美国NPPS项目中SAFE^(TM)游戏场安全管理框架的分析与启示

美国游戏场安全国家项目(National Program for playground Safety,简称NPPS)旨在提高人们对游戏场安全性的认识,为儿童创设安全的游戏环境。其构建的SAFE TM游戏场安全管理框架包含监督、适当的环境、坠落铺面、设备维护4个彼此交互的基本元素。为保障SAFE TM游戏场安全管理框架的有效实施,NPPS还构建了与之相匹配的支持系统,包括符合准则和标准、评估游戏场、检查程序和课程培训四个方面。当前,我国也日益重视儿童户外游戏场地的安全,系统分析SAFE TM游戏场安全管理框架及其特点,对于我国幼儿园户外游戏场地设计与管理具有重要启示。

基于BEPS模型的云南省碳源/汇时空特征及其适用性分析

净初级生产力(NPP)和净生态系统生产力(NEP)是估算陆地生态系统碳源/汇的重要指标,云南为我国碳汇的主要区域之一,开展云南NPP和NEP时空变化特征分析对科学评估陆地生态系统碳源/汇功能,以及开展碳排放交易具有重要意义。基于BEPS模型1981-2019年NPP和NEP产品,采用线性趋势分析、文献对比等方法,研究云南NPP和NEP时空变化特征及其在云南的适用性。结果表明:(1)1981-1999年云南NPP和NEP呈水平波动,2000年后云南NPP和NEP呈明显波动上升趋势,2000-2019年云南NPP高值区域主要分布在西部和南部,而NEP高值区则主要分布在东部和西部局部地区;(2)2000-2019年云南NPP和NEP除西北部部分地区为下降趋势外,其余大部地区为上升趋势;(3)云南NPP峰值出现在7、8月,谷值出现在2月,NEP峰值出现月份与NPP基本相同,但谷值出现月份较NPP滞后1-3个月,6-10月是云南碳汇的主要月份;(4)BEPS模型估算的NPP与目前广泛应用的CASA和遥感模型结果较为一致,时空变化特征与云南生态恢复措施和气候特征吻合,其估算的NEP与陆地生物圈模型(IBIS)模型和中国通量观测研究联盟(ChinaFLUX)碳水通量观测数据较为接近,时空变化大部地区与云南生态恢复措施和气候特征基本吻合,表明BEPS模型在云南具有较好的适用性。

植被NPP时空变化及其对气候变化的响应——以黄河内蒙古段为例

研究黄河内蒙古段植被净初级生产力(NPP)时空变化特征及其对气候变化的响应,为黄河流域环境保护、生态修复等提供科学依据。基于MOD17A3和气象站点资料,运用趋势分析、偏差分析、变异系数、相关分析、残差分析等方法,探讨2002—2021年植被NPP时空变化特征及其对气候变化的响应。结果表明:(1)植被NPP呈波动增加趋势,2011年以前以负偏离为主,2012年以后以正偏离为主。(2)植被NPP平均值为169.15 gC·(m~2·a)^(-1),自西向东递增,101~250 gC·(m~2·a)^(-1)区域占总面积的77.0%,裸地﹤灌木﹤其他﹤草地﹤农田﹤林地。69.1%的区域植被NPP变异系数Cv≤0.2,整体稳定性较好。(3)植被NPP与气温平均偏相关系数为0.31,仅有6.7%的区域通过了0.01的显著性检验;与降水量平均偏相关系数为0.62,有81.1%的区域通过了0.01的显著性检验。说明降水量是影响研究区植被NPP显著增加的主要气候因子。(4)气候变化与人类活动共同导致植被NPP的变化。

