基于改进土壤冻融水循环的Biome-BGC模型估算青藏高原草地NPP

Biome-BGC模型被广泛用于估算植被净初级生产力（Net Primary Productivity, NPP）,但是该模型未考虑冻土区土壤冻融水循环过程对植被生长的影响。本文基于Biome-BGC模型,改进冻土区活动层土壤冻融水循环,估算了2000—2018年青藏高原高寒草地NPP。通过比较原模型和改进后的模型,并对NPP模拟结果的时空特征进行了分析,结果表明：① 增加冻融循环提高了NPP估算精度,青藏高原草地NPP均值由114.68 gC/(m²·a)提高到128.02 gC/(m²·a)。② 原模型和改进后NPP的空间分布差异较大,时间变化趋势差异不明显。③ 青藏高原草地NPP总量为253.83 TgC/a,呈东南向西北递减的空间格局,年均增速为0.21gC/(m²·a)（P=0.023）,显著增加的占17.85%,主要分布在羌塘高寒草原地带的大部分地区和藏南山地灌木草原地带的西部。④ 该冻融水循环改进方法简单可靠,具有在其他多年冻土区推广的价值。     

以HJ-1卫星遥感数据估算高寒草地植被净第一性生产力的潜力评估——以若尔盖草地为例

基于HJ-1卫星数据、数字高程数据、气象数据和地面实测数据,利用改进后的CASA模型估算了2010年若尔盖草地的植被净第一性生产力（NPP）,以评价该卫星数据在高寒草地NPP估算中的应用潜力。结果表明：（1）利用改进后的CASA模型模拟草地生物量,通过与实测地上生物量比较,两者的相关程度较高,R2=0.8726。模拟精度达80%,因此可以作为估产模型实际应用;（2）利用改进后的CASA模型模拟草地NPP,模拟结果比其他研究结果略大,但更适合于若尔盖草地;（3）HJ-1卫星数据为高寒草地NPP的估算提供了高时间和高空间分辨率的数据源。     

1982～2010年中国东北地区植被NPP时空格局及驱动因子分析

应用逐像元线性回归模型方法,整合应用MODIS和AVHRR NDVI数据集,构建1982~2010年覆盖东北地区的8 km空间分辨率的NDVI数据集,进而应用CASA模型估算得到东北地区29 a NPP数据集,模拟精度在75%以上。29 a平均的东北地区植被NPP总量为6.5×108tC/a。植被NPP的分布受植被类型、气候、地形因素的综合影响。NPP地域差异明显,山地区植被>平原区植被>高原区植被,变化最大的植被类型为草地植被。过去29 a间,植被NPP呈显著上升趋势(P<0.01)。气候变化和土地利用变化均是影响植被时空格局的重要因素。     

基于MODIS和TRMM数据的准格尔南缘植被净初级生产力估算与分析

利用MODIS、TRMM遥感传感器数据和CASA模型,估算了新疆准格尔盆地南缘2000-2009年的植被净初级生产力(Net Primary Productivity,NPP)信息.在CASA模型实现中,利用TRMM数据反演研究区降水量,减少了依靠地面稀疏气象站点插值带来的误差,从而提高了模型估算精度.同时,分析了准格尔南缘的石河子及周边地区2000年以来植被NPP的变化趋势及其影响因素.结果表明,区域气候、植被覆盖类型与人类活动是影响该地区植被NPP波动的主导因素,其中植被类型和降水量的影响尤其重要,研究结果对进一步解析准格尔南缘生态系统演化和研究碳循环过程具有参考价值.     

