中国陆地生态系统NPP模拟及空间格局分析

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

29卷第6期2007年11月资 源 科 学RES OURCES SCIE NCE V ol.29,N o.6N ov.,2007
文章编号:1007-7588(2007)06-0045-09
收稿日期:2007-02-14;修订日期:2007-09-17
基金项目:国家973计划:“中国陆地生态系统碳循环及其驱动机制研究”(编号:2002C B412501);中国科学院创新团队国际合作伙伴计划:“人类活动与生态系统变化”
(编号:CXT D 2Z 200521);中国科学院知识创新工程重要方向项目(编号:K ZCX 22Y W 230523)。

作者简介:陈斌,男,福建福州人,硕士,主要从事全球变化与生态学方面研究。

E 2m ail :chenb.04s @
通讯作者:王绍强,E 2mail :sqwang @
中国陆地生态系统NPP 模拟及空间格局分析
陈 斌
1,2
,王绍强1,刘荣高1,宋 婷
1,3
(11中国科学院地理科学与资源研究所,北京 100101;
21中国科学院研究生院,北京100049;31南京师范大学,南京 210097)
摘 要:本研究利用基于光能利用率理论的区域尺度遥感参数模型(C 2Fix 模型)估算了2003年中国陆地生态系统NPP ,并对其空间格局进行了分析。

模型输入数据包括叶面积指数数据(LAI )、中国地面气象站的逐日气温数据、逐日降水数据和太阳总辐射数据、数字高程模型(DE M )等,模型输出数据的空间分辨率均为1km 2,时间步长为1
天。

模拟结果表明:2003年中国陆地总NPP 和平均NPP 分别为4137Pg C 和640132g C Π(m 2·年),NPP 的主要分布趋
势是:从东南沿海向西北逐渐减小;其中海南岛南部、云南西南部和南部、青藏高原东南部的热带雨林和季雨林地
区年NPP 最大,在1800g ~2500g C Π(m 2·年)之间;青藏高原和新疆绝大部分地区,一般在100g C Π(m 2·年)以下;西部塔克拉玛干沙漠地区植被稀疏,植被NPP 不足5g C Π(m 2·年)。

C 2Fix 模型进一步发展需要考虑不同土地覆被类
型(比如,森林、草地、农田等)的生物物理和生物地球化学性质的变异性,以减少模型估算结果的不确定性。

关键词:净初级生产力;C 2Fix 模型;遥感;中国
1 引言
自1970年以来,陆地生态系统碳循环已成为全
球科学研究的焦点,1992年以来的世界环境和发展大会、《联合国气候变化框架公约》以及《京都议定书》等也引发了对陆地生态系统碳循环研究的高潮,
许多科学家在此领域做出了巨大的努力[1,2]。

NPP 定义为单位时间单位面积上植被所积累的有机物质的总量,是光合作用所吸收的碳和自养呼吸所释放的碳之间的差值[3]。

NPP 不仅是生态系统过程的关键调控因子,而且是陆地生态系统碳汇的主要决定因子[4]。

国际上大规模的NPP 研究开始于20世纪60年代。

比如20世纪60年代初期到70年代中期执行的国际生物圈计划(I BP ),它针对世界上一些主要生态系统的物质循环和生物生产力开展了许多观测和实验工作,并建立了大量的模型,用系
统分析的手段进行了生态系统功能过程的研究[2]。

随后的人与生物圈计划(M AB )和国际地圈生物圈计划(IG BP )也一直把NPP 的研究作为生态学研究的热点
[2]。

伴随着I BP 、M AB 和IG BP 计划的推动,全
球开展了大量长期定位观测和模型模拟研究,而且
研究手段不断完善和创新,从最初传统的生态测量
到遥感(RS )、地理信息系统(GIS )、全球定位系统(G PS )等多技术支持的实现;数据源亦不断扩大,从
最初简单的实地测量数据至海量遥感、GIS 和定位观测等多源数据的应用;空间尺度从个体、斑块尺度扩展到景观、区域乃至全球尺度
[5]。

我国陆地生态系统生产力的主要研究始于20世纪70年代,随着三大国际生物学计划的实施和推动,发展比较迅速,开展了陆地生态系统生产力的测定和研究工作
[6,7]。

1988年,中国科学院建立了中国生态系统研究网络(CERN ),网络包括了农田、森林、草地、沙漠、沼泽、湖泊、海洋等不同生态系统的试验站,针对植被生产力进行了长时间的生态系统监测和定点定位观测
[5]。

