遙感GPP模型在中亞干旱區(qū)4個典型生態(tài)系統(tǒng)的適用性評價

許世賢,井長青,*,高勝寒,鄔昌林

1 新疆農(nóng)業(yè)大學新疆草地資源與生態(tài)重點實驗室,烏魯木齊 830052 2 中國科學院水利部成都山地災害與環(huán)境研究所,成都 610041

總初級生產(chǎn)力(Gross Primary Productivity,GPP)是評估陸地生態(tài)系統(tǒng)碳通量的重要指標,定義為植被通過光合作用固定的有機碳量[1]。準確估算GPP有助于理解大氣和陸地生態(tài)系統(tǒng)的碳循環(huán)過程。渦度通量技術(shù)(Eddy Covariance,EC)可以在站點尺度監(jiān)測地面生態(tài)系統(tǒng)的二氧化碳交換量,從而準確估算GPP[2],但渦度通量觀測得到的數(shù)據(jù)所代表的空間尺度較小,受空間異質(zhì)性及下墊面復雜的影響,難以將估算結(jié)果外推到更大尺度[3]。相較于站點觀測二氧化碳通量,遙感模型具有長時間序列大區(qū)域范圍監(jiān)測的優(yōu)勢[4]。中亞干旱、半干旱區(qū)是全球八大干旱區(qū)之一,面積廣闊[5],其碳通量是全球碳循環(huán)的重要組成部分,而區(qū)域內(nèi)生態(tài)系統(tǒng)種類較多且易受全球氣候變化干擾,對外界環(huán)境因素的變化有很快速的響應[6]。比較遙感GPP模型在區(qū)域內(nèi)不同生態(tài)系統(tǒng)上的適用性,有助于更準確的評估干旱區(qū)生態(tài)系統(tǒng)的生產(chǎn)力和理解全球生態(tài)系統(tǒng)碳循環(huán)。

目前遙感GPP估算模型主要包括光能利用率模型、光合作用機理過程模型、遙感植被指數(shù)模型。過程模型的代表有BEPS模型[7]、BESS模型等[8],模型從植被吸收二氧化碳的機理過程出發(fā),利用算法模擬,具有較高的精度,但模型參數(shù)眾多且結(jié)構(gòu)復雜,精度依賴于模型結(jié)構(gòu)和眾多輸入?yún)?shù)的可靠性。光能利用率模型基于光能轉(zhuǎn)化率理論[9],理論認為植被實際光合作用能力的影響因素為光合有效輻射量(PAR)、植被光能最大吸收效率及其環(huán)境壓力對植被光能吸收效率的限制。光能利用率模型考慮了光能吸收機理的同時模型結(jié)構(gòu)較為簡單,因此得到了很大程度的發(fā)展。CASA(Carnegie Ames Stanford Approach)[10]、MOD17模型[11]、EC-LUE(Eddy Covariance Light Use Efficiency)[12]、VPM(Vegetation Photosynthesis Model)[13]等光能利用率模型被建立并得到了廣泛應用[14]。植被指數(shù)模型同樣根據(jù)光能轉(zhuǎn)化率理論建立而來,主要通過遙感植被指數(shù)代替光能吸收效率,從而實現(xiàn)模型的簡化,通常植被指數(shù)模型相較于光能利用率模型輸入?yún)?shù)更少,模型結(jié)構(gòu)也更簡單。Sims等發(fā)現(xiàn)增強型植被指數(shù)(EVI)與GPP有很強的相關(guān)性[15],之后在此發(fā)現(xiàn)的基礎上引入對植被生長有重要影響的因子溫度,進而建立起溫度與綠度模型(TG,Temperature And Greenness Model)[16]；2010年Wu提出了只依賴EVI與PAR的VI模型(vegetation index model)[17]；SANIRv模型考慮到荒漠植被植被覆蓋度低的特點,建立了植被近紅外反射率指數(shù)(NIRv)和PAR與GPP的函數(shù)關(guān)系[18]。目前,也有利用微波遙感[19]或日光誘導植被熒光(solar-induced fluorescence,SIF)觀測技術(shù)建立的GPP模型出現(xiàn)[20]。

