中国陆地植被净初级生产力遥感估算
NPP估算--CASE模型
第三章长江上游初级生产力评估植被既是重要的自然资源，又是自然条件（如地质、地貌、气候、土壤等）和人类开发利用资源状况的综合反映。
随着全球变化的加剧及其对全球变化研究的不断深入，植被作为陆地生物圈的主体，在生态系统中的作用也日益受到重视，尤其是在全球物质循环、能量流动、调节全球碳平衡、减缓大气中CO2等温室气体浓度上升趋势以及维护全球气候稳定等方面具有不容忽视的意义。
植被净初级生产力（Net Primary Productivity，NPP）是指绿色植物在单位面积、单位时间内所累积的有机物数量，表现为光合作用固定的有机碳中扣除植物本身呼吸消耗的部分，这一部分用于植被的生长和生殖，也称净第一性生产力。
NPP 作为地表碳循环的重要组成部分，不仅直接反映了植被群落在自然环境条件下的生产能力，表征陆地生态系统的质量状况，而且是判定生态系统中碳源/碳汇和调节生态过程的主要因子，在全球变化及碳平衡中扮演着重要的作用。
自20世纪60年代以来，各国学者对NPP的研究倍受重视，国际生物学计划（International Biological Programme，IBP，1965～1974）期间，曾进行了大量的植物NPP的测定，并以测定资料为基础联系气候环境因子建立模型对植被NPP 的区域分布进行评估如Miami模型、Thornthwaite纪念模型、Chikugo模型等。
建立于1987年的国际地圈——生物圈计划（International Geo-Biosphere Programme，IGBP）、全球变化与陆地生态系统（GCTE）和最近出台的京都协定（Kyoto Protocol）均把植被的NPP研究确定为核心内容之一（IGBP，1998）。
长江上游地区面积广大，地形复杂，气候多样，植被类型丰富，是我国生态屏障关键区，也是重要的生态脆弱区和气候变化敏感区。
同时，它还是我国生物多样性和自然保护集中区和我国重要的森林分布区、草地分布区。
一种全球通用植被总初级生产力遥感指数估算方法[发明专利]
![一种全球通用植被总初级生产力遥感指数估算方法[发明专利]](https://img.taocdn.com/s3/m/6972a0f3ab00b52acfc789eb172ded630b1c98a0.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010976999.9(22)申请日 2020.09.17(71)申请人 中国科学院空天信息创新研究院地址 100094 北京市海淀区邓庄南路9号(72)发明人 吴文瑾 李新武 (74)专利代理机构 北京得信知识产权代理有限公司 11511代理人 孟海娟 阿苏娜(51)Int.Cl.G06F 30/20(2020.01)(54)发明名称一种全球通用植被总初级生产力遥感指数估算方法(57)摘要本发明公开一种全球通用植被总初级生产力遥感指数估算方法。
该方法基于全球通用植被总初级生产力遥感指数模型，采用遥感数据对陆地植被GPP实现大范围的快速估算。
拟合效果显著优于目前的NIRv指数获取的结果，而且该指数模型表现在不同植被类型和纬度之间有较好的一致性，可以准确追踪不同植被类型的物候变化，同时不易受雪的影响。
权利要求书2页 说明书5页 附图4页CN 112149295 A 2020.12.29C N 112149295A1.一种全球通用植被总初级生产力遥感指数估算方法，其特征在于，包括以下步骤：提出全球通用植被总初级生产力遥感指数模型，模型的计算公式为：GPP＝A×CC×PAR×Ev+B，其中，A＝0.15，B＝1.3,为回归模型的经验系数，该系数全球统一，不必随不同的植被类型和地理位置进行调整；CC代表植被覆盖度；PAR是总体下行短波辐射；Ev是植被对光合有效辐射的总体转化效率，为吸收效率和利用效率的乘积；将CC通过归一化植被指数NDVI进行近似；吸收效率通过近红外波段反射率-NIR进行表征，利用效率通过叶绿素含量占总色素含量的比例-Rchl进行表征，则该模型可以进一步推导为：GPP＝A×NDVI×PAR×NIR×Rchl+B；利用MODIS反射率数据分别计算每日的NDVI，NIR和Rchl均值，并通过相应产品获取PAR；基于所述全球通用植被总初级生产力遥感指数模型求得最终的植被总初级生产力值。
我国陆地植被净初级生产力变化规律及其对气候的响应
而且也是对人类活动和全球气候变化最敏感的生物 圈 .植被是陆地生态系统的重要组成部分 , 在区域气 候变 化 和全 球 碳 循 环 中 扮 演着 重 要 的 角 色[ 1 -2, 10, 22 -23] .植被净 初级生产力 (netprimaryproductivity, 简称 NPP)是指绿色植物在单位面积 、单 位时间内所积累的有机物数量 , 是光合作用所产生 的有机质总量减去呼吸消耗后的剩余部分 .NPP是
ArcGIS地理信息系统的支持下 , 采用三角网插值方
法将气象数据插值成空间分辨率为 8 km×8 km的
Albers投影的栅格数据 .同时对植被类型分类数据
进行转换 , 生成 8 km×8 km的 Albers投影的栅格数
据 , 以便与遥感数据进行匹配 .
2.2 研究方法
基于光能利用率的植被净初级生产力模型主要
被层对入射光合辐射 (PAR)的吸收比例 , 具体计算 参见文献 [ 9] .在理想条件下 , 植被光能利用 率为潜
在光合利用率 , 即最大光能利用率 , 而在实际环境中
植被光能利用率主要受空气温度 、大气水汽压 、土壤
水分状况等因素的影响 .光能利用率计算式如下 :
ε =σ σ σ ε (x, t)
陆地植被 NPP具有明显的时间和空间变化特 征 .NPP的空间变化主要与气候特征 、植被分布 、土 地利用类型有关 , 而 NPP的时间变化主要表现在季 节间和年际间的变化 .长时间序列的卫星遥感数据 集的建立 , 为研究区域或全球尺度的陆地植被 NPP 的季节和年际变 化提供了可能[ 3, 11, 20] .我国也有不 少学者利用 CASA和 GLO-PEM模型估算近 20年来 中国陆地植被 NPP分布及其时空变化规律 , 并从点 上简单分析了 NPP与气候因子的相互关系 [ 6, 17] .但 到目前为止 , 对我国不同植被生态系统 NPP年际波 动的差异以及气候变化对植被影响规律的时空特征 还不完全清楚 .另外 , 彭少麟等 [ 15] 认为 , 在 CASA模 型中取全球植被月 最大光能 利用率 (0.389 gC· MJ-1)对中国广东省来说偏低 .GLO-PEM模型所需 参数完全由遥感手段反演获得 , 而目前地表参数遥 感反演技术还存在许多不确定性的因素[ 13] .因此 , 本文在 GIS系统的支持下 , 根据前人的研究成果 , 充 分利用气象资料和卫星遥感的优势 , 构建基于光能 利用率 的植被 NPP模型 , 估算了 1982— 2000年中 国陆地植被月 NPP分布 , 分析了我国陆地不同植被 类型 NPP的季节性和年际性变化规律 , 并从像元空 间尺度上揭示了我国陆地植被 NPP在不同季节 、不 同区域对气候变化的响应 .
