱柳(S.matsudanaKoidz.)等。研究區(qū)內(nèi)地質(zhì)條件簡(jiǎn)單，地表為第四系松散層，其下為白堊系洛河組砂巖，且多被第四系松散層覆蓋。

： 芨芨草Achnatherum splendens (Trin.) Nevski； ： 本氏針茅Stipa capillata Linn.； ： 旱柳Salix matsudana Koidz.； ： 北沙柳+檸條錦雞兒Salix psammophila C. Wang et Chang Y. Yang+Caragana korshinskii Kom.； ： 小葉錦雞兒Caragana microphylla Lam.； ： 沙蒿Artemisia desertorum Spreng.； ： 北沙柳S. psammophila； ： 黑沙蒿Artemisia ordosica Krasch； ： 低矮薹草Carex humilis Leyss.； ： 小葉錦雞兒+黑沙蒿C. microphylla+A. ordosica； ： 小葉楊Populus simonii Carr.； ： 堿茅+衛(wèi)矛Puccinellia distans (Linn.) Parl.+Euonymus alatus (Thunb.) Sieb. ： 城鎮(zhèn)村及工礦用地Urban village， industrial and mining land； ： 耕地Farmland； ： 其他用地Other land. ★： 國(guó)土資源部地下水與生態(tài)-陜西榆林野外科學(xué)觀測(cè)研究基地Groundwater and Ecology of Ministry of Land and Resources-Field Scientific Observation and Research Station in Yulin， Shaanxi.圖1 毛烏素沙地海流兔河流域地理位置及植被類型Fig. 1 Geographic location and vegetation types in Hailiutu River catchment of Mu Us Sandland

1.2 數(shù)據(jù)來(lái)源

本研究采用美國(guó)國(guó)家航空航天局(NASA)地球觀測(cè)系統(tǒng)(EOS)系列衛(wèi)星提供的TERRA MODIS(moderate-resolution imaging spectroradiometer)衛(wèi)星數(shù)據(jù)，數(shù)據(jù)格式為EOS-HDF(下載地址：http：∥ladsweb.nascom.nasa.gov/)，衛(wèi)星過(guò)境時(shí)間為上午10：30。主要選取MOD09地表反射率產(chǎn)品(空間分辨率500 m)、MOD11地表溫度/地表比輻射率產(chǎn)品(空間分辨率1 km)以及MOD13植被指數(shù)產(chǎn)品(空間分辨率250 m)，時(shí)間序列均為2015年1月1日至2015年12月31日。利用MRT(modis reprojection tool)工具從MOD11地表溫度/地表比輻射率產(chǎn)品中提取地表溫度。利用ENVI 5.1軟件從MOD13植被數(shù)據(jù)產(chǎn)品中提取NDVI值。所有遙感影像數(shù)據(jù)在ENVI 5.1軟件中進(jìn)行投影變換和重采樣，以保證遙感影像數(shù)據(jù)的一致性。

氣象數(shù)據(jù)來(lái)自國(guó)土資源部地下水與生態(tài)-陜西榆林野外科學(xué)觀測(cè)研究基地，該基地位于陜西省榆林區(qū)榆陽(yáng)市補(bǔ)浪河鄉(xiāng)，地理坐標(biāo)為東經(jīng)109°11′42″、北緯38°23′27″，平均海拔1 250.5 m(圖1)。氣象數(shù)據(jù)包括氣溫、風(fēng)速和降水量。使用ONSET HOBO S-LIB-M003高精度太陽(yáng)總輻射傳感器(美國(guó)ONSET公司)監(jiān)測(cè)地表瞬時(shí)太陽(yáng)輻射，據(jù)此計(jì)算地表月太陽(yáng)輻射。氣象數(shù)據(jù)的時(shí)間序列與遙感影像數(shù)據(jù)一致，即從2015年1月1日至2015年12月31日。

