下载文档原格式
固原市景观格局和地表特征参量时空变化及响应分析张晓东;马玉学;王银;马瑜;赵银鑫;公亮【期刊名称】《北京测绘》【年(卷),期】2024(38)3【摘要】以1999、2010和2020年3期陆地卫星(Landsat)遥感数据为基础,利用景观格局模型、植被覆盖度模型、地表温度模型以及土壤湿度模型开展21年间固原市景观格局、植被覆盖、地表温度以及土壤湿度的时空特征变化研究,并分析景观格局与地表参数之间的响应关系。
结果表明:①21年间各类景观的破碎化程度整体减轻,草地占有较大优势,草地和城乡工矿居民用地斑块形状逐渐趋于规则化。
蔓延度指数和聚集度指数呈下降趋势,景观斑块的延展性及连通性有所降低,异质性减弱,多样性增强。
②植被覆盖度整体表现出北部相对低南部高、东西部低中部高的特点,东部和西部变化显著,植被整体恢复;地表温度整体呈降低的特征;土壤湿度先上升后下降,整体湿度有所下降。
③各景观类型与地表参数关系密切,耕地、林地和草地的植被覆盖度较高,城乡工矿居民用地的平均地表温度最高且平均土壤湿度最低。
【总页数】7页(P367-373)【作者】张晓东;马玉学;王银;马瑜;赵银鑫;公亮【作者单位】宁夏回族自治区地质调查院(宁夏回族自治区地质矿产中心实验室);宁夏回族自治区地震局【正文语种】中文【中图分类】P258【相关文献】1.基于景观格局的地表覆盖时空变化研究2.海湾型城市地表温度景观格局时空演变特征3.基于景观尺度过程模型的长白山地表径流量时空变化特征的模拟4.大型江心岛景观格局和地表特征参量时空变化及响应——以广阳岛为例5.1996-2017年张家口市区景观格局与地表热环境的时空变化因版权原因，仅展示原文概要，查看原文内容请购买。
长江流域地表温度与气温差异分析摘要：本文以长江流域为研究区，主要采用统计分析、直方图、空间分析方法，对比长江流域地表温度反演结果与气象温度的差异性，进而分析差异性的形成原因，总结其一般特征。
研究结果表明1）地表温度反演结果与气温监测数据在空间和数值存在差异，而这一差异具有空间分布和数值分布上的稳定性和可解释性。
2）陆地表面白天吸收太阳辐射，地表温度逐渐上升，在这一过程中，由于陆地表面的差异性，导致不同区域地表温度与气温之间的差异性放大，具有明显的分异效应。
3）夜晚陆地表面向外辐射能量，地表温度下降，在此过程中区域地表温度与气温之间的差异性逐渐减小，具有明显的趋同效应。
关键词：长江流域；地表温度；气温；差异分析1 引言地表温度（Land Surface Temperature，LST）是地学研究中一个非常重要的参量，在陆地环境相互作用过程中扮演着十分重要的角色，是全球变化研究中的关键参数，对水文、生态、环境和生物地球化学等研究有重要意义[1，2]。
从上世纪80年代起，随着对地观测计划和热红外遥感的快速发展，采用热红外遥感影像反演地表温度的相关研究得到相关学者的关注[3，4]。
气温（Tair）主要是通过气象监测站进行连续实地监测得到，因此气象温度主要是点分布状态[5]，想要获取全区域的气象温度主要依托高程进行空间插值，然而差值结果误差较大[6]。
随着地表温度反演的发展，部分学者开始关注采用地表温度反演结果，结合气象监测数据进一步估算近地表温度（也就是气象温度）的相关研究[7，8]。
并且近地表温度在许多领域有着重要的应用，特别在农业气象、气候和环境研究中是一个不可缺少的研究因子，对人们的生产生活活动有重要影响[9]。
因此本文以长江流域为研究区，主要采用统计分析、直方图、空间分析方法，对比地表温度反演结果与气象温度的差异性，进而分析差异性的形成原因，总结其一般特征。
2 研究区概况与数据来源2.1 研究区概况长江流域横跨东经90°33'～122°25'，纵越北纬24°30'～35°45'。
Climate Change Research Letters 气候变化研究快报, 2020, 9(5), 508-514Published Online September 2020 in Hans. /journal/ccrlhttps:///10.12677/ccrl.2020.95055黔东南州近60年气温时空变化特征分析陈晓丹1，吴树炎1*，王敏敏1，蒋汉开2，李舒颖11贵州省黎平县气象局，贵州黎平2贵州黔东南气象局，贵州凯里收稿日期：2020年9月2日；录用日期：2020年9月17日；发布日期：2020年9月24日摘要利用1960~2019年黔东南全州16个县市台站气温资料，使用气候变化分析方法如M-K突变检验、小波分析等，分析了黔东南州近60年来的气温时空变化特征。
结果表明：黔东南州各县市年平均气温在14.7℃~18.5℃之间，全州年平均气温从1960年至今整体缓慢上升，M-K突变检验表明黔东南州气温突变点为2006年，且2009年以后气温的上升趋势十分显著。
黔东南州年平均气温存在着准4年周期，在60年代有显著的3年左右的年际振荡周期，在1986~2010年有显著的4年振荡周期。
黔东南州最冷月(1月)各县市月平均气温均在0℃以上，全州年平均最低气温≤ 0℃的日数在州西部为24~28 d，州南部仅为4 d左右；黔东南州最热月(7月)各县市月平均气温呈东部向西部递减的趋势，州西部较东部凉爽，北部较南部凉爽，全州年平均最高气温≥ 35℃日数南部年平均出现20 d以上，西部为0 d。
关键词黔东南，气温，时空变化，高温Analysis of Temporal and Spatial VariationCharacteristics of Temperature inQiandongnan Prefecture in thePast 60 YearsXiaodan Chen1, Shuyan Wu1*, Minmin Wang1, Hankai Jiang2, Shuying Li11Liping Count Meteorological Bureau of Guizhou Province, Liping Guizhou2Qiandongnan Prefecture Meteorological Bureau, Kaili GuizhouReceived: Sep. 2nd, 2020; accepted: Sep. 17th, 2020; published: Sep. 24th, 2020*通讯作者。
2022年35卷2期!"农业学&Voa.35No.2SouthwestChonaJouenaaoeAgeocuatueaaScoences453文章编号：1001-4829(2022)2-0453-10DOI：10.16213/j.skU scjas.2022.2.028和田市生态环境质量时空演变分析卡吾恰提•白山1,王雪梅1>2，黄晓宇3(1.新疆师范大学地理科学与旅游学院，乌鲁木齐830054；2-新疆维吾尔自治区重点实验室“新疆干旱区湖泊环境与资源实验室”，乌鲁木齐830054$3-新疆师范大学地理科学与旅游学院，乌鲁木齐830054)摘要：！目的】定量评价城市生态环境质量的时空演变规律，可为城市生态环境r理和经济可持续发展提供科学依&。
[方法】选取和田市2000、2005、2010、2015和2019年的Landsat系列影像数&,提取绿度、湿度、干度和热度4个评价指标，基于ENVI软件的主析方法构建遥感生态指数(RSEI)，分析该区域生态环境质量的时空动态“化特征。
【结果】①2000—2019年，和田市的遥感生态指数均值由2000年的0-77下降至2019年的0.381,下降幅度达20.12%，下降区域主要是在中部人类聚居区域$②2010—2015年生态环境质量“好的区域Z积达到299.57km2，占9究区总Z积的64.38%,生态质量“差的地区总面积大约为32.51km2，占9究区总Z积的&99%。
,2000—2019年和田市生态环境受Oe因素和人为因素共同作用下，低生态环境质量等级的区域随城镇化发展的方向发生迁移，说明城镇化进程对生态环境具有负面影8。
[结论]9究区生态环境质量总体呈下降趋'，生态环境(题*待进一步解决。
