基于casa模型的呼伦贝尔地区npp估算研究 51页

河北师范大学硕士学位论文基于CASA模型的呼伦贝尔地区NPP估算研究姓名：杜红申请学位级别：硕士专业：地图学与地理信息系统指导教师：胡引翠20100307 摘要呼伦贝尔市处于内蒙古自治区的东北部地区，属于西北干旱区向东北湿润区和华北旱作农业区的过渡地带，对于保障我国的生态安全和可持续发展具有重要的意义。草地植被是草地生态系统中的第一性生产者，对区域甚至全球气候和环境变化具有很大的影响作用。本论文根据CASA模型估算呼伦贝尔地区的NPP，采用遥感数据，以草地植被作为草地生态系统研究的主体，对草地状况进行监测、分析计算和评价。植被净初级生产力(NPP)是指绿色植物在单位时间内、单位面积上所积累的有机物的量。NPP作为地表碳循环的重要组成部分，不仅直接反映了植被群落在自然环境条件下的生产能力，表征陆地生态系统的质量状况，而且是判定生态系统碳源/汇和调节生态过程的主要因子，在全球变化及碳平衡中起着重要作用。近30年来，随着人类活动的影响，温室效应等气候和环境问题日益突出，使得陆地生态系统的碳收支的时空变化成为一项研究趋势。本文主要运用地理信息系统和CASA遥感模型，利用MODIS遥感数据、气象数据及相关资料，估算内蒙古呼伦贝尔地区的NPP，并将估算结果与实测数据进行对比研究，从而验证CASA模型的精度，并改进该模型。CASA模型从其产生开始就是基于大尺度甚至全球的空间验证，模型中的许多参数均是从区域甚至全球给定的，本论文拟应用CASA模型来模拟出呼伦贝尔草原生态系统的净初级生产力，并利用该生态系统的野外实测地上生物量数据进行模拟验证，旨在验证CASA模型的动态模拟能力，以评价CASA模型反映NPP空间变异特征的准确性及阐释程度。本研究主要得出了以下结论：(一)CASA模型的改进及实现以CASA模型的基本结构为基础，考虑到最大光能利用率的取值在不同的地表植被类型中存在的差异，结合呼伦贝尔地区存在不同植被类型的实际情况，对CASA模型进行了一些改进，通过对NPP结果与实测数据及其他模型的对比验证，发现改进后的CASA模型对小尺度植被NPP的模拟效果较好。(二)本文估算了呼伦贝尔草原地区的NPP，研究表明在研究区内自东北向西南NPP值逐渐减小。以大兴安岭岭东针叶林区最高，该区植被生长季长，固碳力强；西南部，呼伦湖以西的退化的荒漠草原NPP偏低，主要是由于该区土壤沙化严重，水缺乏，限III 制了NPP的积累。(三)全区内NPP值受植被指数、温度以及降水量共同的影响。同时也发现植被指数NDVI的值对NPP的值的影响很大。(四)不同模型估算得出的NPP值，虽然存在一定的差异，但是总体的增减趋势是一致的。关键词：呼伦贝尔净初级第一生产力遥感影像CASA模型IV AbstractHulunBuirislocatedinnortheastpartofInner-Mongolia,whichistransitionalzonefromaridareasinnorthwestchangetothehumidareainnortheastanddrylandfarmingareasinnorthChina.ItissignificancemeaningfultoprotectecologicalsecurityandsustainabledevelopmentofChina.Grasslandvegetationistheprimaryproducersingrasslandecosystem,andhasgreatinfluenceforregionalaswellasglobalclimateandenvironmentalchanges.ThethesisisaboutestimatingNPPinHulunBuiraccordingtotheCASA(CarnegieAmesStanfordApproach),onthemainbodystatusofgrasslandvegetationinthegrasslandecosystemresearchtomonitor,analyzeandevaluatethegrasslandstatususingremotesensingdata.Vegetationnetprimaryproducers(NPP)refertotheaccumulatednumberoforganicmatterperunitareaandunittimeforgreenplants.NPPasthekeycomponentofsurfacecarboncycle,notonlydirectreflecttheproductioncapacityofvegetationtypeundernaturalenvironmentandidentifythequalitystatusofterrestrialecosystems,butitisimportantfactorstodeterminetheecosystemcarbonsource/sinkandadjusttheecologicalprocesses,alsoNPPplaysanimportantroleinglobalchangesandcarbonbalance.Withtheimpactofhumanbeing’sactivities,thegreenhouseeffectaswellasotherclimateandenvironmentalproblemshavebecomeincreasinglyprominentinpast30years,makingthetemporalandspatialvariationofcarbonbalanceinterrestrialecosystemstobecomearesearchtrends.ThethesisisaboutestimatingNPPinHulunBuirinInner-MongoliausinggeographicalinformationsystemandCASA,andutilizingtheMODISremotesensingdata,meteorologicaldataandrelativeinformation,andthenmakingacomparisonoftheestimationresultandmeasureddatatoverifytheaccuracyofCASAandimprovethemodel.CASAisverifiedbasedonthelarge-scaleandeventheworldspace-provensincebeginningofgeneration,manyofthemodelparametersareobtainedfromthescaleofregionalorevenglobal.ThisthesisplanstouseCASAtosimulateNPPofHulunBuir’sgrasslandecosystem,andconductthesimulationverificationusetheactualbiomassdatameasuredbythesystem.AllisusedtovalidatetheCASAdynamicsimulationcapability.V Accordingtotheresults,weareabletoanalyzetheaccuracyoftheNPP.Theconclusionsareasfollows:1CASAmodelimprovementandimplementationBasedonsolarenergyutilizationefficiency,takingintoaccountthegreatestvaluesindifferentvegetationtypesexistingdifferences,combinedwiththesametime,takingε*differentvalues,thispaperbuildanimprovedCASAmodel.BycomparingtheresultsofverificationNPPfoundimprovedCASAmodelforregionalscalevegetationofthesimulationresultsbetterthanbefore.2thispaperestimatestheNPPofHulunBuirregions,andthestudieshaveshownthattheNPPvaluesgraduallydecreasefromeasttowestintheregion.3NPPofthewholeregionisaffectedbyvegetationcover,vegetationtype,temperatureandprecipitation.4althoughwealwaysestimatethedifferentvaluesofNPPbydifferentmodels,theincreaseordecreasetrendisconsistent.Keywords：HulunBuir;Netprimaryproductivity;remotesensingimage;CASAmodelVI 学位论文原创性声明本人所提交的学位论文《基于CASA模型的呼伦贝尔地区NPP估算研究》，是在导师的指导下，独立进行研究工作所取得的原创性成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中标明。本声明的法律后果由本人承担。论文作者(签名)：指导教师确认(签名)：年月日年月日学位论文版权使用授权书本学位论文作者完全了解河北师范大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘，允许论文被查阅和借阅。