1.3 研究方法

基于CASA模型，結(jié)合遙感影像和氣象等數(shù)據(jù)，利用植被實(shí)際吸收的光合有效輻射(absorbed photosynthetically active radiation，APAR)和實(shí)際光能利用率(ε)估算植被NPP，其估算公式為NPP=APAR·ε[13]。植被NPP總量為NPP月平均值之和與流域面積的乘積。

采用Su[14-15]提出的基于表面能量平衡系統(tǒng)(Surface Energy Balance System，SEBS)的模型計(jì)算區(qū)域?qū)嶋H日蒸散發(fā)量。地球表面任意點(diǎn)能量平衡的計(jì)算公式為Rn=G0+H+λE。式中：Rn為凈輻射通量；G0為土壤熱通量；H為感熱通量；λE為潛熱通量，其中，λ為汽化潛熱，E為瞬時(shí)蒸散發(fā)量。該模型中實(shí)際日蒸散發(fā)量的計(jì)算公式為Edaily=8.64×107β〔(Rn-G0)/λρw〕。式中：Edaily為實(shí)際日蒸散發(fā)量；β為日蒸發(fā)比；ρw為水密度。

1.4 數(shù)據(jù)處理與統(tǒng)計(jì)分析

利用ENVI 5.1軟件對(duì)遙感影像數(shù)據(jù)進(jìn)行幾何校正、重采樣、波段運(yùn)算、統(tǒng)計(jì)等處理；利用ArcGIS 10.2軟件繪制地下水位埋深圖并導(dǎo)入ENVI 5.1軟件重采樣，使其與遙感影像數(shù)據(jù)的空間分辨率保持一致；采用EXCEL 2013軟件對(duì)數(shù)據(jù)進(jìn)行整理等處理；采用SPSS 18.0統(tǒng)計(jì)分析軟件對(duì)計(jì)算結(jié)果進(jìn)行統(tǒng)計(jì)分析，并對(duì)相關(guān)性進(jìn)行顯著性檢驗(yàn)。

2 結(jié)果和分析

2.1 時(shí)間變化分析

毛烏素沙地海流兔河流域2015年各月份植被NPP月平均值和NDVI月平均值的變化見(jiàn)圖2。

圖2 毛烏素沙地海流兔河流域2015年植被凈初級(jí)生產(chǎn)力(NPP)月平均值與歸一化差分植被指數(shù)(NDVI)月平均值的變化Fig. 2 Variations of monthly mean vegetation net primary productivity (NPP) and monthly mean normalized difference vegetation index (NDVI) in Hailiutu River catchment of Mu Us Sandland in 2015

由圖2可見(jiàn)：毛烏素沙地海流兔河流域2015年植被NPP月平均值總和為110.88 g·m-2。隨著時(shí)間推移，植被NPP月平均值呈“緩慢增加—急劇增加—急劇下降”的變化趨勢(shì)。1月份、2月份和3月份的植被NPP月平均值分別為0.12、0.23和1.43 g·m-2。從4月份開始，植被開始復(fù)蘇生長(zhǎng)，植被NPP月平均值急劇增加。7月份和8月份的植被NPP月平均值均較高，二者之和幾乎占全年植被NPP月平均值總和的一半，其中8月份植被NPP月平均值最大，為27.10 g·m-2；從9月份開始，植被NPP

月平均值開始減小，9月份植被NPP月平均值為15.47 g·m-2。11月份和12月份植被NPP月平均值明顯變小，12月份植被NPP月平均值僅為0.11 g·m-2。

毛烏素沙地海流兔河流域植被NPP月平均值具有明顯的季節(jié)變化。由于1月份和2月份植被NPP月平均值極小，植被幾乎停止生長(zhǎng)，年際間差別可以忽略，故采用2015年1月份和2月份的植被NPP月平均值代替次年1月份和2月份的植被NPP月平均值。計(jì)算結(jié)果顯示：春季(3月份至5月份)、夏季(6月份至8月份)、秋季(9月份至11月份)和冬季(12月份至次年2月份)的植被NPP月平均值之和分別為20.55、69.39、20.46和0.48 g·m-2。

