基于CASA-VPM模型的植被最大光能利用率研究

刘剑锋，陈 琳，孟 琪，王 璇，王远征，王来刚，张喜旺

(1.黄河水利职业技术学院，河南 开封 475004；2.河南省地质矿产勘查开发局 第三地质勘查院，河南 郑州 451464；3.黄河中下游数字地理技术教育部重点实验室，河南 开封 475004；4.河南省农业科学院 农业经济与信息研究所，河南 郑州450002;5.河南大学 环境与规划学院，河南 开封 475004；)

光能利用率(ε)(Light energy utilization，LEU)可以直观反映植被的长势信息以及干物质累计状况，表示单位面积上植被光合作用产生有机物质所利用的太阳辐射与吸收的太阳辐射的比值[1]。在最理想条件下的ε值即为最大光能利用率(εmax)[2]，既是遥感估算模型的关键参数，又是重要的生态学参数，对作物估产及碳源时空分布的研究具有重要意义。植被光合作用生成有机物质的过程也是碳物质积累的过程，二氧化碳是植被光合作用的重要原料，因此，碳循环与区域尺度植被生长状况存在强烈的相关性。

εmax值的估测方法中，基于地面站点数据的研究适用于较小区域尺度[2]，由于数据分辨率及其经验性限制，基于叶片尺度的ε值研究扩展到区域尺度较难实现。采样调查和定点观测方法受调查区域、观测范围的限制，很难实现动态时间尺度演变规律研究。遥感数据具有覆盖区域较广等优势，为εmax值的估算提供重要的支持[3]。因此，基于遥感技术的估算模型被广泛应用[4]。在大尺度的研究中，εmax值估算由传统涡度相关通量观测技术[5]、光量子推算法、生物量收获方法逐渐演变为遥感方法。

然而，在基于ε的遥感估产模型研究，通常将εmax设为定值，如POTTER等[6]和FIELD等[7]研究陆地生态系统生产力时，将εmax值设定为0.389 g/MJ；朱文泉等[8]在研究中国典型植被的εmax值时，认为其介于0.472～1.064 g/MJ；YAN等[9]在研究农田的总初级生产力时，将玉米的εmax值设定为1.99 g/MJ，小麦的εmax值设定为1.64 g/MJ。实际上，εmax值随植被类型及其空间分布有所差异。张美龄等[10]利用改进CASA模型模拟草原各类植被的εmax值时，认为全国均值是0.345 g/MJ；王保林等[11]的研究认为，εmax值应介于0.608～1.000 g/MJ；包刚等[12]利用野外实测数据结合模型计算，得出内蒙草原的εmax值平均为0.573 g/MJ。实际上，植被生长过程中，εmax值受到温度、水分胁迫等外界因素及自身物候差异的影响，使其在不同植被类型间存在明显的时空差异，即使同一植被类型内部，εmax值也会存在明显的差异。当前的研究中，通常将εmax值根据植被类型设定为定值，或研究εmax值的范围，利用统计数据计算得到基于行政单元研究结果[13]，或利用样方实测数据反推εmax值[12]，鲜有利用遥感基于像元开展εmax值的研究。鉴于此，本研究综合运用CASA(Carnegie-ames-stanford approach)和VPM(Vegetation photosynthesis model)模型，在像元尺度上研究εmax值，并结合土地利用数据，利用遥感手段，分析εmax值的时空变化规律，以及在林地、草地、水田、旱地之间的差异，并探索其影响因素。

1 材料和方法

1.1 研究区概况

研究区位于我国中东部(东经110°20′～116°40′，北纬31°22′～36°23′)，涉及黄河流域、长江流域、海河流域和淮河流域。整体地势西部高东部低，平原面积占研究区总面积的55.7%，另有少量丘陵和盆地[14]。

河南省内秦岭—淮河以北为暖温带(占总面积的70%)，南部属亚热带。中、东部为黄淮海冲积平原，灌溉条件优越。农作物种植主要为小麦和玉米轮作的两熟制[15-17]。

据2015年植被覆被数据，研究区域内，旱田占52.4%，其次是以落叶阔叶林为主的林地，占21.5%。本研究以林地、旱田、水田、草地4种植被覆盖类型作为研究对象，对其净初级生产力(Net primary productivity，NPP)和εmax值进行分析。