本人授权河北师范大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在年解密后适用本授权书)论文作者(签名)：指导教师(签名)：年月日年月日II 1绪论1.1选题背景和意义1.1.1有关碳循环的一些概念总初级生产力(GPP)：生态系统中植物在单位时间内、单位面积上通过光合作用固定的碳总量。是进入陆地生态系统的初始物质和能量。主要受CO2浓度的影响(Walker&Steffen)。净第一性生产力或净初级生产力(NPP)：生态系统中，植物有机质的净生产量，也就是从GPP中消耗用于自养呼吸(RA)之后的部分。通常用于衡量植被的生长和生殖，反映了植被的生长状况。NPP=GPP−R(1-1)A净生态系统生产力(NEP)：生态系统的有机物质或碳的净积累量，也就是活得植物体的生产量(NPP)减去有机物残体分解，即异养呼吸(RH)后剩下的碳量。NEP受制于多种环境因子，尤其是大气CO2浓度和气候因素。NEP=NPP−R(1-2)H净生物群落生产力(NBP)：表示某一生态系统(或一个生物群落)中有机质的净生产量，这里的损失除了异养呼吸之外，还包括其他扰动导致活的和死的有机质的损失。即净生态系统生产力减去人为或自然破坏损失的碳量(LD)。它是应用于区域或者更大空间尺度的生物生产力概念，其值也就是全球变化研究中所使用的碳源与碳汇概念，可正可负。NBP=NEP−LD(1-3)NPP表示植物净第一性生产力，能很好的用来说明植物的生理生态过程，也是研究[1][20]碳循环的重要指标。碳循环机理图：1 [45]图1.1碳循环机理图1.1.2碳循环的研究意义自现代化工业革命以来，随着人类活动对自然环境的影响进一步加大，并以极快的速度对地球大气圈、生物圈和水圈产生着影响。人类活动导致的温室气体增加了自然界的温室效应，使得全球变暖，降水量在大陆地区尤其是中高纬度地区明显增加，低纬度的一些地区降水减少。区域极端恶劣天气出现频率增加。全球碳循环研究的主要是CO2的源/汇问题。作为大气中CO2的源/汇，陆地生态系统在全球变化中发挥着重要的作用。草地生态系统是陆地生态系统的重要组成部分，在全球碳循环和气候调节中起重要的作用。草地资源在生态环境上有助于调节气候，保持土壤中的水含量，减少水土流失，促进生态平衡。在我国，北方温带草原地区由于地理位置的特殊性(位于生态脆弱带上)，以及对气候变化的敏感性，生态系统极易被破坏，因此具有一定的研究价值。之前众多数据结果都表明，草地作为我国最大的陆地生态系统，具有极大的蓄积有机碳的能力，而草原和草甸类型的草地，又占该系统的很大比例。呼伦贝尔地区是中国纬度最高的地区之一，是内蒙古自治区生态防线的东部起点，是我国北方的生态屏障，确保首都北京和东北三省避免沙尘暴袭击。区内植被类型主要包括草原、草甸、沼泽、沙地等四个部分。1.2国内外碳循环研究现状1.2.1国内外研究进展自上个世纪60年代，研究人员开始大规模的研究碳通量的问题。在1964~1974年，国际科联就开展了国际生物学计划(IBP)，这项计划以研究各种生态系统的生物量为重2 心，科学委员会发起了一项名为“全球碳循环的研究”的重大科研计划，意在通过该计划的执行，深刻了解碳循环的物理、化学和生物学过程及其调控机理以及生态系统对全球变化的响应机制，并以此结论为依据制定相关政策和法规来遏制气候变暖(陈半勤)。在1992年6月4日举行的联合国环境与发展大会上，签署并通过了《联合国气候变化框架公约》，该公约是世界上第一个控制温室气体排放，以此来应对全球气候变暖对人类社会的不利影响的国际公约，也是进行国际合作的基本框架。该公约具有法律约束力，用来约束温室气体排放量，并将其控制在一定范围内，免于破坏地球气候和生态系统。在2001年7月举办的阿姆斯特丹全球变化开放大会上，DIVERSITAS(国际生物多样性科学计划)、WCRP(世界气候研究计划)、IGBP(国际地圈生物圈计划)和IHDP(国际全球环境变化人文因素计划)四大核心计划联合组成了地球系统科学联盟(ESSP)(Hibbard.K)。之后，ESSP相继开展了有关全球水问题、食物系统、环境变化与人类健康和碳循环四个全球尺度的合作计划。在我国，2001年中国科学院开展了“中国陆地和近海生态系统碳收支研究”(黄耀)。这项研究的主要内容包括：(1)中国陆地和近海生态系统的碳循环；(2)研究中国陆地和近海生态系统碳循环的过程；(3)研究并改进适合中国陆地和近海生态系统的碳循环模型；(4)中国陆地和近海生态系统的碳源和碳汇的构成。2003年提出的“中国陆地生态系统碳循环及其驱动机制研究”主要研究我国陆地生态系统碳循环的自然调控机制、碳源和碳汇时空格局以及生物化学过程对化学变化的适应机制等的形成原理。1.2.2碳循环研究的方法为了对碳循环进行定量化预测和模拟，从而进一步研究陆地碳循环对全球变化之间的响应关系，模型方法成为了一种最为重要的手段。陆地表层生物圈碳循环模型(King,etal.)包括生态系统对土地利用干扰的响应和植被对大气中CO2的响应。它将陆地表层碳库分为三部分：活植被、凋落物和土壤，模拟了自1700到2000年这三百年之间的全球NPP的变化，并将土地利用的变化和植被的响应作为考虑因素。该模型没有考虑温度、降水变化的影响，模拟结果与实际不符。CASA模型(Potter)是一个耦合了生态系统生产力、碳通量和氮通量的模型。TEM模型(Melillo)也是一个基于过程的生态系统模型，该系统模拟了不同陆地生态系统中的碳通量和氮通量。CARAIB模型(Warnant)是一个描述陆地生物圈碳吸收的机理性模型。该模型包括逐3 日逐年的物质循环，可用来模拟和预测人类活动对大气和生物圈之间碳交换的影响作用。我国自20世纪80年代开始对陆地生态系统碳循环模型进行研究，主要是构建一些静态模型，对于动态模型的研究发展较慢，目前所应用的动态模型基本是根据实际情况对国外相关模型的改进。张宪洲利用Miami模型、筑构模型、TM模型，分别估算了我国自然植被净第一性生产力。方精云等利用大量的野外实测数据及近几十年的森林清查资料，估算出了我国森林的总生产力。罗天祥根据800多个实地样方，以及森林和草地清查资料估算出青海和西藏的植被总生物量，构建了QZNPP模型。朴世龙根据遥感数据、气象数据及实地资料，利用CASA模型估算了我国植被净第一生产力。4 2研究区概况及技术方案2.1研究区概况2.1.1地理位置及地形地貌呼伦贝尔市位于内蒙古自治区的东北部，地处东经115°31′~126°4′、北纬47°05′~53°20′。东西630公里、南北700公里，总面积25.3万平方公里，占自治区面积的21.4%，相当于山东、江苏两省面积的总和。其南与兴安盟相邻，以东与黑龙江省隔河相望，北部以额尔古纳河为界与俄罗斯接壤，以西同蒙古国交界。边境线总长1723.82公里，其中中俄边界1048公里(不含未定界部分)，中蒙边界675.82公里。行政上包括海拉尔市、满洲里市、鄂温克旗、陈巴尔虎旗、新巴尔虎左旗、新巴尔虎右旗和额尔古纳右旗7个市旗。呼伦贝尔位于蒙古高原的东北部。大兴安岭以东北—西南走向纵贯呼伦贝尔市中部，形成三大地形单元和经济类型区域：大兴安岭山地为林区，海拔700~1700米；岭西为呼伦贝尔大草原，是草原畜牧业经济区，海拔550~1000米；草原与林地的过渡地带，多是黑钙土，适于发展种植业，形成以农牧企业为主要成分的农牧结合经济带；岭东地区为低山丘陵与河谷平原，形成种植业为主的农业经济区，海拔200~500米。图2.1研究区位示意图5 呼伦贝尔地区地表河流多发源于大兴安岭西北坡，临近大兴安岭的东部地区河流发育，西部地区河流较少，整体来看河流分布不均，西部严重缺水地区形成沙地植被类型。2.1.2气候水文呼伦贝尔地区属于温带半干旱大陆性气候，处于温带到寒带的过渡区，所以该地区的气候特征也具有一部分寒带地区的特点，该地区纬度高，温度低，寒暑差异显著，温差大。自东向西，处于半湿润草甸草原季风气候向半干旱大陆性气候的过渡带。另外，由于大兴安岭对来自海洋的湿润气团的屏障作用，导致岭东区与岭西区气候也存在明显差异。以大兴安岭为分界线，呼伦贝尔市气候主要有三个特点：(1)从气候类型角度可分为：大兴安岭以西地区为大陆气候区，大兴安岭以东地区为季风气候区。(2)从年降水量多寡可分为：大兴安岭以西地区为半干旱性气候，而大兴安岭以东地区半湿润性气候。(3)以年气候总特征的角度可分为：冬季寒冷干燥，夏季炎热多雨。年温度差、日期温差大。呼伦贝尔地区年内的气候特点主要是：春季气候变化大，降水量少，多大风；夏季降水量大，降水集中；秋季较短，降温快，温度低，早霜冻；冬季寒冷，降雪量年际差异大。呼伦贝尔地表水系发育，由额尔古纳河、嫩江两大水系形成的大小河流3000多条，其中大于1000平方公里有63条，大于500平方公里有98条，水域面积4834平方公里。呼伦湖位于呼伦贝尔高原西部的新巴尔虎左旗、新巴尔虎右旗和满洲里之间，湖长约72.6公里，宽约31.24公里，当湖水位在545.00米时，湖水面积2315平方公里，蓄3水量约132亿m，是我国四大淡水湖之一。额尔古纳河水系主要支流自南而北有根河、得尔布尔河、哈乌尔河、莫尔道嘎河、激流河、阿巴河、乌玛河、恩和哈达河等。呼伦湖是流入额尔古纳河水系的组成部分，而流入呼伦湖的河流有哈拉哈河、贝尔湖、乌尔逊河、克鲁伦河等。海拉尔河是黑龙江流域额尔古纳河水系的一级支流，发源于牙克石市乌尔其汗镇兴安林场东北部与鄂伦春自治旗交界处的大兴安岭西麓，流经牙克石市、鄂温克旗、海拉尔区、陈巴尔虎旗、新巴尔虎左旗、满洲里市。流域内河网较发育，较大支流有库都尔河、特尼河、莫尔格勒河、免渡河、扎敦河、伊敏河、辉河等20余条。6 嫩江发源于大兴安岭支脉伊勒呼里山的南坡，是松花江的北源。河流流经嫩江县、尼尔吉镇、齐齐哈尔市，在三叉河附近与第二松花江汇合。