由圖2還可見(jiàn)：毛烏素沙地海流兔河流域2015年NDVI月平均值與植被NPP月平均值的變化趨勢(shì)一致，也在夏季達(dá)到最大值，進(jìn)入冬季后NDVI月平均值較低。

進(jìn)一步計(jì)算結(jié)果顯示：毛烏素沙地海流兔河流域2015年植被NPP總量為2.88×1011g，其中，生長(zhǎng)季(4月份至10月份)的植被NPP總量達(dá)2.81×1011g，占全年植被NPP總量的97.57%。

2.2 空間變化分析

毛烏素沙地海流兔河流域2015年各月份植被NPP月平均值空間分布動(dòng)態(tài)變化過(guò)程見(jiàn)圖3。由圖3

： 0.0 g·m-240.0 g·m-2. M： 植被凈初級(jí)生產(chǎn)力月平均值Monthly mean vegetation net primary productivity.圖3 毛烏素沙地海流兔河流域2015年植被凈初級(jí)生產(chǎn)力月平均值空間分布的變化Fig. 3 Variation of spatial distribution of monthly mean vegetation net primary productivity in Hailiutu River catchment of Mu Us Sandland in 2015

可見(jiàn)：海流兔河流域植被NPP月平均值的變化在空間上差異較大。1月份至8月份植被NPP月平均值呈增加趨勢(shì)，9月份至12月份植被NPP月平均值呈下降趨勢(shì)。毛烏素沙地海流兔河流域中部植被NPP月平均值高于東南部、西部和西北部，尤其是中部河谷及河兩岸的灘地的植被生長(zhǎng)情況優(yōu)于其他地區(qū)。

2.3 與氣象因子的關(guān)系分析

采用一元線性回歸方法分析毛烏素沙地海流兔河流域2015年各月植被NPP月平均值與氣象因子的相關(guān)性，結(jié)果見(jiàn)圖4。由圖4可見(jiàn)：毛烏素沙地海流兔河流域植被NPP月平均值與月平均氣溫的相關(guān)性最強(qiáng)(圖4-A)，R2值達(dá)到0.843 4，相關(guān)性達(dá)到極顯著水平(P<0.01)；植被NPP月平均值與平均實(shí)際日蒸散發(fā)量(圖4-B)和地表月太陽(yáng)輻射(圖4-C)的相關(guān)性較強(qiáng)，R2值分別為0.580 0和0.572 0，相關(guān)性均達(dá)到極顯著水平；植被NPP月平均值與月降水量的相關(guān)性較弱(圖4-D)，R2值僅為0.333 1，相關(guān)性達(dá)到顯著水平(P<0.05)；而植被NPP月平均值與月平均風(fēng)速無(wú)相關(guān)關(guān)系(圖4-E)，R2值極小，僅為0.000 4。

tm： 月平均氣溫Monthly mean temperature； MADE： 平均實(shí)際日蒸散發(fā)量Mean actual daily evapotranspiration； SMSR： 地表月太陽(yáng)輻射Surface monthly solar radiation； Pm： 月降水量Monthly precipitation； MMWS： 月平均風(fēng)速M(fèi)onthly mean wind speed.圖4 毛烏素沙地海流兔河流域2015年植被凈初級(jí)生產(chǎn)力(NPP)月平均值與氣象因子的相關(guān)性分析Fig. 4 Correlation analysis between monthly mean vegetation net primary productivity (NPP) and meteorological factors in Hailiutu River catchment of Mu Us Sandland in 2015