中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系——以江西省泰和县为例

植被净初级生产力(NPP)对气候变化的响应研究是全球变化研究的核心内容之一。在区域尺度上研究NPP年际间的空间变化规律,探究气候因子与植被生长的关系,是应对气候变化区域响应、探讨区域生态过程的科学基础。基于SPOT VEGETATION NDVI植被指数数据、气候和植被分类数据,利用光能利用率模型(CASA)估算了中国南方红壤丘陵区泰和县1998-2012年植被NPP,分析了NPP时空分布特征及其与气候因子的相关性。结果表明:1 1998-2012年泰和县植被年均NPP为762 g C/m2·a,不同植被类型差异明显,空间上表现出东西高、中间低的分布特征;2 1998-2012年泰和县植被NPP总体呈增长趋势,年际波动较大,平均值为2.21×106g C/a;3研究区NPP与年降水量呈不显著正相关关系,与年均气温呈显著负相关关系,表明温度是影响该地区植被NPP的主要气候因子。     

基于CSCS改进CASA模型的中国草地净初级生产力模拟

将草原综合顺序分类系统（CSCS）中的热量指标（∑θ）和湿润度指标（K）引入CASA模型。利用该模型模拟了2004-2008年中国41个草地类的净初级生产力（NPP）,并分析了其时空变化和不同草地类NPP变化。结果表明：2004-2008年中国草地NPP模拟平均值与实测平均值分别为503.8 g·m^-2·a^-1和567.3 g·m^-2·a^-1,两者较为接近。各类草地的平均误差和平均相对误差均值分别为4.85 g·m^-2·a^-1和7.6%。草地NPP的实测值和模拟值相关性较好。改进CASA模型模拟值比Miami和Thornthwaite Memorial模型模拟值更接近实测值。NPP空间分布呈东高西低,南高北低,从西北向东南逐渐增加的趋势,体现了K和∑θ的水平和垂直地带性分布规律。2004-2008年中国草地NPP总体呈现增加趋势,其总量增加了23.0%。草地NPP年均值在不同植被类型中差异显著,分布规律与CSCS划分草地类的K和∑θ密切相关。总之,改进后的CASA模型模拟精度较高,实现了草地NPP模拟与草地分类的相互关联。     

2000-2012年青海湖流域NPP时空分布特征

利用青海湖流域及周边地区气象资料和MODIS遥感影像等数据,结合地理信息系统技术和植被净初级生产力(NPP)估算模型(CASA模型),确定了2000-2012年青海湖流域NPP值,并评价了其时空分布特征。结果表明:2000-2012年青海湖流域年均NPP为4.77×10¹² g,空间分布以青海湖为中心,由低到高呈环带状,并呈由东南向西北递减趋势,在青海湖北侧河流中游地区年均NPP达到最高,为374.19 g·m^-2。2000-2012年NPP呈波动中逐渐增长趋势,年均增加4.81×10¹⁰ g;NPP年内变化显著,7月NPP达到全年最高值,占全年的28.77%。13年间流域内大部分地区NPP呈增长趋势,显著增长区主要分布在共和县江西沟乡、石乃亥乡和天峻县周围;青海湖北侧哈尔盖河上游、沙柳河中游地区则是主要减少区。多元回归分析表明归一化植被指数(NDVI)和降水是青海湖流域NPP的主要影响因素。     

黑河流域NPP遥感估算及其时空变化特征

植被的净初级生产力(NPP)是研究陆地各种生态过程的关键参数,对区域NPP的研究有利于人类对自然资源的管理和有效利用.本研究使用气象和遥感等数据,应用修正的CASA模型及其他数理统计方法对黑河流域1999—2010年的NPP进行估算,并对其时空变化特征进行了分析.结果显示:在1999—2010年,黑河流域的年NPP总量以3×10¹¹ g·a^-1的趋势增加;该流域NPP空间分布总体上为南多北少、河流两旁及绿洲地区多于其他地区;各类型中,草地生态系统累计的NPP最多;黑河上游NPP量与太阳辐射和降水量呈正相关关系,与年均气温呈负相关关系,上游地区水分和太阳总辐射量因子共同制约着流域的NPP量;中游地区年平均NPP与年平均气温呈负相关,与年总降水量呈正相关,与年总太阳辐射量呈微弱负相关,水分因子制约着植被NPP的生产;黑河流域下游地区植被NPP的年均累积生产量与年平均气温呈正相关,与年总降水量呈负相关,而与年总太阳辐射量无明显相关性,气温是下游植被NPP生产的制约因素.     

