2000-2014年博斯腾湖流域NPP时空变化特征及影响因子分析

引用本文

艾则孜提约麦尔#cod#x000b7;麦麦提, 玉素甫江#cod#x000b7;如素力, 姜红, 拜合提尼沙#cod#x000b7;阿不都克日木, 何辉. 2000-2014年博斯腾湖流域NPP时空变化特征及影响因子分析. 草业科学, 2018,35(7): 1743-1753
Aizezitiyuemaier#cod#x000b7;Maimaiti, Yusufujiang#cod#x000b7;Rusuli, Jiang Hong, Baihetinisha#cod#x000b7;Abudoukerimu, He Hui. Spatio-temporal variations and impacting factors of vegetation NPP in the Bosten Lake Drainage Basin from 2000 to 2014. Pratacultural Science, 2018,35(7): 1743-1753. 复制到剪切板

Doi: 10.11829/j.issn.1001-0629.2017-0622
Permissions

《草业科学》编辑部

2000-2014年博斯腾湖流域NPP时空变化特征及影响因子分析

艾则孜提约麦尔·麦麦提¹, 玉素甫江·如素力^1,², 姜红¹, 拜合提尼沙·阿不都克日木¹, 何辉¹

1.新疆师范大学地理科学与旅游学院/流域信息集成与生态安全实验室,新疆乌鲁木齐 830054

2.新疆干旱区湖泊环境与资源重点实验室,新疆乌鲁木齐 830054

通讯作者:玉素甫江·如素力(1975-),男(维吾尔族),新疆喀什人,教授,硕导,博士,主要应用3S技术,从事流域水文与生态系统研究。E-mail:Yusupjan@xjnu.edu.cn

第一作者:艾则孜提约麦尔·麦麦提(1990-),男(维吾尔族),新疆疏勒人,在读硕士生,主要从事资源环境遥感。E-mail:Aizezitiyuemaier@126.com

收稿日期: 2017-11-10 接受日期: 2018-03-16

资助项目: 国家自然科学基金项目(41461006、U1703341)

摘要

植被净初级生产力(net primary productivity,NPP)是反映陆地生态系统对气候变化响应的重要指标。本研究利用2000-2014年MODIS的MOD17A3、MOD12Q1产品,采用GWR(地理加权回归分析方法)建模法反演的近地气温数据以及TRMM降水量数据,通过逐像元的斜率、偏相关和复相关分析,分析新疆博斯腾湖流域净初级生产力和降水、近地气温等气候要素的时空变化趋势,探讨NPP的时空格局及其影响因素。结果表明,1)各月气温地理加权回归模型(geographical weighted regression,GWR)的决定系数(R²)均高于0.85,估算得到的近地表气温与实测气温的验证结果 R²均高于0.9,能满足本研究的精度需求。2)在研究时间内,博斯腾湖流域NPP的年均值在205.12~235.7 g·(m²·a)^-1波动,多年NPP平均值为221.52 g·(m²·a)^-1,整体上NPP呈减少趋势。3)NPP变化斜率介于-18~26 g·(m²·a)^-1,减少趋势主要分布在山区,占总面积的35.23%;增长趋势主要分布在平原绿洲区,占总面积的16.99%。4)博斯腾湖流域39.81%的植被NPP的变化受气候因素影响,山区和平原区都有分布;受非气候因素影响的区域占总面积的16.57%,主要分布在人类居住的平原绿洲区域,说明研究区NPP的时空变化是气候变化和人类活动的共同结果,但气候因素的影响较大。

关键词: NPP; MOD17A3; 气候变化; 地理加权回归分析; TRMM; 博斯腾湖流域

中图分类号:S164(245) 文献标志码:A 文章编号:1001-0629(2018)07-1743-11

Spatio-temporal variations and impacting factors of vegetation NPP in the Bosten Lake Drainage Basin from 2000 to 2014

Aizezitiyuemaier·Maimaiti¹, Yusufujiang·Rusuli^1,², Jiang Hong¹, Baihetinisha·Abudoukerimu¹, He Hui¹

1.Institute of Geographical Science and Tourism/Laboratory of Information Integration and Ecological Safety,Xinjiang Normal University, Urumqi 830054, Xinjiang, China

2. Xinjiang Key Laboratory of Lake Environment and Resources in Arid Zone, Urumqi 830054, Xinjiang, China

Corresponding author: Yusufujiang·Rusuli E-mail:Yusupjan@xjnu.edu.cn

Abstract

Net Primary Productivity (NPP) is an important indicator reflecting the response of terrestrial ecosystems to climate change, and is closely connected with climate change, and the carbon balance and cycle. NPP is a fundamental ecosystem function that is influenced by vegetation type, climate, and human activities at local and global scales. Research on NPP of ecosystems is important, as solutions are needed for issues, such as environmental change, sustainable management, and biodiversity conservation. Hence, an in-depth understanding of spatio-temporal variation and driving factors of NPP are fundamental for carbon balance and cycle in changing environments. Bosten Lake Drainage Basin, northwestern China, covers a vast area of complicated terrain, including the most of the middle Tianshan Mountains in the northwest, the entire Yanqi basin, and northeast Tarim basin in the south, and is characterized by distinctive distribution patterns of temperature and precipitation. In this paper, based on MOD11A2, GHCN_CAMS air temperature, DEM(digital elevation model), and metrological observed data, we established monthly Geographical Weighted Regression (GWR) models and retrieved near surface air temperature. Then, the spatio-temporal evolution characteristics and driving factors of NPP in Bosten Lake Drainage Basin was studied employing methods of slope, partial correlation, and multiple correlations as effective methodologies. The results demonstrate that: 1) the determinant coefficient ( R²) of the monthly temperature GWR regression model was > 0.85 and R² between estimated and observed air temperature was R² > 0.9, indicating the accuracy of this research; 2) the annual mean NPP varied between 205.12~235.7 g·(m²·a)^-1, whereas the inter-annual mean value was 221.52 g·(m²·a)^-1. Generally, vegetation NPP in the research area showed a decreasing trend; 3) the linear slope analysis demonstrated that the NPP varied between -18~26 g·(m²·a)^-1. The decreasing trend was mainly distributed in the mountains, which accounted for 5.23% of the total study area, whereas the increasing trend was mainly distributed to the oasis plain area, which accounted for 16.99%; 4) the regions with NPP changes resulted from climate factors of 39.81% of the total coverage of the research area.These regions were distributed in the mountainous and plain areas.By contrast, those subjected to non-climate factors occupied 16.57%, were mainly located at plain areas.Regarding the significance of this research, the results provide information for ecological environmental construction and sustainable development for the Bosten Lake drainage basin.

Key words: NPP; MOD17A3; climate change; GWR; TRMM; Bosten Lake Drainage Basin

文章图片

陆地植被净初级生产力(net primary productivity, NPP)是指绿色植物在单位时间、单位面积上所累积的有机物数量, 是由光合作用所产生的有机质总量(gross primary productivity, GPP)中扣除自养呼吸(autotriphic respiration, RA)消耗量后的剩余部分^[1], 用以表征绿色植物的固碳能力。净初级生产力不仅可以反映在自然环境条件下植被对CO₂的固定能力, 还能表征生态系统的质量和生产能力, 而且是判定生态系统的碳源/汇功能、地球承载力估算及生态系统可持续性评价的一个重要生态指标^{[2, 3, 4]}, 研究净初级生产力及其对全球变化的响应, 在整个陆地生态系统碳循环研究中具有举足轻重的作用。净初级生产力的变化与降水和温度对植被光合作用及新陈代谢的影响直接相关^{[5, 6]}, 加上人类活动的影响, 最终气候变化和人类活动的双重胁迫极大地影响着陆地生态系统的碳循环。随着气候和生态环境问题的日益突出, 也就是从20世纪60年代开始, 陆地生态系统NPP的研究, 尤其是区域尺度上的NPP变化及影响因素研究引起了大量学者的关注^{[7, 8]}。近年来, 3S技术的发展和长时间序列遥感数据的积累, 为其研究提供了重要的技术平台和数据库^{[9, 10]}。

全球气候变化对NPP的影响是我国学者们最为关注的领域之一, 已经从不同空间尺度、不同生态类型等方面对气温、降水等主要气象因子对NPP的影响展开了广泛的讨论。目前, 在区域尺度上, 对我国东北地区^[11]、南方地区^[12]、长江黄河区^{[13, 14, 15]}、内蒙古区^[16]、青藏高原^{[17, 18]}等地区进行了综合研究, 大多数是关于湿润半湿润地区较大尺度的研究。针对干旱、半干旱地区的研究较少, 尤其针对我国西北干旱区的研究尚不多见。博斯腾湖流域位于新疆天山中部南缘和塔克拉玛干沙漠, 属于典型的干旱区大陆性气候, 地形较复杂, 气候变化和人类活动对陆地生态系统的影响较为明显^[19]。因此, 以我国西北干旱区气候变化明显, 地貌条件较复杂, 人类活动和气候变化对陆地植被覆盖影响显著的博斯腾湖流域作为研究区, 探索整个流域系统NPP时空变化及其影响因子, 具有重要的理论意义及实用价值。本研究利用MODIS17A3数据、GHCN_CAMS气温观测/再分析资料、ASTER GDEM V2.0、MOD11A2和TRMM等资料, 借助3S技术对该流域植被NPP时空分布及其变化特征进行研究, 并对其影响因子进行分析。