2.4 與地下水位埋深的關(guān)系分析

采用毛烏素沙地海流兔河流域8月份植被NPP月平均值與同期實(shí)測(cè)的地下水位埋深分析植被與地下水的關(guān)系。將植被NPP月平均值與地下水位埋深在ENVI 5.1軟件中進(jìn)行重采樣處理，共得到29 575個(gè)網(wǎng)格，以此繪制植被NPP月平均值與地下水位埋深的散點(diǎn)圖(圖5)。毛烏素沙地海流兔河流域植被NPP月平均值與地下水位埋深的散點(diǎn)主要集中在植被NPP月平均值10～40 g·m-2及地下水位埋深小于15 m的區(qū)間范圍內(nèi)。

為了定量描述毛烏素沙地海流兔河流域植被NPP月平均值與地下水位埋深的關(guān)系，按地下水位埋深1 m間隔計(jì)算植被NPP分段月平均值。由于地下水位埋深大于40 m的植被NPP月平均值上升可能是由農(nóng)田灌溉造成的，故僅對(duì)地下水位埋深小于40 m的數(shù)據(jù)進(jìn)行趨勢(shì)性分析(圖6)。毛烏素沙地海流兔河流域內(nèi)植被NPP分段月平均值隨著地下水位埋深的增加而減小，呈負(fù)相關(guān)，R2值為0.883 2，相關(guān)性達(dá)極顯著水平(P<0.01)。植被NPP分段月平均值的最大值出現(xiàn)在地下水位埋深1～2 m之間，推測(cè)此范圍內(nèi)地表植被類型豐富，植被能夠充分利用地下水[16]，植被的發(fā)育狀況較好。

圖5 毛烏素沙地海流兔河流域2015年植被凈初級(jí)生產(chǎn)力(NPP)月平均值與地下水位埋深散點(diǎn)圖Fig. 5 Scatter plot of monthly mean vegetation net primary productivity (NPP) and depth to water table in Hailiutu River catchment of Mu Us Sandland in 2015

圖6 毛烏素沙地海流兔河流域2015年植被凈初級(jí)生產(chǎn)力(NPP)分段月平均值與地下水位埋深的關(guān)系Fig. 6 Relation between segmental monthly mean vegetation net primary productivity (NPP) and depth to water table in Hailiutu River catchment of Mu Us Sandland in 2015

3 討 論

目前，陸面植被NPP值無(wú)法直接測(cè)量，利用模型估算植被NPP值是一種重要的且被廣泛使用的研究方法[17]。CASA模型是光能利用率模型的一個(gè)典型代表，在大尺度植被NPP值和全球碳循環(huán)研究中被廣泛應(yīng)用[18]。朱文泉等[19]與閆偉兄等[20]在利用CASA模型估算植被NPP值時(shí)，均采用周廣勝等[21]建立的模型計(jì)算區(qū)域?qū)嶋H蒸散發(fā)量，但該模型只考慮了降水量和地表太陽(yáng)凈輻射，忽略了平均氣溫和平均風(fēng)速對(duì)區(qū)域?qū)嶋H蒸散發(fā)量的影響。崔旭東等[22]及張雨航等[23]采用水均衡法對(duì)海流兔河流域SEBS模型估算的蒸散發(fā)量進(jìn)行驗(yàn)證，結(jié)果證明SEBS模型計(jì)算出的區(qū)域?qū)嶋H蒸散發(fā)量是可靠的，因此，本研究采用SEBS模型估算區(qū)域?qū)嶋H日蒸散發(fā)量。

