一、植被净第一性生产力研究回顾与发展趋势(论文文献综述)
刘义[1](2020)在《基于CASA模型的淮河流域植被净第一性生产力估算研究》文中研究指明植被净第一性生产力(NPP,Net Primary Productivity)是环境生态的重要研究内容之一,是植被生命活动与能量转换的重要指标,也是判定生态系统碳源、碳汇和调节生态过程的主要因子。淮河流域是我国重要的粮食生产基地、能源矿产基地和制造业基地。地平平坦开阔,低海拔冲积平原、低海拔低河漫滩面积广布。气候为南北气候的过渡带,温和湿润。在流域中河南省所占面积最多,其次为安徽、江苏、山东以及湖北省,流经的城市约有40个。经济增速和人口规模的增长均处在较快水平。本文基于CASA(Carnegie-Ames-Stanford Approach)模型,利用NDVI、土地覆被等RS/GIS数据和气温、蒸散量等气象数据,就淮河流域这一研究区的2007——2016年的植被进行NPP估算,并细致地对淮河流域以及流域分区植被NPP的空间分布、时间变化以及变化趋势等进行了分析,以此为淮河流域生态系统的研究、碳循环的研究和生态修复、环境保护等提供借鉴和参考。基于模型分析结果研究发现:(1)从空间分布上来看,淮河流域植被NPP空间分布的异质性明显,植被NPP最大值为965.17 g C/m2,年均为332.57 g C/m2,由西南向东北递减。子分区的植被NPP分布各有不同。二级分区中,淮河上游区植被NPP年均为367.39 g C/m2,西至南一带为高值,东北为次高值。淮河中游区为345.29g C/m2,南部和西部的小部分有高值集中,东部洪泽湖水域植被NPP低,由中部至南、至西植被NPP逐渐减少。淮河下游区为331.53 g C/m2,西高东低。沂沭泗河区为298.66 g C/m2,南高北低,西高东低。三级分区各区域植被NPP由大到小依次为:王蚌区间南岸、王家坝以上南岸、王家坝以上北岸、里下河区、蚌洪区间北岸、王蚌区间北岸、蚌洪区间南岸、南四湖西区、高天区、沂沭河区、中运河区、日赣区以及南四湖东区。(2)从时间尺度来看,2007—2016年淮河流域植被NPP呈现波浪式上升的趋势,2008—2011年、2013—2015年缓慢下降,2012、2016年较快增加。子分区逐年变化与淮河流域逐年变化基本一致,呈现上升趋势。年内各月植被NPP先增后减,集中于5-9月,7月最高,为64.63 g C/m2,对全年的植被NPP贡献最大,所占比重接近全年的五分之一,2月最低,为2.63 g C/m2。季节上,集中在春末到秋初,夏季最高,平均为162.05 g C/(m2·a),春季次之,秋季紧随其后,冬季最低。(3)使用趋势分析法发现,淮河流域2007—2016年的变化趋势为平均每年增长14.27g C/m2,约有89.34%的面积为增加趋势,10.66%属下降趋势。增长趋势在0.01—20.58 g C/m2区间的占比约71.41%。淮河流域增长趋势南高北低,南部、西南部、西部山区增长趋势较为明显。各月的月变化趋势均值约为每年增长1.19 g C/m2,仅11月份为下降趋势,其余月份均为增长趋势,其中7、8月增长趋势最高,12月最弱。夏季增长趋势最强,春季次之,秋季排在第三,冬季增长趋势最弱。(4)降水量、气温对植被NPP的影响:淮河流域内气候差异明显,2007—2016年平均降水量为881.38 mm,变化趋势为-3.39 mm/a,有74.65%的区域为减少趋势,25.35%为上升趋势。多年平均气温为15.08℃,变化趋势为0.02℃/a,有17.56%的区域气温变化为减少趋势,82.44%为上升趋势。植被NPP与降水的偏相关系平均为-0.1933,负相关关系与淮河流域特殊的梅雨天气和涡切变、台风等引起的暴雨等息息相关。其正、负相关区域分别为淮河流域的22.50%以及77.50%,与气温偏相关系数平均为-0.0781,正、负相关关系面积分别占流域的41.24%和58.76%。大部分区域的相关程度为中低度。与降水之间的关系强于与气温的关系。根据本文研究发现,CASA模型在淮河流域植被NPP估算中得到了较好的应用,模型有着较好的应用性和系统性。通过对淮河流域植被NPP的时空格局和变化的分析与讨论,可为淮河流域的治理提供参考,为促进淮河流域生态系统的稳定和平缓、生态修复、环境保护以及绿色发展等方面提供理论基础和决策借鉴。
张凤英[2](2020)在《基于遥感和LPJ模型模拟的长江流域植被净初级生产力格局及驱动力分析》文中提出植被是生态系统的重要组成部分,其覆盖度对生态环境质量起着重要影响。植被净初级生产力(Net Primary Productivity,NPP)作为植被生长的重要指标已成为陆地生态系统研究中不可缺少的指标和内容。NPP不仅是评估碳平衡的重要因子,还是衡量植被生态质量及评估生态系统功能与结构的重要指标。影响植被覆盖的驱动因子有很多,其中气候因素和人为因素是比较重要的因素。利用LPJ模型(Lund-Potsdam-Jena Model)估算长江流域净初级生产力,对长江流域1982-2013年植被NPP时空演变格局及其影响因素进行分析,为长江流域的植被监测与生态建设提供依据。利用残差趋势法,结合2000-2013年植被NPP遥感数据和模拟数据探讨气候变化和人类活动对植被的相对作用,为长江流域的生态环境、经济和社会的可持续发展提供理论基础。主要结论如下:(1)长江流域NPP在空间分布上具有异质性,1982-2013年植被NPP大致呈自东南向西北递减的趋势。年均植被NPP值为475.76 gC·m-2·y-1,长江上、中、下游植被NPP年均值大小排序为:长江下游>长江中游>长江上游;NPP总量排序为:长江上游>长江中游>长江下游。不同类型的植被NPP在时间上呈波动上升的趋势。植被NPP随着海拔的增高呈现波动起伏的特点。(2)气候因素对植被NPP变化具有重要影响。从时间尺度上看,1982-2013年长江植被NPP与气温呈显着正相关,而与降水则呈较弱的负相关性。在空间尺度上,研究区超过70%的地区NPP与气温和降水的相关性为正相关;不同植被类型NPP与气温呈正相关性的面积比例排序:草地>灌丛>林地>农田,与降水呈正相关性的面积比例排序:农田>林业>灌丛>草地。极端洪涝和极端干旱致使长江部分区域植被NPP减少,因此大规模极端气候事件可能导致植被NPP减少。长江上、中、下游地区对气温和降水均存在敏感性,但对气温存在较强的敏感性,而对降水的敏感性不强。(3)2000-2013年长江流域NPP增加的区域主要分布在长江上游中部及东部、洞庭湖西部和长江下游北部,NPPres(即残差NPP)为正,人类活动起到积极作用;人类活动导致青海省南部到四川西北部、汉江流域、洞庭湖东部及江西省等地植被NPP减少,NPPres为负。2002-2008年人类活动对NPP变化主要表现为积极影响,再加上2000年以后鄱阳湖、洞庭湖、金沙江、嘉陵江、乌江和汉江的NDVI增长率高于NPP模拟值,说明重大的生态工程使得植被覆盖率增加。(4)2000-2013年长江流域植被改善区域面积在总体变化面积中所占的比重为60.42%,退化区域面积在总体变化面积中所占的比重为39.58%,人类活动作为主导因素在植被改善和退化中的影响是最大的。农田、森林NPP的增加主要受人类活动为主导因素的影响,草地和灌丛NPP的增加主要受气候变化为主导因素的影响,四种植被类型退化主要受人类活动为主导因素的影响。(5)2000-2013年长江流域气候变化与人类活动贡献率在空间分布上存在差异。人类活动对长江植被NPP变化的相对贡献在一定程度上高于气候,因此,人类活动是长江流域植被NPP变化的主要驱动因素。
