-
森林碳循环是陆地生态系统物质和能量循环的核心[1],但由于其受到气候变化、人类活动以及森林生长和退化的影响呈动态变化规律,导致碳通量模拟有较大的不确定性[2-4],所以不同区域和森林类型的碳通量精确模拟一直是科学家关注的重点[5]。净初级生产力(NPP)决定了植被对大气中的碳吸收率,是研究森林碳通量的关键指标[6-7]。目前模拟森林生产力主要应用参数模型和过程模型[8]。参数模型主要利用森林植被吸收的光合有效辐射(APAR)和光能利用率(ε)来估测森林生产力[9]。代表模型有:GLO-PEM[10]、CASA[11]、TURC[12]、MODIS MOD17 [13]、C-Fix[14]等。这类模型已在区域、国家尺度上得到了广泛应用[15-16]。但其存在一定的不足:(1)模型精度依赖于遥感数据质量;(2)不同类型森林植被光能利用率缺乏率定;(3)无法表征森林生态生理学机理。过程模型是建立在植被生长机理之上,可刻画森林植被碳循环全过程及其与土壤、大气的相互作用。代表模型有:TEM[17]、DEMETER[18]、CERTURY[19]、DOLY[20]、LSM[21]、BIOME1, 2, 3, 4[22]、IBIS[23]、SiB2[24]、BEPS[25]以及Biome-BGC[26]等。这类模型被认为机理过程复杂,模型参数化方案较繁琐,容易产生较大的不确定性。但Chiesi等[27]和Yan等[28]提出了基于遥感模型MODIS MOD17模型和过程模型(Biome-BGC)融合的方法,在一定程度上抑制了由于模型参数化方案带来的模拟结果不确定性,使模拟精度得到较大改善。气候条件是影响NPP变化的主要因子[29-34],分析主导气候因素对不同区域森林NPP的扰动也成为研究热点[35-36]。
本研究基于Yan等[28]优化后的MODIS MOD17和机理过程模型(Biome-BGC)耦合率定的模型参数,进行了参数的优化验证,对寒温带内蒙古大兴安岭地区2003—2012年森林NPP进行模拟和精度验证,并分析该地区森林NPP时空分布格局及其与气候因素的关系。
HTML
-
研究区选定在内蒙古大兴安岭地区,119° 36′~26″125° 24′10″ E,47° 03′ 26″~53° 20′ 00″ N。该区森林覆盖率79.56%,是我国东北地区重要的森林生态功能保障区,也是寒温带森林类型的典型代表。森林类型以兴安落叶松( Larix gemelinii (Rupr.) Kuzen)构成的明亮针叶林为主,优势树种为兴安落叶松,伴生白桦( Betula platylla Suk.),山杨( Polulus davidaana Dode in Bull.)、樟子松( Pinus sylvestris var. mongolica Litv.)、黑桦( Betula davurica Pall.)和蒙古栎( Quercus mongolica Fisch.ex Ledeb.)等。
-
获取了2003—2012年研究区的MODIS土地覆被类型年合成产品(MCD12Q1)(http://modis.gsfc.nasa.gov),空间分辨率为500 m。为保持与Biome-BGC模拟单元大小一致,将其尺度扩展到1 km(采用Albers投影,WGS-84坐标系,下同)。
-
2003—2012年的气象数据来自寒区旱区科学数据中心发布的中国区域高时空分辨率地面气象要素驱动数据集(空间分辨率为0.1°)。为保持与Biome-BGC模拟网格大小一致,利用Biome-BGC模型附带的山地气象插值模块(MTCLIM 4.3)将上述气象要素降尺度到1 km,提取了Biome-BGC模型运行所需要的气象数据,包括逐日最高温、最低温、日均温、降水、饱和水气压差、短波辐射和日照时数等。
-
土壤质地数据为生态过程模型Biome-BGC的重要输入参数,模型模拟过程中需逐网格输入砂土、粘土和粉土的百分比含量。本文所采用的土壤质地数据从中国科学院资源环境科学数据中心获得(http://www.resdc.cn),该数据是根据我国1:100万土壤类型图以及全国第二次土壤普查数据综合编制生成(空间分辨率为1 km)。
-
为验证Biome-BGC模型参数可行性及模拟结果的准确性,2013年8月,在内蒙古根河市设置方形样地(面积:45 m×45 m)18块,主要森林类型包括落叶松和白桦纯林、松桦混交林等。对样地进行每木检尺。并将样地内林木分为6个等级(5~10,10~15,15~20,20~25,25~30 cm,>30 cm),每个等级选取3株标准样木,在其胸径处沿东西、南北两个方向钻取树芯。此外,为验证火灾区域森林净初级生产力的预测精度,2016年8月还对该研究区受林火干扰较重的地方,设置45个圆形样地(半径15 m),并分别对样地中的树木按照上述方法钻取木芯。
野外获取的树芯称质量后风干,然后进行打磨修正,直到年轮清晰。采用WinDENDRO年轮分析仪测量得出年轮宽度,测量精度0.001 mm。利用COFECHA算法进行手动交叉定年,得到每株标准样木逐年胸径值。
基于样地调查的胸径、树高数据,拟合得到研究区主要树种兴安落叶松和白桦的树高-胸径函数关系,兴安落叶松树高方程: H =2.325 DBH0.648( R2=0.73)、白桦树高方程: H =2.618 DBH0.621( R2=0.67)。然后由逐年胸径数据计算每株标准木逐年树高。应用已有的兴安落叶松和白桦生物量模型计算生物量[37-38](表 1),根据兴安落叶松和白桦生物量与各组分含碳量的平均比值0.521 1和0.491 4[39],作为生物量与净初级生产力的转换系数,由此得到各样地的森林NPP,用于验证模型模拟结果。
