IPCC(Intergovernmental Panel on Climate Change)的研究报告(https://www.ipcc-wg1.unibe.ch/index.html)指出，大气中二氧化碳(CO₂)的浓度从工业革命前1705年的278mL/m³增加到了2011年的391mL/m³，增加了40%。CO₂浓度的持续升高致使全球平均气温不断提升，继而引发了一系列气候和环境问题，对人类的生存和发展产生了重要影响，碳循环研究引起了全球科学家和各国政府的强烈关注。陆地生态系统是全球碳循环的重要组成部分，也是大气CO₂进入陆地圈的主要平台，且最易受到气候变化和人类活动的强烈干扰。如果生态系统固定的碳量大于排放的碳量，认为该生态系统为大气CO₂的汇，简称碳汇，反之，则为碳源^[1]。国外植被碳汇相关问题的研究始于1960年代，由国际科学联合会(International Council of Scientific Unions，ICSU)发起的国际生物学计划(International Biological Programme，IBP)标志着全球陆地森林生态系统碳蓄存研究的开始。此后，欧洲和美国分别开展了大量区域生态系统的碳平衡与全球碳循环的研究。国内相关研究则直到1970年代后期才陆续展开，主要以借鉴国外较为成熟的理论和方法为主，并结合中国的实际情况，改良了相关的估测模型。纵观国内外植被碳汇研究，主要集中在以下两方面：①利用土地利用和资源清查数据，估算国家或地区的碳收支情况^{[2, 3]}。②采用各种模型的模拟结果来估算全球或区域的植被碳汇^{[4, 5, 6]}。整体而言，从研究对象看，大多数已有研究都是针对森林生态系统开展^[7]，其他土地利用类型(如农田和草原)尽管也是陆地生态系统碳汇的重要组成部分，但相关研究较少；且已有针对区域的碳汇研究仅分析了区域内单一的植被类型^[5]，缺少对于整个生态系统的综合性研究。从研究内容看，现有研究较少能反映植被碳汇的空间分布，只能从总量上确定生态系统是否为碳汇，无法在空间上加以区分^[8]，使得研究的实用性大大降低。从研究尺度看，多集中于较小的区域尺度，或以省区为单元^[9]，鲜见大尺度上的自然地理区研究。从研究方法看，虽然已有部分研究应用遥感和地理信息系统(GIS)技术并提出了区域估算模型^{[1, 9]}，但综合型、简便、快速、准确提取碳汇空间分布的方法还远未成熟。

干旱区约占地球陆地面积的30%左右，其生态系统的植被碳汇在全球的碳平衡中具有重要的地位。中国西北干旱区深居内陆，严酷的气候环境导致生态系统生产能力普遍低下，系统自我调控能力较低，生态系统表现出极端的敏感性和脆弱性。因此，研究中国西北干旱区陆地生态系统的植被碳汇，分析其时空变化规律，可以为全球中高纬度地区陆地生态系统植被碳汇研究提供科学借鉴。基于以上原因，本文以遥感数据、气象站点观测数据、GIS本底数据及植被类型数据等为基础，利用Carnegie-Ames-Stanford Approach(CASA)模型和土壤微生物呼吸模型，对中国西北干旱区2001—2012年的碳汇进行估算，并分析其时空演变格局，以期为中国温室气体减排计划和区域生态系统保护措施的制定、实施提供决策参考。

本文采用赵松乔^[10]提出的中国自然地区区划方案，其中的西北干旱区主要包括大兴安岭以西，昆仑山—阿尔金山—祁连山和长城一线以北的广大地区，地理上介于70°01′—121°09′E，36°16′—46°25′N之间，总面积约246×10⁴ km²。西北干旱区深居欧亚大陆内部，受东亚夏季风的影响较少，来自海洋的湿润气流被山岭阻隔，难以深入，导致气候干燥。区内年降水量从东部的400 mm左右，往西减少至100 mm以下。地貌外营力主要为风化、物质移动、水力侵蚀和堆积以及广泛的风力侵蚀、搬运和堆积，沙漠和戈壁广布。绝大部分属内陆流域，山地径流是本区主要水资源，补给来源为雨水及冰雪融水。地表的生态系统类型由东往西大体上依次为森林草原、典型草原、荒漠草原、荒漠。分为两个自然地区和八个自然区(图1)。

图 1 中国西北干旱区自然区划 Fig.1 Comprehensive physical regionalization of the arid region of northwest China