焦骄[3](2019)在《青海省植被净初级生产力时空格局变化及其驱动因素研究》文中指出陆地生态系统净初级生产力(NPP)作为陆地生态过程的关键参数,不仅可以估算地球支撑能力和也可评价陆地生态系统的可持续性发展,同时也是全球碳循环的重要构成成分和关键环节,NPP作为陆地生态系统能量传递和物质循环的一部分,一方面反映自然环境下植物群落的生产力,另一方面是判定陆地生态系统的碳循环和碳有机物积累,在全球气温变化和碳循环中,NPP也是作为重要的关注热点之一。青海省属于高原大陆性气候,是气候敏感地带,整体地势是西高东低,复杂的地理环境影响着降水和气温的分布,造成了植被地域性差异。本文基于2000-2014年的MODIS17A3的1000 m分辨率的数据集、2000年和2015年土地利用数据集、39个气象站点的气温和降水数据及社会经济等资料,通过ArcGIS10.0、ENVI 4.7、Origin 9.0等技术平台,利用简单差值法、一元线性回归分析、Hurst指数、相关分析等方法,对青海省近15年植被NPP从I区(祁连山针叶林-高寒草甸生态区)、II区(青海东部农牧生态区)、III区(江河源高寒草甸生态区)、IV区(柴达木盆地荒漠-盐壳生态区)、V区(北羌塘高原半荒漠-荒漠生态区)5个生态功能区和市、县行政区两方面对动态变化特征进行差异分析,探讨了气候波动、海拔高低和土地利用类型对NPP变化的影响,得到以下结论:(1)2000-2014年青海省年平均NPP值的波动范围集中在68.83-92.07gC·m-2·a-1,平均值79.05 gC·m-2·a-1,其中最小值出现在2001年,为68.83gC·m-2·a-1,最大值出现在2004年,为92.07 gC·m-2·a-1,各生态区的NPP也存在明显的差异,整体上看,IV和V区的变化范围不大,处于持平状态,其他生态区的年际变化差不多一致,均表现出降-升-降-升-降-升-降-升-降的波动状态。(2)2000-2014年,整体上看,青海省年均NPP值受地区差异影响,呈现由南到北、由东到西逐渐递减的趋势,从生态功能区看,各生态区的空间变化明显,表现为Ⅱ区>I区>III区>Ⅳ区>Ⅴ区。从行政分区看,黄南藏族自治州的年均NPP最高,为300.27 gC·m-2·a-1,格尔木市年均NPP最小,为17.72 gC·m-2·a-1。适宜植被生长的东南区域,NPP值较大,受地形、降水和气温等因素的限制,西北地区NPP值较小。(3)利用简单插值法、趋势分析法和Hurst指数具体分析了青海省2000-2014年植被NPP的变化特点。(4)通过气候因素(气温与降水)、海拔高度及LUCC类型对青海省NPP空间分布影响分析得出:1)NPP与降水和气温的相关性表明,气温与降雨的相关系数具有很好的互补性,在气温相关程度高的地区,降雨相关程度低,反之亦然。2)随着海拔的增长,植被NPP整体呈现出缓慢增加之后迅速下降,出现低峰,又开始迅速上升,之后开始下降到0,且不同海拔上植被NPP差别较大,呈现双峰值特点。3)土地利用/覆被变化(LUCC)研究得出,15年来耕地面积减少最少,面积减少了14 km2,林地面积减少了76 km2,草地面积减少最多,减少了1260 km2,这是导致NPP减少的主要原因,城镇用地增加较多,增加了763 km2,青海省经历了大规模的城镇扩张及城市化进程,一些草地和林地都转化为建设用地。
王琳,景元书,张悦[4](2015)在《基于MODIS的长江中下游地区植被净第一性生产力时空变化规律》文中研究指明基于中等分辨率成像光谱仪(MODIS)数据产品,分析了长江中下游地区的植被净第一性生产力(net primary production,NPP)的时空分布规律,并探讨了气候和土地覆被变化对它们的影响。研究结果表明:在2001-2010年间,研究区植被净第一性生产力的数值主要集中在420670 g·m-2·a-1(以碳计),平均值为562 g·m-2·a-1(以碳计)。从时间角度来看,植被净第一性生产力的年际波动大,且大部分地区的植被净第一性生产力呈现随时间逐渐降低趋势。从空间角度看,植被净第一性生产力呈南高北低、沿海高于内陆的分布规律。研究区内植被净第一性生产力的变化受到了气候因子的综合作用,与年均气温和日照时数呈正相关,与降水量呈负相关(P<0.05)。同时,土地覆被类型的转变也是导致植被净第一性生产力产生时空变化的重要因素。
刚成诚[5](2015)在《全球草地生产力时空动态定量评估及其驱动因素分析》文中研究表明草地生态系统是陆地表面分布面积最大的生态系统之一,约占大陆总面积的1/4,具有防风、固沙、保土、调节气候、净化空气、涵养水源等生态功能,对维系生态平衡、地区经济、人文历史具有重要地理价值。草地生态系统提供了人类食用的肉制品和奶制品,对畜牧业的发展起到了至关重要的作用,是食品安全的重要组成部分。此外,由于其广大的分布面积,草地具有巨大的固碳潜力,对平衡全球温室气体浓度,降低陆地温室效应具有重要意义,在全球碳循环评估中发挥着重要作用。随着全球气候变化和人类活动干扰的加剧,草地生态系统结构和功能发生相应变化。研究气候变化影响下的草地生产力时空动态及驱动因素不仅有助于了解全球草地生态系统碳循环的机制,且对评价全球陆地生态系统碳循环和碳源/汇功能具有重要参考意义。本研究首先以典型区—中国、北美、欧洲和澳大利亚的草地生态系统为研究对象,对比分析了 1981-2010年间,4个地区的草地空间分布、草地净初级生产力(Net primary productivity,NPP)、碳储量、土壤呼吸(Rs)、土壤异养呼吸(Rh)及净生态系统生产力(Net ecosystems productivity,NEP)的时空动态,并根据草地NPP与气候因子的相关性来揭示不同草地NPP对气候变化的响应;此外,利用改进的综合顺序分类法(Comprehensive Sequential Classification System,CSCS)模拟了过去百年不同时期全球草地覆盖,并利用基于湿润度指数K的分段模型和单室模型模拟了全球草地NPP和NEP,分析其时空动态及未来不同气候情景下的变化趋势,并分析草地生产力对不同气候因子的敏感性;最后,利用NPP和覆盖度作为草地退化等级划分的指标,对全球草地退化进行遥感监测,并引入3种NPP做为指标,对造成草地退化的气候变化和人类活动两种因素进行定量化和空间化分析。本研究得到的主要进展如下:1.典型区草地生产力时空动态及驱动因素分析以中国、北美、欧洲和澳大利亚的草地生态系统为研究对象,对比分析了 1981-2010年间,4个地区的草地空间分布、草地NPP、碳储量、Rs、Rh及NEP的时空动态,最后分析了不同草地NPP与年平均温度(MAT)和年总降水量(MAP)的相关性来揭示不同草地NPP对气候因子的敏感性。研究表明:(1).在4个地区中,北美草地面积最大,其NPP为4225.30±215.43 Tg DW.yr-1,欧洲草地面积最小,其NPP为928.95±24.68 Tg DW·yr-1。30年间,中国和澳大利亚的草地NPP呈现上升趋势,而欧洲和北美草地NPP整体下降;(2).北美地区草地的碳储量最高,为145.25 Pg C,中国草地碳储量最低,为36.42 Pg C,欧洲和澳大利亚的草地碳储量分别为45.46和52.38 Pg C。草地碳储量的95%以上储存在土壤中;(3).澳大利亚草地的Rs最高,为5.72±0.62 Pg C.yr-1,欧洲草地的Rs最低,为1.39±0.05 Pg C.yr-1,中国和北美草地的Rs分别为2.13±0.07和5.55±0.18 Pg C.yr-1;北美草地的Rh最高,为2.96±0.09 Pg C.yr-1,欧洲草地的Rs最低,为0.73± 0.02 Pg C.yr-1,中国和澳大利亚草地的Rs分别为1.12±0.03和2.92±0.28Pg C.yr-1。