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。

基于改进CASA模型的陕西省植被NPP遥感估算

[目的]探究陕西省陆地生态系统植被群落生产状况,分析陕西省植被NPP时空格局变化及影响因素,为准确评估陕西省陆地生态系统碳源/汇,实现区域生态可持续发展,达成碳中和目标提供参考依据。[方法]基于温度—植被干旱指数(Temperature Vegetation Dryness Index, TVDI)对CASA(Carnegie-Ames-Stanford Approach)模型水分胁迫因子进行改进,从而估算陕西省2010—2020年植被NPP,并利用热点分析法、趋势分析法以及地理探测器对陕西省植被NPP进行空间分布格局、年际变化趋势和驱动因子研究。[结果](1)陕西省NPP空间分布呈现南高北低、冷热点区域差异明显的特征;(2)陕西省2010—2020年NPP平均值介于331.02~416.34 gC/(m^(2)·a),NPP均值在100~600 gC/(m^(2)·a)占比最大,最低值和最高值区间占比不足20%;(3)全省2010—2020年83.3%的面积植被NPP值无显著变化,4.2%的面积呈增加状态,12.5%的面积NPP值呈下降趋势;(4)降水是陕西省植被NPP变化的单因子主导驱动力,太阳辐射量及土地利用类型交互作用下对NPP变化解释力更强。[结论]基于TVDI改进的CASA模型能够有效量化区域植被NPP,且陕西省植被NPP南北分布差异明显,降水、土地利用类型及太阳辐射量是其主要影响因子。

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。

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。

依据CASA模型对石林县植被净生产力时空演变的评价

依据GEE平台和CASA模型,探讨了2000—2020年石林县石漠化及植被净初级生产力(NPP)的时空演变特征,分析石漠化类型面积变化导致的NPP的变化量。结果表明:(1)2000—2020年无石漠化面积增加8.39%,其他石漠化类型面积减少42.22%,空间上呈现“南重北轻,西重东轻”的分布特征。(2)NPP均值为740.48~973.55 g/(m^(2)·a),呈波动上升趋势,NPP变化趋势在空间上呈“南高北低”。(3)无、潜在、轻度、中度石漠化的面积变化是对NPP变化量影响较大的石漠化类型,石漠化类型面积变化促使NPP增长量为263.48×10^(9)g。

基于CASA模型的常州市森林植被净初级生产力及碳汇估算

森林植被在碳循环过程中发挥着关键作用,其碳汇分析对于城市生态系统管理有重要意义。基于多种卫星遥感数据、林地分布以及气象资料,结合CASA(Carnegie-Ames-Stanford Approach)模型,对2022年常州市森林碳汇进行模拟估算,综合分析其时空变化特征及驱动机制。结果表明:2022年常州市森林年度碳汇量总体达29.94万t,4—8月碳汇量较高;不同类型林地碳汇能力不同,乔木林碳汇能力较强,7月碳汇量最高可达80 gC/m2;气象因素对于森林碳汇具有相关影响,其中温度的影响要高于降水量。

基于改进CASA模型的福建省NPP时空演变特征及影响因子解析

植被净初级生产力(NPP)作为衡量陆地生态系统健康的重要指标,可直接反映区域环境发展状况和改善情况。本研究基于MODIS影像和气象数据,使用改进的光能利用率(CASA)模型实现了福建省2001—2015年NPP的准确估算,并采用趋势分析和地理探测器方法探究福建省NPP时空演变特征和变化影响机制。该研究结果为掌握福建省NPP时空变化特征和内在影响机制提供参考,也为把握福建省生态环境治理状况及改善情况提供科学依据。

基于改进CASA模型的晋北地区植被NPP时空动态及气候影响研究

【目的】探究晋北地区气候和植被类型等因子对植被净初级生产力(NPP)的影响,对于明晰干旱半干旱地区植被对气候变化的响应,以及保障生态脆弱地区植被恢复和可持续发展具有重要参考价值。【方法】基于改进的CASA模型模拟了晋北地区2000-2020年植被NPP,量化了其时空分布格局、变化趋势和空间变异性,并分析了研究期间气候因素与植被NPP的相关关系。【结果】2000-2020年研究区植被NPP年均值(以C计)介于225.28~484.09 g/m^(2)之间,平均值为349.76 g/m^(2),年均增速为8.75 g/m^(2)。植被NPP年均值呈现出东高西低、南高北低的格局,NPP年均值主要集中在200~400 g/m^(2),占研究区总面积的65.15%,各植被类型NPP年均值的大小为:林地(691.79 g/m^(2))>灌丛(492.97 g/m^(2))>耕地(378.39 g/m^(2))>草地(343.85 g/m^(2))>未利用地(277.45 g/m^(2))>建设用地(223.96 g/m^(2))。研究区植被NPP各变异程度面积比例大小顺序:稳定性一般(46.4%)>稳定(30.9%)>稳定性较差(17.9%)>非常稳定(4.8%),稳定性在空间尺度上呈现出由东南向西北逐渐递减的趋势。研究期间植被NPP与降水呈显著正相关关系,与温度相关性不显著,与太阳辐射整体呈正相关关系。【结论】研究期间晋北地区植被NPP呈现出波动上升的趋势,空间分布异质性明显,整体波动性较大。在降水、气温和太阳辐射3个气象因子中,降水和太阳辐射均会影响植被NPP变化,其中降水对晋北地区植被NPP年均值的影响最为显著。

