近30年乌鲁木齐地区自然植被净第一性生产力变化分析

利用周广胜、张新时提出的自然植被净第一性生产力模型，估算分析了乌鲁木齐地区近30年自然植被净第一性生产力（NPP）的时空变化。结果表明，除后峡地区的NPP呈递减趋势外，其它各地的NPP总体上呈递增趋势；中山带的NPP最高，亚高山、高寒、低山和山前荒漠地带依次降低；气候变暖除对高寒地带的自然植被的NPP有一定的正效应外，对其它地区的NPP均产生较明显的负效应；年降水量的增加对提高自然植被净第一性生产力具有积极作用。     

我国南水北调东线地区陆地植被NPP变化特征

基于EOS/MODIS（TERRA）卫星遥感资料,讨论中国南水北调东线地区陆地植被年均净初级生产力（NPP）的变化特征。结果表明,2000-2004年该地区的陆地植被年均NPP的变化范围为0～1494 g/(m2·a),5 a平均值为395.06 g/(m2·a)。对不同植被的年均NPP分析表明,常绿阔叶林的NPP最大,草地最小。气温是影响该地区陆地植被NPP变化的主要因素,未来南水北调东线地区地表水资源的减少不会对陆地植被的生长产生明显影响。     

阅海湿地芦苇NPP遥感估算及其时空变化分析

利用1987—2012年Landsat 5、2013—2017年Landsat 8数据,分析1987—2017年阅海湿地净初级生产力（NPP）时空变化趋势。同时,基于高分数据（GF2）估算2015—2017年4 m分辨率NPP时空变化,与Landsat结果进行对比。结果表明：在各年7—8月的NPP中2002年NPP值最低,为691.11 g·C·m^-2,2003—2007年NPP均值先增大后减小,2008年后芦苇NPP均值趋于平缓;20世纪80—90年代,芦苇广泛分布于阅海湿地湖中心及四周区域,21世纪00—10年代,芦苇集中分布于湖域东北部区域;1987—2017年,阅海湿地芦苇NPP变化区域差异明显。阅海湿地东北部区域呈降低趋势。对比阅海湿地2016—2017年GF2与Landsat反演区域平均NPP,二者并无显著差异,且变化趋势也一致。     

植被净第一性生产力及其对气候变化响应研究进展

较详细地综述了近些年来，特别是近10年来，国外、国内在全球和区域陆地植被净第一性生产力研究进展，主要包括：植被净第一性生产力研究理论方法；植被净第一性生产力模型和模拟估算；全球气候变化的自然植被净第一性生产力研究和植被覆盖变化及其与气候关系的研究进展；遥感作为当今唯一一种能重复，连续获取全球环境数据信息的高新技术，近年来在植被净第一性生产力研究领域的广泛应用等。同时对今后植被净第一性生产力研究特点和趋势做了讨论，并提出了看法。     

6kaBP中国陆地生态系统净初级生产力的模拟

利用植被与大气相互作用模式（AVIM）模拟了全新世中期（6 kaBP）及现代中国陆地植被净初级生产力（NPP）的大小与分布特征,计算了以上两个时期我国陆地植被NPP的碳总量。结果表明：全新世中期以来气候的变化是影响我国陆地植被NPP变化的主要原因,6 kaBP时期NPP平均值为409 g/（m2·a）, NPP碳总量为3.89 Pg/a,分别比现在高15%和19%。全新世中期至今,我国陆地植被NPP的变化特征与对应时期中国土壤碳储量的变化趋势具有很好的一致性,这表明了利用生态模式模拟长时间尺度下我国陆地植被NPP的变化特征是可行的。     

吴起县2000—2013年植被NPP变化特征

利用美国蒙大拿大学运用生物地球化学模式(Biome-BGC)估算出的净初级生产力产品(MOD17A3),研究吴起县2000—2013年植被净初级生产力(net primary productivety,NPP)的变化特征。结果表明:吴起县2000—2013年年均NPP变化范围在156.92~275.37gC·m-2·a-1,平均值为218.27gC·m-2·a-1,14a植被NPP在波动中呈显著增加趋势(P0.01);全县85.93%面积的NPP变化百分率在10%~50%,年均NPP变化百分率-10%的区域主要分布在吴起县县城周边,年均NPP变化百分率为-10%~0%的区域主要分布在吴起县西北部地区铁边城镇及王坬子乡等地,年均NPP变化百分率为0%~10%的区域主要分布在吴起县城以北及以西地区,植被NPP变化百分率50%的区域分布在吴起县南部白豹乡、楼坊坪乡及长官庙乡部分地区。     

