EN中文

地球信息科学学报 >

2014 , Vol. 16 >Issue 6: 915 - 924

DOI: https://doi.org/10.3724/SP.J.1047.2014.00915

武陵山区植被净第一性生产力的时空格局及其与地形因子的关系

  • 孙庆龄 , 1, 2 ,
  • 冯险峰 , 1, * ,
  • 肖潇 1, 2
展开
  • 1. 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室,北京 100101
  • 2. 中国科学院大学,北京 100049
*通讯作者：冯险峰(1971-),女,博士,副研究员,研究方向为生态遥感与制图。E-mail:

作者简介：孙庆龄(1991-),女,安徽阜阳人,硕士生,研究方向为生态遥感。E-mail:

收稿日期: 2013-01-06

  要求修回日期: 2014-03-24

  网络出版日期: 2014-11-01

基金资助

国家科技支撑计划项目(2012BAH33B00)

收起

Spatio-temporal Pattern of NPP and Related Analyses with Terrain Factors in Wuling Mountainous Area

  • SUN Qingling , 1, 2 ,
  • FENG Xianfeng , 1, * ,
  • XIAO Xiao 1, 2
Expand
  • 1. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. The Graduate University of Chinese Academy of Sciences, Beijing 100049, China
*Corresponding author: FENG Xianfeng, E-mail:

Received date: 2013-01-06

  Request revised date: 2014-03-24

  Online published: 2014-11-01

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

本研究旨在探讨2001-2010年武陵山区植被净第一性生产力(NPP)的时空变化格局及其与主要地形因子间的关系。利用MODIS MOD17A3数据、地形数据,以及土地覆盖等数据,基于回归分析和分级统计等方法,开展了武陵山区植被NPP的时空变化格局及其与高程和坡度2个基本地形因子间关系的研究。结果表明：(1)10年间武陵山区植被年NPP的平均值为590.72 gC·m-2·yr-1,森林、灌草和农田的NPP平均值分别为596.79 gC·m-2·yr-1、586.98 gC·m-2·yr-1和563.31 gC·m-2·yr-1;(2)2001-2010年武陵山区植被NPP总量的平均值为98.90 TgC·yr-1,波动范围为92.79 ~ 106.99 TgC·yr-1,从NPP年际变化的空间分布来看,武陵山区植被NPP的变化趋势整体上呈北增南减的格局;(3)分别以30 m和3°为高程和坡度的分级级差时,发现武陵山区平均植被NPP随海拔和坡度的升高有明显的先增加后缓慢下降的趋势,但在海拔高于1500 m及坡度大于50°的地区,平均植被NPP出现了较大波动,然而,在波动中均有随海拔和坡度的增加而先上升后再下降的趋势;(4)在地理区间尺度上,200~1000 m的高程段以及5~25°的坡度段内植被NPP的平均值较高,500 m以上的高程区间平均植被NPP依次递减,但50°以上的坡度区间平均植被NPP反而有所增加,这在一定程度上反映了坡度高于某一临界值后坡面侵蚀强度又有所下降的趋势。

关键词： 武陵山区; 植被NPP; 时空格局; 高程; 坡度

本文引用格式

孙庆龄 , 冯险峰 , 肖潇 . 武陵山区植被净第一性生产力的时空格局及其与地形因子的关系[J]. 地球信息科学学报, 2014 , 16(6) : 915 -924 . DOI: 10.3724/SP.J.1047.2014.00915

Abstract

Based on MODIS NPP data, terrain data and land cover map, spatio-temporal pattern of the NPP in Wuling mountainous area during 2001-2010 and its relationship with the elevation and the slope were analyzed using regression analysis and classification statistics. Results showed that the average annual NPP of the study area from 2001 to 2010 was 590.72 gC·m-2·yr-1. The mean NPP of forest, shrub/grassland and cropland were 596.79 gC·m-2·yr-1, 586.98 gC·m-2·yr-1 and 563.31 gC·m-2·yr-1 respectively. During 2001-2010, the average annual total NPP of Wuling mountainous area was 98.90 TgC·yr-1, ranging from 92.79 TgC·yr-1 to 106.99 TgC·yr-1. Besides, the spatial pattern of interannual variability of NPP in the north of our study area presented a significant increase trend, while in the south it indicated an opposite tendency. According to the relationships between the mean NPP and the elevation as well as the slope in the case of 30 m and 3° respectively, NPP increased with the altitude and slope first, then decreased slowly. But when the elevation went above 1500 m or the slope was greater than 50°, the mean NPP would present large fluctuations. However, as a whole, the mean NPP increased with the altitude and the slope first, then decreased again. Additionally, the mean NPP within the elevation range of 200~1000 m and the slope range of 5~25° were relatively high, but it decreased gradually from the range of 500 m and above, and had a trend of increase when the slope went greater than 50°, which reflected the erosion intensity was weakened when the slope was greater than a certain threshold.

