黑河上游植被总初级生产力遥感估算及其对气候变化的响应

定量描述植被总初级生产力(GPP)对于全球碳循环和全球气候变化研究具有重要意义。针对MODIS MOD_17 GPP (MOD_17)产品在通量站点低估的现象, 通过3个实验依次改进了模型输入参数(气象数据和吸收的光合有效辐射吸收比例(fPAR))和模型本身的参数(最大光能利用率), 分析了各个参数对模拟结果的不确定性影响, 结果表明各参数对模拟结果都有不同程度的影响。在阿柔草地站, 最大光能利用率的重新标定对结果影响最大, GPP估算结果的提高最为明显; 在关滩森林站利用广义神经网络算法得到的GLASS fPAR代替原始MODIS fPAR产品, 比其他参数的改进效果更明显, GPP的值更接近涡动通量观测值。利用改进的MOD_17模型重新估算了黑河上游2001-2012年间植被GPP, 通过趋势分析得出该研究时段内GPP以9.58 g C·m^-2·a^-1的平均速率呈上升趋势。同时计算了气候因子(温度、降水和饱和水汽压差(VPD))与时间序列GPP的偏相关性, 分析了植被GPP对气候变化的响应情况, 2001-2012年平均温度和VPD与年GPP大部分区域呈正相关, 体现了温度和VPD对植被生长的促进作用; 2001-2012年的降水量与年GPP无明显相关, 且大部分区域呈负相关。     

2000—2019年石羊河流域植被总初级生产力变化及其气候特征

石羊河流域是我国典型的内陆河流域,生态特征敏感脆弱,是了解干旱地区陆地生态系统总初级生产力(gross primary productivity, GPP)对气候变化响应及反馈的典型区域。本研究通过卫星数据和地面观测数据建立光能利用率模型,模拟估算了石羊河流域2000—2019年植被GPP,分析了气候影响下的不同植被类型GPP的空间分布以及年际变化。结果表明：石羊河流域GPP的平均值为256.52 g C·m^-2;落叶阔叶林、常绿针叶林、灌木林、耕地、草原、湿地和荒漠植被GPP分别为676.38、609.96、144.42、404.49、314.07、75.15和110.21 g C·m^-2,表现为南部祁连山区的落叶阔叶林GPP最高,北部荒漠区的湿地GPP最低;GPP的变化呈上升趋势,年际变化存在波动,趋势增加的面积为92%,平均速率为6.99 g C·m^-2·a^-1;流域内不同植被类型GPP增加速度从大到小顺序为落叶阔叶林>常绿针叶林>草地>耕地>灌木林>荒漠>...     

2000-2020年祁连山植被净初级生产力时空变化及其驱动因素

植被净初级生产力(NPP)是评价植被生长的重要参数,也是评估陆地生态系统质量与功能的重要指标。基于MODIS NPP、数字高程模型(DEM)、气象水文及人类活动数据,采用空间分析、趋势分析,分别从像元尺度和县域尺度识别了2000-2020年以来祁连山NPP时空变化特征,采用偏相关分析研究了NPP对年均温和年降水的响应,并借助地理探测器模型揭示了NPP变化的驱动因素,最后采用Hurst指数预测了NPP未来变化趋势。结果表明:2000-2020年祁连山平均NPP呈波动增加趋势,年均增加2.38 g C/m²,其中栽培植被和阔叶林增长最为明显。近20年,像元尺度上有75.37%的区域NPP增加,主要位于东南部;县域尺度上,古浪、平安、化隆和永登县NPP增速较快,而祁连、海西、德令哈和门源县增速较慢。祁连山NPP空间分布具有明显的集聚性,高值集聚区主要位于东南部,而低值集聚区主要位于西北部。年均温和降水量的增加均促进了NPP的增加,但不同区域NPP对气温和降水的响应有明显差异。降水量、饱和水气压差和蒸散发是NPP变化的主要驱动因子,驱动因子之间对植被NPP变化存在交互作用,分为双因子增强和非线性增强效应。未来祁连山NPP变化以增加非持续性为主,说明植被变化面临较大不确定性。研究结果有助于揭示全球气候变化背景下区域植被NPP对气候变化及人类活动的非线性响应机制,亦可为祁连山生态保护与可持续发展提供理论依据。     