2000-2016年赤水河流域植被生态质量变化分析

为研究中国西部赤水河流域植被生态质量变化特征,本文基于MODIS归一化植被指数（NDVI）和气象监测资料,获取了中国西部赤水河流域2000-2016年植被覆盖度、净初级生产力（NPP）以及植被生态质量指数变化数据,并对17年期间植被生态质量时空变化进行分析。结果表明:（1）植被覆盖度均值从2000年的55.4%提高到了2016年的67.4%,覆盖度呈平均每10年增加6.8%的变化趋势;（2）植被NPP均值从2000年的864 gC/m2提高到了2016年的1024 gC/m2,NPP呈平均每10年增加63 gC/m2的变化趋势;（3）近年来植被生态质量显著提高,2016年植被生态质量为2000年以来最好,植被生态质量指数高达83.7。     

辽宁省净初级生产力时空演变及其对地形因子的响应

植被净初级生产力（NPP）是评估生态环境质量的重要指标之一,为了探明辽宁省生态环境变化,利用MODIS-NDVI数据及CASA模型,对辽宁省2000—2018年NPP进行估算,并在此基础上分析了近19 a辽宁省NPP时空变化特征及其对地形因子的响应。结果表明：2000—2018年辽宁省植被NPP呈波动上升趋势,空间分布特征为东部高西部低;NPP变化趋势率为2.89 gC·m^-2·a^-1,其中,87.4%的地区呈增加趋势,且辽西北地区波动变化最为显著;高程和坡度对NPP变化的影响明显高于坡向;随着高程增加,NPP表现为先增加后平稳的趋势,高程500 m左右出现NPP最大值;随着坡度增加,NPP表现为先增加后略有减小的趋势,坡度35°左右出现NPP最大值;在高程为500 m以上、坡度为15°—35°范围内,NPP值最大。     

基于5种气候生产力模型的乌鲁木齐地区NPP计算分析

根据大西沟、小渠子、乌鲁木齐和达坂城等4个台站1961-2007年的气候资料,分别采用Miami模型、Thornthwaite Memorial模型、Chikugo模型、朱志辉模型和周广胜模型对乌鲁木齐地区各类草场自然植被净第一性生产力进行了计算,并以周广胜模型计算结果为标准,分析了其它模型估算不同类型天然草场NPP的误差。     

近55a新疆植被净初级生产力的时空变化

利用大气植被相互作用模型AVIM2分析了时间长度为55 a、空间分辨率为0.05°×0.05°的新疆植被净初级生产力(NPP),分析了气候变化下NPP的时空演变特征,并研究了其与气温和降水量的关系。结果表明,(1)近55 a新疆NPP平均值为92.4 gC·m~(-2),其中1993年最高为107.1 gC·m~(-2);2014年最小为79.0 gC·m~(-2)。近55 a新疆NPP总量的时间动态变化呈缓慢增加趋势,每10 a的递增速率约为1.8 gC·m~(-2)。(2)夏季是NPP最大的季节,其次是秋季,春季列第三位。山区NPP值较平原高。(3)新疆NPP对降水量变化呈显著正相关,气温的变化对NPP的影响不显著,说明降水的增加相对气温的升高,对新疆植被净初级生产力的变化有着更加积极的影响。     

基于CMIP5模式安徽省植被净初级生产力预估

利用耦合模式比较计划第5阶段（CMIP5）中5个全球气候模式3种典型浓度路径（RCPs）预估结果,基于植被净初级生产力模型,估算安徽省21世纪近期（2018—2030年)、中期（2031—2050年）和远期（2051—2099年）植被净初级生产力及其对气候变化的响应。结果表明：对不同模式在安徽省模拟能力的评估可知,气温以多模式集合模拟效果优于单个模式,MIROC-ESM-CHEM对降水的模拟能力较好。未来安徽省将持续变暖,北部变暖幅度高于南部,其中RCP8.5情景下变暖趋势更显著;全省降水量将增加,南部增加多于北部。随着气候趋于暖湿化,植被净初级生产力总体增加;与基准年相比,21世纪近期增加不明显,中后期显著增加,空间上南部增加总体高于北部。从气候变化响应来看,安徽省植被净初级生产力与降水量和平均气温均显著相关,并且对降水量的响应程度更高。     

