成方妍,劉世梁,張月秋,尹藝潔,侯笑云

北京師范大學(xué)環(huán)境學(xué)院水環(huán)境模擬國家重點(diǎn)實(shí)驗室, 北京 100875

基于MODIS序列的北京市土地利用變化對凈初級生產(chǎn)力的影響

成方妍,劉世梁*,張月秋,尹藝潔,侯笑云

北京師范大學(xué)環(huán)境學(xué)院水環(huán)境模擬國家重點(diǎn)實(shí)驗室, 北京 100875

了解土地利用變化對區(qū)域凈初級生產(chǎn)力(NPP)的影響,對于綜合理解區(qū)域植被的固碳能力及其與土地利用變化的關(guān)系,以及維持區(qū)域生態(tài)安全均具有重要意義。以北京市為例,基于2000—2012年MODIS NPP遙感影像和土地利用類型數(shù)據(jù),利用同期Landsat TM影像(分辨率30 m)對MODIS NPP數(shù)據(jù)進(jìn)行降尺度計算的基礎(chǔ)上,分析北京市區(qū)域NPP的時空分布特征,探討土地利用變化對植被固碳能力的影響。結(jié)果表明：研究期內(nèi)Landsat NDVI與NPP數(shù)據(jù)的線性關(guān)系顯著(R2為0.22—0.68,P<0.01),基于該線性關(guān)系可實(shí)現(xiàn)對MODIS NPP的降尺度重計算。土地利用面積分配和景觀格局的變化均顯著影響NPP。13年間,北京市林地和草地面積增加而耕地面積迅速減少,NPP總量由123萬 t C增長至190萬 t C,其中66%的NPP由林地貢獻(xiàn),其次為耕地(26%),草地最低(8%)。2000—2006年,面積變化促進(jìn)了NPP的增加,貢獻(xiàn)率為34%；而2006—2012年,面積變化則抑制區(qū)域NPP的增加,貢獻(xiàn)率降低至27%。同時,研究區(qū)域內(nèi)斑塊聚集度的降低,斑塊密度及豐富度的增加均有利于其NPP的增加。提高研究區(qū)植被固碳能力,需要在維持區(qū)域當(dāng)前植被數(shù)量和質(zhì)量的基礎(chǔ)上,增加區(qū)域景觀的異質(zhì)性和多樣性。

土地利用變化；凈初級生產(chǎn)力；MOD17A3 NPP；時空變化；景觀格局指數(shù)

隨著城市化進(jìn)程的加劇,區(qū)域土地利用格局變化迅速而劇烈,大量非建成區(qū)土地快速流轉(zhuǎn)為城市建筑用地,這直接影響區(qū)域系統(tǒng)的組成和結(jié)構(gòu),伴隨而來的是系統(tǒng)過程和功能的變化[1],以及區(qū)域物質(zhì)和能量循環(huán)過程的變化[2]。損失最嚴(yán)重的土地利用類型為林地和耕地,直接導(dǎo)致區(qū)域植被固碳能力的下降,給區(qū)域生態(tài)安全造成巨大壓力[3- 6]。

土地利用的變化直接引起了區(qū)域植被凈初級生產(chǎn)力(NPP)的變化[7- 9]。植被NPP是指綠色植物在單位時間、單位面積內(nèi)所累積有機(jī)物數(shù)量,是由植物光合作用所產(chǎn)生的有機(jī)質(zhì)總量中減去自養(yǎng)呼吸后的剩余部分,也稱凈第一生產(chǎn)力[10]。NPP反映了植被的固碳能力,其數(shù)量的變化還能反映植被對土地利用變化的響應(yīng)。DeFries等[11]研究發(fā)現(xiàn),每年,全球NPP因土地利用變化而降低約5%。從區(qū)域景觀甚至全球尺度估測土地利用變化對NPP的影響不僅有利于我們對陸地生態(tài)系統(tǒng)碳循環(huán)及其動態(tài)調(diào)節(jié)機(jī)制的了解,增強(qiáng)區(qū)域土地利用格局的合理優(yōu)化管理,對尋求區(qū)域的碳增長空間更是具有重要意義[2,6,12]。

以往研究曾采用光能利用率模型、生態(tài)-遙感光能利用率模型和遙感光能利用率-植被-大氣-土壤循環(huán)模型等模型對NPP進(jìn)行模擬[13- 15],這往往需多種多年連續(xù)數(shù)據(jù)的支持,且模型中的氣象數(shù)據(jù)需要插值補(bǔ)充；還有少部分學(xué)者直接利用MODIS NPP數(shù)據(jù)進(jìn)行了不同尺度的NPP時空變化研究[16- 18]。以上兩種NPP數(shù)據(jù)均存在分辨率偏低的問題(1—10 km),分辨率偏低時地物邊界模糊,將會造成NPP對土地利用類型變化響應(yīng)的敏感性降低,產(chǎn)生尺度效應(yīng)[19]。但尺度效應(yīng)對NPP模擬值的影響目前尚不清楚,Turner等[20]研究發(fā)現(xiàn)分辨率50 km的植被NPP估計值比分辨率1 km的NPP估計值高出11%；楊會巾等[21]則發(fā)現(xiàn)分辨率30 m的植被NPP模擬值比990 m的NPP模擬值高出5%。考慮到不同尺度的NPP具有相似的空間格局,其基本特征不變[21]；而且許多具有高分辨率影像的植被指數(shù)如LAI(Leaf Area Index)、NDVI(Normalized Difference Vegetation Index)等與NPP具有較好的線性關(guān)系[22- 24],嘗試?yán)酶髦笖?shù)間良好的統(tǒng)計相關(guān)性或可提高NPP數(shù)據(jù)分辨率。

