蔚縣礦區植被凈初級生產力時空變化特征及影響因素

王　雪，丁建偉，譚　琨①，李海東

(1.中國礦業大學環境與測繪學院，江蘇 徐州　221116；2.河北省第二測繪院，河北 石家莊　050037；3.環境保護部南京環境科學研究所，江蘇 南京　210042)

?

蔚縣礦區植被凈初級生產力時空變化特征及影響因素

王雪1，丁建偉2，譚琨1①，李海東3

(1.中國礦業大學環境與測繪學院，江蘇 徐州221116；2.河北省第二測繪院，河北 石家莊050037；3.環境保護部南京環境科學研究所，江蘇 南京210042)

摘要：以國產高分辨率影像數據作為數據源，結合氣象站點觀測數據，利用光能利用率模型對蔚縣煤礦區2013—2015年各季節的植被凈初級生產力(net primary productivity，NPP)進行估算。分析該區域NPP的季節性變化以及各年7月的土地利用變化情況，對NPP與各氣象因子進行相關性分析，探究研究區域不同植被類型NPP季節性變化的影響因素。結果表明，在中部和南部人文居住環境區，降水量為NPP的主導影響因素；而在北部無人為干擾的山區，太陽輻射和溫度為其主導因素。

關鍵詞：遙感；植被凈初級生產力；光能利用率模型；礦區生態

人類居住地的環境變化研究已經成為最引人注目的環境科學問題之一[1],各種自然因素或資源相互作用影響著陸地環境生態系統的發展趨勢,土地利用變化是其最直接、最重要的載體之一[2]。同時,植被凈初級生產力(net primary productivity,NPP)也是生態系統各類植被長勢及其與環境因子相互作用的重要監測指標。作為一個特殊的人工、半人工的陸地生態系統[3],煤礦區資源的開采活動會對區域內植被的群落結構和特征有一定的干擾性[4]。伴隨著煤炭資源的大規模開采,其土地資源和生態環境遭受了全方位的破壞,尤其是地下開采造成了大面積塌陷地,導致大量土地沉陷、植被覆蓋率降低以及耕地減少等一系列的生態環境問題[5]。目前,對礦區環境影響評價的研究較多,且大多為指標體系研究[6]。植被凈初級生產力的影響分析屬于礦區生態監測方面,是礦區環境影響評價體系的一個重要指標。結合煤礦區土地利用類型對區域植被生產能力進行量化計算,從而對其時空分布及影響因子進行相關性研究,對促進礦區生態平衡建設有著重要作用。

NPP指綠色植被在單位時間和單位面積上累積的有機干物質,它在區域碳循環和大氣CO2濃度變化中起著重要作用,與植被本身生物學特性及區域環境因素密切相關[7]。近年來NPP的模擬估算模型主要有氣候生產力模型、生理生態過程模型和光能利用率模型(遙感數據驅動模型)3類[8]。國內外已經有不少學者開展基于遙感數據驅動的陸地植被NPP估算模型研究。遙感信息具有多時相、多角度和多波段等特性[9],可從中提取地表覆蓋情況、植被吸收光和有效輻射等植被參數以及區域型環境類型參數,為研究陸地植被NPP的季節間和年際間變化提供可能。

筆者基于the carnegie ames stanford approach(CASA)模型,以蔚縣煤礦區為例,利用國產高分辨率遙感數據結合研究區相關氣象數據,對研究區域2013—2014年3、7、9、11月和2015年3、7月的NPP和土地利用變化情況進行估算及分析。

