2004-2015年湖北省植被NPP时空分布特征及其与气候因素关系

为了探明湖北省植被NPP空间分布特征及其驱动机制,利用MOD17A3H NPP时序数据、土地覆盖类型产品MCD12Q1、气象数据和SRTM DEM地形数据等,采用线性趋势分析、相关系数等方法,分析了2004-2015年湖北省植被NPP时空分布特征,探讨了不同土地利用类型、不同地形条件下植被NPP分布及对气候因素的响应特征。结果显示:（1）12年间,湖北省植被NPP总体呈上升趋势;植被NPP的空间分布大体呈东、西部山区高,中部略低的格局,全省植被NPP值大部介于400~600 g C/（m²·a）;（2）全省植被NPP与年均气温呈现正相关性的面积占全省总面积的79.28%,与年降水量呈现正相关性的面积占全省总面积的59.07%;（3）气温是影响林地、草地植被NPP变化的主要驱动因子,耕地主要受降水量影响;（4）植被NPP与年均气温和年降水量的相关性随高程、坡度、坡向的不同表现出差异性,植被NPP变化是气温、降水和地形条件综合作用的结果。     

2000-2015年典型山地区域净初级生产力时空分布特征

为了明确区域植被固碳能力与地形因子的关系以及掌握区域长时间序列下净初级生产力（NPP）的时空分布特征,以2000-2015年MOD17A3的植被NPP数据及地形因子DEM数据为基础,辅以回归分析及分级统计等方法,利用GIS技术定量剖析了重庆市作为典型山地区域近16年植被NPP的时空变化特征,研究了地形因子（高程、坡度）与植被NPP的相关性。结果表明:（1）2000-2015年重庆市植被NPP整体呈东南部高,西北部低的分布态势,其中,长江以南区域植被NPP差异明显,由南向北递减,总体高于长江以北的区域。（2）16年间,重庆市植被NPP年际均值在481.512~658.557 g C/（m²·a）浮动,其中,处于500~600 g C/（m²·a）的占比最大,其次是600~700 g C/（m²·a）。2000年与2015年相比,整体呈正增长的变化趋势。（3）分别对高程和坡度进行了等级划分,分析可得重庆市平均植被NPP随海拔和坡度的升高有明显的先升高后降低的趋势,在高程500~1 000 m、坡度15°~25°的区域NPP达到峰值。（4）植被NPP先增后减的倒"V"型变化模式在一定程度上反映了高程、坡度处于某临界点时,气候、降水、植被分布、坡面侵蚀强度等因素对植被NPP影响更加显著。研究结果可为重庆地区植被碳储量状况以及生态环境调节与修复提供理论与数据支持。     

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。     

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。     

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。     

张掖市典型绿洲农田生态系统生产力时空分布特征

[目的]以甘肃省张掖市甘州区典型绿洲为例,研究绿洲农田生产力的时空格局及其全球变化对农田生产力的影响,为区域农业资源管理决策与规划提供决策依据。[方法]利用MOD17A3NPP产品、气象数据及甘州区农业统计等数据,结合GIS空间分析技术开展研究。[结果]甘州区不同农田类型净初级生产力(NPP)均值最小值均出现在2001年,最大值出现在2007年。甘州区农田净初级生产力年均值变化范围为109.3~420.5g/(m~2·a),其分布特征与农田类型的空间分布基本一致;同一农田类型,高海拔区农田生产力小于海拔较低区,即农田生产力的大小是由农田类型及海拔高度共同决定的。NPP变化趋势存在明显的空间异质性,农田生产力增加的面积占总面积的40.9%,主要是旱地和高海拔地区的水浇地。海拔1 800m以上的旱地和水浇地年降水量的增加趋势远大于平均气温,其NPP呈明显的增加趋势。[结论]近10a来甘州区农田生态系统生产力存在明显的时空差异,整个旱地和水浇地年均NPP呈增加趋势,水田年均NPP呈下降趋势。     

