三江源生态系统近10年净初级生产力估测

为揭示三江源地区近10年来生态系统植被净初级生产力(NPP)的演变规律,借助研究区域的气温、降水等气象数据及MODIS遥感数据,应用CASA模型估算了三江源生态系统2001—2010年间的NPP,分析了NPP的时空变化格局。结果表明:2001—2010年间三江源生态系统NPP呈现由西北向东南逐渐递增的趋势,10年平均NPP为169.02 g·m-2·a-1,变化范围为159.53~176.25 g·m-2·a-1;10年来三江源草地NPP呈减少趋势,减少速度为0.69 g·m-2·a-1,减幅为4.77%。研究结果可以为三江源地区生态资源的有效管理与合理利用提供理论依据。     

大渡河流域植被净初级生产力的时空变化及其地形分异特征

为了解大渡河流域2000—2021年植被净初级生产力(NPP)的时空特征和地形变异规律,应用MODIS NPP和地形数据,利用一元线性回归分析和变异系数等方法分析区域植被NPP时空变化特征。结果表明：(1)2000—2021年大渡河流域植被净初级生产力呈波动上升趋势,年均增速为2.009 g·m^-2·a^-1,年平均植被净初级生产力为474.58 g·m^-2·a^-1,大渡河流域植被总净初级生产力的平均值为127.18×10⁶g·m^-2·a^-1,植被改善趋势明显;空间分布整体上呈“南高北低”的分布特征,植被净初级生产力较高的区域主要分布在海拔较低的大渡河流域下游以及大渡河中上游干支流河谷两侧。(2)2000—2021年研究区植被净初级生产力年际变化率较低,平均年际变化率为2.0,植被净初级生产力呈增加趋势的面积比例为89.67%;研究区植被净初级生产力平均变异系数为2.0%,植被状态总体较平稳,变异系数低于20%的面积比例为95.22%。...     

长白落叶松林生态系统净初级生产力对气候变化的响应

应用BIOME-BGC模型和样地调查数据,模拟并验证了吉林省汪清林业局长白落叶松林生态系统净初级生产力(NPP)在1980—2013年间的动态变化情况,分析了NPP对区域气候变化的响应以及在SRES A2和B2排放情景下长白落叶松林生态系统NPP的动态变化。结果表明:BIOME-BGC模型较好地模拟了样地NPP的动态变化,且模拟NPP与样地实测生产力的动态变化规律相似;在1980—2013年间,长白落叶松林生态系统NPP(以碳计算)均值为477.74 g/(m2·a),波动范围是286.60～566.27 g/(m2·a);研究区内长白落叶松林生态系统NPP与年降水量呈显著正相关;在未来A2和B2排放情景下,NPP对未来降水量增加的响应呈正向,对年均温度增加呈负相关,其中温度升高对NPP的负效应要大于降水量增加对NPP的正效应;此外,CO2浓度增加有利于长白落叶松林生态系统NPP的增加。      

基于开放式数据库的江苏省植被净生产力遥感估测方法研究

以2002年1-12月江苏省MODIS数据、空间分辨率为300 mGlobcover全球土地覆盖数据、CRU TS 2.1全球气候数据库为主要信息源,采用CASE气候生产力模型,以ArcGIS 9.2为分析平台,对江苏省2002年植被净生产力(NPP)的时空及地区分布进行研究。结果表明,江苏省2002年NPP为316.700 Mt.a-1,6月中旬至9月中旬NPP值占全年71.9%,第4季度仅占5.5%。NPP空间分布趋势总体呈现从西向东递减的趋势。按地区分布,2002年江苏植被净初级生产力最高城市为南京,平均值为403.501 Mt.a-1,最低为连云港,平均值为274.672 Mt.a-1。NPP与太阳总辐射、温度、降水量的关系密切,相关系数分别为0.852、0.931、0.907。     

