长江流域森林NPP模拟及其对气候变化的响应

【目的】利用LPJ模型(Lund-Potsdam-Jena model)估算长江流域森林净初级生产力(net primary productivity, NPP),研究长江流域森林NPP时空动态变化及其与气候因素的关系,为长江流域及其他地区的植被监测与生态建设提供依据。【方法】基于LPJ模型模拟的NPP数据及气象资料,对长江流域1982—2013年森林NPP的空间分布和时空动态变化趋势进行分析,采用线性回归分析法分别以时间为自变量和NPP为因变量进行趋势检验,利用相关性分析法分析长江流域森林NPP与气象因子之间的关系。【结果】①长江流域1982—2013年森林年均NPP值为530.41 g/(m²·a),最高值出现在2002年,森林NPP值为578.55 g/(m²·a);最低值出现在1989年,森林NPP值为491.24 g/(m²·a)。②长江流域森林NPP的空间分布由东南沿海向西北逐渐减小,长江中下游森林NPP高于长江上游,森林NPP空间分布格局与水热条件分布格局相一致,长江流域东南部水热条件良好,能够满足植被生长和发展的需要,植被生产力比较高;西北部由于水热条件比较差,不利于植被生长,生产力低下。③长江流域大部分地区森林NPP与气温和降水为正相关关系,森林NPP与气温呈显著正相关,气温与森林NPP之间的相关性强于降水与森林NPP之间的相关性。【结论】长江流域森林NPP呈自东南向西北减少的趋势,且随时间呈波动上升趋势;气候对森林NPP具有显著影响,气温是影响森林NPP的主导因素。     

河北省2001-2010年植被NPP时空变化及与气候因子相关性分析

利用中分辨率成像光谱仪MODIS (moderate resolution imaging spectroradiometer)的MOD17A3数据集及气象数据,采用一元线性回归法及相关系数法对河北省2001-2010年植被净初级生产力(NPP)时空动态变化及与气候因子的相关性进行了分析.结果表明:河北省植被NPP多集中在200～400 g/(m2·a).从时间上看,10年间NPP年均值和最大值呈现一定的波动性变化,并呈下降趋势.2004年NPP均值最大,为356.42g/(m2·a),其次是2008年,为314.87 g/(m2·a),2001年最小,为225.13 g/(m2·a).从空间上看,河北省北部年均NPP值呈现从东向西递减、西部从南向北递减的趋势,中部太行山东部分布有1个NPP高值带.2001-2010年10年间河北省植被NPP在0.01检验水平下呈减少趋势的区域占全区植被面积的48.79％,增加的区域占45.54％,大部分地区呈减少趋势.NPP与气温和地温主要为负相关,与降水主要为正相关.总体上看,NPP与地温的相关性最高,与气温的相关性最低,但在局部地区并非如此.     

基于CASA模型长江流域植被NPP时空演变及与地形因子的关系

植被净初级生产力(net primary productivity, NPP)是评价生态系统固碳能力的重要指标。长江流域作为中国重要的农业生产区和生态安全屏障，深入开展长江流域植被NPP时空变化特征的研究，对了解流域植被生长情况和生物固碳能力具有重要意义。基于CASA模型，反演长江流域植被NPP,分析长江流域2001—2018年不同时空尺度下的植被NPP的演变特征以及与地形因子的关系。结果显示：CASA模型对于长江流域植被NPP的反演效果较好，可以反映研究区的植被NPP的实际状态，长江流域多年植被NPP为572.72 gC/(m²·a)。时间上，长江流域植被NPP年际变化可分为2个阶段，2001—2007年NPP年均值变化明显，呈波动式上升；2008—2018年相对变化趋于平稳，植被NPP年内变化层次感比较明显，夏半年(4—9月)NPP月均值较高，对全年NPP总量的贡献率为77.61%。长江流域植被NPP空间格局上具有明显的差异性，总体呈现自西北向东南递增，长江流域在18年间植被NPP增加的面积大于减少的面积，NPP增加趋势主要分布在岷沱江水系南部、嘉陵江水系西部...     

