EN中文

地理研究 >

2015 , Vol. 34 >Issue 7: 1222 - 1234

DOI: https://doi.org/10.11821/dlyj201507003

研究论文

中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系——以江西省泰和县为例

  • 戴尔阜 , 1, 2 ,
  • 李双元 3 ,
  • 吴卓 1, 2, 4 ,
  • 闫浩文 3 ,
  • 赵东升 1, 2
展开
  • 1. 中国科学院地理科学与资源研究所,北京 100101
  • 2. 中国科学院陆地表层格局与模拟重点实验室,北京 100101
  • 3. 兰州交通大学测绘与地理信息学院,兰州 730070
  • 4. 中国科学院大学,北京 100049

作者简介：戴尔阜（1972- ）,男,甘肃静宁人,博士,研究员,博士生导师,主要研究方向为自然地理综合研究、气候变化及其区域响应、土地利用变化模拟。E-mail:

收稿日期: 2015-01-21

  要求修回日期: 2015-05-05

  网络出版日期: 2015-08-08

基金资助

国家重点基础研究发展计划（973计划）项目（2015CB452702,2012CB416906）

国家自然科学基金项目（41371196）

国家科技支撑计划项目（2013BAC03B04）

收起

Spatial pattern of net primary productivity and its relationship with climatic factors in Hilly Red Soil Region of southern China: A case study in Taihe county, Jiangxi province

  • DAI Erfu , 1, 2 ,
  • LI Shuangyuan 3 ,
  • WU Zhuo 1, 2, 4 ,
  • YAN Haowen 3 ,
  • ZHAO Dongsheng 1, 2
Expand
  • 1. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. Key Laboratory of Land Surface Pattern and Simulation, CAS, Beijing 100101, China
  • 3. Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China
  • 4. University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2015-01-21

  Request revised date: 2015-05-05

  Online published: 2015-08-08

Copyright

《地理研究》编辑部
Fold

摘要

植被净初级生产力（NPP）对气候变化的响应研究是全球变化研究的核心内容之一。在区域尺度上研究NPP年际间的空间变化规律,探究气候因子与植被生长的关系,是应对气候变化区域响应、探讨区域生态过程的科学基础。基于SPOT VEGETATION NDVI 植被指数数据、气候和植被分类数据,利用光能利用率模型（CASA）估算了中国南方红壤丘陵区泰和县1998-2012年植被NPP,分析了NPP时空分布特征及其与气候因子的相关性。结果表明：① 1998-2012年泰和县植被年均NPP为762 g C/m2·a,不同植被类型差异明显,空间上表现出东西高、中间低的分布特征;② 1998-2012年泰和县植被NPP总体呈增长趋势,年际波动较大,平均值为2.21×106 g C/a;③ 研究区NPP与年降水量呈不显著正相关关系,与年均气温呈显著负相关关系,表明温度是影响该地区植被NPP的主要气候因子。

关键词： CASA模型; 植被; 净初级生产力; 气候因子; 泰和县

本文引用格式

戴尔阜 , 李双元 , 吴卓 , 闫浩文 , 赵东升 . 中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系——以江西省泰和县为例[J]. 地理研究, 2015 , 34(7) : 1222 -1234 . DOI: 10.11821/dlyj201507003

Abstract

Net primary productivity (NPP) and its responses to climate change stand one of the focuses of global change research. At the regional scale, it is significant to investigate the annual spatial variation and the impact of climatic factors on vegetation. Based on SPOT VEGETATION NDVI data, vegetation classification data and meteorological data, the spatio-temporal pattern on the NPP of Taihe county during 1988-2012 was simulated by CASA model. Then, the relationship between NPP and climatic factors was investigated deeply. The results showed that average annual NPP from 1988 to 2012 was 762 gC/m2·a in the study region. Spatial dimension is characterized by "high in the middle, but low in the east and west". There was a rising trend in the vegetation NPP during 1988-2012. The annual value fluctuated greatly. Mean NPP in the study area is 2.21×106 g C/a. It can be found that vegetation NPP showed a weak positive correlation to annual precipitation, while it showed a significant negative correlation to annual average temperature. So, it can be concluded that temperature is the dominant climatic factor affecting vegetation NPP in the study region.

Key words： CASA model; vegetation; net primary productivity; climatic factors; Taihe county