中国植被净初级生产力变化的时空格局

利用植被净初级生产力（NPP）遥感估算模型,基于统计学分析方法,研究了1982-2000年我国陆地植被NPP的变化及其年际波动的空间分布特征。结果表明：（1）20年间,我国仅8％的陆地区域植被NPP显著减少,而47％的陆地区域植被NPP显著增加,45％的陆地区域植被NPP变化不明显;（2）从空间分布上看,我国大部地区年NPP增加,仅东部沿海发达地区或工业、城市密集区的年NPP减少,但增减速率在空间上存在明显的差异;（3）1982-2000年间,我国大部地区植被NPP年际波动相对变率较小,但西北地区的荒漠草原,相对变率较大。     

锡林郭勒盟净初级生产力时空变化及其气候影响

净初级生产力(NPP)是表征生态系统质量与功能的核心指标,监测生态工程区NPP的时空变化是生态建设成效评估的重要内容.本文利用2000-2015年时序遥感数据与光能利用效率模型(CASA),分析了锡林郭勒盟NPP的时空变化以及气温与降水的影响.结果 表明:2000-2015年锡林郭勒盟的NPP为108.66～359.7...     

海南植被净初级生产力时空分布特征研究

海南是一个相对独立地理单元, 生态环境优越, 植被NPP是判定生态系统健康状况和可持续发展水平的重要指标。基于2000—2015年海南省MODIS NPP数据集, 采用趋势线分析法和相关分析法对海南被净初级生产力时空分布特征研究。结果表明: (1)2000—2015年海南省植被净初级生产力(NPP)呈现整体微弱的上升趋势, 植被年平均NPP变化范围为794.5—998.3 gC·m–2, 年平均值886.2 gC·m–2。(2)从空间分布看, 海南2000—2015年平均NPP分布呈现中高四周低的趋势, 其中年平均NPP>1000 gC·m–2主要分布在海南的中部山区, 年平均NPP<600 gC·m–2区域主要分布在海南的西部和北部的海岸带附近。(3)其中气候变化和人类活动是NPP变化的主要驱动因素, 但在不同区域影响的因子的影响程度存在差异。以上研究可为海南生态环境保护和评估提供参考。     

2000—2021年广东省植被净初级生产力时空变化及其影响因子分析

植被净初级生产力（NPP,Net Primary Productivity）是自然环境条件下植物群落生产力的关键指标,也是确定生态系统碳收支和反映生态系统对全球变化响应的重要因素。基于TEC模型（Terrestrial Ecosystem Carbon Flux Model）计算2000—2021年植被NPP,采用Theil-Sen Median趋势分析、Mann-Kendall检验、Pearson相关性分析等方法探讨近22年广东省植被NPP的时空变化规律,并定量分析环境因子在植被NPP变化过程中的相对影响。研究结果表明:（1）广东省植被NPP的高值区占比明显大于低值区占比,植被NPP平均值为（984.28±119.68） g·（m²·a）^–1;植被生长具有非常明显的季节性特征,夏季的植被NPP值最高,冬季的植被NPP值最低。（2）广东省植被NPP整体呈现上升趋势,植被NPP的变化速率为6.30 g·（m²·a）^–1;从空间上看,植被NPP显著增加的地区主要为广东西部（云浮、阳江、茂名）,植被NPP显著减少的地区主要为潮汕地区中部、中山市北部及湛江市南部。（3）在月尺度上,植被NPP与气温、太阳辐射、日照时数、降水量、相对湿度呈显著的正相关;植被NPP对降水量滞后响应时间为1个月,对相对湿度滞后响应时间为2个月。（4）从整体上看,广东省植被NPP与PM_2.5呈负相关;与高程、坡度、地面起伏度呈正相关,且随着高程、坡度、地面起伏度的增大,植被NPP高值区的占比呈现减小趋势。研究结果可为广东省生态环境评价及植被应对气候变化的响应提供理论依据。     

