不同氣象插值方法精度評(píng)估及對(duì)草地NPP估算的影響

朱玉果, 杜靈通, 謝應(yīng)忠,3, 劉 可, 宮 菲, 丹 楊, 王 樂(lè)

(1.寧夏大學(xué) 西北土地退化與生態(tài)系統(tǒng)恢復(fù)省部共建國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地, 銀川 750021;2.寧夏大學(xué) 西北退化生態(tài)系統(tǒng)恢復(fù)與重建教育部重點(diǎn)實(shí)驗(yàn)室, 銀川 750021; 3.寧夏大學(xué) 農(nóng)學(xué)院, 銀川 750021)

植被凈初級(jí)生產(chǎn)力(Net Primary Productivity,NPP)是單位面積、單位時(shí)間內(nèi)綠色植物通過(guò)光合作用所獲取的有機(jī)物質(zhì)總量中扣除自養(yǎng)呼吸后的干物質(zhì)總量[1]。其反映了在自然環(huán)境條件下植被對(duì)CO2的固定能力，不僅是植被活動(dòng)的重要表征，而且是調(diào)節(jié)生態(tài)過(guò)程的重要依據(jù)，在生態(tài)系統(tǒng)的質(zhì)量狀況、生產(chǎn)能力評(píng)估等方面發(fā)揮著重要作用[2]，自19世紀(jì)植被凈初級(jí)生產(chǎn)力被提出之后便受到了全球?qū)W者的廣泛關(guān)注[3-5]。草地生態(tài)系統(tǒng)是全球分布最廣的生態(tài)系統(tǒng)，準(zhǔn)確估算其NPP對(duì)分析草地植被在全球氣候變化中的生態(tài)價(jià)值及全球碳循環(huán)收支平衡具有重要意義[6]。遙感技術(shù)是從空間上估算NPP的有效手段[7]，其中CASA模型應(yīng)用最為廣泛，它是一種充分考慮環(huán)境條件和植被本身特征的光能利用率模型，可從不同空間尺度估算NPP[8-10]。CASA模型在估算NPP時(shí)需要輸入遙感、氣象、輻射和土地利用類型等數(shù)據(jù)，而氣象數(shù)據(jù)則需經(jīng)過(guò)空間插值才可與遙感空間數(shù)據(jù)匹配，但不同插值方法獲取的氣象要素空間數(shù)據(jù)精度不一，這對(duì)CASA模型的運(yùn)算產(chǎn)生一定的影響，進(jìn)而影響到NPP的估算精度。

氣象要素的空間插值以盡可能建立接近實(shí)際空間分布特征的數(shù)學(xué)模擬方程為核心，根據(jù)區(qū)域內(nèi)可得的氣象要素樣本值以一定的插值函數(shù)模型進(jìn)行模擬，獲取氣象要素空間柵格數(shù)據(jù)[11]。目前應(yīng)用較多的插值方法有反距離權(quán)重(IDW)、克里金、最近鄰、樣條函數(shù)和Anusplin等插值法，現(xiàn)有研究表明，不同的插值方法存在著各自的優(yōu)劣[12-16]。也有學(xué)者對(duì)不同氣象插值方法在草地NPP估算中的可靠性進(jìn)行了評(píng)價(jià)，但不同類型草地NPP的估算精度可能對(duì)不同氣象插值方法的敏感度存在差異，特別是在草地類型多樣化的農(nóng)牧交錯(cuò)帶，因此需進(jìn)一步研究氣象數(shù)據(jù)插值方法對(duì)不同類型草地NPP估算的影響。

位于農(nóng)牧交錯(cuò)帶的寧夏有天然草地3.01萬(wàn)km2，依靠草地發(fā)展的草畜產(chǎn)業(yè)是寧夏今后打造國(guó)家級(jí)生態(tài)草牧業(yè)試驗(yàn)示范區(qū)的基礎(chǔ)，而準(zhǔn)確估算草地NPP及草地載畜能力對(duì)制定生態(tài)草牧業(yè)發(fā)展戰(zhàn)略具有重要的指導(dǎo)意義。為此，本研究根據(jù)寧夏境內(nèi)及周邊14個(gè)氣象站點(diǎn)2000—2015年的氣象數(shù)據(jù)，對(duì)利用反距離權(quán)重(IDW)、樣條函數(shù)及Anusplin這3種主流插值法獲取的寧夏氣象要素空間插值數(shù)據(jù)進(jìn)行對(duì)比，利用交叉檢驗(yàn)法對(duì)插值精度進(jìn)行驗(yàn)證，并探討氣象要素不同插值方法對(duì)不同類型草地NPP估算精度的影響，采用實(shí)測(cè)數(shù)據(jù)及MOD17A3 NPP數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證，以期優(yōu)選出最適宜于寧夏地區(qū)NPP估算的氣象要素空間插值方法。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況與數(shù)據(jù)

