周 雪

（長安大學(xué)地球科學(xué)與資源學(xué)院，西安 710064）

近年來，逐漸凸顯的環(huán)境問題已成為社會各界所關(guān)注的焦點話題［1］。而這些環(huán)境問題往往會因為氣候的變化對人類的生產(chǎn)生活產(chǎn)生重大影響，因此氣候變化則成為了人們近期最為關(guān)注的環(huán)境問題之一。與此同時，氣候變化同樣在生態(tài)系統(tǒng)與社會經(jīng)濟的可持續(xù)發(fā)展方面發(fā)揮著重要角色［2，3］。在自然界中，植被是極為重要的生態(tài)因子之一。在衡量氣候變化方面，植被不但可以被動地承受氣候變化帶來的影響，又可以對氣候變化產(chǎn)生積極的反饋作用。中國擁有極其豐富的森林資源，其中東北地區(qū)為中國各種森林資源的主要分布區(qū)，其中落葉松林是東北森林分布區(qū)一種非常具有代表性的森林植被類型［4，5］。植物凈初級生產(chǎn)力（NPP）通常是指綠色植物通過光合作用可以在單位面積、單位時間內(nèi)積累的有機物數(shù)量，也即植物能用于生長、發(fā)育以及繁殖的能量值。NPP也是生態(tài)系統(tǒng)在一定時間段之中所固定的碳總量，因此，NPP在自然界碳元素的循環(huán)中發(fā)揮著重要作用。NPP是生態(tài)系統(tǒng)中其他生物生存和繁衍的物質(zhì)基礎(chǔ)，通過研究氣象因子與NPP的動態(tài)變化可以掌握一定的自然規(guī)律，從而更好地增加植物的凈初級生產(chǎn)力，為其他生物提供更多的物質(zhì)基礎(chǔ)，產(chǎn)生更大的經(jīng)濟效應(yīng)。有機物的質(zhì)量或者能量可以用作指示NPP的指標，用來研究生態(tài)系統(tǒng)的各種特點，主要包括物質(zhì)與能量的數(shù)量，還包括了固定、消耗、分配、積累與轉(zhuǎn)化等［6-8］。氣象因子是影響NPP的重要因素，通過對植被凈初級生產(chǎn)力的估算，探討其與氣象因子間的相互響應(yīng)機理，分析其時空變化以及影響因素，不僅對了解黑龍江省內(nèi)區(qū)域性的生態(tài)環(huán)境承載力以及人類社會發(fā)展過程對于生態(tài)環(huán)境產(chǎn)生的影響有幫助，還對研究植被與氣候變化的相互關(guān)系有巨大的理論和現(xiàn)實意義［9］。同時，它不但可以為碳循環(huán)與區(qū)域性及全球氣候變化研究提供數(shù)據(jù)支持，而且可以為保護、管理、開發(fā)利用生物資源甚至創(chuàng)造穩(wěn)定高效的生態(tài)系統(tǒng)提供理論方面的支持［10］。

1 研究區(qū)域概況與數(shù)據(jù)

1.1 研究區(qū)域概況

黑龍江省處于中國最東北部，東部和北部與俄羅斯相鄰，西部與內(nèi)蒙古相鄰，南部與吉林省相鄰。黑龍江省位于北緯 43°26′—53°33′、東經(jīng) 121°11′—135°05′，南北長度跨越1 120 km，東西寬約930 km，總面積為47.3 萬km2（含加格達奇和松嶺區(qū)）。其東北部為三江平原（包括星凱湖平原），西部屬松嫩平原，東南部為東北-西南走向的山地，北部為西北-東南走向的山地［11］，平原海拔多處在50~200 m。

綿延起伏的老爺嶺、大小興安嶺和張廣才嶺構(gòu)成了黑龍江省以山林為主的自然景觀。這些地區(qū)分布著極其豐富的天然林資源，是黑龍江省森林資源的重要組成部分。全省林地面積2 007 萬hm2，林業(yè)經(jīng)營總面積達3 175 萬hm2，約占黑龍江省土地面積的2/3，立木總蓄積量15 億hm3，森林覆蓋率43.6%。全省現(xiàn)有森林資源樹種達100 余種，其中30 余種具有非常高的利用價值［12］。此外，松嫩平原和三江平原作為東北平原的一部分，占全省總面積的37.0%。這些地區(qū)之中分布著約2 100 種植物，其中有1 000多種具有經(jīng)濟價值。

1.2 研究數(shù)據(jù)