粤北山地城市植被净初级生产力时空分布特征分析——以韶关市为例

[目的]探究粤北山地城市植被固碳能力与地形因子之间的耦合关系。[方法]基于韶关市30 m DEM数据及2000—2015年MOD17A3H长时间序列植被净初级生产力(NPP)数据,采用差值法、变化率分析法和GIS空间分析方法,对近16年来韶关市NPP时空变化特征进行分析。[结果]2000—2015年韶关市NPP整体呈现出东北—西南走向高、东南和西北偏低的空间分布态势,其中翁源县植被NPP年均值最高,为658.71 g/(m²·a),新丰县和南雄市次之,而乳源瑶族自治县NPP年均值最低,仅为507.47 g/(m²·a)。16年间韶关市植被NPP年际均值在539.15～698.88 g/(m²·a),其中,NPP在>500～600 g/(m²·a)占比最高,为30.72%。2000—2015年韶关市植被NPP整体呈现增加态势。韶关市植被NPP均值随海拔和坡度升高呈现先增加后减小的态势,在高山(>1 500 m)、垂直坡(>50°)区域范围到达最小值,分别为324.19、484.48 ...     

疏勒河流域NPP时空变化分析

基于MODIS NDVI数据产品、地面气象站数据和解译的土地利用数据,利用改进的CASA模型,估算了疏勒河流域2001、2005、2009和2012年的植被净初级生产力(NPP),并分析了其时空变化.结果表明,①流域单位面积上的年平均NPP仅为95.2 g(C)/(m2·a),足见流域整体生产力水平较低;②NPP的空间分布呈自东南向西北递减的趋势,且具有显著的经向“双峰”特征;③构成主要植被覆盖类型的荒漠灌木、半灌木植被对NPP贡献率最大;④流域年际NPP总量呈波动式增加,2012年较2001年增加了50％;⑤NPP的空间变化可划“明显增加”、“轻微增加”、“几乎不变”和“轻微减少”4个类型,其中增加的区域占78.9％,其反映了区域生态环境总体上在向好的方向发展.     

基于GIS与RS的安徽省NPP模拟及时空分析

NPP（植被净初级生产力）的研究是全球变化的核心内容之一,是估算碳吸收量的重要依据,不仅直接反映了植被群落在自然环境条件下的生产能力,表征陆地生态系统的质量状况,而且是判定生态系统碳汇和调节生态过程的主要因子。在GIS的支持下,利用地面气象数据和MODIS数据,考虑到最大光利用率在不同植被类型中的差异,在CASA模型验证的基础上,估算了安徽省2002～2009年7月份植被净初级生产力,并分析其时空变化。结果表明：①通过与NPP实测资料及其他模型的对比,该模型估算的效果较好,数据获取上也比较容易,模型的可操作性较强。②2002～2009年的8年间,安徽省7月份平均NPP为193．99gC／m2,变化范围为182．25～199．89gC／m2。③安徽省7月份NPP值呈增加趋势,但没有达到显著的水平。④安徽省7月份NPP总体分布趋势是从南向北递减,其中山区NPP最高,水域和城市最低。     

基于气象模型的黑龙江省植被净第一性生产力

植被净第一性生产力(Net primary productivity,NPP)反映了植物每年通过光合作用所固定的有机物总量,在全球变化中占有重要地位.利用黑龙江省1998-2007年逐日气象资料,采用Miami气象模型,研究了黑龙江省1998-2007年间植被NPP的动态变化及时空特征,分析了NPP与年平均气温和年降雨的关系.结果表明:1998-2007这10 a间黑龙江省NPP在波动中呈现增加趋势,除1998年外,NPP值从1999年的689.52g/(m2·a)增加到2007年的695.67g/(m2·a),平均每年增加0.615 g/(m2·a),其平均值为752.93 g/(m2·a).NPP的空间分布与年均温度及年均降雨量的空间分布具有一致的变化趋势,黑龙江省中、东南部湿润且热量较好地区,NPP值较高;西部干旱地区和北部大兴安岭寒温带热量资源匮乏地区,NPP值较低.NPP与年平均温度及年降水量呈极显著的正相关.     

