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。     

1981～2000年陕西省植被净初级生产力时空变化

为阐明陕西省植被净初级生产力(NPP)变化的整体状况,应用以遥感观测数据驱动的GLO-PEM模式模拟估计的NPP数据,对陕西省1981~2000年间的地表植被净初级生产力的空间分布及时间序列变化进行了综合分析.研究结果表明:(1)20年来,陕西省年NPP变化范围为687~858 g/(m2?a),平均值为749 g/(m2?a);(2)陕西省年平均NPP在波动中缓慢上升,NPP年增长幅度为3.248 2 g/(m2?a);(3)陕西省年平均NPP分布总体呈现从南到北递减的趋势,长城沿线风沙区NPP在200~400 g/(m2?a)之间,是陕西省NPP最低的地区;关中中东部NPP较高,大部在800 g/(m2?a)以上,NPP在1 200 g/(m2?a)以上的面积约占1/3,是全省NPP的高值区;(4)陕西省NPP基本不变(NPP变化百分率在-10%~10%之间)的面积占54.7%,NPP变化百分率增加10%以上的面积占40.5%,NPP变化百分率降低10%以下的面积仅占4.8%;(5)占陕西省总面积的77.3%的区域NPP变化不显著(P>0.05),NPP增加极显著(P<0.01)的区域占8.3%,增加显著(P<0.05)的区域占13.8%,NPP降低显著(P<0.05)和降低极显著(P<0.01)占0.7%.     

2000-2015年宁夏草地净初级生产力时空特征及其气候响应

草地是宁夏陆地生态系统的重要组成部分,估算其净初级生产力（NPP）对宁夏草地可持续利用与管理至关重要。采用MODIS数据和CASA模型对2000-2015年间宁夏草地生态系统NPP进行了估算,通过一元线性回归趋势分析、Hurst指数等方法研究草地NPP的时空变化规律及未来演变趋势,并分析草地NPP与气象因子的相关性。结果表明：（1）基于CASA模型的宁夏草地NPP模拟精度高,其估算值与实测多年草地NPP均值具有良好的线性关系（R=0.93,P < 0.01）,与MOD17产品的草地NPP空间分布基本一致。（2）近16 a宁夏草地年均NPP为148.28 g C m^-2 a^-1,且存在波动上升的趋势,其线性增长率为3.84 g C m^-2 a^-1（P < 0.01）。（3）宁夏草地NPP整体处于上升趋势,草地NPP增长的草地面积达98%,且其增率自南向北递减;宁夏草地NPP的Hurst指数在0.27-0.81之间,均值为0.53,大部分草地的NPP变化趋势具有较强同向持续性。（4）在年时间尺度上,宁夏草地NPP主要受降水量的影响,与气温的相关性较弱;在月时间尺度上,生长季草地NPP与月总降水量的相关性高,且不存在时间滞后响应现象,而与月均温的响应则存在1个月的时间滞后性,宁夏大面积分布的干草原与荒漠草原NPP对气温响应滞后是导致这一现象发生的主要原因。     

基于CASA模型研究祁连山地区植被净初级生产力的时空变化

基于2003~2012年的遥感数据及DEM高程模型校准后的气候数据,利用CASA模型估算了祁连山地区植被净初级生产力(NPP),并对NPP的年内、年际变化以及时空分布规律和变化趋势进行分析。结果表明:(1)祁连山地区年内NPP集中在6~8月,占全年NPP总量的86.39%;2003~2007年,NPP年均值在165.28~192.75g·m-2·a-1之间小幅波动;2007~2009年呈现出较明显的下降趋势,由168.63g·m-2·a-1下降到153.17g·m-2·a-1;2009~2012年表现出明显的上升趋势,最大值达207.13g·m-2·a-1。(2)祁连山地区的NPP东西部分布差异大,东部地区大多在200~400g·m-2·a-1之间,部分地区可达500g·m-2·a-1之上;中部地区存在较明显的南北差异,南部大多地区在100~300g·m-2·a-1之间,北部大多地区在100~400g·m-2·a-1之间;西部广大地区大多在0~100g·m-2·a-1之间,荒漠和高山冰雪覆盖区域生物量最低。(3)近十年来,祁连山地区的NPP呈波动增加趋势,增加面积约9 867km2,约占植被总面积的21.19%,减少面积约8 173km2,约占植被总面积的17.52%,表明祁连山的生态健康水平总体在改善但局部在恶化。     

