2005—2020年海南岛植被净初级生产力(NPP)时空变化特征分析

基于MODIS遥感数据提取的海南岛NPP数据,结合气象因子数据,统计并对比分析了2005—2020年海南岛主要植被NPP变化及其气候响应关系。结果表明:16年间海南岛植被NPP整体呈现在波动中缓慢增加趋势;NPP空间分布呈现自中南向四周沿海递减,16年间大部分地区NPP值基本不变,沿海地区增长明显,中北部区域有所降低;NPP与气温呈负相关,与降水呈正相关,NPP对温度变化响应的敏感度高于降水,不同植被类型NPP对气温和降水相关性排序为草地>林地>耕地。研究结果可为海南岛植被碳储量状况及生态环境调节与修复提供数据支持。

气候变化和人类活动对云南省植被净初级生产力的影响

深入理解气候变化和人类活动对植被变化的驱动机制对于生态保护和可持续发展有重要的科学意义。本研究基于MOD17A3/NPP产品数据,采用线性趋势分析、Mann-Kendall显著性分析、Hurst指数和二阶偏相关分析,探讨云南省2001-2021年植被NPP的时空分布特征和未来持续性以及植被NPP与气候条件的关系。采用偏导趋势残差法分离和量化气候变化和人类活动对植被NPP的影响。结果发现,空间上,2001-2021年云南植被NPP年均值南高北低。不同植被类型NPP值(单位:gC∙m^(-2))从大到小依次为:林地(1106.7 gC∙m^(-2))、灌木(964.4 gC∙m^(-2))、农田(946.6 gC∙m^(-2))和草地(878.8 gC∙m^(-2))。植被NPP随海拔上升先增后降。(2)在研究时段内,植被NPP年均值为1020.8±30.7 gC∙m^(-2),最小值和最大值分别出现在2010年(950.0)和2019年(1062.1)。植被NPP呈显著增加趋势,增加率为2.1 gC∙m^(-2)∙a^(-1)(p<0.05),增加和显著增加的面积分别占研究区总面积70.0%和26.3%。不同植被类型NPP的增加率(单位:gC∙m^(-2)∙a^(-1))从大到小依次为:草地(4.1 gC∙m^(-2)∙a^(-1))、农田(3.5 gC∙m^(-2)∙a^(-1))、灌木(2.8 gC∙m^(-2)∙a^(-1))和林地(1.3 gC∙m^(-2)∙a^(-1))。Hurst指数均值为0.60,植被NPP未来变化趋势持续增加和由减少转为增加的面积占总面积的55.5%和9.3%,表明大部分地区植被NPP未来仍将持续增加。(3)2001-2021年云南省平均气温显著增加,降水和太阳辐射波动减少。大部分地区植被NPP与气温、降水和太阳辐射正相关,气温对植被NPP的影响大于降水和太阳辐射。(4)气候变化和人类活动对云南植被NPP变化的相对贡献率分别为27.1%和72.9%,正贡献的面积分别占研究区总面积的59.4%和64.6%,相对贡献率>60%的面积占比分别为12.7%和73.4%。大部分地区人类活动对植被NPP的影响大于气候变化。云南植被改善主要受气候变化和人类活动的共同作用的影响,植被退化则主要受人类活动主导和两者共同作用的影响,生态保护、恢复工程对云南植被改善有着显著的促进作用。

