岳彩榮，唐 瑤，徐天蜀，胥 輝

（西南林業(yè)大學(xué)，云南 昆明 650224）

香格里拉縣植被凈初級(jí)生產(chǎn)力遙感估算

岳彩榮，唐 瑤，徐天蜀，胥 輝

（西南林業(yè)大學(xué)，云南 昆明 650224）

采用2009年MODIS數(shù)據(jù)作為遙感信息源，結(jié)合香格里拉基礎(chǔ)地理數(shù)據(jù)和云南省119個(gè)氣象站點(diǎn)的氣象數(shù)據(jù)，構(gòu)建了一個(gè)NPP估算模型。利用遙感技術(shù)和地理信息系統(tǒng)技術(shù)，在ArcEngine二次開發(fā)技術(shù)的支持下，實(shí)現(xiàn)了香格里拉縣2009年植被凈初級(jí)生產(chǎn)力的估算研究。結(jié)果表明：（1)設(shè)計(jì)的NPP估算模型簡(jiǎn)單，參數(shù)少，易于理解和計(jì)算；（2) 比較發(fā)現(xiàn)： 2009年香格里拉縣NPP估算結(jié)果可信。（3) 分析香格里拉縣2009年NPP的變化情況可得到以下結(jié)論：（a) 香格里拉縣2009年植被凈初級(jí)生產(chǎn)力為413 g/m2，總體分布趨勢(shì)是：建塘鎮(zhèn)北部和格咱鄉(xiāng)西部NPP基本在400～600 g/m2之間；香格里拉縣中部、東南部、東北部、北部基本上在200～400 g/m2之間；東旺鄉(xiāng)的上游村、躍進(jìn)村、中心村、勝利村的NPP在0～200 g/m2之間。（b)從3月至10月的時(shí)間段里，香格里拉植被NPP可占全年的凈初級(jí)生產(chǎn)力的82%，因此，可判定香格里拉縣植被生長(zhǎng)季為3月～10月。

地理信息系統(tǒng)；植被遙感信息；凈初級(jí)生產(chǎn)力；MODIS數(shù)據(jù)；香格里拉縣

植被凈初級(jí)生產(chǎn)力(Net Primary Productivity，NPP)是指綠色植物在單位面積和時(shí)間內(nèi)所累積的有機(jī)物的數(shù)量，是由光合作用所產(chǎn)生的有機(jī)質(zhì)總量中扣除自養(yǎng)呼吸后剩余的部分，包括植物的枝葉和根等生產(chǎn)量及植物枯落部分的數(shù)量[1]。植被凈初級(jí)生產(chǎn)力(NPP) 不僅直接反映植物群落在自然環(huán)境條件下的生產(chǎn)能力，也是判定植被生態(tài)系統(tǒng)的碳源/匯的主要依據(jù)，因此NPP在全球變化及碳平衡中發(fā)揮著重要的作用，成為近年來科學(xué)界的熱點(diǎn)研究問題。 我國(guó)陸地生態(tài)系統(tǒng)生產(chǎn)力的研究起步較晚，自20世紀(jì)70年代開始，國(guó)內(nèi)開展了陸地生態(tài)系統(tǒng)生產(chǎn)力的測(cè)定和研究工作，采用不同方法對(duì)區(qū)域或全球尺度的NPP估算也取得了豐碩的成果[2-3]。劉世榮等[4]建立了NPP與氣候要素的相關(guān)模型，并運(yùn)用GCMs估算的氣候資料預(yù)測(cè)了氣候變化后中國(guó)森林NPP的變化狀況。李銀鵬等[5]用大氣植被相互作用模式(AVIM)估算了全球陸地植被的凈初級(jí)生產(chǎn)力。陶波等[6]利用CEVSA過程模型估算了1981～1998年間中國(guó)NPP的時(shí)空變化。邢曉旭等[7]利用MODIS數(shù)據(jù)和CASA(Carnegie-Ames-Stanford Approach)模型對(duì)2000～2005年中國(guó)北部、蒙古、俄羅斯南部三個(gè)主要草原地區(qū)的NPP進(jìn)行了估算。朱文泉等[8]利用NOAA氣象衛(wèi)星數(shù)據(jù)對(duì)中國(guó)陸地植被凈生產(chǎn)力進(jìn)行了估算，估算結(jié)果與690個(gè)實(shí)測(cè)點(diǎn)測(cè)量結(jié)果對(duì)比，平均相對(duì)誤差達(dá)到了4.5%。在這些研究中，遙感和GIS技術(shù)已成為NPP估測(cè)的重要技術(shù)手段，成為當(dāng)前NPP模型研究的主攻方向[8]。

本研究在遙感和地理信息系統(tǒng)技術(shù)支持下，結(jié)合香格里拉縣地面氣象數(shù)據(jù)、基礎(chǔ)地理數(shù)據(jù)和MODIS數(shù)據(jù)，完成了香格里拉縣2009年植被凈初級(jí)生產(chǎn)力的估算，并對(duì)其空間分異特征進(jìn)行了分析。

