基于MODIS的青海草地产草量变化遥感分析

青海省属于全国四大牧区之一，及时监测草地植被长势、准确估算牧草产量对青海牧区可持续发展与生态保护具有重要意义。草地产草量遥感估算主要基于植被指数与地面实测数据的统计关系，但是估算涉及植被指数、统计模型和建模指标等因素，不同组合建立的估算模型的精度不同。本文基于青海省MODIS数据与地面实测产草量数据，选择了6种植被指数（NDVI、EVI、RVI、DVI、RDVI、MSAVI）、5种统计模型（简单线性模型、二次多项式模型、幂函数模型、指数函数模型、对数函数模型）以及3种建模指标（植被指数年度最大值VI_max、植被指数生长季累积值VI_season-cum、植被指数年度累积值VI_annual-cum），研究不同组合下估算模型的精度差异，并从中选出最优产草量估算模型，用于估算青海省2015年和2016年的产草量。结果表明：（1）6种植被指数中，基于NDVI的产草量估算精度最高；非线性模型的估算精度高于线性模型，尤其是指数模型，适用于大多数草地类型产草量的估算；基于NDVI年度最大值的估算模型对大多数草地类型都具有最高的决定系数（R²）。（2）从干重来看，高产草量区（>1 200 kg·hm^-2）主要位于青海东部的高寒草原，中等产草量区（600~1 200 kg·hm^-2）位于青海南部和东部的高寒草原和禾草草原，低产草量区（<600 kg·hm^-2）位于青海西部和北部的高寒草甸、高寒草原、高寒荒漠和盐生草甸。（3）与2015年相比，2016年青海省干草总产量减少31.60×10⁴ t，减幅为1.36%。其中，禾草草原和高寒草甸的减产幅度最大，而荒漠草原和盐生草甸的产量则有所增加。本文可为草地产草量遥感估算的研究和实践提供参考。     

青海湖高寒湿地生态系统CO2通量和水汽通量间的耦合关系

利用涡度相关技术对青海湖高寒湿地生态系统不同时间尺度CO₂通量和水汽通量间的耦合关系进行了研究。结果显示：不同天气条件下青海湖高寒湿地生态系统30 min净CO₂交换量（NEE）与水汽通量间均显示了极显著负相关关系（P<0.0001）;30 min总生态系统生产力（GEP）与水汽通量呈极显著线性正相关关系（P<0.0001）;阴天水汽通量参与生态系统净CO₂交换和生态系统总碳吸收的比例最高。月均30 min NEE与水汽通量呈极显著线性负相关（R²=0.71,P<0.0001）。从植物返青期、生长期至枯草期,月均30 min的GEP与水汽通量不仅呈极显著线性正相关（P<0.0001）,且在生长期和枯黄期阶段表现出极显著一元二次多项式关系（P<0.0001）。在日尺度上,NEE日总量与日蒸散量呈极显著一元二次多项式负相关关系（R²=0.58,P<0.0001）;GEP日总量与日蒸散量呈极显著指数正相关（R²=0.42,P<0.0001）。在月尺度上,NEE月总量与月蒸散量呈极显著线性负相关（R²=0.60,P<0.0001）,两者还表现为极显著一元二次多项式负相关关系（R²=0.63,P<0.0001）。GEP月总量与月蒸散量呈极显著线性正相关（R²=0.51,P<0.0001）,且表现出极显著指数正相关关系（R²=0.64,P<0.0001）。     

基于无人机遥感的南岭山地树冠与树干性状关联研究

以南岭山地不同海拔高度的冠层树种为研究对象,通过无人机遥感手段获取冠幅、冠周长和冠面积（CA）等树冠性状,探讨其与基径（BD）、胸径（DBH）、2米径（D2）和4米径（D4）等树干性状间的关联性,并构建了冠面积与树干性状间的回归方程。结果表明：南岭山地树冠性状与树干性状的典型变量显著相关（R=0.89,P<0.01）,并且这种相关性随海拔的升高（600 m到1 600 m）总体呈“M”型变化。其中,冠面积与树干性状间的相关性最高,可作为单一自变量反演树干性状,具体方程为：DBH=0.35CA+14.88（R²=0.67）,BD=0.41CA+17.89（R²=0.82）,D2=0.33CA+14.14（R²=0.84）,D4=0.35CA+11.3（R²=0.86）。文章构建的冠面积与树干性状间的回归方程,可作为南岭山地森林生物量遥感反演的基础,也可用于指导南岭森林生态系统的长期监测。     