基于FY-3D/MERSI2的内蒙古草地净初级生产力反演

净初级生产力(Net Primary Productivity,NPP)不仅是估算生态系统固碳释氧、衡量陆地碳循环的主要参数,也是评价生态系统健康状况的主要指标。针对目前国产卫星对草地净初级生产力遥感监测应用较少的情况,本文基于FY-3D/MERSI2资料构建一套内蒙古草地净初级生产力反演模型,结合光能利用率模型与生态过程模型,以遥感数据产品和中国气象局陆面数据同化系统(CMA Land Data Assimilation System,CLDAS)资料为驱动,通过较严格的云检测算法得到晴空条件下内蒙古草地NPP。研究中引入分辨率较高的格点化气象数据,提升了反演结果的精细化程度;同时还基于观测数据及MODIS产品构建了内蒙古草地生育期不同月份(5—8月)地上生物量及光合有效辐射吸收比率(Fraction Photosynthetic Active Radiation Absorption Ratio,FPAR)与归一化植被指数(Normalized Differ⁃ence Vegetation Index,NDVI)的多种关系模型,基于FY-3D数据直接估算叶面积指数(Leaf Area Index,LAI)及FPAR等过程参数。将反演的关键生态过程参数与MODIS对应产品对比,发现二者具有较好相关性和空间一致性。最后利用2021年6月18个生态气象观测站牧草观测资料与估算结果进行对比验证,二者具有较好的一致性,相关系数为0.86。本研究利用FY-3D/MERSI2反演的NPP能够完整呈现内蒙古地区植被生产力的普遍状态。

黄土高原不同生态地理区植被净初级生产力变化与驱动力分析

为支撑黄土高原精准生态恢复工程建设和区域可持续发展政策制定,围绕黄土高原“退耕还林”工程后,经济建设、生态工程及气候变化耦合影响下不同生态地理区的植被净初级生产力变化与驱动力展开研究。为实现此目的,首先收集了长时间序列(2000—2015)土地利用、植被净初级生产力、气象等数据,采用趋势分析等手段,研究了黄土高原各生态地理区净初级生产力的变化规律;然后采用土地转移矩阵分析、相关分析等手段,分析了导致各地理区植被净初级生产力变化的驱动力。结果表明,黄土高原不同生态地理区的气候变化、生态工程建设有别,从而导致净初级生产力变化趋势不同;大多生态地理区的净初级生产力主要受气候变化影响,少量地理区的净初级生产力受气候与生态工程建设耦合作用的影响;在生态恢复工程为净初级生产力变化主导因子的地理区,其影响主要体现在2010年之前,且生态工程建设适宜采用的植被恢复类型有别。

青藏高原草本沼泽植被净初级生产力时空变化及其对气候变化的响应

青藏高原是我国重要的草本沼泽分布区,该地区草本沼泽对于东亚生态安全及碳循环具有重要的意义。植被净初级生产力(NPP)是反映生态系统固碳能力的重要指标,气候变化能够显著影响植被NPP。在全球气候变化背景下,青藏高原草本沼泽植被NPP的时空变化及对气候响应机理尚不明确。利用2000―2020年NPP数据和气象数据,对青藏高原草本沼泽植被NPP的时空变化及其对气候变化的响应进行分析。研究表明:青藏高原草本沼泽植被NPP多年平均值为122.80 g C/m^(2),在2000—2020年青藏高原草本沼泽植被年NPP总体呈现显著增加趋势(0.79 g C m^(-2)a^(-1)),其中增加趋势最为显著的地区集中于研究区北部。研究发现青藏高原草本沼泽植被NPP主要受年均气温影响,年均降水对青藏高原草本沼泽植被NPP的影响并不显著。在不同季节,夏季和秋季升温均能够显著增加沼泽植被NPP,其中夏季夜晚最低温升高对青藏高原草本沼泽植被生长的促进作用比白天最高温升高更显著。在全球昼夜不对称增温背景下,未来模拟青藏高原草本沼泽植被NPP时,需重点关注白天和夜晚温度变化对草本沼泽植被生长的不同影响。研究结果有助于评估青藏高原草本沼泽植被固碳潜力,并为青藏高原沼泽生态保护提供科学依据。

