文章信息
- 池源, 石洪华, 王晓丽, 李捷, 丰爱平
- CHI Yuan, SHI Honghua, WANG Xiaoli, LI Jie, FENG Aiping
- 庙岛群岛南五岛生态系统净初级生产力空间分布及其影响因子
- The spatial distribution and impact factors of net primary productivity in the island ecosystem of five southern islands of Miaodao Archipelago
- 生态学报, 2015, 35(24): 8094-8106
- Acta Ecologica Sinica, 2015, 35(24): 8094-8106
- http://dx.doi.org/10.5846/stxb201405040880
-
文章历史
- 收稿日期: 2014-05-04
- 网络出版日期: 2015-05-19
2. 天津理工大学环境科学与安全工程学院, 天津 300384;
3. 青岛理工大学环境与市政工程学院, 青岛 266033
2. College of Environmental Science and Safety Engineering, Tianjin University of Technology, Tianjin 300384, China;
3. School of Environmental and Municipal Engineering, Qingdao Technological University, Qingdao 266033, China
净初级生产力(NPP)是植物光合作用产生有机质总量扣除自养呼吸后的剩余部分,是地表碳循环的重要组成[1]。NPP不仅能够直接反映植被群落在自然环境条件下的生产能力,表征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[2]。同时,3S技术的发展为NPP研究提供了新的思路和方法,从遥感影像中获取地表覆盖类型并提取归一化植被指数(NDVI),结合气象、地形等数据对区域NPP进行估算,具有较高的准确度和较强的可操作性,在草地、森林、湿地、农田等不同生态系统以及不同时空尺度的NPP研究中得到了广泛的应用[3, 4, 5, 6, 7],然而鲜有关于海岛生态系统NPP的研究。
海岛兼具陆、海双重特征,是一种特殊的生态系统[8]。由于海岛位置的特殊性、面积的有限性以及空间的隔离性,海岛生态系统更容易受到风暴潮、干旱等自然灾害的干扰,并且具有明显的独立性和脆弱性[9]。同时,海岛森林、灌草、土壤等是生物多样性维持、水源涵养、水土保持等生态功能发挥的基本载体[10]。全球海岛面积约占全球陆地面积的1/15,在碳循环中扮演着非常重要的角色[11],海岛NPP研究具有重要意义。
本文以庙岛群岛南五岛为例,构建NPP估算模型,在现场调查的基础上,采用不同季节遥感影像数据,结合气象资料和地形数据,对南五岛NPP的空间分布及其影响因子进行研究,以期为南五岛生态系统碳源/汇研究提供依据。
1 研究区概况庙岛群岛位于山东半岛北侧,黄、渤海交会处,是我国北方海岛分布的典型区域,也是长岛国家级自然保护区的重要依托,按照地理位置可分为南、中、北3个岛群。其中南部岛群的海岛分布最为集中,距离大陆最近,是山东省长岛县的人口、经济和文化中心,其主体为南长山岛、北长山岛、庙岛、大黑山岛和小黑山岛5个有居民海岛,合称“南五岛”。该区域属于东亚季风气候区,年均气温12.0℃,1月平均气温-1.6℃,7月平均气温24.5℃;年均降水量约537mm,降水多集中在6—9月;日照较为充足,年均日照时数2612h。南五岛地势起伏明显,山势大致呈南北走向,最高点海拔约为189m;土壤主要有棕壤、褐土、潮土三大类,以棕壤土分布面积最大,土层厚度约为30cm,多砂砾,土质较差[12]。南五岛现有林木主要为人工林,以黑松和刺槐为主要优势树种,林下分布着紫穗槐、柽柳等灌木和各类草本植物。
2 材料与方法 2.1 数据来源与处理 2.1.1 遥感影像采用LANDSAT8卫星2013年4月21日、8月11日、11月15日和2014年1月2日(代表不同季节)4个时相南五岛所在区域30m分辨率的无云影像。
