王海云，陳 媛，于 洋

（1.廣東省國(guó)土資源測(cè)繪院，廣東 廣州 510500；2.華南師范大學(xué) 地理科學(xué)學(xué)院 廣東省智慧國(guó)土工程技術(shù)研究中心，廣東 廣州 510631）

基于地理國(guó)情普查的佛山植被碳匯能力評(píng)估

王海云1，陳 媛2，于 洋2

（1.廣東省國(guó)土資源測(cè)繪院，廣東 廣州 510500；2.華南師范大學(xué) 地理科學(xué)學(xué)院 廣東省智慧國(guó)土工程技術(shù)研究中心，廣東 廣州 510631）

應(yīng)用CASA模型，以廣東省佛山市為研究區(qū)域，探索了基于地理國(guó)情普查的廣東省市縣級(jí)林業(yè)碳匯能力評(píng)估方法。結(jié)果表明，由于地理國(guó)情普查獲得的林業(yè)植被數(shù)據(jù)精度比傳統(tǒng)遙感手法獲得的高，因此基于地理國(guó)情普查數(shù)據(jù)成果，利用CASA模型可以對(duì)區(qū)域范圍內(nèi)的林業(yè)碳匯能力進(jìn)行精確估算，從而為政府在碳排放和溫室氣體管理方面的決策提供科學(xué)依據(jù)，為地理國(guó)情監(jiān)測(cè)成果提供一個(gè)典型的應(yīng)用示范。

CASA模型；凈初級(jí)生產(chǎn)力；NDVI；光能利用率

隨著各種化石燃料的消耗,農(nóng)墾發(fā)展、森林面積縮減以及土地開發(fā)等土地利用方式的改變，大氣中CO2、CH4和CO等溫室氣體濃度不斷上升，引起溫室效應(yīng)[1]。聯(lián)合國(guó)政府間氣候變化專門委員會(huì)（IPCC）預(yù)測(cè)表明：到2100年，全球平均溫度將增加1.4～5.8℃，比20世紀(jì)觀測(cè)到的增溫幅度（0.6℃）高2～10倍。1970～2004年，全球溫室氣體排放量增加了約70%，其中CO2的排放量增加了約80%，是溫室效應(yīng)加劇的主要原因[2]?？刂坪蜏p少溫室氣體排放，發(fā)展低碳經(jīng)濟(jì)，已成為全球應(yīng)對(duì)氣候變化所關(guān)注的焦點(diǎn)和國(guó)際社會(huì)制定和實(shí)施環(huán)境經(jīng)濟(jì)政策的重要導(dǎo)向。降低大氣中溫室氣體濃度不外乎采取兩種辦法：減少溫室氣體排放（源）；增加對(duì)溫室氣體的吸收（匯），即增加碳匯。然而，減少溫室氣體排放就意味著需要減少能耗、提高能效，這將對(duì)國(guó)家的經(jīng)濟(jì)、社會(huì)發(fā)展產(chǎn)生重大影響；而增加對(duì)大氣中溫室氣體的吸收，則可以通過植樹造林增加植被覆蓋、改變農(nóng)業(yè)生產(chǎn)方式等措施來實(shí)現(xiàn)。林業(yè)碳匯更是《京都議定書》認(rèn)可的一種溫室氣體減量方式。植被凈初級(jí)生產(chǎn)力（NPP）是表征植物活動(dòng)的關(guān)鍵變量，對(duì)于光合作用將植被可吸收的太陽(yáng)能轉(zhuǎn)換成植物有機(jī)碳量的能力有重要的指示意義。探明NPP的時(shí)空變化可以指示碳匯格局的變化趨勢(shì)和特征，為制定碳匯增強(qiáng)政策提供科學(xué)指導(dǎo)，為城市的低碳經(jīng)濟(jì)決策提供支持[3]。