1.2 研究数据及预处理

1.2.1 气象数据 气象数据涉及共34个站点(研究区域内18个)，包括气温、降水、日照百分比等指标。

1.2.2 遥感数据 遥感数据为2001—2015年的MOD09 A1产品，8 d步长，空间分辨率500 m，以及由改数据集计算得到的归一化植被指数数据。

采样Albers投影，中央经线105°，标准纬线25°、47°。

1.2.3 其他辅助数据 2001—2015年的农作物产量、种植面积、化肥施用量等来自于《河南统计年鉴》，以县为统计单元。

1.3 研究方法

研究总体技术路线如图1所示，(1)计算NPP值并与农业统计数据进行整合处理，本研究利用CASA模型和关系模型结合的方法；(2)根据NPP值、植被吸收光合有效辐射(APAR)、ε值之间的内在关系，并结合VPM模型在像元尺度计算得到εmax值；(3)结合土地利用数据，分析4种植被覆盖类型(林地、水田、旱田、草地)εmax值的时空变化及影响因素。

图1 εmax值研究技术路线

1.3.1 εmax值的推导 CASA模型被用于计算NPP值[18]，公式如下：

NPP=APAR×ε

(1)

APAR=SOL×FPAR×0.5

(2)

式中，NPP(g/m2)；ε(g/MJ)；APAR(MJ/m2)；SOL为太阳总辐射(MJ/m2)；FPAR为光合有效辐射吸收比。

VPM模型由XIAO等[19]提出，将FPAR区分为光合和非光合部分，且在计算水分胁迫时利用遥感光谱指数，从而使之与遥感有更加紧密的结合。公式如下：

GPP=ε×FPAR×PAR

(3)

ε=εmax×Tscalar×Pscalar×Wscalar

(4)

式中，GPP(g/m2)为总初级生产力；εmax(g/MJ)；Tscalar、Wscalar、Pscalar分别为温度、水分、叶龄的胁迫系数。

研究表明，NPP和GPP之间存在如下关系：

NPP=r×GPP

(5)

式中，r为植被NPP占GPP的比例[20]。

联合公式(1)—(5)，得到εmax值：

(6)

1.3.2 APAR的计算 FPAR由NDVI计算得到[21-22]，公式如下：

FPAR(x,t)=

(7)

式中，NDVIi,max、NDVIi,min分别为第i种植被类型的NDVI最大、最小值。

太阳辐射是光合作用的能量来源。由于叶片大小、厚度等自身特征，不同植被在生长期内对太阳辐射有效吸收量存在差异。日太阳总辐射(SOLd)计算公式如下：

S0=

(8)

式中，S0为潜在太阳辐射[MJ/(m2·d)]；I0是太阳常数；T为周期；ρ指日地距离；σ为赤纬；ω0为日出时角；ψ为纬度。

SOLd值的计算需要引入日照百分率，并结合相应天文参数进行运算，公式如下：

(9)

式中，SOLd指日太阳总辐射[MJ/(m2·d)]；N为最大日照时数(h)；n为实际日照时数(h)；n/N为日照百分率；a、b为与大气透明状况有关的系数。

1.3.3NPP经验关系模型 基于与NDVI关系估算模型计算NPP值[23-24]。计算公式如下：

(10)

1.3.4 相关胁迫参数的计算 温度胁迫因子Tscalar计算公式如下：

Tscalar=Tε1×Tε2

(11)

Tε1(x,t)=0.8+0.002×Topt(x,t)-

0.000 5×T2opt(x,t)

(12)

Tε2(x,t)=1.184/{1+exp[0.2×(Topt(x)-10-

T(x,t))]}×1/{1+exp[0.3×(-Topt(x)-10+T(x,t))]}

(13)

式中，Topt(x,t)为最适宜温度(℃)；Tε1为生长环境处于低温或高温时的胁迫系数；Tε2为从最适宜温度向高温或低温转变时的胁迫系数。

水分胁迫系数Wscalar计算公式如下：

(14)

(15)

式中，LSWI为地表水分指数，由近红外波段BNIR和短波红外波段BSWIR计算得到；

Pscalar为物候胁迫系数，与叶片寿命密切相关。当叶片寿命为1 a时，叶子出芽至充分舒展期间，Pscalar计算公式如下：

Pscalar=(1+LSWI)/2

(16)

