福建省杉木林植被净初级生产力时空特征及影响因子分析

徐伟涛林嘉源丘丽萍张帆赖日文

(福建农林大学 林学院,福州 350002)

全球气候变暖是当前人类面临的主要生存考验,IPCC报告显示全球表面温度较一百年前平均升高1.09 ℃,中国是最受影响的区域之一。森林作为陆地生态系统中最大的碳库,在调节全球二氧化碳含量、缓解气候变暖和维持碳平衡中起到了不可替代的作用[1],增加森林碳汇是实现“双碳”目标的有效策略。植被净初级生产力(Net Primary Productivity,NPP)也称净第一性生产力,指植物在单位面积和时间内所积累的有机物量,能有效表征植被固碳能力[2]。NPP作为地表碳循环的重要组成部分,是量化森林碳循环的重要指标,也是判定生态系统碳汇和调节生态过程的主要因子。目前,NPP估算模型可大致分为统计模型、生理生态过程模型和光能利用率模型3类[3]。CASA(Carnegie-Ames-StanfordApproach)模型作为光能利用率模型的代表,是最广泛、最成熟的NPP估算模型,其基于植物光合作用过程和光能利用率,通过遥感数据和气象数据估算NPP,具有快速实现广泛时空动态NPP估算的优势。

气候的变化对植物的生长发育和碳积累有着重要影响。Luo等[4]研究发现青藏高原有54 %和89 %的像元NPP与年平均气温和年降水量呈负相关,约68 %的像元显示年太阳辐射与NPP呈正相关。地形因子能够通过影响水、热和肥等资源在时空中的分配,使植被群落形成垂直景观格局和差异,多方面影响着植被的生产力。李金珂等[5]研究表明NPP与海拔、坡度间梯度性特征明显,并且海拔对NPP的影响变化幅度较坡度更大。此外,土壤养分状况与植被产量息息相关。葛萍等[6]研究发现不同毛竹林总生物量与土壤有机质、全氮和速效磷存在不同程度的正相关,其中土壤有机质含量是影响毛竹生产力的关键因素。大尺度区域中环境是造成植被NPP时空分异的主要因素,因此研究主要气候因子、地形因子和土壤养分因子与植被净初级生产力之间的关系能够较好地揭示植被及其群落对环境变化的响应。

杉木(Cunninghamialanceolata)是我国南方林区的主要速生用材树种。福建省现有杉木林面积占全国杉木林面积的11.9%,其面积和蓄积均为福建所有树种之最,对福建省森林碳汇和可持续发展起着决定性作用[7]。而福建省作为杉木中心产区,还未有学者探究其杉木林NPP时空分布情况,并且对于杉木NPP的影响因子也鲜有报道。为此,本研究基于改进的CASA模型估算2006年、2011年和2016年福建省杉木林NPP,通过探究杉木林NPP的时空分异特征和潜在影响因子的梯度响应,指明杉木人工林中心产区的高生产力的核心区域,探寻杉木林NPP的主要影响因素,为杉木人工林合理布局提供理论依据,为福建省森林碳汇经营提供科学参考。

1.1 研究区概况

福建省地处我国东南沿海,位于23°33′～28°20′ N,115°50′～120°40′ E,东西最长480 km,南北最宽530 km,总面积约为12.4万km2。地貌呈“八山一水一分田”之态,属亚热带季风性气候,常年平均气温17～21 ℃,年降水量约为1 400～2 000 mm,是中国雨量最为丰富的省份之一。区域气候差异明显,闽南地区属南亚热带气候,闽西和闽北地区属中亚热带气候,受地形影响气温和降水的垂直性差异也较明显。福建省是全国六大林区之一,森林面积达811.58万hm2,森林植被总生物量达87 296.84万t,碳储量为42 848.88万t,森林覆盖率66.80%,已连续42 a位居全国首位,是我国南方重要的生态屏障。

1.2 数据来源与处理

1.2.1 MODIS数据

遥感数据源自美国地质调查局USGS网站(https://doi.org/10.5067/MODIS/),采用MOD13Q1产品作为归一化植被指数(NDVI)源数据,空间分辨率为250 m,时间分辨率为16 d,运用MAT工具批量提取NDVI,采用最大合成法生成逐月数据。利用MOD17A3HGF产品作为NPP验证数据,其间分辨率为500 m,时间分辨率为1 a,单位为kg/(m2·a)。