图选项

遥感观测宏观性强、信息量大、快速动态更新、现势性好、全空间覆盖，加之因其能够有效反映植被的空间差异，在估算生物量空间分布格局方面具有明显的优势。考虑到本文的研究区面积广大，中、高分辨率的地球资源卫星数据显然不适合大范围宏观研究，且数据的连续性不强，时间分辨率不高，影像镶嵌等处理过程也会带来一定的误差，为此，本文采用MODIS(Moderate-Resolution Imaging Spectroradiometer)的归一化差异植被指数(NDVI)产品。数据获取自Level 1 and Atmosphere Archive and Distribution System (LAADS)(http://ladsweb.nascom.nasa.gov/data/order.html)网站，为16日合成数据，空间分辨率为1 km，共计下载遥感影像数据2368幅，行列号为4—5和23—26，覆盖研究区全部。气象数据包括月平均气温，月总降水量和月总太阳辐射，取自中国气象科学数据共享服务网(http://cdc.cma.gov.cn/home.do)。为了保证空间插值精度，共选取研究区内及周边的常规气象站314个，太阳辐射监测站点48个(图2)，其中位于研究区内部的常规气象站点103个，太阳辐射站点21个。数字高程模型(Digital Elevation Model，DEM)数据获取自美国地质勘查局(United States Geological Survey，USGS)网站(http://glovis.usgs.gov/)，分辨率为1 km。植被类型数据来源于中国西部环境与生态科学数据中心(http://westdc.westgis.ac.cn)，为便于分析，将植被类型归并为针叶林、阔叶林、灌木林地、草原、农田、荒漠、水体及无植被地段8类(图3)。

图 2 研究区气象站点分布示意图 Fig.2 Distribution of meteorological stations in study area

图选项

图 3 西北干旱区植被类型图 Fig.3 Vegetation map of the arid region of northwest China

图选项

采用基于光合利用率、适合估算大区域尺度的CASA模型计算(NPP)。表达式为^[11]：

点击浏览公式

式中，APAR(x，t)为像元x在t月吸收的光合有效辐射(gC m^-2 month^-1)，ε(x，t)表示像元x在t月的光能利用率(gC/MJ)。

计算式为^[12]：

点击浏览公式

点击浏览公式

点击浏览公式

点击浏览公式

点击浏览公式

式中,SOL(x，t)表示t月像元x处的太阳总辐射量(MJ m^-2 month^-1)，FPAR为植被层对太阳入射光合有效辐射的吸收比例，NDVI_(i，max)和NDVI_(i，min)分别表示第i种植被类型的NDVI的最大值和最小值，FPAR_min和FPAR_max分别取值0.001和0.95，SR_(i，min)和SR_(i，max)分别对应某种植被类型NDVI的5%和95%处的百分位数，α值取0.5^[13]。

计算式为^[14]：

点击浏览公式

式中,T_ε1(x，t)和T_ε2(x，t)分别为低温和高温对光能利用率的胁迫作用，W_ε(x，t)为水分胁迫影响系数，ε_max为理想条件下植被的最大光能利用率。

T_ε1(x，t)的计算式为^[15]：

点击浏览公式

式中，T_opt(x)为某一区域年内NDVI值达到最高时的月平均气温。

T_ε2(x，t)计算式为^[15]：

点击浏览公式

式中，T(x，t)为月平均温度，当某月平均温度比最适温度T_opt(x)高10 ℃或低13 ℃时，该月的T_ε2(x，t)值等于月平均温度T(x，t)为最适温度T_opt(x)时T_ε2(x，t)值的一半。

W_ε(x，t)计算式为^[15]：

点击浏览公式

式中，区域实际蒸散量E(x，t)根据周广胜^[16]建立的区域实际蒸散模型求取，区域潜在蒸散量E_p(x，t)根据Boucher^[17]提出的互补关系求取。

最大光利用率ε_max的取值因不同的植被类型而有所不同，本文采用朱文泉^[18]和Running等^[19]根据生态生理过程模型BIOME-BGG对10种植被类型所模拟的值：针叶林1.008 gC/MJ，阔叶林1.044 gC/MJ，灌丛0.768 gC/MJ，草原0.608 gC/MJ，农田0.604 gC/MJ，荒漠、无植被地段和水体等生态系统取CASA模型所估算的全球月平均最大光利用率0.389 gC/MJ。

气温垂直递减率会随着季节的变化而变化^[20]，根据314个气象站的海拔高度和月平均气温资料，计算研究区各月平均气温的垂直递减率，再根据气象站点海拔高度，将观测气温换算为海拔高度为0处的气温值。利用普通Kringing插值法，模拟海拔为0处的温度T_k(x，t)；根据DEM和气温垂直递减率，模拟起伏地形下的真实温度T_(x，t)。降水数据直接采用Kringing插值对气象站点观测数值进行插值。

