徐珂，邢艷秋，常曉晴

(東北林業(yè)大學(xué) 森林作業(yè)與環(huán)境研究中心，哈爾濱 150040)

陸地生態(tài)系統(tǒng)碳循環(huán)是研究全球變化的核心內(nèi)容之一，而陸地生態(tài)系統(tǒng)生產(chǎn)力的研究是碳循環(huán)研究的重要部分，是研究森林生態(tài)系統(tǒng)物質(zhì)能量交換情況的重要依據(jù)?？偝跫?jí)生產(chǎn)力(Gross Primary Productivity, GPP)是陸地碳循環(huán)的開(kāi)始，作為反映生態(tài)過(guò)程的重要指標(biāo)，GPP的動(dòng)態(tài)變化在森林生態(tài)系統(tǒng)碳循環(huán)以及全球氣候變化中起重要作用[1]。

目前，研究者通常將GPP模型分為生態(tài)過(guò)程模型、氣候生產(chǎn)力模型和光能利用率模型。其中生態(tài)過(guò)程模型從生態(tài)學(xué)角度出發(fā)，模擬植物的光合作用、自氧呼吸和有機(jī)分解等過(guò)程，具有較高的模擬精度，但結(jié)構(gòu)復(fù)雜，參數(shù)過(guò)多難以獲取，且在大區(qū)域尺度參數(shù)化難度高，推廣困難；氣候生產(chǎn)力模型是以氣候因子與植被生產(chǎn)力統(tǒng)計(jì)關(guān)系為基礎(chǔ)，可進(jìn)行時(shí)間和空間上的外推，所需參數(shù)少、結(jié)構(gòu)簡(jiǎn)單，但由于忽略了植物生理生態(tài)反應(yīng)，過(guò)度簡(jiǎn)化了本身較為復(fù)雜的生態(tài)系統(tǒng)，誤差較大；而光能利用率模型同時(shí)具有所需參數(shù)少和充分利用遙感信息的優(yōu)點(diǎn)，被廣泛應(yīng)用于分析陸地生態(tài)系統(tǒng)碳收支的變化特征及其可能原因[2]。國(guó)內(nèi)外很多學(xué)者基于光利用率模型對(duì)單一林分[3]或混合林分[4]進(jìn)行估算，但各模型均存在不同程度的不確定性。另外，我國(guó)關(guān)于森林生態(tài)系統(tǒng)固碳方面的研究多在溫帶或暖溫帶進(jìn)行，對(duì)亞熱帶常綠針葉林研究相對(duì)較少。因此，在亞熱帶常綠針葉林開(kāi)展光能利用模型GPP估算研究，有助于GPP模擬方法的發(fā)展，減少模型模擬的不確定性，又能加深對(duì)亞熱帶區(qū)域碳收支的認(rèn)識(shí)。

綜上所述，本研究選取處于亞熱帶的江西省太和縣千煙洲常綠針葉林，利用中國(guó)通量觀測(cè)網(wǎng)絡(luò)千煙洲站的氣象觀測(cè)數(shù)據(jù)及衛(wèi)星遙感資料，對(duì)光能利用率模型的關(guān)鍵參數(shù)：光合有效輻射吸收比率(Fraction of absorbed photosynthetically active radiation，F(xiàn)PAR)、水分限制因子(fθ)和溫度限制因子(ft)進(jìn)行優(yōu)化，使用通量觀測(cè)GPP數(shù)據(jù)作為驗(yàn)證，獲得一組適合亞熱帶常綠針葉林的模型參數(shù)結(jié)構(gòu)，并對(duì)最終模型模擬效果進(jìn)行分析，探索模型參數(shù)優(yōu)化對(duì)提高GPP模擬能力的可行性。進(jìn)而通過(guò)對(duì)模型輸入?yún)?shù)的敏感性分析，探究各參數(shù)對(duì)模型影響，以期為改善光能利用模型在亞熱帶常綠針葉林應(yīng)用奠定基礎(chǔ)。