植被叶片充分舒展后Pscalar=1.0；当植被冠层由不同叶龄的叶片构成，或生长季内新叶不断出现的植被，Pscalar=1.0。

今年的各种优惠政策用的比较灵活，再加上增加了折扣卡的优惠政策，黑龙江销售所属分公司客户维护得都比较好，特别有些分公司将折扣卡运用好了，流失的客户和有流失倾向的客户都及时地进行了补救。“黑河分公司仅运用折扣卡优惠政策就争取了31个大型客户。”洪松涛说。

2 结果与分析

2.1 河南省εmax值

2.1.1 APAR值 APAR值是NPP值估算的重要参数，反映植被生长状况、有机物积累量。根据1.3.2中的估算模型，本研究分别提取了2001、2005、2010、2015年河南省的APAR值，如图2所示。

图2 河南省2001、2005、2010、2015年APAR值

结果显示，研究区APAR值介于0.0～196.8 MJ/m2，15 a的均值为71.3 MJ/m2。整体上呈现西部、东部高，中部、北部低的分布格局。南阳大部分地区、洛阳东南部以及三门峡西南部的APAR值较高，结合土地利用数据可知，这些区域主要以林地为主；周口市、商丘、平顶山大部分、驻马店东部的APAR值也较高，结合土地利用数据可知，这些区域以农田为主。APAR值较低区域主要分布在西部的黄土丘陵区、桐柏山大别山地区以及黄河两侧，结合土地利用数据可知，这些区域植被盖度低，光合作用较弱。

2.1.2 年净初级生产力(NPPy) NPPy值如图3所示，NPPy值在600 g/(m2·a)以上区域的比例较大。NPPy值较高区域出现在以落叶阔叶林为主的西部林区[600.0～1 754.2 g/(m2·a)]和东部农区[705.0～899.0 g/(m2·a)]；NPPy值较低区域集中在郑州附近、安阳西北以及信阳中部。整体随时间呈现上升趋势，增长较大的区域主要为东部农区。

图3 河南省2001、2005、2010、2015年NPPy值

2.1.3 εmax值 基于1.3.1的推导，计算得到2001、2005、2010、2015年河南省εmax值如图4所示。可见，εmax值在空间分布上呈现西南和西北部较高，其他地区相对较低的分布格局，εmax值介于0.000～4.796 g/MJ，最大值出现在2010年。

2001年εmax值>1.10 g/MJ的区域占研究区域总面积的41.58%，2005年增加至77.80%，2010年达到88.45%，而到2015年仅为5.86%。而对于εmax值低于0.70 g/MJ的区域，2001年占研究区域总面积的17.47%，2015年占研究区域总面积的65.93%。可以看出，εmax值空间分布与植被覆盖类型有很大的相关性，εmax值较高的区域主要是旱田和林地，而水田和草地的εmax值较低。结合河南省几种主要植被覆盖类型进行分析，其εmax值大小表现为旱田>林地>水田>草地。其中，旱地与其他几种植被覆盖类型的εmax值差别较大，而草地和水田的εmax值较接近且没有较大的年际变化，整体先上升，之后平缓下降；旱田的εmax值年际波动较明显，且整体呈现下降趋势。结合气象数据可知，林地受到降水、气温等外界因素的影响明显高于农田和草地；另外，由于耕作措施和对农田水分、肥力等条件的控制和调节，农田生态系统的ε值相对较高。因此，河南省东部平原农区植被εmax值主要受到人为因素的影响，而海拔较高的山区植被主要受到气候的季节性变化的影响。

图4 河南省2001、2005、2010、2015年的εmax值

2.2 不同植被覆盖类型的εmax值

如图5所示，不同植被覆盖类型εmax值大小排序为林地>旱田>水田>草地。εmax值整体上随时间呈现下降趋势，这是因为随着城市化水平的提高，植被覆盖率有所下降。εmax值与植被覆盖类型密切相关，因为用于光合作用的叶面积较大，从而使得林地εmax值较高。另外，εmax值与温度和水分的协同作用有关，南阳、信阳地区处在温带、亚热带之间，湿度、温度、水分适宜，光合作用受到促进，反之，光合作用则会受到抑制[25-26]。黄河湿地的自然气候与人工保护使其植被覆盖类型丰富，从而εmax值明显较高。

