2015—2020_年植被吸收光合有效辐射的时空特征及影响因素分析

第43卷 第2期 生 态 科 学 43(2): 211–222
2024年3月 Ecological Science Mar. 2024
收稿日期: 2021-11-03; 修订日期: 2021-12-30
基金项目: 福建省社会发展产学研合作项目(2018Y0054); 国家自然科学基金项目(41771423)
作者简介: 林婷敏(1994—), 女, 福建漳州人, 硕士生, 主要从事地理信息服务研究,E-mail:**********************通信作者: 陈楠(1975—), 男, 福建厦门人, 博士，研究员, 主要从事数字地形分析,E-mail:***************.cn
林婷敏, 陈楠, 林偲蔚. 2015—2020年植被吸收光合有效辐射的时空特征及影响因素分析[J]. 生态科学, 2024, 43(2): 211–222. LIN Tingmin, CHEN Nan, LIN Siwei. Analysis of spatial-temporal characteristics and influence indices of photosynthetically active radiation for vegetation absorption from 2015 to 2020[J]. Ecological Science, 2024, 43(2): 211–222.
2015—2020年植被吸收光合有效辐射的时空特征及影响因素分析
林婷敏1,2,3, 陈楠1,2,*, 偲林蔚1,2,4
1. 福州大学, 空间数据挖掘与信息共享教育部重点实验室, 福州350108
2. 福州大学, 数字中国研究院(福建), 福州350108
3. 漳州市土地收购储备中心, 漳州363000
4. 南京大学地理与海洋科学学院，南京 210023
【摘要】植被吸收光合有效辐射(Absorbed Photosynthetically Active Radiation, APAR)是植被进行光合作用中实际吸收的太
阳辐射量, 是植被净第一性生产力的重要指标, 也是生态系统的功能模型、作物生长模型、净初级生产力模型、气候模型等的重要参数。

因此高空间分辨率和精确性的植被吸收光合有效辐射对于高精度的区域生产力及光能利用率的研究具有重要意义。

对CASA(Carnegie-Ames-Stanford Approach)模型进行了改进, 利用30 m × 30 m 的数字高程模型 (Digital Elevation Model, DEM)数据直接计算太阳辐射, 从而将其作为CASA 模型的输入参数。

结合多源遥感数据、气象数据, 研究2015—2020年江汉平原APAR 的时空分布及其影响因素。

顾及江汉平原的土地利用分布特点, 着重分析了江汉平原农田APAR 的时空特性, 研究结果较好的反映了江汉平原APAR 分布。

实验结果表明: (1)2015—2020年APAR 年总值在3.42×1013 MJ — 3.73×1013 MJ 之间, 总体空间分布与植被类型的分布情况相符; (2)农田月均APAR 值在4月、7月高于其他月份, 表现出“双峰”的特征; (3)在空间分布上, 水田APAR 表现出明显的纬度地带性, 而旱地APAR 正好相反, 这可能源于种植结构重心转移; (4)通过借助地理探测器, 着重考虑与植被生长相关的12个因子(包括10 ≧≧积温、年总日照时数、年均气温、年总降雨量、农田种植结构、年散射辐射、农田施肥、土壤类型、土壤质地(砂土、粉砂土、黏土))进行分析, 结果表明这12个因素对APAR 空间变异性都具有很明显的影响。

