基于GWR的中国地级城市SO_2年均质量浓度模拟

中国城市空气污染问题已经引起广泛关注。目前相关研究很多,但是以空间位置为拟合参数,对空气质量进行回归模拟的研究较少。以2010年中国地级以上城市SO2年均质量浓度为因变量,分别应用普通线性回归和地理加权回归(GWR)模型模拟SO2年均质量浓度,其中地理加权回归方法考虑了空间位置的影响并以此作为回归参数。回归的自变量指标体系包括气象要素(多年平均温度、光照、降水)、植被覆盖(NDVI)、地形要素(坡度、坡向、起伏度)、人为因素(GDP、能源消费)几个方面。由于各指标之间存在较强的相关性,用主成分分析方法计算得到温度、日照、降水、NDVI表征的气象植被综合指标,高程、坡度、起伏度表征的地形综合指标,和GDP、能源消费表征的人为因素综合指标。用3个综合指标值作为自变量进行回归模拟。普通回归结果较差,其r2为0.11,矫正的r2为0.10;GWR模型模拟结果相对较好,其拟合优度显著提高,r2为0.66,矫正的r2为0.47。因此,地理加权回归适合进行此类拟合,普通线性回归不适合。通过对比地理加权回归模拟的各个城市的拟合优度,发现年均质量浓度数值较高的地区拟合效果较差,这些地区主要集中在中国华北和南部部分地区。与基于机理的模型相比,GWR模型和其各具优缺点,GWR的优势主要表现在数据及其格式化要求低,计算机软硬件条件要求低,运算速度快等。     

NDVI起伏型时间序列模型初探

NDVI(植被归一化指数 )是描述地表植被特征的重要指标 ,其月动态变化具有明显的周期性规律 .应用起伏型时间序列法对中国及其典型省份的NDVI月动态变化进行模拟 .结果表明 :无论是较规则的周期波动 ,还是幅度较大的不规则波动 ,均呈较高的拟合精度 ,且优于以气象因子所建立的线性回归模型的拟合效果 .说明起伏型时间序列分析可用于NDVI动态变化研究 ,因此丰富了NDVI动态变化定量研究的方法和内容 ,从而为研究全球气候影响下的植被变化提供思路 .图 2表 1参 14     

基于地理加权回归模型的能源“金三角”地区植被时空演变及主导因素分析

宁陕蒙接壤地区的能源"金三角"为我国提供了丰富的能源,其地表植被状况与我国的生态恢复与重建密切相关。应用RS和GIS技术,以归一化植被指数产品(MODIS NDVI)为数据源,借助逐像元趋势分析法研究了2005—2015年间的植被动态变化;基于规则网格构建地理加权回归模型(GWR),探索了高程、坡度、土壤黏粒含量、多年平均气温、多年平均降水、距煤矿区距离及距道路距离7个因子对植被变化的影响及其空间非平稳性。结果表明:(1)时间上,2005—2015年研究区平均NDVI整体呈现波动上升趋势,增长率为0.083·(10 a)~(-1)(P0.05);空间上,NDVI呈现由东南向西北递减的分布格局;趋势上,NDVI变化呈增加趋势的区域(27.11%)远大于减少区域(0.64%),显著增加区域主要分布在榆林市东部。(2)与2005—2012年相比,2013—2015年归一化植被指数(NDVI)在全区显著减少,且具有更强的空间聚集性(Moran's I值为0.851),但变化程度具有空间异质性。(3)2个时段全区植被变化受气候等自然因素的影响较大,影响植被变化的主要因素在时间与空间上具有差异性,人类活动对植被变化具有双重作用。     