陕甘宁三省区植被NPP时空变化及影响因素

对植被净初级生产力(NPP)时空变化及其驱动机制进行分析,可以在一定程度上反映生态恢复与管理工程的水平,具有十分重要的现实意义。本研究基于MOD17A3 NPP数据集以及同期气象、地形等数据,采用趋势分析、偏相关分析以及地理探测器等方法,对2001—2020年陕甘宁植被NPP时空变化及其影响因素进行研究。结果表明:1)陕甘宁植被NPP整体呈增长趋势,增速为4.51 g/(m^(2)·a),其中陕西增长最为显著,甘肃和宁夏变化较为相近,植被固碳能力均不断提升。植被NPP在空间上有明显的差异性,总体呈现东南高西北低的特点,其中陕西汉中、安康、商洛以及甘肃陇南等地区植被资源丰富,向西北逐渐过渡到草原和荒漠草原,植被NPP开始不断减弱。2)陕甘宁植被NPP受到自然因素和人类活动的综合影响,与降水的相关性强于气温,相对湿度、降水、风速是引起植被NPP变化的主要气候因子,近年来人类活动产生的改善作用也在不断增强。地理探测器分析结果显示,双因子交互作用的解释力显著大于单因子,表现为非线性增强或双因子增强。研究结果揭示了气候变化和人类活动对植被NPP的影响,可为陕甘宁植被恢复和高质量发展提供依据,从而因地制宜制定有效的生态保护和管理策略。

基于夜光遥感的江苏省城市格局动态发展研究

与人类活动息息相关的夜光遥感影像已被广泛应用于社会经济研究,在研究城市动态发展等方面具有极大的应用潜力。基于2012—2021年年均NPP/VIIRS夜光遥感影像,利用夜间灯光统计、位序—规模法则和标准差椭圆分析了江苏省城市化动态发展过程。结果表明,江苏省整体的夜光总量呈增长态势(增速为75.4%),其中苏北地区的增速最明显,盐城市高达174.5%,苏中和苏北地区夜光规模占比均有所上升;捷夫指数呈下降趋势,城市间呈分散型发展,结构愈加均衡;标准差椭圆面积有所增大,在空间上呈扩张趋势,椭圆重心向西北方向偏移。

三峡库区消落带植被NPP估算——基于机器学习优化CASA模型

三峡库区蓄水后,其生态效应受到广泛关注。消落带植被固碳量作为衡量库区生态系统健康状态的重要指标,对库区碳循环与生态净化具有重要意义。针对消落带不同高程植被接受光照的时间有所差异,且受河流水位变化影响,传统的CASA模型在计算消落带植被固碳量时,存在对植物的光能利用率计算不够精确等问题。以三峡库区香溪河陡坡消落带为研究区域,提出了一种耦合RBFNN模型(Radial Basis Function Neural Network)与CASA模型(Carnegie-Ames-Stanford approach)的新方法(RBF-CASA)。基于RBFNN建立环境影响因子模型,借助高程数据及植被指数等特征计算适合消落带区域的环境影响因子。结合CASA模型中温度和水分胁迫因子,提高植被在像元尺度上的净初级生产力(Net Primary Productivity,NPP)的估算精度,并对反演结果进行验证。模型验证结果显示:RBF-CASA模型估算值与观测值的决定系数(Coefficient of determination,R^(2))为0.730(P<0.01,n=32)。对比原始CASA模型,平均绝对误差(Mean absolute error,MAE)降低10.991,均方根误差(Root mean square error,RMSE)降低了23.861,相对均方根误差(Relative root mean square error,RRMSE)降低5.10%,平均绝对百分误差(Mean absolute percentage error,MAPE)降低1.12%。使用提出的RBF-CASA模型在库区水位落干期(7—8月份)进行固碳量估算,结果表明:NPP月均值在66.234—134.144g C/m^(2)之间,NPP随着高程的增加呈现起伏变化,其总量在150—155m之间达到峰值,均值在170m以上区域最高。在2021年9月植被NPP均值为35.883g C/m^(2),2022年9月植被NPP均值为25.964g C/m^(2),由于降雨量减少、长江水位下降,在2021—2022年间植被恢复情况较差。研究结果可为库区碳循环、生态净化及生态修复等决策提供科学依据。