Key words： Wuling mountainous area; net primary productivity; spatio-temporal pattern; elevation; slope

1 引言

陆地植被净第一性生产力(Net Primary Productivity,NPP)作为碳收支和气候变化研究的核心内容[1-3],不仅是表征植被活动的关键变量,而且是判定生态系统健康状况和可持续发展水平的重要指标。NPP估算模型已从最初简单的气候相关模型[4-5]和极其复杂的过程模型[6]发展为生态遥感耦合模型[7]。MOD17A3是美国航空航天局(NASA)基于MODIS(Terra/Aqua卫星)遥感数据反演出的全球陆地植被年净第一性生产力(ANPP)产品,该产品已在国外不同区域的植被生长状况分析、生物量估算和生态环境监测等领域得到了广泛应用和验证[8-9],国内也有很多学者应用MOD17A3数据进行长时间序列的NPP监测与分析,并先后在内蒙古、广东省、吉林省西部和黄河三角洲等地区验证了该数据的可靠性[10-13]。
陆地植被NPP的影响因素主要可以归结为3大类：(1)植被本身特性,如植被叶片氮含量、维持呼吸系数等生理生态属性,以及叶面积指数、FPAR(Fraction of Photosynthetically Active Radiation)等生物物理特征。这些参数的确定与植被覆盖类型密切相关,因此,地表土地利用/土地覆盖的变化会直接影响到陆地植被NPP[14];(2)气候条件和营养状况。光、温、水、肥是植被生长的必要因子,尤其随着大气CO2浓度的升高,气候变化对植被NPP的影响愈发显著,有研究认为1982-1999年气候变化导致中国陆地植被NPP增加了约0.36PgC[15];(3)区域性环境因子,包括海拔、坡度、坡向、土壤质地、水分可利用性等。尤其在复杂地形条件下,区域性环境因子对NPP的影响更是不可忽略[16-17],然而,目前鲜见有山区植被NPP与地形因子间关系的分析研究。
武陵山区位于中国中南部,地貌类型以山地为主,区内森林覆盖率高,生态功能区和自然保护区众多,自然资源丰富,在国家生态发展规划中具有重要的战略意义。同时,武陵山区也是生态脆弱区,该区平均海拔较高又多为坡地,区内水土流失严重,石漠化现象突出,灾害发生频繁,因此,对该区域植被生产力的评价与研究工作十分重要。本研究主要利用MOD17A3资料和地形数据对武陵山区植被NPP的时空格局(10年尺度)进行分析,旨在揭示：(1)武陵山区植被NPP的空间分布格局及其年际变化趋势;(2)海拔和坡度等基本地形因子与山区植被NPP间的关系。

2 研究区背景与数据分析

2.1 研究区地理特征

武陵山区是指武陵山脉覆盖的地区,位于25°52'~31°24'N、107°4'~112°2'E之间,是湖南、湖北、重庆和贵州4省市交界地带,占地面积17.18×104 km2(图1(a)、(b))。武陵山区是我国3大地形阶梯中第2级阶梯向第3级阶梯的过渡带,是云贵高原的东部延伸地区,主脉为北东走向,长度约420 km,平均海拔1000 m左右,平均坡度为15°。武陵山脉的山体高大、山谷相间,山体主要由板岩、砂页岩、石灰岩、花岗岩等组成,岩溶广为发育[18]。
Fig. 1 Location, terrain and land cover maps of the study area in 2005

图1 研究区位置、地形及2005年土地覆盖图

研究区气候属于亚热带向暖温带过渡的山区类型气候,年平均气温为13.5~17.0 ℃,年总降水量在1100~1600 mm之间,无霜期280天左右,夏凉冬冷,雨量充足。片区内森林覆盖率平均达56%,远高于全国平均水平20.36%[19],森林覆盖类型以针阔混交林和常绿针叶林为主,是我国亚热带森林系统核心区、长江流域重要的水源涵养区,以及生态安全屏障区。

