基于CASA模型的北京植被NPP时空格局及其因子解释

以北京为研究区,整合遥感数据、气象数据及其他多源辅助数据,基于改进的光能利用率(carnegie-amesstanford approach,CASA)模型分析了2010年北京植被生态系统净初级生产力(net primary productivity,NPP)的时空分布格局及其主要影响因素。结果表明:12010年北京NPP总量为5.5 Tg C,其NPP的空间分布格局为北部和西部山区总量较高,平原区NPP总量较低;2北京植被NPP的季节变化明显,夏季NPP最大,占全年的62%,冬季最小,仅占3%,春季和秋季分别占全年NPP总量的18%和17%;3北京植被NPP受水分和热量条件限制,不同区域的主要限制因子不同,北部和西部山区自然植被受气温影响较大,平原区农作物生长更容易受降水影响,而在山区向平原过渡区域的植被受太阳辐射变化影响明显。     

稀疏植被净初级生产力时空变化及气象因素关系分析

本文探讨了2001-2018年古尔班通古特沙漠植被NPP时空格局,基于改进的CASA模型,采用空间分析、相关性分析及地理探测器模型等方法,揭示了研究区NPP气候驱动因子及其影响。结果表明:①古尔班通古特沙漠近18年植被NPP变化总体呈现波动增加趋势,增速为0.56 gC· a^-1,NPP均值为46.90 gC· m^-2· a^-1;②2001-2018年,年均NPP整体呈西低东高、北低南高的空间分布格局,但从动态上而言,基本呈现沙漠腹地较稳定、四周较活跃的格局;③古尔班通古特沙漠植被NPP主要受降水因子的影响,与降水、气温因子均呈正相关关系,从各因子驱动力分析而言,降水因子(0.614 4)为限制荒漠植被生长的主导因素。     

皖江城市带植被NPP时空变化及其气候响应

针对现有植被净初级生产力研究对城市圈、城市带尺度缺乏关注的问题,基于MODIS遥感数据、地面气象资料等,利用改进的CASA模型,结合回归分析、相关分析等方法探究了2000—2013年皖江城市带植被NPP的时空变化及其对气候因子的响应,为区域生态环境质量评价提供参考。结果表明:近14年来,皖江城市带植被NPP总体呈增加趋势;不同土地利用类型NPP差异显著,林地草地耕地建设用地未利用土地水体;年NPP均值呈现由南部向西北部减少的空间分布特征;植被NPP年际变化率较小,介于±10gC·m-2·a-1范围内;温度是影响研究区植被NPP时空变化的主要气候因子。     

川西北江河源区植被净初级生产力时空动态演变

基于CASA模型,采用MOD13A3卫星数据和气象数据估算了2006~2009年川西北江河源区植被净初级生产力(NPP)的变化情况。研究结果表明,研究区年均植被NPP的空间分布基本呈由东向西逐级递减趋势,NPP的空间分布与水热条件差别和不同植被类型的地带性分布关系紧密;研究区月均NPP基本呈正态分布,植被月均NPP呈先升后降的趋势,且NPP值基本在7~8月达到峰值,在12月、1月降到最低;植被NPP积累时期主要是夏季,但秋季NPP积累量也存在上升趋势。     

国产高分数据在草原露天煤矿植被监测中的应用

利用高分一号卫星数据建立小尺度CASA－NPP估算模型,反演及监测草原露天煤矿区草地NPP空间分布格局,以及煤矿区内部复垦植被的NPP与表层土壤之间的关系。利用归一化植被指数、归一化水体指数等获取CASA模型有效光辐射参数、水分胁迫系数等,从而简化并改进小尺度CASA模型,遥感反演数据与实测样点数据拟合度达到0．94。结果表明,该模型能够高精度地完成小区域NPP估测。从利用CASA模型反演得到的NPP空间格局可以看出,这一地区的植被退化以采矿、放牧等人类活动为主导,原地貌区域围栏的典型草甸草原NPP在300～400 gC／m2· yr 之间,高于放牧区域 NPP,矿区内 NPP 空间变化显著,矿区内部 NPP 低于100 gC／m2· yr,明显低于周边原地貌地区。对于矿区复垦排土场区域,复垦年限和表土的养分是决定植被生长和NPP的主要因素。研究得出国产高分卫星数据可以高精度地完成小尺度NPP的估测,从而为其在草原地区以及矿山环境中监测提供了研究基础。     