在呼伦贝尔市境内主要支流有：二根河、罕诺河、那都里河、多布库尔河、欧肯河、甘河、郭恩河、霍日里河、诺敏河、格尼河、阿伦河、音河、雅鲁河、绰尔河等。33呼伦贝尔市水资源总量为286.6亿m。其中，地表水资源量272亿m，占全国地3表水资源量的1%，占全区地表水资源量的73%；地下水资总量14.6亿m。全市人均占3有水资源量为1.1万m，高于世界人均占有量，是全国人均占有量的4.66倍。境内有伊敏河和海拉尔河两条较大的外入过境河流，均属于额尔古纳水系，海拉尔河于城区北部坝后西北流向陈巴尔虎旗，在辖区内长约85公里，伊敏河经鄂温克旗于城区南端断桥流经海区，在城区北部汇入海拉尔河，在辖区长约7.5公里。两河水域面3积为16.21平方公里。两河多年平均径流量为30.8亿m，域面积为29.55平方公里。图2.2研究区水系分布图2.1.3土壤呼伦贝尔地区受地形、气候、土壤等生态条件的影响，植被呈现出地带性规律变化，土壤分布呈现出规律性变化。土壤的地带性分布在黑钙土和栗钙土的交界带，以暗栗钙土为地带性土壤，分布如下：黑钙土分布在本市的东部丘陵区，占全市总面积的13.7%，栗钙土是本市分布面积7 最大的土类，主要分布在辖区广大的高平原上，占全区面积的52.42%，非地带性土壤包括水成的沼泽土、暗色草甸土和风沙土，前者分布在河流的漫滩、泛滥地或地势低洼地，湖泊周围，暗色草甸土和沼泽土呈复区分布。风沙土分布在海拉尔以西的高平原上(海拉尔河南岸沙带的东部边缘)，伊敏河东岸的阶地前沿有少量分布。2.1.4植被类型以呼伦贝尔地区的草原作为主要研究对象，呼伦贝尔地区的草原的植被类型主要可分为三大类：草甸草原区、典型草原区、沙地植被区。(1)草甸草原区主要分布在大兴安岭西侧的丘陵地带。主要植被类型为贝加尔针茅草甸草原及羊草贝加尔针茅草甸草原。草地覆盖率高，产草量大，是优良的天然牧场。(2)典型草原区是呼伦贝尔草原的主要构成部分，位于草甸草原以西。主要植被类型为大针茅草原、克氏针茅羊草草原、克氏针茅丛生禾草草原。草群覆盖率低，不宜打草，但饲用价值高。(3)沙地植被区在呼伦贝尔区域内零星分布的几个沙地区，形成了不同的沙地植被区。中部沙带主要植被类型为樟子松林，北部沙带主要植被为差巴嘎蒿，南部沙带主要植被分布为小叶锦鸡儿。图2.3研究区植被类型分布图8 另外，根据地貌和水文条件方面的统计，呼伦贝尔草场也可以分为五大类。主要有温性草甸草原、温性典型草原、低平地草甸、山地草甸、沼泽。如下表所示：表2.1呼伦贝尔草原分类植被分类主要物种植被盖度所占面积比温性草甸草原线叶菊、贝加尔针茅、羊草、早熟50%～80%19%禾、野韭等温性典型草原羊草、克氏针茅、寸草苔、糙隐子40%～65%54%草等低平地草甸红顶草、碱蓬、碱茅等75%～95%18%山地草甸日荫菅、山野豌豆、地榆、拂子茅80%～95%6%等沼泽大叶樟、芦苇等可达100%3%各植被类型所占面积比重如图所示：不同植被类型百分比温性典型草原54%温性草甸草原低平地草地18%温性典型草原低平地草地山地草甸沼泽山地草甸温性草甸草原沼泽6%3%19%图2.4植被类型面积比重图2.1.5自然资源及矿产资源呼伦贝尔地区野生植物资源相当丰富，主要有野生药用植物、野生经济植物、野生油料植物、野生纤维植物、野生淀粉植物、野生食用植物、野生果品植物等。9 呼伦贝尔市野生动物品种和数量繁多。据不完全统计，全市野生动物种类占全国种类总数的12.3%，占自治区的70%以上，居第一位。在这些动物中，受国家保护的一、二、三类野生动物和受自治区保护的野生动物品种有30余种，其中有些是珍稀兽类和禽类。其中以鹿科动物最为有名。全市313种鸟类中，受国家保护的鸟类有60多种，如丹顶鹤、白鹤、灰鹤、白头鹤、小天鹅、大天鹅等。大兴安岭在蒙古高原与松辽平原之间，自东北向西南，逶迤纵贯千余里，构成了呼伦贝尔市林业资源的主体。呼伦贝尔市有林地面积1.90亿亩(含松加地区)，占全市土地总面积的50%，占自治区林地总面积的83.7%。呼伦贝尔市森林覆盖率49%。森林活立木总蓄积量9.5亿立方米，全市森林活立木蓄积量占自治区的93.6%，占全国的9.5%。呼伦贝尔市林区的主要树种有兴安落叶松、樟子松、白桦、黑桦、山杨、蒙古柞等。全市探查到的各类矿产达40余种，矿点370多处。其中57处矿点已探明，主要有煤炭、石油、铁、铜、铅、锌、钼、金、银、铼、铍、铟、镉、硫铁矿、芒硝、萤石、重晶石、溴、水泥灰岩等。煤炭探明储量是辽宁、吉林、黑龙江三省总和的1.8倍。2.1.6人口、政治和经济据2008年统计，呼伦贝尔市总人口2696998人。呼伦贝尔是一个以蒙古族为主体，汉族人口最多的多民族聚居区。该区有蒙古、汉、达斡尔、鄂温克、鄂伦春、俄罗斯等31个民族。自20世纪80年代以来，随着当地农业的机械化以及旅游业的快速发展，人民的生活水平得到了很大提高。海拉尔是呼伦贝尔市的政治、经济和文化中心，同时作为呼伦贝尔市唯一的航空口岸，东邻东北经济区，西邻满洲里、黑山头等7个口岸，这些口岸呈扇形分布在距海拉尔200公里左右的中俄、中蒙边界线上，为该地区的对外经济发展创造了良好的地理环境。呼伦贝尔大草原是中国目前生态环境保持较好的草原之一，呼伦湖是我国五大淡水湖之一，鸟类资源丰富，风景优美。冬季的呼伦贝尔是滑雪爱好者向往的地方，牙克石市的凤凰山庄滑雪场有多条天然雪道可以让你尽兴。10 2.2技术方案2.2.1研究内容以呼伦贝尔地区草原植被为例，应用区域生态碳循环过程模型—CASA模型—对该区植被净初级生产力进行遥感估算；以地面实测NPP数据来验证CASA模型对该区NPP的估算结果，并以此为根据来说明我国呼伦贝尔地区自东向西植被类型演替变化情况；分析NPP与植被覆盖度、气候变化的响应特征。2.2.2研究方法随着科学技术的发展，NPP的估算方法也越来越多。以空间范围为研究对象来说，NPP的估算方法主要有实地定位直接观测获取数据，这种方法只能获取较小范围内的NPP数据；区域及全球范围NPP模拟值，这种方法现在逐渐成为NPP估算的一种重要方式。随着遥感技术的发展，获取的影像数据精度得到很大提高，应用遥感数据模型估算NPP已得到广泛应用，可以直接用植被指数与NPP的关系进行计算(肖乾广，等；Jiang，etal.)；而基于资源平衡理论的光能利用率模型目前已成为NPP估算的一种新的估算模型(Prince，Goetz，朴世龙，陈利军，孙睿)，使得大尺度的NPP估算成为可能。NPP估算模型发展到现在，已有很多比较成熟可用的方法，这些方法模型主要可以分为四大类，包括：气候生产力模型；光能利用率模型；生理生态过程模型和生态遥感耦合模型。(一)气候生产力模型这种模型出现于NPP估算方法研究初期，由于许多技术方面的限制，该模型只是采用了一种简单的统计方法来进行计算。在这种模型中，假定植被净初级生产力只与气候变化有关，以此为依据建立的模型只是对气候因子(如温度和降水等)与植被生物量干重进行相关分析，以此来估算NPP。该类模型以Miami模型、Thornthwaite模型、Chikugo模型为代表。这类模型的特点是估算方法简单，参数选取较少，没有考虑到NPP的其他影响因素，比如说植被生长阶段期的光照情况，植物生长的土壤肥力，空气中CO2含量，因此估算误差大，得出的只是一种NPP的潜在值。(二)生理生态过程模型该模型主要是模拟植物生长的不同阶段的生理过程以及生态系统的生态学的模型，现今已经成为生态学中研究植被生产力的主要方向(王宗明等)。这类模型只适合小范围研究区的NPP估算。在研究的早期，生态过程模型所需参11 数主要包括气象参数和土壤参数，如温度、降水、土壤水含量、植被中碳含量、植被中水含量等参数。研究区的小尺度使得对于与空间尺度相关的参数都可忽略不计。这类模型以TEM(McGuire，etal.)、CARAIB(Warnant，etal.)、SILVAN(Kaduk)、KGBM(Kergoat)、CENTURY(Parton，etal.)等为代表。模型的特点是结构清晰，但是该模型过程复杂、涉及面广、参数多且难获取、定量化难度大，因此不宜推广。生理生态过程模型可以很好的模拟和预测植被净初级第一性生产力，并且可以预测气候环境变化对植被的影响作用。而且可以与大气环流模式相结合，便于预测全球变化对NPP的影响。(三)光能利用率模型利用光能利用率概念模型估算NPP是以资源平衡观点作为理论基础(Field，etal.)，如果我们假定生态过程趋向调整植物特性来与环境条件响应，各种可利用的资源共同促成了植物的生长，植物体在生理、生态过程的进化中逐渐趋向于所有因素共同起到了抑制植物的生长的作用。极端情况下，在不可能完全适应的情况下，最短缺因子限制了NPP的大小。NPP与APAR和ε(光能利用率)的关系被描述为Monteith方程：NPP=APAR∗ε(2-1)许多研究表明APAR能够最好的表现出植物冠层光合作用的过程，是监测碳储量最有效的方法。一般来说，对大范围的APAR的监测主要是通过对植被冠层对入射光合有效辐射的吸收系数(fAPAR)和光合有效辐射(PAR)的估算来实现。PAR是植物光合作用的驱动力，是生态系统存在、稳定并进化的必要条件。光能利用率是估算NPP的基础。在早期的研究中，把光能利用率作为常数，来计算NPP的值，由于光能利用率的取值受时间差异和空间差异的影响，取定值就会使得估算结果存在很大误差。另外，光利用率还受到气温、降水量、土壤等因素的影响，所以模型必须经过纠正以减少误差。光能利用率模型的特点主要包括：第一，模型结构比较简单，利用遥感数据获取全区数据，可应用于大尺度甚至全球范围；第二，光合有效辐射的比例可通过遥感手段获取；第三，可以获取不同季节及年份的NPP实时数据。因此，这类模型已成为NPP估算模型的主要发展方向，代表模型有CASA(Potter，etal.)、SDBM(Knorr&Heimann)、GLO-PEM(Prince&Goward；Goetz&Prince)等。