孫成明，孫政國，劉 濤，王力堅，陳瑛瑛，郭斗斗，田 婷，李建龍

1 揚州大學農(nóng)學院江蘇省作物遺傳生理國家重點實驗室培育點，揚州 225009 2 南京農(nóng)業(yè)大學動物科技學院，南京 210095 3 南京大學生命科學學院，南京 210093

基于MODIS的中國草地NPP綜合估算模型

孫成明1,*，孫政國2，劉 濤1，王力堅1，陳瑛瑛1，郭斗斗1，田 婷1，李建龍3

1 揚州大學農(nóng)學院江蘇省作物遺傳生理國家重點實驗室培育點，揚州 225009 2 南京農(nóng)業(yè)大學動物科技學院，南京 210095 3 南京大學生命科學學院，南京 210093

草地生態(tài)系統(tǒng)是陸地生態(tài)系統(tǒng)分布最廣的生態(tài)系統(tǒng)類型之一，其碳儲量的估算在全球變化中的作用越來越受到重視。為了快速、便捷地實現(xiàn)中國草地凈初級生產(chǎn)力(NPP)的估算，在獲取野外調(diào)查資料與同期遙感影像數(shù)據(jù)的基礎(chǔ)上，利用歸一化植被指數(shù)(NDVI)以及氣候數(shù)據(jù)，構(gòu)建了草地NPP綜合估算模型。模型包括葉面積指數(shù)(LAI)和光合累積量(PA)兩個子模型，其中LAI子模型利用了遙感數(shù)據(jù)NDVI，PA子模型利用了溫度、降水和輻射等氣候數(shù)據(jù)。通過建模以外獨立的實測數(shù)據(jù)的驗證，模擬值與實測值之間有很好的相關(guān)性，R2為0.8519，相關(guān)性達到極顯著水平。RMSE和RRMSE均較小，表明模型的模擬結(jié)果比較可靠。同時模擬值與實測值之間的平均相對誤差僅為1.97%，模擬結(jié)果的準確度較高，因此利用上述模型估算中國草地NPP是可行的。以上結(jié)果為中國草地NPP估算提供了新的方法。

草地NPP; NDVI; 月平均溫度; 月降水量; 估算模型; 中國

草地生態(tài)系統(tǒng)是陸地生態(tài)系統(tǒng)中最重要、分布最廣的生態(tài)系統(tǒng)類型之一，在全球碳循環(huán)和氣候調(diào)節(jié)中起重要的作用[1]。我國擁有極為豐富的草地資源，分布自東北平原，越過大興安嶺，經(jīng)遼闊的內(nèi)蒙古高原，而后經(jīng)鄂爾多斯高原、黃土高原，直達青藏高原南緣，綿延約4500 km，南北跨越23個緯度[2]。草地不僅是我國分布面積最廣的生態(tài)系統(tǒng)類型之一，而且對發(fā)展畜牧業(yè)、維持生物多樣性、保持水土和維護生態(tài)系統(tǒng)平衡方面有著重大的作用[3]。因此，正確地估算我國草地植被凈初級生產(chǎn)力(NPP)，對合理開發(fā)草地資源以及研究我國陸地生態(tài)系統(tǒng)的碳循環(huán)具有重要意義。植被NPP是衡量植物群落在自然環(huán)境條件下生產(chǎn)能力的重要指標，NPP的變化直接反映了生態(tài)系統(tǒng)對環(huán)境氣候條件的響應(yīng)，因此可以作為生態(tài)系統(tǒng)功能對氣候變化響應(yīng)的研究指標[4]。掌握草地NPP年際間的變化規(guī)律，分析和研究指標NPP與氣候間的相互關(guān)系，對評價陸地生態(tài)系統(tǒng)的環(huán)境質(zhì)量、調(diào)節(jié)生態(tài)過程以及估算陸地碳匯具有重要的理論和實際價值[5- 6]。