安徽省植被覆盖度动态变化及其对地形的响应

[目的] 探究安徽省植被覆盖度的时空变化特征与地形的相互关系，为当地资源开发中加强生态环境建设提供理论依据。[方法] 在GIS与RS技术支持下，使用安徽省2001—2019年逐月MODIS/NDVI数据，2001—2019年土地分类数据和安徽省DEM海拔、坡向地形数据，分析植被覆盖度时空变化特征及其与地形因子相互关系。[结果] 安徽省植被覆盖度季节变化特征明显。1月、10—12月，全省植被覆盖度呈现低值，且山区高于平原；2—5月，淮北平原地区植被覆盖度呈现高值，6月迅速减小；7—9月全省范围植被覆盖呈现高值，大部地区植被覆盖度高于0.8，山区平原空间差异最小。全省植被覆盖度年变化率为0.003 9/a，与时间相关性显著（R²=0.814 8）。不同海拔区间内，植被覆盖度四季差异明显。受下垫面地表类型影响，200 m以下植被覆盖度呈现低值，200～350 m植被覆盖度陡然升高，1 250 m以上植被覆盖度呈下降趋势。各坡向四季植被覆盖度夏季>秋季>春季>冬季。北坡、南坡分别为峰值、谷值。南、北向山区植被覆盖度差异呈逐年波动下降趋势，其差异值多年平均值夏季最低（0.009 3），秋季最高（0.014 2），春冬季分别为0.013 9，0.012 5。[结论] 安徽省海拔、坡向显著影响植被覆盖度动态变化特征，需结合地形特点合理开发利用地表资源，并做好生态环境保护工作。     

基于MODIS的东北三省植被NPP潜在气候生产力估算

大范围准确的植被生产潜力的估测,可为区域生态建设与保护提供决策支撑。基于MODIS/MCD12Q1数据、MODIS/MOD17A3数据和气象观测数据,在分析2001—2013年东北三省植被单位面积NPP年累积量时空变化的基础上,划分植被类别,构建东北三省植被NPP气候估算模型,并对研究区2013年植被NPP潜在气候生产力进行了估算。结果表明:（1）2001—2013年东北三省植被单位面积NPP年累积平均值（NPP     

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。     

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。     

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。     

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。     

2005-2014年南方农牧交错带净初级生产力时空分布特征

为了解我国南方农牧交错带内生态系统生产能力的变化程度,以2005—2014年MOD17A3H数据为数据源,利用简单差值法和一元线性回归分析法,对区内的植被年均NPP空间分布及变化趋势进行了分析。结果表明:（1）2005—2014年南方农牧交错带内植被NPP分布差异较大,整体呈南部高北部低。（2）年均植被NPP为389 gC/（m²·a）,平均植被NPP变化范围在344～426 gC/（m²·a）之间。（3）2014年较2005年相比,南方农牧交错带植被NPP增加了106 gC/（m²·a）。但10年间植被NPP总体变化呈略微减少趋势,减少的地区面积占南方农牧交错区总面积的57%。（4）不同生态系统平均植被NPP均值表现为:森林生态系统 > 农田生态系统 > 灌丛生态系统 > 湿地生态系统 > 草地生态系统;不同生态系统植被NPP变化相似,呈波动略微减少变化。说明区域内生态系统变化波动较为明显,应对该区域生态系统给予更多的保护。     

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。     

黄土高原植被净初级生产力的时空变化及其与气候因子的关系

以西北典型植被脆弱区黄土高原为研究区,利用AVHRR GIMMS和MODIS两种NDVI数据源,基于CASA模型对1982-2014年黄土高原植被净初级生产力（NPP）进行模拟,并分析其时空变化特征及其与气候因子的关系。结果表明：黄土高原年均植被NPP为254.0gC?m-2,1982-2014年总体呈增加趋势。不同植被类型NPP有较大差异,落叶阔叶林NPP值最高,年均NPP达513.0gC?m-2,其次为常绿针叶林、草甸、农田、灌丛和草原。黄土高原植被NPP空间分布差异显著,表现出南高北低的特点。从NPP年际变化的空间分布来看,在退耕还林还草生态工程实施之前（1982-1998年）,黄土高原大部分区域植被NPP变化不明显。自1999年后该区植被NPP增加趋势显著,增速达到5.38gC?m-2?a-1。在空间分布上,66.6%的区域植被NPP呈显著增加趋势,主要分布在陕北高原、山西中西部的吕梁-太行山等地。退耕还林等生态工程的实施,使该区植被状况得到改善。黄土高原植被NPP与降水量具有显著的相关性,但与气温相关性不大,说明降水是影响黄土高原植被NPP的主要因素。     

基于MODIS数据的陕西省植被净初级生产力与实际蒸散的变化关系分析

[目的]分析陕西省植被净初级生产力(NPP)及实际蒸散量(ET),为生态环境中碳循环、水循环特征提供理论支持。[方法]基于美国航天局(NASA)提供的净初级生产力产品(MOD17A3)及蒸散产品(MOD16)数据,利用GIS与数理统计等方法,对陕西省2000—2014年植被NPP与ET的时空分布特征及其关系进行分析。[结果]陕西省植被NPP与ET的分布特征均为南高北低;2000—2014年陕西省植被NPP在波动中呈现上升趋势,其中陕北地区增加最大,陕南地区增加最不显著;陕西省ET年际变化呈波动状态。植被NPP与ET空间相关性较显著,陕北地区相关系数极高,而陕南地区相关性并不显著。[结论]在较为干旱区域植被NPP与ET的关系更为密切。