半干旱沙区3种优势固沙灌木生物量分配及其生态学意义

为探究科尔沁沙地3种优势固沙灌木生物量的分配特征，以黄柳（Salix gordejevii）、差不嘎蒿（Artemisia halodendron）和小叶锦鸡儿（Caragana microphylla）为对象，采用全挖法在个体水平上研究了固沙灌木生物量构件及其占比、R/S（root-shoot ratio）、地上新生生物量占比、地上新生生物量与老枝生物量占比及其与冠幅的相关性和地下-地上生物量关系。结果表明：（1）科尔沁沙地3种优势固沙灌木生物量构件及其占比存在显著性的种间差异（P<0.05）；黄柳的老枝生物量及其占比居于首位，NAB（new aboveground biomass，新枝生物量）/OBA（old branch biomass，老枝生物量）为43.90%；差不嘎蒿的地上生物量占比居于首位，地上新生生物量是老枝生物量的2.43倍；黄柳和差不嘎蒿地下生物量集中分布在浅土层，不存在深根系（根系长度>100 cm）。（2）小叶锦鸡儿地下生物量及其占比和R/S（root/stem）均居于首位；地下生物量在根系长度>30 cm处的生物量占比达到61.61%，深根系（根系长度>100 cm）层地上生物量占比达到22.33%。（3）黄柳和差不嘎蒿的R/S、NAB/AGB（aboveground biomass，地上生物量）和NAB/OBA均与冠幅呈负线性关系，在固沙后期该两种灌木随着冠幅的增大，地上新生部分锐减，生产力下降，植被出现衰退。（4）通过非线性回归拟合得到3种灌木地上（y）-地下（x）生物量异速生长模型为：黄柳y=2.928x ^1.039（R²=0.901，P<0.01），差不嘎蒿y=32.802x ^0.685（R²=0.469，P<0.01），小叶锦鸡儿y=1.337x ^0.066（R²=0.833，P<0.01）。     

科尔沁沙地2种优势固沙灌木的相容性生物量模型

基于现有的灌木生物量模型存在各组分与总量不相容问题，以半干旱区科尔沁沙地2种优势固沙灌木小叶锦鸡儿（Caragana microphylla）和黄柳（Salix gordejevii）为对象，通过对大样本的相关形态指标及生物量实测数据进行非线性回归和非线性误差变量联立方程组的计算，建立了2种灌木叶片、新枝、老枝和地上生物量的独立模型及与各组分相容的生物量模型，并通过决定系数R²、估计值的标准差SEE、总相对误差TRE、平均系统误差MSE（ASE）、平均预估误差MPE和平均百分标准误差MPSE对模型进行评价。结果表明：非线性加权回归使得两种灌木各组分的独立模型拟合效果优化，而生物量相容模型与独立模型相比，由于抽样误差的存在拟合效果不佳，相关评价指标较低。     

西鄂尔多斯地区5种荒漠优势灌丛生物量分配格局及预测模型

以西鄂尔多斯地区5种荒漠优势灌丛（沙冬青（Ammopiptanthus mogolicus）、四合木（Tetraena mongolica）、霸王（Zygophyllum xanthoxylum）、红砂（Reaumuria songarica）、半日花（Helianthemum songaricum））为研究对象,采用平均标准灌丛全部收获法测定灌丛各营养器官（枝条、叶片、根系）生物量,并分别以丛高（H）和冠幅（C）的复合因子（CH）及基径（D）和丛高（H）的复合因子（D²H）为自变量建立单株灌丛生物量预测模型。通过决定系数（R²）、估计值的标准误差（SEE）和F检验显著水平筛选出各灌丛种最佳生物量预测模型。结果表明：（1）5种荒漠灌丛单株总生物量干鲜比差异性显著（P<0.05）,各营养器官间差异性也达到显著水平（P<0.05）;灌丛根冠比种间差异显著（P<0.05）,红砂（1.05）> 霸王（1.01）> 半日花（0.92）> 沙冬青（0.90）> 四合木（0.49）;（2）根系和枝条是荒漠灌丛生物量的主要贡献者,其生物量占灌丛总生物量比例之和均在80%以上,根系生物量分配随根系径级的增加而增加;（3）5种荒漠优势灌丛单株灌丛生物量预测模型R²值均在0.85以上,且在0.05水平上显著,生物量模型预测精度较高。     

