基于Century與生態(tài)遙感綜合模型相結(jié)合的植被生產(chǎn)力估算

摘 要：該文研究利用氣候數(shù)據(jù)和氣候情景數(shù)據(jù)驅(qū)動(dòng)Century模型模擬河南部分地區(qū)生態(tài)系統(tǒng)的凈初級(jí)生產(chǎn)力（NPP），并利用MODIS植被指數(shù)產(chǎn)品與之模型模擬處理的NPP建立線性模型，從而反演整個(gè)河南地區(qū)的凈初級(jí)生產(chǎn)力（NPP）。識(shí)別結(jié)果顯示，模擬NPP值與實(shí)測NPP值的線性回歸系數(shù)最高達(dá)到0.9，決定系數(shù)最高達(dá)到0.85，均方根誤差最低為2.0 g/m2。結(jié)果表明，該文采用Century模型，并利用遙感資料進(jìn)行植被生產(chǎn)力的估算在河南區(qū)域準(zhǔn)確度高和普適性強(qiáng)，該方法的應(yīng)用在未來河南地區(qū)植被生產(chǎn)力估算中起著一定作用。

關(guān)鍵詞：Century模型；生態(tài)遙感綜合模型；MODIS；氣象數(shù)據(jù)；凈初級(jí)生產(chǎn)力

中圖分類號(hào)：F323 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2096-9902（2024）21-0025-04

Abstract： This paper uses climate data and climate scenario data to drive the Century model to simulate the net primary productivity （NPP） of ecosystems in some areas of Henan， and uses the MODIS vegetation index product to establish a linear model with the NPP simulated by the model to retrieve the NPP of the entire Henan region. The identification results show that the linear regression coefficient between the simulated NPP value and the measured NPP value reaches up to 0.9， the coefficient of determination reaches up to 0.85， and the root-mean-square eE9HRXnYa3ocK2NFL/zDcZw==rror is 2.2. The results show that this paper uses Century model and remote sensing data to estimate vegetation productivity with high accuracy and universality in Henan， and the application of this method will play a certain role in estimating vegetation productivity in Henan in the future.

Keywords： Century model; integrated ecological remote sensing model; MODIS; meteorological data; net primary productivity

植被生產(chǎn)力是衡量全國植被因素的一個(gè)重要指標(biāo)，其能有效地展現(xiàn)特定地區(qū)的植被生長狀況。因此，對(duì)植被生產(chǎn)力的研究在全國植被生態(tài)領(lǐng)域具有重要作用。探索植被的碳循環(huán)機(jī)制，估算植被的碳儲(chǔ)量，可對(duì)系統(tǒng)分析和全球氣候變化作出重要貢獻(xiàn)，具有巨大的生態(tài)價(jià)值和對(duì)全球碳收支的重要價(jià)值[1]。

目前，國內(nèi)外利用遙感數(shù)據(jù)進(jìn)行植被生產(chǎn)力估算大致分為四大類[2-4]。生產(chǎn)力氣候模型主要分為統(tǒng)計(jì)模型、半經(jīng)驗(yàn)?zāi)Ｐ秃桶肜碚撃Ｐ汀Ｉa(chǎn)力氣候統(tǒng)計(jì)模型是基于年平均氣溫、年降水量和實(shí)際NPP測量值之間的統(tǒng)計(jì)關(guān)系建立的回歸模型。生產(chǎn)力氣候模型目前主要有Miami模型[5]、Thornthwaite Memorial模型[6]、Chikugo模型[7]、國內(nèi)的朱志輝模型[8]和周廣勝模型[9]。生物地球化學(xué)模型具有高度的機(jī)械性和系統(tǒng)性，是一種可靠且詳細(xì)描述不同條件下生物過程的模型。這些模型主要包括BEPS模型[10]、Century模型[11]、BIOMe-BGC模型[12]等。光能利用模型：近年來，光能模型已成為研究植物凈初級(jí)生產(chǎn)力（NPP）的主要方法。這些模型基于植物的光合作用過程和光能利用原理，采用資源平衡的觀點(diǎn)建立[12-14]。遙感生態(tài)模型在全球變化研究中也扮演著重要角色，其中遙感參數(shù)模型在實(shí)現(xiàn)植被參數(shù)尺度轉(zhuǎn)換方面發(fā)揮著關(guān)鍵作用。另外，通過利用斑塊尺度的生態(tài)系統(tǒng)參數(shù)，可以推算出更大尺度的生態(tài)系統(tǒng)參數(shù)[15]。隨著遙感技術(shù)的發(fā)展，衛(wèi)星遙感數(shù)據(jù)作為研究植被凈初級(jí)生產(chǎn)力（NPP）的信息來源顯示出了明顯的優(yōu)勢。通過比值植被指數(shù)和歸一化差值植被指數(shù)，可以確定植被的光合有效輻射吸收比（FPAR），而光能利用模型則根據(jù)植被指數(shù)和FPAR來估算植物的生長情況，進(jìn)而探究光合作用對(duì)植物生長發(fā)育的影響。