1 研究區(qū)概況

香格里拉縣隸屬迪慶藏族自治州，位于云南西北部、迪慶州東北部，地理坐標(biāo)為東經(jīng)99°20'～ 100°19'、北緯 26°52'～ 28°52'。東與四川省的稻城縣、木里縣相連，東南和南部與麗江市的玉龍縣隔江相望，西與維西縣、德欽縣以金沙江為界，北與四川省的得榮縣、鄉(xiāng)城縣接壤。香格里拉縣東、南、西三面被金沙江環(huán)繞，是兩省七縣的接合部。縣境南北兩頭窄，中間寬，南北長(zhǎng)218 km，東西寬88 km。全縣總面積1 141 739 hm2，植被覆蓋達(dá)89%，其中針葉林占59%，闊葉林占15.6%，灌木占18%，草地和作物分別占3.7%。

2 NPP模型的構(gòu)建

本研究利用香格里拉縣MODIS數(shù)據(jù)資料（包括NDVI和反射率數(shù)據(jù)）、基礎(chǔ)地理數(shù)據(jù)、氣象數(shù)據(jù)，采用光能利用模型對(duì)香格里拉縣NPP進(jìn)行估算：

NPP(x,t)=APAR(x,t)×ε(x,t)。 （1）

式（1）中：APAR指植物冠層吸收的參與光合生物量累積的光合有效輻射部分。它由太陽(yáng)總輻射中的光合有效輻射(Photosynthetically Active Radiation, PAR)和植被對(duì)光合有效輻射的吸收比例(Fraction of Photosynthetically Active Radiation,FPAR)決定，公式為：

APAR(x,t)=PAR(x,t)×FPAR(x,t)； （2）

PAR(x,t)=Rs(x,t)×0.5。 （3）

Rs(x，t)為第t月份在象元x處的太陽(yáng)總輻射量（MJ·m-2），常數(shù)0.5表示植被所能利用的光合有效輻射占太陽(yáng)總輻射的比例。ε是植被把吸收的光合有效輻射(PAR)換為有機(jī)炭的效率，主要受溫度和水分的影響，一般用g·MJ-1表示，其計(jì)算公式如下：

ε(x,t)=Tε1×Tε2×Wε×εmax。 （4）

式（4）中：Tε1為溫度度脅迫因子，反映低溫和高溫時(shí)植物內(nèi)在的生化作用對(duì)光合作用的限制，Tε2表示環(huán)境溫度從最適宜溫度向高溫和低溫變化時(shí)植物的光能轉(zhuǎn)化率逐漸變小的趨勢(shì)，Wε即水分脅迫影響因子，εmax為理想條件下最大光能轉(zhuǎn)化率。Potter等認(rèn)為全球植被的最大光能轉(zhuǎn)化率εmax為0.389 g·MJ-1(每月)[9]，本文模型即采用這個(gè)數(shù)值。

Tε1(x,t)=0.8+0.02×Topt(x)-0.0005×[Topt(x)]2。（5）

Topt為某一地區(qū)一年內(nèi)NDVI值達(dá)到最高時(shí)的當(dāng)月平均氣溫。已有研究表明，NDVI的大小及其變化可以反映植物的生長(zhǎng)狀況。NDVI達(dá)到最高時(shí)，植物生長(zhǎng)最快，此時(shí)的氣溫可以在一定程度上代表植物生長(zhǎng)的最適溫度。當(dāng)某一月平均溫度小于或等于-10 ℃時(shí)，Tε1取0，認(rèn)為光合生產(chǎn)為零[9]。

Tε2(x,t)反映生長(zhǎng)在偏離最適溫度的條件下的光利用率，計(jì)算公式[10]為 ：

當(dāng)月平均溫度T(x,t)比最適溫度Topt(x)高10℃或低13℃時(shí)，該月的Tε2(x,t)值等于月平均溫度T(x,t)為最適溫度Topt(x)時(shí)Tε2(x,t)值的一半。

水分脅迫因子Wε(x,t)反映水分條件對(duì)光能轉(zhuǎn)化率的影響。隨著環(huán)境中有效水分的增加，Wε(x,t)逐漸增大。其取值范圍為0.5～l(對(duì)應(yīng)極端干旱至極端濕潤(rùn))，計(jì)算公式[10]為：

其中，E(x,t)為估測(cè)的區(qū)域?qū)嶋H蒸散量，可根據(jù)周廣勝和張新時(shí)[11]建立的區(qū)域?qū)嶋H蒸散模型式（8）求取。Ep(x,t)為區(qū)域潛在蒸散量，可根據(jù)Boucher[12]提出的互補(bǔ)關(guān)系式（9）求取。

式（8）中：P(x,t)為像元x在第t月內(nèi)的降水量；Rn(x,t)為像元x在t月份的太陽(yáng)凈輻射量。

式（9）中：Epo(x,t)為局地潛在蒸散量，張新時(shí)[13]根據(jù)我國(guó)671個(gè)國(guó)家氣候觀測(cè)臺(tái)站資料用Thornthwaite方法計(jì)算所得的局地潛在蒸散與我國(guó)的經(jīng)度、緯度、海拔高度相關(guān)，其多元回歸模型如下：