高寒草地植物群落地上-地下净初级生产力权衡

植物生产力分配和权衡是植物生态学研究中的热点,反映植物对环境的适应性,是了解植物响应全球气候变化的关键。青藏高原作为气候变化敏感区,研究其植物地上与地下部分权衡对了解高寒草地植被生存策略和生态系统可持续发展具有重要意义。目前,生物量分配调控机制已被广泛研究,但主要使用植物根冠比和地上-地下生物量比等方法来表征植物分配模式,缺乏考虑因植物生长周期导致的差异。使用青藏高原高寒草地103个样点的地上和地下净初级生产力数据,分析高寒草甸和高寒草原两种主要草地类型的地上-地下净初级生产力权衡关系。利用气候因素和土壤因素等相关数据,结合方差分析、相关分析、相对重要性分析和结构方程模型的方法,探究环境因素对两种草地类型地上-地下净初级生产力权衡的影响机制。研究发现:(1)高寒草甸的地上净初级生产力、地下净初级生产力和土壤养分含量显著高于高寒草原(P<0.05);(2)高寒草地植被生产力均向地下权衡(0.0199),且高寒草原(0.0354)的权衡值高于高寒草甸(0.0173);(3)结构方程模型发现,年平均降水量、土壤容重和土壤速效氮含量是影响高寒草甸生产力权衡的主导因子,而年平均温度和年平均降水量是影响高寒草原生产力权衡的主导因子。研究表明高寒草甸的生产力权衡主要受气候和土壤因素共同影响,而高寒草原主要受气候因素调节。研究为理解植物地上-地下生物量分配调控机制提供了新的视角和方法,对系统了解高寒草地生物量分配模式和准确预测高寒草地植被动态过程具有指导意义。

气候变化和土地利用覆盖变化对河西地区植被净初级生产力的影响

河西地区不仅是我国重要的生态安全保护优先区,而且是丝绸之路经济带核心地段,开展该地区植被净初级生产力(NPP)评估及驱动力定量分析对于陆地生态系统与大气碳交换、气候变化与人类活动对植被综合作用等研究具有重要的理论价值和现实意义。基于MOD17A3产品数据、土地利用覆盖数据和气象数据,采用R-贡献率和偏相关分析方法,分析了2000—2020年河西地区植被NPP变化特征及土地利用覆被和气候变化对NPP的影响,结果表明:(1)河西地区耕地、水域和居民建筑用地面积整体呈增加趋势,而草地和未利用土地面积有所减少,且2010年后的土地利用覆盖变化(LUCC)整体动态度显著提高,其中,草地、耕地、建设用地和未利用地主导了土地利用类型的相互转换。(2)河西地区整体植被NPP呈增长趋势,2000—2010年和2010—2020年的变化斜率分别为0.86和1.29,且植被NPP具有明显的区域异质性,由东南向西北递减。(3)2000—2020年河西地区LUCC对植被NPP的影响逐渐增大,且气候变化对植被NPP的贡献率普遍高于LUCC,但二者对不同土地利用覆盖类型所起的作用不同,表现为耕地、林地和草地的植被NPP影响因子以气候变化为主导,未利用土地和居民建筑用地的植被NPP影响因子逐步以LUCC为主导。

基于净初级生产力和作物模型的橡胶林估产方法探析

天然橡胶是四大工业原料中唯一的可再生资源,是国防和工业建设不可或缺的战略资源。天然橡胶产业发展不仅保障了特殊历史时期的战略物资供给,还对新形势下我国天然橡胶有效供给起到了“压舱石”的作用。我国属于非传统橡胶种植区,由于自然条件的限制,不论是现在还是将来,我国天然橡胶供不应求的状况无法改变。同时,我国进口天然橡胶集中在少数几个国家,进口集中度高,对外高度依存的状况不可改变,资源供应存在安全隐患。

