一、塔里木盆地北部盐化草甸植被净第一性生产力模型研究(论文文献综述)
张谱[1](2020)在《绿洲外围荒漠区植被时空格局及形成机制》文中提出绿洲外围荒漠区是绿洲边缘重要的生态屏障,对此区域开展研究对于保护绿洲环境、维持区域生态安全具有重要意义。植被是联结土壤、大气和水分等要素的自然纽带,在环境和全球变化研究中起着指示器的作用。了解植被时空格局及其形成机制是区域植物资源保护和利用、退化植被恢复与重建的基础。表征地表植被覆盖和植被生长状况的敏感度度量参数NDVI指数,是公认的用于定量表征植被生长状态及植被覆盖度的最佳因子,虽然国内外学者提出了多种植被指数,但经过不少学者进一步验证与实验,NDVI指数依然被认为是荒漠植被信息提取较为适合指数。目前,鲜有绿洲外围荒漠区,特别是天山南麓绿洲外围荒漠区植被格局形成机制的研究报道。为此,研究选择新疆迪那河流域轮台绿洲外围荒漠区为研究区,以区域内植被格局为研究对象,借助遥感、GIS、无人机、模型模拟等手段,利用长时间序列遥感数据、土壤数据、地形数据、气象数据等,开展植被时空格局以及植被格局形成机制研究。通过识别与重建多期植被空间分布格局,从土壤、地形、气候、人为干扰等方面分析区域植被格局驱动因子,并基于GRU神经网络模型,建立考虑静态影响因素的动态植被格局模拟模型,揭示区域植被格局形成机制。研究结果包括以下几方面:1)绿洲外围荒漠区植被格局时空特征:(1)植被空间分布特征主要有:研究区80%以上的区域NDVI值小于0.2,NDVI值>0.2的区域主要分布在戈壁区北部山前区域,非戈壁荒漠区靠近绿洲区域,以及非戈壁荒漠区南部区域。(2)植被分布的时间特征主要有:1992~2018年,荒漠区植被NDVI平均值在0.1-0.2之间波动,其中,1992~1998年出现了明显的下降,1998~2018年基本保持平稳。2)土壤类型、土壤含水量和土壤养分特征及对植被格局的影响:(1)不同土壤类型对植被格局的影响存在明显差异,荒漠风沙土对应的平均NDVI值较高(主要分布在戈壁区靠近绿洲区域),其次是石灰性草甸土和潜育草甸土亚类(主要分布在非戈壁荒漠区南部区域),棕漠土亚类(主要分布在戈壁区大部分区域)对应平均NDVI值最低。(2)土壤碱解氮含量、有效磷含量、速效钾含量与植被呈负相关关系;土壤全氮、土壤全磷、全钾含量、有机质含量、土壤酸碱度与植被关系不明显;土壤含盐量与植被关系也不明显,但在非戈壁区,土壤含盐量与植被NDVI值呈负相关。(3)土壤水盐交互作用对植被格局影响显着,非盐渍土区域和弱盐渍土区域土壤含水量与植被NDVI呈明显的正相关。(4)各土层土壤水分含量戈壁区均明显低于非戈壁区;随着土层深度增加,土壤有机质含量、碱解氮含量、有效磷含量、速效钾含量、土壤酸碱度值以及NDVI>0.1区域的土壤含盐量呈减少趋势;戈壁区土壤碱解氮含量、有效磷含量、速效钾含量普遍高于非戈壁区;土壤酸碱度值,在0~40cm土层中,戈壁区略高于非戈壁区,而在40~100cm土层中,戈壁区略低于非戈壁区。3)海拔梯度和微地形对植被格局的影响:(1)在北部戈壁区,随着海拔梯度的升高NDVI值不断上升,靠近山前区域的NDVI值明显高于戈壁区的其他区域;南部非戈壁荒漠区地势平坦,海拔梯度变化对NDVI影响较小。(2)北部戈壁区,区域沟槽密度变化较大,植被呈条带状分布在沟槽两侧、沟槽内或沟槽附近,微地形对区域植被格局影响较大;南部非戈壁荒漠区微地形特征不明显,微地形对植被格局影响较小。4)气候和人为干扰对植被格局的影响:(1)1992~2018年间,研究区内年降雨量和年平均气温变化不大,仅2007年与其它年份相比有明显差异;戈壁区各年份年降雨量均大于非戈壁荒漠区,而年平均气温均低于非戈壁荒漠区;研究区内年降雨量与NDVI值呈正相关关系,年均温度与NDVI值呈负相关关系。(2)距离(距绿洲距离)——衡量人为干扰(绿洲扩张)影响的重要指标,对绿洲外围荒漠区植被NDVI值影响显着,绿洲外围荒漠区NDVI值总体上随距离(距绿洲距离)的增加呈减小趋势。5)植被格局模型模拟:(1)研究区植被格局是在众多影响因素共同作用下形成的。影响因素重要性由高到低依次为:土壤类型45.69%,前一期植被格局30.29%,相对位置5.42%,气温3.97%,降水3.29%,土壤速效钾含量2.17%,土壤碱解氮含量1.93%,土壤有效磷含量1.64%,土壤含水量1.56%,到绿洲距离1.40%,土壤含盐量1.35%,地形1.30%。(2)门控循环单元GRU(Gated Recurrent Unit)模型对于模拟含有动态驱动因素的植被格局具有明显优势,研究选择GRU模型进行植被格局模拟。为进一步提高模拟精度,适应本研究复杂多因素驱动下的植被格局模拟任务,研究对GRU模型进行改进,改进形成的VDM(Vegetation Dynamic Model)模型能够分开处理动态数据和静态数据。利用VDM模型对研究区植被格局进行模拟,模拟结果优于GRU模型,与实际对照,总体精度达81.97%,说明VDM模型适用于模拟基于多因素驱动的植被格局。(3)研究综合考虑区域土壤、地形、气候等因素,基于VDM对植被格局进行模拟,精度达80%以上,说明80%以上的影响植被分布格局的机制得到诠释。本文较为全面的研究了新疆迪那河流域轮台绿洲外围荒漠区植被时空格局特征,分析了土壤、地形、气候和人为干扰因素(绿洲扩张)对研究区植被格局的影响,并基于门控循环单元GRU模型,建立VDM模型,对研究区植被格局进行模拟。结果表明:研究区植被格局主要受土壤因素(包括土壤类型,土壤养分含量,土壤含水量等)、地形、气候因素和人为干扰等因素影响,不同因素对研究区植被格局影响程度存在差异。基于VDM模型对植被格局进行模拟,80%以上的影响研究区植被分布格局的机制得到诠释。研究揭示了荒漠区植被时空特征及其环境驱动机制,对于研究区植被的保护或恢复具有重要意义。
张越[2](2019)在《基于Biome-BGC模型的秦岭石头河流域植被生产力模拟及其对气候变化的响应研究》文中指出气候变化和CO2浓度升高改变植物生长条件,影响植物生长发育过程和水分循环过程,对植被总初级生产力、净初级生产力、净生态系统生产力产生重大影响,研究气候变化背景下植被生产力的动态与响应具有明显的理论与现实意义。秦岭作为我国重要的地理分界线,区域植被生长对气候变化的响应较为明显。过去的研究多集中在利用数学统计模型和遥感估算模型研究秦岭植被生长的时空分布特征及生态系统碳循环,缺乏长时间序列的植被生产力对气候变化的响应研究,不利于进行气候因素对植被生产力影响的时间纵向分析。本文运用Biome-BGC模型模拟了1959-2016年秦岭石头河流域落叶阔叶林、常绿针叶林、落叶针叶林、高山灌木和草甸共5种植被类型的生产力动态变化,基于植被生产力与气候要素的相关分析探究其对气候变化的响应,通过未来气温、降水和大气CO2浓度定量情景的模拟结果间的对比分析,估算单位气候因子变幅对生产力的作用强度,另一方面选取秦岭地区降尺度气象数据预测了本世纪早、中、末期研究区各植被类型生产力状况,此外对研究区模型参数的敏感性进行了初步探讨。研究结果表明:(1)1959-2016年研究区落叶阔叶林多年平均植被生产力(GPP、NPP、NEP)各为1136.67、638.02、30.89 g C m-2a-1,常绿针叶林平均植被生产力各为880.69、362.38、39.85 g C m-2a-1,落叶针叶林平均植被生产力为501.56、328.59、31.24 g C m-2a-1,高山灌木平均植被生产力为687.92、203.74、15.02 g C m-2a-1,高山草甸平均植被生产力为306.36、179.41、38.62 g C m-2a-1;总体而言,58年来各植被类型的生产力年际变化特征基本一致,GPP、NPP呈波动中轻微上升趋势,其中GPP上升态势强于NPP,NEP在波动中保持平稳;(2)各植被类型的年GPP、NPP、NEP对年气温、降水和CO2浓度变化的响应具有差异性,各月GPP、NPP、NEP对当月气温、当月及前一月降水的响应也具有明显的差异性;(3)未来气温整体升高、降水总量增加、CO2浓度整体升高均会影响研究区植被生产力增长,气温整体上升1℃、降水总量增加5%、CO2浓度整体升高至50μmol mol-1,导致研究区各植被GPP、NPP、NEP增加或减少的量存在较大差异,GPP、NPP、NEP正负向作用排序也较为不同;(4)本世纪内早、中、末期,除落叶阔叶林GPP、NPP呈现逐期递减趋势,NEP保持平稳外,其他植被类型GPP、NPP均逐期增加,NEP基本平稳;年内植被生产力均表现出夏高冬低的特征,NEP均表现出“夏正冬负”特征,夏季月份多为“碳汇”月,冬季月份多为“碳源”月;(5)Biome-BGC模型中叶片碳氮比、细根碳氮比、Rubisco中叶片氮的比例、新生细根与叶片的碳分配等参数在研究区植被类型下表现出较高的敏感性;年活立木周转率、细根碳氮比、Rubisco中叶氮的比例等为正影响性参数,叶片碳氮比、最大气孔导度、新生细根与叶片的碳分配比等为负影响性参数。
