img

官方微信

遥感技术与应用, 2020, 35(4): 924-933 doi: 10.11873/j.issn.1004-0323.2020.4.0924

遥感应用

中亚地区植被净初级生产力时空动态及其与气候因子关系

刘婵,1,2, 刘冰,1, 赵文智1, 朱钊岑1,2, 司瑞1,2

1.中国科学院西北生态环境资源研究院 中国生态系统研究网络临泽内陆河流域研究站,中国科学院内陆河流域生态水文重点实验室,甘肃 兰州 730000

2.中国科学院大学,北京 100049

Temporal-Spatial Variation Analysis of Net Primary Productivity and its Relationship with Climate in Central Asia

Liu Chan,1,2, Liu Bing,1, Zhao Wenzhi1, Zhu Zhaocen1,2, Si Rui1,2

1.Linze Inland River Basin Research Station,Chinese Ecosystem Network Research,Key Laboratory of Ecohydrology of Inland River Basin,Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China

2.University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者: 刘冰(1977-), 男,甘肃天水人,研究员,主要从事湿地生态水文遥感研究。E⁃mail: liubing@lzb.ac.cn

收稿日期: 2019-03-21   修回日期: 2020-05-09   网络出版日期: 2020-09-14

基金资助: 中国科学院战略性先导科技专项.  XDA2003010102
国家自然科学基金项目.  41771038.  41471024

Received: 2019-03-21   Revised: 2020-05-09   Online: 2020-09-14

作者简介 About authors

刘婵(1993-),女,陕西榆林人,博士研究生,主要从事遥感生态应用研究E⁃mail:liuchan16@mails.ucas.ac.cn , E-mail:liuchan16@mails.ucas.ac.cn

摘要

植被净初级生产力(Net Primary Productivity,NPP)及其对气候变化的响应是全球变化的核心研究内容之一,研究中亚地区NPP的时空格局变化对理解植被—环境的作用机理以及应对全球变化具有重要的意义。基于MOD17A3数据集、气象数据结合GIS分析方法研究中亚地区2000~2014年的植被NPP时空动态特征及其与气候因子的关系。结果表明:①中亚地区空间上NPP的变化范围在0~874 gC/m2·a之间,平均值为151.90 gC/m2·a,NPP年总量平均值为482.41TgC (1 Tg=1012 g),NPP平均值与总量均呈现出下降趋势;②中亚地区NPP的高值区主要分布在高纬度地区和东南部高山地区,中部和南部荒漠区则为NPP的低值区;③中亚地区2000~2014年间NPP在空间上总体呈现下降趋势,达到显著下降的区域总体面积的39.89%。NPP呈下降趋势的区域主要集中在哈萨克斯坦的大部分区域,不同分区内以典型草原区最为显著;④中亚地区NPP受降水量的影响作用高于气温,荒漠草原区、典型草原区以及荒漠区主要受到降水量的控制,高山草甸区与高山林地区则受到降水和气温的共同作用。

关键词: 中亚 ; 植被净初级生产力 ; 时空动态 ; 生态分区 ; 气候因子

Abstract

The Net Primary Productivity (NPP) of vegetation and its response to climate change is one of the key areas in research of global change. The study on spatial and temporal changes of NPP in central Asia is important to understand the mechanism of vegetation-environment action and to cope with global change. Therefore, based on the MOD17A3 dataset and meteorological data and GIS analysis method, this paper is intended to analyze the spatial pattern, temporal variation and the driving factors to NPP in Central Asia during 2000~2014. The results shows that: ①the spatial variation of NPP in Central Asia is ranged from 0 to 874 gC/m2·a, with an average of 151.90 gC/m2·a. The average annual total NPP is 482.41TgC (1 Tg=1012 g), and both the average NPP and total NPP showed a decrease trend. ②The average NPP was higher in southeastern alpine regions and high latitudes areas than in central and southern desert areas in Central Asia. ③From 2000 to 2014, the annual NPP in central Asia showed a decrease trend with a rate of -2.05 gC/m2·a2, covering 39.89% of the region with significant reduction. The areas in which NPP decreased were mainly distributed in Kazakhstan, with typical steppe zone being the most significant in five ecological zones. ④The effect of precipitation on NPP in Central Asia was stronger than that of temperature. Precipitation influenced NPP of typical steppe,desert and desert steppe more seriously, while alpine meadow and alpine forest were jointly affected by precipitation and temperature.