1.2.2 气象数据

来源于国家气象科学数据中心(http://data.cma.cn/),获取福建省及其周边96个气象台站的地面气候日值数据集和月气象辐射基本要素月值数据集,利用matlab软件对日值气象数据进行预处理,筛选可利用数据计算各站点逐月气象数据。气象数据空间插值常用Kriging插值法、反距离权重插值法、最优插值法和Aunsplin插值法等[8-10],其中Aunsplin插值法已被证实能在一定程度上提高NPP的估算精度[11],故使用Aunsplin气象专用插值工具薄盘样条函数空间插值获取研究区逐月气象空间数据。

1.2.3 植被类型数据

基于福建省第3次森林资源二类调查成果的小班矢量边界和优势树种数据,将植被类型按优势树种分为非林地、马尾松、杉木、阔叶树、竹林、经济林和灌木林共7种类型,提取研究区植被类型和杉木矢量边界。

1.2.4 DEM数据

来源于NASA’s Earth Science Data Systems(https://earthdata.nasa.gov/),下载ALOS 12.5 m分辨率研究区DEM数据,使用ArcGIS 10.8栅格表面分析工具提取海拔、坡度和坡向数据。

1.2.5 土壤属性数据

来源于地球系统科学数据共享网,获取福建省1∶25万土壤评价数据(2002年),根据福建省土壤养分分类及分级标准重编码[12],提取福建省表层土壤有机质、全氮、全磷及全钾数据。

由于数据来源各异,各项数据格式存在较大差异,为此运用ArcGIS 10.8将所有数据投影转换为WGS_1984_UTM_Zone_50N坐标,重采样为250 m分辨率并利用研究区矢量边界进行掩膜提取。

1.3 研究方法

1.3.1 基于改进的CASA模型的NPP(公式中用NPP表示)估算

采用朱文泉等[13]改进的CASA模型,该模型已经得到了多位学者的验证[14-16]。其主要公式如下

式中:APAR(x,t)为像元x在t月份的光合有效辐射(APAR),MJ/m2;ε(x,t)为像元x在t月份实际光能利用率,g/MJ;FPAR(x,t)为植被对于太阳总辐射的吸收比例(FPAR);SOL(x,t)为像元x在t月份接受到的太阳总辐射(SOL);T1和T2分别为低温和高温的胁迫作用;W为水分胁迫因子;εmax为像元x所在植被类型的最大光能利用率。

作为CASA模型的2个重要参数,FPAR和εmax直接影响估算结果,利用NDVI数据计算各植被类型NDVI和比值植被指数(SR)最大值和最小值,结合温度和降水胁迫修正研究区植被的FPAR。当前对于NPP估算研究中所用的植被最大光能利用率普遍为0.389～1.25 g/MJ[17-19],且已有研究证实亚热带地区植被光能利用率高于全国和全球的平均水平[20],对比选择Running根据BIOME-BGC模型所模拟出典型植被的εmax作为本研究的参数[21]。最终参数见表1,将相关数据与参数导入ENVI Classic软件中,运用净植被初级生产力估算插件生成3个年份的时间序列NPP数据。

表1 福建省不同年份各植被类型参数表Tab.1 Parameters of vegetation types in different years in Fujian Province

1.3.2 估算结果验证方法

研究区域较广,大范围的NPP实地测量难以实现,因此采用以下2种方式对估算结果进行检验:一是在像元尺度将模拟结果值与MODIS的NPP数据进行对比,MOD17A3HGF数据是当前最成熟的MODIS NPP产品,已证实其能较好反映全球生态系统的植被生产力水平[22-24],并且常被用于NPP估算模型的验证[25],研究随机生成270个验证点,最小生成距离为10 km,提取各验证点不同年份的CASA模型模拟值和MOD17A3HGF数据值,借助SPSS 25.0进行线性回归分析;二是在区域尺度与其他学者对于福建省植被NPP的研究结果进行比较[26]。

1.3.3 统计与分析

根据杉木林NPP的估算结果分布情况,结合ArcGIS 10.8重分类工具标准差方法,将福建省杉木林分单元的NPP分为低值(≤450 g/(m2·a))、较低值(450 g/(m2·a)＜NPP≤700 g/(m2·a))、中值(700 g/(m2·a)＜NPP≤1 000 g/(m2·a))、较高值(1 000 g/(m2·a)＜NPP≤1 300 g/(m2·a))和高值(＞1 300 g/(m2·a))5个等级进行分区统计。

采用SPSS 25.0软件Pearson相关性分析杉木林NPP与各环境因子间的相关性,采用方差分析检验NPP在各环境因子梯度间的差异性,后利用Excel 2016软件制作相关性图和梯度变化柱状图。所有数据在分析前均进行正态性检验,若数据不通过正态性检验,则对其进行对数转化。