2002年,中国陆地生态系统通量观测研究网络(ChinaFlux )成立,采用微气象学的涡度相关技术和箱式Π气相色谱技术,开展更加精确的生态系统生产力长期观测研究。

在大量生产力测定和通量观测工作的基础上,研究人员进行了生产力的模型模拟和空间格局分析。

例如,朴世龙、方精云等利用C AS A 模型估算了我国1997年植被
NPP及其空间分布[8],陶波等应用CE VS A模型估算了1981年~1998年中国陆地生态系统NPP的时空变化[9],冯险峰等利用BEPS模型估算了我国2001年陆地生态系统NPP[10],卢玲等利用C2Fix模型估算了2002年中国西部地区植被净初级生产力的时空格局[11],崔林丽等利用G LO2PE M模型对1981年~2000年间中国陆地净初级生产力的季节变化进行了研究[12],何勇等利用植被与大气相互作用模式(AVI M)对现代中国陆地生态系统NPP的分布进行了模拟,并估算了全国NPP的碳总量[13]。

目前,
国内利用各种模型对中国陆地生态系统的净初级生产力的现实时空分布格局做了很多的工作,所采用的模型有统计模型、参数模型以及机理过程模型。

研究的空间尺度有区域的,也有全国的。

本研究旨在通过Veroustraete等开发的C2Fix模型[14],利用气温、降水、入射太阳总辐射数据和遥感数据等多源数据,从资源平衡的角度探求碳循环过程点到面的尺度转换方法,分析中国陆地生态系统NPP的现实时空分布格局特征,并与其他模型的模拟结果进行比较,为评价中国陆地碳源Π汇在全球中的地位和作用提供科学依据,也为我国参与《联合国气候变化框架公约》和《京都议定书》的外交谈判提供必要的数据。

2 C2Fix模型
由Frank Veroustraete等建立的C2Fix模型由气温、太阳辐射和植被冠层吸收的光合有效辐射比例(fA P AR)3个变量驱动[14]。

C2Fix模型的总的技术流程见图1。

对于给定的点或单个像元,C2Fix模型用公式(1)计算每日的NPP的值,NPP单位为g CΠ(m2·日):
N PP d=p(T atm)·CO2fert·ε·fA P AR
·c·s
g,d
·(1-A d)(1)
式中:p(T
atm )为N PP
d的归一化的气温依赖性
[14];
C O2fert为标准化的C O2施肥因子[14];ε为辐射利用效率(RUE),等于1110g CΠM J[14]。

式(1)各项含义及其单位见表1。

气温依赖性因子p(T
atm )代表了N PP
d
归一化
的气温依赖性。

它考虑了光合作用Rubisco水平的羧化Π氧化反应的热力学性质,它与C O
2
施肥因子
(C O
2
fert)一起共同考虑了Rubisco水平的C O2固定
反应的C O
2和O2依赖性
[14]。

ε是形成干物质产量
图1 C2Fix模型总的技术路线
Fig11 T echnique flow of C2Fix m odel
表1 公式(1)中各项的数值及单位
T able1 The terms,their signi ficance and units in Equ ation(1)
公式项说明单位
c气候效率系数,取0148
p(T atm)归一化的气温依赖性因子,取值范围0~1
C O2fert
标准化的C O2施肥因子,无施肥效应,取值
为1;有施肥效应取值大于1。

fAP AR植被冠层吸收的光合有效辐射比例
ε辐射利用效率(RUE),取值111[g CΠM J]
S g,d逐日入射太阳总辐射[M JΠ(m2·日)]
A d自养呼吸比例
R h,d异养呼吸[g CΠ(m2·日)]
的PAR波段辐射利用效率(RUE)。

ε取2145g DMΠM J,取碳与干物质比率为0145使干物质转换为碳。

因此,ε为111g CΠM J[14]。

吸收的PAR的单位为: M JΠ(m2·日)。

A d是被自养呼吸消耗的光合同化物占原光合
同化物的比率。

A
d的计算基于G oward和Dye (1987)的经验公式[15]。

fA P AR是植被冠层吸收的光合有效辐射比例,它通过描述fA P AR和叶面积指数(LAI)之间关系的经验模型计算[16]:
fA P AR=9315·[110-exp(-0190·LAI)](2)
方程(1)中的温度依赖性因子p(T
atm
)是用落叶林和松树林的数据来确定参数[17~19]:
p(T atm)=
e C1-
ΔH
a,P
R
g
T
1+e
ΔST-ΔH
d,P
R
g
T
(3) 表2列出了温度函数(3)的参数。