草地NPP 估算方法很多，以建立模型進行估算為主，特別是在全球或區(qū)域性等大尺度研究中，模型估算方法表現(xiàn)出其他方法不能比擬的優(yōu)點，以至成為草地宏觀生態(tài)研究的一種重要方法。因此，一些草地研究者利用草地NPP 估算模型進行草地NPP 的動態(tài)監(jiān)測和預測，以期為草地生態(tài)的改善和恢復提供理論和技術(shù)上的支持[7]。國內(nèi)外的許多學者對氣候變化條件下全球草地生產(chǎn)力、草地C循環(huán)等生態(tài)系統(tǒng)過程的影響做了大量分析研究，也有許多學者對國家或區(qū)域尺度的草地NPP進行了模擬[8- 14]。近年來，隨著遙感和GIS技術(shù)的飛速發(fā)展，特別是MODIS數(shù)據(jù)的應(yīng)用，為快速科學估算區(qū)域植被NPP提供了新的途徑，將衛(wèi)星遙感參數(shù)導入估算模型成為主要的研究方法，被越來越多的研究者接受和使用[15- 17]。本文利用我國氣候資料，并結(jié)合同期的遙感影像，建立了基于遙感數(shù)據(jù)的我國草地植被NPP綜合估測模型，旨在為我國草地生態(tài)系統(tǒng)有效管理以及碳儲量的動態(tài)變化研究提供新的手段。

1 材料與方法

1.1 數(shù)據(jù)獲取與處理

1.1.1 NPP實測數(shù)據(jù)

于2010年、2011年6月在貴州、四川以及7月在新疆、內(nèi)蒙等地進行實地調(diào)查，總計取樣190個(其中95個用于建模，95個用于驗證)。每處選取有代表性樣地設(shè)置1個大樣方(10 m × 10 m)，在大樣方四角及中心位置各設(shè)置1個小樣方(1 m × 1 m)，共計5個，調(diào)查每個小樣方內(nèi)的地上生物量及經(jīng)緯度等信息。鮮草帶回后在65 ℃烘箱里烘干48 h后測量干重。5個小樣方的干重求平均，按每2.2 g 干重約等于1 g 碳換算[1]，得到每個樣地的草地NPP，統(tǒng)一以碳(gC/m2)的形式表示。

1.1.2 氣候數(shù)據(jù)

2010—2011逐月平均溫度、逐月總降雨量和逐月太陽輻射來自于中國氣象科學數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/)752個地面觀測站。利用地理信息系統(tǒng)(GIS)的插值工具，根據(jù)各氣象站點的經(jīng)緯度信息，對氣象數(shù)據(jù)進行Kriging插值。然后將通過插值獲得的圖像進行投影變換，并按調(diào)查點相應(yīng)的經(jīng)緯度提取氣候數(shù)據(jù)信息。

1.1.3 遙感數(shù)據(jù)

本文所用MODIS-NDVI數(shù)據(jù)來自美國宇航局(NASA)網(wǎng)站，時間分辨率為16d，空間分辨率為500m。數(shù)據(jù)有4個光譜數(shù)據(jù)圖層，產(chǎn)品覆蓋全球，采用正弦投影，按照10° × 10°的地理范圍分割成單獨文件。它以減少云的影響和降低成像幾何觀測條件的差異為目的，可以反映植被光譜和季節(jié)物候曲線特征[18]。然后利用最大合成法提取月NDVI值，此方法假設(shè)每旬中NDVI值最大的那一天是“晴空”，為了排除受到云和大氣影響的像元，此時逐像元地比較每個月每旬的幾張NDVI圖像并提取最大的NDVI值為合成后的NDVI值[19]。然后提取與地面取樣點相同經(jīng)緯度并且在同一月份的NDVI值作為研究所用數(shù)據(jù)。

1.2 分析方法

1.2.1 數(shù)據(jù)分析

利用MODIS投影轉(zhuǎn)換工具MRT(MODIS Reprojection Tool)進行拼接，并由正弦曲線投影(是一種等面積的偽圓柱投影，緯距不等)轉(zhuǎn)換為等面積方位投影(又稱蘭勃特等積方位投影，圖上面積和相應(yīng)的實際地面面積比值相等)，通過最近鄰方法進行像素重采樣，用矢量化的中國行政區(qū)劃圖進行裁剪，提取本研究的NDVI分布區(qū)域。

