2001—2020年秦巴山区植被生产力对干旱的响应

为定量评估干旱对秦巴山区植被生产力的影响,本研究利用MODIS GPP数据和标准化降水蒸散指数(SPEI),分析了2001—2020年秦巴山区总初级生产力(GPP)和干旱时空变化特征,识别了不同植被类型GPP负异常事件的波动趋势,量化了GPP的干旱脆弱性和干旱风险。结果表明: 2001—2020年间,秦巴山区98.0%的区域年GPP呈增加趋势。除湿地外,其余植被类型GPP均呈极显著增长。秦巴山区23.8%的区域SPEI呈减小趋势。GPP负异常事件数无显著变化,但GPP异常波动程度逐渐加剧,并以耕地最明显。2011年后,所有地类GPP负异常与干旱并发事件比例均下降,但干旱在GPP负异常事件中的时空范围呈扩大趋势。与2001—2010年相比,2011年后GPP干旱脆弱性和干旱风险为正值的区域占比分别增长104.1%和6.7%,即干旱导致GPP下降的面积有所扩大。所有地类中,干旱导致湿地GPP下降的程度最大。研究结果揭示出2001—2020年干旱使秦巴山区GPP波动加剧,极端值出现频率增大,进而导致多数植被类型GPP出现不同程度的下降。     

新疆植被生产力与叶面积指数的变化及其对气候的响应

利用美国探路者卫星遥感资料AVHRR LAI和全球生态模式CASA给出的植被净初级生产力资料(NPP)对新疆地区1982~2000年的植被时空变化进行了定量分析,结果表明新疆地区的LAI和NPP的空间分布严格受水分的制约,与气温呈负相关,表现出干旱内陆地区植被受降水控制的地带特征。相对于20世纪80年代,90年代整个新疆出现了变暖的趋势,降水基本也呈现增加的趋势,在42°N以北地区暖湿转型尤其明显,与这种气候型相对应,植被出现了明显的增加趋势,NPP最大增幅可达45gCm-2a-1。但植被对气温和降水的年际变化响应不一样,降水主要是影响植被峰值的起落,而植被在总体演变趋势上却主要受气温控制,3个分区1984~2000年的气温明显上升,而降水变化趋势不明显,植被受气温控制出现了显著的上升趋势(P<0.01)。     

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。     

酸枣茎导管对自然梯度干旱生境响应的结构特征

近期因全球变暖高温干旱事件频发,严重影响植物的生长发育。逆境中植物的形态结构必定发生改变而得以生存。然而关于不同自然梯度干旱生境中植物导管形态特征变化及其规律方面的研究较少。以采自烟台、石家庄、银川和吐鲁番地区形成的自然梯度干旱条件下生长的酸枣植株为试验材料,离析观察酸枣茎次生木质部导管,研究比较不同干旱条件下酸枣茎中次生木质部导管的结构及适应特征。结果表明:酸枣茎中次生木质部导管有多种类型,不同生境中同种导管的比例不同。根据管尾情况可将导管分为三类:无尾型、一端有尾型和两端有尾型导管,且在结构上表现出特定的适应特征及规律。从烟台到新疆自然梯度干旱条件下,茎中环纹导管和螺纹导管的长度、宽度和管径总体呈减小的趋势,管壁逐渐增厚;网纹导管的宽度和直径逐渐增大;梯纹导管的长度总体呈增大的趋势,管径以宁夏的最大,新疆的最小;木纤维的宽度、管径和管壁的厚度逐渐增大。生长在不同自然梯度干旱生境中的酸枣,其导管结构的变化,提高了水分和无机盐的输导效率,可以快速补充酸枣在干旱环境中蒸腾散失的水分,抵御适应逆境,保证植株正常生长。     

青海省东部地区的自然植被

青海省东部地区地处青藏高原和黄土高原的交汇地带。该地区受青藏高原和黄土高原的影响,自然植被与青藏高原上的高寒植被和黄土高原上的植被类型均有一定联系,从而形成该区较为复杂的植被类型。据考察,该地区的主要植被类型包括荒漠草原、草原、森林、灌丛、高寒灌丛和高寒草甸,并在该地区形成明显的垂直分布。在海拔较低的河谷低山分布着与黄土高原相连的植被类型;而海拔较高的山地则分布与青藏高原相连的高寒植被,形成有一定过渡性而又独具特色的植被景观。我们认为,该地区是青藏高原和黄土高原的过渡地带。     

温度植被干旱指数在蒙古高原干旱监测中的应用

以蒙古高原为研究区,选择2000-2019年植物生长季的MODIS归一化植被指数(NDVI)和陆地表面温度(LST)构建NDVI-LST特征空间,由该特征空间计算蒙古高原温度植被干旱指数(TVDI);利用Theil-Sen Median趋势分析、Mann-Kendall检验及Hurst指数方法分析蒙古高原TVDI的时空...     

