引言

隨著國際生物圈計劃的實施和持續推動，大量有關陸地NPP的野外調查、定位觀測以及模型模擬研究相繼開展，并取得了一系列成果。研究手段從野外生態測量發展為采用3S技術進行模型模擬，數據源從樣地調査發展到遙感數據、非遙感通量觀測數據以及多源數據集成。傳統的站點實測方法，如定點觀測，一般通量塔觀測數據代表了周圍幾公里或十幾公里的生態系統與大氣的碳交換和循環過程，時間分辨率為30min，可以通過換算得到時間尺度為分或者小時的NPP。但野外觀測或者定點觀測的空間分辨率低、觀測效率低下，難以反映生態系統內部的異質性，且在大尺度上難以推廣。因而在大尺度范圍上采用模型模擬NPP成為估算凈初級生產力的有效途徑，而野外觀測數據常作為驗證數據對模型模擬的結果進行檢驗。

目前，估算NPP的模型可分為氣候相關統計模型，生態系統生態過程模型和光能利用率CASA模型等。其中，基于光能利用率的CASA模型在全球、區域或者流域尺度上得到了廣泛的應用，且已有研究多基于MODIS（250-8000m）和TM（30m）數據，但受空間分辨率的限制，難以滿足小尺度上生態系統生態過程和碳循環的研究。因此，基于高分辨率數據尤其是無人機高分辨率航拍遙感數據，采用CASA模型估算小尺度海島紅樹林生態系統凈初級生產力具有重要的意義。海島紅樹林生態系統既是保護海洋環境、維護生態平衡的重要平臺，也是保障國防安全的戰略前沿。由于其獨特的海陸過渡特性，已成為海平面升降和海岸線變遷的重要研究對象，對全球環境、氣候變化具有重要的指示意義。

文接上回，談及了研究區在不同季節的NPP，本周我們將繼續了解不同季節NPP、不同景觀類型NPP，以及討論和總結。

圖1廣西北部灣島群紅樹林生態系統的地理位置

結果與分析

2.1 NPP估算結果

2.1.1 不同季節NPP

由于研究區受到太陽輻射、水文脅迫、溫度、降水以及植被類型等因子的影響，不同季節植被凈初級生產力的空間差異明顯（圖7），四季平均NPP為夏季（6-8月，191.35g?C/m2)>秋季（9-11月，116.55g?C/m2)>春季（3-5月，62.98g?C/m2)>冬季（12-2月，28.94g?C/m2)，4個季節的總碳儲量大小排序為夏季（51.82t?C)>秋季（31.56t?C)>春季（17.06t?C)>冬季（7.84t?C)。具體來說，春季研究區的NPP介于0-241.05g?C/m2之間，隨著北部灣地區溫度的上升，海島的植被進入返青階段，植被開始生長，但由于紅樹林屬于常綠灌木或小喬木的植物群落，冬天葉子不凋零，而龜仙島中的林地大部分是落葉人工林，以木棉樹偏多，冬天落葉后次年春天開始生長，所以該島植被的NPP較低。夏季欽州灣地區的降水量較多，太陽輻射逐漸增強，氣溫大多保持在28~30七之間，這些條件為島群生態系統的植被物質量積累提供了充分的條件，加之夏季紅樹林植物群落尤其是秋茄的光能利用率較強，造成植被NPP值較大。夏季NPP介于0-648.03g?C/m2Z間，NPP>450g?C/m2的區域主要集中在秋茄和桐花樹種群中，而龜仙島的NPP多在350~450g?C/m2之間；隨著秋季的到來，欽州灣地區的太陽輻射減弱、氣溫降低，植被光能利用率減弱，NPP呈現減弱趨勢，其值介于0~452.26gQ/n?之間。具體來說，紅樹林生態系統的NPP多處于240g?C/m2，而龜仙島生態系統的NPP多集中在150g?C/m2以下；冬季由于太陽輻射銳減，欽州灣島群紅樹林生態系統NPP達到最小，其值介于0-110.68gGn2之間。同時NPP受到冬季氣溫影響較強，龜仙島的林木、灌叢和草地在冬季全部凋謝，NPP處于年內最低值狀態，其平均值<80g?C/m2，而紅樹林生態系統大部分處于80-111g?C/m2之間。總體而言，紅樹林島群生態系統各個季節凈初級生產力為夏季>秋季>春季>冬季，多年季節NPP的平均值分別占年內碳儲量的47.86%、29.15%、15.75%和7.24%。

圖2島群紅樹林生態系統不同季節凈初級生產力空間分布

2.1.2 不同島群紅樹林生態系統NPP

由表4可知，不同海島和紅樹林生態系統的NPP總量與其面積呈正比關系，面積越大其碳儲量越大，其中面積最大的紅樹林生態系統NPP總量達到60.94t?C，是龜仙島NPP總量的約1.50倍。平均碳密度最大的是紅樹林生態系統，高達545.556g?C/m2，這主要與紅樹林葉片的光合有效輻射以及光能利用率有關。

