4 期陈静清等 : 中国陆地生态系统总初级生产力 VPM 遥感模型估算 733 估 [15], 在荒漠草原和干旱针叶林则存在明显的高估 [16] 陆地生态系统复杂的空间变异性是区域和全球碳收支计量中的主要挑战, 如何将生态系统尺度观测的碳通量数据与星载测量获取的空间信息有效融合从而实现碳收支时空分布

Transcription

1 第 34 卷 2014 年 7 月 第 4 期 第四纪研究 QUATERNARY SCIENCES Vol.34, No.4 July,2014 doi: /j.issn 文章编号 (2014) 中国陆地生态系统总初级生产力 VPM 遥感模型估算 12 陈静清 1 闫慧敏 1 王绍强 1 高艳妮 黄 1 玫 1 王军邦 (1 中国科学院地理科学与资源研究所, 北京 ;2 中国科学院大学, 北京 ;3DepartmentofMicrobiology andplantbiology,centerforspatialanalysis,universityofoklahoma,norman,ok73019,usa) 3 肖向明 摘要陆地生态系统总初级生产力 (GrossPrimaryProductivity, 简称 GPP) 时空格局及其变化动态的准确监测是区域碳收支研究的核心问题之一, 遥感模型正在为区域碳通量监测提供更为实时 准确的模拟数据 基于中分辨率成像光谱仪 (MODerate resolutionimagingspectroradiometer, 简称 MODIS) 遥感数据和涡度相关碳通量观测数据发展而来的 VPM 模型经过 10 年的努力, 目前已经在全球涵盖 10 类生态系统的 21 个站点上开展模型的校验与验证研究, 为区域 GPP 的准确估算与监测奠定了方法基础 本研究构建了评估 GPP 区域格局的 VPM 模型区域模式, 以空间分辨率 500m 时间步长 8 天的 MODIS 卫星影像数据以及相同时空分辨率的温度与光合有效辐射数据为模型输入数据, 模拟估算我国 2006~2008 年 GPP 及其空间分布格局 VPM 模型模拟的中国陆地生态系统 GPP 年总量平均值为 5 0PgC/a, 其中森林 草地 农田和灌丛生态系统分别占 34%,17%,37% 和 12% 本研究模拟的全国 GPP 总量与多模型模拟的平均结果 (5 40PgC/a) 相当, 但不同模型估算的各类生态系统 GPP 存在较大差异 本研究通过利用遥感数据对 VPM 模型中的关键参数 ( 最大光能利用率 ) 进行参数空间化, 表达同一土地覆被类型内部光能利用率的空间异质性 ; 应用目前我国准确性最为可靠的土地利用与植被数据提取土地覆被数据, 并首次将农业多熟种植作为单独的植被类型引入模型中, 模型参数与输入数据的精度保障了模型模拟结果的可靠性 主题词 VPM 模型总初级生产力最大光能利用率 MODIS 中图分类号 Q148,TP79 文献标识码 A 1 引言 陆地生态系统总初级生产力 (GrosPrimary Productivity, 简称 GPP) 是指在单位面积 单位时间内绿色植被通过光合作用所固定的有机碳量 它是碳素进入生态系统物质循环的开始, 也是表征生物圈与大气圈碳交换通量的主要指标 [1] 同时,GPP 作为食物 纤维和木材生产的基础, 关乎人类的福祉与发展 [2] 因此, 对区域尺度陆地生态系统 GPP 的时空变化进行准确 连续的监测, 能够为陆地碳收支评估和气候变化研究提供基础数据, 并为生态系统管理提供有用信息 [3] 目前, 利用模型估算区域生态系统生产力已成为一种重要而广泛接受的研究方法 [4], 传统的估算模型主要包括地理统计模型 生态过程模型和卫星遥感模型等 但是, 由于各类模型的模拟精度会受到诸如参数化方案 模拟时空分辨率以及输入数据质量等因素的影响 [5], 使 得各种模型模拟的结果会存在较大的差异 涡度相关法是在生态系统尺度连续监测碳通量最为可靠的方法, 并且已经在许多国家和地区开展联网观测 [6,7], 这为碳循环模拟的机理研究 模型构建 验证与评价提供了可靠数据 遥感模型具有模型参数少 驱动变量可由遥感数据直接或反演获得的优势, 适用于区域和全球尺度高时空分辨率的连续动态分析, 是近年来陆地生态系统生产力模型研究的一个重要发展方向 [8], 其中具有代表性的模型有 : CASA 模型 [9] GLO PEM 模型 [10] PSN 模型 [11] [12~14] VPM 模型等 然而, 准确的模拟需要应用通量观测数据在生态系统尺度上对各类生态系统进行充分的验证, 越来越多的研究证明目前对 GPP 的模拟尚存在较大的不确定性 [1], 如 MODISGPP 产品 (MOD17) 由于没有将多熟种植以及 C 4 植物作为一种单独的植被类型导致该类生态区模拟结果有较大程度的低估, 在青藏高原区也存在一定程度的低 第一作者简介 : 陈静清女 26 岁硕士研究生自然资源学专业 E mail:chenjq.11s@igsnr.ac.cn 中国科学院战略性先导科技专项项目 ( 批准号 :XDA ) 和中国科学院重点部署项目 ( 批准号 :KSZD-EW-Z ) 共同资助 收稿, 收修改稿通讯作者 : 闫慧敏土地利用变化与生态系统生产力研究 E mail:yanhm@igsnr.ac.cn

2 4 期陈静清等 : 中国陆地生态系统总初级生产力 VPM 遥感模型估算 733 估 [15], 在荒漠草原和干旱针叶林则存在明显的高估 [16] 陆地生态系统复杂的空间变异性是区域和全球碳收支计量中的主要挑战, 如何将生态系统尺度观测的碳通量数据与星载测量获取的空间信息有效融合从而实现碳收支时空分布的准确模拟是近年来碳循环研究科学家正在努力突破的课题 [4,12,17] VPM(VegetationPhotosynthesisModel) 是一个基于卫星遥感数据和通量观测数据发展起来的光能利用率模型 自 2004 年模型建立以来, 目前已经在 21 个站点涵盖 10 类生态系统上开展模型的校验与验证研究, 其中包括我国海北高寒灌丛和高寒湿地 [18] 内蒙古温带半干旱草原 [19] 长白山针阔混交林 [20,21] 禹城通量站冬小麦 - 夏玉米轮作农田 [22] [23] 通榆农田 ( 玉米 ) 站等典型生态系统类型, 且表现出良好的模拟能力 因此, 在目前生态系统尺度发展而来的模型结构与参数集基础上, 进一步发展 VPM 模型的区域模式将会为认识陆地生态系统碳循环的时空动态形成机制以及推进我国陆地生态系统碳收支的准确估算提供新的模型方法与数据参考 本研究基于 VPM 模型的站点模式, 研究模型参数的空间化和多熟种植农田的模拟方法, 开发 VPM 模型的区域模式, 应用空间分辨率 500m 时间步长 8 天的 MODIS 数据模拟中国陆地生态系统 GPP 建立在中国区域得到较为充分验证的 GPP 模型, 并改善光能利用率模型对 C 4 作物以及多熟农业区的明显低估问题, 为实现准确 可靠 空间表述清晰的陆地生态系统生产力遥感监测提供新的方法, 为建立我国陆地生态系统碳收支计量系统奠定基础 2 模型结构与发展 2 1 VPM 模型原理 VPM 模型基于叶片和冠层可分为叶绿素部分 (Chlorophyl) 和非光合部分 (NPV) 这一概念, 将植被冠层吸收光合有效辐射的比例分为叶绿素吸收部分 (FPAR chl ) 和非光合植被吸收部分 (FPAR NPV ), 只有前者用于光合作用 [12,13] 因此,VPM 模型可简单表示为 : GPP=ε g FPAR chl PAR (1) ε g =ε 0 T scalar W scalar P scalar (2) 公式 (1) 和 (2) 中, PAR(Photosyntheticaly ActiveRadiation, 简称 PAR) 是光合有效辐射 (μmol Photon/m 2 s),fpar chl 表示被植被光合部分吸收的 光合有效辐射比例,ε g 表示光能利用率 (μmol CO 2 /μmolpar),ε 0 表示表观量子效率或最大光能利用率 (μmolco 2 /μmolpar), T scalar, W scalar 和 P scalar 分别表示温度 水分和叶物候期对最大光能利用率的调节系数 在 VPM 模型中,FPAR chl 被近似用增强型植被指数 (EnhancedVegetationIndex, 简称 EVI) 的线性函数来表达 : FPAR chl =a EVI (3) 公式 (3) 中,a 为经验系数, 在目前的版本中取值为 1 [12,13] T scalar 表征温度对光合作用的影响, 采用陆地生态系统模型 (TerestrialEcosystem Model, 简称 TEM) 的算法 [24] : (T-T min )(T-T max ) T scalar = (T-T min )(T-T max )-(T-T opt ) (4) 2 公式 (4) 中,T min,t max 和 T opt 分别是植被进行光合作用时的最低 最高和最适温度 当空气温度小于最低光合温度时,T scalar 设为 0 W scalar 表征水分对光合作用的影响, 在 VPM 模型中, 使用对水分敏感的陆地表面水分指数 (Land SurfaceWaterIndex, 简称 LSWI) 进行计算 植被水分因子的计算公式为 : W scalar = 1+LSWI 1+LSWI max (5) 公式 (5) 中,LSWI max 为单个像元内植被生长季最大的 LSWI P scalar 表征叶龄对冠层尺度上光合作用的影响 P scalar 的计算方法取决于叶片寿命的长短, 对于叶片寿命为 1 年即经历出芽 舒展 枯萎和凋落过程的植被 ( 落叶林 玉米 ), 分为两个阶段计算, 在叶片出现到充分舒展阶段计算公式为 : P scalar = 1+LSWI (6) 2 叶片舒展后,P scalar =1 0 将树叶保持几个生长季, 冠层由不同叶龄的叶片组成的植被 ( 常绿针叶林等 ) 及在整个生长季中不断有新叶长出的植被 ( 苔原 草地 小麦等 ) 的 P scalar 设为 模型在各类生态系统的发展与验证 VPM 模型是基于通量数据和 MODIS 数据建立和发展起来的 自 2004 年第一次在美国缅因州 Howland 常绿针叶林通量站点验证了模型的结构与

3 734 第四纪研究 2014 年 理论后, 陆续在美国 中国 非洲等不同区域的森林 草地 农田等典型生态系统上开展了模型的发展与验证研究工作 ( 表 1) 目前 VPM 模型能够模拟常绿针叶林 落叶阔叶林 热带常绿森林 混交林 温带草原 多熟制农田 高寒草甸 高寒湿地 高寒灌丛 热带稀树草原等生态系统 GPP 的季节动态和年际变化, 并形成了一套适宜于区域模拟的模型参数 3 中国陆地生态系统 GPP 模拟 3 1 模型输入数据 MODIS 植被指数数据模型运行所需的植被指数 EVI 和 LSWI 是由 MODIS 陆地产品第 5 版数据集中的地表反射率产品 (htp: ladsweb.nascom.nasa.gov/, 空间分辨率 500m, 时间分辨率 8 天 ) 计算得到的, 计算公式为 [26,27] : 表 1 通量站点上 VPM 模型的模拟结果与观测值的比较 Table1 ComparisonsofthepredictedGPPbyVPM modelandobservedgppatfluxsites 站点名称生态系统类型纬度经度模拟年份 实测值 /gc m -2 a -1 模拟值 /gc m -2 a -1 文献 GPP 来源 obs(1~12) GPP GPP obs( 生长季 ) pred(1~12) GPP pred( 生长季 ) HowlandForest (maintower) 常绿针叶林 N W HarvardForest 落叶阔叶林 N W [12] Xilinhotgrassland 温带半干旱草原 N E 2003~ [19] [13] Changbaishan 混交林 N E Changbaishan 混交林 N E Yucheng 农田 ( 冬小麦夏玉米 ) N E 小麦生长季 玉米生长季 小麦生长季 玉米生长季 BT(alpinemeadowsite) 高寒草甸 N E (4 月 12 月 ) SD(alpineswampsite) 高寒湿地 N E GCT(alpineshrubsite) 高寒灌丛 N E Maun 稀树草原 S E 1999~ ~ ~ Mongu 稀树草原 S E 2008~ A Roustation 高寒草甸 N E 2008~ Yingkestation 农田 ( 玉米 ) N E 2008~ Tongyucropland 农田 ( 玉米 ) N E Tongyugrassland 退化草地 N E [21] [20] [22] [18] [25] [17] [23] GPP obs 和 GPP pred 的下角标 (1~12) 代表从 1 月到 12 月的 GPP 观测值 ; 表示 MODIS 数据开始于 2000 年 2 月 26 日, 站点数据也从此日开始

4 ４期 陈静清等 中国陆地生态系统总初级生产力 ＶＰＭ 遥感模型估算 Ｇ ρｎ ρｄ ＥＶＩ ７ ρｎ Ｃ１ ρｄ Ｃ２ ρｂｕ Ｌ ρｎ ρｗ ＬＳＷＩ ρｎ ρｗ ８ 其 中 Ｇ ２ ５ Ｃ１ ６ Ｃ２ ７ ５ Ｌ １ ρｎ ρｄ ρｂｕ和 ρｗ分 别 表 示 近 红 外 波 段 红 波 段 蓝 波段和短波红外波段的地表反射率 ３ １ ２ 温度和 ＰＡＲ数据 ７３５ ３ １ ３ 土地覆被数据 土地覆被数 据 是 以 基 于 ３ ０ｍ空 间 分 辨 率 的 ＴＭ 影像开发的中国 １ｋｍ土地利用数据 ２９ 为基础 融合 １ ００ ０ ０ ０ ０中国植被图 ３０ １ ０ ００ ００ ０中国草地资源!１!１ 图 ３１ 以及农田多熟种植分布图 ３２ 得到的 图 １ ３ ２ 模型植被水分与物候因子遥感提取 计算 植 被 水 分 因 子 时 需 要 用 到 生 长 季 最 大 温度数据是利用国家气象局气象观测站记录的 ＬＳＷＩ ＬＳＷＩ 同时 ＬＳＷＩ ｍｘ ｍｘ出现的时间被用来表 ２００６ ２００８年逐日均 气 温 该 数 据 来 自 于 中 国 气 象 征叶片充分舒展的时间 用于物候 因子计 算公 式的 科学数据共 享 服 务 网 ２００６ ２００８年 地 面 气 候 资 料 确定 对于多熟农田生态系统 首 先要提 取各 季作 日值数据集 采用 ＡＮＵＳＰＬＩ ＮＥ气象插值软件 基 物的 生 长 起 止 时 间 据 此 提 取 各 季 作 物 的 ＬＳＷＩ ｍｘ 于空间分辨率为 ９０ｍ 的 ＤＥＭ 栅格 数据插 值而 成 的 及 ＬＳＷＩ ｍｘ出 现 的 时 间 农 业 多 熟 种 植 及 作 物 历 提 时间分辨率为 ８天 空 间 分 辨 率 为 ５００ｍ 的 平 均 气 取方法在 文 献 ３３ ３５ 中 有 详 细 论 述 在 提 取 多 熟 种 温栅格数据集 植和作物 生 长 季 信 息 过 程 中 记 录 的 各 生 长 季 ＥＶＩ Ｓ１Ｂ数据结合 ＭＯＤＩ Ｓ地表反射率产 利用 ＭＯＤＩ 最大值 ＥＶＩ 及其出现的时间还被用于计算 ε０ ｍｘ 品和双向反射模型 ＢＲＤＦｍ ｄ 参数产品 通过检 索辐射传输模型计算出的查找表来反演得到 ＰＡＲ数 ３ ３ 模型参数 据 ２８ 结 果 以 ＨＤＦ格 式 存 储 为 Ｄ Ｄ ｕ ＰＡＲ ３ ３ １ 生态系统水平最大光能利用率 ε０ Ｄ Ｄ ＰＡＲ和 Ｄ Ｒ ｄ ｎｐａｒ 文 件 空 间 分 各种生态 系 统 类 型 ε０ 值 由 涡 度 通 量 塔 站 点 观 辨率 １ｋｍ 时间 分 辨 率 １６天 模 型 所 用 ８天 合 成 测 到 的 净 生 态 系 统 交 换 Ｎ Ｅ ｍ Ｅｘ ｈ ｎｇ 的 ＰＡＲ 由 散 射 辐 射 中 的 光 合 有 效 辐 射 简称 ＮＥＥ 和 ＰＡＲ数 据 计 算 获 得 ３６ 为 了 估 计 不 Ｄ ｕ ＰＡＲ 与 直 射 辐 射 中 的 光 合 有 效 辐 射 Ｄ 同植被类型 在 生 态 系 统 水 平 上 的 ε０ 值 通 常 由 植 Ｄ ＰＡＲＤ 加和并乘以８得到 Ｄ 被生长最旺盛时期 ７ ８月 内 １０天 的 数 据 用 米 式 图 １ 中国土地覆被图 Ｆ ｇ １ Ｔｈ ｎｄ ｖ ｍ ｐ Ｃｈ ｎ

