基于遥感和CASA模型的西江流域NPP时空分布特征研究

基于EOS/MODIS遥感资料,采用CASA模型分析西江流域陆地植被净第一性生产力（NPP）的时空变化特征。结果表明:西江流域平均植被NPP为400～500 gC/（m²·a）,上游地区偏低,为200～300 gC/（m²·a）,中下游地区较高,平均500～600 gC/（m²·a）,部分地区可达到800 gC/（m²·a）以上;植被NPP季节变化显著,夏季最高,春、秋季节次之,冬季最低小;西江流域植被NPP的空间差异明显,在5-10月,上游地区植被NPP较低,中下游地区较高;在1-3月,上游地区尤其是南盘江流域的植被NPP较高,中下游地区尤其是中游地区明显较少。西江流域植被NPP的空间特征还表现在汛期空间差异大,枯水期空间差别小。     

基于CASA模型的陕西省植被净初级生产力时空分析

[目的]探明陕西省近年来植被净初级生产力(net primary productivity,NPP)的变化及评估植被的生长条件。[方法]基于CASA(Carnegie Ames Stanford Approach)模型估算陕西省2003—2012年逐月NPP,并分析其年际、年内的时空变化特征及趋势。[结果](1)陕西省2003—2012年植被NPP总体呈增长趋势(p0.01),年均增量为3.940 6g/(m~2·a)(以C含量计);年总NPP从2003年的84.44Tg(1Tg=1012g)增加到2012年的91.98Tg。(2)NPP年内变化明显,夏季NPP占年总量的比例最高,达到52.43%,7,8两月占比最高,分别为18.52%和18.41%。只有3和8月NPP增长趋势显著或极显著,其他月份NPP变化不显著。(3)不同植被NPP的年际变化比较平稳,除永久湿地外,其他植被类型的NPP呈增长趋势,耕地的NPP增长最快(p0.01),年均增量为5.89g/(m2·a)。(4)NPP整体呈南高北低、高低相间的分布特征,全省78.53%的区域NPP呈增长趋势,24.47%的区域增长显著或极显著;NPP降低显著/极显著的面积仅占2.27%,主要分布在陕西中部和西安周边地区。[结论]陕西植被生长条件总体在改善,但局部在恶化。     

基于CASA模型的植被净初级生产力时空演变格局及其影响因素——以湖北省为例

为了揭示湖北省植被NPP的时空演变规律及驱动机制,基于CASA模型计算2000—2018年湖北省植被NPP,结合气象数据和土地利用数据,利用重心模型、相关性分析和贡献指数等方法分析植被NPP的时空变化及其影响因素。结果表明:(1)2000—2018年湖北省植被NPP年均值介于532.19～656.49 g C/(m²·a),整体呈波动上升趋势;(2)湖北省植被NPP在空间分布上表现为由西北向东南递减的趋势,植被NPP重心迁移轨迹呈M型,西北地区的增量和增速较大高于东南地区。(3)湖北省植被NPP与年均气温呈正相关的区域面积占全省总面积的54.49%,主要分布在荆门、荆州地区以及宜昌东南部地区; 年均NPP与年降水量呈正相关的面积高达87.65%,主要分布在随州、襄阳和孝感北部地区。(4)2000—2018年研究区域内NPP总量增加19.86×10^-2 Tg C,在土地利用变化引起的NPP损益中,主要由其他土地类型向林地、耕地和草地转换引起; 不同时期土地覆盖变化对NPP总量的贡献率有所差异,2000—2010年建设用地贡献率最高为53.81%,2010—2018年耕地贡献率最高为61.53%。     

青海湖流域植被的净初级生产力估算

[目的]定量估算青海湖流域2001—2011年草地净初级生产力(net primary productivity,NPP),查明其时空演化特征,为流域草地可持续利用与生态建设及相关的政策制订提供科学依据。[方法]选取陆地生态系统碳循环模型(CASA模型),逐像元模拟2001—2011年青海湖流域草地生态系统NPP的时空变化。[结果](1)2001—2011年青海湖流域草地年均NPP为1.12×1013g/a,单位面积平均值为168.03g/(m2·a);(2)NPP在空间分布上呈现东南高,西北低的格局,这与流域水热因子在空间上的分布一致。近11a流域草地年均NPP总体呈上升趋势,年增加率约为1.74g/(m2·a),湖区北部、东部为主要增加区域;(3)青海湖流域草地NPP具有明显的季节变化特征,7月草地NPP达到最高,1月NPP最低。其中5—9月生长季草地的NPP占到了全年的90.40%。[结论]所选模型模拟精度较高,能够较好地反映流域NPP的空间分布规律和时间变化特征。可以认为改进后的CASA模型在气候资料稀缺的该地区进行模拟是可行的。     

