中国植被净生产力的比较研究

利用3个光能利用率模式(CASA, GLOPEM和GEOLUE)和2个生态过程机理模式(CEVSA和GEOPRO)以不同空间分辨率和不同输入参数对中国植被净生产力(Net Primary Production, NPP)进行时空模拟, 对5个模式模拟的中国的NPP进行了时间序列和空间格局的对比分析所得结论如下: CASA, GLOPEM及CEVSA 3个模式对中国NPP的月、季和年的时空模拟符合中国植被季节变化规律和季风气候下的中国植被的空间变化规律, 近20 a来中国NPP变化趋势以增长为主; 5个模式模拟的中国平均NPP季节的值为春季约为(0.571±0.2) Gt C左右, 夏季约为(1.573±0.4) Gt C左右, 秋季约为(0.6±0.2) Gt C左右, 冬季约为(0.12±0.1) GtC左右; 中国植被净生产力年值约为(2.864±1) Gt C/a; 5个模式较好地模拟了中国不同类型生态群落的生物量的季节特征和空间格局状况. 研究为中国利用造林、再造林、森林和农田管理等人为活动引起的碳增汇用于抵消中国承诺的温室气体减排指标的计算及碳收支平衡的研究提供参考, 为植被净生产力总量的国家本底的确定提供了依据.     

基于DEM的中国东部南北样带森林、农田净初级生产力时空分布特征

利用1999年5月至2000年4月期间接收的NOAA AVHRR图像进行了植被指数NDVI分布图的计算; 讨论了其对全年NPP分布规律的贡献, 并据此分区计算出相应的NPP分布图; 又进一步将其与中国中原地区、华南地区森林、农田NPP野外实测样点数据相结合, 建立了遥感NPP分布估算的定量模型; 在此基础上, 将NPP与DEM进行了配适分析, 得到了中国东部南北样带的森林、农田三度或三向分布规律性直观的、 定量的和详细的时空分析结果. 作者认为, 以往对中国NPP分布的研究由于受到图像分辨率较低(8 km)或定性分布规律分析的影响, 所得出的结论与实况有比较大的出入. 而通过中国东部南北样带分析所得出的结论是“山地森林植被与平原区农业植被NPP值的高低在不同区域存在较大差异, 在华南地区前者高于后者; 黄淮海平原农业区比其周边低山带NPP值高; 而东北区NPP值由高至低的排列顺序为中高山森林带、平原和低山带”. 而且, 大多数农业区NPP值在25~35 t·hm^–2·a^–1地带性差异不明显等结论. 总之, 遥感时空三维模型所表达的地带性NPP平均分布状况, 展现出较高分辨率的定位、定量的三向地带性分布信息, 较详细地刻画了其特殊地段或极端NPP分布的特征, 并得到定量或半定量的形成机理分析结果的证明.     

末次冰盛期以来中国陆地植被净初级生产力的模拟

利用AVIM(植被与大气相互作用模式)模拟了末次冰盛期(21 ka BP)、全新世中期(6 ka BP)及现代中国陆地植被净初级生产力(NPP)的大小与分布特征, 计算了3个时期陆地植被NPP的碳总量. 研究结果表明, 冰期-间冰期尺度下的东亚夏季风的变化是影响中国陆地植被NPP变化的主要原因, 21 ka BP时期中国陆地植被NPP最小, 平均值为208 gC/m²·a, NPP碳总量为2.05 Pg/a; 6 ka BP时期NPP最大, 平均值为409 gC/m²·a, NPP碳总量为3.89 Pg/a; 现代陆地植被的NPP年平均值为355 gC/m²·a, NPP碳总量为3.33 Pg/a, 温暖湿润时期中国陆地植被的NPP比寒冷干旱时期要高. 对3个不同气候时期温度和降水与陆地植被NPP的相关性分析表明, 温度是影响21 ka BP中国陆地植被NPP的主要气候因子, 而降水是影响6 ka BP以及现代植被NPP的主要因子.     

气候变化对中国陆地植被净初级生产力的影响分析

近来的气候变化对陆地植被净初级生产力(NPP)产生了综合影响. 通过对1982~1999年的中国陆地植被NPP及相应的气候数据进行系统分析, 结果表明: (ⅰ) 中国近20 a来的气候变化使温度、降水、光照均朝着有利于植物生长的方向发展, 其胁迫作用有所减弱: 受水分限制的西北地区, 其NPP的增长趋势平均为1.42%·a^-1; 受温度制约的东北、华北和青藏高原地区, NPP增长趋势平均为1.46%·a^-1; 华中、华东、华南受光照制约的地方, NPP增长趋势平均为0.99%·a^-1. (ⅱ) 18 a来, 中国陆地植被NPP总量增加了0.76 Pg C (24.2%), 其中由气候变化约导致NPP增加0.36 Pg C (11.5%), 其他因素(气候-植被相互作用、土地利用变化、造林等)约导致NPP增加0.40 Pg C (12.4%). (ⅲ) 与全球情况相比, 中国陆地植被NPP对气候变化的响应存在区域差异, 在20世纪80年代后期的几次厄尔尼诺事件中, 全球NPP均明显下降, 而中国的NPP因受季风影响, 情况复杂.     

