姜海梅 葉昊天 王若靜 郝勇 王成剛 曹樂(lè)

基于 MODIS 產(chǎn)品的生態(tài)系統(tǒng)呼吸模型在內(nèi)蒙古半干旱草原的驗(yàn)證

姜海梅1,2,?葉昊天1,2王若靜3郝勇1,2王成剛1,2曹樂(lè)1,2

1.中國(guó)氣象局氣溶膠與云降水重點(diǎn)開(kāi)放實(shí)驗(yàn)室, 南京 210044; 2.南京信息工程大學(xué)大氣物理學(xué)院, 南京 210044; 3.錫林浩特國(guó)家氣候觀(guān)象臺(tái), 錫林浩特 026000; ? E-mail: hmjiang@nuist.edu.cn

利用 2010—2013 年錫林浩特國(guó)家氣候觀(guān)象臺(tái)渦動(dòng)相關(guān)通量觀(guān)測(cè)系統(tǒng)數(shù)據(jù)以及 MODIS 產(chǎn)品數(shù)據(jù), 驗(yàn)證基于增強(qiáng)型植被指數(shù)(EVI)、陸地表面水分指數(shù)(LSWI)和地表溫度(LST)的生態(tài)系統(tǒng)呼吸模型在內(nèi)蒙古半干旱草原的適應(yīng)性, 并探討該遙感生態(tài)系統(tǒng)呼吸模型存在的問(wèn)題。結(jié)果表明: 生態(tài)系統(tǒng)呼吸模型能較好地模擬夜間生態(tài)系統(tǒng)呼吸速率(eco)在生長(zhǎng)季內(nèi)和年際間的變化, 模擬值與觀(guān)測(cè)值吻合較好(2=0.90, RMSE=0.02 mgCO2/(m2·s)); 夜間eco的觀(guān)測(cè)值與 EVIs×s(EVIs和s分別是 EVI 和 LSWI 對(duì)光合作用的影響函數(shù))呈較顯著的線(xiàn)性相關(guān)(2=0.63), 與 LST 的關(guān)系基本上滿(mǎn)足 L-T 方程(2=0.39); 夜間eco在生長(zhǎng)季的前、中、后期對(duì)EVIs×s和 LST的響應(yīng)不同是造成模型誤差的重要原因之一。

內(nèi)蒙古; 半干旱草原; 生態(tài)系統(tǒng)呼吸模型; MODIS遙感數(shù)據(jù)

生態(tài)系統(tǒng)凈碳交換速率(net ecosystem exchange, NEE)是大氣 CO2濃度變化的主要驅(qū)動(dòng)因素[1]。NEE是生態(tài)系統(tǒng)總初級(jí)生產(chǎn)力(gross primary producti-vity, GPP)與生態(tài)系統(tǒng)呼吸速率(eco)的差值, 因此, 對(duì)eco和 GPP 的準(zhǔn)確評(píng)估是生態(tài)系統(tǒng)碳交換研究中的關(guān)鍵問(wèn)題[2]。人們采用觀(guān)測(cè)和模擬手段, 針對(duì)不同生態(tài)系統(tǒng)的eco在不同時(shí)空尺度上的影響因子開(kāi)展了廣泛的研究[3-8]?，F(xiàn)有研究表明, 溫度和水分條件是影響生態(tài)系統(tǒng)呼吸的重要因素[4,6-12]。在此基礎(chǔ)上, 發(fā)展了一系列由溫度和水分條件驅(qū)動(dòng)的生態(tài)系統(tǒng)呼吸模型, 并進(jìn)行驗(yàn)證, 如 Lloyd&Taylor 模型[7]、Arrhenius 模型[8]、指數(shù)模型[9-10]和10[11-12]模型等。這些模型的驅(qū)動(dòng)因子都來(lái)源于地面觀(guān)測(cè)資料, 但由于客觀(guān)條件的限制, 很多區(qū)域缺乏長(zhǎng)期的連續(xù)的地面觀(guān)測(cè)資料[13]。為了彌補(bǔ)地面觀(guān)測(cè)資料的不足, 學(xué)者們利用遙感手段對(duì)生態(tài)系統(tǒng)碳交換進(jìn)行模擬。2013 年以來(lái), 將遙感植被因子引入生態(tài)系統(tǒng)呼吸模型中, 用來(lái)模擬和估算生態(tài)系統(tǒng)呼吸速率取得較好的效果[14]。此類(lèi)生態(tài)系統(tǒng)呼吸模型的驅(qū)動(dòng)因子包括土壤濕度、土壤溫度以及增強(qiáng)型植被指數(shù) EVI (enhanced vegetation index), 其對(duì)土壤溫度和土壤濕度地面觀(guān)測(cè)資料的依賴(lài)在一定程度上限制了模型的應(yīng)用范圍。Xiao 等[15]構(gòu)建的植被光合模型(Vegetation Photosynthesis Model, VPM)用水分指數(shù)s替代土壤濕度, 可以通過(guò)對(duì)遙感陸地表面水分指數(shù) LSWI (land surface water index)的反演得到s。Sims 等[16]發(fā)現(xiàn), 由遙感資料反演得到的地表溫度LST(land surface temperature)的變化與土壤溫度的變化密切相關(guān), 可以用 LST 代表土壤溫度。因容易獲取且具有較好的區(qū)域代表性等優(yōu)點(diǎn), LST 和 LSWI等遙感觀(guān)測(cè)資料被廣泛應(yīng)用于生態(tài)系統(tǒng)生產(chǎn)力估算及地表特征參數(shù)反演中, 已成為區(qū)域和全球尺度生態(tài)系統(tǒng)碳平衡研究的重要手段之一[17-19]。Gao 等[20-21]建立 ReRSM 模型, 利用遙感觀(guān)測(cè)獲取的 EVI, LSWI和 LST 對(duì)生態(tài)系統(tǒng)的eco進(jìn)行模擬, 但該遙感生態(tài)系統(tǒng)呼吸模型尚未得到廣泛的應(yīng)用和驗(yàn)證。

