大兴安岭植被净第一性生产力估算与动态分析

植被净第一性生产力在全球变化研究中扮演着重要的角色,NPP的估算与分析对于研究全球生态系统碳循环和区域气候变化具有重要意义。本文借助MODIS卫星传感器提供的归一化植被指数NDVI数据和大兴安岭地区的气象数据等为研究资料,通过构建CASA模型对大兴安岭地区不同类型植被的NPP进行了模拟估算,并通过地理信息系统等研究工具研究了该地区2010年生长季(5~9月份)不同植被NPP分布随时间的动态变化,和总体植被的NPP空间分布状况。大兴安岭地区植被生长期NPP总体平均值为318.29 g C/m2·a。从空间分布格局看,全区植被NPP空间分布差异较为明显。不同植被类型的NPP具有明显差异,生长期NPP总体平均值森林>草甸>灌木>农作物。不同植被类型5~9月NPP随时间动态变化的趋势基本一致,植被NPP最大峰值出现在在6~7月份之间。最后对模型计算结果与实测植被NPP数据、Modis数据的NPP产品及其他学者的估测结果进行比较,结果基本一致。     

广州市城市森林净初级生产力遥感估算

在分析叶面积指数、降雨量、温度与植被净初级生产力相关关系的基础上,应用Landsat 7卫星影像数据提取研究区的温度、叶面积指数,建立了能反映温度、降雨量对城市森林生态系统植被净初级生产力影响的模型,模拟广州市2013年3月份森林植被净初级生产力。结果表明:该模型模拟的NPP值与前人运用传统方法研究估算的NPP值相比较,精度可以达到91%,证明此模型在区域植被净初级生产力估算方面具有一定的可行性。     

香格里拉县植被净初级生产力遥感估算

采用2009年MODIS数据作为遥感信息源,结合香格里拉基础地理数据和云南省119个气象站点的气象数据,构建了一个NPP估算模型。利用遥感技术和地理信息系统技术,在ArcEngine二次开发技术的支持下,实现了香格里拉县2009年植被净初级生产力的估算研究。结果表明:(1)设计的NPP估算模型简单,参数少,易于理解和计算;(2)比较发现:2009年香格里拉县NPP估算结果可信。(3)分析香格里拉县2009年NPP的变化情况可得到以下结论:(a)香格里拉县2009年植被净初级生产力为413 g/m2,总体分布趋势是:建塘镇北部和格咱乡西部NPP基本在400~600 g/m2之间;香格里拉县中部、东南部、东北部、北部基本上在200~400 g/m2之间;东旺乡的上游村、跃进村、中心村、胜利村的NPP在0~200 g/m2之间。(b)从3月至10月的时间段里,香格里拉植被NPP可占全年的净初级生产力的82%,因此,可判定香格里拉县植被生长季为3月~10月。     

中国东北样带植被净初级生产力时空动态及其对气候变化的响应

根据净初级生产力(NPP)遥感估算模型,重建了中国东北样带(NECT)1982–2000 年间每月的 NPP 时空序列,分析了研究时段内 NPP 的时空格局特征及其与气候因子的关系。结果表明:(1)NECT 样带植被 NPP 的空间变化趋势同降水量的空间变化十分相似,由东到西逐渐降低,二者在空间上的相关性达到了 0.84(P<0.01),说明 NECT 样带的植被 NPP在空间分布上主要受水分趋动;(2)NECT 样带植被 NPP 的年际变化主要是由各年份夏季 NPP 的变化造成的,夏季对NECT 样带植被 NPP 的年际增长贡献率最大(67.6%),二者之间的相关性达到了 0.95(P<0.01);(3)NECT 样带的植被NPP 积累期主要发生在 5–9 月份,这 5 个月的 NPP 占了全年NPP 总量的 89.8%,整个夏季(6–8 月份)的 NPP 占了全年的 65.9%,冬季(12–2 月份)的 NPP 最低,基本为 0;(4)近 19 年来的气候变化促进了 NECT 样带的植被生长,从 1980年代到 1990 年代,NPP 显著增加,年代际相对增长率为 14.3%,平均年际绝对增长趋势为 4.6 gC m-2 a-1,相对增长趋势为 1.17%,这主要是由温度升高引起的。图 6 表 1 参 36。     