科尔沁沙地几种常见植物茎叶吸水特征

植物通过茎叶吸水能够极大地改善自身水分条件。为研究科尔沁沙地植被茎叶吸收水分变化特征,于2017年7-8月选取科尔沁沙地常见植物差不嘎蒿（Artemisia halodendron）、小叶锦鸡儿（Caragana microphylla）、猪毛菜（Salsola collina）,通过自然降雨、茎叶隔雨、根部隔雨的控制试验,运用压力室法测定了降雨前后的植物水势（Ψ）变化。结果表明：（1）根部隔雨试验中,差不嘎蒿、小叶锦鸡儿和猪毛菜降雨后的水势值与降雨前相比分别升高了约66.7%、59.5%和87.9%,在降雨后第2天的水势值与降雨前相比分别升高了约73.2%、86.7%和90.6%。（2）差不嘎蒿和猪毛菜在不同部位隔雨试验中的茎叶水势值差异不明显（P>0.05）,小叶锦鸡儿茎叶水势值存在显著差异（P<0.05）。（3）差不嘎蒿、小叶锦鸡儿和猪毛菜都存在茎叶吸水现象。小叶锦鸡儿比差不嘎蒿和猪毛菜更能够适应科尔沁沙地的生存环境。     

科尔沁沙地两种固沙灌木林地土壤理化性质和酶活性比较

小叶锦鸡儿(Caragana microphylla)和差不嘎蒿(Artemisia halodendron)是科尔沁沙地典型的固沙灌木,它们在退化沙地的恢复过程中起着重要的作用。本研究对这两种灌木林地表层土壤理化性质和酶活性进行了比较。结果表明:小叶锦鸡儿比差不嘎蒿对沙丘土壤理化性质和酶活性的改善作用较大。其中,小叶锦鸡儿林地土壤黏粉粒含量比差不嘎蒿高3倍左右,土壤含水量是差不嘎蒿的1.31倍,土壤有机碳和全氮分别是差不嘎蒿的1.35和1.36倍,土壤过氧化物酶和脲酶活性分别是差不嘎蒿林地土壤的2和3倍。科尔沁沙地流动沙丘中种植小叶锦鸡儿和差不嘎蒿后,两种灌木均能改善沙丘土壤理化性质和酶活性,但是其改善能力存在一定差异,总体来说,在退化沙地土壤肥力和生物活性的恢复方面,小叶锦鸡儿的优势高于差不嘎蒿。     

古尔班通古特沙漠灌木冠幅预测模型

古尔班通古特沙漠是中国第二大沙漠,也是中国固定和半固定沙丘主要分布区,固沙灌木种较多。冠幅不仅是反映固沙灌木可视化的重要参数,也是反映沙漠植被生长情况的重要变量。以3种沙丘（固定沙丘、半固定沙丘和流动沙丘）上主要固沙灌木为研究对象,利用12种基础模型、BP（Backpropagation Neural Network）神经网络和支持向量机（Support Vector Machine,SVM）机器学习算法建立了基于固沙灌木株高和冠长率的冠幅预测模型,同时将两种机器学习算法拟合结果与基础模型进行比较,最终选出了适合研究区的冠幅预测模型。结果表明：（1）不同沙丘类型和不同灌木种类的最优冠幅预测模型不同,且固定沙丘和半固定沙丘模型优于流动沙丘。3种沙丘类型最优拟合为M2（Quadratic Model）模型;（2）白梭梭（Haloxylon persicum）在半固定沙丘和流动沙丘上拟合的最优模型分别为M2、M7（Gompertz）,沙拐枣（Calligonum mongolicum）最优模型为M2,蛇麻黄（Ephedra distachya）和油蒿（Artemisia ordosica）在半固定沙丘和流动沙丘上拟合较优模型分别为M2、M7。总体来说,基础模型M2和M7可以较好地预测不同类型的灌木冠幅值;（3）基于径向基（Radial Basis Function）核函数的支持向量回归机的冠幅预测模型明显优于BP神经网络模型。     