(四)生态遥感耦合模型12 生态遥感耦合模型可以分为两个主要过程，第一个过程是采用生态生理模型基于干物质生产理论来研究分析单叶到整个冠层，从而完成这部分的尺度转换；第二个过程是采用NPP的遥感估算模型来实现，基于植被指数，从而完成冠层至生态系统或区域的尺度转换。根据比较发现，NPP估算模型的优缺点及适用情况如下表2.2所示。表2.2各模型优缺点对比表类型代表适用情况优点缺点气候生产力Thornthwaite用于区域潜在结构简单，参数易获误差大，只能估算出一模型MiamiNPP估算取种潜在NPPChikugo生理生态过CENTURY小尺度，空间范结构清晰，误差较小，模型复杂，参数难获取程模型TEM围差异小的NPP可预测全球变化对BIOME-BGC估算NPP的时空响应光能利用率GLO-PEM用于区域及全球植被参数有遥感直接不能进行NPP的模拟模型CASA尺度上的NPP估获取，易于推广，可预测，光能利用及转换SDBM算研究NPP的动态变化过程存在不确定性生态遥感耦BEPS，经改进小范围区域、区遥感数据在获取NPPBEPS模型复杂，所需合模型后的PEM模型域及全球尺度的空间分布信息时得到参数多，存在不确定NPP估算了有效运用；具有模性；改进的PEM模型拟预测功能；植被变估算结果受LAI影响化能同时反映在NPP较大估算上2.2.3模型选择植被净第一性生产力可以直接反映植被的生产能力，是研究碳循环的重要环节，也是研究生态系统演替进化的重要指标，为自然资源的管理提供可用数据信息。随着遥感技术的发展以及影像数据分辨率的提高，多种卫星遥感数据已经用来监测植被生产力，一系列的研究成果表明遥感技术来模拟和预测植被净第一性生产力具有很好的研究价值和应用前景。本文采用MODIS遥感数据，利用光能利用率模型来估算呼伦贝尔地区植被净第一性生产力。该模型的特点就是植被参数可以利用遥感数据直接获取，模型比13 较简单。本文根据呼伦贝尔草原植被生态系统的特征，运用MODIS数据和气象数据，建立区域尺度下NPP遥感估算模型。模型考虑气温、降水和植物水胁迫的影响，以及时空尺度的差异，并充分利用遥感反演的参数来驱动。根据野外实测数据以及植被冠层的高光谱数据对建立的遥感估算模型进行验证和修正。2.2.4技术路线基础数据气象数据遥感数据CASA(NPP遥感估算模型)野外实测数据模型验证及分析模型验证影响因子分析实不气N地同象DVI数模数据型据结果图2.5本文技术路线图2.3本论文的研究目标(一)验证CASA模型在呼伦贝尔地区的可应用性及估算NPP结果的可靠性。(二)利用CASA模型研究呼伦贝尔地区草原植被的净第一性生产力的空间分布差异及变化规律。(三)分析NPP的空间动态变化与植被覆盖情况以及气候变化之间的关系，研究影响呼伦贝尔地区NPP变化的主要因素。14 3CASA模型3.1CASA模型的研究进展早在1972年，Monteith利用APAR的观测值与光能利用率相乘得到植被生产力的值，也就是著名的Monteith方程。到1989年，研究人员构建了第一个计算全球植被净第一性生产力模型(Heimnna&Keeling)。1993年，Potter和Felid建立并改进了CASA(CarnegieAmesStanfordApproach)模型。由于大部分对碳循环的研究和认识都是通过对某些测定点的通量，遥感数据的大尺度实时性的特点能够更大的拓宽研究范围，例如利用遥感影像计算出的NDVI能够估算大尺度甚至全球范围的NPP，同时可以研究植被NPP和大气以及陆地生态系统中CO2含量的季节交换。该模型需要的主要参数是植被指数、太阳辐射强度、气候资料等研究区数据，来估算植被净第一性生产力。在1995年，在对光能利用率这一关键参数的取值问题上，Field进行了深入的研究和并作了一些改进(Field)。从模型参数取值、误差校正、太阳辐射强度的空间差异、光能利用率的取值等不同的角度探讨了全球NPP的变化。分析了各种情况的局限性，并对模型进行了验证和改进。由于NPP与植被类型、气候变化等的密切相关，提出一个简单的方法来模拟全球NPP。这就是Field的研究成果，这种模型也属于光能利用率模型的一个阶段，它综合应用了生态系统自身原则和具有高分辨率的遥感数据，使得得出的NPP结果具有较高的精度。为了研究人类活动对土地覆盖变化的影响，Potter和Klooster改进了CASA模型某些参数，使其结果更具可靠性，这项成果改善了与植被吸收需求相关的土壤碳循环和总生态系统氮量进行可行性的计算(Potter)。之后，Lobell对美国的天然植被和农作物的光能利用率分别进行了深入的研究，结果表明天然植被与农作物的光能利用率存在差异，采用这种方法很大的提高了大尺度范围内利用遥感模型估算NPP的精确性(Lobell)。为了降低CASA模型中产生的NPP估算值的误差，Bradford将C3与C4植物在光能利用率上的差异考虑在内(Bradford)。他指出利用改进后的CASA模型估算出的植被NPP，与地面实测数据相比较，对天然植被的估算值偏高，误差较大，对农田作物的估算值也偏高，但相对天然植被来说误差较小。光能利用效率从天然植被、C3植物、C4植物这三个部分相结合来获取，研究结果表明C4农作物具有高的光能利用效率，C3农15 作物具有中等的光能利用效率，草地具有较低的光能利用效率。3.2CASA模型介绍3.2.1CASA模型估算NPP流程图本文在原有CASA模型的基础上对研究区林地、草甸草原及典型草原植被沙地植被等不同植被类型的NPP进行估算。CASA属于光能利用率模型，该模型以遥感数据为主要数据源，利用气象数据以及研究区植被类型、土壤及其分布规律等因素的共同驱动，该模型中植被净初级生产力(NPP)是由植被吸收光和有效辐射(APAR)、最大光能转化率、温度胁迫系数和水分胁迫系数等参数共同构成的函数(Potteretal.；Fieldetal.)。CASA模型中植被NPP主要由植被所吸收的光合有效辐射(APAR)与光利用率(ε)两个变量决定：NPP(x,t)=APAR(x,t)∗ε(x,t)(3-1)16 植被净第一生产力(NPP)光合有效辐射(APAR)光能转化率ε植被层对入月太阳总最大光能转化率ε*(理想射光合有效辐射量条件下)辐射的吸收(SOL)比例Tε1：反映在低温和高温时植物内在的生化作用对光合限制NDVITε2：反映环境温度从最适温度向高温和低温变化时MODIS数的光能转化率逐渐变小的据趋势水分胁迫影响系数:Wε图3.1CASA模型NPP计算流程图3.2.2光合有效辐射的确定(APAR)太阳辐射能是绿色植物进行光合作用的能源，植物利用其中一部分辐射能合成自身有机质，这部分能量称为光合有效辐射(PhotosyntheticallyActiveRadiation，PAR)，即波长范围在380~710nm可见光范围的这部分太阳辐射能，植被自身生理生态特征和太阳辐射总量共同决定了植被吸收PAR的量。植物对PAR的截获与利用构成了生物圈起源、进化和持续存在的必要条件。因此，研究植物吸收的光合有效辐射(AbsorbedPhotosyntheticallyActiveRadiation，APAR)可为进一步研究植物的光合作用和光利用率提供基础，同时为计算植被净第一性生产力及其他相关生态系统状况的监测也具有重要17 的意义。利用公式(3-2)来计算植被所吸收的光合有效辐射：APAR(x,t)=SOL(x,t)∗fPAR(x,t)∗0.5(3-2)公式(3-2)中的SOL(x,t)表示t月份像元x的太阳总辐射量，fPAR(x,t)为植被层对入射光合有效辐射的吸收比例，其随植被类型及其演替阶段和季节的不同而变化；常数0.5表示植被所能利用的太阳有效辐射占太阳总辐射的比例。fPAR随植被类型及其生长阶段和季节的不同而变化。对fPAR的估算主要是通过植被指数与它的经验公式来确定。许多研究结论都表明fPAR与NDVI之间存在线性关系。Myneni等用辐射传输方法研究了这种线性关系随植被冠层、土壤及大气参数的变化情况，发现fPAR与NDVI之间的关系与像元异质性无关，但对背景、大气辐射和地面反射辐射以及大气逆辐射特性比较敏感，如果研究局限于星下点附近，大气辐射和大气逆辐射的影响可以忽略，甚至在土壤是中等反射情况下，背景的影响也可以忽略。因此有些学者认为，fPAR与NDVI之间的线性关系成立是需要限定条件的，条件是：太阳天顶角小于60°，星下点附近，土壤背景是中等亮度，在550nm处大气光学弧度小于0.65。Potter等利用下面的公式计算fPAR，模型中fPAR由NDVI和植被类型两个因子来表示，并使其最大值不超过0.95(Sellersetal.,1992)。SR−SRminfPAR(x,t)=min[,0.95](3-3)SR−SRmaxmin(3-3)式中：SRmin取值为1.08，SRmax的取值与研究区植被类型有关，取值范围在4.14到6.17之间。SR(x,t)由NDVI(x,t)求得，计算公式(3-4)：1+NDVI(x,t)SR(x,t)=[](3-4)1−NDVI(x,t)在CASA模型原有算法中，计算fPAR(x,t)运用的是NOAA/AVHRRNDVI数据。由于MODIS数据比AVHRR数据具有更高的空间分辨率和更高的数据质量(刘闯等)，原有的算法就变得不适宜。在算法中，可以利用NDVI-fPAR查找表(Myneni,etal.)计算fPAR。18 fPAR可以直接由(3-5)式计算：0………………………………………………NDVI≤0.075fPAR=(3-5)min{1.1613∗NDVI−0.0439,0.9}……………NDVI>0.075但是，这个查找表是基于SeaWiFS数据得到的，对于查找表中得到的NDVI值，对本研究区来说，不一定适用，所以直接利用原有模型中的查找表计算fPAR，精度较低，还需要根据研究区的NDVI值，计算fPAR。