安徽省农田净初级生产力时空变化特征及影响因素——基于MOD17A3的研究

基于MODIS/MOD17A3数据集,结合土地利用数据、气象数据,运用距平分析、相关分析等方法,分析了2000-2010年安徽省农田净初级生产力(NPP)的时空变化特征及影响因素.结果表明:安徽省农田以水田为主;研究时段内,安徽省农田年NPP均值及年NPP总量整体上呈现波动上升趋势;中产农田面积最大,低产农田次之,高产农田面积最小;农田NPP空间分异显著,呈由北向南递增的趋势,中低产水田和旱地主要集中在长江以北地区,高产水田和旱地分布于沿江及其以南地区;降水与水田和旱地NPP均值呈弱负相关关系,温度与水田和旱地NPP均值呈显著正相关关系;温度是影响安徽省农田生产力空间分异的主要气象因素.     

伊犁地区植被生产力的时空分异及其与地形因子关系研究

基于MODIS·NDVI数据、气象数据和土地利用等数据采用CASA模型定量反演得到2012年—2014年伊犁地区以月为周期,空间分辨率为500 m的植被NPP.分析了研究区植被NPP的时空分布特征,探讨了不同植被类型对NPP的贡献率以及地形因子对NPP的影响.研究结果表明：2012年—2014年伊犁地区植被NPP的年平均值为200 gC·m－2·a－1,空间上呈现出东部大于西部的特征;不同植被类型的月均NPP呈现3～7月增加,7～11月下降的趋势.但不同植被类型月均NPP的变化速率和变换幅度存在较大差异;草地对研究区NPP总量贡献率最大为58.59%,其次是农作物,贡献率为31.45%;针叶林和阔叶林对研究区的贡献率基本相同,分别为3.75%、3.60%;稀疏植被贡献率最小仅为2.61%;研究区年均NPP随海拔和坡度的增加均呈现出先增加后减小的特征;通过验证表明,利用CASA模型对伊犁地区植被NPP估算的结果与MOD17A3产品一致性较好.     

长白山阔叶红松林净初级生产力对气候变化的响应: 基于BIOME-BGC模型的分析

为了分析气候变化和大气CO₂浓度增加对长白山阔叶红松林净初级生产力(NPP)的影响, 运用本地参数化后的BIOME-BGC模型进行模拟, 并以实测NPP和增强型植被指数(EVI)进行验证。模拟结果表明, 长白山阔叶红松林NPP均值为611.71 gC/(m²•a), 1960-2011年年际间的波动范围是473.28~703.44 gC/(m²•a)。模拟结果与基于样地实测的NPP (均值为594.66 gC/(m²•a))相似; 同时, BIOME-BGC模型模拟的NPP年际间变化趋势与EVI的波动趋势相似, 二者间存在显著的相关关系, 表明模型能较好地模拟生产力的时间动态。模拟表明, 红松的NPP与降水关系更为密切, 而阔叶树NPP与温度、降水都呈显著的正相关。模型预测, 在未来CO₂浓度加倍和温度、降水同时增加的场景下, 长白山阔叶红松林NPP将显著增加, 其中阔叶树和红松的NPP将分别增加27.87%和23.96%。单独增加温度(2℃)或单独增加降水(12%)都能促进阔叶树和红松NPP的增加, 其中降水的作用弱于温度的作用, 而单独CO₂浓度的倍增对阔叶树和红松的NPP没有明显的影响。     

三峡库区植被覆盖时空变化特征及归因分析

采用趋势分析探讨了三峡库区植被NDVI(Normalized Difference Vegetation Index)时空变化格局及与海拔的关系；通过Mann-Kendall检验对NDVI变化的突变点进行了识别；通过相关分析明确了区域NDVI与气候、人文因素间的关联性和驱动分区.结果表明：(1)2000～2019年区域NDVI均值呈波动上升趋势，空间分布异质性明显，且随海拔上升呈先增加后略微降低的趋势；(2)2000～2008年NDVI增加趋势较明显，2009年以后放缓；(3)以气候为主要影响因素的区域仅占研究区面积的8.9%,人类活动是区域NDVI变化的重要因素.其中，退耕还林等生态工程具有正向作用，城镇化对经济发展起着负向作用，亟需采取相应措施以实现区域经济-生态系统良性互动.     