Keywords: Central Asia ; Net primary productivity ; Temporal-spatial pattern ; Ecological zones ; Climatic factors

PDF (4855KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

刘婵, 刘冰, 赵文智, 朱钊岑, 司瑞. 中亚地区植被净初级生产力时空动态及其与气候因子关系. 遥感技术与应用[J], 2020, 35(4): 924-933 doi:10.11873/j.issn.1004-0323.2020.4.0924

Liu Chan, Liu Bing, Zhao Wenzhi, Zhu Zhaocen, Si Rui. Temporal-Spatial Variation Analysis of Net Primary Productivity and its Relationship with Climate in Central Asia. Remote Sensing Technology and Application[J], 2020, 35(4): 924-933 doi:10.11873/j.issn.1004-0323.2020.4.0924

1 引 言

中亚地区地处亚欧大陆中部,是全球典型的干旱区之一[1],地理异质性显著且气候系统过程复杂[2],其脆弱的生态系统对全球变化的响应非常敏感[3]。植被NPP是地表碳循环的重要组成部分,也是判定陆地生态响应全球变化的主要因子[4-5]。自20世纪80年代以来,中亚升温速率显著高于北半球陆地,且降水分布空间异质性强[1]。气候变化与人类活动共同强烈地影响和改变着中亚地区土地利用、植被覆盖以及净初级生产力(Net Primary Productivity, NPP),导致中亚生态环境发生显著变化,甚至部分区域发生明显的退化及恶化[6]。大规模植被NPP监测对于面临生态环境退化问题的地区是必不可少的[7],因此,研究中亚地区NPP的时空格局变化对理解植被—环境的作用机理,揭示中亚生态系统变化规律,以及应对全球变化具有重要的意义。

通常,区域尺度估算陆地生态系统NPP的方法主要为模型模拟法。为了弥补经验统计模型的缺陷,学者们提出基于植物生理生态和生物物理过程的NPP估算模型。其中,具有代表性的有BIOME-BGC模型[8]、 CENTURY模型[9]、CASA模型[5]和TEM模型[10]等。随着遥感技术的发展以及遥感数据的积累,长时间序列的遥感产品已被应用于NPP的估算和动态监测中。美国 NASA 提供的陆地监测产品中包含了植被NPP产品,已经在全球不同区域的植被监测及全球变化的研究中得到了验证和应用[11-13]。目前,中亚地区植被NPP的研究相对匮乏,主要围绕中亚地区NPP时空格局及植被—气候的响应规律等方面研究[14-16],但是在净初级生产力的研究方面却忽略了时空尺度上的变化机理,以及中亚地区特殊的生态格局与空间异质性。因此,本文利用美国NASA提供的MODIS数据产品MOD17A3,以2000~2014年中亚地区植被为研究对象,通过划分不同的生态分区,阐明中亚陆地植被 NPP及气候变化对其影响的区域差异性,以期为中亚生态系统的可持续发展为提供依据。

2 数据与方法

2.1 研究区概况

中亚包括哈萨克斯坦、吉尔吉斯斯坦、乌兹别克斯坦、土库曼斯坦,塔吉克斯坦5个国家,分布于35°5′~52°33′ N,46°45′~87°21′ E之间,总面积约400万km2[17]。中亚地势东南高、西北低。中亚北部是图尔盖台地和丘陵,以典型草原为主,南部分布有卡拉库姆沙漠和克孜勒库姆沙漠。中部分布有图兰低地,同时广泛分布平原及盆地,以及依靠灌溉形成的绿洲。西部为里海沿岸低地,东部天山山脉与帕米尔高原相接,与东北边界的阿尔泰山相连,主要分布有山地森林及草原。因此,总体上形成了山地森林草原—盆地平原绿洲与荒漠并存的生态地理基本格局[18]。中亚地区气候类型主要属于温带大陆性气候,降水稀少,蒸发强烈,部分位于帕米尔高原的地区则属于高山气候。降水量在东部天山山脉及东北部阿尔泰山山区较高,可达1 000 mm以上,中部平原一般年降水量在300 mm以下,而荒漠区域年降水量则低于100 mm。中亚大多数地区温度波动严重,夏季高温炎热,冬季寒冷干燥。在纬度上纵跨35°~57° N,温度在空间上变异较大,表现出从亚热带—温带—寒温带过渡,且昼夜温差较大(图1)。

图1

图1   研究区地理位置及生态地理分区图

Fig.1   Location and ecological zoning of study area


2.2 数据来源

采用的NPP数据来自NASA EOS/MODIS数据分发中心提供的MOD17A3数据集(https://lpdaac.usgs.gov),该产品由美国蒙大拿大学生产,包括年总初级生产力(GPP)和年净初级生产力(NPP)。该数据产品基于Biome-BGC模型计算得到植被NPP,时间分辨率为1 a,空间分辨率为1 km,本文用到的数据为2000~2014 年中亚范围内的NPP数据。Biome-BGC模型是基于植被光能利用的过程模型,估算NPP时充分考虑到植被生理生态过程,相较传统的回归模型其估算精度较高[19]。本文对下载的原始数据进行拼接、转投影和波段提取等预处理,根据数据说明文档将数据中表1中出现的特殊值赋为“No Data”,以进行后期的分析。

表1   MODIS NPP数据特殊值说明

Table 1  The description of annual MODIS NPP valid range

含义含义
65535观测范围以外的填充值65531永久性湿地/淹没沼泽地
65534常年被盐、内陆水体覆盖65530城市、建筑物
65533裸地、稀疏植被覆盖(岩石、苔原、沙漠)65529未分类像元
65532常年性积雪或冰覆盖

