湖州市森林植被凈初級生產(chǎn)力研究

吳偉志，朱程昊，張毅鋒

（1.浙江省森林資源監(jiān)測中心，浙江 杭州 310020；2.浙江省林業(yè)勘測規(guī)劃設計有限公司，浙江 杭州 310020）

植被凈初級生產(chǎn)力（Net Primary Productivity，簡稱NPP）是指綠色植物在單位面積、單位時間內(nèi)所累積的有機物數(shù)量[1]。植被NPP作為森林生態(tài)系統(tǒng)的基本數(shù)量特征之一，不僅直接反映植被群落在自然環(huán)境條件下的自然生產(chǎn)力，表征陸地生態(tài)系統(tǒng)的質(zhì)量狀況，而且是判定碳源、碳匯和調(diào)節(jié)生態(tài)過程的主要因子，在全球變化及碳平衡中發(fā)揮重要的作用[2-3]。因此，植被NPP估算對于森林生態(tài)系統(tǒng)的結(jié)構(gòu)、功能和森林生態(tài)服務價值估算等研究具有重要意義[4]。

植被NPP估算不僅受到植被自身結(jié)構(gòu)、分布等的影響，同時，還受到土壤條件、氣候條件等自然因素的影響。此外，所用數(shù)據(jù)、研究者觀點和經(jīng)驗等人為因素也會影響估算結(jié)果。在區(qū)域或全球尺度上，由于無法直接全面地測量植被 NPP，利用模型估算植被 NPP已成為一種重要且被廣泛接受的研究方法[5-6]。目前，基于資源平衡理論的光能利用率模型因輸入簡單、模型容易運轉(zhuǎn)和計算效率高等優(yōu)點受到了很多研究者的青睞，另外，其還可通過遙感手段輔助計算，可以節(jié)省大量的野外試驗工作，隨著遙感和計算機技術(shù)的迅速發(fā)展，逐漸成為植被NPP估算研究方法的主流[7]。其中，由Potter等提出的CASA模型，通過遙感數(shù)據(jù)和氣象數(shù)據(jù)對植被NPP進行估算，不僅避免了復雜參數(shù)的采集，也能夠較準確地進行大范圍植被NPP模擬，被廣泛應用于不同地區(qū)不同森林類型固碳量的反演模擬。陳正華等利用CASA模型，模擬了干旱和半干旱典型區(qū)域黑河流域1998-2002年凈第一性生產(chǎn)力的時空分布，并分析出上、中、下游植被NPP的驅(qū)動因子[8]；楊紅飛等運用CASA模型模擬了新疆近十年草地生態(tài)系統(tǒng)的NPP，并分析其時空格局變化特征[9]；黃悅悅采用CASA模型和多種空間分析方法探討分析了2000-2018年長時間序列下華北平原植被NPP的時空變化特征及其主要驅(qū)動因素[10]。以上研究均表明，CASA模型可以模擬區(qū)域植被NPP，對了解區(qū)域生態(tài)系統(tǒng)變化情況，進而采取下一步生態(tài)治理措施具有重要作用。

本研究以浙江省湖州市的森林植被為研究對象，基于氣象數(shù)據(jù)、遙感數(shù)據(jù)、行政區(qū)劃數(shù)據(jù)和森林資源年度監(jiān)測小班數(shù)據(jù)等資料，考慮最大光能利用率在不同森林類型中的差異，采用CASA模型，構(gòu)建區(qū)域陸地植被NPP估算模型，對湖州市森林植被的NPP進行估算，分析其空間分布特征，旨在為湖州市森林生態(tài)服務功能價值評估提供科學參考。

1 研究區(qū)概況

湖州市位于浙江省的最北端，長三角中心區(qū)域，太湖南岸，是連接長江三角洲地區(qū)南北兩翼和東中部地區(qū)的節(jié)點城市。市域介于 30°22′～31°11′N、119°14′～120°29′E 之間，東西長約 126 km，南北寬約 90 km，土地總面積為5 824 km2。地形地貌以低山丘陵、湖積和沖積平原為主，地勢大致呈現(xiàn)出由西向東北傾斜的走勢。屬亞熱帶濕潤季風氣候，雨熱同季、降水充沛，全市年平均氣溫在12.2～17.3℃，年日照時數(shù)在1 613～2 430 h，年降水量在761～1 780 mm，年平均相對濕度在80%以上。由于湖州市海拔不高，且植被受到長期的人為影響，因此，該地區(qū)植被的垂直分布和地域差異性不明顯，且呈高度次生狀態(tài)。湖州市屬于中亞熱帶常綠闊葉林北部亞地帶的青岡Cyclobalanopsis gl auca和苦櫧Castanopsis s clerophylla栽培植被區(qū)，植被物種呈現(xiàn)出中亞熱帶向北亞熱帶過渡的特征，物種類型多樣，植被資源豐富，典型自然植被有闊葉林、針葉林、灌林、草叢、沼澤水生植物5個植被類型。