中緯度半干旱草原是全球陸地生態(tài)系統(tǒng)的重要類(lèi)型, 也是中國(guó)主要的地表類(lèi)型之一[22]。內(nèi)蒙古草原是其中最具代表性的, 是國(guó)際地圈-生物圈計(jì)劃中陸地樣帶的重要組成部分[23]。該地區(qū)是我國(guó)北方比較有代表性的氣候敏感區(qū)和生態(tài)脆弱區(qū), 其碳通量的時(shí)空變化對(duì)全球碳循環(huán)有重要影響[24], 準(zhǔn)確地估算該生態(tài)系統(tǒng)的呼吸速率對(duì)深入研究該生態(tài)系統(tǒng)碳循環(huán)特征有重要意義。目前, 尚未開(kāi)展遙感生態(tài)系統(tǒng)呼吸模型在該生態(tài)系統(tǒng)的適應(yīng)性研究及效果驗(yàn)證。

本文基于錫林浩特國(guó)家氣候觀(guān)象臺(tái) 2010—2013年生長(zhǎng)季渦動(dòng)相關(guān)系統(tǒng)的觀(guān)測(cè)資料以及 2010—2013年的 MODIS 數(shù)據(jù), 分析eco與 EVI, LST 和LSWI 之間的關(guān)系, 評(píng)估基于遙感數(shù)據(jù)的生態(tài)系統(tǒng)呼吸模型估算eco的精度和可行性, 并基于敏感性分析, 探究遙感生態(tài)系統(tǒng)呼吸模型的不足和可能原因。

1 材料和方法

1.1 研究站點(diǎn)

研究站點(diǎn)位于內(nèi)蒙古自治區(qū)錫林郭勒盟境內(nèi)(44°08′31''N, 116°18′45″E)。錫林郭勒盟是我國(guó)重要的畜牧業(yè)基地, 平均海拔約 1030m, 屬于大陸性溫帶半干旱草原氣候, 年平均氣溫為 2~3℃, 年平均風(fēng)速為 3~4m/s, 以西南風(fēng)為主, 年平均降水量約為 300mm, 降水集中在 8 月。土壤類(lèi)型為典型栗鈣土, 有機(jī)質(zhì)積累豐富, 下墊面植被以抗低溫的旱生草本植物為主, 植被覆蓋較均勻, 主要植物種類(lèi)有克氏針茅(Roshev.)以及羊草()等, 5—9月為牧草生長(zhǎng)季[25-26]。

1.2 渦動(dòng)相關(guān)資料數(shù)據(jù)處理

本文所用渦動(dòng)相關(guān)通量系統(tǒng)觀(guān)測(cè)資料來(lái)自錫林浩特國(guó)家氣候觀(guān)象臺(tái), 該系統(tǒng)主要由超聲風(fēng)速溫度儀(CSAT3, Campbell Scientific)和 CO2/H2O 開(kāi)路分析儀(LI-7500, LI-COR)組成, 采樣頻率為 10Hz, 觀(guān)測(cè)高度為 4m。本文運(yùn)用 2010—2013 年生長(zhǎng)季(5—9 月)夜間的近地層通量觀(guān)測(cè)數(shù)據(jù), 將湍流原始資料分割為 30min 時(shí)長(zhǎng)的片段后進(jìn)行計(jì)算處理, 步驟如下: 1)剔除降水天氣影響以及儀器故障等時(shí)段的數(shù)據(jù), 并用方差檢驗(yàn)法剔除野點(diǎn); 2)進(jìn)行二維坐標(biāo)旋轉(zhuǎn)并去除平均值, 得到湍流脈動(dòng)量; 3) 計(jì)算經(jīng) WPL (-Pearman-Leuning)方法修正后的 CO2通量[27]。假定夜間植被-大氣間凈生態(tài)系統(tǒng)的 CO2交換僅來(lái)源于生態(tài)系統(tǒng)呼吸, 夜間觀(guān)測(cè)到的 CO2通量即為夜間eco值。為了與 MODIS 遙感數(shù)據(jù)的時(shí)間分辨率(8 天)相匹配, 本研究對(duì)夜間eco的觀(guān)測(cè)值求 8 天平均值。

1.3MODIS數(shù)據(jù)