基于MOD17 A3的陕北植被净初级生产力变化特征研究

[目的]基于MOD17A3数据研究陕北地区植被净初级生产力(NPP)。[方法]基于利用2000—2010年MOD17A3数据集的年均NPP数据和GIS技术定量分析了陕北植被NPP的时空变化特征。[结果]榆林市东南部及延安市中北部年平均NPP大部在151~250 g C/(m~2·a);延安市中南部年平均NPP大部在300 g C/(m~2·a)以上。延安、榆林市年NPP增加的面积都在90%以上,分别为92.9%、97.8%。2000与2010年的平均NPP相比,大部分地区是增加的,只有少部分地区是减少的。增加幅度在0~50 g C/(m~2·a)的地区为榆林市长城沿线一带,增加幅度在51~90 g C/(m~2·a)的地区为榆林市大部及延安市西北部,增加幅度在91~120 g C/(m~2·a)及120 g C/(m~2·a)以上的主要分布在榆林市东南部及延安市中部;NPP降低的区域主要分布在延安市南部的桥山林区和黄龙林区。[结论]通过实施退耕还林等生态建设工程,陕北地区植被状况得到较好的改善。     

基于CASA模型的四川植被净初级生产力及其时空格局分析

【目的】估算四川植被的净初级生产力并分析其时空格局及影响因素,为深入认识该区域的植被生产力状况提供数据支持。【方法】在原CASA模型基础上,以MODIS卫星数据为依托,对光合有效辐射值提取、最佳区域气温反演、水分胁迫系数演算这3种方法进行了改进,进而估算了四川地区2000-2011年期间的植被净初级生产力(NPP)。【结果】①四川植被NPP的多年平均值为303.27gC/(m2·a),变化范围在285³40gC/(m2·a)之间。②四川植被NPP的季节变化明显,其中夏季是NPP主要积累期;同时由于区域气候变暖导致的物候期延长,秋季NPP的累积量呈逐年上升趋势。③四川植被NPP空间分异明显,总体表现出由东南向西北逐渐减少的趋势,且呈垂直地带性特征明显。④降雨量是驱动NPP的主要因子;温度及光合有效辐射也对NPP影响显著(P<0.001)。【结论】近10年来四川植被NPP变化主要由生长旺季本身变化所致;其时空分布格局总体表现出随温度、水分、光合有效辐射以及海拔增加而增大的趋势;改进后的CASA模型可以有效地模拟四川植被NPP的时空格局特征。     

应用MODIS影像数据估测台湾陆域生态区之净初级生产力

净初级生产力为研究全球气候变迁与陆域生态系的核心资料之一。净初级生产力之估算有很多种方式,应用遥测数据估算净初级生产力为目前的发展趋势。MODIS初级生产力产品（MODl7）系以1km空间解析力及8d的时间解析力,进行实时监测性及重复性的监测植被净初级生产力数据,该项数据对监测生态环境、自然资源和环境之变化有很大的帮助...     

Evaluating the grassland net primary productivity of southern China from 2000 to 2011 using a new climate productivity model

Grassland is the important component of the terrestrial ecosystems. Estimating net primary productivity(NPP) of grassland ecosystem has been a central focus in global climate change researches. To simulate the grassland NPP in southern China, we built a new climate productivity model, and validated the model with the measured data from different years in the past. The results showed that there was a logarithmic correlation between the grassland NPP and the mean annual temperature, and there was a linear positive correlation between the grassland NPP and the annual precipitation in southern China. All these results reached a very significant level(P0.01). There was a good correlation between the simulated and the measured NPP, with R2 of 0.8027, reaching the very significant level. Meanwhile, both root mean square errors(RMSE) and relative root-mean-square errors(RRMSE) stayed at a relatively low level, showing that the simulation results of the model were reliable. The NPP values in the study area had a decreasing trend from east to west and from south to north, and the mean NPP was 471.62 g C m~(-2) from 2000 to 2011. Additionally, there was a rising trend year by year for the mean annual NPP of southern grassland and the tilt rate of the mean annual NPP was 3.49 g C m~(-2) yr~(-1) in recent 12 years. The above results provided a new method for grassland NPP estimation in southern China.     

