中国潜在植被NPP的空间分布模拟

在对1980年以来气候要素进行空间化的基础上,利用分类回归树模型CART计算中国的潜在归一化植被指数(NDVI),采用改进的光能利用率模型(CASA)和潜在NDVI数据对中国的潜在植被净初级生产力(NPP)进行模拟。结果表明:中国潜在NDVI和潜在NPP均呈现出南高北低、东高西低的格局,低值多分布在沙漠、戈壁等干旱地带,高值多出现在低、中山平原区;400 mm等降水量线是潜在NDVI和潜在NPP高值与低值的分界线;全国潜在NDVI和潜在NPP的平均值分别为0.396和319.31 g C·m-2;夏季潜在NPP的平均值最大,其次是春季,冬季最小;依据潜在NPP与2015年现实NPP的差异,可将中国植被恢复区划分为西部高潜力区、北部低潜力区和南部非潜力区3部分;潜在NDVI和潜在NPP的空间模拟可以将人类活动对自然生态系统的直接影响与气候变化的影响分离,量化了外界压力下真实的生态状况和潜在生态状况的差异,为制定差别化的生态恢复对策提供了科学依据。     

广西西江流域植被净初级生产力时空分布特征及其影响因素

植被净初级生产力(net primary productivity,NPP)是流域生态系统功能的关键因子之一。本研究基于Carnegie-Ames-Stanford approach(CASA)模型,综合利用2003—2012年MODIS序列遥感数据、植被数据和气象数据,对广西西江流域植被NPP进行估算,并分析其时空格局及其影响因素。结果表明:2003—2012年广西西江流域的NPP年均值为524.67 g C·m~(-2)·a~(-1);NPP高值主要集中在研究区南部和东部地区,而中部地区NPP值相对较低;从地形上看,河谷平原植被NPP值较低,丘陵山地植被NPP值较高;不同类型植被对应的NPP值差异较大;常绿阔叶林NPP值最高,为788 g C·m~(-2)·a~(-1);栽培作物NPP值最低,为386 g C·m~(-2)·a~(-1)。2003—2012年研究区植被NPP平均值位于430.05~602.48g C·m~(-2)·a~(-1),总体呈现波动下降趋势。NPP呈现减少趋势的区域占研究区总面积的88.89%;7—10月NPP值较高,1—3月NPP值较低。NPP与年均降水量总体呈负相关关系,与年均温呈正相关关系;NPP受气候因子(降水量、气温)的综合影响,且植被NPP与气候因子(降水量、气温)相关性较密切,复相关系数为0.67。     

基于IBIS模型的东北森林净第一性生产力模拟

集成生物圈模型(the integrated biosphere simulator, IBIS)作为目前最复杂的基于动态植被模型的陆面生物模型之一,已经成为模拟大尺度(全球区域)的植被地理分布、净第一性生产力和碳平衡以及预测气候变化对陆地生态系统潜在影响的有效工具.应用IBIS模型对2004～2005年大小兴安岭的植被净第一性生产力(net primary productivity, NPP)进行了定量估算,模拟与研究了大小兴安岭森林生态系统植被NPP的空间分布格局以及不同植被类型的NPP季节变化特征,结果表明:大小兴安岭森林植被年均NPP值为494.7 gCm-2 · a-1,年吸收0.06Pg的大气碳.研究区年均NPP的空间分布主要受热量条件的影响,大兴安岭地区基本上呈现出由北向南增加的趋势,小兴安岭地区除单位面积年均NPP大于1.1kgCm-2 · a-1在小兴安岭北部孙吴和逊克地区分布外,基本上呈现出均匀分布的趋势.加强基础数据研究的同时如何根据中国的实际合理确定模型参数,使模型在我国典型生态系统中应用是值得进一步研究的.     

