基于 MODIS 產(chǎn)品的生態(tài)系統(tǒng)呼吸模型在內(nèi)蒙古半干旱草原的驗證

姜海梅 葉昊天 王若靜 郝勇 王成剛 曹樂

基于 MODIS 產(chǎn)品的生態(tài)系統(tǒng)呼吸模型在內(nèi)蒙古半干旱草原的驗證

姜海梅1,2,?葉昊天1,2王若靜3郝勇1,2王成剛1,2曹樂1,2

1.中國氣象局氣溶膠與云降水重點開放實驗室, 南京 210044; 2.南京信息工程大學(xué)大氣物理學(xué)院, 南京 210044; 3.錫林浩特國家氣候觀象臺, 錫林浩特 026000; ? E-mail: hmjiang@nuist.edu.cn

利用 2010—2013 年錫林浩特國家氣候觀象臺渦動相關(guān)通量觀測系統(tǒng)數(shù)據(jù)以及 MODIS 產(chǎn)品數(shù)據(jù), 驗證基于增強型植被指數(shù)(EVI)、陸地表面水分指數(shù)(LSWI)和地表溫度(LST)的生態(tài)系統(tǒng)呼吸模型在內(nèi)蒙古半干旱草原的適應(yīng)性, 并探討該遙感生態(tài)系統(tǒng)呼吸模型存在的問題。結(jié)果表明: 生態(tài)系統(tǒng)呼吸模型能較好地模擬夜間生態(tài)系統(tǒng)呼吸速率(eco)在生長季內(nèi)和年際間的變化, 模擬值與觀測值吻合較好(2=0.90, RMSE=0.02 mgCO2/(m2·s)); 夜間eco的觀測值與 EVIs×s(EVIs和s分別是 EVI 和 LSWI 對光合作用的影響函數(shù))呈較顯著的線性相關(guān)(2=0.63), 與 LST 的關(guān)系基本上滿足 L-T 方程(2=0.39); 夜間eco在生長季的前、中、后期對EVIs×s和 LST的響應(yīng)不同是造成模型誤差的重要原因之一。

內(nèi)蒙古; 半干旱草原; 生態(tài)系統(tǒng)呼吸模型; MODIS遙感數(shù)據(jù)

生態(tài)系統(tǒng)凈碳交換速率(net ecosystem exchange, NEE)是大氣 CO2濃度變化的主要驅(qū)動因素[1]。NEE是生態(tài)系統(tǒng)總初級生產(chǎn)力(gross primary producti-vity, GPP)與生態(tài)系統(tǒng)呼吸速率(eco)的差值, 因此, 對eco和 GPP 的準(zhǔn)確評估是生態(tài)系統(tǒng)碳交換研究中的關(guān)鍵問題[2]。人們采用觀測和模擬手段, 針對不同生態(tài)系統(tǒng)的eco在不同時空尺度上的影響因子開展了廣泛的研究[3-8]?，F(xiàn)有研究表明, 溫度和水分條件是影響生態(tài)系統(tǒng)呼吸的重要因素[4,6-12]。在此基礎(chǔ)上, 發(fā)展了一系列由溫度和水分條件驅(qū)動的生態(tài)系統(tǒng)呼吸模型, 并進行驗證, 如 Lloyd&Taylor 模型[7]、Arrhenius 模型[8]、指數(shù)模型[9-10]和10[11-12]模型等。這些模型的驅(qū)動因子都來源于地面觀測資料, 但由于客觀條件的限制, 很多區(qū)域缺乏長期的連續(xù)的地面觀測資料[13]。為了彌補地面觀測資料的不足, 學(xué)者們利用遙感手段對生態(tài)系統(tǒng)碳交換進行模擬。2013 年以來, 將遙感植被因子引入生態(tài)系統(tǒng)呼吸模型中, 用來模擬和估算生態(tài)系統(tǒng)呼吸速率取得較好的效果[14]。此類生態(tài)系統(tǒng)呼吸模型的驅(qū)動因子包括土壤濕度、土壤溫度以及增強型植被指數(shù) EVI (enhanced vegetation index), 其對土壤溫度和土壤濕度地面觀測資料的依賴在一定程度上限制了模型的應(yīng)用范圍。Xiao 等[15]構(gòu)建的植被光合模型(Vegetation Photosynthesis Model, VPM)用水分指數(shù)s替代土壤濕度, 可以通過對遙感陸地表面水分指數(shù) LSWI (land surface water index)的反演得到s。Sims 等[16]發(fā)現(xiàn), 由遙感資料反演得到的地表溫度LST(land surface temperature)的變化與土壤溫度的變化密切相關(guān), 可以用 LST 代表土壤溫度。因容易獲取且具有較好的區(qū)域代表性等優(yōu)點, LST 和 LSWI等遙感觀測資料被廣泛應(yīng)用于生態(tài)系統(tǒng)生產(chǎn)力估算及地表特征參數(shù)反演中, 已成為區(qū)域和全球尺度生態(tài)系統(tǒng)碳平衡研究的重要手段之一[17-19]。Gao 等[20-21]建立 ReRSM 模型, 利用遙感觀測獲取的 EVI, LSWI和 LST 對生態(tài)系統(tǒng)的eco進行模擬, 但該遙感生態(tài)系統(tǒng)呼吸模型尚未得到廣泛的應(yīng)用和驗證。

