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.     

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。     

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.     

Estimation of the primary productivity of Spartina alterniflora using a canopy model

A comprehensive canopy productivity model was built to study the productivity of a primary salt marsh grass, Spartina alterniflora. in Georgia, USA The canopy model was unique in employing plant demographic data to reconstruct canopy profiles and dynamics, which showed many growth processes that are otherwise difficult to discern in the field By linking canopy dynamics and leaf photosynthesis, the net total primary productivity of S alterniflora m a Georgia salt marsh was estimated to be 1421, 749, and 1441 g C m^-2 yr^-1 for the tall, short, and N-fertilized short populations respectively These estimates are reasonable in terms of the physiological capacity of S alterniflora and well below the range of 3000–4200 g C m^-2 yr^-1 as reported by some recent harvest studies Our detailed analysis suggested the net total productivity of S alterniflora might be greatly overestimated in the past This is mainly because of 1) failure to consider the translocation of photosynthate between aboveground and belowground parts, and 2) possible overestimates of belowground production We estimated the net belowground production to be 872, 397, and 762 g C m^-2 yr^-1 for the tall, short, and N-fertilized populations respectively After receiving nitrogen fertilizer, the net leaf carbon fixation in the short population increased from 1489 to 2487 g C m^-2 yr^-1, and our simulation showed the contribution of elevated leaf N to this increase was small, 21%, compared with that of increased leaf area, 79% Both tall and short populations allocated ca 48-49% of their annual gross leaf carbon fixation to belowground structures Nitrogen enrichment caused more allocation to aboveground parts in the short population, mainly for increasing leaf area The canopy model assumed that there was no leaf photosynthesis under tidal submergence, but if this assumption was relaxed, then leaf carbon fixation might increase 7–13% for different S alterniflora populations Although this research focused only on a salt marsh species, our general approaches, especially the coupling of leaf physiology with the reconstructed canopies, should be applicable to the study of production processes of many other plant populations     

基于净初级生产力的中国生态足迹产量因子测算

生态足迹作为一种非货币化的生态系统评估工具,是近年来国际上一种重要的判别可持续发展程度的生物物理量方法。产量因子是生态足迹计算中的一个重要参数,其准确与否直接影响到计算结果的可靠性与可比性。随着生态足迹方法的广泛应用,其标准化和本地化成为迫切需要。为了便于区域水平上的生态足迹空间分析,本文采用中国2001年1kmMODIS数据,根据植被的净初级生产力,计算出全国和不同省份各种土地类型的产量因子。结果表明:就中国产量因子而言,由于中国农地生产力水平高于全球平均水平,其产量因子为1.74,而其余几种类型土地的产量因子均<1,分别为林地0.86,畜牧地0.51,渔场0.74;就不同省份而言,由于区域内不同土地利用类型的相对生产能力不同,产量因子各不相同。     

利用CASA模型模拟西南喀斯特植被净第一性生产力

基于SPOT NDVI遥感数据并结合数字高程模型、气象数据和植被参数,利用实测植被生产力计算和修正最大光能利用率,通过改进CASA过程模型,本文估算了中国西南喀斯特地区1999—2003年的植被净第一性生产力（NPP）。结果表明：1）改进后的CASA模型模拟的植被NPP与实测值相关性显著,可较好用于西南喀斯特植被的NPP估算;2）西南8省市区1999—2000年喀斯特和非喀斯特植被的NPP有轻度增加,但空间变化不显著,2001年低值区范围增加,2002年NPP高值区的范围明显扩大,随后在2003年又降低,但仍高于2001年;3）5年间西南喀斯特地区年NPP的变化范围是381.7—439.9 gC m-2 yr-1,平均值为402.34 gC m-2 yr-1,逐年NPP波动中呈现总体增长趋势,平均增加值为9.93 gC m-2 yr-1,5年总增加量为11TgC,但非喀斯特地区的年NPP平均值和增加值都大于喀斯特地区;4）5年间喀斯特地区的热带森林、亚热带森林、灌丛和草地的逐年NPP均小于非喀斯特地区,温带森林和农业植被则相反;这6种典型植被年NPP均呈增加趋势,热带森林的增加值最大,草地最小,非喀斯特地区植被NPP的增长趋势相似,但每种植被的年NPP增加值均大于喀斯特地区。西南喀斯特地区植被NPP的时空变化与气温、降水和太阳辐射的变化有关,而喀斯特植被NPP低于非喀斯特地区,则主要由喀斯特地区水分匮缺、土壤贫瘠等恶劣条件而抑制植物生长造成的。     