西北干旱区面积广大，山区地形复杂，仅仅依靠气象观测站的资料，采取空间插值的方法来描述研究区太阳总辐射的精确空间分布，容易造成较大误差。因此，本文以DEM为基础，充分考虑地形之间相互遮蔽对太阳总辐射的影响，利用日照百分率与天文辐射拟合太阳总辐射，获取经验系数，从而计算起伏地形下的太阳总辐射。计算式为^[21]：

点击浏览公式

式中，Q_t为起伏地形下月太阳总辐射；Q₀′为为月天文辐射量，篇幅所限，其具体计算方法可参考文献^[22]；a、b为拟合得到的经验系数，本文经计算，取值0.22和0.773；S为日照百分率。受篇幅所限，图4仅列出了2012年7月地形校正前后模拟的太阳总辐射。

图 4 2012年7月太阳总辐射地形校正对比 Fig.4 Solar radiation Contrast used topographic correction in July, 2012

图选项

生态系统的碳汇储量包含了绿色植物生物量、凋落物量及土壤有机质，NEP是估算区域植被碳源和碳汇的重要指标，尽管严格来说NEP在区域尺度上不完全等于碳汇，但常常将其作为碳汇大小的度量。在不考虑其它自然和人为因素影响的前提下，植被碳汇可表示为NPP与土壤微生物呼吸碳排放之间的差值，计算式为^[23]：

点击浏览公式

式中,NEP为植被净生态系统生产力，NPP为植被净初级生产力，R_H为土壤微生物呼吸量。当NEP>0，说明植被固定的碳多于土壤排放碳，表现为碳汇，反之则为碳源。

土壤微生物呼吸量与土壤中微生物的数量、种类以及植物根系的分泌物有关，在所有影响土壤微生物呼吸的因素中，温度和降水是最重要的两个因素^[24]。裴志永等^[6]建立了气温、降水与碳排放的回归模型，估测土壤微生物呼吸的分布状况，汤洁等^[9]将其应用于吉林西部碳汇估算中。上述研究范围部分包含于本文研究区范围内，因本文研究区面积很大，目前尚未建立普适模型，故本文采用裴志永等的经验模型。计算式为^[6]：

点击浏览公式

式中,T为气温(℃)，R为降水(mm)。

在ArcGIS软件支持下，将空间化后的各参数代入CASA模型进行栅格地图代数运算，得到2001—2012年逐月NPP空间分布。图5所示为12年间NPP平均值的空间分布。区域或全球尺度的NPP估算结果的精度评价，一直是NPP遥感估算的难题和最具有争议的环节。NPP估算模型的精度验证方法一般有两种：一种是实测法，即通过估算值与若干实际测量值的对比来验证估算精度；另一种是相对法，即将估算的空间分布图与其他模型估算的结果或遥感数据产品进行对比来评价估算效果。尽管野外调查获得实测的生物量数据比较可靠，但很难在整个研究区内进行大范围比较均匀地实地调查取样。加之研究区横跨中国北方，时间跨度为12a，生物量分布的空间和时间异质性较大，因此如果简单地利用有限的实地调查所获得的平均生物量来推算整个区域的生物量，则可能产生较大误差。

图 5 2001—2012年西北干旱区NPP平均值的空间分布 Fig.5 Spatial distribution of 12-year mean annual NPP of the arid region of northwest China in 2001-2012

图选项

为此，本文利用分布在研究区内的40组实测资料值(来源于全球NPP数据库http/www.daac/ornl.gov/NPP/npp.home.html)对估算结果进行验证，考虑到实测值为来自各试验站点上的多年平均值(1946—2006)，因此以本文模拟12a的NPP的平均值参与检验。由于气温、降水、人类活动等环境变化的影响，二者之间存在一定的差异是难免的。相关性散点图如图6所示，由图6可知，NPP的实测值和估算值之间具有较高的拟合度，其相关系数高达0.87。尽管实测值与模拟值的时间不一致，但对于大多数观测点来说，估算值基本上都落在实测值的变动范围内。由于实测数据的限制，精度验证存在一定的不确定性。其一，全球NPP数据库的实测数据与本文估算的时段不一致，尽管均采用多年平均值比较，但时间差异导致生物量估算偏差的因素仍不能忽视。其二，全球NPP数据库的实测数据来自于北方针叶林、温带森林和草地的监测值，对于干旱区普遍存在的稀疏植被地表覆盖类型缺乏实测数据支持。第三，受MODIS数据空间分辨率的限制，大量混合像元存在的事实不可避免地会影响估算精度，也给精度验证带来了极大困难。