安徽省碳排放时空格局演变与碳达峰路径预测——基于STIRPAT扩展模型和岭回归模型

基于双碳目标和空间耦合视角,对NPP/VIIRS夜间灯光数据进行修正并拟合碳排放模型,补充在2018—2021年中国碳核算数据库县级碳排放数据,通过空间自相关模型分析安徽省县级单元碳排放的时空变化特征。根据“因素筛选—模型构建—耦合计算—交互影响”的思路,基于拓展后的STIRPAT模型和岭回归模型,对不同发展模式下的碳排放进行预测演算,利用地理探测器揭示空间碳排放驱动因素的交互作用,为实现碳达峰提供路径依据。结果表明:(1)1997—2021年安徽省碳排放呈现波动上升再趋于平稳的趋势,在2013年后进入碳达峰前的平台期,自北向南呈由高到低分布,以主要工业城市为主形成了不同规模的高密度碳排放中心;(2)预测得到的碳排放达峰时间区间为2030—2045年,峰值范围为4.472亿t~5.558亿t;(3)基准情景下,安徽将在2040年碳达峰,绿色发展情景最早达峰且峰值最低,是对比后确定的最优碳达峰路径;(4)人口和能源结构的驱动力最强,城镇化水平和人均GDP与各种驱动因素的交互作用增强效果显著。

基于高时空分辨率数据的上栗县植被NPP估算及分析

针对目前植被净初级生产力(NPP)像素级的研究成果缺乏对地理空间细节的描述这一问题,借助中高分遥感影像,利用深度学习模型获取精确地类图斑,将栅格化结果作为改进的CASA模型的输入参数,最终估算得到上栗县不同植被类型的地块级NPP值。结果表明,1)相比于传统的只利用影像光谱特征提取的方法,深度学习技术获取的地类图斑更为准确。同时,在林地图斑的基础上,结合中分影像对林地类型进行判别,林地分类精度为91.3134%。说明中高分遥感影像结合,能够较好地在区县尺度上开展植被的精细分类。2)以CASA模型理论为基础,对模型中的最大光年利用率的取值进行修正。同时以地类图斑的栅格化结果作为模型的输入参数,剔除了建筑区、道路、裸地等无植被覆盖区对模型计算的影响,并对估算结果与其他模型估算结果进行比较与验证,证明了试验结果的准确性。3)实现了上栗县NPP结果在空间上的精细化表达,研究结果具备良好的空间细节特征,不仅满足了面积统计、定性分析等简单需求,还可为后续碳循环、碳源/汇等研究提供客观、定量化的数据支撑。

2001~2020年中国植被NPP对气象干旱的响应特征

准确评估中国不同气候区植被净初级生产力(NPP)对气象干旱的响应特征,对于研究区域生态系统碳循环及气候变化有着重要意义。基于2001~2020年的NPP数据和构建的高分辨率标准化降水蒸散指数(SPEI)数据,采用Theil-Sen斜率估计、Mann-Kendall趋势检验和Pearson相关分析等方法解析全国不同气候区NPP和SPEI的时空变化趋势,探索各气候区NPP对不同尺度气象干旱的响应特征。结果表明,各气候区NPP对气象干旱的响应表现出明显的空间异质性,北方半干旱区和北方半湿润区大部分区域NPP与SPEI-12呈显著正相关,而西南半湿润区多呈显著负相关,同时北方半干旱区NPP与夏季SPEI-3的相关性相较于与SPEI-12的相关性更为显著;各气候区NPP均与中长期SPEI和年中月份的短期SPEI表现出较高的相关性,但因区域气候条件不同,植被对短期干旱和长期干旱的响应特征均有差异。

成渝双城经济圈NPP时空变化及气候因子驱动分析

为探究成渝地区双城经济圈NPP时空变化及与气候的关系,基于MOD17A3产品NPP数据,采用一元线性回归模型模拟2001—2020年植被NPP演变趋势,分析植被NPP变化特征,结合ANUSPLIN插值的气象数据,采用相关性分析法定量分析气候变化对研究区植被NPP变化的影响。研究表明:(1)研究区内植被NPP整体呈现缓慢增长的趋势,增长率为7.53 g C·m^(-2)·a^(-1),同时植被NPP均值分布呈现四周高中间低的空间格局。(2)研究区内气候因子对植被NPP变化的影响存在空间异质性,在眉山市、乐山市、雅安市以及重庆市黔江区、彭水县部分地区气温与植被NPP负相关关系明显,其呈正相关关系的区域广泛分布在成渝城市群的中部和东部;降水与植被NPP呈正相关关系的区域面积占比达到92.46%。(3)研究区主要受非气候因子影响,面积占比高达86.87%,说明人类活动对植被NPP变化的影响愈来愈烈,研究人为影响应是成渝城市群生态修复的重点。