中国西北地区NPP模拟及其时空格局

中国西北地区MOD17A3 NPP数据产品缺失严重,影响了该区域植被净初级生产力的进一步研究。本研究利用气象数据、高程数据、NDVI和质量好的MOD17A3 NPP,构建BP神经网络模型,模拟2000—2014年西北地区植被NPP,填补数据缺失区域。利用一元线性回归分析法、R/S分析法、偏相关分析法等,分析了植被NPP的时空变化特征及其与气象要素的关系。结果表明:(1) MODIS NPP产品值与BP神经网络模拟值的决定系数R~2、平均绝对误差MAE、平均相对误差MRE、均方根误差RMSE分别在0.833～0.906、25.84～40.10、0.16～0.23和34.57～59.36,满足精度要求,BP神经网络模型适用于模拟西北地区植被NPP。(2)植被年均NPP具有较强的空间差异,呈现出由东南向西北递减,而新疆西北部地区出现"条块状"高值区特征。(3) 2000—2014年西北地区植被年均NPP在106.64～156.17 g C·m~(-2)·a~(-1),年际变化上呈现波动下降趋势。(4) 2000—2014年西北地区植被NPP变化具有空间异质性,以减少为主,仅10.79%的区域通过了显著性检验。植被NPP变化具有较弱的持续性特征,未来发展方向以不确定为主,有利和不利为辅,其中有利区域面积大于不利区域。(5)植被NPP对气温和降水的响应具有空间差异,总体上与降水关系更密切。     

甘肃省生态安全时空演变特征及影响因素解析

生态安全是维持经济社会与生态可持续发展的重要保障。西部大开发与"一带一路"倡议实施以来,西部城镇发展迅速,经济效益大幅提高,生态环境却面临极大挑战。因此,以西北地区重要生态屏障区甘肃省为研究对象,基于"省公顷"概念改进传统生态足迹模型,评价2005—2015年甘肃省生态环境演变特征和生态安全状况,定量解析其驱动因素。结果表明:(1)2005—2015年甘肃省人均生态足迹与人均生态承载力分别由0.51 hm~2/人和0.22 hm~2/人增加至0.69 hm~2/人和0.47 hm~2/人,生态承载力增加速度较快,但自然资源依旧呈"供小于求"的状态。(2)甘肃省人均生态赤字由-0.20 hm~2/人变化至-0.33 hm~2/人,生态恶化程度不断加深。生态压力也由2.07升至2.74,生态安全处于很不安全状态,总体"西北高、东南低"的格局与城镇化布局相一致。(3)各影响因素对生态安全变化的决定力存在明显差异,其中人均GDP对生态安全扰动最强,其余因素影响程度依次为"人均能源消费第二产业占GDP比重城镇化率人口密度科教支出占总支出比"。     

羌塘高原寒草地生态系统生产力动态

基于实测气象数据和遥感数据,分析了藏北地区气候变化趋势,并采用植被-气候综合模型和CASA模型模拟分析了藏北草地潜在和现实净第一性生产力(NPP)的动态变化和空间格局.结果表明:1955-2004年间,羌塘高原年平均气温上升了1.37 ℃,降水量增加了63 mm,中、东部区域的气候趋于暖湿化,西部区域趋于暖干化,目前气候变化尚未引起草地退化.草地潜在NPP平均值为东部＞中部＞西部.1982-2004年,由于水热条件的变化,中部区域的潜在NPP增加值最高,达0.55 t·hm-2·a-1,东部和西部分别为0.51和0.21 t·hm-2·a-1;东、中、西部现实NPP增量分别为-0.19、-0.03和0.20 t·hm-2·a-1.超载过牧是东、中部草地退化的主要原因,中部是草地保护恢复工程的最佳实施区域.     

