Scientia Geographica Sinica 2012 , 32 (5): 621-627 https://doi.org/10.13249/j.cnki.sgs.2012.05.621

Orginal Article

青海省草地资源净初级生产力遥感监测

卫亚星, 王莉雯, 石迎春, 李路子

辽宁师范大学海洋经济与可持续发展研究中心辽宁师范大学自然地理与空间信息科学辽宁省重点实验室辽宁师范大学城市与环境学院, 辽宁大连 116029

Net Primary Productivity of Grassland Resources Monitoring Based on Remote Sensing Data in Qinghai Province

WEI Ya-xing, WANG Li-wen, SHI Ying-chun, LI Lu-zi

Center for Marine Economic and Sustainable Development, Liaoning Normal University, Liaoning Key Laboratory of Physical Geography and Geomatics, Liaoning Normal University, College of Urban and Environmental Science, Liaoning Normal University, Dalian,Liaoning 116029, China;

中图分类号: TP79/P423.3

文献标识码: A

文章编号: 1000-0690（2012）05-0621-07

收稿日期: 2011-05-30

修回日期: 2011-08-17

网络出版日期: 2012-05-20

基金资助: 教育部人文社会科学研究青年基金项目（10YJCZH156）、辽宁省教育厅科学研究一般项目（L2010226）、教育部人文社会科学重点研究基地项目（08JJD790142）资助

作者简介:

作者简介：卫亚星（1969-）,男,青海湟源人,副教授,博士（后）,主要从事遥感和GIS的应用研究。E-mail: wyx9585@sina.com

展开

摘要

在研究特定区域的草地光能利用率和环境影响因素典型特点的基础上,建立基于光能利用率的草地NPP遥感估算模型,模拟并分析2006年青海省草地FPAR、光能利用率、NPP的空间分布和季相变化特征。研究结果表明,2006年青海省草地净初级生产力平均值为173.28 gC/(m²·a)。青海省东南部、南部和青海湖周围三个地区,是青海省草地NPP较高的区域。不同草地类型的NPP存在差异,高覆盖度草地的单位面积平均NPP为193.82 gC/(m²·a),中覆盖度草地NPP为157.14 gC/(m²·a),低覆盖度草地NPP为121.08 gC/(m²·a)。

关键词： 草地资源 ; 净初级生产力 ; 光能利用率模型 ; 遥感 ; 青海省

Abstract

With research on grassland light use efficiency and environment impacting factors in special regions, the NPP model of grassland based on light use efficiency is built in the paper. The spatio-temporal variations of FPAR（Fraction of Photosynthetically Active Radiation）, light use efficiency and NPP for grassland in 2006 in Qinghai Province are simulated and analyzed. The result shows that the mean value of grassland NPP in 2006 in Qinghai Province is 173.28 g/（m²·a）. The area with higher grassland NPP values appear in the south-east, the south and areas around the Qinghai Lake of Qinghai Province. NPP for various grassland types is different. The mean NPP in the unit area of dense grassland is 193.82 g/（m²·a）,in the middle density grassland is 157.14 g/（m²·a）and in sparse grassland is 121.08 g/（m²·a）.

Keywords： grassland resources ; net primary productivity ; light use efficiency model ; remote sensing ; Qinghai Province

PDF (535KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

卫亚星, 王莉雯, 石迎春, 李路子. 青海省草地资源净初级生产力遥感监测[J]. , 2012, 32(5): 621-627 https://doi.org/10.13249/j.cnki.sgs.2012.05.621

WEI Ya-xing, WANG Li-wen, SHI Ying-chun, LI Lu-zi. Net Primary Productivity of Grassland Resources Monitoring Based on Remote Sensing Data in Qinghai Province[J]. Scientia Geographica Sinica, 2012, 32(5): 621-627 https://doi.org/10.13249/j.cnki.sgs.2012.05.621

草地生态系统是陆地生态系统的重要组成部分,在全球碳循环和气候调节中起着重要的作用。草地净初级生产力（NPP）是草地碳固定能力的重要表征,草地NPP研究通过对草地生态系统生产力的模拟,定量分析其生产力的时空变化,正确评价在自然条件下草地的生产能力,从而对系统分析草地在全球气候变化中的生态价值和贡献、研究陆地碳循环机制等方面的研究提供了依据。草地NPP的研究对于合理利用草地资源,最大限度地提高草地产量以及对草地农业生态系统中的碳循环研究都具有重要的指导意义^[1~3]。

自20世纪,利用草地所特有的反射光谱特征,通过适当的遥感光谱波段组合,或通过遥感获得各种植被冠层状态变量值,作为重要参数已应用到NPP估算中。在模型估算草地NPP研究中,将遥感数据引入模型已成为一个重要的发展方向。采用遥感模型能够比较真实地反映草地NPP的时空分布状况,与其它草地NPP估算方法相比,基于遥感数据的草地NPP模型的优点在于：迅速的多时相数据更新能力;多尺度的空间概括能力;像元尺度上,个体生物之上的、非均一地物信息的提取能力^[4~6]。

本文在研究特定区域的草地光能利用率和环境影响因素典型特点的基础上,建立了基于光能利用率的草地NPP遥感估算模型,模拟并分析2006年青海省草地FPAR、光能利用率、NPP的空间分布和季相变化特征。

