亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        吉林省落葉松林凈初級生產力時空特征及其對氣候變化的響應

        2022-03-07 13:16:10王軼夫孫玉軍雷淵才邵衛(wèi)才
        生態(tài)學報 2022年3期
        關鍵詞:落葉松樣地吉林省

        李 蕓,王軼夫,*,孫玉軍,雷淵才,邵衛(wèi)才,李 杰

        1 北京林業(yè)大學森林資源和環(huán)境管理國家林業(yè)和草原局重點實驗室, 北京 100083 2 中國林業(yè)科學研究院資源信息研究所,北京 100091 3 北京市通州區(qū)園林綠化局,北京 101121 4 北京市十三陵林場,北京 102200

        凈初級生產力(Net Primary Productivity,NPP)是綠色植物呼吸消耗后剩下的單位面積單位時間內所固定的能量或所生產的有機物質,作為表征陸地生態(tài)過程的關鍵變量,能反映植物在自然狀態(tài)下的生產能力,是全球碳循環(huán)過程中的重要組成部分[1—4]。由于地形地貌和生物參數(shù)的復雜性,準確估算大規(guī)模植被NPP一直較為困難,往往會采用生物量轉換成NPP作為實測值。目前,基于林木測樹因子構建的異速生長模型求算森林生物量和生產力被廣泛應用[5]。在建立模型時,通常將林木各組分(樹葉、樹枝、樹干、樹根)生物量與實際測樹因子(如胸徑D)分別擬合各組分生物量模型,并采用似乎不相關回歸建立總量及各組分可加性生物量模型,以解決各組分生物量模型間不相容性或不可加性[5]。隨著遙感技術的發(fā)展,高分辨率遙感衛(wèi)星影像估算NPP的方法被廣泛應用,Thakur等[6]利用印度遙感衛(wèi)星(IRS-ID)LISS III傳感器數(shù)據(jù),選取歸一化植被指數(shù)等為自變量,建立了NPP光譜模型,用于估算熱帶森林NPP和生物量;Ji等[7]利用5個主要森林生態(tài)系統(tǒng)的NPP觀測數(shù)據(jù)、遙感數(shù)據(jù)建立基于統(tǒng)計學的多元回歸模型對中國森林NPP進行估算,并分析了2000—2018年中國森林凈初級生產力變化及其驅動因素。遙感數(shù)據(jù)往往只能估算較短時間的NPP,相對而言過程模型的優(yōu)勢在于能夠從機理上模擬植被生命過程及生物地球化學循環(huán)過程,已被國內外廣泛應用于NPP的模擬[8]。崔博超等[9]利用CASA模型并結合MODIS數(shù)據(jù)對2006—2016年塔里木河流域草地凈初級生產力時空分異特征進行了研究;孫靜等[10]綜合考慮InTEC模型中干擾和非干擾因子,并嵌入林火數(shù)據(jù),重新模擬了塔河地區(qū)不同地位指數(shù)下的森林NPP及其與林齡的關系。Jiang等[11]將土壤熱模型(STM)整合到LPJ-DGVM模型中改進了地表3 m內的土壤溫度變化后對北極圈內碳儲量和生產力的模擬;孫國棟[12]利用LPJ-DGVM模型對1981—1998 年中國區(qū)域潛在植被分布和碳通量進行模擬;Sallaba等[1]利用LPJ-GUESS模擬了歐洲潛在自然植被當前和未來氣候變化和CO2情景下的NPP。LPJ-DGVM全球動態(tài)植被模型(Lund-Potsdam-Jena Dynamic Global Vegetation Model,下文簡稱“LPJ模型”)作為目前被廣泛應用的過程模型,已經成為模擬大尺度(區(qū)域至全球)的植被地理分布、生產力和碳平衡以及預測氣候變化對陸地生態(tài)系統(tǒng)潛在影響的有效工具[13—16]。

        吉林省位于全球變暖較為顯著的中高緯度帶,是中國重要的林業(yè)省份之一,在生態(tài)環(huán)境建設、碳匯管理乃至全球碳循環(huán)研究中占有重要地位[17—20]。落葉松(Larix)林是吉林省的代表性森林類型之一,也是我國重要的用材林?!吨袊仲Y源報告(2014—2018)》顯示,吉林省落葉松林面積和蓄積分別占全省森林總面積和總蓄積的8.20%和5.60%。近年來,我國對落葉松林的生長、結構和生物量等開展了大量的調查和研究工作[21—23]。然而,關于吉林省落葉松林生產力動態(tài)變化規(guī)律,目前尚缺乏全面系統(tǒng)的研究,本文旨在利用LPJ模型模擬吉林省落葉松林的生產力現(xiàn)狀,分析其時空格局,為吉林省落葉松林生產力和植被監(jiān)測研究提供參考依據(jù)。