这个函数在一个特定的温度下有一个最大值1。

以上方程中的大部分参数根据树种的不同会有不同的取值。

C2Fix模型是对欧洲3个不同树种的
64资 源 科 学29卷第6期
参数值取平均[14]。

Veroustraete定义C O
2施肥为由于C O2水平高于大气背景水平(或参考水平)而引起碳同化的增
加[14]。

在C2Fix模型中采用如下公式计算C O
2施肥
效应因子(C O
2
fert)
C O2fert=
[C O2]-
[O2]

[C O2]r ef-
[O2]

K m1+
[O2]
K0
+[C O2]r ef
K m1+
[O2]
K0
+[C O2]
(4)
方程(4)中的各参数含义及单位见表3。

从以上方程可以看出,C O
2施肥效应独立于V max。

在C2Fix模型计算中,没有考虑叶肉与大气间
的C O
2
梯度,例如气孔控制[14]。

根据Badger和C ollatz(1976),亲和系数K m和K0表示一种温度依赖性(根据Arrhenius关系),它们的计算公式如下:
K m=Ae(-E aΠR g T)(5) 温度依赖性表现出两个阶段,于是根据温度条件,两组参数被用于模型中[21]:如果T≥15℃,则E a1=5914k JΠm ol,A1=24119×1012。

或者,当T< 15℃,则E a2=10916k JΠm ol,A2=19716×1020。

O2的抑制常数K0也是根据方程(5)的形式进
行计算,其中A
=8240,E a0=1391315。

C O2ΠO2的特征比率τ计算如下:
τ=A
τ
e(-E aτ/R g T)(6)
式中:Aτ=01787×10-4,E

=-4286919
表4列出了用于模拟C O
2
施肥效应的25℃时的参数值。

3 数据来源和数据处理
在C-Fix模型模拟的过程中,输入数据的质量是影响模拟结果的一个重要因素。

根据模型的要求,所有的空间数据都与中国1∶400万DE M数据相匹配,空间分辨率是1km,栅格数为5300×4300。

所有格网采用A LBERS投影(投影参数:25°and47°N standard parallels and a110°E meridian),所有输入数据在模型运行前都投影到这个空间分辨率和投影方式。

311 气温、降水和太阳辐射
公式(1)中的一个重要参数是气温。

气温在自养呼吸和光合速率的估算中起到很重要的作用。

本研究中的逐日气温数据来自中国气象局国家气象信息中心气象资料室提供的中国地面气候资料日值数据集的全国2003年670个台站的平均气温数据。

表2 温度函数p(T atm)参数
T able2 List of the p arameters used in the temperature
function p(T atm),Eq.(3)
公式项说明单位
C1常数
ΔH
a,P
活化能JΠm ol
R g气体常数JΠ(K·m ol)
T气温K
ΔS CO2变性平衡的熵JΠ(K·m ol)
ΔH
d,P
去活化能JΠm ol
表3 CO2施肥效应因子CO2fert的参数表T able3 P arameter list of Eq.(5),the CO2fertilization function
公式项说明单位
τCO2ΠO2特征比
K m Rubisco的CO2亲和常数[%CO2]
K0O2的抑制常数[%O2]
V max最大光合速率[g CΠ(m2·s)] [CO2]叶片叶肉组织间的CO2浓度[CO2]
表4 方程(4)中各参数在25℃时的取值
T able4 P arameter values at25℃used in the CO2
fertilization effect Eq.(4)
参数取值
τ2550100
K m948100
K030100
[O2]20190
[CO2]ref281100
CO2fert1126
在做太阳辐射数据的空间插值时,需要考虑降水对太阳辐射的影响,因此研究还用到了地面气候资料日值数据集中的2003年670个台站的降水量数据。

公式(1)中的另一个重要参数是太阳辐射。

太阳辐射可以用测辐射计直接测量,也可以通过日照时数和云量来计算[22~24]。

本研究的太阳辐射数据来自中国气象局国家气象信息中心气象资料室提供的中国辐射日值数据集的全国2003年98个站的总辐射数据。

312 气象数据的处理
31211 气象数据的预处理 对于台站观测数据,预处理步骤如下:
(1)检查数据,记录缺失数据的台站号及缺失数据的时间段。

比如,天池站是一个季节站,只有6月、7月、8月、9月的数据。

(2)整理数据,便于插值。

其中站点的位置信息是经纬度要转换成大地坐标。

气温数据的单位是011℃。

降水数据的单位是011mm。

降水量包括了每日的降雨、降雪以及纯雾露霜等总量。

微量的降水量取为零。

太阳总辐射数据的单位为0101M JΠm2。

74
29卷第6期陈 斌等:中国陆地生态系统NPP模拟及空间格局分析
(3)用C语言编程,将气象数据重新组织,变成ANUSP LI N插值软件要求的输入格式。

31212 气象数据的插值 气温、降水、太阳辐射等气象要素的空间插值,无论是估算未知点的特征值,还是由不规则观测点数据生成等值线或栅格表面,都是根据给定的一组或多组离散点的特征值与空间位置拟合一个函数方程,是函数方程充分反映给定点特征值与空间位置间的数学关系,从而推断一定区域范围内其他空间点的特征值。

