基于BEPS模型的塞罕坝植被净初级生产力时空变化分析研究

摘要：

叶面积指数(leaf area index,LAI)是北部生态系统生产力模拟模型(boreal ecosystem productivity simulator,BEPS)的关键驱动数据,获取高精度LAI对区域森林生态系统碳循环十分重要,然而当前大多研究采用的MODIS LAI产品缺乏可信度.为此,基于LAI动态模型、PROSAIL辐射传输模型和层状贝叶斯网络(Hierarchical Bayesian Network,HBN)构建数据同化系统,获得空间分辨率为 20 m的LAI数据,驱动BEPS模型,模拟塞罕坝机械林场 2011-2021 年的植被净初级生产力(Net Primary Productivity,NPP),并对NPP时空变化特征及影响因子进行分析.结果表明,基于贝叶斯同化方法获得的高分辨率LAI数据极大提高了MODIS LAI产品的精度;基于同化后的LAI数据驱动BEPS模型获取模拟森林NPP,与样地实测数据计算NPP间相关性较高(R2=0.77);2011-2021 年塞罕坝机械林场植被NPP平均值为 307.4 g/(m2·a),森林NPP呈现平稳增长趋势;不同植被类型模拟NPP存在较大差异,针叶林、落叶林及混交林模拟NPP分别为 484.9、402.4、287.9 g/(m2·a);植被NPP与温度因子相关性较高,偏相关系数为 0.2～0.8,而植被NPP与降水量的相关性总体而言相对较低,其偏相关系数为-0.3～0.4,在该地区降水量对植被NPP的影响较低,温度为该地区NPP变化的主导因子.研究结果可获取高空间分辨率的LAI数据,为森林生态系统碳循环的精准时空模拟提供依据.

关键词：塞罕坝、叶面积指数、BEPS模型、植被净初级生产力

所属期刊栏目：40

分类号：S718.55(林业基础科学)

资助基金：国家自然科学基金31971654

在线出版日期：2024-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：74-84