中国陆地净生态系统生产力遥感模型研究
因此，建立中国陆地净生态系统生产力遥感模型，对于提高生态系统生产力 研究的效率和精度具有重要意义。
二、研究目的
本研究旨在建立中国陆地净生态系统生产力遥感模型，并对其进行验证和优 化，以实现大范围、实时、精准的生态系统生产力监测。该模型不仅可以提高生 态学和地球科学领域的研究效率，还能为国家的生态建设和环境保护提供强有力 的技术支持。
遥感估算
遥感估算陆地植被净初级生产力是通过卫星遥感数据，建立数学模型，对植 被进行定量化分析，推算出植被的净初级生产力。具体流程包括数据获取、处理、 参数设置和结果分析等步骤。
数据获取主要包括地面高光谱数据和多角度可见光数据。通过这些数据可以 获取植被的生物量、叶面积指数等参数。此外，气象卫星数据也可以提供研究区 域的温度、湿度和辐射等环境参数，对于估算陆地植被净初级生产力具有重要意 义。
在全媒体时代，《南方周末》的时政深度报道也积极适应跨媒体传播的需求， 通过不同平台和渠道向受众传递信息。这种跨媒体传播不仅扩大了报道的影响力， 还促进了与其他媒体的话语互动。例如，《南方周末》通过社交媒体等平台与读 者进行互动，收集读者反馈，及时调整报道策略，更好地满足受众需求。
六、受众反馈与话语影响
四、遥感模型验证
为了验证所建立的中国陆地净生态系统生产力遥感模型的准确性和可靠性， 我们采用了以下步骤：
1、数据收集与处理：收集了中国陆地生态系统观测数据、气象数据和遥感 数据，包括 MOD17A3H卫星产品数据、气象站点观测数据和地形数据等。对数据 进行预处理和标准化处理，以消除不同数据之间的量纲和尺度差异。
展望未来，我们将继续完善中国陆地净生态系统生产力遥感模型，考虑更多 影响因子的作用，优化模型的预测精度和稳定性。我们还将利用该模型开展更多 应用研究，为国家的生态建设和环境保护提供更加精准、实时的技术支持。
我国西南地区植被净第一性生产力的遥感估算及其与气候和喀斯特地貌的关系的开题报告
我国西南地区植被净第一性生产力的遥感估算及其与气候和喀斯特地貌的关系的开题报告一、研究背景和意义植被是地球上生命的重要组成部分，是全球碳循环的主要参与者之一。
植被净第一性生产力（NPP）是指单位面积植被在光合作用过程中固定的净碳量，是评价生态系统生产力的主要指标之一。
NPP的估算可以为环境保护、生态修复、粮食安全、气候变化等问题提供科学依据。
本研究旨在利用遥感技术对我国西南地区植被NPP进行估算，并探究其与气候和喀斯特地貌的关系，为该地区生态环境保护、资源利用和可持续发展提供参考。
二、研究内容和方法研究内容：1.收集西南地区气象和土地利用数据，对地表植被掩盖度进行分析，确定分析区域；2.收集MODIS遥感影像数据，并进行数据预处理、云雾处理；3.基于MODIS EVI数据集，利用CASA模型进行植被NPP估算；4.利用气象数据和DEM等数据，分析植被NPP与气候和喀斯特地貌的关系；5.利用统计学方法对数据进行分析和解释。
研究方法：1.遥感影像预处理：去除影像中的云雾、阴影和其他干扰信息；2.植被NPP估算：根据MODIS EVI数据利用CASA模型计算植被NPP；3.气候和地貌分析：利用气象数据和DEM等数据对植被NPP与气候和地貌的关系进行分析；4.统计分析：利用SPSS等软件对数据进行统计分析。
三、研究目标和预期成果研究目标：1.利用遥感技术对我国西南地区植被NPP进行估算；2.分析我国西南地区植被NPP与气候和喀斯特地貌的关系。
预期成果：1.获得西南地区植被NPP的空间分布特征和时空变化规律；2.分析西南地区植被NPP与气候和地貌的关系，为该地区生态环境保护、资源利用和可持续发展提供科学依据。
四、研究计划1.第一年：收集气象和土地利用数据，对地表植被掩盖度进行分析。
收集MODIS遥感影像数据，并进行数据预处理、云雾处理。
利用CASA模型进行植被NPP估算。
2.第二年：利用气象数据和DEM等数据，分析植被NPP与气候和喀斯特地貌的关系。
中国陆地植被净初级生产力遥感估算重点
植物生态学报2007,31(3)413～424ΞJournalofPlantEcology(formerlyActaPhytoecologicaSinica)中国陆地植被净初级生产力遥感估算朱文泉潘耀忠张锦水3(北京师范大学资源学院,环境演变与自然灾害教育部重点实验室,北京100875) 摘要该文在综合分析已有光能利用率模型的基础上,构建了一个净初级生产力(NPP)遥感估算模型,该模型体现了3方面的特色:1)将植被覆盖分类引入模型,并考虑植被覆盖分类精度对NPP估算的影响,由它们共同决定不同植被覆盖类型的归一化植被指数(NDVI)最大值;2)根据误差最小的原则,利用中国的NPP实测数据,模拟出各植被类型的最大光能利用率,使之更符合中国的实际情况;3)根据区域蒸散模型来模拟水分胁迫因子,与土壤水分子模型相比,这在一定程度上对有关参数实行了简化,使其实际的可操作性得到加强。
模拟结果表明,1989～1993年中国陆地植被NPP平均值为3.12PgC(1Pg=1015g),NPP模拟值与观测值比较接近,690个实测点的平均相对误差为4.5%;进一步与其它模型模拟结果以及前人研究结果的比较表明,该文所构建的NPP遥感估算模型具有一定的可靠性,说明在区域及全球尺度上,利用地理信息系统技术将遥感数据和各种观测数据集成在一起,并对NPP模型进行参数校正,基本上可以实现全球范围不同生态系统NPP的动态监测。
关键词生物量遥感模拟NPP NDVI中国ESTIMATIONOFNETPRIMARYPROFVEGETATIONBASEDONREMOTEZHUWe n2Quan,PANYao2Zhong,andKeyLaboratoryofEnvironmentalChangeofof,CollegeofRes ourcesScienceandTechnology,BeijingNormalUniversity,Beijing100875Abstract (NPP)isakeycomponentoftheterrestrialcarboncycle.Modelsimulationistoestimateregional andglobalNPPgivendifficultiestodirectlymeasureNPPatsuchspatialscales.AnumberofNP Pmodelshavebeendevelopedinrecentyearsasresearchissuesrelatedtofoodsecurityandbioti cresponsetoclimaticwarminghavebecomemorecompelling.However,largeuncertain2tiess tillexistbecauseofthecomplexityofecosystemsanddifficultiesindeterminingsomekeymode lparame2ters.Methods WedevelopedanestimationmodelofNPPbasedongeographicinformationsystem(GIS)andr e2motesensing(RS)technology.Thevegetationtypesandtheirclassificationaccuracyaresim ultaneouslyintro2ducedtothecomputationofsomekeyvegetationparameters,suchasthemax imumvalueofnormalizeddiffer2encevegetationindex(NDVI)fordifferentvegetationtypes. Thiscanremovesomenoisefromtheremotesens2ingdataandthestatisticalerrorsofvegetation classification.ItalsoprovidesabasisforthesensitivityanalysisofNPPontheclassificationaccu racy.Themaximumlightuseefficiency(LUE)forsometypicalvegetationtypesinChinaissim ulatedusingamodifiedleastsquaresfunctionbasedonNOAA/AVHRRremotesensingdataan dfield2observedNPPdata.ThesimulatedvaluesofLUEaregreaterthanthevalueusedintheCA SAmodelandlessthanthevaluessimulatedwiththeBIOME2BGCmodel.Thecomputationoft hewaterrestrictionfactorisdrivenwithgroundmeteorologicaldataandremotesensingdata,an dcomplexsoilparametersareavoided.Resultsarecomparedwithotherstudiesandmodels. Importantfindings ThesimulatedmeanNPPinChineseterrestrialvegetationfrom1989-1993is3.12Pg15C(1Pg=10g).ThesimulatedNPPisclosetotheobservedNPP,andthetotalmeanrelativeerro ris4.5%for690NPPobservationstationsdistributedinthewholecountry.Thisillustratestheutilit yofthemodelfortheestimationofterrestrialprimaryproductionoverregionalscales. Keywords biomass,remotesensing,simulation,NPP,NDVI,China收稿日期:2006202215接受日期:2006206224基金项目:国家自然科学基金项目(40371001)和北京师范大学青年基金项目3通讯作者Authorforcorrespondence E2mail:zhangjsh@E2mailofthefirstauthor:zhuwq75@414植物生态学报31卷植被生产力是人类生活所需食物、原料及燃料的来源。