科尔沁沙地灌木对风沙土壤的生态效应

对科尔沁沙地小叶锦鸡儿、差巴嘎蒿和黄柳灌木阻固沙尘和保育土壤的生态效应进行了野外定株观测研究。结果表明:⑴小叶锦鸡儿阻固沙尘的能力很强,单株灌木基部的平均积沙（尘）量为0.49m³,分别是差巴嘎蒿和黄柳的3倍和16倍。⑵每一灌木种的冠幅直径、基部分枝数和分枝直径均与灌木基部的积沙（尘）量有显著的正相关关系,其中冠幅直径对积沙（尘）量的影响最大,决定系数为0.18～0.58（P<0.05,n=30）。⑶三种灌木对土壤有机质、全P、全N和速效P都有不同程度的富集作用,其中对土壤有机质的富集作用更为明显;不同灌木种间,小叶锦鸡儿对土壤有机质和全N的富集作用略大于差巴嘎蒿和黄柳。     

科尔沁沙地优势固沙灌木叶片凋落物分解的主场效应

在气候变化和人类活动的影响下，科尔沁沙质草地中灌木植物种增加，导致沙质草地逐渐向灌木地转变。选取该地区优势固沙灌木差不嘎蒿（Artemisia halodendron）和小叶锦鸡儿叶（Caragana microphylla）凋落物及其混合凋落物开展交互移置培养试验，分析了培养过程中CO₂释放和干物质损失量以及混合凋落物CO₂释放量实测值与预测值的差异，辨析主场效应产生的原因及其驱动机制，以期为将主场效应纳入到凋落物分解模型提供理论基础。结果表明：与高质量的小叶锦鸡儿叶凋落物相比，质量较低的差不嘎蒿叶凋落物分解具有更强的主场效应；其次，引起叶凋落物分解的主场效应归因于土壤微生物的特化作用，而不是土壤动物的搬运或贮藏行为。此外，混合凋落物主场效应与其分解生境中长期输入的凋落物的质量相似性紧密相关，质量相似性越大，主场效应越强，这也是本研究中混合凋落物分解在差不嘎蒿灌丛土壤下具有较强主场效应的原因。     

科尔沁沙地采用人工植被对流沙治理的技术

在科尔沁沙地的流动沙丘上采用不同的人工措施,即铺设秸秆栅栏沙障、草方格和栽植差不嘎蒿,对沙丘的固定作用进行了研究。结果表明三种措施都有利于增加沙丘植物的多样性和生物量,但栽植差不嘎蒿和草方格好于秸秆栅栏沙障;沙丘固定过程中,植物的演替顺序有沙蓬-差不嘎蒿-狗尾草-黄蒿的趋势;植物生物量的形成与土壤湿度关系密切,应用试验数据建立了生物量(Y)与土壤湿度(X)的回归关系方程。Y=-13.7x²+72.5x-11.42 R²=0.824。     

科尔沁沙地3种灌木凋落物分解速率及其与关键气象因子的关系

选取科尔沁沙地3种代表性灌木（差不嘎蒿、黄柳、小叶锦鸡儿）作为研究对象,采用网袋法对其凋落物进行研究,每月取样测试,结合试验期间当地气象资料,对凋落物在不同类型沙丘、不同深度的分解率进行相关分析。结果表明,生长季节内,放置在地表的凋落物在固定沙丘上的分解率大于其在流动沙丘上的分解率,而在冬春季节却相反;凋落物在地下10 cm深处的分解普遍快于地表;经过一年的分解,差不嘎蒿的分解率大于另两种植物,以固定沙丘地表放置为例,其最终分解率为53.6%,大于小叶锦鸡儿的28.5%及黄柳的21%;降水对凋落物的分解影响较地温更大。     

Remote Sensing Indices to Measure the Seasonal Dynamics of Photosynthesis in a Southern China Subtropical Evergreen Forest

