黑河流域植被净初级生产力的遥感估算

利用光能利用率模型C-FIX,高时空分辨率的SPOT/VEGETATION遥感数据,全球格网化气象再分析资料以及黑河流域土地利用图,估算了1998—2002年黑河流域不同生态系统净初级生产力(NPP)的年总量和平均生产力,输出了黑河流域NPP年累积量空间分布格局图、NPP季节动态图,分析了近5a来黑河流域NPP时空变化特征,评价了不同土地利用类型下的生态系统生产力水平差异。其结果表明,黑河流域陆地生态系统NPP空间分布及其季相变化特征是流域自然环境、地貌、气候以及人类生产活动长期共同作用和影响的结果,其中水分条件是控制黑河流域陆地生态系统NPP空间格局的决定因子。1998—2002年黑河流域山区高覆盖度草地和下游荒漠区净初级生产力持续下降,反映出这些地区生态环境恶化严重。这些研究结果可以为黑河流域的水-生态-经济系统的合理设计与有效实施提供科学数据集。     

中国陆地净初级生产力的季节变化研究

了解不同季节陆地净初级生产力(NPP)的变化及与气候的相互关系以及在不同地类的差异对深刻理解我国陆地生态系统对全球气候变化的响应和陆地碳循环研究具有重要意义。本文使用1981～2000年间GLO-PEM模型模拟的我国陆地NPP数据和同期气温、降水以及土地利用数据, 研究不同季节我国陆地植被NPP的变化。结果表明,在1981～2000年期间,四个季节的NPP都呈显著增加趋势,春季是NPP增加速率最快的季节,夏季是NPP增加量最大的季节。耕地在春、夏和秋季NPP增长和增长率最高,林地冬季NPP增长最多而水域冬季NPP增长率最高。夏季NPP增长最高的区域分布于我国东部的多数地区、内蒙古东部、四川盆地、贵州东部、藏南和新疆西部;夏季NPP降低最多的区域分布于在呼伦贝尔高原、鄂尔多斯高原、黄土高原、青藏高原东部和新疆西北部。     

三江源植被净初级生产力估算研究进展

植被净初级生产力（NPP）作为重要的植被参数和生态指标,能够直观地反映生态环境的变化和区域碳收支水平。鉴于三江源特殊的地理环境和战略地位,众多学者曾应用不同的方法对三江源植被NPP进行了估算,但是由于各方面原因,NPP估算结果存在较大差异。目前,虽在三江源地区开展了大量NPP估算研究,但尚未有相关文章对这些研究进行汇总并加以分析和评价。因此,本文在前人研究成果的基础上,通过综述已有文献,对三江源植被NPP估算的相关方法与结果进行了系统地总结,探讨不同方法在三江源地区的适用性,指出已有方法存在的主要问题,并对现有NPP估算结果进行评估分析,最后提出了未来三江源NPP估算研究亟待加大研究力度的方向。     

海洋初级生产力遥感与GIS评估模型研究

本文探讨了利用遥感和地理信息系统技术获取海洋初级生产力的基本原理和方法。根据表层海水叶绿素遥感信息反演模型。介绍了三种基于表层海水中叶绿素浓度的海洋初级生产力算法。根据这三种算法,利用ＧＩＳ建模技术,推导了具有空间特征的海洋初级生产力的ＧＩＳ理论估算模型,以及这种模型的求解方法。     

青藏高原主要生态系统净初级生产力的估算

利用青藏高原贡嘎山、海北、五道梁、拉萨等4个野外台站2000~2002年的观测数据、陆地生态系统模型与2001年MODIS遥感数据相结合的方法来估算青藏高原区域的净初级生产力。结果表明:青藏高原区域的净初级生产力空间分布趋势表现出由东南向西北逐渐递减的梯度,该趋势也与水热梯度表现基本一致;整个青藏高原的净初级生产力为302.44×1012 gC yr-1,其中森林的净初级生产力最高,120.11×1012 gC yr-1,占整个高原净初级生产力的39.7%;全年中夏季(6~8月) 的净初级生产力最高,246.7×1012 gC yr-1,约占全年总净初级生产力的80%。用实测数据验证模拟结果表明,二者非常相符。     

青海省草地资源净初级生产力遥感监测

在研究特定区域的草地光能利用率和环境影响因素典型特点的基础上,建立基于光能利用率的草地NPP遥感估算模型,模拟并分析2006年青海省草地FPAR、光能利用率、NPP的空间分布和季相变化特征。研究结果表明,2006年青海省草地净初级生产力平均值为173.28 gC/(m2.a)。青海省东南部、南部和青海湖周围三个地区,是青海省草地NPP较高的区域。不同草地类型的NPP存在差异,高覆盖度草地的单位面积平均NPP为193.82 gC/(m2.a),中覆盖度草地NPP为157.14 gC/(m2.a),低覆盖度草地NPP为121.08 gC/(m2.a)。     

云南省自然植被净初级生产力的时空分布特征

基于气候生产力模型,利用1960～2000年127个气象站气温、降水资料以及植被信息,对云南省自然植被净初级生产力的时空分布特征进行了分析。结果表明:41a云南自然植被年均NPP为4.23×108tDM/a,约占全国自然植被年均NPP总量的11.4%;单位面积的平均NPP为10.64tDM/(hm2·a),是全国平均水平的2.8倍。云南自然植被NPP随着纬度、经度和海拔高度的增加均呈现下降趋势,变化总趋势为北部<中部<南部,东部<中部<西部。云南自然植被NPP在干季(11～4月)和雨季(5～10月)差异显著,6～8月最大;41a来云南大部分地区自然植被NPP呈现上升趋势,20世纪70、80年代比60年代有所下降,90年代有所上升。气温增加,降水增加或不变的情况下,滇西北和滇东北NPP增加幅度大于其他地区,说明这些地区气温是制约自然植被NPP的主要因素;气温增加,降水减少的情况下,几个少雨区和多雨区NPP降低幅度大于其他地区,表明在上述地区限制NPP的主要因素是水分。     