1.2.2 建模方法

根據(jù)草地發(fā)生學的基礎(chǔ)原理，利用單個因子與NPP之間的相關(guān)性，提出模型結(jié)構(gòu)因子，然后對上述因子進行組合，形成綜合模型，最后利用實測數(shù)據(jù)確定模型的參數(shù)值。根據(jù)實驗數(shù)據(jù)的分析結(jié)果可知，NDVI與LAI之間以及溫度、降雨、輻射與光合累積量之間存在相關(guān)關(guān)系，因此可利用它們進行模型因子的構(gòu)建。

1.2.3 模型驗證

為了驗證模擬結(jié)果的可靠性，采用RMSE(均方根誤差)和RRMSE(相對均方根誤差)，利用預留用于檢驗的實測數(shù)據(jù)對模型的模擬效果進行檢驗和評價。

2 結(jié)果與分析

2.1 草地NPP綜合估算模型構(gòu)建

草地NPP是指草地在單位面積上、單位時間內(nèi)所累積的有機物數(shù)量，是光合作用所固定的有機碳總量和自養(yǎng)呼吸消耗量之差。因此，草地NPP估算可由草地葉面積和單位葉面積光合累積量兩個因子表示，其估算公式模擬如下：

NPP=LAI(x,t)×PA(x,t)

(1)

式中,LAI(x,t)表示像元x在t月份的草地葉面積指數(shù)；PA(x,t)表示像元x在t月份的光合累積量(gC/m2/月)。

2.1.1 LAI(x,t)的估算

根據(jù)Beer-Lambert定律，參照已有的研究[20]，葉面積指數(shù)LAI可以表示為：

(2)

式中,a1、a2、b1、b2為方程的待定系數(shù)。

2.1.2 PA(x,t)的估算

草地單位面積的光合累積量受到多種因素的影響，特別是水、熱等的影響，因此PA的估算綜合考慮了月均降水、月均溫度和月輻射3個主要氣象因子。

(1)溫度與NPP的關(guān)系

根據(jù)野外調(diào)查NPP的經(jīng)緯度值提取相應(yīng)的溫度數(shù)據(jù)，其對應(yīng)關(guān)系列于圖1。由圖1可知，全國月平均溫度與草地NPP之間存在對數(shù)關(guān)系，回歸方程為y=185.46ln(x)-351.19，相關(guān)系數(shù)r=0.4382**(n=95，置信度為99%時，擬合方程有意義的r值低限為0.263，實際r值高于該限值66.62%)，達到了極顯著水平，因此可用對數(shù)方程表示溫度對NPP的影響。

(2)降雨與NPP的關(guān)系

根據(jù)野外調(diào)查NPP的經(jīng)緯度值提取相應(yīng)的降雨量數(shù)據(jù)，其對應(yīng)關(guān)系列于圖2。由圖2可知，月降水量與草地NPP存在線性正相關(guān)關(guān)系，回歸方向為y= 1.7972x- 3.4116，相關(guān)系數(shù)r=0.6626**(n=95，置信度為99%時，擬合方程有意義的r值低限為0.263，實際r值高于該限值151.94%)，達到了極顯著水平，因此可用線性方程表示降水對草地NPP的影響。

圖1 月平均溫度與草地NPP的關(guān)系Fig.1 The relationship between mean monthly temperature and grassland NPP

圖2 月降水量與草地NPP的關(guān)系Fig.2 The relationship between monthly rainfall and grassland NPP

圖3 月輻射量與草地NPP的關(guān)系 Fig.3 The relationship between monthly radiation and grassland NPP

