西南地区陆地植被生态系统NPP时空演变及驱动力分析

研究西南地区陆地植被生态系统净初级生产力(NPP)的时空演变特征及其驱动力,对区域生态环境保护具有重要的现实意义.利用2000～2021年MODIS NPP、1999～2021年基于站点的气象数据和2000～2020年土地利用类型等数据,结合主成分分析、残差分析、Theil-Sen Median趋势分析和偏相关分析等方法,研究西南地区陆地植被生态系统NPP时空演变及其对驱动力的响应特征.结果表明,时间上,2000～2021年西南地区植被NPP呈波动上升趋势,速率为3.54g·(m²·a)^-1.气候变化和人类活动影响下,农田、草地和森林生态系统NPP均呈上升趋势,但农田生态系统NPP的上升趋势最为显著.空间上,西南地区植被NPP呈上升趋势的面积占比为89.06%,显著上升和极显著上升的区域主要分布在广西南部、四川东部、重庆西部,以及云南和贵州交界处.气候变化和人类活动对西南地区植被生长具有双重影响,气候变化和人类活动影响下农田生态系统NPP呈上升趋势的面积占比均高于草地和森林生态系统.西南地区植被NPP与各气象因子的相关性呈明显地域差异.区域尺...     

2001~2020年乌梁素海流域植被NPP时空变化及驱动因素分析

植被净初级生产力（NPP）表征植物对生态系统碳的固定能力,是决定生态系统健康状态和可持续发展程度的关键指标,其时空变化及驱动因素对于揭示植被恢复状况和指导生态修复工作具有重要作用.基于2001~2020年MODIS17A3 NPP数据、土地利用和气象数据等,采用变异系数、 Theil-Sen Median趋势分析及Mann-Kendall检验、 Hurst指数和地理探测器等方法,探究了内蒙古乌梁素海流域植被NPP的时空变化特征及驱动因素.结果表明：①2001~2020年乌梁素海流域植被NPP整体呈波动上升趋势,平均值（以C计）为141.03 g·（m²·a）^-1,平均上升速率为2.33 g·（m²·a）^-1;植被NPP具有明显的空间分异规律,整体上呈现西南高、东北低,河套平原高、沙地和山区低的特征;②NPP主要呈增长趋势,增长、减少和无变化区域的面积占比分别约为80%、 3%和17%;NPP的平均变异系数为0.149,主要呈低波动变化和较低波动变化,面积占比约为51%;NPP未来变化趋势主要呈反持续性特征,面积占比约为75%. ③土地利用、海拔、最高温和坡度是乌梁素海流域植被NPP变化的主导驱动因素,q值均在0.200以上.海拔∩相对湿度对乌梁素海流域植被NPP空间分异的解释力最大;土地利用与除夜间灯光外的其他因子对乌梁素海流域植被NPP空间分异的解释力均存在显著性差异.根据研究结果,未来应加强乌梁素海流域生态系统管理,实行严格的生态保护和修复政策,综合考虑气候、地形和人类活动等因素,因地制宜开展生态综合治理工作,以提升生态系统服务质量.     

长江经济带二氧化碳净排放时空演变特征及脱钩效应

研究区域CO₂净排放,对“碳中和”战略的实现具有重要意义.以长江经济带为例,在揭示1999～2018年长江经济带CO₂净排放时空演变特征的基础上,分析长江经济带不同区域社会发展与CO₂净排放的脱钩效应,以期为差异化区域产业发展和碳减排路径提供支持.结果表明：(1)1999～2012年长江经济带CO₂排放量上升了2 244.23×10⁶ t,碳汇量在研究时间段增长了148.07×10⁶ t;(2)长江经济带呈现“变绿”趋势,2013～2018年中高碳汇量区域(NPP>800 g·m^-2,以C计)面积较1999～2012年上升了23.25%;(3)长江经济带下游经济社会发展与CO₂净排放脱钩效应较强,上、中和下游强脱钩城市占长江经济带强脱钩城市的比例分别为12%、34%和54%.     