基于CASA模型的藏北地区草地植被净第一性生产力及其时空格局

基于1981-2004年遥感监测和气象数据,采用CASA(Carnegie-Ames-Stanford Approach)模型模拟分析藏北地区草地植被净第一性生产力(NPP)及其时空变化特征.结果表明:受水热条件的制约,藏北地区草地植被NPP空间分布规律呈水平地带性分布,由东南向西北逐渐由230g C.m-2.a-1减少到接近0.藏北地区草地植被NPP整体水平较低,年均草地植被总NPP为21.5×1012g C.a-1,多年平均值仅为48.1g C.m-2.a-1,明显低于青藏高原和其它草原区.藏北地区坡度小于1°平地和平滩地,以及南坡的草地植被年平均NPP相对较低.藏北主要高寒草地7-9月NPP占全年NPP的64.0%~70.0%.1981-2004年间,藏北地区草地植被总NPP的年际变化较大,并有进一步下降趋势.     

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.     

基于景观尺度过程模型的长白山净初级生产力空间分布影响因素分析

对长白山自然保护区的净初级生产力(NPP)的空间分布格局进行了模拟,对它们与环境因子和植被因子间的相互关系进行了分析．结果表明,1995年NPP的模拟值平均为0．680kgC·m^-2·年^-1,变幅为0．105-1．241kgC·m^-2·年^-1(82．1％),其中阔叶红松林的NPP最高(1．084kgC·m^-2·年^-1)．环境条件决定了长白山植被年NPP空间分布的大趋势．土壤含水量对NPP的限制最大,呈负相关关系(R=-0.65),长白山植物生长一般不存在水分不足的问题．植被的NPP与LAI高度正相关(R＝0．81),当LAI增大到4-5m^2·m^-2时,NPP出现饱和．植被的NPP与冠层蒸腾量呈显著的正相关关系(R＝0．77)．岳桦林和阔叶林对环境因子、LAI和冠层蒸腾的响应与其它植被有较大差异。     

安徽省植被净初级生产力估算——基于改进的CASA模型

定量估算植被净初级生产力(NPP)对预测陆地碳循环趋势具有重要意义,目前广泛应用于NPP估算的CASA模型其精度仍有待提高。在已有CASA模型优化的基础上,考虑最大光能利用率(LUE_max)的动态变化来改进CASA模型,对改进前后的模拟结果进行比较,并利用改进后的模型估算2001—2020年安徽省植被NPP。结论如下：(1)改进的CASA模型可应用于研究区的植被NPP估算,NPP模拟值与实测值之间的相关性达到显著水平(R²=0.736,P<0.01)。(2)改进后模拟的安徽省植被NPP在空间表达上能够呈现更多细节,时间上较改进前在生长季NPP值更高,非生长季值更低,拉大了NPP的年内变化。(3)2001—2020年安徽省植被NPP整体呈波动上升趋势,多年平均值为547.61 gC m^-2 a^-1,年均增长量达2.18 gC m^-2 a^-1,2016—2020年间NPP增长最快。年内NPP具有明显的季节差异,表现为夏季>秋季>春季>冬...     

阔叶红松林净初级生产力模型参数的敏感性

PnET-Ⅱ(photosynthesis and evapotranspiration)模型是生态系统过程模型,运行过程中所需的参数较多, 包括植被、土壤和气候参数等.本文估计了丰林自然保护区阔叶红松林中红松和阔叶树的总净初级生产力（NPP）和枝干NPP对PnET-Ⅱ模型参数变化的敏感程度.结果表明: PnET-Ⅱ模型的植被参数中,林冠参数变化对模拟结果影响较大,且红松总NPP对植被参数的敏感性大于阔叶树;红松和阔叶树NPP对土壤持水量变化敏感性较小,且红松NPP对土壤持水量的敏感性略小于阔叶树;在气候情景范围内,气温变化对红松和阔叶树NPP的影响最大,降水和光合有效辐射次之.不同气候情景对NPP模拟结果的影响不同.红松和阔叶树的总NPP和枝干NPP对各输入参数的敏感程度并不完全一致.     