内蒙古阴山北麓草原植被净初级生产力变化特征及其气候驱动力

【目的】研究阴山北麓草原植被净初级生产力的时空变化特征,揭示气候、地形因子对植被NPP变化的影响,为内蒙古草原生态保护与可持续发展提供理论基础。【方法】基于MODIS NPP,气象及DEM数据,采用Theil-Sen Median趋势分析、M-K突变、地理探测器以及Person相关分析等方法,阐明阴山北麓草原植被NPP的变化特征,并识别植被NPP的驱动因子。【结果】2001—2022年,阴山北麓草原植被NPP年均增加2.784 gC m-2a-1,增长速度较快的区域分布在东部及南部。植被NPP变化受降水、日照时数、最低气温、最高气温、地形等因子共同驱动。降水增加促进了植被NPP的增长,相关系数为0.639;最高气温与最低气温与植被NPP均呈轻微负相关,相关系数分别为-0.162、-0.051。【结论】阴山北麓草原植被NPP整体呈显著增加趋势,地形因子对植被NPP的驱动力不强,降水是植被NPP的主要驱动因子,降水与日照时数、最高气温、最低气温的交互作用显著影响植被NPP变化。

毛乌素沙地植被净初级生产力时空变化及其驱动因素

净初级生产力(Net primary productivity,NPP)及其对全球气候变化的响应是全球变化研究的热点之一。本研究基于MODIS遥感数据、DEM数据和气象数据等,采用Sen趋势分析、MK显著性检验、CV稳定性分析、偏相关与多元回归分析等方法,分析毛乌素沙地植被NPP的时空变化规律,并定量分析气候变化对植被NPP的影响机制。结果表明:2001—2022年毛乌素沙地植被NPP年均值变化范围介于102.75~210.62 g·m^(-2)之间。整体上,植被NPP呈现波动上升趋势,但是存在明显差异。空间上,毛乌素沙地植被NPP年平均值为164.43 g·m^(-2),植被NPP呈增加趋势的区域分布在北部,呈减少的区域位于南部。在毛乌素沙地东部对植被NPP的影响中,辐射是主导因素之一;在西部与中部,温度和降水是主导因素之一。研究表明气候因素对毛乌素沙地植被NPP的变化有显著作用,其结果也为研究区的生态绿色建设与资源的开发提供科学依据。

基于DMSP/OLS和NPP/VIIRS夜光影像的中原城市群城市扩张的时空演变及驱动力分析

掌握城市扩张空间格局和驱动机制,有助于中原城市群可持续发展。基于DMSP/OLS和NPP/VIIRS夜间灯光影像,采用统计数据比较法提取了中原城市群1993—2018年间建成区范围;并从整体和地级市2个尺度研究了1993—2018年城市扩张的时空演变特征;在此基础上构建驱动力模型,研究其时空扩张驱动力。结果表明:①空间上,以郑州为中心,东北至西南方向为参考,各城市建成区面积及扩张规模总体上呈现出“中间大、两边小”的分布格局;以2010年为分界点,扩张类型由边缘式转向飞地式,扩张模式由面状扩张向多中心的点状扩张和沿主要交通线路的线状扩张转变;②时间上,不同城市扩张面积、扩张速度、扩张强度差异显著,扩张速度和扩张强度均为正且大体呈“W”型波动式变化;建成区重心经历了“西南-东北-东北-西-西北-东南”的变动过程,重心在郑州市和开封市之间“徘徊游走”;③城市群扩张的主要驱动力来源于经济因素,其次是社会、交通和环境因素。对城市扩张影响前5的驱动指标依次为一般公共预算收入、GDP、实际利用外资额、教育支出和人口密度。

