毛學(xué)剛，焦裕欣，張穎

(東北林業(yè)大學(xué) 林學(xué)院，哈爾濱 150040)

基于BEPS模型的東北三省森林生態(tài)系統(tǒng)NPP模擬

毛學(xué)剛，焦裕欣，張穎

(東北林業(yè)大學(xué) 林學(xué)院，哈爾濱 150040)

為了精確模擬森林生態(tài)系統(tǒng)凈初級生產(chǎn)力(NPP)及研究東北森林生態(tài)系統(tǒng)NPP分布特征，本研究選取東北三省為研究區(qū)域，應(yīng)用遙感和過程模型相結(jié)合的方法，采用1km的MODIS遙感數(shù)據(jù)、逐日氣象數(shù)據(jù)、土壤數(shù)據(jù)等相關(guān)數(shù)據(jù)，對2012年東北三省的森林生態(tài)系統(tǒng)NPP進(jìn)行估算，并采用多種方法進(jìn)行驗(yàn)證，分析東北三省森林生態(tài)系統(tǒng)NPP的空間分布格局及季節(jié)變化規(guī)律。結(jié)果表明：模擬的凈生態(tài)系統(tǒng)生產(chǎn)力(NEP)與帽兒山通量站點(diǎn)測量的凈生態(tài)系統(tǒng)碳交換量(NEE)的決定系數(shù)(R2)為0.88～0.92，均方根誤差(RSME)為0.3～1.4 gC/(m·m·d)，說明BEPS模型能夠較好地估算東北三省森林生態(tài)系統(tǒng)的NPP。估算的針葉林、闊葉林、針闊混交林NPP平均值都介于各個(gè)學(xué)者的模擬結(jié)果之間，估算結(jié)果比較合理。

凈初級生產(chǎn)力；BEPS；東北森林；生態(tài)過程模型

0 引言

森林生態(tài)系統(tǒng)在全球碳循環(huán)過程中起著極為重要的作用[1-2]。森林生態(tài)系統(tǒng)碳平衡的精確估算取決于生態(tài)系統(tǒng)CO2凈交換量(NEP)，NEP包括凈初級生產(chǎn)力(NPP)和土壤異養(yǎng)呼吸(Rh)，而基于遙感的土壤呼吸研究則存在很大的限制。但對NPP的模擬研究已經(jīng)做了大量的工作，建立了一大批模型，主要分為經(jīng)驗(yàn)?zāi)Ｐ秃瓦^程模型，這兩種模型也不同程度地加入了遙感信息，但過程模型與經(jīng)驗(yàn)?zāi)Ｐ拖啾染哂忻黠@的優(yōu)勢。Boreal Ecosystem Productivity Simulator(BEPS)模型，融合了多源數(shù)據(jù)作為模型的輸入，并耦合了碳水過程，是較大空間尺度模型陸地生態(tài)系統(tǒng)凈初級生產(chǎn)力很好的選擇，在國外和國內(nèi)已經(jīng)得到了廣泛的應(yīng)用[3-4]，但還未在東北森林生態(tài)系統(tǒng)上對NPP模擬進(jìn)行嘗試。東北陸地生態(tài)系統(tǒng)的NPP也已經(jīng)有了大量的研究成果，但NPP估算主要以光能利用率模型為基礎(chǔ)或者建立基于氣候數(shù)據(jù)的陸地碳循環(huán)平衡模型，而且主要研究NPP的年際變化特征和空間變化特征[5-10]。東北森林生態(tài)系統(tǒng)NPP的年際變化并不是很明顯，而季節(jié)的變化對東北森林生態(tài)系統(tǒng)NPP影響非常大，甚至每月都變化很大，所以本研究側(cè)重于對東北森林生態(tài)系統(tǒng)NPP的季節(jié)、月變化進(jìn)行研究。利用MODIS的葉面積指數(shù)(LAI)、站點(diǎn)和美國國家環(huán)境預(yù)測中心/國家大氣研究中心(NCAR/NCEP)的再分析氣象資料相互補(bǔ)充生成1km分辨率的氣象數(shù)據(jù)、土壤資料、森林類型分類數(shù)據(jù)及其他輔助性資料驅(qū)動(dòng)基于過程的北部森林生態(tài)系統(tǒng)生產(chǎn)力模擬模型(BEPS)，采用通量觀測資料進(jìn)行驗(yàn)證，模擬并分析2012年東北三省森林生態(tài)系統(tǒng)NPP的時(shí)空分布格局，進(jìn)一步研究NPP的月變化規(guī)律，為中國東北地區(qū)乃至全國森林生態(tài)系統(tǒng)的碳源/匯格局的估測奠定基礎(chǔ)。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