植被净第一性生产力研究回顾与发展趋势

植被的净第一性生产力(NPP)反映了植物每年通过光合作用所固定的碳总量,目前NPP研究是全球变化研究的重要内容之一。本文回顾国内外植被NPP研究的历史,对遥感和地理信息系统(GIS)在NPP研究中的应用做了分析,并对近期陆地植被NPP研究的特点及发展趋势作了总结。     

地形对草甸草原植被生产力分布格局的影响

草原植被生产力在陆地生态系统碳平衡分析中扮演重要角色,而地形作为影响植被生产力(NPP)分布格局的重要环境因子在已有的草原遥感监测研究中没有被充分重视。以USGS和GLCF共享MODIS和DEM数据为数据源,选取呼伦贝尔辉河湿地保护区草甸草原核心区为研究对象,在地面光谱生物量模型构建的基础上,采用ARCGIS的空间分析功能对呼伦贝尔草甸草原2000—2012年的NPP分布格局进行了分析。研究结果表明,地形对草甸草原植被生产力分布格局有显著的影响。在海拔高度、坡度和坡向等3个地形因子中,海拔高度引起的NPP变化幅度最大,坡度次之,坡向最小。在总体特征上,海拔高度每升高10m,生产力增加4.78 g/m2;坡度每增加1°生产力增加-1.42 g/m2;N坡向植被生产力水平最高(184.8 g/m2),西南(SW)坡向最低(173.3 g/m2)。从不同地形因子的分布面积特点判断,地形对草甸草原NPP的影响尺度介于土壤环境异质性和草场类型异质性之间。不同生产力水平年份对生产力分布格局的影响趋势一致,但变化幅度不同,在中等生产力水平年份NPP变幅最大。     

中国东北样带三种针茅草原群落初级生产力对降水季节分配的响应

分析3种针茅草原群落初级生产力的年季动态,并利用积分回归模型探讨其对降水量季节性分配的响应,揭示水分有效性对植物初级生产力的影响.结果表明,制约3类针茅群落初级生产力年度变化的是水分,即前一年11月到当年8月的月降水量的年度变异是直接导致群落初级生产力年度变化的主要原因.降水的季节分配对于3类针茅群落初级生产力的形成有着不同的作用.前一年11月至当年4月降水对于植物群落的初级生产力具有正效应,从5月开始降水对植物初级生产力的促进作用有了不同程度的降低.大针茅和克氏针茅群落的季节降水量格局较为相近,但是大针茅群落与克氏针茅群落相比对降水的利用效率较高;贝加尔针茅群落则表现出更高效的降水利用率.由此可见,降水量月季分配及其对针茅群落影响程度的不同是造成3种针茅草原地带性分布的原因.     

“一江两河”中部流域植被净初级生产力估算

基于中分辨率成像光谱仪（MODIS）的遥感数据以及地面实际观测资料,采用数学模型方法,对西藏“一江两河”中部流域地区2000和2006年的植被净初级生产力（NPP）进行了估算.结果表明：研究区NPP由河谷向山脊逐渐递减,这与该区的水热梯度基本一致;该区单位面积年NPP平均为86.8 g C·m^-2·a^-1,2006年比2000年高2.15 g C·m^-2·a^-1,不同植被类型的单位面积年NPP以农田(243.1 g C·m^-2·a^-1)最大,荒漠(35.6 g C·m^-2·a^-1)最小;研究区两年平均总NPP为512.8×10¹⁰ g C·a^-1,2006年比2000年高12.7×10¹⁰ g C·a^-1,不同植被类型的总NPP以草甸(194.4×10¹⁰ g C·a^-1)最高,荒漠(30.3×10¹⁰ g C·a^-1)最低.研究期间,人类活动强烈区域（道路缓冲区0～4 km）的植被NPP呈下降趋势,而人类活动较难到达区域的植被NPP呈增加趋势.     