生态因子对川渝地区壳斗科植物物种丰富度的影响

西南川渝地区是我国壳斗科植物分布最为丰富的地区之一.以川渝地区壳斗科植物为研究对象,以皮尔逊相关系数(r 0.8)以及方差膨胀因子(VIF 10)为准则,选取代表现代气候、生境异质性和历史气候变化的9个生态因子,基于地理加权回归模型(GWR)探究生态因子对壳斗科植物物种丰富度的影响,并与经典的全局最小二乘回归法(OLS)进行比较.结果显示:(1)分布在川渝地区的壳斗科植物有6属共74种,主要以栎属(Quercus)和柯属(Lithocarpus)为主;(2)物种丰富度(SR)表现为南部最高,物种丰富度中心为川西南锦屏山东南部—鲁南山西侧、横断山中部的邛崃山南段—大凉山北段以及四川盆地东南缘大娄山东段,可达到29-35种;(3)GWR模型预测精度优于OLS,其预测结果表明海拔变幅、潜在蒸散量和最暖季降雨量是影响川渝壳斗科植物物种丰富度的主要因子,且影响程度表现出明显的空间差异性.整体来看,GWR模型可为探究物种-生态因子关系的空间异质特征提供一种新的方法,在生物多样性研究中具有较好的应用前景.(图3表2参51)     

西南喀斯特地区植被变化及其与气候因子关系研究

受气候变化和退耕还林还草工程实施的影响,植被分布产生一定的变化,厘清气候因子与植被生长的关系,可以为生态维护与治理提供参考依据,为生态保护成效评估提供科学基础。选择环江喀斯特区,以中分辨率卫星成像光谱仪(MODIS)卫星遥感250m空间分辨率植被指数NDVI,分析2000-2017年该地区植被变化趋势,利用多元线性回归分析累积降水、温度、辐射等气候因子的影响范围和程度,以残差趋势法厘定植被变化中的人为贡献。结果表明,(1)2000-2017年,环江地区87%的地区植被年均NDVI呈现不同程度的增加趋势,增长率为0.4%a~(-1);主要植被类型农田、森林、草地年均NDVI持续改善,其中森林的改善状况最好。(2)环江地区气候变化整体呈冷湿化。温度、累积降水、辐射对植被年均NDVI的影响情况不同,就环江地区而言,温度、辐射对年均NDVI表现出正影响,且温度影响最大;累积降水与年均NDVI呈负相关。(3)不同植被类型受气候因素的影响不同,在气候因素对植被年均NDVI的解释度较高的地区,农田主要受温度影响,森林和草地主要受辐射和温度的共同影响。(4)环江地区气候因素可以解释8.5%的年均NDVI的变化情况。(5)环江地区除气候因素以外的其他因素对NDVI影响更大。     

基于地理探测器的喀斯特植被NPP定量归因

植被净第一性生产力(NPP)作为生态系统功能的重要指标,既可以反映植被的生长状况,又是生物圈内碳循环的重要分量。喀斯特地区植被NPP的研究是植被建设和生态系统恢复的重要基础,其影响因素的定量识别对喀斯特地区的生态恢复与区域可持续发展具有重要意义。在高精度NDVI数据反演的基础上,运用CASA模型模拟贵州省典型峰丛洼地区三岔河流域2015年区域尺度的植被NPP,分析喀斯特地区植被NPP的空间变化特征,综合海拔、坡度、降水、温度、植被覆盖度和土地利用类型等影响因子,应用地理探测器方法在不同地貌形态类型区内进行喀斯特植被NPP空间异质性的定量归因研究。结果表明:植被覆盖度与温度是植被NPP的显著控制因子,其交互作用对NPP的解释力为77.8%;地貌形态类型对植被NPP的空间分布具有宏观控制作用,土地利用类型在相对平缓的平原、台地地区对NPP的解释力是山地丘陵等地势起伏较大地区解释力的近两倍;海拔因子在小起伏中山和中起伏中山等山地地区对NPP的解释力强于较平缓地区;各个地貌形态类型区内因子的层间差异均随地貌特征的变化而显现出不同程度的差异性。双因子的交互作用均能增强对植被NPP空间分布的解释力,且在各个地貌形态类型区中,解释力排在前三位的主导交互作用方式均为植被覆盖度因子与另一影响因子的叠加。因此,在喀斯特地区未来的发展过程中,应考虑多种环境因子之间的交互作用,从多视角、多维度探究环境因子对植被NPP的影响,为喀斯特石漠化的治理工作提供参考依据。     