中緯度半干旱草原是全球陸地生態(tài)系統(tǒng)的重要類型, 也是中國主要的地表類型之一[22]。內(nèi)蒙古草原是其中最具代表性的, 是國際地圈-生物圈計劃中陸地樣帶的重要組成部分[23]。該地區(qū)是我國北方比較有代表性的氣候敏感區(qū)和生態(tài)脆弱區(qū), 其碳通量的時空變化對全球碳循環(huán)有重要影響[24], 準(zhǔn)確地估算該生態(tài)系統(tǒng)的呼吸速率對深入研究該生態(tài)系統(tǒng)碳循環(huán)特征有重要意義。目前, 尚未開展遙感生態(tài)系統(tǒng)呼吸模型在該生態(tài)系統(tǒng)的適應(yīng)性研究及效果驗證。

本文基于錫林浩特國家氣候觀象臺 2010—2013年生長季渦動相關(guān)系統(tǒng)的觀測資料以及 2010—2013年的 MODIS 數(shù)據(jù), 分析eco與 EVI, LST 和LSWI 之間的關(guān)系, 評估基于遙感數(shù)據(jù)的生態(tài)系統(tǒng)呼吸模型估算eco的精度和可行性, 并基于敏感性分析, 探究遙感生態(tài)系統(tǒng)呼吸模型的不足和可能原因。

1 材料和方法

1.1 研究站點

研究站點位于內(nèi)蒙古自治區(qū)錫林郭勒盟境內(nèi)(44°08′31''N, 116°18′45″E)。錫林郭勒盟是我國重要的畜牧業(yè)基地, 平均海拔約 1030m, 屬于大陸性溫帶半干旱草原氣候, 年平均氣溫為 2~3℃, 年平均風(fēng)速為 3~4m/s, 以西南風(fēng)為主, 年平均降水量約為 300mm, 降水集中在 8 月。土壤類型為典型栗鈣土, 有機質(zhì)積累豐富, 下墊面植被以抗低溫的旱生草本植物為主, 植被覆蓋較均勻, 主要植物種類有克氏針茅(Roshev.)以及羊草()等, 5—9月為牧草生長季[25-26]。

1.2 渦動相關(guān)資料數(shù)據(jù)處理

本文所用渦動相關(guān)通量系統(tǒng)觀測資料來自錫林浩特國家氣候觀象臺, 該系統(tǒng)主要由超聲風(fēng)速溫度儀(CSAT3, Campbell Scientific)和 CO2/H2O 開路分析儀(LI-7500, LI-COR)組成, 采樣頻率為 10Hz, 觀測高度為 4m。本文運用 2010—2013 年生長季(5—9 月)夜間的近地層通量觀測數(shù)據(jù), 將湍流原始資料分割為 30min 時長的片段后進行計算處理, 步驟如下: 1)剔除降水天氣影響以及儀器故障等時段的數(shù)據(jù), 并用方差檢驗法剔除野點; 2)進行二維坐標(biāo)旋轉(zhuǎn)并去除平均值, 得到湍流脈動量; 3) 計算經(jīng) WPL (-Pearman-Leuning)方法修正后的 CO2通量[27]。假定夜間植被-大氣間凈生態(tài)系統(tǒng)的 CO2交換僅來源于生態(tài)系統(tǒng)呼吸, 夜間觀測到的 CO2通量即為夜間eco值。為了與 MODIS 遙感數(shù)據(jù)的時間分辨率(8 天)相匹配, 本研究對夜間eco的觀測值求 8 天平均值。

1.3MODIS數(shù)據(jù)