1研究區與數據源

研究區域位于河北省張家口市蔚縣境內,北緯39°50′54″～39°58′25″,東經114°24′40″～114°32′30″之間。蔚縣地處冀西北山間盆地南端,恒山余脈分南北兩支環抱,縣境內壺流河斜貫中部,形成了南部深山、中部河川、北部丘陵3個明顯不同的自然地貌區域。蔚縣屬暖溫帶大陸性季風氣候區,由于海拔高低懸殊,立體氣候明顯,夏季涼爽,秋季氣候多變。蔚縣各地年降水量大約在380.0～682.7 mm之間,中北部壺流河兩岸的河川地區年降水量在380～430 mm之間,凍土層厚度達1.36 m。蔚縣煤礦資源豐富,主要有崔家寨礦、單侯礦、北陽莊礦、南留莊礦和西細莊礦等,是北方大型煤礦區之一。崔家寨礦和單侯礦位于蔚縣南留莊鎮、白草村鄉和涌泉莊鄉境內,隸屬于開灤礦務局。崔家寨礦建于1996年10月,位于白草村鄉及涌泉莊鄉境內,面積為34.3 km2,年生產能力180萬t,服務年限84.3 a,開采煤層標高為+1 320～+600 m,東西長7～11 km,南北寬5 km。單侯礦建于2004年5月,隸屬涌泉莊鄉管轄,面積約34.3 km2,礦井年生產能力150萬t,服務年限68.1 a。

采用蔚縣煤礦區2013—2014年3、7、9、11月和2015年3、7月的高分一號、資源一號02C和資源3號衛星的高分辨率遙感影像。對每期數據進行大氣校正和Gram-Schmidt影像融合,最終統一重采樣為2.1 m分辨率的影像進行計算。利用支持向量機監督分類方法對預處理后的數據進行分類。根據野外調研將研究區域劃分為林地、耕地、草地及灌叢、水域、礦區、建筑用地和未利用地7類。利用影像中近紅外波段和紅波段的反射值計算研究區的歸一化植被指數(NDVI，INDV)。采用中國氣象科學數據共享服務網《中國地面氣候資料日志數據集(V 3.0)》中蔚縣(監測站號為53593)監測站的平均氣溫、降水量和太陽輻射數據,累計求得月平均氣溫、月總降水量和日照時數,2015年10月之后的氣象數據以2000—2014年對應月份氣象數據的平均值代替。

2研究方法與模型

2.1研究技術路線

利用蔚縣煤礦區的遙感數據和相關氣象數據估算2013—2015年不同時段研究區的NPP,與土地利用類型圖和氣象變化趨勢進行對比分析,從蔚縣煤礦區陸地表層NPP時空格局入手,探索分析煤礦區煤炭開采和其他人為活動對區域內植被環境的影響,技術路線見圖1。

圖1　研究技術路線示意

2.2基于CASA模型的NPP反演過程

基于遙感數據間接模擬估算NPP的CASA模型是一種由遙感數據、植被類型及土壤類型、溫度、降水量和太陽輻射共同驅動的基于資源平衡觀點建立起來的光能利用率模型[10]。朱文泉等[11-12]改進了CASA模型，對光能利用率的計算做出了簡化,使得模型具有更強的可操作性。該模型引入針對中國的陸地植被覆蓋分類系統,計算不同類型植被指數的最大值和最小值,在植被層對光合有效輻射的吸收比例(fraction of photosynthetically active radiation,FPAR，RFPA)的估算過程中,舍棄了眾多土壤參數,僅利用氣象數據結合區域蒸散發模型估算水分脅迫因子(圖2)。筆者采用的最大光能利用率是朱文泉等[13]用1989—1993年氣象數據結合實測數據模擬出的各植被類型的最大光能利用率。

圖2　基于CASA模型的NPP估算流程圖

NPP是單位時間和單位面積上綠色植被通過光合作用所產生的全部有機物同化量扣除自養呼吸后的剩余部分。作為地球碳循環的重要組成部分[14],NPP不但直接反映植被在區域環境下的生產固碳能力,而且是判定生態系統碳源/匯和調節生態過程的主要因子[15]。在NPP遙感估算模型中,NPP是植被吸收的光合有效輻射(APAR，RAPA)和實際光能利用率(ε)的函數[12,16-17]。

PNP(x,t)=RAPA(x,t)×ε(x,t)。

(1)

式(1)中,PNP(x,t)表示像元x在t月的植被凈初級生產力,g·m-2·月-1;RAPA(x,t)表示像元x在t月吸收的光合有效輻射,MJ·m-2·月-1;ε(x,t)表示像元x在t月的實際光能利用率,g·MJ-1。APAR是由太陽總輻射和植被本身的特征決定的[12]。

RIPA(x,t)=0.5LSO(x,t),

(2)

RAPA(x,t)=0.5×LSO(x,t)×RFPA(x,t)。

(3)