2000—2015年陕西植被净初级生产力时空分布特征及其驱动因素

利用MOD17A3 NPP时间序列数据、地表覆盖类型数据、气象数据、MOD16蒸散产品、地形数据等,分析2000—2015年陕西省植被净初级生产力(NPP)时空变异特征,探讨NPP的时空变异对各影响因素的响应特征.结果表明: 研究期间,陕西植被NPP 整体呈极显著上升趋势,NPP变化趋势线斜率为5.02 g C·m^-2·a^-1.NPP年平均值为344 g C·m^-2·a^-1,变化范围为247～390 g C·m^-2·a^-1.陕西NPP显著增加的区域占全省国土面积的61.2%,主要分布在陕北、渭北地区和秦巴山地西部;显著减少的区域主要分布在西安市、宝鸡市等城市周边区域,仅占2.5%.陕西年平均气温和年降水量变化趋势均不显著,气温呈现不显著升高,降水呈现不显著降低,具有暖干化趋势.NPP与降水量、平均气温显著相关的区域分别占全省总面积的9.4%和1.5%.由于人类活动的频繁干预大大降低了气候环境对NPP变化的影响程度,人类活动逐渐成为影响NPP变化的主导因素.陕北、关中地区的NPP与蒸散显著相关,随着植被NPP的增加,势必对这些地区水平衡造成重大影响.各土地覆盖类型NPP平均值为耕地>林地>草地>园地,NPP增加速率为园地>草地>林地>耕地,NPP变化百分率为草地>园地>林地>耕地.研究区内坡度0°～5°、5°～25°和>25°区域的NPP增长百分率分别为14.6%、25.7%和35.9%.     

北部湾南流江流域植被净初级生产力时空分布及其驱动因素

分析北部湾南流江流域净初级生产力时空动态变化特征及其驱动机制,为该区域生态环境保护及应对气候变化提供科学依据。基于光能利用率模型（CASA）,利用遥感数据、气象数据和植被类型数据估算了研究区2000-2015年流域的净初级生产力（NPP）,借助于Theil-Sen趋势、Mann-Kendall检验以及Hurst指数等数理统计方法对研究区NPP的时空变化特征、未来趋势及其驱动因素进行了定量化分析。结果表明：①时间尺度上,流域NPP总体上呈现出波动上升趋势,增速为44.03 g C m^-2（10 a）^-1,快于广西自治区,上游和下游地区NPP快于全区,而中游地区慢于全区;②空间尺度上,流域NPP的分布规律表现出明显的地域分异,中游最高（1098.99 g C/m²）,下游次之（1041.71 g C/m²）,而上游最小（1013.22 g C/m²）。NPP的Sen趋势度介于-77.10-74.80 g C m^-2 a^-1之间,在空间上呈现出增加的趋势。③空间波动性上,流域NPP的变异系数较大,其值介于0.01-0.71,其中洪潮江水库、小江水库周边以及玉林市的城乡建设用地扩张区域处于高波动状态,而流域中部的六万大山以及五皇山地带则处于低波动状态;④未来变化趋势上,流域NPP的Hurst指数范围介于0-0.99之间,平均值为0.70,呈现单峰右偏分布,预示着流域NPP未来处于持续性增加的趋势;⑤驱动机制上,流域NPP与多年平均气温呈正相关关系,与年均降水量呈负相关关系,气温是该流域植被NPP的主控因子。由耕地转化为建设用地所导致的NPP损失值最大,其值达到4715.62 t/a,而草地转换为建设用地导致NPP损失值最小,其值仅为184.63 t/a。     

青海省植被净初级生产力(NPP)时空格局变化及其驱动因素

植被净初级生产力(NPP)作为陆地生态过程的关键参数,不仅用以估算地球支持能力和评价陆地生态系统的可持续发展,也是全球碳循环的重要组成部分和关键环节。基于2000—2014年MOD17A3年均NPP数据和气象站点气温、降水资料,采用简单差值、趋势分析、相关性分析和Hurst指数等方法,分析了青海省NPP的时空变化特征及其与气候因子的关系。结果表明:①青海省植被年均NPP在2000—2014年间整体分布呈现由南到北、由东到西递减的趋势,各生态区的空间存在显著差异,表现为Ⅱ区>Ⅰ区>Ⅲ区>Ⅳ区>Ⅴ区。②2000—2014年,青海省NPP变化趋势由北到南、由西到东呈现逐渐增加趋势,平均趋势系数为0.61,NPP值增加的区域占总面积的15%,其中显著增加区域为2.8%,轻度增加区域为12.2%。③青海省NPP值的Hurst的值域范围为0—0.39,均值为0.12,除了河流湖泊,建筑用地和未利用土地,青海省NPP变化特征为反持续性特征。④气候因子(年平均降水量和年均气温)对年均NPP的分布有影响,海拔的高低造成气温、降水和土壤的差异,间接影响植被NPP,15年土地利用/覆...     