寧夏位于104°17′—107°39′E，35°14′—39°23′N，全區(qū)屬典型溫帶大陸性氣候，年降水量183～677 mm，主要降水集中于7月、8月，全區(qū)總面積5.18萬(wàn)km2，南北狹長(zhǎng)，地勢(shì)南高北低。寧夏草原面積廣闊，以干草原、荒漠草原為主，主要分布在中部風(fēng)沙干旱區(qū)的鹽池、靈武、同心等縣，另外，還有賀蘭山、南華山、西華山、月亮山、六盤(pán)山和云霧山等地的山地草原，天然草原是寧夏生態(tài)系統(tǒng)的重要組成部分，對(duì)構(gòu)建黃河中游上段的生態(tài)保護(hù)屏障意義重大。

氣象數(shù)據(jù)包括全區(qū)及周邊省區(qū)在內(nèi)14個(gè)氣象站點(diǎn)(圖1)2000—2015年的月平均氣溫、月總降水量以及太陽(yáng)總輻射數(shù)據(jù)，這些數(shù)據(jù)均來(lái)自中國(guó)氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/)。遙感影像數(shù)據(jù)包括MOD13A3 NDVI月值數(shù)據(jù)及MOD17A3 NPP年值數(shù)據(jù)，其空間分辨率均為1 km，均來(lái)自于NASA數(shù)據(jù)分發(fā)網(wǎng)站(https:∥ladsweb.modaps.eosdis.nasa.gov/)，采用MRT軟件進(jìn)行格式轉(zhuǎn)換及投影坐標(biāo)系的轉(zhuǎn)換。數(shù)字高程模型(DEM)為地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)發(fā)布的90 m分辨率的SRTM數(shù)據(jù)。草地類型圖由1∶1 200 000的紙質(zhì)草地分類圖矢量化所得，寧夏草地共分為10種類型。以上所有數(shù)據(jù)均轉(zhuǎn)換成橫軸莫卡托投影，空間分辨率均重采樣為1 km。草地初級(jí)生產(chǎn)力實(shí)測(cè)數(shù)據(jù)為寧夏15個(gè)市縣1981—2010年監(jiān)測(cè)到的所屬市縣各類型草地凈初級(jí)生產(chǎn)力的加權(quán)平均值，數(shù)據(jù)來(lái)自文獻(xiàn)[17]。

MOD17A3 NPP數(shù)據(jù)是基于BIOME-BGC模型的覆蓋全球的NPP數(shù)據(jù)。該模型屬于生態(tài)過(guò)程模型，通過(guò)模擬生態(tài)系統(tǒng)內(nèi)的光合、呼吸等生理活動(dòng)及植物組織的營(yíng)養(yǎng)物質(zhì)的傳遞與循環(huán)等生理生態(tài)過(guò)程估算植被總初級(jí)生產(chǎn)力。在BIOME-BGC模型中植被NPP是植被總初級(jí)生產(chǎn)力與植被呼吸消耗之差。模型輸入?yún)?shù)分為初始化文件、氣象數(shù)據(jù)及生態(tài)生理指標(biāo)，與CASA模型相比，其中加入了土壤有效深度、土壤顆粒組成、大氣CO2濃度年際變化及冠層消光系數(shù)、葉氮在羧化酶中的百分比含量等眾多植被生理指標(biāo)，但由于部分模型參數(shù)獲取困難，因此在中小尺度區(qū)域的NPP估算中實(shí)現(xiàn)較困難[18-19]。而該模型在國(guó)內(nèi)外認(rèn)可度高，MOD17A3 NPP數(shù)據(jù)在全球范圍內(nèi)廣泛應(yīng)用于不同生態(tài)系統(tǒng)的碳循環(huán)研究，因此本文以全球MOD17A3 NPP數(shù)據(jù)為基準(zhǔn)，對(duì)比不同插值算法下的CASA模型的估算精度[20-24]。

