基于Landsat和MODIS数据融合的农牧区NPP模拟

天山北坡是中国重要的农牧业发展基地,利用遥感数据准确获取植被净初级生产力(Net primary productivity,NPP)的时空信息,对于合理分配农牧业草地资源具有重要意义。由于受到天气影响及卫星传感器受到时间分辨率和空间分辨率的限制,获取既具有中空间分辨率、又具有高时间分辨率的遥感数据比较困难。本文基于中空间分辨率Landsat 8 OLI数据与高时间分辨率MODIS数据,采用遥感数据时空融合STARFM算法,获取中空间分辨率和高时间分辨率序列的遥感数据,以天山北坡中段区域为实验区,结合CASA模型,对区域内植被NPP进行模拟。结果表明,2016年内8个时期,融合后的NDVI数据与对应时刻的Landsat 8 OLI NDVI数据的相关系数不小于0.759,偏差在0.006 2～0.009 4之间,均方根误差在0.074～0.135之间;利用融合数据与CASA模型协同模拟的NPP具有良好的空间细节信息,NPP模拟值与野外实测值决定系数R~2为0.860 1,表明两者具有较好的相关性。本研究为多源遥感影像融合技术与光能利用率模型协同模拟NPP提供了新的思路。     

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     

2000-2010年锡林郭勒草原NPP时空变化及其气候响应

利用MODIS MOD17A3植被初级生产力数据产品及地面气象观测数据,研究分析了2000-2010年锡林郭勒盟草原NPP的时空变化特征、各气候因子的年际变化特征及NPP与气候因子的相关关系。结果表明,锡林郭勒盟草原NPP的分布由东向西逐渐减小,值大多分布在0~0.5 kg C·m-2;2001-2010年NPP呈现波动变化,整体呈增加趋势,空间分布上更加趋于均匀分布;2000-2010年,研究区内典型草原和荒漠草原各气候因子的变化趋势大致相同,4-9月累计平均气温、平均相对湿度和累计日照时数呈减小趋势,平均风速呈增加趋势,累计降水量典型草原呈轻微减少趋势,荒漠草原呈增加趋势,趋势斜率分别为-0.026和1.044 5,典型草原大部分气候因子的波动程度大于荒漠草原;研究区内两种类型的草原的NPP均与4-9月累计平均气温、平均日最低气温有较强的负相关关系(显著水平分别为P0.001和P0.01),与累计降水量、平均相对湿度有较强的正相关关系(显著水平为P0.01),与4-9月累计日照时数、平均风速呈负相关关系但相关关系较弱,荒漠草原对气候因子变化的响应总体不如典型草原敏感。     

草地净第一性生产力估算的研究进展

草地净第一性生产力(NPP)是全球变化与陆地生态系统研究的核心内容之一。草地NPP的模拟方法从站点实测法、统计模型发展到了机理性的过程模型，NPP的站点实测数据为统计模型和过程模型模拟结果提供参考。统计模型通过NPP和温度、降雨等气候因子或者直接与遥感获得的植被指数建立统计关系计算NPP；过程模型从机理上对植物的生物生理过程进行模拟并能够对NPP的影响因子进行分析,主要过程包括了光合作用、生长和维持呼吸、蒸散、氮吸收和释放、光合物质分配与分解，和季相变化等。遥感过程模型通过遥感手段获得地表覆盖状况、植被冠层结构变量值(如LAI)、地表反射率、地表辐射温度及土壤水分状况等作为重要参数应用到模型中，改善了模拟结果的时空精度，成为当前草地生产力模型的主要研究方向。最后对遥感监测草地NPP研究中存在的问题进行了分析并提出了展望。     

Impact analysis of climate data aggregation at different spatial scales on simulated net primary productivity for croplands