利用遥感与测绘技术进行植被监测与评估
利用遥感与测绘技术进行植被监测与评估植被是地球上生物多样性和生态系统稳定性的基础之一。
因此，对植被覆盖、类型和变化进行准确监测和评估至关重要。
遥感与测绘技术提供了一种高效且准确的方法，能够帮助我们实现这一目标。
本文将探讨如何利用遥感与测绘技术进行植被监测与评估。
首先，遥感技术是通过卫星、飞机和地面传感器等手段，收集并分析地球上的遥感数据。
这些数据包括红外、近红外、可见光等不同波段的光谱信息，以及雷达和激光等其他传感数据。
借助遥感技术，我们能够获取广泛且详细的地表信息，包括植被覆盖、植被类型、植被生物量等。
利用遥感技术进行植被监测与评估，首先需要进行植被分类。
通过提取遥感图像中的光谱信息，并结合植被指数等方法，可以将遥感图像中的像元划分为不同的植被类型。
植被分类的准确性对于后续的植被监测和评估至关重要。
植被监测是指对植被覆盖、植被变化以及植被生长情况的定期监测。
遥感技术可以提供长时间序列的植被监测数据，基于这些数据，我们可以分析和研究不同地区的植被变化趋势。
例如，可以观察到城市化和农田扩张对植被覆盖的影响，或者通过对干旱和湿地等特定地区的植被监测，提前预警植被退化和生态环境恶化的风险。
植被评估是对植被状况和生态系统功能进行定量评估。
测绘技术可以提供高分辨率的地面数据，用于植被生物量估算和碳储量测算。
通过采集地面样点数据，并结合遥感数据，可以建立植被生物量反演模型。
这些模型可以根据遥感图像中的植被光谱和冠层结构信息，估算出地表植被生物量的分布情况。
同时，植被评估还可以通过测算植被的净初级生产力、光合作用效率等指标，来评估生态系统的功能和健康状态。
遥感与测绘技术在植被监测与评估中还可以与地理信息系统（GIS）相结合，以实现更全面和深入的分析。
GIS能够整合不同来源的数据，并进行空间分析和模型建立。
例如，可以基于遥感数据构建植被变化模型，通过将模型与其他环境和社会经济因素叠加分析，评估植被变化对生态系统和人类社会的影响。
草地产量估算技术路线1
草地产量估算研究技术路线一、基于CASA模型的植被初级生产力植被净初级生产力（NPP）是指绿色植被通过光合作用，产生有机物后扣除自养呼吸所消耗的部分剩余后的有机物量，即植被在单位时间、单位面积上积累的有机物。
NPP反映了植被在自然条件下的生产能力，是评价生态系统稳定性的重要指标之一。
CASA 模型作为 NPP 估算最主要的遥感模型之一。
该方法特点：主要是模拟植被生长过程，但不确定参数较多，容易引起较大误差，需要结合实地情况进行调参。
其中，NPP（x,t）为像元x 处在t 月的NPP（gC/m2/月），ε(x,t)则表示像元x 处在t月的光能利用率的实际值，可以通过估算气温以及水分的胁迫对理想条件下最大光能利用效率的影响得到。
APAR（x,t）为像元x 在t 月中光合有效辐射的吸收情况（MJ/m2/月）；SOL(x,t) 为像元x 处在t 月的太阳总辐射量（单位：MJ/m2/月）；FPAR(x,t)为光合有效辐射的吸收比例（无单位）；0.5 为植被利用的太阳有效辐射占太阳总辐射的比例，是一个常数。
对于不同的植被类型，FPAR 通过该植被类型的NDVI 最大值、最小值以及对应的FPAR 最大值、最小值来进行估算。
根据研究结果，结合我国的植被类型特点，确立不同的土地覆类型的NDVImax，NDVImin以及最大光能利用率εmax的值。
如下基于 CASA 模型的 NPP估算值稍低于实测值。
二、基于植被指数的定量反演基于植被指数定量反演主要利用植被在光谱波段的特征原理实现作物估产的。
该方法具有简单易懂较为准确等特点。
技术流程以内蒙乌拉盖等典型草甸草原为例：先进行采样，利用采样得到的实地1平方米值代表样地的平均值，结合经纬度点位关联当地高分辨率植被指数NDVI 值。
形成拟合方程。
注意：①在采样过程中采用的是齐地面剪取，但是产量需要进行留茬，因此取采样的85%作为产量统计值。
②在进行遥感影像处理时，需要注意地面控制点的校正以及投影坐标的校正。
遥感实际应用模型植被初级生产力
遥感实际应用模型植被初级生产力
光能利用率模型：建立在植物光合作用过程和光 能利用率的概念上，认为任何对植物生长起限制 作用的资源(如水、氮、光照等)均可用于NPP 的估 算。
这些因子之间通过一个转换因子联系起来，这一 转换因子是一个复杂的调节模型，或是一个简单 的比率常数。
典型模型：CASA模型、GLO-PE植被初级生产力
模型架构
遥感实际应用模型植被初级生产力
APAR的估算
利用遥感数据估算光合有效辐射(PAR) 中被植物叶子 吸收的部分(APAR)是根据植被对红外和近红外波段的 反射特征实现的。
植被吸收的光合有效辐射取决于太阳总辐射和植物本 身的特征；
式中，SOL(x, t)表示t月在像元x处的太阳总辐射量， FPAR(x, t)为植被层对入射光合有效辐射的吸收比例 ， 常数0.5表示植被所能利用的太阳有效辐射占太阳 总辐射的比例。
遥感实际应用模型植被初级生产力
FPAR 与比值植被指数RVI(SR) 也存在较好的线性 关系
式中，FPARmin和FPARmax的取值与植被类型无 关，分别为0. 001 和0. 95；
遥感实际应用模型植被初级生产力
遥感实际应用模型植被初级生产力
通过对FPARNDVI和FPARSR所估算结果的比较发现 ：由NDVI所估算的FPAR比实测值高，而由SR所 估算的FPAR则低于实测值；
是判定大气成分，尤其是CO2浓度的变化的重要 因子，使得NPP的研究对气候具有重要的指导意 义。
遥感实际应用模型植被初级生产力
NPP估算方法
中国植被总初级生产力、蒸散发及水分利用效率的估算及时空变化
中国植被总初级生产力、蒸散发及水分利用效率的估算及时空变化一、本文概述《中国植被总初级生产力、蒸散发及水分利用效率的估算及时空变化》一文集中探讨了我国不同区域植被生态系统在时间和空间维度上所展现出的总初级生产力（Gross Primary Productivity，GPP）、蒸散发（Evapotranspiration，ET）特征以及水分利用效率（Water Use Efficiency，WUE）的变化规律。
通过对长时间序列遥感数据、实地观测资料和相关模型的应用，文章系统地分析了我国植被生态系统的能量流动和水循环过程，并结合气候变化、土地利用变化等因素的影响，深入探究了这些关键生态指标动态变化的原因。
文中首先介绍了研究背景和意义，强调了植被生产力和蒸散发作为生态系统功能的核心组成部分，在维持全球碳循环、水循环以及生物多样性等方面的重要性。
研究采用先进的遥感技术与生态模型相结合的方法，构建了适合中国复杂地形和多样气候条件下的GPP、ET估算框架。
接着，文章详细展示了全国尺度及重点区域（如淮河流域）植被总初级生产力时空分布特征及其变化趋势，揭示了不同生态系统类型和地理区域之间的显著差异。
同时，对蒸散发量进行了全面评估，分析了其随季节、年际变化的规律以及与降水量、气温等气候因子的关系。
文章还深入研究了我国植被水分利用效率的时空格局演变，探讨了自然因素与人类活动如何共同作用于水分利用效率的变化，并讨论了这些变化对于生态系统服务功能维护和未来管理策略制定的意义。
《中国植被总初级生产力、蒸散发及水分利用效率的估算及时空变化》一文通过对大量数据的整合分析，不仅提供了关于我国植被生态系统关键过程的最新科学认识，而且为今后生态环境保护、资源管理及应对气候变化政策的制定提供了坚实的科学依据和决策支持。
二、方法论为了估算中国植被的总初级生产力（Gross Primary Productivity, GPP）、蒸散发（Evapotranspiration, ET）及水分利用效率（Water Use Efficiency, WUE），本研究采用了多种数据源和模型方法。
“初级生产力”文件汇总
“初级生产力”文件汇总目录一、莱州湾浮游植物粒径分级叶绿素a和初级生产力及新生产力二、利用BEPS模型估算城区植被净初级生产力的时空变化三、初级生产力的不同测定方法四、基于遥感过程耦合模型的青海三江源区净初级生产力模拟五、基于MODIS数据和光能利用率模型的中国陆地净初级生产力估算研究六、中国植被总初级生产力、蒸散发及水分利用效率的估算及时空变化七、草鱼池塘浮游植物群落结构及初级生产力、能量转换的初步研究八、全球不同气候带陆地植被净初级生产力变化趋势与可持续性九、中国陆地植被净初级生产力遥感估算莱州湾浮游植物粒径分级叶绿素a和初级生产力及新生产力一、引言莱州湾是中国东部的一个重要海域，其独特的地理位置和生态环境使其成为众多海洋生物的栖息地。