绿化覆盖率对城市绿地破碎度与地表温度的关系的影响

优化绿地空间配置（如破碎度）是改善城市热环境的有效途径。然而绿地破碎度对城市热环境的影响可能随绿化覆盖率的变化而变化,对改善城市热环境提出了巨大挑战,但相关研究十分缺乏。以长沙市为例,利用Landsat地表温度表征城市热环境,使用解译于高分2号遥感影像的城市绿地图在1 m像元尺度量化绿化覆盖率和绿地破碎度（用绿地边界密度表征）。以419个1 km格网为分析单元,应用分段线性回归揭示绿化覆盖率与绿地破碎度间的非线性关系,识别绿化覆盖率阈值并以此为标准将419个1 km格网划分为高绿化覆盖率区和低绿化覆盖率区。以1 km格网平均地表温度为因变量,绿化覆盖率、绿地破碎度、水体覆盖率和裸地覆盖率为自变量从研究区、高绿化覆盖率区和低覆盖率区3个方面建立多元线性回归模型阐明绿地破碎度对地表温度的影响。最后进行方差分解分析绿化覆盖率、绿地破碎度和其他土地覆盖率对地表温度的独立和联合影响。结果显示,1）绿地破碎度随绿化覆盖率的增加先增加后降低,阈值为44.9%。2）整个研究区,4个指标可解释69.1%的地表温度变异,地表温度随绿化覆盖率、水体覆盖率、裸地覆盖率和绿地破碎度的增加显著降低。3）低绿化覆盖...     

中国工业SO2排放量动态变化分析

中国工业SO2减排工作的重点。经济增长、经济空间结构变化、技术进步是影响污染物排放量变化的三个重要因素。在分析我国工业SO2排放量、排放结构、排放强度等变化趋势的基础上,通过构建对数平均权重分解模型定量分解经济增长、结构变化、技术进步这3个因素对工业SO2排放量变化的贡献。结果表明：（1）中国工业SO2排放量年均增长48.7×10^4 t,年均增长率为3.2%,且2002—2006年增速加快;（2）分地区看,1991年以来,东部地区SO2排放量所占比重明显下降,中部地区略有上升,而西部地区所占比重增加显著;（3）单位产值工业SO2排放强度在研究期内迅速降低,年均下降幅度为8.4%,对减缓SO2排放量的过快增长起到了积极作用;（4）经济增长平均每年促进SO2排放量增长183.7×10^4 t,技术进步则平均每年使SO2排放量减少134.2×10^4 t,空间结构因素平均每年减少SO2排放量0.8×10^4 t。可以看出,长期以来,虽然我国的技术水平有了一定程度提高,但经济规模的扩张使中国工业SO2排放量持续增长,对中国环境压力形成了巨大压力,同时,经济总量在不同地区的分配对SO2排放量的影响也在不断变化中。     

中国沿海地区植被NDVI时空变化及驱动力分析

研究植被变化对区域生态修复具有重要意义。以中国沿海地区为例,基于归一化植被指数（NDVI）和降水、夜间灯光等自然和人为因子数据,运用Theil-Sen Median趋势分析+Mann-Kendall检验、最优参数地理探测器（OPGD）、相关分析和Hurst指数,多时空尺度探讨了中国沿海地区植被NDVI时空变化规律及其驱动力。结果表明：1)2001-2020年研究区植被状况较好,NDVI多年均值为0.762,具体到各分区,东北沿海的NDVI均值最高,其次是华南沿海,华东沿海和华北沿海;全区NDVI逐年变化率为0.019/10 a(P<0.01),不同分区的上升趋势从大到小为华南沿海、东北沿海、华北沿海和华东沿海,区域内植被状况不断改善,退耕还林还草和沿海防护林等生态工程效益不断显现;2）夜间灯光指数在全区各个因子中的解释力最大（q值为0.354）,人为因素对NDVI的解释力明显大于自然因素,其对植被恢复产生了积极影响,并且随时间推移逐渐增强;3）两因子结合后的解释力大于单因子,表现为双因子增强和非线性增强。在全区范围内,影响最大的一对交互作用为土壤类型∩夜间灯光,其他分区则为日照时...     