        1 數(shù)據(jù)與方法

        1.1 研究區(qū)概況

        吉林省(121.63°—131.32°E,40.87°—46.30°N,圖1)位于我國東北地區(qū)中部,地處北溫帶,氣候多樣、地貌復雜,月均氣溫在-15—22 ℃之間,年降水量為400—800 mm,自東向西呈明顯的由濕潤到半濕潤再到半干旱氣候的變化趨勢。境內主要山脈為大黑山、張廣才嶺、吉林哈達嶺等,以中部大黑山為界將全省分為中西部平原和東部山地,具有明顯的東南高、西北低的地勢。森林集中分布于中、東部山區(qū)和低山丘陵區(qū),喬木樹種以落葉松(Larix)、紅松(Pinuskoraiensis)、云杉(Piceaasperata)、樟子松(Pinussylvestrisvar.mongolica)等針葉樹種和蒙古櫟(Quercusmongolica)、白樺(Betulaplatyphylla)、楊樹(Popular)等闊葉樹種為主,灌木主要有粉枝柳(Salixrorida)、繡線菊(Spiraeasalicifolia)、忍冬(Lonicerajaponica)、榛子(Corylusheterophylla)等,草本以禾本科(Gramineae)、菊科(Compositae)為主。

        圖1 研究區(qū)氣象站點及篩選落葉松樣地分布Fig.1 Distribution of weather stations and Larix sampling plots in study area

        1.2 氣候數(shù)據(jù)

        氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn),包括2000—2019年吉林省及其周邊100 km范圍內的共41個氣象站點逐月數(shù)據(jù),采用Kriging插值法將離散的站點數(shù)據(jù)插值為連續(xù)的柵格數(shù)據(jù)。

        圖2 研究區(qū)2000—2019年平均氣溫和年降水量的變化趨勢Fig.2 Trends of mean temperature and annual precipitation during 2000—2019 in study area

        1.3 NPP遙感觀測數(shù)據(jù)

        NPP遙感數(shù)據(jù)來源于2000—2019年的MOD17A3H數(shù)據(jù)產品(https://e4ftl01.cr.usgs.gov/),空間分辨率為500 m,單位為kg C/m2(下文統(tǒng)一換算為g C/m2)。

        1.4 固定樣地實測數(shù)據(jù)

        落葉松林固定樣地實測數(shù)據(jù)來自于吉林省第八次和第九次國家森林資源連續(xù)清查數(shù)據(jù)(下文簡稱“連清”數(shù)據(jù)),調查時間為2009年和2014年,分布于幼齡林(25個)、中齡林(37個)、近熟林(14個)和成熟林(20個)共96個樣地。根據(jù)Dong等[24]和Wang[25]研究中的中國東北地區(qū)主要樹種生物量方程計算樣地內樣木生物量,匯總并除以樣地面積得到樣地單位面積生物量。按照樣地前后兩時期的單位面積生物量之差乘以含碳率(統(tǒng)一采用0.5[26—27])再除以間隔期計算NPP年平均值。

        1.5 LPJ-DGVM全球動態(tài)植被模型

        LPJ模型是模擬陸地生態(tài)系統(tǒng)的過程模型,從植被動力學原理出發(fā),以植物光合生化反應、冠層能量平衡、生物量異速生長分配以及土壤水平衡等為基礎,在同一個模型框架中逐柵格逐年地模擬生態(tài)系統(tǒng)植物的光合作用、呼吸作用、蒸發(fā)散等快反應過程與資源競爭、組織周轉、異速分配、凋落物分解等慢反應過程,并且在模擬種群的建立與個體死亡過程中考慮了生態(tài)系統(tǒng)的自然干擾因素和自然死亡影響[4,15—16,28]。這些過程主要受模擬區(qū)域的環(huán)境條件、物種組成以及物種屬性的影響。根據(jù)物候、生理、形態(tài)特征不同,LPJ模型可以模擬8 種木本植物功能型(Plant Function Type,PFT)和2種草本植被功能類型。為了實現(xiàn)模擬單元中植被個體到種群的尺度轉換,模型以PFT平均個體為計算單元,每個模擬單元由一個或多個PFT組成,木本植物碳儲量按尺度轉換規(guī)則分配到4個植被組織庫(葉、邊材、心材和細根)以及地面凋落物庫、地下凋落物庫和兩個土壤碳庫中。植被光合作用是在冠層尺度上進行計算的,并按照植被光合作用積累的有機物質(即總初級生產力)扣除自身呼吸消耗量計算NPP(Sitch等[15]),計算公式如下:

        NPP=GPP-Rm

        (1)

        式中,GPP為總初級生產力,Rm為植被自身呼吸消耗。

        模型由氣候數(shù)據(jù)(包括月均溫、月降水量、月濕潤天數(shù)、月日照百分率)驅動,同時需要輸入模擬區(qū)域的土壤屬性數(shù)據(jù)、大氣CO2濃度數(shù)據(jù)。氣象數(shù)據(jù)的獲取與處理見1.2,土壤屬性數(shù)據(jù)來自國際糧農組織(Food and Agriculture Organization, FAO)的土壤數(shù)據(jù)集。由于模擬時間區(qū)間較短,研究區(qū)CO2濃度是利用夏威夷Mauna Loa站1951年至今觀測的全球平均大氣CO2濃度作為該研究區(qū)歷史平均濃度。植被分布最敏感的氣候因素為最冷月月均溫,只有實際月均溫在生長溫度范圍內并且達到生長所需的積溫下限后該物種才會出現(xiàn),根據(jù)《植被圖》分類系統(tǒng)的二級單位(植被型),原LPJ模型將其定義為北方落葉針葉林與實際分布不符,本研究將落葉松林劃分為溫帶和寒溫帶落葉針葉林,并對其生物氣候限制參數(shù)進行修正(見附表1)。

        模型從裸地(無植被覆蓋)開始模擬,經過1000年的“spin-up”過程使植被覆蓋和土壤碳庫達到平衡態(tài),本研究使用2000—2019年20年的氣候數(shù)據(jù)驅動這一過程??紤]到研究區(qū)的落葉松林均為天然次生林和人工林,在1001年時對模型進行了“歸零”處理,即對4個植被組織庫(葉、邊材、心材和細根)的生物量歸零,凋落物碳庫和土壤碳庫均照常模擬,最后分齡組獲取落葉松林2000—2019年NPP進行分析。

        1.6 精度評價指標

        采用相關系數(shù)(R)、平均相對誤差(MRE)和平均絕對誤差(MAE)對LPJ模型模擬值與實測數(shù)據(jù)、遙感數(shù)據(jù)分別在NPP年均值和樣地尺度上的年均NPP進行精度驗證,其中高優(yōu)指標R越大越好,低優(yōu)指標MRE、MAE越小越好,計算公式如下:

        (2)

        (3)

        (4)

        1.7 變異系數(shù)

        變異系數(shù)(Coefficient of Variation,CV)能夠反映地理要素隨時間的波動程度[29],可以用來評估2001—2019年吉林省落葉松林NPP在時間序列上的穩(wěn)定性(式(5—6)):

        (5)

        (6)

        1.8 變化趨勢分析

        本文采用相關性分析法探究溫度、降水與吉林省落葉松林NPP的相關性;采用線性回歸分析,研究吉林省落葉松林NPP和氣候因子的年際變化趨勢[30—31],回歸方程斜率(β)代表研究區(qū)內落葉松林NPP隨時間的變化趨勢(式(7),參數(shù)含義同上)。當β>0時,表示NPP隨時間變化呈上升趨勢,反之,NPP則呈下降趨勢,其值的大小反映了NPP上升或下降的速率。并采用P值檢驗其相關性是否顯著,P>0.05為不顯著,P<0.05為顯著,P<0.01為極顯著。

        (7)

        (8)

        其累計離差X(i,t)為:

        (9)

        極差R(t)定義為:

        (10)

        標準差為S(t)定義為:

        (11)

        R(t)、S(t)和t滿足一般關系式(式(12)):

        R(t)/S(t)=c×tH

        (12)