应用CASA模型估算河南省主要森林植被碳储量

森林作为陆地生态系统的主体,也是最大的碳库,对维持全球气候稳定,减缓温室效应等有着至关重要的作用。为了解河南省主要森林的植被碳密度及碳储量,以遥感影像(MODIS13Q1)和气象数据为基础,利用CASA模型及植物枯损模型,对河南省2000、2005、2010、2015、2019年(以9月为例)主要森林区域的碳密度及碳储量进行了估算,并分析了其变化趋势。结果表明:2000-2019年,森林区域碳密度平均值为35.21~49.56 t/hm^(2),碳密度增加与减少的变化趋势面积比为2.52;主要森林区域植被碳储量整体呈现出增加趋势,由2000年的630962.48 t增加到2019年的716805.06 t,2000-2019年碳储量净增加85842.48 t,平均增长速率为4292.129 t·a^(-1);不同植被类型中碳储量由大到小依次为:阔叶林、灌从、针叶林、草丛、混交林。其中阔叶林碳储量最大,平均占总碳储量的比例为68.52%,混交林占比最少,仅为2.42%;不同植被类型的碳密度平均值每年从大到小排列总体表现为:落叶阔叶林、混交林、草丛、灌丛、针叶林;降水量对森林植被碳储量影响的灰色关联度最大为0.74。

基于CASA模型长江流域植被NPP时空演变及与地形因子的关系

植被净初级生产力(net primary productivity,NPP)是评价生态系统固碳能力的重要指标。长江流域作为中国重要的农业生产区和生态安全屏障,深入开展长江流域植被NPP时空变化特征的研究,对了解流域植被生长情况和生物固碳能力具有重要意义。基于CASA模型,反演长江流域植被NPP,分析长江流域2001—2018年不同时空尺度下的植被NPP的演变特征以及与地形因子的关系。结果显示:CASA模型对于长江流域植被NPP的反演效果较好,可以反映研究区的植被NPP的实际状态,长江流域多年植被NPP为572.72 gC/(m^(2)·a)。时间上,长江流域植被NPP年际变化可分为2个阶段,2001—2007年NPP年均值变化明显,呈波动式上升;2008—2018年相对变化趋于平稳,植被NPP年内变化层次感比较明显,夏半年(4—9月)NPP月均值较高,对全年NPP总量的贡献率为77.61%。长江流域植被NPP空间格局上具有明显的差异性,总体呈现自西北向东南递增,长江流域在18年间植被NPP增加的面积大于减少的面积,NPP增加趋势主要分布在岷沱江水系南部、嘉陵江水系西部、乌江水系西部和洞庭湖水系东部地区。NPP与各地形因子分级的关系都不同,高程在3000 m以下时,长江流域植被NPP随着高程的增加而增加,高程>3000 m的地区植被NPP显著减少,最适合植被生长的高程带是2000~3000 m。<6°坡度对NPP的解释较差,6°~15°和>15°~25°坡度对植被NPP的解释较好;除半阴坡外,其他坡向对NPP影响不大。

基于CASA模型的广西植被NPP季节变化研究

植被净初级生产力(Net Primary Productivity,NPP)是判定陆地生态系统碳汇/源的关键要素,不仅直接代表了自然环境条件下植被群落的生产能力,还体现了陆地生态系统的质量水平。本文基于陆地生态系统碳汇模型(CASA模型),利用2019年中分辨率成像光谱仪(MODIS)归一化植被指数(NDVI)数据和其他气象数据,对月、季节、年尺度上的广西植被NPP的空间变化进行估算,分析其时空变化特征,并探讨不同植被类型、气象因子和地形地貌对其的影响。结果表明:2019年广西整体区域的植被NPP平均值为880.56 g C·m^(-2)·a^(-1),植被NPP空间分布呈内陆中心向四周递增、东北部向西南部递增的特点。月植被NPP在时间序列上总体呈现正弦曲线的变化特征,1-8月的植被NPP呈上升趋势,在8月达到峰值,而且9月仍然维持较高值;之后至12月,植被NPP逐步下降。广西植被NPP的季节变化明显,冬季的植被NPP整体最低,区域差异性不突出;夏季的植被NPP整体最高,区域差异性突出。常绿阔叶和混交林分布面积广且其光能利用率较大,对广西植被NPP贡献较大。从月尺度上来看,月植被NPP与月累计降水量主要呈负相关关系,与月平均气温主要呈正相关关系;月平均气温与月植被NPP的偏相关性比月累计降水显著,月平均气温是广西月植被NPP的主要影响因子。在中海拔地区(700-1300 m),植被NPP并不受喀斯特地质环境背景的影响,喀斯特地区和非喀斯特地区植被NPP相差不大且随着海拔高度的上升趋于稳定。在全球变化背景下,分析广西植被NPP的时空演变规律及其与环境要素之间的关系,可为广西生态环境监测与管理、生物多样性保护、生态服务评估等提供科学参考。