本文利用 2010—2013 年 5—9 月的 MODIS 地表反射率產(chǎn)品 MOD09A1 來計算光譜植被指數(shù), 該產(chǎn)品包括 7 個波段 8 天合成的地表反射率產(chǎn)品, 空間分辨率為 500m?；谟^測站點的經(jīng)緯度信息, 提取站點所在位置單個像元的反射率, 使用其中紅(620~670nm)、近紅外(841~876nm)、藍(lán)(459~479nm)及短波紅外(1628~1652nm) 4 個波段的數(shù)據(jù), 計算增強型植被指數(shù) EVI 和地表水分指數(shù) LSWI, 計算公式[18]如下:

利用 MOD11A2 產(chǎn)品獲取地表溫度(LST)數(shù)據(jù), 其空間分辨率為 1 km, 為8天合成的L3產(chǎn)品。

1.4 遙感生態(tài)系統(tǒng)呼吸模型

生態(tài)系統(tǒng)呼吸可以分為植物體呼吸(GPP)及生態(tài)系統(tǒng)有機質(zhì)(植被凋落物、土壤有機質(zhì))和土壤微生物呼吸(EOM)兩部分[21], 其中植物體呼吸部分與植被的生長狀況及水分條件有關(guān)。根據(jù) Gao 等[20]的研究,GPP與 EVI 影響函數(shù)(EVIs)以及水分對最大光能利用效率的影響函數(shù)(s)的關(guān)系可表示為

其中,為模型參數(shù); PCmax表示不同植被的最大光合作用能力, 不同植被類型的 PCmax值不同, 半干旱草原生態(tài)系統(tǒng)的 PCmax值取 1.11mgCO2/(m2·s)[20]; EVIs表示植被對光合作用能力的影響, 為EVI的函數(shù), EVIs= EVI – 0.1, 即當(dāng) EVI 趨近 0.1 時, GPP 趨近0[20];s表示水分對光合作用的影響, 通常表示為土壤水分和水汽壓差的函數(shù)[19], 在 Gao 等[20]的模型中用遙感陸地表面水分指數(shù) LSWI 替代:

EOM與地表溫度的關(guān)系參考L-T方程[7]:

其中,ref為處于參考溫度ref(10℃)時的生態(tài)系統(tǒng)有機質(zhì)及土壤微生物呼吸速率(EOM);0為活化能相關(guān)參數(shù);0(?46.02℃)為EOM為 0 時對應(yīng)的溫度; LST 為地表溫度, 本文用 MODIS 地表溫度產(chǎn)品代表研究地點的地表溫度。因此, 遙感生態(tài)系統(tǒng)呼吸模型可表示為

1.5 模型參數(shù)

遙感生態(tài)系統(tǒng)呼吸模型有, PCmax,ref和0這4 個待擬合參數(shù)。本文利用 2010—2012 年的數(shù)據(jù)擬合模型參數(shù), 并用 2013 年的數(shù)據(jù)進行模型的驗證與評估。表 1 給出模型的擬合參數(shù)及統(tǒng)計學(xué)參數(shù)。

表1 遙感生態(tài)系統(tǒng)呼吸模型參數(shù)及統(tǒng)計學(xué)參數(shù)

2 結(jié)果與分析

2.1 EVI, LST和LSWI的季節(jié)動態(tài)

圖 1 顯示, 2010—2013 年 5—9 月的 LSWI 有明顯的季節(jié)變化, 平均值分別為?0.11, ?0.13, ?0.02 和?0.07。2012 年研究站點的地表水分最充足, 2013年次之, 2010 和 2011 年地表較干旱。

每年生長季的 LST 呈多峰狀分布, 從整體上看, 4 年的 LST 差別不大(生長季平均 LST 分別為 10.6, 9.8, 10.1 和 9.7), 在生長季前后期較低, 中期較高。

2010—2013 年生長季 EVI 的變化趨勢與 LSWI的變化趨勢基本上一致, 說明該生態(tài)系統(tǒng)水分越充足, 植被生長狀況越好。EVI 在生長季的峰值都出現(xiàn)在 7—8 月, 最大值依次為 0.25, 0.29, 0.45 和0.37。從總體上看, 研究站點 2012 年植被生長狀況最好, 2013 年次之, 2010 和 2011 年較差, 與該區(qū)域水分條件的年際變化特征一致。LSWI 峰值出現(xiàn)的時間與 EVI 峰值出現(xiàn)的時間基本上吻合, 但在 2013年生長季的 6 月 16 號, LSWI 出現(xiàn)峰值而 EVI 值較低, 說明此時植被的生長狀況尚未到達(dá)峰期。

