下载文档原格式
河北师范大学硕士学位论文基于CASA模型的呼伦贝尔地区NPP估算研究姓名：杜红申请学位级别：硕士专业：地图学与地理信息系统指导教师：胡引翠20100307摘要呼伦贝尔市处于内蒙古自治区的东北部地区，属于西北干旱区向东北湿润区和华北旱作农业区的过渡地带，对于保障我国的生态安全和可持续发展具有重要的意义。
草地植被是草地生态系统中的第一性生产者，对区域甚至全球气候和环境变化具有很大的影响作用。
本论文根据CASA模型估算呼伦贝尔地区的NPP，采用遥感数据，以草地植被作为草地生态系统研究的主体，对草地状况进行监测、分析计算和评价。
植被净初级生产力(NPP)是指绿色植物在单位时间内、单位面积上所积累的有机物的量。
NPP作为地表碳循环的重要组成部分，不仅直接反映了植被群落在自然环境条件下的生产能力，表征陆地生态系统的质量状况，而且是判定生态系统碳源/汇和调节生态过程的主要因子，在全球变化及碳平衡中起着重要作用。
近30年来，随着人类活动的影响，温室效应等气候和环境问题日益突出，使得陆地生态系统的碳收支的时空变化成为一项研究趋势。
本文主要运用地理信息系统和CASA遥感模型，利用MODIS遥感数据、气象数据及相关资料，估算内蒙古呼伦贝尔地区的NPP，并将估算结果与实测数据进行对比研究，从而验证CASA模型的精度，并改进该模型。
CASA模型从其产生开始就是基于大尺度甚至全球的空间验证，模型中的许多参数均是从区域甚至全球给定的，本论文拟应用CASA模型来模拟出呼伦贝尔草原生态系统的净初级生产力，并利用该生态系统的野外实测地上生物量数据进行模拟验证，旨在验证CASA模型的动态模拟能力，以评价CASA模型反映NPP空间变异特征的准确性及阐释程度。
本研究主要得出了以下结论：(一) CASA模型的改进及实现以CASA模型的基本结构为基础，考虑到最大光能利用率的取值在不同的地表植被类型中存在的差异，结合呼伦贝尔地区存在不同植被类型的实际情况，对CASA模型进行了一些改进，通过对NPP结果与实测数据及其他模型的对比验证，发现改进后的CASA模型对小尺度植被NPP的模拟效果较好。
利用朱文泉老师改进的CASA模型实现了草原NPP模拟，技术总结如下。
由于研究区矢量边界与亚类分布图不一致，决定采用两者交集为研究区域空间范围。
即以矢量边界为基准来裁剪亚类分布图，得到研究区亚类分布图_clip，以下所用的空间范围均与其一致。
1. 气象数据准备（2）栅格气象数据概况栅格气象数据为2013年的月平均气温和月总降水量数据，栅格分辨率为0.0001388889 degree，空间范围为研究区全境，行列数为14815*8390，数据均为32位浮点型。
（3）原始数据准备1）数据来源：中国气象科学数据共享服务网，中国地面气候资料月值数据集（终止时间：201403）。
2）数据格式：文本文件（txt）。
3）数据项：1980-2014年的月平均气温和月总降水量数据。
（4）建立栅格数据1）格式转换：把原始txt文件转换到以台站号为记录单位的excel 文件，并对其经纬度坐标进行十进制度的转换。
2）空间化：以气象台站的十进制度经纬度信息为依据，在ARCMAP中加载XY data，定义好坐标系，导入站点，再导出，得到气象台站的点图层。
3）气温和降水数据的与气象台站连接：把原始txt文本格式的气温和降水数据保存到excel，整理后得到2013年各个月份的降水量（单位：mm）和气温数据（单位：℃），保存到xls格式，剔除掉异常点，空值点。
根据台站号将气温和降水数据分别与气象台站点图层进行属性表join，之后导出，得到气温和降水图层，包含当年所有月份的数据，并再次检查数据的正确性。
4）气温和降水数据栅格化：以内蒙古200公里范围内的气象台站为样本点，利用Geostatistic Analyst中的普通克里金插值法得到空间化的气温和降水栅格数据。
对栅格数据进一步的操作步骤包括：1. 把Kring插值结果导出到.tif 格式。
2. 对导出的栅格数据进行裁剪，裁剪范围是至少能包含研究区全境的矩形。
3. 对裁剪栅格进行重采样，分辨率为0.0001388889 degree。
植物生态学报 2001,25(5)603～608Acta Ph ytoecologica Sinica 利用CASA模型估算我国植被净第一性生产力X朴世龙 方精云* 郭庆华(北京大学城市与环境学系,北京大学地表过程分析与模拟教育部重点实验室,北京 100871)摘 要 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1.95PgC,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900gC·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10gC·m-2·a-1。
关键词 CASA模型 光合有效辐射 光能转化率 净第一性生产力 NDVIAPPLICATION OF CASA MODEL TO THE ESTIMATION OF CHINESETERRESTRIAL NET PRIMARY PRODUCTIVITYPIAO Shi-Long FANG Jing-Yun*and GUO Qing-Hua(Depar tment o f Urb an&Envir o nmental Science,and Key Lab oro to ry f o r E ar th Surf ace P ro cesses o fthe Minis try o f E ducation,P ek ing Un iversity,Beij ing 100871)Abstr act The net primary product ion(NPP)of Chinese terrestrial vegetat ion in1997was est imated based on the CASA model.The geographic distribut ion of