張 強(qiáng)，徐京華，梁 磊，李 平，馬炅妤

（1.西南交通大學(xué)地球科學(xué)和環(huán)境工程學(xué)院，四川 成都611756；2.四川省第二測(cè)繪地理信息工程院，四川成都610100）

凈初級(jí)生產(chǎn)力（Net Primary Productivity， NPP） 是綠色植物在單位時(shí)間和單位面積上所能生產(chǎn)的有機(jī)干物質(zhì)總量[1]，它反映了植物對(duì)自然環(huán)境資源的利用能力，是生物地球化學(xué)碳循環(huán)的關(guān)鍵環(huán)節(jié)。隨著科學(xué)技術(shù)及遙感技術(shù)的發(fā)展，利用遙感手段估算NPP的技術(shù)也得到同步發(fā)展。CASA模型就是眾多估算NPP模型中應(yīng)用比較廣泛的一種。

CASA（Carnegie-Ames-Stanford Approach）模型是一種光能利用率模型，可以估算全球尺度的NPP[2]。Field（1995）對(duì)CASA模型進(jìn)行了擴(kuò)展[3]。隨后，CASA模型在國(guó)內(nèi)得到了廣泛應(yīng)用和發(fā)展，在區(qū)域適應(yīng)性和參數(shù)簡(jiǎn)化上做了很多重要改進(jìn)，促進(jìn)了CASA模型的應(yīng)用。

CASA模型既適用于全國(guó)尺度，也適應(yīng)于區(qū)域尺度，模型可被應(yīng)用于青藏高原、長(zhǎng)江流域、黑河流域等[4-6]。模型輸入數(shù)據(jù)的精度會(huì)影響到估算結(jié)果，數(shù)據(jù)精度越高則模型估算結(jié)果的誤差越小[7]。由于模型自身存在的參數(shù)問(wèn)題和精度問(wèn)題，我國(guó)學(xué)者對(duì)改進(jìn)的CASA模型做了進(jìn)一步改進(jìn)[8]，將區(qū)域蒸發(fā)計(jì)算模型引入CASA模型，使用不同的最大光能利用率參數(shù)等，改進(jìn)后的模型減少了輸入?yún)?shù)。此外，改進(jìn)后的CASA模型也適用于我國(guó)干旱區(qū)域。根據(jù)不同類(lèi)型研究區(qū)域的特殊自然環(huán)境對(duì)CASA模型進(jìn)行適當(dāng)改進(jìn)，可以使模型的估算結(jié)果更加準(zhǔn)確[9]。

黑河流域位于我國(guó)西北干旱區(qū)域，灌溉是農(nóng)作物生長(zhǎng)所需水分的主要來(lái)源，而不是天然降水。根據(jù)區(qū)域蒸發(fā)計(jì)算模型的推導(dǎo)過(guò)程可以知道[10]，在干旱地區(qū)的黑河流域中游，可以用天然降水量與灌溉量的總和作為降雨量。因此，本文選取黑河中游地區(qū)為研究區(qū)，進(jìn)一步改進(jìn)CASA模型并估算農(nóng)作物NPP，嘗試分析加入灌溉因素對(duì)結(jié)果造成的影響，期望可以使改進(jìn)的模型獲得精度更高的數(shù)據(jù)，為以NPP為基礎(chǔ)的其他科學(xué)研究提供理論基礎(chǔ)。

1 研究地區(qū)概況與CASA模型

黑河流域是我國(guó)西北地區(qū)第二大內(nèi)陸流域，位于河西走廊中部。中游地區(qū)位于我國(guó)甘肅省境內(nèi)，主要包括張掖市、酒泉市、嘉峪關(guān)市、玉門(mén)市以及民樂(lè)縣、山丹縣、臨澤縣、高臺(tái)縣、肅南縣、金塔縣。中游地區(qū)相較上游地勢(shì)較為平坦，平均海拔在1 000～2 000 m之間，日照時(shí)間長(zhǎng)，光熱資源充足，干旱嚴(yán)重。中游區(qū)域年降雨量在50～250 mm之間，且分布不均勻，表現(xiàn)為東多西少；蒸發(fā)量在1 900～2 310 mm之間，且分布不均，表現(xiàn)為東少西多[11,12]。