本文利用 2010—2013 年 5—9 月的 MODIS 地表反射率產(chǎn)品 MOD09A1 來(lái)計(jì)算光譜植被指數(shù), 該產(chǎn)品包括 7 個(gè)波段 8 天合成的地表反射率產(chǎn)品, 空間分辨率為 500m?；谟^(guān)測(cè)站點(diǎn)的經(jīng)緯度信息, 提取站點(diǎn)所在位置單個(gè)像元的反射率, 使用其中紅(620~670nm)、近紅外(841~876nm)、藍(lán)(459~479nm)及短波紅外(1628~1652nm) 4 個(gè)波段的數(shù)據(jù), 計(jì)算增強(qiáng)型植被指數(shù) EVI 和地表水分指數(shù) LSWI, 計(jì)算公式[18]如下:

利用 MOD11A2 產(chǎn)品獲取地表溫度(LST)數(shù)據(jù), 其空間分辨率為 1 km, 為8天合成的L3產(chǎn)品。

1.4 遙感生態(tài)系統(tǒng)呼吸模型

生態(tài)系統(tǒng)呼吸可以分為植物體呼吸(GPP)及生態(tài)系統(tǒng)有機(jī)質(zhì)(植被凋落物、土壤有機(jī)質(zhì))和土壤微生物呼吸(EOM)兩部分[21], 其中植物體呼吸部分與植被的生長(zhǎng)狀況及水分條件有關(guān)。根據(jù) Gao 等[20]的研究,GPP與 EVI 影響函數(shù)(EVIs)以及水分對(duì)最大光能利用效率的影響函數(shù)(s)的關(guān)系可表示為

其中,為模型參數(shù); PCmax表示不同植被的最大光合作用能力, 不同植被類(lèi)型的 PCmax值不同, 半干旱草原生態(tài)系統(tǒng)的 PCmax值取 1.11mgCO2/(m2·s)[20]; EVIs表示植被對(duì)光合作用能力的影響, 為EVI的函數(shù), EVIs= EVI – 0.1, 即當(dāng) EVI 趨近 0.1 時(shí), GPP 趨近0[20];s表示水分對(duì)光合作用的影響, 通常表示為土壤水分和水汽壓差的函數(shù)[19], 在 Gao 等[20]的模型中用遙感陸地表面水分指數(shù) LSWI 替代:

EOM與地表溫度的關(guān)系參考L-T方程[7]:

其中,ref為處于參考溫度ref(10℃)時(shí)的生態(tài)系統(tǒng)有機(jī)質(zhì)及土壤微生物呼吸速率(EOM);0為活化能相關(guān)參數(shù);0(?46.02℃)為EOM為 0 時(shí)對(duì)應(yīng)的溫度; LST 為地表溫度, 本文用 MODIS 地表溫度產(chǎn)品代表研究地點(diǎn)的地表溫度。因此, 遙感生態(tài)系統(tǒng)呼吸模型可表示為

1.5 模型參數(shù)

遙感生態(tài)系統(tǒng)呼吸模型有, PCmax,ref和0這4 個(gè)待擬合參數(shù)。本文利用 2010—2012 年的數(shù)據(jù)擬合模型參數(shù), 并用 2013 年的數(shù)據(jù)進(jìn)行模型的驗(yàn)證與評(píng)估。表 1 給出模型的擬合參數(shù)及統(tǒng)計(jì)學(xué)參數(shù)。

表1 遙感生態(tài)系統(tǒng)呼吸模型參數(shù)及統(tǒng)計(jì)學(xué)參數(shù)

2 結(jié)果與分析

2.1 EVI, LST和LSWI的季節(jié)動(dòng)態(tài)

圖 1 顯示, 2010—2013 年 5—9 月的 LSWI 有明顯的季節(jié)變化, 平均值分別為?0.11, ?0.13, ?0.02 和?0.07。2012 年研究站點(diǎn)的地表水分最充足, 2013年次之, 2010 和 2011 年地表較干旱。

每年生長(zhǎng)季的 LST 呈多峰狀分布, 從整體上看, 4 年的 LST 差別不大(生長(zhǎng)季平均 LST 分別為 10.6, 9.8, 10.1 和 9.7), 在生長(zhǎng)季前后期較低, 中期較高。

2010—2013 年生長(zhǎng)季 EVI 的變化趨勢(shì)與 LSWI的變化趨勢(shì)基本上一致, 說(shuō)明該生態(tài)系統(tǒng)水分越充足, 植被生長(zhǎng)狀況越好。EVI 在生長(zhǎng)季的峰值都出現(xiàn)在 7—8 月, 最大值依次為 0.25, 0.29, 0.45 和0.37。從總體上看, 研究站點(diǎn) 2012 年植被生長(zhǎng)狀況最好, 2013 年次之, 2010 和 2011 年較差, 與該區(qū)域水分條件的年際變化特征一致。LSWI 峰值出現(xiàn)的時(shí)間與 EVI 峰值出現(xiàn)的時(shí)間基本上吻合, 但在 2013年生長(zhǎng)季的 6 月 16 號(hào), LSWI 出現(xiàn)峰值而 EVI 值較低, 說(shuō)明此時(shí)植被的生長(zhǎng)狀況尚未到達(dá)峰期。