北京市區(qū)域景觀近年來變化顯著,而以往研究多集中探討區(qū)域NPP的空間分布及其季節(jié)性變化,大多集中于森林碳庫,但是區(qū)域NPP對景觀格局變化的響應(yīng)仍不清楚[25- 28]。本文采用的MODIS NPP影像分辨率為1 km,對區(qū)域建成區(qū)內(nèi)的綠地變化反應(yīng)不敏感,因此本文集中探討研究區(qū)內(nèi)大面積連續(xù)植被(林地、草地和耕地)多年來的變化情況。本文將以北京市為例,選取MODIS NPP影像,包括同期的Landsat影像和土地利用類型圖,全面分析北京市NPP的時空變化,及其對景觀格局變化的響應(yīng),以期量化土地利用變化對NPP年際變化的貢獻(xiàn),并分析影響區(qū)域NPP的景觀格局因素。由于MODIS NPP數(shù)據(jù)分辨率較低,研究中進(jìn)一步探討了利用高分辨率的Landsat數(shù)據(jù)對其降尺度的方法及可行性。

1 研究區(qū)概況和研究方法

1.1 研究區(qū)概況

北京位于115°25′—117°30′E,39°28′—41°05′N,華北平原西北緣太行山脈與燕山山脈的交接位置,地勢西北高聳,東南低緩。行政區(qū)域內(nèi)山區(qū)面積占62%,平原占38%,山區(qū)多以中、低山地為主。北京屬暖溫帶大陸性季風(fēng)氣候,年平均氣溫10—12℃,全年無霜期180—200 d,年平均降雨量約595 mm,降水季節(jié)分配不均勻,地帶性植被為暖溫帶落葉闊葉林。目前平原地區(qū)的植被類型主要是農(nóng)作物,主要農(nóng)作物類型為玉米、小麥、大豆、大白菜和西瓜；山區(qū)植被是以落葉闊葉灌木林和落葉闊葉林為主[28]。

1.2 數(shù)據(jù)來源

NPP數(shù)據(jù)由美國NASA的EOS/MODIS TERRA衛(wèi)星(MOD17A3)提供,選取2000—2012年13期遙感數(shù)據(jù),分辨率為1 km。MODIS NPP基于MODIS遙感參數(shù),利用改進(jìn)的光能利用率模型BIOME-BGG模型計算全球陸地植被NPP年際變化數(shù)據(jù)[29]。

NDVI數(shù)據(jù)采用GLCF Earth Science Data Interface(ESDI)的陸地衛(wèi)星數(shù)據(jù)計算,軌道號為123/32,為了與NPP數(shù)據(jù)相匹配并保證數(shù)據(jù)的質(zhì)量,最終選取2000、2006和2012年9月份無云覆蓋的影像,分辨率為30 m。影像壞帶利用ENVI插件TM-DESTRIPE處理,填補(bǔ)壞帶后進(jìn)行投影參數(shù)設(shè)置,幾何校正等,并利用ERDAS的INDICES計算NDVI值。

土地利用數(shù)據(jù)采用2000、2006和2012年的Landsat TM/ETM遙感影像和面向?qū)ο蟮慕庾g方法而獲得。由于NPP數(shù)據(jù)分辨率為1 km,區(qū)域內(nèi)部面積較小的綠地?zé)o法識別,故該研究著重于北京市的大面積連續(xù)的非建成區(qū)土地利用類型,考慮研究區(qū)內(nèi)主要的植被類型,將區(qū)域內(nèi)非建成區(qū)土地利用類型簡化為3類：林地、草地和耕地,未考慮未利用地等。

1.3 研究方法

以1 km分辨率的MODIS NPP為基礎(chǔ),探討北京市NPP的年際變化趨勢。為了分析景觀格局變化對NPP的影響,對1 km分辨率的MODIS NPP降尺度至30 m,結(jié)合土地利用類型數(shù)據(jù),分析NPP總量變化、土地利用變化以及景觀格局變化對NPP的影響。研究從區(qū)域和樣方2個尺度展開,分析NPP年際變化趨勢和土地利用變化時,采用區(qū)域尺度；為了更系統(tǒng)的分析景觀格局變化對NPP的影響,參考以往區(qū)域尺度的相關(guān)研究[30],在ArcGIS 10.2.2中劃定連續(xù)的10 km×10 km正方形格網(wǎng)進(jìn)行樣方分析,北京市共167個格網(wǎng)。

1.3.1 NPP年際變化趨勢

分別對2000—2006和2006—2012兩個時段進(jìn)行NPP年際變化趨勢分析,年際變化趨勢以各柵格多年數(shù)值回歸方程的斜率(slope)表示[31],回歸方程采用最小二乘法獲得,具體公式如下：

(1)

