黑龍江省東部森林NPP變化及未來演化模擬*

叢喜東，李琳，梁素鈺，刁云飛，劉丹

(1.黑龍江省生態研究所，黑龍江 哈爾濱 150081；2.黑龍江省生態研究所森林生態與林業生態工程重點實驗室，黑龍江 哈爾濱 150081；3.黑龍江牡丹江森林生態系統國家定位觀測研究站，黑龍江 牡丹江 157500；4.黑龍江省氣象科學研究所，黑龍江 哈爾濱 150030)

森林生態系統是最大的陸地生態系統，森林植被凈初級生產力(net primary productivity，NPP)是植被活力的關鍵表征變量[1-2]，對于研究森林生態系統碳收支、生態系統服務功能及其對全球變化的響應具有重要意義。國內外開展了大量的森林NPP研究，主要研究方向包括時空變化特征，如嚴俊霞等[3]利用光能利用率模型模擬了吉林省陸地生態系統NPP，并分析其時空變化特征；孫金珂等[4]采用變化斜率法分析了多種陸地生態系統NPP的空間分布格局。NPP的估算方法，如以Thornthwaite Memorial模型[5]、周廣勝-張新時模型[6]等為代表的氣候生產力模型，以CASA(Carnegie-Ames-Stanford Approach)模型[7]、BEPS(Boreal Ecosystem Productivity Simulator)模型[8]等為代表的生物地球化學模型。驅動因子，如張鳳英等[9]、劉文瑞等[10]、李蕓等[11]分別研究了氣候變化對長江流域、黑龍江省伊春市、吉林省的森林植被NPP的影響。隨著觀測手段和研究方法的不斷進步，NPP的測量精度得到了一定的提高，但區域NPP的測量精度始終受限于森林生態系統本身復雜性的影響，目前還無法提出統一有效的解決方式。黑龍江省東部包括小興安嶺、長白山北部山區和三江平原，森林是我國主要糧食產區——三江平原的重要的生態屏障，了解該地森林NPP的過去和未來演化趨勢，對于準確評價森林生態系統對三江平原的生態保護功能至關重要。本研究以黑龍江省東部森林生態系統為研究對象，采用周廣勝-張新時NPP模擬模型，通過模擬過去(2000—2022年)和未來(2023—2030年)森林NPP的時空變化特征，評價研究區森林NPP的未來發展趨勢，為當地森林資源保護提供參考。

1 研究方法

1.1 研究區概況

黑龍江省東部地區地處43.42°～49.44°N、127.62°～135.08°E，包括伊春、佳木斯、牡丹江等7個市，總面積16.97×104km2；北部和東部與俄羅斯接壤，界河分別是黑龍江和烏蘇里江。研究區地勢西部和南部高、東北部低，海拔在28～1 620 m之間，三江平原位于研究區中東部，研究區西部為小興安嶺，南部為長白山北部山區；研究區平均氣溫-0.09～5.85 ℃，年降水量490.72～652.79 mm；境內植被森林主要分布在西部的小興安嶺和長白山北部山區，耕地主要分布在東部的三江平原。

1.2 數據來源

1.2.1 遙感數據

本研究基于MODIS的MCD12Q1數據產品(土地類型覆蓋產品)提取森林分布范圍，該數據來源于美國NASA LPDAAC(The Land Processes Distributed Active Archive Center)EOS數據中心[12]，空間分辨率為500 m，是基于當年Terra和Aqua星數據進行的土地利用分類產品，產品包含5種不同土地覆蓋分類方案的分類結果和對應的質量信息數據集，本研究選用“IGBP全球植被分類方案”的分類結果，并將常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、稠密灌叢、稀疏灌叢合并為森林。

1.2.2 氣象數據

利用氣象數據計算研究區森林NPP，包括觀測數據和模式數據，其中觀測數據來源于2000—2022年黑龍江省東部地區的32個氣象臺站的逐日觀測資料，包括日平均氣溫和日降水量，實測的資料由于受臺站遷移等因素的影響，會影響數據的均一性，因此本研究參照《地面氣象觀測資料質量控制》(QX/T 118—2010)，對資料做均一性檢查和質量控制；模式數據使用美國宇航局地球交易所全球每日降尺度預測數據集(NEX-GDDP-CMIP6)[13]，該數據集已經過偏差校正，空間分辨率為25 km，包含4個SSP排放情景，本研究選用SSP2-4.5和SSP5-8.5排放情景模擬研究區森林NPP，時間范圍為2000—2030年，并將數據重采樣到空間分辨率為500 m。

1.2.3 地理信息數據

選用SRTM地形產品V4.1版本數據作為數字高程模型(DEM)，數據來源于中國科學院計算機網絡信息中心國際科學數據鏡像網站[14]，空間分辨率為90 m，本研究將數據重采樣到空間分辨率為500 m。