2000年以来中国潜在植被净初级生产力的时空分布模拟

潜在植被的净初级生产力(PNPP)是在无人类干扰情况下,立地所能发育形成最稳定成熟植被的净初级生产力,PNPP能够直接反映自然生态系统的质量状况,是分离人类活动对生态环境影响的重要指标。研究改进了CASA(Carnegie-Ames-Stanford Approach)模型,引入潜在光合有效辐射吸收比例(PFPAR)模拟了2000—2020年中国植被PNPP的时空分布格局。结果表明：中国PNPP空间分布差异较大,东南沿海和东北大、小兴安岭地区PNPP较高,新疆、西藏等西部干旱、高寒地区PNPP较低,呈现以400 mm等降水量线为界的空间分异格局。2000—2020年,中国PNPP总体上呈现递增趋势,年际波动小,PNPP减少的区域与增加的区域面积基本相等。PNPP波动较大的地区主要位于青藏高原、四川盆地和贵州高原。研究结果量化了气候变化背景下真实的生态状况和潜在生态状况的差异,可分离出人类活动对自然生态系统的直接影响,为制定针对性的生态修复对策提供了科学依据。     

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...     

2001-2010年疏勒河流域植被净初级生产力时空变化及其与气候因子的关系

通过改进的光能利用率CASA模型估算2001-2010年间疏勒河流域陆地生态系统的净第一性生产力（NPP）,采用线性趋势分析、变异系数和Hurst指数等方法,分析了NPP的时空变化特征及其与气候因子的相关性。结果表明：①疏勒河流域NPP的空间分布具有明显差异,空间上呈现西北低、东南高的趋势,且具有较明显的经向"条带"分布特征,2001-2010年,NPP平均值为102.26 gC m^-2 a^-1。②2001-2010年,疏勒河流域NPP总体呈增长趋势,年际波动较大,NPP明显增加的区域占总面积25.15%,明显减小的区域约占11.93%。③Hurst指数分析显示,疏勒河流域NPP变化的同向特征强于反向特征,其中持续改善地区占总面积的78.3%,21.7%的区域将由改善转为退化。④在年尺度上,降水是植被NPP变化的主要影响因素,NPP与降水呈弱的正相关关系,与温度相关性不显著;在月尺度上,温度是NPP变化的主要控制因子。疏勒河流域NPP对气候因子不存在明显的时滞和累积效应。     

南方丘陵山地带植被净第一性生产力时空动态特征

基于MODIS数据并结合气象资料和植被参数,利用修正过最大光能利用率的CASA(Carnegie-Ames-Stanford Approach)模型,对国家生态安全屏障区的"两屏三带"之一南方丘陵山地带2000—2010年的植被净第一性生产力(NPP)进行模拟,并对其时空分布格局进行了分析。研究结果表明:(1)研究区2000—2010年期间年NPP的变化范围为406.0—485.6 g C m-2a-1,年平均NPP为445.7 g C m-2a-1,高于全国平均水平;NPP年际上升趋势不显著(P=0.39),平均增加值为2.28 g C m-2a-1;(2)NPP空间分布特征与植被类型具有较好的一致性,单位面积NPP以混交林覆盖区最高(501.0 g C m-2a-1),草地覆盖区NPP最低(390.7 g C m-2a-1);(3)植被NPP的时空变化与气温、降雨和太阳辐射等自然因素的变化有直接关系,而社会、经济、政策等人为因素通过改变土地利用方式来间接影响。     

黄土高原草地净初级生产力时空动态及其影响因素

利用光能利用效率模型(Carnegie-Ames-Stanford approach,CASA)模拟2000-2015年黄土高原草地净初级生产力(NPP),分析黄土高原草地NPP的时空动态、NPP变化稳定性和持续性特征,从植被类型、地形因素、气候变化和人类活动4个方面探讨黄土高原草地NPP的影响因素.结果表明:黄土高原草地NPP的平均值为202.93 g C·m^-2·a^-1,其年际变化特征呈现显著增加的趋势,平均年增加速率为2.43 g C·m^-2·a^-1;分布具有明显的空间异质性,大体呈南高北低的状态.黄土高原草地NPP呈增加趋势的区域占总草地面积的91.2%,主要分布在陕西省的大部分地区、甘肃陇东及陇中地区和青海等地.草地NPP变化较为稳定的区域主要集中在鄂尔多斯的南部地区、陕北地区和甘肃等地.大部分地区草地NPP未来的变化趋势与过去一致,且陕西省的大部分地区以及甘肃省的陇中及陇东地区的草地NPP将呈现持续显著增加的趋势.坡面草地的平均NPP值最高,为703.37 g C·m^-2·a^-1;而高山亚高山草地NPP平均值最低,为57.28 g C·m^-2·a^-1.高海拔地区的草地NPP较高,而平原及丘陵地带草地NPP相对较低.研究期间黄土高原降水量的增加对草地NPP的增加具有明显的促进作用;人类活动诸如过度放牧状况的改善以及退耕还草等政策的实施对黄土高原草地NPP的增加也具有重要作用.     