利用不同时相遥感影像估算大兴安岭北部火干扰后NPP

森林火灾是森林生态系统中重要的干扰,对碳循环和碳平衡具有影响。林火作为大兴安岭森林生态系统中主要的干扰因子,直接影响区域的净初级生产力NPP(net primary productivity)。林火的发生使NPP迅速下降,改变了区域碳平衡。以多时相遥感数据为基础,利用CASA(Carngie-Ames-stanford-Approach)模型估算大兴安岭北部地区未过火区和过火区植被NPP变化。结果表明:1987年6月,未过火区植被NPP为145 g C m-2,轻度过火区为74 g C m-2,中度过火区为58 g C m-2,重度过火区植被NPP为38 g C m-2,火干扰后NPP分别降低了49%、60%、73%;1999年8月,火干扰12 a后,过火区NPP是未过火区NPP的96%以上,NPP恢复迅速,基本达到未过火区水平。2009年8月,火干扰22 a后,过火区NPP是未过火区93%以上,与火干扰12 a时相比,下降3%。虽然NPP增速下降,但是NPP总量增加,生产力也与未过火区基本处于同水平。     

森林植被净初级生产力遥感估算研究进展

森林植被净初级生产力(NPP)作为地表碳循环的重要组成部分,在全球变化及碳平衡中发挥着重要的作用。遥感技术在森林植被净初级生产力估算中具有较强的优势和巨大的潜力。文章从遥感估算森林植被净初级生产力的原理,遥感数据源的选择及估算模型的运用等方面阐述近年来遥感技术在森林植被净初级生产力估算领域的研究进展,并探讨目前存在的问题与对未来的展望。     

基于CASA模型的人工植被生物量的估算及特征分析

利用改进的CASA模型,结合Landsat TM遥感影像及气象数据,估算榆林飞播林2010年7月的植被净初级生产力。通过实测植被生物量,验证CASA模型在研究区的估算结果。结果表明:CASA模型适用于榆林飞播林植被净初级生产力估算;CASA模型估算的不同地区NPP区别明显,榆林市横山县与榆阳区交界处的植被NPP值最高,其值介233.21～414.15gC/m2之间;榆林飞播林生态系统属于较低生产力的生态系统;沙柳的NPP水平最高,以柠条+沙柳+沙蒿为播种模式的人工林地生物量最高;除沙柳、花棒和沙蒿外,其他飞播植物生物量与含水量无明显的相关性;不同飞播年代的同种植被生物量与含水量、土壤养分以及气候等因素之间具有密切的相关性。     

基于森林资源清样调查资料的森林生产力估算模式--以中国油松林为例

准确地评估森林净第一性生产力(NPP)对于评估全球收支有着十分重要的作用。本文充分利用森林资源清样调查资料,并动态地评估森林生产力,以油松林为例建立了反映生物因素(蓄积量V和林龄A)和气候因素(年实际蒸散E)综合影响的中国油松林生物气候生产力(NPPa)模型。基于所建模型和第四次我国油松林资源的清样调查资料(1989-1993年),估算了中国油松林的净第一性生产力,并借助于地理信息系统软件给出了中国油松林的分布格局。结果表明:我国油松林的平均净第一性生产力为7.82thm-2a-1,其变化幅度为3.32~11.87thm-2a-1。中国油松林净第一性生产力有明显的区域差异,表现为南高北低的分布趋势。山西和陕西为中国油松林的集中分布区,生产力水平处于中等,约为7.4thm-2a-1;油松林集中分布区的南部(四川、湖北、河南等省),生产力水平较高,均大于7.7thm-2a-1;而在油松林集中分布区的北部和西部(内蒙古、宁夏等省),生产力水平较低,NPP均低于5thm-2a-1。该研究为利用森林资源清样调查资料评估森林NPP的动态及研究其对气候变化的响应提供一个有效思路。图3表2参46。     