李伟[3](2019)在《基于改进BEPS模型的中亚生态系统生产力时空变化研究》文中认为近年来,全球气候变化加剧,中亚干旱区生态安全问题突出,对绿色“一带一路”建设构成现实挑战,研究中亚区域尺度上陆地生态系统生产力时空变化,对于掌握全球碳循环、制定区域经济发展战略、应对气候变化和环境外交谈判意义重大。然而,中亚地区脆弱的生态系统,独特的自然地理环境,薄弱的地面监测网络建设,导致基于光能利用率模型的中亚干旱区生产力估算结果存在较大不确定性。结合研究区生态环境特点,本文基于遥感、地理信息理论与技术,根据区域气象、植被、土壤、地形和积雪等数据,采用改进后的度日模型、Nash单位线法、水文分析等方法,对基于遥感数据驱动的BEPS(Boreal Ecosystem Productivity Simulator)模型进行改进,实现中亚干旱区生态系统生产力的全区域估算,并研究其时空变化的特征、分析气候变化的影响,为评估中亚生态环境存在的风险、保障绿色“一带一路”建设提供参考信息。主要研究内容和结论如下:(1)BEPS模型改进及验证。在BEPS碳循环子模型中,基于山体形态属性提取山地范围,依据地形因子调整山地单位面积的计算方法;引入NDVI指数,为最大光合羧化速率参数赋予准确的植被长势。在水循环子模型中,利用水文分析、改进后的度日模型和Nash单位线法,估算山地流域内冰雪融水的补给量。在气孔导度子模型中,根据小时尺度的气象数据,调整白日平均温度的计算参数;采用条件植被指数,完善农业灌溉、荒漠植被根系用水策略对叶水势胁迫参数的影响。经实测数据、遥感数据的验证,改进后BEPS模型在中亚干旱区具有较好的可行性和可靠性。(2)中亚干旱区生态系统生产力时空变化特征研究。采用线性相关和空间统计方法,定量分析2001-2015年中亚生态系统总初级生产力(Gross Primary Production,GPP)、净初级生产力(Net Primary Productivity,NPP)和净生态系统生产力(Net Ecosystem Productivity,NEP)的空间分布、年内变化、年际变化以及逐像元变化趋势。结果表明:GPP和NPP呈“中部山地高,东西两侧低”的空间分布特征,NEP的碳汇区主要分布在中部山区、哈萨克斯坦北部和绿洲等区域,在5年尺度的空间格局变化中,新疆是唯一碳汇面积增加的行政区域;在年内变化上,GPP、NPP和NEP呈单峰值分布,峰值均位于夏季;在年际变化上,GPP和NPP呈显着下降趋势,NEP具有阶段性变化特点,呈极显着下降;在变化趋势上,哈萨克斯坦西部的GPP、NPP和NEP均呈显着下降趋势。(3)分析水热条件变化对生产力的影响。基于植被光合模型,建立水热条件与植被GPP的函数关系,研究水热因子对植被生长的综合影响,提高水热条件与生产力的相关性,进而分析水热条件变化对生态系统生产力的影响;借助Moran’s I指数表征降水、温度和GPP的空间格局,探究GPP与气候变化在空间格局上的联系。结果表明:在中亚干旱区,降水量的减少,导致GPP和NPP下降,同时也降低了土壤呼吸,导致水热条件变化对NEP的影响不明确,但不影响植被的固碳效率(NPP/GPP);在空间格局上,降水低值区、温度高值区对应GPP的低值区;降水高值区、温度低值区对应GPP的高值区。在格局变动过程中,降水和温度变化导致GPP格局变动频繁,然而,在山地和农田,GPP格局保持相对稳定。
李玲[4](2019)在《气候变化和人类活动对西北地区植被NPP变化的影响研究》文中进行了进一步梳理伴随着21世纪“西部大开发”战略的实施和“一带一路”重大倡议的提出,西北地区迎来了前所未有的发展机遇,同时也给西北地区生态环境带来更大挑战,因此,加强保护西北地区的生态环境至关重要。植被NPP不仅反映了植物的生产能力,而且是衡量陆地生态环境的重要表征参数。深入研究全球变化背景下西北地区气候变化和人类活动对植被NPP的影响,对促进植被恢复、维系生态安全、保护区域生态环境、建立人与自然和谐相处的生态环境具有重要意义。因此,本研究以西北地区为研究区,基于MODISNDVI数据、气象数据、土地利用数据、高程数据等,分别利用CASA模型和变异系数法计算实际NPP(NPPA)和潜在NPP(NPPP),并将实际NPP和潜在NPP的差作为人类活动对植被NPP的影响(NPPH),在此基础上,对西北地区2000—2016年植被实际NPP的时空变化、土地利用变化对植被实际NPP的影响、气候变化和人类活动对植被NPP变化的相对贡献以及不同气候和人类因子对西北地区植被实际NPP的影响进行了分析。主要研究结论如下:(1)从时间变化上看,2000—2016年间,西北地区的NPPA年均值和年总量均呈现增加的趋势,且不同省份和不同植被类型的植被NPPA均呈现波动增加的趋势。从空间分布上看,西北地区植被NPPA年均值基本呈现从东南向西北逐渐递减,而后在新疆西北部的阿尔泰山和天山递增的趋势。从空间变化趋势上看,西北地区植被NPPA主要以增加的趋势为主,增加较为显着的地区主要分布在东南部地区。从空间变化的稳定性来看,整个西北地区植被NPPA变化处于一个相对不稳定的状态,并且变化的稳定性存在显着的空间差异。从植被NPPA的未来变化趋势看,西北地区植被改善的区域在未来主要呈现弱改善到退化和持续改善的变化趋势,植被退化的区域主要呈现弱退化到改善的变化趋势。(2)从不同土地利用类型变化对植被NPPA变化的相对贡献率来看,持续不变的土地利用类型贡献较大,其中草地的贡献最大;而变化的土地利用类型仅贡献了 2.9%,本研究对土地利用类型变化贡献的2.9%进一步研究发现,草地到耕地的变化贡献最大,其次为未利用地到耕地的变化,同时耕地到林地和草地的变化对植被NPPA变化的贡献也相对较大。从单位面积上土地利用类型变化对植被NPPA的影响来看,耕地向灌丛、林地和草地以及草地向灌丛的转化单位面积上对植被NPPA增加的影响最大。(3)从气候因子对植被NPPA的影响来看,发现西北地区绝大部分地区植被NPPA与气温之间呈正相关,仅少部分地区呈现负相关;绝大部分地区植被NPPA和降水之间呈正相关,特别是原本降水较少的西北地区西北部正相关更加明显;96.45%的区域植被NPPA与太阳辐射之间呈正相关,特别是黄土高原和秦巴山区,与太阳辐射的正相关更加明显;植被NPPA与日照时数、相对湿度之间正相关和负相关的区域面积比例相当;植被NPPA与年均风速之间的负相关比例大于正相关比例。(4)从人类活动对植被NPP影响的空间分布上看,人类活动对植被NPP负影响较强的区域主要分布在山脚下的林地向耕地的过渡区域,而人类活动正影响比较强的区域主要分布在塔里木河、石羊河等沙漠中的绿洲区域、祁连山西北部以及三江源地区;从变化趋势上看,西北地区人类活动对植被NPP的影响变化为正的区域占总面积的52.35%,其中变化为正比较显着的区域主要分布在陕北地区、陕南的大巴山、陕西省的东南部以及塔里木河的绿洲和天山北部的耕地地区,变化为负的区域占总面积的48.65%,人类活动对植被NPP影响值变化为负明显的区域主要分布在城镇周边地区。(5)根据气候变化和人类活动对西北地区植被NPP变化中相对贡献的空间分布,发现气候变化是植被NPPA增加的主导因素,而人类活动是植被NPPA减少的主导因素;不同土地利用类型变化中气候变化和人类活动对植被NPPA增加的贡献中,在保持持续不变的土地利用类型中气候变化的贡献均大于人类活动的贡献,而人类活动对其它土地利用类型向耕地的转化以及未利用地到林地、灌丛的转化中植被NPPA的增加的贡献显着;而在不同土地利用类型变化中气候变化和人类活动对植被NPPA减少的贡献中,人类活动贡献明显。对西北地区NPPA影响显着的因子为乡村人口数量、有效灌溉面积、农用化肥施用量、气温和降水;对新疆地区植被NPPA影响显着的因子为降水、有效灌溉面积和农用化肥施用量;对青海植被NPPA影响显着的因子为气温、乡村人口数量、农用化肥施用量、年末牲畜数量;对甘肃植被NPPA影响显着的因子为农用化肥施用量、乡村人口数量和有效灌溉面积;对宁夏植被NPPA影响显着的因子为有效灌溉面积、乡村人口数量、农用化肥施用量和降水;对陕西植被NPPA影响显着的因子为乡村人口数量、农用化肥施用量、太阳辐射、年末牲畜数量。