青海省植被净初级生产力(NPP)时空格局变化及其驱动因素

植被净初级生产力(NPP)作为陆地生态过程的关键参数,不仅用以估算地球支持能力和评价陆地生态系统的可持续发展,也是全球碳循环的重要组成部分和关键环节。基于2000—2014年MOD17A3年均NPP数据和气象站点气温、降水资料,采用简单差值、趋势分析、相关性分析和Hurst指数等方法,分析了青海省NPP的时空变化特征及其与气候因子的关系。结果表明:①青海省植被年均NPP在2000—2014年间整体分布呈现由南到北、由东到西递减的趋势,各生态区的空间存在显著差异,表现为Ⅱ区>Ⅰ区>Ⅲ区>Ⅳ区>Ⅴ区。②2000—2014年,青海省NPP变化趋势由北到南、由西到东呈现逐渐增加趋势,平均趋势系数为0.61,NPP值增加的区域占总面积的15%,其中显著增加区域为2.8%,轻度增加区域为12.2%。③青海省NPP值的Hurst的值域范围为0—0.39,均值为0.12,除了河流湖泊,建筑用地和未利用土地,青海省NPP变化特征为反持续性特征。④气候因子(年平均降水量和年均气温)对年均NPP的分布有影响,海拔的高低造成气温、降水和土壤的差异,间接影响植被NPP,15年土地利用/覆被变化(LUCC)表现为草地面积减少最多,这是导致NPP减少的主要原因。

基于植被净初级生产力的青藏高原地区生态脆弱性及其控制因子分析

基于IPCC有关生态脆弱性的定义,采用净初级生产力(Net Primary Productivity,NPP)作为评估指标,结合地理探测器对2000—2020年青藏高原地区生态脆弱性的空间格局及控制因子进行分析。结果表明,青藏高原地区整体生态脆弱性较高,75%的地区处于中度及以上脆弱性水平,其中中南部脆弱性相对较高;不同土地利用类型的生态脆弱性差异较大,未利用地的生态脆弱性高于其他土地利用类型;青藏高原地区生态脆弱性主要由气候、植被、地形和土壤因子的交互作用所控制,其中植被指数与水蚀模数的交互作用影响最大,而单一因子的解释力相对较弱。本文强调了基于IPCC脆弱性定义的单一指标体系评价方法评估生态脆弱性的有效性,相关研究结果可为青藏高原地区的生态脆弱性评估和生态保护提供参考。

21世纪北半球中高纬度净初级生产力(NPP)变化及其与气候因子之间的关系

基于CMIP5模式模拟的净初级生产力(NPP),对21世纪初期(2016-2035年),中期(2046-2065年)和末期(2080-2099年)三种排放情景下(RCP2.6、RCP4.5、RCP8.5)北半球中高纬度陆地NPP的时空变化进行了预估,并结合气候因子分析了NPP的变化和气温、降水、辐射之间的关系.结果表明:相对于1986-2005年,21世纪北半球中高纬度陆地NPP呈增加趋势,RCP8.5情景下NPP的增加比RCP2.6和RCP4.5情景下更为明显;在季节变化上,北半球中高纬度NPP也以增加为主,且NPP在夏季,尤其是6月增加最显著.NPP对气候变化的响应存在明显的区域差异性,在中低排放情景下(RCP2.6、RCP4.5),相对于1986-2005年,21世纪北半球中高纬度地区温度显著影响的范围在逐渐缩小,而辐射和降水显著影响的范围在扩大.在高排放情景下(RCP8.5),21世纪北半球中高纬度地区NPP的变化主要与温度有关.

广西植被净初级生产力(NPP)时空演变及主要影响因素分析

利用2001-2010年EOS/MODIS17A3卫星遥感资料,对广西植被净初级生产力(NPP)时空特征及其影响因素进行分析。结果表明:(1)NPP表现出明显的年际变化,2005年植被年均NPP最小为625gC·m-2·a-1,2003年最大,为714gC·m-2·a-1,十年间广西植被年NPP平均值为662gC·m-2·a-1;(2)不同植被类型NPP有较大差异,森林、灌木、农作物的NPP平均值分别为834、614、517gC·m-2·a-1;(3)十年间广西区年均NPP为显著下降趋势,且年均气温和降水对NPP时间变化作用显著,而日照时数对NPP时间变化的作用不显著;(4)广西区NPP空间格局形成主要影响因素为坡度,其次为经度,再次为地貌特征、纬度和降水;(5)非喀斯特区域北热带季雨林、南亚热带季雨林化/季雨化常绿阔叶林年均NPP大于喀斯特地区,相反,喀斯特地区中亚热带常绿阔叶林,农作物年均NPP大于非喀斯特地区。整体而言,广西非喀斯特地区植被NPP为683gC·m-2·a-1,喀斯特地区植被NPP为620gC·m-2·a-1。

