基于CASA模型的皖江城市带植被净初级生产力时空变化特征研究

谷家川， 彭 丰， 沈 非， 赵 来， 查良松， 王汝幸

(1.滁州学院 地理信息与旅游学院，安徽 滁州 239000；2.安徽师范大学 国土资源与旅游学院，安徽 芜湖 241003；3北京师范大学 减灾与应急管理研究院，北京 100875)

基于CASA模型的皖江城市带植被净初级生产力时空变化特征研究

谷家川1， 彭 丰1， 沈 非2， 赵 来1， 查良松2， 王汝幸3

(1.滁州学院 地理信息与旅游学院，安徽 滁州 239000；2.安徽师范大学 国土资源与旅游学院，安徽 芜湖 241003；3北京师范大学 减灾与应急管理研究院，北京 100875)

运用GIS和RS技术，利用植被、气候和辐射等地面空间数据，基于CASA模型估算2001-2010年之间皖江城市带植被净初级生产力(NPP)，并分析其时空变化特征.结果表明：10年之间皖江城市带植被净初级生产力呈减少趋势，其中NPPMAX年均减少速度5.3gC/m2·a，NPPMEAN年均减少率0.513%；10年NPPMAX均值为805.09gC/m2·a，NPPMEAN均值为463.26gC/m2·a；净初级生产力年累计量变化幅度较大，约在30.052-43.483TgC/a之间；年际变化十分明显，最大值出现在2008年，为43.483TgC，最小值在2006年，为30.052TgC，年均减少率0.51%.植被净初级生产力空间格局表现出较大的不均匀性，整体分布状况是以长江为界，长江以南植被净初级生产力较大，但有逐渐变小趋势；长江以北植被净初级生产力较小，却表现出逐渐增加的趋势.

CASA模型；时空变化；净初级生产力；植被指数；植被；皖江城市带

陆地生态系统、海洋生态系统和大气是全球变化的三个重要研究对象，其中对于陆地生态系统的研究最受学者关注，因为陆地生态系统不仅提供了人类赖以生存的物质基础，而且是全球变化中易受人类干扰、变化最大与最剧烈的[1-3].植被作为陆地生态系统最基本的生物组成之一，在区域乃至全球气候变化和碳循环中扮演着重要的作用，同时在调节碳平衡、减缓大气中二氧化碳等温室气体浓度快速上升，以及维护区域气候稳定等方面具有不可替代的作用[4-7].植被净初级生产力(Net Primary Productivity, NPP)不仅直接反映了植物在自然环境条件下的生产能力，也是估算陆地生态系统碳平衡和评价陆地生态系统可持续发展的重要生态标志[9]，也是判定生态系统碳汇与调节生态过程的关键因子.同时，也反映陆地生态系统的质量状况与植被自身健康状况.因此，NPP的准确估算与动态监测和理解它与各种控制因素的相关关系，不仅有助于了解植被碳循环过程，减少目前碳循环研究中的不确定性，也有助于区域植被的合理布局与合理开发，以及为植被资源的可持续利用提供科学依据.此外，对于预测和减缓全球气候变化也具有重要的意义.

皖江城市带植被资源丰富，是安徽省重要的林区和农作物生产区域[10].本文利用2001-2010年遥感数据和地面气象数据及相关统计资料，运用CASA参数模型建立皖江城市带陆地植被NPP遥感反演估算模型，重建了皖江城市带2001-2010年植被NPP年际变化的时空序列及演变模式；初步揭示了过去10年间其区域植被生态系统NPP的时空变化特征.

1 研究区概况

皖江城市带位于长江安徽段沿岸，地处东经115°45’-119°37’，北纬29°41’-33°13’之间，行政区划包括八个地级市，分别为合肥、马鞍山、铜陵、滁州、安庆、芜湖、池州、宣城，以及巢湖市(县级)、六安市的金安区和舒城县，共59个县(区)，土地面积7.6万Km2，占安徽省土地面积的54%，气候属于亚热带湿润季风气候，候，风向有明显的季节变化，冬季以北风为主，夏季主要为偏南风，年平均气温在13-17℃之间，年均降水量800-1700mm之间，太阳辐射总量分布均匀，日照充足，年均为1800-2500小时，无霜期在200-250天左右.植被资源丰富，主要有大别山植被区、沿江平原植被区、皖南山丘植被区.2011年末，皖江城市带人口占安徽省人口比重的44.99%；生产总值占全省的67.63%，人均GDP高于全省11201元；城镇居民人均可支配收入占全省比重的112.75%，农民人均纯收入占全省比重的117.60%.皖江城市带是安徽省经济相对发达地区，是实施推进中部地区崛起战略的重点开发区域，是泛长三角地区的重要组成部分，是中西部承接产业转移示范区域，具有重要的战略地位.