基于遥感和过程模型的亚洲东部陆地生态系统初级生产力分布特征

利用美国环境预测中心的再分析气象资料和由GIMMS NDVI 资料生成的叶面积指数对BEPS生态模型进行驱动,模拟分析了2000-2005年亚洲东部地区总初级生产力（GPP）和总净初级生产力（NPP）的时空变化特征.在进行区域模拟计算前,使用15个站点不同生态系统的GPP观测数据及1300个样点的NPP观测数据对模型进行验证.结果表明： BEPS模型能较好地模拟不同生态系统的GPP和NPP变化,模拟的GPP与观测数据之间的R2为0.86～0.99,均方根误差（RMSE）为0.2～1.2 g C·m-2·d-1;BEPS模拟值能够解释78%的年NPP变化,其RMSE为118 g C·m-2·a-1.2000-2005年,亚洲东部地区GPP和NPP总量平均值分别为21.7和10.5 Pg C·a-1.NPP和GPP具有相似的时空变化特征.研究期间,NPP总量的变化范围为10.2～10.7 Pg C·a-1, 变异系数为2.2%.NPP由东南向西北显著减少,高值区〖JP2〗（>1000 g C·m-2·a-1）出现在东南亚海岛国家,我国的西北干旱沙漠地区为低值区（<30 g C·m-2·a-1）,〖JP〗其空间格局主要由气候因子决定.不同国家的人均NPP差异很大,其中,蒙古最高,达70217 kg C·a-1,远高于中国的人均NPP（1921 kg C·a-1）,印度的人均NPP最小,为757 kg C·a-1.     

长江经济带旅游-经济-生态系统脆弱性时空演变及趋势预测

基于2004—2018年的面板数据,借助脆弱性研究方法、冷热点分析法、空间变差模型和灰色预测模型探索长江经济带旅游-经济-生态系统的时空演变特征及趋势预测。研究表明:(1)2004—2018年长江经济带总体脆弱性指数在波动中上涨,各省市脆弱性指数洼地集中于东部地区且呈平稳发展态势;峰值集中于西部地区但下降趋势显著;总体可持续发展水平呈现\"东部>中部>西部\"的空间分布格局,但西部地区可持续发展水平可能将在未来超越中部地区。(2)长江经济带脆弱性指数集聚性在扩张,冷热点时空分布变化显著,冷点区域减少,热点区域增多,印证了总体区域的脆弱性数值在不断提升。(3)长江经济带脆弱性指数空间分异特征呈阶段性变化,\"东散西集\"的分异特征逐渐被打破,总体指数呈均衡化发展态势。(4)通过预测计算2019—2023年长江经济带各区域脆弱性指数,发现2019—2023年的脆弱性指数基本形成了对2014—2018年的全包围态势,长江经济带三系统脆弱性指数较高的发展隐患逐步成为现实问题。     

基于植被生产力的西南地区生态系统脆弱性特征

中国西南地区是全球生物多样性保护的重要地区之一.在全球气候变化背景下,该地区生态系统呈现出脆弱性增加的趋势.本研究基于生态系统总初级生产力(GPP),根据IPCC有关脆弱性的概念,计算西南地区生态系统的脆弱性,并分析了该区脆弱等级的空间分布格局,以及生态系统脆弱性与降水、温度、海拔、坡度和植被类型等因子间的相关性.结果表明: 西南地区生态系统脆弱性呈现由东南向西北逐渐增强的趋势,区域内多数地区为轻度、中度脆弱区(二者共占69%).脆弱等级随着区域内年平均降水量、多年平均温度的增加而减少,随着区域内海拔、坡度的增加而增加.西南喀斯特山区和西北山地农牧交错区呈现较高的脆弱性,更容易受气候变化或其他外界扰动的影响.针叶林、灌丛和草地的脆弱性相对较高,未来可能更容易受到气候变化的影响.     

