潘竟虎，文 巖

1 西北師范大學，地理與環(huán)境科學學院，蘭州 730070 2 北京師范大學，資源學院，北京 100875

中國西北干旱區(qū)植被碳匯估算及其時空格局

潘竟虎1，*，文 巖2

1 西北師范大學，地理與環(huán)境科學學院，蘭州 730070 2 北京師范大學，資源學院，北京 100875

通過修正的CASA模型估算2001—2012年間西北干旱區(qū)陸地生態(tài)系統(tǒng)的凈第一性生產(chǎn)力(NPP)，并結(jié)合土壤微生物呼吸方程，計算出12a的凈生態(tài)系統(tǒng)生產(chǎn)力(NEP)，分析了植被碳匯的時空變化規(guī)律。結(jié)果表明：研究區(qū)的NPP表現(xiàn)出很強的隨季節(jié)變化的規(guī)律，全年7月份NPP為最高值，12月為最低值，12 年間NPP的年均值變化不大。2001—2012 年研究區(qū)的植被碳匯在波動變化中有所增加，其中2006年的碳匯平均值最小，為609.04 gC m-2a-1，2012年最大，為648.02 gC m-2a-1；年內(nèi)碳匯的最大值主要出現(xiàn)在5—7月；碳匯能力由大到小的植被類型為針葉林>農(nóng)田>灌叢>闊葉林>草原>荒漠草原。研究區(qū)多年平均碳匯量呈現(xiàn)自西向東逐漸增加的規(guī)律，西遼河流域草原區(qū)的NPP和碳匯平均值最大，塔里木盆地暖溫帶荒漠區(qū)最小。

植被碳匯；NPP；CASA模型；遙感；西北干旱區(qū)

IPCC(Intergovernmental Panel on Climate Change)的研究報告(https://www.ipcc-wg1.unibe.ch/index.html)指出，大氣中二氧化碳(CO2)的濃度從工業(yè)革命前1705年的278mL/m3增加到了2011年的391mL/m3，增加了40%。CO2濃度的持續(xù)升高致使全球平均氣溫不斷提升，繼而引發(fā)了一系列氣候和環(huán)境問題，對人類的生存和發(fā)展產(chǎn)生了重要影響，碳循環(huán)研究引起了全球科學家和各國政府的強烈關(guān)注。陸地生態(tài)系統(tǒng)是全球碳循環(huán)的重要組成部分，也是大氣CO2進入陸地圈的主要平臺，且最易受到氣候變化和人類活動的強烈干擾。如果生態(tài)系統(tǒng)固定的碳量大于排放的碳量，認為該生態(tài)系統(tǒng)為大氣CO2的匯，簡稱碳匯，反之，則為碳源[1]。國外植被碳匯相關(guān)問題的研究始于1960年代，由國際科學聯(lián)合會(International Council of Scientific Unions，ICSU)發(fā)起的國際生物學計劃(International Biological Programme，IBP)標志著全球陸地森林生態(tài)系統(tǒng)碳蓄存研究的開始。此后，歐洲和美國分別開展了大量區(qū)域生態(tài)系統(tǒng)的碳平衡與全球碳循環(huán)的研究。國內(nèi)相關(guān)研究則直到1970年代后期才陸續(xù)展開，主要以借鑒國外較為成熟的理論和方法為主，并結(jié)合中國的實際情況，改良了相關(guān)的估測模型。縱觀國內(nèi)外植被碳匯研究，主要集中在以下兩方面：①利用土地利用和資源清查數(shù)據(jù)，估算國家或地區(qū)的碳收支情況[2-3]。②采用各種模型的模擬結(jié)果來估算全球或區(qū)域的植被碳匯[4-6]。整體而言，從研究對象看，大多數(shù)已有研究都是針對森林生態(tài)系統(tǒng)開展[7]，其他土地利用類型(如農(nóng)田和草原)盡管也是陸地生態(tài)系統(tǒng)碳匯的重要組成部分，但相關(guān)研究較少；且已有針對區(qū)域的碳匯研究僅分析了區(qū)域內(nèi)單一的植被類型[5]，缺少對于整個生態(tài)系統(tǒng)的綜合性研究。從研究內(nèi)容看，現(xiàn)有研究較少能反映植被碳匯的空間分布，只能從總量上確定生態(tài)系統(tǒng)是否為碳匯，無法在空間上加以區(qū)分[8]，使得研究的實用性大大降低。從研究尺度看，多集中于較小的區(qū)域尺度，或以省區(qū)為單元[9]，鮮見大尺度上的自然地理區(qū)研究。從研究方法看，雖然已有部分研究應(yīng)用遙感和地理信息系統(tǒng)(GIS)技術(shù)并提出了區(qū)域估算模型[1,9]，但綜合型、簡便、快速、準確提取碳匯空間分布的方法還遠未成熟。