基于3S技术的河北省山区植被净初级生产力估算及空间格局研究

植被净初级生产力是国际地圈—生物圈计划（IGBP）、全球变化与陆地生态系统（GCTE）以及京都协定的核心研究内容之一。以GIS为主要技术手段,借助CASA模型计算出河北省山区NPP,分析了山区NPP的空间格局,并对森林、草原的NPP分布情况进行了统计分析,对引起这种变化的主要因子进行了初步探讨,评价分析模型的不确定性。结果表明:（1）河北省山区2012年植被NPP总量为24 746.51 kt/a,平均值为744.1 g/（m²·a）;从整体上看,植被NPP主要分布在境内燕山山脉,太行山山脉呈带状分布,其它地区零星分布。（2）河北省山区NPP值差异显著,由森林、草原、灌丛依次递减。（3）NPP空间分布与气温和降水的空间分布有一定的相关性。研究结果为河北省山区生态系统结构功能协调性、生态承载力、生态服务功能等后续研究奠定基础,为山区社会经济和生态环境可持续发展提供科学依据。     

植被净第一性生产力遥感过程模型研究

NPP模型现在已经发展到遥感过程模型时代。通过3种主要的遥感过程模型(CASA、BIOME—BGC和BEPS模型)进行阐述和分析,探讨了这几种模型的优势和主要存在的问题。     

NPP过程模型遥感驱动因子分析

主要探讨了NPP过程模型的主要因子(植被覆盖分类、植物生长状况信息、土壤水分信息和气象因子)的遥感获取方法。这些因子的全遥感化将为研究大区域和全球NPP模拟提供很好的发展前景。     

2000-2015年川西地区植被NPP时空动态及驱动因子

对川西植被净初级生产力进行估算并分析了其时空格局变化及驱动因子与植被净初级生产力的变化关系,为深入认识川西植被生产力状况提供科学依据。在原CASA模型的基础上,通过区域实际蒸散量与区域潜在蒸散量对水分胁迫影响系数进行了改进,进而估算2000—2015年期间川西地区植被净初级生产力;运用逐像元趋势法分析了川西地区植被净初级生产力在研究期间内其空间变化情况;同时结合气象因子、土地利用变化、植被类型、地形因素、人类活动与植被净初级生产力进行了相关性分析。结果表明:川西地区植被空间差异明显,其NPP多年平均值为199 gC/（m²·a）,在2000—2015年期间,大面积区域植被NPP呈显著上升,汶川、泸定、金川、康定局部区域受自然灾害及人类活动等因素NPP呈下降趋势;降水、气温、太阳辐射等气象因子对植被空间格局分布产生一定影响,不同土地利用及植被类型的NPP差异较大;海拔与研究区NPP相关性非常显著（R²=0.896,p<0.001）;人类活动对汶川、泸定等局部地区负干扰明显。     

低温雪灾对莽山保护区植被NPP影响的遥感评价

低温雪灾对植被的影响不仅体现在对植被外在植株的损害上,还体现在对植物内在生理活动的破坏方面。因此,低温雪灾对植被影响的评价应立足植被恢复较长一段时间的植被变化。以2008年1月的低温雪灾为背景,选择反映植被生长特性的植被净初级生产力为研究对象,以受人类活动干扰程度较小、能较好体现植被自然恢复的莽山保护区为研究区,构建了光能利用率模型（CASA模型）,对低温雨雪灾害发生前和发生两年后的植被净初级生产力进行了估算,通过其变化情况来衡量低温雨雪对植被的影响。还对不同地形条件下、不同林龄和树种的植被NPP受低温雪灾影响的差异进行分析,以期为整个莽山乃至南方受灾地区灾后评价和重建决策提供数据支持。     