東北三省或稱東三省包括黑龍江、吉林和遼寧三個(gè)省份，位于東經(jīng)118°～135°和北緯38°～53°。東北三省的主要森林類型是寒溫針葉林和針闊混交林，森林覆蓋率接近40%，森林面積為3.88×107hm2。

1.2 模型選擇

BEPS模型時(shí)間步長是以天為單位。該模型融合了FOREST-BGC[11]、Farquhar[12]、Penman-Monteith模型[13]3個(gè)主要模型，并采用兩葉模型來計(jì)算植物的光合作用，對陸地生態(tài)系統(tǒng)碳通量模擬效果比較好[14]。模型輸入需要有遙感數(shù)據(jù)提取的LAI和土地覆蓋類型數(shù)據(jù)，每日的氣象數(shù)據(jù)，模型的輸出數(shù)據(jù)包括站點(diǎn)尺度和區(qū)域尺度的年際NPP、日NPP、GPP、NEP和蒸散。根據(jù)以前的研究結(jié)果BEPS模型參數(shù)也調(diào)整到了適合中國各種生態(tài)系統(tǒng)的參數(shù)[15-17]。

1.3 輸入數(shù)據(jù)

BEPS模型輸入數(shù)據(jù)包括土地覆蓋類型數(shù)據(jù)、LAI、土壤有效持水力(AWC)和每天的氣象數(shù)據(jù)，需要把這些輸入數(shù)據(jù)放到統(tǒng)一坐標(biāo)系下，并采用相同的空間分辨率。研究區(qū)模型輸入數(shù)據(jù)的空間分辨率為1 km×1 km，投影方式為UTM投影，整個(gè)研究區(qū)共有1308×1619個(gè)像元。

1.3.1 森林類型

在BEPS模型中土地覆蓋類型數(shù)據(jù)作用確定每個(gè)像元分配植被生理參數(shù)。2012年東北三省的土地覆蓋類型數(shù)據(jù)只包括森林類型，不含其它的土地覆蓋類型。森林類型分為針葉、闊葉和針闊混交林三種類型，采用30 m空間分辨率的TM影像分類獲得。為了與其他數(shù)據(jù)能夠進(jìn)行計(jì)算，對該數(shù)據(jù)進(jìn)行了重采樣，采成1 km×1 km的分辨率。

1.3.2 葉面積指數(shù)

葉面積指數(shù)(LAI)是BEPS模型的一個(gè)重要輸入?yún)?shù)。LAI數(shù)據(jù)采用的是2012年MODIS的LAI數(shù)據(jù)產(chǎn)品，空間分辨為1km，時(shí)間分辨為8d。盡管MODIS的LAI數(shù)據(jù)已經(jīng)進(jìn)行了大氣糾正和去云處理，但該LAI數(shù)據(jù)仍然存在著非真實(shí)性波動(dòng)，為了解決該問題，對LAI序列數(shù)據(jù)采用局部調(diào)整的三次樣條帽蓋算法(LACSC)做平滑處理[18]。應(yīng)用LACSC算法程序時(shí)平滑參數(shù)(λ)設(shè)置為0.5，對46幅MODIS的東北三省森林LAI數(shù)據(jù)進(jìn)行處理。選擇了兩種森林類型的LAI進(jìn)行了對比，如圖1和2所示。采用LACSC算法程序?qū)ODIS的LAI進(jìn)行處理之后，該數(shù)據(jù)在時(shí)間序列上是平滑的，這比較符合實(shí)際規(guī)律，LAI數(shù)據(jù)經(jīng)過平滑處理能夠大大提高NPP的估算精度。