1 引言

陆地生态系统的碳循环是全球变化研究的核心内容之一[1,2],其中植被的净初级生产力（net primary productivity,NPP）是全球变化背景下生物地球化学碳循环的重要环节。植被净初级生产力是指植物在单位时间、单位面积上由光合作用产生的全部有机物同化量中扣除自养呼吸消耗的有机物后剩余的部分,直接反映植物群落在自然环境条件下的生产能力[3],也是判定“碳源/汇”以及调节生态过程的主要因子[4]。同时,陆地净初级生产力的变化与温度和降水对植物代谢的影响直接相关[5,6],其变化可以很好地表征全球气候变化。由于NPP研究在全球变化研究中的重要作用,所以始于1987年的国际地圈—生物圈计划（IGBP）、全球变化与陆地生态系统（GCTE）和全球碳项目（GCP）均把植被NPP研究确定为核心内容之一。
在区域尺度上直接全面地测量NPP具有一定难度,因此采用模型模拟NPP成为一种重要而被广泛接受的研究方法[7]。目前用于估算NPP的模型大致可以归纳为气候相关统计模型[8-10]、生态系统过程模型[11-13]和光能利用率模型CASA[14-16]等。国内学者基于模型模拟及遥感资料对NPP时空特征及其对气候变化的响应已进行了大量研究。如朴世龙等利用CASA模型估算了1982-1999年中国植被NPP并分析了其时空变化,认为植被NPP总体呈增加趋势[17,18];朱文泉等基于遥感数据模拟了中国植被NPP,并对比了气候变化和非气候变化要素对NPP的影响差异[19,20];周广胜等利用植物净第一性生产力模型对中国NPP现状及全球变化对其影响进行了分析[21]。而NPP的研究也针对中国不同区域特点开展了大量工作,如丁庆福等利用遥感—过程耦合模型模拟了2000-2006年江西省的NPP,分析了其空间格局对气候因子的响应[22];穆少杰等基于改进的光能利用率模型对2001-2010年内蒙古不同植被NPP进行估算,并分析了其时空分布特征及对气候因子的响应[23];王培娟等对长白山森林植被NPP主要影响因子的敏感性进行了比较分析,得到了针叶林对环境适应性最强、生长最稳定的结论[24]。目前,NPP模拟研究多集中在全国、省域等较大的空间尺度,而对县域等小尺度研究相对较少,其中,岳彩荣等利用遥感及气象数据构建了NPP模型,估算了云南省香格里拉县NPP空间分布特征;周雷采用相关模型计算了青海省贵南县草原NPP,得到降水是影响该地区草地生长的主要气候因子的结论。基于以上研究,将在县域尺度上探究植被NPP空间分布及其与气候因子的关系,旨在丰富县域尺度上NPP模型模拟研究。
中国南方红壤丘陵区水热资源丰富,区域地带性植被为亚热带常绿阔叶林。长期以来人工栽培的杉木林、马尾松林、竹林和经济林逐渐成为该区域的主要生态系统类型,并成为该区域经济发展的重要保障。然而,人工林缺乏天然林生态系统的生境和生物多样性,长期连栽后出现土壤质量下降、生产力衰退、生态系统服务功能低下等问题。为了解决这些问题,在该区域开展植被NPP研究有着重要的现实意义。泰和县森林分布广、人工林面积比例大,是南方红壤丘陵区人工林的典型分布区。研究泰和县植被NPP时空变化特征及其与气候因子的关系,对该区域人工林生态及生产功能提升有着重要帮助,同时为县域尺度上NPP模拟研究提供科学依据。因此,选择江西省泰和县为研究区,基于SPOT VEGETATION NDVI植被指数数据、气候和植被类型等数据,利用光能利用率模型CASA模型模拟1998-2012年间NPP的空间分布及其变化特征,探究气候因子对NPP变化的影响。

2 数据来源与研究方法

2.1 研究区概况

泰和县（26°43′N~27°03′N,114°27′E~115°26′E）位于江西省中南部,吉泰盆地中心（图1）。全县总面积约2667 km2,属典型的中亚热带季风气候,气候温和,日照充足,雨量充沛。年均日照1756.4 h,平均气温为18.6 ℃,年平均无霜期280 d,年平均降水量1621 mm,主要集中在夏季,具有四季分明、雨热同季、无霜期长等气候特点。
Fig. 1 Location of Taihe county in Jiangxi province

图1 泰和县地理位置图

研究区地带性植被为亚热带常绿阔叶林带,主要植被类型有常绿阔叶林、亚热带针叶林、亚热带针阔混交林、亚热带竹林、亚热带荒山灌丛草丛等。常绿阔叶林主要分布在海拔100~900 m的低山丘陵地带,有苦槠、甜槠、栲树、樟树等,栲类林广泛分布于海拔350~700 m的丘陵,甜槠林分布于海拔400~1000 m的山坡或山脊,苦槠林多分布于海拔100~200 m之间的低丘地段,樟林多分布于河岸附近和沙洲上。亚热带针叶林占全县森林面积一半以上,以杉木、马尾松和湿地松的数量最多、分布最广。杉木、马尾松林自然分布较广,湿地松林全为人工林。亚热带针阔混交林主要分布在550~1100 m以下的低山丘陵,多为杉木与阔叶树混交林。根据泰和县林业局2010年林业调查数据显示：全县森林面积1413.67 km2,森林覆盖率60%,森林蓄积量521.84×104 m3,是江西省重点的木材生产基地。