        式中,c為常數(shù),R(t)/S(t)為重標極差,H為Hurst指數(shù),能夠反映NPP時間序列均值的累計離差隨時間變化,其值介于0—1之間,可采用最小二乘法擬合求得。若H>0.5時,表明該時間序列具有持續(xù)性,即時間序列過去與未來有正的長期依賴性,且H越接近1持續(xù)性越強;若H=0.5,表明該序列為隨機序列,即過去與未來沒有任何相關性;若H<0.5,說明該時間序列具有反向持續(xù)性,即過去減小的趨勢可能會使未來出現(xiàn)增長趨勢,且H越接近0反持續(xù)性越強。

        2 結果與分析

        2.1 模型精度驗證

        將LPJ模型模擬的吉林省落葉松林NPP與NPP遙感數(shù)據(jù)和樣地實測數(shù)據(jù)進行比較分析,結果表明,LPJ模型模擬的2000—2019年吉林省落葉松林NPP為450—788 g C m-2a-1,年均值為592 g C m-2a-1,年均增長率為2.81%,略大于NPP遙感數(shù)據(jù)的年均增長率(1.86%),均值為626 g C m-2a-1,但無顯著差異(P>0.05)。由表1可知,2000—2019年LPJ模擬值與NPP遙感數(shù)據(jù)的MRE(10%)和MAE(50 g C m-2a-1)均比與樣地實測值的MRE(41%)和MAE(168 g C m-2a-1)小,表明LPJ模型模擬值在年均值上與NPP遙感數(shù)據(jù)較接近。

        表1 精度評價表

        對LPJ模型模擬值與實測值、NPP遙感數(shù)據(jù)在樣地尺度上的年均NPP進行精度驗證(見表1),2000—2019年各樣地LPJ模型模擬年均NPP值與遙感數(shù)據(jù)有極顯著相關性(R=0.662,P<0.01),2009—2014年LPJ模型模擬年均NPP值與實測NPP亦極顯著相關(R=0.748,P<0.01);2000—2019年LPJ模擬與遙感數(shù)據(jù)的MRE和MAE較小,兩者結果相近,而2009—2014年LPJ模擬值與實測值的MRE和MAE較大,表明兩者估算結果差異較大。這是因為實測值中未包含灌草的生產力且LPJ模擬中未考慮人類活動如新植和采伐等,另一方面該實測值為2009—2014年各樣地的平均值,并非當年的實測值。

        2.2 吉林省落葉松林NPP空間格局分布

        2019年吉林省落葉松林NPP空間分布存在較大差異(圖3),吉林省北部和南部即吉林市和白山市落葉松林NPP較高,高于800 g C m-2a-1,而東北部和東南部NPP較低,普遍小于600 g C m-2a-1,一方面因為該區(qū)域海拔較高,水熱條件較差,另一方面可能與該區(qū)域落葉松林多為幼齡林有關。LPJ模擬吉林省落葉松林NPP年均值變化范圍為-13—47 g C m-2a-1(圖3),存在明顯的空間異質性。2000—2019年NPP增加的區(qū)域占落葉松林面積的63.5%,北部區(qū)域近20年NPP增長較快,高于40 g C m-2a-1,而撫松縣、安圖縣等東南部少數(shù)樣地NPP略有下降。

        圖3 2019年吉林省落葉松林NPP空間分布及2000—2019落葉松林NPP空間變化Fig.3 Spatial distribution of Larix forests NPP in 2019 and spatial variation from 2000 to 2019NPP: 凈初級生產力Net primary productivity

        2.3 吉林省落葉松林NPP年際變化

        圖4 LPJ模型模擬的2000—2019年吉林省落葉松林NPP與NPP遙感數(shù)據(jù)年際變化Fig.4 Interannual variation of Larix forests NPP simulated by LPJ model and NPP remote sensing data from 2000 to 2019

        分析2000—2019年吉林省落葉松林年均NPP(如圖4),與NPP遙感數(shù)據(jù)變化趨勢一致,LPJ模型模擬值隨時間變化呈波動上升趨勢,線性趨勢回歸方程的R2分別為0.784和0.386。NPP隨時間變化整體上先減小后增加,最小值出現(xiàn)在2002年,為450 g C m-2a-1,可能是因為此前人類陡坡開荒以及城鎮(zhèn)建設等無序活動導致植被退化嚴重,此外,落葉松正處于幼齡林階段也是可能原因之一[33]。