干旱區(qū)約占地球陸地面積的30%左右，其生態(tài)系統(tǒng)的植被碳匯在全球的碳平衡中具有重要的地位。中國西北干旱區(qū)深居內(nèi)陸，嚴酷的氣候環(huán)境導(dǎo)致生態(tài)系統(tǒng)生產(chǎn)能力普遍低下，系統(tǒng)自我調(diào)控能力較低，生態(tài)系統(tǒng)表現(xiàn)出極端的敏感性和脆弱性。因此，研究中國西北干旱區(qū)陸地生態(tài)系統(tǒng)的植被碳匯，分析其時空變化規(guī)律，可以為全球中高緯度地區(qū)陸地生態(tài)系統(tǒng)植被碳匯研究提供科學借鑒?；谝陨显颍疚囊赃b感數(shù)據(jù)、氣象站點觀測數(shù)據(jù)、GIS本底數(shù)據(jù)及植被類型數(shù)據(jù)等為基礎(chǔ)，利用Carnegie-Ames-Stanford Approach(CASA)模型和土壤微生物呼吸模型，對中國西北干旱區(qū)2001—2012年的碳匯進行估算，并分析其時空演變格局，以期為中國溫室氣體減排計劃和區(qū)域生態(tài)系統(tǒng)保護措施的制定、實施提供決策參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

本文采用趙松喬[10]提出的中國自然地區(qū)區(qū)劃方案，其中的西北干旱區(qū)主要包括大興安嶺以西，昆侖山—阿爾金山—祁連山和長城一線以北的廣大地區(qū)，地理上介于70°01′—121°09′E，36°16′—46°25′N之間，總面積約246×104km2。西北干旱區(qū)深居歐亞大陸內(nèi)部，受東亞夏季風的影響較少，來自海洋的濕潤氣流被山嶺阻隔，難以深入，導(dǎo)致氣候干燥。區(qū)內(nèi)年降水量從東部的400mm左右，往西減少至100mm以下。地貌外營力主要為風化、物質(zhì)移動、水力侵蝕和堆積以及廣泛的風力侵蝕、搬運和堆積，沙漠和戈壁廣布。絕大部分屬內(nèi)陸流域，山地徑流是本區(qū)主要水資源，補給來源為雨水及冰雪融水。地表的生態(tài)系統(tǒng)類型由東往西大體上依次為森林草原、典型草原、荒漠草原、荒漠。分為兩個自然地區(qū)和八個自然區(qū)(圖1)。

圖1 中國西北干旱區(qū)自然區(qū)劃Fig.1 Comprehensive physical regionalization of the arid region of northwest China

1.2 數(shù)據(jù)源

遙感觀測宏觀性強、信息量大、快速動態(tài)更新、現(xiàn)勢性好、全空間覆蓋，加之因其能夠有效反映植被的空間差異，在估算生物量空間分布格局方面具有明顯的優(yōu)勢?？紤]到本文的研究區(qū)面積廣大，中、高分辨率的地球資源衛(wèi)星數(shù)據(jù)顯然不適合大范圍宏觀研究，且數(shù)據(jù)的連續(xù)性不強，時間分辨率不高，影像鑲嵌等處理過程也會帶來一定的誤差，為此，本文采用MODIS(Moderate-Resolution Imaging Spectroradiometer)的歸一化差異植被指數(shù)(NDVI)產(chǎn)品。數(shù)據(jù)獲取自Level 1 and Atmosphere Archive and Distribution System (LAADS)(http://ladsweb.nascom.nasa.gov/data/order.html)網(wǎng)站，為16日合成數(shù)據(jù)，空間分辨率為1 km，共計下載遙感影像數(shù)據(jù)2368幅，行列號為4—5和23—26，覆蓋研究區(qū)全部。氣象數(shù)據(jù)包括月平均氣溫，月總降水量和月總太陽輻射，取自中國氣象科學數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/home.do)。為了保證空間插值精度，共選取研究區(qū)內(nèi)及周邊的常規(guī)氣象站314個，太陽輻射監(jiān)測站點48個(圖2)，其中位于研究區(qū)內(nèi)部的常規(guī)氣象站點103個，太陽輻射站點21個。數(shù)字高程模型(Digital Elevation Model，DEM)數(shù)據(jù)獲取自美國地質(zhì)勘查局(United States Geological Survey，USGS)網(wǎng)站(http://glovis.usgs.gov/)，分辨率為1 km。植被類型數(shù)據(jù)來源于中國西部環(huán)境與生態(tài)科學數(shù)據(jù)中心(http://westdc.westgis.ac.cn)，為便于分析，將植被類型歸并為針葉林、闊葉林、灌木林地、草原、農(nóng)田、荒漠、水體及無植被地段8類(圖3)。