多種遙感模型在全球或區(qū)域尺度上被建立應用,但不同遙感模型在同一區(qū)域內(nèi)得出的結(jié)果可能存在較大差異,因此在應用前需要評估模型在區(qū)域的適用性。例如Gebremichael等人在墨西哥半干旱區(qū)對MODIS GPP產(chǎn)品進行了驗證[21]。Chen等人對比三種遙感模型在中國不同氣候區(qū)的區(qū)域差異[22]。Wang等人通過中國華北10個通量站點數(shù)據(jù)驗證MOD17模型的精度[23]。由于中亞地區(qū)地理位置和氣候條件的特殊性,不能簡單的將其他區(qū)域的模型評價結(jié)果“遷移”至中亞地區(qū),因此需要針對中亞干旱半干旱區(qū)評估遙感GPP模型的適用性。

本研究以中亞四個典型生態(tài)系統(tǒng)渦度相關(guān)觀測站點作為研究對象,選取遙感GPP模型中具有代表性的光能利用率模型：MOD17模型、VPM模型；植被指數(shù)模型：TG模型、SANIRv模型；微波遙感模型：VODCA2模型,將基于EC技術(shù)觀測的通量數(shù)據(jù)作為模型驗證數(shù)據(jù),比較五種遙感GPP模型在中亞四個典型地表生態(tài)系統(tǒng)的適用性,為遙感GPP模型的發(fā)展及其在干旱區(qū)的應用提供理論依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

中國新疆阜康荒漠生態(tài)國家野外科學觀測研究站(簡稱CN-Fuk)位于古爾班通古特沙漠南緣綠洲(44°17′N,87°56′E)[24],屬于典型荒漠生態(tài)系統(tǒng),通量觀測站點屬于中國通量觀測聯(lián)盟(ChinaFLUX),地表優(yōu)勢種群為荒漠灌木怪柳科植物以及旱生草本植物,植被蓋度在20%—30%。中國烏蘭烏蘇綠洲農(nóng)田生態(tài)與農(nóng)業(yè)氣象試驗站(簡稱CN-Wul),位于新疆天山北麓中段、準噶爾盆地南緣(44°17′N,85°51′E)。屬于典型農(nóng)田生態(tài)系統(tǒng),農(nóng)作物主要為棉花、玉米和冬小麥等。土壤類型為沙壤土,肥力中等[25]。哈薩克斯坦咸海站(簡稱KZ-Ara)位于咸海東北部(44°58′N,61°05′E)[26],為典型荒漠生態(tài)系統(tǒng),地表優(yōu)勢物種為為灌木、檉柳等,并伴生多種旱生草本植物、苦豆子、蘆葦?shù)?。植被覆蓋度約為30%。哈薩克斯坦巴爾喀什湖站(簡稱KZ-Bal)位于巴爾喀什湖與卡普恰蓋水庫之間(44°34′N,76°39′E)[26],屬于典型草地生態(tài)系統(tǒng),地表覆蓋類型為草地,并伴生有少部分的農(nóng)田與灌木,植被覆蓋度約為50%(圖1)。本研究所采用的四個通量站點均位于中緯度歐亞大陸腹地,均屬于溫帶大陸性氣候,夏季炎熱,冬季寒冷,年降雨量少且主要集中在夏季。四個站點地形起伏均較小。咸海站和阜康站氣候干旱,年均溫在5.7—8.3 ℃之間,降雨稀少,年降雨量在140—150 mm之間[27],屬于典型的干旱區(qū)荒漠生態(tài)系統(tǒng)；巴爾喀什湖站氣候條件與咸海站、阜康站類似,但因其毗鄰河流和綠洲農(nóng)田,地表水分條件較荒漠站更好；烏蘭烏蘇站年均溫在7℃左右,年降雨量在210 mm左右,農(nóng)作物生長所需水分主要依賴人工灌溉。CN-Fuk、KZ-Ara、KZ-Bal三個站點數(shù)據(jù)來源于中國科學院新疆生態(tài)與地理研究所,CN-Wul數(shù)據(jù)來源于烏蘭烏蘇綠洲農(nóng)田生態(tài)與農(nóng)業(yè)氣象試驗站。

