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。     

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...     

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%。     

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。     

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。     

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。     

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。     

喀斯特地区植被NPP对城市热岛效应降缓程度研究——以百色地区为例

为了分析研究区植被净初级生产力对热岛效应的降缓程度,基于MODIS和Landsat数据,对百色地区的植被NPP与地表温度进行反演估算,利用ArcGIS软件对地表温度分布图进行等级划分,采用随机样点法提取不同等级的地表温度及植被NPP,分析喀斯特地区植被净初级生产力对热岛效应的降缓程度。研究结果表明,研究区2017年植被NPP整体较好,植被NPP均值为907.83 gC/m²,植被NPP空间分布较为均匀;百色地区热岛分布区较少,在喀斯特地貌背景下整体地表温度较为正常,研究区热岛效应及植被NPP由强到弱依次为：强热岛>次热岛>正常区>绿岛>冷岛;研究发现,植被NPP与地表温度之间存在明显的负相关,地表温度一定程度上随植被NPP的上升而下降;植被NPP对热岛效应在强热岛向次热岛降缓时程度最为明显。     

基于CASA模型的瓦屋山林场植被净初级生产力估算

在地理信息系统和遥感技术支持下,利用改进的CASA模型,并结合Landsat TM遥感影像、气象数据和林班数据,估算出瓦屋山林场2008—2009年的植被净初级生产力(PNPP),并通过实测植被生物量和生产力的关系,验证CASA模型在研究地区估算结果。结果表明:CASA模型估测植被PNPP与实测结果有较好的一致性,能够适用于瓦屋山林场植被净生产力估算;CASA模型估算结果主要植被类型年均PNPP区别明显,从高到低依次是:中国山杨、麻栎、板栗、马尾松、湿地松、灌木、杉木和池杉;瓦屋山林场植被PNPP季节变化显著,夏季贡献率最大,其次是春季和秋季,冬季最少,主要由于不同季节环境因素不同,其中又以太阳辐射最为重要。     

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。     

基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

森林细根生产和周转研究

随着近 2 0多年来对细根功能的深入认识和研究方法的发展 ,林分细根生物量、生产和周转及其与环境因子的关系成为森林生态学的研究热点之一 ,开展了大量研究。本文在收集了大量研究报道基础上 ,对森林细根研究结果进行综述。结果如下 :细根 (直径 <2～ 5mm)生物量变化在 46～ 2 80 5g·m- 2 之间 ,大部分在 10 0～ 10 0 0g·m- 2 ;细根生物量分别占地下部分总生物量和林分总生物量的 3%～ 30 %和 0 .5 %～ 10 % ;北方常绿针叶林平均细根生物量最低 (2 16g·m- 2 ) ,热带常绿阔叶林最高 (10 87g·m- 2 )。细根年净生产量 2 0～ 1317g·m- 2 ·a- 1 ,占林分总净初级生产量的3%～ 84% ,大部分在 10 %～ 6 0 % ;从北方森林到温带、亚热带至热带森林 ,细根生产量呈增加趋势 ;针叶林细根生产在总净初级生产中的比例小于阔叶林 (常绿和落叶 )。树木细根生命周期短至数天 ,长达数年。细根年周转率 4.3%～ 2 73.2 % ,阔叶林细根周转率低于针叶林。细根生产和周转是土壤碳和养分的重要来源 ,细根生产向林地输入的生物量占总输入 (细根生产和地上枯落物输入 )的 6 .2 %～ 88.7%。除气候森林类型外 ,森林生态系统细根生物量、分布、生产、周转还因季节、土壤类型、立地条件和生长发育阶段而异。同时 ,还受树木体内碳     

Estimating net primary productivity of Chinese pine forests based on forest inventory data

Forest inventory data (FID) include forest resources informationat large spatial scale and long temporal scale. They are importantdata sources for estimating forest net primary productivity(NPP) and carbon budget at landscape and regional scales. Inthis study, more than 100 datasets of biomass, volume, NPP andstand age for Chinese pine forests (Pinus tabulaeformis) fromthe literature were synthesized to develop regression equationsbetween biomass and volume, and between NPP and biomass as wellas stand age. Using these regression equations and the fourthFID surveyed by the Forestry Ministry China from 1989 to 1993,NPP values of Chinese pine forests were estimated. The meanNPP of Chinese pine forests was 4.35 Mg ha^–1 yr^–1.NPP varied widely among provinces, ranging from 1.5 (Neimenggu)to 13.73 Mg ha^–1 yr^–1 (Guizhou). Total NPP of Chinesepine was 10.87 Tg yr^–1 (1 Tg = 10¹² g). NPP values ofChinese pine forests were not distributed evenly across differentprovinces in China. This study may be useful not only for estimatingforest carbon of other forest types but also for evaluatingterrestrial carbon balance at regional and global levels.     