关键词：遥感生态指数；主｛RR析；生态环境质量；时空“化特征；和田市中图分类号:X83；X831文献标识码：AAnalysis of temporal and spatial evolution ofecological environment quality in Hotan cityKAWUQIATI Baimhan1%WANG Xue-mei1'2%HUANG Xiao-yu3(1-College of Geographic Science and Touism,Xinjiang Nomnal Univeo/y,Ummqi830054,China；2-Xinjiang Uyaus Autonomous Region Key Laboratoy'Xinjiang A/d Lake Environment and Resources Laboratoy/,Urumqi830054,China；3-College of Geographic Science and Tourism,Xinjiang Normal University,Urumqi830054,China)Abstract:【Objective]The present paper aimed D quantitatively evaluate the temporal and spahal evolution of urban ecological envi/nment qubity,which can pro v ibe scientific basis for urban ecological environment management and economic sustainable development.【Method] Select Landsat seies of image data from Hotan city22000,2005,2010,2015and2019,four evaluation indexes of greennws,humidity, d/nws and heat were extracted,and remote sensing ecological index based on pincipal component analysis of ENVI software(RSEI),the temporal and spatial dynamic characteristics of ecological environment qualip in this area were analyzed.【Result](i)Between2000and 2019,thFmFan eaauFoethFeFmot sFnsongFcoaogocaaondFion Hotan dFceFasFd eeom0.477on2000to0.381on2019,thFdFcaonFwas20.12percent,and the decline area was mainly2the central human settlement area.(ii)The area of the region where the quality of theecological environment improved from2010D2015reached299-57km2,64-38%of the total area,a total area with poos ecological quality was32.51km2,account ong eo e6.99%oethetota@aeeaoethestudyaeea.(o o)Undeethecomboned actoon oenatuea@and human eactoes, the regions with Tw ecc-cnvironmental quality levels migrated2the direction of urbanization.It showed that the process of urbanization hada negative impact on the ecological environment.【Conclusion]The qualip of ecological environment in the study area was generally declining,and the ecological environment problem needed D be fu/hes scOved-Key words:Remote sensing ecological index$Principal component analysis$Ecological environment quality$Spaho-temporal vv/ahon characteristics$Hotan city【研究意义]党的十八大以来，习近平总书记从生命共同体”的论断，强调要“全方位、全地域、全过生态文明建设的整体视野提出了“山水林田湖草是程开展生态文明建设”，生态环境保护越来越受到收稿日期：2021-04-20基金项目：新疆维吾尔自治区自然科学基金(2020D01A79)；国家自然科学基金(41561051)第一作者:卡吾恰提•白山(1996-),女，硕士，主要从事资源环境遥感研究&E-mbl：1967621711@qq-om通讯作者:王雪梅(1976-)，女，博士，教授，主要从事干旱区资源环境遥感技术应用研究&E-mail：wanyxm_1225@454!"农业学&35卷各界的广泛重视。
分类号：UDC：密级：公开编号：成都信息工程学院学位论文成都市城市热岛效应时空演变分析论文作者姓名：申请学位专业：地理信息系统申请学位类别：理学学士指导教师姓名（职称）：论文提交日期：毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。
尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。
作者签名：日期：指导教师签名：日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：日期：学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。
本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
作者签名：日期：年月日导师签名：日期：年月日成都市城市热岛效应时空演变分析摘要近年来,随着城市化进程加快,城市热岛现象日趋明显，直接影响了人们的日常生活,成为人们关注的重要对象，本文在获取1992年、2000年和2005年的Landsat TM/ETM+影像基础之上，采用决策树分类方法将研究区土地利用类型分为城区建筑、水体和自然地表三类，分类数据是用于计算比辐射率的重要依据之一，然后进一步采用单通道算法对成都市遥感数据进行地表温度反演，将反演结果进行等温度分级显示，得到不同时段的地表温度分级图，对这些温度分级图进行分析得到成都市的热岛动态变化趋势，结果表明，水体和植被覆被比城区建筑覆被温度低，城区建筑覆被对热岛效应具有绝对贡献，城市面积不断扩大，高温区面积随着城市的扩展也在不断扩大，城市热岛强度随着时间而不断加强，热岛呈现环状分布，热岛核心向城市中心东南方潜移，植被和水体属于低温区，适当增加城市绿地对于缓解城市热岛效应具有积极作用。
第31卷第2期2024年4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 .31,N o .2A pr .,2024收稿日期:2022-09-01 修回日期:2022-09-23资助项目:国家自然科学基金(32260353);甘肃省重点研发计划(21Y F 5WA 096);科技部高端外国专家引进计划(G 2022042009L );甘肃农业大学青年导师扶持基金(G U O -Q D F C -2019-03);横向项目(G S A U -J S F W -2022-20);甘肃省自然科学基金(1606R J Z A 077,1308R J Z A 262) 第一作者:徐士博(1999 ),男,河南周口人,硕士研究生,研究方向为生态统计㊂E -m a i l :885161614@q q.c o m 通信作者:张美玲(1978 ),女,甘肃酒泉人,博士,副教授,主要从事生态统计研究㊂E -m a i l :z h a n gm l @g s a u .e d u .c n h t t p :ʊs t b c y j .p a p e r o n c e .o r gD O I :10.13869/j.c n k i .r s w c .2024.02.035.