2.1 NPP估算结果验证

采用MOD17A3HGF植被净初级生产力产品对模型估算结果进行验证,如图1所示,3个年份CASA模型估测值与MOD17A3数据之间均存在显著线性关系(P＜0.01),散点的分布整体与1∶1线较为接近,其决定系数(R2)分别为0.581 9、0.615、0.553 6,CASA模型反演的各期NPP平均值分别为765.37 、793.00 、816.74 g/(m2·a),而MOD17A3平均值分别 为823.1、818.6 、794.6 g/(m2·a),2006年估测平均值与MOD17A3平均值相差约58 g/(m2·a),2011年和2016年两者的差值均在25 g/(m2·a)左右,检验结果表明基于改进的CASA模型NPP估测值与MOD17A3HGF数据较为接近,整体拟合度较好,相关性较高。

图1 各期NPP估测值与MOD17A3对比Fig.1 Comparison of NPP estimates in each period and MOD17A3

通过查阅福建省植被NPP相关研究文献,有多位学者通过不同模型或数据源开展福建省区域NPP估算研究,不同研究的NPP年均值见表2。本研究3期的NPP平均值介于众学者研究结果范围内。且本研究杉木林NPP均值与其他学者关于杉木林或常绿针叶林的研究结果(693.04～863.7 g/(m2·a))较为接近。综合与MOD17A3 NPP数据的对比结果可说明NPP数据基本可靠。

2.2 杉木林NPP的时空特征

2.2.1 福建省杉木林NPP的时间变化

利用优势树种为杉木的小班矢量边界提取出各期杉木林NPP,逐月统计研究区杉木林NPP的平均值,由图2可以看出,杉木林NPP季节变化明显,逐月平均值呈现倒“V”形趋势,即随着时间序列先增后减,夏季杉木林NPP较高,2006年、2011年均在8月份达到NPP的峰值,分别为131.99 g/m2和136.23 g/m2,2016年则是7月份NPP平均值最高,为132.27 g/m2。冬季杉木林NPP较低,NPP平均值均小于35 g/m2,各期NPP平均值最低月份均出现在1月,分别为18.83 、19.20 、23.71 g/m2。结果表明6—9月是杉木林最主要的生长期,月NPP平 均值均大于100 g/m2。

表2 不同研究的福建省NPP均值对比Tab.2 Comparison of NPP mean values of different studies in Fujian Province

根据图3的杉木林NPP各等级占比变化可知,2006年NPP为中值及以上单元占比为61.18%,2011年中值及以上单元占比为67.96%,2016年中值及以上单元占比为72.68%,表明福建省杉木林

图2 福建省杉木林NPP月变化Fig.2 Monthly variation of NPP of Chinese fir forests in Fujian Province

2.2.2 福建省杉木林NPP的空间分布

由图4可知,福建省的杉木林空间分布呈现为南平市和三明市为首的西部和北部较多,东南部沿海地区较少。由图5可知,3个年份的NPP分级地市占比较为一致,NPP较高值单元龙岩市占比最高,其次是三明、南平和漳州等地市,其余NPP分级单元均呈现南平市和三明市的占比较高。作为杉木林面积最多的南平市和三明市区域,其杉木林分分生产力以中、高生产力(NPP为中值以上)占优势,从2006年、2011年到2016年中、高生产力区域占比呈现增长的趋势。像元占全省的2/3,2006年、2011年和2016年该区域中、高生产力杉木林分单元分别占全省杉木林分总面积的36.04%、41.98%和45.60%,是名副其实的福建省杉木核心产区。但同时3期南平市和三明市的低生产力区域也分别占全省杉木总面积的27.05%、21.12%和17.49%,虽然2016年该区域杉木林分NPP相较2006年和2011年已有所提高,但仍有较大的增产潜力。

图3 福建省各期杉木林NPP分级占比Fig.3 The proportion of NPP grades of Chinese fir forests in different periods in Fujian Province

图4 各期福建省杉木林NPP分布Fig.4 NPP distribution of Chinese fir forests in Fujian Province at different periods

