渭河流域植被净初级生产力时空格局及影响因素分析

利用GIS技术将遥感数据和各种观测数据对渭河流域净初级生产力(NPP)进行估算并分析其时空格局及影响因素。结果表明,(1)整个流域12个月总的NPP平均值为473gC/(m2·a),空间分布特点是北部和西北部的黄土高原低,中部六盘山、子午岭和南部秦岭高;不同生态系统的平均NPP呈现为无植被地段61草地376农业植被440灌丛483森林692;(2)研究区NPP的积累期主要发生在4—10月份,其NPP占了全年NPP总量的90%;从季节来看,流域内春(3—5月)、夏(6—8月)、秋(9—11月)、冬(12—2月)4个季节的NPP各占全年总量的20.34%,52.51%,22.66%,4.49%;(3)渭河流域NPP与温度、降水和太阳辐射的相关性分析表明温度和降水是影响渭河流域NPP的2个重要影响因子。     

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。     

气候变化对秦岭南北植被净初级生产力的影响（Ⅱ）——近52年秦岭南北植被净初级生产力

根据秦岭南北54个气象站1960—2011年逐日数据,采用周广胜—张新时模型、Penman-Monteith模型、气候倾向率、相关分析和Spline插值等方法分析近52 a气象要素的时空变化特征及其对植被净初级生产力的影响。结果表明：1）秦岭南北多年平均植被净初级生产力由北向南逐步上升,排序为巴巫谷地〉汉水流域〉秦岭南坡〉秦岭以北,各子区植被净初级生产力变化趋势不一,植被净初级生产力上升的站点占本区站点总数的比例顺序为汉水流域〉秦岭南坡〉巴巫谷地〉秦岭以北,秦岭以南地区增加更为明显,生态区23个站点中植被净初级生产力年际波动并不大,介于1.34～1.89之间;2）植被净初级生产力与湿润指数、降水量和相对湿度呈显著水平（P〈0.01）的正相关关系,相关系数排序为降水量〉湿润指数〉相对湿度,降水的增多会促进植被净初级生产力的累积,水分是主要制约因素;3）植被水分利用效率由南向北递减,排序为巴巫谷地〉汉水流域〉秦岭南坡〉秦岭北坡,绝大部分地区呈现不显著的上升趋势,近52 a来,水分利用效率普遍呈上升趋势,但并不显著,整体上维持相对稳定水平。     

北京植被净初级生产力对物候变化的响应

植被净初级生产力（Net Primary Productivity,NPP）对物候的响应是全球气候变化背景下的重要研究内容,气候变化对植物物候与NPP的影响仍需明了,物候的时空变异规律更需深入探讨。该研究基于2001-2020年MODIS归一化植被指数（Normalized Difference Vegetation Index,NDVI）数据提取北京植被物候信息,利用CASA（Carnegie-Ames-Stanford-Approach）模型模拟NPP,通过线性回归、趋势分析和结构方程模型等方法,阐明NPP与物候时空变化特征,探究气象因素和物候变化对NPP的影响。结果显示：1）2001-2020年超过70 %的区域出现生长季开始（Start of Growing Season,SOS）逐渐提前,平均每年提前0.57 d。超过90%的区域生长结束期（End of Growing Season,EOS）逐渐推迟,平均每年推迟0.51 d。2）SOS提前和生长季（Length of Growing Season,LOS）延长均对NPP增长产生显著影响（P<0.05）。SOS每提前1 d,NPP增长3.74 g/m2;LOS每延长1 d,NPP增长2.65 g/m2 。秋季EOS推迟对NPP变化影响不显著。3）春季和秋季,气候通过改变物候（SOS、EOS）对NPP的间接影响大于直接影响,而夏季温度和降雨对NPP的直接影响更大。该研究表明春季物候变化是NPP年际变异的重要驱动因子,春季物候提前导致NPP年总量增加。研究结果是都市区植被生产力如何响应气候变化认识的重要补充。     