湖北省植被净初级生产力时空变化特征及其影响因素分析

基于改进的光能利用率模型,本文利用MODIS数据和同期气象数据估算分析了湖北省2001—2012年间植被净初级生产力(NPP)的时空变化特征并借助多元统计分析方法定量探究自然因素(气温、降水量、太阳辐射)和人为因素(土地覆被/土地利用、粮食播种面积、粮食产量、人口数量)对NPP变化的影响。结果表明:1)湖北省NPP呈波动上升趋势,年际增加趋势为8.19 g/m~2·a;2) NPP空间分布差异明显,呈现西高东低、北高南低、从西向东逐渐递减的态势;3)造林累计面积和太阳辐射变化是影响NPP变化的主要因素。     

河南农田生产力时空变化的遥感分析

文章基于MODIS下MOD17 A3、MCD12Q1产品,结合气温、降水数据,利用距平分析、趋势线分析以及相关分析等方法,对河南省2001年至2010年农田生产力的时空变化格局及影响因素进行了研究.结果表明:河南省农田生产力整体呈现东南高、西北低的态势;研究期内农田生产力呈现减少趋势的面积比例为4.98％,集中分布在信阳市的潢川县、固始县;河南省大部分农田的NPP与气温成正相关,成负相关的农田集中分布在西北边缘一带;农田NPP与降水成正相关的区域分布偏北,成负相关区域分布偏南,南阳盆地一带较为集中.     

全球热带森林分布区NPP变化及其气候响应分析

本文基于MODIS遥感数据,利用掩膜分析提取了研究区的NNP数据;并结合气象因子数据,利用地理信息技术及数学统计方法,对比分析了2001—2013年全球3个主要热带森林分布区森林NPP变化及其气候响应的异同。结果表明,研究区NPP总量整体呈减少趋势。对比3个区域NPP与温度、降水和光合有效辐射(PAR)的相关关系,亚马孙流域研究区和刚果河流域研究区NPP对PAR变化更为敏感,东南亚研究区NPP对降水变化更为敏感;东南亚研究区NPP对气候变化响应的敏感性较高,刚果河流域研究区次之,亚马孙流域研究区最低。该研究对于进一步了解全球热带森林变化与气候的相关关系具有一定的参考价值。     

2000—2010年神东矿区植被NPP的变化特征及影响因素分析

基于EOS/MODIS NPP数据集,对神东矿区植被净初级生产力(NPP)变化的时空特征及主要影响因素进行分析。研究表明,2000—2010年,神东矿区植被年NPP主要介于(98~160)g C/(m2·a)区间,11 a平均值为139.80 g C/(m2·a),低于同期全国植被年平均NPP值360.97 g C/(m2·a)约61.3%,低于同期矿区10 km缓冲区年平均NPP值142.49 g C/(m2·a)约2%,同时也低于同纬度对比区域年均NPP值161.97 g C/(m2·a)约13.7%。11 a NPP值一元线性回归分析表明,3个区域2000—2010年平均NPP变化趋势及斜率特征大致相符,相关系数均达到0.94以上;植被NPP与同期气候因子的相关性分析表明,神东矿区植被年NPP与年降水量相关系数较大,为0.716。     

黄河流域植被NPP时空变化及其对水热条件和退耕还林还草工程实施的响应

本文以MOD17A3HGF植被净初级生产力(NPP)数据为基础,结合气温、降水及DEM数据,开展了2000—2020年黄河流域植被NPP时空变化特征及其对水热条件和退耕还林还草工程实施的响应研究。结果表明：(1)黄河流域植被NPP总体呈显著线性增加趋势(P<0.001),其中植被NPP增速中游地区高于下游、下游高于上游地区。黄河流域植被NPP显著增加趋势占95.29%,集中分布在黄河流域中游地区(黄土高原地区);显著减少的区域主要集中在人口分布密集的城市及其周边区域。(2)黄河流域植被NPP与年平均气温、年降水量均以正相关为主,其中显著正相关分别占11.15%和42.35%,分别呈东—西向和南—北向分布。(3)黄河流域中游地区坡度为[15°,25°]区域植被NPP增速最快,其次为坡度>25°和<15°区域,反映出退耕还林还草工程的实施对黄河流域中部黄土高原地区的植被改善具有一定的作用。     