利用ENVI4.7软件对影像进行裁切、辐射定标、波段运算得到NDVI值(图 1)。基于2013年8月遥感影像,通过ArcGIS10.0软件进行人机交互解译,将南五岛地表覆盖分为针叶林、阔叶林、草地、农田、建设用地和裸地6类(图 2),结合现场实地调研、Google Earth和相关的图集资料进行解译精度验证,解译精度为92.8%,能够满足本次研究的需要。
2.1.2 地形
采用2011年公布的Aster GDEM第二版DEM数据,垂直分辨率20m,水平分辨率30m;通过ArcGIS10.0由DEM数据提取出高程、坡度和坡向(图 3)。
2.1.3 气象和土壤降雨量、气温、日照时数、相对湿度来自长岛县气象站监测数据;太阳总辐射来自烟台福山气象站监测的多年平均数据。
2012年夏季进行土壤现场采样并检测,获得南五岛36个样方的土壤理化性质数据(图 4)。采用多点混合取土样方法,在每个样方内分别选取3个取样点,采用标准环刀(100cm3)进行取样,将3个取样点的土壤均匀混合,作为该样方的土壤样品。样品采集后,带回实验室,除去其中草根、大石砾等杂质,过2mm钢筛并磨细,在105℃高温下烘至恒重,称量并计算土壤含水率;pH值采用电位法进行测定,有效磷采用盐酸-氟化铵法进行测定,速效钾采用乙酸铵提取法进行测定,全磷采用碳酸钠熔融法进行测定,全钾采用氢氧化钠熔融法进行测定,含盐量采用电导法进行测定,全氮采用开氏法进行测定,总碳采用高温灼烧法进行测定,总有机碳采用重铬酸钾容量法进行测定。
2.2 NPP模型构建与计算
根据CASA模型[13],构建本次NPP遥感估算总模型如下:
考虑到南五岛高程起伏明显,地形遮蔽对于不同位置能够接受到的太阳辐射量有着直接影响[14],将地形作为PAR计算的重要因子,构建公式如下:
FPAR与NDVI存在明显的线性关系[18],可由下式得出:
同时,研究发现FPAR与比植被系数(SR)也具有明显的线性相关[19],可由下式得出:
ft由以下方法得出:
ft(t)2表示气温与最适气温偏离时光能利用率减小的趋势,由下式求得[13, 19]:
fw反映了植物所能利用的有效水分条件对光能利用率的影响,由以下公式计算[20]:
E根据周广胜和张新时[21]建立的区域实际蒸散模型求取:
Rn参考《喷灌工程设计手册》[22],由下式求得:
Ep由周广胜、张新时[23]提出的Ep-Rn关系式求得
最大光能利用率(ξmax)的取值对NPP结果有着直接的影响,其具体的取值根据不同植被类型而有所差异。在诸多关于ξmax的研究中,Running[4]和朱文泉[5]的研究成果在国内外NPP模拟中得到了广泛的应用。前者以生态生理过程模型模拟了全球10种植被类型的ξmax,但其对于中国的植被而言偏高[24];后者基于误差最小原则,采用NPP实测数据对中国各类植被ξmax进行模拟,但由于分辨率过低、混合像元等问题导致在较小空间尺度研究中具有一定的局限性,主要表现为模拟值较实际值偏小[6, 25]。本次研究的南五岛属于小空间尺度的研究,同时结合Running和朱文泉的研究,得到南五岛各类植被的ξmax取值(表 1)。此外,由于本文像元大小为30m,建设用地和裸地中存在的部分绿色植被无法识别出来,因此赋予最低的ξmax[2, 13, 19]。
分别以4月、8月、11月、1月代表春、夏、秋、冬四季,计算南五岛不同季节的NPP值,进而得到全年NPP估算值。
2.3 影响因子分析分析南五岛NPP与影响因子的关系以探究南五岛NPP的空间分布规律,为了减少不必要的数据量,同时一定程度地削弱NPP极值的影响,将计算结果重采样为大小为50m×50m的单元进行分析。
2.3.1 对空间分异性参数的依赖性NPP模型中的计算参数可分为空间同一性参数和空间分异性参数两类,前者包括气温、水汽压、降雨量、太阳总辐射等气象因子,相同季节内整个研究区均采用同一数值;后者为NDVI、高程、坡度、坡向、地表覆盖类型,随着点位的不同而具有差异。分析各点位NPP与空间分异性参数的相关关系,评价各参数对NPP的影响程度大小。
通过ArcGIS10.0的Fishnet工具建立50×50m网格,将研究区域划分为12094个网格,提取网格中心点所在像元的NDVI、高程、坡度、坡向、地表覆盖类型的参数数据和NPP数据。
(1)数据标准化处理
对NDVI、高程、坡度按照下式进行标准化:
坡向原始值为按0—360顺时针增大,0为正北,180为正南,以向阳性为原则,按照下式进行标准化:
地表覆盖类型参照2.2.4的方法赋值。
(2)简单相关分析与偏相关分析
运用SPSS18软件,对NPP与NDVI、高程、坡度、坡向和地表覆盖类型之间两两的简单相关性进行分析。由于各参数之间也可能存在相互影响,在控制其他参数影响的环境下,分析NPP与各参数的偏相关性。
2.3.2 与土壤理化性质的相关性基于SPSS18软件,将36个点位的土壤理化性质数据与该点位所在50m×50m像元的夏季NPP进行相关性分析,土壤理化性质包括pH、含水率、有效磷、速效钾、全磷、全钾、含盐量、全氮、总碳、总有机碳10项因子。
3 结果经计算得出,南五岛全年NPP总量为11043.52 t C/a,NPP密度介于0—863.20 g C m-2 a-1之间,平均密度为340.19 g C m-2 a-1(图 5)。
3.1 不同季节NPP估算结果夏季NPP总量占全年的80%左右,月均量为2964.91tC,平均密度达91.33 gC m-2 月-1;春季、秋季NPP总量分别占比11%和7%,冬季仅占1.3%;不同季节NPP标准差与平均密度呈正比(表 2,图 6)。
3.2 各岛NPP分布特征各岛NPP总量与其面积大小呈正比,面积最大的南长山岛NPP总量达4127.8 t C/a,占37.4%;面积最小的小黑山岛为371.07 t C/a,仅占3.4%;各岛NPP平均密度存在差异,最大值(大黑山岛)与最小值(小黑山岛)之间差值达104 g C m-2 a-1;NPP最高点出现在大黑山岛;各岛NPP标准差存在差异,其与NPP平均密度、海岛面积不存在明显的关系(表 3)。
季节 Seasons | 平均密度 Mean density/ (g C m-2 月-1) | 范围 Range/ (g C m-2 月-1) | 标准差 S. D./ (g C m-2 月-1) | 月均量 Monthly value/ (t C/月) | 占比 Proportion/% |
春 Spring | 12.62 | 0—60.02 | 7.98 | 409.70 | 11.1 |
夏Summer | 91.33 | 0—203.36 | 49.09 | 2964.91 | 80.5 |
秋Autumn | 8.01 | 0—44.76 | 5.47 | 259.93 | 7.1 |
冬Winter | 1.44 | 0—8.02 | 1.13 | 46.63 | 1.3 |
海岛 Islands | 面积 Area/ hm2 | 平均密度 Mean densit/ (g C m-2 a-1) | 范围 Range/ (g C m-2 a-1) | 标准差 S. D./ (g C m-2 a-1) | 总量 Total/ (t C/a) | 总量占比/% Proportion |
南长山岛 Nanchangshan Island | 1367.73 | 301.70 | 0—814.05 | 206.41 | 4127.80 | 37.4 |
北长山岛 Beichangshan Island | 813.87 | 374.47 | 0—780.80 | 183.80 | 3045.99 | 27.6 |
庙岛 Miao Island | 157.95 | 344.19 | 0—639.20 | 206.62 | 543.03 | 4.9 |
大黑山岛 Daheishan Island | 774.63 | 382.13 | 0—863.20 | 160.42 | 2955.64 | 26.8 |
小黑山岛 Xiaoheishan Island | 133.56 | 278.02 | 0—582.85 | 161.56 | 371.07 | 3.4 |
不同地表覆盖中,针叶林NPP总量最大,占70%以上,裸地NPP总量最小,仅占0.15%;除了建设用地外,其余地表覆盖类型NPP总量与面积大小呈正比。阔叶林的NPP平均密度最高,其次为针叶林、农田、草地、建设用地和裸地,这与地表覆盖类型的最大光能利用率有关;NPP标准差也同平均密度大致呈正相关关系(表 4)。
地表覆盖类型 Land cover type | 面积 Area/ hm2 | 平均密度 Mean density/ (g C m-2 a-1) | 范围 Range /(g C m-2 a-1) | 标准差 S. D./ (g C m-2 a-1) | 总量 Total/ (t C/a) | 总量占比/% Proportion |