未来气候情景下青藏高原草地净初级生产力时空演变特征

[目的]揭示SSP126和SSP585两种气候情景下,不同气候因素(气温和降水)对青藏高原草地净初级生产力的影响,阐明青藏高原地区影响草地净初级生产力时空分布特征的主控气候因素,为未来青藏高原地区植被生态系统的综合治理提供理论依据。[方法]基于青藏高原48个气象站点基准期(1971—2020年)的日值气象数据、土壤类型数据以及模型所需要的站点管理数据,利用DAILY CENTURY(DAYCENT)模型,结合文献中对应站点的NPP实测值和MOD17A3遥感数据,对模型参数进行了校准,利用均方根误差、可决系数、效率系数等统计指标对模型模拟结果进行了评价。其次单向嵌套BCC-CSM1.1气候模式,对未来气候SSP126和SSP585情景下的青藏高原草地净初级生产力进行预测,并对预测结果进行了时空统计分析。[结果](1)在SSP126和SSP585情景下青藏高原草地NPP均呈现出由东南向西北递减的分布特征,且NPP值较高的区域主要位于青藏高原的东南部,NPP值较低的区域则位于青藏高原以西的区域;(2)在SSP126情景下,青藏高原草地净初级生产力总体呈现出下降趋势,波动范围最大的是长远期(2081—2100年),减小幅度为12.1%;在SSP585情景下,NPP总体呈现出平稳的上升趋势,其中近期(2021—2040年)的增长速率最高为12%;(3)与基准期(1971—2021年)相比,在SSP126和SSP585情景下,青藏高原85%以上的草地NPP呈现下降趋势,其中SSP126和SSP585与基准期(1971—2020)相比NPP值分别相对减少28%,23%。[结论]两种不同气候情景下,温度与NPP的相关性均高于降水。低温少雨是造成青藏高原西北地区草地NPP减少的主要原因。

干旱对锡林郭勒草原植被净初级生产力的影响

为了探讨干旱对锡林郭勒草原植被净初级生产力(Net Primary Productivity,NPP)的影响,本文基于2000~2020年12个月尺度的标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index,SPEI)和同一时期的MODIS(Moderate-resolution Imaging Spectroradiometer)NPP数据,运用Theil-Sen趋势分析和Mann-Kendall非参数检验方法对干旱与NPP时空变化特征进行分析,并采用相关分析方法探讨干旱对锡林郭勒草原NPP的影响。结果表明:锡林郭勒草原气候整体呈湿润趋势,东部较西部更为明显;NPP呈增加趋势,由东北向西南递减;SPEI与NPP呈正相关的面积达99.88%,说明植被状况随着干旱的缓解整体趋于好转;时间上,SPEI与不同植被类型NPP均呈显著正相关,其中相关性最大的是典型草原;干旱的发生会造成NPP损失,其减少幅度随干旱强度和面积的增加而上升。研究结果可为应对气候变化、抗灾减灾等工作提供科学依据。

基于BEPS模型的塞罕坝植被净初级生产力时空变化分析研究

叶面积指数(leaf area index,LAI)是北部生态系统生产力模拟模型(boreal ecosystem productivity simulator,BEPS)的关键驱动数据,获取高精度LAI对区域森林生态系统碳循环十分重要,然而当前大多研究采用的MODIS LAI产品缺乏可信度。为此,基于LAI动态模型、PROSAIL辐射传输模型和层状贝叶斯网络(Hierarchical Bayesian Network,HBN)构建数据同化系统,获得空间分辨率为20 m的LAI数据,驱动BEPS模型,模拟塞罕坝机械林场2011—2021年的植被净初级生产力(Net Primary Productivity,NPP),并对NPP时空变化特征及影响因子进行分析。结果表明,基于贝叶斯同化方法获得的高分辨率LAI数据极大提高了MODIS LAI产品的精度;基于同化后的LAI数据驱动BEPS模型获取模拟森林NPP,与样地实测数据计算NPP间相关性较高(R^(2)=0.77);2011—2021年塞罕坝机械林场植被NPP平均值为307.4 g/(m^(2)·a),森林NPP呈现平稳增长趋势;不同植被类型模拟NPP存在较大差异,针叶林、落叶林及混交林模拟NPP分别为484.9、402.4、287.9 g/(m^(2)·a);植被NPP与温度因子相关性较高,偏相关系数为0.2~0.8,而植被NPP与降水量的相关性总体而言相对较低,其偏相关系数为-0.3~0.4,在该地区降水量对植被NPP的影响较低,温度为该地区NPP变化的主导因子。研究结果可获取高空间分辨率的LAI数据,为森林生态系统碳循环的精准时空模拟提供依据。