多维地形因子作用下的西南山地丘陵过渡带景观格局研究:以涪江流域中上游为例

山地丘陵过渡带地形独特,地形因子分析不仅可以对复杂地理单元的景观格局做出合理解释,而且能进一步了解景观格局分布规律,为优化空间配置奠定基础。以2017年Google Earth影像、DEM和全球30 m地表覆盖数据为数据源,运用GIS技术、分布指数、景观格局指数和移动窗口法等方法,分析了涪江流域中上游地区景观类型随高程、坡度、起伏度和坡向的空间分布特征,利用Pearson相关性分析探究不同地形因子对景观格局变化的影响程度。结果表明:(1)随着高程、坡度和起伏度的增加,景观类型由人为主导的耕地、建设用地过渡为以自然为主导的林地、草地;从阳坡到阴坡,建设用地分布由优势到劣势下降最为明显。(2)流域景观类型最为丰富的地貌为冲积平原,主要分布于海拔500～650 m、坡度0～5°和起伏度10～30 m的区域;高海拔、坡度和起伏度地区的景观格局单一化趋势明显,破碎化程度较轻。(3)山地区的多样化景观主要分布在涪江沿岸,丘陵区涪江沿岸景观呈现单一化趋势,冲积平原区景观由外向内呈现出相对单一化—多样化—相对单一化的趋势,城乡结合部景观最为丰富。(4)不同地形因子对景观格局的影响程度为高程坡度起伏度坡向,高程、坡度、起伏度与景观格局有较强的相关性,而坡向则表现为弱相关性。     

Local spatial modeling of white-tailed deer distribution

Complex spatial heterogeneity of ecological systems is difficult to capture and interpret using global models alone. For this reason, recent attention has been paid to local spatial modeling techniques. We used one local modeling approach, geographically weighted regression (GWR), to investigate the effects of local spatial heterogeneity on multivariate relationships of white-tailed deer distribution using land cover patch metrics and climate factors. The results of these analyses quantify differences in the contributions of model parameters to estimates of deer density over space. A GWR model with local kernel bandwidth was compared to a GWR model with global kernel bandwidth and an ordinary least-squares regression (OLS) model with the same parameters to evaluate their relative abilities in modeling deer distributions. The results indicated that the GWR models predicted deer density better than the traditional ordinary least-squares model and also provided useful information regarding local environmental processes affecting deer distribution. GWR model comparisons showed that the local kernel bandwidth GWR model was more realistic than the global kernel bandwidth GWR model, as the latter exaggerated local spatial variation. The parameter estimates and model statistics (e.g., model R²) of the GWR models were mapped using geographic information systems (GIS) to illustrate local spatial variation in the regression relationship and to identify causes of large-scale model misspecifications and low estimation efficiencies.     