西南地区不同类型植被NPP时空演变及影响因素探究

研究植被净初级生产力(NPP)时空变化规律并探明其驱动影响因素,对于深入了解植被时空变化,指导因地制宜的生态恢复与管理工程具有重要的现实意义.以MODIS NPP数据为基础,结合基于站点的气象数据、土地利用数据和植被类型数据,通过Theil-Sen Median斜率估计和Mann-Kendall显著性检验探究西南地区不同类型植被NPP时空演变特征,并结合稳定性分析和地理探测器揭示不同类型植被NPP空间分异的影响因素及影响因素间的交互作用.结果表明：(1)时间上,2000～2021年西南地区植被NPP、 NPP_Pre(仅气候变化影响下植被NPP)和NPP_Res(仅人类活动影响下植被NPP)均呈波动上升趋势.在不同类型植被中,除乔木类植被NPP_Res以-0.183 g·(m²·a)^-1的速率呈微弱下降趋势外,其余类型植被NPP、 NPP_Pre和NPP_Res均呈上升趋势,其中,经济类植被NPP、 NPP_Pre和NPP<...     

2000～2010年贵州省植被净初级生产力时空变化研究

为了探明贵州省植被净初级生产力(NPP)在2000~2010年的变化状况,以2000~2010年植被NPP数据为基础,运用ArcG IS和SPSS进行综合分析。结果表明:近11年间,草地、城镇用地、阔叶林、针叶林和湿地等面积呈增加趋势,而灌木林和农田则持续减少,其中农田面积变化尤为明显;2000~2010年贵州省植被NPP变化较大,NPP变化范围为778~889 g/(m2·a),平均值为828.1 g/(m2·a),NPP缓慢上升趋势;全省NPP分布有明显地域性差异,铜仁和六盘水为显著增加(P0.05),其余地州市增加缓慢(P0.05)。黔东南年均NPP最高((927±111)g/(m 2·a)),毕节最低((725±107)g/(m2·a))。NPP变化趋势为东南向西北方向递减,而往西北方向NPP波动程度明显;阔叶林和灌木林缓慢下降,而针叶林和针阔混交林则上升。NPP表现为针阔混交林阔叶林针叶林灌木林。     

环渤海山东区耕地NPP时空变化特征及其驱动因子探测

环渤海平原区是中国重要的粮食产区、耕地资源生产潜力大但影响因素多,摸清该地区耕地植被净初级生产力（NPP）的时空变化特征及其驱动因子,对于改善区域耕地生产条件、挖掘和提升耕地生产能力、保障国家粮食安全具有重要意义.采用Theil-Sen Median趋势分析、 Mann-Kendall显著性检验和Hurst指数等方法探讨区域耕地NPP时空变化特征及其稳定性和持续性;借助参数最优地理探测器模型,分析驱动因素对耕地NPP空间异质性的影响.结果表明：①2001~2019年,受工业化和城镇化过程中建设用地扩张影响,环渤海山东区耕地数量累计减少2 004.51 km²;②研究时段内,年均耕地NPP呈波动增加趋势,在空间分布上耕地NPP呈现以东营区为界,北部明显低于南部的空间分异性;③耕地NPP呈增加趋势的面积占耕地总面积88.06%,以较低波动与中等波动为主,未来全区域耕地NPP将保持整体持续增加趋势;④年均相对湿度对研究区耕地NPP空间分异解释力最强,q值为0.26;其次为表层土壤含盐量、底层土壤含盐量,q值均大于0.2.不同驱动因子间的交互作用均表现为非线性增强或双因子增强.研究结果有助于揭示环渤海地区耕地产能变化特征及其驱动力,亦可为该区域生态保护与可持续发展提供理论依据.     

1982～1999年青藏高原植被净第一性生产力及其时空变化

基于地理信息系统技术和生态学过程模型,利用1982～1999年间NOAA-AVHRR数据(归一化植被指数,NDVI)及其相匹配的温度、降水和太阳辐射等气象数据,结合植被和土壤质地等资料,研究了青藏高原植被的净第一性生产力(NPP)及其动态变化。结果表明:青藏高原植被的总NPP为0.21PgC·a-1(1Pg=1015g),约占全国植被NPP总量的12.43%。NPP的总体分布趋势是,自东南至西北递减,这与水热条件的分布趋势一致。18年来,青藏高原植被的NPP在波动中呈上升趋势,从1982年的0.19PgC增加到1999年的0.24PgC,年平均增加速率约为1%;其中,青海省的东南部、西宁地区和西南部的部分地区,以及西藏东部的横断山区和雅鲁藏布江南部的部分地区的NPP增加显著。除10月和12月的月平均生产力呈减少趋势外,大部分植被类型的其它月份大都呈增加趋势。     