植物生長依靠光合作用吸收能量并轉(zhuǎn)化為生物質(zhì)，光能利用模型能直接應(yīng)用于遙感數(shù)據(jù)，因此已成為NPP模型發(fā)展的主要方向。這些模型的主要代表是CASA模型和C-FIX模型[16]。其中，CASA（Carnegie Ames Stanford Approach） 模型借助光合作用原理，結(jié)合遙感、氣象和地理信息數(shù)據(jù)，可以進(jìn)行調(diào)整和優(yōu)化，得到空間分辨率更高、精度更好的月度和年度NPP數(shù)據(jù)。這種方法已在全球范圍內(nèi)得到廣泛應(yīng)用[17-18]。人類活動(dòng)、氣候水文等多種因素影響著區(qū)域凈初級(jí)生產(chǎn)力（NPP）的變化[19]。在王云霓等[20]的研究中，其考察了華北落葉松人工林NPP對(duì)氣象因子的響應(yīng)，結(jié)果顯示NPP與大部分月份的溫度指標(biāo)保持正相關(guān)。

盡管利用遙感估算植被生產(chǎn)力的技術(shù)已經(jīng)比較成熟，但在大面積情況下，如何快速且有效地對(duì)植被生產(chǎn)力進(jìn)行估算的研究還不夠，無論是方法的可操作性，還是結(jié)果精度的驗(yàn)證上都還存在著一些問題。本研究的主要目的是利用氣象數(shù)據(jù)和遙感數(shù)據(jù)，探尋Century模型和生態(tài)遙感綜合模型結(jié)合點(diǎn)，從而建立一種能夠快速和高效估算植被生產(chǎn)力的方法，以期能夠?yàn)闅庀蠛瓦b感數(shù)據(jù)對(duì)大面積植被生產(chǎn)力提取提供一種新的且行之有效的研究思路。

1 研究區(qū)概況

河南省地勢西高東低，東部為黃淮海沖積平原，西南方向是南陽盆地。河南省大部分區(qū)域的氣候在地理上屬于暖溫帶氣候，只有很少部分區(qū)域，特別是河南省的南部是亞熱帶氣候條件，所以河南省基本在其南部種植水稻，其他區(qū)域基本上種植麥類作物，具有從東到西、從平原向丘陵山地氣候過渡的特點(diǎn)，有4個(gè)不同的季節(jié)，多雨熱期，氣象災(zāi)害復(fù)雜多樣，頻繁發(fā)生。年平均溫度是10.5～16.7℃，年平均降水量為407.7～1 295.8 mm，降雨主要在6月至8月，年平均日照時(shí)數(shù)為1 285.7～2 292.9 h，全年無霜期201～285 d，適合各種植被的生長。