盘锦湿地净初级生产力时空分布特征

主要采用中巴地球资源卫星(CBERS)、合成孔径雷达(SAR)和数字高程模型(DEM)数据,通过主成分变换融合算法、分类回归树CART算法和混合像元分解模型结合神经网络算法,进行了盘锦湿地土地覆盖类型分类。充分考虑湿地生态系统的典型特征,将盐分胁迫因子作为估算湿地耐盐植被净初级生产力(NPP)的环境影响因子之一,构建了基于光能利用率和遥感数据的湿地植被净初级生产力模型。分析了盘锦湿地植被NPP的时空分布特征,并研究了盘锦湿地植被NPP对气温和降水的响应特征。结果表明:2009年盘锦市植被净初级生产力介于0—1175 gC·m-·2a-1之间,平均值为553 gC·m-·2a-1。盘锦市植被NPP空间分布规律呈东北向西南逐渐递增的趋势。在湿地植被分类类型中,芦苇的单位面积平均NPP最高,达到1016 gC·m-·2a-1。2004—2009年盘锦植被单位面积平均NPP值在缓慢上升,湿地已呈现缓慢恢复的趋势。总体上气温对盘锦湿地主要植被类型芦苇月平均NPP的影响要强于降水。2004—2009年降水对盘锦地区植被年平均NPP的影响强于气温。     

新疆近15年草地NPP动态变化与气象因子的相关性研究

为揭示新疆不同时空格局下气候因素变化对植被生产力的影响, 探讨草地植被生产力与气候因子的相关关系, 采用2000-2014年8月MOD13A1遥感数据集, 利用CASA模型分析新疆草地植被净初级生产力的空间格局及动态变化, 结合降水量、温度数据分析新疆不同草地植被类型NPP的变化趋势, 并对其与气象因子的相关关系进行分析。结果表明: (1)从空间上, 草地植被NPP各年呈北高南低的空间格局, 不同的草地类型的NPP也存在较大差异, 总体大致表现为草甸>高山亚高山草甸>平原草地>高山亚高山草地>荒漠草地。(2)从时间上, 2000—2014年, 草地植被NPP总体呈波动式下降趋势, 在2006年、2012年、2014年降到谷底, 分别为50.520 g C·(m²·a)-1、54.438 g C·(m²·a)-1、54.213 g C·(m²·a)-1。(3)新疆草地植被NPP与降水呈显著正相关, 与温度呈不显著负相关。表明降水是影响该地区植被NPP的主要气候因子。     

江西省植被净初级生产力的空间格局及其对气候因素的响应

应用遥感-过程耦合模型(GLOPEM-CEVSA),模拟了2000-2006年江西省陆地植被净初级生产力(NPP),分析了其空间格局及其对气候因子的响应.本模型模拟数据与样点实测数据间呈显著的线性相关,复相关系数为0.85 (P＜0.001).在全省主要植被类型中,常绿针叶林的NPP最高(1091.38 g C·m-2·a-1),其次是常绿阔叶林(846.09gC ·m-2·a-1)、灌丛(596.62 gC.m-2.a-1)和草地(325.50gC ·m-2·a-1).不同气候梯度上的NPP分布状况分析表明,在降水低于1900 mm的地区,随降水量增加NPP略有增加但幅度较小且波动较为剧烈;在降水量为1900 ～ 1950 mm的地区,降水越多NPP也越高,且增加显著;但在降水高于1950 mm地区,NPP则随着降水的增加而降低.在气温低于17℃的区域,温度越高NPP也较高,而在温度高于17℃的区域,NPP则随温度增加而降低.进一步分析低(＜17.25℃)、均(17.25 ～18.55℃)、高(＞18.55℃)3个气温区内空间上NPP与降水的关系发现,低温区和均温区主要植被以常绿针叶林为主,NPP较高,而高温区则以农田和灌丛为主,NPP较低且波动较大.     

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。     

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.     