2.2 数据预处理

2.2.1 NPP数据处理与质量分析
NPP数据使用NASA EOS/MODIS提供的2001-2010年1 km分辨率的MOD17A3产品(http://ladsweb.nascom.nasa.gov/),该数据是通过全年每日净光合作用(即每日GPP中扣除叶和细根的维持呼吸后剩余的部分)的累积和减去茎的年维持呼吸,以及所有组分的年生长呼吸而得来,具体算法公式参见其用户手册[20]。同时,下载NPP产品的质量控制数据(NPP_QC)以检验NPP产品的质量及其可用性。NPP_QC是用统一的8位二进制数来描述的,但为了存储方便,每个像元的栅格值都是经过转换后的十进制数。8位二进制数分别描述了MODLAND、Sensor、DeadDetector、CloudState和SCF_QC的相关信息,其中,前3位SCF_QC提供了模型算法反演结果的质量：000是最好的级别;001表示模型反演结果良好;010表示复杂模型反演失败,采用经验模型替换;100则表示不能反演[20]。4个级别对应的十进制数节点依次为0、32、64和128。
对于NPP和NPP_QC数据的处理,首先,利用MRT工具进行镶嵌、格式转换和重投影,使SIN地图投影转换为WGS 84/Albers Equal Area Conic投影,然后,通过Python编程实现影像的批量裁剪以获得研究区数据(图2)。接下来对研究区NPP数据进行质量分析,分析过程主要借助于NPP_QC数据实现,即以0、32、64和128为节点,通过比较NPP_QC值与这些节点值的大小,将相应NPP数据的可信度划分为高(0≤NPP_QC<32)、中(32≤NPP_QC<64)、低(64≤NPP_QC<128),以及反演失败(NPP_QC≥128)4个级别,结果如表1所示。鉴于山区多云雾,研究区NPP数据的可信度整体上还是能够被接受的,但为了得到更为准确的结果,在进行平均植被NPP计算时,舍弃了那些可信度较低及反演失败的像元点,然后根据每种植被类型及整个研究区的像元数目(换算成面积)计算得到相应的NPP总量。
Fig. 2 The processing procedure of MODIS NPP data

图2 MODIS NPP数据的处理流程

Tab. 1 Statistics of 2001-2010 MODIS NPP_QC data

表1 2001-2010年MODIS NPP产品反演质量的统计信息

年份 NPP反演结果的可信度(像元比例：%)
高 中 低 反演失败
2001 0.11 92.44 7.45 0.00
2002 0.23 94.79 4.98 0.00
2003 0.19 87.20 12.61 0.00
2004 0.39 95.43 4.18 0.00
2005 0.18 85.43 14.39 0.00
2006 0.19 88.72 11.09 0.00
2007 0.19 91.78 8.03 0.00
2008 0.19 91.74 8.07 0.00
2009 0.19 89.38 10.43 0.00
2010 0.05 92.16 7.79 0.00
2.2.2 土地覆盖数据预处理
由于MODIS NPP产品在计算过程中所使用的生理生态参数是根据UMD(University of Maryland)全球土地覆盖分类方案确定的[20],因此,研究中选用同时段的MODIS MCD12Q1产品Land_ Cover_Type_2数据集(即UMD分类方案)作为武陵山区土地利用与土地覆盖的参考数据。该数据是原始空间分辨率为500 m的年际资料,共包含14个土地覆盖类别[21](图1(c))。对于2001-2010年的原始土地覆盖数据,同样利用上述MRT工具进行镶嵌、格式转换和重投影处理,然后在ArcGIS中使用Majority方法进行重采样,再经批量裁剪即可获得研究区1 km分辨率的土地覆盖数据。
2.2.3 地形数据分析
地形数据来源于中国科学院计算机网络信息中心科学数据中心的“地理空间数据云平台”(http://www.gscloud.cn)。本研究只选取高程和坡度2个基本地形因子来研讨其与植被NPP间的关系。高程数据使用平台提供的SRTM 90 m分辨率的DEM产品,该产品是利用SRTM3 V4.1版本的原始数据(官方标称精度为16 m[22])加工而来。根据该数据在中国地区的验证结果,对于表面无遮蔽、地形起伏较小的地区,其绝对高程精度高于标称精度,但在森林覆盖及地形起伏较大的区域,高程数据的精度有可能达不到标称精度[23]。坡度数据是在高程数据产品的基础上通过ArcGIS的空间分析模块运算得到的,空间分辨率同样为90 m。但在与NPP数据进行相关运算时,需要将地形数据与NPP数据的空间分辨率统一,以避免产生边界不重合的问题,因此,90 m的高程和坡度数据还要被重采样到1 km。