基于地理探测器的甘肃省植被覆盖时空变化及驱动力分析

准确量化人类活动和气候变化对生态环境退化的作用,探讨不同驱动因子的主次关系,是当前区域生态环境研究中的热点。本文基于1982—2015年的归一化植被指数(normalized difference vegetation index,NDVI),结合自然因素和人为因素,选取15个涵盖气候、地形地貌、社会经济等方面的因子,采用趋势分析法和地理探测器模型,对甘肃省植被NDVI的时空变化特征及驱动力进行探测。结果表明：甘肃省NDVI在空间上呈现从东南向西北递减,且低植被覆盖度区域和高植被覆盖度区域呈现“两极化”的分布规律,分别占全省植被面积的39.2%和17.8%。省内大部分地区NDVI呈现增长趋势,植被显著改善区域主要集中在陇东、陇中地区。降水量、植被类型、人均粮食占有量、土壤类型、土地利用类型是甘肃省NDVI空间分布的主要驱动因子,解释力均大于0.5,且双因子的叠加作用大于单因子的作用。本研究有助于揭示不同因子对甘肃省植被变化的驱动机制,为生态环境建设和资源利用管理提供科学参考。     

江苏省自然资源利用时空变化特征及驱动力分析

基于改进的三维生态足迹模型测度江苏省2009—2016年的人均生态足迹、足迹深度与足迹广度,定量分析江苏省自然资源利用状况的时空变化特征;用改进的T型关联分析探讨江苏省人均生态足迹的驱动因子,并利用灰色预测模型GM(1,1)预测江苏省2019—2022年生态足迹与生态承载力的演变趋势。结果表明:1)2009—2016年,江苏省人均生态足迹、人均生态赤字、足迹深度与足迹广度均呈上升趋势,人均生态承载力略有下降。除建设用地外,耕地、林地、牧草地、水域与化石能源用地均处于生态赤字状态,其中,化石能源用地的生态足迹占全省生态足迹的主要部分;牧草地与水域的足迹深度较高,资源存量透支较为严重;耕地的足迹广度占全省足迹广度的主要部分,其在研究期内略有下降。省内各城市间足迹深度与足迹广度的差异较大,足迹深度表现为苏南＞苏中＞苏北,足迹广度为苏北＞苏中＞苏南。2)引导第三产业发展,提高能源利用效率,增强区域贸易交流能够缓解人均生态足迹的增长;人均GDP的增长、城市化水平以及人口规模的提高促进了生态足迹的增长。3)2019—2022年,江苏省人均生态足迹将进一步增加,人均生态承载力将小幅下降,生态赤字现象将继续存在且总量不断增加,生态环境压力进一步加剧。     

2000—2015年江汉平原农田生态系统NPP时空变化特征

基于MODIS数据和VPM（Vegetation Photosynthesis Model）模型估算2000—2015年江汉平原农田NPP,利用空间自相关和Sen趋势分析方法,分析16年间江汉平原农田NPP的时空变化特征及其影响因素。结果表明：（1）江汉平原农田年均NPP在2000—2005年呈上升趋势,2005—2009年呈波动性下降趋势,2009—2015年呈上升趋势;农田年NPP总量在2000—2015年整体上趋于平稳。（2）高中低产田面积占比分别为66.03%、27.04%和6.93%。2000—2015年NPP具有很强的空间聚集性且呈逐年增强趋势,并随空间距离增加聚集性减弱;江汉平原NPP主要呈高—高聚集和低—低聚集特征。（3）江汉平原农田NPP显著上升、无显著变化和显著下降区域面积分别占1.30%、69.50%和29.20%。     

2000～2020年西南地区植被NDVI时空变化及驱动机制探究

基于2000～2020年MOD13A3 NDVI时间序列、1999～2020年气象数据以及2000年和2020年两期土地利用类型数据,采用Theil-Sen Median趋势分析、 Mann-Kendall显著性检验、多重共线性检验、残差分析和相对作用分析等方法,分析了西南地区植被NDVI时空变化特征及气候变化和人类活动对植被NDVI变化的驱动机制.结果表明,研究时段内西南地区整体及各地貌单元植被NDVI均呈上升趋势,其中,广西丘陵和云贵高原植被NDVI上升趋势最为显著,青藏高原植被NDVI上升趋势最为微弱.气候变化和人类活动影响下西南地区植被NDVI上升斜率分别为0.001 0 a^-1和0.000 6 a^-1.气候变化和人类活动的共同驱动是引起西南地区植被改善的主要原因.西南地区植被改善主要受区域气候条件的控制,植被退化主要受人类活动的影响.总体上,植被NDVI与最低气温、降水、最高气温、可能蒸散率和相对湿度呈正相关,与平均气温、气压、日照时数、温暖指数和湿度指数呈负相关.最低气温、日照时数和降水是影响西南地区植被NDVI变化的主要气象因子...     