半参数模型估计有效性的一些结果

半参数模型是含参数和非参数的模型,非参数部分充当讨厌参数的角色,我们感兴趣的是参数部分。本文主要考虑模型Y-θ_1+g(T)+ε的渐近有效性,这里ε和T是独立随机变量,T服从[0、1]上均匀分布,θ_1是一未知实数,g(1)是一未知函数,ε的密度函数(?)(·)关于原点对称且大于0,     

中国地区陆地植被甲烷排放及其对对流层低层甲烷浓度的影响

甲烷(CH₄)既是重要的温室气体也是重要的化学活性气体. 有氧环境中陆地植被CH₄排放是CH₄源排放研究中的新发现, 对其进行研究有助于完善中国大气CH₄排放清单. 基于Keppler等的研究, 建立了适用于中国地区的陆地植被CH₄排放模式, 并且利用NOAA气象卫星AVHRR归一化差异植被指数(NDVI)计算得到的中国植被净第一性生产力(NPP), 对中国地区植被CH₄排放总量和空间分布进行了定量估计. 结果显示中国地区植被CH₄排放总量为11.83 Tg/a, 约占全部CH₄排放的24%; 其中森林是最主要的植被源, 约占总排放的43%. 进一步利用三维大气化学模式系统(MM5-CALGRID)探讨对中国地区对流层低层CH₄浓度的影响. 结果显示考虑陆地植被排放后, CH₄平均地面浓度增加了29.9%, 在云南南部变化高达69.68 μg/m³. 因此, 开展陆地植被CH₄排放研究对于正确估计中国CH₄排放对全球的贡献, 以及科学评估CH₄对全球及区域大气环境和气候变化的影响具有重要意义.     

增长曲线模型中存在UMRU估计的充要条件

本文采用下列记号.对于矩阵 A 和 B,A>B 表示 A—B 是正定对称阵;AB 表示A 和 B 的 Kronecker 乘积;R(A),A′和 A~-分别表示 A 的列空间、转置和广义逆;P_A=A(A′A)~-A′;对于 s×t 矩阵 B=(b_1…6b),用 vec(B)表示 st 维向量(6_1~′…6_~′)′.trA 表示方阵 A 的迹.由 Potthoff 和 Roy 提出的增长曲线模型定义为     

一个半参数模型中渐近有效估计的构造

Schick对半参数模型给出了一个构造渐近有效估计的方法,但通常对具体的模型很难验证Schick所给的条件,本文对模型     

关于线性模型中LS估计相合的条件

考虑线性模型如下: y_i=x′_iβ+e_i,i=1,2,…,(1.1) 其中x′_i=(x_(i1),x_(i2),…,x_(ip))是已知常值向量,β′=(β_1,…,β_p)为未知参数向量,e_i为随机误差。记设计矩阵X_n=(x_1,x_2,…,x_n)′;Y_n=(y_1,y_2,…,y_n)′;S_n~(-1)=(X′_sX_n)~(-1)(S_(ij)~((n)))_(1≤i,j≤n)并且假定当n充分大时S_n满秩,则熟知β的最小二乘(LS)估计(n)有如下表达式:     

部分线性模型中估计的渐近正态性

考虑回归模型 y_i-x_iβ+g(t_i)+σ_ie_(is)i-1,2…,n, (1) 其中σ_i~2-f(u_i)>0,(x_i,t_i,u_i)是固定非随机设计点列,β是未知待估参数,g(·)和     

带约束的线性模型中的可容许线性估计

在Gauss-Markov模型(Y_(n×1),X_(n×p)β_(p×1),σ~2V,V≥0)下,若S_(s×p)β可估,Rao及其他一些作者给出了Sβ的线性估计,在二次型损失函数下是可容许的充要条件。当参数受约束:β′Nβ≤σ~2,N>0时,Hoffmann,Mathew分别就V>0与V≥0的情形,讨论了β的线性估计的可容许性问题。本文将进而给出Sβ的线性估计AY在线性估计类中是可容     

纵向岭谷区水汽通道作用及植被生产力响应

纵向岭谷区河谷“水汽通道”作用,使通道与其毗邻地区形成特殊的水热分布格局,并产生了强烈的生态效应,并对该区的生物产生了深刻的影响．在本区30年平均年降水、气温空间数据、净初级生产力、植被类型、地形(高度、坡度、坡向)、太阳辐射等数据基础上,构建纵向岭谷区“地-汽-水-生”系统数据库;通过河谷水汽通量、降水格局、“分水岭”空间分析,印证河谷“水汽通道”作用的并存;水汽通道作用对植被的垂直分布带谱南北差异和植物种类的反常分布产生了重要的影响;与相邻同纬地区比较,本区NPP(净初极生产力)值总体偏高,向北突出、延伸趋势显著,并且高值线的流动方向与河谷相一致;人工神经网络分析结果确定最低温度、海拔高度、降水、坡度是影响本区NPP的关键因子,它们的影响率依次为1．588,1．053,1．006和1．003．最后分析了各植被类型及同一植物物种的净初级生产力对水热条件的具体响应过程,“水汽通道”作用产生了重要的生态效应．     