圖1 2010—2013年生長季EVI, LSWI和LST的變化

2.2 生態(tài)系統(tǒng)呼吸速率的模擬

我們利用 2010—2012 年生長季夜間的eco觀測數(shù)據(jù), 擬合出遙感生態(tài)系統(tǒng)呼吸模型參數(shù):=0.28,0=245.91,ref=0.04mgCO2/(m2·s)。在此基礎(chǔ)上, 用 2013 年的 EVI, LST 和 LSWI 數(shù)據(jù), 對 2013 年的夜間eco進行模擬, 并利用 2013 年生長季夜間的eco觀測數(shù)據(jù), 對模型結(jié)果進行驗證。圖 2(a)顯示, 2010—2012 年的模擬值與觀測值顯著相關(guān)(2= 0.90), 擬合直線斜率為 0.97, 表明該遙感生態(tài)統(tǒng)呼吸模型的模擬效果較好, 模擬值僅存在 3%的低估。圖 2(b)是模型模擬的 2013 年生長季夜間eco與觀測值的比較, 擬合結(jié)果表明兩者之間有很好的相關(guān)性(2=0.94), 擬合直線斜率為 0.79。上述結(jié)果表明, 盡管該遙感生態(tài)系統(tǒng)呼吸模型會對夜間eco造成低估, 但研究時段內(nèi)夜間eco的模擬值與觀測值之間的線性相關(guān)關(guān)系十分顯著。

圖 3 中比較遙感生態(tài)系統(tǒng)呼吸模型模擬的夜間eco與觀測值在研究時段的變化趨勢。生長季前期, 2010, 2012 和 2013 年模擬值存在一定程度的低估, 2011 年的模擬值略有高估; 生長季中期, 2010和 2011 年的模擬值高于觀測值, 2012 和 2013 年的模擬值存在一定程度的低估; 生長季后期, 2010—2012 年的模擬值都有不同程度的高估, 2013年的模擬結(jié)果與觀測值比較接近。

生長季前期, 4 年模擬結(jié)果的平均值為 0.03mgCO2/(m2·s), 低于觀測值的平均值 0.04mgCO2/(m2·s); 生長季中期, 4 年模擬結(jié)果的平均值為 0.08mgCO2/(m2·s), 低于觀測值的平均值 0.09mgCO2/(m2·s); 生長季后期, 4 年模擬結(jié)果的平均值為 0.05mgCO2/(m2·s), 高于觀測值的平均值 0.03mgCO2/(m2·s)?？偟膩碚f, 生長季的前期和中期, 模擬值會對觀測值有不同程度的低估; 生長季的后期, 模擬值略高于觀測值。

2.3 生態(tài)系統(tǒng)呼吸與遙感生態(tài)系統(tǒng)呼吸模型驅(qū)動因子的關(guān)系

本研究所應(yīng)用的遙感生態(tài)系統(tǒng)呼吸模型由EVIs,s和 LST 共同驅(qū)動, 模型的表現(xiàn)與 3 個驅(qū)動因子有密切的聯(lián)系。探討生態(tài)系統(tǒng)呼吸與 EVIs,s和 LST 的相關(guān)性, 可以在一定程度上解析遙感生態(tài)系統(tǒng)呼吸模型結(jié)構(gòu)的合理性。Gao 等[20]的研究表明, EVIs與s的歸一化處理能更好地反映eco的變化。圖 4 顯示, 2010—2013 年夜間eco觀測值與EVIs×s呈較顯著的線性相關(guān)關(guān)系(2=0.63), 表明本文采用的遙感生態(tài)系統(tǒng)呼吸模型中GPP與 EVIs×s為線性相關(guān)關(guān)系是與實際情況相符的, 模型中對植物體呼吸這部分的設(shè)置是合理的。

圖 5 展示 2010—2013 年夜間eco與 LST 的關(guān)系, 隨著 LST 升高, 夜間eco有增大的趨勢, 且增長速率逐漸加大。因本文所用的遙感生態(tài)系統(tǒng)呼吸模型中EOM滿足 L-T 方程, 故利用 L-T 方程對夜間eco與 LST 進行擬合, 結(jié)果表明兩者在一定程度上存在相關(guān)性(2=0.39), 即在研究區(qū)域 8 天的時間尺度上, 夜間eco與 LST 的關(guān)系基本上滿足 L-T方程。