圖2 研究區(qū)氣象站點分布示意圖Fig.2 Distribution of meteorological stations in study area

圖3 西北干旱區(qū)植被類型圖Fig.3 Vegetation map of the arid region of northwest China

2 碳匯估算方法

2.1 凈初級生產(chǎn)力估算

采用基于光合利用率、適合估算大區(qū)域尺度的CASA模型計算(NPP)。表達式為[11]：

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

式中，APAR(x，t)為像元x在t月吸收的光合有效輻射(gC m-2month-1)，ε(x，t)表示像元x在t月的光能利用率(gC/MJ)。

2.1.1 APAR的計算

計算式為[12]：

APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5

(2)

FPAR(x,t)=αFPARNDVI+(1-α)FPARSR

(3)

(4)

(5)

(6)

式中, SOL(x,t)表示t月像元x處的太陽總輻射量(MJ m-2month-1)，F(xiàn)PAR為植被層對太陽入射光合有效輻射的吸收比例，NDVI(i，max)和NDVI(i，min)分別表示第i種植被類型的NDVI的最大值和最小值，F(xiàn)PARmin和FPARmax分別取值0.001和0.95，SR(i，min)和SR(i，max)分別對應(yīng)某種植被類型NDVI的5%和95%處的百分位數(shù)，α值取0.5[13]。

2.1.2 光能利用率的計算

計算式為[14]：

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax

(7)

式中,Tε1(x，t)和Tε2(x，t)分別為低溫和高溫對光能利用率的脅迫作用，Wε(x，t)為水分脅迫影響系數(shù)，εmax為理想條件下植被的最大光能利用率。

Tε1(x，t)的計算式為[15]：

(8)

式中，Topt(x)為某一區(qū)域年內(nèi)NDVI值達到最高時的月平均氣溫。

Tε2(x，t)計算式為[15]：

(9)

式中，T(x，t)為月平均溫度，當某月平均溫度比最適溫度Topt(x)高10℃或低13 ℃時，該月的Tε2(x，t)值等于月平均溫度T(x，t)為最適溫度Topt(x)時Tε2(x，t)值的一半。

Wε(x,t)計算式為[15]：

Wε(x,t)=0.5+0.5×E(x,t)/Ep(x,t)

(10)

式中，區(qū)域?qū)嶋H蒸散量E(x，t)根據(jù)周廣勝[16]建立的區(qū)域?qū)嶋H蒸散模型求取，區(qū)域潛在蒸散量Ep(x，t)根據(jù)Boucher[17]提出的互補關(guān)系求取。

最大光利用率εmax的取值因不同的植被類型而有所不同，本文采用朱文泉[18]和Running等[19]根據(jù)生態(tài)生理過程模型BIOME-BGG對10種植被類型所模擬的值：針葉林1.008 gC/MJ，闊葉林1.044 gC/MJ，灌叢0.768 gC/MJ，草原0.608 gC/MJ，農(nóng)田0.604 gC/MJ，荒漠、無植被地段和水體等生態(tài)系統(tǒng)取CASA模型所估算的全球月平均最大光利用率0.389 gC/MJ。

2.1.3 氣象數(shù)據(jù)的空間分布模擬

氣溫垂直遞減率會隨著季節(jié)的變化而變化[20]，根據(jù)314個氣象站的海拔高度和月平均氣溫資料，計算研究區(qū)各月平均氣溫的垂直遞減率，再根據(jù)氣象站點海拔高度，將觀測氣溫換算為海拔高度為0處的氣溫值。利用普通Kringing插值法，模擬海拔為0處的溫度Tk(x，t)；根據(jù)DEM和氣溫垂直遞減率，模擬起伏地形下的真實溫度T(x，t)。降水數(shù)據(jù)直接采用Kringing插值對氣象站點觀測數(shù)值進行插值。

西北干旱區(qū)面積廣大，山區(qū)地形復(fù)雜，僅僅依靠氣象觀測站的資料，采取空間插值的方法來描述研究區(qū)太陽總輻射的精確空間分布，容易造成較大誤差。因此，本文以DEM為基礎(chǔ)，充分考慮地形之間相互遮蔽對太陽總輻射的影響，利用日照百分率與天文輻射擬合太陽總輻射，獲取經(jīng)驗系數(shù)，從而計算起伏地形下的太陽總輻射。計算式為[21]：

(11)

式中，Qt為起伏地形下月太陽總輻射；Q0′為為月天文輻射量，篇幅所限，其具體計算方法可參考文獻[22]；a、b為擬合得到的經(jīng)驗系數(shù)，本文經(jīng)計算，取值0.22和0.773；S為日照百分率。受篇幅所限，圖4僅列出了2012年7月地形校正前后模擬的太陽總輻射。

圖4 2012年7月太陽總輻射地形校正對比Fig.4 Solar radiation Contrast used topographic correction in July, 2012

2.2 碳匯的計算

生態(tài)系統(tǒng)的碳匯儲量包含了綠色植物生物量、凋落物量及土壤有機質(zhì)，NEP是估算區(qū)域植被碳源和碳匯的重要指標，盡管嚴格來說NEP在區(qū)域尺度上不完全等于碳匯，但常常將其作為碳匯大小的度量。在不考慮其它自然和人為因素影響的前提下，植被碳匯可表示為NPP與土壤微生物呼吸碳排放之間的差值，計算式為[23]：