新窗口打开| 下载CSV


气象数据均来自全球陆面数据同化系统(Global Land Data Assimilation System, GLDAS)提供的气象数据集(https://disc.gsfc.nasa.gov/),包括2000~2014年降水量以及平均气温,GLDAS基于卫星和地面的观测数据集成了4个地表模型(Noah, Mosaic, GLM 和VIC),生成从1979年至今的全球范围内空间分辨率0.25°和1°的数据产品。本文数据为2000~2014年全球0.25°分辨率的月降水量和月平均气温数据,数据为NetCDF格式,首先利用Matlab软件对数据进行读取,然后在ArcGIS软件中计算年总降水量和平均气温,并将气象数据进行转投影和重采样为与NPP数据一致的空间投影与分辨率,以进行后期的数据分析。

生态分区边界来自世界自然基金会(World Wild Fund,WWF)建立的全球生态地 理分区(https:// www.worldwildlife.org/)。将中亚范围内的25个生态分区根据研究需要进行合并,以保证生态分区在空间上临近或者具有内部一致性特征,即在同一分区内具有一致的生物群落和地理特征,并且在该分区内地表覆盖类型在短时期内不会发生较大的变化,以检测植被在该生态地理分区内的变化特征。中亚地区生态分区分别为典型草原区、荒漠草原区、高山草甸区、高山林地区及荒漠区(如图1(b))。

2.3 数据处理方法

2.3.1 NPP年际变化趋势分析

采用一元线性回归的方法对2000~2014年间中亚NPP变化趋势进行分析。一元线性回归方法是对一组随时间变化的变量进行趋势分析的回归方法[20],采用最小二乘法计算每个像元上的NPP变化斜率,得到其空间分布。计算公式为:

Slope=n×i=1n(i×Yi)-i=1nii=1nYin×i=1ni2-(i=1ni)2

其中:n为年数,在本文中取15,i为年序号,Yi为第i年对应的NPP值,当Slope>0时,表示在该时间段内NPP呈现增大的趋势,反之则呈现减小的趋势。本文采用t检验对其变化显著性进行检验。

2.3.2 NPP与气象因子相关性分析

采用偏相关分析来研究NPP对单独气候因子(降水、气温)的响应,偏相关分析能够在控制其他变量的线性影响的条件下,分析变量之间的相关性。计算公式为首先计算两两变量之间的简单相关系数R

R=i=1n(xi-x¯)(yi-y¯)i=1n(xi-x¯)2i=1n(yi-y¯)2

其中:x, y分别表示两个已知变量;x¯y¯分别表示变量xy的均值;n取15;R范围在-1到1之间,当R>0时,表明两个变量存在正相关关系,反之当R<0时,两个变量为负相关关系,当r=0时,两个变量之间没有任何相关关系。

NPP与降水量、NPP与气温的偏相关系数计算公式为:

rx1y,x2=rx1y-rx1x2rx2y1-rx1x221-rx2y2

其中:rx1yrx2yrrx1y1分别为NPP与一个气候因子的、NPP与另外一个气候因子、以及两个气候因子之间的简单相关关系。rx1y,x2表示除去变量x2的影响后,NPP与其中一个气象因子的直线相关。

3 结果分析

3.1 中亚地区植被净初级生产力(NPP)空间分布特征

中亚地区NPP值呈现出明显的空间差异,其值变化范围在0~874 gC/m2·a之间,均值为151.90 gC/m2·a。如图2所示,在区域的中部和西南部的大部分区域主要为荒漠,其NPP在200 gC/m2·a以下。在东北部阿尔泰山山脉和西南部兴都库什山脉及西天山山脉的高海拔地区,降水量充沛,其主要景观类型为林地、林草过渡带,NPP属于高值区,其范围在300~500 gC/m2·a之间,部分区域可达到500 gC/m2·a以上。其次,在50 N°以北的高纬度地区,主要分布着草原与农耕地,其NPP的均值也较高,范围约在200~400 gC/m2·a之间。

图2

图2   中亚地区2000-2014年NPP空间分布图

Fig.2   Spatial distribution of mean NPP in Central Asia during 2000-2014


在不同的生态分区内的NPP均值及其总量关系(表2)分别为:高山林地区>高山草甸区>典型草原区>荒漠草原区>荒漠区。典型草原区面积占总面积的21.54%,其NPP年总量最高(169.80 Tg),并且对中亚总体NPP总量的贡献率达到35.31%,说明典型草原区是中亚地区植被碳累积的主要区域。其次,荒漠草原区面积占总面积的21.87%,其年NPP总量达到110.68 Tg,NPP贡献比例占23.02%。除此以外,高山林区与高山草甸区所占面积比例较小,但是其NPP均值较高,且其对NPP总量的贡献较高。然而,占中亚面积比例最高(41.51%)的荒漠区,其NPP均值以及对总体贡献比例较低(16.74%)。