全球植被与大气之间碳通量的模式估计(英文)

用大气植被相互作用模式（AVIM）模拟了全球陆地植被的净初级生产力（NPP）。AVIM由相互耦合的两部分组成：物理过程，包括陆地表面水分和能量在土壤、植被与大气之间的传输；以及生理生态过程，如：光合、呼吸、干物质分配、凋落和物候等。全球的植被分为13类，土壤按质地分为6类。用EMDI提供的全球1637个包括不同植被类型的NPP观测点数据对模型进行了检验。NPP模拟的结果表明：全球陆地植被的平均NPP为405.13gCm-2yr-1，不同植被类型的平均 NPP变化范围在99.58 g Cm-2yr-1（苔原）到996.2 g Cm-2yr-1（热带雨林）之间。全球年总NPP为60.72GtCyr-1，其中最大的部分为热带雨林，15.84GtCyr-1，占全球的26.09％。最大的碳汇是在北半球的温带。模式模拟的NPP在全球的空间和季节分布是合理的。     

全球植被与大气之间碳通量的模式估计

用大气植被相互作用模式(AⅥM)模拟了全球陆地植被的净初级生产力(NPP)。AⅥM由相互耦合的两部分组成：物理过程，包括陆地表面水分和能量在土壤、植被与大气之间的传输；以及生理生态过程，如：光合、呼吸、干物质分配、凋落和物候等。全球的植被分为13类，土壤按质地分为6类。用EMDI提供的全球1637个包括不同植被类型的NPP观测点数据对模型进行了检验。NPP模拟的结果表明：全球陆地植被的平均NPP为405.13 g C m-2yr-1，不同植被类型的平均NPP变化范围在99.58 g C m-2yr-l(苔原)到996.2 g C m-2yr-l(热带雨林)之间。全球年总NPP为60.72 Gt C yr-l，其中最大的部分为热带雨林，15.84 Gt C yr-1，占全球的26.09％。最大的碳汇是在北半球的温带。模式模拟的NPP在全球的空间和季节分布是合理的。     

青藏高原大气—植被相互作用的模拟试验Ⅱ.植被叶面积指数和净初级生产力

利用大气－植被相互作用模式AVIM对青藏高原上30个站点进行模拟计算，给出了青藏高原上植被叶面积指数和净初级生产力的分布特征。模拟结果表明，高原上叶面积指数、净初级生产力由东南向西北减少，模拟和观测的分布相一致。分析指出，青藏高原净初级生产力的分布决定于水热条件的共同作用，降水充沛、温度适宜的青藏高原东南部净初级生产力较高，而青藏高原西北部由于降水过少或温度过低，初级生产力很低。     

Influence of dynamic vegetation on climate change arising from increasing CO<Subscript>2</Subscript>

A dynamic global vegetation model (DGVM) is coupled to an atmospheric general circulation model (AGCM) to investigate the influence of vegetation dynamics on climate change under conditions of global warming. The model results are largely in agreement with observations and the results of previous studies in terms of the present climate, present potential vegetation, present net primary productivity (NPP), and pre-industrial carbon budgets. The equilibrium state of climate properties are compared among pre-industrial, doubled, and quadrupled atmospheric CO₂ values using DGVM–AGCM and current AGCM with fixed vegetation to evaluate the influence of dynamic vegetation change. We also separated the contributions of temperature, precipitation and CO₂ fertilization on vegetation change. The results reveal an amplification of global warming climate sensitivity by 10% due to the inclusion of dynamic vegetation. The total effects of elevated CO₂ and climate change also lead to an increase in NPP and vegetation coverage globally. The reduction of albedo associated with this greening results in enhanced global warming. Our separation analysis indicates that temperature alters vegetation at high latitudes such as Siberia or Alaska, where there is a switch from tundra to forest. On the other hand, CO₂ fertilization provides the largest contribution to greening in arid/semi-arid region. Precipitation change did not cause any drastic vegetation shift.