基于结构方程模型的安徽省归一化植被指数变化及影响因素分析

定量研究植被变化的影响因素，对区域生态环境保护和治理具有重要现实意义。以安徽省为例，基于Google Earth Engine (GEE) 云平台获取MOD13Q1 NDVI数据，辅以一元线性回归分析法，分析2000-2018年安徽省NDVI时空变化特征和变化趋势，并采用结构方程模型(Structural Equation Model，SEM)量化气候、地形及人类活动对NDVI变化的影响。结果表明：（1）2000-2018年安徽省NDVI随时间变化呈现波动增加趋势。（2）大部分地区为中高和高植被覆盖度，植被空间变化趋势以改善为主，改善区域占研究区面积的81.43%，主要分布在皖南黄山、宣城、池州，皖中滁州、六安、安庆北部及皖北淮南。（3）夜间灯光变化能较好的衡量人类活动变化，对NDVI变化的负向影响最大。地形对皖南山区NDVI变化影响较强，皖中次之，而皖北平原NDVI变化基本不受地形影响。气候变化对皖北和皖中地区NDVI变化影响较强。     

深圳市植被净初级生产力动态及其与气候因子的关系分析

以深圳市为研究区,利用土地利用/覆盖分类数据、MODIS NDVI数据、气象数据,基于光能利用率(carnegieames-stanford approach,CASA)模型对深圳市2000—2014年的净初级生产力(net primary production,NPP)进行了估算,并分析了NPP的时空分布特征及其对气候因子的响应关系.结果表明:深圳市面积NPP为544.19~884.93g·m-2·a-1,总体以2.40g·m-2·a-1的趋势增加,空间分布格局呈西北低、东南高的特点,不同行政区的年均NPP存在明显差异;15a来深圳市NPP的变化呈现出南部增加北部减少的趋势,且增加区域面积是减少区域的1.4倍,其中城镇用地、林地呈增加趋势,耕地、果园、湿地、未利用地呈减少趋势;NPP对温度、降水、太阳辐射的响应存在显著差异,光明新区、龙华新区、龙岗区等北部区域NPP与温度、降水呈现明显的正相关关系,最大偏相关系数分别为0.92、0.95,南山区、福田区、罗湖区等南部区域是城市不透水层、水体高覆盖区,NPP与温度、降水的相关关系较弱.宝安区、南山区、龙华新区交界处的NPP与太阳辐射呈现明显的正相关关系,最大偏相关系数为0.95,龙华新区南部、坪山新区北部等部分区域分布着大面积的城市不透水层,NPP值较低.深圳地区植被NPP动态是受温度、降水、太阳辐射等气候要素变化及城市化引起的土地利用变化等因素共同作用的结果.     

哈密市植被变化及其对气候变化的响应

以2000-2016年(5-10月)MOD13QI数据为基础,并结合同期气温和降水资料,采用线性趋势分析?相关分析等方法,研究了哈密市近16年来植被空间变化特征以及与气候因素的关系?结果表明:哈密市NDVI总体上呈上升的趋势,主要植被类型为低覆盖度植被类型?2000-2008?2008-2016年两个时期,哈密市极低覆盖度?极高覆盖度植被都先下降后上升,低覆盖度和高覆盖度植被持续上升,中等覆盖度植被持续下降?NDVI与气温?降水都存在一定的相关性,NDVI受气温的影响较少,受降水量的影响较显著（P<0.01）?     

