下载文档原格式
地球科学与环境工程河南科技Henan Science and Technology总第812期第18期2023年9月基于遥感的东北三省植被碳汇研究周美琦景海波朱倩琳（南京信息工程大学，江苏南京210044）摘要：【目的】分析东北三省植被碳汇量变化的主要影响因素，以期为该地区实现碳达峰、碳中和目标提供参考。
【方法方法】】借助GEE 平台获取MODIS 数据、气象再分析数据与植被覆盖数据，利用CASA 模型与土壤微生物呼吸经验模型计算东北三省的NEP ，探究其时空变化及其对气候变化的响应。
【结果】①东北三省NEP 呈东南—西北连线高，向两边递减的趋势，高值地区构成半环形结构。
不同地表覆盖类型中，林地的NEP 最高，湿地的NEP 最低，固碳能力林地>草地>灌丛>农田>其他用地>湿地。
②2001—2020年，NEP 整体呈波动上升趋势，其中2014年的NEP 最高，2010年的NEP 最低，20年的均值为426.00gC·m -2·a -1，月际变化呈单峰型先增后减趋势，4至7月呈上升趋势，7月后逐渐下降，7月份的月均值最大。
③NEP 受气温与降水极值的影响较大，其中降水占主导因素，当年总降水超过700mm 时，NEP 普遍减少。
【结论】研究结果可为东北三省生态系统碳循环、碳储备变化提供参考。
关键词：净生态系统生产力；东北三省；碳汇；CASA 模型中图分类号：P283.8文献标志码：A文章编号：1003-5168（2023）18-0101-06DOI ：10.19968/ki.hnkj.1003-5168.2023.18.021Study of Vegetation Carbon Sink in Northeast China Based on RS DataZHOU Meiqi JING Haibo ZHU Qianlin（Nanjing University of Information Science and Technology,Nanjing 210044,China ）Abstract:[Purposes ]The main influencing factors of vegetation carbon sequestration in the three north⁃east provinces are analyzed ，in order to provide reference for achieving the goal of carbon peaking andcarbon neutralization in the region.[Methods ]The study uses Google Earth Engine to utilized MODISdata,meteorological data,and vegetation cover data,we employed the CASA model and an empiricalmodel of soil microbial respiration to calculate net ecosystem productivity （NEP ）,and investigated thespatial and temporal changes of NEP in three northeastern provinces.[Findings ]The results showedthat:①The NEP of the three northeastern provinces is high along the southeast northwest line,with de⁃creasing values on either side,forming a semi-ring structure.Among various land cover types,the yearly average NEP of forest land was the largest,while wetlands had the smallest value.Overall,the carbon se⁃questration capacity of different land cover types ranked as follows:forest land >grassland >scrub >farmland >other land >wetland.②On the temporal scale,NEP showed a increasing trend and averaged 426.00gC ·m -2·a -1over 20years,the highest NEP in 2014,and the lowest NEP in 2010.The monthly mean NEP exhibited a single-peaked trend,increasing from April to July and gradually decreasing there⁃after,with the largest value occurring in July.③NEP was primarily influenced by temperature and pre⁃cipitation extremes,with precipitation being the dominant factor.NEP generally decreased when total precipitation exceeded 700mm in a given year.[Conclusions ]These findings provide valuable insights收稿日期：2023-04-27作者简介：周美琦（2002—），女，本科，研究方向：遥感科学与技术研究。