式中,n為7,i為年序號,MNPP,i為第i年的NPP。其中,當(dāng)slope>0時,說明植被覆蓋在年際間的變化趨勢是增加的；反之,則降低。當(dāng)前,slope值變化趨勢的劃分并沒有統(tǒng)一標(biāo)準(zhǔn)[32- 34],考慮研究區(qū)域NPP的整體分布情況,通過計算slope值的變化,發(fā)現(xiàn)slope值基本符合正態(tài)分布,故利用等間距劃分法,將NPP變化劃分為5個等級,分別為明顯降低(slope≤-15)、輕度降低(-15≤slope<-5)、穩(wěn)定不變(-5≤slope<5)、輕度增長(5≤slope<15)和明顯增長(slope≥15)。

1.3.2 降尺度方法

植被的NDVI與NPP具有較好的線性關(guān)系[24,35],利用這種線性關(guān)系實(shí)現(xiàn)NPP數(shù)據(jù)的降尺度。首先,對30 m分辨率的NDVI重采樣至1 km,對1 km分辨率的NDVI和NPP構(gòu)建線性關(guān)系。本文假定分辨率為30 m時,NDVI與NPP的線性關(guān)系與分辨率為1000 m時相同。將30 m分辨率的NDVI代入以上關(guān)系式,求取NPP值,得到30 m分辨率的NPP。本研究采用的3期NDVI影像中,NDVI值在0.7以上的約為10%,故不考慮NDVI過飽和的問題[36]。

1.3.3 景觀格局變化對區(qū)域NPP變化的影響分析

基于土地利用轉(zhuǎn)移矩陣的景觀格局變化分析：土地利用轉(zhuǎn)移矩陣(Markov轉(zhuǎn)移矩陣)可以描述區(qū)域內(nèi)土地利用類型面積之間的相互轉(zhuǎn)換情況,利用年際間不同利用類型土地轉(zhuǎn)換的面積以及相應(yīng)的轉(zhuǎn)換概率描述土地利用類型轉(zhuǎn)換情況[37]。本文分別對2000—2006和2006—2012年2個階段進(jìn)行轉(zhuǎn)移矩陣的計算。

土地利用變化對NPP變化的貢獻(xiàn)率(R)可以用其面積變化引起的NPP總量變化來表示,具體參考Fu等[38]研究：

(2)

式中,NPP1和S1分別為某一段時間初始時的NPP總量和面積,ΔNPP和ΔS分別為某一段時間的NPP變化量和面積變化量。

基于景觀格局指數(shù)的景觀格局變化分析：根據(jù)以往經(jīng)驗并參考張國棟[39],本文從景觀水平上選取9個指數(shù),表征類型組分的有豐富度(PRD)和香農(nóng)多樣性指數(shù)(SHDI),表征空間形態(tài)的有斑塊密度(PD)和平均斑塊維數(shù)(FRAC),表征空間關(guān)系的為分離指數(shù)(SPLIT)和聚合度(AI)。以上指數(shù)利用移動窗格法(500 m)在Fragstats 4.2中計算。

分別探討2000,2006和2012年樣方尺度上NPP與各景觀格局指數(shù)的相關(guān)性,采用Pearson系數(shù)表示。此外,對6個格局指數(shù)提取主成分,分析第一主成分與NPP的線性關(guān)系。

2 結(jié)果

2.1 NPP時空分布特征

2000—2012年,北京市NPP均值表現(xiàn)為先增大后減小,NPP多年均值為238 g C m-2a-1。2004年達(dá)到峰值為334 g C m-2a-1,2001年最低為193 g C m-2a-1(圖1)。2000—2006年,NPP為增長趨勢,77%的區(qū)域表現(xiàn)為明顯增長,輕度增長的有20%；而2006—2012年,NPP則出現(xiàn)降低,8%的區(qū)域為明顯降低,54%為輕度降低,基本不變和增長的區(qū)域約占39%(圖1)。

圖1 2000—2012年北京市NPP變化趨勢Fig.1 NPP variation trend in Beijing from 2000 to 2012

以2000、2006和2012年30 m分辨率的NPP數(shù)據(jù)為例,對應(yīng)同期土地利用類型圖,利用ArcGIS的Zonation模塊,得到2000、2006和2012年北京市NPP總量(分別為1230000 t C、2040000 t C和1900000 t C,圖2)。其中,NPP以林地貢獻(xiàn)最大約為1130000 t C,占NPP總量的66%；其次為耕地,其NPP總量約為460000 t C,占26%；草地最低,占NPP總量的8%。

空間上,北京市NPP的主要貢獻(xiàn)者集中在北部和西部,其NPP均值偏低但植被面積大,北部和西部的NPP產(chǎn)量較為穩(wěn)定與區(qū)域整體年際變化同步,呈現(xiàn)先增加而后略降低的趨勢；東南部的NPP值偏高,但面積較小,且呈逐年增長趨勢。

2.2 區(qū)域景觀格局變化

2000—2012年,土地利用類型變化多分布在主城區(qū)周邊,東北密云水庫以及西北延慶縣內(nèi)(圖3)。其中林地面積呈增長趨勢,但增長速度逐漸減緩；草地面積也呈增長趨勢,且增長速度加快；但耕地面積在13年間大幅減少。林地的增長主要是由耕地和草地轉(zhuǎn)換,13年內(nèi),有553 km2耕地和129 km2草地轉(zhuǎn)換為林地；草地面積主要有耕地轉(zhuǎn)換,13年內(nèi),有228 km2耕地轉(zhuǎn)換為草地；耕地則主要轉(zhuǎn)化為建設(shè)用地(699 km2)、林地和草地。

圖2 2000、2006和2012年北京市NPP總量變化Fig.2 Total NPP variations of Beijing in 2000, 2006 and 2012