1 研究区域

本研究的研究区域为青海全省,青海省位于中国的西部,青藏高原东北部,与中国的新疆、四川、甘肃、西藏4省区相邻。地理坐标为89°35′~103°04′E,31°39′~39°19′N。全省东西长约1 200 km,南北宽约800 km,面积72.23×10⁴km²。境内巍峨的祁连山与唐古拉山耸峙南北两侧,昆仑山系的博卡雷克塔格山、布尔汗布达山、可可西里山、巴颜喀拉山、阿尼玛卿山（积石山）等山脉,横贯全境,构成了青海高原的明显骨架,其间分布着谷地、湖盆、高原和山地,组成祁连山山地、柴达木盆地和青南高原三大地貌,深刻地影响着草场的分布格局^[7]。

青海省是中国5大牧区之一,天然草场占全省总土地面积的50.46%,草场资源丰富,其中可利用草场面积占全省天然草地面积的87%,约占全国可利用草原面积的15%。草地主要集中于青南高原、祁连山地和柴达木盆地东南部边缘山地。草地类型主要分为6类,包括高寒草甸草地类、高寒草原草地类、高寒沼泽草地类、山地灌木草地类、山地草原草地类、山地疏林草地类。其中,高寒草甸草地类草场是青海省面积最大、分布最广的一类草场^[8]。

2 数据来源与预处理

2.1 遥感数据

本文采用的遥感数据主要包括MODIS数据产品和TM数据。

本研究在NPP模型构建过程中用于计算和验证的MODIS数据产品主要包括MOD09A1、MOD11A2、MOD12Q1、MOD13A2、MOD15A2、MOD17A2和MOD43B3,由美国LP DAAC(Land Process Distributed Active Archive Center,U.S.A)提供。对上述的MODIS数据产品做了以下的预处理工作：采用美国USGS EROS数据中心开发的MRT几何纠正与镶嵌软件,完成图像的镶嵌、几何纠正和重采样;用最大合成法（MVC）对研究区的上述多时相MODIS数据产品分别进行合成预处理,即图像中每一像元用j d中的最大像元值来代替,该处理的目的是为了减少大气的云、颗粒、阴影、视角以及太阳高度角的影响;对MODIS温度、反射率等数据产品中出现的异常值像元,用相邻时相图像的线性相关关系来修复异常值。

研究中使用的TM数据来源于1984年3月1日发射的Landsat-5。本文选择5景TM影像,轨道号分别为132/37、133/36、133/37、134/36和134/37,影像范围覆盖了整个青海省的达日县。5景影像的成像时间都在7月份,影像成像日期基本反映了一年中植被生长状况较好的时期,具有较好的代表性,并且影像质量较好,从而保证了图像分析处理的可操作性与所得结果的可靠性。本文对所选用的TM数据进行了几何校正和大气校正,对选用的TM影像的大气校正采用了ENVI 4.2软件的FlAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）大气校正模块进行。经FlAASH大气校正模块处理过的TM影像,增强了图像的对比度,可以去除一些薄雾。校正后的影像视觉效果不会很明显,但是其光谱特征差别很大。

2.2 气象数据

模型中需要多个气象参数的输入,气象数据从国家气象中心获取,本文选定青海省内41个站点的气象数据。气象要素包括这41个站点的平均气温（0.1℃）、降水量（0.1 mm）、平均空气相对湿度（％）、日照时数（0.1 h）、气压（0.1 hpa）、平均风速（0.1 m/s）。气象要素栅格图的生成过程如下：

① 根据数据中所提供的站点经纬度信息,将各时相的数据转换为空间矢量数据,并赋予地理坐标信息;② 将所需参数值作为属性字段添加到矢量数据中;③ 进行Kriging插值。上述处理通过ArcGIS软件实现。

2.3 土地覆盖分类图

本研究采用的青海省植被覆盖分类方法（已发表在《地理学报》英文版上）^[9],是在野外实地调查和综合考虑国内外各种土地覆盖分类方法优缺点的基础上,根据青藏高原植被覆盖类型的特征,将青海省草地覆盖类型划分为高覆盖度草地、中覆盖度草地和低覆盖度草地3个类别。经统计,高覆盖度草地的面积为57 456 km²,中覆盖度草地的面积为41 645 km²,低覆盖草地的面积为38 758 km²。

2.4 实测数据

本文所用的地面实测数据主要来源于在青海省达日县进行的实验,实验对象主要是草地。为了尽可能保证实地草地覆盖的真实情况,因此野外调查工作选在2006年7月份（青海草地生长状况最好的季节）进行。在野外踏勘过程中,使用GPS对典型地点精确定位,将实地植被与遥感图进行对比,记录典型地段的植被类型和植被覆盖状况。本次实验的观测内容主要包括：使用LI-6400便携式光合仪测量各青海高原典型草种类型的叶片净光合速率、气孔导度、蒸腾速率、叶温等植物生理指标;使用SUNSCAN冠层分析系统同时观测入射PAR（入射光合有效辐射量）（包括直射PAR和散射PAR）、TPAR（冠层底部的光合有效辐射量）等多项生态指标;采用LAI-2000植物冠层分析仪测量各典型草地类型的LAI;合理选择草地样方,测量各典型草地类型的生物量。

