顾及时滞效应的西南地区植被NPP变化归因分析

随着社会经济的不断发展,近年来西南地区部分区域生态环境日益脆弱。研究气候变化和人类活动影响下植被净初级生产力（Net Primary Productivity,NPP）时空演变特征,可为监测区域植被生长状况及其对驱动因素的响应机制提供理论依据。该研究以2000－2020年MOIDS NPP数据为基础,结合气象、人口密度、夜间灯光和土地利用类型等数据,使用Theil-Sen Median趋势分析、多重共线性检验、多元回归分析、残差分析和偏相关分析等研究方法,分析2000－2020年西南地区及各地貌单元植被NPP时空变化特征及对气候变化和人类活动的响应特征。结果表明：1）2000－2020年,除青藏高原植被NPP、气候影响下的植被NPP预测值（Predicted Net Primary Productivity,NPPPre,）和人类活动影响下的植被NPP残差值（Residual Net Primary Productivity,NPPRes）呈微弱波动下降外,其余地貌单元植被NPP、NPPPre和NPPRes均呈较明显的波动上升趋势,其中,四川盆地植被NPP、NPPPre和NPPRes波动上升趋势尤为显著,上升斜率分别为7.14、3.72和3.44 g/(m2·a)。2）研究时段内西南地区气候变化对植被NPP上升的影响整体强于人类活动。气候变化影响下,西南地区约45.18%的区域植被NPP呈显著和极显著上升趋势,而人类活动影响下,该占比仅为18.55%。地貌单元上,气候变化和人类活动影响下,四川盆地植被NPP呈极显著上升和显著上升的比例最高,分别为69.42%和50.75%。3）西南地区整体及各地貌单元植被NPP变化主要受温度类因子的主导,相对湿度和大气压强对西南地区植被生长整体具有抑制作用。4）耕地转化为城镇用地是植被NPP下降的重要原因,而非耕地转化为耕地和非林地转化为林地是植被NPP上升的重要原因。整体上,西南地区植被NPP与人口密度和夜间灯光呈不显著相关关系。地貌单元上,四川盆地植被NPP与人口密度和夜间灯光的相关性最高,即四川盆地植被生长受人为活动的影响强于其他地貌单元。研究结果可为区域植被生长监测、生态环境质量评价和林业生态工程效益评估提供理论依据。     

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。     

定量评估京津冀气候变化和人类活动对植被NPP变化的 相对作用

气候变化和人类活动是影响植被生长的两个重要因素,定量评估两因素对京津冀地区植被净初级生产力（NPP）的相对作用,对了解该区域植被变化的驱动机制,改善生态环境具有参考价值。基于2001−2020年CASA模型的NPP数据和气象数据,采用“去趋势回归残差法”定量区分气候变化和人类活动对京津冀地区植被NPP的影响。结果表明：(1)京津冀地区47.8%的植被呈现显著改善的状态,4.5%呈现显著退化的状态。张家口中部地区植被NPP增加趋势最大,经济发达的城市群（除北京外）减少趋势显著;（2）京津冀大部分地区植被得到显著改善的主要原因为气候变化和人类活动的共同作用,其中气候变化对NPP影响为1.5gC·m−2·a−1,人类活动为2.4gC·m−2·a−1;（3）气候变化和人类活动对植被显著改善的贡献率平均为25.8%和74.2%。气候变化贡献率大于80%的区域面积约占1.3%,主要集中在张家口西北部、沧州东部等地;人类活动贡献率超过80%的区域面积占比22.1%,主要集中在张家口中部和西南部、承德大部、沧州南部、衡水大部等地。而人类活动对植被显著退化区的作用高达94.9%。研究结果表明人类活动在植被生长能力恢复和退化中的作用大于气候变化,因此,京津冀植被恢复的生态建设中应重点关注人类活动的影响。     