玛纳斯河流域植被净初级生产力时空变化及驱动因素分析

【目的】探明新疆玛纳斯河流域植被净初级生产力(NPP)的时空变化规律及其影响因素。【方法】基于MODIS遥感数据以及地形、气象因子和人类活动数据,运用Slope趋势分析、相关分析和地理探测器,分析玛纳斯河流域2001—2021年NPP的时空变化特征及其驱动因素。【结果】2001—2021年,玛纳斯河流域年平均NPP为125.63 g C/(m^(2)·a),2008年最低,为98.80 g C/(m^(2)·a),2016年最高,为163.98 g C/(m^(2)·a),NPP呈年际上升趋势。玛纳斯河流域NPP的空间分布格局呈北部和南部区域低而中部区域高的特征,近63.84%的区域NPP呈增加趋势,其中26.98%的区域NPP显著增加(P<0.05);19.31%的区域NPP显著下降(P<0.05)。NPP随着高程和坡度的增加呈上升趋势,最高值出现在玛纳斯河流域的低山林草区;NPP与气温和降水呈正相关。各因子对NPP的影响程度由高到低依次为高程>土地利用>降水>坡度>GDP>气温>人口密度>夜间灯光,其中高程与土地利用的交互作用对NPP的影响最大。【结论】玛纳斯河流域NPP存在明显的时空分异特征,高程、土地利用以及降水对NPP的时空分布格局具有重要影响。

内蒙古高原内陆河流域植被净初级生产力时空演变特征及其驱动因素

认识内陆河流域植被净初级生产力时空演变特征及驱动因素对于流域的可持续发展具有重要意义。基于Carnegie⁃Ames⁃Stanford Approach(CASA)模型计算了1984—2015年内蒙古高原内陆河流域净初级生产力(NPP)并验证模型精度,运用Theil⁃Sen中值法、Mann⁃Kendall趋势检验和重心模型等方法分析NPP时空变化规律,运用pearson相关系数分析NPP与气候因子(降水和气温)之间的相关性,采用交叉小波方法分析降水、气温、厄尔尼诺⁃南方涛动(ENSO)、北极涛动(AO)、太阳黑子(sunspot)对植被NPP的驱动作用。结果表明:(1)高原内陆河流域1984—2015年NPP年均值介于85.548 gC m^(-2)a^(-1)(2007年)—130.344 gC m^(-2)a^(-1)(2012年),多年均值为103.737 gC m^(-2)a^(-1),2007—2012年NPP明显增加。(2)大多数地区表现为稳定状态,NPP极显著减少、显著减少、不显著减少、不显著增加、显著增加和极显著增加的区域面积占比分别为5.2%、3.2%、44.2%、37.8%、4.3%和5.3%。(3)高原内陆河流域NPP的重心主要分布在阿巴嘎旗和锡林浩特市的交界处,即高原内陆河流域偏东部地区,NPP重心在东北地区较多,占比为75%,这表明NPP在东北地区增速远高于其他地区。(4)降水对高原内陆河流域NPP影响较大,而气温对高原内陆河流域NPP影响较小。大气环流因子以及太阳黑子与内陆河流域植被NPP均存在相关关系,ENSO对植被NPP的影响最大。