新疆焉耆盆地LAI反演及空间分布特征

叶面积指数（LAI）是生态系统物质和能量循环过程的重要结构参数。研究植被LAI对监测估算生态环境极其脆弱的内陆干旱区具有理论和实践价值。使用LAI-2000植物冠层分析仪观测焉耆盆地植被LAI,并结合Landsat OLI的NDVI、SAVI、NDMI、NBR、NBR2、MSAVI和EVI等植被指数数据建立了LAI的反演模型,探求焉耆盆地LAI的空间分布特征及规律。结果表明：（1）各植被指数与观测的LAI均有明显的相关性。其中,SAVI与LAI的对数函数模型更好地模拟出研究区的LAI（R²=0.84）;通过LAI-SAVI模型反演研究区LAI的空间分布,估算精度可达89%（R²=0.82,RMSE=0.23）;（2）博斯腾湖小湖湿地、博斯腾湖大湖西北端的黄水沟入湖沼泽区以及焉耆盆地北部冲洪积扇平原绿洲区的LAI值较高,达3.85;焉耆盆地山区和平原区之间的过渡带和博斯腾湖南部的沙漠区LAI较低;（3）焉耆盆地LAI以博斯腾湖为中心环状分布,LAI随着研究区域与湖、河流距离的增加而逐渐降低的趋势。     

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）。     

干旱区盐湖沿岸土壤呼吸特征及其影响因素

明确不同生态系统土壤碳排放规律及其影响因素对准确评估全球碳循环具有重要意义。为揭示干旱区典型盐湖沿岸土壤呼吸（R_s）、土壤呼吸温度敏感系数（Q₁₀）变化特征及其影响因素，以新疆干旱区达坂城盐湖和巴里坤湖沿岸土壤为研究对象，在2015—2016年5~10月利用LI-8100土壤碳通量自动测量系统对盐湖沿岸土壤呼吸速率进行测定，分析了土壤呼吸季节性变化特征及其影响因子。结果表明，干旱区盐湖土壤呼吸变幅较大（0.07~11.59 μmol·m^-2·s^-1），平均值为2.45 μmol·m^-2·s^-1，7月土壤呼吸速率最高为4.69 μmol·m^-2·s^-1，10月最低（1.01 μmol·m^-2·s^-1）；土壤CO₂累积排放量为9.30 g·m^-2·d^-1，7月累积排放量最大为17.82 g·m^-2·d^-1。Q₁₀呈“降低—增加—降低”趋势，6月最低（2.25）9月最高（3.52），平均值为2.79。干旱区盐湖沿岸土壤呼吸受土壤有机碳（SOC）、5 cm土壤温度（ST5）、土壤含水量（SM）和土壤盐分（Salt）的共同影响，单因素模型模拟可解释土壤呼吸速率变化的41.7%~75.7%（R²=0.417~0.757，P＜0.05），多因子综合模型拟合结果最佳R_s=0.001×SOC+0.039×SM-0.534×Salt-0.116×ST5+5.06（R²=0.804，P=0.05），且均表明盐分是影响干旱区盐湖沿岸土壤呼吸速率的主要因子。因此，在考虑陆地生态系统碳收支和碳循环时不能忽略干旱区盐湖沿岸土壤碳过程，以及盐分对盐湖生态系统碳排放的影响。     