2 数据与方法

2.1数据来源

主要数据包括2001-2010年的MODIS遥感数据和气象数据两部分.其中遥感数据包括不同时期的MOD13Q1植被指数数据(250米分辨率)，片区号H27V05、H28V05、H28V06，数据来源于国际科学数据服务平台(http://datamirror.csdb.cn/).气象数据包括降水、平均温度、总辐射和净辐射数据等来源于中国气象科学数据共享服务网(http://old-cdc.cma.gov.cn/).辅助数据包括皖江城市带行政区划图、植被图、土地利用现状图等.

2.2研究方法

CASA模型是采用光能利用率估算NPP的代表模型，也是至今全球NPP估算中应用最多、最成熟的模型.在CASA模型中植被NPP主要由植被所吸收的光合有效辐射(APAR)与光能利用率(ε)两个变量来确定.植被NPP估算公式如(1)所示:

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

式中：x为空间位置，t为时间；NPP(x,t)为像元x在t年份的植被NPP(gC·m-2·a-1)；APAR(x,t)为像元x在t年吸收的光合有效辐射(MJ·m-2·a-1)；ε(x,t)为像元x在t年的实际光能利用率(gC·MJ-1)[11-13].

2.2.1 植被吸收的光合有效辐射估算 植被吸收的光合有效辐射APAR决定于太阳总辐射和植被对光合有效辐射的吸收分量，公式如(2)所示：

APAR(x,t)=SOL(x,t)×0.5×FPAR(x,t)

(2)

式中：SOL(x,t)为t时间在像元x处的太阳总辐射量(MJ·m-2·t-1)；FPAR(x,t)为植被对入射光合有效辐射(PAR)的吸收量；常数0.5为植被所能利用的太阳有效辐射即光合有效辐射(波长范围0.4-0.7μm)占太阳总辐射的比例[14].

在一定范围内，FPAR与NDVI之间存在着线性关系，该种关系可根据某植被类型NDVI的最大值和最小值分别所对应的FPAR最大值和最小值来确定，即：

(3)

式中：NDVIi，max和NDVIi，min分别对应第i种植被类型的NDVI最大值和最小值.进一步研究表明，FPAR与比值植被指数(Simple Ratio,简称SR)也存在较好的线性关系，可由下式表示：

(4)

(5)

式中:SR(x,t)为t时间x像元的SR值；SRi,max和SRi,min为i种植被类型的SR最大值和最小值;FPARmax和FPARmin为FPAR最大值和最小值，其取值与植被类型无关，分别为0.950和0.001.

Los[15]对两种方法的估算结果进行比较发现，NDVI估算的FPAR比实测值高，SR估算的FPAR则低于实测值.如将两种方法糅合起来，取其平均值作为FPAR的估算值，可以使其估算的FPAR误差达到最小.计算公式为

FPAR(x,t)=(FPARNDVI+FPARSR)/2

(6)

式中:FPARNDVI和FPARSR分别为公式(3)、(4)的估算结果.

2.2.2 光能转化率ε 光能转化率(ε)是光能利用率模型中最关键的要素，它直接影响到NPP的固定量.其含义为通过植被光合作用，吸收单位光合PAR所固定的干物质总量，ε单位为gC/MJ.它代表植被将吸收的光合PAR转化为有机碳的效率，即对能量的利用固定效率.现实条件下，光能转化率受气温、土壤水分情况和理想条件下植被具有最大光能转化率ε*等影响，光能转化率公式为

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×ε*

(7)

式中：Tε1(x,t)和Tε2(x,t)为温度胁迫系数；Wε(x,t)为水分胁迫系数，反应水分条件的影响；ε*为理想条件下植被最大光能转化率.最大光能转化率ε*的取值因不同的植被类型而有所不同，鉴于CASA模型所采用的最大光能利用率0.389gC/MJ，并不适用于皖江城市带的植被，在本论文中植被的最大光能利用率为0.521gC/MJ[11-19].

