福建省生态系统碳汇服务功能价值总量估算及其时空演变

基于生态系统模型和多源数据评估2000—2020年福建省生态系统的碳汇价值及总量的时空演变过程,并分析了不同土地利用类型碳汇价值的差异。结果表明,①碳汇价值方面,年平均值为2.09万元/km^(2),并呈显著上升趋势,混合农田的增速最快,高值区位于龙岩市中东部、漳州市北部及泉州和莆田市交界处。②碳汇价值总量方面,年平均值为22.99亿元,呈显著上升趋势,常绿阔叶林的增速最快。建瓯市、尤溪县和漳平市的碳汇价值总量较高。③常绿阔叶林的碳汇价值最高,其次是混交林和常绿针叶林,碳汇价值总量占比排序:常绿阔叶林>有林草地>稀树草地。

福建省森林植被NEP时空变化及影响因子分析

不断加剧的气候变化和人类活动增加了区域生态系统碳循环研究的不确定性。净生态系统生产力(NEP)能够定量描述陆地生态系统与大气之间的碳交换量,探究区域生态系统NEP的时空变化及对气象、植被等因子的响应有助于明晰区域生态系统碳收支状况和应对气候变化。基于TEC模型和生态系统呼吸模型评估了福建省森林2000-2020年NEP时空格局,并借助地理探测器和贡献率方法探究了福建省NEP时空变化的主要驱动因子。结果表明:(1)2000-2020年福建省森林多年年均NEP为528 g·m^(-2),呈极显著的增强趋势。空间分布规律为“高值主要分布在福建南部的内陆地区,低值主要分布在中北部和南部沿海地区”,约48.3%的地区NEP呈显著上升趋势,主要分布在福建省的中部偏西南地区,而仅有1.00%的地区呈显著下降趋势;(2)空间分布上,影响福建省森林NEP的空间分异的主要因子为植被、地形和气象要素。归一化植被指数对森林NEP空间分布的影响最大,是影响福建省森林NEP空间分异的主要驱动因子,其次是地形和太阳辐射,高程的最适区间为891-1 491 m,而辐射的最适区间为128-130 W·m^(-2)。与单因子相比,双因子间的相互作用均增强了对NEP空间分布的影响,其中归一化植被指数与太阳辐射的交互作用对NEP解释力最强;(3)时间变化上,气候与植被因子综合解释了福建省森林NEP年际变化的46.7%,其中归一化植被指数的升高是NEP多年变化的主导因素,而气象因子的变化均对NEP的上升趋势起到了负抑制作用,这说明在“双碳”建设时需要有效提高植被对气候变化的适应能力。

2001~2021年中国NDVI时空格局变化及对气候的响应

基于MODIS MOD13A3数据集和气候资料数据,通过线性回归、Theil-Sen趋势与Mann-Kendall显著性检验等统计方法分析了2001~2021年中国九大流域NDVI时空变化特征,采用地理探测器探究了中国九大流域NDVI对降水、气温、太阳总辐射和饱和水气压差的响应.结果表明,2001~2021年中国及九大流域NDVI整体呈现显著上升趋势(P<0.05),其中长江流域、珠江流域、东南诸河流域及淮河流域冬季的NDVI变化率最大,海河流域春季最大,西南诸河流域秋季最大,其他流域夏季最大;NDVI变化率在不同土地利用变化类型上表现为非城市化地区(0.0026/a)>未发生土地利用类型变化地区(0.0021/a)>城市化地区(0.0013/a),其中东南诸河流域和西南诸河流域的城市化地区NDVI整体表现为退化.空间上,NDVI变化率呈现出由东向西、由南向北递减的分布.植被生长稳定区域占26.43%,主要集中在内陆河流域以及西南诸河西北部区域;植被改善面积占70.31%,主要分布在九大流域内的非城市化区域;植被退化面积占3.25%,集中在内陆河流域北部地区、西南诸河流域的东部、长江流域的西部及东部沿海流域.地理探测器分析表明,降水在全国尺度上是控制NDVI空间分布的主要决定因子,其次是气温、饱和水气压差、太阳总辐射;在九大流域内,降水仍是大部分流域的主要决定因子,但在长江流域、珠江流域和淮河流域,饱和水气压差是主要决定因子.2001~2021年,长江流域、松辽河流域、黄河流域和西南诸河流域的气候因子对NDVI的影响作用大部分在增加,而其他流域的气候影响作用基本在下降.