2 研究方法

2.1 數(shù)據(jù)來源及其預處理

采用的數(shù)據(jù)主要有氣象數(shù)據(jù)、遙感數(shù)據(jù)以及其他空間數(shù)據(jù)，其中，氣象數(shù)據(jù)取自浙江省內(nèi)及周邊各省鄰近有效氣象站點2001年及2010年的氣象數(shù)據(jù)，包括年均溫、年總降水量、年日照百分比以及年總輻射量等。遙感數(shù)據(jù)為分辨率30 m的湖州市2018年Landsat數(shù)據(jù)。其它空間數(shù)據(jù)主要有2018年的湖州市行政區(qū)劃數(shù)據(jù)和湖州市森林資源年度監(jiān)測小班數(shù)據(jù)等。

2.1.1NVDI數(shù)據(jù)獲取 本研究所采用的湖州市植被數(shù)據(jù)（NDVI）是通過ENVI5.1軟件中“Spectral-Vegetation-NDVI”功能，對遙感器定標、大氣校正后的Landsat影像進行處理得到。

2.1.2 氣象數(shù)據(jù)獲取與處理 本研究使用的氣象數(shù)據(jù)來自于中國氣象局共享服務網(wǎng)，包括浙江省內(nèi)7個有效站點及周邊各省鄰近站點5個有效站點2001年及2010年的年均溫、年總降水量、年日照百分比以及年總輻射量等數(shù)據(jù)。另外，在獲取總輻射數(shù)據(jù)時，由于全國觀測輻射數(shù)據(jù)的站點較少，浙江省內(nèi)只有杭州和洪家2個站點，因此，在計算太陽總輻射數(shù)據(jù)時，加選鄰近并具有輻射數(shù)據(jù)的8個氣象站點，獲取數(shù)據(jù)包括南京、呂泗、上海、合肥、屯溪、南昌、洪家、杭州、建甌、福州10個輻射站點2001年及2010年的年太陽總輻射數(shù)據(jù)，單位為MJ·m-2。此外，由于氣溫的空間分布受多種要素時空格局的綜合影響，特別是在復雜地形條件下，氣溫的分布規(guī)律比較復雜。因此，利用ArcGIS 1 0.2進行空間數(shù)據(jù)的運算，得到湖州市年平均氣溫的空間分布圖（圖1）；同時，收集安吉、長興、臨安、湖州、德清、杭州等12個氣象站2018年年均降水量值，并以1981-2010年30年的降水量值為權(quán)重進行調(diào)整。然后利用Kriging空間內(nèi)插方法對12個氣象站的年降水量數(shù)據(jù)進行插值，插值結(jié)果如圖2所示；結(jié)合站點年太陽總輻射數(shù)據(jù)、2001年和2010年月平均日照百分率空間數(shù)據(jù)，利用ArcGIS 10.2得到湖州市年太陽總輻射的空間數(shù)據(jù)。

圖1 湖州市年平均氣溫空間分布圖Figure 1 Spatial distribution of mean annual temperature in Huzhou

圖2 湖州市年均降水量空間分布圖Figure 2 Spatial distribution of mean annual precipitation in Huzhou

2.2 CASA模型

CASA模型主要借助遙感技術(shù)，通過植被所吸收的光合有效輻射（APAR）和光能利用率ε兩個變量來計算植被的NPP，其計算公式如下[11]：

式中，NPP(x,t)表示像元x內(nèi)的植被在時間段t內(nèi)累計的凈初級生產(chǎn)力，單位：gC?m-2?t-1；APAR(x,t)表示像元x內(nèi)的植被在時間段t內(nèi)吸收的光合有效輻射，單位：MJ?m-2?t-1；ε(x,t)表示像元x內(nèi)的植被在時間段t內(nèi)的實際光能利用率，單位：gC?MJ-1?t-1。

2.2.1 光合有效輻射的確定 像元內(nèi)植被吸收的光合有效輻射由像元接收到的太陽總輻射和植被層對入射光合有效輻射的吸收比例決定，其計算公式如下[12]：

式中，SOL(x,t)表示像元x內(nèi)植被在時間段t內(nèi)接收到的總光合有效輻射，單位：MJ?m-2?t-1；fPAR(x,t)表示像元x內(nèi)植被對入射光合有效輻射的吸收比例；0.5表示植被所能用來固定有機物的太陽有效輻射（波長為0.38 ～0.78 μm）占太陽總輻射的比例。

本研究采用的太陽總輻射數(shù)據(jù)（SOL）來源于中國氣象局共享服務網(wǎng)的太陽輻射柵格數(shù)據(jù)。已有研究表明，fPAR與植被指數(shù)（NDVI）之間存在線性關系[13-16]，即：