5 736 第四纪研究 2014 年 表 2 不同站点利用米氏方程拟合的 ε 0 (μmolco 2 /μmolpar) 及站点所在栅格的 EVI max Table2 ε 0 (μmolco 2 /μmolpar)calculatedfrom Michaelis Mentenfunctionofdiferentsites andevi max valuesofthegridswherethesesiteslocated 站点 植被类型 纬度 经度 拟合时间 ε 0 文献来源 EVI max DYK(Dayekou) 常绿针叶林 N E [3] 0.59 CW(Changwu) 落叶阔叶林 N E [3] 0.53 MY(Miyun) 落叶阔叶林 N E [3] 0.59 CBS(Changbaishan) 混交林 N E [20] 0.64 CBS(Changbaishan) 混交林 N E [20] 0.72 CBS(Changbaishan) 混交林 N E [20] 0.6 CBS(Changbaishan) 混交林 N E [21] 0.72 GCT(alpineshrubsite) 高寒灌丛 N E ~8 月 [18] 0.45 SD(alpineswampsite) 高寒湿地 N E ~8 月 [18] 0.54 BT(alpinemeadowsite) 高寒草甸 N E ~8 月 [18] 0.52 NMG(Neimenggu) 温带半干旱草原 N E ~9 月 [19] 0.29 NMG(Neimenggu) 温带半干旱草原 N E ~9 月 [19] 0.33 NMG(Neimenggu) 温带半干旱草原 N E ~9 月 [19] 0.3 YZ(Yuzhong) 典型草原 N E [3] 0.23 DW(EastUjimuqin) 典型草原 N E ~9 月 [37] 0.34 DW(EastUjimuqin) 典型草原 N E ~9 月 [37] 0.34 DS(Dongsu) 荒漠草原 N E [3] 0.32 NM(Naiman) 荒漠草原 N E [3] 0.51 ZY(Zhangye) 草原荒漠 N E [3] 0.42 TYG(TongyuGrass) 退化的草甸草原 N E [3] 0.49 TY(Tongyu) 退化的草甸草原 N E ~9 月 [23] 0.45 AR(A rou) 亚高山草甸草原 N E [3] 0.63 DX(Damxung) 高寒草甸 N E ~10 月 [38] 0.33 DX(Damxung) 高寒草甸 N E [39] 0.21 DX(Damxung) 高寒草甸 N E [39] 0.15 DX(Damxung) 高寒草甸 N E [39] 0.17 DX(Damxung) 农田 ( 小麦 ) N E [3] 0.29 JZ(Jinzhou) 农田 ( 玉米 ) N E [3] 0.67 YK(Yingke) 农田 ( 玉米 ) N E [3] 0.26 TYC(TongyuCrop) 农田 ( 向日葵 ) N E [3] 0.49 YC(Yucheng) 小麦 N E [22] 0.47 YC(Yucheng) 玉米 N E [22] 0.81 TY(Tongyu) 玉米 N E 月 [23] 0.47 最大光能利用率 ε 0 (μmolco 2 /μmolpar) 均采用米氏方程拟合得到 方程 (Michaelis Mentenfunction) 计算求得 : NEE= α PPFD GEE max α PPFD +GEE max -RE (9) 公式 (9) 中,α 是最大光能利用率或显在量子产量 ( 随着 PPFD 接近于 0),PPFD 是光合量子通量密度,GEE max 是最大的生态系统总交换量,RE 是生态系统呼吸 其中的 α 值是 VPM 模型中需要的 ε 0 值 有研究证明,ε 0 与 EVI max 存在较强的正相关关系 [3] 本研究从已发表文献中收集了多个站点利用 Michaelis Menten 方程拟合的最大光能利用率 ( 表 2), 并与各站点所在栅格的 EVI max 进行拟合确定各栅格单元的 ε 0 ( 图 2) T min,t max 和 T opt 用来估计温度限制函数 T scalar 的 T min,t max 和 T opt 图 2 ε 0 和 EVI max 的正相关关系及拟合方程 Fig 2 Thepositiverelationshipofε 0 andevi max withfitedequation

6 4 期陈静清等 : 中国陆地生态系统总初级生产力 VPM 遥感模型估算 737 表 3 不同各植被类型 VPM 模型的 T min,t max 和 T opt 值 Table3 T min,t max andt opt valueofdiferentvegetation typesusedinvpm model 植被类型 T min T max T opt 文献来源 常绿针叶林 [13] 常绿阔叶林 [14] 落叶针叶林 落叶阔叶林 [12] 混交林 [20] 灌木 [18] 农田 (C 4 作物 ) [22] 农田 (C 3 作物 ) [22] 草地 [19] 高寒草原 [18] 高寒草甸 [18] 已发表文献中未发现 VPM 模型在落叶针叶林上的应用, 因此本文中采用的是通量站点的拟合值 也被称作绿色植物进行光合作用的 三基点 温度 ; 三基点 温度值来源于相关参考文献 ( 表 3) 4 模拟结果 2006~2008 年我国陆地生态系统 GPP 总量分别为 4 96PgC/a,5 16PgC/a 和 4 87PgC/a, 平均为 5 0PgC/a 森林 草地 农田和灌丛生态系统 3 年的平均 GPP 总量分别为 1.70PgC/a, 0.83PgC/a,1 85PgC/a 和 0 59PgC/a, 分别占全国的 34%,17%,37% 和 12%( 图 3) 在研究时段内, 森林生态系统的 GPP 平均值相对较高, 其中常绿阔叶林最高, 为 1203gC/m 2 /a, 而分布在高纬度地区的落叶针叶林仅为 650gC/m 2 /a; 农田生态系统的 GPP 平均值为 1000gC/m 2 /a, 其中一熟制 二熟制和三熟制农田分别为 543gC/m 2 /a, 1154 gc/m 2 /a 和 1212gC/m 2 /a; 草地生态系统的 GPP 平均值较低, 仅为 180gC/m 2 /a, 其中高寒草原和高寒草甸分别为 50gC/m 2 /a 和 192gC/m 2 /a, 其他类型的草地为 210gC/m 2 /a 全国 GPP 呈由东南沿海向西北内陆逐渐递减的空间格局 ( 图 4),GPP 高值区主要位于东南沿海地区的福建省 广东省 海南省 广西东北部以及台湾东部地区, 这些地区受海洋性季风的影响最强, 水热条件充足, 自然植被类型以常绿阔叶林为主, 故植被生产力最高,GPP 高于 1000gC/m 2 /a 其次是华北地区, 这一地区的植被类型以冬小麦 - 夏玉米的两熟农田为主,GPP 高于 500gC/m 