圖1 通量站點分布及土地利用類型圖Fig.1 Flux station distribution and land use map

1.2 數(shù)據(jù)來源與預處理

1.2.1 遙感數(shù)據(jù)

本研究所采用的MODIS遙感數(shù)據(jù)有2005—2006、2009—2010、2012年的h23v04和h24v04兩景的MOD09A1 8d 500m地表反射率合成產(chǎn)品、MOD11A2 8d 1km地表溫度合成產(chǎn)品。以上數(shù)據(jù)均來源于美國國家航空航天局的分布式檔案中心(https://ladsweb.modaps.eosdis.nasa.gov/)。首先采用MRT工具將所需數(shù)據(jù)從HDF數(shù)據(jù)集中提出并進行批量合成、重投影、重采樣等處理,再根據(jù)數(shù)據(jù)質(zhì)量控制文件,選取可靠像元,并插補缺失及不可靠像元,最后對計算得到的植被指數(shù)進行平滑處理,以消除云、氣溶膠等因素的影響。

本研究遙感GPP模型的輸入?yún)?shù)有：增強型植被指數(shù)EVI、歸一化植被指數(shù)NDVI和陸地水分指數(shù)LSWI使用MOD09A1地表反射率產(chǎn)品計算獲得,各植被指數(shù)的計算公式為：

(1)

(2)

(3)

式中,RED為紅波段(620—670 mm)、NIR表示近紅外波段(841—875 mm)、BLUE為藍波段(459—479 mm)、SWIR為短波紅外(841—875 mm)。

1.2.2 氣象數(shù)據(jù)

本研究所采用的氣溫數(shù)據(jù)來自歐洲中期天氣預報中心(ECMWF)的ERA5-land氣象再分析數(shù)據(jù),使用MATLAB軟件提取站點坐標周邊3 km×3 km地表2 m的氣溫數(shù)據(jù)。光合有效輻射(PAR)數(shù)據(jù)來自全球陸表特征參量產(chǎn)品數(shù)據(jù)集(http://www.glass.umd.edu/)[28]。使用MATLAB軟件將獲取到的HDF格式數(shù)據(jù)輸出為tif格式,并提取站點周邊3 km×3 km的數(shù)據(jù)。

1.2.3 GPP產(chǎn)品數(shù)據(jù)集

MOD17模型屬于光能利用率模型,該模型結(jié)構(gòu)可以表述為：

GPPmodis=0.45×εmax×m(Tmin)×m(VPD)×fPAR×SWrad

(4)

式中,εmax表示為最大光能利用率(LUE),m(VPD)與m(Tmin)分別為飽和水氣壓差和低溫條件降低εmax的標量,fPAR為PAR的分量,SWrad為太陽短波輻射分量。MOD17全球GPP數(shù)據(jù)可由MOD17產(chǎn)品獲得,來源為美國國家航空航天局的分布式檔案中心(https://ladsweb.modaps.eosdis.nasa.gov/)。

VODCA2模型是基于被動微波遙感估算GPP的方法。模型的主要參數(shù)為微波遙感植被光學深度(VOD),植被光學深度主要代表了植被含水量,模型通過反演植被含水量模擬GPP,模型原理詳見[29],模型數(shù)據(jù)可由期刊Earth System Science Data獲得[19]。模型主要結(jié)構(gòu)可表述為：