陇中半干旱丘陵区沙打旺土壤水分动态特征及净初级生产力研究

本文重点对陇中半干旱黄土丘陵区,不同土地类型沙打旺草地生长季0—3m土层不同时段土壤水分含量及其动态变化与剖面水分动态特征,及各土地类型生长季土壤水分消长状况和水分有效生产率进行了分析研究,并提出在干旱、半干旱地区山坡地修成反坡台地种植沙打旺,既能提高产草量,又能提高自然降水有效利用率,是蓄水保墒抗旱增产的有效措施。     

白洋淀流域植被净初级生产力时空变化及驱动因素

[目的] 评估白洋淀流域长时间序列植被生长状况及驱动机制,为进一步保护雄安新区生态环境质量提供理论支撑。 [方法] 基于2007—2020年NASA MOD17A3H的NPP数据,运用趋势分析、变异系数、Hurst指数、地理探测器等方法,探究白洋淀流域植被NPP的时空分异、变化趋势及驱动因素。 [结果] ①白洋淀流域植被年均NPP值在217.1～357.6 g/(m²·a)之间变化,在空间上呈现西北部山区较高,东南部平原区较低的分布规律; ②超过80%的研究区域植被NPP具有明显波动性,其中西北山区和东南平原波动性最强; ③绝大部分植被NPP随年份呈增加趋势,并且由东南至西北,从不显著增加逐渐过渡到显著增加状态; ④研究区内,西北部地区为Hurst指数小于0.5的反向持续性区域,未来植被NPP可能会出现增加趋势减缓的问题,西南地区为正向持续区,未来变化趋势良好; ⑤研究区植被NPP空间分异的主导驱动因素为温度、人口、第三产业等,双因子交互作用的影响力明显高于单因子,其中降水和温度的交互作用最强。 [结论] 2007—2020年,白洋淀流域植被NPP逐渐增强,温度虽是影响NPP空间分异的主要驱动因素,但社会因素发挥的作用在逐渐增强。     

黄土高原植被净初级生产力时空变化及其影响因素

为了探明黄土高原地区植被生产力变化的驱动机制,该文基于MODIS传感器获得的MOD17A3数据,分析了黄土高原2000-2010年间植被净初级生产力(net primary productivity,NPP)的时空变化及其主要影响因素,并借助多元统计分析方法对引起NPP变化的自然和人为因素进行量化分析。结果表明:黄土高原植被总NPP从2000年的119 Tg(以C计)增加到2010年的144 Tg(以C计),年增速4.57 g/(m2·a)(P0.05)(以C计)。黄土高原约91%的区域NPP呈增加趋势,37%的区域增加趋势显著,主要分布在陕西、青海大部分地区、甘肃南部及宁南山区。整个黄土高原近11 a间NPP变化受自然和人为因素共同影响,其中退耕还林还草累计面积、帕尔默干旱指数(palmer drought severity index,PDSI)、耕地面积和人口数量是影响NPP变化的主要因素。退耕还林还草累计面积占四者总贡献率的43%,PDSI占40%,耕地面积和人口数量分别占13%和4%。对区域而言,由退耕还林还草工程引起的土地利用覆被变化是退耕区(陕北、甘肃东南部等)NPP增加的主要因素,而近年来干旱情况的缓解(PDSI呈上升趋势)则是青海、内蒙古等地NPP增加的主要因素。该研究对于黄土高原各区域生态资源管理,以及生态系统的建设具有一定的指导和借鉴意义。     

北京山区刺槐林净初级生产力对气候变化的响应

利用BIOME—BGC模型估算北京山区刺槐林的净初级生产力(NPP),并分析了NPP对不同未来气候情景的响应。结果表明:模型模拟出的NPP总体上低于样地实测值,年际变动率为11.2%,并表现出波浪形年际变化规律;降水量与NPP呈现极显著正相关关系,是NPP年际变化的主要气候因子;CO2的浓度加倍、降水增加对NPP积累起到促进作用,温度增加不利于NPP的积累;降水增加对NPP积累的正向效应不敌温度增加对NPP积累的负向作用,CO2浓度加倍、降水增加对NPP积累的协同促进作用大于温度增加对NPP积累的抑制作用。     