根据fPAR与NDVI之间存在着线性关系，可以利用研究区内植被类型NDVI的最大值和最小值以及所对应的fPAR最大值和最小值来确定fPAR同NDVI之间的关系，即：(NDVI(x,t)−NDVI)∗(fPAR−fPAR)minmaxminfPAR(x,t)=+fPAR(3-6)min(NDVI−NDVI)maxmin式中NDVImin为研究范围NDVI的最小取值，NDVImax为研究范围NDVI的最大取值。许多研究都证明，fPAR与简单比值(SR)之间线性相关，用公式可以表示为：(SR(x,t)−SR)∗(fPAR−fPAR)minmaxminfPAR(x,t)=+fPAR(3-7)min(SR−SR)maxmin公式中涉及到的参数SR由(3-4)式计算得出，SRmin和SRmax分别对应草地植被类型的NDVI最小值和最大值。通过对fPAR-NDVI和fPAR-SR分别估算的结果进行比较发现，由NDVI所估算的fPAR比实测值高，而由SR所估算的fPAR则低于实测值，但其误差小于直接由fPAR的估算值，当将两个结果相结合时，得出的结果误差达到最小(Los)。本文将式(3-6)和(3-7)取平均值作为fPAR的估算值：fPAR(x,t)=(fPAR+fPAR)/2(3-8)NDVISR其中，式中fPARNDVI为公式(3-6)所估算的结果，fPARSR为公式(3-7)所估算的结果，进行归一化计算，fPARmin和fPARmax的取值分别为0和0.95。为了建立线性关系，必须确定NDVI最大值和最小值。NDVI最大值是指植被达到完全覆盖、植被光合作用最旺盛时的值，而NDVI最小值是指没有植被时的值。参考朱文泉的取值，本研究中NDVImax取0.634，NDVImin取0.023，如下表所示。再由NDVI与SR19 的关系式计算得出，SRmax为4.46，SRmin为1.05。由上面公式共同推导得出：0…………………………………………………………NDVI<0.023fPAR=0.56(3-9)min{1.56NDVI+−1.556,0.95}……………NDVI≥0.6341−NDVI表3.1不同植被类型各参数取值代码植被类型NDVIminNDVImaxSRminSRmax1落叶针叶林0.0230.7381.056.632常绿针叶林0.0230.6471.054.673常绿阔叶林0.0230.6761.055.174落叶阔叶林0.0230.7471.056.915灌丛0.0230.6361.054.496疏林0.0230.6341.054.497海边湿地0.0230.6341.054.468高山、亚高山草甸0.0230.6341.054.469坡面草地0.0230.6341.054.4610平原草地0.0230.6341.054.4611荒漠草地0.0230.6341.054.4612草甸0.0230.6341.054.4613城市0.0230.6341.054.4614河流0.0230.6341.054.4615湖泊0.0230.6341.054.4616沼泽0.0230.6341.054.4617冰川0.0230.6341.054.4618裸岩0.0230.6341.054.4619砾石0.0230.6341.054.4620荒漠0.0230.6341.054.4621耕地0.0230.6341.054.4622高山、亚高山草地0.0230.6341.054.4620 3.2.3光能转化率的确定光能利用率是估算NPP的最重要参数之一，是估算NPP的基础。最先利用光利用率模型估算NPP的Heimann等，在其模型中假设光能利用率不随季节和地表覆盖情况而变化。由于光利用率受到气温、水分、土壤、营养、疾病、个体发育、植物个体差异和植物光合作用所需能量差异等众多因素的影响，光能利用率在全球范围内被视为一个常数会引起很大的误差。最近的研究表明光利用率随环境条件的变化、植物生命合成途径及呼吸速率的不同而变化。Hunt认为基于植被指数的全球NPP的估算应把ε的差异分布考虑在内。在没有气候和其他因素的限制的情况下，PAR转化率ε的上限为-1-13.5gC.MJ，草本作物和其他一些植被的光利用率在0.09-2.16gC.MJ之间。光利用率主要受植被类型、植物生长阶段，以及植被所处的外界环境等因素的影响，虫害、疾病等突发状况也会影响光利用率的值。所以，不同类型的植被以及同一植被在不同的环境条件下，其光利用率也会存在差异。如此说来，要使NPP的估算结果准确可靠，必须要对光利用率进行有效且可靠的估算。光利用率是指植被把所吸收的光合有效辐射(PAR)转化为有机碳的效率。在理想条件下，人们通常认为植被具有最大光利用率，然而实际情况中，光利用率受气温和降水的影响，其计算如式(3-10)：*ε(x,t)=T(x,t)∗T(x,t)W(x,t)∗ε(3-10)ε1ε2ε公式中的Wε(x,t)为水分胁迫影响系数，该系数主要用来表示NPP受水分条件的影响程度。Tε1(x,t)是指高温对光利用率的限制程度，Tε2(x,t)是指低温对光利用率的限制程度，ε*是指理想条件下的最大光利用率。Tε1(x,t)反映在低温和高温时植物内在的生化作用对植物光合作用的限制而降低NPP的积累(Potter,etal.;Field,etal.)，用(3-11)式计算：2T(x,t)=0.8+0.02∗T(x)−0.0005∗[T(x)](3-11)ε1optopt式中Topt(x)为某研究区内NDVI值达到最高时的月平均气温。已有许多研究表明，NDVI的大小及其变化可以反映植物的生长状况，NDVI值达到最大时，植物生长状况最好，此时的气温可以在一定程度上代表植物生长的最适温度。当某月平均温度低于或等于-10℃时，Tε的取值为0。Tε2(x,t)表示环境温度从最适温度Topt(x)向高温和低温变化时植物光利用率逐渐变小的趋势，因为当环境温度偏离植物生长所需最适温度时，植物的呼吸作用加强，消耗能21 量增多，同时光合作用降低，这样光利用率一定也就随之降低了。用(3-12)公式计算：1.1841T(x,t)=∗(3-12)ε2{1+exp[0.2∗(T(x)−10−T(x,t))]}{1+exp[0.3∗(−T(x)−10+T(x,t))]}optopt3.2.4原CASA模型中水分胁迫影响系数Wε(x,t)水分胁迫影响系数Wε(x,t)是用来反映植物所能利用的有效水分对光利用率的产生的影响。如下图所示为原CASA模型中水分胁迫影响系数的计算流程。水分胁迫影响系数估计蒸散量EET可能蒸散量PET每每土月萎月壤月平均温度T土的水蔫壤降分含含雨的水量蒸水量PPT发SOILM量潜力WRDRPT[18]图3.2水分胁迫影响系数Wε的计算流程图随生长环境中有效水分的影响，Wε(x,t)逐渐增大。它的取值范围为0.5(干旱情况)到1(湿润情况)，由下式计算：W(x,t)=0.5+0.5∗E(x,t)/E(x,t)(3-13)εp其中，公式中的E(x,t)为区域实际蒸散量，可根据张新时和周广胜建立的区域实际蒸散模型(3-14)求取。Ep(x,t)为区域潜在蒸散量，可根据Boucher提出的互补关系求取。22{P(x,t)∗R(x,t)∗[(P(x,t))+(R(x,t))+P(x,t)∗R(x,t)]}nnnE(x,t)=(3-14)22{[P(x,t)+R(x,t)]∗[(P(x,t))+(R(x,t))]}nn式中P(x,t)为像元x在t月的降水量(mm)，Rn(x,t)太阳净辐射量。其中，太阳净辐射量的值应用经验公式如下(3-15)来计算：22 E(x,t)0.5p00.5R(x,t)=[E(x,t)∗P(x,t)]∗{0.369+0.589∗[]}(3-15)np0P(x,t)其中，公式中的Ep0(x,t)为局地潜在蒸散量(mm)，可以由Thornthwaite植被—气候关系模型的计算方法求取(张新时)。当具体进行计算时，都用月均值。将计算结果代入(3-16)，就可以得到实际蒸散量。E(x,t)=[E(x,t)+E(x,t)]/2(3-16)pp0式中Ep0(x,t)为局地潜在蒸散量(mm)。根据之前一些学者的研究结果，发现NPP受温度胁迫因子和水分胁迫因子的影响不明显，所以参考朱文泉模型的光利用率模拟值，本文中光利用率ε的取值为-10.542gC·MJ。[35]表3.2不同植被类型光利用率取值代码植被类型样本数ε模拟值1落叶针叶林390.4852常绿针叶林1100.3893落叶阔叶林3560.6924常绿阔叶林1420.9855针阔混交林210.4756常绿、落叶阔叶混交林220.7687灌丛90.4298草地-0.5429耕地-0.54210其他-0.5423.3本文对原CASA模型不足的改进3.3.1原始CASA模型的不足虽然CASA模型充分考虑了环境条件和植被本身特征，但在某些方面仍存在一些不足，比如说参数的确定、计算过程的细节等方面。植被最大光能转化率的取值对净初级生产力的估算结果影响很大。研究人员在不同模型中对最大光能转化率的取值不一样，-1取值范围从0.09到2.16gC·MJ(彭少麟等)。在CASA模型中植被最大光能转化率取-10.389gC·MJ。参考实地观测数据，彭少麟等学者认为该取值对草原植被来讲偏低。另23 外还有一些学者认为，试验点上所得到的最大光能转化率实际上是该植被类型中的某一点的最大光能转化率而不是整个植被的最大光能转化率。植被最大光能转化率的确定不[29]仅受植被类型的影响，而且受空间分辨率和植被覆盖的均匀程度的影响。CASA模型的时间分辨率为月，而遥感数据影像为瞬时数据，两者在时间尺度上不统一。这样就使得植被NPP的估算结果产生不同时间尺度上的误差，这样的误差不可避免。3.3.2植物吸收的光合有效辐射(APAR)算法的改进植被NPP的估算主要取决于APAR。APAR是进一步研究植被生理生态过程、光合作用以及光能利用率的重要参数，它由太阳总辐射中的光合有效辐射(PAR)和植被对光合有效辐射的吸收比例(fPAR)决定。