基于CASA模型探究泾河流域植被NPP时空动态及其对气候变化的响应

植被NPP是判定生态系统碳源/碳汇及调节生态过程的主要因子,基于CASA模型估算NPP,探究时空尺度NPP的变化及其对气候变化的响应状况,可了解泾河流域植被恢复状况并为流域生态环境改善提供科学参考及建议。以泾河流域为研究区域,基于2000年、2009年、2018年MODIS NDVI数据、气象数据与植被分布数据等,运用CASA模型(Carnegie-Ames-Stanford approach,CASA)对2000年、2009年及2018年流域NPP进行了估算,探究流域内NPP时空动态及其对气候变化的响应,并分析了各植被类型下NPP分布规律。结果表明:(1)时间尺度上,2000年、2009年及2018年泾河流域NPP均值分别为521.81 gC/(m²·a),664.77 gC/(m²·a),719.78 gC/(m²·a),年际变化呈增长趋势; 月际变化曲线呈单峰型,4—8月呈较强上升趋势,8月后逐渐下降; 各季节的NPP均值由高到低依次为夏季>秋季>春季>冬季。(2)空间尺度上,NPP分布存在一定的地域差异性,水平方向呈“南高北低”的特点; 垂直方向上,NPP值随海拔高度的升高呈先下降后上升的趋势。(3)不同植被类型下NPP均值存在明显差异,其中常绿阔叶林年均NPP值最高,为1 544.50 gC/(m²·a)。(4)气候变化背景下,NPP主要受气温与降水的影响,且降水为主导因素。研究结果表明泾河流域NPP呈增加趋势,即植被覆盖情况在逐步改善; 流域北部植被覆盖状况仍有待改善,建议加大退耕还林政策实施力度,加大果树、茶树等防护型林地的种植; 且该流域NPP对降水的响应强于气温,故可加大植树造林恢复植被的力度,也可修建水库和水利工程,退田还湖,并加大湿地保护,从而保证空气湿度,增加降水,改善植被覆盖,实现人与自然和谐共生。     

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...     

基于CASA模型的区域冬小麦生物量遥感估算

该文对原始CASA(carnegie-ames-stanford-approach)模型中归一化植被指数(normalized difference vegetation index,NDVI)最值提取方法及光合有效辐射吸收比(fraction of absorbed photosynthetically active radiation,FPAR)的算法进行了深入分析,并通过综合分析大量国内外文献,更加科学合理的确定了最大光能利用率的取值,最终确立了适合该研究区的CASA模型。该文以河北省邯郸市3个县域冬小麦为研究对象,以HJ-1A/B星遥感数据产品为数据支撑,采用CASA模型对研究区2014年冬小麦生物量进行了估算和精度验证,结果表明:研究区冬小麦生物量平均值为1 485 g/m~2,50%以上区域在1 500~2 000 g/m~2之间。冬小麦实测生物量与预测生物量相关性达到显著水平,R~2为0.811 5。经过50组数据分析对比,平均相对误差为2.13%,其中,最大值为11.54%,最小值为0.33%;平均预测生物量为1 807.54 g/m~2,与平均实测生物量1 720.74 g/m~2相比,绝对误差为86.80 g/m~2,为估算区域冬小麦产量提供理论支撑。     

植被净初级生产力模型研究

主要对植被净初级生产力模型发展进行回顾,比较各模型的特点,对模型存在的问题进行了探讨,指出模型的发展趋势。     

1999-2012年三江源区植被净初级生产力及固碳释氧量测评

[目的]估算近14 a三江源地区植被净初级生产力(net primary productivity,NPP)以及固碳释氧量,为河源区的生态环境建设以及制定碳减排与碳增汇政策提供科学依据.[方法]基于遥感、气象、土地等数据,通过CASA模型、碳排放模型、Sen+ Mann-Kendall模型,分析三江源地区植被NPP及其固碳释氧量的时空变化特征.[结果](1)三江源区植被NPP单位面积多年均值主要集中在0～750 g/(m2·a)之间,约占研究区81.72%;空间分布特征呈东南—西北递减规律,高值分布在海拔较低、河流密集以及林地地区,而高寒地区NPP值相对较低.(2) 1999-2012年研究区NPP物质量年际变化呈增加趋势,增速约为7.26 g/(m2·a),没有通过0.05显著水平检验;年际变化空间特征中,约23.64％呈下降趋势,其中通过0.05置信水平者约占2.3％,主要分布在人类活动较频繁的地区;在受人类活动影响较少且水资源丰富地区呈增加趋势,约占研究区的76.36％,其中30.58％通过0.05置信水平检验.(3)固碳释氧物质量变化中,耕地变化幅度较大,其次是林地和其他用地,牧草地变化波动性较小.与人类活动因素有关,人为因素作用越明显,其变化幅度就越大,反之亦然.[结论]三江源高寒牧草地生态总体改善较好,受人类影响较少,而在海拔较低、河流密集以及人类活动频繁地区生态变化相对较复杂,局部地区存在退化现象,需要进一步加强该地区的生态环境保护建设.     