气候变化情景下中国自然植被净初级生产力分布

基于国际上较通用的Lund-Potsdam-Jena(LPJ)模型,根据中国自然环境特点对其运行机制进行调整,并重新进行了参数化,以B2情景气候数据作为主要的输入数据,以1961-1990年为基准时段,模拟了中国1991-2080自然植被净初级生产力(NPP)对气候变化的响应.结果表明:1961-1990年,中国自然植被的NPP总量为3.06 Pg C·a-1;1961-2080年,NPP总量呈波动下降趋势,且下降速度逐渐加快.在降水相对变化不大的条件下,平均温度的增加对我国植被生产力可能会产生一定的负面影响.NPP的空间分布从东南沿海向西北内陆呈逐渐递减趋势,在气候变化过程中,该格局基本没有太大变化.在东部NPP值相对较高地区,NPP值以减少为主,东北地区、华北东部和黄土高原地区的减少趋势尤为明显;在西部NPP值相对较低地区,NPP以增加趋势为主,青藏高原地区和塔里木盆地的表现尤为突出.随着气候变化的深入,东西部地区这种变化趋势的对比将越发明显.     

气候变化下中国不同植被区总初级生产力对干旱的响应

干旱变化具有明显的空间分异,不同植被类型对干旱的响应亦有差别。开展气候变化下不同植被覆盖类型对干旱响应的差异分析,厘清温升干旱化进程对植被的影响,对了解植被发展动态及预测未来格局有着非常重要的意义。基于1982—2017年的总初级生产力(GPP)数据和同时期东安格利亚大学气候研究中心(CRU)时间序列(TS)气候数据,分析了中国8个植被区GPP和干旱的变化趋势,通过对比标准化降水指数(SPI)和标准化降水蒸散指数(SPEI)的趋势差异识别了典型的温升干旱化区域,在此基础上研究气温上升如何影响GPP对干旱的响应,进一步讨论了不同植被类型对干旱的敏感性差异。结果表明：(1) 36年来8个植被区除青藏高原高寒植被区呈湿润化,其他植被区均呈现变干趋势;(2)气温上升大面积加剧了温带荒漠区和温带草原区的变干趋势;(3)亚热带常绿阔叶林区和热带季风雨林、雨林区的GPP受温度和干旱影响相当,青藏高原高寒植被区和针叶、落叶林混交林区的GPP受温度主导,其他植被区GPP均受干旱主导。     

黄土高原植被日光诱导叶绿素荧光对气象干旱的响应

随着气候变化的加剧,干旱的频率、持续时间以及发生范围都越来越严重,探索植被光合对干旱的响应以及气象因子对植被光合的影响对于人们如何应对干旱具有重要意义。基于遥感的日光诱导叶绿素荧光(SIF)具有对干旱条件下区域植被光合作用进行早期监测和准确评估的潜力。本研究基于星载SIF和标准化降水蒸散发指数(SPEI)研究了黄土高原地区2001—2017年生长季内(4—10月)植被光合作用对干旱的响应关系及其受气象因子的影响程度。结果表明: 黄土高原地区植被生长季内SIF与SPEI呈显著正相关关系的区域占比为87.8%,其中,半干旱地区植被光合对干旱的响应较敏感,半湿润地区敏感性较低。不同类型植被光合对干旱的响应存在差异,草地对干旱响应的敏感性最高,响应最强的SPEI时间尺度为3～4个月;林地的敏感性最低,SPEI时间尺度为3～10个月。气象因子与SIF存在显著的相关关系,其中,温度和降雨是影响黄土高原植被光合的重要影响因子,光合有效辐射的影响模式与温度相似。黄土高原地区生长季内不同的气候和植被类型条件下,植被光合所受干旱及各气象因素的影响存在较大差异。     