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。

2000—2020年吉林省植被NPP时空演变及其与气温、降水的关系分析

探究植被净初级生产力(NPP)时空分布格局及气候因素响应特征,对全球变暖背景下吉林省生态环境保护和碳源/汇评价至关重要。对2000—2020年吉林省植被生长季NPP时空变化特征及其对气候因子的相关性逐像元分析结果表明,吉林省植被NPP具有较明显的空间分异性,总体呈西—中—东逐步递增分布态势,2000—2020年NPP呈波动上升的年际变化趋势,各生态功能区NPP表现为东部森林生态区的>中部农田生态区的>西部草原湿地生态区的。植被NPP的Hurst指数范围在0.23~0.74,未来变化趋势具有较强同向持续特征,植被生长状态整体向好。吉林省植被NPP具有显著的正向空间自相关性,冷热点分布出现了一定程度的极化现象,冷点区域相对稳定,东部热点区域范围年际变化明显。NPP年际差异的空间格局主要是H-H型和L-L型团状集聚分布。吉林省植被NPP主要受降水影响,干旱区与降水呈显著正相关,东部以南水资源丰沛区多为负相关,NPP与气温相关性较弱。去趋势后的相关性分析更能剔除气候因素外的干扰,从而更真实地探究NPP与各气候因素内部年际变化之间的关系。

云南省净初级生产力时空变化及其影响因素分析

净初级生产力(net primary production,NPP)是衡量生态系统碳循环的重要指标。文章基于MOD17A3HGF数据和气象数据,利用Theil-Sen Median趋势分析、重心模型和相关性分析等方法对云南省2011—2020年NPP时空变化特征和影响因素进行研究,并定量区分人类活动和气候变化对植被的影响。结果表明:2011—2020年云南省NPP在空间上呈自西向东、自南向北逐渐下降的分布特征,平均值为1025.22 gC·m^(-2)·a^(-1);高波动区主要分布在迪庆藏族自治州和怒江傈僳族自治州;NPP与气温显著相关区域主要分布在滇东地区,与降水显著相关区域主要分布在滇中和滇东北地区;影响研究区植被恢复的因子顺序为:气候变化>气候变化与人类活动共同作用>人类活动;影响研究区植被退化的因子顺序为:人类活动>气候变化与人类活动共同作用>气候变化。

基于多时间尺度的黄河流域植被NPP时空特征及其对气候变化的响应

[目的]刻画黄河流域植被净初级生产力在不同时间尺度下的变化特征,并揭示气候因子对植被NPP的影响,为黄河流域植被保护和可持续发展提供科学依据。[方法]基于遥感数据和气象数据,利用CASA模型逐月估算2000—2020年期间黄河流域植被NPP,并采用趋势分析、偏相关分析等方法在年度和季度两种时间尺度下探究了黄河流域植被NPP的时空变化特征及其对气候因子的响应。[结果]2000—2020年期间黄河流域年植被NPP以1.68 g/(m^(2)·a)的速度显著增加,黄河中游地区的植被NPP最高,年增长速度最快。夏季植被NPP最高,增长速度最快,特别是黄河中游地区。黄河流域年度NPP显著受降水影响的范围最广,面积占比达31.95%,滞后期较长。气候因子影响季节NPP的滞后期普遍介于0~3个月。降水与夏、秋季植被NPP的关系以正相关为主,面积占比达70%以上;气温和日照时长正向影响冬季NPP的区域面积约占75%。[结论]黄河流域植被NPP呈现明显的空间异质性和季节差异性,气候因子对植被NPP的影响具有不同程度的滞后期,黄河流域植被保护与恢复应从空间和时间两方面进行考量。