根據(jù)式（10），我國(guó)可能蒸散隨緯度每向北一度則減少18.8 mm，隨經(jīng)度每向東一度則減少4.6 mm，隨海拔每升高100 m降低15.8 mm。

太陽(yáng)輻射是地球表層上的物理、生物和化學(xué)過程（如雪融、作物光合、蒸騰、作物生長(zhǎng)等）的主要能源，也是生態(tài)系統(tǒng)過程模型、水文模擬模型和生物物理模型研究中的必要參數(shù)[14]。本文中采用張炯遠(yuǎn)等[15]建立的以晴天總輻射為起始值的太陽(yáng)總輻射估算模型來計(jì)算香格里拉縣太陽(yáng)總輻射。其模型公式如下：

式（11）、（12）中：Rs為太陽(yáng)總輻射；n/N為日照百分率，i=1、2、3，…，12（月）；R0i為1～12月各月的最大晴天總輻射月總量（kaj·cm-2·月-1）；φ是地理緯度(度)；Alt為海拔高度(m)；e是月實(shí)際水汽壓 (毫巴 )；C0i、C1i、C2i、C3i為方程的待定系數(shù)。月實(shí)際水汽壓由下式求?。?/p>

式(13)中：RHmean平均相對(duì)濕度，從各氣象站點(diǎn)數(shù)據(jù)中獲?。籩s為平均飽和水汽壓(kPa)，通過最高溫(℃)和最低溫(℃)時(shí)的飽和水汽壓取平均來求算，如下式：

e0(T)為氣溫T下的飽和水汽壓(kPa)，由Thornton,P.E等[16]的公式計(jì)算得到：

公式(8)中凈輻射為天空向下投射的和由地表向上投射的全波段輻射量之差。

式中：Rns為凈短波輻射(MJ·m-2)；Rnl為地面長(zhǎng)波有效輻射 (MJ·m-2)；Rs為太陽(yáng)輻射 (MJ·m-2)；a 為地表反照度(無量綱)。本文中，a采用Valiente研究中的方法計(jì)算[17]：

式中：rl和r2分別為可見光和近紅外波段的反射率。

Rnl氣候上常用布朗特公式來計(jì)算：

式 中：σ為 Stefan-Boltzmann常 數(shù) [4.903×10-9MJ·m-2d-1]；T 為溫度 (℃ )；ea為實(shí)際水汽壓(kPa)；n/N為日照百分率。

植被對(duì)太陽(yáng)有效輻射的吸收比例（FPAR，R）取決于植被類型和植被覆蓋狀況。研究證明，由遙感數(shù)據(jù)得到的歸一化植被指數(shù)（NDVI，I）能很好地反映植物覆蓋狀況。根據(jù)NASA-MOD15算法中涉及的NDVI-FPAR查找表[18]，本文針對(duì)5種生物群落設(shè)計(jì)的NDVI-FPAR算法如下。

草地：

NPP計(jì)算流程見圖1。

3 數(shù)據(jù)獲取及處理

3.1 遙感數(shù)據(jù)的獲取與處理

圖1 NPP計(jì)算流程Fig.1 Calculating steps of net primary productivity

采用USGS EROS數(shù)據(jù)中心開發(fā)的MODIS Reprojection Tool (MRT)幾何糾正軟件，將圖像重投影為更為標(biāo)準(zhǔn)的地圖投影，在本文中將其投影為Transverse Mercator。在Microsoft Visual Studio 2005環(huán)境下，以ArcEngine為平臺(tái)，用C#編程實(shí)現(xiàn)對(duì)每月兩張NDVI圖像的合成(其中10月第286天數(shù)據(jù)作為10月NDVI)，采用的方法為國(guó)際通用的最大值合成法[19](Maximum Value Composite Syntheses，MVC)。求取每月反射率波段的平均值，作為月反射率。對(duì)MODIS-NPP進(jìn)行重采樣，得到與研究數(shù)據(jù)像元大小一致的MODIS-NPP數(shù)據(jù)（見表1）。

表1 本文遙感數(shù)據(jù)Table 1 Remote sensing data obtained and treated in study process

3.2 基礎(chǔ)地理數(shù)據(jù)

本文中涉及到的基礎(chǔ)地理數(shù)據(jù)見表2。

表2 基礎(chǔ)地理數(shù)據(jù)Table 2 Basic geography data in this study

3.3 氣象數(shù)據(jù)

采用的氣象數(shù)據(jù)如下：

1958～2004年云南省119個(gè)氣象站點(diǎn)逐日降水量（mm）；1958～2004年云南省119個(gè)氣象站點(diǎn)逐日平均氣溫（℃）；1958～2004年香格里拉縣1個(gè)氣象站點(diǎn)逐日平均相對(duì)濕度（%）；1958～2004年香格里拉縣1個(gè)氣象站點(diǎn)逐日日照時(shí)數(shù)（h）。