30年间,中国、欧洲和澳大利亚的草地Rs和Rh均呈现总体上升的趋势,而北美草地Rs和Rh下降;(4).欧洲草地NEP最高,平均为11.92±9.22 Tg TgC·yr-1,澳大利亚草地NEP最低,平均为-1176.03±61.73 Tg C.yr-1,中国和北美草地NEP分别平均为-22.46±21.45和-682.73±48.90 Tg C.yr-1,即欧洲草地表现为碳汇,其他地区草地均为碳源。1981-2010年间,澳大利亚草地NEP整体呈现上升趋势,而中国、北美和欧洲草地NEP整体下降,即向大气中释放的碳逐渐增多;(5).草地NPP对降水的变化更加敏感,不同草地类型对降水变化的反应不同。2.全球草地面积时空动态及驱动因素分析基于改进的草地综合顺序分类法模拟了过去百年不同时期全球及各大洲草地类组的时空动态及未来演变趋势,并研究了不同草地类组的迁移方向和距离,并分析其变化原因。研究表明:(1).全球草地面积为(5100.21±59.06)× 104km2,在5个草地类组中,热带萨王纳类组的面积最大,为(2010.05±108.32)× 104km2,典型草地类组面积最小,为(414.21±19.00)× 104km2,冻原与高山草地类组、荒漠草地类组和温带湿润草地类组的面积分别为(1442.78± 85.73)、(780.84±13.16)和(452.32±32.26)× 104 km2;(2).在过去的100年中,全球草地面积从5175.73 ×104 km2下降到5102.16 × 104 km2,其中冻原与高山草地类组的面积下降最多,为192.35 × 104km2,荒漠草地类组、典型草地类组和温带湿润草地类组的面积分别下降14.31、34.15和70.81 × 104 km2,热带萨王纳类组的面积增加了238.06 × 104 km2;(3).到本世纪末,全球草地面积将会继续下降,其中RCP8.5情景中草地面积将下降最多(516.55×104km2),RCP2.6情景中下降最少(405.84 × 104 10km2),在RCP4.5和6.0情景中,将分别下降503.74和482.02 × 104 km2;(4).在六个大洲中,亚洲的草地分布最广,为(1940.62±48.14)× 104 km2,欧洲的草地面积最小,为(201.52±12.95)× 104 km2,非洲、北美洲、南美洲和大洋洲的草地面积分别为(1007.72±24.14)、(1065.10±53.19)、(397.39±7.19)和(487.85±47.31)× 104km2;(5).在过去的100年中,亚洲、欧洲和北美洲草地面积呈现下降的趋势,非洲、大洋洲和南美洲的草地面积整体上升;在未来的几十年内,亚洲和北美洲草地面积将继续下降,欧洲草地面积在RCP8.5情景中将显着增加,而在其他情景中变化较小,非洲和南美洲草地面积将继续上升,大洋洲的草地面积将逐渐下降;(6).过去的100年中,在北半球,温带湿润草地类组的重心向西北方向移动,其他草地类组的重心均向东北方向移动,其中典型草地类组的迁移距离最长,为633.11km;在南半球,荒漠草地类组和热带萨王纳类组分别向西南和东南方向迁移,其中荒漠草地类组的迁移距离最长,为1289.75km,冻原与高山草地类组、典型草地类组和温带湿润草地类组则向北方迁移。而在未来几十年内,RCP8.5情景中,各草地类组的迁移距离最长,大部分草地类组将向北方移动,其中RCP2.6情景中迁移方向争议较大。3.全球草地净初级生产力时空动态及驱动因素分析利用基于湿润度指数K的分段模型定量评估过去百年不同时期全球草地NPP的时空动态及未来演变趋势,并通过相关性分析研究草地NPP对不同气候因子的响应。研究表明:(1).全球草地NPP为(26.09±0.44)Pg DW·yr-1,在5个草地类组中,热带萨王纳类组的NPP最高,为(14.08±0.86)Pg DW·yr-1,其次为冻原与高山草地类组,其NPP为(5.88±0.36)Pg DW.yr-1,典型草地类组NPP最低,为(1.59±0.06)Pg DW-yr-1,荒漠草地类组和温带湿润草地类组的NPP分别为(2.47±0.02)和(2.07±0.12)Pg DW.yr-1;(2).在过去的 100 年中,全球草地 NPP呈现总体上升的趋势,共增加了 745.32 Tg DW·yr-1。在未来的几十年内,在RCP2.6情景中,草地NPP在2030s之后无显着变化;在RCP4.5情景中,将有微弱的增加;在RCP6.0和RCP8.5情景中,草地NPP在2030s之后将增加。在2070s,草地NPP与1920s相比,在不同情景将分别增加2.88%、4.45%、5.70%和12.35%;(3).冻原与高山草地类组和温带湿润草地类组的NPP在整个研究时间范围内逐渐下降,而荒漠草地类组和典型草地类组NPP波动较大,热带萨王纳类组的NPP在1920s-2070s逐渐上升,其中RCP8.5情景中将增加最多,在RCP2.6情景将增加最少;(4)在六个大洲中,亚洲草地NPP最高,占全球草地NPP的30.73%,其次为非洲草地NPP,占全球草地NPP的27.69%,欧洲草地的NPP最低,占全球草地NPP的4.40%,北美洲、南美洲和大洋洲的草地NPP分别占全球草地NPP的17.26%、10.64%和9.29%;(5).在过去的100年中,亚洲、非洲、大洋洲和南美洲草地NPP呈现总体上升的趋势,而欧洲和北美洲草地NPP下降;在未来的几十年内,亚洲和大洋洲的草地NPP将下降,非洲和南美洲草地NPP则会快速增加,而在欧洲和北美洲草地NPP在多数气候情景中变化较小;(6).降水是影响全球尺度草地NPP最重要的气候因子。4.全球草地净生态系统生产力时空动态及驱动因素分析利用基于湿润度指数K的单室模型定量分析了不同时期全球草地NEP的时空动态,并通过相关性分析研究了NEP对不同气候因子的敏感性。研究表明:(1).全球草地NEP平均为117.66±173.44 Tg C·yr-1,在5个草地类组中,典型草地类组的NEP为-41.94± 32.38 Tg C.yr-1,表现为碳源,冻原与高山草地类组的NEP最高,为(82.38±108.16)TgC·yr1,具有最高的固碳潜力;其次为热带萨王纳类组,其平均NEP为(46.00±39.57)Tg C·yr-1;荒漠草地类组的NEP最低,为(4.61± 7.01)Tg C.yr-1;温带湿润草地类组的平均NEP为(26.61±27.43)Tg C·yr-1;(2).在过去的100年中,全球草地NEP由8.40降低为到-42.91 TgC·yr1,即从吸收碳转化为释放碳。未来的几十年内,在RCP8.5情景中,全球草地NEP将一直下降,到2070s将下降至(-713.50±302.29)Tg C·yr-1;在RCP2.6情景中,草地NEP在2030s之后将有微弱上升,到2070s将达到(-166.63±103.14)Tg C·yr-1;在RCP4.5和6.0情景中,到2070s将分别下降至(424.51±177.63)和(406.43±167.49)Tg C.yr-1;(3).在六个大洲中,亚洲草地固碳潜力最强,最高达到135.37 Tg C·yr-1,在过去的100年中,除南美洲草地接近碳中性外,其他大洲草地均表现为碳汇;到本世纪末,全球各大洲草地均将转化为碳源;(4)在全球尺度,草地NEP更易受温度和降水的综合作用,其中降水的作用更加明显。