2.3 杉木林NPP与各影响因子的关系

2.3.1 各因子与杉木林NPP的相关性分析

研究选取了年平均温度、年降水量、年太阳总辐射、海拔、坡度、坡向、土壤有机质、全氮、全磷和全钾10个影响因子,借助ArcGIS 10.8和SPSS 25.0逐像元统计分析杉木林NPP和各因子的相关性,由图6的0.01水平下的显著性检验结果表明:海拔、年降水量、坡度、年太阳总辐射、土壤有机质含量、全氮和全钾等因子与杉木林NPP之间呈现显著正相关,年平均气温、坡向、全磷与杉木林NPP之间呈显著负相关关系。海拔对杉木林NPP的影响最大,各期相关系数分别为0.378、0.371、0.277,而坡度、年太阳总辐射、年降水量、年平均气温和土壤有机质含量等因子的相关系数也均大于0.1。土壤全氮、全磷、全钾和坡向等因子与NPP相关性相对较小,其中坡向对杉木林净初级生产力解释力最小,各期相关系数均小于0.05。

图6 杉木林NPP与各因子的相关性Fig.6 Correlation between NPP of Chinese fir forest and various factors

2.3.2 气候因子与杉木林NPP的关系

为进一步探究各因子的影响机制,本文逐像元统计杉木林NPP在各因子梯度下的变化,其中采用相等间隔方式将各期气候因子分为5个梯度带。

由图7可知,各期不同温度梯度杉木林NPP之间均存在显著性差异,NPP平均值呈现随着年平均气温梯度的增加而递减的变化趋势。2006年、2011年不同降水量梯度的杉木林NPP之间均存在显著性差异,2006年除第Ⅱ梯度与第Ⅳ梯度差异不显著外其余梯度的NPP存在显著差异,总体上NPP平均值随年降水量的升高而升高。各期杉木林NPP在不同太阳辐射梯度间均存在显著差异,总体上NPP平均值随太阳总辐射的升高而升高。

2.3.3 地形因子与杉木林NPP的关系

将海拔以相等间隔划分为8个梯度,采用第九次全国森林资源清查福建省清查操作细则坡度和坡向划分标准,将坡度和坡向分别划分为6个梯度和8个梯度。由图8可知,各期杉木林NPP在海拔Ⅵ—Ⅷ梯度间差异不显著,其余梯度带间存在显著差异,NPP平均值表现为随着海拔升高而升高,在第Ⅵ梯度后(海拔1 200 m以上)趋向平缓。2006年和2016年杉木林NPP在Ⅴ—Ⅵ坡度梯度间差异不显著,其余梯度带间均存在显著差异,杉木林NPP平均值呈现随坡度升高而升高。各期坡向梯度上杉木林NPP的差异不明显,杉木林整体上在北、东北、东和东南地理坡向上NPP较高,其余坡向NPP平均值略低。

图7 各期杉木林NPP在气候因子梯度上的变化Fig.7 Changes of NPP of Chinese fir forest on the gradient of meteorological factors in different periods

图8 各期杉木林NPP在地形因子梯度上的变化Fig.8 Changes of NPP on topographic factor gradients in Chinese fir forests in different periods

2.3.4 土壤养分与杉木林NPP的关系

采用赖日文的方式将福建土壤主要养分分为6个梯度[12],由图9可知,福建省杉木林主要分布在梯度Ⅱ—Ⅵ的土壤有机质梯度范围内,其中在Ⅱ—Ⅳ梯度间NPP差异不显著,其余梯度带上NPP存在显著差异,2006年杉木林NPP沿土壤有机质梯度递增,2001年和2016年NPP平均值在第Ⅲ略减,而后随着有机质含量升高而升高。不同土壤全氮梯度下杉木林NPP平均值的整体变化幅度较小,第Ⅰ梯度与第Ⅳ梯度之间、第Ⅱ梯度与第Ⅲ之间差异不显著,整体表现为沿全氮梯度杉木林NPP平均值呈“增—减—增”的趋势。不同土壤全磷梯度之间杉木NPP的差异性较不显著,总体上杉木林NPP平均值也随着全磷梯度的升高而呈现“增—减—增”的变化特征。不同全钾梯度间的差异较不明显,且各期的显著性不同,杉木林NPP平均值沿着全钾梯度上下波动,但Ⅳ—Ⅵ梯度的NPP平均值明显高于前3个梯度。

图9 各期杉木林NPP在土壤养分梯度上的变化Fig.9 Changes of NPP in soil nutrient gradient in Chinese fir forests in different periods

3.1 讨论

本研究发现杉木林NPP与年降水量和太阳总辐射间呈显著正相关,与年平均温度间呈现显著负相关。太阳辐射是植物能量的主要来源,水是光合作用必不可少的原料,同时降水使土壤湿度增大,进而改善土壤对杉木根部水分的输送,因此降水量和太阳辐射的增加能有效加强植物光合作用速率。而研究区中、高生产力的杉木林分单元大多分布在南平市、三明市等年均温较低的区域,在年均温较高的闽南沿海杉木分布极小,整体上呈现杉木林NPP随温度梯度递减,这主要由于气温存在明显的季节变化,结合马帅[31]发现夏季NPP与同期气温呈负相关的研究结果,夏季作为杉木最主要的生长期,适当的温度在促进植物生长的同时能够有效减缓杉木的蒸散作用,过高的气温反而制约杉木生长。