Spatial residual analysis of six modeling techniques

In recent years alternative modeling techniques have been used to account for spatial autocorrelations among data observations. They include linear mixed model (LMM), generalized additive model (GAM), multi-layer perceptron (MLP) neural network, radial basis function (RBF) neural network, and geographically weighted regression (GWR). Previous studies show these models are robust to the violation of model assumptions and flexible to nonlinear relationships among variables. However, many of them are non-spatial in nature. In this study, we utilize a local spatial analysis method (i.e., local Moran coefficient) to investigate spatial distribution and heterogeneity in model residuals from those modeling techniques with ordinary least-squares (OLS) as the benchmark. The regression model used in this study has tree crown area as the response variable, and tree diameter and the coordinates of tree locations as the predictor variables. The results indicate that LMM, GAM, MLP and RBF may improve model fitting to the data and provide better predictions for the response variable, but they generate spatial patterns for model residuals similar to OLS. The OLS, LMM, GAM, MLP and RBF models yield more residual clusters of similar values, indicating that trees in some sub-areas are either all underestimated or all overestimated for the response variable. In contrast, GWR estimates model coefficients at each location in the study area, and produces more accurate predictions for the response variable. Furthermore, the residuals of the GWR model have more desirable spatial distributions than the ones derived from the OLS, LMM, GAM, MLP and RBF models.     

基于SPOT—VGT的黄河流域植被覆盖时空演变

植被是土地覆盖中的最主要部分,是连接土壤、大气和生物等要素的自然“纽带”。植被覆盖动态变化对全球能量循环和物质循环具有重要影响,是全球变化研究的重要内容之一。黄河流域作为我国重要的粮食生产基地,其环境变化直接影响到流域经济的可持续发展。为了快速准确地提取地表植被状况,了解黄河流域生态环境,利用1998—2011年的SPOT-VGT遥感数据,结合地理信息技术,采用均值法和趋势分析法对黄河流域植被NDVI时空分布特征和变化趋势进行了动态监测。结果表明,（1）黄河流域14年NDVI均值的空间分布整体特征是东南部平原、盆地和西部山地植被状况要好于北部地区。其次,黄河流域属于干旱半干旱地区,植被发育主要依赖于水文条件,所以沿黄河干流和支流区域也具有较高的植被NDVI值。（2）黄河流域植被NDVl年均值近14年间整体呈缓慢增长趋势,1998--2000年呈现急剧减少态势,2001--2003年出现了较为快速的增长,2004--2011年又出现了较长时间的连续增长过程。（3）黄河流域植被NDVI基本不变的区域约占研究区总面积的71．13％;植被NDVI轻微改善的区域约占流域总面积的27．30％,且主要分布于流域东南部的盆地、平原和西部的山地、丘陵地区,植被NDVI退化的区域面积约占流域总面积的0．98％。黄河流域自1998年以来,植被NDVI整体在不断提高,生态环境在不断改善。     

50年长江源区域植被净初级生产力及其影响因素变化特征

基于长江源区1959—2008年月平均气温、最高气温、最低气温、相对湿度、降水量、风速和日照时数等气候要素资料,应用修订的Thornthwaite Memorial模型计算了50年植被净初级生产力,分析其年际和年代际变化特征及其主要气象因子的影响。结果表明：1959—2008年间,研究区年降水量呈增加趋势,降水量变化曲线线性拟合倾向率每10年为5.685~13.047 mm,春夏季增幅较大;年平均气温呈极显著上升趋势,气温变化曲线线性拟合倾向率每10年在0.240~0.248℃之间,增温率以秋冬季最大;最大蒸散呈增加趋势,年最大蒸散变化曲线线性拟合倾向率每10年在5.073~5.366 mm,春季增幅最大;地表湿润指数也呈增加趋势,年地表湿润指数变化曲线线性拟合倾向率每10年为0.013~0.020,冬季增幅最大,在10年周期时间频率附近,出现了6~8个干湿交替期,20世纪90年代之后为偏湿期,在低频区,1998—2005年有偏干振荡;近50年年NPP变化呈显著上升趋势,NPP变化曲线线性拟合倾向率每10年在97.901~197.01 kg.hm-2之间,2001—2008年NPP较高。影响长江源区NPP变化的主要气候因子是降水量、最大蒸散量和平均最低气温。     