中国天然草地净初级生产力时空分布张美玲;陈全功;闫培洁【期刊名称】《草地学报》【年(卷),期】2018(026)005【摘要】利用基于草原综合顺序分类系统(CSCS)的改进CASA模型,估算2004-2008年中国草地净初级生产力并分析其时空分布特征.结果表明:2004-2008年中国草地NPP年平均为489.4 g C·m-2·a-1,5年里草地NPP总体呈现增加趋势.草地NPP的积累期主要发生在水、热搭配较好的4-10月,占了全年总量的89.1％.春(3月-5月)、夏(6月-8月)、秋(9月-11月)、冬(12月-2月)四季的草地NPP各自占全年总量的18.6％,59.6％,17.4％和4.5％.由年际、月份—空间和季节—空间的NPP变化可知,适宜的水热搭配是草地NPP积累的关键.中国草地NPP随经度的递增而逐渐增大,随纬度的增大而逐渐减小,但存在一定的波动性,其变化规律与水、热状况的地带性规律相一致.【总页数】8页(P1124-1131)【作者】张美玲;陈全功;闫培洁【作者单位】甘肃农业大学理学院/数量生物学研究中心 ,甘肃兰州 730070;兰州大学草地农业科技学院 ,甘肃兰州 730020;甘肃农业大学资源与环境学院 ,甘肃兰州 730070【正文语种】中文【中图分类】S812【相关文献】1.青海省天然草地植被净初级生产力分析——基于Miami模型 [J], 仓生海2.天然草地净初级生产力研究进展 [J], 洪锐民3.中国近海鲐鱼资源时空分布与海洋r净初级生产力的关系研究 [J], 郭爱;余为;陈新军;钱卫国;李曰嵩4.基于Miami模型分析青海省果洛州天然草地植被净初级生产力 [J], 南梅5.中国森林生态系统净初级生产力时空分布及其对气候变化的响应研究综述 [J], 徐雨晴;肖风劲;於琍因版权原因，仅展示原文概要，查看原文内容请购买。
基于遥感的中国草地生产力初步计算陈世荣;王世新;周艺【期刊名称】《农业工程学报》【年(卷),期】2008(24)1【摘要】草地生产力研究对于评估草地生态系统食物供给具有重要意义.在基于MODIS的2001年l km中国陆地生态系统土地覆盖类型产品和植被净初级生产力(NPP)产品,运用各种草地生产力计算模型,初步计算了当年中国各草地生产力指标.计算得到:2001年,中国草地生态系统产干草1.44亿t,理论载畜量为1.08亿个羊单位,潜在食物供给为羊肉308.92万t.结果表明,基于遥感的草地生产力计算方法机理性较强,现势性好,可在较短时间内获取大范围年度草地生产力指标,其计算结果较为符合中国草地生产力的实际分布情况.【总页数】5页(P208-212)【作者】陈世荣;王世新;周艺【作者单位】中国科学院遥感应用研究所,北京,100101;民政部国家减灾中心,北京,100053;中国科学院遥感应用研究所,北京,100101;中国科学院遥感应用研究所,北京,100101【正文语种】中文【中图分类】S127;TP751;S283【相关文献】1.基于TM-NDVI的草地生产力遥感监测研究 [J], 陈进发;刘畅;徐剑波2.基于TM-NDVI的草地生产力遥感监测研究 [J], 陈进发;陈凯敏;徐剑波3.基于遥感反演的中国森林冠层叶氮浓度空间格局初步研究 [J], 于泉洲; 刘煜杰; 周蕾; 石浩; 孙雷刚4.基于叶绿素荧光遥感监测的蒙古高原草地生产力时空动态分析 [J], 李月;孙政国5.基于“Pathfinder”卫星遥感资料的青海东南部——草地生产力动态变化研究[J], 杨英莲;徐维新;Anita Perryman;贾生海;李凤霞因版权原因，仅展示原文概要，查看原文内容请购买。
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。
CASA 模型被广泛应用于全球和区域尺度上NPP 的动态变化和时空变异性评估[17]。
模型考虑了太阳辐射、温度、水分等胁迫因子对植被 NPP 的影响，其计算公式如下：NPP(x,t) = APAR(x,t)×ε(x,t) (1)式中：APAR(x,t)表示像元x 处在t 时间植被所吸收的光合有效辐射（单位：g C ·m -2·month -1），ε(x,t)为植被的实际光能利用率(单位：gC ·MJ -1)。
APAR(x,t)= SOL(x,t) ×0.5 ×FPAR(x,t) （2）式中:SOL(x,t)是时间为t 月象元x 处的太阳总辐射量(单位：MJ ۰m -2۰month -1),SOL(x,t)应用经验公式进行计算。