5.全球草地退化遥感监测及其驱动力分析利用NPP和覆盖度作为草地退化等级划分的指标,研究2000-2013年全球草地退化状况,同时利用潜在NPP(NPPp)、实际NPP(NPPa)及二者差值(即人类活动作用导致NPP的损失,HANPP)定量评估气候变化和人类活动在草地退化中的相对贡献。结果表明:(1).全球发生不同程度退化的草地面积为1401.01 × 104km2,占全球草地面积的23.90%,未发生变化的草地面积为3017.24 × 104km2,占全球草地面积的51.47%;(2).在发生变化的草地中,呈现轻度改善的草地分布面积最大,占16.30%,呈现轻度退化和显着退化的草地面积分别占全球草地面积的15.30%和2.07%;(3).亚洲和北美洲草地呈现轻度改善的面积分别占各自大洲草地面积的17.55%和23.48%,而在其他大洲,呈现轻度退化的面积较大,最大面积的草地退化和草地改善均发生在亚洲;(4).气候变化是全球草地退化的最主要原因,导致了 45.51%的草地退化,而人类活动次之,导致32.53%的草地退化,而人类活动是草地改善的主导因素,占改善草地总面积的45.51%,而气候变化导致了30.6%的草地改善;(5).由于草地退化引起的NPP损失在1.40(北美洲)和13.61 TgC·yr1(大洋洲)之间,而由于草地改善造成的NPP增加在1.59(北美洲)和17.57 Tg C·yr-1(欧洲)之间。气候变化和人类活动对各个大洲草地退化的影响不同。6.精度验证和误差来源本研究的时间横跨过去百年到本世纪末,空间尺度由区域尺度到大洲尺度到全球尺度,从不同时空尺度探讨了气候变化对草地面积及生产力的影响。由于研究时间和空间尺度较大,模拟结果的验证难度较大,为了提高模型模拟精度、降低其不确定性,本论文采用立体取样-交叉验证-综合评判的方法,从样点实测数据、不同模型结果对比和文献结果验证的方法对模型模拟结果进行验证,结果表明模型模拟结果与实测数据及现有研究结果吻合度较高,能够合理的反映气候变化对草地碳循环的影响状况。论文结果的误差来源主要有:首先,在模拟全球草地生产力的研究中,模型中只用到降水和温度两个指标,许多重要的因子(如人类活动、CO2施肥效应、氮沉降、植被生理生态过程等)并没有考虑到模型中。不过模型抓住了影响草地发生与发展的主要气候因子,因此,从长时间序列大空间尺度看结果是合理有效的;其次,输入数据的误差,由于上个世纪初气象观测点很少,根据有限的资料外推到全球尺度会产生很大问题,特别是降水数据,其空间分布的变化很大,而草地生产力对降水敏感性更高,因此会对结果造成误差。最后,由于估算模型和参数方案各不相同,未来气候情景数据中不同GCM所模拟的气候因子的空间分布和强度差别也较大,本论文利用可搜集到的所有GCM模拟结果的平均值来研究未来变化趋势,在一定程度上降低了结果的不确定性。7.论文的主要创新之处在于:(1).目前关于草地生产力的观测和模拟都集中在小尺度的均质样地上,缺乏大尺度草地生产力的模拟。本研究结合草地生理生态特征,以4个典型区—中国、北美、欧洲和澳大利亚的草地为研究对象,对比分析了 1981-2010年间,4区草地空间分布特征、草地NPP、碳储量、Rs、Rh和NEP的时空动态,从区域尺度上研究气候变化对草地生产力和碳源/汇功能的影响;(2).利用改进的CSCS、基于湿润度指数K的分段模型和单室模型,首次从全球尺度对长时间序列全球草地面积、NPP和NEP进行模拟,定量评估不同时期的时空动态及未来演变趋势,不仅为全球草地碳循环和碳格局提供了本底资料,对资料难以获取的地区或时间段的全球变化研究具有重要的指导意义,而且可为IPCC第6次评估报告提供数据支持;(3).目前草地退化的监测多集中在样地尺度或均质斑块,不同研究中监测指标不统一,结果可比性较差,而大尺度草地退化遥感监测的研究较少,同时缺乏草地退化驱动力的定量评估。基于此,本文利用多元遥感数据,以NPP和覆盖度作为草地退化监测指标,选取3种NPP—潜在NPP、实际NPP及二者差值人类占用的NPP作为评价指标,构建了定量评估气候变化和人类活动对草地退化驱动的研究方法。这种方法不仅明确了全球草地退化现状,而且确定了不同区域草地退化的主导驱动因素。这对草地生态恢复措施的合理调整和草地资源的可持续利用具有重要意义,并且研究结论一定程度上可为生态恢复工程的绩效评价提供理论参考。8.总结草地生态系统分布广阔,地形和气候条件复杂,使其生产力分布具有较大的空间异质性。根据IPCC的第5次评估报告,过去的30年是近800年中最热的30年,在这段时间内,中国和澳大利亚草地NPP和Rh均上升,但在中国Rh上升速度更快,导致草地NEP下降,而在澳大利亚,草地NPP上升速度较快,因此草地NEP整体上升;欧洲草地NPP下降而Rh上升,导致NEP下降;北美地区草地NPP和Rh均下降共同导致草地NEP整体下降。与其他植被类型相比,草地更易受气候变化影响。过去百年的气候变化已导致全球草地面积整体下降,尤其是中高纬度草地面积持续下降,热带地区草地分布不断扩张。虽然草地NPP整体呈现上升趋势,但大部分草地NPP下降。到本世纪末,草地面积将继续下降,草地NPP将继续上升,而草地也将由碳汇转变为碳源。降水是影响草地生产力的主要因素。草地退化驱动机制的定量评估表明,在全球范围内,气候变化是草地退化的主要驱动因素,而人类活动主导着草地改善。本研究不仅对了解全球变化与陆地生态系统碳循环研究具有重要意义,有利于了解气候变化与人类活动对草地生态系统碳循环的影响及其反馈,而且为国家和政府从科学角度解决生态环境问题提供理论依据和可行性方案,并为IPCC第6次评估报告提供数据支持。
普宗朝,张山清,王胜兰,白松竹,王磊[6](2010)在《气候变化对阿勒泰地区自然植被净第一性生产力的影响》文中进行了进一步梳理【目的】建立阿勒泰地区自然植被净第一性生产力与年平均气温和年降水量的统计关系,在此基础上,估算未来气候变化对自然植被净第一性生产力的可能影响。【方法】利用新疆阿勒泰地区7个气象台站1961~2008年的历史气候资料对年平均气温和年降水量变化规律进行统计分析的基础上,采用周广胜等[1]的自然植被净第一性生产力模型,计算了近48年阿勒泰地区自然植被净第一性生产力的变化特征。【结果】48年来,阿勒泰地区年平均气温以0.475℃/10a的倾向率上升,降水量以11.495mm/10a的倾向率增多,年平均气温和年降水量分别于1975和1986年发生了突变性的上升;受其影响,自然植被净第一性生产力以0.2t/hm2/10a的倾向率增长,并于1985年发生了突变性的增大。【结论】未来气候的"暖湿化"变化对提高阿勒泰地区自然植被净第一性生产力将产生积极影响,平均而言,在其它条件不变的前提下,年降水量每增多10%,自然植被净第一性生产力将增加7%~9%。年平均气温每升高1℃;自然植被净第一性生产力将增加0.06%~1.56%。