3.1 植被NPP值的時(shí)空變化

毛烏素沙地海流兔河流域植被NPP值具有明顯的季節(jié)變化，這與流域內(nèi)地表太陽(yáng)輻射、降水量、氣溫、日照時(shí)長(zhǎng)以及農(nóng)業(yè)生產(chǎn)活動(dòng)等具有相關(guān)性[24]。春季(3月份至5月份)，毛烏素沙地海流兔河流域內(nèi)氣溫回升，地表太陽(yáng)輻射和降水量均有所增加，植被開始復(fù)蘇生長(zhǎng)，5月份植被NPP月平均值明顯增長(zhǎng)；夏季(6月份至8月份)，流域內(nèi)進(jìn)入高溫季節(jié)，降水量大幅度增加，地表太陽(yáng)輻射處于最高值，水熱條件均最適合植被生長(zhǎng)，植被NPP月平均值達(dá)到最大，占全年植被NPP月平均值總和的63.6%；秋季(9月份至11月份)，氣溫回落，降水量相對(duì)減少，地表太陽(yáng)輻射降低，植被生長(zhǎng)變緩且葉片開始枯黃掉落，植被NPP月平均值迅速下降；冬季(12月份至次年2月份)，整個(gè)流域內(nèi)氣候寒冷，地表有降雪，土壤中有機(jī)質(zhì)積累較少，植被基本停止生長(zhǎng)，植被NPP月平均值降到最低[25]。

毛烏素沙地海流兔河流域中部的植被NPP月平均值高于東南部、西部和西北部，推測(cè)原因?yàn)榱饔蛑胁恐饕獮闉┑氐孛?，地下水位埋深較小，植被覆蓋度較高，植被發(fā)育狀況較好，所以植被NPP月平均值也較高；毛烏素沙地海流兔河流域東南部、西部和西北部等地區(qū)主要為沙丘、沙蓋基巖梁地地貌，地下水位埋深較大，植被覆蓋度較低，植被發(fā)育狀況較差，植被NPP月平均值較低。

3.2 植被NPP值的影響因素

Field等[2]提出陸地植被NPP值受氣候、地形、土壤、植物生理特征以及人類活動(dòng)等多種因素的綜合影響。氣候變化不僅會(huì)改變陸地生態(tài)系統(tǒng)的結(jié)構(gòu)[26]，還會(huì)影響陸地生態(tài)系統(tǒng)的功能[27]。已有研究結(jié)果表明：外界環(huán)境(溫度、水分和CO2濃度等)對(duì)陸地植被NPP值的影響非常復(fù)雜，不同地區(qū)氣象因子對(duì)陸地植被NPP值的影響也各不相同[28]。本研究中，影響毛烏素沙地海流兔河流域植被NPP月平均值最主要的氣象因子為月平均氣溫，與潘竟虎等[29]和陳強(qiáng)等[30]指出的在月尺度上氣溫是植被NPP值變化的主控因子的結(jié)論一致。而穆少杰等[9]研究認(rèn)為，內(nèi)蒙古荒漠草原植被NPP值主要受降水量控制，推測(cè)原因如下：一是研究區(qū)范圍不同，穆少杰等[9]將整個(gè)內(nèi)蒙古地區(qū)作為研究區(qū)，其氣候類型、降水量和植被類型的空間格局變化差異較大，而本研究的研究區(qū)范圍相對(duì)較小，月降水量分布變化不大；二是穆少杰等[9]的研究期為10年，而本研究期僅1年，具有一定的偶然性，因此，應(yīng)在后續(xù)的研究工作中進(jìn)行長(zhǎng)時(shí)間序列、大空間尺度的研究。此外，不同學(xué)者對(duì)植被NPP值模擬的結(jié)論不同，也可能與選用的數(shù)據(jù)來(lái)源、時(shí)空分辨率、參數(shù)計(jì)算方法或估算模型等不同有關(guān)。

在干旱-半干旱地區(qū)，地下水往往控制著生態(tài)系統(tǒng)的結(jié)構(gòu)、功能和多樣性[31]。植被的結(jié)構(gòu)類型、生長(zhǎng)狀況及其分布規(guī)律通常與地下水有密不可分的聯(lián)系。前人討論了海流兔河流域NDVI值分布與地下水位埋深之間的相互關(guān)系，指出隨地下水位埋深增加，NDVI值波動(dòng)變小，NDVI最大值出現(xiàn)在地下水位埋深2～3 m之間[32]。本研究中，毛烏素沙地海流兔河流域植被NPP月平均值隨著地下水位埋深的增加而減小，且植被NPP月平均值的最大值出現(xiàn)在地下水位埋深1～2 m之間，推測(cè)由于在地下水淺埋區(qū)，植被類型豐富，植被NPP月平均值較大。