对CASA 的改进方法可以适用于大范围高空间精度的计算。

关键词：光合有效辐射; 植被吸收光合有效辐射; CASA 模型; 数字高程模型; 地理探测器
doi:10.14108/ki.1008-8873.2024.02.024 中图分类号：P94 文献标识码：A 文章编号：1008-8873(2024)02-211-12
Analysis of spatial-temporal characteristics and influence indices of photosynthetically active radiation for vegetation absorption from 2015 to 2020
LIN Tingmin 1,2,3, CHEN Nan 1,2,*, LIN Siwei 1,2,4
1. Key Lab for Spatial Data Mining and Information Sharing of Education Ministry , Fuzhou University , Fuzhou , 350108, China
2. The Academy of Digital China , Fuzhou University , Fuzhou , 350108, China
3. Zhangzhou Land Acquisition and Reserve Center , Zhangzhou , 350108, China
4. School of Geography and Ocean Science , Nanjing University , Nanjing 210023, China
212 生态科学43卷Abstract: Absorbed Photosynthetically Active Radiation (APAR) is the solar radiation amount effectively absorbed by vegetation during the photosynthesis process. It is an important indicator of the net primary productivity for vegetation. It is also the functional model of the ecosystem, crop growth model, and net primary important parameters such as productivity models and climate models. Therefore, the absorption of photosynthetically active radiation by vegetation with high spatial resolution and accuracy is of great significance for the study of high-precision regional productivity and light energy utilization. In this study, the CASA model is enhanced by integrating Digital Elevation Model (DEM) data with a resolution of 30 m × 30 m as a key input parameter. Combining multi-source remote sensing data and meteorological data, the spatial-temporal distribution of APAR in Jianghan Plain and its influence factors from 2015 to 2020 were investigated. Considering the characteristics of land use distribution in Jianghan Plain, this paper focused on analyzing the spatial-temporal characteristics of farmland APAR in Jianghan Plain. Experimental results reflected the distribution of APAR in Jianghan Plain. (1)The total annual values of APAR from 2015 to 2020 ranged from 3.42×1013 MJ to 3.73×1013 MJ, whereas the overall spatial distribution was consistent with the distribution of vegetation types. (2)The average value of monthly APAR in April and July was higher than other months, showing the characteristics of “double peaks”. ③In terms of spatial distribution, paddy field APAR showed obvious latitude zonality. In contrast, dryland APAR was just the opposite, which might be attributed to the shift of the planting structure's center of gravity. ④Using geographic detectors analysis, 12 factors related to vegetation growth ( ≥10 ≧ accumulated temperature, total annual sunshine hours, annual average temperature, total annual rainfall, farmland planting structure, annual scattered radiation, farmland fertilization, soil type, and soil texture (sand, silt, clay) were analyzed. Results showed that the 12 factors all had significant impacts on the spatial variability of APAR. Specifically, the improved method of CASA can be applied to a wide range of calculations with high spatial accuracy.
Key words: photosynthetically active radiation; absorbed photosynthetically active radiation; CASA model; digital elevation model; geographic detector
0 前言
太阳辐射是地球生态系统最主要和最直接的能量来源, 是地表辐射交换中辐射能量的收入部分[1], 也是自然环境中各种物理过程的主要能量来源[2], 对气候形成及植被生长发育具有重要影响[3]。

到达地球表面的全部太阳辐射, 只有波长位于 380—710 nm之间的太阳辐射能被绿色植物进行光合作用和生物量生产, 将这部分太阳辐射称作光合有效辐射量[4](Photosynthetically Active Radiation, PAR), 它与到达地表的太阳总辐射有关。

植被吸收光合有效辐射(Absorbed Photosynthetically Active Radiation, APAR)是植物冠层吸收的参与光合生物量累积的光合有效辐射部分。

植物的光合产物与植物吸收光合有效辐射呈近似线性关系[5]。

它是重要的气候资源, 是评价植被产量与植被光合潜力、植被净第一性生产力的重要指标, 是进一步研究植被光合作用和光能利用率的基础。

农田系统净初级生产力在研究陆地生态系统碳循环和粮食安全中具有重要的地位, 植被吸收光合有效辐射是生态系统的功能模型、作物生长模型、净初级生产力模型、气候模型等模型中的重要参数[6], 因此准确估算区域APAR对研究农田生态系统的光合作用、净初级生产力和碳循环有着十分重要的意义。

在大区域范围的APAR估算中, APAR很难由站点监测获得, 大多依赖于地面的气候观测资料进行经验方法估算或者利用遥感模型估算; 尤其随着遥感技术的推广, 基于遥感信息的光能利用率模型(Carnegie-Ames-Stanford Approach, CASA)在国际上受到广泛应用, 推进了区域尺度的APAR估算的发展。

我国学者张喜旺[7]等利用MODISNDVI数据以及改进的日照百分比经验统计公式, 研究了2010年河南省APAR的状况。

朱文泉[8]在进行植被最大光能利用率利用的研究中, 基于气候学方法估算PAR并结合CASA模型对APAR进行测算。

常雅轩[9]等基于HJ-1A卫星遥感数据反演PAR 进而估算APAR。

刘二华[10]等通仪器实测PAR结合遥感数据反演得到夏玉米全生育期的APAR。

APAR 除了与植被自身对光合有效辐射的吸收情况的有关, 还取决于光合有效辐射PAR。

光合有效辐射PAR估算方法一般可以分为三类: 采用气候学方法推算[11], 或基于遥感数据反演[12–13], 或借助仪器实测。

基于地面站点小尺度测量PAR的方法, 其精确性高于其他两种估算方法, 但其成本较高且难于校正, 在极地地区或极端天气条件的高海拔地区无法直接测量(如青藏高原等), 从而也更难以实现区域推广。