2000—2015年山东省耕地产能的时空格局

为探索实时监测耕地产能和估算耕地粮食产量的可靠手段，对山东省省级尺度的耕地产能进行估算，并分析其耕地NPP(Net Primary Productivity)和产能的时空分布特征和动态变化状况，采用MODIS遥感数据、土地利用数据和其他非遥感数据驱动VPM模型模拟出山东省耕地NPP，通过耕地NPP与耕地作物单产之间的线性关系，利用线性回归模型拟合两者之间的数量关系，实现耕地NPP到耕地产能的转换，并评价2000—2015年山东省耕地产能的时空分布和动态变化特征。主要结论如下:1)2000—2015年山东省耕地NPP均值和总量均呈波动上升趋势，其中黄淮平原南阳盆地两熟区耕地生产力均值在4个农业区划中最高，菏泽、聊城、德州和济宁市的耕地NPP均值在17个地级市中属较高水平。2)利用VPM模型计算2000—2015年山东省耕地总体产能，结果表明总产能呈上升趋势，耕地产能>14 000 kg/hm²的耕地明显增多，<12 000 kg/hm²的耕地面积逐渐减少，鲁西南平原、鲁西北平原、潍坊东部、青岛中部地区的耕地产能较高，山东半岛丘陵区、鲁中南山地区的耕地产能次之，黄河三角洲周围的沿海地区耕地产能最低。     

后官湖地区NPP的计算及分析

基于植物生理生态学特点与水热平衡关系的植物净第一生产力模型对后官湖地区的自然植被第一生产力进行了计算和分析,结果表明,农田植被的净第一生产力最高,林地次之平,湖泊湿地最低,平均净第一生产力分别为983.36、172.24、45.01g/（m2·年）。研究区平均净生产力为1200.61g/（m2·年）,接近温带阔叶林的平均净生产力[1200.00g/（m2·年）],稍高于武汉地区的本底值1171.60g/（m2·年）,表明后官湖地区的生产系统恢复稳定性及自然系统恢复和调控能力较强,生态系统处于良性循环状态。     

藏北高原植被净初级生产力的遥感估算

利用CASA模型、多时相MODIS遥感数据和地面气象数据相结合方法,考虑不同植被类型的最大光利用率的差异,对藏北高原2004年的植被净初级生产力（NPP）进行估算,分析了植被NPP时空分布特征。结果表明：①藏北高原的植被NPP估算结果与实测值是基本吻合的,效果较好,该遥感模型可以实现对藏北高原植被初级净生产力时空动态的快速诊断与准确评估。②藏北高原植被NPP空间分布格局表现出自东南向西北逐渐递减的趋势,与水热条件和植被类型的地带性分异规律是一致的。整个研究区植被NPP总量为31.19MtC/a,其中高寒草甸的NPP最大,占55.85%;其次为高寒草原,占26.6%。③藏北高原植被NPP具有显著的季相变化规律,全年中冬季（11-3月）的植被NPP值是非常低的,植被NPP累加值占全年NPP总量的3.2%;夏季（6-9月）植被NPP值是比较高的,植被NPP累加值占全年NPP总量的84.0%。     

渭河流域长时间序列NPP估算及时空变化特征分析

植被净初级生产力（net primary production，NPP）是生态系统碳循环及能量流动的关键参数，也是生态系统可持续发展的重要生态指标，分析植被NPP的时空变化特征对于区域碳循环研究具有重要意义。利用MODIS反射率数据（MOD09A1）、MODIS NDVI数据（MOD13A3），基于CASA模型估算2001-2018年渭河流域植被NPP，分析植被NPP的时空变化特征，并探讨不同植被类型间NPP的差异性以及高程变化对植被NPP的影响。研究表明:1）2001-2018年，渭河流域植被NPP总体呈波动式增加趋势，年均NPP处于292.59~444.90 gC·m²，年际增加速率为6.23 gC·m²；流域植被NPP具有明显的空间异质性，表现为中东部的六盘山、子午岭和南部秦岭等地区较高，西部和北部的黄土高原地区较低。2）18 a来，除常绿针叶林外，其余植被类型NPP均呈增加趋势。不同植被类型的年均NPP的差异表现为落叶阔叶林（625.70 gC·m²）>常绿针叶林（390.16 gC·m²）>草地（368.49 gC·m²）>农田（344.65 gC·m²）>灌丛（340.17 gC·m²）。3）不同地形条件下植被NPP具有一定差异性，在900~1 300 m（农田、山地落叶小叶林），植被NPP最高；1 700~1 900 m及3 500 m以上区域（稀树灌木草原、灌木），植被NPP最低。     