目前，很多學(xué)者進(jìn)行了林業(yè)碳匯能力估測(cè)的研究，取得了較多的研究成果，但都不能直接應(yīng)用于市縣級(jí)區(qū)域范圍內(nèi)林業(yè)碳匯能力的評(píng)估。因?yàn)檫@些成果一方面只適用于局部區(qū)域，不適于廣東省亞熱帶氣候植被，如林業(yè)部門編制的《造林項(xiàng)目碳匯計(jì)量與監(jiān)測(cè)指南》中，碳匯統(tǒng)計(jì)模式?jīng)]有考慮林業(yè)的空間差異性和城鎮(zhèn)區(qū)域的植被，也不適用于林業(yè)碳匯的地理模擬與規(guī)劃；另一方面其主要集中于全國(guó)范圍等較大空間尺度的林業(yè)碳匯量評(píng)估，對(duì)政府在微觀尺度上進(jìn)行碳匯調(diào)控的指導(dǎo)意義并不明顯，如孫睿[4]等在1 km×1 km空間分辨率上，借助植被指數(shù)與植被吸收的光合有效輻射比例之間的線性關(guān)系，利用光能利用率模型估算了中國(guó)陸地NPP并分析了其季節(jié)變化；朱文泉[5]在8 km×8 km空間分辨率上，估算了中國(guó)陸地生態(tài)系統(tǒng)NPP并分析其與氣候變化的關(guān)系；劉海桂[6]等采用GLO-PEM模型，在8 km×8 km空間分辨率下，估算了廣東省NPP，并分析了1981～2000年期間的時(shí)空動(dòng)態(tài)。因此，為了更加精確地評(píng)估全省的林業(yè)碳匯水平，建立以市縣級(jí)區(qū)域?yàn)閱挝坏哪甓攘謽I(yè)碳匯權(quán)威發(fā)布機(jī)制，需要引入更為全面、科學(xué)和精確的林業(yè)碳匯數(shù)據(jù)及評(píng)估方法。

目前在全國(guó)范圍內(nèi)全面實(shí)施的地理國(guó)情普查和監(jiān)測(cè)為林業(yè)碳匯能力精確估算提供了可能。地理國(guó)情監(jiān)測(cè)通過對(duì)地理國(guó)情進(jìn)行動(dòng)態(tài)地測(cè)繪、統(tǒng)計(jì)，從地理的角度綜合分析和研究國(guó)情，為政府、企業(yè)和社會(huì)各方面提供真實(shí)可靠和準(zhǔn)確權(quán)威的地理國(guó)情信息。地理國(guó)情普查和監(jiān)測(cè)數(shù)據(jù)涵蓋了詳盡的自然植被和人工植被（園地、草地、人工林、城市綠地）等信息。利用地理國(guó)情普查數(shù)據(jù)可對(duì)研究區(qū)域林區(qū)進(jìn)行更為詳盡地細(xì)分，不同樹種計(jì)算所得的林業(yè)碳匯量更為精確；也可修正林業(yè)碳匯模擬模型，為林業(yè)碳匯規(guī)劃提供科學(xué)可靠的數(shù)據(jù)，但目前還沒有涉及這方面的研究?jī)?nèi)容。因此，本文探索了基于地理國(guó)情監(jiān)測(cè)的廣東省市縣級(jí)林業(yè)碳匯能力評(píng)估方法。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域

廣東省佛山市位于廣東省中南部，珠江三角洲腹地；東倚廣州市，西接肇慶，南鄰江門和中山，鄰近港澳，大致呈“人”字形，全境總面積為3 848.48 km2[7]；研究區(qū)（除順德區(qū)）面積為2 993.05 km2。佛山地勢(shì)西高東低，北高南低，以平原為主。西部的高明區(qū)、北部的三水區(qū)有連綿山體，為丘陵-低山地貌，地勢(shì)陡峻，相對(duì)高差大，山谷縱橫，植被茂密。佛山市植被資源豐富，已查明并有較大經(jīng)濟(jì)價(jià)值的樹種有50多科，約200種[7]。目前，研究區(qū)植被覆蓋面積占研究區(qū)總面積的54.89%，碳匯潛力大。