式(2)～(3)中,RIPA表示攔截的光和有效輻射(interrupted photosynthetically active radiation，IPAR);LSO表示像元x在t月的太陽總輻射量,MJ·m-2·月-1;0.5表示植被所能利用的波長為0.38～0.71 μm的太陽輻射占太陽總輻射的比例[13]。

植被吸收的光合有效輻射取決于太陽總輻射和植物本身的特征,FPAR在一定范圍內與歸一化植被指數存在著線性關系[13],其計算公式[11]如下:

RFPA,min。

(4)

式(4)中,INDV(x,t)表示像元x在t月的NDVI值;INDV,i,min和INDV,i,max分別為第i種植被類型的NDVI最小值和最大值,該研究采用NDVI統計直方圖中95%和5%的取值作為該類別NDVI的最大值和最小值[18];RFPA,min和RFPA,max為常數,取值與植被類型無關,分別為0.001和0.95。

光能利用率是在一定時期內單位面積上產生的干物質中所包含的化學潛能與同一時間投射到該單位面積上的光和有效輻射能之比[13]。關于光能利用率在植被群落種間的變異和空間異質性已有研究。POTTER等[10]認為,在理想條件下植被具有最大光能利用率,而實際光能利用率的求解是通過對最大光能利用率加以環境影響因子(如氣溫、土壤水分以及大氣水氣壓差等)進行修正得到的,其計算公式為

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×ε*。

(5)

式(5)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影響系數;Wε(x,t)為水分脅迫影響系數;ε*為理想條件下的最大光能利用率,g·MJ-1。

Tε1(x,t)反映了低溫和高溫時植物體內的生化作用對光合產生限制進而對NPP的抑制作用[15,19],計算公式為

Tε1(x,t)=0.8+0.02Topt(x,t)-0.000 5Topt

(x,t)2。

(6)

式(6)中,Topt(x,t)為植物生長的最適溫度,℃,用區域NDVI達最大時當月的平均氣溫表征,當月平均氣溫≤-10 ℃時,Tε1(x,t)=0。

Tε2(x,t)為區域溫度從最適溫度向高溫和低溫變化時由于呼吸作用消耗引起的植物光能利用率降低的趨勢，其計算公式為

(7)

式(7)中,T(x,t)為像元x在t月的平均氣溫，℃。當T(x,t)比Topt(x,t)高10 ℃或低13 ℃時,Tε2(x,t)為月平均氣溫為Topt(x,t)時Tε2(x,t)的一半。

水分脅迫因子Wε(x,t)反映了植被所能利用的有效水分條件對光能利用率的影響,其取值范圍為0.5(極干旱環境)～1(極濕潤環境)[20],計算公式為

Wε(x，t)=0.5+0.5×E(x，t)/Ep(x，t)。

(8)

式(8)中,E(x,t)為區域實際蒸散量,mm;EP(x,t)為區域潛在蒸散量,mm。這2個變量可以分別通過張新時[21]建立的區域實際蒸散模型和周廣勝等[22]提出的互補關系式求取,其計算公式為

(9)

(10)

(11)

式(9)～(11)中,P(x,t)為像元x在t月的降水量,mm;Rn(x,t)為像元x在t月的地表凈輻射量,mm;Ep0(x,t)為局地潛在蒸散量,mm,可以根據Thornthwaite植被-氣候關系模型求取[21]。

(12)

a(x)=[0.675 1 I(x)3-77.1 I(x)2+17 920 I(x)+492 390]×10-6,

(13)

(14)

式(12)～(14)中,I(x)為12個月的熱量指標總和;a(x)為I(x)的函數,其公式僅適用于氣溫在0～26.5 ℃ 條件下。

筆者在對研究區土地覆蓋類型進行提取時只分出了林地一級大類,由于研究區域森林類型包括落葉針葉林、落葉闊葉林、針闊混交林和常綠針葉林,根據朱文泉等[11]模擬得到的中國典型植被最大光合利用率,取4種類型的平均值作為研究區內林地的最大光能利用率(以C計,下同),其值為0.510 3 g·MJ-1。草地的最大光能利用率為0.542 g·MJ-1,沒有規定取值的其他土地利用類型(如建筑用地、水域、未利用地和礦區用地等)取CASA模型的約定值0.389 g·MJ-1。

