土地利用变化对植被净初级生产力影响研究

针对土地利用变化对植被净初级生产力(NPP)影响尚不明确的问题,该文利用MODIS、MERRA-2和Globeland 30地表覆盖等数据,基于CASA模型估算京津冀地区2000-2020年NPP,从土地利用类型面积和景观格局两方面共同探讨土地利用变化对区域NPP变化的影响。结果表明：耕地面积减小,但NPP增加,森林、草地面积增加,NPP相应增长,2000—2010年、2010—2020年植被土地利用类型面积变化对NPP变化的贡献率分别为18%、34%;景观异质性、破碎程度和连通性变化对NPP变化的影响呈增强趋势;2000—2010年,景观破碎化程度、聚集度、连通性以及森林和草地面积变化对NPP变化影响较强;2010—2020年,景观异质性以及森林和草地面积变化对NPP变化影响起主导作用。成果可为优化京津冀地区土地利用结构、提升区域固碳能力提供数据支撑。     

2009年武汉市植被净初级生产力估算

利用CASA模型,结合实测的光合有效辐射（PAR）数据、MODIS归一化植被指数（NDVI）和Land Cover数据、气象数据等资料,估算了2009年武汉市的植被净初级生产力（NPP）。结果显示,武汉市的植被平均单位面积年NPP产量达到464.19gC·m^-2·a^-1。6、7、8三个月NPP积累值最高,占全年的56.8%;12、1、2三个月NPP值最低,仅占5.6%。黄陂区由于林地较广,NPP值较大,在1 000gC·m^-2·a^-1以上;而城市周边由于植被覆盖面积较小,NPP值较低,在400gC·m^-2·a^-1以下。     

鄂尔多斯草原植被净生产力反演研究

以CASA模型为基础,利用Landsat TM遥感数据作为数据源,并结合气象站的气象数据以及数字高程模型,对1991年-2000年内蒙古地区杭锦旗境内的鄂尔多斯草原进行分类和植被净初级生产力的估算研究,同时使用MODIS数据的NPP数值产品进行精度评价和校正。结果表明:(1)鄂尔多斯草原在生长旺盛季(7月-8月)的NPP的总值为4.70263×1012gCm-2a-1,平均值为124.25gCm-2a-1;(2)鄂尔多斯草原近十年植被净生产力变化呈现先升高后降低的趋势,与95年后过度放牧开垦以及降水量的减少密切相关;(3)利用MODIS中的NPP合成数据产品随机选点做线性回归分析,相关性R2=0.741,可以得到本研究利用CASA模型进行的NPP反演效果较好的结论,具有研究价值。     

稀疏植被净初级生产力时空变化及气象因素关系分析

本文探讨了2001-2018年古尔班通古特沙漠植被NPP时空格局,基于改进的CASA模型,采用空间分析、相关性分析及地理探测器模型等方法,揭示了研究区NPP气候驱动因子及其影响。结果表明:①古尔班通古特沙漠近18年植被NPP变化总体呈现波动增加趋势,增速为0.56 gC· a^-1,NPP均值为46.90 gC· m^-2· a^-1;②2001-2018年,年均NPP整体呈西低东高、北低南高的空间分布格局,但从动态上而言,基本呈现沙漠腹地较稳定、四周较活跃的格局;③古尔班通古特沙漠植被NPP主要受降水因子的影响,与降水、气温因子均呈正相关关系,从各因子驱动力分析而言,降水因子(0.614 4)为限制荒漠植被生长的主导因素。     

基于地理国情普查的佛山植被碳汇能力评估

应用CASA模型,以广东省佛山市为研究区域,探索了基于地理国情普查的广东省市县级林业碳汇能力评估方法。结果表明,由于地理国情普查获得的林业植被数据精度比传统遥感手法获得的高,因此基于地理国情普查数据成果,利用CASA模型可以对区域范围内的林业碳汇能力进行精确估算,从而为政府在碳排放和温室气体管理方面的决策提供科学依据,为地理国情监测成果提供一个典型的应用示范。     

基于CASA模型的北京植被NPP时空格局及其因子解释

以北京为研究区,整合遥感数据、气象数据及其他多源辅助数据,基于改进的光能利用率(carnegie-amesstanford approach,CASA)模型分析了2010年北京植被生态系统净初级生产力(net primary productivity,NPP)的时空分布格局及其主要影响因素。结果表明:12010年北京NPP总量为5.5 Tg C,其NPP的空间分布格局为北部和西部山区总量较高,平原区NPP总量较低;2北京植被NPP的季节变化明显,夏季NPP最大,占全年的62%,冬季最小,仅占3%,春季和秋季分别占全年NPP总量的18%和17%;3北京植被NPP受水分和热量条件限制,不同区域的主要限制因子不同,北部和西部山区自然植被受气温影响较大,平原区农作物生长更容易受降水影响,而在山区向平原过渡区域的植被受太阳辐射变化影响明显。     