1 研究区概况与研究方法

1.1 研究区

博斯腾湖流域位于新疆天山南麓和塔克拉玛干沙漠北缘^[20], 地理位置为82° 80'-88° 63' E, 40° 73'-43° 57' N , 境内有库尔勒市、焉耆回族自治县等7个市和县, 总面积约为68 687 km², 包括流入博斯腾湖的开都河、黄水沟河、清水河等20条时令河上游, 以及焉耆盆地和孔雀河流域。流域东南部为平原盆地区, 海拔在856~4 798 m, 总体地势是北高南低, 西高东低, 高山、峡谷和盆地交错, 地形复杂。流域内有我国最大的内陆淡水湖博斯腾湖, 是开都河的尾闾和孔雀河的源头, 博斯腾湖在焉耆盆地随海拔的变化自上而下包括冰雪带、高山垫状植被带、高山草甸带、草原带、荒漠草原带、荒漠带等^[21]。整个博斯腾湖流域属于暖温带大陆性干旱气候, 除山区产流区外, 整个流域范围内干旱少雨。平原盆地降水稀少, 且80%以上集中在5-9月, 年最长无降水日数达158~190 d, 年蒸发量达1 141 mm, 年平均气温 8.2~11.5 ℃^[22]。由于研究区自然地理条件适宜于农业发展, 20世纪50年代以来, 尤其是70年代后, 绿洲区农业耕地面积呈增长趋势, 在气候变化和人类活动的共同影响下, 博斯腾湖流域及其周围绿洲面积、地表覆盖方面发生明显变化^[23]。

	Figure Option View Download New Window
	图1 研究区地形示意图Fig. 1 The terrain and location of the Bosten Lake Drainage Basin

1.2 数据与方法

1.2.1 数据来源 NPP数据来源于美国陆地过程分布式数据档案中心(Land Processes Distributed Active Archive Center, LPDAAC)的MOD17A3数据产品(https://lpdaac.usgs.gov/)。本数据的时间跨度为2000-2014年, 空间分辨率1 km, 时间分辨率为年。用MRT(MODIS Reprojection Tools)软件对图像进行镶嵌、格式转换和重投影等操作。

土地覆盖类型数据来源于MODIS陆地研究小组(MODIS Land Team)2008年推出的Aqua和Terra卫星数据合成的年度土地覆盖分类L3级产品MOD12Q1的NPP土地覆盖数据集, 空间分辨率500 m, 时间跨度为2000-2014年。该数据集共有9种土地类型, 包括常绿针叶林、常绿阔叶林、落叶阔叶林、落叶针叶林、一年生阔叶植被、一年生草本植被、城市、水体、无植被覆盖区, 对其数据进行镶嵌、格式转换和重投影等预处理后, 最终得到与NPP数据分辨率和投影相同的植被类型数据。在本研究中去除了水体、无植被覆盖区和城市3种土地类型。

气象数据为从NASA(美国国家航空航天局)网站下载的TRMM卫星第7版本3级产品(3B43 Version7)的月降水产品数据, 空间分辨率为0.25° × 0.25° , 时间跨度为2000-2014年。博斯腾湖流域及其周围区域TRMM降水数据精度(R²=0.95)^[24], 满足研究精度需求。美国国家环境预报中心— — 气候预报中心(NCEP-CPC)收集的2 m高气温观测/再分析资料GHCN_CAMS(空间分辨率为0.5° × 0.5° )用于反演1 km空间分辨率的近地表气温数据和MOD11A2地表温度(LST) 8d合成产品, 空间分辨率为1 km。

DEM数据由美国国家航空航天局(NASA)与日本经济产业省(METI)合作完成的先进星载热发射和反射辐射仪全球数字高程模型ASTER GDEM V2.0(分辨率为30 m)数据下载获取, 分别对DEM数据、MOD11A2和TRMM产品进行镶嵌、格式转换空间插值和重投影等预处理, 最终得到与NPP数据分辨率和投影系统相同的空间数据。

气象观测数据位选取博斯腾湖流域内巴音布鲁克、巴仑台、焉耆、库尔勒和轮台5个气象站2000-2014年的逐月平均气温观测数据(中国地面气候资料月值数据集, 来自中国气象信息中心), 对近地表气温遥感反演结果进行精度评价。

1.2.2 研究方法

1) 近地表气温的遥感反演:由于我国西北干旱区气象观测站稀少, 气温资料极度匮乏, 现有的内插方法不能保证气温在空间上的分布精度。为获取研究区高时空分辨率的近地表气温数据集, 利用MODIS的LST产品、GHCN_CAMS气温观测/再分析资料、DEM数据和地面气象观测资料等相结合, 采用基于空间异质性理论的地理加权回归分析方法(GWR)^[25], 估算空间分辨率为1 km的月均气温。主要步骤:1)在MOD11A2地表温度8 d合成产品的基础上统计获取研究区2000-2014年的空间分辨率为1 km的逐月平均LST数据集。2)对逐月的GHCN_CAMS气温观测/再分析资料进行Kriging插值, 形成空间分辨率为1 km的2 m高气温空间分布数据集。3)通过重采样ASTER GDEM V2.0(分辨率为30 m)数据, 获取研究区1 km空间分辨率的DEM数据。4)以各月GHCN_CAMS气温观测/再分析数据作为因变量, DEM高程和LST数据作为自变量, 建立逐月均气温估算GWR模型(表1)。5)最后, 通过比较统计气象站实测气温和估算气温对反演精度进行验证。选取研究区内巴音布鲁克等5个地面气象站, 利用2000-2014年的气温月平均值数据, 在点尺度上进行精度验证。

2) NPP变化趋势分析:在研究区NPP、气温和降水栅格数据的基础上, 借助于IDL编程语言分别逐像元计算各要素的变化趋势和要素之间的偏相关系数及复相关系数, 揭示2000-2014年NPP的时空变化及其影响因子。计算公式^[25]:

Slope= $\frac{n \times \overset{n}{\sum_{i = 1}} (i \times NP P_{i}) - \overset{n}{\sum_{i = 1}} i \overset{n}{\sum_{i = 1}} NP P_{i}}{n \times \overset{n}{\sum_{i = 1}} i^{2} - {(\overset{n}{\sum_{i = 1}} i)}^{2}}$ 。 (1)

式中:Slope是某一像元点在研究时段内NPP年际变化的一元线性方程的斜率线性倾向值, n是研究时段的长度(n=15), NPP_i是该像元点第i年的NPP值。Slope值的正负表明表明变化趋势是增加的或者减少的, 正表明增加趋势, 负表明减少趋势。

3) NPP与气温、降水量的相关分析:采用像元计算的偏相关系数法分析了降水量和气温对植被NPP变化的影响^[16]。相关系数计算公式:

R_xy= $\frac{n \times \overset{n}{\sum_{i = 1}} (X_{i} - \bar{X}) (Y_{i} - \bar{y})}{\sqrt[]{\overset{n}{\sum_{i = 1}} (X_{i} {- \bar{X})}^{2}} \sqrt[]{\overset{n}{\sum_{i = 1}} (Y_{i} {- \bar{y})}^{2}}}$ 。(2)

式中:R_xy是x、y两个变量的相关系数; x_i和y_i分别为第i年的NPP和气候因子值; $\bar{x}$ 和 $\bar{y}$ 是两个变量的多年平均值; n为年数。通过计算两变量的简单相关系数, 进而获得偏相关系数, 计算公式:

R_xy_,_z= $\frac{R_{xy} - R_{xz} R_{yz}}{\sqrt[]{(1 - R_{xz}^{2})} \sqrt[]{(1 - R_{yz}^{2})}}$ 。 (3)

式中:R_xy_,_z是将自变量z固定后因变量x与自变量y的偏相关系数。采用t检验法对偏相关系数进行显著性检验。其计算公式:

t= $\frac{R_{xy, Z}}{\sqrt[]{1 - R_{xy, z}^{2}} \sqrt[]{n - m - 1}}$ 。 (4)

式中:n为样本数; m为自变量个数。

为了更进一步解析各要素之间的相互关系和综合影响采用复相关分析方法。其方法的计算公式:

R_x_,_yz= $\sqrt[]{1 - (1 - R_{xy}^{2}) (1 - R_{xz, y}^{2})}$ 。 (5)

式中:R_x_,_yz是因变量x和自变量y, z的复相关系数; R_xy表示x与y的线性相关系数, R_xz_,_y表示固定自变量y后因变量x与自变量z的偏相关系数。对此结果采用F检验法进行显著性检验。其计算公式:

F= $\frac{R_{x, yz}^{2}}{1 - R_{x, yz}^{2}}$ × $\frac{n - k - 1}{k}$ 。 (6)

式中:n为样本数; k为自变量个数。

驱动分区准则:本研究参考王强等^[27]通过参照植被覆盖变化驱动分区原则并进行适当修正后的分区原则, 对博斯腾湖流域植被NPP变化进行驱动分析。

2 结果与分析

2.1 近地表气温估算模型及精度验证结果

GWR回归分析结果显示(表1), 12个月的决定系数R²(0.88~0.91)均高于0.88, 月平均气温的变化范围为-10.95~16.34 ℃, 说明地表温度(T_s)和海拔高度(H)这两个变量能较好地解释近地表气温(T_a)的变化。

估算出的气温与地面实测气温具有非常好的线性相关关系, 其中巴音布鲁克气象站点的海拔在2 500 m左右, 库尔勒和轮台气象站点的海拔在950 m左右, 无论海拔高度高或低, R²都高于0.95, 估算气温很接近地面实测气温(图2), 说明在该研究区采用通过GWR模型估算出来的近地表气温具有一定的合理性。

表1 研究区各月平均气温的线性估算模型及统计值 Table 1 Linear regression models of monthly air temperature and their statistical values

	Figure Option View Download New Window
	图2 估算气温与实测气温的关系Fig. 2 Relationship between monthly retrieved near surface air temperature and observed surface temperature

2.2 NPP的时空分布特征

博斯腾湖流域2000-2014年的NPP在整体上呈减少趋势, 年际波动较大(图3)。全区NPP的年均值在205.12~235.7 g· (m²· a)^-1, NPP的多年平均值为221.52 g· (m²· a)^-1, 超出NPP多年均值的年份有2000、2002、2003、2007、2009、2012和2013年, 其他年份均低于多年平均值。其中2008年的NPP均值最低, 为205.12 g· (m²· a)^-1, 相对变化率为-7.99%, 2007年的NPP最高, 为235.7 g· (m²· a)^-1, 相对变化率达6.02%。

