中国潜在植被生产力的分布与模拟

利用中国植被净第一性生产力ＮＰＰ（ｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ）的散点测量数据及中国一般气象站气候记录资料,并根据附近气象站数据进行地理位置相关插值,采用Ｐｅｎｍａｎ方法计算潜在蒸散,用Ｔｈｏｒｎｔｈｗａｉｔｅ的土壤水分处理方法,计算了ＮＰＰ测定位点的水分平衡。结果表明ＮＰＰ与生长季实际蒸散、总蒸散、潜在蒸散显著相关,与干燥度成负相关。从生长季的实际蒸散、干燥度指标两参数出发,建立了ＷＢＩＮＰＰ模型：ＮＰＰ＝２．５５·ＧＡＥ·ｅ－４．２０９２２－１．９６６５ＡＩ。该模型考虑了植被生产力形成机制,与ＮＰＰ实测值相关性高达０．８４２,高于国际上著名ＮＰＰ模型Ｍｉａｍｉ模型、ＴｈｏｒｎｔｈｗａｉｔｅＭｅｍｏｒｉａｌ模型和Ｃｈｉｋｕｇｏ模型（相关系数为０．６５５～０．７３２）。最后利用ＥＩＳ软件对全国潜在ＮＰＰ分布格局进行了分析,从东南到西北逐渐减少,最大值出现在海南和台湾,大于２２ｔ·ｈｍ－２·ａ－１,长江中下游地区１２～１６ｔ·ｈｍ－２·ａ－１,华北平原为８～１２ｔ·ｈｍ－２·ａ－１,东北地区为４～８ｔ·ｈｍ－２·ａ－１;草原地区为２ｔ·ｈｍ－２·ａ－１左右,干旱荒漠小于２ｔ·ｈｍ－２·ａ－１。     

用NOAA气象卫星的AVHRR遥感资料估算中国的净第一性生产力

重点研究用气象卫星ＡＶＨＲＲ遥感方法估算目前中国的净第一性生产力（ＮＰＰ）水平。ＡＶＨＲＲ可见光通道和近红外通道组合成的标准化差植被指数（ＮＤＶＩ）,既是监测植被生长好坏的参量,也是计算净第一性生产力的重要参量。介绍了用遥感统计模型计算ＮＰＰ的方法,获得了一系列结果。将遥感方法计算的ＮＰＰ与气候模型计算的ＮＰＰ进行了比较,证明两者有一定的可比性。计算净第一性生产力需要全年的ＮＤＶＩ,因此对卫星资料处理技术也作了介绍     

陆地植被净第一性生产力的研究

回顾了当前国内外陆地植被净第一性生产力（ＮＰＰ） 的研究现状，分析了３ 种生产力模型（ 气候相关模型、过程模型和光能利用率模型） 在应用于全球和区域生产力研究时的长处及不足：气候相关模型在气候变化研究中应用比较多，但计算的只是潜在ＮＰＰ；过程模型着重于植物生长的生理生态过程，但过于复杂，模型中的参数不易获得；光能利用率模型因为可直接利用遥感数据成为ＮＰＰ模型发展的一个主要方面．对国内ＮＰＰ的研究及遥感手段在ＮＰＰ研究中的应用进行了分析．     

塔里木盆地北部盐化草甸植被净第一性生产力模型研究

根据野外实测的植被生产力资料及计算所得的测定样地地下水潜水蒸发量数据。建立了估算塔里木盆地北部盐化草甸植被净第一性生产力（ＮＰＰ）的模型：Ｙ＝０．０３２４＋０．００３７Ｅ。（１－ｈ／ｈ。）＾２该模型表明：在一定的气候和土壤条件下,盐化草甸植被净第一性生产力随地下水埋深的增加而逐渐下降,对模型的灵敏度分析表明,当地下水埋深ｈ〈３．３ｍ时,盐化草甸植被净第一性生产力对地下埋深的变化不甚敏感,ｈ每变化１     

陆地生态系统净第一性生产力对全球变化的响应

陆地生态系统的年净第一性生产力是每年植物通过光合作用固定的碳总量。随着全球变化发生,ＮＰＰ发生相应的变化。传统的方法预测ＮＰＰ的变化是利用气候和植被之间的局地关系建立回归模型,但用此方法预测ＮＰＰ的变化是有条件的。目前国际上出现了一种陆地生态系统的动态模型,它考虑了植物营养元素如氮的有效性,同时利用不同ＧＣＭｓ模型预测的气候因子的变化值和全球变化模拟研究的实验数据,预测全球ＮＰＰ的可能变化及区域分     