表4 不同島群和紅樹林生態系統凈初級生產力統計特征

背風墩海島生態系統的平均碳密度次之，這與背風墩海島的原生植被景觀格局有關，該地區原生植被為亞熱帶林地，植被光能利用率高，其值為535.901g?C/m2，而龜仙島植被平均碳密度最小。

2.2不同景觀類型NPP

由表5可知，不同植被類型的NPP差異明顯。其中，桐花樹的NPP總量最大，占比為44.8%，其次為龜仙島的林地，占28.23%。就平均碳密度而言，白骨壤最高，其次為秋茄、桐花樹、林地、灌木和草地，這與地表植被類型的光能利用率有直接的關系。具體來說，秋茄、桐花樹和白骨壤的碳密度均值處于較高水平，分別達到1123.09、649.65和656.75g?C/m2，高于其他植被類型，主要是欽州灣特殊的河口濕地環境為紅樹林的生長提供了充足的條件，加之紅樹林本身的生物學特性，光能利用率較高，故植被的碳密度較高；其次，林地和灌木的碳密度也比較高，這也與廣西北部灣地區氣候濕潤有利于林木生長有關，而草地的碳密度最低，這與龜仙島大部分人工種植的草地有關，部分人工草地在秋冬大面積枯萎。

表5 不同景觀類型凈初級生產力統計特征

討論

3.1 模型估算不準確性

分析運用CASA模型估算島群紅樹林生態系統所產生的不確定性主要由模型輸入參數的不確定造成。CASA模型中輸入參數的精度問題一直以來是遙感學和生態學中的重點和難點，本文采用無人機數據計算CASA模型中的植被指數，由可見光波譜得到的VDVI植被指數比傳統遙感數據所得的NDVI值偏低，這樣會導致NPP被低估。另外，對于CASA模型所估算的NPP結果的精度問題，常用的方法是通過野外樣地調查，以樣地調查所獲得的生物量為實測數據對NPP估算結果進行驗證。

文章借助于北部灣大學海洋學院的紅樹林樣地調查結果驗證本研究估算的NPP精度，其中，實測樣地采用生長增量一凋落物產量法估算群落的NPP，在測算時通過建立每個樣方內不同物種樹木的年凋落物碳通量和年喬木生物量碳增量之和計算群落NPP。通過對比發現，模型估算值的秋茄的NPP（656.75g?C/m2）小于樣地實測值NPP（885.26g?C/m2）與深圳福田紅樹林秋茄NPP（767.00g?C/m2）（彭聰姣等，2016）。而白骨壤的NPP估算值（1123.09g?C/m2）則大于樣地實測值NPP（892.46g?C/m2）與深圳福田紅樹林白骨壤NPP（875.00g?C/m2），這可能與不同紅樹林群落在無人機航拍光學數據所表現的不同光譜特征有關，而由不同紅樹林群落光譜特征所計算的VDVI指數也存在顯著差異，從而導致不同群落NPP估算結果各異。

表6 不同地區植被凈初級生產力估算結果與本文結果對比

將CASA模型計算的結果與采用相同方法的其他研究結果（表6）進行對比發現，紅樹林生態系統、背風墩島以及龜仙島的NPP碳密度遠高于全國植被NPP碳密度，同時也略高于廟島群島南五島的植被碳密度，但低于深圳紅樹林植被生態系統的碳密度。與各個地區相比，本研究紅樹林植被NPP碳密度的估算結果低于廣東省和廣西壯族自治區，但高于湖南省和云南滇南山區。

由此可知，本研究的島群紅樹林生態系統NPP平均碳密度高于全國平均水平，低于同緯度地區的沿海省份地區，但高于內陸地區省份。為了驗證模型估算的精度問題，采用萊森光學iSpecField地物光譜儀對紅樹林的光譜曲線進行測量，光譜測試的環境條件為晴天，空氣濕度小，微風。光譜測量的時間為T11:00-13:00。由于實地測量秋茄、白骨壤和桐花樹的反射光譜曲線對能量存在差異，因此需要將采集的光譜反射率曲線與參考白板的光譜曲線進行對比矯正。隨后使用采集的不同地物的光譜曲線值計算NDVI，再將其帶入到CASA模型中得出不同地物的NPP，通過光譜曲線計算出的桐花樹、白骨壤以及秋茄不同地物的NPP分別為786.37、1039.26和832.53g?C/m2，其中桐花樹和秋茄的光譜曲線計算結果高于CASA模型估算結果，而白骨壤的光譜曲線計算結果低于CASA模型計算結果。