因此, 区域尺度的光合有效辐射一般通过气候学方法推算或遥感影像反演。

在基于遥感、改进的日照百分比经验统计公式等气候学方法计算PAR进而估算APAR的研究中, 其空间精度和精确性都有了大幅度的提升。

但仍存在一些缺点: 传统的气候学方法或者气候学新的替代方法(非线性人工神经网络)受气候影响小于遥感
2期林婷敏, 等. 2015—2020年植被吸收光合有效辐射的时空特征及影响因素分析 213
数据反演。

但由于它们依赖于站点(我国太阳辐射观测站点稀缺, 中国大陆仅有98个站点, 并且覆盖度差), 而观测数据在空间上精度较低, 无法满足农业、林业等部门精细化和智能化生产的需求。

此外, 传统气候学方法推算未考虑地形起伏对PAR的影响, 然而地形起伏对地表辐射有明显的影响(尤其是在山区或丘陵地区[13]);
基于静止卫星或极轨卫星数据反演的PAR方法较于传统气候学方法具有在区域尺度和全球尺度上监测地表和大气时空分布的优势, 但大部分遥感估算模型只适用于晴空大气模式, 而中国南方地区多云雾天气, 尤其在作物生长期恰逢梅雨季节, 云量遮挡导致的影像缺失难以保证区域范围的全面覆盖。

为了精确的估算较大范围高空间分辨率的吸收光合有效辐射, 便于大范围监测, 本文基于CASA 模型, 根据30 m × 30 m的DEM数据估算顾及地形起伏影响的太阳辐射估算PAR, 进而计算江汉平原地区2015—2020年APAR, 借助MATLAB并行计算提高计算效率, 并克服我国太阳辐射站点覆盖差以及南方地区多云雨天气, 光学遥感影像缺失的影响。

从而为江汉平原地区的农田进一步估算净初级生产力提供基础资料, 为精准耕作提供科学指导。

1 材料及方法
1.1 研究样区概况
江汉平原位于东经111°13′—114°04′、北纬29°25′—31°08′, 属于湖北省中南地区, 是长江中下游平原的重要组成部分, 主要包括天门市、荆州市、仙桃市等6个行政区市。

江汉平原地区地势由西北向东南呈现倾斜状, 平原东南部多湖沼泽洼地。

研究区域气候为亚热带季风气候, 降雨量充足, 四季分明。

江汉平原年平均气温为16 ,
≧其中１月份气温最低, 月平均气温为1—5 ,
≧７月份气温最高, 月平均气温为27—30 ≧。

该地区降水充沛, 年平均降水量约为1164 mm, 降水多集中在6—8月份[14], 总面积为25346.64 km2, 常用耕地面积约13689.00 km2, 研究样区内无太阳辐射观测站点, 湖北省内仅有的两个太阳辐射观测站点(宜昌站和武汉站), 均在研究样区外(见图1)。

1.2 研究数据
1.2.1遥感数据
本文由于时间跨度较大, 时间频度以月为最小单位, 而单颗卫星在考虑云雾条件下无法满足研究需求, 为保证每个月均有数据且尽可能完全覆盖整个研究区域, 本研究采用三个部分的遥感数据组成, 包括Sentinel-2 (S2)多光谱数据、Landsat8 OLI数据, 以及国产环境卫星一号(HJ-1)数据, 具体遥感影像的信息如表1。

Sentinel-2具有全球5天重访频率, 其搭载的MSI传感器对13个光谱波段进行采用, 空间分辨率在不同波段有10 m、20 m和60 m。

Sentinel-2数据
图1 研究样区
Figure 1 Research area
214 生态科学43卷
中2A级数据为大气底部反射数据, 已进行大气校正。

本研究选取该卫星10m分辨率的红光、近红外。

Landsat系列采用Landsat8 OLI传感器生成的大气校正表面反射率, 选取红光、近红外, 空间分辨率均为30 m × 30 m。

选用的Sentinel-2数据和Landsat8 OLI 均在GEE(Google Earth Engine, https://earthengine. /)云平台上进行调用、处理。