2008—2018年伊犁河流域植被净初级生产力时空分异特征

基于MODIS数据和改进的光能利用率模型(CASA模型)对2008—2018年伊犁河流域植被净初级生产力(NPP)进行估算,通过一元线性回归趋势分析、变异系数、Hurst指数等方法对其时空分异特征进行分析。结论如下：(1)时间特征上,伊犁河流域植被NPP呈现波动上升趋势,年内植被NPP呈现出“单峰型”特点,该流域四季植被NPP大小关系为：夏季>春季>秋季>冬季;(2)空间特征上,伊犁河流域植被NPP呈现东北低西南高,沿天山山脉呈环状分布,各植被类型NPP的大小为：林地(624.13 g C m^-2 a^-1)>耕地(575.04 g C m^-2 a^-1)>草地(270.57 g C m^-2 a^-1)>裸地(114.26 g C m^-2 a^-1)。该流域植被NPP在海拔、经纬度方面均呈现不同的变化特征。(3)空间稳定性上,伊犁河流域植被NPP存在明显的空间差异性,各变异程度...     

2000—2018年京津冀地区植被净初级生产力时空演变及其驱动因素

基于MODIS-NDVI(Moderate-Resolution Imaging Spectroradiometer,Normalized Difference Vegetation Index)、气象站点及植被类型数据,采用改进的CASA(Carnegie-Ames-Stanford Approach)模型估算了20...     

Spatio-temporal variation in vegetation net primary productivity and its relationship with climatic factors in the Shule River basin from 2001 to 2010

The study area incorporated the Shule River basin, located in northwest Gansu Province, an important water source and ecological division within the Hexi Corridor. We calculated NPP using MODIS images, meteorological data, vegetation type maps, and the improved CASA NPP model. We analyzed NPP spatio-temporal characteristics in the study area for 2001–2010 using linear trend analysis, coefficient of variation, and the Hurst index. The following general outcomes were found: NPP in the study area showed considerable regional differences. NPP gradually decreased from southeast to northwest, with significant linear longitudinal patterns. Inter-annual variability showed overall growth over the study period. Significant NPP increase occurred for 25.15% of the total study area, whereas 11.93% showed significant decrease. The Hurst index indicated that the majority of NPP changes followed the same trend, with 78.3% of the study area expected to continuously increase, and 21.7% expected to decrease in the future. There was a weak relationship between NPP and annual precipitation, but no significant relationship between NPP and annual average temperature, indicating that precipitation was the key annual influence. Temperature was the dominant climatic factor affecting NPP on a monthly scale, and precipitation and temperature annual correlations were lower than those for the monthly scale.     

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GEE平台的黄河流域森林植被净初级生产力时空变化特征

黄河流域是我国重要的生态屏障,研究黄河流域森林植被净初级生产力(Net Primary Productivity,NPP)的时空变化特征及驱动机制,对解释黄河流域森林碳汇/源变化具有重要意义。基于Google Earth Engine (GEE)云平台,利用MOD17A3H V6 NPP数据、MCD12Q1 V6土地覆盖类型数据、ECMWF/ERA5气象数据和USGS/SRTMGL1_003高程数据,采用岭回归分析、Hurst指数和冗余分析(Redundancy Analysis,RDA)对黄河流域2001-2019年森林NPP的时空变化特征及影响因子进行分析。结果表明:(1)2001-2019年,黄河流域森林平均总面积为3.66万km²,其中阔叶林、针叶林、混交林平均面积分别为:2.64万km²、0.01万km²和1.01万km²,森林NPP年总量呈线性增加趋势,其均值为8.99Tg C,年均增速为0.36Tg C/a,19a增长率为173.60%;不同森林类型的NPP年总量均值分别为:4.79Tg C (阔叶林)、6.04×10^-5Tg C (针叶林)和0.64Tg C (混交林),年均增速为:阔叶林(0.16Tg C/a)>混交林(0.04Tg C/a)>针叶林(6.98×10^-6Tg C/a)。(2)2001-2019年,黄河流域森林年均NPP呈线性增加趋势,其均值为241.58g C m^-2 a^-1,年均增速为7.18g C m^-2 a^-1,19a增长率为108.63%;不同森林类型的年均NPP均值分别为:178.48g C m^-2 a^-1(阔叶林)、0.60g C m^-2 a^-1(针叶林)和62.49g C m^-2 a^-1(混交林),年均增速为:阔叶林(4.75g C m^-2 a^-1)>混交林(2.39g C m^-2 a^-1)>针叶林(0.04g C m^-2 a^-1)。(3)黄河流域森林NPP呈增加趋势的面积占94.50%,其中显著增加的面积占73.29%;呈减少趋势的面积占5.50%,其中显著减少的面积占1.57%。阔叶林NPP显著增加的面积最高(76.78%),其次为混交林(60.84%),针叶林最少(56.76%)。(4)黄河流域森林NPP的Hurst指数(H)介于0.38-1.00之间,平均值为0.87,其中H≥0.5的像元数约占99.34%,黄河流域森林NPP在未来一段时间内仍保持持续增加趋势。(5)归因分析表明环境因子对黄河流域森林NPP时空变化的总解释率为55.80%,显著影响的环境因子为经度(35.50%)、降水(8.00%)、气温(6.50%)和纬度(5.40%)。2001-2019年黄河流域森林NPP呈增加趋势,且呈现较强的可持续性;GEE云平台结合冗余分析可及时、高效获取黄河流域森林NPP的时空变化并对其进行归因分析。     