3結果與分析

3.1研究區NPP季節性變化

根據CASA模型估算研究區2013—2014年3、7、9和11月以及2015年3、7月NPP,用3、7、9和11月的模擬結果代表春、夏、秋、冬4季的NPP,進而分析NPP的季節性變化規律(圖3～5)。

由圖3～5可知,2013—2015年NPP的季節變化規律明顯,都在夏季(7月)達峰值。2014年4季NPP的最大值分別為7.43、130.41、80.86和2.53 g·m-2·月-1。對NPP高值區變化情況與研究區空間布局結合分析可知,3月NPP高值區均分布在研究區西南部,7月NPP高值區開始向東部和北部偏移,9月高值區偏向于西部和中偏東北部地區,11月又回到西南部。根據實地調查,南留莊北部和回墓村西部分布著大量覆有塑料大棚的耕地,所以3月NPP產值較高。7月溫度適宜,降水充沛,區域內植被增幅明顯。位于東北部的冬小麥在7—8月收獲,夏播種作物在9月進入抽穗期,如西南部種植的谷子等作物,所以NPP產值較高。

統計不同季節不同植被對NPP的貢獻,繪制不同植被類型NPP隨季節的變化曲線,結果見圖6。由圖6可以看出,2013年耕地與草地NPP的季節變化趨勢具有同步性,2014年林地與耕地NPP的季節變化趨勢較為一致,2015年耕地、草地和林地NPP變化趨勢差別較大,這說明3種植被類型對不同氣候因子的敏感度不同。

3.2研究區NPP空間分布

由于我國所有陸地植被類型NPP的峰值都出現在7—8月,所以提取研究區2013—2015年7月植被NPP的空間分布特征(圖3～5),結合氣象因子和人為活動因素進行深入分析。

由圖3～5可以看出,2013—2015年7月研究區域NPP空間分布特征總體如下:東部涌泉莊附近、南部大飲馬泉村和南留莊NPP略高,結合土地覆被類型分析發現此區域內大多為高密度耕地,NPP約為120～160 g·m-2·月-1;中部偏南的單侯村和西北部的山區NPP約為80～120 g·m-2·月-1,區域內植被類型以林地為主,實地考察發現單侯村周邊大量種植桃樹和杏樹等落葉喬木類型的經濟作物,西北部山區以落葉針葉林居多;研究區東北部的麥子坡村到西南部西細莊村一帶的區域,NPP略低于周邊地區,普遍低于40 g·m-2·月-1,原因是此區域內多為礦區和城鎮,植被稀少。

單位為g·m-2·月-1。

單位為g·m-2·月-1。

單位為g·m-2·月-1。

3.3不同植被類型NPP

由表1和圖6可知,同一年份不同植被類型的NPP明顯不同,不同年份同一植被類型的NPP也隨著氣象因子不同而呈現趨勢變化。

比較3種植被類型7月NPP平均值可知,林地的變化幅度相對較小,2013—2015年平均值分別為62.33、43.39和51.03 g·m-2·月-1;耕地與草地及灌叢的變化幅度相當,2013—2015年7月耕地NPP平均值分別為88.07、44.96和61.01 g·m-2·月-1,草地及灌叢為86.60、63.54和88.99 g·m-2·月-1。2014年NPP均值最低,主要是由于2014年7月降水量下降幅度較大。比較3種植被類型可知,耕地、草地及灌叢這種一年生草本植物對研究區內包括人類活動、氣象因素在內的環境變化的響應較為敏感,林地的固碳能力比較穩定。

表12013—2015年不同植被類型NPP的季節變化

Table 1Seasonal variation of NPP in 2013-2015 relative to type of the vegetation

g·m-2·月-1

圖6　2013—2015年7月各植被類型NPP均值

3.4研究區土地利用變化分析

研究區內有多個礦區,還有若干井工礦和小煤窯。主礦區位于蔚縣南留莊鎮的崔家寨村和咸周村附近。煤礦開采對地表植被影響較大,采煤塌陷造成地表季節性積水,破壞植被生長;地下水位下降,土壤固水能力薄弱,對植物的固碳能力產生影響。筆者從年際間土地利用類型變化入手,分析3 a間研究區土地利用變化的自然原因與人為活動因素,以及土地利用變化對NPP的影響。由于影像數據光譜波段數較少,空間異質性較為明顯,將研究區土地利用類型分為林地、耕地、草地及灌叢、水域、建筑用地、礦區、未利用地(裸地)7類,統計3個時期研究區土地利用狀況(表2)。