NPP was explored using GIS and remot e sensing imagery (NOAA/AVHRR),t oget her wit h spat ial dat a on veget at ion,climate,soil t ype and solar radiat ion.The model estimat es China's t errest rial NPP in1997as1.95PgC,or about4.0%of the worlds terrest rial tot al.NPP de-creased from sout heast China toward the nort hwest.Sout hern Hainan Island,Southwestern Yunnan and Sout h-east ern Tibet showed large NPP values,wit h the value exceding900gC·m-2·a-1,whereas the Takelamagan desert located in west ern China had very small values—less t han10gC·m-2·a-1.Key words CASA model,Phot osynt hetically act ive radiat ion(PAR),Light utilizat ion efficiency,Net primary product ivit y(NPP),NDVI 植被是陆地生物圈的主体,它不仅在全球物质与能量循环中起着重要作用,而且在调节全球碳平衡、减缓大气中CO2等温室气体浓度上升以及维护全球气候稳定等方面具有不可替代的作用。
毕业设计中期报告模板一、选题背景二、研究目的三、研究内容四、研究方法五、预期结果六、研究进展七、存在问题及解决方案八、下一步计划九、参考文献一、选题背景毕业设计是本科生在大学学习期间的一次重要学术实践，通过完成毕业设计，可以提高学生的实际操作能力，加深对所学知识的理解。
本次毕业设计的选题背景主要是受当前社会环境和就业形势的影响。
二、研究目的为了提高本科生在毕业设计中的编写能力和综合素质，为毕业生学术论文写作提供一定的指导和参考。
三、研究内容本次研究的主要内容是设计一份毕业设计中期报告模板，具体内容如下：1.选题背景：阐述毕业设计选题的背景和意义。
2.研究目的：明确毕业设计的目的和意义。
3.研究内容：具体阐述毕业设计的内容和研究方法。
4.研究方法：说明毕业设计的研究方法和具体实施过程。
5.预期结果：阐述毕业设计预期的具体结果和效果。
6.研究进展：详细记录毕业设计过程中的进展情况。
7.存在问题及解决方案：分析毕业设计中的问题和解决方案。
8.下一步计划：阐述毕业设计的下一步工作计划和目标。
9.参考文献：列出毕业设计中参考的文献和资料。
四、研究方法本次毕业设计的研究方法主要包括资料查阅、数据采集、实验分析、模型构建等。
五、预期结果预计本次毕业设计能够完成一份完整的毕业设计中期报告模板，能够提供给同学们进行参考和实践，同时也能够提高毕业生的学术写作和综合素质。
六、研究进展目前，已经完成了毕业设计中期报告模板的初步构思和设计，接下来将进一步完善和优化。
七、存在问题及解决方案在毕业设计中，可能会遇到一些难题和问题，我们将结合具体情况及时解决。
八、下一步计划接下来的工作将主要集中在毕业设计中期报告模板的完善和细化，同时要适时组织同学们进行模板的实践操作。
九、参考文献[1] 马茜. 现代毕业设计研究方法探讨[J]. 应用民族文化学术,2006,(05):162-167.[2] 孙冬冬,刘凌. 毕业设计过程中问题探析及应对策略[J]. 环球商学,2017,(07):254-265.。
第29卷第3期2022年6月水土保持研究R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o nV o l .29,N o .3J u n .,2022收稿日期:2021-04-29 修回日期:2021-05-25资助项目:国家自然科学基金项目 滨海开发带生态用地保护效率演变与空间效应研究 (41871203);自然资源部中国地质调查局项目(D D 20189123) 第一作者:陈晓杰(1993 ),女,内蒙古赤峰人,博士研究生,研究方向为土地生态与资源环境㊂E -m a i l :c h e n x i a o ji e @w h u .e d u .c n 通信作者:王静(1966 ),女,浙江天台人,教授,博士生导师,研究方向为土地生态系统管理与土地资源可持续利用㊂E -m a i l :w j i n g0162@126.c o m基于C A S A 模型的植被净初级生产力时空演变格局及其影响因素以湖北省为例陈晓杰1,张长城2,张金亭1,王静1(1.武汉大学资源与环境科学学院,武汉430079;2.湖北省地质局武汉水文地质工程地质大队,武汉430051)摘 要:为了揭示湖北省植被N P P 的时空演变规律及驱动机制,基于C A S A 模型计算2000 2018年湖北省植被N P P ,结合气象数据和土地利用数据,利用重心模型㊁相关性分析和贡献指数等方法分析植被N P P 的时空变化及其影响因素㊂结果表明:(1)2000 2018年湖北省植被N P P 年均值介于532.19~656.49g C /(m 2㊃a ),整体呈波动上升趋势;(2)湖北省植被N P P 在空间分布上表现为由西北向东南递减的趋势,植被N P P 重心迁移轨迹呈M 型,西北地区的增量和增速较大高于东南地区㊂(3)湖北省植被N P P 与年均气温呈正相关的区域面积占全省总面积的54.49%,主要分布在荆门㊁荆州地区以及宜昌东南部地区;年均N P P 与年降水量呈正相关的面积高达87.65%,主要分布在随州㊁襄阳和孝感北部地区㊂(4)2000 2018年研究区域内N P P 总量增加19.86ˑ10-2T