0.5指的是植被所能利用的太阳有效辐射(波长是0.4~0.7μm)占太阳总辐射的比例；FPAR(x, t)为植被吸收光合有效辐射的吸收比例; FPAR 与归一化植被指数（NDVI ）、比值植被指数（SR ）皆存在一定的线性关系，参考陈福军等人[18]的研究计算每一个栅格的FPAR 值。
1. SOL 的计算植被吸收的光和有效辐射取决于太阳总辐射和植被本身特性,太阳总辐射可由大气上界太阳辐射量和日照百分率计算。
0)(s N n b a sol n n *+= (3)式中：SOL 为陆表短波辐射,常被称为陆表太阳辐射[MJ ·m -2·d -1] ; n 为实际日照时数（单位：h ）,由气象资料提供; N 为最大日照时数（单位：h ）; n/N 为日照百分率;S 0为大气外界辐射量（单位：MJ ·m -2·d -1）；ａn,bn 表示晴天即实际日照时数等于最大日照时数时到达地面的大气外界辐射分量，参考已有研究选取ａn =0.207；b n =0.725 [3]。
)]cos()cos()sin()sin([]14.360*24[0s s o w w dr Q S ϕδϕ+= (4)sw N *=14.324(5)式中：dr 为大气外界相对日地距离；Q 0为太阳常数（取0.0820 MJ ·m -2·min -1）；δ为赤纬(单位：rad)，Ｗs 为太阳时角(单位：rad); ϕ为纬度（单位：rad ）。
甘南地区草地NPP空间分布的估算研究
闫宏昌;罗玉恒
【期刊名称】《山西建筑》
【年(卷),期】2024(50)2
【摘要】通过使用地理信息系统和遥感技术的数据处理方法,对获取的MODIS多
时相遥感数据、气象数据和与其密切的植被生态统计资料,对2020年—2022年5月—9月份的甘南草地使用CASA模型进行了估算,并且在估算验证的基础上,分析了甘南草地的NPP空间分布关系和随时间变化的特征,在建立NPP估算模型的研
究基础上,重新建立了甘南草地2020年—2022年不同土地覆盖下NPP年内变化
的时空序列及演变模式,分析了2020年—2022年甘南NPP时空变化情况及原因。
结果表明:3年甘南草地5月—9月的平均NPP为679.675 gC/(m 2·a);甘南草地
植被季节性变化比较明显,成长期主要聚集在第173天~第245天;甘南地区植被NPP呈现逐年增长趋向。
【总页数】4页(P169-172)
【作者】闫宏昌;罗玉恒
【作者单位】甘肃林业职业技术学院
【正文语种】中文
【中图分类】TU985.19
【相关文献】
1.基于CASA模型和MODIS数据的甘南草地NPP时空动态变化研究
2.基于CCI-LC数据的甘南和川西北地区土地覆盖类型时空动态分布及草地面积变化驱动力研究
3.新疆草地净初级生产力(NPP)空间分布格局及其对气候变化的响应
4.基于气候生产力模型的中国南方草地NPP空间分布格局研究
5.基于Daycent模型的三江源地区草地NPP估算及其对气候变化的响应
因版权原因，仅展示原文概要，查看原文内容请购买。
CASA 模型被广泛应用于全球和区域尺度上NPP 的动态变化和时空变异性评估[17]。
模型考虑了太阳辐射、温度、水分等胁迫因子对植被 NPP 的影响，其计算公式如下：NPP(x,t) = APAR(x,t)×ε(x,t) (1)式中：APAR(x,t)表示像元x 处在t 时间植被所吸收的光合有效辐射（单位：g C ·m -2·month -1），ε(x,t)为植被的实际光能利用率(单位：gC ·MJ -1)。
APAR(x,t)= SOL(x,t) ×0.5 ×FPAR(x,t) （2）式中:SOL(x,t)是时间为t 月象元x 处的太阳总辐射量(单位：MJ ۰m -2۰month -1),SOL(x,t)应用经验公式进行计算。
0.5指的是植被所能利用的太阳有效辐射(波长是0.4~0.7μm)占太阳总辐射的比例；FPAR(x, t)为植被吸收光合有效辐射的吸收比例; FPAR 与归一化植被指数（NDVI ）、比值植被指数（SR ）皆存在一定的线性关系，参考陈福军等人[18]的研究计算每一个栅格的FPAR 值。
1. SOL 的计算植被吸收的光和有效辐射取决于太阳总辐射和植被本身特性,太阳总辐射可由大气上界太阳辐射量和日照百分率计算。
0)(s N n b a sol n n *+= (3)式中：SOL 为陆表短波辐射,常被称为陆表太阳辐射[MJ ·m -2·d -1] ; n 为实际日照时数（单位：h ）,由气象资料提供; N 为最大日照时数（单位：h ）; n/N 为日照百分率;S 0为大气外界辐射量（单位：MJ ·m -2·d -1）；ａn,bn 表示晴天即实际日照时数等于最大日照时数时到达地面的大气外界辐射分量，参考已有研究选取ａn =0.207；b n =0.725 [3]。
)]cos()cos()sin()sin([]14.360*24[0s s o w w dr Q S ϕδϕ+= (4)sw N *=14.324(5)式中：dr 为大气外界相对日地距离；Q 0为太阳常数（取0.0820 MJ ·m -2·min -1）；δ为赤纬(单位：rad)，Ｗs 为太阳时角(单位：rad); ϕ为纬度（单位：rad ）。