徐士博,张美玲,宿茂鑫.未来气候情景下青藏高原草地净初级生产力时空演变特征[J ].水土保持研究,2024,31(2):190-201.X uS h i b o ,Z h a n g M e i l i n g ,X i u M a o x i n .C h a r a c t e r i s t i c s o fT e m p o r a l a n dS p a t i a l E v o l u t i o no fG r a s s l a n dN e t P r i m a r y P r o d u c t i v i t y o n t h eQ i n g h a i -T i b e t P l a t e a uU n d e rF u t u r eC l i m a t eS c e n a r i o s [J ].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 n ,2024,31(2):190-201.未来气候情景下青藏高原草地净初级生产力时空演变特征徐士博,张美玲,宿茂鑫(甘肃农业大学理学院,兰州730070)摘 要:[目的]揭示S S P 126和S S P 585两种气候情景下,不同气候因素(气温和降水)对青藏高原草地净初级生产力的影响,阐明青藏高原地区影响草地净初级生产力时空分布特征的主控气候因素,为未来青藏高原地区植被生态系统的综合治理提供理论依据㊂[方法]基于青藏高原48个气象站点基准期(1971 2020年)的日值气象数据㊁土壤类型数据以及模型所需要的站点管理数据,利用D A I L YC E N T U R Y (D A Y C E N T )模型,结合文献中对应站点的N P P 实测值和MO D 17A 3遥感数据,对模型参数进行了校准,利用均方根误差㊁可决系数㊁效率系数等统计指标对模型模拟结果进行了评价㊂其次单向嵌套B C C -C S M 1.1气候模式,对未来气候S S P 126和S S P 585情景下的青藏高原草地净初级生产力进行预测,并对预测结果进行了时空统计分析㊂[结果](1)在S S P 126和S S P 585情景下青藏高原草地N P P 均呈现出由东南向西北递减的分布特征,且N P P 值较高的区域主要位于青藏高原的东南部,N P P 值较低的区域则位于青藏高原以西的区域;(2)在S S P 126情景下,青藏高原草地净初级生产力总体呈现出下降趋势,波动范围最大的是长远期(2081 2100年),减小幅度为12.1%,;在S S P 585情景下,N P P 总体呈现出平稳的上升趋势,其中近期(2021 2040年)的增长速率最高为12%;(3)与基准期(1971 2021年)相比,在S S P 126和S S P 585情景下,青藏高原85%以上的草地N P P 呈现下降趋势,其中S S P 126和S S P 585与基准期(1971 2020)相比N P P 值分别相对减少28%,23%㊂[结论]两种不同气候情景下,温度与N P P 的相关性均高于降水㊂低温少雨是造成青藏高原西北地区草地N P P 减少的主要原因㊂关键词:D A Y C E N T 模型;未来气候情景;净初级生产力;青藏高原中图分类号:Q 948 文献标识码:A 文章编号:1005-3409(2024)02-0190-12C h a r a c t e r i s t i c s o fT e m p o r a l a n dS p a t i a l E v o l u t i o no fG r a s s l a n dN e t P r i m a r y P r o d u c t i v i t y o n t h e Q i n gh a i -T i b e t P l a t e a uU n d e rF u t u r eC l i m a t e S c e n a r i o s X uS h i b o ,Z h a n g M e i l i n g,S u M a o x i n (C o l l e g e o f S c i e n c e ,G a n s uA g r i c u l t u r a lU n i v e r s i t y ,L a n z h o u 730070,C h i n a )A b s t r a c t :[O b j e c t i v e ]T h e a i m s o f t h i s s t u d y a r e t o e x p l o r e t h e e f f e c t s o f d i f f e r e n t c l i m a t i c f a c t o r s (t e m p e r a -t u r e a n d p r e c i p i t a t i o n )o nt h e g r a s s l a n d N e tP r i m a r y P r o d u c t i v i t y (N P P )o ft h e Q i n gh a i -T i b e tP l a t e a u (Q T P )u n d e r t h e t w o c l i m a t e s c e n a r i o s S S P 126a n dS S P 585,a n d t o c l a r i f y t h em a i n c l i m a t i c f a c t o r s a f f e c t i n gt h e s p a t i a l a n d t e m p o r a l d i s t r i b u t i o n c h a r a c t e r i s t i c s o f g r a s s l a n dN P Po n t h eQ T P ,s o a s t o p r o v i d e a t h e o r e t -i c a l b a s i s f o r t h e c o m p r e h e n s i v em a n a g e m e n t o f v e g e t a t i o ne c o s y s t e mo n t h eQ T P i n t h e f u t u r e .[M e t h o d s ]B a s e do n t h ed a i l y v a l u em e t e o r o l o g i c a l d a t a a n d s o i l t y p e d a t a o f 48m e t e o r o l o gi c a l s t a t i o n s o n t h eQ T Pd u r -i n g t h e b a s e p e r i o d (1971 2020)a n d t h e s i t em a n a g e m e n t d a t a r e q u i r e d b y t h em o d e l ,t h em o d e l p a r a m e t e r s w e r e c a l i b r a t e db y u s i n g th eD A I L Y C E N T U R Y (D A Y C E N T )m o d e l ,a n dt h e m e a s u r e d N P Pv a l u e sa n dMO D17A3r e m o t e s e n s i n g d a t a o f c o r r e s p o n d i n g s t a t i o n s i n t h e l i t e r a t u r e,a n d t h e r e s u l t sw e r e e v a l u a t e db y m e a n s o f t h er o o t-m e a n-s q u a r ee r r o r,d e t e r m i n a b i l i t y c o e f f i c i e n t,e f f i c i e n c y c o e f f i c i e n ta n do t h e rs t a t i s t i c a l i n d e x e s.S e c o n d l y,a o n e-w a y n e s t e dB C C-C S M1.1c l i m a t em o d e l w a s u s e d t o p r e d i c t t h eN P Po f g r a s s l a n d o n t h eQ T Pu n d e r t h e f u t u r e c l i m a t e S S P126a n dS S P585s c e n a r i o s,a n d t h e p r e d i c t i o n r e s u l t sw e r e s t a t i s t i c a l l y a n a l y z e do n s p a t i a l a n d t e m p o r a l s c a l e s.