针叶林Coniferous forest | 1742.58 | 446.90 | 0-678.49 | 131.40 | 7777.48 | 70.32 |
阔叶林Broad-leaf forest | 70.2 | 559.71 | 0—863.20 | 191.63 | 388.89 | 3.52 |
草地Grassland | 125.01 | 340.41 | 0—698.63 | 125.55 | 424.63 | 3.84 |
农田Farmland | 407.88 | 392.56 | 0—798.67 | 90.68 | 1608.62 | 14.54 |
建设用地Construction land | 880.74 | 96.41 | 0—552.42 | 71.99 | 844.55 | 7.64 |
裸地Bare land | 19.98 | 81.31 | 0—444.09 | 75.60 | 16.25 | 0.15 |
在以往基于遥感的NPP估算研究中,多采用1个时相的遥感影像提取NDVI值,并以此代表全年的情况,这在季节差异性明显的地区显然具有误差。鉴于此,本文采用4个时相遥感影像以反映不同季节的实际情况,应用于植被状况随季节变化明显的北方典型海岛地区,能够尽可能地反映地区实际情况。
目前关于NPP的研究多为省域、全国等大尺度的研究[5, 6, 24, 26, 27, 28, 29],其光合有效辐射(PAR)基于不同区域太阳辐射值的差异从而拥有空间分异性,而在现有较小空间尺度的研究中,由于太阳辐射数据较为单一且缺乏空间分异性,PAR多作为常量来进行计算,这在地形平坦的区域是可行的[7],但对于南五岛这种具有明显地势起伏的区域而言显然是不科学的。因此,本文尝试探讨地形对于PAR的影响,在区分太阳辐射中散射辐射和直接辐射的基础上,借助GIS工具计算遮蔽度(Hillshade)。该方法可能具有一定的主观性,但散射辐射和直接辐射的比例以及遮蔽度的计算方法均来源于较为成熟和长期的研究,以此得到地形影响因子作用下具有空间分异性的PAR数据,是积极的尝试,符合南五岛的实际情况。遮蔽度的计算结果根据时间的不同而具有差异,本文依据格林尼治天文台观察的每日正午太阳高度资料,得到4个时相遥感影像获取当日的南五岛正午太阳高度角,结合坡度和坡向数据计算得出遮蔽度,该遮蔽度实际上是正午的遮蔽度,以此代表全天的状况可能具有一定误差,但鉴于太阳高度数据的可获得性,本文略有遗憾,在接下来的工作中应对此开展进一步的研究。
本文NPP模型中的最大光能利用率(ξmax)来源于Running和朱文泉研究,其对南五岛而言具有可行性,同时也拥有一定的主观性,可能会给计算结果带来误差。在下一步的工作中应结合现场监测和验证,对南五岛植被最大光能利用率的研究进行完善。
将本文计算的南五岛NPP结果与采用相同方法的国内其他研究结果进行对比(表 5)。与全国相比,南五岛NPP平均密度和陶波[26]估算的342 g C m-2 a-1基本一致,略高于朱文泉[5]的324 g C m-2 a-1,低于顾娟[27]的393.75 g C m-2 a-1;与各地区相比,低于广东省、江苏省、盘锦市等沿海地区,高于甘肃、青海、西藏。由此可得,南五岛NPP平均密度处于全国平均水平,高于同纬度的西部地区,但低于东部大陆沿海地区。
本文计算结果显示不同季节南五岛NPP具有较大的差异,其中夏季的NPP总量是冬季的60倍以上,因此对于北方地区的NPP估算,不同季节的差异性研究尤为关键。南五岛各岛的NPP平均密度具有一定差异,结合各岛地表覆盖类型来看,NPP平均密度与各岛建设用地比例(POC)呈明显的负相关,线性拟合度达0.468。城镇建设占用土地,使得林地等具有高NPP值的覆盖类型面积减少,进而降低整岛的NPP平均密度。这也某种程度上说明城镇化进程不可避免地会带来海岛NPP的减少。
南五岛均为基岩海岛,以剥蚀山丘为主要地貌特征,存在水资源匮乏、土层薄等问题,本身植物生长条件较差,20世纪50年代以来进行了广泛的人工林种植,以黑松和刺槐为主要优势种,目前南五岛林地面积占总面积的比例达55.8%,本文的结果显示针叶林和阔叶林的NPP平均密度分别达446.9 g C m-2 a-1和559.71 g C m-2 a-1,略低于全国的平均数据469 g C m-2 a-1和663 g C m-2 a-1[5]。考虑到海岛自身较脆弱的生态环境条件,说明黑松和刺槐具有良好的生命力,是南五岛生态建设的理想物种。