基于3-PGS模型的中国陆地植被NPP格局

利用光能利用效率模型(3-PGS)估算2003-2007年中国陆地植被NPP,并分析不同气候类型和植被类型的时空分布特征.结果表明:2003-2007年中国陆地植被NPP年均总量为2.98 PgC,NPP年均值约为315.99gC·m-2a-1;中国陆地植被NPP的主要分布特点为沿水热梯度从东向西、从南向北递减,以海南中南部的热带林最高,而高原气候区最低;全国植被NPP季节变化明显,不同气候区植被NPP均在7或8月达到峰值,12月或1月降至全年最低.     

基于改进CASA模型的云南省植被NPP时空格局分析

植被净初级生产力(NPP)是衡量生态系统生产力水平的指标之一,利用生态遥感相结合的手段对其估算具有重要意义。运用改进的CASA模型,基于MODIS植被指数产品、气象数据、土地覆被数据,对云南省2000年、2005年、2010年、2015年、2020年的植被NPP进行估算,采用Moran′s I指数、Getis-Ord Gi^*热点分析探讨其空间分布特征,并与我国生态功能保护区进行叠加分析。研究表明：1)云南省近20年植被NPP呈先减少再增加的趋势,平均值为822.98 gc/(m²·a);月度植被NPP夏季达到最高,冬季最低;不同植被类型中,常绿阔叶林的NPP值最高。2)各年份植被NPP空间分布均由南向北减少,全局空间自相关Moran′s I指数均大于0.7,NPP热点区主要位于滇西南边境一带,冷点区位于滇西北、滇中城市化地区。3)植被净初级生产力热点区与生态功能保护区叠加相交于西双版纳生态功能保护区、西南喀斯特生态功能保护区,各年叠加面积占热点区域总面积的23%～26%。可见,云南省近20年NPP呈波动上升趋势,空间分布异质性明显。研究该结果...     

东北地区森林植被生产力遥感定量估测

以辽宁、吉林和黑龙江3省为研究区,引入一种过程模型(Forest-BGPG),以2003年1 km的MODIS影像为遥感数据,估测森林植被净第一性生产力(NPP)。结果表明:2003年森林植被NPP为3.7 MgC/hm2,其中,常绿针叶林4.1 mgC/hm2、落叶阔叶林4.0 mgC/hm2、常绿阔叶林3.8 mgC/hm2、针阔混交林3.9 mgC/hm2和落叶针叶林3.5 mgC/hm2;辽宁东部及长白山地区森林植被NPP超过6.3mg C/hm2,大兴安岭地区不足3.2 mgC/hm2,区域时空分布格局明显。通过与国内现有研究结果和2003年全球陆地植被NPP产品对比分析,表明估测结果准确反映了森林植被现实生长过程,Forest-BGPG为区域尺度森林植被NPP和碳储量动态监测提供了连续的测量手段。     

1901-2008年小兴安岭森林NPP估算

根据黑龙江省森林收获表、生物量相容性相对生长方程及叶片与细根周转率数据,估算小兴安岭林区森林主要树种净初级生产力( NPP)与年龄的关系,并结合森林生态系统碳循环模型 InTEC 模型和 NPP 与年龄的关系,估算1901—2008年间小兴安岭森林 NPP的时空变化。结果表明：幼龄林 NPP随林分年龄的增长而迅速增加,进入成熟年龄 NPP达到最大,随后逐渐减少,直至达到稳定值;小兴安岭人工林的 NPP大于天然林,天然针叶林的固碳能力大于天然阔叶林与针阔混交林;1901—2008年间小兴安岭森林NPP整体呈现增加趋势,与工业前期1901年相比,2008年小兴安岭森林NPP增加了30%;森林NPP受海拔影响,呈现出中部偏高、北部与南部偏低的趋势。     