For spatial crop and agro-systems modelling, there is often a discrepancy between the scale of measured driving data and the target resolution. Spatial data aggregation is often necessary, which can introduce additional uncertainty into the simulation results. Previous studies have shown that climate data aggregation has little effect on simulation of phenological stages, but effects on net primary production (NPP) might still be expected through changing the length of the growing season and the period of grain filling. This study investigates the impact of spatial climate data aggregation on NPP simulation results, applying eleven different models for the same study region (∼34,000 km²), situated in Western Germany. To isolate effects of climate, soil data and management were assumed to be constant over the entire study area and over the entire study period of 29 years. Two crops, winter wheat and silage maize, were tested as monocultures. Compared to the impact of climate data aggregation on yield, the effect on NPP is in a similar range, but is slightly lower, with only small impacts on averages over the entire simulation period and study region. Maximum differences between the five scales in the range of 1–100 km grid cells show changes of 0.4–7.8% and 0.0–4.8% for wheat and maize, respectively, whereas the simulated potential NPP averages of the models show a wide range (1.9–4.2 g C m⁻² d⁻¹ and 2.7–6.1 g C m⁻² d⁻¹ for wheat and maize, respectively). The impact of the spatial aggregation was also tested for shorter time periods, to see if impacts over shorter periods attenuate over longer periods. The results show larger impacts for single years (up to 9.4% for wheat and up to 13.6% for maize). An analysis of extreme weather conditions shows an aggregation effect in vulnerability up to 12.8% and 15.5% between the different resolutions for wheat and maize, respectively. Simulations of NPP averages over larger areas (e.g. regional scale) and longer time periods (several years) are relatively insensitive to climate data aggregation. However, the scale of climate data is more relevant for impacts on annual averages of NPP or if the period is strongly affected or dominated by drought stress. There should be an awareness of the greater uncertainty for the NPP values in these situations if data are not available at high resolution. On the other hand, the results suggest that there is no need to simulate at high resolution for long term regional NPP averages based on the simplified assumptions (soil and management constant in time and space) used in this study.     

草地对全球气候变化的响应及其碳汇潜势研究

 本研究用综合顺序分类法（ＣＳＣＳ）分析了１９５０－２０００年和２００１－２０５０年期间的草原类型演替及碳汇动态。证明中国草地的碳汇主体依次是冻原和高山草地、温带湿润草地、斯泰普草地和半荒漠草地大类,占中国潜在草地总面积的８５．５２％,年碳汇潜力占中国潜在草地年碳汇潜力的９３．２９％。全球草地的碳汇主体是萨王纳、冻原和高山草地大类,两者的面积和占全球潜在草地总面积的４８．５０％,年碳汇潜力占全球潜在草地年碳汇潜力的７２．２２％。在全球气候暖干化的强（Ａ２ａ）、弱（Ｂ２ａ）情景下,与当前（１９５０－２０００年）情景相比,中国将呈现草地面积减少,林地面积增加的态势;与中国的趋势相反,全球将呈现草地面积增加,林地面积减少的态势。在全球暖干化的Ａ２ａ和Ｂ２ａ模式下,草地年碳汇潜力,中国将分别提升１４．６％和１８．５％,全球将分别提升１７．３％ 和１６．８％。但两者的增长方式不同,全球是以温带湿润草地大类年碳汇潜力大幅增加为特征,而中国是以负增长为特征。我国的暖干化趋势在草地年碳汇潜力上的反映较之全球更强烈。尽管造成全球气候暖干化的自然因素远非人力所能控制,但系统问题只能靠系统综合的办法治理。这是草地工作者当前的使命。     