        為了分析吉林省落葉松林NPP穩(wěn)定性,計算2000—2019年各樣地落葉松林NPP的變異系數(shù),系統(tǒng)分析各樣地落葉松林NPP時間波動特征。總體來看,NPP變異系數(shù)為0.07—2.33,均值為0.48,吉林省落葉松林NPP整體上趨于穩(wěn)定,生態(tài)系統(tǒng)受自然災害和人為干擾小,處于正向演替狀態(tài)。從局部看,位于敦化市和汪清縣范圍內的落葉松林NPP變異系數(shù)較大(圖5),從圖2可知,該范圍內落葉松林多為幼齡林,平均CV(1.51)明顯大于其他各齡組平均CV(約0.1),故其前后時期年均NPP差異較大。

        圖5 2000—2019年吉林省落葉松林NPP變異系數(shù)Fig.5 Coefficient of Variation of Larix forests NPP in Jilin Province from 2000 to 2019

        圖6 2000—2019年吉林省落葉松林不同齡組NPP年際變化Fig.6 Interannual variation of different age groups of Larix forests NPP in Jilin Province from 2000 to 2019

        為了解吉林省落葉松林NPP在2000—2019年的生長趨勢及其強度,本研究通過β值來分析NPP變化,并進行F檢驗。結果表明,吉林省落葉松林NPP近20年總體上處于顯著增長趨勢(β=14.55,R2=0.784,P<0.05,圖4),年均增長量為12.81 g C m-2a-1。這種增長趨勢在不同齡組森林中不盡相同(如圖6),幼齡林(β=48.43,R2=0.837,P<0.05)和中齡林NPP(β= 7.18,R2=0.379,P<0.05)增長趨勢顯著,也佐證了幼齡林生長向好而導致其平均CV較大;此外,幼齡林NPP在近20年來小于其他齡組,這也反映出吉林省東北部和東南部NPP較低的格局。而近熟林(β=-1.95,R2=0.046,P>0.05)和成熟林(β=-0.55,R2=0.004,P>0.05)NPP均稍有下降,結合齡組分布,可以解釋空間格局中安圖縣等少數(shù)東南地區(qū)落葉松林的NPP有下降趨勢這一現(xiàn)象。綜上,幼、中齡林是吉林省落葉松林NPP增長的主要貢獻者。而根據(jù)《中國森林資源報告(2014—2018)》,吉林省落葉松林幼、中齡林面積占全省落葉松面積的61.38%,因此,加強對幼、中齡林的經營管理,進一步提高森林質量至關重要。

        吉林省落葉松林NPP的Hurst指數(shù)介于0.441—0.849之間,均值為0.612,將Hurst指數(shù)結果劃分為強持續(xù)性(0.75幼齡林(0.618)>近熟林(0.462)>成熟林(0.441),可知中幼齡林NPP未來將持續(xù)上升,而成熟林和近熟林NPP未來變化趨勢呈弱反持續(xù)性,由此可以判斷未來吉林省落葉松林NPP呈增加趨勢。

        2.4 吉林省落葉松林NPP對氣候變化的響應

        分析2000—2019年吉林省落葉松林NPP與溫度、降水的年際變化,年均溫和年降水均隨時間變化稍有上升趨勢(圖7)。2000—2019降水量波動較大,在2010年出現(xiàn)最大值;而溫度是在2010年之前有較大波動,隨后逐漸上升。

        圖7 2000—2019年吉林省落葉松林NPP與降水、溫度的年際變化Fig.7 Interannual variation of Larix forests NPP and precipitation and temperature from 2000 to 2019

        分析2000—2019年吉林省落葉松林NPP對當年氣候因子(溫度、降水)以及生長季(5—10月)氣候之間的關系表明(如圖8),年均NPP與年總降水之間無顯著相關性(R=0.063,P>0.05),與年均溫之間為顯著正相關(R=0.446,P<0.05)。NPP與生長季降水量亦無顯著相關性,但與生長季均溫呈極顯著正相關(R=0.673,P<0.01)??傮w上,在2000—2019年期間,溫度比降水更能對模型模擬的吉林省落葉松林NPP的年際變化產生影響。

        圖8 吉林省落葉松林NPP與降水、溫度的相關性Fig.8 Correlation between NPP and precipitation and temperature of Larix forests in Jilin Province