浮游植物作为海洋生态系统中的重要组成部分，其生长和繁殖对整个海洋生态系统的健康具有重要意义。
本文将重点关注莱州湾浮游植物的粒径分级、叶绿素a含量以及初级生产力和新生产力等方面的研究。
二、材料与方法本研究采用了粒径分级的方法，将莱州湾的浮游植物按照粒径大小分为若干个等级，并对每个等级的叶绿素a含量进行了测定。
同时，利用光合作用测定仪，对每个粒径等级的浮游植物的初级生产力和新生产力进行了测定。
三、结果与讨论研究结果表明，莱州湾的浮游植物粒径分布广泛，从小于1微米到数百微米不等。
叶绿素a含量在不同粒径等级的浮游植物中存在显著差异，其中小型浮游植物的叶绿素a含量较高。
在初级生产力和新生产力方面，不同粒径等级的浮游植物也存在明显的差异。
一般来说，小型浮游植物的初级生产力和新生产力较高，这可能与它们具有较高的生长速率和繁殖能力有关。
四、结论通过对莱州湾浮游植物的粒径分级、叶绿素a含量以及初级生产力和新生产力的研究，我们可以得出以下结论：莱州湾的浮游植物种类丰富，小型浮游植物在叶绿素a含量、初级生产力和新生产力等方面表现出较高的优势。
这表明，小型浮游植物在莱州湾的海洋生态系统中扮演着重要的角色。
陆地植被净初级生产力估算及影响因素研究现状
陆地植被净初级生产力估算及影响因素研究现状李媛【摘要】植被净初级生产力(NPP)是植被在自然条件下的生产能力,是表征生态系统质量与功能、研究生态系统碳循环的重要指标.在总结NPP估算方法的基础上,分析了实测法、气象模型、光能利用模型、过程模型的特点;探讨了自然及人为因素对NPP的影响,以期为今后的研究工作起到一定借鉴作用.【期刊名称】《宁夏大学学报（自然科学版）》【年(卷),期】2018(039)004【总页数】5页(P362-366)【关键词】净初级生产力;模型;植被【作者】李媛【作者单位】宁夏大学资源环境学院,宁夏银川 750021【正文语种】中文【中图分类】Q148;Q948;S812陆地生态系统是人类赖以生存的物质基础,而植被是陆地生态系统的重要组成部分,它不仅在物质流动和能量循环中起着显著作用,同时在减少温室气体、维持气候稳定方面贡献突出．植被净初级生产力(net primary productivity, NPP)是指绿色植物在单位时间、单位面积内所累积的有机物数量,是光合作用所产生的有机质总和减去自养呼吸后剩余的部分[1],反映了植被在自然条件下的生产能力,是表征生态系统质量和功能的重要指标,同时也是研究生态系统碳循环的重要因子．对NPP的估算方法及影响因素进行梳理和总结,对于监测植被生长状态、制定合理的生态保护措施具有积极意义．1 NPP的估算方法1.1 基于生物量实测的NPP估算早期的NPP估算主要采用样地实测法．该方法首先需要确定野外样地,然后选择适当方法估测样地生物量,获得平均生物量密度,最后将平均生物量密度与研究区面积相乘得到总生物量．实测法的关键在于以下2个方面：①样地的选择.在自然界中，不同地块间在植物种类和长势上都会存在一定差异,因此，要想使在样地上测得的数据适用整个区域,选择什么样的样地尤为重要．②用何种方法估测生物量．对于生长周期短的植物群落，如草地、作物、灌木等，常采用皆伐法,即在样地上设置一定数量的样方,将样方中的植物全部取下称其鲜重或干重．对于乔木,由于自身体量较大,生长周期较长,为了节约时间和人力,减少对生态环境的破坏,常采标准木法、相对生长法等估测生物量．总体而言,实测法在小面积生物量的测算中能保证较高的精度,但是费时费力,对植被具有一定破坏性,实测资料较少,因此难以实现大尺度植被生物量的估算．1.2 气候模型在自然条件下,除生物特性、土壤养分外,植被的生产力主要受气候因子的影响,因此,可以通过分析气温、降雨、日照等气象因子与植物干物质生产的相关性来估算净初级生产力.气候模型便在这种思想的推动下产生了．最早的气候模型是1975年Lieth利用53组实测资料建立的Miami模型[2],该模型认为NPP是年均气温和年降水量的函数.由于气温和降水是气象站必测的常规项目,且在全球范围内积累了长期的连续观测资料,该模型在使用的便利性方面优势明显．除气温、降水外，实际上,NPP还受到其他气象因子的影响.为了提高估算精度,更多的气象要素被相继引入．Lieth根据平均蒸发量与气温、降水和植被之间的关系提出了Thornthwaite Memorial模型;Uchijima等建立了基于净辐射和辐射干燥度的Chikugo模型．鉴于Chikugo模型在建立时缺乏草原和荒漠等植被资料以及在干旱、半干旱地区适应性差等问题[3],朱志辉、周广胜相继提出了北京模型[4]和周广胜模型[5],这在气候模型中国本土化方面起到了推动作用．由于每种模型都是在特定实测数据的基础上推导而来的,在其他区域使用的合理性及不同模型间测算的差异性成为许多学者研究的焦点．王胜兰等根据1961—2007年大西沟、小渠子、乌鲁木齐和大阪城4个台站的气象资料[6],分别采用上述5个模型对乌鲁木齐地区草场的净初级生产力进行了计算,结果显示:5个模型在NPP计算数值上有较大差异,Miami模型的计算值相对较大,周广胜模型在各年NPP的估算值均小于其他模型,但各模型对气候变化响应的趋势方面则表现出较高的一致性．虽然气候模型结构简单、使用方便,但由于缺乏生理依据,不能真实反映植物的现实生长状况,估算结果只能反映植被的潜在NPP．1.3 光能利用模型植物吸收太阳辐射,通过光合作用将其转化为自身有机质,可以说太阳是植物生长的能量源泉.然而不是所有太阳辐射都能被植物吸收,如果能准确度量植被吸收的太阳辐射的比例,并通过数学模型将其转换为有机质的量,将能实现植被NPP的估算,这正是光能利用模型产生的理论基础．常见的光能利用模型有GLO-PEM、VPM、CASA及C-Fix等,其中，在国内发展较快的是CASA模型,该模型是入射的光合有效辐射、植被对光合有效辐射的吸收比例、温度胁迫系数、水分胁迫系数和最大光能利用率的乘积,目前在不同尺度空间及植被类型上均有所应用．朱文泉等利用中国的NPP实测数据[7],根据区域蒸散模型来模拟水分胁迫因子,利用CASA模型计算了中国陆地植被净初级生产力,并基于690个点的实测数据进行误差分析.结果显示，1989—1993年中国陆地植被NPP平均为3.12 Pg(以碳的质量计算),模拟值与观测值的相对误差为4.5%．陈正华等利用CASA模型对1998—2002年黑河流域的净初级生产力进行了估算[8],研究证明该模型对内陆河流域具有较高的精确度,适用于干旱半干旱地区的NPP计算．陈峰、李可相等在县域尺度上对CASA模型进行了应用[9—10]．对于CASA模型的改进,主要集中在最大光能利用率(ε)的细化方面．传统的CASA将ε统一设定为0.389 g/MJ(以碳的质量计算),实际上,不同地区、不同植被类型的ε存在较大差异,因此,针对不同研究区域对ε进行修正,对于提高模型估算精度显得尤为重要．董丹等利用实测植被生产力数据计算和修正最大光能利用率[11],建立了改进的CASA模型,通过对我国西南喀斯特植被的NPP进行研究,显示改进后模型的模拟值与实测值相关性显著,可较好地用于西南喀斯特植被NPP的估算．王保林等以中国草原18大类分类结果为基础单元,基于归一化植被指数和叶面积指数对草原最大光能利用率进行了调整[12]．除此之外,李传华等也都在各自研究区域进行了CASA模型的应用与改进[13—14]．1.4 过程模型过程模型是从植物生长过程的机理出发,利用二氧化碳同化过程与气温、太阳辐射、土壤水分、叶片养分等资源环境因子之间的生理关系,确定植被的净初级生产力．该模型可对植被的光合作用、有机物分解及营养元素的循环等生理过程进行模拟,且与大气环流模型耦合,从而进行NPP与气候变化之间的响应与反馈研究．目前,区域尺度的过程模型主要有BEPS、Biome-BGC、CENTURY等．这类模型的特点是，由若干个子模型构成,各子模型互相配合完成NPP的估算．文献[15]显示，BEPS模型主要分为4个子模型，即能量传输子模型主要采用Norman的方法计算冠层吸收的太阳辐射;水循环子模型利用水量平衡和能量平衡关系计算研究区的蒸散量;生理调节子模型主要参考Ball-Berry半经验模型对气孔导度进行模拟;碳循环子模型主要通过光合作用产生的总初级生产力、植物呼吸量及土壤呼吸量估算NPP,该过程需要其他子模型的计算结果作为输入项．Biome-BGC模型考虑了生物量累积、水循环、土壤过程、能量过程等方面[16]．CENTURY模型包括土壤有机质、植物产量、土壤水分和温度3个子模型．由于模型所涉及的过程复杂,驱动模型所需要的输入参数相对较多,概括起来主要有以下几种：①地理地形因子,例如经纬度、海拔高度等;②气象因子,诸如最高温度、最低温度、降水量、太阳辐射量、饱和水汽压差等;③土壤因子,包括土壤类型、质地、有效深度等;④植物生理生态因子,常见的有比叶面积、叶片碳氮比、细根碳氮比等;⑤土地利用/覆被类型数据．虽然过程模型机理明确,但是因为所需数据较多,且有些是难以获取的,用于区域和全球估算过程中网格点内参数的尺度转换相对困难,因此,大范围使用受到影响．我国研究者针对不同区域对过程模型的验证和改进进行了有益尝试．