由博斯腾湖流域2000-2014年NPP多年平均空间分布可知(图3b), 研究区年均NPP空间差异明显, 最高值出现在开都河流域上游, 低值主要出现在东部的戈壁滩和沙漠区。NPP整体上呈由西北向东南方向递减的趋势, 具体表现为, 博斯腾流域上游山区, NPP由西向东递减, 西部大尤路都斯盆地NPP均值基本上在200~499 g· (m²· a)^-1, 东部小尤路都斯盆地、黄水沟流域和清水河流域的NPP均值在100~300 g· (m²· a)^-1之间, 博斯腾湖流域中下部的绿洲区, 也就是和静、和硕、焉耆回族自治县、博湖、库尔勒、尉犁、轮台等人类活动影响较强的平原绿洲区, NPP均值介于0~400 g· (m²· a)^-1。

	Figure Option View Download New Window
	图3 博斯腾湖流域2000-2014年NPP年际变化和空间分布格局Fig. 3 Annual variation and spatial distribution of mean NPP in Bosten Lake Drainage Basin during 2000-2014

2.3 NPP变化趋势分析

由2000-2014年博斯腾湖流域NPP时空变化趋势可知(图4), NPP的变化量介于-18~26 g· (m²· a)^-1, NPP呈增加趋势的区域与NPP呈减少趋势的区域镶嵌分布, 大部分区域NPP呈减少趋势, 包括大、小尤路都斯盆地、霍拉山大部分、黄水沟流域和清水河的上游等区域, 博湖、库尔勒和轮台等平原绿洲区以及额尔宾山和大小尤路都斯盆地周围的高山区NPP呈增加趋势。NPP呈减少趋势的区域占研究区面积的35.2%, NPP呈增长趋势的区域占研究区面积的16.99%, 其中增长率大于10 g· (m²· a)^-1的区域仅占研究区面积的0.32%, 增长率介于0~10 g· (m²· a)^-1的区域占研究区面积的16.67%。

研究区内有常绿针叶林、常绿阔叶林、一年生草本等6种植被类型(图5)。不同植被类型的NPP均值差异大小按顺序分别为一年生草本植被[233.41 g· (m²· a)^-1]> 一年生阔叶植被[219.58 g· (m²· a)^-1]> 常绿针叶林[219.46 g· (m²· a)^-1]> 落叶针叶林[193.62 g· (m²· a)^-1]> 常绿阔叶林[179.41 g· (m²· a)^-1]> 落叶阔叶林[171.41 g· (m²· a)^-1]。由此可知, 在博斯腾湖流域固碳能力最强的是一年生草本植被和一年生阔叶植被, 最弱的为在绿洲平原区生长的落叶阔叶林。从博斯腾湖流域不同植被类型NPP平均值变化曲线可以看出(图5), 常绿阔叶林和落叶阔叶林的NPP年际变化较大, 其中常绿阔叶林的NPP年际变化呈微幅增加趋势, 落叶阔叶林的NPP年际变化呈减少趋势。其他一年生草本植被、一年生阔叶植被、常绿阔叶林和落叶针叶林的NPP年际变化呈波动式变化, 但总趋势基本保持不变。

	Figure Option View Download New Window
	图4 博斯腾湖流域2000-2014植被年NPP变化趋势分布格局Fig. 4 Spatial pattern of NPP absolute variability in Bosten Lake Drainage Basin during 2000-2014

	Figure Option View Download New Window
	图5 博斯腾湖流域植被类型和NPP平均值动态变化Fig. 5 Dynamic change of the vegetation types in the mean NPP in Bosten Lake Drainage Basin

2.4 气象要素年际变化和趋势分析

由于博斯腾湖流域的地形存在明显的空间差异性, 气象要素的空间分布也较复杂, 气温和降水量的分布有着明显的时空分异特征。整个研究区2000-2014年年平均气温分布范围为6.01~7.36 ℃(图6a), 最低气温出现在2014年, 最高气温出现在2007年, 多年平均温度为6.77 ℃, 在研究时段内气温呈下降趋势。年均降水量在196.85~275.41 mm(图6b), 年均降水量也呈波动式减少趋势。从博斯腾湖流域气温和降水量的空间变化趋势可知(图6c和图6d), 气温呈上升趋势的区域面积(15.92%)小于呈下降趋势的区域面积(84.08%)气温上升的区域主要分布在大、小尤路都斯盆地周围的高山区和绿洲平原区周边。降水量呈增加趋势的区域面积(52.58%)略大于呈减少趋势的区域面积(47.42%), 降水量减少的区域主要分布在博斯腾湖流域中部的山区、轮台县和何静县境内的平原绿洲区, 其他区域的降水量呈不同程度的增加趋势。

	Figure Option View Download New Window
	图6 博斯腾湖流域2000-2014年的年平均近地表气温(a)、降水量(b)年际动态变化和空间变化趋势(c、d)Fig. 6 Dynamic change of annual mean surface temperatures (a), precipitation (b), and spatial patterns (c, d) in Bosten Lake Drainage Basin during 2000-2014

2.5 NPP与年均气温、降水量的相关分析

由博斯腾湖流域NPP与近地表气温偏相关性空间分布图可知, NPP与气温的偏相关性系数在-0.9~0.87, 呈正相关的区域占研究区总面积的39.68%, 主要集中在大、小尤路都斯盆地周围的海拔高度较高的山区; 呈负相关的区域占研究区总面积的35.21%, 主要在研究区北部的大、小尤路都斯盆地, 博湖县, 库尔勒市, 轮台县等平原区域以及霍拉山大部分和东部山区。

NPP与降水量的偏相关性空间分布图显示(图7b), 年NPP与降水量的相关性系数介于-0.73~0.92, 呈正相关关系的区域面积占研究区面积的58.73%, 主要集中在大、小尤路都斯盆地和平原区域以及霍拉山大部分和黄水沟流域。呈负相关关系的区域面积占16.15%, 主要分布在大、小尤路都斯盆地周围的山区, 额尔宾山等区域。可以看出, 大部分跟气温呈正相关关系的区域反而跟降水量呈负相关关系, 跟气温呈负相关关系的区域跟降水量呈正相关关系, 气温和降水共同呈正相关关系的区域面积占全区植被面积的27.56%, 共同呈负相关关系的区域面积占4.03%。

由博斯腾湖流域年NPP与平均气温和降水量的复相关空间分布图可知(图8a), NPP与气温、降水量的复相关系数介于0~0.95。复相关性较强的区域主要分布在霍拉山西西侧、博湖县、库尔勒市、轮台县等平原区和黄水沟流域等区域。复相关性较弱的区域主要分布在大、小尤路都斯盆地周边, 额尔宾山一部分和硕县东北的山区等。复相关性分布特征如此复杂可能与植被类型和地形有关。

	Figure Option View Download New Window
	图7 博斯腾湖流域2000-2014年植被NPP与近地表气温(a)和降水(b)的偏相关系数空间分布Fig. 7 Spatial distribution of partial correlations between annual NPP and surface temperature (a), precipitation (b) in Bosten Lake Drainage Basin during 2000-2014

2.6 NPP变化的影响因子分析

气候和人类活动是影响植被NPP动态变化的主要因子^{[28, 29]}, 其中植被生长对气候变化特别是温度和降水量的变化具有较强的敏感性。

由博斯腾湖流域植被NPP变化驱动分区图可得出(图8b), 1)2000-2014年气温、降水对NPP强驱动的区域主要集中在科克铁克山、小尤路都斯盆地西南侧, 黄水沟河流域西侧和霍拉山中部, 面积占全区面积的7.05%。2)以气温为主驱动的区域主要分布在海拔3 000 m以上的山区, 面积约占全区面积的9.34%。3)以降水为主驱动的区域面积较大, 集中分布在黄水沟河流域, 下侧平原绿洲, 霍拉山, 大、小尤路都斯盆地上侧, 约占研究区面积的19.23%。4)气温、降水弱驱动的区域分布在博湖县、库尔勒市等人类居住区以及大、小尤路都斯盆地等相比于周边海拔高度较低的区域, 面积约占研究区总面积的4.19%。5)剩余的约16.57%区域属于非气候因素驱动的区域, 包括人类居住的地势较平原的绿洲区域、大、小尤路都斯盆地周围、清水河流域上游等。综上可知, 研究区约39.81%的面积上NPP动态变化受气候因素的驱动, 16.57%的面积上NPP变化受非气候因素(包括人类活动、自然灾害等)的驱动。

Figure Option
View Download New Window

图8 博斯腾湖流域2000-2014年NPP与近地表气温-降水的复相关分布(a)和变化驱动力分区(b)
(T+P)+表示气温、降水强驱动; T表示气温为主驱动; P表示降水为主驱动 ; (T+P)-表示气温、降水弱驱动; NC表示非气候驱动。Fig. 8 Spatial distribution of multiple correlation between NPP and temperature-precipitation (a) and NPP change regions driven by different factors (b) from 2000-2014 in Bosten Lake Drainage Basin
(T+P)+ , change driven by temperature and precipitation strongly; T, change driven by temperature mainly; P, change driven by precipitation mainly; (T+P)- , change driven by temperature and precipitation weakly; NC, change driven by non-climate.

3 讨论与结论

已有的研究表明, MODIS地表温度数据在空间上的变化规律与近地气温变化相似, 二者之间的线性相关性非常好^{[30, 31, 32, 33, 34]}, 但这些研究基本上都采用普通线性回归分析法建立气温与地表温度之间的一元线性回归模型来估算气温^[35]。本研究的不同之处在于采用地理加权回归分析法(GWR), 基于空间变异性的假设模型, 将地表温度和海拔高度等作为变量引入GWR模型中, 进一步提高了估算精度。

研究区内山区的NPP整体上自西向东呈减少趋势, 在平原区域分布较为复杂。全区年NPP在年际水平上呈减少趋势, 均值在205.12~235.7 g· (m²· a)^-1, 变化量介于-18~26 g· (m²· a)^-1, NPP呈减少趋势的区域占研究区面积的35.23%, 呈增长趋势的区域占研究区面积的16.99%。不同植被类型的NPP均值差异并不显著, 其中一年生草本植被的NPP均值最大[233.41 g· (m²· a)^-1], 落叶阔叶林的NPP均值最小[171.41 g· (m²· a)^-1]。

博斯腾湖流域NPP动态变化受气候因子驱动的区域占研究区总面积的39.81%, 其中气温和降水量共同驱动的区域占7.05%, 气温主驱动的区域占9.34%, 降水量主驱动的占19.23%, 温度和降水量弱驱动的占4.19%, 非气候因子驱动的占16.57%。相比而言, 研究区海拔高度3 000 m以上的区域受气温影响较明显, 3 000 m以下的区域受降水量的影响较明显。整个研究区NPP的时空变化是气候变化和人类活动影响下的共同结果, 但气候因素的决定性作用较大。

(责任编辑武艳培)

The authors have declared that no competing interests exist.