4.1.3 NPP对空间分异性参数的依赖性NPP与空间分异性参数相关性分析结果见表 6。简单相关分析显示,NPP与NDVI、高程、坡度和地表覆盖类型在0.01水平上显著正相关,与坡向不具有显著的相关性,相关系数按由大到小的顺序依次为NDVI、地表覆盖类型、高程、坡度、坡向。偏相关分析显示,除高程外各参数均与NPP在0.01水平上显著相关,而高程与NPP不具有显著的相关性;除坡向外,各参数的偏相关系数同简单相关系数相比均有不同程度的下降,尤其是高程和坡度下降明显,且坡度由显著正相关变为显著负相关,同时坡向的相关性呈现明显的上升。
项目 Items | NDVI | 高程 Altitude | 坡度 Slope | 坡向 Aspect | 地表覆盖类型 Land cover type | |
简单相关 | Pearson Correlation | 0.913* * | 0.527* * | 0.334* * | 0.008 | 0.801* * |
Simple correlation | Sig.(2-tailed) | 0.000 | 0.000 | 0.000 | 0.406 | 0.000 |
偏相关 | Pearson Correlation | 0.822* * | 0.016 | -0.123* * | 0.207* * | 0.624* * |
Partial correlation | Sig.(2-tailed) | 0.000 | 0.075 | 0.000 | 0.000 | 0.000 |
* *. 在0.01 水平(双侧)上显著相关; * 在 0.05 水平(双侧)上显著相关 |
NDVI和地表覆盖类型是NPP最主要的影响参数,它们各自与NPP显著正相关,高程和坡度则通过影响NDVI和地表覆盖类型进而作用于NPP。随着高程和坡度的上升,城镇建设和农田开垦程度减小,林地面积相应增多,从而带来较高的NPP;但偏相关分析结果显示,在控制其他参数不变的情况下,高程与NPP关系不明显,而坡度与NPP呈现显著的负相关,这是因为单从坡度因子来看,坡度较小的地方往往拥有更好的植被生长条件。坡向越接近正南,理论上能够获得更多的太阳辐射,从而拥有较高的NPP值,但不同坡向的地表覆盖类型往往受到人类的影响而不具有规律性,因此在控制其他参数的环境下坡向与NPP具有显著的正相关性,但在简单相关分析中却没有呈现出该特征。
4.1.4 NPP与土壤理化性质的相关性NPP与10项土壤因子之间的简单相关性见表 7。结果显示NPP与土壤pH、有效磷、全磷、全钾呈显著负相关关系,其中与前三项在0.01水平上显著相关,与全钾在0.05水平上显著相关;NPP与全氮、总碳、总有机碳呈显著正相关关系,与全氮在0.05水平上显著相关,与后二项在0.01水平上显著相关;NPP与含水量、速效钾和含盐量之间不存在显著相关性。此外,10项土壤因子之间也存在着不同水平的相关关系。
项目Items | NPP | Ⅰ | Ⅱ | Ⅲ | Ⅳ | Ⅴ | Ⅵ | Ⅶ | Ⅷ | Ⅸ | Ⅹ |
NPP | 1 | -0.506* * | -0.121 | -0.443* * | -0.315 | -0.479* * | -0.415* | -0.152 | 0.374* | 0.461* * | 0.507* * |
Ⅰ | -0.506* * | 1 | 0.422* | 0.467* * | 0.207 | 0.691* * | 0.771* * | 0.207 | -0.538* * | -0.565* * | -0.663* * |
Ⅱ | -0.121 | 0.422* | 1 | 0.222 | 0.125 | 0.143 | 0.482* * | 0.317 | -0.182 | -0.215 | -0.158 |
Ⅲ | -0.443* * | 0.467* * | 0.222 | 1 | 0.538* * | 0.497* * | 0.536* * | 0.299 | -0.295 | -0.313 | -0.350* |