圖1 黑河流域中游示意圖

1.1 研究方法

CASA模型整體上可用下式表示，詳細(xì)過(guò)程見(jiàn)參考文獻(xiàn)[2,3]：

式中，NPP表示植被凈初級(jí)生產(chǎn)力；SQL表示地面太陽(yáng)總輻射；FPAR表示光合有效輻射吸收比例；T1和T2表示溫度脅迫因子；W表示水分脅迫因子；εmax表示最大光能利用率，本文研究區(qū)為耕地，采用的值為0.542 gC/MJ[13]。其中，水分脅迫因子W的計(jì)算是模型研究熱點(diǎn)和難點(diǎn)，計(jì)算起來(lái)比較復(fù)雜。

此外，考慮到黑河中游的實(shí)際情況，在模型中添加灌溉因素，并研究其對(duì)結(jié)果的影響程度?？傮w流程如圖2所示。

圖2 研究路線(xiàn)圖

NPP0表示不考慮灌溉因素估算的結(jié)果；NPP1表示考慮灌溉因素后的估算結(jié)果，MODIS-NPP數(shù)據(jù)來(lái)自美國(guó)NASA官網(wǎng)，作為驗(yàn)證參考數(shù)據(jù)。

1.2 灌溉量的估算方法

內(nèi)陸河流域農(nóng)業(yè)基本為灌溉農(nóng)業(yè)，天然降水量稀少，灌溉是作物生長(zhǎng)所需水分主要來(lái)源。由于技術(shù)水平、數(shù)據(jù)等多方面原因，本文僅對(duì)灌溉數(shù)據(jù)進(jìn)行較為粗略的估算。

根據(jù)“甘肅省灌區(qū)水利普查成果及農(nóng)業(yè)用水分析研究”文中表1[14]，經(jīng)過(guò)單位換算后，甘肅省2011年耕地平均每年灌溉凈用水量724.5mm，排除11、12、1、2四個(gè)月份，平均每月灌溉量90.6 mm，張掖市平均每月93 mm，酒泉市平均每月凈灌溉量131 mm。由于農(nóng)民的灌溉習(xí)慣相對(duì)穩(wěn)定，灌溉量會(huì)受到降水量等因素的影響而在一定區(qū)間浮動(dòng)，故本文估算的每月平均灌溉量為90 mm。

1.3 數(shù)據(jù)來(lái)源與處理

模型所需要的數(shù)據(jù)包括遙感影像數(shù)據(jù)、氣象統(tǒng)計(jì)數(shù)據(jù)、模型中需要的其他參數(shù)以及估算的灌溉數(shù)據(jù)等。

NDVI數(shù)據(jù)從美國(guó)國(guó)家航空航天局（NASA）官網(wǎng)下載。時(shí)間范圍是2012-01-01～2012-12-31，共24期，空間分辨率是250 m。然后利用最大值合成法（MVC）合成為12期月產(chǎn)品數(shù)據(jù)，經(jīng)過(guò)投影、裁剪等操作得到黑河流域中游區(qū)域數(shù)據(jù)。氣象數(shù)據(jù)來(lái)自中國(guó)氣象數(shù)據(jù)共享網(wǎng)的地面氣象月產(chǎn)品數(shù)據(jù)，主要包括月平均氣溫、月總降雨、月總太陽(yáng)輻射、日照百分比數(shù)據(jù)。適用于模型的氣溫、降雨數(shù)據(jù)采用氣象數(shù)據(jù)專(zhuān)用插值方法薄盤(pán)光滑樣條插值法得到，此方法中的協(xié)變量是高程數(shù)據(jù)，而輻射數(shù)據(jù)采用克里金插值方法得到；2012年的土地利用/土地覆蓋數(shù)據(jù)來(lái)源于TM影像解譯結(jié)果，由TM影像通過(guò)監(jiān)督分類(lèi)方法得到，本文只提取了黑河中游的耕地信息；DEM數(shù)據(jù)是從空間地理信息數(shù)據(jù)云網(wǎng)站下載，空間分辨率為30 m，重采樣為250 m空間分辨率；其他數(shù)據(jù)從文獻(xiàn)獲得。