1 研究區(qū)與研究方法

1.1 研究區(qū)概況

本研究區(qū)位于江西省太和縣千煙洲生態(tài)系統(tǒng)觀測(cè)站(26°44′29.1″N，105°03′29.2″E)，是中國(guó)陸地生態(tài)系統(tǒng)通量研究網(wǎng)絡(luò)(ChinaFLUX)重要組成部分。觀測(cè)站屬于典型的亞熱帶季風(fēng)氣候，夏熱冬溫，四季分明，年平均溫度達(dá)到17.9 ℃，年平均降水1 485 mm，通量觀測(cè)范圍為半徑3 km內(nèi)的常綠人工針葉林。通量塔處在典型中國(guó)南方紅壤丘陵地形條件下，周圍主要是以濕地松(PinuselliottiiEngelmann)、馬尾松(PinusmassonianaLamb.)為主的人工針葉林，人工林平均樹齡在20 a左右，近1 km2范圍內(nèi)森林覆蓋率達(dá)到90%以上，植被平均冠層高度約13 m。

1.2 數(shù)據(jù)來(lái)源及處理

1.2.1 通量數(shù)據(jù)及氣象數(shù)據(jù)

本研究所用常規(guī)氣象數(shù)據(jù)及通量數(shù)據(jù)來(lái)源于中國(guó)通量觀測(cè)站千煙洲站(http//www.chinaflux.org)。本文選取2003—2005年遙感數(shù)據(jù)、通量數(shù)據(jù)和氣象數(shù)據(jù)進(jìn)行模型優(yōu)化研究。根據(jù)通量塔觀測(cè)得到凈生態(tài)系統(tǒng)交換量(Net ecosystem exchange，NEE)，利用公式(1)中夜間NEE(公式中用Nnight表示)與相應(yīng)氣象數(shù)據(jù)計(jì)算得到站點(diǎn)GPP值(公式中用GPP表示)，如公式(2)所示，對(duì)其積分，獲取以月為時(shí)間尺度的GPP(GPP)。

Nnight=R×Q[(T-10)/10]。

(1)

GPP=Re-Nnight。

(2)

式中：Nnight為生態(tài)系統(tǒng)在夜間的呼吸量；R為生態(tài)系統(tǒng)在10 ℃時(shí)呼吸量；Q為呼吸隨溫度的變化速率；T為空氣溫度；Re為生態(tài)系統(tǒng)呼吸。

因儀器性能、誤差和天氣等因素而不可避免地會(huì)出現(xiàn)一些數(shù)據(jù)缺失等問(wèn)題，本研究按照通量觀測(cè)數(shù)據(jù)處理方法，使用EdiRe軟件處理通量觀測(cè)數(shù)據(jù)，處理步驟包括：WPL空氣密度校正、二次坐標(biāo)旋轉(zhuǎn)、數(shù)據(jù)質(zhì)量控制、缺失數(shù)據(jù)插補(bǔ)、頻率響應(yīng)訂正、超聲虛溫訂正和儲(chǔ)存項(xiàng)計(jì)算等，其中，數(shù)據(jù)質(zhì)量控制步驟需要?jiǎng)h去摩擦風(fēng)速0.2 m/s以下的數(shù)據(jù)、降雨時(shí)段的數(shù)據(jù)及超出儀器合理量程的數(shù)據(jù)。

1.2.2 遙感數(shù)據(jù)

本研究使用的遙感數(shù)據(jù)包括：GLASS LAI葉面積指數(shù)產(chǎn)品數(shù)據(jù)集、MODIS地表反射率產(chǎn)品數(shù)據(jù)集(MOD09A1)和MODIS GPP產(chǎn)品(MOD17A2)。其中，GLASS LAI是由北京師范大學(xué)全球變化數(shù)據(jù)處理與分析中心發(fā)布的全球葉面積指數(shù)(Leaf area index, LAI)產(chǎn)品，該數(shù)據(jù)時(shí)間分辨率為8 d，空間分辨率為1 km×1 km，該產(chǎn)品在精度和準(zhǔn)確度上比LAI地面觀測(cè)數(shù)據(jù)更高，且無(wú)明顯高估或低估現(xiàn)象存在[5-6]，對(duì)GLASS LAI產(chǎn)品插值生成500 m×500 m空間分辨率的數(shù)據(jù)，利用最大值合成法生成每月LAI數(shù)據(jù)。