g C ,在土地利用变化引起的N P P 损益中,主要由其他土地类型向林地㊁耕地和草地转换引起;不同时期土地覆盖变化对N P P 总量的贡献率有所差异,2000 2010年建设用地贡献率最高为53.81%,2010 2018年耕地贡献率最高为61.53%㊂关键词:净初级生产力;C A S A 模型;气候变化;重心模型;湖北省中图分类号:Q 948 文献标识码:A 文章编号:1005-3409(2022)03-0253-09A n a l y s i s o f t h e S p a t i o t e m p o r a l E v o l u t i o nP a t t e r n s o fV e g e t a t i o nN e t P r i m a r yP r o d u c t i v i t y a n d I t s I n f l u e n c i n g Fa c t o r sB a s e do nC A S A M o d e l -AC a s e S t u d y ofH u b e i P r o v i n c e C H E N X i a o j i e 1,Z H A N GC h a n g c h e n g 2,Z H A N GJ i n t i n g 1,WA N GJ i n g1(1.S c h o o l o f R e s o u r c e s a n dE n v i r o n m e n t a lS c i e n c e s ,W u h a nU n i v e r s i t y ,W u h a n 430079,C h i n a ;2.W u h a nB r i g a d e o f H y d r o g e o l o g y a n dE n g i n e e r i n g G e o l o g y ,W u h a n 430051,C h i n a )A b s t r a c t :I no r d e r t o r e v e a l t h e s p a t i o t e m p o r a l v a r i a t i o n s o fN P P a n d i t s i n f l u e n c i n g f a c t o r s ,t h eN P Po f v e ge -t a t i o n i nH u b e i P r o v i n c ew a s c a l c u l a t e df r o m2000t o 2018b y u s i ng th eC A S A m o d e l .B a s e d o n t h e c o m bi n a -t i o no fm e t e o r o l o g i c a l d a t aw i t h l a n du s ed a t a ,t h e s p a t i o t e m p o r a l v a r i a t i o n s o fN P Pa n d i t s i n f l u e n c i n g f a c -t o r sw e r e a n a l y z e d b y u s i n g t h e g r a v i t y c e n t e rm o d e l ,c o r r e l a t i o n a n a l y s i s a n d c o n t r i b u t i o n i n d e x .T h e r e s u l t s s h o wt h a t :(1)t h e a n n u a lN P Pr a n g e d f r o m532.19t o 656.49g C /(m 2㊃a )i nH u b e i P r o v i n c e f r o m2000t o 2018,a n d s h o w e d a n i n c r e a s i n g t r e n d o f f l u c t u a t i o n ;(2)t h e s p a t i a l d i s t r i b u t i o no f v e ge t a t i o nN P P i nH u b e i P r o v i n c e s h o w e d ad e c r e a s i n g t r e n df r o mn o r t h w e s t t o s o u t h e a s t ,a n d t h em ig r a t i o n t r a j e c t o r y o f v e g e t a t i o n N P Pw a sM -sh a p e d ;t h ei n c r e m e n t a n d g r o w t h r a t e o f v e g e t a t i o nN P P i nn o r t h w e s t r e g i o nw e r eh i g h e r t h a n t h o s e i n s o u t h e a s t r e g i o n ;(3)t h e r e g i o n sw i t hs i g n i f i c a n t c o r r e l a t i o nb e t w e e nN P Pa n d t e m p e r a t u r em a i n l y d i s t r i b u t e d i nJ i n g m e n ,J i n g z h o ua n ds o u t h e a s t e r n Y i c h a n g ,w h i l et h er e g i o n sw i t hs i gn i f i c a n tc o r r e l a t i o nb e t w e e nN P Pa n d r a i n f a l