(3)輻射與NPP的關(guān)系

本研究中所用輻射數(shù)據(jù)為逐月太陽總輻射量(MJ/m2)，將其與草地NPP的對應(yīng)關(guān)系列于圖3。由圖3可知，輻射與草地NPP之間存在指數(shù)關(guān)系，且呈負相關(guān)，回歸方向為y= 311627e-0.013x，相關(guān)系數(shù)r=-0.7047**(n=95，置信度為99%時，擬合方程有意義的r值低限為-0.263，實際r值高于該限值167.95%)，達到了極顯著水平，因此可用指數(shù)方程表示輻射對草地NPP的影響。

(4)PA(x,t)構(gòu)成

上述分析表明，草地NPP與溫度、降雨呈正相關(guān)，而與輻射量呈負相關(guān)。同時考慮直接使用溫度作為方程的因子時，結(jié)果變異較大，而且對低于零度的數(shù)據(jù)無法處理，因此引入溫度調(diào)節(jié)系數(shù)，其形式可描述為：ln(2+T/t1)。同樣為了避免直接使用降水和輻射數(shù)據(jù)導致結(jié)果變異太大，分別引入降水調(diào)節(jié)系數(shù)和輻射調(diào)節(jié)系數(shù)，其形式可描述為：SQRT(W/w1)以及exp(R/r1-0.8)。最終的PA(x,t)可表示如下：

(3)

式中,T表示像元x所在位置的月平均溫度(℃)，t1為溫度調(diào)節(jié)系數(shù)；W表示像元x所在位置的月降水量(mm)，w1為降水調(diào)節(jié)系數(shù)；R表示像元x所在位置的月輻射量(MJ/m2)，r1為輻射調(diào)節(jié)系數(shù)；K為模型調(diào)整系數(shù)。

2.2 模型參數(shù)確定

采用Matlab編程，利用2010年部分實測數(shù)據(jù)對模型的參數(shù)進行求算。模型各參數(shù)的值列于表1。

表1 模型參數(shù)值Table 1 Parameter values of NPP forecasting model

進一步分析可知，t1、w1、r1的取值有一定的生物學意義。本研究中溫度調(diào)節(jié)系數(shù)t1的值為18.1，與草地NPP最高的月份全國平均溫度比較接近(全國草地NPP最高月份一般為7月，此時全國月平均溫度為20.98 ℃，而最低的1月份為-5.85 ℃)，因此可以認為t1代表了草地生長的最適溫度。降水調(diào)節(jié)系數(shù)w1的值為89.3，與草地NPP最高的月份全國平均降水量比較接近(7月份全國月平均降水量為90.67 mm，而1月份為5.99 mm)，因此可以認為w1代表了草地生長的最適降水量。輻射調(diào)節(jié)系數(shù)r1的值為603，其生物學意義與t1、w1相同(7月份全國平均輻射量為612.61 MJ/m2，而1月份為282.62 MJ/m2)，因此可以認為r1代表了草地生長的最適輻射量。當然，如果研究區(qū)域發(fā)生了變化，t1、w1、r1的取值也要作相應(yīng)的調(diào)整，應(yīng)分別與研究區(qū)最適宜草地生長的溫度、降水和輻射相對應(yīng)。

最終的模型可以表示為：

(4)

2.3 模型驗證

利用95個樣點的實測值及對應(yīng)點的模擬值的比較列于表2。由表2可知，實測值與模擬值比較接近，平均實測值在168 gC/m2左右，平均模擬值在175 gC/m2左右，二者相差6.948 gc/m2，根均方差為59.955 gC/m2，結(jié)果比較可靠。

將上述結(jié)果的1∶1關(guān)系列于圖4，由圖4可知，實測值與模擬值比較接近，二者之間有很好的相關(guān)性，R2為0.8519(n=95，置信度為99%時，擬合方程有意義的r值低限為0.263，實際r值為0.923)，達到了極顯著水平。模擬根均方差RMSE為59.955 gC/m2，相對根均方差為0.358，均較小，上述結(jié)果說明以遙感模型估算草地NPP是可行的。同時從模型的模擬值與實測值的1∶1關(guān)系圖可以看出，二者之間的趨勢一致。