[R e s u l t s](1)U n d e r t h eS S P126a n dS S P585s c e n a r i o s,t h eN P Po f t h eQ T Ps h o w s t h e d e c r e a s i n g d i s t r i b u t i o n f r o ms o u t h e a s t t o n o r t h w e s t,a n d t h e a r e aw i t hh i g h e rN P Pv a l u e w a sm a i n l y l o c a t e d i n t h e s o u t h e a s t o f t h eQ T P,w h i l e t h e a r e aw i t h l o w e rN P Pv a l u ew i l l b e l o c a t e d i n t h e w e s t o f t h eQ T P.(2)U n d e r t h eS S P126s c e n a r i o,t h eN P Po f g r a s s l a n do nt h eQ T P g e n e r a l l y s h o w s t h e d o w n w a r d t r e n d,a n d t h e l a r g e s t f l u c t u a t i o n r a n g ew i l l b e i n t h e l o n g-t e r m p e r i o d(2081 2100),w i t ha d e-c r e a s e r a t e o f12.1%.U n d e r t h eS S P585s c e n a r i o,N P P g e n e r a l l yp r e s e n t s a s t e a d y u p w a r d t r e n d,w i t ht h e h i g h e s t g r o w t h r a t e o f12%i n t h e n e a r f u t u r e(2021 2040).(3)C o m p a r e dw i t h t h e b a s e l i n e p e r i o d(1971 2021),u n d e r t h e S S P126a n d S S P585s c e n a r i o s,t h eN P Po fm o r e t h a n85%g r a s s l a n d o n t h eQ T P s h o w s t h e d e c r e a s i n g t r e n d,a n d t h eN P Pv a l u eo fS S P126a n dS S P585w i l l d e c r e a s eb y28%a n d23%,r e s p e c t i v e l y, c o m p a r e dw i t h t h eb a s e l i n e p e r i o d(1971 2020).[C o n c l u s i o n]U n d e r t h e t w od i f f e r e n t c l i m a t es c e n a r i o s, t h e c o r r e l a t i o nb e t w e e n t e m p e r a t u r e a n dN P P i sh i g h e r t h a n t h a t o f p r e c i p i t a t i o n.L o wt e m p e r a t u r e a n d l a c k o f r a i n f a l l a r e t h em a i n r e a s o n s f o r t h e d e c r e a s e o f g r a s s l a n dN P P i n t h en o r t h w e s t o f t h eQ T P.K e y w o r d s:D A Y C E N T m o d e l;f u t u r e c l i m a t e s c e n a r i o s;n e t p r i m a r yp r o d u c t i v i t y;Q i n g h a i-T i b e tP l a t e a u全球变暖背景下,陆地生态系统对全球气候变化的响应已经成为全球变化研究的焦点之一[1],而植被作为陆地生态系统的重要组成部分,对全球气候变化起着举足轻重的作用,在发生变化之后对地层气温㊁土壤温度以及湿润状况都会产生相应的改变,同时由植被变化造成的地表蒸散以及土壤储水能力的改变,也会使土壤含水量㊁地表径流等发生明显的变化[2-3]㊂因此,了解和掌握植被动态对环境变化的影响,对保持生态系统平衡和草地可持续发展尤为重要㊂草地生态系统是陆地生态系统的重要组成部分,在气候调节和陆地碳循环等方面扮演着重要角色[4-5]㊂青藏高原草地是对全球气候变化最敏感的生态系统之一,并且草地净初级生产力在生态系统碳通量的汇集和调节气候变化中扮演着重要的角色[6-7]㊂近几年来,植被生产力已经成为国内外研究的核心内容之一[8],受到各界的广泛关注㊂青藏高原是我国面积最大的高原,其中草地是青藏高原分布最广泛的植被类型,面积约占青藏高原总面积的60%[9],其草地的生长状况对西北乃至全国生态系统的保护都具有重要意义㊂青藏高原也被称为全球气候的 放大器 ,在未来气候情景下,青藏高原草地碳源㊁碳汇功能是否会发生改变,这对未来全球气候变化的走向具有重要意义㊂国内外学者也对整个青藏高原草地生态系统进行了不同角度的研究,但对于未来气候响应条件下,青藏高原草地生态系统的发展状况还具有一定的不确定性㊂以往对青藏高原草地净初级生产力的研究集中于对已知年份青藏高原N P P的估算上㊂例如刘丽慧等[10]利用B i o m e-B G C模型,通过改进冻土区活动层土壤冻融水循环,估算了2000 2018年青藏高原草地N P P,并对N P P模拟结果的时空特征进行了分析,结果表明2000年以来青藏高原高寒草地N P P多年均值的空间分布表现为由东南向西北逐渐递减,青藏高原草地生态系统质量总体上呈现良性发展的态势并且区域差异明显,但局部草地仍持续退化㊂汪柳皓等[11]利用M O D13Q1归一化植被指数(N D V I)产品数据,分析了青藏高原地区2000 2019年N D V I的时空变化特征,并通过M O D11A2地表温度数据和T R MM卫星降水数据探究了植被变化与地表温度和降水之间的关系㊂也有学者[12]使用G L A S SF V C数据,利用B F A S T方法和格局分析,探讨了1982 2018年我国植被覆盖变化的非线性趋势及其分布格局,结果表明青藏高原中东部等地则由原先的改善趋势变为了退化趋势㊂还有学者[13]研究探讨气候变化㊁物候及土壤因子和青藏高原N P P之间的关系,量化N P P变化趋势,探索了青藏高原草地N P P对气候变化㊁物候和土壤因子的响应机制㊂与前者不同的是,部分学者除了考虑气候变化对青藏高原植被变化的影响,还定量分析了人类活动对植被变化带来的影响,结果发现人为干预对减缓生态系统退化具有重要作用,但二者的研究只是停留在过去的一段时期,对未来气候变化和人类活动对青藏高原植被动态变化的影响却仍然未191第2期徐士博等:未来气候情景下青藏高原草地净初级生产力时空演变特征知[14-15]㊂另外,以往针对未来气候情景的研究中对河流径流量㊁植物分布㊁气候地理特征的研究居多[16-18],对未来气候条件下植被N