为了统一所有遥感数据的空间分辨率便于后续研究, 将Sentinel- 2数据进行重采样, 最终空间分辨率为30 m × 30 m。

同时考虑云雾对数据质量的影响, 在GEE中设置云量低于10%。

影像获取时间区间按照月历表逐月设置, 将获取的无云或低云量影像进行归一化处理后得到归一化植被指数NDVI并计算其平均值, 得到合成NDVI月均值; 影像获取时间区间为年, 选择最大合成值计算得到年NDVI。

HJ-1卫星包括两颗光学星HJ-1A/B, HJ-1 A星搭载了CCD相机和超光谱成像仪(HSI), HJ-1 B星搭载了CCD相机和红外相机(IRS), 两台CCD相机组网后重访周期仅为2天。

本研究数据来源于中国资源卫星应用中心(/CN/index. shtml), 采用HJ-1/CCD的2级产品, 该产品已经过辐射粗校正和几何粗校正, 在ENVI软件支持下利用HJ-1A/B数据下载附带的元文件对4个时相的CCD数据进行辐射定标、大气校正, 再根据ENVI 自带的NDVI功能计算每个月NDVI平均值。

1.2.2气象数据
日照时数来源于国家气象科学数据中心(http: ///)2015—2020年站点观测的逐日数据, 由于湖北省区域内仅有两个观测站点, 为扩大观测站点覆盖面以降低插值误差值, 选取研究区域周围7个站点的数据。

通过7个站点日值数据累加得到各个站点月值数据, 再利用反距离加权插值获所需数据。

站点监测的日照时数与基于DEM模拟的可照时数之比即为日照百分率; 由于江汉平原区域内无太阳辐射站点, 选取最靠近研究区域的宜昌和武汉站点进行验证, 该数据为2015—2020年逐日数据累积为逐月数据。

两个站点的站点信息如下表2所示; 云量数据来源于哥白尼气候变化服务(C3S)的ERA5在分析资料(https: //cds.climate.copernicus.eu), 该数据集的空间分辨率为0.25°×0. 25°, 经核函数插值法及区域掩膜得空间分辨率 0.025°×0.025°的江汉平原逐年逐日逐小时云量数据。

1.2.3高程数据
本文采用空间分辨率30 m×30 m的ASTER GDEM V2版本的数字高程模型DEM(Digital Elevation Model, DEM), 此数据源于地理空间数据云(), 在地貌、地形方面表现更加细致精确且数据质量较高, 该数据经空白值填充和异常值检测、影像拼接、投影及影像裁剪获得。

1.2.4其他数据
土地利用数据为2018年的1: 10万土地利用矢量数据, 来源于中国科学院资源坏境科学数据中心(https:///), 本研究主要利用土地利用分类中的林地、水田、旱地、草地4种类型。

2015年土壤数据(土壤类型和土壤质地)、2015年农田熟制空间分布数据来源于中国科学院资源坏境科学数据中心(https: ///)。

农田化肥施用量(按折纯法计算)来源于湖北省统计局(http://tjj.hubei. /tjsj/sjkscx/tjnj/qstjnj/)。

1.3 研究方法
研究技术路线如图2所示, (1)利用遥感数据基于GEE及ENVI平台计算NDVI月均值、最大值合成年NDVI; (2)以DEM数据为基础结合云量及日照数据, 根据太阳辐射计算模型计算逐日数据, 基于MATLAB平台搭建并行计算框架(并行计算与单机
表1 三种遥感影像信息
Table 1 Three kinds of remote sensing image information 卫星波段波宽/nm 空间分辨率/m Landsat8(OLI)
4(Red)
5(NIR)
640—670
850—880
30×30
Sentinel-2
4(Red)
8(NIR)
665
842
10×10
HJ-1(A/B)
3(Red)
4(NIR)
630—690
760—900
30×30
表2 实测太阳辐射站点信息
Table 2 Measured radiation on solar radiation site 区站号纬度经度海拔高度/m 起始年份
57494 30.60° 114.05° 23.60 2015—2020 57461 30.73° 111.37° 256.50 2015—2020表3 DEM数据基本信息
Table 3 DEM data basic information
数据
类型
空间
分辨率
版本
信息
格式
影像
大小
栅格
数量
参考地理
坐标规则
格网
30 m×30
m
ASTER
GDEM V2
TIFF 1°×1°
10253×
6166
WGS84
2期 林婷敏, 等. 2015—2020年植被吸收光合有效辐射的时空特征及影响因素分析
215
图2 技术路线图
Figure 2 Technology roadmap of this study
计算相比效率提高300%), 逐日累积获得逐月、逐年散射辐射、直接辐射及总太阳辐射; (3)将(2)中计算得到的太阳总辐射参数输入CASA 模型估算APAR, 结合土地利用数据, 分析4种土地利用类型(林地、水田、旱田、草地)APAR 值, 并着重分析水田、旱地的时空变化及影响因素。