半干旱区不同类型沙丘风沙流结构特征

采用两种阶梯式集沙仪和小型气象站于2017年4—5月对科尔沁沙地流动沙丘、半固定沙丘和固定沙丘0~75 cm气流层风沙流的总输沙量、输沙率、粒径组成分布和风蚀特征值进行了观测。结果表明：（1）随着高度增加,总输沙量下降,随着风速增加,总输沙量上升;92.20%~95.60%的输沙量发生在0~21 cm高度。（2）总输沙率（Q）流动沙丘>半固定沙丘>固定沙丘,将Q与地上200 cm风速进行函数拟合,流动沙丘幂函数最佳（R²=0.986）,半固定（R²=0.990）和固定沙丘（R²=0.956）指数函数最佳。（3）将各高度的输沙率与地上200 cm风速进行函数拟合,流动沙丘（R²≥0.905）和半固定沙丘（R²≥0.968）拟合度幂函数好于指数函数,固定沙丘（R²≥0.923）指数函数优于幂函数。（4）在一定高度下,3类沙丘输沙率均随着风速的增加而增加;在一定风速下,输沙率随着高度的增加而逐渐递减。（5）3类沙丘的特征值随着风速的增加呈现出逐渐递增的趋势;流动沙丘以λ>1为主,表现出持续侵蚀输送沙粒的能力;半固定沙丘当风速>9.0 m·s^-1时逐渐出现侵蚀状态;固定沙丘以λ<1为主,近地表风沙以堆积状态为主。（6）3类沙丘主要由粒径为0.1~0.25 mm的细沙构成,在0~30 cm高度,细沙占输沙量的50.09%~85.11%,在30~75 cm高度,细沙占输沙量的43.53%~75.53%。     

基于多源遥感和机器学习方法的科尔沁沙地植被覆盖度反演

植被覆盖度是监测生态系统及其功能的关键参数,如何提高大区域植被覆盖度的反演精度,对生态脆弱区环境可持续发展至关重要。本研究基于人工神经网络、支持向量回归和随机森林等机器学习方法,利用无人机、Worldview-2与Landsat 8 OLI遥感数据,对科尔沁沙地植被覆盖度进行多尺度反演。结果表明：随机森林模型比人工神经网络、支持向量回归模型表现佳,可在单元（试验区）、区域（研究区）尺度上较高精度地反演沙地的植被覆盖度,反演值与无人机实测值均在线性水平上呈显著相关（P<0.01）;在单元、区域尺度上,构建的植被覆盖度反演模型测试集R²分别为0.84、0.80,MSE分别为0.0145、0.0370,一致性指数d分别为0.9576、0.8991。利用多源遥感数据和机器学习方法,通过局部区域的高精度反演逐步实现低空间分辨率遥感影像的大区域植被覆盖度反演,不仅可有效提高沙地植被覆盖度的反演精度（R²=0.78,大于0.63）,也为区域生态环境监测与生态系统健康评价提供支持。     

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。     

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。     

内蒙古高原等地湖泊表层沉积物孢粉与植被覆盖度定量关系研究

过去植被覆盖度重建在长尺度气候模拟和陆地生态环境演变机制研究等方面具有重要意义。基于现代过程的孢粉—植被覆盖度转换函数研究，可为利用孢粉地层数据重建过去植被覆盖度变化提供一条新的途径。以内蒙古高原等地39个湖泊和7个水库中心的表层沉积物孢粉组合与归一化植被指数（NDVI）为研究对象，利用加权平均偏最小二乘法（WA-PLS）、局部加权加权平均法（LWWA）和最佳类比法（MAT）分别建立了孢粉—NDVI转换函数；通过留一交叉检验法、自助法和空间自相关性等检验，筛选出最优模型并应用于古地层孢粉数据，实现定量重建过去植被覆盖度变化。结果表明：MAT和WA-PLS模型均受到空间自相关性的显著影响，而LWWA模型则是建立孢粉—NDVI转换函数的最优模型。与已有类似转换函数表现能力的对比表明，本研究建立的转换函数具有较强的可靠性和应用潜力。基于本研究转换函数重建的内蒙古辉腾锡勒（HTL）区域全新世植被覆盖变化与孢粉重建的植被变化具有很好的一致性，进一步印证了本研究转换函数的较强潜力，均表现出对降水变化的响应更为显著。     