2.2 数据处理

2.2.1 气候数据 气候数据来自中国气象科学数据共享网（http://cdc.cma.gov.cn/home.do）,数据为泰和县及周围地区国家标准气象台站1998-2012年月平均温度（℃）和月均降水量（mm）。根据各站点的经纬度信息,采用ANUSPLIN插值方法对气象数据进行插值[25],获取月均气温和月均降水栅格气候数据,像元大小保持与下文中NDVI数据一致（1 km×1 km）。太阳总辐射使用经验公式进行估算[26-28]：
Q = Q 0 × a + bs （1）
式中：Q为实际总辐射（MJ·m-2）; Q 0 为天文总辐射（MJ·m-2）;s为日照百分率;a和b为经验系数。
2.2.2 植被指数（NDVI）数据 采用1998-2012年的SPOT VEGETATION逐月NDVI数据进行植被变化分析,数据来源于全球SPOT VEGETATION产品网站（http://www.spot-vegetation.com/）。NDVI数据空间分辨率为1 km×1 km,时间分辨率为10 d,像元值采用国际通用的最大合成法（maximum value composite, MVC）获得,消除云、大气、太阳高度角等的部分干扰,每个像元NDVI的最大值确定,进而得到月最大化NDVI数据。
2.2.3 植被类型数据 根据泰和县森林资源二类调查数据、森林小斑图、文献资料和实地调研,将植被按树种起源划分为天然林和人工林两个类型,其次按森林类型划分为阔叶林、针叶林、针阔混交林等。泰和县阔叶树种主要包括：① 常绿树种：樟树（Cinnamomum camphora）、楠木（Phoebe zhennan）、木荷（Schima superba）、栲树（Castanopsis fargesii）、甜槠（Castanopsis eyeri）、桉（Eucalyptus robusta）、杜英（Elaeocarpus decipiens）、其他硬阔;② 落叶树种：小叶栎（Quercus chenii）、榆树（Ulmus pumila）、枫香（Liquidambar formosana）、檫木（Sassafras tzumu）、三角杨（Populus deltoides）、井岗柳（Salix leveilleana）、白花泡桐（Paulownia fortunei）、苦楝（Melia azedarach）、拟赤杨（Alniphyllum fortunei）、桤木（Alnus cremastogyne）、南酸枣（Choerospondias axillaris）、蓝果树（Nyssa sinensis）、鹅掌楸（Liriodendron chinense）、光皮桦（Betula luminifera）、其他软阔;③ 针叶树种主要包括：马尾松（Pinus massoniana）、湿地松（Pinus elliottii）、火炬松（Pinus taeda）以及杉木（Cunninghamia lanceolata）等（图2）。
Fig. 2 Forest distribution in Taihe county, Jiangxi province

图2 泰和县的植被类型图

2.3 研究方法

CASA（carnegie-ames-stanford approach）模型是由遥感数据、温度、降水、太阳总辐射以及植被类型、土壤类型共同驱动的光能利用率模型,通过植物吸收的光合有效辐射（APAR）和实际光能利用率（ε）两个因子计算NPP[7,29],广泛地用于区域陆地NPP[30-33]和全球碳循环[7,29]的计算与评估。具体计算公式为：
NPP x , t = APAR x , t × ε x , t （2）
式中： APAR x , t 表示像元x在t月吸收的光合有效辐射（MJ·m-2）; ε x , t 表示像元x在t月的实际光能利用率（gC·MJ）。
2.3.1 APAR估算 植物吸收的光合有效辐射取决于太阳总辐射和植物本身的特征,计算公式为[9,32]：
APAR x , t = SOL x , t × FPAR x , t × 0.5 （3）
式中： APAR x , t 为光合有效辐射; SOL x , t 表示 t 月份在像元x处的太阳总辐射量（MJ·m-2）;常数0.5表示植被所能利用的太阳有效辐射占太阳总辐射的比例; FPAR x , t 为植被层对入射光合有效辐射的吸收比例,与NDVI和植被指数（SR）之间存在着较好的线性关系,计算公式为[11,34]：
FPAR x , t = NDVI x , t - NDV I i , min NDV I i , max - NDV I i , min × FPA R max - FPA R min + FPA R min （4）
FPAR x , t = SR x , t - S R i , min S R i , max - S R i , min × FPA R max - FPA R min + FPA R min （5）
SR x , t = 1 + NDVI x , t 1 - NDVI x , t （6）
FPAR x , t = αFPA R NDVI + 1 - α FPA R SR （7）
式中： S R i , min 和 S R i , max 分别表示 i 类植被类型在 FPAR 达到最小值和最大值时的比值植被指数, FPA R max = 0.950 , FPA R min = 0.001 。
2.3.2 ε x , t 的计算 Potter等认为在理想条件下植被具有最大光能利用率,而在现实条件下的最大光能利用率主要受温度和水分影响[11,32]。其公式为：
ε x , t = T ε 1 x , t × T ε 2 x , t × W ε x , t × ε max （8）
式中： T ε 1 x , t 和 T ε 2 x , t 表示低温和高温对光能利用的胁迫作用; W ε x , t 为水分胁迫系数,反映水分条件的影响作用; ε max 是指植被在理想条件下对光合有效辐射的利用率（gC·MJ）,本文根据朱文泉等模拟的各植被类型的最大光能利用率确定[19,20]。
通过上述光能率模型,利用1 km格网SPOT VEGETATIONNDVI遥感影像数据,计算得到泰和县1998-2012年的逐月NPP值,再求得年均NPP值。
2.3.3 NPP年际变化率计算 采用一元线性回归分析法分析1988-2012年泰和县森林植被NPP的时空变化,单个像元多年回归方程中趋势线斜率为年际变化率。计算公式如下[23]：
θ slope = n × ∑ i = 1 n i × NP P i - ∑ i = 1 n i ∑ i = 1 n NP P i n × ∑ i = 1 n i 2 - ∑ i = 1 n i 2 (9)
式中： θ slope 为趋势斜率;n为监测时间段的年数;NPPi为第i年的植被NPP。利用NPP序列和时间序列的相关关系来判断NPP年际间变化的显著性,斜率为负表示下降,反之则表示上升。
2.3.4 NPP与气候因子相关性计算 采用基于像元的空间分析法分析NPP与各气候因子（年降水量和年均气温）间的关系,进行相关系数的计算,计算公式如下[23]：
R x y = ∑ i = 1 n x i - x ̅ y i - y ̅ ∑ i = 1 n x i - x ̅ 2 ∑ i = 1 n y i - y ̅ 2 （10）
式中：Rxy为x、y两变量的相关系数; x i 为第i年的NPP; y i 为第i年的降水量或平均温度; x ̅ 为多年NPP的平均值; y ̅ 为多年降水量或平均温度的平均值;n为样本数。