青藏高原不同季节植被NPP空间分异的定量归因

对人类活动量化中考虑区域生态条件的差异,基于季节尺度,利用潜在NPP与实际NPP计算HAII,选取植被类型、高程、坡度等7个自然因子与HAII进行空间分异探测分析,以更细的季节尺度揭示多因子的影响规律。结果表明：在描述青藏高原人类活动对植被NPP的空间分异影响方面,HAII的解释力与显著性均优于人类活动值,其解释力最高为0.714。在多因子影响植被NPP空间分异方面,自然与人为因子均表现出明显季节差异,夏季人类活动解释力最高,春、秋季减弱,冬季则主要受自然因子影响。其中,坡度、温度、法向直射辐射量与散射辐射量在春、秋、冬季表现出单一的驱动影响,植被生存条件较好的夏季,因子出现明显拐点,降水因子的限制阈值随季节变化。因子交互作用中,人类活动、降水、气温及植被类型4个因子之间产生的交互作用是影响青藏高原NPP的主要驱动力。综合人类活动及多个自然因子,在青藏高原植被生态工程建设中,需主要考虑人类活动、降水、气温及植被类型4个因子,各季节主导因子不同。在干旱少雨地区,人类活动应被重点考虑。研究结果可为不同植被生境条件下的区域提供生态系统管理的参考依据。     

土地利用/覆被变化对鄂尔多斯市草地生态系统净初级生产力的影响

[目的]探究土地利用/覆被变化对鄂尔多斯市草地生态系统净初级生产力(NPP)的影响,为该区退牧还草措施的高效实施和草地资源的合理管理提供理论依据。[方法]基于多源遥感影像数据、多期土地利用/覆被数据和气象数据等,运用光能利用率模型(CASA),模拟鄂尔多斯市草地生态系统净初级生产力(NPP),并进行分析和探讨。[结果](1)鄂尔多斯地区草地NPP总量在2001年(5 700.16Tg)到2015年(7 634.61Tg)间增加了1 934.46Tg;空间分布上存在明显的地域差异性。(2)该市2001—2015年耕地面积持续减少;15a间,林地面积增加了4 593km~2;草地净减少量为786.38km~2,其中草地与未利用地之间的相互转化最大,有大量耕地、林地转变为草地,面积达到376.5km~2。(3)该市2001—2015年草地类型未发生变化地区NPP增长量为1 999.42Tg;草地转为其他土地类型共引起草地NPP减少量为303.98Tg,其中转为耕地、林地和未利用地导致其NPP减少量分别为35.08,69.81和118.28Tg;其他土地类型转化为草地导致NPP的总增加量达128.96Tg,其中由耕地、林地、水域、未利用地转化带来的草地NPP增量分别为36.30,31.39,17.58,151.38Tg。[结论]土地利用/覆被对草地NPP影响较大,耕地和林地向草地的转化、未利用地的重新利用使得草地碳汇总量增加。草地向未利用地、水域、城乡工矿居民用地的转化使得草地生态系统碳汇能力减弱。     

太行山区植被NPP时空变化特征及其驱动力分析

本文基于2000—2014年MODIS NPP数据,结合同期土地利用变化、气温、降水和DEM数据,运用趋势分析法、相关系数法及分区统计法等方法,研究了太行山区2000—2014年植被NPP时空变化特征,分析了气温、降水等气候因素和人为因素对植被NPP变化的影响,为太行山区植被资源管理及生态环境调控提供参考。研究结果表明:(1)太行山区植被NPP多年平均值为284.0 g(C)·m~(-2)·a~(-1),耕地、林地和草地的NPP均值分别为302.5 g(C)·m~(-2)·a~(-1)、258.1 g(C)·m~(-2)·a~(-1)、286.5 g(C)·m~(-2)·a~(-1)。(2)2000—2014年太行山区植被NPP整体呈上升趋势,但大部分植被NPP变化未达到显著水平;16.17%的植被NPP显著或极显著升高,主要分布在太行山区西侧;0.88%的植被NPP显著或极显著降低,零散分布在研究区内。(3)不同植被类型NPP变化速率为草地耕地林地。(4)基于区域平均计算,太行山区植被NPP与降水显著正相关(P0.05),与气温负相关(P0.05)。基于像元计算,植被NPP与降水显著或极显著正相关区面积比例为23.82%,主要分布在太行山区北段,几乎没有显著负相关区;植被NPP与气温显著或极显著负相关区面积比例为8.42%,主要分布在太行山区西侧,显著或极显著正相关区面积比例为0.81%,主要分布在太行山区最北端。(5)研究期内气候因子对植被NPP的升高整体上表现为促进作用,而人为因素主要表现为抑制作用。太行山区生态环境保护仍应以减少人为干扰为主。     