修晓敏[5](2019)在《基于Google Earth Engine的30m空间分辨率中国干旱地区草地生物量估算》文中进行了进一步梳理我国干旱地区区域广阔,约占国土总面积的47%,生活在干旱地区的人口众多,人们赖以生存的环境由于其自身的结构复杂独特,环境极其脆弱。近些年,全球气候变暖、自然灾害发生频繁、生态环境每况愈下,干旱地区的环境影响到了人民的生活质量。草地作为干旱地区的一种可再生资源,对调节气候条件、防风固沙、涵养水源、维持生态平衡和稳增碳汇具有重要意义。草地生物量对草地长势状态和生产能力有很好的指示作用,用来作为评价草地生态系统的重要指标。因此,准确监测我国干旱地区草地生物量,对我国生态安全、草地合理化管理和利用意义重大。本文基于Google Earth Engine云计算平台,以Landsat8为主要数据源,SRTM(Shuttle Radar Topography Mission)和TRMM(Tropical Rainfall Measuring Mission)为辅助数据,将我国干旱地区作为研究区域,开展使用CART(Classification and Regression Tree)分类回归树和SVM(Support Vector Machine)支持向量机两种机器学习方法构建草地生物量遥感估算模型的研究工作。首先,在Google Earth Engine平台上完成研究区Landsat8、SRTM和TRMM数据的预处理工作;根据野外样地调查实测的草地生物量数据,提取遥感影像上相应位置点的三大类15个遥感特征信息;同时分析了各个遥感特征信息与草地生物量的相关性;然后基于CART和SVM机器学习按照三类遥感特征信息的自由组合分别建立草地生物量遥感估算模型,并构建基于植被指数的一元回归模型与机器学习模型相对比;其次,通过对模型的建模精度和预测能力地验证分析,获得最适用于研究区的草地生物量遥感估算模型;最后反演研究区草地生物量的分布情况。研究的主要结论如下:(1)研究在Google Earth Engine平台上能够对Landsat8、SRTM和TRMM影像提取波段光谱(B2-B7)、植被指数(NDVI、RVI、DVI和ARVI)与DEM及气象(Elevation、Slope、Aspect、Hillshade、Precipitation)三类15个遥感特征信息。经过草地生物量实测数据和对应的遥感特征信息相关性分析,结果表明由于研究区分布范围广,野外采集工作地点的生态条件各不相,15个遥感特征信息与生物量实测数据并没有表现很强的相关性,相关性约在-0.40.4之间。因此,本文将三类遥感特征信息自由组合为波段光谱、植被指数和DEM及气象、波段光谱和植被指数以及植被指数和DEM及气象三种信息组合,探讨不同信息集合所构建的草地生物量遥感估算模型。(2)研究将三种信息组合与草地生物量建立联系,采用交叉验证的方法分别构建基于CART模型和基于SVM模型的草地生物量遥感估算模型。研究表明,基于CART和SVM机器学习方法建立模型的精度比仅使用单一植被指数建立回归模型的精度要高,CART模型建模的判定系数R2在0.780.83之间,SVM模型的判定系数R2在0.480.51之间,而一元回归模型的判定系数R2为0.06。将预留的10%的样本数据进行模型预测能力验证,分析表明基于CART和SVM机器学习方法模型的预测能力优于使用单一植被指数的回归模型(ARVI指数函数模型)。其中,CART模型和SVM模型相对于ARVI指数模型判定系数R2分别平均提升了0.22和0.15,均方根误差RMSE(Root Mean Square Error)分别平均提升了27.20%和5.83%。(3)综合分析七种模型的建模精度和预测能力,研究结果表明完全使用三类遥感特征信息建立的模型效果最佳,优于使用部分遥感特征信息建立的草地生物量遥感估算模型。三类15个遥感特征信息与草地生物量之间都有一定的联系,尽管三类遥感特征信息与草地生物量的相关性并不明显,但是不可忽略或忽视其中任何一类或一个信息的作用。(4)使用三类遥感特征信息基于CART机器学习反演我国干旱地区草地生物量,研究区内草地生物量分布于<100g/m2、100500g/m2、5001000 g/m2、10001500 g/m2、15002000g/m2和>2000 g/m2六个等级。(5)Google Earth Engine平台展现了遥感影像处理、分析和强大的计算能力,在GEE平台上遥感数据面向用户公开使用,用户可以快速获取大区域的遥感影像数据,凭借其云计算能力,高效完成工作,效率提升明显。GEE平台功能强大,为探讨草地生物量遥感估算提供了一种新的方法途径。
方霞[6](2018)在《中国干旱半干旱生态系统生产力和碳动态对气候变化响应的数值模拟研究》文中研究指明干旱半干旱区是全球陆地的重要组成部分,也是近百年来温度增加最显着的地区,该类地区虽然只占全球陆地面积的30%,但对全球陆地增温的贡献高达50%,成为全球变化研究中重要的组成部分。干旱生态系统碳循环对气候敏感,然而中国干旱半干旱区近几十年剧烈的气候变化对碳储量的影响仍然不明。特别是气候变化资料存在较大的不确定性,这使得中国干旱半干旱区碳库评估非常困难。针对此问题,本研究应用干旱生态系统模型(Arid Ecosystem Model,AEM)分别用MERRA(Modern-Era Retrospective Analysis for Research and Applications)、ERA-Interim(European Centre for Medium-Range Weather Forecasts(ECMWF)Interim Re-Analysis)和CFSR(Climate Forecast System Reanalysis)三套新一代高分辨率气象再分析数据驱动AEM,模拟评估了中国干旱半干旱区1980-2014年气候变化和CO2升高对碳动态的影响,分析了不同环境因子(降水、温度、CO2)对干旱区植被净初级生产力(NPP)相对贡献率及其交互效应,探讨了气象驱动数据的不确定性对区域碳动态评估所造成的影响。本研究的主要工作:(1)构建驱动AEM模型的标准化生态与地理GIS数据集在站点和区域尺度,对中国干旱半干旱区主要植被类型的关键生理生态参数进行了优化,并对研究区的主要植被类型开展了本地化的评估;构建了三套用于驱动数值模拟的日尺度空间气象数据集(含降水,相对湿度,短波辐射,最高温度,平均温度和最低温度多个指标),并对三套数据集进行了精度评价。(2)对比三套气象再分析数据驱动下的有机碳库并分析其时空特征对比分析三套再分析数据模拟结果,分析过去35年区域有机碳的总量动态及其空间格局。(3)量化气候变化对区域净初级生产力NPP的影响基于区域尺度敏感性试验与多情景因子分析,量化各气候因子对净初级生产力NPP的贡献;分析气候因子的影响过程,提出可持续发展的对策和建议。本研究的主要创新点:(1)通过采用多源气象数据驱动数值模拟,讨论了气象驱动数据的不确定性对区域生态系统生产力和碳动态评估的影响。(2)采用数值模拟实验,孤立和量化气候效应及不同气候(和CO2)变化因子对生态系统的影响,识别出净初级生产力NPP的主要控制因子,从而为应对气候变化的区域生态管理提供参考。本研究获得的主要结论如下:(1)在气候和CO2变化的共同影响下,本研究通过对三套气象数据进行模拟发现,中国干旱半干旱区过去35年(1980-2014)间表现为碳汇,共增长碳0.75-1.23Pg,土壤碳库(SOC)的波动是整个研究区总有机碳库动态的主要因子。(2)从年际变化上看,2012-2014年,三套数据集模拟出的碳库均呈显着增长趋势,一致性较高,说明该时段气候变化资料不确定性小。在1987-1990年间,MERRA和ERA-Interim两套数据集总碳库(total carbon,TOTC)呈下降趋势,而CFSR呈上升趋势,不确定性较高。从空间格局上看,三套数据集模拟出的TOTC都表现出内蒙的西北部在过去35年基本保持不变,鄂尔多斯高原都表现出TOTC增加,说明在这两个区域的不确定小。三套数据集在空间上也存在差异性,MERRA数据集模拟出的TOTC在大兴安岭的东北部表现为碳流失(>-2 Kg C/m2),而ERA-Interim和CFSR模拟的TOTC在该区域表现为碳增加(>1 Kg C/m2),在青藏高原区域MERRA数据集模拟的TOTC微弱减少(>-0.5 Kg C/m2),而其他两套数据集在该区域表现为碳库微弱增加(>0.5 Kg C/m2),说明这两个区域的不确定性较高。(3)1980-2014年间,MERRA、ERA-Interim和CFSR模拟出的净初级生产力(NPP)年均值分别为1579±16Tg C或301.67±3 g C/m2,1595±16 Tg C或304.94±3 g C/m2和1674±31Tg C或320.88±6 g C/m2。过去35年中国干旱半干旱区NPP呈增长变化趋势,MERRA模拟的NPP增长3.14g C/m2/year,ERA-Interim增长明显(12.15 g C/m2/year),CFSR增长微弱(0.33 g C/m2/year)。(4)NPP由研究期的前半段(1980-1997)的305.82g C/m2/year增长到后18年(1997-2014)的311.03 g C/m2/year,基本稳定。