基于长时间序列遥感数据反演NPP的耕地质量评价

为客观获得省域耕地质量分布状况,减少时间断点引起的评价误差,构建了一种基于长时间序列遥感数据反演NPP的耕地质量评价方法。首先,在耕地图斑约束下,采用时序LSWI和EVI数据识别水稻和玉米;然后,采用2000—2010年MODIS的MOD09A1数据,结合气象站点数据,利用VPM模型分别计算水稻和玉米的净初级生产力(NPP),并得到多年NPP均值,可反映耕地种植作物的常年长势,使用距平分析法消除作物类型差异,得到表征耕地质量的评价结果;最后,以吉林省为研究区,对本文提出的方法进行了实证与分析。实验结果表明,长时间序列NPP耕地质量反演结果与耕地质量利用等别整体空间分布一致。其中,吉林省中部与北部由于耕地集中连片,反演结果准确。南部山区耕地斑块破碎,耕地与林地混合,导致反演结果偏高。本文构建的长时间序列NPP耕地质量评价方法对省域范围、集中连片耕地质量评价具有可行性,可为我国耕地质量评价提供科学依据。     

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     

北京房山区8月份净第一性生产力变化分析

净第一性生产力是评价地表植被状况的重要指标之一,对分析和评价全球和区域生态环境、碳循环等变化具有重要作用.该文借助在CASA模型机理以及区域太阳辐射估算模型基础上建立的区域净第一性生产力估算模型,以房山区为例,分析了北京市郊区19922、001、2004年3年间8月份净第一性生产力的变化.分析结果表明,研究区3年间8月份的NPP分别为152.01、142.83、96.32 g/(m2.月);由于受到各种因素的影响,3年间8月份NPP结构构成不同,1992和2001年均以较高产区的NPP产量最高,其次是高产区和中产区,而2004年则以中产区的NPP产量最高,其次是高产区和低产区,而较高产区的NPP产量最低;1992和2001年各产量水平区的NPP总量在全区NPP总量中的比重,随NPP分区产量水平的提高而逐步提高,较高产区的NPP产量比重分别为:1992年42.26%,2001年37.54%;2004年各产量水平区所占比重变化较大,以中产区最高,占全区NPP总量的42.39%,其次是高产区和低产区,而以较高产区的NPP产量比重最低;通过逐步回归分析可知,在影响研究区NPP变化的各气候因素中,以平均风速、降雨量和实际日照时数影响最为显著,其中尤以降雨量的影响最大.     

利用气象卫星遥感进行哈尔滨地区作物生长状况监测及产量预报

文章通过对近几年的极轨气象卫星实时接收到的AVHRR/HRPT资料进行处理,数据经校正生成哈尔滨地区归一化植被指数灰度图像,利用种植作物结构不同造成绿度值不同的基本原理,进行作物生长状况监测及产量预报。研究表明,利用气象卫星资料进行作物生长状况监测及产量预报,具有客观、及时和动态跟踪等优点,结合传统气象产量预报方法,使产量预报水平有所提高,准确率可达98%以上。     

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。     

宁夏罗山地区2004-2015年NPP时空变化及气候响应

[目的] 揭示罗山保护区植被净初级生产力（NPP）变化规律及气候相关性,为宁夏回族自治区及其周边生态环境保护提供科学依据。[方法] 利用MOD17A3H NPP（2004—2015年）数据、SRTM DEM和罗山周边气象站点（2004—2015年）年均气温和降水数据,运用相关性分析、趋势分析、线性回归分析等方法,分析气候、人口、生态及移民政策等对研究区植被净初级生产力的影响,对区内NPP时空变化特征进行定量化分析。[结果] ①研究区内植被净初级生产力的变化与降水的相关性较高;在核心区,降水与NPP的相关系数R=0.609,置信度p=0.036;在非核心区,相关系数R=0.648,置信度p=0.023;②研究区NPP呈波动增长趋势,速率为0.076 Pg/a（以C计）,高于全国NPP增长速率（0.008 Pg/a）; ③2010—2015年大罗山森林覆盖面积有所增长,NPP介于350～500 g/（m²·a）的森林面积是2004—2009年的4倍,小罗山方向基带植被由荒漠向荒漠草原转化; ④研究区以NPP划分的生态格局主要以荒漠为主（64.9%）,荒漠草原次之（29.6%）,森林占比极低（0.38%）。[结论] 干旱区植被NPP高度依赖降水,罗山地区生态结构有所改善,但森林生态系统仍极端脆弱。     

2000～2013年三江平原北部NPP变化特征分析

应用最小二乘法和逐像元相关分析方法,结合三江平原土地利用变化数据,分析2000～2013年三江平原北部地区年均植被NPP变化情况,获得研究区NPP趋势变化数据及水田扩张与NPP空间相关数据.结果表明,三江平原北部在水田快速扩张驱动下,NPP值先缓慢减少后波动上升,整体为线性增加趋势.NPP具有明显年际增加趋势,基本规律为年均NPP值相对较低区域,增加趋势较弱,反之亦然.水田扩张与NPP值相关性分析表明,由旱地转为水田区域,水田扩张与NPP值变化具有正向相关性;由沼泽湿地和林地转为水田区域,水田扩张与NPP值变化具有负向相关性.研究表明,农田耕作方式是NPP变化重要影响因素之一.     

三江平原农田生产力时空特征分析

为了提高农田生产力,该文基于EOS/MODIS卫星2000～2005年的MOD17A3数据集,分析了21世纪初三江平原农田生产力时间动态和空间分异特征。结果显示,2000～2005年三江平原旱田净初级生产力（换算成碳量）平均值为 348.06 g/(m2·a),水田净初级生产力平均值为339.90 g/(m2·a)。2000～2005年三江平原旱田年均净初级生产力下降率为7.2%,水田年平均净初级生产力下降率为9.9%。研究表明,三江平原地区气候变化对农田生产力的下降有一定影响,同时随着该地区人口和经济活动的增加,人类活动对土地利用的加剧,亦导致农田生产力的下降。旱田和水田生产力空间分布与降水分布的相关系数分别为0.177和0.156,表明降水对农田生产力空间差异影响显著。     

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。