基于树轮资料重建森林净初级生产力的研究进展

森林净初级生产力(NPP)反映了森林植被固定和转换光合产物的能力,表示了森林碳汇功能强度,也是评价森林植被的演替状况以及陆地生态系统承载力的主要指标。基于遥感、清查资料等方法估算NPP已经取得了一些进展,但传统的研究方法受限于观测(调查)年份,难以有效获取长时间尺度的区域森林种群或群落年际NPP。树轮资料较为有效地反映了历史时期森林植被的逐年生长状况,从而在估算高精度且长时间尺度区域森林种群及群落NPP中具有较大的优势。本文对利用树轮资料重建区域森林NPP的两种主要方法进行了总结,第一种方法主要是依据树轮资料提供的立木逐年生长量进行生物量以及NPP的估算;第二种方法则是利用树轮指数与其他植被指数的相关性间接反演过去时间段区域森林群落NPP的变化。上述两种估算NPP的方法均存在较多的限制性,未来利用树轮资料估算NPP的时空精度仍有待提高。     

青藏高原高寒草地净初级生产力(NPP)时空分异

基于1982-2009 年间的遥感数据和野外台站生态实测数据,利用遥感生产力模型(CASA模型) 估算青藏高原高寒草地植被净初级生产力(NPP),分别从地带属性(自然地带、海拔高程、经纬度)、流域、行政区域(县级) 等方面对其时空变化过程进行分析,阐述了1982 年以来青藏高原高寒草地植被NPP的时空格局与变化特征。结果表明:① 青藏高原高寒草地NPP多年均值的空间分布表现为由东南向西北逐渐递减;1982-2009 年间,青藏高原高寒草地的年均总NPP为177.2×10¹² gC·yr^-1,单位面积年均植被NPP为120.8 gC·m^-2yr^-1;② 研究时段内,青藏高原高寒草地年均NPP 在112.6~129.9 gC·m^-2yr^-1 间,呈波动上升的趋势,增幅为13.3%;NPP 增加的草地占草地总面积的32.56%、减少的占5.55%;③ 青藏高原多数自然地带内的NPP呈增加趋势,仅阿里山地半荒漠、荒漠地带NPP呈轻微减低趋势,其中高寒灌丛草甸地带和草原地带的NPP增长幅度明显大于高寒荒漠地带;年均NPP增加面积比随着海拔升高呈现"升高—稳定—降低"的特点,而降低面积比则呈现"降低—稳定—升高"的特征;④ 各主要流域草地年均植被NPP均呈现增长趋势,其中黄河流域增长趋势显著且增幅最大。植被NPP和盖度及生长季时空变化显示,青藏高原高寒草地生态系统健康状况总体改善局部恶化。     

NPP vulnerability of the potential vegetation of China to climate change in the past and future

Using the Integrated Biosphere Simulator, a dynamic vegetation model, this study initially simulated the net primary productivity (NPP) dynamics of China’s potential vegetation in the past 55 years (1961–2015) and in the future 35 years (2016–2050). Then, taking the NPP of the potential vegetation in average climate conditions during 1986–2005 as the basis for evaluation, this study examined whether the potential vegetation adapts to climate change or not. Meanwhile, the degree of inadaptability was evaluated. Finally, the NPP vulnerability of the potential vegetation was evaluated by synthesizing the frequency and degrees of inadaptability to climate change. In the past 55 years, the NPP of desert ecosystems in the south of the Tianshan Mountains and grassland ecosystems in the north of China and in western Tibetan Plateau was prone to the effect of climate change. The NPP of most forest ecosystems was not prone to the influence of climate change. The low NPP vulnerability to climate change of the evergreen broad-leaved and coniferous forests was observed. Furthermore, the NPP of the desert ecosystems in the north of the Tianshan Mountains and grassland ecosystems in the central and eastern Tibetan Plateau also had low vulnerability to climate change. In the next 35 years, the NPP vulnerability to climate change would reduce the forest–steppe in the Songliao Plain, the deciduous broad-leaved forests in the warm temperate zone, and the alpine steppe in the central and western Tibetan Plateau. The NPP vulnerability would significantly increase of the temperate desert in the Junggar Basin and the alpine desert in the Kunlun Mountains. The NPP vulnerability of the subtropical evergreen broad-leaved forests would also increase. The area of the regions with increased vulnerability would account for 27.5% of China.     