组分 Organs 兴安落叶松 Larix gemelinii 白桦 Betula platylla 回归方程 Equation 相关系数 Coefficient 回归方程 Equation 相关系数 Coefficient 树干 Stem AGBS = 0.013 8( D2H )1.010 7 0.99 AGBS = 0.028 53( D2H )0.892 71 0.99 树枝 Branch AGBB = 0.000 8( D2H )1.127 2 0.98 AGBB = 0.002 78( D2H )1.025 68 0.99 树叶 Leaf AGBL = 0.002 29( D2H )0.365 9 0.94 AGBL = 0.015 45( D2H )0.612 65 0.98 树根 Root AGBR = 0.001 7( D2H )1.179 3 0.98 AGBR = 0.045 77( D2H )0.696 12 0.98 树皮 Bark AGBT = 0.026 01( D2H )0.720 6 0.99 AGBT = 0.023 92( D2H )0.711 31 0.99 Table 1. Biomass functions of Larix gemelinii and Betula platylla organs
1.1. 研究区概况
1.2. 实验数据
1.2.1. 遥感数据产品
1.2.2. 气象数据
1.2.3. 土壤质地数据
1.2.4. 验证数据
-
2003—2012年内蒙古大兴安岭地区森林NPP空间平均值呈不显著增长趋势,其中以2009年的最大(399.5 g·m-2·a-1),2007年的最小(219.3 g·m-2·a-1)(表 2)。从空间分布来看,该区森林NPP呈现北高南低,东部偏低的空间差异(图 2)。从该区森林NPP时空分布特征来看,火灾是影响内蒙古大兴安岭地区森林NPP空间分布差异的重要因素之一,如图 2中2006年内蒙古大兴安岭东部和中部以及2007年中部出现的范围较大的NPP低值区域,其分别是2006年松岭坎都河特大森林火烧迹地,以及2007年的松岭以及罕诺河管护区森林火灾区。天保工程是影响该区森林NPP空间分布差异的另一个重要因素,2012年额尔古纳市、根河市和牙克石市等森林NPP呈增长趋势,则是由于该区域全面贯彻落实“国家天然林保护工程”,开展了荒山造林、森林抚育等项目。
年份 Year 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 NPP/(g·m-2·a-1) 334.2 264.3 278.5 296.9 219.3 244.9 399.5 228.8 322.4 333.4 Table 2. Statistical information of forest NPP averages over the Great Khinganin Inner Monolia from 2003 to 2012
-
根据该区的土地覆盖类型和森林NPP的平均值分别计算得到该区域针叶林、阔叶林和混交林的NPP区域平均值(表 3)。其中针叶林,阔叶林和混交林2009年的NPP区域平均值最大,分别为414.9,412.3,404.7 g·m-2·a-1,2007年的NPP区域平均值最小,分别为218.6,213.7,188.3 g·m-2·a-1,2003—2012年间不同森林类型的NPP空间平均值也呈不显著增长趋势。
年份 Year 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 针叶林 Needle-leaf forest 349.0 274.2 286.4 312.5 218.6 263.3 414.9 238.1 341.4 351.9 阔叶林 Broad-leaf forest 348.0 277.7 291.6 309.9 213.7 256.4 412.3 232.5 339.3 348.1 混交林 Mixed forest 340.0 245.9 280.6 308.2 188.3 251.3 404.7 204.5 333.4 333.6 Table 3. Statistics of NPP of different forest types over the Great Khingan within the Inner Monolia from 2003 to 2012
-
2003—2012年研究区生长季平均温度在11.02~13.15 ℃之间,温度的年际变化与生长季NPP的年际变化均呈上升趋势,相关性 R2达0.55(图 3(a));生长季太阳辐射量在3.41~4.05 MJ之间,变化较小,整体比较稳定,但与生长季NPP相关性较大, R2达0.49(图 3(c)所示);生长季总降水量与平均相对湿度分别在294.29~501.86 mm、59.64%~66.54%之间,整体均表现为上升趋势,但其变化趋势与年际的生长季植被NPP的变化不一致,且相关性较小, R2分别为0.05和0.04(图 3(b)(d)所示)。植被NPP的最低值出现在2003年,该年虽然降水充足、湿度适宜,但平均温度和太阳辐射均为历年最低;2007年的温度和辐射量都处于历年的最高值,但是降水偏少,相对湿度也较小,但是植被NPP却达到一个高值。综上所述,温度和太阳辐射是影响该区植被NPP变化的主要因子。
-
针叶林NPP值介于378.43~433.67 g·m-2·a-1,与温度和太阳辐射量的相关性较好, R2分别为0.41和0.30。而与降水量和相对湿度的相关性较差, R2分别为0.03和0.12。2007年由于温度和太阳辐射量都处于较高水平,NPP值达到了最高值。而2003年温度和太阳辐射量是10年来的最低值,NPP也为历年最低值(图 4)。阔叶林的植被NPP值也与温度和太阳辐射量的相关性较好, R2分别为0.56和0.22。而与降水量不相关,与相对湿度的相关系数仅为-0.02。2010年阔叶林的NPP值为10年间的最高值450.96 g·m-2·a-1,该年的温度也为历年最高值,太阳辐射也处于较高的值。2003年阔叶林的NPP值为10年间的最低值388.53 g·m-2·a-1,该年的温度和太阳辐射值均为历年的最低值(图 5)。混交林NPP的年际变化与温度和太阳辐射的年际变化情况基本一致,表现出较高的整体相关性( R2为0.66和0.63);而与降水量和相对湿度的相关性较低(图 5)。总体来看,该区各森林类型的NPP也主要受到温度和太阳辐射的影响。