2.5 其它数据

本文草地生物量的基础数据主要来源于《2006年青海省统计年鉴》、《青海省草地资源》、《中国草地资源数据》、《达日县畜牧业区划》。

所参考的植被分布图包括《1:100万青海省草地资源类型图》、《达日县草地类型图》（比例尺为1:20万）。

所用的DEM数据主要来源是从国际热带农业中心网（Centro International de Agriculture Tropical,CIAT,http://srtm.csi.cgiar.org/）上下载的。下载的DEM数据格式为TIFF,空间分辨率为90 m。

3 方法

3.1 NPP估算模型构建

本文构建的NPP（下式中为N_NPP）遥感估算模型为：

$\begin{matrix} N_{NPP} = P_{PAR} \times F_{FPAR} \times \min (T_{s}, W_{s}) \times ε_{\max} \end{matrix}$ （1）

式中,P_PAR为光合有效辐射,单位为MJ/m²;F_FPAR为植被层对入射光合有效辐射（PAR）的吸收分量,无单位;T_s为温度对光能利用率的影响,无单位; W_s为水分对光能利用率的影响,无单位;ε_max为最大光能利用率,单位为gC/MJ。

3.2 最大光能利用率ε_max估算

最大光能利用率ε_max的取值因不同的植被类型而有所不同,它的取值大小对最终的NPP估算结果影响很大。本文根据研究区相关文献资料和野外实验数据,首先确定某种草地类型的一组NPP、PAR、FPAR、温度胁迫因子和水分胁迫因子观测数据,然后采用极大似然估计准则模拟出该种草地类型的ε_max。极大似然估计准则能求出未知参数的最优估值,估算结果具有最优的统计性质,亦即所估参数为最优线性无偏估计^{[10, 11]}。

采用极大似然估计准则,设V为NPP的残差, $\begin{matrix} {\hat{ε}}_{\max} \end{matrix}$ 为最大光能利用率ε_max的估值,则有误差方程：

$\begin{matrix} V = P_{PAR} \times F_{FPAR} \times \min (T_{s}, W_{s}) \times {\hat{ε}}_{\max} - N_{NPP} \end{matrix}$ （2）

经推导,可得最大光能利用率ε_max的估值 $\begin{matrix} {\hat{ε}}_{\max} \end{matrix}$ 为

$\begin{matrix} {\hat{ε}}_{\max} = \frac{\overset{n}{\sum_{i = 1}} x_{i} y_{i} - n \overset{̅}{x} \overset{̅}{y}}{\overset{n}{\sum_{i = 1}} {x_{i}}^{2} - n {\overset{̅}{x}}^{2}} \end{matrix}$ （3）

式中, $\begin{matrix} x_{i} \end{matrix}$ 为某种草地类型 $\begin{matrix} P_{PAR} \times F_{FPAR} \times \min \end{matrix} \begin{matrix} (T_{s}, W_{s}) \end{matrix}$ 的计算值; $\begin{matrix} y_{i} \end{matrix}$ 为某种草地类型的NPP值;i为某种草地类型的样本数;n为某种草地类型的最大样本数; $\begin{matrix} \overset{̅}{x} = \frac{1}{n} \overset{n}{\sum_{i = 1}} x_{i} \end{matrix}$ ; $\begin{matrix} \overset{̅}{y} = \frac{1}{n} \overset{n}{\sum_{i = 1}} y_{i} \end{matrix}$ 。

由于自然生长环境中草地草种类型的混杂性,每类草种的最大光能利用率值有所差异。为了提高各种草地遥感分类类型（高覆盖度草地、中覆盖度草地、低覆盖度草地）最大光能利用率ε_max的估算精度,在估算各种草地分类类型的最大光能利用率时,需要将主要草种类型的最大光能利用率信息均反映到所对应的草地遥感分类类型的最大光能利用率的值中,即计算主要草种类型最大光能利用率的加权平均作为对应的草地遥感分类类型的最大光能利用率,计算公式如下：

$\begin{matrix} ε_{\max} = \overset{n}{\sum_{i = 1}} c_{i} {(ε_{\max})}_{i} \end{matrix}$ （4）

式中,c_i为第i种草种类型所占的面积比例, $\begin{matrix} (ε_{\max})_{_{i}} \end{matrix}$ 为第i种草种类型的最大光能利用率。

本文根据研究区相关文献资料和野外实验数据^[12~14],采用极大似然估计准则模拟各草地类型ε_max的优化值,从而确定出研究区主要草地建群种类型的最大光能利用率取值。在模拟出研究区主要草地建群种类型的最大光能利用率的取值后,再采用公式（4）估算出各种草地遥感分类类型（高覆盖度草地、中覆盖度草地、低覆盖度草地）的最大光能利用率ε_max。

3.3 FPAR估算

本研究根据研究区数据构建NDVI（下式值为N_NDVI和FPAR之间的关系方程式,设定无植被覆盖地区,FPAR最小,其值为0;植被完全覆盖地区,FPAR达到最大值,即0.95^[15]：