圖2 生長季夜間生態(tài)系統(tǒng)Reco觀測值與模擬值的比較

圖3 2010—2013年生長季夜間Reco季節(jié)動態(tài)變化

圖4 2010—2013年生長季夜間Reco與EVIs×Ws的關(guān)系

2.4 遙感生態(tài)系統(tǒng)呼吸模型的特征分析

為了更好地揭示該遙感生態(tài)系統(tǒng)呼吸模型的特征, 圖 6 給出該模型模擬的EOM和GPP兩部分在不同時段內(nèi)占夜間生態(tài)系統(tǒng)總呼吸速率的權(quán)重。可以看出,GPP在生長季前期和后期占總呼吸速率的比例較小, 生長季中期占比較大。即在該遙感生態(tài)系統(tǒng)呼吸模型中, 在生長季的前期和后期, 生態(tài)系統(tǒng)呼吸主要來源于有機質(zhì)及土壤微生物的呼吸; 在生長季的中期, 生態(tài)系統(tǒng)呼吸來源于植物體呼吸的比例比前期和后期大。研究表明, 在生長季中期生態(tài)系統(tǒng)的植被生長狀況最佳時, 呼吸作用最強[26]。因此, 本文應(yīng)用的遙感生態(tài)系統(tǒng)呼吸模型模擬的GPP/eco特征與實際情況相符。同時,GPP占夜間生態(tài)系統(tǒng)總呼吸速率的比例在較濕潤年份(2012 和2013 年)明顯高于較干旱年份(2010 和 2011 年), 揭示土壤水分條件是影響和限制半干旱草原植物體夜間呼吸的重要因子。

圖5 2010—2013 年生長季夜間 Reco 與 LST 的關(guān)系

圖6 2010—2013 年生長季夜間 RGPP 占 Reco的比例

因此, 該遙感生態(tài)系統(tǒng)呼吸模型對 EVIs×s和LST的相對敏感性系數(shù)可分別表示為

通過偏微分運算后, 得到遙感生態(tài)系統(tǒng)呼吸模型對 EVIs×s的相對敏感性系數(shù)和對 LST 的相對敏感性系數(shù)的表達(dá)式:

圖 7(b)展示遙感生態(tài)系統(tǒng)呼吸模型中LST隨LST 的變化。模型的LST值在 LST 的變化范圍內(nèi)(?5~20℃)為 0~1,LST隨 LST 的增加呈線性增長(2=0.55,<0.01), 且始終大于 0, 表明該遙感生態(tài)系統(tǒng)呼吸模型模擬的夜間eco在 LST 的區(qū)間內(nèi)隨LST 的增加而增大, 且增長速率逐漸加大。觀測的夜間eco隨 LST 的變化情況如圖 5 所示, 夜間eco隨著 LST 的升高逐漸增加, 且增長速率加大, 進一步說明該遙感生態(tài)系統(tǒng)呼吸模型用 LST 作為驅(qū)動因子, 引用 L-T 方程模擬EOM是可行的。

圖7 相對敏感性系數(shù)K隨自變量EVIs×Ws (a)和LST (b)的變化

2.5 遙感生態(tài)系統(tǒng)呼吸模型的誤差分析

eco的模擬值與觀測值的時間序列的比較(圖3)表明, 盡管模擬值可以較好地反映夜間eco的整體變化趨勢, 但模擬值與觀測值之間存在一定程度的誤差。為了深入分析模型產(chǎn)生誤差的原因, 我們將整個生長季分為前期、中期和后期 3 個階段, 分別討論各階段夜間eco與EVIs×s的關(guān)系。

圖 8 表明, 在生長季的前期、中期和后期, 夜間eco與 EVIs×s的線性擬合關(guān)系存在顯著差異, 擬合斜率分別為 0.35, 0.35 和 0.26。即在生長季的 3個階段, 夜間eco對 EVIs×s變化的響應(yīng)程度是不同的, 生長季前期和中期的敏感性大于后期。將生長季 3 個階段的夜間eco用遙感生態(tài)系統(tǒng)呼吸模型進行擬合(ref和0值保持不變), 得到生長季前期、中期和后期的分別為 0.32, 0.32 和 0.15, 而對整個生長季擬合得到的為 0.28。上述結(jié)果表明, 當(dāng)EVIs×s相同時, 實際情況是生長季前期和中期的夜間eco大于后期, 而該呼吸模型將整個生長季統(tǒng)一處理, 以致對生長季前期和中期的夜間eco產(chǎn)生低估, 對生長季后期的夜間eco產(chǎn)生高估。

圖8 2010—2013 年生長季前中后期夜間 Reco 與EVIs×Ws的關(guān)系

圖9 2010—2013 年生長季前中后期夜間 Reco 與 LST 的關(guān)系

3 討論

3.1 遙感生態(tài)系統(tǒng)呼吸模型的機理

植物體呼吸是植物體在器官發(fā)育過程中消耗某些光合作用產(chǎn)物時產(chǎn)生的呼吸,GPP與植物體的生長狀況有密切的關(guān)系[14]。從式(6)可以看出, 在該模型中,GPP主要受所在區(qū)域植被類型、植被生長狀況及水分條件的影響。Huang 等[14]利用遙感植被指數(shù)對生態(tài)系統(tǒng)呼吸速率進行模擬, 結(jié)果表明增強型植被指數(shù) EVI 的表現(xiàn)最好, 因此本文采用的模型中同樣選取 EVI 來表征植被生長狀況。此外, 生態(tài)系統(tǒng)中 GPP 與 EVIs×s成正比, 有很強的相關(guān)性(溫帶草原站點的2=0.81)[20], 本文中eco觀測值與 EVIs×s的相關(guān)性亦較高(2=0.63)(圖4)。