2013—2014年和2014—2015年土地利用類型變化矩陣見表3～4。從表3可知,2014年林地較2013年減少429.43 hm2。2013—2014年,林地有0.33%轉化為耕地,10.75%轉化為草地及灌叢,0.35%轉化為未利用地;耕地有2.07%轉化為草地及灌叢,0.36%轉化為林地,4.51%轉化為未利用地;草地及灌叢有0.15%轉化為林地,1.89%轉化為耕地,31.43%轉化為未利用地。除去分類不準確的部分土地,由于氣候原因,2013年許多草地及灌叢變為荒地,林地的變化與分類誤差有關。

表22013—2015年7月研究區各土地利用類型面積變化

Table 2Variation of the area of each type of land use in the study area in July of each of the years from 2013 to 2015

hm2

表32013—2014年土地利用類型變化矩陣

Table 3Variance matrix of land use type from 2013 to

2014

hm2

某一行數據為2013年各土地利用類型轉化為2014年該行對應的土地利用類型的面積。

表42014—2015年土地利用類型變化矩陣

Table 4Variance matrix of land use type from 2014 to

2015

hm2

某一行數據為2014年各土地利用類型轉化為2015年該行對應的土地利用類型的面積。

從表4可知,2015年林地較2014年減少87.68 hm2,耕地增加5.41%,草地及灌叢減少6.87%,未利用地增加7.25%。整體來看,2013—2015年林地減少517.11 hm2,占2013年林地總面積的14.97%;耕地增加536.82 hm2,占2013年耕地面積的37.55%;草地及灌叢減少2 481.63 hm2,占2013年草地面積的32.78%;植被覆蓋土地面積整體減少19.76%。主要原因是建筑用地及煤礦區增幅迅猛,占用大量草地及灌叢,但人為的復墾措施使得耕地反而有所增加。

3.5研究區氣象因子與NPP的相關性

由表5可知,研究區NPP由高到低依次為2013、2015和2014年,月太陽總輻射、日照時數及月平均溫度由高到低依次為2014、2015和2013年,降水量、FPAR、植被光能利用率由高到低依次為2013、2015和2014年。

為研究NPP與氣象因子的相關性,采用2013—2015年7月的NPP數據和同期的氣象數據進行Pearson相關性分析,結果見圖7。通過分析3期NPP與溫度、降水量、日照時數這3個氣象因子的Pearson相關系數發現,研究區7月NPP大致與溫度、日照時數呈負相關,與降水量呈正相關。

表52013—2015年7月研究區主要氣象因子及NPP比較

Table 5NPP and climate factors in the years of 2013, 2014 and 2015 in the study area

年份T/℃P/mmSOL/(MJ·m-2·月-1)S/hFPARεNPP/(g·m-2·月-1)201322.9130.5653.67241.50.730.4779.42201423.845.1671.28254.20.420.3651.01201522.9128.3653.97250.40.480.4571.22