基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏，给荒漠化监测等相关工作带来很大不便，开展植被覆盖度遥感估算经验模型研究，对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍，利用无人机遥感提取（光合）植被信息，并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应，获取在高分辨率卫星影像像元尺度上的植被盖度，然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系，建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法，可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因，所建立的遥感估算模型的估算精度尚相对偏低，有待于今后进一步的工作加以改进。     

The 30m-NDVI-based Alpine Grassland Changes and Climate Impacts in the Three-River Headwaters Region on the Qinghai-Tibet Plateau from 1990 to 2018

The response of long-term vegetation changes and climate change has been a hot topic in recent research. Previously, a Landsat-based fusion model was developed and used to produce a dataset of normalized vegetation index (NDVI) for the Three-River Headwater region on the Qinghai-Tibet Plateau with a spatial resolution of 30 m and the time spanning the nearly 30 years from 1990 to 2018. In this study, the NDVI was applied to an analysis of the spatial and temporal changes in the alpine grassland and the impacts from climate change using the Theil-Sen Median method and linear regression. The results showed that: (1) The regional mean NDVI was 0.39 and showed a spatial pattern of decreasing from the southeast to the northwest in the recent three decades. Among the three parks, the Lancang River Park had the highest NDVI (0.43), followed by the Yellow River Park (0.38) and Yangtze River Park (0.23). (2) An upward trending was found in the NDVI time series at a rate of 0.0031 yr^-1 (R² =0.62, P < 0.01) over the whole period of 1990-2018. The increasing rate (0.00649 yr^-1, R² =0.71, P < 0.01) in the latter period of 2005-2018 was nearly 2.3 times of that (0.00284 yr^-1, R² =0.31, P < 0.01) in the previous period of 1990-2005. In the latest periods, the three parks experienced rates that were 2.3 to 63 times the corresponding values in the early period. (3) The NDVI is correlated more positively with temperature than precipitation. The impacts of climate change decreased along with the coverage fraction from the higher, median and then lower levels. The climate change can explain 34% of the variability in the NDVI time series of the areas with a higher fraction of grassland coverage, while it was 31% for the median fraction and 20% for the lower fraction. This study is the first to use the 30 m NDVI dataset spanning nearly 30 years to analyze the spatial and temporal variability and climate impacts in the alpine grasslands of the Three-River Headwater region of the Qinghai-Tibet Plateau. The results provide a basis for assessments on the ecological management effects and ecological quality based on long-term baseline data with a higher spatial resolution.     

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.     

1982~2013年青藏高原高寒草地覆盖变化及与气候之间的关系

利用GIMMS NDVI数据和地面气象站台观测数据,对青藏高原1982~2013年高寒草地覆盖时空变化及其对气象因素的响应进行研究,结果表明：青藏高原高寒草地生长季NDVI表现为从东南到西北逐渐减少的趋势,近32 a来,整个高原草地生长季NDVI呈上升趋势,增加速率为0.000 3/a (p<0.05);高寒草地生长季NDVI年际变化具有空间异质性,整体为增加趋势,呈增加趋势的面积约占研究区域面积的75.3%,其中显著增加的占26.0% （p<0.05）,类型主要为分布在青藏高原东北部地区的高寒草甸;比例为4.7%,草地类型主要为高寒草原,主要分布在高原西部地区;基于生态地理分区的分析显示,青藏高原草地与降水、温度的相关关系具有明显的空间差异,高寒草地生长季NDVI均值与降水呈显著正相关,对降水的滞后效应显著;高原东北部温度较高,热量条件较好,降水为高寒草地生长季NDVI变化的主导因子;东中部地区降水充沛,温度则为高寒草地生长的制约因子;南部地区降水和温度都较适宜,均与高寒草地生长季NDVI相关性显著(p< 0.05),共同作用于草地的生长;中部和西部地区,气候因子与高寒草地生长季NDVI关系均不显著。     