参考文献

文献选项

[1]	Lieth H, Whittaker R H. Primary Productivity of the Biosphere, New York: Springer, 1975. [本文引用:1]
[2]	周广胜, 张新时. 自然植被净第一性生产力模型初探. 植物生态学报, 1995, 19(3): 193-200. Zhou G S, Zhang X S. A natural vegetation NPP model. Acta Phytoecologica Sinica, 1995, 19(3): 193-200. (in Chinese) [本文引用:1]
[3]	Field C B, Behrenfeld M J, Rand erson J T, Falkowski P. Primary production of the biosphere: Integrating terrestrial and oceanic complements. Science, 1998, 281: 237-240. [本文引用:1]
[4]	何云玲, 张一平. 云南省自然植被净初级生产力的时空分布特征. 山地学报, 2006, 24(2): 193-201. He Y L, Zhang Y P. A preliminary study on the spatial temporal pattern of NPP in Yunnan Province. Journal of Mounta in Science, 2006, 24(2): 193-201. (in Chinese) [本文引用:1]
[5]	Ponce-Campos G E, Moran, M S, Huete A, Zhang Y G, Bresloff C, Huxman T E, Eamus D, Bosch D D, Buda A R, Gunter S A, Scalley T H, Kitchen S G, McClaran M P, McNab W H, Montoya D S, Morgan J A, Peters D P C, Sadler E J, Seyfried M S, Starcks P J. Ecosystem resilience despite large-scale altered hydroclimatic conditions. Nature, 2013, 494: 349-352. [本文引用:1]
[6]	Michaletz S T, Chang D L, Kerkhoff A J, Enquist B J. Convergence of terrestrial plant production across global climate gradients. Nature, 2014, 52: 39-43. [本文引用:1]
[7]	任璇, 郑江华, 穆晨, 闫凯, 徐廷豹. 不同气象插值方法在新疆草地NPP估算中的可靠性评价. 草业科学, 2017, 34(3): 439-448. Ren X, Zheng J H, Mu C, Yan K, Xu T B. Evaluating reliability of grassland net primary productivity estimates using different meteorological interpolation methods. Pratacultural science, 2017, 34(3): 439-448. (in Chinese) [本文引用:1]
[8]	Del Grosso S, Parton W, Stohlgren T, Zheng D, Bachelet D, Prince S, Hibbard K, Oloson R. Global potential net primary production predicted from vegetation class, precipitation, and temperature. Ecology, 2008, 89(8): 2117-2126. [本文引用:1]
[9]	孙力炜. 祁连山区植被净第一性生产力的时空分布特征及气候变化和人类活动的影响. 兰州: 西北师范大学硕士学位论文, 2013. Sun L W. Temporal ad spatial variation of vegetable net primary productivity and influence of climate change and human activity in Qilian Mountains. Master Thesis. Lanzhou: Northwest Normal University, 2013. (in Chinses) [本文引用:1]
[10]	李晓荣, 高会, 韩立朴, 刘金铜. 太行山区植被NPP时空变化特征及其驱动力分析. 中国生态农业学报, 2017, 25(4): 498-508. Li X R, Gao H, Han L P, Liu J T. Spatio-teeemporal variation in vegetations NPP and the driving factors in Taihang Mountain area. Chinese Journal of Eco-agriculture, 2017, 25(4): 498-508. (in Chinese) [本文引用:1]
[11]	毛德华, 王宗明, 韩佶兴, 任春颖. 1982-2010年中国东北地区植被NPP时空格局及驱动因子分析. 地理科学, 2012, 32(9): 1106-1111. Mao D H, Wang Z M, Han J X, Ren C Y. Spatio-temporal pattern of net primary productivity and its driven factors in Northeast China in 1982-2010. Scientia Geographica Sinica, 2012, 32(9): 1106-1111. (in Chinese) [本文引用:1]
[12]	戴尔阜, 李双元, 吴卓, 严浩文, 赵东升. 中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系: 以江西省泰和县为例. 地理研究, 2015, 34(7): 1222-1234. Dai E F, Li S Y, Wu Z, Yan H W, Zhao D S. Spatial pattern of net primary productivity and its relationship with climatic factors in Hilly Red Soil Region of southern China: A case study in Taihe county, Jiangxi Province. Geographical Research, 2015, 34(7): 1222-1234. (in Chinese) [本文引用:1]
[13]	吴珊珊, 姚治君, 姜丽光, 王蕊, 刘兆飞. 基于MODIS的长江源植被NPP时空变化特征及其水文效应. 自然资源学报, 2016, 31(1): 39-51. Wu S S, Yao Z J, Jiang L G, Wang R, Liu Z F. The spatial-temporal variations and hydrological effacts of vegetation NPP based on MODIS in the source region of the Yangtze River. Journal of Natural Resources, 2016, 31(1): 39-51. (in Chinese) [本文引用:1]
[14]	蒋蕊竹, 李秀启, 朱永安, 张治国. 基于MODIS黄河三角洲湿地NPP与NDVI相关性的时空变化特征. 生态学报, 2011, 31(22): 6708-6716. Jiang R Z, Li X Q, Zhu Y A, Zhang Z G. Spatial-temporal variation of NPP and NDVI correlation in wetland of Yellow River delta based on MODIS data. Acta Ecologica Sinica, 2011, 31(22): 6708-6716. (in Chinese) [本文引用:1]
[15]	徐浩杰, 杨太保. 黄河源区植被净初级生产力时空变化特征及其对气候要素的响应. 资源科学, 2013, 35(10): 2024-2031. Xu H, Yang T B. Spatial-temporal variation characteristics of vegetation annual NPP and responses to climatic factors in the source region of the Yellow River. Resources Science, 2013, 35(10): 2024-2031. [本文引用:1]
[16]	穆少杰, 李建龙, 周伟, 杨红飞, 章超斌, 居为民. 2001-2010年内蒙古植被净初级生产力的时空格局及其与气候的关系. 生态学报, 2013, 33(12): 3752-3764. Mu S J, Li J L, Zhou W, Yang H F, Zhang C B, Ju W M. Spatial-temporal distribution of net primary productivity and its relationship with climate factors in Inner Mongolia from 2001 to 2010. Acta Ecologica Sinica, 2013, 33(12): 3752-3764. (in Chinese) [本文引用:2]
[17]	陈卓奇, 邵全琴, 刘纪远, 王军邦. 基于MODIS的青藏高原植被净初级生产力研究. 中国科学: 地球科学, 2012, 42(3): 402-410. Chen Z Q, Shao Q Q, Liu J Y, Wang J B. Analysis of net primary productivity of terrestrial vegetation on the Qinghai-Tibetan Plateau, based on MODIS remote sensing data. Scientia Sinica Terrae, 2012, 42(3): 402-410. (in Chinese) [本文引用:1]
[18]	张镱锂, 祁威, 周才平, 丁明军, 刘林山, 高俊刚, 摆万奇, 王兆锋, 郑度. 青藏高原高寒草地净初级生产力(NPP)时空分异. 地理学报, 2013, 68(9): 1197-1211. Zhang Y L, Qi W, Zhou C P, Ding M J, Liu L S, Gao J G, Bai W Q, Wang Z F, Zheng D. Spatial and temporal variability in the net primary production (NPP) of alpine grassland on Tibetan Plateau from 1982 to 2009. Acta Geographica Sinica, 2013, 68(9): 1197-1211. (in Chinese) [本文引用:1]
[19]	哈丽旦·司地克, 玉素甫江·如素力, 海米提·依米提. 新疆焉耆盆地人类活动与气候变化的效应机制. 生态学报, 2016, 36(18): 5750-5758. Halida Sidik, Yusufujiang Rusuli, Hamit Yimit. Study on ecological effect of human activities and climate change in Yanqi basin, Xinjiang, China. Acta Ecologica Sinica, 2016, 36(18): 5750-5758. (in Chinese) [本文引用:1]
[20]	邱冰, 姜加虎, 孙占东. 基于MODIS数据的降水估算在博斯腾湖流域的应用. 干旱区研究, 2010, 27(5): 675-679. Qiu B, Jiang J H, Sun Z D. Application of retrieval of precipitation in the Bosten Lake Basin on MODIS data. Arid Zone Research, 2010, 27(5): 675-679. (in Chinese) [本文引用:1]
[21]	张建财, 张丽, 郑艺, 田向军, 周宇. 基于LPJ模型的中亚地区植被净初级生产力与蒸散模拟. 草业科学, 2015, 32(11): 1721-1729. Jang J C, Zhang L, Zheng Y, Tian X J, Zhou Y. Simulation of vegetation net primary productivity and evapotranspiration based on LPJ model in Central Asia. Pratacultural Science, 2015, 32(11): 1721-1729. (in Chinese) [本文引用:1]
[22]	郭慕萍, 王志伟, 秦爱民, 范永铃. 54年来中国西北地区降水量的变化. 干旱区研究, 2009, 26(1): 120-125. Guo M P, Wang Z W, Qin A M, Fan Y L. Changes in precipitation in northwest china over the last 54 years. Arid Zone Research, 2009, 26(1): 120-125. (in Chinese) [本文引用:1]
[23]	Yusufujiang R, Li L H, Sajjad A, Xin Z. Dynamics model to simulate water and salt balance of Bosten Lake in Xinjiang, China. Environmental Earth Sciences, 2015, 74(3): 2499-2510. [本文引用:1]
[24]	孙占东, Christian O, 王润, 高前兆. 博斯腾湖流域山区地表径流对近期气候变化的响应. 山地学报, 2010, 28(2): 206-211. Sun Z D, Christian O, Wang R, Gao Q Z. Response of land surface flow to climate change in the mountain regions of Bosten lake valley, Xinjiang, China. Journal of Mountain Science, 2010, 28(2): 206-211. (in Chinese) [本文引用:1]
[25]	Brunsdon C, Fotheringham A S, Charlton M E. Geographically weighted regression: A method for exploring spatial nonstationarity. Geographical Analysis, 1996, 28(4): 281-298. [本文引用:2]
[26]	Stow D, Daeschner S, Hope A, Douglas D, Petersen A, Myneni R, Zhou L, Oechel W. Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s. International Jornal of Remote Sensing, 2003, 24(5): 1111-1117. [本文引用:1]
[27]	王强, 张廷斌, 易桂花, 陈田田, 别小娟, 何奕萱. 横断山区2004-2014年植被NPP时空变化及其驱动因子. 生态学报, 2017, 37(9): 3084-3095. Wang Q, Zhang T B, Yi G H, Chen T T, Bie X J, He Y X. Tempo-spatial variations and driving factors analysis of net primary productivity in the Hengduan mountain area from 2004 to 2014. Acta Ecologica Sinica, 2017, 37(9): 3084-3095. [本文引用:1]
[28]	刘海江, 尹思阳, 孙聪, 彭福利, 周澎. 2000-2010年锡林郭勒草原NPP时空变化及其气候响应. 草业科学, 2015, 32(11): 1709-1720. Liu H J, Yin S Y, Sun C, Peng F L, Zhou P. Temporal and spatial variation of net primary productivity (NPP) and its responses with climate in the Xilingol grassland from 2000 to 2010. Pratacultural Science, 2015, 32(11): 1709-1720. (in Chinese) [本文引用:1]
[29]	李传华, 赵军. 2000-2010年石羊河流域NPP时空变化及驱动因子. 生态学杂志, 2013, 32(3): 712-718. Li C H, Zhao J. Spatiotemporal variations of vegetation NPP and related driving factors in Shiyang River Basin of Northwest China in 2000-2010. Chinese Journal of Ecology, 2013, 32(3): 712-718. (in Chinese) [本文引用:1]
[30]	Vogt J, Viau A A, Paquet F. Mapping regional air temperature fields using satellite derived surface skin temperatures. International Journal of Climatology, 1997, 17: 1559-1579. [本文引用:1]
[31]	Vancutsem C, Ceccato P, Dinku T, Connor S J. Evaluation of MODIS land surface temperature data to estimate air temperature in different ecosystems over Africa. Remote Sensing of Environment, 2010, 114: 449-465. [本文引用:1]
[32]	Mostovoy G V, King R L, Reddy K R, Kakani G, Filippova M G. Statistical estimation of daily maximum and minimum air temperatures from MODIS LST data over the state of Mississippi. GIScience and Remote Sensing, 2006, 43(1): 78-110. [本文引用:1]
[33]	Prihodko L, Goward S N. Estimation of air temperature from remotely sensed surface observations. Remote Sensing of Environment, 1997, 60(3): 335-346. [本文引用:1]
[34]	Stisen S, Sand holt I, Norgaard A, Fensholt R, Eklundh L. Estimation of diurnal air temperature using MSG SEVIRI data in West Africa. Remote Sensing of Environment, 2007, 110(2): 262-274. [本文引用:1]
[35]	姚永慧, 张百平. 基于MODIS数据的青藏高原气温与增温效应估算. 地理学报, 2013, 68(1): 95-107. Yao Y H, Zhang B P. MODIS-based estimation of air temperature and heating-up effect of the Tibetan Plateau. Acta Georaphica Sinica, 2013, 68(1): 95-107. (in Chinese) [本文引用:1]