3 研究方法

3.1 NPP时空变化趋势的计算

基于像元对多年NPP数据计算其平均值,得到研究区多年平均NPP( ANPP ¯ )的空间分布。
ANPP ¯ = ∑ i = 1 n ANP P i n (1)
式(1)中,n为分析时间段的年数;ANPPi为像元点第i年的NPP值。针对时间序列的NPP数据,其绝对年际变化率采用基于像元的一元线性回归分析方法计算,计算公式为：
θ slope = n × ∑ i = 1 n ( i × ANP P i ) - ∑ i = 1 n i ∑ i = 1 n ANP P i n × ∑ i = 1 n i 2 - ∑ i = 1 n i 2 (2)
式(2)中,n为年数;ANPPi为某一像元点第i年的NPP值; θ slope 则为该像元在该时间段内ANPP年际变化的最小次方线性回归方程的斜率,反映的是某一时间段内总的变化趋势。 θ slope 为正表明变化趋势是增加,反之则是减少。该公式已被广泛用于植被指数[24-25]和NPP[10,26]的时间序列分析,具有很好的稳定性和置信度。NPP的相对年际变化率计算方法为：
Rate = θ slope ANPP ¯ × 100 % (3)
式(3)中,Rate为NPP的相对年际变化率,它是每个像元的线性斜率与多年平均NPP的比值,表明与多年平均状况相比植被年NPP的变化程度。

3.2 NPP与地形因子相关性的计算

NPP与高程和坡度的相关性分析主要分为2步：(1)采用等差分级法,考虑高程数据的精度,以及坡度分级对地面坡谱的影响,分别以30 m[23,27]和3°[28]为级差,计算各高程和坡度分级内植被NPP的平均值和标准差,并将标准偏差以误差线的形式可视化表达出来。另外,鉴于部分高程和坡度分级内像元数目过少,为避免出现不合理的结果,进一步将像元数目小于3的分级舍去(即将其NPP平均值和标准差赋为0)。(2)根据表2所示的研究区高程和坡度的划分标准,统计计算各高程和坡度区间内植被NPP的平均值和总量。前者是考虑地形特点和高程数据误差且相对精细的研究尺度,后者是更加宏观并具有地理含义的区间尺度,从本质上来说,两种尺度下的研究仅是分级的间隔不同,而计算方法是相同的。不同分级或区间内的NPP平均值计算公式如式(4)所示。
Tab. 2 Interval divisions of elevation and slope within Wuling mountainous area

表2 武陵山区高程及坡度的区间划分

地形因子 区间划分 区间含义 划分依据
高程 ≤200 m 平原地区 文献[29]中的高程分级标准,结合武陵山区的实际情况细化
200~500 m 丘陵地区
500~1000 m 低山
1000~1500 m 中山
>1500 m 研究区海拔较高区域
坡度 ≤2° 平原至微倾斜平原 国际地理学会地貌调查与制图委员会对坡地的分级标准[30],结合研究区具体情况微调
2~5° 缓坡地
5~15° 斜坡地
15~25° 陡坡地
25~35° 急坡
35~50° 急陡坡
>50° 垂直坡
ANPP ¯ i = ∑ j = 1 n ANPP ¯ ji n (4)
在此基础上,通过式(5)可进一步计算得到各分级内植被NPP的标准差 S i ：
S i = ∑ j = 1 n ( ANPP ¯ ji - ANPP ¯ i ) n - 1 (5)
式(4)-(5)中,i表示高程或坡度的第i个分级;n为该分级的像元数目; ANPP ¯ ji 表示第i个分级中第j个像元对应的多年平均NPP值(即式(1)的计算结果)。
以上运算工作均是利用ArcGIS、ENVI及IDL编程语言实现的。

4 结果分析与讨论

4.1 武陵山区植被NPP的时空变化

根据式(1)对2001-2010年的武陵山区植被NPP数据进行运算,得到武陵山区10 a平均NPP分布图(图3)。从图3可知,武陵山区平均植被NPP基本上都在400 gC·m-2·yr-1以上,绝大部分位于500~700 gC·m-2·yr-1之间,没有特别集中的高值区和低值区。利用研究区土地覆盖数据与同期NPP数据进行叠加分析并取10 a结果的平均,得到武陵山区森林植被NPP的平均值为596.79 gC·m-2·yr-1,灌草NPP的平均值为586.98 gC·m-2·yr-1,农田NPP为563.31 gC·m-2·yr-1,全区所有植被NPP的平均值为590.72 gC·m-2·yr-1(图4)。就植被NPP的年总量而言,森林生态系统碳净增长量为50.32 TgC,灌草为36.97 TgC,而农田由于所占面积少且生产力较低,其年NPP总量仅为11.16 TgC,占全区所有植被NPP (98.90 TgC)的11.28%。
Fig. 4 Mean and total annual NPP for different vegetation types in Wuling mountainous area

