中国西北干旱区植被碳汇估算及其时空格局

通过修正的CASA模型估算2001—2012年间西北干旱区陆地生态系统的净第一性生产力(NPP),并结合土壤微生物呼吸方程,计算出12a的净生态系统生产力(NEP),分析了植被碳汇的时空变化规律。结果表明: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NPP的年均值变化不大。2001—2012年研究区的植被碳汇在波动变化中有所增加,其中2006年的碳汇平均值最小,为609.04 g C m~(-2)a~(-1),2012年最大,为648.02 g C m~(-2)a~(-1);年内碳汇的最大值主要出现在5—7月;碳汇能力由大到小的植被类型为针叶林农田灌丛阔叶林草原荒漠草原。研究区多年平均碳汇量呈现自西向东逐渐增加的规律,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。     

黄河流域植被时空变化及其对气候要素的响应

在气候变化和人类活动的双重作用下,黄河流域生态环境不断发生变化。探讨植被生长动态对于实施生态保护政策至关重要。利用Advanced Very High Resolution Radiometer(AVHRR) Leaf Area Index(LAI)遥感资料,结合气候要素数据,分析1981—2017年黄河流域植被覆盖的时空分布特征,探讨气候要素对其变化的影响及贡献率。研究结果表明：(1)时序上,黄河流域植被覆盖呈显著增长趋势,夏季植被覆盖的增长幅度和年际波动最大,冬季植被覆盖呈缓慢平稳增长,波动最小。(2)空间上,植被覆盖显著提高的区域占整个区域的52.1%,主要分布在中东部平原;显著降低的区域占4%,主要分布在北部和西部高原山地;生态脆弱的区域植被覆盖率大多有不同程度的提高,但生态环境良好的部分区域植被覆盖率降低。(3)时序上,黄河流域植被覆盖与气温具有显著的正相关关系。春夏冬三季的植被覆盖与气温呈显著正相关,与降水呈不显著关系;秋季的植被覆盖与气温和降水量均呈显著正相关;春秋冬三季的植被覆盖与太阳辐射呈不显著负相关,夏季的植被覆盖与太阳辐射呈不显著正相关。春夏秋冬四季的气温对植被覆...     

2001-2010年内蒙古植被净初级生产力的时空格局及其与气候的关系

利用MODIS NDVI数据、气象数据和植被分类数据,基于改进的光能利用率模型CASA模型对2001-2010年内蒙古不同植被类型净初级生产力(NPP)进行估算,并分析其时空分布特征及对气候因子的响应.结果表明:(1)10年间内蒙古植被年NPP的平均值为340.0 gCm-2a-1,且空间分布呈明显的经度地带性,由西向东的变化速率为每10度增加200.5 gCm-2a-1;(2)不同植被类型NPP有较大差异,森林、草地、农田和荒漠植被的NPP平均值分别为521.9、270.3、405.7和85.3 gCm-2a-1;(3)10年间内蒙古植被NPP总量的平均值为322.7 TgCa-1,波动范围为276.8-354.4 TgCa-1.从NPP年际变化的空间分布来看,阿拉善沙漠、毛乌素沙地西部、河套平原以北地区、浑善达克沙地东西缘和呼伦贝尔平原西北部植被的NPP呈极显著上升,而内蒙古中部的草地植被NPP呈极显著下降;(4)不同植被类型NPP对气候因子的敏感性有较大差异.森林植被NPP主要受温度的限制,而农田、草地和荒漠植被NPP主要受降水量控制.     