青藏高原保护区植被与生态系统服务功能变化的一致性分析

[目的]探讨青藏高原保护区2000—2010年生态系统服务功能对植被变化的响应,为进一步明晰生态系统服务功能和遥感植被指数的关系,为区域生态系统服务功能评估与生态保护提供科学参考。[方法]聚焦青藏高原各类保护区,基于中分辨率成像光谱仪(MODIS)增强型植被指数(EVI)产品进行植被变化制图,针对碳固定、土壤保持、水源涵养、栖息地保护等生态系统服务功能,判断青藏高原保护区内2000—2010年生态系统服务功能变化趋势是否与植被变化趋势一致。[结果]青藏高原EVI在2000—2010年以非显著变化为主,在栅格和保护区两个尺度上均表现为非显著增加样本多于非显著减少样本,青藏高原植被呈现整体好转局部退化的特征。[结论]青藏高原保护区各项生态系统服务功能在2000—2010年以非显著变化为主,但生态系统服务功能非显著减少样本明显多于非显著增加样本,与EVI变化趋势不一致。     

近20年来西藏地区NPP时空变化及影响因素

[目的] 探究西藏地区植被净初级生产力(net primary productivity， NPP)时空变化规律以及与影响因素之间的关联，为该区绿色生态建设和国土资源开发提供科学依据。 [方法] 利用MOD17A3 NPP数据、气象数据和植被类型空间分布等数据，采用趋势分析、偏离分析、相关性分析法和地理探测器等方法，对西藏地区2000-2020年的NPP时空格局及影响因素进行分析。 [结果] ①西藏地区2000-2020年NPP总体呈增长趋势，均值为137.36 g/(m²·a)，波动范围为128.04～148.06 g/(m²·a)，总体分布具有明显的空间异质性，呈东南高西北低的趋势； ②不同植被类型的年均NPP差异明显，其中阔叶林最高，为1107.09 g/(m²·a)，荒漠最低，为29.76 g/(m²·a)，按NPP均值大小顺序排列为：阔叶林＞栽培植被＞针叶林＞灌丛＞草甸＞高山植被＞草原＞荒漠； ③NPP与气温和降雨均存在明显相关性，其中NPP与降雨多呈负相关，与气温多呈正相关； ④各影响因子对NPP空间分异性解释力依次排列为：降雨量＞海拔＞气温＞坡度＞植被类型＞土地利用类型，自然因子对NPP的影响力强于人为因子，双因子交互作用影响力强于单因子。 [结论] 西藏地区水热条件分布不均，NPP空间分布差异较大，整体生态系统呈改善趋势，局部生态系统较脆弱。     

2001-2015年青藏高原草地碳源/汇时空变化及其与气候因子的关系

净生态系统生产力(NEP)是估算区域植被碳源/汇的重要指标。以青藏高原为研究区,基于光能利用率模型,利用遥感数据、气象数据和基础地理数据测算了2001—2015年草地生态系统净初级生产力(NPP),同时,应用土壤呼吸模型估算了逐月平均土壤呼吸量(Rs),进而估算青藏高原草地净生态系统生产力(NEP)。研究揭示了2001—2015年青藏高原草地生态系统NPP,NEP时空格局及其与气候因子的关系。结果表明:(1)2001—2015年,青藏高原草地生态系统整体表现为碳汇,平均净碳汇总量为1.82×1014 gC/a;(2)2001—2015年青藏高原草地生态系统NEP呈波动增加趋势,年平均值为120.8gC/(m2·a),年平均增长率为0.7gC/(m2·a);(3)研究区草地NPP与温度、降水相关性不显著,NEP与降水、温度均呈负相关。     

基于改进CASA模型的陕西省植被NPP遥感估算

[目的]探究陕西省陆地生态系统植被群落生产状况,分析陕西省植被NPP时空格局变化及影响因素,为准确评估陕西省陆地生态系统碳源/汇,实现区域生态可持续发展,达成碳中和目标提供参考依据。[方法]基于温度—植被干旱指数(Temperature Vegetation Dryness Index, TVDI)对CASA(Carnegie-Ames-Stanford Approach)模型水分胁迫因子进行改进,从而估算陕西省2010—2020年植被NPP,并利用热点分析法、趋势分析法以及地理探测器对陕西省植被NPP进行空间分布格局、年际变化趋势和驱动因子研究。[结果](1)陕西省NPP空间分布呈现南高北低、冷热点区域差异明显的特征;(2)陕西省2010—2020年NPP平均值介于331.02～416.34 gC/(m²·a),NPP均值在100～600 gC/(m²·a)占比最大,最低值和最高值区间占比不足20%;(3)全省2010—2020年83.3%的面积植被NPP值无显著变化,4.2%的面积呈增加状态,12.5%的面积NPP值呈下降趋势;(4)降水...     