3 结果分析

3.1 NPP空间分布特征

1998-2012年泰和县植被年均NPP为762 g C/m2·a,年均NPP与植被类型和气候条件直接相关。从空间格局来看（图3）,研究区植被年均NPP空间差异明显,最高值出现在研究区的东部地区,最低值在中部城镇分布地区,这是由于东部地区为常绿阔叶林区,而阔叶林年均NPP值要明显大于其他森林类型。中部地区为河流和城乡建设用地分布区域,人类活动的干扰使该地区植被分布稀疏,NPP值相对较低。从空间格局看,年均NPP范围及分布与研究区植被类型分布基本一致。1988-2012年间不同植被类型的NPP存在较大差异（图4）,主要森林类型平均NPP从高到低分别为：天然常绿阔叶林（1068.32 g C/m2 ⋅ a）、天然竹林（1024.28 g C/m2 ⋅ a）、杉木林（744.58 g C/m2 ⋅ a）、经济林（734.18 g C/m2 ⋅ a）、人工湿地松（641.19g C/m2 ⋅ a）、天然马尾松（594.53 g C/m2 ⋅ a）。从年均NPP总量看,1998-2012年,泰和县植被年均NPP总量为2.21×106 g C/a。不同森林类型年均NPP总量从高到低为（图4）：杉木林（0.36×106 g C/a）、人工湿地松林（0.31×106 g C/a）、天然常绿阔叶林（0.22×106 g C/a）、天然马尾松林（0.17×106 g C/a）、经济林（0.147×106 g C/a）、竹林（0.142×106 g C/a）。这是因为杉木林和人工湿地松林为泰和县主要的人工林树种,面积相对较大,这就使得这些树种在NPP总量上占据一定优势。
Fig. 3 Spatial distribution of NPP in Taihe county, Jiangxi province

图3 泰和县NPP值的空间分布

Fig. 4 NPP value of different forest types in Taihe county, Jiangxi province

图4 泰和县不同植被类型的年均NPP值

3.2 NPP时空变化特征

在时间尺度上看,1998-2012年研究区植被NPP总量整体呈线性上升趋势（图5a）,年际波动较大,范围在1.85×106~2.6×106 g C/a之间,平均值为2.21×106 g C/a。其中,1998年的NPP总量较低,约为1.85×106 g C/a,低于多年平均值16%;2011年和2012年的NPP总量较高,约为2.6×106 g C/a,高于多年平均值17%;其余各年份NPP总量均位于多年平均值上下8%范围内。
Fig. 5 Temporal trend on NPP in Taihe County, Jiangxi Province from 1988 to 2012.

图5 1998-2012年泰和县NPP变化趋势

由1998-2012年研究区植被NPP时空变化率图（图5b）可知,大部分地区植被NPP呈增长趋势,平均增长9.58 g C/m2·a。呈增长趋势的区域占研究区面积的95.73%,其中增长率大于30 g C/m2·a的区域仅占研究区面积的0.26%,增长率为20~30 g C/m2·a的区域占研究区面积的3.34%,增长率位于10~20 g C/m2·a的区域占研究区面积的36.81%,增长率小于10 g C/m2·a的区域占研究区面积的55.32%。
对比不同的植被类型NPP变化,天然针阔混交林增长率为15.96 g C/m2·a,天然落叶阔叶林增长率为14.46 g C/m2·a,天然阔叶混交林增长率为14.37 g C/m2·a,人工常绿阔叶林增长率为13.6 g C/m2·a,天然常绿阔叶林增长率为13.04 g C/m2·a,天然针叶混交林增长率为12.69 g C/m2·a,天然竹林增长率为12.5 g C/m2·a,人工湿地松增长率为9.92 g C/m2·a,经济林增长率为9.22 g C/m2·a,杉木林增长率为8.94 g C/m2·a,天然马尾松增长率为8.62 g C/m2·a,人工落叶阔叶林增长率为7.88 g C/m2·a,人工针阔混交林增长率为6.25 g C/m2·a。
从以上的研究结果可以看出,研究区1988-2012年植被NPP总量呈增加趋势,增加幅度较明显,但NPP总量仍受亚热带季风气候的影响,尤其是降水的年际变化较大,从而影响NPP总量变化。NPP空间分布结果可以看出,研究区仅东部小部分地区的NPP降低,其他地区都在增加。因此认为NPP降低的原因可能与该区植被类型分布和水热条件变化有关。该地区年降水量相对较大,而相关研究也表明NPP可能随降水量增加而降低[22]。不同植被类型的增长率变化不同,说明了不同植被类型对气温降水的响应存在差异。