NEP = NPP-RH

(12)

式中,NEP為植被凈生態(tài)系統(tǒng)生產(chǎn)力，NPP為植被凈初級生產(chǎn)力，RH為土壤微生物呼吸量。當NEP>0，說明植被固定的碳多于土壤排放碳，表現(xiàn)為碳匯，反之則為碳源。

土壤微生物呼吸量與土壤中微生物的數(shù)量、種類以及植物根系的分泌物有關(guān)，在所有影響土壤微生物呼吸的因素中，溫度和降水是最重要的兩個因素[24]。裴志永等[6]建立了氣溫、降水與碳排放的回歸模型，估測土壤微生物呼吸的分布狀況，湯潔等[9]將其應(yīng)用于吉林西部碳匯估算中。上述研究范圍部分包含于本文研究區(qū)范圍內(nèi)，因本文研究區(qū)面積很大，目前尚未建立普適模型，故本文采用裴志永等的經(jīng)驗?zāi)Ｐ?。計算式為[6]：

(13)

式中,T為氣溫(℃)，R為降水(mm)。

3 結(jié)果與分析

3.1 西北干旱區(qū)NPP時空分布

3.1.1 估算結(jié)果的不確定性

在ArcGIS軟件支持下，將空間化后的各參數(shù)代入CASA模型進行柵格地圖代數(shù)運算，得到2001—2012年逐月NPP空間分布。圖5所示為12年間NPP平均值的空間分布。區(qū)域或全球尺度的NPP估算結(jié)果的精度評價，一直是NPP遙感估算的難題和最具有爭議的環(huán)節(jié)。NPP估算模型的精度驗證方法一般有兩種：一種是實測法，即通過估算值與若干實際測量值的對比來驗證估算精度；另一種是相對法，即將估算的空間分布圖與其他模型估算的結(jié)果或遙感數(shù)據(jù)產(chǎn)品進行對比來評價估算效果。盡管野外調(diào)查獲得實測的生物量數(shù)據(jù)比較可靠，但很難在整個研究區(qū)內(nèi)進行大范圍比較均勻地實地調(diào)查取樣。加之研究區(qū)橫跨中國北方，時間跨度為12a，生物量分布的空間和時間異質(zhì)性較大，因此如果簡單地利用有限的實地調(diào)查所獲得的平均生物量來推算整個區(qū)域的生物量，則可能產(chǎn)生較大誤差。

圖5 2001—2012年西北干旱區(qū)NPP平均值的空間分布Fig.5 Spatial distribution of 12-year mean annual NPP of the arid region of northwest China in 2001-2012

圖6 NPP估算值與實測值的比較Fig.6 Comparison of simulated NPP and observed NPP

為此，本文利用分布在研究區(qū)內(nèi)的40組實測資料值(來源于全球NPP數(shù)據(jù)庫http/www.daac/ornl.gov/NPP/npp.home.html)對估算結(jié)果進行驗證，考慮到實測值為來自各試驗站點上的多年平均值(1946—2006)，因此以本文模擬12a的NPP的平均值參與檢驗。由于氣溫、降水、人類活動等環(huán)境變化的影響，二者之間存在一定的差異是難免的。相關(guān)性散點圖如圖6所示，由圖6可知，NPP的實測值和估算值之間具有較高的擬合度，其相關(guān)系數(shù)高達0.87。盡管實測值與模擬值的時間不一致，但對于大多數(shù)觀測點來說，估算值基本上都落在實測值的變動范圍內(nèi)。由于實測數(shù)據(jù)的限制，精度驗證存在一定的不確定性。其一，全球NPP數(shù)據(jù)庫的實測數(shù)據(jù)與本文估算的時段不一致，盡管均采用多年平均值比較，但時間差異導(dǎo)致生物量估算偏差的因素仍不能忽視。其二，全球NPP數(shù)據(jù)庫的實測數(shù)據(jù)來自于北方針葉林、溫帶森林和草地的監(jiān)測值，對于干旱區(qū)普遍存在的稀疏植被地表覆蓋類型缺乏實測數(shù)據(jù)支持。第三，受MODIS數(shù)據(jù)空間分辨率的限制，大量混合像元存在的事實不可避免地會影響估算精度，也給精度驗證帶來了極大困難。

3.1.2 估算結(jié)果與MODIS NPP產(chǎn)品的對比

本文將估算結(jié)果與2001—2010年MODIS的1 km年分辨率NPP產(chǎn)品進行了對比，結(jié)果發(fā)現(xiàn)二者在空間分布上較為吻合。除去2001、2003、2007、2010年這4a中MODIS產(chǎn)品值與本文估算值相差稍大外，其余年份相差很小，差值介于3.71—24.46 gC m-2a-1之間。MODIS的NPP產(chǎn)品年總量與本文估算結(jié)果總體差距亦不大，差距較大的年份是2001年和2003年，且除2001年外，各年份估算的NPP總量均略高于MODIS產(chǎn)品值，其中，2001年NPP的估算值大于MODIS產(chǎn)品值22.47 MtC/a。總體而言，MODIS產(chǎn)品的年際波動明顯大于本文估算值。