1.3 研究方法

1.3.1 森林NPP模擬

本研究利用周廣勝-張新時模型[6]估算森林NPP，該模型基于植被CO2通量方程和水汽通量方程，建立年際尺度上的水分利用效率與大氣干燥度之間的關系，并結合實際觀測數據而建立。模型被Zhang[15]用于植被生產力模擬取得滿意效果，在模擬扎龍濕地植被生產力的結果也得到了驗證[16]。

RDI=(c+dPER-ePER2)2

式中：NPP為植被凈第一性生產力〔tDM/(hm2·a)〕；a、b、c、d、e、f為系數，本研究中a=9.87，b=6.25，c=0.629，d=0.237，e=0.003 13，f=58.931；PDI為輻射干燥度；PER為可能蒸散率；PET為年可能蒸散量(mm)；BT為年平均生物溫度(℃)；r為年降水量(mm)；t為小于30 ℃且大于0 ℃的日均溫；T為小于30 ℃且大于0 ℃的月均溫。

1.3.2 模式數據篩選

采用Taylor綜合評分指數(Taylor skill score)[17]評估各模式在模擬研究區氣溫和降水量的表現(表1)，時間范圍為2015—2020年，指數公式如下。

表1 CMIP6模式在黑龍江省東部地區的Taylor綜合評分指數Tab.1 Taylor comprehensive scoring index of CMIP6 model in eastern Heilongjiang Province

式中：δm為模式標準差，δ為觀測標準差，R為觀測與模式的相關系數，R為觀測與模式的相關系數的最大值。S的范圍在0～1之間，S越大代表模式模擬效果越好。由表1可知，氣溫模擬是BCC-CSM2-MR模式表現最好，降水模擬是CMCC-CM2-SR5模式表現最好。

1.3.3 氣象數據柵格化

因歷史氣象數據來自于站點觀測，空間代表性較差，為更準確模擬森林NPP的空間分布，本研究利用ANUSPLIN軟件包[18]對研究區氣溫數據進行柵格化處理，該軟件包使用薄板平滑樣條函數，通過統計和診斷數據標準誤差的分布，實現對噪聲多變量數據進行透明分析和插值。該軟件包目前已被廣泛使用在與氣溫柵格化相關的研究中[19-22]。本研究應用ANUSPLIN軟件包的Partial thin plate smoothing splines[23]方法，將經度和緯度作為自變量，海拔作為協變量，利用SPLINA和LAPGRD模塊，生成每月空間分辨率為500 m×500 m的地面氣溫柵格數據。并利用ANUSPIN日志文件中的Signal來判斷模型是否可用，如果所選模型不適合用于插值[18]，Signal中以*符號標出，本研究所有插值所用模型的Signal無*符號。

2 結果與分析

2.1 森林NPP時間變化

分析圖1可見，2020—2030年研究區森林NPP平均為557.90 gC/(m2·a)，過去(2020—2022年)和未來(2023—2030年)NPP均無顯著的變化趨勢(P>0.05)。分別時間段分析可見，過去的森林NPP介于428.10～657.85 gC/(m2·a)之間，平均值為(550.70±39.72)gC/(m2·a)；在不同碳排放情景下，未來NPP存在差異，SSP2-4.5情景下NPP在516.63～609.75 gC/(m2·a)，平均值為(565.07±19.16)gC/(m2·a)；在SSP2-8.5情景下，NPP在531.47～597.69 gC/(m2·a)，平均值為(571.44±24.40)gC/(m2·a)。

圖1 2000—2030年黑龍江省東部地區森林NPP時間變化

2.2 森林NPP空間分布特征

2.2.1 像元級分布特征

小興安嶺中部、長白山北部山區的西北部和東南部的NPP較高，主要在570.00～628.23 gC/(m2·a)區間；小興安嶺西北部和南部、長白山北部山區的西南部的NPP相對較低，主要在500.00～462.81 gC/(m2·a)區間。在SSP2-4.5情景下研究區域的NPP有所增加，其中增加最明顯的區域為長白山北部山區的西南部區域，而減少最明顯的區域在長白山北部山區的東南部區域；在SSP2-8.5情景下大部分區域的NPP也表現出增加的趨勢(圖2-b)，其增加和減少最明顯的區域與SSP2-4.5情景基本相同，不同的是在小興安嶺東部地區SSP2-8.5情景下NPP減少區域明顯大于SSP2-4.5情景。

圖2 黑龍江省東部森林NPP頻數分布、未來NPP與歷史NPP對比的頻數分布

進一步分析不同時間NPP頻數的分布情況可見，歷史(圖2-a)和未來不同情景(圖2-b、圖2-c)均近似高斯分布，歷史NPP的平均值略低于未來情景下的NPP，SSP2-8.5情景下的NPP平均值較SSP2-4.5情景下高，同時，未來情景下NPP分布的集中程度高于歷史NPP，其中SSP2-8.5情景下的NPP最高。將不同未來情景下NPP與歷史NPP進行對比，分析NPP差值的分布情況可見(圖2-d、圖2-e)，SSP2-8.5情景下的NPP的平均值和集中度均高于SSP2-8.5情景。