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GEE的1982—2021年内蒙古地区植被覆盖度时空动态及气候响应特征

气候变化和人类活动对植被NPP（ net primary productivity,净初级生产力）的驱动作用是全球气候变化背景下的研究热点,并且在不同的时空尺度上尚不能达成共识。中国西北寒旱牧区植被生态系统脆弱,对气候变化和人类活动的响应十分敏感,该研究以青海省乌兰县作为代表性研究区,采用GIMMS-NDVI and MOD-NDVI数据融合构建了长时序归一化植被指数（normalized difference vegetation index,NDVI）数据集,并结合CASA（carnegie-ames-stanford approach）模型获取了研究区1982—2020年植被生长季NPP,利用Sen+MK趋势分析方法探究了研究区植被生长季NPP的时空演变特征,同时采用构建的ADE+Sen量化归因方法对多种气候要素和人类活动的驱动作用进行了定量分析。结果表明,研究区植被生长季NPP多年均值为（205.9 ± 11.5）g/(m²·a)（以C计）,年际变化无显著趋势,不同植被类型的生长季NPP年际波动过程与全域生长季NPP基本一致。在空间上,植被生长季NPP自西向东逐渐增加,年际变化趋势具有明显的空间异质性,且整体以退化为主,平均变化率为−0.151 g/(m²·a²),其中表现出严重退化和轻度退化的面积占比分别达到了31.7%和29.5%。气候变化主导的植被面积占比达85.2%,其贡献值的绝对平均值为1.025 g/(m²·a²),约是人类活动贡献值绝对平均值的2倍,太阳辐射、降水量、平均气温和平均风速均是影响植被生长季NPP动态的主要气候因素。该研究表明研究区植被整体表现为退化状态,气候变化是导致该现象的主导驱动因素。研究结果可为中国西北寒旱牧区植被生态系统的可持续利用和保护提供参考。

     

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。     

基于孢粉数据的全新世青藏高原降水定量重建

[目的]定量重建青藏高原全新世以来的百年分辨率的降水序列,为青藏高原环境演变及其预测未来的气候情景提供基础数据资料。[方法]利用青藏高原若尔盖盆地和塔若错湖芯高分辨率孢粉数据,采用加权平均偏最小二乘回归(WAPLS)和现代类比法(MAT)重建了全新世以来青藏高原东、西部的降水变化。[结果](1)高原降水变化明显分为3个阶段,早全新世(10.5～8.9kaBP)降水呈波动较大,平均降水量略高于现代;中全新世(8.9～3.2kaBP)是旺盛的湿润期,东西部地区达到极值时间分别是6.7和7.4kaBP,降水分别高出现代42.4和200mm。晚全新世(3.2kaBP以来)期间东部降水持续下降,较前期下降约70mm,而西部地区降水有所增加,约与现代相当;(2)降水百年尺度变化:高原降水较少发生时间较为一致,在1.8,3.4,6.2和9.5kaBP前后。[结论]全新世早中期高原降水量整体高于现代,全新世晚期东、西部降水量均有下降趋势,在1.2kaBP左右西部降水出现回升。重建序列与其他高低分辨率环境记录有很好的可比性,说明重建序列有很好的代表性和一定的准确性。     

