基于CASA模型的龙门山区域NPP时空格局分析

山雨均,王建华*，朱 兵

(1.绵阳师范学院资源环境工程学院，四川绵阳 621000；2.绵阳师范学院城乡建设与规划学院，四川绵阳 621000)

0 引言

植被净初级生产力(Net Primary Productivity，简称NPP)是绿色植物在单位面积和时间内累积的有机物数量[1]，表示在扣除呼吸作用的消耗外，通过光合作用而固定下来用于植物生长的有机碳，也称为净第一性生产力.NPP作为地表碳循环的重要组成部分，不仅表征陆地生态系统的质量状况，而且是判定生态系统碳汇和调节生态过程的主要因子，在全球气候变化及碳平衡中扮演着重要的作用[2].

植被NPP结果的估算主要经历了站点实测与模型估算两个阶段[3].模型估算主要包含：统计模型、过程模型和参数模型(光能利用率模型)3大类(Ruimy et al.，1994)[4-5].光能利用率模型(Carnegie Ames Stanford Approach，简称CASA模型)的估算原理是将植被的光合有效辐射值与在光合作用中对光能的利用率两者的乘积看作是植被净初级生产力的估算值[6].随着3S技术的广泛应用，CASA模型也使用遥感卫星影像数据，从植被的内在生理生态过程入手，对NPP进行估算与模型参数的修改[7].2004年李贵才用遥感数据，在CASA模型的基础上，实现了2001年中国陆地植被NPP的研究并对NPP的时空格局进行分析[6].2005年朱文泉等利用气象数据和MODIS遥感数据，研究2002年内蒙古的植被净初级生产力及时空分布[8].2007年朱文泉等将植被覆盖分类引入前面研究的计算模型中，并对模型所需参数进行了简化，使得研究结果精度更高[9].该研究构建的NPP估算模型基本上实现了对全国范围内各生态系统NPP的估算.

本文以CASA模型为研究的模型基础，以龙门山区域为研究区域，在ArcGIS和ENVI等软件的支持下，利用2017年度的MODIS数据、植被类型数据和气象数据，估算龙门山区域2017年的植被净初级生产力NPP，并分析NPP值在研究区域空间格局上的分布情况，以期为龙门山区域生态环境建设和可持续发展提供理论支持.

1 数据与方法

1.1 研究区概况

如图1所示，龙门山区域位于四川盆地西北部(102°E～107°E、29°N～34°N)，是成都平原的西缘山脉，西面是阿坝州和甘孜州(岷山和邛崃山)，东面在都江堰市和邛崃市之间，呈东北-西南走向.龙门山东北接摩天岭，西南止于岷江边，从盆地边缘向西，海拔逐渐由2 000 m升至到3 000 m以上，主峰为九顶山，海拔为4 989 m，是龙门山区域的最高峰[10].龙门山区域内东部为迎风坡，雨水充沛；西部为背风坡，雨水稀少，气候较为干燥.生物资源丰富，生态环境较好.但由于近年来地质灾害频发以及人口及城镇化的快速发展，该区域的环境问题日益突显，因此对龙门山区域的植被NPP及其空间格局变化的研究显得尤为重要.

图1 研究区示意图Fig.1 Schematic Diagram of Study Area

1.2 CASA模型

在CASA模型中，植被NPP为植物吸收的光合有效辐射(APAR)与实际光能利用率(ε)两个因子的乘积[8]，其计算公式如下式：

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

植被吸收的光合有效辐射(APAR)由植被拦截的光合有效辐射(IPAR)与光合有效辐射的吸收比例(FPAR)的乘积来确定[8]，计算公式如下：

APAR(x,t)=IPAR×FPAR

(2)

Ruimy&Saugier(1994)认为，在一定范围内，光合有效辐射吸收比例与归一化植被指数(NDVI)之间存在着线性关系，并且这一关系可以根据某一植被类型NDVI的最大值与最小值以及所对应的FPAR最大值与最小值的数学表达式来确定[9]，其计算公式如下：

(3)

式中，NDVI(i,max)和NDVI(i,min)分别对应第i种植被类型的NDVI最大值和最小值，各像元NDVI值是根据MODIS产品数据获取.