圖3 2000、2006和2012年土地利用變化Fig.3 Land-use change in 2000, 2006 and 2012

2000—2012年,北京市景觀格局指數(shù)較穩(wěn)定。類型組成方面,PRD和SHDI的平均值分別為5.26和0.46,PRD逐年降低,說明同一類型斑塊更加集中,SHDI基本不變,說明不同土地利用類型在區(qū)域內(nèi)所占比例變化不大；空間形態(tài)方面,PD和FRAC的平均值分別為6.69和1.02,PD逐漸降低,說明破碎化程度降低,斑塊變大；FRAC值偏低,而且基本不變,說明斑塊邊界形狀穩(wěn)定且較簡單；空間關(guān)系方面,SPLIT和AI的平均值分別為1.24和98.41,SPLIT逐漸降低,說明不同土地利用類型分布不均勻性增加,與AI結(jié)果一致(表1)。PRD和PD在11年間的波動約為2%,SHDI和SPLIT約為1%,而FRAC和AI年際波動則較微弱?？偟膩碚f,北京市土地利用表現(xiàn)為同一類型集中分布,斑塊形狀相對簡單,整體破碎化程度降低。

表1 景觀格局指數(shù)年際變化

PRD：豐富度 Patch Richness Density；SHDI：Shannon′s多樣性指數(shù) Shannon′s Diversity Index； PD：斑塊密度 Patch Density；FRAC：平均斑塊維數(shù) FRACtal dimension index；SPLIT：分離指數(shù) SPLITting index；AI：聚合度 Aggregation Index

2.3 景觀格局變化對區(qū)域NPP變化的影響

2.3.1 土地利用面積變化對區(qū)域NPP變化的影響

2000—2006年,林地和草地面積均增長,二者NPP也表現(xiàn)為增長；2006—2012年,林地、草地面積繼續(xù)增長,但林地NPP則降低,草地NPP繼續(xù)增長(圖4)。2000—2012年間,耕地面積持續(xù)降低,但前7年耕地NPP仍表現(xiàn)為增加,而后則為降低。

圖4 土地利用變化對NPP的影響Fig.4 Effect of land-use change on NPP

土地利用面積變化對NPP變化的貢獻(xiàn)在兩個時段存在差異,2000—2006年,土地利用面積變化促進(jìn)了區(qū)域的NPP增長,而2006—2012年,土地利用面積變化則抑制了區(qū)域NPP的增長。前7年,區(qū)域土地利用面積變化對NPP變化的貢獻(xiàn)率為34%,面積變化可以解釋55%的NPP增長區(qū)域,而NPP的降低受到面積的影響很小。2006—2012年,土地利用面積變化對區(qū)域NPP變化的貢獻(xiàn)率為27%,面積變化可以解釋29%的NPP輕度降低區(qū)域,而NPP增長受到面積變化的影響較小。

2.3.2 景觀格局指數(shù)變化與區(qū)域NPP的關(guān)系

2000和2012年,6個景觀格局指數(shù)與NPP的相關(guān)性多顯著,除了AI與NPP呈負(fù)相關(guān),其他指數(shù)與NPP均呈正相關(guān)；2006年,只有AI與NPP呈顯著負(fù)相關(guān)(圖5)。

對6個景觀格局指數(shù)進(jìn)行主成分分析,只有第一個主成分的特征值大于1且成分累計載荷超過85%,提取第一個主成分。第一主成分中PRD、SHDI、PD、FRAC、SPLIT和AI的負(fù)荷值分別為0.98、0.88、0.99、0.99、0.99和-0.98,該主成分反映了區(qū)域內(nèi)斑塊的類型、分布和形狀。2000、2006和2012年第一主成分的特征值分別為5.60、5.68和5.59,累積載荷分別為93%、95%和93%。2000和2012,NPP與第一主成分均呈顯著的線性關(guān)系,但2006年線性關(guān)系不顯著,與圖5中的相關(guān)分析結(jié)果一致；3個年份中,NPP均隨著第一主成分增大而降低(圖6)。

圖5 NPP與景觀格局指數(shù)相關(guān)性分析Fig.5 Correlation between NPP and landscape indexesPRD：豐富度 Patch Richness Density；SHDI：香農(nóng)多樣性指數(shù) SHannon′s Diversity Index； PD：斑塊密度 Patch Density；FRAC：平均斑塊維數(shù) FRACtal dimension index；SPLIT：分離指數(shù) SPLITting index；AI：聚合度 Aggregation Index

圖6 NPP與第一主成分的擬合關(guān)系Fig.6 Relationship between NPP and the first principal componentNS: 相關(guān)性不顯著 Non-significant; *P < 0.05; **P < 0.01. Sample size n=162

3 討論

3.1 NPP降尺度模擬分析

年際間NDVI值差異顯著(F2, 37582=6288.421,P<0.01),探討NDVI與NPP線性關(guān)系時,不同年份分別構(gòu)建線性關(guān)系。整體上,NPP與NDVI線性關(guān)系均顯著(表2),與蔣蕊竹等[35]與林志東和武國勝[24]的研究結(jié)果相似,但本文中NDVI與NPP的線性相關(guān)系數(shù)低于前述研究結(jié)果。原因可能與研究地植被類型不同有關(guān),蔣蕊竹等[35]研究區(qū)內(nèi)主要植被類型為草甸和農(nóng)田,NDVI數(shù)值的高低直接反映了當(dāng)年植被的生長狀況；林志東和武國勝[24]的研究區(qū)內(nèi)以生長期林地為主,其高覆蓋度的區(qū)域也是NPP的高值區(qū)。而北京的主要植被類型為中齡林地[27],生產(chǎn)力較低但覆蓋度較高[38],這可能是導(dǎo)致其NDVI與NPP相關(guān)性低于其他研究區(qū)的主要原因。