2 數(shù)據(jù)及預(yù)處理

2.1 數(shù)據(jù)獲取

氣象數(shù)據(jù)。本研究使用國家衛(wèi)星氣象中心天擎數(shù)據(jù)下載官網(wǎng)（http：//idata.cma/cmadaas/）提供的氣象站點(diǎn)數(shù)據(jù)，站點(diǎn)數(shù)據(jù)為日數(shù)據(jù)，總共需要3種，分別為最高溫度、最低溫度和降水量。

站點(diǎn)觀測數(shù)據(jù)（用于校驗(yàn)?zāi)Ｐ停?。搜集有野外詳?xì)觀測記錄的站點(diǎn)，下載模型模擬需要的相關(guān)數(shù)據(jù)：站點(diǎn)經(jīng)緯度、草地類型（草種）、管理制度（生長期、放牧等）；地上生物量、土壤有機(jī)質(zhì)。站點(diǎn)經(jīng)緯度、草地類型和管理制y+cet9pZyevSriFg6E331g==度作為模型的輸入數(shù)據(jù)，驅(qū)動(dòng)模型；觀測的地上生物量和土壤有機(jī)質(zhì)作為模型輸出結(jié)果對(duì)比和模型的校驗(yàn)。下載方式：國家生態(tài)科學(xué)數(shù)據(jù)中心網(wǎng)站（http：//www.cnern.org.cn/data/initDRsearch？classcode=STA）。

土壤數(shù)據(jù)。通過世界土壤數(shù)據(jù)庫軟件獲取整個(gè)河南地區(qū)各站點(diǎn)的土壤數(shù)據(jù)（土層深度（cm）、沙粒（0-1）、黏粒（0-1）、土壤容重（g/cm3）、土壤有機(jī)碳（0-1））。

遙感數(shù)據(jù)。MODIS產(chǎn)品很多種，從NASA統(tǒng)計(jì)總共44種，其中就有所需的植被指數(shù)產(chǎn)品MOD13Q1，MODIS/Terra植被指數(shù)16天L3全球250 M SIN網(wǎng)格MOD13Q1數(shù)據(jù)投影為正弦投影，其空間分辨率為250 m，每16天提供一次。MODIS13Q1數(shù)據(jù)下載鏈接為https：//ladsweb.modaps.eosdis.nasa.gov/search/。

其他數(shù)據(jù)。本研究除了使用上述數(shù)據(jù)，還使用了矢量數(shù)據(jù)和Google高清底圖數(shù)據(jù)。矢量數(shù)據(jù)用于行政邊界的確認(rèn)和遙感數(shù)據(jù)的裁剪。

2.2 數(shù)據(jù)預(yù)處理

1）氣象數(shù)據(jù)處理。將從天擎下載的各站點(diǎn)氣象數(shù)據(jù)轉(zhuǎn)化為Century模型要求的氣象數(shù)據(jù)格式（example.wth）。

土壤數(shù)據(jù)處理。將HWSD軟件中的土壤數(shù)據(jù)轉(zhuǎn)化為Century模型要求的土壤數(shù)據(jù)格式（soil.in）。處理過程：①將沙粒（0-1）、黏粒（0-1）、土壤容重（g/cm3）、土壤有機(jī)碳（0-1）換算成模型要求的單位；②由沙粒和黏j25la3s1xIMmgbH2JaK2NA==?？梢杂?jì)算出田間持水量（0-1）、萎蔫點(diǎn)（0-1）、飽和導(dǎo)水率（cm/sec）；③蒸發(fā)系數(shù)（0-1）、根比例（和為1）使用默認(rèn)值；④最小含水量參考默認(rèn)值，并且要小于萎蔫點(diǎn)。

站點(diǎn)觀測數(shù)據(jù)處理。將從網(wǎng)站下載的觀測站點(diǎn)經(jīng)緯度、草地類型（草種）、管理制度（生長期、放牧等）輸入模型對(duì)應(yīng)的文件（站點(diǎn)信息文件example.100；站點(diǎn)管理制度文件example.sch；草地類型（草種）數(shù)據(jù)庫crop.100）。