青藏高原青稞赖氨酸含量空间分布及其与环境因子的关系

青藏高原是地球上生态环境最复杂的地区,也是大麦的起源中心之一。为探究裸大麦(青稞)赖氨酸含量的空间分布规律及与环境因子的关系,利用农学和地理学相结合的方法,在青稞主种植区选取了83个样点数据,通过逐步回归分析法和随机森林回归分析法建立数学模型。结果表明,在地理水平方向上,形成了藏中和藏东2个青稞赖氨酸含量高值区;在地理垂直方向上,赖氨酸含量在海拔2 700 m以下和4 200 m以上分别形成2个高峰区;影响青稞赖氨酸含量的环境因素从大到小依次是土壤全氮含量年均日照时数年均降水量年均相对湿度8月平均降水量。由此可见,青稞赖氨酸含量高值分布区位于喜马拉雅山脉、冈底斯-念青唐古拉山脉、喀喇昆仑山脉交汇的高山峡谷地带,是生态环境最复杂地区,是西藏野生大麦群体发现地之一。环境对青稞赖氨酸含量有重要影响,其中最主要环境因素是土壤全氮含量、年均日照时数、年均降水量。本研究结果为青藏高原青稞育种、栽培和加工提供了科学依据。     

青藏高原表土磁化率空间分布特征及影响因素

土壤磁化率是古环境重建的常用代用指标，对表土磁化率与现代环境的关系研究有助于理解磁化率产生差异的原因。当前，区域尺度上土壤磁化率变化成因认知的缺乏限制了磁化率作为古环境重建重要代用指标的精准应用。本研究系统调查了青藏高原的254个样点表层(发生层A层)土样，测定土壤磁化率和其他土壤属性，结合母质、气候、地形和植被等数据，阐明青藏高原地区土壤磁化率空间变化特征，及其主要影响因素。结果表明：(1)不同母质类型之间，表层土壤磁化率(χlf)无显著差异，百分频率磁化率(χfd%)差异显著，黄土和砂页岩风化物>冰碛物和结晶盐风化物，其他母质类型之间无显著差异；不同土地利用之间，表层土壤χlf无显著差异，χfd%差异显著：森林和旱地>草地>荒地。(2)各因子对土壤磁化率影响，植被>理化性质>地形>母质。(3)空间分布上，东南部的χlf和χfd%均显示较高值。χlf空间分布呈由东南向西北降低的趋势，高值区位于东南部边缘，低值区位于腹地。χfd%空间分布规律与χlf相似，高值区位于东部偏南，低值区位于西部。此外，χlf和χfd%的空间分布规律与青藏高原植被分区相吻合。因此，磁化率能更好地指示植被空间分布。     

青藏高原土壤可蚀性K值的空间分布特征

土壤可蚀性反映了土壤对水力侵蚀作用的敏感性,是进行土壤侵蚀评价和预报的重要参数。收集了青藏高原1 255个典型土壤剖面资料,采用模型计算和面积加权分析方法确定了每一个土壤亚类的土壤可蚀性K值,结合青藏高原1∶100万土壤类型图,分析了青藏高原土壤可蚀性K值的空间格局特征。结果表明,青藏高原土壤可蚀性K值平均为0.230 8,低可蚀性、较低可蚀性、中等可蚀性、较高可蚀性和高可蚀性土壤面积分别占该区面积的5.60%,18.23%,24.35%,44.02%和7.80%。土壤可蚀性以中等可蚀性和较高可蚀性为主,二者分布面积之和达1.77×106 km2,占青藏高原总面积的68.37%;较高可蚀性、高可蚀性土壤主要分布在青藏高原中西部的羌塘高原、柴达木盆地和横断山区的低海拔河谷中。青藏高原土壤可蚀性K值具有明显的垂直分异特征,在横断山区最为显著,土壤可蚀性随海拔高度升高而降低。不同海拔高度的水热分异影响了土壤的理化特性,进而决定了青藏高原土壤可蚀性的垂直分带特征。     

青藏高原地区3种全球DEM精度对不同地形因子的响应

[目的]探究青藏高原地区3种全球DEM精度对不同地形因子的响应,以便对全球DEM在各领域应用研究提供支撑。[方法]以青藏高原地区作为研究区,以ICESAT/GLAS的GLAH14高程数据作为高程参考数据,研究SRTM DEM,ASTER GDEM和HydroSHEDS DEM的精度对坡度、坡向以及地形粗糙度等地形因子的响应规律。[结果]总体上,SRTM DEM精度最高,HydroSHEDS DEM精度最低。不同地形因子对3种DEM精度均有不同影响。DEM误差随着坡向分布呈不同的态势。其中SRTM DEM正负测量偏离值点分别集中在南坡向和西北坡方向;ASTER GDEM正负测量偏离值点分别集中西北坡向和东南坡向;HydroSHEDS DEM正负测量偏离值点分别集中在东坡向和西南坡向。3种DEM精度与地形粗糙度均呈现较为明显的二次多项式关系。[结论]在青藏高原地区,3种DEM精度均与地形要素有着不同程度相关性,SRTM DEM精度最优且受地形要素影响程度小,HydroSHEDS DEM精度最差,受到地形要素的影响程度最大。     