其本质就是通过空间建模来拟合生成充分逼近要素分布特征的函数方程[25~28]。

空间插值的模型和算法有很多,比如最临近法(Nearest Neighbor)、反距离权重法(I DW A)、样条函数法(S pline)、多元回归法(P olynomial regression)、趋势面法、克里格(K riging)和协同克里格(C okriging)等。

Nalder和Wein等对站点稀疏地区温度和降水插值的研究表明,引入经纬度坐标和海拔高程的GI DS模型优于包括克里格在内的其他空间自相关插值方法[29]。

而经过Prince等的研究发现,空间异相关模型ANUSP LI N的精度又高于GI DS方法[28]。

所以,本研究采用澳大利亚国立大学开发的ANUSP LI N软件对气象数据进行空间插值。

ANUSP LI N是澳大利亚国立大学(Australia National University)利用FORTRAN开发的空间插值模型,利用优化薄板平滑样条函数来拟合气象数据,这一模型对所需的气象站点数量没有限制[26]。

模型要求输入气象站点的位置和高程或其他辅助数据以及要素值。

313 叶面积指数数据
叶面积指数(LAI)数据来自美国国家航空航天局(NAS A)的地球观测系统数据库(Earth Observing System Data G ateway)的M ODISΠTERRA传感器的产品。

M ODIS数据产品(M OD15A2)是每16天的1km 空间分辨率的栅格数据,投影方式是正弦曲线投影。

这些数据产品级别是V004,数据经过验证,在一定范围的代表条件下产品的不确定性得到很好的定义。

下载的LAI数据产品经过投影变换、拼接、去云处理等预处理过程,可以直接输入模型。

4 结果分析
411 2003年中国APAR的空间分布
中国陆地生态系统所吸收的光合有效辐射量取决于两个参数:太阳总辐射量和吸收的光合有效辐射的比率(fA P AR)。

A P AR=fA P AR·c·S g,d(7)式中:c是气候效率系数;C2Fix模型取为常数0148。

利用C2Fix模型获得的中国2003年A P AR的分布,如图2。

从图2中可以看出,中国陆地生态系统所吸收的年光合有效辐射整体上呈东南高西北部低的趋势。

从区域分布来看,青藏高原东南部热带雨林地区不仅太阳辐射丰富,而且水热条件也适合于植被生长,因此该地区是我国年A P AR最大的地区,平均超过3000M JΠ(m2·年);海南岛南部地区,云南省西南部、台湾东南部等热带一些地区的年A P AR在2500M J~3000M JΠ(m2·年)之间;福建、浙江、云南大部、海南大部、广东南部等一些亚热带地区的年APAR在2000M J~2500M JΠ(m2·年)之间;东北长白山、小兴安岭、大兴安岭等林区以及江南和秦岭一些地区的年A P AR一般在1000M J~2000M JΠ(m2·年)之间;除了青藏高原东南部以及天山地区以外的整个西北地区年A P AR基本上小于100M JΠ(m2·年),其中塔克拉玛干沙漠年A P AR最小,接近于0。

412 2003年中国陆地生态系统NPP空间分布格局图3给出了中国2003年的NPP。

计算结果表明,2003年中国陆地生态系统NPP平均值为640132g CΠ(m2·年),NPP总量为4137Pg C(1Pg= 1015g),这一结果大于冯险峰等利用2001年气象数据、植被数据和土壤数据由BEPS2China模型得出的结果[10](2124Pg C)。

这一结果小于陈利军等利用G LO2PE M模型计算的结果[30](6113Pg C)。

从图3中可以看出,我国陆地生态系统年NPP 分布主要受水热条件的限制[8],整体分布趋势是从东南沿海向西北部逐渐减小,西北沙漠地区最小。

从区域分布来看,海南岛南部、云南西南部和南部、青藏高原东南部地区水热条件好,植被以热带、亚热带常绿阔叶林为主,因此该地区植被的NPP明显高于其他地区,平均在1800g~2500g CΠ(m2·年)之间,极大值为2743gCΠ(m2·年)。