2 /a; 在以落叶阔叶林 针阔混交林等森林植被为主的大小兴安岭 长白山和秦岭地区,GPP 范围为 400~ 800gC/m 2 /a GPP 低值区主要集中在西北内陆 此地区属于大陆性气候, 降水稀少 夏季高温干旱 自然植被稀疏,GPP 不足 100gC/m 2 /a 5 讨论与结论 本研究发展的 VPM 模型区域模式集成了过去 10 年来基于碳通量观测站发展的生态系统尺度的模型结构与参数, 将农业多熟种植信息作为一种单独的覆被类型对其时空格局及其生态参数进行刻画, 通过生长季 EVI 最大值与最大光能利用率之间的强相关性实现模型参数 ε 0 空间化, 以 MODIS 原始遥感观测数据处理得到的空间分辨率 500m 时间步长 8 天的数据集和气象观测温度数据驱动模型, 估算了 2006~2008 年中国陆地生态系统的 GPP 模型估算的 2006~2008 年我国陆地生态系统 GPP 的年总量分别为 4 96PgC/a, 5 16PgC/a 和 4 87PgC/a 全国森林 草地 灌丛和农田生态系 图 ~2008 年我国不同植被类型的 GPP 总量和 GPP 平均值 Fig 3 EstimationsoftotalannualGPPamountandaveragedannualGPPunderdiferentvegetationtypesofChinafrom2006to2008

7 ７３８ 第 四 纪 研 究 ２０１４年 图 ４ ２００６ ２００８年中国陆地生态系统 ＧＰＰ平均值 Ｆ ｇ ４ Ｓｐ ｄ ｂｕ ｎ ｍ ｎ ｎｎｕ ＧＰＰ ｎｃｈ ｎ ｍｂ ｗ ｎ２００６ ｎｄ２００８ 图 ５ 本研究 ＭＯＤ１７查找表以及文献资料中中国主要陆地生态系统最大光能利用率的比较 文献中的最大光能利用率均为通量数据采取 Ｍ ｈ Ｍ ｎ ｎ方程进行表观量子拟合得到的 资料来自文献 ３ １２ １４ １８ ２３ ３７ ４０ 文献资料中未找到落叶针叶林的最大光能利用率 ＭＯＤ１７算法查找表中缺乏常绿阔叶林 高寒草地和高寒草甸的最大光能利用率 Ｆ ｇ ５ Ｃ ｍｐ ｎ ｍ ｘ ｍｕｍ ｇ ｈｕ ｎ ｍ ｎ ｍ ｎｃｈ ｎｄ ｖ ｄ ｍ ｈ ｕｄ ＭＯＤ１７ ｋ ｕｐ ｂ ｎｄ ｄｖ ｕ ｕｘｄ ｎ ｕ 统 ＧＰＰ年 总 量 的 ３年 平 均 值 分 别 为 １ ７０ＰｇＣ 为与其他 同 类 模 型 的 最 大 光 能 利 用 率 进 行 对 ０ ８３ＰｇＣ １ ８５ＰｇＣ 和 ０ ５９ＰｇＣ ＧＰＰ在 比 本文利用 ＥＶＩ ｍｘ计算得 到 的 最 大 光 能 利 用 率 按 空间上呈 现 由 东 南 沿 海 向 西 北 内 陆 逐 渐 减 小 的 格 生态系统类型进行统计 得到各生 态系统 的平 均值 局 ＧＰＰ按照由大到 小 的 顺 序 依 次 为 常 绿 阔 叶 林 本研究 ε０ 同时收集 了 以 往 研 究 中 利 用 通 量 观 落叶阔 叶 林 混 交 林 三 熟 农 田 二 熟 农 田 一 熟 农田 常绿针叶林 灌丛 落叶针叶林 草地 高寒 测数据经米氏方程拟合得到的中国区域各生态系统 类型最大光能利用率 文献 ε０ 以及 ＭＯＤ１７算法 草甸和高寒草原 查找 表 中 相 应 生 态 系 统 类 型 的 最 大 光 能 利 用 率

8 4 期陈静清等 : 中国陆地生态系统总初级生产力 VPM 遥感模型估算 739 (MOD17-ε 0 )( 图 5) 通过比较发现 : 本研究估算的 ε 0 在各生态系统上的平均值, 在农田 落叶阔叶林和灌丛上远高于 MOD17-ε 0, 而在草地生态系统上则略低于后者, 在落叶针叶林上两者相差很小 ; 但是较 MOD17-ε 0 更接近通量观测的值 在黄淮海多熟区农田生态系统, 第二季作物 ε 0 的平均值远高于第一季作物 ε 0 的平均值, 这说明该方法能够体现出 C 3 和 C 4 作物的最大光能利用率差异 自 20 世纪 90 年代起, 一系列生态系统过程模型和遥感模型被用于中国陆地生态系统生产力估算 ( 表 4), 但由于不同模型的结构参数 研究时段 输入数据各不相同, 研究结果间彼此差异很大 综合不同研究者的研究结果得到的我国陆地生态系统年均 GPP 为 5 94±1 97PgC/a 2006~2008 年 MODISGPP 产品的年总量分别为 5 41PgC/a, 5 39PgC/a 和 5 40PgC/a, 平均值为 5 4PgC/a, 相比之下 VPM 区域模式模拟结果低 7% 不同方法中对中国陆地生态系统同一植被类型 GPP 的估算结果有较大差别 ( 表 5) 对常绿阔叶林的估计最高值可达 1972gC/m 2 /a, 而最低值仅为 1122gC/m 2 /a; 其他林地类型的模拟结果间相差较小, 常绿针叶林 落叶针叶林 落叶阔叶林和混交林的变化范围分别为 710~1106gC/m 2 /a,650~ 996gC/m 2 /a,902~1286gc/m 2 /a 和 1034~1338 gc/m 2 /a 之间, 其中 VPM 区域模式对落叶针叶林的估算结果较其他模型偏低 不同研究者对灌丛 GPP 的估算也存在较大差异, 最低值为 405gC/m 2 /a, 仅为最高值的 1/3, 这可能是由于不同研究采用的植被类型图灌丛种类与分布的差异造成的 农田生态系统 GPP 的估算结果分布在 724~ 1168gC/m 2 /a 之间, 以往的模型没有将多数种植作为一种单独的土地覆被类型进行模拟,VPM 区域 表 4 本文和已发表相关研究估算的中国陆地生态系统 GPP Table4 EstimationofGPPovertheterestrialecosystems inchinainthisstudyandpreviousstudies 模型 GPP/PgC a -1 研究时段参考文献 TEM ~1996 [41] CASA [42] RSM [43] CEVSA 5.78~ ~1998 [44] BEPS [45] BEPS 5.26~ ~2010 [5] EC LUE 5.63~ ~2009 [1] GEOPRO [46] CEVSA 6.26~ ~2000 [46] CASA 5.14~ ~2003 [46] GLOPEM 5.52~ ~2000 [46] GEOLUE ~2004 [46] CASA 2.66~ ~1999 [47] RevisedCASA 5.32~ ~1993 [48] AVIM ~2000 [49] MOD ~2008 htp: VPM ~2008 本研究 平均 5.94±1.97 当文献中无 GPP 模拟结果时, 用 NPP 乘以 2 来代替 模式估算的二熟和三熟区 GPP 位于其他多个模型的估算结果区间的上限, 分别比其他模型的平均值高 28% 和 35% 以往的全国 GPP 模型中没有考虑草地生态系统内部的异质性, 所用植被类型图通常将草地作为一种土地覆被类型, 然而不同类型草地差距很大 ;VPM 区域模式将草地生态系统区分为 3 种土地覆被类型, 包括典型草原以及分布于青藏高原地区的高寒草原和草甸, 模拟的草地生态系统 GPP 值位于多种模型模拟的 GPP 区间下限, 而高寒草原和高寒草甸的模拟结果仅为其他模型结果的一半, 与其他模型结果一致的是高寒草原 GPP 仅 表 5 本文 GPP 估算结果与已发表相关研究结果在不同植被类型上的比较 (GPP 单位 :gc/m 2 /a) Table5 ComparisonofestimatedGPPamongdiferentvegetationtypesinthisstudyandpreviousstudies(gC/m 2 /a) 模型 常绿针叶林 常绿阔叶林 落叶针叶林 落叶阔叶林 混交林 灌丛 典型草原 高寒草原 高寒草甸 农田 参考文献 VPM 本研究 EC LUE [1] BEPS [45] BEPS [5] CASA [46] GLOPEM [46] RevisedCASA [48] CASA [50] TEM [51] 当文献中无 GPP 模拟结果时, 用 NPP 乘以 2 来代替