基于GIS和CASA的滇南山区植被NPP时空分异及其影响因素——以云南省元阳县为例

为了探明云南省元阳县植被净初级生产力(NPP)的变化特征及其驱动机制,本研究基于光能利用率模型(CASA)和MODIS传感器获得的NDVI数据,模拟了元阳县2005—2015年植被NPP的时空分布,并分析了NPP与气候、土地覆盖等影响因子的相关性。结果表明:2005—2015年元阳县NPP空间分布差异明显,基本特点是南高北低、西高东低,沿东北向西南逐渐递增,年均值约380.57 g C·m-2·a-1,不同土地覆盖类型的植被NPP也分异明显;元阳县NPP月际及年际变化特征显著,年内太阳辐射的分布不均较之于降水的分布不均对NPP的影响更大,年际间NPP总体呈现小幅波动增长趋势,波动幅度为0~37 g C·m-2·a-1,年净初级生产量整体小幅增加,年增速为29600 kg C·a~(-1),随着退耕还林和退耕还草工程的实施,导致NPP在200~300 g C·m-2·a-1的耕地区域面积呈减小趋势,在300~400 g C·m-2·a-1的林地、草地区域面积呈增加趋势;元阳县不同区域的NPP变化趋势可分为显著增加(P0.01)、轻度增加(P0.05)、无明显变化(P≥0.05),其中29.5%的区域显著增加,16.3%的区域轻度增加,不同植被分区的NPP增加趋势不尽相同,各植被区NPP显著增加的面积比例依次为58.1%(林地)、19.2%(草地)、17.4%(耕地)、11.4%(建筑用地)、8%(园地);通过NPP与气候、土地覆盖等影响因子的相关性分析,发现县域NPP的变化受自然和人为因素共同影响。各气候因子中,温度和太阳辐射与NPP的相关性高于降水,NPP的大范围显著增长是热量及能量耦合作用的结果;受元阳县林区植被特性及退耕还林还草等人为活动的综合影响,林地植被NPP季节波动性幅度最高,是元阳县NPP变化显著的主要土地覆盖类型。本研究可为该区域合理的土地利用、资源管理及生态环境建设提供参考。     

西北干旱区植被净初级生产力的遥感估算及时空差异原因

植被净初级生产力(NPP)是评价陆地生态系统的重要参数。本文基于2000—2014年的MODIS NDVI数据,结合西北干旱区的自然环境特点,从土地覆盖类型、分类的精度、辐射数据的选取、计算公式的选择等方面对CASA模型进行改进和率定,进一步估算了西北干旱区的NPP,并分析了NPP的时空变化特征。结果表明:经验证改进的CASA模型对于干旱半干旱区植被NPP的模拟效果较好,可以反映研究区的植被生长及分布状况,西北干旱区多年平均植被NPP为191.63 g C·m~(-2)·a~(-1);西北干旱区植被NPP分布具有明显的区域差异性,总体上呈现出西北、东南高,中间低的特征;在年际变化上,NPP总体上呈增加趋势,线性增长率为2.98 g C·m~(-2)·a~(-1),且不同植被类型的NPP增长率不同,耕地增长最快,其次是灌丛,最低的是林地;对西北干旱区不同植被类型的NPP与气候因子(气温、降水)的相关性分析表明,总体上植被生物量与降水的相关系数为0.538(P0.05),与气温的相关系数为0.394,说明研究区植被NPP与降水的相关性高于气温;且不同植被类型与气候因子的相关性具有差异性。     

成都市人均生态足迹和人均生态承载力空间分布差异

生态足迹方法是通过比较人类活动消耗的自然资源与自然生态系统所提供的生态承载力,定量的判断区域的可持续发展状态。采用生态足迹模型对2009—2014年成都市生态足迹、生态承载力状况进行了测算,并结合空间分析揭示了其空间演化规律。结果表明:(1)2009—2014年,各区市县人均生态足迹平均值有着逐年下降的趋势,由2009年的2.759hm~2/人下降至2014年的1.937hm~2/人,基本格局呈现出中间低,西南高,两翼居中的分布特征,高水平人均生态足迹集中分布在西南方向的蒲江县、大邑县,邛崃市;(2)2009—2014年成都市人均承载力呈现出较为稳定且有下降的趋势,由2009年的0.2314hm~2/人下降至2014年的0.2215hm~2/人,其空间分布特征与生态足迹呈现出较好的空间一致性;(3)人均生态亏盈,在时间上表现为逐渐向好,但其本质是趋势为生态赤字愈发严重,空间上呈现出与人均生态承载力情况"高-低,低-高"相反分布的特征,分布呈扩散型,即由中部的五城区向四周扩散,除五城区外,其余地区在研究期间内都为赤字,最严重区域集中在西南方向的蒲江县,最高达到-9.3189hm~2/人,亟需建立有效的生态足迹调控和补充机制。     