3.3 模型验证

采用两种方法对NPP模拟结果进行验证。第一种方法根据泰和县内的中国科学院千烟洲红壤丘陵综合开发试验站1998-2004年湿地松林研究资料[35]及2003年、2004年样地调查实测资料[36],计算得到湿地松实测的NPP结果。根据计算结果与模型模拟的数据进行对比（图6）,可以看出研究时段内湿地松林实测NPP与CASA模型模拟NPP相关关系显著（R2=0.765,P<0.05）,两者7年平均NPP相差仅为2.76%。第二种方法将模拟得到的结果与其他模型模拟结果进行对比[22,34,37-39]（表1）,发现泰和县主要植被平均NPP略高于全国相应植被NPP平均值,这与泰和县的水热条件有很大关系。总体上看CASA模型对该地区植被NPP的模拟效果较好。
Tab. 1 Comparison of CASA based modeling and other researchers' results on NPP of different forest types in Taihe county, Jiangxi province (g C/m2 ∙a)

表1 泰和县不同植被类型年均净初级生产力与其他研究结果比较 (g C/m2∙a)

常绿阔叶林 落叶阔叶林 针叶林 农田
丁庆福等[22] 846.09 – 1091.38 767.2
孙睿等[34] 972 460 529 –
刘明亮[37] 945 928 587 752
陈雅敏等[38] 484~1450 282~928 347~1180 212~897
陶波等[39] 873 624 486 606
本研究 985 730 729 703
Fig. 6 Comparison of simulated values with the measured values of NPP in Taihe County, Jiangxi province

图6 泰和县植被净初级生产力模拟值与实测值比较

3.4 NPP变化与气候因子的关系

1998-2012年泰和县年均降水和年均温的空间分布差异较大（图7）,泰和县降水量1540~1702 mm,平均值为1573 mm;年均温13.9 ℃~19.3 ℃,平均值为18.46 ℃。降水量呈中间地带向东西方向递增的趋势,温度分布呈现中间地带向东西方向递减的趋势。这种气候特征主要是由研究区地貌类型及亚热带季风气候共同作用形成的。
Fig. 7 Spatial distribution of annual precipitation (a) and temperature (b) from 1998 to 2012 in Taihe county, Jiangxi province

图7 1998-2012年泰和县年降水量和年均温分布

计算不同植被类型1998-2012年NPP与降水量和年均温的平均相关系数（Rp、Rt）（表2）,分析气候因子对不同植被类型NPP的影响。结果表明：植被NPP与年均温相关性较大,与年降水量相关性较小。泰和县植被NPP大多与年降水量呈不显著正相关关系,其中常绿阔叶林与降水量的正相关性较大,Rp值可达0.1536,其他植被Rp值均较小。不同植被NPP与年均温呈显著负相关关系,各植被类型Rt值均较Rp值大,其中人工针阔混交林Rt值可达-0.7316。
Tab. 2 Different vegetation types in NPP with precipitation and temperature of the average correlation coefficients

表2 不同植被类型年均NPP与降水量和年均温的平均相关系数

Rp Rt
人工湿地松林 -0.027 -0.3486
天然马尾松林 -0.0156 -0.3305
杉木林 0.0436 -0.2945
天然针叶混交林 -0.0414 -0.4211
人工落叶阔叶林 0.0239 -0.3113
天然落叶阔叶林 -0.0495 -0.2812
人工常绿阔叶林 0.1536 -0.4587
天然常绿阔叶林 0.0167 -0.2696
天然阔叶混交林 -0.0584 -0.1144
人工针阔混交林 -0.1477 -0.7316
天然针阔混交林 0.0167 -0.1944
天然竹林 0.0021 -0.2815
经济林 -0.0621 -0.1838
其他土地 -0.1123 -0.2883
农地 -0.0141 -0.3546
从年均NPP与降水量在空间上分布关系可知（图8a）,研究区年均NPP与年降水量呈不显著正相关关系,平均相关系数为0.0085。年均NPP与年降水量呈正相关的区域占研究区森林面积的51.63%,其中,呈不显著正相关的区域分散分布于杉木林周围,占森林面积的36.08%;呈显著正相关的区域主要位于天然常绿阔叶林分布区,占森林面积的14.41%;呈极显著正相关的区域主要位于马尾松林分布区,仅占森林面积的1.14%。研究区年均NPP与年降水量呈负相关的面积占研究区森林面积的48.37%。呈不显著负相关的区域主要位于湿地松分布的区域,占森林面积的35.32%。呈显著负相关的区域主要位于东部地区天然常绿阔叶林和经济林分布区域,占森林面积的9.86%。与年降水量呈极显著负相关的区域主要位于东部天然常绿阔叶林分布区域,占森林面积的3.20%。
从年均NPP与年均温在空间上分布关系可知（图8b）,研究区年均NPP与年均温呈负相关关系,平均相关性系数为-0.294。年均NPP与年均温呈正相关的区域仅占研究区森林面积的7.04%,而年均NPP与年均温呈负相关的面积约占研究区森林面积的92.96%,其中呈不显著负相关的区域主要位于研究区东部天然阔叶混交林和杉木林分布的区域,占森林面积的19.56%;呈显著负相关的区域分散分布于研究区东西部森林区域,占森林面积的45.02%;呈极显著负相关的区域主要位于西部天然常绿阔叶林和杉木林分布区域,占森林面积的28.39%。
Fig. 8 Correlation of annual NPP and annual precipitation (a) and annual temperature (b) from1998 to 2012 in Taihe county, Jiangxi province