黄河流域草地净初级生产力时空动态及其驱动机制

黄河流域是生态系统的敏感区,流域草地生态系统在气候变化和人类活动驱动下发生了显著变化。基于多源遥感影像和气象站点资料等,采用改进后的CASA模型估算2001—2018年黄河流域草地净初级生产力(NPP),评估定量反演结果精度,分析研究时段内流域草地净初级生产力时空动态,探讨气候要素和人类活动对流域草地净初级生产力的影响。结果表明：1)基于改进的CASA模型能够高精度模拟黄河流域草地NPP。2)2001—2018年黄河流域草地NPP呈增加趋势,且在2013年发生突变。2001—2013年气候和人类活动均促进流域草地NPP增加,而2013年后人类活动抑制流域草地NPP增加的作用明显增强,抑制区域面积较前一阶段增加34.89%。整体上,人类活动对草地NPP的影响强度低于气候要素影响强度。3)耕地和建设用地面积的变化,是驱动实际净初级生产力动态的重要人类活动要素。耕地和建设用地面积的增加与草地面积减少、实际净初级生产力增加速率的降低紧密相关。伴随经济发展,应坚持实施退耕还林还草政策,并加强对草地生态保护的监督。     

陕北黄土高原植被净初级生产力的估算

基于MODIS和地面气象数据,利用改进的CASA模型,模拟分析了2005年陕北黄土高原地区的植被净初级生产力(NPP)及其时空分布.结果表明:1)根据生态生理过程模型针对不同土地覆被类型选择不同的月平均最大光能利用率,比传统CASA模型中使用固定的全球月平均最大光能利用率进行NPP估算,更符合陕北黄土高原地区的实际情况;在估算植被参数时引入植被覆盖分类,以及利用陕北黄土高原2005年时序NDVI进行土地覆被分类的同时,结合1:100万中国植被图和实地调查情况对分类结果进行修正,可提高分类的精度,从而提高模型估算的精度.2)通过不同模型之间和与陕北部分地区实际调查数据进行比较,显示改进后的CASA模型对区域陆地植被NPP的模拟效果较好,可应用于陕北黄土高原乃至周边地区NPP的计算中.3)2005年陕北黄土高原植被净第一性生产量估计值为4.76×10~(13) g C,约占全国总NPP的1.5%,植被平均NPP为447.3 g C·m~(-2)·a~(-1),高于1992-2000年全国陆地NPP平均值323.8 g C·m~(-2)·a~(-1).4)在NPP的空间分布上,总体趋势是由东南向西北递减,其中最高值出现在东南部的黄龙山次生林区(1087g C·m~(-2)·a~(-1));西北部的荒漠植被覆盖度极低,平均NPP仅为205.0 g C·m~(-2)·a~(-1).5)陕北黄土高原NPP的季节变化明显,其中4月中旬至10月中旬6个月生长季时间里的NPP可占到全年的91.5%,而7月中旬至8月中旬间该区的净初级生产力达到年内的极大值,可占全年的37.8%.

Abstract：

Based on the data from MODIS (Moderate-resolution Imaging Speetroradiometer) and meteorological observatories, and by using improved CASA (Carnegie-Ames-Stanford Approach) model, the vegetation net primary productivity (NPP) and its spatiotemporal distribution on the North Shaanxi Loess Plateau in 2005 were simulated and analyzed. Comparing with the traditional CASA model which only uses a universal mean annual maximum light use efficiency (LUE), the estimated regional NPP by the improved CASA model was more precise, because this improved model used the LUE parameters of different vegetation covers. The detailed land cover classifica-tion also contributed to the increase of the precision via introducing the time-series Normalized Different Vegetation Index (NDVI) and ground survey data to modify and adjust the original clas-sification system based on vegetation map (1: 1000000). The testing of the simulation results from different models with the ground survey data in North Shaanxi showed that the estimation by the modified CASA model was much closer to the real survey data, implying the potential practi-cal significance of this model in estimating the vegetation NPP in North Shaanxi Loess Plateau and its adjacent areas. In 2005, the NPP in North Shaanxi was estimated as 4. 76×1013 g C, ac-counting for about 1.5% of China' s terrestrial total NPP, and the mean NPP was 447.3 g C·m~(-2)·a~(-1), being much higher than that of China' s terrestrial vegetation (323.8 g C·m~(-2)·a~(-1)) in 1982-2000. The spatial distribution pattern of the vegetation NPP showed an apparently declining trend from the southeast to the northwest, with the highest value of 1087 g C·m~(-2)a~(-1) occurred in the broadleaved-and conifer-mixed forests of Huanglong Mountain in southeast part of the region. The mean NPP of desert vegetation in the whole region was the lowest, only about 205.0 g C·m~(-2) ·a~(-1). An obvious seasonal variation of the NPP was observed. The NPP in growth season (from April to October) took about 91.5% of the total in the year, and the peak occurred in mid-July to mid-August, amounting to 37.8% of the total.     