式中，DVIi,max和DVIi,min分別是第I種森林類型NDVI的5%和95%的百分位數(shù)，無量綱；fPARmax和PARmin的取值與森林類型無關，分別是0.001和0.950。

NDVI最大值指植被剛好達到完全覆蓋、植被光合作用最旺盛時的值，反之，NDVI最小值指沒有植被時的值。本研究參考朱文泉等的相關研究確定各森林類型的NDVIi,max和NDVIi,min，具體如表1所示[17]。

表1 各森林類型的NDVI極值和最大光能利用率Table 1 Extremum value of NDVI and maximum solar energy utilization efficiency of different forest types

2.2.2 光能利用率的確定 光能利用率是指植被把所吸收的光合有效輻射（APAR）轉(zhuǎn)化為有機碳的比率（gC?MJ-1?t-1）。不同森林類型以及其所處不同生態(tài)環(huán)境的光能利用率差異很大，Potter等認為植被在其理想生存條件下具備最大光能利用率。實際光能利用率則可以通過溫度脅迫因子、水分脅迫因子修正最大光能利用率得到，其計算公式如下[18]：

式中，Tε1(x,t)和Tε2(x,t)分別是高溫和低溫對光能利用率的脅迫系數(shù)，無量綱；Wε(x,t)為水分脅迫系數(shù)，無量綱；εmax為不同森林類型理想狀態(tài)下（忽略溫度、水分等影響）的最大光能利用率，通常認為植被最大光能轉(zhuǎn)化率是 0.389 gC?MJ-1?t-1。

Tε1(x,t)反映植物在低溫和高溫狀態(tài)下，內(nèi)在的生化作用對光合作用的限制而降低凈初級生產(chǎn)力，其計算公式如下[19-20]：

式中，Topt(x)表示區(qū)域一年內(nèi)NDVI值達到最高時的當月平均氣溫。已有許多研究表明，NDVI的大小及其變化可以反映植物的生長狀況，NDVI達到最大值時，植物生長最快，因此，此時的氣溫可在一定程度上代表植物生長的最適溫度。

Tε2(x,t)表示環(huán)境溫度從最適溫度Topt(x)向低溫和高溫變化時，植物光能利用率逐漸變小的趨勢，這是因為植被生長在偏離最適溫度的條件下，其光能利用率會降低。其計算公式如下[19,21]：

水分脅迫系數(shù)Wε(x,t)反映了植物所能利用的水分對光能利用率的影響。隨著環(huán)境中有效水分的增加，Wε(x,t)逐漸增大，取值范圍在0.5（極端干旱條件）～1（非常濕潤條件），其計算公式如下：

式中，E(x,t)表示像元x內(nèi)植被在時間段t內(nèi)的實際蒸散量，可根據(jù)周光勝等[22]提出的區(qū)域?qū)嶋H蒸散模型求取，其模型公式見公式（8）。Ep(x,t)表示像元x內(nèi)植被在時間段t內(nèi)潛在蒸散量，可根據(jù)Boucher提出的相互關系求取[22-23]。

圖3 CASA模型估算NPP流程圖Figure 3 The flow chart of the CASA model to estimate NPP

不同森林類型的最大光能利用率εmax的取值不同，且由于最大光能利用率的取值對植被NPP的估算結(jié)果影響很大，學術(shù)界對其取值的確定一直存有爭議。本研究參考朱文泉等[24]確定的中國典型森林類型的最大光能利用率結(jié)果。各森林類型最大光能利用率見表1。

綜上，利用CASA模型估算植被NPP的流程圖如圖3所示。

3 結(jié)果與分析

3.1 湖州市森林植被NPP估算結(jié)果

本文通過模擬估算得出的湖州市森林植被NPP值約為7.49 t·hm-2·a-1，不同森林類型NPP估算結(jié)果見表2。圖4反映湖州市凈初級生產(chǎn)力空間分布特征。由圖4可見，湖州市植被NPP有著隨海拔增高而逐漸增大的趨勢，即從城市中心區(qū)、平原農(nóng)田區(qū)到山地地區(qū)，NPP逐漸增大。城市建成區(qū)、東部平原區(qū)由于硬質(zhì)地面、農(nóng)田等非林地面積比重較高，綠地面積比重相對較低，其NPP值最低。西北、西南山地以及中部山地是湖州市林木和林地資源最為豐富，植被覆蓋度相對較高的區(qū)域，整個區(qū)域NPP值較高。

表2 湖州市不同森林類型凈初級生產(chǎn)力估算結(jié)果Table 2 Estimation results of net primary productivity of different Forest types in Huzhou