海拔差异会促使气候形成垂直地带性,是影响生物环境的重要因子。不同海拔下林分的气温、降水、土壤组合不同,而不同坡度会形成局地小气候的变化,从而影响地表径流、排水状况及水土的保持、流失,对植被生长吸收水分能力也有影响。福建省具有“八山一水一分田”的地理特点,研究区大部分区域为山地丘陵,海拔梯度明显,其中杉木林分所在的海拔梯度范围为0～1 665 m,在此区间内杉木林分NPP随海拔梯度和坡度上升而增加,呈显著正相关,这与王兰芳等[32]对于浙江省杉木林的地理分异特性的研究结果较为一致。而另一地形因子坡向与杉木林分净初级生产力之间存在显著的负相关,但其相关性较弱,李雨鸿等[33]和张月等[34]的研究均表明NPP在不同坡向上的分布差异不大。

土壤是维持林木健康生长的基质,是衡量林分生产力高低的重要技术指标, 其肥力特征影响并控制着林木的生长和健康状态,土壤养分是构成土壤肥力的最关键因素,也是杉木生长发育的必要条件[6]。研究结果表明,杉木生产力随土壤有机质含量的增长而增长,两者呈显著正相关,土壤有机质是土壤养分的主要来源,充足的土壤有机质能为杉木的生长提供良好的养分环境,故而生产力较高。土壤的N、P、K含量一定程度上反映林分土壤养分的贮量和供应能力,研究中杉木林分NPP与土壤全氮、全钾呈显著正相关,与全磷呈微弱的显著负相关,今后的杉木栽培管理中,施肥应以施用氮肥和钾肥为主。

本文基于福建省森林资源二类调查数据进行植被分类,能够有效提高CASA模型的估算精度。今后将利用近期的杉木生产力情况,加深对福建省杉木生产力长时序机制的理解,根据影响因子的变化趋势助力福建省杉木碳汇研究。此外,林分密度、混交度、抚育间伐和林龄等林分因子和人为因素也对杉木的生产力存在影响[35-39],但受限于数据获取未能纳入本研究,未来研究应进行更全面的潜在影响因素分析。

3.2 结论

以福建省杉木林为研究对象,基于改进的CASA模型结合MODIS数据、森林资源调查数据和气象台站观测数据估算和分析2006年、2011年和2016年的杉木林NPP及其时空分异特征,并选取主要影响因子分析不同梯度下杉木林NPP的变化特征及相关性,最终确定影响福建省杉木林NPP的主要因子。主要结论如下:

(1)杉木林NPP季节变化明显,NPP平均值随月份增长而先增后减,6—9月是杉木林最主要的生长期。福建省杉木林NPP以中、高生产力占优势,其中南平市和三明市是福建省杉木的核心产区。

(2)杉木林NPP与年降水量、年太阳总辐射、海拔、坡度、土壤有机质、全氮和全钾之间呈显著正相关,杉木林NPP与年平均气温、坡向和全磷之间呈显著负相关。

(3)海拔、坡度、年太阳总辐射、年降水量、年平均气温和土壤有机质是影响福建省杉木林NPP的重要因子。且杉木林NPP总体上随海拔、坡度、太阳总辐射、年降水量和土壤有机质的升高而递增,随年平均气温的升高而递减。

猜你喜欢 杉木生产力平均值 平均值的一组新不等式武汉工程职业技术学院学报(2022年1期)2022-04-13由时变Lévy噪声驱动的随机微分方程的平均值原理数学物理学报(2020年2期)2020-06-02杉木黄化病的防治技术措施研究农民致富之友(2020年8期)2020-05-11杉木萌芽更新关键技术现代园艺(2017年23期)2018-01-18杉木育苗化学防除杂草技术现代园艺(2017年23期)2018-01-18清水江流域杉木育苗、种植技术及其生态学意义中央民族大学学报（自然科学版）(2017年4期)2017-06-11把“风景”转化成“生产力红土地(2016年3期)2017-01-15我国道路货运生产力发展趋势环球市场信息导报(2015年15期)2015-12-03变力做功时运用F=F1+F2/2的条件文理导航(2015年14期)2015-05-22人口红利与提高生产力海峡姐妹(2015年9期)2015-02-27