3.1.3 NPP的時空分布

總體來看，年內(nèi)NPP隨季節(jié)具有明顯的規(guī)律性變化，NPP值較高的月份主要出現(xiàn)在3—9月。多年1月的平均NPP基本全部小于74 gC/m2，平均值僅為27.81 gC/m2；7月時NPP達到最大值112.96 gC/m2；12月的NPP值最低，多年平均值僅為22.85 gC/m2。計算研究區(qū)NPP各年的平均值，結(jié)果發(fā)現(xiàn)NPP年平均值在12年間表現(xiàn)出波動中上升的趨勢，2001年平均NPP值為791.29 gC m-2a-1，2006年為12年中的最低值，789.14 gC m-2a-1，2012為12年間最高值，829.15 gC m-2a-1。

按照中國自然地理區(qū)劃的三級自然分區(qū)，統(tǒng)計各三級自然區(qū)的年平均NPP及標準差(表1)。NPP多年平均值最大的區(qū)域為西遼河流域草原區(qū)，盡管該區(qū)受墾荒等人類活動影響，植被退化嚴重，其NPP平均值仍達到1223.59 gC m-2a-1，遠高于西北干旱區(qū)的平均值；阿爾泰山山地草原針葉林區(qū)、內(nèi)蒙古干草原荒漠草原區(qū)和天山山地草原及針葉林區(qū)的NPP平均值均在1000gC m-2a-1以上；NPP平均值最小的區(qū)域是塔里木盆地暖溫帶荒漠區(qū)，年平均NPP僅258.75 gC m-2a-1。標準差的統(tǒng)計值則顯示，天山山地草原及針葉林區(qū)內(nèi)NPP的空間差異最大，阿拉善高原溫帶荒漠區(qū)內(nèi)部NPP的空間差異最小，這主要和自然區(qū)內(nèi)的植被類型豐富度有關(guān)，植被類型數(shù)量越多，內(nèi)部NPP的空間差異越大，反之亦然。

表1 自然區(qū)劃三級分區(qū)NPP統(tǒng)計值Table 1 Statistics of NPP values in the third level natural division

3.2 西北干旱區(qū)植被碳匯時空分布

3.2.1 植被碳匯的時間變化

利用公式(12)計算得到2001—2012年的植被碳匯(NEP)分布(圖7)。2001—2012年西北干旱區(qū)的植被碳匯總體呈現(xiàn)波動性上升的趨勢，從植被碳匯的年平均值來看，2006年碳匯最小，僅為609.04 gC m-2a-1，2012年最大，為648.02 gC m-2a-1。植被碳匯的年際變化不大，年變化量小于39 gC m-2a-1，標準差為11.68 gC m-2a-1。從2001—2012年間各月碳匯的平均值來看，碳匯月平均值與NPP具有較大差異，2001年、2004年和2009年的月植被碳匯最大值出現(xiàn)在5月，2005年、2006年、2008年和2010年月碳匯最大值出現(xiàn)在6月，其余年份月碳匯最大值均出現(xiàn)在7月。

圖7 2001—2012年植被碳匯空間分布圖Fig.7 Spatial distribution of carbon sinks during 2001—2012

3.2.2 植被碳匯的空間變化

計算2001—2012年西北干旱區(qū)陸地生態(tài)系統(tǒng)的植被碳匯平均值及標準差(圖8)。從圖8中可以看出，西北干旱區(qū)的植被碳匯總體上呈現(xiàn)自西向東逐漸增加的趨勢，中、西部廣泛分布著戈壁、沙漠、裸巖石礫地、稀疏草地等土地類型，植被稀疏，碳匯量很少，東部則分布有較多的溫帶草原和森林，以及小部分高質(zhì)量的農(nóng)田，碳匯量較大。從植被碳匯年際變化的標準差空間分布圖來看，大部分地區(qū)的碳匯年際波動均不大，變化較大的區(qū)域主要分布于阿爾泰山、天山、吐哈地區(qū)、呼倫貝爾地區(qū)、塔城地區(qū)以及塔里木盆地北緣的阿克蘇、沙雅、尉犁等綠洲。究其原因，一方面，綠洲地區(qū)的耕地不同于草原、森林等植被，地表植被覆蓋年際、年內(nèi)變化大；另一方面，山地區(qū)域地形復(fù)雜，地表覆蓋類型多樣，景觀相對較為破碎，易受氣象等因素的影響而發(fā)生變化，也是影響植被碳匯波動的重要因素；此外，由于難以獲取到國外氣象觀測數(shù)據(jù)，可能影響研究區(qū)北部的氣象插值結(jié)果，這也是造成北部沿邊地區(qū)植被碳匯年際波動相對較大的原因之一。