P P 的研究较少,特别是作为气候变化敏感区的青藏高原来说,研究其植被N P P 动态变化,对了解青藏高原草地N P P 生态系统健康状况和维护青藏高原国家生态安全屏障功能具有重要意义㊂近年来,许多学者对青藏高原N P P 的研究有了一定的了解和深入,在关于青藏高原草地N P P 的空间分布上,也得到了由东南向西北递减较为一致的看法,但是不同学者在利用不同模型去估算青藏高原草地N P P ,在计算精度和准确性上会存在一定的偏差㊂本研究采用D A Y C E N T 模型,利用青藏高原站点数据,对模型进行参数初始化,提高模型估算精度,增加模型对青藏高原N P P 估算的准确性㊂我们研究的目的就是探讨在未来不同气候情景下青藏高原草地N P P 的动态变化,并且与基准期(19712020年)相对比,探究未来青藏高原草地净初级生产力的发展趋势与发展前景,对青藏高原未来草地净初级生产力的管理具有一定的指导意义㊂1 研究区概况青藏高原位于我国西南部,南起喜马拉雅山脉南缘,北至昆仑山㊁阿尔金山脉和祁连山北部,西部为帕米尔高原和喀喇昆仑山脉,是中国最大㊁世界海拔最高的高原,同时也是我国草地面积最大的区域,被称为 世界屋脊 [19-20]㊂研究区域介于26ʎ00' 39ʎ47'N ,73ʎ19' 104ʎ47'E ,东西长约2800k m ㊁南北宽300~1500k m ,总面积约250万k m 2㊂青藏高原年均气温由东南的20ħ,向西北递减至-6ħ以下,高原腹地年均温度在0ħ以下,大片地区最暖月平均温度也不足10ħ,最暖月平均气温4~6ħ[21]㊂由于南部海洋暖湿气流受多重阻留,年降水量也由2000m m 缩减至50m m 以下,年降水量20~100m m ㊂日照充足,年太阳辐射总量140~180M J /c m 2,年日照总时数2500~3200h [22]㊂由于青藏高原特殊的地理位置,导致整个高原在全球气候变化和环境保护方面具有重要意义,提前了解和掌握未来情景下青藏高原的生态动态变化,有利于我们在面对未来复杂气候条件下提出科学有效的治理方案,这也是我们研究的目的和意义㊂青藏高原冻土分布广泛,植被大多数为天然草地,各类草地面积总和有1.4亿h m 2,占高原总面积的53%左右㊂本研究选择高原上的3种典型草地类型,分别为高寒草甸㊁典型高寒草地和高寒荒漠草地,所选站点均为国家站点,共48个㊂站点位置如图1所示,部分站点信息见表1㊂注:该图基于国家测绘地理信息局标准地图服务网站下载的审图号为G S (2016)1609号的标准地图制作,底图无修改㊂图1 研究区域地理位置及站点分布F i g .1G e o g r a p h i c a l l o c a t i o n a n d s i t e d i s t r i b u t i o n o f t h e s t u d y ar e a 表1 部分站点的土壤参数T a b l e 1 S o i l pa r a m e t e r s f o r s o m e s i t e s 站点堆积密度/(g㊃c m -3)田间持水量/mm 萎蔫点砂粒含量/%0.0~1.0黏土含量/%0.0~1.0土壤有机碳/%0.0~1.0饱和导水率/(c m ㊃s-1)p H 值五道梁1.480.220.060.560.060.010.002005.7玛沁1.280.280.100.350.200.030.000607.5同仁1.230.320.120.290.260.010.000378.0当雄1.430.250.070.350.060.010.002335.7拉孜1.300.270.100.460.200.010.000546.3曲麻莱1.280.280.100.350.200.030.000607.5玉树1.420.190.080.760.120.000.001378.2清水河1.270.280.110.39N 0.220.010.000476.62 数据来源与研究方法2.1 数据来源2.1.1 气象数据 该模型驱动需要输入以日为步长的气象数据,其中包括最高温㊁最低温㊁降雨量㊁太阳辐射㊁平均风速等㊂由于洛隆㊁理塘和左贡站点部分年份数据缺失,所以选取的气象数据范围分别为1979 2020年㊁1972 2020年㊁1978 2020年,时间291 水土保持研究 第31卷跨度分别为42a,49a,43a,其余剩下的青藏高原45个气象站点,用来验证模型的研究时间段均为1971 2020年,跨度范围为50a㊂模型输入站点的气象数据下载于N O A A美国国家环境信息中心网(h t t p s:ʊg i s.n c d c.n o a a.g o v/m a p s/n c e i/c d o/d a i l y)㊂2.1.2样地参数样地参数数据,主要包括研究站点的经纬度㊁海拔㊁土层深度㊁堆积密度㊁萎蔫点㊁砂粒含量㊁黏土含量㊁土壤p H值等,还包括研究区域植被类型的选择㊂本研究利用MO D17A3下载的N P P 遥感数据,以及查找相关文献中的N P P实测数据对所选48个站点进行参数校正㊂其中站点土层深度和土壤质地数据来源于联合国粮农组织(h t t p s:ʊw w w.f a o.o r g/h o m e/z h)和世界土壤数据库(H a r m o-n i z e dW o r l d S o i l D a t a b a s e v e r s i o n),站点高程数据和经纬度来源于空间地理数据云(w w w.g s c l o u d.c n/ s e a r c h)㊂2.1.3遥感数据遥感数据来源于 美国国家航空航天局(N A S A) 的戈达德航天中心(L A A D S,h t t p s:ʊl a d s w e b.m o d a p s.e o s d i s.n a s a.g o v)㊂采用2000 2020年的MO D17A3下载的N P P遥感数据,其空间分辨率为0.5k mˑ0.5k m,时间分辨率为16d㊂本研究首先在M o d i sT o o l中将6景MO D17A3遥感数据进行影像拼接处理,并将其投影为U T M(u n i v e r s a l t r a n s v e r s e nm e r c a t o r);然后在A r c G I S中利用青藏高原矢量图按照掩膜提取裁剪得到青藏高原2000 2020年N P P的栅格数据㊂2.1.4 C M I P6气候模式数据为利用全球气候模式中的数据对未来情景下N P P进行模拟预测,本研究选取C M I P6(h t t p s:ʊe s g f-d a t a.d k r z.d e/s e a r c h/ c m i p6-d k r z)提供的B C C_C S M1.1气候模式下的S S P126和S S P585情景数据,其中S S P126为低排放情景,是一种政府干预下的气候情景;而S S P585为高排放情景,是指在无气候变化干预时的基线情景,特点是温室气体排放和浓度不断增加㊂每个情景下包括的要素有日最高温㊁日最低温㊁日降水量,获取的时间序列是2021 2100年,将该时间序列分为4个阶段,分别为2021 2040年(近期)㊁2041 2060年(中期)㊁2061 2080年(远期)㊁2081 2100年(长远期)㊂运用NWA I-WG统计降尺度的方法提取处理数据,提升栅格数据的格点数目,最后利用A r c G I S 提取各个站点的气候数据㊂2.2研究方法2.2.1 D A Y C E N T模型 D A I L YC E N T U R Y(简记为D A Y C E N T)模型是C E N T U R Y模型的每日步长版本㊂C E N T U R Y按每月步长运行一次,最初于20世纪70年代开发,用于模拟土壤有机质(S OM)㊁植物生产力㊁养分可用性和其他生态系统参数的变化,以响应土地管理和气候的变化㊂C E N T U R Y已被广泛应用,并被证明能够可靠地模拟全球大多数陆地生态系统的植物生长和土壤有机质变化㊂该模型主要分为水分和温度㊁植物和土壤3个模块㊂D A Y CE N T环境由土壤参数文件㊁计划文件㊁天气文件和输出文件组成㊂D A Y C E N