該模型中, 生態(tài)系統(tǒng)有機質(zhì)(植被凋落物、土壤有機質(zhì))及土壤微生物呼吸速率EOM主要受溫度影響,EOM與地表溫度的關(guān)系參照 L-T 方程。本文結(jié)果表明,eco觀測值與 LST 基本上滿足 L-T 方程, 但擬合決定系數(shù)值不大(2=0.39), 可能是由于半干旱草原生態(tài)系統(tǒng)的水分條件可以通過影響呼吸底物及相關(guān)生物酶的活性來限制生態(tài)系統(tǒng)的呼吸速率[10], 但在EOM的表達(dá)式中加入s作為驅(qū)動因子沒有顯著地提升模型的模擬效果(本文沒有給出圖示), 這是未來需要進一步探討的問題。

3.2 遙感生態(tài)系統(tǒng)呼吸模型的參數(shù)特征

本文研究的遙感生態(tài)系統(tǒng)呼吸模型主要含有 4 個參數(shù)(, PCmax,ref和0), 研究區(qū)域的地理位置、植被類型和環(huán)境條件不同, 相應(yīng)的模型參數(shù)也存在差異。本文的研究區(qū)域是內(nèi)蒙古半干旱草原生態(tài)系統(tǒng), 為了使模型的模擬精度更高, 沒有直接引用Gao 等[21]總結(jié)的經(jīng)驗參數(shù), 而是采用該區(qū)域 2010—2012 年共 3 年的數(shù)據(jù)進行參數(shù)擬合, 并用 2013 年的數(shù)據(jù)進行驗證。

植物體在生長過程中會消耗自身的 GPP, 為生長提供能量, 植被的生長狀態(tài)越好, 表示植物體呼吸占植物體 GPP 比例的參數(shù)越小。Gao 等[21]的研究表明, 該遙感生態(tài)系統(tǒng)呼吸模型在高山灌木林生態(tài)系統(tǒng)的表現(xiàn)最好(2=0.93),=0.52。本研究中=0.28, 遠(yuǎn)遠(yuǎn)小于高山灌木林生態(tài)系統(tǒng), 即半干旱草原生態(tài)系統(tǒng)中植物體呼吸消耗占 GPP 的比例更小。Gao 等[20]對 5 種生態(tài)系統(tǒng)的研究表明, 不同生態(tài)系統(tǒng)的 PCmax是不同的, 可以很好地反映不同植被類型對GPP的影響。本研究中 PCmax取 1.11mgCO2/ (m2·s), 略高于高山灌木林生態(tài)系統(tǒng)中的 PCmax(0.9mgCO2/(m2·s))。本研究中ref和0值與高山灌木林生態(tài)系統(tǒng)差異不大。

3.3 遙感生態(tài)系統(tǒng)呼吸模型的不足與發(fā)展前景

本文對遙感生態(tài)系統(tǒng)呼吸模型在半干旱草原的適用性進行驗證性研究, 證明 Gao 等[20-21]只利用遙感數(shù)據(jù)研究生態(tài)系統(tǒng)碳循環(huán)是合理可行的。遙感生態(tài)系統(tǒng)呼吸模型在不同生態(tài)系統(tǒng)的模擬效果存在差異, 這是未來的應(yīng)用研究中亟需解決的問題。在半干旱草原的應(yīng)用中也發(fā)現(xiàn)一些問題: 1)EOM會受水分條件的影響[11], 但在該模型的EOM中加入s作為驅(qū)動因子, 并沒有顯著地提升模擬效果; 2)實際觀測的夜間eco與 LST 的相關(guān)性較弱, 尤其是在生長季的中期, LST 是否可以作為驅(qū)動EOM的唯一因子仍存疑問; 3)實際觀測的夜間eco在生長季的前期、中期和后期對 EVIs×s和 LST 的響應(yīng)不同, 會對模擬結(jié)果的準(zhǔn)確性造成一定的影響。這些也是未來工作中要解決的問題。