圖1 寧夏氣象站點(diǎn)及草地類型分布

1.2 插值方法

1.2.1 反距離權(quán)重法(IDW) 反距離權(quán)重法(Inverse Distance Weighted, IDW)認(rèn)為插值點(diǎn)的權(quán)重與樣點(diǎn)的距離成反比，即以插值站點(diǎn)和樣本點(diǎn)之間的距離作為權(quán)重進(jìn)一步加權(quán)平均，樣點(diǎn)與插值點(diǎn)的距離越近，其實(shí)測(cè)值對(duì)插值點(diǎn)的影響越大。反距離權(quán)重是對(duì)距離進(jìn)行加權(quán)平均，因此樣點(diǎn)越密集，其模擬效果越好，插值效果最佳，算法如下[25]：

(1)

式中：Z為待模擬的插值點(diǎn)的柵格值；Z(xi)為第i(i=1,2,3,…,n)個(gè)氣象站的實(shí)測(cè)值；n為樣點(diǎn)數(shù)；di為插值點(diǎn)到第i個(gè)站點(diǎn)的距離。

1.2.2 樣條函數(shù)法(Spline) 樣條函數(shù)法采用最小化表面總曲率的數(shù)學(xué)函數(shù)來(lái)模擬未知點(diǎn)，即通過(guò)實(shí)測(cè)樣點(diǎn)生成恰好經(jīng)過(guò)輸入點(diǎn)的平滑表面，通常有規(guī)則樣條函數(shù)和張力樣條函數(shù)兩種方法。本研究采用規(guī)則樣條函數(shù)方法(Regularized)進(jìn)行氣象數(shù)據(jù)插值，采用此方法權(quán)重越大，擬合表面越光滑，算法如下[26]：

(2)

(3)

T(x,y)=a1+a2x+a3y

(4)

式中：Z為待模擬的插值點(diǎn)的柵格值；n為樣點(diǎn)數(shù)；λi為線性方程確定的系數(shù)；γi為模擬插值點(diǎn)到第i點(diǎn)的距離；τ2為權(quán)重系數(shù)；k0為修正貝塞爾函數(shù);c=0.577215；a為線性方程系數(shù)。以上兩種插值方法均在ArcMap軟件中進(jìn)行模擬。

1.2.3 Anusplin插值法 Anusplin插值法基于普通薄盤(pán)及局部薄盤(pán)樣條函數(shù)插值理論，利用集成Anusplin軟件包進(jìn)行空間插值，該插值法可以將海拔等協(xié)變量引入模型以提高插值精度，算法如下[27]：

Zi=f(xi)+bTyiρ+ei(i=1,…,N)

(5)

式中：Zi表示空間i點(diǎn)的因變量；xi為d維樣條獨(dú)立變量;f(xi)是模擬xi的未知光滑函數(shù)；yi為ρ維獨(dú)立協(xié)變量；b是yi的ρ維系數(shù)；ei是自變量隨機(jī)誤差，其期望值為0。式中的函數(shù)f(xi)及b系數(shù)通過(guò)最小二乘法估計(jì)得出：

(6)

式中：Jm(f)是測(cè)度函數(shù)，用來(lái)監(jiān)測(cè)函數(shù)f(xi)的粗糙度，其定義為函數(shù)f(xi)的m階偏導(dǎo)，在Anusplin插值法中的應(yīng)用為樣條次數(shù)，在本研究中經(jīng)過(guò)試驗(yàn)選擇2次樣條進(jìn)行插值；ρ為正的光滑參數(shù)，作為數(shù)據(jù)保真與曲面粗糙度之間的平衡[28]。

1.3 誤差檢驗(yàn)