基于NPP/VIIRS数据的新疆夏季强对流云微物理特征及其区域差异

冰雹灾害是新疆地区主要灾害性天气之一,具有地域性强、次数多、灾情重等特点,开展新疆不同地区冰雹云微物理特征研究具有重要意义。利用2015—2021年新疆地区强对流天气过程及对应NPP/VIIRS卫星资料,采用卫星云微物理反演技术,定量分析了冰雹云和深对流云微物理特征,对比研究了南北疆冰雹云微物理参量差异。结果表明:冰雹云晶化温度(-34.0℃)较深对流云(-30.5℃)更低,深对流云顶高度更高,冰雹云顶存在砧状结构。北疆地区冰雹多发在6—7月,南疆集中在5—7月发生,降雹时刻主要分布在15:00—20:00,南疆冰雹出现在凌晨和上午的占比较北疆多;北疆和南疆降雹持续时间均值集中在12.60 min和12.27 min,冰雹最大直径均值分别为13.53 mm和12.80 mm,北疆冰雹云顶更高、降雹持续时间较长,冰雹直径更大,冻结温度比南疆更低。北疆和南疆冰雹云底温度和云底高度均值分别为5.15℃、1.96 km和4.85℃、2.19 km,北疆云底温度比南疆暖,云底高度比南疆低;云底平均上升速度南疆(2.07 m·s^(-1))是北疆(1.84 m·s^(-1))的1.13倍,北疆冰雹云平均厚度(8.90 km)比南疆(8.79 km)大1.25%;受人类活动和工业污染等因素影响,北疆冰雹云底云凝结核数浓度均值(396个·cm^(-3))比以农业为主的南疆地区(240个·cm^(-3))多65%,冰雹云底最大过饱和度均值分别为0.55%和0.85%。受强上升气流影响,云粒子增长时间短,各个增长带发展缓慢,无雨胚形成带。有针对性地提前在云中低层播撒吸湿性核,促使云底尽早形成暖云降水或提高冰晶繁生能力,在低于-5℃层附近过量播撒AgI冰核,争食云中过冷水,可达到增雨防雹的目的。

基于PIE-Engine云计算平台和CASA模型的植被NPP时空动态遥感监测:以道孚县为例

【目的】为深入了解道孚县的植被固碳水平以及其长期变化趋势,【方法】以MODIS数据、站点气象和土地覆盖等资料为基础,通过PIE-Engine遥感云计算平台建立了CASA模型,估算了2001—2016年道孚县陆地植被净初级生产力(NPP)。同时,结合Theil-Sen Median趋势分析、稳定性分析、分区统计和冷热点分析等手段,探讨了其时空分布和演变特征。【结果】结果显示:(1)基于PIE-Engine云平台模型和CASA模型估算的道孚县2001—2016年的NPP,其精度较高并与MODIS NPP数据有良好的拟合效果。(2)道孚县NPP呈持续上升趋势,其中中部和东南部NPP较高,东北部和中南部NPP较低,同时NPP的低值区正在逐年减少,反映出该地区生态状况正在逐渐改善。(3)所有乡镇的NPP在2001—2016年间均有增长,NPP的空间变化整体稳定,大部分地区NPP波动较小。(4)道孚县的NPP在2001—2016年间总体显著增长,增长区域面积占全县的93%以上。(5)高NPP值区域在空间上形成聚类,“热点”现象明显,这为进一步研究和理解NPP的空间分布和变化规律提供了依据。【结论】研究成果为道孚县的生态环境改善和持续发展提供了科学依据,并提出了一种基于云平台的快速、高效的区域植被NPP评估方法,这对于全面评估可持续发展目标和推动生态文明建设具有积极意义。

人工林种植和生长对黄土高原生态系统固碳和水文调节功能的影响——基于遥感时序分析证据

随着生态恢复工程的进展,黄土高原人工林种植面积不断增加,黄土高原人工林生态系统服务功能的响应变化仍存在争议。基于黄土高原人工林的时空分布和种植年份信息,从生态系统净初级生产力(NPP)、蒸散发(ET)以及土壤含水率(SMC)三个维度评估黄土高原地区人工林生态系统固碳和水文调节服务功能的动态变化及其对天然林和整个区域生态系统功能的影响,并进一步研究2000—2020年间人工林林龄对生态系统服务功能的影响。天然林的NPP相对于整个区域的百分比基本保持不变,维持在21%左右;而人工林的NPP相对于整个区域的百分比显著增加,并在2009年超过了天然林,成为黄土高原NPP增加的主要来源。人工林占整个区域的ET百分比和SMC百分比均显著增加,分别由不到2%增长至13.9%、1.5%上升至11.8%。至2015年,黄土高原人工林的ET和SMC已经逐步趋于稳定。随着林龄增大,SMC变化速率和变化量不断下降。ET与林龄成正相关,而SMC与林龄负相关,表明具有不同年龄结构的人工林将有效减弱树木生长所引起的土壤干旱的影响。尽管黄土高原人工林林龄与NPP、ET和SMC变化速率和变化量之间存在显著相关性(P<0.01),但由于现阶段此地区人工林多为幼龄林和中龄林,未来这种显著相关关系是否持续有待进一步研究。