The accurate measurement of the dynamics of photosynthesis in China’s subtropical evergreen forest ecosystems is an important contribution to carbon (C) sink estimates in global terrestrial ecosystems and their responses to climate change. Eddy covariance has historically been the only direct method to assess C flux of whole ecosystems with high temporal resolution, but it suffers from limited spatial resolution. During the last decade, continuous global monitoring of plant primary productivity from spectroradiometer sensors on flux towers and satellites has extended the temporal and spatial coverage of C flux observations. In this study, we evaluated the performance of two physiological remote sensing indices, fluorescence reflectance index (FRI) and photochemical reflectance index (PRI), to measure the seasonal variations of photosynthesis in a subtropical evergreen forest ecosystem using continuous canopy spectral and flux measurements in the Dinghushan Nature Reserve in southern China. The more commonly used NDVI has been shown to be saturated and mainly affected by illumination (R²=0.88, p < 0.001), but FRI and PRI could better track the seasonal dynamics of plant photosynthetic functioning by comparison and are less affected by illumination (R²=0.13 and R²=0.51, respectively) at the seasonal scale. FRI correlated better with daily gross primary production (GPP) in the morning hours than in the afternoon hours, in contrast to PRI which correlated better with light-use efficiency (LUE) in the afternoon hours. Both FRI and PRI could show greater correlations with GPP and LUE respectively in the senescence season than in the recovery-growth season. When incident PAR was taken into account, the relationship between GPP and FRI was improved and the correlation coefficient increased from 0.22 to 0.69 (p < 0.001). The strength of the correlation increased significantly in the senescence season (R ²=0.79, p < 0.001). Our results demonstrate the application of FRI and PRI as physiological indices for the accurate measurement of the seasonal dynamics of plant community photosynthesis in a subtropical evergreen forest, and suggest these indices may be applied to carbon cycle models to improve the estimation of regional carbon budgets.     

Climatic Changes Dominant Interannual Trend in Net Primary Productivity of Alpine Vulnerable Ecosystems

The Three-River Headwaters (TRH), which is the source area of Yangtze River, Yellow River and Lancang River, is vulnerable and sensitive, and its alpine ecosystem is considered an important barrier for China’s ecological security. Understanding the impact of climate changes is essential for determining suitable measures for ecological environmental protection and restoration against the background of global climatic changes. However, different explanations of the interannual trends in complex alpine ecosystems have been proposed due to limited availability of reliable data and the uncertainty of the model itself. In this study, the remote sensing-process coupled model (GLOPEM-CEVSA) was used to estimate the net primary productivity (NPP) of vegetation in the TRH region from 2000 to 2012. The estimated NPP significantly and linearly correlated with the above-ground biomass sampled in the field (the multiple correlative coefficient R² = 0.45, significant level P < 0.01) and showed better performance than the MODIS productivity product, i.e. MOD17A3, (R² = 0.21). The climate of TRH became warmer and wetter during 1990-2012, and the years 2000 to 2012 were warmer and wetter than the years1990-2000. Responding to the warmer and wetter climate, the NPP had an increasing trend of 13.7 g m^-2 (10 yr)^-1 with a statistical confidence of 86% (P = 0.14). Among the three basins, the NPP of the Yellow River basin increased at the fastest rate of 17.44 g m^-2 (10 yr)^-1 (P = 0.158), followed by the Yangtze River basin, and the Lancang River, which was the slowest with a rate of 12.2 g m^-2 (10 yr)^-1 and a statistical confidence level of only 67%. A multivariate linear regression with temperature and precipitation as the independent variables and NPP as the dependent variable at the pixel level was used to analyze the impacts of climatic changes on the trend of NPP. Both temperature and precipitation can explain the interannual variability of 83% in grassland NPP in the whole region, and can explain high, medium and low coverage of 78%, 84% and 83%, respectively, for grassland in the whole region. The results indicate that climate changes play a dominant role in the interannual trend of vegetation productivity in the alpine ecosystems on Qinghai-Tibetan Plateau. This has important implications for the formulation of ecological protection and restoration policies for vulnerable ecosystems against the background of global climate changes.     