圖1 闊葉林平滑前后對比Fig.1 The comparison between before and after smoothness process on broad-leaved forest

圖2 針葉林平滑前后對比Fig.2 The comparison between before and after smoothness process on coniferous forest

1.3.3 氣象數(shù)據(jù)

每日氣象數(shù)據(jù)由國家氣象信息中心提供，除日總太陽輻射以外其他氣象數(shù)據(jù)(最高和最低溫度，濕度和降水量)都采用ANUSPLIN算法插值成1 km分辨率的柵格數(shù)據(jù)[19]。ANUSPLIN算法是由澳大利亞國立大學(xué)采用FORTRAN語言開發(fā)的空間插值模型，已在國際上廣泛應(yīng)用[20]。該插值算法的優(yōu)點(diǎn)是輸入?yún)?shù)比較靈活，而且氣象站點(diǎn)數(shù)量不受限制。東北三省的輻射氣象站點(diǎn)比較少(僅有10個(gè))，如果直接用空間插值的方法獲得輻射柵格數(shù)據(jù)則會(huì)有相當(dāng)大的誤差。所以，日太陽總輻射數(shù)據(jù)采用美國氣候診斷中心(American Climate Diagnostics Center)提供的NCEP/NCAR再分析資料中的日總太陽輻射數(shù)據(jù)。根據(jù)以往的研究[21]，NCEP/NCAR的輻射數(shù)據(jù)普遍高于地面實(shí)測值。由于NCEP/NCAR的太陽輻射數(shù)據(jù)高估了北半球地區(qū)的太陽輻射，所以采用馮險(xiǎn)峰等的方法進(jìn)行修正[22]。該數(shù)據(jù)水平分辨率為10×10經(jīng)/緯度，需要對該數(shù)據(jù)進(jìn)行投影和尺度轉(zhuǎn)換與其他數(shù)據(jù)進(jìn)行空間匹配。采用的空間匹配方法為：首先將NCEP/NCAR再分析數(shù)據(jù)的經(jīng)緯度球面坐標(biāo)采用UTM投影轉(zhuǎn)化成平面直角坐標(biāo)系，再進(jìn)行雙線性插值，輸出網(wǎng)格數(shù)據(jù)的空間分辨率1 km×1 km與其他數(shù)據(jù)進(jìn)行空間匹配。

1.3.4 土壤有效持水力

AWC數(shù)據(jù)采用的是國際全球變化研究計(jì)劃的數(shù)據(jù)信息系統(tǒng)(IGBP-DIS)提供的土壤屬性數(shù)據(jù)庫，對數(shù)據(jù)進(jìn)行了重采樣，采成了1 km×1 km的分辨率。東北三省絕大多數(shù)像元的AWC值在0.05和0.25 mm之間。

1.3.5 通量數(shù)據(jù)

采用研究區(qū)域內(nèi)的帽兒山定位站的通量資料對BEPS模型進(jìn)行驗(yàn)證，通量數(shù)據(jù)由亞洲通量網(wǎng)提供。該數(shù)據(jù)是每半小時(shí)的通量數(shù)據(jù)和氣候數(shù)據(jù)。這些數(shù)據(jù)包括氣象因子30 min平均值：太陽輻射、風(fēng)速、降水、相對濕度、氣溫、飽和蒸汽壓差、土壤含水量和土壤溫度。數(shù)據(jù)插補(bǔ)前通量30 min平均值：顯熱通量、潛熱通量、凈生態(tài)系統(tǒng)交換和生態(tài)系統(tǒng)呼吸。數(shù)據(jù)插補(bǔ)后通量日總量：凈生態(tài)系統(tǒng)交換、總初級生產(chǎn)力和生態(tài)系統(tǒng)呼吸。