气候变化和人类活动对盐池县植被净初级生产力的影响

为定量区分退耕还林还草背景下北方典型农牧交错带植被变化过程中气候变化和人类活动的相对贡献率,以宁夏盐池县2000—2020年植被变化为研究对象,基于MODIS13Q1-NDVI数据、地表覆盖数据和气象数据,采用Thornthwaite纪念模型和CASA（Carnegie-ames-stanford approach）模型分别估算了逐年的潜在净初级生产力（Potential net primary productivity, PNPP）和实际净初级生产力（Actual net primary productivity, ANPP）。综合运用趋势分析、相关分析和差值比较法分析了2000—2020年盐池县净初级生产力（Net primary productivity, NPP）时空变化特征及其驱动力,并定量确定了气候因子和人类活动对盐池县植被变化的相对贡献率。结果表明：（1） 在2000—2020年盐池县NPP总体呈上升趋势,但存在着显著的空间异质性,主要表现为植被NPP改善区面积远大于NPP退化区面积,且改善或退化程度也存在显著的空间分异。植被改善区主要分布于荒漠、荒漠草原等退耕还林还草工程区域和灌溉区,而植被退化区则分布于荒漠和荒漠草原的边缘地带。（2） 植被变化归因分析表明,在植被改善区,气候变化和人类活动共同主导驱动了植被的改善,但气候变化的相对贡献率（59.77%）大于人类活动的相对贡献率（40.23%）,而在植被退化区,人类活动的相对贡献率（91.77%）则显著高于气候变化的相对贡献率（8.23%）。（3） 驱动力分析表明,研究区植被NPP变化与降水量呈显著正相关,而与气温的相关性较弱;而人类活动是驱动植被退化区NPP下降的主要原因,但负向影响力有所减弱。总体而言,气候变化是植被改善区的主要驱动力,而人类活动是植被退化区的主要驱动因素,两者共同作用则使盐池县整体生态环境得以改善。     

2000—2017年内蒙古荒漠草原植被物候变化及对净初级生产力的影响

荒漠草原分布于干旱区和半干旱区,对气候变化的响应极为敏感,但目前学术界对于荒漠草原物候与生产力变化的研究仍较为薄弱。有鉴于此,论文采用2000—2017年MODIS NDVI数据和气象数据,利用通用数量化方法提取内蒙古荒漠草原植被的生长季始期(start of season, SOS)和生长季末期(end of season, EOS);基于Carnegie-Ames-Stanford Approach (CASA)模型估算了植被净初级生产力(NPP),并分析了植被物候和净初级生产力之间的关系。研究结果表明：① 2000—2017年内蒙古荒漠草原SOS呈显著提前趋势(0.88 d/a,P<0.05),EOS不显著提前(0.13 d/a,P>0.05),生长季长度(length of season, LOS)呈显著延长趋势(0.76 d/a)。81.53%像元的SOS与2—4月平均气温呈负相关(8.21%显著相关,P<0.05),60.80%像元的SOS与4月降水量呈负相关关系(6.12%显著相关,P<0.05);65.16%像元的EOS与9月平均气温呈负相关(5.03%显著相关,P<0.05),78.61%像元的EOS 与7—9月降水量呈正相关关系(10.12%显著相关,P<0.05)。② 内蒙古荒漠草原多年平均NPP为104.71 gC/(m ²·a),有自东向西逐渐降低的区域差异;在研究时段内,春、夏季和生长季的NPP均呈不显著增加趋势,秋季NPP有不显著减少趋势;生长季降水量增加有利于生长季NPP的积累。③ 春季NPP与SOS呈不显著负相关,秋季NPP与EOS呈显著正相关。LOS的延长促进了NPP的累积,其中生长季NPP与EOS的推迟关系更为密切。研究结果揭示气候变化对内蒙古荒漠草原植被物候和生产力有显著影响,对区域生态系统管理和生态建设具有重要参考意义。     