GPPVOD=sVOD+s(Δ(VOD))+s(mdn(VOD))

(5)

1.2.4 GPP驗證數(shù)據(jù)

CN-Fuk站的GPP驗證數(shù)據(jù)來自于劉冉發(fā)表在期刊上的2005—2006年在阜康站采用渦度相關(guān)系統(tǒng)測得的5—10月的月值數(shù)據(jù)[30]。KZ-Ara、KZ-Bal、CN-Wul三個站的GPP驗證數(shù)據(jù)來源于渦度相關(guān)系統(tǒng)觀測(表1)。3個站的渦度相關(guān)系統(tǒng)主要由開路式CO2/H2O分析儀(LI-7500, LI-COR, Lincoln, USA)、三維超聲風速儀(CSAT3, Campbell Scientific, Logan, USA)和數(shù)據(jù)采集器(CR5000, Campbell Scientific, Logan, USA)組成。CO2/H2O分析儀與三維超聲風速儀觀測高度為2 m,采樣頻率為10 Hz, 分別用來測定CO2、水汽脈動和風速、溫度脈動,并通過數(shù)據(jù)采集器CR5000 (Campbell Scientific, Logan, USA)記錄和存儲10 Hz的原始通量數(shù)據(jù)。EddyPro軟件可以將生態(tài)系統(tǒng)凈交換碳通量(NEE)數(shù)據(jù)按NEE=Re-GPP的關(guān)系拆分,夜間NEE等于生態(tài)系統(tǒng)呼吸(Re),利用夜間數(shù)據(jù)建立Re與溫度的關(guān)系從而推導日間的Re,進而計算得到日間的GPP[31],為與遙感數(shù)據(jù)的時間步長進行匹配,計算每8天的累積GPP。

表1 渦度通量數(shù)據(jù)基本信息

1.3 研究方法

1.3.1 VPM模型

VPM模型為光能利用率模型,該模型將溫度脅迫、水分脅迫、葉片成熟度作為限制光能利用效率的因子,分別使用Tscalar、Wscalar、Pscalar作為量化指標。該模型結(jié)構(gòu)表述為：

GPPVPM=ε×FPARchl×PAR

(6)

ε=εmax×Tscalar×Wscalar×Pscalar

(7)

(8)

(9)

Pscalar=1全葉時期

(10)

(11)

FPARchl=a×EVI

(12)

式中,PAR為光合有效輻射,單位為MJ,Tmin、Tmax、Topt分別為植被光合作用活性最低溫、最高溫、最適溫度,a的值為1。

1.3.2 TG模型

TG模型為植被指數(shù)模型,遙感驅(qū)動數(shù)據(jù)為增強型植被指數(shù)EVI和地表溫度LST,公式為：

GPPTG=mTG×EVIscaled×LSTscaled

(13)

EVIscaled=EVI-0.1

(14)

(15)

式中,m為縮放因子,表示為GPP與溫度-綠度之間的斜率,需要通過遙感數(shù)據(jù)與站點觀測數(shù)據(jù)標定。

1.3.3 SANIRv模型

SANIRv模型基于歸一化植被指數(shù)(NDVI)和近紅外波段(NIR)與光合有效輻射(PAR)的GPP估算模型,該模型結(jié)構(gòu)可表述為：

GPPSANIRv=c×PAR×SANIRv

(16)

(17)

NIRv=NDVI×NIR

(18)

式中,c是GPP與PAR和SANIRv的斜率,通過遙感數(shù)據(jù)與站點實測數(shù)據(jù)標定。NIRvmax為單個像元在時間序列上的最大值。NIRvsoil是對土壤背景的NIRv值的初始估計,假設NIRv值在0—0.1區(qū)間內(nèi),將此區(qū)間分為十個步長為0.01的區(qū)間,統(tǒng)計每個像元值在時間序列上落在每個區(qū)間內(nèi)的次數(shù),并計算落在頻次最高及其相鄰的兩個區(qū)間的像元平均值,將像元值作為NIRvsoil(為去除生長季對土壤背景值的影響,只統(tǒng)計小于NIRv在時間序列上的平均值的數(shù))[32]。