原CASA模型中，利用的遥感数据源是NOAA/AVHRR数据，fPAR算法是根据NOAA/AVHRR数据特点确定。而本文计算fPAR利用的数据源是MODIS数据，MODIS数据比NOAA/AVHRR数据具有更高的空间分辨率和更多的数据信息量(刘闯，葛成辉)。显然，原fPAR的算法不能准确地反映地面植[35]被fPAR的实际情况，所以，要对fPAR的算法进行改进。本文利用朱文泉模型算法中设计的NDVI-fPAR查找表(朱文泉)获取和计算光合有效辐射比率(fPAR)。具体到呼伦贝尔地区，以草甸草原为例，经推导fPAR直接由下式计算：0…………………………………………………………NDVI<0.023fPAR=0.56(3-16)min{1.56NDVI+−1.556,0.95}……………NDVI≥0.6341−NDVI3.3.3光利用率的取值本文主要研究呼伦贝尔地区的NPP估算值，光利用率为一关键参数，参考朱文泉(2006)和刘广等(2008)所模拟出的中国典型植被的最大光能利用率的取值做比较，其中-1针对草地而言，最终对光能利用率的具体取值为0.542gC·MJ。但是，由于研究区东北-1部地区一小部分植被类型为大兴安岭岭东区的林地，如果ε=0.542gC·MJ对该区来说就[11]偏低，这也是本文的参数选取方面的不足。24 4数据采集与处理本文选用的矢量地图为中国1:400万全国行政区划图，遥感影像数据为2008年TERRAMODIS和TM遥感影像。应用ENVI、ARCGIS9.2软件，将遥感影像数据进行几何校正、影像拼接和裁切等预处理，计算研究区域的NDVI。利用ARCGIS的空间分析工具，对收集的气象站点数据进行空间插值，得到坐标系和像元大小与NDVI数据一致的气象要素栅格图。4.1遥感数据4.1.1遥感数据的获取所用遥感数据来源为2008年MODIS遥感数据，其空间分辨率为250m×250m。4.1.2遥感数据的处理(一)遥感解译结果研究区属于温带半干旱季风气候，地貌类型以草甸草原、典型草原和沼泽为主。利用ENVI软件，对研究区2008年TM遥感影像进行几何校正、图像镶嵌和裁切。然后利用监督分类方法，对研究区进行计算机解译，得到研究区域植被类型分布图（图4.1）。25 图4.1研究区植被类型分布图(二)NDVI计算(1)利用遥感图像处理软件ENVI，计算2008年7-8月每天的NDVI。(2)由于受云覆盖影响，计算得到的逐日NDVI存在无值区域。因此，研究区域NDVI采用连续十日NDVI的最大值，每月计算三次。(3)计算研究区域整个生长季的累积NDVI。4.2气象数据4.2.1气象数据的采集从研究区当地气象站点获取2008年研究区域内9个气象站点的气象数据，包括逐日平均温度、逐日降水量。26 表4.1研究区气象站年均温区站号站名年均温(℃)呼伦贝尔地区年降水比较50425额尔古纳右旗-5.51350050434图里河2.79300050514满洲里1.81250050527海拉尔1.322000(mm)50548小二沟2.051500降水量50603新巴尔虎右旗3.65100050618新巴尔虎左旗5.3350050632博克图5.250额尔古纳右旗图里河满洲里海拉尔小二沟新巴尔虎右旗新巴尔虎左旗博克图扎兰屯50639扎兰屯5.33图4.2研究区年降水比较图4.2.2气象数据的处理气象数据的处理步骤：(1)首先，根据从气象站点得到的数据计算出相应站点2008年的年均温，年降水量。(2)根据数据中提供的气象站点经纬度信息，运用地理信息系统软件ARCGIS，根据数据中包含的站点坐标将其矢量化，输出为shp格式数据，并为将其赋相应投影。同时，各气象要素值将作为气象站点的属性字段自动添加到对应shp文件的属性表中。(3)应用ARCGIS的空间统计模块，对年均温和年降水两属性进行Kriging插值，得到研究区域的年均温和年降水分布图。27 图4.3研究区气象站点分布图图4.4研究区年降水量分布28 图4.5研究区年均温分布4.3CASA模型的应用根据CASA模型估算流程，本文利用2008年8月遥感影像数据计算呼伦贝尔地区NPP，由于7-8月份为植被全年生长最繁茂的时候，所以以该时期数据为基础计算得到的NPP值即可用来说明2008年全年植被净第一性生产力的值。图4.6研究区NPP分布29 利用之前计算的NDVI值，以及温度和降水的数据叠加计算得出NPP值。利用CASA模型计算得到的结果是栅格数据，将其投影方式转换为Albers投影后，利用统计方法，所得NPP的值根据植被类型的不同，计算所得NPP的平均值如下表：表4.2不同植被NPP均值植被类型林地草甸草原典型草原沙地植被2NPP均值(g/m·a)396.71255.96137.0879.3130 5研究区NPP估算结果对比分析5.1模型结果检验NPP估算结果的验证分析是验证遥感模型的精度的主要部分，也是验证该遥感应用模型的适用性的依据。一般利用野外实测数据来验证模型模拟结果。由于CASA模型中参数比较多，不同区域的参数的应该有不同的取值，另外考虑到获取的遥感数据本身所存在的误差，所以只能大致的来验证模拟结果的精度，并根据研究区实际情况，适当的来对参数进行取值。但是，由于野外数据以点代面的估算出来的NPP结果，也会存在偶然误差，所以两种方法都会产生误差，各有优缺点。5.2与实测数据的对比验证5.2.1实验与测定方法项目组为了获取研究所需实地数据，如植被物种数量、物种种类、土壤成分、植被覆盖度等状况，在2009年7月20日-2009年8月10日期间，前往呼伦贝尔草原地区进行实地数据采集，获取的样地数据同时可以用来验证本文中采用的CASA模型估算结果的可靠性，地面实测样地从东北向西南展开。实测数据利用原始传统做样方和利用光谱仪两种方式来估测草场生物量。根据研究区实际情况，随机选取样方，每个样方都要获取光谱数据、植被盖度、植被种数、地上生物量等数据，利用这些数据来估算研究区的植物生物量。在本研究野外数据采集过程中，共采用了两种数据获取方法，一是传统样方法，一是光谱仪法。5.2.2样方法的数据处理和植被光谱数据的处理(一)样方法样方法是传统的用来获取植物种类，数量的方法。样方就是从研究区内提取一部分来说明该研究区的整体情况。首先，在一个研究区内确定三条样带，沿样带方向，每50米取一个1m*1m的样方，首先确定样方位置，将四个角用钢钉固定，然后，以样方的边线为边界，用数码相机，对样方进行拍摄，并目测样方的覆盖度，测量不同物种的高度，填到样方调查表中；将样方内的植被分物种进行剪除，并分别装到不同的布袋内，同时对植物数量进行统计。31 其次，将取得的草样，称取其鲜重，并记录，之后将草样放入烘干机，将烘干机调到75℃，烘干后取出，称取其相应的干重，均取小数点后三位小数吗，将相应数据填入表格中。(二)光谱仪法1数据的采集步骤(1)利用ASD地物光谱仪波段范围为350-2500nm，对草地冠层光谱进行了测量。实验之前需要做的准备工作主要包括：首先，对光谱仪进行预热，然后检验仪器的光谱分辨率、中心波长、信噪比等参数。实验时间一般选择在比较适宜的天气条件下，选择一天中的10:00-14:00作为最佳实验时段，实验过程中，选定具有代表性的区域，进行数据采集，之后运用数理统计方法和遥感植被参数分析光谱特征。同时记录该样方GPS[36]经纬度坐标，对该样方拍照，记录光谱号及相应照片号等相关信息。(2)对实验样方的描述主要包括样方植被类型，样方内优势物种，各物种高度，然后对样方进行拍照，记录样方号及相应的照片号。(3)样方植被覆盖度主要是采用目测法，对不同物种的盖度以及总盖度分别进行估测。图5.1实测样方2植物光谱数据分析利用光谱数据处理软件ViewSpecpro对野外获取的光谱数据进行处理和分析。经计32 算发现不同植被的反射率值的总的变化是相似的。同一植被类型，植被覆盖度越大，近红外波段反射率越大。图5.2不同植被类型对应DN值对比5.2.3利用高光谱数据计算NPP光谱仪所测的研究区植被冠层的高光谱数据估算NPP的主要步骤为：(1)根据野外测量获取的研究区的高光谱数据，从中提取植被反射率等特征参数。(2)根据野外拍摄的可以代表当地植被类型的照片，利用计算机图像识别法获取植[37]被覆盖度。(3)结合以上获取的参数信息，共同估算研究区的NPP。野外获取的高光谱数据野外植被照片高光谱特征参数NPP植被覆盖度图5.3高光谱数据估算NPP流程图本次野外调查将大兴安岭区域的林地排除在外，依据实测样方以及高光谱数据，利用植被覆盖度与植被净第一性生产力之间的关系，估算出研究区内草原植被NPP，如下表：33 表：表5.1野外实测及高光谱数据所得不同植被类型NPP均值植被类型主要分布代表物种覆盖生物量2度(g/m·a)(%)均值鄂温克东北部、额贝加尔针茅、羊草、冰75236草甸尔古纳西南林缘草、洽草、早熟禾草原区、陈巴尔虎旗北部、新巴尔虎右旗西南部草甸-典型草鄂温克、陈巴尔虎贝加尔针茅、寸草苔、58124.6典原过渡区旗、新巴尔虎左旗冷蒿、糙隐子草、芨芨型三交汇区草草典型草原中额尔古纳西南部、克氏针茅、丛生禾草、32115.9原度退化区海拉尔市、鄂温多根葱、高二列委陵菜、克、陈巴尔虎旗、灰绿藜、糙叶黄芪、苔新巴尔虎左旗草、小叶锦鸡儿新巴尔虎左旗、新扁穗冰草、大针茅、麻2163.4沙地巴尔虎右旗近河花头、野韭、蒙古葱、植被流和湖泊附近零褐虱、小叶锦鸡儿、灰星分布绿藜、冷蒿5.3CASA模型与其他结果比较区域小尺度的NPP估算精度评价是一个很难解决的的问题，为了验证本文NPP估算结果的可靠性程度，本文采用两种方法对估算结果进行比较验证：一是与野外同步实测数据的对比，二是与其他学者在该区域估算的草地NPP的结果进行比较。5.3.1CASA模型与野外实测数据对比34 表5.2数据对比及相对误差植被类型CASA估算平均值实测平均值平均相对误差(%)林地396.71－－草甸草原255.962368.46典型草原137.08120.2513.99沙地植被79.3163.425.09经对比可以发现，利用CASA模型估算出来的NPP值比实测值要大一些。