毛乌素沙地海流兔河流域植被净初级生产力估算

采用CASA(Carnegie-Ames-Stanford Approach)模型,结合TERRA MODIS卫星数据和气象数据,对毛乌素沙地海流兔河流域2015年各月的植被净初级生产力(NPP)进行估算,并对植被NPP月平均值的时空分布规律及其与气象因子和地下水位埋深的关系进行了分析.结果表明:毛乌素沙地海流兔河流域2015年植被NPP总量为2.88×1011 g,生长季(4月份至10月份)的植被NPP总量达2.81×1011 g,占全年植被NPP总量的97.57%.随着时间推移,植被NPP月平均值和归一化差分植被指数(NDVI)月平均值呈"缓慢增加—急剧增加—急剧下降"的变化趋势.植被NPP月平均值季节变化明显,春季、夏季、秋季和冬季植被NPP月平均值之和分别为20.55、69.39、20.46和0.48 g·m-2.从空间分布上看,中部河谷和滩地的植被NPP月平均值总体上高于东南部、西部和西北部等沙丘荒漠区.月平均气温对植被NPP月平均值变化的影响最大,其次为平均实际日蒸散发量和地表月太阳辐射.植被NPP月平均值随着地下水位埋深的增加而减小,最大值出现在地下水位埋深1~2 m之间.上述研究结果显示:采用CASA模型可以较好地估算毛乌素沙地海流兔河流域植被NPP值,月平均气温和地下水位埋深对该流域植被NPP值的影响较大.     

基于遥感的植被吸收光合有效辐射估算

植被吸收光合有效辐射（APAR）是指植物实际所吸收的光合有效辐射,是评价植被光合潜力和潜在产量等研究的重要参考指标。基于CASA模型,利用土地利用图和MODIS NDVI 数据,以及改进的日照百分比经验统计公式,研究2010 年河南省APAR状况,进一步分析河南省APAR 的时空分布特征,研究结果较好的反映了河南省APAR 分布。2010 年河南省APAR 总量为8.70×1012MJ。从空间分布上来看,整体上南部和西部比东部和北部高,最大值出现在西部伏牛山地区,与植被的生长周期密切相关,同时受地理纬度影响较大。年内差异较大,5 月至8 月是植被光合作用效率最高的时间,占全年总量49.58%。     

利用CASA模型估算我国植被净第一性生产力

基于地理信息系统和卫星遥感应用技术,利用CASA模型估算了我国1997年植被净第一性生产力及其分布。结果表明：1997年我国植被净第一性生产力为1．95PgC,约是世界陆地植被年净第一性生产力的4．0％;我国植被净第一性生产力的主要分布趋势是从东南沿海向西北逐渐减小,其中海南岛南部、云南西南部、青藏高原东南部的热带雨林和季雨林地区植被年净第一性生产力最大,达900gC.m^2.a^-1以上,而西部塔克拉玛干沙漠地区植被年净第一性生产力最小,不足10gC.m^-2.a^-1。     

基于MODIS和CASA模型的伊春市森林植被NPP变化特征及其影响因子分析

植被净初级生产力(net primary productivity,NPP)是判定生态系统质量状况和碳汇的重要因子,反映了植被群落的生产能力和生态过程,对调节全球碳平衡、增强生态服务功能具有重要的意义.本文基于MODIS卫星遥感资料和改进的CASA模型,利用2000-2019年MOD17A3HGF的NPP年际数据和气象...     

