基于草原综合顺序分类系统改进CASA模型及其在中国草地NPP估算中的应用

【摘要】：植被净第一性生产力（NPP）是指绿色植物在单位面积和单位时间内所累积的有机物数量，是判定生态系统碳汇和调节生态过程的主要因子，在全球变化及碳平衡中扮演着重要的角色。草地NPP是草原生态系统中土、草、畜3个子系统之间及其与气候等外界环境因子之间综合作用的结果，反映了草地植被在自然条件下的生产能力。 草原综合顺序分类系统（CSCS）是目前世界上唯一一个用定量化指标进行植被（主要是草地）分类的方法。CSCS以0℃年积温（Σθ）和湿润度（K）为分类标准，其分类指标明确且信息量大，对草地畜牧业生产有较多指导意义。CSCS也是第一个可利用计算机定量检索的分类系统。目前已用计算机绘制出甘肃省、中国和北半球的CSCS分类图。将草地NPP与CSCS相结合进行研究是一种研究方法的创新，也是对该分类系统的一个补充和发展。 CASA（Carnegie–Ames–Stanford Approach）模型是由计算植物生产力的方法发展而来的陆地植被NPP全球估算模型。由于积温（能量）和降雨（物质）是影响植物生存的两个关键因素，结合CSCS的定量分类特点和草地NPP的关系，本研究对CASA模型进行改进，建立了基于CSCS草地分类的NPP估算模型。在统一的GIS平台上，将相关的基础图件、MODIS遥感数据、气象观测数据、草地实测数据进行空间叠置分析，对建立的NPP估算模型进行了验证和精度评价。依据改进模型，估算和分析了2004～2008年中国草地NPP值及其时空变化，结合CSCS模拟了中国41个草地类的NPP变化趋势。主要结果和结论如下： 1．模型的改进与验证 将Σθ和K引入CASA模型，改进了该模型中水分胁迫影响系数W x,t的计算方法；同时利用实测数据模拟出中国41个草地类型的最大光能利用率max，使该模型能针对不同草地类型进行模拟。 草地NPP的实测值和改进模型的模拟值基本分布在趋势线附近，二者呈线性相关，相关系数R~2为0.715；41类草地NPP的模拟值，除IID23略低于观测最小值外，其余均落在观测值的范围之内。草地NPP的模拟值与实测值总体平均值接近，分别为503.75gC/m~2/yr和567.312gC/m~2/yr；模拟值的离散程度较小，波动范围小于观测值，其总体标准差（108.598）远低于实测值总体标准差（248.091）。对实测样本点较多的12种草地类型的实测值与模拟值的相关性分析表明，这些类型草地的线性相关趋势较为明显，相关系数为0.54~0.93。 41类草地NPP的模拟值与实测值之间的误差分布有以下规律：总体平均误差为4.85gC/m~2/yr，正向平均误差的样本数多于负向平均误差的样本数，模拟值整体上高于实测值；平均绝对误差介于3.423～241.783，平均为108.428gC/m~2/yr，说明误差的累积值较高；平均相对误差介于-23.3%到51%之间，平均值为7.6%。当样本数量较多时，模拟值与实测值的相对误差较小，这在一定程度上说明了模拟结果的可靠性。 改进CASA模型中的光能转化率介于0.008～0.846之间，平均值为0.345，高于其他研究者的估算结果。其可能原因，一是其最大值和最小值之间的跨度较大，从而使得的平均值较高；二是个别草地类型的m ax估算值较高。 改进CASA模型的估算结果小于Miami模型和Thornthwaite Memorial模型的估算结果。从各草地类型的统计数据与实测值的比较来看，Miami模型和Thornthwaite Memorial模型的估算结果与实测值偏差较大，而本研究模拟的结果具有较高的准确性。改进CASA模型与Miami模型或Thornthwaite Memorial模型的相关性研究表明，改进CASA模型与Miami模型估算结果的相关性较好，相关系数达0.868；改进CASA模型与Thornthwaite Memorial模型相关性稍差，相关系数为0.683。因此，改进CASA模型模拟精度较高，可运用于中国不同草地类NPP的估算。 2．中国草地NPP时空变化分析 （1）空间变化 2004~2008年中国草地NPP年总量为6.79810~9gC/yr，年平均为489.361gC/m~2/yr。中国草地NPP空间分布的基本特点是东高西低，南高北低，从西北向东南逐渐增加。中国区域内的NPP自西北向东南逐渐增大（青藏高原除外）的NPP分布规律与CSCS类的检索图的分布规律吻合度较高，能够体现出K和Σθ的水平和垂直地带性分布规律。 中国草地NPP随经度的递增而逐渐增大，随纬度的增大而逐渐减小，但存在一定的波动性。草地NPP的经度地带性规律与气候的经向变化密切相关。随着经度的递增，气候更有利于植被的生长。与CSCS相对应，在同一热量带上，随着K值的增大，相应的自然景观从荒漠、半荒漠到草原、森林，其NPP呈逐渐增加的趋势。