1.2.1 氣象數(shù)據(jù) 從中國氣象數(shù)據(jù)共享服務(wù)網(wǎng)（http：//cdc.nmic.cn/home.do）下載 2010 年黑龍江省 30 個固定氣象站點的月平均氣象數(shù)據(jù)（包括降水量、平均氣溫、平均相對濕度、平均風速），下載的氣象數(shù)據(jù)格式為文本文件。

1.2.2 固定樣地數(shù)據(jù) 選用黑龍江省的1 523 個落葉松固定樣地點，信息來源于2010 年國家森林資源連續(xù)清查數(shù)據(jù)，每一塊樣地信息都記錄了其所處的地理位置以及其他一些調(diào)查因子。

2 研究方法

2.1 插值方法

選用反距離權(quán)重法（Inverse distance weighted，IDW）、樣條函數(shù)插值法、克里格（Kriging）插值法分別進行插值分析，最終選擇各氣象因子對應(yīng)的最優(yōu)插值方法［13，14］。

2.1.1 反距離權(quán)重法 反距離權(quán)重法是一種非常普通且簡單的空間插值方法，通?？梢酝ㄟ^比較確切的或者圓滑的方式進行插值。在插值過程中，對于一個較大的方次，距離較近的數(shù)據(jù)點將會被賦予相對更高的權(quán)重份額，但是對于較小的方次而言，權(quán)重份額將會均勻地分布到各個數(shù)據(jù)點之中。因此，反距離權(quán)重法的一般特點是用插值點和采樣數(shù)據(jù)點之間的距離作為加權(quán)平均的權(quán)值，距離插值點較近的采樣數(shù)據(jù)點通常具有相對較大的權(quán)值份額。

2.1.2 樣條函數(shù)插值法 樣條函數(shù)插值法一般會使用2種互不相同的運算方式，即規(guī)則樣條（Regularized spline）和張力樣條（Tension spline）。規(guī)則樣條一般來說會生成一個比較平滑且變化緩和的表面，以此種運算方式得出來的結(jié)果有可能會超出樣本點的值域，通常情況下權(quán)重與其生成的表面的光滑程度成正比［15］，一般使用的典型值有 0、0.001、0.01、1 和 5。張力樣條通常是利用預(yù)期要得到的現(xiàn)象及特征來生成一個相對比較粗糙且生硬的表面，以此種運算方式得出來的結(jié)果一般更接近于樣本點的值域以內(nèi)，通常情況下權(quán)重與其生成的表面粗糙程度成正比［16］，一般會用到的典型值有0、1、5 和10。

2.1.3 克里格插值法 克里格插值法是一種既可以生成一個預(yù)測表面，還可以給出預(yù)測結(jié)果的確定性及精度的插值方法。在克里格插值中，權(quán)值份額不僅要基于插值點和采樣數(shù)據(jù)點之間的距離，還必須在整體上通過已知數(shù)據(jù)點的位置和值進行合理的空間分布與排列。當需要對空間權(quán)重進行排列時，則必須對其空間自相關(guān)進行量化。因此，在使用克里格法進行插值時，權(quán)值份額通常取決于已知數(shù)據(jù)點的表面擬合模型、已知數(shù)據(jù)點與距預(yù)測位置之間的距離以及預(yù)測點與已知周圍數(shù)據(jù)點之間的空間分布與排列等空間關(guān)系。

2.2 落葉松生物量計算

落葉松的生物量采用東北地區(qū)樹種的生物量異速方程來計算。通過公式可以估算出落葉松樹干、樹枝以及樹葉等各部位的生物量［17］，地上生物量由各部位的生物量相加得到。

式中，w為生物量；D為胸徑；a、b為模型參數(shù)。

2.3 落葉松NPP 計算

植被凈初級生產(chǎn)力可以通過森林群落年生長量和森林群落年凋落量來估算，計算公式如下。

式中，P為落葉松群落年生長量，L為落葉松群落年凋落量，B為地上生物量，A為樹齡，c、d、e、f為對應(yīng)的林分類型常數(shù)。其中，P和L的計算公式如下。

2.4 相關(guān)性分析

相關(guān)性分析是指對2 個或多個變量元素進行關(guān)聯(lián)的一種衡量方式，進一步探求2 個或多個要素之間的密切程度。Pearson 相關(guān)系數(shù)的計算公式如下。