Tε1(x,t)反映低温和高温条件下，植物内在的生化作用对光合作用的限制，计算公式：

Tε1(x)=0.8+0.02×Topt(x)-0.0005×(Topt(x))2

(8)

式中：Topt(x)为某区域一年内NDVI值达到最高时月份的平均气温；当某一月平均温度小于或等于-10℃时,Tε1取0，认为光合生产为零.

Tε2(x,t)表示气温从最适宜温度Topt(x)向高温和低温变化时植物对光能转化率的影响，这种条件下，光能转化率逐渐降低，计算公式:

Tε2(x,t)=1.1814/{1+e0.2×[Topt(x)-10-T(x,t)]}×1/{1+e0.3×(-Topt(x)-10+T(x,t))}

(9)

若某一月均温T(x,t)比最适宜温度Topt(x)高10℃或低13℃时，该月的Tε2值等于月平均温T(x,t)为最适宜温度(Topt(x))时的Tε2值一半[17-19].

水分胁迫影响系数Wε(x,t)反映了植物所能利用的有效水分条件对光能转化率的影响.随着环境中有效水分的增加，Wε逐渐增大.它的取值范围为0.5-1(极端干旱-非常湿润)，由下列公式计算:

Wε(x,t)=0.5+0.5×EET(x,t)/PET(x,t)

(10)

式中：PET(x,t)为可能蒸散量(mm)；EET(x,t)为估计蒸散(mm).当月平均温度小于或等于0℃时，认为PET和EET为零，则该月的Wε(x,t)等于前一个月的值，即Wε(x,t)=Wε(x,t-1)[20-21].

2.3处理过程

非遥感数据处理：将皖江城市带及周边的各气象数据和站点位置数据关联起来，分别形成降水、温度和太阳辐射等的空间分布数据，然后使用ArcGIS中的Geostatistieal Analyst模块的Kriging方法进行插值，得到降水、温度、和太阳辐射的栅格数据分布图.

遥感数据处理：根据MOD13Q1数据特性，首先利用MRT(Modis Reprojection Tool)软件对其进行格式和投影的转换，然后利用ERDAS软件对数据进行拼接，之后利用皖江城市带行政区划图进行裁剪，得到皖江城市带的植被NDVI，最后利用公式(1)-(10)在Erdas的Modeler建立模型进行运算后，通过Erdas的功能定义(Function Definition)中的条件选项(Conditional)中的EITHER条件语句对于小于零的值赋予零值，最终运用ArcGIS的空间统计和出图功能得到皖江城市带2001-2010年植被NPP数据，如图4和表1.

3 结果分析

3.1NPP估算检验

本文基于CASA模型遥感反演实现了大尺度上估算植被的NPP，但可能由于复杂的生态系统过程、不同的参数选择、不同的估算方法和不同来源不同时空分辨率的遥感数据，以及气象数据运用不同的空间插值方法都会影响植被NPP的估算精度.在研究区植被NPP的实测数据获取相对困难时，本文选取与其他学者利用相同或不同的模型所估算的结果进行对比来实现精度验证.20世纪80年代以来，我国学者对某些地区的NPP进行了模型估算，主要模型有气候相关模型、光能利用率模型和过程模型.选取较为典型的模型估算结果对本文的估算结果进行对比，由于研究区域不完全一致和本文没有区分详细的植被类型，因此，对植被的平均NPP进行比较，结果见表1.

由表1可知，本文估算的平均NPP值为473gC/m2·a，与其它估算结果存在一定的差异，但在变动范围内.因采用不同的模型、不同的气候数据空间插值方法、不同的估算年份和不同的研究区等原因造成的差异是必然的.因此，可认为本文估算结果比较可信.

表1 不同学者估算的 NPP 结果比较(gC/m2·a)Tab.1 result comparison of different scholars′ estimate NPP

3.2皖江城市带植被NPP时间变化特征

从图1可以看出， 2001-2010年皖江城市带植被NPPMAX变化的线性趋势是逐渐增加的，但是拟合优度仅有0.0037，说明拟合的线性趋势并不明显.然而实际是在波动中呈减少趋势.皖江城市带植被的NPPMAX从2001年的833.20gC/m2·a下降到2010年的780.64gC/m2·a，年均以5.3gC/m2·a的趋势减少；植被的NPPMAX最大值出现在2005年，为914.23gC/m2·a，NPPMAX最小值出现在2006年为676.16gC/m2·a，最大值是最小值的1.35倍.皖江城市带各市植被NPPMAX的动态变化比较明显.宣城、池州植被的NPPMAX最大，巢湖、安庆、芜湖较大，合肥最小；各市年均NPPMAX增加趋势从大到小有合肥(12.5gC/m2·a)、滁州(10.6gC/m2*a)、金-舒(6.8gC/m2·a)、铜陵(5.5gC/m2·a)、安庆(3.7gC/m2·a)，年均NPPMAX减少趋势从大到小有宣城(8.3gC/m2·a)、马鞍山(4.5gC/m2·a)、芜湖(3.7gC/m2·a)、池州(2.3gC/m2·a).