我国大部分亚热带地区自然植被NPP平均在1000g~1800g CΠ(m2·年)之间,其中横断山区、武夷山区一带和台湾中部等亚热带森林的年初级生产力在1500g~1800g CΠ(m2·年)之间。

东北东部、秦岭山区、四川东南部等一些地区的年NPP在1000g~1500g CΠ(m2·年)之间;温带地区除森林植被以外大部分自然植被的年NPP一般在400g~800g CΠ(m2·年)之间;青藏高原和新疆绝大部分地区,一般在100g CΠ(m2·年)以下;西部塔克拉玛干沙漠地区植被稀疏,植被年净初级
84资 源 科 学29卷第6期
94 29卷第6期陈 斌等:中国陆地生态系统NPP模拟及空间格局分析
生产力不足5g CΠ(m2·年)。

413 中国陆地生态系统植被NPP的季节变化图4表示的是2003年中国NPP的逐月动态变化。

从中可以看到中国NPP的季节变化还是很明显的,并且它与气温、降水和太阳辐射的季节变化密切相关。

总体上来说,夏季(7月、8月份)全国各地区太阳辐射丰富,水热条件适合于植物生长[8],因此这两个月的NPP达到极大值,占全年净初级生产力的34128%。

7月份的NPP月累积值达到最高值(759186T g C)(10T g=108g)。

冬季(12月、1月、2月份),我国平均太阳辐射和气温达到最低,秦岭以北地区的植被在这3个月期间基本停止生长,而以南地区植被受温度等环境因素的影响,光能转化率比夏季低[8]。

因此,这3个月的NPP值较低。

其中1月份的NPP月累积值下降到最低值(85105T g C)。

图5表示的是2003年全国NPP日总量的逐日
05资 源 科 学29卷第6期
动态变化。

从中可以看到全国NPP 日总量随DOY
的变化呈现单峰曲线,在约第215天时,全国NPP 日总量达到最大值32159T g C。

图5 2003年全国NPP 日总量的逐日动态变化
Fig 15 T otal daily NPP dynam ic change for whole China in 2003
5 讨论
C 2Fix 模型直接考虑了由于大气C O 2浓度的升
高而引起的C O 2施肥效应对陆地生态系统NPP 的影响。

不仅如此,GIS 技术和遥感数据等的运用使
得C 2Fix 模型可以在高时间和空间分辨率的基础上估计陆地生态系统的NPP ,并且得到了中国陆地生态系统NPP 直观的空间分布图。

本研究模拟的结果与其他研究的比较见表5。

从表中可以看出,本研究结果(4137Pg C )大于冯险峰等利用2001年气象数据、植被数据和土壤数据由
BEPS 2China 模型得出的结果(2124Pg C )[10]。

本研究结果也大于朴世龙、方精云等利用C AS A 模型估
算的1997年中国植被NPP (1195Pg C )[8]
,而小于陈利军等利用G LO 2PE M 模型计算的结果(6113Pg C )[30],但与刘明亮利用BEPS 2China 模型估算的中国
陆地生态系统NPP 的结果(4172Pg C )比较接近[31]。

因此,本研究的结果具有可靠性,能为中国NPP 的模型研究提供参考。

此外,经过对比,本研究模拟结果的空间格局与其他模型的结果基本一致。

例如,卢玲等也曾经用C 2Fix 模型对中国西部地区植被净
初级生产力的时空格局进行估算[11]
,本研究模拟结果在西部地区的空间格局与卢玲等的估算结果基本一致。

C 2Fix 模型还存在着一些不足。

比如,模型没有考虑不同土地覆被类型(森林、草地、农田等)在生物物理性质和生物地球化学性质上的差异。

因此模型输出的结果存在着一定的不确定性。

本研究中由于所得到的LAI 数据在东北部分地区存在缺失,所以
表5 本研究模拟结果与其他模型模拟结果的比较T able 5 Comp arison w ith other modeling
时间
模型空间分辨率NPP (Pg C Π年)
作者1990G LO 2PE M
8km 6113
陈利军[30]
1992M iami 1km 3172孙睿等[32]1997CAS A 8km 1195朴世龙等[8]1990s BEPS 2China 10km 4172刘明亮[31]1981~2000CE VS A 011°3127曹明奎等[33]1981~2000G LO 2PE M 011°3100曹明奎等[34]2001BEPS 2China 1km 2124冯险峰[10]2003C 2Fix 1km 4137本研究
对模型最后估算的结果也会有一定的影响。