图4 2001-2010年武陵山区不同植被类型的平均NPP及其总量

2001-2010年武陵山区植被NPP总量的波动范围为92.79~106.99 TgC·yr-1,平均为98.90 TgC·yr-1。其中,2004年达到了最大值,最大值高于多年平均8%;2009年的NPP总量最小,约低于多年平均6%;2002年和2005年的NPP总量基本相等,稍高于2009年的最低值;其余年份的NPP总量均在多年平均值的±5%范围内变动。从图5可知,对于主要的植被类型,森林的年NPP总量在波动中呈上升态势,而灌草和农田的变化趋势则相反,其中农田植被的下降趋势相对更加平缓,三者的年际变化共同决定了片区内所有植被NPP总量的变化趋势。
Fig. 3 Spatial distribution of mean NPP in Wuling mountainous area during 2001-2010

图3 武陵山区2001-2010年平均植被NPP的空间分布图

Fig. 5 Dynamic changes of total annual NPP in Wuling mountainous area during 2001-2010

图5 2001-2010年武陵山区NPP总量变化动态

根据研究区2001-2010年NPP绝对年际变化率的空间分布(图6)可知,武陵山区植被NPP的变化趋势整体上呈现南北分异的格局。NPP增加的区域主要分布在武陵山区北部湖北省境内、湖南省西北部以及片区内重庆市的大部分地区,减少的区域主要在研究区中湖南省和贵州省南部,贵州省内的植被NPP年际变化明显地出现“北增南减”的现象。从数值上看,全区NPP的年际变化率从-40 gC·m-2·yr-1变化到22 gC·m-2·yr-1,增加及减少区域的NPP年际变化率大多在10 gC·m-2·yr-1以内。与多年平均水平相比,武陵山区植被NPP的相对年际变化率多位于±2%之内,经与DEM数据叠加发现,NPP相对年际变化率较大的地区多分布在海拔较高的山顶或山脊,在北部该变化是增加,在南部则是减少,而峡谷中的植被NPP在北部NPP增加区出现了明显减少的部分,但在南部NPP减少区却变化不大(图7)。
Fig. 6 The spatial pattern of NPP interannual variability in Wuling mountainous area

图6 武陵山区植被NPP绝对年际变化率的空间格局

Fig. 7 Map of the relative NPP interannual variability overlaid on DEM data

图7 NPP相对年际变化率与DEM数据叠加图

4.2 武陵山区植被NPP与地形因子间的关系

利用式(4)、(5)分别计算得到以30 m和3°为步长的植被NPP与高程和坡度的相关关系(图8、9)。根据计算结果,在300 m以内,植被NPP随海拔高度的上升有明显的增加趋势,平均海拔每升高100 m植被NPP均值就增加25 gC·m-2·yr-1,NPP标准差也从84.82 gC·m-2·yr-1变化到123.96 gC·m-2·yr-1(图8)。约从600 m开始,武陵山区平均植被NPP有了平缓的下降趋势,直至1500 m,平均海拔每升高100 m植被NPP均值下降10 gC·m-2·yr-1,NPP标准差则稳定在100 gC·m-2·yr-1左右。从1500 m开始,研究区平均植被NPP出现了较大波动且有明显的上升趋势,约在1900 m左右达到局部峰值580 gC·m-2·yr-1,后又在2000 m附近降至局部最低478 gC·m-2·yr-1,其间NPP的标准差也波动较大。但从2100 m向上,武陵山区的平均植被NPP开始迅速下降,且海拔每升高100 m平均NPP就下降约25 gC·m-2·yr-1,而标准差则由于像元数目逐渐减少也变得越来越小。经实验分析认为,1500 m开始的植被NPP变化很可能与武陵山区的植被分布和温度状况有关。首先,研究区的像元数目从1500 m开始大幅减少,各分级内像元个数从1000以上陡降至200以下。其次,植被类型也出现了较大变化：农作物、草丛、针阔混交林等所占比例迅速减少,1500 m以上地区基本上没有农田和草丛覆盖,针阔混交林所占面积减少近一半;常绿针叶林、落叶阔叶林,以及灌木林等则大量增加,灌木林所占比重约从16%(1000~1500 m的多年统计值)增至22%(1500~2000 m的统计值)。2100 m以上的区域,常绿针叶林所占面积达植被覆盖总面积的50%以上,植被类型相对简单,植被结构稳定,而且随着海拔高度的上升,周围气温逐渐下降,限制了植被对碳的吸收和累积,因此,在2100 m以上的区域,平均植被NPP表现为平稳的下降趋势。
Fig. 8 Relationship between NPP and elevation