1975

0.0

... 陆地植被净初级生产力(net primary productivity, NPP)是指绿色植物在单位时间、单位面积上所累积的有机物数量,是由光合作用所产生的有机质总量(gross primary productivity,GPP)中扣除自养呼吸(autotriphic respiration,RA)消耗量后的剩余部分^[1],用以表征绿色植物的固碳能力 ...

1995

0.0

周广胜, 张新时. 自然植被净第一性生产力模型初探. 植物生态学报, 1995, 19(3): 193-200.

Zhou G

, Zhang X

. A natural vegetation NPP model. Acta Phytoecologica Sinica, 1995, 19(3): 193-200. (in Chinese)

... 净初级生产力不仅可以反映在自然环境条件下植被对CO₂的固定能力,还能表征生态系统的质量和生产能力,而且是判定生态系统的碳源/汇功能、地球承载力估算及生态系统可持续性评价的一个重要生态指标^[2,3,4],研究净初级生产力及其对全球变化的响应,在整个陆地生态系统碳循环研究中具有举足轻重的作用 ...

1998

0.0

2006

0.0

何云玲, 张一平. 云南省自然植被净初级生产力的时空分布特征. 山地学报, 2006, 24(2): 193-201.

He Y

, Zhang Y

. A preliminary study on the spatial temporal pattern of NPP in Yunnan Province. Journal of Mounta in Science, 2006, 24(2): 193-201. (in Chinese)

基于气候生产力模型,利用1960～2000年127个气象站气温、降水资料以及植被信息,对云南省自然植被净初级生产力的时空分布特征进行了分析.结果表明:41 a云南自然植被年均NPP为4.23×108t DM/a,约占全国自然植被年均NPP总量的11.4%;单位面积的平均NPP为10.64t DM/(hm2·a),是全国平均水平的2.8倍.云南自然植被NPP随着纬度、经度和海拔高度的增加均呈现下降趋势,变化总趋势为北部＜中部＜南部,东部＜中部＜西部.云南自然植被NPP在干季(11～4月)和雨季(5～10月)差异显著,6～8月最大;41 a来云南大部分地区自然植被NPP呈现上升趋势,20世纪70、80年代比60年代有所下降,90年代有所上升.气温增加,降水增加或不变的情况下,滇西北和滇东北NPP增加幅度大于其他地区,说明这些地区气温是制约自然植被NPP的主要因素;气温增加,降水减少的情况下,几个少雨区和多雨区NPP降低幅度大于其他地区,表明在上述地区限制NPP的主要因素是水分.

2013

0.0

... 净初级生产力的变化与降水和温度对植被光合作用及新陈代谢的影响直接相关^[5,6],加上人类活动的影响,最终气候变化和人类活动的双重胁迫极大地影响着陆地生态系统的碳循环 ...

2014

0.0

2017

0.0

任璇, 郑江华, 穆晨, 闫凯, 徐廷豹. 不同气象插值方法在新疆草地NPP估算中的可靠性评价. 草业科学, 2017, 34(3): 439-448.

Ren

, Zheng J

, Mu

, Yan

, Xu T

. Evaluating reliability of grassland net primary productivity estimates using different meteorological interpolation methods. Pratacultural science, 2017, 34(3): 439-448. (in Chinese)

... 随着气候和生态环境问题的日益突出,也就是从20世纪60年代开始,陆地生态系统NPP的研究,尤其是区域尺度上的NPP变化及影响因素研究引起了大量学者的关注^[7,8] ...

2008

0.0

2013

0.0

孙力炜. 祁连山区植被净第一性生产力的时空分布特征及气候变化和人类活动的影响. 兰州: 西北师范大学硕士学位论文, 2013.

Sun L

. Temporal ad spatial variation of vegetable net primary productivity and influence of climate change and human activity in Qilian Mountains. Master Thesis. Lanzhou: Northwest Normal University, 2013. (in Chinses)

受人类活动影响，使大气中使温室气体浓度显著增加，导致了全球气候变暖。植被在调解全球碳平衡、减缓大气中二氧化碳等温室气体浓度上升、维护全球气候稳定等方面具有不可替代的作用。植被净第一性生产力能够反映植被对大气中CO2的固定能力，一直被认为是陆地生态系统中物质与能量循环研究的重要环节。及时准确的估算区域或全球尺度植被净第一性生产力，并分析时空变化特征，理解它与各种控制因子之间的相互关系，对了解区域或全球碳循环具有重要意义，并且能够为区域或全球自然资源的合理开发和利用提供重要的科学依据。祁连山作为中国的著名山系，有丰富的水源涵养林和雪冰水资源，是西北各流域维持生态平衡的重要保障。通过对祁连山区20002010植被NPP时空变化特征及气候变化和人类活动的影响进行定量分析，以便为该区域植被生产能力评价、退耕还林等生态建设工程效益评估和管理政策的制定提供一定的科学依据。本文基于MOD17A3数据集，通过GIS技术分析了祁连山区植被年NPP的时空分布特征；同时根据周广胜模型模拟并获取了气候变化对祁连山区植被NPP的影响；最后采用残差分析法研究了人类活动对祁连山区植被NPP的影响。所得主要结果如下：（1）20002010年祁连山区植被年NPP的变化范围为12.76~2995.28gC/(m2a)，平均为198.12g C/(m2a)。祁连山区植被年NPP自东向西呈现出逐渐降低的趋势。Ⅰ区东部拉脊山的东部北坡和乌鞘岭的北坡是祁连山区植被年NPP最高的地区，年NPP超过了410g C/(m2a)；Ⅰ区和Ⅱ区大部分地区植被年NPP介于210~410g C/(m2a)之间；Ⅱ区的西部和Ⅲ区交界处以及Ⅲ区大部分地区的植被年NPP介于12.76~210g C/(m2a)之间。（2）与2000年相比，2010年祁连山区大部分地区的植被年NPP是增加的，只有很少一部分地区是减少的。植被年NPP是增加的地区占研究区总面积的比例为92.93%，减少的区域面积只占7.07%，主要位于区域东部即乌鞘岭的东部地区。祁连山植被NPP的线性变化趋势也以增加为主，年NPP变化率大于0的区域占总面积的92.98%。研究区东部乌鞘岭东部地区植被年NPP变化率小于0，说明这一地区的植被逐渐在退化。（3）20002010年祁连山区植被潜在年NPP值的范围为68.82~215.52gC/(m2a)，平均为151.94g C/(m2a)，比实际年NPP小。通过回归分析发现，在气候向着暖湿变化的影响下，祁连山中部和西部的大部分地区植被年NPP呈现逐渐增加的趋势，说明气候向着暖湿变化有利于祁连山中西部地区植被恢复和生长。然而乌鞘岭及其附近地区（占总面积9.44%）的植被年NPP在气候向着暖干变化的影响下，呈现出减少的趋势。（4）通过对年均生物温度、年均温度、年降水量与实际和潜在NPP进行相关分析发现，降水是影响祁连山植被NPP的最大因素。同时对潜在年NPP和实际年NPP也做了相关性分析，发现二者的相关性也较好，通过了0.01的显著性检验。（5）通过残差法分析发现，近11年来人类活动对祁连山区植被产生正影响，对祁连山区采取的生态保护和治理措施已经取得一定成效。其中在人类活动影响下，位于Ⅰ区域和Ⅱ区中东部和北部地区的植被得到较好改善；而研究区的西部和南部（Ⅲ区和Ⅱ区西部最南部）在人类活动的影响下，植被出现了退化。虽然自2000年以来祁连山区的大规模生态保护和建设工程已取得一定的效果，但是人类活动对植被的正影响正呈现出逐渐降低的趋势，20002010年植被年NPP的残差变化斜率为-0.054，表明生态保护和建设项目的实施缺乏长效性。

... 近年来,3S技术的发展和长时间序列遥感数据的积累,为其研究提供了重要的技术平台和数据库^[9,10] ...