师庆三[7](2010)在《干旱区景观尺度下生态系统服务功能价值评价体系构建与应用初步研究》文中指出生态系统服务功能评价是生态环境变化评价的主要方法之一,景观生态学在研究对象上与生态系统服务功能评价体系相同,生态系统服务功能价值计算成为计算由景观格局变化导致景观功能变化的有效方法。但是,目前的Constanza和谢高地的生态系统服务功能评价体系是建立在全球尺度及区域尺度之上的,对于更直接反映人类活动的景观尺度上的生态系统服务功能评价的分类系统还不完整,各类别的价值量的估算方法还不甚成熟。在干旱区,景观类型及特征明显区别于湿润区,寻找到适合于干旱区绿洲—荒漠生态系统服务功能的评价指标与方法是有必要的。主要工作:1)针对新疆奇台、乌苏、鄯善三个绿洲,本研究利用多期的景观数据对这三个典型绿洲进行横向、纵向对比,探讨不同景观指数在干旱区绿洲—荒漠生态系统评价中指示度。结果表明:单一的景观格局指数在进行不同区域对比分析的评价中其意义是不明晰的,景观生态学空间格局分析应该与生态学过程结合才能有更明确的应用价值。2)利用MODIS数据,结合遥感生态学方法,计算了新疆陆地生态系统2000年的生态服务价值。在此基础上,利用统计学方法探讨了NPP与生态系统服务价值之间的定量关系,结果表明:①新疆地区2000年生态系统服务功能所产生的价值为8871.05×l08元,其中贡献量最大的是固定CO2的价值,其次是释放02,营养物质循环最少;②新疆森林的生态系统服务价值最高,达44073.39元/hm2,其次为耕地,为39100.37元/hm2,而灌木和草地在15000元/hm2以上,未利用地为116.14元/hm2,建筑用地几乎为零;③生态系统服务价值的空间分布与FVC、NPP的分布具有高度相关性;④结合其他研究者的数据探讨了NPP与生态系统服务价值之间的关系,表明净第一性生产力NPP与生态系统服务功能价值之间具有良好的线性相关关系。由于利用遥感方法得到的实时动态的区域的NPP计算的方法得到普遍认可,因此,从NPP出发推算生态系统服务功能是目前生态系统价值评估的可行方法,为建立动态快速评价生态系统服务价值的方法及其广泛应用打下基础。3)利用新疆地区典型绿洲的景观类型图叠加遥感数据MODIS的净初级生产力的数据产品MOD17A3,在遥感(RS)和地理信息系统(GIS)的支持下,提取并统计了景观尺度下的各类景观的NPP值,为干旱区景观尺度的生态系统服务价值测算体系建立提供了方法依据和数据支持。4)利用NPP与生态系统服务的关系推算了Constanza和谢高地生态系统服务功能评价系统中缺少的景观类型的当量因子,在Constanza的基础上,提出了利用抠图法构建的景观尺度下干旱区生态系统服务功能价值评价体系。5)采用传统的Constanza评价体系、谢高地评价体系和本研究提出的抠图法评价体系,对新疆的奇台、乌苏两地区进行生态系统服务功能评价。通过比较分析认为,Constanza、谢高地及本研究提出的评价体系对典型绿洲的评价结论基本一致,对绿洲生态系统服务功能价值变化发展趋势判断相同,但本研究与Constanza评价体系指示的显着度明显,谢高地评价体系显着度低于其他两种方法。这说明,本研究以景观抠图法提出的评价体系对干旱区绿洲—荒漠生态系统服务功能评价具有可信的效果。可以应用于干旱区的生态系统服务价值评估中,而且由于景观类型的细分,评价结果的准确性得到了提高。6)提出利用NPP动态评价景观尺度的生态系统服务功能价值方法并通过实例进行验证,同时利用同期的转移概率矩阵和气候因子变化解释了生态系统服务功能变化的原因。本论文利用遥感模型计算了新疆2000年的生态系统服务价值,探讨了NPP与生态系统服务功能价值之间的关系,尝试性提出利用MODIS的数据产品NPP,结合景观类型图计算景观尺度下的不同景观类型的NPP,并提出了一种利用NPP计算生态系统服务价值的方法,构建了干旱区景观尺度下生态系统服务功能评价体系的技术路线、方法。利用NPP动态分析生态系统服务功能的变化对绿色GDP指标纳入到社会发展评价体系具有实际意义,对同类的研究工作有一定的借鉴意义。
王琪[8](2009)在《黑龙江省植被净第一性生产力的估算及空间特征分析》文中进行了进一步梳理净第一性生产力(NPP)是评价地表植被状况的重要指标之一,对分析和评价全球和区域生态环境、碳循环等变化具有重要作用。本文基于光能利用率原理,利用NOAA/AVHRR数据作为遥感数据输入源,采用Monteith模型,结合相应的地面气象资料以及辐射资料,在地理信息系统技术的支持下,对黑龙江省2003年植被净第一性生产力状况进行了评估,并对NPP的空间格局进行了分析。主要的工作和研究结果包括如下几点:1)在分析了各种NPP计算方法的基础上,最终选择Monteith光能利用率模型,利用地面气象数据和遥感数据对黑龙江省2003年的植被NPP进行了估算。其中NPP的平均值为329.2 gC/(m2·a)。2)分析了黑龙江省NPP空间分布格局。从整体上来看NPP的空间分布与年均降雨量的空间分布具有一致的变化趋势,黑龙江省中、东南部湿润且热量较好地区,NPP值较高;西部干旱地区和北部大兴安岭寒温带热量资源匮乏地区,NPP值较低。3)比较了不同植被类型的NPP的空间分布。黑龙江省不同植被类型的NPP分布情况来看,其NPP值差异显着,由森林、灌丛、农作物、草原依次递减。4)分析了NPP与气候要素、NDVI的关系。通过对NPP与温度、降水量、NDVI的关系的分析,其结果呈显着的线性相关性,均通过显着性检验(p<0.01),并得出了线性回归模型。其中降水是NPP最主要影响因子。5)对估算结果进行了比较和验证。从多个角度比较了前人的NPP结果与本文结果,得出一致的初步结论。
普宗朝,张山清[9](2009)在《气候变化对新疆天山山区自然植被净第一性生产力的影响》文中提出在利用天山山区10个有代表性的气象台站1961-2006年的历史气候资料对年平均气温和年降水量变化规律进行统计分析的基础上,采用周广胜、张新时的自然植被净第一性生产力模型,计算了近46年天山山区自然植被净第一性生产力的变化特征,并据此建立了自然植被净第一性生产力与年平均气温和年降水量的统计关系,在此基础上,估算了未来气候变化对自然植被净第一性生产力的可能影响。结果表明,46年来,年平均气温以0.029℃/a的速率升高,年降水量以1.38 mm/a的速率增多,受其影响,自然植被净第一性生产力平均以0.013 t/(hm2.a)的速率增长。20世纪70年代初是天山山区气候暖湿化变化和自然植被净第一性生产力开始明显增长的"突变点"。未来气候的"暖湿化"变化对提高天山山区自然植被净第一性生产力将产生积极影响,平均而言,在其他条件不变的前提下,年平均气温每升高1℃或年降水量每增多10%,自然植被净第一性生产力将增加4%5%。
崔霞,冯琦胜,梁天刚[10](2007)在《基于遥感技术的植被净初级生产力研究进展》文中进行了进一步梳理植被净初级生产力(NPP)的研究是全球变化与陆地生态系统的核心内容之一。本文回顾了植被NPP研究的历史、基于遥感技术的植被NPP和草地植被NPP研究进展,并对近期陆地植被NPP研究的特点及发展趋势作了总结,对NPP模型的研究提出了一些建议。
二、植被净第一性生产力研究回顾与发展趋势(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、植被净第一性生产力研究回顾与发展趋势(论文提纲范文)
(1)基于CASA模型的淮河流域植被净第一性生产力估算研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与研究意义 |
1.2 NPP的研究现状与发展趋势 |
1.2.1 植被NPP的研究进展 |
1.2.2 植被NPP的研究趋势 |
1.2.3 植被NPP研究的主要模型 |
1.3 研究内容及论文组织 |
1.3.1 研究内容 |
1.3.2 研究技术路线 |
第2章 研究区基本情况分析 |
2.1 淮河流域自然环境分析 |
2.1.1 地形地势概况 |
2.1.2 流域气候水文 |
2.1.3 流域土壤概况 |
2.2 淮河流域社会经济环境分析 |
2.2.1 淮河流域与行政区划 |
2.2.2 淮河流域人口规模 |
2.2.3 淮河流域经济发展 |
第3章 CASA模型构建与研究方法 |
3.1 CASA模型介绍 |
3.2 CASA模型构建 |