图8 植被NPP与高程间的关系

Fig. 9 Relationship between NPP and slope

图9 植被NPP与坡度间的关系

植被NPP随坡度的变化整体上和NPP随高程的变化模式类似。从图9可看出,在9°以内,NPP平均值随坡度的增加有明显的增大,平均坡度每增加1°NPP均值就增加20 gC·m-2·yr-1,NPP标准差则相对稳定,大概在105 gC·m-2·yr-1左右。从15°至35°附近,平均植被NPP从590 gC·m-2·yr-1缓慢减小到了579 gC·m-2·yr-1,NPP标准差基本上没有变化,位于102 gC·m-2·yr-1上下。35~50°内的平均植被NPP开始出现小幅的上下波动,但整体趋势还是在下降,NPP标准差也从102 gC·m-2·yr-1变化到116 gC·m-2·yr-1。约从50°开始,平均植被NPP又有了上升的趋势,且在54~56°的坡度分级内达到最大值616.61 gC·m-2·yr-1,同时,该分级的NPP标准差也很大,为112.22 gC·m-2·yr-1。在60°以后,武陵山区的平均植被NPP又有所下降,约从610 gC·m-2·yr-1降至536 gC·m-2·yr-1。考虑到武陵山区多为坡地,区内水土流失较为严重,而坡度又是决定坡面侵蚀强度的关键因子,因此,坡度与植被NPP间的关系在一定程度上反映了坡面侵蚀强度随坡度的变化情况。此外,在一些坡度较大的区域平均植被NPP较高,这主要是由于受雨面积减少,坡面侵蚀强度小,而且地表植被覆盖类型又多为落叶阔叶林,很少受到人为的破坏和干扰,所以平均植被NPP相对要高。
等差分级法客观、简洁、可比性好[28],且相对精细尺度下的研究能够揭示植被NPP随高程和坡度的连续变化趋势,但具有地理含义的高程带和坡度带内的NPP变化特征则对区域生态资源管理更具有实际指导意义。按照前述高程及坡度带的区间划分,计算武陵山区2001-2010年不同高程和坡度带的NPP平均值及其总量,结果如表3、4所示。
Tab. 3 Comparison of NPPs in different elevation ranges in Wuling mountainous area

表3 武陵山区不同高程带的植被NPP 分级比较

统计量 高程(m)
≤200 200~500 500~1000 1000~1500 >1500
面积比例(%) 4.32 30.68 43.34 18.03 3.63
平均NPP(gC·m-2·yr-1) 557.35 602.26 595.76 567.66 535.10
NPP总量(TgC·yr-1) 3.05 30.28 47.36 14.91 3.23
Tab. 4 Comparison of NPPs in different slope ranges in Wuling mountainous area

表4 武陵山区不同坡度带的植被NPP分级比较

统计量 坡度(°)
≤2 2~5 5~15 15~25 25~35 35~50 >50
面积比例(%) 6.64 10.09 39.78 29.75 11.09 2.49 0.16
平均NPP(gC·m-2·yr-1) 549.95 583.54 595.01 592.65 583.97 577.94 613.06
NPP总量(TgC·yr-1) 4.15 9.03 43.05 30.34 9.90 2.09 0.10
从表3可知,武陵山区主要是海拔位于200~1000 m的低山丘陵区,约占全区总面积的74%。200~500 m的区域植被覆盖类型主要是森林,且以阔叶林为主,其平均植被NPP在600 gC·m-2·yr-1左右,对于500 m以上的各高程段,平均植被NPP是依次递减的。200 m以下的平原地区由于主要是城镇和农田,受人类影响较大,植被生产力偏低,加之面积比例较小,NPP总量仅为3.05 TgC·yr-1,而500~1000 m的区域由于面积比例最大且平均植被NPP较高,NPP总量最大。武陵山是褶皱山,5°以上的坡地分布近85%(表4),0~2°的平原和微倾斜平原,植被生产力相对低下,平均植被NPP仅为549.95 gC·m-2·yr-1。5~15°的斜坡地和15~25°的陡坡地平均植被NPP较高,NPP总量约占全区NPP总量的74%。根据图8,50°以上的平均植被NPP呈现先增加后下降的变化趋势,但从表4来看,相比于5~50°坡度带平均植被NPP依次递减的情形,50°以上的平均植被NPP又有了增加的趋势。