"Research on Net Primary Productivity and Its Spatio-temporal Characteristics in the Three GorgesReservoir Area (Chongqing Section) During 1998 to 2007"

基于CASA模型,利用SPOT/VGT NDVI数据、植被覆盖类型图、气象数据等,对三峡库区(重庆段)1998—2007年植被净第一性生产力(NPP)进行遥感估算,并对其时空特征进行了分析。研究结果表明:1)1998年到2007年各年植被NPP的变化整体呈现波动下降的趋势;2)1998—2007年研究区植被NPP在季节变化上由高到低依次为夏季(675.705gC.m-2)、春季(368.2gC.m-2)、秋季(207.944 gC.m-2)、冬季(49.495 gC.m-2)。夏季植被NPP最高值出现在2000年(1 022.173 gC.m-2),最低值主要出现在2006年(318.321 gC.m-2);3)1998—2007年,年均植被NPP值在184.8～515.548 gC.m-2之间,高值主要出现在渝东北的巫溪县、巫山县、奉节县及渝东南的石柱县、武隆县等区域,低值主要在忠县、涪陵区及主城区大片区域;4)各年阔叶林单位面积生产力最高,其次为灌丛和灌草丛、针叶林、草甸、水生植被,水域生产力最低。     

2002-2010年中国陆域植被净初级生产力模拟

基于时间序列MODIS数据和气象数据驱动遥感NPP模型,模拟了2002-2010年的中国陆域植被净初级生产力.采用了重建后的NDVI数据作为模型输入,对不同类型NDVI序列数据的比较发现,重建后的NDVI数据有效地校正了时序MODIS NDVI数据集中的噪声,有助于提高模型模拟的精度.模拟结果表明,中国陆域生态系统净初级生产力的空间分布格局呈现出明显的地带性分异特征.2002-2010年中国陆域植被的年总初级生产力约为3.78×10¹⁵gC/a,春、夏、秋季的植被NPP均值分别为6.40×10¹⁴,1.59×10¹⁵,8.10×10¹⁴gC/a.     

基于MODIS的广西植被NPP时空分异及驱动力分析

为探索广西植被净初级生产力(net primary productivity,NPP)变化规律及驱动因子,利用遥感数据、土壤数据和海拔高程数据,运用统计学分析方法,对比分析不同城市、土壤、海拔高度的植被NPP变化。结果表明:(1)2000—2015年广西植被NPP值(以碳累积量计)在578.51～870.48 g·m~(-2)·a~(-1)波动变化,总体呈下降趋势。梧州、防城港的植被NPP值较高。(2)广西6.45%区域的植被NPP处于重度变异状态,65.25%区域的植被NPP处于中度变异,28.30%区域的植被NPP处于轻度变异状态。(3)植被NPP对气温降水的变化响应不够显著。(4)红壤、石灰土、粗骨土地区的植被NPP呈下降趋势,而砖红壤地区的植被NPP呈增加趋势。(5)不同海拔高度的植被NPP差异较大,总体变化呈"增加-下降-增加-下降"的趋势。     

喀斯特断陷盆地土地利用对生态系统生产力的影响

为了客观地评估断陷盆地土地利用对生态环境的影响, 从生态系统服务变化反映更深层次的人地之间复杂关系, 本文基于断陷盆地多时间序列土地利用数据和陆地植被净生产力(NPP), 阐明断陷盆地NPP时空变化趋势, 揭示多年间土地利用变化的地类层次变化特征; 运用生命周期评估方法, 定量地分析土地占用和土地转化对石漠化地区陆地植被净生产力的影响, 探讨石漠化治理的生态效益。结果表明: 1) 2000—2015 年间, 断陷盆地大部分区域NPP变化不显著, 少部分区域变化显著, 以上升趋势为主; 2) 在6种地类中, 林地变化平稳, 建设用地增加趋势活跃且强烈, 草地减少趋势活跃且强烈; 3) 林地占用潜在植被生产力与现有NPP之间的差值由西向东逐渐增加, 与林地占用面积减少的空间分布一致, 林地分布影响林地植被净生产力水平; 4) 研究区北部植被自然生长情况较好, 东部地区六盘水市、普安县和陆良县石漠化区域林地植被存在一定程度的天然退化, 林地生态恢复工程效果不明显; 5) 研究区80%的土地转化类型使得NPP增益, 其中使NPP明显提升、有效而普遍的方式是草林转换和退耕还林; 林地转为建设用地则对NPP的损害最大。     