3.2.1 植被净第一性生产力(NPP)的估算 |
3.2.2 光和有效辐射(APAR)的估算 |
3.2.3 光能利用率(ε)估算 |
3.3 研究方法 |
3.3.1 文献法 |
3.3.2 植被NPP均值法 |
3.3.3 一元线性回归分析法(趋势分析法) |
3.3.4 偏相关分析 |
第4章 数据来源和处理 |
4.1 矢量数据来源 |
4.2 植被NDVI数据预处理与浅析 |
4.2.1 植被NDVI数据来源与预处理 |
4.2.2 植被NDVI时空分布 |
4.3 太阳辐射总量SOL数据预处理 |
4.4 气候数据预处理 |
4.5 土地利用类型数据预处理 |
第5章 植被净第一性生产力结果分析 |
5.1 淮河流域植被NPP空间格局 |
5.1.1 淮河流域植被NPP总体分布 |
5.1.2 淮河流域二级分区植被NPP总体分布 |
5.1.3 淮河流域三级分区植被NPP总体分布 |
5.2 不同地貌类型下的淮河流域植被NPP |
5.3 淮河流域各省、市植被NPP分析 |
5.4 淮河流域植被NPP逐年变化分析 |
5.4.1 淮河流域植被NPP年际逐年变化 |
5.4.2 淮河流域二级分区植被NPP逐年变化 |
5.4.3 淮河流域三级分区植被NPP逐年变化 |
5.5 淮河流域植被NPP逐月/季节变化分析 |
5.5.1 淮河流域年内各月/季节植被NPP总体变化 |
5.5.2 淮河流域年内各月/季节植被NPP逐年变化 |
5.5.3 淮河流域子分区年内各月/季节植被NPP变化 |
5.6 淮河流域植被NPP变化趋势分析 |
5.6.1 淮河流域植被NPP总体变化趋势分析 |
5.6.2 淮河流域植被NPP子分区变化趋势分析 |
第6章 降水量、气温变化对淮河流域植被NPP的影响 |
6.1 淮河流域年均降水量、气温动态变化 |
6.1.1 淮河流域年均降水、气温时空特征 |
6.1.2 淮河流域年降水量、气温趋势变化 |
6.2 气温、降水量对植被NPP的影响 |
第7章 总结与展望 |
7.1 结论与总结 |
7.2 研究中的不足 |
参考文献 |
攻读硕士学位期间的研究成果 |
致谢 |
(2)基于遥感和LPJ模型模拟的长江流域植被净初级生产力格局及驱动力分析(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究进展 |
1.2.1 植被净初级生产力研究 |
1.2.2 植被净初级生产力驱动力 |
1.2.3 模型和遥感在植被NPP研究中的应用 |
1.2.4 长江流域植被NPP的研究进展 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第二章 研究区概况和研究方法 |
2.1 研究区概况 |
2.1.1 气候条件 |
2.1.2 植被现状 |
2.1.3 地形地貌 |
2.2 数据来源和处理 |
2.2.1 气象数据及处理 |
2.2.2 植被类型数据及土地利用数据 |
2.2.3 NPP资料及处理 |
2.2.4 其他资料 |
2.3 模型及研究方法 |
2.3.1 LPJ模型介绍 |
2.3.2 研究方法 |
第三章 长江流域植被净初级生产力时空分布特征 |
3.1 LPJ模型估算结果及精度验证 |
3.2 长江流域植被NPP空间变化特征 |
3.3 长江流域植被NPP时间变化特征 |
3.4 海拔梯度上植被NPP分布规律 |
3.5 小结与讨论 |
第四章 气候变化对长江流域植被NPP的影响 |
4.1 长江流域气候变化 |
4.1.1 气温年际变化特征 |
4.1.2 降水年际变化特征 |
4.2 气候变化对NPP的影响 |
4.2.1 气温变化对NPP的影响 |
4.2.2 降水变化对NPP的影响 |
4.2.3 极端气候对NPP的影响 |
4.3 NPP对降水和气温的敏感性研究 |
4.4 小结与讨论 |
第五章 人类活动对NPP的影响 |
5.1 人类活动对植被影响的空间变化特征 |
5.1.1 工程分布 |
5.1.2 人类活动对植被NPP影响的空间变化特征 |
5.1.3 NPP和 NDVI空间分布 |
5.2 人类活动对植被影响的时间变化特征 |
5.2.1 人类活动对NPP影响的时间变化特征 |
5.2.2 NPP和 NDVI时间分布 |
5.3 小结与讨论 |
第六章 气候与人类因素在植被NPP变化中的贡献率 |
6.1 气候与人类活动在植被变化中的作用 |
6.1.1 人类活动与气候对植被恢复的影响 |
6.1.2 气候变化和人类活动对植被退化的影响 |
6.2 长江流域植被NPP变化的气候因素贡献率 |
6.3 长江流域植被NPP变化的人类贡献率 |
6.4 小结与讨论 |
第七章 总结与展望 |
7.1 主要结论 |
7.2 主要创新点 |
7.3 不足与展望 |
攻读学位期间发表的学术论文 |
参考文献 |
(3)青海省植被净初级生产力时空格局变化及其驱动因素研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 背景及意义 |
1.2 国内外研究进展 |
1.2.1 国外研究进展 |
1.2.2 国内研究进展 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 研究区概况与数据方法 |
2.1 研究区概况 |
2.1.1 地理位置 |
2.1.2 地貌 |
2.1.3 气候 |
2.1.4 水文 |
2.1.5 植被 |
2.1.6 社会经济 |
2.2 数据来源和预处理 |
2.2.1 MODIS数据 |
2.2.2 气象数据 |
2.2.3 DEM数据 |
2.2.4 土地利用数据 |
2.2.5 社会经济状况统计 |
2.3 研究方法 |
2.3.1 简单差值法 |
2.3.2 趋势分析法 |
2.3.3 未来趋势分析 |
2.3.4 相关分析法 |
2.4 NPP数据对比 |
2.4.1 通过青海省农作物产量预测NPP的方法 |
2.4.2 NPP值可靠性分析 |
2.5 遥感图像校正 |
2.5.1 遥感影像的几何校正 |
2.5.2 NPP的提取 |
3 结果与分析 |
3.1 2000 -2014 年青海省NPP年际变化特征 |
3.1.1 2000 -2014年NPP年际变化特征 |
3.1.2 不同生态功能区年均值NPP变化特征 |
3.2 2000 -2014 年青海省NPP空间变化特征 |
3.2.1 2000 -2014 年青海省NPP空间变化特征 |
3.2.2 不同生态功能区2000-2014 年青海省NPP空间变化特征 |
3.2.3 不同行政区2000-2014 年青海省NPP空间变化特征 |
3.3 植被变化特征分析 |
4 青海省NPP的主要影响因素 |
4.1 气候因子对NPP的影响 |
4.1.1 2000 -2010 年青海省气温、降水变化趋势 |
4.1.2 2000 -2010 年气温、降水的相关性分析对NPP的影响 |
4.2 海拔高度对NPP的影响 |
4.3 土地利用/覆被变化(LUCC)对NPP的影响 |
5 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
攻硕期间发表的科研成果 |
致谢 |
(4)基于MODIS的长江中下游地区植被净第一性生产力时空变化规律(论文提纲范文)
1数据与方法 |
1.1研究区域概况 |
1.2数据来源 |
1.3数据处理与方法 |
2结果与分析 |
2.1植被净第一性生产力的时间变化特征 |
2.2植被净第一性生产力空间分布特征 |