由于本研究存在遙感影像數(shù)據(jù)空間分辨率低、未考慮人類活動(dòng)影響等不足之處，因此，下一步研究重點(diǎn)應(yīng)為利用高分辨率遙感影像數(shù)據(jù)研究長(zhǎng)時(shí)間序列植被NPP值的動(dòng)態(tài)變化，并分析年際尺度上植被NPP值與氣候及人類活動(dòng)的關(guān)系，為研究區(qū)的生態(tài)環(huán)境保護(hù)及發(fā)展提供數(shù)據(jù)支撐。

4 結(jié) 論

本文采用CASA模型，結(jié)合TERRA MODIS衛(wèi)星數(shù)據(jù)和氣象數(shù)據(jù)，對(duì)毛烏素沙地海流兔河流域2015年植被NPP進(jìn)行了估算，主要得到以下結(jié)論：

1)毛烏素沙地海流兔河流域2015年植被NPP總量為2.88×1011g，生長(zhǎng)季(4月份至10月份)的植被NPP總量達(dá)2.81×1011g，占全年植被NPP總量的97.57%。全年植被NPP月平均值總和為110.88 g·m-2。月尺度上植被NPP月平均值呈“緩慢增加—急劇增加—急劇下降”的變化趨勢(shì)，8月份的植被NPP月平均值最大，之后開始下降。春季、夏季、秋季和冬季植被NPP月平均值之和分別為20.55、69.39、20.46和0.48 g·m-2。

2)毛烏素沙地海流兔河流域植被NPP月平均值的空間分布趨勢(shì)總體上為中部向東南部、西部和西北部遞減，尤其是中部河谷和灘地的植被NPP月平均值高于其他地區(qū)；東南部、西部和西北部為沙丘荒漠區(qū)，主要地貌為沙丘、沙蓋基巖梁地，植被覆蓋度較低，其植被NPP月平均值也偏小。

3)毛烏素沙地海流兔河流域植被NPP月平均值變化的主要影響因子是月平均氣溫，其次是平均實(shí)際日蒸散發(fā)量和地表月太陽(yáng)輻射；植被NPP月平均值與月平均風(fēng)速不存在相關(guān)關(guān)系。

4)毛烏素沙地海流兔河流域植被NPP月平均值隨地下水位埋深的增加而減小，地下水位埋深1～2 m時(shí)，植被NPP月平均值最大。

[1] LIU J， CHEN J M， CIHLAR J， et al. Net primary productivity distribution in the BOREAS region from a process model using satellite and surface data[J]. Journal of Geophysical Research， 1999， 104： 27735-27754.

[2] FIELD C B， RANDERSON J T， MALMSTR?M C M. Global net primary production： combining ecology and remote sensing[J]. Remote Sensing of Environment， 1995， 51： 74-88.

[3] 樸世龍， 方精云， 郭慶華. 利用CASA模型估算我國(guó)植被凈第一性生產(chǎn)力[J]. 植物生態(tài)學(xué)報(bào)， 2001， 25(5)： 603-608.

[4] RUIMY A， SAUGIER B， DEDIEU G. Methodology for the estimation of terrestrial net primary production from remotely sensed data[J]. Journal of Geophysical Research， 1994， 99： 5263-5283.

[5] 宋富強(qiáng)， 康慕誼， 陳雅如， 等. 陜北黃土高原植被凈初級(jí)生產(chǎn)力的估算[J]. 生態(tài)學(xué)雜志， 2009， 28(11)： 2311-2318.

[6] 張 峰， 周廣勝， 王玉輝. 基于CASA模型的內(nèi)蒙古典型草原植被凈初級(jí)生產(chǎn)力動(dòng)態(tài)模擬[J]. 植物生態(tài)學(xué)報(bào)， 2008， 32(4)： 786-797.