2000—2015年青藏高原植被NPP时空变化格局及其对气候变化的响应

全球变化背景下,青藏高原作为我国乃至全球气候变化的“天然实验室”,植被生态系统发生了深刻变化。引入重心模型等方法分析和探讨2000—2015年青藏高原植被NPP时空变化格局及其驱动机理,并定量区分NPP变化过程中气候变化和人类活动的相对作用。研究发现：（1）2000—2015年,青藏高原植被NPP年均值总体上呈现从东南向西北递减的趋势。在年际变化方面,近16年植被NPP呈现波动上升趋势,其中在2005年出现上升陡坡,并在2005—2015年表现为高位波动的态势。（2）青藏高原植被NPP增加区（变化率>10%）主要集中于三江源地区、横断山区北部、雅鲁藏布江中下游以及那曲地区的中东部,而植被NPP减小区（变化率<-10%）则主要分布于雅鲁藏布江上游和阿里高原。（3）近16年青藏高原植被NPP重心总体向西南方向移动,表明西南部植被NPP在增量和增速上大于东北部。（4）青藏高原植被NPP与气候因子相关性的地区差异显著,其中植被NPP与降水显著相关的区域主要位于青藏高原中部、青藏高原东南部及雅鲁藏布江流域中下游,而植被NPP与气温显著相关的区域主要位于藏南地区、横断山区北部、青藏高原中部和北部。（5）气候变化和人类活动在青藏高原植被NPP变化过程中的相对作用存在显著的时空差异性,在空间上呈现“四线—五区”的格局。研究成果能够为揭示青藏高原区域生态系统对全球变化的响应机制提供理论和方法支撑。     

1990~2016年湘江流域水质时空变化及驱动因素分析

为探讨湘江全流域水质时空变化特征及其驱动机制,收集湘江流域1990~2016年共26年113个站点16个水质参数数据,采用水质指数法等对流域水质进行综合评价并识别其主要污染物,分析其形成机制,重点剖析水位和土地利用格局对水质的驱动作用. 结果表明：①研究期间湘江流域整体水质等级为“良好”. 时间上,水质呈现出先恶化再改善的变化态势,1990~2003年为水质恶化阶段,2004~2016年为水质改善阶段;水质季节变化不明显,丰水期水质波动较大. 空间上,干流水质污染负荷从中游、下游和上游依次减小. 上游支流水质最好,水质较差区域主要分布在中下游支流河口处,尤其是有多条支流汇流的地方. ②有毒重金属具有毒性、持续性和生物累积性的特点,在水体中若超过一定浓度就难以净化,对自然环境和人类健康都危害极大. 毒性金属指标（CI1）是影响湘江水质的主导因素,其中汞（Hg）和镉（Cd）是影响湘江流域整体水质的主要参数. ③水位通过稀释环境参数对湘江水质产生正面影响,土地类型对重金属浓度影响不大,林地可以起到改善水质的作用,草地在较大尺度范围（≥5 km）与高锰酸盐指数存在负相关,流域内水体、耕地和不透水面面积的增加使得水体粪大肠菌浓度偏高的概率增加. ④土地利用方式对水质的解释能力呈现出随缓冲区尺度增大而增强的态势,在河岸带10 km缓冲区尺度上,土地利用方式对水质的解释度最高,是湘江水质治理的有效尺度. 研究显示,湘江流域重金属污染与其他污染驱动因素不同但区域差异均较明显,因此污染治理应分类和因地施策.     

湖南省臭氧污染基本特征分析及长期趋势变化主控因素识别

近些年来湖南省臭氧(O3)污染程度呈现持续恶化态势,针对该区域O3污染相关研究较为缺乏的现状,基于观测数据对2015～2020年期间湖南省14个地级市O3污染浓度的时空演化特征进行了分析,并利用广义相加模型(GAM)对O3污染长期趋势变化的主控因素进行了识别(气象校正).结果表明,时间上,湖南省区域O3具有明显的日际、...     