圖1 2010—2013年生長(zhǎng)季EVI, LSWI和LST的變化

2.2 生態(tài)系統(tǒng)呼吸速率的模擬

我們利用 2010—2012 年生長(zhǎng)季夜間的eco觀(guān)測(cè)數(shù)據(jù), 擬合出遙感生態(tài)系統(tǒng)呼吸模型參數(shù):=0.28,0=245.91,ref=0.04mgCO2/(m2·s)。在此基礎(chǔ)上, 用 2013 年的 EVI, LST 和 LSWI 數(shù)據(jù), 對(duì) 2013 年的夜間eco進(jìn)行模擬, 并利用 2013 年生長(zhǎng)季夜間的eco觀(guān)測(cè)數(shù)據(jù), 對(duì)模型結(jié)果進(jìn)行驗(yàn)證。圖 2(a)顯示, 2010—2012 年的模擬值與觀(guān)測(cè)值顯著相關(guān)(2= 0.90), 擬合直線(xiàn)斜率為 0.97, 表明該遙感生態(tài)統(tǒng)呼吸模型的模擬效果較好, 模擬值僅存在 3%的低估。圖 2(b)是模型模擬的 2013 年生長(zhǎng)季夜間eco與觀(guān)測(cè)值的比較, 擬合結(jié)果表明兩者之間有很好的相關(guān)性(2=0.94), 擬合直線(xiàn)斜率為 0.79。上述結(jié)果表明, 盡管該遙感生態(tài)系統(tǒng)呼吸模型會(huì)對(duì)夜間eco造成低估, 但研究時(shí)段內(nèi)夜間eco的模擬值與觀(guān)測(cè)值之間的線(xiàn)性相關(guān)關(guān)系十分顯著。

圖 3 中比較遙感生態(tài)系統(tǒng)呼吸模型模擬的夜間eco與觀(guān)測(cè)值在研究時(shí)段的變化趨勢(shì)。生長(zhǎng)季前期, 2010, 2012 和 2013 年模擬值存在一定程度的低估, 2011 年的模擬值略有高估; 生長(zhǎng)季中期, 2010和 2011 年的模擬值高于觀(guān)測(cè)值, 2012 和 2013 年的模擬值存在一定程度的低估; 生長(zhǎng)季后期, 2010—2012 年的模擬值都有不同程度的高估, 2013年的模擬結(jié)果與觀(guān)測(cè)值比較接近。

生長(zhǎng)季前期, 4 年模擬結(jié)果的平均值為 0.03mgCO2/(m2·s), 低于觀(guān)測(cè)值的平均值 0.04mgCO2/(m2·s); 生長(zhǎng)季中期, 4 年模擬結(jié)果的平均值為 0.08mgCO2/(m2·s), 低于觀(guān)測(cè)值的平均值 0.09mgCO2/(m2·s); 生長(zhǎng)季后期, 4 年模擬結(jié)果的平均值為 0.05mgCO2/(m2·s), 高于觀(guān)測(cè)值的平均值 0.03mgCO2/(m2·s)。總的來(lái)說(shuō), 生長(zhǎng)季的前期和中期, 模擬值會(huì)對(duì)觀(guān)測(cè)值有不同程度的低估; 生長(zhǎng)季的后期, 模擬值略高于觀(guān)測(cè)值。

2.3 生態(tài)系統(tǒng)呼吸與遙感生態(tài)系統(tǒng)呼吸模型驅(qū)動(dòng)因子的關(guān)系

本研究所應(yīng)用的遙感生態(tài)系統(tǒng)呼吸模型由EVIs,s和 LST 共同驅(qū)動(dòng), 模型的表現(xiàn)與 3 個(gè)驅(qū)動(dòng)因子有密切的聯(lián)系。探討生態(tài)系統(tǒng)呼吸與 EVIs,s和 LST 的相關(guān)性, 可以在一定程度上解析遙感生態(tài)系統(tǒng)呼吸模型結(jié)構(gòu)的合理性。Gao 等[20]的研究表明, EVIs與s的歸一化處理能更好地反映eco的變化。圖 4 顯示, 2010—2013 年夜間eco觀(guān)測(cè)值與EVIs×s呈較顯著的線(xiàn)性相關(guān)關(guān)系(2=0.63), 表明本文采用的遙感生態(tài)系統(tǒng)呼吸模型中GPP與 EVIs×s為線(xiàn)性相關(guān)關(guān)系是與實(shí)際情況相符的, 模型中對(duì)植物體呼吸這部分的設(shè)置是合理的。

圖 5 展示 2010—2013 年夜間eco與 LST 的關(guān)系, 隨著 LST 升高, 夜間eco有增大的趨勢(shì), 且增長(zhǎng)速率逐漸加大。因本文所用的遙感生態(tài)系統(tǒng)呼吸模型中EOM滿(mǎn)足 L-T 方程, 故利用 L-T 方程對(duì)夜間eco與 LST 進(jìn)行擬合, 結(jié)果表明兩者在一定程度上存在相關(guān)性(2=0.39), 即在研究區(qū)域 8 天的時(shí)間尺度上, 夜間eco與 LST 的關(guān)系基本上滿(mǎn)足 L-T方程。