气候变化背景下羌塘国家自然保护区植被净初级生产力时空变化

基于Miami模型和Thornthwaite Memorial模型,利用西藏羌塘国家自然保护区附近5个气象站1971-2018年气温、降水数据和第五次耦合模式比较计划（CMIP5）多个全球模式历史和未来预估数据,分析保护区附近及保护区气温、降水、植被净初级生产力（NPP）的时空变化特征。结果表明：（1）保护区附近年平均气温从西部到东部渐低,年降水量从西部到东部渐多。年平均气温（T）呈显著升高趋势,年降水量（R）和年蒸散量（E）均呈微弱增加趋势,伴随各站气温NPP（NPPt）呈显著升高趋势,降水NPP（NPPr）呈微弱增加趋势,大部分站点蒸散NPP（NPPe）和标准NPP（NPPb）均呈微弱增加趋势;（2）NPPt从西部到东部逐渐变小,NPPr从西部到东部逐渐变大,NPPe、NPPb从西部到东部先变大后变小。狮泉河、改则站植被NPP限制因子为降水,申扎、班戈站为蒸散,安多站为蒸散或气温;（3）21世纪不同年代NPPt、NPPr、NPPe和NPPb与20世纪所有年代相比均显著增大。保护区NPPt、NPPr、NPPe和NPPb在未来不同排放情景下相对于1960-1990年均明显增加。保护区在近48a和未来气候“暖湿化”趋势下,植被NPP均有所增加,东南部的寒冷湿润地区增加幅度较大,而西北部寒冷干旱地区增加幅度较小。未来气候有利于当地植被NPP提高,从而改善生态环境。     

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。     

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%。     

地震灾区植被净初级生产力恢复效应评价

地震等重大灾害的发生,对区域植被及生态环境造成了巨大破坏,植被净初级生产力(net primary productivity,NPP)能够反映绿色植物的生长状况,进行地震灾区植被NPP恢复效应评价,对掌握震后植被恢复情况和变化趋势具有指导意义。以"5·12"汶川大地震的极重灾区为研究区,选择地震前后3个时期的TM及MODIS卫星遥感数据,结合气象资料等其他数据,利用改进的CASA模型估算了灾区前后三年植被NPP。结果表明,灾后2009年植被NPP总量为9.827亿gC/a,相比灾前2007年减少了31.99%,2011年恢复期相比2009年增长了28.55%,但仍比2007年低12.57%,震后两年,灾区植被净初级生产力有所恢复,但未达到震前水平;从植被NPP空间分布来看,离地震中心越近的地方,植被NPP受到的削减程度越大,其恢复能力越差;经验证分析,评价结果具有较高的可信度,可为相关部门制定灾区生态重建和生态恢复计划与实施提供科学依据。     

吉林省长时间序列陆地生态系统NPP时空变化特征

植被净初级生产力(NPP)是陆地生态系统碳循环过程中的重要组成部分,也是评价碳源/汇的重要环节.基于2001—2019年MODIS地表反射率数据(MOD09A1)、气温和日照时间资料,利用光能利用率模型估算了吉林省陆地生态系统NPP,采用趋势分析、空间变异性分析等方法,分析了吉林省陆地生态系统NPP的时空变化特征及其与...     