1.3.1 APAR 值的计算: 本文基于CASA 模型计算APAR, APAR 的计算是由光合有效辐射(PAR)及光合有效辐射吸收比例(FPAR)确定的。

具体可以表示为:
(,)(,)(,)(,)(,)PAR
PAR x t Q x t APAR x t PAR x t FPAR x t αβη=⨯=⨯ (1)
式中: P AR 为光合有效辐射, Q αβ(x , t )是指像元x 在t 月份的太阳总辐射量(MJ·m –2); ηP AR 为光合有效辐射占太阳辐射的比值; FP AR (x , t )是指植被冠层对光合有效辐射的吸收比例。

上式可以进一步化简为:
AP AR (x , t )=Q αβ(x , t )×FP AR (x , t )×0.5 (2) 式中: Q αβ(x, t)为基于DEM 数据模拟的太阳总辐射, (,)FPAR x t 则根据植被类型确定, 0.5表示波长为0.4—0.7 μm 占太阳总辐射的比例[15]。

1.3.2 FPAR 的计算:
前人研究表明, 在一定范围内FPAR 与归一化植被指数(NDVI)、比值植被指数(SR)都存在良好的线性关系[16], 可通过遥感影像提取植被的NDVI 来对FPAR 进行模拟[17], SR 可由NDVI 计算得到。

FIELD 等研究发现通过这两种方法模拟所得的结果各不同, 由NDVI 模拟的FPAR 结果比实测值偏高, 而由SR 模拟所得结果偏低。

因此, 可以通过利用调整系数0.5, 将两者取平均值的方式作为对FPAR 的模拟结果, 从而使得其得到的FPAR 模拟误差最小[18], 此过程的全部计算公式参见文献8。

1.3.3 太阳辐射
本文以30 m×30 m 分辨率的DEM 数据为基础数据, 根据起伏地形下的太阳辐射计算模型基于MATLAB 平台架设并行计算框架, 分别计算逐日直接辐射、散射辐射、太阳总辐射, 进而分别将逐日各个辐射量累加得到逐月、逐年直接辐射、散射辐射及太阳总辐射。

(1) 太阳总辐射:
由于江汉平原地区常年无积雪山区, 空气散射
216 生 态 科 学 43卷
辐射和周围地形的短波辐射均远远小于太阳直接辐射和散射辐射, 将两者求和即为太阳总辐射[19]。

Q αβ=Q b αβ+Q d αβ (3)
式中, Q αβ为太阳总辐射, Q b αβ为太阳直接辐射, Q d αβ为天空散射辐射。

(2) 直接辐射:
直接辐射是太阳辐射被大气吸收、散射、反射等削减后剩下的部分, 可以以天文辐射为基础结合经验系数获得。

本文采用分段式积分方法计算起伏地形下的日天文辐射, 其计算公式为[20]
:
m
0001
11
[sin ()
2cos (sin sin )cos (cos cos )]
ssl srl i m
ssl srl i m ssl srl i T
S E I u βαδωωπνδωωωδωω====-+---∑∑∑ (4)
0 1.0001090.033494cos 0.001472sin 0.000768cos 20.000079sin 2E θ
θθθ
=++++ (5) 式中: S 0βα为起伏地形下天文辐射量; T 为日长(1440 min); E 0为地球轨道修正因子; I 0为太阳常数(0.082 MJ·m –2·min –1; ω为时角; ωssl 和ωsrl 为倾斜面可照时段对应的起始和终止太阳时角; δ为太阳赤纬, 采用傅里叶分析计算(rad); m 为根据时间步长将日出到日落划分的段数; θ称日角, θ=2πt/365.2422, t=N-1, N 为积日, 即日期在年内的顺序号; u 、ν、w 是与地理、地形有关的特征因子; α为坡度, β为坡向, φ为纬度。