2017

0.0

李晓荣, 高会, 韩立朴, 刘金铜. 太行山区植被NPP时空变化特征及其驱动力分析. 中国生态农业学报, 2017, 25(4): 498-508.

Li X

, Gao

, Han L

, Liu J

. Spatio-teeemporal variation in vegetations NPP and the driving factors in Taihang Mountain area. Chinese Journal of Eco-agriculture, 2017, 25(4): 498-508. (in Chinese)

摘　要：本文基于2000—2014年MODISNPP数据,结合同期土地利用变化、气温、降水和DEM数据,运用趋势分析法、相关系数法及分区统计法等方法,研究了太行山区2000—2014年植被NPP时空变化特征,分析了气温、降水等气候因素和人为因素对植被NPP变化的影响,为太行山区植被资源管理及生态环境调控提供参考。研究结果表明:(1)太行山区植被NPP多年平均值为284.0g(C)·m?2·a?1,耕地、林地和草地的NPP均值分别为302.5g(C)·m?2·a?1、258.1g(C)·m?2·a?1、286.5g(C)·m?2·a?1。(2)2000—2014年太行山区植被NPP整体呈上升趋势,但大部分植被NPP变化未达到显著水平;16.17%的植被NPP显著或极显著升高,主要分布在太行山区西侧;0.88%的植被NPP显著或极显著降低,零散分布在研究区内。(3)不同植被类型NPP变化速率为草地>耕地>林地。(4)基于区域平均计算,太行山区植被NPP与降水显著正相关(P0.05)。基于像元计算,植被NPP与降水显著或极显著正相关区面积比例为23.82%,主要分布在太行山区北段,几乎没有显著负相关区;植被NPP与气温显著或极显著负相关区面积比例为8.42%,主要分布在太行山区西侧,显著或极显著正相关区面积比例为0.81%,主要分布在太行山区最北端。(5)研究期内气候因子对植被NPP的升高整体上表现为促进作用,而人为因素主要表现为抑制作用。太行山区生态环境保护仍应以减少人为干扰为主。

... 近年来,3S技术的发展和长时间序列遥感数据的积累,为其研究提供了重要的技术平台和数据库^[9,10] ...

2012

0.0

毛德华, 王宗明, 韩佶兴, 任春颖. 1982-2010年中国东北地区植被NPP时空格局及驱动因子分析. 地理科学, 2012, 32(9): 1106-1111.

Mao D

, Wang Z

, Han J

, Ren C

. Spatio-temporal pattern of net primary productivity and its driven factors in Northeast China in 1982-2010. Scientia Geographica Sinica, 2012, 32(9): 1106-1111. (in Chinese)

t/a (carbon), and the distribution of net primary productivity varied from vegetation types, climatic and topography differences. There are obvious difference and spatial heterogeneity for NPP in Northeast China. For the vegetation in different topography areas, net primary productivity decreased in the order of mountains, plains, plateaus. For different vegetation types, net primary productivity decreased in the order of broadleaved deciduous forest and evergreen coniferous forest, mixed coniferous and broadleaved forest and deciduous coniferous forest, crop, grass. Trend analysis at pixel extent showed that the pixels with decreased trends mainly distributed in the transitional zone between typical forest zone and plain, Hulun Buir grassland and Chifeng semi-aird region. Result of spatial variation analysis showed that the NPP of grassland vegetation had the highest changes compared with other vegetation types in the past 29 years. But net primary productivity of grassland have an obvious increase at a whole, this was maybe resulted from the conservative grazing and grassland protection. Net primary productivity exhibited obviously increasing trend in 1982-2010. Consequently, vegetation carbon fixation had enhanced as a whole acquired from the decade analysis. Climatic changes for different parameters are very important affecting factors on spatial pattern and annual dynamic of NPP. Land cover changes in Northeast China during the past 29 years influenced the spatial pattern and annual dynamic for net primary productivity of different vegetation types. Economic development in this region still makes a pressure for vegetation net primary productivity, especially the forest.

... 目前,在区域尺度上,对我国东北地区^[11]、南方地区^[12]、长江黄河区^[13,14,15]、内蒙古区^[16]、青藏高原^[17,18]等地区进行了综合研究,大多数是关于湿润半湿润地区较大尺度的研究 ...

2015

0.0

戴尔阜, 李双元, 吴卓, 严浩文, 赵东升. 中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系: 以江西省泰和县为例. 地理研究, 2015, 34(7): 1222-1234.

Dai E

, Li S

, Wu

, Yan H

, Zhao D

. Spatial pattern of net primary productivity and its relationship with climatic factors in Hilly Red Soil Region of southern China: A case study in Taihe county, Jiangxi Province. Geographical Research, 2015, 34(7): 1222-1234. (in Chinese)

摘　要：植被净初级生产力（NPP）对气候变化的响应研究是全球变化研究的核心内容之一。在区域尺度上研究NPP年际间的空间变化规律,探究气候因子与植被生长的关系,是应对气候变化区域响应、探讨区域生态过程的科学基础。基于SPOT VEGETATION NDVI植被指数数据、气候和植被分类数据,利用光能利用率模型（CASA）估算了中国南方红壤丘陵区泰和县1998-2012年植被NPP,分析了NPP时空分布特征及其与气候因子的相关性。结果表明：1 1998-2012年泰和县植被年均NPP为762 g C/m2·a,不同植被类型差异明显,空间上表现出东西高、中间低的分布特征;2 1998-2012年泰和县植被NPP总体呈增长趋势,年际波动较大,平均值为2.21×106g C/a;3研究区NPP与年降水量呈不显著正相关关系,与年均气温呈显著负相关关系,表明温度是影响该地区植被NPP的主要气候因子。

2016

0.0

吴珊珊, 姚治君, 姜丽光, 王蕊, 刘兆飞. 基于MODIS的长江源植被NPP时空变化特征及其水文效应. 自然资源学报, 2016, 31(1): 39-51.

Wu S

, Yao Z

, Jiang L

, Wang

, Liu Z

. The spatial-temporal variations and hydrological effacts of vegetation NPP based on MODIS in the source region of the Yangtze River. Journal of Natural Resources, 2016, 31(1): 39-51. (in Chinese)

植被净初级生产力是反映植被生态系统对气候变化响应的重要指标。基于2000—2010年MODIS NPP数据,结合同期年径流、气温、降水数据,运用趋势分析法、相关分析法以及径流过程指标法等方法,研究了长江源区2000—2010年植被a NPP的时空变化特征及其水文效应。研究结果表明:1)近11 a来,长江源区植被a NPP呈增加的趋势,增加趋势不显著,线性增长率为48.22 g C/m2;在水热条件的影响下,植被a NPP增长呈现出空间异质性,增加幅度由东南向西北逐渐减少。2)不同植被类型的a NPP增长趋势不同,其中针叶林、灌丛、高寒草甸和高寒草原的a NPP增长率分别为3.03、2.68、1.43和0.85 g C/(m2·a)。3)植被a NPP与6—9月的气温、5—8月的降水量呈显著相关。4)径流系数和水源涵养指数的增大进一步验证植被a NPP的增加趋势,并对源区的水资源量产生有利影响。

2011

0.0

蒋蕊竹, 李秀启, 朱永安, 张治国. 基于MODIS黄河三角洲湿地NPP与NDVI相关性的时空变化特征. 生态学报, 2011, 31(22): 6708-6716.

Jiang R

, Li X

, Zhu Y

, Zhang Z

. Spatial-temporal variation of NPP and NDVI correlation in wetland of Yellow River delta based on MODIS data. Acta Ecologica Sinica, 2011, 31(22): 6708-6716. (in Chinese)

2013

0.0

徐浩杰, 杨太保. 黄河源区植被净初级生产力时空变化特征及其对气候要素的响应. 资源科学, 2013, 35(10): 2024-2031.

, Yang T

. Spatial-temporal variation characteristics of vegetation annual NPP and responses to climatic factors in the source region of the Yellow River. Resources Science, 2013, 35(10): 2024-2031.