基于NDVI的中国天然森林植被净第一性生产力模型

根据叶面积指数、归一化植被指数（ＮＤＶＩ）建立了中国森林植被净第一性生产力（ＮＰＰ）模型：ＮＰＰ＝－０．６３９４－６７．０６４ｌｎ（１－ＮＤＶＩ）经我国１３组森林植被生产力数据的验证表明,该模型的预测结果与实测值相符较好。通过与Ｃｈｉｋｕｏ模型和综合模型（周广胜等,１９９６）预测结果的比较,该模型在总体上优于Ｃｈｉｋｕｇｏ模型和综合模型。表明基于ＮＤＶＩ的净第一生产力模型对我国森林植被有良好的适应     

土地利用约束下中国东部南北样带生产力和植被分布对全球变化的响应

对现有的区域植被动态模拟模型进行了改进,使之包含了土地利用分布格局对植被和生态系统相关过程的影响。改进后的模型被用地研究中国东部南北样带(NSTEC)植被和净第一性生产力对未来气候变化的响应。模拟结果显示土地利用格局对未来气候条件下植被分布的变迁和生产力形成过程有非常显著的影响。与没有土地利用约束的情形相比较,土地利用作为限制条件缓减了植被类型之间的竞争,从而减少了模拟的样带区域内常绿阔叶林,但增加了模拟灌木和草地的分布。土地利用约束使得模拟得到的当前条件下的净第一性生产力更为接近实际情况,且未来气候条件下的生产力改变量更为可信。对未来CO2倍增条件下7个大气环流模型预测的气候情景的模拟结果表明：落叶阔叶林将显著增加,但针叶林、灌木和草原的分布将下降。未来气候条件下NSTEC样带的净第一性生产力总量将增加。预测样带北部的净第一性生产力的变化范围大于样带南部。温度变化比降水变化对样带的生产力具有更强的控制。     

土地利用约束下中国东部南北样带生产力和植被分布对全球变化的响应

对现有的区域植被动态模拟模型进行了改进,使之包含了土地利用分布格局对植被和生态系统相关过程的影响.改进后的模型被用于研究中国东部南北样带(NSTEC)植被和净第一性生产力对未来气候变化的响应.模拟结果显示土地利用格局对未来气候条件下植被分布的变迁和生产力形成过程有非常显著的影响.与没有土地利用约束的情形相比较,土地利用作为限制条件缓减了植被类型之间的竞争,从而减少了模拟的样带区域内常绿阔叶林,但增加了模拟灌木和草地的分布.土地利用约束使得模拟得到的当前条件下的净第一性生产力更为接近实际情况,且未来气候条件下的生产力改变量更为可信.对未来CO2倍增条件下7个大气环流模型预测的气候情景的模拟结果表明:落叶阔叶林将显著增加,但针叶林、灌木和草原的分布将下降.未来气候条件下NSTEC样带的净第一性生产力总量将增加.预测样带北部的净第一性生产力的变化范围大于样带南部.温度变化比降水变化对样带的生产力具有更强的控制.     

植被净第一性生产力研究回顾与发展趋势

植被的净第一性生产力(NPP)反映了植物每年通过光合作用所固定的碳总量,目前NPP研究是全球变化研究的重要内容之一。本文回顾国内外植被NPP研究的历史,对遥感和地理信息系统(GIS)在NPP研究中的应用做了分析,并对近期陆地植被NPP研究的特点及发展趋势作了总结。     

GIS支持下陕西省植被生产有机物价值研究

 在地理信息系统的支持下,利用改进的周广胜NPP模型,根据陕西省植被图和陕西省相关的气候资料,充分考虑植被类型和覆盖度,以植被类型为单位估算了陕西省陆地生态系统NPP物质量进行了测定,结果为：陕西省陆地植被总产量为195.339 5 t·hm－2·a－1,单位面积平均产量为7.25 TDM·hm－2·a-1。得到陕西省植被NPP值列表。以第一性生产物质量为基础,采用能量比市场价格法测定了陕西省各种植被类型的生产力价值,结果是：陕西省的27个植被类型总净第一性生产力价值为358.50亿元。单位面积的生产力价值     