1.2 研究數(shù)據(jù)

1）地表覆蓋數(shù)據(jù)。地理國(guó)情普查所獲取的地表覆蓋成果將用于提取植被覆蓋類型和植被覆蓋度信息，并最終用于NPP的估算。

2）基礎(chǔ)空間地理數(shù)據(jù)，將作為整套數(shù)據(jù)集的空間標(biāo)準(zhǔn)。

3）野外調(diào)查數(shù)據(jù)，用于對(duì)遙感分類、植被覆蓋度估算和NPP估算結(jié)果進(jìn)行精度評(píng)價(jià)。設(shè)置矩形樣方，矩形樣方短邊長(zhǎng)應(yīng)大于林分優(yōu)勢(shì)樹木的高，樣方大小盡量與估算單元相同。調(diào)查內(nèi)容主要包括：樣點(diǎn)的植被覆蓋類型；樣點(diǎn)的植被覆蓋度；喬木：每棵樹木的樹高（H）和胸徑（D）；草本層和灌木層：樣方內(nèi)植被的平均高度（H）和蓋度（P）。

4）氣象數(shù)據(jù)。CASA模型中需要輸入多個(gè)氣象參數(shù)，采用的氣象數(shù)據(jù)為：監(jiān)測(cè)區(qū)域2014年各氣象站點(diǎn)逐月降雨量（mm），監(jiān)測(cè)區(qū)域2014年各氣象站點(diǎn)逐月平均氣溫（℃）；監(jiān)測(cè)區(qū)域2014年各氣象站點(diǎn)逐月日照時(shí)數(shù)（h）。

5）其他專題數(shù)據(jù)。第一次、第二次全國(guó)土地利用調(diào)查成果以及土地利用現(xiàn)狀更新數(shù)據(jù)，覆蓋監(jiān)測(cè)范圍全境，可用于地表覆蓋分類提取和補(bǔ)充。

2 CASA模型

植被碳匯估測(cè)模型的構(gòu)建受到學(xué)者們的廣泛關(guān)注?，F(xiàn)在比較成熟的NPP估算模型主要有氣候相關(guān)模型、過程模型和光能利用率模型[8-13]。

1）氣候相關(guān)模型。具有代表性的相關(guān)模型有：Miami模型[14]、Thornthwaite Memorial模型、Chikugo模型[4]等。

氣候相關(guān)模型估算過程簡(jiǎn)單，但其只考慮氣候因素（如氣溫、降水、蒸散等），估算的是陸地植被潛在NPP（不受人為干擾，氣候狀態(tài)最佳條件下的NPP）。在當(dāng)今社會(huì)發(fā)展迅速，城市化水平不斷提高，城市化速度加劇的大環(huán)境下，氣候相關(guān)模型對(duì)于城市植被NPP估算存在較大誤差，估算結(jié)果并不具有代表性。

2）過程模型。具有代表性的相關(guān)模型有BIOMEBGC模型[15]、BEPS模型、TEM模型等。

過程模型有著完善的理論基礎(chǔ)，依據(jù)植被生長(zhǎng)機(jī)理模擬，結(jié)果較為準(zhǔn)確。但模型模擬過程非常復(fù)雜，眾多參數(shù)不易獲取。此外，此類方法模擬結(jié)果時(shí)間尺度小，不便于分析，限制了模型的發(fā)展。

3）光能利用率模型。它是基于資源平衡原理進(jìn)行陸地植被NPP估算，假定生態(tài)過程趨于調(diào)整植被特性以響應(yīng)環(huán)境，植被生長(zhǎng)是充分利用各種資源的結(jié)果，各種資源對(duì)植被的生長(zhǎng)同樣起到限制作用。在極端條件下或環(huán)境變化迅速時(shí)，植被生長(zhǎng)受最緊缺資源的限制，引起NPP變化?；谏鲜隼碚?，可以通過限制性資源的評(píng)估來估算植被NPP。具有代表性的此類模型有CASA模型[10]、GLO-PEM模型[16]等。CASA模型是目前應(yīng)用最廣泛的模型之一。