T模型的输入参数可以分为4类,分别为天气信息㊁土壤信息㊁植物信息和管理事件,其中包括的主要变量有:日平均最高和最低气温㊁日降水量㊁植物体中的木质素含量以及土壤的初始含碳㊁氮㊁磷和硫含量㊂D A Y C E N T模型在每日时间步长下运行,该模型主要有每日参数文件( .s c h 或 .e v t )㊁每日天气文件( .w t h )和输入文件(*.100,*.i n,*.d a t)及输出参数文件(.o u t和.c s v)组成㊂其中输入参数的文件都是可以使用文本编辑器进行编辑的文本文件㊂在R中将该模型作为外部程序运行或者使用D O S命令提示符下运行程序,开始运行后,每次模拟会将每月输出变量写入二进制文件,并将每日输出变量写入文本文件㊂模拟完成后,利用L I S T100程序读取二进制文件并创建所选变量的A S C I I列表[23]㊂2.2.2模型参数化以及验证数据的获取本研究利用 美国国家航空航天局(N A S A) 下载的MO D17 A32000 2020年N P P遥感数据作为观测值,并结合相关文献中N P P的实测数据对D A Y C E N T模型参数的校正㊂D A Y C E N T模型输出的是每日N P P 数值,若文献中提供的是地上生物量和地下生物量,根据对草地生物量的相关研究,草地地上和地下生物量的对照值通常采用1ʒ5.73,并根据碳转化率(0.475)计算得出N P P实测值[24]㊂2.3模型评价方法本研究选取平均绝对误差(MA E)㊁可决系数(R)㊁N a s h效率系数(N S)和均方根误差(R M S E)等多个统计变量,用于评价D A Y C E N Y模型对青藏高原站点净初级生产力的模拟效果,采用的计算公式:(1)均方根误差㊂R M S E=ðn i=1(h i-m i)2n(1)均方根误差用于评价模拟值和观测值之间的偏差即模拟结果的准确性,均方根误差越小,表示模拟值与实测值之间的偏差越小,模型的模拟效果越好㊂391第2期徐士博等:未来气候情景下青藏高原草地净初级生产力时空演变特征(2)平均绝对百分比误差㊂MA E =1n ðn i =1h i -m im iˑ100%(2)平均绝对百分比误差,与R M S E 相比,稳定性更高,因为MA E 对每个点的误差进行了归一化㊂它表示预测值和观测值之间绝对误差的平均值,反映模型模拟的可信度㊂(3)可决系数㊂R =ðni =1(h i -h )(m i -m )ðni =1(h i -h )2(m i -m )2(3)可决系数可以通过模型模拟值与观测值之间的线性回归所得,反应模拟结果吻合实测值波动的能力,其值越接近1表示模拟值与观测值的吻合程度越高㊂(4)N a s h 效率系数㊂N S =1-ðni =1(h i -m i )2ðni =1(m i -m )2(4)N a s h 效率系数的取值范围为负无穷大(模拟效果差)至1(模拟效果好)㊂反映模拟结果和实际观测值的吻合程度,若模拟值结果与实测值之间的方差大于实测值的方差,则其值将小于0,越小于0则模拟结果的可信度越低;若模拟值与实测值之间的方差和实测值一样大,其值接近于0,表示模拟结果接近观测值平均值水平,总体模拟结果可信,但过程模拟误差较大;若模拟值与观测值之间的方差趋于0,则其值接近于1,表示模型很好地模拟了实测值的变化,模型可信度高㊂以上各式中:h i ,m i 分别为模型模拟值和观测值;h ,m 分别为模拟值和观测值均值;n 为时间序列个数㊂2.4 相关性分析相关性主要用来反映要素之间的相关性大小和方向㊂本研究基于皮尔逊相关系数分析和讨论青藏高原草地N P P 与各气候因子之间的相关性和显著性水平,其计算公式如下[25]: r x ,y =ðni =1(x i -x )(y i -y )ðni =1(x i -x )2(y i -y )2(5) r x y 1,y2=r x y 1-r x y 2r y 1y 21-r2x y21-r 2y 1y2(6)式中:r x ,y 为x ,y 变量的相关系数;x i ,y i 为x ,y 变量第i 年的值;x ,y 为x ,y 变量的平均值;r x y 1,y 2为将y 2固定后x 与y 1的偏相关系数;r x y1为x 与y 1的相关系数;r x y 2为x 与y 2的相关系数;r x y2为y 1和y 2的相关系数㊂此外,本研究采用T 检验法来分析偏相关系数和复相关系数的显著性,公式如下:T =r x y 1,y 21-r x y 1,y 2㊃n -m -1(7)式中:n 为样本个数;m 为变量个数㊂3 结果与分析3.1 模型模拟结果验证通过文献查找的N P P 实测数据与对应18个气象站点的N P P 模拟值进行对比(图2),从图上可以看出站点模拟值与文献中的实测值非常接近,MA E均在10%以内㊂图2 D A Y C E N T 模型模拟数据验证F i g.2 D A Y C E N Tm o d e l s i m u l a t e s d a t a v a l i d a t i o n 图3A B 是以清水河㊁曲麻莱站点为例20002021年的D A Y C E N T 模型模拟值与MO D 17A 3下载的N P P 遥感观测值对比,从图上可以看出N P P 模拟值与观测值整体趋势保持一致㊂图3C D 是对清水河㊁曲麻莱站点的模拟值与观测值做线性回归,并添加95%的置信区间,从图上可以看出绝大多数的点均在置信区间内,线性拟合程度R 2分别为0.62,0.73,p 值均小于0.05,通过了显著性检验㊂从表2选取的部分站点的统计指标也可以看出,站点模拟的拟合效果均在0.5以上,N S 均大于0且接近于1,MA E 均在10%以下,R M S E 也在可接受范围之内,说明模型整体模拟效果良好,D A Y C E N T 模型的参数合理,可以用来模拟青藏高原地区草地净初级生产力㊂3.2 1978-2020年草地N P P 的时间动态变化图4是利用校正后的D A Y C E N T 模型模拟的1978-2020年青藏高原草地N P P 变化趋势,从图上可以看出青藏高原草地N P P 总体呈现出线性增加趋势,波动范围为14223.47~17543.43g C /(m 2㊃a),年均增长速率为82.88g C /(m 2㊃a )(p <0.05)㊂491 水土保持研究 第31卷图3站点模拟值与实测值对比F i g.3C o m p a r i s o n o f s i m u l a t e d a n dm e a s u r e d v a l u e s a t t h e s i t e表2部分站点的模型评价指标结果T a b l e2M o d e l e v a l u a t i o nm e t r i c r e s u l t s f o r s o m e s i t e s站点名称均方根误差(RM S E)平均绝对误差(MA E)效率系数(N a s h)可决系数(R)玉树19.67%0.040.98曲麻莱16.77%0.400.44清水河14.75%0.990.60德格32.58%0.400.50林芝32.27%0.380.50拉孜6.39%0.260.60图41978-2020年青藏高原草地N P P动态变化F i g4D y n a m i c c h a n g e s i na v e r a g eN P Pf r o m1978t o20203.31978-2020年草地N P P的空间分布通过D A Y C E N T模型模拟青藏高原48个气象站点的N P P值,利用反权重插值法绘制青藏高原草地N P P的空间分布图(图5),1978 2020年青藏高原N P P年平均值为499.83g C/m2,从图上也可以看出,N P P高值区主要位于青藏高原的东南部,总体呈现出由东南向西北递减的趋势,N P P值较高的区域位于云南省和四川省的东南部分,N P P值较低的区域位于新疆㊁西藏等省份㊂图51978-2020年均N P P空间分布F i g.5A v e r a g eN P Ps p a t i a l d i s t r i b u t i o n f r o m1978t o20203.42021-2100年不同情景下草地N P P的时间动态变化采用上述站点参数初始化后的D A Y C E N T模型,单向嵌套B C C-C S M1.1气候模式,并将未来气候情景分为4个时间段,分别为2021 2040年(近期)㊁2041 2060年(中期)㊁2061 