MOD09A1數(shù)據(jù)時(shí)間分辨率為8 d，空間分辨率為500 m×500 m，包括范圍為620～2 155 nm的7個(gè)波段，利用其中近紅外、短波紅外、紅色和藍(lán)色4個(gè)波段的反射率得到增強(qiáng)型植被指數(shù)(Enhanced vegetation index, EVI)、歸一化植被指數(shù)(Normalized difference vegetation index, NDVI)、比值植被指數(shù)(Simple Ratio Index, SR)和地表水分指數(shù)(Land Surface Water Index, LSWI)，并以每月最大值用于光能利用率模型用做參數(shù)輸入。

MOD17A2數(shù)據(jù)為8 d分辨率的MODIS GPP產(chǎn)品，按照日期分別將各月GPP值累加作為該月GPP值用于對(duì)比分析。另外，通量塔的貢獻(xiàn)區(qū)一般為塔高的10倍，即塔站周圍1.5 km。為達(dá)到良好的空間匹配，本研究使用以通量塔為中心的3×3個(gè)像元平均值作為輸入數(shù)據(jù)。

1.3 模型優(yōu)化

1.3.1 模型結(jié)構(gòu)

光能利用率模型假設(shè)在適宜的環(huán)境條件下(溫度、水分和養(yǎng)分等)，植物光合作用強(qiáng)弱取決于冠層吸收的太陽(yáng)光合有效輻射，并且植物以一固定的比例(即最大光能利用率)將太陽(yáng)能轉(zhuǎn)化為化學(xué)能。在現(xiàn)實(shí)環(huán)境條件下，最大光能利用率受水分、溫度以及其他環(huán)境因子的限制而降低，一般而言，基于遙感的光能利用模型表示如公式(3)所示，關(guān)于光能利用率模型其他介紹詳見(jiàn)參考文獻(xiàn)[1]。

G=αmax×FPAR×PAR×f。

(3)

式中：G為總初級(jí)生產(chǎn)力，mol/(m2·month)；αmax為最大光量子效率，是植物在理想狀態(tài)下轉(zhuǎn)化1molCO2的所需量子數(shù)，取值0.203[7]；PAR為時(shí)間段內(nèi)總光和有效輻射，μmol/(m2·month)；FPAR(FPAR)為光合有效輻射的吸收比率；f為影響光能利用率的各種環(huán)境脅迫因子(溫度和水分等)。大多數(shù)光能利用率模型的形式基本相同，但計(jì)算環(huán)境影響因子f和FPAR參數(shù)的方法存在差異。

從文理兩科數(shù)學(xué)試卷的通過(guò)率與標(biāo)準(zhǔn)差的散點(diǎn)圖，可以看到兩者具有比較明顯的正相關(guān)的線性關(guān)系；但通過(guò)率與變異系數(shù)的散點(diǎn)圖可以看出兩者具有比較明顯的負(fù)相關(guān)的線性關(guān)系.因此在判斷試卷的難度對(duì)試卷的區(qū)分能力的影響時(shí)，不能單從標(biāo)準(zhǔn)差一個(gè)維度進(jìn)行考慮，要結(jié)合變異系數(shù)進(jìn)行綜合評(píng)價(jià).對(duì)理科試卷，難度控制在0.5左右，標(biāo)準(zhǔn)差和變異系數(shù)達(dá)到比較好的平衡；對(duì)文科試卷，目前還沒(méi)有通過(guò)率超過(guò)0.5的試卷，需要積累更多的資料.單就現(xiàn)有統(tǒng)計(jì)數(shù)據(jù)，難度在0.4左右標(biāo)準(zhǔn)差和變異系數(shù)能達(dá)到比較好的平衡.對(duì)于試卷的難度控制要綜合考慮標(biāo)準(zhǔn)差和變異系數(shù)，使試卷的難度既有利于對(duì)學(xué)生的精確區(qū)分，又有利于鼓勵(lì)學(xué)生學(xué)習(xí)的積極性.