图1 2001-2010年皖江城市带植被的NPPMAX变化Fig.1 Change of Vegetation NPPMAX in Wan Jiang City Belt from 2001 to 2010

图2 2001-2010年皖江城市带植被NPPMEAN变化Fig.2 Change of Vegetation NPPMEAN in Wan Jiang City Belt from 2001 to 2010

由表1和图2可得到，2001-2010年皖江城市带植被NPPMEAN呈现增大-减小-增大-减小的规律，但植被NPPMEAN整体表现为减少趋势，从2001年的植被NPPMEAN的446.21 gC/m2·a降低到2010年的426.03gC/m2·a，减少了20.18gC/m2·a，年均减少率0.513%.皖江城市带植被NPPMEAN最大值出现在2008年值为571.59gC/m2·a，最小值在2006年为395.04gC/m2·a，最大值是最小值的1.45倍.各市植被的NPPMEAN呈现减少-增加-减少规律的地区有池州、宣城、芜湖，其余皖江各地区也都表现为增大-减小-增大-减小的规律基本与皖江城市带的整体植被NPPMEAN变化规律相同.植被NPPMEAN各市整体呈增加的趋势，并且年增长率从大到小的区域包括滁州(5.5%)、合肥(4.2%)、金-舒(0.8%)，其余各市呈减少趋势，年减少率从小到大有铜陵(0.5%)、巢湖(1.1%)、安庆(1.8%)、宣城(2.6%)、芜湖(3.7%)、池州(4.0%)、马鞍山(4.8%).皖江城市带十年平均植被净初级生产力最高城市为池州，值为565.29gC/m2·a，最低为合肥，值为357.01gC/m2·a，植被十年平均值的NPPMEAN高于皖江城市带的整体十年平均值的有安庆、宣城、池州、芜湖，其余都小于皖江城市带的整体十年平均值473.06gC/m2·a.从图2还可见皖江城市带植被NPPMAX 和NPPMEAN最小都出现在2006年，主要是皖江各市降雨日数和降水量都比较多，影响了有效太阳辐射所造成的.

从图3可以得到，2001-2010年皖江城市带NPP产量变化约在30.052-43.483TgC/a之间，年际变化十分明显，其中2008年、2005年NPP产量相对较大，2006年、2010年NPP产量较小，最大值出现在2008年，为43.483TgC，最小值出现在2006年，为30.052TgC.研究时段内，皖江城市带植被NPP产量呈减少趋势，年均减少率0.51%.在2001-2005年皖江城市带NPP产量呈增加趋势，2005-2010年皖江城市带NPP产量呈减少-增加-减少-增加的规律.皖江城市带各市NPP产量变化呈增加趋势的有滁州、合肥、金-舒，年均NPP产量增加分别为0.29TgC/a、0.11TgC/a、0.014MgC/a，其余各市年均NPP产量呈减少趋势，年均NPP产量减少量从小到大分别为铜陵(0.010TgC/a)、马鞍山(0.027TgC/a)、巢湖(0.041TgC/a)、芜湖(0.051TgC/a)、安庆(0.123TgC/a)、宣城(0.160TgC/a)、池州(0.170TgC/a).在2001-2005年和2005-2010年两个阶段之间各市植被的NPP产量变化与皖江城市带的整体NPP产量变化规律大致相同.

3.3皖江城市带植被NPP空间变化特征

图3 2001-2010年皖江城市带植被NPP产量变化Fig.3 Change of Vegetation NPP sum in Wan Jiang City Belt from 2001 to 2010