9 740 第四纪研究 2014 年 是高寒草甸的 1/4 至 1/3 由于 VPM 模型在多个生态系统类型进行了充分的验证, 其区域模式估算的各典型生态系统最大光能利用率参数值更接近由通量观测数据拟合的结果 但是, 尽管本研究估算的全国 GPP 总量与多模型模拟的平均结果相当, 事实上多个光能利用率模型估算的各类生态系统 GPP 仍存在很大的差异, 全国总量估算结果不仅受到模型对各类生态系统模拟准确性的影响, 还会受到模型所用土地覆盖数据差异的影响, 尤其是对于应用查找表法进行各类生态系统参数值确定的模型,Landcover 的精确度对 GPP 的模拟结果影响更大 为了降低以往应用查找表法进行参数空间化使得同一土地覆被类型模型参数为同一值而产生的误差, 本研究根据 EVI max 与最大光能利用率的相关关系进行模型参数的空间化, 该方法更能够体现同一土地覆被类型内部光能利用率的空间异质性 尽管本研究中应用目前所能获取的准确性最为可靠的 1: 土地利用与 植被数据提取土地覆被数据, 且首次将农业多熟种植作为单独的植被类型输入至模型中, 模型输入数据的精度保障了模型模拟结果的可靠性, 未来的研究仍应通过模型模拟试验定量分析不同的参数化方案和土地覆被输入数据如何影响着模型模拟结果的准确性, 进而为我国陆地生态系统碳收支评估提供更为科学可靠的方法和数据支持 参考文献 (References) 1 LiXianglan,LiangShunlin,YuGuiruietal.Estimationofgross primary production over the terestrial ecosystems in China. EcologicalModeling,2013,261~262:80~92 2 BeerC,ReichsteinM,TomeleriE etal.terestrialgrosscarbon dioxideuptake: Globaldistributionandcovariationwith climate. Science,2010,329(5993):843~838 3 WangHesong,JiaGensuo,FuCongbinetal.Derivingmaximal lightuseeficiencyfrom coordinatedfluxmeasurementsandsatelite dataforregionalgrossprimaryproductionmodeling.remotesensing ofenvironment,2010,114(10):2248~ 朱文泉, 陈云浩, 徐丹等. 陆地植被净初级生产力计算模型研究进展. 生态学杂志,2005,24(3):296~300 ZhuWenquan,ChenYunhao,XuDanetal.Advancesinterestrial netprimaryproductivity(npp) estimationmodels.chinesejournal ofecology,2005,24(3):296~300 5 LiuYibo,JuWeimin,HeHonglinetal.Changesofnetprimary productivityinchinaduringrecent11yearsusingan ecological modeldrivenbymodisdata.frontierofearthsciences,2013,7 (1):112~127 6 BaldocchiD,FalgeE,GuLetal.FLUXNET:Anewtooltostudy the temporal and spatial variability of ecosystem scale carbon dioxide, watervapor, and energyfluxdensities.buletin ofthe AmericanMeteorologicalSociety,2001,82(11):2415~ 于贵瑞, 孙晓敏. 陆地生态系统通量观测的原理与方法. 北京 : 高等教育出版社, ~49 YuGuirui,SunXiaomin.PrinciplesofFluxMeasurementinTerestrial Ecosystems.Beijing:HigherEducationPres, ~49 8 YuanWenping,LiuShuguang,ZhouGuangshengetal.Derivinga lightuse eficiency modelfrom eddy covariance flux data for predictingdailygrosprimaryproductionacrosbiomes.agricultural andforestmeteorology,2007,143(3~4):189~207 9 PoterCS,RandersonJT,FieldC B etal.terestrialecosystem production:a processmodelbasedonglobalsateliteandsurface data.globalbiogeochemicalcycles,1993,7(4):811~ PrinceSD,Goward S N.Globalprimaryproduction: A remote sensingapproach.journalofbiogeography,1995,22(4~5): 815~ RunningSW,NemaniR R, Heinsch F A etal.a continuous satelite derivedmeasure ofglobalterestrialprimary production. Bioscience,2004,54(6):547~ XiaoXiangming,ZhangQingyuan,BraswelBetal.Modelinggross primaryproduction oftemperatedeciduousbroadleafforestusing sateliteimagesandclimatedata.remotesensingofenvironment, 2004,91(2):256~ XiaoXiangming,HolingerD,AberJetal.Satelite basedmodeling ofgrosprimaryproductioninanevergreenneedleleafforest.remote SensingofEnvironment,2004,89(4):519~ XiaoXiangming,ZhangQingyuan,SaleskaSetal.Satelite based modelingofgrosprimaryproductioninaseasonalymoisttropical evergreenforest.remotesensingofenvironment,2005,94(1): 105~ ZhangYongqiang, Yu Qiang, Jiang Jie et al. Calibration of Tera/MODISgrossprimaryproductionoveranirigatedcroplandon thenorthchinaplainandanalpinemeadowonthetibetanplateau. GlobalChangeBiology,2008,14(4):757~ TurnerDP,RitsW D,CohenW