祁连山东延余脉——兴隆山树木径向生长记录的公元1845年来夏季NDVI变化

NDVI能够反映地表覆盖和生态环境变化。在祁连山东延余脉采集树轮样本,分析树木径向生长与植被NDVI的相关关系,并重建历史时期植被NDVI变化。结果表明：树木径向生长与夏季NDVI受到水热条件变化的显著影响,且树轮宽度与夏季NDVI显著正相关,采用简单线性回归方法建立二者的拟合方程,方差解释量达0.600（R²_adj=0.582,F=34.472,P<0.0001）;公元1845年以来,重建的NDVI序列显示植被覆盖相对较低时期有19世纪60年代,80年代初期,20世纪初期和20-30年代,其中20世纪20-30年代NDVI低值期与中国北方大范围旱灾一致;重建的NDVI与旱涝指数显著负相关,证实重建NDVI序列的可靠,且显示该区旱涝演化趋势;周期分析表明公元1845年以来,NDVI序列存在2-3年、5年左右、13年左右和15年左右的振荡。     

青藏高原草地地上生物量和理论载畜量

准确模拟和预测草地地上生物量(Aboveground biomass,AGB)和理论载畜量对于维持草地生态系统平衡、优化放牧管理至关重要。当前很多研究以围栏外草地AGB为基础,估算了青藏高原草地AGB的现存量。但是,牛羊啃食后的草地AGB现存量无法准确评估草地理论载畜量。围栏内草地不受家畜采食影响,其年际变率由环境因子驱动,可视为草地潜在AGB (potential AGB,AGB_p),更适用于草地理论载畜量的评估。本研究以青藏高原345个围栏内AGB观测数据为基础,结合气候、土壤和地形数据,利用随机森林算法构建草地潜在地上生物量估算模型,并对当前气候条件(2000-2018年)和未来20年(2021-2040年)4种气候变化情景(SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5)下的草地AGB_p和高寒草地理论载畜量进行模拟与预测。结果表明:(1)随机森林算法可准确模拟当前气候条件下的青藏高寒草地AGB_p(R²=0.76,P<0.001);2000-2018年青藏高寒草地AGB_p平均值为102.4 g m^-2,时间上增加趋势不明显(P>0.05);AGB_p年际波动和生长季降水显著正相关(R²=0.57,P<0.001),和生长季温度日较差显著负相关(R²=0.51,P<0.001)。(2)当前气候条件下,青藏高寒草地平均理论载畜量为0.94 SSU ha^-1(standardized sheep unit ha^-1);在过去20年约有54.1%草地理论载畜量呈提升状态。(3)和当前相比,未来20年青藏高原中部和北部草地AGB_p和理论载畜量呈下降态势。因此,建议未来在厘清气候变化影响下草畜关系的基础上进行有针对性的草牧业规划和管理,以缓解区域气候变化引起的草畜矛盾。     

黄土高原地区NDVI与气候因子空间尺度依存性及非平稳性研究

基于MODIS传感器的植被指数产品(MOD13Q1)及50年气候数据,通过地理加权回归与普通最小二乘回归模型对比,对中国黄土高原地区NDVI与气候因子间的空间尺度依存性及非平稳性进行研究,以期准确建立二者间关系.结果表明:① 研究区域内,NDVI与气候因子间存在很强的空间尺度依存关系,相同空间尺度下,年均降水较年均温对NDVI影响的波动性更大;② 与普通最小二乘回归模型相比,地理加权回归模型能够更准确地展现二者间关系;③气候因子对该地区NDVI的影响差异明显,降水存在直接正向影响,而温度的影响则较复杂;④ NDVI与气候因子间沿东北--西南的分布格局体现出区域内不同植被--气候区差异特征.二者间的异质情况还反映出除气候外,人类活动,地形等其他因素对NDVI的影响.