甘肃省草地植被NDVI时空变化特征及驱动因素研究

本文基于甘肃省2000—2019年归一化植被指数（normalized different vegetation index，NDVI）数据及气象数据，研究了甘肃省草地NDVI时空变化特征及驱动因素。结果表明：近20年，生长季草地NDVI整体水平较低但呈波动上升趋势，增速为0.030·（10a）^-1，草地NDVI分布呈现东南高西北低的格局；20年间生长季NDVI呈显著增加趋势的面积占甘肃省草地的19.08%，主要分布在陇中黄土高原；甘南高原和祁连山地生长季NDVI保持稳定，其中高寒草甸NDVI整体较高且稳定性较强；生长季草地NDVI受夏季降水量的影响较大；人类活动主要促进了草地NDVI的增长。整体而言，甘肃省草地NDVI呈现增长趋势且稳定性较高，降水量对草地NDVI的影响较强。另外，生态工程也促进了草地NDVI增长，需长期实施。     

甘肃省高寒草甸植被覆盖度反演及其时空变化研究

本研究以甘肃省高寒草甸为研究区,基于2000—2019年遥感数据和2014年实测数据,采用经验回归模型法构建植被覆盖度(fractional vegetation cover,FVC)估算模型,并研究了过去20年高寒草甸FVC时空变化规律、稳定性及变化原因,以期为FVC动态监测提供科学依据。结果表明：在6种植被指数(vegetation index,VI)中除比值植被指数(ratio vegetation index,RVI)外,其余VI与FVC相关系数均大于0.65(P<0.01);模型精度检验发现高寒草甸FVC最佳反演模型为归一化植被指数(normalized difference vegetation index,NDVI)二项式模型：y=-0.65x²+1.97x—0.23(R²=0.81,RMSE=7.33);甘肃省高寒草甸FVC呈现南高北低的格局,20年FVC均值处于较高水平,年均FVC呈现波动上升趋势,平均增速0.15%·a^-1,其中FVC增加的面积占52.76%,稳定的面积占27.58%,下降的面积占19.66%,FVC变异系数小于0.15的面积占86.57%。综上所述,2000—2019年甘肃省高寒草甸FVC整体上呈现增加趋势,并且稳定性较高。     

山地草甸植被生物多样性及群落稳定性对坡向的响应

为研究不同坡向山地草甸的植被生物多样性与群落稳定性差异,本研究选取了东祁连山金强河流域4个坡向(阴坡、半阴坡、半阳坡、阳坡)的山地草甸,进行植被特征的调查,并分析了其功能群组成、多样性指数和群落稳定性的变化规律。结果表明：物种的盖度、高度、地上生物量、植被含水率、土壤含水量和莎草科地上生物量从阴坡到阳坡呈递减的趋势,禾本科和豆科呈先升高后降低的趋势,杂类草呈递增的趋势;Godron稳定性结果表明,阳坡群落处于不稳定状态。同一群落多样性大小与其群落稳定性并不存在相关关系。综上,山地草甸不同坡向草地植被特征差异显著,坡向影响着草地生产力与群落稳定性。建议在草地管理中考虑不同坡向草地植被特征变化,采取灌溉、施肥和割草等抚育措施,使植被进行正向演替更新,提高山地草甸群落的生物多样性和群落稳定性,增加其生态系统服务能力。     

祁连山自然保护区不同草地类型地上生物量和土壤微量元素特征分析

以祁连山保护区5个主要草地类型为研究对象,探讨了不同草地类型植被及土壤微量元素的分布特征,应用冗余分析(RDA)分析了微量元素对植被特征的解释关系.研究发现:1)不同类型草地植被总盖度依次为高寒草甸＞温性草原＞高寒草原＞温性荒漠＞高寒荒漠,草层高度依次为温性荒漠＞温性草原＞高寒草原＞高寒草甸＞高寒荒漠,地上生物量依次为温性草原＞高寒草原＞高寒草句＞温性荒漠＞高寒荒漠;禾本科、豆科和杂类草生物量及比例因草地类型而异;2)随着土层深度的增加,温性荒漠和高寒荒漠土壤Mg含量降低,Mn、Zn、Fe、Cu和Mo含量升高,而高寒草甸、温性草原和高寒草原的土壤Mg、Mn和Zn含量先升高后降低,Fe、Cu和Mo含量降低;3)不同类型草地土壤微量元素含量因草地类型而异.RDA分析发现,影响草地植被特征重要性依次为Mg＞Zn＞Cu＞Mn,且Mg对植被特征的影响达显著水平.综上所述,土壤微量元素Mg、Zn、Cu和Mn与草地植被关系密切且在一定程度上影响着草地植被状况,尤其土壤Mg含量.     

Pb2+ 和Zn2+胁迫下3种草坪草光合特征及吸附重金属能力差异性

【目的】探索 Pb²⁺、Zn²⁺污染地区最适宜的修复草坪草品种。【方法】采用盆栽的方法,以黑麦草（Lolium perenne）、高羊茅（Festuca arundinacea）和草地早熟禾（ Poa pratensis）为研究对象,以河沙为栽培基质,测定各处理的光合指标和重金属含量。设置不加重金属（CK）、Pb²⁺ 胁迫（500、1 000、1 500、2 000 mg/L）、Zn²⁺胁迫（500、800、1 100、1 400 mg/L）处理。测定不同重金属浓度胁迫下的草坪草的光合特征及其对重金属吸收能力。【结果】研究表明：随着 Pb²⁺ 、Zn²⁺浓度的增加,3 种草坪草净光合速率、气孔导度、蒸腾速率和胞间 CO₂浓度均呈先升高后降低趋势,但是出现峰值的浓度梯度各异;当 Pb²⁺ 胁迫浓度为 500 mg/L 时,对高羊茅和黑麦草叶片光合能力具有促进作用;当 Pb²⁺ 胁迫为 1 000 mg/L 时,对草地早熟禾叶片光合能力具有促进作用。当 Zn²⁺胁迫为 800 mg/L 时对黑麦草和高羊茅叶片净光合速率具有促进作用;当 Zn²⁺ 胁迫为 500 mg/L 时,对草地早熟禾叶片净光合速率具有促进作用。【结论】综合分析 3 种草坪草的光合特征和对植物体内重金属富集能力表明,高羊茅和黑麦草适用于低于 1 000 mg/L 的 Pb²⁺、Zn²⁺污染土壤的修复。     