基于无人机影像的农作物净初级生产力估算

基于无人机影像对不同农作物植被在不同生长期的净初级生产力进行估算.本文对试验田区域的可见光植被指数(GRRI、GBRI、NGRDI、NGBDI、VDVI及RGBVI)与NDVI指数进行相关性分析,发现可见光波段差异指数(VDVI)与NDVI指数呈显著相关性.在此基础上,将无人机影像的VDVI指数代入CASA模型,对试验田的农作物的月净初级生产力进行估算.结果表明:1)VDVI指数可以很好地区分水稻、玉米和黄豆等作物.2)碳密度月均值的大小与作物的生长时期有直接关系.处于枯萎期的玉米的碳密度均值小于实验田的碳密度月均值,处于生长期的水稻、黄豆和芋头等作物植被的碳密度值大于实验田的碳密度月均值.3)作物混种的碳密度均值大于单一作物的碳密度均值.     

基于高光谱数据日本温带地区植被净初级生产力估算模型应用研究

为了有效的利用高光谱卫星数据获取植被信息,Furumi等在模式分解方法(PDM)的基础上,建立了一种新的植被指数(VIPD).根据地面实验建立的相应光合成曲线植被净初级生产力(NPP)遥感估算模型,利用2001年前后多个月份的MODIS影像数据,对日本纪伊半岛地区的植被净初级生产力进行了估算.研究表明,根据地面实验建立估算模型估算得到的温带常绿植被净初级生产力年均值,与2001年IPCC调查报告上的估算值,在误差范围内一致.地面实验结果证明该光合成曲线NPP估算模型能够较好的应用于温带植被研究.在北纬32°30'-36°24',东经134°30'-137°06',面积3.94×104 km2研究区域内,2001年NPP约为6.11kg CO2/a.从NPP的空间分布上而言,纪伊半岛范围内单位面积NPP以三重和奈良县山地林地带最高,达2.56kg CO2/m2/a.在纪伊半岛植被分类中,温带落叶植被的年均NPP最大,约为2.23 kg CO2/m2/a,水田的年均NPP最小,仅约为1.42 kg CO2/m2/a.     

生态安全视角下的生态保护红线成效评估研究

针对现有生态保护红线内生态保护成效动态评估案例较少,不利于及时掌握管控区域生态状况,对国家生态保护综合管理决策支撑不足的情况,该文围绕生态保护红线“功能不降低、面积不减少、性质不改变”的管控目标,以生态系统类型构成、生态系统服务功能、生态系统质量为主要评价内容,通过时空尺度拓展,耦合分析生态保护红线区内外、实施前后的生态状况变化,评估生态保护红线对保障区域生态安全、改善区域生态系统自我调节能力的贡献,评价相关政策实施对保护成效的影响。结果表明,生态保护红线的划定和实施,对保障京津冀地区自然生态空间、改善区域生态系统质量、提升区域生态系统服务功能,均发挥着重要的作用。     

皖江城市带植被NPP时空变化及其气候响应

针对现有植被净初级生产力研究对城市圈、城市带尺度缺乏关注的问题,基于MODIS遥感数据、地面气象资料等,利用改进的CASA模型,结合回归分析、相关分析等方法探究了2000—2013年皖江城市带植被NPP的时空变化及其对气候因子的响应,为区域生态环境质量评价提供参考。结果表明:近14年来,皖江城市带植被NPP总体呈增加趋势;不同土地利用类型NPP差异显著,林地草地耕地建设用地未利用土地水体;年NPP均值呈现由南部向西北部减少的空间分布特征;植被NPP年际变化率较小,介于±10gC·m-2·a-1范围内;温度是影响研究区植被NPP时空变化的主要气候因子。     

净初级生产力遥感估算模型空间尺度转换

采用基于混合像元的结构分析方法和支持向量机(SVM)算法,建立了高分辨率遥感数据(TM)向低分辨率遥感数据(MODIS)的尺度转换模型,实现了由高分辨率遥感数据获得的NPP向低分辨率遥感数据获得的NPP的空间尺度转换。对低分辨率遥感数据(MODIS)估算的NPP结果进行了尺度效应校正。结果表明:SVM回归模型模拟出的尺度效应校正因子Rj_corrected与1-F中覆盖度草地之间的相关性较高,R2达到0.81。尺度效应校正前的NPPMODIS与NPPTM的相关性较低,R2仅为0.69,RMSE为3.47;尺度效应校正后的NPPMODIS_corrected与NPPTM的相关性较高,R2达到0.84,RMSE为1.87。因此,经过尺度效应校正后的NPP无论是在相关性还是在误差方面有了很大程度的提高。     

Mapping and monitoring net primary productivity with AVHRR NDVI time-series: statistical equivalence of cumulative vegetation indices