借助于遙感技術(shù)的優(yōu)勢(shì)，光能利用率模型已經(jīng)成為估算陸地植被NPP的主要模型。近年來，許多學(xué)者已經(jīng)用CASA模型做了相關(guān)研究。孫睿[17]等利用光能利用率中植被指數(shù)與植被可吸收光合有效輻射比例之間的關(guān)系對(duì)中國(guó)陸地植被NPP進(jìn)行估算；樸世龍[3]等也對(duì)1997年中國(guó)陸地植被NPP進(jìn)行估算。二者估算結(jié)果與我國(guó)陸地植被NPP的分布呈現(xiàn)從東南到西北遞減的趨勢(shì)相符合，證明了光能利用率模型估算NPP的可行性。但遙感驅(qū)動(dòng)的光能利用率模型同樣受多種因素影響，如大氣狀況、地氣系統(tǒng)對(duì)太陽(yáng)輻射反射的非各向同性等因素會(huì)影響植被指數(shù)等參數(shù)的準(zhǔn)確計(jì)算[18]，估算準(zhǔn)確性有待進(jìn)一步提高。

綜合考慮，本文選擇CASA模型估算研究區(qū)域的NPP，其總體思路及公式如下：

即

式中，x表示空間位置；t表示時(shí)間；APAR（x，t）表示像元x在時(shí)間段t內(nèi)吸收的光合有效輻射，單位為MJ·m-2·t-1；FPAR（x，t） 表示植被冠層可吸收的光合有效輻射吸收比例，無單位；PAR（x，t） 表示入射光的光合有效輻射，單位為MJ·m-2·t-1；ε（x，t）表示像元x在時(shí)間段t內(nèi)的實(shí)際光能利用率，單位為gC·MJ-1。

2.1 FPAR的計(jì)算

式中，NDVIi，max和NDVIi，min分別表示植被類型i所對(duì)應(yīng)的NDVI最大值和最小值；FPARmin和FPARmax分別為0.001和0.95，與植被類型無關(guān)；SR（x，t）表示像元x在t時(shí)刻的比值植被指數(shù)；SRi，max和SRi，min分別為植被類型i所對(duì)應(yīng)的SR最大值和最小值。研究表明，基于NDVI估算的FPAR模型比實(shí)測(cè)值高，而基于SR估算的FPAR模型比實(shí)測(cè)值低，且其誤差小于直接由NDVI所估算的結(jié)果，因此將二者結(jié)合起來，取其平均值，作為最終FPAR的估算值[5]，α為調(diào)整系數(shù)，統(tǒng)一取0.5。

2.2 光能利用率的計(jì)算

其中，

式中，Tε1（x，t）[10]和Tε2（x，t）[10,19]表示低溫和高溫對(duì)光能利用率的影響，無單位；Wε（x，t）是水分脅迫影響系數(shù)，無單位，反映水分的影響；Topt（x）表示某一區(qū)域1 a內(nèi)NDVI值達(dá)到最高時(shí)當(dāng)月平均氣溫，單位為℃。當(dāng)某一月平均溫度≤-10℃時(shí)，Tε1（x，t）取0；當(dāng)某一月的平均溫度T（x，t）比最適宜溫度 Topt（x）高10℃或低13℃時(shí)，該月的Tε2（x，t）值等于月平均溫度T（x，t）為最適宜溫度Topt（x）時(shí)Tε2（x，t）值的一半；εmax為理想狀況下最大光能利用率，單位為gC·MJ-1，本文采用較為通用的Running[15]等的研究成果。