        3 討論

        3.1 吉林省落葉松林NPP模擬

        LPJ模型模擬的吉林省植被分布與實際分布基本一致,落葉松林主要分布于吉林省東部山區(qū)和中部低山丘陵區(qū),接近NPP實測值,模型模擬效果良好。對比其他方法對落葉松林NPP的模擬(見表2),與NPP遙感數(shù)據(jù)接近且無顯著差異,但略低于何麗鴻[22]采用BIOME-BGC模型對東北地區(qū)長白落葉松林1998—2010年凈初級生產力的模擬值,同時其研究也表明,BIOME-BGC模型模擬值較其樣地實測NPP偏高,且模型的研究范圍、參數(shù)設置以及數(shù)據(jù)源不同也會對模擬結果產生差異。此外,對比趙東升等[3]利用LPJ模型對中國自然植被凈初級生產力研究中長白山等森林地區(qū)的NPP為600—700 g C m-2a-1,與本研究結果基本一致。

        表2 2000—2019年LPJ模型模擬落葉松林NPP與其他研究對比/(g C m-2 a-1)

        3.2 吉林省落葉松林NPP對氣候變化的響應

        本研究發(fā)現(xiàn)吉林省落葉松林NPP與年均溫、生長季均溫呈正相關,與降水則不顯著,與何麗鴻[22]利用BIOME-BGC模型對東北地區(qū)長白落葉松林NPP對氣候變化的響應一致,但李潔等[34]利用CEVSA模型模擬東北地區(qū)平均NPP與近50年的氣候研究表明其與降水呈顯著正相關。對比張鳳英等[35]對長江流域森林NPP對氣候變化的響應發(fā)現(xiàn),該區(qū)域內氣溫比降水更能對NPP產生影響,表明不同的地形地貌以及植被類型下的NPP對氣候的響應不同。本研究以年為步長輸出的NPP模擬值在與氣候因子進行相關性分析時,將NPP年均值與溫度、降水年平均值以及生長季的均溫和降水進行分析,在相關性上并不十分顯著,研究表明[22],當月NPP與當月的氣候存在顯著相關性,可以考慮在以后的研究中將模擬的后幾十年NPP以月值輸出,以便更好的與氣候因子進行分析。Ji等[7]對中國森林NPP與氣候因子響應研究表明,NPP與降水的相關性較大,其次是溫度;而孔蕊等[36]和Liu等[37]分別對長江流域和廣西森林NPP的研究中發(fā)現(xiàn)溫度比降水更能對NPP產生重要影響,因此在研究NPP與氣候的相關性時區(qū)分研究區(qū)是必要的。此外,模型中NPP的輸出不光與溫度、降水兩個重要氣候因子相關,還與最冷月氣溫、最暖月氣溫、年均相對濕度、日照時數(shù)、日照百分率等有關,研究表明[38],利用主成分分析法分析草地生態(tài)系統(tǒng)碳儲量的氣候敏感性時,其敏感性順序為年降水量>日照百分率>日照時數(shù)>3—5月的降水量>最暖月氣溫>最冷月氣溫>年均溫>6—8月降水量,可見,對于草地生態(tài)系統(tǒng)來說,日照百分率比降水和溫度對NPP的貢獻率更大,但對于不同的森林生態(tài)系統(tǒng)是否也是這個貢獻率排序,有待研究。

        3.3 模擬的不確定性分析

        由于數(shù)據(jù)的限制,本研究的結果可能存在一定的不確定性。首先,用于檢驗的實測數(shù)據(jù)在篩選的過程中,可能存在一定的誤差;其次,LPJ模型中部分生理生態(tài)參數(shù)參考了前人研究中的設置,在一定程度上對模擬結果產生影響;第三,模型未考慮人類活動對NPP模擬的影響,從而忽略了天然林保護工程等生態(tài)建設對NPP增長的積極作用,而考慮了人為因素的NPP遙感數(shù)據(jù)在近20年的均值大于LPJ模型模擬均值,也說明了這一點。第四,LPJ模型模擬結果的分辨率為0.1°×0.1°,而NPP遙感數(shù)據(jù)的分辨率為500 m×500 m,樣地的大小為0.06 hm2,不同尺度數(shù)據(jù)之間的轉換也給模擬結果帶來一定差異。

        LPJ模型作為一個含有眾多生理生態(tài)參數(shù)的生態(tài)過程模型,在針對更小尺度植被凈初級生產力進行估算時,需考慮研究區(qū)的地形地貌、氣候屬性以及研究物種本身生理生態(tài)屬性因地因種的改進模型,例如,根據(jù)區(qū)域內不同優(yōu)勢樹種針對性的改進其平均個體屬性,如平均單株樹木葉面積與邊材橫截面積的關系,胸徑與樹高、冠幅的關系,以及四個活組織碳庫(葉、細根、邊材、心材)的生物量分配,以使模型有更好的局地適用性和更高的精確度,也是今后研究方向之一。