基于CASA模型的吉林西部植被净初级生产力及植被碳汇量估测

将MODIS数据,气象数据与植被数据相结合,利用CASA模型与土壤微生物呼吸模型,计算2001-2010年吉林西部的陆地植被净初级生产力(NPP)和土壤微生物呼吸RH,在此基础上估算了净生态系统生产力(NEP),分析NEP变化规律和原因,估测吉林西部植被碳汇量,结果表明:研究区NPP呈自西向东逐渐增加的趋势;碳源主要分布在通榆、镇赉和大安土地盐碱化比较严重的地区,其植被碳汇量为-160-0gC·m-2·a-1;前郭、扶余、松原、长岭以及白城和镇赉的两个水田灌区的NEP为150-300gC·m-2·a-1,起到碳汇的作用;10年间吉林西部NEP总体上呈波动上升趋势,2010年碳汇能力较2001年增加了47.10gC·m-2·a-1。     

艾比湖流域生态系统NPP 对气候 变化及景观动态的响应

分析气候变化与人为扰动对生态系统NPP 的影响、以及未来情景模式下NPP 的响应机制。在景观动态 模拟模型CA-Markov 模型耦合未来A1B 情景模式下的区域气候模式数据的基础上、建立生态系统NPP 对气候变化 和景观动态响应模型、实现了人类活动与气候变化对生态系统NPP 的影响定量分析。艾比湖流域2005要2020 年生 态系统NPP 增长了223.27 GgC、其中由人类活动直接导致的NPP 增加为141.01 GgC、气候变化的贡献为82.26 GgC。 近期内人类活动的直接影响仍是生态系统NPP 变化的主要因素、气候变化的影响虽然较小、但呈现逐年增长的趋 势。     

基于ZGS和TW模型的长江流域植被NPP时空演变特征

[目的]研究长江流域陆地植被生态系统初级净生产力(NPP)的时空演变特征,为政府部门建立和调整生态功能恢复项目提供参考。[方法]以长江流域为研究区,基于2000—2019年的降水和气温数据,采用周广胜—张新时模型(ZGS)和Thornthwaite Memorial (TM)模型估算NPP,并进一步利用皮尔逊相关分析、一元线性回归分析、Mann-Kendall显著性检验等,对比分析长江流域陆地植被生态系统NPP时空演变特征。[结果](1)基于上述两个模型模拟得到的长江流域NPP时空演变趋势基本一致,相关系数R为0.982,呈现显著正相关关系;(2)2000—2019年长江流域陆地植被生态系统实际NPP与潜在NPP均呈上升趋势,上升速率分别为6.85,2.74 g/(m~2·a)。(3)长江流域实际NPP和潜在NPP在空间上呈东南高西北低的分布格局,低值区域主要分布在草地生态系统;高值区域大部分分布在森林生态系统和农田生态系统。(4)2000—2019年长江流域实际NPP与潜在NPP呈上升趋势的面积分别占研究区总面积的80.65%和84.81%,主要分布在云南、青海、西藏、四川北部及浙江...     

2000—2019年黄土高原地区土壤保持时空变化及影响因素分析

为揭示全球气候变化背景下黄土高原的生态建设成效,以土壤保持量为评估指标,应用美国修正通用土壤流失方程,评估了黄土高原土壤保持服务功能以及植被、气象等因素对其影响,分析了2000年以来植被和气候变化影响下黄土高原土壤保持量时空动态变化特征。结果表明:2000—2019年黄土高原土壤保持量平均值为109.5 t/hm²,并呈增加趋势,平均每年增加2.0 t/hm²,空间分布黄土高原中部和东部土壤保持量增加较明显。2000年以来黄土高原地区植被NPP呈增加趋势,年平均值为330.5 gC/m²,且平均每年增加7.2 gC/m²; 2000年以来植被覆盖度年平均值为29.2%,且以平均每年0.52%的趋势增加。黄土高原地区2000年以来气温和降水量均显著增加,平均年降水量为469.1 mm,且呈增加趋势,平均每年增加3.1 mm,年平均气温为10.2℃,平均每年增加0.03℃。黄土高原生态恢复措施加强,加之区域“暖湿化”有利气候条件,促进了区域生态建设成效显现,成为黄土高原生态恢复、功能提升的重要因素之一。