圖2 生長(zhǎng)季夜間生態(tài)系統(tǒng)Reco觀(guān)測(cè)值與模擬值的比較

圖3 2010—2013年生長(zhǎng)季夜間Reco季節(jié)動(dòng)態(tài)變化

圖4 2010—2013年生長(zhǎng)季夜間Reco與EVIs×Ws的關(guān)系

2.4 遙感生態(tài)系統(tǒng)呼吸模型的特征分析

為了更好地揭示該遙感生態(tài)系統(tǒng)呼吸模型的特征, 圖 6 給出該模型模擬的EOM和GPP兩部分在不同時(shí)段內(nèi)占夜間生態(tài)系統(tǒng)總呼吸速率的權(quán)重?？梢钥闯?GPP在生長(zhǎng)季前期和后期占總呼吸速率的比例較小, 生長(zhǎng)季中期占比較大。即在該遙感生態(tài)系統(tǒng)呼吸模型中, 在生長(zhǎng)季的前期和后期, 生態(tài)系統(tǒng)呼吸主要來(lái)源于有機(jī)質(zhì)及土壤微生物的呼吸; 在生長(zhǎng)季的中期, 生態(tài)系統(tǒng)呼吸來(lái)源于植物體呼吸的比例比前期和后期大。研究表明, 在生長(zhǎng)季中期生態(tài)系統(tǒng)的植被生長(zhǎng)狀況最佳時(shí), 呼吸作用最強(qiáng)[26]。因此, 本文應(yīng)用的遙感生態(tài)系統(tǒng)呼吸模型模擬的GPP/eco特征與實(shí)際情況相符。同時(shí),GPP占夜間生態(tài)系統(tǒng)總呼吸速率的比例在較濕潤(rùn)年份(2012 和2013 年)明顯高于較干旱年份(2010 和 2011 年), 揭示土壤水分條件是影響和限制半干旱草原植物體夜間呼吸的重要因子。

圖5 2010—2013 年生長(zhǎng)季夜間 Reco 與 LST 的關(guān)系

圖6 2010—2013 年生長(zhǎng)季夜間 RGPP 占 Reco的比例

因此, 該遙感生態(tài)系統(tǒng)呼吸模型對(duì) EVIs×s和LST的相對(duì)敏感性系數(shù)可分別表示為

通過(guò)偏微分運(yùn)算后, 得到遙感生態(tài)系統(tǒng)呼吸模型對(duì) EVIs×s的相對(duì)敏感性系數(shù)和對(duì) LST 的相對(duì)敏感性系數(shù)的表達(dá)式:

圖 7(b)展示遙感生態(tài)系統(tǒng)呼吸模型中LST隨LST 的變化。模型的LST值在 LST 的變化范圍內(nèi)(?5~20℃)為 0~1,LST隨 LST 的增加呈線(xiàn)性增長(zhǎng)(2=0.55,<0.01), 且始終大于 0, 表明該遙感生態(tài)系統(tǒng)呼吸模型模擬的夜間eco在 LST 的區(qū)間內(nèi)隨LST 的增加而增大, 且增長(zhǎng)速率逐漸加大。觀(guān)測(cè)的夜間eco隨 LST 的變化情況如圖 5 所示, 夜間eco隨著 LST 的升高逐漸增加, 且增長(zhǎng)速率加大, 進(jìn)一步說(shuō)明該遙感生態(tài)系統(tǒng)呼吸模型用 LST 作為驅(qū)動(dòng)因子, 引用 L-T 方程模擬EOM是可行的。

圖7 相對(duì)敏感性系數(shù)K隨自變量EVIs×Ws (a)和LST (b)的變化

2.5 遙感生態(tài)系統(tǒng)呼吸模型的誤差分析

eco的模擬值與觀(guān)測(cè)值的時(shí)間序列的比較(圖3)表明, 盡管模擬值可以較好地反映夜間eco的整體變化趨勢(shì), 但模擬值與觀(guān)測(cè)值之間存在一定程度的誤差。為了深入分析模型產(chǎn)生誤差的原因, 我們將整個(gè)生長(zhǎng)季分為前期、中期和后期 3 個(gè)階段, 分別討論各階段夜間eco與EVIs×s的關(guān)系。

圖 8 表明, 在生長(zhǎng)季的前期、中期和后期, 夜間eco與 EVIs×s的線(xiàn)性擬合關(guān)系存在顯著差異, 擬合斜率分別為 0.35, 0.35 和 0.26。即在生長(zhǎng)季的 3個(gè)階段, 夜間eco對(duì) EVIs×s變化的響應(yīng)程度是不同的, 生長(zhǎng)季前期和中期的敏感性大于后期。將生長(zhǎng)季 3 個(gè)階段的夜間eco用遙感生態(tài)系統(tǒng)呼吸模型進(jìn)行擬合(ref和0值保持不變), 得到生長(zhǎng)季前期、中期和后期的分別為 0.32, 0.32 和 0.15, 而對(duì)整個(gè)生長(zhǎng)季擬合得到的為 0.28。上述結(jié)果表明, 當(dāng)EVIs×s相同時(shí), 實(shí)際情況是生長(zhǎng)季前期和中期的夜間eco大于后期, 而該呼吸模型將整個(gè)生長(zhǎng)季統(tǒng)一處理, 以致對(duì)生長(zhǎng)季前期和中期的夜間eco產(chǎn)生低估, 對(duì)生長(zhǎng)季后期的夜間eco產(chǎn)生高估。