MODIS13Q1數(shù)據(jù)處理。本文采用Python編程方法進(jìn)行MODIS13Q1數(shù)據(jù)自動(dòng)預(yù)處理，包括投影轉(zhuǎn)換和裁剪，這樣可以大大提高處理效率，也可以防止人為手動(dòng)處理導(dǎo)致人為誤差?；谕粫r(shí)期谷歌影像，結(jié)合實(shí)地調(diào)查，選取標(biāo)志明顯的建筑物、道路交叉口、河流等20個(gè)拐點(diǎn)作為地面控制點(diǎn)，均勻分布在地圖上。然后基于處理好的MODIS13Q1，再進(jìn)行幾何精校正，以防位置有偏差?；诒疚难芯繀^(qū)矢量，通過矢量進(jìn)行裁剪出整個(gè)河南范圍的植被指數(shù)結(jié)果。

3 研究方法

基于Century和生態(tài)遙感綜合模型相結(jié)合的植被生產(chǎn)力估算的技術(shù)路線如圖1所示，基于氣象站點(diǎn)和土壤站點(diǎn)數(shù)據(jù)，采用CENTURY模型運(yùn)算得到每個(gè)點(diǎn)的植被生產(chǎn)力作為實(shí)測結(jié)果，利用MODIS的NDVI產(chǎn)品與CENTURY模型運(yùn)算得到每個(gè)點(diǎn)的植被生產(chǎn)力通過最小二乘法建立線性關(guān)系，從而反演得到整個(gè)河南省的植被生產(chǎn)力。

3.1 Century模型

其所需環(huán)境很多，主要通過3個(gè)程序來組成，分別是該模型的輸出程序和該模型的2個(gè)輔助程序功能。其中，文件程序主要用于方便用戶注冊(cè)和更新該模型的主程序里面涉及的12個(gè)參數(shù)文件。事件程序主要用于對(duì)作物功能、管理過程中遇到的意外事件的一些配置參數(shù)的修改。Century模型主要是基于國家氣象站、土壤站點(diǎn)的一些因素，通過一些生態(tài)機(jī)理的耦合然后模擬生態(tài)系統(tǒng)環(huán)境的一種生態(tài)模型。水預(yù)算模型是用來平衡水生態(tài)系統(tǒng)的分布，模擬水熱條件的影響物質(zhì)的分解，并計(jì)算N的礦化和分布率，P、S和其他土壤中的養(yǎng)分物質(zhì)營養(yǎng)結(jié)合土壤有機(jī)質(zhì)模型。水熱和營養(yǎng)條件的脅迫會(huì)抑制植物的生長發(fā)育，其中生物量是受脅迫影響最嚴(yán)重的因素。根據(jù)分解速率的不同，植物凋落物主要分布在地面和土壤的材料庫中，并重新進(jìn)入物質(zhì)循環(huán)模型。

3.2 生態(tài)遙感綜合模型

本文基于Century模型計(jì)算出的NPP作為真值與MODIS的植被指數(shù)產(chǎn)品，采用最小二乘法對(duì)整個(gè)河南地區(qū)的植被凈初級(jí)生產(chǎn)力進(jìn)行反演。

3.3 精度驗(yàn)證

本文通過實(shí)測得到的NPP值與反演得到的NPP值進(jìn)行相關(guān)分析和決定性分析，最終得到相關(guān)系數(shù)、決定系數(shù)和均方根誤差。這3個(gè)指標(biāo)作為本文反演方法的驗(yàn)證指標(biāo)。

4 結(jié)果與分析

編程提取各站點(diǎn)逐月生產(chǎn)力，結(jié)合遙感數(shù)據(jù)，與對(duì)應(yīng)經(jīng)緯度的NDVI進(jìn)行線性擬合，利用最小二乘算法計(jì)算線性模型y=ax+b中的系數(shù)a和常量b，再將NDVI作為x值代入方程，求出y，即可得到區(qū)域上的凈初級(jí)生產(chǎn)力?；贑entury和生態(tài)遙感綜合模型相結(jié)合的植被生產(chǎn)力估算方法獲得了2023年4月、2023年5月、2023年6月和2023年7月的河南省植被生產(chǎn)力的分布面積和空間分布格局。