lm a i n l y d i s t r i b u t e d i nS u i z h o u,X i a n g y a n g a n dn o r t h e r nX i a o g a n;(4)t h ec h a n g e o f t o t a lN P Pf r o m w o od l a n dt oc u l t i v a te dl a n d w a st h e m o s t i m p o r t a n td r i v e ro ft h e N P P g a i n sa n dl o s s e s c a u s e db y l a n du s e c h a n g e,a n d t h e a d d e dv a l u ew a s27.42ˑ10-2T g C;l a n du s e c h a n g e sof c u l t i v a t e d l a n d a n d c o n s t r u c t i o n l a n dh a d t h eh igh e s t c o n t ri b u t i o n r a t e t oN P P.K e y w o r d s:n e t p r i m a r yp r o d u c t i v i t y;C A S A m o d e l;c l i m a t e c h a n g e;g r a v i t y c e n t e rm o d e l;H u b e i P r o v i n c e植被是连接大气㊁土壤和水分的自然 纽带 ,在调节全球气候和碳平衡等方面具有至关重要的作用[1-3]㊂植被净初级生产力(N P P)是指绿色植物在单位面积㊁单位时间内由光合作用产生的有机物质总量扣除自身呼吸所需要有机物后的剩余部分[4-5]㊂它是评价陆地生态系统健康状态的关键因素,也是促进生态系统物质循环和能量流动的重要角色[6]㊂因此,探讨区域植被净初级生产力的时空演变格局和驱动因素有助于了解气候变化背景下的生态系统响应状况,同时对该于区域内自然资源的合理利用以及社会经济的可持续发展具有重要意义[7]㊂伴随着全球变化研究的不断开展,通过植被N P P研究气候变化对陆地生态系统得影响已成为热点内容[8]㊂实地测量是植被N P P最早的测定方法,例如叶绿素测定法和生物量调查法等,由于受到多种因素的影响,这类方法很难开展[9-10]㊂同时,实地测量的方法无法实现对植被N P P在不同尺度尤其是大尺度上变化特征的分析,因此基于遥感数据以及数学模型估算植被N P P已经成为一种重要的研究方法[11-12]㊂N P P估算模型主要有生态过程模型㊁气候统计模型以及光能利用率模型等㊂生态过程模型由于需要采集多种复杂的参数而很难实现[13]㊂气候统计模型由于仅考虑气候因子却忽视其他因素的影响,从而产生了很大的误差㊂相比较而言,光能利用率模型的计算结果精度较高,不需要繁杂的野外试验测算步骤,数据获取难度小,逐渐被广泛应用于N P P的模拟估算研究中[14]㊂其中C A S A模型运用气象和遥感数据能实现对大尺度区域N P P的模拟,其不需要采集复杂的参数而得到广泛应用[15-16]㊂同时,国内外学者对植被净初级生产力的时空格局㊁演变规律和影响机制等开展了一系列研究㊂张仁平等[17]对新疆地区的草地净初级生产力及其对气候变化的响应进行研究,得出不同草地类型的N P P存在明显差异,降雨可以促进新疆草原N P P的增加,温度对新疆地区草地N P P影响不大㊂N e m a n i等[18]开展了全球植被N P P与气候因素的相关性研究,表明在研究期内全球气候变化导致植被N P P总量增加6%㊂刘旻霞等[9]采用简单差值和H u r s t指数等方法,分析了青海省N P P的时空变化特征及其影响因素,结果表明青海省植被年均N P P在研究期间表现为由东到西㊁由南到北递减的趋势,在土地利用变化中,草地面积减少是导致N P P减少的主要原因㊂张筠等[19]利用MO D I S遥感影像数据研究水热波动和土地覆盖变化对植被净初级生产力的影响,表明与土地覆盖变化的贡献相比,水热波动对该地区不同土地覆盖类型N P P总量变化的贡献更大㊂欧阳玲等[20]基于土地覆被数据和改进C A S A模型分析内蒙古东部草地N P P时空变化,发现人类活动对草地植被净初级生产力的干扰程度在下降㊂在全球气候变化背景下,植被生长过程中受到水热条件的影响日益明显㊂以往研究有助于我们对某一特定区域植被N P P 的认识和理解,然而气候变化对植被N P P的影响具有明显的地域差异性㊂因此,针对不同地区研究植被N P P的时空演变规律及其影响机制具重要意义㊂目前关于湖北省植被N P P的研究并不多,相关学者如赵林等[21]分析干旱对湖北省森林植被净初级生产力的影响,发现在干旱严重的年份,森林N P P的低值面积明显增加,同时干旱面积分布越广,森林N P P均值越低㊂车风等[22]利用M O D17A3H N P P时序数据,分析了2004 2015年湖北省植被N P P时空分布特征以及驱动机制,但并未对植被N P P的重心分布以及迁移轨迹进行分析㊂王翠翠等[23]基于2000 2010年湖北武汉城市圈N P P数据和土地覆盖数据,分析研究武汉城市圈建设用地扩张及其对N P P的影响㊂李庆君等[24]分析了湖北省2000 2012年植被净初级生产力的时空变化特征并借助多元统计分析方法定量探究自然因素和人为因素对N P P变化的影响,但是没有分析土地利用变化对植被N P P的影响量及贡献率㊂以往关于湖北省植被N P P的研究主要分析植被N P P对单一因素的响应,很少同时关注气候因子和土地利用变化对植被N P P的影响㊂本文以湖北省为研究对象,基于改进C A S A模型㊁重心引力模型以及贡献率指数等方法,结合气候因子和土地利用变化分析2000 2018年湖北省植被N P