长江流域片2000—2015年植被NPP时空特征及影响因子探测

植被净初级生产力对评价全球变化背景下植被生长状况、陆地生态系统质量、资源环境监测具有重要意义。基于2000—2015年的MODIS NPP产品MOD17A3数据,结合DEM数据、气象数据、土地利用数据,运用趋势分析、相关性分析、地理探测器等模型方法,探讨长江流域片植被NPP的时空特征,揭示了各驱动因子的贡献率。结果表明:(1)16 a间植被NPP均值在478.4～547.4 gC/(m²·a),平均值为516.5 gC/(m²·a),流域内NPP整体表现为缓慢上升趋势。(2)流域内NPP空间分布格局为自东南向西北减少,16 a间大部分地区NPP值基本不变,云南省迪庆州、贵州省毕节市西部增长最明显,下降区域多分布于贵州省东部。(3)研究区内植被NPP与气温、降水均呈正相关; NPP随海拔增加呈先增加后下降的趋势,2 000～3 500 m海拔范围内植被NPP值最高,且集中于横断山区; 坡度小于15°的区域对整个研究区NPP值贡献最大; 林地面积最大且NPP均值最大,对研究区的植被NPP值贡献最大。(4)各因子对NPP的解释力排序为海拔>气温>降水>土地利用类型>坡度,单因子海拔对NPP的解释力最强,海拔与气温双因子交互作用对NPP的解释力最强。研究结果可为长江流域生态修复及可持续发展提供数据支持。     

基于地形校正的植被净初级生产力遥感模拟及分析

植被净初级生产力（NPP）模拟研究对碳平衡监测及深入理解碳循环具有重要意义。高空间分辨率、短重访周期的遥感数据和地形校正成为精准模拟山区植被NPP研究的必然选择。在利用DEM数据对太阳总辐射和气温进行地形校正的基础上,估算了研究区植被吸收光合有效辐射因子、温度胁迫因子、水分胁迫因子和典型植被类型的最大光能利用率,构建了改进的CASABTC估算模型,利用HJ-1CCD数据模拟了2009年大别山区植被的NPP,并探讨了其时空变化特征。结果表明：1）由该文模拟值与MOD17A3的精度验证结果分析,基于地形校正的CASABTC模型和HJ-1数据适合精确模拟山区植被的NPP;研究区NPP在冬季比在春、秋、夏季受地形起伏的影响大。2）该文模拟的年NPP平均值为413.7 g/(m2·a)比MOD17A3平均值偏小4.9%,在空间分布上前者更加详细,地表特征更明显。3）研究区2009年NPP模拟值范围为0～1143.6 g/(m2·a),研究区总面积66.1％的NPP值在200～600 g/(m2·a)之间;年总NPP为9.891×106t,约占全国年总NPP的3.2‰,整体上呈现高、低值区交错分布的不规则特点。4）月NPP值随季节而变化,所有植被类型的NPP季节变化曲线都呈典型的单峰分布,且不同植被类型NPP的季节变化幅度有差别。月NPP值的季节变化与气温、太阳总辐射及NDVI的季节变化基本吻合,而降水量年内分配不均与NPP无相关性特点。5）各植被类型的月NPP和总NPP随海拔高度上升而逐渐变大,对于后者当海拔高度上升至1100 m时达到最大值,继续上升,其保持在600 g/m2左右不变。该研究可为后续基于HJ-1数据的山区植被NPP模拟提供参考。     

黑龙江省森林NPP的遥感反演

以黑龙江省的森林分布区为研究区域,基于光能利用率模型,利用2006年1km分辨率的MODIS数据和82个气象站的日照资料,结合土地覆盖类型,估算出研究区森林的年NPP,实现了遥感数据驱动的黑龙江省森林NPP的反演尝试。结果表明:2006年黑龙江省森林NPP的年总量为120.4×1012g.a-1,年平均值为545.6g.m-2.a-1,NPP最高值为1669g.m-2.a-1。其时间分布特点表现为明显的季节性变化,变化曲线呈单峰型;空间分布特点表现为显著的纬向分布,南高北低,东高西低,其中大兴安岭的森林NPP最低,小兴安岭次之,老爷岭的最高,基本体现了生产力按地域的正常分布规律。