基于不同卫星光谱模拟的土壤电导率估算研究

土壤电导率 (Electrical conductivity, EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光—近红外光谱数据，利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模拟数据及其5种预处理后的三维光谱指数 (Three-dimensional spectral index, TDSI)，采用梯度提升回归树算法 (Gradient boosting regression tree, GBRT) 建立3种卫星土壤EC估算模型，并比对加入TDSI后模型精度的变化。结果表明：在不同土壤EC条件下，3种卫星具有相似的光谱趋势，均在红、近红外波段附近反射率较高；TDSI与土壤EC相关性基本均在0.4以上，最大程度保留了与土壤EC敏感度高的红、绿、蓝、近红外、短波红外波段信息；GBRT对于土壤EC估算能力表现突出，3种卫星对土壤EC的最佳预测精度R²分别为0.831、0.847、0.903，在加入TDSI后，R²分别提高至0.835、0.857、0.935，综合分析发现，Sentinel 3对土壤EC估算效果最佳 (R²=0.935，均方根误差RMSE=2.986 mS·cm^-1，赤池信息准则AIC=57.500)。通过利用波谱响应技术结合TDSI深度挖掘波段间的协同信息，采用GBRT验证了不同卫星对土壤R²的估算效果，二者相结合可以有效提升模型预测精度，为干旱区土壤盐渍化定量监测与防控提供有利指导。     

干旱区大尺度土壤盐度信息环境建模——以新疆天山南北中低海拔冲积平原为例

区域空间信息有助于决策者针对特定潜在和既定的土壤盐渍化区域制定改良和优化政策,以避免灌区水土资源的不合理配置和干旱区土地生态系统持续性退化。然而现存区域尺度土壤盐度数据以矢量方式留存,多边形内部土壤属性无空间变异性,缺乏实时更新,对当下实际指导作用具有一定的局限性。随着人类活动的加剧,土壤及其结构性退化正加速危害土壤质量和健康。对此,急需更新或升级,用于刻画干旱区生态系统中土壤盐度数据,以辅助制定相关政策,减缓土壤盐渍化的危害。针对此问题,本文基于代表性等级的采样设计方法（Integrative Hierarchical Sampling Strategy, IHSS）,获取少量典型样点,结合土壤—环境推理模型（soil land inference model, SoLIM）,尝试推理区域尺度土壤盐分含量信息。研究以新疆天山南北中低海拔冲积平原为案例,仅以23个代表性样本,推理陆表（0~10 cm）土壤盐分含量,源自3个典型绿洲94个野外样本的验证数据显示,依据评判标准,预测结果与实际情况较为相符,与线性回归模型相比,具备处理土壤与环境变量之间非线性关系的SoLIM,推理精度更高。所以,研究认为模糊隶属度加权平均的方法（IHSS-SoLIM）可以通过较小的建模点得到更好的预测效果,可作为区域尺度土壤盐度推理的备选方案。     

基于无人机遥感的高寒草原沙化模型及等级划分

高寒草原是青藏高原草地生态系统的主要组成，在防风固沙、野生动物保育等方面具有重要作用。近年来，在全球气候变化和人为干扰加剧的背景下，高寒草原沙化加剧，基于时空尺度监测范围及程度是防治高寒草地沙化的前提。以青海三江源区玛多县的高寒草原为研究区，结合大疆“精灵3”和“经纬M100”旋翼无人机和地面调查，探讨基于无人机遥测的植被指数在草地沙化调查方面的适宜性，以此为基础制定了高寒草原沙化模型及等级划分标准。结果显示：（1）通过对VDVI（Visible-Band Difference Vegetation Index）、ENDVI（Enhanced Normalized Difference Vegetation Index）和NGRDI（Normalized Green-Red Difference Index）指数与草地沙化指数GDI（Grassland Desertification Index）的相关分析，选取出高寒草地沙化研究最优植被指数为VDVI（R=0.9055）；（2）GDI与VDVI的关系模型为VDVI=0.3024GDI²-0.0335GDI+0.0119（R²=0.9326）。模型相对误差为1.779%（RMSE=0.165，R²=0.7447），拟合精度较高；（3）基于无人机遥感植被指数的聚类分析，将研究区高寒草原沙化划分为5个等级，即无明显沙化（VDVI>0.2247）、轻度沙化（0.1493 < VDVI < 0.2246）、中度沙化（0.0924 < VDVI < 0.1492）、重度沙化（0.0692 < VDVI < 0.0923）和极度沙化（VDVI<0.0692）。     

MODIS和Landsat时空融合影像在土壤盐渍化监测中的适用性研究——以渭干河—库车河三角洲绿洲为例

土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和灵活的时空融合模型（Flexible spatiotemporal data fusion,FSDAF）,对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率（EC）的随机森林（RF）预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明：ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.8066、R²（SWIR2）=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.6999、R²（SWIR2）=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R²=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R²=0.8987,基于验证影像构建的EC值预测模型R²=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。