盡管現(xiàn)有的遙感生態(tài)系統(tǒng)呼吸模型中考慮的影響因子有限(如未考慮土壤有機碳和土壤氮等的含量), 但因其具有較大尺度的空間代表性, 該模型在區(qū)域及全球尺度的eco估算中仍有較好的應(yīng)用前景。未來, 隨著土壤水分、植被生物量等衛(wèi)星反演算法的發(fā)展, 遙感生態(tài)系統(tǒng)呼吸模型的精度有望進一步提升, 成為缺乏渦動相關(guān)通量觀測數(shù)據(jù)情況下研究陸地生態(tài)系統(tǒng)碳循環(huán)的有效手段之一。

4 結(jié)論

本文研究結(jié)果表明, 應(yīng)用 MODIS 遙感數(shù)據(jù)以及基于 EVI, LST 和 LSWI 構(gòu)建的遙感生態(tài)系統(tǒng)呼吸模型, 可以較好地模擬半干旱草原生態(tài)系統(tǒng)的夜間eco(擬合年份和驗證年份的2分別為 0.90 和 0.94); 渦動相關(guān)通量觀測系統(tǒng)獲取的觀測數(shù)據(jù)表明, 夜間eco與 EVIs×s的相關(guān)性較強(2=0.63), 與地表溫度 LST 的關(guān)系基本上滿足 L-T 方程(2=0.39); 將生長季分為前期、中期和后期 3 個階段, 利用觀測獲取的夜間eco擬合得到的ref分別為 0.05, 0.05 和0.02, 表明夜間eco在生長季的前期、中期和后期對 EVIs×s和 LST 的響應(yīng)強度不同, 該現(xiàn)象可能是模型的主要誤差來源之一。

[1]Trumbore S. Carbon respired by terrestrial ecosystems-recent progress and challenges. Global Change Bio-logy, 2010, 12(2): 141–153

[2]Falge E, Baldocchi D, Tenhunen J, et al. Seasonality of ecosystem respiration and gross primary produc-tion as derived from FLUXNET measurements. Ag-ricultural & Forest Meteorology, 2002, 113(1): 53–74

[3]Valentini R, Matteucci G, Dolman A J, et al. Res-piration as the main determinant of carbon balance in European forests. Nature, 2000, 404: 861–865

[4]Janssens I A, Lankreijer H, Matteucci G, et al. Pro-ductivity overshadows temperature in determining soil and ecosystem respiration across European forests. Global Change Biology, 2001, 7(3): 269–278

[5]Barr A G, Griffis T J, Black T A, et al. Comparing the carbon budgets of boreal and temperate deciduous forest stands. Canadian Journal of Forest Research, 2002, 32(5): 813-822

[6]Law B E, Falge E, Gu L, et al. Environmental con-trols over carbon dioxide and water vapor exchange of terrestrial vegetation. Agricultural & Forest Meteoro-logy, 2002, 113(1): 97–120

[7]Lloyd J, Taylor J A. On the temperature dependence of soil respiration. Functional Ecology, 1994, 8(3): 315–323

[8]Zhao Z M, Zhao C Y, Yan Y Y, et al. Interpreting the dependence of soil respiration on soil temperature and moisture in an oasis cotton field, central Asia. Agri-culture Ecosystems & Environment, 2013, 168(11): 46–52

[9]Fang C, Moncrieff J B. The dependence of soil CO2efflux on temperature. Soil Biology & Biochemistry, 2001, 33(2): 155–165

[10]Davidson E A, Belk E, Boone R D. Soil water content and temperature as independent or confounded factors controlling soil respiration in a temperate mixed hardwood forest. Global Change Biology, 1998, 4(2): 217–227

[11]Reichstein M, Tenhunen J D, Roupsard O, et al. Eco-system respiration in two Mediterranean evergreen Holm Oak forests: drought effects and decomposition dynamics. Functional Ecology, 2002, 16(1): 27–39

[12]于貴瑞, 溫學(xué)發(fā), 李慶康, 等. 中國亞熱帶和溫帶典型森林生態(tài)系統(tǒng)呼吸的季節(jié)模式及環(huán)境響應(yīng)特征. 中國科學(xué): 地球科學(xué), 2004, 34(增刊2): 84–94

[13]Running S W, Baldocchi D D, Turner D P, et al. A global terrestrial monitoring network integrating to-wer fluxes, flask sampling, ecosystem modeling and EOS satellite data. Remote Sensing of Environment, 1999, 70(1): 108–127

[14]Huang N, Zheng N. Estimating soil respiration using spectral vegetation indices and abiotic factors in irrigated and rainfed agroecosystems. Plant & Soil, 2013, 367(1/2): 535–550