圖8 西北干旱區(qū)植被碳匯量及其標準差空間分布Fig.8 Spatial distribution of carbon sinks and its standard deviation in the arid region of northwest China

按照中國自然地理區(qū)劃的三級自然分區(qū)，統(tǒng)計各三級自然區(qū)的年平均植被碳匯及標準差(表1)。植被碳匯多年平均值最大的區(qū)域為西遼河流域草原區(qū)，其碳匯平均值為842.69 gC m-2a-1，遠高于西北干旱區(qū)的平均值；阿爾泰山山地草原針葉林區(qū)、內(nèi)蒙古干草原荒漠草原區(qū)和鄂爾多斯高原干草原、荒漠草原區(qū)，碳匯平均值均在700gC m-2a-1以上；植被碳匯平均值最小的區(qū)域是塔里木盆地暖溫帶荒漠區(qū)，年平均NEP僅172.16 gC m-2a-1。標準差的統(tǒng)計值則顯示，植被碳匯空間差異最大的自然區(qū)均為山地區(qū)，天山山地草原及針葉林區(qū)和阿爾泰山山地草原針葉林區(qū)的碳匯標準差都大于200gC m-2a-1；阿拉善高原溫帶荒漠區(qū)內(nèi)部碳匯的空間差異最小，僅有77.03 gC m-2a-1。

3.2.3 不同植被類型的碳匯量

將植被類型圖與植被碳匯(NEP)年平均值空間分布圖進行疊置，分析不同植被類型的碳匯能力。結(jié)果發(fā)現(xiàn)不同植被類型的碳匯能力強弱差異較大，其中碳匯能力最強的為針葉林(918.02 gC m-2a-1)，其次是農(nóng)田(818.02 gC m-2a-1)，碳匯能力最小的是荒漠(152.21 gC m-2a-1)。研究區(qū)各植被覆蓋類型碳匯能力大小依次為針葉林>農(nóng)田>灌叢>闊葉林>草原>荒漠。

4 結(jié)論與討論

本文通過修正的CASA模型估算西北干旱區(qū)陸地生態(tài)系統(tǒng)的NPP，并結(jié)合土壤微生物呼吸方程，計算出西北干旱區(qū)陸地生態(tài)系統(tǒng)2001—2012年間植被碳匯的時空分布格局，研究結(jié)果能夠較好地反映出西北干旱區(qū)的植被生長及分布狀況。研究區(qū)的NPP表現(xiàn)出很強的隨季節(jié)變化的規(guī)律，全年7月份NPP為最高值，12月為最低值，12年間研究區(qū)NPP的年均值變化不大，碳匯均值總體表現(xiàn)為增加趨勢，其中2006年的碳匯平均值最小，2012年最大；年內(nèi)碳匯的最大值出現(xiàn)在5—7月。西遼河流域草原區(qū)的NPP和碳匯平均值最大，塔里木盆地暖溫帶荒漠區(qū)最小。植被碳匯與降水、溫度和太陽輻射之間具有很強的相關(guān)性；不同植被類型的碳匯能力差異巨大。方精云等[1]研究發(fā)現(xiàn)北半球高緯度陸地生態(tài)系統(tǒng)是全球重要的碳匯，本文通過對西北干旱區(qū)的碳匯量估算，驗證了該結(jié)論，有助于為國際碳貿(mào)易提供科學依據(jù)，也為碳匯的定量研究提供方法參考。在2001—2012年間，研究區(qū)碳匯量呈波動增加的特征，說明西北干旱區(qū)的植被生長狀況總體有所改善，陸地植被生態(tài)系統(tǒng)持續(xù)恢復(fù)，土壤中碳元素的流失受到抑制。

大尺度上生物量遙感估算的精度評價，一直是定量遙感估算非常困難和最具爭議的問題，由于研究區(qū)面積廣大和資料所限，本文利用全球NPP數(shù)據(jù)庫中的部分實測樣點對估算結(jié)果進行了評估。但全球NPP數(shù)據(jù)庫作為精度驗證依據(jù)尚存在以下不確定性：首先，多數(shù)樣點為北方針葉林、溫帶森林和荒漠草原，并不能完全代表整個研究區(qū)的各生態(tài)系統(tǒng)類型；其次，實測值為有限點數(shù)據(jù), 不能從空間上反映研究區(qū)生態(tài)功能的異質(zhì)性和差異性；第三，實測時間與本文估算的時段不完全一致，盡管文中采用多年平均值作比較，但時間差異可能導(dǎo)致生物量估算出現(xiàn)偏差。此外，目前己經(jīng)提出的植被碳匯估算模型和方法，各有其優(yōu)勢和不足，尚無統(tǒng)一的普適性方法。本文雖對CASA模型進行了改進，但由于當前生態(tài)系統(tǒng)的植被碳匯計算模型大都建立在經(jīng)驗統(tǒng)計的基礎(chǔ)上，而經(jīng)驗公式多是依賴于較小尺度的實驗區(qū)或少數(shù)試驗站的監(jiān)測數(shù)據(jù)建立起來的，在由點向面推算的過程中，經(jīng)驗?zāi)Ｐ湍芊裢耆m用于大尺度上生態(tài)系統(tǒng)的植被碳匯研究，尚需在增加觀測數(shù)據(jù)的基礎(chǔ)上進一步加以驗證。受遙感數(shù)據(jù)本身的誤差及遙感模型中關(guān)鍵參數(shù)的不確定性等因素的制約，單純的遙感方法存在一定誤差，通過降尺度等方法將遙感數(shù)據(jù)與地面觀測資料的優(yōu)勢結(jié)合起來，應(yīng)是下一步研究的重點。