基于CEBERS-WFI遥感数据的森林生物量估测方法研究

以中巴卫星CEBERS-WFI遥感数据为基础,结合东北三省的地理、气象因子及森林资源连续清查固定样地信息,构建BP人工神经网络森林生物量估测模型,对我国东北三省的森林生物量进行估测,并反演了森林生物量的空间分布图像。结果表明,基于CEBERS-WFI遥感数据的BP人工神经网络应用于森林生物量估测简单实用,是一种快捷、有效的估测方法。     

Estimating forest net primary production under changing climate: adding pests into the equation

The current approach to modelling pest impacts on forest net primary production (NPP) is to apply a constant modifier. This does not capture the large spatial and temporal variability in pest abundance and activity that can occur, meaning that overestimates or underestimates of pest impacts on forest NPP are likely. Taking a more mechanistic approach that incorporates an understanding of how physiology is influenced by pest attack, enables us to better capture system feedbacks and dynamics, thereby improving the capacity to predict into novel situations such as changing climate, and to account for both changes in pest activity and host responses to the growing environment now and into the future. We reviewed the effects of pests on forest NPP and found a range of responses and physiological mechanisms underlying those responses. Pest outbreaks can clearly be a major perturbation to forest NPP, and it seems likely that the frequency and intensity of pest outbreaks, and the ways in which host species respond to pest damage, will change in the future. We summarized these impacts in the form of a conceptual model at leaf, tree and stand scales, and compared the physiological processes embedded within that framework with the capacity of a representative range of NPP models to capture those processes. We found that some models can encapsulate some of the processes, but no model can comprehensively account for the range of physiological responses to pest attack experienced by trees. This is not surprising, given the paucity of empirical data for most of the world's forests, and that the models were developed primarily for other purposes. We conclude with a list of the key physiological processes and pathways that need to be included in forest growth models in order to adequately capture pest impacts on forest NPP under current and future climate scenarios, the equations that might enable this and the empirical data required to support them.     

自然植被净第一性生产力模型及其应用

本文利用中国１２５组天然成熟森林资料及Ｅｆｉｍｏｖａ在ＩＢＰ期间获得的世界各地的２３组森林,草地及荒漠等自然被资料应用及相应的气候资料对目前流行的气候生产力模型;Ｍｉａｍｉ模型,Ｔｏｒｎｔｈｗａｉｔｅ Ｍｅｍｏｒｉａｌ 模型,Ｃｈｉｕｋｇｏ模型,综合模型及北京模型的适用性进行了研究。结果表明：Ｃｈｉｋｕｇｏ模型,北京模型与综合模型都能较好地反应森林净第一性生产力状况,但对于干旱半干旱地区,模型与综     

大兴安岭主要森林类型林分空间结构及最优树种组成

以2011—2012年大兴安岭的44块固定样地调查数据为基础,以常用的林分空间结构参数(角尺度、大小比、混交度、林分空间结构指数和林分空间结构距离)为切入点,对大兴安岭主要森林类型的林分空间结构特征及最优树种组成进行研究。结果表明:天然落叶松林、针叶混交林以及针阔混交林的林木水平分布格局均表现为随机分布,而白桦林则为明显的聚集分布;4种林型中树木的生长整体处于中庸状态,落叶松处于明显优势地位,其他伴生树种则处于不同程度受压状态;落叶松混交程度随着其优势程度的增加而降低,其他伴生树种则具有较高的混交度,整体上天然落叶松林、白桦林的树种空间隔离程度较低,而针叶混交林、针阔混交林的林分平均混交度相对较高;大兴安岭4种主要森林类型林分空间结构的优劣表现为针阔混交林针叶混交林天然落叶松林天然白桦林;天然落叶松林最优的树种组成为8落,其次为7落。