        4 結論

        本文基于2000—2019年吉林省及其100 km緩沖區(qū)內41個氣象站點資料采用LPJ模型模擬了2000—2019年吉林省落葉松林近20年的凈初級生產力時空變化及其對氣候因子的響應,結論如下:

        (1)LPJ模型模擬吉林省落葉松林2000—2019年NPP與樣地實測值極顯著相關(R=0.748,P<0.01),可以用于模擬吉林省落葉松林的NPP。2000—2019年年均NPP為592 g C m-2a-1,年均增長率為2.81%,隨時間推移呈現(xiàn)波動增長的趨勢(β=14.55,R2=0.784)。最大值出現(xiàn)在2018年,為788 g C m-2a-1,最小值為2002年的450 g C m-2a-1,與遙感數(shù)據(jù)無顯著差異。

        (2)除幼齡林外,2000—2019年吉林省落葉松林NPP在時間上趨于穩(wěn)定,NPP變異系數(shù)為0.07—2.33,均值為0.48,整體波動較小。Hurst指數(shù)介于0.441—0.849之間,均值為0.612,未來吉林省落葉松林NPP呈增加趨勢。

        (3)吉林省落葉松林NPP存在明顯的空間異質性,吉林省北部和南部區(qū)域NPP較高(大于800 g C m-2a-1),也是近20年NPP增長較快的區(qū)域,東北部和東南部邊界NPP則較低,普遍小于600 g C m-2a-1。

        (4)2000—2019年吉林省落葉松林年均NPP與年總降水和生長季降水量之間均不顯著(P>0.05),與年均溫之間為顯著正相關(P<0.05),與生長季均溫之間為極顯著正相關(P<0.01)。該階段內年均溫比年降水量更能對吉林省落葉松林NPP的年際變化產生影響。

        猜你喜歡
        落葉松樣地吉林省
        吉林省教育廳新年賀詞
        額爾古納市興安落葉松中齡林植被碳儲量研究
        山西落葉松雜交良種逾10萬畝
        吉林省“十四五”食品安全信息化建設的幾點思考
        昆明市主要綠化樹種閾值測定與分析
        基于角尺度模型的林業(yè)樣地空間結構分析
        新農業(yè)(2020年18期)2021-01-07 02:17:08
        吉林省梅河口老年大學之歌
        長白落葉松離體再生體系的建立
        吉林省完成1.4萬公里農村公路“暢返不暢”整治
        石油瀝青(2019年6期)2019-02-13 04:24:34
        神奇的落葉松提取物
        玩弄人妻少妇精品视频| 手机在线看片在线日韩av| 久久婷婷综合色一区二区| 深夜放纵内射少妇| 性生交大片免费看淑女出招 | 亚洲是图一区二区视频| 91人妻人人做人人爽九色| 精品亚洲一区二区三区四区五区| 国产国拍亚洲精品mv在线观看| 亚洲国产一区在线二区三区| 国内自拍视频在线观看h| 在线观看视频日本一区二区 | 天堂视频在线观看一二区| 熟女精品视频一区二区三区| 成人毛片18女人毛片免费| 自拍偷拍另类三级三色四色| 国产精品亚洲av三区亚洲| 久久夜色精品国产欧美乱| av天堂精品久久久久| 亚洲福利一区二区不卡| 美女张开腿黄网站免费| 亚洲av日韩av不卡在线观看| 国产人妖xxxx做受视频| 青青草手机在线观看视频在线观看| 女局长白白嫩嫩大屁股| 99在线播放视频| 中文字幕中文字幕人妻黑丝| 丰满女人猛烈进入视频免费网站 | 国产乱妇无码大片在线观看| 天天操夜夜操| 中文字幕一二区中文字幕| 亚洲av综合av一区| 樱桃视频影视在线观看免费| 国产va精品免费观看| av成人综合在线资源站| 精品久久久久久久无码人妻热| 精品人妻少妇一区二区不卡| 91在线视频视频在线| 99re6在线视频精品免费下载| 日本阿v网站在线观看中文| 亚洲色四在线视频观看|