表2   不同生态分区NPP均值、NPP总量及其比例

Table 2  NPP mean value, NPP Total amount and its proportion in different Ecological zones

生态分区类型NPP均值/gC/m2·aNPP总量/Tg·a-1NPP总量贡献比例/%面积比例/%
典型草原区(STE)201.28169.8035.3121.54
荒漠草原区(SED)130.39110.6823.0221.87
荒漠区(DES)85.4580.4716.7441.51
高山林地区(FOR)234.8746.719.715.61
高山草甸区(ALM)220.0873.1715.229.47

新窗口打开| 下载CSV


不同生态分区的NPP频度分布表明,高山林地和高山草甸区NPP频度分布波峰较宽,分布在100~300 gC/m2·a之间,该区间分别有54.05%、61.46%的像元分布。此外,荒漠区NPP分布在50~100 gC/m2·a(46.28%)之间,半荒漠与荒漠草原区在100~150 gC/m2·a(45.83%)之间,典型草原在150~250 gC/m2·a之间(61.44%) (图3)。

图3

图3   中亚不同生态分区NPP频度分布图

Fig.3   Mean NPP frequency by pixels for different Ecological zones in Central Asia


3.2 中亚地区NPP时间变化

在中亚地区,在2000~2014年NPP空间均值呈现出波动下降的趋势,其下降速率Slope= -2.08 gC/m2·a2 (P<0.05)。在2000~2002年属于上升状态,2002年达到峰值为172.44 gC/m2·a,而后开始逐渐下降,2014年达到最小值128.19gC/m2·a。NPP年总量的变化规律与NPP均值一致,其多年平均值为482.41TgC,2000~2014年间下降趋势Slope=-6.57 TgC/a,2002年NPP总量最高为546.62 TgC,高于多年均值13.31%;2014年NPP总量最低为406.41 TgC,低于多年均值15.75%(图4)。

图4

图4   中亚2000~2014年NPP均值及总量年际变化

Fig.4   Change of annual mean NPP and total NPP in Central Asia from 2000 to 2014


空间上,2000~2014年中亚地区NPP处于下降的趋势,其NPP趋势的平均值为-2.05 gC/m2·a2 (图5)。NPP呈现显著下降趋势的区域主要集中在哈萨克斯坦境内,属于荒漠、荒漠草原以及草原类型。此外,NPP呈现改善趋势的区域主要分布在土库曼斯坦、乌兹别克斯坦的南部,塔吉克斯坦和吉尔吉斯斯坦的部分区域,以及哈萨克斯坦的东部巴尔喀什湖周围以及阿尔泰山区域。由表3可知,中亚地区NPP以下降趋势为主,其中显著下降趋势的面积达到126.41×104 km2,占总体面积的39.94%;显著上升趋势的面积仅有3.31×104 km2,说明在2000~2014年间中亚植被对于碳的同化量在显著减少。

图5

图5   中亚2000~2014年NPP变化趋势及其显著性

Fig.5   The NPP trend and its significance during 2000 to 2014 in Central Asia


表3   不同生态分区年际NPP变化类型面积比例

Table 3  Area proportion of the annual NPP change types in each Ecological zones

高山草甸区(ALM)荒漠草原区(SED)荒漠区(DES)高山林地区(FOR)典型草原区(STE)总体
显著下降面积(104 km2)5.0142.9730.973.9843.48126.41
比例/%15.0345.2832.9620.0151.5039.94
显著上升面积(104 km2)1.090.551.000.450.213.31
比例/%3.280.581.072.270.251.05

新窗口打开| 下载CSV


不同生态分区内,典型草原区NPP变化趋势最低(-4.19 gC/m2·a2, P<0.05),荒漠草原区(-2.23 gC/m2·a2, P<0.05)和高山林地区(-1.51 gC/m2·a2, P<0.05) NPP也呈现显著退化趋势,高山草甸区与荒漠区NPP下降趋势不显著(图6)。在NPP达到显著退化趋势区域中,典型草原区所占面积最大达到43.48×104km2,占该区域总体面积的51.50%;其次为荒漠草原区,其NPP显著退化面积占总体面积的45.28%,主要集中于哈萨克斯坦高纬度区域;荒漠区NPP达到显著退化的面积达到32.96%;高山林地和高山草甸区NPP显著下降的面积比例相对较低。相反地,NPP达到显著上升的总体面积仅3.31×104 km2,因此2000~2014年中亚地区植被NPP主要呈现显著下降趋势。

图6

图6   中亚2000~2014年不同生态分区NPP变化趋势均值

Fig.5   Mean NPP trend in different Ecological zones during 2000 to 2014 in Central Asia