原始?xì)庀髷?shù)據(jù)文件為Excel文件格式，以天為單位存儲(chǔ)。處理步驟如下：

(1) 首先根據(jù)模型需要，將其重新計(jì)算為月平均值；

(2) 根據(jù)數(shù)據(jù)中所提供的站點(diǎn)經(jīng)緯度信息，將各時(shí)相的數(shù)據(jù)轉(zhuǎn)換為空間矢量數(shù)據(jù)，并賦予地理坐標(biāo)信息；

(3) 進(jìn)行基于地形調(diào)節(jié)的溫度插值和Kriging降水插值，得到柵格圖像。

4 模型計(jì)算結(jié)果及驗(yàn)證

采用MODIS數(shù)據(jù)、基礎(chǔ)地理數(shù)據(jù)、氣候數(shù)據(jù)，在Microsoft Visual Studio 2005環(huán)境下用C#編程實(shí)現(xiàn)月NDVI數(shù)據(jù)合成、各種植被類型的FPAR計(jì)算，并結(jié)合ArcMap軟件實(shí)現(xiàn)了2009年香格里拉縣的植被凈初級(jí)生產(chǎn)力的估算，其總體分布如圖2所示。

從圖2可以看出，香格里拉縣2009年NPP的總體分布趨勢(shì)是：建塘鎮(zhèn)北部和格咱鄉(xiāng)西部為NPP高值區(qū)，基本在400～600 g/m2；香格里拉縣中部（建塘鎮(zhèn)南部、小中甸鎮(zhèn)）、東南部（三壩鄉(xiāng)）、東北部(格咱鄉(xiāng)東部)、北部(東旺鄉(xiāng))為NPP中值區(qū)，基本上在200～400 g/m2；在整個(gè)香格里拉縣，NPP的范圍在0～200 g/m2的低值區(qū)很小，主要分布在東旺鄉(xiāng)的上游村委會(huì)、躍進(jìn)村委會(huì)、中心村委會(huì)、勝利村委會(huì)。

圖2 本文2009年NPP空間分布Fig.2 NPP spatial distribution in 2009

對(duì)圖2中各NPP值段進(jìn)行統(tǒng)計(jì)，結(jié)果見表3。

表3 香格里拉縣不同NPP范圍對(duì)應(yīng)面積Table 3 NPP range and corresponding area in Shangrila

從表3可以看出，香格里拉植被凈初級(jí)生產(chǎn)力低值區(qū)很少，在100 g/m2范圍內(nèi)的只有6.25 hm2；400～500 g/m2范圍內(nèi)的面積最大，為519 675 hm2，占總面積的52%；NPP高值段(500～600 g/m2)的面積為95 937.5 hm2，占總面積的9.7%。

植被NPP的模擬結(jié)果是否能反映實(shí)際情況，本文中將結(jié)果與MODIS-NPP（見圖3）、實(shí)測(cè)樣地生物量和其他學(xué)者研究結(jié)果作了對(duì)比，結(jié)果如下。

4.1 與MODIS-NPP數(shù)據(jù)驗(yàn)證

在ArcMap軟件的支持下，對(duì)2006年MOD17A3和本文結(jié)果(2009年)分別進(jìn)行統(tǒng)計(jì)和對(duì)比，圖4反映2種結(jié)果的對(duì)比。

通過對(duì)2個(gè)估算結(jié)果的比較，可以得到以下結(jié)論：

圖3 2006年MODIS-NPP空間分布Fig.3 MODIS-NPP NPP distribution in 2006

圖4 與MODIS-NPP植被類型年NPP比較Fig.4 Comparison of annual NPP with MODIS-NPP plant types

(1)2009年香格里拉縣各植被類型的平均凈初級(jí)生產(chǎn)力與2006年MODIS-NPP有相同的趨勢(shì)：草地＜闊葉作物＜灌木＜闊葉林≈針葉林；但是每種植被類型的NPP均小于2006年MODIS-NPP；在香格里拉區(qū)域內(nèi)，2009年NPP為413 g/m2，2006年MODIS-NDVI為610 g/m2，其值明顯大于本文。

(2) 在NPP頻度分布上，MOD17A3分布過于離散，無集中頻度分布區(qū)和分布規(guī)律；除此之外，MOD17A3還出現(xiàn)了大量極高值，是最低值的277倍，這個(gè)值是不合理的，且從實(shí)際情況來看，最大值不應(yīng)該出現(xiàn)在金江鎮(zhèn)、虎跳峽鎮(zhèn)（見圖5）。本文頻度分布規(guī)律明顯，分布范圍合理可信，NPP值符合香格里拉縣植被生長(zhǎng)規(guī)律（見圖6）。

(3) 空間分布上，MOD17A3與本文有相同的趨勢(shì)，高值區(qū)都是在沿金沙江的虎跳峽鎮(zhèn)、金江鎮(zhèn)、上江鄉(xiāng)、五境鄉(xiāng)以及洛吉鄉(xiāng)、建塘鎮(zhèn)北部、格咱鄉(xiāng)西部；低值區(qū)在小中甸鎮(zhèn)、建塘鎮(zhèn)大部分地區(qū)、三壩鄉(xiāng)、格咱鄉(xiāng)東部、東旺鄉(xiāng)。