Ⅳ | -0.315 | 0.207 | 0.125 | 0.538* * | 1 | 0.286 | 0.425* * | 0.023 | -0.026 | 0.018 | 0.008 |
Ⅴ | -0.479* * | 0.691* * | 0.143 | 0.497* * | 0.286 | 1 | 0.753* * | 0.113 | -0.115 | -0.165 | -0.321 |
Ⅵ | -0.415* | 0.771* * | 0.482* * | 0.536* * | 0.425* * | 0.753* * | 1 | 0.146 | -0.293 | -0.375* | -0.415* |
Ⅶ | -0.152 | 0.207 | 0.317 | 0.299 | 0.023 | 0.113 | 0.146 | 1 | -0.282 | -0.350* | -0.321 |
Ⅷ | 0.374* | -0.538* * | -0.182 | -0.295 | -0.026 | -0.115 | -0.293 | -0.282 | 1 | 0.905* * | 0.848* * |
Ⅸ | 0.461* * | -0.565* * | -0.215 | -0.313 | 0.018 | -0.165 | -0.375* | -0.350* | 0.905* * | 1 | 0.893* * |
Ⅹ | 0.507* * | -0.663* * | -0.158 | -0.350* | 0.008 | -0.321 | -0.415* | -0.321 | 0.848* * | 0.893* * | 1 |
Ⅰ: pH; Ⅱ: 含水量Moisture content; Ⅲ: 有效磷Available phosphorus (AP); Ⅳ: 速效钾Available potassium (AK); Ⅴ: 全磷Total phosphorus (TP); Ⅵ全钾: Total potassium (TK); Ⅶ: 含盐量Salinity; Ⅷ: 全氮Total nitrogen (TN); Ⅸ: 总碳Total carbon (TC); Ⅹ: 总有机碳Total organic carbon (TOC) |
土壤理化性质与生态系统生产力密切相关[32]。具有较高生产力的群落凋落物往往较多[33],而凋落物是土壤有机质的重要来源,有机质中的主要元素为碳、氧、氢、氮,上述分析显示了南五岛NPP与土壤全氮、总碳、总有机碳呈明显的正相关关系。南五岛的土壤本身较为贫瘠,磷、钾等营养元素较少,较高的生产力往往表示着群落能够更加充分地吸收土壤中的营养元素而使其减少[34],这可能是本文NPP与有效磷、全磷、全钾显著负相关的原因。大多数土壤养分元素的有效性受土壤pH 值影响[35],南五岛的NPP与pH呈现较高的负相关,说明较低的pH值更适宜南五岛植物的生长。土壤水是植被生长发育所需用水的主要来源,但过高的含水量会导致植被根系的腐烂不利于植被的生长;受到海水的作用,海岛土壤的含盐量往往过高,但南五岛并没有表现出该特征,说明南五岛人工林对于过滤海盐具有重要作用[12]。
4.2 结论本文依据CASA模型,结合区域实际情况构建庙岛群岛南五岛NPP估算模型,以RS和GIS为主要手段,对研究区不同海岛、不同季节、不同地表覆盖类的NPP进行估算,进而分析NPP与模型计算参数和土壤理化性质的关系。基本结论如下:
(1)南五岛NPP总量为11043.52 t C/a,平均密度为340.19 g C m-2 a-1,总体上处于全国平均水平,高于同纬度的西部地区,但低于东部沿海大陆地区。
(2)南五岛夏季NPP总量占全年的80%左右,春季、秋季NPP总量分别占比11%和7%,冬季仅占1.3%,说明研究区NPP具有明显的季节差异。
(3)南五岛各岛中,NPP平均密度由大到小依次为大黑山岛、北长山岛、庙岛、南长山岛和小黑山岛,各岛NPP平均密度与建设用地比例呈明显的负相关。
(4)不同地表覆盖类型中,NPP平均密度由大到小依次为阔叶林、针叶林、农田、草地、建设用地和裸地,林地具有较高的NPP,说明南五岛的人工林建设具有重要的生态作用。
(5)NDVI和地表覆盖类型是NPP最主要的影响参数,高程、坡向通过影响NDVI值和地表覆盖类型间接作用于NPP。
(6)南五岛NPP与土壤pH、有效磷、全磷、全钾呈显著负相关,与全氮、总碳、总有机碳呈显著正相关,与含水量、速效钾和含盐量之间相关关系不明显。