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。     

澜沧江下游流域植被净初级生产力(NPP)时空变化及其驱动因素分析

利用遥感、地形、气候等数据,采用CASA模型对研究区2000年、2010年和2018年3月、7月、11月的NPP值进行估算,结果表明:(1)相对于2000年,2010年的NPP值呈下降趋势,2010年到2018年又向较好趋势发展,且NPP值在3个时期的年内变化均为7月＞3月＞11月;(2)NPP低值区主要分布在下游流域...     

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。     

Estimation of net primary productivity in China using remote sensing data

1 IntroductionAs a major part of terrestrial ecosystem, vegetation plays an important role in the energy, matter and momentum exchange between land surface and atmosphere. Through the process of photosynthesis, land plants assimilate carbon in atmosphere and incorporate into dry matter while part of carbon is emitted into atmosphere again through plant respiration. The remainder of photosynthesis and respiration is called net primary productivity (NPP), which is important in the global carbon…     

A systematic review of research studies on the estimation of net primary productivity in the Three-River Headwater Region,China

The Three-River Headwater Region (TRHR), known as the “Water Tower of China”, is an important ecological shelter for national security interests and regional sustainable development activities for many downstream regions in China and a number of Southeast Asian countries. The TRHR is a high-elevation, cold environment with a unique, but typical alpine vegetation system. Net primary productivity (NPP) is a key vegetation parameter and ecological indicator that can reflect both natural environmental changes and carbon budget levels. Given the unique geographical environment and strategic location of the TRHR, many scholars have estimated NPP of the TRHR by using different methods; however, these estimates vary greatly for a number of reasons. To date, there is no paper that has reviewed and assessed NPP estimation studies conducted in the TRHR. Therefore, in this paper, we (1) summarized the related methods and results of NPP estimation in the TRHR in a systematic review of previous research; (2) discussed the suitability of existing methods for estimating NPP in the TRHR and highlighted the most significant challenges; and (3) assessed the estimated NPP results. Finally, developmental directions of NPP estimation in the TRHR were prospected.     

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...     

Classifying urban land use by integrating remote sensing and social media data

Urban land use information plays an important role in urban management, government policy-making, and population activity monitoring. However, the accurate classification of urban functional zones is challenging due to the complexity of urban systems. Many studies have focused on urban land use classification by considering features that are extracted from either high spatial resolution (HSR) remote sensing images or social media data, but few studies consider both features due to the lack of available models. In our study, we propose a novel scene classification framework to identify dominant urban land use type at the level of traffic analysis zone by integrating probabilistic topic models and support vector machine. A land use word dictionary inside the framework was built by fusing natural–physical features from HSR images and socioeconomic semantic features from multisource social media data. In addition to comparing with manual interpretation data, we designed several experiments to test the land use classification accuracy of our proposed model with different combinations of previously acquired semantic features. The classification results (overall accuracy = 0.865, Kappa = 0.828) demonstrate the effectiveness of our strategy that blends features extracted from multisource geospatial data as semantic features to train the classification model. This method can be applied to help urban planners analyze fine urban structures and monitor urban land use changes, and additional data from multiple sources will be blended into this proposed framework in the future.     

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。     

Dynamic change of net primary productivity and fractional vegetation cover in the Yellow River Basin using multi-temporal AVHRR NDVI Data

An exponential relationship between net primary productivity (NPP) and integrated NDVI has been found in this paper. Based on the relationship and using multi-temporal 8 km resolution NOAA AVHRR-NDVI data, the spatial distribution and dynamic change of NPP and fractional vegetation cover in the Yellow River Basin from 1982 to 1999 are analyzed. Finally, the effect of rainfall on NDVI is examined. Results show that mean NPP and fractional vegetation cover have an inclining trend for the whole basin, and rainfall in flood season influences vegetation cover most.     

Dynamic change of net primary productivity and fractional vegetation cover in the yellow river Basin using multi-temporal AVHRR NDVI Data

An exponential relationship between net primary productivity (NPP) and integrated NDVI has been found in this paper. Based on the relationship and using multi-temporal 8 km resolution NOAA AVHRR-NDVI data, the spatial distribution and dynamic change of NPP and fractional vegetation cover in the Yellow River Basin from 1982 to 1999 are analyzed. Finally, the effect of rainfall on NDVI is examined. Results show that mean NPP and fractional vegetation cover have an inclining trend for the whole basin, and rainfall in flood season influences vegetation cover most.     

中国北方农牧交错带城市扩展过程对植被净初级生产力影响研究——以呼包鄂地区为例

评价中国北方农牧交错带城市扩展过程对植被净初级生产力（Net Primary Productivity,NPP）的影响是揭示区域城市扩展过程生态效应的基础。以正在经历快速城市化的呼包鄂地区为例,基于空间分辨率为30 m的土地利用/覆盖数据,评价了该地区2000-2015 年城市扩展过程对NPP的影响。研究结果表明,呼包鄂地区城市扩展导致NPP明显增加,2000-2015 年城市扩展区域NPP均值从429.67 NDVI·PAR增加到489.71 NDVI·PAR,增加了13.97%。呼包鄂地区以城市土地占用草地为主要特征的城市扩展方式是城市扩展区域NPP增加的主要原因。