表2 模擬值與實測值的比較Table 2 Comparison between simulation and observation values

圖4 草地NPP模擬值與實測值的比較 Fig.4 Comparison between simulation and observation values of grassland NPP

為了進一步驗證該模型的精度，本文計算了草地NPP估算結(jié)果的平均相對誤差。根據(jù)模擬結(jié)果與對應(yīng)位點實測的獨立數(shù)據(jù)，得到NPP模擬值與實測值之間的平均相對誤差僅為1.97%，這說明該模型的平均估算精度可以達到98.03%，因此該模型具有一定的普適性，有可能推廣到以MODIS-NDVI數(shù)據(jù)估算我國西北地區(qū)草地NPP的相關(guān)應(yīng)用中。

3 結(jié)論與討論

在植被NPP的模擬研究中，前人多使用了單一的模型，綜合考慮多種因素的較少。本研究結(jié)合“天地”資料，構(gòu)建了基于遙感植被指數(shù)NDVI、溫度、降水及輻射等因子的草地NPP估算綜合模型。從草地生長及光合利用的角度出發(fā)將模型分為兩個部分，一部分用于模擬草地葉面積指數(shù)，另一部分用于模擬單位葉面積的光合累積量。通過不同年份獨立的實測NPP數(shù)據(jù)的驗證，模擬值與實測值之間的相關(guān)性達到了極顯著水平，且RMSE和RRMSE均較小，表明模型的模擬結(jié)果比較可靠。因此可以利用上述生態(tài)遙感綜合模型實現(xiàn)對全國草地NPP的有效估算。

碳儲量遙感估算的主要優(yōu)點是遙感技術(shù)可以提供植被和環(huán)境不同時間的空間連續(xù)數(shù)據(jù)，比如以遙感多波段數(shù)據(jù)計算的植被指數(shù)(NDVI、EVI等)[21- 22]。本文以NDVI作為草地NPP估算模型的遙感驅(qū)動因子，并證實該估算模型對于特定區(qū)域表現(xiàn)較優(yōu)。由于沒有充分測試采樣點選址、測定誤差、參數(shù)準確性、輸入變量有效性等因素對估算精度的影響，該模型的普適性可能還需要以更多樣區(qū)的實驗數(shù)據(jù)檢驗。

太陽輻射是植物進行光合作用的條件之一，不同植物光合作用對光照強度的要求不同，光合速率隨著光照強度的增加而增強，超過一定范圍后，光合速率隨著光強增加反而減弱[23- 24]。本研究表明，在全國大部分地區(qū)，隨著輻射的增強，草地NPP呈下降的趨勢。當然本研究在模擬過程中也發(fā)現(xiàn)，溫度和降水等氣候因子對草地NPP起到很重要的作用，只是在不同的子區(qū)域，主導氣候驅(qū)動因子存在一定的差異。同時，由于氣溫和降水在促進草地植被生長的同時，也會提高植被的暗呼吸速率，導致 NPP 的降低。因此，氣溫和降水所起的積極促進作用或者消極作用都是在一定的限度范圍內(nèi)，超過了某一限度范圍，所起的作用可能相反[21]。確定氣溫、降水等氣象因子對草地NPP產(chǎn)生正、負影響的具體閾值，有可能成為這類模型研究的一個重要方向。

[1] 樸世龍, 方精云, 賀金生, 肖玉. 中國草地植被生物量及其空間分布格局. 植物生態(tài)學報, 2004, 28(4): 491- 498.

[2] 陳佐忠, 汪詩平. 中國典型草原生態(tài)系統(tǒng). 北京: 科學出版社, 2002.

[3] 謝高地, 張鐿鋰, 魯春霞, 鄭度, 成升魁. 中國自然草地生態(tài)系統(tǒng)服務(wù)價值. 自然資源學報, 2001, 16(1): 47- 53.

[4] 谷曉平, 黃玫, 季勁鈞, 吳戰(zhàn)平. 近20 年氣候變化對西南地區(qū)植被凈初級生產(chǎn)力的影響. 自然資源學報, 2007, 22(2): 251- 259.