$\begin{matrix} F_{FPAR} = \min [\frac{SR}{SRmax - SRmin} - \\ \frac{SRmin}{SRmax - SRmin}, 0.95] \end{matrix}$ （5）

$\begin{matrix} SR = \frac{1 + N_{NDVI}}{1 - NNDVI} \end{matrix}$ （6）

式中,SR_min在所有草地类型中取同一个值1.06,SR_max的取值与草地类型有关,即：高覆盖度草地取3;中覆盖度草地取2.17;低覆盖度草地取1.78。

3.4 水分对光能利用率的影响W_s的估算

准确建立水分对植被光能利用率的影响函数是有困难的。在传统的NPP模型中,经常使用的水分胁迫因子是由土壤湿度^[16]和水气压缺失（VPD）^[17]作为参与变量来构建相应的计算函数,但是这些参与计算的变量都存在各自的缺点：① 无论从模型中还是从遥感数据中都难以准确确定大尺度研究区域的土壤湿度数值,这限制那些基于土壤湿度的NPP模型的预测能力。② VPD不是一个好的表征土壤湿度条件空间异质性的指示因子,它与土壤含水量不是线性相关的。

本研究采用一种经实践证明较为成熟的计算水分胁迫因子的替代算法——蒸发比（EF,下式值为E_EF）^[18],用来计算水分对光能利用率的影响W_s：

W_s=E_EF=L_LE/（L_LE+H）（7）

式中,L_LE为潜热通量（W/m²）,H为显热通量（W/m²）。

在本研究中,水分胁迫因子W_s在数值上就等于EF。EF是一种良好的能表征土壤或植被水分条件的指示因子。许多研究都已采用EF来表征生态系统的水分条件^{[19, 20]}。另外,EF较易从遥感植被指数和陆表温度产品中获得,例如AVHRR和MODIS^[21],这是该方法的一个主要优点。

3.5 温度对光能利用率的影响T_s的估算

本研究采用Raich等^[22-28]建立的陆地生态模型（the Terrestrial Ecosystem Model,TEM）中的方法来计算T_s：

$\begin{matrix} T_{s} = \frac{(T - T_{\min}) (T - T_{\max})}{(T - T_{\min}) (T - T {}_{\max}{) - (T - T_{opt})^{2}}} \end{matrix}$ （8）

式中,T为大气温度,T_min、T_opt和T_max分别为光合作用的最低、最适和最高温度。如果大气温度低于T_min或高于T_max,将T_s定为0。在本研究中,T_min和T_max分别被定为0和36℃。同时,假设植物已经适应了其所生长的环境的温度,T_opt可定为生长季的长期平均温度。

4 结果与讨论

4.1 草地NPP遥感估算模型及估算结果的比较分析

本文构建的NPP遥感估算模型与以往研究草地的NPP估算模型相比,更适宜研究区草地NPP的估算,有利于估算精度的提高。所构建的模型是基于光能利用率的原理,并且借鉴了MODIS-PSN、CASA、GLO-PEM、VPM等光能利用率NPP模型的优点,同时充分考虑了特定区域其草地光能利用率和环境因素的典型特点,建立了针对特定区域的草地NPP遥感估算模型。因此,所构建的光能利用率模型能够直接利用遥感数据,而遥感数据具有的周期性强和观测面广等特点,极大地提高了光能利用率模型的时空分辨率,使NPP估算精度的提高及其时空动态监测成为可能。

将估算结果分别与2006年MODIS17A2的NPP产品、其他学者得到的相关NPP估算结果和野外实测数据进行了对比分析。本文估算结果与MODIS17A2的NPP产品相对比,显示本文草地NPP的模拟结果略低于MODIS17A2的NPP值。由于其他学者估算的是整个中国地区或整个青藏高原地区的平均NPP,而本文的研究区域为青海省,因此本文的草地NPP估算结果要较全国的NPP估计值小,而更接近研究区范围相对较小的青藏高原地区的模拟值。与海北青藏高原高寒草甸生态系统通量观测站的观测数据相比,本文在此坐标处草地NPP的模拟值比实测值高约13 gC/（m²·a）。综合以上比较结果显示,本文的NPP估算结果精度较高。

4.2 草地FPAR的季相变化

图1可以看出,三种草地类型（包括低覆盖度草地、中覆盖度草地、高覆盖度草地）的年内变化趋势是一致的：在生长季4~10月份FPAR明显大于其他月份的FPAR;7月份FPAR达到最高值;1~7月FPAR呈上升趋势,其中生长季的4~7月FPAR增幅最大;8~12月FPAR呈下降趋势,其中生长季的8~10月降幅最大。在全年的每个月,高覆盖度草地的FPAR最大,中覆盖度草地次之,低覆盖度草地的FPAR最小。这主要是因为,高覆盖度草地是由覆盖度较高、草质优良、产草量高的草种（如矮嵩草草甸、小嵩草草甸、线叶嵩草草甸等）组成的优质天然草场,而组成低覆盖度草地的草种覆盖度低、生产潜力低、利用率低,如硬叶苔、垫状绒藜（荒漠）草原、蔟生柔籽草垫状植被等。