[7] 丁國(guó)棟. 區(qū)域荒漠化評(píng)價(jià)中植被的指示性及蓋度分級(jí)標(biāo)準(zhǔn)研究： 以毛烏素沙區(qū)為例[J]. 水土保持學(xué)報(bào)， 2004， 18(1)： 158-160.

[8] 趙 燦， 張宇清， 秦樹高， 等. 3種典型沙生灌木NPP及其分配格局[J]. 北京林業(yè)大學(xué)學(xué)報(bào)， 2014， 36(5)： 62-67.

[9] 穆少杰， 李建龍， 楊紅飛， 等. 內(nèi)蒙古草地生態(tài)系統(tǒng)近10年NPP時(shí)空變化及其與氣候的關(guān)系[J]. 草業(yè)學(xué)報(bào)， 2013， 22(3)： 6-15.

[10] 潘桂行， 喬曉英， 黃金延， 等. 2000～2014年海流兔河流域植被覆蓋度變化及其驅(qū)動(dòng)因素分析[J]. 安徽農(nóng)業(yè)科學(xué)， 2015， 43(31)： 264-267， 271.

[11] 呂京京. 海流兔河流域地下水對(duì)植被指數(shù)分布的影響研究[D]. 北京： 中國(guó)地質(zhì)大學(xué)(北京)水資源與環(huán)境學(xué)院， 2013： 60-63.

[12] 張 強(qiáng). 海流兔流域生態(tài)植被變化與環(huán)境影響因素研究[D]. 北京： 中國(guó)地質(zhì)大學(xué)(北京)水資源與環(huán)境學(xué)院， 2011： 9-11.

[13] 朱文泉， 潘耀忠， 張錦水. 中國(guó)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.

[14] SU Z. The Surface Energy Balance System (SEBS) for estimation of turbulent heat fluxes[J]. Hydrology and Earth System Sciences， 2002， 6： 85-99．

[15] SU Z. Remote sensing of land use and vegetation for mesoscale hydrological studies[J]. International Journal of Remote Sensing， 2000， 21： 213-233．

[16] 王彥閣， 楊曉暉， 慈龍駿. 西鄂爾多斯高原干旱荒漠灌木群落空間分布格局及其競(jìng)爭(zhēng)關(guān)系分析[J]. 植物資源與環(huán)境學(xué)報(bào)， 2010， 19(2)： 8-14.

[17] ALEXANDROV G A， OIKAWA T， YAMAGATA Y. The scheme for globalization of a process-based model explaining gradations in terrestrial NPP and its application[J]. Ecological Modelling， 2002， 148： 293-306.

[18] ICHII K， MATSUI Y， YAMAGUCHI Y， et al. Comparison of global net primary production trends obtained from satellite-based normalized difference vegetation index and carbon cycle model[J]. Global Biogeochemical Cycles， 2001， 15： 351-363.

[19] 朱文泉， 潘耀忠， 龍中華， 等. 基于GIS和RS的區(qū)域陸地植被NPP估算： 以中國(guó)內(nèi)蒙古為例[J]. 遙感學(xué)報(bào)， 2005， 9(3)： 300-307.

[20] 閆偉兄， 陳素華， 烏蘭巴特爾， 等. 內(nèi)蒙古典型草原區(qū)植被NPP對(duì)氣候變化的響應(yīng)[J]. 自然資源學(xué)報(bào)， 2009， 24(9)： 1625-1634.

[21] 周廣勝， 張新時(shí). 全球變化的中國(guó)氣候-植被分類研究[J]. 植物學(xué)報(bào)， 1996， 38(1)： 8-17.

[22] 崔旭東， 陶正平， 張 俊， 等. 基于SEBS方法的蒸散量計(jì)算及可靠度分析： 以鄂爾多斯高原海流兔河為例[J]. 勘察科學(xué)技術(shù)， 2011(6)： 10-12， 55.