2 結(jié)果與分析

2.1 模型關(guān)鍵參數(shù)的標定

不同遙感GPP模型中存在著不同的敏感參數(shù),而敏感參數(shù)的準確選取很大程度上影響著模型的模擬精度。敏感參數(shù)通常受植被類型或氣候條件的影響,因此,在應用遙感GPP模型的模擬估算時,需要對敏感參數(shù)進行標定[33]。TG模型中的敏感參數(shù)m和SANIRv模型中的參數(shù)c為模型其他參數(shù)與GPP之間的斜率,參數(shù)值通過站點數(shù)據(jù)與模型輸入數(shù)據(jù)進行標定。VPM模型中的敏感參數(shù)εmax是最大光能利用率,三個模型在不同站點上的敏感參數(shù)數(shù)值如表2所示：

表2 遙感模型關(guān)鍵參數(shù)

VPM模型中,最大光能利用率εmax的選取所需植被類型只有C3或C4植物之分,經(jīng)前人根據(jù)FLUXNET各通量站數(shù)據(jù)對εmax的標定[34],當植被類型為C3和C4時,εmax分別為1.911 gC MJ-1和2.86 gC MJ-1。本研究的研究區(qū)選取了中亞干旱區(qū)內(nèi)四個典型生態(tài)系統(tǒng),而中亞地處溫帶,生長的植被大部分為C3植物,四個典型生態(tài)系統(tǒng)的優(yōu)勢種均為C3植物,因此四個站點的最大光能利用率確定為1.911 gC MJ-1。

2.2 模型在四個站點上的適用性

2.2.1 模型在荒漠生態(tài)系統(tǒng)的精度

圖2為KZ-Ara荒漠站五種模型模擬值與觀測值的擬合結(jié)果,通過圖2和表3可以看出五種模型在咸海地區(qū)荒漠灌叢生態(tài)系統(tǒng)中對GPP的模擬精度均較差。五種模型的決定系數(shù)排序為MOD17>VODCA2>TG>VPM>SANIRv,精度最高的模型MOD17模型的R2僅為0.52,五種模型的RMSE均在1 gC m-2d-1左右。CN-Fuk站與KZ-Ara站的下墊面條件相似,同樣為荒漠灌叢生態(tài)系統(tǒng)。在此區(qū)域內(nèi)五種模型的R2排序為VPM>SANIRv>MOD17>VODCA2>TG,其中VPM模型的R2達到了0.80,五種模型的RMSE均在2 gC m-2d-1以下,其中VPM模型的RMSE為0.55 gC m-2d-1。光能利用率模型在模擬荒漠灌叢GPP的精度要優(yōu)于其他種類的模型,同時模型對短時間(8天)的GPP變化不敏感,更適宜模擬長時間(月)的GPP變化。

圖2 KZ-Ara站和CN-Fuk站實測GPP與模型模擬GPP散點圖Fig.2 Scatterplot of measured GPP vs model simulated GPP at KZ-Ara and CN-Fuk stationsGPP：總初級生產(chǎn)力 Gross primary productivity;TG：溫度與綠度模型；VPM：植被光合作用模型

2.2.2 模型在農(nóng)田生態(tài)系統(tǒng)的精度

圖3為CN-Wul農(nóng)田站五種模型模擬值與觀測值的擬合結(jié)果,通過圖3和表3可以看出,五種模型對農(nóng)田生態(tài)系統(tǒng)GPP的模擬精度均較好。R2排序為SANIRv>TG>VPM>MOD17>VODCA2,R2均在0.5以上,其中TG模型、VPM模型、SANIRv模型的R2達到了0.9以上；植被指數(shù)模型的RMSE均在1 gC m-2d-1左右,光能利用率模型和微波模型的RMSE均在2 gC m-2d-1左右,植被指數(shù)模型較其他種類模型精度更高。