2 結(jié)果與分析

2.1 精度驗(yàn)證

2.1.1 通量數(shù)據(jù)驗(yàn)證

由于站點(diǎn)的通量數(shù)據(jù)為NEE數(shù)據(jù)，并不是NPP數(shù)據(jù)，BEPS模型同時(shí)也能模擬NEP數(shù)據(jù)，NEE和NEP在數(shù)值上相等的，所以只能采用帽兒山定位站的通量觀測NEE數(shù)據(jù)對BEPS模型估算的日尺度的NEP進(jìn)行驗(yàn)證。驗(yàn)證方法把通量站點(diǎn)測定的模型的參數(shù)(比如太陽輻射、風(fēng)速、降水、相對濕度、氣溫、飽和蒸汽壓差)帶入到模型中來計(jì)算通量站點(diǎn)的森林生態(tài)系統(tǒng)的NEP，與NEE數(shù)據(jù)進(jìn)行比較?？傮w上模型估算NEP與站點(diǎn)觀測的日NEE的R2在0.82～0.91之間波動(dòng)，估算NEP的均方根誤差(RMSE)在0.30～1.40 gC/(m·m·d)之間波動(dòng)，模型估算的NEP與站點(diǎn)的NEE數(shù)據(jù)之間相關(guān)系數(shù)為0.86，說明模型估算的NEP與站點(diǎn)的NEE數(shù)據(jù)高度相關(guān)，同時(shí)也能夠說明BEPS模型能夠較好地估算東北三省森林生態(tài)系統(tǒng)的NPP。

2.1.2 與MODIS-NPP對比

BEPS模型估算的NPP(BEPS-NPP)值分布范圍在75.17～632.82 gC/(m·m·a)，平均值為369.92 gC/(m·m·a)。MODIS的NPP(MODIS-NPP)值分布范圍在3.38～619.68 gC/(m·m·a)，平均值為322.21 gC/(m·m·a)。BEPS-NPP和MODIS-NPP最大值和平均值都是比較接近的。BEPS-NPP和MODIS-NPP也具有一定的相關(guān)性，相關(guān)系數(shù)為0.55。從圖3可以看出，MODIS-NPP數(shù)據(jù)產(chǎn)品整體上低估了NPP值，MODIS-NPP數(shù)據(jù)產(chǎn)品有明顯的拼接痕跡。

圖3 東北三省森林2012年MODIS-NPP數(shù)據(jù)(gC/(m·m·a))Fig.3 MODIS NPP data of forest in three northeastern provinces in 2012(gC/(m·m·a))

2.1.3 與其他研究結(jié)果的比較

不同學(xué)者估算的針葉林NPP為354～585 gC/(m·m·a)，估算的最高值和最低值相差231 gC/(m·m·a)，BEPS模型估算的針葉林NPP平均值為397.39 gC/(m·m·a)；不同學(xué)者估算的闊葉林的NPP為304～870 gC/(m·m·a)，最高值和最低值相差566 gC/(m·m·a)，相差的比較多，BEPS模型估算的闊葉林NPP平均值為422.15 gC/(m·m·a)。不同學(xué)者估算的針闊混交林的NPP為30～870 gC/(m·m·a)，最高值和最低值相差598 gC/(m·m·a)，相差的比較大，BEPS模型估算的針闊混交林NPP為308.47 gC/(m·m·a)(見表1)。BEPS模型估算針葉林、闊葉林、針闊混交林NPP平均值都介于各個(gè)學(xué)者的模擬結(jié)果之間，說明估算結(jié)果比較合理。

表1 BEPS-NPP與其他研究結(jié)果的比較 gC/(m·m·a)

2.2 東北 森林年NPP

東北三省森林2012年年NPP空間分布如圖4所示。東北三省絕大部分年NPP主要集中在400～500 gC/(m·m·a)，黑龍江、吉林和遼寧三省森林年NPP空間分布無明顯不同。NPP的最高值(600～700 gC/(m·m·a))出現(xiàn)在東北三省的北部(大興安嶺地區(qū))，森林類型主要為針闊混交林。NPP的最低值(0～100 gC/(m·m·a))分布比較零散，而且非常稀少。黑龍江省、吉林和遼寧三省森林年NPP平均值分別為：365、361、304 gC/(m·m·a)，黑龍江省最高，遼寧省最低，但差距不大。