本研究
中的太阳辐射的插值虽然考虑了降水对太阳辐射的影响,但是由于参与插值的站点数较少(98个辐射台站),所以太阳辐射的插值精度仍需提高,太阳辐射的插值方法仍需改进。

在将来,还应利用发表的数据对模型的输出结果进行验证,并通过进一步研究误差来源,以提高模型估算值的准确性。

6 结论
本研究采用的是光能利用率模型(C 2Fix 模型)。

模型通过C O 2施肥效应、高时空分辨率的M ODIS 遥感数据、中国气温栅格数据、中国太阳辐射栅格数据,模拟了2003年中国陆地生态系统净初级生产力(NPP ),分析了2003年中国陆地生态系统的NPP 时空分布格局,获得如下结论:
(1)我国陆地生态系统所吸收的年光合有效辐射整体上呈现东南高西北低的趋势。

青藏高原东南部热带雨林地区是我国年A P AR 最大的地区,平均
超过3000M J Π(m 2·年)。

青藏高原东南部以及天山
地区以外的整个西北地区年A P AR 基本上小于100
M J Π(m 2·年),其中塔克拉玛干沙漠年A P AR 最小,接近于0。

(2)2003年中国陆地生态系统NPP 总量为
41368Pg C ,平均值为6401322g C Π(m 2·年)。

(3)我国陆地生态系统NPP 空间变化明显,整体分布趋势是从东南沿海向西北部逐渐减小。

其中,海南岛南部、云南西南部和南部、青藏高原东南部地区是我国年NPP 最高的地区。

参考文献 (R eferences ):
[1] M elillo.J.M ,M cguire A D ,K icklighter D.W.,et al.G lobal climate
change and terrestrial net primary production [J ].Nature ,1993,(363):234~2401
[2] 于贵瑞.全球变化与陆地生态系统碳循环和碳蓄积[M].北
京:气象出版社,20031[Y U G ui 2rui.G lobal Change ,Carbon Cycle
and S torage in T errestial Ecosystem[M].Beijing :M eteorology Press ,
1
529卷第6期陈 斌等:中国陆地生态系统NPP 模拟及空间格局分析
20031]
[3] Lieth.H,Whittaker.R.H.Primary Productivity of the Biosphere
[M].New Y ork:S pringer2Verlad Press,19751
[4] Field,C.B.,M.J.Behren feld,J.T.Randers on.,et al.Primary
production of the biosphere:Integrating terrestrial and oceanic
com ponents[J].Science,1998,(281):237~2401
[5] 冯险峰,刘高焕,陈述彭,等.陆地生态系统净第一性生产力
过程模型研究综述[J].自然资源学报,2004,19(3):369~
3781[FE NG X ian2feng,LIU G ao2huan,CHE N Shu2peng,et al.
S tudy on process m odel of net primary productivity of terrestrial
ecosystems[J].Journal o f Natural Resources,2004,19(3):369~
3781]
[6] 冯宗炜,王效科,吴刚.中国森林生态系统的生物量和生产
力[M].北京:科学出版社,19991[FE NG Z ong2wei,W ANG
X iao2ke,W U G ang.Biomass and Productivity of China F orest
Ecosystem[M].Beijing:Science Press,19991]
[7] 李文华,李飞.中国森林资源研究[M].北京:中国林业出版
社,19961[LI W en2hua,LI Fei.Research of F orest Res ources in
China[M].Beijing:China F orestry Publishing H ouse,19961] [8] 朴世龙,方精云,郭庆华.利用CAS A模型估算我国植被净第
一性生产力[J].植物生态学报,2001,25(5):603~6081
[PIAO Shi2long,FANG Jing2yun,G UO Qing2hua.Application of
CAS A m odel to the estimation of Chinese terrestrial net primary
productivity[J].Acta Phytoecologica Sinica,2001,25(5):603~
6081]
[9] 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[J].地理学报,2003,58(3):372~3801[T AO Bo,LI K e2
rang,SH AO Xue2mei,et al.T em poral and spatial pattern of net
primary production of terrestrial ecosystems in china[J].Acta
G eographica Sinica,2003,58(3):372~3801]
[10] 冯险峰.基于过程的中国陆地生态系统生产力和蒸散遥感研
究[D].北京:中国科学院地理科学与资源研究所,20041
[FE NG X ian2feng.S imulating Net Primary Productivity and Evapo
T ranspiration of T errestrial Ecosystem in China Using a Process M odel
Driven by Rem ote Sensing[D].Beijing:Institute of G eographical
Sciences and Natural Res ources Research,CAS,20041]
[11] 卢玲,李新,F.Veroustraete,中国西部地区植被净初级生产
力的时空格局[J].生态学报,2005,25(5):1026~10331[LU Ling,LI X in,F.Veroustraete.T errestial net primary productivity
and its spatial2tem poral variability in western China[J].Acta
Ecologica Sinica,2005,25(5):1026~10331]
[12] 崔林丽,史军,唐娉,等,中国陆地净初级生产力的季节变化
研究[J].地理科学进展,2005,24(3):8~171[CUI Lin2li,SHI Jun,T ANG Ping,et al.Seas onal change of terrestrial net primary
productivity in China[J].Advances in Earth Science,2005,24(3):8
~171]
[13] 何勇,董文杰,季劲均,等,基于AVIM的中国陆地生态系统
净初级生产力模拟[J].地球科学进展,2005,20(3):345~
3491[HE Y ong,DONG W en2jie,J I Jin2jun,et al.The net primary
production simulation of terrestrial ecosystems in China by AVIM[J].
Advances in Earth Science,2005,20(3):345~3491][14] Veroustraete F,Sabbe H,Eerens H.Estimation of carbon mass