Wε（x，t）反映植物所能利用的有效水分條件對(duì)光能利用率的影響，隨著環(huán)境中有效水分的增加，Wε（x， t）逐漸增大，其取值范圍為0.5～1，表示從極端干旱條件下到非常濕潤(rùn)條件下的變化。

式中，E（x，t）表示區(qū)域?qū)嶋H蒸散量，單位為mm；Ep（x，t）為區(qū)域潛在蒸散量，單位為mm。區(qū)域?qū)嶋H蒸散量和潛在蒸散量可由如下公式計(jì)算：

式中，P（x，t）為像元x在時(shí)間段t內(nèi)的降水量，單位為mm；Rn（x，t）為像元x在時(shí)間段t內(nèi)的地表凈輻射量，單位為mm；Ep0（x，t）為局地潛在蒸散量，單位為mm。

2.3 入射光的光合有效輻射計(jì)算

太陽(yáng)輻射中能被綠色植物用來進(jìn)行光合作用的能量稱為光合有效輻射（PAR），是形成生物量的基本能源，是植物生長(zhǎng)的驅(qū)動(dòng)力，直接影響植物的生長(zhǎng)、發(fā)育、產(chǎn)量以及產(chǎn)品質(zhì)量，PAR與太陽(yáng)總輻射有關(guān)，可表示為[20-21]：

式中，SOL（x，t）表示像元x在時(shí)間段t內(nèi)太陽(yáng)總輻射量，單位為MJ·m-2·t-1，0.5表示植被所能利用的太陽(yáng)有效輻射占太陽(yáng)總輻射的比例。杜堯東[22]等根據(jù)廣東省太陽(yáng)輻射觀測(cè)站數(shù)據(jù)以及氣象資料，總結(jié)了國(guó)內(nèi)外太陽(yáng)輻射氣候?qū)W計(jì)算方法，找到了適合廣東省太陽(yáng)總輻射量的計(jì)算公式：

式中，Q0表示月天文輻射總量，單位為MJ·m-2·month-1；s表示日照百分率；a、b為月經(jīng)驗(yàn)系數(shù)，是依據(jù)1961～2002年月總輻射數(shù)據(jù)和日照百分率，采用最小二乘法擬合得到（表1）。

表1 不同月份月經(jīng)驗(yàn)系數(shù)

月天文輻射總量由日天文輻射總量和精確累積得到，可用公式表示為：

式中，Q0'為日天文輻射總量，單位為MJ·m-2·d-1；T為周期（24×60×60 s）；I0為太陽(yáng)常數(shù)，數(shù)值為13.67×10-4MJ·m-2·s-1；ρ為日地相對(duì)距離；ω0為日落時(shí)角，單位為rad；φ為地理緯度；δ為太陽(yáng)赤緯，單位為rad，各個(gè)參數(shù)計(jì)算公式如下：

式中，J為年內(nèi)天數(shù)。

2.4 NDVI和SR最值的選取

最值選取基于MOD13Q1 NDVI合成的產(chǎn)品數(shù)據(jù)。其中，NDVI最大值是指植被達(dá)到全覆蓋下的NDVI值，而非實(shí)際最大值。為消除植被分類誤差以及NDVI數(shù)據(jù)本身誤差，在估算NPP時(shí)，需要考慮分類精度影響。具體操作如下：

1）求各植被類型NDVI最大值的概率分布。

3）對(duì)選出的像元再計(jì)算一次NDVI概率分布，在概率分布區(qū)間[0.05，0.95]內(nèi)選出該植被類型NDVI最大值和最小值。

步驟1）、2）實(shí)際上是消除分類所帶來的誤差，步驟3）在一定程度上消除了遙感圖像噪聲所帶來的誤差。不同植被類型NDVI、SR最小值統(tǒng)一采用荒漠或裸地5%下側(cè)分位數(shù)，NDVI最小值為0.023，SR最小值為1.05。