由图4可以看出，皖江城市带植被净初级生产力空间格局分布基本相同，整体表现为长江以南植被净初级生产力较大，NPPMAX在750.7-800.5gC/m2·a之间，NPPMEAN在424.3-570.0gC/m2·a之间，尤其皖南山区带植被净初级生产力最大，NPPMAX在782.9-800.5 gC/m2·a之间，NPPMEAN在544.1-570.6gC/m2·a；长江以北植被净初级生产力较小NPPMAX在716.2-785.6gC/m2·a之间，NPPMEAN在347.0-510.0gC/m2·a，但安庆北部与合肥东部较大.皖江城市带各区域植被净初级生产力空间格局分布情况呈现为滁州的来安县南部、滁州市区西部在滁州市最大，凤阳县南部、天长市西南次之.合肥的肥东县植被净初级生产力最大，市区最小.安庆市的岳西县东北部、潜山县、桐城市的北部植被净初级生产力最大，安庆市区南部最小.池州石台县全部、青阳县、市区南部、最大，东至县南部次之.宣城的泾县南部、绩溪县、旗县全部、宁国市西北部、宣城市区西南部较大.芜湖的南陵县较大，繁昌县次之.另外还可以从图4看出，长江以北的合肥、滁州、金-舒北部的被净初级生产力随时间的变化有逐渐增加的趋势，长江沿岸和长江南部大别山区的植被净初级生产力随着时间的变化呈逐渐减小，尤其是南部的大别山区的植被净初级生产力减少的较快.

图4 2001、2004、2007、2010年皖江城市带植被NPP的空间分布Fig.4 Spatial Distribution of NPP of Wan Jiang City Belt in 2001，2004，2007，2010

4 结论

本文运用GIS和RS技术，基于CASA模型估算了2001-2010年皖江城市带植被的净初级生产力，并分析了其时空格局，得出以下主要结论：

(1)2001-2010年皖江城市带植被的NPPMAX和NPPMEAN在波动中呈减少趋势，其中NPPMAX从2001年的833.20gC/m2·a减少到2010年的780.64gC/m2·a，以平均5.3gC/m2·a的趋势减少，10年NPPMAX平均值为805.09gC/m2·a；NPPMEAN呈增大-减小-增大-减小的规律，从2001年的446.21gC/m2·a降低到2010年的426.03gC/m2·a，减少了20.18gC/m2·a，年均减少率0.513%.

(2)2001-2010年皖江城市带NPP产量变化约在30.052-43.483TgC/a之间，年际变化较为明显，且植被NPP产量呈减少趋势.植被NPP产量最大值出现在2008年，为43.483TgC，最小值出现在2006年，为30.052 TgC，年均减少率为0.51%.

(3)皖江城市带植被NPP空间格局表现出较大的不均匀性，整体分布状况以长江为界，长江以南植被净初级生产力较大，尤其皖南山区带植被净初级生产力最大，但呈现逐渐减小趋势；长江以北植被净初级生产力较小，但是安庆北部、和合肥东部较大.

[1] 朴世龙,方精云,郭庆华.1982-1999年我国植被净第一性生产力及其时空变化[J].北京大学学报：自然科学版,2001,37(4):563-568.

[2] 谷家川,查良松.皖江城市带农田生态系统碳排放动态研究[J].长江流域资源与环境,2013,22(1):81-87.

[3] WANG Liwen, WEI Yaxing, NIU Zheng. Spatial scaling of net primary productivity model based on remote sensing[J]. Journal of Remote Sensing, 2010,14(6):1074-1081.

[4] 李佳.内蒙古地区地表光合有效辐射和植被净初级生产力估算——基于遥感和GLO-PEM方法[D].杨凌:西北农林科技大学,2010:1-45.

[5] 王汝幸,谷家川.2000-2009年芜湖市LUCC对植被碳储量的影响[J].环境科学与管理,2012,37(6):153-157.

[6] 朴世龙,方精云,郭庆华.利用CASA模型估算我国植被净第一性生产力[J].植物生态学报,2001,25(5):603-608.

[7] 葛忠强,许景伟,王德友.县域植被净第一性生产力遥感估算模型及应用[J].山东林业科技,2008,177(4):15-18.

[8] 孙睿,朱启疆.中国陆地植被净第一性生产力及季节变化研究[J].地理学报,2010,55(1):36-44.

[9] ASNER G P, ELMORE A J, OLANDER L P, et al. Grazing systems and global change[J]. Annual Reviews of Environment and Resources, 2004,29:261-299.

[10] 谷家川,查良松.皖江城市带农作物碳储量动态变化研究[J].长江流域资源与环境,2012,21(12):1570-1513.

[11] 高清竹,万运帆,李玉娥,等.基于CASA模型的藏北地区草地植被净第一性生产力及其时空格局[J].用生态学报,2007,18(11):2526-2532.