以2000-2010年MODIS NPP数据为基础,并结合该区同期气温和降水量数据,采用趋势分析和偏相关分析法研究了黄河源区植被NPP年累积量(aNPP)时空变化特征及影响因素。结果表明:受水热条件和植被类型分布的地带性规律影响,黄河源区植被aNPP呈由东南向西北逐渐递减趋势。常绿针叶林aNPP最高,高寒草原aNPP最低。2000-2010年黄河源区植被aNPP呈显著增加趋势,线性增长率为3.64gC/(m2 a),其中高寒沼泽、常绿针叶林、高寒草甸和高寒草原aNPP的增长率分别为4.47gC/(m2 a)、4.08gC/(m2 a)、3.61ggC/(m2 a)和3.53gC/(m2 a)。植被aNPP显著增加区域占研究区面积的46.67%,并主要分布在黄河源区中下游的河谷地带。植被aNPP显著减少区域仅占研究区面积的0.03%,在空间上呈零星分布。植被aNPP与6-9月平均气温和6-7月降水量呈显著正相关性。植被aNPP与温度呈极显著正相关和显著正相关的区域分别占研究区面积的58.53%和18.36%,并主要分布在黄河源区西部、中部和东南部。植被aNPP与降水量呈极显著正相关和显著正相关的区域分别占研究区面积的3.87%和11.27%,并主要分布在黄河区北部。气候的暖湿化是导致黄河源区植被aNPP增加的主要原因。

2013

0.0

穆少杰, 李建龙, 周伟, 杨红飞, 章超斌, 居为民. 2001-2010年内蒙古植被净初级生产力的时空格局及其与气候的关系. 生态学报, 2013, 33(12): 3752-3764.

Mu S

, Li J

, Zhou

, Yang H

, Zhang C

, Ju W

. Spatial-temporal distribution of net primary productivity and its relationship with climate factors in Inner Mongolia from 2001 to 2010. Acta Ecologica Sinica, 2013, 33(12): 3752-3764. (in Chinese)

利用MODIS NDVI数据、气象数据和植被分类数据,基于改进的光能利用率模型CASA模型对2001—2010年内蒙古不同植被类型净初级生产力(NPP)进行估算,并分析其时空分布特征及对气候因子的响应。结果表明:(1)10年间内蒙古植被年NPP的平均值为340.0 gCm-2a-1,且空间分布呈明显的经度地带性,由西向东的变化速率为每10度增加200.5 gCm-2a-1;(2)不同植被类型NPP有较大差异,森林、草地、农田和荒漠植被的NPP平均值分别为521.9、270.3、405.7和85.3 gCm-2a-1;(3)10年间内蒙古植被NPP总量的平均值为322.7 TgCa-1,波动范围为276.8—354.4 TgCa-1。从NPP年际变化的空间分布来看,阿拉善沙漠、毛乌素沙地西部、河套平原以北地区、浑善达克沙地东西缘和呼伦贝尔平原西北部植被的NPP呈极显著上升,而内蒙古中部的草地植被NPP呈极显著下降;(4)不同植被类型NPP对气候因子的敏感性有较大差异。森林植被NPP主要受温度的限制,而农田、草地和荒漠植被NPP主要受降水量控制。

... 3) NPP与气温、降水量的相关分析:采用像元计算的偏相关系数法分析了降水量和气温对植被NPP变化的影响^[16] ...

2012

0.0

陈卓奇, 邵全琴, 刘纪远, 王军邦. 基于MODIS的青藏高原植被净初级生产力研究. 中国科学: 地球科学, 2012, 42(3): 402-410.

Chen Z

, Shao Q

, Liu J

, Wang J

. Analysis of net primary productivity of terrestrial vegetation on the Qinghai-Tibetan Plateau, based on MODIS remote sensing data. Scientia Sinica Terrae, 2012, 42(3): 402-410. (in Chinese)

利用MODIS数据反演光合有效辐射(Photosynthetically active radiation,PAR),采用AMSR-E微波遥感土壤湿度数据,驱动GLO-PEM模型估算青藏高原净初级生产力.克服了由于降水插值和辐射插值给模型带来的不确定性.估计的PAR与观测值比较,RMSE(均方根误差,Root Mean Square Error)分别为9和19.68W m2,R2分别为0.89和0.67.GLO-PEM模拟NPP与野外采样NPP关系明显,R2达到0.93.2005～2008年青藏高原植被的净初级生产力平均总量为0.37Pg C a1.总体分布是自东南至西北递减,NPP在0～1500g C m2a1之间变化.青藏高原植被的水平分布规律受制于水热条件组合.青藏高原东南部(降水量大于450mm)和西北部(降水量小于450mm)植被生产力受不同的气象因子制约.降水量小于450mm的区域内,青藏高原植被生产力变化的主导因子为降水量;降水量大于450mm的区域,植被生产力变化的主导因子为气温,随着气温的升高,植被净初级生产力显著的提高.

2013

0.0

张镱锂, 祁威, 周才平, 丁明军, 刘林山, 高俊刚, 摆万奇, 王兆锋, 郑度. 青藏高原高寒草地净初级生产力(NPP)时空分异. 地理学报, 2013, 68(9): 1197-1211.

Zhang Y

, Qi

, Zhou C

, Ding M

, Liu L

, Gao J

, Bai W

, Wang Z

, Zheng

. Spatial and temporal variability in the net primary production (NPP) of alpine grassland on Tibetan Plateau from 1982 to 2009. Acta Geographica Sinica, 2013, 68(9): 1197-1211. (in Chinese)

2016

0.0

哈丽旦·司地克, 玉素甫江·如素力, 海米提·依米提. 新疆焉耆盆地人类活动与气候变化的效应机制. 生态学报, 2016, 36(18): 5750-5758.

Halida

Sidik

, Yusufujiang

Rusuli

, Hamit

Yimit

. Study on ecological effect of human activities and climate change in Yanqi basin, Xinjiang, China. Acta Ecologica Sinica, 2016, 36(18): 5750-5758. (in Chinese)

... 博斯腾湖流域位于新疆天山中部南缘和塔克拉玛干沙漠,属于典型的干旱区大陆性气候,地形较复杂,气候变化和人类活动对陆地生态系统的影响较为明显^[19] ...

2010

0.0

邱冰, 姜加虎, 孙占东. 基于MODIS数据的降水估算在博斯腾湖流域的应用. 干旱区研究, 2010, 27(5): 675-679.

Qiu

, Jiang J

, Sun Z

. Application of retrieval of precipitation in the Bosten Lake Basin on MODIS data. Arid Zone Research, 2010, 27(5): 675-679. (in Chinese)

以MODIS卫星遥感数据为基础,结合BP神经网络方法,选取地面监测资料比较稀缺的博斯腾湖流域进行降雨估算研究。首先,从MODIS二级数据产品中读取与降水有直接关系的云、大气参数因子和研究区内实测降雨数据组成历史样本;而后,采用BP神经网络方法在山区和盆地建立降水估算模型,使用样本对模型进行训练和检验。结果表明:在水文、气象站点稀少的条件下,所建模型模拟山区日降雨量的效率系数达到0.7以上,模拟值与实测值拟合程度较好,可以进行空间上的推广,这对缺乏降水监测的山区具有数据补充意义。而在降水稀少的盆地,模型模拟效果不佳,可以通过对盆地水循环机理和降水物理机制的深入研究来完善模型。

... 1 研究区博斯腾湖流域位于新疆天山南麓和塔克拉玛干沙漠北缘^[20],地理位置为82#cod#x000b0 ...

2015

0.0

张建财, 张丽, 郑艺, 田向军, 周宇. 基于LPJ模型的中亚地区植被净初级生产力与蒸散模拟. 草业科学, 2015, 32(11): 1721-1729.

Jang J

, Zhang

, Zheng

, Tian X

, Zhou

. Simulation of vegetation net primary productivity and evapotranspiration based on LPJ model in Central Asia. Pratacultural Science, 2015, 32(11): 1721-1729. (in Chinese)

Central Asia is one of the most sensitive regions to climate changes in the world and the ecological environment is very fragile. The two main vegetation types, grasslands and croplands, are very easily influenced by water shortages and humans activities. Study on changes of net primary productivity (NPP) and evapotranspiration(ET), and their relationship with climate are important in Central Asia. In the present study, the spatio-temporal patterns and changes of NPP and ET in Central Asia (1982-2012) were analyzed based on LPJ model. The results indicated that the spatial distributions of NPP and ET were very consistent. The high-values were mainly located in forests, the mixed area of grass-forest and croplands, whereas the low-values were mainly concentrated in sparse vegetated area around the desert and grasslands of central Kazakhstan. The annual NPP and ET showed a fluctuated increasing trend. Annual NPP varied from 469.59 Tg C·a -1 to 1 130.26 Tg C·a -1 with mean of 737.24 Tg C·a -1 (185.57 g C·m -2 ·a -1 ). Annual ET varied from 695.53 km 3 ·a -1 to 1 047.69 km 3 ·a -1 with mean of 850.46 km 3 ·a -1 (214.07 mm·a -1 ). The main climate factor influencing the variations of NPP and ET was precipitation in Central Asia, while temperature played less important role in the region. The vegetation productivity of Kyrgyzstan and Tajikistan increased at a faster rate, yet Turkmenistan indicated a decline trend. Kazakhstan, Uzbekistan and Xinjiang’s vegetation productivitywere relatively stable.

中亚干旱区是对全球气候变化最敏感的区域之一,以草地和耕地为主的植被类型极易受到水资源短缺和人为等因素影响,导致生态环境极易恶化,故分析其植被净初级生产力(NPP)和蒸散(ET)变化特征及对气候的响应具有重要意义。本研究利用LPJ模型模拟中亚地区1982-2012年NPP和ET,并分析其在中亚潜在植被类型中的空间分布和变化特征。结果表明,1)NPP和ET的高低值空间分布基本一致,高值区主要分布在林地、草林地混合区以及耕地区,低值区主要分布在植被稀少的荒漠周边区域和哈萨克中部草地区;2)NPP总量和ET总量均呈波动上升趋势,其中NPP年度变化范围在469.59~1 130.26 Tg C·a -1 ,年均值为737.24 Tg C·a -1 (185.57 g C·m -2 ·a -1 ),ET范围在695.53~1 047.69 km 3 ·a -1 ,年均值为850.46 km 3 ·a -1 (214.07 mm·a -1 );3)影响中亚地区植被NPP和ET变化的气候因子主要为降水,温度影响相对较弱;4)吉尔吉斯斯坦和塔吉克斯坦植被生产力增长较快,哈萨克斯坦、乌兹别克斯坦和新疆较为稳定,土库曼斯坦植被生产力出现下降现象。

... 流域内有我国最大的内陆淡水湖博斯腾湖,是开都河的尾闾和孔雀河的源头,博斯腾湖在焉耆盆地随海拔的变化自上而下包括冰雪带、高山垫状植被带、高山草甸带、草原带、荒漠草原带、荒漠带等^[21] ...