P时空演变格局及其驱动机制㊂研究成果有望为湖北地区生态环境保护㊁生态系统健康评估等提供科学依据㊂452水土保持研究第29卷1研究区概况与数据来源1.1研究区概况湖北省位于我国中部地区,地理位置介于29ʎ01' 33ʎ06'N,108ʎ21' 116ʎ07'E,东西长约740k m,南北宽约470k m,总面积18.59万k m2,占中国总面积的1.94%(图1)㊂湖北省地势表现为中间低平,而东㊁西㊁北三面环山,总体为向南敞开的不完整盆地㊂湖北省内地势高低相差悬殊,其中东部平原的监利县谭家渊附近,地势较低,地面高程为零;而西部地势较高,其中神农架最高峰神农顶,海拔高达3105m㊂在全省总面积中,山地面积最大,占比56%,其次为丘陵占24%,而平原湖区占20%,属长江水系㊂湖北省除高山地区外,大部分为亚热带季风性湿润气候,雨热同季,降水充沛,光能充足,无霜期长㊂区域内多年平均气温为15~17ħ,多年平均降水量在800~ 1600mm㊂区域内具有独特的地形特征,随着海拔的上升,降水量㊁温度以及植被类型等呈现出不同程度的变化差异㊂图1研究区土地利用类型及其气象站点的空间分布1.2数据来源1.2.1遥感数据土地覆盖数据来自资源环境科学与数据中心(h t t p:ʊw w w.r e s d c.c n/),空间分辨率为1k m㊂该数据为L a n du s ea n dl a n dc o v e rc h a n g e (L U C C)分类体系,分为两级,一级为6类,二级为25类㊂将土地利用数据重分类为耕地㊁草地㊁林地㊁建设用地㊁水域和未利用土地㊂植被覆盖数据来源于中国科学院寒旱区科学数据中心(h t t p:ʊw e s t d c.w e s t g i s.a c.c n/)㊂N D V I数据来源于资源环境科学与数据中心(h t t p:ʊw w w.r e s d c.c n/),空间分辨率为1k m,时间分辨率为2000 2018年㊂1.2.2 气象数据气象数来源于中国气象数据网(h t t p:ʊd a t a.c m a.c n/),主要包括2000 2018年逐月平均气温㊁月累积降水㊁太阳总辐射等数据㊂根据数据的可获得性,气温和降雨数据选取湖北省及周边省份总计116个站点的数据,辐射数据是选取包括湖北省在内的中国中东部2422个站点的数据,在A r c-G I S环境下,对上述数据采用K r i g i n g插值方法进行空间插值,并统一定义为A l b e r s投影,经过栅格计算㊁重采样和掩膜提取等方法获得空间分辨率为1 k m的气象分布空间栅格数据集㊂2研究方法2.1植被N P P的估算方法本研究运用朱文泉等改进的C A S A(C a r n e g i e-A m e s-S t a n f o r d A p p r o a c h)模型估算植被N P P[25]㊂其计算公式如下:N P P(x,t)=A P A R(x,t)ˑε(x,t)(1)式中:N P P(x,t)为植物在像元x处t月份的有机物质累积总量[g C/(m2㊃m o n t h)];A P A R(x,t)为在像元x处t月份所吸收的有效光合辐射[M J/(m2㊃m o n t h)];ε(x,t)表示植物在像元x处t月份的实际光能利用率㊂A P A R(x,t)=S O L(x,t)ˑF P A R(x,t)ˑ0.5(2)式中:S O L(x,t)表示太阳在像元x处t月份的总辐射量[M J/(m2㊃m o n t h)];F P A R(x,t)为植被在像元x处t月份吸收有效光合辐射比;0.5表示光合有效辐射和太阳总辐射之比㊂ε(x,t)=Tε1(x,t)ˑTε2(x,t)ˑWε(x,t)ˑεm a x(3)式中:Tε1(x,t)和Tε2(x,t)分别为低温和高温胁迫影响系数;Wε(x,t)表示水分胁迫影响系数;εm a x为理想状态下最大光能利用率(%)㊂2.2变化趋势分析本文利用一元线性回归方法分析2000 2018年湖北省每个栅格的年均植被N P P㊁年降水和年均温的变化趋势,其计算公式如下[26-27]:θs l o p e=nðni=1(iˑN P P i)-ðn i=1iðn i=1N P P inðni=1i2-(ðn i=1i)2(4)式中:θs l o p e是趋势斜率;N P P i为第i年的N P P[g C/ (m2㊃a)];i为年变量;n为监测年数(n=19)㊂2.3相关性分析相关性分析用于反映要素之间的相关方向和相关程度,本文通过P e a r s o n相关系数法分析植被年N P P与气温㊁降水量的相关性及其显著性水平,其计算公式如下[27-28]:R x y=ðn i=1(x i-x)(y i-y)[]ðn i=1(x i-x)2ðn i=1(y i-y)2(5)552第3期陈晓杰等:基于C A S A模型的植被净初级生产力时空演变格局及其影响因素式中:R x y为变量x和y的相关系数;n为年数;x i为第i年的植被N P P;y i为第i年的年均气象因子值(温度㊁降水);x,y分别为变量x和y的n年平均值㊂2.4重心模型重心模型是通过重心点㊁重心移动距离和重心移动方向等指标描述区域地理现象空间差异及其动态演变规律的方法㊂本文运用重心模型分析植被N P P 的重心轨迹,分析其变化程度和变化特征㊂其计算公式如下[29-30]:X=ðni=1G i x i/ðn i=1G i,Y=ðn i=1G i y i/ðn i=1G i(6)式中:X,Y分别表示区域内相应的重心坐标;G i为区域内某一属性的值(N P P);x i,y i为次级区域单元的地理中心坐标;n为次级单元的数量㊂年际间区域重心空间区位移动距离和方向的计算公式[31-32]:D i-j=(x i-x j)2+(y i-y j)2(7)θi-j=nπ2+a r c t g(y i-y jx i-x j)(8)式中:D i-j与θi-j表示两个不同年份间空间现象重心移动的距离与方向;x i和y i表示第i年研究区域重心的地理坐标;x j和y j表示第j年研究区域重心的地理坐标;i,j表示两个不同的年份㊂2.5贡献指数本文通过H i c k等[33]提出的贡献率指标分析2000 