基于NDVI的贵州省植被覆盖时空特征分析

利用2001—2018年的500 m分辨率的MOD13A1数据,计算每个像元的NDVI的变化趋势,并采用线性趋势分析法和相关性分析法,分析贵州省植被覆盖面积在18年间的时空变化特征;结合2001—2018年植被的降水利用效率与2010、2017年2期土地覆盖数据,研究不同土地覆盖类型的NDVI的特征. 研究结果表明:(1) 2001—2018年,贵州省的植被覆盖面积总体呈增加趋势,表明生态环境得以明显改善,以毕节、六盘水市最为显著;(2)从植被覆盖面积变化趋势来看,贵州省的植被改善区域大于退化区域,植被退化区主要集中在城镇扩张区;(3)贵州省的整体植被降水利用效率与植被覆盖面积的变化趋势不具有一致性;(4)贵州省的NDVI与同期降雨量、气温均呈现良好的相关性,而植被生长对气温变化不存在明显滞后性、对降雨量变化的滞后期为1个月,即植被生长对气温的敏感性高于降雨量;(5)在植被生长季,不同土地覆盖类型的NDVI具有不同的特征: NDVI(林地)>NDVI(耕地)>NDVI(草地)>NDVI(建设用地)>NDVI(水体).     

珠江流域植被净初级生产力及其时空格局

为阐明珠江流域植被净初级生产力(NPP)变化的整体状况,应用以遥感观测数据驱动的GLO-PEM模式模拟估计的NPP数据,对珠江流域1981~2000年间的地表植被净初级生产力的空间分布及时间序列变化进行了综合分析。研究结果表明:①20年来,珠江流域年均NPP总量为0.60Pg C,占中国总量的19.42%,单位面积的年平均NPP为1328.61 g/(m2.a),是中国平均水平的4.12倍;②从NPP的空间分布看,单位面积的NPP以右江上游山区及珠江三角洲西南部地区等地最高,北盘江上游山区最低;③从各种植被类型来看,以热带常绿阔叶林的平均NPP最大,山地稀树灌木草原的平均NPP最小;④受气候和土地利用变化的影响,20年来珠江流域植被NPP整体上呈现了不显著减少的趋势,单位面积NPP减少了约0.6%。     

气候因子对黄土高原植被的影响

气候因子和人类活动共同影响植被覆盖变化,其中气温和降雨是最重要的两个气候因子。利用2000—2014年黄土高原地区的MODIS数据(MOD44B,MOD17A3)及气象数据(气温,降雨),运用路径分析方法,分析了黄土高原不同气候区气候因子对植被盖度及净初级生产力(Net Primary Productivity,NPP)的影响。结果表明:(1)黄土高原地区2000—2014年植被覆盖波动明显,15a呈不显著的增长趋势(r=0.467,P0.05),其中林木覆盖度呈极显著的增长趋势(r=0.864,P0.01),显著增加区占黄土高原总面积40.56%,主要分布在陕西北部及吕梁山脉一带,不显著(P0.05)增加区占41.68%;(2)在半干旱的黄土高原地区,降雨对植被盖度的影响较气温大,在每个气候区降雨对植被盖度、林木盖度及NPP均有显著正影响,在低温少雨区NPP对降雨更敏感;(3)降雨和气温不仅可以直接影响NPP,还可以通过植被盖度进而间接影响NPP,林木盖度对NPP的影响明显大于非林木盖度,多雨区气候因子对NPP的间接影响较少雨区大。     