圖8 2010—2013 年生長(zhǎng)季前中后期夜間 Reco 與EVIs×Ws的關(guān)系

圖9 2010—2013 年生長(zhǎng)季前中后期夜間 Reco 與 LST 的關(guān)系

3 討論

3.1 遙感生態(tài)系統(tǒng)呼吸模型的機(jī)理

植物體呼吸是植物體在器官發(fā)育過(guò)程中消耗某些光合作用產(chǎn)物時(shí)產(chǎn)生的呼吸,GPP與植物體的生長(zhǎng)狀況有密切的關(guān)系[14]。從式(6)可以看出, 在該模型中,GPP主要受所在區(qū)域植被類(lèi)型、植被生長(zhǎng)狀況及水分條件的影響。Huang 等[14]利用遙感植被指數(shù)對(duì)生態(tài)系統(tǒng)呼吸速率進(jìn)行模擬, 結(jié)果表明增強(qiáng)型植被指數(shù) EVI 的表現(xiàn)最好, 因此本文采用的模型中同樣選取 EVI 來(lái)表征植被生長(zhǎng)狀況。此外, 生態(tài)系統(tǒng)中 GPP 與 EVIs×s成正比, 有很強(qiáng)的相關(guān)性(溫帶草原站點(diǎn)的2=0.81)[20], 本文中eco觀(guān)測(cè)值與 EVIs×s的相關(guān)性亦較高(2=0.63)(圖4)。

該模型中, 生態(tài)系統(tǒng)有機(jī)質(zhì)(植被凋落物、土壤有機(jī)質(zhì))及土壤微生物呼吸速率EOM主要受溫度影響,EOM與地表溫度的關(guān)系參照 L-T 方程。本文結(jié)果表明,eco觀(guān)測(cè)值與 LST 基本上滿(mǎn)足 L-T 方程, 但擬合決定系數(shù)值不大(2=0.39), 可能是由于半干旱草原生態(tài)系統(tǒng)的水分條件可以通過(guò)影響呼吸底物及相關(guān)生物酶的活性來(lái)限制生態(tài)系統(tǒng)的呼吸速率[10], 但在EOM的表達(dá)式中加入s作為驅(qū)動(dòng)因子沒(méi)有顯著地提升模型的模擬效果(本文沒(méi)有給出圖示), 這是未來(lái)需要進(jìn)一步探討的問(wèn)題。

3.2 遙感生態(tài)系統(tǒng)呼吸模型的參數(shù)特征

本文研究的遙感生態(tài)系統(tǒng)呼吸模型主要含有 4 個(gè)參數(shù)(, PCmax,ref和0), 研究區(qū)域的地理位置、植被類(lèi)型和環(huán)境條件不同, 相應(yīng)的模型參數(shù)也存在差異。本文的研究區(qū)域是內(nèi)蒙古半干旱草原生態(tài)系統(tǒng), 為了使模型的模擬精度更高, 沒(méi)有直接引用Gao 等[21]總結(jié)的經(jīng)驗(yàn)參數(shù), 而是采用該區(qū)域 2010—2012 年共 3 年的數(shù)據(jù)進(jìn)行參數(shù)擬合, 并用 2013 年的數(shù)據(jù)進(jìn)行驗(yàn)證。

植物體在生長(zhǎng)過(guò)程中會(huì)消耗自身的 GPP, 為生長(zhǎng)提供能量, 植被的生長(zhǎng)狀態(tài)越好, 表示植物體呼吸占植物體 GPP 比例的參數(shù)越小。Gao 等[21]的研究表明, 該遙感生態(tài)系統(tǒng)呼吸模型在高山灌木林生態(tài)系統(tǒng)的表現(xiàn)最好(2=0.93),=0.52。本研究中=0.28, 遠(yuǎn)遠(yuǎn)小于高山灌木林生態(tài)系統(tǒng), 即半干旱草原生態(tài)系統(tǒng)中植物體呼吸消耗占 GPP 的比例更小。Gao 等[20]對(duì) 5 種生態(tài)系統(tǒng)的研究表明, 不同生態(tài)系統(tǒng)的 PCmax是不同的, 可以很好地反映不同植被類(lèi)型對(duì)GPP的影響。本研究中 PCmax取 1.11mgCO2/ (m2·s), 略高于高山灌木林生態(tài)系統(tǒng)中的 PCmax(0.9mgCO2/(m2·s))。本研究中ref和0值與高山灌木林生態(tài)系統(tǒng)差異不大。

3.3 遙感生態(tài)系統(tǒng)呼吸模型的不足與發(fā)展前景

本文對(duì)遙感生態(tài)系統(tǒng)呼吸模型在半干旱草原的適用性進(jìn)行驗(yàn)證性研究, 證明 Gao 等[20-21]只利用遙感數(shù)據(jù)研究生態(tài)系統(tǒng)碳循環(huán)是合理可行的。遙感生態(tài)系統(tǒng)呼吸模型在不同生態(tài)系統(tǒng)的模擬效果存在差異, 這是未來(lái)的應(yīng)用研究中亟需解決的問(wèn)題。在半干旱草原的應(yīng)用中也發(fā)現(xiàn)一些問(wèn)題: 1)EOM會(huì)受水分條件的影響[11], 但在該模型的EOM中加入s作為驅(qū)動(dòng)因子, 并沒(méi)有顯著地提升模擬效果; 2)實(shí)際觀(guān)測(cè)的夜間eco與 LST 的相關(guān)性較弱, 尤其是在生長(zhǎng)季的中期, LST 是否可以作為驅(qū)動(dòng)EOM的唯一因子仍存疑問(wèn); 3)實(shí)際觀(guān)測(cè)的夜間eco在生長(zhǎng)季的前期、中期和后期對(duì) EVIs×s和 LST 的響應(yīng)不同, 會(huì)對(duì)模擬結(jié)果的準(zhǔn)確性造成一定的影響。這些也是未來(lái)工作中要解決的問(wèn)題。