[1] 方精云, 郭兆迪, 樸世龍, 陳安平. 1981—2000年中國陸地植被碳匯的估算. 中國科學(D輯:地球科學), 2007, 37(6):804- 812.

[2] Woodwell G M, Whittaker R H, Reiners W A, Likens G E, Delwiche C C, Botkin D B. The biota and the World carbon budget. Science, 1978, 199(4325):141- 146.

[3] Kauppi P E, Mielik?inen K, Kuusela K. Biomass and carbon budget of European forests, 1971 to 1990. Science, 1992, 256(5053):70- 74.

[4] Tans P P, Fung I Y, Takahashi T. Observational contrains on the global atmospheric CO2budget. Science, 1990, 247(4949):1431- 1438.

[5] 任繼周, 梁天剛, 林慧龍, 馮琦勝, 黃曉東, 侯扶江, 鄒德富, 王翀. 草地對全球氣候變化的響應(yīng)及其碳匯潛勢研究. 草業(yè)學報, 2011, 20(2):1- 22.

[6] 裴志永, 周才平, 歐陽華, 楊文斌. 青藏高原高寒草原區(qū)域碳估測. 地理研究, 2010, 29(1):102- 110.

[7] Fang J Y, Chen A P, Peng C H, Zhao S Q, Ci L J. Changes in forest biomass carbon storage in China between 1949 and 1998. Science, 2001, 292(5525):2320- 2322.

[8] Wofsy S C, Goulden M L, Munger J W, Fan S M, Bakwin P S, Daube B C, Bassow S L, Bazzaz F A. Net exchange of CO2in a mid-latitude forest. Science, 1993, 260(5112):1314- 1317.

[9] 湯潔, 姜毅, 李昭陽, 張楠, 胡猛. 基于CASA模型的吉林西部植被凈初級生產(chǎn)力及植被碳匯量估測. 干旱區(qū)資源與環(huán)境, 2013, 27(4):4- 10.

[10] 趙松喬. 中國綜合自然地理區(qū)劃的一個新方案. 地理學報, 1983, 38(1):1- 10.

[11] 董丹, 倪健. 利用CASA模型模擬西南喀斯特植被凈第一性生產(chǎn)力. 生態(tài)學報, 2011, 31(7):1855- 1866.

[12] 朱文泉, 潘耀忠, 張錦水. 中國陸地植被凈初級生產(chǎn)力遙感估算. 植物生態(tài)學報, 2007, 31(3):413- 424.

[13] 樸世龍, 方精云, 郭慶華. 利用CASA模型估算我國植被凈第一性生產(chǎn)力. 植物生態(tài)學報, 2001, 25(5):603- 608.

[14] Potter C S, Randerson J T, Field C B, Matson P A, Vitousek P M, Mooney H A, Klooster S A. Terrestrial ecosystem production:a process model based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7(4):811- 841.

[15] Field C B, Randerson J T, Malmstr?m C M. Global net primary production:combining ecology and remote sensing. Remote Sensing of Environment, 1995, 51(1):74- 88.

[16] 周廣勝, 張新時. 全球變化的中國氣候—植被分類研究. 植物學報, 1996, 38(1):8- 17.

[17] Boucher J, Quilliot D, Pradères J P, Simon M F, Grès S, Guigné C, Prévot D, Ferry G, Boutin J A, Carpéné C, Valet P, Saulnier-Blache J S. Potential involvement of adipocyte insulin resistance in obesity-associated up-regulation of adipocyte lysophospholipase D/autotaxin expression. Diabetologia, 2005, 48(3), 569- 577.

[18] 朱文泉, 潘耀忠, 龍中華, 陳云浩, 李京, 扈海波. 基于GIS和RS的區(qū)域陸地植被NPP估算——以中國內(nèi)蒙古為例. 遙感學報, 2005, 9(3):300- 307.

[19] Running S W, Thornton P E, Nemani R, Glassy J M. Global terrestrial gross and net primary productivity from the Earth Observing System // Sala O, Jackson R, Mooney H. Methods in Ecosystem Science. New York:Springer Verlag, 2000:44- 57.