图8 1998-2012年泰和县植被年均NPP与年降水量（a）和年均温（b）的关系

以上结果表明研究区年均NPP与年降水量呈不显著正相关关系,与年均温呈显著负相关关系,说明温度是影响该地区植被NPP的主要气候因子。从空间格局上来看,东、西部森林NPP与年降水量、年均温的相关性差异较明显,东部呈不显著正相关,而西部呈显著负相关。分析以上结果的原因,主要是受降水、气温空间格局及植被类型分布综合影响。首先,研究区年均温、年降水量格局分布将影响植被NPP的变化,降水量东部较高而中西部较低,气温东西部较低中部较高,这种分布差异将直接影响植被NPP变化。其次,不同植被的生长特性对不同气候因子的响应也存在很大差别,如马尾松和湿地松在相似生境下的生长代谢对环境因子的响应有明显差别[40]。因此研究区不同地区NPP对气温、降水的相关性差异较大。

4 结论与讨论

4.1 结论

基于SPOT VEGETATION NDVI 植被指数数据、气候数据和植被分类数据,通过光能利用率模型（CASA）模拟了1998-2012年泰和县不同植被类型NPP时空变化规律,并分析了植被NPP对气候因子的响应关系。在县域尺度上研究NPP年际间的空间变化规律,探究气候因子对植被生长的影响关系。主要结论如下：
（1）NPP时空分布特征：1998-2012年间泰和县年均NPP为762 g C/m2·a,空间分布差异明显,表现为东西高、中间低的谷地型分布特征,不同植被类型的NPP差别较大：天然常绿阔叶林>天然竹林>杉木林>经济林>人工湿地松林>天然马尾松林;泰和县植被年均NPP总量为2.21×106 g C/a,其中杉木林>人工湿地松林>天然常绿阔叶林>天然马尾松林>经济林>竹林。NPP空间分布特征与植被类型分布基本一致。
（2）NPP时空变化特征：1998-2012年泰和县NPP总体呈增长趋势,但年际波动较大,平均值为2.21×106 g C/a;近15年来泰和县有95.73%的地区NPP呈增长趋势,平均增长率为9.58 g C/m2·a;不同植被类型增长率不同,天然针阔混交林最高,为15.96 g C/m2·a,人工针阔混交林最低,为6.25 g C/m2·a。
（3）NPP变化与气候因子的关系：研究区NPP与年降水量呈不显著正相关关系,与年均温呈显著负相关关系,说明温度是影响该地区植被NPP的主要气候因子。从空间格局上来看,东、西部森林NPP与年降水量、年均温的相关性差异较明显,东部呈不显著正相关,而西部呈显著负相关。

4.2 讨论

应用CASA模型模拟了泰和县1998-2012年植被净初级生产力,并分析了研究区NPP分布与气候因子的关系。虽然模拟结果和实测数据表现出较强的相关性,但目前研究中尚存在一些需要继续深入的地方：
（1）CASA模型更为精细的参数本地化。模型模拟过程需要大量的植被参数及模型参数,如何获取更适合研究区植被类型的模型参数,是能否获得更准确模拟结果的重要途径。
（2）研究空间精度。目前由于受数据获取的限制,研究空间精度为1 km空间格网,空间分辨率在县域尺度上偏低,如何获取更高精度空间数据将成为进一步研究的重点。
（3）模拟结果检验。CASA模型对大区域范围的模拟已经得到了验证,但对县级区域的模拟暂时还没有相关的文献予以参考验证。未来需进一步增加对县域尺度上模拟结果的检验方法的研究,以确保模型结果的可信性。
（4）对模拟结果的机理和数量化解释。在揭示植被NPP空间格局及与气候因子的关系过程中,需要借助实测数据来支撑不同植被类型对不同因子的响应机制,进而阐明NPP时空变化特征及其影响因素。同时,地形因子、土壤因子也将影响不同地区、不同植被的NPP变化,这些工作将在今后的研究中继续深入,更加完善其驱动机制研究。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Braswell B H, Schimel D S, Linder E, et al.The response of global terrestrial ecosystems to interannual temperature variability. Science, 1997, 278(5339): 870-873.

[2]
Walker B H, Steffen W.Global Change and Terrestrial Ecosystems. Cambridge: Cambridge University Press, 1996.

[3]
Lieth H, Whittaker R H.Primary Productivity of the Biosphere. Berlin, Heidelberg, New York: Springer-Verlag, 1975.

[4]
Field C B, Behrenfeld M J, Randerson J T, et al.Primary production of the biosphere: Integrating terrestrial and oceanic components. Science, 1998, 281(5374): 237-240.