由NPP的估算結果可知夏季和秋季的NPP較高，而春季和冬季的NPP較低，這與該區域的太陽輻射年內分布有著宜接的聯系。由北部灣地區的太陽輻射氣象數據統計可知，欽州市四季太陽總輻射量夏季（1685.66MJ/m2)>秋季（1442.35MJ/m2)>春季（880.65MJ/m2)>冬季（720.15MJ/m2)，夏季的太陽總輻射值最大，占全年太陽總輻射的32%，而冬季的太陽總輻射值低于其余3季。

3.2基于無人機遙感的NPP

估算應用前景對于海島和紅樹林生態承載能力進行評估時，最重要的參數是海島或島群生態系統的NPP，但由于北部灣海島面積狹小，使用衛星監測無法獲得高精度的植被類型信息，對于尺度更為精細的紅樹林生態系統的群落類型信息則更難獲得，加之北部灣地區多云雨天氣，衛星遙感數據的獲取受到嚴重的影響。而無人機遙感平臺具有高空間分辨率、靈活采樣、飛行高度、觀測角度以及影像的重疊度都比其他傳統衛星更靈活可控等特點，在反演植被信息方面有較好的應用。因此，借助于無人機遙感影像獲取CASA模型的植被指數值得嘗試。

本研究提出了基于無人機植被指數計算NPP方案，首次將CASA模型和無人機衛星遙感數據相結合，采用遙感、地理信息系統和Python語言編程有效地評估了北部灣典型島群紅樹林生態系統的NPP，為凈初級生產力的精細化研究及其快速估算提供了方法學上的經驗。

3.3未來模型改進方向

由于本文的氣象站點偏少，尤其是研究區的太陽輻射數據使用的是國家基本臺站的輻射觀測數據，雖然采用插值方法對氣象數據進行了處理，但也存在誤差，未來除了需要探討更為精細的插值方法外，還需要在附近的海島上建立野外觀測臺站，收集實時的氣象觀測數據，為確保保證模型的精度以及NPP精細化研究提供數據支撐。在植被指數方面，采用2018年3、6、9和12月4個時段的無人機數據進行植被指數計算，規避季節尺度NPP估算所產生的誤差，但這4個時段的無人機數據僅代表4個季度中4個月的植被指數情況，并不能代表全年的變化情況。

另外，無人機圖像獲取過程受光照影響較大，導致不同時期獲取的植被指數光譜特性可能存在差異，因此未來應該保證每個月對海島進行動態航拍和監測，且盡量選擇正午T11:00-13:00晴朗天氣的光照條件進行拍攝，可保證CASA模型中月植被指數的計算需求。此外，植被光能利用率是CASA模型重要的輸入參數，現有的光能利用率模型一般通過環境條件變化對最大光能利用率的脅迫來求取實際光能利用率，而實際的光能利用率還與溫度、植被葉面積指數以及周圍環境有關，未來可借助于便攜式光合作用測定系統來測定不同植被類型的最大光能利用率以實現模型的精確評估。最后，VDVI指數比NDVI指數偏低，未來可利用高分辨率衛星數據和無人機數據作時空數據融合，既可提高空間分辨率也可提高植被指數的取值范圍。

結論

以廣西北部灣典型島群紅樹林生態系統的無人機航拍數據為基礎，借助于ENVI軟件的CART決策樹方法獲取了研究區的景觀格局數據，在Python語言的支持下將CASA模型引入到海島紅樹林生態系統研究中，估算研究區凈初級生產力數據，并探討了研究區凈初級生產力的年內變化、季節變化以及不同植被類型的變化特征，得到的主要結論為：

1)可見光波段差異性植被指數VDVI不僅可以很好地區分海島及紅樹林植被等典型地表覆蓋，也能更好地區分紅樹林、水體和灘涂信息，適合應用于紅樹林島群生態系統凈初級生產力的估算。

2)研究區NPP的年總量為127.09t?C，年NPP的碳密度值介于0~1437.12g?C/m2，年均碳密度為399.85g?C/m20紅樹林生態系統的NPP值較高，而海島生態系統的NPP值較低。

3)NPP碳密度的大小與年內太陽輻射有直接的關系，白骨壤的碳密度最大（1123.09g?C/m2)，而桐花樹最小（649.65g?C/m2)。

4)基于無人機遙感數據的紅樹林生態系統NPP估算結果低于實測樣地結果，這與不同紅樹林群落的植被光譜特征有關。本文構建的方法可為紅樹林生態系統的功能及其健康評價提供數據和技術支撐。

歡迎關注公眾號：萊森光學，了解更多光譜知識。

萊森光學（深圳）有限公司是一家提供光機電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應用系統的研發、生產和銷售。

審核編輯 黃宇