[20] 李軍, 游松財, 黃敬峰. 中國1961—2000年月平均氣溫空間插值方法與空間分布. 生態(tài)環(huán)境, 2006, 15(1):109- 114.

[21] 劉玉安, 黃波, 易成功, 程濤, 余健, 曲樂安. 基于地形校正的植被凈初級生產(chǎn)力遙感模擬及分析. 農(nóng)業(yè)工程學報, 2013, 29(13):130- 141.

[22] 王麗, 邱新法, 王培法, 劉愛利. 復(fù)雜地形下長江流域太陽總輻射的分布式模擬. 地理學報, 2010, 65(5):543- 552.

[23] Houghton R A. Terrestrial sources and sinks of carbon inferred from terrestrial data. Tellus B, 1996, 48(4):420- 432.

[24] 王義祥, 翁伯琦, 黃毅斌. 土地利用和覆被變化對土壤碳庫和碳循環(huán)的影響. 亞熱帶農(nóng)業(yè)研究, 2005, 1(3):44- 51.

Estimation and spatial-temporal characteristics of carbon sink in the arid region of northwest China

PAN Jinghu1,*, WEN Yan2

1CollegeofGeographicandEnvironmentalScience,NorthwestNormalUniversity,Lanzhou730070,China2CollegeofResourcesScience,BeijingNormalUniversity,Beijing100875,China

Global warming caused by greenhouse gas emissions has had a profound impact on human survival and development. Consequently, this phenomenon has received widespread attention from the international community. Vegetation can absorb greenhouse gases CO2, and has a huge carbon sink function, so it has an irreplaceable role in slowing global warming. The carbon sink capacity of vegetation has a significant impact on regional and global climate change. Carbon emissions are undoubtedly enormous in the mid and high latitudes of the Northern Hemisphere, so studies on terrestrial ecosystem carbon dynamics and spatial patterns in the arid region of northwest China may provide an accurate assessment how China contributes towards mitigating global climate change and CO2emission reduction. The net primary productivity (NPP) and heterotrophic respiration (RH) in the arid region of northwest China were calculated by using MODIS images, meteorological data, and a vegetation type map, in combination with an improved CASA model and soil microbial respiration model. The NPP andRHwere then used to estimate net ecosystem productivity (NEP) and vegetation carbon sink from 2001 to 2012. Spatial-temporal characteristics and the reasons for NPP and carbon sink variation in the arid region of northwest China were analyzed. The results show that research methods used in this paper were able to quickly extract ecosystem net primary productivity and carbon sink for the northwest arid region. The methods used are efficient, convenient, and practical for large scale carbon balance and carbon cycling studies in this region. Comparison indicated small gaps between simulated and measured site values. The overall difference in the spatial distribution between simulated values and MODIS NPP products is also small, and the volatility of the analog value is less than the value of MODIS NPP products. NPP in the study area showed strong seasonal variation. The maximal NPP value was obtained in July, while the minimum value was obtained in December. In the 12 study years, annual averages ofNPPchanged minimally. Average carbon sinks showed fluctuating in the 12 years, but increased in general, overall. The carbon sink mean changed from a minimum of 609.04 gC-1m-2a-1in 2006 to a maximum of 648.02 gC-1m-2a-1in 2012. The change in mean carbon sink was less than 39 gC-1m-2a-1, with a standard deviation of 11.68. Annual maximum carbon mainly occurred in May, June, and July. Carbon sink fluctuated, but showed an overall upward trend in the northwest arid region between 2001 and 2012. Carbon sink in this region gradually increased from West to East, with Eastern > West > Central. The carbon sink capacity of different natural areas was quite different. The largest carbon sink capacity was recorded in the grassland area of West Liaohe River Basin, while the smallest was recorded in the warm temperate desert region of the Tarim Basin. The annual maximum carbon sink mainly occurred from May to July. Carbon sink was ranked in the order of coniferous forest > farmland > shrubs > broad-leaved forest > grassland > desert steppe.

carbon sink; NPP; CASA model; remote sensing; arid region of northwest China

國家自然科學基金項目(41361040)；甘肅省自然科學基金項目(1208RJZA159)；甘肅省高?；究蒲袠I(yè)務(wù)費項目(2014-63)

2014- 05- 21; < class="emphasis_bold">網(wǎng)絡(luò)出版日期:

日期:2015- 05- 19

10.5846/stxb201405211045

*通訊作者Corresponding author.E-mail:panjh_nwnu@nwnu.edu.cn

潘竟虎，文巖.中國西北干旱區(qū)植被碳匯估算及其時空格局.生態(tài)學報,2015,35(23):7718- 7728.

Pan J H, Wen Y.Estimation and spatial-temporal characteristics of carbon sink in the arid region of northwest China.Acta Ecologica Sinica,2015,35(23):7718- 7728.