2010年,2010 2018年土地利用类型转变对植被N P P的影响㊂土地利用变化对植被N P P的相对贡献(R l u c c)表示土地利用类型不变的情况下估算的N P P与实际N P P之间的差异,具体公式如下: R l u c c=ΔSˑN P P0N P PˑS0+ΔSˑN P P0+ΔSˑΔN P Pˑ100%(9)式中:S0为研究初期土地利用类型的面积;N P P0为研究初期的N P P值;ΔS为研究期内不同土地利用类型面积的变化量;ΔN P P为研究期内土地利用类型的N P P变化量;ΔSˑN P P0为土地利用变化对区域内N P P总量的影响量㊂3结果与分析3.1植被N P P时空演变特征3.1.1年均植被N P P空间分布格局湖北省2000 2018年近19a植被N P P表现出较强的空间分异规律(图2),整体表现出由西北向东南递减的趋势,区域内植被净初级生产力均值为598g C/(m2㊃a)㊂2000 2018年植被N P P的高值区分布在湖北省的西部,平均植被N P P高于950g C/(m2㊃a),主要包括神农架林区㊁十堰㊁恩施和宜昌等地区,这些地区海拔相对较高,且植被覆盖度较高㊂在湖北省东南部以武汉市为中心形成了包括鄂州㊁黄冈等地区在内的低值区域,平均植被N P P小于350g C/(m2㊃a)㊂湖北省大部分区域植被N P P介于350~750g C/(m2㊃a),其主要分布在湖北省中部江汉平原地区,主要包括荆门㊁潜江以及荆州东部等地区㊂植被N P P的空间分布差异特征与该地区的植被类型㊁气候㊁海拔和人类活动等影响因素息息相关㊂湖北省东部地区经济发展较为迅速,人类活动频繁,植被覆盖率较低,因此植被N P P较低㊂湖北省西部地区主要为海拔较高的林区或山区,植被类型丰富,植被N P P相对较高㊂图22000-2018年湖北省植被N P P年平均值的空间分布3.1.2年均植被N P P空间演变特征由于研究期较长,本文以5a或3a为时间节点分析湖北省年植被N P P的变化特征,结果发现2000 2018年湖北省N P P 空间变化趋势整体为由西到东㊁由北到南呈现逐渐增加趋势,然而不同时段的植被N P P有不同的空间变化特征㊂2000 2005年,植被N P P增加区域主要分布在湖北省北部地区,主要包括襄阳㊁随州和黄冈等地区,N P P 增加值最高达到379g C/m2㊂植被N P P减少区域主要分布在湖北省西部和南部地区,主要包括神农架林区和恩施等地区㊂2005 2010年,湖北省植被N P P的增加区域主要为十堰北部地区㊁恩施西部地区和咸宁地区㊂而湖北省北部地区的植被N P P表现为减少趋势,其减少的N P P值最高为529g C/m2㊂2010 2015年,湖北省东部如黄石㊁黄冈和咸宁等区域植被N P P表现为增加的趋势,最大增加值为473g C/m2㊂然而十堰㊁襄阳以及中部江汉平原地区的植被N P P 表现为减少趋势㊂2015 2018年,神农架林区㊁潜江以及荆门北部成为植被N P P减少较多的区域,而一场北部地区㊁武汉东部地区以及鄂州地区呈现出增加的趋势,增加值最高达到555g C/m2㊂652水土保持研究第29卷重心模型可以有效的描述区域地理现象空间差异以及动态演变规律,本文通过2000 2018年各年植被N P P 重心和19a 平均植被N P P 重心,分析湖北省植被N P P 空间分布的偏向性和不均衡性㊂由于研究年数较多,为了使重心点的分布以及迁移轨迹能清晰表达出来,本文以3a 为间断点,绘制湖北省2000 2018年植被N P P 重心轨迹迁移图(图3)㊂湖北省植被N P P 的重心主要分布在襄阳㊁宜昌和荆门交界处,即湖北省偏西部地区,表明湖北省西部地区的植被N P P 高于东部地区,与前文年均植被N P P 空间分布结果相一致㊂湖北省植被N P P 重心迁移可分为2000 2003年㊁2003 2006年㊁2006 2012年及2012 2018年4个阶段,不同时期植被N P P 的迁移方向和路径不尽相同,迁移路径总体呈现为M 型㊂2000 2003年植被重心向西北方向迁移,表明该时间段内西北地区植被N P P 的增量和增速高于东南部地区㊂而2003 2006年植被N P P 的重心又向东南方向迁移,表明东南地区植被N P P 的增量有所提升㊂2006 2012年植被N P P 的重心在6a 间持续向东北方向迁移,表明东北地区植被N P P 的增量和增速高于西南地区㊂2012 2018年植被N P P 的重心又返回西南方向,说明该时期西南区域的植被N P P 增速高于东北区域㊂图3 2000-2018年湖北省植被N P P 空间变化本文运用极坐标系分析湖北省逐年植被N P P 重心到19a 植被N P P 均值重心原点的偏移距离(极半径)和偏移角度(极角)(图4)㊂4个象限重心数目所占的百分比分别为东北象限(26.31%)㊁西北象限(31.58%)㊁西南象限(21.05%)和东南象限(21.05%),由此可见植被N P P 在西北地区的增量和增速较大㊂而湖北省西北部地区主要为神农架是十堰地区,该区域植被覆盖度较高,可以有效的解释上一现象㊂按照南北象限划分,位于坐标轴北部的重点占比为57.89%,可见北部地区植被N P P 的增量和增速高于南部地区㊂同时,2001年㊁2004年㊁2010年㊁2014年植被N P P 重心距原点偏移距离较小,表明这些年份植被N P P 的变化情况相似㊂而2002年㊁2003年㊁2011年㊁2012年植被N P P 与原点的偏移距离较大,说明这些时期的植被N P P 的增量显著㊂图4 2000-2018年湖北省植被N P P 重心迁移轨迹3.1.3 植被N P P 时间演变特征 2000 2018年湖北省植被N P P 均值整体表现为上升趋势(图5),N P P 值的波动幅度达124.30g C /(m 2㊃a )㊂其中2008年出现最大值为656.49g C /(m 2㊃a ),2001年出现最小值为532.19g C /(m 2㊃a)㊂对年均植被N P P 