1.3.2 參數(shù)重組與模型構(gòu)建

在公式(3)的模型結(jié)構(gòu)基礎(chǔ)上，結(jié)合卡內(nèi)基-埃姆斯-斯坦福方法模型(CASA)、三維輻射傳輸模型(LESS)、渦度相關(guān)技術(shù)的光能利用率模型(EC-LUE)、環(huán)境和災(zāi)害預(yù)測(cè)與評(píng)估的NPP模型(NPP-EMSC)[8]、全球生產(chǎn)效率模型(GLO-PEM)、植被光合作用模型(VPM)、陸地生態(tài)系統(tǒng)模型(TEM)和3PG碳生產(chǎn)模型8個(gè)模型中13種FPAR、7種fθ和3種ft，共建立273種(13×7×3)不同模型參數(shù)組合，結(jié)合2003—2005年氣象數(shù)據(jù)及遙感數(shù)據(jù)得到多組GPP模擬值，并與通量塔GPP觀測(cè)值做最小二乘線性擬合。通過(guò)對(duì)比不同模型相關(guān)系數(shù)及均方根誤差，優(yōu)選出適合千煙洲亞熱帶人工針葉林的FPAR、溫度及水分限制因子的最佳參數(shù)組合。

相關(guān)文獻(xiàn)表明，F(xiàn)PAR與植被指數(shù)NDVI、EVI、SR和LAI存在著多種線性或非線性關(guān)系，分別表示為FNDVI、FEVI、FSR,FLAI，本文共選取了13種算法，具體見(jiàn)表1—表3。其中FNDVI3、FSR1、FNDVI&SR為張福平等[9]在黑河流域的研究方法；FNDVI1為Myneni在1994年給出的光合有效輻射吸收比率算法，其建立在物理機(jī)制明確的三維輻射傳輸模型上，并有大量實(shí)測(cè)數(shù)據(jù)做基礎(chǔ)，具有普適性和不受像元異質(zhì)性影響的優(yōu)點(diǎn)[10-11]，其他見(jiàn)參考文獻(xiàn)[1]和文獻(xiàn)[2]。本研究中NDVImax、NDVImin為所研究植被類型NDVI最大值和最小值；SRmax、SRmin為所研究植被類型NDVI的95%和5%下側(cè)百分位數(shù)，其中，NDVImax為0.647、NDVImin為0.023、SRmax為4.67、SRmin為1.05，調(diào)整取值出自朱文泉等[12]對(duì)中國(guó)典型植被中的常綠針葉林NDVI和SR的最大最小取值，F(xiàn)PARmax為0.95、FPARmin為0.001取值與植被類型無(wú)關(guān)。

表1 ft-3PG溫度影響因子下的回歸結(jié)果

溫度影響因子(ft)有3種結(jié)構(gòu)，ft-3PG為3PG模型中結(jié)構(gòu)的溫度影響因子，ft-CASA為CASA模型中結(jié)構(gòu)的溫度影響因子，ft-TEM為陸地生態(tài)系統(tǒng)(TEM)中的結(jié)構(gòu)的溫度影響因子，算法涉及的Topt、Tmax和Tmin分別為光合最適溫度、最高溫度和最低溫度，分別設(shè)為28、40、0 ℃。

其他因子使用3PG模型中的結(jié)構(gòu)：肥力影響因子fn、林齡影響因子fage、霜凍影響因子ff和水汽壓差影響因子fd表達(dá)式見(jiàn)參考文獻(xiàn)[4]。

1.4 模型驗(yàn)證與參數(shù)敏感性分析

根據(jù)公式(3)模型結(jié)構(gòu)，對(duì)273組不同參數(shù)的模型組合計(jì)算得到的模擬GPP值與通量塔同期獲取的觀測(cè)GPP值進(jìn)行線性回歸。根據(jù)觀測(cè)值與模擬值的決定系數(shù)(R2)和均方根誤差(RMSE)為依據(jù)，選定優(yōu)選模型結(jié)構(gòu)。