采用交叉檢驗(yàn)進(jìn)行插值精度誤差檢驗(yàn)，即選取總樣本中30%的站點(diǎn)為檢驗(yàn)樣點(diǎn)，剩余的作為訓(xùn)練樣點(diǎn)進(jìn)行空間插值，本研究選取寧夏境內(nèi)的陶樂(lè)、中寧、鹽池及固原4個(gè)站點(diǎn)作為檢驗(yàn)樣點(diǎn)(圖1)。假設(shè)檢驗(yàn)站點(diǎn)的值未知，先通過(guò)插值算法獲取其模擬值，再通過(guò)計(jì)算檢驗(yàn)站點(diǎn)實(shí)測(cè)值與模擬值之間的平均誤差(MAE)、相對(duì)平均誤差(MRE)和均方根誤差(RMSE)等指標(biāo)來(lái)評(píng)估插值效果，具體公式如下：

(7)

(8)

(9)

式中：n為檢驗(yàn)樣本站點(diǎn)的個(gè)數(shù)；Zai為第i個(gè)站點(diǎn)的實(shí)測(cè)值；Zλi為估測(cè)值。

1.4 NPP估算模型

CASA(Carnegie-Ames-Stanford Approach)模型建立在植物光合作用過(guò)程和光能利用率的概念上，是一個(gè)充分考慮環(huán)境條件和植被特征的NPP估算模型，計(jì)算公式如下[5]：

NPP=APAR×ε

(10)

式中：APAR為光合有效輻射，ε為光能轉(zhuǎn)化率。植被吸收的光合有效輻射APAR由太陽(yáng)總輻射(SOL)及光合有效輻射吸收比率(FPAR)估算所得；FPAR由以歸一化植被指數(shù)(NDVI)為基礎(chǔ)的FPARNDVI和以比值植被指數(shù)(SR)為基礎(chǔ)的FPARSR加權(quán)平均獲得；光能轉(zhuǎn)化率ε由溫度脅迫因子、水分脅迫因子及最大光能利用率估算獲得，本研究參考朱文泉等[8]的研究結(jié)果，即草地的光能轉(zhuǎn)化率ε取值為0.542。

2 結(jié)果與分析

2.1 氣象要素空間插值結(jié)果與檢驗(yàn)

2.1.1 氣象要素空間插值結(jié)果 采用3種不同的插值方法空間化的寧夏年均溫為-3～13℃，氣溫北高南低，高值均出現(xiàn)在寧夏中北部地區(qū)，而西南部為低值區(qū)(圖2—3)。3種插值方法都能模擬出寧夏氣溫的基本空間分布特征，均表現(xiàn)出由北向南降水量遞增的趨勢(shì)。由于Anusplin插值法將高程作為協(xié)變量，根據(jù)氣溫直減率和2次樣條函數(shù)進(jìn)行氣溫空間插值，故其插值結(jié)果在局部特征上比樣條函數(shù)和IDW插值法的結(jié)果更為細(xì)膩，即地溫隨海拔起伏而變化明顯，特別是南部六盤(pán)山、南華山、中部羅山以及北部賀蘭山的高海拔區(qū)，其年均溫較低；而在海拔較低的北部引黃灌區(qū)、清水河河谷等地，年均氣溫形成高值區(qū)，這與寧夏的實(shí)際情況較為相符。而樣條函數(shù)及IDW插值法插值結(jié)果只反映出了寧夏年均氣溫自南至北的梯度變化特征，將賀蘭山山區(qū)插值成與引黃灌區(qū)相近的溫度特征，這與實(shí)際情況不符。此外，IDW插值法獲取的氣溫空間分布還在銀川、同心、海原等氣象站點(diǎn)附近出現(xiàn)了“牛眼效應(yīng)”，即以氣象站為中心出現(xiàn)區(qū)域高值或低值中心。

3種不同的插值方法獲取的年總降水量空間變化特征基本相近，均表現(xiàn)出由北向南降水量遞增的趨勢(shì)，Anusplin插值法及樣條函數(shù)插值法獲取的降水量空間上由北向南遞增梯度基本一致，形成了有規(guī)律的降水遞增梯度線，而IDW插值法仍然出現(xiàn)了較為明顯的“牛眼效應(yīng)”。