荒漠区人工林NPP估算模型比较研究

利用LANDSAT8遥感影像数据、结合气象数据和野外调查数据,采用CASA模型、C-FIX模型和GLO-PEM模型,分别估算和分析了2014年墨玉县森林植被净初生产力时空分布特征,并进行验证和比较。结果表明:植被净初生产力空间分布差异比较明显,主要集中于研究区中部和东南部;CASA模型的NPP平均值为70gC·m~(-2)、C-FIX模型的为56C·m~(-2),GLO-PEM模型的为28C·m~(-2),其中CASA模型模拟结果最接近于前人研究成果;通过实测值验证,各模型实测值和模拟值相当吻合,其中CASA模型的平均值最接近,相关系数R2=0.994 15,大部分样本点的误差小于5%。     

内蒙古大兴安岭森林净初级生产力时空格局分析

[目的]通过模型模拟分析内蒙古大兴安岭地区森林生产力时空分布格局及其驱动因子。[方法]利用优化率定后的生理生态过程模型Biome-BGC参数,模拟了内蒙古大兴安岭地区时间序列(2003—2012年)森林净初级生产力(NPP)。基于外业实测数据,在全区域尺度上进行NPP模拟结果验证。[结果]优化率定后的Biome-BGC模拟的该区森林NPP具有较高可靠性,实测数据验证R~2为0.81,RMSE为48.73 g·m~(-2)·a~(-1)。2003—2012年间该区森林NPP为219.3～399.5 g·m~(-2)·a~(-1),其中针叶林NPP为218.6～414.9 g·m~(-2)·a~(-1)、阔叶林为213.7～412.3 g·m~(-2)·a~(-1)、混交林为188.3～404.7 g·m~(-2)·a~(-1)。森林NPP与温度和太阳辐射的相关性较高(R~2分别为0.55和0.49),与降水量和相对湿度的相关性较低。[结论]时间序列上该区森林NPP年平均值总体呈缓慢增长趋势;空间分布呈北高南低,东部偏低的特征。"天然林保护工程"的实施是该区森林NPP增加的主要因素,而火灾则降低了森林NPP,二者造成了该区NPP呈现时空差异;不同森林类型NPP差异主要受温度和太阳辐射的影响。     

湖州市森林植被净初级生产力研究

基于30 m分辨率的2018年Landsat数据、气象数据和森林资源年度监测小班数据等资料,考虑最大光能利用率在不同森林类型中的差异,采用CASA模型对浙江省湖州市的森林植被净初级生产力(NPP)进行估算,分析其空间分布特征,对估算结果进行精度检验,并与其他学者的NPP测算值进行结果对比.结果表明:(1)湖州市森林植被...     

1981～2000年中国陆地生态系统NPP时空变化特征分析

利用GLO-PEM模型估算了1981~2000年中国陆地生态系统植被净第一性生产力（NPP）。结果表明：1981~2000年中国总NPP呈现增加趋势,从1981年的2.82 PgC/a增加到2000年的3.13 PgC/a,年均增加0.0155PgC/a,20 a间NPP的平均值为2.98 PgC/a,约占全球NPP总量的4.7%~5.0%。NPP积累主要发生在4~10月,春季、夏季、秋季、冬季NPP量分别占全年总量的15.68%,54.54%,25.50%,4.2%。其中夏季NPP增长最快,占全年NPP增长的64.14%。全国NPP年均值从西北向东南方向呈逐步增加趋势,不同植被类型中,常绿阔叶林年均NPP最高,达745.68 gC/m2,除农业植被外各种植被类型的月均NPP最大值都出现在7月,最小值都出现在1月。经向剖线NPP变化规律不明显。纬向40°N线是南北分界线,往南随着纬度的降低,剖线平均NPP逐渐升高,往北随着纬度的增加,剖线平均NPP逐步变大。纬向剖线NPP均值最高的是20°N线,异质性最高的是30°N线。     