2 結(jié)果與分析

2.1 不同模型結(jié)構(gòu)下GPP估算精度對(duì)比

求出所有模型參數(shù)組共273組的判定系數(shù)R2和均方根誤差RMSE。由于數(shù)據(jù)過(guò)多，按照f(shuō)t-3PG、ft-TEM、ft-CASA3個(gè)溫度影響因子，分析表1—表3中所有模型參數(shù)組回歸結(jié)果，表中每組結(jié)果對(duì)應(yīng)上下2行，分別為判定系數(shù)R2與均方根誤差RMSE(μmol/(m2·s))。通過(guò)比較模型性能，最終選取用EVI表征的FPAR、TEM模型中的溫度影響因子和3PG模型水分影響因子的組合(判定系數(shù)R2=0.86，均方根誤差RMSE=0.47μmol/(m2·s)，該模型組合表現(xiàn)出較好的擬合效果及穩(wěn)定性。

表2 ft-TEM溫度影響因子下的回歸結(jié)果

表3 ft-CASA溫度影響因子下的回歸結(jié)果

2.2 優(yōu)選模型參量敏感性分析

優(yōu)選模型中對(duì)模型輸出結(jié)果有影響的變量主要有：月平均溫度T，增強(qiáng)型植被指數(shù)EVI，光合有效輻射PAR；輸入?yún)?shù)主要有最大光量子效率αmax、光合最適溫度Topt、光合最高溫度Tmax和最低溫度Tmin。敏感性分析結(jié)果見(jiàn)表4。

由表4可知，輸入變量中的最大光量子效率αmax、增強(qiáng)型植被指數(shù)EVI和光合有效輻射PAR為模型的直接線性變量，GPP估算值變化幅度與三者變化幅度一致，溫度T對(duì)估算結(jié)果影響較小，GPP輸出結(jié)果低于3個(gè)直接線性變量，輸入?yún)?shù)中的光合最適溫度Topt、Tmax和Tmin的取值對(duì)優(yōu)選模型的輸出結(jié)果也有一定影響，其中Topt和Tmin對(duì)最終結(jié)果影響較大，Tmax對(duì)最終結(jié)果影響較小，原因可能是在亞熱帶地區(qū)溫?zé)釛l件長(zhǎng)期供應(yīng)充分，植物光合作用在高溫時(shí)影響較小，而在低溫條件下光合作用受到影響較大。

表4 優(yōu)選模型參量敏感性分析

3 討論

本研究以光能利用率模型為基礎(chǔ)，通過(guò)改變參數(shù)構(gòu)建了273種不同模型組合，并對(duì)結(jié)果進(jìn)行對(duì)比分析，發(fā)現(xiàn)使用FPAREVI、fθ-3PG、ft-TEM的模擬效果最好。

從水分影響因子所顯示的表現(xiàn)結(jié)果來(lái)看，3PG模型的fθ-3PG在本次研究中明顯強(qiáng)于其他模型，這與常曉晴等[15]對(duì)長(zhǎng)白山地區(qū)研究結(jié)果有所不同，原因可能是長(zhǎng)白山地區(qū)為溫帶大陸性氣候，更為干燥寒冷，fθ-3PG模擬水分植被生長(zhǎng)的限制作用效果不如中低緯度地區(qū)。

對(duì)于溫度影響因子，ft-TEM表現(xiàn)較好，計(jì)算中所用到的參數(shù)敏感性由大到小為Tmin、Topt、T、Tmax，說(shuō)明在千煙洲地區(qū)光合作用的最低溫度對(duì)植被的限制作用最大，植物在低溫下光合作用受到影響最為明顯。