1.3 数据来源

本文计算NPP所需的基础数据主要包括：龙门山区域的NDVI时间序列数据，植被类型数据，气温、降水和太阳辐射的时间序列数据.文中的NDVI数据是从MODIS数据中提取出来的，MODIS数据来源于美国NASA网站(https://ladsweb.modaps.eosdis.nasa.gov/)下载的MODIS数据三级产品数据MOD13A3，时间分辨率为1月，空间分辨率为1KM，共12个时相[11].植被覆盖数据来源于清华土地利用数据网站(http://data.ess.tisinghua.edu.cn/).气象数据来源于中国气象数据网(https://data.cma.cn/)，国家气象局提供的2017年全国的气象数据，选取其中龙门山区域及周边的23个气象台站的信息.

2 结果与分析

2.1 NPP结果的计算与处理

2.1.1 植被数据的处理 植被数据是用CASA模型估算NPP的重要数据，是计算植被层入射光合有效辐射的吸收比例FPAR和光能转化率ε等因子所需的基础数据[12].本文研究采用的植被数据是基于TM数据提取的龙门山区域2017年的植被覆盖数据，处理后得到研究区域2017年植被类型图(图2).

从图2可以看出，龙门山区域的植被发育状况良好，多为阔叶林和针叶林.区域西部汶川县有较多的冰雪和裸岩分布；区域东部城镇和人口集中，主要为耕地.龙门山区域主要的植被类型可分为常绿阔叶林、落叶阔叶林、常绿针叶林、落叶针叶林、疏林、草甸、灌丛、荒漠草地、耕地、沼泽、水体、冻土、裸岩与其它等14类，其中常绿阔叶林面积最大占33.16%，常绿针叶林次之占24.94%，沼泽面积最小仅占0.01%.另外，研究区耕地分布面积也较大，占总体的10.27%.

2.1.2 NDVI的处理 植被归一化指数NDVI是检测植被生长状态、植被覆盖度和消除部分辐射误差等的参数，可以反映地表植被覆盖状况[13].NDVI的取值一般为[-1,1]，负值表示地表为云或水等；0表示地表为岩石或裸土等；正值表示地表有植被覆盖，且NDVI数值随地表覆盖度增大而增大[14].将下载的MODIS数据用MTK工具提取出每个月的NDVI指数，经校正、裁剪后，得到研究区逐月的NDVI数据，再用ENVI中的band math将十二个月的NDVI图像进行合成，就可以得到研究区域长时间序列的NDVI数据.以2017年7月为例，NDVI分布图(见图3).

根据研究和制图的需要，本文NDVI的取值为(0，1)之间.由图3可见龙门山区域的植被归一化指数整体偏高，大部分在0.74到0.90之间，最大值为0.89.反映出该地区植被生长状况良好，植被覆盖度较高.但中南部东西两侧的数值则偏低，中西部数值偏低主要集中在汶川县、宝兴县和天全县，主要原因是这些地区冰雪和裸土分布较广；而东部数值偏低的地方主要集中在大邑县、崇州市、都江堰市和江油市等城镇集中且发展水平较高的地区，这些地区的植被归一化指数偏低可能就是城市的发展、人口的增加和植被的破坏导致的.

2.1.3 气象数据的处理 基于CASA模型估算NPP，所需的气象数据主要包括：太阳总辐射、温度和降水等[15].文章收集整理了龙门山区域及周边的23个气象台站2017年的气温和降水数据，并通过山地小气候模型(MTCLIM)处理得到所需的太阳辐射数据.然后，通过ArcGIS地统计分析模块中的克里金插值法，并对插值的气象数据图进行栅格化处理，得到与遥感数据具有相同投影信息、分辨率和行列号的气温、降水和太阳辐射分布数据，结果如图4、图5和图6所示.