本文通過實(shí)測的植被生產(chǎn)力和反演的植被生產(chǎn)力采用上述精度驗(yàn)證方法進(jìn)行驗(yàn)證，結(jié)果見表1，2023年4月、5月、6月和7月的河南省的植被生產(chǎn)力模擬NPP值與實(shí)測NPP值的線性回歸系數(shù)分別為0.78、0.84、0.90和0.88，決定系數(shù)分別為0.70、0.78、0.85和0.82，均方根誤差分別為5.6、3.4、2.0和15.4 g/m2。

表1 植被生產(chǎn)力精度驗(yàn)證結(jié)果

5 結(jié)論

本文基于遙感資料的植被生產(chǎn)力估算，利用MODIS的植被指數(shù)產(chǎn)品、國家氣象站的氣象數(shù)據(jù)（最高溫度、最低溫度和降水量）和土壤站的土壤數(shù)據(jù)，結(jié)合一些實(shí)測數(shù)據(jù)，利用Century模型估算出整個(gè)河南省的植被生產(chǎn)力。從上述結(jié)果來看，河南整體上的植被生產(chǎn)力情況與河南省統(tǒng)計(jì)局的統(tǒng)計(jì)年鑒數(shù)據(jù)基本上差別不大。河南省整個(gè)植被空間上也符合該省的分布情況。

本文主要方法可以分為兩大步驟：①利用下載處理好的氣象數(shù)據(jù)、土壤數(shù)據(jù)等進(jìn)入前人研究好的的Century模型進(jìn)行模型反演，并結(jié)合河南省本土情況，采樣一些實(shí)測數(shù)據(jù)加入模型中進(jìn)行模型優(yōu)化，最后得出符合河南省本土情況的模型反演情況，也就是讓Century模型進(jìn)行模型本地化，適應(yīng)河南省的總體情況。在參數(shù)校正后，使用了每個(gè)研究場址的植被NPP觀測數(shù)據(jù)，驗(yàn)證模擬結(jié)果的適應(yīng)性。從總體上看，實(shí)測和模擬結(jié)果的相關(guān)性很好，有連續(xù)的分布性和擬合性也比較高。統(tǒng)計(jì)分析表明，模擬NPP值與實(shí)測NPP值的線性回歸系數(shù)在0.78～0.90。決定系數(shù)在0.7～0.85，回歸效果顯著; 另外，模擬結(jié)果的平均值與觀測結(jié)果的平均值接近，兩者相差-1.4～3.3 g/m2，均方根誤差均較小，范圍為2.0～15.4 g/m2，該模型結(jié)果雖然有點(diǎn)誤差，但在可控范圍內(nèi)，結(jié)果可見Century模型這種方法的普適性強(qiáng)和可用性，能應(yīng)用于研究遙感資料對(duì)河南植被生產(chǎn)力的影響。②利用MODIS遙感數(shù)據(jù)處理好的植被指數(shù)產(chǎn)品，結(jié)合本地化驗(yàn)證的Century模型運(yùn)轉(zhuǎn)出來的植被生產(chǎn)力，進(jìn)行相關(guān)分析，然后利用最小二乘法，建立遙感植被指數(shù)產(chǎn)品和模型運(yùn)轉(zhuǎn)出的植被生產(chǎn)力一元線性方程，擬合度比較高，線性回歸系數(shù)達(dá)到0.9，決定系數(shù)達(dá)到了0.85。利用該模型反演得到整個(gè)河南省的植被生產(chǎn)力情況。

參考文獻(xiàn)：

[1] 鐘華平，樊江文，于貴瑞，等.草地生態(tài)系統(tǒng)碳蓄積的研究進(jìn)展[J].草業(yè)科學(xué)，2005，22（1）：4-11.