4.2 與實(shí)測(cè)數(shù)據(jù)驗(yàn)證

圖5 MOD17A3 NPP的頻度分布Fig.5 Frequency distribution of Shangrila NPP in MOD17A3

圖6 本文NPP的頻度分布Fig.6 Frequency distribution of Shangrila NPP in this study

本文中采用2009年8月、9月68個(gè)野外調(diào)查樣方，實(shí)測(cè)得到的森林蓄積，通過黃從德蓄積量-生物量轉(zhuǎn)化模型[20]，計(jì)算得到高山松、云南松、云冷杉、櫟類4個(gè)樹種的生物量。為了便于比較各樹種生物量與NPP增長(zhǎng)趨勢(shì)，本文中將計(jì)算得到生物量分別加上300，確保兩個(gè)比較值在同一個(gè)數(shù)量級(jí)下。NPP與生物量關(guān)系見圖7。

圖7 NPP與生物量關(guān)系Fig.7 Relation between NPP and biomass

從圖7可以看出，根據(jù)實(shí)測(cè)蓄積量計(jì)算得到的各齡組生物量與NPP有較好的相關(guān)性。隨著各齡組生物量的增加，凈初級(jí)生產(chǎn)力也隨之增加，說明本文模型計(jì)算得到的NPP與單位面積的生物量存在正相關(guān)關(guān)系。

4.3 與其他學(xué)者研究結(jié)果驗(yàn)證

李貴才基于CASA模型的基礎(chǔ)上，利用MODIS數(shù)據(jù)進(jìn)行了陸地凈初級(jí)生產(chǎn)力的估算，實(shí)現(xiàn)了2001年中國(guó)陸地凈初級(jí)生產(chǎn)力的模型估算。王軍邦在Biome-BGC(生理生態(tài)過程模型)模型和BEPS模型基礎(chǔ)上，構(gòu)建了陸地凈生態(tài)系統(tǒng)生產(chǎn)力模型(NERS)，并以我國(guó)東北地區(qū)和全國(guó)為例，進(jìn)行了模擬研究（見表4）。

表4 植被類型模擬結(jié)果同其它估算結(jié)果的比較Table 4 Comparison of vegetation simulation results with other estimated results (g/m2)

與本文相同的是遙感數(shù)據(jù)都為MODIS數(shù)據(jù)。本研究中NPP與李貴才研究結(jié)果較為接近，在趨勢(shì)上：體現(xiàn)為針葉林植被凈初級(jí)生產(chǎn)力與闊葉林相近，灌木與闊葉作物相近，草地的凈初級(jí)生產(chǎn)力最低；在數(shù)值大小上，李貴才估算的針葉林和闊葉林NPP均大于本文針葉林和闊葉林的NPP，灌木和闊葉作物NPP與本文相近，草地NPP小于本文；在整年平均值方面，本文NPP在李貴才估算的NPP的值域范圍內(nèi)。

本研究計(jì)算所得的NPP與王軍邦的計(jì)算結(jié)果有較大偏差，在趨勢(shì)上：闊葉林與闊葉作物NPP相近，遠(yuǎn)遠(yuǎn)大于針葉林、灌木、草地；在NPP數(shù)值大小上，王軍邦的草地、針葉林、灌木NPP均小于本文，闊葉林和作物都遠(yuǎn)遠(yuǎn)大于本文；在平均值方面王軍邦估算結(jié)果也大于本文。

通過以上3種對(duì)比分析可以認(rèn)為，基于RS/GIS技術(shù)的香格里拉植被凈初級(jí)生產(chǎn)力估算結(jié)果與其他學(xué)者的結(jié)果有較大的一致性，但在部分植被類型上也存在較大的差異，這也表明了NPP研究的復(fù)雜性，需要進(jìn)一步深入研究。

5 香格里拉縣NPP的時(shí)空格局

5.1 2009年NPP的季節(jié)變化

對(duì)2009年各月NPP圖像進(jìn)行統(tǒng)計(jì)，得到各月NPP的變化（如圖8所示）。

圖8 NPP季節(jié)變化Fig.8 Seasonal change of NPP

香格里拉縣降水量年內(nèi)分布不均，7～9月月降水占全年降水量的60%以上。受此影響，香格里拉縣植被的NPP在不同季節(jié)變化較大。7月至8月，太陽(yáng)輻射較強(qiáng)，且降水豐富，水熱條件極適合于植物生長(zhǎng)，該段時(shí)間的凈初級(jí)生產(chǎn)力達(dá)到極大值，占全年凈初級(jí)生產(chǎn)力的26%。從3月至10月的時(shí)間段里，香格里拉植被NPP可占全年的凈初級(jí)生產(chǎn)力的82%，因此，可判定香格里拉縣植被生長(zhǎng)季為3月～10月。從11月到次年2月，是該地區(qū)氣溫較低的季節(jié)，此時(shí)植被基本停止生長(zhǎng)或地上部分死亡，因此，在這個(gè)時(shí)間段內(nèi)的植被凈初級(jí)生產(chǎn)力最低。