胡波等利用2004年时间序列MODIS LAI产品及气象数据驱动Biome-BGC模型[17],计算了黄淮海地区的NPP.结果显示,该地区NPP在空间分布上南部大于北部,在植被类别上大小顺序依次为混交林—农作物—落叶阔叶林—灌木—草地.比较发现，Biome-BGC模型可较好地用于农田 NPP的模拟．江洪等采用BEPS模型对2004年我国福建省森林生态系统NPP进行了模拟验证[18],认为该模型最初是针对加拿大北部温带森林生态系统设计的,将其用于福建亚热带森林系统,虽然进行了参数修改,但结果仍存在一定的不确定性．近年来的新趋势是将过程模型与光能利用模型进行耦合来研究区域的NPP．尝试较多的是GLOPEM-CEVSA模型,该模型借鉴光能利用模型,通过遥感反演的植被光合有效辐射吸收比例计算植被吸收的有效辐射量,从而获得总初级生产力,然后通过生物量与气温、维持性呼吸系数与温度的关系模拟维持性呼吸和生长性呼吸,最终得到NPP[19]．王军邦等对GLOPEM-CEVSA 模型的使用进行了研究[19],认为该模型对青海三江源地区森林和荒漠的模拟精度相对较高,而对农田和湿地的模拟精度相对较低,草地则居于以上二者之间,模型的本土化研究还有待加强．丁庆福等的研究结果显示:GLOPEM-CEVSA模型对以落叶针叶林为主的东北地区的模拟结果好于以常绿针叶林为主的江西地区[20]．2 NPP的影响因素2.1 气象因素在气象因素中，气温、降水与植物生长最为密切,因此，随研究区域的不同,气温、降水与植被NPP的相关性也存在差异．刘军会等对北方农牧交错带进行研究[21]，发现植被NPP与降水呈正相关,与温度变化呈负相关．蒋冲等利用渭河流域及其周围52个气象站1959—2010年的逐日气象数据[22],采用周广胜-张新时模型估算了该区域的植被净初级生产力,结果同样显示，NPP与降水呈显著正相关,与温度呈负相关,且温度对 NPP的累积所起到的作用有限,水分是主要制约因素．陈旭等研究中国南部区域(18.00°～27.50 N, 108.50°～112.50 E)样带时发现[23]，温度与降水均与植被NPP呈正相关,并且最低温度与NPP的相关系数达0.599,超过降水与NPP的相关系数．蔡雨恋等对三江源地区NPP的研究结论是[24]:温度是决定该地区植被NPP变化的关键因素,它与NPP的相关系数为0.8,降水量的增加对NPP也有促进作用,二者的相关系数为0.7,在温度和降水较好的情况下,NPP与太阳辐射也表现出较高的正相关性．总体而言,各气象要素对NPP的影响程度由研究区植被生长的首要限制因素决定,如在高寒地区,低温是制约植物生长的主要因素,因此温度与NPP表现为较高的正相关；而在干旱和半干旱地区,降水是影响植物生长的首要因素,所以降水量与NPP的正相关表现的更为突出,相反温度升高可能会导致蒸发加剧,从而加重干旱的程度,因而有时与NPP呈现负相关．2.2 CO2浓度CO2是植物进行光合作用的底物,其浓度变化对植物的宏观及微观结构,气孔导度及水分利用效率等产生影响,最终导致植被净初级生产力的相应变化．在目前有关CO2浓度对NPP影响的文献中,主要采用以下2种方法展开研究:①利用逐年监测的全球CO2年平均数据与估算的某一区域的NPP进行相关性分析.例如：И.Ю.Локшина研究认为大气中CO2含量增加1倍[25],北半球植被的生产力将增加28%．毛德华等在东北多年冻土区利用CASA模型计算的植被净初级生产力与全球平均CO2浓度进行相关分析[26],证实植被的NPP与CO2浓度呈显著正相关．②利用过程模型,通过调整CO2的输入浓度,估算在不同CO2浓度水平下植被净初级生产力的大小．范敏锐等通过Biome-BGC模型对北京妙峰山栓皮栎林的研究[27]，发现CO2浓度加倍会降低栓皮栎林的NPP,但降低的幅度不大,且CO2浓度加倍、温度升高2 ℃和降水增加的协同作用更有利于NPP的增长．彭俊杰等同样通过Biome-BGC模型对华北油松林进行分析[28]，显示CO2浓度升高有利于油松林生态系统NPP的增加,温度升高、CO2浓度加倍和降水增加最有助于NPP的增加．然而,同样是应用Biome-BGC模型,张文海等对北京山区NPP的研究得出了不同的结论[29],即CO2浓度加倍、降水和温度增加的共同作用降低了油松林的净初级生产力．由此可见,在利用过程模型研究CO2浓度加倍与NPP的关系时,不同的输入参数将导致结果的差异,因此,参数选择的合理性是决定结论可靠程度的前提．2.3 地形因素地形是指地表以上分布的固定性物体共同呈现出的高低起伏状态,地形的不同将导致区域气象条件、土壤养分和水分的差异,从而影响植被的种类、数量和长势,在一定程度上决定植被净初级生产力的大小．常用的地形因子包括海拔高度、坡度和坡向等．研究结果显示,当海拔高度较低时,植被的NPP随高度的增加呈上升趋势,当到达某一值时,随着海拔高度的增加上升趋势逐渐减少,甚至可能出现NPP的下降．坡向不同决定着地表接收太阳辐射的数量以及地面与盛行风向的交角,一般,北坡的NPP最大,其次为西北和东北坡向的,因此阴坡更有利于植被净初级生产力的增加．坡度的影响则较为复杂,由于研究区域的坡度范围及分级的不同,NPP随坡度的变化规律也不尽相同.例如:李素英等对锡林浩特典型草原区进行研究[30]，认为NPP随坡度的增大而增大;常学礼的研究显示[31]，呼伦贝尔辉河湿地保护区草甸草原的NPP随坡度的增加而减少;李国亮通过对黑河上游草地NPP的研究提出，NPP随坡度呈现波动变化的特点[32]．2.4 土地利用人类自出现以来就开始对土地进行开发利用,并从自身的目的出发赋予土地不同的用途,可以说土地利用类型是与人类活动最为密切的NPP影响因素,同时也是改善环境、恢复植被最直接、有效的途径．文献显示,目前的研究主要围绕以下2个方面展开:一是不同土地利用类型的植被NPP.Goetz等通过GLO-PEM2模型对NPP 进行模拟[33],认为1987—1994年全球不同土地利用下的净初级生产力随土地覆被变化具有较明显的空间分布差异．对于不同土地利用类型的净初级生产力,虽然林地的NPP居于首位已成不争的事实,但耕地与草地的NPP谁大谁小,在不同的研究区域有不同的结论．韩艳飞等通过关天经济区植被的NPP研究，发现林地的NPP最大[34],其次依次为草地、耕地、建设用地．而李军玲等的研究认为耕地的NPP要大于草地的[35—36]．二是土地类型转换导致的NPP变化,以及由此产生的生态环境问题．Imhoff等进行了城市化对植被生产力影响的研究[37],指出美国城市化导致NPP减少,仅从城市化占用农业用地引起的NPP减少就能维持约6%美国人的能量需求．Bakker等进一步指出当城市化发生在土地生产力较高的地区时[38],这种影响更为突出．徐昔保等分析发现[39]，2000—2007年太湖流域的NPP从16.4 ×1012g(以碳的质量计算)减少到14.2 ×1012g(以碳的质量计算),NPP减少的主导因素为城市化扩展迅速.此外,土地整治、油菜及小麦种植比例下降有助于NPP增加,退耕还林在短期内可减少区域的NPP,但长期有助于NPP增长．3 结语随着大范围、连续性监测的需要,陆地植被净初级生产力的估算也从传统的样地实测向模型应用发展,其中，光能利用模型中的CASA模型,由于形式简单、输入参数易于获取,近年来得到了广泛应用,特别是在草地生态系统NPP估算中使用频率较高[40-42];过程模型具有机理明确、可靠性高的特点,但是驱动模型所需的参数较多,获取相对困难,使其应用受到一定限制．将光能利用模型与过程模型相结合,综合运用气象数据、土壤数据和遥感数据,在保证机理性的前提下,提高模型的适用性,具有较好的发展前景．NPP除受自然因素影响外,还受到诸如土地利用等人类活动的影响,由于人为因素难以定量化、相关研究积累较少,在以往的模型中均较少涉及,未来NPP估算应加强对人类活动的关注．参考文献：【相关文献】[1] 龙慧灵,李晓兵,王宏,等.内蒙古草原区植被净初级生产力及其与气候的关系[J].生态学报,2010,30(5):1367-1378.[2] LIETH H, WHITTAKER R H.Primary Productivity of the Biosphere[M].New York: Springer Berlin Heidelberg,1975.[3] 王宗明,梁银丽.植被净第一性生产力模型研究进展[J].干旱地区农业研究,2002,20(2):104-107.[4] 朱志辉.自然植被净第一性生产力估计模型[J].科学通报,1993,38(15):1422-1426.[5] 周广胜,张新时.自然植被净第一性生产力模型初探[J].植物生态学报,1995,19(3):193-200.[6] 王胜兰.基于5种气候生产力模型的乌鲁木齐地区NPP计算分析[J].沙漠与绿洲气象,2008,2(4):40-44.[7] 朱文泉,潘耀忠,张锦水.中国陆地植被净初级生产力遥感估算[J].植物生态学报,2007,31(3):413-424.[8] 陈正华,麻清源,王建,等.利用CASA模型估算黑河流域净第一性生产力[J].自然资源学报,2008,23(3):263-273.[9] 陈峰,李红波,刘亚静.基于GIS和CASA 的滇南山区植被NPP时空分异及其影响因素——以云南省元阳县为例[J].生态学杂志,2018,37(7):2148-2158.[10] 李可相,周焱,周运超,等.基于CASA模型的长顺县夏季NPP时空格局[J].