表2MODISNPP與LandsatNDVI數(shù)據(jù)回歸分析模型

Table2ThelinearregressionmodelsofMODISNPPandLandsatNDVI

年Year方程EquationR2P2000y=391．23-1017．649x+448．52x20．680<0．012006y=303．17+197．29x-746．94x20．531<0．012012y=104．85+1511．44x-3212．70x20．224<0．01

將30 m的Landsat NDVI數(shù)據(jù)代入表2方程,得到30 m Landsat NPP,對Landsat NPP重采樣至1 km,與1 km分辨率的MODIS NPP比較(圖7)。Landsat NPP值偏低,整體均值為186 g C m-2a-1,MODIS NPP則為225 g C m-2a-1；且Landsat NPP分布也較為離散,變異系數(shù)為0.44,而MODIS NPP則為0.20。文中結(jié)果與Turner等[20]的研究相似,與楊會巾等[21]的研究結(jié)果則不同,楊會巾等[21]發(fā)現(xiàn)高分辨率的NPP模擬值高于低分辨率的模擬值。不同分辨率NPP之間的差異可能由以下兩方面原因造成,首先來自于模擬帶來的誤差,地形變化、植被結(jié)構(gòu)差異等造成的環(huán)境因子的變異性較高,增加了NPP空間模擬的不確定性。其次,本文中不同分辨率NPP之間的差異可能來源于森林的結(jié)構(gòu)差異[40],研究區(qū)域內(nèi)多為中齡低產(chǎn)景觀林地,本模型未考慮高覆蓋度林地的實(shí)際生產(chǎn)力,在今后的研究中應(yīng)考慮高覆蓋度植被與高生產(chǎn)力植被不對應(yīng)的問題。

圖7 MODIS NPP與Landsat NPP擬合關(guān)系Fig.7 Modeling relationship between MODIS NPP and Landsat NPP

以往研究中也多次嘗試?yán)肗DVI與NPP的相關(guān)性,建立二者的模型以計算NPP(表3)。蔣蕊竹等[35]與林志東和武國勝[24]構(gòu)建的模型較簡單,但是由于數(shù)據(jù)來源影像分辨率較低,所以NPP結(jié)果的分辨率也低；孫成明等[41-42]的方程模擬效果較好,但是模型相對復(fù)雜,需要的參數(shù)較多；與以往研究結(jié)果相比,本文模型簡單分辨率高,但是模擬結(jié)果相關(guān)性偏低。模型結(jié)構(gòu)、參數(shù)設(shè)置和驗證數(shù)據(jù)的不同會造成研究結(jié)果間的差異性,其次本文的估算模型沒有考慮植被擾動干擾、森林年齡結(jié)構(gòu)等其他因素[40,43-44],這些因素均可能促成模型精度的降低。因此,提高本模型模擬精度是下一步亟待解決的問題。

3.2 景觀格局變化對區(qū)域NPP變化的影響

3.2.1 土地利用變化對區(qū)域NPP變化的影響

2000—2012年,北京市NPP總量呈先增長后降低的變化趨勢,這可能與區(qū)域土地利用類型的變化有關(guān)。2000—2006年,林地面積快速增長,產(chǎn)生大量高產(chǎn)幼齡林,而2006—2012年,林地面積增長減緩,耕地面積持續(xù)降低,這可能導(dǎo)致后期NPP的降低。值得注意的是,盡管13年間耕地面積顯著降低,但其NPP總量仍然為增長趨勢,這可能與農(nóng)作物產(chǎn)量的提高有關(guān),但考慮到耕地NPP約占植物NPP總量的23%,當(dāng)前耕地面積驟減的趨勢不容樂觀。2000—2006年,土地利用面積變化促進(jìn)了區(qū)域NPP的增長,這可能與該時期林地的增長有關(guān)；而在2006—2012年,土地利用面積變化則抑制了區(qū)域NPP的增長,這可能與該時期林地增長減緩,耕地持續(xù)大量減少有關(guān)。土地利用面積變化對區(qū)域NPP具有明顯的影響,在區(qū)域規(guī)劃建設(shè)時,應(yīng)當(dāng)協(xié)調(diào)各種用地類型的比例,維持區(qū)域的NPP。

表3 本文NPP模型與以往模型的比較

空間上,NPP分布為東南高,西北低,與土地利用類型對應(yīng)后發(fā)現(xiàn),耕地的NPP較高而林地則偏低,這與尹鍇等[28]的結(jié)果不同。北京市種子管理站數(shù)據(jù)顯示,2012年北京農(nóng)作物類型中玉米所占比例為63%,其次為小麥(28%),這兩種農(nóng)作物的生產(chǎn)力均較高,但北京市林地則多為低生產(chǎn)力的中齡林,這可能導(dǎo)致北京市耕地NPP高于林地。