In the last two decades, numerous investigators have proposed cumulative vegetation indices (i.e., functions which encode the cumulative effect of NDVI maximum value composite time-series into a single variable) for net primary productivity (NPP) mapping and monitoring on a regional to continental basis. In this paper, we investigate the relationships among three of the most commonly used cumulative vegetation indices, expanding on the definition of equivalence of remotely sensed vegetation indices for decision making. We consider two cumulative vegetation indices as equivalent, if the value of one index is statistically predictable from the value of the other index. Using an annual time-series of broad-scale AVHRR NDVI monthly maximum value composites of the island of Corsica (France), we show that the pairwise linear association among the analysed cumulative vegetation indices shows coefficients of determination (R²) higher than 0.99. That is, knowing the value of one index is statistically equivalent to knowing the value of the other indices for application purposes.     

Normative productivity of the global vegetation

Background  

The biosphere models of terrestrial productivity are essential for projecting climate change and assessing mitigation and adaptation options. Many of them have been developed in connection to the International Geosphere-Biosphere Program (IGBP) that backs the work of the Intergovernmental Panel on Climate Change (IPCC). In the end of 1990s, IGBP sponsored release of a data set summarizing the model outputs and setting certain norms for estimates of terrestrial productivity. Since a number of new models and new versions of old models were developed during the past decade, these normative data require updating.     

Estimating net primary productivity in tropical forest plantations in India using satellite-driven ecosystem model

Net Primary Productivity (NPP) is a significant biophysical vegetation variable to understand the spatio-temporal distribution of carbon and source-sink nature of the ecosystem. This study was carried out in a forest plantation area and aimed to (i) estimate the spatio-temporal patterns of NPP during 2009 and 2010 using Carnegie-Ames-Stanford Approach [CASA] model and (ii) study the effects of climate variables on the NPP using generalized linear modelling (GLM) approach. The total annual NPP varied from 157.21 to 1030.89 gC m^?2 yr^?1 for the year 2009 and from 154.36 to 1124.85 g C m^?2 yr^?1 for the year 2010. The annual NPP was assessed across four major plantation types, where maximum NPP gain (106 and 139 g C m^?2 yr^?1 ) in October was noticed in teak (Tectona grandis) and minimum (77 and 109 g C m^?2 yr^?1 ) in eucalyptus (Eucalyptus hybrid) during 2009 and 2010.The validation, using field-estimated NPP, showed under-estimation of modelled NPP, with maximum MAPE of 34% for eucalyptus and minimum of 13% for teak. The dominant influence of precipitation on the NPP was revealed by GLM explaining more than 20% of variation. CASA model efficiently estimated the annual NPP of plantations. The accuracy could be improved further with inclusion of higher resolution data.     

基于灰色聚类分析方法的生态环境质量综合评价模型

本文解释了生态环境质量评价的概念与现状,说明了灰色聚类分析的原理和一般过程,阐述了生态环境质量综合评价的基本步骤。以中国贵州省遵义县为研究区域,采用该县2003年的资源环境、人口社会经济及灾害数据,针对区域主要生态问题,选取评价指标体系,利用灰色系统理论的灰色聚类分析法建立了生态环境质量综合评价模型。评价结果显示东部生态环境质量较好,而西部较差。这与实际情况相吻合,说明该评价模型具有科学合理性与客观准确性。该评价方法也可用于其他区域的生态环境质量评价。     

Modeling net primary productivity of terrestrial ecosystems in the semi-arid climate of the Mongolian Plateau using LSWI-based CASA ecosystem model

Since the estimate of moisture stress coefficients (MSC) in the current Carnegie-Ames-Stanford-Approach (CASA) model still requires considerable inputs from ground meteorological data and many soil parameters, here we present a modified CASA model by introducing the land-surface water index (LSWI) and scaled precipitation to model the vegetation net primary productivity (NPP) in the arid and semiarid climate of the Mongolian Plateau. The field-observed NPP data and a previously proposed model (the Yu-CASA model) were used to evaluate the performance of our LSWI-based CASA model. The results show that the NPP predicted by both the LSWI-based CASA model and the Yu-CASA model showed good agreement with the observed NPP in the grassland ecosystems in the study area, with coefficients of determination of 0.717 and 0.714, respectively. The LSWI-based CASA model also performed comparably with the Yu-CASA model at both biome and per-pixel scales when keeping other inputs unchanged, with a difference of approximately 16 g C in the growing-season total NPP and an average value of 2.3 g C bias for each month. This indicates that, unlike an earlier method that estimated MSC based entirely on climatic variables or a soil moisture model, the method proposed here simplifies the model structure, reduces the need for ground measurements, and can provide results comparable with those from earlier models. The LSWI-based CASA model is potentially an alternative method for modelling NPP for a wide range of vegetation types in the Mongolian Plateau.