中国北方干湿过渡区生态系统生产力的气候变化风险评估

气候变化风险是人类社会发展面临的严峻挑战,评估识别对气候波动响应敏感且复杂的干湿过渡区生态系统所面临的气候变化风险是一个重要科学问题,对区域气候治理和风险管理具有科学意义。本文利用参与耦合模式比较计划第五阶段（CMIP5）的多气候模式多情景数据,通过改进和验证Lund-Potsdam-Jena（LPJ）动态全球植被模型,辨识未来不同时段生态系统生产力的气候变化风险等级及其时空分布,明晰气候因子对净初级生产力（NPP）风险的作用特征。结果表明：未来中远期干湿过渡区生态系统生产力面临的气候变化风险面积将可能扩大,风险等级将可能提升,高排放情景下的风险更加严重,主要表现为NPP距平为负,且仍有继续下降的趋势。尤其是典型浓度路径（RCP8.5）情景下,81.85%的地区将可能面临气候变化风险,54.71%将达到高风险。2071—2099年,RCP8.5高风险区的NPP距平将达到(-96.00±46.95) gC m^-2 a^-1,NPP变化速率将达到(-3.56±3.40) gC m^-2 a^-1。干湿过渡区东部平原和内蒙古东部草原区预估将可能成为风险主要集中区域,这些地区未来的植被生长将可能受到气候变化的不利影响,增温加剧和干旱程度加重可能是未来气候变化风险的重要驱动因素。     

过去50年气候变化下中国潜在植被NPP的脆弱性评价

借助动态植被模型IBIS,首先模拟了过去50年（1961-2010年）气候变化下中国潜在植被NPP的动态变化,然后采用IPCC第五次评估报告选定的标准气候态时段（1986-2005年）平均气候状态作为“标准年气候”,并将该气候条件下的潜在植被NPP作为评价基准。通过与基准进行比较,计算每一年潜在植被NPP的波动情况,进而评价该年的气候条件是否使潜在植被“不适应”以及“不适应”的程度,最后根据过去50年的“不适应”次数和程度综合判断气候变化下潜在植被NPP的脆弱性。评价结果显示：在过去50年的气候变化下,天山以南的暖温带荒漠生态系统、北方温带草原生态系统以及青藏高原西部的高寒草原生态系统更容易受到气候变化的不利影响,NPP呈现出较高的脆弱性;而大部分以森林为主的生态系统则不容易受到气候变化的影响,NPP脆弱性较低,其中以常绿阔叶林和针叶林为主的生态系统NPP脆弱性更低。此外,天山以北的温带荒漠生态系统以及青藏高原中部和东部的高寒草原草甸生态系统NPP也呈现出较低的脆弱性。     

中国东南部植被NPP的时空格局变化及其与气候的关系研究

基于2001~2010年MOD17A3年均NPP数据和气象站点气温、降水资料,利用GIS空间分析技术和数理统计方法研究中国东南部植被NPP的时空格局、动态变化及与气候要素的关系。结果表明,中国东南部植被年均NPP总体上呈现从南到北、由东至西逐渐减少的分布,不同植被类型的NPP存在明显差异,以常绿阔叶林最高,落叶针叶林最低。2001~2010年间,植被NPP整体上略有减少。空间上植被NPP在南部地区明显减少,而在北部地区明显增加。植被NPP与降水和气温的相关性均表现出明显的地域差异。     