2000—2020年我国西南地区植被NEP时空变化及其驱动因素的相对贡献

西南地区作为我国重要的生态安全屏障,探究其植被净生态系统生产力(net ecosystem productivity,NEP)的时空演变规律对该地区乃至我国的可持续发展都具有重要意义.基于MODIS数据、气象数据、DEM数据和土地利用数据等,首先,利用改进的Carnegie Ames Stanford Approach (CASA)模型和土壤微生物呼吸方程,估算2000—2020年我国西南地区植被NEP;其次,结合Theil-Sen Median趋势分析、偏相关分析和复相关分析等方法,研究西南地区植被NEP时空变化及其对气候变化和土地利用变化的响应机制;最后,利用基于情境分析的相对贡献分析法,定量评估气候变化和土地利用变化对西南地区植被NEP变化的相对贡献.结果表明：时间上,2000—2020年我国西南地区及其五省份(云南省、贵州省、四川省、重庆市和西藏自治区)生态系统植被NEP均表现为上升趋势,其中,西南地区植被NEP上升速率为4.74 g/(m2·a).空间上,西南地区及其五省份植被NEP呈上升趋势的面积均大于呈下降趋势的面积,其中,西南地区植被NEP呈极显著上升的面积占45.41...     

基于MODIS NPP的2006—2015年三江源区产草量时空变化研究

草地既是高原地区重要的生态屏障,也是维系当地人民生产生活的自然资源,准确估算本区域的产草量,可为区域资源开发利用、社会经济可持续发展决策提供科学参考。论文基于MODIS遥感影像获得不同分辨率的NDVI、EVI和NPP产品,结合三江源区监测点的产草量地面实测数据,利用统计分析方法分别建立多种产草量遥感估算模型。利用择优选取的估产模型进行区域适用性评价和模型反演,研究三江源区产草量在2006—2015年的时空分布情况。研究结果表明,基于MOD17A2H NPP的一元线性模型的估算精度相对较高,三江源区的产草量（单产）呈东多西少、自东南向西北逐渐减少的空间分布特点。2006—2013年的产草量（总量）整体呈上升趋势,2013年的产草量（总量）达到3 869.43×10⁴ t,产草量（总量）自2014年开始降低,2015产草量（总量）为2 069.07×10⁴ t。     

2013~2020年甘肃省PM2.5健康负担的时空变化趋势及驱动力

为评估大气污染防治行动计划以来,甘肃省PM_2.5相关健康影响的时空变化趋势及其驱动因素,应用最新的全球暴露死亡模型（GEMM）估算了2013~2020年甘肃省归因于PM_2.5的健康负担,并通过因素分解法进一步探讨了PM_2.5归因死亡长期变化的主要原因. 结果表明,2013~2020年,甘肃省人口加权PM_2.5浓度下降了34.57%,暴露于PM_2.5年均浓度超过35 μg·m^-3的人口比例从72.89%大幅下降至11.61%. 研究期间,甘肃省PM_2.5归因死亡人数从12 826（95%CI：7 840~17 408）人下降至9 814（95%CI：6 407~13 036）人,下降了23.48%;其中,缺血性心脏病的归因死亡人数有所增加（12.11%）,而中风、慢性阻塞性肺病、肺癌和下呼吸道感染的归因死亡人数呈下降趋势;60岁及以上人群的归因死亡人数占80%以上;中东部地区的PM_2.5归因死亡人数显著高于河西地区,且大部分地区呈下降趋势;人口规模、年龄结构、基线死亡率和PM_2.5浓度在归因死亡人数变化中的贡献分别为-1.26%、16.16%、 -9.84%和-28.55%,人口老龄化和PM_2.5浓度降低是PM_2.5归因死亡增加和减少的主要因素. 甘肃省积极的清洁空气政策减轻了PM_2.5污染造成的健康负担,但在人口老龄化加剧的趋势下,未来需要大幅降低PM_2.5浓度才能避免更多的归因死亡.     

2000~2020年天津PM2.5质量浓度演变及驱动因子分析

基于中国大气成分实时追踪数据集、天津气象局和生态环境局长序列PM_2.5质量浓度和气象观测,结合MEIC排放清单和环境模式构建的细颗粒气象条件扩散指数,研究2000～2020年天津地区PM_2.5质量浓度演变规律及驱动因子,以期更科学地分析气象对大气环境影响,为“十四五”期间深度环境治理提供支撑.结果表明,2000～2020年天津PM_2.5质量浓度呈现3个阶段变化,第一阶段2000～2007年,呈现持续地上升,其变化速率为4.58μg·（m³·a）^-1,该阶段排放量的快速增加是主导因素,其作用是气象条件年际波动影响的4倍,排放量增加使得PM_2.5质量浓度增加45.3%;第二阶段为2007～2013年,该阶段PM_2.5质量浓度呈现波动变化,出现了两个浓度峰值年（2007年和2013年）,该阶段排放稳定,气象条件年际波动对PM_2.5质量浓度年际波动产生重要影响,两者相关系数0.81;第三阶段为2013～2020年,PM<...