2080年(远期)㊁2081 2100年(长远期)㊂从图6A可以看出,在S S P126情景下,青藏高原草地净初级生产力总体呈现出下降趋势,其中近期(2021 2040年)的波动范围最小,N P P数值波动范围为11599.94~12680.29g C/(m2㊃a),减小幅度为9.3%,波动范围最大的是长远期(2081 2100年),波动范围为10877.34~12198.97g C/(m2㊃a),减小幅度为12.1%,且在整个模拟期间(2021 2100年)N P P数值波动范591第2期徐士博等:未来气候情景下青藏高原草地净初级生产力时空演变特征围在10877.34~12680.29g C/(m2㊃a),减小幅度为16.5%㊂从图6B来看,在S S P585情景下,N P P总体呈现出平稳的上升趋势,其中近期(2021 2040年)的增长速率最高为12%,其余3个时期的增长速率分别为7%,7%,6.5%㊂从图6C看,与基准期(1971 2020年)相比,S S P126和S S P585情景下N P P值均低于基准期水平,呈现出下降趋势,分别下降28%,23%,其中S S P126下降速率略高于S S P585㊂注:A,B分别代表S S P126和S S P585情景下模拟值的时间序列,C表示S S P126,S S P585和基准期年均N P P的箱线图㊂图6青藏高原草地N P P的时间动态变化F i g.6T e m p o r a l d y n a m i c s o fN P P i n g r a s s l a n do n t h eT i b e t a nP l a t e a u3.52021-2100年不同情景下草地N P P的空间分布针对青藏高原草地净初级生产力的模拟值,利用反权重插值法绘制草地净初级生产力的空间分布图(图7 8)㊂由图7可知,在S S P126低碳排放浓度背景下,4个时段的青藏高原草地净初级生产力的年平均值分别为505.65,516.00,515.06,510.53g C/(m2㊃a),4个时段呈现出比较平稳的小幅度的增加趋势,从空间分布来看,总体呈现出由东南向西北递减的趋势,且N P P值较高的区域位于西藏西南㊁青海南部㊁四川㊁云南等气候温暖湿润的省份, N P P值较低的区域则位于西藏北部㊁新疆等严寒干燥的省份㊂图7S S P126情景下4个时期草地年平均N P P空间分布F i g.7A n n u a l a v e r a g eN P Ps p a t i a l d i s t r i b u t i o no f g r a s s l a n d i n f o u r p e r i o d s u n d e r t h e S S P126s c e n a r i o由图8可知,在S S P585高浓度碳排放背景下,4个时段的青藏高原草地净初级生产力的年平均值分别为502.57,521.05,535.07,539.24g C/(m2㊃a),4个时段也呈现逐期的增长趋势㊂相比S S P126,除了近期(2021 2040年)N P P值的差别不大之外,其余3个时期均呈现出不同的增长趋势,N P P年平均值分别增加了5.05,20.21,28.71g C/(m2㊃a),增长速率分别为0.96%, 3.92%,5.6%㊂从空间分布来看S S P585与S S P126相比整体的分布格局没有改变,依然是东南高,西北低,呈现出由东南向西北递减的趋势㊂图8S S P585情景下4个时期草地年平均N P P空间分布F i g.8A n n u a l a v e r a g eN P Ps p a t i a l d i s t r i b u t i o no f g r a s s l a n d i n f o u r p e r i o d s u n d e r t h e S S P585s c e n a r i o由图9可知,与基准期(1971 2020年)相比,青藏高原呈现出不同的增减趋势,在S S P126情景下青藏高原85%以上的地区出现下降趋势,主要位于藏北和新疆地区以及青海中部㊁甘肃的东部㊂N P P出691水土保持研究第31卷现增加的趋势主要集中在四川西部的班玛县㊁甘孜县等地区,还有包括青海中部的格尔木市㊁都兰县㊁德令哈市,以及藏南地区的江孜县㊁仁布县㊁定日县等㊂另外,相比于近期(2021 2100年),在S S P126情景下其余的3个时期在西藏西部的普兰县㊁噶尔县㊁札达县等地区,年平均N P P值均呈现出增加的趋势,分别是基准期的0.23,0.25,0.27倍㊂说明在S S P126情景下,出现草地N P P增加的地区,呈现相似的增加趋势㊂图9S S P126情景下青藏高原草地N P P相对变化空间分布F i g.9S p a t i a l d i s t r i b u t i o no fN P Pr e l a t i v e v a r i a t i o n i n g r a s s l a n do n t h e Q i n g h a i-T i b e t P l a t e a uu n d e r t h e s c e n a r i o o f S S P126由图10可知,与基准期(1971 2020年)相比,在S S P585情景下,青藏高原草地N P P值在绝大部分地区也是呈现出下降趋势,同时与S S P126情景相比,S S P585情景下的最大增长倍数都有所增加,比S S P126分别增加了0.06,0.16,0.32,0.38倍,由两种不同情景下的相同时期对比来看,青藏高原草地N P P的增长趋势的空间分布大致相同,其中除了西藏色尼区的草地N P P与S S P126情景下的递减趋势相反,该地区呈现出逐年增加的趋势㊂3.6气候变化对青藏高原N P P的影响3.6.1S S P126情景下气候变化对N P P的影响由图11可知,青藏高原年降水量表现出南高北低,中间逐渐递减的空间分布特征;年平均气温呈现出由东南向西北逐渐降低的空间分布特征㊂图10S S P585情景下青藏高原草地N P P相对变化空间分布F i g.10S p a t i a l d i s t r i b u t i o no fN P Pr e l a t i v e v a r i a t i o n i n g r a s s l a n do n t h e Q i n g h a i-T i b e t P l a t e a uu n d e r t h e s c e n a r i o o f S S P585图11S S P126情景下年平均降水和平均气温的空间变化F i g.11S p a t i a l v a r i a t i o no f a n n u a lm e a n p r e c i p i t a t i o na n da n n u a lm e a n t e m p e r a t u r e u n d e r t h e S S P126s c e n a r i o青藏高原的最高年降水量为69.20m m,2100年较2021年上升了4m m左右(图12A)㊂80a平均气温的最高值为8.91ħ,最低值为-9.16ħ,且80a来温度呈小幅度波动但总体缓慢增长的变动趋势(图12B)㊂由表3可知,草地N P P与年平均最高温㊁最低温呈正相关,随温度的增加而增加;与年均降水呈负相关,随降水的增加而减少,且与温度的相关性通过了显著性检验㊂3.6.2S S P585情景下气候变化对N P P的影响由图13可知,在S S P585情景下,降水呈现由东南向西北递减的趋势,年平均最高降水为30.68mm㊂气温呈现由东南向西北递减的趋势,这与草地N P P的空间演变特征保持一致,且气温的增加趋势大于降水㊂青藏高原的年均降水表现出波动式的上升趋势, 2100年较2021年降水增加了10mm左右,年平均气温总体呈线性增加的趋势(图14A),最高温为30. 