图 6 NPP估算值与实测值的比较 Fig.6 Comparison of simulated NPP and observed NPP

图选项

本文将估算结果与2001—2010年MODIS的1 km年分辨率NPP产品进行了对比，结果发现二者在空间分布上较为吻合。除去2001、2003、2007、2010年这4a中MODIS产品值与本文估算值相差稍大外，其余年份相差很小，差值介于3.71—24.46 gC m^-2 a^-1之间。MODIS的NPP产品年总量与本文估算结果总体差距亦不大，差距较大的年份是2001年和2003年，且除2001年外，各年份估算的NPP总量均略高于MODIS产品值，其中，2001年NPP的估算值大于MODIS产品值22.47 MtC/a。总体而言，MODIS产品的年际波动明显大于本文估算值。

总体来看，年内NPP随季节具有明显的规律性变化，NPP值较高的月份主要出现在3—9月。多年1月的平均NPP基本全部小于74 gC/m²，平均值仅为27.81 gC/m²；7月时NPP达到最大值112.96 gC/m²；12月的NPP值最低，多年平均值仅为22.85 gC/m²。计算研究区NPP各年的平均值，结果发现NPP年平均值在12年间表现出波动中上升的趋势，2001年平均NPP值为791.29 gC m^-2 a^-1，2006年为12年中的最低值，789.14 gC m^-2 a^-1，2012为12年间最高值，829.15 gC m^-2 a^-1。

按照中国自然地理区划的三级自然分区，统计各三级自然区的年平均NPP及标准差(表1)。NPP多年平均值最大的区域为西辽河流域草原区，尽管该区受垦荒等人类活动影响，植被退化严重，其NPP平均值仍达到1223.59 gC m^-2 a^-1，远高于西北干旱区的平均值；阿尔泰山山地草原针叶林区、内蒙古干草原荒漠草原区和天山山地草原及针叶林区的NPP平均值均在1000 gC m^-2 a^-1以上；NPP平均值最小的区域是塔里木盆地暖温带荒漠区，年平均NPP仅258.75 gC m^-2 a^-1。标准差的统计值则显示，天山山地草原及针叶林区内NPP的空间差异最大，阿拉善高原温带荒漠区内部NPP的空间差异最小，这主要和自然区内的植被类型丰富度有关，植被类型数量越多，内部NPP的空间差异越大，反之亦然。

利用公式(12)计算得到2001—2012年的植被碳汇(NEP)分布(图7)。2001—2012年西北干旱区的植被碳汇总体呈现波动性上升的趋势，从植被碳汇的年平均值来看，2006年碳汇最小，仅为609.04 gC m^-2 a^-1，2012年最大，为648.02 gC m^-2 a^-1。植被碳汇的年际变化不大，年变化量小于39 gC m^-2 a^-1，标准差为11.68 gC m^-2 a^-1。从2001—2012年间各月碳汇的平均值来看，碳汇月平均值与NPP具有较大差异，2001年、2004年和2009年的月植被碳汇最大值出现在5月，2005年、2006年、2008年和2010年月碳汇最大值出现在6月，其余年份月碳汇最大值均出现在7月。

图 7 2001—2012年植被碳汇空间分布图 Fig.7 Spatial distribution of carbon sinks during 2001—2012

图选项

计算2001—2012年西北干旱区陆地生态系统的植被碳汇平均值及标准差(图8)。从图8中可以看出，西北干旱区的植被碳汇总体上呈现自西向东逐渐增加的趋势，中、西部广泛分布着戈壁、沙漠、裸岩石砾地、稀疏草地等土地类型，植被稀疏，碳汇量很少，东部则分布有较多的温带草原和森林，以及小部分高质量的农田，碳汇量较大。从植被碳汇年际变化的标准差空间分布图来看，大部分地区的碳汇年际波动均不大，变化较大的区域主要分布于阿尔泰山、天山、吐哈地区、呼伦贝尔地区、塔城地区以及塔里木盆地北缘的阿克苏、沙雅、尉犁等绿洲。究其原因，一方面，绿洲地区的耕地不同于草原、森林等植被，地表植被覆盖年际、年内变化大；另一方面，山地区域地形复杂，地表覆盖类型多样，景观相对较为破碎，易受气象等因素的影响而发生变化，也是影响植被碳汇波动的重要因素；此外，由于难以获取到国外气象观测数据，可能影响研究区北部的气象插值结果，这也是造成北部沿边地区植被碳汇年际波动相对较大的原因之一。