2.2.3 模型在草地生態(tài)系統(tǒng)的精度

圖4為KZ-Bal草地站五種模型模擬值與觀測值的擬合結(jié)果,通過圖4和表3可以看出,五種模型對草地生態(tài)系統(tǒng)GPP的R2排序為VPM>SANIRv>MOD17>TG>VODCA2,R2較高的兩個模型SANIRv和VPM的R2均在0.8以上,而VODCA2模型的R2為0.03,植被指數(shù)模型的RMSE均在2 gC m-2d-1左右,而光能利用率模型和微波模型的RMSE均在5 gC m-2d-1以上。盡管VPM模型的R2達到了0.88,但是VPM模型對GPP出現(xiàn)了明顯的低估。因此,在KZ-Bal站點區(qū)域?qū)PP模擬精度最高的模型為植被指數(shù)模型中的SANIRv模型。

圖3 CN-Wul站實測GPP與模型模擬GPP散點圖 Fig.3 Scatterplot of measured GPP vs model simulated GPP at CN-Wul stations

圖4 KZ-Bal站實測GPP與模型模擬GPP散點圖 Fig.4 Scatterplot of measured GPP vs model simulated GPP at KZ-Bal stations

表3 渦度觀測GPP與模型模擬GPP的比較

2.3 模擬GPP與地面觀測GPP的季節(jié)動態(tài)

2.3.1 荒漠生態(tài)系統(tǒng)的季節(jié)動態(tài)

圖5和圖6分別為KZ-Ara站和CN-Fuk站模型模擬值和觀測值的季節(jié)動態(tài),兩個站點的GPP的峰值均在4 gC m-2d-1左右。兩個站點上MOD17、SANIRv、TG、VPM模型均與EC GPP保持了較好的一致性,而VODCA2模型在生長季的開始前和結(jié)束后出現(xiàn)了峰值,對GPP的動態(tài)模擬能力最弱。

KZ-Ara站在生長季的觀測期內(nèi),EC GPP的累計量為301.22 gC m-2,MOD17、VPM、TG、SANIRv、VODCA2模型的模擬值分別為268.87 gC m-2、332.15 gC m-2、284.71 gC m-2、285.52 gC m-2和240.03 gC m-2。SANIRv模型的相對誤差最低。CN-Fuk站在兩年的生長季觀測期內(nèi),EC GPP的累積量為845.98 gC m-2,MOD17、VPM、TG、SANIRv、VODCA2模型的模擬值分別為516.49 gC m-2、815.11 gC m-2、542.57 gC m-2、567.32 gC m-2和864.34 gC m-2。VODCA2模型的相對誤差最低(表4)。

圖5 KZ-Ara站渦度通量GPP與模型模擬GPP季節(jié)動態(tài)Fig.5 Seasonal dynamics of EC GPP and model simulated GPP at KZ-Ara stationEC GPP表示渦度觀測GPP,其他圖例分別為各個模型模擬的GPP

圖6 CN-Fuk站渦度通量GPP與模型模擬GPP季節(jié)動態(tài)Fig.6 Seasonal dynamics of EC GPP and model simulated GPP at CN-Fuk station

2.3.2 農(nóng)田生態(tài)系統(tǒng)的季節(jié)動態(tài)

圖7為CN-Wul站模型模擬值和觀測值的季節(jié)動態(tài),農(nóng)田GPP的峰值在12 gC m-2d-1左右。SANIRv、TG模型與EC GPP有較好的一致性,MOD17、VPM模型出現(xiàn)了較大程度的低估,VODCA2模型在生長季的開始前就出現(xiàn)了峰值,與EC GPP的一致性最差。在兩年的觀測期內(nèi),EC GPP的累積量為1750.52 gC m-2,MOD17、VPM、TG、SANIRv、VODCA2模型的模擬值分別為1243.97 gC m-2、1244.03 gC m-2、1731.31 gC m-2、1796.29 gC m-2和1579.84 gC m-2,TG模型對CN-Wul農(nóng)田站的模擬相對誤差最低(表4)。