具有特殊协方差结构的SURE模型中UMRU估计的存在性

本文始终使用下述记号.对于矩阵A,A>0为A是正定对称的;R(A),A′和A分别表示A的列空间、转置和广义逆;P_A=A(A′A)-A′且(?)_A=I_K-P_A,此处I_K是k阶单位阵,k是A的行数.R~(m×n)是m×n实矩阵的全体考虑m个似乎不相关回归方程(SURE)模型     

数量遗传学研究中的方差分量模型及估计方法

由于受数理统计发展水平的限制，目前在数量遗传学研究中的各种数学模型都是线性模型。其中，方差分量模型占有相当重要的地位。本文综合评述了该领域的各种方差分量模型和估计方法以及最近的新发展。并对今后的进一步研究作了讨论。     

部分线性模型参数分量的M估计的渐近正态性

Engle等人提出了下列部分线性模型Y_i=X_i~tβ_0 g_0(T_i) u_i,1≤i≤n其中(T_1,X_1~t,Y_1),…,(T_n,X_n~t,Y_n)是随机向量(T,X~t,Y)的i.i.d.样本,U_i为随机误差,U_1,…,U_n与(T_1,X_1~t),…,(T_n,X_n~t)相互独立,X∈R~d,T∈[0,1],β_0为未知参数向量,g_n是一光滑未知函数.文献中,有许多学者讨论了关于这个模型的估计问题,包括惩罚函数法、基于分段多项式逼近的最小二乘法和基于核函数近似的最小二乘法.由于上述方法得到的估计不稳健,本文用分段多项式逼近g_0讨论较稳健的M估计.记g_n(t)=(?)(t)~ta为一分段m阶多项式,其段数为M_n,其中(?)(t)是一函数向量,β_0和     

非线性半参数EV四归模型的估计理论

对于带有变量误差的非线性半参数回归模型：Ｙ＝Ｈ（ｘ,θ）＋ｇ（Ｔ）＋ｖ,Ｘ＝ｘ＋ｕ,给出了参数θ和函数ｇ（．）的估计θｎ,ｇｎ（．）。在一定条件下证明了σｎ的强相合性和渐近正态性;ｇｎ（．）具有强相合性且有几乎最优的强收敛速度,同时还给出了ｖ的方差的强相合估计。     

EV模型中参数M估计的渐近正态性

其中X为取值于R~P上的可观测随机向量,X为p维不可观测随机向量β_0为p×1未知参数向量,(ε,u~r)~r为p+1维球对称误差向量,即(ε,u~r)~r(?)RU_(p+1)(其中,R为非负随机变量,U_(p+1)为Ω_p={a:a∈R~(p+1),||a||=1}.上的均匀随机向量,R与U_(p+1)独立),σ~2=ER~2/p+1>0未知,且(ε,u~r)~r与x独立.模型(1)为线性EV(Error-in-Variables)模型,有着广泛的应用背景,如在经济、林业、建筑、生物、遥感等领域,见文献[1～5],目前对模型(1)的研究,主要是利用极大似然     

部分线性模型中M型回归样条估计的一些新结果

考虑下列部分线性模型Y_1-X′_1β_0+g_0(T_1)+e_i,1≤i≤n,其中(T_1,X_1,Y_1),…,(T_n,X′_n,Y_n)是随机向量(T,X′,Y)的 i.i.d.样本,X∈R~d,T∈[0,1],β_0为未知参数向量,g_0是一光滑未知函数.这个模型在文献[1]中首次被提出,文献中研究过β_0和 g_0(t)的估计,例如,基于惩罚函数法的平滑样条估计;基于核方法的估计;用分段多项式来逼近 g_0,基于最小二乘法的估计.由于上述估计不稳健,文献[8]用分段多     

随机回归模型中的一致相合估计

考虑多元线性回归模型,其中(?)为p维随机向量.y=(?) ε对来自(y,(?))的样本(y_1,(?)_1~τ),…,(y_n,(?)_n~τ),类似的回归关系如下:y=(?) ε_t,t=1,…,n.     

退化草原植被免耕补播修复理论与实践

退化草原植被修复是当前我国草原生态治理最紧迫的任务,免耕补播是退化草原植被修复关键技术,其意义是在不破坏或少破坏草原植被的条件下,通过补播适宜的优良草种,提高退化草原生产力和物种多样性.该技术与其他补播改良方式的不同之处在于免耕,难点也在于如何在不扰动或少扰动原生植被的前提下成功补播修复草原,其关键技术主要包括补播物种的选择、补播技术和补播后草原管理.本文针对上述技术难点,提出补播物种选择假说、免耕补播的空斑原则和补播后亚顶级群落管理模型,根据《天然草地退化、沙化、盐渍化的分级指标》国家标准,制定了针对不同退化程度草原的免耕补播技术方案;依据全国草原气候和土壤等条件,提出了全国草原实施免耕补播修复的规划,对我国草原生态文明建设具有重大意义.