山地农业生物学报,2017,36(4):85-90.[11] 董丹,倪健.利用 CASA 模型模拟西南喀斯特植被净第一性生产力[J].生态学报,2011,31(7):1855-1866.[12] 王保林,王晶杰,杨勇,等.植被光合有效辐射吸收分量及最大光能利用率算法的改进[J].草业学报,2013,22(5):220-228.[13] 李传华,范也平,曹红娟,等.基于CASA模型的植被第一性生产力人为影响定量研究——以石羊河流域为例[J].干旱区地理,2018,41(1):142-151.[14] 张美玲,蒋文兰,陈全功,等.基于CSCS改进CASA模型的中国草地净初级生产力模拟[J].中国沙漠,2014,34(4):1150-1160.[15] 郑凌云.基于卫星遥感与BEPS生态模式的藏北草地变化及NPP动态研究[D].北京:中国气象科学研究院,2006.[16] 亓伟伟,牛海山,汪诗平,等.增温对青藏高原高寒草甸生态系统固碳通量影响的模拟研究[J].生态学报,2012,32(6):1713-1722.[17] 胡波,孙睿,陈永俊.遥感数据结合Biome-BGC模型估算黄淮海地区生态系统生产力[J].自然资源学报,2011,26(12):2061-2071.[18] 江洪,汪小钦,孙为静.福建省森林生态系统NPP的遥感模拟与分析[J].地球信息科学学报,2010,12(4):580-586.[19] 王军邦,刘纪元,邵全琴,等.基于遥感-过程耦合模型的1988—2004年青海三江源区净初级生产力模拟[J].植物生态学报,2009,33(2):254-269.[20] 丁庆福,王军邦,齐述华,等.江西省植被净初级生产力的空间格局及其对气候因素的响应[J].生态学杂志,2013,32(3):726-732.[21] 刘军会,髙吉喜.气候和土地利用变化对中国北方农牧交错带植被覆盖变化的影响[J].应用生态学报,2008,19(9):2016-2022.[22] 蒋冲,王飞,穆兴民,等.气候变化对渭河流域自然植被净初级生产力的影响研究(Ⅱ)——渭河流域自然植被净初级生产力的研究[J].干旱区资源与环境,2013,27(5):53-57.[23] 陈旭,林宏,强振平.中国南部样带植被NPP与气候关系[J].生态环境,2008,17(6):2281-2288.[24] 蔡雨恋,郑有飞,王云龙,等.利用改进的CASA模型分析三江源区净植被生产力[J].南京信息工程大学学报:自然科学版,2013,5(1):34-42.[25] И.Ю.Локшина.刘树泽，译.大气中浓度倍增时植被生产力的变化[J].气象科技,1987(3):66-69.[26] 毛德华,王宗明,罗玲,等.1982—2009年东北多年冻土区植被净初级生产力动态及其对全球变化的响应[J].应用生态学报,2012,23(6):1511-1519.[27] 范敏锐,余新晓,张振明,等.CO2倍增和气候变化对背景山区栓皮栎林NPP影响研究[J].生态环境学报,2010,19(6):1278-1283.[28] 彭俊杰,何兴元,陈振举,等.华北地区油松林生态系统对气候变化和CO2浓度升高的响应——基于Biome-BGC模型和树木年轮的模拟[J].应用生态学报,2012,23(7):1733-1742.[29] 张文海,吕锡芝,余新晓,等.气候和CO2变化对北京山区油松林NPP的影响[J].广东农业科学,2012,(6):4-6.[30] 李素英,常英,王秀梅,等.地形对典型草原区净第一性生产力的生态影响[J].中国草地学报,2013,35(2):59-63.[31] 常学礼,吕世海,冯朝阳,等.地形对草甸草原植被生产力分布格局的影响[J].生态学报,2015,35(10):1-13.[32] 李国亮,赵军.黑河流域上游草地NPP分布及其与地形因子的关系分析[J].甘肃科技,2013,29(21):30-32.[33] GOETZ S J, PRINCE S D, GOWARD S N, et al.Satellite remote sensing of primary production: An improved production efficiency modeling approach[J].Ecological Modelling,1999,122(3): 239-255.[34] 韩艳飞,柯长青,李晶.近30年关天经济区植被净初级生产力对土地利用变化的动态响应[J].干旱区资源与环境,2014(6):68-74.[35] 李军玲,陈怀亮,邹春辉,等.1994—2008年河南省植被净第一性生产力及其时空变化[J].生态环境学报,2011(10):1424-1429.[36] 戴靓,彭慧,吴绍华,等.苏南地区净第一性生产力对土地利用变化的响应[J].土壤,2013,45(3): 565-571.[37] IMHOFF M L, TUCKER C J, LAWRENCE W T, et al.The use of multisource satellite and geospatial data to study the effect of urbanization on primary productivity in the United States[J].IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(6): 2549-2556. [38] BAKKER M M, GOVERS G, van DOORN A, et al.The response of soil erosion and sediment export to land-use change in four areas of Europe: The importance of landscape pattern[J].Geomorphology, 2008, 98(3/4): 213-226.[39] 徐昔保,杨桂山,李恒鹏.太湖流域土地利用变化对净初级生产力的影响[J].资源科学,2011,33(10):1940-1947.[40] 苏日娜，俎佳星，金花，等. 内蒙古草地生产力及载畜量变化分析[J]. 生态环境学报， 2017，26(4)： 605-612.[41] 黄露，周伟，李浩然，等. 土地利用/覆被变化对鄂尔多斯市草地生态系统净初级生产力的影响[J]. 水土保持通报，2018，38(4)：46-59.[42] 杜梦洁，郑江华，任璇，等. 地形对新疆昌吉州草地净初级生产力分布格局的影响[J]. 生态学报，2018，38(13)：4789-4799.。
【可持续发展遥感监测】天眼看2001-2014年中国植被状况
【可持续发展遥感监测】天眼看2001-2014年中国植被状况植被是地球表面植物群落的总称，是生态环境的重要组成部分。
植被的种类、数量和分布是衡量区域生态环境是否安全和适宜人类居住的重要指标。
生态环境保护首先是地表植被的保护。
因此，分析中国现有植被状况及近十年的变化特征对于开展生态环境保护具有重要意义。
1中国植被状况遥感监测分析指标叶面积指数叶面积指数（Leaf Area Index，LAI）是描述植被冠层功能的重要参数，也是影响植被光合作用、蒸腾以及陆表能量平衡的重要生物物理参量，定义为单位地表面积上叶子表面积总和的一半。
报告采用年最大LAI（MLAI）作为评价指标分析植被长势状况，该指标代表一年中LAI 的最大值，反映一年中植被生长最旺盛期的植被生长状态。
MLAI的取值范围为0~7，其中当MLAI 为0 时，表示该区域没有植被；当MLAI 为7 时，表示该区域植被长势达到最高峰。
植被物候植被物候是研究植被的周期性现象（如发芽、展叶、开花、落叶等）的发生时间及其与环境季节性变化相互关系的科学。
报告中使用的植被物候遥感产品是基于遥感数据提取的植被物候信息，通常包括植被生长季始期、生长季末期和生长季长度。
其中，生长季始期和末期分别对应植被光合作用开始和结束日期，生长季长度为生长季末期和生长季始期的差值。
植被覆盖度植被覆盖度（Fractional Vegetation Coverage，FVC）是衡量地表植被状况的一个重要指标，指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。
报告使用年最大FVC（MFVC）作为评价指标用来评价中国植被覆盖情况，MFVC有效值范围为0%~100%，当MFVC 为0% 时，表示地表像元内没有植被即裸地；当MFVC 为100% 时，表示地表像元全被植被覆盖。
植被净初级生产力植被净初级生产力（Net Primary Productivity，NPP）是反映植被固碳能力的指标之一，是评估植被固碳能力和碳收支的重要参数，指绿色植被在单位时间、单位面积上所累积的有机物质量，是由光合作用所生产的有机质总量中扣除自养呼吸后的剩余部分。
基于多源数据的植被净初级生产力估算及驱动因素分析
基于多源数据的植被净初级生产力估算及驱动因素分析基于多源数据的植被净初级生产力估算及驱动因素分析摘要：植被净初级生产力（NPP）是研究生态系统结构与功能的重要指标之一。
本文利用形成全球覆盖的植被资料和其他多源数据，对植被NPP进行了估算，并分析了其主要驱动因素。
研究结果表明，多源数据相结合的方法可以有效地评估植被NPP，并提供对生态系统健康状况和碳循环的全面认识。
1.引言植被净初级生产力是描述生态系统能量利用和生物质积累能力的重要指标。