[12] 牛铮,王长耀.碳循环遥感基础与应用[M].北京:科学出版社,2008:206-209.

[13] 谷家川.皖江城市带碳排放与固碳量时空变化特征研究[D].芜湖:安徽师范大学,2013:1-50.

[14] 侯湖平.基于遥感的煤矿区植被净初级生产力变化的监测与评价[D].徐州:中国矿业大学,2010:60-65.

[15] LOS S O. Linkages between global vegetation and climate: an analysis based NOAA advance very high resolution radiometer data[D]. Greenbelt: National Aeronautics and Space Administration (NASA), 1998.

[16] 冯险峰,刘高焕,陈述彭,等.陆地生态系统净第一性生产力过程模型研究综述[J].自然资源学报,2004,19(3):369-376.

[17] 张杰,潘晓玲,高志强,等.基于遥感-生态过程的绿洲-荒漠生态系统净初级生产力估算[J].干旱区地理,2006,29(2):255-261.

[18] 岑奕,张良培,李平湘,等.植被净初级生产力的遥感模型在武汉地区的应用[J].遥感技术与应用,2008,23(1):12-16.

[19] 朱文泉,潘耀忠,张锦水.中国陆地植被净初级生产力遥感估算[J].植物生态学报,2007,31(3):413-424.

[20] 谷家川,邓洁,林玉标,等.基于GIS与RS的皖江城市带LUCC对植被碳储量的影响[J].石家庄学院学报,2014,16(3):64-72.

[21] 宗玮林.文鹏.周云轩.基于遥感的上海崇明东滩湿地典型植被净初级生产力估算[J].长江流域资源与环境,2011,20(11):1355-1360.

[22] 陶波,李克让,邵雪梅,等.中国陆地净初级生产力时空特征模拟[J].地理学报,2003,58(3):372-380.

[23] 王军邦,刘纪远,邵全琴,等.基于遥感-过程耦合模型的1988-2004年青海三江源区净初级生产力模拟[J].植物生态学报,2009,33(2):254-269.

ResearchonSpace-TimeVarietyCharacteristicsofVegetationNetPrimaryProductivityBasedontheCASAModelinWanJiangCityBelt

GU Jia-chuan1， PENG Feng1， SHEN Fei2， ZHA Lai1， ZHA Liang-song2， WANG Ru-xing3

(1.College of Geographical Information and Tourism, Chuzhou University, Chuzhou 239000, China; 2.College of Territorial Resource And Tourism, Anhui Normal University, Wuhu 241003, China; 3.Academy of Disaster Reduction and Emergency Management, Beijing Normal University, Beijing 100875, China)

The net primary production (NPP)of Wan Jiang City Belt vegetation during 2001-2010 was estimated, and its spatial-temporal patterns were explored, based on the CASA (Carnegie-Ames-Stanford Approach)model and using remote sensing imagery and GIS technology and land spatial data of vegetation, climate, soil and solar radiation. As results, terrestrial NPP in Wan Jiang City Belt indicated a significant reduction over the past 10 years, with a mean reducing rate of 5.3gC/m2·a of NPPMAX and a mean reducing rate of 0.513% of NPPMEAN and an average NPPMAX value of 805.09gC/m2·a and an average NPPMEAN value of 463.26gC/m2·a. the average annual total NPP was about 36.77 TgC/a, NPP exhibited an reducing trend during the study period by 0.51%/a and the average annual total NPPMAX value of 43.483TgC in 2008 and the average annual total NPPMIN value of 30.052TgC. Vegetation NPP heterogeneous spatial pattern and spatial changes were less obvious, the overall distribution trend was based on the Yangtze river, the vegetation NPP was bigger in south of the Yangtze river, but showed a trend of decrease gradually; the vegetation NPP was lesser in north of the Yangtze river, but showed a trend of increase gradually.

CASA model; space-time variety; NPP; NDVI; vegetation; Wan Jiang City Belt

2014-01-16

国家自然科学基金(41271545);安徽省软科学项目(11020503071); 安徽师范大学自然科学培育基金(2013xmpy12).

谷家川(1985-),男,安徽泗县人,助教,硕士；通讯作者：查良松(1953-),男,教授,主要从事气候环境变化与GIS模型研究.

谷家川，彭丰，沈非，等.基于CASA模型的皖江城市带植被净初级生产力时空变化特征研究[J].安徽师范大学学报：自然科学版，2014，37(4)：371-377.

TP79;Q948.11

A

1001-2443(2014)04-0371-07