三峡库区消落带植被NPP估算——基于机器学习优化CASA模型

三峡库区蓄水后,其生态效应受到广泛关注。消落带植被固碳量作为衡量库区生态系统健康状态的重要指标,对库区碳循环与生态净化具有重要意义。针对消落带不同高程植被接受光照的时间有所差异,且受河流水位变化影响,传统的CASA模型在计算消落带植被固碳量时,存在对植物的光能利用率计算不够精确等问题。以三峡库区香溪河陡坡消落带为研究区域,提出了一种耦合RBFNN模型（Radial Basis Function Neural Network）与CASA模型（Carnegie-Ames-Stanford approach）的新方法（RBF-CASA）。基于RBFNN建立环境影响因子模型,借助高程数据及植被指数等特征计算适合消落带区域的环境影响因子。结合CASA模型中温度和水分胁迫因子,提高植被在像元尺度上的净初级生产力（Net Primary Productivity,NPP）的估算精度,并对反演结果进行验证。模型验证结果显示：RBF-CASA模型估算值与观测值的决定系数（Coefficient of determination, R²）为0.730（P<0.01, n=32）。对比原始CASA模型,平均绝对误差（Mean absolute error, MAE）降低10.991,均方根误差（Root mean square error, RMSE）降低了23.861,相对均方根误差（Relative root mean square error, RRMSE）降低5.10%,平均绝对百分误差（Mean absolute percentage error, MAPE）降低1.12%。使用提出的RBF-CASA模型在库区水位落干期（7-8月份）进行固碳量估算,结果表明：NPP月均值在66.234-134.144g C/m²之间,NPP随着高程的增加呈现起伏变化,其总量在150-155m之间达到峰值,均值在170m以上区域最高。在2021年9月植被NPP均值为35.883g C/m²,2022年9月植被NPP均值为25.964g C/m²,由于降雨量减少、长江水位下降,在2021-2022年间植被恢复情况较差。研究结果可为库区碳循环、生态净化及生态修复等决策提供科学依据。     

黄河流域陆地生态系统碳储量测算及其影响因素

准确估算陆地生态系统碳储量,科学制定生态环境保护和土地利用政策,对促进区域低碳可持续发展,实现"碳中和"目标具有重要意义。基于大量碳密度样点数据,将其与生态地理分区和土地利用类型图空间叠置,采用克里金插值法得到黄河流域碳密度空间分布数据集。应用InVEST模型对2000年、2010年和2020年黄河流域陆地生态系统碳储量的时空演变测度,提高了碳储量估算结果的准确性。利用Pearson相关性分析和多尺度地理加权回归模型(MGWR)对自然、社会经济和景观格局指数等因素对县级行政单元尺度单位面积碳储量的影响进行分析。主要结论如下:(1)黄河流域碳密度空间分布呈西部大于东部、东部地区自东南向西北递减的格局;(2)2000-2020年黄河流域陆地生态系统碳储量增加0.02%(7.011×10⁹-7.012×10⁹t),空间分布与碳密度相同,空间集聚特征显著,"高高集聚区"主要分布在黄河上游西南部的青藏高原地区, "低低集聚区"主要分布在黄河上游北部和黄河下游大部分地区;(3)Pearson相关性分析得出与碳储量呈正相关的影响因素为Pr(降水)、NDVI(归一化植被指数)和Slope(坡度);呈负相关的影响因素为TEM(温度)、HAI(人类影响指数)、SHDI(香农多样性指数)、DN(夜间灯光数据像素值)和PPOD(人口密度)。(4)MGWR模型得出TEM、Pr、NDVI和SHDI空间异质性强,HAI在2010年后异质性强;Slope空间异质性中等;DN和PPOD为全局尺度变量,空间影响平稳;(5)MGWR模型得出NDVI对黄河流域县级单位面积碳储量作用强度最大。NDVI、Slope对县级单位面积碳储量的影响呈正效应,TEM、HAI、DN和PPOD呈负效应,Pr、SHDI呈正、负双向效应。     