然而,这种相对稳定的格局是气候变化和CO2浓度升高相互抵消的结果。35年间CO2浓度增长18%,促使NPP上升5.2%,但是气候变化导致NPP下降了5.3%,其中因降水变化(-0.2mm/year)NPP下降了4.9%,温度变化导致NPP下降0.4%。气候因子间仅有微弱的交互作用。(5)中国干旱半干旱区NPP的环境主控因子具有高度的空间异质性,其中约60%区域的NPP动态主要受降水变化的控制,特别是大兴安岭东北部、西北和青藏高原中部荒漠区;14%的区域主要受CO2效应的影响,包括华北平原、内蒙东部和西北荒漠绿洲及山区;12%的区域主要受温度的影响,主要分布在青藏高原的东北部和西南部。这种区域气候响应的复杂格局源于中国干旱半干旱区气候变化的空间异质性,以及不同地区主要植被类型对气候因子的差异响应特征。针对不同地区的环境主控因子开展适应性调控,是在气候变化背景下维持生态系统生产力,促进干旱半干旱区可持续发展的重要保障。本研究可提出相应对策措施,为应对气候变化的区域战略提供决策建议。(6)三套数据集的使用有助于分析研究区气象因子导致的不确定性,由研究结果也可以看出,不同数据集导致的碳汇格局具有显着的异质性(碳汇0.75-1.23Pg),进一步精确量化研究区气象因素是下一步工作重点。土壤碳库是干旱区的主要碳库,占总碳库的80%以上,研究发现土壤碳库波动是导致研究区碳汇的主要原因。
张煦庭[7](2018)在《中国温带地区草地植被动态时空特征及其对气候变化的响应》文中研究表明草地是全球重要的陆地生态系统,气候变化背景下,草地生态系统面临着巨大风险和挑战。中国温带地区草地是我国草地资源重要组成部分,也是气候敏感区和生态脆弱区,分析中国温带地区草地植被动态时空特征及其对气候变化的响应,对适应气候变化、合理利用草地资源及促进畜牧业可持续发展具有指导意义。本研究基于1982~2015年长时间序列GIMMSNDVI 3g遥感数据、气象栅格数据以及地面实测资料等多种数据,采用遥感物候参数提取和CASA光能利用率模型等研究方法,获取能够反映植被动态的特征变量,包括植被指数、物候期和净初级生产力,结合标准化降水蒸散指数SPEI,分析了气候资源和干旱时空变化特征,明确了草地植被生长对不同时间尺度干旱事件的响应及影响因素,系统分析了草地植被物候期、NPP时空变化特征及其对不同时间尺度气候变化的响应规律,探讨了草地植被生产力和物候变化之间的关系,以期为研究未来气候情景下草地植被动态的可能变化及响应提供理论支持。主要研究结果如下:(1)1982~2015年中国温带地区草地气温显着升高,最低气温增速最为显着;年降水量和总辐射年际波动较大,呈现不显着减少。从季节来看,春季暖湿化,夏季暖干化,秋季辐射减弱,冬季变幅均比较小。全区34年来呈不显着变干,1997年为突变年份,春季、秋季和冬季逐渐变湿。春季和夏季干旱发生范围较大,冬季呈增加趋势,全区轻旱发生频率最高。(2)研究区域年平均NDVI呈显着增长趋势,夏季增幅最大,空间上表现为草地植被NDVI低值区增速明显,NDVI高值区呈显着下降趋势。研究区域NDVI与SPEI空间上显着正相关,短期干旱事件易对夏秋季节草地生长造成影响,春季草地对干旱响应较慢。降水对植被指数与SPEI相关性有显着影响,降水越少,草地对干旱响应越明显,水分和辐射条件则影响响应的快慢程度。(3)遥感物候提取结果表明,全区17%的草地植被返青期显着提前,黄枯期明显推迟和生长季显着延长的区域分别占14%和17%。61%的区域生长季长度由返青期早晚决定。返青期与季前短期气温和长期累积降水负相关,黄枯期与季前短期气温和短期累积降水关系较为密切。气温是不同季前时间控制草地返青期变化的主要因素,大部分地区返青期与当月气温负相关,季前累积降水主要影响黄枯期变化,黄枯期与前1个月降水正相关区域最大。(4)CASA模型模拟结果表明,26%的区域NPP呈显着增加趋势,但全区年际增长不显着。年和季节平均气温与NPP的相关关系大都不显着,水分盈亏是影响不同类型草地植被NPP的主要因子,在夏季影响最为明显,其中SPEI与NPP的相关性较降水更为显着,表明综合考虑水热条件的SPEI指数更能反映草地生产力时空格局变化。(5)草地生产力和物候关系的分析结果表明,全区生长季长度与NPP年际相关不显着,生长季延长、NPP增加的地区主要受气温影响,生长季缩短但NPP增加发生在水热共同影响的区域,由于降水减少,降水显着控制的地区生长季延长或缩短都不利于草地生产力积累。空间上草地生产力随生长季长度先增加后减少,气温越高的地区转折点越晚,年降水较少的区域,草地生长季越长,NPP受水分胁迫明显,降水最少和最多地区的NPP对生长季长度响应波动较小。多数草地植被返青提前有利于春季NPP增加,黄枯推迟促进秋季NPP积累,不同草地类型与全区表现类似。
赵伟[8](2018)在《北方六省草地生产力时空动态及气候驱动因子分析》文中进行了进一步梳理草地是我国重要的陆地生态系统之一,约占国土总面积的40%,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。我国草地主要分布在干旱半干旱地区,包括内蒙古、陕西、甘肃、宁夏、青海和新疆六省区,是我国重要的畜牧业生产基地,为牧民生活提供了重要的物质保障,同时也是重要的生态屏障。然而,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均发生了相应的变化。因此,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草地生态系统结构功能的变化特征,而且对草地生态系统保护管理和生产实践具有重要意义。本研究以我国北方六省草地生态系统为研究对象,利用气候数据、遥感数据和野外观测数据,通过模型模拟的方法研究近30年(1986-2015年)我国北方六省草地覆盖度和净初级生产力(NPP)的时空动态及变化趋势,并根据草地NPP与气候因子的相关性来揭示草地NPP对不同气候因子的响应。研究表明:(1)北方六省草地分布区平均气温为3.76°C,平均降水量为289.93mm/年。从空间分布上看,自东向西气温由低温向高温过渡,降水由半湿润向干旱过渡。近30年,研究区年均温增长速率为0.06°C/年,95.87%的区域呈升温趋势,主要分布在新疆省南部、天山地区西南部及青海省大部分区域等;年降水量增长速率为1.75mm/年,87.07%的区域的降水呈现增加的趋势,主要分布在新疆南部的昆仑山脉一系、青海省中部及陕西南部。(2)北方草地全年各月气温及降水变化均呈抛物线趋势,自1-8月份逐渐增大,6-8月份达到峰值,9-12月份逐渐减小,各月逐年气温及降水的变化趋势,除了12月份气温和3月份降水呈现下降趋势外,其余各月均呈缓慢上升的趋势,上升趋势的面积远大于下降趋势的面积,表明北方草地分布区气候由暖干向暖湿过渡。(3)北方草地覆盖度与草地NPP总体上呈现东南高西北低的特征,草地平均NPP为170.63g C/m2·a,各类草地年平均NPP分别为坡面草地(324.76 g C/m2·a)>草甸(209.79 g C/m2·a)>平原草地(169.59 g C/m2·a)>高山亚高山草甸(36.22g C/m2·a)>荒漠草地(118.27 g C/m2·a)。北方草地平均覆盖度为40.02%,各类草地平均覆盖度分别为坡面草地(50.88%)>草甸(50.30%)>平原草地(43.07%)>高山亚高山草甸(40.78%)>荒漠草地(25.59%)。不同分级草地覆盖度区域,其草地NPP也呈规律性分布,草地覆盖度可以很好的指示草地NPP的变化情况。(4)从年尺度上看,近30年北方草地覆盖度与草地NPP总体呈上升的趋势,草地覆盖度平均增长速率为0.07%/年,草地NPP的平均增长速率为1.58 g C/m2·a,其中坡面草地NPP增加趋势最明显,平均为5.42 g C/m2·a,。(5)从月尺度上来看,草地覆盖度的月际变化呈抛物线趋势。1-8月份中草地覆盖度呈逐渐上升的趋势,7-8月份达到最高,随后开始逐月递减。30年间,除了1月份的草地覆盖度呈降低趋势外,其余月份都呈正向增长趋势,大部分区域均缓慢增加,增加最快的区域主要集中在青海省的东南部及陕西南部。(6)相关性分析表明,从年尺度上看,草地NPP与温度呈显着正相关和极显着正相关区域分别占6.55%和11.99%,而草地NPP与温度呈显着负相关和极显着负相关区域分别占5.78%和4.84%;草地NPP与降水呈显着正相关和极显着正相关区域分别占14.27%和18.31%,而草地NPP与降水呈显着负相关和极显着负相关区域分别占1.67%和1.03%,分析表明降水是影响草地NPP的主要气候因子。从月尺度上分析,草地NPP与气温、降水量的相关系数分别为0.83和0.87,表明降水的季节性波动对牧草生长影响更大。(7)不同草地类型的NPP对温度和降水的响应不同,均呈现滞后现象,气温、降水对不同类型草地的影响大体滞后一月,不同的草地类型对前三月气温及降水响应最弱。其中坡面草地的NPP与前一月温度相关性最高达0.92,荒漠草地最低达0.71,高山亚高山草甸的NPP与前一月降水相关性最高达0.94,荒漠草地最低达0.78。