如圖1所示，橫坐標(biāo)為2003—2005年共36個(gè)月份，縱坐標(biāo)表示GPP值，為便于比較，將單位統(tǒng)一替換成gC/(m2·month)。從圖1可以看出，MOD17A2 GPP值與優(yōu)選模型GPP模擬值均能較好地反映GPP全年單峰型的變化趨勢(shì)，但在峰值上，2003年前者比觀測(cè)值低出18%，后者高出37.8%，在2004年前者低出33.5%，后者高出10.5%，在2005年前者低出31.1%，后者高出21.1%，在峰值上前者普遍低估，后者普遍高估，但除2003年6月出現(xiàn)一個(gè)明顯異常值外，峰值誤差遠(yuǎn)低于前者，在平均誤差上，這一趨勢(shì)也表現(xiàn)明顯：2003年前者平均誤差比后者高出21.9%，2004年高出7.9%，2005年高出12.5%。在非生長(zhǎng)季上MOD17A2 GPP與優(yōu)選模型均出現(xiàn)一定低估現(xiàn)象，但前者在整個(gè)生長(zhǎng)季中各月均有較明顯低估，后者在這一時(shí)期則無(wú)明顯高低估現(xiàn)象存在。

圖1 MOD17A2 GPP值、GPP觀測(cè)值與優(yōu)選模型GPP模擬值對(duì)比

如圖2所示，優(yōu)選模型GPP模擬值與GPP通量塔觀測(cè)值在2003—2005年擬合判定系數(shù)為R2=0.86，RMSE=0.47μmol/(m2·s)，優(yōu)于在千煙洲地區(qū)相同時(shí)段內(nèi)的相關(guān)模型研究結(jié)果：如基于植物生理過(guò)程的冠層尺度光合模型MAESTRA模型模擬結(jié)果R2=0.73(2005)[16]、EALCO模型模擬結(jié)果R2=0.82(2003—2004)[17-18]、生態(tài)過(guò)程模型BEPS模型模擬結(jié)果R2=0.81(2003—2005)[19]，對(duì)比后具有一定優(yōu)勢(shì)，進(jìn)一步表明本研究得到的優(yōu)選模型能較好地模擬千煙洲地區(qū)植被GPP月季變化。

圖2 優(yōu)選模型GPP模擬值與GPP觀測(cè)值擬合結(jié)果

衛(wèi)星遙感數(shù)據(jù)中部分存在云層影響或缺失現(xiàn)象，因此模擬結(jié)果具有一定不確定性。另外，通量貢獻(xiàn)區(qū)位置與范圍會(huì)隨著儀器觀測(cè)高度、下墊面粗糙度、風(fēng)向以及邊界層特征(如大氣穩(wěn)定度等)的變化而產(chǎn)生瞬時(shí)變化。因此，本研究用于驗(yàn)證的通量數(shù)據(jù)本身也具有一定的不確定性。

4 結(jié)論

本研究利用2003—2005年遙感數(shù)據(jù)集以及氣象數(shù)據(jù)驅(qū)動(dòng)多種光能利用率模型估算GPP，并結(jié)合中國(guó)通量聯(lián)盟千煙洲站人工針葉林的通量觀測(cè)數(shù)據(jù)對(duì)各參數(shù)組合模型進(jìn)行驗(yàn)證對(duì)比，以及參數(shù)敏感性分析，得出以下結(jié)論。

(1)最適合千煙洲地區(qū)的模型參數(shù)組合為：FPAREVI、fθ-3PG、ft-TEM，3個(gè)參數(shù)在該地區(qū)適用性得到改善，使優(yōu)選模型參數(shù)組合無(wú)論是擬合效果及穩(wěn)定性均得到提升，提高了千煙洲地區(qū)GPP模擬效果。

(2)各參數(shù)對(duì)GPP模擬結(jié)果影響程度不同。其中，最大光量子效率αmax、增強(qiáng)型植被指數(shù)EVI和光合有效輻射PAR為模型的直接線性變量，影響最大，其他參數(shù)敏感性由大到小依次為：Tmin、Topt、T、Tmax。

(3)引入多個(gè)光能利用率模型中的參數(shù)，有益于提高光能利用率模型GPP模擬能力，可以預(yù)見(jiàn)，在未來(lái)將會(huì)有更多光能利用率模型參數(shù)被引入，進(jìn)一步提高模擬效果。