fluxes over Europe using the C2Fix m odel and Euroflux data[J].
Remote Sensing o f Environment,2002,83:376~3991
[15] G oward,S N,D.G.Dye,Evaluating N orth2American net primary
productivity with satellite observations[J].Advanced Space Research,
1987,7(11):165~1741
[16] 陈泮勤,黄耀,于贵瑞,地球系统碳循环[M].北京:科学出
版社,20041[CHE N Pan2qin,H UANG Y ao,Y U G ui2rui.Carbon
Cycle in Earth System[M].Beijing:Science Press,20041]
[17] Jach,M.E.,R.Ceulemans,E ffects of seas on,needle age and
elevated atm ospheric CO2on photosynthesis in Scots pine(Pinus
sylvestris)[J].Tree Physiology,2000,20:145~1571
[18] Sams on R.,S.F ollens,R.Lemeur..Scaling leaf photosynthesis to
canopy in a mixed deciduous forest.II.A S imulation study for tw o
growing seas ons[J].Silva Gandavensis,1997b,62:22~351 [19] W ang F.K.Y.Canopy CO2exchange of Scots pine and its seas onal
variation after four year exposure to elevated CO2and tem perature
[J].Agricultural and Forest Meteorology,1996,82:1~271 [20] Badger M.R.,&C ollatz,J.G.S tudies on the K inetic M echanism of
Ribulose21,52Bisphosphate Carboxylase and Oxygenase,with
Particular Reference to the E ffect of T em perature on K inetic
Parameters[M].In Carnegie Institution Annual Report of the
Director,Department of Plant Biology,1977,76:355~3611
[21] Veroustraete F.On the use of ecosystem m odeling for the
interpretation of climate change effects at the ecosystem level[J].
Ecological Modeling,1994,75~76,221~2371
[22] Angstrom,A.S olar and terrestrial radiation[J].Quarterly Journal o f
the Royal Meteorological Society,1924,50:121~1251
[23] Hargreaves,G.L.,Hargreeves G H,Riley P.Irrigation water
requirement for Senegal River Basin[J].Journal o f Irrigation and
Drainage Engineering,ASCE,1985,111(3):265~2751
[24] Supit,I.,R.R.Van K appel.A sim ple method to estimate global
radiation[J].Solar Energy,1998,63(3):147~1601
[25] C ollins F.C.A com paris on of spatial interpolation techniques in
tem perature estimation[E BΠO L].http:ΠΠw w Πcon fΠ
S ANT A-FE-CD-ROMΠs f-papersΠcollins fredΠcollins.html,2007
-09-121
[26] Hutchins on,M.F.The application of thin2plate sm oothing splines to
continent2wide data assimilation[A].In:Jasper J.D.(Ed.),
BMRC Research Report N o.27,Data Assimilation Systems[C].
M elbourne:Bureau of M eteorology,19911
[27] Lam N S.S patial interpolation methods:A review[J].The American
Cartographer,1983,10(2):129~1491
[28] Price D T,M ckenney D W,Nalder I A,et al.A com paris on of tw o
statistical methods for spatial interpolation of Canadian m onthly mean
climate data[J].Agricultural and Forest Meteorology,2000,101:81
~941
[29] Nalder,I.A.,R.W.W ein.S patial interpolation of climatic
N ormals:T est of a new method in the Canadian boreal forest[J].
Agricultural and Forest Meteorogy,1998,9:211~2251
[30] 陈利军,刘高焕,励惠国.中国陆地植被净第一性生产力遥感
25资 源 科 学29卷第6期
动态监测[J ].遥感学报,2002,6(2):129~1351[CHE N Li 2jun ,
LIU G ao 2huan ,LI Hui 2guo.Estimation net primary productivity of terrestrial vegetation in China using rem ote sensing[J ].Journal o f
Remote Sensing ,2002,6(2):129~1351]
[31] 刘明亮.中国土地利用Π土地覆被变化与陆地生态系统植被
碳库和生产力研究[D].北京:中国科学院遥感应用研究所,
20011[LIU M ing 2liang.
Land 2Use ΠLand 2C over and T errestrial
Ecosystem Phytomass Carbon P ool and Production in China [D ].Beijing :Institute of Rem ote Sensing Applications ,CAS ,20011]
[32] 孙睿,朱启疆.陆地植被净第一性生产力的研究[J ].应用生
态学报,1999,10(6):757~7601[S UN Rui ,ZH U Qi