盡管現(xiàn)有的遙感生態(tài)系統(tǒng)呼吸模型中考慮的影響因子有限(如未考慮土壤有機(jī)碳和土壤氮等的含量), 但因其具有較大尺度的空間代表性, 該模型在區(qū)域及全球尺度的eco估算中仍有較好的應(yīng)用前景。未來(lái), 隨著土壤水分、植被生物量等衛(wèi)星反演算法的發(fā)展, 遙感生態(tài)系統(tǒng)呼吸模型的精度有望進(jìn)一步提升, 成為缺乏渦動(dòng)相關(guān)通量觀(guān)測(cè)數(shù)據(jù)情況下研究陸地生態(tài)系統(tǒng)碳循環(huán)的有效手段之一。

4 結(jié)論

本文研究結(jié)果表明, 應(yīng)用 MODIS 遙感數(shù)據(jù)以及基于 EVI, LST 和 LSWI 構(gòu)建的遙感生態(tài)系統(tǒng)呼吸模型, 可以較好地模擬半干旱草原生態(tài)系統(tǒng)的夜間eco(擬合年份和驗(yàn)證年份的2分別為 0.90 和 0.94); 渦動(dòng)相關(guān)通量觀(guān)測(cè)系統(tǒng)獲取的觀(guān)測(cè)數(shù)據(jù)表明, 夜間eco與 EVIs×s的相關(guān)性較強(qiáng)(2=0.63), 與地表溫度 LST 的關(guān)系基本上滿(mǎn)足 L-T 方程(2=0.39); 將生長(zhǎng)季分為前期、中期和后期 3 個(gè)階段, 利用觀(guān)測(cè)獲取的夜間eco擬合得到的ref分別為 0.05, 0.05 和0.02, 表明夜間eco在生長(zhǎng)季的前期、中期和后期對(duì) EVIs×s和 LST 的響應(yīng)強(qiáng)度不同, 該現(xiàn)象可能是模型的主要誤差來(lái)源之一。

[1]Trumbore S. Carbon respired by terrestrial ecosystems-recent progress and challenges. Global Change Bio-logy, 2010, 12(2): 141–153

[2]Falge E, Baldocchi D, Tenhunen J, et al. Seasonality of ecosystem respiration and gross primary produc-tion as derived from FLUXNET measurements. Ag-ricultural & Forest Meteorology, 2002, 113(1): 53–74

[3]Valentini R, Matteucci G, Dolman A J, et al. Res-piration as the main determinant of carbon balance in European forests. Nature, 2000, 404: 861–865

[4]Janssens I A, Lankreijer H, Matteucci G, et al. Pro-ductivity overshadows temperature in determining soil and ecosystem respiration across European forests. Global Change Biology, 2001, 7(3): 269–278

[5]Barr A G, Griffis T J, Black T A, et al. Comparing the carbon budgets of boreal and temperate deciduous forest stands. Canadian Journal of Forest Research, 2002, 32(5): 813-822

[6]Law B E, Falge E, Gu L, et al. Environmental con-trols over carbon dioxide and water vapor exchange of terrestrial vegetation. Agricultural & Forest Meteoro-logy, 2002, 113(1): 97–120

[7]Lloyd J, Taylor J A. On the temperature dependence of soil respiration. Functional Ecology, 1994, 8(3): 315–323

[8]Zhao Z M, Zhao C Y, Yan Y Y, et al. Interpreting the dependence of soil respiration on soil temperature and moisture in an oasis cotton field, central Asia. Agri-culture Ecosystems & Environment, 2013, 168(11): 46–52

[9]Fang C, Moncrieff J B. The dependence of soil CO2efflux on temperature. Soil Biology & Biochemistry, 2001, 33(2): 155–165

[10]Davidson E A, Belk E, Boone R D. Soil water content and temperature as independent or confounded factors controlling soil respiration in a temperate mixed hardwood forest. Global Change Biology, 1998, 4(2): 217–227

[11]Reichstein M, Tenhunen J D, Roupsard O, et al. Eco-system respiration in two Mediterranean evergreen Holm Oak forests: drought effects and decomposition dynamics. Functional Ecology, 2002, 16(1): 27–39

[12]于貴瑞, 溫學(xué)發(fā), 李慶康, 等. 中國(guó)亞熱帶和溫帶典型森林生態(tài)系統(tǒng)呼吸的季節(jié)模式及環(huán)境響應(yīng)特征. 中國(guó)科學(xué): 地球科學(xué), 2004, 34(增刊2): 84–94