广东省NDVI时空变化特征及其对气候因子的响应

广东省植被类型丰富、气候条件复杂,开展气候因子对植被的影响研究,对于全省保护生态环境、应对气候变化具有重要意义。利用MODIS NDVI数据和地面气象观测数据,基于变化趋势分析、空间自相关分析、相关性分析等方法,研究广东省NDVI时空分布特征及其对气温、降水、日照时数等气候因子的响应。结果表明,2000—2018年广东省NDVI平均值为0.62,总体呈上升趋势,平均年增长值为0.005 3,正增长区面积占比达94.50%。全省73.72%的区域植被呈现显著空间集聚性,其中高值集聚区面积占比48.19%,低值集聚区面积占比25.53%。不同类型植被的NDVI均呈增加趋势,其中常绿阔叶林、常绿针叶林、混交林的NDVI平均值最大,而农田、矮树灌木、混交林平均年增长值最大。NDVI具有明显的季节变化规律,夏季NDVI值最大、年增长值最小,冬季NDVI值最小、年增长值最大。年内NDVI最低值出现在2月,最高值出现在9月。月平均NDVI与气温、降水、日照时数相关性显著,其最大相关系数分别为0.863 7、0.639 4、0.605 7。NDVI对日照时数的响应不存在滞后,对气温存在1个月的滞后,对降水存在1—2个月的滞后。日照时数对NDVI的影响仅持续1个月左右,温度、降水对NDVI的影响可持续4—5个月。     

珠江三角洲土地利用变化对特征大气污染物扩散的影响

在珠江三角洲两种下垫面条件下,应用CALPUFF大气污染扩散模式,对特征污染物SO2、SO42-的扩散进行数值模拟,探讨大规模土地利用变化,尤其是城镇建设用地增加,对珠江三角洲地区大气污染物扩散的影响,并通过对4个典型区污染物月均质量浓度变化特征分析,揭示土地利用变化对不同地区的污染物分布的影响机制。模拟结果表明：土地利用变化,尤其是城镇建设用地增加,不利于污染物扩散,污染源下风方向地区受影响较大,污染物质量浓度明显升高,SO2和 SO42-年均质量浓度分别增加14.07%和3.31%;受影响范围、变化幅度与污染源排污强度呈正相关,变化幅度亦与污染源距离远近呈负相关。土地利用变化后,尤其是城镇建设用地增加,四个典型区 SO2月均质量浓度都表现为升高趋势,且冬季 SO2质量浓度升高幅度最大,夏季升高幅度最小,临近污染源密集区的两个典型区SO2月均质量浓度分别增加33.6%和26.3%。土地利用变化不仅改变局地的污染扩散,也会对区域的污染扩散有一定影响,尤其对污染源分布密集区的大气污染物扩散影响强度最大。因此,建议人类在城市化建设过程中尽可能保留自然斑块,消除人工下垫面对污染物扩散的负面影响。     

基于PLS1的哈尔滨市PM2.5与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份（共31 d）市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO 与 PM2.5质量浓度显著性相关,O3与 PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO 之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

Changes in distribution patterns of weed species richness in agricultural lands on Qinghai-Tibet Plateau under climate change北大核心CSCD