Betal.Site levelevaluationof satelite basedglobalterestrialgrossprimaryproduction and net primaryproductionmonitoring.globalchangebiology,2005,11 (4):666~ WangXufeng,Ma Mingguo, Huang Guanghuietal.Vegetation primaryproductionestimationatmaizeandalpinemeadowoverthe HeiheRiverbasin,China.InternationalJournalofAppliedEarth ObservationandGeoinformation,2012,17:94~ LiZhengquan,YuGuirui,XiaoXiangmingetal.Modelinggross primaryproductionofalpineecosystemsinthetibetanplateauusing MODISimagesandclimatedata.RemoteSensingofEnvironment, 2007,107(3):510~ 伍卫星, 王绍强, 肖向明等. 利用 MODIS 影像和气候数据模拟中国内蒙古温带草原生态系统总初级生产力. 中国科学 (D 辑 ),2008,38(8):993~1004 WuWeixing,WangShaoqiang,XiaoXiangmingetal.Modeling grosprimaryproductionofatemperategrasslandecosystemininner Mongolia,China,usingMODISimageryandclimatedata.Sciencein China(SeriesD),2008,51(10):1501~ WuJB,XiaoXM,GuanDXetal.Estimationofthegrosprimary production ofan old growth temperate mixed forestusing eddy covariance and remote sensing.internationaljournalofremote Sensing,2009,30(2):463~479

10 4 期陈静清等 : 中国陆地生态系统总初级生产力 VPM 遥感模型估算 ZhangJunhui,Hu Yanling, Xiao Xiangming etal.satelite based estimationofevapotranspirationofanold growthtemperatemixedforest. AgriculturalandForestMeteorology,2009,149(6):976~ YanHuimin, Fu Yuling, XiaoXiangmingetal.Modelinggross primaryproductivityforwinterwheat maizedoublecroppingsystem usingmodistimeseriesandco 2 eddyfluxtowerdata.agriculture, Ecosystems& Environment,2009,129(4):391~ WangZheng, Xiao Xiangming, Yan Xiaodong.Modeling gross primaryproduction ofmaizecropland and degraded grassland in NortheasternChina.AgriculturalandForestMeteorology,2010,150 (9):1160~ RaichJW,RasteterEB,MeliloJM etal.potentialnetprimary productivity in South America: Application ofa globalmodel. EcologicalApplications,1991,1(4):399~ JinCui,XiaoXiangming,MerboldL etal.phenologyandgross primaryproductionoftwodominantsavannawoodlandecosystemsin SouthernAfrica.RemoteSensingofEnvironment,2013,135:189~ HueteAR,LiuH Q,BatchilyKetal.Acomparisonofvegetation indicesglobalsetoftm imagesforeos MODIS.RemoteSensingof Environment,1997,59(3):440~ XiaoX,BolesS,FrolkingSetal.Observationoffloodingandrice transplantingofpaddyricefieldsatthesitetolandscapescalesin ChinausingVEGETATION sensordata.internationaljournalof RemoteSensing,2002,23(15):3009~ LiuRonggao,LiangShunlin,HeHonglinetal.Mappingincident photosyntheticalyactiveradiation from MODIS dataoverchina. RemoteSensingofEnvironment,2008,112(3):998~ 刘纪远, 邵全琴, 延晓东等. 土地利用变化对全球气候影响的研究进展与方法初探. 地球科学进展,2011,26(10):1015~1022 LiuJiyuan,ShaoQuanqin,YanXiaodongetal.Anoverview ofthe progresandresearchframeworkontheefectsoflandusechangeupon globalclimate.advancesinearthscience,2011,26(10):1015~ 中国科学院中国植被图编辑委员会. 中国植被数据集 ( ). 北京 : 地质出版社,2007 EditorialCommiteeofVegetationMapofChina.VegetationMapof People srepublicofchina( ).beijing:thegeological PublishingHouse, 中国草地资源图编制委员会 中国草地资源图图集. 北京 : 中国地图出版社,1993 Editorial Commitee of Grassland Resource Map of China ( ).Grassland ResourceMap ofpeople srepublicof China( ).Beijing:SinomapPress, YanHuimin, Xiao Xiangming, Huang Heqing etal.multiple cropping intensity in China derived from agro meteorological observationsandmodisdata.chinesegeographicalscience,2013, 24(2):205~ 闫慧敏, 刘纪远, 曹明奎. 近 20 年中国耕地复种指数的时空变化. 