[5]
Ponce-Campos G E, Moran M S, Huete A, et al. Ecosystem resilience despite large-scale altered hydroclimatic conditions. Nature, 2013, 494(7437): 349-352.

[6]
Michaletz S T, Cheng D L, Kerkhoff A J, et al.Convergence of terrestrial plant production across global climate gradients. Nature, 2014, 512(7512): 39-43.

[7]
Cramer W, Kicklighter D W, Bondeau A, et al.Composing global models of terrestrial net primary productivity (NPP): overview and key results. Global Change Biology, 1999, 5(S1): 1-15.

[8]
Lieth H.Modeling the primary productivity of the world. In: Lieth H, Whittaker R H. Primary Productivity of the Biosphere. Berlin, Heidelberg, New York: Springer-Verlag, 1975: 237-263.

[9]
Lieth H, Box E.Evapotranspiration and primary productivity: C. W. Thornthwaite memorial model. Publications in Climatology, 1972, 25(2): 37-46.

[10]
Uchijima Z, Seino H.Agroclimatic evaluation of net primary productivity of natural vegetations: Chikugo model for evaluating net primary productivity. Journal of Agricultural Meteorology, 1985, 40(4): 343-352.

[11]
Parton W J, Scurlock J M O, Ojima D S, et al. Observations and modeling of biomass and soil organic matter dynamics for the grassland biome worldwide. Global Biogeochemical Cycles, 1993, 7(4): 785-809.

[12]
Melillo J M, McGuire A D, Kicklighter D W, et al. Global climate change and terrestrial net primary production. Nature, 1993, 363(6426): 234-240.

[13]
Liu J, Chen J M, Cihlar J, et al.A process-based boreal ecosystem productivity simulator using remote sensing inputs. Remote Sensing of Environment, 1997, 62(2): 158-175.

[14]
Potter C S, Randerson J T, Field C B, et al.Terrestrial ecosystem production: A process model based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7(4): 811-841.

[15]
Prince S D, Goward S N.Global primary production: A remote sensing approach. Journal of Biogeography, 1995, 22(4-5): 815-835.

[16]
Veroustraete F, Sabbe H, Eerens H.Estimation of carbon mass fluxes over Europe using the C-Fix model and Euroflux data. Remote Sensing of Environment, 2002, 83(3): 376-399.

[17]
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. 北京大学学报: 自然科学版, 2001, 37(4): 563-569.

[Piao Shilong, Fang Jingyun, Guo Qinghua.Terrestrial net primary production and its spatio-temporal patterns in China during 1982-1999. Acta Scientiarum Naturalium Universitatis Pekinensis, 2001, 37(4): 563-569.]

[18]
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. 植物生态学报, 2001, 25(5): 603-608.

[Piao Shilong, Fang Jingyun, Guo Qinghua.Application of CASA model to the estimation of Chinese terrestrial net primary productivity. Acta Phytoecologica Sinica, 2001, 25(5): 603-608.]

[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. 植物生态学报, 2007, 31(3): 413-424.

[Zhu Wenquan, Pan Yaozhong, Zhang Jinshui.Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing. Journal of Plant Ecology, 2007, 31(3): 413-424.]

[20]
朱文泉, 潘耀忠, 阳小琼, 等. 气候变化对中国陆地植被净初级生产力的影响. 科学通报, 2007, 52(21): 2535-2541.

[Zhu Wenquan, Pan Yaozhong, Yang Xiaoqiong, et al.Influence analysis of climate change to net primary production of Chinese terrestrial vegetation. Chinese Science Bulletin, 2007, 52(21): 2535-2541.]

[21]
周广胜, 张新时. 全球气候变化的中国自然植被的净第一性生产力研究. 植物生态学报, 1996, 20(1): 11-19.

[Zhou Guangsheng, Zhang Xinshi.Study on NPP of natural vegetation in China under global climate change. Acta Phytoecologica Sinica, 1996, 20(1): 11-19.]

[22]
丁庆福, 王军邦, 齐述华, 等. 江西省植被净初级生产力的空间格局及其对气候因素的响应. 生态学杂志, 2013, 32(3): 726-732.

[Ding Qingfu, Wang Junbang, Qi Shuhua, et al.Spatial patterns of vegetation net primary productivity in Jiangxi province of China in relation to climate factors. Chinese Journal of Ecology, 2013, 32(3): 726-732.]

[23]
穆少杰, 李建龙, 周伟, 等. 2001-2010年内蒙古植被净初级生产力的时空格局及其与气候的关系. 生态学报, 2013, 33(12): 3752-3764.

[Mu Shaojie, Li Jianlong, Zhou Wei, et al.Spatial-temporal distribution of net primary productivity and its relationship with climate factors in Inner Mongolia from 2001 to 2010. Acta Ecologica Sinica, 2013, 33(12): 3752-3764.]

[24]
王培娟, 谢东辉, 张佳华, 等. 长白山森林植被NPP主要影响因子的敏感性分析. 地理研究, 2008, 27(2): 323-331.

[Wang Peijuan, Xie Donghui, Zhang Jiahua, et al.Sensitivity analysis for primary factors of the forest net primary productivity in Changbaishan Natural Reserve based on process model. Geographical Research, 2008, 27(2): 323-331.]