利用改进的CASA模型估算城市尺度NPP——以徐州城区为例

针对城市地物的特点,本文基于两种不同空间分辨率的遥感数据,利用原始与改进后的CASA估算了徐州城区的NPP,探讨了CASA模型的改进和遥感影像的空间分辨率对城市尺度NPP估算结果的影响。研究结果表明：①城市建筑用地对城市NPP的估算结果有较大的影响。改进的CASA模型将建筑用地的光合有效辐射（FPAR）归零,其估算值降至15.503 gC·m^-2·month^-1,有效去除了建筑用地对城区NPP估算的影响。②低空间分辨率的遥感数据对城市尺度的NPP存在高估现象。MOD13Q1+改进的CASA模型估算的NPP均值为18.607 gC·m^-2·month^-1,比Landsat 8 OLI+改进的CASA模型估算结果高出了3.104 gC·m^-2·month^-1。该研究结果可为城市尺度NPP估算提供新的方法,为城市碳汇估算提供科学依据。     

1982-2013年青藏高原植被动态变化时序分析

针对不同的数据源及时间和空间尺度会使植被覆盖度及其与气象因子影响的结果有所差别这一情况,该文基于青藏高原1982-2012年GIMMS NDVI和2001-2013年MODIS NDVI遥感数据集,结合研究区内12个典型的气象站点数据,进行了青藏高原地区植被覆盖时空动态变化规律及其与气象因子响应的时序分析,并利用重合时间段的数据对比分析了两种传感器在青藏高原地区对植被动态变化监测方面的差异.结果表明:近30年来,青藏高原地区植被呈整体改善趋势,尤其是高海拔地区;不同阶段植被的变化趋势有所不同;两种传感器在反映植被动态变化趋势上差异显著,但两者与气候因子的响应规律相同.     

新疆地区鸟类和哺乳动物丰富度与环境因子的空间格局与关系

干旱区生态系统极易受到气候及土地利用变化的影响,其生物多样性格局及其形成机制是重要的生态学问题。基于新疆地区鸟类及哺乳动物物种多样性数据,结合气候、地形和长时间序列的植被遥感参数产品FAPAR数据等,主要在不同的土地利用类型及海拔带上采用单因子相关分析方法探讨了物种丰富度格局的形成机制。总体来说,不同生境类型中,植被遥感参数因子(DHI、NDVI等)与两种类群物种丰富度分布的相关性强于与气候因子(温度、降水)的相关性。具体而言,植被遥感参数因子中,基于FAPAR的生境指数因子与丰富度的相关性大于基于植被指数的因子(DHI_cumNDVI_cumEVI_cum);气候因子中,在草地生境或者较低的海拔上,年均降水因子对于丰富度分布的解释力强于年均温度因子。这表明在新疆地区,影响鸟类与哺乳类动物物种丰富度分布的主导理论是生境异质性假说与环境稳定性假说,其解释力在多种生境内均强于生产力与环境热量。     

融合高时空分辨率数据估算植被净初级生产力

植被净初级生产力NPP(Net Primary Production)遥感估算与分析,有赖于高时空分辨率的遥感数据,但目前中高分辨率的遥感数据受卫星回访周期及天气的影响,在中国南方地区难以获取连续时间序列的数据,从而影响了高精度的区域植被净初级生产力的遥感估算。为此,提出一种基于多源遥感数据时空融合技术与CASA模型估算高时空分辨率NPP的方法。首先,利用多源遥感数据,即Landsat8 OLI数据与MODIS13Q1数据,采用遥感数据时空融合方法,获得了时间序列的Landsat8 OLI融合数据;然后,基于Landsat8 OLI时空融合数据,并采用CASA模型,以长株潭城市群核心区为例,进行区域植被NPP的遥感估算。研究结果表明,基于时间序列Landsat融合数据估算的30m分辨率的NPP具有良好的空间细节信息,且估算值与实测值的相关系数达0.825,与实测NPP数据保持了较好的一致性。     