圖7 CN-Wul站渦度通量GPP與模型模擬GPP季節(jié)動態(tài)Fig.7 Seasonal dynamics of EC GPP and model simulated GPP at CN-Wul station

2.3.3 草地生態(tài)系統(tǒng)的季節(jié)動態(tài)

圖8為KZ-Bal站模型模擬值和觀測值在時間序列上的特征,草地生態(tài)系統(tǒng)GPP的峰值在11 gC m-2d-1左右。TG、SANIRv模型與EC GPP有較好的一致性,MOD17、VODCA2、VPM模型則對GPP有較大程度的低估。觀測期內(nèi),EC GPP的累積量為927.55 gC m-2,MOD17、VPM、TG、SANIRv、VODCA2模型的模擬值分別為206.87 gC m-2、350.32 gC m-2、909.18 gC m-2、948.19 gC m-2和211.10 gC m-2,MOD17、VPM、VODCA2模型的模擬結(jié)果對GPP的低估程度較大,TG模型對KZ-Bal草地站的模擬相對誤差最低(表4)。

圖8 KZ-Bal站渦度通量GPP與模型模擬GPP季節(jié)動態(tài)Fig.8 Seasonal dynamics of EC GPP and model simulated GPP at KZ-Bal station

表4 渦度觀測GPP總量與模型模擬GPP總量的相對誤差RE/%

3 討論

本研究通過比較渦度協(xié)相關(guān)法觀測的地面數(shù)據(jù)與五種遙感GPP模型模擬的GPP數(shù)據(jù),分析遙感模型在4個典型生態(tài)系統(tǒng)上的適用性。將五種GPP模型的關(guān)鍵輸入?yún)?shù)與GPP進行對比分析,可以發(fā)現(xiàn)在不同的站點上,GPP與PAR的決定系數(shù)均較高且大致相等,說明四個站點上GPP受PAR影響的程度較為一致,可以看出GPP并未受光照條件限制。在KZ-Ara和CN-Fuk兩個荒漠植被站點上GPP與LST的決定系數(shù)較低,與氣溫的決定系數(shù)較高,這可能是因為荒漠植被地表覆蓋度較低,地表溫度較氣溫更高,不能很好的代表植被實際環(huán)境溫度[35]；而CN-Wul農(nóng)田站和KZ-Bal草地站植被覆蓋較高,地表溫度對植被實際環(huán)境溫度的代表性較好,因此在這兩個站點上GPP與LST的決定系數(shù)較高。除CN-Wul農(nóng)田站外,其余三個站點植被指數(shù)NDVI、EVI與GPP的決定系數(shù)偏低,NDVI、EVI可以反映植被生長狀況,但由于中亞地處干旱區(qū),自然生態(tài)系統(tǒng)的植被覆蓋度往往較低,受土壤背景等因素影響,植被指數(shù)會偏低,這可能會對GPP的模擬帶來誤差。KZ-Ara荒漠站LSWI與GPP的決定系數(shù)達到0.9以上(表5)。這說明荒漠植被GPP的主要限制因素為水分脅迫,而CN-Wul農(nóng)田站LSWI與GPP的相關(guān)系數(shù)非常低,這可能是因為農(nóng)田作物生長所需要的水分來自于澆灌,而遙感數(shù)據(jù)為瞬時值,難以捕捉八天內(nèi)植被、土壤中水分的動態(tài)變化,這可能會對GPP的模擬估計造成誤差[36]。