科尔沁草甸生态系统水分利用效率及影响因素

生态系统水分利用效率(WUE)是衡量碳水循环耦合程度的重要指标。利用科尔沁温带草甸草地碳水通量观测数据,对该生态系统总初级生产力水分利用效率(WUEGPP)的日季变化规律及对环境和生理因子的响应进行分析。结果表明:(1)WUEGPP日变化呈下降-稳定-上升的变化趋势,最大值出现在日出后1—2 h,阴天条件下WUEGPP高于晴天,生长中期WUEGPP高于生长初期和末期;(2)总初级生产力、总蒸散和WUEGPP季节变化均呈夏季高、春秋低的形式,生长季平均值分别为0.57 mg m-2s-1、0.08 g m-2s-1和5.97 mg/g,最大值分别为1.49 mg m-2s-1、0.16 g m-2s1和13.62 mg/g;(3)总初级生产力与饱和差、气温和叶面积指数均呈二次曲线关系,与冠层导度呈对数曲线关系;总蒸散与气温呈二次曲线关系,与饱和差、叶面积指数和冠层导度相关性均不显著;(4)WUEGPP与饱和差、气温和叶面积指数均呈二次曲线关系,与冠层导度呈对数曲线关系,饱和差、冠层导度和叶面积指数分别为2.0 k Pa、0.0015 m/s和4.2是控制WUEGPP增加的阈值;(5)净生态系统生产力水分利用效率(WUENEP)和净初级生产力水分利用效率(WUENPP)季节变化规律与WUEGPP一致,均值分别为3.47和5.47 mg/g。     

西南地区植被生态系统GPP时空变化及其主导气候因子识别

探究西南地区植被生态系统(农田、林地和草地)总初级生产力(GPP)时空变化及气候因子对其变化的影响,对全球气候变化背景下植被资源分类管理具有重要的意义。该研究基于2000—2022年植被GPP、气温和降水数据,以及2020年土地利用类型数据,基于Theil-Sen Median趋势分析和Mann-Kendall显著性检验,解析西南地区植被生态系统GPP时间变化特征和空间变迁格局,并通过通径分析揭示气温和降水对植被GPP的直接、间接和综合影响及其主导影响因子。结果表明:(1)2000—2022年西南地区各植被生态系统GPP呈显著上升趋势(P<0.05),其中农田生态系统GPP上升速率最高,草地生态系统GPP上升速率最低。(2)区域尺度上,西南地区气温对植被GPP的直接影响、间接影响和综合影响均为正向作用,而降水对植被GPP的影响均为负向作用。气温对草地生态系统GPP变化的直接影响最大,降水对农田生态系统GPP变化的直接影响最大。(3)像元尺度上,气温对西南地区和各生态系统GPP变化的影响强于降水。气温直接影响主导54.89%植被GPP变化。综上可知,西南地区植被生态系统植被GPP呈正向变化的面积占比较大,气温的直接影响主导各植被生态系统GPP的变化。在全球气候变化情境下,该研究结果为制定具有区域针对性的生态恢复与管理政策提供了有价值的参考依据。     

黄土高原生态工程实施下基于日光诱导叶绿素荧光的植被恢复生产力效益评价

基于日光诱导叶绿素荧光(SIF)揭示黄土高原大面积实施生态工程后植被恢复区域的植被生产力效益。通过分析遥感观测的地表绿度特征变化和土地利用动态,该研究首先识别了近20年来黄土高原植被恢复区域和原有植被的空间分布范围,在此基础上,使用SIF和气象数据,根据改进机理光响应模型(rMLR)计算了植被总初级生产力(GPP),对比分析了植被恢复区域绿度特征变化下GPP的差异。结果显示:空间上,由于生态工程的广泛实施,黄土高原整体绿化情况得到了明显改善。在2001–2020年间,黄土高原上林地恢复面积约3.5万km²,占区域总面积的7.42%;草地恢复面积11万km²,约占区域总面积的25.25%。整体上,林地恢复区域的光合能力和生产力水平均低于原有林地,而草地恢复区域较原有草地高;恢复林地的GPP相当于原有林地GPP的83.86%,恢复草地的GPP相当于原有草地的121.10%。在相同的叶面积指数(LAI)等级下,植被恢复区域与原有植被的生产力呈现不同的差异性,当LAI较大时植被恢复区域与原有植被的GPP差距较大。由裸地转变而来的植被恢复区域生产力效益...