显示原图| 下载原图ZIP| 生成PPT

图1 青海省2006年草地FPAR的季相变化

Fig.1 Seasonal change of grassland FPAR in Qinghai Province in 2006

4.3 草地光能利用率的季相变化

图2是青海省主要草地类型光能利用率的季节变化趋势图。青海省草地的全年变化趋势是：草地于每年4月开始返青,此时草地光能利用率的值开始增大（低覆盖度草地为0.078 gC/MJ,中覆盖度草地为0.089 gC/MJ,高覆盖度草地为0.129 gC/MJ）;5月是草地的生长期,这时水热同季的生境条件使草体内所进行的各种生理过程快而好,所积累的营养丰富,此时草地光能利用率的值增幅迅速（低覆盖度草地为0.092 gC/MJ,中覆盖度草地为0.114 gC/MJ,高覆盖度草地为0.147 gC/MJ）;这一年的6月份,由于降水量偏少,不能充分满足草地青壮期生育的要求,致使草地光能利用率的值有所降低（低覆盖度草地为0.073 gC/MJ,中覆盖度草地为0.095 gC/MJ,高覆盖度草地为0.138 gC/MJ）;7月是草地的整个生育期中生长最快、营养最丰富时期,草地的光能利用率达到最高值（低覆盖度草地为0.104 gC/MJ,中覆盖度草地为0.149 gC/MJ,高覆盖度草地为0.184 gC/MJ）;8月与7月相比,草地生长开始放缓,此时光能利用率的值开始下降（低覆盖度草地为0.061 gC/MJ,中覆盖度草地为0.103 gC/MJ,高覆盖度草地为0.148 gC/MJ）;9月部分地区的草地开始出现枯黄,草地光能利用率的值降幅增大（低覆盖度草地为0.055 gC/MJ,中覆盖度草地为0.093 gC/MJ,高覆盖度草地为0.130 gC/MJ）;10月中下旬草地已经完全枯萎,草地光能利用率的值也较低（低覆盖度草地为0.046 gC/MJ,中覆盖度草地为0.080 gC/MJ,高覆盖度草地为0.119 gC/MJ）。非生长季的1、2、3、11、12月,气候严寒,降水少,草地光能利用率达到全年最低值（低覆盖度草地一般低于0.070 gC/MJ,中覆盖度草地一般低于0.080 gC/MJ,高覆盖度草地一般低于0.110 gC/MJ）。可以看出,1~7月光能利用率呈上升趋势,其中生长季的4~7月光能利用率增幅最大;8~12月光能利用率呈下降趋势,其中生长季的8~10月降幅最大。

显示原图| 下载原图ZIP| 生成PPT

图2 青海省2006年草地光能利用率的季相变化

Fig.2 Seasonal change of grassland light use efficiency in Qinghai Province in 2006

4.4 草地NPP的空间分布

青海省是青藏高原的组成部分,海拔高,属高寒气候。这种独特的自然环境,决定该省植被具有适应高寒环境的特点。由于严酷自然环境的限制,和中国同纬度东部地区的草地相比,青海省草地生长季节相对短、生物积累缓慢、草地NPP相对较低。

2006年青海省草地NPP的空间分布如图3所示。估算结果表明,2006年青海省草地净初级生产力平均值为173.28 gC/m²/a。青海省草地NPP空间分布规律总体上呈由西北向东南地区递增的趋势。青海省东南部、南部和青海湖周围三个地区,是青海省草地NPP较高的区域。不同草地类型的NPP存在差异,高覆盖度草地的单位面积平均NPP为193.82 gC/m²/a,中覆盖度草地NPP为157.14 gC/m²/a,低覆盖度草地NPP为121.08 gC/m²/a。根据不同草地类型所占面积的大小,可以计算出各草地类型的NPP总量。高覆盖度草地的NPP总量为18.32 TgC/a（1 Tg=10¹²g）,中覆盖度草地为15.42 TgC/a,低覆盖度草地为2.36 TgC/a。整个草地生态系统（包括低覆盖度草地、中覆盖度草地和高覆盖度草地）的年NPP总量为36.1 TgC/a,约占青海省NPP总量的59.9%。

显示原图| 下载原图ZIP| 生成PPT

图3 青海省2006年草地NPP空间分布

Fig.3 Spatial distribution of grassland NPP in Qinghai Province in 2006

4.5 草地NPP的季相变化

青海省主要草地类型（包括低覆盖度草地、中覆盖度草地、高覆盖度草地）NPP的季节变化如图4。结果表明,三种草地NPP的年内变化趋势基本是一致的：4~9月NPP明显大于其他月份的NPP（低覆盖度草地NPP一般在9.93 gC/m²以上,中覆盖度草地NPP一般在15.08 gC/m²以上,高覆盖度草地一般在19.99 gC/m²以上）;NPP的积累期主要发生在水热条件较好的4~9月份,在这6个月内,低覆盖度草地积累的NPP占其年度NPP总量的73.9%,中覆盖度草地积累的NPP占其年度NPP总量的74.5%,高覆盖度草地积累的NPP占其年度NPP总量的72.8%;7月NPP达到最高值（低覆盖度草地为19.3 gC/m²,中覆盖度草地为29.69 gC/m²,高覆盖度草地为36.35 gC/m²）;生长季的4~7月NPP增幅最大,8~10月NPP降幅最大;6月受降水偏少的影响,草地NPP比5月和7月略有降低（低覆盖度草地为15.71 gC/m²,中覆盖度草地为19.05 gC/m²,高覆盖度草地为26.07 gC/m²）。