表5 渦度通量GPP與模型輸入因子的決定系數(shù)R2

本研究比較的兩種光能利用率模型MOD17、VPM模型對農(nóng)田、草地的GPP有較為明顯的低估,這可能是由于MOD17定量水分脅迫的指標為VPD,主要體現(xiàn)了大氣水分虧缺量,而農(nóng)田與草地站地處干旱區(qū),空氣較為干燥,植被生長所需的水主要來源于澆灌或地下水,這可能導致MOD17模型過分估計了水分脅迫的程度,最終導致模型對GPP的低估[37]；而VPM模型定量水分脅迫的指標為LSWI,基于前文所述,遙感數(shù)據(jù)可能對植被、土壤中水分的動態(tài)估計存在一定偏差,這可能導致了VPM模型對兩個站點GPP的低估。以往的研究結(jié)果表明：VPM模型對各土地覆蓋類型GPP的整體模擬精度較高,但對農(nóng)田的GPP也存在一定程度的低估(～15%)[38],MOD17模型模擬玉米、大豆的GPP時也出現(xiàn)了低估[39]。王旭峰等人在黑河上游阿柔凍融觀測站利用VPM模型高寒草甸GPP,結(jié)果表明VPM模型可以很好的模擬高寒草甸的GPP[40]。楊明興等人驗證了MOD17模型在亞熱帶針葉林和常綠闊葉林的GPP模型精度,結(jié)果表明MOD17模型對常綠闊葉林的模擬效果較好,而對針葉林的GPP有較大程度的低估,全年低估量達到了41.27%[41]。兩種植被指數(shù)模型TG、SANIRv模型因其輸入?yún)?shù)較少,只通過植被指數(shù)表征植被生長狀況,而“固碳”能力通過站點數(shù)據(jù)與遙感數(shù)據(jù)進行標定,減少了輸入數(shù)據(jù)不準確對結(jié)果的干擾。前人研究發(fā)現(xiàn)KZ-Bal草地生態(tài)系統(tǒng)的固碳能力較KZ-Ara荒漠生態(tài)系統(tǒng)的能力更高[27],這與本文對TG、SANIRv模型參數(shù)m和c的標定結(jié)果呈現(xiàn)的特征一致。微波遙感模型VODCA2模型在四個站點的模擬上精度均較低,這可能是由于數(shù)據(jù)集空間分辨率較低,導致觀測數(shù)據(jù)與模型模擬數(shù)據(jù)之間存在尺度不匹配的問題。由于中亞干旱區(qū)內(nèi)分布的通量站點較少,本研究每種植被類型只有一個通量站的觀測數(shù)據(jù),可能會使結(jié)果產(chǎn)生一定的偏差,有待于進一步研究。

4 結(jié)論

本研究針對中亞干旱區(qū)四個典型生態(tài)系統(tǒng),將五種遙感GPP模型的模擬結(jié)果與地面觀測結(jié)果進行對比分析,初步揭示了五種遙感GPP模型在中亞地區(qū)對GPP的區(qū)域化模擬的應用潛力,主要結(jié)論如下：

(1)綜合三個評價指標,遙感GPP模型中對咸海和阜康荒漠灌叢生態(tài)系統(tǒng)的GPP模擬效果最好的模型是光能利用率模型；對中國烏蘭烏蘇農(nóng)田生態(tài)系統(tǒng)模擬效果最好的模型是植被指數(shù)模型中的TG模型；對哈薩克斯坦巴爾喀什湖草地生態(tài)系統(tǒng)模擬效果最好的模型是植被指數(shù)模型中的SANIRv模型。

(2)對比中亞干旱區(qū)三種生態(tài)系統(tǒng)GPP的峰值發(fā)現(xiàn),農(nóng)田(12 gC m-2d-1)>草地(11 gC m-2d-1)>荒漠植被(4 gC m-2d-1)。四個渦度通量觀測站點地表植被GPP與LSWI的決定系數(shù)在荒漠植被上較高而在農(nóng)田、草地植被上較低,說明水分虧缺是干旱區(qū)植被GPP的主要限制因素。