5.2 不同高度帶NPP的季節(jié)變化

按照4個(gè)不同高度帶對(duì)香格里拉縣2009年逐月NPP的空間數(shù)據(jù)進(jìn)行分類統(tǒng)計(jì)計(jì)算，可以得到香格里拉縣2009年逐月NPP在不同高度帶內(nèi)的季節(jié)變化狀況（如圖9所示）。

圖9 香格里拉縣2009年逐月NPP在不同高度帶內(nèi)的季節(jié)變化Fig.9 Seasonal changes of NPP on different elevation zones in Shangrila in 2009

從圖9可以看出，不同高度帶內(nèi)NPP的季節(jié)變化都比較明顯，基本上都表現(xiàn)為：

(1) 夏季(8月)的NPP最大，冬季(1月)的NPP最小。

(2) 在NPP的季節(jié)變化幅度方面，海拔在4 500 m以上的區(qū)域最小；1 500～2 500 m范圍變化幅度最大，特別是從6月到7月，NPP平均值從32.6 g/m2上升到了53.6 g/m2，說明從7月開始香格里拉縣植被進(jìn)入生長(zhǎng)期的旺盛階段，在這個(gè)季節(jié)，香格里拉縣光照、溫度、水分充足，這種的生活環(huán)境非常適宜植物的生長(zhǎng)；其它海拔段的NPP平均值變化幅度相似。

(3) 在海拔4 500 m以上的區(qū)域，NPP月增長(zhǎng)最小，植被生長(zhǎng)速度最慢，總量為14 368 t。在這個(gè)區(qū)域，月平均溫度較低，這是影響該區(qū)域植被生長(zhǎng)關(guān)鍵因素。海拔2 500～4 500 m的區(qū)域，水熱條件較好，植被生長(zhǎng)速度快，總量為3 774 844 t，在這個(gè)海拔范圍內(nèi)，主要的植被類型為喬木；而在1 500～2 500 m范圍內(nèi)，主要植被為灌木，灌木的固碳能力遠(yuǎn)遠(yuǎn)低于喬木，總量為279 294 t。

5.3 不同植被類型NPP的季節(jié)變化

值得注意的是，不同覆被類型季節(jié)變化呈現(xiàn)出不同的特征。針葉林、闊葉林每月都維持在一個(gè)較高水平，其中最大值出現(xiàn)在8月。圖10為香格里拉縣2009年各植被類型月NPP的季節(jié)變化。

圖10 2009年各植被類型月NPP季節(jié)變化Fig.10 NPP month changes of different vegetation types in 2009

(1) 各植被類型的月NPP總體變化趨勢(shì)是：從1月到8月，各植被類型NPP均呈增加的走勢(shì)。草地NPP值從1月13.8 g/m2上升到54 g/m2；針葉林從19 g/m2上升到60.9 g/m2；闊葉林從18.8 g/m2上升到60.5 g/m2；灌木從12.9 g/m2上升到48.8 g/m2；作物從11.7 g/m2上升到54.1 g/m2。到8月，各植被類型NPP達(dá)到峰值，此后，隨溫度、降水、太陽(yáng)輻射等各種氣候因子的影響，植物生長(zhǎng)速度變緩，凈初級(jí)生產(chǎn)力也隨之降低。草地NPP降為13.3 g/m2，針葉林降為18.5 g/m2，闊葉林降為18.1 g/m2，灌木降為13.5 g/m2，作物降為12 g/m2。

(2) 從每月各植被類型NPP平均值分布可以看出：各植被類型NPP變化趨勢(shì)基本相同，均是從3月起出現(xiàn)顯著增加，于8月達(dá)峰值，10月之后又急劇下降。在香格里拉，3月植被已開始發(fā)芽或恢復(fù)生長(zhǎng)，到10月下旬，植被停止生長(zhǎng)或枯萎。按此規(guī)律，可以把3～10月認(rèn)為是香格里拉植被的生長(zhǎng)季。

(3) 針葉林的月平均NPP與闊葉林月平均NPP非常接近，草地的固碳能力次之，再次是灌木，固碳能力最弱的是農(nóng)地。

(4) 從1月份到6月作物NPP最低，到7、8月份，作物NPP值明顯高于灌木、草地，甚至達(dá)到了針葉林和闊葉的生長(zhǎng)速度，9月份以后，作物NPP又迅速降低。在7、8月，農(nóng)作物長(zhǎng)勢(shì)迅猛，體現(xiàn)出來的就是月平均NPP迅速升高，到9月，農(nóng)作物到達(dá)成熟、收割，NPP迅速下降，其值再次小于灌木、草地。

