中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系——以江西省泰和县为例.pdf

地理研究 GEOGRAPHICAL RESEARCH 第 34 卷第 7 期 2015 年 7 月 Vol. 34, No. 7 July, 2015 中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系——以江西省泰和县为例戴尔阜 1 , 2 , 李双元 3 , 吴卓 1 , 2 , 4 , 闫浩文 3 , 赵东升 1 , 2 ( 1 . 中国科学院地理科学与资源研究所, 北京 100101 ; 2 . 中国科学院陆地表层格局与模拟重点实验室, 北京 100101 ; 3 . 兰州交通大学测绘与地理信息学院, 兰州 730070 ; 4 . 中国科学院大学, 北京 100049 ) 摘要:植被净初级生产力( NPP )对气候变化的响应研究是全球变化研究的核心内容之一。在区域尺度上研究 NPP 年际间的空间变化规律,探究气候因子与植被生长的关系,是应对气候变化区域响应、探讨区域生态过程的科学基础。基于 SPOT VEGETATION NDVI 植被指数数据、气候和植被分类数据,利用光能利用率模型( CASA )估算了中国南方红壤丘陵区泰和县 1998 - 2012 年植被 NPP ,分析了 NPP 时空分布特征及其与气候因子的相关性。结果表明: ① 1998 - 2012 年泰和县植被年均 NPP 为 762 g C/m · a ,不同植被类型差异明显,空间上表现出东西高、中间低的分布特征; ② 1998 - 2012 年泰和县植被 NPP 总体呈增长趋势,年际波动较大,平均值为 2 . 21 × 10 g C/a ; ③研究区 NPP 与年降水量呈不显著正相关关系,与年均气温呈显著负相关关系, 表明温度是影响该地区植被 NPP 的主要气候因子。关键词: CASA 模型; 植被; 净初级生产力; 气候因子; 泰和县 DOI: 10 .11821 /dlyj 201507003 1 引言陆地生态系统的碳循环是全球变化研究的核心内容之一[ 1 , 2 ] ,其中植被的净初级生产力(net primary productivity , NPP ) 是全球变化背景下生物地球化学碳循环的重要环节。植被净初级生产力是指植物在单位时间、单位面积上由光合作用产生的全部有机物同化量中扣除自养呼吸消耗的有机物后剩余的部分,直接反映植物群落在自然环境条件下的生产能力[ 3 ] ,也是判定“碳源/ 汇”以及调节生态过程的主要因子[ 4 ] 。同时,陆地净初级生产力的变化与温度和降水对植物代谢的影响直接相关[ 5 , 6 ] ,其变化可以很好地表征全球气候变化。由于 NPP 研究在全球变化研究中的重要作用,所以始于 1987 年的国际地圈—生物圈计划( IGBP )、全球变化与陆地生态系统( GCTE ) 和全球碳项目( GCP ) 均把植被 NPP 研究确定为核心内容之一。在区域尺度上直接全面地测量 NPP 具有一定难度,因此采用模型模拟 NPP 成为一种重要而被广泛接受的研究方法[ 7 ] 。目前用于估算 NPP 的模型大致可以归纳为气候相关统计模型[ 8 - 10 ] 、生态系统过程模型[11 - 13 ]和光能利用率模型 CASA [ 14 - 16 ] 等。国内学者基于模型模拟及遥感资料对 NPP 时空特征及其对气候变化的响应已进行了大量研究。如朴世龙等利收稿日期: 2015 - 01 - 21 ; 修订日期: 2015 - 05 - 05 基金项目:国家重点基础研究发展计划( 973 计划) 项目( 2015 CB 452702 , 2012 CB 416906 ); 国家自然科学基金项目(41371196 ); 国家科技支撑计划项目( 2013 BAC 03 B 04 ) 作者简介:戴尔阜( 1972 -), 男,甘肃静宁人,博士,研究员,博士生导师,主要研究方向为自然地理综合研究、气候变化及其区域响应、土地利用变化模拟。 E-mail: ******@igsnrr. 1222 - 1234 页 7 期戴尔阜等: 中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系用 CASA 模型估算了 1982 - 1999 年中国植被 NPP 并分析了其时空变化,认为植被 NPP 总体呈增加趋势[ 17 , 18 ] ;朱文泉等基于遥感数据模拟了中国植被 NPP ,并对比了气候变化和非气候变化要素对 NPP 的影响差异[ 19 , 20 ] ;周广胜等利用植物净第一性生产力模型对中国 NPP 现状及全球变化对其影响进行了分析[ 21 ] 。而 NPP 的研究也针对中国不同区域特点开展了大量工作,如丁庆福等利用遥感—过程耦合模型模拟了 2000 - 2006 年江西省的 NPP ,分析了其空间格局对气候因子的响应[ 22 ] ;穆少