张仁平[9](2017)在《新疆地区草地NPP和物候对气候变化的响应研究》文中研究说明分析植被物候与净初级生产力对气候变化的响应一直是研究全球变化的核心内容之一。新疆草地生态系统极为脆弱,对气候和环境变化的影响十分敏感,在新疆地区开展草地物候和净初级生产力及其对气候变化的响应有着独特的意义。本文选择新疆地区草地为研究对象,利用实测数据、气象数据、遥感数据等多种数据源和模型模拟相结合的方法,开展了草地植被物候和净初级生产力的空间格局、变化趋势以及对气候变化的响应研究,定量分析了人类活动和气候变化对草地净初级生产力的影响,以及草地净初级生产力和物候的互作关系。研究结果表明:1)基于ANUSPLIN软件及位点、海拔等信息的插值算法是新疆地区温度和降水的最优插值方法,其降水的平均绝对误差(MAE)、相对误差(MRE)和均方根误差(RMSE)的值分别是7.29mm、2.17和12.14mm,温度的MAE、MRE和RMSE的值分别是2.17℃、0.45和2.15℃。在2001-2014年期间,新疆地区年均温度和年降水均呈现上升趋势,上升速率分别达到0.34℃/10a和3.1mm/10a。2)当雪深<30cm时,AMSR2雪深产品高估了当地雪深,台站雪深>30cm时,AMSR2雪深产品则低估了当地雪深。改进后雪深模型的反演精度提高明显,其中,基于AMSR2A亮温数据改进的雪深模型精度最高,平均误差(BIAS)和RMSE分别为2.5cm和6.9cm。3)草地植被物候多年均值由低海拔到高海拔呈现出明显的区域性差异。海拔每升高1000m,返青期推迟13天,枯黄期提前7天,生长季长度缩短20天。新疆不同草地类型的返青期在第100136天,枯黄期在第256291天,生长季长度在122190天。新疆草地返青期整体呈现提前趋势,返青期提前速率为0.11d/a,草地枯黄期呈推迟趋势,推迟速率为0.14d/a。生长季长度呈延长趋势,生长季长度延长速率为0.25d/a。4)春季气温的上升会促进返青期提前,但是1月份气温的上升不利于草地返青。春季降水不利于海拔较高区域的草地返青,如高寒草甸、山地草甸和温性草甸草原。1月份的降水不利于大部分区域(除高海拔区域)的草地的返青。3月份和4月份较厚的雪深不利于草地返青,其它月份的雪深对草地返青期影响不明显。积雪消融越晚,草地返青越迟。5月份到10月份的气温的升高均有利于枯黄期的推迟,9月份之前的降水对于大多数草地枯黄有延迟作用,但9月份的降水会导致大部分草地枯黄期的提前。5)CASA模型基本可以反映新疆地区草地植被实际NPP(NPPA)。2001-2014年期间,新疆草地NPPA平均值为102.49 gC m-2yr-1。新疆NPPA的空间分布格局具有如下特点:山区NPPA高于盆地NPPA,北疆NPPA高于南疆NPPA。降水能够促进新疆地区草地NPPA增加,其中,夏季和秋季的降水对草地NPPA的影响最为明显,温度对新疆地区草地NPPA影响不大。6)新疆草地NPPA增加的区域占草地总面积的69.7%,草地NPPA减少的面积占草地总面积的30.3%。人类活动主要驱动了草地NPPA的增加,人类活动和气候变化对草地NPPA减少的作用相差不大。对于三种不同草地类型来说,草原NPPA增加和减少的面积比例基本相等(约各占50%),气候和人类活动对草原起着类似的作用(约各占25%);荒漠草地NPPA增加的面积占荒漠草地面积的82.8%,其中人类活动引起的荒漠草地NPPA增加的面积占荒漠草地面积的70.1%;然而,草甸NPPA减少的面积占草甸面积的67.7%,人类活动导致的草地NPPA减少的面积占草甸总面积的49.5%;在32.3%的草甸NPPA增加的面积中,由气候变化引起的NPPA增加的面积占草甸总面积的26.1%。7)新疆草地物候和净初级生产力的关系比较复杂,草地返青主要对春季NPPA有明显的影响。草地枯黄期和秋季NPPA有一定的关系,但不明显。生长季长度越长,春季NPPA越高。
刚成诚[10](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。
二、塔里木盆地北部盐化草甸植被净第一性生产力模型研究(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、塔里木盆地北部盐化草甸植被净第一性生产力模型研究(论文提纲范文)
(1)绿洲外围荒漠区植被时空格局及形成机制(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 干旱区植被格局研究 |
1.2.2 干旱区植被信息遥感提取研究 |
1.2.3 干旱区植被格局影响因素研究 |
1.2.4 干旱区植被格局模型研究 |
1.2.5 现有研究小结 |
1.3 拟解决的科学问题 |
1.4 研究内容 |
1.4.1 绿洲外围荒漠区植被格局时空动态研究 |
1.4.2 绿洲外围荒漠区植被格局主要影响因素分析 |
1.4.3 绿洲外围荒漠区植被格局形成机制 |
1.5 技术路线 |
2 研究区概况 |
2.1 研究区地理位置 |
2.2 研究区地形与地貌 |
2.3 研究区土壤 |
2.4 研究区植被 |
2.5 研究区河流水系 |
2.6 研究区气象与气候 |
2.7 研究区石油、天然气和矿产资源 |
2.8 研究区社会经济 |
3 绿洲外围荒漠区植被格局时空变化研究 |
3.1 引言 |
3.2 研究区植被空间分布特征 |
3.3 研究区植被时间变化特征 |
3.4 讨论与小结 |
4 土壤对绿洲外围荒漠区植被格局的影响 |
4.1 引言 |
4.2 土壤类型对研究区植被格局的影响 |
4.3 土壤养分对研究区植被格局的影响 |
4.4 土壤含水量对研究区植被格局的影响 |
4.5 讨论与小结 |
5 地形对绿洲外围荒漠区植被格局的影响 |
5.1 引言 |
5.2 海拔梯度对研究区植被格局的影响 |
5.3 微地形对研究区植被格局的影响 |
5.4 讨论与小结 |
6 气候和人为干扰对绿洲外围荒漠区植被格局的影响 |
6.1 引言 |
6.2 气候对研究区植被格局的影响 |
6.3 人为干扰对研究区植被格局的影响 |
6.4 讨论与小结 |
7 绿洲外围荒漠区植被格局模拟 |
7.1 引言 |
7.2 神经网络模拟原理及其改进 |
7.2.1 GRU神经网络模型简介 |
7.2.2 GRU神经网络模型在模拟植被格局时存在的问题 |
7.2.3 模型的改进 |
7.3 植被格局模拟过程 |
7.3.1 植被格局影响因素筛选及重要性分析 |
7.3.2 动态影响因素和静态影响因素 |
7.3.3 改进的基于GRU模型的VDM模型结构 |
7.3.4 植被格局模拟的具体过程 |
7.4 结果 |
7.5 讨论与小结 |
8 结论与展望 |
8.1 结论 |
8.1.1 绿洲外围荒漠区植被格局时空特征 |
8.1.2 土壤类型、土壤含水量和土壤养分特征及对绿洲外围荒漠区植被格局的影响 |
8.1.3 海拔梯度和微地形对绿洲外围荒漠区植被格局的影响 |
8.1.4 气候和人为干扰对绿洲外围荒漠区植被格局的影响 |
8.1.5 绿洲外围荒漠区植被格局模型模拟 |
8.2 主要创新点 |
8.2.1 绿州外围荒漠区植被格局形成机制 |
8.2.2 GRU神经网络模型的改进 |
8.3 展望 |
参考文献 |
在读期间的学术研究 |
致谢 |
(2)基于Biome-BGC模型的秦岭石头河流域植被生产力模拟及其对气候变化的响应研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究进展 |
1.2.1 国内外植被生产力研究进展 |
1.2.2 秦岭植被生产力模拟研究进展 |
1.2.3 存在问题及发展趋势 |
1.3 研究内容与技术路线 |
1.4 研究思路 |
第二章 研究区概况与研究方法 |
2.1 研究区概况 |
2.2 研究方法 |
2.2.1 Biome-BGC模型和MT-CLIM模型 |
2.2.2 验证方法 |
2.2.3 情景设计方法 |
2.2.4 分析方法 |
第三章 石头河流域植被生产力对气候变化的响应 |
3.1 模型的验证 |
3.2 1959-2016年石头河流域植被生产力的动态变化 |
3.2.1 落叶阔叶林植被生产力的动态变化 |
3.2.2 常绿针叶林植被生产力的动态变化 |
3.2.3 落叶针叶林植被生产力的动态变化 |
3.2.4 高山灌丛植被生产力的动态变化 |
3.2.5 高山草甸植被生产力的动态变化 |