primary productivity of terrestrial vegetation[J ].Chinese Journal o f
Applied Ecology ,1999,10(6):757~7601]
[33] 曹明奎,陶波,李克让,等.1981~2000年中国陆地生态系统
碳通量的年际变化[J ].植物学报,2003,45(5):552~5601
[CAO M ing 2kui ,T AO Bo ,LI K e 2rang ,et al.Interannual variation in terrestrial ecosystem carbon fluxes in China from 1981to 1988[J ].
Acta Botanica Sinica ,2003,45(5):552~5601]
[34] M ingkui Cao ,S tephen D.Prince ,Jennifer Small ,et al.Rem otely
Sensed Interannual Variations and T rends in T errestrial Net Primary Productivity 1981~2000[J ].Ecosystems ,2004,7:233~2421
Study on Modeling and Spatial P attern of N et Primary Production in China ’s T errestrial E cosystem
CHE N Bin 1,2,W ANG Shao 2qiang 1,LIU R ong 2gao 1,S ONG T ing 1,3
(1.Institute o f G eographic Sciences and Natural Resources Research ,C AS ,Beijing 100101,China ;2.G raduate Univer sity o f C AS ,Beijing 100049,China ;3.Nanjing Normal Univer sity ,Nanjing 210097,China )
Abstract :T errestrial carbon cycle has been the focus in global change research.Simulating net primary
production of terrestrial ecosystems has been very im portant in carbon cycle research for evaluating primary production at global or regional scale ;simulating the growth of crop ;estimating the spatial pattern of carbon flux and its interaction with climate ;and predicting the variation of ecological environment.This study aims to simulate China ’s terrestrial NPP in 2003using a rem ote sensing 2based region 2scale parametric m odel (C 2Fix m odel )to explore the tem po 2spatial patterns of China ’s terrestrial net primary production ;and to reveal the mechanisms of their responses to various environmental factors in the light of res ources balance.C 2Fix m odel is advantageously sim ple and easy to be established.F or these purposes ,a national input database has been set up on a 1day 21km tem po 2spatial res olution.Data used in this study includes :Leaf Area Index (LAI ),daily tem perature grid data ,daily precipitation grid data and daily s olar radiation grid data.The results show that ,in 2003,China ’s total and average terrestrial NPP were
4137Pg C and 640132g C Π(m 2·a ),respectively.The spatial pattern of NPP is :NPP gradually
decreased from s outheast of China to northwest of China ;the value of NPP are greatest in tropical rain forest and m ons oon forest of s outh of Hainan Island ,s outhwest and s outh of Y unnan province and
s outheast of Qing 2T ibet Plateau ,it is between 1800and 2500g C Π(m 2·a ),the maximum value is 2743
g C Π(m 2·a ).The NPP value is below 100g C Π(m 2·a )in m ost parts of Qing 2T ibet Plateau and X injiang
province.The vegetation is sparse in T aklimakan Desert and its NPP is no m ore than 5g C Π(m 2·a ).The
total NPP value derived from this study is consistent with (2124~6113Pg C )or close to results of other relevant researches ,convinced this study ’s reliability.M oreover ,the spatial pattern of NPP simulated by C 2Fix m odel is in accordance with the results of other similar m odels.This indicates that C 2Fix m odel is appropriate to be applied in China.Future w ork inv olves the consideration of the variations in the biophysical and biogeochemical attributes of different land cover types (i.e.forest ,grassland ,cropland and s o on )to reduce the uncertainty of the m odel.
K ey w ords :Net Primary Production ;C 2Fix M odel ;Rem ote sensing ;China
3
529卷第6期陈 斌等:中国陆地生态系统NPP 模拟及空间格局分析。

相关文档
最新文档