对植被NPP的准确估算及驱动因素的分析，对于精确评估生态系统碳储量和植被生长状态，以及预测气候变化对植被生产力的影响具有重要意义。
2.数据和方法本研究基于多源数据对植被NPP进行估算。
主要数据包括植被指数（NDVI）、气象数据、土地利用/土地覆盖数据等。
我们采用经验公式法和机器学习方法，对全球范围内的植被NPP进行估算，并使用统计分析方法对结果进行处理。
3.结果与讨论通过综合利用多源数据，我们成功估算了全球范围内的植被NPP。
结果显示，全球范围内的植被NPP呈现明显的地域差异，受气候因素和土地利用/土地覆盖变化的影响较大。
气候因素包括温度、降雨量和光照等，而土地利用/土地覆盖变化包括人类活动和自然因素所导致的土地利用和植被覆盖变化。
4.驱动因素分析通过统计方法，我们进一步分析了植被NPP的主要驱动因素。
结果表明，温度和降雨量对植被NPP的影响最为显著，其影响机制是通过调节植物的生长季节和光合作用速率。
土地利用/土地覆盖变化也对植被NPP产生了一定的影响，但相对于气候因素的影响较小。
5.结论本研究基于多源数据对全球范围内的植被NPP进行了估算，并分析了其主要驱动因素。
结果表明，气候因素和土地利用/土地覆盖变化是影响植被NPP的关键因素。
这一研究为评估生态系统健康状况、预测全球变化对生态系统的影响提供了重要的科学依据。
6.展望未来的研究应进一步改进数据质量和空间分辨率，提高植被NPP的估算精度。
【最新精选】casa模型全部流程
CASA模型估算NPP的全部流程CASA模型中NPP的估算可以由植物的光合有效辐射（APAR）和实际光能利用率（ε）两个因子来表示，其估算公式如下：APARxtNPPε⨯=txx(),(t),(),式中，APAR(x,t)表示像元x在t月吸收的光合有效辐射（g C·m-2·month-1），ε(x,t)表示像元x在t月的实际光能利用率（g C·MJ-1）净初级生产力（NPP）估算模型总体框架Frame of net primary productivity (NPP) Estimation ModelAPAR的估算APAR的值由植被所能吸收的太阳有效辐射和植被对入射光合有效辐射的吸收比例来确定。
FPARt xSOLt xAPAR⨯5.0=t x),(),(⨯),(式中，SOL(x,t)表示t月在像元x处的太阳总辐射量（g C·m-2·month-1），FPAR(x,t)植被层对入射光合有效辐射的吸收比例，常数0.5表示植被所能利用的太阳有效辐射（波长为0.4-0.7μm）占太阳总辐射的比例。
FPAR 的估算在一定范围内，FPAR 与NDVI 之间存在着线性关系（Ruimy & Saugier ，1994），这一关系可以根据某一直被类型NDVI 的最大值和最小值以及所对 应的FPAR 最大值和最小值来确定。
min min max min ,max ,min ,)()()),((),(FPAR FPAR FPAR NDVI NDVI NDVI t x NDVI t x FPAR i i i +-⨯--=式中，NDVI i,max 和NDVI i,min 分别对应第i 种植被类型的NDVI 最大和最小值。
FPAR 与比值植被指数（SR ）也存在着较好的线性关系（Field et al.，1995;Los et al.，1994），可由以下公式表示：min min max min ,max ,min ,)()()),((),(FPAR FPAR FPAR SR SR SR t x SR t x FPAR i i i +-⨯--=式中，FPAR min 和FPAR max 的取值与植被类型无关，分别为0.001和0.95； SR i,max 和SR i,min 分别对应第i 种植被类型NDVI 的95%和5%下侧百分位数， SR(x,t)由以下公式表示：),(1),(1),(t x NDVI t x NDVI t x SR -+=通过对FPAR-NDVI 和FPAR-SR 所估算结果的比较发现，由NDVI 所估算的FPAR 比实测值高，而由SR 所估算的FPAR 则低于实测值，但其误差小于直接由NDVI 所估算的结果[1]，因此我们可以讲二者结合起来，取其加权平均或平均值作为估算FPAR 的估算值：SR ND VI FPAR FPAR t x FPAR )1(),(αα-+=[1] 朱文泉, 潘耀忠, 张锦水. 中国陆地植被净初级生产力遥感估算, 植物生态学报 , 2007, 31(3), 413-424.光能利用率的估算光能利用率是在一定时期单位面积上生产的干物质中所包含的化学潜能与同一时间投射到该面积上的光合有效辐射能之比。
NPP估算--CASE模型
NPP估算--CASE模型长江上游初级生产力评估植被既是重要的自然资源，又是自然条件（如地质、地貌、气候、土壤等）和人类开发利用资源状况的综合反映。
随着全球变化的加剧及其对全球变化研究的不断深入，植被作为陆地生物圈的主体，在生态系统中的作用也日益受到重视，尤其是在全球物质循环、能量流动、调节全球碳平衡、减缓大气中CO2等温室气体浓度上升趋势以及维护全球气候稳定等方面具有不容忽视的意义。
植被净初级生产力（Net Primary Productivity，NPP）是指绿色植物在单位面积、单位时间内所累积的有机物数量，表现为光合作用固定的有机碳中扣除植物本身呼吸消耗的部分，这一部分用于植被的生长和生殖，也称净第一性生产力。
NPP作为地表碳循环的重要组成部分，不仅直接反映了植被群落在自然环境条件下的生产能力，表征陆地生态系统的质量状况，而且是判定生态系统中碳源/碳汇和调节生态过程的主要因子，在全球变化及碳平衡中扮演着重要的作用。
自20世纪60年代以来，各国学者对NPP的研究倍受重视，国际生物学计划（International Biological Programme，IBP，1965～1974）期间，曾进行了大量的植物NPP的测定，并以测定资料为基础联系气候环境因子建立模型对植被NPP的区域分布进行评估如Miami模型、Thornthwaite 纪念模型、Chikugo模型等。
建立于1987年的国际地圈――生物圈计划（International Geo-Biosphere Programme，IGBP）、全球变化与陆地生态系统（GCTE）和最近出台的京都协定（Kyoto Protocol）均把植被的NPP研究确定为核心内容之一（IGBP，1998）。
长江上游地区面积广大，地形复杂，气候多样，植被类型丰富，是我国生态屏障关键区，也是重要的生态脆弱区和气候变化敏感区。
同时，它还是我国生物多样性和自然保护集中区和我国重要的森林分布区、草地分布区。
中国陆地植被净初级生产力估算模型优化与分析——基于中国生态系统研究网络数据
中国陆地植被净初级生产力估算模型优化与分析——基于中国生态系统研究网络数据苏胜涛;曾源;赵旦;郑朝菊;吴兴华【期刊名称】《生态学报》【年(卷),期】2022(42)4【摘要】该研究基于中国生态系统研究网络(CERN)数据对传统CASA模型进行优化,对比两叶模型与优化CASA模型在站点尺度和像元尺度对于8个典型生态站点的植被净初级生产力(NPP)估算精度,选择在像元尺度表现更好的优化CASA模型,结合中国土地覆被数据(ChinaCover)开展2000—2019年中国陆地植被NPP监测与分析。
研究结果表明:(1)基于FY2D PAR的优化方案能够有效避免空间插值导致的不确定性问题,显著提高了PAR估算精度;(2)在站点尺度上,两叶模型用于估算典型森林、草地生态系统的NPP表现更好,而在像元尺度上优化CASA模型估算精度更高;(3)在全国尺度上,优化了最大光能利用率、水分胁迫系数以及光合有效辐射计算方法的CASA模型能够较好地模拟中国陆地植被NPP,近20年中国陆地植被NPP变化范围为2.703—2.882 PgC/a,在空间上呈西北低东南高的格局,在时间上呈现波动中缓慢增加的趋势。
【总页数】14页(P1276-1289)【作者】苏胜涛;曾源;赵旦;郑朝菊;吴兴华【作者单位】中国科学院空天信息创新研究院遥感科学国家重点实验室;中国科学院大学;中国长江三峡集团有限公司【正文语种】中文【中图分类】Q94【相关文献】1.西北地区植被净初级生产力估算模型对比与其生态价值评价2.基于文献整合的中国典型陆地生态系统初级生产力、呼吸和净生产力数据集3.基于文献整合的中国典型陆地生态系统初级生产力、呼吸和净生产力数据集因版权原因，仅展示原文概要，查看原文内容请购买。
中国农业植被净初级生产力模拟（Ⅱ）-模型的验证与净初级生产力估算
中国农业植被净初级生产力模拟（Ⅱ）-模型的验证与净初级生
产力估算
中国农业植被净初级生产力模拟(Ⅱ)-模型的验证与净初级生产力估算
利用我国若干代表性区域6种主要作物(水稻、小麦、玉米、棉花、大豆、油菜)生产力的田间试验及统计数据,对中国农业植被净初级生产力模型Crop-C进行了验证.结果表明,该模型能利用常规的气象和土壤资料、化肥氮施用量等较好地模拟我国6种作物主产区的净初级生产力,模拟值与观测值的相关系数(R2)为0.80(n=786).将Crop-C模型与GIS空间数据库耦合,估计了1980-2000年中国农业植被净初级生产力.模拟结果表明,自1980年以来,中国农业植被净初级生产力呈增加趋势,从1980年的472.9Tg C增加到2000年的607.2Tg C,秦岭淮河以北的华北地区和西北部分地区增加最为明显.