6 結(jié) 論

利用2009年MODIS數(shù)據(jù)作為遙感數(shù)據(jù)輸入源，結(jié)合香格里拉基礎(chǔ)地理數(shù)據(jù)和云南省119個(gè)氣象站點(diǎn)的氣象數(shù)據(jù)，在地理信息系統(tǒng)和遙感技術(shù)，以及ArcEngine二次開發(fā)技術(shù)的支持下，實(shí)現(xiàn)了香格里拉縣2009年植被凈初級(jí)生產(chǎn)力的估算研究。對(duì)香格里拉縣2009年各月NPP的分布情況進(jìn)行討論，各群落類型月NPP頻度分布進(jìn)行分析，得到了如下結(jié)論：

(1) 與其它類型的NPP模型相比，基于RS/GIS技術(shù)結(jié)合氣象站點(diǎn)實(shí)測(cè)的氣象數(shù)據(jù)估算香格里拉縣植被凈初級(jí)生產(chǎn)力，能充分發(fā)揮遙感數(shù)據(jù)信息豐富的優(yōu)勢(shì)進(jìn)行區(qū)域的NPP估算，并具有模型簡(jiǎn)單、所需的輸入?yún)?shù)少、易于理解和計(jì)算等特點(diǎn)。

(2) 通過比較發(fā)現(xiàn)：a) 2009年香格里拉縣各植被類型的平均凈初級(jí)生產(chǎn)力與2006年MODISNPP有相同的趨勢(shì)；在NPP頻度分布上，MOD17A3分布過于離散，無集中頻度分布區(qū)和分布規(guī)律；除此之外，MOD17A3還出現(xiàn)了大量極高值，是最低值的277倍，本文頻度分布規(guī)律明顯，分布范圍合理可信，NPP值符合香格里拉縣植被生長(zhǎng)規(guī)律；空間分布上，MOD17A3與本文有相同的趨勢(shì)；b) 本文結(jié)果與實(shí)測(cè)蓄積計(jì)算得到的干物質(zhì)量有較好的相關(guān)性；c) 本文結(jié)果與李貴才估算結(jié)果相近，與王軍邦估算結(jié)果有較大差異。綜上，本文模型計(jì)算得到的NPP與實(shí)際情況相符，本文模型適合香格里拉縣NPP估算。

(3) 香格里拉縣2009年NPP的總體分布趨勢(shì)是：建塘鎮(zhèn)北部和格咱鄉(xiāng)西部為NPP高值區(qū)，基本在400～600 g/m2之間；香格里拉縣中部(建塘鎮(zhèn)南部、小中甸鎮(zhèn))、東南部(三壩鄉(xiāng))、東北部(格咱鄉(xiāng)東部)、北部(東旺鄉(xiāng))為NPP中值區(qū)，基本上在200～400 g/m2之間；在整個(gè)香格里拉縣，NPP的范圍在0～200 g/m2的低值區(qū)很小，主要分布在東旺鄉(xiāng)的上游村委會(huì)、躍進(jìn)村委會(huì)、中心村委會(huì)、勝利村委會(huì)；香格里拉2009年植被凈初級(jí)生產(chǎn)力低值區(qū)很少，在100 g/m2范圍內(nèi)的只有6.25 hm2；400～500 g/m2范圍內(nèi)的面積最大，為519 675 hm2，占總面積的52%；NPP高值段(500～600 g/m2)的面積為95 937.5 hm2，占總面積的9.7%。

(4) 香格里拉縣植被的NPP在不同季節(jié)變化較大。7月至8月，凈初級(jí)生產(chǎn)力達(dá)到極大值，占全年凈初級(jí)生產(chǎn)力的26%；從3月至10月的時(shí)間段里，香格里拉植被NPP可占全年的凈初級(jí)生產(chǎn)力的82%，因此，可判定香格里拉縣植被生長(zhǎng)季為3月～10月。

[1] 盧 玲,李 新, Frank Veroustraete.黑河流域植被凈初級(jí)生產(chǎn)力的遙感估算[J].中國(guó)沙漠,2005,25(6):823-830.

[2] 趙俊芳,延曉冬,朱玉潔,等.陸地植被凈初級(jí)生產(chǎn)力研究進(jìn)展[J].中國(guó)沙漠,2007,(5):780-786.

[3] 馮險(xiǎn)峰,劉高煥,陳述彭,等.陸地生態(tài)系統(tǒng)凈第一性生產(chǎn)力過程模型研究綜述[J].自然資源學(xué)報(bào), 2004, (3): 369-378.

[4] 劉世榮,郭泉水.中國(guó)森林生產(chǎn)力對(duì)氣候變化響應(yīng)的預(yù)測(cè)研究[J].生態(tài)學(xué)報(bào),1998,18(5): 478-483.

[5] 李銀鵬,季勁鈞.全球陸地生態(tài)系統(tǒng)與大氣之間碳交換的模擬研究[J].地理學(xué)報(bào),2001,56(4):379-389.

[6] 陶 波,李克讓,邵雪梅,等.中國(guó)陸地凈初級(jí)生產(chǎn)力時(shí)空特征模擬[J].Acta Geographica Sinica, 2003, 58(3):1223-1229.

[7] 邢曉旭,徐興良,張憲洲,等.基于MODIS數(shù)據(jù)的2000-2005年?yáng)|北亞草地NPP模擬(英文)[J]. Journal of Geographical Sciences, 2010, (2): 193-204.