[23] 張雨航， 王曉林， 胡光成. 基于MODIS數(shù)據(jù)的海流兔河流域蒸散量的計(jì)算[J]. 地球科學(xué)——中國(guó)地質(zhì)大學(xué)學(xué)報(bào)， 2012， 37(2)： 375-380.

[24] 盧 玲， 李 新， VEROUSTRAETE F. 黑河流域植被凈初級(jí)生產(chǎn)力的遙感估算[J]. 中國(guó)沙漠， 2005， 25(6)： 823-830.

[25] 王建林， 歐陽(yáng)華， 王忠紅， 等. 青藏高原高寒草原生態(tài)系統(tǒng)植被碳密度分布規(guī)律及其與氣候因子的關(guān)系[J]. 植物資源與環(huán)境學(xué)報(bào)， 2010， 19(1)： 1-7.

[26] ZAVALETA E S， SHAW M R， CHIARIELLO N R， et al. Additive effects of simulated climate changes， elevated CO2， and nitrogen deposition on grassland diversity[J]. Proceedings of the National Academy of Sciences of the United States of America， 2003， 100： 7650-7654.

[27] CAO M， ZHANG Q， SHUGART H H. Dynamic responses of African ecosystem carbon cycling to climate change[J]. Climate Research， 2001， 17： 183-193.

[28] 國(guó)志興， 王宗明， 張 柏， 等. 2000年～2006年?yáng)|北地區(qū)植被NPP的時(shí)空特征及影響因素分析[J]. 資源科學(xué)， 2008， 30(8)： 1226-1235.

[29] 潘竟虎， 黃克軍， 李 真. 2001—2010年疏勒河流域植被凈初級(jí)生產(chǎn)力時(shí)空變化及其與氣候因子的關(guān)系[J]. 生態(tài)學(xué)報(bào)， 2017， 37(6)： 1888-1899.

[30] 陳 強(qiáng)， 陳云浩， 王萌杰， 等. 2001—2010年黃河流域生態(tài)系統(tǒng)植被凈第一性生產(chǎn)力變化及氣候因素驅(qū)動(dòng)分析[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2014， 25(10)： 2811-2818.

[31] ROBINSON D A， CAMPBELL C S， HOPMANS J W， et al. Soil moisture measurement for ecological and hydrological watershed-scale observatories： a review[J]. Vadose Zone Journal， 2008， 7： 358-389.

[32] LV J， WANG X S， ZHOU Y， et al. Groundwater-dependent distribution of vegetation in Hailiutu River catchment， a semi-arid region in China[J]. Ecohydrology， 2013， 6： 142-149.

(責(zé)任編輯： 張明霞)

EstimationofvegetationnetprimaryproductivityinHailiutuRivercatchmentofMuUsSandland

ZHANG Yan1， YIN Lihe2，①， HU Fusheng1， JIA Wuhui1， WANG Xiaoyong2， XU Dandan3， ZHANG Jun2， LIU Tiangang1

〔1. School of Water Resources and Environment， China University of Geosciences (Beijing)， Beijing 100083， China； 2. Xi’an Center of Geological Survey of China Geological Survey， Xi’an 710054， China； 3. School of Environmental Science and Engineering， Chang’an University， Xi’an 710064， China〕，J.PlantResour. &Environ.， 2017，26(3)： 84-91

Q948.1； X87

A

1674-7895(2017)03-0084-08

10.3969/j.issn.1674-7895.2017.03.11

2017-02-10

國(guó)家自然科學(xué)基金資助項(xiàng)目(41472228)； 國(guó)土資源大調(diào)查項(xiàng)目(12120113104100)

張 燕(1993—)，女，甘肅武威人，碩士研究生，主要從事干旱區(qū)生態(tài)水文地質(zhì)方面的研究。

①通信作者E-mail： ylihe@cgs.cn