基于CASA模型的陕西省NPP遥感估算

以陕西省为研究对象,运用遥感和GIS手段,结合MODIS/NDVI数据、气象数据以及植被类型数据,应用CASA模型估算得到陕西省2013年的NPP数据。结果表明,2013年陕西省NPP总量为8.87×107g C/a,平均值为469.58 g C/(m2·a),NPP最高值为723.06 g C/(m2·a),其空间分布特点表现为显著的纬度分布,南高北低,陕南关中陕北;NPP时间分布表现为明显的季节变化,呈单峰型曲线;植被类型NPP表现为阔叶林针叶林耕地草地,并且各植被类型最大值出现月份不一致。     

基于LandSat8 OLI数据的山区NPP遥感估算模型研究

指出了地形起伏对净初级生产力NPP的估算影响重大,提出了一种山区NPP快速简便的估算方法。以青海省尖扎县为实验区,利用LandSat8OLI数据获取的NDVI与实测NPP进行了回归分析,构建了以NDVI为驱动因子的NPP遥感估算模型:NPP=-349.03ln(1-NDVI)-33.336,R2=0.7325。通过检验,该模型能够运用于地形起伏较大区域的NPP估算,其方法简便快捷,能节约不少人力物力。     

昼夜不对称增温对大兴安岭森林净初级生产力的影响

【目的】大兴安岭森林分布广袤,是我国东北地区重要的林木基地和生态屏障。本研究旨在探讨昼夜不对称增温背景下大兴安岭森林净初级生产力(NPP)的变化及其对气候变化的响应,为当地林业生态管理提供科学依据。【方法】利用MODIS NPP数据及降水、气温数据,应用趋势分析法分析气候和NPP的变化,用相关分析方法分析大兴安岭森林2000—2019年NPP与各气候因子的相关性。【结果】1)2000—2019年大兴安岭森林NPP总体上以6.26 g·C·m^-2·a^-1的速率显著增加,空间上大多数像元均呈显著增加趋势(P <0.10),仅5.60%的像元呈不显著变化或显著下降的趋势,主要集中在中北部区域;2)大兴安岭森林NPP主要受夏季气候条件的影响,NPP与夏季降水呈显著正相关;夏季最高气温和最低气温对NPP的影响不同,NPP与最高气温呈显著负相关,而与最低气温呈正相关;南部区域对气候的敏感性相较于北部区域更强;3)大兴安岭森林区域夏季降水和最低气温呈显著增加趋势,最高气温呈降低趋势,均有助于促进NPP增加;空间上南部和中部降水变化较为强烈,最低气温变...     

基于Google Earth Engine平台的大湄公河次区域2001—2019年植被NPP时空变化分析

为探明大湄公河次区域植被净初级生产力(NPP)时空变化特征,基于Google Earth Engine(GEE)云计算平台,利用MOD17A3HGF NPP时序数据,采用线性趋势分析方法,分析了2001—2019年大湄公河次区域植被NPP的时空变化特征。结果显示:(1)2001—2019年间大湄公河次区域植被NPP总体较高,植被NPP年均值整体上变化趋势不显著,变化波动较大,且与年均温度有显著的负相关性;(2)大湄公河次区域植被NPP年均值具有较明显的空间分异性规律,大体呈中部高,南、西南部略低的状态,与其主要河流流域有着重要的联系;(3)植被NPP变化趋势呈现基本不变、轻微改善的特征,改善区域主要位于中国云南省与广西,轻微退化区域主要位于老挝中部和缅甸北部;(4)GEE云平台解决了本地平台数据下载与存储不便等问题,整个大湄公河次区域植被NPP时空变化的数据处理在10 min内完成,GEE云平台在大范围、长时间尺度的研究中体现出了强大的优势。