在下一步的研究中,应重点关注地形影响因子的修正完善和植被最大光能利用率的现场验证,以期为南五岛碳源/汇研究提供更加充分的技术支持。
[1] | Lieth H, Whittaker R H. Primary Productivity of the Biosphere. New York: Springer-Verlag, 1975. |
[2] | Field C B, Behrenfeld M J, Randerson J T, Falkowski P. Primary production of the biosphere: integrating terrestrial and oceanic components. Science, 1998, 281(5374): 237-240. |
[3] | Paruelo J M, Epstei H E, Lauenroth W K, Burke I C. ANPP estimates from NDVI for the central grassland region of the United States. Ecology, 1997, 78(3): 953-958. |
[4] | Running S W, Thornton P E, Nemani R, Glassy J M. Global terrestrial gross and net primary productivity from the earth observing system // Sala O E, Jackson R B, Mooney H A, Howarth R W. Methods in Ecosystem Science. New York: Springer-Verlag, 2000: 44-57. |
[5] | 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. |
[6] | 龙慧灵, 李晓兵, 王宏, 魏丹丹, 张程. 内蒙古草原区植被净初级生产力及其与气候的关系. 生态学报, 2010, 30(5): 1367-1378. |
[7] | 王莉雯, 卫亚星. 盘锦湿地净初级生产力时空分布特征. 生态学报, 2012, 32(19): 6006-6015. |
[8] | 石洪华, 郑伟, 丁德文, 吕吉斌. 典型海岛生态系统服务及价值评估. 海洋环境科学, 2009, 28(6): 743-748. |
[9] | 王晓丽, 王嫒, 石洪华, 郑伟, 周然. 海岛陆地生态系统固碳估算方法. 生态学报, 2014, 34(1): 88-96. |
[10] | 王晓丽, 王嫒, 石洪华, 彭士涛, 宫立鹏, 覃雪波. 山东省长岛县南长山岛黑松和刺槐人工林的碳储量. 应用生态学报, 2013, 24(5): 1263-1268. |
[11] | Paulay G. Biodiversity on oceanic islands: its origin and extinction. American Zoology, 1994, 34(1): 134-144. |
[12] | 石洪华, 王晓丽, 王嫒, 刘振英, 麻德明. 北长山岛森林乔木层碳储量及其影响因子. 生态学报, 2013, 33(19): 6363-6372. |
[13] | Potter C S, Randerson J T, Field C B, Matson P A, Vitousek P M, Mooney H A, Klooster S A. Terrestrial ecosystem production: A process model based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7(4): 811-841. |
[14] | 袁淑杰, 缪启龙, 谷晓平, 邱新法. 贵州高原起伏地形下太阳直接辐射的精细分布. 自然资源学报, 2009, 24(8): 1432-1439. |
[15] | 左大康, 弓冉. 中国太阳直接辐射、散射辐射和太阳总辐射间的关系. 地理学报, 1962, 28(3): 175-186. |