图4 龙门山区域2017年7月气温分布图Fig.4 Temperature Distribution of Longmen Mountains Area in July 2017

2.1.4 基于CASA模型估算NPP 在上述对遥感数据、植被类型数据以及气象数据做预处理的同时，还得使它们具备相同的行列号、分辨率和投影坐标系.处理后的数据格式为行列号(250，281)、空间分辨率均1KM、投影系WGS-1984-UTM-zone-48N的32位浮点型数据.然后，在ENVI中，利用运用朱文泉的插件对NPP进行估算.运行之后将输出龙门山区域2017年植被净初级生产力(npp_sum)和植被年平均覆盖率(veg_cov_mean)，以及每个月的植被NPP和植被覆盖度[16].图7为2017年7月NPP分布图.

图7 龙门山区域2017年7月NPP分布图Fig.7 NPP Distribution of Longmen Mountains Area in July 2017

2.2 NPP时空格局分析

2.2.1时间格局特征 将估算得出的龙门山区域2017年12个月份的NPP值进行统计，提取出各月的平均值(表1)，即可对研究区域2017年NPP年内时间格局上的变化特征进行比较和分析.

从表1可以看出，各月份之间呈现出单峰型的变化特点，1月～7月呈上升的趋势，7月～12月呈下降趋势.7月的NPP为964 gC·m-2，占15.35%，是全年的最高值；12月的NPP为198 gC·m-2，占3.15%，是全年的最低值.另外，4月～10月的NPP较高，11月～次年3月的NPP较低，即在植物的生长期内NPP值较高，反之则较低.并且春季、夏季和秋季的NPP明显高于冬季.

2.2.2 空间格局特征

(1)龙门山NPP空间总体特征

由于地理位置和地形地貌的不同，加之气象因素的影响，会造就不同的区域环境特征，使得NPP值在空间分布上也存在一定差异.龙门山区域NPP的空间分布(见图8).从图8中可以看出，龙门山区域2017年植被净初级生产力NPP的空间分布整体呈现出由南北两侧向中部逐渐递减的趋势.就龙门山区域整体而言，NPP的最大值为1 921 gC·m-2，年均为523 gC·m-2.北部区域的青川、广元、宁强、勉县以及南部地区的雅安雨城区、芦山和荥经等地区，水热条件较好，植被生长茂盛，NPP较大，大多在873 gC·m-2以上；中部和西部的汶川、宝兴和天全县等部分地区地势较高，冰雪和裸岩分布较广，NPP值主要在338 gC·m-2左右；山脉东部部分地区如大邑县、崇州市、安县和江油市等地，是城镇和人口的集中分布区域，这部分地区植被类型主要为耕地，NPP值617～873 gC·m-2.

(2)龙门山各地区NPP空间分布特征

结合龙门山区域的行政区划，用ArcGIS空间分析工具中的区域分析对NPP数据结果进行统计和分析，得到研究区域24个市县级行政区2017年NPP的最大值、最小值、平均值和总量(表2).

表2 龙门山2017年各区域NPP值Tab.2 NPP Value of Each Region in Longmen Mountains Area in July 2017 单位：gC·m-2

从表2可以看出，龙门山区域2017年年均NPP最高的是雅安市1 055.91 gC·m-2，其次是名山县1 029.83 gC·m-2，汶川县的NPP最低，为399.71 gC·m-2.2017年NPP总量最高的是平武县4.18×106gC·m-2，其次是广元市3.93×106gC·m-2，最低的是什邡县0.34×106gC·m-2.总体上来看，雅安、名山、宁强、青川和广元的NPP值处于较高的水平，而茂县、绵竹、什邡和汶川的NPP都呈现出偏低的特点.