图 8 西北干旱区植被碳汇量及其标准差空间分布 Fig.8 Spatial distribution of carbon sinks and its standard deviation in the arid region of northwest China

图选项

按照中国自然地理区划的三级自然分区，统计各三级自然区的年平均植被碳汇及标准差(表1)。植被碳汇多年平均值最大的区域为西辽河流域草原区，其碳汇平均值为842.69 gC m^-2 a^-1，远高于西北干旱区的平均值；阿尔泰山山地草原针叶林区、内蒙古干草原荒漠草原区和鄂尔多斯高原干草原、荒漠草原区，碳汇平均值均在700 gC m^-2 a^-1以上；植被碳汇平均值最小的区域是塔里木盆地暖温带荒漠区，年平均NEP仅172.16 gC m^-2 a^-1。标准差的统计值则显示，植被碳汇空间差异最大的自然区均为山地区，天山山地草原及针叶林区和阿尔泰山山地草原针叶林区的碳汇标准差都大于200 gC m^-2 a^-1；阿拉善高原温带荒漠区内部碳汇的空间差异最小，仅有77.03 gC m^-2 a^-1。

将植被类型图与植被碳汇(NEP)年平均值空间分布图进行叠置，分析不同植被类型的碳汇能力。结果发现不同植被类型的碳汇能力强弱差异较大，其中碳汇能力最强的为针叶林(918.02 gC m^-2 a^-1)，其次是农田(818.02 gC m^-2 a^-1)，碳汇能力最小的是荒漠(152.21 gC m^-2 a^-1)。研究区各植被覆盖类型碳汇能力大小依次为针叶林>农田>灌丛>阔叶林>草原>荒漠。

本文通过修正的CASA模型估算西北干旱区陆地生态系统的NPP，并结合土壤微生物呼吸方程，计算出西北干旱区陆地生态系统2001—2012年间植被碳汇的时空分布格局，研究结果能够较好地反映出西北干旱区的植被生长及分布状况。研究区的NPP表现出很强的随季节变化的规律，全年7月份NPP为最高值，12月为最低值，12年间研究区NPP的年均值变化不大，碳汇均值总体表现为增加趋势，其中2006年的碳汇平均值最小，2012年最大；年内碳汇的最大值出现在5—7月。西辽河流域草原区的NPP和碳汇平均值最大，塔里木盆地暖温带荒漠区最小。植被碳汇与降水、温度和太阳辐射之间具有很强的相关性；不同植被类型的碳汇能力差异巨大。方精云等^[1]研究发现北半球高纬度陆地生态系统是全球重要的碳汇，本文通过对西北干旱区的碳汇量估算，验证了该结论，有助于为国际碳贸易提供科学依据，也为碳汇的定量研究提供方法参考。在2001—2012年间，研究区碳汇量呈波动增加的特征，说明西北干旱区的植被生长状况总体有所改善，陆地植被生态系统持续恢复，土壤中碳元素的流失受到抑制。

大尺度上生物量遥感估算的精度评价，一直是定量遥感估算非常困难和最具争议的问题，由于研究区面积广大和资料所限，本文利用全球NPP数据库中的部分实测样点对估算结果进行了评估。但全球NPP数据库作为精度验证依据尚存在以下不确定性：首先，多数样点为北方针叶林、温带森林和荒漠草原，并不能完全代表整个研究区的各生态系统类型；其次，实测值为有限点数据,不能从空间上反映研究区生态功能的异质性和差异性；第三，实测时间与本文估算的时段不完全一致，尽管文中采用多年平均值作比较，但时间差异可能导致生物量估算出现偏差。此外，目前己经提出的植被碳汇估算模型和方法，各有其优势和不足，尚无统一的普适性方法。本文虽对CASA模型进行了改进，但由于当前生态系统的植被碳汇计算模型大都建立在经验统计的基础上，而经验公式多是依赖于较小尺度的实验区或少数试验站的监测数据建立起来的，在由点向面推算的过程中，经验模型能否完全适用于大尺度上生态系统的植被碳汇研究，尚需在增加观测数据的基础上进一步加以验证。受遥感数据本身的误差及遥感模型中关键参数的不确定性等因素的制约，单纯的遥感方法存在一定误差，通过降尺度等方法将遥感数据与地面观测资料的优势结合起来，应是下一步研究的重点。