青藏高原草本沼泽植被净初级生产力时空变化及其对气候变化的响应

青藏高原是我国重要的草本沼泽分布区,该地区草本沼泽对于东亚生态安全及碳循环具有重要的意义。植被净初级生产力(NPP)是反映生态系统固碳能力的重要指标,气候变化能够显著影响植被NPP。在全球气候变化背景下,青藏高原草本沼泽植被NPP的时空变化及对气候响应机理尚不明确。利用2000―2020年NPP数据和气象数据,对青藏高原草本沼泽植被NPP的时空变化及其对气候变化的响应进行分析。研究表明:青藏高原草本沼泽植被NPP多年平均值为122.80 g C/m²,在2000-2020年青藏高原草本沼泽植被年NPP总体呈现显著增加趋势(0.79 g C m^-2 a^-1),其中增加趋势最为显著的地区集中于研究区北部。研究发现青藏高原草本沼泽植被NPP主要受年均气温影响,年均降水对青藏高原草本沼泽植被NPP的影响并不显著。在不同季节,夏季和秋季升温均能够显著增加沼泽植被NPP,其中夏季夜晚最低温升高对青藏高原草本沼泽植被生长的促进作用比白天最高温升高更显著。在全球昼夜不对称增温背景下,未来模拟青藏高原草本沼泽植被NPP时,需重点关注白天和夜晚温度变化对草本沼泽植被生长的不同影响。研究结果有助于评估青藏高原草本沼泽植被固碳潜力,并为青藏高原沼泽生态保护提供科学依据。     

2001-2019年台风干扰下我国东南沿海地区植被抵抗力和恢复力评估

台风是影响我国陆地生态系统结构和功能的主要自然灾害之一,尤其对东南沿海地区植被具有明显的干扰效应。为深入了解台风对我国沿海地区植被的影响及其响应,基于MODIS增强型植被指数(Enhanced Vegetation Index, EVI)和叶面积指数(Leaf Area Index, LAI),分析了2001-2019年间不同等级的台风对植被EVI和LAI的影响,评估台风登陆时植被的抵抗力及台风过后植被的恢复力。结果表明:(1)2001-2019年间,共有70个台风登陆我国东南沿海地区,其中,台风(TY)、强台风(STY)与超强台风(SuperTY)的数量分别为35、26和9个。我国台湾省的台风登陆次数最多,为26个,其次为广东省(20个);(2)在整个研究区范围内,台风(TY)、强台风(STY)与超强台风(SuperTY) 登陆后的EVI净变化率分别为4.88%、-7.48%、-1.85%,LAI净变化率分别为22.28%、-65.70%、-17.60%;(3)在经历台风干扰后,沿海地区大部分植被可在3个月之内得到恢复,其中浙江省与广东省植被的恢复时间较长,海南省与台湾省植被的恢复时间较短。研究结果对我国沿海地区森林经营管理和生态环境保护具有重要意义。     

1982-2013年内蒙古地区植被物候对干旱变化的响应

气候变化引起的植被物候变化正在大幅度改变生态系统,研究植被物候对干旱的响应对保护内蒙古的生态系统具有重要意义。根据1：100万植被区划,把内蒙古划分为8个植被分区,利用多时间尺度气象标准化降水蒸散指数（SPEI）和NDVI3g时序数据所反演的物候指标,分析内蒙古植被物候的时空变化及其对干旱的响应规律。结果显示：1）在1982年至2013年间,内蒙古植被受到不同时间尺度下干旱的高度控制,尤其是时间尺度干旱的影响（SPEI-3）;2）对于整个研究区,生长季开始（SOS）呈提前趋势,生长季结束（EOS）呈延后趋势,生长季长度（LOS）呈延长趋势,像元比例分别为63.79%、59.77%和62.83%;3）内蒙古除荒漠植被类型地区外,同年春季和夏季初期干旱对SOS均具有延迟作用,同年秋季干旱对EOS均具有延迟作用 ;4） 不同植被类型对干旱强度指数的响应程度存在差异,响应程度集中在-10d/0.1-10d/0.1（例如,1d/0.1表示干旱强度指数每增大0.1,会导致物候指数延迟1 d,而-1d/0.1表示干旱强度指数每增大0.1,会导致物候指数提前1 d）。     

Implementation of a hierarchical global vegetation classification in ecosystem function models