圖4 東北三省森林2012年NPP空間分布Fig.4 Spatial distribution of MODIS NPP data of forest in three northeastern provinces in 2012

2.3 東北森林月NPP

森林NPP的時(shí)間變化模式由于季節(jié)變化非常明顯，與森林類型變化不明顯，2012年東北三省森林月NPP空間分布如圖5所示。第一和第四季度的NPP值比春季和夏季值低了大概兩個(gè)數(shù)量級，主要是因?yàn)榇蟛糠諲PP都是在這時(shí)期積累的，有些地方在第一季和第四季的NPP為輕微的負(fù)值，這說明在這個(gè)時(shí)期的森林自養(yǎng)呼吸超過了GPP，也說明東北三省NPP只能在春節(jié)和夏季能被精確模擬。夏季森林NPP明顯高于其他季節(jié)，這種季節(jié)性的分布主要有兩個(gè)原因：一是夏季降水量比較大；二是由遙感獲得的LAI最大值出現(xiàn)在夏季。森林月NPP最高值出現(xiàn)在6月份，NPP值大部分在100～200 gC/(m·m·a)。

3 討論

與經(jīng)驗(yàn)?zāi)Ｐ拖啾萚7-8]，類似BEPS的過程模型有下列優(yōu)點(diǎn)：

(1)遙感數(shù)據(jù)被充分利用來獲取NPP的更加詳盡的空間分布，可為森林資源管理提供幫助。

(2)土地覆蓋類型和LAI二者在生態(tài)系統(tǒng)中都是動(dòng)態(tài)變化的，實(shí)時(shí)遙感數(shù)據(jù)能夠檢測到這些變化，對NPP的精確計(jì)算非常重要。

(3)氣象和其他環(huán)境變量都能被融合到模型中，能夠研究大區(qū)域NPP的季節(jié)、年度的變化特性和氣候變化對生態(tài)系統(tǒng)的影響。

圖5 東北三省森林2012年1-12月NPP空間分布Fig.5 NPP spatial distribution of forest in three northeastern provinces from January to December in 2012

LAI是BEPS模型的一個(gè)重要輸入?yún)?shù)，對NPP的估算起著關(guān)鍵的作用。在一年之內(nèi)東北森林是慢慢開始長葉，夏季最茂盛，到秋季開始落葉，是一個(gè)先升高，升高到最高點(diǎn)在逐漸減低的平滑的過程。一年之中LAI不可能突然變得很小，然后又突然升的很高，這明顯不符合實(shí)際規(guī)律，而MODIS的LAI數(shù)據(jù)產(chǎn)品存在LAI突然變低的情況[18]，從圖1和圖2也可以明顯的看出。LAI突然變低會(huì)使NPP低估很多，因?yàn)槟Ｐ凸浪愕腘PP是通過LAI把葉片尺度的光合作用轉(zhuǎn)換到了像元尺度。如果LAI被低估50%，就相當(dāng)于只有一半的葉子在進(jìn)行光合作用。本研究采用LACSC算法對MODIS的LAI進(jìn)行了修正，提高了NPP的模擬精度，相比沒有經(jīng)過處理的LAI數(shù)據(jù)，某些像元的模擬精度甚至提高了50%。

東北三省森林月NPP變化規(guī)律中6月份的NPP平均值最高，其主要原因是東北三省的6月份是森林進(jìn)行光合作用的最佳條件。NPP的逐月變化與溫度有顯著的相關(guān)性，在年際變化中，NPP值隨溫度的變化而變化，而溫度又是季節(jié)性的重要特征，所以東北三省NPP值的變化具有較強(qiáng)的季節(jié)性變異，即存在年際變化。