圖4 湖州市NPP空間分布圖Figure 4 Spatial distribution of NPP in Huzhou City

3.2 估算結(jié)果精度檢驗

精度檢驗是驗證 NPP反演有效性和估算的 NPP能用于生態(tài)服務價值估算的前提。用模型估算2018年湖州市森林植被的NPP得到各森林類型的NPP值及其標準差，使用變異系數(shù)表示估算結(jié)果的平均變異大小。變異系數(shù)（Cv）定義為標準差（σ）與平均值（μ）之比(σ/μ)。各森林類型的NPP統(tǒng)計結(jié)果見表3。

表3 湖州市各森林類型年NPP變異系數(shù)統(tǒng)計Table 3 Coefficient of variation of annual NPP of different forest types in Huzhou

各森林類型NPP存在偏差的原因有兩方面：一是湖州市的立地類型區(qū)涉及浙北平原立地類型區(qū)和浙西山地丘陵立地類型區(qū)，湖州市的東北和東南為杭嘉湖平原，西北和西南為天目山余脈，導致即使同一森林類型的海拔、土壤、地形和氣候等森林生態(tài)環(huán)境也可能存在較大差異，進而造成NPP波動；二是湖州市軟闊類、灌木林的面積分別占全市林地面積的0.71%和0.31%，面積占比小，而本研究采用的柵格數(shù)據(jù)以30 m×30 m分辨率呈現(xiàn)，對此類面積較小的森林類型反演精度在一定程度上會有所降低，造成軟闊類和灌木林植被較其他森林類型偏差偏大。

4 結(jié)論與討論

本研究以 30 m分辨率遙感數(shù)據(jù)和氣象數(shù)據(jù)為基礎，考慮最大光能利用率在不同森林類型中的差異，采用CASA模型對湖州市森林植被凈初級生產(chǎn)力進行估算，分析其空間分布特征，并對各森林類型NPP估算結(jié)果進行精度檢驗。結(jié)果表明：湖州市森林植被的NPP值約為7.49 t·hm-2·a-1；植被NPP空間分布特征總體表現(xiàn)為隨海拔增高而逐漸增大；同一森林類型因生態(tài)環(huán)境差異和面積占比過小，導致NPP估算存在一定的偏差。

地面實測資料是植被NPP估算模型結(jié)果驗證的最佳數(shù)據(jù)，但由于大面積的NPP實測資料非常缺乏，通過實測數(shù)據(jù)進行結(jié)果對比驗證難以實現(xiàn)。因此，本研究通過與其他研究學者的估算結(jié)果進行對比來間接驗證結(jié)果。對比前人對浙江及亞熱帶地區(qū)植被的研究發(fā)現(xiàn)：本文湖州市NPP年均值估算結(jié)果為7.49 t·hm-2·a-1，比倪健、毛裕定等基于氣候模型估算NPP的結(jié)果偏低[25-26]，而與張駿、孫善磊等利用其它模型估算的結(jié)果以及實測值較為相近[27-28]。分析認為，估算結(jié)果偏低的主要原因是由于氣候模型估算結(jié)果是地區(qū)的潛在最大 NPP，而與其它不同模型的差異主要來自模型參數(shù)以及時空范圍的不同。已有不少學者通過實測生物量、利用總平均生長量法、調(diào)整系數(shù)法等方法對不同森林類型植被 NPP進行估算。為了進一步對估算結(jié)果進行驗證，將本次各類型森林NPP估算結(jié)果與其他學者研究的植被NPP進行對比，對比結(jié)果見表4。

表4 不同森林類型的NPP結(jié)果比較Table 4 Comparison on NPP of different forest types in different locations

由表4可知，本次基于CASA模型得到的各森林類型的NPP估算結(jié)果與其他學者的測算值存在一定的偏差，但偏差在可接受范圍之內(nèi)。分析認為偏差主要是由于不同測算地點之間地理條件不同，不同模型選取的各類參數(shù)以及時空范圍存在差異所致。此外，表4中不同研究均表明竹林具備較高的NPP。湖州市安吉縣作為中國著名的竹產(chǎn)業(yè)基地，發(fā)展筍竹兩用林獲得了較高的經(jīng)濟收益，可將此竹林經(jīng)營技術(shù)推廣至全市范圍，選擇緩坡深土地段實現(xiàn)小塊整地的集約經(jīng)營方式，在實現(xiàn)竹林資源可持續(xù)利用的同時，提高湖州市森林植被生產(chǎn)力。綜上，利用CASA模型對湖州市的森林NPP反演結(jié)果可靠，結(jié)果可用于森林生態(tài)系統(tǒng)服務功能中固碳釋氧、積累營養(yǎng)物質(zhì)實物量與價值量等的評估，為湖州市生態(tài)環(huán)境評價和生態(tài)環(huán)境建設提供依據(jù)。