Temporal and spatial variation characteristics of China shrubland net primary production and its response to climate change from 2001 to 2013

Aims Net primary production (NPP) is the input to terrestrial ecosystem carbon pool. Climate and land use change affect NPP significantly. Shrublands occupy more than 20% of the terrestrial area of China, and their NPP is comparable to those of the forests. Our objective was to estimate China shrubland NPP from 2001 to 2013, and to analyze its variation and response to climate change.Methods We used a Carnegie-Ames-Stanford Approach (CASA) model to estimate the NPP of six shrubland types in China from 2001 to 2013. Furthermore, we used Theil-Sen slope combined with Mann-kendall test to analyze its spatial variation and a linear regression of one-variable model to analyze its inter- and intra-annual variation. Finally, a multi-factor linear regression model was used to analyze its response to climate change.Important findings We found the annual mean NPP of China shrubland was 281.82 g•m^-2•a^-1. The subtropical evergreen shrubland has the maximum NPP of 420.47 g•m^-2•a^-1, while the high cold desert shrubland has the minimum NPP of 52.65 g•m^-2•a^-1. The countrywide shrublands NPP increased at the rate of 1.23 g•m^-2•a^-1, the relative change rate was 5.99%. The temperate deciduous shrubland NPP increased the fastest with a speed of 3.05 g•m^-2•a^-1 and subalpine evergreen shrubland had a decreasing trend with a speed of -0.73 g•m^-2•a^-1. Moreover, the other four shrublands NPP had a growing trend, only subalpine deciduous shrubland NPP did not change significantly. The response of NPP to climate change of different seasons varies to different shrubland types. In general, the NPP variation was mainly affected by precipitation, and the spring warming also contributed to it. The increase of countrywide shrubland NPP may promote its contribution to the regional ecosystem function.     

滨海盐沼湿地植被净初级生产力变化对土壤因子的响应

以辽河三角洲滨海盐沼湿地为研究区,基于遥感数据、气象数据、野外调查和实验室分析数据,采用CASA模型模拟并分析该区域植被净初级生产力（Net Primary Productivity,NPP）的变化特征,利用统计分析方法定量分析土壤因子对植被NPP的影响。结果表明：（1）研究区植被NPP空间分异显著,区域变异系数为43.71%,且同种植被类型内部NPP也变化显著;（2）N、P和K对芦苇NPP的限制形式是协同限制,且随土壤电导率的增加呈抛物线形式,因子敏感性从大到小依次为K、P和N;营养限制程度从大到小依次为K、N和P;（3）土壤水盐对芦苇NPP的影响也基本符合抛物线模式,芦苇NPP对土壤电导率的敏感性和土壤电导率对芦苇NPP的影响程度都大于土壤含水量,且土壤含水量越高,芦苇NPP对土壤电导率的敏感性越低。本文最终得出只有各土壤因子达到组合最优时,芦苇NPP才最大,这对滨海盐沼湿地植被的管理和保护具有重要意义。     

海河流域植被净初级生产力时空变化及驱动因素分析

为揭示海河流域植被净初级生产力(net primary productivity, NPP)时空变化特征及其时空异质性驱动机制，该文基于MOD17A3HGF数据集，综合自然和人为两方面的影响因素，利用变异系数、趋势分析、相关分析、Hurst指数以及地理探测器等，分析2000—2020年海河流域植被NPP时空格局演变特征和定量识别驱动因素及其影响力。结果表明：(1)时间上，2000—2020年海河流域植被NPP整体呈显著上升趋势，增速为1.73 Tg C·a^-1,年均NPP为326.75 g C·m^-2·a^-1,其中针叶林、阔叶林、灌丛、草地和农用地的NPP多年均值分别为313.59、385.28、353.03、320.12、295.22 g C·m^-2·a^-1。(2)空间上，植被NPP高值区集中于西北部山区，低值区集中于东南部平原区；NPP整体情况稳定，变异系数均值为0.17;未来变化趋势呈反持续性，植被NPP可能下降。(3)植被NPP与气温呈负相关，与降水呈正相关，降水为主要...