1982—2020年安徽省净生态系统生产力时空格局变化及其成因

净生态系统生产力(NEP)是定量描述陆地生态系统与大气之间碳交换的重要指标。明确区域尺度NEP的时空格局及主导因子,有助于增强对区域碳循环变化机制的认知。基于BEPS(Boreal Ecosystem Productivity Simulator)模型模拟结果,评估了安徽省1982-2020年NEP时空格局,分析了安徽省NEP对主要环境植被因子的敏感性,并借助通径分析和贡献率分析探究了影响安徽省NEP时空变化的驱动因子。结果表明:(1)1982-2020年,安徽省多年年均NEP为651.14 gC/m^(2),线性趋势变化率为1.10 gC m^(-2)a^(-1),总体呈显著增加趋势(P<0.01)。在空间上,NEP表现为"南北部较高、中部较低"的分布,显著增加(P<0.05)的区域占52.77%,主要分布在北部和南部,显著减小(P<0.05)的区域占7.11%,主要分布在西部和东南部。NEP重心有显著的北移趋势(P<0.01)。(2)NEP对大气CO_(2)浓度变化最为敏感,对降水变化最不敏感。时间上,NEP对叶面积指数(LAI)(P<0.01)、CO_(2)(P<0.01)和饱和水汽压差(VPD)(P<0.05)的敏感性变化显著增强,对总辐射的敏感性变化显著减弱(P<0.01),对气温和降水的敏感性变化不显著(P>0.05)。空间上,NEP对各因子的敏感性有地区差异性。(3)所选环境植被因子综合解释了NEP 79%的时空变化。LAI与CO_(2)是安徽省NEP时空变化的主导因子,为正贡献,气候因子为次主导因子,为负贡献。空间上,LAI为主导因子的地区主要分布在安徽省北部、中西部的大部分地区,占49.65%,CO_(2)为主导因子的地区主要分布在安徽省西北部与东南部的大部分地区,占44.54%。

2022年福州市不同下垫面温度变化特征分析

利用2022年福州市区下垫面温度资料,对比分析城市主要代表性下垫面的温度变化特性。结果表明,水泥、沥青、地砖和大理石温度的季、月、日变化特征明显,月、日平均温度时序变化与空气裸温相近;受持续性降水影响,下垫面月平均温度和日最高温度在5月出现了第二个谷值,下垫面日最高温度差异悬殊,在夏季,沥青温度高达68.1℃;城市下垫面四季日平均温度变化幅度排序为沥青>地砖>水泥>大理石,均远大于空气裸温。

基于MaxEnt模型的福建省台湾青枣种植潜力预测及适宜性区划

为了明确台湾青枣在福建省的种植分布潜力及其适宜性区划,为台湾青枣引扩种合理布局提供参考,基于MaxEnt模型,采用存在概率分析台湾青枣种植分布气象指标与不同适宜性区域。结果表明,影响台湾青枣分布的关键气象因子为最冷季平均最低气温、≥10℃年活动积温、年日照时数和4月平均最低气温。适宜种植区域气象条件为最冷季平均最低气温高于9.3℃,≥10℃年活动积温高于7173℃,年日照时数1720 h以上,4月平均最低气温高于15.1℃。适宜及以上区域主要分布在漳州市各区(县)、龙岩市东部南部、三明市东部、泉州大部、厦门市、莆田市。

江淮流域稻麦轮作蒸散特征及其影响因子

蒸散(ET)是水分交换的重要过程,对理解地表水平衡至关重要。基于安徽省寿县国家观测站多年的通量和气象数据,分析了江淮流域稻麦轮作作物ET变化特征,并利用通径分析方法分别对冬小麦和水稻ET的影响因子进行辨识。结果表明:①江淮流域稻麦轮作田多年均ET年总量为740.3 mm,其中冬小麦、水稻、裸地分别占比40.7、52.3、7.0。冬小麦ET的日均值为1.40 mm/d,在生长季内ET变化表现为弱“双峰型”特征,两峰值分别位于出苗-三叶和开花期。水稻ET的日均值为3.23 mm/d,在生长季内ET变化表现为“单峰型”,峰值位于拔节期。②冬小麦ET主要受净辐射(R-n)和叶面积指数(LAI)影响,R-n的直接作用最明显,而LAI主要通过R-n路径对ET产生间接影响。水稻ET主要受R-n和20 cm土壤体积含水量(VSWC-20)影响,R-n直接作用更明显。对比两种作物,R-n对其ET都起决定性作用,LAI对冬小麦ET作用明显高于水稻,而VSWC-20对水稻ET促进作用明显,对冬小麦ET变化促进作用可以忽略。