的整体变化趋势进行总结发现,2000 2004年㊁2006 2008年㊁2012 2015年年均植被N P P 表现为波动上升趋势,2004 2006年㊁2008 2012年㊁2015 2018年年均植被N P P 表现为波动下降趋势㊂上述现象与区域水热条件相关,例如降水是区域植被所需水分的主要来源,同时降水也是植被生长的主要限制因子,研究区降水充沛,则有助于植被的恢复和生长,降水减少和气候干旱将会导致区域内植被N P P 降低㊂图5 2000-2018年湖北省植被N P P 重心分布比例752第3期 陈晓杰等:基于C A S A 模型的植被净初级生产力时空演变格局及其影响因素3.2植被N P P主要影响因素分析3.2.1气候因子对植被N P P的影响本文对湖北省的年平均气温和年累计降水量进行统计,进而分析气象因子与植被N P P的相关性㊂由图6 7可以看出,湖北省2000 2018年平均气温在16.24~17.35ħ,多年均值为16.85ħ,其中最大值在2006年,最小值在2012年㊂湖北省2000 2018年年降水量在854.02~1334.51m m,多年均值为1138.37m m,年降水量最大值出现在2002年,最小值在2001年㊂总体看来,近19a来湖北省气温呈缓慢上升趋势,变化率为0.01ħ/a,空间上表现为东南地区温度较高,西北地区温度较低;年降水量呈上升趋势,变化率为2.57m m/a,在空间上表现出由西北向东南递增的趋势㊂图62000-2018年湖北省植被N P P 均值年际变化图7湖北省气候因子年际变化特征水热波动对植被生长起到关键作用,本文从像元角度出发,对2000 2018年湖北省植被N P P与气象因子的相关性进行分析(图8)㊂结果表明,湖北省植被N P P与平均气温的相关系数范围为-0.71~ 0.80,平均数为0.02㊂湖北省年均N P P与年均气温呈正相关的区域面积为54.49%,主要分布在荆门㊁荆州地区以及宜昌东南部地区,这些区域温度相对适中,适当范围的温度增加可以延长植物的生长季节,提高光合作用效率以及植物的生产力㊂负相关区域占总面积的45.51%,主要分布在湖北省东部武汉城市圈地区以及西部神农架林区,随着气温的升高,植物的蒸腾以及呼吸作用得到了促进,加快了植物养分的分解并缩短了叶片的寿命,最终导致地表干旱不利于植物的生长发育㊂总体而言,对植被N P P与平均气温的相关性进行分析,研究表明呈正负相关的区域面积基本持平,可见植被N P P与平均气温的相关性不显著㊂湖北省植被N P P与年降雨量的相关系数范围为-0.78~0.79,平均值为0.26㊂年均N P P与年降水量呈正相关的面积高达87.65%,主要分布在随州㊁襄阳和孝感北部地区,该区域是农产品主产区,耕地数量排在全省前列,由于植被根系较短,其对降水变化非常敏感,因此降水成为该地区植被生长发育的关键制约因素㊂年均N P P与降雨量呈负相关的地区面积为12.35%,主要集中在武汉㊁鄂州仙桃等东南经济发展较好㊁受人类活动干扰较多的区域㊂同时十堰西北部地区植被N P P与降雨量呈负相关,该地区的主要植被类型为草地和森林,而降雨量却是湖北省最低的区域,因此其植被N P P与降雨量的相关性较低㊂总体来看,植被N P P与降雨量在绝大部分区域表现出正相关,表明湖北省植被N P P与降雨量的相关性较为显著㊂图8湖北省植被N P P与年均温度和降水相关系数空间分布格局3.3.2土地利用变化对植被N P P的影响土地利用变化是人类活动在地理空间上强度大小的直观变现,土地利用方式在人类生产和生活过程中发生了改变,这直接影响了植物的呼吸作用和光合作用,从而使得植被N P P也受到影响㊂分析湖北省土地利用面积变化情况,结果表明(图9):研究期内来耕地面积减少最多,面积总计减少4287k m2,变化率为-6.16%,由于建设用地占用852水土保持研究第29卷耕地以及国家实施退耕还林等导致耕地面积大幅减少㊂其次面积减少较多的用地类型是林地和草地,其中林地面积减少了612k m 2,变化率为-0.66%;草地面积减少了207k m 2,变化率为-2.94%,主要是由于耕地开垦㊁建设占用等因素,导致草地面积大幅锐减㊂水域面积增加较为明显,研究期内水域面积增加了1420k m 2,变化率为12.95%,主要是由于受降雨等影响,湖北省内湖泊的面积在不断扩大㊂建设用地为增加面积最多的地类,总计增加了3737k m 2,变化率为75.25%,可见19a 来湖北省经历了大规模的城镇扩张使得大量的耕地㊁林地和草地都转化为建设用地㊂未利用地面积也有多减少,主要转化为耕地和水域用地㊂图9 2000年和2018年湖北省土地利用现状根据2000 2018年研究区域内土地利用变化,对其引起的N P P 损益情况进行分析,从N P P 总量变化矩阵可以看出(表1),地类由林地㊁草地和耕地等N P P 较高的土地类型向水域和建设用地等N P P 较低的土地利用类型转变时,N P P 总量大多表现为减少的趋势;相反,N P P 总量则表现为增加的趋势㊂其中,地利用变化如耕地转林地(26.32ˑ10-2T g C )㊁耕地转草地(2.03ˑ10-2T g C )等地类转换使得N P P 在不同程度上有所增加㊂这是由于国家实施 退耕还草 和 退牧还草 政策以来,该地区植被的覆盖度有所提高㊂而其他地类转为建设用地或水域等使得N P P 总量表现为减少趋势,例如耕地转为建设用地(-26.60ˑ10-2T g C )以及林地转为建设用地等(-1.18ˑ10-2T g C )等㊂主要是由于随着城市化进程的推进,建设用地大幅扩张,大量占用耕地㊁林地和草地面积,致使N P P 总量降低㊂总体而言,在地类转化的背景下,2000 2018年研究区域内N P P 总量增加19.86ˑ10-2T g C ,主要由其他土地类型向林地㊁耕地和草地转换引起㊂不同时期土地覆盖变化对N P P 总量的影响量和贡献率见图10,2000 2010年,大部分土地覆盖类型的N P P 总量均表现为减少趋势,其中林地N P P 减少量最多,为-1.26T g C ,其次为耕地N P P 