[5] 牛建明. 內(nèi)蒙古主要植被類型與氣候因子關(guān)系的研究. 應(yīng)用生態(tài)學報, 2000, 11(1): 47- 52.

[6] 侯英雨, 柳欽火, 延昊, 田國良. 我國陸地植被凈初級生產(chǎn)力變化規(guī)律及其對氣候的響應(yīng). 應(yīng)用生態(tài)學報, 2007, 18(7): 1546- 1553.

[7] 施新民, 黃峰, 陳曉光, 尚永生, 伍一萍, 鄭鵬輝. 氣候變化對寧夏草地生態(tài)系統(tǒng)的影響分析. 干旱區(qū)資源與環(huán)境, 2008, 22(2): 65- 69.

[8] Parton W J, Scurlock J M O, Ojima D S, Schimel D S, Hall D O. Impact of climate change on grassland production and soil carbon worldwide. Global Change Biology, 1995, 1(1): 13- 22.

[9] Braswell B H, Schimel D S, Linder E, Moore III B. The response of global terrestrial ecosystems to interannual temperature variability. Science, 1997, 278(5339): 870- 872.

[10] Cao M K, Woodward F I. Dynamic responses of terrestrial ecosystem carbon cycling to global climate change. Nature, 1998, 393(6682): 249- 252.

[11] 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.

[12] 孫睿, 朱啟疆. 氣候變化對中國陸地植被凈第一性生產(chǎn)力影響的初步研究. 遙感學報, 2001, 5(1): 58- 61.

[13] 樸世龍, 方精云. 1982- 1999年青藏高原植被凈第一性生產(chǎn)力及其時空變化. 自然資源學報, 2002, 17(3): 373- 380.

[14] 李剛, 周磊, 王道龍, 辛曉平, 楊桂霞, 張宏斌, 陳寶瑞. 內(nèi)蒙古草地NPP變化及其對氣候的響應(yīng). 生態(tài)環(huán)境, 2008, 17(5): 1948- 1955.

[15] 孫成明, 劉濤, 田婷, 郭斗斗, 王力堅, 陳瑛瑛, 李菲, 李建龍. 南方3種類型草地地上生物量的光譜估測模型. 揚州大學學報: 農(nóng)業(yè)與生命科學版, 2012, 33(4): 51- 55.

[16] 何勇, 董文杰, 郭曉寅, 丹利. 基于MODIS的中國陸地植被生長及其與氣候的關(guān)系. 生態(tài)學報, 2007, 27(12): 5086- 5092.

[17] Chen J, Jonsson P, Tamura M, Gu Z H, Matsushita B, Eklundh L. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter. Remote Sensing of Environment, 2004, 91(3- 4): 332- 344.

[18] 羅玲, 王宗明, 毛德華, 婁彥景, 任春穎, 宋開山. 松嫩平原西部草地凈初級生產(chǎn)力遙感估算與驗證. 中國草地學報, 2011, 33(6): 21- 29.

[19] 趙魯青. 雅魯藏布江中下游區(qū)域植被綠期和凈初級生產(chǎn)力時空格局及其對氣候變化的響應(yīng) [D]. 上海: 華東師范大學, 2011: 17- 18.

[20] 譚昌偉, 王紀華, 黃義德, 黃文江, 劉良云. 運用光譜技術(shù)改進 Beer-Lambert 定律的定量化及其應(yīng)用研究. 中國農(nóng)業(yè)科學, 2005, 38(3): 498- 503.

[21] 何紅艷. 青藏高原森林生產(chǎn)力格局及對氣候變化響應(yīng)的模擬 [D]. 北京: 中國林業(yè)科學院, 2008.

[22] Dong J R, Kaufmann R K, Myneni R B, Tucker C J, Kauppi P E, Liski J, Buermann W, Alexeyev V, Hughes M K. Remote sensing estimates of boreal and temperate forest woody biomass: carbon pools, sources, and sinks. Remote Sensing of Environment, 2003, 84(3): 393- 410.