4 結(jié)論

模型的驗(yàn)證對于生態(tài)系統(tǒng)碳循環(huán)模型的發(fā)展非常重要，但是相對于建立模型的研究，為驗(yàn)證模型結(jié)果的正確性所做的工作卻很少。本研究不僅與其他模型的研究成果以及MODIS的NPP產(chǎn)品進(jìn)行了對比，而且還加強(qiáng)了地面觀測、遙感衛(wèi)星觀測結(jié)果間的對比和相互驗(yàn)證。本研究融合了多源數(shù)據(jù)(TM遙感數(shù)據(jù)、MODIS數(shù)據(jù)、氣象數(shù)據(jù)等)作為模型的輸入，估算森林生態(tài)系統(tǒng)的凈初級生產(chǎn)力，與之前模型相比本研究應(yīng)用遙感獲得了更多的環(huán)境和植被信息，使其對森林生態(tài)系統(tǒng)的凈初級生產(chǎn)力的估算更加的準(zhǔn)確、實(shí)用，也為大空間尺度精確估測碳源、匯格局提供一套合理和有利于推廣的方法。

[1] 高志強(qiáng)，劉紀(jì)遠(yuǎn)，曹明奎.土地利用和氣候變化對區(qū)域凈初級生產(chǎn)力影響[J].地理學(xué)報(bào)，2004，59(4)：581-591.

[2] 王邵軍，阮宏華.全球變化背景下森林生態(tài)系統(tǒng)碳循環(huán)及其管理[J].南京林業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，35(2)：113-116.

[3] Amthor J S，Chen J M，Clein J S，et al.Boreal forest CO2exchange and evapotranspiration predicted by nine ecosystem process models：intermodel comparisons and relationships to field measurements[J].Journal of Geophysical research-atmospheres，2001，106(33)：623-648.

[4] 張娜，于貴瑞，于振良.基于景觀尺度過程模型的長白山凈初級生產(chǎn)力空間分布影響因素分析[J].應(yīng)用生態(tài)學(xué)報(bào)，2008，14(5)：659-664.

[5] 王萍.基于IBIS模型的東北森林凈第一性生產(chǎn)力模擬[J].生態(tài)學(xué)報(bào)，2009，29(6)：3213-3220.

[6] 王紹強(qiáng)，周成虎，劉紀(jì)遠(yuǎn).東北地區(qū)陸地碳循環(huán)平衡模擬分析[J].地理學(xué)報(bào)，2001，56(1)：390-398.

[7] 張冬有，馮仲科，李亦秋.基于C-FIX模型的黑龍江省森林植被凈初級生產(chǎn)力遙感估算[J].林業(yè)科學(xué)，2007，47(7)：13-19.

[8] 國志興，王宗明，張柏.2000-2006 年東北地區(qū)植被NPP的時(shí)空特征及影響因素分析[J].資源科學(xué)，2008，30(8)：1226-1235.

[9] 張峰，周廣勝.中國東北樣帶植被凈初級生產(chǎn)力時(shí)空動(dòng)態(tài)遙感模擬[J].植物生態(tài)學(xué)報(bào)，2008，32(4)：798-809.

[10] 趙俊芳，延曉冬，賈根鎖.東北森林凈第一性生產(chǎn)力與碳收支對氣候變化的響應(yīng)[J].生態(tài)學(xué)報(bào)，2008，28(1)：92-100.

[11]Running S W，Coughlan J C.A general model of forest ecosystem processes for regional applications：Hydrological balance，canopy gas exchange and primary production processes[J].Ecological Modelling，1988，42：125-154.

[12]Farquhar G D，Caemmerer S V，Berry J A.A biochemical model of photosynthetic CO2assimilation in leaves of C3 Species[J].Planta，1980，149(1)：78-90.

[13]Allen R G，Pereira L S，Raes D，et al.Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56[J].FAO，Rome，1998，300(9)：D05109.

[14]Chen J M，Liu J，Cihlar J，et al.Daily canopy photosynthesis model through temporal and spatial scaling for remote sensing applications[J].Ecological Modelling，1999，124：99-119.

[15] 劉志斌，劉茂松，徐馳，等.江陰市植被凈初級生產(chǎn)力及碳匯價(jià)值分析[J].南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007，31(3)：139-142.