式中，n為樣本總數(shù)；xi和yi分別為2 個變量值；分別為 2 個變量的平均值；r為相關(guān)系數(shù)，|r|越大，說明y和x的線性相關(guān)程度越高。本研究用Pearson 相關(guān)性分析來探索NPP與不同氣候因子之間相關(guān)性的強弱。一般認為Pearson 相關(guān)系數(shù)不為零即具有相關(guān)性，相關(guān)系數(shù)在0.8~1.0 為極強相關(guān)，0.6~0.8 為強相關(guān)，0.4~0.6 為中等程度相關(guān)，0.2~0.4為弱相關(guān)，低于0.2 為極弱相關(guān)。

3 結(jié)果與分析

3.1 各氣象因子最優(yōu)插值方法

用3 種空間插值方法分別對已知70%的氣象因子數(shù)據(jù)進行插值計算，用其余的30%氣象數(shù)據(jù)對結(jié)果進行驗證。以氣象因子平均相對濕度為例，通過對3 種不同插值方法得到的結(jié)果分別與已知真實值作差比較，可以得到3 種不同插值方法的誤差。通過對誤差、均值和方差的研究對比，可得到相應(yīng)的最優(yōu)插值方法。通過組合3 種不同插值方法的參數(shù)和大量的統(tǒng)計計算，得到平均相對濕度的克里格插值法、反距離權(quán)重法、樣條插值法均值方差對比結(jié)果（表1）。由表1 可知，對平均相對濕度進行插值的最優(yōu)方法為反距離權(quán)重法。

表1 平均相對濕度不同插值方法的均值、方差對比

對其他幾個氣象因子的3 種插值結(jié)果進行同樣的比較驗證，對比不同插值方法之間的均值、方差，可以得到各氣象因子的相對最優(yōu)插值方法如表2 所示。結(jié)果顯示，平均氣溫和降水量的最優(yōu)插值方法均為克里格插值法，平均風速的最優(yōu)插值方法為樣條插值法。

表2 不同氣象因子最優(yōu)插值方法

3.2 樣地點氣象數(shù)據(jù)提取

以驗證得到的不同氣象因子最優(yōu)插值方法獲取的固定樣地點的氣象因子（平均氣溫、降水量、平均風速和平均相對濕度）的柵格數(shù)據(jù)為基礎(chǔ)，以黑龍江省落葉松固定樣地點數(shù)據(jù)作為參照，通過ArcGIS 平臺的ArcToolbox 中的Spatial Analyst 下的提取方法，獲得樣地點的氣象數(shù)據(jù)。

3.3 黑龍江省樣地點落葉松NPP

經(jīng)計算，各樣地點落葉松的NPP平均為392.67 g C/m2，最大為 756.45 g C/m2，最小為 2.63 g C/m2。

3.4 相關(guān)性分析

利用SAS 軟件對樣地氣象因子與落葉松NPP進行相關(guān)性分析，得到NPP與各氣象因子的相關(guān)系數(shù)，結(jié)果如表3所示。由表3可知，NPP與平均氣溫、降水量、相對濕度、平均風速之間的Pearson 相關(guān)系數(shù)分別為 0.304 11、0.235 18、0.293 02、0.091 78。由此可以看出，NPP與各氣象因子間主要呈弱相關(guān)。

表3 落葉松NPP 與各氣象因子的相關(guān)系數(shù)

4 小結(jié)

本研究以2010 年黑龍江省平均氣溫、降水量、平均風速等氣象數(shù)據(jù)和落葉松固定樣地點為數(shù)據(jù)源，并通過樣地每木檢尺數(shù)據(jù)計算落葉松生物量，根據(jù)森林群落年生長量和年凋落量來估算其NPP，通過相關(guān)性分析來反映NPP與不同氣候因子之間相關(guān)性的強弱，得出以下結(jié)論。

1）黑龍江省各氣象因子對應(yīng)的最優(yōu)插值方法：降水量以及平均氣溫對應(yīng)的最優(yōu)插值方法都是克里格插值法，平均風速和平均氣溫的最優(yōu)插值方法則分別為樣條插值法、反距離權(quán)重法。

2）NPP與各氣象因子具有一定的相關(guān)性，其中NPP與降水量、平均氣溫、相對濕度、平均風速的相關(guān)系數(shù)分別為0.235 18、0.304 11、0.293 02、0.091 78。由此可知，NPP與各氣象因子均是正相關(guān)關(guān)系，主要呈弱相關(guān)，其中與平均氣溫的相關(guān)性最大，與平均風速的相關(guān)性最小。