3.3 1959-2016年植被生产力与气温、降水和CO_2浓度相关性 |
3.3.1 落叶阔叶林生产力与气温、降水和CO_2浓度的相关性 |
3.3.2 常绿针叶林生产力与气温、降水和CO_2浓度的相关性 |
3.3.3 落叶针叶林生产力与气温、降水和CO_2浓度的相关性 |
3.3.4 高山灌丛生产力与气温、降水和CO_2浓度的相关性 |
3.3.5 高山草甸生产力与气温、降水和CO_2浓度的相关性 |
3.4 1959-2016年植被生产力对气候因子的响应 |
3.4.1 落叶阔叶林植被生产力对气候因子的响应 |
3.4.2 常绿针叶林植被生产力对气候因子的响应 |
3.4.3 落叶针叶林植被生产力对气候因子的响应 |
3.4.4 高山灌丛植被生产力对气候因子的响应 |
3.4.5 高山草甸植被生产力对气候因子的响应 |
3.5 模型的参数敏感性分析 |
3.5.1 落叶阔叶林参数敏感性分析 |
3.5.2 常绿针叶林参数敏感性分析 |
3.5.3 落叶针叶林参数敏感性分析 |
3.5.4 高山灌木参数敏感性分析 |
3.5.5 高山草甸参数敏感性分析 |
3.5.6 Biome-BGC模型参数敏感性分析 |
第四章 定量情景与降尺度情景模拟结果与分析 |
4.1 定量情景下气候变化对石头河流域植被生产力作用强度分析 |
4.1.1 气候变化对落叶阔叶林生产力作用强度的定量分析 |
4.1.2 气候变化对常绿针叶林生产力作用强度的定量分析 |
4.1.3 气候变化对落叶针叶林生产力作用强度的定量分析 |
4.1.4 气候变化对高山灌丛生产力作用强度的定量分析 |
4.1.5 气候变化对草甸生产力作用强度的定量分析 |
4.2 基于降尺度情景的未来气候情景下石头河流域植被生产力变化情况 |
4.2.1 未来情景落叶阔叶林植被生产力 |
4.2.2 未来情景常绿针叶林植被生产力 |
4.2.3 未来情景落叶针叶林植被生产力 |
4.2.4 未来情景高山灌丛植被生产力 |
4.2.5 未来情景高山草甸植被生产力 |
第五章 结论与讨论 |
5.1 结论 |
5.2 讨论 |
5.2.1 特色与创新点 |
5.2.2 不足与展望 |
参考文献 |
附录 |
攻读硕士学位期间取得的科研成果 |
致谢 |
(3)基于改进BEPS模型的中亚生态系统生产力时空变化研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景和意义 |
1.2 碳循环与生产力 |
1.3 国内外研究进展 |
1.3.1 生产力估算模型发展历程 |
1.3.2 中亚干旱区生产力估算概况 |
1.3.3 存在的主要问题 |
1.4 研究目标 |
1.5 研究内容 |
1.6 技术路线 |
2 中亚干旱区概况与数据处理 |
2.1 中亚干旱区概况 |
2.1.1 中亚干旱区地貌 |
2.1.2 中亚干旱区气候 |
2.1.3 中亚干旱区水文环境 |
2.1.4 中亚干旱区社会经济 |
2.1.5 中亚干旱区生态问题 |
2.2 数据处理 |
2.2.1 气象数据 |
2.2.2 植被数据 |
2.2.3 土壤数据 |
2.2.4 其它数据 |
3 中亚干旱区生产力估算与分析方法 |
3.1 BEPS模型介绍 |
3.1.1 冠层辐射子模型 |
3.1.2 水循环子模型 |
3.1.3 气孔导度子模型 |
3.1.4 碳循环子模型 |
3.2 空间分析方法 |
4 BEPS模型改进及验证 |
4.1 碳循环子模型改进 |
4.1.1 山地单位面积计算调整 |
4.1.2 植被长势参数校正 |
4.2 水循环子模型改进 |
4.3 气孔导度子模型改进 |
4.3.1 白天平均温度参数校正 |
4.3.2 叶水势胁迫参数校正 |
4.4 BEPS模型改进前后估算精度变化 |
4.5 研究区生产力估算结果验证 |
4.5.1 改进后BEPS模型运行结果 |
4.5.2 实测数据验证 |
4.5.3 遥感数据验证 |
4.6 本章小结 |
5 中亚干旱区生产力时空变化特征研究 |
5.1 GPP时空变化特征 |
5.1.1 年际变化特征 |
5.1.2 空间分布特征 |
5.1.3 年内变化特征 |
5.1.4 变化趋势 |
5.2 NPP时空变化特征 |
5.2.1 年际变化特征 |
5.2.2 空间分布特征 |
5.2.3 年内变化特征 |
5.2.4 变化趋势 |
5.2.5 与MODIS NPP年际变化对比 |
5.3 NEP时空变化特征 |
5.3.1 年际变化特征 |
5.3.2 空间分布特征 |
5.3.3 年内变化特征 |
5.3.4 变化趋势 |
5.4 本章小结 |
6 水热条件变化对生态系统生产力的影响 |
6.1 总初级生产力与水热积指数 |
6.2 水热条件时空变化 |
6.3 水热条件变化对GPP的影响 |
6.3.1 水热条件与GPP的相关性 |
6.3.2 水热条件变化对GPP的驱动作用 |
6.4 水热条件变化对NPP的影响 |
6.4.1 水热条件与NPP的相关性 |
6.4.2 水热条件变化对NPP的驱动作用 |
6.5 水热条件变化对土壤呼吸的影响 |
6.5.1 水热条件与NEP的相关性 |
6.5.2 水热条件变化对土壤呼吸的驱动作用 |
6.6 GPP空间格局对水热条件变化的响应 |
6.7 本章小结 |
7 结论与展望 |
7.1 主要结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(4)气候变化和人类活动对西北地区植被NPP变化的影响研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究进展 |
1.2.1 植被NPP研究进展 |
1.2.2 植被NPP驱动因子研究进展 |
1.2.3 西北地区植被NPP研究进展 |
1.3 研究目标及内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 技术路线 |
第2章 研究区概况 |
2.1 地理位置 |
2.2 地形地貌 |
2.3 气候特征 |
2.4 土地利用 |
2.5 人类活动 |
2.6 社会经济 |
第3章 数据源与研究方法 |
3.1 数据源 |
3.1.1 NDVI数据 |
3.1.2 气象数据 |
3.1.3 土地利用类型数据 |
3.1.4 DEM数据 |
3.1.5 行政区划数据 |
3.1.6 社会统计数据 |
3.1.7 生物量样地调查数据 |
3.2 NPP计算 |
3.2.1 实际NPP计算 |
3.2.2 潜在NPP计算 |
3.2.3 人类活动对NPP的影响计算 |
3.3 分析方法 |
3.3.1 相关性分析 |
3.3.2 变化趋势分析 |
3.3.3 变异系数分析 |
3.3.4 未来趋势分析 |
3.3.5 偏最小二乘法回归法分析 |
3.3.6 气候变化和人类活动对植被NPP变化的相对贡献计算 |
第4章 西北地区植被NPP时空变化分析 |
4.1 植被实际NPP的验证 |
4.2 植被实际NPP的时间变化特征 |
4.2.1 西北地区植被实际NPP的时间变化特征 |
4.2.2 不同省份和不同植被类型植被实际NPP的时间变化特征 |
4.3 植被实际NPP的空间变化特征 |
4.3.1 植被实际NPP的空间分布格局 |
4.3.2 植被实际NPP的空间变化趋势及显着性检验 |
4.3.3 植被实际NPP空间变化的稳定性 |
4.4 植被实际NPP的未来变化趋势 |
4.4.1 西北地区植被实际NPP未来变化趋势 |
4.4.2 不同省份和不同植被类型实际NPP未来变化趋势 |
4.5 本章小结 |
第5章 土地利用类型变化对NPP变化的影响 |
5.1 土地利用类型面积及其类型转化 |
5.2 土地利用类型空间变化 |
5.3 土地利用类型变化对植被实际NPP的影响 |
5.3.1 土地利用类型变化对实际NPP变化的影响 |
5.3.2 土地利用类型变化对实际NPP变化的相对贡献率 |
5.4 本章小结 |
第6章 气候变化和人类活动对西北地区植被NPP的影响 |
6.1 西北地区气候变化对植被NPP变化的影响 |
6.1.1 西北地区气候因子的时空变化 |
6.1.2 西北地区不同气候因子对植被NPP的影响 |
6.2 西北地区人类活动对植被NPP变化的影响 |
6.2.1 人类活动对西北地区植被NPP影响的变化 |
6.2.2 不同人类活动因子对西北地区植被NPP的影响 |
6.3 气候变化和人类活动对植被NPP变化的相对影响 |
6.3.1 气候变化和人类活动对植被NPP变化的相对贡献 |
6.3.2 土地利用类型变化中气候和人类对NPP变化的相对贡献 |
6.3.3 气候和人类活动因子对植被NPP变化的双重影响 |
6.4 本章小结 |
第7章 结论与讨论 |