2 NPP估算結(jié)果與分析

2.1 模型估算結(jié)果

利用改進(jìn)的CASA模型估算2012年黑河流域中游農(nóng)作物種植區(qū)的NPP，計(jì)算結(jié)果如圖3所示。

圖3 NPP0與考慮灌溉因素后的增長(zhǎng)百分比

圖3a為不考慮灌溉因素的NPP，以下記作NPP0，單位是gC/m2a-1；圖3b是考慮灌溉因素的NPP，以下記作NPP1。由圖3可知，西北方向的值比較低，東南方向的值比較大，流域中游地區(qū)的植被初級(jí)生產(chǎn)力從西北向東南方向遞增，可能是因?yàn)闁|南方向地處流域的中上游，水量比較充足，所以農(nóng)作物的長(zhǎng)勢(shì)較好。而西北方向地處中下游，水量比較少，尤其是近年來(lái)由于環(huán)境退化、土壤鹽漬化等，使得農(nóng)作物的生長(zhǎng)受到更大壓力，長(zhǎng)勢(shì)不太好。綜合比較兩幅圖可以看出，圖3b的值整體上較圖3a大。

另一方面可以看出，考慮灌溉因素之后，所估算值的變化幅度減小，NPP的值更加穩(wěn)定，如圖4所示。

圖4 NPP0與考慮灌溉因素后的增長(zhǎng)百分比

圖中 的柱狀圖表示不考慮灌溉因素的NPP，散點(diǎn)圖表示考慮灌溉因素后的增長(zhǎng)百分比，它是由NPP1與NPP0之差再除以NPP0得到。從中可以看出，考慮灌溉因素后，玉門(mén)市、金塔縣、嘉峪關(guān)市、酒泉市等地的結(jié)果得到顯著提高，提高38%以上，而從地理位置上看，這4個(gè)市縣位于中游的西部，靠近黑河流域下游，降雨、灌溉等水量都比較少。再向中上游，臺(tái)南、肅南、臨澤、張掖等四市(縣)的結(jié)果提高了28～38%?？拷嫌蔚纳降づc民樂(lè)，降雨量大、灌溉充足，NPP僅增加了10～15%。因此，考慮灌溉因素后，對(duì)靠近下游區(qū)域的結(jié)果影響更大。根據(jù)各地市的降雨量分布特征可以得出，降雨量越少的區(qū)域，越有必要考慮灌溉因素。

2.2 結(jié)果驗(yàn)證

分別求取各個(gè)縣區(qū)內(nèi)CASA模型數(shù)據(jù)和MODISNPP數(shù)據(jù)的平均值，再用NPP0與NPP1分別與驗(yàn)證數(shù)據(jù)MODIS-NPP數(shù)據(jù)求相關(guān)系數(shù)，得到表1。

表1 CASA模型與MODIS-NPP數(shù)據(jù)對(duì)比/gC/m2a-1

由此分別計(jì)算出三組相關(guān)系數(shù)：NPP0與MODISNPP數(shù)據(jù)的相關(guān)系數(shù)為0.66； NPP1與MODIS-NPP數(shù)據(jù)的相關(guān)系數(shù)是0.81，因此NPP1的結(jié)果要好于NPP0的結(jié)果。此外， NPP0與NPP1的相關(guān)系數(shù)是0.96。由此得出，在干旱區(qū)域的灌溉農(nóng)業(yè)區(qū)域使用CASA模型，如果考慮灌溉因素，能夠改善CASA模型，提高模型估算結(jié)果的精確度。

3 結(jié) 語(yǔ)

本研究從實(shí)際需求出發(fā)，對(duì)模型進(jìn)行修改，并把灌溉因子納入模型之中，綜合利用RS和GIS等技術(shù)進(jìn)行空間數(shù)據(jù)處理技術(shù)，以黑河流域中游耕地區(qū)域?yàn)榛A(chǔ)進(jìn)行實(shí)驗(yàn)，得到了如下結(jié)論：

1）加入灌溉因素后的CASA模型可以更好地模擬我國(guó)西北地區(qū)干旱區(qū)農(nóng)作物植被的NPP；

2）在干旱區(qū)域的農(nóng)作物種植區(qū)域，考慮灌溉因素以后，CASA模型的估算值更穩(wěn)定，但是不同地區(qū)的變化依然存在差異，這可能與當(dāng)?shù)氐臍夂驐l件有關(guān)；

3）在空間尺度上，降雨量越小、越干旱的地區(qū)，灌溉因素對(duì)估算結(jié)果的影響越大，說(shuō)明在灌溉農(nóng)作物區(qū)域，在改進(jìn)的模型中加入灌溉因素具有重要意義。