陆地植被净初级生产力计算模型研究进展

植被净初级生产力(NPP)研究是全球变化与陆地生态系统的核心内容之一。在回顾NPP模型研究的基础上,综合分析了气候模型、生态生理过程模型、光能利用率模型各自的优缺点,并对NPP模型研究做出展望。生态生理过程模型是当前陆地NPP估算研究的主要手段,而区域尺度转换则是它所面临的关键问题。近年来光能利用率模型已成为NPP估算的一种全新手段,它利用遥感所获得的全覆盖数据,使区域及全球尺度的NPP估算成为可能,但其生态学机理还有待于进一步研究。已有研究表明,“生态一遥感耦合模型”将是陆地NPP估算的主要发展方向,它融合了生态生理过程模型和光能利用率模型的优点,增强了NPP模型估算的可靠性和可操作性。     

中国陆地植被净初级生产力估算模型优化与分析——基于中国生态系统研究网络数据

该研究基于中国生态系统研究网络(CERN)数据对传统CASA模型进行优化,对比两叶模型与优化CASA模型在站点尺度和像元尺度对于8个典型生态站点的植被净初级生产力(NPP)估算精度,选择在像元尺度表现更好的优化CASA模型,结合中国土地覆被数据(ChinaCover)开展2000—2019年中国陆地植被NPP监测与分析。研究结果表明：(1)基于FY2D PAR的优化方案能够有效避免空间插值导致的不确定性问题,显著提高了PAR估算精度;(2)在站点尺度上,两叶模型用于估算典型森林、草地生态系统的NPP表现更好,而在像元尺度上优化CASA模型估算精度更高;(3)在全国尺度上,优化了最大光能利用率、水分胁迫系数以及光合有效辐射计算方法的CASA模型能够较好地模拟中国陆地植被NPP,近20年中国陆地植被NPP变化范围为2.703—2.882 PgC/a,在空间上呈西北低东南高的格局,在时间上呈现波动中缓慢增加的趋势。     

中国陆地植被净初级生产力遥感估算

该文在综合分析已有光能利用率模型的基础上,构建了一个净初级生产力(NPP)遥感估算模型,该模型体现了3方面的特色:1)将植被覆盖分类引入模型,并考虑植被覆盖分类精度对NPP估算的影响,由它们共同决定不同植被覆盖类型的归一化植被指数(NDVI)最大值;2)根据误差最小的原则,利用中国的NPP实测数据,模拟出各植被类型的最大光能利用率,使之更符合中国的实际情况;3)根据区域蒸散模型来模拟水分胁迫因子,与土壤水分子模型相比,这在一定程度上对有关参数实行了简化,使其实际的可操作性得到加强。模拟结果表明,1989~1993年中国陆地植被NPP平均值为3.12 Pg C (1 Pg=10¹⁵ g),NPP模拟值与观测值比较接近,690个实测点的平均相对误差为4.5%;进一步与其它模型模拟结果以及前人研究结果的比较表明,该文所构建的NPP遥感估算模型具有一定的可靠性,说明在区域及全球尺度上,利用地理信息系统技术将遥感数据和各种观测数据集成在一起,并对NPP模型进行参数校正,基本上可以实现全球范围不同生态系统NPP的动态监测。     

基于校正的CASA模型NPP遥感估算及分析——以河西走廊为例

利用CASA模型估算植被净初级生产力(NPP)应用广泛,但其精度仍然有待提高。基于地理因子回归方法(AMMRR)和地表水分指数(LSWI)对CASA模型的两个关键参数:温度胁迫系数和水分胁迫系数进行校正,再估算NPP并分析了校正对植被NPP及各因子与NPP关系的影响。研究表明:(1)校正能有效提高CASA模型的估算精度,校正后NPP总量为34.29 TgC/a,原CASA模型高估了0.23 TgC/a。(2)研究不仅可以校正地形对NPP的影响,还可以校正平坦地形下人类活动区NPP的影响;在高海拔、地形起伏较大的区域以及人类活动地区,校正对NPP估算影响较大,绿洲区原模型存在高估。(3)校正对生长季的影响大于非生长季;坡度对NPP影响较大,坡度越大原模型高估越多;校正前高估了阳坡NPP,低估了阴坡NPP。     

Estimation of Net Primary Productivity of Terrestrial Vegetation in China by Remote Sensing (in English)

Among the many approaches for studying the net primary productivity ( NPP ), a new method by using remote sensing was introduced in this paper. With spectral information source (the visible band, near infrared band and thermal infrared band) of NOAA-AVHRR, we can get the relative index and parameters, which can be used for estimating NPP of terrestrial vegetation. By means of remote sensing, the estimation of biomass and NPP is mainly based on the models of light energy utilization. In other words, the biomass and NPP can be calculated from the relation among NPP , absorbed photosynthetical active radiation (APAR) and the rate (ε) of transformation of APAR to organic matter, thus：NPP=(FPAR×PAR)×［ε*×σT×σE×σS×(1-Ym)×（1-Yg）］ . Based upon remote sensing (RS) and geographic information system (GIS), the NPP of terrestrial vegetation in China in every ten days was calculated, and the annual NPP was integrated. The result showed that the total NPP of terrestrial vegetation in China was 6.13×109 t C·a-1in 1990 and the maximum NPP was 1 812.9 g C/m. According to this result, the spatio-temporal distribution of NPP was analyzed. Comparing to the statistical models, the RS model, using area object other than point one, can better reflect the distribution of NPP , and match the geographic distribution of vegetation in China.     