3.2.2 景觀格局指數(shù)變化與區(qū)域NPP的關(guān)系

除了AI與NPP呈負(fù)相關(guān),其他指數(shù)與NPP多呈正相關(guān),這可能與土地利用的分布有關(guān)。新增的細(xì)碎斑塊為幼齡林具有較高的NPP產(chǎn)出,而長期集中分布的森林多形成低產(chǎn)中齡林導(dǎo)致NPP產(chǎn)量逐漸下降[27,45]。因此,隨著林齡的增加,區(qū)域土地利用的NPP可能會降低。景觀格局指數(shù)與NPP相關(guān)性逐漸加強(qiáng),表明北京市景觀格局特征對區(qū)域NPP變化的影響也逐漸加強(qiáng)。對6個景觀格局指數(shù)進(jìn)行主成分分析,第一個主成分的累積載荷在90%以上,PRD、SHDI、PD、FRAC和SPLIT與該主成分均呈負(fù)相關(guān),AI與該主成分呈正相關(guān),這與圖5中的相關(guān)分析結(jié)果一致。3個年份中,NPP均隨著第一主成分增大而降低,表明當(dāng)前仍需豐富區(qū)域內(nèi)植被類型,此外,還需要對區(qū)域內(nèi)的森林采取撫育更新,維持一定面積成熟林的同時,保證適當(dāng)?shù)纳指铝俊?/p>

4 結(jié)論

北京市NPP總量在近13 a內(nèi)呈增長趨勢,區(qū)域面積變化明顯影響了區(qū)域NPP的分布。除面積變化外,各土地利用類型的年固碳能力變化也容易促使NPP的空間變化,例如農(nóng)作物的產(chǎn)量和林齡效應(yīng)干擾下的森林植被年固碳量等會影響NPP在該用地類型的空間分布。因此,在區(qū)域規(guī)劃建設(shè)時,應(yīng)當(dāng)充分考慮不同土地利用類型的特性,才能保持甚至提高區(qū)域植被的固碳能力。同時,土地斑塊的分布也顯著影響著NPP,隨著斑塊密度和豐富度的增長NPP呈增加趨勢,斑塊聚集度的增長則促使NPP降低。此外,區(qū)域內(nèi)NPP增長量逐漸減緩是值得注意的問題,考慮到區(qū)域景觀格局的變化對NPP的顯著影響作用,可以加強(qiáng)區(qū)域內(nèi)植被異質(zhì)性和豐富度,對森林采取撫育更新,維持成熟林面積的同時,更新部分林地,將有利于維持區(qū)域的固碳能力,從而幫助增加區(qū)域碳增長空間。

[1] Albert M. The effects of urban patterns on ecosystem function. International Regional Science Review, 2005, 28(2): 168- 192.

[2] Imhoff M L, Tucker C J, Lawrence W T, Stutzer D C. The use of multisource satellite and geospatial data to study the effect of urbanization on primary productivity in the United States. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(6): 2549- 2556.

[3] Nizeyimana E L, Petersen G W, Imhoff M L, Sinclair H R, Waltman S W, Reed-Margetan D S, Levine E R, Russo J M. Assessing the impact of land conversion to urban use on soils with different productivity levels in the USA. Soil Science Society of America Journal, 2001, 65(2): 391- 402.

[4] Imhoff M L, Bounoua L, Defries R, Lawrence W T, Stutzer D, Tucker C J, Ricketts T. The consequences of urban land transformation on net primary productivity in the United States. Remote Sensing of Environment, 2004, 89(4): 434- 443.

[5] Tian G J, Qiao Z. Assessing the impact of the urbanization process on net primary productivity in China in 1989- 2000. Environmental Pollution, 2014, 184: 320- 326.

[6] 姜春, 吳志峰, 程炯, 錢樂祥. 廣東省土地覆蓋變化對植被凈初級生產(chǎn)力的影響分析. 自然資源學(xué)報, 2016, 31(6): 961- 972.

[7] 周濤, 史培軍. 土地利用變化對中國土壤碳儲量變化的間接影響. 地球科學(xué)進(jìn)展, 2006, 21(2): 138- 143.

[8] Pei F S, Li X, Liu X P, Wang S J, He Z J. Assessing the differences in net primary productivity between pre-and post-urban land development in China. Agricultural and Forest Meteorology, 2013, 171- 172: 174- 186.

[9] Dong G T, Bai J, Yang S T, Wu L N, Cai M Y, Zhang Y C, Luo Y, Wang Z W. The impact of land use and land cover change on net primary productivity on China′s Sanjiang Plain. Environmental Earth Sciences, 2015, 74(4): 2907- 2917.

[10] Field C B, Behrenfeld M J, Randerson J T, Falkowski P. Primary production of the biosphere: integrating terrestrial and oceanic components. Science, 1998, 281(5374): 237- 240.

[11] Defries R S, Field C B, Fung I, Collatz G J, Bounoua L. Combining satellite data and biogeochemical models to estimate global effects of human-induced land cover change on carbon emissions and primary productivity. Global Biogeochemical Cycles, 1999, 13(3): 803- 815.

[12] Xu C, Liu M, An S, Chen J M, Yan P. Assessing the impact of urbanization on regional net primary productivity in Jiangyin County, China. Journal of Environmental Management, 2007, 85(3): 597- 606.

[13] 朱文泉, 潘耀忠, 何浩, 于德永, 扈海渡. 中國典型植被最大光利用率模擬. 科學(xué)通報, 2006, 51(6): 700- 706.