Geographical dimensions of terrestrial net and gross primary productivity

Summary The paper presents a comparative summary of previous attempts by the author to assess and map global primary productivity using environmental parameters as predictors. The individual components of the productivity process, net production, gross production, dark respiration as well as their regional rates are computed for 10 degree latitudinal belts.A new version of the Miami Model (Lieth, 1973, 1975) is presented predicting net primary productivity from an increased number of averages of temperature and precipitation. Net primary productivity values in form of dry matter accumulation and caloric energy equivalents are compared.Prof. Dr. H. Walter dedicated to his 80th birthday     

Above- and below-ground phytomass and net primary production in boreal mire ecosystems of Western Siberia

We measured phytomass stock and production in Western Siberian mire ecosystems (palsa, ridge, oligotrophic and mesotrophic hollows, fen). To determine the contribution of different phytomass fractions into total production, we developed a method to estimate below-ground production (BNP). Standing crop of living above-ground phytomass on treeless plots varied from 300 to 660 g m⁻², reaching maximum on palsa, where 81% of phytomass consisted of Sphagnum mosses and lichens. In the hollows and the fen, Sphagnum percentage varied from 70 to 95%. Standing crop of living below-ground phytomass varied from 325 to 1,210 g m⁻². It consisted of woody stems, stem bases, rhizomes and roots, with the latter contributing from 30 to 60%. Total production of mire ecosystems in northern taiga of Western Siberia ranged from 350 to 960 g m⁻² year⁻¹ and depended on microtopography of the ecosystem (the presence of permafrost and water table depth). Production of treeless plant communities located on the elevated sites depended on the presence of permafrost: in comparison with the ridge, palsa production was lower. Production on the low sites increased with increase pH and reached maximum (960 g m⁻² year⁻¹) in poor fens. Bryophytes were the major producers above ground. Their production varied from 100 to 272 g m⁻² year⁻¹ and reached maximum on ridges. BNP contributed 37–66%, increasing due to increased contribution of sedges.     

基于改进的CASA模型模拟锡林郭勒草原植被净初级生产力

本研究在原来CASA模型的基础上,对模型参数最大光能利用率和水分胁迫系数的算法进行了改进,利用改进后的CASA模型模拟了2010年内蒙古锡林郭勒盟草原植被净初级生产力(NPP),并用地面实测样方数据对改进后的模型进行精度验证。结果表明:改进的CASA模型可应用于内蒙古草原小尺度植被NPP的估测,模拟NPP值与地面实测值之间的相关性达到显著水平(R2=0.829,P0.05);2010年内蒙古锡林郭勒盟草原植被生长季(4—10月)NPP为284.64 g C·m-2·a-1,不同地区年均NPP相差较大,东北部东乌珠穆沁旗草原NPP高达411.11 g C·m-2·a-1,而西北部的二连浩特市草原NPP仅为158.87 g C·m-2·a-1;整体上,锡林郭勒盟草原的NPP由东向西逐步递减,这与该区域水热条件限制基本一致;由于降水量的时滞效应,该年度内NPP出现两次峰值;2010年锡林郭勒境内草原NPP集中分布在250~350 g C·m-2·a-1,草甸草原的NPP最大,典型草原次之,荒漠草原最小。     

基于过程模型的长白山自然保护区森林植被净第一性生产力空间尺度转换方法

净第一性生产力(Net Primary Productivity,NPP)是反映林分和生态系统结构特征的最重要的参数之一,其空间分布可为自然资源管理和可持续发展提供高度综合的信息,是全球变化和碳循环研究中的一个非常重要的组成部分。为了得到NPP的空间尺度转换算法,利用改进的北部生态系统生产力模拟模型(Improved Boreal Ecosystem Productivity Simulator,IBEPS),分别采用高分辨率(30m)的ETM 和低分辨率(1km)的MODIS遥感数据,模拟了长白山自然保护区不同分辨率森林植被的净第一性生产力。对模拟得到的30m分辨率的NPP结果,采用尺度上推(upscaling)的方法将其转换为1km分辨率的NPP结果(分布式的NPP,Distributed NPP),并将转换后的NPP与直接利用1km分辨率的遥感数据计算得到的NPP结果(聚合式的NPP,Lumped NPP)进行比较,以分布式模式计算的结果为基准,对聚合式的计算结果进行尺度效应校正。在对NPP进行尺度效应校正时,根据不同分辨率下土地覆盖类型(Land cover)的亚像元面积比信息,采用基于结构的分析方法对模拟的NPP结果进行校正,结果表明经过尺度效应校正后NPP的模拟精度要比原始的NPP计算精度有所提高,相关系数从校正前的0.898提高到0.960,标准偏差由校正前的49.84gC/m2减小到41.02gC/m2。采用这种方法可以很好的解决大尺度遥感应用的需要,为定量遥感分析和应用提供理论基础。