显示原图| 下载原图ZIP| 生成PPT

图4 青海省2006年草地NPP的季相变化

Fig.4 Seasonal change of grassland NPP in Qinghai Province in 2006

5 结论

1）青海省主要草地类型（包括低覆盖度草地、中覆盖度草地、高覆盖度草地）的年内变化趋势是一致的：在生长季4~10月份FPAR明显大于其他月份的FPAR;7月份FPAR达到最高值;生长季的4~7月FPAR增幅最大;生长季的8~10月降幅最大。

2）三种草地类型光能利用率全年变化趋势是：1~7月光能利用率呈上升趋势,其中生长季的4~7月光能利用率增幅最大;8~12月光能利用率呈下降趋势,其中生长季的8~10月降幅最大。

3） 2006年青海省草地净初级生产力平均值为173.28 gC/（m²·a）。青海省草地NPP空间分布规律总体上呈由西北向东南地区递增的趋势。青海省东南部、南部和青海湖周围三个地区,是青海省草地NPP较高的区域。

4）不同草地类型的NPP存在差异,高覆盖度草地的单位面积平均NPP为193.82 gC/（m²·a）,中覆盖度草地NPP为157.14 gC/（m²·a）,低覆盖度草地NPP为121.08 gC/（m²·a）。

5）三种类型草地NPP的年内变化趋势基本是一致的：NPP的积累期主要发生在水热条件较好的4~9月份;7月NPP达到最高值;生长季的4~7月NPP增幅最大,8~10月NPP降幅最大。

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

被引期刊影响因子

[1]	Scurlock J M O,Johnson K,Olson R J. Estimating net primary productivity from grassland biomass dynamics measurements [J].Global Change Biology,2002,8(8):736-753. [本文引用: 1]
[2]	樊江文,钟华平,梁飚,等. 草地生态系统碳储量及其影响因素 [J].中国草地,2003,25(6):51~58.
[3]	林慧龙,常生华,李飞. 草地净初级生产力模型研究进展 [J].草业科学,2007,24(12):26~29. [本文引用: 1]
[4]	颜亮东,殷青军,张海珍,等. 遥感资料在青海草地资源监测及评价中的应用研究 [J].自然资源学报,2007,22(4):640~648. [本文引用: 1]
[5]	郑凌云,张佳华. 草地净第一性生产力估算的研究进展 [J].农业工程学报,2007,23(1):279~285.
[6]	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,2003,300:1560-1563. [本文引用: 1]
[7]	申元村,向理平.青海省自然地理[M].北京:海洋出版社,1991. [本文引用: 1]
[8]	蔡照光. 青藏高原草场及其主要植物图谱(青海卷)[M].北京:农业出版社,1989. [本文引用: 1]
[9]	Wang Liwen,Wei Yaxing,Niu Zheng. Spatial and temporal variations of vegetation in Qinghai Province based on satellite data [J].Journal of Geographical Sciences,2008,18(1):73-84. [本文引用: 1]
[10]	王新洲,陶本藻,邱卫宁,等.高等测量平差[M].北京:测绘出版社,2006. [本文引用: 1]
[11]	朱文泉,潘耀忠,何浩,等. 中国典型植被最大光能利用率模拟 [J].科学通报,2006,51(6):700~706. [本文引用: 1]
[12]	李英年,赵新全,曹广民,等. 海北高寒草甸生态系统定位站气候、植被生产力背景的分析 [J].高原气象,2004,23(4):558~567. [本文引用: 1]
[13]	杨福囤,王启基,史顺海. 青海海北地区矮嵩草草甸生物量和能量的分配 [J].植物生态学与地植物学学报,1987,11(2):106~112.
[14]	蒲继延,李英年,赵亮,等. 矮嵩草草甸生物量季节动态及其与气候因子的关系 [J].草地学报,2005,13(3):238~241. [本文引用: 1]
[15]	陈良富,高彦华,李丽等. 基于MODIS晴空数据的森林日净第一性生产力估算 [J].中国科学(D辑:地球科学),2007,37(11):1515~1521. [本文引用: 1]
[16]	Potter C S,Randerson J T,Field C B,et al. Terrestrial ecosystem production:a process model based on global satellite and surface data [J].Global Biochemical Cycle,1993,7(4):811-841. [本文引用: 1]
[17]	Running S W,Thornton P E,Nemani R,et al. Global terrestrial gross and net primary productivity from the earth observing system [M]//Sala O E,Jackson R B,Mooney H A (Eds.).Methods in Ecosystem Science. New York:Springer-Verlag,2000:44-57. [本文引用: 1]
[18]	Wenping Yuan,Shuguang Liu,Guangsheng Zhou,et al. Deriving a light use efficiency model from eddy covariance flux data for predicting daily gross primary production across biomes [J].Agricultural and Forest Meteorology,2007,143(3-4):189-207. [本文引用: 1]
[19]	Zhang Y Q,Liu C M,Yu Q,et al. Energy fluxes and the Priestley-Taylor parameter over winter wheat and maize in the North China Plain [J].Hydrol. Process,2004,18(1):2235-2246. [本文引用: 1]
[20]	Suleiman A,Crago R. Hourly and daytime evapotranspiration from grassland using radiometric surface temperatures [J].Agron. J.,2004,96(1):384-390. [本文引用: 1]
[21]	Venturini V,Bisht G,Islam S,et al. Comparison of evaporative fractions estimated from AVHRR and MODIS sensors over South Florida [J].Remote Sensing of Environment,2004,93(1-2):77-86. [本文引用: 1]
[22]	Raich J W,Rastetter EB,Melillo J M.,et al. Potential net primary productivity in South America:application of a global model [J].Ecological Applications,1991,1(4):399-429. [本文引用: 1]
[23]	张景,姚凤梅,徐永明. 基于MODIS的土地覆盖遥感分类特征的评价与比较 [J].地理科学,2010,30(2):248~253.
[24]	杨周,林振山. 北半球过去2000年气温变化的多尺度分析 [J].地理科学,2010,30(2):295~299.
[25]	熊黑钢,邹桂红,崔建勇. 基于GIS的乌鲁木齐城市用地空间结构变化研究 [J].地理科学,2010,30(1): 86~91.
[26]	谢健,刘景时,杜明远. 念青唐古拉山南坡气温分布及其垂直梯度 [J].地理科学,2010,30(1):113~118.
[27]	李惠敏, 刘洪斌, 武伟. 近10年重庆市归一化植被指数变化分析 [J]. 地理科学, 2010,30(1):119~123.
[28]	夏叡,李云梅,王桥. 基于遥感的无锡市土地利用与过境水质响应关系的研究 [J].地理科学,2010,30(1):129~133. [本文引用: 1]