农田杂草是阻碍农业生产的主要因素之一.明确农田杂草丰富度分布格局对农业生产管理具有重要意义.以青藏高原农田杂草为研究对象,利用物种分布模型探讨基于县域尺度的农田杂草物种丰富度分布格局及其未来(2050s)的变化,利用逐步回归筛选影响物种丰富度的环境因子,基于传统最小二乘法(OLS)和地理加权回归模型(GWR)分析环境因子对农田杂草物种丰富度的影响,并对两种分析方法进行比较.结果显示:(1)分布在青藏高原的农田主要杂草有51科284种,其中59种单子叶杂草、222种双子叶杂草、135种一年生杂草和149种多年生杂草.青藏高原农田杂草物种丰富度呈由西向东递增的变化规律,物种丰富度中心(丰富度值为167-194)主要集中在一江两河、河湟谷地和川西北等地区;(2)全球气候变化背景下,未来(2050s)青藏高原农田杂草物种丰富度整体呈由东南向西北方向增加的趋势,其中SSP1-2.6情境下最多增加43种,SSP5-8.5情境下最多增加49种;(3)GWR模型优于OLS,其结果表明青藏高原农田杂草物种丰富度的主要驱动因子是最冷季平均温、太阳辐射和最干月降水量,上述变量对杂草丰富度的影响存在明显的空间差异性,其中最冷季平均温由南向北逐渐从负向影响转变为正向影响.太阳辐射整体在青藏高原东部边缘等地区对农田杂草丰富度起正向的影响,在藏东南、青藏高原北部边缘等地区起负向的影响.最干月降水量对整个研究区域起负向影响,并表现出影响力由南向北逐步递增的趋势.上述结果表明青藏高原农田杂草物种丰富度调查不足,实际观测到的丰富度值明显低于当前气候下潜在的丰富度值,存在低估现象.当前气候背景下的农田杂草物种丰富度中心分布地区在未来仍是重点监管对象,且未来青藏高原部分地区作物可能面临新的杂草入侵风险.建议未来研究应注重于青藏高原粮食主产区农田杂草群落结构和功能调查、杂草和作物种间关系、耕地尺度上丰富度驱动因子分析等方面,为区域杂草管理和防治提供充分科学依据.(图6表2参53)     

近50年三江源地表湿润指数变化特征及其影响因素

基于三江源区1959—2008年月平均气温、最高气温、最低气温、相对湿度、降水量、风速和日照百分率等气候要素资料,应用修订的Penman-Monteith（P-M）模型计算了最大潜在蒸散量和地表湿润指数,分析其空间分布、年际和年代际变化特征及其主要气象因子的影响。结果表明：1959—2008年间,研究区年降水量呈增加趋势,降水量变化曲线线性拟合倾向率为5.316~13.047 mm.（10a）-1,春夏季增幅较大;最大潜在蒸散量呈增加趋势,年最大潜在蒸散量变化曲线线性拟合倾向率在5.073~10.712 mm.（10a）-1,夏季增幅最大;地表湿润指数变化也呈增加趋势,年地表湿润指数变化曲线线性拟合倾向率0.011~0.026（10a）-1,冬季增幅最大,在15年周期附近,出现了3~5个干湿交替期,1984年之后为偏湿期,在中高频区,1998—2006年有偏干振荡;影响三江源区地表湿润指数的主要因子是降水量、相对湿度和平均最高气温。     

黄河源区植被生长季NDVI时空特征及其对气候变化的响应

利用黄河源区MODIS/NDVI数据、1∶100万植被类型图和气象资料,分析了该区不同植被类型生长季NDVI时空特征以及与气候因子的关系。结果表明,1）2000—2011年,黄河源区植被生长呈改善趋势,生长季NDVI年际变化率每10 a为＋2.75%,高寒草原、高寒草甸、高寒灌丛生长季NDVI年际变化率分别为每10 a＋2.84%、＋2.65%、＋2.77%。2）黄河源区植被改善面积占全区总面积的29.39%,主要分布在卡日曲和玛曲上游、扎曲流域、布青山南麓、扎陵湖北部和鄂陵湖周边地区。植被退化面积仅占全区总面积的0.98%,主要分布在约古宗列曲东南部山地和卡日曲北部山地。受水热条件控制,植被改善表现为：①植被改善面积南坡大于北坡;②植被改善面积随海拔升高先增加后减小;③植被改善面积随坡度增加迅速减小。3）黄河源区植被生长季NDVI与同期气温和降水分别存在显著正相关性,其中高寒草原和高寒草甸生长受降水影响更为明显,而高寒灌丛生长受气温影响更为明显。气候的暖湿化趋势可能是促使黄河源区植被生长改善的主要原因。