3.3 中亚地区NPP与气象因子的关系

在中亚地区,全区有92.27%的区域NPP与年降水量呈现显著正相关(图7)。除此之外,NPP与年降水量呈现负相关的区域主要分布在东南部天山山脉与阿尔泰山地区,此处降水量较为丰富。此外,NPP与气温不如与降水量的相关性高,全区约有30.97%的区域NPP与年均气温呈现负相关关系,主要分布在中部巴尔喀什湖四周,以及哈萨克斯坦的西部靠近里海的区域。在不同的生态分区,荒漠区植被NPP与降水量的平均偏相关系数最高(0.48),其次分别为典型草原区(0.45)、荒漠草原区(0.44)、高山草甸(0.26)和高山林地区(0.25),这说明在降水短缺区域降水对于植被NPP的影响更大。NPP与气温的相关性较低,这说明气温对于植被NPP的影响较小。

图7

图7   中亚地区2000~2014年NPP与降水量、气温的偏相关系数及各分区平均值

Fig.7   Spatial distribution of the partial correlation between NPP and precipitation, temperature for the period of 2000~2014, and the mean partial correlations within each ecological zones


通过ArcGIS软件生成随机点,并获取随机点上对于气温和降水量各自的相关系数,进而分析气候因子对不同生态分区内NPP的影响(共计生成随机点116 861个,其中荒漠区33 315个,高山林地区8 358个,高山草甸区12 957个,典型草原区30 502个,荒漠草原区31 729个)在中亚地区不同生态分区内,NPP多与降水量呈正相关,而与气温则正负相关性都存在(图8)。荒漠草原区、典型草原区以及荒漠区NPP均主要受到降水量的影响,3种生态分区内NPP与降水呈正相关关系的点分别有98.48%、94.43%、94.31% (表4)。高山草甸区和高山林地区与降水和气温的关系均很密切。高山草甸区主要受到气温的影响,NPP与气温正相关的点占到76.11%,与降水正相关的比例为72.82%;同时,高山林地区与降水正相关的点占到77.17%,与气温正相关的点比例为66.36%。由此可见,降水是影响中亚地区NPP的主导因素(荒漠草原区、典型草原区以及荒漠区),在这些区域植被NPP主要依赖于降水量。但是,在降水量较多水分相对充足的区域如高山草甸区与高山林地区,植被NPP受到降水和气温的共同作用。

图8

图8   不同生态分区内NPP与气象因子的响应关系

(RpRt分别代表NPP与降水量和气温的偏相关系数)

Fig.8   Mean NPP for different ecological zones in response to meteorological factors


表4   不同生态分区NPP与降水量( Rp) 、温度( Rt) 的相关系数在各象限分布比例

Table 4  Proportion of the correlation coefficient between the mean NPP for different Ecological zones and meteorological factors (Rt, Rp) in each quadrant

象限相关性典型草原区(STE)荒漠草原区(SED)荒漠区(DES)高山草甸区(ALM)高山林地区(FOR)
与降水、气温均正相关/%67.4667.0864.0058.5952.91
与降水负相关、与气温正相关/%1.003.853.3917.5213.45
与降水、气温均负相关/%0.531.722.309.669.37
与降水正相关、与气温负相关/%31.0227.3530.3114.2324.26

新窗口打开| 下载CSV


4 讨 论

通过遥感和GIS的手段进行区域植被NPP的估算已成为当前植被生产力研究的主要方式[21-22]。张建财等[15]与朱士华等[16]分别针对中亚地区利用LPJ模型和AEM模型模拟的NPP结果与MOD17 NPP产品进行比对,均表明模型模拟NPP与MODIS NPP相关性良好。发现中亚地区植被NPP年际上以下降趋势为主,与周宇等[23]基于CASA模型估算的2000~2014年中亚五国NPP结果一致。但是,本文中基于MODIS NPP的中亚NPP总量较前人研究偏低,可能原因是本研究中未将中国新疆包含在内,并且研究时间范围不一致。针对NPP的年际变化表明,中亚地区特别是北部哈萨克斯坦大部分区域NPP在2000~2014年间呈显著退化趋势,这与Zhang等[24]关于中亚地区荒漠化趋势的脆弱区域分布基本一致。在该区域,里海水位变化及干旱灾害的影响是植被NPP呈现显著下降趋势的主要原因[25]

水分、热量及土壤等环境因素通过影响植被生理过程,从而引起植被NPP空间分布上的差异[26]。中亚地区属于典型的干旱少雨的气候特征,且降水主要水分来源[27],其降水量的增加会使水分对植被生长的胁迫作用降低,促进植被光合作用进而提高植被生产力[28]。故降水是影响中亚地区植被NPP分布的主导因素,这与朱士华等[16]得出的结果一致。在相对湿润的高山草甸和高山林地分区,由于高山阻隔并拦截大量水汽并形成丰富的降水,气温偏低以致温度成为限制植被生长的关键因子,故植被NPP对于气温的响应很敏感。因此在适宜的范围内,随着温度的升高高山草甸和高山林地分区植被NPP必然会随着增大。但是,当温度范围超过某一阈值时,温度的升高会导致植被气孔关闭,从而降低植被生产力水平。同时,温度的升高会伴随着潜在蒸散和水分胁迫增强,进而通过调节水分条件来影响植被生产力。在荒漠区、典型草原区及荒漠草原区有较多比例植被NPP与气温呈现负相关。因此,在中亚地区不同分区内植被NPP对与气温和降水的依赖程度不同,受到其各自的及其相互耦合作用的共同影响。