四川植被净第一性生产力(NPP)对全球气候变化的响应

根据全球气候变化的趋势 ,利用生态信息系统 (EIS)技术 ,采用植被净第一性生产力模型 ,并结合海拔因素 ,模拟了四川植被净第一性生产力在未来气候 5种水热条件下空间分布格局的变化趋势。结果表明 ,当前四川植被的净第一性生产力 (NPP)从总体上沿东南向西北呈逐渐递减趋势。植被净第一性生产力与降水量呈明显正相关关系 ,二者曲线比较近似。与可能蒸散率呈明显负相关关系 ,与海拔关系比较复杂。在盆地内 ,NPP值主要取决于降水量的多少。在盆地向高原过渡地区和高山高原地区 ,植被净第一性生产力主要取决于可能蒸散率的大小。随着全球气候的变化 ,四川省的植被净第一性生产力将沿东南至西北方向发生面积和值的推移。当温度升高 2 5℃ ,降水量增加 10 %时 ,四川省的植被净第一性生产力将增加13 76 % ,随着降水量增加到 2 0 % ,其值将进一步升高 ,达到 10 92 2TDM·hm-2 ·年 -1。当温度升高 4℃ ,降水量增加 10 %时 ,四川省的植被净第一性生产力将增加 18 2 9% ,随着降水量减少到P 10 %时 ,其值将逐渐减少到 9 5 30TDM·hm-2 ·年-1。     

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.     

黑河流域植被水分利用效率时空分异及其对降水和气温的响应

植被水分利用效率(WUE)是衡量植被生态系统碳水耦合关系的重要指标,研究其时空分异特征对区域水资源合理利用及配置有重要意义。基于改进的光能利用率模型CASA,模拟估算了黑河流域2000—2013年植被净初级生产力(NPP),结合ETWatch模型估算的黑河流域2000—2013年蒸散数据ET,进一步估算了黑河流域植被水分利用效率WUE。分析了黑河流域NPP、ET和WUE空间格局和时间变化特征,探讨了WUE变化对降水和气温的相关性。结果表明:1)黑河流域空间上植被NPP在2000—2013年多年平均值为81.05 gC m~(-2) a~(-1),ET平均值为133.38 mm,植被WUE平均值为0.448 gC mm~(-1) m~(-2)。植被NPP、ET与WUE的空间格局基本上类似,均呈现出自上游至下游逐渐减少的分布格局。2)黑河流域2000—2013年间植被平均NPP与平均WUE均呈现显著上升趋势(P0.05),而ET平均值变化不显著。WUE年际变化斜率与其平均值在空间分布上存在一定的对应关系,空间上植被WUE的高值区同时是其呈增长趋势的主要区域,植被WUE平均值较低的区域其年际变化也趋于稳定。3)不同植被类型的WUE差异较为显著,植被自身受环境影响形成的生理生态参数是其WUE差异的主要原因,不同植被类型WUE平均值关系为:灌丛草地森林农田沼泽荒漠。中游绿洲区栽培植被平均WUE仅为0.90 gC mm~(-1) m~(-2),因此应当重视提高其对水资源的利用效率。4)整体上黑河流域植被WUE年际变化主要受降水的影响,植被WUE与降水呈负相关的区域主要分布在中游绿洲灌溉区,表明人为活动干扰会削弱气候因素对植被WUE的影响。     