T為月平均氣溫;P為降水量;SOL為太陽總輻射;S為月日照時數;FPAR為植被層對光合有效輻射的吸收比例;ε為區域平均光能利用率;NPP為植被凈初級生產力。

圖7　2013—2015年7月NPP與降水量、日照時數和溫度的相關性分布

不同類型土地NPP與各氣象因子的相關性存在一致性。其中,草地及灌叢、耕地NPP與溫度大多呈負相關。已有研究表明,正常情況下NPP與降水量呈反比,而研究區域中部和南部的所有植被類型NPP均與降水量呈正相關,這與NPP變化的基本規律相違背,只有北部無人為因素干擾的山區林地符合該規律。分析其原因可能為人為活動對植被固碳能力的影響與氣候因子的影響規律相左。煤礦開采活動導致地表沉陷,生態廊道受損甚至斷裂,景觀格局遭到破壞;由于煤礦開采活動會破壞地下水的徑流平衡,改變地表水徑流和匯水條件,使得土壤含水能力下降;另外,開采活動還會導致塌陷,產生地表裂縫,裂隙蒸發作用使土壤深層水分迅速散失,土壤含水量下降。所以,煤礦開采活動致使植被生長對降水量的依賴性增強,研究時段降水偏多,導致土壤濕度增加,從而促進了植被NPP累積速度。與草地及灌叢相比,林地和耕地NPP與降水量的相關程度略低,這主要是因為草地及灌叢屬于草本植物,其根系基本分布于1 m深度土層以內,植被生長所需水分主要來源于大氣降水,而林地植被根系要較之更深,其毛管可以利用潛水。有研究表明,當地下水位埋深較淺時,所有植被的長勢都較好,而隨著地下水位埋深增加,植被的長勢變差或根本無法生存[23]。相比較而言,耕地由于填埋地表裂縫、人工澆灌等人工補救措施,對降水量的依賴也比草地及灌叢要小。

大部分植被類型的NPP與日照時數呈負相關,少數林區和山區植被NPP與之呈正相關。草地及灌叢NPP與日照時數的負相關系數低于耕地。分析可能的原因是研究區域降水形式大部分為大雨或暴雨,日照時數大的年份降水間隔也隨之變大,溫度偏高,土壤蒸發加劇,土壤中可利用水分減少,植物生長受到抑制,而且耕地為一年生草本,根系較淺,受土壤水汽蒸發影響較大,所以草地及灌叢與日照時數的負相關系數會低于耕地;此外,某些區域耕地由于氣候原因收益較小,與雜草共生,分類時容易誤分為草地及灌叢,這種異質性也會造成草地類別NPP的反演偏差,以及與日照時數的相關性表現異常。

4結論

(1)分析2013—2015年7月研究區不同植被類型NPP的時空變化發現,NPP整體呈下降趨勢,3 a間7月NPP平均值分別為79.42、51.01和71.22 g·m-2·月-1。

(2)研究區人類活動主要表現為煤礦開采和城鎮擴張2個方面。由于煤礦開采活動直接破壞了研究區的地下水結構,導致地下水位下降、地表裂縫以及土壤鹽漬化,加快水分蒸發散失速度,從而影響植被固碳能力。城鎮擴張使得耕地面積增多,進而保護了植被的固碳能力。

(3)氣候因子對NPP的影響較為復雜。NPP的變化是人為活動和氣候因素綜合作用的結果。在研究區中部和南部區域,由于地下水結構被破壞,降水量為影響NPP的主導因素;北部山區由于人為因素干擾較小,太陽輻射和溫度為影響NPP的主導因素。

參考文獻：

[1]劉紀遠,岳天祥,鞠洪波.中國西部生態系統綜合評估[M].北京：氣象出版社,2006:1.

[2]張合兵,郝成元,張小虎.潞安礦區凈初級生產力和土地覆被變化及成因[J].水土保持通報,2013,33(1):44.

[3]侯湖平,張紹良,丁忠義,等.煤礦區土地利用變化對生態系統植被碳儲量的影響：以徐州垞城礦為例[J].煤炭學報,2013,38(10):1850-1855.

[4]王行風,汪云甲,杜培軍.基于空間信息技術的煤礦區景觀特征及其動態變化研究：以潞安常村礦為例[J].干旱區資源與環境,2007,21(7):69-74.

[5]李保杰,顧和和,紀亞洲.礦區土地復墾景觀格局變化和生態效應[J].農業工程學報,2012,28(3):251-256.

[6]王霖琳.資源枯竭礦區生態環境損害評價指標體系研究[J].煤炭科學技術,2009(9):125-128.

[7]LIU J,CHEN J,CIHLAR J,etal.Net Primary Productivity Distribution in the BOREAS Region From a Process Model Using Satellite and Surface Data[J].Journal of Geophysical Research:Atmospheres,1999,104(2):27735-27754.

[8]ZHU W,CHEN Y,XU D,etal.Advances in Terrestrial Net Primary Productivity (NPP) Estimation Models[J].Chinese Journal of Ecology,2005,24(3):296-300.

[9]侯英雨,柳欽火,延昊,等.我國陸地植被凈初級生產力變化規律及其對氣候的響應[J].應用生態學報,2007,18(7):1546-1553.