[2] 王鶯，夏文韜，梁天剛.陸地生態(tài)系統(tǒng)凈初級(jí)生產(chǎn)力的時(shí)空動(dòng)態(tài)模擬研究進(jìn)展[J].草業(yè)科學(xué)，2010，27（2）：77-88.

[3] 林慧龍，常生華，李飛.草地凈初級(jí)生產(chǎn)力模型研究進(jìn)展[J].草業(yè)科學(xué)，2007，26（12）：26-29.

[4] 崔霞，馮琦勝，梁天剛.基于遙感技術(shù)的植被凈初級(jí)生產(chǎn)力研究進(jìn)展[J].草業(yè)科學(xué)，2007，24（10）：36-42.

[5] LIETH H. Modeling the primary productivity of the world[J]. Na-ture and Resources，1972，8（2）：5-10.

[6] LIETH H，BOX E X. Evapotranspiration and primary production：C W Thornthwaite Memorial Mode[J].Publications in climatolo-gy，1972，25（2）：37-46.

[7] UCHIJIMA Z，SEINO H. Agroclimatic evaluation of net primary pro-ductivity of natural vegetationsChikugo model for evaluationnet primary productivity[J].Journal of Agricultural Meteorology，1985，40：343-352.

[8] 朱志輝.自然植被凈初級(jí)生產(chǎn)力估計(jì)模型[J].科學(xué)通報(bào)，1993，38（15）：1422-1426.

[9] 周廣勝，張新時(shí).全球氣候變化的中國自然植被的凈初級(jí)生產(chǎn)力研究[J].植物生態(tài)學(xué)報(bào)，1996，20（1）：11-19.

[10] LIU J，CHEN J M， CILLLAR J， et al. A process-based boreal eco-system productivity simulator using remote sensing inputs[J].Remote Sensing of Environment，1997，62：158-175.

[11] GILMANOV T G，PARTON W J， OJIMA D S.Testing the 'CENTURY'ecosystem level model on data sets from eight grassland sitesin the former USSR representing a wide climatic/soil gradient[J]. Ecological modeling，1997，96：191-210.

[12] 王超.應(yīng)用BIOME-BGC模型研究典型生態(tài)系統(tǒng)的碳、水汽通量——半干旱地區(qū)吉林通榆的模擬[D].南京：南京農(nóng)業(yè)大學(xué)，2006.

[13] MONTEITH J L. Climate and efficiency of crop production in Brit-ain[D]. Philosophical Transactions of the Royal Society of Lon-don Series B， Biological Science，1977：277-294.

[14] PRINCE S D， GOWARD S N. Global primary production： A remote sensing approach[J].Journal of Biogeography，1995，22：815-835.

[15] 李貴才.基于MODlS數(shù)據(jù)和光能利用率模型的中國陸地凈初級(jí)生產(chǎn)力估算研究[D].北京：中國科學(xué)院遙感應(yīng)用研究所，2004.

[16] 王培娟，謝東輝，張佳華，等.BEPS 模型在華北平原冬小麥估產(chǎn)中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（10）：148-154.

[17] 劉亮，關(guān)靖云，穆晨，等.2008—2018年伊犁河流域植被凈初級(jí)生產(chǎn)力時(shí)空分異特征[J].生態(tài)學(xué)報(bào)，2022，42（12）：4861-4871.

[18] 張猛，陳淑丹，林輝，等.洞庭湖濕地凈初級(jí)生產(chǎn)力估算研究[J].遙感學(xué)報(bào)，2023，27（6）：1454-1466.

[19] 李傳華，朱同斌，周敏，等.河西走廊植被凈初級(jí)生產(chǎn)力時(shí)空變化及其影響因子研究[J].生態(tài)學(xué)報(bào)，2021，41（5）：1931-1943.

[20] 王云霓，代海燕，海龍，等.華北落葉松人工林凈初級(jí)生產(chǎn)力對(duì)氣象因子的響應(yīng)[J].林業(yè)資源管理，2022（3）：67-72.