[13]Running S W, Baldocchi D D, Turner D P, et al. A global terrestrial monitoring network integrating to-wer fluxes, flask sampling, ecosystem modeling and EOS satellite data. Remote Sensing of Environment, 1999, 70(1): 108–127

[14]Huang N, Zheng N. Estimating soil respiration using spectral vegetation indices and abiotic factors in irrigated and rainfed agroecosystems. Plant & Soil, 2013, 367(1/2): 535–550

[15]Xiao X, Hollinger D, Aber J, et al. Satellite-based modeling of gross primary production in an evergreen needleleaf forest. Remote Sensing of Environment, 2004, 89(4): 519–534

[16]Sims D A, Rahman A F, Cordova V D, et al. A new model of gross primary productivity for North Ame-rican ecosystems based solely on the enhanced ve-getation index and land surface temperature from MODIS. Remote Sensing of Environment, 2015, 112 (4): 1633–1646

[17]Running S W, Nemani R R, Heinsch F A, et al. A continuous satellite-derived measure of global ter-restrial primary production. Bioscience, 2004, 54(6): 547–560

[18]Liu J, Chen J M, Cihlar J, et al. Net primary produc-tivity mapped for Canada at 1-km resolution. Global Ecology & Biogeography, 2002, 11(2): 115–129

[19]伍衛(wèi)星, 王紹強(qiáng), 肖向明, 等. 利用 MODIS 影像和氣候數(shù)據(jù)模擬中國(guó)內(nèi)蒙古溫帶草原生態(tài)系統(tǒng)總初級(jí)生產(chǎn)力. 中國(guó)科學(xué): 地球科學(xué), 2008, 38(8): 993–1004

[20]Gao Y N, Yu G R, Yan H, et al. A MODIS-based photosynthetic capacity model to estimate gross pri-mary production in Northern China and the Tibetan Plateau. Remote Sensing of Environment, 2014, 148 (5): 108–118

[21]Gao Y N, Yu G R, Li S G, et al. A remote sensing model to estimate ecosystem respiration in Northern China and the Tibetan Plateau. Ecological Modelling, 2015, 304: 34–43

[22]杜群, 劉輝志, 馮健武, 等. 半干旱區(qū)草原生態(tài)系統(tǒng)的碳交換特征. 中國(guó)科學(xué): 地球科學(xué), 2012(5): 711–722

[23]郝彥賓, 王艷芬, 孫曉敏, 等. 內(nèi)蒙古羊草草原碳交換季節(jié)變異及其生態(tài)學(xué)解析. 中國(guó)科學(xué): 地球科學(xué), 2006, 36(增刊1): 174–182

[24]葉篤正, 陳泮勤. 中國(guó)的全球變化預(yù)研究. 北京: 地震出版社, 1992

[25]王英舜, 史激光. 典型草原區(qū)生長(zhǎng)季大氣 CO2濃度特征分析. 中國(guó)農(nóng)學(xué)通報(bào), 2010, 26(13): 363–365

[26]李金花, 潘浩文, 王剛. 內(nèi)蒙古典型草原退化原因的初探. 草業(yè)科學(xué), 2004, 21(5): 49–51

[27]Webb E K, Pearman G I, Leuning R. Correction of flux measurements for density effects due to heat and water vapour transfer. Quarterly Journal of the Royal Meteorological, 1980, 106: 85–100

A Validation Study of MODIS-Based Ecosystem Respiration Model in a Semi-Arid Grassland of Inner Mongolia

JIANG Haimei1,2,?, YE Haotian1,2, WANG Ruojing3, HAO Yong1,2, WANG Chenggang1,2, CAO Le1,2

1. Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing 210044; 2. School of Atmospheric Physics, Nanjing University of Information Science and Technology, Nanjing 210044; 3. Xilinhaote National Climatological Observatory, Xilinhot 026000; ? E-mail: hmjiang@nuist.edu.cn

Eddy covariance data from Xilinhaote National Climatological Observatory in Xilin Gol League during growing seasons of 2010—2013 as well as MODIS data were used to validate an ecosystem respiration model based on enhanced vegetation index (EVI), land surface water index (LSWI) and land surface temperature (LST) in a semi-arid grassland of Inner Mongolia. The limitations of this remote sensing respiration model were also discussed. The results indicate that this model can successfully simulate the variations of nocturnal ecosystem respiration (eco)in the growing seasons and between different years. The simulated nocturnalecoalso agreed remarkably with the observedeco(2=0.90, RMSE=0.02 mgCO2/(m2·s)). Moreover, the observed nocturnalecoshowed a good linear correlation with EVIs×s(2=0.63), in which EVIsandsare response functions of EVI and LSWI on photosynthesis, respectively. The response of nocturnalecoto LST was also found following the L-T equation (2=0.39). In addition, the difference between responses of nocturnalecoto EVIs×sand LST in the early, middle and late stages of the growing season is indicated as one principal source of the deviations of model results.

Inner Mongolia; semiarid grassland; ecosystem respiration model; MODIS remote sensing data

10.13209/j.0479-8023.2019.109

國(guó)家重點(diǎn)研發(fā)計(jì)劃(2017YFC0209801)和國(guó)家自然科學(xué)基金(41505006)資助

2019-01-03;

2019-03-11