[16] | 马金玉, 梁宏, 罗勇, 李世奎. 中国近50年太阳直接辐射和散射辐射变化趋势特征. 物理学报, 2011, 60(6): 069601. |
[17] | Burrough P A, McDonell R A. Principles of Geographical Information Systems. 2nd ed. New York: Oxford University Press, 1998: 190-190. |
[18] | Ruimy A, Saugier B, Dedieu G. Methodology for the estimation of terrestrial net primary production from remotely sensed data. Journal of Geophysical Research, 1994, 99(D3): 5263-5283. |
[19] | Field C B, Randerson J T, Malmström C M. Global net primary production: combining ecology and remote sensing. Remote Sensing Environment, 1995, 51(1): 74-88. |
[20] | 朴世龙, 方精云, 郭庆华. 利用CASA模型估算我国植被净第一性生产力. 植物生态学报, 2001, 25(5): 603-608. |
[21] | 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. |
[22] | 《喷灌工程设计手册》编写组. 喷灌工程设计手册. 北京: 水利电力出版社, 1989: 348-356. |
[23] | 周广胜, 张新时. 全球变化的中国气候--植被分类研究. 植物学报, 1996, 38(1): 8-17. |
[24] | 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. |
[25] | 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. |
[26] | 陶波, 李克让, 邵雪梅, 曹明奎. 中国陆地净初级生产力时空特征模拟. 地理学报, 2003, 58(3): 372-380. |
[27] | 顾娟, 李新, 黄春林, 张喜风, 金鑫. 2002-2010年中国陆域植被净初级生产力模拟. 兰州大学学报: 自然科学版, 2013, 49(2): 203-213. |
[28] | 罗艳, 王春林. 基于MODIS NDVI的广东省陆地生态系统净初级生产力估算. 生态环境学报, 2009, 18(4): 1467-1471. |
[29] | 王驷鹞, 刘振波. 江苏省植被净初级生产力时空分布格局研究. 南京信息工程大学学报: 自然科学版, 2012, 4(4): 321-325. |
[30] | 刘春雨, 董晓峰, 刘英英, 潘竟虎, 车彦军. 甘肃省净初级生产力时空变化特征. 中国人口·资源与环境, 2014, 24(1): 163-170. |
[31] | 卫亚星, 王莉雯, 石迎春, 李路子. 青海省草地资源净初级生产力遥感监测. 地理科学, 2012, 32(5): 621-627. |
[32] | 王长庭, 龙瑞军, 王启基, 景增春, 尚占环, 丁路明. 高寒草甸不同海拔梯度土壤有机质氮磷的分布和生产力变化及其与环境因子的关系. 草业学报, 2005, 14(4): 15-20. |
[33] | 冯宗炜, 王效科, 吴刚. 中国森林生态系统的生物量和生产力. 北京: 科学出版社, 1999. |
[34] | Elton C S. The Ecology of Invasions by Animals and Plants. Chicago: University of Chicago Press, 2000. |
[35] | Khattak R A, Hussain Z. Evaluation of soil fertility status and nutrition of orchards. Soil & Environment, 2007, 26(1): 22-32. |