淮河流域蒸散发时空变化与归因分析

蒸散发(Evapotranspiration,ET)是联结土壤-植被-大气过程的纽带,对理解地表水热平衡至关重要。因此,量化分析ET时空变化特征、揭示其主要控制因子对区域用水管理和农业生产十分重要。利用遥感数据和气象数据,基于BEPS模型估算了1981—2019年的淮河流域ET,分析了该区域ET时空分布特征,并通过敏感度系数和贡献率方法对该区域的ET多年变化特征进行了归因分析,最后借助数值实验方法深入探究影响特湿润年(2003年)ET较低的主要原因。结果表明:(1)1981—2019年淮河流域多年平均ET为549.83 mm,其中夏季ET占全年ET的比值达到47.63%;1981年以来区域ET整体呈极显著上升趋势(4.41 mm/a,P<0.01);季节上,除冬季外,其他三个季节的ET增幅均呈显著性增加(P<0.05),四季增幅速率大小依次为:夏季>春季>秋季>冬季;空间上,中东部和南部ET较高,重心模型显示ET高值区域呈显著的由北向南的移动趋势;(2)归因分析结果表明,淮河流域ET对气温变化最敏感,其次为相对湿度、太阳总辐射、叶面积指数(LAI)和降水,但ET对LAI的正敏感性逐渐增强导致LAI的显著升高对流域ET年际变化贡献最大(44.5%),其次是气温的升高(25.93%);同时,LAI是春、夏、秋三季ET变化的主导因素,气温是冬季ET变化的主导因素;(3)数值实验显示高相对湿度是引起特湿润年(2003年)ET明显偏低的最主要因素,这与导致长时间序列ET变化的原因不同。因此,建议今后加强极端气候条件下ET变化的归因分析,为更有效地应对全球气候变化提供决策服务。研究结果能够为认识淮河流域环境变化对水循环影响及合理分配区域水资源提供科学参考。

淮河流域地上生物量时空特征分析

淮河流域是独具特色的东亚季风区典型区,也是我国最具代表性的农田生态区域。地上生物量能够表征农田可利用资源的现状与承载力,研究该区域生物量的估算及其变化特征,可以为农田生态系统碳循环研究提供基础数据。本研究以东亚季风区淮河流域为研究区域,基于BEPS模型和GLOBMAP LAI产品,估算得到近38年淮河流域农田地上生物量(AGB),并分析其时空分布特征。主要结果表明:淮河流域多年平均AGB在年内日尺度变化呈现“单峰型”变化规律,峰值为217 d(8月5日(平年)/8月4日(闰年));淮河流域年均AGB年际变化呈现波动上升的趋势,从1981年的836.8 g·m-2逐渐上升到2018年的983.3 g·m^-2;淮河流域年均AGB年代空间分布自1980年代到2010年代这4个年代间呈现出明显的增加趋势,AGB区域上大体分布为南高北低,淮河流域的西部地区AGB也较高。近38年间淮河流域逐年AGBmax也呈现波动上升的趋势,从1981年的2111 g·m^-2逐渐上升到2018年的2610 g·m^-2。该研究结果可为今后分析较大尺度上生物量的时空变异特征提供案例参考,同时也可为农田生态系统的深入研究及长期监测提供数据累积。

内蒙古半干旱区蒸散特征及归因分析

探讨蒸散(ET)变化特征及其影响因素对区域水资源有效利用至关重要。本文基于BEPS(Boreal Ecosystem Productivity Simulator)模型,结合遥感数据和气象数据模拟了内蒙古半干旱区1981—2018年ET变化特征并量化了其影响因子的贡献。研究发现,1981—2018年内蒙古半干旱地区ET以1.75 mm·a^(-1)的速度呈波动上升趋势(P<0.05);同时,ET变化存在年代际差异,在1997年发生明显突变,1998—2018年ET以1.70 mm·a^(-1)的速度增加(P<0.05)。大气水分亏缺(VPD)和LAI在1997年后每年分别以0.002 hPa和0.01的速度显著增加(P<0.05),弥补了其他因子的不利影响,导致了ET显著增加。通径分析和回归分析结果表明,ET变化主要受到VPD的直接作用驱动,通径分析的决定系数达0.95,由VPD主导ET变化的区域占内蒙古半干旱区面积的93.56%,能够解释ET变化的24.83%~90.46%。同时,VPD也是耕地、林地、草地、城市和裸地5种土地利用类型上ET变化的主要影响因素,平均能够解释45%以上的ET变化。

生态工程对科尔沁沙地主要生态服务功能的影响

[目的]研究生态工程实施下科尔沁沙地主要生态服务功能的变化特征,为该区今后生态保护建设提供科学依据。[方法]运用已有的生态服务评估方法定量评估了2001—2018年科尔沁沙地固碳量、水源涵养及水土保持服务功能的时空变化情况。[结果](1)科尔沁沙地土地利用类型主要以耕地、林地和草地为主,生态工程实施期间,林地、耕地面积分别增加8 448 km^(2),3 280 km^(2),草地面积减少12 639 km^(2);(2)科尔沁沙地固碳量稳步增长,林地和耕地的固碳量均增加,草地的固碳量减小,但草地固碳量依然最高;(3)科尔沁沙地水源涵养量呈先增加后略微减少的趋势,所有土地类型中林地水源涵养量持续升高;(4)科尔沁沙地水土保持量持续上升,约增加1.38×10^(7) t,林地水土保持量增加最显著。受地势的影响,区域水土保持总量呈西高东低的分布特征。[结论]科尔沁沙地生态工程建设效果良好,创造了显著的生态效益。