2.2.3 时空格局分析 从时间格局上看，NPP与气温、降水和NDVI具有明显的正相关性，各月份之间呈现出单峰型的变化特点，7月的NPP值最高，12月的NPP值最低；春季、夏季和秋季的植被NPP明显高于冬季.并且，在温度适宜、降水充沛的季节，植被生长状况良好，NPP值较高；反之，在温度较低、降水稀少，不适宜植被发育的季节，NPP值较低.

从空间格局上看，龙门山区域NPP整体呈现出由南北两侧向中部递减的趋势.龙门山的南部地区是年均NPP高值的集中分布区；北部地区NPP值也呈现出较高的特点；中部地区的NPP则较低.具体表现如下:

龙门山区域南部的雅安市、名山县、荥经县、芦山县和邛崃市是年均NPP高值的集中分布区.结合植被数据看，这一地区的植被类型以常绿阔叶林为主，植被归一化指数NDVI在0.9左右，植被生长状况良好，植被覆盖度较高.结合气象数据看，这一地区年均气温大致为20℃，年降水总量大致为1 475 mm，年太阳总辐射大致为110 996 W/m2，温度适宜，降水充沛，水热条件较好.在这些因素的综合作用下，该区的NPP值偏高.

龙门山区域北部的勉县、宁强县、广元市和青川县的NPP值也呈现出较高的特点.结合植被数据看，这一地区的植被类型以针阔混交林为主，植被归一化指数NDVI在0.8左右，植被生长较好.结合气象数据看，这一地区年均气温大致为18℃，年降水总量大致为1 099 mm，年太阳总辐射大致为116 945W/m2，温度适宜，降水充沛，水热组合良好.适宜的气象条件加上较好的植被发育，使得这一地区的NPP呈现出较高的特点.

龙门山区域中部的汶川县、茂县、什邡县和绵竹县的年均NPP值较低，在400 gC·m-2左右.结合植被数据看，这一地区的植被类型分布复杂，以针阔混交林为主，有冻土和裸岩分布，植被归一化指数NDVI在0.5左右，植被生长状况一般，受地理环境影响大.结合气象数据看，这一地区年均气温大致为14℃，年降水总量大致为766 mm，年太阳总辐射大致为137 255 W/m2，温度较为适宜，降水较为充沛，水热组合条件较好.总的来说，这一地区气象条件较为良好，适宜植被生长，其植被NPP受地形地势影响大，该区地势高、坡度陡、地形起伏较大，冰雪裸岩广布，故而植被NPP值偏低.

3 结论与讨论

本文研究依托遥感技术，利用龙门山2017年气温、降水、大气辐射和NDVI等基础数据，基于CASA模型估算了2017年龙门山区域植被净初级生产力，并对其空间分布状况进行了分析.初步得到以下结论：(1)龙门山区域2017年植被NPP最大值为1 920.69 gC·m-2，最小值为冰雪裸地接近于零，年均总量为523 gC·m-2.(2)在时间格局上，植被NPP与气温、降水和NDVI具有明显的正相关性，7月的NPP值最高为964 gC·m-2，占15.35%；12月的NPP值最低为198 gC·m-2，占3.15%；春季、夏季和秋季的植被NPP明显高于冬季.(3)在空间格局上，整体呈现出由南北两侧向中部逐渐递减的趋势；北部和南部地区水热条件较好，植被生长茂盛，NPP较大，大多在873 gC·m-2以上；中西部地区NPP值较低，主要在338 gC·m-2左右；东部地区城镇和人口的集中分布，NPP值617～873 gC·m-2.

利用CASA模型可以定量的分析区域NPP，并能分析空间格局分布.但本文在数据精度和气象站点数据两方面存在问题.数据精度不够高，主要利用的是MODIS的数据，其分辨率较低，可能会对分析结果有一定影响.另外，研究区缺乏国家气象站点，气象数据可能也有一定的影响.这些不足之处有待在进一步研究中加以改进.