[16] 馮險(xiǎn)峰.基于過程的中國陸地生態(tài)系統(tǒng)生產(chǎn)力和蒸散遙感研究[D].北京：中國科學(xué)院地理科學(xué)與資源研究所，2004.

[17] 劉明亮.中國土地利用/土地覆被變化與陸地生態(tài)系統(tǒng)植被碳庫和生產(chǎn)力研究[D].北京：中國科學(xué)院遙感應(yīng)用研究所，2001.

[18]Chen J M，Deng F，Chen M Z.Locally adjusted cubic-spline capping for reconstructing seasonal trajectories of a satellite-derived surface parameter[J].IEEE Transactions on Geoscience and Remote Sensing，2006，44(8)：2230-2237.

[19]Hutchinson M F.Interpolating mean rainfall using thin plate smoothing splines[J].International Journal of Geographical Information Science，1995，9：385-403.

[20]Liu J，Chen J M，Cihlar J.Net primary productivity mapped for Canada at 1 km resolution[J].Global Ecology &Biogeography，2002，11：115-129.

[21]Zhao M S，Running S W.Sensitivity of moderate resoluteion imaging spectroradiometer(MODIS)terrestrial primary production to the accuracy of meteorological reanalyses[J].Journal of Geophysical Research，2006，111：1-13.

[22]Feng X，Liu G，Chen J M，et al.Net primary productivity of China’s terrestrial ecosystems from a process model driven by remote sensing[J].Journal of Environmental Management，2007，85(3)：563-73.

[23] 何勇，董文杰，季勁均.基于AVIM的中國陸地生態(tài)系統(tǒng)凈初級生產(chǎn)力模擬[J].地球科學(xué)進(jìn)展，2005，20(3)：345-349.

[24] 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[J].植物生態(tài)學(xué)報(bào)，2001，25(5)：603-608.

[25] 陶波，李克讓，邵雪梅.中國陸地凈初級生產(chǎn)力時(shí)空特征模擬[J].地理學(xué)報(bào)，2003，58(3)：372-380.

[26] 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[J].植物生態(tài)學(xué)報(bào)，20017，31(3)：413-424.

[27] 孫睿，朱啟疆.中國陸地植被凈第一性生產(chǎn)力及季節(jié)變化研究[J].地理學(xué)報(bào)，2000，55(1)：36-45.

NPP Simulation of Forest Ecosystem in Three Provincesof Northeast China Based on BEPS Model

Mao Xuegang，Jiao Yuxin，Zhang Ying

(School of Forestry，Northeast Forestry University，Harbin 150040)

In order to more accurately simulate the net primary productivity(NPP)of forest ecosystem and study NPP distribution characteristics in the Northeast China，three Provinces located Northeast China were selected as the study areas using the method of remote sensing combining the process model.1 km MODIS remote sensing data，daily meteorological data，soil data and other relevant data were used to estimate net primary productivity of forest ecosystem in three northeastern provinces in 2012.Multiple methods were employed to validate the results.The spatial distribution pattern and the seasonal variation of NPP were analyzed in three provinces.The results showed that the determination coefficient(R2)between the simulated net ecosystem productivity(NEP)and the measured net ecosystem carbon exchange(NEE)at MaoEr Montain site was from 0.88 to 0.92 with the root mean square error(RSME)of 0.3～1.4 gC/m·m·d.It was concluded that BEPS model can better estimate the NPP of three provinces in northeast forest ecological system.The average values of NPP in the coniferous forest，broad-leaved forest and mixed forest didn’t exceed the simulation results of the different scholars，so the result was reasonable.

net primary productivity；BEPS；northeast forest；ecological process model

2016-07-22

國家自然科學(xué)基金(31300533)

毛學(xué)剛，博士，講師。研究方向：遙感及生態(tài)過程模型應(yīng)用。E-mail：maoxuegang@aliyun.com

毛學(xué)剛，焦裕欣，張穎.基于BEPS模型的東北三省森林生態(tài)系統(tǒng)NPP模擬[J].森林工程，2017，33(1)：22-27.

S 718.5

A

1001-005X(2017)01-0022-06