[15]Xiao X, Hollinger D, Aber J, et al. Satellite-based modeling of gross primary production in an evergreen needleleaf forest. Remote Sensing of Environment, 2004, 89(4): 519–534

[16]Sims D A, Rahman A F, Cordova V D, et al. A new model of gross primary productivity for North Ame-rican ecosystems based solely on the enhanced ve-getation index and land surface temperature from MODIS. Remote Sensing of Environment, 2015, 112 (4): 1633–1646

[17]Running S W, Nemani R R, Heinsch F A, et al. A continuous satellite-derived measure of global ter-restrial primary production. Bioscience, 2004, 54(6): 547–560

[18]Liu J, Chen J M, Cihlar J, et al. Net primary produc-tivity mapped for Canada at 1-km resolution. Global Ecology & Biogeography, 2002, 11(2): 115–129

[19]伍衛(wèi)星, 王紹強, 肖向明, 等. 利用 MODIS 影像和氣候數(shù)據(jù)模擬中國內(nèi)蒙古溫帶草原生態(tài)系統(tǒng)總初級生產(chǎn)力. 中國科學(xué): 地球科學(xué), 2008, 38(8): 993–1004

[20]Gao Y N, Yu G R, Yan H, et al. A MODIS-based photosynthetic capacity model to estimate gross pri-mary production in Northern China and the Tibetan Plateau. Remote Sensing of Environment, 2014, 148 (5): 108–118

[21]Gao Y N, Yu G R, Li S G, et al. A remote sensing model to estimate ecosystem respiration in Northern China and the Tibetan Plateau. Ecological Modelling, 2015, 304: 34–43

[22]杜群, 劉輝志, 馮健武, 等. 半干旱區(qū)草原生態(tài)系統(tǒng)的碳交換特征. 中國科學(xué): 地球科學(xué), 2012(5): 711–722

[23]郝彥賓, 王艷芬, 孫曉敏, 等. 內(nèi)蒙古羊草草原碳交換季節(jié)變異及其生態(tài)學(xué)解析. 中國科學(xué): 地球科學(xué), 2006, 36(增刊1): 174–182

[24]葉篤正, 陳泮勤. 中國的全球變化預(yù)研究. 北京: 地震出版社, 1992

[25]王英舜, 史激光. 典型草原區(qū)生長季大氣 CO2濃度特征分析. 中國農(nóng)學(xué)通報, 2010, 26(13): 363–365

[26]李金花, 潘浩文, 王剛. 內(nèi)蒙古典型草原退化原因的初探. 草業(yè)科學(xué), 2004, 21(5): 49–51

[27]Webb E K, Pearman G I, Leuning R. Correction of flux measurements for density effects due to heat and water vapour transfer. Quarterly Journal of the Royal Meteorological, 1980, 106: 85–100

A Validation Study of MODIS-Based Ecosystem Respiration Model in a Semi-Arid Grassland of Inner Mongolia

JIANG Haimei1,2,?, YE Haotian1,2, WANG Ruojing3, HAO Yong1,2, WANG Chenggang1,2, CAO Le1,2

1. Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing 210044; 2. School of Atmospheric Physics, Nanjing University of Information Science and Technology, Nanjing 210044; 3. Xilinhaote National Climatological Observatory, Xilinhot 026000; ? E-mail: hmjiang@nuist.edu.cn

Eddy covariance data from Xilinhaote National Climatological Observatory in Xilin Gol League during growing seasons of 2010—2013 as well as MODIS data were used to validate an ecosystem respiration model based on enhanced vegetation index (EVI), land surface water index (LSWI) and land surface temperature (LST) in a semi-arid grassland of Inner Mongolia. The limitations of this remote sensing respiration model were also discussed. The results indicate that this model can successfully simulate the variations of nocturnal ecosystem respiration (eco)in the growing seasons and between different years. The simulated nocturnalecoalso agreed remarkably with the observedeco(2=0.90, RMSE=0.02 mgCO2/(m2·s)). Moreover, the observed nocturnalecoshowed a good linear correlation with EVIs×s(2=0.63), in which EVIsandsare response functions of EVI and LSWI on photosynthesis, respectively. The response of nocturnalecoto LST was also found following the L-T equation (2=0.39). In addition, the difference between responses of nocturnalecoto EVIs×sand LST in the early, middle and late stages of the growing season is indicated as one principal source of the deviations of model results.

Inner Mongolia; semiarid grassland; ecosystem respiration model; MODIS remote sensing data

10.13209/j.0479-8023.2019.109

國家重點研發(fā)計劃(2017YFC0209801)和國家自然科學(xué)基金(41505006)資助

2019-01-03;

2019-03-11