气候与土地利用变化对粤港澳大湾区NPP的影响

植被净初级生产力(Net Primary Productivity, NPP)是陆地生态过程中的重要参数,是全球碳循环的关键环节。本研究采用Carnegie-Ames-Stanford Approach (CASA)模型反演粤港澳大湾区NPP,探讨其时空格局变化规律及其与气候和土地利用变化的关系。结果表明,2001-2018年粤港澳大湾区年NPP均值为0.89 kg·C·m~(-2),空间分布上呈现由中心区和东南区向东北、西北方向递增的趋势。随时间变化,NPP总体呈现增加趋势,其速率约为0.001 kg·C·m~(-2)·a~(-1);从NPP未来变化趋势看,大部分区域NPP未来呈下降趋势。NPP与平均气温、累积降雨总体呈正相关关系,但NPP与累积降雨的相关性大于NPP与平均气温的相关性;总体而言,NPP对平均气温和累积降雨的变化呈正响应,其响应均值分别为0.007 kg·C·m~(-2)·a~(-1)·℃~(-1)和0.000 1 kg·C·m~(-2)·a~(-1)·(100 mm)~(-1)。土地利用变化对NPP产生显著影响,其中城市扩张对NPP产生极显著负效应(P0.000 1),而生态恢复对NPP产生极显著正效应(P0.000 1),且城市扩张对NPP的影响远高于生态恢复对NPP的影响。研究结果可为理解NPP对气候变化的响应提供参考,同时为粤港澳大湾区生态系统修复、空间规划和生态文明建设提供理论依据。     

大湄公河次区域植被覆盖时空变化特征及其与气象因子的关系

【目的】分析大湄公河次区域植被覆盖的时空分布变化规律及其与气象因子之间的关系,为全球变暖环境下大湄公河次区域植被保护及生态环境修复提供理论依据。【方法】以大湄公河次区域为研究区,使用MOD13Q1-NDVI数据,借助Google Earth Engine(GEE)平台反演区域2005—2019年植被覆盖,采用线性回归分析、马尔科夫模型等分析区域植被覆盖的时空分布规律,并利用偏相关分析法探究植被覆盖与气象因子之间的关系。【结果】大湄公河次区域高植被覆盖的面积占总面积的61.9%,空间上呈现北低南高、东高西低的特点;2005—2016年,区域植被以改善为主,主要是中高植被向高植被类型转化;2016—2019年,区域植被发生明显退化,以高覆盖植被类型退化为主;15年来,呈改善趋势的面积占总面积12.7%,呈退化趋势的面积占总面积3.0%,基于Hurst指数分析发现,区域植被未来显著改善面积大于显著退化,南部地区未来会发生退化;年际变化趋势上,归一化植被指数(NDVI)与气温呈显著正相关,相关系数为0.61,与降水相关性较弱;空间上,区域植被NDVI变化受到气温和降水影响,北部与降水显著负相关,南部与气温显著负相关。【结论】大湄公河次区域植被覆盖整体较好,改善趋势大于退化趋势。综合来看,大湄公河次区域植被变化与气温和降水有一定关系,尤其是北部和南部。     

云南石林县植被覆被时空变化及影响因素

基于ArcGIS 10.2空间分析平台、MODIS NDVI植被数据及标准气象站的气象数据,采用提取分析、统计分析及相关性分析等方法,研究了石林县2000-2015年植被覆盖的时空变化特征及其与气候因子、人类活动的关系.结果表明:石林县植被每年5月进入生长季,而9月生长结束,植被覆盖度主要以高植被覆盖度为主且总体呈上升趋势,速率为0.04/(10 a);石林县植被覆盖度呈增加趋势的面积占研究区总面积的72.36%,减少部分的面积占总面积的27.64%,植被NDVI减少最为严重的区域主要集中在石林县城的周边地区,增加较明显的区域主要集中在西街口镇,植被NDVI总体上由东北向中西部递减;气候因子中气温与降水量变化与石林县植被NDVI年内变化相关,气温是影响植被NDVI变化的主要气候因子;石林县实施的退耕还林工程,极大地提高了石林县植被的覆盖度.