减少0.87T g C ;而建设用地和水域面积有所增加,其相应地类N P P 也表现为增加的趋势,分别增加0.25,0.35T g C㊂2010 2018年,由于退耕还林政策的广泛实施,耕地N P P 呈现减少趋势(-1.87T g C ),而林地N P P 增加了2.13T g C ㊂同时随着城市化进程的推进,建设用地大幅扩张,建设用地N P P 增加了1.34T g C ㊂2000 2010年不同土地覆盖变化对各土地利用类型N P P 变化的贡献有所差异,其中建设用地的贡献率最高,为53.81%,其次是耕地(43.53%)和水域(47.59%)㊂2010 2018年,土地利用变化对各土地利用类型N P P 变化的贡献与上一时期比较有增有减,其中耕地和林地的贡献率表现为增加的趋势,而其他土地利用类型的贡献率均表现为降低的趋势㊂耕地的贡献率由53.53%增加到61.53%,而建设用地的贡献率由53.81降低到47.25%㊂总体而言,由于耕地和建设用地面积较大,从而耕地和建设用地的地类变化对其N P P 的贡献率相对较高㊂表1 湖北省2000-2018年土地类型转移下N P P 总量变化矩阵10-2T g C 参数耕地林地草地水域建设用地未利用地耕地*26.322.03-11.14-26.600.04林地27.42*4.953.61-1.810.05草地1.934.75*0.21-0.330.00水域-3.963.110.06*-2.200.00建设用地-8.090.630.01-0.51*0.00未利用地-0.030.130.04-0.72-0.04*注: *表示相同土地类型下未发生转化部分㊂图10 2000-2018年湖北省不同土地利用变化对N P P 总量的影响量和贡献率4 讨论与结论4.1 讨论本文选择湖北省为研究对象,基于C A S A 模型估算952第3期 陈晓杰等:基于C A S A 模型的植被净初级生产力时空演变格局及其影响因素。
课题研究中期阶段总结报告第一篇：课题研究中期阶段总结报告课题研究中期阶段总结报告2007年4月，我校提交申报的全国教育科学“十一五”规划课题《发展性课堂教学手段的研究》子课题《多媒体信息技术在发展性课堂教学中的应用研究》获总课题组批准立项（课题批准号JX－2－071）。
2008年，课题组根据课题实施方案及学校教科研工作计划，开展了深入细致的研究工作。
现将2008年来课题研究进展情况作一简要报告：一、本年度研究工作进展情况本课题的研究内容主要是：1、关于应用多媒体信息技术优化学科教学手段的思想、理论、理念的研究；2、关于运用多媒体信息技术优化学科教学手段的教学模式、教学方法、教学策略的研究；3、关于多媒体课件制作与应用研究；4、关于网络资源应用于课堂教学的研究；5、关于实施“整合”教学的教学平台和资源库建设的研究；2008年，我们重点围绕“多媒体教学手段对发展性课堂教学影响”和“多媒体教学手段的应用”等层面展开研究工作。
（一）、2008年3月，我们对“应用多媒体课堂教学质量”和“教师对媒体课件认识和应用现状”进行了调研，通过调查数据分析，总结出了多媒体教学手段影响课堂教学质量的一些因素，分析了应用多媒体教学手段与发展性课堂教学的关系，课题组就上述两个调研内容进行了讨论交流，形成了课题调研报告。
并在全校教师大会上进行宣读。
（二）、2008年4月，我校课题负责人肖小云就总课题组在深圳召开的子课题负责人会议精神进行了传达，就课题研究任务、研究内容、研究方法、研究进展情况向全校教师进行了传达，使本课题研究成为全校教师进行教学实践的一个舞台。
（三）、2008年上半年我们开展了以课题研究为核心的“多媒体教学优质课竞赛”活动，通过教学竞赛，提高教师运用多媒体教学手段的能力，探索多媒体教学手段与发展性课堂教学的关系。
（四）、根据总课题组活动，我们抓了“教学案例分析”撰写和“优质录像课”的选送工作。
课题组成员和部分教师用“教学案例研究”的方法对教学实践中的案例进行分析研究，形成成功的教学案例。
目前，npp计算模型分为三大类1 气候生产力模型；只需对气候因子如温度、降水、蒸散量等与植物干物质生产建立相关性，就可以估算植物的npp。
该类模型较多，其中以Miami模型、Thornthwaite纪念模型、Chikugo 模型为代表2 生理生态过程模型；基于植物生长发育和个体水平动态的生理生态学模型和基于生态系统内部功能过程的方针模型。
所需参数包括地表温度、降水、辐射强度、日照时间等气象资料，以及土壤和植被中的碳、氮、水等状态参数。
这类模型有Century、BLOME-BGC等模型为主。
但此过程模型比较复杂，研究涉及领域广泛、所需参数太多，而且难以获得。
3 光能利用率模型（遥感数据驱动模型）；认为，任何对植物生长其限制性的资源如水、氮、光照等均可用于NPP的估算。
它们之间可以通过一个转换因子联系起来，这一转换因子既可以是一个复杂的调节模型，也可以是一个简单的比例常数。
NPP和限制性资源的关系可以用公式表示如下：NPP=F c⨯R u,式中，F c为转换因子，R u为吸收的限制性资源。
著名的Montiet方程就是建立在光合作用的有效辐射上NPP=APAR⨯ε，式中ε为植物光能利用率，它受水、温度、营养物质等的影响。
APAR为植物吸收的光合有效辐射。
随着遥感技术的发展，植物吸收的光合有效辐射已经可以通过遥感信息进行估算。
因此基于APAR模型已经展示了诱人的前景，它们将资源平衡的观点转换成了区域或全球NPP模型，这方面的模型有CASA、GLO-PEM等。
目前，在全球及区域尺度的NPP估算模型中，以CASA模型为代表的光能利用率模型得到广泛的应用。
但CASA模型在参数确定和求算过程上有些不足，因此，朱文泉改进和完善了CASA模型，经过模型验证发现，在样方数量较多时，相对误差较小，说明其模型具有一定的可靠性。
改进的CASA模型将植被覆盖分类引入模型，并考虑植被覆盖精度对NPP估算的影响。
由它们共同决定不同植被覆盖类型的NPP最大值，从而获得各植被覆盖类型的比值植被指数的最大值，最后是实现FPAR的估算。