[14] 張杰, 潘曉玲. 天山北麓山地-綠洲-荒漠生態(tài)系統(tǒng)凈初級生產(chǎn)力空間分布格局及其季節(jié)變化. 干旱區(qū)地理, 2010, 33(1): 78- 86.

[15] Eisfelder C, Kuenzer C, Dech S, Buchroithner M F. Comparison of two remote sensing based models for regional net primary productivity estimation-a case study in semi-arid Central Kazakhstan. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 6(4): 1843- 1856.

[16] 李燕麗, 潘賢章, 王昌昆, 劉婭, 趙其國. 2000—2011年廣西植被凈初級生產(chǎn)力時空分布特征及其驅(qū)動因素. 生態(tài)學(xué)報, 2014, 34(18): 5220- 5228.

[17] 孫慶齡, 馮險峰, 肖瀟. 武陵山區(qū)植被凈第一性生產(chǎn)力的時空格局及其與地形因子的關(guān)系. 地球信息科學(xué)學(xué)報, 2014, 16(6): 915- 924.

[18] 謝寶妮, 秦占飛, 王洋, 常慶瑞. 黃土高原植被凈初級生產(chǎn)力時空變化及其影響因素. 農(nóng)業(yè)工程學(xué)報, 2014, 30(11): 244- 253.

[19] 李成秀, 曹廣超, 吳成永, 陳克龍. 基于LandSat8 OLI數(shù)據(jù)的山區(qū)NPP遙感估算模型研究. 綠色科技, 2016, (4): 7- 9.

[20] Turner D P, Dodson R, Marks D. Comparison of alternative spatial resolutions in the application of a spatially distributed biogeochemical model over complex terrain. Ecological Modelling, 1996, 90(1): 53- 67.

[21] 楊會巾, 劉麗娟, 馬金龍, 王進(jìn), 李小玉. 基于Landsat 8遙感影像反演干旱區(qū)凈初級生產(chǎn)力的尺度效應(yīng). 生態(tài)學(xué)雜志, 2016, 35(5): 1294- 1300.

[22] 鄭元潤, 周廣勝. 基于NDVI的中國天然森林植被凈第一性生產(chǎn)力模型. 植物生態(tài)學(xué)報, 2000, 24(1): 9- 12.

[23] 李新. 基于MODIS數(shù)據(jù)的內(nèi)蒙古森林凈初級生產(chǎn)力遙感估算研究[D]. 呼和浩特: 內(nèi)蒙古農(nóng)業(yè)大學(xué), 2011.

[24] 林志東, 武國勝. 基于MODIS的大田縣均溪谷地NPP與NDVI相關(guān)性的時空變化特征. 亞熱帶資源與環(huán)境學(xué)報, 2015, 10(1): 27- 33.

[25] 劉芳, 遲耀斌, 王智勇, 王艷艷. NPP列入生態(tài)統(tǒng)計指標(biāo)體系的潛力分析——以北京地區(qū)NPP測算與空間分析為例. 生態(tài)環(huán)境學(xué)報, 2009, 18(3): 960- 966.

[26] 宋國寶, 潘耀忠, 張樹深, 朱文泉. 北京市植被凈生產(chǎn)力遙感測量與分析. 資源科學(xué), 2009, 31(9): 1568- 1572.

[27] 王光華. 北京森林植被固碳能力研究[D]. 北京: 北京林業(yè)大學(xué), 2012.

[28] 尹鍇, 田亦陳, 袁超, 張飛飛, 苑全治, 花利忠. 基于CASA模型的北京植被NPP時空格局及其因子解釋. 國土資源遙感, 2015, 27(1): 133- 139.

[29] 國志興, 王宗明, 張柏, 劉殿偉, 楊桄, 宋開山, 李方. 2000年—2006年東北地區(qū)植被NPP的時空特征及影響因素分析. 資源科學(xué), 2008, 30(8): 1226- 1235.

[30] 劉世梁, 崔保山, 溫敏霞, 王娟, 董世魁. 縱向嶺谷區(qū)道路網(wǎng)絡(luò)特征和生態(tài)系統(tǒng)變異統(tǒng)計規(guī)律. 科學(xué)通報, 2007, 52(S2): 71- 77.

[31] 劉世梁, 趙海迪, 董世魁, 蘇旭坤, 劉琦, 鄧麗, 張翔. 基于SPOT NDVI的阿爾金山自然保護(hù)區(qū)植被動態(tài)變化研究. 干旱區(qū)研究, 2014, 31(5): 832- 837.

[32] 張月叢, 趙志強(qiáng), 李雙成, 孟憲鋒. 基于SPOT NDVI的華北北部地表植被覆蓋變化趨勢. 地理研究, 2008, 27(4): 745- 754.

[33] 莊長偉, 歐陽志云, 徐衛(wèi)華, 鄭華, 王效科, 白楊. 基于MODIS的海河流域生態(tài)系統(tǒng)空間格局. 生態(tài)學(xué)雜志, 2009, 28(6): 1149- 1154.

[34] 范娜, 謝高地, 張昌順, 陳龍, 李文華, 成升魁. 2001年至2010年瀾滄江流域植被覆蓋動態(tài)變化分析. 資源科學(xué), 2012, 34(7): 1222- 1231.

[35] 蔣蕊竹, 李秀啟, 朱永安, 張治國. 基于MODIS黃河三角洲濕地NPP與NDVI相關(guān)性的時空變化特征. 生態(tài)學(xué)報, 2011, 31(22): 6708- 6716.