POI与NPP/VIIRS夜光数据空间耦合关系下的城市空间结构分析——以武汉市主城区为例

城市兴趣点（POI）和夜光遥感影像能够直观反映城市社会经济等实体要素的空间分布特征，在城市空间结构研究中发挥着重要作用。本文首先选取长江中游城市群的典型城市代表——武汉市作为研究区，选用研究区2016年POI和NPP/VIIRS夜光遥感数据作为基础研究数据，采用GIS分析工具对POI数据进行了空间核密度分析；然后分别对POI核密度分析结果和NPP/VIIRS夜光遥感数据进行了空间网格化处理；最后采用双因素制图和栅格叠加分析方法对两类数据的空间耦合关系进行了探讨，并在此基础上进一步分析了城市空间结构特征。研究表明，武汉市POI数据和夜光遥感数据的空间耦合性整体较好，空间耦合相一致区域占比为82.15%；但POI数据和夜光遥感数据的空间耦合性在长江沿岸地区也存在部分差异，如硚口区、汉阳区夜光遥感数据和POI数据多以低—中的空间耦合模式为主，而青山区、武昌区和汉口区则多以中—低的空间耦合模式为主。武汉市作为中原城市群的核心城市之一，其城市内部空间结构与长江经济带发展关联密切，通过对POI和夜光遥感数据的空间耦合关系探讨，能够对武汉市空间实体要素的空间结构特征有更加深入的了解。本文结果可为沿江城市内部空间结构的研究提供一种崭新的视角。     

遥感反演和站点观测的地气温度分布特征差异

地表温度和近地表大气温度是地球系统、大气系统以及地—气相互作用物理过程的重要参量。在陆地—大气的相互作用过程中,水汽含量、NDVI指数、下垫面变化等因素会对地—气热量传输造成一定的影响。本文首先利用地表温度产品（MYD11A1）以及气温站点数据（GSOD）获得全国尺度下地表温度年最大值、近地面气温年最大值。在此基础上,使用趋势分析法分析2003年—2018年地、气温度年最大值时空分布特征及变化趋势,以及地—气温差气候倾向率变化趋势。最后,结合大气总水汽含量产品（MYD05）、NDVI指数（MYD13A3）、二氧化碳平均浓度增长率分析导致地表温度年最大值与近地面气温年最大值趋势发生变化的原因。研究结果表明：（1）在全国尺度下,2003年—2018年地表温度年最大值呈现北高南低的空间分布特征。近地面气温年最大值的空间分布与地表温度年最大值相反。大气总水汽含量年最大值在热带、亚热带季风气候区内总体较高。水汽含量既影响近地面气温的大小,同时也受到近地面气温的影响,因此,水汽含量年最大值与近地面气温年最大值表现出一定的空间分布一致性特征。（2）在2003年—2018年期间,地表温度年最大值的气候倾向率在空间上表现出北高南低的分布特征。近地面气温年最大值的气候倾向率在空间上也表现为北高南低,与地表温度年最大值的气候倾向率变化基本一致。但地表温度年最大值的变化幅度要大于近地面气温年最大值,并且在个别区域表现不一致。主要分布在天山地区、三江平原以及秦岭南侧地区,地—气年最大值变化趋势相反即地—气差减小。（3）大气总水汽含量年最大值的增加可造成近地面气温年最大值的增加,而植被覆盖度的上升可造成地表温度年最大值下降。但在天山地区大气总水汽含量与地—气差的响应不明显,但天山地区的近地面气温年最大值与CO₂平均浓度增长率的关系较为明显。（4）遥感数据反演的地表温度年最大值和站点观测的近地面气温年最大值空间分布表现出差异,但时间变化趋势基本一致。