目前,野外实测法的NPP结果一般被认为是真值,用作对模型估算的检验,但是各种植被生产力模型之间缺乏相对验证,其模型输出结果可比性差[29]。MODIS NPP目前被广泛应用于全球陆地生态系统生产力的研究中[30],尽管数据本身在具体应用时存在一定的精度问题,也有研究在进行模型精度验证时将MODIS-NPP数据用作真值进行检验[31-32]。有研究表明,基于多种算法的模型整合可有效提高预估精度[33],同时,从验证内容和验证方式加强对模型模拟的NPP进行验证,这将是未来NPP应用研究的方向[34]。本研究主要侧重于对中亚地区NPP与自然因素的分析上,缺乏对实地状况的认知与探索以及对人为因素的影响分析,这是后续研究需要改进的。

5 结 论

(1) 2000~2014年中亚地区NPP空间上的平均值为151.90 gC/m2·a之间,年NPP总量约为482.41 TgC。NPP在空间上呈现出下降趋势,2000~2014年间NPP达到显著下降的区域占总面积的39.89%。典型草原区是主要的碳累积区,同时也是NPP发生显著下降趋势的主要区域。

(2)不同的生态分区内NPP的分布区间范围不一致,高山草甸区与高山林地区NPP值分布较广,NPP平均植较高。荒漠区、荒漠草原区以及典型草原区NPP频度分布的峰值在逐渐增加。

(3)中亚地区NPP与气候因子的相关性表明,中亚地区植被NPP受降水量的影响作用高于气温。在降水量较为稀少且无其他水源补给的区域内如典型草原区、荒漠草原区及荒漠区植被NPP主要依赖于降水量,而在降水量较多且水分相对充沛的区域如高山草甸区与高山林地区,植被NPP受到降水和气温的共同作用。

参考文献

Chen Fahu, Huang Wei, Jin Liya, et al.

Spatial-temporal Precipitation Variations in the Arid Central Asia in the Context of Global Warming

[J]. Science China Earth Science, 2011, 41(11):1647-1657.

[本文引用: 2]

陈发虎, 黄伟, 靳立亚, .

全球变暖背景下中亚干旱区降水变化特征及其空间差异

[J]. 中国科学:地球科学, 2011, 41(11):1647-1657.

[本文引用: 2]

Lioubimtseva E, Cole R, Adams J M, et al.

Impacts of Climate and Land-cover Changes in Arid Lands of Central Asia

[J]. Journal of Arid Environments, 2005, 62(2):285-308.

[本文引用: 1]

Puigdefábregas J.

Ecological Impacts of Global Change on Drylands and Their Implications for Desertification

[J]. Land Degradation & Development, 2015, 9(5):393-406.

[本文引用: 1]

Zhu Wenquan, Pan Yaozhong, Long Zhonghua, et al.

Estimating Net Primary Productivity of Terrestrial Vegetation Based on GIS and RS: A Case Study in Inner Mongolia, China

[J]. Journal of Remote Sensing, 2004, 9(3):300-307.

[本文引用: 1]

朱文泉, 潘耀忠, 龙中华,.

基于GIS和RS的区域陆地植被NPP估算——以中国内蒙古为例

[J]. 遥感学报, 2005, 9(3):300-307.

[本文引用: 1]

Wei Li, Zhao Jun, Pan Jinghu, et al.

A Research of Net Primary Productivity Model of Grassland based on MODIS Data in the Loess Plateau of China

[J]. Remote Sensing Technology & Application, 2009, 24(5):660-664.

[本文引用: 2]

韦莉, 赵军, 潘竟虎, .

基于MODIS数据的黄土高原草地净初级生产力的估算研究

[J]. 遥感技术与应用, 2009, 24(5):660-664.

[本文引用: 2]

Zhou Kefa, Zhang Qing, Chen Xi, et al.

Characteristics and Trends of Ecological Environment Change in Arid Areas of Central Asia

[J]. Science China Earth Science, 2006, 36(Z1):133-139.

[本文引用: 1]

周可法, 张清, 陈曦,.

中亚干旱区生态环境变化的特点和趋势

[J]. 中国科学:地球科学, 2006, 36(Z1):133-139.

[本文引用: 1]

Moleele N, Ringrose S, Arnberg W, et al.

Assessment of Vegetation Indexes Useful for Browse (Forage) Prediction in Semi-Arid Rangelands

[J]. International Journal of Remote Sensing, 2001, 22(5):741-756.

[本文引用: 1]

Liu Kejian, Yan Min, Feng Qi.

Forest Carbon and Water Fluxes Simulation Using Multi-layer Soil Parameters Assimilation

[J]. Remote Sensing Technology and Application, 2019, 34(5):950-958.

[本文引用: 1]

刘克俭, 闫敏, 冯琦.