[36] Xu C, Li Y T, Hu J, Yang X J, Sheng S, Liu M S. Evaluating the difference between the normalized difference vegetation index and net primary productivity as the indicators of vegetation vigor assessment at landscape scale. Environmental Monitoring and Assessment, 2012, 184(3): 1275- 1286.

[37] 張琳琳, 孔繁花, 尹海偉, 孫振如, 莊艷美, 居為民. 基于景觀空間指標(biāo)與移動窗口的濟(jì)南城市空間格局變化. 生態(tài)學(xué)雜志, 2010, 29(8): 1591- 1598.

[38] Fu Y C, Lu X Y, Zhao Y L, Zeng X T, Xia L L. Assessment impacts of weather and Land Use/Land Cover (LULC) Change on urban vegetation Net Primary Productivity (NPP): a case study in Guangzhou, China. Remote Sensing, 2013, 5(8): 4125- 4144.

[39] 張國棟. 黃河三角洲凈初級生產(chǎn)力、水分蒸散與景觀格局變化的關(guān)系[D]. 濟(jì)南: 山東大學(xué), 2010.

[40] 李登秋, 張春華, 居為民, 劉麗娟. 江西省森林凈初級生產(chǎn)力動態(tài)變化特征及其驅(qū)動因子分析. 植物生態(tài)學(xué)報, 2016, 40(7): 643- 657.

[41] 孫成明, 劉濤, 田婷, 郭斗斗, 王力堅, 陳瑛瑛, 李菲, 李建龍. 基于MODIS的南方草地NPP遙感估算與應(yīng)用. 草業(yè)學(xué)報, 2013, 22(5): 11- 17.

[42] 孫成明, 孫政國, 劉濤, 王力堅, 陳瑛瑛, 郭斗斗, 田婷, 李建龍. 基于MODIS的中國草地NPP綜合估算模型. 生態(tài)學(xué)報, 2015, 35(4): 1079- 1085.

[43] Coomes D A, Holdaway R J, Kobe R K, Lines E R, Allen R B. A general integrative framework for modeling woody biomass production and carbon sequestration rates in forests. Journal of Ecology, 2011, 100(1): 42- 64.

[44] Ter-Mikaelian M T, Colombo S J, Chen J X. Effect of age and disturbance on decadal changes in carbon stocks in managed forest landscapes in central Canada. Mitigation & Adaptation Strategies for Global Change, 2014, 19(7): 1063- 1075.

[45] Luyssaert S, Schulze E D, B?rner A, Knohl A, Hessenm?ller D, Law B E, Ciais P, Grace J. Old-growth forests as global carbon sinks. Nature, 2008, 455(7210): 213- 215.

Effectsofland-usechangeonnetprimaryproductivityinBeijingbasedontheMODISseries

CHENG Fangyan, LIU Shiliang*, ZHANG Yueqiu, YIN Yijie, HOU Xiaoyun

StateKeyLaboratoryofWaterEnvironmentSimulation,SchoolofEnvironment,BeijingNormalUniversity,Beijing100875,China

Understanding the impact of land-use change on Net Primary Productivity (NPP) is important in the elucidation of the relationship between the carbon assimilation ability of vegetation and land-use changes at the regional scale, which is also critical to the maintenance of regional ecological safety. Using Beijing as a case study, we analyzed the spatiotemporal distribution of NPP, and the impact of land-use changes based on land-use maps and MODIS data downscaled by 30-m resolution Landsat TM images from 2000 to 2012. The results revealed significant linear relationships between Landsat NDVI and MODIS NPP (R2values between 0.22 and 0.68,P< 0.01) and these linear functions were used to downscale the NPP data for this region. The NPP levels were also significantly affected by the area allocation and distribution of different land-use types. From 2000 to 2012, areas of woodland and grassland increased rapidly, whereas the area of farmland declined. Overall, the NPP of Beijing increased from 1.23 million t C to 1.9 million t C, and 66% of NPP was contributed by woodlands, followed by farmland (26%) and grassland (8%). For 2000 to 2006, land area variations benefited NPP growth and contributed 34% to its change, whereas the variations from 2006 to 2012 impeded NPP growth and contributed 27% to the change. Moreover, reduction of patch aggregation, and increment in patch density and patch richness density contributed to the enhancement of NPP. The results suggest that maintaining the current vegetation quantity and quality, and increasing local landscape heterogeneity and diversity would improve NPP in Beijing.

land-use change; net primary productivity; MOD17A3 NPP; spatiotemporal variation; landscape index

國家自然科學(xué)基金重點(diǎn)項目(41530635);國家自然科學(xué)基金面上(41571173)

2016- 06- 30; < class="emphasis_bold">網(wǎng)絡(luò)出版日期

日期:2017- 04- 25

*通訊作者Corresponding author.E-mail: shiliangliu@bnu.edu.cn

10.5846/stxb201606301342

成方妍,劉世梁,張月秋,尹藝潔,侯笑云.基于MODIS序列的北京市土地利用變化對凈初級生產(chǎn)力的影響.生態(tài)學(xué)報,2017,37(18):5924- 5934.

Cheng F Y, Liu S L, Zhang Y Q, Yin Y J, Hou X Y.Effects of land-use change on net primary productivity in Beijing based on the MODIS series.Acta Ecologica Sinica,2017,37(18):5924- 5934.