[8] 朱文泉,潘耀忠,張錦水.中國(guó)陸地植被凈初級(jí)生產(chǎn)力遙感估算[J].植物生態(tài)學(xué)報(bào),2007,31(3):413-424.

[9] Field C B, Randerson J T, Malistr M C M. Global net primary production: Combining ecology and remote sensing* 1[J].Remote Sensing of Environment, 1995, 51 (1): 74-88.

[10] 何洪林,于貴瑞,牛 棟,等.復(fù)雜地形條件下的太陽(yáng)資源輻射計(jì)算方法研究[J].資源科學(xué),2003,(1):78-85.

[11] 張炯遠(yuǎn),馮雪華,倪建華.用多元回歸方程計(jì)算我國(guó)最大晴天總輻射能資源的研究[J]. 自然資源, 1981, (1): 38-46.

[12] Knyazikhin Y, Glassy J, Privette J. MODIS leaf area index (LAI)and fraction of photosynthetically active radiation absorbed by vegetation (FPAR) product (MOD15) algorithm theoretical basis document[J]. Theoretical Basis Document, NASA Goddard Space Flight Center, Greenbelt, MD, 1999, 20771.

[13] 張新時(shí).植被的PE(可能蒸散)指標(biāo)與植被-氣候分類(二)——幾種主要方法與PEP程序介紹[J].植物生態(tài)學(xué)與地植物學(xué)學(xué)報(bào),1989,13(3):197-204.

[14] 李貴才.基于MODIS數(shù)據(jù)和光能利用率模型的中國(guó)陸地凈初級(jí)生產(chǎn)力估算研究[D].北京：中國(guó)科學(xué)院研究生院,2004.

[15] Tucker C J, Townshend J R G, Goff T E. African land-cover classif i cation using satellite data[J]. Science, 1985, 227: 369-374.

[16] Thornton P E, Running S W, White M A. Generating surfaces of daily meteorological variables over large regions of complex terrain[J]. Journal of Hydrology, 1997, 190 (3-4): 214-251.

[17] Valiente J, Nunez M, Lopez-Baeza E. Narrow-band to broadband conversion for Meteosat-visible channel and broad-band albedo using both AVHRR-1 and-2 channels[J]. International Journal of Remote Sensing, 1995, 16 (6): 1147-1166.

[18] 周廣勝,張新時(shí).全球變化的中國(guó)氣候-植被分類研究[J].植物學(xué)報(bào),1996,38(1):8-17.

[19] 張志明.計(jì)算蒸發(fā)量的原理與方法[M].成都:成都科技大學(xué)出版社,1990.

[20] 唐 霄,黃從德.四川森林植被碳儲(chǔ)量估算及其空間分布特征[D].成都：四川農(nóng)業(yè)大學(xué),2007.

[21] Holben B N. Characteristics of maximum-value composite images from temporal AVHRR data[J]. International Journal of Remote Sensing, 1986, 7(11): 1417-1434.

[22] 王軍邦.中國(guó)陸地凈生態(tài)系統(tǒng)生產(chǎn)力遙感模型研究[D].杭州:浙江大學(xué), 2004.

Estimation of net primary productivity based on remote sensing and geographic information system in Shangrila county

YUE Cai-rong, TANG Yao, XU Tian-shu, XU Hui
(Southwest Forestry University, Kunming 650224, Yunnan, China)

By taking MODIS remote sensing data measured in 2009 as the sources of information, combined with the basic geographic data of Shangrila and the meteorological data collected from 119 meteorological stations in Yunnan province, the model for estimating Shangrila County’s plant net primary productivity(NPP) in 2009 was built. With the remote sensing and GIS technology, by support of the ArcEngine secondary development technology, the estimation of vegetation net primary productivity of Shangrila County in 2009 was carried out. The results show that (1) The designed NPP estimation model is simple, fewer parameters, easy to understand and calculate; (2) Comparison with other NPP study in the same area, the result of Shangrila County NPP estimation in 2009 is credible; (3)Shangrila County NPP of carbon in 2009 was 413 g/m2, but the carbon distributions in different villages and towns were uneven, the NPP values in the north of Jiantang town and the west of Geza town were between 400～600 g/m2; that in the central and southeast and northeast and north of Shangrila were 200～400 g/m2, 0～200 g/m2in northern part of Dongwang town; From March to October,the vegetation NPP in Shangrila county accounted for 82% of annual net primary productivity in the current year; Therefore, March to October can be determined as the Shangrila county’s vegetation growing season.

geographic information system；remote sensing information of vegetation; plant net primary productivity; MODIS data;Shangrila County

S771.8；S718.55+6

A

1673-923X(2014)07-0090-09

2014-03-10

國(guó)家自然科學(xué)基金項(xiàng)目（31260156）

岳彩榮（1964-），男，云南建水人，教授，博士，主要從事林業(yè)遙感與地理信息系統(tǒng)應(yīng)用的教學(xué)和研究

[本文編校：謝榮秀]