16ħ,最低温为-6.9ħ(图14B),两者的总体时序情况与N P P的趋势较为一致,其中温度的发展趋势更接近N P P的时序情况㊂说明温度是影响青藏高原草地㊁N P P改变的主要原因㊂791第2期徐士博等:未来气候情景下青藏高原草地净初级生产力时空演变特征图12S S P126情景下年平均降水和年平均气温的时间变化F i g.12T e m p o r a l v a r i a t i o n s o f a n n u a lm e a n p r e c i p i t a t i o na n da n n u a lm e a n t e m p e r a t u r e u n d e r S S P126s c e n a r i o表3草地N P P与气候因素的p e r s o n相关系数(S S P126)T a b l e3P e r s o n c o r r e l a t i o n c o e f f i c i e n t b e t w e e n g r a s s l a n dN P Pa n d c l i m a t i c f a c t o r s(S S P126)项目植被净初级生产力(N P P)年平均最高温年平均最低温年平均降水量植被净初级生产力(N P P)1.0000.529**0.518**-0.116年平均最高温0.529**1.0000.981**0.270年平均最低温0.518**0.981**1.0000.148年平均降水量-0.1160.0270.1481.000注:**表示通过了p<0.01的显著性检验,下表同㊂图13S S P585情景下年平均降水的空间变化F i g.13S p a t i a l v a r i a t i o no f a n n u a lm e a n p r e c i p i t a t i o na n da n n u a lm e a n t e m p e r a t u r e u n d e r t h e S S P585s c e n a r i o图14S S P585情景下年平均降水和年平均气温的时间变化F i g.14T e m p o r a l v a r i a t i o n s o f a n n u a lm e a n p r e c i p i t a t i o na n da n n u a lm e a n t e m p e r a t u r e u n d e r S S P585s c e n a r i o由表4可知,N P P与年均最高温㊁最低温和降水均呈正相关,随温度和降水的增加而增加,其中与温度的相关性高于降水,并且通过了显著性检验㊂从两个情景对比来看,草地N P P与温度降水均有一定的相关性,但与温度的相关性高于降水,而且在S S P126情景下,N P P 与降水呈负相关;S S P585情景下与降水呈正相关㊂4讨论本研究发现C M I P6的S S P126和S S P585情景下,青藏高原草地N P P分别呈现出逐年下降和逐年上升的趋势,这与韩海燕[8]利用B i o m e-B G C模型嵌套R C P气候情景,低浓度路径下(R C P2.6)青藏高原草地N P P呈891水土保持研究第31卷。
近50年辽宁无霜期积温时空演变特征明惠青;唐亚平;孙婧;关键华【摘要】利用GIS技术对辽宁近50 a不同时间尺度无霜期积温的时空演变特征进行了分析,结果表明:辽宁无霜期积温区域平均值年际变异很大,最大值超过600℃·d,近50 a极显著增多,增幅为85℃·d/10a,主要增多时段在90年代以后;其中增幅最大区域分布在辽西南部和中部平原南部,超过90℃·d/10a,趋势极显著,东部山区西部和辽西西北部增幅最小,在60℃·d/10a以下,增多趋势不显著.气候平均值由南向北呈递减分布,B时段(1971～2000年)与A时段(1961～1990年)相比,东部山区中西部和辽西西部略有减少,东部山区北部、辽西大部、中部平原大部以及大连部分地区增多最多,在60℃·d以上.从年代际变化来看,2 600℃·d以上的积温高值范围由环渤海地区向东北不断扩展,2000年后达到最大,覆盖了辽西大部、中部、辽北大部和辽南大部地区.%Based on the data of daily mean temperature of Liaoning Province in the recent 50 years ( 1961 ～ 2007),and using GIS technique, analysis is made of different time scale of spatio-temporal evolvement characteristics of frostless period accumulated temperature (FIPAT) in Liaoning in recent 50 years. The results demonstrate that in terms of regional average, the FLPAT whose the largest variability is larger than 600℃ .d varies evidently between years and increases signific antly with a rate of increase of 85℃·d/10a in recent 50 years and mainly after 1990s. The largest rate above 90℃ .d/10a distributes in the south of west Lianning and south of central plain. The smallest rate below 60℃ .d/10a distributes in most parts of east mountainous area and the west of west Liaoning. The west of east mountainous area and northwest of westLiaoning are the places whére the FLPAT increases unsignificently. Comparing the B period from 1971 ～ 2000 with the A period from 1961 ～1990, except for center and west of east mountainous area as well as the west of west Liaoning where the FLPAT decreases slightly, the climatology of the FLPAT which decreases progressively from south above 2 700℃·d to north below I 800℃·d increases in most parts of L iaoning, especially in the north of east mountainous area, most parts of west Liaoning, most parts of cental plain and part of Dalian where the rate of increase of the FLPAT above 60℃·d is the largest. In term of interannual change, the scope area with hig h value of above 2 600℃·d expands to northeast from surrounding Bohai zone and reaches the peak after 2000, covering middle Liaoning, most parts of west Liaoning and north Liaoning as well as south Liaoning.【期刊名称】《干旱地区农业研究》【年(卷),期】2011(029)002【总页数】5页(P276-280)【关键词】辽宁;无霜期积温;时空演变;GIS技术【作者】明惠青;唐亚平;孙婧;关键华【作者单位】辽宁省气象科技服务中心,辽宁沈阳110016;辽宁省气象科技服务中心,辽宁沈阳110016;辽宁省气象科技服务中心,辽宁沈阳110016;辽宁省气象科技服务中心,辽宁沈阳110016【正文语种】中文【中图分类】S161.2+2无霜期是一个地区最为重要的热量指标之一,指一年中终霜后至初霜前的一整段时间[1],在这一期间内,没有霜的出现。