Spatio-temporal analysis of vegetation variation in the Yellow River Basin

To understand the variation and patterns of vegetation coverage in the Yellow River Basin, as well as to promote regional ecological protection and maintain ecological construction achievements, MOD13Q1 data at a resolution of 250 m were used to calculate the annual average normalised difference vegetation index (NDVI) in a time series from 2000 to 2010. Using a variation coefficient, a Theil–Sen Median trend analysis, the Mann–Kendall test, and the Hurst index method, this study investigated the temporal and spatial variations of vegetation coverage characteristics of the Yellow River Basin. The results showed that (1) the vegetation coverage of the Yellow River appeared to have an overall trend of high in the southeast and west and low in the northwest; (2) the averaged NDVI of the whole basin fluctuated in a range of 0.3 to 0.4 from 2000 to 2010 (from 2000 to 2004 there were larger variations and these have been growing rapidly since 2005); (3) the NDVI was stable, 73.4% of the vegetation-coverage area fluctuated with a low-to-medium amplitude, while 27.6% of the area varied by a large amplitude; (4) the regions with improved vegetation coverage (62.9%) were far greater than the degraded regions (27.7%), while the sustained invariant area accounted for 9.4% of the total vegetation coverage regions; and (5) 86% of the vegetation-covered area was positively sustainable. The areas with sustainable improvement accounted for 53.7% of the total vegetation coverage area; the invariant area accounted for 7.8%. The area with sustainable degradation was 24.5%; the future variation in trends of the residual (14%) could not be determined. Therefore, continuous attention must be given to the variation in trends of vegetation in the sustainably degraded and underdetermined regions.     

黄河流域森林生态安全等级评价与时空演变分析

森林承担着保持水土、防风固沙等重要作用,黄河流域作为我国重要的生态屏障与经济带受到人们广泛关注,但是缺乏特定区域的森林生态安全研究是国内外相关研究的主要差异。因此以黄河流域9省69个地区为研究对象,运用熵权法与空间相关性计算分析黄河流域森林生态安全指数。得出以下结论：(1)森林承载力指标中天然林比重最大,权重为0.0800。社会经济压力指标中政府林业投资额占比最大,权重为0.1189。(2)9省的森林生态安全指数呈上升趋势,9省排序依次是宁夏>陕西>山西>四川>甘肃>内蒙古>山东>河南>青海。从全域来看,黄河流域南岸森林生态安全指数值高于黄河流域北岸,黄河流域中东部地区森林生态安全指数值高于西部地区。(3)黄河流域森林生态安全指数呈现显著的聚类分布,森林生态安全指数值高-高集聚区域主要分布在中部地区与东部地区,低-低集聚区域主要分布在青海省西部地区。因此,提出以下对策建议：(1)针对空间分布特征：(1)黄河南岸需要防范森林火灾、森林病虫害等,同时可以适当发展林产品贸易与森林旅游等产业;(2)黄河北岸应加强植树造林与林业工程建设,加强森林抚...     

黄河流域植被光合动态时空演变及归因分析——基于日光诱导叶绿素荧光数据

植被光合作用是维持区域生态平衡和气候稳定的关键过程之一,对了解区域生态系统的健康状况和应对气候变化具有重要意义。基于GOSIF数据,对2001-2021年黄河流域植被光合的时空变化规律及原因进行了分析。结果表明:(1)黄河流域植被光合总体呈上升趋势,在空间上表现为西部和东南部高、北部低的分布格局。其中关中平原、阿尼玛卿山、宁夏平原以及黄河三角洲地区的植被光合呈现出显著退化的趋势。(2)归因分析结果表明,不同气候要素对植被光合动态的影响具有显著差异,总体上降水和太阳辐射与黄河流域的植被光合动态呈现出正相关,而温度与植被光合动态呈现出负相关。气候变化和人类活动对黄河流域植被光合动态具有不同程度的影响。人类活动(76.24%)对植被改善区域的贡献远大于气候变化(23.76%)。在退化区域中,稀树草原和农田中的气候变化贡献大于人类活动,灌木、草地和湿地中的人类活动贡献大于气候变化,林地中的气候变化贡献与人类活动相当。研究结果有助于更好理解黄河流域植被光合作用的变化机制,为黄河流域生态保护和高质量发展以及气候变化研究提供了重要的参考依据。     