圖2年均溫在不同插值法下的空間分布

2.1.2 插值精度檢驗(yàn) 為評(píng)估3種插值方法的精度，研究選擇10個(gè)氣象站數(shù)據(jù)進(jìn)行插值，選擇4個(gè)氣象站的數(shù)據(jù)進(jìn)行驗(yàn)證。通過(guò)不同插值算法空間氣象要素估算，在ArcGIS中提取4個(gè)驗(yàn)證站點(diǎn)的插值結(jié)果，通過(guò)平均誤差(MAE)、相對(duì)平均誤差(MRE)和均方根誤差(RMSE)等誤差分析指標(biāo)來(lái)對(duì)比其插值精度(表1)。從擬合度來(lái)看，Anusplin和樣條函數(shù)的插值結(jié)果明顯優(yōu)于反距離權(quán)重插值結(jié)果，而Anusplin的插值精度又略高于樣條函數(shù)插值結(jié)果。3種插值法的空間插值效果及插值精度交叉檢驗(yàn)結(jié)果顯示，Anusplin插值法在氣溫與降水的空間模擬值的相對(duì)平均誤差(MRE)、平均誤差(MAE)及均方根誤差(RMSE)均小于其他兩種插值方法，其模擬精度較高。

2.2 CASA模型估算結(jié)果及驗(yàn)證

2.2.1 草地NPP估算結(jié)果 在利用CASA模型估算區(qū)域NPP時(shí)，需要輸入空間氣象要素作為模型驅(qū)動(dòng)變量，然而前文已述及不同插值方法獲取的氣象要素空間插值結(jié)果精度不同，每種插值方法對(duì)NPP的估算結(jié)果有何影響，需要進(jìn)一步深入研究。為此，本節(jié)選擇以插值誤差最小的Anusplin插值法獲取的空間氣象要素和以IDW插值法獲取的空間氣象要素分別來(lái)驅(qū)動(dòng)CASA模型，并進(jìn)行NPP估算，并將二者估算的NPP結(jié)果與美國(guó)航空航天局(NASA)發(fā)布的全球MOD17A3 NPP數(shù)據(jù)進(jìn)行對(duì)比分析，評(píng)估不同氣象插值方法對(duì)草地NPP估算的影響。寧夏草地NPP估算結(jié)果如圖4所示，兩種不同氣象插值數(shù)據(jù)驅(qū)動(dòng)下的NPP估算值與MOD17A3 NPP數(shù)據(jù)在空間趨勢(shì)上基本一致，均表現(xiàn)出南部山區(qū)NPP較高，北部NPP較低，而中部干旱帶的NPP最低，這與寧夏草地的分布格局相符合。寧夏南部的六盤(pán)山、南華山地區(qū)主要以山地草原為主，黃土丘陵區(qū)主要以典型草原為主，加之南部山區(qū)降水較北部豐沛，故草地NPP為全區(qū)最高，而中部干旱帶則以干草原、荒漠草原為主，其NPP也自然最低?；贏nusplin插值法的CASA模型與基于IDW插值法的CASA模型草地NPP估算值在量級(jí)上較為接近，草地均值分別為149.42 gC/(m2·a)與150.45 gC/(m2·a)，而MOD17A3 NPP數(shù)據(jù)的草地NPP均值為147.65 gC/(m2·a)，略低于CASA模型估算值。在草地NPP值域范圍上，基于Anusplin插值氣象要素估算的NPP值為45.06～807.83 gC/(m2·a)，而基于IDW插值氣象要素估算的NPP的值介于47.16～733.63 gC/(m2·a)，二者的值域范圍均大于MOD17A3 NPP數(shù)據(jù)的值域范圍47.28～586.66 gC/(m2·a)，特別是NPP像元最大值相差較大。

圖3 年降水量在不同插值法下的空間分布表1 氣溫降水量插值誤差對(duì)比

為對(duì)比不同氣象插值方法在不同類型草地NPP估算中的應(yīng)用效果，本研究分別計(jì)算不同插值方法驅(qū)動(dòng)下的寧夏全區(qū)各草地類型的平均NPP(圖5)。從3種模型估算的NPP平均值來(lái)看，兩種基于CASA模型估算的NPP結(jié)果相近，與MOD17A3 NPP數(shù)據(jù)存在較大差異。在灌叢草原、低濕地草甸和山地草甸中，MOD17A3 NPP數(shù)據(jù)明顯比CASA模型估算的NPP偏低；在荒漠草原、荒漠化類草原、干荒漠類、草甸草原、灌叢草原和沼澤類草地中，MOD17A3 NPP數(shù)據(jù)明顯比CASA模型估算的NPP偏高；而3種模型對(duì)干草原的NPP估算中非常接近。從NPP值來(lái)看，荒漠草原類的草地NPP最低，而山地草甸類的草地NPP最高。