2.2.2 NPP空間分異特征

本研究利用標準差橢圓法，從全局和空間的角度定量解釋NPP分布的中心性、展布性、方向性和空間形態特征(圖3)。方法是統計10 km×10 km網格點內NPP平均值，再基于ARCGIS 10.0平臺計算研究區NPP的標準差橢圓。

圖3 黑龍江省東部2000—2030年森林NPP分布標準差橢圓Fig.3 The standard deviation ellipse of forest NPP distribution from 2000 to 2030 in eastern Heilongjiang Province

分別歷史和未來的森林NPP空間分布特征可見，(1)分異方向，未來森林NPP空間分布的方位角有減小趨勢，2000—2022年、SSP2-4.5和SSP2-8.5情境下方位角分別為72.08°、71.19°和71.49°，既未來NPP的主導方向有進一步向東北-西南方向偏移；(2)空間分布中心，NPP空間分布中心與森林分布地理中心(130.29°E、46.37°N)的平均距離為45.71 km，未來NPP空間分布中心有向北移動的趨勢，平均移動距離為2.56 km；(3)空間分布范圍，過去森林NPP橢圓的空間分布范圍為14.90 km2，未來橢圓范圍擴大了0.25 km2，說明未來森林NPP分布更為分散；(4)軸比(axial ratio)是極化橢圓的長軸與短軸的比值，過去森林NPP橢圓的軸比為1.24，未來軸比平均增加了0.02，說明森林NPP有進一步向東北-西南方向集中的趨勢。

3 討論與結論

3.1 討論

東北地區森林主要分布在大、小興安嶺和長白山區，本研究包括了小興安嶺和長白山北部區域，以溫帶落葉闊葉林和針闊混交林為主，本研究根據氣候生產力模型模擬研究區森林NPP平均值介于428.10～657.85 gC/(m2·a)之間，這一結果與通過其他模型估算的結果基本一致，例如陳智等[24]利用MODIS數據估算小興安嶺森林NPP在300～500 gC/(m2·a)，長白山區森林NPP大于500 gC/(m2·a)；吳玉蓮等[25]利用BIOME-BGC模型模擬長白山區闊葉紅松林NPP在473.28～703.44 gC/(m2·a)；趙國帥等[26]GLOPEM-CEVSA 模型模擬東北地區森林NPP的范圍在451～722 gC/(m2·a)之間。

氣候變化對森林植被NPP產生重要影響，本研究基于CMIP6氣候模式模擬森林植被NPP的未來演化趨勢發現，2023—2030年間森林NPP存在增加趨勢，這與很多研究結果一致[27-29]，原因與北半球高緯度地區的氣溫升高、生長季延長、凍土退化、氮沉降增加等多因素協同作用有關。但人類社會仍然要借助現代科技手段，在保護森林生態系統的基礎上，合理開發利用森林資源，發展綠色產業，加強受損森林修復，積極引導社會力量參與森林保護與修復工作，形成政府、企業、社會共同參與的格局，更好地實現森林生態系統的可持續發展。

本研究將CMIP6數據同化入氣候生產力模型，模擬了研究區過去(2000—2022年)和未來(2023—2030年)不同碳排放情景下的森林NPP，在模型輸入數據的處理過程中，利用Taylor綜合評分指數篩選未來氣候模式數據、利用ANUSPLIN軟件包將站點觀測數據柵格化，提高了地形復雜山區數據的模擬精度，這些方法的組合在山地植被NPP模擬過程中具有一定的創新性。

由于受到試驗條件和野外觀測困難等因素的限制，本研究模擬的NPP數值缺乏實地觀測數據的驗證，研究結果只能與已有相近的研究結果進行比較，使得模型模擬結果無法得到確切的驗證。另外，雖然本研究將氣象觀測站的氣溫數據進行了柵格化，但仍無法準確反映坡向、坡位等微立地條件氣溫的變化，因此NPP模擬值與實測值會產生偏差，這在今后的工作中將作為重點開展研究。

3.2 結論

基于氣象觀測和未來情景模擬、遙感、地理信息等數據，分析過去(2000—2022年)和未來(2023—2030年)黑龍江省東部森林NPP的時空演化特征，具體結論如下。

(1)2020—2022年黑龍江省東部地區森林NPP平均為(550.70±39.72)gC/(m2·a)，無顯著變化趨勢，與之相比，在SSP2-4.5情景和SSP2-8.5情景下，2023—2030年NPP均有小幅上升，其中在SSP2-8.5情景下NPP上升幅度相對較大。

(2)小興安嶺中部、長白山北部山區的西北部和東南部的NPP較高，主要在570.00～628.23 gC/(m2·a)區間。未來情景下大部分區域的NPP有所增加，只有南部山地的東南部區域NPP存在減小的趨勢。

(3)未來情景下NPP空間分布的主導方向有進一步向東北-西南方向偏移的趨勢，空間分布中心可能向北偏移2.56 km。

未來情景下研究區森林NPP總體有增加趨勢，但仍然要注意森林生態系統的保護和合理利用，維持森林生態系統的健康和可持續發展。