3 基于CASA模型的佛山市NPP估算

在ENVI 4.8和IDL環(huán)境支持下，根據(jù) CASA模型，利用地理國(guó)情普查獲得的植被數(shù)據(jù)、濾波重建后的NDVI時(shí)間序列數(shù)據(jù)、氣溫、降水和日照時(shí)數(shù)等氣象數(shù)據(jù)，逐像元計(jì)算佛山市2014年的月NPP和年NPP（圖 1）。估算過程中，借助于ENVI插件“植被凈初級(jí)生產(chǎn)力（NPP）軟件模塊V1.0”[5]完成NPP估算。該模型是基于CASA模型，在IDL軟件平臺(tái)下開發(fā)的。

經(jīng)測(cè)算，佛山市NPP最大值為1 343.48 gC·m-2·a-1，NPP平均值為418.60 gC·m-2·a-1，分布較散；2014 年NPP總量為124.5萬噸。其中高明區(qū)固碳最多，為68.91萬噸，其次是三水區(qū)28.97萬噸，南海區(qū)24.76 萬 噸，禪城區(qū)固碳量最少，為1.86萬噸。從NPP均值看，高明區(qū)NPP均值最高，為735.06 gC·m-2·a-1，其次是三水區(qū)349.96 gC·m-2·a-1，南海區(qū)和禪城區(qū)NPP均值都較低，分別為231.18 gC·m-2·a-1和120.58 gC·m-2·a-1。禪城區(qū)也是唯一一個(gè)NPP最大值低于佛山市NPP最大值的行政區(qū)，只有1 190.12 gC·m-2·a-1，但禪城區(qū)NPP分布比其他行政區(qū)集中（表2）。

圖1 佛山市（不含順德區(qū)）NPP空間分布圖

表2 佛山市各行政區(qū)NPP統(tǒng)計(jì)表

為了方便將NPP與氣候?qū)Ρ?，將相關(guān)氣象數(shù)據(jù)，平均溫度、總降水和太陽(yáng)總輻射與每月NPP歸一化處理，其曲線圖如圖2所示。

圖2 NPP與氣象數(shù)據(jù)對(duì)比曲線圖

可見NPP走勢(shì)與氣象數(shù)據(jù)大體一致，通過相關(guān)性分析，NPP與溫度、太陽(yáng)輻射的相關(guān)性系數(shù)分別為0.947和0.897，通過了顯著性檢驗(yàn)；而NPP與降水相關(guān)性系數(shù)為0.663（圖3），沒有通過顯著性檢驗(yàn)。

圖3 NPP與降水對(duì)比曲線圖

從地類來看（圖4），闊葉林對(duì)佛山市NPP貢獻(xiàn)最大，約52%的碳匯為闊葉林所貢獻(xiàn)，其次是高覆蓋度草地、農(nóng)用地和針葉林。佛山市綠地以闊葉林分布最為廣泛，占地約561.5 km2，其次是高覆蓋度草地，占地約326.47 km2，針葉林占地約165.83 km2，苗圃占地約110.29 km2，旱地約121.31 km2（圖5）。雖然高覆蓋度草地的平均NPP并不高，但分布較廣，面積總數(shù)大，因此其固碳貢獻(xiàn)較高。2012年，佛山市碳排放量為1 001.06萬噸，而佛山市2014年固碳為124.5萬噸，占碳排放的12.4%，則佛山市實(shí)際排放量為876.56萬噸。

圖4 不同植被NPP貢獻(xiàn)統(tǒng)計(jì)餅圖

圖5 佛山市2004年不同植被面積統(tǒng)計(jì)直方圖

4 結(jié) 語(yǔ)