我国陆地植被净初级生产力变化规律及其对气候的响应

在GIS系统的支持下,利用卫星遥感资料和地面气象观测资料,构建了基于光能利用率的植被净初级生产力(NPP)遥感模型,估算了我国陆地1982—2000年1—12月植被NPP,分析了1982—2000年我国不同植被类型NPP的季节性和年际性变化规律,基于像元空间尺度讨论了植被NPP对气候的响应关系.结果表明,我国植被NPP年内季节性变化规律明显;我国主要植被类型年NPP在1982—2000年基本呈上升趋势,增长幅度最大的是落叶针叶林,增长幅度最小的是草地;1982—2000年,NPP年际间波动最大的植被类型是常绿阔叶林,年际间波动最小的植被类型是草地.通过NPP对气候因子(降水、温度)变化的响应分析表明,我国降水对植被NPP季节性变化的驱动作用高于温度,气候因子(降水、温度)对北方植被NPP季节性变化的驱动作用高于南方;我国气候因子(降水、温度)对NPP年际变化的驱动作用(强度、方向)随季节 及纬度的不同而不同.     

陕北黄土高原植被净初级生产力的估算

基于MODIS和地面气象数据,利用改进的CASA模型,模拟分析了2005年陕北黄土高原地区的植被净初级生产力(NPP)及其时空分布.结果表明:1)根据生态生理过程模型针对不同土地覆被类型选择不同的月平均最大光能利用率,比传统CASA模型中使用固定的全球月平均最大光能利用率进行NPP估算,更符合陕北黄土高原地区的实际情况;在估算植被参数时引入植被覆盖分类,以及利用陕北黄土高原2005年时序NDVI进行土地覆被分类的同时,结合1:100万中国植被图和实地调查情况对分类结果进行修正,可提高分类的精度,从而提高模型估算的精度.2)通过不同模型之间和与陕北部分地区实际调查数据进行比较,显示改进后的CASA模型对区域陆地植被NPP的模拟效果较好,可应用于陕北黄土高原乃至周边地区NPP的计算中.3)2005年陕北黄土高原植被净第一性生产量估计值为4.76×10~(13) g C,约占全国总NPP的1.5%,植被平均NPP为447.3 g C·m~(-2)·a~(-1),高于1992-2000年全国陆地NPP平均值323.8 g C·m~(-2)·a~(-1).4)在NPP的空间分布上,总体趋势是由东南向西北递减,其中最高值出现在东南部的黄龙山次生林区(1087g C·m~(-2)·a~(-1));西北部的荒漠植被覆盖度极低,平均NPP仅为205.0 g C·m~(-2)·a~(-1).5)陕北黄土高原NPP的季节变化明显,其中4月中旬至10月中旬6个月生长季时间里的NPP可占到全年的91.5%,而7月中旬至8月中旬间该区的净初级生产力达到年内的极大值,可占全年的37.8%.

Abstract：

Based on the data from MODIS (Moderate-resolution Imaging Speetroradiometer) and meteorological observatories, and by using improved CASA (Carnegie-Ames-Stanford Approach) model, the vegetation net primary productivity (NPP) and its spatiotemporal distribution on the North Shaanxi Loess Plateau in 2005 were simulated and analyzed. Comparing with the traditional CASA model which only uses a universal mean annual maximum light use efficiency (LUE), the estimated regional NPP by the improved CASA model was more precise, because this improved model used the LUE parameters of different vegetation covers. The detailed land cover classifica-tion also contributed to the increase of the precision via introducing the time-series Normalized Different Vegetation Index (NDVI) and ground survey data to modify and adjust the original clas-sification system based on vegetation map (1: 1000000). The testing of the simulation results from different models with the ground survey data in North Shaanxi showed that the estimation by the modified CASA model was much closer to the real survey data, implying the potential practi-cal significance of this model in estimating the vegetation NPP in North Shaanxi Loess Plateau and its adjacent areas. In 2005, the NPP in North Shaanxi was estimated as 4. 76×1013 g C, ac-counting for about 1.5% of China' s terrestrial total NPP, and the mean NPP was 447.3 g C·m~(-2)·a~(-1), being much higher than that of China' s terrestrial vegetation (323.8 g C·m~(-2)·a~(-1)) in 1982-2000. The spatial distribution pattern of the vegetation NPP showed an apparently declining trend from the southeast to the northwest, with the highest value of 1087 g C·m~(-2)a~(-1) occurred in the broadleaved-and conifer-mixed forests of Huanglong Mountain in southeast part of the region. The mean NPP of desert vegetation in the whole region was the lowest, only about 205.0 g C·m~(-2) ·a~(-1). An obvious seasonal variation of the NPP was observed. The NPP in growth season (from April to October) took about 91.5% of the total in the year, and the peak occurred in mid-July to mid-August, amounting to 37.8% of the total.     