[23] 冉慧. 基于CASA 模型的吉林省區(qū)域NPP遙感研究 [D].. 長春: 吉林大學, 2010.

[24] 劉世榮, 郭泉水, 王兵. 中國森林生產(chǎn)力對氣候變化響應(yīng)的預測研究. 生態(tài)學報, 1998, 18(5): 478- 483.

Comprehensive estimation model of grassland NPP based on MODIS in China

SUN Chengming1,*, SUN Zhengguo2, LIU Tao1, WANG Lijian1, CHEN Yingying1, GUO Doudou1, TIAN Ting1, LI Jianlong3

1KeyLaboratoryofCropGeneticsandPhysiologyofJiangsuProvince,CollegeofAgriculture,YangzhouUniversity,Yangzhou225009,China2CollegeofAnimalScienceandTechnology,NanjingAgriculturalUniversity,Nanjing210095,China3CollegeofLifeScience,NanjingUniversity,Nanjing210093,China

Grassland ecosystem is one of the most widely distributed types in the terrestrial ecosystems. Estimating carbon storage in grassland ecosystem has been a central focus of global change researches. In order to estimate the grassland net primary productivity (NPP) quickly and reliably, based on the field survey data and the remote sensing image data of the same period, the comprehensive estimation model of grassland NPP in China was developed by using normalized difference vegetation index (NDVI) and climate data. According to the basic principles of grassland genetic and the relationship between the single factor and the NPP, through statistical analysis, the model structural factors were put forward, and then integrated together. The comprehensive model included two sub models of leaf area index (LAI) and photosynthetic accumulation (PA), and it was NPP= LAI×PA. The remote sensing data NDVI was used as a driving factor for constructing LAI sub model and it was LAI=ln(5.79×NDVI+5.91)/(2.73-2.46×NDVI). The climate data such as temperature, precipitation, and radiation were used as driving factors to construct PA sub model. In the PA sub model, there was a logarithmic relationship between the grassland NPP and mean monthly temperature, and the correlation coefficientr=0.4382 (P<0.01,n=95). There was a linear positive correlation between the grassland NPP and monthly rainfall, and the correlation coefficientr=0.6626 (P<0.01,n=95). There was an exponential relationship between the grassland NPP and radiation, and the correlation coefficientr=-0.7047 (P<0.01,n=95). So PA sub model was described as PA=ln(2+T/18.1)×Sqrt(W/89.3)×110/Exp(R/603-0.8), whereTwas mean monthly temperature,Wwas monthly rainfall, andRwas monthly radiation. The model was validated by independent measured data which was not used for constructing the model. There was a good correlation between the simulated and observed NPP values, and theR2was 0.8519 (P<0.01). The root mean square error (RMSE) and the relative root mean square error (RRMSE) were 59.955 gC/m2and 0.358, respectively. The small values of RMSE and RRMSE indicated that the model was reliable. The average relative error between the simulated and measured values was only 1.97%, and the model can accurately predict NPP. So it was feasible to estimate grassland NPP in China by using this model, and this model provided a new method for estimating of grassland NPP in China.

grassland NPP; NDVI; mean monthly temperature; monthly rainfall; estimation model; China

國家重點基礎(chǔ)研究發(fā)展計劃(973)項目(2010CB950702); 江蘇高校優(yōu)勢學科建設(shè)工程資助項目(2011- 05); APN全球變化基金項目(ARCP2011-06CMY-LI)

2013- 05- 03;

日期:2014- 04- 11

10.5846/stxb201305030909

*通訊作者Corresponding author.E-mail: cmsun@yzu.edu.cn

孫成明，孫政國，劉濤，王力堅，陳瑛瑛，郭斗斗，田婷，李建龍.基于MODIS的中國草地NPP綜合估算模型.生態(tài)學報,2015,35(4):1079- 1085.

Sun C M, Sun Z G, Liu T, Wang L J, Chen Y Y, Guo D D, Tian T, Li J L.Comprehensive estimation model of grassland NPP based on MODIS in China.Acta Ecologica Sinica,2015,35(4):1079- 1085.