不同纬度草地NPP的分布格局在一定程度上反映了其对热量梯度的响应。随纬度的增加，由热变冷，Σθ降低。与CSCS相对应，在K值相同的情况下，Σθ越低，其NPP值也就越低。 （2）时间变化 2004~2008年中国草地NPP年总量分布在5.9910~9～7.3610~9gC/yr之间，年均为428.9～527.5gC/m~2/yr。在5年里，草地NPP除2005年有一定的波动外，总体呈现增加趋势，总量增加了22.9%。月均值分析表明，草地NPP的积累期主要发生在水、热搭配较好的4～10月，其草地NPP总量为957.017gC/m~2，占了全年总量的89.1%。10月中旬至次年的4月中旬，由于气温较低，植物生长缓慢，草地NPP总量仅占到全年NPP总量的11%左右。春（3～5月）、夏（6～8月）、秋（9～11月）和冬（12～2月）四季的草地NPP平均值分别为45.826gC/m~2、136.849gC/m~2、39.935gC/m~2和10.228gC/m~2，各自占全年总量的18.6%、59.6%、17.4%和4.5%。 由年际，月份和季节的NPP变化可知，适宜的水热搭配是草地NPP积累的关键。而Σθ和K为CSCS的分类标准，因而CSCS的草地类与其对应的草地NPP之间存在着必然的联系。 （3）不同草地类型NPP变化 2004~2008年中国草地NPP年均值在不同植被类型中差异显著，最高的为VIF41（亚热潮湿常绿阔叶林类），其次为VIIF42（炎热潮湿雨林类），最低的为IVA4（温暖极干暖温带荒漠类）。研究期间NPP总量最大的是VIF41，其次为VF40（暖热潮湿落叶—常绿阔叶林类）和IF36（寒冷潮湿多雨冻原、高山草甸类），总量最低的是VIA6（亚热极干亚热带荒漠类），这与其分布面积最小相一致。VIF41和VIIF42的K值相同，均大于2.0，而在K值相同的情况下，随着Σθ的减小，其NPP总量也减小。IVA4对应的湿润度级为极干，而Σθ较高，其水热条件不利于植物的生长，导致NPP值较低。这也进一步验证了适宜的水热比才是决定植被NPP高低的关键。 不同草地类型NPP在2004~2008年，除IVB11（暖温干旱暖温带半荒漠类）为下降趋势外，其它类型均呈增长趋势。增长幅度最大的为VD26（暖热微润落叶阔叶林类），达52.7%；其次为IVE32（暖温湿润落叶阔叶林类），增长率为44.2%；IVC18（暖温微干暖温带典型草原类）、IVD25（暖温微润森林草原类）、VC19（暖热微干亚热带禾草、灌木草原类）、VE33（暖热湿润常绿—落叶阔叶林类）和VID27（亚热微润硬叶类和灌丛类）增长幅度相近，均为40%左右；增长幅度最小的为IF36，仅为3.4%。 对41类草地2004~2008年的年均NPP值进行系统聚类分析，可将其划分为3大类。第1大类K值和Σθ均较高，水热比适宜，其NPP值较高；第2大类K值较低，Σθ较高，其NPP值较小。可见，草地NPP与CSCS的类与类组之间耦合度较高。 3．中国草地NPP与其影响因子的关系 （1）NPP与各影响因子的相关性 2004～2008年中国草地年均NPP与NDVI呈显著正相关，相关性最强；其次为降水和K值；NPP与Σθ呈负相关，与太阳辐射相关性最弱。可见，在改进CASA模型中NDVI、降水和K值是草地NPP的主要决定因子。 不同类组草地的NPP与各影响因子的相关性也不尽相同。2004～2008年中国10类天然草地年均NPP值与NDVI、K值和降水均呈正相关；冻原高山草地、温带湿润草地和温带森林草地的年均NPP与太阳辐射和Σθ均呈负相关；冷荒漠草地NPP与Σθ的相关性较低，与NDVI和降水的相关性非常高；半荒漠草地年均NPP与NDVI的相关性较高；斯太普草地年均NPP与降水的相关性较高；亚热带森林草地的年均NPP与降水和K值相关性较强。 滞后相关分析表明，2004～2008年中国草地NPP对NDVI、K和降水均无滞后期，对太阳辐射的响应滞后1个月，对Σθ的响应滞后2个月。草地NPP对太阳辐射和降水均无累积滞后效应，对Σθ累积滞后期为4个月。 偏相关分析表明，当NDVI、太阳辐射、K、Σθ和降水分别作为控制变量时，中国草地NPP与K值的相关系数接近。因此，除K值之外， NDVI、太阳辐射、Σθ和降水对草地NPP值的影响相互干扰，不是相互独立的。各影响因子之间，K值与其它因子的相关性相对较低。NDVI、太阳辐射、Σθ和降水等因子中，NDVI与降水的相关性最高，其次为Σθ和降水。因此，气候变化对草地NPP的影响较复杂，水热搭配良好是草地NPP增长的关键因素。 （2）NPP对影响因子的敏感性 改进CASA模型模拟的中国草地NPP值对NDVI的敏感度最高，其次为Σθ，再次为K值和降水，对太阳辐射最不敏感。CSCS是以K值和Σθ进行量化分类，而这两个参数对NPP值较为敏感。Σθ和K值差异越大，NPP值之间的差异也就越大。因此，这在一定程度上实现了CSCS与草地NPP的耦合。