7.1 结论 |
7.2 讨论 |
参考文献 |
致谢 |
攻读硕士学位期间科研成果 |
(5)基于Google Earth Engine的30m空间分辨率中国干旱地区草地生物量估算(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景和意义 |
1.2 国内外研究进展 |
1.2.1 草地资源现状 |
1.2.2 草地生物量遥感估算模型 |
1.2.3 Google Earth Engine在遥感上的应用 |
1.3 研究目标和研究内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.3.3 研究技术路线 |
第2章 研究区概况 |
2.1 自然概况 |
2.1.1 地理位置 |
2.1.2 地质与地貌 |
2.1.3 水系 |
2.1.4 气候 |
2.1.5 植被 |
2.1.6 土壤 |
2.2 社会经济 |
第3章 数据来源及预处理 |
3.1 地面样地实测数据 |
3.2 遥感数据 |
3.2.1 Landsat8影像 |
3.2.2 SRTM数据 |
3.2.3 TRMM数据 |
3.2.4 遥感特征信息提取 |
第4章 基于Google Earth Engine平台的草地生物量遥感估算模型的建立 |
4.1 CART(Classification and Regression Tree)模型 |
4.1.1 CART分类回归树的原理 |
4.1.2 基于CART草地生物量遥感估算模型 |
4.2 SVM(Support Vector Machine)模型 |
4.2.1 SVM支持向量机的原理 |
4.2.2 基于SVM的草地生物量遥感估算模型 |
4.3 一元回归曲线模型 |
4.4 模型精度验证 |
第5章 中国干旱地区草地生物量遥感估算结果 |
5.1 中国干旱地区草地生物量定量反演 |
5.2 中国干旱地区草地生物量分布特征 |
5.2.1 研究区草地生物量行政区划空间分布特征 |
5.2.2 研究区草地生物量气候区划空间分布特征 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(6)中国干旱半干旱生态系统生产力和碳动态对气候变化响应的数值模拟研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究进展 |
1.2.1 中国干旱半干旱区气候变化背景概述 |
1.2.2 干旱区生态系统特殊过程 |
1.2.3 中国干旱半干旱区生态系统生产力和碳动态研究现状 |
1.2.4 目前中国干旱半干旱区生态系统碳库研究存在的问题 |
1.3 研究目标、研究方法和技术路线 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.3.3 科学问题 |
1.3.4 创新点 |
第二章 干旱生态系统模型和研究区域确定 |
2.1 研究方法 |
2.2 技术路线 |
2.3 中国干旱半干旱区地理位置 |
2.4 中国干旱半干旱区气候特征 |
2.5 中国干旱半干旱区植被特征 |
2.6 中国干旱半干旱区土壤特征 |
第三章 生态系统初级生产力数值模拟的基础数据处理与结果验证 |
3.1 AEM模型空间驱动数据集构建 |
3.1.1 气象数据 |
3.1.2 植被功能类型空间分布数据 |
3.1.3 土壤属性数据集 |
3.1.4 地形数据集 |
3.1.5 CO_2数据 |
3.2 数值模拟实验和单因子分析方案设计 |
3.2.1 模型运行 |
3.2.2 模拟情景设计 |
3.3 模型评估数据收集 |
3.4 模型评估 |
3.5 小结 |
第四章 干旱半干旱区生态系统有机碳库和初级生产力时空变化过程模拟分析. |
4.1 中国干旱半干旱区气候变化的时空格局 |
4.1.1 中国干旱半干旱区1980-2014年降水、温度变化格局 |
4.1.2 中国干旱半干旱区生态系统有机碳库年际变化 |
4.1.3 中国干旱半干旱区生态系统有机碳库对气候变化的空间响应 |
4.2 中国干旱半干旱区净初级生产力(NPP)对气候变化的时空响应 |
4.2.1 中国干旱半干旱区净初级生产力(NPP)年际变化 |
4.2.2 中国干旱半干旱区生态系统NPP的空间动态 |
4.2.3 不同植被功能类型 VEGC、SOC 和 NPP 格局 |
4.2.4 不同植被功能类型净初级生产力NPP |
4.3 讨论 |
4.3.1 中国干旱半干旱区净初级生产力NPP |
4.3.2 中国干旱半干旱区碳库评估-与现存研究对比 |
4.3.3 不确定性分析 |
4.3.4 小结 |
第五章 气候因子对干旱半干旱区初级生产力时空变化的影响分析 |
5.1 各种因子对NPP的影响 |
5.2 不同植被因子分析 |
5.3 主控因子的空间格局分析 |
5.4 讨论 |
5.4.1 气候变化对中国干旱半干旱区NPP的影响机制 |
5.4.2 不确定性分析 |
5.4.3 小结 |
第六章 结论和展望 |
6.1 主要研究结论 |
6.2 不确定性以及研究展望 |
参考文献 |
主持课题和学术论文发表 |
致谢 |
(7)中国温带地区草地植被动态时空特征及其对气候变化的响应(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究目的及意义 |
1.2 国内外研究进展 |
1.2.1 干旱指数研究方法进展 |
1.2.2 植被物候研究方法进展 |
1.2.3 植被生产力研究方法进展 |
1.2.4 草地植被动态对气候变化的响应研究进展 |
1.3 研究目标、研究内容和技术路线 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.3.3 技术路线 |
第二章 材料与方法 |
2.1 研究区域概况 |
2.2 数据来源 |
2.2.1 气象数据 |
2.2.2 GIMMS NDVI 3g遥感数据 |
2.2.3 地面实测及验证数据 |
2.2.4 自然地理数据 |
2.3 研究方法 |
2.3.1 空间插值预处理 |
2.3.2 标准化降水蒸散指数SPEI |
2.3.3 长时间序列NDVI数据重构 |
2.3.4 草地植被物候参数提取 |
2.3.5 估算草地植被净初级生产力 |
2.3.6 统计分析方法 |
第三章 中国温带地区草地气候资源和干旱变化特征 |
3.1 中国温带地区草地气候资源时空特征 |
3.1.1 气候资源时间变化特征 |
3.1.2 气候资源空间变化特征 |
3.2 中国温带地区草地干旱时空特征 |
3.2.1 不同时间尺度干旱时间变化特征 |
3.2.2 不同时间尺度干旱空间变化特征 |
3.2.3 干旱发生范围及发生频率特征 |
3.3 本章小结 |
第四章 中国温带地区草地植被指数对不同时间尺度干旱的响应 |
4.1 草地植被指数NDVI时空特征 |
4.1.1 草地植被指数NDVI时间变化特征 |
4.1.2 草地植被指数NDVI空间变化特征 |
4.2 草地植被对不同时间尺度干旱事件的响应及归因 |
4.2.1 草地植被对干旱事件的响应特征 |
4.2.2 草地植被对干旱事件响应的影响因素 |
4.3 本章小结 |
第五章 中国温带地区草地植被物候特征及其对气候变化的响应 |
5.1 草地植被遥感物候参数提取 |
5.1.1 动态阈值及物候参数提取 |
5.1.2 遥感提取物候期及地面验证 |
5.1.3 不确定性分析 |
5.2 草地植被物候时空特征 |
5.2.1 草地植被物候时间变化特征 |
5.2.2 草地植被物候空间变化特征 |
5.3 草地植被物候对气候变化的响应 |
5.3.1 草地植被返青期SOS对冬季、春季气候因子的响应 |
5.3.2 草地植被黄枯期EOS对夏季、秋季气候因子的响应 |
5.3.3 草地植被物候期对不同季前时间尺度水热条件的响应 |
5.3.4 不同季前时间尺度影响物候变化的主要气候因素 |
5.4 本章讨论与小结 |
第六章 中国温带地区草地植被净初级生产力特征及其对气候和物候的响应 |
6.1 净初级生产力估算 |
6.1.1 CASA模型简介及参数获取 |
6.1.2 模型对比验证 |
6.2 草地植被净初级生产力NPP时空特征 |
6.2.1 草地植被NPP时间变化特征 |
6.2.2 草地植被NPP空间变化特征 |
6.3 草地植被NPP对气候变化响应特征 |
6.3.1 草地植被NPP对年尺度气候因子的响应 |
6.3.2 草地植被NPP对季节尺度气候因子的响应 |
6.4 草地植被NPP与物候之间的关系 |
6.4.1 草地植被NPP与生长季长度LOS的关系 |
6.4.2 草地植被NPP与返青期SOS和黄枯期EOS的关系 |
6.5 本章讨论与小结 |