但是，不同植被类型所估算的结果的总体趋势是一致的。5.3.2与其他光能利用率模型的验证不同的模型以及数据使得估算的同一地区的NPP估算值存在差异。在2000年，孙睿用1992年4月-1993年3月的NOAA/AVHRR数据来计算全国的NPP(孙睿)。主要采[15][16]用的是光能利用率模型，估算流程如图所示。N气气月月月月土DVI象象平平降平壤站站均均水均质海日绝量风地经拔照对速图纬百湿分辐射子模型辐射平衡土壤水分子模型FPARPAR月平均气温蒸发比总第一性生产力子模型月总第一性生产呼吸作用子模型植被类型图月净第一性生产年净第一性生产图5.4孙睿模型估算流程图35 2该模型计算出的草原NPP为116g/m·a。模型没有进一步的划分不同草原类型及覆盖度状况，而只是得出了各种草原的平均值，这与呼伦贝尔草甸草原及典型草原的NPP值差异不是太大。经验证，利用CASA模型来估算呼伦贝尔地区的NPP值，具有较高的精度。5.4模型结果分析植被NPP受许多因素的影响，既有植被本身的各种生理生态因素，又有众多复杂的环境因子，全球或区域尺度的NPP估算模型不可能考虑所有因素和生态过程，需要对某些生态过程进行简化，因而，最后的模拟结果与实际值之间的差距也是不可避免的；同时，从数据方面，由于涉及空间尺度的信息转换问题，如气候数据内插等都会使模拟结果产生一定的误差。因此，对模拟结果的分析比较和验证是模拟研究中必不可少的重要的前提工作之一。小范围及区域尺度的NPP估算精度评价一直以来都是一个难点。一方面，大量的NPP实测数据获取比较困难，只能采用以点代面的方式，各试验点的观测范围较小，而所采用的遥感数据，其空间分辨率较低，这种尺度上的巨大差异，使它们之间的可比性大大降低，尤其是在选取的样地存在偶然性的情况下，这种空间差别导致的误差就会进一步增大；另外，NPP模拟数据和实测数据间往往还存在时间选取不一致的情况，所以在进行NPP验证时，二者之间因为环境变化异常而存在着一定程度的不可比性。不同的NPP估算模型互相比较，是验证模拟结果可靠性的一种方法，虽然各种模型的模拟结果往往也存在差距，但反映的趋势还是基本一致的。把国内遥感模型对于植被NPP的估算结果进行比较发现，各个学者得到的NPP结22果不尽相同，草地NPP值在116-566g/m·a之间，17.3%在200g/m·a以上。模型的估算[35]结果在众多模型估算结果范围之内。通过CASA模型的计算公式可以发现NPP的值受NDVI的影响很大，因此NDVI自身的误差会对NPP产生敏感的变化。NDVI主要与植被类型、生长密度等因素有关，另外NDVI还受传感器、云量、水汽、粉尘等影响，这些误差不可避免同时也并不能完全消除。5.5研究区NPP影响气候因子分析气候与植被是紧密联系着的，两者相互作用，同时气候因子也是决定植被类型和分布区域的主要因素。36 5.5.1降水量与植被NPP关系分析在大尺度或全球范围内，降水量的多少直接影响NPP的值，是一个相对敏感度较高的影响因素。降水量在一定范围内变化，数值大的地区，相应的植被覆盖度较好，植被类型的NPP较大，超出植被及土壤所能吸收利用的这个范围，也会抑制植被NPP的积累。本文中的研究区相对来说是一个较小的研究区域，该区域在时间尺度上受降水量的影响要大于空间尺度上降水量的影响。另外，降水量季节分配的变化对地上生物量的影响还有待进一步研究。5.5.2温度与植被NPP的关系分析温度变化对绿色植物光合作用的影响主要取决于植物生长所需的最适温度区间与实际温度的对比以及温度变化的方向。在不同的生长阶段，植被受温度的影响是不同的，由于植物自身的生长过程很复杂，温度的变化对植被的影响也就不同。春季温度升高，植物处于生长发育期，这时，使得植物的有机物积累量减少，从而进一步的导致NPP的下降，同时这种情况还容易使得生态系统变得脆弱且不稳定。另外，夏季的高温则往往使得蒸散量加大、水分缺失，危害植物的生长。夜间温度的升高，会导致植被的呼吸作用加强，能量消耗增大，会缩短植物生长周期，降低植物生产力。5.6NPP估算方法的研究方向(一)遥感数据为模型中的重要数据源，从中可以提取许多模型所需参数，可以对地表NPP进行实时或准实时估算。然而，虽然遥感在大尺度、实时性方面具有一定的优势，也只能提供某一时刻的植被覆盖情况，并不能说明长时间地面植被情况。模型自身的可适用性，植被NPP形成过程的复杂性，遥感数据自身误差等因素，使得模型估算出的NPP的值具有一定的不确定性。遥感数据在模型中，只是估算的数据源之一，模型还需要其他数据的补充和完善，从而提高NPP的估算精度。将遥感数据与地面实测[27]资料结合起来，提高模型估算的精度和可靠性。(二)遥感数据与过程模型相结合，从遥感数据中获取地面植被数据信息，从中提取相关参数，进一步估算植被NPP，在包含有地形和位置的地理信息系统支持下驱动模型的运行。(三)研究气候变化对NPP的影响，构建相应的气候模型，再结合已有遥感数据模型，共同来估算NPP，从而提高估算精度。目前，我国在NPP估算方面的研究还处于37 刚刚起步阶段，还需要继续深入的进行这方面的研究，建立适合我国区域特征的NPP估算模型，基于多种数据源，提高模型估算精度。38 6研究结论创新与问题6.1研究结论本文利用稍作改进的CASA遥感模型，利用研究区气象数据，实现了2008年内蒙古自治区呼伦贝尔草原植被NPP的遥感估算，并在此基础上简单分析了NPP与气候因子的关系。通过呼伦贝尔地区MODIS数据、实测数据、相关模型对CASA模型的验证，结果表明，根据实际情况来修正模型参数的取值能提高模型估算的精度，且NPP估算精度满足实际应用需要，此遥感模型合理可行。本文的主要研究结论：(一)CASA模型的改进及实现以CASA模型的基本结构为基础，考虑到最大光能利用率的取值在不同的地表植被类型中存在的差异，结合呼伦贝尔地区存在不同植被类型的实际情况，对CASA模型进行了一些改进，通过对NPP结果与实测数据及其他模型的对比验证，发现改进后的CASA模型对小尺度植被NPP的模拟效果较好。(二)本文估算了呼伦贝尔草原地区的NPP，研究表明在研究区内自东北向西南NPP值逐渐减小。以大兴安岭岭东针叶林区最高，该区植被生长季长，固碳力强；西南部，呼伦湖以西的退化的荒漠草原NPP偏低，主要是由于该区土壤沙化严重，水缺乏，限制了NPP的积累。(三)全区内NPP值受植被指数、温度以及降水量共同的影响。同时也发现植被指数NDVI的值对NPP的值的影响很大。(四)不同模型估算得出的NPP值，虽然存在一定的差异，但是总体的增减趋势是一致的。6.2存在问题及改进对呼伦贝尔草原的植被NPP的研究来说，也存在一些需要改进的方面。(一)中小区域内的NPP的估算研究将是未来的发展方向，本文利用MODIS数据和CASA模型的办法作为主要计算方法。同时，各个不同区域有着不同的实际情况，从呼伦贝尔草原区来说，由于研究区处于我国的边境，与蒙古、俄罗斯相邻，国外气象站点39 的气象数据较难获取，只是利用我国相应及相邻区域气象站的数据，经Kriging插值，得到的结果并不能很好的反映研究区的实际气象状况。(二)光利用率ε是CASA模型估算NPP的基础，在没有气候和其它因素的限制时，-1光利用率ε的上限为3.5gC·MJ，一些草本作物和其他植被的光利用率在-10.09-2.16gC·MJ之间。由于光利用率受气温、水分、土壤等许多因素的影响，这些差异性的存在使得ε取值的唯一性没有说服力，会导致较大的误差。因此，准确的估算和分析植被光利用率是估算NPP的关键。(三)NPP估算现有模型，基本上都是应用遥感数据，大部分重要参数也是采用遥感的方法获取的，而实测样地太少，仍然达不到很高的估算精度，所以还是要增加实测网点的密度。(四)由于遥感数据的瞬时性特点，像CASA这样的过程模型也只能估算植被NPP的瞬时情况，无法模拟突发情况的植被变化，比如突发性自然灾害等。生态遥感耦合模型的研究将成为碳循环模型的主要手段。(五)小范围尺度内的植被NPP估算结果的精度检验还有待研究。本文对研究结果的检验还不全面，因此大尺度的遥感模型在小区域地区的可应用性还需要进一步研究。同时，植被净第一性生产力的预测也是一项研究难点。(六)将NPP研究运用到实际当中。NPP的研究运用到实际当中，用来解决某些生态系统碳循环等问题，运用到实际专业学科当中，用来分析植被生长状况及区域差异性特征。40 参考文献[1]王军邦.中国陆地净生态系统生产力遥感模型研究.浙江大学博士学位论文，2004：5.[2]方精云，朴世龙，赵淑清.CO2失汇与北半球中高纬度陆地生态系统的碳汇.植物生态学报，2001，25(5)：525-533.[3]卢玲，李新，董庆罕，Elseswinnen，FrankVeroustraete，王建华，王一谋.SPOT4-VEGETATION中国西北地区土地覆盖制图与验证.遥感学报，2003，7(5)：214-220.[4]卢玲.中国西部地区净初级生产力及碳循环研究.中国科学院研究生院博士学位论文，2003.[5]陈利军.中国植被净第一性生产力遥感动态监测[J].遥感学报，2002，6(2)：129-135.[6]陈利军，刘高焕，冯险峰.遥感在植被净第一性生产力研究中的应用[J].生态学杂志，2002，21(2)：53-57.[7]朴世龙，方精云，郭庆华.利用CASA模型估算我国植被第一性生产力.植物生态学报(自然科学版)，2001，37(4)：563-569.[8]朴世龙，方精云.1982-1999年青藏高原植被净第一性生产力及其时空变化.自然资源学报，2002，5(17)：373-38.[9]周广胜，郑元润，陈四清.自然植被净第一性生产力模型及其应用.林业科学，1998-9，34(5)：2-10.[10]陈正华.基于CASA和多光谱遥感数据的黑河流域NPP研究.