基于耦合模型的干旱区植被净初级生产力估算

净初级生产力是陆地生态系统物质与能量运转研究的基础, 在干旱区生态环境演变及其与气候相互作用和影响方面极为敏感,是揭示干旱区生态环境特征的重要指标.本研究基于RS和GIS技术,利用地面气象数据、涡度相关数据、Landsat 8数据和MODIS数据,通过SEBAL模型和光能利用率模型的耦合,估算了新疆玛纳斯河流域植被净初级生产力(NPP),分析了其空间格局及与高程和坡度的关系.结果表明: SEBAL模型与光能利用率模型的耦合对玛纳斯河流域山地-绿洲-荒漠生态系统植被NPP的模拟效果较合理,能较好地反映植被净初级生产力的实际情况;2013年,玛纳斯河流域植被NPP总量为7066.72 Tg C·a^-1,平均值为278.06 g C·m^-2·a^-1,总体分布趋势是自南向北先增加后减少再增加最后减少,随着地貌和土地利用类型的变化呈现明显的分布规律,且其月变化比较明显,7—8月达到最大值,占总量NPP的52.2%;植被净初级生产力随海拔和坡度的增加整体呈下降趋势,但随海拔增加植被NPP出现3次波动.这些波动主要由地表植被覆盖类型和环境因素所引起.     

黄河三角洲新生湿地净初级生产力时空变化

以黄河三角洲新生湿地为研究区,结合野外调查和遥感影像数据,利用CASA(Carnegie-Ames-Stanford Approach,CASA)模型对近20年新生湿地植被净初级生产力(net primary production,NPP)时空变化特征及其主要影响因素进行研究。结果表明:研究区植被NPP实测值与估算值显著相关(P0.001),相对误差介于-21.96～8.16;研究区植被NPP呈现由海向陆递增,由河流沿岸向外围递减趋势; 1998—2016年研究区植被NPP均值、总量整体呈下降趋势,植被NPP均值变化较小,但植被NPP总量变化明显,1998年植被NPP总量最大,2010年植被NPP总量最小;研究区四季植被NPP变化明显,春季植被NPP均值为74.25 g C·m~(-2),夏季为101.58 g C·m~(-2),秋季为41.83 g C·m~(-2),冬季为13.10 g C·m~(-2);研究区不同植被NPP估算值差异显著,各类植被NPP均值估算结果大小为刺槐群落芦苇柳树群落农作物芦苇荻白茅群落芦苇柽柳群落柽柳群落碱蓬群落大米草互花米草群落柽柳碱蓬白茅群落;研究区植被NPP与土壤可溶性盐相关系数为-0.389(P0.01),合理的"调水控盐"模式可以降低土壤盐度,促进植被有机物积累。     

近16年青海高原植被NPP时空格局变化及气候与人为因素的影响

采用2000—2015年MOD13Q1—16天合成的250 m分辨率NDVI时序数据,基于CASA改进模型估算了青海高原植被NPP,分析了近16年来植被NPP时空变化的特征与规律及其对气候因素变化的响应,并探讨不同区域生态保护工程建设的成效。研究结果表明:①青海高原植被NPP多年平均值242.50 gC m~(-2) a~(-1),空间上呈东高西低,南高北低,由西北向东南逐渐递增分布趋势;②2000—2015年,研究区年NPP分布在53.24—96.56 TgC,呈平稳增加,年增长率1.32 TgC/a;③气候的暖湿化是植被NPP增加的主要因素,降水、气温的耦合作用是青海高原植被NPP年际波动的重要因素,不同区域植被NPP受控因子存在差异;④不同生态保护工程的实施,对区域NPP时空格局及变化趋势存在不同程度的影响。其中,三江源地区年NPP上升趋势最为明显,环青海湖地区、东部地区次之,柴达木地区是最缓慢的地区。