张 强，徐京华，梁 磊，李 平，马炅妤

（1.西南交通大学地球科学和环境工程学院，四川 成都611756；2.四川省第二测绘地理信息工程院，四川成都610100）

净初级生产力（Net Primary Productivity， NPP） 是绿色植物在单位时间和单位面积上所能生产的有机干物质总量[1]，它反映了植物对自然环境资源的利用能力，是生物地球化学碳循环的关键环节。随着科学技术及遥感技术的发展，利用遥感手段估算NPP的技术也得到同步发展。CASA模型就是众多估算NPP模型中应用比较广泛的一种。

CASA（Carnegie-Ames-Stanford Approach）模型是一种光能利用率模型，可以估算全球尺度的NPP[2]。Field（1995）对CASA模型进行了扩展[3]。随后，CASA模型在国内得到了广泛应用和发展，在区域适应性和参数简化上做了很多重要改进，促进了CASA模型的应用。

CASA模型既适用于全国尺度，也适应于区域尺度，模型可被应用于青藏高原、长江流域、黑河流域等[4-6]。模型输入数据的精度会影响到估算结果，数据精度越高则模型估算结果的误差越小[7]。由于模型自身存在的参数问题和精度问题，我国学者对改进的CASA模型做了进一步改进[8]，将区域蒸发计算模型引入CASA模型，使用不同的最大光能利用率参数等，改进后的模型减少了输入参数。此外，改进后的CASA模型也适用于我国干旱区域。根据不同类型研究区域的特殊自然环境对CASA模型进行适当改进，可以使模型的估算结果更加准确[9]。

黑河流域位于我国西北干旱区域，灌溉是农作物生长所需水分的主要来源，而不是天然降水。根据区域蒸发计算模型的推导过程可以知道[10]，在干旱地区的黑河流域中游，可以用天然降水量与灌溉量的总和作为降雨量。因此，本文选取黑河中游地区为研究区，进一步改进CASA模型并估算农作物NPP，尝试分析加入灌溉因素对结果造成的影响，期望可以使改进的模型获得精度更高的数据，为以NPP为基础的其他科学研究提供理论基础。

1 研究地区概况与CASA模型

黑河流域是我国西北地区第二大内陆流域，位于河西走廊中部。中游地区位于我国甘肃省境内，主要包括张掖市、酒泉市、嘉峪关市、玉门市以及民乐县、山丹县、临泽县、高台县、肃南县、金塔县。中游地区相较上游地势较为平坦，平均海拔在1 000～2 000 m之间，日照时间长，光热资源充足，干旱严重。中游区域年降雨量在50～250 mm之间，且分布不均匀，表现为东多西少；蒸发量在1 900～2 310 mm之间，且分布不均，表现为东少西多[11,12]。

图1 黑河流域中游示意图

1.1 研究方法

CASA模型整体上可用下式表示，详细过程见参考文献[2,3]：

式中，NPP表示植被净初级生产力；SQL表示地面太阳总辐射；FPAR表示光合有效辐射吸收比例；T1和T2表示温度胁迫因子；W表示水分胁迫因子；εmax表示最大光能利用率，本文研究区为耕地，采用的值为0.542 gC/MJ[13]。其中，水分胁迫因子W的计算是模型研究热点和难点，计算起来比较复杂。

此外，考虑到黑河中游的实际情况，在模型中添加灌溉因素，并研究其对结果的影响程度。总体流程如图2所示。

图2 研究路线图

NPP0表示不考虑灌溉因素估算的结果；NPP1表示考虑灌溉因素后的估算结果，MODIS-NPP数据来自美国NASA官网，作为验证参考数据。

1.2 灌溉量的估算方法

内陆河流域农业基本为灌溉农业，天然降水量稀少，灌溉是作物生长所需水分主要来源。由于技术水平、数据等多方面原因，本文仅对灌溉数据进行较为粗略的估算。

根据“甘肃省灌区水利普查成果及农业用水分析研究”文中表1[14]，经过单位换算后，甘肃省2011年耕地平均每年灌溉净用水量724.5mm，排除11、12、1、2四个月份，平均每月灌溉量90.6 mm，张掖市平均每月93 mm，酒泉市平均每月净灌溉量131 mm。由于农民的灌溉习惯相对稳定，灌溉量会受到降水量等因素的影响而在一定区间浮动，故本文估算的每月平均灌溉量为90 mm。