第七章 结论与讨论 |
7.1 主要结论 |
7.2 研究创新点 |
7.3 讨论与研究展望 |
参考文献 |
致谢 |
作者简历 |
(8)北方六省草地生产力时空动态及气候驱动因子分析(论文提纲范文)
摘要 |
abstract |
第一章 文献综述 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 国内外研究现状 |
1.3.1 植被覆盖度与NPP研究方法 |
1.3.2 植被NPP模型研究 |
1.3.3 气温降水插值研究 |
1.3.4 我国北方草地覆盖度与NPP研究 |
1.4 主要研究内容与技术路线 |
1.4.1 北方草地分布区气温与降水的时空动态 |
1.4.2 草地覆盖度与NPP的时空动态 |
1.4.3 气候因子对草地NPP的影响分析 |
1.5 拟解决的科学问题 |
1.6 技术路线 |
第二章 研究区概况、研究方法与数据处理 |
2.1 研究区概况 |
2.1.1 地理位置 |
2.1.2 地势与地貌特征 |
2.1.3 气候与植被特征 |
2.2 数据来源与预处理 |
2.2.1 NDVI数据 |
2.2.2 气象数据 |
2.2.3 植被类型数据 |
2.3 研究方法 |
2.3.1 基于二分模型对草地覆盖度计算 |
2.3.2 基于CASA模型对NPP的估算 |
2.3.3 变化趋势的显着性检验 |
2.3.4 相关系数的计算及检验 |
第三章 北方草地分布区气候因子时空分布及动态变化 |
3.1 草地分布区温度的时空动态 |
3.1.1 草地分布区温度年际变化及空间分布 |
3.1.2 草地分布区草地月平均气温的空间分布 |
3.1.3 近30年草地分布区月平均气温的动态变化 |
3.2 草地分布区降水量的时空动态 |
3.2.1 草地分布区降水量空间分布及年际动态 |
3.2.2 草地分布区逐月降水量空间分布 |
3.2.3 近30年草地分布区逐月降水量的空间变化 |
3.3 讨论与小结 |
3.3.1 讨论 |
3.3.2 小结 |
第四章 北方草地覆盖度及NPP时空分布及动态变化 |
4.1 北方草地面积及分布 |
4.2 草地覆盖度与NPP的时空动态 |
4.2.1 草地覆盖度的时空动态 |
4.2.2 草地NPP的时空动态 |
4.2.3 草地覆盖度的逐月时空动态 |
4.3 讨论与小结 |
4.3.1 讨论 |
4.3.2 小结 |
第五章 北方草地生产力与气候因子相关性分析 |
5.1 年际尺度上草地NPP与气候因子的相关性 |
5.1.1 年际尺度上草地NPP与温度的相关性 |
5.1.2 年际尺度上草地NPP与降水的相关性 |
5.2 月际尺度上草地NPP与气候因子的相关性 |
5.2.1 月际尺度上草地NPP与温度的相关性 |
5.2.2 月际尺度上草地NPP与降水的相关性 |
5.2.3 不同类型草地NPP与气候因子相关性 |
5.3 讨论与小结 |
5.3.1 讨论 |
5.3.2 小结 |
第六章 结论与展望 |
6.1 主要结论 |
6.2 研究创新点 |
6.3 研究不足及展望 |
参考文献 |
致谢 |
作者简介 |
(9)新疆地区草地NPP和物候对气候变化的响应研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究进展 |
1.2.1 温度和降水插值研究进展 |
1.2.2 被动微波反演积雪雪深的研究进展 |
1.2.3 植被物候变化及其对气候变化的响应 |
1.2.4 气候变化和人类活动对植被净初级生产力的影响 |
1.2.5 植被净初级生产力与物候的关系 |
1.3 研究区概况 |
1.4 研究目的、内容及结构 |
第二章 新疆地区气候特征 |
2.1 数据来源 |
2.1.1 温度和降水数据 |
2.1.2 雪深数据 |
2.1.3 土地覆盖数据和DEM数据 |
2.1.4 AMSR2雪深产品及雪深算法和SSM/I数据集 |
2.2 研究方法 |
2.2.1 插值方法 |
2.2.2 基于AMSR2亮温数据的雪深模型的改进研究 |
2.2.3 结果验证与误差分析方法 |
2.3 结果与分析 |
2.3.1 温度和降水5种插值结果分析 |
2.3.2 温度和降水的时间序列趋势分析 |
2.3.3 积雪产品在北疆地区的精度评价 |
2.3.4 AMSR2积雪产品算法改进研究 |
2.3.5 基于AMSR2雪深产品改进模型与SSM/I的雪深关系分析 |
2.4 讨论 |
2.4.1 温度和降水的插值分析 |
2.4.2 被动微波的局限性 |
2.4.3 大型水体的影响 |
2.4.4 积雪的物理属性 |
2.4.5 AMSR2雪深产品 |
2.4.6 改进的雪深模型 |
2.5 小结 |
第三章 新疆地区草地物候时空动态变化分析 |
3.1 材料与方法 |
3.1.1 物候数据来源 |
3.1.2 精度验证 |
3.1.3 空间趋势分析 |
3.2 结果与分析 |
3.2.1 产品验证 |
3.2.2 物候多年平均值的空间分布特征 |
3.2.3 物候的年际变化特征分析 |
3.3 讨论 |
3.4 小结 |
第四章 新疆草地物候对气候变化的响应 |
4.1 研究方法 |
4.1.1 偏最小二乘回归 |
4.1.2 物候与气温和降水的空间相关分析 |
4.2 结果与分析 |
4.2.1 草地物候对气候变化的时间响应分析 |
4.2.2 物候对气候变化的空间响应分析 |
4.3 讨论 |
4.4 小结 |
第五章 新疆草地NPP时空分布格局及其对气候变化的响应 |
5.1 数据与方法 |
5.1.1 数据来源 |
5.1.2 草地植被NPP_A和NPP_P遥感估算方法 |
5.2 结果与分析 |
5.2.1 草地植被NPP_A估算结果验证 |
5.2.2 草地植被NPP_A和NPP_P时空格局分析 |
5.2.3 草地NPP_A对气候因子的时间响应特征 |
5.2.4 草地NPP_A对气候因子的空间响应特征 |
5.3 讨论 |
5.4 小结 |
第六章 气候变化和人类活动对新疆草地NPP的影响 |
6.1 气候变化和人类活动对新疆草地NPP相对作用评价方法 |
6.2 结果与分析 |
6.2.1 NPP变化趋势 |
6.2.1.1 NPP_A变化趋势 |
6.2.1.2 NPP_P变化趋势 |
6.2.2 NPP_A变化的原因 |
6.3 讨论 |
6.3.1 气候变化和人类活动对新疆草地变化的影响 |
6.3.2 政策因素导致草地恢复 |
6.3.3 研究的局限性 |
6.4 结论 |
第七章 新疆草地NPP_A与物候的关系 |
7.1 研究方法 |
7.1.1 草地NPP_A与物候的时间相关分析 |
7.1.2 草地NPP_A与物候的空间相关分析 |
7.2 结果与分析 |
7.2.1 草地物候期对NPP_A的影响 |
7.2.2 草地NPP_A对物候的空间响应分析 |
7.2.3 草地NPP_A与生长季长度的关系 |
7.3 讨论 |
7.4 小结 |
第八章 结论与展望 |
8.1 结论 |
8.2 创新点 |
8.3 存在的问题及展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
(10)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 |
四、塔里木盆地北部盐化草甸植被净第一性生产力模型研究(论文参考文献)
- [1]绿洲外围荒漠区植被时空格局及形成机制[D]. 张谱. 中国林业科学研究院, 2020
- [2]基于Biome-BGC模型的秦岭石头河流域植被生产力模拟及其对气候变化的响应研究[D]. 张越. 西北大学, 2019(12)
- [3]基于改进BEPS模型的中亚生态系统生产力时空变化研究[D]. 李伟. 河南理工大学, 2019(07)
- [4]气候变化和人类活动对西北地区植被NPP变化的影响研究[D]. 李玲. 陕西师范大学, 2019(06)
- [5]基于Google Earth Engine的30m空间分辨率中国干旱地区草地生物量估算[D]. 修晓敏. 贵州师范大学, 2019(03)
- [6]中国干旱半干旱生态系统生产力和碳动态对气候变化响应的数值模拟研究[D]. 方霞. 新疆大学, 2018(07)
- [7]中国温带地区草地植被动态时空特征及其对气候变化的响应[D]. 张煦庭. 中国农业大学, 2018(01)
- [8]北方六省草地生产力时空动态及气候驱动因子分析[D]. 赵伟. 西北农林科技大学, 2018(01)
- [9]新疆地区草地NPP和物候对气候变化的响应研究[D]. 张仁平. 兰州大学, 2017(12)
- [10]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)