地理学报,2005,60(4):559~566 YanHuimin,LiuJiyuan,CaoMingkui.Remotelysensedmultiple croppingindex variations in China during 1981~ 2000.Acta GeographicaSinica,2005,60(4):559~ 闫慧敏, 黄河清, 肖向明等. 鄱阳湖农业区多熟种植时空格局特征遥感分析. 生态学报,2008,28(9):4517~4523 YanHuimin,HuangHeqing,XiaoXiangmingetal.Spatio temporal distributionofmultiplecroppingsystemsinthepoyanglakeregion. ActaEcologicaSinica,2008,28(9):4517~ 闫慧敏, 肖向明, 黄河清. 黄淮海多熟种植农业区作物历遥感检测与时空特征. 生态学报,2010,30(9):2416~2423 YanHuimin,XiaoXiangming,HuangHeqing.Sateliteobserved crop calendarand itsspatio temporalcharacteristicsin multiple croppingarea ofhuang Huai HaiPlain.Acta Ecologica Sinica, 2010,30(9):2416~ GouldenM L,DaubeBC,FanSM etal.physiologicalresponsesof ablackspruceforesttoweather.journalofgeophysicalresearch, 1997,102(D24):28987~ LiuJianfeng,SunOsbertJianxin,JinHongmeietal.Applicationof tworemotesensinggpp algorithmsatasemiaridgraslandsiteof NorthChina.JournalofPlantEcology,2011,4(4):302~ 徐玲玲, 张宪洲, 石培礼等. 青藏高原高寒草甸生态系统表观量子产额和表观最大光合速率的确定. 中国科学 (D 辑 ), 2004,34( 增刊 Ⅱ):125~130 Xu Lingling, Zhang Xianzhou, ShiPeilietal.The apparent quantum yieldandtheapparentmaximum photosyntheticrateinthe alpinemeadow ontibetplateau.sciencein China (SeriesD), 2004,34(Suppl.Ⅱ):125~ FuGang,Shen Zhenxi, Zhang Xianzhou etal.modeling gross primaryproductivityofalpinemeadowinthenortherntibetplateau byusingmodisimagesandclimatedata.actaecologicasinica, 2010,30(5):264~ 朱旭东. 基于光能利用率模型的中国陆地生态系统初级生产力模拟. 北京 : 中国科学院地理科学与资源研究所硕士论文, ~73 ZhuXudong.ModelingofGrossPrimaryProductivityin China s TerestrialEcosystemBasedonLightUseEficiencyModel.Beijing: TheMaster sthesisofinstituteofgeographicalsciencesandnatural ResourceResearch,ChineseAcademyofSciences,2010.1~73 41 XiaoXiangming,MeliloJM,KicklighterD W etal.netprimary productionofterestrialecosystemsin Chinaand itsequilibrium responsetochangesinclimateandatmosphericco 2 concentration. ActaPhytoecologicaSinica,1998,22(2):97~ 朴世龙, 方精云, 郭庆华. 利用 CASA 模型估算我国植被净第一性生产力. 植物生态学报,2001,25(5):603~608 PiaoShilong,FangJingyun,GuoQinghua.ApplicationofCASA model to the estimation of Chinese terestrial net primary productivity.actaphytoecologicasinica,25(5):603~ 陈利军, 刘高焕, 冯险峰. 运用遥感估算中国陆地植被净第一性生产力. 植物学报,2001,43(11):1191~1198 ChenLijun,LiuGaohuan,FengXianfeng.Estimationofnetprimary productivityofterestrialvegetationinchinabyremotesensing.acta BotanicaSinica,2001,43(11):1191~ TaoBo,LiKerang,ShaoXuemeietal.Thetemporalandspatial paternsofterestrialnetprimaryproductivityinchina.journalof GeographicalSciences,2003,13(2):163~ FengX,LiuG,ChenJM etal.netprimaryproductivityofchina s terestrialecosystemsfrom aprocesmodeldrivenbyremotesensing. JournalofEnvironmentalManagement,2007,85(3):563~ GaoZhiqiang,LiuJiyuan.SimulationstudyofChina snetprimary production.chinesesciencebuletin,2008,53(3):434~ PiaoShilong, Fang Jingyun, Zhou Liming etal. Changes in vegetationnetprimaryproductivityfrom 1982to1999inChina. GlobalBiogeochemicalCycles,2005,19(2):GB 朱文泉, 潘耀忠, 张锦水. 中国陆地植被净初级生产力遥感估