1.3 数据来源与处理

模型所需要的数据包括遥感影像数据、气象统计数据、模型中需要的其他参数以及估算的灌溉数据等。

NDVI数据从美国国家航空航天局（NASA）官网下载。时间范围是2012-01-01～2012-12-31，共24期，空间分辨率是250 m。然后利用最大值合成法（MVC）合成为12期月产品数据，经过投影、裁剪等操作得到黑河流域中游区域数据。气象数据来自中国气象数据共享网的地面气象月产品数据，主要包括月平均气温、月总降雨、月总太阳辐射、日照百分比数据。适用于模型的气温、降雨数据采用气象数据专用插值方法薄盘光滑样条插值法得到，此方法中的协变量是高程数据，而辐射数据采用克里金插值方法得到；2012年的土地利用/土地覆盖数据来源于TM影像解译结果，由TM影像通过监督分类方法得到，本文只提取了黑河中游的耕地信息；DEM数据是从空间地理信息数据云网站下载，空间分辨率为30 m，重采样为250 m空间分辨率；其他数据从文献获得。

2 NPP估算结果与分析

2.1 模型估算结果

利用改进的CASA模型估算2012年黑河流域中游农作物种植区的NPP，计算结果如图3所示。

图3 NPP0与考虑灌溉因素后的增长百分比

图3a为不考虑灌溉因素的NPP，以下记作NPP0，单位是gC/m2a-1；图3b是考虑灌溉因素的NPP，以下记作NPP1。由图3可知，西北方向的值比较低，东南方向的值比较大，流域中游地区的植被初级生产力从西北向东南方向递增，可能是因为东南方向地处流域的中上游，水量比较充足，所以农作物的长势较好。而西北方向地处中下游，水量比较少，尤其是近年来由于环境退化、土壤盐渍化等，使得农作物的生长受到更大压力，长势不太好。综合比较两幅图可以看出，图3b的值整体上较图3a大。

另一方面可以看出，考虑灌溉因素之后，所估算值的变化幅度减小，NPP的值更加稳定，如图4所示。

图4 NPP0与考虑灌溉因素后的增长百分比

图中 的柱状图表示不考虑灌溉因素的NPP，散点图表示考虑灌溉因素后的增长百分比，它是由NPP1与NPP0之差再除以NPP0得到。从中可以看出，考虑灌溉因素后，玉门市、金塔县、嘉峪关市、酒泉市等地的结果得到显著提高，提高38%以上，而从地理位置上看，这4个市县位于中游的西部，靠近黑河流域下游，降雨、灌溉等水量都比较少。再向中上游，台南、肃南、临泽、张掖等四市(县)的结果提高了28～38%。靠近上游的山丹与民乐，降雨量大、灌溉充足，NPP仅增加了10～15%。因此，考虑灌溉因素后，对靠近下游区域的结果影响更大。根据各地市的降雨量分布特征可以得出，降雨量越少的区域，越有必要考虑灌溉因素。

2.2 结果验证

分别求取各个县区内CASA模型数据和MODISNPP数据的平均值，再用NPP0与NPP1分别与验证数据MODIS-NPP数据求相关系数，得到表1。

表1 CASA模型与MODIS-NPP数据对比/gC/m2a-1

由此分别计算出三组相关系数：NPP0与MODISNPP数据的相关系数为0.66； NPP1与MODIS-NPP数据的相关系数是0.81，因此NPP1的结果要好于NPP0的结果。此外， NPP0与NPP1的相关系数是0.96。由此得出，在干旱区域的灌溉农业区域使用CASA模型，如果考虑灌溉因素，能够改善CASA模型，提高模型估算结果的精确度。

3 结 语

本研究从实际需求出发，对模型进行修改，并把灌溉因子纳入模型之中，综合利用RS和GIS等技术进行空间数据处理技术，以黑河流域中游耕地区域为基础进行实验，得到了如下结论：

1）加入灌溉因素后的CASA模型可以更好地模拟我国西北地区干旱区农作物植被的NPP；

2）在干旱区域的农作物种植区域，考虑灌溉因素以后，CASA模型的估算值更稳定，但是不同地区的变化依然存在差异，这可能与当地的气候条件有关；

3）在空间尺度上，降雨量越小、越干旱的地区，灌溉因素对估算结果的影响越大，说明在灌溉农作物区域，在改进的模型中加入灌溉因素具有重要意义。