兰州大学硕士研究生学位论文，2006.[11]刘广.京津冀地区森林植被净初级生产力遥感估算研究.北京林业大学硕士研究生学位论文，2008.[12]李军.基于GIS的气候要素空间分布研究和中国植被净第一性生产力的计算.浙江大学博士学位论文.2006.[13]孙睿，朱启疆.植被净第一性生产力模型及中国净第一性生产力的分析.北京师范大学学报(自然科学版)，1998，34:132-137.[14]孙睿，朱启疆.中国陆地植被净第一性生产力及季节变化.地理学报，2000，55(1)：36-45.[15]孙睿，朱启疆.中国陆地植被净第一性生产力及季节变化研究.遥感学报，2001，5(4)：41 300-305.[16]孙睿，朱启疆.气候变化对中国陆地植被净第一性生产力影响的初步研究.遥感学报，2001，5(1)：58-61.[17]张宪洲.我国自然植被净第一性生产力的估算与分布.自然资源，1993，(1)：15-21.[18]朱志辉.自然植被净第一性生产力估算模型.科学通讯，1993，38(15)：1422-1426.[19]陶波，曹明奎，李克让.1981-2000年中国陆地净生态系统生产力空间格局及其变化.中国科学，2006，36(12)：1131-1139.[20]陶波.中国陆地生态系统净初级生产力与净生态系统生产力模拟研究.中国科学院地理科学与资源研究所博士论文，2003.[21]唐勇.MODIS植被指数角度归一化与地表参数遥感反演系统实现.中国科学院研究生院硕士学位论文，2004.[22]李迪强，孙成永，张新时.中国潜在植被生产力的分布与模拟.植物学报，1998，40(6)：560-566.[23]张峰，周广胜，王玉辉.基于CASA模型的内蒙古典型草原植被净初级生产力动态模拟.植物生态学报，2008，32(4)：786-797.[24]李贵才.基于MODIS数据和光能利用率模型的中国陆地净初级生产力估算研究.中国科学院研究生院博士学位论文，2004.[25]彭长辉，潘愉德.陆地植被第一性生产力及其地理分布.全球生态学(方精云主编)，北京：高等教育出版社，施普林格出版社，2000，191-211.[26]周广胜.全球气候变化的中国自然植被的净第一性生产力研究.植物生态学报，1996，20(1)：11-19.[27]周广胜，张新时.自然植被第一性生产力模型初探.植物生态学报，1995，19(3)：193-200.[28]周广胜.气候变化对生态脆弱地区农牧业生产力影响机制与模拟.资源科学，1999，21(5)：46-52.[29]郭志华，彭少麟，王伯荪.基于NOAA/AVHRRNDVI和GIS的广东植被光能利用率及其时空格局.植物学报，2001，43(8)：857-862.[30]田汉勤.陆地生物圈动态模式：生态系统模拟的发展趋势.地理学报，2002，57(4)：379-388.42 [31]张宏，樊自立.塔里木盆地北部盐花草甸植被净第一性生产力模型研究[J].植物生态学报，2000，24(l)：13-17.[32]赵英时.遥感应用分析原理与方法.北京：科学出版社，2003：321.[33]田庆久.植被指数研究进展.地球科学进展，1998，13(4)：327一333.[34]刘明亮.中国土地利用/土地覆被变化与陆地生态系统植被碳库和生产力研究.中科院遥感应用研究所，2001.[35]朱文泉，陈云浩，潘耀忠，李京.基于GIS和RS的中国植被光利用率估算.武汉大学学报(信息科学版)，2004，29(8)：694-698.[36]杨吉龙，李家存，杨德明.高光谱分辨率遥感在植被监测中的应用综述.世界地质，2001，20(3)：307-312.[37]石瑞香.锡林郭勒草原牧草长势和第一性生产力的动态监测研究.中国农业科学院博士后研究工作报告，2005.[38]牛建明，吕桂芬.内蒙古生命地带的划分及其对气候变化的响应[J].内蒙古大学学报(自然科学版)，1999，30(3)：360-366.[39]方精云.全球生态学：气候变化与生态响应.北京：中国高等教育出社，2000：31.[40]刘东霞.呼伦贝尔草原生态环境脆弱性分析及生态承载力评价-以陈巴尔虎旗为例.北京林业大学博士学位论文，2007.[41]张雪艳，胡云峰，庄大方，齐永清.蒙古高原NDVI的空间格局及空间分异.地理研究，2009，28(1)：10-17.[42]方精云，朴世龙，贺金生.近20年来中国植被活动在增强.中国科学C辑，2003，133(6)：554-565.[43]郭跃华，喻红.北方森林草原生态过渡带的遥感研究.北京大学学报，2005，35(4)：550-557.[44]王宗明，梁银丽.植被净第一性生产力模型研究进展.西北林学院学报，2002，17(2)：22-25.[45]SchneiderSH.TheChangeofClimate.Sci.Amer.,1989,38-47.[46]GongPeng,XuMing,ChenJin,etal.ApreliminarystudyonthecarbondynamicsofChineseterrestrialecosystemsinthepast20years.EarthScienceFrontiers,2002,9(1):55-61.[47]DavidP.Turer,WilliamD.Ritts,WarrenB.Cohen,etal.EvaluationofMODISNPPandGPPproductsacrossmultiplebiomass,RemoteSensingofEnvironment,2006,102:282-292.43 [48]ManzulKumarHazarika,Y.Yasuoka,etal.Estimationofnetprimaryproductivitybyintegratingremotesensingdatawithanecosystemmodel,RemoteSensingofEnvironment,2005,94:298-310.[49]J.W.Seaquist,L.Olsson,J.Ardo,Aremotesensing-basedprimaryproductionmodelforgrasslandbiomass,EcologicalModel,2003,169:131-155.[50]DanielASims,etal.AnewmodelofgrossprimaryproductivityforNorthAmericanecosystemsbasedsolelyontheenhancedvegetationindexandlandsurfacetemperaturefromMODIS,RemoteSensingofEnvironment,2008,112:1633-1646.[51]X.Feng,G.Liu,etal.NetprimaryproductivityofChina’sterrestrialecosystemsfromaprocessmodeldrivenbyremotesensing,JournalofEnvironmentalManagement,2007,85:563-573.[52]LobellD.B.,HiekeJ.A.,AsnerG.P,FieldC.B.,TuckerC.J.，Los5.0.,SatelliteEstimatesofProductivityandlightuseefficiencyinUnitedStatesagriculture,1982-1998,GlobalChangeBiology,2002,8:722-735.[53]PotterC.S.,KloosterS.A.,GlobalmodelestimatesofcarbonandnitrogenstorageinlitterandsoilPools:responsetochangesinvegetationqualityandbiomassallocation.Tellus,1997,49(3):1-17.44 致谢青春易逝岁月无痕，走得最急促的总是美好的时光，恍惚之间，三年研究生生涯至此即将结束，在这即将与相守三年的母校阔别的日子里，心潮澎湃，久抚难平！三年来，我少了稚气，多了成熟；少了浮躁，多了稳重；少了狭隘，多了宽容；但激情与梦想依然未变。三年来，我的心灵得到了锤炼，学识得到升华，这三年将是我人生的无尽财富。所有这一切的一切，都离不开老师、家人、同学的无私帮助与关怀。首先，感谢我的导师——胡引翠教授。胡老师学识渊博、治学严谨，是她把我带进了遥感学的殿堂，并勉励我、鞭策我，帮助我克服学习上的困难，在本次研究中，胡老师更是费尽心血，在研究的每一个环节她都不遗余力地悉心指导，使我受益匪浅，至此再次表示我衷心的感谢。胡老师和蔼可亲、自信乐观，她不但是我的老师，也是我可以信赖的朋友，她在生活上也给了我极大地帮助。而且，对人对事非常豁达，她的这种处世态度不但会保证她健康长寿，对我人生观、价值观也产生了潜移默化的影响，这同样使我受益终生。再次感谢我的恩师——敬爱的老师、朋友。感谢陈艳梅老师给我提供了这次一起工作和学习的机会，能够参加到中国环境科学院的项目，感谢环科院的吕世海研究员，常学礼教授，马建军教授，李季东教授，感谢一同到野外采集数据的张晨，叶生星，刁兆岩，郭亚伦，刘长虹以及辉河自然保护区的所有工作人员。感谢我的朋友和同学们，正是因为你们的帮助我才在学习生活上找回了自信与力量。感谢他们，他们是我的同学兼好友。感谢王国舟、郭鹏、胡乔利、陈福军给我的在专业学习上面的探讨和指教，感谢我的舍友梁英、吴晓慧、张素芳，是你们给了我家一般的温暖。感谢我的朋友杨婷婷，季娜娜，张超，任苒以及所有师大的同学们，我诚挚的祝愿你们幸福永远。感谢我的家人，你们一直那样爱我，呵护我，理解我，包容我，是你们为我选择了坚强，才使我能顺利的完成这三年的学业。最后，谨以此文献给所有支持和帮助过我的人！45