[10]POTTER C S,RANDERSON J T,FIELD C B,etal.Terrestrial Ecosystem Production:A Process Model Based on Global Satellite and Surface Data[J].Global Biogeochemical Cycles,1993,7(4):811-841.

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

[12]朱文泉,陳云浩,潘耀忠,等.基于GIS和RS的中國植被光利用率估算[J].武漢大學學報(信息科學版),2004,29(8):694-698.

[13]朱文泉,潘耀忠,何浩,等.中國典型植被最大光利用率模擬[J].科學通報,2006,51(6):700-706.

[14]BRASWELL B,SCHIMEL D,LINDER E,etal.The Response of Global Terrestrial Ecosystems to Interannual Temperature Variability[J].Science,1997,278(278):870-873.

[15]FIELD C B,BEHRENFELD M J,RANDERSON J T,etal.Primary Production of the Biosphere:Integrating Terrestrial and Oceanic Components[J].Science,1998,281(5374):237-240.

[16]朱文泉,潘耀忠,龍中華,等.基于GIS和RS的區域陸地植被NPP估算：以中國內蒙古為例[J].遙感學報,2005,9(3):300-307.

[17]李貴才.基于MODIS數據和光能利用率模型的中國陸地凈初級生產力估算研究[D].北京:中國科學院遙感應用研究所,2004.

[18]顧娟,李新,黃春林,等.2002—2010 年中國陸域植被凈初級生產力模擬[J].蘭州大學學報(自然科學版),2013,49(2):203-213.

[19]FIELD C B,RANDERSON J T,MALMSTR M C M.Global Net Primary Production:Combining Ecology and Remote Sensing[J].Remote Sensing of Environment,1995,51(1):74-88.

[20]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力[J].植物生態學報,2001,25(5):603-608.

[21]張新時.植被的PE(可能蒸散)指標與植被-氣候分類(二)：幾種主要方法與 PEP 程序介紹[J].植物生態學報,1989,13(3):197-207.

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

[23]楊澤元,王文科,黃金廷,等.陜北風沙灘地區生態安全地下水位埋深研究[J].西北農林科技大學學報(自然科學版)，2006,34(8):67-74.

(責任編輯： 許素)

Spatio-Temporal Variation of Net Primary Productivity of Vegetation in Mining Areas of Yuxian and Its Affecting Factors.

WANGXue1,DINGJian-wei2,TANKun1,LIHai-dong3

(1.School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China；2.The Second Surveying and Mapping Institute of Hebei Province, Shijiazhuang 050037, China；3. Nanjing Institute of Environmental Sciences, Ministry of Environmental Protection, Nanjing 210042, China)

Abstract:The government has paid much attention to impacts of mining on the ecological environment of the mine, and a number of studies have been done on damages mining has brought about to vegetation in mining areas. Based on domestic high resolution remote sensing image data in combination with the observation data of the meteorological stations in the region, estimation was performed of net primary productivity (NPP) of the vegetation in the mining area of Yuxian County from 2013 to 2015 with the carnegie ames stanford approach (CASA). Seasonal variation of NPP of the region and changes in land use in July of each of the past three years were analyzed, and correlations between NPP and various climate factors were also analyzed to explore formain factors affecting seasonal variation of the NPP relative to type of the vegetation. Main factors affecting NPP varied with the type of vegetation, and the type of mining activities as well. Analysis of dependence relativity between NPP and climate variables in July of 2013, 2014 and 2015 reveals that precipitation is the main factor affecting NPP in the center and south of the county, where is mining and residential quarters are concentrated, while solar radiation and temperature is the major one in the north of the county, where mountains dominate and are less disturbed by human activities.

Key words:remote sensing;net primary productivity;carnegie ames stanford approach model;ecology of mining areas

作者簡介：王雪(1992—),男,山東濟寧人,碩士生,主要從事遙感數據處理研究。E-mail: wx-cumt@yeah.net

DOI：10.11934/j.issn.1673-4831.2016.02.003

中圖分類號：X826

文獻標志碼：A

文章編號：1673-4831(2016)02-0187-08

通信作者①E-mail: tankun@cumt.edu.cn

基金項目：國家自然科學基金(41471356);國家科技基礎性工作專項(2014FY110800)

收稿日期：2015-11-16