福建长汀朱溪小流域NPP估算

南方花岗岩红壤侵蚀区生态系统退化的研究集中在侵蚀的过程模拟与预测、土壤退化成因和生态恢复与重建等方面,关于植被净第一性生产力对退化生态系统评估的研究还较少。本研究选取朱溪小流域气象数据,结合Spot-5卫星遥感数据和DEM(数字高程模型),构建朱溪流域植被净第一性生产力(Net Primary Productivity,NPP)的CASA(Carnegie–Ames–Stanford Approach)模型,进行朱溪小流域NPP估算。结果表明:1朱溪小流域的NPP分布整体上呈现出低值水平,平均值仅为24.04 g/m2·mon,标准差高达9.78。2经过近15年的强化治理,朱溪小流域NPP空间上呈现出:西部和东部地区NPP值较大;中部地区NPP显著改善,部分地区仍需强化治理。3NPP的空间分布具有明显的带状分布:NPP在270~320m呈现较高值区,生态环境较好;NPP在320~470m呈现低值带,生态环境破碎化严重;NPP在470~680m呈现高值区,植被生长良好,生态环境良好。4林地、园地、农田等经济用地的NPP值较高且均匀分布,其中一级土地利用类型NPP值大小顺序为:耕地草地林地园地未利用地,二级土地利用类型NPP值大小顺序为:耕地天然草地有林地苗圃果园茶果间作园疏林地荒草地迹地。人为干预痕迹显著,二级土地类型的空间变异程度:耕地茶果间作果园苗圃有林地荒草地疏林地迹地。     

2008-2014年植被覆盖变化对黑河流域净初级生产力的影响研究

土地利用/覆被变化是生态系统能量流动与物质循环的主要驱动力之一,土地利用/覆被变化最直观的表现就是植被覆盖度的变化,研究其对植被净初级生产力的影响,对区域土地利用的管理具有重要意义.研究利用MO-DIS反射率及NPP数据,分析了2008-2014年黑河流域植被覆盖度变化及其对NPP的影响.结果表明:(1) 2008-2014年,黑河流域年均NPP呈现上升的趋势,流域NPP总体呈现南多北少,上游地区的祁连山地带、中游地区的张掖、酒泉、临泽等地NPP值普遍较高,除沿河道外,下游NPP值普遍较低,并且在下游的北部地区NPP值达到了最低.(2)相比2008年、2014年黑河流域Ⅰ级(盖度小于20％)、Ⅳ级(盖度介于40％～60％)和Ⅴ级(盖度大于60％)植被覆盖等级所占比例有所上升,而Ⅱ级(盖度介于20％ ～30％)和Ⅲ级(盖度介于30％～40％)比例下降,影响该流域植被生长的主导性因子不同,上游地区主要受降水影响,下游受气温影响较大.(3)植被覆盖度对NPP的产量具有很好的指示作用,二者的决定系数高达0.90,NPP产量随植被覆盖度的增大而增加.(4) 2008-2014年,黑河流域NPP总量由6 052.82 GgC/a增加为6 624.54 GgC/a,增加幅度为9.45％,其中,面积减少17 086 km2的低植被覆盖区NPP总量减少仅为25.65 GgC/a,而高植被覆盖度区增加最多,从2 861.96 GgC/a增加为3 206.86 GgC/a,增加量为344.90 GgC/a,较高植被覆盖度区的NPP总量增加次多,增加了251.84 GgC/a,增幅为12.57％.     

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...     

应用三种模型对浙江省植被净第一性生产力(NPP)的模拟与比较

运用Miami模型、Thornthwaite模型以及综合模型,计算浙江省植被NPP,并与国际生物学计划(IBP)推荐值进行比较,旨在找出最适用于浙江省的一种植被NPP计算模型;分别分析三种模型模拟的植被NPP的年际及年代际变化特征;利用站点的经纬度、DEM及其衍生数据建立多元回归方程对浙江省植被NPP进行空间插值,并分析其空间分布特点。结果显示:(1)综合模型模拟的浙江省植被NPP与国际生物学计划(IBP)推荐值最接近,为952.722～1376.971g.m-2.a-1,并且NPP随时间呈波动上升趋势;20世纪60-70年代植被NPP增幅最大,为33.31g.m-2.a-1;(2)对于三种模型,北部嘉兴市的植被NPP最小,南部温州市的植被NPP最大;植被NPP的空间分布形态一致,全省范围内均表现为西北低、东南高;(3)比较得出,综合模型在模拟计算浙江省NPP时更具有实用性。