Abstract. We propose an alternative approach for the currently used biogeographic global vegetation classifications. A hierarchical vegetation classification system is proposed for consistent and routine monitoring of global vegetation. Global vegetation is first defined into six classes based on plant canopy structure and dynamics observable by remote sensing from satellites. Additional biome variability is then represented through a remote sensing derived leaf area index map, and direct climate data sets driving an ecosystem model to compute and map net primary production and evapotranspiration. Simulation results from an ecosystem function model suggest that the six canopy structure-based classes are sufficient to represent global variability in these parameters, provided the spatio-temporal variations in Leaf Area Index and climate are characterized accurately. If a bioclimatically based classification is needed for other purposes, our six class approach can be expanded to a possible 21 classes using archived climatic zones. For example, tropical, subtropical, temperate and boreal labels are defined by absolute minimum temperature. Further separation in each class is possible through changes in water availability defined by precipitation and/or soils. The resulting vegetation classes correspond to many of the existing, conventional global vegetation schemes, yet retain the measure of actual vegetation possible because remote sensing first defines the six biome classes in our classification. Vegetation classifications are no longer an end product but a source of initializing data for global ecosystem function models. Remote sensing with biosphere models directly calculates the ecological functions previously inferred from vegetation classifications, but with higher spatial and temporal accuracy.     

The calculation of productivity factor for ecological footprints in China: A methodological note

The ecological footprint (EF), a physical indicator to measure the extent of humanity's use of natural resources, has gained much attention since it was first used by Wackernagel and Rees in 1996. In order to account for differences between countries in productivity of a given land type (i.e., arable land, pasture, forest and water/fishery), productivity factor was introduced to relate the regional primary bio-productivities of the 4 types of land to the integrated average primary bio-productivity of the corresponding land types. Hence, the productivity factor is an important parameter in the EF model and it directly affects the reliability of all results. Thus, this article calculates productivity factor on the national and provincial level in China based on Net Primary Production (NPP) from MODIS 1 km data in 2008. Firstly, based on the Light Utility Efficiency and CASA model, the NPP of different biologically productive lands of China and of different provinces was calculated. Secondly, China's productivity factor for a given land type was calculated as the ratio of national average NPP of that land type and world-average NPP of that land type. Finally, productivity factors of each province in China for a given land type was calculated. The NPP of each ecosystem type varies along with the productivity factor in different provinces. However, the ranking of the productivity factors remain the same, with that of arable land being the largest, and the water/fishery being the smallest.     

基于温度植被干旱指数的土库曼斯坦典型绿洲干旱遥感监测

针对目前中亚地区广泛存在的农业干旱问题,选取土库曼斯坦典型绿洲为研究区,利用2幅MODIS影像和同期过境的Landsat影像,获取归一化植被指数(NDVI)和地表温度(Ts),构建NDVI-Ts特征空间,计算得到2001和2011年2种温度植被干旱指数TVDITM和TVDIMODIS.利用较高分辨率的Landsat TM数据对MODIS数据反演结果进行验证.结果表明:2001年、2011年TVDITM和TVDIMODIS的绝对误差分别为0.0178和0.0228;均方根误差分别为0.0226和0.0279;相关系数分别为0.949和0.922,说明TVDI可有效反映区域土壤干旱情况.研究区内干旱区域占总面积的60％以上,旱情由绿洲中心向外围逐步严重.近10年来,研究区内土壤湿度低值区呈现扩大趋势,湿润和正常所占比例下降了5.32％,干旱和重旱的比例上升了14％,旱情情况总体加剧.因此,利用MODIS影像的温度植被旱情指数可有效地监测中亚地区干旱情况.     

植被叶面积指数遥感监测模型

叶面积指数是植被定量遥感的重要参数,区域的时序列叶面积指数揭示了区域生态的演化过程,反演方法上主要是通过植被指数建立相关模型实现的,对于不同地区或不同气候带而言,模型的通用性以及各种植被指数在模型中的灵敏度都需做进一步的探讨。以江苏省宜兴市作为研究区,采用2002年8月22日获得的Landsat-5TM图像数据和2003年8月23～26日采用LAI-2000进行的野外实测植被叶面积指数(LAI)数据,分别探讨了植被指数(VI)与LAI的一元、多元线性回归模型和非线性回归模型,其中的非线性回归模型包括对数、指数、乘幂和多项式回归模型。结果表明,VI与LAI之间的最佳回归模型为多元线性回归模型,R2达0.864;采用逐步选择剔除法,遴选出了用于回归模型的植被指数为RVI、PVI、SAVIL=0.35、MSAVI、ARVIγ=1、ARVIγ=0.5和SARVI。经模型LAI=-ln((VI-VI∞)/(VIg-VI∞))/KVI检验,预测值(y)与实测值(x)的拟合度较好y=0.5345x 1.3304,R2为0.7379。RVI与LAI的三次多项式回归模型也较好,R2为0.7806。再次为RVI与LAI的一元线性回归模型,R2为0.7726,比值植被指数RVI在反演叶面积指数模型中具有较高的灵敏度。     

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。