[25]
刘志红, McVicar T R, Li L T, 等. 基于ANUSPLIN的时间序列气象要素空间插值. 西北农林科技大学学报: 自然科学版, 2008, 36(10): 227-234.

[Liu Zhihong, McVicar T R, Li L T, et al. Interpolation for time series of meteorological variables using ANUSPLIN. Journal of Northwest A&F University: Natural Science Edition, 2008, 36(10): 227-234.]

[26]
翁笃鸣. 试论总辐射的气候学计算方法. 气象学报, 1964, 34(3): 304-315.

[Weng Duming.The discussion of climatological calculation method of solar radiation. Acta Meteotologica Sinica, 1964, 34(3): 304-315.]

[27]
王炳忠, 张富国, 李立贤. 我国的太阳能资源及其计算. 太阳能学报, 1980, 1(1): 1-9.

[Wang Bingzhong, Zhang Fuguo, Li Lixian.Solar energy resources in China. Acta Energiae Solaris Sinica, 1980, 1(1): 1-9.]

[28]
中国气象局. 太阳能资源评估方法QX/T89-2008. 北京: 气象出版社, 2008.

[China Meteorological Administration.Assessment Method for Solar Energy Resources QX/T89-2008. Beijing: China Meteorological Press, 2008.]

[29]
Imhoff M L, Bounoua L, Ricketts T, et al.Global patterns in human consumption of net primary production. Nature, 2004, 429(6994): 870-873.

[30]
王兆礼, 陈晓宏. 珠江流域植被净初级生产力及其时空格局. 中山大学学报: 自然科学版, 2006, 45(6): 106-110.

[Wang Zhaoli, Chen Xiaohong.Net primary productivity and its spatio-temporal patterns in the Pearl River Basin. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2006, 45(6): 106-110.]

[31]
Running S W, Thornton P E, Nemani R, et al.Global terrestrial gross and net primary productivity from the earth observing system. In: Sala O E, Jackson R B, Mooney H A, et al. Methods in Ecosystem Science. New York: Springer New York, 2000: 44-57.

[32]
Field C B, Randerson J T, Malmström C M.Global net primary production: Combining ecology and remote sensing. Remote Sensing of Environment, 1995, 51(1): 74-88.

[33]
Hicke J A, Asner G P, Randerson J T, et al.Satellite-derived increases in net primary productivity across North America, 1982-1998. Geophysical Research Letters, 2002, 29(10): 1-4.

[34]
孙睿, 朱启疆. 气候变化对中国陆地生态系统净第一性生产力影响的初步研究. 遥感学报, 2001, 5(1): 58-61.

[Sun Rui, Zhu Qijiang.Effect of climate change of terrestrial net primary productivity in China. Journal of Remote Sensing, 2001, 5(1): 58-61.]

[35]
袁小华. 红壤丘陵区土地利用变化对陆地生态系统有机碳储量的影响. 北京: 中国科学院研究生院硕士学位论文, 1999.

[Yuan Xiaohua.The effects of land use change on the storage of organic carbon for the ecosystems red earth hilly area of China. Beijing: Master Dissertation of Graduate University of Chinese Academy of Sciences, 1999.]

[36]
曾慧卿, 刘琪璟, 冯宗炜, 等. 基于BIOME-BGC模型的红壤丘陵区湿地松人工林GPP和NPP. 生态学报, 2008, 28(11): 5314-5321.

[Zeng Huiqing, Liu Qijing, Feng Zongwei, et al.GPP and NPP study of Pinus elliottii forest in red soil hilly region based on BIOME-BGC model. Acta Ecologica Sinica, 2008, 28(11): 5314-5321.]

[37]
刘明亮. 中国土地利用/土地覆被变化与陆地生态系统植被碳库和生产力研究. 北京: 中国科学院研究生院博士学位论文, 2001.

[Liu Mingliang.Land-use/cover change and terrestrial ecosystem phytomass carbon pool and production in China. Beijing: Doctoral Dissertation of Graduate University of Chinese Academy of Sciences, 2001.]

[38]
陈雅敏, 张韦倩, 杨天翔, 等. 中国不同植被类型净初级生产力变化特征. 复旦学报: 自然科学版, 2012, 51(3): 377-381.

[Chen Yamin, Zhang Weiqian, Yang Tianxiang, et al.The change characteristics of net primary production in different vegetation types in China. Journal of Fudan University: Natural Science, 2012, 51(3): 377-381.]

[39]
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. 地理学报, 2003, 58(3): 372-380.

[Tao Bo, Li Kerang, Shao Xuemei, et al.Temporal and spatial pattern of net primary production of terrestrial ecosystems in China. Acta Geographica Sinica, 2003, 58(3): 372-380.]

[40]
高伟, 叶功富, 郑兆飞, 等. 相似生境下马尾松与湿地松幼树的光合日动态. 中南林业科技大学学报, 2012, 32(10): 34-39.

[Gao Wei, Ye Gongfu, Zheng Zhaofei, et al.Diurnal dynamics of photosynthetic characteristics of Pinus massoniana and Pinus elliottii saplings under similar habitat. Journal of Central South University of Forestry&Technology, 2012, 32(10): 34-39.]

Options
文章导航

/

〈 〉