張 強，徐京華，梁 磊，李 平，馬炅妤

（1.西南交通大學地球科學和環(huán)境工程學院，四川 成都611756；2.四川省第二測繪地理信息工程院，四川成都610100）

凈初級生產力（Net Primary Productivity， NPP） 是綠色植物在單位時間和單位面積上所能生產的有機干物質總量[1]，它反映了植物對自然環(huán)境資源的利用能力，是生物地球化學碳循環(huán)的關鍵環(huán)節(jié)。隨著科學技術及遙感技術的發(fā)展，利用遙感手段估算NPP的技術也得到同步發(fā)展。CASA模型就是眾多估算NPP模型中應用比較廣泛的一種。

CASA（Carnegie-Ames-Stanford Approach）模型是一種光能利用率模型，可以估算全球尺度的NPP[2]。Field（1995）對CASA模型進行了擴展[3]。隨后，CASA模型在國內得到了廣泛應用和發(fā)展，在區(qū)域適應性和參數(shù)簡化上做了很多重要改進，促進了CASA模型的應用。

CASA模型既適用于全國尺度，也適應于區(qū)域尺度，模型可被應用于青藏高原、長江流域、黑河流域等[4-6]。模型輸入數(shù)據的精度會影響到估算結果，數(shù)據精度越高則模型估算結果的誤差越小[7]。由于模型自身存在的參數(shù)問題和精度問題，我國學者對改進的CASA模型做了進一步改進[8]，將區(qū)域蒸發(fā)計算模型引入CASA模型，使用不同的最大光能利用率參數(shù)等，改進后的模型減少了輸入參數(shù)。此外，改進后的CASA模型也適用于我國干旱區(qū)域。根據不同類型研究區(qū)域的特殊自然環(huán)境對CASA模型進行適當改進，可以使模型的估算結果更加準確[9]。

黑河流域位于我國西北干旱區(qū)域，灌溉是農作物生長所需水分的主要來源，而不是天然降水。根據區(qū)域蒸發(fā)計算模型的推導過程可以知道[10]，在干旱地區(qū)的黑河流域中游，可以用天然降水量與灌溉量的總和作為降雨量。因此，本文選取黑河中游地區(qū)為研究區(qū)，進一步改進CASA模型并估算農作物NPP，嘗試分析加入灌溉因素對結果造成的影響，期望可以使改進的模型獲得精度更高的數(shù)據，為以NPP為基礎的其他科學研究提供理論基礎。

1 研究地區(qū)概況與CASA模型

黑河流域是我國西北地區(qū)第二大內陸流域，位于河西走廊中部。中游地區(qū)位于我國甘肅省境內，主要包括張掖市、酒泉市、嘉峪關市、玉門市以及民樂縣、山丹縣、臨澤縣、高臺縣、肅南縣、金塔縣。中游地區(qū)相較上游地勢較為平坦，平均海拔在1 000～2 000 m之間，日照時間長，光熱資源充足，干旱嚴重。中游區(qū)域年降雨量在50～250 mm之間，且分布不均勻，表現(xiàn)為東多西少；蒸發(fā)量在1 900～2 310 mm之間，且分布不均，表現(xiàn)為東少西多[11,12]。

圖1 黑河流域中游示意圖

1.1 研究方法

CASA模型整體上可用下式表示，詳細過程見參考文獻[2,3]：

式中，NPP表示植被凈初級生產力；SQL表示地面太陽總輻射；FPAR表示光合有效輻射吸收比例；T1和T2表示溫度脅迫因子；W表示水分脅迫因子；εmax表示最大光能利用率，本文研究區(qū)為耕地，采用的值為0.542 gC/MJ[13]。其中，水分脅迫因子W的計算是模型研究熱點和難點，計算起來比較復雜。

此外，考慮到黑河中游的實際情況，在模型中添加灌溉因素，并研究其對結果的影響程度?？傮w流程如圖2所示。

圖2 研究路線圖

NPP0表示不考慮灌溉因素估算的結果；NPP1表示考慮灌溉因素后的估算結果，MODIS-NPP數(shù)據來自美國NASA官網，作為驗證參考數(shù)據。

1.2 灌溉量的估算方法

內陸河流域農業(yè)基本為灌溉農業(yè)，天然降水量稀少，灌溉是作物生長所需水分主要來源。由于技術水平、數(shù)據等多方面原因，本文僅對灌溉數(shù)據進行較為粗略的估算。

根據“甘肅省灌區(qū)水利普查成果及農業(yè)用水分析研究”文中表1[14]，經過單位換算后，甘肅省2011年耕地平均每年灌溉凈用水量724.5mm，排除11、12、1、2四個月份，平均每月灌溉量90.6 mm，張掖市平均每月93 mm，酒泉市平均每月凈灌溉量131 mm。由于農民的灌溉習慣相對穩(wěn)定，灌溉量會受到降水量等因素的影響而在一定區(qū)間浮動，故本文估算的每月平均灌溉量為90 mm。