基于CASA模型的古尔班通古特沙漠植被NPP预估

【目的】沙漠陆地生态系统在中国碳循环中发挥举足轻重的作用,预估植被净初级生产力(NPP)对于了解区域碳循环有着重要的指示意义。【方法】基于CASA(Carnegie-Ames-Stanford Approach)模型模拟中度发展情景(SSP245)和高度发展情景(SSP585)下2020—2099年古尔班通古特沙漠NPP,采用Sen+Mann-Kendall趋势分析和多元线性回归等方法探究未来NPP变化趋势及其影响因素。【结果】结果显示:在SSP245和SSP585下,2020—2099年古尔班通古特沙漠NPP呈现增加趋势,分别为1.70 gC/(m2·10 a)和4.36 gC/(m2·10 a),呈南高北低的空间格局;在SSP585下增幅更大,与基准期相比,近期(2020—2039年)、中期(2040—2059年)、中远期(2060—2079年)和远期(2080—2099年)的年均NPP将增加18.65%、53.43%、72.27%和93.44%;在SSP245情境下,平均气温、降水量和太阳辐射对植被NPP的贡献率分别为72.47%、13.26%和14.26%;在SSP585情境下,平均气温、降水量和太阳辐射对植被NPP的贡献率分别为77.68%、18.91%和3.41%。【结论】结果表明:在SSP245和SSP585下NPP总体呈现增加趋势,与区域气候暖湿化相关;与SSP245相比,SSP585下气温和降水量对NPP影响贡献率更大,而太阳辐射的贡献率降低。该研究结果能够为减缓和适应气候变化对植被的影响提供参考依据。

基于CASA模型的藏北地区草地植被净第一性生产力及其时空格局

基于1981-2004年遥感监测和气象数据，采用CASA（Carnegie-Ames-Stanford Approach）模型模拟分析藏北地区草地植被净第一性生产力（NPP）及其时空变化特征．结果表明：受水热条件的制约，藏北地区草地植被NPP空间分布规律呈水平地带性分布，由东南向西北逐渐由230gC·m^-2·a^-1减少到接近0．藏北地区草地植被NPP整体水平较低，年均草地植被总NPP为21．5×10^12g C·a^-1，多年平均值仅为48．1g C·m^-2·a^-1，明显低于青藏高原和其它草原区．藏北地区坡度小于1°平地和平滩地，以及南坡的草地植被年平均NPP相对较低．藏北主要高寒草地7-9月NPP占全年NPP的64．0％～70．0％．1981-2004年间，藏北地区草地植被总NPP的年际变化较大，并有进一步下降趋势．

利用CASA模型估算黑河流域净第一性生产力

陆地生态系统是维系生物圈乃至人类存在与发展的生命支持系统。该系统净第一性生产力估算研究有助于寻找陆地植被从大气中固定碳的数量及影响其时空分布的驱动因子。基于CASA（Carnegie Ames Stanford Approach）模型，结合多光谱遥感数据和气候数据，模拟干旱半干旱典型区黑河流域1998～2002年净第一性生产力的时空分布，并分析和探讨了上、中、下游NPP的驱动因子。研究结果证明CASA模型适用于内陆河流域范围内NPP研究；通过分析黑河流域上、中、下游的NPP变化与气温、降水、太阳辐射和NDVI的相关关系，发现上游山区NPP与热量相关性显著，中游地区由于人工绿洲对水资源的截留用于作物灌溉，NPP相对稳定，下游的NPP受热量和水分因素共同复杂控制。

利用CASA模型估算我国植被净第一性生产力

基于地理信息系统和卫星遥感应用技术 ,利用 CASA模型估算了我国 1997年植被净第一性生产力及其分布。结果表明 :1997年我国植被净第一性生产量为 1.95 Pg C,约是世界陆地植被年净第一性生产力的 4.0 % ;我国植被净第一性生产力的主要分布趋势是从东南沿海向西北逐渐减小 ;其中海南岛南部、云南西南部、青藏高原东南部的热带雨林和季雨林地区植被年净第一性生产力最大 ,达 90 0 g C· m- 2· a- 1以上 ,而西部塔克拉玛干沙漠地区植被年净第一性生产力最小 ,不足 10 g C· m- 2· a- 1。