4.3 讨论

地理条件的独特性及生物的多样性,使得武陵山区在我国生态文明建设和生态功能区划中具有重要的战略地位。同时,区内地形地貌复杂和自然环境多变,使植被生产力水平很容易受到影响而发生较大变化,因此,在一个相对较长的时间尺度内进行山区植被NPP的监测研究非常具有现实意义。然而,在植被覆盖类型基本上为森林的山区环境中,真实植被NPP数据很难获得,因此,也就无法准确地评估NPP产品的误差。针对上述分析,海拔高度位于1500~2100 m,以及坡度大于35°时,平均植被NPP出现异常波动还与研究所采用的尺度(即分级级差)以及高程数据的精度等有很大关系。实验发现,随着级差的减小,平均植被NPP随高程和坡度的增加其波动将更加明显,且当研究尺度远小于高程数据的标称精度时,高海拔和坡度较大地区的NPP分布变得十分散乱;而当研究尺度相对较大时,植被NPP与地形因子间的关系就变得非常明晰,局部一些小的波动特征逐渐消失,但整体的波动规律仍然没有发生变化,所以,植被NPP的波动虽然与研究所采用的尺度以及高程数据的精度等存在一定关系,但并非主要由其决定。此外,武陵山区高程大于1500 m或坡度高于50°时,植被像元数目大幅减少,加之区内石漠化和岩溶现象的普遍存在,植被覆盖及其生产力分布不再具有很好的连续性。故此认为,平均植被NPP随地形因子变化而出现较大波动,主要是由研究区的地理环境特点及地表植被覆盖类型等决定。
另外,本研究发现,2001-2010年间武陵山区植被NPP的变化趋势在整体上呈现北增南减的格局,但据相关资料,自2002年武陵山区实行退耕还林以来,区内森林植被一直保持较高的覆盖率[19]。鉴于Nemani等对1982-1999年全球植被NPP的研究,全球变暖导致北半球温带植被NPP增加,但在热带和亚热带地区,由于土壤呼吸增强和辐射减少,植被NPP是下降的[31]。考虑到武陵山区的北部属于暖温带而南部过渡到亚热带,因此,可以推断出导致该格局的最可能原因是气候的变化,而这也是我们下一步研究工作的重点。
植被NPP随高程增加而增大到一定值后出现下降的趋势,主要是由于温度的限制。在平原或丘陵地区,温度能够达到植被的生长需求,不是主要的限制因子,但随着海拔的升高,温度逐渐降低,植被生产力水平也逐渐下降。NPP随坡度的变化则证实了武陵山区存在广泛的水土流失现象,且水土流失最严重的地方发生在35~50°的中等坡度内,该坡度带的平均植被NPP被递减至局部最低点。武陵山区农田的面积比例本来就小(约9%),且耕地以坡田为主,缺少旱涝保收的“当家田”,水土流失又使土壤贫瘠,土层厚度减少,导致农田植被生产力较低。因此,我们建议山区广泛开展坡地的改良利用,如修筑梯田、发展农林复合系统等,这样既不会破坏原有的森林植被,又可以使耕地面积增加,提高农田的生产能力。

5 结论

(1)武陵山区植被NPP的10 a平均值为590.72 gC·m-2·yr-1,森林、灌草和农田植被的NPP平均值分别为596.79 gC·m-2·yr-1、586.98 gC·m-2·yr-1和563.31 gC·m-2·yr-1。就NPP总量而言,全区所有植被的年NPP总量约为98.90 TgC,其中,森林生态系统碳净增长量为50.32 TgC,灌草为36.97 TgC,而农田仅为11.16 TgC。
(2)2001-2010年武陵山区植被NPP总量的波动范围为92.79~106.99 TgC·yr-1,平均值为98.90 TgC·yr-1。从NPP年际变化的空间分布来看,NPP增加的区域主要分布在武陵山区北部湖北省境内、湖南省西北部,以及片区内重庆市大部分地区,减少的区域主要在研究区中湖南省和贵州省的南部,贵州省内的植被NPP年际变化明显地出现“北增南减”的现象。
(3)根据武陵山区30 m和3°级差下平均植被NPP与地形因子间的关系,300 m之内的平均植被NPP随海拔高度的上升有明显的增加趋势。约从600 m开始,植被NPP随高度的增加而平缓地下降,海拔位于1500~2100 m的区域平均NPP出现了较大波动,但从2100 m开始,NPP平均值又呈现平稳的下降趋势。植被NPP随坡度的变化整体上与其随高程的变化模式类似,约在9°以内,平均坡度每增加1°植被NPP就增加20 gC·m-2·yr-1,15~35°的植被NPP缓慢减小,35~50°内的NPP均值开始出现小幅的上下波动,但整体趋势还是在下降,而从50°开始,平均植被NPP随坡度的增加同样呈现先增加后下降的趋势。
(4)武陵山区主要海拔位于200~1000 m,该高程区间的平均植被NPP较高,均在600 gC·m-2·yr-1左右,500 m以上的高程段平均植被NPP依次递减。研究区大部分地区的坡度在5°以上,0~2°的平原和微倾斜平原植被生产力相对较低,5~15°的斜坡地和15~25°的陡坡地平均植被NPP较高。坡度在50°以上的平均植被NPP又有所增加,这在一定程度上反映了坡度高于某一临界值后坡面侵蚀强度又有下降的趋势。

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

[2]
Running S W.A measurable planetary boundary for the biosphere[J]. Science, 2012,337(6101):1458-1459.