本文選取廣東省佛山市作為研究區(qū)域，利用高精度地理國(guó)情普查與監(jiān)測(cè)數(shù)據(jù)，應(yīng)用CASA模型，在較小空間尺度（高空間分辨率）上估算了該行政區(qū)域范圍內(nèi)的林業(yè)碳匯分布格局和林業(yè)碳匯總量，形成了一套基于地理國(guó)情普查成果的市縣級(jí)林業(yè)碳匯能力評(píng)估技術(shù)體系，可較為精確地以市縣區(qū)為單位計(jì)算整個(gè)廣東省時(shí)空林業(yè)碳匯能力；并在此基礎(chǔ)上進(jìn)行了科學(xué)地林業(yè)碳匯規(guī)劃，從而為推進(jìn)生態(tài)環(huán)境保護(hù)、建設(shè)環(huán)境友好型社會(huì)，為省政府在全省碳排放和溫室氣體管理方面的決策提供科學(xué)依據(jù)。

1）從空間分布來看，禪城區(qū)碳匯量最少，而高明區(qū)最多，這與城市化有一定的關(guān)系。高明區(qū)和三水區(qū)北部地區(qū)，地處山區(qū)，落葉林占比較大，故碳匯量較大。三水區(qū)大部分地區(qū)和南海區(qū)大部分地區(qū)主要是以草地、農(nóng)用地為主，固碳量貢獻(xiàn)主要是草地和農(nóng)用地，其中西樵山和其他森林公園闊葉林固碳貢獻(xiàn)較高。禪城區(qū)固碳貢獻(xiàn)主要是草地和城市綠地，城市用地的擴(kuò)張，導(dǎo)致綠地減少。因此高明區(qū)、三水區(qū)北部山區(qū)及南海區(qū)西樵山可繼續(xù)發(fā)展自然生態(tài)，保護(hù)闊葉林等林地面積，保障研究區(qū)碳匯能力。三水區(qū)大部分地區(qū)和南海區(qū)可發(fā)展新型農(nóng)業(yè)，培育苗圃、幼林，保障森林公園綠地，增加果園面積，增加研究區(qū)碳匯能力。禪城區(qū)應(yīng)保障城市綠化、公園等綠地面積；城市綠化可種植高碳匯貢獻(xiàn)的植被，以此增加研究區(qū)碳匯能力。

2）基于國(guó)內(nèi)現(xiàn)有碳匯估算方法， 2013年廣東省耕地平均NPP為451.35 gC·m-2，佛山市2015年全市耕地平均NPP為587.25 gC·m-2。2013年廣東省林地平均NPP為477.02 gC·m-2，佛山市2015年全市林地平均NPP為842.22 gC·m-2。2013年廣東省園地平均NPP為451.72 gC·m-2，佛山市2015年全市園地平均NPP為568.32 gC·m-2?？梢姷乩韲?guó)情監(jiān)測(cè)對(duì)綠地的精細(xì)分類，有利于改善碳匯低估，提高碳匯估算的精度。

本文研究數(shù)據(jù)中氣象數(shù)據(jù)站點(diǎn)存在不足，只有三水區(qū)和南海區(qū)的平均溫度、平均降水和實(shí)際日照總時(shí)數(shù)數(shù)據(jù)，兩個(gè)站點(diǎn)數(shù)據(jù)并不足以完成插值，模擬整個(gè)研究區(qū)氣象數(shù)據(jù)變化。若有更多站點(diǎn)氣象數(shù)據(jù)且氣象數(shù)據(jù)全面，可更好提高研究區(qū)NPP估算精度。此外，高覆蓋度草地雖然單位固碳量不高，但在城市中高覆蓋度草地總面積大，因此固碳總量大。國(guó)內(nèi)學(xué)者研究多注重在自然環(huán)境，重點(diǎn)研究對(duì)象在闊葉林、針葉林和喬木等。城市地區(qū)綠化用地更多為高覆蓋度草地，因此對(duì)高覆蓋度草地固碳情況需要更進(jìn)一步研究。

[1] 管東生,陳玉娟,黃芬芳.廣州城市綠地系統(tǒng)碳的貯存、分布及其在碳氧平衡中的作用[J]. 中國(guó)環(huán)境科學(xué),1998,18(5): 53-57[2] 耿元波,董云社,孟維奇.陸地碳循環(huán)研究進(jìn)展[J].地理科學(xué)進(jìn)展,2000,19(4):297-306