根据天文辐射结合日照百分率(日照百分率为气象站点监测的日照时数与基于DEM 数据并行计算得到的可照时数之比), 计算直接辐射, 具体为[21]:
2011()b Q S aS bS αββα=+ (6)
式中: Q b αβ为起伏地形下的直接辐射量, S 0βα为起伏地形下的天文辐射量; S 1为日照百分率, a 、b 为经验系数[22]。

(3) 散射辐射:
散射辐射的计算采用李占清和翁笃鸣[23]提出的起伏地形下的散射辐射计算模型, 该模型不仅考虑了总云量、低云量还考虑了地形遮蔽影响, 日散射辐射模拟的具体计算公式为:
20''[cos ()
235.1()cos(1.09)sin(1.42)cos()]
d d Q K D F n h A αβα
αβ=+-(7)
()1(0.080.02)t l F n n n =-+ (8) ''200()D S a bn cn =+- (9)
00024
(sin sin cos cos sin )s s S I E ωϕδϕδωπ
=
+ (10)
't t l l n C n C n =+ (11)
式中: Q d αβ为散射辐射, K d 为地形遮蔽因子, 地形遮蔽度采用Hillshade [20]算法, F (n )为关于云量的函数,
D 0为水平面的散射辐射通量密度(可由一般的辐射气候学公式计算求得), h ′和A ′为正午时刻太阳高度角和太阳方位角, ωs 为太阳落日时角,
E 0为地球轨道修正因子详见公式(5), n t 为总云量, n ι为低云量, S 0为平度的天文辐射量。

C t 、C ι为权重系数a 、b 、c 为经验系数。

1.3.4 地理探测器
地理探测器方法较主成分分析、多元回归等传统线性统计分析方法相比更为直观和快捷[24], 为分析各种复杂现象背后的驱动力以及多影响因子之间的交互作用提供了重要工具[25]。

地理探测器可以用其因子探测力q 值来定量评估某因子对光能利用率多大程度上解释了研究对象的空间分异, q 值的表达公式及其满足非中心F 分布的简单变换如下[26]:
2
1
2
11L
h h h N SSW
q SST
N σσ==-
=-
∑
(12) 2
22
1
(1,1;)
111
1[(]L
L
h
h h N L q F F L N L q
Y N λλσ
---=----=
-∑ (13)
式中: q 为某指标的空间异质性; N 为研究区全部样本数; σ2为指标的方差; h = 1, 2, …, L, h 为标识分区,
L 为分区数目。

q 值的值域介于 0—1, q 值越大, 表明该因子的解释力越强, 反之亦然; λ为非中心参数; h Y 为层h 的均值。

根据式(13), 可以查表或者根据地理探测器软件检验q 值是否显著。

江汉平原的农田APAR 的时空差异受多种因素的影响, 本文着重考虑与农田植被生长相关的12个影响因子。

由于农田种植结构数据只获取到2015年的公开数据, 因此以2015年的数据为例, 采用气象因子的空间分辨率进行栅格转点, 其他数据采用按点提取获得。

这12个影响因子分别为: 年总降雨量、年均降雨量、年均气温、≧10 ≧积温、年总散射辐射、年总日照时数、农田肥料、土壤类型、土壤质地(包括
2期林婷敏, 等. 2015—2020年植被吸收光合有效辐射的时空特征及影响因素分析 217
黏土、粉砂土、砂土三种质地)、农田种植结构。

2 结果与分析
2.1 逐月太阳辐射模拟值的验证
由于江汉平原区域内无太阳辐射观测站点, 选取最靠近研究区域的宜昌站点和武汉站点(观测站点位置见图1)进行验证, 将2015—2020年逐日数据累积为逐月数据。

在计算太阳模拟辐射时延伸计算范围以保证覆盖两个验证点, 随后通过ArcGIS按点提取获得模拟的太阳辐射值。

通过与实测数据的相关性分析, 结果表示模拟的太阳辐射月总量与实测站点月总辐射显著相关, 相关系数(R2)(图3)为0.86, 皮尔逊(Pearson)相关系数为0.93, 以上两个参数值均表示模拟太阳辐射值与实测站点数据高度相关。

因此可以利用模拟数据进行深入研究。

2.2 APAR时空特征分析
本文采用上述的计算方法, 根据江汉平原地区2015—2020年各月的NDVI、太阳辐射月值, 计算逐月APAR值, 以及逐年APAR总值。

2015年—2020年植被吸收光合有效辐射总值分别为3.65×1013 MJ、3.51×1013 MJ、3.68×1013 MJ、3.73×1013 MJ、3.51× 1013 MJ、3.42×1013 MJ, APAR单位面积年平均值在1233.16 MJ·m–2⋅a–1—1344.04 MJ·m–2·a–1之间。