改进CASA模型在内蒙古草地生产力估算中的应用

CASA(Carnegie-Ames-Stanford Approach)模型是针对北美地区植被而建立的净第一性生产力(NPP)模型,本文通过修改CASA模型参数(PAR、FPAR),使之成为适合草地NPP估算的模型。采用改进后的CASA模型计算了2003年内蒙古草地生长季的生产力,并利用2003年7和8月的地面实测样方数据对改进后的模型进行验证。结果表明,2003年内蒙古草地生长季总的第一性生产量为28.59×1012gC,利用改进后的CASA模型模拟的NPP值与地面实测值基本一致。除了温性荒漠类草地退化程度大于Ⅱ度时误差较大外,其它草地类型模拟的精度>80%,未退化草甸草原和典型草原的模拟精度达到90%。

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CASA模型的区域冬小麦生物量遥感估算

该文对原始CASA(carnegie-ames-stanford-approach)模型中归一化植被指数(normalized difference vegetation index,NDVI)最值提取方法及光合有效辐射吸收比(fraction of absorbed photosynthetically active radiation,FPAR)的算法进行了深入分析,并通过综合分析大量国内外文献,更加科学合理的确定了最大光能利用率的取值,最终确立了适合该研究区的CASA模型。该文以河北省邯郸市3个县域冬小麦为研究对象,以HJ-1A/B星遥感数据产品为数据支撑,采用CASA模型对研究区2014年冬小麦生物量进行了估算和精度验证,结果表明:研究区冬小麦生物量平均值为1 485 g/m^2,50%以上区域在1 500~2 000 g/m^2之间。冬小麦实测生物量与预测生物量相关性达到显著水平,R^2为0.811 5。经过50组数据分析对比,平均相对误差为2.13%,其中,最大值为11.54%,最小值为0.33%;平均预测生物量为1 807.54 g/m^2,与平均实测生物量1 720.74 g/m^2相比,绝对误差为86.80 g/m^2,为估算区域冬小麦产量提供理论支撑。

基于CASA模型的内蒙古典型草原植被净初级生产力动态模拟

植被净初级生产力及其对气候变化的响应研究是全球变化的核心内容之一。在利用内蒙古典型草原连续13年的地上生物量资料对基于遥感信息的生态系统碳循环过程CASA（Camegie-Ames-Stanford Approach）模型验证的基础上，分析了内蒙古典型草原1982-2002年植被净初级生产力（Net primary productivity，NPP）的时间变异及其影响因子。结果表明：1）1982～2002年21年间内蒙古典型草原的平均年NPP为290．23 g C·m^-2．a^-1，变化范围为145．80～502．84 g C·m^-2·a^-1；2）内蒙古典型草原NPP呈增加趋势，但没有达到显著性水平，其中1982～1999年的18年间NPP呈现非常显著的增加趋势（P〈0．01），NPP增加的直接原因是由于生长旺季生长本身增强所致；3）内蒙古典型草原NPP与年降水量呈极显著的相关关系，年降水量显著影响NPP的变异，而NPP与年均温无显著相关关系。

基于CASA模型的陕西省植被净初级生产力时空分析

[目的]探明陕西省近年来植被净初级生产力(net primary productivity,NPP)的变化及评估植被的生长条件。[方法]基于CASA(Carnegie Ames Stanford Approach)模型估算陕西省2003—2012年逐月NPP,并分析其年际、年内的时空变化特征及趋势。[结果](1)陕西省2003—2012年植被NPP总体呈增长趋势(p<0.01),年均增量为3.940 6g/(m^2·a)(以C含量计);年总NPP从2003年的84.44Tg(1Tg=1012g)增加到2012年的91.98Tg。(2)NPP年内变化明显,夏季NPP占年总量的比例最高,达到52.43%,7,8两月占比最高,分别为18.52%和18.41%。只有3和8月NPP增长趋势显著或极显著,其他月份NPP变化不显著。(3)不同植被NPP的年际变化比较平稳,除永久湿地外,其他植被类型的NPP呈增长趋势,耕地的NPP增长最快(p<0.01),年均增量为5.89g/(m2·a)。(4)NPP整体呈南高北低、高低相间的分布特征,全省78.53%的区域NPP呈增长趋势,24.47%的区域增长显著或极显著;NPP降低显著/极显著的面积仅占2.27%,主要分布在陕西中部和西安周边地区。[结论]陕西植被生长条件总体在改善,但局部在恶化。