Estimating net primary productivity from grassland biomass dynamics measurements

2002

... 草地生态系统是陆地生态系统的重要组成部分,在全球碳循环和气候调节中起着重要的作用.草地净初级生产力（NPP）是草地碳固定能力的重要表征,草地NPP研究通过对草地生态系统生产力的模拟,定量分析其生产力的时空变化,正确评价在自然条件下草地的生产能力,从而对系统分析草地在全球气候变化中的生态价值和贡献、研究陆地碳循环机制等方面的研究提供了依据.草地NPP的研究对于合理利用草地资源,最大限度地提高草地产量以及对草地农业生态系统中的碳循环研究都具有重要的指导意义^[1~3]. ...

草地生态系统碳储量及其影响因素

2003

草地净初级生产力模型研究进展

2007

遥感资料在青海草地资源监测及评价中的应用研究

2007

... 自20世纪,利用草地所特有的反射光谱特征,通过适当的遥感光谱波段组合,或通过遥感获得各种植被冠层状态变量值,作为重要参数已应用到NPP估算中.在模型估算草地NPP研究中,将遥感数据引入模型已成为一个重要的发展方向.采用遥感模型能够比较真实地反映草地NPP的时空分布状况,与其它草地NPP估算方法相比,基于遥感数据的草地NPP模型的优点在于：迅速的多时相数据更新能力;多尺度的空间概括能力;像元尺度上,个体生物之上的、非均一地物信息的提取能力^[4~6]. ...

草地净第一性生产力估算的研究进展

2007

Climate-driven increases in global terrestrial net primary production from 1982 to 1999

2003

1991

... 本研究的研究区域为青海全省,青海省位于中国的西部,青藏高原东北部,与中国的新疆、四川、甘肃、西藏4省区相邻.地理坐标为89°35′~103°04′E,31°39′~39°19′N.全省东西长约1 200 km,南北宽约800 km,面积72.23×10⁴km².境内巍峨的祁连山与唐古拉山耸峙南北两侧,昆仑山系的博卡雷克塔格山、布尔汗布达山、可可西里山、巴颜喀拉山、阿尼玛卿山（积石山）等山脉,横贯全境,构成了青海高原的明显骨架,其间分布着谷地、湖盆、高原和山地,组成祁连山山地、柴达木盆地和青南高原三大地貌,深刻地影响着草场的分布格局^[7]. ...

1989

... 青海省是中国5大牧区之一,天然草场占全省总土地面积的50.46%,草场资源丰富,其中可利用草场面积占全省天然草地面积的87%,约占全国可利用草原面积的15%.草地主要集中于青南高原、祁连山地和柴达木盆地东南部边缘山地.草地类型主要分为6类,包括高寒草甸草地类、高寒草原草地类、高寒沼泽草地类、山地灌木草地类、山地草原草地类、山地疏林草地类.其中,高寒草甸草地类草场是青海省面积最大、分布最广的一类草场^[8]. ...

Spatial and temporal variations of vegetation in Qinghai Province based on satellite data

2008

... 本研究采用的青海省植被覆盖分类方法（已发表在《地理学报》英文版上）^[9],是在野外实地调查和综合考虑国内外各种土地覆盖分类方法优缺点的基础上,根据青藏高原植被覆盖类型的特征,将青海省草地覆盖类型划分为高覆盖度草地、中覆盖度草地和低覆盖度草地3个类别.经统计,高覆盖度草地的面积为57 456 km²,中覆盖度草地的面积为41 645 km²,低覆盖草地的面积为38 758 km². ...