Above-ground biomass estimation based on NPP time-series − A novel approach for biomass estimation in semi-arid Kazakhstan

Biomass is a sensitive indicator of environmental change and ecological functioning. Quantification of biomass is essential to identify and monitor those areas threatened by degradation and desertification. This is especially important in arid and semi-arid environments. However, robust techniques to monitor carbon stocks over large areas and through time are still missing. The major objective of the presented study is to develop a novel approach for biomass estimation in semi-arid environments using remote-sensing based Net Primary Productivity (NPP) data.The developed methodical concept aims at derivation of above-ground grass and shrub biomass for natural environments. It is based on NPP time-series and plants’ relative growth rates. Fractional cover data provide information about grass and shrub coverage. The developed approach has been applied to three study areas in Kazakhstan, in which field data were collected for validation.Biomass maps were derived that show the spatial distribution of grass and shrub biomass. Validation revealed a moderate correlation (R = 0.68) with field data for grass biomass. For shrub biomass, a high correlation (R = 0.83) is retrieved when fractional cover information from field observations is used.The presented novel approach for biomass estimation is based on remote sensing derived NPP time-series and is thus potentially transferable in space and time. This is a great advantage compared to commonly applied empirical relationships. The presented concept can be adapted to be applied to other vegetation communities. Providing the necessary data about fractional vegetation cover is available, the method will allow for repeated and large-area biomass estimation for natural semi-arid environments as needed for observing changes in biomass and support sustainable land management.     

2000—2011年广西植被净初级生产力时空分布特征及其驱动因素

受人类活动及自然环境影响,广西土壤酸化、水土流失及石漠化等问题比较严重,生态环境面临巨大压力。NPP能有效反映植物群落在自然环境中的生产能力,是评价生态服务功能的重要指标。利用2000—2011年MODIS归一化植被指数(NDVI)数据,基于光能利用率模型对广西植被净初级生产力(NPP)进行估算,分析其时空变化规律,探讨气象因子、植被类型、土壤类型、海拔高度及人类活动的影响。研究表明:近12年广西全区NPP总体呈增加趋势,在西南部地区上升较为明显,而在桂林、柳州等地区呈缓慢下降趋势。广西NPP与降水呈显著正相关关系,与温度相关性不显著;NPP值随海拔高度升高而增加;NPP时空变化特征随植被类型和土壤类型的不同而不同,其中栽培植被NPP不断上升,显示人类活动逐渐成为影响NPP变化的主要因素。     

2001—2010年黄河流域生态系统植被净第一性生产力变化及气候因素驱动分析

基于MODIS-NDVI遥感数据,利用CASA模型分析黄河流域2001—2010年植被净第一性生产力（NPP）的空间分布格局,并结合同期气温和降水量数据,分别从不同空间和时间尺度上分析了黄河流域6种生态系统类型区域植被NPP的变化趋势,并对其与气候因素的相关关系进行分析.结果表明： 植被NPP空间分布呈西北低、东南高的分布特征,平均NPP年总量为108.53 Tg C,植被NPP的分布与生态系统类型呈现较高的相关性;2001—2010年,植被NPP总体呈上升趋势但波动较大,55.4%的面积呈现增加趋势,不同生态系统类型区域呈现不同的变化趋势;在年际水平上,黄河流域植被NPP变化与气候因素没有显著相关性,但在月际水平上呈现了较高的相关性,降水量和气温对植被NPP变化的影响作用相当;不同生态系统类型对气候因素呈现不同的相关性质以及时滞效应,草地对降水量的响应存在一定程度的时滞效应,荒漠对气温存在时滞效应.