不同草地类型净初级生产力(NPP)模拟及其敏感性分析

气候变化问题作为人类社会可持续发展面临的重大挑战,受到国际社会越来越强烈的关注。全球气候变化深刻影响着草地生态系统,定量评估区域和不同类型草地生态系统的生产力,研究其对气候变化的敏感性可以为草地生态系统适应未来气候变化提供基础数据和理论依据。草原综合顺序分类系统(CSCS)将天然草原分为42类(其中中国包含41类),并将其聚合为10个类组。研究利用改进Carnegie-Ames-Stanford Approach(CASA)模型模拟分析中国天然草地2004—2008年的净初级生产力(NPP)并进行系统聚类,分析了草地NPP与影响因子的相关性和敏感程度。结果表明:2004—2008年中国10个草地类组年均NPP均呈现增长趋势,其中亚热带森林草地增长最快,增长率达38.2%。温带湿润草地增长最慢,增长率为14.3%。通过聚类分析将中国41类草原的年均NPP分为3类:第1类NPP值较小,其湿润度级较低,而热量级较高;第2类NPP值较大,其热量级和湿润度级均较高,水热比适宜植被的生长;其余为第3类,其NPP值介于上述两者之间。可见,不同草地类型NPP分布规律与CSCS划分草地类型的湿润度级和热量级密切相关。草地年均NPP与>0℃年积温(Σθ)、降水量、湿润度(K)和NDVI的相关性强,与太阳辐射的相关性弱。草地类组NPP平均值对NDVI最敏感,其次为Σθ、K和降水量,敏感性最弱的为太阳辐射。草地NPP对CSCS量化分类的标准Σθ和K较为敏感,改进CASA模型在一定程度上实现了CSCS与草地生产力的耦合。     

中国陆地生态系统净初级生产力变化特征——基于过程模型和遥感模型的评估结果

净初级生产力（NPP）作为生态系统物质与能量循环的基础,是区域和全球尺度碳循环和碳收支研究的重要组成部分。研究区域和全球尺度的净初级生产力主要依靠模型手段实现,过程和遥感模型是目前广泛使用的两种模型形式。本文搜集并整理了基于过程模型和遥感模型对我国陆地生态系统净初级生产力的模拟结果,分析了中国陆地生态系统净初级生产力的时间变化及对未来气候变化的响应特征,旨在对其进行综合评价。结果表明,中国陆地生态系统NPP平均为（2.828±0.827）PgC.a-1。1982-1998年的年际变化特征上,NPP平均每年增加0.027 PgC,年增长率为1.07%,总体上呈现在波动中逐年上升的趋势。不同植被类型的单位面积NPP总体表现为常绿阔叶林显著高于其他植被类型,但不同研究结果间变化范围很大;落叶针叶林、常绿针叶林和落叶阔叶林相差较小;农作物低于阔叶林,但高于针叶林;草地和荒漠均位于低值区,但前者显著高于后者。不同植被类型的NPP总量总体表现为农作物和草地位居前两位,两者之和高达各植被类型NPP总量之和的58.34%;除灌丛和常绿针叶林外,其余植被类型均不足总量的10%。在未来气候情景下,中国陆地生态系统NPP总体上可能表现为先增加后减小的趋势。     

Modeling net primary productivity of the terrestrial ecosystem in China from 1961 to 2005简

Net primary productivity （NPP） is the structure and function of the ecosystem. NPP can most important index that represents the be simulated by dynamic global vegetation models （DGVM）, which are designed to represent vegetation dynamics relative to environ- mental change. This study simulated the NPP of China＇s ecosystems based on the DGVM Integrated Biosphere Simulator （IBIS） with data on climate, soil, and topography. The appli- cability of IBIS in the NPP simulation of China＇s terrestrial ecosystems was verified first. Comparison with other relevant studies indicates that the range and mean value of simula- tions are generally within the limits of observations; the overall pattern and total annual NPP are close to the simulations conducted with other models. The simulations are also close to the NPP estimations based on remote sensing. Validation proved that IBIS can be utilized in the large-scale simulation of NPP in China＇s natural ecosystem. We then simulated NPP with climate change data from 1961 to 2005, when warming was particularly striking. The following are the results of the simulation. （1） Total NPP varied from 3.61 GtC/yr to 4.24 GtC/yr in the past 45 years and exhibited minimal significant linear increase or decrease. （2） Regional differences in the increase or decrease in NPP were large but exhibited an insignificant overall linear trend. NPP declined in most parts of eastern and central China, especially in the Loess Plateau. （3） Similar to the fluctuation law of annual NPP, seasonal NPP also displayed an insignificant increase or decrease; the trend line was within the general level. （4） The re- gional differences in seasonal NPP changes were large. NPP declined in spring, summer, and autumn in the Loess Plateau but increased in most parts of the Tibetan Plateau.