2.3植被净第一性生产力变化趋势空间分布规律 |
2.4影响因素分析 |
3结论与讨论 |
(5)全球草地生产力时空动态定量评估及其驱动因素分析(论文提纲范文)
中文摘要 |
英文摘要 |
缩略词 |
第一章 绪论 |
1.1. 选题背景 |
1.2. 文献综述 |
1.2.1. 草地生态系统及其分类 |
1.2.2. 草地生态系统碳循环研究进展 |
1.2.3. 影响草地生态系统碳循环的因素 |
1.2.4. 草地遥感监测研究进展 |
1.3. 目前研究中的不足 |
1.3.1. 草地分类方法研究不足 |
1.3.2. 长时间序列大空间尺度草地生产力本底资料不足 |
1.3.3. 大面积草地退化遥感监测研究不足 |
1.4. 研究方案 |
1.4.1. 研究目标 |
1.4.2. 研究内容 |
1.4.3. 技术路线 |
1.5. 参考文献 |
第二章 研究区概况、数据来源与研究方法 |
2.1. 全文研究区概介 |
2.1.1. 全球草地生态系统 |
2.1.2. 中国草地生态系统 |
2.1.3. 北美草地生态系统 |
2.1.4. 欧洲草地生态系统 |
2.1.5. 澳大利亚草地生态系统 |
2.2. 主要数据来源 |
2.2.1. 气象数据 |
2.2.2. 全球土壤有机碳数据 |
2.2.3. 自修正的帕默尔干旱指数 |
2.2.4. 草地分类数据—MODIS IGBP |
2.3. 主要研究方法 |
2.3.1. 中国、北美、欧洲和澳大利亚草地土壤呼吸估算模型 |
2.3.2. 改进的草地综合顺序分类法 |
2.3.3. 不同草地类组迁移距离和迁移方向 |
2.3.4. 全球草地NPP估算模型—分段模型 |
2.3.5. 全球草地NEP估算模型—单室模型 |
2.3.6. 草地覆盖度的计算 |
2.3.7. 草地退化遥感监测方法的构建 |
2.3.8. 相关性分析 |
2.4. 小结 |
2.5. 参考文献 |
第三章 典型区草地生产力时空动态定量评估及驱动因素分析—以中国、北美、欧洲和澳大利亚为例 |
3.1. 前言 |
3.2. 材料与方法 |
3.2.1. 研究区概况 |
3.2.2. 数据来源与处理 |
3.2.3. 研究方法 |
3.3. 研究结果 |
3.3.1. 1981-2010年4个地区气候因子的变化 |
3.3.2. 1981-2010年4个地区草地空间分布特征 |
3.3.3. 1981-2010年4个地区草地NPP动态变化 |
3.3.4. 1981-2010年4个地区草地R_s和R_h的动态变化 |
3.3.5. 1981-2010年4个地区草地NEP动态变化 |
3.3.6. 4个地区草地NPP与气候因子的相关性 |
3.4. 讨论 |
3.4.1. 草地生产力模拟结果的对比分析 |
3.4.2. 气候变化对4个地区草地生产力的影响 |
3.5. 小结 |
3.6. 参考文献 |
第四章 全球草地面积时空动态定量评估及驱动因素分析 |
4.1. 引言 |
4.2. 材料与方法 |
4.2.1. 数据来源与处理 |
4.2.2. 研究方法 |
4.3. 结果与分析 |
4.3.1. 全球年平均气温(MAT)与年降水量(MAP)时空动态变化 |
4.3.2. 全球草地类及类组空间分布特征 |
4.3.3. 全球草地类组时间动态变化特征 |
4.3.4. 全球各大洲草地类组时间变化动态及未来演变趋势 |
4.3.5. 全球不同草地类组迁移距离和迁移方向 |
4.4. 讨论 |
4.4.1. 数据来源与CSCS分类方法的讨论 |
4.4.2. 气候变化对全球草地分布的影响 |
4.5. 小结 |
4.6. 参考文献 |
第五章 全球草地净初级生产力时空动态定量评估及驱动因素分析 |
5.1. 引言 |
5.2. 材料与方法 |
5.2.1. 数据来源与处理 |
5.2.2. 研究方法 |
5.3. 结果与分析 |
5.3.1. 全球草地NPP空间分布特征 |
5.3.2. 全球不同草地类组NPP时间动态分析 |
5.3.3. 各大洲不同草地类组NPP时间动态变化 |
5.3.4. 草地NPP与气候因子的相关性分析 |
5.4. 讨论 |
5.4.1. NPP估算方法的讨论 |
5.4.2. 气候变化对草地NPP的影响 |
5.5. 小结 |
5.6. 参考文献 |
第六章 全球草地净生态系统生产力时空动态定量评估及驱动因素分析 |
6.1. 引言 |
6.2. 材料与方法 |
6.2.1. 数据来源与处理 |
6.2.2. 研究方法 |
6.3. 结果与分析 |
6.3.1. 全球草地NEP空间分布特征 |
6.3.2. 全球不同草地类组NEP时间动态分析 |
6.3.3. 各大洲不同草地类组NEP时间动态变化 |
6.3.4. 全球草地类组NEP与气候因子相关性分析 |
6.4. 讨论 |
6.4.1. NEP估算方法的讨论 |
6.4.2. 气候变化对草地NEP的影响 |
6.5. 小结 |
6.6. 参考文献 |
第七章 全球草地主要干扰因素(退化)遥感监测及驱动因素分析 |
7.1. 引言 |
7.2. 材料与方法 |
7.2.1. 研究区概况 |
7.2.2. 数据来源与处理 |
7.2.3. 研究方法 |
7.2.4. 大面积草地退化驱动因素定量评估方法的构建 |
7.3. 结果与分析 |
7.3.1. 2000-2013年全球草地NPP和覆盖度变化的空间动态分布 |
7.3.2. 2000-2013年全球草地NPP和覆盖度变化的时间动态变化 |
7.3.3. 2000-2013年草地动态变化分布 |
7.3.4. 气候变化和人类活动在草地退化中的作用 |
7.3.5. 气候变化和人类活动在草地改善中的作用 |
7.4. 讨论 |
7.4.1. 草地退化遥感监测方法的讨论 |
7.4.2. 气候变化和人类活动对全球草地退化的影响 |
7.5. 小结 |
7.6. 参考文献 |
第八章 最后总结 |
8.1. 研究结论 |
8.2. 研究创新 |
8.3. 研究不足 |
8.4. 研究展望 |
附录一、研究生期间发表的主要成果 |
附录二、个人简历 |
附录三、论文中部分彩图 |
致谢 |
(6)气候变化对阿勒泰地区自然植被净第一性生产力的影响(论文提纲范文)
0 引言 |
1 材料与方法 |
1.1 站点和资料的选取 |
1.2 植被净第一性生产力的计算方法 |
1.3 气候要素和植被净第一性生产力变化趋势的计算方法 |
1.4 气候要素和植被净第一性生产力突变检测方法 |
2 结果与分析 |
2.1 气候变化分析 |
2.1.1 年平均气温变化 |
2.1.2 年降水量变化 |
2.2 自然植被净第一性生产力变化分析 |
2.3 气候变化对自然植被净第一性生产力的影响 |
2.3.1 气候条件与自然植被净第一性生产力的关系 |
2.3.2 未来气候变化对自然植被净第一性生产力的可能影响 |
3 讨论 |
4 结论 |
(7)干旱区景观尺度下生态系统服务功能价值评价体系构建与应用初步研究(论文提纲范文)
摘要 Abstract 第一章 绪论 |
1.1 景观生态学的发展与应用 |
1.1.1 景观生态学的发展 |
1.1.2 景观生态学的研究内容 |
1.1.3 景观结构 |
1.1.4 景观功能 |
1.2 景观生态学综合评价 |
1.2.1 景观格局分析与评价 |
1.2.2 景观生态学在生态系统评估中的作用 |
1.3 生态系统服务功能的发展与应用 |
1.3.1 生态系统服务功能的概念 |
1.3.2 生态系统服务功能的研究历程 |
1.4 净初级生产力与生态系统服务功能的关系 |
1.4.1 净初级生产力 |