2009

0.0

郭慕萍, 王志伟, 秦爱民, 范永铃. 54年来中国西北地区降水量的变化. 干旱区研究, 2009, 26(1): 120-125.

Guo M

, Wang Z

, Qin A

, Fan Y

. Changes in precipitation in northwest china over the last 54 years. Arid Zone Research, 2009, 26(1): 120-125. (in Chinese)

利用国家气候中心提供的743个站的逐日降水资料,选取西北5省(区)资料年代长度大于30年的166个站的逐日降水资料.通过计算分析西北地区年和各季节的降水量距平百分率、年降水日数、年降水强度.发现近54年来,我国西北5省(区)总降水量呈下降趋势,距平为正和负值的年份大致相当,年际间振幅较大,降水日数明显减少,降水强度有弱的增强趋势.

... 5 ℃^[22] ...

2015

0.0

... 由于研究区自然地理条件适宜于农业发展,20世纪50年代以来,尤其是70年代后,绿洲区农业耕地面积呈增长趋势,在气候变化和人类活动的共同影响下,博斯腾湖流域及其周围绿洲面积、地表覆盖方面发生明显变化^[23] ...

2010

0.0

孙占东, Christian

, 王润, 高前兆. 博斯腾湖流域山区地表径流对近期气候变化的响应. 山地学报, 2010, 28(2): 206-211.

Sun Z

, Christian

, Wang

, Gao Q

. Response of land surface flow to climate change in the mountain regions of Bosten lake valley, Xinjiang, China. Journal of Mountain Science, 2010, 28(2): 206-211. (in Chinese)

近年来,在全球和区域气候变化影响下,新疆博斯腾湖主要产流区开都河出山径流呈现异常波动,引起气候变化研究的关注。鉴于产流区复杂地形和径流补给特征以及传统观测资料的不足,借助雷达、微波及可见光等多源遥感数据从山区降水、积雪和冰川等方面与出山径流变化关系进行比较来揭示径流突变原因。结果表明,产流区平均径流深与降水量关系的转变是引起出山径流异常波动直接原因;进一步的冰川变化分析显示,径流深的波动主要由冰川融水径流变化引起:20世纪80年代中期后的温度上升加速了山顶冰川消融,导致1987～2002年的径流增加和湖泊水位升高;1984～2000年间,流域山顶冰川面积消退近40%,随着分布在较低海拔,对温度升高最敏感的中小冰川的消失,冰雪消融带来的径流增加效应开始减弱;2002年后,在流域气温、降水等变化并不显著的情况下,出山径流量却急剧降低,反映了特定冰川分布条件地区在气候变暖中融水径流先升后降的现象。

... 95)^[24],满足研究精度需求 ...

1996

0.0

... 为获取研究区高时空分辨率的近地表气温数据集,利用MODIS的LST产品、GHCN_CAMS气温观测/再分析资料、DEM数据和地面气象观测资料等相结合,采用基于空间异质性理论的地理加权回归分析方法(GWR)^[25],估算空间分辨率为1 km的月均气温 ...

... 计算公式^[25]: ...

2003

0.0

2017

0.0

王强, 张廷斌, 易桂花, 陈田田, 别小娟, 何奕萱. 横断山区2004-2014年植被NPP时空变化及其驱动因子. 生态学报, 2017, 37(9): 3084-3095.

Wang

, Zhang T

, Yi G

, Chen T

, Bie X

, He Y

. Tempo-spatial variations and driving factors analysis of net primary productivity in the Hengduan mountain area from 2004 to 2014. Acta Ecologica Sinica, 2017, 37(9): 3084-3095.

... 驱动分区准则:本研究参考王强等^[27]通过参照植被覆盖变化驱动分区原则并进行适当修正后的分区原则,对博斯腾湖流域植被NPP变化进行驱动分析 ...

2015

0.0

刘海江, 尹思阳, 孙聪, 彭福利, 周澎. 2000-2010年锡林郭勒草原NPP时空变化及其气候响应. 草业科学, 2015, 32(11): 1709-1720.

Liu H

, Yin S

, Sun

, Peng F

, Zhou

. Temporal and spatial variation of net primary productivity (NPP) and its responses with climate in the Xilingol grassland from 2000 to 2010. Pratacultural Science, 2015, 32(11): 1709-1720. (in Chinese)

Using MODIS MOD17A3 Net Primary Productivity (NPP) data and meteorological data, we analyzed the temporal and spatial variation of NPP, inter-annual changes of climatic factors and the correlative relationship between NPP and climatic factors in Xilingol grassland from 2000 to 2010. The NPP of the Xilingol grassland varied from 0 to 0.5 kg C·m -2 which decreased from east to west. From 2000 to 2010, the NPP fluctuated annual that increased in generaland evenly distributed. The variations of climatic factors in typical and desert grassland were similar. The cumulative average temperature, average relative humility and cumulative sunshine duration in April to August had a downward trend, while the average wind speed had an increasing trend. The cumulative precipitation hadan increasing trend in desert grassland, but had a slight decreasing trend in typical grassland. For most climatic factors, they had more dramatic fluctuations in typical grassland than in desert grassland. For the two types of grassland in the study area, the grassland NPP has very significantly negative correlation ( P <0.001) with cumulative average temperature and average daily minimum temperature in April to August, and had slight negative correlation with cumulative sunshine duration and average wind speed, while had strong positive correlation ( P <0.001) with cumulative precipitation and average relative humility. In conclusion, the typical grassland had stronger response ability to the changes of climatic factors than the desert grassland.

利用MODIS MOD17A3植被初级生产力数据产品及地面气象观测数据,研究分析了2000-2010年锡林郭勒盟草原NPP的时空变化特征、各气候因子的年际变化特征及NPP与气候因子的相关关系。结果表明,锡林郭勒盟草原NPP的分布由东向西逐渐减小,值大多分布在0~0.5 kg C·m -2 ;2001-2010年NPP呈现波动变化,整体呈增加趋势,空间分布上更加趋于均匀分布;2000-2010年,研究区内典型草原和荒漠草原各气候因子的变化趋势大致相同,4-9月累计平均气温、平均相对湿度和累计日照时数呈减小趋势,平均风速呈增加趋势,累计降水量典型草原呈轻微减少趋势,荒漠草原呈增加趋势,趋势斜率分别为-0.026和1.044 5,典型草原大部分气候因子的波动程度大于荒漠草原;研究区内两种类型的草原的NPP均与4-9月累计平均气温、平均日最低气温有较强的负相关关系(显著水平分别为 P< 0 . 001和 P <0.01),与累计降水量、平均相对湿度有较强的正相关关系(显著水平为 P <0.01),与4-9月累计日照时数、平均风速呈负相关关系但相关关系较弱,荒漠草原对气候因子变化的响应总体不如典型草原敏感。

... 6 NPP变化的影响因子分析气候和人类活动是影响植被NPP动态变化的主要因子^[28,29],其中植被生长对气候变化特别是温度和降水量的变化具有较强的敏感性 ...

2013

0.0

李传华, 赵军. 2000-2010年石羊河流域NPP时空变化及驱动因子. 生态学杂志, 2013, 32(3): 712-718.

Li C

, Zhao

. Spatiotemporal variations of vegetation NPP and related driving factors in Shiyang River Basin of Northwest China in 2000-2010. Chinese Journal of Ecology, 2013, 32(3): 712-718. (in Chinese)

路a, suggesting that the vegetation coverage in the basin was improved to some extent after the eco-environment management project was implemented. From the view point of vegetation type, grassland was most acutely positively and negatively affected human activity, cropland was also very obviously affected by human activity, and the cropland NPP was increased by the improvement of cultivation and management measures, whereas the Gobi, saline and alkaline land, sand land, and forestland in the oasis edges were basically positively affected by human activity, their vegetation coverage and quality being somewhat increased.

1997

0.0

... 3 讨论与结论已有的研究表明,MODIS地表温度数据在空间上的变化规律与近地气温变化相似,二者之间的线性相关性非常好^{[30,31,32,33,34]},但这些研究基本上都采用普通线性回归分析法建立气温与地表温度之间的一元线性回归模型来估算气温^[35] ...

2010

0.0

2006

0.0

1997

0.0

2007

0.0

2013

0.0

姚永慧, 张百平. 基于MODIS数据的青藏高原气温与增温效应估算. 地理学报, 2013, 68(1): 95-107.

Yao Y

, Zhang B

. MODIS-based estimation of air temperature and heating-up effect of the Tibetan Plateau. Acta Georaphica Sinica, 2013, 68(1): 95-107. (in Chinese)

利用2001-2007年MODIS地表温度数据、137个气象观测台站数据和ASTERGDEM数据,采用普通线性回归分析方法(OLS)及地理加权回归分析方法(GWR),研究了高原月均地表温度与气温的相关关系,最终选择精度较高的GWR分析方法,建立了高原气温与地表温度、海拔高度的回归模型。各月气温GWR回归模型的决定系数(AdjustedR2)都达到了0.91以上(0.91～0.95),标准误差(RMSE)介于1.16～1.58℃;约70%以上的台站各月残差介于-1.5～1.5℃之间,80%以上的台站的残差介于-2～2℃之间。根据该模型,估算了青藏高原气温,并在此基础上,将高原及周边地区7月份月均气温转换到4500m和5000m海拔高度上,对比分析高原内部相对于外围地区的增温效应。研究结果表明:(1)利用GWR方法,结合地面台站的观测数据和MODISTs、DEM等,对高原气温估算的精度高于以往普通回归分析模型估算的精度(RMSE=2～3℃),精度可以提高到1.58℃;(2)高原夏半年海拔5000m左右的高山区气温能达到0℃以上,尤其是7月份,海拔4000～5500m的高山区的气温仍能达到10℃左右,为山地森林的发育提供了温度条件,使高原成为北半球林线分布最高的地方;(3)高原的增温效应非常突出,初步估算,在相同的海拔高度上高原内部气温要比外围地区高6～10℃。