在对我国植被净第一生产力的估算中[15], 全国范围内耕地APAR值一般在614.39—1953.73 MJ·m–2·a–1之间, 本文结果在此范围内。

在2020年间江汉平原持续40多天的梅雨期集中降雨, 这对于作物造成的严重影响, 使得2020年年总APAR大幅度降低。

从土地利用类型来看, 农田(包括水田和旱地)为江汉平原的主要土地利用类型(图4), 林地及草地仅为少数。

2015—2020年的APAR年总值空间分布规律大致相同, 与植被类型的分布情况相符。

以2020年的APAR年总值为例(图5), 位于松滋市西部地区为丘陵山地, 植被类型以林地为主, 该地区的太阳辐射充足且森林植被冠层较为茂盛, 林地的APAR常年高于其他低海拔地区。

而河流和水库附近, 由于江汉平原“涝渍相随, 旱涝并存”的地形条件[28]限制造成植被较为稀疏, 所以光合作用的强度远不如其它地区, 年APAR值也是整个研究区域中最小的。

水田和旱地散乱的覆盖江汉平原的中北、东北部地区, 这部分地区的APAR值较为均匀。

江汉平原是长江中下游平原重要的农作物生产基地, 农田为江汉平原的主要土地利用类型, 因此对农田的两种类型水田和旱地的APAR展开分析。

基于两种农田类型, 统计水田和旱地的6年APAR 月均值变化, 两种农田类型均出现双峰的情况(图6), 与前人研究较为相似[28], 这可能与江汉平原的耕作
图3 模拟太阳辐射量与实测站点月辐射量相关性
Figure 3 Correlation between simulated solar radiation
and monthly radiation at measured sites
图4 2018年江汉平原土地利用类型
Figure 4 Jianghan Plain land use types on 2018
图5 2020年APAR年总值空间分布图
Figure 5 Spatial distribution of the total annual value for APAR in 2020
218 生态科学43卷
图6 水田和旱地的APAR月均值变化曲线
Figure 6 the change of the monthly average value of APAR in paddy field and dry land
方式有关。

鄂豫皖丘陵平原水田旱地两熟兼早三熟区、沿江平原丘陵水田旱地三熟两熟区和两湖平原丘陵水田中三熟二熟区三种农业种植区划[27], 江汉平原具有以上三种农耕种植区。

近几年来, 江汉平原的耕作方式趋于复杂多样化, 自2008年起逐渐从一季稻向双季稻发展, 出现“绿肥/油菜—稻—稻”、“早稻—再生稻”、“早稻—虾稻”、“麦—棉/玉米”等多种耕种模式[29]。

总体而言, 江汉平原为一年两熟或一年三熟的耕作方式, 3—4月份为绿肥/早稻发育期及冬小麦/春玉米的生长期, 农田植被的光合作用较强, 于4月份出现全年APAR的第一个高峰。

5月份处于绿肥/油菜收获, 而中稻/再生稻/棉花的插秧时期, 所以农田植被光合作用较弱, 出现低谷。

6—7月份为双季早稻成熟期、晚稻播种及中稻生长期, 农田植被光合作用从6月逐渐增强, APAR值急速上升, 7月达到顶峰。

8月中下旬至9月下旬为中/早稻收获期及晚稻发育初期, 处于作物收播交替期间, 地表覆盖率低, 使得APAR急剧下降。

11—12月份由于温度、太阳辐射等外在环境的影响, 农田植被光合作用受限, 但处于夏播晚稻成熟期及秋播夏收的冬麦以及其他蔬菜播种期, APAR值下降较为平缓。

此外, 不同农田用地的单位面积APAR也存在细微差异, 1—4月旱地APAR值略高于水田APAR值, 这可能是因为在此期间水田多种植油菜/冬小麦, 旱地多种植玉米/豆类, 而玉米/豆类的冠层叶面积较大于油菜/冬小麦, 使得光合作用较大, APAR值较高。

农田的APAR具有明显的季节性特征和空间差异性(水田、旱地四季APAR空间分布图如图7、图8。

从
图7 旱地四季APAR空间分布
Figure 7 Spatial distribution of APAR in four seasons on dry land。