多层土壤观测数据同化的森林碳、水通量模拟

[J]. 遥感技术与应用, 2019, 34(5):950-958.

[本文引用: 1]

Parton W J.

Observation and Modeling of Biomass and Soil Organic Matter Dynamics for the Grassland Biome Worldwide

[J]. Global Biogeochemical Cycles, 1993, 7(4):785-809.

[本文引用: 1]

Raich J W, Rastetter E B, Melillo J M, et al.

Potential Net Primary Productivity in South America: Application of a Global Model

[J]. Ecological Applications, 1991, 1(4):399-429.

[本文引用: 1]

Fensholt R, Sandholt I, Rasmussen M S, et al.

Evaluation of Satellite based Primary Production Modelling in the Semi-Arid Sahel

[J]. Remote Sensing of Environment, 2006, 105(3):173-188.

[本文引用: 1]

Feng AilinWu JinwenMeng Ying, et al.

Research on Spatial Distribution of Carbon Source/Sink of Liaoning Province based on MODIS GPP Data Products

[J]. Remote Sensing Technology and Application, 2019, 34(4):857-864.

冯艾琳, 武晋雯, 孟莹, .

基于MODIS GPP数据产品的辽宁省碳源/汇空间格局分布研究

[J]. 遥感技术与应用, 2019, 34(4):857-864.

Niu Zhongen, Yan Huimin, Chen Jingqing, et al.

Comparison of Crop Gross Primary Productivity Estimated with VPM Model and MOD17 Product in Field Ecosystem of China

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(4):191-198.

[本文引用: 1]

牛忠恩, 闫慧敏, 陈静清, .

基于VPM与MOD17产品的中国农田生态系统总初级生产力估算比较

[J]. 农业工程学报, 2016, 32(4):191-198.

[本文引用: 1]

Li Chaofan, Luo Geping, Li Junli, et al.

Net Primary Productivity and Actual Evapotranspiration of Central Asia in Recent 20 Years

[J]. Arid Land Geography, 2012, 35(6):919-927.

[本文引用: 1]

李超凡, 罗格平, 李均力, .

近20a中亚净初级生产力与实际蒸散发特征分析

[J]. 干旱区地理, 2012, 35(6):919-927.

[本文引用: 1]

Zhang Jiancai, Zhang Li, Zheng Yi, et al.

Simulation of Vegetation Net Primary Productivity and Evapotranspiration based on LPJ Model in Central Asia

[J]. Pratacultural Science, 2015, 32(11):1721-1729.

[本文引用: 1]

张建财, 张丽, 郑艺, .

基于LPJ模型的中亚地区植被净初级生产力与蒸散模拟

[J] 草业科学, 2015, 32(11):1721-1729.

[本文引用: 1]

Zhu Shihua, Yan Yan, Shao Hua, et al.

The Responses of the Net Primary Productivity of the Dryland Ecosystems in Central Asia to the CO2 and Climate Changes during the Past 35 Years

[J]. Journal of Natural Resources, 2017, 32(11):1844-1856.

[本文引用: 3]

朱士华, 艳燕, 邵华, .

1980-2014年中亚地区植被净初级生产力对气候和CO2变化的响应

自然资源学报, 2017, 32(11):1844-1856.

[本文引用: 3]

Yang Jianmei.

Information about Central Asia Five countries

[J]. Central Asia Information, 2005: 22-25[

杨建梅

中亚五国概况

[J]. 中亚信息, 2005: 22-25.]

[本文引用: 1]

Chen Xi, Jiang Fengqing, Wang Yajun, et al.

Characteristics of the Eco-Geographical Pattern in Arid Land of Central Asia

[J]. Arid Zone Research, 2013, 30(3):385-390.

[本文引用: 1]

陈曦, 姜逢清, 王亚俊,.

亚洲中部干旱区生态地理格局研究

[J]. 干旱区研究, 2013, 30(3):385-390.

[本文引用: 1]

Li Dengke, Fan Jianzhong, Wang Juan, et al.

Variation Characteristics of Vegetation Net Primary Productivity in Shaanxi Province based on MO17A3

[J]. Chinese Journal of Ecology, 2011, 30(12):2776-2782.

[本文引用: 1]

李登科, 范建忠, 王娟, .

基于MOD17A3的陕西省植被NPP变化特征

[J]. 生态学杂志, 2011, 30(12):2776-2782.

[本文引用: 1]

Song Yi, Ma Mingguo.

Variation of AVHRR NDVI and its Relationship with Climate in Chinese Arid and Cold Regions

[J]. Journal of Remote Sensing, 2008, 12(3):499-505.

[本文引用: 1]

宋怡, 马明国.

基于GIMMS AVHRR NDVI数据的中国寒旱区植被动态及其与气候因子的关系

[J]. 遥感学报, 2008, 12(3):499-505.

[本文引用: 1]

Zhu Wenquan, Chen Yunhao, Xu Dan, et al.

Advances in Terrestrial Net Primary Productivity (NPP) Estimation Model

[J]. Chinese Journal of Ecology, 2005, 24(3): 296-300.