2.2.2 與全區(qū)實(shí)測(cè)數(shù)據(jù)對(duì)比 基于兩種不同氣象插值方法和CASA模型估算了近16 a寧夏草地年平均NPP，并用寧夏境內(nèi)15個(gè)縣市多年NPP實(shí)測(cè)均值進(jìn)行對(duì)比。草地實(shí)測(cè)值為地上草地產(chǎn)草量干重，而CASA模型的估算值NPP是地上和地下生物量的總和，因此在驗(yàn)證中參照前人文獻(xiàn)中有關(guān)干物質(zhì)產(chǎn)量到NPP的轉(zhuǎn)換關(guān)系及不同草地類型地下與地上生物量的比例系數(shù)的研究[29-30]，將CASA模型估算的草地地上NPP值求出，并將其與草地實(shí)測(cè)地上生物量進(jìn)行對(duì)比(圖6)?；诓煌瑲庀蟛逯捣椒?qū)動(dòng)CASA模型估算的NPP值均與實(shí)測(cè)NPP存在良好的線性關(guān)系，且其相關(guān)系數(shù)R2均在0.82以上，說(shuō)明CASA模型在寧夏草地NPP估算中效果較為理想，實(shí)用性較強(qiáng)?；贏nusplin插值法估算的草地NPP值與實(shí)測(cè)值相關(guān)性達(dá)0.86，優(yōu)于IDW插值法估算的草地NPP值，說(shuō)明Anusplin氣象插值法更適宜于驅(qū)動(dòng)CASA模型。此外，對(duì)比兩種插值方法在NPP估算中的誤差發(fā)現(xiàn)，基于Anusplin插值法估算的草地NPP其相對(duì)平均誤差(MRE)、均方根誤差(RMSE)分別為0.23，2.35，小于基于反距離權(quán)重插值法估算的草地NPP的誤差(MRE=0.23，RMSE=2.37)，這說(shuō)明基于Anusplin插值獲取的氣象要素驅(qū)動(dòng)的CASA模型所估算NPP的精度略高，更接近實(shí)測(cè)數(shù)據(jù)，能夠反映寧夏實(shí)際的草地NPP分布狀況。

圖4寧夏草地NPP空間分布

圖5不同模型模擬的寧夏各草地類型平均NPP對(duì)比

2.2.3 不同草地類型NPP估算結(jié)果對(duì)比 以全球MOD17A3 NPP數(shù)據(jù)為基準(zhǔn)，對(duì)比分析CASA模型的估算誤差，對(duì)CASA模型在寧夏草地NPP估算中的可靠性做進(jìn)一步的研究。通過(guò)提取不同NPP圖像中的對(duì)應(yīng)像元值，逐像元制作散點(diǎn)圖(圖7)，對(duì)比發(fā)現(xiàn)基于Anusplin和IDW插值法獲取的氣象要素空間數(shù)據(jù)驅(qū)動(dòng)CASA模型而估算的草地NPP值均高于MOD17A3 NPP數(shù)據(jù)值，線性擬合斜率分別為1.34，1.30，與MOD17A3 NPP數(shù)據(jù)的擬合優(yōu)度(R2)分別為0.83，0.82，即基于兩種氣象插值方法驅(qū)動(dòng)的CASA模型在寧夏草地NPP估算中的結(jié)果相近。二者的擬合優(yōu)度(R2)僅僅相差不到0.01，盡管優(yōu)勢(shì)微弱，但結(jié)果仍然顯示基于Anusplin插值法獲取的氣象要素空間數(shù)據(jù)驅(qū)動(dòng)CASA模型的效果要好于基于IDW插值的氣象要素空間數(shù)據(jù)。由此可以看出，在寧夏草地NPP估算中，選擇精度較高的Anusplin氣象要素插值法，能夠提高草地NPP的估算精度。