1.4.2 净初级生产力的计算 |
1.4.3 净初级生产力在生态系统服务功能评价中的作用 |
1.5 进展与现存问题 |
1.6 本文的切入点与研究目标 |
1.7 本文的创新性 第二章 格局指数在干旱区典型绿洲的对比分析中的应用 |
2.1 典型绿洲景观横向对比分析 |
2.1.1 研究目的 |
2.1.2 数据及处理过程 |
2.1.3 关于景观指数的讨论 |
2.1.4 奇台绿洲景观格局特征分析 |
2.1.5 乌苏绿洲景观格局特征分析 |
2.1.6 鄯善绿洲景观格局特征分析 |
2.1.7 干旱区典型景观横向对比分析 |
2.2 干旱区典型景观总纵向对比分析 |
2.2.1 乌苏-奎屯-独山子地区绿洲景观格局变化特征分析 |
2.2.2 奇台绿洲-荒漠交错带景观格局变化特征分析 |
2.3 问题与讨论 第三章 干旱区景观尺度生态系统服务功能评价体系的建立 |
3.1 净初级生产力与生态系统服务功能 |
3.1.1 Constanza与谢高地的生态系统服务功能价值体系 |
3.1.2 景观尺度生态系统服务功能评价中的问题 |
3.1.3 生态系统服务价值与净初级生产力(NPP)之间的关系讨论 |
3.2 利用抠图法提取景观尺度下的NPP |
3.2.1 景观类型图的获取 |
3.2.2 研究区NPP数据的处理 |
3.2.3 景观类型提取的NPP值的分析 |
3.3 景观尺度生态系统服务功能评价体系的确定 |
3.3.1 景观尺度生态系统服务价值研究思路与步骤 |
3.3.2 干旱区景观尺度生态系统服务功能评价体系的确定 |
3.3.3 景观尺度生态系统服务功能评价体系的确定 第四章 CONSTANZA、谢高地、抠图法评价体系对比分析 |
4.1 CONSTANZA、谢高地、抠图法评价体系对应计算 |
4.2 纵向生态服务价值评价体系研究——以奇台,乌苏绿洲为例 |
4.2.1 奇台绿洲生态服务价值研究 |
4.2.2 乌苏绿洲生态服务价值研究 |
4.3 横向生态服务价值评价体系 |
4.4 三种生态服务价值评价体系差异分析 第五章 干旱区景观生态系统服务功能时空动态分析 |
5.1 生态系统服务功能的动态特征 |
5.2 奇台、乌苏地区生态系统服务功能价值动态分析 |
5.2.1 数据与数据处理 |
5.2.2 奇台绿洲2000到2005年生态系统服务功能价值动态分析 |
5.2.3 乌苏绿洲2000到2005年生态系统服务功能价值动态分析 |
5.3 奇台绿洲生态系统服务功能变化的驱动因子分析 |
5.3.1 奇台、乌苏绿洲降雨量与气温变化 |
5.3.2 奇台、乌苏绿洲景观转移概率分析 第六章 结论与展望 |
6.1 总结 |
6.2 不足与今后工作方向 参考文献 攻读博士学位期间主要科研工作 发表文章 致谢 |
(8)黑龙江省植被净第一性生产力的估算及空间特征分析(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题依据及研究意义 |
1.1.1 选题依据 |
1.1.2 研究意义 |
1.2 国内外研究进展 |
1.2.1 基本概念 |
1.2.2 国内研究状况 |
1.2.3 国外研究状况 |
1.3 NPP计算模型 |
1.3.1 影响NPP的因素 |
1.3.2 NPP计算方法 |
1.3.3 遥感技术与植被净第一性生产力模型 |
2 研究区域概况内容及技术路线 |
2.1 研究区域概况 |
2.2 研究内容 |
2.3 技术路线 |
3 黑龙江陆地植被NPP的估算 |
3.1 数据获取与处理 |
3.1.1 数据获取 |
3.1.2 遥感数据处理 |
3.1.3 非遥感数据处理 |
3.2 黑龙江省植被 NPP的计算 |
3.2.1 光合作用子模型 |
3.2.2 计算温度胁迫系数 |
3.2.3 计算水分胁迫系数 |
3.2.4 呼吸作用子模型 |
3.2.5 NPP估测结果 |
4 龙江植被NPP变化特征及分析 |
4.1 光能利用率模型NPP的分间分布特征 |
4.2 黑龙江省不同植被类型 NPP的空间变化特征 |
4.2.1 森林的NPP的空间变化 |
4.2.2 灌丛的NPP的空间变化 |
4.2.3 草原NPP空间变化 |
4.2.4 农作物NPP的空间变化 |
4.3 NPP影响因子分析 |
4.3.1 植被NPP与温度的关系 |
4.3.2 植被 NPP与降水量的关系 |
4.3.3 植被 NPP与 NDVI的关系 |
5 精度验证 |
结论 |
问题和展望 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(9)气候变化对新疆天山山区自然植被净第一性生产力的影响(论文提纲范文)
1 研究方法 |
1.1 站点和资料的选取 |
1.2 自然植被净第一性生产力的计算方法 |
1.3 气候要素和自然植被净第一性生产力变化趋势的计算方法 |
1.4 气候要素和自然植被净第一性生产力突变检测方法 |
2 结果分析 |
2.1 气候变化分析 |
2.1.1 年平均气温变化 |
2.1.2 年降水量变化 |
2.2 自然植被净第一性生产力年际变化分析 |
2.3 气候变化对自然植被净第一性生产力影响的预测 |
3 结论 |
(10)基于遥感技术的植被净初级生产力研究进展(论文提纲范文)
1 NPP的研究历史 |
1.1 站点实测阶段 |
1.2 模型估测NPP阶段 |
1.2.1 气候相关模型 |
1.2.2 生态学过程模型 |
1.2.3 光能利用率模型 |
1.2.4 生态遥感模型 |
2 基于遥感技术的NPP研究内容与进展 |
2.1 区域或全球NPP模拟估算及其时空变化 |
2.2 环境因子对NPP时空变化规律的影响 |
2.3 构建新的NPP模型 |
2.4 NPP遥感模型研究趋势 |
2.4.1 信息源的选取 |
2.4.2 MODIS数据的应用 |
3 草地植被NPP研究展望 |
4 讨论 |
4.1 模型的选用及精度 |
4.2 植被群落NPP的研究对象 |
4.3 基于遥感的NPP模型的不确定性 |
4.4 草地植被群落NPP的研究 |
4.5 草地植被群落NPP技术创新 |
四、植被净第一性生产力研究回顾与发展趋势(论文参考文献)
- [1]基于CASA模型的淮河流域植被净第一性生产力估算研究[D]. 刘义. 合肥学院, 2020(12)
- [2]基于遥感和LPJ模型模拟的长江流域植被净初级生产力格局及驱动力分析[D]. 张凤英. 南京林业大学, 2020(01)
- [3]青海省植被净初级生产力时空格局变化及其驱动因素研究[D]. 焦骄. 西北师范大学, 2019(06)
- [4]基于MODIS的长江中下游地区植被净第一性生产力时空变化规律[J]. 王琳,景元书,张悦. 浙江农林大学学报, 2015(06)
- [5]全球草地生产力时空动态定量评估及其驱动因素分析[D]. 刚成诚. 南京大学, 2015(01)
- [6]气候变化对阿勒泰地区自然植被净第一性生产力的影响[J]. 普宗朝,张山清,王胜兰,白松竹,王磊. 新疆农业科学, 2010(07)
- [7]干旱区景观尺度下生态系统服务功能价值评价体系构建与应用初步研究[D]. 师庆三. 新疆大学, 2010(11)
- [8]黑龙江省植被净第一性生产力的估算及空间特征分析[D]. 王琪. 东北林业大学, 2009(07)
- [9]气候变化对新疆天山山区自然植被净第一性生产力的影响[J]. 普宗朝,张山清. 草业科学, 2009(02)
- [10]基于遥感技术的植被净初级生产力研究进展[J]. 崔霞,冯琦胜,梁天刚. 草业科学, 2007(10)