[本文引用: 1]

朱文泉, 陈云浩, 徐丹,.

陆地植被净初级生产力计算模型研究进展

[J]. 生态学杂志, 2005, 24(3): 296-300.

[本文引用: 1]

Ma Chunlin.

The Study on Estimation of Vegetation NPP of Xiaerxili Nature Protection Area based on RS

[J]. Remote Sensing Technology & Application, 2008, 23(3):323-315.

[本文引用: 1]

马春林.

基于RS与GIS的夏尔希里自然保护区植被NPP估测研究

[J]. 遥感技术与应用, 2008, 23(3):323-327.

[本文引用: 1]

Zhou Yu.

Assessing the Spatial and Temporal Dynamics of Vegetation Degradation and Water Use Efficiency in Central Asian Dryland

[D]. Beijing: The University of Chinese Academy of Sciences, 2015.

[本文引用: 1]

周宇.

中亚干旱区植被退化及水分利用特征时空格局分析

[D]. 北京中国科学院大学, 2015.

[本文引用: 1]

Zhang G, Biradar C M, Xiao X, et al.

Exacerbated Grassland Degradation and Desertification in Central Asia during 2000~2014

[J]. Ecological Applications a Publication of the Ecological Society of America, 2018, 28(2):442.

[本文引用: 1]

Mikhailov V N, Magritsky D V, Kravtsova V I, et al.

The Response of River Mouths to Large-scale Variations in Sea Level and River Runoff: Case Study of Rivers Flowing into the Caspian Sea

[J]. Water Resources, 2012, 39(1):11-43.

[本文引用: 1]

Zhang M, Lal R, Zhao Y, et al.

Estimating Net Primary Production of Natural Grassland and its Spatial-temporal Distribution in China

[J]. Science of the Total Environment, 2016, 553:184-195.

[本文引用: 1]

Liu Yuzhi, Wu Chuqiao, Jia Rui, et al.

An Overview of the Influence of Atmospheric Circulation on the Climate in Arid and Semi-arid Region of Central and East Asia

[J]. Science China Earth Sciences, 2018, 48(9):1141-1152.

[本文引用: 1]

刘玉芝, 吴楚樵, 贾瑞, .

大气环流对中东亚干旱半干旱区气候影响研究进展

[J]. 中国科学:地球科学, 2018, 48(9):1141-1152.

[本文引用: 1]

Piao S L, Fang J Y, Chen A P.

Seasonal Dynamics of Terrestrial Net Primary Production in Response to Climate Changes in China

[J]. Acta Botanica Sinica, 2003, 45(3):269-275.

[本文引用: 1]

Li Xiaorong, Gao Hui, Han Lipu, et al.

Spatio-temporal Variations in Vegetation NPP and the Driving Factors in Taihang Mountain Area

[J]. Chinese Journal of Eco-Agriculture, 2017, 25(4):498-508.

[本文引用: 1]

李晓荣, 高会, 韩立朴,.

太行山区植被NPP时空变化特征及其驱动力分析

[J]. 中国生态农业学报, 2017, 25(4):498-508.

[本文引用: 1]

Maosheng Z, Steven W R.

Drought-induced Reduction in Global Terrestrial Net Primary Production from 2000 through 2009

[J]. Science, 2010, 329(5994):940-943.

[本文引用: 1]

Zhang T, Peng J, Liang W, et al.

Spatial-temporal Patterns of Water Use Efficiency and Climate Controls in China's Loess Plateau during 2000~2010

[J]. Science of the Total Environment, 2016, 565:105-122.

[本文引用: 1]

Wo Xiao, Wu Liangcai, Zhang Jiping, et al.

Estimation of Net Primary Production in the Three-River Headwater Region Using CASA Model

[J]. Journal of Arid Land Resources & Environment, 2014, 28(9):45-50.

[本文引用: 1]

沃笑, 吴良才, 张继平, .

基于CASA模型的三江源地区植被净初级生产力遥感估算研究

[J]. 干旱区资源与环境, 2014, 28(9):45-50.

[本文引用: 1]

Yuan Wenping, Cai Wenwen, Liu Dan, et al.

Satellite-based Vegetation Production Models of Terrestrial Ecosystem: An Overview

[J]. Advances in Earth Science, 2014, 29(5): 541-550.

[本文引用: 1]

袁文平, 蔡文文, 刘丹,.

陆地生态系统植被生产力遥感模型研究进展

[J]. 地球科学进展, 2014, 29(5):541-550.

[本文引用: 1]

Sun Qingling, Li Baolin, Li Fei, et al.

Review on the Estimation of Net Primary Productivity of Vegetation in the Three-River Headwater Region, China

[J]. Acta Geographica Sinica, 2016, 71(9):1596-1612.

[本文引用: 1]

孙庆龄, 李宝林, 李飞,.

三江源植被净初级生产力估算研究进展

[J]. 地理学报, 2016, 71(9):1596-1612.

[本文引用: 1]

/