基于Suomi NPP VIIRS数据的黄海浒苔遥感监测研究

[目的]基于Suomi NPP VIIRS数据,对2016年黄海浒苔(Enteromorpha prolifera)进行遥感监测,探讨基于NPP影像进行黄海浒苔遥感监测的适用性和可行性。[方法]基于NPP影像,利用NDVI动态阈值法提取黄海浒苔面积,获取2016年浒苔分布的时空特征,并将反演结果与MODIS进行对比。[结果]2016年黄海浒苔最早发生于5月下旬,6月上旬—7月上旬进入暴发期,7月下旬进入消亡期。截止7月31日共计监测到浒苔聚集现象20次,浒苔持续时间约60 d。VIIRS数据监测到的浒苔分布面积、位置与MODIS数据一致性较好,而且VIIRS在轨运行时间较MODIS更短,光谱质量更高,对浒苔的空间分布显示更加清晰。[结论]基于VIIRS数据利用NDVI动态阈值法进行浒苔面积提取的方法可行。     

内蒙古荒漠草原植被NPP时空变化及气候因子分析：以四子王旗为例

基于遥感数据和气象数据,利用光能利用率模型(CASA),对典型荒漠草原四子王旗1987—2016年植被NPP进行测算,分析NPP时空变化及其与年均气温和年降水量等气候因子的相关性。结果表明:1)1987—2016年四子王旗植被NPP值为144.52g/(m2·年)(C),植被类型地带性分布差异明显,空间上表现出南高北低的分布特征;2)1987—2016年四子王旗植被NPP总体呈现出增长趋势,年际波动为3.09～3.69Tg(C);3)研究区植被NPP与年均气温和年降水量呈显著正相关关系,且与年降水量相关系数更高,表明年降水量是影响荒漠草原区植被NPP的主要气候因子。通过研究荒漠草地植被NPP时空分布及其与气候因子的关系,有助于认识荒漠草原陆地生态系统对气候变化的响应。     

银川盆地净初级生产力估算和趋势分析

【目的】基于2000-2010年间的遥感数据、气象数据,利用净初级生产力(NPP)估算模型模拟银川盆地NPP,分别从逐月、逐年对其时空变化过程进行分析,并进行预测分析,阐述11年期间银川盆地植被NPP的时空格局与变化特征,探讨NPP与植被健康指数(VHI)之间的耦合关系。【方法】选取2000-2010年间的SPOT VEGETATION数据、归一化植被指数（NDVI）、遥感数据、考虑了研究地区内及其周边气象站点数据等,利用CASA 模型,一元线性回归、奇异值分解等方法对银川盆地NPP空间分布进行估算与分析。【结果】2000-2010年,银川盆地逐月NPP平均值呈现小幅度增长,月均增加0.51 gC·m^-2,以7月、10月NPP值增长最为显著;2000-2010年,银川盆地逐年NPP平均值也呈小幅度增长,年均增加0.24 gC·m^-2,NPP 年平均值总体呈波动趋势,以2007、2009年NPP增长最为显著,降水直接导致了2005、2006年的NPP值出现低值;2000-2010年,从银川盆地NPP空间变化来看,行政区域年平均NPP物质量大小依次为：大武口区＞永宁县＞灵武市＞西夏区＞青铜峡市＞利通区＞平罗县＞贺兰县＞惠农区＞兴庆区＞金凤区。银川盆地NPP 平均值表现出“南北高中间低、东高西低”的空间格局,其中NPP低值集中在西夏区、兴庆区、金凤区等区域;NPP趋势的好坏与村镇点数量大小、人口数量呈异步变化关系;银川盆地的VHI变高（低）时,NPP随之变低（高）,第一模态左右场的相关系数为-0.69,呈现异步耦合关系。【结论】采用光能利用模型对银川盆地的NPP进行估算模拟和实测验证,发现其模拟结果与实测数据接近,该模型测算银川盆地的NPP较为合理;银川盆地NPP总体趋于良好,但局部区域出现恶化情况;银川盆地NPP波动明显,主要受土壤湿度的影响,因此NPP对干旱具有一定的指示作用。