草坪草叶绿素高光谱估测模型的建立及Pb2+胁迫下的反演研究

本研究以3种常用草坪草种为材料，通过盆栽试验测定了生长旺盛期草坪草冠层成像光谱数据和叶绿素相对含量（Soil and plant analyzer develotrnent，SPAD），通过Person相关系数分析了1/SPAD与19个植被指数的相关性，筛选与叶绿素相关性较高的植被指数进行主成分分析，建立了1/SPAD估测模型，并利用所建模型反演了Pb²⁺胁迫下3种草坪草SPAD的变化。结果表明：植被指数NDVI₆₇₀、VARI、PSRI、ARVI、RGI和GI与1/SPAD极显著相关，可作为主成分分析原始变量；主成分分析得到的2个主成分，可清楚的区分"红象"高羊茅与"肯塔基"早熟禾；多元逐步回归模型y_1/SPAD=-0.117Z₁+0.062Z₂+0.041（R²=0.763，RMSE=0.01），总体估测精度为0.9248，说明利用主成分分析进行草坪草叶绿素的估测效果较佳；最优模型反演发现，除低浓度Pb²⁺（500 mg·L^-1）胁迫显著促进了"红象"高羊茅叶绿素的合成外，3种草坪草的SPAD均随Pb²⁺浓度增加极显著下降。     

甘肃省草地NPP时空变化及对气候因子的响应

本研究利用MOD17A3 NPP和气象数据对甘肃省天然草原2000—2019年净初级生产力(net primary productivity,NPP)进行动态监测,并利用趋势分析法和变异系数法研究近20年草地NPP时空变化规律与气候因子的响应。结果表明:近20年,甘肃省草地NPP呈波动上升趋势,增速达4.72 gC·m^-2·a^-1·(10a)^-1,草地NPP分布由东南向西北递减;20年间草地NPP呈显著增加趋势的面积占甘肃省草地的75.70%,主要分布在陇中黄土高原、河西走廊、祁连山地大部以及陇南山地;草地NPP变异系数小于0.15的面积仅占40.31%,以山地草甸、低地草甸和高寒草甸为主,草地NPP整体呈现高波动性;草地NPP与降水量的相关性最高,温性草原NPP对降水量的响应最敏感,温性荒漠草原次之,高寒草原对降水响应最低。综上所述,甘肃省草地NPP呈现增长趋势但稳定性低,对降水量的响应强于气温,生态工程对草地NPP具有促进作用,需长期实施。     

祁连山东缘高寒草地植物群落叶绿素高光谱反演模型的建立

祁连山高寒草地是我国北方草地的重要组成部分,近年来退化较严重,导致其产量、质量下降.利用ASD地物光谱仪采集了祁连山东缘高寒草地植物群落光谱数据,并利用Person相关系数法、PCA主成分分析法和VIP变量投影重要性法等方法,筛选了与高寒草地植物群落叶绿素相关性较高的原始光谱波段与植被指数,通过多元逐步回归与多元线性回归建立了叶绿素反演模型,为祁连山东缘高寒草地的遥感监测提供技术支撑.结果 如下:1)原始光谱384、528、721 nm波段的反射率与高寒草地植物群落的叶绿素相关系数较高,共筛选出522个原始光谱波段作为多元逐步回归变量;2)植被指数RVI、SAVI、NDVI670、VARI、PSRI、ARVI、RGI、GI、OSAVI、GNDVI与群落叶绿素显著相关,且优于单波段原始光谱;3)利用筛选出敏感波段的原始光谱反射率与植被指数指标建立反演模型,其中原始光谱多元逐步回归模型精度(R2 =0.889)最高,且模型检验结果较好(R2 =0.9161,RMSE=0.05),可作为高寒草地植物群落叶绿素的反演模型.     

三江源高寒退化草原土壤有机质含量的光谱模拟估算

以三江源玛多县不同退化程度高寒草原土壤为研究对象，采集 0~30 cm 土层的 90 个土壤样品，测定土壤样品的光谱反射率和有机质(SOM)含量，分析不同光谱数据转换方式与土壤 SOM 含量的相关性，据此挑选 P＜0. 001 水平的显著波段作为特征波段，并与土壤 SOM 含量建立多元逐步回归 (MLSR)、支持向量机(SVM)、决策树(DT)、随机森林(RF)模型。结果表明：1)高寒草原土壤 SOM 含量属中等变异，且与土壤原始反射率呈负相关，与倒数对数呈正相关；2)光谱数据的数学转换扩大了光谱的吸收特征，log(1/R)、R’、[log(1/R)]’与土壤 SOM 含量相关系数绝对值的最大值比 R 分别提高了 0. 099、0. 156、0. 160；3)RF 反演模型精度高于其他反演模型，Log(1/R)‐RF 模型的预测效果较好，其建模组和检验组的决定系数(R² )、均方根误差(RMSE)分别为 0. 949 1、0. 252 69 和 0. 717 23、0. 496 9，可以准确估算高寒草原土壤 SOM 的含量。