中国北方农牧交错带净初级生产力时空分异特征

为了解我国北方农牧交错带自然环境条件下的植被群落生产能力.基于2000—2020年的遥感数据和气象数据,利用光能利用率模型(CASA)估算了北方农牧交错带内植被净初级生产力(NPP),并对时空特征变化进行分析.结果表明:(1)北方农牧交错带内多年年均植被NPP,在东北部呈中间低四周高的分布;而在中南部植被NPP的分布呈现自南、东南向北、西北减少的分布特征.(2)2000—2020年北方农牧交错带单位面积年均植被NPP为234.33 gCm^(-2)a^(-1),年均植被NPP总量为167.90×10^(12)gCm^(-2)a^(-1).(3)研究时间段内植被NPP变化以波动增加为主,其变化范围190.91~284.09 gCm^(-2)a^(-1);与2000年相比,2020年NPP增加了42.05%.(4)植被NPP增加的区域占总面积的86.98%;减少的区域占总面积的2.06%.植被NPP的时空分布特征表明了中国北方农牧交错带内植被生态系统整体得到改善.

安徽省植被净初级生产力估算--基于改进的CASA模型

定量估算植被净初级生产力(NPP)对预测陆地碳循环趋势具有重要意义,目前广泛应用于NPP估算的CASA模型其精度仍有待提高。在已有CASA模型优化的基础上,考虑最大光能利用率(LUEmax)的动态变化来改进CASA模型,对改进前后的模拟结果进行比较,并利用改进后的模型估算2001-2020年安徽省植被NPP。结论如下:(1)改进的CASA模型可应用于研究区的植被NPP估算,NPP模拟值与实测值之间的相关性达到显著水平(R^(2)=0.736,P<0.01)。(2)改进后模拟的安徽省植被NPP在空间表达上能够呈现更多细节,时间上较改进前在生长季NPP值更高,非生长季值更低,拉大了NPP的年内变化。(3)2001-2020年安徽省植被NPP整体呈波动上升趋势,多年平均值为547.61 gC m^(-2)a^(-1),年均增长量达2.18 gC m^(-2)a^(-1),2016-2020年间NPP增长最快。年内NPP具有明显的季节差异,表现为夏季>秋季>春季>冬季。(4)安徽省植被NPP具有较强的空间分异性,呈南北多、中间少的分布格局,高值区主要分布在皖南山区,皖西大别山区及部分淮北平原农作物区,低值区多分布在巢湖、长江沿线和淮河流域等植被覆盖密度较低区域。2001-2020年间安徽省植被NPP呈明显的上升趋势,上升面积占总面积的74.04%,大部分分布在地势平坦的淮北平原。

2000-2020年青海湖流域植被净初级生产力时空格局及驱动分析

[目的]明确2000—2020年青海湖流域植被净初级生产力(Net Primary Productivity,NPP)时空格局变化特征,探究影响植被NPP的主要因素及驱动比例,为青海湖流域基础科学研究提供参考。[方法]以青海湖流域为研究区域,基于2000—2020年植被NPP、气温、降水量、植被覆盖度、人类活动强度数据,采用ArcGIS空间分析、地理探测器模型等方法,分析植被NPP在子流域、海拔、微地形上的时空变化,并对流域NPP与气温、降水量和植被覆盖度的相关性及植被NPP的驱动要素进行研究。[结果](1) 21年间青海湖流域年植被NPP逐年波动上升,增速为2.22 g C·m^(2)/a,空间上自西北向东南递增。(2)年植被NPP与年均气温、年降水量、年植被覆盖度的显著相关区域占流域面积比依次为40%,9%,59%。年均气温和年降水量与年植被NPP的一级偏相关系数显著区域占流域面积比分别是59.26%和33.39%。(3)驱动分析表明气温(q=0.58)、海拔(q=0.54)、人类活动(q=0.38)是流域NPP的主要驱动因子,并且因子交互解释力强于单因子解释力。[结论]2000—2020年青海湖流域植被NPP整体逐年增长,在海拔、子流域和微地形格局上表现出显著的空间分异性,气温、海拔、人类活动的交互驱动是流域NPP的主要驱动类型。