青藏高原冻融风蚀形成机理的实验研究

青藏高原独特的高寒环境,冻融作用强烈,在干旱多风的气候条件下,容易产生风蚀,导致沙漠化的出现。冻融风蚀作为冻融侵蚀的一种主要形式,在青藏高原表现得尤为突出。为此,对青藏高原采集的土样进行了冻融风蚀模拟实验。结果表明,风蚀强度随着冻融循环次数的增多、冻融过程中含水量以及冻融温差的增大而增强,因此,在水分参与条件下,反复、剧烈的冻融作用所引起的土体结构的破坏是青藏高原冻融风蚀产生的主要原因,而挟沙风又是其主要动力。     

青藏高原冻融荒漠化退化区分布及影响因素

[目的]青藏高原由于其高海拔、气温低、冻融侵蚀强烈的特点,是冻融荒漠化的主要发生区。探究青藏高原冻融退化区分布及其原因,对该区水土保持工作和生态环境保护具有重要参考意义。[方法]选择植被覆盖度、冻融循环次数、土壤温度日较差、土壤含水量、年降水量和坡度作为冻融侵蚀因子,对2000—2019年青藏高原冻融侵蚀敏感性进行了评价,结合研究期内青藏高原荒漠化趋势,构建了一种判定冻融荒漠化退化区域的方法。[结果]2000—2019年青藏高原冻融侵蚀区总面积为1.531×10⁶ km²,中度及以上敏感性区域面积为9.131×10⁵ km²,占青藏高原总面积的35.92%。青藏高原冻融荒漠化退化区域面积约为1.113×10⁵ km²,主要分布于高原西南部,退化程度以中度退化为主,面积占比为44.35%。[结论]气温上升、湿润指数下降和净太阳辐射增强是青藏高原冻融荒漠化发生的主要自然驱动因素,高原南部部分地区由于气候条件的差异,三者发挥了相反的作用。     

不同地形条件下青藏高原农田土壤有机碳的分布特征

西北高寒地区农田土壤有机碳（SOC）储量的变化研究,可为东部农田SOC对气候和管理措施的响应提供预警信息。针对西部高原县域尺度上典型的地貌类型和土壤类型,对其耕层和剖面SOC进行了分析。结果表明, 青海省乐都县农田耕层（020 cm）SOC的变化范围为4.38 g/kg~20.81 g/kg,均值为11.29 g/kg,且不同土壤类型上表现出黑钙土（16.15 g/kg）＞栗钙土（10.53 g/kg）＞灰钙土（9.50 g/kg）的趋势。地形对耕层（020 cm）SOC含量没有显著影响,但深层（20100 cm）SOC因地形存在显著差异,在峁坡上,黑钙土、 栗钙土和灰钙土的深层（20100 cm）SOC分别比同种土壤类型的谷底深层土壤提高了111.5%、 62.5%和66.3%。农田SOC的垂直分布也因地形存在差异,同一种土壤类型在谷底其耕层（020 cm）SOC含量均比深层（20100 cm）高,峁坡上其深层（20100 cm）比耕层（020 cm）高,黑钙土、 栗钙土和灰钙土在谷底其耕层（020 cm）SOC含量分别比同一土壤类型的深层（20100 cm）土壤提高18.7%、 24.3%和153.5%,黑钙土、 栗钙土和灰钙土在峁坡上其深层（20100 cm）SOC含量分别比同一土壤类型耕层（020 cm）提高46.9%、 8.0%和1.0%。这一结果可为准确估算青藏高原农田SOC的变化提供参考。