[3] 樸世龍,方精云,郭慶華.利用CASA模型估算我國(guó)植被凈第一性生產(chǎn)力[J].植物生態(tài)學(xué)報(bào),2001,25(5):603-608

[4] 孫睿,朱啟疆.陸地植被凈第一性生產(chǎn)力的研究[J].應(yīng)用生態(tài)學(xué)報(bào),1999(6):757-760

[5] 朱文泉.中國(guó)陸地生態(tài)系統(tǒng)植被凈初級(jí)生產(chǎn)力遙感估算及其與氣候變化關(guān)系的研究[M]. 北京:北京師范大學(xué),2005

[6] 劉海桂,唐旭利,周國(guó)逸,等. 1981～2000年廣東省凈初級(jí)生產(chǎn)力的時(shí)空格局[J].生態(tài)學(xué)報(bào),2007,27(10):4 065-4 074

[7] 佛山年鑒編纂委員會(huì).佛山年鑒[M].佛山:佛山年鑒社,2014

[8] Ruimy A,Saugier B,Dedieu G. Methodology for the Estimation of Terrestrial Net Primary Production from Remotely Sensed Data[J]. Journal of Geophysical Research: Atmospheres(1984-2012),1994,99(D3):5 263-5 283

[9] Christopher S. Potter,James T. Randerson,Christopher B. Field, et al. Terrestrial Ecosystem Production: a Process Model Based on Global Satellite and Surface Data[J]. Global Biogeochemical Cycles,1993,7(4):811-841

[10] Cramer W,Kicklighter D,Bondeau A. Comparing Global Models of Terrestrial Net Primary Productivity(NPP): Overview and Key Results[J]. Global Change Biology,1999,5(S1):1-15

[11] Ruimy A,Kergoat L,Bondeau A. Comparing Global Models of Terrestrial Net Primary Productivity (NPP): Analysis of Differences in Light Absorption and Light-use Efficiency[J]. Global Change Biology,1999,5(S1):56-64

[12] Lieth H. Modeling the Primary Productivity of the World[J]. Indian Forest,1972,14(1):237-263

[13] Steven W. Running,Peter E. Thornton,Ramakrishna Nemani, et al. Global Terrestrial Gross and Net Primary Productivity from the Earth Observing System[J]. Springer New York,2000:44-57

[14] Prince S D, Goward S N. Global Primary Production: a Remote Sensing Approach[J]. Journal of Biogeography,1995, 22(4/5):815-835

[15] 孫睿,朱啟疆.中國(guó)陸地植被凈第一性生產(chǎn)力及季節(jié)變化研究[J].地理學(xué)報(bào),2000,55(1):216-225

[16] 林廣發(fā).景觀尺度植被凈初級(jí)生產(chǎn)力遙感估算方法研究[D].廣州:中山大學(xué),2008

[17] Field C B, Randerson J T, Malmstrom C M. Global Net Primary Production: Combining Ecology and Remote Sensing[J]. Remote Sensing of Environment,1995,51(1) :74-88

[18] 朱文泉,潘耀忠,張錦水.中國(guó)陸地植被凈初級(jí)生產(chǎn)力遙感估算[J].植物生態(tài)學(xué)報(bào),2007,31(3):413-424

[19] 杜堯東,毛慧琴,劉愛君,等.廣東省太陽(yáng)總輻射的氣候?qū)W計(jì)算及其分布特征[J].資源科學(xué),2003,25(6):66-70

P208

B

1672-4623（2016）07-0030-05

10.3969/j.issn.1672-4623.2016.07.009

王海云，碩士，主要從事3S技術(shù)應(yīng)用、地理國(guó)情普查及監(jiān)測(cè)、數(shù)字城市地理空間框架建設(shè)等方面研究和工作。

2016-03-17。