[3]
Running S W.Approaching the Limits[J]. Science, 2013, 339:1276-1277.

[4]
朱志辉. 自然植被净第一性生产力估计模型[J].科学通报,1993,38(15):1422-1426.

[5]
周广胜,张新时.自然植被净第一性生产力模型初探[J].植物生态学报,1995,19(3):193-200.

[6]
McGuire A D, Melillo J M, Kicklighter D W, et al. Equilibrium responses of global net primary production and carbon storage to doubled atmospheric carbon dioxide: Sensitivity to changes in vegetation nitrogen concentration[J]. Global Biogeochemical Cycles, 1997,11(2):173-189.

[7]
Feng X F, Liu G H, Chen J M, et al.Net primary productivity of China's terrestrial ecosystems from a process model driven by remote sensing[J]. Journal of Environmental Management, 2007,85(3):563-573.

[8]
Silvestri S, Marani M, Settle J, et al.Salt marsh vegetation radiometry data analysis and scaling[J]. Remote Sensing of Environment, 2002,80(3):473-482.

[9]
Rasmus F, Inge S, Michael S R, et al.Evaluation of satellite based primary production modeling in the semi-arid Sahel[J]. Remote Sensing of Environment,2006,105:173-188.

[10]
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[J].生态学报,2013,33(12):3752-3764.

[11]
蔡睿,徐瑞松,陈彧,等.广东省植被NPP时空特征变化分析[J].农机化研究,2009,31(2):9-11.

[12]
罗玲,王宗明,宋开山,等.吉林省西部草地NPP时空特征与影响因素[J].生态学杂志,2009,28(11):2319-2325.

[13]
蒋蕊竹,李秀启,朱永安,等.基于MODIS黄河三角洲湿地NPP与NDVI相关性的时空变化特征[J]. 生态学报,2011,31(22):6708-6716.

[14]
高志强,刘纪远,曹明奎,等.土地利用和气候变化对区域净初级生产力的影响[J].地理学报,2004,59(4):581-591.

[15]
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分析[J].科学通报,2007,52(21):2535-2541.

[16]
Chen X F, Chen J M, An S Q, et al.Effects of topography on simulated net primary productivity at landscape scale[J]. Journal of Environmental Management, 2007,85(3):585-596.

[17]
Zhou Y, Zhu Q, Chen J M, et al.Observation and simulation of net primary productivity in Qilian Mountain, western China[J]. Journal of Environmental Management, 2007,85(3):574-584.

[18]
王兆峰. 武陵山区的优势、劣势及可持续发展模式研究[J].吉首大学学报(社会科学版),2001,22(3):52-54.

[19]
游俊,冷志明,丁建军.中国连片贫困区发展报告(2013)[M].北京:社会科学文献出版社,2013: 172.

[20]
Faith A H, Matt R, Petr V, et al. GPP and NPP(MOD17A2/A3) products user's guide(version 2.0)[EB/OL].

[21]
Alan S, Doug M, Jordan B, et al. MODIS land cover product algorithm theoretical basis document (version 5.0)[EB/OL].

[22]
Rodriguez E, Morris C S, Belz J E.A global assessment of the SRTM performance[J]. Photogrammetric Engineering & Remote Sensing, 2006,72(3):249-260.

[23]
张朝忙. 中国地区SRTM3 DEM与ASTER GDEM高程精度质量评价[D].武汉:华中农业大学,2013.

[24]
Stow D, Daeschner S, Hope A, et al.Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s[J]. International Journal of Remote Sensing, 2003,24(5):1111-1117.

[25]
张月丛,赵志强,李双成,等.基于SPOT NDVI的华北北部地表植被覆盖变化趋势[J].地理研究,2008,27(4):745-755.

[26]
陈福军,沈彦俊,李倩,等.中国陆地生态系统近30年NPP时空变化研究[J].地理科学,2011,31(11):1409-1414.

[27]
詹蕾. SRTM DEM的精度评价及其适用性研究[D].南京:南京师范大学,2008.

[28]
朱梅,李发源.坡度分级对地面坡谱的影响研究[J].测绘科学,2009,34(6):165-167.

[29]
吴成基. 自然地理学[M].北京:科学出版社,2008: 141-142.

[30]
黄秉维,郑度,赵名茶,等.现代自然地理[M].北京:科学出版社,1999:319-320.

[31]
Nemani R R, Keeling C D, Hashimoto H, et al.Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J]. Science,2003,300(5625):1560-1563.

Options
文章导航

/

〈 〉