11 742 第四纪研究 2014 年 算. 植物生态学报,2007,31(3):413~424 ZhuWenquan,PanYaozhong,ZhangJinshui.Estimation ofnet primaryproductivityofchineseterestrialvegetationbasedonremote sensing.journalofplantecology,2007,31(3):413~ 黄玫. 中国陆地生态系统水 能通量和碳循环模拟. 北京 : 中国科学院博士论文,2006.1~69 HuangMei.China sterestrialecosystemonwater,energyfluxesand carboncyclesimulation.beijing:thedissertationforph.ddegree ofchineseacademyofsciences,2006.1~69 50 张镱锂, 祁威, 周才平等. 青藏高原高寒草地净初级生产力 (NPP) 时空分异. 地理学报,2013,68(9):1197~1211 ZhangYili, QiWei, Zhou Caipingetal.Spatialand temporal variabilityinthenetprimaryproduction(npp) ofalpinegrasland ontibetanplateaufrom 1982to2009.ActaGeographicaSinica, 2013,68(9):1197~ 周才平, 欧阳华, 王勤学等. 青藏高原主要生态系统净初级生产力的估算. 地理学报,2004,59(1):74~79 ZhouCaiping,OuyangHua,WangQinxueetal.Estimationofnet primaryproductivityintibetanplateau.actageographicasinica, 2004,59(1):74~79 ESTIMATION OFGROSSPRIMARY PRODUCTIVITY IN CHINESE TERRESTRIALECOSYSTEMSBY USING VPM MODEL ChenJingqing 12 YanHuimin 1 WangShaoqiang 1 GaoYanni 1 HuangMei 1 WangJunbang 1 XiaoXiangming 3 (1InstituteofGeographicSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing ;2 UniversityofChineseAcademyof Sciences,Beijing100049;3DepartmentofMicrobiologyandPlantBiology,CenterforSpatialAnalysis,UniversityofOklahoma,Norman,OK 73019,USA) Abstract Remotesensingmodelprovidesmorereal timeandmoreaccuratesimulationdataforregionalcarbonflux observing.accuratesimulationneedssuficientvalidationsofeveryecosystem attheecosystem scalebyusingflux observationdata.moreandmorestudieshaveshownthatcurentgrosprimaryproductivity(gpp)simulationstil hasgreatuncertainty,forexample,modisgppproduct(mod17) doesn ttakemultiplecroppingandc 4 plantas separatevegetationtypes,therefore,thesimulationresultsofsuchecologicalzoneshavelargeunderestimation. VPM modelhasbeendevelopedbasedonmodisdataandfluxobservationdata.after10yearsofefort,a seriesofstudiesonmodelcalibrationandvalidationhasbeencariedoutin21sitescoveringtentypesoftypical ecosystemsthroughouttheworld,includinghaibeialpineshrubandalpinewetland,temperatesemi aridgrasslands ofinnermongolia,thechangbaimountainconifer,winterwheat maizerotationcroplandofyuchengfluxstation andtongyucropland(corn) station,whichhaveshowngoodsimulationcapabilitiesandlaidascientificbasisfor theestimationofregionalgpp. Inthisstudy, webuild thevpm modelforregionalpatern evaluation ofgrosprimaryproductivityin terestrialecosystems.thenweestimatethespatialpaternandtemporalvariationofgppinchinaduring2006~ 2008usingMODIS data, rasterized temperatureand photosyntheticalyactiveradiation (PAR) datawith a resolutionof500m at8 dayintervalsasinputdata.thetotalannualgpp ofchina sterestrialecosystemsis 5 0PgC/aduringtheperiodof2006~2008.Forests,grasland,croplandandshrubaccountfor34%,17%, 37%,and12%,respectively.ThesevegetationtypescanbearangedbyGPP valuesindescendingorderas folows:evergreenbroadleafforest,deciduousbroadleafforest,mixedforest,triple croppingcropland,double croppingcropland,single croppingcropland,evergreenneedleleafforest,shrub,deciduousneedleleafforest, grasland,alpinemeadowandalpinegrasland.thetotalannualgppofchinaestimatedinthisstudyiscloseto theaverageofestimationresultsofotherremotesensingmodels(5 40PgC/a).Therearegreatdiscrepancies amongestimationresultsofvariousecosystemsbydiferentlightuseeficiencymodels.inthisstudy,remotesensing dataisusedforthespatializationofthemaximumlightuseeficiencyinordertodescribethespatialheterogeneityof lightuseeficiencywithinthesamelandcovertype.inthisstudy,thelandcoverdataisextractedfrom most reliablelanduseandvegetationtypedataatpresent,andmultiplecroppingisinputintothemodelasaseparate vegetationtype,thustheaccuracyofinputdataensuresthereliabilityofestimationresultsofvpm model. Keywords VPM,GrosPrimaryProductivity,maximum lightuseeficiency,modis