图5 河南省不同植被覆盖类型εmax值年际变化

不同植被覆盖类型εmax值的月尺度变化如图6所示，εmax值在6—8月份达到最大，可见，εmax值与环境气候条件有明显的相关性，适宜的光照、温度和湿度等条件是εmax值增加的前提。2—4月份和9—12月份不同植被覆盖类型εmax值的大小顺序为林地>旱田>水田>草地。其中，旱田在4月份(1.120 g/MJ)和7月份(1.572 g/MJ)分别出现2个峰值，与河南大部分地区一年两熟的作物种植制度相吻合。而水田在7月份出现出1个波峰(1.250 g/MJ)。

图6 河南省不同植被覆盖类型εmax值月尺度变化

εmax值反映的是植被利用太阳辐射能量的效率，当太阳辐射强度增加的幅度大于或小于作物进行干物质积累的强度时，εmax值会有所下降。可以看到，旱田εmax值春夏季节较大，一方面是由于光照、降水的纬度分布规律影响，另一方面是由于植被物候与太阳辐射、温度、水分的协同作用影响。

2.3 与统计资料相关性分析

本研究使用河南县域尺度农业统计资料估算εmax值，并与上述估算结果进行对比，如图7所示，决定系数(R2)达到0.648 2，具有显著的相关性，说明研究所得到的结果具有可靠性。另外，由于农业统计数据容易受到人为因素、政策等因素影响，而遥感产品受气候等自然因素、人为因素的影响较小，某种程度上能更加客观地反映εmax的真实状况。

图7 基于统计资料的εmax值与基于遥感模型的εmax值相关性分析

2.4 河南省εmax值环境影响因素分析

本研究选择对εmax值可能产生影响的环境因素，如二氧化碳含量、有效灌溉面积和化肥使用折纯量等，与εmax值进行相关分析，结果如表1所示。

表1 εmax值与环境影响因素的相关性

结果显示，化肥使用折纯量与εmax值呈明显的正相关(相关系数为0.66)，说明化肥明显促进农作物的生长。作为光合作用的重要原料，二氧化碳含量对植被碳物质积累、呼吸消耗具有较大影响，相关系数达到0.61；有效灌溉面积、植被含水指数与εmax值的相关系数分别达到0.53、0.56。可见，εmax值的变化是自然、人为因素共同影响的结果。因此，在农作物生长的关键阶段，适当增加人为的影响可以提高对εmax值，从而增加作物生产潜力。

3 结论与讨论

εmax值常被简化为常数[6-7]，而现有对εmax值空间差异的研究中，多以行政区为单元，利用统计资料计算εmax值，很少基于像元开展研究[4,8,13]。本研究综合运用CASA和VPM模型，在像元尺度计算河南省2001—2015年的植被εmax值，分析其时空变化特征，及其影响因素。

河南省εmax值时空变化明显，空间上呈现西南和西北部较高，其他地区相对较低的分布格局；不同植被覆盖类型εmax值年际间整体上随时间呈下降趋势；而月尺度分布上，除旱田呈现双峰外，其他植被覆盖类型εmax值均呈现单峰模式，与河南省的作物种植制度吻合。这样的时空分布规律与植被的生长发育规律以及水热气候条件紧密相关。

不同植被覆盖类型εmax值之间差别明显，其中，林地在年际和月尺度εmax值均明显高于其他植被覆盖类型；旱田εmax值与河南省大部分地区一年两熟的作物种植制度相关，呈现2个峰值。

影响εmax值的环境因素中，二氧化碳含量与εmax值的相关系数达到0.61；而化肥的适当使用可以促进作物生长，从而提高光能利用率，化肥使用折纯量与εmax值的相关系数达到0.66；充足的水分是植物生长的必要条件，因此有效灌溉面积、植被含水指数与εmax值的相关系数均超过0.50。可见，可以通过人为影响可以改变εmax值，为提高农作物生产潜力和产量提供了理论依据。

在像元尺度估算εmax值的关键在于提取NPP值，本研究通过结合VPM和CASA模型，现实了对εmax值的估算，但仍然不是完全具有物理意义的解决方案，需要进行后续研究。