1.3 數(shù)據來源與處理

模型所需要的數(shù)據包括遙感影像數(shù)據、氣象統(tǒng)計數(shù)據、模型中需要的其他參數(shù)以及估算的灌溉數(shù)據等。

NDVI數(shù)據從美國國家航空航天局（NASA）官網下載。時間范圍是2012-01-01～2012-12-31，共24期，空間分辨率是250 m。然后利用最大值合成法（MVC）合成為12期月產品數(shù)據，經過投影、裁剪等操作得到黑河流域中游區(qū)域數(shù)據。氣象數(shù)據來自中國氣象數(shù)據共享網的地面氣象月產品數(shù)據，主要包括月平均氣溫、月總降雨、月總太陽輻射、日照百分比數(shù)據。適用于模型的氣溫、降雨數(shù)據采用氣象數(shù)據專用插值方法薄盤光滑樣條插值法得到，此方法中的協(xié)變量是高程數(shù)據，而輻射數(shù)據采用克里金插值方法得到；2012年的土地利用/土地覆蓋數(shù)據來源于TM影像解譯結果，由TM影像通過監(jiān)督分類方法得到，本文只提取了黑河中游的耕地信息；DEM數(shù)據是從空間地理信息數(shù)據云網站下載，空間分辨率為30 m，重采樣為250 m空間分辨率；其他數(shù)據從文獻獲得。

2 NPP估算結果與分析

2.1 模型估算結果

利用改進的CASA模型估算2012年黑河流域中游農作物種植區(qū)的NPP，計算結果如圖3所示。

圖3 NPP0與考慮灌溉因素后的增長百分比

圖3a為不考慮灌溉因素的NPP，以下記作NPP0，單位是gC/m2a-1；圖3b是考慮灌溉因素的NPP，以下記作NPP1。由圖3可知，西北方向的值比較低，東南方向的值比較大，流域中游地區(qū)的植被初級生產力從西北向東南方向遞增，可能是因為東南方向地處流域的中上游，水量比較充足，所以農作物的長勢較好。而西北方向地處中下游，水量比較少，尤其是近年來由于環(huán)境退化、土壤鹽漬化等，使得農作物的生長受到更大壓力，長勢不太好。綜合比較兩幅圖可以看出，圖3b的值整體上較圖3a大。

另一方面可以看出，考慮灌溉因素之后，所估算值的變化幅度減小，NPP的值更加穩(wěn)定，如圖4所示。

圖4 NPP0與考慮灌溉因素后的增長百分比

圖中 的柱狀圖表示不考慮灌溉因素的NPP，散點圖表示考慮灌溉因素后的增長百分比，它是由NPP1與NPP0之差再除以NPP0得到。從中可以看出，考慮灌溉因素后，玉門市、金塔縣、嘉峪關市、酒泉市等地的結果得到顯著提高，提高38%以上，而從地理位置上看，這4個市縣位于中游的西部，靠近黑河流域下游，降雨、灌溉等水量都比較少。再向中上游，臺南、肅南、臨澤、張掖等四市(縣)的結果提高了28～38%。靠近上游的山丹與民樂，降雨量大、灌溉充足，NPP僅增加了10～15%。因此，考慮灌溉因素后，對靠近下游區(qū)域的結果影響更大。根據各地市的降雨量分布特征可以得出，降雨量越少的區(qū)域，越有必要考慮灌溉因素。

2.2 結果驗證

分別求取各個縣區(qū)內CASA模型數(shù)據和MODISNPP數(shù)據的平均值，再用NPP0與NPP1分別與驗證數(shù)據MODIS-NPP數(shù)據求相關系數(shù)，得到表1。

表1 CASA模型與MODIS-NPP數(shù)據對比/gC/m2a-1

由此分別計算出三組相關系數(shù)：NPP0與MODISNPP數(shù)據的相關系數(shù)為0.66； NPP1與MODIS-NPP數(shù)據的相關系數(shù)是0.81，因此NPP1的結果要好于NPP0的結果。此外， NPP0與NPP1的相關系數(shù)是0.96。由此得出，在干旱區(qū)域的灌溉農業(yè)區(qū)域使用CASA模型，如果考慮灌溉因素，能夠改善CASA模型，提高模型估算結果的精確度。

3 結 語

本研究從實際需求出發(fā)，對模型進行修改，并把灌溉因子納入模型之中，綜合利用RS和GIS等技術進行空間數(shù)據處理技術，以黑河流域中游耕地區(qū)域為基礎進行實驗，得到了如下結論：

1）加入灌溉因素后的CASA模型可以更好地模擬我國西北地區(qū)干旱區(qū)農作物植被的NPP；

2）在干旱區(qū)域的農作物種植區(qū)域，考慮灌溉因素以后，CASA模型的估算值更穩(wěn)定，但是不同地區(qū)的變化依然存在差異，這可能與當?shù)氐臍夂驐l件有關；

3）在空間尺度上，降雨量越小、越干旱的地區(qū)，灌溉因素對估算結果的影響越大，說明在灌溉農作物區(qū)域，在改進的模型中加入灌溉因素具有重要意義。