黄河流域水源涵养服务功能动态演变及驱动因素

黄河流域是中国重要的生态屏障,研究其水源涵养服务功能对推动黄河流域生态保护与高质量发展具有重大意义。采用InVEST模型量化黄河流域1980-2020年水源涵养服务功能,使用空间自相关分析黄河流域水源涵养服务功能空间分布模式,并运用地理探测器分析黄河流域水源涵养服务功能的驱动因素。结果表明:(1)1980-2020年黄河流域水源涵养量为174.8639亿m³-378.4538亿m³,多年平均水源涵养量265.0475亿m³,其中草地与林地多年平均水源涵养量分别占黄河全流域水源涵养总量的52.94%和24.27%。全流域水源涵养量呈现上下游地区较高,中游地区较低的分布格局。(2)全局莫兰指数为0.875,表明黄河流域水源涵养服务在空间上呈现聚集分布,以低-低聚集与高-高聚集为主。(3)1980-2020年不同地类平均水源涵养能力排序:灌木林>有林地>高覆盖草地>其他林地>中覆盖草地>低覆盖草地>旱地>建设用地>未利用地>水田>水域。(4)降水量是影响黄河流域水源涵养量变化的主要驱动因子,降水量与土地利用间交互作用对黄河流域水源涵养服务功能空间分异解释力显著增强。研究结果可为黄河流域生态系统管理与高质量发展提供重要参考。     

黄河流域生态安全屏障防风固沙时空变化及驱动因素

黄河流域是我国重要的生态屏障和经济区,防风固沙服务及其驱动机制的研究对于筑牢黄河流域生态安全屏障具有重要意义。基于修正土壤风蚀模型(RWEQ)定量评估黄河流域2000—2018年防风固沙服务时空变化,采用相关分析和地理加权回归模型(GWR)从社会、气候、土壤、植被、地形等角度探究各驱动因素对黄河流域防风固沙服务影响的空间异质性。结果表明：(1)2000—2018年黄河流域土壤风蚀模数与单位面积防风固沙量分别以0.04 t hm^-2 a^-1和0.14 t hm^-2 a^-1的速率下降,而防风固沙保有率和植被覆盖度则分别以0.05%·a^-1和0.26%·a^-1的速率上升。(2)黄河流域土壤风蚀以微度(<2 t hm^-2 a^-1)和轻度(2—25 t hm^-2 a^-1)为主,共占研究区面积的96.28%。土壤风蚀在空间分布呈现西北高东南低的特点,而防风固沙服务高值则主要分...     

黄河流域生态保护和高质量发展的EKC检验

黄河流域生态保护和高质量发展是国家重大发展战略。运用黄河流域29个市2007-2017年的面板数据,对黄河流域生态保护和高质量发展的关系进行了EKC检验。结果显示,流域内污水处理厂集中处理率和生活垃圾无害化处理率的EKC曲线呈"N"型,一般工业固体废物综合利用率的EKC曲线呈"倒U"型,工业废水排放量和工业SO₂排放量的EKC曲线呈"倒N"型。黄河流域生态保护的人均GDP拐点出现在11.8-14.4万元/人,截止到2017年,各市均未跨过第一拐点,由此可见,该区域生态保护力度及经济高质量发展水平均有待提升。政府部门应继续加大生态保护力度,防止出现污染排放与经济共同增长的现象;同时,应促进人口集聚和发展服务业以抑制生态污染排放并提高污染处理率。