基于以上研究，選擇估算精度整體較高的基于Anusplin插值的CASA模型與基于BIOME-BGC模型在不同草地類型的NPP估算中進(jìn)行深入對(duì)比研究。研究分析了2000—2014年基于CASA模型的NPP估算結(jié)果與MOD17A3 NPP數(shù)據(jù)間的誤差(表2)?？傮w來(lái)看，10類草地的總體相關(guān)性分析結(jié)果顯示，基于Anusplin插值氣象要素估算的NPP與MOD17A3 NPP數(shù)據(jù)的相關(guān)系數(shù)為0.88(p<0.01，n=150)。從不同草地類型上來(lái)看，在干草原、灌叢草原、干荒漠類草原及荒漠草原的估算中CASA模型與MOD17A3產(chǎn)品值相關(guān)系數(shù)最高，在沼澤類草原估算中效果欠佳，相關(guān)系數(shù)未通過(guò)顯著性檢驗(yàn)，其他類型草地相關(guān)性整體在0.7以上，均通過(guò)了p<0.01的顯著性檢驗(yàn)。從估算誤差分析來(lái)看，CASA模型在干草原的估算誤差最小，荒漠草原估算誤差次之，這兩類草原總面積接近寧夏草原面積的80%，代表了寧夏大部分的草地生產(chǎn)力；在沼澤類和山地草甸的估算誤差最大，這兩類草地在寧夏面積較小，在區(qū)域尺度的模型估算中產(chǎn)生較大誤差屬正常情況。

圖6寧夏草地多年年均NPP模擬值與實(shí)測(cè)值相關(guān)性

圖7不同插值算法NPP模擬逐像元值散點(diǎn)圖

表2 不同類型草地CASA模型估算NPP與MOD17A3 NPP數(shù)據(jù)的誤差對(duì)比

注：**為p<0.01，*為p<0.05，n=15。

3 結(jié) 論

(1) 在寧夏這樣的氣象站點(diǎn)稀疏地區(qū)，除反距離權(quán)重插值法出現(xiàn)了“牛眼效應(yīng)”之外，其他插值法均能較好模擬寧夏自南向北的空間分布特征；交叉檢驗(yàn)顯示，Anusplin氣象要素插值相比于傳統(tǒng)插值算法明顯提高了氣象數(shù)據(jù)插值精度，其中氣溫插值表現(xiàn)最為明顯。

(2) 采用基于不同氣象要素插值方法的CASA模型對(duì)寧夏草地NPP進(jìn)行估算，其估算結(jié)果均能反映寧夏草地NPP的空間分布格局；在與多年草地NPP實(shí)測(cè)值及MOD17A3 NPP數(shù)據(jù)草地估算值的對(duì)比驗(yàn)證中發(fā)現(xiàn)，在全區(qū)草地NPP估算中，基于Anusplin插值的CASA模型的模擬值與實(shí)測(cè)值相關(guān)性較高，其模擬值可靠，具有一定的科學(xué)性。

(3) 對(duì)模型與MOD17A3 NPP數(shù)據(jù)對(duì)比研究顯示，插值精度較高的Anusplin插值法驅(qū)動(dòng)CASA模型估算的NPP與MOD17A3 NPP數(shù)據(jù)的相關(guān)性高，因此，提高氣象要素的插值精度在一定程度上能提高CASA模型NPP的估算精度。

(4) 以MOD17A3 NPP數(shù)據(jù)為真值檢驗(yàn)CASA模型在寧夏不同草地NPP估算的估算精度分析表明，CASA模型在干草原、灌叢草原、干荒漠類草原及荒漠草原的估算中精度較高，而在沼澤類和山地草甸的估算效果欠佳，其估算精度有待提高。

在CASA模型估算精度的對(duì)比中，由于實(shí)測(cè)數(shù)據(jù)為各個(gè)市區(qū)的多年草地NPP均值的限制，無(wú)法從草地類型上進(jìn)一步對(duì)比驗(yàn)證，此為本研究的一大遺憾。但為補(bǔ)充驗(yàn)證數(shù)據(jù)源在研究中引入了MOD17A3 NPP數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證，前提假設(shè)MOD17A3 NPP數(shù)據(jù)不存在誤差，這是一個(gè)有限條件假設(shè)。因此在模型驗(yàn)證上需注重實(shí)測(cè)數(shù)據(jù)的收集，以在后期研究中豐富模型的可行性分析。此外，寧夏草地的時(shí)空格局變遷及人類活動(dòng)、自然因素與NPP波動(dòng)之間的內(nèi)在聯(lián)系需進(jìn)一步做重點(diǎn)探討。