2006

... 最大光能利用率ε_max的取值因不同的植被类型而有所不同,它的取值大小对最终的NPP估算结果影响很大.本文根据研究区相关文献资料和野外实验数据,首先确定某种草地类型的一组NPP、PAR、FPAR、温度胁迫因子和水分胁迫因子观测数据,然后采用极大似然估计准则模拟出该种草地类型的ε_max.极大似然估计准则能求出未知参数的最优估值,估算结果具有最优的统计性质,亦即所估参数为最优线性无偏估计^{[10, 11]}. ...

中国典型植被最大光能利用率模拟

2006

海北高寒草甸生态系统定位站气候、植被生产力背景的分析

2004

... 本文根据研究区相关文献资料和野外实验数据^[12~14],采用极大似然估计准则模拟各草地类型ε_max的优化值,从而确定出研究区主要草地建群种类型的最大光能利用率取值.在模拟出研究区主要草地建群种类型的最大光能利用率的取值后,再采用公式（4）估算出各种草地遥感分类类型（高覆盖度草地、中覆盖度草地、低覆盖度草地）的最大光能利用率ε_max. ...

青海海北地区矮嵩草草甸生物量和能量的分配

1987

矮嵩草草甸生物量季节动态及其与气候因子的关系

2005

基于MODIS晴空数据的森林日净第一性生产力估算

2007

... 本研究根据研究区数据构建NDVI（下式值为N_NDVI和FPAR之间的关系方程式,设定无植被覆盖地区,FPAR最小,其值为0;植被完全覆盖地区,FPAR达到最大值,即0.95^[15]： ...

Terrestrial ecosystem production:a process model based on global satellite and surface data

1993

... 准确建立水分对植被光能利用率的影响函数是有困难的.在传统的NPP模型中,经常使用的水分胁迫因子是由土壤湿度^[16]和水气压缺失（VPD）^[17]作为参与变量来构建相应的计算函数,但是这些参与计算的变量都存在各自的缺点：① 无论从模型中还是从遥感数据中都难以准确确定大尺度研究区域的土壤湿度数值,这限制那些基于土壤湿度的NPP模型的预测能力.② VPD不是一个好的表征土壤湿度条件空间异质性的指示因子,它与土壤含水量不是线性相关的. ...

Global terrestrial gross and net primary productivity from the earth observing system

2000

Deriving a light use efficiency model from eddy covariance flux data for predicting daily gross primary production across biomes

2007

... 本研究采用一种经实践证明较为成熟的计算水分胁迫因子的替代算法——蒸发比（EF,下式值为E_EF）^[18],用来计算水分对光能利用率的影响W_s： ...

Energy fluxes and the Priestley-Taylor parameter over winter wheat and maize in the North China Plain

2004

... 在本研究中,水分胁迫因子W_s在数值上就等于EF.EF是一种良好的能表征土壤或植被水分条件的指示因子.许多研究都已采用EF来表征生态系统的水分条件^{[19, 20]}.另外,EF较易从遥感植被指数和陆表温度产品中获得,例如AVHRR和MODIS^[21],这是该方法的一个主要优点. ...

Hourly and daytime evapotranspiration from grassland using radiometric surface temperatures

2004

Comparison of evaporative fractions estimated from AVHRR and MODIS sensors over South Florida

2004

Potential net primary productivity in South America:application of a global model

1991

... 本研究采用Raich等^[22-28]建立的陆地生态模型（the Terrestrial Ecosystem Model,TEM）中的方法来计算T_s： ...

基于MODIS的土地覆盖遥感分类特征的评价与比较

2010

北半球过去2000年气温变化的多尺度分析

2010

基于GIS的乌鲁木齐城市用地空间结构变化研究

2010

念青唐古拉山南坡气温分布及其垂直梯度

2010

近10年重庆市归一化植被指数变化分析

2010

基于遥感的无锡市土地利用与过境水质响应关系的研究

2010

... 本研究采用Raich等^[22-28]建立的陆地生态模型（the Terrestrial Ecosystem Model,TEM）中的方法来计算T_s： ...

〈

〉

青海省草地资源净初级生产力遥感监测

Net Primary Productivity of Grassland Resources Monitoring Based on Remote Sensing Data in Qinghai Province

1 研究区域

2 数据来源与预处理

2.1 遥感数据

2.2 气象数据

2.3 土地覆盖分类图

2.4 实测数据

2.5 其它数据

3 方 法

3.1 NPP估算模型构建

3.2 最大光能利用率εmax估算

3.3 FPAR估算

3.4 水分对光能利用率的影响Ws的估算

3.5 温度对光能利用率的影响Ts的估算

4 结果与讨论

4.1 草地NPP遥感估算模型及估算结果的比较分析

4.2 草地FPAR的季相变化

4.3 草地光能利用率的季相变化

4.4 草地NPP的空间分布

4.5 草地NPP的季相变化

5 结 论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

3 方法

3.2 最大光能利用率ε_max估算

3.4 水分对光能利用率的影响W_s的估算

3.5 温度对光能利用率的影响T_s的估算

5 结论

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子