作者：王彧黄耀张稳于永强王平WANG Yu HUANG Yao ZHANG Wen YU Yong-qiang WANG Ping 作者单位：王彧,王平,WANG Yu,WANG Ping(南京农业大学,资源与环境科学学院,南京,210095)
黄耀,张稳,于永强,HUANG Yao,ZHANG Wen,YU Yong-qiang(中国科学院,大气物理研究所大气边界层物理和大气化学国家重点实验室,北京,100029)
刊名：自然资源学报ISTIC PKU英文刊名：JOURNAL OF NATURAL RESOURCES 年，卷(期)：2006 21(6) 分类号：Q94 关键词：作物模型验证地理信息系统。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
植物生态学报 2007,31(3)413～424 ΞJ ournal of Plant Ecology(formerly Acta Phytoecologica Sinica)中国陆地植被净初级生产力遥感估算朱文泉 潘耀忠 张锦水3(北京师范大学资源学院,环境演变与自然灾害教育部重点实验室,北京 100875)摘 要 该文在综合分析已有光能利用率模型的基础上,构建了一个净初级生产力(N PP)遥感估算模型,该模型体现了3方面的特色:1)将植被覆盖分类引入模型,并考虑植被覆盖分类精度对N PP估算的影响,由它们共同决定不同植被覆盖类型的归一化植被指数(NDVI)最大值;2)根据误差最小的原则,利用中国的N PP实测数据,模拟出各植被类型的最大光能利用率,使之更符合中国的实际情况;3)根据区域蒸散模型来模拟水分胁迫因子,与土壤水分子模型相比,这在一定程度上对有关参数实行了简化,使其实际的可操作性得到加强。
模拟结果表明,1989～1993年中国陆地植被N PP平均值为3.12Pg C(1Pg=1015g),N PP模拟值与观测值比较接近,690个实测点的平均相对误差为4.5%;进一步与其它模型模拟结果以及前人研究结果的比较表明,该文所构建的N PP遥感估算模型具有一定的可靠性,说明在区域及全球尺度上,利用地理信息系统技术将遥感数据和各种观测数据集成在一起,并对N PP模型进行参数校正,基本上可以实现全球范围不同生态系统N PP的动态监测。
关键词 生物量 遥感 模拟 N PP NDVI 中国ESTIMATION OF NET PRIMAR Y PR ODUCTIVIT Y OF CHINESE TERRESTRIALVEGETATION BASE D ON REMOTE SENSINGZH U Wen2Quan,PAN Y ao2Zhong,and ZH ANGJin2Shui3K ey Laboratory o f Environmental Change and Natural Disaster o f Ministry o f Education,College o f Resources Science and Technology,Beijing NormalUniver sity,Beijing100875,ChinaAbstract Aims Net primary productivity(N PP)is a key com ponent of the terrestrial carbon cycle.M odelsimulation is comm only used to estimate regional and global N PP given difficulties to directly measure N PP atsuch spatial scales.A number of N PP m odels have been developed in recent years as research issues related tofood security and biotic response to climatic warming have become m ore com pelling.H owever,large uncertain2ties still exist because of the com plexity of ecosystems and difficulties in determining s ome key m odel parame2ters.Methods We developed an estimation m odel of N PP based on geographic information system(GIS)and re2m ote sensing(RS)technology.The vegetation types and their classification accuracy are simultaneously intro2duced to the com putation of s ome key vegetation parameters,such as the maximum value of normalized differ2ence vegetation index(NDVI)for different vegetation types.This can rem ove s ome noise from the rem ote sens2ing data and the statistical errors of vegetation classification.It als o provides a basis for the sensitivity analysisof N PP on the classification accuracy.The maximum light use efficiency(LUE)for s ome typical vegetationtypes in China is simulated using a m odified least squares function based on NOAA/AVHRR rem ote sensingdata and field2observed N PP data.The simulated values of LUE are greater than the value used in the C AS Am odel and less than the values simulated with the BI OME2BG C m odel.The com putation of the water restrictionfactor is driven with ground meteorological data and rem ote sensing data,and com plex s oil parameters areav oided.Results are com pared with other studies and m odels.Important findings The simulated mean N PP in Chinese terrestrial vegetation from1989-1993is3.12PgC(1Pg=1015g).The simulated N PP is close to the observed N PP,and the total mean relative error is4.5%for690N PP observation stations distributed in the whole country.This illustrates the utility of them odel for the estimation of terrestrial primary production over regional scales.K ey w ords biomass,rem ote sensing,simulation,N PP,NDVI,China 收稿日期:2006202215 接受日期:2006206224 基金项目:国家自然科学基金项目(40371001)和北京师范大学青年基金项目 3通讯作者Author for correspondence E2mail:zhangjsh@E2mail of the first author:zhuwq75@ 植被生产力是人类生活所需食物、原料及燃料的来源。
植物通过光合作用将太阳能固定并转化为植物生物量。
单位时间和单位面积上,绿色植物通过光合作用所产生的全部有机物同化量,即光合总量,叫总初级生产力(GPP);净初级生产力(N PP)则是从光合作用所产生的有机质总量中扣除自养呼吸后的剩余部分。
N PP作为地表碳循环的重要组成部分,不仅直接反映了植被群落在自然环境条件下的生产能力,表征陆地生态系统的质量状况,而且是判定生态系统碳源/汇和调节生态过程的主要因子(Field et al.,1998),在全球变化及碳平衡中扮演着重要的作用。
自20世纪60年代以来,各国学者对N PP的研究倍受重视,国际生物学计划(International biological programme,I BP,1965～1974)期间,曾进行了大量的植物N PP的测定,并以测定资料为基础联系气候环境因子建立模型对植被N PP的区域分布进行评估,如Miami模型、Thornthwaite纪念模型、Chikug o模型等(Lieth,1975;Uchijima&Seino, 1985)。
建立于1987年的国际地圈2生物圈计划(In2 ternational geo2biosphere programme,IG BP)、全球变化与陆地生态系统(G lobal change and terristrial ecosys2 tems,G CTE)和最近出台的京都协定(K y oto protocol)均把植被的N PP研究确定为核心内容之一。
早在20世纪70年代M onteith就发现N PP和植被吸收的光合有效辐射(A P AR)之间存在着稳定的关系:当水分和肥料处在最适的条件下,农作物的N PP与A P AR具有很强的线性相关(M onteith, 1972)。
进一步的研究发现,N PP与A P AR的时间序列积分有较好的相关性(Landsberg,1996),但是不同的植被类型,或者同一植被类型在不同的生长条件下,所获得的经验模型存在着差异,这就意味着植被的N PP受植物本身及其生长环境的影响(Evans, 1989)。
尽管早期的一些科学家利用A P AR2N PP这一关系在小范围的实验点上开展植被N PP估算,取得了一定的成功,但在区域及全球尺度上,由于气候类型和植被类型的多样,其应用受到了很大的限制,问题主要存在于一些参数的确定上,具体表现在以下几个方面:1)很多光能利用率模型本身考虑了不同的植被覆盖类型对N PP估算结果的影响,但也仅仅是在光合有效辐射吸收比例(FP AR)的估算过程中,根据不同的植被覆盖类型来确定比值植被指数最大值(Field et al.,1995;朴世龙等,2001;彭少麟等, 2000),没有考虑不同的植被覆盖分类精度对N PP估算结果的影响。